TMT崛起系列（三）：AI算力新周期处理器、存储、网络带宽-20230414-国金证券-22正式版

2023年04月14日TMT崛起系列（三）策略专题研究报告证券研究报告国金证券研究所分析师：艾熊峰（执业S1130519090001）分析师：樊志远（执业S1130518070003）aixiongfeng＠ fanzhiyuan＠AI算力新周期：处理器、存储、网络带宽一、AI基础层建设驱动半导体崛起AI的发展离不开三个关键要素：数据、算法和算力，当前AI算力军备竞赛已经开启。处理器、存储和网络带宽是AI算力需求中最为重要的三个核心要素。1）处理器领域，ChatGPT大模型至少需要7k-1W颗英伟达A100的GPU，随着训练天数的缩短对GPU卡的需求量也将持续增加；2）存储领域，“算”与“存”分不开，算力基于数据，数据需求存储，随着算力的提升，数据量将呈指数级成长，对应对存储容量带来大量的需求，也将对存储芯片带来爆发式增长，从现有的能看到的方向是AI服务器，根据美光的数据，AI服务器相比传统通用服务器带来8倍DRAM+3倍NANDFlash；3）网络带宽领域，光芯片与光模块是高效传输的重要基础，AI算力带来的流量上升将拉动光芯片需求，当前国内光芯片与海外差距在逐步缩小，最有望成为国产替代的领域。二、自上而下看半导体行业：周期筑底、AI需求、估值回归半导体产业周期正在筑底。从历史上看，半导体以及细分赛道呈现出趋同的周期性，2000年以来，全球半导体行业已经历多轮周期，当下我们正走在2021年以来的下行周期，周期底部渐行渐近。根据世界半导体贸易统计组织（WSTS）的数据，2021年全球半导体的市场规模为5559亿美元，同比增长26%。2023年全球半导体的市场规模预计将达到5566亿美元，同比减少4%。需要指出的是，台积电的资本开支周期和半导体周期基本趋同。作为全球最大的半导体代工企业，台积电资本开支充分反映了产业链供需的景气度变化，往往台积电资本开支增速的顶部意味着半导体周期的见顶。而且作为产业链中游的核心企业，台积电资本开支有时候会滞后于半导体周期。AI算力军备竞赛驱动增量需求。芯片是AI模型训练的算力基础，在AI军备竞赛逐渐升级的背景下，芯片制造商将受益于市场的增量需求。根据Gartner测算，AI带来的芯片需求将推动由2022年的440亿美元上升到2026年的亿美元，接近翻倍的增长。如果考虑到相关产业链的增量需求，这对整个半导体行业都将是明显的增量需求基本面筑底，估值均值回归。半导体自2021年年中调整以来，当前估值处在历史相对低位，在基本面筑底的阶段，估值均值回归可期。从申万半导体行业指数的估值来看，当前市盈率为49.97，处于历史13.87%的分位点，当前市盈率也处于历史均值减一倍标准差以下。三、半导体行业中观边际变化：AI基础设施军备竞赛算力芯片：AI拉动GPU/FPGA/ASIC量价齐升。人工智能芯片多用传统型芯片，或用昂贵的图形处理器(GPU),或用现场可编程门阵列芯片配合中央处理器(FPGA+CPU)为主,用以在云端数据中心的深度学习训练和推理,通用／专用型AI芯片（ASIC），也就是张量处理器或特定用途集成电路(ASIC)，主要是针对具体应用场景，三类芯片短期内将共存并在不同应用场景形成互补。存储芯片：存储板块有望迎来拐点，DDR5内存放量。随着AI技术升级，庞大的数据增量，必须运用各种具备高速运算的人工智能芯片来过滤、处理分析、训练及推理，这将持续带动7nm以下高速运算HBM存储器，3DNAND,CPU,AIGPU,FPGA,网络芯片晶圆代工的需求，及顺势带动成熟制程的配套芯片如电源管理芯片，PCIEGen4/5retimer等的需求光芯片：数通和电信市场水大鱼大，光芯片国产替代空间广阔。受益于全球数据量快速增长，光通信逐渐崛起。在全球信息和数据互联快速成长的背景下，终端产生的数据量每隔几年就实现翻倍增长，当前的基础电子通讯架构渐渐无法满足海量数据的传输需求，光电信息技术逐步崛起。风险提示经济下行超预期、宏观流动性收缩风险、海外黑天鹅事件、产业政策落地不及预期敬请参阅最后一页特别声明1每日免费获取报告1、每日微信群内分享7+最新重磅报告；2、每日分享当日华尔街日报、金融时报；3、每周分享经济学人4、行研报告均为公开版，权利归原作者所有，起点财经仅分发做内部学习。扫一扫二维码关注公号回复：研究报告加入“起点财经”微信群。。策略专题研究报告内容目录前言：AI基础层建设驱动TMT崛起 4一、自上而下看半导体行业：周期筑底、AI需求、估值回归 51.1半导体产业周期正在筑底 51.2AI算力军备竞赛驱动增量需求 61.3基本面筑底，估值均值回归 6二、半导体行业中观边际变化：AI基础设施军备竞赛 72.1算力芯片：AI拉动GPU/FPGA/ASIC量价齐升 72.2存储芯片：存储板块有望迎来拐点，DDR5内存放量 142.3光芯片：数通和电信市场水大鱼大，光芯片国产替代空间广阔 18三、风险提示 20图表目录图表1：AI产业链的基础层、技术层和应用层 4图表2：海外大企业对AI大规模投资计划 4图表3：国内大企业的AI大模型密集发布 4图表4：AI的发展离不开三个关键要素：数据、算法和算力 5图表5：全球半导体市场正走在2021年以来的下行周期，周期底部渐行渐近 6图表6：AI军备竞赛带来提升算力的边际需求 6图表7：半导体行业估值的回归 7图表8：CPU、GPU、FPGA、ASIC特点对比 7图表9：CPU采用串行计算架构 8图表10：CPU采用低延迟设计架构 8图表11：2026年全球服务器市场规模1665亿美元 8图表12：Intel主导全球CPU市场 8图表13：国产CPU芯片对比 8图表14：X86架构CPU国产替换空间测算 9图表15：GPU采用串行计算架构 10图表16：GPU采用高吞吐设计架构 10图表17：2016年-2021年数据中心负载任务量变化 11图表18：2024年全球超大规模数据中心超1000个 11图表19：2030年全球GPU市场规模有望达4774亿美元 11图表20：英伟达主导独立GPU市场 11敬请参阅最后一页特别声明 2策略专题研究报告图表21：国内GPU产业链情况 12图表22：英特尔FPGA技术路线图 12图表23：2030年全球FPGA市场规模有望达221亿美元 13图表24：2021年中国FPGA芯片下竞争格局 13图表25：谷歌历代TPU性能对比 14图表26：机器数据量图表 14图表27：2021-2023ENAND产能 15图表28：2021-2023ENAND需求 15图表29：2021-2023EDRAM产能 16图表30：2021-2023EDRAM需求 16图表31：2023年NAND供需格局大幅缓解 16图表32：2023年DRAM供需格局小幅缓解 16图表33：我们看好弹性最大的存储板块2023年止跌反弹 17图表34：2028年全球内存模组出货量有望达6.5亿 17图表35：2028年内存接口芯片及配套芯片市场规模有望达40亿美元 18图表36：光芯片在光通信中用于产生和接受光信号 18图表37：激光器芯片和探测器芯片细分品类 19图表38：2025年全球光模块市场规模有望达113亿美元 19图表39：光芯片竞争格局 20敬请参阅最后一页特别声明3策略专题研究报告前言：AI基础层建设驱动半导体崛起2022年12月我们年度策略报告《宜早不宜迟》鲜明看多“计算机、通信”等产业政策和产业趋势共振的方面。当时主要从行业基本面触底回升、自主可控大方向下产业政策支持、估值性价比高和板块拥挤度较低等角度做出核心推荐。站在当前时点，整个TMT板块（计算机、通信、传媒和半导体）可能正在开启新一轮崛起行情。AI行业可以分为三个层面：基础层、技术层、应用层。基础层包括AI芯片、硬件设备、系统软件等。技术层包括计算机视觉、语音技术、自然语言理解等。应用层则是各类应用场景的落地，包括在医疗、交通、工业等各大领域。从产业链的视角来看，以AI芯片为代表的基础层或是率先受益于行业加速扩张，而AI应用场景的扩张或带来行业变革性发展。图表1：AI产业链的基础层、技术层和应用层来源：Wind、国金证券研究所AI军备竞赛已经开启。各大企业都在积极进行AI领域的投入，不断推进AI技术的研究和发展。1）海外公司方面，英伟达、谷歌、微软、Meta等科技巨头都在大力投资AI领域，例如，英伟达在2021年宣布将在未来三年内投入400亿美元用于AI和高性能计算领域投资。微软同年也宣布未来五年投资200亿美元用于AI技术发展；2）国内公司方面，也有不少企业在AI领域进行了大量投入和布局。例如，百度在2017年的时候提出“allinAI”。百度、华为、阿里巴巴和腾讯等大公司都发布了AI大模型平台。图表2：海外大企业对AI大规模投资计划 图表3：国内大企业的AI大模型密集发布公司宣布年份投资计划总额（十亿美元）NVIDIA202140Microsoft202120Amazon202010Meta202110Google20217OpenAI20211

公司AI平台大模型参数量GPT-2（1.5亿）,BERT-wwm（2.15百度飞桨亿）,ERNIE-1.0（1.5亿）,ERNIE-2.0（3.4亿）DeepSpeech2未公开华为MindSporeGPT-2（1.5亿）,BERT（1.1亿）ModelArtsBERT（1.1亿）阿里巴巴AI平台超过1亿ETBrain6亿AILab160亿腾讯YouTuLabDeepID2（1.2亿）MAgent未公开来源：Wind、国金证券研究所来源：Wind、国金证券研究所AI的发展离不开三个关键要素：数据、算法和算力。1）数据是AI的基石，可以说没有大敬请参阅最后一页特别声明4策略专题研究报告量的高质量数据，AI是无法训练出有用的模型的。数据的数量和质量决定了模型的准确性和稳健性；2）算法是AI的核心，它决定了AI模型的性能和效果。现在，许多深度学习算法已经被开发出来，并且被广泛应用于计算机视觉、自然语言处理、语音识别等领域；3）算力是AI发展的动力源，因为AI训练和推理需要大量的计算资源。现在，GPU和TPU等专门的硬件被广泛应用于加速AI训练和推理。同时，云计算服务也为AI提供了强大的计算能力，使得开发者可以在不拥有专门的硬件的情况下进行AI开发和应用。处理器、存储和网络带宽是AI算力需求中最为重要的三个核心要素。1）处理器是AI模型运算的核心，它可以通过并行计算等技术来加速模型训练和推理的速度。目前主流的处理器包括CPU、GPU、TPU等，其中GPU和TPU相比CPU具有更高的并行计算能力；2）存储也是AI模型训练和推理所需的重要资源，它不仅用来存储数据，还包括存储模型参数、中间结果等信息。在处理大规模的数据和模型时，高速、可扩展的存储系统能够有效地支撑训练和推理的需求；3）网络带宽是指计算机网络中传输数据的能力，它直接影响着数据在不同计算节点之间的传输速度。在分布式训练中，网络带宽的高低直接影响着训练速度和效率。图表4：AI的发展离不开三个关键要素：数据、算法和算力来源：国金证券研究所处理器领域，AI往前发展，超高算力需求毋庸置疑，我们看到ChatGPT大模型至少需要7k-1W颗英伟达A100的GPU，随着训练天数的缩短对GPU卡的需求量也将持续增加，同时我们预计中美两国未来几年将成为大模型的主要诞生地，有望将不计成本的带动对算力芯片的需求；存储领域，我们知道“算”与“存”分不开，算力基于数据，数据需求存储，随着算力的提升，数据量将呈指数级成长，对应对存储容量带来大量的需求，也将对存储芯片带来爆发式增长，从现有的能看到的方向是AI服务器，根据美光的数据，AI服务器相比传统通用服务器带来8倍DRAM+3倍NANDFlash，我们认为长期看不单单服务器领域，智能汽车、智能IOT、智能机器人等多个AI应用终端将对存储带来指数级增长，同时叠加存储周期见底；网络带宽领域，光芯片与光模块是高效传输的重要基础，AI算力带来的流量上升将拉动光芯片需求，当前国内光芯片与海外差距在逐步缩小，最有望成为国产替代的领域。本文是我们“TMT崛起”系列报告的第三篇，聚焦电子半导体行业。从自上而下和自下而上的角度全面梳理当前电子半导体行业的新变化，聚焦处理器、存储、光芯片核心细分领域的投资机会。一、自上而下看半导体行业：周期筑底、AI需求、估值回归1.1半导体产业周期正在筑底从历史上看，半导体以及细分赛道呈现出趋同的周期性，2000年以来，全球半导体行业已经历多轮周期，当下我们正走在2021年以来的下行周期，周期底部渐行渐近。根据世界半导体贸易统计组织（WSTS）的数据，2021年全球半导体的市场规模为5559亿美元，同比增长26%。2023年全球半导体的市场规模预计将达到5566亿美元，同比减少4%。敬请参阅最后一页特别声明5策略专题研究报告需要指出的是，台积电的资本开支周期和半导体周期基本趋同。作为全球最大的半导体代工企业，台积电资本开支充分反映了产业链供需的景气度变化，往往台积电资本开支增速的顶部意味着半导体周期的见顶。而且作为产业链中游的核心企业，台积电资本开支有时候会滞后于半导体周期。图表5：全球半导体市场正走在2021年以来的下行周期，周期底部渐行渐近全球半导体销售额增速台积电资本开支增速右轴35%140%30%120%25%100%20%80%15%60%10%40%5%0%20%-5%0%-10%-20%-15%-40%来源：Wind、国金证券研究所1.2AI算力军备竞赛驱动增量需求芯片是AI模型训练的算力基础，在AI军备竞赛逐渐升级的背景下，芯片制造商将受益于市场的增量需求。根据Gartner测算，AI带来的芯片需求将推动由2022年的440亿美元上升到2026年的860亿美元，接近翻倍的增长。如果考虑到相关产业链的增量需求，这对整个半导体行业都将是明显的增量需求。图表6：AI军备竞赛带来提升算力的边际需求芯片制造企业在AI领域的收入（十亿美金）10090807060504030201002020年 2021年 2022年 2023年 2024年 2025年 2026年来源：Gartner、国金证券研究所1.3基本面筑底，估值均值回归半导体自2021年年中调整以来，当前估值处在历史相对低位，在基本面筑底的阶段，估值均值回归可期。从申万半导体行业指数的估值来看，当前市盈率为49.97，处于历史13.87%的分位点，当前市盈率也处于历史均值减一倍标准差以下。敬请参阅最后一页特别声明6策略专题研究报告图表7：半导体行业估值的回归来源：Wind、国金证券研究所二、半导体行业中观边际变化：AI基础设施军备竞赛2.1算力芯片：AI拉动GPU/FPGA/ASIC量价齐升人工智能芯片多用传统型芯片，或用昂贵的图形处理器(GPU),或用现场可编程门阵列芯片配合中央处理器(FPGA+CPU)为主,用以在云端数据中心的深度学习训练和推理,通用／专用型AI芯片（ASIC），也就是张量处理器或特定用途集成电路(ASIC)，主要是针对具体应用场景，三类芯片短期内将共存并在不同应用场景形成互补。图表8：CPU、GPU、FPGA、ASIC特点对比类别CPUGPUFPGAASIC进行大规模并行计算方面受到限制性能高、计算能力强可编程性、灵活功耗和定制化设计特点擅长于处理逻辑控制，功耗高通用性介于GPU与ASIC性能稳定提供系统可靠性通用性好之间优秀的功耗控制通用性好代表公司英特尔、AMD英伟达、AMD赛灵思寒武纪、地平线、比特大陆、谷歌（TPU）来源：ADLINK，国金证券研究所中央处理器CPU:X86和ARM结构在内的传统CPU处理器架构往往需要数百甚至上千条指令才能完成一个神经元的处理，但对于并不需要太多的程序指令，却需要海量数据运算的深度学习的计算需求，这种结构就显得不匹配。中央处理器CPU需要很强的处理不同类型数据的计算能力以及处理分支与跳转的逻辑判断能力，这些都使得CPU的内部结构异常复杂,现在CPU可以达到64bit双精度，执行双精度浮点源计算加法和乘法只需要1～3个时钟周期，时钟周期频率达到1.532～3gigahertz。CPU拥有专为顺序逻辑处理而优化的几个核心组成的串行架构，这决定了其更擅长逻辑控制、串行运算与通用类型数据运算,当前最顶级的CPU只有6核或者8核，但是普通级别的GPU就包含了成百上千个处理单元，因此CPU对于影像，视频计算中大量的重复处理过程有着天生的弱势。敬请参阅最后一页特别声明7策略专题研究报告图表9：CPU采用串行计算架构 图表10：CPU采用低延迟设计架构来源：SERIALCOMPUTINGvs.PARALLELCOMPUTING:ACOMPARATIVE 来源：Github，国金证券研究所STUDYUSINGMATLAB，国金证券研究所英特尔和AMD垄断全球CPU市场，英特尔在服务器CPU市场占据绝对优势。根据IDC的数据，2022年全球服务器市场规模有望达1216亿美元，2026年全球服务器市场规模有望达1665亿美元，22-26年CAGR达10.2%。截至23Q1，intel在全球CPU市场中的占比为63。0%，在全球服务器CPU市场中的占比为94.2%，在服务器CPU市场中占据绝对主导地位。图表11：2026年全球服务器市场规模1665亿美元x86（亿美元）Non-x86x86%1,60092%1,40091%1,20090%1,00089%80060088%40087%20086%085%20212022E2023E2024E2025E2026E来源：IDC，国金证券研究所

图表12：Intel主导全球CPU市场Intel AMDIntel（服务器） AMD（服务器）100%80%60%40%20%0%2004Q12005Q12006Q12007Q12008Q12009Q12010Q12011Q12012Q12013Q12014Q12015Q12016Q12017Q12018Q12019Q12020Q12021Q12022Q12023Q1来源：Cpubenchmark，国金证券研究所国产服务器芯片渗透率低，对应巨大国产替代空间。根据海光信息招股说明书的数据，2020年国内x86服务器芯片出货量698.1万颗，绝大部分市场份额被Intel和AMD两家公司占据，合计市场份额超过95%，其中Intel产品市场占有率遥遥领先。2020年海光信息CPU产品销售量约占总体市场份额的3.75%，占据了国产x86服务器CPU绝大部分市场份额。除了海光之外，国内CPU厂商主要有海思、龙芯、兆芯、飞腾、申威等。图表13：国产CPU芯片对比飞腾鲲鹏/海思龙芯海光申威兆芯研发单位天津飞腾（中国长华为龙芯中科海光信息申威科技上海兆芯城）团队背景国防科技大学华为中科院计算机所中科曙光（中科江南计算所上海市国资委+院控股）台湾威盛电子指令集体SPARC/ARM授ARM授权+自研MIPS授权+自研X86授权Alpha授权+自研X86/ARM授权系来源权+自研授权层级/ARMv8架构层级ARMv8架构层级获MIPS指令集X86内核层级授X86内核层级授修改权限，但需付已完全实现自创新可信永久授权，自主化永久授权，自主化权，自主化程度权，自主化程度专利费，自主化程主可控程度程度大程度大弱弱度大应用领域党政+商用市场党政+商用市场党政市场党政+商用军方党政敬请参阅最后一页特别声明8策略专题研究报告架构层级授权自性能最强；党政+起步最早，适配厂X86最新授权，在军方市场占优，上海地区覆盖优势商用市场接受程商多，自主化程度性能较强，应用底层应用、超算为广，x86应用生主化程度较高度高高。生态丰富主力方向态丰富腾云S系列/腾锐鲲鹏系列/麒麟系龙芯1号/龙芯2海光1号/2号/3SW-1600/ZX-C/ZX-D/KX-相关产品D系列/腾珑E系5000/KX-6000/列号/龙芯3号号/4号SW-1610列KH-20000产品覆盖服务器、桌面、嵌服务器、桌面、嵌桌面、服务器服务器服务器、桌面嵌入式、服务器、领域入式入式、移动端桌面天河一号/天河二华为服务器/华为玲珑/逸珑/福珑/神威蓝光、神联想笔记本、笔实际应用国家级超算项目记本、服务器、号/天河三号手机北斗导航卫星威·太湖之光火星舱存储系统2019年出预计20年底出货—50万片10万片—累计出货量超货量100万片100万片鲲鹏由台积电代意法半导体、新思中芯国际、台积代工厂中芯国际工；麒麟由中芯国—华力科技电和三星际代工最小制程16nm鲲鹏：7nm；28nm12nm28nm16nm麒麟：12/14nm来源：各公司官网，国金证券研究所我们测算国内x86服务器用CPU市场规模为315.1亿美元。IDC数据显示，预计2025年国内x86服务器出货量将达到525.2万台。根据x86服务器出货量和x86服务器路数分布情况进行计算，2020年中国市场x86服务器芯片出货量约为698.1万颗。假设到2025年x86服务器的平均路数为3，预测2025年中国市场x86服务器芯片出货量可达1575.6万颗，对应市场空间可达315.1亿美元，22-25年CAGR达19%。我们测算2025年整体x86架构国产PC+服务器端CPU国产替代空间达554.3亿元，22-25年CAGR为32%。我们认为服务器领域国产替代空间，主要在于政府机关、事业单位以及核心国央企等，有望率先放量。测算逻辑如下：1）相关人数测算：根据人社部2016年发布的《2015年人力资源和社会保障事业发展统计公报》，中国共有公务员716.7万人，我们假设目前公务员人数为800万人。根据国家统计局，2020年我国国有单位就业人员共5563万人，此口径以政府机关、事业单位为主，根据国家统计局，剔除教育、卫生&社会保障和社会福利院后，2020年中口径国有单位就业人员共3032万人，因此假设国央企及事业单位人数预计有8000万人。2）假设每人配备一台PC，PC与服务器配置比例为10:1，根据海光3000系列，PC端CPU单颗价值1000元/颗，服务端：海光目前最高端7200芯片ASP11000元，低端7100ASP4000元，整体服务器CPU均价大约8000元/颗。3）假设到2025年党政机关国产服务器替换比例为95%，其中国产x86服务器占比20%；国央企及事业单位国产x86服务器替换比例为20%。那么测算得出，预计2022年X86架构国产PC+服务器CPU替换空间为242.8亿元，到2025年有望达到554.3亿元，22-25年CAGR为32%。图表14：X86架构CPU国产替换空间测算202020212022E2023E2024E2025E国内X86服务器CPU市场空间测算X86服务器出货量（万台）343.9375.1408.4445483.8525.2单x86服务器CPU价值量（美元）160018002000200020002000平均单服务器搭载CPU颗数2.02.83国内X86服务器CPU市场规模（亿美元）111.7155.3204.2240.3270.9315.1国产替代空间测算党政公务员（万人）800800800800800800敬请参阅最后一页特别声明9策略专题研究报告PC国产替换率50%60%70%80%90%95%X86架构占比5%10%13%15%18%20%国产X86架构PC出货量204872.896129.6152国产x86架构服务器出货量4.0611.0418.225.9236.28845.6PC用CPU均价（元）100010001000100010001000服务器用CPU均价（元）800080008000800080008000党政PC+服务器替代空间（亿元）4.67.610.3国央企及事业单位人员（万人）800080008000800080008000国产替换率5%8%10%15%18%20%国产X86架构PC出货量400640800120014401600国产x86架构服务器出货量406480120144160PC用CPU均价（元）100010001000100010001000服务器用CPU均价（元）800080008000800080008000PC+服务器替代空间（亿元）105.0181.8240.0379.2466.6544.0整体X86架构CPU国产替换空间（亿元）105.2183.1242.8383.8474.1554.3来源：国金证券研究所测算图表15：GPU采用串行计算架构图表16：GPU采用高吞吐设计架构来源：SERIALCOMPUTINGvs.PARALLELCOMPUTING:ACOMPARATIVE 来源：Github，国金证券研究所STUDYUSINGMATLAB，国金证券研究所近年来，随着人工智能、数据挖掘等新技术的发展，集成电路行业迎来了数据中心引领发展的阶段，对海量数据进行计算和处理将成为带动集成电路行业发展的新动能大规模张量运算、矩阵运算是人工智能在计算层面的突出需求，高并行度的深度学习算法在视觉、语音和自然语言处理等领域上的广泛应用使得计算能力需求呈现指数级增长。根据Cisco的预计，2021年全球数据中心负载任务量将超过2016年的两倍，从2016年的不到250万个负载任务量增长到2021年的近570万个负载任务量。这也将驱动全球范围内云数据中心、超级数据中心的建设速度不断加快，SynergyResearchGroup预计到2024年，全球范围内计算能力更强的超大数据中心将超过1000个。敬请参阅最后一页特别声明10策略专题研究报告图表17：2016年-2021年数据中心负载任务量变化 图表18：2024年全球超大规模数据中心超1000个来源：Cisco，国金证券研究所 来源：SynergyResearchGroup，国金证券研究所人工智能算法的不断普及和应用，以及对商业计算和大数据处理的算力需求的不断增长，使得全球范围内对于计算加速硬件的需求不断上升。根据VerifiedMarketResearch的数据，2021年全球GPU市场规模335亿元，2028年全球GPU市场规模有望达到4774亿元，22-30年CAGR达33.3%。作为GPU领域的代表性企业，英伟达在全球独立显卡的市占率高达80%。其高端GPU如H100，A100和V100等占据了AI算法训练市场绝大部分的份额。英伟达数据中心业务收入在2017年仅为19亿美元，2021年高速增长至为106亿美元。从2017年至2021年，英伟达数据中心业务的CAGR达53%，其增速远超英伟达其他板块业务的收入增速。英伟达数据中心业务收入的快速增长体现了下游数据中心市场对于GPU等AI芯片的旺盛需求。图表19：2030年全球GPU市场规模有望达4774亿美元 图表20：英伟达主导独立GPU市场AMD 英伟达100%80%60%40%20%0%02Q403Q404Q405Q406Q407Q408Q409Q410Q411Q412Q413Q414Q415Q416Q417Q418Q419Q420Q421Q4来源：VerifiedMarketResearch，国金证券研究所 来源：JRR，国金证券研究所国内厂商GPU市占率不足1%，美国对华制裁加速GPU国产替代。2015年以来美国对GPU的制裁不断升级，美国国防部研究员曾提出中美竞争中，利用人工智能更多且更快的一方将获胜。前几年主要是美国将中国超算中心及相关GPU芯片企业拉入实体清单，以此达到限制中国AI以及超级计算机的发展，但是限制范围限于超算单一场景。2022年9月，美国针对AI、HPC及数据中心研发所用的高端GPU发出限制，英伟达的A100和H100以及AMD的MI250芯片暂停向中国客户销售。2022年10月，美国升级禁令限制范围，对高算力芯片的连接速度和每秒运算次数等具体参数做限制，除英伟达和AMD外，国内厂商海光信息的部分产品也被加入到限制范围内。美国将制裁限制范围由应用场景扩大到芯片和产品层面，其实也是代表着国内相关GPU产品或下游应用发展超过美国政府的预期。我们认为美国持续加大对中国高端芯片的出口限制，高速运算相关的GPU、CPU等芯片国产化进程必然加快。从国产替代方案来看，景嘉微、海光信息、好利科技、壁仞科技（未上市）等厂商有望受益。敬请参阅最后一页特别声明11策略专题研究报告图表21：国内GPU产业链情况核心技术/具体情况相关产品主要应用领域景嘉微国内首家实现自主研发本土化GPU并产业化的企业。具JM5400、JM7201、JM92系列军用工业、人工智能、金融、云计备支持本土GPU和本土操作系统的自主知识产权GPU。算等龙芯中科2020年公司成立GPU突击队，加快GPU研发设计。自研7A2000桥片的自主研发GPU模金融、政务办公、网络安全等统一渲染架构。块海光信息海光DCU属于GPGPU（通用图形处理）一种。2021年，深算一号DCU产品人工智能训练等公司深算一号DCU产品已实现商业化应用寒武纪3月发布AI训练GPU新品，搭载双芯片四芯粒封装的思MLU370-X8人工智能训练等元370，集成寒武纪MLU-Link多芯互联技术。芯原股份GPUIP供应厂商。GPU（含ISP）市场占有率排名全球前ArcturusGC8800、GC8400、小型物联网MCU、人工智能等三名，2020年全球市场占有率约10.2%GC8200、GC8000、GPUNanoIP壁仞科技已有自主原创GPU芯片架构BR100GPU人工智能、云计算、图形渲染等沐曦具备自主研发高性能GPU芯片架构、兼容国际主流生态MXN、MXC、MXG物理仿真、云游戏、元宇宙等的完整软件栈摩尔线程具备3D图形计算和高性能并行计算技术MTTS60、MTTS2000物理仿真、人工智能、自动驾驶等领域芯动科技一站式高速混合电路IP及芯片定制解决方案供应商风华1号元宇宙、云游戏、人工智能等来源：科创板日报，国金证券研究所现场可编程门阵列芯片FPGA的优势在低功耗，低延迟性:CPU内核并不擅长浮点运算以及信号处理等工作，将由集成在同一块芯片上的其它可编程内核执行，而GPU与FPGA都以擅长浮点运算著称。FPGA和GPU内都有大量的计算单元，它们的计算能力都很强。在进行人工智能神经网络(CNN,RNN,DNN)运算的时候，两者的速度会比CPU快上数十倍以上。但是GPU由于架构固定，硬件原来支持的指令也就固定了，而FPGA则是可编程的，因为它让软件与应用公司能够提供与其竞争对手不同的解决方案，并且能够灵活地针对自己所用的算法修改电路。虽然FPGA比较灵活,但其设计资源比GPU受到较大的限制，例如GPU如果想多加几个核心只要增加芯片面积就行，但FPGA一旦型号选定了逻辑资源上限就确定了。而且，FPGA的布线资源也受限制，因为有些线必须要绕很远，不像GPU这样走ASICflow可以随意布线，这也会限制性能。FPGA虽然在浮点运算速度,增加芯片面积，及布线的通用性比GPU来得差，却在延迟性及功耗上对GPU有着显著优势。英特尔斥巨资收购Altera是要让FPGA技术为英特尔的发展做贡献。表现在技术路线图上，那就是从现在分立的CPU芯片+分立的FPGA加速芯片，过渡到同一封装内的CPU晶片+FPGA晶片，到最终的集成CPU+FPGA系统芯片。预计这几种产品形式将会长期共存，因为CPU和FPGA的分立虽然性能稍差，但灵活性更高。图表22：英特尔FPGA技术路线图来源：英特尔，国金证券研究所敬请参阅最后一页特别声明12策略专题研究报告随着全球新一代通信设备以及人工智能与自动驾驶技术等新兴市场领域需求的不断增长，预计全球FPGA市场规模将从2021年的68.6亿美元增长至2025年的125.8亿美元，年均复合增长率约为16.4%。根据Gartner预测，军工、航天特种FPGA市场稳定增长，占FPGA市场整体份额维持在15%左右，FPGA在航空航天和军事领域的应用越来越多，包括飞行控制、传感器接口和图像处理的无人机系统，军用雷达射频信号处理等。国内复旦微电和紫光国微在特种FPGA领域已经陆续突破2xnm及1xnm，下游国产化率持续提升。另一方面FPGA下游最大应用领域为通信行业，占比超过40%，国内民用FPGA龙头为紫光同创（紫光国微持股30%）和安路科技，在通信领域验证加速，持续快速增长。图表23：2030年全球FPGA市场规模有望达221亿美元140全球FPGA市场规模（亿美元）YoY20%12018%16%10014%8012%10%608%406%204%2%00%20162017201820192020E2021E2022E2023E2024E2025E来源：Frost&Sullivan，国金证券研究所海外厂商主导全球FPGA市场，Xilinx和Intel形成双头垄断，国内企业持续加大FPGA芯片的布局，成长空间巨大。FPGA方面，我们建议关注复旦微电（高可靠FPGA技术领先，率先推出亿门级FPGA和PSoC芯片，应用领域不断丰富）和紫光国微（国内特种集成电路行业领先者，产品覆盖500多个品种，特种领域FPGA持续更新）、安路科技（国内民用FPGA龙头）。图表24：2021年中国FPGA芯片下竞争格局8.9%6.0%36.6%赛灵思Intel23.2%Lattice安路科技其他25.3%来源：Frost&Sullivan，国金证券研究所专用人工智能芯片（ASIC）的优势在于高性能和低功耗：ASIC是面向人工智能领域而专门设计的芯片，其架构和指令集针对人工智能领域中的各类算法和应用作了专门优化，以使芯片在计算精度降低的情况下更耐用，这意味每一个操作只需要更少的晶体管，可以使用更多精密且大功率的机器学习模型，同时用户能得到更正确的结果，ASIC每瓦能为机器学习提供比所有商用GPU和FPGA更高的量级指令。但ASIC并不擅长科学计算任务（CPU和GPU）、图形渲染任务（GPU）、通信调制解调任务（DSP）、对硬件架构进行重构（FPGA），且需要大量研发投入，研发周期长，产品定制程度高若不能保证出货量则单颗成本难以下降。ASIC的典型代表是谷歌TPU和寒武纪思元AI芯片，除此之外各大云厂商、互联网厂商，如从百度AI业务分拆而来的昆仑芯，阿里平头哥，特斯拉以及比特大陆等也纷纷涉敬请参阅最后一页特别声明13策略专题研究报告猎。以谷歌TPU为例，因为它能加速其人工智能系统TensorFlow的运行，而且效率也大大超过GPU，谷歌的深层神经网络就是由TensorFlow引擎驱动的，其第四代张量处理器(第四代TPU的性能是第三代的2.7倍)是专为机器学习由谷歌提供系统设计，博通提供芯片设计服务及IP授权服务，台积电提供7纳米制程工艺量身定做的，执行每个操作所需的晶体管数量更少，自然效率更高。图表25：谷歌历代TPU性能对比来源：TenLessonsFromThreeGenerationsShapedGoogle’sTPUv4i:IndustrialProduct，国金证券研究所2.2存储芯片：存储板块有望迎来拐点，DDR5内存放量根据应用材料提供的资料，机器所产生的数据量在2018年首次超越人类所创造的数据量，从2019年，每年几乎以倍数的幅度来增加，从2020年到2025年，全球数据增量将达到157Zetabytes(1Yotabyte=1000Zetabytes;1Zetabyte=1000Exabytes;1Exabyte=1000Petabytes;1Petabyte=1000Terabytes;1Terabyte=1000Gigabytes)，5年高达89%的复合增速。以这样的速度增长，我们很快在2028年就会看到超过1Yotabyte的数据增量。这么庞大的数据增量，不可能用人工来处理分析，必须运用各种具备高速运算的人工智能芯片来过滤、处理分析、训练及推理，这将持续带动7nm以下高速运算HBM存储器，3DNAND,CPU,AIGPU,FPGA,网络芯片晶圆代工的需求，及顺势带动成熟制程的配套芯片如电源管理芯片，PCIEGen4/5retimer等的需求。图表26：机器数据量图表来源：应用材料，国金证券研究所从NAND供给端看，各大厂商已有实质性减产动作，2023年NAND供给位元涨幅收敛到21%，投片量涨幅收敛到1%。根据TrendForce的数据，以存储位元计算，2023年全球NAND供给位元达8954亿（等价8GB），同比增加21%。以晶圆产出计算，2023年全球NAND晶圆产量2061万片（等价12英寸），同比增加1%。展望2023年各大存储厂商NAND产能情况，敬请参阅最后一页特别声明14策略专题研究报告三星、YMTC将增产，铠侠/WDC、海力士和美光都将减产，同时国内NAND大厂长江存储受困于美国制裁，也将减产128层以上NANDFlash产品。在终端需求不景气以及NAND价格持续下跌的背景下，三星激进扩产的原因主要在于：1）NAND芯片竞争对手较多，部分竞争对手如铠侠与WDC的联盟产品组合单一，专注于NAND业务，缺乏DRAM的产品组合来保护营业利润，因此总体抗风险能力略逊于其他同时专注于DRAM和NAND的存储厂商。三星或希望通过激进的扩产计划，来抢占部分竞争对手的份额（历史上前几轮也是如此）。2）三星一部分NAND的产能来自西安工厂，长期来看西安厂扩产能力有限，三星或在韩国厂增加弥补西安厂产能下滑的风险。从NAND需求端看，2023年NAND终端需求位元同增27%，供过于求的竞争格局有望缓解。2023年NAND需求位元达8608亿，同比增长27%。手机、企业级SSD和PCSSD成为需求位元最大的三大细分领域，2023年需求占比分别达31%、26%和22%。其中，企业级SSD和手机端成为增长的主要贡献力量，需求位元分别同比增长39%和23%。PCSSD受到需求萎靡与单机搭载容量增速下滑的影响，需求位元成长仅10%。企业级增长的原因主要系服务器单机搭载闪存容量的上升，全球数据量指数级增长，数据存储的需求持续，因此预计2023年服务器单机容量会成长到4167GB，同比增长24.3%。手机端，我们看到UFS的渗透率在不断提高，UFS3.1成为中高端手机的标配，甚至部分旗舰手机已经搭载UFS4.0，有望带动2023年手机闪存容量成长到219GB，同比增长21.6%。此外，鉴于ChatGPT的横空出世，我们认为将推动超高算力数据中心的需求，后续随着各种智能化应用终端的出现将有望带动存储器的需求。图表27：2021-2023ENAND产能图表28：2021-2023ENAND需求SamsungKioxia/WDCTotalHandsetsPCSSDSKhynixSolidigm3,000GameConsoleEnterpriseSSDMicronYMTCMemoryCardUFD10,000Others(亿·8GB）BitYoY50%2,500Others(亿·8GB)8,00040%2,0006,00030%1,5004,00020%1,0002,00010%50020212022E2023E202120222023F来源：TrendForce，国金证券研究所来源：TrendForce，国金证券研究所从DRAM供给端看，2023年DRAM位元供给增幅不足10%，DRAM厂商扩产计划延后。根据TrendForce的数据，以位元计算，2023年全球DRAM位元供给1146亿（等价2GB），同比增加9%。以投片量计算，2023年全球DRAM晶圆产量1587万片（等价12英寸），同比增加1%。展望2023年各大存储厂商DRAM供给位元情况，服务器有望首次超过手机DRAM业务成为供给位元的第一大产出，服务器占比38%，手机占比37%。服务器和Consumer则成为供给增速的主要贡献力量，分别同比成长18%和11%，Consumer的高增长主要来自车用DRAM。从投片量看，三星、海力士和CXMT将增产，分别同比增加5%、2%和26%。美光、南亚和力积电都将减产，分别同比减少12%、21%和22%。从DRAM需求端看，消费类需求的萎靡导致2023年DRAM位元需求仅成长10%。预计2023年DRAM需求位元达1071亿，同比增长10%。其中，服务器和手机DRAM为需求最大的细分领域，分别为410亿（38%）、385亿（36%），分别同比增长17%和5%。2023年DRAM位元需求增长幅度接近历史低位，主要基于以下原因：1）PC市场或将陷入衰退。疫情期间各类企业和学校等超前消费各类IT设施，PC出货量持续超预期，未来PC出货量有恢复常态的需求，海外PC市场陷入同比下滑的可能性较大。下游PCOEM已连续两季调低PCDRAM的采购量。2）DRAM单机搭载容量增速不如NAND，安卓的内存容量短期内接近上限，23年能够期待的也仅仅是iPhone15的内存提升到8GB。总体来看，手机内存容量也仅仅从5.2GB成长到5.6GB，同比增加6.3%。敬请参阅最后一页特别声明15策略专题研究报告图表29：2021-2023EDRAM产能 图表30：2021-2023EDRAM需求PC(亿·2GB）ServerMobileGraphics1,400ConsumerYoY20%1,2001,00015%80010%6004005%20000%202120222023E

PC（亿·2GB）Server1,200MobileGraphics25%ConsumerYoY1,00020%80015%60040010%5%20000%202120222023E来源：TrendForce，国金证券研究所 来源：TrendForce，国金证券研究所综合供需情况看，我们认为23年存储行业供过于求的竞争格局有望改善，NAND或先于DRAM复苏。2022年NAND供需差占需求的比例约9%，2023年这一数字将下降到3.9%，供过于求的情况大幅度缓解。大部分NAND厂商从2022年第四季度开始实质减产，同时叠加海外云厂商在2023年上半年消化完原有的高价SSD库存后，有望在2023年下半年重启采购。2022年DRAM供需差占需求的比例约8%，2023年这一数字将下降到7%，供过于求的情况主要在2023年下半年开始缓解，供过于求的缓解要慢于NANDFlash市场。我们认为DRAM市场更晚复苏主要基于以下原因：DRAM和NAND竞争格局不同。DRAM市场呈现三星、海力士和美光三强争霸的格局，CR3高达96%，且呈现逐年上升的趋势。随着DRAM制程越来越接近10nm，EUV成为DRAM迈向更先进制程的必备工具，进一步提高新玩家进入DRAM行业的门槛。在竞争格局稳定的情况下，三大厂商在DRAM上的减产意愿并不明显，导致DRAM库存可能在23年第三季度才能见顶。而NAND所有原厂早已明确开始减产，并且NAND价格在2022年第四季度已经跌破了现金成本，各厂商减产意愿更显著，我们看好NAND厂商库存更早见顶迎来拐点。图表31：2023年NAND供需格局大幅缓解图表32：2023年DRAM供需格局小幅缓解NAND供给DRAM需求3,000NAND需求20%1,400DRAM供给9%Sufficiencyratio(%)1,200Sufficiencyratio(%)8%2,50015%7%2,00010%1,0006%1,5008005%1,0005%6004%0%4003%5002%0-5%2001%1Q212Q213Q214Q211Q222Q223Q224Q221Q23E2Q23E3Q23E4Q23E0202120222023E0%来源：TrendForce，国金证券研究所来源：TrendForce，国金证券研究所今年我们建议关注半导体领域弹性最大的存储板块，有望在2023年下半年迎来止跌。回顾世界半导体贸易统计组织（WSTS）披露的历年全球半导体各板块销售同比增速，存储行业的营收增速从见顶到见底通常为1-2年：2H2006-1H2008，②2H2020-1H2011,③2H2014-1H2016,④2H2017-1H2019。从上一轮周期看，存储板块的销售增速在2017年上半年见顶，2019年年中见底。本轮周期中，存储的销售增速在2021Q3见顶，2022年增速转负，但随着三大厂商陆续降价去库、削减资本开支等减少供给，同时汽车智能化快速推进、高端制造信息化升级驱动汽车、工业、医疗等行业强劲的市场需求，以及ChatGPT将大力推动数据中心建设均将带来大量存储器需求，我们预计存储板块有望在23Q3-23Q4迎来止跌。敬请参阅最后一页特别声明16策略专题研究报告图表33：我们看好弹性最大的存储板块2023年止跌反弹Analog%Micro%Logic%Memory%Total%80%60%40%20%②③④①⑤0%-20%-40%200820142005200620072009201020112012201320152016201720182019202020212022E2023E来源：WSTS，国金证券研究所服务器用DDR5即将放量：在英特尔已于23年1月份正式推出支援4800MT/s，DDR5的Intel7服务器CPUSapphireRapids,而AMD在22年1月推出的5nm服务器Zen4CPUGenoa,也将支援5200MT/s的DDR5。我们认为DDR5将比DDR4芯片面积及价格提升25-30%，意思就是消耗掉更多的内存DRAM芯片产能。根据Yole的数据，2022年全球内存模组市场规模达420亿美元，其中PC市场规模66亿美元，同比下滑36%，服务器市场规模331亿美元，同比增加0.4%。2028年全球内存模组市场规模有望达963亿美元，22-28年CAGR达16%，服务器端CAGR达19%。2022年全球内存模组出货量5.11亿，其中DDR4出货5.0亿，DDR5出货0.11亿。2028年全球内存模组出货量有望达6.5亿，DDR5占比超过98.7%,22-28年DDR5内存模组出货量CAGR达97%。图表34：2028年全球内存模组出货量有望达6.5亿来源：Yole，国金证券研究所除此之外，为了能够梳理CPU与DDR5内存之间大量的数据存取，整体DDR5模组中DDR51+10内存接口芯片比重应该会提升超过10%，内存接口芯片面积也会加大，还要推新串行检测，温度传感，电源管理芯片等配套芯片。Trendforce研究机构还预期DDR5模组的电源管理芯片因产能短缺，可能面临缺货的窘境。我们估计2022年澜起，Renesas/IDT,Rambus将分食40%/40%/20%的DDR5内存接口芯片份额，而目前仅澜起及Renesas/IDT能提供完整的内存接口芯片加配套芯片解决方案。根据Yole的数据，2022年内存接口芯片及配套芯片市场规模达11亿美元，2028年市场规模有望成长到40亿美元，21-28年CAGR达28%。敬请参阅最后一页特别声明17策略专题研究报告图表35：2028年内存接口芯片及配套芯片市场规模有望达40亿美元来源：Yole，国金证券研究所2.3光芯片：数通和电信市场水大鱼大，光芯片国产替代空间广阔受益于全球数据量快速增长，光通信逐渐崛起。在全球信息和数据互联快速成长的背景下，终端产生的数据量每隔几年就实现翻倍增长，当前的基础电子通讯架构渐渐无法满足海量数据的传输需求，光电信息技术逐步崛起。光通信是以光信号为信息载体，以光纤作为传输介质，光芯片实现电光转换，将信息以光信号的形式进行信息传输的系统。光通信传输过程中，发射端将电信号转换成激光信号，然后调制激光器发出的激光束，通过光纤传递，在接收端接收到激光信号后再将其转化为电信号，经调制解调后变为信息，其中需要光芯片来实现电信号和光信号之间的相互转换，光芯片是光电技术产品的核心，广泛应用于5G前传、光接入网络、城域网和数据中心等场景，处于光通信领域的金字塔尖。光芯片可以进一步组装加工成光电子器件，再集成到光通信设备的收发模块实现广泛应用。图表36：光芯片在光通信中用于产生和接受光信号来源：中国电子元件行业协会，源杰科技招股说明书，国金证券研究所光芯片按功能可以分为激光器芯片和探测器芯片。激光器芯片主要用于发射信号，将电信号转化为光信号，探测器芯片主要用于接收信号，将光信号转化为电信号。激光器芯片根据谐振腔制造工艺的不同可分为边发射激光芯片（EEL）和面发射激光芯片（VCSEL）。边发射激光器芯片是在芯片的两侧镀光学膜形成谐振腔，沿平行于衬底表面发射激光，而面发射激光器芯片是在芯片的上下两面镀光学膜，形成谐振腔，由于光学谐振腔与衬底垂直，能够实现垂直于芯片表面发射激光。面发射激光器芯片有低阈值电流、稳定单波长工作、可高频调制、容易二维集成、没有腔面阈值损伤、制造成本低等优点，但输出功率及电光效率较边发射激光芯片低。面发射芯片包括VCSEL芯片，边发射芯片包括FP、DFB和EML芯片；探测器芯片主要包括PIN和APD两类。敬请参阅最后一页特别声明18策略专题研究报告图表37：激光器芯片和探测器芯片细分品类芯片类型产品类别工作波长产品特性应用场景线宽窄，功耗低，调制速率500米以内的短距离传输，如数据中心机柜VCSEL800-900nm高，耦合效率高，传输距离内部传输、消费电子领域（3D感应面部识别）短，线性度差调制速率高，成本低，耦合主要应用于中低速无线接入短距离市场，由FP1310-1550nm于存在损耗大、传输距离短的问题，部分应激光器芯片效率低，线性度差用场景逐步被DFB激光器芯片取代DFB1270-1610nm谱线窄，调制速率高，波长中长距离的传输，如FTTx接入网、传输网、稳定，耦合效率低无线基站、数据中心内部互联等EML1270-1610nm调制频率高，稳定性好，传长距离传输，如高速率、远距离的电信骨干输距离长，成本高网、城域网和数据中心互联PIN830-860/1100-1600nm噪声小，工作电压低，成本中长距离传输探测器芯片低，灵敏度低APD1270-1610nm灵敏度高，成本高长距离单模光纤来源：源杰科技招股说明书，国金证券研究所需求端，数据中心和电信双轮驱动，预计2027年全球光模块市场规模超200亿美元，22-27年CAGR达11%。随着光电子、云计算技术等不断成熟，更多终端应用需求不断涌现，并对通信技术提出更高的要求。受益于全球数据中心、光纤宽带接入以及5G通讯的持续发展，光模块作为光通信产业链最为重要的器件保持持续增长。根据LightCounting的数据，2027年全球光模块市场规模预计将超过200亿美元，22-27年CAGR达11%。图表38：2025年全球光模块市场规模有望达113亿美元来源：LightCounting，国金证券研究所供给端，海外光芯片厂商具备先发优势，国内厂商乘国产替代东风正迎头赶上。我国光芯片产业参与者主要包括海外头部光通信厂商、国内专业光芯片厂商及国内综合光芯片模块厂商。1）海外头部光通信厂商：三菱电机、住友电工、马科姆（MACOM）、朗美通（Lumentum）、应用光电（AOI）、博通（Broadcom）等；2）国内专业光芯片厂商：源杰科技、武汉敏芯、中科光芯、雷光科技、光安伦、云岭光电等；3）国内综合光芯片模块厂商或拥有独立光芯片业务板块厂商：光迅科技、海信宽带、索尔思、三安光电、仕佳光子等。从竞争格局和产品布局看，以住友电工、马科姆（MACOM）、博通（Broadcom）为代表的欧美日综合光通信企业在高速率光芯片市场占据主导地位，而中国厂商在中低速率芯片市场占据优势，国产化率较高，但高速光芯片仍存在差距。敬请参阅最后一页特别声明19策略专题研究报告图表39：光芯片竞争格局产品速率产品类型竞争情况主要供应商国产化水平应用于光纤接入PON（GPON）数据上传光模块，源杰科技、武汉敏芯、三1310nmDFB激光器芯片安光电、中科光芯、雷光较高技术相对成熟，市场竞争较为激烈科技、光安伦应用于光纤接入PON（GPON）数据下传光模块，三菱电机、源杰科技、海1490nmDFB激光器芯片产品性能、可靠性要求高，实现批量供货厂商较少，较高信宽带2.5G公司等国内厂商市场份额较大，国产化率较高应用于光纤接入10G-PON（XG-PON）数据上传三菱电机、源杰科技、武1270nmDFB激光器芯片光模块，产品难度较2.5G1310nmDFB激光器芯汉敏芯、海信宽带、光迅较高片更高，但供应商逐步增多，市场竞争逐步加剧科技1550nmDFB激光器芯片应用于40km/80km长距离传输光模块，产品性能、三菱电机、源杰科技、海中等可靠性要求高，实现批量供货厂商较少信宽带、光迅科技应用于光纤接入10G-PON（XGS-PON）数据上传三菱电机、马科姆1270nmDFB激光器芯片光模块，产品性能、可靠性要求高，实现批量供货（MACOM）、源杰科技、中等厂商较少，公司等国内厂商市场份额较集中武汉敏芯、海信宽带1310nmFP激光器芯片应用于4G移动通信网络光模块，技术相对成熟，三菱电机、源杰科技、云10G岭光电、武汉敏芯、海信较高市场竞争较为激烈1310nmDFB激光器芯片宽带CWDM6波段DFB激光应用于4G/5G移动通信网络光模块，技术相对成马科姆（MACOM）、朗美通（Lumentum）、源中等器芯片熟，国内厂商逐渐扩大市场份额杰科技、武汉敏芯CWDM6波段DFB激光中等器芯片应用于5G移动通信网络光模块，产品难度大，其马科姆（MACOM）、朗LWDM12波段DFB激光中MWDM12波段DFB