资料源：天风证券；作者：潘暕、骆奕扬
1.预计2024年半导体周期开启复苏
全球半导体三月平均销售额连续4个月同比正增长
周期的成因：供需趋势的不可预测性
• 未来需求的不可预测性：
往往是新的大单品出来，大厂没有提前备充足的货，如历史上的智能手机换代对半导体的需求拉动
• 未来供给（市场竞争格局）的不可预测性：
对市场竞争对手的产能判断失误（数据不透明），例如华为被制裁后，各家手机厂商大量备货抢份额最后导致行业库存过剩，例如功率半导体紧缺后各大厂大力扩产导致行业走向供过于求
• 不可预测事件的发生：
例如中美贸易冲突，对供应链造成的扰动（快速增加海外产品备货同时加快国产验证）例如疫情对供应链造成的扰动（每个环节增加备货）
• 为什么会判断错误？
产业链数据不透明：多数属于商业机密，中美贸易冲突后更加不透明
长鞭效应：产业链长，从设备材料，到制造封测，再到各类ic设计，以及层层分销，环节众多，有长鞭效应科技行业技术进步的不可预测性：产业链总是看到订单才相信趋势
本轮周期上行预计AI是主要驱动力
行业库存预计1H24回到正常水位，AI驱动的环节有补库动力
预计1H24半导体库存回到正常水位，部分环节有望优先开始补库存。①半导体库存周期平均39个月（约3年），上轮库存高点在22Q2-Q3。②全球芯片平均交货周期近一年持续下降，2024年2月已回到2021年一季度水平。③部分环节（如AI服务器/智能手机）优先完成库存去化，甚至开始补库存.
产能端扩张趋于理性，新需求普及或加快扩产进度
①成熟制程的产能利用率在23年旺季维持在较低水位让扩产进度更趋理性，如中芯国际（3Q23 77.1%；4Q23 76.8%）、华虹半导体（3Q23 86.8%；4Q23 84.1%）。
②全球新建半导体工厂数量2022年达到顶峰33座，23年稍有下滑。
③全球晶圆厂资本开支4Q22达到阶段高点后连续四个季度环比下滑体现了晶圆厂扩产趋于谨慎。若AI带来的新需求超过业界判断，或将引起新一轮缺货涨价潮。
价格端以存储为代表的电子产品开始涨价，市场信心逐步建立
根据闪存市场数据，NAND价格指数自2023年8月触底以来，已有约80%涨幅，DRAM价格指数相对底部也有超30%涨幅，考虑到AI对智能终端的拉动，以及国产模组渗透率有望提升的趋势，预计国产模组厂产品涨价趋势年内具有较好的持续性，产品的持续涨价逐步建立了市场信心，为新一轮周期上行做好准备。
AIGC快速迭代，需求端创新确立方向
近年来AIGC快速迭代，根据IDC ，未来 3 年，ARVR 、视频分析、知识图谱、自然语言处理将成为 AI 单点技术主要发力点。视频分析、ARVR 与知识图谱需要基于强大的算力来满足渲染、实时视频分析、复杂计算场景需求，是主要的3 个高算力消耗单点技术。
2022 年全球AIGC市场规模为107.9 亿美元，Precedence Research预计，2030 年将达到约731.6 亿美元，复合增长率27%。
二.看好AI推动半导体周期上行
半导体周期：当前处于相对底部，需求端看AI
• 需求端：核心看AI，AI手机，AI PC，AI+其他终端产品
增量方面：关注AI对硬件的增量，包括云端算力、终端NPU、存储空间增加等
存量方面：关注AI硬件和AI应用搭配下，对换机需求的拉动（2024年手机和PC大盘预期恢复增长，AI让增长提速），进一步带动全产业链的超预期
涨价方面：供需关系改善后，由于AI新需求带来的涨价品种值得被重点关注
• 供给侧：成熟制程核心观测产能利用率，先进制程看扩产，以及国产替代进度
目前成熟制程产能并不紧缺（中芯国际产能利用率（3Q23 77.1%；4Q23 76.8%）、华虹半导体产能利用率（3Q23 86.8%；4Q2384.1%） ），成熟制程的扩产也趋于理性；
先进制程持续短缺，AI带来的算力方面需求主要体现在先进制程领域，预计供需格局较好，但扩产受制于美国核心设备供应；
先进制程/先进封装，所用的设备/材料，预计扩产需求持续提升，且因为技术壁垒较高具有较好的竞争格局
• 不可预测事件的发生：对可能影响行业趋势的重大事件敏感
中美贸易的不确定性
AI时代，存储有望从“价格“步入”价值“周期
存储是一个周期性的行业，回顾2019-2023 这一轮周期变化，经历了供过于求、疫情缺货、库存超跌等等，最后以原厂主动减产控产而告终。展望 2024-2026 年这一轮新周期，是以新技术和AI PC 等 应用来激发存储的潜能，走出传统的价格周期，进入新周期存储的价值周期。
NPU助力智能终端进入AI时代
与CPU和GPU相比，NPU在以下几个方面具有明显优势：高性能：AI任务要求NPU具备高吞吐量的运算能力，以支持快速的数据处理和实时的推理。对于下一代AI PC，英特尔于人工智能峰会上提出了至少40 TOPS的性能要求。可以预见AI对手机端NPU的计算能力也将提出较高要求
能效比：高能效比对于延长续航和减少发热至关重要。这要求NPU采用低功耗设计和能效优化方案，如动态电压和频率调整（DVFS）、专用电源传输轨道，以及微架构的优化，以实现高性能的同时保持低功耗
内存管理：当前大语言模型的token生成效率受限于内存带宽。因此，NPU需要具备高内存带宽，以支持大量的数据读
写操作；例如，采用LPDDR5x等高性能内存接口设计，以满足AI模型的内存需求。同时，NPU也需要具备高内存效率，以减少数据移动的延迟和功耗；如采用内存层次结构等技术进一步优化整体性能。
Ryzen 8040系列处理器配备4nm Zen 4 CPU 核心架构，最多 8 核/16 线程，主频提高到5.2 GHz；拥有RDNA 3 图形核心架构，高达 Radeon 780M iGPU（12 个计算单元）；配备了XDNA NPU，拥有16TOPS的AI算力，AI性能相比上一代提升了60%。TDP 范围为 15-54W。
看好AI推动手机开启新的换机潮
面对智能终端市场的增长乏力，手机企业希望借助生成式AI手机开启新一轮增长周期。市场研究机构IDC数据显示，2023年全球智能手机出货量同比下降3.2％，出货量创十年来新低。市场研究机构Canalys预测，对于端侧AI能力的需求有望刺激新一轮的换机潮，有助于拉高设备的平均销售价格，AI能力将成为中国手机厂商推进高端化的有效发力点。生成式AI将带来继功能手机向智能手机转型之后最大的用户交互变革，有望成为智能手机市场新的增长动力，并将显著改变市场规模，加快升级速度。
AI PC渗透率有望持续提升，换机潮带动产业链重回增长
AI赋能智能音箱/智能手表等其他终端
AI 技术、大模型在智能音箱、智能手表等智能硬件上的应用逐渐增加。智能音箱和AI大模型结合成为未来发展趋势之一。ChatGPT等模型的语义深度理解有望应用于智能音箱等语音交互终端，以提升用户体验。智能手表厂商有针对性地在其设备生态中集成生成式AI，重点拓展健康和健身跟踪应用场景。随着厂商逐渐意识到，这些功能在促进用户交互和提高用户忠诚度上起到的重要作用，厂商正将大力开发AI驱动的解决方案，以提供可行的见解和个性化建议。
代表性新产品
Galaxy Ring：三星电子计划生产40万台今年首次发布的第一代智能戒指产品Galaxy Ring。智能戒指是一种像戒指一样佩戴的可穿戴设备。通过智能戒指上安装的各种传感器，您可以使用智能手机应用程序检查您的身体和健康信息。初始数量是指产品推出后立即在全球主要市场首先获得销售的数量。
Rabbit R1：从产品形式和交互方式来看，Rabbit R1可以被视为智能音箱的变种。这款产品具备交互式问答功能，在绑定Uber、Spotify等账号后，用户可以通过语音操作播放音乐、打车、订餐、规划旅行等。Rabbit R1还具备视觉识别功能，可以识别冰箱里的食物并为用户规划低热量晚餐。该产品利用自家的大型动作模型（LAM）学习并重复用户在PC端的操作。用户只需发出语音指令，Rabbit R1就能重复此前在PC端的功能。
OPPO Watch X：OPPO在OPPO Watch 4 Pro上增加了血糖表盘，支持连接CGM动态血糖仪，可以在表盘上查看血糖数据情况，OPPO Watch X 也延续了该功能。OPPO健康实验室建立业内首个数字手腕数据模型库，模拟不同生理状态下的血液循环以及组织光学的特性，从而大大扩展手腕模型的样本量，降低手表监测在不同的肤色和手腕状态下的误差。
三.潜在风险提示
AI应用落地不及预期： AI 算法技术及其应用的推广面临一些挑战 ，大模型在数据安全、准确性、道德问题以及潜在的模型窃取和攻击方面存在隐患。 AI 的商业化路径尚不明朗，消费型大模型的收费模式还在探索中，企业端接口的收费水平和未来的商业模式同样不确定。
研发进度不及预期：存储产品技术持续升级，如果相关公司不能准确把握市场需求，持续研发新品保持竞争力，存在市场份额丢失风险。
行业竞争加剧：存储行业近年来有新厂商持续进入，如果新增厂商持续增加，供给持续过剩，则会对相关公司产品出货及价格造成一定压力。
宏观经济下行风险： 受整体宏观经济、国际地缘政治冲突及半导体周期下行等因素叠加影响，消费电子市场受到较大冲击，国内外市场需求均呈现不同程度的疲软。