電子行業：AI浪潮下的硬件創新-230506（29頁）.pdf

《電子行業：AI浪潮下的硬件創新-230506（29頁）.pdf》由會員分享，可在線閱讀，更多相關《電子行業：AI浪潮下的硬件創新-230506（29頁）.pdf（29頁珍藏版）》請在三個皮匠報告上搜索。

1、AI浪潮下的硬件創新長江證券研究所電子研究小組2023-05-06%1分析師及聯系人證券研究報告 評級看好維持分析師楊洋SAC執業證書編號：S0490517070012電郵：%201大模型參數量快速提升，算力需求大幅增加02AI+Chiplet：信息革命的基石03服務器：算力的載體目 錄0504邊緣AI：內容與交互再升級%301大模型參數量快速提升，算力需求大幅增加%4 過去傳統的人工智能偏向于分析能力，即通過分析一組數據，發現其中的規律和模式并用于其他多種用途，比如應用最為廣泛的個性化推薦算法。而現在人工智能正在生成新的東西，而不是僅僅局限于分析已經存在的東西，實現了人工智能從感知理解世界到

2、生成創造世界的躍遷。因此，從這個意義上來看，廣義的 AIGC 可以看作是像人類一樣具備生成創造能力的 Al 技術，即生成式AI它可以基于訓練數據和生成算法模型，自主生成創造新的文本、圖像、音樂、視頻、3D 交互內容(如虛擬化身、虛擬物品、虛擬環境)等各種形式的內容和數據，以及包括開啟科學新發現創造新的價值和意義等。因此，AIGC 已經加速成為了AI 領域的新疆域，推動人工智能迎來下一個時代。ChatGPT：生成式AI引爆技術奇點01資料來源：AIGC發展趨勢報告2023騰訊研究院，長江證券研究所內容創作模式的四個發展階段文本領域代碼領域圖像領域視頻/3D/游戲領域詐騙垃圾信息識別翻譯基礎問答回

3、應單行代碼補足基礎文案撰寫初稿多行代碼生成更長的文本二稿更長的代碼更精確的表達藝術圖標攝影3D/視頻模型的初步嘗試模仿（產品設計、建筑等）視頻和3D文件的基礎版/初稿二稿垂直領域的文案撰寫實現可精調（論文等）支持更多語種領域更垂直終稿，水平高于人類平均值根據文本生成初版應用程序終稿（產品設計、建筑等）終稿，水平高于專業寫手根據文本生成終版應用程序，比全職開發者水平更高終稿，水平高于專職藝術家、設計師等AI版Roblox可依個人夢想定制的游戲與電影2020年之前202020222023?2025?2030?大模型可用情況初步嘗試基本實現未來潛力生成式AI技術的成熟應用進程時間表%5 大模型主要由

4、各大龍頭企業推動，在國內科技公司中，阿里巴巴達摩院在2020年推出了M6大模型，百度在2021年推出了文心大模型，騰訊在2022年推出了混元AI大模型。大模型最核心的除了算法外主要是參數的設置，其中參數量(Params)形容模型的大小程度，類似于算法中的空間復雜度,往往參數量越大(復雜程度越高)的神經網絡模型對算力的需求程度更高，復雜的神經網絡模型的算法參數量約千億級別甚至萬億級別，與已知應用級別的呈現指數級別的差異。這些模型不僅在參數量上達到了千億級別，而且數據集規模也高達TB級別，想要完成這些大模型的訓練，就至少需要投入超過1000PetaFlop/s-day的計算資源。大模型參數量快速提

5、升，算力需求大幅增加01資料來源：甲子光年，英偉達，長江證券研究所大模型的基礎是龐大的算力基建2018年后大模型訓練算力需求顯著提升%6 大模型主要由各大龍頭企業推動，在國內科技公司中，阿里巴巴達摩院在2020年推出了M6大模型，百度在2021年推出了文心大模型，騰訊在2022年推出了混元AI大模型。大模型最核心的除了算法外主要是參數的設置，其中參數量(Params)形容模型的大小程度，類似于算法中的空間復雜度,往往參數量越大(復雜程度越高)的神經網絡模型對算力的需求程度更高，復雜的神經網絡模型的算法參數量約千億級別甚至萬億級別，與已知應用級別的呈現指數級別的差異。這些模型不僅在參數量上達到了

6、千億級別，而且數據集規模也高達TB級別，想要完成這些大模型的訓練，就至少需要投入超過1000PetaFlop/s-day的計算資源。大模型參數量快速提升，算力需求大幅增加01資料來源：StarLab，AIGC發展趨勢報告2023騰訊研究院，長江證券研究所主要大模型建設情況廠商預訓練模型應用參數量（億）谷歌BERT語言理解與生成4810LaMDA對話系統-PaLM語言理解與生成、推理、代碼生成5400Imagen語言理解與圖像生成110Parti語言理解與圖像生產200微軟Florence視覺識別6.4Turing-NLG語言理解、生成170FacebookOPT-1758語言模型1750M2M

7、-100100種語言互譯150Deep MindGato多面手的智能體12Gopher語言理解與生成2800AlphaCode代碼生成414Open AIGPT3語言理解與生成、推理等1750CLIP&DALL-E圖像生成、跨模態檢索120Codex代碼生成120ChatGPT語言理解與生成、推理等-英偉達Megatron-Turing NLG語言理解與生成、推理等5300Stability AIStable Diffusion語言理解與圖像生產-各大主要模型的參數量巨大%7 1、算力總需求量=參數量*詞條長度（單個詞語計算次數，單精度）*訓練詞數 2、GPU總需求量=算力總需求量/單張加速卡

8、算力/計算用時 按照175B的參數規模測算，若訓練時長為1個月，則英偉達A100 GPU需要張數超6000張，A100加速卡成本1.56億美元；若參數量提升至481B，則加速卡成本上升至4.28億美元；若481B模型的計算時間限制為一周，則僅加速卡成本將達到18.35億美元。又好（參數量大）、又快（迭代時間短）的需求將大幅推升龍頭廠商的硬件軍備競賽。大模型參數量快速提升，算力需求大幅增加01資料來源：AIGC發展趨勢報告2023騰訊研究院，長江證券研究所（單個詞語計算次數即單精度假設為均為6次；算力假設為英偉達A100 GPU算力19.5TFLOPS；A100成本為包含8張Tesla A100

9、及配套芯片，即整機價格）主要大模型算力加速卡需求情況廠商預訓練模型應用參數量（億）訓練詞數（億）單個詞語計算次數 總計算量（萬億億次）算力（TFLOP/s）計算用時（h）GPU需要數量（顆）僅考慮A100 GPU成本（億美元）A100成本（億美元）谷歌BERT語言理解與生成481030006865819.5720171301.714.28LaMDA對話系統-PaLM語言理解與生成、推理、代碼生成540030006972019.5720192311.924.81Imagen語言理解與圖像生成1103000619819.57203920.040.10Parti語言理解與圖像生產2003000636

10、019.57207120.070.18微軟Florence視覺識別6.43000611.5219.5720230.000.01Turing-NLG語言理解、生成1703000630619.57206050.060.15FacebookOPT-1758語言模型175030006315019.572062320.621.56M2M-100100種語言互譯1503000627019.57205340.050.13Deep MindGato多面手的智能體123000621.619.5720430.000.01Gopher語言理解與生成280030006504019.572099721.002.49Al

11、phaCode代碼生成41430006745.219.572014740.150.37Open AIGPT3語言理解與生成、推理等175030006315019.572062320.621.56CLIP&DALL-E圖像生成、跨模態檢索1203000621619.57204270.040.11Codex代碼生成1203000621619.57204270.040.11ChatGPT語言理解與生成、推理等-英偉達Megatron-Turing NLG語言理解與生成、推理等530030006954019.5720188751.894.72Stability AIStable Diffusion語言

12、理解與圖像生產-%8 人工智能技術將全面賦能各行各業。預計到2025年，人工智能涉及的場景規模將達到2,081億美金，并在無人駕駛、智慧金融、智慧醫療、智慧零售、文娛等領域大顯身手。人工智能技術對于算力的核心拉動點在于未來各應用場景內單設備芯片算力的增長和人工智能技術的行業滲透率的進一步提升，帶動對云計算中心、邊緣設備和終端NPU的巨大需求。整體預計在 2030 年，人工智能相關領域對于算力的需求將達到16,000 EFLOPS，相當于1,600億顆高通驍龍855內置的人工智能芯片所能提供的算力。以商湯為例，2022年已開啟10多個大模型訓練任務，包括NLP、視覺、文生圖、多模態等，8家客戶動

13、用算力資源為7000多塊GPU。22年公司擴建算力裝置，GPU達到2.7萬塊，輸出超5000P算力。大模型參數量快速提升，算力需求大幅增加01資料來源：IDC，泛在算力：智能社會的基石華為，長江證券研究所大模型的基礎是龐大的算力基建僅人工智能相關應用就將帶來海量算力需求30.139.647.756.567.980.395.5111.331.775155.2268427640.7922.81271.402004006008001000120014002019202020212022E2023E2024E2025E2026E中國通用算力規模（EFLOPS）中國智能算力規模（EFLOPS）%902A

14、I芯片+Chiplet：信息革命的基石%10 4月19日上海市經信委印發上海市推進算力資源統一調度指導意見的通知，到2023年底，依托本市人工智能公共算力服務平臺，接入并調度4個以上算力基礎設施，可調度智能算力達到1,000 PFLOPS（FP16）以上；到2025年，市人工智能公共算力服務平臺能級躍升，完善算力交易機制，實現跨地域算力智能調度，通過高效算力調度，推動算力供需均衡，帶動產業發展作用顯著增強。本市數據中心算力超過18,000 PFLOPS（FP32）。4月19日在華為第20屆全球分析師大會上，華為預計到2030年全球通用算力增長10倍到3.3ZFLOPS，人工智能算力增長500倍

15、超過100ZFLOPS。其中若假設通用算力（FP32）均為AI服務器，以A100為例（實際遠期算力成本持續下降），對應加速卡價值量約合11.5萬億元（全球3年計）；若假設AI計算（FP16）約20%為云端AI服務器，對應加速卡價值量約合18.31萬億元（全球3年計）。若考慮加速卡硬件成本每年下降10%，我國僅加速卡2030年市場規?？蛇_超3000億元。算力需求快速落地，遠期空間持續擴大02資料來源：上海市經信委，華為，長江證券研究所上海市經信委：到2025年可調度算力超過18,000 PFLOPS（FP32）華為預測到2030年人工智能算力增長500倍超過100ZFLOPS%11 NLP大模型

16、迭代減慢，垂類應用催生ASIC推理類需求：OpenAl首席執行官Sam Altman表示，構建龐大AI模型的時期即將結束，因為成本限制和回報遞減抑制了該領域不斷擴大的規模。一方面意味著在NLP類大模型賽道上國內互聯網廠商、智源社區等玩家獲得了關鍵的追趕時間，另一方面垂類應用將成為繼NLP后的關鍵發展方向，專門為垂類應用開發的推理ASIC芯片有望迎來新一輪增長；龍頭企業定制需求旺盛，ASIC有望跑步接力通用芯片：微軟擬推出“雅典娜”定制芯片，已將芯片提供給部分微軟與OpenAI員工。結合此前谷歌推出定制化的TPU芯片（TPU v4于2021年推出），未來針對不同模型的定制芯片將提供更好的軟硬件適

17、配性和更高的性價比，算力芯片將加速從通用芯片進入ASIC階段；多模態模型加速發展，多元數據源更需考慮功能性與性價比：繼SAM后，Meta開源DINOv2模型，該模型可以在任何圖像進行訓練+自行找尋圖像特征融合NLP大模型發展，進一步加速以圖像為核心方向的多模態模型發展，圖像、視頻處理需求+算力需求將催生結合訓練、推理及圖像視頻處理功能的定制芯片。功能性與性價比的均衡：ASIC跑步接力通用芯片02資料來源：Google，Meta，與非網，長江證券研究所對比A100，谷歌定制開發的TPU v4在多個模型表現更優DINOv2是繼SAM后的新一個自動化圖像識別標注模型GPUFPGAASIC定制化程度通

18、用型半定制化定制化靈活性好好不好成本高較高低編程語言/架構CUDA、OpenCL等Verilog/VHDL等硬件描述語言，OpenCL、HLS/功耗大較大小主要優點峰值計算能力強、產品成熟平均性能較高、功耗較低、靈活性強平均性能很強，功耗很低、體積小主要缺點效率不高、不可編輯、功耗高量產單價高、峰值計算能力較強、編程語言難度大前期投入成本高、不可編輯、研發時間長、技術風險大主要應用場景云端訓練、云端推斷云端推理、終端推斷云端訓練、云端推斷、終端推斷代表企業芯片英偉達Tesla、高通Adreno等XilinxVersal、英特爾Arria等谷歌TPU、寒武紀Cambricon等針對特定應用定制開

19、發的ASIC規模性價比更高00.20.40.60.811.21.41.61.82BERTResNetDLRMRetinaNetMaskRCNNA100TPUv4IPU BOW%12 2022年10月限制中國購買或制造先進芯片和開發超級計算機能力，以英偉達為例，A100需降規格至A800（INT8算力*帶寬4800）國家隊領頭加速國產化：4月17日國家超算互聯網工作啟動會發起成立國家超算互聯網聯合體，未來科技部將通過超算互聯網建設，打造國家算力底座，促進超算算力的一體化運營。4月18日我國成立GPT產業聯盟，核心單位為移動、電信、聯通、廣電等，國家隊加速推進AI模型規范化發展，硬件國產化有望進一

20、步深化。外部限制+數據安全，大國產算力底座勢在必行02資料來源：央廣網，中國移動通信聯合會，長江證券研究所國家超算互聯網整合超算資源，打造國家算力底座國家隊成立GPT產業聯盟，加速推動AI模型規范化發展%13優質國內供應商稀缺，軟硬件適配+量產能力成關鍵02資料來源：海光信息招股說明書、壁仞科技官網、海思官網、寒武紀官網、沐曦官網、景嘉微公司公告、摩爾線程官網、燧原官網等，長江證券研究所部分國內加速卡企業產品情況廠商芯片可用任務芯片類型工藝算力TFLOPS（FP16）算力TFLOPS（FP32）算力TOPS（int8）功耗（w）顯存帶寬互聯帶寬海光深算一號訓練GPGPU7nm-3501024G

21、B/s-壁仞科技BR100訓練+推理GPU7nm-2401920550128GB/s448GB/sBR104訓練+推理GPU7nm-896300128GB/s192GB/s華為昇騰310推理ASIC12nm8-168-昇騰910訓練ASIC7nm320-640310-百度昆侖一代推理ASIC14nm64-256150512GB/s-昆侖二代訓練+推理ASIC7nm128-256120512GB/s-寒武紀MLU270-F4推理ASIC16nm-128150102GB/s-MLU270-S4推理ASIC16nm-12870102GB/s-MLU290-M5訓練ASIC7nm-5123501228

22、GB/s600GB/sMLU370-X8訓練+推理ASIC7nm9624256250614.4GB/s200GB/sMLU370-X4訓練+推理ASIC7nm9624256150307.2GB/s-MLU370-S4訓練+推理ASIC7nm721819275307.2 GB/s-MLU590-沐曦MXN系列（曦思）推理GPGPU7nm-MXC系列（曦云）推理GPGPU7nm-MXG系列（曦彩）推理GPGPU7nm-景嘉微JM5400推理GPU65nm-69.6GB/s-JM7200推理GPU28nm-10-4017GB/s-JM9系列第一款推理GPU-30128GB/s-JM9系列第二款推理G

23、PU-1525.6GB/s-摩爾線程MTT S80訓練GPU7nm-14.4-255448GB/s-MTT S30/S10訓練+推理GPU12nm-2.6/2-40/30-MTT S50推理GPU12nm-52075-MTT S3000訓練+推理GPU7nm-15.2-250448GB/s-MTT S2000推理GPU12nm-10.642.4150-燧原云燧T20訓練12nm128322563001.6TB/s300GB/s云燧T21訓練12nm128322563001.6TB/s300GB/s云燧T10訓練12nm8020-225512GB/s200GB/s云燧T11訓練12nm86223

24、00560GB/s200GB/s云燧i20推理12nm12832256150819GB/s-云燧i10推理12nm70.417.670.4150512GB/s-%14Chiplet：制程停滯下的最佳方案02Chiplet：通過將多顆芯片合封在Interposer上實現互聯，降低對芯片制程的要求，提升整體良率與性價比，代價是面積與功耗放大。壁仞科技BR100系列通用GPU芯片針對采用7nm制程，并創新性應用Chiplet與2.5D CoWoS封裝技術，兼顧高良率與高性能，核心性能達全球領先水平，相較市售主流產品實現3倍以上的性能提升基于7nm制程工藝，思元370是寒武紀首款采用Chiplet（芯

25、粒）技術的AI芯片，集成了390億個晶體管，最大算力高達256TOPS(INT8)，是寒武紀第二代產品思元270算力的2倍。資料來源：壁仞科技，寒武紀，SiP 與先進封裝技術，長江證券研究所BR100系列通用GPU芯片思元370芯片Chiplet可以有效解決存算帶寬問題和部分解決制程限制HBMGPU/ASIC Die%15 未來，算力投資的主要方向：大算力芯片：寒武紀、海光信息（基本面估值空間估值）先進封裝：長電科技、通富微電、甬矽電子，封裝材料：興森科技、華正新材 邊緣側AIoT：晶晨股份、瑞芯微、全志科技AI芯片重點標的梳理02資料來源：Wind，長江證券研究所（盈利預測為Wind一致預期

26、，數據更新至2023年5月5日）AI芯片重點公司梳理產品公司代碼是否屬于專精特新股價（元）市值（億元）歸母凈利潤（億元）對應估值水平2021A2022A2023E2024E2025E2022A2023E2024E2025EASIC寒武紀-U688256.SH否207.98862.33-8.25-12.57-8.06-5.27-68.63-107.03-163.53-AIoT ASIC/IP芯原股份688521.SH否82.23409.950.130.741.502.343.36555.38272.63175.51121.85CPU龍芯中科688047.SH否136.55547.572.370.

27、522.314.304.121058.06236.94127.26132.90DCU海光信息688041.SH否92.242,143.973.278.0413.0819.1324.97266.82163.93112.0785.87AI景嘉微300474.SZ否84.10382.802.932.894.155.827.60132.4792.1565.7550.34AIoT SoC晶晨股份688099.SH否76.56317.938.127.279.6313.6817.5243.7533.0223.2418.15AIoT SoC瑞芯微603893.SH否70.51294.576.022.974.6

28、56.798.1299.0463.3343.4036.30AIoT SoC樂鑫科技688018.SH否124.01100.111.980.971.622.353.01102.8761.7842.6033.22AIoT SoC中科藍訊688332.SH是67.0080.402.291.412.433.324.5757.0633.0824.1917.58AIoT SoC恒玄科技688608.SH否120.72144.864.081.222.293.544.15118.3363.1940.9634.89AIoT SoC全志科技300458.SZ否24.81156.484.942.113.545.16

29、6.0174.1444.2030.3326.04Chiplet先進封裝長電科技600584.SH否26.69474.9629.5932.3129.3337.6743.6714.7016.2012.6110.88Chiplet先進封裝華天科技002185.SZ否8.82282.6414.167.548.8912.3915.9337.4931.8022.8017.75Chiplet先進封裝通富微電002156.SZ否18.15274.659.575.028.1411.3713.6454.7133.7224.1620.14Chiplet先進封裝甬矽電子688362.SH否35.14143.253.2

30、21.382.764.614.45103.7151.9031.1132.19第三方測試服務偉測科技688372.SH是106.2792.681.322.433.154.705.8938.0929.4419.7115.73封測材料興森科技002436.SZ否14.23240.426.215.266.218.519.7045.7438.7128.2724.79封測材料華正新材603186.SH否25.8236.672.380.361.052.523.76101.6334.8114.539.75封測設備長川科技300604.SZ是44.94273.212.184.617.9110.7113.7559

31、.2534.5325.5019.87封測設備華峰測控688200.SH是249.02226.794.395.266.048.1110.0743.0937.5627.9622.53封測設備聯動科技301369.SZ否67.4146.921.281.26-0.0037.09-EDA廣立微301095.SZ是89.35178.700.641.222.003.155.36146.0389.2056.6933.37EDA華大九天301269.SZ是112.36610.051.391.862.513.374.54328.85243.30181.13134.37EDA概倫電子688206.SH是28.741

32、24.680.290.450.520.771.01277.76241.71162.56123.15%1603服務器：算力的載體%17 目前，人工智能商業價值在全球范圍內獲得廣泛認可，行業用戶對于AI價值的認知、技術供應商在AI落地的方法論與實踐方面日趨成熟。隨著人工智能產業化應用的加速發展，全球AI基礎設施支出持續呈現高增長態勢。據TrendForce，截至 2022 年，預計搭載 GPGPU（General Purpose GPU）的 AI 服務器年出貨量占整體服務器比重近 1%；2023 年預計在 ChatBot 相關應用加持下，預估出貨量同比增長可達 8%；2022-2026 年復合增長

33、率將達10.8%。據IDC，2026年預計全球AI服務器市場規模將達347億美元，20202026E年間復合增速達17.3%服務器：AI驅動的硬件軍備競賽03資料來源：TrendForce，IDC，長江證券研究所全球算力需求驅動AI服務器出貨量增加全球AI服務器20202026E市場規模及預測（十億美元）05010015020025020222023E2024F2025F2026FAI服務器出貨量（千臺）05101520252020202120222023E2024E2025E2026E專有云公有云邊緣端0510152025302020202120222023E2024E2025E2026E加

34、速型AI服務器非加速型AI服務器云計算20202026E市場規模及預測（十億美元）%18 全球AI服務器市場采購主要為全球云計算及互聯網廠商，前四家海外巨頭采購占比66%，其余為國內互聯網廠商，其中字節跳動占比6%。伴隨全球巨頭大力發展自身大模型，未來其采購算力將大幅增長。全球服務器行業格局層面，主要是ODM廠（如工業富聯）及品牌商（如戴爾、HPE、聯想、浪潮等），在AI服務器方面，國內浪潮信息份額較高，其次為戴爾、HPE、聯想、華為、IBM等，當然在AI服務器領域不得不提行業龍頭微軟、AWS、DELL、HPE的ODM/OEM廠商工業富聯，是全球云服務商的服務器主力供應商之一。服務器：AI驅動

35、的硬件軍備競賽03資料來源：TrendForce，IDC，長江證券研究所全球服務器市場需求及出貨占比情況（22Q3)全球AI服務器云服務商采購占比（2022）全球AI服務器市場份額（2021H1）19%17%16%14%6%2%2%2%23%微軟谷歌Meta亞馬遜字節跳動騰訊百度阿里巴巴其他20.20%13.8%9.8%6.1%4.8%3.9%3.9%2.6%1.2%1.0%32.6%浪潮信息戴爾HPE聯想華為IBM新華三思科Oracle富士通其他13.8%11.9%10.4%8.4%7.9%8.1%5.7%4.4%5.5%2.1%21.8%MetaAmazonDellSuperMicroHP

36、E谷歌微軟聯想浪潮%19算力芯片以外的服務器投資方向梳理03服務器的硬件主要包括：處理器、內存、芯片組、I/O（RAID卡、網卡、HBA卡）、硬盤、機箱、電源、風扇。在硬件的成本構成上，CPU及芯片組、內存、外部存儲是大頭。以一臺普通的服務器生產成本為例，CPU及芯片組大致占比50%左右，內存大致占比 15%左右，外部存儲大致占比10%左右，其他硬件占比25%左右。資料來源：美科安防科技，長江證券研究所（注：本頁數據為估算）服務器硬件的基本組成瀾起科技，聚辰股份DDR5及配套芯片海光信息，龍芯中科國芯科技CPU江波龍，佰維存儲德明利Flash硬盤滬電股份東山精密勝宏科技PCB工業富聯服務器杰華

37、特晶豐明源多相控制器裕太微交換機以太網普通服務器T4推理服務器A100訓練服務器H100訓練服務器CPU2,000 2,000 2,000 2,000 GPU1,600 12,000 112,000 328,000 內存2,160 4,320 4,320 4,320 PCBA500 1,000 1,500 1,500 SSD2,500 10,000 10,000 10,000 機箱200 200 200 200 HBA卡（光模塊+光纖卡）-4,000 4,000 8,000 電源400 1,200 2,000 2,000 整機價格10,000 40,000 200,000 400,000 除了

38、GPU外，AI服務器增量較大部件在于內存、SSD、HBA卡、PCB等（單位：美金）%20服務器產業鏈重點標的梳理03從估值角度來看，當前服務器產業鏈估值較低的細分板塊為PCB及服務器代工，而存儲環節則屬于相對估值較高，主要系其仍處在盈利周期底部，后續重點關注服務器代工環節，充分受益于AI算力趨勢，且估值仍在洼地。服務器產業鏈重點公司估值、業績梳理產品公司代碼是否屬于專精特新股價（元）市值（億元）歸母凈利潤（億元）對應估值水平2021A2022A2023E2024E2025E2022A2023E2024E2025EPCB滬電股份002463.SZ否20.25385.7810.6413.6216.

39、6721.0725.7728.3323.1418.3114.97勝宏科技300476.SZ是16.62143.386.707.919.8512.5814.6618.1314.5611.409.78鵬鼎控股002938.SZ否23.74551.0433.1750.1253.0761.6766.8411.0010.388.948.24存儲德明利001309.SZ是68.0354.540.980.67-81.18-江波龍301308.SZ是89.85370.9610.130.732.925.377.55509.58126.8669.0349.16普冉股份688766.SH否150.5776.372.

40、910.831.282.002.7991.8559.6638.1927.41東芯股份688110.SH是30.58135.242.621.852.603.916.1872.9352.0234.5921.88兆易創新603986.SH否104.80699.0423.3720.5319.8626.3327.9334.0635.2026.5525.03DDR5及配套芯片瀾起科技688008.SH否58.94669.608.2912.9915.6924.35-51.5342.6827.50-聚辰股份688123.SH否67.3081.371.083.545.347.128.4823.0015.2411

41、.439.60交換機以太網裕太微-U688515.SH否152.90122.320.000.000.280.861.37-29945.71443.37142.1389.28服務器代工浪潮信息000977.SZ否38.86568.8020.0320.8026.8333.7738.9327.3421.2016.8414.61工業富聯601138.SH否14.772,933.75200.10200.73237.26266.84300.1714.6212.3610.999.77資料來源：Wind，長江證券研究所（盈利預測為Wind一致預期，數據更新至2023年5月5日）%2104邊緣AI：內容與交互再

42、升級%22邊緣AI：垂類模型有望在邊緣側部署04 AI大模型在通用性方面表現較好，但是其固有問題在于數據量大、成本高昂，并非小廠商所能承受，此外在部分特定細分領域的效果不能做到最好，因此在部分垂類應用，有望引入小模型，小模型可基于已有的大模型基礎上進行開發，并且未來有望在邊緣云部署，甚至是小型化的移動終端上運行。目前已有垂類應用包括AI畫圖軟件mid海外生成式營銷軟件ZMO.AI（可針對營銷產品的真實場景生成海報，風格逼真）、毫末DriverGPT雪湖海若（專注于自動駕駛認知大模型，模型參數達到了 1200 億）、Bloomberg GPT（使用通用的大規模文本數據，加入大量金融領域的數據），

43、未來有望應用在更多的C端與B端應用。ZMO.AI 針對營銷產品的真實場景生成毫末自動駕駛生成式大模型DriverGPTBloomberg GPT加入大量金融領域的數據資料來源：澎湃官網，長江證券研究所%23邊緣AI：智能終端與AI的融合，終端AI化趨勢來臨04 AI大模型與天貓精靈的融合樣品已經有測評體驗，相比以往音箱的機械式問答，天貓精靈AI音箱（“鳥鳥分鳥”模型）可以更好的理解人類感情、知識面廣、極具個性化，未來有望繼續迭代、融入更多生態應用，打造成為家庭智能助手的定位，極大改善生活體驗。4月11日，Innovative Eyewear發布首款接入ChatGPT的智能眼鏡可以通過麥克風以及

44、Airpods等實現語音交互，標志著ChatGPT已經逐步與可穿戴產品實現融合，進一步提升用戶的交互體驗。ChatGPT等AI大模型的訓練成果和技術未來將逐步應用在傳統智能終端（如音箱、手機等）以及新興硬件（智能眼鏡、VR/AR等），實現軟硬件技術的共振發展，進一步促進行業滲透率加快。硬件投資上，可以關注芯片、核心零部件及整機廠商。天貓精靈接入阿里個性化大模型Innovative Eyewear 宣布推出首款支持ChatGPT 的智能眼鏡INMO AIR2首款搭載GPT無線AR眼鏡即將開售資料來源：智東西，Innovative Eyewear公司官網，INMO微信視頻號，長江證券研究所%24邊

45、緣AI：重點關注蘋果MR，今年最大創新單品04 此前市場預期蘋果MR或將在今年6月WWDC23開發者大會發布，我們認為實際發布時間仍有不確定性，此前產業鏈預期在3-4月開始備貨，目前來看，有部分廠商已有延后1-2月開始備貨，因此到最終組裝端或在6月以后，后續量產時間點或在6-9月份，作為消費電子重要創新終端，后續將持續保持產業鏈跟蹤。蘋果MR出貨預期今年較低，在幾十萬臺，后續觀察發布后產品體驗效果情況，以及第二代產品的價格預期，來決定蘋果后續出貨規模，此外可關注安卓手機廠商的進展和產品發布情況。蘋果2023年WWDC有望發布蘋果MR全球VR季度出貨量（萬臺）資料來源：蘋果公司官網，維深XR，長

46、江證券研究所10593813192221772393922762301593411820501001502002503003504004502020Q12020Q22020Q32020Q42021Q12021Q22021Q32021Q42022Q12022Q22022Q32022Q42023Q1全球VR季度出貨量：萬臺%25邊緣AI：重點關注品牌商、芯片及代工04 我們認為隨著云端算力潮汐的影響加劇，OpenAI等大模型未來有望逐步向AIoT等邊緣AI領域進行布局，“云-端-邊”將是協同發展趨勢。在產業投資上，未來在終端設備AI化后，品牌商掌握AIGC入口，未來有望掌握變現權，品牌商有望迎來價

47、值重估；其次為芯片端將同步升級，未來有望量價齊升；終端代工廠則需要選擇綁定主流的具備大模型開發能力的頭部大客戶的供應商，當然終端代工環節壁壘相對品牌商（品牌壁壘）、芯片商（技術壁壘）較低。邊緣AI重點標的估值、業績梳理資料來源：Wind，長江證券研究所（盈利預測為Wind一致預期，數據更新至2023年5月5日）產品公司代碼是否屬于專精特新股價（元）市值（億元）歸母凈利潤（億元）對應估值水平2021A2022A2023E2024E2025E2022A2023E2024E2025EVR/AR清越科技688496.SH是11.5051.750.590.56-92.90-智立方301312.SZ是11

48、3.2747.251.151.171.612.262.9240.5129.4020.9116.19長盈精密300115.SZ是11.43137.28-6.050.435.539.5612.40322.6124.8214.3611.07兆威機電003021.SZ否71.82123.031.481.502.323.276.5581.7552.9337.5918.78三利譜002876.SZ是38.2366.483.382.063.384.966.6932.2019.6813.419.94音箱芯片全志科技300458.SZ否24.81156.484.942.113.545.166.0174.1444

49、.2030.3326.04炬芯科技688049.SH否31.5038.430.840.540.741.170.0071.5051.9332.85-中科藍訊688332.SH是67.0080.402.291.412.433.324.5757.0633.0824.1917.58天德鈺688252.SH否20.5383.973.291.302.173.274.2964.7038.6825.7019.58音箱代工奮達科技002681.SZ否4.9189.590.510.853.585.37-105.3225.0216.67-佳禾智能300793.SZ否18.3662.130.531.742.783.6

50、1-35.7922.3917.23-國光電器002045.SZ是15.3872.040.401.792.322.87-40.3531.0525.10-歌爾股份002241.SZ否17.61602.3342.7517.4929.3638.5143.1034.4420.5215.6413.98品牌商漫步者002351.SZ否22.69201.743.162.473.083.964.4181.8265.5050.9445.75傳音控股688036.SH否107.44863.7639.0924.8437.3546.1754.0934.7823.1318.7115.97創維數字000810.SZ否15.

51、29175.874.228.2310.3312.4714.8221.3717.0314.1011.86%26風險提示 全球政治經濟持續動蕩，經濟運行不確定性仍存，下游需求存在復蘇不及預期進而影響AI應用落地及推進進度的風險；AI作為新興行業，強勁的產業趨勢和資金關注度使得新玩家參與的動力和資源都較為充分，存在行業競爭加劇進而影響格局和盈利能力的風險風險提示%27分析師聲明、評級說明及重要聲明行業評級報告發布日后的12個月內行業股票指數的漲跌幅度相對同期相關證券市場代表性指數的漲跌幅為基準，投資建議的評級標準為：看好：相對表現優于同期相關證券市場代表性指數中性：相對表現與同期相關證券市場代表性指

52、數持平看淡：相對表現弱于同期相關證券市場代表性指數公司評級報告發布日后的12個月內公司的漲跌幅相對同期相關證券市場代表性指數的漲跌幅為基準，投資建議的評級標準為：買入：相對同期相關證券市場代表性指數漲幅大于10%增持：相對同期相關證券市場代表性指數漲幅在5%10%之間中性：相對同期相關證券市場代表性指數漲幅在-5%5%之間減持：相對同期相關證券市場代表性指數漲幅小于-5%無投資評級：由于我們無法獲取必要的資料，或者公司面臨無法預見結果的重大不確定性事件，或者其他原因，致使我們無法給出明確的投資評級。相關證券市場代表性指數說明：A股市場以滬深300指數為基準；新三板市場以三板成指（針對協議轉讓標

53、的）或三板做市指數（針對做市轉讓標的）為基準；香港市場以恒生指數為基準。重要聲明長江證券股份有限公司具有證券投資咨詢業務資格，經營證券業務許可證編號：10060000。本報告僅限中國大陸地區發行，僅供長江證券股份有限公司（以下簡稱：本公司）的客戶使用。本公司不會因接收人收到本報告而視其為客戶。本報告的信息均來源于公開資料，本公司對這些信息的準確性和完整性不作任何保證，也不保證所包含信息和建議不發生任何變更。本公司已力求報告內容的客觀、公正，但文中的觀點、結論和建議僅供參考，不包含作者對證券價格漲跌或市場走勢的確定性判斷。報告中的信息或意見并不構成所述證券的買賣出價或征價，投資者據此做出的任何投

54、資決策與本公司和作者無關。本報告所載的資料、意見及推測僅反映本公司于發布本報告當日的判斷，本報告所指的證券或投資標的的價格、價值及投資收入可升可跌，過往表現不應作為日后的表現依據；在不同時期，本公司可以發出其他與本報告所載信息不一致及有不同結論的報告；本報告所反映研究人員的不同觀點、見解及分析方法，并不代表本公司或其他附屬機構的立場；本公司不保證本報告所含信息保持在最新狀態。同時，本公司對本報告所含信息可在不發出通知的情形下做出修改，投資者應當自行關注相應的更新或修改。本公司及作者在自身所知情范圍內，與本報告中所評價或推薦的證券不存在法律法規要求披露或采取限制、靜默措施的利益沖突。本報告版權僅

55、為本公司所有，未經書面許可，任何機構和個人不得以任何形式翻版、復制和發布。如引用須注明出處為長江證券研究所，且不得對本報告進行有悖原意的引用、刪節和修改?？d或者轉發本證券研究報告或者摘要的，應當注明本報告的發布人和發布日期，提示使用證券研究報告的風險。未經授權刊載或者轉發本報告的，本公司將保留向其追究法律責任的權利。作者具有中國證券業協會授予的證券投資咨詢執業資格并注冊為證券分析師，以勤勉的職業態度，獨立、客觀地出具本報告。分析邏輯基于作者的職業理解，本報告清晰準確地反映了作者的研究觀點。作者所得報酬的任何部分不曾與，不與，也不將與本報告中的具體推薦意見或觀點而有直接或間接聯系，特此聲明。分析師聲明評級說明%29THANKS感謝傾聽%30