半导体行业深度报告（十）：AI大模型风起云涌，半导体与光模块长期受益

AI大模型风起云涌，半导体与光模块长期受益 半导体行业深度报告（十） 2024年3月14日 证券分析师：方霁，执业证书编号：S0630523060001联系人：蔡望颋 联系方式：cwt@longone.com.cn 证券研究报告HTTP://WWW.LONGONE.COM.CN请务必仔细阅读正文后的所有说明和声明1 摘要 全球AI大模型高速发展，算力需求高增驱动AI服务器三年CAGR约为29%的增长，带动算力芯片与光模块产业链受益。2023年以来，以ChatGPT、Sora为代 表的多模态AI大模型横空出世，标志着人工智能技术已经进入一个新的纪元。未来，通用人工智能（AGI）有望集多模态感知、大数据分析、机器学习、自动 化决策于一体，重塑人类工作和生产生活的方式，引领人类步入第四次工业革命。算力的高速增长需要更多的AI服务器支撑，2023年全球AI服务器约85.5万台， 到2026年预计将达到236.9万台，CAGR为29.02%，从而驱动AI算力芯片与配套的光模块产业高增长。 GPU是常见的AI芯片种类，AI芯片一般占据AI服务器成本70%左右，国产算力芯片在海外垄断格局下有望实现国产替代。AI芯片按照技术架构和应用需求可分为GPU、FPGA、ASIC和类脑芯片四大类，GPU是多功能的并行处理器，由于其通用程度高、软件生态丰富、制造工艺相对成熟，是目前最为普遍的AI芯片类型，占到中国AI运算市场的约89%。GPU是AI服务器的核心，约占近90%AI芯片市场份额，其价值量占AI服务器高达70-75%。2023Q4英伟达、AMD、英特尔分别占据全球GPU市场份额是80%、19%、1%。中国AI算力在文心一言、讯飞星火、通义千问等大模型支持下，长期需求规模较大。 HBM一定程度解决了算力增速大于存储增速的内存墙问题，由于其极高带宽、低功耗、小体积优势，成为GPU显存的最佳方案，随着AI算力芯片的高增长，HBM飞快发展，国内相关产业链企业或将受益。近几十年来，处理器的性能以每年大约55%速度快速提升，而内存性能的提升速度则只有每年10%左右。不均衡的发展速度造成了当前内存的存取速度严重滞后于处理器的计算速度，内存瓶颈导致高性能处理器难以发挥出应有的功效。HighBandwidthMemory，即高 带宽内存，是一种新兴的DRAM解决方案。HBM具备极高带宽：达到1T/s；体积减小：比GDDR降低94%的尺寸；低功耗：高度集成后比GDDR拥有更小的电压与功耗。这些显著优势促使HBM快速发展，目前全球主要被韩美企业垄断，国内厂商纷纷布局，适合国产HBM发展的产品即将问世。 光模块受益算力需求高增长，我国模块封装能力成熟，或将受益高速光模块需求增长，同时受益光芯片国产化进程。光模块用于服务器或者数据中心的高速互联，主要下游在电信与IDC，随着AI服务器发力发展，数通光模块在2026年或将占据60%份额。全球TOP10大光模块企业中，中国大陆占据5家，封装能力全球领先。从光模块成本结构看，光模块器件占据了光模块73%的成本，而光芯片与电芯片占据光器件的主要成本，高端光芯片（25G以上）国产替代率较低，国内企业在2.5G和10G光芯片领域基本实现了核心技术的掌握，国产化率分别为90%和60%，但是25G光芯片国产化率为20%，25G以上光芯片国产化率仅为5%，国产替代空间较大。 投资建议：AI大模型时代下，AI算力需求高速增长，AI服务器需求呈现29%复合高增速，从而驱动算力芯片及光模块的需求高增长。短期关注相关产业链的主题催化行情，长期关注受益于AI持续高速发展业绩或将逐步兑现优质企业。建议关注海光信息、寒武纪、澜起科技、中际旭创、光迅科技、天孚通信、新易盛、源杰科技等优质算力芯片与光器件相关企业。 风险提示：AI需求不及预期风险，行业竞争过度风险，国际贸易政策变化风险。 证券研究报告HTTP://WWW.LONGONE.COM.CN请务必仔细阅读正文后的所有说明和声明2 目录 第一部分大模型带动AI服务器高增长第二部分算力芯片与光模块长期受益第三部分A股上市公司代表 第四部分投资建议 第五部分风险提示 证券研究报告HTTP://WWW.LONGONE.COM.CN请务必仔细阅读正文后的所有说明和声明3 复盘历史上三次工业革命，每一轮都伴随着核心技术的突破和生产方式的重大变革。第一次工业革命以蒸汽机的发明为代表，机器解放了人类的双手，第二次则由电力和内燃机驱动，改变了人类交通和通信的方式，第三次是计算机和互联网技术的发明，使自动化产线和工业机器人得以大规模应用，移动通讯技术发展使信息传播速度前所未有，极大促进了生产力的发展。 2023年以来，以ChatGPT、Sora为代表的多模态AI大模型横空出世，标志着人工智能技术已经进入一个新的纪元。未来，通用人工智能（AGI）有望集多模态感知、大数据分析、机器学习、自动化决策于一体，重塑人类工作和生产生活的方式，引领人类步入第四次工业革命。 1..1、通用AI概念：AI有望引领人类第四次工业革命 第一次工业革命第二次工业革命第三次工业革命第四次工业革命？ 人工劳动机械化 核心驱动：蒸汽机的发明和应用使得机 器代替了人工，纺织机械的改进加速纺织工业机械化，铁路运输兴起改善了交通和物流。 1760-1840 1870-1914 1960年至今 2023-？ 机械化电气化 核心驱动：内燃机诞生促进了飞机和汽 车的发明，交通运输效率大幅提高，化工和钢铁产业快速发展，电话和无线电的发明极大加快了信息传播速度。 电气化数字化 核心驱动：互联网和计算机的诞生极 大地提升了生产效率，移动通信和智能手机使通信和信息传播速度大幅提高，自动化生产线和机器人技术在制造业中的应用。 数字化智能化 核心驱动：AI技术快速发展，物联网 （IoT）实现万物互联，大数据技术成熟促进数据驱动的决策模式，自动驾驶、工业机器人乃至通用人工智能的发展有望重塑人类生产生活的方式。 资料来源：公开资料整理，东海证券研究所 人工智能（ArtificialIntelligence）是通过计算机和算法来模拟、扩展人类智能的一门技术科学。其本质是使计算机和人一样具备学习、推理、感知和决策的能力，代替人类解决和处理各类复杂的工作，从而提升效率和解放生产力。常见的AI研究包括机器学习、机器视觉、自然语言处理和专家系统等。 按照智能程度划分，AI可分为弱人工智能（ANI）、通用人工智能（AGI）和超级人工智能（ASI）。弱人工智能是指只能解决单个特定领域问题的AI，如面部识别、语音识别等，目前已广泛应用。通用人工智能是指具备人类级别智能的AI，目前还尚未实现，但Sora的问世无疑使我们离AGI更进了一步。超级人工智能是指超越人类智能且具有自主思维意识的AI，目前尚处理论阶段。 人工智能具有算力、算法、数据三大要素，其中基础层提供算力支持，通用技术平台解决算法问题，场景化应用挖掘数据价值。 弱人工智能（ANI） 通用人工智能 （AGI） 超级人工智能 （ASI） AI的发展高度依赖海量的数据，由于大数据产业的发展，数据量呈现爆炸性增长态势，积累了海量、多维度数据，为深度学习提供了外部素材。 从传统逻辑到机器学习再到深度学习，算法的演变极大的提高了AI的应用维度和效率。 数据 AI 算法 算力 人工智能的三大要素 感知 分析 某特定领域智能 典型应用场景 •图像识别 •语音识别 •语义分析 •机器翻译 •大数据营销 认知和学习 决策与执行 多领域综合智能 典型应用场景 •无人驾驶 •智能机器人 •手术机器人 •艺术创作 •智能专家系统 独立意识与创新创造 超越人类的智能 典型应用场景 •科研创新 •复杂问题解决 •解决人类无法 解决的难题 算法的实现、海量数据的获取和存储以及计算能力的体现都离不开AI算力基础——芯片。具有超高运算能力、符合市场需求的AI芯片，是人工智能领域可持续发展的重要因素。 资料来源：行行查，公开资料整理，东海证券研究所 AIGC即AIGeneratedContent，即利用AI技术自动创建文本、图像、视频等内容，它被认为是继PGC、UGC之后的新型内容创作方式。 AIGC产业可分为基础设施层、模型层和应用层，每一层都是AIGC产业链不可或缺的组成部分，共同构成了一个完整的生态系统，以支持从数据处理到内容创作的所有环节。 上游：基础设施层：构成AIGC核心的计算和存储平台，包括数据中心、算法平台、以及AI服务器、高性能计算硬件以及云计算服务。中游：模型层：包括开发和训练各类AI大模型的算法和技术，主要为中美互联网科技巨头如OpenAI、微软、谷歌、百度、阿里等。下游：应用层：直接面向最终用户的AIGC产品和服务，如C端的多模态生成式AI产品，以及各类B端的垂直行业大模型解决方案。 上游：基础设施层 中游：模型层 下游：应用层 AI算力 AI芯片 AI服务器 云计算 存储芯片 C端通用生成式AI 文本生成文案创作、办公辅助、代码生成 图像生成图像创作、图像修复、虚拟试衣 音频生成音乐创作、语音合成、聊天机器人 视频生成影视创作、数字分身、娱乐游戏 AI算法框架 AI大语言模型 B端垂直大模型解决方案 无人驾驶 无人工厂 影视创作 财务法律 科学研究 投资分析 教育学习 医疗诊断 …… 大数据解决方案 数据集提供商 数据服务商 资料来源：公开资料整理，东海证券研究所 2020-2028E全球大模型市场规模及预测（亿美元） 2020-2028E中国大模型市场规模及预测（亿元） 1200 1000 800 600 132% 86% 94% 33% 366 624 70% 887 1095 140% 120% 100% 80% 60% 1400 1200 1000 800 600 147% 89% 110% 47%47% 318 78% 566 880 55% 1179 160% 140% 120% 100% 80% 60% 400 200 0 2558 108 210280 31% 42% 40% 23%20% 0% 400 200 0 1537 70147 216 34%40% 20% 0% 2020202120222023E2024E2025E2026E2027E2028E 全球大模型市场规模YoY%(右轴) 资料来源：大模型之家，东海证券研究所 2022-2030E全球AIGC市场规模及预测（亿美元） 2020202120222023E2024E2025E2026E2027E2028E 中国大模型市场规模YoY%(右轴) 资料来源：大模型之家，东海证券研究所 2022-2030E中国AIGC市场规模及预测（亿元） 800 700 600 500 400 300 200 14000 732 576 453 357 281 174 221 108 137 12000 10000 8000 6000 4000 472% 205% 181% 112% 2593 4759 84% 7202 11441 9509 500% 400% 300% 200% 100% 100 0 2000 0 251434361223 51% 32% 20% 0% 20222023E2024E2025E2026E2027E2028E2029E2030E 2022-2030E全球AIGC市场规模（亿美元） 资料来源：PrecedenceResearch,IDC，东海证券研究所 20222023E2024E2025E2026E2027E2028E2029E2030E 2022-2030E中国AIGC市场规模（亿元）YoY%(右轴) 资料来源：艾瑞咨询，东海证券研究所 机器学习的训练计算可分为三个时期： 前深度学习时代（1952-2010）：这