**行业与公司** * 行业涉及汽车CIS（CMOS图像传感器）和智能手机CIS领域 公司为OmniVision（豪威科技 603501 SS）前身为Will Semi（韦尔股份）[1][2] * 公司业务涵盖汽车CIS、智能手机CIS以及汽车新产品（如LCOS、SerDes、PMIC、MCU、SBC等）的研发与生产[2] **核心财务表现** * 2Q25收入为74.84亿元人民币 同比增长16% 但较 Goldman Sachs（GS）预期低2% 主要受汽车CIS及新产品（全景相机、运动相机）增长驱动 而智能手机CIS增长疲软[1][3] * 2Q25毛利率为30.6% 较GS预期低0.6个百分点 主因分销业务占比提升（该业务利润率较低）[3] * 2Q25运营费用率为13.7% 符合预期 因税率低于预期 净利润同比增长44% 较GS及Bloomberg一致预期分别高8%和6%[3] * 1H25汽车CIS收入贡献达CIS总业务的37% 高于1H24的31%[1][2] **业务发展与展望** * 管理层对汽车CIS增长持乐观态度 因新车规格升级（向3Mpx/8Mpx升级）及智能驾驶需求推动摄像头采用率提升[2] * 公司正加速新产品迭代 包括为旗舰机型研发200Mpx CIS 并预计2H25E将量产50Mpx传感器（1.6μm大像素）等新产品[1] * 公司已开始量产用于乘用车AR-HUD的LCOS产品 并推出SerDes、PMIC、MCU和SBC等汽车IC产品 长期将汽车市场视为主要增长动力[2] **盈利预测与估值调整** * GS下调2025年盈利预测1% 因智能手机CIS收入预期降低及产品结构变化导致毛利率下降 但上调2026/27年盈利预测2%/2% 因汽车新产品（LCOS、模拟IC）收入预期提高[7] * 2025-27E毛利率预期调整：2025E为30.4%（原30.8%）2026E为30.8%（原30.7%）2027E为32.2%（原32.1%）主因新产品占比提升（利润率较低）[7][8] * 目标价上调至191.0元人民币（原175.3元）基于33倍2026E市盈率（原31倍2025E）维持"买入"评级 预期12个月上行空间31.5%[8][17] **风险因素** * 智能手机CIS新产品扩展和产品结构改善慢于预期 * 汽车CIS增长放缓 * 中国智能手机需求弱于预期 * 汽车IC新产品量产进度延迟 * 贸易紧张局势的潜在影响[16] **其他重要内容** * Goldman Sachs及关联公司持有公司1%以上普通股（截至第二最近月末）并在过去12个月内与公司存在投行业务关系 未来3个月可能寻求或获得投行服务补偿[26] * 公司M&A排名为3（收购概率0%-15%）[17][23]

公司业务布局 - SerDes技术可支持多种协议数据传输 主要用于大通量、低延时的数据传输场景[1] - 公司目前主要配套SerDes周边的电感器件 以服务车载领域客户为主[1] 行业应用拓展 - SerDes技术广泛应用于电信、消费电子、数据中心和云计算等领域[1] - 近年来随着新能源汽车智能驾驶及智能座舱产业的快速发展 该技术被逐步引入车端应用[1]

物理层(PHY)的核心作用 - 物理层是OSI七层模型的基础组件，负责处理比特、字节和信号的物理传输，包括无线电、电线、光纤等介质[3] - 物理层已成为数据中心、AI和高性能计算的关键推动者，需满足海量带宽、超低延迟和能效需求[3] - 行业从二进制逻辑转向复杂物理设备时面临自然限制，如状态转换延迟和背景噪声影响信道容量[3] 物理层标准与应用 - 物理层标准多样化，包括USB、PCIe、以太网等，各标准针对特定场景设计，组合使用会增加成本[4] - HDMI与DisplayPort的案例显示，物理层组合需权衡SoC成本与功能需求，高端市场需多协议支持[5] - 标准制定允许供应商差异化竞争，同时降低系统功耗和成本[4] 低功耗与高带宽需求 - 移动设备、AR/VR、物联网等领域需超低功耗物理层以控制散热，否则影响产品商业化[6] - 过去20年USB和以太网带宽增长100-200倍，技术从NRZ转向PAM4等调制方式以提升数据速率[7] - AI计算需求推动接口速度升级，PAM4/PAM8等技术成为解决高带宽瓶颈的关键[7] 超高速PHY设计挑战 - 100G以上PHY设计需应对PAM4信令、亚皮秒抖动和信道损耗等尖端技术难题[8] - 工艺技术选择需平衡密度与模拟性能，信号完整性、电源完整性和系统集成成为关键约束[8] - 2.5D/3D封装技术引入中介层等组件，PHY需在硅片和封装层面协同仿真[8] 芯片间通信与3D集成 - UCIe等标准推动芯片间高带宽低功耗互连，3D系统通过中介层技术实现高效分解[9] - 物理层需弥合模拟与数字工程师的协作鸿沟，系统级优化可提升整体性能[10] - 物理层选择需评估数据对称性、通道数量、延迟等参数，并与外部接口兼容[10] 未来趋势与战略意义 - 行业向448G及以上标准演进，芯片分解、光学I/O和AI原生架构加剧技术挑战[11] - PHY从管道转变为战略赋能器，需持续突破技术界限以支持AI/HPC需求[11]

纪要涉及的行业和公司 - **行业**：AI 行业、半导体行业、数据中心行业 - **公司**：Marvell、博通、英伟达、微软、谷歌、亚马逊、Meta、特斯拉、苹果、OpenAI、Cadence、Synopsys、Credo、字节跳动 纪要提到的核心观点和论据 全球 AI 算力需求趋势 - **观点**：今年下半年全球 AI 算力需求将进入推理和训练共振向上阶段，需求周期刚起步 [1][3] - **论据**：此前市场对海外算力及 AI 应用进展判断谨慎，现认知扭转，虽近期海外算力链回调但幅度有限 AI 基础设施建设关键环节 - **观点**：AI 基础设施建设关键环节为计算、存储和互联，互联问题突破难度大 [1][4] - **论据**：计算和存储芯片适用摩尔定律，互联涉及物理材料和连接介质，不完全依赖摩尔定律，如 SerDes 技术方案迭代受限 大厂对 AI 基础设施定制化需求增长原因 - **观点**：大厂对 AI 基础设施定制化需求增长迅速 [1][2][5] - **论据**：大厂业务场景复杂量大、模型架构各异、组网架构不同，推动全品类 AI 基础设施定制化开发 Marvell 公司业务发展情况 - **观点**：Marvell 业务空间提升，XPU 及相关配套产品需求增长 [1][8][9] - **论据**：可触达业务空间从 750 亿美元提升至 940 亿美元，市场空间至少提升 30%；XPU 及配套产品未来几年增速更快，客户数量从 4 个增加到 10 个以上 未来全球 AI 资本开支预测 - **观点**：未来几年全球 AI 资本开支将显著增加 [1][10] - **论据**：客群增加，今年算力需求含推理和训练，预计到 2028 年资本开支规模达 1 万亿至 1.22 万亿美元 数据中心市场规模变化 - **观点**：数据中心市场规模持续增长 [12] - **论据**：2023 年约 2600 亿美元，2024 年增长至 4350 亿美元，2025 年预计接近 6000 亿美元，2028 年预计达 1 万亿美元 定制化计算与配套服务产品增长情况 - **观点**：2024 - 2028 年配套服务产品复合增速更高 [16][17] - **论据**：尽管加速计算芯片增长快，但交换机芯片及其他互联解决方案复合增速更高 互联技术在计算集群中的增长趋势 - **观点**：互联技术在计算集群中增长趋势显著 [18] - **论据**：去年展示互联需求非线性增长，今年 XPU 架构中 interconnect 增长迅速，大集群对互联技术需求远超线性增长 大集群未来发展前景 - **观点**：大集群将重新回归市场，用于训练和推理 [18][19] - **论据**：模型参数量增加，对大规模集群需求增加，如 Meta 和 Deepseek 仍需更大集群 海外 AI 算力链公司估值变化 - **观点**：海外 AI 算力链公司估值可能显著变化 [43][44] - **论据**：过去被视为周期股，估值 10 - 20 倍 PE，若 AI 算力需求持续，收入增速和估值可能维持在 20 倍以上 推理需求对 AI 算力链公司业绩的影响 - **观点**：推理需求持续性决定 AI 算力链公司业绩释放周期 [45] - **论据**：若推理需求强劲，业绩释放周期可能延长，增速拐点可能出现在 2026 年、2027 年甚至更晚 自动化代理对 TOKEN 量和推理需求的影响 - **观点**：自动化代理推动 TOKEN 量加速增长，确保推理需求持续性 [2][46] - **论据**：Agent 任务执行准确率提升至 95%以上，可替代人工操作，在编程等场景显示潜力并渗透不同产品领域 其他重要但可能被忽略的内容 - **OpenAI 资本开支预测**：2023 年 OpenAI 表示 2030 年左右可能需 7 万亿美元资本开支 [11] - **大规模计算集群连接方案**：采用何种连接方案取决于场景和技术成熟度，CPU 方案进展缓慢，明年能否突破需观察台积电、博通等公司进展 [20] - **Marvell 客户订单情况**：拥有 18 个客户订单，包括三个大型 XOX 订单（几十亿美金，交付周期一年半到两年）和九个小型 XPU attached 项目订单（EB 级别，生命周期两到四年） [21] - **全球大型集群发展趋势**：Meta 在 2024 年建立 10 万卡集群，马斯克拥有 34.1 万卡集群，预计 2026 年下半年 XAI 和 OpenAI 率先达百万卡集群水平 [26] - **模型创新对大规模集群需求影响**：推理和预训练模型对大规模集群需求强劲，缩放定律至少支持到 2035 年，Transformer 架构继续使用，模型参数持续增加 [28] - **光模块连接速率作用**：与万卡级大型集群密切相关，去年预判增速基本兑现，市场对海外算力及光模块、PCB 等需求节奏和阶段存在分歧 [29] - **明年市场增速预期**：市场对明年增速回落预期可能过于悲观 [30] - **海外算力链上涨核心矛盾点**：集中在 TOKEN 量级上升原因分析，需研究海外与国内 TOKEN 量级差异及驱动因素 [42] - **中国市场与海外市场自动化代理应用差距影响**：中国市场对自动化代理接受度低，投资者预期保守，若跟上趋势提高渗透率，有助于提升国内相关企业价值 [49]

公司业务进展 - 公司持续推进车载模拟芯片产品布局，包括CAN/LIN、SerDes、PMIC、SBC等多款产品，近期在加速验证导入过程中 [1] - 公司模拟解决方案业务去年实现营业收入14.22亿元，较上年增加23.18% [1] - 车载模拟IC销售收入较上年增加37.03%，占公司模拟解决方案业务收入的14% [1] 业务增长点 - 车载模拟IC成为模拟解决方案业务的新增长点 [1]

SerDes技术概述 - SerDes是串行器/解串器的简称 采用时分多路复用和点对点串行通信技术 在发送端将多路低速并行信号转换为高速串行信号 在接收端执行反向转换[2] - 相比传统并行接口具有显著优势：减少IO数量达70%以上 缩小封装尺寸 降低布线复杂度 成本降低30%以上 同时有效降低电磁干扰和噪声[2] - 采用差分信号传输技术 最高传输速率超过10Gbps 但系统设计复杂度较高且需要高性能材质通道[2] 核心技术原理 - 通过提高频率带宽和频谱利用率提升数据传输效率 采用信号复用技术实现串并转换 包括时分复用 频分复用 波分复用和码分复用四种主流方式[5][7] - 采用低电压差分信号技术提升带宽 主流LVDS技术通过一对相反信号传输 抗干扰能力强 保持信号完整性[8] - 数模转换通过DAC实现数字信号调制到基带信号 模数转换通过ADC完成 分辨率达8位以上 采样率决定数据还原能力[8][10] 码元与编码技术 - 码元作为最小信号周期内的脉冲信号 可携带多bit数据 码元宽度决定信息容量 比特率与波特率存在倍数关系[13] - NRZ编码每个码元仅携带1bit信息 PAM4编码每个码元携带2bit信息 在相同频率下带宽提升100%[14][17] - PAM4需更高精度数模转换 电路复杂度导致功耗增加40% 延迟增加25% 但信号频率要求降低50%[17] 时钟与信号恢复 - 传统时钟信号并行传输存在带宽限制 超过1Gb/s会出现时钟偏移 SerDes采用CDR技术在接收端恢复时钟[19][22] - CDR技术消除单独时钟布线 减少30%布线冲突 降低设计难度 但需特殊比特序列增加电路复杂度[23][25] - DSP方案先进行数模转换再恢复时钟 支持色散补偿和噪声消除 但功耗比CDR高35% 延迟增加20% 更适合长距传输[23][24] 传输特性与挑战 - 采用实时无损传输机制 理论上无需包头包尾 但芯片内部为校验和通道区分会增加类似开销[25] - 抖动分为随机性抖动和确定性抖动 后者包括周期性抖动 数据相关抖动和占空比抖动 其中数据相关抖动可通过均衡器校正[28] - 噪声表现为幅度偏离 抖动表现为时序偏离 两者可数学转换 随着信号频率提升 抖动噪声影响加剧 差分传输中反向信号会相互干扰[29][31] 技术发展趋势 - 单通道数据率超过30Gbit/s倾向采用PAM4+DSP方案 以下采用NRZ+CDR 国内相关研究较国外存在差距[24] - 新兴CDR技术研发旨在替代DSP方案 实现PAM编码下的低成本和高可操作性 16nm以下DSP方案需大规模出货平摊研发成本[24]

行业趋势 - Nvidia在AI训练和推理领域占据主导地位，但超大规模计算公司和云构建商正在开发自研XPU以降低对Nvidia的依赖 [1] - 超大规模计算公司和云构建商正在开发基于Arm的CPU和矢量/张量数学引擎，用于处理AI工作负载 [1] - Broadcom和Marvell通过提供设计支持和IP模块（如SerDes、PCI-Express、内存控制器）参与定制芯片开发 [1] 公司合作与市场动态 - Marvell与AWS、Google、Meta和Microsoft合作开发定制AI加速器（如Inferentia 2、Trainium 2、Axion Arm CPU等） [2] - Broadcom与Google、Meta、ByteDance合作开发AI加速器（如TPU、MTIA），并传闻与Apple和OpenAI合作 [2] - 超大规模客户要求定制XPU的成本必须显著低于传统CPU/GPU方案 [3] 财务表现 - Broadcom 2025财年Q1销售额1492亿美元（同比+247%），利润55亿美元（同比+42倍） [5] - Broadcom半导体解决方案部门营收821亿美元（环比+111%），AI相关营收412亿美元（同比+77%） [8][11] - Marvell 2025财年Q4销售额182亿美元（同比+199%），净收入2亿美元（去年同期亏损393亿美元） [16] 技术进展 - Broadcom正在流片基于2纳米工艺和35D封装的AI XPU，性能达10,000万亿次浮点运算/秒 [13] - Broadcom推出"Tomahawk 6"以太网交换机ASIC，带宽超100 Tb/秒 [13] - Marvell数据中心业务营收137亿美元（同比+785%），AI相关营收852亿美元（同比+39倍） [18][19] 未来展望 - Broadcom预计2025财年Q2 AI营收44亿美元（同比+44%） [12] - Marvell预计2026财年AI营收超30亿美元，可能达35亿美元 [18][20] - 行业需求呈现周期性特点，超大规模客户倾向于批量采购以优化成本 [4]