1、 证 券 研 究 报证 券 研 究 报 告告 证监会审核华创证券投资咨询业务资格批文号：证监许可（2009）1210 号 未经许可，禁止转载未经许可，禁止转载 行业研究行业研究 电子电子 2023 年年 05 月月 25 日日 电子行业深度研究报告 推荐推荐（维持）（维持）人工智能风起云涌，人工智能风起云涌，算力芯片算力芯片需求升温需求升温 ChatGPT 揭开揭开 AI 发展大幕，算力芯片迎来黄金发展期。发展大幕，算力芯片迎来黄金发展期。ChatGPT 一经问世便得到了广泛关注，成为史上用户数增长最快的消费者应用。国内外巨头纷纷推出生成式 AI 产品加入大模型竞赛，微软发布 Microsof

2、t 365 Copilot，打破了传统办公软件的方式。Meta 相继发布其大语言模型 LLaMA，和针对机器视觉领域的通用图像分割模型 SAM，AI 视觉有望飞跃式提升。而国内巨头如百度、华为、阿里、商汤等企业亦于近期纷纷发布 AI 大模型，AI 商业化进程提速，将为更多行业和应用领域赋能，一场席卷全球科技领域的 AI 变革时代正在悄悄拉开序幕。而随着 GPT-4 的发布，AI 大跨步进入多模态发展时代，所需要处理、训练的数据从单纯的文本数据转为图像、文字、语音、视频在内的多媒体数据，所需要算力也呈指数级增长。根据 OpenAI 发布的报告AI and Compute，自 2012 年以来，A

3、I 训练应用的算力需求每 3-4 个月就会翻倍，至今 AI 算力增长超过了 30 万倍，算力芯片作为硬件基础，迎来黄金发展期。GPU 领衔追求卓越算力性能，领衔追求卓越算力性能，HBM 突破存力瓶颈为突破存力瓶颈为 AI 保驾护航。保驾护航。作为用于加速人工智能训练和推理任务的专用硬件，AI 算力芯片既包括 CPU、GPU、FPGA 等传统芯片，也包括以 TPU、VPU 为代表的专门针对人工智能领域设计的 ASIC 芯片，GPU 擅长并行计算且具有大量核心和高速内存，能够极大缓解计算层面的瓶颈，已经成为了当今主流的 AI 推理计算不可或缺的一部分，约占国内 AI 芯片市场份额的 90%（IDC

4、，2021H1 数据），其他非 GPU 芯片亦扮演越来越重要的角色，预计到 2025 年合计占比将超过 20%。主流算力芯片外，芯片存取能力亦是决定 AI 运算效果的重要一环，处理器和存储器间鸿沟日益拉大，“内存墙”问题亟待解决。HBM 突破了内存容量与带宽瓶颈，被视为新一代 DRAM 解决方案，成为 AI 时代不可或缺的关键技术。AI 浪潮带动算力芯片市场持续扩容，国产替代势在必行，本土厂商加速成长。浪潮带动算力芯片市场持续扩容，国产替代势在必行，本土厂商加速成长。市场空间方面：市场空间方面：“云+边+端”应用场景协同发力，共同驱动上游 AI 芯片行业成长。根据 WSTS 数据，全球 AI

5、芯片市场规模将从 2019 年的 110 亿美元增长至 2025 年的 726 亿美元，CAGR 为 37%。未来随着“AI+”应用场景的逐步落地，AI 芯片需求有望持续提升。竞争格局方面竞争格局方面：目前全球 AI 芯片市场几乎由英伟达等海外大厂垄断，国内陆续涌现出寒武纪、燧原科技、壁仞等优质AI 芯片公司，其中寒武纪作为国内 AI 芯片领域的先行者，目前产品可全面覆盖云边端应用场景，其中公司在云端方面推出的思元 290/370 系列芯片，已成功导入至阿里云等多家头部互联网客户中。英伟达 H100 和 A100 型号芯片进口受限，将倒逼高端 AI 芯片国产替代进程加速，展望未来，在行业加速发

6、展叠加自主可控需求背景下，国内 AI 芯片龙头厂商有望持续受益。投资建议：投资建议：AI 行业蓬勃发展带动算力芯片需求激增，国际贸易形势变换推动国产替代加速，国内优质算力/存力芯片公司将迎来发展机遇，建议关注：海海光信息、寒武纪、龙芯中科、光信息、寒武纪、龙芯中科、晶晨股份、晶晨股份、兆易创新、北京君正、深科技、江兆易创新、北京君正、深科技、江波龙波龙等等。风险提示风险提示：国际贸易形势变换；下游需求不及预期；代工产能不及预期；行业技术迭代不及预期；产品迭代不及预期。证券分析师：耿琛证券分析师：耿琛 电话： 邮箱： 执业编号：S0360517100004 证券分析师：

7、岳阳证券分析师：岳阳 邮箱： 执业编号：S0360521120002 行业基本数据行业基本数据 占比%股票家数(只)430 0.06 总市值(亿元)71,056.10 7.60 流通市值(亿元)50,002.21 7.05 相对指数表现相对指数表现%1M 6M 12M 绝对表现-7.6%2.1%-0.7%相对表现-4.7%-1.6%2.8%相关研究报相关研究报告告 模拟芯片行业深度研究报告：模拟 IC 国产替代进程加速推动中，国内行业周期有望触底反弹 2023-05-19 服务器行业深度研究报告：AI 革命已至，算力竞赛推动服务器迎来升级浪潮 2023-04-06 电子行业深度研究报告：从国际

8、巨头 DISCO 发展看半导体切磨抛装备材料的国产化趋势 2023-03-01 -11%-1%10%21%22/0522/0822/1022/1223/0323/052022-05-242023-05-24电子沪深300华创证券研究华创证券研究所所 电子行业深度研究报告电子行业深度研究报告 证监会审核华创证券投资咨询业务资格批文号：证监许可（2009）1210 号 未经许可，禁止转载未经许可，禁止转载 投资投资主题主题 报告亮点报告亮点 本报告从产业链角度阐述了 AI 芯片行业的发展机会，以 ChatGPT 问世掀起的算力潮为背景，分析人工智能技术创新对底层算力/存力芯片需求的影响。报告主体主

9、要分为三个章节，第一章节介绍了本轮由 ChatGPT 爆火带来的AI 产业变革，梳理 AI 发展所需的底层算力/存力芯片产业链，并复盘英伟达等海外大厂在 AI 芯片方面的产品布局情况；第二章节从行业规模及驱动力和市场竞争格局两个维度对当前 AI 芯片行业进行分析，指出在“云-边-端”下游多维度协同发力叠加国产替代的背景下，国内 AI 芯片产业链公司迎来了新的发展机遇，后续有望持续受益；第三章节主要阐述产业链重点公司情况。投资逻辑投资逻辑 ChatGPT 问世引爆新一轮 AI 浪潮，云端计算/存储数据量激增，带动上游 AI算力/存力芯片快速增长承接新增需求；同时受益于工业互联网、车联网/自动驾驶

10、、移动互联网等产业的蓬勃发展，边缘计算的数据量和算力需求也在不断扩大，未来将协同云计算共同驱动 AI 芯片行业成长。目前全球 AI 芯片市场仍由英伟达、Intel 等海外大厂主导，而英伟达 H100 和 A100 型号芯片进口受限，在行业加速扩容叠加国产替代的背景下，国内 AI 芯片厂商迎来新的发展机遇，未来成长空间广阔。建议关注国内优质算力/存力芯片公司海光信息、寒武纪、龙芯中科、晶晨股份、兆易创新、北京君正、深科技、江波龙等。PZ9YrZgVmUpNnPmRbRcM7NmOqQmOnOkPoOrMiNmOsM9PqQuNuOsOnRvPmNnP 电子电子行业深度研究报告行业深度研究报告 证

11、监会审核华创证券投资咨询业务资格批文号：证监许可（2009）1210 号 3 目目 录录 一、一、ChatGPT 揭开揭开 AI 发展大幕，算力芯片逐浪前行发展大幕，算力芯片逐浪前行.6（一）ChatGPT 横空出世，AIGC 商业化蓄势待发.6（二）多模态催生高算力需求，AI 芯片迎来黄金发展期.8（三）海外大厂深度布局，开启 AI 算力新时代.14 二、二、AI 芯片奠定算力时代基石，国产芯片厂商加速布局芯片奠定算力时代基石，国产芯片厂商加速布局.17（一）人工智能发展浪潮兴起，AI 芯片市场规模持续扩张.17（二）“云+边+端”多维度协同发力，带动上游硬件行业发展.18 1、云计算：大模

12、型时代算力需求激增，AI 芯片迎来产业机遇.19 2、边缘计算：万物智联带来海量数据，促进 AI 芯片需求提升.20（三）海外龙头主导 AI 芯片市场，本土厂商充分受益国产替代浪潮.22 三、三、相关公司相关公司.24（一）海光信息：本土 CPU 领军企业，开拓 DCU 打开成长空间.24（二）龙芯中科：国内 CPU 龙头厂商，全面打造自主生态.25（三）寒武纪：全面深耕 AI 芯片领域，算力时代迎来快速成长机遇.26（四）晶晨股份：智能多媒体 SoC 龙头，WiFi-6/汽车芯片打造第二成长曲线.26（五）兆易创新：国内存储设计龙头，合作长鑫存储打开 DRAM 成长天花板.27（六）北京君正

13、：车载算力/存力持续提升，车规存储龙头持续发力.28（七）深科技：国产存储封测龙头，布局先进工艺决胜 AI 时代.28（八）江波龙：深耕存储芯片领域，积极拥抱 AI 发展浪潮.29 四、四、风险提示风险提示.29 电子电子行业深度研究报告行业深度研究报告 证监会审核华创证券投资咨询业务资格批文号：证监许可（2009）1210 号 4 图表目录图表目录 图表 1 ChatGPT 用户数量增速惊人.6 图表 2 各代 GPT 对比.6 图表 3 GPT-4 在不同年龄段不同类别考试中名列前茅.7 图表 4 多模态模型与单模态模型对比.7 图表 5 Copilot 在 Excel 中的应用.7 图表

14、 6 Copilot 在 PPT 中的应用.7 图表 7 AIGC 赋予 AI 人类生产“内容”的特权.8 图表 8 中国智能算力规模及预测（2019-2026E）.8 图表 9 华为 Ascend 910 AI 训练芯片构架图.9 图表 10 德州仪器 TIDEP-01004 机器学习推理设计.9 图表 11 “云-边-端”泛在算力架构.9 图表 12 云、边、端对于芯片的要求不同.10 图表 13 各类 AI 芯片特征对比.10 图表 14 CPU 基本架构图.11 图表 15 英伟达 Turing TU102 GPU 构架图.12 图表 16 AMD RDNA3 图形架构.12 图表 1

15、7 FPGA 基本架构图.12 图表 18 通过使用 FPGA 构建的智能嵌入式视觉系统.12 图表 19 ASIC 在性能、能效、成本等方面优于标准芯片.13 图表 20 深度学习时，四类 AI 芯片表现有所差异.13 图表 21 “内存墙”问题愈演愈烈.14 图表 22 HBM 结构示意图.14 图表 23 英伟达 GPU 微结构演变历程.15 图表 24 英伟达 CUDA 生态.16 图表 25 AMD INFINITY 架构.16 图表 26 AMD ROCm 平台.16 图表 27 英特尔至强处理器路线图.17 图表 28 2019-2025E 全球 AI 芯片市场规模.17 图表

16、29 2018-2023E 中国 AI 芯片市场规模.17 图表 30 2018-2023E 中国 AI 芯片云端/终端占比情况.18 图表 31 2019-2025E AI 服务器推理和训练工作负载.18 图表 32 2021 年中国 AI 芯片占比情况（按芯片种类划分）.18 图表 33 云端与边缘侧人工智能应用场景对于 AI 芯片的需求.19 电子电子行业深度研究报告行业深度研究报告 证监会审核华创证券投资咨询业务资格批文号：证监许可（2009）1210 号 5 图表 34 不同模型所需的算力.19 图表 35 部分国外大模型训练参数量.19 图表 36 根据英伟达 paper 进行训练

17、用 AI 芯片数量的交叉验证.20 图表 37 2017-2025E 全球云计算市场规模.20 图表 38 2018-2027E 中国公有云市场规模.20 图表 39 2020-2030E 中国边缘云市场规模预测.21 图表 40 2020-2030E 边缘云市场结构.21 图表 41 不同边缘计算场景对 AI 芯片算力的需求.21 图表 42 2020-2026E 自动驾驶汽车出货量（万辆）.22 图表 43 自动驾驶升级对算力的需求不断提高.22 图表 44 2019-2025 年全球与中国物联网连接数规模及预测（亿个）.22 图表 45 2022Q4 全球独显 GPU 市场份额.23 图

18、表 46 不同应用市场中 AI 芯片的竞争格局.23 图表 47 服务器成本构成情况.24 图表 48 英伟达向中国出口 H100 和 A100 芯片受限.24 电子电子行业深度研究报告行业深度研究报告 证监会审核华创证券投资咨询业务资格批文号：证监许可（2009）1210 号 6 一、一、ChatGPT 揭开揭开 AI 发展大幕，算力芯片逐浪前行发展大幕，算力芯片逐浪前行（一）（一）ChatGPT 横空出世，横空出世，AIGC 商业化蓄势待发商业化蓄势待发 ChatGPT 是由是由 OpenAI 开发的自然语言生成模型，主要应用之一是聊天机器人。开发的自然语言生成模型，主要应用之一是聊天机器

19、人。ChatGPT于 2022 年 11 月正式推出，基于 GPT-3.5 架构语言模型利用对话形式，通过大量语料库和人工反馈的强化学习（RLHF）进行模型训练，最终模型可以理解并针对各类主题生成类似于人类的响应。得益于强大的性能和舒适的用户体验，ChatGPT 问世以来便得到了广泛关注，用户规模迅速扩张，上线不到一周就突破 100 万用户，2023 年一月末用户数突破 1 亿，成为史上用户数增长最快的消费者应用。图表图表 1 ChatGPT 用户数量增速惊人用户数量增速惊人 资料来源：甲子光年，华创证券 GPT-4 多模态模型强化明显，代际版本升级效果显著。多模态模型强化明显，代际版本升级效

20、果显著。2023 年 3 月 14 日 OpenAI 推出了GPT-4 多模态大模型，进一步提升了数据处理能力和安全性等。与 GPT-3.5 相比，GPT-4的表现有较大的提升，GPT-4 拥有更可靠、更有创意的表现，同时处理细微指令的能力更强。此外，GPT-4 能够接收来自图像的信息，可以利用文本和图像的综合信息生成稳步输出。实验表明，GPT-4 在各种专业测试和学术基准上的表现与人类水平相当。图表图表 2 各代各代 GPT 对比对比 发布时间发布时间 2018 年年 6 月月 2019 年年 2 月月 2020 年年 5 月月 2022 年年 1 月月 2023 年年 3 月月 参数量 1

21、.17 亿 15 亿 1750 亿 约 1750 亿 估计 10 万亿100 万亿 训练数据量 5GB 40GB 45TB 解码器层数 12 48 96 序列长度 512 1024 2048 4096 8192/32768 特点 有一定泛化能力，可接受下游任务微调 生成能力突出，包括聊天、续写、摘要 上下文小样本学习能力强大，可完成大多数 NLP 任务 基于人类反馈对话数据，对齐人类喜好，强大意图理解能力 能力升级：更可靠、更有创意、处理更细微的指令；强大的识图能力；增加训练后处理和行为预测；幻觉、安全问题改善 资料来源：OpenAI官网，大师兄知乎号，腾讯云开发者，华创证券 01020304

22、05060708090ChatGPTTikTokInstagramPinterestSpotifyTelegramUberGoogleTransalte1亿用户达成时长(月)电子电子行业深度研究报告行业深度研究报告 证监会审核华创证券投资咨询业务资格批文号：证监许可（2009）1210 号 7 图表图表 3 GPT-4 在不同年龄段不同类别考试中名列前茅在不同年龄段不同类别考试中名列前茅 图表图表 4 多模态模型与单模态模型对比多模态模型与单模态模型对比 资料来源：OpenAI官网 资料来源：Nitish Srivastava&Ruslan SalakhutdinovMultimodal le

23、arning with deep boltzmann machines，华创证券 新一代新一代 Microsoft 365 Copilot 惊艳惊艳亮相，亮相，AI 商业化热潮蓄势待发商业化热潮蓄势待发。随着 GPT 系列模型在商业 AI 中的广泛应用和迭代升级，有望带动越来越多的应用场景实现效率提升。以与OpenAI 合作紧密的微软为例，北京时间 2023 年 3 月 17 日，微软重磅宣布由 GPT-4 驱动的 Microsoft 365 Copilot，将大模型（LLM）与 Microsoft Graph 和 Microsoft 365 应用中的数据相结合，打破了传统办公软件的方式，能自

24、动生成文档、电子邮件、PPT，让Word、Excel、PowerPoint、Outlook、Teams 等办公软件的效率得以提升。国内外科技巨头纷纷下场进行 AI 模型商业化尝试，除微软、谷歌外，另一互联网龙头企业 Meta 在 AI 领域也有持续性投入。2023 年 2 月，Meta 发布其大语言模型 LLaMA，4 月又推出针对机器视觉领域的通用图像分割模型 SAM。而国内巨头如百度、华为、阿里、商汤等企业亦于近期纷纷发布 AI 大模型，AI 商业化进程提速，将为更多行业和应用领域赋能。图表图表 5 Copilot 在在 Excel 中的应用中的应用 图表图表 6 Copilot 在在 P

25、PT 中的应用中的应用 资料来源：微软官网 资料来源：智东西 GPT 系列属于生成式人工智能系列属于生成式人工智能(AIGC)的范畴。的范畴。传统 AI 大多属于分析式 AI，通过对输入数据进行分析和推理，实现感知、认知及决策。而生成式 AI 使用各种机器学习算法，从数据中提取和理解要素，使机器能够创建全新的数字视频、图像、文本、音频或代码等内容。它创建出的内容与训练数据保持相似，而非复制。对抗生成网络 GAN(Generative adversarial networks)是 AIGC 领域早期使用最多的算法模型之一，其核心是 AI 内部的两个程序互相对比，从而生成最接近人类心目中的正确形象

26、，因此被广泛应用于生成图像 电子电子行业深度研究报告行业深度研究报告 证监会审核华创证券投资咨询业务资格批文号：证监许可（2009）1210 号 8 和音视频领域，随后不断涌现的包括 Transformer、Diffusion 等在内的诸多模型在 AIGC 技术路线上进行了演进及迭代，使得学习的分布变得更加全面和接近现实，从而呈现出更真实和高质量的内容，大型模型在 AIGC 中变得越来越重要。图表图表 7 AIGC 赋予赋予 AI 人类生产“内容”的特权人类生产“内容”的特权 资料来源：甲子光年（二）（二）多模态催生多模态催生高高算力需求，算力需求，AI 芯片迎来黄金发展期芯片迎来黄金发展期

27、多模态多模态 AI 驱动新一轮算力需求爆发。驱动新一轮算力需求爆发。随着 AI 从单模态演变为多模态，所需要处理、训练的数据从单纯的文本数据转为图像、文字、语音、视频在内的多媒体数据，所需要的算力也呈指数级增长。根据 OpenAI 发布的报告AI and Compute，自 2012 年以来，AI训练应用的算力需求每 3-4 个月就会翻倍，至今 AI 算力增长超过了 30 万倍。而随着多模态 AI 的逐步落地，边缘端需求上升将会导致算力需求进一步爆发。另一方面，谷歌、百度、阿里巴巴等科技行业纷纷计划推出类 ChatGPT 的情况下，将会加剧算力供需的不平衡。根据 IDC 与浪潮信息联合发布20

28、22-2023 中国人工智能计算力发展评估报告，2022 年我国智能算力规模已达 268 百亿亿次/秒(EFLOPS)，超过通用算力规模，预计到2026 年中国智能算力规模将达到 1271.4EFLOPS，未来五年复合增长率达 52.3%，同期通用算力规模的复合增长率为 18.5%。图表图表 8 中国智能算力规模及预测（中国智能算力规模及预测（2019-2026E）资料来源：IDC，华创证券 算力、模型、数据是算力、模型、数据是 AI 发展的三大要素，芯片是发展的三大要素，芯片是 AI 算力的源泉。算力的源泉。根据承担任务的不同，AI 芯片可以分为训练和推理芯片。训练，即通过输入大量数据来构建

29、神经网络模型，使31.775155.2268427640.7922.81271.402004006008000200222023E2024E2025E2026E百亿亿次浮点运算/秒（EFLOPS）电子电子行业深度研究报告行业深度研究报告 证监会审核华创证券投资咨询业务资格批文号：证监许可（2009）1210 号 9 之可以适应特定的功能。训练芯片对算力、精度、通用性有较为苛刻的需求，需要能够处理海量数据以及适应各种不同的学习任务；推理，即借助现有神经网络进行运算，通过新输入的数据来获得推理结论。推理芯片对性能和精度的要求相对较低，更注重对成本、功耗、

30、时延等指标的综合考量。图表图表 9 华为华为 Ascend 910 AI 训练芯片构架图训练芯片构架图 图表图表 10 德州仪器德州仪器 TIDEP-01004 机器学习推理设计机器学习推理设计 资料来源：STH官网 资料来源：德州仪器官网“云云-边边-端端”泛在算力架构泛在算力架构趋势已定。趋势已定。在算力未来需求持续增加的情况下，网络带宽和时延限制（性能）和网络带宽成本限制（成本）导致的算力需求错配需要通过在边缘端部署算力进行支撑，构成“云-边-端”泛在算力部署方案。云端，即数据中心，依靠强大算力利用海量数据进行模型训练，云端 AI 芯片具有性能高、算力强的特点，能够对深度学习算法模型进行

31、训练与推理，云端的算力是由 GPU 或 NPU 等芯片产生的，通过在虚拟平台调度服务器上处理复杂的数据来实现合理使用；边端的算力由 CPU、FPGA 等芯片产生，通过边端服务平台的实时数据过滤和响应，可以保证网络的稳定性且降低延迟；终端，即手机、汽车、智能家居设备、各种 IoT 设备等执行边缘计算的智能设备，通常使用训练好的模型进行推理，终端 AI 芯片具有体积小、耗电少的特点，算力是由 CPU、GPUDSP 或带有 AI 核的 SoC 等芯片产生的。图表图表 11 “云“云-边边-端”端”泛在算力架构泛在算力架构 资料来源：华为泛在算力：智能社会的基石，华创证券 电子电子行业深度研究报告行业

32、深度研究报告 证监会审核华创证券投资咨询业务资格批文号：证监许可（2009）1210 号 10 人工智能技术在云端（云）、边缘端（边）和终端（端）设备中均有广泛应用，三种场景对于芯片的运算能力和功耗等特性有着不同要求。云端主要部署训练芯片和推理芯片，进行智能数据分析和模型训练，以及处理部分对传输带宽要求比高的推理任务；边缘和终端主要部署推理芯片，需要独立完成数据收集、环境感知、人机交互及部分推理决策控制任务。图表图表 12 云、边、端对于芯片的要求不同云、边、端对于芯片的要求不同 应用场景应用场景 芯片需求芯片需求 典型计算能力典型计算能力 典型功耗典型功耗 典型应用领域典型应用领域 终端 低

33、功耗、高能效、推理任务为主、成本敏感、硬件产品形态众多 8TOPS 30TOPS 50 瓦 云计算数据中心、企业私有云等 边缘端 对功耗、性能、尺寸的要求常介于终端与云端之间、推理任务为主、多用于插电设备、硬件产品形态相对较少 5TOPS 至 30TOPS 4 瓦至 15 瓦 智能制造、智能家居、智能零售、智慧交通、智慧金融、智慧医疗、智能驾驶等众多应用领域 资料来源：寒武纪招股说明书，华创证券 作为用于加速人工智能训练和推理任务的专用硬件，AI 算力芯片既包括 CPU、GPU、FPGA 等传统芯片，也包括以 TPU、VPU 为代表的专门针对人工智能领域设计的 ASIC芯片，此类芯片通常拥有高

34、度并行计算能力和优异的低功耗高效计算性能。IDC 研究发现，2021 年上半年中国 AI 芯片中，GPU 占有 90%以上的市场份额，稳居第一，而 ASIC、FPGA、NPU 等其他非 GPU 芯片也在各个行业和领域被越来越多地采用，整体市场份额接近 10%，预计到 2025 年其占比将超过 20%。图表图表 13 各类各类 AI 芯片特征对比芯片特征对比 技术架构种类技术架构种类 定制化程度定制化程度 可编辑性可编辑性 算力算力 优点优点 缺点缺点 应用场景应用场景 CPU 通用型 不可编辑 低 技术成熟，通用性最强，可执行各种类型的计算机应用程序；人工智能应用开发生态成熟 核数少，处理并行

35、任务较为困难 适用于各种具体的行业，在人工智能芯片市场渗透率相对较低 GPU 通用型 不可编辑 中 通用性较强且适合大规模并行运算：设计和制造工艺成熟 并行运算能力在推理端无法完全发挥 高级复杂算法和通用性人工智能平台 FPGA 半定制化 容易编辑 高 可通过编程灵活配置芯片架构适应算法迭代，平均性能较高：功耗较低：开发时间较短（6 个月）量产单价高：峰值计算能力较低：硬件编程困难 适用于各种具体的行业 ASIC 全定制化 难以编辑 高 通过算法固化实现极致的性能和能效、平均性很强；功耗很低：体积小；量产后成本最低 前期投入成本高；研发时间长（1 年）；技术风险大 当客户处在某个特殊场景，可以

36、为其独立设计一套专业智能算法软件 资料来源：亿欧智库，寒武纪招股说明书，华创证券 CPU 为为 AI 提供算力和提供算力和数据管理功能，帮助实现复杂的模型训练、预测和决策过程。数据管理功能，帮助实现复杂的模型训练、预测和决策过程。CPU是一种通用处理器，适用于大多数计算任务。CPU 的核心数较少，因此其更适用于单线程或少量线程的任务，例如文本处理、网页浏览、编程等，对于高性能计算任务，如机器学习、深度学习等，则表现稍显乏力。算力方面，算力方面，CPU 可以通过指令实现并行计算提升可以通过指令实现并行计算提升 AI 系统的计算性能。系统的计算性能。无论是机器学习还是深度学习模型，大多数计算任务在

37、 AI 算法中主要基于向量和矩阵运算，而 CPU 通 电子电子行业深度研究报告行业深度研究报告 证监会审核华创证券投资咨询业务资格批文号：证监许可（2009）1210 号 11 过高效的向量化指令集，可以实现对大规模矩阵乘法、卷积等高性能的计算，能够在单位时间内完成多个数值运算，从而有效地提高运算效率。由于很多计算任务如卷积神经网络（CNN）的卷积运算都具有较强的并行性，CPU 可以通过 SIMD 指令（单指令流多数据流结构）以及多线程技术来加速 AI 工作负载。图表图表 14 CPU 基本架构图基本架构图 资料来源：Computer Science GCSE GURU GPU 具有并行计算能

38、力和高速存储器，具有并行计算能力和高速存储器，可以对需要同时执行多个计算和内存密集型任务的应用进行加速，在 AI 中主要用于加速训练和推断过程。具体看，GPU 常被应用于：1）神经网络；2）通过大量并行数据输入加速 AI 和深度学习操作；3）传统的 AI 推理和训练算法。GPU 已经成为了当今主流的已经成为了当今主流的 AI 推理计算不可或缺的一部分，这也要求推理计算不可或缺的一部分，这也要求 GPU 需需要集成更多的核心和更密集的算力。要集成更多的核心和更密集的算力。为此，GPU 供应商一直在改进其架构，以更好地适应新的 AI 需求。具体看，为了加速深度学习计算，NVIDIA 专门开发了能够

39、在半精度浮点运算中实现高度并行的深度学习计算硬件Tensor Core，从而大幅提高了深度学习计算的速度，显著降低了能耗。此外，AMD Radeon VII 在设计上也加入了深度学习领域的优化代码，使该处理器在 AI 和深度学习领域的表现得到了提升。算力方面，算力方面，GPU 可以通过并行处理能力显著提升可以通过并行处理能力显著提升 AI 应用的处理速度。应用的处理速度。由于 AI 计算中涉有大量如矩阵乘法、卷积和张量运算等线性代数计算，GPU 内大量的乘加器能够满足算法的需求，且其上百个核心可以同时执行许多线性代数计算，从而进一步缩短计算时间。此外，GPU 的并行处理能力在神经网络的训练和推

40、断中尤为重要，因为神经网络的运算过程中通常需要处理大量数据，需要同时使用许多小型核心来进行计算，而 GPU 的多核属性恰好满足了神经网络对于计算的需求。同时，GPU 可以在训练期间对神经网络进行优化，使其更加有效地利用硬件资源。电子电子行业深度研究报告行业深度研究报告 证监会审核华创证券投资咨询业务资格批文号：证监许可（2009）1210 号 12 图表图表 15 英伟达英伟达 Turing TU102 GPU 构架图构架图 图表图表 16 AMD RDNA3 图形架构图形架构 资料来源：英伟达官网，华创证券 资料来源：HotHardware，华创证券 作为作为 AI 计算平台使用最为广泛的加

41、速芯片之一，计算平台使用最为广泛的加速芯片之一，FPGA 具有功耗低、延迟短、灵活性具有功耗低、延迟短、灵活性强的特点强的特点，被广泛应用于机器学习、网络安全、超大规模图像处理、基因检测等领域。随着 AI 的发展对算力及定制化愈发严苛的要求，FPGA 也将围绕可编程的特性作进一步拓展，通过优化其硬件构架、集成 AI 构架与硬件加速器等方面进一步发展。与此同时，CPU+FPGA 或将成为全新的异构加速模式，在未来被更多的 AI 应用领域所采纳。低功耗与自适应性：低功耗与自适应性：对于移动设备和嵌入式系统等具有限制性能的场景来说，FPGA 具有得天独厚的优势，即可实现低功耗和自适应性能的特点。由于

42、其可编程的特性，FPGA可以通过微调内部的电子元件实现自适应算法，以满足不同环境下的计算需求。同时，其节能的特点意味着可以将 AI 应用带到更多的场景中，比如移动机器人、基于车载装置的驾驶辅助系统等。高速处理与优化高速处理与优化：由于 FPGA 具有高度灵活、高速的特点，其并行处理能力可以极大地提高 AI 算法的计算性能，从而实现高效的推理和训练等任务。同时，FPGA 还可以根据不同的 AI 算法需求自由编程，以最大程度地优化其运行效率和性能。由于其纯硬件的实现方式，FPGA 比传统的 CPU 和 GPU 更加灵活，因此越来越多的 AI 开始采用 FPGA 进行计算处理。图表图表 17 FPG

43、A 基本架构图基本架构图 图表图表 18 通过使用通过使用 FPGA 构建的智能嵌入式视觉系统构建的智能嵌入式视觉系统 资料来源：安路科技招股说明书 资料来源：Digikey 电子电子行业深度研究报告行业深度研究报告 证监会审核华创证券投资咨询业务资格批文号：证监许可（2009）1210 号 13 ASIC 是面向特定的、具体的、相对单一的人工智能应用设计的专用芯片。是面向特定的、具体的、相对单一的人工智能应用设计的专用芯片。ASIC 从性能、能效、成本均极大的超越了标准芯片，非常适合 AI 计算场景。优点：1）定制功能与更小的尺寸：由于器件是根据设计的规格进行生产的；2）更低的器件成本：实现

44、大批量设计与生产，批量越大，成本越低；3）高性能、低功耗：ASIC 芯片相当于将 AI 算法“硬件化”，特定算法下能效更高；4）可形成 IP 校复用：模块化的设计方法，可根据设计需要进行 IP 选取。ASIC 一次性成本远远高于 FPGA，但由于其量产成本低，目前主要应用于终端，主要形态为行业专用 SoC，较多集中于语音处理领域。图表图表 19 ASIC 在性能、能效、成本等方面优于标准芯片在性能、能效、成本等方面优于标准芯片 资料来源：eSilion、转引自快科技 在用于深度学习时，四类芯片各有不同：在用于深度学习时，四类芯片各有不同：1）通用性：CPUGPUFPGAASIC，通用性越低，代

45、表其适合支持的算法类型越少；2）性能功耗比：CPUGPUFPGAASIC，性能功耗比越高越好，意味着相同功耗下运算次数越多，训练相同算法所需要的时间越短。图表图表 20 深度学习时，四类深度学习时，四类 AI 芯片表现有所差异芯片表现有所差异 资料来源：快科技，华创证券 电子电子行业深度研究报告行业深度研究报告 证监会审核华创证券投资咨询业务资格批文号：证监许可（2009）1210 号 14 处理器和存储器间鸿沟日益拉大，“内存墙”问题亟待解决。处理器和存储器间鸿沟日益拉大，“内存墙”问题亟待解决。主流算力芯片外，芯片存取能力亦是决定 AI 运算效果的重要一环。根据 UC Berkeley R

46、ISELab 数据，大型 Transformer 模型中的参数数量呈指数级增长，每两年增长 240 倍，而单个 GPU 内存仅以每 2 年 2 倍的速度增长，内存延迟和带宽正在限制系统性能，持续（流式）内存带宽继续落后于峰值 FLOP 速率，内存不再能够跟上原始计算能力的步伐，此外，网络延迟和带宽也继续以惊人的速度落后于处理器性能，这种不平衡导致半导体行业出现了“内存墙”问题。AI 高算力需求刺激存储芯片新发展。高算力需求刺激存储芯片新发展。人工智能应用的快速发展正在显着改变信息的消费、移动和处理方式。在强调能效的同时增加内存带宽对于进一步支持云、边缘和端点的广泛行为分析和神经网络训练至关重要

47、。随着深度学习等 AI 算法的发展，AI 服务器对计算能力和内存带宽的要求越来越高。GDDR 逐渐达到极限，每秒每增加 1GB 的带宽所需要的电量剧增，NVIDIA 和 AMD 等厂商逐渐开始使用 HBM（高带宽存储）。HBM 是DRAM 的一种新技术，它通过 3D 堆叠技术将多个 DDR 垂直堆叠在一起，形成一个高度集成的内存模组，同时与 CPU/GPU 合封，使得 HBM 内存芯片具有更大的密度和更短的电路路径，能够提供更高的内存带宽和更低的延迟，可以显著提高深度学习等 AI 算法的计算性能和效率。此外，与 GDDR5 相比，在相同数量显存下，HBM 产品大小仅仅是GDDR5 的 6%，并

48、且每瓦带宽是其 3 倍以上。图表图表 21 “内存墙”问题愈演愈烈“内存墙”问题愈演愈烈 图表图表 22 HBM 结构示意图结构示意图 资料来源：Amir GholamiAI and Memory Wall、转引自OneFlow社区 资料来源：AMD（三）（三）海外大厂深度布局，开启海外大厂深度布局，开启 AI 算力新时代算力新时代 英伟达先发优势显著，英伟达先发优势显著，AI 时代时代 GPU 大显神威。大显神威。英伟达在 1999 年推出首款 GeForce 256产品，定义了 GPU 作为图形渲染芯片的功能。2010 年开始英伟达开始专注于 AI 领域的研发，其 Tesla GPU 为全

49、球最快的超级计算机提供算力支持，同时推出了首个 GPU 计算架构“Fermi”。此后，英伟达保持每半年推出一款新产品，每两年迭代一次新的芯片架构。从 Fermi 架构到如今最新的 Hopper 架构，产品的制程由 40nm 迭代至 4nm，晶体管数量从 30亿增长至 800 亿，FP32 算力从1.5TFLOPS提升到 60TFLOPS，内存带宽从 192.4 GB/s 提升到 3TB/s。电子电子行业深度研究报告行业深度研究报告 证监会审核华创证券投资咨询业务资格批文号：证监许可（2009）1210 号 15 图表图表 23 英伟达英伟达 GPU 微结构演变历程微结构演变历程 架构代号架构代

50、号 推出时间推出时间 核心参数核心参数 特点特点 制程制程 晶体管数量晶体管数量 代表型号代表型号 Fermi 2010 16 个 SM，每个包括 32 CUDA Cores，共计 512 CUDA Core 首个完整 GPU 计算架构，支持与共享存储结合纯 Cache层次的 GPU架构，支持 ECC 的 GPU 架构 40/28nm 30 亿 Quadro 7000 Kepler 2012 15 个 SM，每个包括 192个单精度+64 个双精度的CUDA Core 游戏性能大幅提升；首次支持 GPU Direct 技术 28nm 71 亿 K80 K40M Maxwell 2014 16

51、个 SM，每个包括 4 个处理模块，每个处理模块包括 32 个 CUDA 内核+8个 LD/ST Unit+8 个 SFU SM 单元减少至 128 个，但是每个SMM 单元拥有更多的逻辑控制电路 28nm 80 亿 M5000 M4000 Pascal 2016 GP102 有 60 个 SM，每个包括 64 个 CUDA cores 和32 个 DP core NVLink 一代，双向互联带宽160GB/s 16nm 153 亿 P100 GTX 1080 P6000 Volta 2017 80 个 SM，每个包括 32 个FP64+64 个 INT32+64 个FPT32+8 个 Ten

52、sor core NVLink2.0 Tensor Core 1.0 满足深度学习和 AI 运算 12nm 211 亿 V100 Titan V Turing 2018 72 个 SM，每个包括 64 个INT32+8 个 Tensor core Tensor Core 2.0 RT Core 1.0 12nm 186 亿 T4 2080TI RTX 5000 Ampere 2020 A100 有 108 个 SM，每个包括 64 个 FP32+64 个INT32+32 个 FP64+4 个Tensor core Tensor Core 3.0 RT Core 2.0 NVLink 3.0 结

53、构稀疏性 MIG1.0 7nm 283 亿 A100 A30 3090 Hopper 2022 132 个 SM，每个包括 128个 FP32+64 个 INT32+64个 FP64+4 个 Tensor core Tensor Core 4.0 NVLink 4.0 结构稀疏性矩阵 MIG 2.0 4nm 800 亿 H100 资料来源：CSDN，华创证券整理 GPU+CUDA 生态，构建高效并行计算平台。生态，构建高效并行计算平台。2006 年英伟达推出通用的并行计算平台和编程模型 CUDA，能够兼容 C+、FORTRAN、DirectCompute、OpenACC 等编程语言环境。过往虽

54、然 GPU 的“指令复杂度”提高可以带来性能提升，但是会丧失通用灵活性，而英伟达 CUDA 生态允许开发者使用不同维度的语言进行开发。作为一个有选择范围的生态系统，开发者能够按照自身的应用需求来使用 CUDA 生态。CUDA 经过多年迭代已经成为了软硬件配合的独特生态系统，英伟达也以此为基础构建了 GPU、系统、软件和服务的全方位人工智能产品框架。而在收购 ARM 后也将于今年推出自研的 Grace CPU进一步完善产品矩阵。电子电子行业深度研究报告行业深度研究报告 证监会审核华创证券投资咨询业务资格批文号：证监许可（2009）1210 号 16 图表图表 24 英伟达英伟达 CUDA 生态生

55、态 资料来源：英伟达官网 AMD 强化强化 CPU 优势，以优势，以 INFINITY 架构和架构和 ROCm 软件平台构筑高性能算力平台。软件平台构筑高性能算力平台。INFINITY架构是AMD推出的用来解决异构数据一致性的互联方案，能够提高互联带宽、降低异构通信延迟以及编程难度。通过不断迭代，第三代 INFINITY 架构能够支持 8 通道 GPU 的连接、CPU 与 GPU 之间的一致性内存以及百万兆级运算。ROCm 是 AMD 于2015 年所推出的一个软件开发平台，类似于英伟达的 CUDA，目前已经迭代到第五代。ROCm 为开发者提供了一个开放的、标准的、低摩擦的生态系统，可以实现高

56、性能、高生产力和可移植性的异构计算。目前 AMD 使用 INFINITY 架构和 ROCm 平台的最新产品 MI250X 峰值性能可以达到 FP32 单精度 47.9TFLOPS，内存带宽达到 3276.8GB/s。图表图表 25 AMD INFINITY 架构架构 图表图表 26 AMD ROCm 平台平台 资料来源：AMD官网、转引自电子发烧友 资料来源：AMD官网、转引自infoQ 英特尔错失先手，奋起直追正当时。英特尔错失先手，奋起直追正当时。由于重视不足，英特尔几乎错过了 ARM 架构主导的移动计算市场，如今 AI 浪潮再起，英特尔内生外延等方式加强对于 AI 领域的布局。计划从 2

57、023 到 2025 年，英特尔至强处理器系列将推出包括 CPU、GPU、Dedicated AI、FPGA 在内的多款产品，并通过优化主流的开源框架、库和工具来实现出色的硬件性能，同时消除复杂性，在生成式 AI 领域持续发力。电子电子行业深度研究报告行业深度研究报告 证监会审核华创证券投资咨询业务资格批文号：证监许可（2009）1210 号 17 图表图表 27 英特尔至强处理器路线图英特尔至强处理器路线图 资料来源：英特尔、转引自STH 二、二、AI 芯片奠定算力时代基石，国产芯片奠定算力时代基石，国产芯片芯片厂商厂商加速加速布局布局（一）（一）人工智能发展浪潮兴起，人工智能发展浪潮兴起，

58、AI 芯片市场规模持续扩张芯片市场规模持续扩张 AI 时代算力需求高增，带动时代算力需求高增，带动 AI 芯片市场持续芯片市场持续扩容扩容。信息“爆炸”时代全世界的数据量激增，根据 IDC 预测，全球数据圈将由 2018 年的 33ZB 增长至 2025 年的 175ZB。海量的数据，需要使用多种具有高速运算能力的人工智能芯片来完成过滤、分析，进而驱动AI 芯片市场持续增长。根据 WSTS 数据，2019 年全球 AI 芯片市场规模仅 110 亿美元，2025 年预计将增长至 726 亿美元，CAGR 达到 37%；根据甲子光年数据，中国 AI 芯片市场规模将从 2018 年的 61 亿元增长

59、至 2023 年的 556 亿元，CAGR 高达 56%。图表图表 28 2019-2025E 全球全球 AI 芯片市场规模芯片市场规模 图表图表 29 2018-2023E 中国中国 AI 芯片市场规模芯片市场规模 资料来源：WSTS、转引自观研天下，华创证券 资料来源：甲子光年，华创证券 云计算为云计算为 AI 提供基础架构，终端应用落地持续进行中。提供基础架构，终端应用落地持续进行中。在人工智能刚起步的阶段，算法就已经通过云端数据中心在大数据分析、商业决策等方面广泛应用，目前云端仍为 AI芯片的主要应用场景。而未来随着智能化的逐步渗透，人工智能将进一步下沉到摄像头、0%10%20%30%

60、40%50%60%70%0050060070080020022E2023E2024E2025E全球AI芯片市场规模（亿美元）yoy（%）50%52%54%56%58%60%0050060020021E2022E2023E中国AI芯片市场规模（亿元）yoy（%）电子电子行业深度研究报告行业深度研究报告 证监会审核华创证券投资咨询业务资格批文号：证监许可（2009）1210 号 18 交通工具、移动设备等终端中，与云端形成协同作用。根据甲子光年统计，我国 AI 芯片在云端/终端的比例将从 2018 年的 75.

61、45%/24.55%变化为 2023 年的 68.97%/31.03%。与此同时，随着大模型逐渐投放至市场中，AI 芯片所需承担的推理工作占比也将不断上升。图表图表 30 2018-2023E 中国中国 AI 芯片云端芯片云端/终端占比情况终端占比情况 图表图表 31 2019-2025E AI 服务器推理和训练工作负载服务器推理和训练工作负载 资料来源：甲子光年，华创证券 资料来源：IDC，华创证券 GPU 占据占据 AI 芯片市场最大份额，芯片市场最大份额，非非 GPU 比重有望比重有望进一步进一步提升。提升。由于 GPU 具有通用性强、速度快、效率高等特点，在训练和推理阶段均适用，因此目

62、前仍为 AI 芯片中的首选。根据 IDC 统计，2021 年 GPU 在我国 AI 芯片市场占比为 91.9%，NPU、ASIC 和 FPGA的市场份额尚不足 10%，未来随着非 GPU 芯片技术提升以及成本降低，将被越来越多地采用，预计到 2025 年非 GPU 芯片在 AI 芯片中的比重将增长至 20%。除此之外，类脑芯片的产业化和商业化也在持续演进中，机器学习的发展将为其提供进一步突破的可能性。图表图表 32 2021 年中国年中国 AI 芯片占比情况（按芯片种类划分）芯片占比情况（按芯片种类划分）资料来源：IDC，转引自观研天下，华创证券（二）（二）“云云+边边+端端”多维度多维度协同

63、协同发力，发力，带动上游硬件带动上游硬件行业发展行业发展 在 AI 应用方面，ChatGPT 的爆火，意味着大语言模型已发展至新的阶段，由于大模型的构建及应用需要大量的云端算力支持，因此承接算力需求的 AI 芯片迎来了发展新浪潮。同时，由于边缘计算可以完成数据收集和部分数据处理工作，在工业互联网、车联网/自动驾驶、移动互联网等场景中能够与云端协同完成计算任务，边缘计算也将迎来新一轮的成长机遇。展望未来，云、边、端的协同发力，将共同驱动上游 AI 芯片市场的发展。0%20%40%60%80%100%20021E2022E2023E云端AI芯片终端AI芯片0%10%20%30

64、%40%50%60%70%80%90%100%20022E2023E2024E2025E训练推理GPU,91.9%NPU,6.3%ASIC,1.5%FPGA,0.3%电子电子行业深度研究报告行业深度研究报告 证监会审核华创证券投资咨询业务资格批文号：证监许可（2009）1210 号 19 图表图表 33 云端与边缘侧人工智能应用场景对于云端与边缘侧人工智能应用场景对于 AI 芯片的需求芯片的需求 资料来源：艾瑞咨询 1、云计算：大模型时代算力需求激增，云计算：大模型时代算力需求激增，AI 芯片迎来产业机遇芯片迎来产业机遇 ChatGPT 数据量数据量激增激增，带动底层带动

65、底层算力需求算力需求大幅提升大幅提升。根据 OpenAI 报告，自 2012 年以来，AI 训练应用的算力需求以每 3-4 个月翻倍的速度递增，2012 年至今 AI 算力增长超过了30 万倍。目前，在训练端 ChatGPT 模型的总算力消耗约已达到 3640PF-days，而 GPT-4又会在 ChatGPT 的基础上增加了图像、视频等信息类型，所需算力支持较单纯的文字交互又会有大幅提升；在推理端，随着用户数量及应用范围的不断扩大，产生的数据量将进一步增加，也会对算力提出更多需求。图表图表 34 不同模型所需的算力不同模型所需的算力 图表图表 35 部分国外大模型训练参数量部分国外大模型训练

66、参数量 资料来源：A.Mehonic&A.J.KenyonBrain-inspired computing needs a master plan 资料来源：腾讯研究院AIGC发展趋势报告 2023，华创证券 单个大模型训练用单个大模型训练用 GPU 需求需求约约 3000-5000 颗，推理用芯片数量有望不断增加颗，推理用芯片数量有望不断增加。在训练用AI 芯片方面，参考陈巍博士及其团队的测算结果，若一次训练耗时两周，标准的ChatGPT-175B 大致需要 375-625 台 8 卡 A100 服务器进行训练，对应 A100 GPU 资源需求量约 3000-5000 块，按照 A100 芯

67、片单价为 1 万美金计算，单个大模型带来的训练用GPU 市场规模增量约 3000 万-5000 万美元。与此同时，推理用 AI 芯片也将随着用户数 电子电子行业深度研究报告行业深度研究报告 证监会审核华创证券投资咨询业务资格批文号：证监许可（2009）1210 号 20 量增多和用户对短时间内文本输出需求的增大而不断提升。图表图表 36 根据英伟达根据英伟达 paper 进行训练用进行训练用 AI 芯片数量的交叉验证芯片数量的交叉验证 资料来源：陈巍谈芯 大模型大模型开发浪潮助推开发浪潮助推云计算云计算步入步入新阶段，带动上游硬件市场需求。新阶段，带动上游硬件市场需求。在 AI 开发中，由于深

68、度学习模型开发及部署都需要强大的算力支持，开发者如选择自购 AI 服务器成本过高，而通过云服务模式能够显著降低 AI 开发成本，因此云服务模式成为 AI 开发者的首选。大模型开发浪潮的开启及投放市场，意味着云计算进入了新的阶段。根据 Gartner 和中国信通院统计，2021 年全球云计算市场规模为 3307 亿美元，预计 2025 年将超过 6000 亿美元；我国公有云市场规模有望从 2022 年的 4033 亿元增长至 2027 年的 18764 亿元，CAGR 为 36%。随着云计算的不断发展，承载算力的硬件市场也将实现新一轮的增长。图表图表 37 2017-2025E 全球云计算市场规

69、模全球云计算市场规模 图表图表 38 2018-2027E 中国公有云市场规模中国公有云市场规模 资料来源：Gartner、转引自中国信息通信研究院，华创证券 资料来源：中国信息通信研究院，华创证券 2、边缘计算：万物智联带来边缘计算：万物智联带来海量数据，促进海量数据，促进 AI 芯片需求提升芯片需求提升 海量数据涌现，中心云计算捉襟见肘，边缘云规模显著海量数据涌现，中心云计算捉襟见肘，边缘云规模显著增加增加。随着物联网的不断发展，智慧城市、自动驾驶、工业物联网等应用逐步落地，大量终端设备产生的数据量快速增加，中心云计算在算带宽负载、网络延时等方面越来越紧张，边缘计算的价值进一步凸显。根据艾

70、瑞咨询预测，2020 年我国边缘云市场规模为 91 亿元，其中 IoT/现场/区域边缘云的规模分别为 16/38/37 亿元，预计 2025 年我国边缘云市场规模将达到 550 亿元，其0040005000600070002002020212025E全球云计算市场规模（亿美元）050000000200212022E2027E中国公有云市场规模（亿元）CAGR=36%CAGR=16%电子电子行业深度研究报告行业深度研究报告 证监会审核华创证券投资咨询业务资格批文号：证监许可（2009）1210 号 21 中区

71、域边缘云将会在互动直播、vCDN、车联网等较早成熟的场景下实现增速领跑。图表图表 39 2020-2030E 中国边缘云市场规模预测中国边缘云市场规模预测 图表图表 40 2020-2030E 边缘云市场结构边缘云市场结构 资料来源：艾瑞咨询，华创证券 资料来源：艾瑞咨询，华创证券 边缘计算应用场景丰富，促进多种边缘计算应用场景丰富，促进多种 AI 芯片需求提升。芯片需求提升。与中心云相比，边缘云更加接近用户和数据源，在降低网络延迟和传输成本方面具有显著优势，能够有效缓解中心云的计算负载和带宽压力。在边缘计算中，AI 芯片会利用传声器阵列、摄像头等传感器采集到的数据按照已构建的模型进行推理并输

72、出相应的结果。由于边缘计算的应用场景众多，对于硬件的算力、能耗等性能要求也不尽相同，因此催生出对 AI 芯片更加广泛的需求。图表图表 41 不同边缘计算场景对不同边缘计算场景对 AI 芯片算力的需求芯片算力的需求 物联网场景物联网场景 移动互联网移动互联网 智能安防智能安防 自动驾驶自动驾驶 任务描述：机器视觉、语音识别/自然语义处理 1、图像检测 2、视频检测 3、语音识别 4、语义理解 1、照相-场景识别 2、照相-美化 3、AR 应用 4、语音助手 1、图像检测 2、视频检测 1、图像语义分割 2、数据融合 3、Slam 定位 4、路径规划 性能要求 算力 1TOPs 18TOPs 42

73、0TOPs 204000TOPs（L3L5）能耗 接入设备部署现场电源 消费级聚合物锂电池 2,0005,000mAh 接入设备部署现场电源 动力级硬壳锂电池（组）200,000500,000mAh 面积 高（SoC）极高（SoC）高低（SoC、Server）中（PCIE contains multiple SoC Chips）成本控制 高 极高 高低（IPC，NVR）中 可靠性 高（工业）/中（家用）中 高 极高 代表厂商 谷歌、英伟达、云知声、思必驰 苹果、三星、ARM、cadence、寒武纪 北京君正、安霸科技、云天励飞 英伟达、英特尔、恩智浦 资料来源：艾瑞咨询，华创证券 汽车智能化升

74、级持续进行，推动汽车智能化升级持续进行，推动 AI 芯片量价齐升。芯片量价齐升。自动驾驶发展如火如荼，根据 ICV发布的报告 Global intelligent driving forecast-2022，2021 年全球自动驾驶取得了飞速进步，L1及以上级别自动驾驶汽车渗透率首次超过2/3，预计到2026年该比重将提升至94%。根据地平线数据，自动驾驶等级每增加一级，所需芯片算力就会带来数十倍的上升。其中 L2 级自动驾驶的算力需求仅为 2-2.5TOPS，而 L5 级别的算力需求将超过 2000TOPS。050002500300020202025E2030E边缘云市

75、场规模（亿元）0%10%20%30%40%50%60%70%80%90%100%20202025E2030EIoT边缘云现场边缘云区域边缘云 电子电子行业深度研究报告行业深度研究报告 证监会审核华创证券投资咨询业务资格批文号：证监许可（2009）1210 号 22 从技术路线的发展趋势来看，未来 ASIC 芯片将会逐步取代高功耗的 GPU 成为市场主流。图表图表 42 2020-2026E 自动驾驶汽车出货量（万辆）自动驾驶汽车出货量（万辆）图表图表 43 自动驾驶升级对算力的需求不断提高自动驾驶升级对算力的需求不断提高 资料来源：ICVGlobal intelligent driving f

76、orecast-2022，华创证券 资料来源：地平线，华创证券 技术升级助力万物智联发展，催生技术升级助力万物智联发展，催生出出广阔广阔 AI 芯片市场空间。芯片市场空间。随着 AI 和 IoT 技术的不断发展，各大产业向数字化升级方向演进。根据 GSMA 发布的报告The mobile economy 2020（2020 年移动经济），2020 年全球物联网连接数量已达到 137 亿个，预计到 2025年将突破 245 亿个，CAGR 为 12.4%；而我国物联网连接数量也将从 2020 年的 45.3 亿个增长至 2025 年的 80.1 亿个，2020-2025 年 CAGR 为 12.

77、1%。在万物智联时代，物联网广阔的应用场景将产生庞大的数据，需要更多的 AI 芯片来提供底层算力支持。图表图表 44 2019-2025 年全球与中国物联网连接数规模及预测（亿个）年全球与中国物联网连接数规模及预测（亿个）资料来源：IoT Analytics GSMA世界物联网大会、转引自前瞻产业研究院，华创证券（三）（三）海外龙头主导海外龙头主导 AI 芯片市场，本土厂商充分受益国产替代浪潮芯片市场，本土厂商充分受益国产替代浪潮 海外龙头垄断高端海外龙头垄断高端 AI 芯片市场，国内厂商加速布局追赶。芯片市场，国内厂商加速布局追赶。英伟达、Intel 等老牌海外厂商产品布局广泛，既有云端训练

78、+推理芯片，又有终端应用的产品，根据 JPR 统计，2022Q4英伟达在全球独显 GPU 市场中的份额高达 82%，Intel 和 AMD 的市占率均为 9%，海外龙头几乎垄断了高端 AI 芯片市场。近年来，国内也出现了寒武纪、比特大陆、百度、地平线等优质本土厂商发力布局相关产品，展望未来，国内 AI 芯片公司仍有广阔成长空间。00400050006000700080009000212022E2023E2024E2025E2026EL0L1L2L3L4-52-2.520-30200+2000+050002500L2L3L4L5算

79、力需求（TOPS）0500300201920202025E全球中国 电子电子行业深度研究报告行业深度研究报告 证监会审核华创证券投资咨询业务资格批文号：证监许可（2009）1210 号 23 图表图表 45 2022Q4 全球独显全球独显 GPU 市场份额市场份额 资料来源：JPR，华创证券 图表图表 46 不同应用市场中不同应用市场中 AI 芯片的竞争格局芯片的竞争格局 资料来源：中国信通院，华创证券 AI 芯片是人工智能发展的基础，把握芯片是人工智能发展的基础，把握芯片才能芯片才能拥抱拥抱算力时代算力时代。根据 IDC 统计，CPU、GPU、存储等芯片在各类服务器成本

80、中的占比约 75-90%，其中在机器学习型服务器中GPU 的成本占比超七成，可见 AI 时代离不开芯片的支撑。随着模型的多模态发展，参数规模和训练数据都呈现出指数级增长，消化、处理这些数据所需的算力对模型发展起到了关键的制约作用。在满足算力的最终诉求下，除大量增加服务器的台数外，提升算力芯片性能同样必不可少。因此若想把握住算力时代，必须先实现 AI 芯片的自主可控。NVIDIA,82%AMD,9%INTEL,9%电子电子行业深度研究报告行业深度研究报告 证监会审核华创证券投资咨询业务资格批文号：证监许可（2009）1210 号 24 图表图表 47 服务器成本构成情况服务器成本构成情况 资料来

81、源：IDC，转引自智研咨询，华创证券 高端高端 AI 芯片进口受限，芯片进口受限，自主可控背景下国内厂商有望持续受益自主可控背景下国内厂商有望持续受益。英伟达的 A100、H100芯片被认为在人工智能、数据分析、科学计算以及云计算等领域有着广阔的应用前景，2022 年 8 月 31 日，受国际贸易形势变化影响，英伟达向中国及俄罗斯出口 A100 和 H100芯片受到限制。长期来看，国内高端 AI 芯片进口受阻，为本土公司提供了新机遇，国产厂商有望在自主可控背景下持续受益。图表图表 48 英伟达向中国出口英伟达向中国出口 H100 和和 A100 芯片芯片受限受限 资料来源：英伟达公告 国产国产

82、 AI 芯片公司持续涌现，训练芯片公司持续涌现，训练/推理推理新新品陆续推向市场。品陆续推向市场。尽管目前 AI 芯片市场仍由海外大厂主导，但国内已涌现出一批优质的 AI 芯片公司，陆续发布产品推向市场。例如：寒武纪的 AI 芯片思元 290 主要用于云端训练，而思元 370 可用于云端+训推，且思元 370是公司推出的首款采用Chiplet技术的AI芯片，最大算力高达256TOPS；海光信息的DCU 芯片“深算一号”拥有丰富的软硬件生态，且能够兼容“CUDA”架构。而腾讯、百度、阿里巴巴等互联网大厂也通过投资、孵化等方式在 AI 芯片领域大力布局。其中，腾讯为燧原科技注资、百度为昆仑芯投资、

83、阿里巴巴孵化了平头哥。三、三、相关公司相关公司（一）（一）海光信息：本土海光信息：本土 CPU 领军企业，开拓领军企业，开拓 DCU 打开成长空间打开成长空间 国产高端处理器领导者，国产高端处理器领导者，CPU+DCU 双轮驱动成长。双轮驱动成长。海光信息成立于 2014 年，2022 年 8 0%10%20%30%40%50%60%70%80%90%100%基础型高性能型推理型机器学习型CPUGPU内存、存储等其他 电子电子行业深度研究报告行业深度研究报告 证监会审核华创证券投资咨询业务资格批文号：证监许可（2009）1210 号 25 月于科创板上市，主营业务包括高端通用处理器（CPU）和

84、高端协处理器（DCU）两大产品线。公司以中科院计算所为基础，通过与 AMD 合作，切入 X86 处理器设计领域，采取合作吸收创新的方式成功构筑生态壁垒。公司持续迭代升级+完善产品布局，目前在 CPU 领域，已形成了海光 7000、5000 和 3000 三大产品系列，可覆盖从中高端到中低端场景的需求，同时公司积极拓展 DCU 产品，2021 年推出首款 DCU 深算 1 号，产品性能优异，可被广泛应用于人工智能、商业计算等领域。近年来受益于国产替代带来的庞大市场需求，叠加公司产品性能的提升以及新产品的陆续推出，业绩实现快速增长。服务器服务器 CPU 市场空间广阔市场空间广阔，国产替代未来可期。

85、，国产替代未来可期。受益于 5G、人工智能、AIoT 等新兴产业的发展，服务器市场规模持续扩张。按照技术路线分，x86 架构作为 CPU 复杂指令集的代表，性能和生态优势显著，占据服务器市场的主要份额。根据 IDC 数据，2021 年我国服务器市场出货量为 391.1 万台，市场规模为 250.9 亿美元，按照 CPU 在基础型服务器中的成本占比约为 30%-35%测算，对应服务器 CPU 行业规模约 82 亿美元，市场空间广阔。从竞争格局方面看，由于指令集与生态两大壁垒高企，CPU 行业龙头集中效应显著。IDC 数据显示，Intel 和 AMD 占据全球 x86 服务器 CPU 市场中 95

86、%以上的份额，海光作为国内 CPU 龙头，具备生态壁垒和技术优势。AI 时代拉升算力需求，时代拉升算力需求，GPGPU 行业行业景气度持续上升景气度持续上升。ChatGPT 引爆新一轮 AI 浪潮来袭，全球数据量激增，带动底层训练+推理算力芯片需求持续增长。根据 WSTS 数据，2019 年全球人工智能芯片市场规模仅 110 亿美元，预计到 2025 年将增长至 726 亿美元，CAGR 达到 37%。GPGPU 作为国内 AI 领域运算加速主要解决方案，将充分受益本轮AI 产业上行周期。目前全球 GPGPU 市场仍由英伟达、Intel 等海外大厂主导，国产替代尚有广阔空间。2021 年，海光

87、信息面向加速计算市场推出第一代 DCU 产品深算 1号，该款产品拥有强大的计算能力和高速并行处理能力，同时能够兼容“类 CUDA”架构，产品性能优异，当年贡献的营收占比超过 10%。目前第二代 DCU 产品深算 2号已在加紧研发过程中。（二）（二）龙芯中科：国内龙芯中科：国内 CPU 龙头厂商，全面打造自主生态龙头厂商，全面打造自主生态 本土本土 CPU 领军企业领军企业，独立研发构建自主生态独立研发构建自主生态。龙芯中科源于 2001 年中科院成立的龙芯项目小组，自 2008 年开始市场化独立运营。公司于 2021 年开启自主生态建设的新征程，目前已推出 LoongISA 与 LoongAr

88、ch 指令集，Loongnix 与 LoongOS 操作系统，和龙芯 1、2、3 号处理器及其周围的配套芯片，可被广泛应用于工业控制和信息化等领域。公司董事长胡伟武博士是“龙芯”处理器的主要设计人员，核心技术团队成员均具有中科院计算所工作经历和成熟的处理器及芯片相关研发经验，为公司未来发展奠定坚实基础。2018-2021 年受益于产品持续迭代升级以及新客户群的顺利拓展，公司业绩实现快速增长。2022 年电子政务市场停滞导致公司营业收入有所下降。AI+信创推动信创推动 CPU 市场市场扩容扩容，国产替代势在必行。国产替代势在必行。AI+信创产业腾飞，促进全球算力需求快速增长，带动 CPU 需求大

89、幅提升。当前全球 CPU 市场呈 Intel 和 AMD 双寡头格局。其中，Intel 凭借自研 x86 指令系统架构掌握的先发优势，结合与 Windows 形成 Wintel联盟构筑生态壁垒，多年保持霸主地位。目前国内 CPU 厂商仍处于成长阶段，国产 CPU发展主要包括两条路线，一是通过获取 x86/AMD 等主要架构授权，加入主流生态体系；二是通过自主研发指令集及操作系统构建新生态。在中美科技战持续加码的背景下，CPU作为大数据、AI 能等高科技发展的基石，实现底层技术全自研势在必行。技术积累深厚技术积累深厚，产品已获得下游客户的广泛应用产品已获得下游客户的广泛应用。公司基于 Loong

90、Arch 迁移或研发了操作系统的核心模块，同时龙芯坚持自主研发 IP 核，形成了包括系列化 CPU IP 核、GPU IP 电子电子行业深度研究报告行业深度研究报告 证监会审核华创证券投资咨询业务资格批文号：证监许可（2009）1210 号 26 核、内存控制器及 PHY、高速总线控制器及 PHY 等上百种 IP 核，目前已实现 CPU 自主研发和软件生态建设核心技术的积累。在信息化领域，国内数十家整机品牌推出了基于龙芯 CPU 的台式机、笔记本、一体机与服务器设备，公司产品已经被广泛应用于电子政务办公信息化系统中。在工控领域，国内上百家主要工控和网络安全设备厂商推出了基于龙芯 CPU 的工控

91、和网安产品，设备已经在发电、输变电、轨道交通、高速公路 ETC系统等领域规模化应用或验证。（三）（三）寒武纪：全面深耕寒武纪：全面深耕 AI 芯片领域，算力时代迎来快速成长机遇芯片领域，算力时代迎来快速成长机遇 国内国内 AI 芯片领域先行者，全面芯片领域先行者，全面布局布局云边端应用场景。云边端应用场景。寒武纪自 2016 年成立以来就专注于人工智能芯片的研发与技术创新，公司主营产品包括云端智能芯片及加速卡、训练整机、边缘智能芯片及加速卡、终端智能处理器 IP 及相应的配套软件开发平台，目前已陆续推出了思元、玄思系列产品，可被广泛应用于安防监控、自动驾驶、移动终端、智能家居领域。公司创始人&

92、董事长陈天石博士曾任中科院计算所研究员，在 AI 及处理器芯片领域深耕十余年，具备扎实的理论基础和丰富的研发经验，其他核心研发人员多毕业于著名高校或科研院所，拥有微电子等相关专业的学历背景和中科院计算所工作经历。云边端加速协同发展，共同驱动云边端加速协同发展，共同驱动 AI 芯片芯片行业行业成长。成长。以 ChatGPT 为代表的大模型已拥有通用 AI 的部分特征，代表着 AI 已发展至新的阶段，因此对算力提出了更高的要求，AI芯片作为承载行业发展的硬件基础迎来新一轮成长周期。根据 IDC 统计，2022 年中国的云端智能芯片市场超过 35 亿美金，预计 2025 年将超过 70 亿美元。与此

93、同时，受益于工业互联网、车联网/自动驾驶、移动互联网等产业的蓬勃发展，边缘计算的数据量和算力需求也在不断扩大，未来将协同云计算共同驱动 AI 芯片行业成长。目前全球 AI 芯片市场几乎由英伟达、Intel 等海外大厂垄断，同时英伟达 H100 和 A100 产品进口已受限，在行业加速发展叠加自主可控需求的背景下，国内头部厂商迎来了新的发展机遇。自主自主研发能力不断提升，持续迭代完研发能力不断提升，持续迭代完善产品布局。善产品布局。随着研发能力的提升，公司产品持续迭代升级，布局逐渐完善，目前可以提供云边端一体、软硬件协同、训练推理融合、具备统一生态的系列化智能芯片产品和平台化基础系统软件。在云端

94、产品方面，公司推出了思元 290 和思元 370 系列芯片，目前已成功导入至阿里云等多家头部客户，同时新产品也在快速迭代中；在边缘产品方面，公司已拥有思元 220 系列芯片，自发布以来销售量超过百万片。同时，公司在 IP 授权及软件方面也有相应的产品推出。（四）（四）晶晨股份：晶晨股份：智能多媒体智能多媒体 SoC 龙头龙头，WiFi-6/汽车芯片汽车芯片打造第二成长曲线打造第二成长曲线 全球布局全球布局/国内领先的多媒体国内领先的多媒体 SoC 芯片设计商，业务规模持续增长。芯片设计商，业务规模持续增长。公司于 2003 年在美国硅谷成立，在音视频解码、模拟电路和数字电路设计、生产工艺开发等

95、方面拥有深厚的技术积累。公司目前拥有 S/T/A/W/V 五大 SoC 系列芯片，分别对应智能机顶盒、智能显示终端、AI 音视频系统终端、无线连接及车载领域，业务已覆盖中国大陆、香港、北美、欧洲、拉丁美洲、亚太、非洲等全球主要经济区域。依托长期技术沉淀、持续对新技术、新应用领域的研究开发，以及全球布局的区位优势和市场资源，公司在全球范围内积累了稳定优质的客户群，业务规模持续增长。AI 赋能智能机顶盒曙光初现，主控赋能智能机顶盒曙光初现，主控 SoC 深度受益价值量显著提升。深度受益价值量显著提升。随着用户需求的不断提升，机顶盒开始由单一功能向集成化、智能化方向发展，目前高端的智能盒子已成为智慧

96、家庭的重要控制器之一。此外，智能盒子已开始嵌入 ChatGPT 语音入口模块具备普及率提升、CPU 及视频、与图像处理能力强、独立联网、独立运算、边缘计算在增强、节约云资源等优势，并有助于互联网厂商实现 ChatGPT 类产品应用的快速推广，智能机 电子电子行业深度研究报告行业深度研究报告 证监会审核华创证券投资咨询业务资格批文号：证监许可（2009）1210 号 27 顶盒有望实现手机从功能机向智能机时代升级的“iPhone”时刻。传统机顶盒一部售价约 200 元，智能盒子售价达 1288 元（以腾讯极光 pro 为例），智能化趋势下 ASP 提升显著，作为核心零部件的主控SoC价值量亦迎来

97、明显抬升，行业天花板料将重塑。根据Grand View Research 的数据，2021 年全球约出货 3.3 亿台机顶盒，高端智能盒子目前渗透率较低，随着 AI 技术的持续赋能，渗透率有望迎来快速上升期，公司与谷歌/亚马逊等海外大厂，以及国内阿里/腾讯等互联巨头保持合作，作为全球机顶盒 SoC 龙头，公司有望深度受益行业升级。WiFi 产品产品预量产预量产/汽车芯片持续研发投入，第二成长赛道明确。汽车芯片持续研发投入，第二成长赛道明确。公司第二代 Wi-Fi 蓝牙芯片（Wi-Fi6 22，BT5.3）预量产。Wi-Fi6 产品性能较 Wi-Fi5 实现跃升，具有更加广阔的应用场景，且可与公

98、司主控 SoC 平台广泛适配并配套销售（电视、机顶盒、IOT 等），未来有望逐步成长为公司销量最大的单品之一。公司 Wi-Fi 芯片亦同时面向公开市场，独立销售，ASP 较 Wi-Fi5 产品显著提升，无线连接芯片业务有望快速增长。汽车芯片方面，目前主要有车载信息娱乐系统芯片和智能座舱芯片，已进入多个国内外知名车企，并成功量产、商用（包括但不限于宝马、林肯、Jeep、极氪、创维等）。汽车电子是公司的长期战略，公司将持续投入研发，充分发挥既有优势（系统级平台优势、智能化 SoC优势），不断扩充新技术、推出新产品。（五）（五）兆易创新：兆易创新：国内存储设计国内存储设计龙头龙头，合作合作长鑫存储长

99、鑫存储打开打开 DRAM 成长天花板成长天花板 国内国内存储器设计存储器设计龙头龙头，深度布局深度布局 AI 与汽车蓝海赛道与汽车蓝海赛道。兆易创新于 2012 年成立，主营业务为存储器、微控制器和传感器的研发、技术支持和销售。近年来，智能汽车与智慧工厂的布局正在提速，AI、物联网等消费性电子产品蓬勃发展，以及新兴应用层出不穷，这些都在驱动市场对 DDR 需求的提升。公司依托深耕闪存市场多年所积累的技术经验，2021 年推出自有品牌 DRAM 产品，切入消费、工控等利基型 DRAM 市场，2022 年又重磅推出首款自研 DDR3L 系列产品，采用长鑫存储先进工艺制程，符合 JEDEC 标准，读

100、写速率为 2133/1866Mbps，提供 2Gb/4Gb 不同容量选择，在满足消费类市场强劲需求的同时，兼顾工业及汽车市场应用，可为生态圈的发展构建提供强有力的支撑。公司规划中的 DRAM 产品包括 DDR4、LPDDR3、LPDDR4，制程在 1Xnm 级（19nm、17nm），容量在 1Gb8Gb。在 NOR Flash 领域，公司市占率中国大陆第一、全球第三，已实现 512Kb 到 2Gb 大容量 SPI NOR Flash 全系列产品的完善布局，截至 2023 年 4 月，旗下车规级GD25/55 SPI NOR Flash和GD5F SPI NAND Flash系列产品全球累计出货

101、量已达1亿颗，广泛运用在如智能座舱、智能驾驶、智能网联、新能源电动车大小三电系统等。重视研发投入，重视研发投入，保持技术创新和技术领先保持技术创新和技术领先。公司现任主要管理技术团队具备在国际先进产业地区的丰富任职经验和先进经营管理理念，其中董事长朱一明为清华大学本科及硕士毕业，美国纽约州立大学石溪分校硕士，曾任 iPolicy Networks Inc.资深工程师并入选国家“千人计划”。公司核心骨干源于海外留学归国青年与经验丰富创业团队，具备较好的国际化视野。公司历来重视研发投入，2022 年，公司研发投入达到 10.29 亿元，约占营业收入 12.7%，同比增长 9.5%。公司在建立技术优

102、势并取得良好业绩回报的同时，高度关注知识产权保护。截止 2022 年末，公司拥有 929 项授权专利，其中 2022 年新增 98 项授权专利。与长鑫存储与长鑫存储紧密合作，紧密合作，DRAM 业务天花板快速打开业务天花板快速打开。股权层面，公司参股长鑫存储母公司睿力集成；管理层面，公司实控人朱一明先生为长鑫存储董事长，牵头 DRAM 研发工作；经营层面，公司自研的利基型 DRAM 由长鑫代工，同时代销长鑫部分标准型 DRAM产品，在利基市场公司 DRAM 产品在工艺制程上保持代差优势，有利于降低产品成本。电子电子行业深度研究报告行业深度研究报告 证监会审核华创证券投资咨询业务资格批文号：证监

103、许可（2009）1210 号 28 公司与长鑫存储的紧密合作关系，为公司 DRAM 产品提供稳定产能保障。随着长鑫存储持续扩产和其在资本市场上的进一步发力，公司有望充分享受产能红利，DRAM 业务天花板快速打开。（六）（六）北京君正北京君正：车车载载算力算力/存力持续提升存力持续提升，车规存储车规存储龙头龙头持续发力持续发力 国内国内车规存储龙头，车规存储龙头，产品矩阵丰富产品矩阵丰富&客户资源优质客户资源优质。北京君正成立于 2005 年，起家于MPU 和智能视频芯片，2020 年公司通过收购 ISSI 成功进入车载存储行业，打开公司第二成长曲线。公司旗下存储主体北京矽成（ISSI）深耕车载

104、存储二十余载，产品矩阵丰富，料号充沛，广泛应用于包括电子仪表盘、智能驾驶 ADAS、本地地图、车载娱乐、通信系统在内的众多车内场景。公司已是全球车用 SRAM、DRAM、NOR Flash 芯片领域第一、第二、第五大供应商（2021 年度），目前在汽车领域的终端客户覆盖了大陆集团、法雷奥、Delphi、博世等全球知名汽车一级供应商。ADAS 驱动驱动车内算力车内算力/存力持续提升，存力持续提升，老牌龙头老牌龙头持续发力持续发力再攀高峰再攀高峰。地平线测算自动驾驶等级每增加一级，所需要的芯片算力就会呈现十数倍的上升，L2 级自动驾驶的算力需求 2.0-2.5 TOPS，L3 级自动驾驶算力就需要

105、 20-30 TOPS，实现 L4-L5 级自动驾驶的算力需求就超过 2000 TOPS，高级别自动驾驶车型渗透率不断提升势必推动车载芯片市场增长，预计至 2025 年该市场有望以 24%的复合增速提升至约 82 亿美元。AI 驱动智能视频芯片持续增长，驱动智能视频芯片持续增长，IOT 助力微处理器业务稳步向好。助力微处理器业务稳步向好。公司智能视频芯片主要面向智能物联网和智能安防类市场，视频领域作为 AI 技术与 5G 物联网技术融合发展形成的应用场景之一，已成为助力传统产业转型升级的重要手段。随着在智能视频领域的技术不断丰富和成熟，公司产品线不断拓展，目前已形成面向安防监控市场 IPC/后

106、端NVR/泛视频类市场的多系列芯片，随着各产品陆续放量，智能视频芯片业务有望持续增长。公司微处理器芯片主要面向 IOT 市场的各类智能硬件产品，物联网终端应用需求的快速增长促进嵌入式 MPU 芯片产业市场规模不断增大。根据 IC Insights 数据，2020 年全球嵌入式 MPU 芯片市场规模为 175 亿美元，至 2024 年市场规模将达到 237 亿美元。公司的微处理器产品应用下游广泛，覆盖的领域包括图像识别、智能音频、智能家电、智能家居、智能办公等，业务趋势稳步向好。（七）（七）深科技深科技：国产国产存储封测龙头存储封测龙头，布局先进工艺决胜，布局先进工艺决胜 AI 时代时代 美美光

107、审查事件推动国产替代加速，存储封测龙头深度受益。光审查事件推动国产替代加速，存储封测龙头深度受益。公司是全球领先的专业电子制造企业，连续多年在全球电子制造服务行业（EMS）排名前列，并构建了以存储半导体、高端制造、计量智能终端为三大主营业务的发展战略。公司存储运营主体沛顿科技前身为金士顿中国封装厂，技术水准领先，公司配备sDBG生产线，可将晶圆减薄至30um，同时掌握 8D/16D 芯片堆叠技术能力；产能充沛，以深圳、合肥半导体封测双基地的模式运营，产能产量达到历史最高水平，未来随着下游客户产能开出/先进封装渗透率提升，公司存储业务天花板打开。周期周期&成长成长&国产替代共振，存储器市场迎来新

108、一轮增长。国产替代共振，存储器市场迎来新一轮增长。存储原厂积极减产带动行情预期升温，存储行情正在加速筑底。由于三星、SK 海力士和美光三大 DRAM 原厂的减产步调更为统一，近期渠道部分 DDR 价格和内存条开始尝试涨价，存储市场目前处于一轮下行周期的尾声，存储市场 Q1 至暗时期已过。目前存储芯片市场需求仍偏淡，但消费终端库存有明显改善，23Q2 市场或处于供需博弈阶段的小幅调整磨底行情，跌价幅度有望进一步收敛。下半年传统备货旺季，叠加大厂 23Q1 减产生效，复苏预期强烈。电子电子行业深度研究报告行业深度研究报告 证监会审核华创证券投资咨询业务资格批文号：证监许可（2009）1210 号

109、29 AI 时代时代 HBM 需求大涨，布局先进技术未来可期。需求大涨，布局先进技术未来可期。长期来看，以 AIGC 为代表的高算力应用场景驱动存储器容量显著提升，同时亦催生了更高性能的新型存储器的海量需求。HBM（高带宽内存）突破了内存容量与带宽瓶颈（SK 海力士第四代 HBM 产品接口传输速率达到 6.4Gbps，带宽接近 1TB/s 节点），被视为新一代 DRAM 解决方案，成为 AI 时代不可或缺的关键技术。海外巨头领衔，未来国内晶圆厂有望积极跟进，产业链配套全面升级。HBM 技术壁垒高，涉及硅通孔（TSV）、系统级封装（SiP）等多项核心先进工艺，公司持续推进先进封装技术的研发量产，

110、包括 bumping 技术，FCBGA 技术，SSD 32D堆叠技术等目，未来有望在国产先进存储封测产业发展中发挥重要作用。（八）（八）江波龙江波龙：深耕存储芯片领域，深耕存储芯片领域，积极拥抱积极拥抱 AI 发展浪潮发展浪潮 国内存储芯片领域先行者，国内存储芯片领域先行者，布局完善布局完善。江波龙自 1999 年成立以来一直专注存储产品业务，已形成嵌入式存储、固态硬盘（SSD）、移动存储及内存条四大产品线，能够提供消费级、工规级、车规级存储器以及业存储软硬件应用解决方案。目前公司拥有行业类存储品牌 FORESEE 和国际高端消费类存储品牌 Lexar(雷克沙)，旗下存储器产品被广泛应用于智能

111、终端、物联网、安防、工控、汽车以及个人移动存储等领域。此外，公司也在持续推出行业领先的产品体系，公司 UFS 存储器为高端智能手机提供更高的传输速率，车规级 eMMC 已符合汽车电子行业核心标准体系 AEC-Q100，可实现-40-105的宽温域作业。数据中心蓬勃发展，驱动存储细分市场欣欣向数据中心蓬勃发展，驱动存储细分市场欣欣向荣。荣。各大互联网公司计划自建数据中心以满足未来海量数据存储的需求。传统企业上云进程的加快同样推动了服务器和数据存储市场的快速增长。据 TrendForce 数据，2023 年全球服务器出货量预计达 1443 万台，AI服务器 20222026 年复合增长率有望达 1

112、0.8%，而 AI 服务器市场的增长将进一步扩大对于存储器的需求，公司主营业务有望在未来几年持续增长。由于构建一个由超级计算机组成的现代 AI 工厂需要连接成大量带有存储芯片的小型机，企业级 SSD 市场规模将快速扩张，公司目前已发布了企业级规格的 SSD，分别为支持 PCIe 4.0 的 Longsys ORCA 4836 系列 NVMe SSD 与 Longsys UNCIA 3836 系列 SATA 3.2 SSD。自主研发能力不断提升，持续迭代自主研发能力不断提升，持续迭代夯实夯实技术储备。技术储备。公司目前已经具备全面自主可控固件的开发及持续创新能力，能够自主完成 SiP 集成封装设

113、计，并通过自主研发、与第三方合作开发等多种方式研发了多项存储芯片测试算法，形成行业领先的测试解决方案。与此同时，公司凭借长期的科技创新与技术积累，不断开发并推出创新产品，持续改进存储晶圆产品化过程中各个工艺环节的技术实现手段，缩短产品导入周期，提升产品性能和稳定性，确保先进半导体存储器的供应安全，为下游各个电子信息细分产业提供可靠的存储解决方案，跻身国内顶尖供应商行列。公司旗下 Lexar 品牌 SSD 出货量位 列全球第七名。根据 Omdia(IHS Markit)数据，2020 年 Lexar 存储卡全球市场份额位列第三名、Lexar 闪存盘全球市场份额位列第四名。展望未来，随着公司研发实

114、力的进一步提升，新产品加速落地/新客户加速突破或可期待，公司有望步入业绩增长快车道。四、四、风险提示风险提示 1、下游需求恢复不及预期 2、各公司新品研发进度不及预期 3、行业竞争加剧 电子电子行业深度研究报告行业深度研究报告 证监会审核华创证券投资咨询业务资格批文号：证监许可（2009）1210 号 30 电子组团队介绍电子组团队介绍 所长助理、前沿科技研究中心负责人：耿琛所长助理、前沿科技研究中心负责人：耿琛 美国新墨西哥大学计算机硕士。曾任新加坡国立大计算机学院研究员，中投证券、中泰证券研究所电子分析师。2019年带领团队获得新财富电子行业第五名，2016 年新财富电子行业第五名团队核心

115、成员，2017 年加入华创证券研究所。高级分析师：熊翊宇高级分析师：熊翊宇 复旦大学金融学硕士，3 年买方研究经验，曾任西南证券电子行业研究员，2020 年加入华创证券研究所。联席首席研究员：岳阳联席首席研究员：岳阳 上海交通大学硕士。2019 年加入华创证券研究所。研究员：王帅研究员：王帅 西南财经大学硕士。2021 年加入华创证券研究所。研究员：姚德昌研究员：姚德昌 同济大学硕士。2021 年加入华创证券研究所。研究员：吴鑫研究员：吴鑫 复旦大学资产评估硕士，1 年买方研究经验。2022 年加入华创证券研究所。研究员：高远研究员：高远 西南财经大学硕士。2022 年加入华创证券研究所。高级

116、研究员：马振国高级研究员：马振国 河北工业大学硕士，7 年半导体晶圆厂和 9 年半导体设备工作经验，2022 年加入华创证券研究所。电子电子行业深度研究报告行业深度研究报告 证监会审核华创证券投资咨询业务资格批文号：证监许可（2009）1210 号 32 华创行业公司投资评级体系华创行业公司投资评级体系(基准指数沪深基准指数沪深 300)公司投资评级说明：公司投资评级说明：强推：预期未来 6 个月内超越基准指数 20%以上；推荐：预期未来 6 个月内超越基准指数 10%20%；中性：预期未来 6 个月内相对基准指数变动幅度在-10%10%之间；回避：预期未来 6 个月内相对基准指数跌幅在 10

117、%20%之间。行业投资评级说明：行业投资评级说明：推荐：预期未来 3-6 个月内该行业指数涨幅超过基准指数 5%以上；中性：预期未来 3-6 个月内该行业指数变动幅度相对基准指数-5%5%；回避：预期未来 3-6 个月内该行业指数跌幅超过基准指数 5%以上。分析师声分析师声明明 每位负责撰写本研究报告全部或部分内容的分析师在此作以下声明：分析师在本报告中对所提及的证券或发行人发表的任何建议和观点均准确地反映了其个人对该证券或发行人的看法和判断；分析师对任何其他券商发布的所有可能存在雷同的研究报告不负有任何直接或者间接的可能责任。免责声明免责声明 本报告仅供华创证券有限责任公司（以下简称“本公司

118、”）的客户使用。本公司不会因接收人收到本报告而视其为客户。本报告所载资料的来源被认为是可靠的，但本公司不保证其准确性或完整性。本报告所载的资料、意见及推测仅反映本公司于发布本报告当日的判断。在不同时期，本公司可发出与本报告所载资料、意见及推测不一致的报告。本公司在知晓范围内履行披露义务。报告中的内容和意见仅供参考，并不构成本公司对具体证券买卖的出价或询价。本报告所载信息不构成对所涉及证券的个人投资建议，也未考虑到个别客户特殊的投资目标、财务状况或需求。客户应考虑本报告中的任何意见或建议是否符合其特定状况，自主作出投资决策并自行承担投资风险，任何形式的分享证券投资收益或者分担证券投资损失的书面或

119、口头承诺均为无效。本报告中提及的投资价格和价值以及这些投资带来的预期收入可能会波动。本报告版权仅为本公司所有，本公司对本报告保留一切权利。未经本公司事先书面许可，任何机构和个人不得以任何形式翻版、复制、发表、转发或引用本报告的任何部分。如征得本公司许可进行引用、刊发的，需在允许的范围内使用，并注明出处为“华创证券研究”，且不得对本报告进行任何有悖原意的引用、删节和修改。证券市场是一个风险无时不在的市场，请您务必对盈亏风险有清醒的认识，认真考虑是否进行证券交易。市场有风险，投资需谨慎。华创证券研究所华创证券研究所 北京总部北京总部 广深分部广深分部 上海分部上海分部 地址：北京市西城区锦什坊街 26 号 恒奥中心 C 座 3A 地址：深圳市福田区香梅路 1061 号 中投国际商务中心 A 座 19 楼 地址：上海市浦东新区花园石桥路 33 号 花旗大厦 12 层 邮编：100033 邮编：518034 邮编：200120 传真： 传真： 传真： 会议室： 会议室： 会议室：