1) 算力仍然是大模型持续迭代的根本动力。算力端投资主要有三条线,一是围绕增量变化,如铜连接、液冷等;二是围绕份额变化,如存储、PCB、电源等;三是围绕英伟达业绩增速超预期与否,某种程度上决定了整个算力产业链的估值区间。
2) AI 走向端侧是大势所趋。苹果的 Apple Intelligence 打造的原生 AI 操作系统和应用具备一定领先性,微软的 P C 端 AI助手也在加速推进,关注端侧换机潮以及升级后的 DRAM、隐私计算、声学、电池、散热以及 Arm PC 等投资机会。
3) 随着国内大模型能力的提升、调用价格的下降以及政策上的支持,我们认为更多的 AI 应用将会逐步落地。C 端的聊天机器人、文生图、文生视频应用正在逐步被接受。B 端 AI 也开始在金融、工业、军事、医疗、教育等领域开始落地。
摘要 展望 AI 投资的下半年,我们认为有两大投资方向:一是全球产业趋势,核心是算力;二是围绕国内政策拉动内需,尤其是AI与 G端以及 B 端各行业的结合。
算力领域有三方面投资逻辑:第一,围绕增量变化投资,下半年最重要的变化是 AI 服务器形态从过去的 8 卡向英伟达NVL36、72 机柜方向发展和过渡,机柜集成度更高,是众多大厂主要选择方向,其中铜连接、液冷是新的增量,今年下半年开始进入订单密集期,从 Q4 开始进入业绩催化;第二,围绕份额变化投资,随着龙头公司订单外溢,整个产业链都呈现高景气度,部分公司份额提升,重点关注存储、PCB、电源等板块;第三,估值波动,AI 算力全球估值体系参照英伟达,英伟达业绩增速超预期与否,某种程度上决定了整个算力产业链的估值区间,参照台积电 Cowos 扩产节奏,下半年有所加速,我们看好英伟达下半年业绩,因此也看好整个板块向明年估值切换。同时,在 4 月份的欧洲技术研讨会上,台积电宣布至少到 2026 年,都将以超过60% 的复合年增长率 (CAGR) 扩大 CoWoS 产能。可以看到,台积电对 AI 整体需求判断乐观。
铜连接价值量大幅提升,并于下半年放量:1)用量大幅增长:相比过去 8 卡服务器里面主要使用 PCI E 线,此次 NVL36/72 机柜除了计算托盘内使用 PCIE 线,还在计算托盘之间、交换芯片到背板之间、交换芯片到前板I/O 端口之间均使用了高速铜缆连接,不同机柜互联也可以使用高速铜连接;2)下半年产业链开始放量:根据集邦咨询,Q3 新平台 Blackwell 将进入市场,Q4 开始放量。展望明年,Blackwell 系列将成为英伟达主力销售产品,并且主要为机柜形式。对于中国厂商来说,铜连接主要机会来自于安费诺的订单外溢,考虑到明年NVL36、NVL72 机柜整体出货量(等效 NVL72 预计在 4-5 万台),仅柜内线铜缆高速线市场就达到 48-60 亿,若考虑柜外线,则市场规模将更大。重点关注安费诺、沃尔核材、神宇股份。
云端内存需求均呈高景气度:1)算力中心需求量大:显存价值占比高,一台 NVL72 机柜中 HBM3e 和LPDDR5x 合计需求约 20.74 万美金,约占 NVL72 机柜价值量的 7%;2)端侧设备需求:长期来看端侧设备参数量会不断变大,内存也将不断增加,下一代 AI 手机内存有望增长至 12-16GB。对于该产业链投资机会核心为两点:1)HBM3e 份额以及苹果手机 8GB DRAM 及下一代 DRAM 供应商变化,重点关注美光;2)目前对于存储大厂来说,主要还是以转产为主,未来存储供需平衡可能被打破,带动存储价格持续回升。
电源方案的全新升级:服务器采用 Rack 一体化设计,使用外部统一电源,从而进一步优化电源管理,提升系统整体性能和可靠性。NVL72 需要 6 个 power shelf 构成,单台机柜需要电源 200kw 左右。DrMOS 模块是GPU 的具体供电单元,B 系列芯片的 DrMOS 模块需求量不断提升。主要供应商为台达、光宝,关注大陆供应商进展。
液冷散热的全面应用:目前液冷主要以冷却板与浸没式为主,相较传统风冷,算力密集度增加背景下液冷具备三点优势:1)液冷机柜具备较高功耗承载上限,可承载 20 KW 以上 AI 服务器运行;2)液冷机房 P UE 值更接近于 1,满足最新政策要求;3)低 PUE 背景下同样算力需求电力消耗更少,长期运营成本优势显著。整体看液冷普及率提升是算力密集度高增时代的必然趋势。
AI 端侧主要投资趋势:一是 DRAM 增加:对于 30 亿参数量的模型,以 Int 4 精度计算对内存占用量大概是 1.4GB,6GB 的 DRAM 比较难支持 AI 大模型。目前能支持该端侧大模型的是苹果手机中配备 8GB DRAM 的机型。我们认为,如果苹果之后端侧模型升级到 70 亿的参数量之后,那对内存占用将达到 3GB,现有的 8GB机型支持也将非常吃力,未来每代手机升级,苹果 DRAM 升级将及其重要。安卓方面,谷歌最新推出的 Pixel 8 系列中,只有 Pixel 8 Pro 支持运行 AI 大模型 Gemini,原因在于其配备了 12GB DRAM。二是安全问题及隐私计算:未来 AIPC 或者 AI 手机都会形成本地的知识库,保证个人信息安全至关重要,未来端侧安全芯片以及算法也会升级。另外,Apple Intelligence 会分析用户发出的请求能否在设备端运行,如果需要更强的计算能力,就可以借助私密云计算仅将与任务相关的数据发送给采用苹果芯片的服务器,对于部分手机大厂未来将自建为手机服务的云上推理中心。三是声学的升级:语音交互将是 AI 时代的一个重要入口,端侧很重要的一点是声学器件的升级。四是电池和散热变化明显:随着端侧芯片算力的增加,功耗增加,电池变大,同时散热材料也有所变化。五是关注 iPhone17 硬件新变化所带来的机器视觉检测设备需求变化。六是 Arm PC:凭借更强大的 AI能力、更强的续航、微软的重点支持、高通着力打造 PC 芯片等几个要素,各家大厂开始重点推出 Arm PC,重点关注中科创达。
特斯拉引领自动驾驶端到端变革:特斯拉 FSD Beta V12.3 为第一个使用端到端神经网络的 FSD 版本,根据特斯拉公开的最新安全数据,特斯拉车辆在开启 FSD 功能后,每行驶 539 万英里才可能发生一起事故,远低于全美每行驶 67 万英里即有一起事故的平均水平。大模型相比过去的算法有四个重要特点及优势:1)数据驱动:

因篇幅限制,仅展示部分,更多重要内容、核心观点,请下载报告。