近日，“全球半導體行業觸底反彈”消息引起關注，與此相伴的是中國半導體行業市場表現出行業復蘇強勁勢頭，越來越多A股上市公司開始邁入“復蘇陣營”。

Wind數據顯示，2023年第三季度（申萬）半導體行業上市公司中，除尚未披露業績的中芯國際、華虹公司外，共計49家公司單季度歸母凈利潤環比增長，或者降幅收窄，在統計總數中占比超三成；而這一指標在第二季度為38家，顯示復蘇公司進一步擴容，上市公司盈利質量也有所提升。

有分析指出，資本開支逐步提速，國產化率加速推進，政策支持預期加強，對半導體行業持續向好預期不改。

當前，中國已經成為全球半導體產業增速最快、市場需求最大、國際貿易最活躍的地區，對全球供應鏈安全和穩定發揮著越來越重要的作用。前三季度，行業“觸底”回升跡象在部分數據中已可見一二。


人工智能推動半導體行業回暖

人工智能時代的技術更迭速度遠超常規理解，由此迸發出的行業助推力也與日俱增。

民生銀行首席經濟學家溫彬對中國經濟時報記者表示，人工智能在技術和應用上快速迭代，正在成為推動半導體行業增長的重要因素。這一過程中，包括算力芯片、服務器和數據中心等在內的基礎設施的作用至關重要，表現出對相關產品的需求也在持續增加。以服務器為例，大模型應用正在帶動人工智能服務器市場規模高速增長。

據IDC（互聯網數據中心）預計，2023年全球AI服務器市場規模將達到248億美元，同比增長27%。2023年上半年，中國該市場規模為31億美元，同比增長54%，到2027年有望進一步增長至164億美元。

可以預見，這勢必給中國半導體行業的未來發展帶來巨大機遇，也讓加速補足技術缺失和趕超先進技術應用的任務越發時不我待，更是我國補足和完善半導體集成電路領域產業鏈的必由之路。

北京大學國家發展研究院中國經濟研究中心教授汪浩對中國經濟時報記者表示，芯片研發和高新技術應用的投入，都需要更加注重科研機構、企業以及政府之間的聯動效應。他認為，政策層面要鼓勵在產業鏈關鍵環節甚至更多延伸領域提升國產化水平，目的就是要持續提升產品和服務競爭力，強化信息和產業安全發展。“未來，要更具針對性地完善科技信息產品產業鏈，并強化政策支持，實現強鏈、補鏈，提升競爭力。”汪浩說。


AI+催化下新一輪大周期已現

1.存儲方面，近期價格、供需、業績端利好頻傳，復蘇號角已在耳畔；長期看，美光預計Al服務器可以擁有常規服務器八倍的DRAM容量和三倍的NAND容量，存儲行業市場規模有望加速成長。同時從歷史周期維度看，存儲行業周期約為3-4年，上周期自2020Q1起始，于2022Q1價格階段性見頂，目前已連續6個季度降價，處于周期筑底階段。我們認為行業端H2或迎來全面價格反彈，持續堅定看好存儲大周期級別行情。

2.AISoC方面，大模型應用持續落地，AI有望成為下一輪成長動力。近期ChatGPT、天貓精靈阿里大模型、SAM、DINO、GooglePaLM2、聯發科天璣9300等事件可以看到，AI大模型從文字、語音到視頻圖像等應用不斷落地，終端智能化交互進一步提升用戶體驗，我們認為AISoC作為智能化核心芯片，有望迎來量價齊升黃金期。

3.封測代工方面，關注AI產業創新+周期復蘇邏輯。封測方面，英偉達新一代DGX發布強化AI對Chiplet/先進封裝需求，臺積電CoWos訂單溢出或利好本土封測廠商，AMD發布MI300奮起直追。1）AI加速催化，高度重視Chiplet相關產業機遇。英偉達5月發布的DGXGH200，通過Chiplet工藝將72核的GraceCPU、HopperGPU、96GB的HBM3和512GB的LPDDR5X集成在同一個封裝中，2.5D、3DChiplet中高速互聯封裝連接及TSV等提升封裝價值量，我們預測有望較傳統封裝提升雙倍以上價值量，帶來較高產業彈性。AI服器的GPU供不應求，臺積電CoWos產能告急。國內頭部封測廠長電、通富、華天等已深度布局Chiplet/CoWos相關技術，我們認為長電、通富、華天等有望承接部分CoWos產能。2）封測廠商23Q1稼動率&毛利率已達歷史相對低位，看好后續稼動率提升帶動全年業績較22年度顯著修復。代工方面，受益ChatGPT下AI發展，晶圓代工廠稼動率結構性提高。英偉達加大了在臺積電的投片量，推升臺積電7/6nm和5/4nm這兩大制程工藝的產能利用率，后者的產能已接近飽和。

4.設備方面，日本加碼設備限制出口影響，國產替代邏輯持續強化，訂單量&中標量樂觀指引國內設備環節景氣度或將持續優于全球。5月據日本經濟新聞報道，日本正式將先進芯片制造設備等23個品類納入出口管制，涉及清洗、成膜、熱處理、曝光、蝕刻、檢查等23個種類，包括極紫外（EUV）相關產品的制造設備和三維堆疊存儲器的蝕刻設備等，建議重點關注有望對美、日設備形成國產替代的相關公司。國產設備廠商23Q1合同負債、5月中標量、23Q3訂單預期情況均較為樂觀，2023年5月主要設備廠商可統計中標設備數量共計68臺，同比+47.83%。1-5月，可統計設備招標數量643臺，同比+10.67%。5月全球多數設備廠商預期Q3訂單將穩定/根據市場調整，國內公司北方華創、中微公司則預計訂單量上升。


四大產業迎來AI機遇

服務器：AI驅動云計算基礎設施建設高峰

算力需求進入爆發階段。伴隨ChatGPT等新興AI產品的突破，數據海量增加，算法模型愈加復雜，應用場景的深入和發展，帶來了對算力需求的快速提升。根據《2022-2023中國人工智能計算力發展評估報告》，2021年中國智能算力規模達155.2 EFLOPS，2022年智能算力規模將達到268.0 EFLOPS，預計到 2026年智能算力規模將達到1271.4EFLOPS，2021-2026年智能算力規模年復合增長率達52.3%。

算力需求持續釋放帶動算力基礎設施產業迎來增長新周期。根據IDC數據，2022年全球服務器出貨量突破1,516萬臺，同比增長12%，產值達1215.8億美元。

云計算基礎設施作為算力AI服務資源，其重要性日益突顯。根據Gartner統計，2021年以 laaS、PaaS、SaaS 為代表的全球公有云市場規模達到 3307億美元，同比增長32.4%，預計2022年全球公有云市場規模將進一步增至4052億美元。全球基礎設施即服務IaaS市場高速發展。

根據 Gartner統計，2021年全球IaaS市場規模增長至909億美元，同比增長41.4%。而亞馬遜以354億美元的收入和38.9%的市場份額繼續引領全球IaaS市場。

ODM白牌市占率持續提升。據Counterpoint數據顯示，從2016年起，ODM市場占有率快速增長，截止2021年，ODM市占率達到31%。而在白牌服務器市場中，2021年工業富聯（601138）占比約為 42%，排名第一。

我國云計算市場持續高速增長。據信通院《云計算白皮書（2022）》顯示，2021年中國云計算市場規模達3229億元，較2020年增長54.4%。其中，公有云市場繼續高歌猛進，規模增長70.8%至2181億元，有望成為未來幾年中國云計算市場增長的主要動力，預計2022年中國公有云服務市場規模將達到3694億元。


AI芯片：GPT開啟AI商用普及加速 驅動算力芯片新成長

OpenAI于2022年12月推出的對話AI模型ChatGPT，一經面世便受到廣泛關注。大模型預訓練數據量已增加到TB量級。AI算力是ChatGPT模型訓練與產品運營核心基礎設施， AI芯片是AI算力基礎設施的關鍵組成。以ChatGPT為代表的的AI應用蓬勃發展，對上游AI芯片算力提出了更高的要求，AI新時代有望加速AI芯片成長。

ChatGPT的火爆，開辟了AI產業化的新路徑，為了滿足大模型應用的巨大算力需求，AI芯片進入了人們的視野。ChatGPT的卓越性能是GPU的強大算力支撐，ChatGPT的技術基底是“大模型”。算法是大模型成功的首要條件，再配合海量的數據，最后搭配強大的發動機——大算力，才能獲得基礎的大模型。

隨著網絡模型參數量的增加，計算量明顯伴隨著增加，目前較火熱AIGC的參數量已經超過千億。參數量往往是計算空間的復雜程度，模型空間越復雜，往往意味著龐大的計算量，計算量和參數量呈現正比關系。這也是隨著AI的功能強大，AI對算力呈現指數級別根本需求的本質原因。

PCB：電子之母 AI之基

AI驅動算力需求提升，催生高端PCB強勁需求。AI熱潮帶動應用場景逐漸落地，圖像、語音、機器視覺和游戲等領域數據將呈現爆發式增長。本輪AI產業革新趨勢，有望加速 400Gbps和更高速度的數據中心交換機的采用及服務器的更新換代，路由器、數據存儲、AI加速計算服務器也有望迎來高速長。由此將催生對大尺寸、高層數、高階HDI及高頻高速PCB的強勁需求，并對其技術、層數、材質、品質等提出更高要求。

數字經濟加速IDC建設，推動百億級服務器PCB市場持續擴張。數字經濟未來將衍生出更多產品形態，有望帶動作為算力載體的數據中心加速建設。隨著全球數據流量的指數級增長及全球信息化建設速度加快，其中服務器作為最重要的算力基礎設施，全球范圍內的出貨量與市場規模有望實現明顯增長。

據Prismark預測，未來5年，5G、人工智能(AI)、物聯網、工業4.0、云端服務器、存儲設備、汽車電子等將成為驅動PCB需求增長的新方向，且將持續朝高階技術升級。其中，服務器是目前PCB下游應用領域增速最快的賽道。2022年服務器及存儲相關PCB全球產值達 98.68億美元，預計2027年達142億美元，2022-2027年CAGR為7.6%，行業市場空間潛力大，成長性充足。


AI光芯片：AI發展對光芯片提出更高要求

Chat GPT等AI技術的發展推動AI服務器發展，對其內部連接芯片提出更高要求。應用數據處理集中在數據中心AI服務器進行，使得數據流量迅速增長，而數據中心需內部處理的數據流量遠大于需向外傳輸的數據流量，使得數據處理復雜度不斷提高，對AI服務器數據傳輸能力提出更高要求。光模塊是數據中心內部互連和數據中心相互連接的核心部件，其核心組件為相應傳輸速率的光發射及接收芯片，在AI的推動下，其傳輸速率正往更高速演進。