2024半导体行业报告：AI创新驱动成长新周期

AI真的“狼来了”

AI的发展历程

AI的诞生。1950年，艾伦•图灵（AlanTurin）写了论文《计算机器与智能》，提出图灵测试用来检测机器智能水平；1956年，美国达特茅斯学院举行了历史上第一次人工智能研讨会，被认为是人工智能诞生的标志。lAI诞生后经历了三次浪潮，我们认为，前两次主要由政府和科研单位推动，第三次主要由产业界推动。

为什么是现在？量变带来质变，AI已到临界点。Ø数据量：移动互联网时代，数据量快速增长。根据IDC的数据，2010年底全球数据量为1.2ZB，2022年突破100ZB，增长了近百倍。Ø算力：2006年，英伟达发布首个通用GPU架构Tesla，采用CUDA架构，GPU从专用图形处理器转为通用数据并行处理器；2012年AlexNet用两块GTX580GPU赢得了ImageNet图象识别大赛，英伟达日益加大CUDA投入；2022年英伟达推出的H100SXM5FP32单精度算力为60TFlops。Ø算法：各类深度学习框架和模型推出。

半导体技术是AI背后的功臣。过去三十年AI的重大里程碑都是由当时的先进半导体技术实现的，比如赢得ImageNet竞赛的GPU使用了40nm技术，AlphaGo征服围棋游戏使用28nm技术，ChatGPT的初始版本采用5nm技术。

算力、存力是AI的基础，先进封装为其助力

AI大模型所需算力大幅增加

Transformer类AI大模型所需算力平均每2年增长750倍，对计算芯片的算力提出了极高的要求。l智能算力是面向人工智能应用，提供人工智能算法模型训练与模型运行服务的计算机系统能力。Ø根据中国信通院数据，2022年全球算力总规模达到906EFLOPS，其中智能算力（FP32）为451EFLOPS。Ø根据IDC的数据，2022年中国智能算力（FP16）规模达259.9EFLOPS，预计2027年将增加到1117.4EFLOPS，CAGR达34%。

预计2024年AI服务器出货量165万台，美国四大CSP需求超6成。根据TrendForce的预测，2024年全球服务器整机出货量将增长2.05%至1365.4万台，其中AI服务器出货占比将提高至12.1%，出货量165万台。美国CSP主导对AI服务器需求，Microsoft、Google、AWS、Meta合计需求超6成。lAI服务器加速芯片以英伟达GPU为主，占比高达6-7成，CSP业者有扩大自研ASIC的趋势。

AI芯片主要包括GPU、FPGA、ASIC。AI芯片也被称为AI加速器或计算卡，是专门用于处理人工智能应用中的大量计算任务的模块，主要包括图形处理器（GPU）、现场可编程门阵列（FPGA）、专用集成电路（ASIC）等。l预计2027年AI芯片市场规模达1194亿美元。根据Gartner的数据，2022年全球AI芯片市场规模为442亿美元，预计2027年增长至1194亿美元。

GPU起于图形处理，兴于通用计算。GPU的推出最初是为了解决CPU在图形处理领域性能不足的问题；之后演变出GPGPU，增加专用向量、张量、矩阵运算指令，提高浮点运算的精度和性能，以满足AI等通用计算需求。lGPU架构持续演进。英伟达H100计算性能较A100提升约6倍；预计2024年将推出的基于Blackwell架构的B200算力是H100的5倍。

各领域存储容量均将增长，其中数据中心、工业、汽车增速较高。根据美光科技的预测，2021-2025年DRAM容量的CAGR为14-19%，其中数据中心、工业、汽车分别为28%、24%、40%；NAND容量的CAGR为26%-29%，其中数据中心、工业、汽车分别为33%、45%、49%

异构数据中心推动存储容量增加

异构数据中心存储容量数倍增长，预计2021-2030年数据中心存储TAM的CAGR为14%。异构计算系统是由CPU加上GPU/ASIC/FPGA等各种加速器构成的计算体统，以更优、更经济的解决计算任务，包括AI大模型。美光预计2025年服务器所需要的NAND和DRAM容量分别是2021年的3倍和2倍，2021-2023年总市场规模CAGR为14%。l所需存储容量和AI模型参数量正相关。

HBM可解决部分“内存墙”问题

AI发展中面临“内存墙”问题。内存墙问题既包括内存容量大小不足，也包括内存的传输带宽不足。Ø大语言模型Transformer参数量平均每2年增长410倍，但加速器DRAM内存每2年仅增长2倍。Ø过去20年峰值算力提高了90000倍（平均每2年3.0倍），DRAM带宽仅提高了100倍（平均每2年1.6倍），互联带宽仅提高了30倍（平均每2年1.4倍）lHBM可以满足算力芯片对内存带宽的需求。高带宽内存（HighBandwidthMemory，HBM）是通过TVS技术将DRAM裸片垂直堆叠的3DDRAM，与GPU一起封装以实现更高的传输带宽。相较于其他DRAM的集成方式，HBM存储单元外的导线短，数据传递速度快，损耗小。

HBM于2015年商用，技术不断迭代。2013年HBM被半导体行业标准机构JEDEC正式采纳，2015年AMDRadeonFury系列率先搭载SK海力士生产的全球首款HBM，之后HBM沿着HBM1、HBM2、HBM2e、HBM3演进，容量和带宽均明显提升。HBM3于2022年1月发布，并在H100中率先搭载。最新的HBM3e预计将在2024年下半年逐季放量。

HBM由SK海力士、三星、美光主导

HBM在DRAM产能和产值中的占比快速提升。根据TrendForce预计，2024年HBM需求位元增长近2倍，2025年有望再翻倍；预计2025年HBM占DRAM总产能的比例将超过10%；由于HBM单价高，预计2025年其占DRAM总产值的比例将超过30%。lHBM由SK海力士、三星、美光主导。根据TrendForce数据，2022年SK海力士、三星、美光HBM市占率分别为50%、40%、10%，集中度相对较高。截至2024年底，预计三星、SK海力士、美光HBM的产能分别为13万片/月、12+万片/月、2万片/月。

集成电路行业进入了“后摩尔时代”。集成电路制程工艺已接近物理尺寸的极限，进入了“后摩尔时代”。l从集成器件到集成小芯片。通过芯片异构集成，将传感、存储、计算、通信等不同功能的元器件集成在一起，可以突破光罩限制，进一步提高集成度，平衡计算性能、功耗、成本。比如台积电的CoWoS（Chip-on-Wafer-on-Substrate）技术可以容纳六个掩模版区域的计算芯片，及十几个高带宽内存（HBM）芯片。

CoWoS成为AI芯片的主要封装形式。台积电2008年底成立集成互连与封装技术整合部门，2011年推出CoWoS封装技术，2013年在赛灵思28nm的FPGA上量产，之后随着AI的发展被大量采用，包括英伟达H100和AMDMI300，通过CoWoS将GPUDie和HBMDie集成在一起。lTSV技术是HBM的核心。HBM通过3DTSV（硅通孔）技术将多层DRAMDie堆叠起来。l台积电扩产CoWoS。台积电表示，2023-2026年公司CoWoS产能将以60%的CAGR增长。TrendForce预计2024年底台积电CoWoS月产能将接近40K，2025年规划总产能接近翻倍。

预计2022-2028年高性能封装市场规模CAGR达40%。根据Yole的预测，高性能封装市场规模将从2022年的22.1亿美元增长至2028年的167亿美元，CAGR达40%。Ø按终端市场来看，2022年最大的下游是通讯/数据中心，占比超过60%；随着消费电子（含手机）以50%的CAGR增长，到2028年将成为第一大下游；2022-2028年CAGR最高的下游是汽车，达72%。Ø按技术来看，3D堆叠存储（包括HBM，3DS，3DNAND）占比最大，预计2028年贡献70%；2022-2028年增速较高的是3DSoC、有源硅中介层、嵌入式硅桥和3DNAND堆栈。

AI应用落地对半导体的推动将更为长远

AI应用落地对半导体的推动将更为长远

2023年英伟达CEO黄仁勋提出“我们正处于AI的iPhone时刻”；2024年又提出AI已到“TippingPoint”。l我们认为，AI对人类的影响更甚于过去的通讯技术、互联网技术。在AI基建和大模型算法的良性循环下，我们认为AI的应用将逐渐落地，从特定人群使用走向千家万户。通讯技术催生出了手机，互联网技术催生出了电脑和智能手机，AI除了赋能现有终端外，更可能使期待已久的人形机器人、自动驾驶汽车成为现实，或者催生出未知终端，赋能基础研究。

2023年全球智能手机出货量11.6亿部，同比减少3%。根据IDC的数据，全球智能手机在2015年后结束高增长，2017-2023年间仅2021年实现同比6%的增长，2023年同比减少3%至11.6亿部。l1Q24全球智能手机出货量同比增长8%至2.89亿部。从短期季度数据来看，经过4Q22和1Q23两位数同比减少后，2Q23同比降幅明显收窄，3Q23至1Q24连续三个季度同比增长，1Q24出货量为2.89亿部，同比增长8%，环比减少11%。

2024年是AI手机元年

2011年10月，苹果在iPhone4S上推出第一个人工智能作品Siri。之后，AI在手机中的应用主要集中在语音助手、人脸识别、拍照美化等，模型参数量通常不超过1000万。l2023年大模型在手机端运行成为可能。2022年发布的ChatGPT参数量达17.5B，远超手机的能力。2023年，可在手机端运行的模型出现，比如Meta2月发布的大语言模型LLaMA包括7B/13B/33B/65B4种参数量；

谷歌5月发布的大语言模型PaLM2也包含4种不同参数量，其中参数量最小的Gecko模型可以在手机上运行，即使不联网也能正常工作，且运行速度足够快；3月，高通利用骁龙平台的AI软件栈，首次在Android智能手机内运行了参数超过10亿的StableDiffusion模型。l2024年是AI手机元年。OPPO首席产品官表示“AI手机将是继功能机、智能机之后，手机行业的第三个重大的变革阶段”。集成大模型的手机将打破传统应用壁垒，成为用户真正的智能助手。

AI手机的用户价值：自在交互、智能随心、专属陪伴、安全可信的个人化助理。l预计AI手机渗透率将快速提升。IDC预计2024年全球新一代AI手机的出货量将达到1.7亿部，约占智能手机整体出货量的15%。其中中国市场新一代AI手机在2024年的出货量将达到3700万台，2027年达到1.5亿台，所占市场份额超过50%。

AI手机为半导体带来哪些变化？Ø处理器性能提高。手机是多模态设备，除了处理文本外，也需要处理图像、视频，算力需求会增加。2023年10月高通发布的骁龙8Gen3支持运行100亿参数端侧大模型；2023年11月联发科发布的天玑9300支持运行10亿至330亿参数的端侧大模型。Ø内存容量和带宽提高。在端侧跑13B大模型需要13GB的内存，再加上操作系统需要的内存，预计未来AI手机的基础配置将达到16GB或更高；另外，端侧运行13B大模型需要的内存带宽达130GB/s，比现有旗舰机的配置翻倍不止。因此，内存的容量和性能均需要提升。Ø功耗管理需求增加。虽然目前AI手机的电源管理芯片没有看到明显的需求变化，但我们认为，随着AI功能的使用增加，大模型运算会导致功耗变大，对负责能耗管理/充电管理的电源管理芯片在数量或性能方面也将提出新的需求。

2023年全球PC出货量2.6亿台，同比减少14%。根据IDC数据，全球PC出货量的高点在2011年，达3.6亿台；2012-2023年仅2020/2021年由于在线办公学习需求增速达两位数；2023年同比减少14%至2.6亿台，回到了2012年以来的最底部。l1Q24全球PC出货量同比增长2%至0.60亿台。从季度数据来看，全球PC出货量自1Q22以来持续同比下降，1Q24同比转正，同比增长2%至0.60亿台，环比减少12%。

2024年也是AIPC元年

2023年英特尔启动AIPC加速计划，发布为AIPC而生的酷睿Ultra处理器。2023年10月，英特尔启动AIPC加速计划，将在2025年前为超过1亿台PC带来AI特性；2023年12月，英特尔在北京举办以“AI无处不在，创芯无所不及”为主题的2023英特尔新品发布会上发布了酷睿Ultra处理器，这是英特尔首款支持端侧部署AI模型的消费级处理器，除内置CPU和GPU外，还内置了英特尔专为AI处理需求研发的专业NPU模块。最大可支持20B量级的AI模型本地部署，对话、资料整理、答疑、文生图等功能都可以在不通过云端AI模型的情况下，完全由本地NPU进行运算生成。l2023年10月，高通推出骁龙XElite处理器，可在本地支持13B的大模型；2024年4月推出骁龙XPlus处理器。l2024年也是AIPC元年。各PC厂商基于英特尔酷睿Ultra处理器、AMD锐龙处理器和高通骁龙X发布AIPC；微软在2024年5月的新品发布会上推出Windows11AIPC（Copilot+PC）；2024年5月苹果发布M4芯片，搭载该AI芯片的AIPC有望年底前亮相。

人工智能的需求正在爆发，AIPC是大模型普惠于人的首选终端。用户不仅需要公共的大模型服务，更需要专属自己的个人大模型，个人大模型的普惠要求和PC的承载优势完美契合，显示着PC将再一次承载技术普惠的历史使命，成为AI普惠的首选终端。l什么是AIPC？Ø英特尔和微软合作定义的AIPC：英特尔的酷睿Ultra处理器，该处理器内置神经处理器单元（NPU），用于处理AI工作负载；微软的人工智能聊天机器人Copilot；以及微软设置的“Copilotkey”键，用来唤醒Copilot体验。Ø联想提出的AIPC五大核心特征：1）内嵌个人智能体，实现多模态自然语言交互；2）内嵌由本地大模型和个性化本地知识库构成的个人大模型；3）全面标配CPU+GPU+NPU的本地混合AI算力；4）开放连接丰富的AI应用生态；5）提供设备级的本地化个人数据和隐私保护方案。

AIPC提高生产力，渗透率快速提升

AIPC的用户价值：通用场景下的个性化服务，提供即时、可靠的服务响应，更低的大模型使用成本，可信、安全的个人数据和隐私保障。相比于手机，PC在工作中承担了更重要的角色，AIPC可以显著提高生产力，比如AIPC能够更准确的理解用户的创作意图，掌握用户的历史创作习惯及个人风格，并通过调用多种模型和应用、互联网公共资源等方式共同完成任务创作。l作为生产力工具，AIPC的渗透将快于AI手机。IDC预计AIPC在中国PC市场中新机的装配比例将在未来几年中快速攀升，2024年超过50%，2027年达到85%。

AIPC为半导体带来哪些变化？Ø处理器集成CPU、GPU、AI引擎。为了满足AI端侧应用，目前AIPC处理器基本采用CPU+GPU+NPU（AI引擎）架构，其中CPU具有快速响应优势，适合运行较小工作负载并实现低延迟；GPU具有高吞吐量优势，适合需要并行吞吐量的大型工作负载；NPU具有高能效比优势，能够以低功耗处理持续存在、大量使用的AI工作负载，提高效率。预计未来处理器架构将随着需求而演变，性能、价格、能耗是重点。Ø存储容量和带宽提高。大模型运行需要更大的内存和带宽，而个性化需求和独立性需要更多的本地数据支撑，预计DRAM和NAND的需求均将明显增加。Ø功耗管理需求增加。随着AIPC处理器的算力提高，对应的大电流DCDC芯片需求将增加；为了控制整体的能耗，提高使用时间，对其他配套电源管理芯片在数量或性能方面也将提出新的需求。

大模型加速AI发展，真正智能的AIoT有望激发消费者需求。2017年“万物智能·新纪元AIoT未来峰会”在国内首次正式提出AIoT概念，天猫精灵、小爱同学等智能音箱也在同年推出并畅销一时。但由于智能程度有限，最终普及和使用未达最初预期。随着大模型的发展，真正智能的AIoT将提升消费者体验，有望重新激发需求。2023年11月华为发布的全屋智能5.0便是AIoT应用场景之一。lAIoT终端虽然单机半导体价值含量可能不高，但当普及终端数量足够多时，也将对半导体带来不少增量。

（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。）