算力是制约中国发展大模型的主要瓶颈
　　我们认为算力是制约中国发展以ChatGPT为代表的大模型主要瓶颈之一。据OpenAI，大模型训练所需算力每3-4个月增长1倍，增速远超摩尔定律（18-24个月/倍）。随着GPT-4等下一代大模型出现，算力需求还有望进一步大幅增长。我们认为美国对华出口限制，主要造成中国先进工艺发展短期受限、国产替代方案或推高大模型训练成本/时间两大影响。中国发展高性能计算，应加大在：1）异构计算芯片架构；2）先进封装方面的投入。我们看到在长电、通富、盛合晶微、华峰、中芯国际等在先进封装领域，寒武纪、海光、芯原、燧原、沐曦等在异构计算（算力芯片、IP）等领域积极布局。
　　影响#1：先进工艺对提升芯片性能至关重要，中国大陆发展短期受限
　　发展先进制程意义在于持续提升晶体管密度，提升芯片性能、降低功耗。根据WikiChip，台积电5nm芯片每平方毫米晶体管数量是10nm 3.3倍，16nm5.9倍，3nm晶体管密度有望比5nm提升70%，性能提升11%，功耗降低27%。美国限制16/14nm及以下先进逻辑工艺技术及设备向中国出口，对中国先进制程短期发展造成较大阻力。进入3nm制程以下，目前主流FinFET将走向物理极限，GAAFET将成为主流技术，但美国对中国禁售相关EDA软件。同时，荷兰EUV及先进DUV光刻设备目前均无法对中国出口。
　　影响#2：A100进口限制阻碍大模型发展，国内替代方案或推高成本
　　22年8月美国限制英伟达、AMD对华出口高端GPU芯片，尽管后来有替代版本A800推出，但由于对高速互联总线的带宽做部分裁剪，在使用性能和功耗上面仍与A100有部分差距。目前H100性能是A100的4.5倍，而A800理论性能相比A100降低约1/3，随着算力需求不断增加，国内由于A100以上芯片的进口限制导致大模型训练时间/成本或显著提升，客观上阻碍了我国大模型的发展。因中国企业进行14nm以下半导体代工受到技术及设备限制，及美国限制海外代工企业为中国设计企业生产性能超过A100的芯片，短期内，中国芯片公司能够生产超过A100的AI芯片的难度也较高。
　　路径#1：异构计算蓬勃发展，关注GPU，DPU，存算一体等不同路径
　　面对先进制程昂贵成本和日趋接近物理极限，仅靠工艺改进难以满足算力膨胀需求。异构计算从计算架构出发，充分利用计算资源并行分布，将不同制程/架构、不同指令集、不同功能硬件进行组合，成为解决算力瓶颈更为经济的方式。目前主流异构包括1）GPU（英伟达/AMD），2）DPU（英伟达子公司Mallonex），3）存算一体，4）自适应加速器（AMD）等路径。目前中国拥有海光、龙芯、鲲鹏等CPU公司，寒武纪、天数、燧原、芯动、登临等GPU公司及云豹智能、中科驭数等DPU公司，异构计算正蓬勃发展。
　　路径#2：先进封装助力超越摩尔定律，国内公司积极布局2.5/3D等领域
　　先进封装是一系列通过把采用不同工艺的小芯片相结合，提升芯片互联密度及通信带宽，从而大规模提升芯片性能的技术，实现超越摩尔定律。AMD于2015年，在业界内率先采用2.5DChiplet设计的芯片，通过把存储和计算芯片在平面上连接，大幅提高系统性能，从而实现对英特尔市场地位挑战。我们看到目前，长电、通富等国内公司在2.5D/3D、Chiplet等先进封装领域布局领先。Chiplet作为长期趋势，有望提升芯片测试需求及IP可复用性。
　　风险提示：AI及技术落地不及预期；本研报中涉及到未上市公司或未覆盖个股内容，均系对其客观公开信息的整理，并不代表本研究团队对该公司、该股票的推荐或覆盖。
　　

研究报告全文：证券研究报告电子中国如何解决AI算力瓶颈问题华泰研究电子增持维持2023年3月15日中国内地专题研究研究员黄乐平PhD算力是制约中国发展大模型的主要瓶颈SACNoS0570521050001lepinghuanghtsccomSFCNoAUZ06685236586000我们认为算力是制约中国发展以ChatGPT为代表的大模型主要瓶颈之一据OpenAI大模型训练所需算力每3-4个月增长1倍增速远超摩尔定律研究员张皓怡18-24个月倍随着GPT-4等下一代大模型出现算力需求还有望进一SACNoS0570522020001zhanghaoyihtsccom步大幅增长我们认为美国对华出口限制主要造成中国先进工艺发展短期862128972228受限国产替代方案或推高大模型训练成本时间两大影响中国发展高性联系人陈钰能计算应加大在1异构计算芯片架构2先进封装方面的投入我们SACNoS0570121120092chenyu019111htsccom看到在长电通富盛合晶微华峰中芯国际等在先进封装领域寒武纪862128972228海光芯原燧原沐曦等在异构计算算力芯片IP等领域积极布局联系人廖健雄SACNoS0570122020002liaojianxionghtsccom影响1先进工艺对提升芯片性能至关重要中国大陆发展短期受限8675582492388发展先进制程意义在于持续提升晶体管密度提升芯片性能降低功耗根联系人权鹤阳据WikiChip台积电5nm芯片每平方毫米晶体管数量是10nm33倍16nmSACNoS0570122070045quanheyanghtsccom59倍3nm晶体管密度有望比5nm提升70性能提升11功耗降低86212897222827美国限制1614nm及以下先进逻辑工艺技术及设备向中国出口对中国先进制程短期发展造成较大阻力进入3nm制程以下目前主流FinFET行业走势图将走向物理极限GAAFET将成为主流技术但美国对中国禁售相关EDA软件同时荷兰EUV及先进DUV光刻设备目前均无法对中国出口电子沪深300影响2A100进口限制阻碍大模型发展国内替代方案或推高成本922年8月美国限制英伟达AMD对华出口高端GPU芯片尽管后来有替0代版本A800推出但由于对高速互联总线的带宽做部分裁剪在使用性能9和功耗上面仍与有部分差距目前性能是的倍而A100H100A1004517A800理论性能相比A100降低约13随着算力需求不断增加国内由于A100以上芯片的进口限制导致大模型训练时间成本或显著提升客观上阻26Mar-22Jul-22Nov-22Mar-23碍了我国大模型的发展因中国企业进行14nm以下半导体代工受到技术及设备限制及美国限制海外代工企业为中国设计企业生产性能超过A100的资料来源Wind华泰研究芯片短期内中国芯片公司能够生产超过A100的AI芯片的难度也较高路径1异构计算蓬勃发展关注GPUDPU存算一体等不同路径面对先进制程昂贵成本和日趋接近物理极限仅靠工艺改进难以满足算力膨胀需求异构计算从计算架构出发充分利用计算资源并行分布将不同制程架构不同指令集不同功能硬件进行组合成为解决算力瓶颈更为经济的方式目前主流异构包括1GPU英伟达AMD2DPU英伟达子公司Mallonex3存算一体4自适应加速器AMD等路径目前中国拥有海光龙芯鲲鹏等CPU公司寒武纪天数燧原芯动登临等GPU公司及云豹智能中科驭数等DPU公司异构计算正蓬勃发展路径2先进封装助力超越摩尔定律国内公司积极布局253D等领域先进封装是一系列通过把采用不同工艺的小芯片相结合提升芯片互联密度及通信带宽从而大规模提升芯片性能的技术实现超越摩尔定律AMD于2015年在业界内率先采用25DChiplet设计的芯片通过把存储和计算芯片在平面上连接大幅提高系统性能从而实现对英特尔市场地位挑战我们看到目前长电通富等国内公司在25D3DChiplet等先进封装领域布局领先Chiplet作为长期趋势有望提升芯片测试需求及IP可复用性风险提示AI及技术落地不及预期本研报中涉及到未上市公司或未覆盖个股内容均系对其客观公开信息的整理并不代表本研究团队对该公司该股票的推荐或覆盖免责声明和披露以及分析师声明是报告的一部分请务必一起阅读1电子AI正成为高性能计算的主要需求随着AI应用的普及以及以ChatGPT为代表的大模型的出现AI相关算力需求正成为高性能计算的主要增长点当前大模型最重要的特点是通过不断增加模型参数和训练的数据集的规模来实现更高的预测精度和通用性根据OpenAI统计目前大模型训练所需算力的增速保持3-4个月倍速度增长远超摩尔定律18-24个月倍图表1大模型对半导体需求增长快于摩尔定律TrainingComputePetaFLOPSMegatronTuringNLG530B10000000000GPT-3Tramsformer275x2yrs1000000000MicrosoftT-NLG100000000Megatron10000000XLNetXceptionWav2Vec20AImodel1000000MoCoResNet5025x2yrsInceplionBERTLarge100000GPT-1ResNeXtVGG-19Seq2SeqTransformer10000ELMoResnetDemseNet201MooresLawAlexNet10002x2yrs10020122013201420152016201720182019202020212022资料来源Nvidia华泰研究根据微软2020年披露其服务OpenAI的计算集群采用超过1万张GPU微软2020年表示与进入TOP500榜单的超算相比这一计算集群排名前五我们假设该集群使用英伟达A100经简略测算在用于超算的FP64双精度下其浮点计算能力约相当于我国最先进的超算中心太湖之光是世界最大的超算中心Frontier的9以目前火热的ChatGPT为例ChatGPT主要是由1GPT-35大模型2对该大模型进行基于人类反馈的强化学习RLHF训练而来GPT-35模型未公布细节但是其前代GPT-3拥有1750亿参数数据集499Btokens训练数据量为300Btokens图表2ChatGPT是GPT-35基于人类反馈的强化学习基于人类反馈的预训练大模型强化学习GPT-35RLHF目的对齐人类价值观提供基础模型Transformer有用清晰的答案减少失真2017年谷歌提出或有偏见的输出模型参数数量1750亿方法微调GPT-35通过人数据集大小499Btokens类排序训练奖励模型通过奖训练数据量300Btokens励模型训练微调后的GPT-35注GPT-35的参数量数据量参考GPT-3数据资料来源OpenAI华泰研究免责声明和披露以及分析师声明是报告的一部分请务必一起阅读2电子为了实现高性能计算我们认为半导体行业可从工艺架构先进封装三方面进行创新我们看到在美国加强对华出口限制的背景下中国发展先进工艺的路径短期受阻但是我们认为通过1芯片架构创新及2先进封装我们仍然能进一步提高计算芯片性能我们看到长电通富盛合晶微华峰测控寒武纪海光燧原沐曦芯原等在积极布局图表3高性能计算的主要技术手段和相关公司主要技术手段主要产品全球中国先进工艺光刻机ASML上海微半导体生产台积电三星Intel中芯国际异构计算CPUIntelAMD海光飞腾华为鲲鹏GPUAINVidiaAMD寒武纪燧原沐曦登临天数智芯DPUNvidiaMallonexMarvell中科驭数云豹智能IPArm芯原先进封装设备泰瑞达爱德万BesiDisco华峰测控光力科技封测生产日月光安靠长电通富盛合晶微资料来源华泰研究出口限制使得中国大陆先进制程发展短期受限IMEC预计全球半导体行业将在2024年进入GAA时代IMEC预计全球先进制程工艺将在2023年大规模量产3nm2026年进入14nm时代2032年进入05nm时代1614nm开始FinFET为半导体器件的主流选择但进入3nm制程以下时FinFET走向极限基于FinFET结构进行的芯片尺寸缩小变得较为困难GAAFETNanosheetForksheet晶体管结构将逐步接棒强化沟道控制能力国内设备厂商在先进工艺领域尚存较大差距IMEC指出ASML牵头的欧洲企业研发的HighNAEUV光刻机是半导体工艺进入GAA的关键环节07nm之后IMEC表示通过器件及材料创新可使得先进制程继续演进逐步进入05nm02nm时代受出口限制荷兰目前所有EUV光刻机无法向中国出口根据ASML官网荷兰政府自2019年以来就限制了EUV光刻机向中国大陆出口且目前已扩大至最先进的DUV光刻机国内公司方面以光刻机为例上海微电子已攻克90nm光刻机可应用于电源管理LCD驱动WiFi射频各类数模混合等芯片生产但28nm光刻机尚待突破中芯国际是中国大陆第一家实现14纳米FinFET量产的集成电路晶圆代工企业该产能较为稀缺2022年10月7日美国商务部颁布出口限制新规本次修订限制含有美国技术半导体设备和美国人参与1128层或以上NAND218nm或以下DRAM1614nm或以下逻辑半导体的建设中国大陆在先进制程扩产方面面临较大困难根据中芯国际招股书及公告FinFET工艺14纳米及以下已于2021年实现月产能15万片公司12英寸芯片SN1募投项目规划将FinFET产线产能扩充到35万片月但由于实体清单影响对中芯国际用于10nm及以下技术节点包括极紫外光技术的产品或技术美国商务部会采取推定拒绝PresumptionofDenial的审批政策进行审核因此该扩产计划面临较大不确定性该产线为国内稀缺的先进制程产能免责声明和披露以及分析师声明是报告的一部分请务必一起阅读3电子图表4先进工艺的图例从FinFet架构到GAA资料来源ISSCC华泰研究图表5ASMLEUV光刻机迭代资料来源IEEE华泰研究免责声明和披露以及分析师声明是报告的一部分请务必一起阅读4电子路径1异构计算后摩尔时代加速实现能源效率提升异构集合助推全球计算芯片快速发展异构计算从后端制造创新出发充分利用计算资源的并行和分布计算技术将不同制程和架构不同指令集不同功能硬件进行组合成为解决算力瓶颈更为经济的一种方式目前比较常见AI芯片异构有以英伟达GraceHopper为代表的CPUGPU路线以Waymo为代表的CPUFPGA路线以及以MobileyeEyeQ5芯片和地平线征程系列为代表的CPUASIC路线图表6AI芯片计算范式资料来源AI芯片前沿技术与创新未来张臣雄2021年人民邮电出版社华泰研究图表7主要异构计算方案公司异构计算方案代表产品应用领域英伟达CPUGPUGraceHopper数据中心CPUGPUASICXavier智能驾驶IntelCPUGPUXPU数据中心谷歌CPUGPUGoogleTensor智能手机AMDCPUGPUAPU数据中心AppleCPUGPUM1智能手机MobileyeCPUASICEyeQ5智能驾驶WaymoCPUFPGA-智能驾驶特斯拉CPUGPUASICFSD智能驾驶资料来源公司官网华泰研究回避先进制程瓶颈AMD异构集合计算另辟蹊径带来算力突破2011年AMD率先推出APUAcceleratedProcessingUnit加速处理器产品将中央处理器和独显核心做在一个晶片上同时具有高性能处理器和最新独立显卡的处理性能在CPUGPU的异构技术路线上AMD相关产品为软件开发者带来前所未有的灵活性能够任意采用最适合的方式开发新的应用目前最新的AMDMI200系列加速器采用多种解决方案包括ATOSBullSequanaX410-A52U1N2S双CPU四GPU戴尔PowerEdgeR7525双CPU三GPU技嘉G262-Z00双CPU四GPUHPECrayEX235a单CPU四GPU等免责声明和披露以及分析师声明是报告的一部分请务必一起阅读5电子图表8AMD加速芯片采用CPU与GPU的异构集合资料来源ISSCC华泰研究从MI250到MI300异构先进封装工艺合力推进计算效率提升MI250加速器是AMD第一款ExaScale百亿亿次10的18次方级别加速卡产品在芯片架构方面MI250由6nmGPU组成并采用三种创新架构提升芯片加速性能1针对高性能计算和AI训练等特殊领域做了性能的加强2采用Chiplet级封装使得存储芯片更接近于计算芯片3采用传统的电源管理等芯片来优化能源效率通过创新的架构MI250实现了HPC和AI节点的工作效率12倍的提升而MI300则采用更为先进的5nm工艺制程并在架构方面实现了全方位的升级1采用底部堆叠晶圆与缓存顶部堆叠CPU与GPU的3D封装技术2在CPU与GPU之间采用统一的存储架构来存取数据解决传统CPUGPU集成面临缓存数据无法共享的问题大大提升运算效率基于架构的创新Chiplet以及3D封装技术AMDMI300相较于MI250实现芯片性能与能效8x5x的提升其提升速度大幅领先于业界平均水平图表93DCPUGPU集成实现存储效率的提升资料来源ISSCC华泰研究免责声明和披露以及分析师声明是报告的一部分请务必一起阅读6电子国内多核异构计算正当时目前用在数据中心自动驾驶偏多目前国内从事异构计算相关领域的芯片公司包括寒武纪688256CH海思未上市芯动科技未上市燧原科技未上市天数智芯未上市中科驭数未上市云豹智能未上市等除数据中心外异构计算还多用于智能驾驶领域面向L3级及以上等级自动驾驶车辆单一芯片难以满足诸多接口和算力需求需采用多核异构计算芯片目前主流的自动驾驶芯片架构有CPUGPUASICCPUFPGA和CPUASIC三种是针对汽车自动驾驶等级提升带来数据体量快速膨胀的重要可行解决方案国内厂商包括华为地平线等1CPU国产CPU产业初具规模走出三条国产化路线国产CPU沿三条路线走向进口替代自主化程度存在差异十五期间泰山计划863计划等催生了我国一批CPU厂商经历20年发展现已形成以龙芯飞腾申威等为代表的具备竞争力的国产CPU力量根据内核指令集路线国产主流CPU厂商可分为三类1指令集授权自研路线代表厂商为龙芯和申威分别基于MIPS架构和Alpha架构自主研制LoongArch指令集和SW64指令集自主化程度最高2指令集授权路线代表厂商为海思和飞腾两者已获得永久性ARMV8架构指令集授权可基于该指令集架构自主改造拥有较高自主发展权3IP内核授权路线代表厂商为获得X86内核层级授权的兆芯和海光因扩充指令集形成自主可控指令集难度较大其自主可控程度较低图表10国产CPU厂商三大技术路线资料来源各公司官网华泰研究国内CPU厂商发展迅猛各有千秋目前国产CPU主要厂商为龙芯申威海思兆芯飞腾以及海光在服务器领域海思飞腾及海光性能上表现突出所采用的ARMX86架构拥有完善生态体系受到市场认可其中华为海思具备较大技术领先优势鲲鹏920产品性能上可媲美Intel最先进至强系列CPU但受供应问题影响与飞腾海光在国内竞争格局尚未定论桌面CPU领域龙芯与飞腾产品拥有更大市场份额龙芯由于使用自主架构应用生态相较匮乏但产品性价比高且基本性能符合PC端要求因此同样具备较高竞争力其3A5000与Intel于2017年推出i7-7700k性能相当可在办公场景实现完全替代申威CPU产品专用性较高主要用于超算领域性能上全球领先免责声明和披露以及分析师声明是报告的一部分请务必一起阅读7电子图表11国内CPU相关公司公司创立时间团队背景代表产品产品最新进展类型主要应用场景海光信息2014年中科院计算所海光3号DCU8000系2022年海光三号CPU正式发布并开始贡献营收CPUGPGPU服务器工作站列飞腾2014年中国电子S2500D20002020年7月飞腾发布高效能桌面CPU腾锐CPU服务器桌面等D2000龙芯中科2001年中科院计算所龙芯3A50002022年12月32核服务器芯片3D5000初样验CPU桌面工控等证成功兆芯科技2013年上海市国资委开胜KH-300002022年10月发布新一代消费级CPU开先CPUGPU桌面KX-6000G及数据中心级CPU开胜KH-40000海思2004年华为鲲鹏920-7260--CPUGPU服务器等申威2016年捷世智通科技申威1621--CPU超算资料来源公司官网华泰研究2GPU国产GPU奋起直追图像计算花开两朵国产GPU厂商沿图像计算两条路径切入人才资本共同驱动产品落地按照功能GPU可分为图像处理GPU和通用GPUGPGPU图像处理GPU侧重图形图像的渲染GPGPU则侧重处理以人工智能训练推理为代表的通用计算任务前者的软硬件开发复杂程度高于GPGPU我国GPU初创公司创始团队多拥有英伟达AMD等国际大厂工作背景结合自身优势及阶段性定位分别从不同路线切入当前国产GPU厂商在产品线和生态建设上较国际厂商仍存在较大差距但在人才和资本的双重驱动下国产GPU产品落地明显加快2021年12月芯动科技推出12nm高性能显卡风华1号填补了国产4K级桌面显卡和服务器级显卡两大空白2022年5月成立仅1年的摩尔线程发布首款全功能国产智能显卡MTTS602022年5月景嘉微宣布JM9系列第二款GPU已经完成流片封装阶段工作性能有望媲美GTX1080图表12国内GPUASIC相关公司公司创立时间团队背景代表产品产品最新进展类型主要应用场景景嘉微2006年国防科技大学JM5400JM92312022年5月JM9系列第二款完成流片GPU军用市场桌面办公等芯动科技2007年ImaginationAMD风华1号风华2号2022年8月发布风华2号GPU桌面PC等芯瞳半导体2021年西邮GenBu01--GPU嵌入式设备办公电脑等瀚博半导体2018年AMDSV100SG1002022年9月发布7nm云端GPUSG100GPU云端推理摩尔线程2020年英伟达MTTS602022年3月发布第一代MUSA架构GPUGPU云端推理边缘端燧原科技2018年AMD燧思10燧思202021年12月发布第二代推理产品云燧i20GPGPU云端训练云端推理天数智芯2015年AMD7nmGPGPU4Q22将发布首款云端推理通用GPU智铠100GPGPU云端训练云端推理登临科技2017年图芯Goldwasser--GPGPU云端训练云端推理壁仞科技2019年商汤科技AMDBP1002022年8月壁仞科技发布首款通用GPGPU云端训练云端推理GPUBR100峰值算力超越英伟达A100GPU沐曦集成电2020年------GPGPU数据中心AI路寒武纪2016年中科院2903702022年下半年推出边缘端590ASIC推理数据中心云豹智能2020年博通AMD英特尔YB6480DPU云计算数据中心海思中科驭数2018年中科院K1K22022年12月自主研发的第二代DPU芯片K2DPU数据中心成功点亮资料来源公司官网华泰研究免责声明和披露以及分析师声明是报告的一部分请务必一起阅读8电子国内GPU厂商产品尽管与国外厂商仍存在差距但差距在不断缩小以国内GPU厂商景嘉微为例公司2014年发布的JM5400技术指标相当于ATI于2003年3月发布的M96芯片与国外相当技术水平的产品发布时间相差近11年2018年发布的JM7200与2012年NVIDIA发布的GT640接近发布时间相差约6年2021年发布的JM9系列在部分性能上逼近NVIDIA2016年发布的GTX1080如核心频率外存容量工艺制程等但考虑到JM9系列32位单精度浮点性能仅为15TFlops远低于GTX1080的88TFlops但接近GTX960的23TFlops因此华泰计算机估计JM9系列NVIDIA的代际差距在5-6年之间参考报告景嘉微GPU开启第二增长曲线202245随着在国产替代过程中的技术迭代和人才的流入我们认为国内GPU芯片与海外厂商的差距将不断缩小图表13景嘉微三代主要芯片与海外同类产品参数对比特性JM5400ATIM96JM7200NVIDIAGeForeGT640JM9系列NVIDIAGeForeGTX960NVIDIAGeForeGTX1080工艺65nm55nm28nm28nm14nm28nm16nm核心频率550MHZ680800MHz1300MHZ900MHZ1500MHZ1127MHZ1607MHz外存位宽128bit128bit64bit128bit-128bit256bit外存容量1GB512MB2-4GB2GB8GB2GB4GB8GB像素填充速率22Gpixels-52Gpixelss72Gpixelss32Gpixelss--资料来源公司公告Expreview华泰研究3DPU不同技术路线满足用户差异化需求国内初创企业加速布局DPU的出现是异构计算的又一里程碑其本质作用在于承载网络侧专用性的网络堆栈算法和传输协议运算转移从而助力其他计算模块高效处理业务数据DPU的主要技术路线包括FPGA和SoC分别满足低功耗和高性价比两类客户需求海外市场仍以英伟达英特尔博通为主国内主要DPU公司包括云豹智能中科驭数云脉芯联星云智联大禹智芯等大部分公司已有DPU第一代芯片甚至迭代产品量产发布国内互联网云服务商也正积极通过自主研发或对外投资的方式布局DPU行业图表14国内GPUASIC相关公司公司创立时间团队背景代表产品产品最新进展类型主要应用场景云豹智能2020年博通AMD英特尔YB6480已完成第一代产品的研发和量产DPU数据中心海思中科驭数2018年中科院K1K22022年12月自主研发的第二代DPU芯片K2DPU数据中心成功点亮星云智联2021年RFMD威讯联合半DPUD1055ASDPU产品D1055AS已于2022年7月发布DPU数据中心导体英飞凌等智能网卡N1045XSN1045XTN1025XS大禹智芯2020年美团阿里巴巴百Parataus10Parataus202022年10月第二代DPU产品发布DPU数据中心度等云脉芯联2021年阿里锐捷metaFusion-2002022年5月发布首款多场景RDMA智能网卡DPU数据中心metaFusion-500DPU产品芯启源2015年博通MarvellAgilioCXFXLX系列智能网卡EDATCAM芯片以及USBIP产品DPU数据中心线资料来源公司官网华泰研究免责声明和披露以及分析师声明是报告的一部分请务必一起阅读9电子路径2先进封装助力超越摩尔定律国内公司积极布局253D等领域产业将从25D逐步走向3D封装先进封装助力高性能计算芯片实现超越摩尔定律高性能计算领域先进封装是超越摩尔定律的一项重要路径其能提供更高的系统集成度与芯片连接密度芯片系统将持续实现性能提升同时兼顾功耗和面积目前行业正从芯片Chiplet在平面上通过中介层硅桥高密度RDL等方式连接的25D封装逐步走向把存储计算芯片在垂直维度进行堆叠的3D封装我们看到25D3D封装领域主要方案提供者为台积电3DFabric平台英特尔EMIBFoveros三星3DTSVX-Cube日月光VIPack等图表15先进封装从25D走向3D封装资料来源ISSCC华泰研究长电科技等国内公司已在量产25D封装领域实现初步突破未来将逐步进入3D封装领域253D封装核心在于以微小线宽距和微小中心距的微凸点为特点的高密度中介层互联包括TSV硅通孔RDL重布线堆叠FOinterposer扇出型中介嵌入式芯片基板我们看到国内公司正在相关技术方面取得初步突破长电科技2022年已突破带25D硅通孔MCM的大尺寸FCBGA技术并进入小量产未来其有望在25D封装领域逐步成熟并走向3D封装领域通富微电多层堆叠NANDFlash及LPDDR封装实现稳定量产并于2022年完成基于TSV技术的3DSDRAM封装开发设备方面封装设备国产替代空间广阔测试设备长期受益于Chiplet等趋势当前后道封装设备主要由BesiDiscoKS等公司占据国产化率较低我们看到光力科技子公司ADTLP及LPB可提供涵盖传统封装及先进封装领域的划片机产品大族激光可提供半导体激光切割设备此外我们看到Chiplet技术可将不同工艺的小芯片集成提升芯片系统的良率及降低成本正在成为行业趋势我们认为未来成熟的Chiplet替代传统SoC方案或将提升模拟数模混合等测试机需求华峰测控在积极布局免责声明和披露以及分析师声明是报告的一部分请务必一起阅读10电子图表16国内先进封装主要公司梳理产业链环节主要上市公司IP芯原股份国芯科技等封装设备光力科技文一科技大族激光等测试设备华峰测控联动科技金海通等封装代工厂长电科技通富微电华天科技甬矽电子晶方科技盛合晶微等独立测试公司伟测科技利扬芯片等封装基板兴森科技等资料来源华泰研究图表17提及公司表公司代码公司代码通富微电002156CHMobileyeMBLYUS华天科技002185CHMarvellMRVLUS兴森科技002436CH微软MSFTUS景嘉微300474CH英伟达NVDAUS光力科技300480CH泰瑞达TERUS联动科技301369CHTSMCTSMUS文一科技600520CH中科驭数未上市长电科技600584CH兆芯科技未上市晶方科技603005CH云豹智能未上市金海通603061CH芯瞳半导体未上市海光信息688041CH芯动科技未上市龙芯中科688047CH天数智芯未上市利扬芯片688135CH天数智芯未上市华峰测控688200CH天津飞腾未上市寒武纪-U688256CH燧原科技未上市国芯科技688262CH盛合晶微未上市甬矽电子688362CH申威未上市伟测科技688372CH上海微电子未上市芯原股份-U688521CH沐曦集成电路未上市中芯国际688981CH摩尔线程未上市三星005930KS瀚博半导体未上市AppleAAPLUS海思未上市AMDAMDUS登临科技未上市安靠技术AMKRUS壁仞科技未上市ASMLASMLUSWaymo未上市日月光半导体ASXUSMellanox未上市谷歌GOOGUSArm未上市IntelINTCUS资料来源彭博华泰研究风险提示1AI技术落地不及预期虽然AI技术加速发展但由于成本落地效果等限制相关技术落地节奏可能不及我们预期2本研报中涉及到未上市公司或未覆盖个股内容均系对其客观公开信息的整理并不代表本研究团队对该公司该股票的推荐或覆盖免责声明和披露以及分析师声明是报告的一部分请务必一起阅读11电子免责声明分析师声明本人黄乐平张皓怡兹证明本报告所表达的观点准确地反映了分析师对标的证券或发行人的个人意见彼以往现在或未来并无就其研究报告所提供的具体建议或所表迖的意见直接或间接收取任何报酬一般声明及披露本报告由华泰证券股份有限公司已具备中国证监会批准的证券投资咨询业务资格以下简称本公司制作本报告所载资料是仅供接收人的严格保密资料本报告仅供本公司及其客户和其关联机构使用本公司不因接收人收到本报告而视其为客户本报告基于本公司认为可靠的已公开的信息编制但本公司及其关联机构以下统称为华泰对该等信息的准确性及完整性不作任何保证本报告所载的意见评估及预测仅反映报告发布当日的观点和判断在不同时期华泰可能会发出与本报告所载意见评估及预测不一致的研究报告同时本报告所指的证券或投资标的的价格价值及投资收入可能会波动以往表现并不能指引未来未来回报并不能得到保证并存在损失本金的可能华泰不保证本报告所含信息保持在最新状态华泰对本报告所含信息可在不发出通知的情形下做出修改投资者应当自行关注相应的更新或修改本公司不是FINRA的注册会员其研究分析师亦没有注册为FINRA的研究分析师不具有FINRA分析师的注册资格华泰力求报告内容客观公正但本报告所载的观点结论和建议仅供参考不构成购买或出售所述证券的要约或招揽该等观点建议并未考虑到个别投资者的具体投资目的财务状况以及特定需求在任何时候均不构成对客户私人投资建议投资者应当充分考虑自身特定状况并完整理解和使用本报告内容不应视本报告为做出投资决策的唯一因素对依据或者使用本报告所造成的一切后果华泰及作者均不承担任何法律责任任何形式的分享证券投资收益或者分担证券投资损失的书面或口头承诺均为无效除非另行说明本报告中所引用的关于业绩的数据代表过往表现过往的业绩表现不应作为日后回报的预示华泰不承诺也不保证任何预示的回报会得以实现分析中所做的预测可能是基于相应的假设任何假设的变化可能会显著影响所预测的回报华泰及作者在自身所知情的范围内与本报告所指的证券或投资标的不存在法律禁止的利害关系在法律许可的情况下华泰可能会持有报告中提到的公司所发行的证券头寸并进行交易为该公司提供投资银行财务顾问或者金融产品等相关服务或向该公司招揽业务华泰的销售人员交易人员或其他专业人士可能会依据不同假设和标准采用不同的分析方法而口头或书面发表与本报告意见及建议不一致的市场评论和或交易观点华泰没有将此意见及建议向报告所有接收者进行更新的义务华泰的资产管理部门自营部门以及其他投资业务部门可能独立做出与本报告中的意见或建议不一致的投资决策投资者应当考虑到华泰及或其相关人员可能存在影响本报告观点客观性的潜在利益冲突投资者请勿将本报告视为投资或其他决定的唯一信赖依据有关该方面的具体披露请参照本报告尾部本报告并非意图发送发布给在当地法律或监管规则下不允许向其发送发布的机构或人员也并非意图发送发布给因可得到使用本报告的行为而使华泰违反或受制于当地法律或监管规则的机构或人员本报告版权仅为本公司所有未经本公司书面许可任何机构或个人不得以翻版复制发表引用或再次分发他人无论整份或部分等任何形式侵犯本公司版权如征得本公司同意进行引用刊发的需在允许的范围内使用并需在使用前获取独立的法律意见以确定该引用刊发符合当地适用法规的要求同时注明出处为华泰证券研究所且不得对本报告进行任何有悖原意的引用删节和修改本公司保留追究相关责任的权利所有本报告中使用的商标服务标记及标记均为本公司的商标服务标记及标记中国香港本报告由华泰证券股份有限公司制作在香港由华泰金融控股香港有限公司向符合证券及期货条例及其附属法律规定的机构投资者和专业投资者的客户进行分发华泰金融控股香港有限公司受香港证券及期货事务监察委员会监管是华泰国际金融控股有限公司的全资子公司后者为华泰证券股份有限公司的全资子公司在香港获得本报告的人员若有任何有关本报告的问题请与华泰金融控股香港有限公司联系免责声明和披露以及分析师声明是报告的一部分请务必一起阅读12电子香港-重要监管披露华泰金融控股香港有限公司的雇员或其关联人士没有担任本报告中提及的公司或发行人的高级人员芯原股份688521CH华泰金融控股香港有限公司其子公司和或其关联公司在本报告发布日担任标的公司证券做市商或者证券流动性提供者有关重要的披露信息请参华泰金融控股香港有限公司的网页httpswwwhtsccomhkstockdisclosure其他信息请参见下方美国-重要监管披露美国在美国本报告由华泰证券美国有限公司向符合美国监管规定的机构投资者进行发表与分发华泰证券美国有限公司是美国注册经纪商和美国金融业监管局FINRA的注册会员对于其在美国分发的研究报告华泰证券美国有限公司根据1934年证券交易法修订版第15a-6条规定以及美国证券交易委员会人员解释对本研究报告内容负责华泰证券美国有限公司联营公司的分析师不具有美国金融监管FINRA分析师的注册资格可能不属于华泰证券美国有限公司的关联人员因此可能不受FINRA关于分析师与标的公司沟通公开露面和所持交易证券的限制华泰证券美国有限公司是华泰国际金融控股有限公司的全资子公司后者为华泰证券股份有限公司的全资子公司任何直接从华泰证券美国有限公司收到此报告并希望就本报告所述任何证券进行交易的人士应通过华泰证券美国有限公司进行交易美国-重要监管披露分析师黄乐平张皓怡本人及相关人士并不担任本报告所提及的标的证券或发行人的高级人员董事或顾问分析师及相关人士与本报告所提及的标的证券或发行人并无任何相关财务利益本披露中所提及的相关人士包括FINRA定义下分析师的家庭成员分析师根据华泰证券的整体收入和盈利能力获得薪酬包括源自公司投资银行业务的收入芯原股份688521CH华泰证券股份有限公司其子公司和或其联营公司在本报告发布日担任标的公司证券做市商或者证券流动性提供者华泰证券股份有限公司其子公司和或其联营公司及或不时会以自身或代理形式向客户出售及购买华泰证券研究所覆盖公司的证券衍生工具包括股票及债券包括衍生品华泰证券研究所覆盖公司的证券衍生工具包括股票及债券包括衍生品华泰证券股份有限公司其子公司和或其联营公司及或其高级管理层董事和雇员可能会持有本报告中所提到的任何证券或任何相关投资头寸并可能不时进行增持或减持该证券或投资因此投资者应该意识到可能存在利益冲突本报告所载的观点结论和建议仅供参考不构成购买或出售所述证券的要约或招揽亦不试图促进购买或销售该等证券如任何投资者为美国公民取得美国永久居留权的外国人根据美国法律所设立的实体包括外国实体在美国的分支机构任何位于美国的个人该等投资者应当充分考虑自身特定状况不以任何形式直接或间接地投资本报告涉及的投资者所在国相关适用的法律法规所限制的企业的公开交易的证券其衍生证券及用于为该等证券提供投资机会的证券的任何交易该等投资者对依据或者使用本报告内容所造成的一切后果华泰证券股份有限公司华泰金融控股香港有限公司华泰证券美国有限公司及作者均不承担任何法律责任评级说明投资评级基于分析师对报告发布日后6至12个月内行业或公司回报潜力含此期间的股息回报相对基准表现的预期A股市场基准为沪深300指数香港市场基准为恒生指数美国市场基准为标普500指数具体如下行业评级增持预计行业股票指数超越基准中性预计行业股票指数基本与基准持平减持预计行业股票指数明显弱于基准公司评级买入预计股价超越基准15以上增持预计股价超越基准515持有预计股价相对基准波动在-155之间卖出预计股价弱于基准15以上暂停评级已暂停评级目标价及预测以遵守适用法规及或公司政策无评级股票不在常规研究覆盖范围内投资者不应期待华泰提供该等证券及或公司相关的持续或补充信息免责声明和披露以及分析师声明是报告的一部分请务必一起阅读13电子法律实体披露中国华泰证券股份有限公司具有中国证监会核准的证券投资咨询业务资格经营许可证编号为91320000704041011J香港华泰金融控股香港有限公司具有香港证监会核准的就证券提供意见业务资格经营许可证编号为AOK809美国华泰证券美国有限公司为美国金融业监管局FINRA成员具有在美国开展经纪交易商业务的资格经营业务许可编号为CRD298809SEC8-70231华泰证券股份有限公司南京北京南京市建邺区江东中路228号华泰证券广场1号楼邮政编码210019北京市西城区太平桥大街丰盛胡同28号太平洋保险大厦A座18层邮政编码100032电话862583389999传真862583387521电话861063211166传真861063211275电子邮件ht-rdhtsccom电子邮件ht-rdhtsccom深圳上海深圳市福田区益田路5999号基金大厦10楼邮政编码518017上海市浦东新区东方路18号保利广场E栋23楼邮政编码200120电话8675582493932传真8675582492062电话862128972098传真862128972068电子邮件ht-rdhtsccom电子邮件ht-rdhtsccom华泰金融控股香港有限公司香港中环皇后大道中99号中环中心58楼5808-12室电话852-3658-6000传真852-2169-0770电子邮件researchhtsccomhttpwwwhtsccomhk华泰证券美国有限公司美国纽约公园大道280号21楼东纽约10017电话212-763-8160传真917-725-9702电子邮件Huataihtsc-uscomhttpwwwhtsc-uscom版权所有2023年华泰证券股份有限公司免责声明和披露以及分析师声明是报告的一部分请务必一起阅读14