AI驱动下游景气复苏，国产替代趋势显著

Chatgpt引领AI革命，AI芯片、服务器PCB、先进封装等多环节受益。年初以来，以Chatgpt为代表的多模态大模型持续火爆，引发各大科技企业争相布局，人工智能商业化落地提速。AI大模型参数量呈指数式增长，如GPT-4参数量最多可达万亿级别，极大拉动算力需求，而GPU龙头英伟达Q1业绩超预期也凸显出算力重要性，AI芯片、服务器PCB等环节有望实现量价齐升。

近年受贸易摩擦影响，国内半导体先进制程发展受到限制，Chiplet可在不改变制程的前提下提升芯片集成度，提高算力并保证芯片良率，有望成为后摩尔时代我国集成电路弯道超车的重要途径，随着Chiplet市场规模实现快速增长，先进封装与测试、IC载板等环节有望受益。

AI大模型持续火爆拉动算力需求

算力芯片迎来发展机遇

多模态大模型有望成为AI主流，参数量井喷式提升。生成式AI主要依赖于AI大模型，如GPT系列、BERT、Transformer等，这些模型通常包含数十亿甚至数万亿参数，需要庞大的数据集进行训练。大模型的训练成本通常包括GPU等算力芯片成本、服务器成本、标准机柜成本、电力成本、人力投入费用等。

以GPT-3为例，训练参数量达到1,750亿、预训练数据量达到45TB，训练总成本高达1,200万美元。高昂的训练成本也提高了行业的准入门槛，因此多模态大模型的产业发展进程通常由科技巨头所主导。

AI大模型参数量呈指数式增长，极大拉动算力需求。从2015年AI大模型问世至今，每年大模型的参数量呈现指数式增长，所需要的算力相较常规模型也实现极大幅度提升。

2019年2月发布的GPT-2模型参数量约为15亿，而2020年5月发布的GPT-3模型参数量达到1,750亿，参数量提升超过100倍；据ARK Invest预测，GPT-4参数量最高可达15,000亿个，对应算力需求最高可达31271PFlop/s-day；此外，国内外科技巨头加速布局多模态大模型，对应参数量均达到千亿级别，也将带动算力需求爆发式增长。

自Stable Diffusion被称为AI界的“神笔马良”开始，到Chat GPT成为AI界现象级产品，AIGC相关技术逐步发展成熟，市场关注度也持续攀升。

2023年2月7日，微软宣布推出内置Chat GPT的必应搜索与Edge浏览器，谷歌、百度、阿里巴巴、腾讯等科技巨头也宣布将会推出自己的人工智能聊天机器人产品。

这些新应用背后需要庞大的算力基础设施维持，根据微软统计，GPT-3.5在微软AzureAI超算基础设施上的训练总算力消耗约为3640PF-days，大约需要7--8个30亿投资规模的数据中心才能支持ChatGPT运行。

2月7日-2月9日ChatGPT官网多次因为满负荷而无法登入，再次显示当前算力不足的问题，算力基础设施升级需求凸显。

AI芯片是人工智能发展的关键因素之一，数字化、智能化浪潮推动AI芯片市场迅速成长。AI芯片是针对人工智能算法做了特殊加速设计的芯片，是人工智能发展算力的基石。算力是人工智能发展的关键因素之一，随着深度学习算法的普及和应用，人工智能对算力提出了更高的要求，传统的CPU架构难以满足人工智能算法对算力的要求，因此具有海量数据并行计算能力、能加速计算处理的AI芯片应运而生。

在全球数字化、智能化的浪潮下，智能手机、自动驾驶、数据中心、图像识别等应用推动AI芯片市场迅速成长。

根据亿欧智库数据，预计国内市场规模将于2025年达到1,780亿元，2022-2025年CAGR将达到27.9％。

AI芯片分类：可分为GPU、FPGA、ASIC和类脑芯片。AI芯片根据其技术架构，可以分为GPU（图形处理器）、FPGA（现场可编程门阵列）、ASIC（专用集成电路）和类脑芯片，同时CPU也可用以执行通用AI计算。

GPU：最初是专门用于图像处理的芯片，可以使计算机显卡减少对CPU的依赖，并且分担部分原本是CPU所承担的工作。从物理结构上看，GPU和CPU相似，包括控制单元、存储单元和运算单元三个部分，CPU的控制单元占比较大，负责进行逻辑控制和串行计算，而运算单元（ALU）较小；GPU拥有较多的ALU，适合于类型高度统一的、相互无依赖的大规模数据以及不被打断的纯净计算环境，因而被广泛用于高性能计算、深度学习等领域。

FPGA：是一种半定制、可编程的集成电路，具有模块化和规则化的架构，主要由三部分组成，分别为CLB（可编程逻辑块）、I/O（输入输出单元）和内部连接线，用户可以通过更新FPGA配置文件来定义这些门电路及存储器之间的连线，以达到重构的目的。相较于CPU和GPU，FPGA在灵活性、功耗和时延等方面具备优势，能够在较低的功耗下达到GFLOPS数量级的算力，在人工智能算法不断迭代的情况下，FPGA的特性能较好地满足AI的运算需求。

ASIC：指针对特定用户要求和特定电子系统的需要而设计的集成电路，相较于通用型芯片在性能、功耗上具备优势。与FPGA相比，ASIC专用度较高、计算效率更好，在开发流程中，ASIC的非重复成本较高，但随着规模化量产的实现，单个芯片的成本会随着产量的增加而降低，具备批量生产的成本优势。因此，在技术、算法尚未成熟阶段，FPGA架构灵活改变芯片功能，有利于降低成本和风险；而随着技术、算法的普及，ASIC更具备竞争优势。

算力增长提升对芯片需求，人工智能芯片搭载率将持续提高。全球人工智能技术发展逐渐成熟，数字化基础设施不断建设完善，人工智能产业技术不断提升，产业商业化应用加速落地，推动全球人工智能芯片市场高速增长，IDC预计，到2025年人工智能芯片市场规模将达726亿美元。IDC全球范围调研显示，人工智能芯片搭载率（attachrate）将持续增高，目前每台人工智能服务器上普遍多配置2个GPU，未来18个月，GPU、ASIC和FPGA的搭载率均会上升。

目前AI芯片仍以GPU为主，性能优势明显。IDC研究指出，2021年中国仍以GPU为主实现数据中心计算加速，市场占有率近90%，GPU芯片多用于图形图像处理、复杂的数学计算等场景，可较好支持高度并行的工作负载，常用于数据中心的模型训练，也可以用于边缘侧和端侧的推理工作负载。

ASIC，FPGA，NPU等非GPU芯片市场占有率超过10%，其中，NPU较以往具有明显增长，NPU芯片设计逻辑更为简单，常用于边侧和端侧的模型推理，并生成结果，在处理推理工作负载时，具有显著的能耗节约优势。

人工智能服务器可分为推理服务器与训练服务器，训练服务器对算力要求更高。按应用场景划分，AI服务器可分为推理服务器和训练服务器，带来巨量的算力需求。其中，训练服务器指借助已有的大量数据样本进行学习，获得诸如更准确的识别和分类等能力的过程；而推理服务器则针对新的数据，使用经过训练的算法完成特定任务。与推理服务器相比，训练服务器对算力的要求较高，要求训练芯片具有强大的单芯片计算能力。

相较于其他的高性能服务器和基础服务器，AI服务器芯片组的价格往往更高，一般而言，AI训练服务器芯片组成本占比超过80%，AI推理服务器芯片组占比约为50%，远高于通用服务器芯片组的占比。

Chatgpt催生AI服务器需求增长，各大厂商争相采购。从服务器行业竞争格局看，据IDC，浪潮、新华三、超聚变、宁畅和中兴位居2022年中国服务器市场营收前五位，市场份额占比分别为28.1%、17.2%、10.1%、6.2%和5.3%，行业CR5份额合计66.9%。以Chatgpt为代表的多模态大模型带来计算资源需求爆发式增长，催生AI服务器需求增长，各大厂商争相采购。

据Trendforce，2022年北美四大云服务厂商微软、谷歌、Meta和亚马逊合计采购全球约66%的AI服务器，而腾讯、阿里巴巴和百度等国内互联网大厂的采购量也位列全球前十。随着国内AI大模型商业化的持续落地，有望拉动更多AI服务器需求，我国AI服务器市场空间有望进一步提升。

PCB下游应用广泛，服务器约占10%。全球PCB下游应用市场分布广泛，主要包括通讯、计算机、消费电子、汽车电子、服务器、工业控制、军事航空、医疗等领域。

根据Prismark统计，通讯、计算机、消费电子、汽车电子和服务器构成了PCB的主要应用领域，市场规模占比分别为32%、24%、15%、11%和10%（2021年数据）。

终端应用驱动PCB向高密度化、高性能化方向发展，单位面积价值量提升。为电子信息产业重要的配套，PCB行业的技术发展通常需要适应下游电子终端设备的需求。

目前，电子产品主要呈现出两个明显的趋势：一是轻薄短小，二是高速高频，下游行业的应用需求对PCB的精密度和稳定性都提出了更高的要求，PCB行业将向高密度化、高性能化方向发展。

服务器行业的发展成为高端PCB生产技术升级的推动力。PCB在服务器中的应用主要包括主板、电源背板、硬盘背板、网卡、Riser卡等，其特点主要体现在高层数、高纵横比、高密度及高传输速率。

随着服务器核心芯片计算能力的提高，对于PCB的层数及材料的要求也越来越高，从之前的1U或2U服务器的4层、6层、8层主板发展到现在的4U、8U服务器的16层以上主板，背板则在20层以上；PCB层数越多，设计上越灵活，能够对电路起到更好地阻抗作用，更易实现芯片之间的高速传输。

PCB层数的增加对供应商的整体加工能力提出更高要求，单位价值量也越高，因此高端服务器的发展成为高端PCB生产技术升级的推动力。

下游行业发展驱动PCB产业增长，预计服务器将成为PCB增长最快的应用领域。当前，云计算、大数据、人工智能、物联网等新技术、新应用不断涌现、发展，随着5G网络建设的大规模推进及商用，将催化电子产品相关技术和应用更快发展、迭代、融合。

在通信代际更迭、数据流量爆发式增长的背景下，高速、大容量、高性能的服务器将不断发展，将会对高层数、高密度、高频高速印制电路板形成大量需求；在5G网络建设过程中，通信基站、路由器、交换机、骨干网传输设备、微波传输设备、光纤到户设备等通信设备对PCB的需求增加；随着电动汽车普及率提高、汽车电子化程度加深、先进驾驶辅助系统（ADAS）的渗透率提高以及自动驾驶技术和车联网的不断发展，汽车不仅对PCB用量大幅提升，对高端PCB的需求也在迅速增长。

根据Prismark统计和预测，全球PCB主要下游行业中，2021年服务器用PCB的产值为78.04亿美元，预计2026年达到产值124.94亿美元，2021-2026年市场规模年均复合增长率为9.87%，增速快于其他PCB品类。