涛哥的鄙视ChatGPT是由OpenAI于2022年11月推出的人工智能聊天机器人，该程序使用基于GPT-3.5 架构的大型语言模型，并通过人类反馈的监督学习和强化学习进行训练。ChatGPT 通过问 答形式与用户完成交互，可以完成自动生成文本、自动问答、自动摘要等多种任务。ChatGPT 因其能提供类似人类的响应，迅速成为近期发展最快和关注度最高的应用之一，上线 天用户突破百万，上线 亿，使其成为历史上用户增长最快的应用程 序，它的爆火出圈使得人工智能赛道迅速升温。

　　人工智能 AI 顾名思义就是通过高性能计算机来模拟人脑的认知及推理过程，尤其是在收 集大量原始数据后，再通过高性能计算机加上各类特殊的 AI 算法来训练和提高 AI 的认知 能力，其中包括视觉（图像，视频），听觉（语言，声音）等各类能力。当 AI 的认知能 力训练完成后，推理算法能够使用高性能计算机举一反三完成数据收集、推理和决策，形 成对人类部分工作的代替。 人工智能正在由云端应用场景走向终端应用场景。人工智能平台（包括芯片，模组，软件） 在一般人看起来像是一种新型应用,但在我们看来人工智能芯片在整合软硬件后将成为各 类终端应用的提升效能工具平台,各类 AI+应用即将落地，像 ChatGPT 对话机器人，以及 特斯拉即将自动驾驶中引入 AI 学习框架，传统应用在引入 AI 后将迎来巨变。这就像我们 常用的微软 bing 搜索, 微软 bing 搜索是我们应付各种陌生问题的生财工具,引入类 ChatGPT 的 AI 模型后能够直接给用户提供部分答案。因此人工智能平台除了被广泛利用 在云端大数据的深度学习训练和推断外, 我们认为人工智能平台也将出现在各式各样的 应用端的边缘运算及终端。AI 的第一波浪潮是学习感知和推理，例如自然语言处理、机 器视觉、推荐算法等，而 AI 的下一波浪潮将会是人工智能规划，AI 将感知、学习和推理 的结果通过各类机器人形成计划和付诸行动。

　　人工智能技术已在人机交互、智能家居、智能驾驶、智慧金融、智能安防等多个领域实现 技术落地，且应用场景愈来愈丰富，AI 产业已进入全方位商业化的发展阶段。根据 IDC 的数据，2021 年全球人工智能市场规模达到 885.7 亿美元，预计 2025 年将达到 2218.7 亿美元，21-25 年 CAGR 达 26.2%。当前我国人工智能产业加速发展，从基础支撑、核心技 术到行业应用的产业链条基本形成，一批创新活跃、特色鲜明的创新企业加速成长，新模 式、新业态不断涌现，整体呈现蓬勃发展态势。政策支持、投资引导和巨头布局将推动中 国 AI 产业的结构调整，进一步扩大市场规模。根据 IDC 的数据，中国人工智能市场规模 预计 2025 年有望达 184.3 亿美元，21-25 年 CAGR 达 24.4%。

　　人工智能产业链可分为基础层、技术层、应用层三个层面。我们以英伟达的加速计算平台 为例：基础层包括各类软硬件设施（CPU、GPU、DPU、ASIC、FPGA、存储芯片等）以及数 据服务。技术层包括各类技术框架和算法模型，涵盖深度学习、计算机视觉、自然语言处 理、语音识别等。应用层包括各类解决方案和终端应用场景。

　　2017 年谷歌提出 Transformer 模型使得深度学习进入了大模型时代，大模型所需算力的 增长幅度远超过摩尔定律提供的性能成长速度，势必带来更多人工智能芯片需求。在 2010 年前，AI 模型所需算力的增长幅度与摩尔定律同步，约每 20 个月翻倍。2015 年以后出现 的大模型所需算力为原来的 10-100 倍，所需算力的翻倍时间缩短到 10 个月。这意味着， AI 芯片基于摩尔定律的性能迭代和升级速度可能不如算力需求的增长速度，云计算厂商 需要堆叠更多的人工智能芯片等来满足模型训练。根据 PrecedenceResearch 的数据，2022 年全球人工智能芯片市场规模为 168.6 亿美元，22-32 年 CAGR 有望达 29.7%。

　　人工智能芯片多用传统型芯片，或用昂贵的图形处理器 (GPU),或用现场可编程门阵列芯 片配合中央处理器 (FPGA+CPU)为主, 用以在云端数据中心的深度学习训练和推理, 通用 ／专用型 AI 芯片（ASIC），也就是张量处理器或特定用途集成电路 (ASIC)，主要是针对 具体应用场景，三类芯片短期内将共存并在不同应用场景形成互补。

　　中央处理器 CPU: X86 和 ARM 结构在内的传统 CPU 处理器架构往往需要数百甚至上千条指 令才能完成一个神经元的处理，但对于并不需要太多的程序指令，却需要海量数据运算的 深度学习的计算需求，这种结构就显得不匹配。中央处理器 CPU 需要很强的处理不同类型 数据的计算能力以及处理分支与跳转的逻辑判断能力，这些都使得 CPU 的内部结构异常 复杂, 现在 CPU 可以达到 64bit 双精度，执行双精度浮点源计算加法和乘法只需要 1～3 个时钟周期，时钟周期频率达到 1.532～3gigahertz。CPU 拥有专为顺序逻辑处理而优化 的几个核心组成的串行架构，这决定了其更擅长逻辑控制、串行运算与通用类型数据运算, 当前最顶级的 CPU 只有 6 核或者 8 核，但是普通级别的 GPU 就包含了成百上千个处理单 元，因此 CPU 对于影像，视频计算中大量的重复处理过程有着天生的弱势。

　　国产服务器芯片渗透率低，对应巨大国产替代空间。根据海光信息招股说明书的数据， 2020 年国内 x86 服务器芯片出货量 698.1 万颗，绝大部分市场份额被 Intel 和 AMD 两家公司占据，合计市场份额超过 95%，其中 Intel 产品市场占有率遥遥领先。2020 年海光信 息 CPU 产品销售量约占总体市场份额的 3.75%，占据了国产 x86 服务器 CPU 绝大部分市场 份额。除了海光之外，国内 CPU 厂商主要有海思、龙芯、兆芯、飞腾、申威等。

　　我们测算国内 x86 服务器用 CPU 市场规模为 315.1 亿美元。IDC 数据显示，预计 2025 年 国内 x86 服务器出货量将达到 525.2 万台。根据 x86 服务器出货量和 x86 服务器路数分布 情况进行计算，2020 年中国市场 x86 服务器芯片出货量约为 698.1 万颗。假设到 2025 年 x86 服务器的平均路数为 3，预测 2025 年中国市场 x86 服务器芯片出货量可达 1575.6 万 颗，对应市场空间可达 315.1 亿美元，22-25 年 CAGR 达 19%。 我们测算 2025 年整体 x86 架构国产 PC+服务器端 CPU 国产替代空间达 554.3 亿元，22-25 年 CAGR 为 32%。我们认为服务器领域国产替代空间，主要在于政府机关、事业单位以及 核心国央企等，有望率先放量。测算逻辑如下：

　　1）相关人数测算：根据人社部 2016 年发布的《2015 年人力资源和社会保障事业发展 统计公报》，中国共有公务员 716.7 万人，我们假设目前公务员人数为 800 万人。根据国 家统计局，2020 年我国国有单位就业人员共 5563 万人，此口径以政府机关、事业单位为 主，根据国家统计局，剔除教育、卫生&社会保障和社会福利院后，2020 年中口径国有单 位就业人员共 3032 万人，因此假设国央企及事业单位人数预计有 8000 万人。

　　近年来，随着人工智能、数据挖掘等新技术的发展，集成电路行业迎来了数据中心引领发 展的阶段，对海量数据进行计算和处理将成为带动集成电路行业发展的新动能大规模张量 运算、矩阵运算是人工智能在计算层面的突出需求，高并行度的深度学习算法在视觉、语 音和自然语言处理等领域上的广泛应用使得计算能力需求呈现指数级增长。根据 Cisco 的预计，2021 年全球数据中心负载任务量将超过 2016 年的两倍，从 2016 年的不到 250 万个负载任务量增长到 2021 年的近 570 万个负载任务量。这也将驱动全球范围内云数据 中心、超级数据中心的建设速度不断加快，Synergy Research Group 预计到 2024 年，全 球范围内计算能力更强的超大数据中心将超过 1000 个。

　　人工智能算法的不断普及和应用，以及对商业计算和大数据处理的算力需求的不断增长， 使得全球范围内对于计算加速硬件的需求不断上升。根据 VerifiedMarketResearch 的数 据，2021 年全球 GPU 市场规模 335 亿元，2028 年全球 GPU 市场规模有望达到 4774 亿元， 22-30 年 CAGR 达 33.3%。作为 GPU 领域的代表性企业，英伟达在全球独立显卡的市占率高 达 80%。其高端 GPU 如 H100，A100 和 V100 等占据了 AI 算法训练市场绝大部分的份额。 英伟达数据中心业务收入在 2017 年仅为 19 亿美元，2021 年高速增长至为 106 亿美元。 从 2017 年至 2021 年，英伟达数据中心业务的 CAGR 达 53%，其增速远超英伟达其他板块 业务的收入增速。英伟达数据中心业务收入的快速增长体现了下游数据中心市场对于 GPU 等 AI 芯片的旺盛需求。

　　国内厂商 GPU 市占率不足 1%，美国对华制裁加速 GPU 国产替代。2015 年以来美国对 GPU 的制裁不断升级，美国国防部研究员曾提出中美竞争中，利用人工智能更多且更快的一方 将获胜。前几年主要是美国将中国超算中心及相关 GPU 芯片企业拉入实体清单，以此达到 限制中国 AI 以及超级计算机的发展，但是限制范围限于超算单一场景。2022 年 9 月，美 国针对 AI、HPC 及数据中心研发所用的高端 GPU 发出限制，英伟达的 A100 和 H100 以及 AMD 的 MI250 芯片暂停向中国客户销售。2022 年 10 月，美国升级禁令限制范围，对高算 力芯片的连接速度和每秒运算次数等具体参数做限制，除英伟达和 AMD 外，国内厂商海光 信息的部分产品也被加入到限制范围内。美国将制裁限制范围由应用场景扩大到芯片和产品层面，其实也是代表着国内相关 GPU 产品或下游应用发展超过美国政府的预期。我们认 为美国持续加大对中国高端芯片的出口限制，高速运算相关的 GPU、CPU 等芯片国产化进 程必然加快。从国产替代方案来看，景嘉微、海光信息、好利科技、壁仞科技（未上市） 等厂商有望受益。

　　现场可编程门阵列芯片 FPGA 的优势在低功耗，低延迟性: CPU 内核并不擅长浮点运算以 及信号处理等工作，将由集成在同一块芯片上的其它可编程内核执行，而 GPU 与 FPGA 都 以擅长浮点运算著称。FPGA 和 GPU 内都有大量的计算单元，它们的计算能力都很强。在 进行人工智能神经网络(CNN, RNN, DNN)运算的时候，两者的速度会比 CPU 快上数十倍以 上。但是 GPU 由于架构固定，硬件原来支持的指令也就固定了，而 FPGA 则是可编程的， 因为它让软件与应用公司能够提供与其竞争对手不同的解决方案，并且能够灵活地针对自 己所用的算法修改电路。虽然 FPGA 比较灵活, 但其设计资源比 GPU 受到较大的限制，例 如 GPU 如果想多加几个核心只要增加芯片面积就行，但 FPGA 一旦型号选定了逻辑资源上 限就确定了。而且，FPGA 的布线资源也受限制，因为有些线必须要绕很远，不像 GPU 这 样走 ASIC flow 可以随意布线，这也会限制性能。FPGA 虽然在浮点运算速度, 增加芯片 面积，及布线的通用性比 GPU 来得差，却在延迟性及功耗上对 GPU 有着显著优势。英特尔 斥巨资收购 Altera 是要让 FPGA 技术为英特尔的发展做贡献。表现在技术路线图上，那 就是从现在分立的 CPU 芯片+分立的 FPGA 加速芯片，过渡到同一封装内的 CPU 晶片+FPGA 晶片，到最终的集成 CPU+FPGA 系统芯片。预计这几种产品形式将会长期共存，因为 CPU 和 FPGA 的分立虽然性能稍差，但灵活性更高。

　　随着全球新一代通信设备以及人工智能与自动驾驶技术等新兴市场领域需求的不断增长， 预计全球 FPGA 市场规模将从 2021 年的 68.6 亿美元增长至 2025 年的 125.8 亿美元，年均 复合增长率约为 16.4%。根据 Gartner 预测，军工、航天特种 FPGA 市场稳定增长，占 FPGA 市场整体份额维持在 15%左右，FPGA 在航空航天和军事领域的应用越来越多，包括 飞行控制、传感器接口和图像处理的无人机系统，军用雷达射频信号处理等。国内复旦微 电和紫光国微在特种 FPGA 领域已经陆续突破 2xnm 及 1xnm，下游国产化率持续提升。另 一方面 FPGA 下游最大应用领域为通信行业，占比超过 40%，国内民用 FPGA 龙头为紫光同 创（紫光国微持股 30%）和安路科技，在通信领域验证加速，持续快速增长。

　　海外厂商主导全球 FPGA 市场，Xilinx 和 Intel 形成双头垄断，国内企业持续加大 FPGA 芯片的布局，成长空间巨大。

　　专用人工智能芯片（ASIC）的优势在于高性能和低功耗：ASIC 是面向人工智能领域而专 门设计的芯片，其架构和指令集针对人工智能领域中的各类算法和应用作了专门优化，以 使芯片在计算精度降低的情况下更耐用，这意味每一个操作只需要更少的晶体管，可以使 用更多精密且大功率的机器学习模型，同时用户能得到更正确的结果，ASIC 每瓦能为机 器学习提供比所有商用 GPU 和 FPGA 更高的量级指令。但 ASIC 并不擅长科学计算任务（CPU 和 GPU）、图形渲染任务（GPU）、通信调制解调任务（DSP）、对硬件架构进行重构（FPGA）， 且需要大量研发投入，研发周期长，产品定制程度高若不能保证出货量则单颗成本难以下 降。ASIC 的典型代表是谷歌 TPU 和寒武纪思元 AI 芯片，除此之外各大云厂商、互联网厂 商，如从百度 AI 业务分拆而来的昆仑芯，阿里平头哥，特斯拉以及比特大陆等也纷纷涉 猎。以谷歌 TPU 为例，因为它能加速其人工智能系统 TensorFlow 的运行，而且效率也大 大超过 GPU，谷歌的深层神经网络就是由 TensorFlow 引擎驱动的，其第四代张量处理器 (第四代 TPU 的性能是第三代的 2.7 倍) 是专为机器学习由谷歌提供系统设计，博通提供 芯片设计服务及 IP 授权服务，台积电提供 7 纳米制程工艺量身定做的，执行每个操作所 需的晶体管数量更少，自然效率更高。

　　1.3 存储芯片：看好 23 年存储板块有望迎来拐点，DDR5 内存放量

　　从 NAND 供给端看，各大厂商已有实质性减产动作，2023 年 NAND 供给位元涨幅收敛到 21%， 投片量涨幅收敛到 1%。根据 TrendForce 的数据，以存储位元计算，2023 年全球 NAND 供 给位元达 8954 亿（等价 8GB），同比增加 21%。以晶圆产出计算，2023 年全球 NAND 晶圆 产量 2061 万片（等价 12 英寸），同比增加 1%。展望 2023 年各大存储厂商 NAND 产能情 况，三星、YMTC 将增产，铠侠/WDC、海力士和美光都将减产，同时国内 NAND 大厂长江存 储受困于美国制裁，也将减产 128 层以上 NAND Flash 产品。在终端需求不景气以及 NAND 价格持续下跌的背景下，三星激进扩产的原因主要在于：1）NAND 芯片竞争对手较多，部 分竞争对手如铠侠与 WDC 的联盟产品组合单一，专注于 NAND 业务，缺乏 DRAM 的产品组合 来保护营业利润，因此总体抗风险能力略逊于其他同时专注于 DRAM 和 NAND 的存储厂商。 三星或希望通过激进的扩产计划，来抢占部分竞争对手的份额（历史上前几轮也是如此）。 2）三星一部分 NAND 的产能来自西安工厂，长期来看西安厂扩产能力有限，三星或在韩国 厂增加弥补西安厂产能下滑的风险。

　　从 NAND 需求端看，2023 年 NAND 终端需求位元同增 27%，供过于求的竞争格局有望缓解。 2023 年 NAND 需求位元达 8608 亿，同比增长 27%。手机、企业级 SSD 和 PC SSD 成为需求 位元最大的三大细分领域，2023 年需求占比分别达 31%、26%和 22%。其中，企业级 SSD 和手机端成为增长的主要贡献力量，需求位元分别同比增长 39%和 23%。PC SSD 受到需求 萎靡与单机搭载容量增速下滑的影响，需求位元成长仅 10%。企业级增长的原因主要系服 务器单机搭载闪存容量的上升，全球数据量指数级增长，数据存储的需求持续，因此预计 2023 年服务器单机容量会成长到 4167GB，同比增长 24.3%。手机端，我们看到 UFS 的渗 透率在不断提高，UFS3.1 成为中高端手机的标配，甚至部分旗舰手机已经搭载 UFS4.0， 有望带动 2023 年手机闪存容量成长到 219GB，同比增长 21.6%。此外，鉴于 ChatGPT 的横 空出世，我们认为将推动超高算力数据中心的需求，后续随着各种智能化应用终端的出现 将有望带动存储器的需求。

　　从 DRAM 供给端看，2023 年 DRAM 位元供给增幅不足 10%，DRAM 厂商扩产计划延后。根据 TrendForce 的数据，以位元计算，2023 年全球 DRAM 位元供给 1146 亿（等价 2GB），同 比增加 9%。以投片量计算，2023 年全球 DRAM 晶圆产量 1587 万片（等价 12 英寸），同比 增加 1%。展望 2023 年各大存储厂商 DRAM 供给位元情况，服务器有望首次超过手机 DRAM 业务成为供给位元的第一大产出，服务器占比 38%，手机占比 37%。服务器和 Consumer 则成为供给增速的主要贡献力量，分别同比成长 18%和 11%，Consumer 的高增长主要来自 车用 DRAM。从投片量看，三星、海力士和 CXMT 将增产，分别同比增加 5%、2%和 26%。美 光、南亚和力积电都将减产，分别同比减少 12%、21%和 22%。

　　从 DRAM 需求端看，消费类需求的萎靡导致 2023 年 DRAM 位元需求仅成长 10%。预计 2023 年 DRAM 需求位元达 1071 亿，同比增长 10%。其中，服务器和手机 DRAM 为需求最大的细 分领域，分别为 410 亿（38%）、385 亿（36%），分别同比增长 17%和 5%。2023 年 DRAM 位元需求增长幅度接近历史低位，主要基于以下原因：1）PC 市场或将陷入衰退。疫情期 间各类企业和学校等超前消费各类 IT 设施，PC 出货量持续超预期，未来 PC 出货量有恢 复常态的需求，海外 PC 市场陷入同比下滑的可能性较大。下游 PC OEM 已连续两季调低 PC DRAM 的采购量。2）DRAM 单机搭载容量增速不如 NAND，安卓的内存容量短期内接近上 限，23 年能够期待的也仅仅是 iPhone 15 的内存提升到 8GB。总体来看，手机内存容量也 仅仅从 5.2GB 成长到 5.6GB，同比增加 6.3%。

　　综合供需情况看，我们认为23年存储行业供过于求的竞争格局有望改善，NAND或先于DRAM 复苏。2022 年 NAND 供需差占需求的比例约 9%，2023 年这一数字将下降到 3.9%，供过于 求的情况大幅度缓解。大部分 NAND 厂商从 2022 年第四季度开始实质减产，同时叠加海外 云厂商在 2023 年上半年消化完原有的高价 SSD 库存后，有望在 2023 年下半年重启采购。 2022 年 DRAM 供需差占需求的比例约 8%，2023 年这一数字将下降到 7%，供过于求的情况 主要在 2023 年下半年开始缓解，供过于求的缓解要慢于 NAND Flash 市场。我们认为 DRAM 市场更晚复苏主要基于以下原因：DRAM 和 NAND 竞争格局不同。DRAM 市场呈现三星、海力士和美光三强争霸的格局，CR3 高达 96%，且呈现逐年上升的趋势。随着 DRAM 制程越来越 接近 10nm，EUV 成为 DRAM 迈向更先进制程的必备工具，进一步提高新玩家进入 DRAM 行业 的门槛。在竞争格局稳定的情况下，三大厂商在 DRAM 上的减产意愿并不明显，导致 DRAM 库存可能在 23 年第三季度才能见顶。而 NAND 所有原厂早已明确开始减产，并且 NAND 价 格在 2022 年第四季度已经跌破了现金成本，各厂商减产意愿更显著，我们看好 NAND 厂商 库存更早见顶迎来拐点。

　　今年我们建议关注半导体领域弹性最大的存储板块，有望在 2023 年下半年迎来止跌。回 顾世界半导体贸易统计组织（WSTS）披露的历年全球半导体各板块销售同比增速，存储行 业的营收增速从见顶到见底通常为 1-2 年：2H2006-1H2008，②2H2020-1H2011,③ 2H2014-1H2016,④2H2017-1H2019。从上一轮周期看，存储板块的销售增速在 2017 年上半 年见顶，2019 年年中见底。本轮周期中，存储的销售增速在 2021Q3 见顶，2022 年增速转 负，但随着三大厂商陆续降价去库、削减资本开支等减少供给，同时汽车智能化快速推进、 高端制造信息化升级驱动汽车、工业、医疗等行业强劲的市场需求，以及 ChatGPT 将大力 推动数据中心建设均将带来大量存储器需求，我们预计存储板块有望在 23Q3-23Q4 迎来止 跌。

　　除此之外，为了能够梳理 CPU 与 DDR5 内存之间大量的数据存取，整体 DDR5 模组中 DDR5 1+10 内存接口芯片比重应该会提升超过 10%，内存接口芯片面积也会加大，还要推新串行 检测，温度传感，电源管理芯片等配套芯片。Trendforce 研究机构还预期 DDR5 模组的电 源 管 理 芯 片 因 产 能 短 缺 ， 可 能 面 临 缺 货 的 窘 境 。 我 们 估 计 2022 年 澜 起 ， Renesas/IDT,Rambus 将分食 40%/40%/20%的 DDR5 内存接口芯片份额，而目前仅澜起及 Renesas/IDT 能提供完整的内存接口芯片加配套芯片解决方案。根据 Yole 的数据，2022 年内存接口芯片及配套芯片市场规模达 11 亿美元，2028 年市场规模有望成长到 40 亿美 元，21-28 年 CAGR 达 28%。

　　以太网是 IEEE 电气电子工程师协会制订的一种有线局域网通讯协议， 应用于不同设备 之间的通信传输。以太网自 1973 年发明以来，已经历 40 多年的发展历程，因其同时具 备技术成熟、高度标准化、带宽高以及低成本等诸多优势，已取代其他网络成为当今世界 应用最普遍的局域网技术，覆盖家庭网络以及用户终端、企业以及园区网、运营商网络、 大型数据中心和服务提供商等领域，在全球范围内形成了以太网生态系统，为万物互联提 供了基础。

　　机器学习需要海量的数据资源素材作为基础，高清摄像头、语音采集等终端设备联网增多 带来数据量不断上升，图像视频处理、模式识别和计算机视觉等领域的数据传输量巨大， 均急需快速、高效、可靠、稳定的网络传输作为基础。 云服务商最早在 2010 年就在超大规模数据中心中采用 10GbE 服务器。随着人工智能和 机器学习等应用的快速发展，超大规模服务器已经开始使用 25GbE，并正在向 50GbE 及 更高级别过渡。数据中心独特的网络架构推动了 100、200 和 400 GbE 的多种多模和单模 光纤解决方案。以英伟达为例，英伟达可以提供完整的以太网解决方案，从服务器连接到 电缆再到交换，端到端解决方案可跨各种应用领域（例如云计算、数据存储、人工智能等） 提供行业领先的性能、可扩展性、可靠性和价值。其中英伟达的 Spectrum 以太网交换机 系列支持 16~128 个端口，最高可支持高达 400GbE 的规模。

　　以太网芯片主要包括 PHY（物理层）芯片和交换芯片。以太网 PHY 芯片工作于 OSI 网络模 型的最底层，是以以太网有线传输为主要功能的通信芯片，用以实现不同设备之间的连接， 广泛应用于信息通讯、汽车电子、消费电子、监控设备、工业控制等众多市场领域。具体 而言，PHY 芯片连接数据链路层的设备（MAC）到物理媒介，并为设备之间的数据通信提 供传输媒体，处理信号的正确发送与接收。当涉及到多个端口的数据交互时，需要使用以 太网交换芯片，其工作原理为对需要传输的数据、报文进行分类、检测、交换、缓存、修 改等处理，从而达到数据交换传输目的。

　　近年来，随着云计算政策环境日趋完善及技术不断发展成熟，其应用逐渐从互联网行业向 政务、金融等传统行业发展，同时加上疫情加速企业上云的进度，叠加人工智能应用的强 力拉动，市场对数据中心用以太网交换芯片行业需求将逐渐加大。根据观研天下数据，以 销售额计，2020 年，我国商用数据中心用以太网交换芯片行业市场规模为 52.6 亿元，预 计至 2025 年将达到 120.4 亿元，并且将成为以太网交换芯片行业市场增长的主要推动力。

　　在全球以太网物理芯片市场竞争中，博通、美满电子、瑞昱、德州仪器、高通和微芯稳居 前列，前五大以太网物理层芯片供应商市场份额占比高达 91%。在中国大陆市场，以太网 物理层芯片市场基本被境外国际巨头所主导。在中国大陆市场，以太网物理层芯片市场基 本被境外国际巨头所主导。 同时在技术上，我国厂商也较海外巨头有一定差距。以太网 PHY 芯片当中，裕太微目前仅有 100 兆、1000 兆、2.5GPHY 芯片，而 5G/10G 的以太网芯片还在技术预研阶段。而景略 微电子只有百兆和千兆的 PHY 芯片，而博通 PHY 芯片单端口速率最高达到 100G，并可以 通过多个端口实现支持 800G 以太网的能力。而在交换芯片领域，裕太微的千兆交换芯片 仍在研发当中，景略半导体的千兆交换芯片已经实现量产，而海外巨头厂商的交换芯片最 高单端口速率已达到 100G。

　　电源管理芯片属于模拟芯片，是电子设备的电能供应心脏，负责电子设备所需的电能变换、 分配、检测等管控功能。电源管理芯片是电子设备中的关键器件，其性能优劣对电子产品 的性能和可靠性有着直接影响，广泛应用于各类电子产品和设备中，是模拟芯片最大的细 分市场之一。 电源管理芯片同步电子产品技术和应用领域升级，产品种类繁多。主要类型包括：电源管 理、AD/DC、DCDC、锂电池充电管理芯片、CPU 电源监测电路、负载开关、LED 驱动器等。 广泛应用于手机与通讯、消费类电子、工业控制、医疗仪器、汽车电子等应用领域，随着 物联网、新能源、人工智能、机器人等新兴应用领域的发展，电源管理芯片下游市场持续 发展。

　　根据世界半导体贸易统计协会数据统计，2020 年电源管理芯片占全球通用模拟芯片市场 规模的 62%，信号链产品占比约为 38%。根据世界半导体贸易统计协会的数据，2012 至 2020 年，全球模拟集成电路的销售额从 401 亿美元提升至 557 亿美元，年均复合增长 为 4.45%。全球模拟集成电路市场在 2019 年经历短期下滑后恢复增长，到 2021 年模拟 集成电路销售额预计将达到 728 亿美元，同比增长 30.87%。未来，随着电子产品在日常 生活中的更广泛普及，以及通讯、人工智能、物联网、车联网等新兴行业的发展变革，模 拟集成电路行业凭借“多品类、广应用”的特点，将有更加广阔的发展空间。

　　人工智能有望加速服务器电压转向 48V，DC-DC 受益明显。现代数据中心的每个机架平均 提供 3kW-5kW 的功率，为服务器、存储器和网络机架供电。大部分功率会供给基础 CPU， 以确保其能高效率工作。因此，传统 12V 电源架构被广泛采用。 但随着云计算、人工智能应用以及大功率处理器和加速器需求的不断增长，数据中心也在 不断发展以适应新的大功率需求。例如，早期 AI 市场超级计算机的整个电源系统需要 3200W 的功率。第二代 AI 的功率需求增长了三倍，使整个电源系统的总功率达到了 10kW。 由于分配大电流时功率损耗随电流的平方增大，必须在背板或走线中使用更多的铜来控制 配电损耗。这样最终会限制系统的功率传输。因此电源采用 48V 配电电压，能够将配电损 耗降低 16 倍，可以有效满足行业发展的需求。 48V 直流供电需要从 AC/DC 电源应用到各运算板的 DC-DC 电源输入端，根据松下公司所提 供的两种参考方案，需要引入一个 DC-DC 转换器，或者两个 DC/DC 转换器。因此未来服务 器电源转向 48V 的趋势，将大幅拉动 DC-DC 产品的需求。

　　国内模拟集成电路市场仍旧主要被德州仪器、恩智浦、英飞凌、思佳讯和意法半导体等国 际龙头模拟集成电路企业所占据，上述五大厂商占据了 35%的国内集成电路市场份额。而 在电源管理芯片领域，国内企业 CR5 不到 10%，高端产品仍然被海外厂商占据。电源管理 芯片的国产替代空间广阔。

　　我国电源管理芯片利用虚拟 IDM 模式，与晶圆厂紧密合作，产品性能已能与国际大厂产品 对标。根据杰华特招股说明书，其应用于汽车电子、通讯电子和工业应用的 100V 大电流 DC-DC 降压控制器，以及应用于通讯电子、计算和存储领域的 DC-DC 智能功率级模块，核 心指标已经达到了国际先进标准。

　　需求端，为了更高的数据运算和传输效率来支持技术不断迭代更新云计算平台，PaaS 对 IaaS 以及更上游零部件提供的新代更优产品有较为迫切的需求。供应端，数据运算和传 输效率的性能提升来自两方面：服务器设备数量的增加和单设备算力的提升，其中服务器 算力的提升主要依靠整个服务器平台（CPU+芯片组+总线）。

　　AI 需求兴起将加速服务器平台向更强大性能设备方向的产品换代需求。PCB/CCL 行业在这 一发展过程中将呈现产品价值量普遍提升的趋势。从主流厂商规划来看，目前 Intel 服务 器平台正经历从 Whitley 升级至 Eagle Stream 的过程，其中 PCB 层数将从 12-16 层升级 到 16-20 层，价值量将会至少提升 50%，CCL 等级将从 Low Loss 升级至 Very Low Loss， 价值量将提升 50%~100%，可见服务器升级将给 PCB/CCL 带来显著的价值增长。

　　从格局上来看，大陆 PCB 厂商因配合国内服务器厂商研发和供应，已经在全球服务器 PCB 竞争中占有一席之地，只要服务器升级放量，则会对相应的大陆 PCB 厂商带来拉动；大陆 CCL 在全球市场竞争中布局相对较慢，全球特种基材 CCL 市场（包括高速 CCL）竞争中仅 有生益科技进入全球前十大供应商，可见国内 CCL 在高端 CCL 市场仍处于追赶的阶段。 基于此，我们认为从投资上对 PCB 和 CCL 应当采取两种策略，大陆 PCB 厂商因已经形成明 确的格局，行业层面放量能够直接催化公司基本面上行。

　　AI 对算力提出了较高要求，但随着先进制程的提升越发缓慢，先进封装将成为解决多芯 片之间高速互连的关键方向（预计未来复合增速达到 9.8%），而载板作为先进封装的核 心材料（成本占比达到 50%），有望在算力提升的大背景下打开价值空间。 载板的作用是为 CPU 等芯片与 PCB 母板之间提供电气连接与物理支撑。随着 GPU/CPU 芯片 的性能提升，其对相应载板的要求也水涨船高，具体来说，FCBGA 载板最能够满足 AI 运 算高性能需求。AI 技术发展对先进封装技术要求进一步提升，而 FCBGA 作为能够实现芯 片高速化与多功能化的高密度半导体封装基板，相较 FCCSP 产品而言具有层数多、面积大、 线路密度高、线宽线距小等特点，能够承载 AI 高性能运算。根据 CPCA，PGA/LGA/BGA 产 品 2021-2026 间 CAAGR 将达 11.5%，到 2026 市场空间超 120 亿美元，为载板产品中增长 最快、价值量最高的产品。

　　载板应产业链壁垒和技术壁垒较高，因此该市场长期被日韩台厂商高度垄断，根据 2021 年数据，目前国内主要载板公司深南电路、兴森科技在全球的市占率合计不到 5%。我们 认为随着半导体产业链国产替代趋势凸显，国内厂商布局步伐加快将带来快速成长机会， 行业上升空间较大。国内载板厂商已经形成鲜明的布局梯队，其中深南电路、兴森科技、 珠海越亚因布局较早成为国内布局第一梯队厂商，景旺电子、博敏电子、中京电子、崇达 技术等也在相应做载板相关布局，我们认为在当前国产替代迫在眉睫的阶段，应当首先关 注第一梯队厂商与大客户配合情况，其次应跟踪第二梯队厂商的技术突破情况。

　　受益于全球数据量快速增长，光通信逐渐崛起。在全球信息和数据互联快速成长的背景下， 终端产生的数据量每隔几年就实现翻倍增长，当前的基础电子通讯架构渐渐无法满足海量 数据的传输需求，光电信息技术逐步崛起。光通信是以光信号为信息载体，以光纤作为传 输介质，光芯片实现电光转换，将信息以光信号的形式进行信息传输的系统。光通信传输 过程中，发射端将电信号转换成激光信号，然后调制激光器发出的激光束，通过光纤传递， 在接收端接收到激光信号后再将其转化为电信号，经调制解调后变为信息，其中需要光芯 片来实现电信号和光信号之间的相互转换，光芯片是光电技术产品的核心，广泛应用于 5G 前传、光接入网络、城域网和数据中心等场景，处于光通信领域的金字塔尖。光芯片 可以进一步组装加工成光电子器件，再集成到光通信设备的收发模块实现广泛应用。

　　光芯片按功能可以分为激光器芯片和探测器芯片。激光器芯片主要用于发射信号，将电信 号转化为光信号，探测器芯片主要用于接收信号，将光信号转化为电信号。激光器芯片根 据谐振腔制造工艺的不同可分为边发射激光芯片（EEL）和面发射激光芯片（VCSEL）。边 发射激光器芯片是在芯片的两侧镀光学膜形成谐振腔，沿平行于衬底表面发射激光，而面 发射激光器芯片是在芯片的上下两面镀光学膜，形成谐振腔，由于光学谐振腔与衬底垂直， 能够实现垂直于芯片表面发射激光。面发射激光器芯片有低阈值电流、稳定单波长工作、 可高频调制、容易二维集成、没有腔面阈值损伤、制造成本低等优点，但输出功率及电光 效率较边发射激光芯片低。面发射芯片包括 VCSEL 芯片，边发射芯片包括 FP、DFB 和 EML 芯片；探测器芯片主要包括 PIN 和 APD 两类。

　　需求端，数据中心和电信双轮驱动，预计 2027 年全球光模块市场规模超 200 亿美元，22-27 年 CAGR 达 11%。随着光电子、云计算技术等不断成熟，更多终端应用需求不断涌现，并 对通信技术提出更高的要求。受益于全球数据中心、光纤宽带接入以及 5G 通讯的持续发 展，光模块作为光通信产业链最为重要的器件保持持续增长。根据 LightCounting 的数据， 2027 年全球光模块市场规模预计将超过 200 亿美元，22-27 年 CAGR 达 11%。

　　供给端，海外光芯片厂商具备先发优势，国内厂商乘国产替代东风正迎头赶上。我国光 芯片产业参与者主要包括海外头部光通信厂商、国内专业光芯片厂商及国内综合光芯片模 块厂商。1）海外头部光通信厂商：三菱电机、住友电工、马科姆（MACOM）、朗美通（Lumentum）、 应用光电（AOI）、博通（Broadcom）等；2）国内专业光芯片厂商：源杰科技、武汉敏芯、 中科光芯、雷光科技、光安伦、云岭光电等；3）国内综合光芯片模块厂商或拥有独立光 芯片业务板块厂商：光迅科技、海信宽带、索尔思、三安光电、仕佳光子等。从竞争格局 和产品布局看，以住友电工、马科姆（MACOM）、博通（Broadcom）为代表的欧美日综合 光通信企业在高速率光芯片市场占据主导地位，而中国厂商在中低速率芯片市场占据优 势，国产化率较高，但高速光芯片仍存在差距。

　　2.1 ChatGPT 大幅提振算力需求，带动服务器增长与 AI 服务器占比提升

　　ChatGPT 引发高算力需求，带动服务器出货量增长。ChatGPT 背后的支撑是人工智能大模 型。在大模型的框架下，每一代 GPT 模型的参数量和数据量均高速扩张，需要庞大的算力 基础设施维持。据 OpenAI，截至 2023 年 1 月，ChatGPT 月活跃用户数已达 1 个亿；2 月 7 日-2 月 9 日 ChatGPT 官网多次因为满负荷而无法登入，再次显示当前算力不足的问题，未来随着 AIGC 逐步普及，用户访问量提升。ChatGPT 的快速渗透、落地应用，将大幅提 振算力需求，带动服务器等基础设施迅速增长。据 TrendForce 预测，2023 年全球服务器 出货量约 1,443 万台，年成长率收敛为 1.31%。随着 AI 应用的快速发展，服务器出货量 明显增加，据 MIC 预测，2025 年全球服务器出货量将达到 1570 万台。2022-2025 年全球 服务器出货量年均复合增长率约 3.3%。根据 IDC 数据，全球服务器市场规模将在 2023 年 放缓，但预计 2021-2026 年 CAGR 达到 10.2%。

　　服务器是数据中心最大的成本支出部分。根据中商情报局数据，在硬件采购成本中，服务 器占比达 69%，网络设备（交换机和路由器）、安全设备、存储设备和光模块/光纤/网线 等分别占数据中心硬件采购成本的 11%、9%、6%和 5%，不同方案略有不同，但总体上服务 器成本占数据中心硬件成本 70%左右，是数据中心基础设施的重要组成部分。

　　ChatGPT 带动 AI 服务器占比提升。除存储型服务器以外，数据中心还具有比例不小的算 力型服务器，此类服务器的重要应用是人工智能。TrendForce 观察到自 2018 年新兴应用 题材的兴起，包含自动驾驶汽车、AIoT 与边缘运算，诸多大型云端业者开始大量投入 AI 相关的设备建设。据 TrendForce 统计，截至 2022 年，预估搭载 GPGPU（General Purpose GPU）的 AI 服务器年出货量占整体服务器比重近 1%，而 2023 年预估在 ChatGPT 加持下， 可望再度刺激 AI 相关领域的活络，预估出货量年成长可达 8%；2022-2026 年年均复合增 长率将达 10.8%。

　　浪潮信息 AI 服务器产品矩阵丰富，占据全球市场领先地位。根据 IDC 数据，2021 年全球 AI 服务器市场规模达 156 亿美元（约合人民币 1006 亿元），其中浪潮信息市场占有率达 20.9%，份额同比提升 3.6%，销售额同比增长 68.3%，继续保持全球市场第一。目前浪潮 AI 服务器主要产品型号包括 NF5688M6、NF5488A5 等，2021 年二者在国际权威 AI 基准测 试 MLPerf 榜单中，获得医学影像分割、目标物体检测、自然语言理解、智能推荐等 7 项 训练冠军，可满足包括自然语言理解等在内的多项 AI 训练需求。此外，浪潮在 AI 领域的 积累还包括 AI 资源平台、AI 算法平台等，具备大量算力解决方案实施经验。 受益于 ChatGPT 浪潮，中科曙光 AI 算力业务成长有望提速。中科曙光自 2019 年起在 AI 算力领域前瞻布局，依托先进计算领域的先发优势和技术细节，构建了完整的 AI 计算服 务体系，已与百度、复旦大学等企业及科研院所深度合作，且在国内参建、运营和管理近 百家先进计算中心、智算中心、云中心等，具有行业领先规模计算资源。目前，曙光布局 首个“全国一体化算力服务平台”，可帮助用户完成 AI 大模型训练等复杂计算任务，并 已接入全国上百座计算中心算力资源。2022 年 9 月 3 日，在上海世界人工智能大会上， 亿欧智库发布《2022 中国算力服务市场发展研究报告》，曙光算力服务（由曙光智算运 营）获得综合价值力第一名，多个指标问鼎榜首，整体综合实力凸显。

　　2.2 ChatGPT 刺激高速率光模块占比提升，CPO 产品迎来爆发期

　　ChatGPT 带动云计算产业链升级，800G 光模块占比提升。据 Lightcounting，光模块市场 规模 2021-2026 年将以 14%的 CAGR 增长至 2026 年的 176 亿美元。2023 年光通信在云计算 产业链细分赛道中增速与景气度最高。AI 大模型训练需要高算力支持，数据量、流量增 长带动 800G、400G、200G 等高速率产品出货量与渗透率持续提升。LightCounting 指出， 全球 TOP5 云厂商阿里巴巴、亚马逊、Facebook、谷歌和微软 2020 年在以太网光模块上的 支出为 14 亿美元，到 2026 年其支出将增加至超过 30 亿美元。800G 光模块将从 2025 年底开始主导这一细分市场。 中际旭创 800G 前沿产品接收小规模批量订单，有望开辟新增长曲线。ChatGPT 推动全球 AI 算力需求，光模块产品尤其是 800G 前沿产品，有助于满足国内外未来对算力的深层需 求。中际旭创作为全球高速率数通光模块龙头，目前 800G 等新产品技术储备充足，去年 Q4 已实现小批量出货，今年已接收到海外客户批量部署订单，有望大幅度提高 800G 出货 量，再次占先发优势，巩固龙头地位。

　　ChatGPT 带动 CPO 等先进封装技术的需求，天孚通信和中际旭创初步布局。随着算力消耗 指数级增长，硅光模块技术，以及 CPO（co-packaged optics，共封装光学）等先进的封 装工艺符合 AIGC 的高算力、低功耗、低成本综合需求。CPO 就是把交换芯片和光引擎（光 模块）封装在一起。光引擎或光模块的主要功能是将输入的光纤信号转换为数字信号，同 时将 ASIC（专用集成电路）芯片输入的数字信号转化为光信号进行输出。CPO 不断演进， 2.5D CPO 直接将光驱动与 Switch ASIC 封装在同一个基板上，进一步缩短线距，增加 I/O 密度；3D 封装技术将光学 IC 直接连接到中介层上，实现小于 50um pitch 的 I/O 间距的 相连。光电共封的方式缩短了交换芯片和光引擎间的距离，使得电信号能够更快的在芯片 和光模块之间传输，提高了效率，减少了尺寸，还降低了功耗。因此，CPO 的高效率、低 功耗有可能成为后续 AI 高算力下最好的解决方案，也是目前最有希望解决 ChatGPT 算力 需求的一个方向。在 ChatGPT 浪潮下，CPO 产品将会迎来 3-5 年的黄金爆发性成长时期, 目前天孚通信和中际旭创在 CPO 封装领域已有所布局。

　　（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）