1、华西计算机团队华西计算机团队2024年6月14日从英伟达到华为，零部件迎来大机遇请仔细阅读在本报告尾部的重要法律声明请仔细阅读在本报告尾部的重要法律声明仅供机构投资者使用证券研究报告|行业深度研究报告分析师：刘泽晶分析师：孟令儒奇SAC NO：S01邮箱：SAC NO：S02邮箱：AIGC行业深度报告(14)核心逻辑:英伟达打响算力架构升级战：英伟达Q1业绩超预期，原因是Hopper架构的强势需求，公司给予第二季度乐观指引，Blakcwell出货时间为最大亮点。过去英伟达平均两年架构升级，目的是维持在GPU霸主地位。如今，英伟达GPU架构疯狂加速，黄

2、仁勋宣布下一代AI芯片为Robin架构，以一年为节奏更新产品，用统一架构覆盖整个数据中心产品线，具体来看，2024年，Blackwell芯片现已开始生产；2025年，将推出Blackwell Ultra产品；2026年，将推出Rubin产品2027年，将推出Rubin Ultra产品。从H100到GB200 NVL72，零部件升级为最大亮点：铜互联为最大增量之一，DAC高速线缆在短距离信号传输价值凸显，GB200 NVL72的铜缆包括内部线缆和外部线缆，安费诺为供应商，安费诺股价年初至今涨幅超35%；高算力与高功耗相匹配，GB200功耗相较H100显著提升，高功耗电源价值凸显，台达电为英伟达电

3、源的供应商，年初至今涨幅超10%；GB200芯片模组功耗已超风冷极限，液冷已经从“选配”到“必配”，液冷冷板和分期管是GB200 NVL 72的核心增量之一，奇鋐科技为英伟达液冷的供应商，年初至今涨幅超85%。华为910C敬请期待，Atlas打开国产算力集群想象空间：自从2018年来，美国连续发动对我国高科技行业制裁，自主可控势在必行。华为海思昇腾AI芯片，构建算力的第二极，参数方面，我们认为昇腾910芯片单卡算力已经可以与英伟达A100相媲美。根据集成电路IC消息，华为昇腾910C芯片正处于紧张的测试阶段。910C预计在今年第四季度推出样机，而到2025年第一季度将实现量产。Atlas打开国

4、产算力集群想象空间，在华为全联接大会2023上推出昇腾AI计算集群Atlas 900 SuperCluster，相关供应链国产化为大势所趋。投资建议:英伟达打响算力架构升级战，零部件升级为最大亮点。此外，在AI+信创大背景下，华为已经推出国产算力集群Atlas解决方案，相关供应链国产化为大势所趋，同时看好910C带来的相关增量。受益标的为：全球算力产业链美股：英伟达、超微电脑、戴尔科技、惠普、安费诺、维谛技术等；全球算力产业链A股:工业富联、浪潮信息、紫光股份、沃尔核材、麦格米特、淳中科技等；国产服务器相关产业链：神州数码、拓维信息、中国长城、高新发展、大华股份等；国产连接器相关产业链：华丰科

5、技等；国产电源相关产业链:泰嘉股份等；国产液冷模块产业链：飞荣达等；国产液冷解决方案产业链：英维克、申菱环境等；国产PCB产业链：景旺电子、胜宏科技等；其他：强瑞技术、恒为科技等；国产AI芯片产业链：海光信息、景嘉微、寒武纪、云天励飞等。风险提示:核心技术水平升级不及预期的风险、AI伦理风险、政策推进不及预期的风险、中美贸易摩擦升级的风险。2aVeZbZcWeZ8XfVfV6MbP6MtRrRmOqMiNmMpRjMqRuN6MqQuNvPmRrOwMpNqQ目录301 英伟达GB200零部件升级为最大亮点02 华为910C敬请期待，Atlas打开国产算力想象空间03投资建议:梳理AIGC相关

6、受益厂商04 风险提示01英伟达GB200零部件升级为最大亮点41.1.1 英伟达Q1业绩超预期，Blackwell出货时间为最大亮点英伟达Q1业绩超预期，原因是Hopper架构的强势需求：英伟达第一季度收入达到创纪录的 260亿美元，环比增长 19%，远高于市场245亿美元的预期。创历史新高。原因是数据中心推动的快速成长，数据中心推动英伟达成长，该业务第一季度营收达226亿美元，强于分析师预期的221亿美元，环比增长23%，同比增长427%，原因是Hopper架构的强劲需求。公司给予第二季度乐观指引，Blakcwell出货时间为最大亮点：英伟达预计下一季度营收为280亿美元，上下浮动2%，强

7、于分析师预期的268亿美元。GAAP和非GAAP毛利率预计分别为74.8%和75.5%，上下浮动50个基点。同时，根据超微电脑指引，超微电脑Q1收入为38.5亿美元，下一季度指引为51-55亿美元收入，原因是AI的强势需求。此外，公司在业绩会上透露，公司Blackwell架构已经全面投入生产，公司预计第二季度开始供货，第三季度加速，客户数据中心在第四季度建立。我们判断Blackwell出货时间超出市场预期。5 英伟达季度总收入及市场一致预期(百万美元)数据中心实际收入与预期收入对比1.1.2 英伟达架构持续升级，升级迭代速度明显加快平均两年架构升级，目的是维持在GPU霸主地位：根据CSDN数据

8、，英伟达14年期间发布8款芯片架构，我们判断芯片架构的持续升级有望维护其在GPU市场的龙头地位。英伟达架构升级速度明显加快：此前，根据财联社以及SemiAnalysis消息，预计在H200芯片架构后，B100将于2024年第三季度开始量产，部分早期样品将于明年第二季度出货。而GH200和H200也是于2023年开始问世，同时，AMD也推出了MI300AI算力芯片，谷歌直接表示要打造自己的人工智能基础设施，其TPUv5和TPUv5e可用于内部培训和推理，还供苹果、Anthropic、CharacterAI等公司客户使用。我们判断英伟达架构升级明显处于加速状态。6资料来源：CSDN，财联社，Sem

9、iAnalysis，华西证券研究所英伟达GPU发展时间表英伟达全新产品架构升级图1.1.3 英伟达GPU架构疯狂加速，确定下一代架构为Robin架构黄仁勋宣布下一代AI芯片为Robin架构：2024年6月2日晚，英伟达CEO黄仁勋在中国台北国际电脑展（COMPUTEX 2024）上表示，将在2026年推出下一代AI芯片平台Rubin，作为对现有Blackwell平台的迭代，Rubin AI平台将采用HBM4记忆芯片。Rubin平台的产品包括，Rubin GPU（8S HBM4）、Vera CPU等英伟达GPU架构疯狂加速：在演讲中，黄仁勋介绍了关于芯片产品年度升级周期的计划。黄仁勋表示，英伟达

10、将坚持数据中心规模、一年节奏、技术限制、一个架构的路线，即坚持运用当时性能最强的半导体制程工艺，以一年为节奏更新产品，用统一架构覆盖整个数据中心产品线，具体来看，2024年，Blackwell芯片现已开始生产；2025年，将推出Blackwell Ultra产品；2026年，将推出Rubin产品2027年，将推出Rubin Ultra产品。7 英伟达黄仁勋在中国台北的工Computex 2024展示英伟达架构升级示意图1.1.4 台积电收入乐观，AI需求强劲公司明确表示人工智能需求强劲：2024年4月18日，公司明确表明人工智能需求强劲，人工智能2024年收入占比有望达到十几个点(原文：low

11、-teens)，公司预计未来五年其收入复合增长率将达到50%，2028年有望占比20%以上。我们认为此指引背后寓意为公司对于CoWos产能持乐观态度，我们判断CoWos产能的乐观，为英伟达的产品的及时出货提供乐观预期。台积电收入维持高增:台积电5月10日公布，4月销售额2360.2亿元新台币，环比增长20.9%，同比增长59.6%；近日，台积电公布5月份销售数据，销售额为2296.2亿新台币，同比增长30.1%，公司法人指出，人工智能及一般服务器需求转好，推动第二季度业绩展望，这一领域也为台积电主要收入贡献来源。台积电或将提高英伟达代工价格：根据电子技术应用消息，台积电新任董事长魏哲家暗示，他

12、正在考虑提高公司人工智能芯片代工服务的价格，我们判断其背后的本质在于英伟达Blackwell的生产与新高端工艺制程有关。8 台积电CoWos示意图台积电季度收入(百万台币)-30%-20%-10%0%10%20%30%40%050,000100,000150,000200,000250,000300,0002023年1月2023年2月2023年3月2023年4月2023年5月2023年6月2023年7月2023年8月2023年9月2023年10月2023年11月2023年12月2024年1月2024年2月2024年3月2024年4月2024年5月台积电收入(百万台币)环比增长1.2.1 GB2

13、00 NVL 72震撼出世，其为性能怪兽GB200 NVL 72震撼出世，其为性能怪兽：在英伟达GTC大会上，基于 Blackwell 的 AI 算力将以名为 DGX GB200 的完整服务器形态提供给用户，结合了 36 颗 NVIDIA GraceCPU 和 72 块 Blackwell GPU。这些超级芯片通过第五代 NVLink 连接成一台超级计算机(后文简称 GB200 NVL 72)。与相同数量的 72 个 H100 相比，GB200 NVL72 的性能绝对是逆天的存在，大模型推理性能可以提升 30 倍，并且成本和能耗只有前者的 1/25。此为全机架式解决方案：有 18 个 1U 服

14、务器。其提供的FP8 性能为 720petaflops，FP4 计算性能为 1440 petaflops，可处理多达 27 万亿个 AI LLM 参数模型。每台服务器里带有两个 GB200 Grace Blackwell Superchip，这些计算节点带有 1.7TB 的 HBM3E 内存、32TB/s 的内存带宽，并且全部采用液冷 MGX 封装。然而由于功耗过大，需要采用液冷，内部采用铜互联形式。9资料来源：英伟达官网，华西证券研究所英伟达NVL 72 规格1.2.2 深度拆截英伟达 DGX Hopper架构零部件价格英伟达DGX H100零部件价格拆解:AI 服务器中的主要元器件包括 C

15、PU、GPU 板组、内存、硬盘、网络接口卡组成，配合电源、主板、机箱、散热系统等基础硬件以提供信息服务。根据SemiAnalysis，AI 服务器（以 Nvidia DGX H100 为例）总成本为 26.9 万美元，其核心组件按 BOM 占比由高到低依次为 GPU 板组、SmartNIC、DRAM、CPU、NAND、电源、主板、机箱和散热，BOM 占比分别为 72.5%、4.1%、2.9%、1.3%、0.4%、0.3%、0.2%、0.2%，相较标准 CPU 服务器（以 2x Intel Sapphire Rapids Server 为例），Nvidia DGXH100 单机总成本提升 25.

16、7 倍。英伟达Blackwell架构出世，GB200 NV L72核心零部件升级为最大亮点：我们判断GB 200 NVL 72不同于H100等8卡DGX服务器，其零部件价值量占比有望提升，其重点在于CPU、铜连接、液冷模组、电源板块。10资料来源：SemiAnalysis，DCD，华西证券研究所英伟达 DGX H100 BOM成本一览组件组件价格（美元）价格（美元）占比占比CPU52001.93%8 GPU+4 NVSwitch Baseboard19500072.49%内存DRAM78602.92%硬盘NAND34561.28%网卡SmartNIC109084.05%机箱（外壳、背板、电缆）

17、5630.21%主板8750.33%散热（散热器+风扇）4630.17%电源12000.45%组装测试14850.55%Markup4200015.61%总成本269010100.00%英伟达 DGX H100 零部件示意图1.3 Grace CPU为下一代数据中心的引擎Grace CPU为下一代数据中心的引擎:NVIDIA Grace CPU 是一款具有突破性性能和效率的 Arm CPU。它可以与 GPU 紧密结合以增强加速计算，也可以部署为强大、高效的独立 CPU。以“CPU+GPU”为主的芯片组竞争格局更加明确：目前，芯片厂商的竞争格局不再割裂，过去，CPU的龙头企业为AMD、Intel

18、，GPU的龙头企业为英伟达，而如今芯片厂商已经逐步补强自身“短板”，其目的在于维持自身在应用场景中的龙头地位，例如英伟达自身的Grace CPU，亦或者是Intel 发布自身酷睿 Ultra AIPC处理器，此款处理器为集中式显卡，此显卡集成了CPU、GPU、NPU、IO芯片。Grace CPU在GB200 NVL72的价值比重凸显：原因在于，GB200 NVL72的一个芯片组为两个B200和一个Grace GPU，CPU与GPU的比例关系为1:2，而传统DGX H100的CPU与GPU的数量关系为1:4。11资料来源：英伟达官网，凤凰网华西证券研究所Grace CPU芯片示意图Grace C

19、PU为GB200的核心模块Grace CPU1.4.1高速互联时代，铜互联价值凸显GB200发布，铜互联为最大增量之一:根据GTC大会，GB200 NVL72采用NV link 互联方式，具有5000根NVLink铜缆（合计长度超2英里）。而英伟达自身对于DAC 铜缆的描述为NVIDIA Mellanox LinkX 以太网 DAC 铜缆是在以太网交换网络和基于 NVIDIA GPU 的系统中创建高速 100G-400G 链路的成本最低的方式。亮点在于成本、功耗、延迟都极低。其端口速度可达到400Gb/s。DAC高速线缆在短距离信号传输价值凸显：DAC(高速线缆)可直接通过铜电缆传输电信号。无

20、源DAC无需任何信号调节即可实现此目的，通常，DAC电缆用于连接机架内的交换机、服务器和存储设备来进行堆叠。而从功耗来看，其功耗明显小于AOC，传输距离小于7M。有源光缆(AOC)由两端带有 光收发器的多模光纤电缆组成。它依靠外部电源来促进信号的转换，从电信号转换到光信号，然后再转换回电信号。从广义上讲，AOC 电缆主要用于连接位于数据中心内单独机架中的交换机、服务器和存储设备。由于AOC本身进行光与电信号的转换，因此其成本和功耗显著大于DAC12资料来源：21经济时代网，CSDN，华西证券研究所DAC和AOC的区别DAC铜缆示意图有源光缆AOC示意图DACDACAOCAOC功耗1W1-3W传

21、输距离7M300M传输介质铜缆光纤传输信号电信号光信号价格光纤的价格比铜高，另外A0C两端含有激光器而DAC没有，所以A0C的价格比DAC高很多;重量体积同样长度下，AOC的体积重量要比DAC的体积重量小很多1.4.2 GB200发布，铜互联为最大增量之一H100系列中铜互联方式较少:我们判断，由于H100没有机柜内互联，而实单独配置网络机柜，因此几乎没有短距铜互联，然而连接器依旧作为服务器重要组成部分，我们认为其价值量占比相较于GB200 NVL72相比较低。GB200 NVL72中铜互联价值凸显：原因在于其短距离更具成本和传输优势，GB200 NVL72具有内部线缆和外部线缆，外部线缆主要

22、负责链接机柜与机柜之间，而内部线缆连接方式呈现多样化。13资料来源：华硕电脑，芯语，华西证券研究所DGX H100 连接器示意图GB200 NVL72 高速铜缆示意图GB200 NVL72 高速铜缆示意图1.4.3 供货英伟达，安费诺迈向成长安费诺为全球TOP2连接器制造商：公司成立于1932年，1984年进驻中国，1991年在纽约证交所上市。目前是全球TOP2的连接器制造商，覆盖通讯、汽车、消费电子等多个板块，2023年集团销售额为126亿美元。安费诺为英伟达丰富生态重要合作伙伴：在中国台北国际电脑展（COMPUTEX 2024）上，安费诺总裁兼首席执行官 R.Adam Norwitt 表示

23、：“NVIDIA 的突破性 AI 系统需要先进的互连解决方案，安费诺很自豪能够提供关键组件。作为 NVIDIA 丰富生态系统的重要合作伙伴，我们能够为 Blackwell 加速器提供高度复杂且高效的互连产品，以帮助实现尖端性能。”安费诺股价年初至今涨幅超35%：截至2024年6月10日，公司股价为131.86美元，年初至今涨幅为35.19%。14 安费诺AI产品解决方案示意图安费诺股价示意图(近一年)798999914923-0623-0723-0823-0923-1023-1123-1224-0124-0224-0324-0424-05安费诺(AMPHENOL)安费诺(

24、AMPHENOL)1.5.1 算力在大模型时代迎来爆发，高算力与高功耗相匹配AI芯片架构升级速度明显加快，高算力与高功耗相匹配：复盘英伟达数据中心芯片产品，其中明显可以看到其芯片算力和芯片的功耗成明显的正相关。15 架构架构英伟达英伟达VoltaVolta架构架构英伟达英伟达TuringTuring架构架构英伟达英伟达AmpereAmpere架构架构型号V100V100sT4A100A800规格PCIeSXM2PCIePCIeSXMPCIePCIeSXM芯片架构NVIDIA VoltaNVIDIA VoltaNVIDIA VoltaNVIDIA TuringNVIDIA AmpereNVIDI

25、A AmpereNVIDIA AmpereNVIDIA AmpereNVIDIA Ampere显存32GB或 16GB HBM232GB或 16GB HBM232GB HBM216GB GDDR680GB HBM2e80GB HBM2e40GB HBM280GB HBM2e80GB HBM2e显存带宽900GB/s900GB/s1134GB/s320 GB/S1935GB/s2039GB/s1555GB/s1935GB/s2039GB/sFP64算力7TFLOPS7.8TFLOPS8.2TFLOPS254.4GFLOPS9.7TFLOPS9.7TFLOPS9.7TFLOPS9.7TFLOPS9

26、.7TFLOPSFP64 Tensor Core19.5TFLOPS19.5TFLOPS19.5TFLOPS19.5TFLOPS19.5TFLOPSFP32算力14TFLOPS15.7TFLOPS16.4TFLOPS8.1TFLOPS19.5TFLOPS19.5TFLOPS19.5TFLOPS19.5TFLOPS19.5TFLOPSFP32算力(Tensor)Tensor Float 32（TF32）156 TFLOPS156 TFLOPS156 TFLOPS156 TFLOPS156 TFLOPSTF32(Tensor Core)312 TFLOPS 312 TFLOPS 312 TFLOP

27、S 312 TFLOPS 312 TFLOPS FP16算力(Tensor Core)112TFLOPS125TFLOPS130TFLOPS65TFLOPS312 TFLOPS312 TFLOPS312 TFLOPS312 TFLOPS312 TFLOPSBFLOAT16(Tensor Core)312 TFLOPS312 TFLOPS312 TFLOPS312 TFLOPS312 TFLOPSFP8(Tensor Core)-INT8算力(Tensor Core)130 TOPS624 TOPS624 TOPS624 TOPS624 TOPS624 TOPSCUDA 核心数量51202560

28、69126912Tensor Cores 核心数量640320432432功耗250瓦300瓦250瓦70瓦300瓦400瓦250瓦300瓦400瓦晶管数量（亿）2制成（nm）12nm12nm7nm7nm互联速度32GB/s300GB/s32GB/s32GB/SNVLink：600GB/s PCIe 4.0：64GB/sNVLink：600GB/s PCIe 4.0：64GB/sNVLink：400GB/s PCIe 4.0：64GB/sNVLink：400GB/s PCIe 4.0：64GB/sAI芯片架构升级速度明显加快，高算力与高功耗相匹配1.5.1 算力在大模型时

29、代迎来爆发，高算力与高功耗相匹配AI芯片架构升级速度明显加快，高算力与高功耗相匹配：从下图可以看到，英伟达GB200单芯片组的功耗为2700W。16 AI芯片架构升级速度明显加快，高算力与高功耗相匹配架构架构英伟达英伟达HopperHopper架构架构BlackwellBlackwell架构架构型号H100H800H200GH200B100B200GB200规格SXMPCIeNVLSXMPCIeSXM芯片架构NVIDIA HopperNVIDIA HopperNVIDIA HopperNVIDIA HopperNVIDIA HopperNVIDIA HopperNVIDIA HopperARM

30、NVDIA BlakwellNVDIA BlakwellNVDIA Blakwell显存80GB HBM380GB HBM2e188GB HBM380 GB HBM380 GB HBM3141GB HBM3e96GB|144GB HBM3e192GB 192GB384GB显存带宽3.35TB/s2TB/s7.8TB/s3.35TB/s2TB/s4.8TB/s512GB/s(CPU)8TB/s8TB/s16TB/sFP64算力34 TFLOPS26 TFLOPS68 TFLOPS1 TFLOP0.8 TFLOP34 TFLOPS34TFLOPSFP64 Tensor Core67 TFLOPS5

31、1 TFLOPS134 TFLOPS1 TFLOP0.8 TFLOP67 TFLOPS67TFLOPS30TFLOPS40TFLOPS90TFLOPSFP32算力67 TFLOPS51 TFLOPS134 TFLOPS 67 TFLOPS51 TFLOPS67TFLOPS67TFLOPSFP32算力(Tensor)Tensor Float 32（TF32）67 TFLOPSTF32(Tensor Core)494.5 TFLOPS378 TFLOPS989.5 TFLOPS 494.5 TFLOPS378 TFLOPS494.5 TFLOPS494 TFLOPS0.9 PFLOPS1.12PF

32、LOPS2.5PFLOPSFP16算力(Tensor Core)989.5 TFLOPS 756.5TFLOPS1979 TFLOPS989.5 TFLOPS 756.5TFLOPS989.5 TFLOPS 990 TFLOPS1.8 PFLOPS2.25 PFLOPS5 PFLOPSBFLOAT16(Tensor Core)989.5TFLOPS756.5TFLOPS1979 TFLOPS989.5TFLOPS756.5TFLOPS989.5TFLOPS990 TFLOPS1.8 PFLOPS2.25 PFLOPS5 PFLOPSFP8(Tensor Core)1979 TFLOPS1513

33、 TFLOPS3958 TFLOPS1979 TFLOPS1513 TFLOPS1,979 TFLOPS1,979 TFLOPS3.5 PFLOPS4.5 PFLOPS10 PFLOPSINT8算力(Tensor Core)1979 TOPS1513 TOPS3958 TOPS1979 TOPS1513 TOPS1,979 TOPS1,979 TOPS3.5 PFLOPS4.5 PFLOPS10 PFLOPSCUDA 核心数量6896Tensor Cores 核心数量528528528功耗700 瓦300-350 瓦2x 350-400W高达 700 瓦300-350 瓦

34、700瓦1000瓦700W1000W2700W晶管数量（亿）800800800制成（nm）4nm4nm4nm4nm互联速度NVLink:900GB/s PCIeGen5:128GB/sNVLink:600GB/s PCIeGen5:128GB/sNVLink:600GB/s PCIeGen5:128GB/sNVLink:400GB/s PCIe 5.0:128GB/sNVLink:400GB/s PCIe 5.0:128GB/sNVIDIA NVLink:900GB/SPCle Gen5:128GB/s900 GB/s bidirectionalNV Link：1.8 TB/sNV Link：

35、1.8 TB/sNV Link：2x1.8 TB/S1.5.2 GB200功耗相较H100显著提升，高功耗电源价值凸显英伟达H100最大功耗为10.2KW：根据FS社区数据，英伟达DGX H100的电源规格为最大10.2KW，200-240V3300W，16A，50-60Hz。从下图示意图所示，电源个数为6，我们判断其核心原因是考虑到电源冗余问题。而DGX H100 GPU数量为8个，H100的功耗为700W，因此我们假设巅峰功耗系数=10200/(700*8)1.82。从英伟达GB200 NVL72示意图所示，包含6个电源架:根据半导体行业观察资料，可以清晰的看到，GB200 NVL72包含

36、6个电源组，其中三个位于机架顶部，三个位于底部，其中上层电源组包含6个电源模块。根据已知资料，我们大致可以推算出每个电源模块的功耗，GB200单个芯片组功耗为2700W，假设NVL 72电源模块共36个，单个电源模块功耗为2700*36*1.82/365000W。(未考虑电源冗余情况)。高功率电源价值凸显：根据京东数据，浪潮服务器电源M6 3000W的价格为3899元，M5 550W电源价格为829元。因此，在未考虑电源工艺升级的情况下，我们判断GB200整体电源模块相较于H100价值凸显。17 英伟达DGX H100 电源示意图GB200 NVL72 电源示意图1.5.3 台达电为英伟达电源

37、的供应商台达电为全球提供电源管理与散热解决方案：公司成立与1971年，近年，台达已逐步从关键元器件制造商迈入整体节能解决方案提供者，深耕“电源及元器件”、“交通”、“自动化”与“基础设施”四大事业范畴。公司2023年营收为131亿美元。台达电为英伟达服务器电源的供应商：在中国台北国际电脑展（COMPUTEX 2024）上，台达电董事长兼首席执行官郑平表示：“对计算能力的普遍需求开启了加速性能的新时代。通过我们先进的冷却和电源系统，台达开发了创新的解决方案，能够使 NVIDIA 的Blackwell 平台以峰值性能运行，同时保持能源和热效率。”台达电股价年初至今涨幅超10%：截至2024年6月1

38、0日，公司股价为355.2新台币，年初至今涨幅为11.31%。18 台达电电源及系统产品示意图28530532534536538540523-06 23-0723-0823-09 23-1023-11 23-1224-0124-02 24-0324-04 24-05台达电台达电台达电子股价示意图(近一年)1.6.1 液冷已经从“选配”到“必配”，液冷拐点已经到来AI芯片架构升级速度明显加快，高算力与高功耗相匹配：复盘英伟达数据中心芯片产品，其中明显可以看到其芯片算力和芯片的功耗成明显的正相关。19 架构架构英伟达英伟达VoltaVolta架构架构英伟达英伟达TuringTuring架构架构英伟

39、达英伟达AmpereAmpere架构架构型号V100V100sT4A100A800规格PCIeSXM2PCIePCIeSXMPCIePCIeSXM芯片架构NVIDIA VoltaNVIDIA VoltaNVIDIA VoltaNVIDIA TuringNVIDIA AmpereNVIDIA AmpereNVIDIA AmpereNVIDIA AmpereNVIDIA Ampere显存32GB或 16GB HBM232GB或 16GB HBM232GB HBM216GB GDDR680GB HBM2e80GB HBM2e40GB HBM280GB HBM2e80GB HBM2e显存带宽900GB

40、/s900GB/s1134GB/s320 GB/S1935GB/s2039GB/s1555GB/s1935GB/s2039GB/sFP64算力7TFLOPS7.8TFLOPS8.2TFLOPS254.4GFLOPS9.7TFLOPS9.7TFLOPS9.7TFLOPS9.7TFLOPS9.7TFLOPSFP64 Tensor Core19.5TFLOPS19.5TFLOPS19.5TFLOPS19.5TFLOPS19.5TFLOPSFP32算力14TFLOPS15.7TFLOPS16.4TFLOPS8.1TFLOPS19.5TFLOPS19.5TFLOPS19.5TFLOPS19.5TFLOP

41、S19.5TFLOPSFP32算力(Tensor)Tensor Float 32（TF32）156 TFLOPS156 TFLOPS156 TFLOPS156 TFLOPS156 TFLOPSTF32(Tensor Core)312 TFLOPS 312 TFLOPS 312 TFLOPS 312 TFLOPS 312 TFLOPS FP16算力(Tensor Core)112TFLOPS125TFLOPS130TFLOPS65TFLOPS312 TFLOPS312 TFLOPS312 TFLOPS312 TFLOPS312 TFLOPSBFLOAT16(Tensor Core)312 TFL

42、OPS312 TFLOPS312 TFLOPS312 TFLOPS312 TFLOPSFP8(Tensor Core)-INT8算力(Tensor Core)130 TOPS624 TOPS624 TOPS624 TOPS624 TOPS624 TOPSCUDA 核心数量56912Tensor Cores 核心数量640320432432功耗250瓦300瓦250瓦70瓦300瓦400瓦250瓦300瓦400瓦晶管数量（亿）2制成（nm）12nm12nm7nm7nm互联速度32GB/s300GB/s32GB/s32GB/SNVLink：600GB/s

43、 PCIe 4.0：64GB/sNVLink：600GB/s PCIe 4.0：64GB/sNVLink：400GB/s PCIe 4.0：64GB/sNVLink：400GB/s PCIe 4.0：64GB/sAI芯片架构升级速度明显加快，高算力与高功耗相匹配1.6.1 液冷已经从“选配”到“必配”，液冷拐点已经到来AI芯片架构升级速度明显加快，高算力与高功耗相匹配：风冷的极限芯片散热功率是800W，如下图所示，GH200以及最新款B200、GB200的功耗已经超过风冷极限，H200和B100的功耗已经接近风冷极限。20 AI芯片架构升级速度明显加快，高算力与高功耗相匹配架构架构英伟达英伟达

44、HopperHopper架构架构BlackwellBlackwell架构架构型号H100H800H200GH200B100B200GB200规格SXMPCIeNVLSXMPCIeSXM芯片架构NVIDIA HopperNVIDIA HopperNVIDIA HopperNVIDIA HopperNVIDIA HopperNVIDIA HopperNVIDIA HopperARMNVDIA BlakwellNVDIA BlakwellNVDIA Blakwell显存80GB HBM380GB HBM2e188GB HBM380 GB HBM380 GB HBM3141GB HBM3e96GB|1

45、44GB HBM3e192GB 192GB384GB显存带宽3.35TB/s2TB/s7.8TB/s3.35TB/s2TB/s4.8TB/s512GB/s(CPU)8TB/s8TB/s16TB/sFP64算力34 TFLOPS26 TFLOPS68 TFLOPS1 TFLOP0.8 TFLOP34 TFLOPS34TFLOPSFP64 Tensor Core67 TFLOPS51 TFLOPS134 TFLOPS1 TFLOP0.8 TFLOP67 TFLOPS67TFLOPS30TFLOPS40TFLOPS90TFLOPSFP32算力67 TFLOPS51 TFLOPS134 TFLOPS

46、67 TFLOPS51 TFLOPS67TFLOPS67TFLOPSFP32算力(Tensor)Tensor Float 32（TF32）67 TFLOPSTF32(Tensor Core)494.5 TFLOPS378 TFLOPS989.5 TFLOPS 494.5 TFLOPS378 TFLOPS494.5 TFLOPS494 TFLOPS0.9 PFLOPS1.12PFLOPS2.5PFLOPSFP16算力(Tensor Core)989.5 TFLOPS 756.5TFLOPS1979 TFLOPS989.5 TFLOPS 756.5TFLOPS989.5 TFLOPS 990 TF

47、LOPS1.8 PFLOPS2.25 PFLOPS5 PFLOPSBFLOAT16(Tensor Core)989.5TFLOPS756.5TFLOPS1979 TFLOPS989.5TFLOPS756.5TFLOPS989.5TFLOPS990 TFLOPS1.8 PFLOPS2.25 PFLOPS5 PFLOPSFP8(Tensor Core)1979 TFLOPS1513 TFLOPS3958 TFLOPS1979 TFLOPS1513 TFLOPS1,979 TFLOPS1,979 TFLOPS3.5 PFLOPS4.5 PFLOPS10 PFLOPSINT8算力(Tensor Cor

48、e)1979 TOPS1513 TOPS3958 TOPS1979 TOPS1513 TOPS1,979 TOPS1,979 TOPS3.5 PFLOPS4.5 PFLOPS10 PFLOPSCUDA 核心数量6896Tensor Cores 核心数量528528528功耗700 瓦300-350 瓦2x 350-400W高达 700 瓦300-350 瓦700瓦1000瓦700W1000W2700W晶管数量（亿）800800800制成（nm）4nm4nm4nm4nm互联速度NVLink:900GB/s PCIeGen5:128GB/sNVLink:600GB/s PCI

49、eGen5:128GB/sNVLink:600GB/s PCIeGen5:128GB/sNVLink:400GB/s PCIe 5.0:128GB/sNVLink:400GB/s PCIe 5.0:128GB/sNVIDIA NVLink:900GB/SPCle Gen5:128GB/s900 GB/s bidirectionalNV Link：1.8 TB/sNV Link：1.8 TB/sNV Link：2x1.8 TB/S我们判断H100服务器主要以风冷散热方式为主:原因是根据英伟达官方资料，H100芯片的功耗为700W，并没有达到风冷极限，如下图所示，A800服务器的风冷模块，我们判断

50、H100服务器同理。液冷冷板和分歧管是GB200 NVL 72的核心增量之一:原因是英伟达芯片组的功耗为2700W，远超风冷的极限，同时根据Cool3c消息，GB200NVL72只有液冷散热单一解决方案；如下图所示，根据鸿海科技官网消息，鸿海科技在GTC大会商展示GB200 NVL 72为液冷机柜，上面的冷板和分歧管为明显增量。同时，根据GTC大会上，英伟达展示的NV Switch tray中，可以明显看到液冷冷板和分歧管的的增量。21 英伟达 A800服务器 风冷模块示意图鸿海科技在GTC大会上展示液冷机柜1.6.2 液冷冷板和分歧管是GB200 NVL72的核心增量之一英伟达GTC大会展示

51、GB200 NVL72示意图单相液冷的核心在于冷却液没发生相态的变化:制冷过程：CDU的循环泵推动二次侧的冷却液从IT设备的底部进入，在流过竖直放置于浸没腔中的IT设备时，移走设备热量。随后，吸收了热量并升温的二次侧冷却液从液冷机柜的顶部离开，流向CDU。在CDU中，通过板式热交换器，冷却液将其所携带的热量转移给一次侧的冷却液。然后，已经升温的一次侧冷却液经过冷却塔，将热量释放至大气中，完成整个冷却过程。两相液冷的核心在于二次侧冷却液在热量传递过程中发生相态转变:传热路径与前者基本相同，区别在于，二次侧冷却液只在浸没腔体内循环，且浸没腔体内部形成了液态和气态两个区域：顶部为气态区，底部为液态区

52、。当冷却液吸收了设备产生的热量后沸腾并转化为高温气态。这些气态冷却液的密度较低，会逐渐上升到浸没腔体的顶部，在那里与顶部的冷凝器进行热交换并冷凝成低温的液态。这些冷却液在重力的作用下重新回到腔体底部，从而完成IT设备的散热过程。我们判断两相液冷的液冷模组相对昂贵，原因是工艺相对复杂。22 1.6.3 两相液冷的液冷模组相对昂贵，原因是工艺相对复杂单相液冷技术原理示意图两相液冷技术原理示意图奇鋐科技致力于电脑CPU、VGA、LED、通讯散热及电脑零件相关之散热产品的开发：公司成立于1991年，公司以自有品牌-AVC行销全球，散热器全球市占率超过30%。公司拥有完整的资讯管理系统，覆盖产品的设计开

53、发、生产制造、采购交货、供应商管理等方面，主要生产基地包括中国深圳、东莞、成都、武汉，并在美国、韩国、德国拥有销售据点。公司2023年营业收入为19亿美元。奇鋐科技(AVC)为英伟达液冷供应商：在台北国际电脑展（COMPUTEX 2024）上，AVC 董事长兼首席执行官 Spencer Shen表示：“AVC 在 NVIDIA 产品中扮演着关键角色，为其 AI 硬件提供高效冷却，包括最新的 Grace Blackwell 超级芯片。随着 AI 模型和工作负载不断增长，可靠的热管理对于处理密集型 AI 计算至关重要我们一路与 NVIDIA 同行。”奇鋐科技股价年初至今涨幅超85%：截至2024年

54、6月10日，公司股价为628元新台币，年初至今涨幅为88.02%。23 1.6.4 奇鋐科技为英伟达液冷的供应商奇鋐科技散热方案示意图奇鋐科技散热产品示意图20530540550560570580590523-0623-0723-0823-0923-1023-1123-1224-0124-02 24-0324-0424-05奇鋐科技奇鋐科技奇鋐科技股价示意图(近一年)02华为910C敬请期待，Atlas打开国产算力想象空间242.1.1 美国连续发动对我国高科技行业制裁，自主可控势在必行自2018年来，美国通过多种制裁手段，严重限制我国高科技领域发展。2022年8月，拜登正式签署芯片与科学法案

55、，其中提到禁止接受联邦奖励资金的企业，在中国扩建或新建先进半导体的新产能；同年10月，美国政府进一步紧缩半导体产品对华出口的政策，主要包括限制英伟达、AMD等公司向中国出售高算力人工智能芯片；限制应用材料、泛林、科磊等美国设备厂商向任何中国公司出售半导体设备；将31家中国公司、研究机构及其他团体列入所谓“未经核实的名单”（UVL清单），限制它们获得某些受监管的美国半导体技术能力。美国政府禁止英伟达、AMD向中国出口用于人工智能的顶级计算芯片。根据钛媒体，2022年9月，美国商务部宣布限制英伟达（NVIDIA）和AMD等美国公司向中国出口先进计算机图像处理器（GPU），该禁令主要限制了英伟达的A

56、100、H100高端芯片以及AMD的MI250出口中国，目的是瞄准国内先进计算进行遏制，影响国内人工智能领域发展。25 美国制裁、限制事件汇总时间时间事件事件2018/11/1美国商务部发布涉及人工智能和机器学习技术、先进计算技术、数据分析技术等14项新兴和前沿技术的对华出口管制框架2019/5/1“布拉格5G安全大会”召开：联合发布了“布拉格提案”，该提案从政策、安全、技术、经济四个方面探讨如何排除中国5G技术产品。2020/1/1特朗普政府发布限制人工智能软件出口新规，应用于智能化传感器、无人机和卫星的目标识别软件都在限制范围之内。2020/2/1推动42个加入瓦森纳协定的国家扩大半导体对

57、华出口管制范围，旨在加强防备相关技术外流到中国。2020/2/1美国商务部更新出口管制条例，将“用于自动分析地理空间图像的软件”列入对华管制清单中，应用于智能化传感器、无人机、卫星和其他自动化设备的目标识别软件。2020/5/1美国宣布将加入七国集团“人工智能全球合作伙伴组织”，力图以霸权力量主导构成不利于中国的全球人工智能管理规则，限制中国人工智能技术发展。2020/5/1发起七国集团（G7）加澳大利亚、韩国和印度的“D10俱乐部”（D10 Club），以减少对中国电信技术的依赖。2020/10/1美国家人工智能安全委员会提出通过多边合作、数字联盟等形式与北约、印度等建立国际联盟，推广美国标

58、准和规则，形成对我人工智能的封锁围堵之势。2022/7/1美国半导体设备制造商收到美商务部的通知，拟要求禁止向中国大陆供应用于14nm或以下芯片制造的设备。2022/8/1美国总统拜登正式签署芯片与科学法案芯片与科学法案，以补贴美国的半导体产业。关于补贴资助对象资格的内容里，明确写到，禁止接受联邦奖励资金的企业，在中国等对美国国家安全构成威胁的特定国家扩建或新建某些先进半导体的新产能，期限为10年，违反禁令或未能修正违规状况的公司，可能需要全额退还联邦补助款。2022/9/1美国两大芯片制造巨头英伟达（NVIDIA）与AMD同时发布公告，声称均已接到美国拜登政府下达的最新命令，要求停止向中国出

59、口用于人工智能的最先进芯片。制裁主要针对的两个芯片是Nvidia A100和H100图形处理单元以及 AMD的MI250 人工智能芯片。2022/10/1BIS修订出口管理条例：美国从多方面加强对出口到中国的半导体的管制措施。新的管控措施主要涉和先进计算及半导体制造业以及超级计算机和半导体最终用途。2.1.2 芯片出口管制升级，打响关键自主可控保卫战根据新浪新闻的消息，拜登政府计划阻止英伟达等出口高性能AI芯片：拜登政府2023年10月17日更新了针对人工智能(AI)芯片的出口管制规定，计划阻止英伟达等公司向中国出口先进的AI芯片。根据最新的规则，英伟达包括A800和H800在内的芯片对华出口

60、都将受到影响。这些限制还将影响AMD和英特尔等公司向中国销售的芯片，包括应用材料公司、泛林集团和KLA等芯片设备厂商也受牵连。这是由于新措施扩大了向中国以外的40多个国家出口先进芯片的许可要求，并对中国以外的21个国家提出了芯片制造工具的许可要求，扩大了禁止进入这些国家的设备清单。此外，新措施还旨在防止企业通过Chiplet的芯片堆叠技术绕过芯片限制。第一，此前英伟达A100及H100两款型号限制出口中国后，为中国专供的“阉割版”的A800和H800就是为了符合规定。英特尔同样也针对中国市场，推出了AI芯片Gaudi2，如今看来，企业们又要在新一轮出口禁令下再进行调整应对。第二，根据21世纪经

61、济网报道，第二个规则是关于扩大半导体制造设备的出口管控，包括强化对美国人才的限制，还增加了需要申请半导体制造设备许可证的国家数量，从中国扩大到美国能够长臂管辖到的21个国家。第三个规则是把更多公司列入到“实体清单”，增加了两家中国实体及其子公司(共计13家参与先进计算芯片开发的实体)，这些公司制造芯片就需要BIS的许可。被新列入“实体清单”的13家中国企业名单如右图所示，主要包括壁仞科技、摩尔线程等GPU公司。26 被列入“实体清单”的企业名单2.4.1 国产芯片之光：华为海思昇腾AI芯片，构建算力的第二极全栈全场景AI芯片，构建智能计算架构核心昇腾 910 和昇腾 310 两款AI 芯片均使

62、用华为的达芬奇架构，每个 AI 核心可以在 1 个周期内完成 4096 次 MAC 计算，集成了张量、矢量、标量等多种运算单元，支持多种混合精度计算，支持训练及推理两种场景的数据精度运算。基于昇腾系列AI处理器和基础软件构建Atlas人工智能计算解决方案，包括Atlas系列模块、板卡、小站、服务器、集群等丰富的产品形态，打造面向“端、边、云”的全场景AI基础设施方案，覆盖深度学习领域推理和训练全流程，可以满足不同场景的大模型计算需求。华为的全栈全场景AI解决方案日臻完善。主要基于昇腾系列处理器和基础软件构建的全栈AI计算基础设施、行业应用及服务，包括昇腾系列芯片、Atlas系列硬件、芯片使能、

63、CANN（异构计算架构）、AI计算框架、应用使能等。算力是衡量单卡性能的直观指标：参数方面，我们认为昇腾910芯片单卡算力已经可以与英伟达A100相媲美。27昇腾全栈 AI 软硬件平台，构筑智能世界的基石英伟达与华为参数比对架构架构算力算力最大功耗最大功耗昇腾310达芬奇架构3D Cube技术16 TOPSINT88 TOPSFP168W昇腾910达芬奇架构3D Cube技术640 TOPSINT8320 TFLOPSFP16310W英伟达A100NVIDIA 安培 GPU 架构624 TOPSINT8312 TFLOPSFP16300W英伟达H100NVIDIA Hoppe GPU 架构39

64、58 TOPSINT81979 TFLOPSFP16700W 2.4.2 华为昇腾芯片，统一达芬奇架构助力AI计算引擎昇腾AI芯片的计算核心主要由AI Core构成:AI Core采用了达芬奇架构，它包括了三种基础计算资源，矩阵计算单元、向量计算单元和标量计算单元。这三种计算单元分别对应了张量、向量和标量三种常见的计算模式，在实际的计算过程中各司其职，形成了三条独立的执行流水线，在系统软件的统一调度下互相配合达到优化的计算效率,AI Core中的矩阵计算单元目前可以支持INT8、INT4和FP16的计算；向量计算单元目前可以支持FP16和FP32的计算。我们认为本质上讲昇腾芯片属于专为AI而生

65、的特定域架构芯片。存储转换单元(MTE)是达芬奇架构的特色：比如通用GPU要通过矩阵计算来实现卷积，首先要通过Im2Col的方法把输入的网络和特征数据重新以一定的格式排列起来，通用GPU通过软件实现，效率较为低下，达芬奇架构采用了一个专用的存储转换单元来完成此过程，可以在较短的时间之内完成整个转置过程，定制化电路模块的设计可以提升AI Core的执行效率，从而能够实现不间断的卷积计算。28华为昇腾AI芯片架构图基础计算资源，矩阵计算单元、向量计算单元示意图 2.4.3 华为HCCS互联技术，实现卡间高速互联HCCS是华为自研的高速互联接口，实现高效卡间连接。HCCS是华为自研的高速互联接口，片

66、内RoCE可用于节点间直接互联。HCCS是HCCL的硬件形态，HCCL提供了深度学习训练场景中服务器间高性能集合通信的功能。每台设备具备两个HCCS环共8颗处理器（A0A7）。每个HCCS存在4颗处理器，同一HCCS内处理器可做数据交换，不同HCCS内处理器不能通信。单个AI处理器提供3条HCCS互连链路，提供最大90GB/s带宽能力。NPU载板由4个AI处理器组成，3条HCCS组成一个4P Full mesh互联，4个AI处理器间互联带宽达到30GB/s，双向60GB/s。我们认为AI大算力集群背景下，单张AI芯片无法完成训练任务，需要联合多张AI芯片，数据传输速率同样重要，华为HCCS互联

67、技术可以实现卡间高速互联，相较于PCIE模式有显著优势，能有效帮助服务器集群协同训练，从而加速AI的训练。29 HCCS互联拓扑图（K0-K3为鲲鹏处理器）昇腾AI集群组网要求2.4.4 华为910C 敬请期待，Atlas打开国产算力集群想象空间华为910C敬请期待：根据集成电路IC消息，华为旗下昇腾910C芯片正处于紧张的测试阶段。华为昇腾910C芯片预计在今年第四季度推出样机，而到2025年第一季度将实现量产。华为昇腾910C芯片作为新一代算力核心，其价值量接近前款昇腾910B芯片的1.5倍。在搭载昇腾910C芯片的服务器中，单台服务器的整体价值将得到大幅提升。此外，我们判断，在国产化大背

68、景下，昇腾910C相关供应链有望快速切入国产化，供应链国产化为大势所趋。华为发布全新架构AI集群，支持超万亿参数大模型训练：在华为全联接大会2023上，华为推出全新架构的昇腾AI计算集群Atlas 900 SuperCluster。新集群采用了全新的华为星河AI智算交换机CloudEngine XH16800，借助其高密的800GE端口能力，两层交换网络即可实现2250节点（等效于1.8万张卡）超大规模无收敛集群组网。其优势显著，新集群同时使用了创新的超节点架构，大大提升了大模型训练能力实现算力的资源统一调度，采用液冷设计。30 华为Atlas 900 SuperCluster示意图华为Atl

69、as 900 SuperCluster大模型连续训练时长03投资建议:梳理国产AIGC相关受益厂商314.1 投资建议:梳理国产AIGC的受益厂商英伟达打响算力架构升级战，GB200 NVL 72震撼出世，相关产业链价值占比凸显，例如铜互联、电源、液冷模块等关键部件。此外，在AI+信创大背景下，华为已经推出国产算力集群Atlas解决方案，相关供应链国产化为大势所趋，同时看好910C带来的相关增量。受益标的为：全球算力产业链美股：英伟达、超微电脑、戴尔科技、惠普、安费诺、维谛技术等；全球算力产业链A股:工业富联、浪潮信息、紫光股份、沃尔核材、麦格米特、淳中科技等；国产服务器相关产业链：神州数码、

70、拓维信息、中国长城、高新发展、大华股份等；国产连接器相关产业链：华丰科技等；国产电源相关产业链:泰嘉股份等；国产液冷模块产业链：飞荣达等；国产液冷解决方案产业链：英维克、申菱环境等；国产PCB产业链：景旺电子、胜宏科技等；其他：强瑞技术、恒为科技等；国产AI芯片产业链：海光信息、景嘉微、寒武纪、云天励飞等。32 3.1 投资建议:梳理AIGC的受益厂商33 注注:*来来自来来自windwind一致预测一致预测,一致预期时间点为一致预期时间点为2424年年6 6月月1414日；英维克财务预测来源华西通讯团队日；英维克财务预测来源华西通讯团队20242024年年4 4月月2222日外发报告日外发报

71、告AIGC的A股受益标的公司名称公司名称股票代码股票代码收盘价收盘价市值市值(亿元亿元)EPS(EPS(元元)PE(PE(倍倍)2024/6/142024/6/142024/6/142024/6/02320232024E2024E20222022202320232024E2024E工业富联*601138.SH27.23 5408.97 1.021.061.2726.7 25.7 21.4 麦格米特*002851.SZ27.81 139.59 0.951.271.5529.3 21.9 17.9 浪潮信息000977.SZ36.72 540.57 1.391.181.362

72、6.4 31.1 27.0 紫光股份*000938.SZ23.07 659.82 0.750.740.8830.6 31.4 26.1 淳中科技603516.SH35.09 70.83 0.160.090.70219.3 389.9 50.1 沃尔核材*300602.SZ15.21 88.22 0.190.190.5880.1 80.1 26.3 神州数码000034.SZ27.40 183.47 1.571.792.1517.5 15.3 12.7 拓维信息*002261.SZ12.18 152.66-0.810.040.07-340.2 171.5 中国长城*000066.SZ9.35 3

73、01.61 0.04-0.300.05246.1-205.5 高新发展*000628.SZ46.23 162.86 0.571.040.9781.8 44.5 47.5 大华股份*002236.SZ16.54 544.91 0.792.311.2020.9 7.2 13.7 华丰科技*688629.SH28.20 130.00 0.250.170.24112.8 165.9 116.0 泰嘉股份*002843.SZ15.40 38.94 0.620.600.9524.8 25.7 16.3 飞荣达*300602.SZ15.21 88.22 0.190.190.5880.1 80.1 26.3

74、英维克002837.SZ24.15 178.61 0.640.610.8937.7 39.6 27.1 申菱环境*301018.SZ20.64 54.91 0.690.401.0729.9 51.6 19.2 深南电路002916.SZ107.20 549.80 3.222.733.3433.3 39.3 32.1 生益电子*688183.SH21.35 177.59 0.38-0.030.2356.2-91.1 恒为科技603496.SH25.34 81.14 0.380.250.9866.1 100.4 25.9 海光信息688041.SH73.14 1700.02 0.380.540.8

75、4192.5 135.4 87.1 景嘉微*300474.SZ69.50 318.75 0.640.130.54108.6 534.6 129.9 寒武纪*688256.SH200.01 833.23-3.14-2.07-1.11-云天励飞*688343.SH32.95 117.02-1.68-1.15-0.99-04风险提示34风险提示核心技术水平升级不及预期的风险:AIGC相关产业技术壁垒较高，公司核心技术难以突破，进程低于预期，影响整体进度。AI伦理风险:AI可能会生产违反道德、常规、法律等内容。政策推进不及预期的风险:受到宏观经济、财政、疫情影响，政策推进节奏不及预期。中美贸易摩擦升级

76、的风险:供应链存在部分海外提供商，容易受到美国制裁，导致产品研发不及预期。35免责声明36分析师分析师与研究助理简介与研究助理简介刘泽晶（首席分析师）2014-2015年新财富计算机行业团队第三、第五名，水晶球第三名，10年证券从业经验。孟令儒奇(分析师)悉尼大学量化金融学&大数据分析硕士，覆盖AI算力、信创、网络安全、军工信息化等赛道，2022年加入华西证券。分析分析师承诺师承诺作者具有中国证券业协会授予的证券投资咨询执业资格或相当的专业胜任能力，保证报告所采用的数据均来自合规渠道，分析逻辑基于作者的职业理解，通过合理判断并得出结论，力求客观、公正，结论不受任何第三方的授意、影响，特此声明。

77、评级说明评级说明公司评级标准公司评级标准投资评级投资评级说明说明以报告发布日后的6个月内公司股价相对上证指数的涨跌幅为基准。买入分析师预测在此期间股价相对强于上证指数达到或超过15%增持分析师预测在此期间股价相对强于上证指数在5%15%之间中性分析师预测在此期间股价相对上证指数在-5%5%之间减持分析师预测在此期间股价相对弱于上证指数5%15%之间卖出分析师预测在此期间股价相对弱于上证指数达到或超过15%行业评级标准行业评级标准以报告发布日后的6个月内行业指数的涨跌幅为基准。推荐分析师预测在此期间行业指数相对强于上证指数达到或超过10%中性分析师预测在此期间行业指数相对上证指数在-10%10%

78、之间回避分析师预测在此期间行业指数相对弱于上证指数达到或超过10%华西证券研究所：华西证券研究所：地址：北京市西城区太平桥大街丰汇园11号丰汇时代大厦南座5层免责声明37华西证券股份有限公司（以下简称“本公司”）具备证券投资咨询业务资格。本公司不会因接收人收到或者经由其他渠道转发收到本报告而直接视其为本公司客户。本报告基于本公司研究所及其研究人员认为的已经公开的资料或者研究人员的实地调研资料，但本公司对该等信息的准确性、完整性或可靠性不作任何保证。本报告所载资料、意见以及推测仅于本报告发布当日的判断，且这种判断受到研究方法、研究依据等多方面的制约。在不同时期，本公司可发出与本报告所载资料、意见

79、及预测不一致的报告。本公司不保证本报告所含信息始终保持在最新状态。同时，本公司对本报告所含信息可在不发出通知的情形下做出修改，投资者需自行关注相应更新或修改。在任何情况下，本报告仅提供给签约客户参考使用，任何信息或所表述的意见绝不构成对任何人的投资建议。市场有风险，投资需谨慎。投资者不应将本报告视为做出投资决策的惟一参考因素，亦不应认为本报告可以取代自己的判断。在任何情况下，本报告均未考虑到个别客户的特殊投资目标、财务状况或需求，不能作为客户进行客户买卖、认购证券或者其他金融工具的保证或邀请。在任何情况下，本公司、本公司员工或者其他关联方均不承诺投资者一定获利，不与投资者分享投资收益，也不对任

80、何人因使用本报告而导致的任何可能损失负有任何责任。投资者因使用本公司研究报告做出的任何投资决策均是独立行为，与本公司、本公司员工及其他关联方无关。本公司建立起信息隔离墙制度、跨墙制度来规范管理跨部门、跨关联机构之间的信息流动。务请投资者注意，在法律许可的前提下，本公司及其所属关联机构可能会持有报告中提到的公司所发行的证券或期权并进行证券或期权交易，也可能为这些公司提供或者争取提供投资银行、财务顾问或者金融产品等相关服务。在法律许可的前提下，本公司的董事、高级职员或员工可能担任本报告所提到的公司的董事。所有报告版权均归本公司所有。未经本公司事先书面授权，任何机构或个人不得以任何形式复制、转发或公开传播本报告的全部或部分内容，如需引用、刊发或转载本报告，需注明出处为华西证券研究所，且不得对本报告进行任何有悖原意的引用、删节和修改。