算力芯片快速升级，高端产能于周期底部积极扩产

算力硬件平台开始向新方案过渡，英伟达Blackwell与CSP ASIC放量

GB200服务器进入规模化量产阶段，Blackwell将接替Hopper成为出货主力。在GTC 2024大会上，英伟达正式发布了新一代Blackwell架构AI芯片，并推出了基于该架构的新型机架式AI服务器参考设计GB200。由于散热挑战与液冷系统泄漏等问题，GB200系统在2024年量产推进并不顺利，整体进度滞后于预期。随着英伟达与供应链合作逐步优化设计，并解决关键技术难题，24年底Blackwell平台开始进入爬坡阶段，开启对Hopper平台的替代。英伟达FY26Q1（2025年2月-4月）数据中心业务中近70%的收入已由Blackwell平台贡献。鸿海、广达等核心ODM供应商也普遍预计，GB200将在2025Q2加速放量，微软、Meta等多家云服务厂商也陆续部署新一代系统。

升级方案GB300有望于2025年下半年开启量产。英伟达在GTC 2025大会上披露，预计GB300将于2025年下半年量产上市。硬件方面，GB300采用12-Hi堆叠的HBM3e内存结构，每颗GPU配备288 GB显存，较GB200的192 GB提升50%。系统I/O也全面升级，整机网络带宽提升至1.6 Tbps，以满足更高并发推理的通信需求。在性能表现上，GB300 NVL72在FP4精度下的推理算力相较GB200 NVL72提升约1.5倍。为确保量产进度，英伟达此次在设计上回归稳定的Bianca板卡方案，并优化了液冷系统与供电模块。GB300将成为继GB200之后，又一轮AI服务器放量的关键驱动。

自研ASIC芯片不仅能够降低功耗，还能帮助CSP掌握AI基础设施的成本与供应链，避免过度依赖英伟达，因此自研ASIC正成为CSP的竞争关键。谷歌曾独占ASIC AI芯片市场，目前AWS、Meta、微软等企业也开始积极投入ASIC AI芯片开发。AWS的ASIC AI芯片Trainium 2在2024Q4开始量产，搭载该芯片的服务器则在2025Q1开始规模化出货，纬颖作为AWS ASIC服务器的核心供应商，营收大幅受益。AWS下一代Trainium 3晶片则预计在2025年底之前量产。

AI带动半导体进入新的成长期，先进制程、先进封装持续迭代

制程迭代是芯片算力提升的关键因素，AI算力需求的爆发催生了对先进制程的强需求。AI大模型发展对芯片算力提出更高要求，未来更成熟的AGI模型所需算力是现在GPT-4所需算力的1万倍。而解决高算力需求的一种方案是采用更为先进制程的芯片，因为芯片制程越先进，功耗越低、计算速度越快。如2nm芯片功耗约为16nm芯片的10%，而性能约为16nm芯片的2倍以上。台积电估计其即将推出的N2P节点的功耗可能比N3E节点低30-40%。

服务器需求将超过智能手机成为先进制程最主要的驱动力。历史上，智能手机的迭代更新推动了芯片制程的不断演进，但随着AI应用的计算需求上升，服务器成为主要的算力中心，且对高算力的追求使得其对先进制程呈现出越来越高的需求，AI芯片功耗较高，且需要更小的尺寸，因此AI芯片对先进制程的迫切需求将推动服务器需求成为先进制程最大的驱动力。Sumco估计，在AI服务器出货量强劲增长的推动下，服务器对先进制程晶圆的需求量最快将在2024年超过智能手机。

2025年是2nm量产交付元年，台积电已获得多家客户订单。台积电、三星、Intel均有望在2025年量产2nm制程，但目前Intel和三星主要用于生产自有产品，并未获得第三方客户的量产订单。Intel的18A将生产Panther Lake (PC CPU)和Clearwater Forest (服务器CPU)，三星的SF2可能将获得自研处理器Exynos 2600的订单。台积电的2nm已获得多家客户订单，包括AMD的Venice（服务器CPU），苹果的A20/A20 Pro和M6系列，高通第三代8 Elite。此外，AWS、谷歌、微软未来的ASIC AI芯片在2nm节点上都大概率选择台积电。 

先进制程面临物理约束瓶颈，先进封装成为提高芯片性能的重要解决方案。AI大发展使得算力需求爆发式增长，然而，随着半导体工艺尺寸进一步缩小，集成电路制造面临的挑战日益增大，摩尔定律日趋放缓，单位晶体管的成本不降反升，应用先进制程的芯片研发费用也大幅增长。先进封装通过异构集成，将多个芯粒（Chiplets）高密度连接在一起，整体性能提升不再依赖单一芯片支持，且大幅提升良率，降低成本，成为提供系统级性能提升的新路径。

CoWoS为HPC和AI计算领域广泛使用的先进封装技术。CoWoS是台积电推出的 2.5D封装技术，本质上是将多个芯片（如逻辑芯片+HBM）放置在一块硅中介层（interposer）上，再封装在基板上，2012年首先应用于Xilinx的FPGA上。此后，英伟达、AMD、谷歌等厂商的AI芯片均采用了CoWoS，例如A100、H100。如今CoWoS已成为HPC和AI计算领域广泛应用的2.5D封装技术，绝大多数使用HBM的高性能芯片，包括大部分创企的AI训练芯片都应用CoWoS技术。

AI持续高景气带动CoWoS需求不断提升。2023年一季度以来，AI服务器的需求不断增长，使台积电CoWoS封装产能紧缺。台积电一方面将制程分段委外，另一方面大幅扩产CoWoS产能。

HBM 3D堆叠提升内存性能，AI芯片广泛采用。随着数据的爆炸式增长，内存墙对于计算速度的影响愈发显现。为了减小内存墙的影响，提升内存带宽一直是存储芯片聚焦的关键问题。如同闪存从2D NAND向3D NAND发展一样，DRAM也正在从2D向3D技术发展，HBM为主要代表产品。与传统DRAM不同，HBM是3D结构，它使用TSV技术将数个DRAM裸片堆叠起来，形成立方体结构，与传统内存相比，HBM的存储密度更大、带宽更高，基本成为数据中心AI芯片的标配。

预计2028年全球先进封装市场规模增至786亿美元，2022-2028年CAGR达到10.0%。根据Yole数据，2022年全球封装市场中，先进封装占比已达到47%。预计到2028年，先进封装市场占比将增至58%，规模约为786亿美元，2022年-2028年CAGR约为10.0%，明显高于传统封装市场的2.1%和市场整体的6.2%。

晶圆代工龙头台积电打造先进封装工艺标杆，传统封测厂商亦纷纷加快转型步伐。台积电在先进封装上已取得了可观的收入体量，技术布局也进入关键节点，未来投入规模将持续加码。在OSAT厂商中，日月光VIPack先进封装平台包含六大核心技术，安靠推出FCMCM（倒装多晶片模组）、2.5D（TSV）等五大先进封装解决方案。国内长电先进聚焦bumping，Fan-out CSP晶圆级等先进封装，通富微电在2.5D/3D先进封装保持国内领先，深科技专注存储封测领域，并聚焦倒装工艺（Flip-chip）、POPt堆叠封装技术的研发。

内存带宽成为算力卡口，HBM需求紧迫迭代迅速

全球HBM（高带宽存储器）技术呈现“海外领跑、国内加速追赶”的双轨格局。海外市场由SK海力士、三星、美光三大巨头垄断95%以上份额：SK海力士凭借HBM3/3E量产优势稳居首位（市占率52.5%），其12层堆叠HBM4测试良率已突破70%，计划2025年量产；三星正加速优化HBM3E良率并推进HBM4研发，2024年通过AMD MI300系列验证后逐步放量；美光则聚焦HBM3e量产，但产能扩张略有滞后。国内HBM产业受地缘政策催化进入提速阶段。

从HBM的生产工艺来看，DRAM颗粒为定制的DRAM颗粒，工艺难点在于封测。TSV、大规模回流模塑底部填充（MR-MUF）、自对准、混合键合等工艺很大程度上影响HBM的性能和良率。

（1）TSV：不采用传统的布线方法来连接芯片与芯片，而是通过在芯片上钻孔并填充金属等导电材料以容纳电极来垂直连接芯片。制作带有TSV的晶圆后，通过封装在其顶部和底部形成微凸块（Micro Bumping），然后连接这些凸块。由于TSV允许凸块垂直连接，因此可以实现多芯片堆叠。最初，使用TSV接合的堆栈有4层，后来增加到8层。最近，一项技术使得堆叠12层成为可能，SK海力士于2023年4月开发了其12层HBM3。虽然TSV倒装芯片接合方法通常使用基于热压的非导电薄膜（TC-NCF），但SK海力士使用MR-MUF工艺，可以减少堆叠压力并实现自对准。这些特性使SK海力士能够开发出世界上第一个12层HBM3。

（2）MR-MUF：将半导体芯片堆叠起来，并将液体保护材料注入芯片之间的空间，然后硬化以保护芯片和周围电路的工艺。与在每个芯片堆叠后应用薄膜型材料相比，MR-MUF是一种更高效的工艺，并提供有效的散热。目前SK海力士主要使用MR-MUF工艺生产HBM2e/3/3e，使得其领先于三星电子和美光，后者主要采用TC-NCF工艺。MR-MUF工艺需要使用液态环氧树脂（EMC），目前全球仅日本namics独供。除EMC外，HBM封装还需要底部填充胶用于FC工艺，采用PSPI作为硅中介层中RDL的再钝化层，还需要IC载板、DAF、Solder ball等材料。

（3）自对准：在 MR-MUF工艺期间通过大规模回流将芯片重新定位到正确的位置。在此过程中，热量被施加到芯片上，导致相关凸块在正确的位置熔化并硬化。

（4）混合键合：C2W混合键合具有多种优势，①允许无焊料键合，减少键合层的厚度、缩短电气路径并降低电阻。因此，小芯片可以高速运行，就像单个芯片一样。②通过直接将铜与铜接合，可以显着减小凸块上的间距。目前，使用焊料时很难实现10 um或更小的凸块间距。然而，铜对铜直接键合可以将间距减小到小于1um，从而提高芯片设计的灵活性。③先进的散热功能。④上述的薄粘合层和细间距影响了封装的形状因数，可以大大减小封装尺寸。目前混合键合主要用于单层键合或两个芯片面对面堆叠，SK海力士2022年用混合键合完成了8层HBM2e的堆叠，正在开发用于更高密度、高堆叠HBM的混合键合。

需求紧俏，HBM持续挤压DRAM产能。从需求端看，云计算厂商将更多资本开支投入AI基础设施，2024年北美CSP的资本开支增速在55%，主要来自AI推动，传统服务器需求基本持平，25Q1同比增长64%，预计2025年CSP资本开支维持大幅增长。算力需求的快速增长，算力卡的数量和配置快速升级，最终带来的是算力芯片和HBM需求的快速增长。结合海外存储厂商和咨询机构的预测， 2024年HBM市场规模达到160亿美金，同比增长300%，预计2025年达到320亿美金，同比增长100%。从供给端看，HBM供应仍然紧缺，在传统DRAM库存波动的情况下，HBM由于AI服务器的强劲需求，挤占DRAM产能的现象还在持续。

HBM快速迭代，HBM4即将进入量产。结构上，2025年HBM3e将占据主导，根据SK海力士，2024年其HBM3e收入将占HBM收入一半以上，2025年12层HBM3e供给量将超过8层产品，12层HBM4计划于25H2发货。（1）HBM3e：三大原厂相继推出12Hi产品，这些12Hi的HBM预计用在英伟达的B300A（B200A Ultra）和B300上。（2）HBM4：三星、海力士计划24Q4开始HBM4的流片，预计2026年用在英伟达下一代的Rubin芯片上。

模型推理时代到来，ASIC需求爆发，看好ASIC服务器PCB厂商

推理时代即将到来，推理将成为AI算力需求的新动力。英伟达首席执行官黄仁勋在2025年GTC的主题演讲中提到，随着AI行业在模型训练上的需求放缓，叠加DeepSeek在模型推理上所作的创新，AI推理时代即将到来。相较于传统的生成式AI主要以语言大模型与聊天机器人的形式呈现、聚焦生成文本和图像内容等，AI Agent能理解任务、进行复杂推理、制定计划并自主执行多步骤操作，由于AI Agent解决复杂问题、分解任务每一步的逻辑思考过程都需要用到模型推理，因此推理将成为AI新阶段的核心动力。

低成本是AI推理爆发的必要条件，北美CSP厂商均加速研发ASIC的步伐。大模型推理时代相较于移动互联网时代，底层逻辑发生了巨大变化。推理系统的成本几乎和客户使用量成线性关系，因此边际成本很高，且成本绝大部分是推理的算力消耗。因此，在大模型时代，能将推理成本降到极致的厂商有望获得最终的胜利。目前北美四大CSP厂商，除了继续采用英伟达GPU做模型训练之外，均在加速开发自家的ASIC产品，一方面因英伟达的GPU价格昂贵，硬件投入成本过高，另一方面，自研ASIC可针对特定需求进行优化，也能针对特定的应用进行设计，因此对于能耗或电力管理的控制将更加精准，此外，从供应链安全角度，也可以避免算力资源都来自英伟达、AMD等GPU厂商的风险。在同等预算下，AWS的Trainium 2可以比英伟达的H100 GPU更快速完成推理任务，且性价比提高了30%～40%。2025年底计划推出的Trainium3，其计算性能更是提高了2倍，能效有望提高40%。谷歌的TPU v5芯片在Llama-3推理场景中，单位算力成本较H100降低了70%。根据IDC数据，微软Azure自研ASIC后，硬件采购成本占比从75%降至58%，摆脱长期被动的议价困境。

在Google Cloud Next 25大会上，谷歌又推出了第七代张量处理单元(TPU v7)Ironwood,它是谷歌迄今为止性能最高、可扩展性最强的定制ASIC芯片，也是首款专为推理而设计的加速器。Ironwood的每瓦性能是谷歌去年发布的第六代TPU Trillium的两倍，HBM容量及双向带宽均大幅提升。谷歌ASIC服务器计算板上有四个Ironwood TPU，这个与之前TPU v5计算板架构一样。

博通和Marvell均看好ASIC市场需求。博通和Marvell是ASIC定制领域的主要玩家，二者在AI定制芯片中占据了超70%的市场份额。博通定制的ASIC芯片广泛应用于数据中心、云计算、高性能计算（HPC）、5G无线基础设施等领域，根据博通最新财报，2025Q1公司AI芯片收入占比50%，同比增长77%，其中ASIC相关收入占比60%。博通认为XPU的需求会持续上涨，公司预计2025年下半年ASIC收入占比会持续上升，主要是因为推理模型需求增长使得AI芯片业务增速加快。Marvell的ASIC业务也成为公司强劲增长的核心动力之一。2024年12月初，Marvell与AWS达成了一项为期五年的战略合作协议，包括帮助亚马逊设计自有AI芯片。伴随AWS芯片的量产，Marvell在2025Q1实现营收18.95亿美元，同比增长63%，创历史新高。Marvell也预测，随着AI计算需求的增长，公司ASIC占比有望提升至25%，预计2028年数据中心ASIC市场规模将提升至429亿美元。

中国ASIC服务器市场增速超40%。中国ASIC服务器市场未来在中国市场，由于部分高端GPU产品受供应的限制，出现了算力缺口，另外中国头部的互联网企业为了降低成本以及更好地适配自身业务场景，也增大了自研ASIC芯片服务器的部署数量。IDC预测，2024年中国加速服务器市场规模将达到190亿美元，同比2023年增长87%。其中GPU服务器依然是主导地位，占据74%的市场份额。到2028年，中国加速计算服务器市场规模将超过550亿美元，其中ASIC加速服务器市场占比将接近40%。

随云厂商积极自研ASIC芯片，ASIC正成为AI服务器市场中与GPU并行的重要架构，进一步带动高阶PCB的需求。金像电为全球服务器PCB第一大厂，也是ASIC服务器放量时PCB企业中的最大受益者。金像电的产品已经切入北美四大CSP，涵盖UBB、OAM（加速器模组）所需要的HDI、厚铜板等。根据金像电25Q1法说会资料，公司25Q1单季度实现收入29.52亿元，创历史新高，其中服务器收入占比持续提升，到72%。在传统服务器市场温和复苏背景下，金像电业绩高增核心来自于云厂商ASIC服务器PCB订单，根据公司交流，2024年AI产品占比已达20%，未来将持续提升。

根据Semianalysis数据，亚马逊第二代推理芯片Trainium2的计算托盘中使用了2个Trainium2的芯片，即用到2个OAM，下面是一块UBB板。UBB为采用了M8规格覆铜板材料的28层高多层板，OAM为M6/M7的三阶HDI，往下一代Trainium3迭代的过程中，UBB中层数、OAM层数及阶数均会进一步提升。

展望2025年，除AWS外，谷歌、meta的新产品中，ASIC服务器UBB层数均将向30层板以上推进，制作难度加剧，也将进一步推动ASP的提升，ASIC服务器PCB将迎来量价齐升阶段，同时也将拉动上游高规格（M8等）覆铜板的需求。

报告来源

证券研究报告名称：《2025年中期投资策略报告：端侧AI爆发可期，国产高端产能亟需突破》

对外发布时间：2025年6月17日

报告发布机构：中信建投证券股份有限公司 

本报告分析师： 

刘双锋 SAC 编号：S1440520070002

庞佳军 SAC 编号：S1440524110001

孙芳芳 SAC 编号：S1440520060001

章合坤 SAC 编号：S1440522050001

郭彦辉 SAC 编号：S1440520070009

王定润 SAC 编号：S1440524060005

何昱灵 SAC 编号：S1440524080001

05 AI使高端被动元件需求激增，相关金属新材料迎发展机遇

AI兴起拉动小体积、高容值MLCC需求量快速增长

电容器行业发展过去主要依赖传统电子行业，MLCC主要受消费电子行业景气度的影响，周期性显著。近年来，新能源行业快速发展，国产厂商在下游新能源汽车、光伏、风电、储能等领域占据全球主要市场份额，从而带动上游被动元件的高速增长，AI化对应MLCC用量尤其是高规格MLCC需求量的快速增长。

GPU算力需求增加，MLCC成为保障高算力设备稳定运行的关键组件。当前，GPU和CPU的算力需求快速增长，为保障高算力设备的安全运行，MLCC在电路中承担了重要责任。服务器供应电流是48V或54V的直流电源，GPU、CPU的供应电流主要是12V或者更高，中间需要多路电源转变，电容发挥稳定电压作用。此外，随着晶体管数量的迅速增加，高算力设备的功耗也不断攀升。以英伟达为例，GB 200晶体管数量达到2000亿，工作功率大幅提升，GPU电路板上的电容数量因此激增，每块板可能使用超过1200个电容，这使得电容成为保障GPU正常工作的核心元件。

高容值、高耐温、小型化电容需求进一步提升。在高算力AI发展的需求下，功率大幅提升，但载板空间有限，为适应AI应用带来的电路改变，MLCC产品的变化主要体现在4方面：首先，高算力GPU/CPU需要的电容数量更多，在面积有限的板子上，电容要在更小体积中实现更大容值；其次，功耗增加导致电路系统温度升高，电容需具备更高的耐温性；三是，高功率条件下，大电流带来大纹波，对电容的低等效串联电阻（ESR）提出了更高要求；四是GPU/CPU的高频工作特性要求电容具有低等效串联电感（ESL）及高自谐振频率（SRF）。这些技术挑战反映出被动元器件需持续优化以适应高算力时代的需求，对上游厂商来说，这要求更细、耐高温的陶瓷粉料，以满足小体积大容量的高容值电阻的要求。

AI服务器拉动高容值MLCC需求量增加。与传统服务器相比，AI服务器MLCC用量显著增加，AI服务器MLCC用量大约是传统服务器的两倍，另外AI服务器算力需求增加，功率、电耗等要求随之提高，高容值、高耐温的MLCC产品单位用量增加。Trend Force集邦咨询表示，以英伟达GB200服务器为例，系统主板MLCC总用量高达三、四千颗，不仅较通用服务器增加一倍，1u以上用量占60%，耐高温用量高达85%，系统主板MLCC总价也增加一倍。Trend Force预测，2024年人工智能服务器全年出货量将达到167万台，同比增长41.5%。 

根据Trend Force集邦咨询最新调查报告显示，2024年整体服务器市场产值估约达3060亿美元。其中，AI服务器成长动能优于一般型服务器，产值约为2050亿美元，AI服务器出货量同比增长46%。Trend Force预估2025年AI服务器出货量年成长率将达近28%，占整体服务器出货比重将进一步提升至15%以上。

AI PC需求持续增长，持续推动高端MLCC需求。一台传统笔记本电脑大约需要1000个MLCC，以英特尔为代表的CPU厂商正在力推具备AI算力的PC产品，新增了如神经处理单元（Neural Processing Unit，NPU）的功能模块，以提高整体运算性能，需要增加NPU供电线路，每台PC需要增加约90~100个MLCC。主要采用高通公版设计的Windows on Arm（WoA）笔记本电脑尽管采用低能耗见长的精简指令集（RISC）架构（ARM）设计架构，但其整体MLCC用量却高达1160至1200颗，这一数字与英特尔高端商务机型相当，其中高容值MLCC的用量占比高达八成。根据村田数据，AI PC单机MLCC用量提升40-60%，达到1400-1600颗。

预测2030年AI PC用MLCC约4000亿颗，年均增速超30%。据Canalys数据预测，2024全球AIPC出货量将达到4800万台，占个人PC总出货量的18%，预计到2025年，AIPC出货量将超过1亿台，占PC总出货量的40%，到2028年AIPC出货量将达到2.05亿台，渗透率达到约70%。2030年，预计全球AI PC用MLCC约4000亿颗，年均增速超30%。

AI手机需求高增，预计2030年用量超1.6万亿颗，年均复合增速超30%。据村田数据显示，4G高端手机MLCC用量为900-1100颗，而5G高端手机中用量将提升到990-1320颗，AI手机单机用量将提升20%，达到1300-1500颗。根据Canalys报告，预计2024年全球16%的智能手机出货为AI手机，到2028年，这一比例将激增至54%；IDC预测，到2025年，全球市场中三分之一的手机将成为新一代AI手机，中国市场到2028年AI手机占比可能超过80%。受消费者对AI助手和端侧处理等增强功能需求的推动，AI手机渗透率快速增长，Canalys预计这一转变将先出现在高端机型上，然后逐渐为中端智能手机所采用，手机用MLCC逐步转向高端。

AI发展，高端MLCC及原材料需求放量。随着AI终端渗透率的不断提升，高端MLCC用量快速增长，带来上游高端原材料需求爆发，以MLCC用镍粉为例，假设每亿颗MLCC用纳米镍粉0.22吨，预计新能源及AI领域用MLCC需求量从2023年的约3000亿颗增长至2030年的近3万亿颗，高端MLCC用纳米镍粉需求量从不足千吨增长至超6千吨。

电感：芯片电感在AI算力时代的崛起与应用

三大被动元件之一，电子世界中的“能量缓冲器”。电感是三大被动元件之一，又称线圈、扼流器、电抗器等，能把电能转化为磁能而存储起来，结构类似于变压器，当电流通过电感器的线圈时，会在其周围形成磁场，这个磁场又会反过来影响线圈中的电流，形成电感效应。电感器正是利用这一原理，实现对电路中电流的调节和控制。其特性是“通直流、阻交流”，主要作用包括储能、筛选信号、过滤噪声、稳定电流及抑制电磁波干扰（EMI） 等，还可与电容一起组成LC滤波电路。电感器的应用领域广泛，涵盖电源管理、信号处理、通信、汽车电子、消费电子等多个领域。

算力时代，AI芯片电感大显身手

随着高性能计算（HPC）系统，特别是AI服务器的市场规模不断扩大，其核心处理器，包括CPU、GPU、NPU、ASIC、FPGA等，以及内存、网络通信等芯片元器件的性能和功耗水平都在提升。AI服务器中，CPU、GPU、内存等及各种接口都需要供电，因此电源管理系统就显得非常重要，功率管理水平的提升显得更加重要。

小型化、大功率、高频率场景日益丰富，芯片电感大展身手。芯片电感是一种特殊形式的一体成型电感，其尺寸微小，但性能优越，广泛应用于各类集成电路中，起到为GPU、CPU、ASIC、FPGA等芯片前端供电的作用。AI快速发展导致对于算力的要求爆发增长，传统的铁氧体电感体积和饱和特性满足不了高性能GPU的要求，金属软磁粉或羰基铁粉制作的芯片电感具有体积小、效率高、散热好等优点，可以更好适应芯片低电压、大电流、大功率场景，耐受大电流冲击，开关频率可达500kHz~10MHz，更加适用于AI服务器、AI PC 、AI 手机、智能驾驶、AI机器人、DDR等大算力应用场景。

AI发展拉动GPU销量激增和迭代加速，引发对芯片电源模块的批量供应和性能升级的双重需求。根据华为《智能世界2030》报告预测，2030年，人类将迎来YB 数据时代，2020年通用算力将增长10倍到3.3ZFLOPS，AI算力将增长500倍超过100ZFLOPS。算力需求的爆发式增长，直接引致AI服务器的出货量和占比的加速提升。根据Trend Force公布的《AI服务器产业分析报告》，预估2024年AI服务器出货量可上升至167万台，年增长率达41.50%，预估2024年AI服务器产值将达1870亿美元，在服务器中的整体占比高达65%。GPU作为AI服务器的核心算力芯片，占据目前AI芯片市场80%以上的市场份额，AI产业的快速发展直接拉动GPU的销量激增和迭代加速，继而引发了对芯片电源模块的批量供应和性能升级的双重需求。

算力提升，大功率场景催生芯片电感需求。以英伟达的GPU为例，其2022年推出的型号为H100SXM的GPU的算力指标TF32和FP16分别为0.49PFLOPS和0.99PFLOPS，而其拟推出的B200 GPU的TF32和FP16分别提高至1.12PFLOPS和2.25PFLOPS，其功耗水平亦由700W增加至1000W，虽然单位算力的能耗有所降低，但单体GPU的能耗水平仍增长明显，对芯片电源模块的供电能力和质量要求随之提升，进而对芯片电源的核心元件芯片电感也提出了更高的用量和性能需求。

算力下沉，AI PC和AI手机是芯片电感最具潜力的需求增长市场。PC及手机也用相当数量的一体成型电感，传统PC电感数量有10-30颗，村田称智能手机大概采用50颗左右一体成型电感，AI PC和AI手机虽然算力需求相较于云端AI较小，目前尚未实现金属软磁芯片电感的替代。随着未来算力下沉，AI PC和AI手机CPU/GPU等核心芯片算力和功率都会有进一步的提升，对更高效率、小体积、高可靠性和大功率的芯片电感需求也将逐步体现并替代传统电感。并且，传统铁氧体难以7*24小时稳定运行，电流波动大，影响数据传输，芯片电感能节省PCB板面积，有利于轻薄设计，对传统铁氧体电感替代是趋势。在总量上，AI手机和AI PC的电感需求总量要高于数据中心GPU市场，是未来芯片电感需求最具增长潜力的市场。

据Canalys数据预测，2024全球AI PC出货量将达到4800万台，占个人PC总出货量的18%，预计到2025年，AIPC出货量将超过1亿台，占PC总出货量的40%，到2028年AIPC出货量将达到2.05亿台，渗透率达到约70%，2024-2028年期间的复合年增长率将超40%。根据Canalys报告，预计2024年全球16%的智能手机出货为AI手机，到2028年，这一比例将激增至54%。

芯片电感壁垒高，认证周期长，竞争格局好。芯片电感最上游是粉体制造，一般由超细雾化合金粉、羰基铁粉、非晶粉等单独或混合使用，超细雾化合金粉、羰基铁粉制备具有较高壁垒，粒径大小、表面性能、一致性等要求较高。另外传统绕线电感在磁粉芯外绕铜线而成，芯片电感将采取铜铁共烧工艺提高机械强度。下游客户认证周期较强，具有较高的准入壁垒。

电阻：市场空间相对较小，市场集中度高

随着AI终端和AI服务器的快速发展，对电阻的需求和性能要求也在显著提高。AI终端的功率和工作电流不断提升，通常需要使用低阻值、高功率、高精度的电流感测电阻，以满足更精细化的电流检测需求，并保证检测的准确性和可靠性。如AI终端要求电阻具备超低容差、超低温漂、更大工作温度范围等。

报告来源

证券研究报告名称：《AI使高端被动元件需求激增，相关金属新材料迎发展机遇》

对外发布时间：2025年2月18日

报告发布机构：中信建投证券股份有限公司 

本报告分析师： 

王介超 SAC 编号:S1440521110005

覃静 SAC 编号:S1440524080002

郭衍哲 SAC 编号:S1440524010001

邵三才 SAC 编号:S1440524070004

算力芯片快速升级，高端产能于周期底部积极扩产

算力硬件平台开始向新方案过渡，英伟达Blackwell与CSP ASIC放量

GB200服务器进入规模化量产阶段，Blackwell将接替Hopper成为出货主力。在GTC 2024大会上，英伟达正式发布了新一代Blackwell架构AI芯片，并推出了基于该架构的新型机架式AI服务器参考设计GB200。由于散热挑战与液冷系统泄漏等问题，GB200系统在2024年量产推进并不顺利，整体进度滞后于预期。随着英伟达与供应链合作逐步优化设计，并解决关键技术难题，24年底Blackwell平台开始进入爬坡阶段，开启对Hopper平台的替代。英伟达FY26Q1（2025年2月-4月）数据中心业务中近70%的收入已由Blackwell平台贡献。鸿海、广达等核心ODM供应商也普遍预计，GB200将在2025Q2加速放量，微软、Meta等多家云服务厂商也陆续部署新一代系统。

升级方案GB300有望于2025年下半年开启量产。英伟达在GTC 2025大会上披露，预计GB300将于2025年下半年量产上市。硬件方面，GB300采用12-Hi堆叠的HBM3e内存结构，每颗GPU配备288 GB显存，较GB200的192 GB提升50%。系统I/O也全面升级，整机网络带宽提升至1.6 Tbps，以满足更高并发推理的通信需求。在性能表现上，GB300 NVL72在FP4精度下的推理算力相较GB200 NVL72提升约1.5倍。为确保量产进度，英伟达此次在设计上回归稳定的Bianca板卡方案，并优化了液冷系统与供电模块。GB300将成为继GB200之后，又一轮AI服务器放量的关键驱动。

自研ASIC芯片不仅能够降低功耗，还能帮助CSP掌握AI基础设施的成本与供应链，避免过度依赖英伟达，因此自研ASIC正成为CSP的竞争关键。谷歌曾独占ASIC AI芯片市场，目前AWS、Meta、微软等企业也开始积极投入ASIC AI芯片开发。AWS的ASIC AI芯片Trainium 2在2024Q4开始量产，搭载该芯片的服务器则在2025Q1开始规模化出货，纬颖作为AWS ASIC服务器的核心供应商，营收大幅受益。AWS下一代Trainium 3晶片则预计在2025年底之前量产。

AI带动半导体进入新的成长期，先进制程、先进封装持续迭代

制程迭代是芯片算力提升的关键因素，AI算力需求的爆发催生了对先进制程的强需求。AI大模型发展对芯片算力提出更高要求，未来更成熟的AGI模型所需算力是现在GPT-4所需算力的1万倍。而解决高算力需求的一种方案是采用更为先进制程的芯片，因为芯片制程越先进，功耗越低、计算速度越快。如2nm芯片功耗约为16nm芯片的10%，而性能约为16nm芯片的2倍以上。台积电估计其即将推出的N2P节点的功耗可能比N3E节点低30-40%。

服务器需求将超过智能手机成为先进制程最主要的驱动力。历史上，智能手机的迭代更新推动了芯片制程的不断演进，但随着AI应用的计算需求上升，服务器成为主要的算力中心，且对高算力的追求使得其对先进制程呈现出越来越高的需求，AI芯片功耗较高，且需要更小的尺寸，因此AI芯片对先进制程的迫切需求将推动服务器需求成为先进制程最大的驱动力。Sumco估计，在AI服务器出货量强劲增长的推动下，服务器对先进制程晶圆的需求量最快将在2024年超过智能手机。

2025年是2nm量产交付元年，台积电已获得多家客户订单。台积电、三星、Intel均有望在2025年量产2nm制程，但目前Intel和三星主要用于生产自有产品，并未获得第三方客户的量产订单。Intel的18A将生产Panther Lake (PC CPU)和Clearwater Forest (服务器CPU)，三星的SF2可能将获得自研处理器Exynos 2600的订单。台积电的2nm已获得多家客户订单，包括AMD的Venice（服务器CPU），苹果的A20/A20 Pro和M6系列，高通第三代8 Elite。此外，AWS、谷歌、微软未来的ASIC AI芯片在2nm节点上都大概率选择台积电。 

先进制程面临物理约束瓶颈，先进封装成为提高芯片性能的重要解决方案。AI大发展使得算力需求爆发式增长，然而，随着半导体工艺尺寸进一步缩小，集成电路制造面临的挑战日益增大，摩尔定律日趋放缓，单位晶体管的成本不降反升，应用先进制程的芯片研发费用也大幅增长。先进封装通过异构集成，将多个芯粒（Chiplets）高密度连接在一起，整体性能提升不再依赖单一芯片支持，且大幅提升良率，降低成本，成为提供系统级性能提升的新路径。

CoWoS为HPC和AI计算领域广泛使用的先进封装技术。CoWoS是台积电推出的 2.5D封装技术，本质上是将多个芯片（如逻辑芯片+HBM）放置在一块硅中介层（interposer）上，再封装在基板上，2012年首先应用于Xilinx的FPGA上。此后，英伟达、AMD、谷歌等厂商的AI芯片均采用了CoWoS，例如A100、H100。如今CoWoS已成为HPC和AI计算领域广泛应用的2.5D封装技术，绝大多数使用HBM的高性能芯片，包括大部分创企的AI训练芯片都应用CoWoS技术。

AI持续高景气带动CoWoS需求不断提升。2023年一季度以来，AI服务器的需求不断增长，使台积电CoWoS封装产能紧缺。台积电一方面将制程分段委外，另一方面大幅扩产CoWoS产能。

HBM 3D堆叠提升内存性能，AI芯片广泛采用。随着数据的爆炸式增长，内存墙对于计算速度的影响愈发显现。为了减小内存墙的影响，提升内存带宽一直是存储芯片聚焦的关键问题。如同闪存从2D NAND向3D NAND发展一样，DRAM也正在从2D向3D技术发展，HBM为主要代表产品。与传统DRAM不同，HBM是3D结构，它使用TSV技术将数个DRAM裸片堆叠起来，形成立方体结构，与传统内存相比，HBM的存储密度更大、带宽更高，基本成为数据中心AI芯片的标配。

预计2028年全球先进封装市场规模增至786亿美元，2022-2028年CAGR达到10.0%。根据Yole数据，2022年全球封装市场中，先进封装占比已达到47%。预计到2028年，先进封装市场占比将增至58%，规模约为786亿美元，2022年-2028年CAGR约为10.0%，明显高于传统封装市场的2.1%和市场整体的6.2%。

晶圆代工龙头台积电打造先进封装工艺标杆，传统封测厂商亦纷纷加快转型步伐。台积电在先进封装上已取得了可观的收入体量，技术布局也进入关键节点，未来投入规模将持续加码。在OSAT厂商中，日月光VIPack先进封装平台包含六大核心技术，安靠推出FCMCM（倒装多晶片模组）、2.5D（TSV）等五大先进封装解决方案。国内长电先进聚焦bumping，Fan-out CSP晶圆级等先进封装，通富微电在2.5D/3D先进封装保持国内领先，深科技专注存储封测领域，并聚焦倒装工艺（Flip-chip）、POPt堆叠封装技术的研发。

内存带宽成为算力卡口，HBM需求紧迫迭代迅速

全球HBM（高带宽存储器）技术呈现“海外领跑、国内加速追赶”的双轨格局。海外市场由SK海力士、三星、美光三大巨头垄断95%以上份额：SK海力士凭借HBM3/3E量产优势稳居首位（市占率52.5%），其12层堆叠HBM4测试良率已突破70%，计划2025年量产；三星正加速优化HBM3E良率并推进HBM4研发，2024年通过AMD MI300系列验证后逐步放量；美光则聚焦HBM3e量产，但产能扩张略有滞后。国内HBM产业受地缘政策催化进入提速阶段。

从HBM的生产工艺来看，DRAM颗粒为定制的DRAM颗粒，工艺难点在于封测。TSV、大规模回流模塑底部填充（MR-MUF）、自对准、混合键合等工艺很大程度上影响HBM的性能和良率。

（1）TSV：不采用传统的布线方法来连接芯片与芯片，而是通过在芯片上钻孔并填充金属等导电材料以容纳电极来垂直连接芯片。制作带有TSV的晶圆后，通过封装在其顶部和底部形成微凸块（Micro Bumping），然后连接这些凸块。由于TSV允许凸块垂直连接，因此可以实现多芯片堆叠。最初，使用TSV接合的堆栈有4层，后来增加到8层。最近，一项技术使得堆叠12层成为可能，SK海力士于2023年4月开发了其12层HBM3。虽然TSV倒装芯片接合方法通常使用基于热压的非导电薄膜（TC-NCF），但SK海力士使用MR-MUF工艺，可以减少堆叠压力并实现自对准。这些特性使SK海力士能够开发出世界上第一个12层HBM3。

（2）MR-MUF：将半导体芯片堆叠起来，并将液体保护材料注入芯片之间的空间，然后硬化以保护芯片和周围电路的工艺。与在每个芯片堆叠后应用薄膜型材料相比，MR-MUF是一种更高效的工艺，并提供有效的散热。目前SK海力士主要使用MR-MUF工艺生产HBM2e/3/3e，使得其领先于三星电子和美光，后者主要采用TC-NCF工艺。MR-MUF工艺需要使用液态环氧树脂（EMC），目前全球仅日本namics独供。除EMC外，HBM封装还需要底部填充胶用于FC工艺，采用PSPI作为硅中介层中RDL的再钝化层，还需要IC载板、DAF、Solder ball等材料。

（3）自对准：在 MR-MUF工艺期间通过大规模回流将芯片重新定位到正确的位置。在此过程中，热量被施加到芯片上，导致相关凸块在正确的位置熔化并硬化。

（4）混合键合：C2W混合键合具有多种优势，①允许无焊料键合，减少键合层的厚度、缩短电气路径并降低电阻。因此，小芯片可以高速运行，就像单个芯片一样。②通过直接将铜与铜接合，可以显着减小凸块上的间距。目前，使用焊料时很难实现10 um或更小的凸块间距。然而，铜对铜直接键合可以将间距减小到小于1um，从而提高芯片设计的灵活性。③先进的散热功能。④上述的薄粘合层和细间距影响了封装的形状因数，可以大大减小封装尺寸。目前混合键合主要用于单层键合或两个芯片面对面堆叠，SK海力士2022年用混合键合完成了8层HBM2e的堆叠，正在开发用于更高密度、高堆叠HBM的混合键合。

需求紧俏，HBM持续挤压DRAM产能。从需求端看，云计算厂商将更多资本开支投入AI基础设施，2024年北美CSP的资本开支增速在55%，主要来自AI推动，传统服务器需求基本持平，25Q1同比增长64%，预计2025年CSP资本开支维持大幅增长。算力需求的快速增长，算力卡的数量和配置快速升级，最终带来的是算力芯片和HBM需求的快速增长。结合海外存储厂商和咨询机构的预测， 2024年HBM市场规模达到160亿美金，同比增长300%，预计2025年达到320亿美金，同比增长100%。从供给端看，HBM供应仍然紧缺，在传统DRAM库存波动的情况下，HBM由于AI服务器的强劲需求，挤占DRAM产能的现象还在持续。

HBM快速迭代，HBM4即将进入量产。结构上，2025年HBM3e将占据主导，根据SK海力士，2024年其HBM3e收入将占HBM收入一半以上，2025年12层HBM3e供给量将超过8层产品，12层HBM4计划于25H2发货。（1）HBM3e：三大原厂相继推出12Hi产品，这些12Hi的HBM预计用在英伟达的B300A（B200A Ultra）和B300上。（2）HBM4：三星、海力士计划24Q4开始HBM4的流片，预计2026年用在英伟达下一代的Rubin芯片上。

模型推理时代到来，ASIC需求爆发，看好ASIC服务器PCB厂商

推理时代即将到来，推理将成为AI算力需求的新动力。英伟达首席执行官黄仁勋在2025年GTC的主题演讲中提到，随着AI行业在模型训练上的需求放缓，叠加DeepSeek在模型推理上所作的创新，AI推理时代即将到来。相较于传统的生成式AI主要以语言大模型与聊天机器人的形式呈现、聚焦生成文本和图像内容等，AI Agent能理解任务、进行复杂推理、制定计划并自主执行多步骤操作，由于AI Agent解决复杂问题、分解任务每一步的逻辑思考过程都需要用到模型推理，因此推理将成为AI新阶段的核心动力。

低成本是AI推理爆发的必要条件，北美CSP厂商均加速研发ASIC的步伐。大模型推理时代相较于移动互联网时代，底层逻辑发生了巨大变化。推理系统的成本几乎和客户使用量成线性关系，因此边际成本很高，且成本绝大部分是推理的算力消耗。因此，在大模型时代，能将推理成本降到极致的厂商有望获得最终的胜利。目前北美四大CSP厂商，除了继续采用英伟达GPU做模型训练之外，均在加速开发自家的ASIC产品，一方面因英伟达的GPU价格昂贵，硬件投入成本过高，另一方面，自研ASIC可针对特定需求进行优化，也能针对特定的应用进行设计，因此对于能耗或电力管理的控制将更加精准，此外，从供应链安全角度，也可以避免算力资源都来自英伟达、AMD等GPU厂商的风险。在同等预算下，AWS的Trainium 2可以比英伟达的H100 GPU更快速完成推理任务，且性价比提高了30%～40%。2025年底计划推出的Trainium3，其计算性能更是提高了2倍，能效有望提高40%。谷歌的TPU v5芯片在Llama-3推理场景中，单位算力成本较H100降低了70%。根据IDC数据，微软Azure自研ASIC后，硬件采购成本占比从75%降至58%，摆脱长期被动的议价困境。

在Google Cloud Next 25大会上，谷歌又推出了第七代张量处理单元(TPU v7)Ironwood,它是谷歌迄今为止性能最高、可扩展性最强的定制ASIC芯片，也是首款专为推理而设计的加速器。Ironwood的每瓦性能是谷歌去年发布的第六代TPU Trillium的两倍，HBM容量及双向带宽均大幅提升。谷歌ASIC服务器计算板上有四个Ironwood TPU，这个与之前TPU v5计算板架构一样。

博通和Marvell均看好ASIC市场需求。博通和Marvell是ASIC定制领域的主要玩家，二者在AI定制芯片中占据了超70%的市场份额。博通定制的ASIC芯片广泛应用于数据中心、云计算、高性能计算（HPC）、5G无线基础设施等领域，根据博通最新财报，2025Q1公司AI芯片收入占比50%，同比增长77%，其中ASIC相关收入占比60%。博通认为XPU的需求会持续上涨，公司预计2025年下半年ASIC收入占比会持续上升，主要是因为推理模型需求增长使得AI芯片业务增速加快。Marvell的ASIC业务也成为公司强劲增长的核心动力之一。2024年12月初，Marvell与AWS达成了一项为期五年的战略合作协议，包括帮助亚马逊设计自有AI芯片。伴随AWS芯片的量产，Marvell在2025Q1实现营收18.95亿美元，同比增长63%，创历史新高。Marvell也预测，随着AI计算需求的增长，公司ASIC占比有望提升至25%，预计2028年数据中心ASIC市场规模将提升至429亿美元。

中国ASIC服务器市场增速超40%。中国ASIC服务器市场未来在中国市场，由于部分高端GPU产品受供应的限制，出现了算力缺口，另外中国头部的互联网企业为了降低成本以及更好地适配自身业务场景，也增大了自研ASIC芯片服务器的部署数量。IDC预测，2024年中国加速服务器市场规模将达到190亿美元，同比2023年增长87%。其中GPU服务器依然是主导地位，占据74%的市场份额。到2028年，中国加速计算服务器市场规模将超过550亿美元，其中ASIC加速服务器市场占比将接近40%。

随云厂商积极自研ASIC芯片，ASIC正成为AI服务器市场中与GPU并行的重要架构，进一步带动高阶PCB的需求。金像电为全球服务器PCB第一大厂，也是ASIC服务器放量时PCB企业中的最大受益者。金像电的产品已经切入北美四大CSP，涵盖UBB、OAM（加速器模组）所需要的HDI、厚铜板等。根据金像电25Q1法说会资料，公司25Q1单季度实现收入29.52亿元，创历史新高，其中服务器收入占比持续提升，到72%。在传统服务器市场温和复苏背景下，金像电业绩高增核心来自于云厂商ASIC服务器PCB订单，根据公司交流，2024年AI产品占比已达20%，未来将持续提升。

根据Semianalysis数据，亚马逊第二代推理芯片Trainium2的计算托盘中使用了2个Trainium2的芯片，即用到2个OAM，下面是一块UBB板。UBB为采用了M8规格覆铜板材料的28层高多层板，OAM为M6/M7的三阶HDI，往下一代Trainium3迭代的过程中，UBB中层数、OAM层数及阶数均会进一步提升。

展望2025年，除AWS外，谷歌、meta的新产品中，ASIC服务器UBB层数均将向30层板以上推进，制作难度加剧，也将进一步推动ASP的提升，ASIC服务器PCB将迎来量价齐升阶段，同时也将拉动上游高规格（M8等）覆铜板的需求。

报告来源

证券研究报告名称：《2025年中期投资策略报告：端侧AI爆发可期，国产高端产能亟需突破》

对外发布时间：2025年6月17日

报告发布机构：中信建投证券股份有限公司 

本报告分析师： 

刘双锋 SAC 编号：S1440520070002

庞佳军 SAC 编号：S1440524110001

孙芳芳 SAC 编号：S1440520060001

章合坤 SAC 编号：S1440522050001

郭彦辉 SAC 编号：S1440520070009

王定润 SAC 编号：S1440524060005

何昱灵 SAC 编号：S1440524080001

05 AI使高端被动元件需求激增，相关金属新材料迎发展机遇

AI兴起拉动小体积、高容值MLCC需求量快速增长

电容器行业发展过去主要依赖传统电子行业，MLCC主要受消费电子行业景气度的影响，周期性显著。近年来，新能源行业快速发展，国产厂商在下游新能源汽车、光伏、风电、储能等领域占据全球主要市场份额，从而带动上游被动元件的高速增长，AI化对应MLCC用量尤其是高规格MLCC需求量的快速增长。

GPU算力需求增加，MLCC成为保障高算力设备稳定运行的关键组件。当前，GPU和CPU的算力需求快速增长，为保障高算力设备的安全运行，MLCC在电路中承担了重要责任。服务器供应电流是48V或54V的直流电源，GPU、CPU的供应电流主要是12V或者更高，中间需要多路电源转变，电容发挥稳定电压作用。此外，随着晶体管数量的迅速增加，高算力设备的功耗也不断攀升。以英伟达为例，GB 200晶体管数量达到2000亿，工作功率大幅提升，GPU电路板上的电容数量因此激增，每块板可能使用超过1200个电容，这使得电容成为保障GPU正常工作的核心元件。

高容值、高耐温、小型化电容需求进一步提升。在高算力AI发展的需求下，功率大幅提升，但载板空间有限，为适应AI应用带来的电路改变，MLCC产品的变化主要体现在4方面：首先，高算力GPU/CPU需要的电容数量更多，在面积有限的板子上，电容要在更小体积中实现更大容值；其次，功耗增加导致电路系统温度升高，电容需具备更高的耐温性；三是，高功率条件下，大电流带来大纹波，对电容的低等效串联电阻（ESR）提出了更高要求；四是GPU/CPU的高频工作特性要求电容具有低等效串联电感（ESL）及高自谐振频率（SRF）。这些技术挑战反映出被动元器件需持续优化以适应高算力时代的需求，对上游厂商来说，这要求更细、耐高温的陶瓷粉料，以满足小体积大容量的高容值电阻的要求。

AI服务器拉动高容值MLCC需求量增加。与传统服务器相比，AI服务器MLCC用量显著增加，AI服务器MLCC用量大约是传统服务器的两倍，另外AI服务器算力需求增加，功率、电耗等要求随之提高，高容值、高耐温的MLCC产品单位用量增加。Trend Force集邦咨询表示，以英伟达GB200服务器为例，系统主板MLCC总用量高达三、四千颗，不仅较通用服务器增加一倍，1u以上用量占60%，耐高温用量高达85%，系统主板MLCC总价也增加一倍。Trend Force预测，2024年人工智能服务器全年出货量将达到167万台，同比增长41.5%。 

根据Trend Force集邦咨询最新调查报告显示，2024年整体服务器市场产值估约达3060亿美元。其中，AI服务器成长动能优于一般型服务器，产值约为2050亿美元，AI服务器出货量同比增长46%。Trend Force预估2025年AI服务器出货量年成长率将达近28%，占整体服务器出货比重将进一步提升至15%以上。

AI PC需求持续增长，持续推动高端MLCC需求。一台传统笔记本电脑大约需要1000个MLCC，以英特尔为代表的CPU厂商正在力推具备AI算力的PC产品，新增了如神经处理单元（Neural Processing Unit，NPU）的功能模块，以提高整体运算性能，需要增加NPU供电线路，每台PC需要增加约90~100个MLCC。主要采用高通公版设计的Windows on Arm（WoA）笔记本电脑尽管采用低能耗见长的精简指令集（RISC）架构（ARM）设计架构，但其整体MLCC用量却高达1160至1200颗，这一数字与英特尔高端商务机型相当，其中高容值MLCC的用量占比高达八成。根据村田数据，AI PC单机MLCC用量提升40-60%，达到1400-1600颗。

预测2030年AI PC用MLCC约4000亿颗，年均增速超30%。据Canalys数据预测，2024全球AIPC出货量将达到4800万台，占个人PC总出货量的18%，预计到2025年，AIPC出货量将超过1亿台，占PC总出货量的40%，到2028年AIPC出货量将达到2.05亿台，渗透率达到约70%。2030年，预计全球AI PC用MLCC约4000亿颗，年均增速超30%。

AI手机需求高增，预计2030年用量超1.6万亿颗，年均复合增速超30%。据村田数据显示，4G高端手机MLCC用量为900-1100颗，而5G高端手机中用量将提升到990-1320颗，AI手机单机用量将提升20%，达到1300-1500颗。根据Canalys报告，预计2024年全球16%的智能手机出货为AI手机，到2028年，这一比例将激增至54%；IDC预测，到2025年，全球市场中三分之一的手机将成为新一代AI手机，中国市场到2028年AI手机占比可能超过80%。受消费者对AI助手和端侧处理等增强功能需求的推动，AI手机渗透率快速增长，Canalys预计这一转变将先出现在高端机型上，然后逐渐为中端智能手机所采用，手机用MLCC逐步转向高端。

AI发展，高端MLCC及原材料需求放量。随着AI终端渗透率的不断提升，高端MLCC用量快速增长，带来上游高端原材料需求爆发，以MLCC用镍粉为例，假设每亿颗MLCC用纳米镍粉0.22吨，预计新能源及AI领域用MLCC需求量从2023年的约3000亿颗增长至2030年的近3万亿颗，高端MLCC用纳米镍粉需求量从不足千吨增长至超6千吨。

电感：芯片电感在AI算力时代的崛起与应用

三大被动元件之一，电子世界中的“能量缓冲器”。电感是三大被动元件之一，又称线圈、扼流器、电抗器等，能把电能转化为磁能而存储起来，结构类似于变压器，当电流通过电感器的线圈时，会在其周围形成磁场，这个磁场又会反过来影响线圈中的电流，形成电感效应。电感器正是利用这一原理，实现对电路中电流的调节和控制。其特性是“通直流、阻交流”，主要作用包括储能、筛选信号、过滤噪声、稳定电流及抑制电磁波干扰（EMI） 等，还可与电容一起组成LC滤波电路。电感器的应用领域广泛，涵盖电源管理、信号处理、通信、汽车电子、消费电子等多个领域。

算力时代，AI芯片电感大显身手

随着高性能计算（HPC）系统，特别是AI服务器的市场规模不断扩大，其核心处理器，包括CPU、GPU、NPU、ASIC、FPGA等，以及内存、网络通信等芯片元器件的性能和功耗水平都在提升。AI服务器中，CPU、GPU、内存等及各种接口都需要供电，因此电源管理系统就显得非常重要，功率管理水平的提升显得更加重要。

小型化、大功率、高频率场景日益丰富，芯片电感大展身手。芯片电感是一种特殊形式的一体成型电感，其尺寸微小，但性能优越，广泛应用于各类集成电路中，起到为GPU、CPU、ASIC、FPGA等芯片前端供电的作用。AI快速发展导致对于算力的要求爆发增长，传统的铁氧体电感体积和饱和特性满足不了高性能GPU的要求，金属软磁粉或羰基铁粉制作的芯片电感具有体积小、效率高、散热好等优点，可以更好适应芯片低电压、大电流、大功率场景，耐受大电流冲击，开关频率可达500kHz~10MHz，更加适用于AI服务器、AI PC 、AI 手机、智能驾驶、AI机器人、DDR等大算力应用场景。

AI发展拉动GPU销量激增和迭代加速，引发对芯片电源模块的批量供应和性能升级的双重需求。根据华为《智能世界2030》报告预测，2030年，人类将迎来YB 数据时代，2020年通用算力将增长10倍到3.3ZFLOPS，AI算力将增长500倍超过100ZFLOPS。算力需求的爆发式增长，直接引致AI服务器的出货量和占比的加速提升。根据Trend Force公布的《AI服务器产业分析报告》，预估2024年AI服务器出货量可上升至167万台，年增长率达41.50%，预估2024年AI服务器产值将达1870亿美元，在服务器中的整体占比高达65%。GPU作为AI服务器的核心算力芯片，占据目前AI芯片市场80%以上的市场份额，AI产业的快速发展直接拉动GPU的销量激增和迭代加速，继而引发了对芯片电源模块的批量供应和性能升级的双重需求。

算力提升，大功率场景催生芯片电感需求。以英伟达的GPU为例，其2022年推出的型号为H100SXM的GPU的算力指标TF32和FP16分别为0.49PFLOPS和0.99PFLOPS，而其拟推出的B200 GPU的TF32和FP16分别提高至1.12PFLOPS和2.25PFLOPS，其功耗水平亦由700W增加至1000W，虽然单位算力的能耗有所降低，但单体GPU的能耗水平仍增长明显，对芯片电源模块的供电能力和质量要求随之提升，进而对芯片电源的核心元件芯片电感也提出了更高的用量和性能需求。

算力下沉，AI PC和AI手机是芯片电感最具潜力的需求增长市场。PC及手机也用相当数量的一体成型电感，传统PC电感数量有10-30颗，村田称智能手机大概采用50颗左右一体成型电感，AI PC和AI手机虽然算力需求相较于云端AI较小，目前尚未实现金属软磁芯片电感的替代。随着未来算力下沉，AI PC和AI手机CPU/GPU等核心芯片算力和功率都会有进一步的提升，对更高效率、小体积、高可靠性和大功率的芯片电感需求也将逐步体现并替代传统电感。并且，传统铁氧体难以7*24小时稳定运行，电流波动大，影响数据传输，芯片电感能节省PCB板面积，有利于轻薄设计，对传统铁氧体电感替代是趋势。在总量上，AI手机和AI PC的电感需求总量要高于数据中心GPU市场，是未来芯片电感需求最具增长潜力的市场。

据Canalys数据预测，2024全球AI PC出货量将达到4800万台，占个人PC总出货量的18%，预计到2025年，AIPC出货量将超过1亿台，占PC总出货量的40%，到2028年AIPC出货量将达到2.05亿台，渗透率达到约70%，2024-2028年期间的复合年增长率将超40%。根据Canalys报告，预计2024年全球16%的智能手机出货为AI手机，到2028年，这一比例将激增至54%。

芯片电感壁垒高，认证周期长，竞争格局好。芯片电感最上游是粉体制造，一般由超细雾化合金粉、羰基铁粉、非晶粉等单独或混合使用，超细雾化合金粉、羰基铁粉制备具有较高壁垒，粒径大小、表面性能、一致性等要求较高。另外传统绕线电感在磁粉芯外绕铜线而成，芯片电感将采取铜铁共烧工艺提高机械强度。下游客户认证周期较强，具有较高的准入壁垒。

电阻：市场空间相对较小，市场集中度高

随着AI终端和AI服务器的快速发展，对电阻的需求和性能要求也在显著提高。AI终端的功率和工作电流不断提升，通常需要使用低阻值、高功率、高精度的电流感测电阻，以满足更精细化的电流检测需求，并保证检测的准确性和可靠性。如AI终端要求电阻具备超低容差、超低温漂、更大工作温度范围等。

报告来源

证券研究报告名称：《AI使高端被动元件需求激增，相关金属新材料迎发展机遇》

对外发布时间：2025年2月18日

报告发布机构：中信建投证券股份有限公司 

本报告分析师： 

王介超 SAC 编号:S1440521110005

覃静 SAC 编号:S1440524080002

郭衍哲 SAC 编号:S1440524010001

邵三才 SAC 编号:S1440524070004