英伟达A股映射_

王英伟达跻身万亿美元市值俱乐部，映射在A股市场，AI行情亦成为重要的投资主线。

本刊特约作者王锐/文

全球AI算力龙头英伟达（Nvidia）跻身万亿美元市值俱乐部。

5月24日，图形处理器（GPU）芯片龙头英伟达公布了2024财年第一季度（截至2023年4月30日）的财报，该季度营收为71.92亿美元，较上年同期的82.88亿美元下降13%，较上一财季的60.51亿美元增长19%；净利润为20.43亿美元，同比增长26%，环比增长44%。

真正让市场震惊的是英伟达对下一个季度的预期：英伟达预计2024财年第二财季营收将达110亿美元，上下浮动2%，同比将增长64%。这一业绩展望远超分析师此前预期，并将创下英伟达史上最高单季销量纪录。据雅虎财经频道提供的数据显示，30名分析师此前平均预期英伟达第二财季营收将达71.5亿美元。

财报发布后，英伟达盘后最高涨幅一度高达30%。5月25日，英伟达股价保持高开高走，市值在一个交易日内暴涨1840亿美元，达9392亿美元；5月30日，英伟达盘中市值一度突破1万亿美元，成为继续苹果（AAPL）、微软（MSFT）、谷歌母公司字母表（GOOGL）以及亚马逊（AMZN）之后，美国第五家市值突破1万亿美元的上市公司。

民生证券表示，英伟达单日股价大涨，其核心本质在于AI大模型带来划时代的变革已成共识；算力的清晰路径逐步被大众认可，在最为确定的算力侧率先兑现。

AI芯片厂商成为本轮人工智能浪潮的最大赢家。在AI发展中，GPU担任的运算器角色变得越来越重要，英伟达则掌握着全球多家科技公司“算力命脉”。

“生成式AI推动了计算需求的指数级增长，这种需求正在快速过渡到GPU计算市场。”英伟达首席财务官克雷斯（Colette Kress）在财报电话会上表示，在训练和部署生成式AI的过程中，使用GPU的数据中心效果更好、更通用，也更低碳节能，在GPU方面的领先技术给英伟达的产品需求带来了巨大的上升空间。

英伟达凭借在GPU上积累的全球领先计算能力，推出“GPU+CPU（中央处理器）+DPU（数据中心处理器）”的“三芯”战略。在构建产品矩阵的同时，“三芯”协同将性能进一步提升。

当地时间5月29日，在COMPUTEX2023上，英伟达创始人兼CEO黄仁勋（Jensen Huang）向传统CPU服务器集群发起“挑战”，“CPU扩展的时代已结束，新计算时代引爆点已到来。”黄仁勋在大会上宣布，“我们已到达生成式AI引爆点。从此，全世界的每个角落，都会有计算需求。”

此次大会上，英伟达宣布推出重磅新品超级计算机DGXGH200，这款数据中心产品被认为是当今全球性能最强的运算器产品，可以满足训练AIGC所需要的“超大规模大模型”，欲重新定义新计算时代。

在全球掀起AI产业革命浪潮，英伟达等科技股飙升之际，映射在国内A股市场，AI行情亦成为2023年上半年重要的主线。

华创证券表示，ChatGPT的问世引爆新一轮AI浪潮，云端计算、存储数据量激增，带动上游AI算力、存力芯片快速增长承接新增需求；同时，受益于工业互联网、车联网自动驾驶、移动互联网等产业的蓬勃发展，边缘计算的数据量和算力需求也在不断扩大，未来将协同云计算共同驱动AI芯片行业成长。

算力爆发

数据、算力和算法是AI的三大基石。

随着大语言模型能力不断升级，生成式AI带来个人生产力革命，大语言模型爆发出巨大的应用潜力，模型参数持续提升带来更高的模型训练算力需求，大模型的商业化落地催生了更大的推理算力和通信能力需求，算力芯片的投资机会确定性相对较高。

5月26日，华为昇腾计算业务CTO周斌表示，人工智能大模型浪潮带来算力需求的快速增加，并且这个需求是有价值的，不是泡沫。“AI算力行业出现一个新定律，叫做AI算力增长曲线，这个定律告诉我们大概每隔4个月，AI计算需求就会翻倍。这比‘摩尔定律’更有效地体现在算力需求上。”

此前，按照华为的预计，到2030年通用计算能力将增长10倍，AI计算能力将增长500倍。

国盛证券也表示，大模型大发展背景下，算力的追求没有天花板，随着国内外算力产业链的相互验证，算力景气度得到验证，将打消部分投资者观望情绪，当前时间点仍然处于历史级产业大趋势的起点。

中信建投证券认为，人工智能模型的算力需求大致可以分为三个阶段。第一个阶段为2010年以前，机器深度学习尚未得到广泛应用，主要还是基于统计的方法进行模型搭建，算力需求的增长相对缓慢，大致每20个月翻一倍。

第二阶段为2010-2015年，深度学习模型在传统的自然语言、计算机视觉等领域开始战胜支持向量机等算法，深度学习模型开始成为主流算法，随着神经网络的层数和参数量的提升，算力需求的增长速度也显著加快，大致每6个月翻一倍。

第三阶段为2016年之后，人工智能模型开始进入巨量参数时代，算力需求显著提升。根据英伟达的算力统计显示，自2017年之后，以Transformer模型为基础架构的大模型算力需求提升大致是每2年提升275倍。

2022年11月，ChatGPT上线并迅速火爆全球，引发了全世界领先科技公司和初创企业之间的算力军备竞赛，他们开始争先恐后地购买英伟达的H100，因为它是“世界上第一款为生成式AI而生的计算机芯片。

黄仁勋对此表示：“2022年，我们经历了相当艰难的一年。但随着OpenAI聊天机器人ChatGPT的问世，我们又在一夜之间力挽狂澜。ChatGPT在极短的时间内就创造出巨大的需求。”

中信建投认为，以ChatGPT为代表的人工智能模型表现出高度的智能化和拟人化，背后的因素在于自然语言大模型表现出来的涌现能力和泛化能力，模型参数到达千亿量级后，可能呈现性能的跨越式提升，称之为涌现能力；在零样本或者少样品学习情景下，模型仍表现较强的迁移学习能力，称之为泛化能力。两种能力都与模型参数量密切相关，人工智能模型参数巨量化是重要的行业发展趋势。

自GPT-3模型之后，大规模的自然语言模型进入了千亿参数时代，2021年之后涌现出诸多千亿规模的自然语言模型，模型的训练算力显著增加。GPT-3模型参数量为1750亿个，训练算力需求为3.14×1023FLOPs（每秒浮点运算次数），当前各种预训练语言模型还在快速的更新迭代，不断刷新自然语言处理任务的表现记录，单一模型的训练算力需求也不断突破新高。

中泰证券也认为，生成式AI主要依赖于人工智能大模型，具有参数多、包含数据量大等特点。这些模型通常包含数十亿至数万亿个参数，需要庞大的数据集进行训练，根据《AIGC发展报告2023》数据，国外主要AIGC预训练模型参数规模在6.4亿至5400亿之间，平均参数量高达1541亿。未来大模型的训练数据不仅限于文字，还可以包括图像、视频等多种形式。与自然语言处理模型相比,多模态模型训练数据为图像、视频等，规模远大于语言类模型，因此需要更多的计算资源和算力来支持模型的训练和推理。

算力需求激增，AI应用发展仍需跨越当前算力鸿沟。根据OpenAI数据，2012-2018年期间，人工智能训练任务中使用的算力正呈指数级增长，速度为每3.5个月翻一倍，人们对于算力的需求增长了超过30万倍。相比之下，摩尔定律是每18个月翻倍，如果是以摩尔定律的速度，这期间只会有12倍的增长。根据IDC数据，中国AI算力规模将保持高速增长，预计到2026年将达1271.4EFLOPS，CAGRA（2022-2026年）达52.3%。

算力需求的快速增长与芯片计算能力的增长形成剪刀差，推动AI芯片市场规模不断发展。当前模型计算量的增长远超人工智能硬件算力的增长，二者性能增长之间的不匹配，剪刀差的扩大将带来对算力基础设施供给需求的不断增长，以及算力硬件供给需求的快速增长。根据Gartner数据，2025年人工智能芯片市场规模将从2020年的101亿美元增长至726亿美元，CAGR（2020-2025年）为48.4%。

AI模型的训练算力与模型参数量、训练数据量有关，中信建投以ChatGPT的算力需求和英伟达DGXA100服务器为例对算力成本进行了估算：需要在DGX A100服务器上总训练时长164060小时（单个A100训练150年）。按照云服务器平均运行成本估算，DGX A100服务器的小时租金是20美元，估算单次训练租用云服务器的成本是328万美金。

研究机构Trend Force指出，下半年ChatBOT及AI风潮将持续渗透至各领域开发市场，带动云端AI服务器及边缘AI服务器应用需求渐增，预估AI芯片2023年出货量将增长46％。其中英伟达GPU为AI服务器市场搭载主流，市占率约60%-70％，其次为云端厂商自主研发的专用集成电路（AISC）芯片，市占率逾20％。

算力核心

AI芯片是AI算力的核心，需求有望率先扩张。

AI芯片是用于加速人工智能训练和推理任务的专用硬件，主要包括现场可编程门阵列（FPGA）、ASIC、神经拟态芯片（NPU）等，具有高度并行性和能够实现低功耗高效计算的特点。

其中，CPU是AI计算的基础，负责控制和协调所有的计算操作。在AI计算过程中，CPU用于读取和准备数据，并将数据来传输到GPU等协处理器进行计算，最后输出计算结果，是整个计算过程的控制核心。根据IDC数据，CPU在基础型、高性能型、推理型、训练型服务器中成本占比分别为32%、23.3%、25%、9.8%，是各类服务器处理计算任务的基础硬件。

GPU、FPGA、ASIC则是AI计算的核心，作为加速芯片处理大规模并行计算。具体来看，GPU通用性较强，适合大规模并行计算，且设计及制造工艺较成熟，是目前占据AI芯片市场的主要份额；FPGA具有开发周期短、上市速度快、可配臵性等特点，目前被大量应用于线上数据处理中心和军工单位；ASIC根据特定需求进行设计，在性能、能效、成本均极大的超越了标准芯片，非常适合AI计算场景，是当前大部分AI初创公司开发的目标产品。

中泰证券表示，相比于少核心串行结构的CPU，多核心的并行结构GPU更适合处理图形图像（矩阵结构）信息。CPU通常有4个、8个或16个强力ALU核心（算术逻辑单元），适合做复杂的通用串行任务。GPU是图形计算的重要元件，主要用来处理与图形图像相关的数据。与CPU不同的是，GPU有数百甚至数千个简单ALU核心，单个ALU处理能力相比CPU的更弱，但能够实现多个ALU并行计算，适合做简单特定的并行任务。因此，对于复杂的单个计算任务来说，CPU的执行效率更高，通用性更强；而对于图形图像这种矩阵式多像素点的简单计算，更适合用GPU来处理，但通用性较弱。

具有并行计算架构的GPU是AI算力的重要支撑，相较CPU在AI研究和开发中具有更高的效率。因此，GPU在AI研究和开发中的重要性不断增加。GPU作为市场上Al计算最成熟、应用最广泛的通用型芯片，应用潜力较大，其并行计算架构相较于其他AI芯片更加适合于复杂数学计算场景，支持高度并行的工作负载，占据了主要市场规模。根据IDC数据，2022年国内人工智能芯片市场中，GPU芯片所占市场份额达89.0%。

英伟达则是全球领先的GPU和AI芯片制造商之一。英伟达成立于1993年，最初就是以GPU起家，通过不断的创新和发展，凭借优异的硬件性能、不断提升的网络互联能力、CUDA的软硬件协同以及产品组合的全自研，逐渐在AI数据中心占据领导者地位。

根据Jon Peddie Research发布的GPU市场数据统计报告，英伟达2022年全年PCGPU出货量高达3034万块，是AMD的近4.5倍；截至2022年四季度，在独立GPU市场，英伟达占据84%的市场份额，远超同业竞争公司。在国内GPU市场，英伟达也占据着主要份额。IDC数据显示，2020年英伟达在国内GPU服务器市场几乎占据95%左右的市场份额。

根据Tractica的数据，2018年全球AI硬件市场的收入为196亿美元，其中GPU的收入占36.2%为71亿美元。而在2025年将达到2349亿美元，其中GPU的收入占23.2%为545亿美元。根据VerifiedMarket Research的数据，2021年全球GPU市场规模为335亿美元，2028 年市场规模有望达到4774亿美元，2022-2030年CAGR达到33.3%。

据国金证券表示，随着ChatGPT引爆新一轮人工智能应用的热情，人工智能将成为未来无所不在的工具，海内外数据中心、云业务厂商纷纷开始推动AI基础设施建设，AI服务器出货量在全部服务器中的占比逐渐提高。

根据Trend Force的数据，2022年搭载GPGPU的AI服务器年出货量占全部服务器的比重接近1%，在ChatGPT等人工智能应用加持下，2023-2025年， AI训练服务器出货量有望实现50%左右的高增速，2026年出货量增速保持在30%左右。

目前，数据中心GPU主要以英伟达H100、A100、A800（主要出货中国）以及AMD的MI250、MI250X系列为主，英伟达与AMD 的占比约8：2。国金证券测算，2026年全球数据中心GPU市场规模有望达749亿美元，2022-2026年CAGR达到44%。

成王之路

英伟达通过对芯片性能的极致追求，从图像处理器的“蛮荒时代”中脱颖而出。经过20余年的发展，英伟达从4万美元的初创公司发展为全球最大算力芯片公司。

纵观历史，英伟达的成长经历了三部曲：从涉足图像处理领域到成为独显霸主，再转战AI算力芯片成为赛道之王。

1993年，黄仁勋、克里斯·马拉科夫斯基和柯蒂斯·普利姆在美国加州创立了英伟达。在创建之初，公司设想着个人电脑将会成为游戏、多媒体的主流消费设备。在持续高研发投入的推动下，英伟达以“三团队-两季度”的研发模式，不断丰富产品矩阵满足下游客户不同需求。

1996年，英伟达推出NV3系列的Riva128芯片，在性能方面具有优势，甚至优于英特尔于下一年推出的i740；1999年，英特尔宣布完全退出独立显卡芯片组业务。2000年，英伟达推出GeForce256，全面超过当时行业最大竞争者3dfx，最终3dfx宣布破产并且被英伟达收购。

在经历了行业发展初期洗牌之后，英伟达一直在游戏性能的创新和提升方面保持领先地位，在独立显卡市场上的主要竞争对手只剩下ATI，整个独立显卡行业逐步向寡头垄断转变。在2001-2006年，公司曾因产品定位和市场需求贴合度不够而落后，但通过坚持投入研发，完善产品线，竞争力持续提升。

期间，英伟达通过收购、技术开发以及广纳人才，进一步开拓市场，增强自身实力，保持市场领先地位。同时，公司全面完善产品线，产品覆盖高中低端下游各应用市场。如，英伟达推出了Tesla和Quadro系列的GPU，这些产品被广泛应用于机器学习、数据科学、计算机视觉等领域。此外，英伟达还在汽车自动驾驶等前沿领域推出了专门的解决方案，如Jetson和DRIVE系列。2006年，AMD收购ATI后，英伟达终成行业霸主。

进入2007年后，智能手机浪潮来临，但是由于时机和定位上的失误，英伟达错失机遇。于是，英伟达退出手机市场，转向汽车、人工智能市场，调整竞争策略。

中泰证券认为，这一转变对于英伟达来说，不仅是其业务发展的一次机遇，更是对于行业趋势的敏锐洞察。在汽车市场中，英伟达通过自己的技术优势，推出了一系列高效能的自动驾驶处理器，逐渐在此领域确立了自己的领导地位。而在人工智能市场，英伟达的GPU产品凭借其超强的并行计算能力，成为了支撑深度学习和机器学习应用的核心设备，展现出强大的市场竞争力。事实也证明了英伟达的转型抓住了市场需求的改变，英伟达2015-2023年营收增速可观。

中泰证券表示，回顾英伟达的发展历程，其成功的经验在于以下几点：英伟达持续十几年深耕GPU高性能计算潜力，产品矩阵丰富，抓住下游人工智能和5G浪潮，推动GPU市场从游戏显卡转变为AI计算加速处理器；搭建通用并行计算架构（CUDA）生态，提高自身产品附加值，构建强大的软件护城河壁垒。通过大学、研究院加快CUDA开发，吸引人工智能行业人员加入CUDA，将其打造成英伟达GPU核心竞争力；加大研发投入，强大的研发能力使英伟达能够实施创新技术，不断更新GPU架构拓展业务范围，扩大GPU市场，提高营收和利润率，达成产业链的良性循环。

借鉴意义

中泰证券表示，复盘英伟达能够学习海外龙头的成长经验，为国产厂商提供发展思路。英伟达成功之路的借鉴意义包括：深耕GPU算力领域，研发为导向不断提升产品竞争力；CUDA自成体系，从单一产业到生态链，构建强护城河。

在研发领域，首先，从英伟达创立时，公司就以市场需求为导向。通过匹配主流应用程序编程接口（API），不断技术更新逐渐减低产品价格，达到消费者需求，以此来达到一家初创公司占领市场的目的。

其次，压缩开发周期领先市场，为下游厂商提供更好的产品。英伟达图形业务的快速产品周期得益于其运营模式：“三团队-两季度”，这样的运行方式允许公司每6个月推出一次新产品，与图形市场产品周期一致，并且领先市场1-2个研发周期。

再次，在产品布局多元化初期，用产品交叉服务市场。英伟达在经历了手机端芯片市场开拓的失败之后，并没有停止Tegra处理器的研发，而是改变产品定位，将Tegra处理器运用在智能汽车、智慧城市和云端服务上。于是英伟达初步奠定了“两产品条线-四市场”的商业模式。两产品条线包括了英伟达传统产品GPU和Tegra处理器，而四市场则包括了游戏、企业级、移动端、云端。

中泰证券认为，英伟达的商业模式战略很好地应对了图像处理器市场的发展趋势。当时的图像处理器市场产品细化，主要分布在游戏玩家、企业级、平板电脑和移动端用户，不同客户的需求差异化明显，针对不同下游英伟达推出了对应的产品方案。

游戏市场：玩家希望能够在不同的平台无缝的进行游戏体验，英伟达为此推出了端到端的服务——游戏能够在云端运行，不需要玩家拥有足够高性能的电脑。大大提高了玩家碎片时间的利用率和娱乐的灵活性。

企业级：产品则是为汽车、电影、天然气等行业提供可视化解决方案，目的是提高行业生产力。英伟达面向企业市场的产品包括用于工作站的Quadro，用于高性能计算服务器的Tesla和用于企业VDI应用程序的GRID。

移动端：英伟达不再将移动端客户拘泥于手机端用户，而是将移动端扩展到移动智能设备市场，比如智能汽车、智能家居行业。英伟达的移动战略转变为了将Tegra应用到需要视觉设计的设备中。

云端服务：伴随着计算机行业的发展也成为了可视化计算服务的重要一环。凭借云端技术，英伟达将GPU的应用从PC端拓展到服务器和数据中心，使得更多的用户可以使用。

在构建生态护城河壁垒方面，CUDA是英伟达基于其生产的GPUs的一个并行计算平台和编程模型，目的是便于更多的技术人员参与开发。CUDA平台的出现使得利用GPU来训练神经网络等高算力模型的难度大大降低，将GPU的应用从3D游戏和图像处理拓展到科学计算、大数据处理、机器学习等领域。这种生态系统的建立让很多开发者依赖于CUDA，进一步增加了英伟达的竞争优势。

首先，CUDA的低成本和兼容性成为其最重要的吸引点之一。英伟达的CUDA是一个免费、强大的并行计算平台和编程模型。安装过程简单且明确，可支持多种编程语言，还提供第三方包装器进行扩展，为广大开发者提供了极大的便利和高效的编程体验。

其次，CUDA有着丰富的社区资源和代码库，为编程提供良好的支持。英伟达的CUDA享有强大的社区资源，为CUDA的学习和应用提供了丰富的支持。另外，CUDA的代码库资源涵盖各种计算应用，具有极高的参考价值，为开发者在并行计算领域的创新和实践提供了宝贵的资源。这两大特点共同推动了CUDA在并行计算领域的领先地位。

再次，CUDA借助燕尾服效应，搭配GeForce覆盖多元市场。CUDA技术最初是为了配合GeForce系列芯片而推出的，利用GeForce在游戏市场的广泛覆盖率，作为一个技术杠杆，推动CUDA的普及和发展。

随着时间的推移，超过一百家创业公司开始利用CUDA的强大计算能力，使其应用领域得以扩展，不再局限于游戏方面。

英伟达将CUDA引入了大学的课堂中，从源头上扩大了CUDA的使用范围和受众群体，不断完善CUDA的生态链。2010年英伟达全球建立了20个CUDA研发中心，2015年已有800所大学开放CUDA课程。

中泰证券认为， CUDA的开发使英伟达的GPU超越了仅用于图形处理的传统角色，转变为通用的并行计算设备，极大地提升了其在市场上的竞争力。英伟达因此能够满足广泛的高性能计算和人工智能需求，使其产品得以进入新的市场领域。同时，随着CUDA在各类高性能计算任务，特别是人工智能领域的广泛应用，英伟达的品牌影响力得到了显著增强。越来越多的人开始认知和使用英伟达的产品，这不仅加强了英伟达的市场地位，也为其未来的发展奠定了坚实的基础。

产业映射

作为AI算力之源GPU的核心供应商，英伟达完成了由传统GPU供应商到平台化公司的转型升级，在GPU、CPU、DPU等各类硬件上持续定义行业的发展方向，并基于CUDA架构形成了高度黏性的开发者软件生态。软硬件结合的平台化布局，给予英伟达在不同垂直应用领域快速落地解决方案的能力。

国金证券表示，如果说英特尔是PC时代的皇冠，高通是移动时代的皇冠，英伟达则有望成为人工智能时代最璀璨的AI解决方案领导者，因此其系统地梳理了英伟达以及AI产业链在A股的映射以及投资机会。

AI发展提速电子半导体基础设施发展，海量数据的收集、清洗、计算、训练以及传输需求催化AI产业链加速迭代升级带动服务器增长与AI服务器占比提升，利好英伟达及服务器产业链大量使用的CPU、GPU、印制电路板（PCB）、DDR5/HBM存储器、服务器散热、光芯片光模块等。国金证券看好AI驱动下英伟达产业链快速发展带来的新机遇，A股细分板块有望持续受益。

一是GPU领域，计算芯片GPU为AI训练算力之源，在训练服务器中价值量占比超过80%。据国金证券测算，2026年全球数据中心GPU市场规模有望达749亿美元，2022-2026年CAGR达到44%，目前英伟达市占率高达80%，建议关注国内GPU产业链在国产替代和自主可控逻辑下的渗透率提升。

目前，国内厂商GPU市占率不足1%，美国对华制裁加速GPU国产替代。2015年以来美国对GPU的制裁不断升级，尤其是2022年10月，美国升级禁令限制范围，对高算力芯片的连接速度和每秒运算次数等具体参数做限制，除英伟达和AMD外，国内厂商海光信息的部分产品也被加入到限制范围内。美国将制裁限制范围由应用场景扩大到芯片和产品层面，其实也是代表着国内相关GPU产品或下游应用发展超过美国政府的预期。

国金证券认为，美国持续加大对中国高端芯片的出口限制，高速运算相关的GPU芯片国产化进程必然加快，建议关注AI及信创推动核心行业服务器CPU国产替代浪潮。

IDC数据显示，预计2025年中国x86服务器出货量将达到525.2万台。根据x86服务器出货量和x86服务器路数分布情况进行计算，2020年中国市场x86服务器芯片出货量约为698.1万颗。假设到2025年x86服务器的平均路数为3，预测2025年中国市场x86服务器芯片出货量可达1575.6万颗，对应市场空间可达315.1亿美元，2022-2025年CAGR达到19%。

据国金证券测算，2025年整体x86架构国产PC+服务器端CPU国产替代空间达554.3亿元，2022-2025年CAGR为32%。

二是AI需求催化下的PCB领域，AI需求兴起将加速服务器平台向更强大性能设备方向的产品换代需求。PCB拥有“电子产品之母”之称，是服务器的重要组成部件。随着AI行业高速发展，PCB/基板（CCL）行业在这一发展过程中将呈现产品价值量普遍提升的趋势。

国金证券研报显示，从主流厂商规划来看，目前英特尔服务器平台正经历从Whitley升级至Eagle Stream的过程，其中PCB层数将从12-16层升级到16-20层，价值量将会至少提升50%，CCL等级将从Low Loss升级至Very LowLoss，价值量将提升50%-100%，可见服务器升级将给PCB/CCL带来显著的价值增长。

AI服务器PCB价值量是普通服务器的价值量的5-6倍，随着AI大模型和应用的落地，市场对AI服务器的需求日益增加，市场扩容在即。以DGX A100为例，15321元单机价值量中7670元来自载板、7651元来自PCB板，因此应当关注在载板和服务器PCB上具有较好格局的厂商。

三是存储芯片。根据Yole的数据，2022年全球内存模组市场规模达420亿美元，其中PC市场规模66亿美元，同比下滑36%，服务器市场规模331亿美元，同比增加0.4%。2028年全球内存模组市场规模有望达963亿美元，2022-2028年CAGR达16%，服务器端CAGR达19%。2022年全球内存模组出货量5.11亿，其中DDR4出货5.0亿，DDR5出货0.11亿。2028年全球内存模组出货量有望达6.5亿，DDR5占比超过98.7%,2022-2028年DDR5内存模组出货量CAGR有望达到97%。

ChatGPT的横空出世使得AI服务器爆火，催生对高算力GPU以及高性能存储的需求，高带宽存储器（HBM）或将持续成长。HBM融合了3D堆叠以及近存储运算技术，可消除内存受限、计算密集型工作负载的处理与内存瓶颈，因此十分适合用于AI服务器等对性能要求高的计算系统领域。国金证券测算，2026年HBM市场规模有望达56.9亿元，2022-2026年CAGR有望达52%。

四是服务器散热。未来，随着人工智能模型训练推理等应用增加，多样化算力协同成为常态，单IT机柜主流功率密度将从6-8KW/柜提高到12-15KW/柜，超算、智算中心功率密度将提升至30KW以上，驱动芯片级散热模块、液冷市场总量增加和边际增速提升。

AI大模型有望引领算力需求升级，带动高功率密度的智算和超算中心建设，加速配套设施液冷系统导入市场，未来伴随新建数据中心建设和存量数据中心改造，整体渗透率有望快速提升，同时高功耗也有望带动散热系统向芯片级升级。国金证券预测，AI大模型训练+推理会带来40亿元的液冷市场空间，随着模型参数增加、使用推广，未来四年带来液冷市场60%以上的年复合增速，服务器芯片级散热模块的复合增速将达到29%。

当前，液冷行业仍处在发展早期，国金证券建议关注专业温控厂商、布局液冷技术的服务器厂商以及提供包含芯片级散热的完整解决方案的供应商。

五是光芯片/光模块。全球数据量爆炸式增长，光通信逐渐崛起。随着光电子、云计算技术等不断成熟，更多终端应用需求不断涌现，并对通信技术提出更高的要求。受益于全球数据中心、光纤宽带接入以及5G通讯的持续发展，光模块作为光通信产业链最为重要的器件保持持续增长。根据LightCounting的数据，2027年全球光模块市场规模预计将超过200亿美元，2022-2027年CAGR达11%。

同时，根据Light Counting的数据，2020年全球光模块市场规模80亿美元，预计2026年将达到145亿美元，2020年数通光模块市场规模约38亿美元，预计2024年达到83亿美元，年复合增长率约为20%。

国金证券表示，未来数通市场需求是光模块成长的主要驱动，其中400G/800G光模块将成为主要增长点，现已进入批量化供应阶段。国内中游光模块龙头厂商已经凭借优秀的集成能力、封测技术，依靠丰富且高质量的产品跻身世界前列，未来高速率升级将进一步打开收入空间。建议关注高端产品领先布局的光模块厂商以及相对稀缺的光芯片厂商。

行情映射

兴业证券表示，2022年11月至今，海内外AI行情的相似性不仅来自概念的映射，更来自于全球人工智能产业趋势的联动性和产业链的协同性加深。

一方面，海内外AI产业趋势的联动性较强。在2022年11月底ChatGPT问世，AI产业进入了快速发展阶段，全球各国大多将其视为了新的经济增长点，但是人工智能未来的产业趋势如何演绎仍充满未知。

考虑到海外尤其是美国在信息技术领域较为领先，其技术的迭代更新对AI产业趋势发展有较强的指引性。随着海外的GPT-4、LLaMA、PaLM2等大模型先后问世后，国内大厂快速追赶海外步伐。3月中旬以来，文心一言、通义千文、星火等国产AI大模型相继问世，全球AI产业链进入了良性共振的高速发展阶段。在全球层出不穷的AI事件催化下，A股人工智能表现靠前。

另一方面，国内外AI产业链协作性较强。凭借成本和技术优势，部分国内AI产业链相关公司承接了大量海外科技龙头的订单。以AI产业链上游的光模块为例，其对微软、英伟达等海外科技企业出口较多，截至2022年底，光模块的海外业务收入为227.63亿元，占营业收入的比重超40%。

因此，跟踪海外科技龙头的需求有助于厘清国内AI上游企业的业绩。例如，2023年以来，随着AI大模型对算力的要求不断提升，微软等企业加大对国内光模块企业的订单量，市场预期A股CPO企业业绩放量，进而拉动股价飙升。

根据兴业证券的观察，海内外AI行情有以下三个相似点：一是走势上，随着全球人工智能产业趋势的联动性和产业链的协同性加深，海内外AI行情的相关性提升。无论是从绝对收益还是相对收益视角来看，根据兴业证券以海外AI产业链核心标的所编制的海外AI映射指数，以及万得人工智能概念指数，可以看到2023年年初以来海内外AI板块均经历了两波趋势性的上涨。

二是范式上，海内外AI行情呈现较为统一的特征，即联动式上涨，轮动式调整。通过对海内外人工智能产业链核心标的计算近5日涨跌幅排名变动绝对值加总，构建海外和A股AI轮动强度指标。兴业证券发现，海外和A股的人工智能与其轮动强度多数时间呈反向走势：本轮AI行情从2023年年初启动以来，每当板块开始波动调整时，基本都伴随着主线发散、轮动加快。而当AI内部轮动收敛、主线形成后，板块则往往会迎来整体上行。

三是节奏和主线上，海外领先A股1-2周左右。2023年以来，海外AI轮动强度指标领先A股轮动强度1-2周左右回落，且二者均按照中游→上游→下游顺序进行演绎。更重要的是，海外率先孕育出的新一轮AI主线，同样也成为了国内AI行情下一个阶段的主线。例如1月的中游软件/服务，2月初到3月中旬的上游算力，以及4月初到5月初的下游应用，均对A股的主线形成映射。

兴业证券表示，海外AI行情对A股映射显著，当前正处于新一轮AI主线行情布局期，重点关注上游算力板块。

从股价走势上，5月中旬以来海外产业新催化密集，海外AI已显著上涨，但A股仍相对落后，国内AI或正迎来新一轮布局期。2023年以来每一波AI行情，都离不开重大“爆点”事件的催化。

如，1月30日，ChatGPT月活突破1亿、商业化应用快速推进，带动AIGC成为市场热点；至3月15日，OpenAI发布ChatGPT-4支持多模态输入，次日微软发布Copilot、百度也发布“文心一言”，让AI再一次“出圈”；4月以来AI热度有所回落、板块也出现调整。

5月25日，英伟达一季报业绩显著超预期并大幅上调二季度业绩指引，随后，英伟达宣布为游戏公司提供定制化AI模型代工服务等“爆点”密集、发布全新服务器架构GH200，海外产业层面催化密集，5月16日至26日，海外AI指数已经上涨8%，但国内仅上涨0.25%，参考海外行情往往领先于国内行情，国内AI或正迎来新一轮布局期。