规划核心定位 - 《广东省加快培育发展新赛道引领现代化产业体系建设行动规划 (2026—2035 年)》正式发布，将高端人工智能芯片列为重点布局领域，旨在解决芯片领域“卡脖子”难题，为全省半导体产业高质量发展划定清晰路线图[1] 产业基础与战略方向 - 广东省作为我国人工智能与机器人产业链最齐全、产业生态最完备的集聚区，规划精准锚定高端人工智能芯片研发制造新赛道，将芯片自主创新摆在现代化产业体系建设的突出位置[1] - 规划构建“通用+专用”并行的多元化芯片布局体系，全方位筑牢芯片自主研发与生产根基[1] 具体技术路径与产品布局 - 重点发力GPU、FPGA、NPU等高端通用人工智能芯片，以解决当前产业发展的关键短板[3] - 同时兼顾ASIC专用芯片的研发与制造，以适配细分场景的定制化算力需求[3] - 通过通用芯片筑牢基础、专用芯片补齐场景缺口，实现高端AI芯片品类全覆盖，破解核心芯片依赖外部供给的困境[3] - 规划着重突出架构创新的战略价值，将RISC-V开源架构作为芯片技术突破的重要抓手[3] - 依托广东在RISC-V领域的产业积淀及珠海RISC-V测试验证创新中心等平台优势，加快推进RISC-V架构人工智能芯片研发，推动开源架构芯片的技术攻关与场景适配，以补全粤港澳大湾区RISC-V产业生态，打造差异化竞争优势[3] 产业发展模式 - 规划坚持产业生态协同发展理念，着力推动芯片研发、设计、制造、测试、应用全链条协同发力[4] - 通过完善芯片开发与应用生态，打通技术攻关到成果转化的堵点，促进芯片技术成果快速落地[4] - 助力高端AI芯片在人工智能、智能制造等重点领域实现规模化应用，形成“研发-制造-应用”的良性循环[4]

报告行业投资评级 - 本白皮书为行业研究性质，未对半导体行业或具体公司给出明确的投资评级 [1][2] 报告的核心观点 - 半导体行业作为现代电子产业的核心，其发展面临严峻的环境、社会及治理（ESG）挑战，但积极践行ESG原则是提升企业长期竞争力、获取市场认可和赢得竞争优势的必然选择 [15][16][17] - 半导体行业在ESG方面兼具压力与动力：压力源于高能耗、水耗等不可持续因素带来的运营与声誉风险；动力则来自可持续发展可降低运营成本、吸引人才、赢得市场并开辟新增长点 [42][43][44] - 半导体企业需构建系统的ESG战略，通过识别实质性议题、设定明确目标、完善组织保障并持续改进，将ESG融入业务核心，从而创造管理、运营、品牌、信息披露及资本等多重价值 [113][118][119][123] 行业概况与产业链 - **全球市场规模**：全球半导体销售额从2001年的1390亿美元增长至2023年的5269亿美元，年均复合增长率为6.0% [23] - **市场格局**：2023年，美国半导体企业市场份额占全球的50.2%，亚洲（尤其是东亚）是重要生产中心，中国是重要生产基地但面临技术瓶颈和国际竞争压力 [24] - **产业链上游**：包括半导体材料（如硅片、光刻胶、电子特种气体）和制造设备（如光刻机、蚀刻机），技术复杂度高，市场集中度高 [31] - **产业链中游**：涵盖集成电路设计、晶圆制造、封装与测试，制造环节步骤精密，先进封装技术（如倒装芯片、晶圆级封装）成为市场新宠 [31][33] - **产业链下游**：应用市场广泛，包括消费电子、汽车电子、工业控制、通信设备等，新兴领域如人工智能、物联网、5G通信带来巨大市场机遇 [34] - **行业特征**：市场周期性强、产品高速迭代、行业集中度高、价值链复杂、并深受全球化与地缘政治因素影响 [37] 半导体行业核心ESG议题分析 - **气候变化与能源消耗**： - 半导体制造使用多种高全球变暖潜能值（GWP）气体，如六氟化硫（SF6）的GWP值比二氧化碳高500倍 [48] - 人工智能等高性能计算需求推动先进制程芯片（如3纳米、5纳米）发展，导致能源消耗与范围二排放增加 [48] - 行业面临能源供应风险、价格波动及供应链中断（如极端天气）等风险，同时也存在能源管理技术创新、采用清洁能源、参与碳交易等机遇 [49][50] - 主要企业已设定碳目标，但研究显示，当前行业承诺仅能将2019年至2050年的总排放量减少30%，仍无法实现巴黎协定1.5℃目标 [51][52] - 半导体技术同时是绿色转型的关键，其材料（如SiC, GaN）与产品广泛应用于光伏、储能、电动汽车等清洁能源领域 [53][54] - **污染防治**： - 制造过程使用大量化学品并产生废水、废气，处理不当会造成严重环境污染与健康风险 [62] - 企业面临严格的环保法规合规压力，但投资绿色污染防治技术（如废气废水处理系统）可降低排放、提高资源效率并提升品牌形象 [63][65] - 以台积电为例，其采用湿式静电集尘技术将碱性气体和PM2.5的削减率分别提高到90%和91%；通过创新废水处理系统，将化学需氧量（COD）浓度降至151.5ppm，氢氧化四甲基铵（TMAH）浓度降至3.75ppm [67][68] - **水资源管理**： - 半导体制造是耗水行业，生产一张12寸硅晶圆需消耗8吨水，且废水成分复杂 [73] - 面临水资源短缺、成本上升、环境社区影响及法规变化等风险 [74] - 通过技术创新（如节水与循环利用系统）可降低运营成本、提升绿色品牌形象，并满足客户与投资者对良好ESG表现的要求 [74] - **可持续供应链管理**： - 供应链全球化且复杂，涉及环境破坏、劳工权益、合规及地缘政治等多重ESG风险 [81][82] - 通过优化供应链管理可减少碳足迹、提升社会声誉、增强治理透明度，并建立更具韧性的供应链以应对外部冲击 [82][83] - **人才吸引与留任**： - 行业技术密集，面临全球性人才短缺、竞争激烈、员工流失及工作压力大等风险 [92][93] - 机遇在于通过有竞争力的薪酬福利、系统的培训发展、建立雇主品牌以及促进产教融合来吸引和保留顶尖人才 [93] - 以英伟达为例，其采取扁平化管理（CEO直接管理约60人）、强调透明与员工赋权，2023年员工平均学习约10小时，并通过导师计划支持职业发展 [95][97] - **科技创新**： - 科技创新是半导体行业的核心竞争力，也被国内主流ESG标准视为重要议题 [100] - 风险包括研发投入巨大、回报周期长、规模扩张加剧碳排放以及面临其他行业新进者的竞争 [101] - 机遇在于通过新原理、新材料、新架构的研发获得优势，新技术（如量子计算、先进制程）可降本增效，并推动产业向绿色循环（4R理念）转型 [101][102] 企业ESG实践案例 - **英特尔（Intel）应对气候变化**： - 目标到2040年实现全球运营（范围一和范围二）净零温室气体排放，到2050年实现价值链净零排放 [56] - 2023年全球运营使用了99%的可再生电力，范围一和范围二排放较2019年基准减少43% [57][61] - 通过产品创新助力减排，如第五代至强可扩展处理器能效较上一代提升36% [59] - **英伟达（NVIDIA）综合ESG实践**： - **环境与产品**：推出Earth-2气候数字孪生云平台，其CorrDiff AI模型将天气模拟分辨率提升12.5倍，速度提升1000倍，能效提升3000倍 [145][146] - **环境与运营**：倡导加速计算，其Blackwell GPU在八年内实现算力增长1000倍的同时能耗降低350倍 [152] - **社会与治理**：公司管理扁平透明，2023年员工满意度调查显示，97%员工认为管理层诚实守信，95%员工认为公司是理想工作场所 [95][98][99] - **AMD（超威半导体）社会价值创造**： - 计划到2025年使1亿人受益于STEM教育，自2020年以来已通过相关项目使约3170万人受益 [161] - 其高性能计算基金（HPC Fund）已捐赠接近20 petaflops的计算能力，市场价值超过3100万美元，用于支持气候变化、医疗保健等公益科学研究 [162][164] - 其技术应用于便携式超声设备等医疗设备，助力偏远地区医疗诊断 [165] 半导体行业ESG战略构建路径 - **分析ESG与业务关系**：认识到ESG对半导体行业具有“双重性”——既是风险压力也是发展机遇，战略原则应为降低负面影响并利用科技创新解决ESG问题 [123][125] - **确定实质性议题**：流程包括初步筛选、利益相关方参与、内部评估及绘制实质性矩阵以确定优先级 [124][126] - **明确并细化目标**：推荐使用OKR法，例如设定“减少碳足迹”的目标，并配以“到2025年将温室气体排放减少30%”等可量化的关键结果 [130][132][133] - **完善组织保障**：建议建立决策层（如董事会委员会）、管理层（ESG牵头部门）和执行层（各业务部门）的三层治理架构，并加强内外部ESG人才培养与交流 [134][135][137] - **持续改善**：通过定期评估更新目标、采纳最佳实践、加强员工培训及利益相关方沟通，实现ESG绩效的持续提升 [138]

AI在投资研究中的应用与价值定位 - AI被视为人类判断力的“力量倍增器”，而非替代品，其最佳应用场景包括节省时间、生成创意、剖析风险和管理风险[3] - 公司认为自身处于部署AI的早期阶段，目标是尽快理解并利用这些系统，其效能提升关键在于用户理解其系统性优势和局限，并学会有效提示[3] - 公司已开始系统性地将AI整合到研究流程中，旨在明确AI在何处增加价值，在何处不能[2] AI工具的具体实践与案例 - 使用NotebookLM工具来利用专有数据资产，特别是多年的专家访谈详细笔记，通过创建按公司和行业垂直领域划分的笔记本来综合发现、寻找专家间的不一致、分析管理层跨季度评论变化等[5] - 在Gemini中开发并训练了一系列专门的AI智能体（称为“Gems”），用于理解和揭示所持有及分析中的公司的风险，例如“不良行为检测器”、“竞争风险分析器”、“财报分析器”等[6] - 使用Claude Code作为命令行工具，通过自然语言指令编写、调试和测试代码，已构建了多个有价值的网络爬虫和财务文件追踪面板，用于监控投资组合[7] AI的局限性及应对策略 - 意识到大多数AI系统被优化为“迎合性”而非对抗性批判，这不利于挑战假设和发现推理缺陷，因此公司特意对LLM进行编程，要求其优先考虑无懈可击的真实性和客观性[4] - 认为AI的创造性与“幻觉”是一体两面，理解这一点后可以相应地调整使用方式[4] - 强调AI工具是现有研究流程的补充而非替代，它们无法取代长期投资成功所必需的经验、背景知识和审慎判断[17] 对AI行业影响及市场叙事的看法 - AI目前的市场叙事正转向无益的极端化，这创造了巨大的机会[9] - 反驳了AI将迅速取代白领工作的观点，认为时间框架不现实，并列举了计算能力有限、现实环境不确定性、组织政治、监管以及AI创造的新需求等制约因素[10] - 以DoorDash为例，指出AI无法自动识别个人偏好（如口味、心情、社交环境），且代码和软件易于复制，但成功需要深思熟虑、执行、销售、战略、用户体验等[11] AI对软件行业的结构性影响 - 认为许多软件公司过去的人员配置超出了当前需求，AI的主要后果之一是客户在谈判中获得更强的议价能力，导致软件公司面临定价压力，这可以通过降低总体服务成本来应对[13] - AI带来的效率可以帮助软件公司捍卫利润率，但会降低对终端客户的售价，同时AI降低了新竞争对手进入软件领域的门槛，这对中小型企业市场中的竞争者尤其有利[14] - 市场似乎正在消化这些结构性阻力，过去一年主要金融数据和软件提供商的估值出现了显著向下重估[14] - 指出目前AI最主要的客户是程序员本身，如果AI消灭所有软件，它将失去客户，进而无法支撑成为“世界吞噬者”所需的基础设施投资[15] AI投资框架与市场机会 - 将投资机会分为三大类进行平衡：AI受益者、AI受损者、与AI关系疏远的领域，此框架旨在组织分析并在叙事演变中保持智力纪律[24] - 认为当前投资焦点集中在基础设施层（GPU、内存、光纤、电力等），但最终最大的投资价值将积累在基于AI构建的最重要应用层上[21] - 以历史类比，指出铁路时代造就了标准石油，互联网泡沫时代最终创造持久价值的是谷歌、亚马逊和奈飞，而非思科或电信公司[22] 具体公司案例分析：亚马逊 - 认为亚马逊在利用AI增强其物流能力方面具有独特优势，其物流实力是当今最重要的商业护城河之一，AI将帮助其在物流网络协调层占据主导地位[23] 具体公司案例分析：莱迪思半导体 - 莱迪思半导体是一个未被充分认识的AI赢家，兼具直接的AI收益和长期的AI期权价值[26] - 公司专注于低功耗、小尺寸FPGA，定位为AI服务器中关键任务功能的“信任根”芯片，是所有超大规模服务器架构中的指定芯片，并且是市场上唯一具备后量子密码学安全性的芯片[29] - 尽管其关键周期性终端市场仍处于严重且漫长的低迷期，但得益于AI业务，公司正经历环比和同比增速的快速提升，若周期性市场改善，其估值倍数将迅速下降[29] - 公司业务在边缘基础设施和机器人领域也具有高度期权价值，其专注于效率的特点在这些应用场景中具有显著优势[30] 市场环境与投资策略调整 - 当前市场表现出单股波动率和离散度不断增加的趋势，自新冠疫情以来，这种环境持续存在[20] - 在此环境下，公司已将头寸规模调整得比过去小得多，并认为增加投资组合中的持仓数量是审慎之举，因为集中持股的风险已显著增加[20]

莱迪思半导体 (Lattice Semiconductor) 2026年3月4日电话会议纪要分析 涉及的行业与公司 * 行业：半导体行业，特别是现场可编程门阵列 (FPGA)、人工智能 (AI)硬件、数据中心、工业自动化、机器人、汽车电子等领域 * 公司：莱迪思半导体 (Lattice Semiconductor, LSCC) [1][4] * 相关合作伙伴与客户：英伟达 (NVIDIA) [11]、恩智浦 (NXP) [11]、超大规模云服务商 (hyperscaler) [20][79]等 公司业绩与运营状况 财务表现与目标达成 * 公司收入从2024年的7.3亿美元 (730 million) 下降至2024年的5亿美元 (500 million) [4] * 公司实施了14%的重组以削减成本 [4] * 公司此前设定的目标：到2025年中期将渠道库存降至3个月，并在2026年实现较2025年25%的增长 [4] * 截至2025年底，渠道库存已降至3个月，公司恢复增长，且市场对2026年增长的共识已超过25%的目标 [5] * 毛利率、营业利润、息税折旧摊销前利润 (EBITDA) 和自由现金流等利润率指标依然非常强劲 [5] 产品线与收入构成 * 新产品收入去年同比增长70%，预计今年将同比增长60%或更多 [55] * 预计新产品收入今年将占总收入的20%以上，达到中段20%水平 (mid-20%) [54][55] * 产品线规划：Nexus (小范围FPGA) 的增长重点在2026年，Avant (中范围FPGA) 的增长将在2027年真正启动 [5][55] * 收入按市场划分： * 2025年总收入为5.23亿美元 (523 million)，其中工业领域贡献1.95亿美元 (195 million)，通信与计算领域贡献2.9亿美元 (290 million)，其余为消费领域 [103] * 预计2026年通信与计算领域收入将占总收入的60%以上 (去年约为50%-56%)，工业和消费领域预计大致持平 [103] * 预计2027年工业领域将因新应用和产品而出现拐点，增速加快 [104] 供应链与定价 * 交货期正在延长，反映了需求的强劲 [37][38] * 公司正与客户和渠道合作伙伴紧密合作，通过获得全年乃至明年中期的订单来规划供应链，以满足需求 [40] * 通过将渠道库存降低至更可控水平，公司获得了更直接的终端客户需求可见性 [42] * 定价策略采取长期、平衡的方法，而非短期优化 [42][43][50] * 公司有成熟的产品涨价计划，但会平衡供应链潜在的成本上涨，以维持全年指引的毛利率水平 [43] * 公司约6个月前已开始采取措施管理成本和供应，以应对供应链约束和可能的成本上涨 [50] 核心战略与市场定位 “无处不在的伙伴”战略 * 公司定位为“伙伴”而非主芯片，为核心增长驱动芯片 (如GPU、AI加速器、网络交换机等) 提供配套功能 [6] * 该战略旨在为所有主要芯片供应商提供跨厂商、跨功能的解决方案，保持中立性 (“瑞士”角色) [8] * 应用场景广泛：从数据中心机架 (每个机架从数十个增加到数百个FPGA) 到人形机器人 (提供数十个FPGA) [7] 从FPGA供应商向解决方案提供商转型 * 公司不再仅仅销售FPGA，而是提供安全、机架管理、电源与冷却、后量子密码学 (PQC) 等解决方案 [9][10] * 解决方案将客户讨论提升到更高层次，涉及具体应用问题而非单纯芯片 [10][36] * 通过合作伙伴关系 (如与英伟达的Holoscan解决方案、与恩智浦的合作) 推动在高容量应用中的采用 [11][12] 市场机遇与增长驱动 数据中心与人工智能 * 公司收入增长快于资本支出增长：去年和今年数据中心资本支出增长50%-60%，而公司服务器业务增长85%，通信业务增长60% [17] * 增长驱动因素： * 服务器数量快速增长 [17] * AI服务器占比提升：2024年占出货量的10%，去年占12%，今年预计占15% [17] * 单机价值更高：去年AI服务器占出货量的10%，却贡献了20%的美元收入 [18] * 附着率因新应用而提升：安全 (从信任根、认证到后量子密码学)、冷却等新应用不断涌现 [18][19] * 需求增长导致使用更大FPGA和更高平均售价 [19] * 2026年是公司的“数据中心AI之年”，2027年将是“实体AI之年” [20] 实体AI与新应用 * 新兴应用领域包括人形机器人、机器人出租车、医疗、航空航天、国防、自动驾驶汽车以及消费级AR/VR [9] * 人形机器人市场潜力巨大，其单机FPGA含量可能与一个数据中心机架相当 [20] * 公司为人形机器人提供多种价值：视觉处理 (连接多个摄像头、激光雷达、雷达)、电机控制 (可能45-70个电机)、通过EtherCAT实现同步、以及安全功能 [35][68][69] * 人形机器人市场预计在2027年启动，尽管预测存在差异，但潜力巨大 [22][71] * 公司内部使用Claude等AI工具，获得了巨大的生产力提升 [24] 工业市场 * 工业领域库存已连续5个季度以每季度约3周的速度消化，现已降至合理水平，预计今年将按自然需求发货，明年将因新应用而出现拐点 [104] * 公司致力于构建“两条腿的凳子”：第一条腿是通信与计算 (当前强劲)，第二条腿是工业 (明年将增强)，未来将发展第三条腿 (解决方案相关) 以实现更稳定的增长 [105] * “工业与汽车”板块中，汽车业务占比不大，主要包括工业自动化、医疗、国防、工业电源管理等 [106] 竞争格局与护城河 FPGA的独特价值主张 * 公司专注于低至中端、非片上系统 (non-SoC) FPGA，这是FPGA的甜蜜点 [27] * FPGA在灵活性 (处理器) 和专用性 (ASIC) 之间提供了平衡，具有硬件级性能、低延迟、并行性、高精度、连接性和未来可升级性 [35][60] * 随着ASIC开发成本和时间持续增长，以及系统上市时间压力加大 (如GPU换代周期缩短至1年)，FPGA成为更具成本效益和时效性的解决方案 [62][63][64] * FPGA的现场可编程特性对于快速演进的领域 (如安全算法) 至关重要，提供了未来验证能力 [33][65] * AI工具 (如Cursor, Claude) 将帮助缩小编程易用性差距，使FPGA更易被广泛采用 [65] 替代风险较低 * 公司产品价格合理、功耗低、应用分散且跨众多供应商，被专用集成电路 (ASIC) 替代的风险较低 [79] * 在客户的物料清单中，公司产品位于成本的长尾部分，且功能多样，客户需开发多个ASIC来替代，经济上不划算 [86][88] 其他重要内容 并购与增长策略 * 公司已完成一些未披露的小规模并购，主要是为了获取知识产权、软件工具和解决方案，或人才收购 [89] * 公司对强劲的有机增长充满信心，不必须进行并购，但会对符合战略愿景的标的保持开放并设定高门槛 [89][91] * 通过在全球 (如印度、槟城、菲律宾、台湾) 增加人员，以及投资基础设施提升工程师生产力，公司正在有机地扩大规模并降低人均工程师成本 (从15万美元/人降至10万美元/人) [92][95][100] 需求可见性与风险管理 * 订单可见性已延伸至明年中期，目前未见放缓迹象 [20][40] * 公司正通过加强需求审核、审视客户整体物料清单等方式，严格管理需求，以降低双重订购和库存积压的风险 [72][73] * 通过收紧渠道库存，公司试图减少渠道中的缓冲库存 [74]

电话会议纪要关键要点总结 涉及的行业与公司 * 涉及的行业：半导体行业，具体包括微控制器、模拟芯片、连接芯片、FPGA、数据中心、汽车电子、工业控制、航空航天与国防、人工智能边缘计算等细分领域 [1][20][21][69][79][86][90][93][136] * 涉及的公司：**Microchip Technology Incorporated** (纳斯达克代码: MCHP) [1] 核心观点与论据 近期财务表现与业务趋势 * 公司对当前季度（2026年3月季度）的营收指引为环比增长**6.2%**，显著强于季节性表现 [4][5] * 增长动力来自多个领域的产品势头以及库存状况的改善 [5] * 分销商库存已基本正常化：一年前，公司销售给分销商的金额与分销商实际销售给终端客户的金额之间存在约**1亿美元**的差异，而上一季度这一差异已缩小至仅约**1200万美元** [5] * 终端客户和分销商的客户库存仍在正常化过程中，但已取得显著进展 [6][16] * 本季度前两个月的订单额是自**2023财年6月季度**以来同期最高水平，积压订单状况良好，增强了公司对当前季度及6月季度以后业绩的信心 [7][12] 库存与产能管理 * 公司资产负债表上的库存天数仍高达**200天**，目标库存天数为**130至150天**[13][55] * 产能利用率不足是主要挑战：上一季度（2024年12月季度）的产能闲置费用约为**5100万美元**，主要来自两座大型晶圆厂 [51] * 产能闲置费用预计将持续**数年**，下降过程将是渐进的，而非在单季度内大幅减少 [53] * 公司已关闭亚利桑那州晶圆厂以优化产能，但仍有大量产能需要未来业务增长来消化 [52] * 当前订单的产品组合与库存高峰期生产的产品组合存在不匹配问题，导致部分库存消化需要时间 [59][60][62][64] 战略转型与组织架构 * 公司承认过去曾变得“傲慢”，损害了客户关系，现已彻底改变与客户合作的方式和理念，并加快了产品发布和客户响应速度 [20] * 公司进行了重组，打破了原有的技术孤岛，将业务整合为**5大支柱**：微控制器、计算、连接、模拟及其他 [23][25] * 新的组织架构旨在围绕大趋势协同工作，提供参考设计和捆绑产品 [27] * 公司正在努力改进信息披露，计划更频繁地更新增长较快的业务领域的情况，可能在下一次财报电话会议中提供更多细节 [34][36] 产品线与增长动力 * 增长重点领域包括有线连接、ASA、摄像头连接、机器人技术 [20] * 在工业应用领域推出了**PCIe Gen 3和Gen 4**的**12和24通道**交换机，市场表现优于传统的微控制器和基础模拟产品 [21] * **数据中心**是重要增长领域： * **PCIe Gen 6**交换机于2024年9月推出，采用**3纳米**工艺，是市场上最先进的产品 [70][73] * 已获得**4个**确认的设计订单，其中一个订单的年使用金额超过**1亿美元**，另有约**20个**设计正在客户进行中 [70] * 客户反馈其产品功耗比竞争对手低**20%-30%**，在某些短距离应用中甚至无需重定时器 [70][71] * 正在开发匹配的PCIe Gen 6重定时器，计划在未来1-2个月内发布 [72] * 计划在**12个月**内推出**PCIe Gen 7**设备 [77][78] * 数据中心业务还包括定时产品、用于信任根的安全计算设备、以及用于数字电源的微控制器 [79] * **FPGA**业务： * 通过将低功耗价值主张拓展至工业控制、医疗市场，实现了显著增长 [86] * 正在开发新的软件开发套件，利用AI和VS Code简化编程，降低使用门槛，计划今年晚些时候发布 [88] * 在低功耗领域和航空航天市场（如卫星、阿耳忒弥斯火箭、空客和波音飞机）具有优势 [90] * **连接与汽车**： * 与**现代汽车集团**建立了合作关系，其以太网产品被设计进入现代/起亚的软件框架 [91] * **宝马**宣布将在先进车辆架构的摄像头中使用公司的ASA连接技术 [91] * 以太网产品也应用于数据中心、工业控制、机器人（包括人形机器人）等领域 [91] * 这些新设计的量产爬坡预计将在**2027年、2028年**开始 [92] * **航空航天与国防**： * 这是一个巨大的增长领域，每颗卫星可能包含公司**25至200个**器件（FPGA、电源产品、分立器件等） [93] * 几乎没有卫星系统在发射时不包含公司的产品 [93] 毛利率与定价 * 长期毛利率目标为**65%**[66] * 当前季度（2026年3月季度）的非GAAP毛利率指引中点为**61%**，若加回上一季度的产能闲置费用，则已接近长期目标 [66] * 数据中心PCIe Gen 6、以太网产品、FPGA等高速增长产品的毛利率高于公司平均水平，将成为毛利率提升的推动力 [68] * 定价环境保持稳定，公司未进行全面的价格上涨，而是选择性地与客户沟通成本压力 [98][99] 中国市场与竞争 * 在中国市场，客户更关注速度和获取最新技术，以尽快推出产品 [106][108] * 成本始终是对话的一部分，但行动速度目前对客户更为重要 [106] * 公司承认中国本土竞争一直存在，但强调保护知识产权和制造技术IP对于维持长期利润率结构至关重要 [111][114] 财务状况与资本配置 * 杠杆率仍然较高 [122][124] * 董事会**100%承诺**维持当前股息水平，投资者无需担心股息被削减 [124] * 上一季度是公司很长时间以来首次产生足够现金支付股息 [124] * 在可预见的未来，除股息外的所有多余现金将用于偿还债务 [126] * 公司曾在2021年11月的分析师日设定净杠杆率目标为**1.5倍**，但随后盈利水平不可持续，EBITDA下滑，导致公司发行了强制性可转换优先股以维持投资级评级 [128][130][132] * 当前重点是维持股息和偿还债务，尚未设定新的净杠杆目标 [126][128] 边缘人工智能 * 公司认为边缘AI（机器学习模型）有广泛的应用前景，而非仅限于大型语言模型或生成式AI [142] * 举例：与客户合作，通过在一个电池驱动的电钻中部署一个简单的ML模型（约**200 K比特**内存），无需硬件更改，仅通过软件就实现了**15%** 的电池寿命提升 [138] * 公司成立了专门的软件团队，并与CEVA Technologies合作，旨在开发一套统一的软件和模型套件，以及可跨所有产品线（FPGA、RISC、Arm、8位等）部署的加速器，从**55纳米到3纳米**工艺节点 [145] * 该业务模式将包括**软件即服务**以及硬件销售 [147] 其他重要内容 * 公司拥有丰富的产品组合，包括通过收购获得的FPGA、定时产品等，其中定时产品（如原子钟）广泛应用于全球GPS、信用卡交易等系统 [41][42][44][46][48] * 在微控制器领域，客户对Arm和**RISC-V**架构都有兴趣，但工具和软件支持的重要性可能已超过硬件核心本身 [117][118][119] * 员工士气和客户关系已大幅改善 [134] * 公司高管将在一周后的Embedded World上发表关于自主边缘和边缘AI的主题演讲 [134]

文章核心观点 人工智能正被用于简化和加速FPGA、DSP等可编程逻辑芯片的设计流程，通过软件抽象层、高层次综合工具和AI辅助编译等手段，降低编程复杂性，吸引更多开发者[2][5][6]。尽管AI模型迭代速度趋于平稳，但可编程硬件在应对快速变化的市场需求（如AI、汽车、5G/6G）方面，因其灵活性、低延迟和面向未来的能力，仍具有不可替代的价值[2][11]。行业正朝着软硬件协同设计、更智能的编译器和统一设计环境的方向发展，以平衡效率、功耗与编程便利性[8][14][18]。 可编程硬件的价值与挑战 - **核心价值**：FPGA和DSP在生命科学、人工智能处理、汽车电子以及5G/6G芯片等需求持续变化的市场中极具价值，其现场可编程能力为新协议、新标准和架构修改提供了面向未来的保障[2] - **关键优势**：支持FPGA的核心优势包括I/O灵活性、确定性低延迟、安全灵活性，以及能够整合多种不可控工作负载的能力[19] - **主要挑战**：对FPGA、eFPGA和DSP进行编程仍然相当复杂，需要具备RTL设计能力，与在GPU上运行软件相比门槛更高[2]。打造一套能同时适配GPU、CPU和FPGA的通用软件方案非常困难[2] AI如何介入并简化设计流程 - **AI辅助设计**：自主智能体AI有望加速FPGA设计，未来可能通过语音、图表、原理图等输入，经过多轮处理后直接输出最终的可执行代码，从而降低对顶尖FPGA或ASIC设计师的依赖[5] - **现有工具进展**：通过高层次综合（HLS）等技术，FPGA编程已变得更简单，工程团队可以使用工具将算法或C代码转换为RTL[6]。例如，AMD的Vitis AI等工具能够打通PyTorch模型到AI引擎之间的壁垒，让用户快速将AI部署到芯片中[6] - **智能编译器方向**：编译器正在向自适应流水线转变，可随着模型架构与算子的变化，实时优化内核、内存布局、并行度与调度策略[6]。有企业已经看到智能体从高层代码或自然语言中推断设计意图，生成RTL或高层次综合代码的案例[6] 当前面临的挑战与行业努力 - **编程知识门槛**：目前尚无产品能让软件工程师直接使用编译器生成可用结果，这仍然需要一定的硬件设计与数据流知识[7][8]。将算法从CPU迁移到可编程逻辑中，对软件工程师而言存在学习曲线[6][8] - **优化与权衡**：针对特定工作负载对FPGA进行优化，需要在功耗、性能与延迟之间取得最佳平衡，这始终需要权衡[8]。在嵌入式领域，还需尽可能优化成本[8] - **工具与流程改进**：全新的功耗与热分析工具精度大幅提升，能够提供智能建议，帮助设计者更好地管理能耗与散热限制[14]。全新的云端工具与更完善的基础设施，让FPGA设计者能够以前所未有的细致程度分析完整设计[14] - **模型迭代影响**：AI模型的迭代速度已开始趋于平稳，如今最重要的工作负载之一是由Transformer执行的矩阵乘法运算，这使得硬件对可编程性的需求可能降低[11][12] DSP设计及与其他领域的互动 - **AI对DSP的影响**：机器学习可基于模拟仿真数据自动调优DSP算法，助力数模混合协同设计，这能缩短设计周期[16] - **设计复杂性变化**：过去模拟与数字领域相互独立，如今则需要协同工作[16] - **边缘部署的决策**：在边缘AI部署中，开发者必须明确哪些工作负载运行在传统DSP上，哪些运行在面向低功耗嵌入式设备机器学习优化的向量扩展指令集（如Arm Helium）上[16] 存储器编译器的新需求 - **软件驱动转型**：行业向软件优先设计转型，芯片架构师在确定硬件规格前，会优先考虑软件算法需求[18]。能否快速调整存储器架构以支持独特AI算法，已成为芯片设计者的关键差异化能力[18] - **新一代编译器特性**：最新一代存储器编译器提供高度灵活的配置、超低电压支持与丰富的多端口选项[18]。面向AI的存储器特性包括转置数据流、针对数据稀疏性应用的功耗优化设计，以及乘加单元间距匹配等[18] 行业未来展望与设计哲学 - **架构决策阶段**：FPGA的应用由技术架构师决定，团队在架构阶段进行研究与设计划分，确定数据平面哪些部分需要通过FPGA组织，控制平面如何配置[19]。最重要的是评估总体拥有成本是否合理[19] - **软硬件协同设计**：优秀的软硬件协同设计意味着从平台层面构建合理的风险架构，让工作负载易于编排与调度，并最终与顶层软件层适配[19] - **长期愿景**：长期来看，编程可能只是选择将程序编译到CPU、GPU还是FPGA架构上运行，业内所有参与者都在朝这个方向推进[8]

公司核心产品与定位 - 总部位于西雅图的人工智能硬件初创公司ElastixAI正式亮相，由前苹果和Meta机器学习工程师创立 [2] - 公司推出了一款基于FPGA的推理平台，定位为GPU服务器基础设施的即插即用替代品 [2] - 与基于Nvidia GPU的部署相比，该平台在大型语言模型推理方面可降低高达50倍的总拥有成本和80%的功耗 [2] - 公司于2025年5月完成了由Fuse VC领投的1800万美元种子轮融资 [2] - 其Elastix Rack产品计划于2026年年中首次出货，目前仅面向部分企业合作伙伴和数据中心运营商开放 [2][12] 技术原理与架构优势 - 核心论点是GPU的设计初衷是处理计算密集型工作负载（如LLM训练），但在处理内存密集型工作负载（如LLM推理）时效率会降低，计算利用率大幅下降 [3] - 训练严重依赖计算，而推理严重依赖内存，这种不匹配导致推理过程中GPU的计算利用率很低 [3] - 硬件的灵活性不足加剧了问题，例如4位量化理论上可以使吞吐量翻倍，但在缺乏原生支持的硬件（如H100）上，软件内核只能利用其10%的潜力 [5] - 顶级加速器依赖于速度最快、价格最昂贵的内存，而ElastixAI专注于真正影响总体拥有成本的指标：每带宽成本和每容量成本 [5] - 通过利用机器学习定义的软件专用化，公司能够从运行在商用现成FPGA服务器上的低成本硬件中榨取最大性能，以远低于业界顶级内存的每GB成本提供高性能推理所需的内存带宽 [5] 选择FPGA而非定制芯片的原因 - FPGA相较于定制芯片的优势在于机器学习的发展速度远超芯片开发周期 [7] - 定制芯片从设计到生产需要三年多的时间，而机器学习领域的快速发展可能在短短几个月内就彻底改变进程 [7] - 以混合专家模型为例，许多公司基于现有技术开发芯片后，新算法出现导致不得不重新设计芯片 [7] - Transformer架构目前在结构上足够稳定，可以进行FPGA实现，而底层优化层仍在快速发展，锁定固定的芯片设计存在风险 [7] - FPGA可以重新配置以适应变化的需求，例如推理吞吐量需求从每秒20个词元增长到每秒200个词元 [7] - 通用性和效率之间存在根本性的权衡，更通用会降低效率，因为需要增加额外的硅片来覆盖不同的工作负载 [7] 性能、功耗与兼容性数据 - 根据采用的令牌速率，与英伟达B200相比，可以在成本方面实现10倍甚至50倍的性能提升 [9] - 在功耗方面，在相同吞吐量下，每个令牌的功耗降低了五倍 [9] - Elastix机架符合标准的17-19 kW机架功率范围，并采用空气冷却 [9] - 相比之下，Nvidia的GB200 NVL72需要120 kW至200 kW的功率以及大多数现有数据中心无法支持的专用液冷基础设施 [9] - 性能数据涵盖了整个数据中心部署的资本支出和运营支出，并通过与FPGA制造商和数据中心运营商的合作验证 [9] 市场策略与生态系统构建 - 集成是通过vLLM插件实现的，该插件替换了Nvidia CUDA后端，同时保持前端OpenAI兼容API不变，因此从GPU基础架构迁移的运营商无需修改其应用程序堆栈 [11] - 公司计划最终向机器学习研究人员开放其模型转换工具，旨在围绕其自身平台构建开发者良性循环，策略与Nvidia构建CUDA生态系统的方式类似 [11] - 创始团队背景强大，联合创始人Mohammad Rastegari曾是Xnor.ai的联合创始人，该公司于2020年被苹果以约2亿美元收购，后来领导了Meta的Llama 405B模型的推理优化工作 [7][11] - 联合创始人Saman Naderiparizi是首席技术官，Mahyar Najibi是首席战略官，曾为苹果智能团队做出贡献，并担任过Waymo的首席科学家 [2][11] - 公司董事会成员之一是Jon Gelsey，他曾担任Xnor.ai的首席执行官，也是Auth0的创始首席执行官，Auth0后来被Okta以65亿美元收购，目前担任ElastixAI的战略和市场营销主管 [11]

Chiplet技术定义与演进背景 - Chiplet设计被定义为同一封装内的多个芯片，这些芯片使用针对封装内通信优化的信号相互通信[4] - 技术演进路径从20世纪90年代的多芯片模块开始，历经多芯片封装、NAND闪存堆叠、堆叠芯片、大芯片、混合工艺、采用TSV的HBM、混合键合以及AMD的VCache技术[2] Chiplet的驱动因素与核心优势 - 由于光罩尺寸限制，设计尺寸过大无法安装在单个芯片上，需要分割到多个芯片上[4] - 较大的芯片良率较低，使用更多更小的Chiplet更经济[4] - 先进工艺节点中大型设计的掩模成本可能在3000万美元到5000万美元之间[4] - Chiplet使芯片制造商能够将昂贵的工艺节点的使用限制在有利可图的地方[4] - 能以更低的非经常性工程费用加快产品上市速度[5] - 能够混合使用不同的晶圆技术，例如存储器与逻辑电路，或光学器件[5] - 有些技术不会随着工艺节点的缩小而缩小，例如SRAM[5] - Chiplet可以节省电能[5] - 走线在中介层上的信号线具有更低的电容特性，有助于降低功耗[15] Chiplet的经济效益与设计案例 - 对于大型应用，尤其是面向大型数据中心的AI应用，Chiplet是更具经济效益的解决方案，因为大型单芯片的良率最低[9] - 4芯片设计可以在成本仅为59%的情况下，提供更大的芯片面积和更优的解决方案[10] - 如果可以将SRAM放置在成本更低、工艺更老的芯片上并通过混合键合技术连接，就没有理由在先进工艺中占用宝贵面积来制造SRAM[13] - AMD的Zen 5和Zen 5c设计是利用不同的核心芯片和/或不同数量的核心芯片来更经济地生产新SKU的例子[13] Chiplet的应用实例与技术融合 - Xilinx使用多个Chiplet来制造大型FPGA，是有效制造大型芯片的范例[9] - HBM是运用不同晶圆技术的例子，它将堆叠式DRAM工艺芯片与CMOS逻辑基片芯片相结合[13] - CMOS图像传感器是另一个混合技术的例子[13] - 未来更多类型的存储器如MRAM、ReRAM和FRAM的出现，增加了应用的可能性，因为它们不会限制设计中其他部分的工艺[13] 市场动力与规模效应 - 英伟达的数据中心收入飙升，超大规模数据中心的资本支出在2025年预计超过700亿美元，约为2024年的两倍[20] - 人工智能支出在超大规模数据中心收入中的占比更高，过去五年中其收入占比大约翻了一番[20] - 规模经济降低成本，DRAM与NAND的竞争推动了SSD的诞生，同样的现象也推动了UCIe的发展[16] - Chiplet是一种赋能技术，预计混合键合技术将会成为一项非常重要的技术[20] - 到2031年，芯片市场规模预计将达到6000亿美元，与2025年半导体总收入大致相当，在人工智能系统巨额资本支出的推动下，芯片市场渗透率将继续增长[20]

公司事件与业绩 - 复旦微电股权激励计划落地，有望推动公司高质量发展提速[1] - 2025年公司归母净利润预计为2.32亿元，较调整前预测的6.57亿元有所下降[1] - 2026年公司归母净利润预计为9.37亿元，2027年预计为12.96亿元[1] - 2025年利润下降主要因研发费用及资产减值损失增加，同时其他收益减少[1] 财务预测与估值 - 预计公司2025-2027年每股收益（EPS）分别为0.28元、1.14元、1.57元[1] - 对应2025-2027年市盈率（PE）分别为304倍、75倍、54倍[1] - 研报维持对公司“买入”的评级[1] 行业地位与增长动力 - 公司是国产集成电路领域的领先者[1] - 商业航天产业的发展将带动公司FPGA（现场可编程门阵列）产品放量[1] - 在行业趋势带动下，公司业绩有望实现稳定增长[1]

投资评级 - 维持“买入”评级 [4][6] 核心观点 - 公司发布股权激励方案，降本增效有望加快业绩释放，考核目标为2026/2027/2028年FPGA及高可靠存储器营业收入较2024年分别增长不低于15%/40%/65% [1] - 公司是国产集成电路领先者，商业航天爆发有望带动FPGA需求激增，公司业绩有望稳定增长 [2][4] - 公司多业务线下游应用丰富，技术同源多点开花，有望持续高景气助力业绩增长 [3] 股权激励方案 - 公司拟向激励对象授予限制性股票1388万股，约占公告日公司总股本1.69% [1] - 首次授予限制性股票1116万股，约占公告日公司总股本1.35% [1] - 激励计划股票授予价格为41.59元/股 [1] FPGA业务 - FPGA在人工智能、5G通信、数据中心与AI、国防与航天等领域广泛应用 [2] - 在数据中心领域，FPGA适用于推理加速、云计算、高频交易及存储控制 [2] - 在航空航天领域，FPGA芯片在高辐射等极端环境工作稳定性强，被广泛应用于导弹、雷达、卫星、无人机及太空探索 [2] - 目前中国卫星总计申报数量超20万颗，总市场规模或超2万亿元，年市场规模近3千亿元，有望带动FPGA芯片需求快速增长 [2] - 公司是国内FPGA领域技术较为领先的公司之一，具有FPGA、PSoC、FPAI三个系列产品 [2] - 公司正积极推进基于1xnm FinFET先进制程、2.5D先进封装的超大规模FPGA、RF-FPGA以及RFSoC产品客户导入和量产工作 [2] - FPAI芯片正布局算力从4TOPS至128TOPS的谱系化产品研发，首颗32TOPS算力芯片推广进展良好 [2] 其他业务领域 - 安全与识别芯片：公司的RFID芯片集中在高频和超高频领域，其中高频芯片在国内非接触逻辑加密芯片领域2020年的市占率超过60% [3] - 非挥发存储器：拥有EEPROM、NOR Flash和SLC NAND Flash存储器，具有多种容量、接口和封装形式，整体市场份额居国内前列 [3] - 智能电表芯片：MCU国内市场增速高企，公司的低功耗MCU持续放量，在国家电网单相智能电表MCU的市场份额排名第一 [3] 盈利预测与估值 - 预计公司2025-2027年归母净利润分别为2.32亿元、9.37亿元、12.96亿元 [4] - 预计公司2025-2027年每股收益（EPS）分别为0.28元、1.14元、1.57元 [4] - 对应2025-2027年市盈率（PE）分别为304倍、75倍、54倍 [4] - 预计公司2025-2027年营业收入分别为39.82亿元、47.70亿元、59.04亿元，同比增速分别为10.92%、19.78%、23.78% [6][11] - 预计公司2025-2027年归母净利润同比增速分别为-59.46%、303.65%、38.30% [6][11] - 预计公司2025-2027年毛利率分别为56.77%、59.08%、59.85% [11] - 预计公司2025-2027年净资产收益率（ROE）分别为3.30%、11.75%、14.30% [11] 公司基本数据 - 报告日期收盘价为85.65元 [7] - 总市值为705.51亿元 [7] - 总股本为8.24亿股 [7]