证券研究报告 / 行业深度报告

生成式 AI 驱动算力芯片腾飞

报告摘要：

[Table_Summary] 当前 AI 作为本轮科技主浪潮的产业趋势已随英伟达数据中心需求的飙涨逐步落地，我们保守估计 2023 年全球训练侧/推理侧算力需求为 243亿/110亿元。需求主要来自全球 8 家互联网科技大厂，其次是政府端。按下游行业看，中国AI 算力投资有65%来自互联网，政府占 15%次之。互联网需求以科技大厂为主：全球 AI 服务器下游需求 78%来自全球 8家科技大厂。政府项目方面，目前全国超30城市在积极推动智算中心建设。根据科技部新一代人工智能发展研究中心在5月28 日发布的《中国人工智能大模型地图研究报告》。中国已发布了 79 个大模型，中国研发的大模型数量排名全球第二，仅次于美国。从全国范围内的算力基础设施分布情况发现，北京、广东、浙江、上海等地的大模型数量最多，同时这4个地方也是近 3年人工智能服务器采购数量最多的地区，大模型所在地域性与 AI 服务器的采购量强相关。

AI服务器价值量 68%来自GPU，长期维度大厂自研芯片占有率有望提升，但短期维度其仍会选择加单英伟达 GPU。GPU服务器占据了 AI 服务器 90%以上的市场。AI 服务器与传统服务器的区别主要在于 GPU 用量。一台AI 服务器通常使用 8张 GPU，价值量占比约 68%。AI服务器的整体单价也高于传统服务器。GPU 的优势不仅仅依靠单核性能，英伟达的护城河更多在于其丰富的软件生态及超高的互联速率。目前英伟达凭借其 10 余年积累的 CUDA 加速库和 A 系列及 H 系列显卡，在高端GPU 领域形成强力护城河，基本成为全球 AI 生态的标准选择。但英伟达高端显卡近期缺货涨价，一卡难求。科技大厂如亚马逊、微软和谷歌原本以软件为主要产品，但现在它们纷纷斥资数十亿美元用于自研芯片的开发和生产。

投资建议与盈利预测：建议沿 2条主线布局： 1）英伟达供应链。由于短期内国产芯片厂商难以跨越英伟达在训练芯片形成的护城河，并且英伟达2023 年数据中心需求已看到拉动。英伟达需求的增长将使国内上游供应商直接受益。比如沪电股份、胜宏科技、和林微纳等。2）国产算力芯片企业。AI 产业趋势目前已逐步兑现，一方面由于英伟达缺货涨价，另一方面国内客户受美制裁无法购买英伟达最高端的GPU，因此部分需求将外溢至国产芯片企业。算力芯片建议关注技术实力强、以及和国家超算/智算项目合作较为密切的企业。比如寒武纪、海光信息。

风险提示：行业监管风险；行业竞争加剧；AI 进展不及预期；

[Table_CompanyFinance]重点公司主要财务数据

重点公司	现价	EPS			PE			评级
重点公司	现价	2023	2024	2025	2023	2024	2025	评级
寒武纪	193.00	-1.9	-1.25	-1.03	-101.58	-154.40	-187.38	增持
海光信息	68.01	0.57	0.82	1.11	119.32	82.94	61.27	买入
沪电股份	19.04	0.86	1.08	1.33	22.14	17.63	14.32	买入
胜宏科技	22.29	1.01	1.16	1.56	22.07	19.22	14.29	买入
和林微纳	66.15	0.97	2.05	3.33	68.20	32.27	19.86	买入

优于大势

上次评级:优于大势

[Table_PicQuote]历史收益率曲线

涨跌幅 (%)	1M	3M	12M
绝对收益	0%	-5%	-10%
相对收益	1%	0%	5%

[Table_Mark行业数据

成分股数量（只）	313
总市值 (亿)	45405
流通市值 (亿)	23308
市盈率 (倍)	44
市净率 (倍)	3
成分股总营收（亿)	26599
成分股总净利润 (亿)	1048
成分股资产负债率（%)	49

[Table_Re相关报告

《英伟达发布GH200 超级GPU，打开AI 算力产业链星辰大海》

--20230531

证券分析师：李玖

执业证书编号：S0550522030001

17796350403 lijiu1@nesc.cn

证券分析师：王浩然

执业证书编号：S0550522030002

021-20361133 wanghr@nesc.cn

需求：生成式 AI 狂飙突进，算力芯片供不应求.
1.1. 预计2023年全球训练/推理侧市场空间243/110亿元，算力市场持续扩容 .. 4
1.2. 算力采购需求80%来自科技大厂及政府端. .. 5
供给：英伟达一家独大 ........ ..9
2.1. AI服务器有68%价值量来自GPU ... 9
投资建议 ...... .22
3.1. 寒武纪：云端产品线快速增长，受益AI成长红利. .. 22
3.2. 海光信息：业绩高增，本土化及生态优势巩固国产CPU&DPU龙头地位 .. 23
3.3. 沪电股份：Q1业绩短期承压，长期受益AI+汽车电子成长红利.. .. 24
3.4. 胜宏科技：显卡PCB份额全球第一，AI服务器打造新增长点.. .. 25
3.5. 和林微纳：英伟达探针核心供应商，需求高景气放量在即 .... . 26
风险提示 ........ .28

图表目录

图 1：训练侧算力需求测算...
图 2：推理侧算力需求测算.. ..5
图 3：中国人工智能算力投资行业分布. ...6
图 4：2022 年 AI 服务器下游主要玩家（按采购量占比） ...6
图 5：中美引领全球大模型发展. ...7
图 6：中国大模型算力要素地图. ...7
图 7：中国大模型发布地图 .......... ....7
图 8：超算中心/智算中心/数据中心功能/应用比较. ...8
图 9：AI 芯片产业链....... ....9
图 10：全球/中国服务器市场规模（亿美元；按类别；按地区） ....9
图 11：全球服务器市场 17%来自 AI 服务器...... ..10
12：中国 AI服务器中 90%是 GPU服务器（亿美元） ....10
图 13：AI 服务器与普通服务器 BOM 成本对比（以 DGX H100 和 Intel 为例） .......10
图 14：AI服务器价值量拆分（以浪潮 NF5688M6为例）. .... 11
图 15：通用服务器价值量拆分（以浪潮 NF5280M6 为例） .... 11
图 16：通用服务器与 AI服务器物理结构/逻辑结构比较.. ...12
图 17：2020-2023 年全球服务器出货量变化....... .....12
图 18：2022-2026 年全球 AI 服务器出货量预估... ....12
图 19：2022 年中国服务器市场规模/竞争格局 .... ....13
图 20：2021 年全球白牌服务器供应商竞争格局 ....... ....13
21：2021年全球/中国AI服务器品牌商竞争格局... ....14
图 22：22H2 中国公有云服务市场规模/竞争格局/同比增速..
图 23：云计算的三种模式 .......... .....15
图 24：国内云厂商近期降价活动一览（2023年 5月）
图 25：当前使用英伟达 A100 GPU的公司名称及用量.. ....17
图 26：科技巨头纷纷开始自研芯片 ....... ..18
图 27：亚马逊自研服务器芯片 AWS Graviton3 . ..18
图 28：英伟达 GPU 与大厂自研芯片比较... ....19
图 29：英伟达 NvLink 各代际比较 ... ...19
图 30：PCIe 各代际比较..... ..19
图 31：英伟达 H100 的训练速度 9 倍于 A100 . ..20
图 32：英伟达 H100 的推理速度 30 倍于 A100 ...... ..20
图 33：英伟达 A100 近一年售价（元）逐渐走高.. ..20
图 34：英伟达 A100/A800/H100/H800 参数比较 .. ...21
图 35：寒武纪产品系列.... ..22
图 36：2018-2023Q1 寒武纪营收变化... ...23
图 37：2018-2023Q1 寒武纪归母净利润变化.. ...23
图 38：海光信息深算一号与 A100/MI100 参数比较.. ..23
图 39：2018-2023Q1 海光信息营收变化... ...24
图 40：2018-2023Q1 海光信息归母净利润变化.. ....24
图 41：2018-2023Q1 沪电股份营收变化......... ....25
图 42：2018-2023Q1 沪电股份归母净利润变化... ...25
图 43：2018-2023Q1 胜宏科技营收变化.... ..26
图 44：2018-2023Q1 胜宏科技归母净利润变化.. ..26
图 45：和林微纳产品类型....... ..26
图 46：2018-2023Q1 和林微纳营收变化...... ..27
图 47：2018-2023Q1 和林微纳归母净利润变化....... ..27

1. 需求：生成式 AI 狂飙突进，算力芯片供不应求

1.1. 预计2023年全球训练/推理侧市场空间243/110亿元，算力市场持续扩容

AI已成为继移动互联网的下一代科技革命，算力是其产业三要素中的重要一环，到2030 年 AI 算力有望增长 500 倍至 100ZFLOPS。根据 similarweb 统计数据，2023年 4 月 OpenAI 的访问量已经达到 17.6 亿次，是谷歌的 2%，百度的 60%，并且还是在限制用户注册的情况下。OpenAI 仅用了 4 个月的时间就将该网站的全球排名从 1879 位提升到了第 16 位。搭载了 ChatGPT 的 NewBing 也正在侵蚀搜索霸主谷歌的市场，根据《纽约时报》，三星电子曾在 4月考虑将其设备上的默认搜索引擎由谷歌改为必应。此外，各科技巨头均于4-5月密集推出旗下通用/专有大模型，游戏电商等公司也在积极探索接入大模型提高生产力。种种迹象表明，继移动互联网之后，AI驱动的下一代科技革命已势不可挡。AI时代，大模型想落地，必不可少的产业三要素包括算力、网络、存储。其中，算力是大模型的关键基础设施。华为预计到 2030 年，全球数据年新增 1YB；通用算力增长 10 倍到 3.3ZFLOPS，AI 算力增长 500 倍超过 100ZFLOPS。

训练侧：保守估计全球有 20个大模型情况下，2023年训练芯片市场空间 243亿元。在训练单个大模型时，模型的参数量变大、训练集大小增长均会导致模型需要更多的芯片数量进行训练，而训练时间的减小、芯片算力的提升、算力利用率的提升均可减少芯片的用量。我们以模型参数量 1746 亿的 GPT-3 为参考，根据 OpenAI 的论文《Language Models are Few-Shot Learners》，训练 3000 亿 tokens 的模型需要3638PFLOPS-day 的浮点运算量。假设当前大模型需要训练 30 天，使用精度为 FP32的A100，单个模型训练需要1.2 万张A100，折合人民币 12 亿元。

图 1：训练侧算力需求测算

2023E		2024E	2025E	2026E	2027E 2028E
模型参数量(个)	1.75E+11	1.93E+11	2.12E+11	2.33E+11	2.56E+11	2.82E+11
训练集大小(个token)	3E+11	3E+11	3E+11	3E+11	3E+11	3E+11
每个token在每个参数需要的算力	6	6	6	6	6	6
训练所需的算力(PFLOPS-天)	3646	4010	4411	4853	5338	5872
训练时间 (天)	30	25.5	22	18	16	13
A100单卡算力(FP32.TFLOPS)	19.5	19.5	19.5	19.5	19.5	19.5
算力利用率(%)	51.4%	56.4%	61.4%	66.4%	71.4%	76.4%
单个模型训练所需的GPU数量 (张)	12125	14300	16999	20342	24481	29608
A100单价(万元/张)	10	10	10	10	10	10
训练芯片市场空间(亿元；单个模型)	12.12	14.30	17.00	20.34	24.48	29.61
模型数量 (个)	20	20	20	20	20	20
训练芯片市场空间(亿元)	242.5	286.0	340.0	406.8	489.6	592.2
训练型服务器需求量(台.8路)	30312	35750	42497	50855	61204	74021
训练型服务器单价(8*A100,万元)	110	110	110	110	110	110
训练型服务器市场空间(亿元)	333	393	467	559	673	814

数据来源：英伟达，github，openai，东北证券测算

当前测算偏保守，因为多个关键参数有较大提升空间，比如：

1）算力利用率：在 175B 的模型参数规模下，英伟达的 Megatron 框架利用 tensorparallel 和 pipeline parallel 并行可达到 51.4%的算力利用率，若未来主流模型参数规模更大，则算力利用率会更高。大模型提升算力利用率的关键在于考虑如何减少对片外 DRAM 的访问，因此 GPGPU 对片上 SRAM 的容量需求极大。显存增加可以提升模型的训练效率。

2）模型数量：目前国内外科技大厂（Meta、谷歌、微软、华为、百度、阿里、腾讯等）、垂类厂商（360、科大讯飞、云从、商汤）、学术界（复旦、中科院自动化所、清华等）均在推出自研大模型，模型数量可能在近几年爆发式增长。

推理侧：以类 GPT的搜索网站测算，预计 2023年推理芯片市场空间 110亿元，实际应用场景较多弹性极大。推理阶段所需算力与模型参数量、网站的日访问量、每次访问的问题长度、问题数正相关。模型推理场景十分多样，我们仅以目前主流的搜索场景作为测算，同样采用 GPT-3，假设网站日活 2 亿人次，每人平均问 6个问题，每个问题长度为 50 个单词，得到 2023 年单个网站每日需要使用 6 万张 A30，6 个模型折合市场空间 110亿元。弹性在于：

1）现有网站访问受限：2023 年 4 月，openai 访问量 17.6 亿次，折合日访问量 0.6 亿次。但openai目前停止新用户注册，用户问题数也受限，所以实际访问量远不止该值。根据InternetLive Stats，谷歌在 2019 年的日搜索量就已经达到 35亿次，而现在谷歌在全球搜索引擎市占率 90%以上。所以我们假设的 2 亿日活为折中值。

2）应用场景还在普及期：目前海外 openai 对中国限制访问，国内大模型尚未出现killer app，而且数据侧还存在监管难题。所以当前大模型还处于应用的 0-1 阶段，推理芯片潜力尚未释放。但从近期 ChatGPT 上线 ios端，已能看到边缘侧算力大规模应用的曙光。

3）市场空间与用户量正相关。

图 2：推理侧算力需求测算

	2023E	2024E	2025E	2026E	2027E	2028E
模型参数量(个)	1.75E+11	1.75E+11	1.75E+11	1.75E+11	1.75E+11	1.75E+11
网站日访问量(亿人次)	2	3	5	6	8	10
每人平均问题数(个)	6	6	6	6	6	6
每个问题长度(个单词)	50	50	50	50	50	50
每个问题长度(tokens)	67	67	67	67	67	67
推理的总数据量(亿tokens)	800	1200	1800	2520	3276	3931
每个token在每个参数需要的算力	2	2	2	2	2	2
每日推理所需算力(TFLOPS)	2.80E+10	4.20E+10	6.30E+10	8.82E+10	1.15E+11	1.38E+11
A30单卡算力(FP32,TFLOPS)	10.3	10.3	10.3	10.3	10.3	10.3
算力利用率(%)	51.4%	56.4%	61.4%	66.4%	71.4%	76.4%
推理所需的GPU数量(张/日)	61213	83680	115298	149262	180452	202371
A30单价(万元/张)	3	3.0	2.9	2.7	2.6	2.4
推理芯片市场空间 (亿元；单个模型)	18	25	33	40	46	49
模型数量 (个)	6	7.2	10.8	16.2	24.3	36.5
推理芯片市场空间(亿元)	110	181	355	655	1128	1802
推理型服务器需求量(台，4路)	91820	150623	311304	604511	1096249	1844108
推理型服务器单价(4*A30.万元)	25	25	25	25	25	25
推理型服务器市场空间(亿元)	230	377	778	1511	2741	4610

数据来源：similarweb，英伟达，github，东北证券测算

1.2. 算力采购需求80%来自科技大厂及政府端

按下游行业看，中国 AI算力投资有 65%来自互联网，政府占 15%次之。随着数字经济的兴起，人工智能已经深入渗透到各个行业，特别是在互联网等科技公司中更为普及，各大互联网公司普遍发展数据中心、云计算以满足日益增长的算力需求。根据亿欧智库数据，2021 年中国人工智能算力投资金额最大的行业为互联网，占比65%，政府占 15%，金融、制造、服务业占比都低于10%。

图 3：中国人工智能算力投资行业分布

数据来源：亿欧智库，东北证券

互联网需求以科技大厂为主：全球AI服务器下游需求78%来自全球8家科技大厂。全球云计算服务商市场集中度较高。2022年，北美四大 CSP（微软、谷歌、亚马逊AWS、Meta）占全球 AI 服务器采购量的 66%，中国科技大厂（字节跳动、腾讯、百度、阿里巴巴）占 11%。可见AI 计算的主要需求来自于互联网，此外才是传统的金融、政务、医疗等领域。

图 4：2022 年 AI 服务器下游主要玩家（按采购量占比）

数据来源：TrendForce，东北证券

中国已发布 79个大模型，大模型所在地域性与当地AI服务器采购数量强相关。根据科技部新一代人工智能发展研究中心在 5 月 28 日发布的《中国人工智能大模型地图研究报告》。中国已发布了79个大模型，中国研发的大模型数量排名全球第二，仅次于美国。从全球已发布的大模型分布来看，中国和美国大幅领先，超过全球总数的80%。自然语言处理仍是目前大模型研发最为活跃的重点领域，其次是多模态领域，在计算机视觉和智能语音等领域的大模型还较少。从全国范围内的算力基础设施分布情况发现，北京、广东、浙江、上海等地的大模型数量最多，同时这 4个地方也是近3年人工智能服务器采购数量最多的地区，表现出非常明显的强相关性，为大模型研发应用提供了重要支撑。

图 5：中美引领全球大模型发展

数据来源：上海人工智能人才发展中心，东北证券

图 6：中国大模型算力要素地图

数据来源：上海人工智能人才发展中心，东北证券

图 7：中国大模型发布地图

数据来源：上海人工智能人才发展中心，东北证券

政府端：目前全国超 30 城市在积极推动智算中心建设。当下智算中心主要分为企业自建和公共基础设施，全国 30 城智算中心大多是第二种情况。根据国家工业信息安全发展研究中心推出的《智能计算中心 2.0 时代展望报告》，目前全国有超过 30个城市正在建设或提出建设智算中心。智能算力正在取代基础算力成为算力结构最主要构成。根据《智能计算中心规划建设指南》，智算中心最核心的是AI 算力。

图 8：超算中心/智算中心/数据中心功能/应用比较

主要指标	超算中心	云数据中心	智算中心
建设目的	面向科研人员和科学计算场景提供支撑服务	帮助用户降本增效或提升盈利水平	促进AI产业化、产业AI化、政府治理智能化
技术标准	采用并行架构，标准不一，存在多个技术路线，互联互通难度较大	标准不一、重复建设CSP内部互联、跨CSP隔离安全水平参差不齐	统一标准、统筹规划、开放建设、互联互通互操作、高安全标准
具体功能	以提升国家及地方自主科研创新能力为目的，重点支持各种大规模科学计算和工程计算任务	能以更低成本承载企.....业、政府等用户个性化、规模化业务应用需求	算力生产供应平台、数据开放共享平台、智能生态建设平台、产业创新聚集平台
应用领域	基础学科研究、工业制造、生命医疗，模拟仿真、气象环境、天文地理等	面向众多应用场景，应用领域和应用层级不断扩张，支撑构造不同类型的应用	面向AI典型应用场景，如知识图谱、自然语言处理、智能制造、自动驾驶、智慧农业、防洪减灾等。

数据来源：AI 遇见云，东北证券

2. 供给：英伟达一家独大

2.1. AI 服务器有 68%价值量来自 GPU

AI 算力芯片产业链可分为：1）最上游的 EDA 软件和 IP核研发。2）中游的芯片，包括GPU、NPU、ASIC、FPGA 等架构。3）下游的AI 服务器及智算中心。

图 9：AI 芯片产业链

数据来源：IDC，Jon Peddie Research，trendforce，Counterpoint，东北证券整理。注：除 AI 芯片份额为 22Q4 数据，互联网云格局为 2021 年数据外，其余均为 2022 年数据。

GPU 服务器占据了 AI 服务器 90%以上的市场。根据 Counterpoint 及 IDC，2022 年全球服务器市场规模1117亿美元，北美是服务器首要市场，占比40%；中国占24%。自2018 年以来，中国服务器市场增速持续高于全球均速，并有望在 2023 年超300亿美元（来自IDC）。按类别分，AI服务器占全球服务器市场 17%（来自 IDC），占中国服务器市场 25%。其中 90%以上是GPU 作为核心计算单元的 AI 服务器。

图 10：全球/中国服务器市场规模（亿美元；按类别；按地区）

2022 占比			2023E
全球规模	1117	100	%
通用服务器	927	83%
AI服务器	190	1796	211
北美规模	447	40%
欧洲规模	223	20%
亚太规模 (除中国)	118	11%
中国规模	273	24%	300
其他	56	5%
	2022	占比	2027E
中国规模	273
通用服务器	206	75%
AI服务器	67	25%	164
yoy	24%
GPU服务器	60	90%
NPU、ASIC、FPGA等非GPU服务器	7	10%	21.32
yoy	12%

数据来源：IDC，Counterpoint，Statista, 东北证券整理

图 11：全球服务器市场 17%来自 AI服务器

数据来源：Counterpoint，东北证券

图 12：中国 AI 服务器中 90%是 GPU 服务器（亿美元）

数据来源：IDC，东北证券

AI 服务器与传统服务器的区别主要在于 GPU 用量。AI 服务器在 CPU 的基础上大幅增加 GPU 用量，并且 GPU 单价通常高于 CPU，因此当服务器由通用计算升级至AI 加速计算，价值重心将由 CPU 转移至 GPU。根据 semianalysis，DGX H100 的总成本中，有 72%来自 8张GPU 及互连基板。

图 13：AI 服务器与普通服务器 BOM 成本对比（以 DGX H100 和 Intel 为例）

DGX H100 2x Intel Sapphire Rapids Server
组件	价格(美元) 占比价格（美元）占比
CPU	520	0 2%	1850	18%
8 GPU+4 NvSwitch Baseboard	195000	72%
DRAM	786	0 3%	3930	38%
NAND	3456	19%	1536	15%
网卡SmartNIC	10908	4%	654	6%
机箱 (外壳、背板、电缆)	563	0.2%	395	49
主板	875	0.3%	35	0 3%
散热（散热器+风扇)	463	0.2%	275	3%
电源	1200	0.4	% 300	一 3%
组装测试	1485	1%	495	59%
Markup	42000	16%	689	796
总成本	269010	100%	10474 100%

数据来源：SemiAnalysis, 东北证券

一台 AI 服务器通常使用 8 张 GPU，价值量占比约 68%。由于本地计算机资源有限，出于对训练速度和算力的需求，大模型通常部署在服务器上。服务器的关键部件包括计算单元（CPU、GPU）、内存、硬盘、网卡、RAID 阵列卡、电源。根据我们的测算，GPU 是 AI 服务器最大的成本项。一台 AI 服务器通常使用 8 张 GPU。以浪潮信息的明星产品 NF5688M6 为例，105 万元的服务器总价值中，8张 A800 共计 71 万元，占比约 68%。此外，2 颗 CPU 价格共计 10.6 万元，占比约 10%。

图 14：AI 服务器价值量拆分（以浪潮 NF5688M6 为例）

名称		用量	单价	价值量占比
GPU	A800	8张	9万元	68%
CPU	Intel Ice Lake Xeon处理器	2颗	5.3万元/颗	10%
内存条	DDR4 RDIMM/LRDIMM内存	32条	1099元	3%
硬盘 NVME	SSD	8块	5349元	4%
	SATA/SAS SSD	16块	1625元	2%
RAID卡		1张	1899元	0. 2%
网卡 P	Cle4.0网卡	1张	3200元	0.3%
PCB 1	8-20层M8板		1万元	1%
电源	3kW 80PLUS铂金电源	6块	4000元	2%
风扇	=		500元	0.05%
连接器	=		900元	0.1%
模拟芯片	（1颗多相控制器+16颗DrMOS）*8		4000元	0.4%
其他	1			10%
服务器总价	104.9万			100%

数据来源：京东, 东北证券

一台通用服务器通常使用 1-2颗 CPU，价值量占比约 30%\~62%。通用服务器价值量以 CPU 为核心，通常使用 1-2 颗 CPU，以浪潮信息的通用服务器 NF5280M6 为例，其售价 2.4 万元，其中 62%价值量来自 2颗 CPU。

由上可知，生成式AI 驱动的算力需求暴增有望革新云计算商业模式，带来 AI 芯片需求大幅增加。

图 15：通用服务器价值量拆分（以浪潮 NF5280M6为例）

	名称	用量	单价	价值量占比
CPU	Intel 第三代处理器	2颗	7480元	62%
内存条	DDR4 RDIMM/LRDIMM内存	1条	1099元	5%
硬盘	SATA/SAS SSD	2块	1199元	10%
其他	一			24%
服务器总价	2.416万			100%

数据来源：京东, 东北证券

图 16：通用服务器与 AI服务器物理结构/逻辑结构比较

数据来源：华为官网, 东北证券

受经济等多重因素影响，2023 年全球服务器出货量预计同减 2.9%。由于全球经济持续疲软叠加国际形势复杂，在北美四大云服务供应商（CSP，包括微软、谷歌、Meta、亚马逊 AWS）持续下修 2023 年服务器采购量，Dell 及 HPE 等 OEM 也在 2\~4月下修全球出货量，TrendForce预计2023年全球服务器整机出货量同减2.9%到1383万台。

但 2023 年 AI 服务器出货量有望同增 15.4%。根据 TrendForce&IDC 统计，2022 年全球AI服务器出货量 85.5 万台，其中搭载 GPGPU的AI 服务器出货量占整体服务器出货量 1%，市场规模占比约17%；在AIGC带动下，2023年全球AI 服务器出货量有望同增 38.4%。

图 17：2020-2023年全球服务器出货量变化

数据来源：TrendForce，东北证券

图 18：2022-2026 年全球 AI 服务器出货量预估

数据来源：TrendForce，东北证券

服务器市场玩家可分为品牌商和白牌商，白牌即无品牌的服务器，由服务器代工厂为下游云计算客户代为生产。根据 Statista，21Q2 白牌服务器占全球服务器市场规模的27%。2021 年，前五大白牌服务器厂商（鸿海、广达、纬创、英业达、美超微）均来自中国台湾，CR5=93%。全球品牌厂的主要玩家是戴尔、HPE、浪潮信息。

图 19：2022 年中国服务器市场规模/竞争格局

数据来源：IDC，东北证券

图 20：2021 年全球白牌服务器供应商竞争格局

数据来源：digitimes，东北证券

浪潮信息为全球/中国 AI 品牌服务器市场双冠。中国 AI 品牌服务器市场呈现一超多强格局，浪潮从 2017 年开始就占据过半市场份额。2021 年，浪潮信息在中国 AI品牌服务器市场占比52%，在全球AI 品牌服务器市场占比 21%，均为第一。

图 21：2021年全球/中国AI服务器品牌商竞争格局

全球	2021
浪潮信息	20.9%
戴尔	13.0%
HPE	9.2%
联想	5.8%
IBM	4.1%
其他	47%6
中国	2021
浪潮信息	52.4%
	7.9%
新华三	7.8%
	7.7%
安	6.8%
其他	17.4%

数据来源：IDC，东北证券

云计算是类 ChatGPT 的大模型最重要的基础设施和平台，模型即服务 MaaS 正在重塑当前云计算架构，有望成为 AI 时代的新商业模式。根据埃弗雷特·罗杰斯的理论，任何创新的扩散都遵循从创新者到早期采用者，再到早期跟进者等的诸个阶段。阿里早在 ChatGPT出圈之前就已提出了模型即服务（MaaS）概念。今年阿里云已明确了“MaaS+PaaS+IaaS”战略，顶层为 MaaS，阿里云向生态伙伴开放大模型能力和训练底座。与微软和OpenAI 提出的服务类似，阿里云的MaaS层也支持API、编程两种接入方式，专有模型也明确了按 token计量的后付费模式和按账号权限+资源包的预付费模式。目前阿里云、百度云均在内测企业级大模型服务。百度集团副总裁袁佛玉表示已有超过 300家生态伙伴参与文心一言内测。阿里通义千问之上也已有2000 多个伙伴在测试。

图 22：22H2中国公有云服务市场规模/竞争格局/同比增速

数据来源：IDC，东北证券

图 23：云计算的三种模式

数据来源：知乎，东北证券

近期云计算价格战的本质是算力需求正在由通用计算向加速计算狂奔。4 月，阿里云宣布了市场最大规模降价，核心产品价格全线下调15%\~50%，存储产品最高降幅达50%。此后，腾讯云、移动云、京东云纷纷跟进降价。在此番云计算价格战打响之前，宏观经济不确定性已使云计算下游客户投资持续放缓，23Q1 全球云基础设施服务支出增长首次低于 20%（来自 Canalys）。在严峻的市场环境下，不难理解阿里云为何选择将重心从利润转向规模。更重要的是，在当前智能化浪潮下，AI 将会促使云计算从此前同质化的基础设施向智能服务转变。从过去的卖通用算力、存储到卖框架、模型。根据阿里云智能中国区副总裁的解释，技术红利（自研芯片）和规模形成的成本优势（全球上百个数据中心）给予了公司充分的降价空间，而更有优势的算力价格和大模型能力，将吸引更多客户合作，从而带来更大的价格空间。此番降价潮将有助于推进国内AI大模型的产业落地，进而带动更庞大的云市场规模。

图 24：国内云厂商近期降价活动一览（2023 年 5 月）

数据来源：21世纪经济报道，东北证券

英伟达占据全球独立 GPU 市场 85%份额，已成为 AI 芯片标配选择。目前绝大多数 AI 负载跑在 GPU 上，而英伟达基本垄断独立 GPU 市场。据 Jon Peddie Research数据，22Q4 全球独立 GPU 市场由英伟达占据 85%市场份额。根据新智元，2020 年全球 AI 相关的云计算与数据中心中，80.6%由英伟达 GPU 驱动。2021 年英伟达表示，全球前 500座超算中，约七成由自家芯片驱动。现在就连运行 ChatGPT的微软数据中心也使用了上万张英伟达 A100 GPU。

图 25：当前使用英伟达 A100 GPU的公司名称及用量

数据来源：新智元，东北证券

国产芯片在系统效率等方面与英伟达差距较大，使用场景主要在政府项目及自用。当前部分国产芯片在单个芯片参数（如 FP32 精度算力）上可达到英伟达水平，但集群系统调度效率与英伟达超算存在较大差距，比如网络互连速率。此外，英伟达还有其研发了 10 余年所积累的 CUDA 加速库。目前 NVIDIA GPU+CUDA 仍然是AI 研发生态的事实标准平台，国产 AI 芯片主要在政府采购以及企业自研场景有一定份额。

为突破英伟达算力垄断，科技巨头纷纷开始自研 AI 芯片。科技大厂如亚马逊、微软和谷歌原本以软件为主要产品，但现在它们纷纷斥资数十亿美元用于芯片开发和生产。这三家大厂已推出或计划发布 8 款服务器和 AI 芯片，自用或者用于云服务器租赁。1）亚马逊是三家公司中目前唯一一家在其服务器中提供标准计算芯片（Graviton）和 AI 专用芯片（Inferentia 和 Trainium）的云供应商。早在 2019 年，亚马逊就推出了自己的 AI 推理芯片 Inferentia。在初代 Inferentia推出之后，亚马逊又发布了其设计的主要用于 AI 训练的定制芯片——Trainium。2）微软：根据 TheInformation，微软正在自研的 AI 芯片名为 Athena，该芯片的研发最早可以追溯到2019 年。3）谷歌：早在 2020 年，谷歌就在其数据中心上部署了 TPU v4。

图 26：科技巨头纷纷开始自研芯片
Big Tech's Homegrown Chips
Select Al accelerator chips to replace Nvidia GPUs and server chips to replace those from Intel and AMD.

Company	Chip	Launched	Generation	Process Node	Designed
Amazon	Trainium	2022	1	5nanometer	In-house
Amazon	Inferentia	2019	2	5nm	In-house
Google	Tensor (TPU)	2015 (internal) 2017 (public)	4	7nm	Co-designed with Broadcom
Microsoft	Athena	As soon as 2024	1	5nm	In-house+
Amazon	Graviton	2018	3	5nm	In-house+
Google	Maple	As soon as 2025	1	5nm	Marvell Technology+
Google	Cypress	As soon as 2025	1	5nm	In-houset
Microsoft	Cascade	As soon as 2024	1	5nm	In-house 新智元

数据来源：新智元，东北证券

图 27：亚马逊自研服务器芯片 AWS Graviton3

数据来源：新智元，东北证券

长期维度大厂自研芯片占有率有望提升，但短期维度其仍会选择加单英伟达GPU。短期内大厂自研芯片可能难以与英伟达匹敌，但考虑到软硬件生态耦合性、以及供应链的安全性，以及成本效益，长期看，科技公司会一定会持续投入资源研发自有芯片。短期看，云计算厂商为保证自身业务的市占率，首先追求计算性能，更倾向于选择现有最好的芯片。

图 28：英伟达 GPU与大厂自研芯片比较

公司名称产品名称发布时间芯片类型制程晶体管数量（亿）
英伟达	A100	2020年	AI芯片	7nm	540
英伟达	H100	2022年	AI芯片	4nm	800
阿里	含光800	2019年	AI推理芯片	12nm	170
阿里	倚天710 CPU	2022年	ARM服务器芯片
百度	昆仑芯一代	2018年	AI芯片	14nm
腾讯	紫霄	2021年	AI芯片
谷歌	TPUv4		AI芯片	7nm
	Gravition3	2022年	服务器芯片
亚马逊	Inferentia	2019年	Ai推理芯片
亚马逊	Trainium	2022年	AI训练芯片
Meta	MTIA v1	2023年	ASIC推理芯片

数据来源：英伟达，观察者网，云科技时代，东北证券

GPU 的优势不仅仅依靠单核性能，英伟达的护城河更多在于其丰富的软件生态及超高的互联速率。1）软件生态：英伟达的 CUDA 生态已经过 10多年发展，一半时间在裴谞客户，后来才有客户大规模使用，而国内 GPU 的生态是最近 3-4年才开始发展，英伟达相比新的生态，a）其底层加速库要远远多于新生态，用户只需做终端应用的开发，底层库是现成的；b）由于已有大量客户使用，经过反馈-迭代-再反馈-再迭代不断优化，性能远远好于新的加速库。2）互联速率：大模型主要是训练时需要消耗大量算力。满足该需求不仅靠单颗芯片性能提升，更多在于提升多卡互连形成的集群算力。英伟达的 Nvlink 已对通行的 PCIe 标准形成了碾压式优势，最新的第四代互联带宽是 PCIe5 的 7倍。寒武纪 MLlink 技术也仍在追赶英伟达NvLink中。

图 29：英伟达 NvLink各代际比较


	第二代	第三代第四代NvLink-C2C
NvLink总带宽	300GB/s	600GB/s	900GB/s
每个GPU最大链路数	6	12	18
NVIDIA架构支持	Volta架构	Ampere架构	Hopper架构

数据来源：英伟达，东北证券

图 30：PCIe各代际比较

PCle规范	数据传输速率（GT/s)	编码机制	x16带宽（GB/s）发布时间
1.x	2.5	8b/10b	4	2003
2x	5	8b/10b	8	2007
3x	8	128b/130b	15.75	2010
	16	128b/130b	31.5	2017
5.0	32	128b/130b	63	2019
60	64	PAM4/FLIT	128	2022

数据来源：SDNLAB，东北证券

图 31：英伟达 H100 的训练速度 9 倍于 A100

数据来源：英伟达，东北证券

图 32：英伟达 H100 的推理速度 30 倍于 A100

数据来源：英伟达，东北证券

当前供需存在巨大鸿沟，英伟达高端 GPU一卡难求，价格飙涨。生成式 AI 的浪潮使英伟达高端 GPU 一卡难求，价格一路上涨。据集微网，有代理商透露，英伟达A100 价格从 22 年 12 月开始上涨，截至 23年 4 月上半月，5 个月价格累计涨幅达到 37.5%；同期 A800 价格累计涨幅达 20.0%。同时，英伟达 GPU 交货周期也被拉长，之前拿货周期大约为一个月，现在基本都需要三个月或更长。甚至部分新订单“可能要到 12月才能交付”。A100 和H100的芯片都是由台积电负责代工，前者为7nm工艺，后者使用了 4nm工艺。据 Digitimes，近期英伟达GPU 订单增加也提升了台积电的晶圆开工率。据集微网，国内可用于训练AI 大模型的 A100 大约有 4 万-5万张，供应相当吃紧，一些云服务厂商已严格限制内部使用这些先进芯片，以将其保留至需要高算力的任务。

图 33：英伟达 A100近一年售价（元）逐渐走高

数据来源：京东，东北证券

且美国已限制高端 GPU向中国出口。中美两国是全球范围内在生成式AI 和大模型领域投入最大、算力需求最旺盛的国家。然而 2022年8月，美国政府要求英伟达向中国大陆、中国香港和俄罗斯出口高端 GPU 芯片时需要申请出口许可证，其中包括A100 和 H100 等，且未来性能等于或高于A100 的产品也会受到该政策的影响。因此，2022 年 11 月，A800 GPU 成为美国半导体公司首次为中国市场推出符合美国贸易政策的先进芯片，其单卡算力几乎与 A100 完全一致，唯一不同在于 NVLink 的带宽缩水 33%，从 A100 的 600GB/s 砍至 A800 的 400GB/s。这可能会影响到多卡服务器的并联性能，比如数据中心、超级计算机的整体性能。

图 34：英伟达 A100/A800/H100/H800 参数比较

	外形规格	FP16Tensor Core	INT8Tensor Core	显存	显存带宽	最大功耗	互连速率	发布时间
A100	SXM4	312TFLOPS	624TOPS	80GB	2039GB/s	400W	PCle4.0: 64GB/sNvLink: 600GB/s	2020年5月发布
	PCle				1935GB/s	300W
A800	SXM	312TFLOPS		80GB	2039GB/s	400W	PCle4.0: 64GB/sNvLink: 400GB/s	22Q3投产
	PCle		624TOPS	80GB	1935GB/s	300W
				40GB	1555GB/s	250W
H100	SXM5	1979TFLOPS	3958TOPS	80GB	3.35TB/s	700W	PCle5:128GB/sNvLink:900GB/s	2022年3月发布
	PCle	1513TFLOPS	3026TOPS			300-	PCle5:128GB/sNvLink: 600GB/s
				80GB	2TB/s	350W
	NVL	3958TFLOPS	7916TOPS			2x350-	PCle5:128GB/sNvLink: 600GB/s
				188GB	7.8TB/s	400W
H800	SXM	1979TFLOPS	3958TOPS	80GB	3.35TB/s	700W	PCle5:128GB/sNvLink: 400GB/s	2023年发布
	PCle	1513TFLOPS	3026TOPS			300-	PCle5:128GB/sNvLink:400GB/s
				80GB	2TB/s	350W

数据来源：英伟达，东北证券

3. 投资建议

建议关注：1）英伟达供应链。由于短期内国产芯片厂商难以跨越英伟达在训练芯片形成的护城河，并且英伟达 2023年数据中心需求已看到拉动。英伟达需求的增长将使国内上游供应商直接受益。

2）国产算力芯片企业。AI产业趋势目前已逐步兑现，一方面由于英伟达缺货涨价，另一方面国内客户受美制裁无法购买英伟达最高端的GPU，因此部分需求将外溢至国产芯片企业。算力芯片建议关注技术实力强、以及和国家超算/智算项目合作较为密切的企业。

3.1. 寒武纪：云端产品线快速增长，受益AI成长红利

加速卡和训练整机销量迅速提升，促云端产品线收入快速增长。分业务看，1）报告期内思元 290、思元 370 系列加速卡和训练整机销量迅速上升，使云端产品线实现收入 2.2 亿元，同增 173%，毛利率同比+4.9pct 至 63.5%，2）因 21 年芯片供应链紧张，客户根据自有产品市场需求制定了高库存策略以保证供应充足，22 年因客户进行库存调控，未按预期下单，导致边缘产品线实现收入 0.38 亿元，同减78.4%，毛利率同比-10.18pct 至 31.1%，3）智能计算集群系统实现收入 4.59 亿元，同增 0.64%，毛利率同比-0.16pct 至 70.42%。

图 35：寒武纪产品系列

智能加速卡	智能加速系统	智能边缘计算模组	终端智能处理器IP	软件开发平台
思元370系列	玄思1000智能加速器整机	思元220系列	Cambricon-1M	寒武纪基础软件平台
MLU370-S4智能加速卡		MLU220-SOM智能模组	Cambricon-1H	MagicMind
MLU370-X4智能加速卡		MLU220-M.2边缘端智能加速卡
MLU370-X8智能加速卡
思元290
MLU290-M5智能加速卡
思元270系列
MLU270-S4智能加速卡
MLU270-F4智能加速卡

数据来源：寒武纪官网，东北证券

国内智能芯片领域龙头，充分受益 AI 算力需求提升。公司是国内智能芯片领域龙头企业，能提供云边端一体、软硬件协同、训练推理融合、具备统一生态的系列化智能芯片产品和平台化基础系统软件。公司掌握的智能处理器指令集、智能处理器微架构、智能芯片编程语言、智能芯片数学库等核心技术，具有壁垒高、研发难、应用广等特点，可广泛辐射智慧互联网、智能制造、智能教育、智慧金融、智能家居、智慧医疗等“智能+”产业，在 ChatGPT 带动 AI算力提升的背景下，充分享受需求快速提升的成长红利。

图 36：2018-2023Q1 寒武纪营收变化

数据来源：wind，东北证券

图 37：2018-2023Q1 寒武纪归母净利润变化

数据来源：wind，东北证券

3.2. 海光信息：业绩高增，本土化及生态优势巩固国产 CPU&DPU 龙头地位

海光三号已实现小批量，CPU与 DPU新品进展顺利。2022年公司加大研发投入至20.7 亿元，同增 30.4%，收入占比减少 28pct 至 40.3%，研发技术人员同增 25%至1283 人。报告期内，公司推出了 CPU 新品海光三号，已实现小批量销售，下一代CPU 海光四号、海光五号，DCU 深算二号、深算三号研发进展顺利。海光二号/深算一号为当前主力 CPU/DPU 在售产品。

图 38：海光信息深算一号与 A100/MI100参数比较

项目	海光	NVIDIA	AMD
品牌	深算一号	Ampere 100	MI100
生产工艺	7nm FinFET	7nm FinFET	7nm FinFET
核心数量	4096 (64 CUs)	2560 CUDA processors640 Tensor processors	120CUs
内核频率	Up to 1.5GHz (FP64)Up to 1.7Ghz （FP32）	Up to 1.53Ghz	Up to 1.5GHz （FP64）Up to 1.7Ghz (FP32)
显存容量	32GB HBM2	80GB HBM2e	32GB HBM2
显存位宽	4096 bit	5120 bit	4096bit
显存频率	2.0 GHz	3.2 GHz	2.4 GHz
显存带宽	1024 GB/s	2039 GB/s	1228 GB/s
TDP	350 W	400 W	300W
CPU to GPU 互联	PCIe Gen4 x 16	PCIe Gen4 x 16	PCIe GEN4 x 16
GPU to GPU 互联	xGMI x 2,Up to 184 GB/s	NVLinkup to 600 GB/s	Infinity Fabric x 3， up to276 GB/s

注：数据来源于中国计量科学研究院出具的《测试报告》（报告编号：CLzn2020-01190）。
数据来源：海光信息招股书，东北证券

兼容国际主流 x86 指令集，构筑强大生态优势。海光 CPU 兼容 x86 指令集及国际主流操作系统和应用软件，软硬件生态丰富，性能优异，已广泛应用于电信、金融、互联网等领域。其 DCU 产品以 GPGPU 架构为基础，兼容通用的“类 CUDA”环境，可广泛应用于大数据处理、人工智能、商业计算等领域。目前海光处理器产品已得到国内用户广泛认可，开拓了浪潮/联想/新华三/同方等国内知名服务器厂商，开发了多款基于海光处理器的服务器，有效推动公司处理器产业化，构筑强大生态优势。

聚焦卡脖子关键环节，本土化优势显著。目前国内超95%的 x86 服务器芯片份额被美国Intel和 AMD 占据，自主可控需求迫切。公司根植于中国本土市场，相比国际芯片企业，更了解国内客户需求，能提供更加安全可控的产品和全面细致的服务，本土化优势显著。随着公司竞争优势不断加强，以及国内下游客户积极开展基于海光高端处理器的生态建设，公司高端处理器产品预计将拓展至更多领域，进一步扩大市场份额。

图 39：2018-2023Q1 海光信息营收变化

数据来源：wind，东北证券

图 40：2018-2023Q1 海光信息归母净利润变化

数据来源：wind，东北证券

3.3. 沪电股份：Q1业绩短期承压，长期受益AI+汽车电子成长红利AI算力提升增加数通类 PCB需求，汽车电动化、智能化、网联化推动高端汽车板需求增加。1）数据通信方面，在 AI驱动算力数据大幅增加的背景下，预计交换机未来将由 200/400G 向800G高端产品升级，并带动 AI 服务器、路由器、存储等产品高速增长，推动数据通信类 PCB 量价齐升，提升对大尺寸、高层数、高阶 HDI以及高频高速PCB产品需求。公司在PCB板技术领先且绑定海内外头部优质客户，预计公司业务将保持稳健高增。2）汽车电子方面，公司深耕汽车 PCB 领域多年，具备丰富的技术积累并与国际头部 Tier1 客户保持长期合作，目前公司在汽车自动驾驶域、智能座舱域、电机电控板、车载雷达板等高端 PCB环节卡位优势资源，未来随着产能增长以及产品结构优化，汽车电子业务有望实现稳健增长。2023 年1月公司向沪利微电增资7.8亿元，用于扩大子公司汽车电子领域的 PCB板产能，保障未来的产能需要。

图 41：2018-2023Q1 沪电股份营收变化

数据来源：wind，东北证券

图 42：2018-2023Q1 沪电股份归母净利润变化

数据来源：wind，东北证券

3.4. 胜宏科技：显卡PCB份额全球第一，AI服务器打造新增长点

公司是中国大陆排行前 5的 PCB企业，下游对应 AI服务器、自动驾驶等领域。公司主要产品有高端多层板、HDI 板等。产品最终广泛应用于英伟达、英特尔、AMD、亚马逊、微软、思科、Meta、谷歌、三星等国内外众多知名品牌。下游对应 AI 服务器、GPU 卡、自动驾驶、新能源、新型智能终端产品等。公司是特斯拉车用 PCB的第二大供应商，也是众多国际 Tier 1 车企的合格供应商。根据 Prismark 的统计，公司 2022 年在全球 40 强 PCB 企业中排行第 24 名，在中国大陆 PCB 百强企业排行第 5。

公司显卡 PCB 份额全球第一，是英伟达数据中心业务需求爆发的核心受益者。当前全球 1 万亿美金的数据中心市场正在向加速计算转变，英伟达（占据全球独立GPU85%以上份额）已在其 FY1Q24 的业绩说明会表示，预计数据中心的高景气度将至少延续几个季度。该趋势将推动应用于服务器的高阶 HDI、高频高速 PCB 产品出现强劲需求。根据投资者交流平台，胜宏科技在高密度多层VGA（显卡）PCB市场份额全球第一，GPU 卡将带来产品结构性改变，公司迎来新增长点。公司已推出GPU 显卡 PCB等多款 AI 服务器相关产品，有为英伟达 AI服务器供应 PCB，是当前英伟达业绩超预期的核心受益者。

多款 GPU、高阶数据中心交换机类产品进入批量生产。根据 2022 年年报，胜宏科技应用于 Eagle Stream 服务器领域产品已规模化量产、Birch Stream 级已小批量导入；HPC领域，应用于GPU、FPGA 等加速模块类产品已批量出货；高阶数据中心交换机领域，应用于 Pre800G 的产品已小批量生产；基于 AI 服务器的加速模块已实现4阶HDI及高多层的产品化，6阶HDI 在加速布局中。此外，公司间接控股越亚半导体。其生产的高算力处理器封装载板、射频模块封装基板、系统级嵌埋封装产品在细分市场处于世界领先地位，也是内资封装载板企业前三。

图 43：2018-2023Q1 胜宏科技营收变化

数据来源：wind，东北证券

图 44：2018-2023Q1 胜宏科技归母净利润变化

数据来源：wind，东北证券

3.5. 和林微纳：英伟达探针核心供应商，需求高景气放量在即

英伟达 AI算力芯片核心探针供应商，AI浪潮下订单激增。公司半导体芯片测试探针产品已进入英伟达、意法半导体、亚德诺半导体、安靠公司等国际知名客户的供应体系。公司 2019 年开始为英伟达提供中高端 FT 测试探针及相关零组件，2019-2021年公司向英伟达实现销售收入分别为 0.11 亿元/0.32 亿元/1.11亿元，占公司总营业收入比例分别为 6%/14%/30%。ChatGPT 驱动 AI行业快速发展，英伟达A100、H100 芯片为目前 AI 产业发展最核心的算力原料。公司将充分受益于 AI 大模型训练和推理所带来的旺盛 AI 芯片需求，探针业务放量在即。

图 45：和林微纳产品类型

数据来源：和林微纳官网，东北证券

MEMS 产品线不断拓宽，苹果 MR 产品有望引领新一轮增长。公司深耕微机电（MEMS）精微电子零组件行业，产品已从声学传感器领域拓展至光学传感器等领域，其中光学传感器结构件已成功进入行业头部客户供应链。其中精微屏蔽罩产品广泛应用于苹果、华为、三星等品牌，实现屏蔽磁信号干扰等功能。苹果 MR产品放量有望带动下游需求回暖，公司精微屏蔽罩有望打开新的增长曲线。

图 46：2018-2023Q1 和林微纳营收变化

数据来源：wind，东北证券

图 47：2018-2023Q1 和林微纳归母净利润变化

数据来源：wind，东北证券

4. 风险提示

行业监管风险；行业竞争加剧；AI 进展不及预期；

研究团队简介：

[Table_Introduction] 李玖：北京大学光学博士，北京大学国家发展研究院经济学学士（双学位），电子科技大学本科，曾任华为海思高级工程师、光峰科技博士后研究员，具有三年产业经验，2019年加入东北证券，现任电子行业首席分析师。

王浩然：上海财经大学金融硕士、信息与计算科学本科，曾任新财富前三团队及新财富最具潜力团队核心成员，2022年加入东北证券，任电子行业资深分析师。

分析师声明

作者具有中国证券业协会授予的证券投资咨询执业资格，并在中国证券业协会注册登记为证券分析师。本报告遵循合规、客观、专业、审慎的制作原则，所采用数据、资料的来源合法合规，文字阐述反映了作者的真实观点，报告结论未受任何第三方的授意或影响，特此声明。

投资评级说明

股票投资评级说明	买入	未来6个月内，股价涨幅超越市场基准15%以上。	投资评级中所涉及的市场基准：A股市场以沪深300 指数为市场基准，新三板市场以三板成指（针对协议转让标的）或三板做市指数（针对做市转让标的）为市场基准；香港市场以摩根士丹利中国指数为市场基准；美国市场以纳斯达克综合指数或标普 500 指数为市场基准。
	增持	未来6个月内，股价涨幅超越市场基准5%至15%之间。
	中性	未来6个月内，股价涨幅介于市场基准-5%至5%之间。
	减持	未来6个月内，股价涨幅落后市场基准5%至15%之间。
	卖出	未来6个月内，股价涨幅落后市场基准15%以上。
行业投资评级说明	优于大势	未来6个月内，行业指数的收益超越市场基准。
	同步大势	未来6个月内，行业指数的收益与市场基准持平。
	落后大势	未来6个月内，行业指数的收益落后于市场基准。

重要声明

本报告由东北证券股份有限公司（以下称“本公司”）制作并仅向本公司客户发布，本公司不会因任何机构或个人接收到本报告而视其为本公司的当然客户。

本公司具有中国证监会核准的证券投资咨询业务资格。

本报告中的信息均来源于公开资料，本公司对这些信息的准确性和完整性不作任何保证。报告中的内容和意见仅反映本公司于发布本报告当日的判断，不保证所包含的内容和意见不发生变化。

本报告仅供参考，并不构成对所述证券买卖的出价或征价。在任何情况下，本报告中的信息或所表述的意见均不构成对任何人的证券买卖建议。本公司及其雇员不承诺投资者一定获利，不与投资者分享投资收益，在任何情况下，我公司及其雇员对任何人使用本报告及其内容所引发的任何直接或间接损失概不负责。

本公司或其关联机构可能会持有本报告中涉及到的公司所发行的证券头寸并进行交易，并在法律许可的情况下不进行披露；可能为这些公司提供或争取提供投资银行业务、财务顾问等相关服务。

本报告版权归本公司所有。未经本公司书面许可，任何机构和个人不得以任何形式翻版、复制、发表或引用。如征得本公司同意进行引用、刊发的，须在本公司允许的范围内使用，并注明本报告的发布人和发布日期，提示使用本报告的风险。

若本公司客户（以下称“该客户”）向第三方发送本报告，则由该客户独自为此发送行为负责。提醒通过此途径获得本报告的投资者注意，本公司不对通过此种途径获得本报告所引起的任何损失承担任何责任。

东北证券股份有限公司

网址：http://www.nesc.cn 电话：95360,400-600-0686 研究所公众号：dbzqyanjiusuo

地址	邮编
中国吉林省长春市生态大街6666号	130119
中国北京市西城区锦什坊街28号恒奥中心D座	100033
中国上海市浦东新区杨高南路799号	200127
中国深圳市福田区福中三路1006号诺德中心34D	518038
中国广东省广州市天河区洗村街道黄埔大道西122号之二星辉中心15楼	510630

东北证券-电子行业深度报告：生成式AI驱动算力芯片腾飞-230630.pdf