电子行业2023年中期珍惜估值底部的高胜率布局机会,重视AI、MR、低估值和国产化方向.pptxVIP

电子行业2023年中期珍惜估值底部的高胜率布局机会,重视AI、MR、低估值和国产化方向.pptx

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
核 心 观 点行业景气萧条期指数在底部多波折,珍惜当前电子半导体估值底部的高胜率布局机会。我们维持预计全球电子产业 周期将于23Q3逐步退出萧条进入复苏的判断,截止23Q2,电子产业处于去库存末期。从23Q1全球半导体库存来看, 占比全球半导体产值过半的手机、PC等消费电子半导体原厂库存水位有所下滑,但下滑速度不及预期,主要系下游 需求相较于预期更弱,导致库存周转天数进一步提升。另外和工业、汽车相关的半导体原厂库存水位继续走高,目 前已接近进入供过于求的被动累库阶段。从海外二季报指引以及近期我们针对A股电子Q2收入毛利的测算来看,Q2 业绩环比改善明显,虽然同比业绩由于高基数仍然下滑,但下滑幅度收窄实现二阶导拐点,当前PC、手机等消费电 子大厂已吹响换机复苏号角,我们预计未来景气度将震荡上行,叠加AI、MR带来的新品放量以及价值量增加,最坏 时候已经过去,展望23H2我们维持预计全球电子产业有望实现同比业绩反转的观点,从萧条进入复苏,当前指数处 于高胜率布局区间。成长聚焦AI服务器、MR/空间计算、国产化。相较于2023年初,行业最大的变化莫属Chatgpt带来的AI算力投资激 增,以及苹果MR发布对下一代消费电子设备的新期望。基于我们的测算,短中期Chatgpt-4.0训练端算力需求14万 张H100,推理端算力需求2.5万张A100,远期多模态模型训练段算力需求72万张H100,推理端算力需求100万张 A100。我们认为,随着全球云计算服务器资本开支回暖,以及AI服务器的需求激增,23H2以及2024年服务器相关 硬件供应链弹性巨大。苹果MR发布后,我们认为,其视觉体验以及增强现实的场景功能提升有望将XR设备的定位 从游戏为主升级为办公/生活为主,成为继PC、手机后的新一代办公、娱乐消费电子设备,我们预计至2025年苹果 MR的市场空间将达1000亿元。此外,我们预计安卓厂商亦会跟进XR头显以及增强现实的技术方向,中远期空间计 算3D视觉相关硬件市场空间有望达到400亿元。以半导体为主的国产化率提升仍然是2023年电子成长股投资主线之 一,我们主要看好模拟IC、半导体零部件、半导体材料、数字IC、存储器和MLCC等领域。A股电子行业估值处于历史底部区间,未来胜率高。以中信电子指数(CI005025.W)为准,PB加权估值当前约 4.72x,历史分位数处于12%附近,由于A股半导体资产占比、ROE相较于上一轮周期底部(2019)有明显上升,因此 我们认为PB估值亦处于历史底部区域,展望23H2以及2024年投资胜率高。相关标的:1、穿越周期AI硬件:生益科技、源杰科技、长光华芯、兴森科技、通富微电;2、MR空间计算推荐: 奥比中光、长盈精密、杰普特、兆威机电;3、顺周期困境反转:生益科技、京东方A、乐鑫科技、神工股份;4、 国产化:圣邦股份、富创精密、茂莱光学、中瓷电子、华峰测控、兆易创新。风险提示:中美贸易摩擦加剧;全球宏观需求复苏不及预期。目 录穿越周期的AI投资机会苹果MR和空间计算行业投资机会国产化投资机会:半导体设备与零部件、模拟IC、IC载板、MLCC周期反转低估值投资机会:半导体、PCB、CCL、面板AI服务器:AI大模型的硬件基石,异构形式增强并行运算能力参数普通服务器AI服务器硬件架构以CPU为主要算力提供采用串行计算模式采用异构形式CPU+GPU、CPU+TPU、CPU+FPGA等采用并行计算模式四块以上的GPU卡 可以搭建AI服务器集群芯片数量单卡或双卡要求多卡间通讯性能采用PCIe 4.0/5.0、SXM3等协议通信针对系统结构、散热、拓扑等做专门设计P2P通讯一般只要求单卡性能特有设计无需特殊设计支持多种AI技术如机器学习、自然语言处理、机器视觉等专用技术无需专用技术大模型依赖于大量向量与张量运算。ChatGPT模型主要基于Transformer架构,采用Self-Attention机制对文本单词 进行权重赋值,并向前馈神经网络输出数值结果,这一过程需要进行大量向量及张量运算。AI服务器主要采取GPU架构,在矩阵向量运算上进行了加强,大数据集运算上具备较强优势。目前普通服务主要以 CPU进行通用逻辑运算处理复杂任务,而AI服务器则通常采用2颗CPU+4/8/16颗GPU/TPU/FPGA的方式来进行运 算,在大数据量并行运算层面表现更强。3数据来源:西南证券整理训练端与推理端差异:训练注重高精度,推理注重速度与成本参数训练服务器推理服务器功能基于大数据集训练大模型基于大模型使用新数据进行推理位置数据中心数据中心、边缘应用精度需求FP 16(A100)INT 8(T4)计算量庞大较小功耗高低存储对存储容量,通讯带宽、时延要求极高需求低于训练端GPU数量4 / 8 / 16取决于终端应用训练端:用

您可能关注的文档

文档评论(0)

535600147 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

版权声明书
用户编号:6010104234000003

1亿VIP精品文档

相关文档