（报告出品方：广发证券）

一、半导体行业周期框架：三重周期的嵌套

2022年11月21日我们发布了报告《周期视角下半导体设计及设备、材料投资机 遇》，提出了基于产品、产能和库存的三重周期嵌套的分析框架，用以分析半导体 行业的周期阶段和发展趋势。在供需的变化下，半导体行业呈现出周期性成长的趋 势。通过分析每一轮行业周期的驱动因子，我们可以将行业周期拆解为三重基本周 期的嵌套：产品周期、产能周期、库存周期： 产品周期代表了需求端的变化，主要与产品应用的生命周期相关； 产能周期代表了供给端的变化，主要与竞争性投资、扩产时滞等因素相关； 库存周期代表了供需关系的变化，主要与行业供需状态、企业经营和竞争策略、 信息不对称、时滞以及Overbooking等因素相关。

半导体行业的周期性变化与产品周期的变化直接相关，行业增长与下滑的背后， 是各类电子产品应用的兴衰更迭。从2010年以来的产品周期看，以智能手机为代表 的智能移动终端产品的涌现和升级，整体驱动了半导体行业的持续扩容。目前，智 能手机市场逐渐趋于饱和，新能源车、VR/AR以及AI等应用则有望成为推动半导体 行业增长的全新驱动力。

半导体行业的周期性变化与资本支出/产能周期密切相关，并且这种相关性在存 储器市场表现地较为显著：每一轮资本支出的低点之后，都尾随着行业毛利率（行 业景气指标之一）的高点。其背后的原因在于：行业资本支出的大幅收缩，导致产 能增长放缓，在需求稳步扩张的过程中，供需关系逐步趋紧，进而转向供不应求， 再到剪刀差逐渐扩大，在此阶段，产品价格上升，毛利率提升，行业景气上行。之 后，资本支出开始扩张，产能增长加速，供需关系逐渐趋于平衡，产品价格也趋于 稳定，毛利率增长放缓，行业景气维持。随着资本支出持续扩张，行业供需关系逐 渐反转，市场开始出现供过于求，产品价格下降，毛利率下滑，行业景气下行，并 再次驱动资本支出收缩，如此循环往复。

半导体行业的周期性变化与库存周期具备一定的相关性，其相关性在存储器以 外的半导体市场表现地较为显著。以数字芯片市场为例，理想的库存周期变化过程： 实际订单与预期订单存在差距，进而导致了库存周期的变化。当实际订单大于预期 订单，行业的库存周转天数下降，产能利用率提升，但资本支出/产能维持，毛利率、营收增速提升，企业被动去库存。预期订单上修，行业的库存周转天数逐步向正常 水平靠拢，产能利用率逐步趋于高位，资本支出扩张，产能增长加速，毛利率、营 收增速持续提升，企业主动补库存。当预期订单超过实际订单，行业的库存周转天 数上升，产能利用率开始松动并下降，资本支出收缩，产能增长放缓，毛利率下滑， 营收增速放缓，企业被动补库存。预期订单下修，行业的库存周转天数回落，产能 利用率下降，资本支出收缩，产能增长放缓，毛利率下滑，营收增速放缓，企业主 动去库存。直至实际订单再次大于预期订单，如此循环往复。从库存周期的变化来 看，一般行业库存周转天数触底之后，行业景气度即将开始上行，而库存周转天数 上升到一定水平之后，需警惕行业景气度反转的风险。

针对半导体行业的周期变化，当时我们推演出三条结论，即2023年： （1）渗透+复苏，23年中半导体需求有望回升；（2）产能趋于宽松，设计板块成本压力有望缓解； （3）库存调整持续，行业库存逐步恢复健康水平； 近期通过对半导体行业产品、产能和库存周期的跟踪、验证，我们观察到23年 行业需求复苏的信号持续明朗、晶圆代工产能利用率逐渐松动、库存水位也逐步下 降，行业的周期变化基本按照当时我们的判断向前发展。 在当前时点，半导体行业的产品、产能和库存周期的发展状态已经有较为明显 的景气好转特征，为行业周期的发展趋势带来了积极的影响，因此，作为半导体景 气观察系列的更新篇，本文主要针对三重周期的变化状态、发展趋势及其对行业未 来的积极影响进行分析。

二、周期底部信号明确，行业复苏在即

(一) 产品周期：终端需求 23Q1 触底，复苏信号初显端倪

2021年Q3以来，半导体的终端应用需求出现分化，消费电子产品需求持续弱化， 智能手机、PC、平板电脑等消费电子市场的销量增速进一步下滑，2022年Q4，其 销量增速均处于历史底部位置。

2023年Q1，终端需求触底复苏的信号初显端倪。从智能手机市场来看，根据 CINNO Research的数据，2023年1月中国大陆市场智能手机销量约2766万台，同 比下降10.4%，同比降幅收窄，环比上升44.6%。同时，Qorvo预计中国安卓机市场 2022年Q4是低点，向上拐点在2023年Q1后，手机需求将在2023年H2明显改善；高 通预计2023年H1客户将继续减少库存，需求在2023年H2明显改善。

PC方面，海外大厂预计2023年行业呈现弱复苏态势。AMD表示2022年Q4行业 陆续去库存，渠道库存已有所缩减，2023年Q1行业去库存持续，而自身PC业务营 收底部在2023年Q1，预计2023年PC行业将复苏；Intel于2022年Q3指引PC在2023 年出货2.7-2.95亿台，长期来看，PC全球需求维持在3亿台左右。

在TV市场，根据Omdia的数据，其预计2023年Q2液晶电视面板订单有望实现 同比增长19%的强劲反弹，同时，50英寸及更大尺寸的屏幕订单将达到1.614亿台或 同比增长8%，市场有望恢复至2020年购买量的峰值水平，即比历史四年平均水平高 出3%，2023年面板需求可能同比2022年创下的14年历史新低激增22%。

此外，根据集微网的报道，3月初以来主流市场的HD画质TDDI芯片报价已上涨 一成，主因在于产能供应不足，该产品供不应求有望延续至4月，5月产能供应恢复 正常后价格有望随之恢复，反映出部分细分市场的芯片供需关系从供过于求到供需 平衡过程中的积极变化。

(二) 产能周期：产能利用率 23Q1 见底，制造成本有望回落

晶圆产线产能利用率持续走低。经历了下游需求持续分化和产业链库存调整， 晶圆产线的产能利用率自2022年H2以来持续走低。根据各产线业绩说明会数据， 2022年Q4，中芯国际、联电、华虹半导体的产能利用率分别环比下滑13pct、10pct、 8pct。2023年Q1，叠加行业淡季影响，晶圆代工产线产能利用率继续走低，根据联 电法说会的数据，其预计23年Q1产能利用率将进一步降至70%左右。

芯片制造成本有望回落。产线产能利用率的松动和空置产能的增加，有望迫使 部分晶圆产线采取以价换量策略，或者促进设计客户在获取产能过程中议价能力的 提升，表现为晶圆制造价格的回落，从而改善设计环节的成本压力和盈利能力。根 据Sigmaintell的数据，2023年，其预计8英寸晶圆及12英寸55nm以上制程晶圆代工 行业价格将有望同比下降约15%-17%，12英寸40nm及以下制程晶圆代工行业价格 同比有望下降约5%-12%，晶圆代工整体行业价格同比下降约10%-15%。

整体而言，2023年H2晶圆产线产能利用率有望逐步修复。在晶圆产线降价和未 来需求复苏的驱动下，2023年Q2及H2，晶圆产线的产能利用率有望逐步修复。根 据Digitimes的数据，台积电7/5/3nm产线产能利用率在2023年Q2有望恢复。根据 Sigmaintell的数据，全球主要晶圆产线的产能利用率在2023年H2有望温和修复。值 得一提的是，考虑到2023年晶圆制造整体的供需关系，即使2023年Q2客户下单量 有所恢复、进而导致晶圆产线产能利用率修复，晶圆制造的价格在2023年依然是处 于下行周期，对设计公司的成本端压力的改善有望持续全年。

(三) 库存周期：库存拐点已现，23H2 有望恢复健康水平

2022年Q3行业库存的达到高点，随着需求的持续分化、特别是消费电子需求的 持续弱化，彼时以英特尔、英伟达、美光、思佳讯、Qorvo等为代表的半导体公司或 其客户均已开始主动去库存，此后，伴随着主动去库存的持续，半导体行业的库存 水平已出现回落信号。

23年Q1，库存水平持续回落的趋势越来越明确，因为行业主动去库存的广度和 力度均在扩张，主要表现包括：目前存储芯片、逻辑芯片、射频芯片、模拟芯片、 晶圆代工等细分行业陆续进入主动库存去化阶段；以DRAM、CIS等为代表的芯片价 格持续下降；美光、海力士、台积电、联电等行业龙头公司均缩减了23年的资本支 出；以及行业的Book to Bill在22年连续六个季度走低。台积电在22年Q4法说会上也 预期行业库存在23年H1将快速减少。根据ECIA的数据，2023年1月行业撤单情况依 旧正在进行（但撤单幅度已有所收敛），2023年2月DRAM、NAND、模拟和无线芯 片市场的库存水平逐渐下降。

在当前时点展望23年的库存周期，经历了至少三个季度的库存去化，我们预计 23年年中行业库存有望恢复健康水平，伴随23年H2旺季来临，届时行业有望开启补 库存需求。根据台积电的指引，预计行业库存将持续调整至23年H1，并恢复到健康 水平，23年H2行业有望进入复苏阶段。

三、设计：至暗已过，静候黎明

(一) 设计复苏趋势明确，重点关注产品渗透和 AI 成长机遇

设计板块迎来基本面拐点，Q1后向上趋势明确。经过上文的分析可知，目前， 半导体行业的周期趋势正呈现出积极的变化：产品周期方面，在复苏和渗透逻辑的 驱动下，23年行业补库存需求和行业更广泛需求的弱复苏，以及行业新品渗透和国 产替代，也将为行业贡献可观的需求增量；同时伴随着产能周期维度上，产能利用 率的松动和制程成本的回落持续改善设计环节的成本压力、修复设计环节的盈利能 力；同时，库存亦逐渐向健康水位恢复；因此，从2023年Q1三重周期的表现来看， 半导体特别是设计板块的周期底部特征明显，Q1大概率是板块基本面拐点，未来， 随着产品需求的复苏、成本的改善以及库存的去化，设计板块复苏和基本面向上的 趋势明确。

基本面趋势向上，重点关注产品渗透和AI成长机遇。在板块基本面趋势向上的 背景下，具备产品渗透率提升逻辑的领域将具备更为可观的增长弹性。首先是具备 新品拓展能力的细分赛道或公司，以DDR5升级、L-PAMiD创新为代表的领域，受益 于产品创新和市场渗透，其新品的起量速度和幅度均远超行业需求复苏的平均水平， 因此，其基本面向上趋势有望加速；其次，具备国产替代能力的细分赛道和公司， 也将获得更显著的增长水平，以设备、材料环节为代表的领域，其当前的国产化率 大多依旧处于小双位数的水平，在自主可控趋势加速的推动下，本土设备、材料公 司依托自身的产品竞争力、广阔的份额增长空间和品类扩张能力，有望加速提升相 关环节的国产替代份额，成长速度和空间均十分显著，并有望平稳穿越周期。

同时，AIGC创新浪潮的成长主线打开板块中长期成长空间，以AI服务器为代表 的细分赛道或公司，AIGC的发展趋势有望带动行业规模实现指数级增长，GPU、NVlink + NVSwitch、HBM、光芯片、高速接口芯片、多相电源供电方案等配套产 业链均将充分受益于AI服务器的需求扩容，同时，AIGC还有望赋能安防/智能音箱 /MR等多个领域，相关行业的中长期成长空间有望进一步打开，对板块的长期业绩 和估值均有显著的提升效应。

(二) AI 的“iphone 时刻”：创新赋能千行百业，未来增量空间广阔

1. 模型训练&推理算力需求测算

AIGC大模型的训练和推理需要大量的高性能计算 （HPC）算力支持，在此我 们分别对AI大模型在训练阶段和推理阶段的算力需求进行测算：

（1） AI大模型在训练阶段算力需求测算

我们以参考NVIDIA发表的文章《Efficient Large-Scale Language Model Training on GPU Clusters Using Megatron-LM》中对不同参数GPT模型算力需求的 计算方法及NVIDIA A100在模型训练过程的参数，对以GPT-3.5 175B为代表的大模 型的训练算力需求进行测算，测算主要基于以下关键假设：（1）考虑到大模型训练 的时间要求，假设模型单次训练时间为30天，即每年可进行约12次训练；（2）训 练阶段每个A100吞吐效率为48%。此外，我们假设每台AI服务器均配有8张A100。 由此测算，单个GPT-3.5 175B参数量AI大模型训练而新增的NVIDIA A100需求空间 为1080个，新增的AI服务器需求为135台。

考虑到各大互联网巨头正在/计划训练的模型参数量仍在持续增加，未来模型训 练参数量可能达到万亿级别；同时越来越多的互联网公司加入大模型训练的阵营； 我们基于以下关键假设，对用于大模型训练的NVIDIA A100、AI服务器的需求做关 于模型参数、模型训练个数的敏感型分析。（1）假设模型单次训练时间为30天；（2） 假设训练阶段每个A100吞吐效率为48~52%。 我们预计中短期内，大模型参数量有望达到1T；全球训练的AI大模型的数量在 100个以内。

（2） AI大模型在推理阶段算力需求测算

ChatGPT活跃用户数量迅速增加、BING搜索引擎开始接入ChatGPT、百度发 布文心一言并启动内测，以GPT为代表的大语言AI模型在文字推理/生成领域的应用 加速落地；此外，基于GPT的midjourney展现出较强的图片创作能力，Adobe也发 布了可生成图片、视频、声音等内容的模型Firefly，AI模型在多媒体领域的推理/生 成应用也在快速发展。考虑到AI模型在文字生成领域应用落地进展较快，我们对这 一部分的推理算力需求进行测算，基于以下关键假设： （a）参考谷歌月均搜索次数，假设一个谷歌级应用每日的搜索次数为30亿次；并假 设30亿次问答在每日24小时中均匀分布； （b）假设单次问答总字数为1850字。 由此测算，单个应用GPT-3.5 175B模型的谷歌级文字推理应用新增的NVIDIA A100 需求空间为72万个，新增的AI服务器需求为9万台。

2. AI服务器需求提升，推动相关硬件产品市场规模增长

根据节第一部分对模型训练&推理算力需求测算，以14万台为基数测算训练、 推理侧AI服务器需求对服务器出货量的拉动。100个175B训练模型对AI服务器出货 量的拉动为9.6%，10个使用GPT-3.5 175B模型的谷歌级推理应用对全球AI服务器出 货量的拉动为643%。

在算力需求激增的背景下， AI服务器的市场空间将会被大力拉动，同时AI服务 器内部的算力芯片（GPU等）、存储芯片（DRAM、NAND、HBM等）、连接产品 （光模块、以太网PHY、PCIe retimer、PCB等）以及其他相关产品（如多相电源） 的市场规模都有望迎来显著的提升。

（1）服务器整机：AIGC点燃数据中心算力需求，AI服务器空间广阔

AI服务器的核心为GPGPU/ASIC，单价较普通服务器大幅提升。AI服务器与通 用服务器不同，除了2颗CPU外，一般还要配备4/8颗GPGPU以及一系列的相关配套 芯片。以英伟达DGX A100为例，其包含了8颗A100 GPU、2个64核AMD Rome CPU、 2TB RAM、30 TB Gen4 NVME SSD、6个NVIDIA NVSwitch以及10个NVIDIA Connext-7 200Gb/s网卡。从价值量层面来看，通用服务器价格一般为几千美金/台， 而主流AI服务器价格多在10-15万美金/台。

AIGC大幅提升HPC算力需求，推动AI服务器增长。AIGC大模型的训练和推理 需要大量的高性能计算（HPC）算力支持，对AI服务器需求提升。据Trendforce数 据，预估2022年搭载GPGPU的AI服务器年出货量占整体服务器比重近1%，即约14 万台。预计2023年出货量年成长可达8%，2022~2026年CAGR达10.8%。

（2）算力芯片：AI服务器硬件成本的主要构成，海内外大厂积极布局

算力芯片是AI服务器中处理训练与推理的核心。在模型训练和推理的过程中需 要大量的计算，其本质是在网络互联层中将大矩阵输入数据和权重相乘，因此主要 的计算方式为矩阵计算。在矩阵计算中，每个计算都是独立于其他计算的，因此可 以通过并行计算的方法，而GPU相比于CPU拥有更多独立核心，因此深度学习和神 经网络模型在GPU的加持下，采用高度并行的方式进行计算，可更高效地完成计算 任务。根据IDC数据，AI服务器硬件成本的主要构成为GPGPU，占比可高达70%。 以英伟达A100 Tensor Core GPGPU为例，其架构中中包括以下单元：每个 GPU有7个GPC，每个GPC有7个或8个TPC ，每个TPC有2个SM，每个GPC最多 16个SM，总共108个SM。由多个小核心组成的SM是运算和调度的基本单元，是GPU 中处理运算功能的核心。其中，每个SM有64个FP32 CUDA核，64个INT32 CUDA 核，32个FP64 CUDA核，以及4个第三代Tensor Core。由于Tensor Core因为专注 于矩阵运算，其矩阵运算能力显著强于Cuda Core，可以加速处于深度学习神经网 络训练和推理速度，在维持超低精度损失的同时大幅加速推理吞吐效率，因此在模 型训练与推理的过程中，Tensor Core将是主要的计算内核。

作为GPU行业龙头，英伟达于2020年和2022年相继推出针对AI、数据分析和 HPC应用场景的两款产品：A100和H100。与A100相比，H100的综合技术创新可以 将大型语言模型的速度提高30倍，从而提供业界领先的对话式AI功能。具体到性能 参数，同为SXM外形规格的H100/A100，半精度浮点算力（FP16 tensor core）分 别为989.4/1312TFLOPS，互连带宽分别为900/600 GB/s。2023年GTC大会上，英 伟达针对ChatGPT等大型语言模型的大规模部署，推出了H100 NVL，其配备双GPU NVlink，将两张拥有94GB HBM3显存的PCIe H100 GPU拼接在一起，可处理拥有 1750亿参数的GPT-3大模型。与适用于GPT-3的HGX A100相比，一台搭载四对 H100和双NVlink的标准服务器速度能快10倍，可以将大语言模型的处理成本降低 一个数量级。

GPU峰值算力的测算公式为：峰值计算能力= GPU Core的运行频率*GPU SM 数量*单个SM对应的特定数据类型的指令吞吐量*2 依据英伟达A100、H100白皮书中给到的参数，A100 GPU Core的运行频率为： 1.41GHz；A100 GPU SM数量为108个。H100 SXM5 GPU Core的运行频率为： 1.83/1.98GHz；H100 GPU SM数量为132个。因此，峰值算力的变量主要集中在特 定数据类型的指令吞吐量上。 （a）Tensor Core加速后的FP16峰值算力： A100 FP16（Tensor Core加速）峰值算力=311,869G FLOPS≈312T FLOPS H100 FP16（Tensor Core加速）峰值算力：=989,429G FLOPS≈989.4T FLOPS （b）Cuda Core下的FP32峰值算力： A100 FP32（Cuda Core）峰值算力=19,491G FLOPS≈19.5T FLOPS H100 FP32（Cuda Core）峰值算力=66,908G FLOPS≈66.9T FLOPS

通过参考英伟达A100/H100 GPU的性能参数，该公式计算的结果与英伟达官方 披露的性能参数一致。由此可见，GPU峰值算力与主频和硬件配置数量等参数相关。 本土AI芯片厂商积极追赶，国产替代之路虽远必达。从技术架构来看，Al芯片 主要分为GPU、FPGA、ASIC三大类。其中，GPU是较为成熟的通用型人工智能芯 片，FPGA和ASIC则是针对人工智能需求特征的半定制和全定制芯片。国内AI芯片 赛道的厂商中华为、阿里和寒武纪为ASIC技术架构，百度昆仑芯为FPGA技术架构， 海光信息、景嘉微、摩尔线程、沐曦、燧原科技、壁仞科技、天数智芯则采用GPU技术架构。目前各家产品参数与英伟达A100/H100相比，仍有一定差距，但在英伟 达等高端AI芯片出口受限的背景下，国产AI芯片企业获取了难得的发展机遇，随着 本土下游AI需求的不断拉动，国产替代之路虽远必达。

（3）存储芯片：HBM成高端GPU标配，充分受益于AI服务器需求增长

HBM是目前高端GPU解决高带宽主流方案，AIGC热潮拉动HBM需求增加。AI 服务器需要在短时间内处理大量数据，包括模型训练数据、模型参数、模型输出等。 这些数据量通常都非常大，对高带宽需求大幅提升。GPU主流存储方案目前主要分 GDDR和HBM两种方案。与GDDR方案相比，HBM方案由多个芯片垂直堆叠而成， 每个芯片上都有多个内存通道，可以在很小的物理空间内实现高容量和高带宽的内 存，有更多的带宽和更少的物理接口，而物理接口越少，功耗越低。同时还具有低 延迟的特点，但相对而言，成本更高。HBM方案目前已演进为高性能计算领域扩展 高带宽的主流方案，并逐渐成为主流AI训练芯片的标配。AIGC时代推动HBM需求显 著增加。HBM的需求增加不仅体现在单颗GPU需要配置的单个HBM的Die层数增加、 HBM个数增加，也体现在AIGC热潮下，大模型训练需求提升拉动对AI服务器和AI 芯片需求，HBM在2023年来需求明显增加，价格也随之提升。据Omdia数据，预计 2025年HBM市场规模可达25亿美元。

HBM升级朝着不断提高存储容量、带宽，减小功耗和封装尺寸方向升级，目前 已升级到HBM3。HBM方案最初由英伟达和AMD等半导体公司定义和推动，从最初 的1GB存储容量和128GB/s带宽的HBM1发展到目前的24GB存储容量和819GB/s带 宽。高速、高带宽的HBM堆栈没有以外部互连线的方式与计算芯片连接，而是通过 中间介质层紧凑连接。以HBM2方案为例，相对于GDDR5，HBM2节省了94%的芯 片面积。从带宽角度看，一个HBM2堆栈封装的带宽就是307Gbyte/s，远高于GDDR5 的带宽。

产业链积极推动HBM发展。海力士、三星美光等厂商紧跟HBM趋势，已发布多 款产品。英伟达历代主流训练GPU基本都配置HBM，如H100采用了6颗HBM3。2022 年11月英特尔发布全球首款服务器DDR5 CPU Sapphire Rapids with HBM版本，以 面向高性能计算。国内厂商布局方面，如国芯科技表示公司正研究规划合封HBM内 存的2.5D的芯片封装技术。深科技从事存储芯片封测业务，近年来不断加强先进封 装技术研发。

（4）连接产品：AI服务器迎来ChatGPT风口，相关链接产品步入黄金时代

光芯片：AIGC应用驱动400G/800G高速率光模块在AI服务器中加速渗透，光芯 片产品量价齐升。规模层面，AIGC应用需要强大算力作为支撑，光模块是数据中心 内部互连和数据中心相互连接的核心部件。根据LightCounting的数据，2020年全球 光模块市场规模为66.7亿美元，预测2025年全球光模块市场将达到113亿美元，为 2020年的1.7倍，光芯片作为光模块核心元件有望持续受益。价格层面，AIGC应用 所需数据流量持续提升，交换机互联速率逐步由100G向400G/800G升级。在对高速 传输需求不断提升背景下，更高价值量的25G及以上高速率光芯片市场增长迅速。 根据Omdia预测，2019年至2025年，25G以上速率光模块所使用的光芯片占比逐渐 扩大，市场空间将从13.56亿美元增长至43.40亿美元，CAGR为21.40%。封装方式 上，CPO是解决超高算力过载并提高能效的核心解决方案之一，据Light Counting 预计，按照端口数量统计，CPO的全球发货量将从2023年的5万件逐步增长到2027 年的450万件。

NVlink：实现GPU间高速直联。NVlink是一种GPU之间的直接互联，可扩展 服务器内的多GPU输入/输出。2016年，第一代NVlink搭载基于Pascal架构的Nvidia GP100 GPU发布，其传输速率可达160GB/s；目前NVlink已迭代至第四代，第四代 NVIDIA NVlink总带宽为900GB/s，是PCIe 5.0带宽的7倍。一代NVlink共有4个链 路，单链路传输速率40GB/s；第二代、第三代、第四代NVlink分别有6、12、18个 链路，单链路传输速率均为50GB/s。NVlink不仅可实现NVIDIA GPU间互联，也可 以实现GPU与CPU之间的互联（CPU需要支持NVlink协议，如IBM POWER9）。第一至第三代NVlink传输信号为NRZ调制的电信号，第四代NVlink传输信号为 PAM4调制电信号；在信号传输过程，由NVlink控制器+PHY构成的组合实现信号的 收发控制，其中NVlink控制器按照功能又可分为三层：Physical Layer（PL）、Data link Layer（DL）、Transaction Layer（TL）。

NVSwitch：实现服务器内更高带宽、更低延迟、更多GPU间通信。NVIDIA在 2018 GTC大会发布了首款节点交换架构——第一代NVSwitch，其上有18个NVlink 端口，在单服务器节点内通过12个NVSwitch可以实现16个V100以NVlink能够达到 的最高速度进行多对多GPU通信；基于NVlink +NVSwitch实现服务器节点内16颗 V100互联的一台DGX-2与两台通过IB互联的DGX-1（每台内有8个V100）相比，前 者AI运算速度是后者的两倍以上。目前NVSwitch已经迭代到第三代，单芯片上共有 64个第四代NVlink端口，支持GPU间900GB/s的通信速度，这些通过NVlink Switch 互联的GPU可用作单个高性能加速器，拥有高达15petaFLOPS的深度学习计算性能。

CPU-DRAM间内存接口芯片。内存接口芯片是服务器内存模组的核心逻辑器件，以提升内存数据访问的速度稳定性，满足服务器CPU对内存模组日益增长的高性能 及大容量需求。目前行业正从DDR4升级至DDR5。据JEDEC定义，DDR5时代，RCD 和DB需支撑的传输速率从3200MT/s提升至DDR5第一子代的4800MT/s，且子代还 在继续升级中。此外，DDR5世代还需配置1颗SPD、1颗PMIC和2颗TS等配套芯片， 行业迎来量价齐升。 CPU-GPU互联芯片。在AI服务器中CPU和GPU互联通常使用PCIe联接。PCIe Retimer芯片是适用于PCIe 高速数据传输协议的超高速时序整合芯片，主要解决数 据中心数据高速、远距离传输时，信号时序不齐、损耗大、完整性差等问题，还可 灵活地切换PCIe 或CXL模式，多应用于NVMe SSD、AI 服务器、Riser卡等典型应 用场景。参考TI官网产品价格，单颗PCIe 4.0 Retimer约25美金。PCIe还需要承担 GPU与网卡、NVMe（存储）数据传输，因此会使用PCIe Switch联接CPU、GPU、 网卡和NVMe（存储），形成浅层且平衡的PCIe树型拓扑，可实现从网卡和NVMe 进出GPU的快速点对点传输；若单台服务器使用4颗PCIe Switch芯片，参考TI官网 产品价格，单台服务器PCIe Swicth价值量约3美元。

PCB:AI服务器高算力需求爆发，推动PCB单机价值量提升。PCB起中继传输的 作用，是电子元器件的支撑体，服务器PCB板上通常集成CPU、内存、硬盘、电源、 网卡等硬件，AI服务器在以上硬件上有不同程度的增加或升级，同时AI服务器增配4 至8颗GPGPU形成GPU模组，带来PCB板单机价值量提升。具体而言，AI服务器PCB 板价值量提升主要来自三方面：（1）PCB板面积增加。AI服务器中除了搭载CPU 的主板外，每颗GPU需要分别封装在GPU模块板，并集成到一块主板上，相比传统 服务器仅使用一块主板，PCB面积大幅增加。（2）PCB板层数增加。AI服务器相对 于传统服务器具有高传输速率、高内存带宽、硬件架构复杂等特征，需要更复杂的 走线，因而需要增加PCB层数以加强阻抗控制等性能。（3）PCB用CCL材料标准更 高。AI服务器用PCB需要更高的传输速率、更高散热需求、更低损耗等特性，其核 心材料CCL需要具备高速高频低损耗等特质，CCL材料等级需要提升，材料的配方 以及制作工艺复杂度攀升，推动价值量提升。

（5）其他产品：ChatGPT拉动AI服务器需求提升，多相电源供电方案增量显著

多相电源产品在AI服务器中单机价值增量显著，GPU算力升级进一步推动量 价齐升。AI服务器与通用服务器主要区别在于AI服务器配备4/8颗GPGPU，以满足 高性能计算需求。多相控制器+DrMOS组成的多相电源解决方案是GPU的主流供电 形式。我们对8卡AI服务器的多相电源解决方案产品新增需求进行测算，参考NVIDIA V100的多相电源配置，A100至少需要16相电源解决方案（1颗多相控制器+16颗大 电流DrMOS的配置），则该AI服务器相较于普通服务器增加了8颗多相控制器、128 颗大电流DrMOS需求，参考TI官网产品价格，两种产品价格分别约为7.7美元、2.0 美元，则AI服务器单机新增多相电源产品价值量约为318美元；根据MPS数据，单 台普通服务器CPU主板电源解决方案（包含多相控制器+DrMOS+POL+EFuse等产 品）合计价值量约80美元；因此AI服务器单机多相电源产品价值量相较于普通服务 器有数倍提升。英伟达在2023年GTC大会发布了应用于大型语言模型部署的 H100NVL新产品，具备更高算力的H100 GPU为更大规模的AI模型训练提供更强大 的算力支持，H100 SXM产品最大热设计功率为700W，远高于前代次产品A100的 300W~400W。高算力GPU产品功率的提升对DrMOS的数量、性能带来了更高需求， 服务器领域多相电源产品市场空间也将充分受益于服务器GPU的迭代和性能升级。

3. ChatGPT浪潮之巅，AIGC赋能千行百业

内容生产进入AIGC时代，跨模态成为增长点。内容生产已经从专业化的PGC 到用户生产的UGC，现在已经进入AIGC时代。AIGC不仅意味着AI的角色开始从观 察、预测拓展为生成、决策，也意味着AIGC作为一种赋能技术，借助其大模型的跨 模态综合能力和内容生产力，将广泛服务于各类终端行业。

AIGC赋能千行百业，未来需求乐观可期。AIGC作为一种赋能型技术，能在很 多行业内找到应用场景的结合点。这台“21世纪的珍妮纺纱机”基于其强大的内容 生产能力，将重塑几乎所有行业，带领行业进入新时代。目前在绘画、视频制作、 音乐、写作、编程等众多内容生产行业中都有显著的业务需求，在游戏、传媒、电 商、娱乐、教育、金融、医疗、药研、工业等多个行业中都有望塑造更多应用场景。

大语言模型朝着多模态方向发展，多应用场景均开始布局。GPT4.0转向多模态， 新增了图像输入，能同时进行文本和视觉处理的多模态大模型已是技术变革方向。 与此同时，当前海内外大厂纷纷在更多文字生成、社交娱乐、音视频、办公等领域 布局或引入大语言模型的发展，并朝着多模态方向发展。

AIGC驱动安防智能化升级，市场潜力逐渐显现。AIGC作为新型的内容生产基 础设施对既有的内容生成模式可产生革命式影响，一方面其已在办公、影视、绘画 等内容需求丰富的行业取得显著发展，另一方面原本已和AI结合的安防、制造等行 业也正在AIGC大潮下朝着更加智能化的方向发展，市场潜力逐渐显现。

AIGC有望与安防紧密结合，驱动泛安防产业智能化升级。ChatGPT和AIGC技 术的应用，可以帮助安防产品实现更高效的数据处理和管理，大幅提升安防系统的 反应速度和处理能力，实现一定程度降本增效，推动智慧安防乃至智能物联网行业 发展。近几年，传统安防已通过物联网、云计算、AI等技术升级为智慧安防。据IDC 数据，视频监控、人脸识别、智能摄像头等泛安防是中国近年来已部署和计划部署 的重点AI领域，也是AI最先商业化的领域之一。随着AIGC时代的来临，智慧安防可 进一步升级。具体而言，ChatGPT可以通过分析和处理大量语音、文本和图像数据， 帮助识别并分类人、车辆、动物等不同对象，帮助安全系统快速识别异常事件，以 及实现更精细化的数据分析和挖掘，进一步提升预测准确率等。同时，ChatGPT的 应用还将促进安防与其他相关领域合作，以谷歌和微软等厂商致力于利用神经网络 进行机器人控制为例，将视觉数据以及大型语言模型结合起来，也可推动安防机器 人的发展。ChatGPT和AIGC技术的应用，可以帮助安防产品实现更高效的数据处理 和管理，从而大幅提升安防系统的反应速度和处理能力，有望实现一定程度降本增 效，大力推动智慧安防乃至智能物联网行业发展。

从听觉领域来看，智能音箱是家庭场景交互中心与IoT控制中心，AIGC符合智 能音箱用户个性化交互需求，在家庭内部家庭教育、电器控制、起居辅助等方面进 一步提升用户体验，开启听觉盛宴。根据IDC数据，2022年包括智能音箱在内的家 庭智能设备市场规模为306.3亿美元，预计到2026年将达到382.9亿美元，CAGR为 5.7%。随着AIGC热潮上升，音频内容个性化需求进一步凸显，打开终端设备销量未 来市场空间。 AIGC作为生产力工具开启视听盛宴，打开终端设备成长空间。从视觉领域来看， AIGC作为生产力工具赋能元宇宙，逐渐实现元宇宙的可扩展性潜力，低成本、高效 率地满足VR/AR用户海量内容需求。索尼PSVR 2、苹果MR、meta Quest3等主要 产品的推出在即，AIGC未来在内容端的持续赋能，XR产业有望迎来新一轮增长。

(三) 产品渗透：基本面趋势向上，新品渗透增长弹性显著

1. DDR5：渗透率预期积极，2023年还将持续发布DDR5 CPU

Intel和ADM积极推动服务器端DDR5 CPU出货和发布。据AMD的22Q4 Earnings Call，DDR5 CPU Genoa 目前导入了超过140个平台，YoY+40%，并预 计23H1推出第二代DDR5 CPU Bergamo。Intel于2023年1月10日发布新一代服务器 支持DDR5 CPU Sapphire Rapids。Intel在22Q4 Earnings Call中表示客户对 Sapphire Rapids需求强劲，并预计年中前出货100万颗。Sapphire Rapids的正式开 始销售时间为2月15日，即100万颗为4个月销售时间内的预计值。此外，Intel继续 朝着既定Roadmap稳步推进新一代CPU，预计23H2发布服务端支持DDR5第二子代 CPU，即DDR5-5600 CPU Emerald Rapids。PC端，Intel预计23H2发布新一代PC 移动端CPU Meteor Lake。 美光DDR5渗透预期预维持2024年年中50%不变。美光在2023年3月Earnings Call中维持对PC和服务器端DDR5的渗透率在2024年年中50%的预期。尽管23H1收 到存储周期去库存的影响，但美光维持上季度DDR5出货预期。公司表示正在像数据 中心客户大量交付DDR5 DRAM，预计DRAM出货量从FY23Q2开始增加。随着Intel 和AMD最新一代的服务器处理器Sapphire Rapids和Genoa需要DDR5 DRAM，使用 这些新处理器的服务器将在2023H2推动DDR5 DRAM的需求上涨。

2. 射频：产业链大力去库存，本土厂商推出模组新产品

从库存水平来看，Skyworks和Qorvo的库存水位和DOI在2022年逐季创新高， 但库存增速逐渐趋缓，根据Skyworks和Qorvo在2022Q4的Earning Call，22Q4安卓 产业链渠道和终端总库存减少了20%以上，行业去库存力度较大，传导到产业链上 游，PA代工厂极大降低稼动率。预计2023Q1射频行业还将继续去库存，但库存水 位增速已连续两个季度放缓，同时Skyworks预计23H2公司DOI将回落至正常水平， Qorvo也预计渠道库存在23年下半年恢复正常。

23Q1射频产业链处于周期磨底阶段，行业有望在23H2复苏。我们选取了下游 主要为安卓机市场的Qorvo进行复盘，22Q4的业绩、库存的周期表现类似于2019年 Q2时期，库存水位处于历史高位，库存增速回落，营收增速即将见底。而由于 2020-2021年在中美贸易摩擦、疫情催化缺芯等多重因素下，供应链备货节奏被扰 乱，下游客户过度备货而后无较强需求消化，正常供需差在本轮周期中被放大，因 此库存消耗相应需要更多时间，就目前周期推导和跟踪海外大厂库存和需求情况看， 预计22Q2平稳过渡，但预计随着23H2行业需求转好，库存恢复正常，射频行业有望迎来较好景气度，而市场表现有望也略领先于基本面上扬。

从新产品角度看，本土厂商不断推出各类模组产品，带来成长动力。拆市场来 看，模组市场规模和成长性大于分立器件。近年来本土厂商加强5G模组和4G模组在 接受端和发射端的布局。L-PAMiD是模组中集成度最高，价值量最大的品类，同时 由于技术和专利壁垒较高，市场主要被海外射频厂商占据，国产化率低，替代空间 较大。因此是本土厂商的较大机会。唯捷创芯通过外购滤波器率先研发出低频和中 高频L-PAMiD模组，并已向头部品牌厂商送样，公司预计L-PAMiD将在2023年实现 大批量出货。卓胜微自建芯卓产线量产高性能滤波器，同时公司各类模组布局较为 全面。截至22Q3，公司双工、四工器顺利送样客户，长期来看具有供应稳定优势。

3. 存储芯片：行业周期边际转好

存储行业周期磨底，边际向好。从时间上看，本轮存储大周期，从2021Q2开始 的下行周期已接近两年；从价格上看，DRAM现货及合约价格已接近上一伦周期底 部位置。库存方面，目前存储行业库存情况已达历史新高，而美光等厂商也开始预 期公司DOI已触顶，且下游客户库存水位预计23H2逐渐恢复正常。各种存储磨底信 号预计开始出现。 价格方面，DRAM和NAND已度过了价格大幅下跌通道，价格降幅有望减缓。 跟踪DRAM和NAND价格来看，目前大部分规格都跌至了历史最低价。跟踪美光 FY23Q2的存货减值幅度看，FY23Q2公司计提存货减值14亿美金，并指引FYQ3下 季度预计计提存货减值5亿美金。在目前各个下游需求暂时较淡情况下，减产是达到 供需平衡和价格止跌的核心。美光、SK海力士已于2022H2陆续启动存储芯片减产。 以及一向以逆周期投资和抢份额为特点的三星也于2023年4月初宣布减少存储芯片 生产。TrendForce目前对23Q2的价格跌幅预期已收缩至10%。CFM对存储价格做 出了展望，预计价格从23Q2开始波动变小，23Q3和Q4有望看到价格回升。存储价 格的触底往往是新一轮上行周期的前奏，复盘美光和SK海力士在前两轮周期表现来 看，在存储价格磨底阶段，公司市值上涨往往提前于存储价格的上涨。

库存方面，截至22Q4，美光和海力士的库存水位和DOI都已创新高。据美光的 FY23Q2财报，本季的美光在进一步降低开工率的情况下，库存环比下降了2.75%， DOI减少了约3天，美光并预计库存周转天数已见顶，预计下季开始改善。整体来看， 行业的库存见顶趋势已成。复盘DRAM现货价和存储行业库存关系，可以看到每一 轮库存增长见顶伴随着存货价格变动的反弹。同时美光预计美光公司大部分下游终 端市场客户库存已经见顶并开始逐渐减少，预计2023下半年开始供需将逐渐平衡。

存储模组厂在磨底转上行周期可率先释放利润。存储芯片标准化程度高，替代 性程度强，具备大宗商品特征。存储模组厂多用合约价来找存储芯片厂购买，然后 依据现货价格卖出。在行业的磨底转上行周期，若现货价格先一步上涨，模组厂可 在更低的合约价和上涨现货价间赚取价格差。同时由于在周期去库存末尾，模组厂 商库存不断去化，芯片上游芯片厂商库存不断累高，若终端需求回暖，芯片模组在 供给少，需求大的情况下，通过提高存储产品价格，率先释放利润。跟踪台湾存储 模组厂商威刚的季度存货和现金来看，威刚和存储芯片厂商在周期下行期存货趋势为反向，且威刚在存货见底和需求起来的1-2个季度，有望迎来现金的大幅提升。跟 踪月度营收来看，公司2月营收实现增长14.5%、而公司市值也于基本面提前一个季 度开始上涨。

4. 模拟芯片：相较其他半导体板块，模拟周期拐点预计滞后一个季度

复盘本轮产业周期，全球模拟行业景气度下行较其他板块相比有一定滞后性。 全球半导体行业在2019年进入下行周期尾部；2020年开始步入上行周期，2020、 2021年全球集成电路销售额同比分别增加8.4%、28.2%，同期模拟板块销售额同比 增速分别为3.2%、20.8%，增速低于集成电路行业整体。2022年全球半导体行业进 入本轮上行周期尾部，当年全球集成电路销售额预期同比增加3.7%；而模拟板块受 益于下游汽车、工业等领域的持续旺盛需求，2022年全球销售额同比增加20.8%， 显著高于集成电路和其他细分IC板块。模拟行业下行周期相较于其他行业也有一定 滞后性，根据Wind数据，预计2023年全球模拟销售额同比增长仅1.6%，相较于2022 年增速明显下降。

海外模拟龙头库存水位处于较高水平，且仍有增长趋势。从库存水平看：TI、ADI、MPS、矽力杰连续几个季度库存均呈现增加趋势。截至最新报告期末，四家 厂商DOI分别为134天、104天、171天、119天。TI强调由于公司产品寿命周期长、 客户群体多元化，因此产品被迭代淘汰的风险非常低；一定的短期与长期库存可以 更好地支持客户；因此公司会放心持有更高水平的库存，在当前水平可能会继续增 加10亿至20亿美元的库存。MPS表示由于业务状况、订单模式的变化，公司库存水 平可能达到目标的180~200天DOI，并可能在短期内更高；公司会通过放慢晶圆投片 量控制公司和渠道中库存，目标在23Q2使库存回到合理水位。

海外模拟龙头指引短期需求仍较为疲软，但环比跌幅有所收窄。终端需求指引 方面：TI、ADI、MPS、PI四家海外厂商对当前财报季的营收指引中值环比降幅分别 为7.4%、1.5%、2.2%、16%。ADI受益于工业和汽车市场的较为强劲的需求，下降 幅度较小；PI受到下游大小家电、PC市场需求较弱影响，当前财报季营收指引中值 环比下降16%。

A股模拟公司存货周转天数自21Q2以来处于连续上升阶段。截至22Q3，SW模 拟芯片设计板块存货DOI达到242天，相较于22Q2增加了19天。与之对比，22Q3 SW 半导体、SW集成电路制造、SW集成电路封测、SW半导体设备、SW数字芯片设计 板块DOI环比增加天数分别为5.1、8.7、7.9、7.2、4.3天，均远低于模拟芯片设计板 块DOI的增长速度。相较于A股其他半导体板块，模拟芯片设计行业短期面临较大的 库存水位上行与去化压力。

综合全球半导体/模拟IC市场需求、海外龙头库存水位及对下游需求的指引、A 股模拟板块库存变化，我们认为在本轮周期中，模拟IC受益于下游汽车、工业等领 域的旺盛需求，维持了较长的成长周期，相较于半导体行业整体滞后进入下行周期； 预计模拟行业的景气度拐点也会滞后半导体行业约一个季度出现。

四、设备材料：国产替代提速，产品突破穿越周期

(一) 国产替代驱动成长，设备板块空间广阔

半导体设备市场空间广阔。2019年-2021年，受到下游应用需求的驱动以及疫 情对行业供需关系的影响，全球半导体设备市场经历了一轮高景气周期。2022年， 半导体设备市场规模有望再创新高。根据SEMI的数据，2022年，全球半导体设备销 售额有望达1143.4亿美元，同比增长11.24%，以2021年中国市场的占比测算，预估 2022年中国半导体设备市场规模有望达329.48亿美元，同比增长11.24%。

半导体设备公司的增量将更多地来源于市场份额的提升。在半导体设备整体市 场规模保持稳定的过程中，产业链公司的增量将更多地来源于市场份额的提升。我 们认为，市场份额的提升主要由三个因素驱动：产品的竞争力、所处细分市场的份 额或空间、品类扩张能力。其中，产品的竞争力是公司立足于市场获取份额的基础， 所处市场的份额或空间将决定公司高速成长的持续性，而品类扩张能力能够持续拓 展公司的成长边界。 中国大陆晶圆产能仍处于快速扩张期，且增速显著高于全球平均水平，配套半 导体设备的需求稳固。中国大陆是全球最大的电子终端消费市场和半导体销售市场， 吸引着全球半导体产业向大陆的迁移。从产业链配套层面来看，在中游晶圆制造环 节，中国具备成为全球最大晶圆产能基地的潜力。特别是在中国打造制造强国的战 略下，政府在产业政策、税收、人才培养等方面大力支持和推进本土半导体制造的 规模化和高端化。近年来，中美贸易摩擦凸显出供应链安全和自主可控的重要性和 急迫性，晶圆制造及其配套设备等产业环节作为半导体产业的基石，加速发展势在 必行。因此，在市场、国家战略、产业自主可控等多重因素的驱动下，中国大陆晶圆产能在未来一段时间内仍处于快速扩张期，且增速显著高于全球平均水平。

根据IC Insights的数据，2021年，全球晶圆产能约2160万片/月（8寸约当）， 同比增长3.78%，中国大陆晶圆产能350万片/月（8寸约当），同比增长9.92%，在 全球的占比约16.2%。根据SIA的数据，伴随着中国大陆晶圆产能的持续快速扩张， 2030年，大陆晶圆产能在全球的占比有望达24%，届时将成为全球最大的晶圆产能 区域市场。晶圆产能的持续扩张，有望显著拉动上游配套半导体设备的市场需求。 在中国大陆晶圆产能快速扩张的过程中，配套的半导体设备需求有望保持稳固。

内资晶圆产线产能距离规划仍有较大的提升空间，国产半导体设备的订单增量前景广阔。目前，内资晶圆产线仍然是国产半导体设备的消费主力，从远期内资晶 圆产线的建设情况来看，国产半导体设备的需求前景更为乐观。根据各公司官网的 不完全统计，目前，内资晶圆产线的总产能约为162.5万片/月（8寸约当），而各条 产线的规划总产能约为454.5万片/月（8寸约当），现有产能距规划产能仍有较大的 扩充空间，因此，内资晶圆产能的大幅扩张，有望为国产半导体设备公司带来广阔 的订单增量。

当前半导体设备国产化率仍处于非线性提升区间，国产替代驱动的份额提升， 将为行业贡献可观的成长速度和空间。对于国产半导体设备厂商而言，其驱动力除 了行业规模的自然扩张，还包括在国内市场的国产替代。根据中国电子专用设备工 业协会的数据，2021年，国产半导体设备销售额为385.5亿元，同比增长58.71%， 占中国大陆半导体设备销售额的比例为20.2%。

以半导体晶圆制造设备为例，当前的国产设备对28nm及以上制程的工艺覆盖度 日趋完善，并积极推进14nm及以下制程的工艺突破，产品正处于验证密集通过、开 启规模化起量的成长阶段。并且，各大半导体设备厂商基于产品上线量产的契机， 也在与客户密切开展工艺设备的合作研发、已有产品的迭代和细分新品类的扩充， 利于产品竞争力和市场拓展的继续深入。所以，我们认为目前的半导体设备国产化 率仍处于非线性增长区间，未来国产设备有望加速渗透。假设2025年，该统计口径下的中国大陆半导体设备市场的国产化率提升至50%，则2021-2025年，国产半导 体设备销售额的CAGR近30%，设备国产化有较高的成长持续性。

(二) 自主可控任重道远，材料厂商加速突破

晶圆制造材料占据主要的市场空间，半导体材料市场规模稳健增长。根据SEMI 数据，2021年全球半导体材料市场规模约643亿美元，同比增长约15.9%；其中，晶 圆制造材料和封装材料市场规模分别约为404亿美元和239亿美元，占比分别约为 62.8%和37.2%，晶圆制造材料占据主要市场空间。受益于全球晶圆产能的增长和先 进制程的发展，2016-2021年全球半导体材料市场规模CAGR约8.5%，稳健增长。

半导体材料种类繁多，硅片为最大细分市场。硅是第一代半导体材料，目前硅 基半导体仍然占据主要半导体市场，硅片也是半导体材料最大细分市场，根据SEMI 数据，2018年硅片市场在晶圆制造材料市场中占比为38%。电子特气、光掩模为第 二、第三大晶圆制造材料市场，占比均约为13%。抛光材料、光刻胶辅助材料、光 刻胶、工艺化学品、靶材等材料占比均在2%-7%之间。半导体材料产业呈现种类繁 多、细分市场相对较为分散的特点。

中国大陆是半导体材料第二大市场，增速较快，全球占比持续提升。根据SEMI 数据，2021年中国半导体材料市场规模达到119亿美元，在全球市场占比为18.6%， 是全球第二大市场。中国大陆晶圆产能的持续扩张显著拉动了对上游配套半导体材 料的市场需求，2021年中国半导体材料市场规模同比增长约21.9%，远高于全球平 均水平15.9%，同比增速与欧洲地区并列全球第一。过去15年间，中国大陆半导体材料市场在全球占比从6.4%提升至18.6%，市场空间、全球占比均实现快速提升。 未来，随着前文所述国内晶圆产能的快速扩张和释放，本土半导体材料需求有望持 续扩容，市场规模有望保持持续增长。

本土厂商奋起直追，部分半导体材料已基本实现国产自给自足。近年来，一方 面受益于国内下游晶圆产业的发展和政府对产业的支持，同时半导体材料厂商积极 吸纳、培养高层次技术人才，把握行业和技术发展趋势，积累研发经验和攻克关键 技术，募集资金投入产能建设，在新产品的研发、生产、客户导入等方面均取得了 一定突破。目前本土厂商在部分半导体材料细分领域已经取得了较高的市场份额， 如8英寸及以下半导体硅片的产能可满足国内晶圆代工产业的需求，根据江化微招股说明书的数据，6英寸及以下晶圆加工用的湿电子化学品国产化率达到80%。 本土高端半导体材料尚处于起步阶段，国产替代仍有较大空间。12英寸硅片、 应用于先进制程的光刻胶等半导体材料对产品的性能要求更为严苛、技术要求更高， 本土厂商正在突破这些高端产品的技术和市场壁垒。例如，在12英寸硅片领域，本 土厂商沪硅产业、立昂微正处于产能快速提升阶段；彤程新材、南大光电、晶瑞电 材、上海新阳等厂商在ArF光刻胶领域稳步推进产品研发，进展较为顺利；江化微的 湿电子化学品已成功导入多家12英寸半导体晶圆厂，稳步提升国产化水平，且高端 产品营收占比逐年提升。受益于大陆晶圆代工产业的快速发展和国产替代趋势下企 业得到的政策、产业支持，本土半导体材料厂商有望保持快速成长；中低端产品有 望进一步扩大产能、提高市占率，高端产品有望加速取得产品研发、客户导入进展， 不断拓宽企业成长边界。

（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）

精选报告来源：【未来智库】。「链接」