芯片出口协议 - 美国芯片巨头NVIDIA和AMD与特朗普政府达成协议，同意将对华人工智能芯片销售收入的15%支付给美国政府，以换取对华出口许可证 [1] - 协议涉及NVIDIA专为中国市场设计的H20芯片及AMD的MI308芯片，销售额的15%将直接上缴美国政府 [3] - 这一安排是特朗普政府"技术换资源"策略的一部分，可能与美方希望中方放宽稀土出口限制的诉求相关 [3] 芯片销售恢复情况 - NVIDIA H20芯片自7月15日起已恢复对华出口 [5] - AMD的MI308芯片于7月17日进入美国商务部许可审查程序 [5] - 此前因美国政府4月升级的出口管制，NVIDIA因H20库存积压计提45亿美元损失，AMD因MI308禁售面临8亿美元费用 [5] 中国市场影响 - NVIDIA 2024年H20芯片在华销售额达120亿美元，占其在华总收入的70%，按15%比例计算每年将向美国政府贡献约18亿美元 [5] - AMD的MI308若恢复销售，预计每年上缴金额或超9亿美元（以2024年62亿美元在华销售额估算） [5] - 中国国产芯片正加速替代进程，华为昇腾910C芯片实测效率已超越NVIDIA H100 [5] - 寒武纪等本土厂商一季度营收激增42倍，市场份额从四年前的5%提升至50% [5] - 摩根大通预测中国芯片自给率可能从2024年的34%跃升至2027年的82% [5] 行业反应与潜在影响 - 中国商务部反对美方"以行政力量干预市场公平竞争"，呼吁通过平等磋商解决分歧 [5] - 分析人士指出这一协议可能触发中国采取对等措施，如对美企在华销售的芯片征收类似比例的"技术准入费"或加强安全审查 [5] - 业内人士预测中方可能通过调整关税、加强数据安全审查或要求美企共享技术等方式回应 [7] - 美国智库CSIS分析师认为这一协议暴露了美国"技术遏制"策略的内在矛盾，可能加速中国自主创新 [6]

文章核心观点 公司2025年第一季度业绩向好，高速背板连接器业务受益于国产AI芯片发展，未来有望凭借多领域布局和技术突破实现增长，首次覆盖给予“买入”投资评级 [1][2][9] 公司业绩情况 - 2024年全年实现营业收入10.92亿元，同比增加20.83%；归母净利润-0.18亿元，同比亏损 [1] - 2025年第一季度实现营业收入4.06亿元，同比增加79.82%；归母净利润0.32亿元，同比增加207.7% [1] - 2025年归母净利润-0.18亿元，同比下降124.53%，主要因服务器领域研发和人力投入、CPUSocket孵化费用增加 [2] 行业趋势 - 2025年4月16日英伟达H20被美国列入出口管制，加速国内AI基础设施“去H20化”趋势 [3] - 华为昇腾910C芯片崛起，成为国产AI服务器算力中坚力量，DeepSeek验证其性能，硅基流动基于其部署模型效果佳 [4] 公司产品与市场布局 - 聚焦背板、电源等连接器及线缆组件技术，形成高速背板连接器系列拳头产品，是华为等主流设备供应商全球或合格供应商 [5] - 防务产品分三类，有航天科工等供货资格；轨道交通提供JL等系列产品；新能源汽车是上汽通用五菱主力供应商 [6] - 高速线模组是低成本替代光连接方案，公司在AI服务器领域有技术突破，开发多种线模组产品，投资建设6条产线 [7][8] 盈利预测 - 预测2025 - 2027年收入分别为21.29、27.99、31.50亿元，EPS分别为0.42、0.61、0.88元，当前股价对应PE分别为132.6、92.0、63.9倍，首次覆盖给予“买入”评级 [9]

美国政府升级对英伟达H20芯片的出口管制 - 美国政府于4月9日通知英伟达，H20芯片出口到中国需要许可证，并于14日宣布规定将无限期实施[2] - H20被纳入"非民用超算风险清单"，标志着AI芯片管制从高端产品延伸至定制化中端产品[2] - H20是英伟达在中国合法销售的主要芯片，于2023年10月美国最新出口限制生效后推出[2] 美国对AMD和英特尔AI芯片的出口限制 - 美国商务部宣布AMD MI308及同类型AI芯片新增中国出口许可要求[6] - 英特尔Gaudi芯片同样需要获得出口许可证才能向中国销售[6] 国内AI芯片厂商的替代机会 - 华泰证券指出H20销售受限或已被市场预期，但新规可能堵住以内存弥补算力漏洞[6] - 万联证券认为H20在中国市场的销售或将面临较大限制，国内AI芯片厂商有望承接更多市场份额[6] - 国产算力迎来发展机遇，全球贸易摩擦或加速半导体产业国产化进程[6] 华为昇腾910C的性能与优势 - 昇腾910C通过组合两个昇腾910B芯片，计算能力达800 TFLOP/s（FP16），内存带宽3.2 TB/s，接近英伟达H100性能的80%[7] - 华为通过CloudMatrix系统聚合算力，CM384系统在规模及推理性能上比肩英伟达NVL72超节点[7] - 昇腾910C采用共封装或芯片组技术，显著提升性能[7] 华为昇腾910C的技术挑战 - 组合设计导致功耗增加，CM384系统功耗为英伟达GB200 NVL72的3.9倍[9][10] - 每FLOP功耗差2.3倍，每TB/s内存带宽功耗差1.8倍，每TB HBM内存容量功耗差1.1倍[10] - die-to-die带宽仅为Nvidia H100的1/10至1/20，可能影响大规模AI训练任务效率[11] 华为昇腾910C的生态系统与供应链问题 - 华为MindSpore AI框架成熟度和广泛采用度较低，可能限制开发者采用[11] - 昇腾910C良率仅为32%-40%，低于60%的行业标准，大部分仍依赖台积电7nm工艺制造[12] - 关键组件如HBM主要来自韩国供应商三星，供应链模式稳定性差、风险高[13] 国内其他AI芯片厂商的布局 - 科技大厂阿里、百度、腾讯、商汤科技等布局自研AI芯片，服务于自有云平台或业务[14] - 海光信息DCU系列产品兼容CUDA生态，已应用于国产超算和AI训练场景[15] - 寒武纪思元系列芯片可满足云端训练等场景需求，壁仞科技BR100芯片峰值算力达国际厂商旗舰产品3倍以上[15][16] 国内AI芯片多元化发展的重要性 - 中国AI芯片替代不能仅靠个别企业，需支持华为、海光信息、摩尔线程等多元化发展[17] - 构建强大、完整、有韧性的全产业链自主生态是实现AI芯片自主可控的关键[17]