AI芯片总结产业链投资机会

一、AI 芯片产业链全景(四层)

上游：EDA、IP、半导体设备、材料(卡脖子环节，国产替代长赛道)

中游：芯片设计、制造代工、先进封测、HBM 存储、高速互联(本轮景气核心)

下游硬件：AI 服务器、高速 PCB、光模块、液冷、电源、交换机(算力集群配套)

应用侧：算力租赁、智算中心、大模型、端侧 AI(手机 / 车载 / 机器人)(需求兑现端)

二、各环节投资机会梳理(按确定性、赔率区分)

1)核心算力芯片(XPU：GPU/DCU/ASIC/NPU)

逻辑：大模型训练 + 推理双轮驱动;训练芯片壁垒极高、寡头垄断;推理芯片百花齐放、国产替代空间大

海外：英伟达主导训练市场;AMD、谷歌 TPU、AWS 自研 ASIC 做差异化

国内：DCU/GPU、推理 ASIC、端侧 NPU 三条路线;重点看稳定量产、生态完善、适配国产算力集群的厂商

机会区分： ✅ 高确定性：已经规模落地、有稳定集群订单的国产算力芯片 ✅ 高赔率：推理专用 ASIC、端侧 NPU(车载、机器人、AI PC)

痛点：生态建设周期长、软件栈适配难度大、管制风险高

2)存力：HBM(高带宽内存)，本轮最强瓶颈之一

AI 不是算得快就行，瓶颈是数据搬运(存储墙)，HBM 和 GPU 绑定，CoWoS 封装是关键36氪

逻辑：训练 / 推理都持续拉高 HBM 容量与带宽;供给扩产慢，紧缺周期长

细分：HBM 存储芯片、HBM 封装、HBM 测试、内存接口芯片

机会：HBM 是算力集群刚需;国产 HBM 突破是第二曲线;存储模组、内存缓冲芯片

注意：普通 DRAM/NAND 受益弱于 HBM;价格周期波动大

3)先进封装(Chiplet、CoWoS、2.5D/3D 封装)

AI 芯片现在的主流路线：把 GPU、HBM、IP 核拼在一起，靠封装提升算力密度，不再单纯堆制程

方向：CoWoS、2.5D 封装、中介层、基板、测试、封装材料

逻辑：先进封装产能是比 EUV 更直接的短期瓶颈;国产 Chiplet 是绕开先进制程限制的重要路径

机会：先进封测厂、载板、测试设备、封装材料

4)运力(高速互联：光模块、光芯片、交换芯片、高速 SerDes)

万卡集群里，GPU 之间通信量指数上涨，算力卡脖子经常卡在互联，不是卡在 GPU 本身证券时报

光模块：800G 放量、1.6T 迭代，下一代 3.2T 远期;光模块属于算力集群 “刚需耗材”

上游：光芯片(DFB、EML)、TOSA/ROSA、高速连接器、DSP 芯片

交换芯片：数据中心高速交换芯片，国产化率很低，高赔率赛道

特点：订单兑现快、业绩弹性强，但技术迭代快、价格战风险

5)上游设备 + 材料 + EDA(国产替代长坡厚雪)

这是最硬核的自主可控主线，短期业绩弹性不一定最大，但政策和产业长期确定性强

EDA：AI 芯片设计必备工具，国产替代起步

设备：刻蚀、沉积、清洗、测试设备;先进制程设备难，成熟制程、封测设备更容易落地

材料：光刻胶、特种气体、靶材、湿电子化学品、封装基板、低介电材料

特点：偏 “卖铲子”，不管哪家芯片厂成功，都要买设备耗材;周期长、验证慢

6)服务器配套(整机、PCB、液冷、电源)

算力集群落地的最后一环，功率密度暴涨带来全新需求

AI 服务器 ODM 整机：绑定头部云厂商、算力运营商

高速 PCB：高频高速板、HDI、载板，AI 服务器 PCB 价值量远高于普通服务器

散热：液冷(冷板、浸没)是高功率 GPU 集群刚需，行业从风冷向液冷切换

电源：高压直流、高效电源模块，GPU 功耗持续抬升

算力租赁 / IDC：算力中间商，直接受益智算中心建设;但受芯片供给、电价、租金竞争影响大

7)端侧 AI 芯片(AI PC、手机、车载、机器人)

算力主线第二阶段：云侧训练饱和之后，推理下沉到端侧，是中长期主线

方向：车载 NPU、机器人芯片、AI PC NPU、边缘推理芯片

逻辑：大模型轻量化、端侧本地推理，降低云端成本;消费电子 + 汽车智能化共振

特点：短期弹性不如云侧算力，但是空间广阔、生命周期更长

三、三条投资主线(方便汇报直接用)

全球景气主线(高业绩兑现)：HBM、高速光模块、先进封装、AI 服务器、液冷配套;跟着海外云厂商资本开支走，订单能见度高

国产算力自主主线(政策 + 替代)：国产 DCU/GPU、国产 HBM、国产交换芯片、EDA、半导体设备材料;适合长期布局，波动更大

端侧推理主线(中长期)：车载、机器人、AI PC 的 NPU;属于 AI 渗透率扩散的第二波行情

四、核心风险(必须重点提示)

资本开支不及预期：云厂商算力投入放缓、大模型商业化落地慢，算力需求证伪

供给过剩：HBM、光模块、服务器产能集中释放后价格下跌、毛利率下滑

技术路线风险：新架构、新互联方案(光互联、存算一体)颠覆现有路线

管制风险：高端芯片、设备、材料出口限制，影响供应链

估值风险：硬件板块周期属性强，高景气阶段估值容易打满，一旦景气拐点调整幅度大

商业化风险：很多 AI 芯片性能达标，但软件生态、适配、成本不如海外龙头，难以放量

五、产业链轮动顺序(周期观察顺序)

云厂商资本开支计划 → GPU/HBM 订单 → 先进封装产能 → 光模块 / 高速互联 → 服务器整机、液冷电源 → 算力租赁、模型应用 → 端侧芯片 简单说：先算力硬件，再配套，最后应用与端侧。

六、一句话总结(PPT 收尾)

AI 芯片产业链投资，本质是算力扩张带来的 “算、存、传、封” 基础设施升级;短期优先看瓶颈环节(HBM、先进封装、高速光互联)，长期看国产替代 + 端侧推理下沉两条主线，同时区分 “业绩兑现” 和 “主题预期” 两类标的。