公司深度研究报告：AI Chiplet MR三重共振，半导体探针龙头腾飞在即

维持“增持”评级，上调目标价110.60元。公司是本土半导体探针龙头，直接受益于AI、Chiplet、MR行业渗透，随着募投项目产能释放以及英伟达订单放量，公司将迎来高增长。考虑AI行业快速发展，英伟达AI芯片订单火爆，流片激增，上调公司EPS，预计2022-2024年EPS为0.45/1.58/2.45元（原预测0.45/1.24/1.97元），给予公司2023年70倍PE，目标价110.60元，维持“增持”评级。 公司为英伟达AI算力芯片的核心探针供应商，英伟达AI芯片订单上调将拉动公司探针用量。英伟达A100、H100芯片是目前AI产业发展最核心的算力原料。据公告，公司2019-2021年向英伟达销售测试探针收入分别为0.11/0.32/1.11亿元，占探针业务比例分别为57%、57%、71%。在AI浪潮下，英伟达A100/H100订单火爆，流片激增，公司探针将直接受益于英伟达芯片放量。我们有别市场的观点：公司是英伟达产业链核心标的，其探针订单与英伟达芯片放量存在一定线性关系，将是AI产业发展中能够直接业务受益的环节。 MR发布在即，MEMS精微零部件业务打开新的增长引擎。精微屏蔽罩广泛应用于苹果、华为、三星等品牌，用于屏蔽磁信号干扰等。 MR的推出有望复刻iPhone成长轨迹，公司作为MR产业链重要参与者，精微屏蔽罩将受益于苹果MR放量。 催化剂：英伟达流片量上调；AI产业发展超预期；MR产品发布。 风险提示：客户集中度较高；新产品不确定性；国际关系的不确定性。 1.盈利预测与估值 公司深耕半导体芯片测试探针及MEMS精微零部件领域，产品主要包括精微屏蔽罩、精微连接器及零部件、精密结构件以及半导体芯片测试探针。精微屏蔽罩与半导体芯片测试探针为公司最主要的收入来源，公司在两项业务上深耕专研，掌握先进的核心技术，获得国内外知名厂商认可。公司精微屏蔽罩与半导体芯片测试探针渗透率有望进一步提升，成为公司发展的双核驱动力。 公司为英伟达AI算力芯片的核心探针供应商，英伟达AI芯片订单上调将拉动公司探针用量。英伟达A100、H100芯片是目前AI产业发展最核心的算力原料。据公告，公司2019-2021年向英伟达销售测试探针收入分别为0.11/0.32/1.11亿元，占探针业务比例分别为57%、57%、71%。 在AI浪潮下，英伟达A100/H100订单火爆，流片激增，公司探针将直接受益于英伟达芯片放量。我们有别市场的观点：公司是英伟达产业链核心标的，其探针订单与英伟达芯片放量存在一定线性关系，将是AI产业发展中能够直接业务受益的环节。 MR发布在即，MEMS精微零部件业务打开新的增长引擎。精微屏蔽罩广泛应用于苹果、华为、三星等品牌，用于屏蔽磁信号干扰等。MR的推出有望复刻iPhone成长轨迹，公司作为MR产业链重要参与者，精微屏蔽罩将受益于苹果MR放量。 我们预计公司2022、2023、2024年营业收入为2.89、5.10、7.51亿元，同比增长-22%、76%、47%；预计公司2022、2023、2024年归母净利润为0.40、1.42、2.21亿元，对应EPS为0.45、1.58、2.45元，同比增长-61%、251%、56%。 表1:预计公司探针业务将迎来高增长 我们选取富创精密、新莱应材、江丰电子作为可比公司，三家公司均布局半导体零部件领域，与公司主营业务具有一定相关性。 PE估值法：公司探针受益于ChatGPT迭代和商用化，以及Chiplet技术对测试探针的刚需，公司精微屏蔽罩受益于苹果MR放量。未来公司两项核心业务将持续向好。公司半导体测试探针在A股具有稀缺性，无直接可比公司，所选可比公司为半导体设备零部件企业。考虑AI行业快速发展，英伟达AI芯片订单火爆，流片激增，直接代工公司探针业务发展，参考可比公司2023年47倍PE，给予公司2023年70倍PE，对应合理估值110.60元。 PS估值法：公司探针受益于ChatGPT迭代和商用化，以及Chiplet技术对测试探针的刚需，公司精微屏蔽罩受益于苹果MR放量。未来公司两项核心业务将持续向好。考虑AI行业快速发展，英伟达AI芯片订单火爆，流片激增，参考可比公司2023年7倍PS，给予公司2023年20倍PS，对应合理估值113.33元。 综合考虑，选用PE估值体系，给予公司2023年70倍PE，对应合理估值110.60元。 表2:可比公司估值表（截至2023年3月31日） 2.MEMS精微零部件龙头，进军芯片测试探针市场 公司厚积薄发，获得良好的市场口碑。和林微纳成立于2012年6月，是一家专注于微型精密制造的国家高新技术企业。长期以来，和林微纳保持对精微技术的持续创新和卓越追求。秉持技术为驱动，客户为导向的经营理念，通过一站式精微制造解决方案服务全球一流品牌客户，引领精微制造技术的发展。通过在精微制造技术领域的不断投入与探索，公司已积累多项核心技术及产品专利，发展成为细分行业具有一定国际竞争力的龙头供应商，产品得到众多国内外主流半导体厂商的认可，并取得良好的市场口碑。目前已设立美国、日本、新加坡，东南亚市场团队，服务全球16个国家和地区的客户。 图1：公司专注于MEMS精微器件与半导体探针业务 公司股权结构稳定，注重员工权益保护。截至2023年3月7日，公司董事长、总经理骆兴顺持股34.33%，为公司实际控制人。公司副总经理钱晓晨持股8.68%。公司重视建立和完善员工、股东的利益共享机制，实施员工股权激励计划。苏州和阳为公司的员工持股平台，持股5.34%，有利于激发员工的积极性、创造性，提升团队的凝聚力，切实保障员工权益。 图2：公司股权结构稳定 公司的主要产品可分为微机电（MEMS）精微电子零部件系列产品以及半导体芯片测试探针系列产品。微机电（MEMS）精微电子零部件系列产品主要包括精微屏蔽罩、精微连接器及零部件以及精密结构件，主要应用于声学传感器（微型麦克风）、压力传感器等MEMS传感器；半导体芯片测试探针系列产品主要包括半导体芯片测试探针深抽拉套筒产品、射频芯片测试一体化探针、高频高速50GHz测试探针以及组件及引脚0.15pitch及以下微型测试探针等，主要应用于测试机及探针台等半导体封测设备。产品主要针对高端电子产品及应用领域，客户主要为国际知名MEMS厂商、半导体芯片制造厂商以及半导体封测设备及服务供应商。 表3:公司MEMS精微器件与探针产品广泛应用于消费电子、医疗、汽车、芯片制造等领域 表4:公司产品工艺流程管理严格，良率控制好 3.英伟达算力芯片是AI产业无法绕开的最核心环节， 英伟达芯片订单火爆将拉动公司探针业务高增长 3.1.AI高速发展，各大厂商快速跟进 ChatGPT凭借强大对话能力，迅速获得用户青睐。2022年11月30日，AI公司OpenAI正式推出智能对话系统ChatGPT，用户可与该AI系统就日常生活，或协助写代码、文案创作、解决具体难题等相对复杂领域进行持续聊天，其回答有序且专业。ChatGPT的连续对话能力、强大的理解力、回答的准确度和创造性使其迅速走红。上线后短短5天，ChatGPT注册用户数就超过100万;仅两个月后，月活用户已经突破了1亿，成为一款现象级产品。 图3：ChatGPT对话系统出现初步的“智能” GPT的全称为Generative Pre-Trained Transformer，即生成式预训练Transfomer模型，是以Transformer为基础的预训练模型。Transformer是2017年Google在《Attention is all you need》论文中推出的一个利用注意力机制来提高模型训练速度的模型，该模型按照输入数据各部分的重要性的不同而分配不同的权重，Transformer模型推出后便开始主导NLP领域。 图4：Transfomer模型公开发布 图5：GPT的Decoder模型多次迭代，参数量指数增长 GPT模型数次迭代，参数量成几何增长。2018年6月，OpenAI推出了初代GPT模型，该模型仅使用了Transformer的Decoder结构，并对Transformer Decoder进行了一些改动，其参数量为1.17亿。推出第一代GPT后，OpenAI相继于2019年2月推出GPT-2（参数量15.4亿），2020年5月推出GPT-3（参数量1750亿），2022年初推出GPT-3.5。ChatGPT便是在GPT-3.5模型的基础上进行微调的。 表5: GPT每次迭代对参数量和计算量需求指数增长 图6：ChatGPT训练过程需要标注与奖励模型等步骤 ChatGPT开启AI新世界，成为AIGC发展“加速度”。AIGC，即人工智能自动生成内容，它可以基于训练数据和生成算法模型，自主生成创造新的文本、图像、音乐、视频、3D交互内容(如虚拟化身、虚拟物品、虚拟环境)等各种形式的内容和数据，以及包括开启科学新发现、创造新的价值和意义等。AIGC是生成算法、预训练模型和多模态技术等关键技术的融合，具备通用性、基础性、多模态、参数多、预练数据量大、生成内容高质稳定等特征。得益于ChatGPT等深度学习模型方面的技术创新,AIGC在2022年迎来爆发。 图7：AIGC是生成算法、预训练模型和多模态技术等关键技术的融合 表6:AIGC：生成算法+预训练模型+多模态技术的融合 表7:国外AIGC预训练模型丰富 AIGC产业生态体系已具雏形，囊括从基础到应用的全链架构。AIGC产业生态体系可分为上游基础层、中间层和应用层三层构架。上游基础层：由预训练模型为基础搭建的AIGC技术基础设施层。由于预训练模型的高成本和技术投入，因此具有较高的进入门槛；中间层：垂直化、场景化、个性化的模型和应用工具。预训练的大模型是基础设施，在此基础上可以快速抽取生成场景化、定制化、个性化的小模型，实现在不同行业、垂直领域、功能场景的工业流水线式部署，同时兼具按需使用、高效经济的优势；应用层：面向C端用户的文字、图片、音视频等内容生成服务。在应用侧，侧重满足用户的需求，将AIGC模型和用户的需求无缝衔接起来实现产业落地。 图8：AIGC产业生态体系的三层构架 AIGC运用场景广阔，拥有巨大的市场潜力。随着数字技术与实体经济融合程度不断加深，以及互联网平台的数字化场景向元宇宙转型，AIGC应用场景快速扩张。目前，AIGC已经率先在传媒、电商、影视、娱乐等数字化程度高、内容需求丰富的行业取得重大创新发展，市场潜力逐渐显现。与此同时，在推进数实融合、加快产业升级的进程中，金融、医疗、工业等各行各业的AIGC应用也都在快速发展。根据6pen预测，未来五年10%-30%的图片内容由AI参与生成，有望创造超过600亿以上市场空间。考虑到下一代互联网对内容需求的迅速提升，据Acumen Research and Consulting预测，2030年AIGC市场规模将达到1100亿美元。 图9：AIGC应用领域将从文本逐步延伸至代码、图像、语音、视频等领域 图10：海外AIGC行业参与者众多 图11：中国AIGC行业参与者众多 3.2.ChatGPT引发高算力刚需，英伟达算力芯片订单加急 AI芯片用于AI推理和模型训练，为庞大的模型和数据量提供算力支持。 AI芯片一般泛指所有用来加速AI应用，尤其是用在基于神经网络的深度学习中的硬件。AI芯片根据其技术架构，可分为GPU、FPGA、ASIC及类脑芯片，同时CPU可执行通用AI计算，其中类脑芯片还处于探索阶段；根据其在实践中的目标，可分为训练芯片和推理芯片；AI芯片根据其在网络中的位置可以分为云端AI芯片、边缘及终端AI芯片。云端主要部署训练芯片和推理芯片，为数据分析、模型开发（训练）及部分AI应用（推理）等提供算力支持。边缘和终端主要部署推理芯片，承担推理任务，需要独立完成数据收集、环境感知、人机交互及部分推理决策控制任务。随着人工智能技术日趋成熟，商业化应用将加速落地，推AI芯片市