AT时代的矛盾：算力需求快速增长，单个 die 的晶体管数量增长受限。AI 时代下，模型参数量越大，训练模型所用的数据越多，训练模型的计算量越大，对应模型的性能越好。因此常用 Scaling Law 来表征算力需求 的规模。据华为测算，未来大模型算力需求将维持每 6 个月翻一番的趋势直到 2030 年，也即是维持每年翻 4 倍的高速增长。而作为算力的供给方，单个 die 的晶体管数量增加愈发困难。随着芯片制程的提升，晶体管密度的复合增速越来越慢，并将在 3nm 之后降为个位数。与此同时，芯片面积受到 reticle limit 的影响，单个 die 的面积不能超过 858mm2，因此单个 AI die 的晶体管数量增速显著放缓。在摩尔定律和 Scaling Law 冲突的背景下，如何继续提升芯片的算力成为各大厂商发展的重点。

AIGC刺激，800G+数通光模块开始担当大任。光模块负责光电信号的收发、转换，支撑着网络、计算等设备之间的协作与连接。受益于AIGC带来的海量数据交换和传输需求，高速光模块应用快速扩大，尤其是大模型训练对更快数据传输的需求持续激增，800G光模块因其高带宽、高传输速率、性能优良、高密度和扩展性好而受到广泛关注。高速光模块，从应用场景上看，涵盖了AI数据中心、HPC以及5G网络等多个领域。从趋势上看，随着AI等数据处理密集型的应用持续演进，数通光模块性能提升的速度将加快。在2022年之前，整个光互联网络的升级是以四年为一个周期；在2022年之后，升级周期缩短为两年，光模块800G是当前数通领域的主流，更高速率的产品也崭露头角。单波长传输速率的提升，是光模块传输速率向上的重要路径。

2024 年伴随多品牌先后推出 AI PC、AI 手机，AI 端侧加速落地，带动换机潮的同时催生终端全面升级。预计到 2027 年生成式 AI 手机的市场渗透率将达到 43%，生成式 AI 手机的总量将从 2023 年的百万级增长到2027 年的 12.3 亿部，同时 AI 算力驱动 AI 手机 PCB、散热、电池等硬件配套升级。预计 2025 年 AI PC 渗透率将达到 37%，成为市场主流，2027 年 60%的 PC 将具备端侧 AI 功能。同时，AI PC 中的关键零部件将与处理器同步进行升级，包括内存、闪存、电池、散热、传感器等环节将有明显提升。

先进封装技术在重布线层间距、封装垂直高度、I/O 密度、芯片内电流通过距离等方面提供更多解决方案，助力芯片集成度和效能进一步提升。通过凸块 （Bumping）、重布线（RDL）、硅通孔（TSV）及混合键合等关键互连工艺，满足半导体行业快速发展中日益提升的集成化需求。而工艺的升级，往往会伴随着 材料端的升级与需求的提升，国产先进封装材料方兴未艾。

回顾 2024 上半年电子板块走势，截至 6 月 7 日收盘，电子（长江）指数下跌 11.91%，跑输沪深 300 指数 16.08%。尽管走势低迷，但实际上较大程度受到 1 月大幅回调拖累。从业绩表现来看，2024Q1 淡季不淡实现开门红，基本面呈现明显复苏趋势。展望后续，除电子行业周期性的反弹外，AI 行业由云端下沉至端侧，云平台与端侧 AI 交相辉映，奠定电子行业中长期的成长主基调。

1980 年，我国试行的财政承包制对地方发展产生了明显的激励作用，但在 “两个比重”与“三对关系”的矛盾凸显之后，承包制对经济进一步发展形成阻碍。因此，我国于 1994 年开启分税制改革，通过建立央地财政分税制度划分权责关系，一方面表现为央地财事权不匹配背景下的转移支付体系，另一方面表现为“土地财政”的发展模式。但随着人口老龄化的演变，地产进入调整期，土地财政的持续性与效益减弱，财税体制亟需改革。我们认为，财税体制改革短期内或可以微调为主，通过中央加杠杆、消费税改革等方式弥补缺口。长期内，政府可通过股权财政、数据财政来构建新的循环机制。

6月部分三代制冷剂价格出现回调，二代制冷剂价格保持上行，含氟聚合物价格保持低位运行。截至2024年6月28日，根据百川盈孚数据，三代制冷剂R32、R134a、R125产品价格分别为36000元/吨、30000元/吨和34500元/吨，较5月底分别变 动0%、-3.23% 、-13.75% ；R22价格为30000元/吨，较5月底上升3.45%；受产能快速提升、需求增速下滑影响，2024 年我国PTFE、PVDF、HFP价格均保持低位运行。

算力仍是需求确定性最高的产业。海外，众多下游云厂商加大算力投入，算力芯片及服务器供不应求。国内，运营商作为数字化转型的核心参与者，对于国产算力的采购需求持续向上。

决策式人工智能:也称为判别式Al,是指利用人工智能技术来辅助或自动化决策过程的一系列方法和系统，决策式AI能识别数据中的隐藏规律，指导基于数据洞察的决策过程，并解决与核心业务运营密切相关的问题。

生成式人工智能:是指基于生成对抗网络、大型预训练模型等人工智能的技术方法，通过已有数据的学习和识别，以适当的泛化能力生成文本、图片、代码、音频和视频等相关内容的技术。