半导体行业市场分析研究

半导体行业市场分析研究一、“AI革命”，服务器芯片量价齐升1.1算力：核心硬件GPU，大模型带动需求激增GPU用途由图形处理拓展至计算。GPU是图形处理器的简称，它是一种专门用于处理图形、视频、游戏等高性能计算的硬件设备。GPU相对于传统的中央处理器（CPU）而言，其拥有更多的计算核心和更快的内存带宽，能够大幅度提高计算效率和图形渲染速度。现阶段，随着例如英伟达A100、H100等型号产品的发布，GPU在算力方面的优势相较于其他硬件具有较大优势，GPU的工作也从一开始的图形处理逐步转化为计算。根据用途和性能表现，GPU可以分为专业卡和消费级卡两类：专业卡通常用于工程、科学、医学等领域的高性能计算和大规模数据处理，主要厂商包括英伟达、AMD等；消费级卡则主要用于普通家庭和游戏玩家，主要厂商包括英伟达、AMD、英特尔等。目前GPU在硬件中拥有最高的算力，成为最适合支撑人工智能训练和学习的硬件，我们认为其原因主要在于：更多处理单元：GPU相比于CPU等其他硬件有更多的处理单元（核心数更多），因此可以并行处理更多的数据。主要系GPU最初是为了图形渲染而设计的，而图形渲染涉及的计算是高度并行化的。这种并行化的特性使GPU非常适合进行机器学习和深度学习这样的大规模数据并行计算。具有更高的内存带宽和更大的内存容量：在进行深度学习等计算时，需要大量的内存和高速的内存带宽来存储和处理海量数据。GPU相比于其他硬件（如CPU），具有更高的内存带宽和更大的内存容量，可以更有效地存储和处理数据，从而提高计算速度。具有专门的计算单元：相较于其他硬件，GPU具有例如张量核心和矩阵乘法等计算单元，可以更快地执行常见的机器学习和深度学习操作：如卷积和矩阵乘法。这些计算单元与通用计算单元相比，具有更高的效率和更快的速度。GPGPU——为计算而生。GPGPU全称是“general-purposecomputingongraphicsprocessingunits”，简称“通用图形处理单元”，其主要利用GPU的功能来执行CPU的任务，虽然在设计初期是为了更好地图形处理，但是多内核多通道的设计使其非常适合科学计算，发展至今GPGPU也成为了专为计算而设计的硬件。多领域驱动，GPU千亿美金市场拉开序幕。GPU市场规模的大小取决于多种因素：其中游戏和娱乐市场一直是GPU市场的主要驱动力，因为这些领域需要高性能的GPU来支持更高质量的游戏画面和娱乐内容。同时人工智能和机器学习的发展对GPU市场也有着巨大的影响，因为这些技术需要大量的计算能力，而GPU可以提供比CPU更高的效率。此外，科学和研究领域的需求以及新兴市场（如游戏机和数据中心）也对GPU市场的规模产生了影响。根据研究数据，2021年全球GPU市场规模为334.7亿美金，预计到2030年将达到4473.7亿美金，期间CAGR33.3%。LLM模型带动算力需求：算力是指计算机系统能够完成的计算任务量，通常用来描述计算机的处理能力。算力的单位通常采用FLOPS（FloatingPointOperationsPerSecond）表示每秒钟能够完成的浮点运算或指令数，例如一台计算机每秒钟可以完成10亿次浮点运算，那么它的FLOPS值就是10GFLOPS（10GigaFLOPS）。目前我们以全球龙头英伟达在2020年发布的A100产品为例，根据英伟达官方介绍，A100的理论浮点运算性能可以达到19.5TFLOPS（19.5TeraFLOPS），即每秒195万亿次浮点运算。大型语言模型（LargeLanguageModel，简称LLM）是一种使用深度学习算法处理、理解自然语言的基础学习模型。LLM基于数亿到数千亿个参数的神经网络，通过训练数据学习自然语言的规律和模式，并能够生成高质量的自然语言文本。这些模型的训练需要大量的计算资源和海量的文本数据，因此需要使用分布式计算和大规模数据处理技术。目前，LLM模型能够在例如语音识别、文本摘要、智能翻译等领域中实际应用，但是LLM模型大规模应用目前仍然存在一些挑战和限制：需要大量的训练数据和计算资源，很难处理语言的多样性和不确定性。GPT-3开启大模型时代。GPT-3是由OpenAI研发的一种基于深度学习的自然语言处理模型，其使用了大量的语料库进行预训练，使其能够理解语言的规则和模式，并生成与输入文本相关的自然语言文本，GPT-3的主要特点是它具有大规模的预训练模型，而同时大规模的训练模型与之对应的便是庞大的算力需求，根据OpenAI团队成员2020年发表的论文《LanguageModelsareFew-ShotLearners》，GPT-3模型拥有约1750亿参考量，这使得GPT-3拥有其他较少参考量模型来说更高的准确性。同时基于1750亿参数的模型仅需少量的样本训练，就能够接近于BETR模型使用大量样本训练后的效果。我们认为，大模型无论在性能还是在学习能力上，相较于其他模型都具备明显优势，未来或将成为行业趋势。伴随大模型的明显优势，与之而来的则是对于算力要求的显著提升。以GPT-3为例，其1750亿的参数，如果以英伟达旗舰级GPU产品A100对GPT-3进行训练，1024块A100卡需要耗费超过1个月（大于30天），则我们可以按比例计算出，如果需要单日完成训练，需要的A100数量将超过30000块。目前AI服务器通常选用CPU和加速芯片组来满足其庞大算力需求，其中加速芯片包括GPU、FPGA、ASIC等逻辑芯片，其中GPU由于其具有最强的计算能力同时具备深度学习等能力，目前成为服务器中加速芯片的首选。根据研究数据，2021年全球服务器出货量达1315万台，同比增长7.8%，对应全球市场规模达995亿美元。根据预计，2022年全球服务器市场规模有望达到1117亿美元，同比增长17.0%。预计云服务提供商数据中心扩张增长驱动力主要来自于汽车、5G、云游戏和高性能计算。AI服务器渗透率依旧较低，增长空间巨大。根据数据，截止2022年全球搭载GPGPU的AI服务器（推理）出货量占整体服务器比重约1%，同时预测2023年伴随AI相关应用加持，年出货量增速达到8%，2022~2026年CAGR为10.8%。根据数据，2022年全球AI服务器采购中，Microsoft、Google、Meta、AWS为前四大采购商，合计占比66.2%。中国地区ByteDance（字节跳动）采购比例最高，达到6.2%。GPU在AI服务器中价值量占比接近50%。我们以NvidiaDGXA100为例，其搭载了8张NvidiaA100TensorGPU，根据新浪科技数据，NvidiaDGXA100售价约为19.9w美金；NvidiaA100Tensor价格为1.00~1.20w美金。我们按照1.20w美金售价计算可得出GPU在NvidiaDGXA100价值量占比约为48.24%。我们从服务器的数量角度出发进行GPU数量推算：根据上文预计2023年预计全球AI服务器（推理）出货大约在14.4万台，到2026年预计实现出货量20.0w台。我们假设训练AI服务器和推理AI服务器的比例为1:4，则我们可以得到2023/2026年训练服务器的数量大约为3.60/5.00万台。由于两种AI服务器对应的模型训练阶段不同，我们假设推理AI服务器和训练AI服务器使用的GPU数量分别为4张和8张，则可以计算出2023年和2026年全球AI服务器领域所需GPU数量约为86.4万张和120万张，我们以A100约1.20w美金的价格作为参考计算出2023年和2026年AI服务器所需GPU的价值分别为103.7亿美元和144.0亿美元。1.2存储：AI提振需求，有望加速困境修复整体来看，ChatGPT将从算力侧和数据传输端全面带动显卡及高算力芯片需求，由此将从算力芯片、应用端、存算一体、先进封装、封装设备、IC载板等多个领域带动硬件市场增量需求。人工智能已成为解决艰巨业务挑战的首选解决方案。AI正在为各行各业的企业组织开辟创新之路，从改善客户服务、优化供应链、获取商业智能，到设计新产品和服务等。NVIDIA作为AI基础架构的先行者，NVIDIADGX系统可提供更强大、完整的AI平台，将企业组织的核心想法付诸实践。目前AI大规模训练方面，NVIDIA推出的最新DGX系统包括A100、H100、BasePOD、SuperPOD四款产品，其中，DGXA100、DGXH100为英伟达当前服务于AI领域的服务器产品。H100采用先进工艺芯片采用台积电4N工艺+台积电CoWoS2.5D封装，有800亿个晶体管对比A100有540亿个晶体管，同时搭载了HBM3显存，可实现近5TB/s的外部互联带宽。H100是首款支持PCIe5.0的GPU，也是首款采用HBM3标准的GPU，单个H100可支持40Tb/s的IO带宽，实现3TB/s的显存带宽。DGXH100带来性能的快速飞跃，通过全新张量处理格式FP8实现。其中FP8算力是4PetaFLOPS，FP16达2PetaFLOPS，TF32算力为1PetaFLOPS，FP64和FP32算力为60TeraFLOPS。在DGXH100系统中，拥有8颗H100GPU，整体系统显存带宽达24TB/s，硬件上支持系统内存2TB，及支持2块1.9TB的NVMeM.2硬盘作为操作系统及8块3.84TBNVMeM.2硬盘作为内部存储。根据官网信息，NVIDIADGXH100对比上一代产品具有6倍的性能及2倍的网络速度和高速可扩展性，同时英伟达表示目前新款DGXH100已经全面投入生产。国内华为的昇腾Atlas800（型号9010）训练服务器是基于昇腾910+IntelCascadeLake的AI训练服务器，具有高计算密度、高能效比与高网络带宽易拓展、易管理等特点，该服务器广泛应用于深度学习模型开发和AI训练服务场景，适用于公有云、互联网、运营商等需要大算力的行业领域。AI处理器昇腾910是一款具有超高算力的AI处理器，其最大功耗为310W，华为自研的达芬奇架构大大提升了其能效比。八位整数精度（INT8）下的性能达到640TOPS，16位浮点数（FP16）下的性能达到320TFLOPS。Atlas800（型号9010）训练服务器从配置来看，拥有8个昇腾910模组，单模组支持HBM2e技术，且拥有32GB容量及1228GB/s传输速度，AI算力达2.24PFLOPSFP16/1.76PFLOPSFP16。本地存储支持2个2.5SATA+8个2.5SAS/SATA或2个2.5SAS/SATA+6个2.5NVMe。AI服务器带来存力硬件需求快速扩展。根据美光数据测算，人工智能服务器中DRAM容量是普通服务器的8倍，NAND容量将是普通服务器的3倍，而大容量及高速率存储器将是算力数据迭代运算的重要基础。我们认为，人工智能计算量日益增加，对于AI服务器硬件需求将进一步提升。从服务器硬件配置角度，HBM技术将快速在AI服务器中普及，其价格远高于现有基础服务器配置，未来AI服务器需求将带领存储芯片出现量价齐升的趋势。1.3模拟：多相电源配套增长，接口升级多相电源为CPU供电核心。主板主要有两种供电方式：线性电源和开关电源，其中开关电源式为功耗相对较大的元器件，例如CPU、内存和芯片组等供电。其中，内存和芯片组皆采用单相供电，而CPU由于功耗巨大，须采用多相供电保证其稳定工作。计算力作为数字经济时代的核心生产力，推动着经济蓬勃向前发展。作为计算应用的代表领域，云计算、人工智能、自动驾驶等应用，对核心处理器XPU（CPU、GPU、DPU、AI等）的算力要求越来越高，使这些主芯片对供电的要求越来越严苛，特别是中高端的XPU处理器，需要更多相数、多路输出、多种协议的电源管理芯片。典型的单相开关供电电路通常由PWM控制器（（PulseWidthModulation）控制器）、电感(L)、电容(C)、一对场效应管(MOSFET)以及MOSFET驱动芯片(DriverMos)组成。多个单相供电回路并联在一起，且工作时间交错，即组成多相供电。CPU电能基本来源于12V8PIN接口。12V输入经过MOSFET上桥进入电容与电感，在电感与电容填充电能并达到所需的电压后，上桥中断，下桥开启。此时电容电感释放能量，同时起到滤波稳定功能，下桥控制电路。通过PWM控制器频繁切换实现持续稳定的电流与电压供给。整体流程循环如下：（1）MOS上桥开启，输入12V电压；（2）电感电容储电；（3）MOS上桥关闭，MOS下桥开启；（4）电感电容放电，提供所需电压与电能。互联接口升级：A100的NVLink3代和NVSwitch2代升级到了H100的NVLink4代和NVSwitch3代。DGXA100是8块A100通过12个NVLink3连接到6块NVSwitch2；DGXH100是8块H100通过18个NVLink4连接到4块NVSwitch3。第三代NVSwitch芯片（NVSwitch3），可以连接服务器内部各GPU卡，同时还可以将GPU服务器扩展外连来建立一个独立完整的GPU高速集群。同时在NVSwitch芯片内通过硬件加速器来支持组播报文加速和引入SHARP(ScalableHierarchicalAggregationandReductionProtocol)，主要用来加速和优化All-Reduce的AI计算性能。通过第三代NVSwitch芯片组成的物理交换机，可以建立一个最多256个H100GPU卡的集群，整网提供57.6TB/s的all-to-all带宽。NVLink4.0技术规范可以大大优化GPU的性能和扩展性。NVLink是为了解决服务器内部GPU之间点到点通讯的一种协议。NVLink对比传统网络不会有例如端到端报文重传，自适应路由，报文重组等开销。极度简化的NVLink接口可以为CUDA提供从会话层，表示层到应用层的加速。NVLink随GPU架构演进而发展，从第一代P100的NVLink1到现在H100的NVLink4。NVLink3可同时支持50GNRZ和56GPAM4，NVLink4首次引入112GPAM4Serdes，可以提供900GB/s的双向带宽，较NVLink3的600GB/s提升1.5倍。网络接口升级：DGX服务器包括4个网络：计算网络、存储网络、In-band管理网络和Out-of-band管理网络。计算网络接口：DGXA100服务器计算网络是8张单口200Gbps的CX6或者CX7的IB网卡。DGXH100服务器4个800G的OSFP接口内部是8个CX7的网卡芯片组成，可支持IB或者Eth，每个OSFP口可以通过分线来支持2个NDR400G的IB网络或者2个400G以太网络，并且这里已经从A100的56GPAM4Serdes升级到了112GPAM4的Serdes。存储&In-band网络接口：DGXA100服务器存储是两张双口CX6或者CX7的IB或者Eth网卡，每一块双口网卡上，一口作存储用，另一个口做in-band管理。DGXH100服务器同样是使用两张双口400G的CX7VPI网卡，可支持IB或者Eth,官方建议一个NDR400G走IB存储，另一个降速成Eth200G走In-band管理网。Out-of-band：DGXA100服务器是两个千兆电口Lan和BMC。DGXH100服务器Out-of-band网络还是推荐使用BMCRJ45千兆电口。内存接口升级：内存接口芯片，是用于服务器内存模组（又称内存条）的核心逻辑器件，是服务器CPU与内存之间数据及指令传输的桥梁。内存模组用于暂时存放CPU中的运算数据，是影响服务器性能的重要因素，由于服务器CPU对内存模组的高传输速率、大容量需求日益增长，因此为了服务器系统性能得到最佳发挥，服务器内存模组往往需要配置内存接口芯片，用于提升访问速度和稳定性。从数量上来讲，服务器内存模组与内存接口芯片一一对应。内存模组根据其结构，大致可分为UDIMM、RDIMM和LRDIMM3类，仅考虑DDR~DDR4，UDIMM内存模组无缓冲，价格低廉，但容量较小，不能满足服务器的要求，多用于桌面式PC。RDIMM支持Buffered模式和高性能的Registered模式，较UDIMM更为稳定，此外，RDIMM支持更高的容量和频率，容量最大可支持32GB，频率最大支持3200MT/s。缺点在于由于寄存器的使用，其延迟较高，能耗也较大。LRDIMM作为RDIMM的替代品出现，其最大容量进一步提升至64GB。我们判断，海量数据时代对数据处理和存储需求将持续推动内存接口芯片迎量价齐升和市场高速扩容。我们接下来将从量价两个维度展开分析：1）量的方面，受益于服务器出货量增长和单台服务器内存模组用量不断上升，2）价的方面，内存接口技术升级及内存接口芯片结构升级渗透带来内存接口芯片本身价值量提升。内存接口芯片伴随内存技术的发展而发展，当前主流的DDR4内存技术面世至今历经多次迭代，已进入成熟期。2020年7月DDR5标准正式推出，内存技术迭代大幕正式拉起。我们判断未来内存技术升级将推动内存接口芯片市场加速扩容：1）DDR5突破处理器性能瓶颈，处理器及存储龙头大力推进，有望加速渗透替代DDR4市场份额；2）新一代内存接口芯片技术难度增大，ASP有望大幅抬升；3）DDR5时代内存接口芯片采用“1+10”架构，价值量相较前代提升。DDR5内存性能远超DDR4的规格上限，配套内存接口芯片性能及技术难度随之提升，推高内存接口芯片ASP。DRR5相较于DDR4单颗DRAM内存密度提升4倍至64Gbit，最大数据传输速率提升一倍达到6.4Gbps，工作电压由1.2V压低至1.1V使对应功耗降低超过20％，故而DDR5内存将对保证内存数据传输速率和稳定性的内存接口芯片提出更高要求，进而新一代内存接口芯片在满足更高性能要求的同时技术难度也相应提升，从而提高新一代内存接口芯片价值量。二、行业利好层出不穷，自主可控势在必行2.1设备：供应链限制延续，国产替代加速全球设备五强占市场主导角色。全球设备竞争格局，主要前道工艺（刻蚀、沉积、涂胶、热处理、清洗等）整合成三强AMAT、LAM、TEL。另外，光刻机龙头ASML、过程控制龙头KLA市占率较高。根据彭博，ASML、AMAT、LAMResearch、TEL、KLA五大厂商2021财年收入合计845亿美元，占全球市场约82%。中国大陆12寸晶圆厂扩产迅速，全球占比持续提升。根据数据，全球300mm晶圆产能在2022年-2025年复合增速有望达到接近10%，至2025年达到920万片/月。其中，中国大陆300mm晶圆厂产能在全球的占比将从2021年的19%提升至23%，有望在2025年成为全球产能第二的地区，仅次于届时韩国24%的占比。此外，中国台湾省的产能占比预计将在2021年-2025年下降1%，到2025年占比21%，日本产能占比从2021年的15%下降至2025年的12%。设备国产化率较低，海外龙头垄断性较高。我国半导体设备市场仍非常依赖进口，从市场格局来看，细分市场均有较高集中度，主要参与厂商一般不超过5家，top3份额往往高于90%，部分设备甚至出现一家独大的情况，目前国内厂商目标市场主要是国内晶圆厂需求，尤其是内资投建的需求。设备国产化率较低，国产厂商成长空间巨大。我国半导体设备市场仍非常依赖进口，目前国内厂商目标市场主要是国内晶圆厂需求，尤其是内资投建的需求，潜在收入目标空间较大。BIS出台新出口管制，国产替代需求迫切。2022年10月7日，美国商务部工业与安全局（BIS）公布了《对向中国出口的先进计算和半导体制造物项实施新的出口管制》。根据研究，新规则主要集中在对某些高端计算半导体芯片、超级计算机最终用途交易，涉及实体清单（EntityList）的交易以及某些半导体制造项目和某些集成电路（IC）最终用途的交易。包括“将某些先进、高性能的计算机芯片和含有此类芯片的计算机商品加入商业管制清单”、“扩大《出口管制条例》（EAR）的适用范围”等。同时，BIS将31家中国实体列入UnverifiedList（UVL），被列入的31家中国实体包括长江存储、北方华创等；药明生物等并移除9家中国实体被移除。被列入UVL后，实体将无法享受出口管制下的许可例外。此外，UVL实体在进行出口、再出口及转让受EAR管辖物项的交易时，需获取UVL声明，该声明附带许多调查义务；出口商在向UVL内实体出口商品时，需进行电子出口信息申报。很大程度上增加了交易成本。根据研究，BIS将31家中国实体被列入UVL的理由为：由于这些实体处于美国政府控制之外，BIS无法对其进行最终用途核查，因此无法确定这31家中国实体是否为“善意诚信的”（Bonafide），即BIS无法确定31家中国实体对于《出口管制条例》（ERA）的物项的最终用途是否具有合法性和可靠性。同理，由于原UVL中的9家中国实体积极配合BIS并完成最终用途的核查，BIS将这9家中国实体从UVL中移除。国内国产化逐渐起航，从0到1的过程基本完成。北方华创产品布局广泛，刻蚀机、PVD、CVD、氧化/扩散炉、退火炉、清洗机、ALD等设备新产品市场导入节奏加快，产品工艺覆盖率及客户渗透率进一步提高，在集成电路领域主流生产线实现批量销售，产品加速迭代；第三代半导体、新型显示、光伏设备产品线进一步拓宽，出货量实现较快增长。拓荆科技作为国内唯一一家产业化应用PECVD和SACVD设备的供应商，设备广泛用于中芯国际、华虹集团、长江存储、合肥长鑫、厦门联芯、燕东微电子等国内主流晶圆厂，PEALD已实现销售；中微公司介质刻蚀机已经打入5nm制程，新款用于高性能Mini-LED量产的MOCVD设备UniMax2022H1订单已达到180腔；芯源微前道涂胶显影设备在28nm及以上多项技术及高产能结构方面取得进展，公司前道物理清洗设备已经达到国际先进水平并成功实现国产替代，新签订单结构中前道产品占比大幅提升；华海清科CMP设备在逻辑芯片、3DNAND、DRAM制造等领域的工艺技术水平已分别突破至14nm、128层、1X/1Ynm，到2021年底，公司CMP设备累计出货超过140台，未发出产品的在手订单超70台。盛美半导体主要设备产品包括兆声波单片清洗设备、单片槽式组合清洗设备及铜互连电镀工艺设备，客户涵盖海力士、长江存储、中芯国际等。精测电子、上海睿励在测量领域突破国外垄断。2.2材料：需求持续增长，国产化迈入深水区全球半导体材料市场规模有望在2023年超过700亿美金。根据数据，2021-2023年的晶圆厂建设投资达到历史新高，仅2022年的支出就增长了14%，达到近260亿美元。2022年将有28个新量产晶圆厂开始建设，其中包括23个300mm晶圆厂和5个200mm及以下晶圆厂。晶圆厂的投建，晶圆产能的扩充带来半导体材料需求持续增长，继2021年市场规模创新高后，数据预计2022年全球半导体材料市场规模将同比再增长7%，其中晶圆制造材料2022年有望同比增长8.4%，封装材料增长3.9%。中国大陆半导体材料市场全球占比逐步提升。根据EETAsia，强劲的下游需求及晶圆产能的扩张驱动2021年全球半导体材料市场规模同比增长15.9%达到643亿美金新高。其中晶圆制造材料和封装材料市场规模分别为404亿美金和239亿美金，同比增长15.5%和16.5%。晶圆制造环节中的硅片、化学品、CMP和光掩膜环节是增速最快的几大领域。分地域来看，中国大陆半导体材料市场规模近几年在全球的占比持续提升，2021年占全球比重提升至18.6%，已成为仅次于中国台湾省的全球第二大区域。半导体材料国产化率仍待转化。在国家产业政策大力扶持和国内半导体市场稳定增长等利好条件下，特别是国家“02专项”等专业化科研项目的培育下，国内半导体材料领域将涌现更多具有国际竞争力的公司和产品，在更多关键半导体材料领域实现进口替代，打破国外厂商的垄断。半导体芯片制造工艺半导体将原始半导体材料转变成半导体芯片，每个工艺制程都需要电子化学品，半导体芯片造过就是物理和化学的反应过程，半导体材料的应用决定了摩尔定律的持续推进，决定芯片是否将持续缩小线宽。目前我国不同半导体制造材料的技术水平不等，但整体与国外差距较大，存在巨大的国产替代空间。各类材料持续持续突破，业绩佐证国产替代正式开幕。随着半导体市场晶圆代工的持续扩产，对于晶圆制造中不可缺失的基础材料将会有着非常大的需求拉动，而在此阶段我们可以看到随着技术及工艺的推进以及中国电子产业链逐步的完善，在材料领域已经开始涌现出各类已经进入批量生产及供应的厂商。2.3零部件：供不应求，市场空间超500亿美金2022年全球半导体零部件市场规模或超过500亿美金。根据富创精密招股书及国内外半导体设备厂商公开披露信息，设备成本构成中通常原材料（不同类型的精密零部件产品）占比90%以上为原材料，考虑国际半导体设备公司毛利率通常在40%-45%左右，则全部精密零部件市场约为全球半导体设备市场规模的50%-55%。根据数据，2021年全球半导体设备市场规模达到1025亿美金，预计2022年进一步提升14.7%至1175亿美金。若按零部件占设备市场规模的50%测算，则2022年全球半导体零部件市场规模或超过500亿美金。根据数据，2019-2021年中国大陆半导体设备销售额占全球的平均比重为25.9%，若以此作为大陆零部件市场占全球的比重进行测算，则2022年中国大陆零部件市场规模为152亿美金。富创精密在招股书中采用了成本占比法测算精密零部件市场空间，公司根据不同类型设备2020年公布的市场规模，以及国内代表性公司披露的原材料成本，和精密零部件在成本中的占比，并考虑设备厂商毛利率水平，累加得到公司主要产品的全球市场规模约160亿美金。欧洲企业引领真空系统行业。根据数据，2020年半导体全球真空子系统市场规模为27亿美金，约占关键子系统的22.1%。真空子系统主要包括真空泵、压力表和真空阀。目前市场被欧洲及日本企业占据，欧洲厂商份额超过60%且有持续提升的趋势，其中Edwards，Pfeiffer，VATValve三家占全球份额的55%，日本厂商份额约22%。刻蚀、沉积需求驱动电源系统高增速。数据测算电源系统占半导体关键子系统的从2016年的9.8%提升至2021年的13%，从量价角度来看，平均每个反应腔需要的射频电源系统数量持续增加，同时下游对以高频为代表的高端电源子系统需求增加带来平均价质量的增加。多重曝光及3DNAND层数不断增加，带来了对刻蚀、沉积步骤的需求提升，以3DNAND为例，时间更长、更复杂的刻蚀步骤对电源系统解决方案的需求也在不断提升。从下游应用来看，电源系统中71%的需求来源于刻蚀设备。2020年中国晶圆厂前道设备零部件采购额超过10亿美金。根据研究，2020年中国大陆晶圆厂8英寸和12英寸前道设备零部件采购金额超过10亿美金。其中不含海外厂商在国内的产线，中国内资晶圆厂采购金额约4.3亿美金。中国晶圆厂采购的设备零部件主要包括石英（Quartz）、射频发生器（RFGenerator）、各种泵（Pump）等，分别占零部件采购金额的比重≥10%。此外各种阀门（Valve）、吸盘（Chuck）、反应腔喷淋头（ShowerHead）、边缘环（EdgeRing）等零部件的采购占比也较高。如果以2020年全球192亿美金的市场规模为基础，中国的10亿美金采购额占全球的不到5%，我们认为主要是因为国内设备厂商正处于持续研发突破，产品初步起量阶段，也因此随着国产设备厂商的放量，未来国内零部件需求预计会快速增长。全球前十大关键子系统供应商市占率自2010年起始终维持在约50%。2000-2010年伴随收购并购，行业持续整合，全球关键子系统前十大厂商的合计份额逐步提升，2010年以来前十大家的份额始终维持在50%左右的水平。2020年，蔡司仍占据第一位置，受益于对射频电源子系统的强劲需求，MKS超过Edwards跃居第二。三、边际改善，拐点已至3.1存储：供需改善，价格触底3.1.1DRAM：周期轮动，价格底部2022年供需位元差加大，供大于求困局未破。根据统计，2023年DRAM市场需求位元成长率为8.3%，系近年来首次低于10%，远低于供给位元成长的14.1%。因此2023年的DRAM市场在供过于求的情势或愈演愈烈，供大于求仍是当前困局。下游需求疲软，DRAM市场规模连续多季度萎缩。2022年疲弱的经济状况和高通胀率降低了全球范围内个人电脑、智能手机和其他消费电子产品的需求，DRAM需求也因此下降。预计2022年下半年DRAM销售额将下降40%至293亿美元，而2022年上半年销售额达490亿美元。同时，根据CFM闪存市场，三季度存储市场规模环比大跌29.72%至177.64亿美元，创10个季度新低，预计2022年Q4市场规模将进一步环比下跌。2022年Q4多厂商业绩下行，行业平均下跌达30%。三星：2022年Q4，DRAM销售收入达54.05亿美元，环比减少23.6%，市场份额为44.5%。DRAMBit出货量环比高个位数增长，ASP环比下跌超30%。SK海力士：2022年Q4，DRAM收入达34.07亿美元，环比减少35.3%，DRAM出货量环比持平，ASP下跌超30%。美光：2022年Q4，DRAM收入为28.29亿美元，环比下跌41.2%，DRAMBit出货量环比下降约25%，DRAMASP环比减少20%以上。南亚科技：2022年Q4，DRAM收入环比减少30.3%至2.53亿美元。华邦电子:2022年Q4，DRAM收入环比减少29.8%至1.06亿美元。库存端，以美光各季库存进行追踪，自2021年Q1开始，公司库存逐步进入下降通道，至2021年Q4达到底部。自此开始，受下游需求疲软影响，公司库存水位逐步增加，至2023Q1，公司库存水位已达近三年最高点，为81.29亿美元，环比2022年Q4增幅超22%。高库存水位下，各厂商去库存压力迫在眉睫，同时叠加需求疲软，直接导致DRAM市场产品价格大幅下跌。供需对峙下，存储厂商唯有降价。根据统计，2023年Q1下游各领域产品价格均有超过10%的下降。目前来看，PC制造商仍有9至13周的DRAM库存等待消化，但移动设备领域的库存水平相对健康，不过定价仍预计要下降10-15%。由于消费者对DRAM的需求低迷，供应商将销售的目光投向了服务器方面，然而这却导致服务器DRAM库存的大量堆积。考虑到DRAM主流产品和利基产品的定位、单价和格局等不尽相同，我们对DRAM价格分主流产品和利基产品两大类进行跟踪。主流产品：现货和合约价均下跌。合约价：以DDR48Gb1Gx82133Mbps(基于8G存储)为例，在经历2022年10月份合约平均价稳定后，至2023年1月价格进一步下跌至1.81美元，月度环比跌幅约22%。现货价：以DDR416G(2G*8)2666Mbps和DDR48G(1G*8)2666Mbps为例，整体下跌趋势延续已久，进入2023年主流现货平均价跌幅趋缓，但仍未见反弹。截至2023年4月6日，以上所述的16GB和8GB产品现货价格分别为3.21美元和1.65美元。现货价：我们以DDR34Gb512Mx81600MHz产品为例，现货价格已至上一轮周期底部，利基市场主要面向存储速度性能不太高的市场，上一轮DDR3周期价格上行系三星、海力士等龙头厂商为准备利润更高的DDR5生产，逐步淘汰DDR3产能，导致DDR3短期内供需失衡所致。同样，在本轮的DDR3价格下行周期中，三星放缓line13的DDR3产能转换至CIS，也给供给端带来更多压力。本轮底部区间，在行业面临寒冬，下游需求疲软，供给过剩的背景下，价格反弹压力较大。3.1.2NANDFlash：供需修复，价格有望逐步企稳NANDFlash寡头地位逐步增强，根据数据显示，CR6包括三星、铠侠、西部数据、美光、英特尔、海力士总体市场规模占比约99%，其中三星、铠侠、西部数据三家行业龙头，约占比70%的市场份额，在市场上有较大的影响力。根据数据的预测，预计受益于下游新增需求的快速发展，NANDFlash的需求量也会有增长趋势。从行业供给格局来看，三星依旧占领较大的市场份额，但还未形成绝对的寡头地位，且国内公司长江储存也将持续发展，有望进一步提升市场份额。2022年10月26日，存储芯片大厂铠侠(Kioxia)和西部数据(WesternDigital)在日本庆祝位于四日市最先进制程晶圆厂Fab7完工。此Fab7晶圆厂第一期的总投资约为1万亿日元(约合人民币487.97亿元)，具备生产第六代162层NANDFlash闪存和未来更先进3DNANDFlash闪存的能力，计划于2023年初开始出货162层NANDFlash闪存。头部厂商已正逐步覆盖3DNAND236及256层甚至更高叠层工艺制程，持续技术迭代更新。NANDFlash需求端受到全球人工智能和机器学习对海量数据处理，其市场规模正快速增长。而NANDFlash主要覆盖的下游应用设备为手机、服务器、PC及车载工控等，我们认为，手机及3C产品的储存容量和硬盘搭载率提升将推动NANDFlash需求量持续增高。对于服务器设备，云端储存及处理数据场景越发增长，服务器需求量及单设备搭载量同样推动NANDFlash市场的需求量提升。除此传统需求领域外，随着车载智能化的逐步提升，车载NANDFlash市场也有望迎来高速增长。1)手机及传统3C产品，NAND单机搭载量提升近十年，智能手机作为成熟市场，每年全球手机出货维持在11至13亿部左右，保持稳定波动。而随手机智能化水平越发提升，其摄影摄像功能、高清显示功能及各类多功能软件所消耗的储存空间持续增长，用户对于手机的储存空间越发增加。智能手机市场对应Flash市场的增长逻辑，主要来源于单机搭载量的持续提升。根据数据显示，2020年智能手机NAND闪存平均容量首次突破100GB大关。在iOS和Android手机中有所不同。在iOS手机中，2020年第四季度的平均NAND容量达到140.9GB，而同期Android手机的平均容量为95.7GB。Android手机的平均容量在过去几年中一直在快速增长。2020年iOS和Android手机的平均容量分别增长了5.6%和20.5%。同时根据数据显示，预估2023年智能手机NANDFlash单机搭载容量年成长仍能维持22.1%。我们认为，IPhone产品组合仍全线往更高容量1TB靠拢；Android高端机种也跟进将512GB做为标准配备，中低端机储存空间则随硬件规格持续升级而提高，因此整体平均容量仍有增长空间。全球PC市场（包括笔电、桌面PC、工作站等）在2020-2021年期间迎来强换机周期且居家办公刺激需求端提前消费，根据数据统计，2021年全球PC出货量达3.46亿台。2022年需求迎来疲软态势，根据数据预测，2022年整体出货量将下滑至2.93亿台，同比降低15.2%。另外，由于消费市场需求减缓，教育市场也获基本满足，及因经济状况弱化同样使商用市场需求遭到挤压。根据数据预测，预计2023年全球PC市场将进一步萎缩。PC加上平板电脑的整体市场预估2023年下降2.6%，预计在2024年恢复成长。根据数据，由于2020-2021年受到居家办公的提前消费影响，平板电脑（包括二合一的可拆卸式平板在内）市场在2020/2021年出货量达到1.65/1.69亿部，同比增长13.8%/2.4%。但随2022年消费逐步疲软，根据数据，2022年全球出货量同比下滑3.6%至1.63亿台。PC及移动平板电脑作为存量市场，整体年度出货量波动不大，基本维持亿部的出货量。近些年随电脑固态硬盘替代传统硬盘趋势及单机储存量提升，其中SSD搭载率有所提升。据中国闪存市场数据，预计到2018年SSD240GB价格与1TBHDD同价的，在笔记本电脑上的搭载率将达到52%。到2019年SSD480GB价格与1TBHDD同价的时候，在笔记本电脑上的搭载率将达到65%以上。另外，消费类SSD在零售渠道市场每个月也有200万片硬盘升级SSD的出货量。2)AI带动服务器及云端数据储存有望快速放量，进一步推动NANDFlash需求.云计算时代市场的快速增长，云储存、云计算的数据量不断提高。在数字化时代的发展下，随工作量的云上迁移和云本地应用的加速开发，在移动互联网技术不断迭代升级的背景下，全球数据量呈现爆发式增长。根据数据显示，全球数据储量由2016年的16ZB增长至2021年的54ZB，复合年均增长率为27.5%，随着数字经济的不断发展，预计2022年全球数据储量将达61ZB。根据数据，云数据及企业级数据储存需求将在2026年达到5255亿每GB当量，2021年至2026年，CAGR将达到33.0%。3)车载NANDFlash有望受汽车智能化持续增长2022年全球新能源汽车销量突破千万。根据数据，2022年全球新能源汽车销量突破千万达1009.12万辆，占整体汽车市场14%份额，其中比亚迪以184.77万辆的全年销售数据获得全球销量冠军。根据中国汽车工业协会数据，2023年1月和2