电子行业点评：ChatGPT引领AIGC，高算力芯片为产业基石

ChatGPT有望颠覆传统搜索引擎的应用模式，并作为智能化工具大幅提升生产力。 ChatGPT能对有关信息进行智能化整合，并通过连续对话对相关话题进行二次检索与处理，未来有望替代搜索引擎成为信息检索的主流方式。在第三产业占比提升以及人口红利减少的趋势下，AIGC强大的内容生产能力有望提升部分岗位的生产力甚至进行替代，具备高确定性长线发展逻辑。 从产业链看，AIGC的产业链可分为应用层、大模型层与芯片层。大模型层解决数据、算法问题，芯片层解决算力问题。AIGC产业链可分为三层，（1）应用层：其主要涉及客服回复、新闻生成、代码编程、芯片设计等应用场景，目前整体的商业化落地方式仍在探索阶段；（2）大模型层：其主要通过构建模型的框架、提升数据集的质量，使得AI模型具备更强逻辑推理能力与学习能力。国外的代表厂商为Open AI、谷歌等，国内则为百度、阿里、字节跳动、华为、商汤等，这些厂商本身拥有海量的真实场景数据，具备模型训练优势。目前谷歌、百度等厂商也均进行ChatGPT相关产品的布局。百度2月7日发布其聊天机器人文心一言；谷歌于北京时间2月8日，正式披露竞品Bard；（3）芯片层：AIGC模型实际效果的好坏依赖两个量级——模型参数的量级与训练数据的量级，而两者的提升均需底层大量的算力支持，该环节目前对外依赖严重，国产自研率低。 AIGC发展带动芯片层GPU/CPU/FPGA增量需求，“卡脖子”问题亟待解决。AIGC产品的升级迭代依赖的算力快速提升，如GPT-2代大约有15亿个参数，而GPT-3代则有1750亿个参数。算力需求将带动GPU、CPU、FPGA等芯片的发展，对需求量与芯片性能提出更高要求。自然语言类AI的数据处理通常由高性能GPU提供基础算力，AI行业龙头主要采用英伟达GPU芯片进行开发训练。而在文本搜索、内容推荐场景，部分厂商也会使用CPU进行分布式计算环境的搭建。同时FPGA凭借可重复编程的灵活性，可进行快速定制化运算的研究和设计，提高AI计算加速的稳定性。目前部分高性能GPU（如英伟达的A100GPU与H100GPU）已被禁售，高端算力芯片成为AI产业发展的“卡脖子”核心环节，具备高国产替代紧迫性。 国内HPC（高性能计算）厂商多维发力，算力提升、数据传输、数据存储三大方向齐头并进。我们认为AIGC行业的发展离不开算力提升、数据传输、数据存储三大方向的国产自研。（1）算力提升：国内外算力芯片仍存在较大技术差距，景嘉微作为国内GPU龙头持续在产品端发力，2 2H2 推出JM9系列第二款GPU，已实现在政务、电信、电力、能源、金融等多个行业的试点应用。海光信息在接受AMD的Zen架构授权后，已完成对x86架构的消化、吸收，并独立实现海光三代的研发。目前，海光三代已实现销售，将成为2023年公司销售的主力产品；（2）数据传输：更高的算力需要更强的数据传输能力配合，AI服务器中连接处理器和内存的主板PCB、加速卡用PCB也需要使用更高规格的高价值PCB以减少损耗，深南电路等国内厂商凭借在传统领域的技术积累，快速拓展数据中心、人工智能等领域，拥抱AIGC发展浪潮。（3）数据存储：AIGC算力需求的提升同步带动数据存储量的指数型增长，并有望加速存算一体化趋势的发展。AIGC的发展有望成为兆易创新、聚辰股份等厂商的新兴业绩增长点。 投资建议：（1）在GPU芯片领域建议关注景嘉微、海光信息，同时建议关注GPU龙头英伟达的核心供应商胜宏科技；（2）在CPU芯片领域，建议关注具备自研架构的龙芯中科与采用Zen架构的海光信息；（3）FPGA芯片领域建议关注安路科数据存储领域建议关注兆易创新、聚辰股份、江波龙。 风险提示：研发失败风险、商业化落地受阻风险、行业竞争加剧风险、全球贸易摩擦风险。