AI创新与周期向上共振，半导体开启新一轮成长-德讯证券顾问

一、AI大模型所需算力大幅增加

1）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。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。根据中国信通院数据，2022年全球算力总规模达到906 EFLOPS，其中智能算力（FP32）为451 EFLOPS。根据IDC的数据，2022年中国智能算力（FP16）规模达259.9 EFLOPS，预计2027年将增加到1117.4 EFLOPS，CAGR达34%。

2）2027年AI芯片市场规模达1194亿美元。

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。

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。

3）存储容量长期呈上升趋势。

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%。

4）先进封装接力摩尔定律为算力和存力芯片助力。

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%。

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%。

按技术来看，3D堆叠存储（包括HBM，3DS，3D NAND）占比最大，预计2028年贡献70%；2022-2028年增速较高的是3D SoC、有源硅中介层、嵌入式硅桥和3D NAND堆栈。

二、全球半导体周期已进入上行阶段

1Q24全球半导体销售额同比增长15%。根据SIA的数据，全球半导体季度销售额同比增速在1Q23触底，之后跌幅收窄，4Q23同比转正。1Q24全球实现销售额为1377亿美元，同比增长15.2%，环比减少5.7%；中国实现销售额为424亿美元，占全球的31%，同比增长27.4%，环比减少6.6%。

WSTS提高全球半导体销售额预测值，预计2024年将恢复增长13.1%。根据WSTS 11月的最新预测，2023年全球半导体销售额为5201亿美元(前次预测值为5151亿美元)，同比减少9.4%；2024年将恢复增长，同比增长13.1%至5884亿美元(前次预测值为5760亿美元)。具体来看，2024年所有地区和产品线的销售额均将正增长。

TechInsights调高全球半导体市场展望，多家机构预计2024年增速超过10%。除WSTS外，其他机构也预计2024年全球半导体销售额恢复增长，预计增速在10%-25%之间。其中TechInsights在3月的最新预测中上调2024年全球半导体销售额增速至24%（前次预测值为16%），将超过6500亿美元，并预计2025/2026年分别增至超过8000亿美元和接近9000亿美元。

存储是半导体周期中弹性最大的品种。

存储芯片是波动性最大的产品类别。根据WSTS的数据，2011-2022年全球半导体销售额增速的最大值为2021年的26.2%，最小值为2019年的-12.0%。在各子行业中，存储芯片由于其大宗产品属性明显，价格波动大，增速变动范围最大，2011-2022年增速的最大值为2017年的61.5%，最小值为2019年的-32.6%。

美光科技和SK海力士的季度收入和毛利率均拐头向上。SK海力士的收入和毛利率均在1Q23见底，3Q23毛利率由负转正。美光科技的收入和毛利率在2QFY23（截至2023年3月2日）见底，2QFY24（截至2024年2月29日）实现收入58亿美元（YoY+58%，QoQ +23%），毛利率回升至+18.5%。

半导体设备波动较大，半导体材料波动较小。

从产业链环节来看，半导体设备销售额波动较大，半导体材料销售额波动较小。从2015-2022年来看，半导体设备销售额的增速波动较大，2017、2021年的增速分别为37.3%、44.2%，远高于半导体销售额增速21.6%、26.2%和半导体材料销售额增速9.6%、15.9%。从增速变化来看，半导体、半导体设备、半导体材料整体保持一致，不过半导体材料销售额波动幅度较小。半导体材料跟随晶圆厂产能利用率波动，周期时间相对靠后。

三、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“Tipping Point”。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。

AI手机需要芯片提供硬件支撑。

1）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。

2）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。

3）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。

2024年也是AI PC元年。

2023年英特尔启动AI PC加速计划，发布为AI PC而生的酷睿Ultra处理器。2023年10月，英特尔启动AI PC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。

AI PC为半导体带来哪些变化？

1）处理器集成CPU、GPU、AI引擎。为了满足AI端侧应用，目前AI PC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。

2）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。

3）功耗管理需求增加。随着AI PC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。

“AI+人形机器人”为半导体带来增量。

1）机器人大脑（人脑）。运行AI算法的SoC为人形机器人提供智力，随着大模型的发展，人形机器人的智力将发展迅速。Optimus使用的是特斯拉SoC，沿用FSD算法。

2）通过语音、视觉感知外界（人眼/耳）。人形机器人靠声音和画面获得外界信息，因此需要视频芯片、音频芯片。另外，人形机器人也有联网需求，因此需要Wi-Fi、蜂窝联网芯片。

3）依靠执行器作用于外界（人关节/触觉）。人形机器人最终的目的是要帮助人类完成工作或服务于人类，需要完成行走、抓取、搬运等动作，这需要依靠执行器帮助完成。Optimus（2022）拥有28个执行器，手部有11个自由度，手指可以独立运动。执行器需要力传感器、位置传感器等各类传感器来获得运动信息等，也需要主控芯片、驱动芯片、模拟芯片、功率器件等以快速精确完成任务。

自动驾驶为半导体带来增量。

预计2030年全球自动驾驶新车渗透率将超过10%，为半导体带来增量。华为预测到2030年，中国自动驾驶新车渗透率将超20%，全球自动驾驶新车渗透率将超过10%。自动驾驶汽车作为大型移动智能终端，核心部件由传统的体现动力和操控的传动系统转向体现自动驾驶技术水平的算法和处理器芯片，智能座舱也成为差异化焦点。

1）自动驾驶决策需要强大的算力。高性能自动驾驶芯片为自动驾驶汽车提供算力支持，并且保持低功耗，承担来自雷达系统和视觉系统的数据处理工作，在短时间内做出相应的驾驶决策。NVIDIA DRIVE Orin算力达254 TOPS。

2）通过摄像头、雷达等传感器获知外界信息。环境感知是自动驾驶的前提，摄像头、雷达等传感器的用量将增加。

3）智能座舱是自动驾驶差异化焦点。座舱是人机交互的中心，华为预计到2030年智能座舱的渗透率将超过90%，一个新的移动式智能终端生态系统逐步构建完成，为各类半导体带来需求，比如音频芯片、视频芯片、模拟芯片等。

3）数据量的增加需要更多的存储容量。根据美光的预计，L5级汽车所需DRAM和NAND分别超过L0的30倍和100倍。若采用车路协同实现自动驾驶，路侧智能化将为各类半导体带来更多增量。