电子行业：AI不止，关注“华为+算力+存力”产业链机遇-20230417-东北证券-32页_2mb

电子行业深度报告总结

核心内容

本报告聚焦AI技术的发展趋势及对电子产业链的影响，分析了AI算力芯片、存力芯片及华为产业链相关企业的投资机会。报告指出，随着类ChatGPT等大模型的普及，AI算力芯片需求激增，同时推动了行业大模型和下游应用的爆发。此外，报告预测了未来AI技术在医/食/住/行/城/自然等场景中的广泛应用，以及在算力、存储、先进封装等领域的技术发展趋势。

主要观点

1. AI算力芯片需求激增

• ChatGPT访问量激增带动算力需求成倍增长，预计到2030年，全球AI算力将增长500倍，超过100ZFLOPS。
• 在线式搜索成本为离线式搜索的6倍，其中GPU折旧成本占比最高达65%。
• 推理卡的需求增长潜力大于训练卡，预计2030年80%的数据将在边缘处理，推动边缘AI计算市场快速增长。

2. AI产业链分工形式

• 上游：少数大公司垄断通用大模型，如CV、NLP、科学计算等领域，形成明显的马太效应。
• 中游：行业大模型将推动各细分领域智能化升级，如华为的盘古气象、矿山等模型已实现应用。
• 下游：千行百业通过API接入云端或购买私有模型，实现AI赋能应用的广泛落地。

3. AI应用场景拓展

• AI在医疗、交通、教育、农业、制造等领域展现出巨大潜力，如精准医疗、智慧交通、个性化教育等。
• 生成式AI（AIGC）在内容创作、金融、游戏等领域的应用正在扩大，但面临模型不稳定、数据安全等问题。

4. 技术趋势与挑战

• 高算力带来高能耗，液冷技术成为降低PUE的重要手段，预计2030年液冷数据中心PUE可降至1.15。
• 2.5D、3D封装及Chiplet技术是突破摩尔定律瓶颈的良药，未来可提升带宽、降低功耗。
• 存算一体技术有望提升能效比，但需克服精度、数据映射、通用性等挑战。
• 量子计算正从理论走向工程化，基于NISQ的专用量子计算机将在未来十年内取得突破。

关键信息

4.1 华为线条

• 兴森科技：受益于Chiplet封装技术及华为复苏，2023年EPS为0.45元，2024年为0.66元。
• 德邦科技：加速高端电子封装材料国产替代，2023年EPS为1.81元，2024年为2.76元。
• 长川科技：提供测试设备，受益于国产替代，2023年营收为37.66亿元，2024年为50.59亿元。
• 伟测科技：国内领先的第三方测试企业，2023年营收为11.33亿元，2024年为15.37亿元。
• 方邦股份：涉足先进封装材料，2023年EPS为0.77元，2024年为2.13元。
• 华正新材：提供封装材料，2023年EPS为0.82元，2024年为1.57元。

4.2 算力线条

• 寒武纪、龙芯中科、乐鑫科技、瑞芯微、恒玄科技、炬芯科技：受益于国产替代及AI算力需求增长，有望在云端与边缘端齐头并进。

4.3 存力线条

• 深科技、江波龙、普冉股份、兆易创新：存储技术是高性能GPU的瓶颈，未来全闪存、新型内存介质、光存储将成主流，存力需求持续增长。

行业数据概览

• 成分股数量：309只
• 总市值：48652亿元
• 流通市值：25464亿元
• 市盈率：39.51倍
• 市净率：3.08倍
• 成分股总营收：26641亿元
• 成分股总净利润：1498亿元
• 成分股资产负债率：50.43%

风险提示

• 大模型开发进度不及预期
• 宏观经济与政策风险

投资机会总结

• 华为线条：Chiplet封装技术突破，受益于华为复苏逻辑，重点关注兴森科技、德邦科技、长川科技、伟测科技、方邦股份、华正新材。
• 算力线条：云端与边缘端算力需求齐升，国产替代加速，推荐寒武纪、龙芯中科、乐鑫科技、瑞芯微、恒玄科技、炬芯科技。
• 存力线条：存储是高性能GPU瓶颈，推荐深科技、江波龙、普冉股份、兆易创新。

图表目录

• 图1：OpenAI CEO估计ChatGPT每次聊天的成本
• 图2：GPU折旧成本在大模型推理成本中占比最高，为65%
• 图3：ChatGPT的微调方法总体可分成3个步骤
• 图4：微调出ChatGPT的训练集（包含大量Prompt）
• 图5：训练175B的GPT-3需要的算力
• 图6：SAM模型采用prompt范式“分割一切”
• 图7：SAM可实现基于视线焦点的目标检测，在AR/VR场景极具应用潜力
• 图8：行业大模型，赋能千行百业智能升级
• 图9：华为云盘古气象大模型成为全球首个预测精度超过传统预报方式的AI模型
• 图10：阿里云的通义千问大模型申请试用界面，模型预设的主流用途包括“文本创作、编程”
• 图11：算力相关宏观趋势及预测
• 图12：到2030年，10万辆车每天需传输720TB数据
• 图13：AI助力人类实现对自然社会更纵深地感知
• 图14：AI助力人类获得超越现实世界的体验
• 图15：云端算力配合边缘端算力实现虚实融合体验
• 图16：AI助力人类更精确地探索未知世界
• 图17：AI助力软件更准确地模拟现实物质结构
• 图18：AI助力企业实现更高效的运营效率
• 图19：实现多模态学习需要解决数据异构性等多重挑战
• 图20：NVIDIA于2022年年中发布液冷版A100、H100
• 图21：液冷版A100PCIe比风冷版降低28%能耗、66%机架数量
• 图22：采用先进封装技术的芯片示意
• 图23：隐私计算重建数字信任体系
• 图24：端边云协同计算
• 图25：多维感知与数字建模技术
• 图26：量子计算处理器与经典计算机协同工作
• 图27：量子处理器工作原理
• 图28：各种存储介质的性能比较

未来展望

随着AI技术的不断演进，电子行业将迎来新的发展机遇。从算力芯片到存储介质，从先进封装到端边云协同，AI技术正推动整个产业链的变革。同时，行业大模型的出现将加速AI在各领域的应用落地，带来更广泛的投资机会。