一、AI 基础层建设驱动半导体崛起 AI 的发展离不开三个关键要素：数据、算法和算力，当前 AI 算力军备竞赛已经开启。处理器、存储和网络带宽是 AI 算力需求中最为重要的三个核心要素。1）处理器领域，ChatGPT 大模型至少需要 7k-1W 颗英伟达 A100 的 GPU，随着训练天数的缩短对 GPU 卡的需求量也将持续增加；2）存储领域， “算”与“存”分不开，算力基于数据，数据需求存储，随着算力的提升，数据量将呈指数级成长，对应对存储容量带来大量的需求，也将对存储芯片带来爆发式增长，从现有的能看到的方向是 AI 服务器，根据美光的数据，AI 服务器相比传统通用服务器带来 8 倍 DRAM+3 倍 NAND Flash；3）网络带宽领域，光芯片与光模块是高效传输的重要基础，AI 算力带来的流量上升将拉动光芯片需求，当前国内光芯片与海外差距在逐步缩小，最有望成为国产替代的领域。

二、自上而下看半导体行业：周期筑底、AI 需求、估值回归半导体产业周期正在筑底。从历史上看，半导体以及细分赛道呈现出趋同的周期性，2000 年以来，全球半导体行业已经历多轮周期，当下我们正走在2021年以来的下行周期，周期底部渐行渐近。根据世界半导体贸易统计组织（WSTS）的数据，2021 年全球半导体的市场规模为 5559 亿美元，同比增长 26%。2023 年全球半导体的市场规模预计将达到 5566亿美元，同比减少 4%。需要指出的是，台积电的资本开支周期和半导体周期基本趋同。作为全球最大的半导体代工企业，台积电资本开支充分反映了产业链供需的景气度变化，往往台积电资本开支增速的顶部意味着半导体周期的见顶。

而且作为产业链中游的核心企业，台积电资本开支有时候会滞后于半导体周期。 

AI 算力军备竞赛驱动增量需求。芯片是 AI 模型训练的算力基础，在 AI 军备竞赛逐渐升级的背景下，芯片制造商将受益于市场的增量需求。根据 Gartner 测算，AI 带来的芯片需求将推动由 2022 年的 440 亿美元上升到 2026 年的 860 亿美元，接近翻倍的增长。如果考虑到相关产业链的增量需求，这对整个半导体行业都将是明显的增量需求 基本面筑底，估值均值回归。半导体自 2021 年年中调整以来，当前估值处在历史相对低位，在基本面筑底的阶段，估值均值回归可期。从申万半导体行业指数的估值来看，当前市盈率为 49.97，处于历史 13.87%的分位点，当前市盈率也处于历史均值减一倍标准差以下。

三、半导体行业中观边际变化：AI 基础设施军备竞赛算力芯片：AI 拉动 GPU/FPGA/ASIC 量价齐升。人工智能芯片多用传统型芯片，或用昂贵的图形处理器 (GPU),或用现场可编程门阵列芯片配合中央处理器 (FPGA+CPU)为主, 用以在云端数据中心的深度学习训练和推理, 通用／专用型 AI 芯片（ASIC），也就是张量处理器或特定用途集成电路 (ASIC)，主要是针对具体应用场景，三类芯片短期内将共存并在不同应用场景形成互补。

存储芯片：存储板块有望迎来拐点，DDR5 内存放量。随着 AI 技术升级，庞大的数据增量，必须运用各种具备高速运算的人工智能芯片来过滤、处理分析、训练及推理，这将持续带动 7nm 以下高速运算 HBM 存储器，3D NAND, CPU, AI GPU, FPGA, 网络芯片晶圆代工的需求，及顺势带动成熟制程的配套芯片如电源管理芯片，PCIE Gen 4/5 retimer等的需求光芯片：数通和电信市场水大鱼大，光芯片国产替代空间广阔。受益于全球数据量快速增长，光通信逐渐崛起。

在全球信息和数据互联快速成长的背景下，终端产生的数据量每隔几年就实现翻倍增长，当前的基础电子通讯架构渐渐无法满足海量数据的传输需求，光电信息技术逐步崛起。

风险提示经济下行超预期、宏观流动性收缩风险、海外黑天鹅事件、产业政策落地不及预期