掘金AI+系列电话会议纪要

一、电子

台积电AI相关流片量增加，继续看好受益产业链

电子首席分析师

随着各大厂商大模型的发展部及Ai+应用的落地，催生了大量的算力需求，算力芯片吃紧，开始涨价，英伟达H100在eBay上挂牌价从 39,995 美元到略低于 46,000 美元不等，而过去一些零售商的售价约为36,000 美元。

台积电Ai相关产品流片量增加。台积电公布2023年Q1业绩，单季营收167.2亿美元，同比下降4.8%、环比下降16.1%。从产品应用分来来看，第一季台积电各平台营收占比分别为智能手机34%、高性能运算44%、物联网9%、汽车电子7%、消费性电子2%、其他4%。各领域季度环比增减情况：智能手机-27%、高效能运算-14%、物联网-19%、汽车电子+5%、消类性电子-5%、其他-18%。台积电表示，PC与手机需求仍疲弱、车用需求到年底都稳定，AI强劲需求有助库存去化，7纳米受手机与PC影响，短期产能利用率不佳。但网通RF连接、WiFi等领域开始有需求增长。我们认为，英伟达等AI芯片公司积极向台积电追加订单，由于AI芯片生产周期较长，Ai芯片追加订单还没有在一季度业绩里显现出来，将在Q2或者下半年体现，根据台积电业绩指引，预计23H2营收比23H1增长20%以上。

我们从产业链了解到，英伟达向台积电追加AI芯片订单，英伟达和谷歌等厂商也向供应商追加了800G光模块订单，CPU/GPU均热片龙头公司表示AI GPU二季度环比增长50%~60%，三季度预计继续提升。服务器PCIe Retimer芯片龙头公司表示AI服务器出货二季度环比提升20%~30%，三季度环比提升50%~60%，四季度环比提升20%。

人工智能海量数据的收集、清洗、计算、训练以及传输需求，将带来算力和网络的迭代升级，利好AI数据中心及边缘高速运算大量使用的CPU，GPU，FPGA，ASIC，HBM存储器，3D NAND，电路板及电源等。我们看好人工智能加速发展对电子行业带来的发展新机遇，细分板块有望持续受益：1）计算芯片：AI拉动CPU/GPU/FPGA/ASIC量价齐升，云端推理和训练加速卡价值量较高，2022年全球人工智能芯片市场规模为168.6亿美元，22-32年CAGR有望达29.7%，国产替代空间巨大；2）存储芯片：看好云端推理和训练对HBM芯片的拉动（单训练加速卡有望增加HBM用量1000美元以上），看好2023年存储板块止跌反弹， DDR5内存有望放量。据Yole，21-28年内存接口及配套芯片市场规模CAGR达28%，此外HBM属于先进封装的一种，因叠层厚度较高且运算量较大，对EMC塑封料提出了更高分散性和更高散热性要求，对应的球硅球铝填料将升级，其中球硅需要用到20um等级及以上的产品，low-α球铝首次被引入EMC封装中；3）PCB/CCL：AI服务器带来PCB增量，一方面服务器主板从10～16层、M4/M6材料、单价2500～5000元提升为26层、M7/M8材料、单价10000元，另一方面AI服务器相对普通服务器以太网网卡、switch卡等配板用量明显增加。两个因素叠加下，服务器单机价值量从以往的1000～3000不等提升至10000～15000，价值量显著增加。4）光芯片：全球数据量爆炸式增长，光通信逐渐崛起。据Lightcounting数据，2027年全球光模块市场规模超200亿，光芯片为光模块核心组件。5）服务器电源：国内通用型服务器一般配套2个500W电源，价值量800元。富士康通用型服务器配套2个800W电源，价值量3500元；推理服务器（T4/A10）配套4个1800W电源，价值量8000元，训练服务器（A100）配套4个2200W电源，价值量14000元。AI服务器电源价值量大幅增长。

我们继续看好Ai+应用落地，Ai服务器需求增长对电子半导体带来的机会，重点公司：英伟达、寒武纪、澜起科技、兆易创新、沪电股份、源杰科技、联瑞新材、裕太微、兴森科技。

风险提示：Ai+应用落地不达预期，数据中心需求复苏低于预期。

二、通信

AI+散热，站上新风口

通信首席分析师

核心观点：AI带动算力芯片、IDC机柜功率密度升高，液冷降低能耗压力，满足数据中心建设需求。随着AI模型训练推理等应用增加，多样化算力协同成常态，英伟达H100 功率达700-800W，单IT机柜主流功率密度将从6-8KW/柜提高到12-15KW/柜，超算、智算中心功率密度将提升至30kW以上。后摩尔定律时代AI芯片性能和功耗（含热设计功耗）同步大幅提升，风冷芯片级散热功耗上限在800W左右，风冷达到功率上限后性价比下降。液体吸热能力更强，水的热导率是空气的23倍以上。多地对数据中心提出规划方案，要求新建数据中心PUE 限制在1.3 以下，存量数据中心PUE 不高于1.4。据uptime institute，数据中心PUE下降趋势放缓，亟需冷板式/浸没式液冷技术降低PUE和整体能耗。

芯片级散热模块价值量成倍提升，液冷系统价值量高且经济效益突出。目前芯片级散热主要以由热管、均热板和3D VC等构成的风冷散热模组为主，对应的散热功耗上限、成本差距明显，风冷对应功耗上限在700-800W，传统风冷模块单机价值量是 15-20 美金，随着功耗提升3D VC价值量翻倍，水冷功耗可突破千瓦，价值量有3-4倍差距。制冷系统是IDC前期建设和后期运营的主要成本之一，根据施耐德电气和CDCC统数据，制冷系统在数据中心CAPEX占20-25%，OPEX电力成本占40%。市场普遍认为液冷初始投资较高且后期维护较复杂，我们根据施耐德电气测算发现，液冷数据中心建设能够去掉冷冻水机组、减少机架和节省IDC占地面积，降低IDC前期整体建设成本；同时液冷更加节能，节省电费减少运营成本。测算表明，功率密度为10kW/机架风冷和液冷数据中心的投资成本大致相等（7美元/kw）。在提升数据中心功率密度时，液冷数据中心在节省占地空间和机架数量的成本优势愈发明显，提升2倍功率密度（每机架20kW）可使初投资可降低10%；提升4 倍功率密度（每机架40kW）可节省14%的投资成本。制冷系统在整个前期CAPEX占比也由风冷的15%提升至液冷的30%，对应制冷系统价值量由0.98美元/W提升至1.83美元/W。

AIGC驱动芯片级散热模块、液冷市场总量增加和边际增速提升。当前冷板式液冷采用微通道强化换热技术具有极高的散热性能，行业成熟度最高；浸没式和喷淋式液冷实现100% 液体冷却具有更优的节能效果。当前通用算力机架规模占比超过90%，超算、智算中心逐步从早期实验探索走向商业试点，预期规模增速将达到70%。我们测算，国内科技公司和院校推出的AI大模型训练+推理会带来40亿元的液冷市场空间，随着模型参数增加、日活增加和时延降低等发展，未来四年带来液冷市场60%+复合增速，其中服务器芯片级散热模块保持29%复合增速。

投资建议：我们认为AI大模型有望引领算力需求升级，带动高功率密度的智算和超算中心建设，加速配套设施液冷系统导入市场，未来伴随新建数据中心建设和存量数据中心改造，整体渗透率有望快速提升，同时高功耗也有望带动散热系统向芯片级升级。当前液冷行业仍处在发展早期，看好在技术+产能领先布局的厂商。

考虑到竞争壁垒在于对场景定制化程度的理解、平台化能力的快速延展，我们建议从三条主线关注液冷技术的发展和投资机会：1）华为电气-艾默生系的专业温控厂商：最早从事精密空调研发设计，具备多年的产业洞察，对技术研发具备前瞻性，且形成平台化的散热布局，赋能多行业应用；2）布局液冷技术的服务器厂商：冷却技术由房间级向行级甚至服务器内部芯片级延伸，能够参与液冷技术方案的服务器厂商，有望更快抓住算力升级的产业机遇，强化产品竞争力；3）提供包含芯片级散热的完整解决方案的供应商：芯片作为服务器核心热量源，随着高算力、高性能、先进制程芯片功耗的提升，散热方案向服务器内部芯片级升级，芯片级散热由风冷系统向液冷升级。

推荐组合：英维克、中兴通讯、中科曙光（曙光数创）、浪潮信息、依米康、富信科技、中石科技。

风险提示：人工智能发展不及预期；液冷技术导入不及预期；市场竞争加剧风险。

三、计算机

重视有数据、场景积累、有垂类大模型研发的视觉/语音龙头

计算机首席分析师

自2017年Transformer发布以来，大语言模型经历了由开源到逐步闭源的转变，头部公司先进模型的壁垒逐步形成。目前OpenAI、Google等领先的头部AI大厂对于先进模型大多采用部分开源或仅开放使用的模式，以此构建技术护城河。然而，将AI大模型直接应用于垂直行业，存在通用能力过剩、行业专业知识储备不足、推理过程消耗算力过高等问题。基于开源模型进行垂类模型开发可兼顾开发成本和数据安全，尤其是对于党政军、金融、电网、先进制造等数据敏感性较高的行业而言。

Meta旗下LLaMA大模型的开源或能为垂类模型落地提供预训练模型底座。LLaMA基于通用领域的开源数据集进行训练，训练数据涵盖40种语言，包含约1.4万亿Tokens。尽管LLaMA模型参数量较小，但性能丝毫不逊色于PaLM、GPT-3等大语言模型。并且较小的参数规模显著降低了LLaMA模型的落地部署和二次开发难度。

LLaMA作为完全开源的领先模型，具备高度的灵活性、可配置性和泛化能力，可以作为垂类AI模型的通用基座。基于LLaMA，垂类AI开发者可以根据其行业特点、应用行业数据定制开发相应的“行业发行版AI模型”。LLaMA模型一经发布就对外完全开源，吸引了广大AI开发者和研究者。目前，用户可在全球知名AI模型开源社区Hugging face中获取LLaMA的模型权重与训练代码。能够自由下载并使用LLaMA模型，既可以将其部署至设备直接进行推理，也可以基于LLaMA进行研究与二次开发。

我们测算了模型在迁移学习阶段的训练算力成本，在模型微调阶段，由于训练量级较小，仅为万级，相关的算力成本相比之下可忽略不计。例如，斯坦福大学于2023年3月对外发布Alpaca，这是一个基于LLaMA-7B基座，应用5.2万指令对模型微调训练得到的对话类语言模型，该模型基于8块A100微调，微调时长3小时，算力成本不超过300元。

在推理阶段，根据我们的初步测算，由8块A100组成的AI服务器可为规模达2,000人的中大型企业提供AI服务，离线部署方案每年的推理算力成本约为33.2万元，若采用云计算方案则每年需花费约66万元算力成本。基于上述推理成本分析，推理成本并不高昂，绝大多数中型以上企业足以负担，为各领域垂类模型落地提供了极为广阔的市场空间。

LLaMA等优质开源模型的推出极大加速了下游行业AI应用开发效率。基于“通用基座+迁移学习+微调”的垂类AI模型开发范式或将成为主流，优质的行业数据资源成为影响模型性能的关键。

在此趋势之下，我们看好两类企业：1）拥有开发先进大模型能力的企业。这类企业在先进模型逐步走向闭源的趋势下，有望保持算法优势，如海康威视、商汤科技、科大讯飞、大华股份等。2）拥有丰富行业数据的头部公司。这类企业有望基于稀缺的行业数据以及开源模型，开发出可用性更强的垂类模型。如东方财富、同花顺、恒生电子等。

风险提示：海外基础软硬件使用受限；应用落地不及预期；行业竞争加剧风险；流动性和风险偏好不及预期。

四、军工

AI+军事应用，电子信息化产业链长期受益

军工首席分析师

一、军用价值

人工智能在军用领域有着多重价值，包括使作战力量倍增及降低作战风险和成本等。信息优势方面，人工智能可以快速分析和识别有用信息，从而给军队带来信息优势；决策方面，人工智能算法对各类决策进行评估，帮助人类更好地预测对手行动和减少决策失误；作战能力方面，人工智能能够通过提升人类能力，达到作战力量倍增的效果；风险和成本方面，自主化系统等能够从事危险和繁琐的工作、降低作战人员的风险和成本。

二、人工智能军用举例

1、作战系统

武器、传感器、导航、航空支援和监视等战争系统可以使用人工智能，以提高作战效率，减少对人类输入的依赖。这种额外的效率意味着这些系统可能需要更少的维护。消除对战争系统的完全人类控制的需要减少了人为错误的影响，并释放人类的带宽用于其他基本任务。

特别是在武器方面，五角大楼最近更新了其自主武器政策，以考虑到人工智能的最新进展。自该政策于 2012 年最初制定以来，已经取得了多项技术飞跃，因此有必要进行此次更新。自主武器是人工智能最有用的军事应用之一。

2、无人机群

AI 最令人兴奋的发展军事应用之一涉及利用群体智能进行无人机操作。由于多种原因，这些无人机群本质上比单一无人机更有效。当无人机接收到重要信息时，它可以据此采取行动或将其传达给蜂群中的其他无人机。这些蜂群可用于模拟以及实际训练操作，并且能够在各种情况下做出决策，蜂群有一个总体目标，但单个无人机有能力独立和创造性地朝着它采取行动。

3、算法战

未来战场上，人工智能技术是作战双方的核心竞争力之一，“算法战”将成为一个新的研究方向。战略层面，需要算法战赋能顶层设计，提出具有战略意义的算法战思路和相关算法，从全局高度牵引应用研究；战术层面，算法战将会覆盖认知作战、指挥控制等的典型作战行为，以及智能装备等关键作战要素，有人装备的辅助决策和无人装备的自主控制将是未来各军事大国算法战的重点。

4、战斗模拟

军事训练模拟软件已经在美国陆军中使用了相当长的一段时间。它结合了系统工程、软件工程和计算机科学，以构建数字化模型，让士兵为作战期间部署的作战系统做好准备。简单来说，军事训练模拟软件本质上是一种用于训练士兵的虚拟“兵棋”。

该软件可用于从数学模型到模拟非战斗环境中使用的策略的几乎所有内容。反过来，这将使士兵更好地为现实生活中的情况做好准备。这些模拟能够为士兵提供逼真的任务和任务，以确保他们在将技能应用到现实生活中之前获得尽可能多的经验。

三、军用人工智能产业链和标的梳理

人工智能可分为基础层、技术层、应用层，芯片、传感控制及无人装备、智能弹药、指挥控制等方向或将充分受益。从产业链看，人工智能可分为基础层、技术层、应用层。

基础层是人工智能产业的基础，主要是包括芯片、传感控制等硬件设施及云计算等服务平台，数字芯片提供数据服务和算力支撑，相关标的有紫光国微、复旦微电、景嘉微等，模拟芯片负责模拟信号到数字信号的转化，相关标的有振华风光等，以及传感类产品厂商睿创微纳、赛微电子，伺服类产品厂商航天电器等。

技术层是人工智能产业的核心，以模拟人的智能相关特征为出发点，构建技术路径，相关标的有计算机视觉领域海康威视，算法领域太极股份、电科网安、易华录等。

应用层是集成一类或多类人工智能基础应用技术，相关标的有无人装备厂商中无人机、航天彩虹、晶品特装，智能弹药方向中兵红箭，模拟仿真方向华如科技，网络安全方向佳缘科技。

风险提示：先进技术在装备上的使用熟程度；未来装备技术的演变趋势发生变化

来源：热点投研