报告行业投资评级 - 维持行业"领先大市-A"评级 [2] 报告的核心观点 - 钉钉宣布对所有大模型厂商开放,构建中国最开放 AI 生态 [1] - 目前,除阿里云的通义大模型,智谱 AI、月之暗面、MiniMax、百川智能等 6 家大模型厂商已经与钉钉达成合作 [1] - 构建开放生态有望联动数据优势与场景优势,双轮驱动加速 AI 应用落地 [1] - 钉钉将自身产品和场景向所有大模型厂商开放,构建开放 AI 生态,或催化赋能商业伙伴,共同推进大模型应用落地 [1] - 三种模式(一方品+大模型、Agent+大模型、定制解决方案)驱动开放 AI 生态体系持续发展 [1] - 技术成熟度决定了落地速度,而场景与技术匹配是产品落地的首要因素 [1] - 苹果宣布携手 OpenAI,将为苹果设备接入 ChatGPT,使用 GPT-4o 模型 [1] - 钉钉此次向大模型厂商开放生态,或进一步满足 PMF(Product Market Fit),在赋能产品和场景的同时也被 PMF 驱动,持续发展 [1] 报告内容总结 行业投资评级 - 维持行业"领先大市-A"评级 [2] 行业核心观点 - 钉钉构建开放 AI 生态,联动数据优势与场景优势,加速 AI 应用落地 [1] - 三种模式驱动开放 AI 生态体系持续发展 [1] - 技术成熟度和场景匹配是 AI 产品落地的关键因素 [1] - 苹果携手 OpenAI 接入 ChatGPT,为用户提供更多大模型选择 [1] - 钉钉开放生态满足 PMF,持续发展 [1] 投资建议 - 建议关注腾讯控股、网易-S、美图公司等相关公司 [2]

报告行业投资评级 - 维持行业"领先大市-A"评级[3] 报告的核心观点 - OpenAI 禁令发布,或利好国产大模型逐渐走到台前来,以本地化 AI 更好地赋能国内创业者和内容生产者[1] - 多家国产大模型厂商迅速做出回应,以优质的服务帮助用户迁移至国产大模型[2] - 国产大模型应用加速落地,确保数据安全是前提,有望为用户数据安全提供保障,长效利好端侧 AI 发展[2] 行业投资机会 - 建议关注腾讯控股、网易-S、美图公司等相关公司[3]

报告行业投资评级 - 维持行业"领先大市-A"评级 [2] 报告的核心观点 - 钉钉宣布对所有大模型厂商开放,构建中国最开放 AI 生态 [1] - 钉钉强调开放生态,AI 赋能 B 端业务发展 [1] - 三种模式(一方品+大模型、Agent+大模型、定制解决方案)驱动开放 AI 生态体系持续发展 [1] - 从技术突破到应用落地,AI 发展风向转变,场景与技术匹配是产品落地的首要因素 [1] 行业投资机会 - 关注腾讯控股、网易-S、美图公司、汤姆猫、昆仑万维、恺英网络、巨人网络、世纪天鸿、蓝色光标、南方传媒、天娱数科、引力传媒、捷成股份、视觉中国、华策影视、因赛集团、天下秀、上海电影、华扬联众、顺网科技、中广天择、万兴科技等公司 [2]

报告行业投资评级 - 维持行业"领先大市-A"评级[3] 报告的核心观点 - OpenAI 禁令发布,或利好国产大模型逐渐走到台前来,以本地化 AI 更好地赋能国内创业者和内容生产者[1] - 多家国产大模型厂商迅速做出回应,以优质的服务帮助用户迁移至国产大模型[2] - 国产大模型应用加速落地,确保数据安全是前提,有望为用户数据安全提供保障,长效利好端侧 AI 发展[2] 行业投资机会 - 建议关注腾讯控股、网易-S、美图公司等相关公司[3]

报告行业投资评级 - 维持行业评级为"领先大市-A" [2] 报告的核心观点 游戏行业发展情况 - 6月共有104款新游戏获得版号,全部为移动游戏,单批次过百款的水平已经恢复 [1] - 5月全球新游市场回暖,大厂陆续发布重量级作品,国内市场新游上榜数量有所回落,但破千万美元流水的爆款产品重新出现 [1] - 中国手游厂商表现突出,多款新游收入显著增长,如腾讯游戏收入增长12%,心动网络收入增长146% [2] 行业发展趋势 - 新质生产力成为关键,AI等技术进步有望推动游戏产业生产力进步,近八成企业在人工智能、数字孪生等领域有布局 [2] - 人工智能是前沿技术创新主要载体之一,与游戏产业有深度共生关系,将成为游戏产业发展的新质生产力关键性要素 [2] 行业投资建议 - 版号持续发放为游戏生态提供活力,新游戏表现优异,有望进一步促进行业发展 [2] - 建议关注姚记科技、腾讯控股、三七互娱等相关公司 [2] 风险提示 - 本报告未提及风险提示 [无]

报告公司投资评级 - 公司维持"增持-A"评级 [6] 报告的核心观点 关键技术持续精进 - 公司参与的项目"面向高性能芯片的高密度互连封装制造关键技术及装备"荣获2023年度国家科技进步奖二等奖 [3] - 公司与广东工业大学及相关产业方长期深入产学研合作,突破了电子高密度互连基板制造等多项关键技术,形成行业领先优势 [3] - 项目成果已获得国内国际一流龙头企业的严格认证与批量采购 [3] 封装基板业务发展 - CSP封装基板业务在坚守存储芯片赛道的基础上,射频类产品顺利进入量产,打开了进军中高端市场的通道 [4] - FCBGA封装基板项目稳步推进,珠海工厂已有小批量量产订单交付完成,广州厂处于工厂审核阶段,预计于24Q3完成产品认证之后进入量产阶段 [4] - 公司已具备20层及以下产品的量产能力,20层以上产品处于测试阶段,具备从50μm至8μm精细路线的稳定量产能力 [4] PCB业务拓展 - 公司完成北京兴斐收购,实现高阶HDI板和SLP产品能力的突破,业务范围拓展至高端手机、光模块等领域 [5] - 受益于战略客户高端手机业务的恢复性增长和份额提升,北京兴斐合并报表期间贡献收入3.89亿元,净利润0.61亿元 [5] - 未来公司传统PCB业务未有扩产计划,重点放在数字化转型 [10] 财务数据和估值 - 2023年公司营收为53.60亿元,同比增长0.1% [11] - 2023年公司归母净利润为2.11亿元,同比下降59.8% [11] - 预计2024-2026年公司营收分别为63.26/77.60/90.01亿元,增速分别为18.0%/22.7%/16.0% [10] - 预计2024-2026年公司归母净利润分别为2.80/5.06/7.56亿元,增速分别为32.6%/80.8%/49.4% [10] - 公司2024-2026年PE分别为61.1/33.8/22.6倍 [10]

报告行业投资评级 - 领先大市 - A（首次）[1] 报告的核心观点 - 华为 ADS 智驾方案坚持多传感器融合路线，行业降本压力下硬件配置从超配转向贴合实际需求，带动整体硬件成本下降，单车传感器数量和车侧算力均减少，或探索“Max + Pro”双版本智驾硬件配置方案 [2] - 算法架构从 2021 年的 ADS 1.0 到 2023 年的 ADS 2.0 再到今年 4 月的 3.0 版本持续迭代，障碍物识别、车道识别及路径规划能力提升，3.0 采用端到端大模型和感知 + 决策分层的 GOD + PDP 架构 [2] - 智驾生态逐步扩大，华为与五大车企深度合作，三大合作模式下终端车企“朋友圈”开拓中，ADS 高阶包销售规模超 30 亿元，车 BU 接近盈亏平衡，华为积极参与国内智驾标准建立，有望引领产业发展，推荐关注华为合作智驾车型相关供应链机遇 [2] 历史迭代：从 ADS1.0 到 ADS3.0，坚持多传感器融合方案 - 华为高阶智能驾驶系统（ADS）最新版本为 2024 年 4 月的华为乾崑 ADS 3.0，预计在享界 S9 首发搭载，此前 1.0 和 2.0 版本分别于 2021 年和 2023 年发布，ADS 3.0 在软件架构及功能上升级 [6] - 从 1.0 到 3.0 配置方案均为多传感器融合，软件架构从 BEV 到 BEV + GOD 再到 GOD 大网 + PDP，核心智驾功能覆盖范围扩大，智驾级别为 L1 到 L2，搭载车型不断增加 [7] 硬件配置：化繁为简，传感器用量趋于减少 激光雷达 - 数量减少是硬件总成本降低核心原因，从 ADS1.0 的 3 个减至 ADS2.0 和 3.0 的 1 个，虽用量减少但硬件升级，从 96 线到 126 线或 192 线，分辨率和刷新频率提升 [16] - 国内激光雷达竞争格局变化，国产厂商市占率超 97%，预计 2024 年搭载量达百万级别，今年 Q1 速腾聚创市场份额过半 [20] 毫米波雷达 - 用量下降，ADS1.0 到 ADS2.0 从 6 个减至 3 个，华为推出自研 4D 毫米波雷达有望搭载享界 S9，其新增高度信息，可成像，探测距离、垂直视野和距离精度提升 [23] - 国内车载毫米波雷达以外资厂商为主，角雷达国产化进展优，华为、福瑞泰克、森思泰克角雷达有一定份额 [24] 摄像头 - 从多目转向双目，与行业主流趋势一致，ADS1.0 到 ADS2.0 前向摄像头从 4 个减至 2 个，前视方案成本降低 [27] 车载算力 - 车侧算力从超配转向贴合实际需求，从 ADS1.0 的 400TOPS 降至 ADS2.0 的 200TOPS，避免算力冗余带来的功耗和里程问题 [29] - 华为在智界 S7 探索“Max + Pro”双版本方案模式，行业部分主流智驾厂商也有类似方案 [31] 硬件方案变化的可能探讨：激光雷达 VS 毫米波雷达 4D 毫米波雷达 - 性能逐步向激光雷达靠近，具备成像功能，增加高度探测信息，提高静态物体识别能力，成本低且抗干扰能力强，主流厂商纷纷布局 [35] 激光雷达 - 价格随规模放量和原材料价格下降而下降，产品迭代速度快，成像能力强，业内厂商对其降本信心高 [36] 两者对比 - 目前激光雷达是主流方案，4D 毫米波雷达处于小规模试用阶段，其融合算法待发展，整体体量小 [38] 算法架构：从人工标注到自主决策，由有图转向无图 “识物” - ADS1.0 采用 BEV + Transformer 算法，需人工标注目标，存在“长尾效应” [40] - ADS2.0 和 3.0 从 BEV 走向 GOD，GOD 算法将世界划分为小立方体判断是否被占用，对异形障碍物识别表现强，3.0 仅保留 GOD 算法 [43] “识路” - 从有图到无图转变，高精地图更新慢、新城渗透速度慢，无图方案城市泛化速度快，华为 ADS2.0 实现多地城区 NCA 落地和全量推送 [44] - ADS1.0 通过高精地图实现车道识别，ADS2.0 转向 RCR 算法生成自身“高精地图”结合导航地图规划路径，3.0 进一步更新为 PDP [45] 华为智驾生态持续做大，有望继续引领我国产业发展 合作模式与车企 - 华为与终端车厂合作模式有零部件供应、HI 模式、智选车模式（鸿蒙智行），已与十余家车企建立合作关系 [48] 销售与盈利 - ADS2.0 高阶包已实现销售规模约 34.21 亿元，车 BU 接近盈亏平衡，预计 2024 年年底采用华为智驾的汽车达 50 万辆 [50][51] 标准制定 - 华为参与多项行业标准制定，涵盖自动驾驶网络、车辆定位、智能驾驶 L3、智能网联汽车等领域，促进产业共识形成和标准体系成熟 [53] 供应链 - 终端车企合作有三大模式、五大车企，不同模式对应不同车企和车型 [54][55] - 计算 SoC 主控芯片华为自研，供应链多为海外厂商 [56] - 传感器方面，激光雷达零件外企主供，通过哈勃布局国产替代；毫米波雷达芯片供应海外主导；摄像头、超声波雷达国内技术成熟 [64][66][67] - 华为合作车型还有其他零部件供应商，涉及智能座舱、智能驾驶、三电系统等多个领域 [68]

报告行业投资评级 - 报告维持行业"领先大市-A"评级[1] 报告的核心观点 - 鸿蒙操作系统移除Linux内核以及安卓AOSP代码,不兼容安卓,依托昇腾的算力和盘古大模型,HarmonyOSNEXT与"意图框架"相结合,小艺能智能匹配用户的个性化需求,带来系统级的AI能力,实现"原生智能"体验[1][2] - 除基础AIGC能力,小艺能实现跨应用操作,打破应用间壁垒,自研数据库ArkData使其具备"记忆"能力,首创安全访问机制,只有在用户同意的情况下获取数据[2] - 鸿蒙生态设备数量已超过9亿,有254万HarmonyOS开发者投入到鸿蒙开发中,5000多个头部应用已全部启动开发,实现出行、社交、金融、办公、生活、娱乐等18大垂域全覆盖[2] - 大型模型参数量的提升增强了AI Agent的理解和泛化能力,提供个性化、连贯的交互体验是目前AI Agent构建关键,其商业价值核心因素之一是用工程化的思想提高群体的工作均值[2] 行业投资机会 - 建议关注腾讯控股、网易-S、美图公司、汤姆猫、昆仑万维、恺英网络、巨人网络、世纪天鸿、蓝色光标、南方传媒、天娱数科、引力传媒、捷成股份、视觉中国、华策影视、因赛集团、天下秀、上海电影、中广天择、万兴科技等[1]

报告的核心观点 - 财政收支缺口难以填补,需要采取多种政策工具来应对 [2][3][4] - 基建投资增速预计将有所放缓,主要受地方债务风险化解和专项债发行收益性要求提高的影响 [2][3] - 一般预算收支缺口可能无法完全填补,中央一般预算内普通国债的适度增发成为现实的政策选择 [3][4] 一般公共预算 - 5月一般公共预算收入同比下降3.2%,主要受企业所得税同比大幅下滑11.2个百分点的拖累 [2] - 一般公共预算支出同比增速下行3.5个百分点至2.6%,其中科教文卫支出下行较多 [2][8] 政府性基金预算 - 5月政府性基金收入同比下降22.2%,创15个月新低,主要由于土地出让金收入同比下降27.4% [2][3][10] - 政府性基金支出同比下降14.2%,主要得益于专项债发行加快和特别国债启动发行 [2][11] 地方债务发行 - 5月地方债券发行进度较4月大幅提升10.8个百分点,但仍低于2022年和2023年同期水平 [3][12] - 项目收益性要求提高,令专项债和特别国债发行难以大幅提速 [3]

报告行业投资评级 报告给予行业"领先大市-A"的投资评级,维持首选股票评级。[2] 报告的核心观点 1) FOPLP 技术有望加速渗透 AI 领域,成为满足人工智能计算需求的关键技术。FOPLP 技术相比传统 CoWoS 具有更大的封装尺寸和更好的散热性能,能够支持更大规模的芯片集成,提高性能,并减少功耗,有助于缓解当前 CoWoS 产能紧张的问题,并提高 AI 芯片的供应量。[1] 2) FOPLP 基于 RDL 工艺,面积使用率显著提升,成本下降 66%。FOPLP 相比传统封装方法提供了更大的灵活性、可扩展性和成本效益,其高面积利用率有效减少浪费,同时能够在一次封装过程中处理更多芯片,显著提高封装效率,形成强大规模效应,从而具有极强成本优势。[2] 3) 先进封装产业链各环节(封测/设备/材料/IP 等)将持续受益。随着先进封装技术持续推进,各产业链将持续受益,建议关注封测、设备、材料等相关标的。[8] 报告分类总结 行业投资评级 - 报告给予行业"领先大市-A"的投资评级,维持首选股票评级。[2] FOPLP 技术在 AI 领域的应用 - FOPLP 技术有望加速渗透 AI 领域,成为满足人工智能计算需求的关键技术。FOPLP 技术相比传统 CoWoS 具有更大的封装尺寸和更好的散热性能,能够支持更大规模的芯片集成,提高性能,并减少功耗,有助于缓解当前 CoWoS 产能紧张的问题,并提高 AI 芯片的供应量。[1] FOPLP 技术的成本优势 - FOPLP 基于 RDL 工艺,面积使用率显著提升,成本下降 66%。FOPLP 相比传统封装方法提供了更大的灵活性、可扩展性和成本效益,其高面积利用率有效减少浪费,同时能够在一次封装过程中处理更多芯片,显著提高封装效率,形成强大规模效应,从而具有极强成本优势。[2] 先进封装产业链受益 - 先进封装产业链各环节(封测/设备/材料/IP 等)将持续受益。随着先进封装技术持续推进,各产业链将持续受益,建议关注封测、设备、材料等相关标的。[8]