数据中心、国产化浪潮和先进封装助力，算力芯片未来可期

行业研究|深度报告 看好（维持） 数据中心、国产化浪潮和先进封装助力，算力芯片未来可期 电子行业 国家/地区中国 行业电子行业 报告发布日期2023年06月26日 核心观点 近日，英伟达宣布GH200GraceHopper超级芯片投产，全球AI服务器算力芯片市场迎来变革，中国芯片企业在面临挑战的同时，也有望在迎来发展机遇。 国产算力芯片市占率低，具备广阔拓展空间。算力芯片目前国产厂商份额极低。CPU目前从市场占有率来说，Intel依靠其强大的X86生态体系，在通用CPU市场占据领先地位，市场份额常年保持在80%左右，AMD近期追赶势头明显，其他厂商 整体市场份额不超过1%。2022年，数据中心领域Intel市场占有率为71%，较21年下降10pcts，AMD在22年市占率快速提升8pcts至20%，亚马逊、Ampere等新兴玩家份额快速提升，给总计份额不足5%的国产厂商发展带来了借鉴意义。在独立显卡市场上，NVIDIA、AMD和英特尔2022年Q4全球GPU市场占有率分别为82%、9%和9%。 多数参数我国CPU具备比肩能力，IPC性能是最主要差距。目前通过公开信息可以看出，主频、核心数、内存类型等指标我国CPU厂商差异不大，具备一定的比肩能力，但落实到具体性能决定指标IPC，仅Intel和AMD会公布IPC“相比上一代提升了多少”，其他国产CPU从IPC性能来看大致落后于Intel、AMD几年水平。 国产厂商的机遇一：数据中心带来新需求。根据工信部信息通信发展司数据，2017年我国数据中心市场总机架数量166万架，2022年预测达到670万架，2017-2022E复合增速达32.2%。目前东数西算工程将通过构建数据中心、云计算、大数 据一体化的新型算力网络体系，于2022年2月，在京津冀、长三角、粤港澳大湾区 等8地启动建设国家算力枢纽节点，规划了10个国家数据中心集群。各地数据中心 都将集聚大量服务器，如韶关数据中心预计到2025年将建成50万架标准机架、 500万台服务器规模，投资超500亿元（不含服务器及软件）。 国产厂商的机遇二：国产化浪潮。政府及国有企事业单位为国产CPU主阵地。据测算，今年PC芯片市场规模在162-330亿元之间，2022年服务器芯片市场规模则已 达130亿美元。在企业级市场中，也不仅是国有企业，能源、交通、金融、电信、教育等重要领域或规模较大的民营企业也存在设备国产化需求。消费级市场对产业生态的要求最高，对性价比较为敏感，迭代周期短，是国产CPU长期需突破的目标市场。 国产厂商的机遇三：通过封测技术弯道超车。后摩尔时代的到来，一方面，CPU制程进入后摩尔定律时期升级速度趋缓，国产CPU性能与国际主流水平逐步缩小，存 在赶超的可能；另一方面，先进封装技术成为兵家竞争新赛道，在封装方面，我国封测厂商长电科技和通富微电在全球前五中占据两席，通富与AMD紧密合作，先进封装技术正成为集成电路产业发展的新引擎，我国CPU企业有望通过封测技术弯道超车，弥补先进制程能力不足的缺陷。目前国产CPU已经可以通过先进封装技术实现性能提升与应用场景拓展。 投资建议与投资标的 AI算力、低功耗等对服务器算力芯片提出新的要求，英伟达GH200有望加速全球AI服务器算力芯片市场变革，中国芯片企业在面临挑战的同时，也有望迎来发展机遇。我们建议关注海光信息、寒武纪、龙芯中科、国芯科技、芯原股份、北京君正、通富微电、长电科技、深科技等。 风险提示 与头部厂商技术差距缩小不及预期、信创市场增长不及预期、产业链供应链保障不及预期、假设条件变化影响测算结果的风险。 证券分析师蒯剑 021-63325888*8514 kuaijian@orientsec.com.cn 执业证书编号：S0860514050005香港证监会牌照：BPT856 证券分析师李庭旭 litingxu@orientsec.com.cn 执业证书编号：S0860522090002 联系人杨宇轩 yangyuxuan@orientsec.com.cn 联系人韩潇锐 hanxiaorui@orientsec.com.cn 联系人张释文 zhangshiwen@orientsec.com.cn 联系人薛宏伟 xuehongwei@orientsec.com.cn 继续看好AI主线 2023-06-23 创新、复苏与国产化的共振：电子行业 2023-06-18 2023年中期策略报告VisionPro树行业标杆，有望开启XR行业 2023-06-08 “iPhone时刻” 有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。 目录 1算力芯片壁垒高、发展必要性强5 1.1不同算力芯片的特点与区别5 1.2CPU广泛应用于服务器、工作站、个人计算机等7 1.3GPU等AI芯片广泛应用于高性能运算、深度学习等场景9 2份额提升空间大，性能有待突破9 2.1国内厂商份额极低，具备广阔拓展空间9 2.2多数参数我国CPU具备比肩能力11 2.3国内厂商提升CPU性能的几大壁垒12 2.3.1指令级架构与生态绑定多年，创新面临知识产权等多重壁垒12 2.3.2EDA工具软件基本被垄断，软件工具集群被卡脖子14 2.3.3材料、设备、晶圆厂国产化率低，在诸多限制下提升困难14 2.4AI芯片的关键性能差异15 2.4.1AI芯片的关键特征包含数据特点、计算范式、精度、重构能力等15 2.4.2AI芯片设计趋势15 3国产厂商的机遇：数据中心、国产化和先进封装16 3.1数据中心快速发展带来行业新机遇16 3.2在国产化浪潮中不断突破不同市场16 3.3先进封装助力国产CPU企业弯道超车18 4投资建议18 4.1海光信息：国产服务器算力芯片龙头18 4.2寒武纪：领跑中国AI芯片市场20 4.3龙芯中科：从指令集到架构全自主的CPU22 5风险提示25 6附录非上市算力芯片公司25 6.1华为：布局五大系列芯片，鲲鹏、昇腾满足服务器和AI需求25 6.2飞腾：从CPU研发到全栈式方案28 6.3兆芯：行业拓展成果显著31 6.4申威：以自研指令集保障关键领域34 图表目录 图1：Inteli76700KSOC结构示意图6 图2：CPU与GPU内部构造对比6 图3：FPGA并行运算相对CPU可提升视觉算法计算效率7 图4：IBM的TrueNorth芯片结构、功能、物理形态图9 图5：2021年全球数据中心CPU市场份额10 图6：2021-2022年全球数据中心CPU市场份额10 图7：4Q22全球GPU市场占有率11 图8：4Q22全球独立GPU市场占有率11 图9：我国数据中心机架规模16 图10：CPU三类市场划分及特点17 图11：龙芯中科3D5000芯片18 图12：3D5000芯片由2颗3C5000芯片封装而成18 图13：海光信息公司及产品发展沿革19 图14：全算力的产品布局21 图15：车云协同助力数据闭环与AI调优21 图16：云边端车协同21 图17：训练软件平台22 图18：推理加速引擎MagicMind22 图19：龙芯中科股权结构（截至2023.4.28）23 图20：公司龙芯自主指令系统24 图21：龙架构及其特性24 图22：龙芯3D5000规格参数24 图23：龙芯CPU系列及其应用25 图24：华为五大系列芯片全景图26 图25：IDC预测2023年全球计算产业投资额27 图26：华为鲲鹏计算产业定位与展望27 图27：华为5大关键芯片演进策略27 图28：基于飞腾平台的终端全栈架构30 图29：兆芯芯片产品应用图谱33 图30：申威2601035 图31：申威CPU基本特征35 图32：“神威·太湖之光”外观36 表1：CPU，GPU，FPG与ASIC的特性与功能5 表2：独立GPU与集成GPU比较6 表3：CPU的下游应用分类7 表4：国内外主流厂商服务器CPU性能对比12 表5：不同指令集架构对比分析12 表6：PC芯片市场规模测算17 表7：2022年中国服务器芯片市场规模17 表8：海光系列CPU特性及应用19 表9：海光DPU规格特点20 表10：寒武纪产品行业解决方案示例22 表11：鲲鹏920处理器产品特性26 表12：各行业数字化转型需求28 表13：飞腾公司发展沿革28 表14：飞腾CPU产品分类及定位29 表15：飞腾三大产品系列发展路线及应用30 表16：兆芯公司发展沿革31 表17：兆芯处理器芯片家族32 表18：兆芯行业拓展成果34 表19：申威产品特性及应用35 1算力芯片壁垒高、发展必要性强 英伟达宣布生成式AI引擎NVIDIADGXGH200现已投入量产。2023年5月28日，英伟达创始人兼CEO黄仁勋在NVIDIAComputex2023演讲中宣布，生成式AI引擎NVIDIADGXGH200现已投入量产。GH200使用Nvidia的NVLink-C2C互连技术，将Nvidia基于ARM的GraceCPU和HopperGPU架构融合到一个芯片中。NVIDIADGXGH200将256个NVIDIAGraceHopper超级芯片完全连接到单个GPU中，支持万亿参数AI大模型训练，能够处理大规模推荐系统、生成式人工智能和图形分析，并为巨型人工智能模型提供线性可扩展性。Nvidia的服务器合作伙伴正计划基于新的GH200Superchip打造他们自己的系统，首批产品将于今年晚些时候上市。 GH200速度和功耗指标都有显著提升。这款新的芯片总带宽达每秒900GB，比当今最先进的加速计算系统中采用的标准PCIeGen5通道高出7倍。Nvidia表示，Superchip的功耗也降低了5 倍，使其能够更有效地处理那些要求苛刻的AI和高性能计算应用。 AMD推出数据中心APUInstinctMI300。北京时间2023年6月14日凌晨，AMD推出数据中心APU（加速处理器）InstinctMI300，其旨在帮助数据中心处理人工智能相关数据流量，并在这一快速增长的市场上挑战英伟达的垄断地位。InstinctMI300系列将包括一个GPU（图形处理器）MI300X，可以加速ChatGPT等聊天机器人所使用的生成式AI技术的处理。 先进算力国产替代在行业变革中有望迎来机遇。半导体国产化势在必行，而算力芯片又是重中之重。AI算力、低功耗等对服务器算力芯片提出新的要求，市场格局近几个季度变化较多，英伟达GH200有望加速全球AI服务器算力芯片市场变革，中国芯片企业在面临挑战的同时，也有望迎来发展机遇。 1.1不同算力芯片的特点与区别 计算芯片包括CPU、GPU、FPGA、ASIC等，都用作计算分析。其中，CPU是性能最综合的计算芯片，AI算法的执行也运用GPU、FPGA、ASIC等芯片。 表1：CPU，GPU，FPG与ASIC的特性与功能 指标 CPU GPU FPGA ASIC 架构区别峰值算力 70%晶体管用来构建Cache，还有一部分控制单元，计算单元少，适用于运算复杂，逻辑复杂的计算。 一般 晶体管大部分构建计算单元，运算复杂度低，适合大规模并行计算。 较高 可编程逻辑，不通过指令集，计算效率高，更接近底层IO，通过几余晶体管和连线实现逻辑可编程。 较高 晶体管根据算法定制，不会有冗余，功耗低、计算性能高、计算效率高。定制开发成本高，时间周期长。 最高 功耗 高 高 较低 最低 能耗比 最低 较低 较高 最高 通用性时延 最高微秒级别 较高1毫秒 一般1微秒 最低1微秒 数据来源：中国信通院，凡亿教育，AI电堂，东方证券研究所 CPU是综合计算芯片，擅长逻辑控制和串行运算。计算机的运算器和控制器一起组成了CPU，CPU是整台计算机的大脑，也是一个有多种功能的优秀领导者。它的优点在于调度、管理、协调 能力强，计算能力则位于其次。CPU有大量