关键要点总结 一、 公司概况与资本运作 * 公司为**芯原股份**，一家业务遍布全球的AI ASIC龙头企业[3] * 公司计划赴港发行H股，发行规模不超过发行后总股本的10%（超额配售权行使前），并授予不超过发行股数15%的超额配售权，总计发行规模不超过15%[3][11] * 募集资金将用于：关键技术研发、全球营销网络建设、战略投资与收购、补充营运资金[3] * 赴港上市的战略考量包括：满足全球化业务发展需求、提升研发与管理人才实力、打造国际化融资平台、便于未来并购活动[3] * 公司约35%的销售收入来自境外，98%的研发人员在中国[3] 二、 行业趋势与市场观点 * **AI算力需求**：自ChatGPT出现以来高速增长，预计到2027年相关资本支出将增长5倍[2][4] * **中国算力规模**预计到2029年将实现显著增长[4] * **ASIC市场**：因能效比高，成为实现高效AI模型的关键，主要厂商收入与股价大幅增长（如Broadcom收入增长4倍，Marvell增长2倍，Astera Labs股价增长472%，Rambus增长120%）[4] * **AI需求结构**：从训练转向推理/微调，微调和推理卡的需求量将超过训练卡[2][4] * **智驾芯片国产替代**：预计3年内国产方案将成为国内新增车型的主流方案，市场份额将远超50%[2][12] * **座舱芯片国产替代**：预测五年内国产智慧座舱芯片在国内新增车型中的渗透率约为20%[12] 三、 公司业务模式与战略 * **“Design-Light”模式**：在Fabless模式上演进，通过提供IP和设计服务，降低芯片公司高昂的运营成本（传统Fabless公司研发投入通常占营收25%以上，要求毛利率50%以上才能生存）[2][5] * **端侧AI布局**：已布局用于端侧微调和推理的芯片，关注AR眼镜、机器人、自动驾驶等增量市场[2][6] * **绑定谷歌开源生态**：通过支持Gemma等开源项目获取商业化支持机会，历史成功案例如视频编解码领域与VP8/VP9标准的合作[2][8][9] * **Chiplet模式应用**：用于解决不同价位车型对智驾算力的差异化需求，实现灵活配置[2][12] * **客户结构**：约有40%的业务直接来自系统公司等非芯片设计公司客户[14] 四、 技术发展与应用场景 * **AI发展新阶段**：从“大力出奇迹”转向“巧力出奇迹”，从“读万卷书”向结合“行万里路”（物理世界交互）发展[6][7] * **通用人工智能发展**：实现真正意义上的通用智能可能需要很长时间（甚至超过十年），需结合逻辑推理与概率方法[7] * **小模型价值**：谷歌推出参数量仅为0.27B（270M）的超小型模型，应用于手机等终端[7] * **端侧小模型应用**：针对AR眼镜（需始终在线、超低能耗、重量<30克、续航12小时）、离线AI玩具等场景，能保护隐私并大幅降低能耗[8] * **LPU（语言处理单元）**：针对特定应用场景优化的硬件，公司拥有相关IP储备，可根据客户需求提供定制化设计[13][14] 五、 市场前景与业务展望 * **AI产业重心**：不应只关注大模型，小模型及其应用同样重要，大部分企业应重视小模型[10] * **收入结构**：未来两年云端AI将是主要收入来源，预计到年底Booking将达到50亿，其中大部分来自云端[10] * **端侧AI重要性**：从长远看至关重要，云的规模最终取决于端的数量，端侧应用发展不起来将限制云端业务增长[10][17] * **AIGC与端侧AI**：AIGC不应仅限于云端，端侧AI是实现商业变现的关键，将催生对高效、低功耗AI芯片的大量需求[16][17] * **Sora模型影响**：降低AI使用门槛，推动用户数量、使用频率及Token消耗量增长，进而推动国内CSP算力需求，为ASIC业务带来增量[15][16] * **公司定位**：聚焦于整个AIGC赛道，包括云端和端侧的芯片设计[16][17]

公司AI战略布局与投资 - 智微智能近年围绕AI进行系列布局：2024年布局智算业务瞄准训练市场，2025年在具身智能领域开发大小脑控制器且订单快速增长，并投资触觉传感、电机、机器人大脑模型等标的，2026年通过曜腾投资参股杭州元川微科技有限公司，深度布局AI推理芯片领域 [2] - 投资元川微旨在与上游芯片原厂深度绑定，强化从训练端到推理端的优势卡位，增强在AI服务器、具身智能、边缘及端侧领域的产品能力，实现技术、生态、资源、市场的全面协同 [3] 参股公司元川微科技介绍 - 元川微专注于AI推理算力创新，是国内领先的基于LPU架构的算力芯片科技公司 [2] - 公司依托自研硬数据流架构与全资源编译器核心技术，推出面向大模型、多模态和端侧应用场景的Mountain（算力）、River（Agent）两大系列LPU+产品 [3] - 产品优势在于大幅降低推理应用的部署复杂度和总拥有成本，满足推理应用对确定性、超低时延、高算力、高能效与低成本的核心需求 [3] LPU技术原理与架构优势 - LPU是专为推理设计的语言处理单元芯片，针对文本数据特性深度优化，在自然语言理解、文本生成等任务中实现更高效处理 [4] - LPU采用大容量片上SRAM架构，数据直接集成于芯片，访问延迟远低于传统GPU的“存算分离”模式 [4] - LPU采用确定性执行架构，通过“静态时序”规划将计算与通信步骤精确到时钟周期，保障稳定高吞吐量 [4] - LPU速度领先的三大技术原因：硬流水体系结构规避额外开销、片上大容量SRAM及高带宽降低访存时延并提升算子融合效率、静态编译调度机制在编译期完成所有调度 [6] LPU与GPU的性能及成本对比 - 根据Groq CEO在2024年ISSCC大会公布的实测数据：LPU的Token生成速度达到英伟达H100的6倍，单Token成本降至H100的1/4，推理能耗降至H100的1/3 [6] - 元川微自身架构验证数据与Groq接近，且通过进一步架构优化，有望在能效和成本上表现更优 [6] 关于LPU成本与容量的解答 - 成本问题：芯片制造成本核心取决于芯片裸片面积与光罩层数，LPU凭借专用架构实现同等算力所需芯片面积远小于传统GPU，节省的面积用于部署大容量SRAM，不会带来额外制造成本 [7] - 容量问题：新一代LPU可实现单芯片加载超大规模模型，大幅减少部署所需芯片数量，后续可通过按需叠加算力卡方式灵活扩展，支撑按需付费商业模式，降低客户前期投入与部署成本 [8] 未来市场格局与竞争分析 - 展望2027-2028年，未来推理算力占比将达90%（训练占10%），LPU在推理领域因能效比、性价比、时延等方面具有显著竞争力，将主导推理市场，而GPU可能主要聚焦训练及部分推理场景 [8] - 针对GPU/NPU集成3D SRAM吸收LPU优点的竞争问题：GPU/NPU属于冯诺依曼结构，仅微架构优化，底层依赖多级存储和Memory机制，算力密度受限，无法复制LPU非冯诺依曼硬数据流架构及全资源编译器的底层优势 [8]

报告行业投资评级 根据报告内容，未明确给出对电子行业的整体投资评级 [3][4] 报告的核心观点 报告的核心观点围绕两大产业事件展开：1) 英伟达整合Groq的LPU技术以强化其在AI推理领域的优势，并可能在未来推出协同硬件架构 [2][4][7][12]；2) 国内先进封装龙头企业盛合晶微成功过会，彰显其在国产2.5D封装领域的领先地位和强劲的成长性 [2][4][13] 根据相关目录分别进行总结 一周行情回顾 - **A股电子板块表现强劲**：在2月23日至2月27日期间，申万电子指数上涨4.07%，显著跑赢上证指数（上涨1.98%）、深证综指（上涨3.10%）和创业板指（上涨1.05%）[4][5] - **海外科技指数普遍下跌**：同期，费城半导体指数下跌1.96%，纳斯达克指数下跌0.95%，恒生科技指数下跌1.41%，中国互联网50指数下跌2.09% [4][5][6] - **重点个股涨幅突出**：A股电子板块中，明阳电路涨幅达43.54%，瑞可达上涨30.71%，欧莱新材上涨28.30%，创益通上涨27.28%，泰晶科技上涨24.60% [4][5][6] 英伟达将整合Groq LPU，加强推理优势 - **交易概况**：2025年12月24日，英伟达以约200亿美元的对价获得AI芯片初创公司Groq的技术IP授权，Groq创始人及关键工程团队整体加入英伟达 [4][7] - **技术优势来源**：Groq的LPU采用“软件定义硬件”范式，通过编译器进行静态调度和确定性执行，消除了传统架构的动态调度不确定性 [4][8][9]。其硬件核心是容量230MB、带宽高达80TB/s的片上SRAM，使得大模型推理解码阶段所需的权重与KV Cache几乎可全部在片上访问，极大降低了单Token生成时延 [4][8] - **技术局限性**：LPU的片上SRAM容量较小，而KV Cache占用内存大，因此需要大规模组网 [4][8] - **未来产品路线展望**：英伟达可能在GTC2026上预览Feynman架构及GPU/CPX/LPU协同推理方案。在Rubin平台周期（2026-2027），LPU可能以独立机架形式与GPU、CPX协同部署，LPU负责低延迟解码，GPU负责大容量训练 [4][12]。Feynman架构有望采用台积电A16工艺，通过3D堆叠集成LPU或SRAM单元 [4][12] 国产2.5D封装领军盛合晶微过会 - **市场地位**：盛合晶微是中国大陆2.5D封装收入规模排名第一的企业，2024年市场占有率约为85% [4][13] - **业务范围**：公司提供从12英寸中段硅片加工到晶圆级封装（WLP）、芯粒多芯片集成封装等全流程先进封测服务，重点支持GPU、CPU、AI等高性能芯片 [4][13] - **业绩高速增长**：公司营业收入从2022年的16.33亿元增长至2025年的65.21亿元。扣非后归母净利润从2022年亏损3.49亿元，迅速扭亏为盈，2025年达到8.59亿元 [4][13] - **IPO募资用途**：公司拟募资48亿元，用于三维多芯片集成封装等项目 [13] 投资分析意见 报告建议关注以下投资方向 [4]： - 算力国产化：中芯国际、华虹公司 - AI存储：澜起科技、兆易创新 - 半导体设备零件国产化：北方华创、中微公司、芯源微、茂莱光学、江丰电子

报告行业投资评级 - 行业评级为“看好” [3] 报告核心观点 - 英伟达通过整合Groq的LPU技术以加强其在AI推理领域的优势，这代表了算力架构的重要演进方向 [4][8] - 国产先进封装领军企业盛合晶微成功过会，突显了国内在半导体先进制造环节的突破与成长潜力 [4][14] - 报告基于上述产业动态，给出了具体的投资分析意见，聚焦于算力国产化、AI存储及半导体设备零件等方向 [4] 一周板块行情回顾 - 2026年2月23日至27日，A股电子板块表现强势，申万电子指数上涨4.07%，跑赢主要市场指数（上证指数涨1.98%，深证综指涨3.10%，创业板指涨1.05%）[4][5] - 同期海外科技与半导体市场表现疲软，费城半导体指数下跌1.96%，纳斯达克指数下跌0.95%，恒生科技指数下跌1.41% [4][5] - 当周A股电子板块涨幅居前的个股包括：明阳电路（涨43.54%）、瑞可达（涨30.71%）、欧莱新材（涨28.30%）、创益通（涨27.28%）、泰晶科技（涨24.60%）[4][5] 英伟达整合Groq LPU技术分析 - **交易概述**：2025年12月24日，英伟达以约200亿美元的对价获得AI芯片初创公司Groq的技术IP授权，其创始人及关键工程团队整体加入英伟达 [4][8] - **技术优势**：Groq的LPU采用“提前编译+确定性执行+SRAM高速缓存”架构，依赖容量为230MB、带宽高达80TB/s的片上SRAM，通过消除动态调度和外部显存访问延迟，实现了极低且确定性的推理时延 [4][9] - **技术局限与整合路径**：LPU的片上SRAM容量较小，处理大模型所需的KV Cache时需大规模组网。报告预计，在Rubin平台周期（2026-2027年），LPU可能以独立机架形式与GPU、CPU协同部署，分别负责低延迟解码和大规模训练/预填充任务 [4][13] - **未来产品展望**：英伟达可能在GTC 2026上更新产品路线图，预览Feynman架构。该架构有望采用台积电A16工艺，并通过SoIC混合键合技术，将LPU或SRAM单元作为独立裸片3D堆叠在计算核心之上 [4][13] 盛合晶微IPO分析 - **公司定位**：盛合晶微是中国大陆领先的集成电路晶圆级先进封测企业，专注于12英寸中段硅片加工、晶圆级封装及芯粒多芯片集成封装等服务，主要支持GPU、CPU、AI等高性能芯片 [4][14] - **市场地位**：根据灼识咨询统计，2024年公司是中国大陆2.5D封装收入规模排名第一的企业，市场份额约为85% [4][14] - **财务表现**：公司营收从2022年的16.33亿元快速增长至2025年的65.21亿元；扣非后归母净利润在同期由亏损3.49亿元转为盈利8.59亿元，呈现强劲的盈利改善趋势 [4][14] - **募资用途**：此次IPO拟募集资金48亿元，主要用于三维多芯片集成封装等先进封装项目 [14] 投资分析意见 - **算力国产化**：建议关注中芯国际、华虹公司 [4] - **AI存储**：建议关注澜起科技、兆易创新 [4] - **半导体设备零件国产化**：建议关注北方华创、中微公司、芯源微、茂莱光学、江丰电子 [4] 重点公司估值参考 - 报告列出了部分电子行业重点公司的估值数据，例如：北方华创（002371.SZ）2026年2月28日收盘价471.88元，对应2026年预测市盈率（PE）为36.3倍；中芯国际（688981.SH）收盘价115.00元，对应2026年预测PE为147.9倍 [16][18][19]