这波持续的就是上游 算力 基础设施，服务器 光模块 芯片等 还有一个40亿地板价格，ip

润欣科技

Chiplet是后摩尔时代半导体产业延续摩尔定律经济效益最有效的方式，也是国内半导体产业破局先进制程受限的途径之一，此外人工智能火热，算力需求大增，Chiplet技术将率先在服务器云计算等领域大量推广加速渗透
公司正最近与国家智能传感器创新中心签订战略合作协议，在共建AIOT联合实验室的基础上，进一步启动国创中心和润欣科技在Chiplet异构集成、感存算一体化芯片设计等领域的合作，务实推进智能传感器供应链国产化和感存算一体化产业生态建设。

1、硅片级“解构-重构-复用”，Chiplet突破三大产业瓶颈

作为硅片级“解构-重构-复用”的方案，Chiplet或为破局摩尔定律、实现产业再度飞跃的关键。其突破主要体现在三个方面，分别带来百分比级、翻倍级和指数级的性能提升：（1）成本&良率突破：芯片良率与芯片性能之间存在矛盾，同构小芯粒集成可以提升良率，降低成本；（2）面积&性能突破：目前服务器CPU和GPU已逼近单个芯片面积上限，无法满足高算力需求，同构扩展可以提高性能，应对各场景大量增长的算力诉求；（3）设计&制程突破：先进制程芯片设计成本高昂，而异构集成下各模块使用适宜制程各司其职，从我国视角来看，Chiplet或为打破国产制程瓶颈的关键方案。同时，Chiplet可助力超异构集成计算的发展，处理器性能&灵活性同步提升。

2、产业链价值重塑，封装环节具有“估值处历史相对低位+周期复苏+产业价值量提升”的投资逻辑

从全产业链来看，Chiplet作为一种全新设计理念提升了设计、IP、EDA环节的引领性地位，有望为中游制造、下游封测带来价值增量。从具体的落地方案来看，Chiplet主要依靠高速互联的设计和异构集成先进封装技术的支撑。设计方面，主要通过Base Die/IO Die/Die to Die 设计实现核心处理模块之间，及其他各模块间的高速互联。封装方面，Chiplet封装演进的本质是在成本可控的情况下尽可能提升互联的密度与速度，从2D 封装到2.5D Chiplet、3D Chiplet，封装环节价值量&重要性有望不断提升。我国封装厂商技术积累深厚，长电科技、通富微电、华天科技已实现Chiplet量产，封装环节具有“估值处历史相对低位+周期复苏+产业价值量提升”的投资逻辑。

3、高性能计算（HPC）或为Chiplet当前的主要发力点

ChatGPT是大数据+大模型+大算力的产物，每一代GPT模型的参数量高速增长，根据人工智能学家公众号数据，2020年5月发布的ChatGPT的前身GPT-3参数量达到了1750亿（预训练数据量达45TB，远远大于GPT 2的40GB）。算力需求方面，训练ChatGPT所耗费的算力大概是3640 PetaFLOPs per day，即用每秒能够运算一千万亿次的算力对模型进行训练，需要3640天完成。随着科技巨头类ChatGPT项目入局，整体在算力提升、数据存储及数据传输端需求迭起。而随着摩尔定律逐渐趋缓，我们认为Chiplet有望成为支持高性能计算存储的关键。美国正在开发的三个超级计算机Aurora、El Capitan和Frontier，CPU和GPU利用Chiplet方案，AMD，Intel，华为的服务器处理器芯片均采用Chiplet方案助力算力突破及性能提升。