电子行业点评：ChatGPT引领AIGC，高算力芯片为产业基石_股票频道

ChatGPT有望颠覆传统搜索引擎的应用模式，并作为智能化工具大幅提升生产力。

ChatGPT 能对有关信息进行智能化整合，并通过连续对话对相关话题进行二次检索与处理，未来有望替代搜索引擎成为信息检索的主流方式。在第三产业占比提升以及人口红利减少的趋势下，AIGC 强大的内容生产能力有望提升部分岗位的生产力甚至进行替代，具备高确定性长线发展逻辑。

从产业链看，AIGC 的产业链可分为应用层、大模型层与芯片层。大模型层解决数据、算法问题，芯片层解决算力问题。AIGC 产业链可分为三层，

（1）应用层：其主要涉及客服回复、新闻生成、代码编程、芯片设计等应用场景，目前整体的商业化落地方式仍在探索阶段；

（2）大模型层：其主要通过构建模型的框架、提升数据集的质量，使得 AI 模型具备更强逻辑推理能力与学习能力。国外的代表厂商为Open AI、谷歌等，国内则为百度、阿里、字节跳动、华为、商汤等，这些厂商本身拥有海量的真实场景数据，具备模型训练优势。目前谷歌、百度等厂商也均进行ChatGPT 相关产品的布局。百度 2月 7日发布其聊天机器人文心一言；谷歌于北京时间 2月 8日，正式披露竞品 Bard；

（3）芯片层：AIGC 模型实际效果的好坏依赖两个量级——模型参数的量级与训练数据的量级，而两者的提升均需底层大量的算力支持，该环节目前对外依赖严重，国产自研率低。

AIGC发展带动芯片层 GPU/CPU/FPGA增量需求，“卡脖子”问题亟待解决。AIGC产品的升级迭代依赖的算力快速提升，如 GPT-2代大约有 15亿个参数，而 GPT-3代则有 1750亿个参数。算力需求将带动 GPU、CPU、FPGA 等芯片的发展，对需求量与芯片性能提出更高要求。自然语言类 AI 的数据处理通常由高性能 GPU提供基础算力，AI 行业龙头主要采用英伟达 GPU 芯片进行开发训练。而在文本搜索、内容推荐场景，部分厂商也会使用 CPU 进行分布式计算环境的搭建。同时FPGA 凭借可重复编程的灵活性，可进行快速定制化运算的研究和设计，提高 AI计算加速的稳定性。目前部分高性能 GPU（如英伟达的 A 100GPU 与 H 100GPU）已被禁售，高端算力芯片成为 AI 产业发展的“卡脖子”核心环节，具备高国产替代紧迫性。

国内 HPC（高性能计算）厂商多维发力，算力提升、数据传输、数据存储三大方向齐头并进。我们认为 AIGC 行业的发展离不开算力提升、数据传输、数据存储三大方向的国产自研。

（1）算力提升：国内外算力芯片仍存在较大技术差距，景嘉微作为国内 GPU 龙头持续在产品端发力，22H2推出 JM9系列第二款 GPU，已实现在政务、电信、电力、能源、金融等多个行业的试点应用。海光信息在接受AMD 的 Zen 架构授权后，已完成对 x86架构的消化、吸收，并独立实现海光三代的研发。目前，海光三代已实现销售，将成为 2023年公司销售的主力产品；

（2）数据传输：更高的算力需要更强的数据传输能力配合，AI 服务器中连接处理器和内存的主板 PCB、加速卡用 PCB 也需要使用更高规格的高价值 PCB 以减少损耗，深南电路等国内厂商凭借在传统领域的技术积累，快速拓展数据中心、人工智能等领域，拥抱 AIGC 发展浪潮。

（3）数据存储：AIGC 算力需求的提升同步带动数据存储量的指数型增长，并有望加速存算一体化趋势的发展。AIGC 的发展有望成为兆易创新、聚辰股份等厂商的新兴业绩增长点。

投资建议：

（1）在 GPU 芯片领域建议关注景嘉微、海光信息，同时建议关注 GPU龙头英伟达的核心供应商胜宏科技；

（2）在 CPU 芯片领域，建议关注具备自研架构的龙芯中科与采用 Zen 架构的海光信息；

（3）FPGA 芯片领域建议关注安路科技、复旦微电与紫光国微；

（4）数据传输领域建议关注沪电股份、深南电路；

（5）数据存储领域建议关注兆易创新、聚辰股份、江波龙。

风险提示：研发失败风险、商业化落地受阻风险、行业竞争加剧风险、全球贸易摩擦风险。