据WSTS数据显示，环球半导体产品发卖总额从1999年的1494亿美元增长到2022年的5741亿美元，期间复合增速约6.03%。 WSTS估量2023年环球年发卖额同比下滑9.4%，但2024年将有望增长13.1%。
消费者购买是半导体发卖增长核心驱动
根据美国SIA发布2023年Factbook白皮书，绝大多数半导体需求是由消费者终极购买的产品驱动的，如条记本电脑和智好手机。新兴市场消费者的需求越来越多地发挥驱动浸染，这些新兴市场包括亚洲、拉丁美洲、东欧和非洲等。
环球PC、智好手机等出货量预测
根据IDC预测，2023年至2027年环球PC出货量的复合年增长率达到3.1%，增长动因来自于老机换新、AIPC推动的产品升级等。智好手机方面，IDC预测，2023年，环球智好手机市场出货量将会低于12亿台，同比低落1.1%；而中国市场的出货量估量将仅有2.83亿台，同比也会低落1.1%。2024年环球智好手机市场出货量12.63亿，同比增长5.9%；中国智好手机市场出货重新回到3亿市场大盘，同比增长6.2%。
逻辑器件是半导体产品市场规模最大的细分品类
根据SIA的报 告显示，半导 体产品细分市 场中，逻辑、 存储、仿照、 MPU四类霸占 了大部分份额。 个中逻辑器件 规模最大。 按照分类逻辑 芯片紧张包括 CPU、GPU等通 用 处 理 器 及 FPGA、CPLD等 专用性较强的 逻辑芯片。
逻辑芯片市场紧张是美国大厂主导
根据SIA发布的2023年Factbook白皮书，2022年美国半导 体公司拥有最大的市场份额，占48％。其他国家半导体 家当占环球市场份额的7％到20％不等。 根据BCG analysis的剖析，2019年逻辑芯片市场美国半 导体厂商霸占了67%的市场份额，东亚（中国大陆除外） 占了15%的市场份额，欧洲占了8%的市场份额，中国大陆 占比仅个位数。 根据集邦咨询统计的2023年第三季度前十大IC设计业者 营收中（仅统计公开财报的），前五大厂商中，仅博通 的主业不是逻辑芯片为主。
CPU，算力的根本掌握单元
中心处理器（central processing unit，简称CPU）作为打算机系统的运算和掌握核心，是信息处理、程序运行的终极实行单元，电脑和智能设备的掌握中枢。 CPU内部紧张由运算器、掌握器和寄存器组成，运算器实行数值打算，寄存器储存数据。
指令集，软件与硬件的接口
指令便是指示打算机硬件实行某种运算、处理功能的命令。 指令集又称指令系统架构，是CPU运行的软件的二进制编码 格式，是一种指令编码的标准规范，存储于CPU内部，用来 勾引CPU进行加减运算和掌握打算机操作系统的一系列指令 凑集。 指令集可以分为繁芜指令集（CISC）和精简指令集（RISC）， CISC的代表是X86； RISC的代表是ARM。CPU指令集的兼容性 是生态规模的主要成分，构建高吸附性生态是竞争难点。 RSIC-V是一种新兴的开源精简指令集架构，因其具有开源、 免费、开放、自由等特点而呈加速发展之势。
软硬合营，生态构建高门槛
操作系统是连接硬件和数据库、中间件、运用软件的纽带，是承载各种信息设备和软件运用运行根本平台的主要根本性软件。CPU行业目前由两大生态体系主导：一是基于X86指令系统和Windows操作系统的Wintel体系，垄断个人打算机和做事器处理器市场；二是基于ARM指令系统和Android 操作系统的AA体系，主导了智好手机和物联网芯片处理器市场。前者生态相对封闭，后者生态相对开放，芯片厂商须要得到ARM的授权。 根据statcounter数据显示，在环球操作系统市场中，目前紧张有Windows、Android、iOS、OSX、Linux五大操作系统竞争。
从“Tick-Tock”模式到“PAO”模式
Tick-Tock模型是Intel公司2006年提出的CPU发展路线，内含了提升CPU性能的两大紧张驱动力，即是微构造改进和制程升级 。“Tick”是提升CPU的制造工艺，“Tock”是带来更好的微构造设计。 2017年，Intel对Tick-Tock周期进行了改动，从10nm制程CPU开始改为“制程-架构-优化” 的“三步走”计策，每次迭代周期拉升到3年。
制程升级是提升CPU性能的主要手段之一
根据AMD的数据，过去十年（2017往前），制程升级对CPU性能提升的贡献度在40%，其他推动成分依次分别为软件优化、电源管理、增大芯片面积等。 随着制造技能越来越繁芜，发展、研究和开拓韶光也越来越长。台积电在2022Q4宣告量产3纳米鳍式场效晶体牵制程。根据台积电方案，台积电N2技能将采取纳米片晶体管架构，操持于2025年开始生产。
前辈制程投入巨大，供应格局愈加集中
根据集微咨询的数据显示，晶圆代工厂的投资 本钱会随着工艺节点的前辈程度提高而增长， 随着前辈制程的开拓，芯片制程缩小对晶圆代 工厂带来的培植本钱连忙上升，每万片5nm芯 片的晶圆厂培植本钱已达到28nm芯片晶圆厂建 设本钱的5-6倍。根据集邦咨询宣布，英特尔已经向台积电下达 3nm 工艺订单，用于生产即将推出的Lunar Lake 芯片，这标志着台积电首次成为英特尔 主流条记本CPU的独家生产商。
GPU，从显卡走向通用打算
GPU又称显示核心、视觉处理器，是一种专门在个人电脑、事情站、游戏机和一些移动设备（如平板电脑、智好手机等）上做图像和图形干系运算事情的微处理器。NVIDIA公司在1999年发布GeForce 256图形处理芯片时首先提出GPU的观点。从此NVIDIA显卡的芯片就用这个新名字GPU来称呼。GPU使显卡减少了对CPU的依赖，并实行部分原来CPU的事情，尤其是在3D图形处理时。 可编程性与浮点打算能力相结合，基于GPU的通用打算也开始涌现，GPU朝着通用打算的方向持续演进。2006年，英伟达CUDA（Compute Unified Device Architecture，统一打算设备架构），及对应工业标准的OpenCL的涌现，让GPU实现更广泛的通用打算功能，GPGPU的观点落地。
英伟达强大的主要推手之一：并行打算
并行打算（英语：parallel computing）一样平常是指许多指令得以同时进行的打算模式。在同时进行的条件下，可以将打算的过程分解成小部分，之后以并发办法来加以办理。相对付串行打算，并行打算可以划分成韶光并行和空间并行。韶光并行即指令流水化，空间并行利用多个处理器实行并发打算。并行打算机体系构造的发展紧张表示在打算节点性能的提高及节点间通信技能的改进两方面。 弗林分类法，根据指令流和数据流的不同组织办法把打算机体系的构造分为四类：单指令流单数据流（SISD）、单指令流多数据流（SIMD）、多指令流多单数据流（MISD）、多指令流多数据流（MIMD）。
英伟达强大的主要推手之一：CUDA生态
2006年，NVIDIA推出CUDA，这是一种用于通用GPU打算的革命性架构。CUDA的存在使得开拓者利用GPU进行通用打算的难度大幅降落，使得开拓者可以相对大略有效地对英伟达GPU芯片进行编程，使科学家和研究职员能够利用GPU的并行处理能力来应对最繁芜的打算寻衅。 根据英伟达2023财年年报，目前有400万名开拓者正在与CUDA互助。英伟达通过12年的韶光达到200万名开拓者，在过去的两年半里该数字翻了一番，目前CUDA的下载量已经超过了4000万次。
大模型走向多模态，技能持续演进，商业前景广阔人工智能（AI）的定义
1956年，达特茅斯会议召开，提出了“人工智能”这个名词，标志着AI作为一个独立研究领域的出身，该会议确立了AI的目标，即创建一种机器，其智能行为可以与人类的智能相媲美。 由于“智能”没有定义， “人工智能” 至今也尚无统一的定义。 当代人工智能技能是通过机器学习及由其驱动而发展起来的打算机视觉、自然措辞处理和语音识别技能来实现多模态数据领悟的现实交互。
人工智能（AI）的三大流派
符号主义，又称为逻辑主义、生理学派或打算机学派，其事理紧张为物理符号系统(即符号操作系统)假设和有限合理性事理。知识工程是符号主义人工智能的范例代表，知识图谱便是新一代的知识工程技能。 联结主义，又称为仿生学派或生理学派，认为人工智能源于仿生学，神经网络，特殊是对人脑模型的研究,主见模拟人类的神经元，用神经网络的连接机制实现人工智能。人工神经网络便是其范例代表性技能。 行为主义，又称进化主义或掌握论学派，其事理为掌握论及感知-动作型掌握系统。波士顿动力公司的机器狗和机器人便是这个学派的代表作。
两个打破奠定了深度学习的崛起
深度学习的崛起得益于两个打破：一是弘大数据量 （ImageNet数据集）；另一个因此GPU为代表的算力的 快速发展。 2012年的AlexNet神经网络模型是一个经典的CNN模型， 采取8层的神经网络，5个卷积层和3个全连接层(3个卷 积层后面加了最大池化层)，包含6亿3000万个链接， 6000万个参数和65万个神经元，利用CUDA加速神经网 络的演习，利用了GPU强大的打算能力，在数据、算法 及算力层面均有较大改进。
神经网络是当代人工智能的根本
神经网络又称人工神经网络(ANN)或仿照神经网络(SNN)，是机器学习的子集，同时也是深度学习算法的核心。神经网络其名称和构造均受到人脑的启示，可模拟生物神经元相互通报旗子暗记的办法。 Google的搜索算法便是最著名的神经网络之一。ChatGPT也是一种基于神经网络的谈天AI模型。天生式预演习是一种在自然措辞处理领域特殊成功的技能，它涉及以无监督的办法在海量数据集上演习广泛的神经网络，以学习数据的通用表示。
深度学习：基于对数据进行表征学习的方法
深度学习是从层到层的函数的繁芜组合，从而找到定义从输入到输出的映射的函数。深度学习可以通过组合低层特色形成更加抽象的高层表示属性种别或特色，以创造数据的分布式特色表示。深度学习的本色，是通过构建具有很多隐层的机器学习模型和海量的演习数据，来学习更有用的特色，从而终极提升分类或预测的准确性。 深度学习的优点是：学习能力强；覆盖范围广，适应性好；数据驱动，上限高；可移植性好。深度学习的缺陷是：打算量大，便携性差；硬件需求高；模型设计繁芜；可阐明性不高，随意马虎存在偏见。
AI框架是AI算法开拓的必备工具
AI框架是AI算法模型设计、演习和验证的一套标准接口、特性库和工具包，集成了算法的封装、数据的调用以及打算资源的利用，同时面向开拓者供应了开拓界面和高效的实行平台，是现阶段AI算法开拓的必备工具。深度学习平台下接芯片、上承运用，相称于“智能时期的操作系统”。
根据国际威信数据调研机构IDC发布《中国深度学习框架和平台市场份额，2022H2》报告显示，百度稳居中国深度学习平台市场综合份额第一，领先上风进一步扩大。中国深度学习开源框架市场形成三强格局，飞桨PaddlePaddle超过TensorFlow，框架市场前三份额超过80%。
算力板块投资的几条主线中国算力资源位居天下第二
根据中国信通院发布的《中国算力发展指数白皮书（2023）》显示，从根本举动步伐侧看，我国通用数据中央、智能打算中央持续加快支配，2022年根本举动步伐算力规模达到180EFlops，位居环球第二，在用数据中央机架规模超过650万标准机架，已投运智能打算中央达到25个，在家智能打算中央超过20个。 从打算设备侧看，我国近六年累计出货超过2091万台通用做事器，82万台AI做事器，算力总规模达到302EFlops，环球占比33%，增速达50%，个中智能算力保持稳定高速增长，增速达72%。
区域失落衡、云打算占比较低
根据《财经》的数据，中国算力资源位居天下第二，仅次于美国，但算力利用效率不高。个中有两个主要表现，一是数据中央上架率不足高，二是算力形态中云打算的占比也低。市场调研机构沙利文2023年数据显示，2022年中国数据中央整体均匀上架率为58%。中国算力地区供需也相对失落衡。华东、华北、华南地区上架率均在65%以上，西北、西南地区仅分别约为30%和40%。 根据《财经》节制的数据，美国做事器总规模约为2200万台，公有云做事比例超过65%。中国做事器总规模约2000万，公有云输出比例仅有28%，大部分做事器以私有云形式存在。
遍地所数据中央集群培植方案汇总
根据工业和信息化部副部长张云明在2023年7月的发言，我国算力根本举动步伐培植踏实推进。2018年以来，我国数据中央机架数量年复合增长率超过30%。截至2022年底，在用标准机架超过650万架。根据中国信息通信研究院测算，2022年我国算力核心家当规模达1.8万亿元。
环球做事器CPU市场估算
据Counterpoint统计显示，2022年环球数据中央CPU市场收入同比低落4.4%。AMD的数据中央CPU收入同比增长62%，霸占20%的市场份额。英特尔的数据中央CPU收入在2022年同比低落16%，而其市场份额低落至71%。基于ARM的CPU受到Ampere、Graviton（亚马逊）和Yitian（阿里巴巴）的青睐，收入首次超过10亿美元。 根据英特尔公布的财报数据，2022年英特尔DCG（数据中央奇迹部）营收为192亿美元，同比下滑26%。结合Counterpoint关于英特尔的市场份额来看，环球数据中央CPU市场规模大约在250~300亿美元。
报告节选：（本文仅供参考，不代表我们的任何投资建议。如需利用干系信息，请参阅报告原文。）
精选报告来源：【未来智库】。未来智库 - 官方网站
