电子行业专题：GPU龙头产品迭代不断，产业链各环节持续催化

AI服务器需求快速提升，GPU新品不断性能持续提升。Trendforce集邦咨询预计23年AI服务器出货量约120万台，同比+38.4%，占整体服务器出货量的比约为9%，2022~2026年AI服务器出货量CAGR将达22%，而AI芯片2023年出货量将成长46%。GPU作为数据并行处理的核心，是AI服务器的核心增量。2021英伟达在企业级GPU市场中占比91.4%，AMD占比8.5%。目前英伟达产品DGX GH200已发布，互连技术强大，算力进一步升级。5月29日，英伟达在其发布会上，正式发布最新的GH200 Grace Hopper超级芯片，以及拥有256个GH200超级芯片的NVIDIA DGX GH200超级计算机。GH200超级芯片内部集成了Grace CPU和H100 GPU，晶体管数量达2000亿个。同时，DGX GH200的AI性能算力将达到1 exaFLOPS。与DGX H100相比，DGX GH200的共享内存提升约230倍。而AMD在美国时间2023年6月13日，推出其新款AI芯片MI300系列，两款芯片分别为MI300A与MI300X，分别集成1460、1530亿个晶体管。MI300A内含13个小芯片，总共集成1460亿个晶体管，其内部包含24个Zen 4 CPU核心、1个CDNA 3图形引擎和128GB HBM3内存；而MI300X是针对大预言模型的优化版本，其内存达192GB，内存带宽为5.2TB/s，Infinity Fabric带宽为896GB/s，晶体管达1530亿个。AMD表示，与上代MI 250相比，MI300的AI性能和每瓦性能分别为MI250的8倍和5倍。MI300由13个小芯片整合而成，其中其计算部分由9个基于台积电 5nm 工艺制程的小芯片组成，这些小芯片包括了CPU和GPU内核。3D堆叠设计极大提升了MI 300的性能与数据吞吐量。同时，MI300两侧排列着8个合计128GB的HBM3芯片，满足其海量且高速的数据存储需求。 性能升级带动产业革新，各环节增量不断。AI大模型等AIGC产业的升级离不开算力的底层支持，使得GPU等大算力芯片性能持续提升，带来产业链各环节增量。 其中，GPU为产业链最大增量，若以每个NVIDIA H100 GPU单价4万美元测算，DGX H100的GPU价值量达32万美元；AI服务器中NAND/DRAM的数据存储需求提升3倍/8倍，且各存储龙头逐渐发力HBM，服务高性能；而在PCB方面，目前普通服务器需要6-16层板和封装基板，而AI服务器等高端服务器主板层数则达16层以上，背板层数超过20层，明确受益AI算力提升；高制程芯片设计成本与制造成本均呈现指数型的增长趋势，Chiplet等先进封装应运而生。目前以CoWoS为代表的先进封装技术产能紧缺，已成为制约GPU生产的关键环节。 国内产业链机遇，PCB/内存接口/封测深度受益。（1）在PCB领域，沪电股份为中高端通讯板龙头，深度受益AI算力爆发；胜宏科技产品持续拓展，与优质客户共同成长；奥士康产品结构持续优化，聚焦ICT核心应用。（2）在服务器接口芯片领域，澜起科技内存接口芯片位列全球前三，持续拓展新品类；聚辰股份则深耕EEPROM+NOR Flash，服务器端SPD稳步培育。（3）在封测领域，长电科技已是全球Top3封测龙头，先进封装切入高性能计算；通富微电亦为先进封测龙头，深度绑定GPU龙头AMD。（4）在算力映射领域，海光信息为国产CPU+DCU龙头，产品性能逐代提升；龙芯中科产品高度可控，构建自主生态；寒武纪则聚焦人工智能领域，产品实现多维布局。 风险提示：行业发展不及预期风险；下游需求不及预期风险；竞争加剧风险。 1.英伟达+AMD一超一强，衍生产业链各环节增量机遇 1.1.AI服务器需求快速提升，GPU新品不断性能持续提升 AI服务器发展迅速，GPU环节为英伟达与AMD所占据。AIGC的发展带动AI服务器迅速增长，TrendForce集邦咨询预计23年AI服务器出货量约120万台，同比+38.4%，占整体服务器出货量的比约为9%，2022~2026年AI服务器出货量CAGR将达22%，而AI芯片2023年出货量将成长46%。GPU作为数据并行处理的核心，是AI服务器的核心增量。全球GPU呈现“一超一强”的竞争格局，根据IDC数据，2021英伟达在企业级GPU市场中占比91.4%，AMD占比8.5%。 图1：2022~2026年AI服务器出货量（单位：万台） 图2：2021年企业级GPU市场份额 目前英伟达产品DGX GH200已发布，互连技术强大，算力进一步升级。5月29日，英伟达在其发布会上，正式发布最新的GH200 Grace Hopper超级芯片，以及拥有256个GH200超级芯片的NVIDIA DGX GH200超级计算机。GH200超级芯片内部集成了Grace CPU和H100 GPU，晶体管数量达2000亿个。其借助NVIDIA NVLink-C2C芯片互连，将英伟达Grace CPU与英伟达H100 Tensor Core GPU整合。与PCIe Gen5技术相比，其GPU和CPU之间的带宽将提高7倍，并将互连功耗减少至1/5以下。同时，DGX GH200的AI性能算力将达到1 exaFLOPS。 图3：英伟达GH200内部结构及互连技术示意图 英伟达产品DGX GH200共享内存大幅提升，突破内存瓶颈。DGX GH200系统将256个GH200超级芯片与144TB的共享内存进行连接，进一步提高系统协同性。与DGXH100相比，DGXGH200的共享内存提升约230倍。凭借强大的共享内存，GH200能够显著改善受GPU内存大小瓶颈影响的AI和HPC应用程序的性能。而在具有tb级嵌入式表的深度学习推荐模型（DLRM）、tb级图神经网络训练模型或大型数据分析工作负载中，使用DGX GH200可将速度提高4到7倍。 图4：英伟达各代产品共享内存容量对比 图5：大内存AI工作负载的性能比较 而AMD在美国时间2023年6月13日，推出其新款AI芯片MI300系列，两款芯片分别为MI300A与MI300X，分别集成1460、1530亿个晶体管。MI300A内含13个小芯片，总共集成1460亿个晶体管，其内部包含24个Zen 4 CPU核心、1个CDNA 3图形引擎和128GB HBM3内存；而MI300X是针对大预言模型的优化版本，其内存达192GB，内存带宽为5.2TB/s，Infinity Fabric带宽为896GB/s，晶体管达1530亿个。AMD表示，与上代MI 250相比，MI300的AI性能和每瓦性能分别为MI250的8倍和5倍。 图6：AMDMI300与MI250性能对比 应用先进封装Chiplet技术与HBM3，工艺技术驱动产品升级。在以往CPU、GPU设计中，AMD常利用其先进的封装堆叠技术，集成多个小核心，从而实现整体性能的提升。根据芯智讯，MI300由13个小芯片整合而成，其中其计算部分由9个基于台积电 5nm 工艺制程的小芯片组成，这些小芯片包括了CPU和GPU内核。3D堆叠设计极大提升了MI300的性能与数据吞吐量。同时，MI300两侧排列着8个合计128GB的HBM3芯片，满足其海量且高速的数据存储需求。 图7：AMDMI300结构渲染图 1.2.性能升级带动产业革新，各环节增量不断 AI大模型等AIGC产业的升级离不开算力的底层支持，使得GPU等大算力芯片性能持续提升，带来产业链各环节增量。以英伟达DGX H100为例，其在GPU、互连技术、智能网卡、内存条、硬盘等结构上均较普通服务器有较大提升，同时其PCB的面积需求量与性能要求亦高于普通服务器。 图8：英伟达H100宣传示意图 图9：英伟达H100结构示意图 （1）GPU：量价齐升，产业链最大增量。一般的普通服务器仅会配备单卡或双卡，而AI服务器由于需要承担大量的计算，一般配置四块或以上的GPU。 且AI大模型在训练与推理时的计算量巨大，中低端的GPU无法满足其运算需求。 如在英伟达DGXH100中，其配备8个NVIDIA H100 GPU，总GPU显存高达640GB；每个GPU配备18个NVIDIANVLink，GPU之间的双向带宽高达900GB/s。 若以每个NVIDIA H100 GPU单价4万美元测算，DGXH100的GPU价值量为32万美元，为AI服务器中的最大增量。 图10：英伟达A100与H100算力性能情况 （2）硬盘：AI服务器NAND数据存储需求提升3倍。AI服务器的高吞吐量及训练模型的高参数量级亦推升NAND数据存储需求。美光估计，AI服务器中NAND需求量是传统服务器的3倍。一台DGX H100中，SSD的存储容量达30TB。 （3）内存：AI服务器DRAM数据存储需求提升8倍，HBM需求快速提升。 以HBM为主要代表的存算一体芯片能够通过2.5D/3D堆叠，将多个存储芯片与处理器芯片封装在一起，克服单一封装内带宽的限制、增加带宽、扩展内存容量、并减少数据存储的延迟。根据公众号全球SSD，三星2021年2月与AMD合作开发HBM-PIM，将内存和AI处理器合而为一，在CPU和GPU安装HBM-PIM，显著提高服务器运算速度。2023年开年后，三星高带宽存储器（HBM）订单快速增加。SK海力士亦在2021年10月成功开发出HBM3，并于2022年6月开始量产，在2022年第三季度向英伟达进行供货。同时，美光估计，AI服务器中DRAM需求量是传统服务器的8倍。如在一台DGXH100中，内存容量达2TB。 图11：SK海力士HBM3性能参数 （4）PCB：AI服务器PCB明确受益AI算力提升。目前普通服务器需要6-16层板和封装基板，而AI服务器等高端服务器主板层数则达16层以上，背板层数超过20层。且除GPU外，服务器中主板、电源背板、硬盘背板、网卡、Riser卡等核心部分均需使用PCB板进行数据传输。服务器出货量的增加将推动PCB需求量的提升。 图12：服务器各结构PCB使用情况 （5）先进封装：高制程芯片设计成本与制造成本均呈现指数型的增长趋势，Chiplet等先进封装应运而生。随着制程的提升，芯片成本的提升呈现指数型增长。 以芯片设计为例，根据UCIE白皮书， 28nm 制程的芯片设计成本约0.51亿美元，但当制程提升至 5nm 时，芯片设计成本则快速升至5.42亿美元，成本提升近十倍，先进制程的推进速度愈加缓慢。因此在HPC高性能计算领域，Chiplet的重要性持续提升。 图13：芯片设计成本随制程提升而快速升高（百万美元） 图14：芯片制造成本随制程提升而快速升高（百万美元） 目前，以CoWoS为代表的高性能计算先进封装产能紧缺，制约GPU产品出货。英伟达A100、H100 GPU均采用台积电CoWoS先进封装工艺。而根据科创板日报与台湾电子时报，英伟达将原定今年Q4的先进封装CoWoS产能，改为Q2-Q4平均分配生产，订单生产时间较原计划大大提前。目前，台积电CoWoS封测产能供不应求，部分订单已外溢日月光、矽品与Amkor、联电等。我们认为，以CoWoS为代表的先进封装技术产能紧缺，已成为制约GPU生产的关键环节。 图15：台积电CoWoS-R与CoWoS-L内部结构示意图 2.国内产业链机遇，PCB/内存接口/封测深度受益 2.1.PCB——沪电股份：中高端通讯板龙头，深度受益AI算力爆发 公司以中高端企业通讯市场板、汽车板为核心产品，数通板占比超6成。公司产品广泛应用于通讯设备、汽车、工业设备、数据中心、网通、微波射频、半导体芯片等多个领域，其中又以通讯设备板、汽车板为主，办公及工业设备板、半导体芯片测试板等为有力补充。2022年公司企业通讯板业务营收占比为66%。 公司在通讯板领域产品涵盖电源设备、服务器、路由器、交换机、存储等，品类齐全，产品以中高端为主，主导产