【华创证券】电子行业2024年度投资策略：砥砺前行，曙光在望.pdf

2023-12-10

79页

9MB

一、电子：行业周期底部已过，科技创新凸显长期配置价值

复盘全球半导体周期，我们认为电子行业景气周期底部已过。半导体作为科技创新的硬件入口，其景气周期一定程度上可为电子行业周期提供参考。从 2000 年起，全球半导体共经历 5 轮左右的周期，每轮周期约 4 年左右。2019 年下半年以来，5G、新能源车等领域爆发带动半导体需求增长，供需错配形成一轮超级周期，在超级景气的半导体周期后，全球半导体行业销售额同比增速在 2021Q2见顶回落，而后同比降幅在 2023Q2出现收窄。参考行业历史周期规律及当前周期现状，我们认为电子行业周期已触底回暖。

AI+XR 等行业创新带动 A 股电子板块估值持续修复，当前位置仍具有长期配置价值。在大模型驱动算力产业链发展/XR+AI PC&手机等终端应用即将落地/全球行业周期触底回暖等因素共同驱动下，截至 2023 年 12 月 1 日，SW 电子指数上涨 8.89%，在主要行业指数中排名第四。目前 A 股电子板块估值情况：PE-TTM 为 47.20 倍，十年历史分位点 54.70%，指数风险溢价-0.57%，十年历史分位点 61.25%。考虑到消费电子终端创新+AI 产业发展趋势显著，我们认为当前时点电子板块具有中长期配置价值。

A 股电子板块龙头厂商业绩增速预期强劲，科技持续创新宜积极布局。AI、XR 等终端的蓬勃发展为我国电子行业发展注入成长动力，国产替代机遇下半导体等板块持续受益，根据 Wind 一致预期，电子（申万）板块前 20 大权重股 2024-2025 年业绩预计保持稳定增长，除中微公司、工业富联、寒武纪、传音控股外，其他权重股 2024 年业绩同比增速预期均在 25%以上。电子板块龙头厂商业绩增速预期强劲，考虑到 2024 年 AI 算力/应用端持续推进+XR 等新产品落地，我们认为当前时点下电子板块具有较高配置价值。

二、消费电子：创新不止，XR+AI PC+AI 手机创造新成长

（一）复盘消费电子行业发展历史，终端创新仍为行业主要推动力之一

复盘消费电子行业发展历史，各轮行情中终端创新都是主要推动力之一。2010 年至今主要经历三轮行情周期，分别由智能手机、TWS 设备、VR/AR+汽车电子引领。各轮行情中终端创新均起到重要推动作用，证明终端创新是消费电子行业的核心驱动因素之一。

2010-2018 年：消费电子创新周期推动电子产业链成长。2010 年苹果发布 iPhone4 标志智能手机进入效率革命，智能手机出货量开始快速提升，2010年全球智能手机出货量同比增长 75.09%，2011 年同比增长 62.13%。全球智能手机出货高峰在 2016 年，出货量达 14.73 亿部，2018 年出货量缩减至 14.66 亿部（YoY-0.51%）。

2019-2020年：智能手机渗透率见顶，由 TWS引领消费电子成长。智能手机渗透率的提升由颠覆性创新创造的增量需求，2016年之后可供选择的创新方向逐步收窄，智能手机需求提升趋势放缓。2016 年苹果发布的 iPhone7 取消 3.5mm 耳机接口，同时推出了TWS耳机AirPods。2018年开始安卓厂商跟进，纷纷取消3.5mm耳机口， TWS 耳机快速放量。

2021年-至今：TWS出货遭遇瓶颈，VR/AR+汽车电子接力TWS成为主要驱动力。前期 TWS 耳机/手表出货量快速增长，2020 年后 TWS 已进入成熟期，创新空间有限且用户换机需求弱于手机，难以持续高增长。VR/AR 业务方面，2020 年 Oculus Quest2 等高质量硬件发布带动 VR 行业复苏。同时新能源汽车渗透的提高亦带动对汽车电子的需求，VR/AR+汽车电子成为消费电子行业主要驱动力。

（二）XR：新赛道带动新成长，Vision Pro 有望引领行业发展方向

1、XR 硬件持续迭代但仍缺乏标杆性产品，内容端匮乏或成主要限制因素

虚拟现实技术 Virtual Reality（VR）是通过计算机图形构成三维数字模型，并编制到计算机中生成一个以视觉感受为主，也包括听觉、触觉的综合可感知的人工环境，强调用户与虚拟世界的交互，可以提供给用户封闭式、沉浸式的虚拟世界体验。增强现实技术 Augmented Reality（AR）是通过计算机系统提供的信息增加用户对现实世界感知的技术，并将计算机生成的虚拟物体、场景或系统提示信息叠加到真实场景中，从而实现对现实的“增强”。AR 技术在 VR 技术基础上发展而来，AR 和 VR 设备的近眼显示系统是通过光学元件将显示器上像素成像并投射到人眼，但 AR 眼镜需要通过层叠形式将虚拟信息与真实场景相融合，实现增强现实的效果。

混合现实技术 Mixed Reality（MR）是将虚拟现实和增强现实相结合，在虚拟世界、现实世界和用户之间搭起一个交互反馈的信息回路，以增强用户体验的真实感。VR 是纯虚拟数字画面，而 AR 虚拟数字画面加上裸眼现实，MR 是数字化现实加上虚拟数字画面。从概念上来说，MR 与 AR 更为接近，都是一半现实一半虚拟影像，但当前受限于 AR 行业的技术成熟度仍相对较低，MR 基本均基于 VR 技术，在 VR 基础上增加现实世界内容的显示，从而实现 MR的效果。总体而言，MR技术结合了 VR与 AR的优势，具备较好的用户体验。

XR 产业包括硬件、软件、内容和应用四大产业链环节。硬件方面，根据德勤研究与分析报告，Oculus VR 头显的成本结构中，光学和屏幕占硬件成本 40%，是关键核心部件。芯片亦是重要的布局环节，处理器和存储分别占成本的 30%和 15%。软件方面，操作系统和开发引擎也是重要的布局关键点，能够助力构建高效的开发者生态并降低创作门槛，提高生产效率。

复盘XR行业发展伴随硬件迭代，XR发展亦将与硬件相关。以VR为例，2012年Oculus 推出 Oculus Rift VR 原型机将行业引入了大众的视野。2014 年 Facebook 斥巨资收购 Oculus 将行业推向了第一个高潮，随后行业内大量公司纷纷发布了自身的产品。2017- 2020 年由于硬件设备与内容等方面的不完善，行业出现大幅度衰退。随着 2020 年 Oculus Quest 2 等高质量硬件的出现，VR 进入复苏期。

VR 成熟度相对较高，AR 技术路径尚未明确。2022年 Pancake光学走向大众视野，它不仅可以减少 VR 光学模组在 VR 头显中的体积占用，从而让 VR“头盔”朝“眼镜”化形态更进一步，还可以优化传统光学方案透镜边缘图像模糊、鬼影和色散等问题，还可搭配 Micro OLED 等先进显示技术，带来高 PPI、高亮度的细腻显示。而在 AR 领域，目前各类光学技术产品皆在市场并存，所有光学技术均有各自的优缺点，这也是促使产业内 AR 眼镜产品形态、技术路径呈现多样化的底层因素。

VR 终端出货量短期承压，AR 基数较低仍处于早期发展阶段。根据 VR 陀螺数据，2022 年全球 VR 头显出货量为 1014 万台，同比下滑 8.65%，其中海外 VR 硬件出货量 892 万台（YoY-13%），国内 VR 出货量 122 万台(YoY+73%)，国内 VR 产业增长趋势良好；后续伴随着新品的持续推出和行业的生态完善，行业增速有望恢复，预计 2024 年全球 VR 出货量可达 1490万台，22-24 年 CAGR 可达 21%。2022年全球 AR终端出货量为 45.2万台，同比增长 25.6%，市场增长一方面来自海外行业端应用增长，另外一方面来自国内消费市场的初步打开，但仍处于较为早期的阶段，技术路径和应用场景有待进一步明确。

以智能手机行业发展历史为鉴，优秀的产品和内容是行业的核心推动因素。2010 年以前为智能手机行业早期，产品形态（硬件键盘与虚拟键盘等）与系统（安卓、塞班等）百花齐放，仍未形成行业共识。而 2010年 iPhone 4与水果忍者等优质硬件和内容对出货量起到巨大推动作用。2010 年 iPhone 4 发布，标志着智能手机进入效率革命，功能提升且价格下降，全球智能手机出货量大幅增长 75%；同时支付宝、微信等便民应用普及，覆盖使用者生活工作的各个方面，水果忍者、神庙逃亡等游戏凭借触控屏优质的交互体验进一步推动了智能手机渗透率的提升，其后智能手机迎来了黄金快速发展期。

内容与硬件为行业发展核心推动力，XR 行业仍缺乏极致标杆产品及拳头内容场景。硬件方面，随着硬件的持续迭代，当前 XR 行业硬件已基本可满足用户的需求，目前已存在 Qculus quest 2 等优秀的硬件在前期推动了行业出货量的快速提升，但缺少像 iPhone 4 一样打磨到极致的产品建立消费者的内心标杆。内容方面，XR 早期的优秀内容均集中在游戏领域（如《半条命艾利克斯》、《生化危机 4VR 版》等），应用场景较少，导致行业发展受限。除游戏板块外，XR 其他内容场景仍需综合发展，如 XR 健身应用、XR 短视频及直播、XR 影视、XR 社交等。

2、苹果 MR 产品将于 24Q1 开售，产品具备多项创新或有望引领行业方向

历经七年开发多轮迭代，苹果 Vision Pro 于 2023 年 6 月 WWDC 发布。苹果 Vision Pro 于“VR 元年”2016 年立项，距今开发时间已有 7 年之久，该团队由公司副总裁 Mike Rockwell领导，苹果前硬件工程主管 Dan Riccio监督。2023年 6月苹果召开 2023WWDC 大会，历时七年研发的头显产品 Apple Vision Pro 在会上正式亮相。

a）硬件端：各方面配置均处于行业领先状态，或可成为行业标杆产品

硬件均为高规格，全面提升使用体验。苹果 MR 头显屏幕为两块 1.4 英寸、4K 级高分辨率的 Micro-OLED 屏幕。由于虚拟现实设备的特殊性，屏幕距离眼睛过近，导致平时 1080P或者2K屏幕在这种距离下依然能清晰地看到像素点，所以更高分辨率就显得极为重要。为了带动如此高分辨率的硬件，在芯片选择上，苹果预计会配备基于苹果 M2 打造的 2 枚处理器芯片。光学方案采用 Pancake 折叠光路，FOV 达 120°。同时预计配备十余颗摄像头和传感器，以实现眼动追踪和注视点渲染等功能，提供更好的交互体验。

采用三层 Pancake，可实现目前 Pancake 中最大的 120°视场角。目前 Pancake 光学已成主流光学方案，相比于菲涅尔透镜方案，Pancake 折叠光路光学方案更轻薄，体积更小，且能够结合屈光调节模块。但由于光路设计限制，Pancake 仍存在诸多需要解决的问题，如光路光损、视角场范围大多在 60°-90°，视角场范围更小。苹果通过三层 Pancake 方案，有效解决了视角场受限的问题，同时 Pancake 光学方案的轻薄性、小体积更符合 XR 头显的发展方向。 Micro OLED 显示性能强劲，定位高端 XR 产品。当前 VR 显示方案中，Fast-LCD 和 Micro-OLED 均具备较好的量产性，为当前主流方案。两种方案中 Fast-LCD 相对成本更低，Micro-OLED 相对显示效果更好。不同于 LCD 和 OLED 采用的玻璃基板，Micro OLED 是单晶硅晶圆基板，显著降低像素尺寸，有效提升像素密度和角分辨率。Micro OLED 采用自发光，在亮度、分辨率和反应速度等方面优势显著。而 Pancake 方案光学效率较低，需要更高亮度屏幕，Micro OLED 是 Pancake 方案的首选。

眼动追踪及面部捕捉技术有效增强产品操控体验。眼动追踪是一种传感器技术，主要追踪眼球位置、眼球运动和眨眼状态，为 XR 产品提供全新的交互方式。比如智能眼镜对体积重量的要求严苛，意味着要牺牲一部分成像显示的渲染能力，眼动追踪技术可以确定眼睛注视的区域，对此区域重点渲染，降低了对处理器的计算能力要求。VR 领域的面部捕捉技术主要是指通过摄像头记录眼球、眉毛、嘴巴、下巴的变化，进而对虚拟人物的表情产生影响，可大大提升虚拟人物之间的互动感，面部捕捉技术的推进或将极大程度提升用户操控体验。

b）内容端：苹果具备强大内容生态开发能力，或可拓展 XR 新应用场景

拥有专有 xrOS 操作系统，实现与其他苹果生态设备无缝切换。软件方面，Vision Pro 拥有自己的应用商店以及操作系统 VisionOS。头显的主界面看起来与 iOS 几乎相同，里面会内置 Safari、照片、邮件、日历、AppStore、音乐和健康等 iPhone 常见的应用。同时 VisionOS将与 macOS集成，MR头显可在虚拟现实中充当 Mac显示器，扩展使用场景。 2023 年 3 月，欧洲专利局苹果“用于扩展现实（XR）系统的多设备 Continuity”专利，可实现 MR 设备与苹果其他设备之间的无缝切换体验。据专利描述，头显佩戴者在 iPhone 屏幕上查看电子邮件，然后邮件应用界面的虚拟副本被覆盖在 iPhone 显示屏上。然后，用户通过手势或眼球的交互控制，将电子邮件传输到悬挂在其虚拟环境中的更大显示屏上，并通过头显摄像头检测其手指运动来继续起草电子邮件。

收购多家 MR 内容公司，打造苹果内容生态。据不完全统计，自 2015 年以来，苹果已经在过去 7 年时间里收购了若干家初创企业，为其 MR 内容服务。2015 年苹果公司开启了涉及 MR 内容的第一次收购，收购了从事 AR 应用程序制作工具的德国 Metaio，后续陆续收购了面部动画和动作捕捉、游戏引擎、视觉研发相关初创企业。2020 年，苹果又分别收购了两家分别提供 VR 体育直播和 VR 视频会议的公司。

主攻教育、健康等四大场景，内容成为制胜关键要素。除了硬件之外，苹果已经在健康、教育、游戏、视听四大场景对其 MR 内容有所布局。根据智东西信息，苹果自己的内容团队由一个代号为 Z50 的团队研发，规模约为几十人，其主要办公地点实在加利佛尼亚州卡尔弗城一座建筑内。该团队成员多数都是来自视频、游戏等领域，其主要任务为根据自身过去的流媒体服务 Apple TV+中的经验，为 MR 头显打造内容。

数次引领消费电子热潮，苹果 Vision Pro 有望拉动 XR 产业链热潮。自 2016 年苹果推出 AirPods 后，苹果首次推出新的旗舰类别产品进行横向布局，或将带动新一波的消费电子热潮。同时，苹果 MR 的亮相标志着 XR 技术基本成熟，用户可以获得较为优质的使用体验，也将凭借其品牌影响力让全球消费者都了解到目前 XR 消费电子产品的发展阶段及其应用场景。

（三）AI PC/AI 手机：端侧大模型逐步落地，有望开启新一波换机周期

1、低延迟与隐私保护催生端侧大模型需求，AI 终端关注度持续提升

大模型存在数据泄露等安全隐患，是企业及个人用户的核心关注点。2023年3月23日， ChatGPT 首次遭遇了重大个人数据泄露，很多网友在 ChatGPT 网页左侧的聊天记录栏中出现了他人的聊天记录内容。除此之外，今年 3 月自三星电子允许部分半导体业务员工使用 ChatGPT 开始，短短 20 天有三起机密资料外泄事件。据 Cyberhaven 数据，在员工直接发给 ChatGPT 的企业数据中，有 11%都是敏感数据。

终端 AI 比云更安全，且时间延迟较低。目前常用的 AIGC 都是在云端推理，需要将个人数据上传到网络，存在泄露隐私的隐患。而未来 AI PC 的部分推理功能将发生在终端侧，用户既可以享受到 AIGC 带来的生产力提升，也无需担心上云导致的隐私泄露。对用户来说，云上的公共知识可以为其所用，但自己的人工智能数据无需分享。除安全性之外，终端 AI 节省了数据传输时间，大幅降低时间延迟。

2、硬件：多家厂商已经或计划推出消费级 AI 芯片，硬件端将具备落地条件

边缘侧 AI 对终端的处理能力提出更高要求，终端处理器仍需持续迭代。以苹果 Siri 为例，早期 Siri 在离线情况下仅支持通过预设的语音唤醒信号实现语音唤醒。2018 年苹果推出A12芯片，采用台积电7nm制程，NPU由双核升级到八核，NPU内核的面积是A11 的 3.16 倍。搭载 A12 芯片的 iPhone XS 首次支持 Siri 离线运行，可以在离线条件下完成拨打电话、打开特定应用等预设简单请求。随着未来在终端运行大模型的复杂度持续提高，终端处理器仍需持续迭代。

英特尔首款内置神经网络处理器的消费级芯片即将上市，消费级 AI 芯片走向市场。英特尔 Meteor Lake（14 代酷睿）将于 2023 年 12 月 14 日上市，该芯片首次将神经网络处理单元(NPU)集成到 PC 处理器中。NPU 与 CPU、GPU 的主要区别在于学习能力，NPU 可通过学习用户操作、计算任务属性，做出相应的预判来弹性调用 CPU 与 GPU 的运算能力，大幅提升性能，同时降低功耗。该芯片采用新的 Intel4 制造工艺，相较于 Intel 7 制程工艺的 408nm 高性能库高度，Intel 4 的 240nm 达到了 2 倍的高性能逻辑库面积缩减。

高通推出面向端侧 AI 的高性能处理器，预计 2024 年中应用于终端产品。2023 年 10 月 25 日，高通在 2023 骁龙峰会上发布骁龙 X Elite 和第三代骁龙 8，其中骁龙 X Elite 面向 PC，骁龙 8 面向智能手机。骁龙 X Elite 专为 AI 打造，支持在终端侧运行超过 130 亿参数的生成式 AI 模型，凭借快达竞品 4.5 倍的 AI 处理速度，其将继续扩大高通在 AI 领域的领先优势，预计终端 PC 厂商将于 2024 年中推出搭载骁龙 X Elite 的 PC。

端侧 AI 带动散热、存储及外观设计创新，硬件持续迭代有望驱动价值量提升。除了核心处理器外，AI PC 及 AI 手机对终端的其他零部件亦提出更高的要求。在终端运行大模型首先要解决散热问题，要重新设计机器外壳和结构件，同时采用更好的散热材料。存储方面，为了提高数据传输速度及存储容量，需采用更优质的存储器件。端侧 AI 带动终端一系列的迭代与创新，有望驱动零部件价值量提升。

3、内容：蓝心大模型、微软 Copilot 等不断推出，AI 内容生态持续完善

VIVO 发布蓝心大模型，手机端将成其率先落地终端。2023 年 11 月 1 日，在 2023vivo 开发者大会上，vivo 发布自研通用大模型矩阵——蓝心大模型，带来 vivo 基于蓝心大模型开发的首款全局智能辅助蓝心小 V、自然语言对话机器人蓝心千询等全新功能应用。蓝心大模型包含十亿、百亿、千亿三个参数量级，共 5 款自研大模型，可满足不同的应用需求和算力条件。目前，手机端成为 vivo 蓝心大模型落地的第一个层面，即以 AI 助理的方式出现，未来蓝心大模型有望持续迭代帮忙用户进行决策、执行和管理。

微软推出全新 Copilot 平台，全覆盖 Office 颠覆办公方式。2023 年 9 月，微软推出全新 Copilot平台，Microsoft Copilot定位“日常 AI伴侣”，将人工智能引入 GitHub编程工具、 Microsoft 365 生产力协同工具箱、Bing 搜索引擎、Edge 浏览器和 Windows 操作系统中提高工作效率。在 Microsoft365 中，Copilot 可以完成指定主题的草稿生成、文件快速摘要汇总、排版优化及重构、实时聊天协助信息查询等功能。

AIGC 在办公领域密集落地，后续更多内容可期。近几个月来，多家国内外的办公软件纷纷推出 AI 功能，办公软件拥有文档、对话等功能在使用大语言模型后，可以立即让用户感知到差异性，而内容生成领域的产品迭代周期相对较长。同时，办公软件的用户具备付费习惯，可以基于 AI 功能再增加新的付费内容，商业化落地较为容易。随着办公软件纷纷嵌入大模型，PC 有望成为 AIGC 核心交互入口。

4、硬件端与内容端持续迭代，AI PC 与 AI 手机均有望于 24 年批量落地

a）AI PC：联想有望首发 AI PC，2024 年或将迎来 AI PC 大规模出货元年

Smart PC 推出已久，受限于成本压力普及缓慢。几年前就开始有厂商积极探索 Smart PC（智慧 PC）的使用场景，Smart PC 主要从应用场景出发（Always on Always），例如：人机交互，包括语音智能唤醒、免接触式场景和开盖开机等功能。然而受限于成本和算力，推进速度相对较慢。据群智咨询数据，为实现 PC 端智能化的自然语言交流，单在硬件成本上至少需要额外付出约 2.7 美元左右来满足精确的语音录入与处理功能，使品牌方的成本压力大大增加。混合 AI 从云到端，助力 Smart PC 向 AI PC 转化。AIGC 的迅速发展可有效解决 Smart PC 的成本压力问题，即：云端+本地端协作。利用云端的大数据处理能力丰富本地端的 PC使用场景，依托于云端算力来提升本地性能平衡，会大大的助力 Smart PC 向着 AI PC 的方向进一步持续转化，提供更多的应用场景，这也对 AI PC 提出了本地端与云端混合发展的要求。

联想将与合作伙伴共同建立混合 AI 生态，首款 AI PC 有望于明年 9 月发布。2023 年 10 月 24 日，联想在第九届联想创新科技大会（2023 Lenovo Tech World）上宣布其 AI PC 有望于明年 9月发布，联想表示未来的 AI将是公共、私人和个人基础模型的混合体，联想将和所有合作伙伴一起建立混合 AI 生态系统。联想将提供企业 AI 双胞胎和个人双胞胎 AI 两类服务；对于企业用户，联想将通过混合 AI 和域优化服务满足企业数据保护和安全需求；对于个人用户，联想将通过在终端设备方面的优势，以混合方式提供模型服务，最大限度提高用户效益。

多家厂商加速研发 AI PC，2024有望迎来 PC重大发展机遇。除联想之外，多家头部 PC 厂商也在进行 AI PC 相关研发和合作。惠普电脑 CEO Enrique Lores 表示目前正在研发支持 AI 能力的 PC，称当前正与所有关键软件服务商和芯片供应商合作，将重新设计 PC 的架构。戴尔与英伟达合作推出新的 AIGC 解决方案，同时戴尔将提供新的硬件设置、托管服务平台和计算机，以更快地运行客户所创建的生成式 AI 项目。Acer 品牌创办人施振荣表示，Acer 目前已经与 CPU 厂商展开合作，预计将把 AIGC 或其他 AI 应用导入到终端设备上，相关 AI 笔记本方案会在 2024、2025 年陆续推出。 2024 或将迎来 AI PC 规模出货元年，软硬件持续迭代为产品落地创造条件。据群智咨询数据，预计 2024年全球 AI PC整机出货量将达到约 1300万台。在 2025年至 2026年， AI PC 整机出货量将继续保持两位数以上的年增长率，并在 2027 年成为主流化的 PC 产品类型，这意味着未来五年内全球 PC 产业将稳步迈入 AI 时代。由于 AI PC 产品对硬件和软件基础设施的要求均有所提高，软硬件仍需持续迭代为产品落地创造条件。

b）AI 手机：谷歌及 VIVO 均落地手机端侧大模型，AI 手机大势所趋

谷歌实现生成式AI在手机上落地，Pixel 8系列可本地运行大模型。2023年10月14日，谷歌 Pixel 8/Pixel 8 Pro 正式发布，其搭载 Tensor G3 芯片，Pixel 8 的 Tensor G3 在设备上运行的机器学习模型数量是 Pixel 6（Tensor 初代芯片）的 2 倍。除此之外，Pixel 8 Pro 号称是第一款直接在设备上运行谷歌 AI 大模型的手机，其计算量是 Pixel 7 上最大的 ML 模型的 150 倍。 VIVO 发布 AI 手机，手机端侧大模型纷纷落地。2023 年 11 月 13 日，vivo 发布了搭载蓝心大模型的 vivo X100 系列手机，落地终端侧 70 亿参数大语言模型，跑通端侧 130 亿参数模型，这是行业首批百亿大模型在终端调通的手机。硬件支持方面，vivo X100 搭载了与联发科定制的 AI 芯片天玑 9300 系列，以及自研影像芯片。除 VIVO 外，多家国产手机已宣布其端侧 AI 进程，OPPO 已启动基于 AndesGPT 大模型的新小布 1.0 Beta 版公测、小米宣布将小爱同学升级为 AI 大模型、华为 HarmonyOS4 宣布接入 AI 大模型。

目前智能手机渗透率到顶，终端大模型有望重燃消费者换机热情。近年来智能手机技术遭遇瓶颈，主要创新集中在摄像、屏幕等辅助性功能，对消费者换机拉动效果并不显著，因此全球手机换机周期亦明显延长。虽然大模型落地手机终端，智能手机有望真正实现人机自然语言交互，通过颠覆性的用户体验创造新的增长曲线。

（四）泛消费类半导体库存去化明显，行业或有望迎来新一轮上升周期

库存去化成果显著，多家 IC 设计公司连续多个季度库存下降。以模拟类芯片设计公司为例，受下游消费电子等终端需求低迷的影响，模拟 IC 设计公司连续多个季度经历库存上涨，除晶丰明源通过较为激进的库存去化手段在 2022Q3 实现库存下降之外，多数设计公司均自 2023 年年中开始库存下降，库存去化成果显著。存货周转天数方面，多数 IC 设计公司的存货周转天数亦自 2023 年开始下降。

消费电子需求提振，有望带动新一轮上行周期。2023 年三季度全球智能手机出货量 3.028 亿台（YoY+0.3%，QoQ+14.13%），是全球智能手机出货量自 2021 年三季度起首次实现同比增长。PC 方面，2023 年三季度全球 PC 出货量 0.68 亿台（YoY-8.15%， QoQ+10.17%），虽同比仍处下滑趋势，但跌幅明显收窄（23Q1环比-29.32%，23Q2环比 -13.6%）。库存周期见底叠加需求复苏，半导体周期或有望迎来拐点。

（五）存储行业周期拐点已至，AI 开启成长新篇章

1、供给端：控产保价效果显著，静待需求复苏合力共振

存储行情触底反弹，存储原厂步入复苏通道。由于 23Q3 存储价格逐步企稳（部分产品已与季中开启涨价趋势）以及位元出货量的环比增长，存储原厂第三季经营表现回暖。根据原厂最新财报数据，SK 海力士 Q3 营收为 9.07 万亿韩元（QoQ+24%，YoY-17%），净利润亏损 2.19 万亿韩元（23Q2 为亏损 2.99 万亿韩元，环比减亏）；美光 FY23Q4（23 年 5 月至 23 年 8 月财季）季度营收 40.1 亿美元（QoQ +7%/ YoY-40%），净亏损 11.77 亿美元，亏损幅度环比 FY23Q3的 15.65亿美元继续收窄，营业利润率-30%，环比 23Q2的 -39%持续改善。受 NAND Flash 量价齐跌影响，西部数据 23Q3 营收报 27.50 亿美元（QoQ+3%，YoY-26%），NON-GAAP 下净利润亏损 5.54 亿美元，较 23Q2 的 6.21 亿美元亏损收窄。

减产趋势不改，资本开支降幅趋缓。在市场需求不明朗、库存高涨、业绩普遍亏损等因素叠加影响下，各大原厂纷纷出台减少产出、降低投资、放缓技术升级等措施来调节供需关系缓解价格下降趋势。稼动率方面，根据 Trendforce 数据，原厂持续推进减产动作，三星、美光、SK海力士 2023年第二季稼动率环比普遍下修 10pct，已分别下滑至 77%、 74%、82%，进入 2023H2，减产趋势不改，根据科创板日报报道，三星将继续削减 DRAM/NAND 芯片产量，将至少持续到 2023 年年底/2024 年上半年；海力士亦在进一步扩大 NAND 芯片减产幅度。资本开支方面，美光大幅削减 2023 财年资本支出至 70 亿美元，同比减少超过 40%，其中 WFE 晶圆设备支出减少超过 50%；SK 海力士在其 23Q3 法说会中表示将减少不必要的投资，2023 全年资本支出将同比减少超 50%，目前公司资本支出已经连续 6 个季度呈下降趋势，但降幅明显收敛，触底即是反弹，公司预期存储市场将迎来复苏，预计 2024 年资本支出相比 2023 年会有提升。

原厂持续消化库存，模组厂战略性备货。随着终端需求边际回温叠加减产的效益展现，存储市况出现改善迹象，原厂库存去化速度加快，库存水位步入下降通道，海力士 23Q3末存货 111亿美金，连续两季实现环降。鉴于对后续需求复苏和存储价格的乐观预期，主要模组厂战略性备货动力充足，整体库存水平普遍提升，江波龙/德明利/佰维存储 23Q3 存货分别较 22 年底增长 11.1/8.5/15.6 亿，增幅分别达 30%/113%/80%。

供需齐助力，存储价格触底反弹。目前，终端市场库存已逐渐降至健康水位，智能手机和 PC 端需求出现明显回暖迹象，在经历数季度的价格下跌后，存储芯片价格出现触底反弹信号，据《韩国经济日报》消息，三星电子在 2023 年十月与主要智能手机客户签署了内存芯片供应协议，包括小米、OPPO及谷歌；协议中，DRAM 和 NAND 闪存芯片价格上调了 10-20%。据 Trendforce 预测，主流存储芯片产品合约价在 23Q4 将实现触底反弹。

DRAM开启普涨通道，多数自底部反弹 5%~10%。截至 10月末，DDR4 4Gb/DDR4 8Gb 现货价格分别回升至 0.99/1.54 美元，环比 9 月末涨幅分别为 4.2%/6.2%。截止 10 月末，主流产品 DDR4 8Gb / LPDDR4 32Gb （mobile）/ DDR4 32GB Reg-DIMM（server）合约价格分别回升至 1.45/6.1/53.4 美元，环比 9 月末涨幅分别为 7.0%/3.9%/8.1%，截至 10 月末，除 DDR5-Reg-DIMM（server）产能爬坡价格涨幅微弱以外，各类 DRAM 颗粒价格自 23Q3 季中低点普遍反弹幅度在 5%~10%。

NAND Flash 颗粒价格急涨，成品端价格走高。截止 10 月末，256Gb TLC/512 Gb TLC 现货价格分别上涨至1.23/2.13美元，环比9月末涨幅为13.9%/17.7%；256Gb TLC/512Gb TLC 合约价格分别为 1.19/2.14 美元，环比 9 月末涨幅为 12.3%/30.5%；TLC 固态硬盘 512GB 价格涨至 29 美元，环比 9 月末涨幅为 7.8%。上游原厂控制资源供应，存储供应端保持强势，wafer 价格持续拉涨。随着市场低价库存陆续消耗，下游厂商滚动成本上升，推动成品端价格走高。

2、需求端：下游终端复苏迹象显现，AI 驱动新一轮创新周期

手机、PC、服务器为存储芯片应用市场的中流砥柱，汽车及 AI 助力市场规模更上一层楼。NAND 和 DRAM 广泛应用于手机、平板、PC、数据中心、汽车、视频监控、智能家居等等市场。根据 CFM 闪存市场数据，2022 年 DRAM 下游市场中，手机、服务器和 PC 占比分别为 35%，33%和 16%。2022 年 NAND 下游市场中，手机、企业级固态硬盘（eSSD，主要场景为服务器）与消费级固态硬盘（cSSD，主要场景为 PC）占比分别为 34%，26%和 22%。消费端 PC、手机市场占据着 NAND 及 DRAM 产能应用的半壁江山，考虑到生成式 AI 极大地拉动了企业级服务器、数据中心等市场需求，服务器存储芯片市场规模有望进一步扩张，手机、PC、服务器三大需求牢牢占据八成以上存储市场。而随着汽车智能化的发展，车载存储有望实现大踏步升级。从自动驾驶 L1 发展至 L5 等级，汽车搭载的摄像头、激光雷达、热成像等传感器，对车辆环境的数据收集、数据交换、实时信息分享的需求，都将推动着汽车存储市场规模日益增长。CFM闪存市场预计，到 2025 年单车 NAND 存储容量将超过 2TB。汽车存储市场规模也随之增加，到 2030 年预计将超过 200 亿美元规模，车载存储占全球存储市场比重有望持续上升。

高端智能手机份额持续提升&存储器成本走低&AI 驱动，手机端存储芯片位元需求稳步增长。全球智能手机 DRAM 和 NAND 平均单机容量快速上升，根据华经产业研究院转引的 TrendForce、Counterpoint 数据，2014-2020 年全球智能手机 DRAM、NAND 单机容量从 1.4/21GB 增长至 4.3/108GB，手机容量规格快速提升是主要驱动力。1）近年来尽管手机市场整体销量趋稳，但高端手机份额仍将保持持续增长，高端旗舰产品和折叠式设备成为手机市场的亮点，而高端手机不仅需要搭载性能强劲的移动处理器，对存储配置要求也更高，使得存储位元需求在手机终端长期增长。加上 5G 集成基带的普及应用，手机峰值下载速度越来越快，推动 UFS、LPDDR 等嵌入式存储向高速传输不断发展。 2）NAND Flash 和 DRAM 成本走低有助于提振手机及 PC 等终端的存储需求，推动单位设备存储容量进一步增长。3）支持终端侧 AI 大模型功能的智能手机将需要比以前更大容量的内存。据外媒 Wccftech 报道，2024 年将迎来智能手机内存的新标配，AI 功能内建的 Android手机 RAM容量将至少达到 20GB，为 AI技术的顺畅运行提供更大的空间。

PC 市场出现回暖迹象，AI PC 有望带动存储芯片规格升级。2016-2021 年全球 PC 出货量稳定在 3 亿台左右，进入存量市场。PC 市场经历 2020 和 2021 连续两年超 10%的增速增长，已经透支了部分需求，2022 年 IDC 数据显示，全球 PC 出货量下滑 15%至约 2.9 亿台。根据 ADATA 数据，2021 年 PC 端全球 DRAM 总位元出货量为 343 亿 Gb，预计 2023年达到 371亿 Gb，CAGR为 3.9%。伴随渠道端库存水位已回归正常，自 23Q4起， PC 需求出现回温迹象。也因为 AI 应用逐渐百花齐放，加上高通、英特尔、AMD 等各家大厂均宣布准备进军 AI PC，更加支撑市场对明后年 PC迎来数位经济后的新一波换机潮寄予厚望。AI PC 不仅带动 PC 出货量的提升外，AI 应用对高速数据传输的需求以及衍生出的高速传输芯片、连接器、存储、散热等零组件都将跟随出现规格升级的需求。

AIGC 应用加持，AI 服务器需求持续增长。伴随着以 ChatGPT 为代表的生成式 AI 模型的推广，AI 服务器出货量将实现快速增长。根据 TrendForce 数据，2022 年搭载高端 GPGPU 的 AI 服务器出货量约 14.5 万台，年增约 9%，展望 2023 年，Microsoft、Meta、 Baidu 与字节跳动相继推出基于生成式 AI 衍生的产品服务而积极加单，预估 2023 年出货量同比增速有望达 15.4%，2022~2026 年搭载高端 GPGPU 的 AI 服务器出货量年复合成长率约 12.3%。同时 TrendForce预估 2023年整体 AI服务器（包含搭载 GPU、FPGA、 ASIC 等）出货量近 120 万台，年增 38.4%，占整体服务器出货量近 9%，至 2026 年将占 15%，2022~2026 年 AI 服务器出货量年复合成长率至 29%。

AI 服务器对存储芯片需求飙升，HBM 市场持续扩容。传统封装技术和晶圆级封装技术愈加成熟，为单一封装下的高密度 NAND 和 DRAM 应用提供了巨大的帮助。DRAM 方面可以通过将多颗 HBM 组合封装，使得系统中总 DRAM 容量达到 128GB 甚至更高，有助于 DRAM 整体带宽性能得到突破，根据 Omdia 数据，2020 年全球 HBM 市场规模为 4.58 亿美元，预计 2025 年市场规模将达到 25 亿美元，年复合增长率高达 40.38%； NAND 方面存储厂商通过将多颗 NAND Flash 裸片堆叠封装，构成高达 10TB 及以上的企业级 SSD 产品，加速取代服务器领域的 HDD 应用，据 SK 海力士测算，2030 年数据中心中 SSD 占比有望达到 55%。据美光测算，AI 服务器中 DRAM 数量是传统服务器的 8 倍，NAND 数量是传统服务器的 3 倍。

三、算力：多模态带动算力需求提升，美国禁令升级推动国产化加速

（一）大模型迭代推动算力需求持续增长

AI 发展进入加速期，应用生态不断丰富。2022 年 11 月底，OpenAI 发布生成式 AI 对话预训练模型 ChatGPT，该模型基于 GPT-3.5 架构，通过大量语料库和人工反馈的强化学习（RLHF）进行模型训练，能够做到和人类“对答如流”，并理解各式各样的需求，能做出回答、生成代码、构思剧本和小说等。ChatGPT 在自然语言处理方面的大幅进化将人机对话推向了新高度。ChatGPT 打开 AIGC（AI Generated Content，指可以像人类一样具备生成创造能力的 AI 技术，即生成式 AI）应用新局面，掀起 AI 革命。AIGC 推动了人工智能从感知理解世界到生成创造世界的跃迁，它可以基于训练数据和生成算法模型，自主生成创造新的文本、图像、音乐、视频、3D 交互等各形式的内容和数据。 ChatGPT 就是典型的文本生成式 AIGC，以 GPT 系列为代表的预训练语言模型与多模态等创新技术融合带来了 AIGC 技术变革，使其能够低成本、高效率地生成准确、多样的内容。

科技巨头纷纷加速下注 AI 行业，AI 商业化进程提速。自 2022 年 11 月 ChatGPT 发布以来，颠覆性聊天体验风靡全球，微软追投 OpenAI 数十亿美元，新版 Bing 借助 ChatGPT 变身聊天搜索，引爆新一轮科技巨头竞赛，搜索巨头谷歌和百度分别推出Bard和文心一言，Microsoft 365 copilot 闪亮登场，国内的京东、阿里、腾讯、华为等巨头纷纷布局大模型，大量创业公司扎堆布局 AI 产业，AI 商业化的进程将会提速。

机器学习大模型点燃算力需求，全球算力规模快速增长。AIGC 更关注如何利用深度神经网络自动生成新的创作内容，例如创作文章、图像、音乐等。前者往往在小数据集下也能得到较高准确率的输出，而后者则需要依赖大规模高质量的训练数据，海量数据的背后，是算力需求的爆发式增长。根据《通信世界》研究显示，以目前业界分析较多的通用语言模型 GPT-3 为例，它拥有 1750 亿个参数，仅训练阶段就需要 10, 000 张 V100GPU 持续运行约 14.8 天，整体算力消耗为 625PFlops。而于今年 3 月发布的 GPT-4 不仅参数量增加了 10 余倍，其对应的算力需求也大幅增加。

算力升级推动产业链升级。单机算力伴随芯片性能提升加速爆发，AI服务器、交换机产品迭代加快，带动零组件附加值提升。一方面，服务器是 AI 算力载体，大算力需求下服务器市场迎新一轮增长。根据 IDC 数据，2022 年全球服务器出货量 1516 万台，同比增长 12%，产值达 1216 亿美元，随着 AI、元宇宙等兴起，算力需求持续释放带动算力基础设施产业迎来增长新周期，预计 2026 年全球服务器出货量将达 1885 万台，5 年 CAGR 6.8%，产值将达 1665 亿美元，5 年 CAGR 10.2%。另一方面，交换机、路由器等移动通信设备是算力核心基础硬件。根据 IDC 数据，2021 年全球网络设备市场规模为542.4亿美元，同比增长 10.1%，其中交换机、路由器和无线产品市场均有稳固增长，增速分别为 9.7%、6.5%和 20.4%。中国网络市场规模为 102.4 亿美元（约合 660 亿元人民币），与去年相比增长 12.1%，其中交换机、路由器和 WLAN 市场分别增长 17.5%、-2.6% 和 47.2%。

大模型大算力需求加速 AI服务器时代到来。服务器为 AI算力载体。AI产业链条包括以 GPU、TPU 为核心的计算硬件层→为开发者提供云计算服务的云计算平台→模型层→应用层。AI 大模型依赖于大量训练数据和算力支持，服务器为算力载体，AI 时代算力需求爆发促使 AI 服务器需求爆发。传统服务器主要由 CPU 提供算力，采用串行架构，擅长逻辑计算，算力提升主要依靠堆核实现。随着云计算、大数据、AI等新技术应用，数据量呈指数级增长，CPU 服务器处理能力已接近极限，AI 服务器应运而生。从硬件架构上看，AI 服务器是指采用异构形式的服务器，通常为 CPU＋GPU、CPU＋FPGA、 CPU＋TPU、CPU＋ASIC 或 CPU＋多种加速卡；GPU 采用并行计算模式，擅长处理密集型运算，如图形渲染、机器学习等。

AIGC 有望成为新一轮的“云”基建助燃剂。交换机、路由器等网络设备是新基建的重要组成部分，作为硬件基础设施体系支撑大数据、人工智能、工业互联网等领域的上层应用。交换机在网络中负责数据汇聚与转发，主要应用在数据中心、园区、工业等领域，主要作用是转发数据包。在 AI催化下，作为 AI领域主流厂商英伟达，推出的 IB 交换机（子公司 Mellanox 为 IB 交换机领先厂商），被广泛应用于大模型的搭建，尤其模型的训练部分。前业界基于英伟达 A100 和 H100 GPU 构建的网络以配套 IB 交换机为主。同时， 2023年 5月英伟达发布全新的 Spectrum-X网络平台，推出了以太网交换机方案；思科、博通等近期发布高速率以太网方案应对 AI 需求，成为 IB 的另一种网络方案。

交换机持续扩容，800G有望在 AI驱动下进入大规模渗透阶段。800G交换机升级有望与服务器升级共同推动 PCB 单机价值提升。

（二）单卡算力持续增长，AI 芯片迎来黄金发展

算力、模型、数据是 AI 发展的三大要素，芯片是 AI 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神经网络模型，使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、时延等指标的综合考量。

AI芯片是人工智能发展的基础，算力芯片是服务器的核心。根据IDC统计，CPU、GPU、存储等芯片在各类服务器成本中的占比约 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。

“云-边-端”泛在算力架构趋势已定。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、 GPU\DSP 或带有 AI 核的 SoC 等芯片产生的。

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。

AI 算力芯片以 GPU 为主，其他种类芯片各有优势。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%。

海外龙头垄断高端 AI 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+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。

高端 AI芯片进口受限，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，受国际贸易形势变化影响，英伟达向中国出口 A100 和 H100 芯片受到限制。2023 年 10 月，美国加码限制此次芯片出口禁令新规调整了芯片限制参数。据英伟达公告，此次禁令要求下受限产品包括英伟达旗下超过某些性能阈值的芯片（包括但不限于 A100、A800、H100、H800、L40、L40S 和 RTX4090）。英伟达旗下计算平台 NVIDIADGX 和 HGX 也包含在新的许可要求中。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。

英伟达作为全球 GPU 龙头，其应用于 AI 计算的产品持续迭代，单卡性能持续提升，凭借其先进制程工艺和开发生态有望保持绝对领先优势，但受美国出口管制影响，公司的现有产品 A100以及预计将于今年晚些时候上市的产品 H100将不会向中国出口。从需求角度看，AI大模型发展日新月异，芯片算力是大模型训练竞争的基础，性能降低将大大约束模型开发进展，国产 GPU 有望得到国内客户重点支持。

国产 AI芯片公司持续涌现，训练/推理新品陆续推向市场。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、阿里巴巴孵化了平头哥。

（三）政府顶层设计推动算力产业链全方面发展

算力产业涵盖芯片设计、制造、封装、测试到芯片应用、算力服务、算力平台等环节，是人工智能、大数据、云计算等新一代信息技术的基础和核心。随着算力需求的不断增长，算力产业链的发展也面临着诸多挑战，如芯片供应的不稳定、技术创新的不足、市场竞争的激烈等。为了推动算力产业链的全方面发展，政府出台了一系列的顶层设计。

2023 年 10 月，工信部联合六部委印发《算力基础设施高质量发展行动计划》，着力推进算力基础设施高质量发展，充分发挥算力对数字经济的驱动作用。发展规划重点提出从四个维度完善供给体系。优化算力设施建设布局，推动算力结构多元配置，促进边缘算力协同部署，推动算力标准体系建设。伴随中央各部委出台算力政策规划，各地方政府也在积极推动产业政策落地。

高壁垒下日美寡头垄断市场，自主可控背景下国产替代加速。高壁垒下当前全球半导体光刻胶市场呈现日美垄断的格局，2020 年全球 ArF 光刻胶市场前四大厂商(TOK、信越化学、JSR、住友化学)均来自日本，CR4 近 80%；KrF 日美四大厂商 TOK、信越化学、陶氏化学、JSR 占比近 85%。国内企业半导体光刻胶主要集中在 g/i 线，高端 KrF/ArF 光刻胶国产化率极低，EUV光刻胶尚处于研发阶段，经过多年积累国内厂家逐渐取得突破： g/i 线光刻胶已有多家企业实现规模量产；KrF 光刻胶北京科华和徐州博康进展较快， 2022 年已有多个品种实现销售，此外晶瑞及上海新阳也有少量销售；ArF 光刻胶南大光电 2021 年有产品验证通过，华懋科技、上海新阳也有相关产品进行测试导入；EUV 光刻胶：当前国内并无 EUV 光刻机，各厂商尚处于理论研发阶段。

4、后摩尔时代，先进封装拉动封装材料市场需求

半导体封装材料细分较多，从产品结构来看，封装基板、引线框架、键合线三大主要材料占比分别为 58%、17%、12%。受益于高性能计算、5G、人工智能等市场的强劲需求，先进封装技术需求日益提高。据 SEMI 数据，2022 年全球半导体封装材料市场营收 280 亿美元，并将以 3%的 CAGR 增长至 2027 年的 325 亿美元。

先进封装已经成为后摩尔时代集成电路技术发展的一条重要路径。先进封装主要是指倒装（FlipChip），凸块（Bumping），晶圆级封装（Waferlevelpackage），2.5D 封装（interposer，RDL 等），3D 封装（TSV）等封装技术。由于制程工艺的局限，将多个单芯片和器件集成在单一封装中已成为提高系统集成度和性能的重要手段。先进封装技术可以实现更高的 I/O 密度、更快的信号传输速度和更好的电热性能，从而提高芯片的性能和功能。并且，先进封装技术还可以降低芯片的功耗和体积，提升芯片的可靠性和生产效率。

先进封装高速发展驱动封装材料升级。半导体封装材料影响封装所实现的主要性能，应用于不同封装形式的产品理化性能、工艺性能和应用性能均存在差异，因而半导体封装材料与封装技术呈现相互依存、互相促进的特点。以环氧树脂膜塑料为例，在 TO、DIP 封装到 SiP、FOWLP 封装的演进过程中，对其翘曲、可靠性、气孔均提出了更高的要求，同时在其配方设计中所需关注的因素也逐渐增多。

（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。）