电子行业对先进制程未来需求的思考：从智驾到具身智能世界还需几个台积和中芯

历史收益率曲线级的文章，海外半导体产业研究机构如Sem历史收益率曲线2024/72024/102025/1绝对收益7%7行业数据 圆代工，不包括先进封装）需求的增量场景。本文对比了主流智驾2024/72024/102025/1绝对收益7%7行业数据 观点二：以应用场景为视角，智驾芯片即为机智驾和机器人芯片的使用情况，以及Nvidia在智驾和机器人领域的芯片相关报告《从智驾到具身智能——感官》模算力集群首秀》相关报告《从智驾到具身智能——感官》模算力集群首秀》《热管理行业深度报告：摩尔尽，散热兴》智驾和具身智能起量，将大幅提升对先进制程晶圆产能消耗。在一定的假设条件下《热管理行业深度报告：摩尔尽，散热兴》摩尔尽，晶圆增。摩尔定律放缓，单个芯片算力将最终达到天花板，而智驾和具身智能的放量，将全部转化为对先进制程产能的需求。展望未来，先进制程晶圆厂风险提示：半导体制造技术变革、智驾与机器人发展或不达预期、国际请务必阅读正文后的声明及说明2/ 4 41.2.制程与架构：智驾芯片与A 5 8 91.4.1.Diesi 9 1.4.4.智驾对先进制 18 2.2.小鹏汽车：AI汽车、AI 20 233.1.机器人的先进产能需求有多大？世界或需新增2 233.2.智驾与机器人，将颠覆先进制程的下游结构 24 264.1.智驾与具身智能的瀚海需求，先进制程将迎来扩产潮 264.2.摩尔尽，晶圆增：AI算力“以量换性能” 26 29请务必阅读正文后的声明及说明3/31 5 6 7 7 7 8 8 9 请务必阅读正文后的声明及说明4/全球先进制程的晶圆厂龙头台积电为例，其长期以来先进制程的最大下游为超过智能手机，其背后反映的逻辑则是：台积电近年来本章节将从以下三方面论证，智驾和具身智能，对先进晶圆产能的消耗，远超AI制造成本构成中，晶圆制造（先进制程）并不是最大占比项。实际上析中，我们将论证，先进封装在AIGPU务，既做先进制程代工，亦做先进封装代工，因此台积电在AIGPU价值分配上，晶圆厂，由于暂未有先进封装布局，在AI进封装，在AIGPU价值往上游制造传导过程中，能够获得更大比例的价值分而大陆晶圆厂在先进封装领域暂未有布局，其经过价值传导至上游后，进晶圆厂的增长拉动，作用力可能比AIGPU对台积电的增长拉动要弱。货较多机柜，其数据中心业务收入组成更加复杂，不利于对请务必阅读正文后的声明及说明进封装需求合计贡献台积电收入约76.23亿美元。2023年475.25亿美元数据中心业务收入对应约238万张GPU，假设每片晶圆切30公司2023年非数据中心业务收入133.9780.38亿美元。台积电来自英伟达收入合计76.2数据中心业务晶圆代工及先进封装、非数据中心业务的晶圆代工本后，得到非数据中心业务晶圆代工成本约39.79亿1.2.制程与架构：智驾芯片与AIGPU在制程、架构上关联请务必阅读正文后的声明及说明计规则，智驾芯片与AIGPU在神经网络计算单元上是同源的。不仅华为如此，英个CUDA核心和64个Tensor核请务必阅读正文后的声明及说明请务必阅读正文后的声明及说明制程的AIGPU对比，我们发现，智驾芯片的Diesize接近于AIGPU。以当下有公芯片同AIGPU，意味着二者在每片晶圆请务必阅读正文后的声明及说明虑到未来每辆车不止搭载一颗智驾芯片，智驾对先进制程产能的消耗将更加巨大。1.4.全球智驾芯片与AIGPU的晶圆产能消耗探讨：智驾>>AIGPU每片晶圆可切割芯片数量可以大致估算。根据产业经验，在不考虑良率的前提下，1.4.1.Diesize相近，每片晶圆可切芯片，智驾接智驾芯片主要采用昇腾610、英伟达OrinX、英伟达T水平的提升，越来越高速的信息处理速度、越来越精细的图像识别能场景的快速响应能力等方面的要求将加大对智驾芯片的算力需求，面积不断增加，则对应每片晶圆可切割芯片数量将逐步接近AIGPU。请务必阅读正文后的声明及说明10/200250A100说，在同等技术条件下难以降低失效点的数量，如果被制造的芯片，其面积较大，那么失效点落在单个芯片上的概率就越大，因而良率就越低。因此对于Dies积变小，失效点落在单个小芯片上的概率将大大降低。但为何Nvidia较少采用）？他条件不变时往往损失一定的性能，而所有模块集成在同一个硅基请务必阅读正文后的声明及说明SoC）单重曝光良率为95%，则大陆晶圆厂使用四重曝光时，我们可以大致按照曝光良率为50%时，四重曝光后良率仅为6%，几乎不具备量产意义。晶圆厂可以通过四重曝光为对应客户提供晶圆代工，只是成本相应增加有较强量产意义。2）大部分国产智驾芯片DieSize介于4仍有近乎翻倍差距，因此可大致计算出一片晶圆切出的芯片良品数相近耗相近。A100请务必阅读正文后的声明及说明12/1.4.3.每台车智驾方案需要配置几颗智驾SoC？“一入股引望，后续有望有更多中国车企加入。引望主要从事智能汽车解决方案业务，为客户提供智能驾驶、智能座舱、智能车控、智能车云、智能崑，推出华为乾崑智能汽车解决方案，包括乾崑智驾、乾崑车），阿维塔11、12采用了MDC810方案，而诸如问界、智界等界字辈车型以及此，从目前华为智驾的芯片配置来看，我们猜测可能是有成本部车型上实现双芯。但随着国家法律法规对辅助驾驶监管趋严场景的丰富，带来对智驾算力的提升，无论是从安全合规角度请务必阅读正文后的声明及说明13/版搭载了2颗NvidiaOrinX芯片，G7Ultra版搭载了3颗自研图灵AI芯片，而在请务必阅读正文后的声明及说明14/11Polestar322211111122112121221112211121111111请务必阅读正文后的声明及说明15/22221222(2颗英伟达Orin-X),(2颗2111222112111腾势1腾势N71腾势N911腾势N724141411请务必阅读正文后的声明及说明16/1.4.4.智驾对先进制程产能的远期需求测算：智驾>>AIGPU根据本章节前面三小节讨论，本文接下来测算智驾以及AIGPU对于先进制程产能加之考虑到行车安全前提下需要冗余配置算力，我们假设在计算智驾单重曝光和四重曝光良率差异，我们假设海外先进（万辆）2作为讨论时的参考，不代表本文对国产AIGPU销量做出预测且假设大陆晶圆厂良率为25%。请务必阅读正文后的声明及说明17/辆汽车中全部搭载2颗高阶智驾芯片，且大陆智驾芯片需求全部由大陆先进制程产破，可能会大幅提升单颗芯片算力，造成晶圆产能消耗的波动。因此，以上讨论，是基于半导体技术未有显著变化前提下而进行的测算。请务必阅读正文后的声明及说明18/SoC进行推理，最终做出决策指令发送至执行端。智驾芯片，需要对收集到的真实路况场景建模并进行分析，做出汽车启、停、转等决策指令；具身智能（机器人）大脑芯片，则需要面对较路况更复杂的生活类、生产类等场景。虽然在上，具身智能较智驾可能更复杂，但二者面对的是同一个真实的物理世者的差异可能体现在对AI推理算力极限的要业充分发展、应用较为成熟时，具身智能大脑芯片的算力可能比智驾芯外，考虑到具身智能仿人方面，与智驾相比，多出了触觉维度的感知，因此大脑芯片较智驾芯片，在各类传感器接口支持上，可能更加全面。但大相当长一段时间内，智驾和具身智能，其感知到思维决策的过程几乎一样，因此，Bot将使用Tesla的自动驾驶系统，即摄像头+FSD汽车智驾和机器人大脑的方案中，使用了同一颗芯片，即FSD芯片（FullSelf-请务必阅读正文后的声明及说明19/境不需要留冗余算力。二者主板的其他功能几乎完全一样，差别较小请务必阅读正文后的声明及说明20/31数据来源：东北证券，小鹏MONAM03发布会行了分体式飞行汽车“陆地航母”全球首次公开飞行。飞行汽车，在汽车业务的协同发展和实现差异化竞争力提升。请务必阅读正文后的声明及说明21/31造车新势力竞逐智驾，NVOrinX风靡一时。单颗NVOrinX芯片的AI算力为254211211121211112121212腾势141111111是其最新一代的人形机器人产品，有两个版本，在EDU版本中配置有NVIDIA请务必阅读正文后的声明及说明22/31主体可自由拓展，支持装配深度相机、激光雷达、NVIDIAOrin感器、七自由度协作双臂、五指灵巧手等人形机器人核请务必阅读正文后的声明及说明23/31坛上，马斯克再次预测，人形机器人数量最终将达到数百亿。具身智数量，将超过手机终端、汽车终端，以及任何电子和机械终端，任何链环节在其中都有巨量的增长空间。这也是我们认为，智驾到具身智能制程产能有革命性拉动的底层逻辑。3.1.机器人的先进产能需求有多大？世界或需新增2个台积电第二章中我们分析了智驾对于先进制程产能有巨量的需求，而具身智能万片。而在东北电子团队之前的研报《全球晶圆厂估值新法：单位产能市请务必阅读正文后的声明及说明24/313.2.智驾与机器人，将颠覆先进制程的下游结构请务必阅读正文后的声明及说明25/31SoCunit）111111111112111211111表可以看出，手机终端占据绝对大头。台积电在先进封装业务起量前务一直长期霸榜其下游占比。尽管由于AI算请务必阅读正文后的声明及说明26/31数据）14nm及以下先进制程的产能为4.47万片/月。因此，智4.1.智驾与具身智能的瀚海需求，先进制程将迎来扩产潮带动半导体设备、设备零部件、材料等环节的长期增长。随着先进制程供给长，将会有更多的芯片设计公司（智驾、具身智能芯片）受益。从受益程度进入壁垒以及竞争格局综合来看，我们认为，投资优先级从高到低应该为：以有新进入者挑战现有玩家地位，在智驾和具身智能的成长瀚海中，将成为最高的环节。达、视觉、机器人小脑、灵巧手、丝杠、电机等现有的市场关注点4.2.摩尔尽，晶圆增：AI算力“以量换性能”着处理器性能的倍增及成本的减半。然而，这一发展轨迹在近年遭遇了显著挑战，主要原因包括1）物理极限的制约：当晶体管尺寸缩小至纳米级时也显著推高了芯片的制造成本并影响生产可靠性。同时，人工智能术的兴起对硬件性能与功耗效率提出了更苛刻的要求，进一步凸请务必阅读正文后的声明及说明27/31管密度作为摩尔定律核心表征之一的迅猛提升。以台积电的晶体管密度数据为例，速明显降低，回落至个位数水平。尽管技术迭代仍能推高晶体管密0表算力需求端的增长趋势。当单芯片晶体管密度增速（供给）持续滞增速时，系统级算力提升将愈发依赖芯片数量的规模化扩张