（报告出品方/作者：天风证券，潘暕、陈俊杰）

我们前瞻提炼判断半导体行业的需求与供给之间的三大关键矛盾，供需间的不平衡将打破行业既有格局，破局是最重要的抓手。在行业格局变化之际，高敏感度的资本将率先赋能行业，我们认为这是投资最主要关键的主线。

1.技术驱动：AI+HPC推动，先进制程推进+计算芯片落地元年，步入S型曲线快速成长阶段

1.1.核心矛盾之一：数据需求的指数式发展超过了线性发展的摩尔定律

研究人类的科技发展史，发现科技的进步速度呈现指数型加速态势。尤其在年以后进入芯片时代，摩尔定律推动下的每18个月“芯片晶体管同比例缩小一半”带来的性能提升以倍数计。每一次加速的过程推动，都引发了产业的深层次变革，带动从底层到系统的阶跃。

然而时至今日，人类精密制造领域（半导体制造是目前为止人类制造领域的最巅峰）遇到硅基极限的挑战，摩尔定律的放缓似乎预示着底层架构上的芯片性能的再提升已经出现瓶颈，而每年人类产生的数据量却呈指数级增长，两者之间的不匹配将会带来技术和产业上的变革升

过去以个人计算机及智能型手机为成长驱动力的半导体产业，目前迎来新的成长动能，即由人工智能（AI）、大数据（BigData）、云端运算（CloudComputing）相互融合而产生的半导体新趋势。随着AI技术及应用的加速发展，需要更强大的高效能运算（HPC）芯片支持，半导体业者自然在AI世代扮演重要角色。

HPC（High-PerformanceComputing)即高性能计算，是指高速处理数据并执行复杂计算的能力。最知名的HPC解决方案之一是超级计算机。一台超级计算机包含数千个计算节点，这些节点协同工作来完成一项或多项任务——这又被称为并行处理。它类似于将数千台PC联网在一起，将计算能力相结合，以更快地完成任务。

具体来说，比如，采用3GHz处理器的笔记本电脑或台式机每秒可执行大约30亿次计算。虽然这比任何人都快得多，但与每秒可执行数达数象限的HPC解决方案相比，简直微不足道。

目前，随着云计算、大数据、物联网等技术产业的快速发展，数据流量增长速率正在不断加快

正是通过数据，我们才得以实现开创性的科学发现，推动改变游戏规则的创新，并提高全球数十亿人的生活质量。由于HPC在海量资料整合与大规模数据处理上所具有的无可比拟的优势，可以广泛应用于大型科学计算、科学数值仿真、金融机构大数据处理、搜索引擎等领域。

1.1.1.需求端快速增长：云端+边缘端同步推进

HPC近年来迅速发展，根据HPC研究机构InterestResearch对全球~高性能计算市场的分析，年，全球高性能计算市场规模为亿美元，因为疫情影响，年预计下降3.7%，约为亿美金。预计到将达到亿美元。它将以可观的高复合增长率增长，年至年间的CAGR为7.1％。HPC的存储与运算可以有两种选择，其一在云侧（oncloud），其二在边缘侧（onpremises）。

从云端溢出到边缘端，或下沉到终端，都离不开芯片对于“训练”与“推理”任务的高效支撑，且越来越强调云、边、端的多方协同。同时人工智能应用迅速发展，对于芯片厂商而言，仅仅提供某一类应用场景的芯片是难以满足用户的需求。根据研究机构AlliedMarketResearch的研究报告，人工智能芯片的市场规模将由年的66亿美元增长到年的亿美元，年均复合增长率将达到45.4%。

云侧：云数据中心负载重，建设加速，带动硬件需求

近年来，集成电路行业迎来了数据中心引领发展的阶段，对于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，高并行度的深度学习算法的广泛应用使得计算能力需求呈现指数型增长趋势。根据Cisco的预计，年至年全球数据中心负载任务量将成长近三倍，从年的不到万个负载任务量增长到年的近万个负载任务量。

同时，随着云计算的不断发展，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，Cisco预计到年，计算能力更强的超级数据中心将达到座，占总数据中心比例达到53%。

在云端，服务器及数据中心需要对大量原始数据进行运算处理，对于芯片等基础硬件的计算能力、计算进度、数据存储和带宽等都有较高要求，高性能计算能力的需求增长导致全球范围内数据中心对于计算加速硬件的需求不断上升。根据AMD’NextHorizon’发布会预测，年数据中心处理器规模将高达亿美元，CPU市场为亿美元，GPU市场为亿美元。

边缘侧：应用场景广泛，多点开花

云端受限于延时性和安全性，不能满足部分对数据安全性和系统及时性要求较高的用户需求。这些用户的需求推动大量数据存储向边缘端转移。边缘计算是5G网络架构中的核心环节，在运营商边缘机房智能化改造的大背景下，能够解决5G网络对于低时延、高带宽、海量物联的部分要求，是运营商智能化战略的重要组成部分。边缘计算可以大幅提升生产效率，是智能制造的重要技术基础。

根据Gartner预测，未来物联网将约有10%的数据需要在网络边缘进行存储和分析，按照这一比例进行推测，年全球边缘计算的市场需求将达到.40亿美元。边缘计算将在未来3-5年创造巨量硬件价值，为大量行业创造新的机遇。

与云端HPC芯片相比，边缘HPC芯片的使用场景更加丰富，同时单芯片售价并不昂贵。在边缘场景下，运算量依然很大、多样化场景要求具备多种算法的兼容性，边缘智能芯片的通用性和计算能力要求与云端相差不大，但对成本控制和功耗则提出了更高的要求。

1.1.2.供给：头部厂商提前布局，HPC收入占比持续提升，产业链趋势正在形成

在未来，HPC芯片将取代智能手机芯片，成为IC设计和圆晶制造厂商主要收入来源。以台积电为例，从20Q3营收状况来看，三季度智能手机业务营收增长了12%，HPC营收增长25%，物联网业务营收增长了24%。新机发布周期到来，促进了智能手机业务的反弹，新冠疫情刺激了远程办公等需求，云计算相关的HPC连续三季度保持增长。

此外，台积电预测除存储外的半导体行业整体将在年全年实现中位个位数的增长，晶圆代工行业整体增长率将会接近30%。而台积电将继续受5G和HPC驱动，业绩总体将增长30%。

Intel作为传统CPU芯片厂商，较早地实现了HPC数据中心产品的大规模销售，收入由年的.8亿美元增长到年的.8亿美元，年均复合增长率为10.10%。

作为GPU领域的代表性企业，Nvidia数据中心业务收入在年仅为3.4亿美元，自年起，Nvidia数据中心业务增长迅速，以72.23%的年均复合增长率实现了年29.8亿美元的收入，其增速远远超过了Nvidia其他板块业务的收入。Intel和Nvidia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泛人工智能类芯片的旺盛需求。

同时，国内的头部厂商寒武纪，以异构计算架构为突破，同步行业变局下的自身变化也将实现收入端的高增长，我们参考公司最新披露的股权激励实现目标，预计未来3年公司在HPC方面有望迎来收入的高速增长。

1.2.破局：先进创新永不眠

1.2.1.制程创新——CMOS缩放与超越CMOS架构

戈登·摩尔（GordonMoore）在年的论文中曾著名地预测过，每个芯片的组件数量每年将继续增加两倍。年，Moore通过预测每个芯片的组件每两年增加2倍来更新他的早期预测，而这将是缩放组件尺寸和增加芯片面积的结合。

从早期IBM集成电路设计的电脑计算单元、到以Intel为代表的的IDM半导体公司成立，再到以台积电为代表的Foundary厂商崛起，最终建立以“圆晶制造”为核心的全产业链服务平台，摩尔定律贯穿其中。

毫无疑问，CMOS微缩已成为推动过去几十年大进步的“燃料”。过去几十年中，集成电路产业一直通过CMOS微缩以提高性能、效率和降低集成电路和系统的成本，从而实现新的应用。

这种“经典”或“传统”的缩放MOSFET晶体管的方法，直到年代初nm时代仍十分有效。在过去的20年中，半导体公司以两年的节奏开发新一代的处理技术，并且每一代都将最小特征尺寸缩小了大约0.7倍，从而将面积缩放比例提高了约0.5倍。因此晶体管密度每两年提高一倍。

年代初晶体管尺寸缩小至nm时，我们已经达到了使用传统方法缩小晶体管的极限，并需要开始引入晶体管材料和结构方面的创新以继续实现小型化。最早的重大创新之一是英特尔于年在90nm技术上引入了应变硅晶体管。

英特尔的下一个重大创新是在年采用22nm技术的FinFET（三栅极）晶体管。在14nm制程上，英特尔采用第二代FinFET技术，使用了两年时间，达到逻辑区域缩小至0.37倍的成果。

MOSFET晶体管研究人员正在探索器件结构和沟道材料的变化，以实现更新一代的MOSFET缩放。结构上，用多个水平纳米线堆叠实现的MOSFET是一种选择，它可以实现进一步的栅极长度缩放，优于FinFET结构；材料方面，具有半导体沟道材料的MOSFET是实现比硅更高迁移率的沟道的有前途的选择。

此外，超越CMOS的研究工作已经进行了10年，得到了美国公司SRC的资助。10年前，这个行业-大学研究联盟的期望是，该领域将产生比CMOS更好的计算技术。但事实表明，在许多令人印象深刻的提议和模拟中，没有一个比CMOS更好。但是，它们确实具有许多有价值的功能，例如低功耗操作和非易失性。因此，当前的愿景是，在某些至关重要的计算或信息处理应用中，超越CMOS的电路将取代CMOS。它们将与CMOS单片集成在同一芯片上，或者一起封装在多芯片模块中。

晶体管缩放，尤其是MOSFET缩放，通过提供新一代的集成电路技术，已经为半导体行业服务了50多年，该技术同时提供了更高的密度，更高的性能，更低的功耗以及更低的每只晶体管成本。有时，通过使用简单的演进技术就可以实现晶体管缩放，但是在其他时候，则需要进行更具革命性的技术变革，例如从双极型切换到MOSFET，最近还需要实现高k金属栅极和FinFET晶体管。

总体来讲，在先进制程中，CMOS微缩带来的进步已经有限，因此，对于芯片改变的需求更加迫切。值得欣慰的是，材料、设备概念和图案的创新已经为当前的10nm以下技术扫清了道路。而在先进制程进入到5nm以后，摩尔定律的实现已经有所放缓，但微观层面芯片设计依旧将持续朝着更高的计算密度，更大的存储密度和更紧的连接密度三个方向持续推进，同时行业新的理念和技术方法仍将为摩尔定律注入新的血液，比如采用非经典结构，从结构的设计及布局来实现芯片面积的微缩，从而促使摩尔定律在“另类”层面得以实现，为集成电路产业继续赋力。

1.2.2.架构创新：云端的异构计算与端侧的存算一体

观点：在云侧和端侧可能发生的变化，重视华为海思得不到最新制程支持相带来的变化。重视消费电子侧可能发生变化，由于华为拿不到麒麟先进制程的SoC，手机端的创新会下沉到端侧，在子模块中加入端侧带AI功能的芯片会使得分担主芯片计算的任务，存算芯片可能在端侧得到快速中渗透的应用/

架构创新在云端以异构计算为推动，针对ToB市场，解决大规模计算的处理器性能瓶颈，国内企业寒武纪异军突起。

人工智能算法将持续推进，智能芯片架构需要与时俱进。当前人工智能发展正处于第三波浪潮上，这波浪潮最大的特点就是与业务紧密结合的人工智能应用场景逐渐落地，拥有先进算法和强大计算能力的企业成为了最主要的推动者。伴随并行度提高，同构系统处理器核间的并行冗余越来越大，不可并行任务协调工作越来越多，导致系统性能增幅随冗余增大接近饱和。异构多核芯片的创新涉及软硬件等深层次创新融合与突破，是普适计算领域新热点，也是信息产业发展重要新拐点。

异构计算崭露头角，云化进程持续深入。当前人工智能的持续火热，在算力层面，采用异构计算模式可基本满足对处理器更快速、更高效、更方便的使用要求，异构计算是指采用不同架构的处理器协同计算，人工智能芯片用来处理人工智能应用中的大量计算任务，AI芯片被称为AI加速器或计算卡，寒武纪、地平线机器人、中星微、华为等国内企业均在上述领域展开核心基础技术研发。HPC中需要的计算远多于其他逻辑指令，而GPU比CPU更加擅长大规模浮点计算，因此GPU被用来代替CPU进行通用计算。

异构计算系统有两种实现方式：一是将多个不同类型处理器芯片通过片间集成的方式实现节点级异构计算（称之为片间异构）；二是基于单（硅）片内集成多个不同处理器内核的异构计算芯片实现，即异构计算在芯片级实现（称之为片内异构）。第二种异构计算芯片技术是当前最新技术。

异构计算芯片是将不同架构的中央处理器CPU（CentralProcessingUnit）、图形处理器GPU（GraphicsProcessingUnit）、数字信号处理器DSP（DigitalSignalProcessor）和FPGA（FieldProgrammableGateArray）等特定硬件加速单元依据相关技术标准和规范有机内在融合在一颗芯片上，任务由最合适的工作单元来承担，不同异构内核之间实现协同计算。

异构计算的硬件成本及搭建部署成本较大，使用门槛较高。云化将异构资源变成一种普适的计算能力，通过将异构算力池化，做到弹性供给，即业务高峰期召之即来，业务低谷时挥之即去，轻松应对大量的业务挑战，便捷的服务于更多的人工智能从业者，进而推动产业升级。

异构计划将呈现三分天下的局面。未来针对不同的人工智能应用类型和场景，将会有深度学习之外的新型算法脱颖而出，这就要求智能芯片的架构不能仅仅针对深度学习设计，也要适应不同类型的算法，同时兼顾能效和灵活性。目前异构计算云化进程中，GPU云主机占据主流地位，随着FPGA云主机生态的建设和逐步完善以及ASIC芯片的逐步成熟，未来异构计算领域将会呈现三分天下的局面。

AI推断需求的指数级增长，需要特定架构(DSA)以达到最大效率。然而，与AI创新的速度相比，固定硬件的DSA开发周期太过漫长。FPGA提供灵活应变的平台，支持可随时根据最新AI技术定制的DSA，而且无需坐等漫长硅片研发周期。据研调机构GlobalMarketInsights的报告称，年FPGA规模有望超过99.8亿美元。

架构创新在端侧低功耗高性能计算芯片为推动，针对ToC市场，应用加速下沉商业落地迅猛，以视觉、机器人、语音当前为主方向，重视新型计算方向存算一体。国内企业代表：全志科技，瑞芯微，兆易创新，恒玄科技等

商业落地迅猛，以视觉、机器人、语音当前为主方向。自第四次信息革命以来，现代电子设备朝着智能化、轻量化、便携化快速发展。近年来，随着以深度学习神经网络为代表的人工智能算法的深入研究与普及，智能电子设备与相关应用场景已随处可见，例如人脸识别、语音识别、智能家居、安防监控、无人驾驶等。

人工智能三大要素中，端侧智能芯片成为重要挑战。资源受限的边缘终端设备的算力问题目前仍然是缺失的一环，且因其对时延、功耗、成本、安全性等特殊要求（尤其考虑细分场景的特殊需求），将成为AIoT大规模产业化应用的核心关键。因此，在通往AIoT的道路上，需要解决的核心挑战是高能效、低成本和长待机的端侧智能芯片。

AI端侧推理芯片增长潜力大，根据市场调研机构ZION数据显示，全球端侧AI推理芯片年市场规模约为30亿美元，到年约为亿美元，以超26.8%的年复合增长率增长。计算机视觉、机器人、语音识别是AI技术应用最广泛的三个领域，目前尚处于发展初期，缺乏符合市场需求的高性价比芯片。预计到年左右端侧AI芯片市场规模将有望超过云侧AI芯片。

最新前研方向，存算一体芯片技术解决存储内计算，有效实现低功耗高性能计算特点，适合端侧应用。旨在把传统以计算为中心的架构转变为以数据为中心的架构，其直接利用存储器进行数据处理，从而把数据存储与计算融合在同一个芯片当中，可以彻底消除冯·诺依曼计算架构瓶颈，特别适用于深度学习神经网络这种大数据量大规模并行的应用场景。

随着AIoT的快速发展，用户对时延、带宽、功耗、隐私/安全性等特殊应用需求加强，驱动边缘端侧智能应用场景的快速发展。一方面，时延是用户体验最直观的感受，而且是某些应用场景的必需要求；另一方面，用户对隐私/安全性要求越来越高，并不愿意把数据送到云端处理，促使本地处理成为终端设备的必备能力，存算一体芯片的需求呈现快速增长，能带来计算性能的显著提高。

新兴的视觉、机器人和语音技术为代表的AI芯片是AIoT时代值得投资的稀缺赛道，而同时很好的支持视觉、机器人、语音AI功能的通用芯片在市场上极其稀缺。业内具备端侧通用AI芯片设计能力并实现大市场批量出货的AI芯片公司仅3-5家，同时具备视觉、机器人、语音能力的更少。

1.3.创新驱动产业增长：S型曲线模型下行业增长动力分析

梳理半导体行业连以来年销售额及同比增速可以发现，创新是驱动半导体行业螺旋上升的主要推动力。

创新并不高深，并非只有惊人的发明才叫创新。所谓创新，看重的是新颖性（newness），这种新颖性可能是一种产品（product）、一种制程（process）、一种服务（service），甚至是一种做生意的方式（anewwayofdoingbusiness）。这种“新颖性”必须转变成某些形式，并且满足某些需求或完成某些工作，创造出经济上的价值。总的来说，创新，就意味着用“新颖性”创造价值。

以实例来说明，例如主营业务为计算机主板的华硕，不断完善产品、创造了客户的价值，即是一种创新；比如以台积电为代表的的圆晶代工厂商，提供了其他厂商没有的生产服务，就是一种创新；比如AMD等IC设计公司，努力开发新产品以满足客户要求，也是一种创新。创新是集成电路行业与公司发展的命脉。

在对此类以创新为主要驱动力的行业进行分析时可以引入S曲线模型。S曲线代表一个产品从发展初始阶段到最终阶段，对任何以研发为主的公司来说，S曲线是汇集目光的“战斗线”、也使公司发展的“生命线”。其基本概念是：以时间为横轴，市场规模为纵轴，啧一个新技术（或新市场）的发展可以从左下角向右上角形成一个类似S型的曲线，经历导入期、成长期一直到衰退期。

通过对S曲线进行分析，可以看出产品切入市场时间的重要性。通常一个技术或市场的形成，都需要一段时间。因此，如果产品做得太早，可能面临前期投入过大、而市场趋势尚未形成的结果。如果产品做得太晚，市场已进入成熟阶段，增速也会极为缓慢、甚至无法切入。当前，HPC市场经过沉积，正处于快速增长阶段，而年，计算型芯片架构走向落地元年，国内公司开始有产品得到应用，以寒武纪为例，已有部分智能HPC芯片得到应用：

需求侧发展迅速、供给端提前布局，叠加国内产品落地，我们认为，技术迭代将呈现指数型增长，单点突破开始，创新将驱动集成电路产业相关产品进入S型曲线的斜率增长最快部分。

当主流领导者在持续性改善与创新之间陷入两难时，正是给予另类创新者成功发展的机会。历史上，每一次新的应用浪潮都会有新的巨头公司崛起，Intel与ARM即分别抓住了个人电脑和移动终端两次行业变革式的发展。当前在5G时代海量数据的背景下，人工智能应用兴起，HPC发展迅速，则对处理器芯片提出了更高的工艺要求、新的设计架构要求，给芯片设计行业带来了新的发展机遇。在这次变革中，传统芯片企业和新兴芯片设计企业站在了同一起跑线上，两者各具优势，都面临着广阔的市场机遇。

复盘Intel股价斜率最高的阶段，实际上就非常符合S曲线创新斜率的增长，以指数式的增长实现了业绩与估值的双升。

冯诺伊曼架构带来了计算体系的建立并通过Intel实现了最大化，但从本质上说，英特尔参与的是机器时代的兴起和计算芯片价值体现。但时至今日，在人口红利消散，PC渗透率达到稳定阶段，依托于PC时代的处理器芯片进入了稳定常态。英特尔在总产品收入提升的情况下，PC端提供的收入增长机会停滞。处理器依靠摩尔定律不断推经延续生命力，但在应用增长乏力的阶段缺乏再一次的快速增长。PC时代的处理器设计遵从了下游应用驱动上游芯片的实质。

1.4.相关标的

寒武纪，全志科技，瑞芯微，兆易创新。

2.核心矛盾2：成熟制程产品的碎片化需求量增同产能供给受限间的矛盾

半导体的投资题材从来不会寂寞。我们近期对于全球8英寸晶圆/模拟分立等元器件的交期和供需关系做阐述，认为当前时点上元器件（模拟/分立器件）将进入景气上行周期，短期内供求紧张的趋势会持续发酵，配合板块进入低估值区间，而与之相匹配的业绩正待释放，8英寸族群值得持续

转载请注明:http://www.aideyishus.com/lkjg/3853.html