1、浦銀國際研究浦銀國際研究 首次覆蓋 本研究報告由浦銀國際證券有限公司分析師編制，請仔細閱讀本報告最后部分的分析師披露、商業關系披露及免責聲明。全球科技全球科技行業行業隨著 2022 年 11 月底 OpenAI 發布 ChatGPT 3.5，AI 相關行業在 2023 年進入爆發式發展。OpenAI 隨后發布 ChatGPT 4.0，谷歌、Meta 等多家廠商也陸續推出 Gemini、Llama 等 AI 大模型。在中國，包括互聯網頭部企業和初創公司在內的玩家相繼投入到大模型的研究和發布中。根據 IDC 數據，2020 年至 2023 年全球生成式 AI 市場空間上漲了約 6 倍，預計 202

2、4年至 2030 年期間復合增長率達到 40%，2030 年有望接近萬億美元。算力芯片作為 AI 大模型行業的最重要支撐，也正享受行業高增長紅利。因此，我們首次覆蓋全球 AI 算力行業，給予“超配”評級；考慮到英偉達受益于云側 AI 高增長以及智能駕駛端側滲透，首次覆蓋英偉達（NVDA.US），給予“買入”評級；考慮到高通受益于智能手機和新能源車兩大終端的端側 AI 滲透，首次覆蓋高通（QCOM.US），給予“買入”評級。2024 年 7 月 2 日 超配超配 首次覆蓋首次覆蓋沈岱沈岱（首席科技分析師）tony_(852)2808 6435黃佳琦黃佳琦（科技分析師）sia_(852)2809

3、0355馬智焱馬智焱（科技分析師）ivy_(852)2809 0300浦銀國際研究浦銀國際研究 2024-07-02 2 目錄目錄 全球全球 AI 算力行業投資要點算力行業投資要點.4 全球全球 AI 算力行業概覽：發展初期，高速增長算力行業概覽：發展初期，高速增長.11 全球 AI 大模型具備較大的成長空間 .11 AI 算力及 GPU 需求測算：需求空間仍舊巨大.16 AI 算力芯片產能瓶頸逐步解決，供需趨于平衡.19 中國的 AI 大模型快速跟進：AI 需求大幅上揚和大模型能力快速追趕.21 AI 算力供應鏈解析：價值量集中度高，算力芯片端壟斷競爭算力供應鏈解析：價值量集中度高，算力芯片

4、端壟斷競爭.24 AI 服務器價值量集中度高，提升幅度大.24 中國 AI 算力產業鏈.25 AI 大模型：從云側向端側滲透大模型：從云側向端側滲透.27 AI 端側大模型正在快速落地中.27 AI 算力芯片競爭格局：云側 vs 端側.30 AI 算力芯片競爭格局：云側產品比較.32 美股科技股價值投資回美股科技股價值投資回顧顧.34 美進入降息周期有利于成長科技股估值上行.34 美股納斯達克以及 M7 具備長線的基本面推動成長的能力.35 附錄：附錄：AI 算力行業術語簡介算力行業術語簡介.38 英偉達（英偉達（NVDA.US）首次覆蓋：）首次覆蓋：AI 賽道坡長雪厚，增長可期賽道坡長雪厚，

5、增長可期.40 英偉達公司速覽.42 估值.44 SPDBI 樂觀與悲觀情景假設.46 風險提示.48 公司背景.49 財務報表.50 高通（高通（QCOM.US）首次覆蓋：端側）首次覆蓋：端側 AI 推動公司開啟大成長周期推動公司開啟大成長周期 .53 高通公司速覽.55 估值.57 SPDBI 樂觀與悲觀情景假設.59 風險提示.61 公司背景.62 財務報表.63 aV8XeUcWfY9WeUdX9PdNaQpNnNoMtPjMqQqPiNrRnR6MnNyRwMnRmOvPnOwP浦銀國際研究浦銀國際研究 首次覆蓋首次覆蓋|科技行業科技行業 本研究報告由浦銀國際證券有限公司分析師編制，

6、請仔細閱讀本報告最后部分的分析師披露、商業關系披露及免責聲明。全球全球 AI 算力算力行業行業首次覆蓋首次覆蓋：從云到端，從云到端，云端協同，云端協同，AI 開啟科技行業超級成長周期開啟科技行業超級成長周期 云側云側 AI 算力需求持續高增長，端側算力需求持續高增長，端側 AI 滲透率快速提升，啟動新一輪滲透率快速提升，啟動新一輪科技增長周期科技增長周期：自 2022 年底 Chat GPT 面向公眾開放以來，生成式 AI 帶動了新一輪的生產效率提升，也開啟了新一輪 AI 投資機遇。根據 IDC 數據，2020 年至 2023 年全球生成式 AI 市場空間上漲了約 6 倍，預計 2024年至

7、2030 年期間復合增長率達到 40%，2030 年有望接近萬億美元。作為 AI 大模型行業最重要支撐的算力芯片也正享受行業高增長紅利。因此，我們首次覆蓋全球 AI 算力行業，給予“超配”評級；考慮到英偉達受益于云側 AI 高增長以及智能駕駛端側滲透，高通受益于最大的兩個終端智能手機和新能源車的端側 AI 滲透，首次覆蓋英偉達（NVDA.US）和高通（QCOM.US），均給予“買入”評級。全球全球 AI 算力行業仍然處于發展初期階段，短中長期都具備扎實的成算力行業仍然處于發展初期階段，短中長期都具備扎實的成長動能長動能：AI 大模型行業正處于發展初期、包括巨頭和初創企業在內的大量廠商百家爭鳴的

8、階段。因此，AI 行業仍然處于由大模型廠商，即供應端，推動 AI 大模型快速迭代、性能加速提升、行業高速發展的時期。因此，大模型供應商，即 AI 算力芯片的直接需求方，正在大幅采購 AI 算力芯片。在當前逐步步入供需平衡的階段，AI 算力芯片產能擴張會帶來行業的有效增量，仍然是行業增長的“甜蜜期”。端側端側 AI 算力需求有望快速提升，并反哺云側算力需求有望快速提升，并反哺云側 AI 的算力需求的算力需求：AI 大模型從云側向端側滲透和延伸，會有效拓展 AI 大模型在 C 端用戶的使用。AI PC、Gen-AI 智能手機、高階智駕新能源車、ARVR，都是較強的觸及用戶的端側 AI 落地載體。A

9、I 大模型正在端側加速滲透。端側 AI 滲透有望加速 AI 大模型商業閉環以及廠商盈利能力提升。從今明兩年的時間維度看，能夠支持端側 AI 大模型算力的芯片都將取得較高增速。這些端側AI 需求會在一定程度拉動整體 AI 算力芯片訓練端的需求，拓展 AI 算力芯片的增長邊界。美股美股 AI 算力算力半導體半導體估值估值仍有上行空間仍有上行空間：我們認為當前美股 AI 算力芯片依然還有小量的上行空間。這主要來自于兩個方面的動能：1）半導體周期基本面上行的時間和空間都能給與支撐，2）AI 大模型初創企業傳遞到二級市場的估值溢價。目前，英偉達的未來 12 個月市盈率為 43.6x，高通的未來 12 個

10、月市盈率為 19.1x。這兩家公司的估值不便宜，但是估值距離過去 5 年周期頂部的峰值還有小量距離，更何況 AI 有望推動估值溢價超過歷史峰值。最后，美國進入降息周期疊加 AI 帶動的科技產業變革都有望推動美股 AI 算力半導體的估值中樞上移。投資風險：投資風險：全球或美國經濟面臨增長壓力，多個下游終端，包括服務器、智能手機、新能源車等，需求不及預期；AI 大模型需求爆發持續性弱于預期，大模型廠商商業閉環或盈利能力低于預期；全球半導體周期上行動能不足；行業競爭加劇，拖累利潤表現；AI 算力芯片迭代不及預期。沈岱沈岱 首席科技分析師 tony_(852)2808 6435 馬智焱馬智焱 科技分析

11、師 ivy_(852)2809 0300 黃佳琦黃佳琦 科技分析師 sia_(852)2809 0355 2024 年 7 月 2 日 英偉達英偉達(NVDA.US)目標價（美元）目標價（美元）147.6 潛在升幅潛在升幅/降幅降幅+19%目前股價（美元）124.0 高通高通(QCOM.US)目標價（美元）目標價（美元）240.7 潛在升幅潛在升幅/降幅降幅+23%目前股價（美元）195.2 注：目前股價截至 2024 年 6 月 27 日 資料來源：Factset,浦銀國際 浦銀國際浦銀國際 首次覆蓋首次覆蓋 全球全球 AI 算力算力行業行業首次覆蓋首次覆蓋 2024-07-02 4 全球全

12、球 AI 算力算力行業行業投資要點投資要點 2022 年 11 月底，OpenAIOpenAI 發布 ChatGPT 3.5。緊隨其后，AI 相關的行業在 2023 年進入爆發式發展期。無論是 OpenAI 隨后發布的 ChatGPT 4.0，還是谷歌、Meta 等多家廠商發布的 Gemini、Llama 等 AI 大模型，正是這一輪 AI 行業爆發式發展的體現。中國的玩家，包括互聯網頭部企業和初創公司，都相繼投入到大模型的研究和發布中。根據調研，中國的 AI 大模型的能力有望在今年年底逼近 ChatGPT4.0。我們清晰地看到，大模型的到來成為了 AI 行業發展的奇點，當前行業處于加速上行的

13、高速發展階段。這個階段比較接近當年 iPhone 4 發布之后，大量安卓品牌相繼跟進進入智能手機行業的階段，也同樣比較接近特斯拉進入中國量產后，多家中國新勢力、傳統車企的新能源車品牌相繼涌入該賽道的階段。因此，我們對 AI 行業未來的成長趨勢持相當程度的樂觀態度。同時，AI 大模型正在快速向新能源車、智能手機等端側快速滲透，從而促進AI 進入 C 端領域，并進一步打開市場空間。因此，我們在這篇報告中試圖回答三個問題：因此，我們在這篇報告中試圖回答三個問題：1）在在 AI 大模型發展大爆發之大模型發展大爆發之后，目前行業發展處于怎樣的階段后，目前行業發展處于怎樣的階段，是否還有上行空間，是否還有

14、上行空間？2）AI 大模型會給大模型會給端側帶來多少的空間增量端側帶來多少的空間增量，可以拉動多大的存量空間可以拉動多大的存量空間？3）如何看待當前全如何看待當前全球頭部球頭部 AI 玩家的玩家的預期、預期、估值和股價空間？估值和股價空間？第一，第一，在在 AI 大模型發展大爆發之后，目前大模型發展大爆發之后，目前行業行業發展處于怎樣的階段？短中發展處于怎樣的階段？短中長期，長期，AI 算力行業是否還有較大的上行空間？算力行業是否還有較大的上行空間？我們認為我們認為 AI 行業仍然處于發展較為早期的行業仍然處于發展較為早期的快速增長快速增長階段階段。這個基本判斷可以從兩個方向來看，一是最能貼近

15、 AI 行業的服務器出貨量中 AI 的滲透率，目前只有個位數；二是全球相關的資金/資本正在快速涌入，包括巨頭和初創公司。這兩個指標都將推動 AI 大模型在供應端為保持性能和技術領先進入快速迭代和發展，從而推動行業大幅上行。在這個過程中，AI 大模型背后所需要的AI 算力服務器/芯片都會處于需求持續增長期。根據 MIC，2023 年全球 AI 服務器出貨量超過 125 萬臺，同比增長 47%，預計 2024 年 AI 服務器出貨量將達到 194 萬臺，同比增長 55%，同比增速上行。根據中商產業研究院，中國 AI 服務器 2023 年規模達 134 億元，同比增長約 101%，預計 2024 年

16、中國 AI 服務器規模達 307 億元，同比增長 128%，同比增速也在加速上揚。從滲透率滲透率來看，2022 年、2023 年、2024 年，全球 AI 服務器出貨量滲透率達到/預計達到 5%、6%、8%（圖表 1）。與科技新興產業發展趨勢類似，目前 AI 服務器滲透率也處于加速上揚階段。展望未來展望，AI 服務器滲透率有望持續上揚。2024-07-02 5 從大模型供應商大模型供應商的角度，即 AI 算力芯片的直接需求方，正在大量采購 AI 算力芯片。在近期新聞中，英偉達最新出貨的 GB200 上調訂單預測。大模型廠商為了取得行業初期成長紅利，以及潛在進入成熟期之后更大的份額，需要保持自身

17、產品性能領先和體驗的差異化。AI 算力背后最核心的是 GPU。GPU 是重要的計算芯片，也是重要的半導體邏輯芯片。AI 服務器滲透率的提升以及市場資本持續的涌入確實可以作為中長期行業增長動能的判斷指標。但是，即使如此，分析 AI 算力芯片這種處于初期的高成長行業時，我們依然會在意半導體產業的周期性動能帶來的影響，這也是短期去跟蹤 AI 算力芯片行業的重要參考。短期看，短期看，AI 算力算力芯片增長動能強勁，下行風險較小。芯片增長動能強勁，下行風險較小。首先，在經歷了 2023 年 AI 大模型算力爆發增長帶來的 AI 算力芯片供不應求之后，AI算力芯片大體上逐步進入供需平衡的階段，在局部（例如

18、GB 200）存在供應緊張。這個階段仍然是行業增長的“甜蜜期”，盡管公司/行業基本面持續超出較高市場預期的空間縮小，但是仍然有較高動能推動成長，而且收入端的成長可以有效傳遞為利潤端的增長。（圖表 2）根據市場信息，目前臺積電的 CoWoS 的產能約 1.5 萬片/月，并有望在今年年底提升至 3 萬片/月。作為英偉達 AI 芯片的瓶頸之一的先進封裝產能處于滿載滿負荷和加速擴產階段。因此，我們相信 AI 算力芯片行業的短期動能依然強勁。（圖表 3）其次，庫存作為半導體供需關系中一個重要指標，是衡量行業短期動能的參考之一。目前，英偉達的庫存周轉天數為 89 天，處于比較低的位置，說明產品的拉貨動能比

19、較強。因此，短期來看，AI 算力芯片維持在較為強勁的高位。（圖表 5）從長期的時間維度從長期的時間維度，例如，例如 3-5 年甚至更長，年甚至更長，AI 算力行業的競爭格局會產生算力行業的競爭格局會產生演變。演變。當前 AI 大模型處于百家爭鳴的階段，行業初期紅利疊加大量市場/巨頭資金支持，推動行業加速發展。高增長、高容量的行業也會孕育較激烈的競爭環境。根據浦銀國際互聯網團隊的調研結果，今年以來 AI 大模型廠商收費單價大幅度下滑，較降價前下滑 90%。當然，目前階段并沒有進入 AI 大模型廠商的“生死”時刻。在行業商業模式落地和商業變現的過程中，行業對 AI 大模型廠商綜合能力，包括技術、產

20、品、營銷、管理，提出更高的要求，也對廠商的利潤能力提出要求。在這個階段，部分或者大量的 AI 大模型廠商退出行業。這會在一段時間內對 AI 算力芯片行業造成大量供給釋放的沖擊。即頭部的AI 大模型廠商有望以較低的價格獲取已經退出市場的 AI 大模型玩家的算力，從而導致 AI 算力芯片短期的拉貨動能下滑。我們認為在這個階段，投資人應該保持更加謹慎的投資態度，等待行業消化剩余產能。2024-07-02 6 從從 AI 算力芯片行業來看，英偉達接近壟斷的算力芯片行業來看，英偉達接近壟斷的市場市場格局格局也可能因為市場規模也可能因為市場規模的的大幅增長大幅增長而而發生發生改變改變。一方面，頭部的 AI

21、 大模型玩家會有意愿開發并自研 AI 算力芯片以取得客制化差異化性能和成本優勢。特斯拉的 Dojo 超算、谷歌的 TPU 芯片、百度的昆侖 AI 芯片等，都存在取代/部分取代當前英偉達算力芯片的可能。另一方面，在 AMD 以及其他初創公司 GPU 等 AI 算力芯片性能存在部分優勢的情況下，AI 大模型廠商也會有意愿增加非英偉達芯片使用量以促進 AI 算力芯片的競爭，平衡供應商之間的成本。當然，從長期維度看，盡管英偉達的 AI 算力芯片份額下行風險大于維持近乎壟斷地位的風險，但是基于頭部優勢，英偉達在維持大多數產品的性能和成本優勢的同時保持相對健康的利潤率是比較有保障的。圖表圖表 3：臺積電臺

22、積電 CoWoS 產能預測產能預測 臺積電臺積電 CoWoS 產能預測產能預測 1H23 2H23E 2024E 2025E 2026E 萬片/月 0.8 1.2 3 4.8 4.8 每片 CoWoS 晶圓芯片數量假設 29 29 28 26 25 總數（萬片/月）23.2 34.8 84.0 124.8 120.0 注：E=根據市場調研整理 資料來源：DigiTimes，臺積電，浦銀國際 圖表圖表 1：AI 服務器滲透率服務器滲透率 圖表圖表 2：英偉達營業利潤率英偉達營業利潤率 注：E=IDC 預測 資料來源：IDC、浦銀國際 注：E=浦銀國際預測，FY=Fiscal Year，財務年 資

23、料來源：公司公告、浦銀國際 0%2%4%6%8%10%12%010,00020,00030,00040,00050,00060,00070,000202020212022 2023E 2024E 2025E 2026EAI服務器市場空間（百萬美元）AI服務器滲透率(右軸)0%20%40%60%80%FY2020FY2021FY2022FY2023FY2024 FY2025E計算及網絡圖像 2024-07-02 7 第二，第二，AI 大大模型模型會給會給端側帶來多少的空間增量？端側端側帶來多少的空間增量？端側 AI 的應用可以拉動多的應用可以拉動多大的存量空間進入增長大的存量空間進入增長？端側端

24、側 AI 大模型會逐步拉動大模型會逐步拉動 AI 算力需求，并且逐步擴大對于算力需求，并且逐步擴大對于云側云側 AI 算力需算力需求量。求量。端側對于 AI大模型的需求主要有兩個來源：一是對于 AI大模型廠商，例如 OpenAI 的技術需求，二是端側品牌自身構建更貼近用戶需求的 AI 大模型。由于 AI 大模型仍然處于發展的初期階段，AI 大模型的商業閉環尚未完美形成。根據我們的估算，OpenAI 在 2023 年年化收入已經達到 10 億至 20 億美元，但是距離整體盈利仍有較大距離。因此，AI 大模型廠商仍然需要一定時間才能形成規?；€定的盈虧平衡或者盈利。AI 大模型從云側向端側滲透和延

25、伸，會有效拓展 AI 大模型在 C 端用戶的使用。端側載體，包括電腦、智能手機、新能源車、ARVR 等，都能有效觸達最廣泛的人群。以智能手機為例，全球智能手機用戶超過 60 億人，因此 AI 大模型在該終端的滲透和普及可以更有效地觸達 C 端用戶，促使 AI 大模型從供應驅動向需求驅動轉型。同時，對于 C 端用戶的有效觸達，更有可能形成商業閉環。此時，商業模式有兩種。一種類似當前 ChatGPT 的付費使用模式，即消費者直接付費使用性能更優的 AI 大模型。另一類是將 AI 大模型的成本加入智能手機、新能源車等終端售價中。微軟、蘋果借助與 OpenAI 的合作，快速地將 AI 大模型帶入自身電

26、腦和手機等電子終端，從而給消費者帶來生產力的提升和用戶體驗的改善。我們認為 AI PC、Gen-AI 智能手機、高階智駕新能源車、ARVR，都是較強的觸達用戶的端側 AI 落地載體。AI 大模型正在端側加速滲透。大模型正在端側加速滲透。根據 Counterpoint 的預測，2024 年、2025 年具備高階 AI 能力的筆記本電腦滲透率將達到 5%、15%。生成式 AI 最有望在筆記本電腦作為生產力工具。圖表圖表 4：英偉達存貨周轉天數英偉達存貨周轉天數 圖表圖表 5：英偉達存貨周轉率英偉達存貨周轉率 注：時間為英偉達財年（Fiscal Year），1Q25FY 截至 2024 年 4 月

27、28 日 資料來源：iFind、公司公告、浦銀國際 注：時間為英偉達財年（Fiscal Year），1Q25FY 截至 2024 年 4 月 28 日 資料來源：iFind、公司公告、浦銀國際 50801101401702001Q203Q201Q213Q211Q223Q221Q233Q231Q243Q241Q25英偉達存貨周轉天數(天)0.01.02.03.04.05.01Q203Q201Q213Q211Q223Q221Q233Q231Q243Q241Q25英偉達存貨周轉率(次)2024-07-02 8 根據 Counterpoint 的預測，2024 年、2025 年具備生成式 AI 能力的

28、智能手機滲透率將達到 11%和 24%。作為觸達 C 端用戶最廣的電子終端，AI 將有望帶動智能手機換機需求，從而反哺對于云側的 AI 算力的需求增長。根據車百智庫，2023 年中國高階智駕的 NOA 的滲透率為中低個位數，而 2024 年該滲透率有望到達兩位數。我們認為中國新能源車企對于智駕的推動將是帶動 AI 大模型落地端側最快最大的應用場景。并且，中國新勢力已經搭建自身的 AI 算力平臺，以促進 AI 大模型在智能座艙和智駕的應用。AR 作為熱度很高且也正在不斷發展的電子計算平臺，與 AI 大模型的結合，相互促進、相互提高，對行業擴張有很大幫助。所以，從今明兩年的時間維度看，能夠支持端側

29、從今明兩年的時間維度看，能夠支持端側 AI 大模型算力的芯片都將大模型算力的芯片都將取得較高增速取得較高增速，包括智能手機上高通驍龍 Gen 系列、聯發科天璣系列，智能駕駛中使用的英偉達 Orin 或 Thor 等。同時，這些端側這些端側 AI 需求需求會會一定一定程程度拉動整體度拉動整體 AI 算力芯片訓練端的需求，拓展算力芯片訓練端的需求，拓展 AI 算力芯片的增長邊界算力芯片的增長邊界。圖表圖表 6：端側端側 AI 滲透率滲透率 E=AI 服務器滲透率為 IDC 預測，AI 手機、AI PC 滲透率為 Counterpoint 預測；AI 筆記本電腦指具備高階 AI 功能的筆記本電腦 資

30、料來源：IDC，Counterpoint，浦銀國際 0%5%10%15%20%25%30%AI手機滲透率AI筆記本電腦滲透率AI服務器滲透率202220232024E2025E 2024-07-02 9 第三，當前全球頭部的第三，當前全球頭部的 AI 玩家的股價已經反映了多少市場預期？玩家的股價已經反映了多少市場預期？如何看如何看待待當前全球頭部當前全球頭部 AI 玩家的估值和股價空間？玩家的估值和股價空間？我們認為回答這個問題的核心在于海外 AI 主題相關的標的熱度已經持續了很長一段時間，在高成長的預期中，估值也沒有那么便宜，那么此時估值會不會面臨較大的下行風險？我們認為當前美股我們認為當前

31、美股 AI 算力芯片的估值依然有小量的上行空間。算力芯片的估值依然有小量的上行空間。AI 算力的估值可以拆解為 2 個部分：1）半導體周期層面，2）AI 大模型初期爆發層面。首先，從半導體周期層面首先，從半導體周期層面來看來看，AI 算力芯片，不管是云側還是端側，都處算力芯片，不管是云側還是端側，都處于全球半導體上行周期中。于全球半導體上行周期中。而 AI 算力增量是本輪全球半導體上行的最重要的動能。我們觀察到費城半導體指數在 2022 年 10 月觸底上行以來，已經持續 20 個月，跟歷史上約 2 年的上行周期比較，還有一些上行的空間和機會。但是，由于 AI 大模型對于多個科技子行業的帶動，

32、本輪周期估值上行的高度可能會較以往峰值更高。另外，全球半導體基本面周期，即全球半導體月度銷售額同比增速，在 2023年 4 月觸底，隨后開啟迅速上行。這輪基本面上行的斜率比較陡，可以支撐更高的估值峰值。同時，本輪半導體基本面上行才 12 個月，還有接近一年的上行空間。非 AI 相關半導體基本面上行將推動估值上行，給與 AI 相關的估值高溢價做好支撐。其次，本來其次，本來 AI 行業再次爆發，行業再次爆發，不僅不僅將將帶動各家帶動各家巨頭入局，也同樣帶動巨頭入局，也同樣帶動 OpenAI等初創企業的估值水漲船高。等初創企業的估值水漲船高。根據新聞報道，2024 年 OpenAI 最新一輪的估值已

33、經達到 800 億美元。如果 OpenAI 或其他 AI 大模型初創企業在近兩年上市，有可能會帶動二級市場 AI 板塊估值中樞上移，已經上市的 AI 標的估值則有進一步上行空間。目前，英偉達的未來 12 個月市盈率為 43.6x，高通的未來 12 個月的市盈率為 19.1x。這兩家公司的估值不便宜，但是估值距離過去 5 年周期頂部的峰值還有小量距離。進一步看，我們認為本輪 AI 帶動科技產業革命有望帶動行業估值突破歷史新高。另外，美國處于利率高點對于高成長的科技股的估值不利。未來美國進入降息通道后，美股的科技股有望享受估值加成上揚。因此，綜上來看，我們認為在 AI 算力芯片行業，云側需求短期供

34、需平衡基本面推動股價上行，端側需求拉動新增應用領域有望持續貢獻增量，估值不便宜但是依然具備上行空間。2024-07-02 10 圖表圖表 7：全球半導體三個月移動平均值銷售額同比增速與費城半導體指數市盈率全球半導體三個月移動平均值銷售額同比增速與費城半導體指數市盈率 資料來源：Wind、美國半導體協會、費城證券交易所、浦銀國際 圖表圖表 8：海內外頭部初創海內外頭部初創 AI 企業融資情況企業融資情況 時間時間 公司公司 募資募資 估值估值 2024 年 5 月 智譜 AI 智譜 AI 獲 Prosperity7 Ventures 4 億元美元 C 輪投資 200 億人民幣 2024 年 5

35、月 Scale AI AI 數據標注公司 Scale AI 完成 10 億美元的募資 138 億美元 2024 年 5 月 xAI 馬斯克為 xAI 投入 60 億美元的融資 180 億美元 2024 年 5 月 Kimi 月之暗面 截至 5 月，阿里巴巴 2024 財年合計投入 8 億美元 25 億美元 2024 年 4 月 Anthropic 亞馬遜宣布完成了對 Anthropic（Claude）總計 40 億美元的融資。2023 年9 月亞馬遜提供了一筆 12.5 億美元的投資，之后又追加了 27.5 億美元 184 億美元 2023 年 11 月 零一萬物 完成 10 億美元的新一輪融

36、資，由阿里云領頭 NA 2023 年 10 月 Anthropic 谷歌領投了 Anthropic 的 5 億美元融資，此后又追加了 20 億美元的投資 NA 2023 年 4 月 OpenAI 微軟領投了約 100 億美元，多家 PE 投資超 3 億美元 800 億美元 資料來源：公開資料整理，浦銀國際 0102030405060-30%-20%-10%0%10%20%30%40%2015-012015-052015-092016-012016-052016-092017-012017-052017-092018-012018-052018-092019-012019-052019-0920

37、20-012020-052020-092021-012021-052021-092022-012022-052022-092023-012023-052023-092024-012024-05全球半導體銷售額同比費城半導體指數市盈率（TTM，右軸)2024-07-02 11 全球全球 AI 算力算力行業概覽行業概覽：發展初期，高發展初期，高速增長速增長 全球全球 AI 大模型具備較大的成長空間大模型具備較大的成長空間 人工智能（AI，Artificial Intelligence）指通過計算程序或機器來模擬實現人類智能的技術和方法。伴隨著 OpenAI 將人工智能再次推上風口浪尖，二級市場股價

38、大幅上揚。本輪 AI 大模型的技術，與前幾年的 AI 技術路徑有所不同。此前，AI 技術中提及比較多的是卷積神經網絡（CNN，Convolutional Neutral Network），在圖像識別等領域已經較為成熟，更多還是規則制。而 OpenAI 則使用大語言模型（LLM，Large Language Model），針對自然語言處理（NLP，Natural Language Processing），實現文本生成、翻譯、問答等能力。OpenAI 發布的 ChatGPT 的核心是 Transformer 架構，特別是自注意力機制，這使得模型能夠并行處理輸入數據，理解和生成具有上下文依賴性的文本

39、。而這與前幾年提及比較多的卷積神經網絡技術有差異。此前，圖片識別技術依賴于卷積神經網絡等深度學習算法，通過特征提取和分類器來識別圖像內容。ChatGPT 通過預訓練和微調的方式進行訓練，預訓練階段使用大量文本數據，微調階段則針對特定任務進行優化。因此，大模型數量和參數提升推動 AI服務需求提升。大模型推陳迭代，參數及語料提升帶動算力需求提升。過去幾年，大模型參數呈現出指數型增長。為了實現更高的精度，大模型參數從 2018 年 GPT-1 的11.7 億，提升到 2020 年 GPT-3 的 1,750 億，再到 2023 年 GPT-4 的約 1.8 萬億。訓練集大小也由 GPT-3 的 3,

40、000 億 tokens 顯著提升至 GPT-4 的 12 萬億tokens。我們預計未來模型參數將持續高速增長，從千億級到萬億級提升。從長期展望來看，全球從長期展望來看，全球生成式生成式 AI 有望迎來萬億美元市場空間。有望迎來萬億美元市場空間。自 2022 年底Chat GPT 面向公眾開放以來，生成式 AI 帶動了新一輪的生產效率提升，也開啟了新一輪 AI 投資機遇。根據 IDC 數據，2020 年至 2023 年全球生成式AI 市場空間上漲了約 6 倍，預計 2024 年至 2030 年期間復合增長率達到40%，2030 年有望接近 10,000 億美元。2024-07-02 12 經

41、過分析，我們認為 IT 基建開支、服務器收入、云服務收入，可以用來追蹤 AI 產業鏈的成長趨勢和動能。從商業模式來看，AI 產業鏈由三個部分組成。最上游為 IT 基建開支。IT 基建開支主要來自于互聯網企業、電信運營商和政府投入。IT 基礎設施主要包括用于傳輸、存儲、管理、分析數據等，為用戶提供數據計算、網絡連接、網絡安全等功能。中游環節涉及 IT 基建開支投入的具體方向，基本組成為硬件、軟件、網絡連接。硬件主要包括服務器、數據中心、個人終端設備；軟件主要包括管理系統和應用程序；網絡包括路由器、交換機等。中游環節的主要受益廠商包括服務器、半導體、光模塊等。下游應用環節，包括 Chat GPT、

42、端側 AI 大模型、互聯網企業 CSP（Cloud Solution Provider）云服務商。IT 基建的投資者在下游應用推廣的過程中受益獲得回報，并依據回報的多少和對未來的預期再進行下一輪 IT 基建投入。圖表圖表 11：AI 產業鏈模式閉環產業鏈模式閉環 資料來源：浦銀國際 圖表圖表 9：全球生成式全球生成式 AI 市場空間及預測市場空間及預測 圖表圖表 10：模型數量與參數爆發性成長模型數量與參數爆發性成長 注：E=IDC 預測 資料來源：IDC、浦銀國際 資料來源：聯發科發布會、浦銀國際 IT基建開支主要來源：互聯網大廠、運營商、政府投資購買硬件，如服務器、GPU；軟件，如數據庫、

43、操作系統；網絡受益方：服務器廠商、半導體制造商、軟件提供商、網絡，電力產品為公司及個人提供服務IT基建投資方獲得投資回報，進行下一輪IT基建投入0200,000400,000600,000800,0001,000,0001,200,0001,400,0001,600,0002020202120222023E2024E2025E2026E2027E2028E2029E2030E2031E2032E生成式AI市場空間預測(百萬美元）2024-07-02 13 全球全球 IT 基建支出正在加速上行?；ㄖС稣诩铀偕闲?。2023 年美國四大互聯網廠商（谷歌、微軟、亞馬遜、Meta）資本開支在全球 I

44、T 基建占比超三分之一。全球 IT 基建支出由 2009 年的 1,388 億美元增長至 2023 年的 4,140 億美元（圖表 12）。其中，2017 至 2023 年進入加速上行階段，期間復合增長率達到 14%。美國四大互聯網廠商在全球 IT 基建中占比最高達到 42%，2023 年占比 36%，是推動全球 IT 基建上行的重要力量。美國四大互聯網廠商資本支出的同比增速和全球 IT 基建支出同比增速大體保持一致。美國的頭部四家資本開支存在一定的周期。從季度頻率看，這四家公司資本支出同比增速在經歷了 10 個季度的下行后，在 2023 年二季度見底觸及-9%的增速，隨后就開啟上行，并在今年

45、一季度實現+30%增長（圖表 15）。本輪美國互聯網大廠資本開支投向主要集中在 AI 算力的部署。我們預期美國互聯網廠商以及其他初創企業都在加速部署 AI 大模型算力，以避免在新技術商業落地過程中落后于同行和競爭對手。所以，我們預期這些企業的資本開支上行動能會推動 AI 算力需求大幅上揚。圖表圖表 12：全球全球 IT 基建支出基建支出 圖表圖表 13：美國四大廠商資本支出在全球美國四大廠商資本支出在全球 IT 基建支基建支出占比出占比 資料來源：IDC、浦銀國際 注：互聯網廠商資本開支范圍與 IT 基建較為一致 資料來源：IDC、浦銀國際 0%10%20%30%40%50%201020112

46、01220132014201520162017201820192020202120222023美國四大廠商資本支出在全球IT基建支出占比0100,000200,000300,000400,000500,000200920102011201220132014201520162017201820192020202120222023全球IT基建支出（百萬美元）2024-07-02 14 全球云服務收入穩步增長，過去四年全球云服務收入年復合增長率達 25%。2019 年至 2023 年，全球云服務年收入規模由 2,724 億美元增長至 6,655 億美元（圖表 16），期間年復合增速高達 25%，20

47、23 年下半年全球云服務同比增速 19%。全球云服務收入最大的三家公司及份額分別為微軟 17%、亞馬遜 12%、谷歌 5%，CR3 合計份額為 34%（圖表 17）。根據 IDC 預測，2024至 2028 年全球云服務收入有望從 8,000 億美元增長至 1.6 萬億美元，期間復合增長率 19%。從經濟角度出發，并不是所有的 AI 大模型廠商都適合自建 AI 算力。在考慮成本和規模效應時，規模較小的 AI 大模型廠商將可能使用租賃算力的方式來打磨自身大模型能力。因此，我們認為全球云服務行業規模和 AI 算力行業規模都將保持同步增長。圖表圖表 14：美國四大互聯網廠商資本支出的同比增美國四大互

48、聯網廠商資本支出的同比增速和全球速和全球 IT 基建支出同比增速周期基建支出同比增速周期 圖表圖表 15：英偉達凈利潤同比增長英偉達凈利潤同比增長與美頭部互聯網與美頭部互聯網公司資本開支相關公司資本開支相關 注：互聯網廠商資本開支范圍與 IT 基建較為一致 資料來源：IDC、Factset、浦銀國際 資料來源：IDC、Factset、浦銀國際 圖表圖表 16：全球云服務市場規模全球云服務市場規模 圖表圖表 17：全球云服務全球云服務主要玩家主要玩家 資料來源：IDC、浦銀國際 資料來源：IDC、浦銀國際(20%)0%20%40%60%80%201020112012201320142015201

49、62017201820192020202120222023全球IT基建支出增速美國四大互聯網公司資本開支同比增速-500%0%500%1000%1500%(50%)0%50%100%150%1Q134Q133Q142Q151Q164Q163Q172Q181Q194Q193Q202Q211Q224Q223Q23美國四大互聯網公司資本開支同比增速英偉達凈利潤同比增速（右軸）微軟17%亞馬遜12%谷歌5%賽富時4%甲骨文2%思愛普2%阿里巴巴1%其他55%0%10%20%30%40%0100,000200,000300,000400,0002019-062019-122020-062020-1220

50、21-062021-122022-062022-122023-062023-12全球云服務收入規模（百萬美元）半年度同比增速 2024-07-02 15 AI 應用助力服務器市場加速增長。應用助力服務器市場加速增長。2018 年至 2023 年，全球服務器收入規模由 934 億美元上升至 1,362 億美元，期間復合增長率為 8%。其中，2022 年四季度 Chat GPT 推出后，全球服務器收入規模加速上行，4Q23 對比 4Q22同比增長 23%。服務器市場中，除去占比最高的原廠直銷的白牌服務器外，收入占比前三的玩家及份額分別為戴爾 12%，超微電腦 8%，惠普 7%。根據 IDC 預測，

51、2024 年、2025 年全球 AI 服務器收入規模分別為 393.5 億美元和 529.4 億美元，同比增長 51%、35%，對應滲透率 8%、9.5%。圖表圖表 18：全球服務器市場規模全球服務器市場規模 圖表圖表 19：全球服務器主要玩家全球服務器主要玩家 資料來源：IDC、浦銀國際 資料來源：IDC、浦銀國際 圖表圖表 20：全球全球 AI 服務器市場規模服務器市場規模 圖表圖表 21：全球游戲市場規模全球游戲市場規模 注：E=IDC 預測 資料來源：IDC、浦銀國際 注：E=Statista 預測 資料來源：Statista、浦銀國際 原廠直銷35%戴爾12%超微電腦8%惠普7%浪潮

52、信息6%IBM4%聯想4%新華三3%超聚變2%思科2%寧暢2%華為2%英偉達1%其他12%0100200300400500600700202220232024E2025E2026E2027E全球游戲市場規模（百萬美元）0%2%4%6%8%10%12%010,00020,00030,00040,00050,00060,00070,0002020 2021 2022 2023E 2024E 2025E 2026EAI服務器市場空間（百萬美元）AI服務器滲透率(右軸)-20%-10%0%10%20%30%010,00020,00030,00040,00050,0001Q183Q181Q193Q191

53、Q203Q201Q213Q211Q223Q221Q233Q23全球服務器收入規模（百萬美元）全球服務器收入季度同比（右軸）2024-07-02 16 AI 算力及算力及 GPU 需求測算需求測算：需求空間仍舊巨大：需求空間仍舊巨大 訓練側：訓練側：影響影響 AI 訓練端訓練端算力需求的參數主要有算力需求的參數主要有 2 個個，模型參數量和訓練集大小。模型參數量和訓練集大小。根據 OpenAI 的 Kaplan 發布的論文 Scaling Laws for Neural Language Models，AI模型訓練所需的浮點運算次數計算公式為：6模型參數規模訓練集大?。≒FLOPS）。根據 Op

54、enAI，ChatGPT-3 包括 1,750 億參數，在 3,000 億 tokens的訓練集中完成訓練。通常，1,000 個 tokens 約合 750 個英文單詞，約合 500個漢字。我們假設 GPT-3 由英偉達 A100 訓練完成。由于由于 GPU 參數標注為理想條件下參數標注為理想條件下的最高算力，我們需要效率乘數來還原真實的算力及服務器需求數量。的最高算力，我們需要效率乘數來還原真實的算力及服務器需求數量。GPU的有效算力比率取決于 GPU 硬件型號及大語言模型架構等多方面因素。根據 OpenAI 論文，英偉達 A100 在 GPT-3 上的有效算力比率為 21.3%。根據英偉達

55、官網，A100 服務器包含 8 個 A100 GPU，最高性能可達 5 petaFLOPS。由此，我們計算出 GPT-3 需要單個英偉達 A100 服務器計算 3,423 天。根據我們的產業鏈調研和專家訪談，業內擁有 200-300B（B=bn）參數的大語言模型，在英偉達 A100 上通常需要 30 多天的訓練。我們假設 GPT-3 目標訓練用時為 30 天，如果同時訓練一個模型，那么我們對 A100 服務器的需求為 114 臺，折合 912 塊 A100 GPU。ChatGpt3 向向 ChatGPt4 的迭代，訓練集大小提升拉動算力需求明顯提升。的迭代，訓練集大小提升拉動算力需求明顯提升。

56、根據 SemiAnalysis 的測算，GPT-4 采用了 1.8 萬億參數，訓練集大小約 12 萬億個 tokens。我們假設 GPT-4 采用 H100 服務器，有效算力比率為 30.2%，如果想要在 30 天內完成訓練，需要的 H100 服務器數量上升至 5,174 個，H100 GPU 需求數量上升至 41,391 個。2023 年 12 月，谷歌發布 Gemini 大模型。Gemini 的訓練數據庫為 Youtube上 93.6 億分鐘的視頻字幕，根據 SemiAnalysis 的測算，總數據集大小約為GPT-4 的兩倍。2024 年 4 月，Meta 旗下 Llama-3 發布，采

57、用了 4,000 億參數量和 15 萬億的訓練集，數據量是 Llama-2 的七倍。模型訓練集大小的快速提升，拉動訓練算力需求及 AI 服務器需求成比例的快速提升。推理側推理側：應用級爆款應用級爆款 AI 將會推動訓練側算力大幅增長將會推動訓練側算力大幅增長。根據 OpenAI 論文，AI 模型推理算力需求和模型參數規模及訓練集大小正相關。公式為：AI 模型訓練所需的浮點運算次數等于 2模型參數規模訓練集大小。根據 Similarweb，2024 年 5 月前三周 GPT-4 的日均訪問量為 7,700 萬次。我們假設單次對話 token 數量為 500（約 375 個單詞、250 個漢字），

58、每次訪問對話次數為 10 輪。由于 GPT 返回答案的時長對用戶體驗的影響較大，我們假設目標用戶等待時間為 1 秒，那么僅僅 GPT-4 就需要等同于 424,945 個H100 GPU 的算力進行推理運算。我們預計，未來伴隨著應用級爆款 AI 的APP 的出現，訪問人數、訪問時長的激增還將推升推理側 AI 訓練集和推理側算力的需求大幅增長。2024-07-02 17 圖表圖表 22：海外大海外大模模型訓練型訓練側側算力需求算力需求 模型名稱模型名稱 GPT-3 GPT-4 Gemini Llama 3 發布時間 2020 年 6 月 2023 年 3 月 2023 年 12 月 2024 年

59、 4 月 參數量（億）1,750 18,000 18,000 4,000 假設訓練集大?。▋| tokens）3,000 120,000 240,000 150,000 模型訓練所需的浮點運算次模型訓練所需的浮點運算次數數:6模型參數規模模型參數規模訓練集大訓練集大?。ㄐ。≒FLOPS）315,000,000 129,600,000,000 259,200,000,000 36,000,000,000 使用硬件假設 NVIDIA A100 NVIDIA H100 NVIDIA H100 NVIDIA H100 有效算力比率假設 21.30%30.20%30.20%30.20%實際算力需求（實際算

60、力需求（PFLOPS）1,478,873,239 429,139,072,848 858,278,145,695 119,205,298,013 服務器峰值算力（PFLOPS)5 32 32 32 單位服務器包含 GPU 個數 8 8 8 8 訓練時間需求（秒）295,774,648 13,410,596,026 26,821,192,053 3,725,165,563 約合天數 3,423 155,215 310,430 43,115 30 天完成訓練需要服務器數量天完成訓練需要服務器數量 114 5,174 10,348 1,437 30 天完成訓練需要天完成訓練需要 GPU 數量數量 9

61、13 41,391 82,781 11,497 資料來源：Scaling Laws for Neural Language Models，Semianalysis，各公司官網，浦銀國際 2024-07-02 18 圖表圖表 23：海外大海外大模型推理模型推理側側算力需求算力需求 模型名稱模型名稱 GPT-3 GPT-4 Gemini Llama 3 參數量（億）1,750 18,000 18,000 4,000 假設單次對話訓練集大?。╰okens）500 500 500 500 假設日均訪問數量（百萬次）53 77 77 77 假設每次訪問對話輪數 10 10 10 10 模型訓練所需的浮點

62、運算次數模型訓練所需的浮點運算次數:2模型參數規模訓練集大小模型參數規模訓練集大?。≒FLOPS）92,750,000 1,386,000,000 1,386,000,000 308,000,000 使用硬件假設 NVIDIA A100 NVIDIA H100 NVIDIA H100 NVIDIA H100 使用效率假設 21.30%30.20%30.20%30.20%實際算力需求（實際算力需求（PFLOPS）435,446,009 4,589,403,974 4,589,403,974 1,019,867,550 服務器峰值算力（PFLOPS)5 32 32 32 單位服務器包含 GPU 個

63、數 8 8 8 8 訓練時間需求（秒）訓練時間需求（秒）87,089,202 143,418,874 143,418,874 31,870,861 約合天數 1,008 1,660 1,660 369 假設用戶的需求來源均勻分布在 24小時，每秒的算力需求 5,040 53,118 53,118 11,804 如果我們需要用戶的等待時間小于 1秒，需要的服務器數量 5,040 53,118 53,118 11,804 折合折合 GPU 個數個數 40,319 424,945 424,945 94,432 資料來源：Scaling Laws for Neural Language Models，

64、SemiAnalysis，Similarweb，各公司官網，浦銀國際 2024-07-02 19 AI 算力芯片產能瓶頸逐步解決，供需趨于平衡算力芯片產能瓶頸逐步解決，供需趨于平衡 HBM（High Bandwidth Memoery，高帶寬內存）和先進封裝 CoWoS（Chip on Wafer on Substrate）的產能是此前制約 AI 算力芯片 GPU 的瓶頸。為實現邏輯芯片的最大效率，存儲器到邏輯芯片的傳輸速度必須大于等于邏輯芯片的運算速度。同時，由于邏輯芯片的迭代速度更快，內存傳輸速度決定了一塊芯片的算力速度上限。HBM 存儲芯片是 GPU 想要實現高速計算的必需品。HBM 芯

65、片通過縱向堆疊 DRAM 裸片的方式減少內存的表面積，由此來減少傳輸距離，實現更快的內存傳輸速度。當前 HBM 領域全球主要玩家為 SK 海力士、三星和美光三家。HBM 為了將多層 DRAM 芯片相互連接、垂直堆疊，并安裝在邏輯芯片旁，需要使用 TSV(Through Silicon Via)和 3D 芯片堆疊等先進封裝技術。由于制造難度極高，必須使用先進封裝技術。先進封裝方面，主要產能來自于臺積電，三星等其他晶圓廠也有部分產能。根據我們的調研，臺積電的 CoWoS 產能在 2023 年年底達 1.2 萬片/月，預計2024 年臺積電 CoWoS 產能將達到 3 萬片/月，并在 2025 年繼

66、續擴大產能。單片 CoWoS 產能能夠封裝的 GPU 數量取決于良率和裸片大小。例如，單片CoWoS 產能可以用于封裝約 30 片英偉達 H100 GPU。但由于英偉達 B100 是通過連接兩個 GPU 裸片和 8 個 HBM 組成，其芯片面積約為 H100 的兩倍，單片 CoWoS 可滿足 15-18 片 B100 GPU。我們認為伴隨 AI 服務器需求爆發初期產能供不應求，HBM 和先進封裝CoWoS 產能成為制約 GPU 的瓶頸的困境正在得到改善。2024-07-02 20 圖表圖表 24：英偉達各環節供應商英偉達各環節供應商 功能功能 類型類型 主要廠商主要廠商 代工 代工 臺積電、三

67、星 封測 封測 日月光、Amkor 安靠 存儲 HBM SK 海力士、三星、美光 HDD 東芝、希捷 SSD 西部數據、三星電子、SK 海力士、美光 通信 光模塊 天孚通信、中際旭創、華工科技、Coherent、Fabrinet 銅互聯 安費諾 其他芯片 板內互聯(以太網芯片）博通，Marvell 接口芯片 博通 其他 散熱 Veritiv（維諦技術）、英業達 電源 麥格米特 PCB 板 滬電股份 ODM ODM 緯創、工業富聯、鴻海精密、偉創力、廣達、英業達、華勤技術、和碩、華碩、技嘉、比亞迪電子（Jabil）資料來源：英偉達公開資料整理，浦銀國際 2024-07-02 21 中國中國的的

68、AI 大模型大模型快速跟進：快速跟進：AI 需求大幅上揚和大模需求大幅上揚和大模型能力快速追趕型能力快速追趕 在 OpenAI 發布 ChatGPT 3.5 之后，中國互聯網廠商、初創企業、手機品牌、新能源車企等，都開始加速進入布局 AI 大模型相關內容。這也大幅提升全球對于 AI 算力芯片的需求。根據 IDC 預測，中國 AI 市場 IT 基建支出 2023-2027 年期間復合增長率約 20%（圖表 25）。中國 IT 基建開支由 2013 年的 146.5 億美元，增長至 2023 年的 900.2 億美元，期間復合增長率約 20%。根據 IDC 的預測，中國 AI 市場 IT基建支出將

69、有望從 2023 年約 190 億美元增長至 2027 年約 400 億美元，期間復合增長率約 20%。作為中國比較大的云服務廠商，中國運營商都在加大對于 AI 算力的基建投入，奠定新質生產力基礎。中國的四家互聯網公司（騰訊、阿里、百度、京東）資本支出在中國 IT 基建中占比于 2018 年達到峰值 43%，而后下行至2023 年占比 18%。根據公開資料，今年前四個月，全國規劃、開工、落成或啟用的智算中心項目約有 40 個。其中，由中國電信、中國聯通、中國移動投資建設的項目 14個。中國電信計劃 2024 年總投資 960 億元，在云和算力相關投資 180 億元，智算算力提升 10EFLOP

70、S，達到 21EFLOPS 以上。中國聯通規劃 2024 年總投資650 億元，投資重點由穩基礎的聯網通信業務轉向高增長的算網數智業務。再以中國移動為例，中國移動正在加快算力多元供給，不斷完善新型基礎設施。截至 2023 年，中國移動已經布局的算力包括通算 F32 8.0 EFLOPS，增長14%，和智算 F16 10.1 EFLOPS，增長 206%。公司將重點布局智算與超算算力的建設，預計在 2024 年，實現增加通算算力 1 EFLOPS 和智算算力 7 EFLOPS以上（增長 70%）。中國移動 2024 年算力規劃投資達 475 億元，累計智算算力超過 17 EFLOPS。我們認為中

71、國三大運營商在這個方向的投入也有望帶動相關 GPU算力芯片的需求的增長，包括潛在的英偉達針對中國市場的“特供版 H20 芯片”，以及部分中國 GPU 算力國產化需求。2024-07-02 22 2023 年下半年中國服務器市場收入顯著增長。中國服務器市場規模由 2018年的 188.6 億美元增長至 2023 年的 325.2 億美元，期間復合增長率 11.5%。2023 年下半年，中國服務器收入同比增速明顯提升，4Q23 收入同比增長28.8%。我們認為 2023 年下半年中國服務器市場收入增長主要由 AI 相關需求拉動。中國服務器市場前三大玩家及份額分別為浪潮信息 21%、新華三12%、超

72、聚變 8%，均為中國本土玩家。國產大模型的性能及算力需求在向 GPT-4 靠攏。我們假設國產大模型在性能向 GPT-4 靠攏的同時，其參數和算力也會向 GPT-4 靠攏。以當前國內可以購買到的英偉達 H20 為例，約合 H100 算力的 20%。如果國產大模型同樣希望在 30 天完成單個模型的測算，即需要 44,840*5=224,200 塊英偉達 H20。當前國內約有 200 個大模型。在 Llama 開源后，很多公司以 Llama 模型為基礎進行精調，但發展也受限制于 Llama 模型的迭代。我們認為相當一部分的大模型廠商會選擇自訓練。圖表圖表 25：中國中國 AI 市場市場 IT 支出預

73、測支出預測 圖表圖表 26：中國中國 IT 基建支出基建支出 注：E=IDC 預測，口徑為針對 AI 市場的 IT 支出 資料來源：IDC、浦銀國際 資料來源：IDC、浦銀國際 圖表圖表 27：中國服務器市場規模中國服務器市場規模 圖表圖表 28：中國服務器主要玩家中國服務器主要玩家 資料來源：IDC、浦銀國際 資料來源：IDC、浦銀國際 010,00020,00030,00040,00050,0002023E2024E2025E2026E2027E中國AI市場IT支出預測（百萬美元）020,00040,00060,00080,000100,00020092010201120122013201

74、4201520162017201820192020202120222023中國IT基建支出（百萬美元）浪潮信息21%新華三12%超聚變8%寧暢8%華為6%寶德4%原廠直銷4%中興4%戴爾2%其他25%-20%0%20%40%60%02,0004,0006,0008,00010,00012,0001Q183Q181Q193Q191Q203Q201Q213Q211Q223Q221Q233Q23中國服務器收入規模（百萬美元）中國服務器收入季度同比（右軸）2024-07-02 23 2024 年 6 月 25 日，OpenAI 向部分地區開發者發送警告信，表示從 7 月 9日開始不再支持訪問，收信者主

75、要來自中國地區。我們認為該事件機遇大于挑戰。國內外大模型在中文內容生成能力的差異較小，這將會促使更多的開發者轉向國產大模型。智譜 AI 已經表示，將向 OpenAI API 用戶提供“特別搬家計劃”，并且將為高用量客戶提供與 OpenAI 使用規模對等的 token 贈送計劃。同理，類似我們在海外大模型推理側算力需求的測算，我們認為伴隨更多的AI 應用和爆款 AI APP 的出現，國內大模型的推理側算力需求將顯著提升。圖表圖表 29：國產大模型國產大模型訓練側訓練側算力及算力及 GPU 需求需求 模型名稱模型名稱 文心一言文心一言 豆包豆包 混元混元 通義千問通義千問 發布時間 2023 年

76、3 月 2023 年 8 月 2023 年 9 月 2023 年 10 月 參數量（億）2,600 2,000 1,000 720 假設訓練集大?。▋| tokens）3,000 3,000 3,000 3,000 模型訓練所需的浮點運算次模型訓練所需的浮點運算次數數:6模型參數規模訓練集模型參數規模訓練集大?。ù笮。≒FLOPS）468,000,000 360,000,000 180,000,000 129,600,000 使用硬件假設 NVIDIA A100 NVIDIA A100 NVIDIA A100 NVIDIA A100 有效算力比率假設 21.30%21.30%21.30%21.3

77、0%實際算力需求（實際算力需求（PFLOPS）2,197,183,099 1,690,140,845 845,070,423 608,450,704 服務器峰值算力（PFLOPS)5 5 5 5 單位服務器包含 GPU 個數 8 8 8 8 訓練時間需求（秒）439,436,620 338,028,169 169,014,085 121,690,141 約合天數 5,086 3,912 1,956 1,408 30 天完成訓練需服務器數量天完成訓練需服務器數量 170 130 65 47 30 天完成訓練所需天完成訓練所需 GPU 數量數量 1,356 1,043 522 376 資料來源：公

78、開資料整理、浦銀國際 2024-07-02 24 AI 算力算力供應鏈解析：供應鏈解析：價值量集中度高，價值量集中度高，算力芯片端壟斷競爭算力芯片端壟斷競爭 AI 服務器價值量集中度高，提升幅度大服務器價值量集中度高，提升幅度大 英偉達 AI 服務器產業鏈環節涉及 GPU 代工、封裝、存儲（HBM）、光模塊、散熱、電源管理、服務器組裝等等。其中，GPU 代工和先進封裝主要交給臺積電完成，部分訂單交由三星完成。2024 年以前，英偉達 HBM 均由 SK 海力士供應，但今年三星和美光都將加入 HBM 供應商隊列。AI 服務器的價值量大頭集中在芯片成本本身。服務器的價值量大頭集中在芯片成本本身。A

79、I 服務器中，GPU 芯片成本占比高達 72.6%，是新增價值量最大的模塊。因此，在這輪 AI 需求爆發過程中，AI 算力芯片供應商英偉達是當前的最大受益者。而且，與傳統服務器相比，而且，與傳統服務器相比，GPU 芯片新增價值量最高芯片新增價值量最高。根據 SemiAnalysis 的拆分，我們對比了典型的 AI 服務器和通用服務器的 BOM（Bill of Materials）。典型的 AI 服務器英偉達 DGX H100 總售賣成本約 26.8 萬美元，是通用服務器的約 25 倍。AI 服務器中，GPU 芯片成本占比高達 72.6%，是新增價值量最大的模塊。智能網卡 NIC、存儲的價值量占

80、比也較為靠前，分別為 4.1%和4.2%。其他單機價值量增幅較高，值得關注的環節包括電源+300%，組裝測試+200%，CPU+181%。圖表圖表 30：AI 服務器價值量拆分服務器價值量拆分 通用服務器（以通用服務器（以 2x Intel Sapphire Rapids Server 為例）為例）AI 服務器（以服務器（以 Nvidia DGX H100為例）為例）價值增幅價值增幅 零件類型零件類型 價格（美元）價格（美元）占比占比 價格（美元）價格（美元）占比占比 單機增幅單機增幅 CPU 1,850 17.7%5,200 1.9%181%8GPU 4 NVSwitch Baseboard

81、 0.0%195,000 72.6%內存 DRAM 3,930 37.7%7,860 2.9%100%硬盤 NAND 1,536 14.7%3,456 1.3%125%網卡 SmartNIC 654 6.3%10,908 4.1%1568%機箱（外殼、背板、電纜）395 3.8%563 0.2%43%主板 300 2.9%360 0.1%20%散熱（散熱器+風扇）275 2.6%463 0.2%68%電源 300 2.9%1,200 0.4%300%組裝測試 495 4.7%1,485 0.6%200%Markup 689 6.6%42,000 15.6%5996%總成本總成本 10,424

82、100.0%268,495 100.0%2476%資料來源：SemiAnalysis，浦銀國際 2024-07-02 25 中國中國 AI 算力產業鏈算力產業鏈 受到美對中半導體限制，英偉達 A100、H100 等芯片性能超過美國商務部性能密度閾值要求，芯片無法進入中國大陸。因而盡管中國大陸具備強大的電子制造和組裝能力，但是在英偉達 AI 服務器產業鏈中的占比較少。AI 服務器的組裝中中國臺灣廠商是供應主力。美對中半導體限制也為中國 AI 芯片國產替代帶來機遇。華為是國產 AI 加速卡主要玩家。根據 IDC 的數據，2023 年，中國加速芯片的市場規模達到近140 萬張，其中 GPU 占 85

83、%的市場份額，約 119 萬張。中國本土品牌 AI 芯片出貨量超過了 20 萬張，占整體 AI 芯片市場的 14%。根據 IDC 數據，2022年華為在中國 AI 加速卡市場的市占率約 10%，是國產 AI 加速卡的最大玩家；百度、寒武紀、燧原科技也有少量份額。除計算芯片外，我們同時看好在DDR5和HBM市場有布局的相關中國企業。根據 TrendForce 的調研顯示，2022 年三大原廠 HBM 市占率分別為 SK 海力士 50%、三星約 40%、美光約 10%。國產 HBM 芯片處于起步階段。圖表圖表 31：美國對中國半導體行業的制裁持續加碼美國對中國半導體行業的制裁持續加碼 時間時間 政

84、策概況政策概況 2018-04 禁止中興通訊在未來 7 年內向美國企業購買敏感商品 2018-07 美國與中興通訊和解，但需要支付 14 億美元罰金 2019-05 美國將華為及其 70 個分支機構納入“實體清單”，美國產品及美國技術含量25%的外國產品受到限制 2019-06 華為被列為美國和其盟邦國家的安全威脅 2019-08 白宮宣布禁止美國政府部門購買華為的設備和服務 2019-10 28 家中國實體納入出口管制清單 2020-05 美國商務部 BIS 發布公告對華為管制升級，限制其采購美國產品及采用美國技術（0%）的外國商品、代工服務 2020-08 增加 38 家華為附屬公司進入實

85、體清單 2020-12 美國商務部發布公告，將中芯國際及附屬公司加入實體清單，采購含美技術設備需美國批準，14nm 及以下原則上不批準 2021-11 將多家中國半導體企業，如飛騰信息、申威、國科微、中科微、云芯微、新華三半導體等列入實體清單 2022-07 美國半導體設備企業（AMAT、LRCX 等）收到美商務部函件，要求向中國大陸禁售用于 14nm 及以下先進制程的設備 2022-08 美國芯片法案頒布，對在美國建廠給予補貼，獲得補貼的企業禁止到中國大陸建設先進制程產線 2022-10 美國商務部 BIS 公布了對向中國出口的先進計算和半導體制造物項實施新的出口管制，美國對中國半導體產業制

86、裁的再次升級。2023-03 日本、荷蘭同意美國針對中國的半導體制裁，并修改相關法規 2023-10 美國商務部 BIS 更新了芯片出口禁令新規，進一步限制中國購買高端計算芯片及先進半導體設備，并將 13 家中國 GPU企業列入實體清單 2024-4 美國 4 月 4 日開始實施對華芯片出口管制的新規定，裝載人工智能芯片的電腦出口也將受到限制 2024-5 英特爾和高通被停止了向華為供貨的許可，這可能意味著華為將無法使用高通跟英特爾的芯片 資料來源：公開資料收集、浦銀國際 2024-07-02 26 圖表圖表 32：華為昇騰供應商華為昇騰供應商 功能功能 類型類型 主要廠商主要廠商 計算 GP

87、U 華為海思（昇騰 910/310)CPU 華為海思（鯤鵬 920)存儲 HBM SK 海力士 DRAM 長鑫存儲 HDD/SSD 百維存儲、朗科、江波龍、希捷 通信 網卡 星云智聯、臺灣研華 其他芯片 PMIC 圣邦股份、矽力杰、晶豐明源、杰華特、臺達電 BMC 卓易信息 板內互聯/接口芯片 華為海思、瀾起科技 配套模塊 電源模塊 中國長城、臺達電 散熱 英維克、高瀾、川潤 PCB 板 滬電股份、勝宏科技、深南電路、生益科技 被動元器件/線纜 風華高科、三環集團、微容科技 代工生產 ODM 寶德、華鯤振宇、工業富聯、聞泰科技 資料來源：公開資料資料，浦銀國際 圖表圖表 33：國產國產 AI

88、芯片競爭格局芯片競爭格局 公司公司 產品產品 應用類型應用類型 算力算力(TFLOPS)制程制程(nm)帶寬帶寬(GB/s)功耗功耗(w)寒武紀 MLU370-X8 訓練+推理 256(INT8)7 614 250 MLU370-X4 訓練+推理 256(INT8)7 307 150 景嘉微 JM9 圖形 1.5(FP32)14 128 30 華為海思 昇騰 310 推理 16(INT8)12/8 昇騰 910 訓練 640(INT8)N7+/310 燧原科技 T20 訓練 256(INT8)/1638 300 T21 訓練 256(INT8)/1638 300 摩爾線程 MTTS3000 圖

89、形 15.2(FP32)12 448 250 海光信息 深算一號 訓練/7 1024 350 壁仞科技 BR100 訓練 240(FP32)/128 550 百度 昆侖芯 2 代 訓練+推理 256(INT8)7 512 120 資料來源：公開資料資料，浦銀國際 2024-07-02 27 AI 大模型：從云側向端側滲透大模型：從云側向端側滲透 AI 端側大模型正在快速落地中端側大模型正在快速落地中 端側端側 AI 距離用戶更近，是距離用戶更近，是 AI 大模型商業化閉環重要的應用之一大模型商業化閉環重要的應用之一。端側 AI 打造個性化助手，提升用戶體驗。端側大模型實現 AI 個人助手功能。

90、端側 AI 模型可以實現多種大眾期待的 AI 功能，打造了解個人習慣，能夠有針對性地調整回答的個人助理，功能包括健康監測、實時語音翻譯、攝影時的自動修圖等。對比云側 AI，端側 AI 具備更低的回答延時、離線 AI 功能、個人信息保密等優勢。大模型算力及內存需求龐大，通過兩方面實現落地。一方面，通過模型量化處理來減少精度，從而達到減少模型大小、減少內存消耗、加快模型推理的目標。比如，將 32 位的浮點數據，通過量化處理將數字映射到 8 位浮點數據，在最大限度保留信息的同時，模型大小將會降低到原有大小的約 1/4。在模型大小減少后，存儲空間和內存耗用都會自然減少，需要計算的浮點數量降為原來的 1

91、/4，推理速度和設備功耗也會自然減少。根據我們的調研，一個端側模型壓縮后可能需要 7-9G 的內存。另一方面，可以通過采用混合專家模型 MoE（Mixture of Experts）架構，在推理中調用大模型中的部分小型專家模型來實現。MoE 架構由多個小型專家模型組合而成，在推理過程中，只需要調用大模型中的部分小型專家模型，而非整個大模型，這樣可以大幅減少推理過程中的參數量和算力成本。例如，在其他條件不變的情況下，如果一個 1,000 億參數的大模型通過 MoE 架構在推理時將參數減少到了 50 億，那么根據推理算力計算公式，推理算力需求也減少到了 1/20。端側 AI 模型落地有兩種可能的方

92、式，一是手機搭載手機廠自研大模型，允許各 APP 進行調用。二是 APP 自帶大模型。我們認為，由于壓縮后單個端側模型對內存的占用仍然為 7-9G，而當前手機內存通常為 8-24G，所以 APP自帶本地化端側 AI 模型較為不現實。我們認為未來的發展路徑可能主要為APP 調用手機廠本地大模型，或者調用云端模型。手機廠、SoC 芯片廠共同合作助力體驗升級，蘋果自研 SoC 或將占據優勢。我們認為蘋果等具備自研 SoC 能力的手機品牌，將會具備更加順滑的跨應用平臺調用能力。蘋果在 WWDC2024 中發布 Apple Intelligence。除具備其他AI 終端具備的理解和創建語言、圖像的功能，

93、Apple Intelligence 還可以實現ChatGPT 跨蘋果平臺的調用和集成，將大幅提升蘋果終端設備的智能化程度和用戶體驗。2024-07-02 28 具備 AI 能力的手機芯片價格或將大幅提升。近期，高通宣布驍龍 8 Gen 3 芯片售價從 160 美元上漲至 200 美元，2024 年下半年即將發布的 8 Gen 4 定價達到 250 美元，人民幣價格約 1,700 元，漲幅達到 25%。而 2016 年發布的旗艦 SoC 高通驍龍發售價格僅為約 40 美元，約人民幣 300 元。2016 年至今高通旗艦 SoC 單價提升 5.6 倍，期間年復合增長率超過 21%。聯發科也有類似

94、的價格上漲趨勢，聯發科 2020 年 5G SoC 均價在 40-45 美元左右，而 4G SoC 在 15-20 美元左右，價格提升幅度超 100%。我們認為高端芯片價格的持續上漲，主要由于芯片性能不斷大幅提升，以及制造工藝升級帶來的成本提升。AI SoC 芯片的設計及工藝難度較普通高端手機 SoC 更大，我們認為具備 AI 能力的手機芯片價格或將大幅提升。今年上半年，在 CES、MWC 等全球電子展會上我們看到越來越多具備 Gen-AI 功能的智能手機亮相。例如，三星的 Galaxy S24 可實現通話實時翻譯功能，小米 14 Ultra 可實現 AI 計算攝影功能。三星、小米等高端機型在

95、今年上半年也有較好的出貨量表現。高通和聯發科分別發布的高通驍龍 8 Gen3 芯片和天璣 9300+芯片都具備 AI功能。高通的 8 Gen3 芯片支持終端設備運行 100 億參數模型。聯發科的天璣 9300+芯片具備 22 TOPS 性能算力。這些 SoC 廠商都在為 Gen-AI 端側手機提供算力基礎，這些產品將在今年下半年和明年逐步上市，推動行業成長。圖表圖表 34：智能手機智能手機SoC 出貨量占比按品牌劃分出貨量占比按品牌劃分 資料來源：Counterpoint，浦銀國際 24%26%31%32%39%42%40%35%36%36%35%33%33%31%38%37%40%31%28

96、%29%28%28%26%27%29%33%32%32%19%27%29%26%21%23%14%14%12%19%15%14%15%20%14%13%16%28%26%18%17%20%17%5%4%4%4%7%9%10%11%11%11%9%11%8%15%12%13%9%14%12%12%10%6%5%5%4%5%8%8%8%4%6%5%4%6%0%20%40%60%80%100%1Q202Q203Q204Q201Q212Q213Q214Q211Q222Q223Q224Q221Q232Q233Q234Q231Q24聯發科高通蘋果紫光展銳三星華為海思其他 2024-07-02 29 圖表圖

97、表 35：AI 手機滲透率手機滲透率 注：E=Counterpoint 預測 資料來源：Counterpoint，浦銀國際 圖表圖表 36：蘋果蘋果 M4 芯片芯片 AI 算力高達算力高達 38 TOPS M4 M1 M2 M3 發布日期發布日期 2024 年 5 月 7 日 2020 年 11 月 11 日 2022 年 6 月 7 日 2023 年 10 月 31 日 晶體管數量晶體管數量 280 億 160 億 200 億 250 億 制程工藝制程工藝 臺積電 N3B 臺積電 N5 臺積電 N5P 臺積電 N3B CPU 性能性能-3.2GHz 3.5GHz 4.1GHz 10 核 8

98、核 8 核 8 核 GPU 性能性能 10 核 7/8 核（2.6 TFLOPS)8/10 核（3.6 TFLOPS)8/10 核 NPU 性能性能 16 核（38 TOPS）16 核（11 TOPS)16 核（15.8 TOPS)16 核（18 TOPS)內存帶寬內存帶寬 120GB/s 68.25GB/s 100GB/s 100GB/s 資料來源：公司官網、浦銀國際 圖表圖表 37：AI 手機芯片手機芯片 AI 生成速度可達生成速度可達每秒每秒 22 個個 tokens 發布日期發布日期 AI 手機芯片手機芯片 品牌品牌 AI 生成速度生成速度（token/秒）秒）2023 年 10 月

99、25 日 驍龍 8 Gen3 高通 20 2023 年 11 月 6 日 天璣 9300 聯發科 20 2024 年 3 月 18 日 驍龍 8S Gen3 高通-2024 年 5 月 7 日 天璣 9300+聯發科 22 注：生成速度基于 70 億參數大模型 資料來源：公司官網、浦銀國際 圖表圖表 38：AI PC 芯片芯片算力高達算力高達 45 TOPS 公司公司 型號型號 NPU 算力（算力（TOPS)英特爾 Meteor Lake 11 Lunar Lake 45 AMD Hawk point 16 高通 高通驍龍 8cx Gen 3 29 高通驍龍 X Elite 45 蘋果 M3

100、18 M4 38 資料來源：公司官網、浦銀國際 0%10%20%30%40%50%20232024E2025E2026E2027EAI手機滲透率 2024-07-02 30 AI 算力芯片競爭格局：云側算力芯片競爭格局：云側 vs 端側端側 在云側 AI 算力芯片市場中，英偉達處于并且未來一段時間都將保持壟斷地位。英偉達潛在的競爭對手為 AMD 以及 AI 大模型廠商。但是，這些競爭對手的體量合起來仍比較小。雖然中國有華為這種形成一定體量和規模的 AI算力芯片玩家，但是中美關系緊張使得英偉達和華為幾乎無法處于直接的競爭中。在云側向端側滲透的過程中，原來的手機 SoC 設計廠商，例如高通、聯發科

101、、蘋果等，仍舊保持寡頭競爭。在這個領域中，英偉達想要滲透的難度比較高，因此端側更多還是原智能手機 SoC 廠商之間的競爭。我們認為云側和端側玩家有望同臺競技的領域是新能源車的智能駕駛和智能座艙領域。由于英偉達牢牢把控云側訓練用的算力芯片，因此中國新能源車企有較強意愿采用其新能源車端側算力芯片，例如 Orin 系列芯片，來實現智能駕駛。而智能座艙更多涉及接近智能手機用戶體驗，以及手機端 APP移植到車機的體驗，因而高通的 8295 等芯片更受到車企青睞。從新能源車長期發展來看，艙駕一體是未來趨勢。因而，使用單一 SoC 實現智能駕駛和智能座艙功能將使得英偉達和高通進入更加直接的競爭中。英偉達下一

102、代的 Thor 系列芯片和高通的 8755 芯片可能形成直接的對抗競爭。在這場競爭中誰能取得相對優勝，就看哪一個可以更快地補足相對劣勢，提供整體解決方案。而在形成明顯優勢之前，兩種方案都將在市場取得一席之地。在 2024 年 6 月 18 日，英偉達收盤市值達 3.3 萬億美元，登頂全球市值第一。在 AI 大模型滲透端側的過程中，各個品牌仍然需要英偉達的云側算力來訓練模型。這也隱含了英偉達未來一段時間收入利潤增長幅度可能更大。英偉達這兩年收入端增長大爆發，收入絕對值也快速超過手機芯片領域最重要的玩家高通。這在一定程度意味著科技產業最前沿的技術正在從手機向 AI 大模型轉移。2024-07-02

103、 31 圖表圖表 39：季度收入：英偉達季度收入：英偉達 vs 高通高通 圖表圖表 40：季度利潤：英偉達季度利潤：英偉達 vs 高通高通 注：圖中時間為日歷年（Calendar Year）；英偉達財務年（FY，Fiscal Year）為上一年2 月至當年 1 月，高通財務年（FY，Fiscal Year）為上一年 8 月至當年 9 月。資料來源：Factset、公司公告、浦銀國際 注：圖中時間為日歷年（Calendar Year）；英偉達財務年（FY，Fiscal Year）為上一年2 月至當年 1 月，高通財務年（FY，Fiscal Year）為上一年 8 月至當年 9 月。資料來源：Fa

104、ctset、公司公告、浦銀國際 圖表圖表 41：年度收入：英偉達年度收入：英偉達 vs 高通高通 2018-2025E 圖表圖表 42：年度年度凈凈利利潤：英偉達潤：英偉達 vs 高通高通 2018-2025E 注：圖中時間為日歷年（Calendar Year）；英偉達財務年（FY，Fiscal Year）為上一年2 月至當年 1 月，高通財務年（FY，Fiscal Year）為上一年 8 月至當年 9 月。E=浦銀國際預測 資料來源：Factset、公司公告、浦銀國際 注：圖中時間為日歷年（Calendar Year）；英偉達財務年（FY，Fiscal Year）為上一年2 月至當年 1 月

105、，高通財務年（FY，Fiscal Year）為上一年 8 月至當年 9 月。E=浦銀國際預測 資料來源：Factset、公司公告、浦銀國際 05,00010,00015,00020,00025,00030,0001Q222Q223Q224Q221Q232Q233Q234Q231Q24英偉達營業收入（百萬美元）高通營業收入（百萬美元）05,00010,00015,00020,0001Q222Q223Q224Q221Q232Q233Q234Q231Q24英偉達凈利潤（百萬美元）高通凈利潤（百萬美元）050,000100,000150,000200,0002018201920202021202220

106、232024E2025E英偉達營業收入（百萬美元）高通營業收入（百萬美元）(20,000)020,00040,00060,00080,000100,0002018201920202021202220232024E2025E英偉達凈利潤（百萬美元）高通凈利潤（百萬美元）2024-07-02 32 AI 算力芯片競爭格局：云側算力芯片競爭格局：云側產品比較產品比較 在今年 3 月的 GTC，英偉達發布了新一代 Blackwell 平臺的 GPU（Graphics Processing Unit，圖形處理器），包括 B200 和 GB200 等產品系列。B200 由兩個超大型裸片封裝組合而成，內含超

107、過 2080 個晶體管。這顆芯片還封裝了192GB 的高速 HBM3e 的顯存。與前一代 H100 相比，B200 的每秒輸出 token數量提升 15 倍，Supercharged AI 訓練表現提升 3 倍。與當前市場上量產的AI 算力芯片比較，英偉達的產品仍然具備明顯的性能優勢。從未來兩年來看，英偉達計劃在 2025 年推出 Blackwell 平臺 Ultra 芯片，并在 2026 年推出 Rubin 平臺的產品。我們預期英偉達有能力在 AI 算力芯片領域保持較強的產品迭代和升級能力，保持性能和成本的優勢。從更長期的競爭格局看，我們預期英偉達在從更長期的競爭格局看，我們預期英偉達在 A

108、I 算力近乎壟斷的份額會有所算力近乎壟斷的份額會有所減少減少，但是，英偉達在維持大多數產品的性能和成本優勢的同時保持相對健，但是，英偉達在維持大多數產品的性能和成本優勢的同時保持相對健康的利潤率是比較有保障的?？档睦麧櫬适潜容^有保障的。一方面，頭部的 AI 大模型玩家會有意愿開發并自研 AI 算力芯片以取得客制化差異化性能和成本優勢。特斯拉的 Dojo 超算、谷歌的 TPU 芯片、百度的昆侖 AI 芯片等，都存在取代/部分取代當前英偉達算力芯片的可能。另一方面，在 AMD 以及其他初創公司 GPU 等 AI 算力芯片性能存在部分優勢的情況下，AI 大模型廠商也會有意愿增加非英偉達芯片使用量以促

109、進 AI 算力芯片的競爭，平衡供應商之間的成本。圖表圖表 43：英偉達英偉達 GPU 產品參數產品參數 品牌品牌 英偉達英偉達 產品產品 A100 SXM H100 SXM H200 SXM H20 B200 發布時間發布時間 2020 年 2022 年 2024 年 2024 中國特供 2024 年 架構架構 Ampere Hopper Hopper Hopper Blackwell GPU 顯存顯存 80GB 80GB 141GB 96GB 192GB GPU 禁帶寬度禁帶寬度 2.0TB/s 3.3TB/s 4.8TB/s 4.0TB/s 8.0TB/s 最大最大 TDP（熱設計功耗）（

110、熱設計功耗）400W 700W 700W 400W 1000w FP64(TFLOPS)9.7 34 34 1-FP64 Tensor Core(TFLOPS)19.5 67 67 0 40 FP32(TFLOPS)19.5 67 67 44-TF32 Tensor Core(TFLOPS)156 495 989 74 1100 FP16 Tensor Core(TFLOPS)312 990 1979 148 2250 FP8 Tensor Core(TFLOPS)624 1979 3958 296 4500 INT8 Tensor Core(TFLOPS)624 1979 3958 296

111、4500 注：“-”指暫無相關信息 資料來源：公司官網、浦銀國際 2024-07-02 33 圖表圖表 44：英偉達及英偉達及 AMD 核心核心 GPU 產品對比產品對比 品牌品牌 AMD 英偉達英偉達 產品產品 MI300X H200 SXM 發布時間發布時間 2023 年 2024 年 GPU 顯存顯存 192GB 141GB GPU 禁帶寬度禁帶寬度 5.3TB/s 4.8TB/s 最大最大 TDP（熱設計功耗）（熱設計功耗）750W 700W TF32 Tensor Core 10.5PFLOPs 989TFLOPS FP16 Tensor Core 20.9PFLOPs 1,979T

112、FLOPS FP8 Tensor Core 41.8POPs 3,958TFLOPS INT8 Tensor Core 41.8PFLOPs 3,958TFLOPS 資料來源：公司官網、浦銀國際 2024-07-02 34 美股科技股價值投資回顧美股科技股價值投資回顧 美進入降息周期美進入降息周期有利于成長科技股估值上行有利于成長科技股估值上行 浦銀國際的策略組今年發布兩篇關于降息周期與科技革命交匯下的資產配置（上、下）報告，重點回顧了 1995-1996 年的降息周期（圖表 45），當時的宏觀背景與當下類似，而且遇上了互聯網的第一波投資熱潮。與策略組的判斷類似，我們認為 1995-1996

113、年美聯儲實施的降息更多是預防性降息，美國經濟也有望實現“軟著陸”。當前美股走勢有望接近 1995-1996年降息結束后，取得較好正回報（圖表 46）。與與 1995 年互聯網浪潮的起點年互聯網浪潮的起點類似，類似，當前我們正在經歷由當前我們正在經歷由 AI 引發的全球科技革命的新階段。引發的全球科技革命的新階段。在未來兩至三年內，AI 技術有望在應用和普及上迎來爆發，或將帶來難得一遇的投資機遇。在上一輪科技革命，互聯網技術迭代與資本市場的走勢息息相關。目前的投資者情緒和風險溢價水平與當時的水平也較為接近，這或能為我們布局這一輪 AIGC 引發的全球科技革命帶來了一些啟示（圖表 47）。去年至今

114、美股估值持續擴張，可能已經提前反映了美聯儲即將降息和通脹持續下滑的利好，降息周期開始之后實際利率下降給估值釋放帶來的空間可能已經有限。但是，盈利有望接棒成為支持美股向上的核心驅動力。盈利有望接棒成為支持美股向上的核心驅動力。在AIGC 的驅動下，科技龍頭公司的盈利增長預計仍較強勁，有望驅動股價向上（圖表 48）。圖表圖表 45：1990 年至今，美聯儲共開啟八輪降息周期，年至今，美聯儲共開啟八輪降息周期，“降息預期降息預期”往往提前反映在資產價格上往往提前反映在資產價格上 資料來源：CEIC、Bloomberg，Wind,浦銀國際 (30%)(20%)(10%)0%10%20%30%40%02

115、4681012199019931996199920022005200820112014201720202023（%）有效聯邦利率10年期美債收益率標普500指數表現（右軸）新冠疫情新冠疫情次貸危機次貸危機互聯網泡沫互聯網泡沫海灣戰爭海灣戰爭儲貸危機儲貸危機亞洲金融危機亞洲金融危機俄羅斯債務違約俄羅斯債務違約墨西哥墨西哥金融危機金融危機 2024-07-02 35 美股納斯達克以及美股納斯達克以及 M7 具備長線的基本面推動成長的具備長線的基本面推動成長的能力能力 Magnificent 7（M7）指美國 7 大科技巨頭，即英偉達、蘋果、谷歌、亞馬遜、Meta、微軟和特斯拉，這 7 只股票具備龐

116、大的市場規模、技術能力和財務實力，在美國科技市場占主導地位。我們復盤了 M7 過去 30 年的股價表現，我們發現 M7 的股價主要由每股盈利（EPS）驅動（圖表 50）。2012 年 5 月，M7 全部完成上市。2012 年 5 月至今，M7 股價上漲了 16 倍，其中 EPS 上漲了接近 10 倍，市盈率提升了 1.6 倍。納斯達克股價表現也和 M7 類似，2003 年 1 月至今，納斯達克股價上漲了12 倍，其中 EPS 上漲了 26 倍，市盈率為當時的 0.5 倍。圖表圖表 46：1995-1996 年降息期間及結束后短期美股年降息期間及結束后短期美股三大指數均表現強勁三大指數均表現強勁

117、 圖表圖表 47：1995-1998 年年 vs 2022 年年 11 月至今納斯月至今納斯達克指數走勢達克指數走勢 資料來源：Bloomberg、Wind、浦銀國際 資料來源：Bloomberg、Wind、浦銀國際 圖表圖表 48：科技龍頭預期盈利增速不斷得到上調科技龍頭預期盈利增速不斷得到上調 圖表圖表 49：納斯達克指數與估值納斯達克指數與估值 資料來源：Bloomberg、浦銀國際 資料來源：Bloomberg、浦銀國際 50100150200250300重新復位基期值100納指表現（1995-1998年）納指表現（2022年11月至今）(5%)0%5%10%15%20%25%30%3

118、5%1995-071995-081995-091995-101995-111995-121996-011996-021996-031996-041996-051996-061996-07標普500指數納斯達克指數道瓊斯工業指數降息期間降息期間5005506006507002023-092023-102023-112023-122024-012024-022024-032024-042024-052024-06彭博科技七姐妹指數預期EPS變動10203040506004,0008,00012,00016,00020,0002000-012002-012004-012006-012008-0120

119、10-012012-012014-012016-012018-012020-012022-012024-01納斯達克綜合指數市盈率（右軸）2024-07-02 36 2022 年底開啟的 AI 行情也主要由 EPS 驅動。當前 M7 股價較 2022 年 12 月低點上漲了 114%，其中 EPS 增長 62%，股價剩下部分由市盈率驅動。我們認為納斯達克包括 M7 持續科技創新與技術進步帶來的 EPS 提升，是美國納斯達克指數及 M7 股價長牛最重要的因素?，F在是新一輪 AI 革命的起點，人工智能對于社會生產力的提升已經初具苗頭，預計美股納斯達克以及M7 股價將會長期受基本面推動成長。因此，英

120、偉達和高通都有望享受這波AI 帶動的科技成長動能。圖表圖表 50：過去三十年過去三十年 M7 股價主要由股價主要由 EPS 驅動驅動 圖表圖表 51：2001 年年至今至今納斯達克綜合指數股價主要納斯達克綜合指數股價主要由由 EPS 驅動驅動 資料來源：Factset、浦銀國際 資料來源：Factset、浦銀國際 圖表圖表 52：M7 市盈率與十年期美債收益率大體呈市盈率與十年期美債收益率大體呈現負相關關系現負相關關系 圖表圖表 53：2022 年年 10 月以來漲幅主要來自月以來漲幅主要來自 EPS 提升提升 資料來源：Factset、浦銀國際 資料來源：Factset、浦銀國際 02040

121、6080100-10 20 30 40 50 601994-061996-081998-102000-122003-022005-042007-062009-082011-102013-122016-022018-042020-062022-08M7 EPS合計M7市盈率（右軸）02040608010001002003004005002001-112003-082005-052007-022008-112010-082012-052014-022015-112017-082019-052021-022022-11納斯達克綜指EPS納斯達克綜指市盈率（右軸）0%2%4%6%8%10%-500 1

122、,000 1,500 2,0001994-061997-011999-082002-032004-102007-052009-122012-072015-022017-092020-042022-11M7股價合計美國10年期國債平均收益率（右軸）0%2%4%6%8%10%-20 40 60 80 1001994-061996-101999-022001-062003-102006-022008-062010-102013-022015-062017-102020-022022-06M7市盈率美國10年期國債平均收益率（右軸）2024-07-02 37 圖表圖表 56：英偉達市盈率英偉達市盈率

123、vs 高通市盈率高通市盈率 vs 全球半導體全球半導體月度銷售同比增速月度銷售同比增速 vs 費城半導體市盈率費城半導體市盈率 資料來源：Factset、浦銀國際 圖表圖表 57：英偉達市盈率英偉達市盈率 圖表圖表 58：高通市盈率高通市盈率 資料來源：Factset、浦銀國際 資料來源：Factset、浦銀國際 圖表圖表 54：納斯達克綜合指數納斯達克綜合指數 vs M7 圖表圖表 55：市盈率：市盈率：納斯達克綜合指數納斯達克綜合指數 vs M7 資料來源：Factset、浦銀國際 資料來源：Factset、浦銀國際 102030405060702001-122003-122005-122

124、007-122009-122011-122013-122015-122017-122019-122021-122023-12納斯達克綜合指數市盈率M7市盈率05001,0001,5002,00005,00010,00015,00020,0001994-061995-111997-041998-092000-022001-072002-122004-052005-102007-032008-082010-012011-062012-112014-042015-092017-022018-072019-122021-052022-102024-03納斯達克綜合指數月度收盤價M7收盤價（右軸）-30

125、%-20%-10%0%10%20%30%40%0102030405060702016-012016-072017-012017-072018-012018-072019-012019-072020-012020-072021-012021-072022-012022-072023-012023-072024-01英偉達市盈率高通市盈率費城半導體指數市盈率全球半導體月度銷售同比增速（右軸）5101520252019-092020-012020-052020-092021-012021-052021-092022-012022-052022-092023-012023-052023-092024-

126、012024-05市盈率平均值+1 標準差-1 標準差2030405060702019-092020-012020-052020-092021-012021-052021-092022-012022-052022-092023-012023-052023-092024-012024-05市盈率平均值+1 標準差-1 標準差 2024-07-02 38 附錄：附錄：AI 算力算力行業術語簡介行業術語簡介 AI 服務器服務器是指專門為人工智能應用而設計和優化的服務器。普通服務器主要設計用于提供網絡服務、數據存儲和數據處理等功能，而 AI 服務器則是為了滿足人工智能應用的高性能計算、存儲和數據處理需

127、求。萬卡集群萬卡集群，是指規模數量由一萬張及以上的加速卡（包括 GPU、TPU 及其他專用 AI 加速芯片）組成的高性能計算系統，通過集成巨量規模的單卡算力芯片，用于加速人工智能模型的訓練和推理過程。GPU（graphics processing unit）即圖形處理器，主要用于圖像和圖形相關運算工作的微處理器。在浮點運算、并行計算等部分計算方面，GPU 可以提供數十倍乃至于上百倍于 CPU 的性能。FLOPS（floating-point operations per second）指計算機每秒鐘能夠執行的浮點運算次數，是一種評估計算速度的單位。FP32 被定義為單精度（32 位），FP64

128、 為雙精度（64 位）。從數據精度來看，FP64FP32TF32FP16INT8。數據精度越高，占據的帶寬越大。帶寬：帶寬：在數字芯片中指每秒可以傳輸的數據量。HBM（高帶寬存儲器）（高帶寬存儲器）采用了先進的封裝技術，如通過硅穿孔（TSV）和微凸點（micro-bump）互連，相比傳統的 DRAM（動態隨機存取存儲器）實現了更高的數據傳輸速率和更低的功耗。HBM 的設計允許多個存儲器堆疊在一起，形成一個緊湊的模塊，這不僅提高了存儲密度，還減少了與處理器之間的物理距離，從而降低了延遲。光模塊光模塊是進行光電和電光轉換的光電子器件。光模塊的發送端把電信號轉換為光信號,接收端把光信號轉換為電信號。

129、光模塊是光纖通信系統的核心器件之一，可以提供更快速的數據傳輸和更高效的計算能力，一顆 GPU 往往需要 6-8 顆光模塊。400G 光模塊是指速率為 400G 的光模塊，G 是光信號傳輸速率(Gbps)的單位。英偉達英偉達 GPU 分為分為 PCle 和和 SXM 兩種不同接口：兩種不同接口：PCIe（Peripheral component interconnect express）是英特爾公司在 2001 年提出的一種高速串行計算機擴展總線標準。優點是兼容性比較好，數據傳輸速率高、潛力大。SXM 是由英偉達設計，目的是為高性能計算和數據中心提供更強的計算能力和傳輸速度。SXM 接口的 GP

130、U 通常是存在于 DGX 系統板上，該 DGX 系統板支持 4 張或 8 張 SXM GPU，每個 GPU 之間通過 NVLink 進行通信。2024-07-02 39 SXM 方案對比方案對比 PCle 的優點：的優點：SXM 接口采用了 NVLink 的技術，可以提供更高的帶寬和更低的延遲，可以加快 GPU 之間的數據傳輸。SXM 能夠實現 4/8個 GPU 之間的通信。PCIe 在使用橋接器后雖然能夠達到和 SXM 相同的帶寬，但只能實現 2 塊 GPU 卡之間的通信。NVLink：是英偉達推出的一種高速互聯技術，使多個英偉達 GPU 可以相互連接。多卡連接后可以實現并行計算，提高數據處

131、理性能。Chiplet 也稱芯粒，是將不同功能芯片裸片的拼搭，用封裝技術整合在一起，借此在摩爾定律趨緩下的情況下實現類似先進制程的迭代，在提升性能的同時實現低成本和高良率。采用 Chiplet 時大概率需使用先進封裝，比如 2.5D封裝 CoWoS。先進封裝：先進封裝：傳統封裝的封裝效率（裸芯面積/基板面積）較低，浪費面積較多。在后摩爾定律時代，芯片制程迭代受限的情況下，先進封裝便是另一條實現更高密度的集成的出路。先進封裝技術包括 2.5D 封裝 CoWoS，以及 3D封裝技術硅通孔（TSV）等。SoC（System on Chip）是指在一塊芯片上集成一整個信息處理系統。智能手機 SoC 芯

132、片通常為 CPU、GPU、NPU 計算芯片，通信基帶芯片、影音處理、顯示、內存芯片集合，包含一套完整處理系統?；鶐酒ɑ鶐酒˙aseband Chip）內含調制調節器（內含調制調節器（Modem）、信道編碼器、數字信號編碼器等。調制調節器（調制調節器（Modem），俗稱“貓”，可以將數字信號轉換為模擬信號以通過電話傳播。微控制器微控制器（MCU，Micro Control Unit)，將 CPU、RAM、ROM 集成在一片芯片上。MCU 對比 SoC 的區別在于，MCU 是是芯片級的芯片芯片級的芯片，SoC 是系統級的是系統級的芯片芯片。SoC 一個完整的單芯片計算機系統，可能包含許多

133、MCU。IP 核（核（Intellectual Property Core），指已驗證、可重復利用、具有某種確定功能的芯片設計模塊。浦銀國際研究浦銀國際研究 首次覆蓋首次覆蓋|科技科技行業行業 本研究報告由浦銀國際證券有限公司分析師編制，請仔細閱讀本報告最后部分的分析師披露、商業關系披露及免責聲明。英偉達英偉達（NVDA.US）首次覆蓋首次覆蓋：AI 賽賽道坡長道坡長雪雪厚厚，增長，增長可期可期 投資風險：投資風險：全球或美國經濟下行，多個下游需求動能不足；AI 需求爆發持續性弱于預期，大模型廠商盈利低于預期；半導體周期上行動能不足；行業競爭加劇，拖累利潤表現；研發等費用率增長較快；芯片等迭代

134、速度和性能低于預期。圖表圖表 59：盈利預測和盈利預測和財務指標財務指標（FY2023-FY2027E）美元百萬美元百萬 FY2023 FY2024 FY2025E FY2026E FY2027E 營業收入 26,974 60,922 117,311 157,568 188,605 營收同比增速 0%126%93%34%20%凈利潤 4,368 29,760 61,972 84,243 100,935 凈利潤增速-55%581%108%36%20%目標 PE（x）84.1 12.3 59.3 43.6 36.4 注：英偉達財務年（FY，Fiscal Year）為上一年 2 月至當年 1 月；E

135、=浦銀國際預測；資料來源：公司公告、浦銀國際 我們首次覆蓋我們首次覆蓋英偉達（英偉達（NVDA.US）,給予給予“買入買入”評級，評級，目標價為目標價為 147.6美元美元，潛在，潛在升升幅幅 19%。AI 算力最大受益者，享受科技行業初期成長動能算力最大受益者，享受科技行業初期成長動能：英偉達是 AI 大模型需求爆發后最大最直接的受益者。目前，英偉達在云側 AI 訓練和推理芯片幾乎占據壟斷地位。中短期來看，AI 大模型算法廠商出于競爭目的依然有較高意愿購買算力，以支撐其模型的迭代和性能領先。長期來看，AI 大模型正在滲透千行百業，推動全球經濟增長。雖然英偉達目前 43.6x 的未來 12 個

136、月的市盈率不是最低價，但是美國降息疊加 AI 科技革命有望給與估值溢價支撐。因此，我們對英偉達保持較為樂觀態度。AI 算力芯片需求高速成長，供需平衡全力推動釋放增量算力芯片需求高速成長，供需平衡全力推動釋放增量：借助代工廠產能加速擴建，英偉達有望跟上 AI 大模型帶來的 AI 算力的高速增長。同時，借助 GPU 持續迭代，英偉達有能力在市場中保持較高的競爭力，以維護自身利潤空間。我們預期來自于數據中心的收入在 2025 財年和 2026 財年將分別同比增長 118%和 39%，是英偉達最重要的收入和利潤推動器。半導體周期上行，推動游戲、自動駕駛等重回增長半導體周期上行，推動游戲、自動駕駛等重回

137、增長：全球半導體行業基本面持續上行，有望借助游戲、新能源車等下游需求復蘇，而維持增長。因此，我們看到游戲、新能源車行業本身的增長將會帶動英偉達業務板塊保持較高增長動能。進一步看，新能源車可能是AI 大模型落地端側最顯性的應用，因此我們看好公司智駕業務的未來三年都將保持 30%以上的增速。估值：估值：我們采用 DCF（Discounted Cash Flow，現金流量貼現法）估值方法。我們假設英偉達FY2030-FY2034的營收成長率為30%-35%，永久增長率為 3%，WACC（Weighted Average Cost of Capital，加權平均資金成本）是 16.3%，得到英偉達目標

138、價為 147.6 美元，潛在升幅19%，對應 FY2025 市盈率為 59.3x，首予“買入”評級。英偉達英偉達(NVDA.US)目標價（美元）目標價（美元）147.6 潛在升幅潛在升幅/降幅降幅+19%目前股價（美元）124.0 52 周內股價區間（美元）39.2-140.8 總市值（百萬美元）3,050,154 近 90 日日均成交額（百萬美元）435 注：截至 2024 年 6 月 27 日收盤價 市場預期區間市場預期區間 SPDBI 目標價 目前價 市場預期區間 資料來源：Factset、浦銀國際 股價相對表現股價相對表現 截至 2024 年 6 月 27 日收盤價 資料來源：Fact

139、set、浦銀國際 USD 200.0USD 124.0USD 147.6(50%)0%50%100%150%200%250%05010015023-0623-0923-1224-03英偉達股價（美元）相對于標普500表現(右軸)浦銀國際浦銀國際 首次覆蓋首次覆蓋 英偉達（英偉達（NVDA.US）首次覆蓋首次覆蓋 浦銀國際研究浦銀國際研究 2024-07-02 41 首次覆蓋首次覆蓋|科技科技行業行業 財務報表分析與預測財務報表分析與預測利潤表利潤表現金流量表現金流量表美元百萬美元百萬FY2023FY2024FY2025EFY2026EFY2027E美元百萬美元百萬FY2023FY2024FY2

140、025EFY2026EFY2027E營業收入營業收入26,974 60,922 117,311 157,568 188,605 經營活動產生的現金流量凈額經營活動產生的現金流量凈額5,641 28,090 49,431 79,306 96,305 營業成本(11,618)(16,621)(29,040)(39,421)(47,073)凈利潤4,368 29,760 61,972 84,243 100,935 毛利毛利15,356 44,301 88,271 118,147 141,531 折舊及攤銷1,544 1,508 1,495 1,858 2,366 營業支出營業支出(11,132)(1

141、1,329)(15,713)(21,103)(25,324)其他營業活動現金流1,943 822 (2,851)1,425 (713)銷售、行政及一般費用(2,440)(2,654)(4,022)(5,399)(6,458)營運資金變動營運資金變動(2,214)(4,000)(11,185)(8,221)(6,283)研發費用(7,339)(8,675)(11,692)(15,704)(18,866)應收賬款(增加)/減少822 (6,172)(9,255)(6,607)(5,094)重組及其他費用/收入(1,353)-存貨(增加)/減少(2,554)(98)(3,947)(3,299)(2,

142、432)營業利潤營業利潤4,224 32,972 72,558 97,044 116,207 應付賬款增加/(減少)1,042 4,070 2,017 1,686 1,243 營業外收支營業外收支(43)846 1,214 1,167 1,159 其他經營資金變動(1,524)(1,800)-利息收入/（支出）凈額5 609 964 937 935 利息收入（支出）-其他收益/(支出)凈額(48)237 250 230 225 投資活動產生的現金流量凈額投資活動產生的現金流量凈額7,375 (10,566)(21,427)(17,887)(16,144)稅前利潤稅前利潤4,181 33,818

143、 73,772 98,211 117,367 資本支出(1,959)(2,137)(4,115)(5,527)(6,616)所得稅187 (4,058)(11,800)(13,968)(16,431)短期投資9,334 (8,429)(17,312)(12,360)(9,529)凈利潤凈利潤(不含少數股東權益不含少數股東權益)4,368 29,760 61,972 84,243 100,935 其他-少數股東和可贖回少數股東損益-融資活動產生的現金流量凈額融資活動產生的現金流量凈額(11,617)(13,633)(17,953)(26,436)(32,545)歸屬普通股東凈利潤歸屬普通股東凈利

144、潤4,368 29,760 61,972 84,243 100,935 借款-(1,250)1,586 1,904 2,284 基本股數（百萬）2,490 2,490 24,900 24,900 24,900 發行股份(9,684)(9,130)(17,581)(23,614)(28,265)攤銷股數（百萬）2,490 2,490 24,900 24,900 24,900 發行債券-基本每股收益基本每股收益(美元）美元）1.75 11.95 2.49 3.38 4.05 發放現金股利(398)(395)(2,691)(5,604)(7,618)稀釋每股收益（美元）稀釋每股收益（美元）1.75

145、11.95 2.49 3.38 4.05 其他(1,535)(2,858)732 878 1,054 外匯損益-現金及現金等價物凈流量現金及現金等價物凈流量1,399 3,891 10,051 34,984 47,616 期初現金及現金等價物1,990 3,389 7,280 17,331 52,314 期末現金及現金等價物期末現金及現金等價物3,389 7,280 17,331 52,314 99,930 資產負債表資產負債表主要財務比率主要財務比率美元百萬美元百萬FY2023FY2024FY2025EFY2026EFY2027EFY2023FY2024FY2025EFY2026EFY202

146、7E貨幣資金3,389 7,280 17,331 52,314 99,930 營運指標增速營運指標增速現金及其等價物9,907 18,704 36,016 48,376 57,905 營業收入增速0%126%93%34%20%應收賬款3,827 9,999 19,254 25,861 30,955 毛利潤增速(12%)188%99%34%20%存貨5,159 5,282 9,229 12,528 14,959 營業利潤增速(58%)681%120%34%20%其他流動資產791 3,080 5,931 4,505 5,218 凈利潤增速(55%)581%108%36%20%流動資產合計流動資產

147、合計23,073 44,345 87,760 143,584 208,968 固定資產-物業,廠房及設備3,807 3,914 6,534 10,203 14,452 盈利能力盈利能力無形資產1,676 1,112 1,112 1,112 1,112 凈資產收益率19.8%69.2%73.2%60.3%49.3%商譽4,372 4,430 4,430 4,430 4,430 總資產報酬率10.6%45.3%55.4%49.2%41.9%租賃權1,038 1,346 1,346 1,346 1,346 投入資本回報率11.9%48.9%59.4%52.2%44.0%其他非流動資產7,216 10

148、,581 10,581 10,581 10,581 資產總計資產總計41,182 65,728 111,763 171,256 240,889 利潤率利潤率短期借款5,370 7,932 9,518 11,422 13,706 毛利率56.9%72.7%75.2%75.0%75.0%應付賬款1,193 2,699 4,716 6,401 7,644 營業利潤率15.7%54.1%61.9%61.6%61.6%其他流動負債-凈利潤率16.2%48.8%52.8%53.5%53.5%流動負債合計流動負債合計6,563 10,631 14,234 17,823 21,350 長期借款9,703 8,

149、459 8,459 8,459 8,459 營運能力營運能力其他非流動負債2,815 3,660 4,392 5,270 6,324 現金循環周期現金循環周期負債合計負債合計19,081 22,750 27,085 31,553 36,134 應收賬款周轉天數 57 41 46 52 55 實收資本11,973 13,134 13,134 13,134 13,134 存貨周期天數 122 115 91 101 107 資本公積10,171 29,817 71,517 126,542 191,594 應付賬款周轉天數 47 43 47 51 54 留存收益(43)27 27 27 27 其他綜合

150、收益-凈債務（凈現金）11,684 9,111 647 (32,433)(77,765)少數股東股權益-自由現金流 1,739 25,131 48,167 72,354 90,402 股東權益合計股東權益合計22,101 42,978 84,678 139,703 204,755 負債及股東權益和計負債及股東權益和計41,182 65,728 111,763 171,256 240,889 E=浦銀國際預測注：英偉達財務年（FY,Fiscal Year）為上一年2月至當年1月浦銀國際研究浦銀國際研究 2024-07-02 42 首次覆蓋首次覆蓋|科技科技行業行業 英偉達英偉達公司速覽公司速覽

151、2020 年，英偉達推出 A100。作為首款采用 Ampere 架構的 GPU，A100 較前一代 V100 在 HPC 上有 1.5x-2x 的效率提升。A100 允許將單個 GPU 分割成多個小的獨立 GPU，大大提升了云和數據中心的資源分配效率。A100能在 FP32 到 NT4 的精度范圍內進行加速，提升深度學習推理效率。2022年，英偉達推出H100。H100升級了Tensor核心，支持雙精度（FP64）、單精度（FP32）、半精度（FP16）和整數（INT8）計算負載，顯著提高了AI 訓練和推理的速度。以 GPT-3 為例，H100 在 1750 億參數的大模型上性能較 A100

152、快 4x。如果采用 NVLink 方案，H100 在 3950 億參數的大模型上速度為 A100 的 6x。2024 年，英偉達推出 H200。H200 是首款采用 HBM3e 的 GPU。在 Llama大模型上，其性能較 H100 提升了 1.4x-1.9x。由于 H200 基于 Hopper 架構，與 H100 相互兼容，因此人工智能公司無需更改其服務器系統或軟件即可使用新版本。2024 年 GTC 大會上，英偉達推出旗艦款 GPU B100，搭載 Blackwell 架構，采用先進的 3nm 制程技術。將兩個計算芯片連接到 8 個 8-Hi HBM3e 顯存堆棧，總容量高達 192GB。

153、這種 2.5D 封裝技術不僅提高了 B100 處理能力，同時也節省了空間并降低了功耗，B100、B200 和 GB200，其主要區別在于功率和性能。據英偉達介紹，這些芯片的工作功率范圍可在700W 至 1200W 之間，視具體型號和冷卻方式而定。最早，NVIDIA 針對美國禁售的 A100、H100，為中國市場設計了特供版A800、H20。雖然這兩款特供版芯片在傳輸帶寬上有所“閹割”，但是其算力并未減少。理論上有可能還原到 A100、H100 原有的性能。浦銀國際研究浦銀國際研究 2024-07-02 43 首次覆蓋首次覆蓋|科技科技行業行業 圖表圖表 60：英偉達季度收入及同比增速英偉達季度

154、收入及同比增速 圖表圖表 61：英偉達季度收入拆分英偉達季度收入拆分 注：FY=Fiscal Year，財務年 資料來源：Wind、浦銀國際 注：FY=Fiscal Year，財務年 資料來源：Wind、浦銀國際 圖表圖表 62：英偉達季度營業利潤率拆分英偉達季度營業利潤率拆分 圖表圖表 63：英偉達季度英偉達季度利潤及同比增速利潤及同比增速 注：FY=Fiscal Year，財務年 資料來源：Wind、浦銀國際 注：FY=Fiscal Year，財務年 資料來源：Wind、浦銀國際 圖表圖表 64：英偉達英偉達年年度度收入及增速預測收入及增速預測 圖表圖表 65：英偉達英偉達年度利潤及增速預

155、測年度利潤及增速預測 注：E=浦銀國際預測；FY=Fiscal Year，財務年 資料來源：Wind、浦銀國際 注：E=浦銀國際預測；FY=Fiscal Year，財務年 資料來源：Wind、浦銀國際-50%0%50%100%150%200%250%300%05,00010,00015,00020,00025,00030,000FY2Q23FY3Q23FY4Q23FY1Q24FY2Q24FY3Q24FY4Q24FY1Q25營收（百萬美元）營收同比增速（右軸）57%65%60%60%76%80%83%87%30%27%30%31%18%16%13%10%7%3%4%4%3%2%2%2%0%20%

156、40%60%80%100%FY2Q23FY3Q23FY4Q23FY1Q24FY2Q24FY3Q24FY4Q24FY1Q25數據中心游戲專業可視化汽車與自動駕駛其他0%20%40%60%80%FY2Q23FY3Q23FY4Q23FY1Q24FY2Q24FY3Q24FY4Q24FY1Q25計算及網絡圖像(40%)(20%)0%20%40%60%05,00010,00015,00020,000FY2Q23FY3Q23FY4Q23FY1Q24FY2Q24FY3Q24FY4Q24FY1Q25凈利潤（百萬美元）凈利潤同比增速（右軸）(50%)0%50%100%150%050,000100,000150,0

157、00200,000FY2020FY2021FY2022FY2023FY2024FY2025EFY2026EFY2027E營業收入（百萬美元）營收同比增速（右軸）(200%)0%200%400%600%800%020,00040,00060,00080,000100,000120,000FY2020FY2021FY2022FY2023FY2024FY2025EFY2026EFY2027E凈利潤（百萬美元）凈利潤同比增速（右軸）浦銀國際研究浦銀國際研究 2024-07-02 44 首次覆蓋首次覆蓋|科技科技行業行業 估值估值 我們采用 DCF（Discounted Cash Flow，現金流量貼現

158、法）估值方法。我們假設英偉達FY2030-FY2034的營收成長率為30%-35%，永久增長率為3%。另外，我們假設 WACC（Weighted Average Cost of Capital，加權平均資金成本）是 16.3%，得到英偉達目標價為 147.6 美元，潛在升幅 19%，對應FY2025 市盈率為 59.3x，首予“買入”評級。圖表圖表 67：英偉達英偉達自由現金流預測自由現金流預測 美元百萬美元百萬 FY2025E FY2026E FY2027E FY2028E FY2029E FY2030E FY2031E FY2032E FY2033E FY2034E FY2035 往后往后

159、 營業收入 117,311 157,568 188,605 263,557 363,117 490,208 661,781 860,316 1,118,411 1,453,934 營收增速 93%34%20%40%38%35%35%30%30%30%經營利潤 72,558 97,044 116,207 165,771 232,142 314,372 425,726 555,164 723,950 944,043 經營利潤率 61.9%61.6%61.6%62.9%63.9%64.1%64.3%64.5%64.7%64.9%加：折舊及攤銷 1,495 1,858 2,366 2,954 3,82

160、5 5,164 6,971 9,063 11,782 15,316 EBITDA 74,053 98,903 118,573 168,726 235,967 319,536 432,697 564,227 735,732 959,359 EBITDA 率 63.1%62.8%62.9%64.0%65.0%65.2%65.4%65.6%65.8%66.0%所得稅率 16.0%14.2%14.0%14.0%14.0%14.0%14.0%14.0%14.0%14.0%資本支出(4,115)(5,527)(6,616)(9,245)(12,737)(14,648)(16,845)(18,530)(20

161、,383)(22,421)資本支出占營收比 3.5%3.5%3.5%3.5%3.5%3.0%2.5%2.2%1.8%1.5%凈營運資本變動(11,185)(8,221)(6,283)(8,734)(17,531)(16,567)(15,656)(14,247)(9,260)(6,019)自由現金流 70,360 98,957 121,944 173,954 238,198 332,333 459,798 609,173 807,442 1,063,085 9,584,809 永續增長率 3.0%資料來源：浦銀國際預測 圖表圖表 66：英偉達英偉達 WACC 假設假設 WACC 計算計算 Bet

162、a 1.6 債務成本 12.3%無風險利率 4.6%債務股本比 17.5%股權風險溢價 8.1%所得稅率 14.0%股本成本 17.5%WACC 16.3%注：WACC，WeightedAverageCostofCapital，加權平均資金成本 資料來源：浦銀國際預測 圖表圖表 68：英偉達英偉達 DCF 估值預測估值預測（FY2025）WACC 自由現金流現值自由現金流現值(美元美元百萬百萬)凈現金凈現金(美元美元百萬百萬)權益價值權益價值(美元美元百萬百萬)股數股數(百萬百萬)每股價值每股價值(美美元元)16.3%3,675,803 (647)3,675,156 24,900 147.6

163、資料來源：浦銀國際預測 浦銀國際研究浦銀國際研究 2024-07-02 45 首次覆蓋首次覆蓋|科技科技行業行業 圖表圖表 69：英偉達英偉達歷史歷史 PE：2019 年年以來均值以來均值 38.5x 注：截至 2024 年 6 月 27 日收盤價 資料來源：Factset、浦銀國際 010203040506070802019-092019-122020-032020-062020-092020-122021-032021-062021-092021-122022-032022-062022-092022-122023-032023-062023-092023-122024-03市盈率平均值+

164、1 標準差-1 標準差浦銀國際研究浦銀國際研究 2024-07-02 46 首次覆蓋首次覆蓋|科技科技行業行業 SPDBI 樂觀與悲觀情景假設樂觀與悲觀情景假設 圖表圖表 70：市場普遍預期市場普遍預期：英偉達英偉達（NVDA.US）資料來源：Factset、浦銀國際 圖表圖表 71：SPDBI 情景假設情景假設：英偉達（英偉達（NVDA.US）樂觀情景樂觀情景：公司收入增長好于預期：公司收入增長好于預期 悲觀情景悲觀情景：公司收入增長不及預期：公司收入增長不及預期 目標價：200.1 美元（概率：20%）目標價：107.5 美元（概率：10%）AI 算力需求增長好于預期，需求持續性動能充裕

165、維持供需緊平衡，價格有上行動能 新能源車智駕滲透率大幅提升 公司產品持續快速迭代，推動 GPU 保持市場領先 AI 基建投入不及預期，GPU 及 AI 服務器需求提升速度不及預期 競爭對手或者 AI 大模型廠商的產品發力，公司在 AI訓練或推理市場份額下行速度較快 費用等投入較高，拖累利潤表現 資料來源：浦銀國際預測 浦銀國際研究浦銀國際研究 2024-07-02 47 首次覆蓋首次覆蓋|科技科技行業行業 圖表圖表 72：SPDBI 目標價：目標價：英偉達（英偉達（NVDA.US）資料來源：Factset、浦銀國際 146.7002040608010012014016018020023-032

166、3-0623-0923-1224-0324-06英偉達股價(美元)買入持有賣出浦銀國際研究浦銀國際研究 2024-07-02 48 首次覆蓋首次覆蓋|科技科技行業行業 風險提示風險提示 下行風險下行風險 美國或全球經濟下行，多個下游需求動能不足；AI 需求爆發持續性弱于預期，大模型廠商盈利低于預期；半導體周期上行動能不足；行業競爭加劇，拖累利潤表現；研發等費用率增長較快；GPU 芯片等迭代速度和性能低于預期。浦銀國際研究浦銀國際研究 2024-07-02 49 首次覆蓋首次覆蓋|科技科技行業行業 公司背景公司背景 圖表圖表 73：英偉達英偉達發展里程發展里程碑碑 年份年份 里程碑里程碑 199

167、3 年 英偉達成立于美國加州 1999 年 英偉達進行了一項開創性的發明：圖形處理單元（GPU）。同年掛牌上市 2006 年 英偉達推出 CUDA 架構，將 GPU 的并行處理能力開放給科學研究和計算 2012 年 英偉達開始布局人工智能 2015 年 英偉達發布支持高級駕駛輔助系統的 NVIDIA DRIVE 2016 年 英偉達推出 PASCAL 架構 2016 年 英偉達推出 DGX-1，為全球首款深度學習一體化超級計算機 2018 年 推出 RTX GPU，是第一個支持實時光線追蹤的產品 2020 年 收購 Mellanox 2020 年 推出 Ampere 架構與首款采用 Amper

168、e 架構的 GPU A100 2022 年 推出 H100，升級了 Tensor 核心，顯著提高了 AI 訓練和推理的速度 2023 年 推出 GH200 芯片 DGX 超級計算系統 2024 年 推出 H200 芯片，是首款采用 HBM3e 的 GPU。推出旗艦款 GPU B100，搭載 Blackwell 架構，采用先進的 3nm 制程技術 資料來源：公開資料整理、浦銀國際 浦銀國際研究浦銀國際研究 2024-07-02 50 首次覆蓋首次覆蓋|科技科技行業行業 財務報表財務報表 圖表圖表 74：英偉達英偉達：損益表：損益表 美元百萬美元百萬 FY2023 FY2024 FY2025E F

169、Y2026E FY2027E 營業收入營業收入 26,974 60,922 117,311 157,568 188,605 營業成本(11,618)(16,621)(29,040)(39,421)(47,073)毛利潤毛利潤 15,356 44,301 88,271 118,147 141,531 營業支出營業支出 (11,132)(11,329)(15,713)(21,103)(25,324)銷售、行政及一般費用(2,440)(2,654)(4,022)(5,399)(6,458)研發費用(7,339)(8,675)(11,692)(15,704)(18,866)重組及其他費用/收入(1,3

170、53)-營業利潤營業利潤 4,224 32,972 72,558 97,044 116,207 營業外收支營業外收支 (43)846 1,214 1,167 1,159 利息收入/（支出）凈額 5 609 964 937 935 其他收益/(支出)凈額(48)237 250 230 225 稅前利潤稅前利潤 4,181 33,818 73,772 98,211 117,367 所得稅 187(4,058)(11,800)(13,968)(16,431)凈利潤凈利潤 4,368 29,760 61,972 84,243 100,935 少數股東和可贖回少數股東損益-歸屬普通股東凈利潤歸屬普通股東

171、凈利潤 4,368 29,760 61,972 84,243 100,935 基本股數（百萬）2,490 2,490 24,900 24,900 24,900 攤銷股數（百萬）2,490 2,490 24,900 24,900 24,900 基本每股收益（美元）基本每股收益（美元）1.75 11.95 2.49 3.38 4.05 稀釋每股收益（美元）稀釋每股收益（美元）1.75 11.95 2.49 3.38 4.05 注：E=浦銀國際預測；英偉達財務年（FY，Fiscal Year）為上一年 2 月至當年 1 月 資料來源：公司公告、浦銀國際 浦銀國際研究浦銀國際研究 2024-07-02

172、 51 首次覆蓋首次覆蓋|科技科技行業行業 圖表圖表 75：英偉達英偉達：資產負債資產負債表表 美元百萬美元百萬 FY2023 FY2024 FY2025E FY2026E FY2027E 貨幣資金 3,389 7,280 17,331 52,314 99,930 受限制資金 9,907 18,704 36,016 48,376 57,905 應收賬款 3,827 9,999 19,254 25,861 30,955 存貨 5,159 5,282 9,229 12,528 14,959 其他流動資產 791 3,080 5,931 4,505 5,218 流動資產合計流動資產合計 23,073

173、 44,345 87,760 143,584 208,968 固定資產-物業,廠房及設備 3,807 3,914 6,534 10,203 14,452 無形資產 1,676 1,112 1,112 1,112 1,112 商譽 4,372 4,430 4,430 4,430 4,430 租賃權 1,038 1,346 1,346 1,346 1,346 其他非流動資產 7,216 10,581 10,581 10,581 10,581 資產總計資產總計 41,182 65,728 111,763 171,256 240,889 短期借款 5,370 7,932 9,518 11,422 13

174、,706 應付賬款 1,193 2,699 4,716 6,401 7,644 其他流動負債-流動負債合計流動負債合計 6,563 10,631 14,234 17,823 21,350 長期借款 9,703 8,459 8,459 8,459 8,459 其他非流動負債 2,815 3,660 4,392 5,270 6,324 負債合計負債合計 19,081 22,750 27,085 31,553 36,134 實收資本 11,973 13,134 13,134 13,134 13,134 資本公積 10,171 29,817 71,517 126,542 191,594 留存收益(43

175、)27 27 27 27 其他綜合收益-少數股東股權益-股東權益合計股東權益合計 22,101 42,978 84,678 139,703 204,755 負債及股東權益和計負債及股東權益和計 41,182 65,728 111,763 171,256 240,889 注：E=浦銀國際預測；英偉達財務年（FY，Fiscal Year）為上一年 2 月至當年 1 月 資料來源：公司公告、浦銀國際 浦銀國際研究浦銀國際研究 2024-07-02 52 首次覆蓋首次覆蓋|科技科技行業行業 圖表圖表 76：英偉達英偉達：現金流量現金流量表表 美元百萬美元百萬 FY2023 FY2024 FY2025E

176、 FY2026E FY2027E 經營活動產生的現金流量凈額經營活動產生的現金流量凈額 5,641 28,090 49,431 79,306 96,305 凈利潤 4,368 29,760 61,972 84,243 100,935 折舊及攤銷 1,544 1,508 1,495 1,858 2,366 其他營業活動現金流 1,943 822(2,851)1,425(713)營運資金變動營運資金變動 (2,214)(4,000)(11,185)(8,221)(6,283)應收賬款(增加)/減少 822(6,172)(9,255)(6,607)(5,094)存貨(增加)/減少 (2,554)(9

177、8)(3,947)(3,299)(2,432)應付賬款增加/(減少)1,042 4,070 2,017 1,686 1,243 其他經營資金變動 (1,524)(1,800)-利息收入（支出）-投資活動產生的現金流量凈額投資活動產生的現金流量凈額 7,375(10,566)(21,427)(17,887)(16,144)資本支出 (1,959)(2,137)(4,115)(5,527)(6,616)短期投資 9,334(8,429)(17,312)(12,360)(9,529)其他 -融資活動產生的現金流量凈額融資活動產生的現金流量凈額 (11,617)(13,633)(17,953)(26,

178、436)(32,545)借款 -(1,250)1,586 1,904 2,284 發行股份 (9,684)(9,130)(17,581)(23,614)(28,265)發行債券 -發放現金股利 (398)(395)(2,691)(5,604)(7,618)其他 (1,535)(2,858)732 878 1,054 外匯損益 -現金及現金等價物凈流量現金及現金等價物凈流量 1,399 3,891 10,051 34,984 47,616 期初現金及現金等價物 1,990 3,389 7,280 17,331 52,314 期末現金及現金等價物期末現金及現金等價物 3,389 7,280 17,

179、331 52,314 99,930 注：E=浦銀國際預測；英偉達財務年（FY，Fiscal Year）為上一年 2 月至當年 1 月 資料來源：公司公告、浦銀國際 浦銀國際研究浦銀國際研究 首次覆蓋首次覆蓋|科技科技行業行業 本研究報告由浦銀國際證券有限公司分析師編制，請仔細閱讀本報告最后部分的分析師披露、商業關系披露及免責聲明。高通高通（QCOM.US）首次覆蓋：首次覆蓋：端側端側 AI推動公司開啟大成長周期推動公司開啟大成長周期 我們首次覆蓋我們首次覆蓋高通（高通（QCOM.US），給予“買入”評級，目標價為，給予“買入”評級，目標價為人民人民幣幣 240.7 美元美元，潛在升幅，潛在升幅

180、 23%。端側端側 AI 的最大受益標的，開啟大成長周期的最大受益標的，開啟大成長周期：高通正在進入大成長周期，主要驅動力來源于：1）AI 智能手機滲透率快速上揚，帶動出貨量的價格上升，2）新能源車業務維持高份額高增長的增長動能，3）全球半導體基本面周期依然在上行，仍然有較大的上行時間和空間機會。我們預期高通 2024 財年和 2025 財年凈利潤將分別同比增長 30%和 13%。當前市盈率 19.1x，在美降息預期以及端側 AI 帶來的估值溢價支撐下，我們維持對于公司比較樂觀的態度。智能手機需求復蘇，智能手機需求復蘇，AI 智能手機拉動平均單價成長智能手機拉動平均單價成長：作為 AI 落地端

181、側最大的終端，AI 智能手機滲透率有望在 2024 年和 2025 年達到 11%和 24%，并且帶動智能手機換機需求，推動出貨量進入溫和增長。進一步看，我們預計端側 AI 帶動 SoC 價值上浮約 25%。因此，高通已經步入手機芯片量價齊升的大周期，是端側 AI 的受益標的。新能源車業務有望新能源車業務有望提供提供長期增量長期增量：新能源車的智能駕駛和智能座艙也是端側 AI 落地的重要領域。高通的智能座艙芯片已經取得較高市場份額，并可以享受行業持續增長動能。進一步看，未來新能源車艙駕一體需求有望提升高通在新能源車中的價值量，推動公司該業務板塊的長期增長。估值：估值：我們采用 DCF（Disc

182、ounted Cash Flow，現金流量貼現法）估值方法。我們假設高通 FY2029-FY2033 的成長率為 12%，永久增長率為 3%，WACC（Weighted Average Cost of Capital，加權平均資金成本）是 11.2%，得到高通目標價為 240.7 美元，潛在升幅 23%，對應 FY2024 PE 為 28.8x，首予“買入”評級。投資風險：投資風險：美國或全球經濟下行，智能手機、新能源車等下游需求動能不足；AI 智能手機滲透率上揚速度較慢，滲透中低端價格段手機較慢；半導體周期上行動能不足；行業競爭加劇，拖累利潤表現；研發等費用率增長較快；芯片等迭代速度和性能低

183、于預期。圖表圖表 77：盈利預測和財務指標（盈利預測和財務指標（FY2022-FY2026E）美元百萬美元百萬 FY2022 FY2023 FY2024E FY2025E FY2026E 營業收入 44,200 35,820 38,415 42,763 45,713 營收同比增速 32%-19%7%11%7%凈利潤 12,936 7,232 9,389 10,633 11,447 凈利潤增速 43%-44%30%13%8%目標 PE（x）20.8 37.2 28.8 25.2 23.4 E=浦銀國際預測 資料來源：公司公告、浦銀國際 高通高通(QCOM.US)目標價（美元）目標價（美元）240

184、.7 潛在升幅潛在升幅/降幅降幅+23%目前股價（美元）195.2 52 周內股價區間（美元）102.7-230.6 總市值（百萬美元）217,787 近 90 日日均成交額（百萬美元）9.51 注：截至 2024 年 6 月 27 日收盤價 市場預期區間市場預期區間 SPDBI 目標價 目前價 市場預期區間 資料來源：Factset、浦銀國際 股價相對表現股價相對表現 注：截至 2024 年 6 月 27 日收盤價 資料來源：Factset、浦銀國際 USD 140.0USD 255.0USD 195.2USD 240.7(20%)0%20%40%60%80%0501001502002502

185、3-0623-0923-1224-03高通股價（美元）相對于標普500表現(右軸)浦銀國際浦銀國際 首次覆蓋首次覆蓋 高通（高通（QCOM.US）首次覆蓋首次覆蓋 浦銀國際研究浦銀國際研究 2024-07-02 54 首次覆蓋首次覆蓋|科技科技行業行業 財務報表分析與預測財務報表分析與預測利潤表利潤表現金流量表現金流量表美元百萬美元百萬FY2022FY2023FY2024EFY2025EFY2026E美元百萬美元百萬FY2022FY2023FY2024EFY2025EFY2026E營業收入營業收入44,200 35,820 38,415 42,763 45,713 經營活動產生的現金流量凈額經

186、營活動產生的現金流量凈額9,096 11,299 10,176 13,130 13,836 營業成本(18,635)(15,869)(17,014)(19,190)(20,984)凈利潤12,986 7,339 9,382 10,633 11,447 毛利毛利25,565 19,951 21,401 23,573 24,729 折舊及攤銷1,762 1,809 1,761 1,743 1,760 營業支出營業支出(9,705)(12,163)(11,275)(11,633)(11,864)其他營業活動現金流2,148 1,003 (412)206 (103)銷售、行政及一般費用(2,570)(

187、2,483)(2,591)(2,885)(3,084)營運資金變動營運資金變動(7,800)1,148 (556)548 732 研發費用(8,194)(8,818)(8,712)(8,748)(8,780)應收賬款(增加)/減少(2,066)2,472 (231)(386)(262)重組及其他費用/收入1,059 (862)28 -存貨(增加)/減少(3,137)8 (463)672 778 營業利潤營業利潤15,860 7,788 10,126 11,940 12,864 應付賬款增加/(減少)1,036 (1,880)138 262 216 營業外收支營業外收支(862)(345)51

188、(263)(258)其他經營資金變動(3,633)548 -利息收入/（支出）凈額(490)(694)(699)(697)(697)利息收入（支出）-其他收益/(支出)凈額(372)349 749 434 439 投資活動產生的現金流量凈額投資活動產生的現金流量凈額(5,804)762 (3,884)(4,661)(5,213)稅前利潤稅前利潤14,998 7,443 10,177 11,677 12,607 資本支出(2,262)(1,323)(1,588)(1,905)(1,905)所得稅(2,012)(104)(795)(1,044)(1,160)短期投資1,208 898 -凈利潤凈利

189、潤(不含少數股東權益不含少數股東權益)12,986 7,339 9,382 10,633 11,447 長期投資(4,780)(215)-少數股東和可贖回少數股東損益-其他30 1,402 (2,297)(2,756)(3,307)歸屬普通股東凈利潤歸屬普通股東凈利潤12,936 7,232 9,389 10,633 11,447 融資活動產生的現金流量凈額融資活動產生的現金流量凈額(7,196)(6,663)(6,721)(6,422)(6,572)基本股數（百萬）1,119 1,118 1,123 1,112 1,112 借款(352)(498)(199)100 (50)攤銷股數（百萬）1

190、,119 1,118 1,123 1,112 1,112 發行股份(3,539)(3,060)(3,060)(3,060)(3,060)基本每股收益基本每股收益(美元）美元）11.56 6.47 8.36 9.56 10.30 發行債券(63)434 -稀釋每股收益（美元）稀釋每股收益（美元）11.56 6.47 8.36 9.56 10.30 發放現金股利(3,212)(3,462)(3,462)(3,462)(3,462)其他(30)(77)-外匯損益-現金及現金等價物凈流量現金及現金等價物凈流量(3,904)5,398 (430)2,046 2,052 期初現金及現金等價物7,116 3

191、,099 8,527 8,097 10,144 期末現金及現金等價物期末現金及現金等價物3,099 8,527 8,097 10,144 12,195 資產負債表資產負債表主要財務比率主要財務比率美元百萬美元百萬FY2022FY2023FY2024EFY2025EFY2026EFY2022FY2023FY2024EFY2025EFY2026E貨幣資金2,773 8,450 8,020 10,067 12,118 營運指標增速營運指標增速現金及其等價物3,609 2,874 2,874 2,874 2,874 營業收入增速32%(19%)7%11%7%應收賬款5,643 3,183 3,414

192、3,800 4,062 毛利潤增速32%(22%)7%10%5%存貨6,341 6,422 6,885 6,213 5,435 營業利潤增速62%(51%)30%18%8%其他流動資產2,358 1,535 1,947 1,741 1,844 凈利潤增速43%(44%)30%13%8%流動資產合計流動資產合計20,724 22,464 23,139 24,694 26,333 固定資產-物業,廠房及設備5,168 5,042 4,869 5,031 5,176 盈利能力盈利能力無形資產1,882 1,408 1,408 1,408 1,408 凈資產收益率71.8%33.5%38.4%37.2

193、%34.2%商譽10,508 10,642 10,642 10,642 10,642 總資產報酬率26.4%14.2%17.4%18.2%18.1%租賃權-投入資本回報率41.0%20.8%23.6%24.8%24.0%其他非流動資產10,732 11,484 13,781 16,537 19,844 資產總計資產總計49,014 51,040 53,839 58,312 63,403 利潤率利潤率短期借款1,945 914 715 814 765 毛利率57.8%55.7%55.7%55.1%54.1%應付賬款3,796 1,912 2,050 2,312 2,528 營業利潤率35.9%2

194、1.7%26.4%27.9%28.1%其他流動負債6,125 6,802 6,802 6,802 6,802 凈利潤率20.2%24.4%24.9%25.0%27.0%流動負債合計流動負債合計11,866 9,628 9,567 9,929 10,095 長期借款13,537 14,484 14,484 14,484 14,484 營運能力營運能力其他非流動負債5,598 5,347 5,347 5,347 5,347 現金循環周期現金循環周期負債合計負債合計31,001 29,459 29,398 29,760 29,926 應收賬款周轉天數 38 45 31 31 31 實收資本195 4

195、90 490 490 490 存貨周期天數 94 147 143 125 101 資本公積17,840 20,733 23,593 27,704 32,629 應付賬款周轉天數 64 66 42 41 42 留存收益(22)358 358 358 358 其他綜合收益-凈債務（凈現金）12,709 6,948 7,179 5,232 3,130 少數股東股權益-自由現金流 4,686 8,973 9,000 11,019 12,034 股東權益合計股東權益合計18,013 21,581 24,441 28,552 33,477 負債及股東權益和計負債及股東權益和計49,014 51,040 5

196、3,839 58,312 63,403 E=浦銀國際預測注：高通財務年（FY，Fiscal Year）為上一年8月至當年9月浦銀國際研究浦銀國際研究 2024-07-02 55 首次覆蓋首次覆蓋|科技科技行業行業 高通高通公司速覽公司速覽 SoC（System on Chip）是指在一塊芯片上集成一整個信息處理系統。智能手機 SoC 芯片通常為 CPU、GPU、NPU 計算芯片，通信基帶芯片、影音處理、顯示、內存芯片集合，包含一套完整處理系統?；鶐酒˙aseband Chip）內含調制調節器（Modem）、信道編碼器、數字信號編碼器等?；鶐酒淖汾s難度極大。除了芯片設計外，由于 5G 基

197、帶芯片同時要兼容 2G、3G、4G 的信號，因此目前全球通信協議極為復雜。高通等頭部玩家積累了大量的技術優勢和專利，后來者很容易遇到專利訴訟。當前一代技術研發成功后，高通、聯發科等已經開始下一代產片、研發投入。蘋果 iPhone 15 系列采用了高通 X70 的調制調節器，iPhone 14 系列使用了高通的 X65。根據 SpeedSmart 網站測試，iPhone 15 系列相比 iPhone 14系列 5G 速度提升幅度達到 24%。根據高通的業績會，蘋果將 QTL 授權向后延續了 2 年至 2027 年 3 月。公司預期 AI 將會帶來其芯片平均售價提升 10%左右。2016 年 iP

198、hone 7 系列，蘋果開始引入英特爾基帶，打破了之前和高通簽訂的獨供協議。2016-2018 年，高通與蘋果產生了多起訴訟與反訴訟摩擦。2018 年蘋果 Xs 系列由英特爾獨供基帶芯片。由于英特爾基帶芯片性能不穩定，同時蘋果在 5G 開發上較為落后，因此在 2019 年 4 月，蘋果與高通達成和解，支付高通45億美元和解費用，并重新簽訂了一份授權協議。2020 年 iPhone 12 開始，蘋果基帶部分繼續由高通獨供。2023 年，高通在智能手機 SoC 出貨量位列第二，聯發科排在第一。但是，高通在高端市場穩居第一。2023 年，聯發科平均單價約為高通的三分之一。5G 基帶芯片玩家有高通、聯

199、發科、紫光展銳、三星、華為海思等。手機 SoC 芯片的設計難點主要在于通信生態和專利。根據 TechInsights 統計，2022 年高通在全球基帶芯片市場營收占比達到 60.9%，仍然維持霸主地位。浦銀國際研究浦銀國際研究 2024-07-02 56 首次覆蓋首次覆蓋|科技科技行業行業 圖表圖表 78：高通高通季度收入及同比增速季度收入及同比增速 圖表圖表 79：高通高通季度收入拆分季度收入拆分 注：高通財務年（FY，Fiscal Year）為上一年 8 月至當年 9 月 資料來源：Wind、浦銀國際 注：高通財務年（FY，Fiscal Year）為上一年 8 月至當年 9 月 資料來源：

200、Wind、浦銀國際 圖表圖表 80：高通高通季度營業利潤率拆分季度營業利潤率拆分 圖表圖表 81：高通高通季度季度凈凈利潤及同比增速利潤及同比增速 注：高通財務年（FY，Fiscal Year）為上一年 8 月至當年 9 月 資料來源：Wind、浦銀國際 注：高通財務年（FY，Fiscal Year）為上一年 8 月至當年 9 月 資料來源：Wind、浦銀國際 圖表圖表 82：高通高通年度收入及增速預測年度收入及增速預測 圖表圖表 83：高通高通年度年度凈凈利潤及增速預測利潤及增速預測 注：E=浦銀國際預測；高通財務年（FY，Fiscal Year）為上一年 8 月至當年 9 月 資料來源：W

201、ind、浦銀國際 注：E=浦銀國際預測；高通財務年（FY，Fiscal Year）為上一年 8 月至當年 9 月 資料來源：Wind、浦銀國際(30%)(20%)(10%)0%10%20%30%40%02,0004,0006,0008,00010,00012,000FY3Q22FY4Q22FY1Q23FY2Q23FY3Q23FY4Q23FY1Q24FY2Q24營業收入（百萬美元）營收同比增速（右軸）86%87%83%86%85%85%85%85%14%13%16%14%15%15%15%14%0%20%40%60%80%100%FY3Q22FY4Q22FY1Q23FY2Q23FY3Q23FY4

202、Q23FY1Q24FY2Q24高通CDMA技術(QCT)高通技術授權(QTL)0%20%40%60%80%FY2Q22FY3Q22FY4Q22FY1Q23FY2Q23FY3Q23FY4Q23FY1Q24FY2Q24高通CDMA技術(QCT)EBT利潤率高通技術授權(QTL)EBT利潤率(80%)(60%)(40%)(20%)0%20%40%60%80%100%01,0002,0003,0004,000FY3Q22FY4Q22FY1Q23FY2Q23FY3Q23FY4Q23FY1Q24FY2Q24凈利潤（百萬美元）凈利潤同增速（右軸）(30%)(20%)(10%)0%10%20%30%40%50

203、%010,00020,00030,00040,00050,000FY2019FY2020FY2021FY2022FY2023FY2024EFY2025EFY2026E營業收入（百萬美元）營收同比增速（右軸）(250%)(200%)(150%)(100%)(50%)0%50%100%02,0004,0006,0008,00010,00012,00014,000FY2019FY2020FY2021FY2022FY2023FY2024EFY2025EFY2026E凈利潤（百萬美元）凈利潤同增速（右軸）浦銀國際研究浦銀國際研究 2024-07-02 57 首次覆蓋首次覆蓋|科技科技行業行業 估值估值

204、我們采用 DCF（Discounted Cash Flow，現金流量貼現法）估值方法。我們假設高通 FY2029 年-FY2033 年的營收成長率為 12%，永久增長率為 3%。另外，我們假設 WACC（Weighted Average Cost of Capital，加權平均資金成本）是 11.2%。其他基本假設可以參考下方兩個表格，得到目標價為240.7 美元，潛在升幅 23%，對應 FY2024 年市盈率為 28.8x，首予“買入”評級。圖表圖表 85：高通高通自由現金流預測自由現金流預測 美元百萬美元百萬 FY2024E FY2025E FY2026E FY2027E FY2028E

205、FY2029E FY2030E FY2031E FY2032E FY2033E FY2034往后往后 營業收入 38,415 42,763 45,713 48,769 53,967 60,443 67,696 75,819 84,918 95,108 營收增速 7%11%7%7%11%12%12%12%12%12%經營利潤 10,126 11,940 12,864 14,739 16,560 18,608 20,909 23,494 26,398 29,661 經營利潤率 26.4%27.9%28.1%30.2%30.7%30.8%30.9%31.0%31.1%31.2%加：折舊及攤銷 1,7

206、61 1,743 1,760 1,775 1,788 2,003 2,243 2,512 2,814 3,151 EBITDA 11,887 13,683 14,624 16,513 18,349 20,611 23,152 26,006 29,212 32,812 EBITDA 率 30.9%32.0%32.0%33.9%34.0%34.1%34.2%34.3%34.4%34.5%所得稅率 7.8%8.9%9.2%9.2%9.2%9.1%9.0%8.9%8.8%8.7%資本支出(1,588)(1,905)(1,905)(1,905)(1,905)(2,038)(2,181)(2,334)(2

207、,497)(2,672)資本支出占營收比 4.1%4.5%4.2%3.9%3.5%3.4%3.2%3.1%2.9%2.8%凈營運資本變動(556)548 732(325)(743)(582)(456)358 281 314 自由現金流 10,535 13,394 14,634 15,639 17,224 19,683 22,396 26,120 29,317 33,034 461,225 永續增長率 3.0%資料來源：浦銀國際預測 圖表圖表 84：高通高通 WACC 假設假設 WACC 計算計算 Beta 1.3 債務成本 9.1%無風險利率 4.3%債務股本比 38.3%股權風險溢價 6.7

208、%所得稅率 8.7%股本成本 13.0%WACC 11.2%注：WACC，Weighted Average Cost of Capital，加權平均資金成本 資料來源：浦銀國際預測 圖表圖表 86：高通高通 DCF 估值預測估值預測（FY2024 年）年）WACC 自由現金流現值自由現金流現值(美元美元百萬百萬)凈現金凈現金(美元美元百萬百萬)權益價值權益價值(美元美元百萬百萬)股數股數(百萬百萬)每股價值每股價值(美美元元)11.2%277,612 (7,179)270,433 1,123 240.7 資料來源：浦銀國際預測 浦銀國際研究浦銀國際研究 2024-07-02 58 首次覆蓋首次

209、覆蓋|科技科技行業行業 圖表圖表 87：高通高通歷史歷史市盈率市盈率：過去五年過去五年均值均值 15.1x 注：截至 2024 年 6 月 27 日收盤價；資料來源：Factset、浦銀國際 57911131517192123252019-092019-122020-032020-062020-092020-122021-032021-062021-092021-122022-032022-062022-092022-122023-032023-062023-092023-122024-03市盈率平均值+1 標準差-1 標準差浦銀國際研究浦銀國際研究 2024-07-02 59 首次覆蓋首次覆

210、蓋|科技科技行業行業 SPDBI 樂觀與悲觀情景假設樂觀與悲觀情景假設 圖表圖表 88：市場普遍預期市場普遍預期：高通高通（QCOM.US）資料來源：Factset、浦銀國際 圖表圖表 89：SPDBI 情景假設情景假設：高通（：高通（QCOM.US）樂觀情景樂觀情景：公司收入增長好于預期：公司收入增長好于預期 悲觀情景悲觀情景：公司收入增長不及預期：公司收入增長不及預期 目標價：260.1 美元（概率：25%）目標價：187.5 美元（概率：10%）AI 手機拉動換機周期，出貨量增長強勁 端側 AI 用戶體驗改善顯著，用戶愿意買單，提升平均售價 智能座艙和智能駕駛滲透率提升速度較快，拉動公司

211、相關業務增長超預期 智能手機需求走弱，復蘇不及預期 端側 AI 手頭滲透中低端速度較慢 行業競爭加劇，拖累公司利潤表現 艙駕一體方案訂單落地延遲，增量業務貢獻低于預期 資料來源：浦銀國際預測 浦銀國際研究浦銀國際研究 2024-07-02 60 首次覆蓋首次覆蓋|科技科技行業行業 圖表圖表 90：SPDBI 目標價：目標價：高通（高通（QCOM.US）資料來源：Factset、浦銀國際 240.7005010015020025030023-0323-0623-0923-1224-0324-06高通股價(美元)買入持有賣出浦銀國際研究浦銀國際研究 2024-07-02 61 首次覆蓋首次覆蓋|科

212、技科技行業行業 風險提示風險提示 下行風險下行風險 美國或全球經濟下行，智能手機、新能源車等下游需求動能不足；AI 智能手機滲透率上揚速度較慢，滲透中低端價格段手機較慢；半導體周期上行動能不足；行業競爭加劇，拖累利潤表現；研發等費用率增長較快；SoC 等芯片等迭代速度和性能低于預期。浦銀國際研究浦銀國際研究 2024-07-02 62 首次覆蓋首次覆蓋|科技科技行業行業 公司背景公司背景 圖表圖表 91：高通高通發展里程發展里程碑碑 年份年份 里程碑里程碑 1985 公司成立于加州 1991 高通上市 1995 高通公司成立 CDMA ASIC 產品單元 2007 推出驍龍（Snapdrago

213、n）處理器，結合無線連接、多媒體播放、超快數據處理等任務 2009 參與 LTE 標準的研發和制定 2017 與蘋果產生了多起訴訟與反訴訟摩擦 2018 高通發布首款支持 5G 的芯片驍龍 855 2019 高通與蘋果和解，獲得 45 億美元賠償，并重新簽訂授權協議 2021 高通在驍龍技術峰會發布全新一代驍龍 8 移動平臺 8 Gen 1 2022 Meta 與高通宣布，將聯手開發用于虛擬現實產品的定制芯片組 2023 高通發布全球首個 5.5G 基帶芯片驍龍 X75，同時整合了微信連接功能 2023 發布具備 AI 功能的旗艦智能手機 SoC 驍龍 8 Gen3，算力達 20 TOPS/秒

214、 2024 推出驍龍 X Plus 平臺；發布旗艦級 5G 基帶芯片 Snapdragon 驍龍 X80 資料來源：公司官網、公開資料整理、浦銀國際 浦銀國際研究浦銀國際研究 2024-07-02 63 首次覆蓋首次覆蓋|科技科技行業行業 財務報表財務報表 圖表圖表 92：高通高通：損益：損益表表 美元百萬美元百萬 FY2022 FY2023 FY2024E FY2025E FY2026E 營業收入營業收入 44,200 35,820 38,415 42,763 45,713 營業成本(18,635)(15,869)(17,014)(19,190)(20,984)毛利潤毛利潤 25,565 1

215、9,951 21,401 23,573 24,729 營業支出營業支出 (9,705)(12,163)(11,275)(11,633)(11,864)銷售、行政及一般費用(2,570)(2,483)(2,591)(2,885)(3,084)研發費用(8,194)(8,818)(8,712)(8,748)(8,780)重組及其他費用/收入 1,059(862)28-營業利潤營業利潤 15,860 7,788 10,126 11,940 12,864 營業外收支營業外收支 (862)(345)51(263)(258)利息收入/（支出）凈額(490)(694)(699)(697)(697)其他收益/

216、(支出)凈額(372)349 749 434 439 稅前利潤稅前利潤 14,998 7,443 10,177 11,677 12,607 所得稅(2,012)(104)(795)(1,044)(1,160)凈利潤凈利潤 12,986 7,339 9,382 10,633 11,447 少數股東和可贖回少數股東損益-歸屬普通股東凈利潤歸屬普通股東凈利潤 12,936 7,232 9,389 10,633 11,447 基本股數（百萬）1,119 1,118 1,123 1,112 1,112 攤銷股數（百萬）1,119 1,118 1,123 1,112 1,112 基本每股收益（美元）基本每

217、股收益（美元）11.56 6.47 8.36 9.56 10.30 稀釋每股收益（美元）稀釋每股收益（美元）11.56 6.47 8.36 9.56 10.30 注：E=浦銀國際預測；高通財務年（FY，Fiscal Year）為上一年 8 月至當年 9 月 資料來源：公司公告、浦銀國際 浦銀國際研究浦銀國際研究 2024-07-02 64 首次覆蓋首次覆蓋|科技科技行業行業 圖表圖表 93：高通高通：資產負債資產負債表表 美元百萬美元百萬 FY2022 FY2023 FY2024E FY2025E FY2026E 貨幣資金 2,773 8,450 8,020 10,067 12,118 受限制

218、資金 3,609 2,874 2,874 2,874 2,874 應收賬款 5,643 3,183 3,414 3,800 4,062 存貨 6,341 6,422 6,885 6,213 5,435 其他流動資產 2,358 1,535 1,947 1,741 1,844 流動資產合計流動資產合計 20,724 22,464 23,139 24,694 26,333 固定資產-物業,廠房及設備 5,168 5,042 4,869 5,031 5,176 無形資產 1,882 1,408 1,408 1,408 1,408 商譽 10,508 10,642 10,642 10,642 10,6

219、42 租賃權-其他非流動資產 10,732 11,484 13,781 16,537 19,844 資產總計資產總計 49,014 51,040 53,839 58,312 63,403 短期借款 1,945 914 715 814 765 應付賬款 3,796 1,912 2,050 2,312 2,528 其他流動負債 6,125 6,802 6,802 6,802 6,802 流動負債合計流動負債合計 11,866 9,628 9,567 9,929 10,095 長期借款 13,537 14,484 14,484 14,484 14,484 其他非流動負債 5,598 5,347 5,

220、347 5,347 5,347 負債合計負債合計 31,001 29,459 29,398 29,760 29,926 實收資本 195 490 490 490 490 資本公積 17,840 20,733 23,593 27,704 32,629 留存收益(22)358 358 358 358 其他綜合收益-少數股東股權益-股東權益合計股東權益合計 18,013 21,581 24,441 28,552 33,477 負債及股東權益和計負債及股東權益和計 49,014 51,040 53,839 58,312 63,403 注：E=浦銀國際預測；高通財務年（FY，Fiscal Year）為上

221、一年 8 月至當年 9 月 資料來源：公司公告、浦銀國際 浦銀國際研究浦銀國際研究 2024-07-02 65 首次覆蓋首次覆蓋|科技科技行業行業 圖表圖表 94：高通高通：現金流量現金流量表表 美元百萬美元百萬 FY2022 FY2023 FY2024E FY2025E FY2026E 經營活動產生的現金流量凈額經營活動產生的現金流量凈額 9,096 11,299 10,176 13,130 13,836 凈利潤 12,986 7,339 9,382 10,633 11,447 折舊及攤銷 1,762 1,809 1,761 1,743 1,760 其他營業活動現金流 2,148 1,003

222、(412)206(103)營運資金變動營運資金變動 (7,800)1,148(556)548 732 應收賬款(增加)/減少(2,066)2,472(231)(386)(262)存貨(增加)/減少(3,137)8(463)672 778 應付賬款增加/(減少)1,036(1,880)138 262 216 其他經營資金變動(3,633)548-利息收入（支出）-投資活動產生的現金流量凈額投資活動產生的現金流量凈額 (5,804)762(3,884)(4,661)(5,213)資本支出(2,262)(1,323)(1,588)(1,905)(1,905)短期投資 1,208 898-長期投資(4

223、,780)(215)-其他 30 1,402(2,297)(2,756)(3,307)融資活動產生的現金流量凈額融資活動產生的現金流量凈額 (7,196)(6,663)(6,721)(6,422)(6,572)借款(352)(498)(199)100(50)發行股份(3,539)(3,060)(3,060)(3,060)(3,060)發行債券(63)434-發放現金股利(3,212)(3,462)(3,462)(3,462)(3,462)其他(30)(77)-外匯損益-現金及現金等價物凈流量(3,904)5,398(430)2,046 2,052 期初現金及現金等價物期初現金及現金等價物 7,

224、116 3,099 8,527 8,097 10,144 期末現金及現金等價物期末現金及現金等價物 3,099 8,527 8,097 10,144 12,195 注：E=浦銀國際預測；高通財務年（FY，Fiscal Year）為上一年 8 月至當年 9 月 資料來源：公司公告、浦銀國際 浦銀國際研究浦銀國際研究 2024-07-02 66 首次覆蓋首次覆蓋|科技科技行業行業 圖表圖表 95：SPDBI 科技行業覆蓋公司科技行業覆蓋公司 股票代碼股票代碼 公司公司 現價現價（LC）評級評級 目標價目標價（LC）評級及目標價評級及目標價 發布日期發布日期 行業行業 1810 HK Equity

225、小米集團-W 16.5 買入 23.6 13/5/2024 手機品牌 688036 CH Equity 傳音控股 76.5 買入 179.4 26/2/2024 手機品牌 285 HK Equity 比亞迪電子 39.0 買入 36.7 1/3/2024 結構件、組裝 600745 CH Equity 聞泰科技 28.3 買入 37.1 14/5/2024 ODM、功率半導體 002475 CH Equity 立訊精密 39.3 買入 34.5 24/10/2023 結構件、組裝 300433 CH Equity 藍思科技 18.3 買入 18.6 7/6/2024 結構件、組裝 2018 H

226、K Equity 瑞聲科技 30.7 買入 28.8 25/3/2024 聲學、光學器件 2382 HK Equity 舜宇光學科技 48.3 買入 80.8 10/11/2023 手機光學、車載光學 1478 HK Equity 丘鈦科技 4.1 買入 5.1 10/11/2023 手機光學 603501 CH Equity 韋爾股份 99.4 買入 127.9 10/11/2023 手機 CIS、車載 CIS NIO US Equity 蔚來 4.4 買入 5.9 7/6/2024 新能源汽車 9866 HK Equity 蔚來-SW 34.1 買入 48.5 7/6/2024 新能源汽車

227、 XPEV US Equity 小鵬汽車 7.7 買入 9.6 7/6/2024 新能源汽車 9868 HK Equity 小鵬汽車-W 29.6 買入 37.6 7/6/2024 新能源汽車 LI US Equity 理想汽車 18.3 買入 24.5 7/6/2024 新能源汽車 2015 HK Equity 理想汽車-W 70.3 買入 95.6 7/6/2024 新能源汽車 9863 HK Equity 零跑汽車 26.8 買入 35.3 7/6/2024 新能源汽車 TSLA US Equity 特斯拉(TESLA)197.4 持有 202.9 26/1/2024 新能源汽車 121

228、1 HK Equity 比亞迪股份 232.0 買入 232.2 28/3/2024 新能源汽車 002594 CH Equity 比亞迪 250.3 買入 248.4 28/3/2024 新能源汽車 981 HK Equity 中芯國際 17.1 買入 17.9 7/2/2024 晶圓代工 688981 CH Equity 中芯國際 46.1 買入 52.6 7/2/2024 晶圓代工 1347 HK Equity 華虹半導體 22.1 買入 20.6 10/5/2024 晶圓代工 688396 CH Equity 華潤微 35.9 買入 43.6 10/5/2024 功率半導體 60046

229、0 CH Equity 士蘭微 37.4 買入 64.9 20/9/2023 功率半導體 300373 CH Equity 揚杰科技 17.5 買入 30.5 20/9/2023 功率半導體 688187 CH Equity 時代電氣 38.9 買入 43.4 25/10/2023 功率半導體 3898 HK Equity 時代電氣 49.4 買入 53.4 27/10/2023 功率半導體 603290 CH Equity 斯達半導 30.8 買入 38.7 27/10/2023 功率半導體 605111 CH Equity 新潔能 86.1 買入 230.6 20/9/2023 功率半導體

230、 688711 CH Equity 宏微科技 30.6 買入 44.4 20/9/2023 功率半導體 NVDA US Equity 英偉達 124.0 買入 147.6 2/7/2024 AI 芯片 QCOM US Equity 高通 195.2 買入 240.7 2/7/2024 AI 芯片 注：A 股、港股截至 2024 年 6 月 28 日收盤價；美股截至 2024 年 6 月 27 日收盤價 資料來源：Bloomberg、浦銀國際預測 2024-07-02 67 免責免責聲明聲明 本報告之收取者透過接受本報告（包括任何有關的附件），表示及保證其根據下述的條件下有權獲得本報告，且同意受

231、此中包含的限制條件所約束。任何沒有遵循這些限制的情況可能構成法律之違反。本報告是由從事證券及期貨條例(香港法例第 571 章)中第一類(證券交易)及第四類(就證券提供意見)受規管活動之持牌法團浦銀國際證券有限公司（統稱“浦銀國際證券”）利用集團信息及其他公開信息編制而成。所有資料均搜集自被認為是可靠的來源，但并不保證數據之準確性、可信性及完整性，亦不會因資料引致的任何損失承擔任何責任。報告中的資料來源除非另有說明，否則信息均來自本集團。本報告的內容涉及到保密數據，所以僅供閣下為其自身利益而使用。除了閣下以及受聘向閣下提供咨詢意見的人士（其同意將本材料保密并受本免責聲明中所述限制約束）之外，本報

232、告分發給任何人均屬未授權的行為。任何人不得將本報告內任何信息用于其他目的。本報告僅是為提供信息而準備的，不得被解釋為是一項關于購買或者出售任何證券或相關金融工具的要約邀請或者要約。閣下不應將本報告內容解釋為法律、稅務、會計或投資事項的專業意見或為任何推薦，閣下應當就本報告所述的任何交易涉及的法律及相關事項咨詢其自己的法律顧問和財務顧問的意見。本報告內的信息及意見乃于文件注明日期作出，日后可作修改而不另通知，亦不一定會更新以反映文件日期之后發生的進展。本報告并未包含公司可能要求的所有信息，閣下不應僅僅依據本報告中的信息而作出投資、撤資或其他財務方面的任何決策或行動。除關于歷史數據的陳述外，本報告

233、可能包含前瞻性的陳述，牽涉多種風險和不確定性，該等前瞻性陳述可基于一些假設，受限于重大風險和不確定性。本報告之觀點、推薦、建議和意見均不一定反映浦銀國際證券的立場。浦銀國際控股有限公司及其聯屬公司、關聯公司（統稱“浦銀國際”）及/或其董事及/或雇員，可能持有在本報告內所述或有關公司之證券、并可能不時進行買賣。浦銀國際或其任何董事及/或雇員對投資者因使用本報告或依賴其所載信息而引起的一切可能損失，概不承擔任何法律責任。浦銀國際證券建議投資者應獨立地評估本報告內的資料，考慮其本身的特定投資目標、財務狀況及需要，在參與有關報告中所述公司之證劵的交易前，委任其認為必須的法律、商業、財務、稅務或其它方面

234、的專業顧問。惟報告內所述的公司之證券未必能在所有司法管轄區或國家或供所有類別的投資者買賣。對部分的司法管轄區或國家而言，分發、發行或使用本報告會抵觸當地法律、法則、規定、或其它注冊或發牌的規例。本報告不是旨在向該等司法管轄區或國家的任何人或實體分發或由其使用。美國 浦銀國際不是美國注冊經紀商和美國金融業監管局(FINRA)的注冊會員。浦銀國際證券的分析師不具有美國金融監管局(FINRA)分析師的注冊資格。因此，浦銀國際證券不受美國就有關研究報告準備和分析師獨立性規則的約束。本報告僅提供給美國 1934 年證券交易法規則 15a-6 定義的“主要機構投資者”，不得提供給其他任何個人。接收本報告之

235、行為即表明同意接受協議不得將本報告分發或提供給任何其他人。接收本報告的美國收件人如想根據本報告中提供的信息進行任何買賣證券交易，都應僅通過美國注冊的經紀交易商來進行交易。英國 本報告并非由英國 2000 年金融服務與市場法(經修訂)(FSMA)第 21 條所界定之認可人士發布,而本報告亦未經其批準。因此，本報告不會向英國公眾人士派發，亦不得向公眾人士傳遞。本報告僅提供給合資格投資者(按照金融服務及市場法的涵義)，即(i)按照 2000 年金融服務及市場法 2005 年(金融推廣)命令(命令)第 19(5)條定義在投資方面擁有專業經驗之投資專業人士或(ii)屬于命令第 49(2)(a)至(d)條

236、范圍之高凈值實體或(iii)其他可能合法與之溝通的人士(所有該等人士統稱為有關人士)。不屬于有關人士的任何機構和個人不得遵照或倚賴本報告或其任何內容行事。本報告的版權僅為浦銀國際證券所有，未經書面許可任何機構和個人不得以任何形式轉發、翻版、復制、刊登、發表本報告的版權僅為浦銀國際證券所有，未經書面許可任何機構和個人不得以任何形式轉發、翻版、復制、刊登、發表或引用，浦銀國際證券對任何第三方的該等行為保留追述權利，并且對第三方未經授權行為不承擔任何責任?；蛞?，浦銀國際證券對任何第三方的該等行為保留追述權利，并且對第三方未經授權行為不承擔任何責任。權益披露權益披露 1)浦銀國際并沒有持有本報告所述

237、公司逾 1%的財務權益。2)浦銀國際跟本報告所述公司在過去 12 個月內并沒有任何投資銀行業務的關系。3)浦銀國際并沒有跟本報告所述公司為其證券進行莊家活動。2024-07-02 68 評級定義評級定義 證券評級定義證券評級定義:“買入”：未來 12 個月，預期個股表現超過同期其所屬的行業指數“持有”：未來 12 個月，預期個股表現與同期所屬的行業指數持平“賣出”：未來 12 個月，預期個股表現遜于同期其所屬的行業指數 行業評級定義（相對于行業評級定義（相對于 MSCI 中國指數）：中國指數）：“超配”：未來 12 個月優于 MSCI 中國 10%或以上“標配”：未來 12 個月優于/劣于 M

238、SCI 中國少于 10%“低配”：未來 12 個月劣于 MSCI 中國超過 10%分析師證明分析師證明 本報告作者謹此聲明：（i）本報告發表的所有觀點均正確地反映作者有關任何及所有提及的證券或發行人的個人觀點，并以獨立方式撰寫；（ii）其報酬沒有任何部分曾經，是或將會直接或間接與本報告發表的特定建議或觀點有關；（iii）該等作者沒有獲得與所提及的證券或發行人相關且可能影響該等建議的內幕信息非公開的價格敏感數據。本報告作者進一步確定（i）他們或其各自的關聯人士（定義見證券及期貨事務監察委員會持牌人或注冊人操守準則）沒有在本報告發行日期之前的 30 個歷日內曾買賣或交易過本報告所提述的股票，或在本

239、報告發布后 3 個工作日（定義見證券及期貨條例（香港法例第 571 章）內將買賣或交易本文所提述的股票；（ii）他們或其各自的關聯人士并非本報告提述的任何公司的雇員；及（iii）他們或其各自的關聯人士沒有擁有本報告提述的證券的任何金融利益。浦銀國際證券財富管理團隊浦銀國際證券財富管理團隊 王玥王玥 emily_ 852-2808 6468浦銀國際證券機構銷售團隊浦銀國際證券機構銷售團隊 楊增希楊增希 essie_ 852-2808 6469浦銀國際證券有限公司浦銀國際證券有限公司 SPDB International Securities Limited 地址：香港軒尼詩道 1 號浦發銀行大廈 33 樓