（報告出品方/作者：國盛證券，鄭震湘、佘凌星）

一、“AI 革命”，服務器芯片量價齊升

1.1 算力：核心硬件 GPU，大模型帶動需求激增

GPU 用途由圖形處理拓展至計算。GPU 是圖形處理器的簡稱，它是一種專門用于處理圖 形、視頻、游戲等高性能計算的硬件設備。GPU 相對于傳統(tǒng)的中央處理器（CPU）而言， 其擁有更多的計算核心和更快的內存帶寬，能夠大幅度提高計算效率和圖形渲染速度。 現(xiàn)階段，隨著例如英偉達 A100、H100 等型號產品的發(fā)布，GPU 在算力方面的優(yōu)勢相較 于其他硬件具有較大優(yōu)勢，GPU 的工作也從一開始的圖形處理逐步轉化為計算。 根據用途和性能表現(xiàn)，GPU 可以分為專業(yè)卡和消費級卡兩類：專業(yè)卡通常用于工程、科 學、醫(yī)學等領域的高性能計算和大規(guī)模數據處理，主要廠商包括英偉達、AMD 等；消費 級卡則主要用于普通家庭和游戲玩家，主要廠商包括英偉達、AMD、英特爾等。

目前 GPU 在硬件中擁有最高的算力，成為最適合支撐人工智能訓練和學習的硬件，我們 認為其原因主要在于： 更多處理單元：GPU 相比于 CPU 等其他硬件有更多的處理單元（核心數更多），因 此可以并行處理更多的數據。主要系 GPU 最初是為了圖形渲染而設計的，而圖形渲 染涉及的計算是高度并行化的。這種并行化的特性使 GPU 非常適合進行機器學習和 深度學習這樣的大規(guī)模數據并行計算。 具有更高的內存帶寬和更大的內存容量：在進行深度學習等計算時，需要大量的內 存和高速的內存帶寬來存儲和處理海量數據。GPU 相比于其他硬件（如 CPU），具 有更高的內存帶寬和更大的內存容量，可以更有效地存儲和處理數據，從而提高計 算速度。具有專門的計算單元：相較于其他硬件，GPU 具有例如張量核心和矩陣乘法等計算 單元，可以更快地執(zhí)行常見的機器學習和深度學習操作：如卷積和矩陣乘法。這些 計算單元與通用計算單元相比，具有更高的效率和更快的速度。

GPGPU——為計算而生。GPGPU 全稱是“general-purpose computing on graphics processing units”，簡稱“通用圖形處理單元”，其主要利用 GPU 的功能來執(zhí)行 CPU 的 任務，雖然在設計初期是為了更好地圖形處理，但是多內核多通道的設計使其非常適合 科學計算，發(fā)展至今 GPGPU 也成為了專為計算而設計的硬件。

多領域驅動，GPU 千億美金市場拉開序幕。GPU 市場規(guī)模的大小取決于多種因素：其中 游戲和娛樂市場一直是 GPU 市場的主要驅動力，因為這些領域需要高性能的 GPU 來支 持更高質量的游戲畫面和娛樂內容。同時人工智能和機器學習的發(fā)展對 GPU 市場也有著 巨大的影響，因為這些技術需要大量的計算能力，而 GPU 可以提供比 CPU 更高的效率。 此外，科學和研究領域的需求以及新興市場（如游戲機和數據中心）也對 GPU 市場的規(guī) 模產生了影響。根據 Verified Market Research 數據，2021 年全球 GPU 市場規(guī)模為 334.7 億美金，預計到 2030 年將達到 4473.7 億美金，期間 CAGR33.3%。

LLM 模型帶動算力需求： 算力是指計算機系統(tǒng)能夠完成的計算任務量，通常用來描述計算機的處理能力。算力的 單位通常采用 FLOPS（Floating Point Operations Per Second）表示每秒鐘能夠完成的浮 點運算或指令數，例如一臺計算機每秒鐘可以完成 10 億次浮點運算，那么它的 FLOPS 值就是 10 GFLOPS（10 Giga FLOPS）。目前我們以全球龍頭英偉達在 2020 年發(fā)布的 A100 產品為例，根據英偉達官方介紹，A100 的理論浮點運算性能可以達到 19.5 TFLOPS（19.5 Tera FLOPS），即每秒 195 萬億次浮點運算。

大型語言模型（Large Language Model，簡稱 LLM）是一種使用深度學習算法處理、理 解自然語言的基礎學習模型。LLM 基于數億到數千億個參數的神經網絡，通過訓練數據 學習自然語言的規(guī)律和模式，并能夠生成高質量的自然語言文本。這些模型的訓練需要 大量的計算資源和海量的文本數據，因此需要使用分布式計算和大規(guī)模數據處理技術。 目前，LLM 模型能夠在例如語音識別、文本摘要、智能翻譯等領域中實際應用，但是 LLM 模型大規(guī)模應用目前仍然存在一些挑戰(zhàn)和限制：需要大量的訓練數據和計算資源，很難 處理語言的多樣性和不確定性。

GPT-3 開啟大模型時代。GPT-3 是由 OpenAI 研發(fā)的一種基于深度學習的自然語言處理 模型，其使用了大量的語料庫進行預訓練，使其能夠理解語言的規(guī)則和模式，并生成與 輸入文本相關的自然語言文本，GPT-3 的主要特點是它具有大規(guī)模的預訓練模型，而同 時大規(guī)模的訓練模型與之對應的便是龐大的算力需求，根據 OpenAI 團隊成員 2020 年 發(fā)表的論文《Language Models are Few-Shot Learners》，GPT-3 模型擁有約 1750 億參 考量，這使得 GPT-3 擁有其他較少參考量模型來說更高的準確性。同時基于 1750 億參 數的模型僅需少量的樣本訓練，就能夠接近于 BETR 模型使用大量樣本訓練后的效果。 我們認為，大模型無論在性能還是在學習能力上，相較于其他模型都具備明顯優(yōu)勢，未 來或將成為行業(yè)趨勢。

伴隨大模型的明顯優(yōu)勢，與之而來的則是對于算力要求的顯著提升。以 GPT-3 為例，其 1750 億的參數，如果以英偉達旗艦級 GPU 產品 A100 對 GPT-3 進行訓練，1024 塊 A100 卡需要耗費超過 1 個月（大于 30 天），則我們可以按比例計算出，如果需要單日完成訓 練，需要的 A100 數量將超過 30000 塊。

目前 AI 服務器通常選用 CPU 和加速芯片組來滿足其龐大算力需求，其中加速芯片包括 GPU、FPGA、ASIC 等邏輯芯片，其中 GPU 由于其具有最強的計算能力同時具備深度學 習等能力，目前成為服務器中加速芯片的首選。

根據中商產業(yè)研究院數據，2021 年全球服務器出貨量達 1315 萬臺，同比增長 7.8%， 對應全球市場規(guī)模達 995 億美元。根據 Counterpoint 預計，2022 年全球服務器市場規(guī) 模有望達到 1117 億美元，同比增長 17.0%。預計云服務提供商數據中心擴張增長驅動 力主要來自于汽車、5G、云游戲和高性能計算。

AI 服務器滲透率依舊較低，增長空間巨大。根據 TrendForce 數據，截止 2022 年全球搭 載 GPGPU 的 AI 服務器（推理）出貨量占整體服務器比重約 1%，同時 TrendForce 預測 2023 年伴隨 AI 相關應用加持，年出貨量增速達到 8%，2022~2026 年 CAGR 為 10.8%。 根據 TrendForce 數據，2022 年全球 AI 服務器采購中，Microsoft、Google、meta、AWS 為前四大采購商，合計占比 66.2%。中國地區(qū) ByteDance（字節(jié)跳動）采購比例最高， 達到 6.2%。

GPU 在 AI 服務器中價值量占比接近 50%。我們以 Nvidia DGX A100 為例，其搭載了 8 張 Nvidia A100 Tensor GPU，根據新浪科技數據，Nvidia DGX A100 售價約為 19.9w 美 金；Nvidia A100 Tensor 價格為 1.00~1.20w 美金。我們按照 1.20w 美金售價計算可得 出 GPU 在 Nvidia DGX A100 價值量占比約為 48.24%。

我們從服務器的數量角度出發(fā)進行 GPU 數量推算：根據上文 TrendForce 預計 2023 年預 計全球 AI 服務器（推理）出貨大約在 14.4 萬臺，到 2026 年預計實現(xiàn)出貨量 20.0w 臺。 我們假設訓練 AI 服務器和推理 AI 服務器的比例為 1:4，則我們可以得到 2023/2026 年 訓練服務器的數量大約為 3.60/5.00 萬臺。由于兩種 AI 服務器對應的模型訓練階段不 同，我們假設推理 AI 服務器和訓練 AI 服務器使用的 GPU 數量分別為 4 張和 8 張，則可 以計算出 2023 年和 2026 年全球 AI 服務器領域所需 GPU 數量約為 86.4 萬張和 120 萬 張，我們以 A100 約 1.20w 美金的價格作為參考計算出 2023 年和 2026 年 AI 服務器所 需 GPU 的價值分別為 103.7 億美元和 144.0 億美元。

1.2 存儲：AI 提振需求，有望加速困境修復

整體來看，ChatGPT 將從算力側和數據傳輸端全面帶動顯卡及高算力芯片需求，由此將 從算力芯片、應用端、存算一體、先進封裝、封裝設備、IC 載板等多個領域帶動硬件市 場增量需求。

人工智能已成為解決艱巨業(yè)務挑戰(zhàn)的首選解決方案。AI 正在為各行各業(yè)的企業(yè)組織開辟 創(chuàng)新之路，從改善客戶服務、優(yōu)化供應鏈、獲取商業(yè)智能，到設計新產品和服務等。NVIDIA 作為 AI 基礎架構的先行者，NVIDIA DGX 系統(tǒng)可提供更強大、完整的 AI 平臺，將企業(yè) 組織的核心想法付諸實踐。目前 AI 大規(guī)模訓練方面，NVIDIA 推出的最新 DGX 系統(tǒng)包括 A100、H100、basePOD、SuperPOD 四款產品，其中，DGX A100、DGX H100 為英偉達 當前服務于 AI 領域的服務器產品。

H100 采用先進工藝芯片采用臺積電 4N 工藝+臺積電 CoWoS 2.5D 封裝，有 800 億個晶 體管對比 A100 有 540 億個晶體管，同時搭載了 HBM3 顯存，可實現(xiàn)近 5TB/s 的外部互 聯(lián)帶寬。H100 是首款支持 PCIe 5.0 的 GPU，也是首款采用 HBM3 標準的 GPU，單個 H100 可支持 40Tb/s 的 IO 帶寬，實現(xiàn) 3TB/s 的顯存帶寬。

DGX H100 帶來性能的快速飛躍，通過全新張量處理格式 FP8 實現(xiàn)。其中 FP8 算力是 4PetaFLOPS，F(xiàn)P16 達 2PetaFLOPS，TF32 算力為 1PetaFLOPS，F(xiàn)P64 和 FP32 算力為 60TeraFLOPS。在 DGX H100 系統(tǒng)中，擁有 8 顆 H100 GPU，整體系統(tǒng)顯存帶寬達 24TB/s， 硬件上支持系統(tǒng)內存 2TB，及支持 2 塊 1.9TB 的 NVMe M.2 硬盤作為操作系統(tǒng)及 8 塊 3.84TB NVMe M.2 硬盤作為內部存儲。根據官網信息，NVIDIA DGX H100 對比上一代產 品具有 6 倍的性能及 2 倍的網絡速度和高速可擴展性，同時英偉達表示目前新款 DGX H100 已經全面投入生產。

國內華為的昇騰 Atlas 800（型號 9010）訓練服務器是基于昇騰 910+Intel Cascade Lake 的 AI 訓練服務器，具有高計算密度、高能效比與高網絡帶寬易拓展、易管理等特點，該 服務器廣泛應用于深度學習模型開發(fā)和 AI 訓練服務場景，適用于公有云、互聯(lián)網、運營 商等需要大算力的行業(yè)領域。AI 處理器昇騰 910 是一款具有超高算力的 AI 處理器，其 最大功耗為 310W，華為自研的達芬奇架構大大提升了其能效比。八位整數精度（INT8） 下的性能達到 640TOPS，16 位浮點數（FP16）下的性能達到 320 TFLOPS。

Atlas 800（型號 9010）訓練服務器從配置來看，擁有 8 個昇騰 910 模組，單模組支持HBM2e技術，且擁有32GB容量及1228GB/s傳輸速度，AI算力達2.24 PFLOPS FP16/1.76 PFLOPS FP16。本地存儲支持 2 個 2.5 SATA+8 個 2.5 SAS/SATA 或 2 個 2.5 SAS/SATA+6 個 2.5 NVMe。 AI 服務器帶來存力硬件需求快速擴展。根據美光數據測算，人工智能服務器中 DRAM 容 量是普通服務器的 8 倍，NAND 容量將是普通服務器的 3 倍，而大容量及高速率存儲器 將是算力數據迭代運算的重要基礎。我們認為，人工智能計算量日益增加，對于 AI 服務 器硬件需求將進一步提升。從服務器硬件配置角度，HBM 技術將快速在 AI 服務器中普 及，其價格遠高于現(xiàn)有基礎服務器配置，未來 AI 服務器需求將帶領存儲芯片出現(xiàn)量價齊 升的趨勢。

1.3 模擬：多相電源配套增長，接口升級

多相電源為 CPU 供電核心。主板主要有兩種供電方式：線性電源和開關電源，其中開關 電源式為功耗相對較大的元器件，例如 CPU、內存和芯片組等供電。其中，內存和芯片 組皆采用單相供電，而 CPU 由于功耗巨大，須采用多相供電保證其穩(wěn)定工作。計算力作 為數字經濟時代的核心生產力，推動著經濟蓬勃向前發(fā)展。作為計算應用的代表領域， 云計算、人工智能、自動駕駛等應用，對核心處理器 XPU（CPU、GPU、DPU、AI 等）的 算力要求越來越高，使這些主芯片對供電的要求越來越嚴苛，特別是中高端的 XPU 處理 器，需要更多相數、多路輸出、多種協(xié)議的電源管理芯片。典型的單相開關供電電路通 常由 PWM 控制器（（Pulse Width Modulation）控制器）、電感(L)、電容(C)、一對場效應 管(MOSFET)以及 MOSFET 驅動芯片(Driver Mos)組成。多個單相供電回路并聯(lián)在一起， 且工作時間交錯，即組成多相供電。

CPU 電能基本來源于 12V 8PIN 接口。12V 輸入經過 MOSFET 上橋進入電容與電感，在電感與電容填充電能并達到所需的電壓后，上橋中斷，下橋開 啟。此時電容電感釋放能量，同時起到濾波穩(wěn)定功能，下橋控制電路。通過 PWM 控制器 頻繁切換實現(xiàn)持續(xù)穩(wěn)定的電流與電壓供給。整體流程循環(huán)如下：（1）MOS 上橋開啟，輸 入 12V 電壓；（2）電感電容儲電；（3）MOS 上橋關閉，MOS 下橋開啟；（4）電感電容 放電，提供所需電壓與電能。

互聯(lián)接口升級： A100 的 NVlink3 代和 NVSwitch2 代升級到了 H100 的 NVlink4 代和 NVSwitch3 代。DGXA100 是 8 塊 A100 通過 12 個 NVlink3 連接到 6 塊 NVSwitch2；DGXH100 是 8 塊 H100 通過 18 個 NVlink4 連接到 4 塊 NVSwitch3。 第三代 NVSwitch 芯片（NVSwitch3），可以連接服務器內部各 GPU 卡，同時還可以將 GPU 服務器擴展外連來建立一個獨立完整的 GPU 高速集群。同時在 NVSwitch 芯片內通過硬 件加速器來支持組播報文加速和引入 SHARP(Scalable Hierarchical Aggregation and Reduction Protocol)，主要用來加速和優(yōu)化 All-Reduce 的 AI 計算性能。通過第三代NVSwitch 芯片組成的物理交換機，可以建立一個最多 256 個 H100 GPU 卡的集群，整網 提供 57.6TB/s 的 all-to-all 帶寬。NVlink4.0 技術規(guī)范可以大大優(yōu)化 GPU 的性能和擴展 性。

NVlink 是為了解決服務器內部 GPU 之間點到點通訊的一種協(xié)議。NVlink 對比傳統(tǒng)網 絡不會有例如端到端報文重傳，自適應路由，報文重組等開銷。極度簡化的 NVlink 接口 可以為 CUDA 提供從會話層，表示層到應用層的加速。NVlink 隨 GPU 架構演進而發(fā)展， 從第一代 P100 的 NVlink1 到現(xiàn)在 H100 的 NVlink4。NVlink3 可同時支持 50G NRZ 和 56G PAM4，NVlink4 首次引入 112G PAM4 Serdes，可以提供 900GB/s 的雙向帶寬，較 NVlink3 的 600GB/s 提升 1.5 倍。

網絡接口升級： DGX 服務器包括 4 個網絡：計算網絡、存儲網絡、In-band 管理網絡和 Out-of-band 管 理網絡。

計算網絡接口：DGXA100 服務器計算網絡是 8 張單口 200Gbps 的 CX6 或者 CX7 的 IB 網卡。DGXH100 服務器 4 個 800G 的 OSFP 接口內部是 8 個 CX7 的網卡芯 片組成，可支持 IB 或者 Eth，每個 OSFP 口可以通過分線來支持 2 個 NDR 400G 的 IB 網絡或者 2 個 400G 以太網絡，并且這里已經從 A100 的 56G PAM4 Serdes 升級 到了 112G PAM4 的 Serdes。

存儲&In-band 網絡接口：DGXA100 服務器存儲是兩張雙口 CX6 或者 CX7 的 IB 或者 Eth 網卡，每一塊雙口網卡上，一口作存儲用，另一個口做 in-band 管理。 DGXH100 服務器同樣是使用兩張雙口 400G 的 CX7 VPI 網卡，可支持 IB 或者 Eth,官方建議一個 NDR400G 走 IB 存儲，另一個降速成 Eth200G 走 In-band 管理網。

Out-of-band：DGXA100 服務器是兩個千兆電口 Lan 和 BMC。DGXH100 服務器 Out-of-band 網絡還是推薦使用 BMC RJ45 千兆電口。

內存接口升級： 內存接口芯片，是用于服務器內存模組（又稱內存條）的核心邏輯器件，是服務器 CPU 與內存之間數據及指令傳輸的橋梁。內存模組用于暫時存放 CPU 中的運算數據，是影響 服務器性能的重要因素，由于服務器 CPU 對內存模組的高傳輸速率、大容量需求日益增 長，因此為了服務器系統(tǒng)性能得到最佳發(fā)揮，服務器內存模組往往需要配置內存接口芯 片，用于提升訪問速度和穩(wěn)定性。從數量上來講，服務器內存模組與內存接口芯片一一 對應。

內存模組根據其結構，大致可分為 UDIMM、RDIMM 和 LRDIMM 3 類，僅考慮 DDR~DDR4， UDIMM 內存模組無緩沖，價格低廉，但容量較小，不能滿足服務器的要求，多用于 桌面式 PC。 RDIMM 支持 Buffered 模式和高性能的 Registered 模式，較 UDIMM 更為穩(wěn)定，此 外，RDIMM 支持更高的容量和頻率，容量最大可支持 32GB，頻率最大支持 3200 MT/s。缺點在于由于寄存器的使用，其延遲較高，能耗也較大。 LRDIMM 作為 RDIMM 的替代品出現(xiàn)，其最大容量進一步提升至 64GB。

我們判斷，海量數據時代對數據處理和存儲需求將持續(xù)推動內存接口芯片迎量價齊升和 市場高速擴容。我們接下來將從量價兩個維度展開分析：1）量的方面，受益于服務器出 貨量增長和單臺服務器內存模組用量不斷上升，2）價的方面，內存接口技術升級及內存 接口芯片結構升級滲透帶來內存接口芯片本身價值量提升。

內存接口芯片伴隨內存技術的發(fā)展而發(fā)展，當前主流的 DDR4 內存技術面世至今歷經多 次迭代，已進入成熟期。2020 年 7 月 DDR5 標準正式推出，內存技術迭代大幕正式拉 起。我們判斷未來內存技術升級將推動內存接口芯片市場加速擴容：1）DDR5 突破處 理器性能瓶頸，處理器及存儲龍頭大力推進，有望加速滲透替代 DDR4 市場份額；2） 新一代內存接口芯片技術難度增大，ASP 有望大幅抬升；3）DDR5 時代內存接口芯片 采用“1+10”架構，價值量相較前代提升。

DDR5 內存性能遠超 DDR4 的規(guī)格上限，配套內存接口芯片性能及技術難度隨之提升， 推高內存接口芯片 ASP。DRR5 相較于 DDR4 單顆 DRAM 內存密度提升 4 倍至 64Gbit， 最大數據傳輸速率提升一倍達到 6.4Gbps，工作電壓由 1.2V 壓低至 1.1V 使對應功耗降 低超過 20％，故而 DDR5 內存將對保證內存數據傳輸速率和穩(wěn)定性的內存接口芯片提出 更高要求，進而新一代內存接口芯片在滿足更高性能要求的同時技術難度也相應提升， 從而提高新一代內存接口芯片價值量。

二、行業(yè)利好層出不窮，自主可控勢在必行

2.1 設備：供應鏈限制延續(xù)，國產替代加速

全球設備五強占市場主導角色。全球設備競爭格局，主要前道工藝（刻蝕、沉積、涂膠、 熱處理、清洗等）整合成三強 AMAT、LAM、TEL。另外，光刻機龍頭 ASML、過程控制 龍頭 KLA 市占率較高。根據彭博，ASML、AMAT、LAM Research、TEL、KLA 五大廠商 2021 財年收入合計 845 億美元，占全球市場約 82%。

中國大陸 12 寸晶圓廠擴產迅速，全球占比持續(xù)提升。根據 SEMI，全球 300mm 晶圓產 能在 2022 年-2025 年復合增速有望達到接近 10%，至 2025 年達到 920 萬片/月。其中， 中國大陸 300mm 晶圓廠產能在全球的占比將從 2021 年的 19%提升至 23%，有望在 2025 年成為全球產能第二的地區(qū)，僅次于屆時韓國 24%的占比。此外，中國臺灣省的 產能占比預計將在 2021 年-2025 年下降 1%，到 2025 年占比 21%，日本產能占比從 2021 年的 15%下降至 2025 年的 12%。

設備國產化率較低，海外龍頭壟斷性較高。我國半導體設備市場仍非常依賴進口，從市 場格局來看，細分市場均有較高集中度，主要參與廠商一般不超過 5 家，top3 份額往往 高于 90%，部分設備甚至出現(xiàn)一家獨大的情況，目前國內廠商目標市場主要是國內晶圓 廠需求，尤其是內資投建的需求。

設備國產化率較低，國產廠商成長空間巨大。我國半導體設備市場仍非常依賴進口，目 前國內廠商目標市場主要是國內晶圓廠需求，尤其是內資投建的需求，潛在收入目標空 間較大。 BIS 出臺新出口管制，國產替代需求迫切。2022 年 10 月 7 日，美國商務部工業(yè)與安全 局（BIS）公布了《對向中國出口的先進計算和半導體制造物項實施新的出口管制》。根 據卓緯律師事務所，新規(guī)則主要集中在對某些高端計算半導體芯片、超級計算機最終用 途交易，涉及實體清單（Entity List）的交易以及某些半導體制造項目和某些集成電路（IC） 最終用途的交易。包括“將某些先進、高性能的計算機芯片和含有此類芯片的計算機商 品加入商業(yè)管制清單”、“擴大《出口管制條例》（EAR）的適用范圍”等。

同時，BIS 將 31 家中國實體列入 Unverified List（UVL），被列入的 31 家中國實體包括 長江存儲、北方華創(chuàng)等；藥明生物等并移除 9 家中國實體被移除。被列入 UVL 后，實體 將無法享受出口管制下的許可例外。此外，UVL 實體在進行出口、再出口及轉讓受 EAR 管轄物項的交易時，需獲取 UVL 聲明，該聲明附帶許多調查義務；出口商在向 UVL 內實 體出口商品時，需進行電子出口信息申報。很大程度上增加了交易成本。 根據卓緯律師事務所，在公告中，BIS 將 31 家中國實體被列入 UVL 的理由為：由于這些 實體處于美國政府控制之外，BIS 無法對其進行最終用途核查，因此無法確定這 31 家中 國實體是否為“善意誠信的”（Bona fide），即 BIS 無法確定 31 家中國實體對于《出口 管制條例》（ERA）的物項的最終用途是否具有合法性和可靠性。同理，由于原 UVL 中的 9 家中國實體積極配合 BIS 并完成最終用途的核查，BIS 將這 9 家中國實體從 UVL 中移 除。

國內國產化逐漸起航，從 0 到 1 的過程基本完成。北方華創(chuàng)產品布局廣泛，刻蝕機、 PVD、CVD、氧化/擴散爐、退火爐、清洗機、ALD 等設備新產品市場導入節(jié)奏加快，產 品工藝覆蓋率及客戶滲透率進一步提高，在集成電路領域主流生產線實現(xiàn)批量銷售，產 品加速迭代；第三代半導體、新型顯示、光伏設備產品線進一步拓寬，出貨量實現(xiàn)較快 增長。拓荊科技作為國內唯一一家產業(yè)化應用 PECVD 和 SACVD 設備的供應商，設備廣 泛用于中芯國際、華虹集團、長江存儲、合肥長鑫、廈門聯(lián)芯、燕東微電子等國內主流 晶圓廠，PEALD 已實現(xiàn)銷售；中微公司介質刻蝕機已經打入 5nm 制程，新款用于高性能 Mini-LED 量產的 MOCVD 設備 UniMax 2022H1 訂單已達到 180 腔；芯源微前道涂膠顯 影設備在 28nm 及以上多項技術及高產能結構方面取得進展，公司前道物理清洗設備已 經達到國際先進水平并成功實現(xiàn)國產替代，新簽訂單結構中前道產品占比大幅提升；華 海清科 CMP 設備在邏輯芯片、3D NAND、DRAM 制造等領域的工藝技術水平已分別突破 至 14nm、128 層、1X/1Ynm，到 2021 年底，公司 CMP 設備累計出貨超過 140 臺，未 發(fā)出產品的在手訂單超 70 臺。盛美半導體主要設備產品包括兆聲波單片清洗設備、單片 槽式組合清洗設備及銅互連電鍍工藝設備，客戶涵蓋海力士、長江存儲、中芯國際等。 精測電子、上海睿勵在測量領域突破國外壟斷。

2.2 材料：需求持續(xù)增長，國產化邁入深水區(qū)

全球半導體材料市場規(guī)模有望在 2023 年超過 700 億美金。根據 SEMI，2021-2023 年 的晶圓廠建設投資達到歷史新高，僅 2022 年的支出就增長了 14%，達到近 260 億美元。 2022 年將有 28 個新量產晶圓廠開始建設，其中包括 23 個 300mm 晶圓廠和 5 個 200mm 及以下晶圓廠。晶圓廠的投建，晶圓產能的擴充帶來半導體材料需求持續(xù)增長，繼 2021 年市場規(guī)模創(chuàng)新高后，SEMI 預計 2022 年全球半導體材料市場規(guī)模將同比再增長 7%， 其中晶圓制造材料 2022 年有望同比增長 8.4%，封裝材料增長 3.9%。

中國大陸半導體材料市場全球占比逐步提升。根據 EET Asia，強勁的下游需求及晶圓產 能的擴張驅動 2021 年全球半導體材料市場規(guī)模同比增長 15.9%達到 643 億美金新高。 其中晶圓制造材料和封裝材料市場規(guī)模分別為 404 億美金和 239 億美金，同比增長 15.5% 和 16.5%。晶圓制造環(huán)節(jié)中的硅片、化學品、CMP 和光掩膜環(huán)節(jié)是增速最快的幾大領域。分地域來看，中國大陸半導體材料市場規(guī)模近幾年在全球的占比持續(xù)提升，2021 年占全 球比重提升至 18.6%，已成為僅次于中國臺灣省的全球第二大區(qū)域。

半導體材料國產化率仍待轉化。在國家產業(yè)政策大力扶持和國內半導體市場穩(wěn)定增長等 利好條件下，特別是國家“02 專項”等專業(yè)化科研項目的培育下，國內半導體材料領域 將涌現(xiàn)更多具有國際競爭力的公司和產品，在更多關鍵半導體材料領域實現(xiàn)進口替代， 打破國外廠商的壟斷。半導體芯片制造工藝半導體將原始半導體材料轉變成半導體芯片， 每個工藝制程都需要電子化學品，半導體芯片造過就是物理和化學的反應過程，半導體 材料的應用決定了摩爾定律的持續(xù)推進，決定芯片是否將持續(xù)縮小線寬。目前我國不同 半導體制造材料的技術水平不等，但整體與國外差距較大，存在巨大的國產替代空間。 各類材料持續(xù)持續(xù)突破，業(yè)績佐證國產替代正式開幕。隨著半導體市場晶圓代工的持續(xù) 擴產，對于晶圓制造中不可缺失的基礎材料將會有著非常大的需求拉動，而在此階段我 們可以看到隨著技術及工藝的推進以及中國電子產業(yè)鏈逐步的完善，在材料領域已經開 始涌現(xiàn)出各類已經進入批量生產及供應的廠商。

2.3 零部件：供不應求，市場空間超 500 億美金

2022 年全球半導體零部件市場規(guī)?；虺^ 500 億美金。根據富創(chuàng)精密招股書及國內外 半導體設備廠商公開披露信息，設備成本構成中通常原材料（不同類型的精密零部件產 品）占比 90%以上為原材料，考慮國際半導體設備公司毛利率通常在 40%-45%左右， 則全部精密零部件市場約為全球半導體設備市場規(guī)模的 50%-55%。根據 SEMI，2021 年 全球半導體設備市場規(guī)模達到 1025 億美金，預計 2022 年進一步提升 14.7%至 1175 億 美金。若按零部件占設備市場規(guī)模的 50%測算，則 2022 年全球半導體零部件市場規(guī)模 或超過 500 億美金。 根據 SEMI，2019-2021 年中國大陸半導體設備銷售額占全球的平均比重為 25.9%，若 以此作為大陸零部件市場占全球的比重進行測算，則 2022 年中國大陸零部件市場規(guī)模 為 152 億美金。

富創(chuàng)精密在招股書中采用了成本占比法測算精密零部件市場空間，公司根據不同類型設 備 2020 年公布的市場規(guī)模，以及國內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，并考慮設備廠商毛利率水平，累加得到公司主要產品的全球市場規(guī)模約 160 億美金。

歐洲企業(yè)引領真空系統(tǒng)行業(yè)。根據 SEMI，2020 年半導體全球真空子系統(tǒng)市場規(guī)模為 27 億美金，約占關鍵子系統(tǒng)的 22.1%。真空子系統(tǒng)主要包括真空泵、壓力表和真空閥。目 前市場被歐洲及日本企業(yè)占據，歐洲廠商份額超過 60%且有持續(xù)提升的趨勢，其中 Edwards，Pfeiffer，VAT Valve 三家占全球份額的 55%，日本廠商份額約 22%。

刻蝕、沉積需求驅動電源系統(tǒng)高增速。SEMI 測算電源系統(tǒng)占半導體關鍵子系統(tǒng)的從 2016 年的 9.8%提升至 2021 年的 13%，從量價角度來看，平均每個反應腔需要的射頻電源 系統(tǒng)數量持續(xù)增加，同時下游對以高頻為代表的高端電源子系統(tǒng)需求增加帶來平均價質 量的增加。多重曝光及 3D NAND 層數不斷增加，帶來了對刻蝕、沉積步驟的需求提升， 以 3D NAND 為例，時間更長、更復雜的刻蝕步驟對電源系統(tǒng)解決方案的需求也在不斷 提升。從下游應用來看，電源系統(tǒng)中 71%的需求來源于刻蝕設備。

2020 年中國晶圓廠前道設備零部件采購額超過 10 億美金。根據芯謀研究，2020 年中 國大陸晶圓廠 8 英寸和 12 英寸前道設備零部件采購金額超過 10 億美金。其中不含海外 廠商在國內的產線，中國內資晶圓廠采購金額約 4.3 億美金。中國晶圓廠采購的設備零 部件主要包括石英（Quartz）、射頻發(fā)生器（RF Generator）、各種泵（Pump）等，分別 占零部件采購金額的比重≥10%。此外各種閥門（Valve）、吸盤（Chuck）、反應腔噴淋 頭（Shower Head）、邊緣環(huán)（Edge Ring）等零部件的采購占比也較高。 如果以 2020 年全球 192 億美金的市場規(guī)模為基礎，中國的 10 億美金采購額占全球的不 到 5%，我們認為主要是因為國內設備廠商正處于持續(xù)研發(fā)突破，產品初步起量階段， 也因此隨著國產設備廠商的放量，未來國內零部件需求預計會快速增長。

全球前十大關鍵子系統(tǒng)供應商市占率自 2010 年起始終維持在約 50%。2000-2010 年 伴隨收購并購，行業(yè)持續(xù)整合，全球關鍵子系統(tǒng)前十大廠商的合計份額逐步提升，2010 年以來前十大家的份額始終維持在 50%左右的水平。2020 年，蔡司仍占據第一位置， 受益于對射頻電源子系統(tǒng)的強勁需求，MKS 超過 Edwards 躍居第二。

三、邊際改善，拐點已至

3.1 存儲：供需改善，價格觸底

3.1.1 DRAM：周期輪動，價格底部

2022 年供需位元差加大，供大于求困局未破。根據 TrendForce，2023 年 DRAM 市場需 求位元成長率為 8.3%，系近年來首次低于 10%，遠低于供給位元成長的 14.1%。因此 2023 年的 DRAM 市場在供過于求的情勢或愈演愈烈，供大于求仍是當前困局。

下游需求疲軟，DRAM 市場規(guī)模連續(xù)多季度萎縮。2022 年疲弱的經濟狀況和高通脹率 降低了全球范圍內個人電腦、智能手機和其他消費電子產品的需求，DRAM 需求也因此 下降。預計 2022 年下半年 DRAM 銷售額將下降 40%至 293 億美元，而 2022 年上半年 銷售額達 490 億美元。同時，根據 CFM 閃存市場，三季度存儲市場規(guī)模環(huán)比大跌 29.72% 至 177.64 億美元，創(chuàng) 10 個季度新低，預計 2022 年 Q4 市場規(guī)模將進一步環(huán)比下跌。

2022 年 Q4 多廠商業(yè)績下行，行業(yè)平均下跌達 30%。三星：2022 年 Q4，DRAM 銷售收入達 54.05 億美元，環(huán)比減少 23.6%，市場份額為 44.5%。DRAM Bit 出貨量環(huán)比高個位數增長，ASP 環(huán)比下跌超 30%。 SK 海力士：2022 年 Q4，DRAM 收入達 34.07 億美元，環(huán)比減少 35.3%，DRAM 出貨量 環(huán)比持平，ASP 下跌超 30%。 美光：2022 年 Q4，DRAM 收入為 28.29 億美元，環(huán)比下跌 41.2%，DRAM Bit 出貨量環(huán) 比下降約 25%，DRAM ASP 環(huán)比減少 20%以上。 南亞科技：2022 年 Q4，DRAM 收入環(huán)比減少 30.3%至 2.53 億美元。 華邦電子:2022 年 Q4，DRAM 收入環(huán)比減少 29.8%至 1.06 億美元。

庫存端，以美光各季庫存進行追蹤，自 2021 年 Q1 開始，公司庫存逐步進入下降通道， 至 2021 年 Q4 達到底部。自此開始，受下游需求疲軟影響，公司庫存水位逐步增加，至 2023Q1，公司庫存水位已達近三年最高點，為 81.29 億美元，環(huán)比 2022 年 Q4 增幅超 22%。高庫存水位下，各廠商去庫存壓力迫在眉睫，同時疊加需求疲軟，直接導致 DRAM 市場產品價格大幅下跌。

供需對峙下，存儲廠商唯有降價。根據 Trendforce，2023 年 Q1 下游各領域產品價格均 有超過 10%的下降。目前來看，PC 制造商仍有 9 至 13 周的 DRAM 庫存等待消化，但移 動設備領域的庫存水平相對健康，不過定價仍預計要下降 10-15%。由于消費者對 DRAM 的需求低迷，供應商將銷售的目光投向了服務器方面，然而這卻導致服務器 DRAM 庫存 的大量堆積。

考慮到 DRAM 主流產品和利基產品的定位、單價和格局等不盡相同，我們對 DRAM 價格 分主流產品和利基產品兩大類進行跟蹤。 主流產品：現(xiàn)貨和合約價均下跌。 合約價：以 DDR4 8Gb 1Gx8 2133Mbps(基于 8G 存儲)為例，在經歷 2022 年 10 月 份合約平均價穩(wěn)定后，至 2023 年 1 月價格進一步下跌至 1.81 美元，月度環(huán)比跌幅 約 22%。 現(xiàn)貨價：以 DDR4 16G (2G*8) 2666 Mbps 和 DDR4 8G (1G*8) 2666 Mbps 為例， 整體下跌趨勢延續(xù)已久，進入 2023 年主流現(xiàn)貨平均價跌幅趨緩，但仍未見反彈。截 至 2023 年 4 月 6 日，以上所述的 16GB 和 8GB 產品現(xiàn)貨價格分別為 3.21 美元和 1.65 美元。

現(xiàn)貨價：我們以 DDR3 4Gb 512Mx8 1600MHz 產品為例，現(xiàn)貨價格已至上一輪周期底部， 利基市場主要面向存儲速度性能不太高的市場，上一輪 DDR3 周期價格上行系三星、海 力士等龍頭廠商為準備利潤更高的 DDR5 生產，逐步淘汰 DDR3 產能，導致 DDR3 短期 內供需失衡所致。同樣，在本輪的 DDR3 價格下行周期中，三星放緩 line13 的 DDR3 產 能轉換至 CIS，也給供給端帶來更多壓力。本輪底部區(qū)間，在行業(yè)面臨寒冬，下游需求疲 軟，供給過剩的背景下，價格反彈壓力較大。

3.1.2 NAND Flash：供需修復，價格有望逐步企穩(wěn)

NAND Flash 寡頭地位逐步增強，根據 Trendforce 數據顯示，CR6 包括三星、鎧俠、西部 數據、美光、英特爾、海力士總體市場規(guī)模占比約 99%，其中三星、鎧俠、西部數據三 家行業(yè)龍頭，約占比 70%的市場份額，在市場上有較大的影響力。

根據 Trendforce 數據的預測，預計受益于下游新增需求的快速發(fā)展，NAND Flash 的需 求量也會有增長趨勢。從行業(yè)供給格局來看，三星依舊占領較大的市場份額，但還未形 成絕對的寡頭地位，且國內公司長江儲存也將持續(xù)發(fā)展，有望進一步提升市場份額。

2022 年 10 月 26 日，存儲芯片大廠鎧俠(Kioxia)和西部數據(Western Digital)在日本慶祝 位于四日市最先進制程晶圓廠 Fab7 完工。此 Fab7 晶圓廠第一期的總投資約為 1 萬億日 元(約合人民幣 487.97 億元)，具備生產第六代 162 層 NAND Flash 閃存和未來更先進 3D NAND Flash 閃存的能力，計劃于 2023 年初開始出貨 162 層 NAND Flash 閃存。頭部廠 商已正逐步覆蓋 3D NAND 236 及 256 層甚至更高疊層工藝制程，持續(xù)技術迭代更新。

NAND Flash 需求端受到全球人工智能和機器學習對海量數據處理，其市場規(guī)模正快速增 長。而 NAND Flash 主要覆蓋的下游應用設備為手機、服務器、PC 及車載工控等，我們 認為，手機及 3C 產品的儲存容量和硬盤搭載率提升將推動 NAND Flash 需求量持續(xù)增 高。對于服務器設備，云端儲存及處理數據場景越發(fā)增長，服務器需求量及單設備搭載 量同樣推動 NAND Flash 市場的需求量提升。除此傳統(tǒng)需求領域外，隨著車載智能化的 逐步提升，車載 NAND Flash 市場也有望迎來高速增長。

1)手機及傳統(tǒng) 3C 產品，NAND 單機搭載量提升

近十年，智能手機作為成熟市場，每年全球手機出貨維持在 11 至 13 億部左右，保持穩(wěn) 定波動。而隨手機智能化水平越發(fā)提升，其攝影攝像功能、高清顯示功能及各類多功能 軟件所消耗的儲存空間持續(xù)增長，用戶對于手機的儲存空間越發(fā)增加。智能手機市場對 應 Flash 市場的增長邏輯，主要來源于單機搭載量的持續(xù)提升。

根據 Counterpoint 數據顯示，2020 年智能手機 NAND 閃存平均容量首次突破 100GB 大 關。在 iOS 和 Android 手機中有所不同。在 iOS 手機中，2020 年第四季度的平均 NAND 容量達到 140.9GB，而同期 Android 手機的平均容量為 95.7GB。Android 手機的平均容 量在過去幾年中一直在快速增長。2020 年 iOS 和 Android 手機的平均容量分別增長了 5.6%和 20.5%。同時根據 Trendforce 數據顯示，預估 2023 年智能手機 NAND Flash 單 機搭載容量年成長仍能維持 22.1%。我們認為，IPhone 產品組合仍全線往更高容量 1TB 靠攏；Android 高端機種也跟進將 512GB 做為標準配備，中低端機儲存空間則隨硬件規(guī) 格持續(xù)升級而提高，因此整體平均容量仍有增長空間。

全球 PC 市場（包括筆電、桌面 PC、工作站等）在 2020-2021 年期間迎來強換機周期且 居家辦公刺激需求端提前消費，根據 IDC 數據統(tǒng)計，2021 年全球 PC 出貨量達 3.46 億臺。2022 年需求迎來疲軟態(tài)勢，根據 IDC 數據預測，2022 年整體出貨量將下滑至 2.93 億臺，同比降低 15.2%。 另外，由于消費市場需求減緩，教育市場也獲基本滿足，及因經濟狀況弱化同樣使商用 市場需求遭到擠壓。根據 IDC 數據預測，預計 2023 年全球 PC 市場將進一步萎縮。PC 加上平板電腦的整體市場預估 2023 年下降 2.6%，預計在 2024 年恢復成長。

根據 IDC 數據，由于 2020-2021 年受到居家辦公的提前消費影響，平板電腦（包括二合 一的可拆卸式平板在內）市場在 2020/2021 年出貨量達到 1.65/1.69 億部，同比增長 13.8%/2.4%。但隨 2022 年消費逐步疲軟，根據 IDC 數據，2022 年全球出貨量同比下 滑 3.6%至 1.63 億臺。

PC 及移動平板電腦作為存量市場，整體年度出貨量波動不大，基本維持億部的出貨量。 近些年隨電腦固態(tài)硬盤替代傳統(tǒng)硬盤趨勢及單機儲存量提升，其中SSD搭載率有所提升。 據中國閃存市場 ChinaFlashMarket 數據，預計到 2018 年 SSD 240GB 價格與 1TB HDD 同價的，在筆記本電腦上的搭載率將達到 52%。到 2019 年 SSD 480GB 價格與 1TB HDD 同價的時候，在筆記本電腦上的搭載率將達到 65%以上。另外，消費類 SSD 在零售渠道 市場每個月也有 200 萬片硬盤升級 SSD 的出貨量。

2)AI 帶動服務器及云端數據儲存有望快速放量，進一步推動 NAND Flash 需求

云計算時代市場的快速增長，云儲存、云計算的數據量不斷提高。在數字化時代的發(fā)展 下，隨工作量的云上遷移和云本地應用的加速開發(fā)，在移動互聯(lián)網技術不斷迭代升級的 背景下，全球數據量呈現(xiàn)爆發(fā)式增長。根據 IDC 數據顯示，全球數據儲量由 2016 年的 16ZB 增長至 2021 年的 54ZB，復合年均增長率為 27.5%，隨著數字經濟的不斷發(fā)展， 預計 2022 年全球數據儲量將達 61ZB。

根據 Omdia 數據，云數據及企業(yè)級數據儲存需求將在 2026 年達到 5255 億每 GB 當量， 2021 年至 2026 年，CAGR 將達到 33.0%。

3)車載 NAND Flash 有望受汽車智能化持續(xù)增長

2022 年全球新能源汽車銷量突破千萬。根據 Clean Technica 數據，2022 年全球新能源 汽車銷量突破千萬達 1009.12 萬輛，占整體汽車市場 14%份額，其中比亞迪以 184.77 萬輛的全年銷售數據獲得全球銷量冠軍。根據中國汽車工業(yè)協(xié)會數據，2023 年 1 月和 2 月我國新能源汽車月度銷量分別為 40.78 萬輛和 52.49 萬輛，由于 1-2 月為汽車銷量傳 統(tǒng)淡季，2023 年 1 月與 2 月銷量與 2022 年 12 月 81.38 萬輛的月銷量相比仍有差距。 后續(xù)隨著汽車電動化進程不斷深化，我們認為全球范圍內新能源汽車銷量將會維持高速 增長態(tài)勢。

根據 IDC 及 IHS 數據顯示，車用 DRAM 和 NAND 市場規(guī)模將從 2020 年的 20.4 億和 12.6 億，增長到 2025 年的 85 億美元和 61 億美元，預計年復合增長率為 33%和 37%。 車規(guī)級 NAND Flash 需要符合 AEC-Q100 等車規(guī)標準，隨著汽車行業(yè)智能化、網聯(lián)化的 演進，與 SOTA（軟件在線升級），MaaS（出行即服務）得以實現(xiàn)，市場對車載存儲的程 序和處理的數據量提出更多的新需求。 車用存儲芯片規(guī)模成長的驅動因素，主要為三個方面，首先為智能座艙產生巨量數據交 互，其次是 ADAS 系統(tǒng)及車載娛樂系統(tǒng)。隨著自動駕駛的普及及自動駕駛等級的提升 （L2~L5），會產生大量的道路和環(huán)境數據，用于收集車輛運行和周邊環(huán)境數據的各類傳 感器也會越來越多，包括攝像頭、毫米波雷達、激光雷達等，根據安全和功能需要對數 據進行處理和保存，從而產生了大容量 NAND 存儲的需求。英特爾估計，自動駕駛汽車 每天將產生 4000GB 的數據量，即再低等級的自動駕駛車輛也需要大量車載數據存儲。 根據 Semico Research 數據顯示，L1/L2 級別的自動駕駛需要 8GB 的 NAND 容量，而 L3 為 256GB，到 L5 的時候需要 1TB，自動駕駛技術升級對 NAND 需求呈現(xiàn)指數級的增長。

價格端：環(huán)比下降收窄，價格將逐步企穩(wěn)

考慮到 NAND Flash 主流產品和利基產品的定位、單價和格局等不盡相同，我們對 NAND Flash 價格分主流產品和利基產品兩大類進行跟蹤。 主流價格：現(xiàn)貨價增長后企穩(wěn)，合約價自 2022 年 6 月開始下跌。 現(xiàn)貨價：以 MLC NAND Flash 64Gb（8Gx8）及 MLC NAND Flash 32Gb（4Gx8）為例， 經歷 2022 年 4 月漲價后，價格逐步企穩(wěn)跌幅趨緩。截至 2023 年 4 月 7 日，以上兩款 64Gb 和 32Gb 價格分別為 3.85 美金和 2.14 美金。

合約價：以 MLC NAND Flash 128Gb（16Gx8）、MLC NAND Flash 64Gb（8Gx8）及 MLC NAND Flash 32Gb（4Gx8）三款為例，從 2021 年 7 月價格穩(wěn)定后，在 2022 年 6 月開始 出現(xiàn)價格下降，截至 2023 年 2 月 24 日，以上三款合約價分別為 4.14/2.98/2.59 美金。

3.2 模擬：庫存修復，價格止跌

模擬行業(yè)邊際改善。模擬料號整體 3 月跌幅收窄，部分料號價格回暖。預計 Q2 價格進 一步趨于穩(wěn)定。行業(yè)庫存持續(xù)去化，國內產品在原廠及經銷商庫存基本修復至正常水位。 大空間+高增速+低波動優(yōu)質賽道。IC insights 預測 2021~2026F 模擬 IC CAGR 為半導 體各品類中最高，達 11.8%。WSTS 數據顯示，2012-2020 年模擬電路需求同比增速波 動相較數字電路更小，成長更具穩(wěn)定性。

分應用領域：通訊設備占比巨大，汽車領域為第二大應用領域。通訊設備占比最大，預 計 2022 年占比 37.5%，較 2018 年+0.9pct；汽車領域市場為第二大應用領域，預計 2022 年占比 24.7%，較 2018 年+1.7pct；工業(yè)/電腦領域市場份額占比小幅降低，預計 2022 年較 2018 年分別變動-1.1pct/-1.0pct 至 19.5%/6.5%；消費電子/政府及軍用領域相對 穩(wěn)定，預計 2022 年較 2018 年分別變動-0.2pct/-0.3pct 至 10.8%/1.0%。 分地區(qū)：亞太地區(qū)模擬芯片需求較大，國內市場最為突出。2020 年，中國大陸為全球最 大模擬芯片市場，占比 36%。

消費需求中高端市場仍然堅挺，需求反彈國內模擬 IC 公司更為受益。恩智浦 2022Q3 法 說會表示需求下滑主要影響中低端安卓機型，高端需求仍然堅挺，超寬帶、移動支付等 新興功能仍在增長。由于本土模擬 IC 公司的客戶結構中安卓機型占比更高，因此本次周 期下行受到沖擊更大。未來若消費需求反彈，國內模擬 IC 公司將由量價齊跌轉向量價齊 升，營收、業(yè)績和利潤率都將迎來拐點，下游消費占比較高的模擬 IC 公司將貢獻較大的 業(yè)績彈性。

（本文僅供參考，不代表我們的任何投資建議。如需使用相關信息，請參閱報告原文。）

精選報告來源：【未來智庫】。「鏈接」