《電子行業專題研究：Deepseek R1是AGI的里程碑中長期利好算力硬件-250204（17頁）.pdf》由會員分享，可在線閱讀，更多相關《電子行業專題研究：Deepseek R1是AGI的里程碑中長期利好算力硬件-250204（17頁）.pdf（17頁珍藏版）》請在三個皮匠報告上搜索。

1、 Deepseek R1 是 AGI 的里程碑，中長期利好算力硬件 Table_ReportDate2025 年 2 月 4 日 請閱讀最后一頁免責聲明及信息披露 2 證券研究報告 行業研究 行業專題研究（普通）電子電子 投資評級投資評級 看好看好 上次評級上次評級 看好看好 Table_Author 莫文宇 電子行業首席分析師 執業編號：S1500522090001 郵 箱： 信達證券股份有限公司 CINDA SECURITIES CO.,LTD 北 京 市 西 城 區 宣 武 門 西 大 街 甲127號 金 隅 大 廈B座 郵編：100031 Deepseek R1Deepseek R1

2、是是 AGIAGI 的里程碑，的里程碑，中長期利好中長期利好算力硬件算力硬件 Table_ReportDate 2025 年 2 月 4 日 本期內容提要本期內容提要:Table_Summary DeepSeek 樹立里程碑，挖掘算法創新的價值潛力。樹立里程碑，挖掘算法創新的價值潛力。Deepseek V3 仍是基于 Transformer 架構的模型，是一個強大的專家混合（MoE）語言模型，總共有 671B 個參數，每個令牌激活了 37B參數。DeepSeek-V3 主要貢獻包括：架構層面創新的負載均衡策略和訓練目標，預訓練層面大幅提高訓練效率，后訓練層面 DeepSeek-R1 的知識提煉

3、等。DeepSeek 團隊僅以 2.664M H800 GPU 小時的經濟成本，在 14.8T tokens 上完成了 DeepSeek V3 的預訓練。Deepseek R1 是基于是基于Deepseek V3 的架構上的集大成之作，性能對標的架構上的集大成之作，性能對標 OpenAI-o1。DeepSeek-R1-Zero 是一種通過大規模強化學習（RL）訓練的模型，沒有監督微調（SFT）作為初步步驟，展示了卓越的推理能力。通過強化學習，DeepSeek-R1-Zero 自然而然地出現了許多強大而有趣的推理行為。其中，DeepSeek-R1-Zero 展示了自我驗證、反射和生成長CoT 等

4、功能，這標志著研究界的重要里程碑。值得注意的是，這是第一個驗證的開放研究，可以純粹通過 RL 來激勵的 LLMs 推理能力，而無需 SFT。這一突破有望為該領域的未來發展鋪平道路。此外，DeepSeek團隊開源了 DeepSeek-R1-Zero、DeepSeek-R1 以及基于 Qwen 和 Llama 從 DeepSeek-R1 中提煉出來的六個密集模型（1.5B、7B、8B、14B、32B、70B），在部分測試上性能超越 OpenAI o1-mini。OpenAI 掀起反攻號角，掀起反攻號角，o3-mini 和和 Deep Research 相繼發布。相繼發布。為了應對 DeepSeek

5、 的挑戰，OpenAI 發布了 O3-mini，理解物理世界能力、編程能力大幅提升。o3-mini 在物理模擬高難度挑戰中展現出驚人的實力，在模擬小球的轉動時，o3-mini 具備更強的物理推理能力，而DeepSeek R1 則出現了反重力現象。此外，o3-mini 能生成四維空間內小球的彈射程序，展現出很高的潛力。此外，此外，OpanAI 還發布了還發布了 Deep Research，這是，這是 OpenAI 新發布代理新發布代理僅需一個提示，ChatGPT 將查找、分析和綜合數百個在線資源，以創建研究分析師級別的綜合報告。它由即將推出的 OpenAI o3 模型版本提供支持，該版本針對 W

6、eb 瀏覽和數據分析進行了優化，它利用推理來搜索、解釋和分析互聯網上的大量文本、圖像和 PDF，并根據遇到的信息根據需要進行調整。AI 未來尚有星辰大海有待探索，未來尚有星辰大海有待探索，AGI 商業化奇點臨近。商業化奇點臨近。谷歌 DeepMind團隊曾將 AI 劃分為 6 大發展階段，從狹義的層面看，在專業領域已經有 AI 模型能達到超人級別。如 AlphaFold、AlphaZero、StockFish 等AI 模型可以在特定的領域完全超越人類，但是從通用人工智能的層面看，AI 的發展還處于較低水平，如 ChatGPT 僅可以劃分為 Level 1-Emerging 級別。FIGURE

7、是人形機器人領域的領導者之一，在其視角是人形機器人領域的領導者之一，在其視角中，我們也能窺探中，我們也能窺探 AI 的歷史機遇。在如今全球的歷史機遇。在如今全球 GDP 中，中，50%的勞動的勞動力均為人類勞動，大約力均為人類勞動，大約 42T 美金空間，僅此一項，美金空間，僅此一項，AI 就有廣闊的前景。就有廣闊的前景。投資建議：算法創新和算力投入相輔相成，建投資建議：算法創新和算力投入相輔相成，建議關注議關注 AI 產業鏈標的。產業鏈標的。AI 領域的發展速度超過傳統制造業，2023 年來，Scaling Laws 開始發力，全球領域內開啟了算力資源的“軍備競賽”。而在地緣政治等因素的激勵

8、下，算法層面的追趕終于由算力相對匱乏的的中國團隊唱響號角。我們認為，在通向 AGI 的道路上，算法創新和算力資源都是不可或缺的。早在 2024 年，我們就明確了推理市場要想實現繁榮必須降低推理成本的結論。如今，豆包、DeepSeek 研究團隊的相關工作成功 請閱讀最后一頁免責聲明及信息披露 3 地大幅度降低了推理成本，推進了 AI 的產業化。DeepSeek 的成功，是開源模型相對閉源模型的一次飛躍。誠然，在十分有限的時間區間內，北美的科技大廠或把有限的精力放在算法層面，以充分挖掘自身算力資源的潛力。但是，這并不意味著對算力的投入將會停止。相反，AI 的產業化有望在中長期加速算力的投入，避免了

9、以往的 AI 熱潮最終因無法落地而走向失敗的困局。從推理市場看：從推理市場看：推理有望快速放量，文生文、文生視頻、圖生視頻的各類功能或快速迭代，并使得 AI 真正的理解物理世界，自動駕駛、人形機器人、AI 在各行各業掀起產業革命的奇點臨近。從訓練市場看：從訓練市場看：一方面，訓練模型的前沿探索仍需大量算力投入，且推理市場的放量，有望衍生新的模型探索方向。另一方面，如世界模型等方向的研究進展有望加速。但是，我們也看到大模型廠商的淘汰也將加速，無法超越開源模型的閉源大模型廠商或快速出清。扎克伯格曾在 Meta 法說會上表示，“隨著時間的推移，就像每個企業都有一個網站、一個社交形象和一個電子郵件地址

10、一樣，在未來，每個企業也將擁有一個客戶可以與之交互的 AI 代理。我們的目標是讓每個小企業，最終每個企業，都可以輕松地將其所有內容和目錄提取到一個 AI 代理中，從而推動銷售并節省資金?！边@一時點正在逐步臨近，從歷史看，當計算機從實驗室走向千家萬戶，并沒有導致相關的企業沒落，而是孕育了許多偉大的企業。目前看，AI 也有望經歷這一過程，建議關注產業鏈相關標的。相關個股：相關個股：【AI 云側】工業富聯/滬電股份/生益科技/深南電路/勝宏科技/寒武紀/海光信息；【AI 端側】藍思科技/領益智造/鵬鼎控股/東山精密/樂鑫科技/瑞芯微/恒玄科技/全志科技/兆易創新/晶晨股份等。風險因素：風險因素：宏觀

11、經濟下行風險；下游需求不及預期風險；中美貿易摩擦加劇風險。請閱讀最后一頁免責聲明及信息披露 4 目 錄 DeepSeek 算法創新眾多，性能表現較好.5 OpenAI 掀起反攻號角，o3-mini 和 Deep Research 相繼發布.9 AI 未來尚有星辰大海有待探索，AGI 商業化奇點臨近.13 風險因素.15 表 目 錄 表 1：建議關注個股.15 圖 目 錄 圖 1：Deepseek V3 基本架構.6 圖 2：DeepSeek-R1-Zero 的“啊哈時刻”.7 圖 3：deepseek 性能對標 OpenAI o1.8 圖 4：deepseek 蒸餾小模型在部分測試上性能超越

12、OpenAI o1-mini.8 圖 5：o3-mini 具備更強的反重力推理能力.9 圖 6：o3-mini 生成了小球在四維空間彈射的代碼.9 圖 7：o3-mini 理解物理世界的 demo.9 圖 8：o3-mini 僅用 8 秒時間就可克隆一個應用.10 圖 9：o3-mini 生成的貪吃蛇游戲.10 圖 10：o3-mini 生成的射擊游戲.10 圖 11：o3-mini 生成的漂浮城市.10 圖 12：o3-mini 定價對比.11 圖 13：deep research 在人類終極考試中的成績.12 圖 14：deep research 專家級別任務通過率.12 圖 15：谷歌提

13、出的 AGI 等級.13 圖 16：FIGURE 看到的長期機會.14 請閱讀最后一頁免責聲明及信息披露 5 DeepSeek 樹立里程碑，挖掘算法創新的價值潛力 Deepseek V3 仍是基于仍是基于 Transformer 架構的模型，是一個強大的專家混合架構的模型，是一個強大的專家混合（MoE）語言語言模型，總共有模型，總共有 671B 個參數，每個令牌激活了個參數，每個令牌激活了 37B 參數。參數。實現高效的推理和具有成本效益的訓練，DeepSeek-V3 采用了多頭潛在注意力（MLA）和 DeepSeekMoE 架構，此外，DeepSeek-V3 開創了一種用于負載均衡的輔助無損

14、策略，并設定了多標記預測訓練目標以獲得更強的性能。盡管性能出色，但 DeepSeek-V3 只需要 2.788M H800 GPU 小時即可進行完整訓練?？偨Y看，DeepSeek-V3 主要貢獻包括：架構層面：創新的負載均衡策略和訓練目標。架構層面：創新的負載均衡策略和訓練目標。除了 DeepSeek-V2 的高效架構之外，DeepSeek V3 還開創了一種用于負載均衡的輔助無損策略，該策略可以最大限度地減少因鼓勵負載而引起的性能下降。團隊研究了多標記預測（MTP）目標，并證明對模型性能有益，還可用于推理加速的推測解碼。預訓練：邁向終極訓練效率。預訓練：邁向終極訓練效率。Deepseek 設

15、計了FP8 混合訓練精度訓練框架，并且首次在超大規模模型上驗證了FP8訓練的可行性和有效性。通過算法、框架和硬件的協同設計，DeepSeek 克服了跨節點 MoE 訓練中的通信瓶頸，實現了近乎全計算通信折疊，顯著提高了 DeepSeek 的訓練效率并且降低訓練成本，使我們能夠在不增加開銷的情況下進一步擴大模型大小。DeepSeek 僅以 2.664M H800 GPU 小時的經濟成本，在 14.8T tokens 上完成了DeepSeek V3 的預訓練，生成了當時最強的對外發布的開源基礎模型。后訓練：后訓練：DeepSeek-R1 的知識提煉。的知識提煉。DeepSeek 引入了一種創新的方

16、法，將 CoT 的推理能力提煉出來，從 DeepSeek-R1 模型中提取推理能力并應用于 DeepSeek-V3，提升其推理性能。請閱讀最后一頁免責聲明及信息披露 6 圖圖 1：Deepseek V3 基本架構基本架構 資料來源：DeepSeek-AIDeepSeek-V3 Technical Report，信達證券研發中心 Deepseek R1 是基于是基于 Deepseek V3 的架構上的集大成之作。的架構上的集大成之作。DeepSeek-R1-Zero 是一種通過大規模強化學習（RL）訓練的模型，沒有監督微調（SFT）作為初步步驟，展示了卓越的推理能力。通過強化學習，DeepSee

17、k-R1-Zero 自然而然地出現了許多強大而有趣的推理行為。但是，它遇到了可讀性差和語言混合等挑戰。為了解決這些問題并進一步提高推理性能，DeepSeek 團隊引入了 DeepSeek-R1，它在 RL 之前結合了多階段訓練和冷啟動數據。DeepSeekR1 在推理任務上實現了與 OpenAI-o1-1217 相當的性能。為了支持研究社區，DeepSeek 團隊開源了 DeepSeek-R1-Zero、DeepSeek-R1 以及基于 Qwen 和 Llama 從 DeepSeek-R1 中提煉出來的六個密集模型（1.5B、7B、8B、14B、32B、70B）。后訓練：在基礎模型上進行大規模

18、強化學習。后訓練：在基礎模型上進行大規模強化學習。DeepSeek 直接將 RL 用于基礎模型，而無需以來監督微調作為初步步驟。這種方法允許模型探索解決復雜問題的思維鏈 CoT，從而開發 DeepSeek-R1-Zero。DeepSeek-R1-Zero 展示了自我驗證、反射和生成長展示了自我驗證、反射和生成長 CoT 等功能，這標志著研究界的重要里程碑。等功能，這標志著研究界的重要里程碑。請閱讀最后一頁免責聲明及信息披露 7 值得注意的是，這是第一個驗證的開放研究，可以純粹通過 RL 來激勵的 LLMs 推理能力，而無需 SFT。這一突破有望為該領域的未來發展鋪平道路。DeepSeek 介紹

19、了開發 DeepSeek-R1 的管道。該管道包含兩個 RL 階段，旨在發現改進的推理模式并與人類偏好保持一致，以及兩個 SFT 階段，作為模型推理和非推理能力的種子。蒸餾：較小的模型也可以很強大。蒸餾：較小的模型也可以很強大。DeepSeek 證明，較大模型的推理模式可以提煉成較小的模型，與通過 RL 在小型模型上發現的推理模式相比，性能更好。開源 DeepSeek-R1 及其 API 有望使研究社區在未來能夠提煉出更好的更小模型。使用 DeepSeek-R1 生成的推理數據，DeepSeek 微調了研究界廣泛使用的幾個密集模型。評估結果表明，蒸餾的較小密集模型在基準上表現非常出色。Deep

20、SeekR1-Distill-Qwen-7B 在 AIME 2024 上取得了 55.5%的成績，超過了 QwQ-32B-Preview。此外，DeepSeek-R1-Distill-Qwen-32B 在 AIME 2024 上的得分為 72.6%，在 MATH-500 上為 94.3%，在 LiveCodeBench 上為 57.2%。這些結果明顯優于以前的開源模型，可與 o1-mini 相媲美。DeepSeek開源了基于 Qwen2.5 和 Llama3 系列的 1.5B、7B、8B、14B、32B 和 70B 檢查點給社區。圖圖 2：DeepSeek-R1-Zero 的“啊哈時刻”的“啊

21、哈時刻”資料來源：EpochAI，信達證券研發中心 請閱讀最后一頁免責聲明及信息披露 8 圖圖 3：deepseek 性能對標性能對標 OpenAI o1 資料來源：EpochAI，信達證券研發中心 圖圖 4：deepseek 蒸餾小模型在部分測試上性能超越蒸餾小模型在部分測試上性能超越 OpenAI o1-mini 資料來源：EpochAI，信達證券研發中心 請閱讀最后一頁免責聲明及信息披露 9 OpenAI 掀起反攻號角，o3-mini 和 Deep Research 相繼發布 O3-mini 發布，理解物理世界能力、編程能力大幅提升。發布，理解物理世界能力、編程能力大幅提升。o3-min

22、i 在物理模擬高難度挑戰中展現出驚人的實力，在模擬小球的轉動時，o3-mini 具備更強的物理推理能力，而 DeepSeek R1 則出現了反重力現象。此外，o3-mini 能生成四維空間內小球的彈射程序，展現出很高的潛力。圖圖 5：o3-mini 具備更強的反重力推理能力具備更強的反重力推理能力 資料來源：機器之心，信達證券研發中心 圖圖 6：o3-mini 生成了小球在四維空間彈射的代碼生成了小球在四維空間彈射的代碼 圖圖 7：o3-mini 理解物理世界的理解物理世界的 demo 資料來源：EpochAI，信達證券研發中心 資料來源：EpochAI，信達證券研發中心 請閱讀最后一頁免責聲

23、明及信息披露 10 編程能力方面，用戶僅需一個提示，編程能力方面，用戶僅需一個提示，o3-mini 就能達到克隆應用、生成游戲的效果。就能達到克隆應用、生成游戲的效果。從用戶的評測看，用戶要求 o3-mini 用單個 Python 文件寫一個 Twitter 克隆應用，o3-mini 實現整個過程只用了 8 秒時間。此外，o3-mini 還可以用單個提示生成貪吃蛇、射擊等游戲，編程能力讓人驚嘆。圖圖 8：o3-mini 僅用僅用 8 秒時間就可克隆一個應用秒時間就可克隆一個應用 圖圖 9：o3-mini 生成的貪吃蛇游戲生成的貪吃蛇游戲 資料來源：機器之心，信達證券研發中心 資料來源：機器之心

24、，信達證券研發中心 圖圖 10：o3-mini 生成的射擊游戲生成的射擊游戲 圖圖 11：o3-mini 生成的漂浮城市生成的漂浮城市 資料來源：EpochAI，信達證券研發中心 資料來源：EpochAI，信達證券研發中心（Prompt：build me a massive amazing epic a floating city）定價方面，定價方面，o3-mini 每百萬 tokens 的輸入價格為 0.55 美元（緩存命中）/1.1 美元（緩存未命中），輸出價格為 4.4 美元，相對 DeepSeek R1 仍然較貴。請閱讀最后一頁免責聲明及信息披露 11 圖圖 12：o3-mini 定價

25、對比定價對比 資料來源：智東西，信達證券研發中心 Deep Research 是是 OpenAI 新發布代理新發布代理僅需一個提示，ChatGPT 將查找、分析和綜合數百個在線資源，以創建研究分析師級別的綜合報告。它由即將推出的 OpenAI o3 模型版本提供支持，該版本針對 Web 瀏覽和數據分析進行了優化，它利用推理來搜索、解釋和分析互聯網上的大量文本、圖像和 PDF，并根據遇到的信息根據需要進行調整。請閱讀最后一頁免責聲明及信息披露 12 圖圖 13：deep research 在人類終極考試中的成績在人類終極考試中的成績 資料來源：OpenAI官網，信達證券研發中心 圖圖 14：de

26、ep research 專家級別任務通過率專家級別任務通過率 資料來源：OpenAI官網，信達證券研發中心 請閱讀最后一頁免責聲明及信息披露 13 AI 未來尚有星辰大海有待探索，AGI 商業化奇點臨近 谷歌 DeepMind 團隊曾將 AI 劃分為 6 大發展階段，每個階段都有對應的深度（性能）和廣度（通用性）指標。第一階段為“涌現級”（Emerging），技能相當于初出茅廬的人類。第二階段可理解為“合格級”（Competent），可以達到熟練成年人 50%的水平。第三階段為“專家級”（Expert），可達到正常成年人 90%的水平。第四階段為“大師級”（Virtuoso），可達到正常人類

27、99%的水平。第五階段為“超人級”（Superhuman），在超越人類。從狹義的層面看，在專業領域已經有 AI 模型能達到超人級別。如 AlphaFold、AlphaZero、StockFish 等 AI 模型可以在特定的領域完全超越人類，但是從通用人工智能的層面看，AI的發展還處于較低水平，如 ChatGPT 僅可以劃分為 Level 1-Emerging 級別。圖圖 15：谷歌提出的谷歌提出的 AGI 等級等級 資料來源：量子位，信達證券研發中心 請閱讀最后一頁免責聲明及信息披露 14 FIGURE 是人形機器人領域的領導者之一，在其視角中，我們也能窺探 AI 的歷史機遇。在在如今全球如今

28、全球 GDP 中，中，50%的勞動力均為人類勞動，大約的勞動力均為人類勞動，大約 42T 美金空間，僅此一項，美金空間，僅此一項，AI 就有就有廣闊的前景。廣闊的前景。圖圖 16：FIGURE 看到的長期機會看到的長期機會 資料來源：FIGURE官網，信達證券研發中心 投資建議：投資建議：AI 領域的發展速度超過傳統制造業，2023 年來，Scaling Laws 開始發力，全球領域內開啟了算力資源的“軍備競賽”。而在地緣政治等因素的激勵下，算法層面的追趕終于由算力相對匱乏的的中國團隊唱響號角。我們認為，在通向 AGI 的道路上，算法創新和算力資源都是不可或缺的。早在 2024 年，我們就明確

29、了推理市場要想實現繁榮必須降低推理成本的結論。如今，豆包、DeepSeek 研究團隊的相關工作成功地大幅度降低了推理成本，推進了 AI 的產業化。DeepSeek 的成功，是開源模型相對閉源模型的一次飛躍。誠然，在十分有限的時間區間內，北美的科技大廠或把有限的精力放在算法層面，以充分挖掘自身算力資源的潛力。但是，這并不意味著對算力的投入將會停止。相反，AI 的產業化有望在中長期加速算力的投入，避免了以往的 AI 熱潮最終因無法落地而走向失敗的困局。從推理市場看：從推理市場看：推理有望快速放量，文生文、文生視頻、圖生視頻的各類功能或快速迭代，并使得 AI 真正的理解物理世界，自動駕駛、人形機器人

30、、AI 在各行各業掀起產業革命的奇點臨近。從訓練市場看：從訓練市場看：一方面，訓練模型的前沿探索仍需大量算力投入，且推理市場的放量，有望衍生新的模型探索方向。另一方面，如世界模型等方向的研究進展有望加速。但是，我們也看到大模型廠商的淘汰也將加速，無法超越開源模型的閉源大模型廠商或快速出清。扎克伯格曾在 Meta 法說會上表示，“隨著時間的推移，就像每個企業都有一個網站、一個社交形象和一個電子郵件地址一樣，在未來，每個企業也將擁有一個客戶可以與之交互的 AI 代理。我們的目標是讓每個小企業，最終每個企業，都可以輕松地將其所有內容和目錄提取到一個 AI 代理中，從而推動銷售并節省資金?！边@一時點正

31、在逐步臨近，從歷史看，當計從歷史看，當計算機從實驗室走向千家萬戶，并沒有導致相關的企業沒落，而是孕育了許多偉大的企業。目算機從實驗室走向千家萬戶，并沒有導致相關的企業沒落，而是孕育了許多偉大的企業。目前看，前看，AI 有望有望在經歷這一過程，建議關注產業鏈相關標的。在經歷這一過程，建議關注產業鏈相關標的。請閱讀最后一頁免責聲明及信息披露 15 表表 1：建議關注個股：建議關注個股 凈利潤（億元）凈利潤（億元）PEPE 板塊板塊 股票代碼股票代碼 股票簡稱股票簡稱 總市值（億元）總市值（億元）2024E2024E 2025E2025E 2026E2026E 2024E2024E 2025E202

32、5E 2026E2026E AI 云側 601138.SH 工業富聯 4,261.69 246.17 308.54 356.03 17.31 13.81 11.97 002463.SZ 滬電股份 797.95 25.45 33.66 40.43 31.35 23.70 19.74 600183.SH 生益科技 724.44 18.40 23.83 28.92 39.37 30.40 25.05 002916.SZ 深南電路 669.31 20.77 25.36 30.41 32.23 26.39 22.01 300476.SZ 勝宏科技 459.21 11.76 18.45 22.98 39.

33、04 24.89 19.98 688256.SH 寒武紀 2,387.85-4.59 0.27 4.78-520.70 8,893.31 499.57 688041.SH 海光信息 2,975.15 19.13 27.91 37.94 155.53 106.61 78.41 AI 端側 300433.SZ 藍思科技 1,296.05 39.62 55.17 68.42 32.71 23.49 18.94 002600.SZ 領益智造 596.40 20.36 29.86 38.70 29.29 19.98 15.41 002938.SZ 鵬鼎控股 938.79 36.14 45.23 51.3

34、7 25.98 20.76 18.27 002384.SZ 東山精密 571.48 18.58 28.74 36.50 30.75 19.88 15.66 688018.SH 樂鑫科技 303.21 3.46 4.58 5.98 87.51 66.23 50.74 603893.SH 瑞芯微 689.09 5.02 7.38 10.19 137.22 93.33 67.63 688608.SH 恒玄科技 476.59 3.87 5.81 7.96 123.05 81.98 59.90 300458.SZ 全志科技 298.58 2.39 3.60 4.91 124.84 82.90 60.81

35、 603986.SH 兆易創新 846.01 11.19 16.56 21.22 75.63 51.10 39.86 688099.SH 晶晨股份 351.40 8.14 10.97 14.04 43.16 32.02 25.02 資料來源：ifind，信達證券研發中心（ifind一致預期，截至2025年1月27日）風險因素 宏觀經濟下行風險；宏觀經濟下行風險；下游需求不及預期風險；下游需求不及預期風險；中美貿易摩擦加劇風險。中美貿易摩擦加劇風險。請閱讀最后一頁免責聲明及信息披露 16 Table_Introduction 研究團隊簡介研究團隊簡介 莫文宇，莫文宇，電子行業分析師，S15005

36、22090001。畢業于美國佛羅里達大學，電子工程碩士，2012-2022 年就職于長江證券研究所，2022 年入職信達證券研發中心，任副所長、電子行業首席分析師。郭一江，郭一江，電子行業研究員。本科蘭州大學，研究生就讀于北京大學化學專業。2020 年 8 月入職華創證券電子組，后于 2022 年 11 月加入信達證券電子組，研究方向為光學、消費電子、汽車電子等。楊宇軒：楊宇軒：電子組分析師，華北電力大學本科，清華大學碩士，曾就職于東方證券、首創證券、賽迪智庫，2025 年 1 月加入信達證券電子組，研究方向為半導體等。王義夫，王義夫，電子行業研究員。西南財經大學金融學士，復旦大學金融碩士，2

37、023 年加入信達證券電子組，研究方向為存儲芯片、模擬芯片等。李星全，李星全，電子行業研究員。哈爾濱工業大學學士，北京大學碩士。2023 年加入信達證券電子組，研究方向為服務器、PCB、消費電子等。請閱讀最后一頁免責聲明及信息披露 17 分析師聲明分析師聲明 負責本報告全部或部分內容的每一位分析師在此申明，本人具有證券投資咨詢執業資格，并在中國證券業協會注冊登記為證券分析師,以勤勉的職業態度,獨立、客觀地出具本報告；本報告所表述的所有觀點準確反映了分析師本人的研究觀點；本人薪酬的任何組成部分不曾與，不與，也將不會與本報告中的具體分析意見或觀點直接或間接相關。免責聲明免責聲明 信達證券股份有限公

38、司(以下簡稱“信達證券”)具有中國證監會批復的證券投資咨詢業務資格。本報告由信達證券制作并發布。本報告是針對與信達證券簽署服務協議的簽約客戶的專屬研究產品，為該類客戶進行投資決策時提供輔助和參考，雙方對權利與義務均有嚴格約定。本報告僅提供給上述特定客戶，并不面向公眾發布。信達證券不會因接收人收到本報告而視其為本公司的當然客戶?？蛻魬斦J識到有關本報告的電話、短信、郵件提示僅為研究觀點的簡要溝通，對本報告的參考使用須以本報告的完整版本為準。本報告是基于信達證券認為可靠的已公開信息編制，但信達證券不保證所載信息的準確性和完整性。本報告所載的意見、評估及預測僅為本報告最初出具日的觀點和判斷，本報告所

39、指的證券或投資標的的價格、價值及投資收入可能會出現不同程度的波動，涉及證券或投資標的的歷史表現不應作為日后表現的保證。在不同時期，或因使用不同假設和標準，采用不同觀點和分析方法，致使信達證券發出與本報告所載意見、評估及預測不一致的研究報告，對此信達證券可不發出特別通知。在任何情況下，本報告中的信息或所表述的意見并不構成對任何人的投資建議，也沒有考慮到客戶特殊的投資目標、財務狀況或需求?？蛻魬紤]本報告中的任何意見或建議是否符合其特定狀況，若有必要應尋求專家意見。本報告所載的資料、工具、意見及推測僅供參考，并非作為或被視為出售或購買證券或其他投資標的的邀請或向人做出邀請。在法律允許的情況下，信達

40、證券或其關聯機構可能會持有報告中涉及的公司所發行的證券并進行交易，并可能會為這些公司正在提供或爭取提供投資銀行業務服務。本報告版權僅為信達證券所有。未經信達證券書面同意，任何機構和個人不得以任何形式翻版、復制、發布、轉發或引用本報告的任何部分。若信達證券以外的機構向其客戶發放本報告，則由該機構獨自為此發送行為負責，信達證券對此等行為不承擔任何責任。本報告同時不構成信達證券向發送本報告的機構之客戶提供的投資建議。如未經信達證券授權，私自轉載或者轉發本報告，所引起的一切后果及法律責任由私自轉載或轉發者承擔。信達證券將保留隨時追究其法律責任的權利。評級說明評級說明 風險提示風險提示 證券市場是一個風

41、險無時不在的市場。投資者在進行證券交易時存在贏利的可能，也存在虧損的風險。建議投資者應當充分深入地了解證券市場蘊含的各項風險并謹慎行事。本報告中所述證券不一定能在所有的國家和地區向所有類型的投資者銷售，投資者應當對本報告中的信息和意見進行獨立評估，并應同時考量各自的投資目的、財務狀況和特定需求，必要時就法律、商業、財務、稅收等方面咨詢專業顧問的意見。在任何情況下，信達證券不對任何人因使用本報告中的任何內容所引致的任何損失負任何責任，投資者需自行承擔風險。投資建議的比較標準投資建議的比較標準 股票投資評級股票投資評級 行業投資評級行業投資評級 本報告采用的基準指數：滬深 300指數（以下簡稱基準）；時間段：報告發布之日起 6 個月內。買入：買入：股價相對強于基準 15以上；看好：看好：行業指數超越基準；增持：增持：股價相對強于基準 515；中性：中性：行業指數與基準基本持平；持有：持有：股價相對基準波動在5%之間；看淡：看淡：行業指數弱于基準。賣出：賣出：股價相對弱于基準 5以下。