解读芯片设计AI产业硅基大脑

先简单的帮我们回顾一下这一轮行情，它的核心驱动力是什么，以及我们跟上一轮有哪些不一样。 好的，其实历史上半导体的这个周期的话，可能一般3到5年的一个周期。 那么呃从历史的这么多轮的半导体的周期来看的话，每一轮的半导体周期其实都是由比如说单个单品，比如双导体的周期。 像今年的也不是今年，其实是从25年开始，这一轮半导体的周期的话，我觉得它其实也是类似的。 这次的一个核心的催化的话，主要是来自于我们所说的AI的基建的这样的一个大的背景。 我们可以发现现在对于整一个AI I的上游，包括我们的一些需要去服务于AI I的这些算力端的这样的一些相关的。 无论是材料还是设备，还是说我们的这些服务器算力中心这些部分，其实是我们过去一两年时间市场关注最高的。 但是我们从我们刚一开始去复盘过去的这些半导体的这个周期来看的话，其实过去其实每一轮我们映射到最下游的这些应用的话，其实往往都对标的是我们单一的，或者说某一个我们的消费电子的个产品终端产品对吧。 但是我们其实这一轮的帮底周期的话，其实我们只刚刚演绎到上游的AI基建这个行情。现在目前对于应用端来看的话，其实像AI基建最终能够带给我们的主要还是在训练端和推理端的一些下游的需求。 实际上我们的包括我们像这个agents，包括我们的大模型，真正的在我们的学习工作、生活中的这些使用的话，我觉得还没有完全渗透套渗透到下游的一些终端。 我们可以去想象一个场景以后，比如说我们的这些agents，或者说我们所说的，以后这些带着AI I功能的，或者有大模型功能的这些软件，它慢慢起来了之后，我们的终端的，比如说我们的电脑，我们的手机，包括我们的车，是不是都需要他在那个呃芯片层面。 它在它的这个边缘计算的能力的个层面，是不是需要做一个做一个统一的，或者说做一个批量化的这么一个硬件的一个迭代。 其实我觉得那一轮的话，其实有可能是我们半导体的一个最最可能是更大的这样一轮周期的机会，所以说其实我们从现在这个时间点去看，这一轮AI I的革命带给我们这个半导体的这样的一轮大周期的话。 我觉得现在可能我们还处在一个半山腰的一个位置，我们可能只刚刚走到了上半段。 如果我们再去看海外链和国和国产链这个逻辑来看的话。 其实我们现在国产链这边的一个整体的发展，可能相对于海外链这边，它从技术层面，从这个整体的一个市占率渗透率的整整这样一个维度的层面的话，其实还处在一个更早期的这么一个阶段。 所以说我们觉得当前去看整个半导体的这个呃大的一个杯大，我觉得可能还没有走要从产业发展的叙势来看的话，远远没有走到那个大家会去担心是不是已经把整个产业的这个趋势走完了，我觉得还没有到那个阶段。 所以说从一个比较长的一个维度来看的话，我觉得半导体包括我们这轮AI I的这个行情，我觉得大家可以一个更长的一个视角去思考。 对呃，王老师。 好的，非常感谢蔡总刚刚非常细致的帮我们去拆解了一下这轮行情的一个核心驱动，也就是AI的技术革命，再叠加我们的国产替代以及未来，也是帮我们做了一个非常长周期的这样一个展望。 接下来我们再深入到这个产业细节，因为我们知道半导体芯半导体芯片它可以说是作为引领全球科技行业的一个高精尖的技术产品，它的产业链其实是非常长的。 而我们做投资普通的散户也非常希望说能够把握到整个产业链环节当中最有价值这一部分，那就像刚刚蔡总所提到的，就是我们可能目前的这个市场环境会对于像之前对于这个制造环节，尤其是半导体的材料设备，相对来说我们可能会更加熟悉。 直接上可能有很多散户就像我一样，会觉得说造芯片的厂房，然后我们的光刻刻蚀清洗之类的各种设备，其实是门槛会更高，我们觉得它的价值可能会更高。 但实际上是不是这样呢？也想请蔡总帮我们整体梳理一下，就是从整个半导体的产业来说，各个细分环节它的价值配分配到底是怎样的那我们的芯片设计的这个环节，它的价值能占多少？好的，对，这其实是一个非常有意思的一个话题。 因为其实从今年，尤其是今年，其实市场最聚焦的一个参与AI投资的这么一个逻辑，本质上是去炒这个涨价和通胀的这么一个逻辑。 但是实际上从整个半导体芯片的一个产业链来去做拆分的话，我们可以发现，反而是芯片 设计的这个环节，在整个半导体产业链里面的价值量是最高的。 我们先可以看一下整个半导体的话，上游我们分材料对吧？然后还有那个设备，其实芯片设计也一定程度上它是一个偏上中上游的这么一个环节。 因为你其实大家可以想是其实这个芯片设计公司它核心干的是什么呢？他去借助这些埃批盒，包括利用这个eda a的软件，然后最后去设计出来我们这个芯片到底要怎么样去去做这个芯片？他把这个设计图、设计稿给弄出来，再把这些东西给到我们偏中游的中游下游的这个叫f的。 我们金圆厂的这些代工的精圆代工的这样的一些公司，然后这些公司。 他再去去采买这些原材料，包括去用芯片制造的这些设备。 像刚刚主持人提到的刻蚀，包括这些设备，然后再去结合我们的芯片设计公司的这个方案去生产这个芯片。 然后最终把生产出来的芯片给到下游，比如说CSP厂商，就是我们的云云厂对吧？做模型的，做训练，可以做推理的，然后包括给到我们比如说汽车，或者是我们的消费电子的一些企业。 然后最终去走完这一整条的半导体的产业链。 在这样一个产业链里面的话，其实我觉得芯片设计公司的话相对来说是一个比较有意思的一个存在。 首先第一点大家去想一想，我们从大大家在大家在炒这个AI或者去参与AI的这个行情的时候，最关注的是什么？其实我们从四月，比如说四月这一波AI的行情，市场关注最高的，比如说我们的PCB，包括我们MLCC对吧？那其实这些东西包括我们的存储对吧？大家有没有想过这当时如果没有吵起来，其实核心的一点是当时有一个有一些专家，他们去拆了英伟达的这个MVL72单柜的。 这个单柜的价值量换句话说是什么？大家会发现英伟达它是家什么公司？它是一家芯片设计公司。 最后其实往往是这些芯片设计公司，它的这个产链产业链里面起到了一个决定下一代的芯片，下一代的AI I服务器到底长什么样，该怎么去设计。 这个是芯片设计公司在做这样的一个总策划时。 所以他们在整一个半导体产业链里面的话语权，其实是非常强的这是一个很重要的点。 然后第二个点，从商业模式的一个角度来看的话，其实半导体的这个芯片设计的公司，他们采取的是一个叫Fabus的这样一个模式。 他们最终加工包括像制造这些要去采买原材料，设备，这些都扔给下游的厂了。就是我们刚刚说的那个金圆厂对吧？那所以说对于芯片设计公司来说的话，它的这个投入主要是在于比如说研发，包括可能对于埃批和的这这些的一个投入。其实他在经营杠杆这块上面的话，往往要比半导体其他的一些环节，它的价值量，它的一个弹性要更高一些，它的这个经营杠杆的要更高一些。所以说从这个商业模式的这个角度去看的话，其实咱们芯片设计的这个环节也是比较有意思的，也是比较有高弹性的。所以其实过去的话，其实很多人没有聊清楚半导体芯片设计到底是干什么的其实我觉得可能跟主持人这么一聊，大家可能会对于这个环节到底是做什么就会更加的了解。那么我们再去看一下，因为我们刚刚半导体芯片设计的从这个拆分的话，其实是根据整个工艺的流程去拆中间一个环节。实际上我们再去看它下游的一个映射出来的相关的一些芯片的种类。其实芯片设计公司它不仅会设计我们所说的这些逻辑芯片，存储芯片。其实其他的一些比如说模拟芯片的这些，包括光芯片，其实它也会去设计。所以说其实对于芯片设计公司来说的话，它其实核心讲的是它的它是一个产业链的一个环节。具体从下游的一个占比来看的话，当前的确在这些芯片设计公司里面，像这个逻辑芯片和存储芯片的占比是比较高的。这边我其实也可以提供一些数据，比如说我们从整个半导体产业链里面来看的话，芯片设计的这个环节可能能够占到我们整个半导体产业链里面56%的这么一个价值量的占比。就50以上一半以上的价值量占比其实被这些芯片设计公司给拿走了。在这部分里面又有差不多60%，就六成以上的其实是目前的聚焦在我们的逻辑芯片和我们的存储芯片上。逻辑芯片其实就是GPUCPU，包括一些AI I的asic这些芯片，包括TNPU、TPU这些，其实这些都是逻辑芯片。然后另外存储芯片的话，大家可能也都比较熟了M对吧？HBM这些，所以目前的话大概是这样的一个格局。主持人，好的，非好的好的，谢谢蔡总的一个拆解。所以我们可以看到，虽然我们说芯片设计公司它是一个轻资产，但它其实是在整个行业整个行业里面是举足轻重的。 它可以去决定他下游的一些，包括我们的AI硬件是怎么它的一些用量，以及它未来的一个发展的方向和路径。同时我们也说芯片设计像英伟达，它可能有一些软件生态一些顶级的人才，包括它的EDA所有的这些这些所有的要素来构建起来。这个芯片设计它在整个行业里面一个长期的一个壁垒，也是整个AI算力爆发最先受益的环节。了解了整个产业链的价值，我们再来仔细去看一下各个算力芯片，或者是各个芯片的一个分类。就像刚刚蔡总提到的，我们可能一提到算力芯片，我们知道算力芯片是AI的核心。但是很多朋友就像刚刚提到蔡总说到了很多芯片，比如说GPU、NPU、TPU.然后在说到这些的时候，我其实是觉得可能很多朋友是蒙的。就是我们分不清楚他们之间的差距和有什么样的一些用途上的一些区分。所以能不能请蔡总先帮我们简单去讲三个种类。一个是GPU、NPU和TPU他们到底是什么？然后为什么他们会如此的重要？好的，其实GPU的话，它其实最早是用作图形处理的，但是现在的话，其实在这个AI I服务器这个阶段的话，GPU的一个占比是比较高的。因为它比较适合于去做这些大规模的并行计。算，所以说现在其实GPU这边在我们用作AI I服务器这一块的话，其实它整体的一个价值量占比其实比较多。全球的一个角度来看的话，GPU可能占了差不多有八九成以上的这么一个份额。最代表的就是比如说像英伟达的ru的这个架构？那其实一台机子可能比如说700到800万美金。其实从这个bom的一个拆解去看的话，单纯的这个g pu就可能会占到它一半的这么一个bom的一个成本。所以说GPU的话，其实它主要是怎么说，它是这样的一个特征，大家可以想想，就是它最早是用作图形设计的这是它的一个很大的一个特征。另外对于npu这边来看的话，我觉得npu主要的一个特征的话，他还是相对来说是专门去，它其实npu算是包括tpu它其实这两个都算是一个的芯片。对于NPU来说的话，他首先第一个它也是能够去专门的去为神经网络的这个运算去做相关的一些定制。 所以说相对于如果说g pu他是一种更偏全能型的这种选手的话，那么NPU的话相对来说它可能会更加的去聚焦在推理端，因为它的功率相对来说会稍微低一些。那么对于TPU这边来说的话，它其实它是谷歌这边一开始是谷歌这边最新最先提出来这个t pu的这样的一个概念的那它的一个中文名叫张量处理单元，也比较抽象。但是他本整体上来说的话，它其实可以去做正反向的推理和训练。换句话说他也可以去做推理的这样相关的一些工作。所以说我们可以发现在谷的它的一个TensorFlow的这个框架下面的话，其实就会用到像他这边的这个TPU的这样一些特征。TPU相对于GPU的话也是它因为它也是一种asic芯片，所以说它也是一种相对来说是更加定制化的，有它自己的一些独特的一些设计的。相对于像g pu的话，它本身是从图形的一个处理直接拿过来去用作这个AI I的训练和推理。那对于TP来说的话，它在这个专用性上面做了一定的一个提升。所以说它能够起到更好的一个效果，去比如说去支撑大规模的这些模型的训练和推理。根据目前的行业的一些预测的话。可能到了30年之后的话，谷歌的这个TPU很有可能也会成为这个非级PU部分的最高的一个占他可能会达到这个非GPU的以外的这在我们的AI I的这些服务器里面，可能会达到4成以上的这样的一个占比。所以说其实TPU路径的话，也是一个非常大家关注度非常高的这么一个算力集群或者是AI服务器集群的这样一种核心的一种芯片的路径。好的。谢谢蔡总的。好的，谢谢蔡总的解答。给大家简单总结一下，就是说GPU的话它是属于通用训练的主力