全球AI算力芯片行业再回顾：生成式AI开启科技行业超级成长周期

全球科技行业 2024年11月29日 超配首次覆盖 随着2022年11月底OpenAI发布ChatGPT3.5，AI相关行业在2023年进入爆发式发展。OpenAI随后发布ChatGPT4.0，谷歌、Meta等多家厂商也陆续推出Gemini、Llama等AI大模型。根据IDC数据，全球生成式AI市场空间2020年至2023年上涨了约6倍，预计2024年至2030年期间复合增长率达到40%，2030年有望接近万亿美元。AI算力芯片作为AI大模型行业的最重要支撑，也正享受行业高增长红利。AI服务器中的GPU，也包括端侧手机的SoC，还有个人电脑中的CPU，均受益于AI算力需求增量。因此，我们重申全球AI算力芯片行业的“超配”评级。首次覆盖超威半导体 （AMD.US）给予“买入”评级，目标价168.7美元。首次覆盖联发科（2454.TT）给予“买入”评 欢迎关注浦银国际研究 级，目标价1,468.5新台币。首次覆英特尔（INTC.US）给予“卖出”评级，目标价20.4美元。 沈岱（首席科技分析师） tony_shen@spdbi.com(852)28086435 马智焱（科技分析师）ivy_ma@spdbi.com(852)28090300 黄佳琦（科技分析师）sia_huang@spdbi.com(852)28090355 目录 全球AI算力芯片行业投资要点4 全球AI行业概览：爆发式增长11 全球AI行业具备较大的成长空间11 AI端侧大模型正在快速落地中，带动端云协同需求14 AI算力芯片产能瓶颈逐步解决，供需趋于平衡20 中国AI算力芯片加速国产化21 从GPU、CPU、SoC看AI算力芯片发展趋势23 GPU是生成式AI最重要的算力基础24 CPU行业受益于服务器需求增长29 SoC行业有望承载端侧AI需求增量36 美股科技股价值投资回顾及展望40 美进入降息周期有利于成长科技股估值上行40 美股纳斯达克以及M7具备长线的基本面推动成长的能力41 全球主要AI算力芯片公司比较45 超威半导体（AMD.US）首次覆盖：多布局享受AI算力芯片增长红利48 CPU、GPU市占率持续提升50 数据中心业务营收快速扩张有望带动毛利率增长55 估值56 SPDBI乐观与悲观情景假设58 风险提示60 公司背景61 财务报表62 联发科（2454.TT）首次覆盖：端侧AI普及打开成长天花板65 AI助力公司成长67 估值70 SPDBI乐观与悲观情景假设73 风险提示74 公司背景75 财务报表76 英特尔（INTC.US）首次覆盖：AI算力芯片的后周期玩家79 公司业绩上扬仍需时日81 估值87 SPDBI乐观与悲观情景假设91 风险提示93 公司背景94 财务报表95 浦银国际研究 首次覆盖|科技行业 注：美股股价截至2024年11月26日，台股 股价截至2024年11月27日资料来源：FactSet,浦银国际 20.4 -15% 24.1 英特尔 (INTC.US) 目标价（美元）潜在升幅/降幅 目前股价（美元） 1,468.5 +17% 1250.0 联发科 (2454.TT) 目标价（新台币）潜在升幅/降幅 目前股价（新台币） 168.7 +22% 137.7 超威半导体 (AMD.US) 目标价（美元） 潜在升幅/降幅 目前股价（美元） 沈岱 首席科技分析师tony_shen@spdbi.com(852)28086435 马智焱 科技分析师 ivy_ma@spdbi.com(852)28090300 黄佳琦 科技分析师sia_huang@spdbi.com(852)28090355 2024年11月29日 浦银国际 全球AI算力芯片行业再回顾：生成式AI开启科技行业超级成长周期 首次覆盖 端云协同，生成式AI行业大幅成长，开启科技行业超级成长周期：自2022年底ChatGPT面向公众开放以来，生成式AI带动了新一轮的生产效率提升，也开启了新一轮AI投资机遇。根据IDC数据，2020年至2023年全球生成式AI市场空间上涨了约6倍，预计2024年至2030年期间复合增长率达到40%，2030年有望接近万亿美元。作为AI大模型行业最重要支撑的AI算力芯片也正享受行业高增长红利。因此，我们重申全球AI算力行业的“超配”评级。超威半导体（AMD.US）受益于多个AI算力芯片布局，充分受益于端云协同增量，首次覆盖给予“买入”评级。联发科（2454.TT）受益于AI在智能手机和新能源车两个C端端侧行业的渗透，给予“买入”评级。虽然英特尔（INTC.US）也受益于AI算力芯片需求增长，但是财务兑现仍需时日，给予“卖出”评级。 全球生成式AI行业仍然处于发展初期阶段，对于AI算力芯片需求仍然处于大幅成长的阶段：AI大模型行业正处于发展的初期阶段，即科技巨头和初创企业等大量厂商处于百家争鸣的阶段。因此，AI行业仍然处于由大模型厂商，即供应端，推动AI大模型快速迭代、性能加速提升、行业高速发展的时期。与此同时，AI算力芯片性能大幅提升，单位成本快速下降，这会带动AI大模型更快普及，推广至更多B端使用场景，利于商业闭环。因此，AI算力芯片产能扩张会带来行业的有效增量，目前行业仍然处于大幅增长的阶段。 全球AI算力芯片行业再回顾 端侧AI算力芯片大幅成长，并反哺云侧AI的算力需求：AI大模型从云侧向端侧渗透和延伸，会有效拓展AI大模型在C端用户的使用。AIPC、Gen-AI智能手机、高阶智驾新能源车和ARVR等都是触及用户较广的端侧AI落地载体。一方面，渗透率的提升带动端侧AI芯片出货量增长。并且，AI用户体验的提升有望催生各类终端的换新需求。另一方面，为了支撑AI算力，端侧芯片半导体价值量提升，利于行业规模增速高于出货量增速。最后，为了实现更好的端侧AI体验，各终端品牌厂商也会增加云侧大模型的基建投入，从而更好地迭代端侧AI的能力。 美股AI算力芯片行业公司的市值仍有上行空间：我们认为当前美股AI算力芯片依然还有上行空间。这主要来自于两个方面的动能：1）半导体周期基本面仍有上行空间，并且AI的增量需求是未来基本面上行的最主要动能；2）AI大模型初创企业估值提升有望向二级市场传导。在过去几个月，AI初创企业估值持续提升。二级市场受一级市场传导，公司估值溢价有望跟随。目前，AMD和联发科的估值虽然高于各自的历史均值，但都具备上移的潜力。美国进入降息周期叠加AI带动的科技产业变革，有望推动美股AI算力芯片的估值中枢上移。 投资风险：全球或美国经济面临增长压力，包括服务器、智能手机和新能源车等在内的多个下游终端的需求不及预期；AI大模型需求爆发持续性弱于预期，大模型厂商商业闭环或盈利能力低于预期；全球半导体周期上行动能不足；行业竞争加剧，拖累利润表现；AI算力芯片迭代不及预期。 全球AI算力芯片行业投资要点 2022年11月底，OpenAI发布ChatGPT3.5。紧随其后，生成式AI，在供应端的推动下，进入爆发式发展期。无论是OpenAI随后发布的ChatGPT4.0，还是谷歌、Meta等多家厂商发布的Gemini、Llama等AI大模型，都是这一轮AI行业爆发式发展的体现。AI算力芯片作为本轮AI浪潮基本且不可或缺的硬件基础，成为这波浪潮最先受益的行业。 我们清晰地看到，大模型的到来成为了AI行业发展的奇点，当前行业处于加速上行的高速发展阶段。美国的CSP（CloudServiceProvider，云服务提供商）大幅增加对于AI算力芯片的资本开支，并且推动其AI大模型快速更新迭代。而且，大量的公司不愿意在这波浪潮中落后，B端需求初见端倪并快速成长，希望借助生成式AI，提高生产力。 同时，AI大模型正在快速向个人电脑、智能手机、新能源车等端侧快速渗透，从而促进AI进入C端领域，并进一步打开市场空间。 因此，我们在这篇报告中试图回答三个问题：1）在AI大模型发展大爆发之后，目前行业发展处于怎样的阶段，是否还有上行空间？2）AI大模型会给端侧带来多少的空间增量，可以拉动多大的存量空间？3）如何看待当前全球头部AI玩家的预期、估值和股价空间？ 第一，在AI大模型发展大爆发之后，目前行业发展处于怎样的阶段？短中长期，AI算力行业是否还有较大的上行空间？ 我们认为AI行业仍然处于发展较为早期的快速增长阶段。这个基本判断，与我们于2024年7月2日发布的报告（全球AI算力行业首次覆盖）中的分析相比，并没有变化。 首先，从大模型供应商的角度，这这些厂商不断推动AI大模型迭代升级演变，从而持续拉动对于AI算力芯片的需求。 我们看到本轮AI技术对于大参数大数据量有着较高的要求。这是目前AI大模型基础性能的升级和迭代方向之一。今年全球头部厂商（包括谷歌、Meta、OpenAI等）发布的大模型或者新的版本，性能都较去年提升。 同时，从各家厂商自身大模型横向拓张来看，AI大模型厂商也在推出更多细分/专业能力更强的垂类大模型。这是从通用能力大模型的基础上扩张而来。例如，OpenAI在2024年9月发布的GPT-o1的复杂推理能力明显进步，在编程等领域专业能力更强。 头部的AI大模型厂商需要维持竞争优势，并未进入行业整合阶段。由于各家上市企业和初创公司的战略和资金支持，AI大模型行业仍然处于大投入阶段。美国的头部科技巨头，如OpenAI、谷歌、Meta等，推出的AI大模 型，都有其某些性能方面的领先和优势，并未出现性能明显更优或者能力显著掉队的玩家。在现阶段，他们都需要在本轮AI浪潮中保持投入，保持竞争优势。 因此，从AI大模型的供应角度来看，由于行业处于发展初期，在AI模型的性能迭代的竞争环境中，行业需求的快速成长将带动AI算力芯片快速成长。 其次，从AI算力芯片玩家的角度看，芯片性能快速提升叠加单位算力的成本快速下降，推动AI大模型综合成本下行，从而推动新技术的快速普及。 根据我们对行业发展的追踪，英伟达数据中心近三次的GPU（A100、H100、B200）的迭代，除了计算能力大幅提升外，每单位算力的成本是显著下降的。这是科技行业发展初期的另外一个重要特征，即成本下降带来新技术的快速普及。 而且，英伟达芯片的综合功耗也是下降的。这会为AI大模型行业的竞争，从最高性能领先向综合成本领先等多指标发展。例如，在今年5月，谷歌在更新Gemini1.5Pro大模型版本的同时发布了具备性价比版本的Gemini1.5Flash。这都是基于包括AI算力芯片在内的成本下降的基础上。 在这个过程中，AI大模型厂商也有意愿采用自家设计的芯片，从而更好地满足功能更加聚焦、成本更加具备优势的应用场景。通常来讲，AI大模型的训练对于芯片性能要求更高，而大模型的推理对于芯片性能的要求相对偏低。例如，谷歌自研的TPU芯片在谷歌内部有大量使用。 所以，AI算力芯片既受益于AI大模型需求的快速成长，又在技术进步成本下降的过程中，推动新技术的普及，带来行业的增量。 根据我们的观察和跟踪，一方面，市场上第三方数据库，对于2024年AI服务器出货量的渗透率预测，相较于此前都有上调，目前AI服务器收入渗透率已经在二季度达到29%（图表2）。另一方面，与AI相关的上市企业/初创公司，持续得到资金的支持，尤其在大模型技术以及商业闭环方面有大幅投入。这将持续推动AI或大模型技术本身快速升级迭代，从而推动行业大幅上行。 TrendForce预计AI服务器出货量将从2023年的118万台增长至2024年的 167万台，预计2025年将会增长至214万台。从渗透率来看，根据TrendForce， 2023年、2024年、2025年，全球AI服务器出货量渗透率达到/预计达到 8.8%、12.2%、15.0%（图表1）。 与科技新兴产业发展趋势类似，目前AI服务器渗透率也处于加速上扬阶段，速度快于一年/半年以前的市场预测。我们预期未来2-3年