2023年海外硬件科技行业2024年投资策略：AI算力基建迎来高峰

1、行业复盘：AI 板块逆风向上，消费电子持续复苏

在 2023 年，虽然消费电子行业面临去库存压力，硬件板块业绩增长承压，但半 导体在 AI 对基础建设的需求驱动下，硬件上游的费城半导体指数 2023 年初迄今 (1 月 3 日-12 月 1 日)涨幅达 48%，显著高于标普 500 指数的 20%以及纳斯达克指 数的 37%。费城半导体指数涨幅居前的三个成分股分别为英伟达（NVDA.O）、 蓝博士半导体（RMBS.O）和超威半导体（AMD.O），涨幅分别为 220%、92%、 87%，均属于 AI 芯片核心供应商。

AI 算力芯片挂帅，网络芯片也是基建受益者。算力龙头英伟达（NVDA.O）涨 幅领先，YTD(1 月 3 日-12 月 1 日)涨幅 220%，超威半导体（AMD.O）、英特尔 （INTC.O）YTD涨幅分别为 87%、69%，我们认为在 AI硬件爬坡、服务器及PC CPU需求复苏驱动下，超威半导体、英特尔有望延续涨势。另一方面数通交换机 厂商 Arista 网络（ANET.N）和交换机芯片公司博通（AVGO.O）YTD 涨幅分别 达 79%、69%。微软和 Meta 等云服务龙头高端网络设备需求激增，将持续利好 数据通信龙头厂商。

AI 服务器产业链业绩预期高企，终端硬件结束去库存。服务器代工龙头公司超 微电脑（SMCI.O）、广达（2382.TW）、纬创（3231.TW）、纬颖（6669.TW）、 英业达（2356.TW）YTD(1 月 3 日-12 月 1 日)涨幅分别达 228%、197%、223%、 137%和 65%。受英伟达带来的 AI 热潮推动，主要 AI 服务器概念股在 5-7 月涨幅 明显。随着 AI 新应用的推出和 ASIC 在 2024 年的大量采用，AI 服务器产业仍处 于长期上行通道。

先进封装扩产驱动设备需求，关注过程控制、键合、退火环节。受 AI 芯片客户 加单推动台积电等先进封装制造公司、SK-海力士等 HBM 厂商均宣布将大幅扩 产，先进封装设备商亦获急单，考虑到业绩弹性等因素，中短期内我们看好过程 控制、键合、退火等环节设备投资机会。

2、算力： AI 服务器渗透率提升，驱动计算、数通硬件需求

AI 芯片军备竞赛将持续推动产品升级,中长期供给或将多元化。中短期看，AI 模 型发展、竞争仍将推升 AI 芯片出货量和规格；长期看，AI 芯片需求将注重投入 产出比和总拥有成本（TCO），重心预估将从 AI 大模型训练转向 AI 垂直模型训 练和 AI 推理。根据 Yole 报告，AI 服务器（含 GPU 及其他加速器）2028 年渗透 率有望从 2023 年的接近 10%增至超过 18%，其中约 70%-75%为 GPU 服务器。

芯片供给方面，我们认为龙头英伟达、AMD 和英特尔仍将持续受益，此外自研 芯片、定制芯片预计将成为云服务商、AI 应用公司差异化竞争的关键筹码之一， 博通、迈威尔与谷歌、亚马逊、Meta 等云服务龙头在定制 ASIC 产品展开深度合 作，预计也将成为 AI 芯片算力竞赛的受益方。

2.1、训练算力端：英伟达一枝独秀，AMD、Intel 迎头追赶

英伟达稳居 AI 训练龙头，芯片升级节奏提速。根据 Omdia 报告，英伟达目前 AI 芯片市占率达 7成，在 AI训练领域的占比更高，其数据中心 GPU旗舰产品 A100 与 H100 已广泛用于 AI 训练领域；路线图方面，公司于 2023 年 11 月推出 H100 的内存升级版本 H200，此外，据 ServeTheHome 报道，英伟达预估 2024 年推出 B100、2025 年推出 X100，迭代周期缩短至 1 年。 H100 竞品 AMD MI300X、Intel Gaudi2 均仍处于爬坡阶段。AMD 此前预估， 2024 年公司服务器 GPU 的订单在 20 亿美元以上，而 Intel 预估 2023 年剩余月份 至 2024 年服务器 GPU 订单 20 亿美元；两家公司的明年服务器 GPU 出货有望跳 升，但全年合计出货或仍低于英伟达数据中心业务的单季度规模。未来的产品升 级，英特尔将迭代周期定为 1 年，预计在 2024 年、2025 年分别推出 Gaudi3 和 Falcon Shore；AMD 则尚未公布 MI400 的路线图。

英伟达深度布局 CUDA 架构，塑造护城河。英伟达的 CUDA 并行计算架构，被 AI 研究广泛使用并形成公司生态壁垒，过去一年由于 GPT 热潮加速扩张了 CUDA 生态。截至 2023 年 5 月，CUDA 架构拥有 400 万开发者、3000 多个应用 程序，历史下载量从 2022 年的 2500 万次增长至 2023 年的 4000 万次。CUDA 生 态价值与规模效应提高了客户的迁移成本，塑造英伟达的护城河，AMD、Intel 等 AI 芯片竞争者不得不通过兼容、鼓励移植等方式来推动客户使用 OpenCL 开 源架构、ROCm，短期内 CUDA 地位难以被取代。

2.2、推理算力端：百舸争流，技术路线更加多元

AI推理算力需求小于 AI训练，CPU、GPU、FPGA等硬件均有机会。AI模型训 练包括前向和后向计算，需要通过不断反复试错、调整参数权重以提高预测准确 度；而 AI 推理仅进行前向计算，输入的数据在经过模型参数计算后输出结果， 对算力需求较低，并且可通过模型优化等方法，在精度影响可控情况下降低算力 要求。因此，GPU、CPU、FPGA 和 NPU 等硬件均有部署的空间。

英特尔第四代服务器 CPU 性能提升，抢占 AI 推理市场。根据 Medium 报告，在 ResNet-50 基准测试下， Ice Lake（2021）CPU 在推理端表现不如 T4 GPU （2018），而 Sapphire Rapids（2023）推理端表现已接近 T4 GPU，耗时分别是 后者的 4.75 倍、1.34 倍，性能提升有助于 CPU 抢占 AI 推理市场份额。 GPU 兼顾推理、模型微调，实现差异化优势。头部客户 AI 应用访问量大，需要 低延时解决方案，此外 GPU 资源也可以在闲时分配给 AI 训练任务，提高硬件利 用率，因此，Open AI、Meta 等客户仍在使用 A100、H100 等 GPU 芯片进行 AI 推理任务。而对于中小客户，英伟达的中端 GPU L40S 除推理外，也适合用于中 等参数模型微调训练；AMD、Intel 也宣称旗下旗舰 AI 芯片 MI300、Gaudi2 同时 适用于 AI 训练、推理，GPU 等加速器新品在“AI 训练+AI 推理”的复合复杂场 景具有相对优势。

自研芯片或为云服务商推理硬件突破口。由于英伟达及其 CUDA 生态在推理端 的壁垒相对较低，我们认为云服务商有机会从推理端开始实现自研芯片 AI 布局， 此外，如推荐搜索等功能较为固定的 AI 推理场景，也适合发展自研 ASIC 芯片 （专用集成电路），目前谷歌 TPU、亚马逊 Inferentia 已经广泛投入使用，微软 则于 2023 年 11 月推出首个自研 AI 芯片 Maia。其中，迈威尔与亚马逊、博通与 谷歌均有定制 ASIC 业务合作。

2.3、AI 基建驱动光通信进入高成长通道

网络是释放 AI 算力的重要基石，以英伟达为代表的 AI 网络结构升级扩大光器件、 光模块、交换机的需求量。英伟达将 GPU 算力优势和 Mellanox 的互联技术相结 合，在 InfiniBand 交换机市场上一家独大，但未来以太网交换机的渗透率或将提 升。英伟达在 InfiniBand 和以太网交换机两手布局，或充分受益。其他以太网交 换机厂商和相关芯片公司也将在以太网市场中获得业务机会。 AI 大模型驱动高速率数通光模块加速放量。光模块应用于电信和数通市场。由 于 2023 年云服务龙头增加 AI 集群投资，高端光通信需求提升，一扫 22H2 疲软 市况，400G 和 800G 光模块的组件已供不应求。LightCounting 预计 2024 年以太 网光模块的销售额将同比增长近 30%，其他细分市场也将恢复增长。全球光模块 市场规模在 2023 年同比下降 6%后，2024-2028 年 5 年 CAGR 或将达 16%。光模 块龙头 Coherent 表示，AI 驱动全球 800G、1.6T、3.2T 数通光模块，相关行业规 模 2024-2028 年 5 年 CAGR 或超过 40%，从 2023 年的 6 亿美元增长至 2028 年的 42 亿美元。

光模块龙头 Coherent 全产业链优势明显，国内光模块厂商持续成长。光模块产 业链中，上游光芯片技术门槛高，而光模块龙头 Coherent 不仅光芯片技术领先， 而且拥有较强的客户壁垒，可以率先导入产品，在全产业链优势明显。光模块生 产制造多为组装性业务，成本管控等经营能力更为关键，国内厂商具备竞争优势。 LightCounting 2022 年全球光模块供应商产值榜单中，国内厂商表现亮眼：中际 旭创位居第一、华为（海思）位居第四、光迅科技升至第五，海信位居第六，新 易盛位居第七，华工正源位居第八。

英伟达 AI方案带动 InfiniBand交换机需求提升。InfiniBand凭借其低时延优势在 高性能计算和 AI 集群大行其道。在 Top500 超级计算机榜单中，InfiniBand 与以 太网分庭抗礼，在 2023 年 6 月达到 241 套，占比 48.2%。英伟达在 2020 年并购 了 Mellanox，凭借其在 InfiniBand 架构的产品优势，目前占有 20%以上的市场份 额。据 LightCounting 预测，英伟达 InfiniBand 交换机 ASIC 的销售额在 2023 年将 是 2022 年销售额的近三倍，2023-2028 年 CAGR 或达 24%。

大规模 AI 部署中以太网方案渗透率提升，英伟达积极发展以太网交换机应对。 以太网具备多供应商生态系统与性价比等优势，随着其性能升级，与 InfiniBand 的竞争加剧，需求方将受益于整体性价比提升。大多数云巨头计划在 AI 基础设 施中使用开源以太网交换机。2023 年 7 月，超以太网联盟（UEC）宣布将通过全 行业合作为 HPC 和 AI 开发基于以太网的通信栈架构，该联盟成员包括 AMD、 博通、Arista、思科、英特尔、Meta、微软等公司。LightCounting 预计，以太网 交换机销售额 2023-2028 年 CAGR 达 14%。Cisco 和 Arista 为全球市占前二的以 太网交换机厂商，2Q23 份额分别为 47.2%、10.4%，英伟达也通过 Spectrum-X 方 案（Spectrum 4 交换机+BlueField-3 DPU）积极参与竞争。

LPO（线性驱动可插拔光模块）：传统可插拔方案的升级版，有望在 2024 年底 迎来量产。LPO在传统可插拔方案的基础上针对短距应用场景，去除 DSP（数字 信号处理）/CDR（时钟数据恢复）芯片，牺牲误码率，但降低功耗、延迟和成 本。交换机大厂 Arista 积极推广 LPO。中际旭创、新易盛、剑桥科技等公司均已 推出 800G LPO 解决方案，而博通、Macom、Semtech、Maxim 等厂商都已展示 相关芯片。Cisco 新推出的 Silicon One G200 交换机也支持 LPO 的使用。英伟达 计划从 2023 年底在其内部 AI 集群部署 LPO。几家云巨头也在评估此项技术。 LPO 或在 2024 年底前实现大量商业化。

3、硬件周期有望回暖，AI 释放需求空间

3.1、半导体行业探底，供需恢复平衡

半导体行业：全球销售额探底回升，行业持续去产能。根据半导体行业协会报告， 2023Q3 全球半导体销售额 1,320 亿美元（YoY-8%,QoQ+8%），连续两个季度环 比回升，出现温和复苏迹象，但硅片出货量仍未触及拐点，根据 SEMI 报告， 2023Q3 全球硅片出货面积 30.1 亿平方英寸（YoY-20%,QoQ-10%），反映行业仍 存在供过于求压力。以光刻机龙头 AMSL季度收入、订单作为前瞻指标，逻辑、 存储市场 2023 年设备需求均显著下滑，扩产进度放缓有助于驱动市场供需恢复 平衡。

存储：行业减产取得成效，市场供需改善。根据 TrendForce 报告，2023Q2 全球 NAND、DRAM 销售额分别为 92 亿美元（YoY-33%,QoQ-1%）、135 亿美元 （YoY-26%,QoQ+18%）。2023 年以来行业持续减产，三季度龙头公司盈利能力 均有好转，一方面得益于市场平均价格企稳、高端产品占比提升，另一方面得益 于上半年部分减值库存在三季度恢复收益。此外，随着 DDR4 等旧产能去化、 DDR5 及 200 层以上 NAND 等新产品需求提升，2024 年市场供需有望改善。

3.2、AI 终端创新大势下，消费电子迎来新机遇

消费电子出现早期企稳迹象，2024年或温和复苏。根据 IDC数据，2023年 Q3全 球手机出货量 3.03 亿部（YoY+0.4%,QoQ+14.1%），PC 出货量 6,820 万部（YoY8.1%,QoQ+10.7%），手机、PC出货量同比降幅收窄；手机、PC处理器龙头高通、 联发科、英特尔、AMD 同样在 23Q3 业绩会中表示下游 OEM 出现库存回补、需 求回稳的早期迹象，我们认为行业已经出现需求企稳的早期信号。考虑到疫情期 间居家办公购置的消费电子产品临近换机周期、品牌商及渠道商库存去化临近尾 声等积极因素，2024 年行业有望迎来温和复苏，根据 IDC 报告，2024 年全球手 机、PC 市场出货量预计同比增长 4.5%、3.7%。

AI 终端关注度显著提升，2023 年下半年手机、PC业者密集发布 AI 新品。（1） 手机方面，下半年苹果 A17 Pro、三星 Exynos 2400、谷歌 Tensor G3、高通骁龙 8 GEN 3、联发科天玑 9300处理器均以AI功能为卖点之一；（2）PC方面，Intel、 AMD 均推出 AI PC CPU 规划，并建设相应的软件平台，高通则基于 Arm 架构开 发的新一代 CPU X Elite，支持运行 130 亿参数模型。在新一代 AI 终端处理器的 基础上，小米、vivo、联想等设备品牌商也陆续跟进发布 AI 终端产品。

2027 年 AI PC 渗透率有望达 6 成，2024 年将成为关键窗口。根据 Canalys 预测， AI PC 将于 2024 年年中开始放量增长，主要驱动力包括 Intel 等处理器厂商新品 发布，以及最新版 Windows 将于 2024 年发布 AI 增强功能。英特尔预估未来两年 将出货 1 亿台 AI PC，高通等新竞争者同样表示 OEM 合作伙伴将于 2024 年年中 开始发布搭载骁龙 X Elite 的 AI PC 产品。Canalys 预计 2027 年 AI PC 出货量将超 过 1.75 亿台，占比达到 PC 总出货量的 60%以上。

AI 终端用户需求：个性化的 AI 终端长期愿景。典型的 AI 终端应用包括（1）AI 个人助理、健康监测；（2）文本扩写及问答；（3）音频、图片、会议及视频的 识别、分类和后期处理；（4）设备端训练（On-device Learning）等功能，其中 部分 AI 应用已在现有设备得到普及，而如设备端训练等部分前沿 AI 应用则尚未 成熟。AI 终端用户的核心诉求包括数据本地化的隐私需求、AI 应用的低延时和 离线化需求、AI 大模型个性化需求，其中，AI 大模型的个性化有望成为推动 AI 终端长期发展的核心竞争力。在设备端训练中，AI 终端将在云端预训练模型的 基础上，结合用户的本地数据进行微调，具有以下优势：（1）本地样本比全球 训练数据集更接近用户个人习惯；（2）可根据新数据进行可持续训练 （Continuous Learning）。这意味着 AI 终端将通过不断微调成为更符合用户需求 的 AI 助手。

AI 大模型及应用：微软、Meta 抢占跨终端 AI 机遇。跨终端所带来的用户规模 有助于吸引更多开发者，形成生态的正向循环和壁垒。以微软、Meta 为例，微软在 Windows 系统的基础上与 Intel、AMD 和高通展开合作，以此推广 ONNX Runtime 开源项目、Windows Studio 办公会议等 AI 工具、产品；Meta 则与高通、 联发科合作，计划在手机、PC、XR、智慧座舱等领域提供基于 Meta Llama2 开 源大模型的 AI 应用。我们认为微软、Meta 在 AI 终端生态上具有先发优势，此 外，苹果虽尚未公布大模型计划，但以苹果现有技术储备以及管理层对 AI 终端 的积极布局，我们预估苹果及其 ios 生态也将是 2024 年 AI 终端大模型的有力竞 争者。

内存：AI 终端刺激内存规格升级，存算一体有望获发展机遇。AI 终端设备将推 动内存规格升级，以骁龙 8 GEN 3 为例，美光已向高通交付新一代 LPDDR5X 产 品，SK-海力士 LPDDR5T 产品已获得高通认证，两者速度均达到 9.6Gbps。此外， 存算一体也有望在 AI 终端上获得发展，根据三星于 Hot Chip 2023 更新的 LPDDR5-PIM（存内计算，Process in Memory）方案，硬件部分运算将在 PIM 单 位（PIM Unit）中完成，减少了数据在处理器和内存之间的搬运次数，与传统的 LPDDR5 相比，LPDDR5-PIM 可以带来 4.5 倍的性能提升，并节省 72%的功耗。 混合 AI：AI 终端向无边界外延。混合 AI（Hybrid AI）指终端和云端的协同工作 方案，目的是形成更高效的资源配置，并保持 AI 终端低延时、个性化等优点。 混合 AI 适用于手机、PC、XR、物联网设备、汽车等边缘终端，并同时有助于推 动云端AI发展。典型的混合AI包括以设备为中心的混合AI、设备感知混合AI、 联合处理混合 AI 三种方案。我们看好云端 AI 与终端 AI 并行发展趋势，预估混 合 AI 将带来新一轮商业模式创新，并推动数据中心、消费电子硬件的换新周期。

3.3、AI 服务器订单能见度明确

通用服务器：企业客户预算优化压力仍在，新一代服务器 CPU 有望刺激换代。 2023 前三季度三大云服务商及 Meta 资本支出持续同比下滑，其中企业客户预算 优化、决策周期延长是通用服务器需求疲软的因素之一。虽然客户支出规划仍有 压力，但随着服务器库存逐步去化，以及 Intel 、AMD 新一代 CPU 发布所带动的 升级周期，我们认为通用服务器需求有望触底回暖。根据服务器主板控制芯片龙头信骅科技数据，11 月公司收入 3.42 亿元新台币（YoY-18%,QoQ+6%），月度 表现达今年新高，出现产业链回暖的早期迹象。

大模型时代下，AI 服务器需求激增。Digitimes 预计 2023、2024 年高端 AI 服务 器出货量将分别达 16.7 万、33.7 万台，2023 年搭载 GPU、FPGA、ASIC 等 AI 芯 片的服务器出货量可达120万台。Yole预测，AI服务器（含GPU及其他加速器） 2028 年渗透率有望从 2023 年的接近 10%增长至 18%以上，其中约 70%-75%为 GPU 服务器。

云服务商份额扩大，带动白牌商出货。据 TrendForce，2022 年，以谷歌、亚马逊、 Meta、微软合计占 AI 服务器采购量的 66%。鸿海 AI 服务器客户包括英伟达、微 软、谷歌和亚马逊。英伟达 DGX 系统主要由 Supermicro 和纬创出货，技嘉也分 得部分订单。纬颖服务器客户包括微软、Meta 和亚马逊，目前在手新订单有半 数是 AI 服务器，预计 2023 年底到 2024 年 AI 服务器收入逐步显现。广达也与英 伟达合作，展出 MGX 超大规模 HPC-AI 服务器，最快 4Q23 放量。

AI 服务器单设备控制芯片需求量提升。与通用服务器单设备配置一个主板控制 芯片（BMC）不同，AI 服务器主板需要 1 个 BMC，4 个 GPU 需要 1-2 个 BMC， Smart-NIC 需要 1-2 个 BMC，因此 AI 服务器的 BMC 搭载量将是传统服务器的 3- 5 倍。赛道龙头信骅科技月度收入有望在 AI 基础投资周期中企稳回升，并受益于 长期 TAM 成长。

3.4、新场景：AI 大模型赋能，下一代载体 XR、自动驾驶未来可期

XR 头显作为下一代 AI 硬件载体潜力巨大。 XR（扩展现实）包含 AR（增强现 实）、VR（虚拟现实）和 MR（混合现实）。MR 介于 AR 和 VR 之间。持续发 展的 AI 大模型将在为智能手机、PC 等成熟终端提供新功能的同时，释放 XR 设 备的成长潜能。AI 的发展将改变 XR 的技术底座。在延展应用场景的过程中， XR 势必将利用 AI 的能力提高设备的交互性和智能性。AI 赋能下，XR 具备通过 文字、图像、语音等理解现实的能力，也得以降低内容制作成本。 Vision Pro有望推动软硬件成熟度提升。苹果在 WWDC 2023发布 MR头显 Vision Pro，计划在 2024 年初正式发售。当前 XR 产业瓶颈主要在于应用场景局限于游戏、内容生态较为贫瘠。而相较于 XR 头显领域的先行者 Meta、字节跳动，苹果 具备更丰富的硬件设计经验和开发者资源，或能突破 XR产业瓶颈。Vision Pro以 MR 形式实现与外界的有效交流，使用 M2 和专属的感知计算芯片 R1，实现无手 柄交互，在硬件层面优化了用户体验，并支持更多如办公的轻量型应用场景。此 外，苹果开发者众多，且 MR 设备科兼容 iPad 应用，可有效丰富 XR 内容生态。

AI+智能汽车展开无人驾驶新画卷。（1）AI 助力感知算法和决策算法升级。自 深度学习而生的各类神经网络结构如 CNN（卷积神经网络）、RNN（循环神经 网络）逐渐收敛至以 Transformer 为代表的大模型形态。Transformer 最早在 2017 年由谷歌提出，后广泛用于 NLP（自然语言处理），包括 GPT。Transformer 又 被引入计算机视觉，在处理海量数据场景下较 CNN 效率更高，优化了自动驾驶 的感知能力。特斯拉在 2021 年引入 Transformer 模型重写 FSD（全自动辅助驾驶） 架构，利用 8 颗摄像头实现 2D 图像到 BEV（鸟瞰图）的转换。2022 年，特斯拉 展示了占据栅格网络，即在原有 BEV 的二维网络上加入了高度信息。各大厂商 也紧锣密鼓地研发端到端自动驾驶。2023 年，CVPR 最佳论文奖首次颁给了自动驾驶。这篇论文由上海人工智能实验室、武汉大学、商汤科技团队联合发表，基 于 Transformer 提出 UniAD（一体化自动驾驶算法框架）。

（2）AI 大模型离不开海量大数据训练和云端大算力平台。自动驾驶商业化需要 海量驾驶场景数据交由模型训练而不断提升精度。Mobileye（Intel 子公司）、英 伟达、高通三家自动驾驶芯片龙头中，Mobileye 拥有先发优势，在 2023 年 1 月 表示到 2030 年将有 170 亿美元的 ADAS 研发计划。英伟达急起直追，在 2023 年 9 月表示已锁定未来六年 140 亿美元的合同。高通在汽车市场的探索从车载调制 解调器拓展到座舱芯片、自动驾驶芯片和舱驾一体芯片，在 2022 年宣称获得 design-win pipeline 已增至 300 亿美元。

4、先进封装大势所趋，3D 集成时代终将来临

随着半导体制程微缩渐近物理极限，先进封装成为提升芯片效能、节省硬件使用 空间、降低功耗和延迟的必经之路。要求高算力、低延迟、低功耗的 HPC 和 AI 应用将成为先进封装的关键推动力。台积电、英特尔和三星的 2.5D 封装技术已 发展多年，3D 封装技术发展也正萌芽。在各种先进封装平台中，CoWoS（台积 电2.5D封装技术）和HBM（高带宽内存）是生产AI GPU增长最快的领域之一。 先进封装产业的高速发展也驱动相关设备需求激增。展望未来，我们认为需要密 切关注 2.5 封装技术产能的扩产进度以及 3D 封装技术的发展态势。

4.1、先进封装市场规模增长可期，2.5D/3D 集成显未来潜力

2022-2028 年间先进封装市场规模的 CAGR 达 10.6%，HPC 和 AI 应用或为主要 推力。据 Yole，2022 年先进封装市场规模达 443 亿美元，占整体 IC 封装市场的 48%；2028 年全球封装市场规模为 1,360 亿美元，其中先进封装为 786 亿美元， 占比将提升至 57.8%。目前，先进封装市场以移动和消费终端应用为主，由硅含 量增加和封装技术复杂化驱动。我们仍预计该细分市场规模将增长，但会将部分 市场份额让渡给对封装技术要求更高的 HPC 和 AI 应用。

先进封装技术：从后段到前段制程，从 Flip Chip 到 2.5D/3D 集成。先进封装源 于上世纪 90 年代，采用先进设计和工艺实现更高密度集成。Flip Chip（倒装芯 片）是当前主流先进封装技术。据 Digitimes，2.5D/3D 封装能提供 Flip Chip 7-8 倍以上 I/O 数增量，还能帮助芯片提升效能、改善功耗。台积电和三星已有较为 成熟的 2.5D封装技术，并持续迭代。3D方面，英特尔已量产 Foveros。台积电已 整合旗下前段 3D 芯片堆叠技术 SoIC、后段 2.5D 封装技术 InFO 及 CoWoS，并将 封装技术平台命名为 3DFabric。

4.2、台积电 CoWoS 急扩产，关注设备订单及技术趋势

CoWoS是台积电的 2.5D 封装技术，可以分为晶片堆叠的 CoW和将两部分堆叠后 的晶片封装在基板上的 WoS。台积电根据中介层（interposer）的不同，将其 CoWoS 封装技术分为三种技术架构。三种 CoWoS 在 AI 时代均大有可为。

（1） CoWoS-S（使用硅中介层）是 HBM 和处理器互连的主流方案，一再提 高扩产规模。AI 芯片执行训练和推理任务需要在内存和处理器之间传输 大量数据，CoWoS-S的高带宽优势对于性能提升格外显著。目前CoWoSS 即便成本很高，但仍是主流厂商高性能 AI 处理器的首选方案。台积电 CoWoS 大客户英伟达继续扩大 AI 芯片订单量，AMD、博通、Marvell 等 大厂急单亦开始涌现，台积电为此紧急扩产。台积电当前 CoWoS 月产能 约 1.2 万片，原定扩充至 1.5-2 万片，后增至 3 万片，如今再次扩产，或 使 2024 年 CoWoS 月产能达 3.5 万片。

（2） CoWoS-R（使用 RDL 中介层）降低成本，有望在 2024 年起量。CoWoSR 导入 RDL（重新布线层），较 CoWoS-S 拥有成本优势。据科技新报， 台积电正将部分硅中介层产能（CoWoS-S）转移至有机中介层（CoWoSR），以增加中介层供应。随着越来越多厂商选择成本较低的 CoWoS-R， CoWoS-R 有望在 2024 年起量。

（3） CoWoS-L（使用 LSI 和 RDL 中介层）可支持更多 HBM 堆叠，或用于英 伟 达 B100。CoWoS-L 在 中 介 层 加 入 主 动 元 件 LSI（Local Silicon Interconnect）消除大型硅中介层，以实现更高的设计复杂性，可支持更 多 HBM 的堆叠。CoWoS-L 目前仍处于验证阶段，但商业化时点已近。据科技新报，英伟达或从将于 24H2 推出的 B100 开始采用 Chiplet（小芯 片）技术和台积电的 CoWoS-L 先进封装技术。

台积电前、后段整合的 SoIC+CoWoS 也是未来解决 HPC 芯片面临摩尔定律放缓 的关键点。SoIC 是业界第一个高密度 3D 小芯片堆叠技术，通过 CoW（Chip-onWafer）封装技术将不同尺寸、功能、节点的芯粒异质整合。SoIC 为前段 3D 封 装技术，可以集成到主要用于消费电子产品的 InFO 和主要用于 HPC 和 AI 的 CoWoS 两项后段 2.5D 封装技术中。由于 3D 封装制程近似芯片制造，故更有利 于芯片生产商主导。AMD MI300 率先采用 SoIC+CoWoS。如若该产品效果良好， 或可助 SoIC+CoWoS 在 AI 芯片市场攻城略地。

采用65nm制程的硅中介层掣肘CoWoS-S产能，利好外溢。受制于供应链瓶颈， 英伟达积极打造非台积电 CoWoS 供应链。联电由此受益，计划将硅中介层月产 能从目前的 3 千片增至 1 万片，届时硅中介层产能将与台积电持平。原本就小量 承接台积电 WoS 释单的日月光和积极争取 CoW 订单的 Amkor 则负责后段 WoS 封装。

4.3、存储原厂竞逐 HBM，技术路线分化

AI 重振存储市场信心，原厂逐鹿 HBM3。高带宽内存 HBM 可满足 AI 训练所需 的大规模数据搬运需求，Yole 预估 AI 服务器 DRAM 位元需求量增速将高于通用 服务器，2021-2028E CAGR 分别为 47%、24%，该机构预估 AI 服务器 HBM出货 量将从 2022 年的 2EB 增至 2028 年的 30EB。竞争格局方面，根据 TrendForce 报 告，SK-海力士 2023-2024E 市场份额预估维持在 45%-50%区间，三星随着 HBM 产能扩张，份额有望提升至 2024 年的 47%-49%，与 SK-海力士并驾齐驱。

Advanced MR-MUF 再下一城，看好 SK-海力士领先优势。随着 HBM 垂直堆叠 层数从 8 层、12 层发展到 16 层，现有技术方案或将受到挑战，目前三星、美光 主张沿用 NCF 技术(non-conductive film)，而 SK-海力士主张过渡到 MR-MUF 技 术(Mass reflow molded underfill )，并开发新一代 Advanced MR-MUF 技术，在保 持 MR-MUF 导热性能的同时，降低 MR-MUF 容易弯曲的短板，公司称生产率提 高 3 倍，散热提高 2.5 倍，我们看好 SK-海力士维持技术优势。

4.4、先进封装设备兼具业绩增速及长期逻辑

AI推升长期WFE规模，先进封装长期需求看涨。我们认为先进封装市场、HBM 市场的竞争有助于推升先进封装设备市场 TAM，拉姆研究管理层预估 AI 服务器 渗透率每增长 1%，都将带动 10-15 亿美元增量设备投资。 硅通孔（TSV）用于形成 2.5D、3D 先进封装垂直电气通道，目前主流的方案为 博世蚀刻法，该方法将蚀刻过程分为多个周期，每个周期分为蚀刻、钝化和间歇 三个过程，通过不断向下蚀刻形成垂直的通孔。按TSV制造成本结构拆分，TSV 包括光刻、通孔蚀刻、衬底沉积、嵌入屏障层和种子层、衬底开口、屏障层及种 子层、铜电镀、化学机械抛光，其中化学机械抛光(CMP)、屏障层及种子层、通 孔蚀刻占比较高。

键合用于组件之间的连接，可分为微凸块键合、铜对铜键合，前者代表为倒装芯 片和热压键合（TCB）、后者代表为混合键合（Hybrid Bonding），混合键合能 够进一步缩短组件的间距，满足先进封装对更高性能的需求。台积电目前主要使 用倒装芯片方案，AI 芯片初创公司 Graphcore 则是台积电混合键合方案首个客户。

编辑：火腿肠