电子行业周报：ChatGPT开启行业变革，Chiplet引领破局之路

市场回顾：本周（2.13-2.17）电子板块涨跌幅为-3.3%，相对沪深300指数涨跌幅-1.6pct。年初至今电子板块9.0%，相对沪深300指数涨跌幅+4.8pct。 本周电子行业子板块涨跌幅分别为面板0.87%，安防-1.42%，消费电子设备-2.59%，半导体设备-2.64%，PCB-2.68%，显示零组-2.68%，消费电子组件-3.07%，其他电子零组件Ⅲ-3.24%，被动元件-3.34%，LED-3.55%，半导体材料-4.52%，集成电路-4.53%，分立器件-6.42%。 ChatGPT引领AI技术变革，带动服务器需求增量。ChatGPT是基于OpenAI GPT技术的聊天机器人，其拥有3000亿单词的语料基础，预训练出拥有1750亿个参数的模型，海量的参数与强大的智能交互能力离不开背后算力和服务器的支撑。据我们测算，若未来ChatGPT达到10亿日活，每人平均10000字左右问题，则需新增服务器投入46.30万台。服务器的需求起量为上游的存储/PCB/模拟市场带来新增量。我们预计，单台服务器带来的PCB价值量约为4000元，而AI服务器放量亦将带来DDR5和HBM存储用量的快速提升。 算力芯片采购受阻，Chiplet或成国产破局之路。AI技术蓬勃发展的当下，数据中心对高算力芯片的需求急速增长，当前用于AI模型训练与推理的主流高算力芯片主要有英伟达的V100/A100/H100等。但受限于美国2022年10月7日颁布的出口管制新规，等效8 Int600 TOPS算力的芯片对华出口均受限制。 高算力芯片获取受限，自主制造又面临国内先进制程产能稀缺问题，Chiplet或将成为国产芯片的破局之路。Chiplet技术即将不同功能的小芯粒互联，封装成一个系统芯片，有助于提高良率、降低成本，在相同制程获得更强的性能表现，在AMDCPU/GPU产品，以及苹果M1UltraSOC芯片中均获得量产应用。 2022年12月，中国工信部亦发布Chiplet技术标准，Chiplet技术有望成为国内半导体重点发展方向，带来全产业链的成长机遇。封测端，国内封测厂长电、通富、华天、晶方科技、甬矽电子已有成熟的先进封装技术储备，有望受益于Chiplet带来的先进封装需求；设备端，Chiplet技术使得芯片数量增加带来CP测试需求大幅增长；材料端，Chiplet技术发展增大芯片封装面积，提升ABF载板用量，同时亦带来先进封装芯片黏接材料、包封保护材料等需求增量。 投资建议：我们看好ChatGPT带来的AI应用加速发展，Chiplet则有望成为国产算力芯片的破局之路。建议关注服务器模拟、存储、PCB，以及Chiplet相关的封测、设备、材料赛道投资机遇。 风险提示：疫情反复影响生产经营；下游需求不及预期；研发进展不及预期。 重点公司盈利预测、估值与评级 1ChatGPT引领AI技术变革，带动服务器需求增量 1.1ChatGPT：引领内容生成式AI行业变革 本周科技板块有所调整，但是业界对ChatGPT的热度有增无减。此前微软宣布将在未来向OpenAI投资100亿美元，并将ChatGPT的技术整合到最新版本的必应搜索引擎和Edge浏览器中。微软这一举动拉开了大型科技公司AI竞赛的序幕，谷歌亦宣布推出Bard对抗ChatGPT，国内百度、腾讯等科技巨头亦在加紧推出自己的生成式AI。 从2018年OpenAI开发出GPT-1开始，GPT模型的智能化程度不断提升，ChatGPT是从GPT3.5系列中的模型进行微调而诞生的，此前OpenAI还设计了GPT-1、GPT-2和GPT-3模型。相比于前几代GPT模型，ChatGPT具有类似人类的情境感知和回馈能力，在语言识别、判断和交互层面实现了较好的效果。除此之外，OpenAI旗下还有可生成图片内容的AI应用Dall-E，高智能化的内容生成式AI有望在未来一段时间内改变人类科技发展的格局，让智能化广泛进入人们的日常生活。 图1：OpenAIGPT模型演进 ChatGPT为人类开拓出了训练大语言模型的新道路。ChatGPT在拥有3000亿单词的语料基础上预训练出拥有1750亿个参数的模型（GPT-2仅有15亿参数），预训练数据量从5GB增加到45TB。ChatGPT证明了在高算力的支持下，千亿级参数规模的模型训练+人类反馈，可以使AI融合世界的知识和规则，极大提升模型表现。 图2：各大AIGC模型参数对比 1.2ChatGPT拉动算力需求快速增长 ChatGPT参数量、数据量高度扩张，算力需求剧增。从2018年起，OpenAI就开始发布生成式预训练语言模型GPT（Generative Pre-trained Transformer），可用于生成文章、代码、机器翻译、问答等各类内容，每一代GPT模型的参数量都快速增长：2019年2月发布的GPT-2参数量为15亿，而2020年5月的GPT-3，参数量达到了1750亿。 表1：GPT家族主要模型对比 ChatGPT海量的参数与强大的智能交互能力，离不开算力的支撑。根据Similarweb的数据，23年1月份ChatGPT日活约1300万人，累计用户已超1亿人，创下了互联网最快破亿应用的记录。若ChatGPT日活达至1亿人，每人平均1000字左右的问题，那么需要多大的算力资源支持？ 我们建立计算假设如下： 1）假设均采用英伟达DGX A100服务器：该服务器单机搭载8片A100 GPU，AI算力性能约为5PetaFLOP/s，单机最大功率约为6.5kw； 2）ChatGPT日活达至1亿人，每人平均1000字左右问题； 3）自回归语言模型以token作为单位进行数据处理和计算，在英文环境下，一般750个单词等于1000个token。最常见的Transformer类语言模型在推理过程中每个token的计算成本（以FLOPs为指标）约为2N，其中N为模型参数数量（20年发布的GPT-3拥有1750亿参数，22年谷歌发布的PaLM拥有5400亿参数，假定ChatGPT为3000亿参数）； 4）模型的FLOPs利用率为20%； 5）假定访问峰值是一天均值的5倍； 若ChatGPT日活达至1亿人，每人平均1000字左右的问题，初始服务器投入需4630台。粗略估计ChatGPT 1000字左右的问题需要的算力资源为2*3000亿*1000*1.333/20%=4PetaFLOP，而ChatGPT日活约1亿人，若每人平均1000字左右的问题，假设24小时平均分配任务，则所需算力为1亿*4 PetaFLOP/(24*3600s)=4630PetaFLOP/s。考虑访问流量存在峰值，假定访问峰值是一天均值的5倍，而单台英伟达DGXA100系列服务器算力为5 PetaFLOP/s，则需要对应服务器数量为4630PetaFLOP/s*5/ PetaFLOP/s=4630台。 而若未来ChatGPT日活达至10亿人，每人平均10000字左右问题，则有望带动约46.30万台。 图3：ChatGPT日活1亿人，每人平均1000字左右问题时所需服务器增量 且考虑谷歌每日搜索量已达35亿次，长期来看ChatGPT日活有广阔的提升空间，算力需求将持续释放。此外，若考虑ChatGPT嵌入终端应用后，其对算力资源的消耗量或将成数倍级增长，所需服务器数量需求更是成数倍级提升。 文字交互仅是大模型用量的起点，未来图像、视频等多种形态带动算力需求大幅提升。ChatGPT目前仍主要停留在文字交互层面，但图像、视频等领域也可使用Transformer大模型，所需算力规模远大于文字交互。例如OpenAI的绘画AI模型DALL-E2，其可直接根据文字生成逼真的图像，也可以对现有图像上根据文字指令创建新作品。 图4：OpenAI的绘画AI模型DALL-E2模型可根据文字生成宇航员骑马图 1.3上游存储/PCB/模拟受益ChatGPT需求新增量 ChatGPT拉动服务器需求快速增长的同时，将直接拉动算力芯片需求增长，我们于下文中详细对算力芯片需求进行了介绍。此外，服务器需求的增长，也将带动上游存储/PCB/模拟的需求快速增长。 1）ChatGPT新时代，服务器需求带动DDR5和HBM用量快速提升。随着ChatGPT等应用开启AI新时代，全球数据生成、储存、处理量有望呈等比级数增长，而DDR5内存和高带宽存储器（HBM）可支持更高速率的带宽。对于计算-内存而言，DDR5标准的最高速率是DDR4的两倍，而HBM基于TSV和芯片堆叠技术的堆叠DRAM架构，可实现高于256GBps的突破性带宽。深度学习和人工智能的快速发展对数据运算的要求越来越高，随着数据指数式增长，内存墙对于计算速度的影响越来越凸显，而DDR5和HBM技术可以帮助数据中心突破“内存墙”瓶颈。我们看好在ChatGPT的带动下，服务器DDR5和HBM的渗透率有望加速提升。 图5：HBM示意图 2）ChatGPT带动PCB需求新增量。服务器内部涉及PCB的主要部件包括主板、电源背板、网卡、Riser卡、硬盘背板等，PCB在AI服务器应用中对板厚、层数、工艺等有着更高的要求，具有高层数、高密度及高传输速率的特点。 PCB层数越多，设计越灵活，能够对电路起到更好地抗阻作用，更易于实现芯片之间地高速传输，单位价值量也越高。PCIe3.0接口的信号传输速率为8GT/s，对应的服务器PCB板为8-10层；PCIe4.0接口的传输速率为16GT/s，使用的服务器PCB层数为12-14层，目前渗透率在快速提高，如英伟达DGXA100系列服务器就采用了PCIe4.0接口；服务器平台下一步将升级到PCIe 5.0，传输速率为32GT/s，PCB的层数可达18层。随着ChatGPT对算力要求的提升，预计服务器PCB将呈量价齐升的态势，保守估计每台服务器的PCB价值量可达4000元。 图6：服务器中PCB的主要应用部位 3）ChatGPT拉动服务器建设的同时，亦带来大量电源管理芯片需求。从市电输入服务器开始，到电流输入CPU等元器件止，大体上需要经过三次电流的改变。第一次是经过服务器的电源模块，将市电从交流电转换成48V的直流电（AC-DC）。接下来，该直流电会被输送至DC/DC变换器，进一步被转换成12V，提供给中间母线结构（IBA）。最后该12V母线电压将被分配至板上多个负载点（PoL）变换器中，为芯片或子电路提供电源。不过由于主板上CPU等内核器件与风扇等其他器件对功率的要求各不相同，因此需要分开处理。对于CPU等内核器件，往往需要使用多相电源供电，而对于部分功率较小且比较稳定的其他器件，不需要使用多相电源，只需要使用Buck进行降压就可以对其进行供电。具体而言，主板上的电源管理IC主要包括eFuse/热插拔、多相电源、LDO与降压Buck等四类。 图7：服务器电源芯片系统示意图 2算力芯片采购受阻，Chiplet或成国产破局之路 2.1算力芯片采购/制造阻碍重重 AI技术蓬勃发展的当下，数据中心对高算力芯片的需求急速增长。GPU由于具备并行计算能力，可兼容训练和推理，高度适配AI模型构建，目前被广泛应用于加速芯片。随着ChatGPT带来新的AI应用热潮，数据中芯对高算力的GPU芯片需求急速增长。 图8：HPC和AI的实际应用 当前用于AI模型训练与推理的主流高算力芯片主要有英伟达的V100/A100/H100等。其中A100算力达624 TOPS（PCIe，INT8 TensorCore，不采用稀疏技术），H100算力达1513 TOPS（PCIe，INT8 TensorCore，不采用稀疏技术）。A100与V100芯片出口均受限，国内AI产业发展将面临算力芯片采购、生产的重重阻碍。 2022年10月7日，美国商务部发布出口管制新规，对中国半导体进行三方面限制：（1）先进计算领域，限制中国获取等效8 Int600 TOPS算力的芯片，主要影响AI应用；（2）超算领域，限制中国