👉推理芯片未来的需求将高于训练芯片，二者在多个方面存在区别。 （1）芯片设计侧

👉推理芯片未来的需求将高于训练芯片，二者在多个方面存在区别。 （1）芯片设计侧重点：训练卡注重性能、高吞吐量和高带宽，而推理卡则更注重性价比。 （2）计算任务：训练卡注重高精度计算，通常采用FP32甚至FP64；而推理芯片则更注重低精度计算。 （3）制造端工艺：国内训练卡通常采用7nm，而推理卡则多采用12-14nm工艺。 （4）存储器：HBM主要应用于训练卡，而推理卡则多采用LPDDR。 （5）价格：英伟达的训练卡20万元/张，推理卡批量采购价为2万元。 👉国内推理卡&训练卡均在积极进步中，时代给了国内训练卡公司生存的机会。 国内芯片设计企业在推理芯片上已接近英伟达的水平，但高端训练芯片技术能否与英伟达相媲美，也是核心考量的关键。目前国内训练卡的发展领先于推理卡，主要原因是训练卡受到国家政策支持，国内训练卡的主要采购方包括互联网大厂和国家智能计算中心；而推理卡已经具备成熟的商业模式，其采购行为更加市场化，更注重实际应用落地的性价比。 👉前道&后道设备均受益AI芯片需求增长。 （1）前道晶圆需求：预计每100亿元资本投入，对应5万张训练卡需要约5000张7nm晶圆（20%良率），对应50万张推理卡则需要约5000张12nm晶圆（50%良率）。 （2）后道设备需求：①封装端：若以AI芯片封装公司100亿元年收入来估算，预计需要投入150亿元的设备，其设备CAPEX是普通先进封装的2倍，通常先进封装设备每投入1元设备，预计每年可产生1-1.5元的收入，以某国内领先的先进封装公司为例，每投入1元设备，实际产生的收入仅为0.6-0.7元。②测试端：每投入1元设备，预计通常可以产生0.3-0.4元的年收入，每100亿元的测试收入需要约300+亿元设备CAPEX，以某国内领先的第三方测试公司为例，24年测试收入5亿元，预计对应12-15亿元设备投资。