德勤：2024年全球半导体行业展望

德勤TMT中心对2024全球半导体行业发展前景的整体展望：

半导体行业具有较强的周期性，在过去的一年里，全球半导体行业都充满了挑战，2023年也是行业自1990年以来的第七次衰退。然而，德勤认为，2024年芯片销售将因为生成性AI的发展而反弹，但地缘政治冲突加剧也将行业的发展趋势变得更加复杂。德勤预计，2024年全球销售额将达到5880亿美元，这不仅比2023年高出13%，更比2022年5,740亿美元的全球半导体行业收入记录高出2.5%。

股票市场往往是行业表现的领先指标：截至2023年12月中旬，全球前10大芯片公司的总市值为3.4万亿美元，比2022年11月的1.9万亿美元增长74%，比2021年11月的2.9万亿美元增长17%。

通常情况下，存储芯片市场是最大的波动因素。2022年，存储销售额接近1300亿美元，略低于整个芯片市场的23%，但到2023年，存储芯片的销售额下降了31%（约400亿美元），而逻辑存储芯片的销售额仅下降了1%。预计2024年全年，市场将恢复几乎所有的份额，销量预计将达到2022年的水平。但如果我们排除存储芯片，2023年行业的其他部分也有所下降，但仅下降了3%左右。

在终端市场方面，PC和智能手机的销量预计将在2024年增长4%，而2023年这两个销量分别下降14%和3.5%。这两个终端市场恢复增长对半半导体行业可能很重要：例如，在2022年，通信和计算机芯片（包括数据中心芯片）的销售占全年半导体总销售的56%，而汽车和工业仅占14%。

另外两个衡量行业健康状况的重要指标是库存和晶圆厂利用率。截至2023年秋季，库存仍保持在600多亿美元的高位，与前一年持平，而减少销售的过程将对2024年上半年的销售构成重大阻力；此外，晶圆厂的利用率目前仍较低，并一度在2023年第四季度降至70%以下；在供应短缺时期，晶圆厂利用率可以轻松达到90%以上，因此，保持高利用率可以保证行业盈利。与此同时，随着美国和欧洲增加国内芯片制造，产能也在增长。

德勤在分析2024全球行业表现时，深入探讨了五大主题：生成性AI芯片以及半导体公司如何使用Gen AI；智能制造趋势；全球需要更多的组装和测试能力；芯片产业知识产权（IP）如何成为网络攻击的目标——这是一个全新的威胁水平；地缘政治，着眼于围绕先进节点制造设备和技术的出口控制（以及先进的Gen AI半导体技术）。

德勤认为，AI芯片热潮会影响整个芯片行业，预计2024年AI芯片的销售额将超过500亿美元，这一新兴热门市场是全行业的有利因素，预计将占总销售额的8.5%：其中一部分将来自于在高级节点上制造的逻辑处理器，一些来自于高级高带宽内存（HBM3），一些来自于高级2.5D封装，还有一些来自于高级连接芯片。在每个类别中，这些由Gen AI驱动的芯片都是同类中最昂贵的。

在2022年，超过一万亿的芯片以平均每片0.57美元的价格售出。与此同时，2023年，一些Gen AI芯片的售价为每个4万美元（比平均价格高出七万倍），因此，价值500亿美元的芯片可能只相当于125万个芯片，不到全年芯片总销量的0.1%，在单位产量和制造能力中只占相对较小的一部分，这也正凸显出AI芯片行业的重要性：如上所述，在行业利用率低于70%的情况下，Gen AI芯片销售的腾飞对于少数销售这些芯片或这些芯片的部分公司来说是一个好消息。

但是，为了使行业在所有流程节点上实现最佳利用，除了Gen AI之外，其他类型的芯片可能需要看到更强劲的需求。

下面本文将谈论上文中所谈及，并由德勤深入展开讨论的这五大主题。

生成性AI和芯片供应掀起新浪潮

销售Gen AI芯片：加速生成式AI模型训练和推理的芯片市场是2023年半导体行业的重要部分。在高层次上，Gen AI芯片是高级2.5D封装的特殊GPU、CPU、HBM3，以及数据中心连接所需的其他特殊芯片的封装。

对于一个面临内存价格疲软、智能手机和计算机芯片需求疲软等不利因素的行业来说，Gen AI芯片提供了一个增长领域，特别是在领先的制造节点。

从长远来看，有人预测，到2027年，AI芯片的销售额可能达到4000亿美元；另一方面，德勤在2023年11月预测，2024年Gen AI芯片的销售额将超过500亿美元；此外，德勤认为Gen AI芯片的季度销售增长可能会在某个时点持平甚至下降，风险与机遇并存：

（1）新入行者：预计现有的一代AI芯片制造商以及新兴的AI芯片制造商都会推出新芯片，新芯片可能来自那些曾经著名的芯片买家，但已经决定开始自己制造芯片的公司。没有人知道这些在这一点上将如何发展。

（2）新的架构和模型：有许多不同的Gen AI模型和方法，没有一个单芯片架构可能是所有用例的最佳选择。未来可能会有数据中心芯片、边缘芯片、训练芯片和推理芯片，预计将花费数十亿美元开发这些专用性的Gen AI芯片。

（3）边缘芯片：与2023年占主导地位的加速器或Gen AI模型相比，今年可能会有更多的处理在边缘、更小、更便宜或不同的加速器或Gen AI模型上完成。

（4）鞭子效应：在供应不足时，芯片行业很容易受到订单过多和库存过剩的影响，然后在供应赶上需求时需要解除库存，这通常会导致单位销量下降和单位价格下跌。该效应可能会在2024年下半年显现。

（5）大众对AI需求：当前对Gen AI芯片的大部分需求来自企业软件公司，要么直接用于构建内部处理，要么间接通过云公司（为软件公司提供Gen AI处理服务）。他们可能计划在现有或新的软件产品中包括Gen AI功能和服务，并希望对这些功能收费：德勤预测，到2024年底，这将为企业软件收入增加100亿美元。如果软件买家不愿为Gen AI服务支付溢价，甚至在这方面行动迟缓，软件公司可能会突然减少它们的Gen AI处理订单。

让智能制造更智能

多年来，半导体工厂、外包半导体组装和测试设施（OSATs）利用了物联网设备、机器人技术、人工智能/机器学习（AI/ML）和分析，目标是实现完全自动化的智能、无人值守的芯片工厂。晶圆厂设备制造商、集成设备制造商（IDM）、晶圆代工厂和后端工厂都在继续加大对智能制造实践、数字工具和技术的投资，但智能制造的基本目标或多或少保持不变。它们连接工厂车间的东西，自动化物料移动和数据收集，并应用分析来促进决策和行动。但是，从芯片制造的角度来看，2024年的智能制造在半导体领域有两个方面将有所不同。

德勤的半导体领域AI研究报告指出，第一，企业可以使用复杂和高度先进的AI工具（包括Gen AI）来分析大型数据集并提供敏锐的见解，大约70%半导体公司的高管承认AI将对他们的业务产生“从高到变革性”的影响，这表明他们认为AI不仅仅是另一个新工具，而是在制造、运营和维护功能等全方面提高效率。根据德勤的调查，有28%的受访者认为，Gen AI有潜力通过与流程和设备相关的分析和洞察来增加最大的价值；其次是预测性维护和智能诊断和故障排除（18%的受访者认为）。

第二点，企业可以提高晶圆厂和建筑的性能与可持续性。从一个成熟的技术节点（例如28 nm）到一个先进的节点（例如2 nm）需要3.5倍的能量、2.3倍的水和2.5倍的温室气体排放，除了建立全新的绿地工厂，半工业应该考虑对老工厂（棕地工厂）实施制造转型，以帮助实现更大的可持续效益。

此外，晶圆厂可以考虑投资智能制造工具，如6D BIM建筑信息建模，以帮助改善成本管理、模拟和分析能源消耗、提高效率并简化设施管理，对底线和地球产生积极影响。随着晶圆厂在2024年探索使用智能制造工具和虚拟模型，他们应该确定具体的环境和社会因素以及衡量指标，以进行更全面的可持续发展评估和环境、社会和治理（ESG）报告。此外，公司应该考虑探索如何在制造工厂中使用集成AI、专用5G网络和数字孪生体等技术工具。

作为德勤2023年半导体转型研究的一部分，接受调查的半导体业内高管指出，在数字化能力方面缺乏企业范围内的一致性，是他们转型计划的一个关键挑战。尽管2023年的调查结果（56%）显示，与2021年的调查结果（37%）相比，业务和IT的一致性水平有所提高，但2024年可能需要重新审视。企业应该继续投资于智能数据库和系统，以获取跨业务部门和日益复杂和广泛的供应链的异构数据集。

企业应该加强数据现代化、统一数据平台、高级分析和下一代SAAS应用（如采购、计划、客户和企业资源计划）的能力，所有这些可能都需要与制造执行系统（MES）更好地集成，强调干净、准确和高质量的数据，这些方面有助于帮助公司受益于在AI/ML和数据管理解决方案方面做出的投资。

半导体组装和测试尝试进入新的地区

目前全球75%以上的半导体工厂产能在亚洲（前端），但该地区在芯片组装和测试（后端）方面的市场份额更高（90%）。除了大型集成电路设计制造公司（简称IDM）外，大多数芯片厂商都将生产流程外包给第三方供应商（简称OSATs），大多数大型OSAT都位于中国大陆和台湾地区，在2022年占据了大约80%的市场份额。尽管美国的目标是提高国内产能，但几乎所有实际工作都是在亚洲完成的。目前的趋势是：传统的前端和后端之间的界限越来越模糊，双方都试图占据价值链的更多份额；先进封装也日益成为制造最先进芯片的战略推动者。

展望未来，随着美国和欧洲寻求扩大国内芯片制造能力，他们应该寻求建立后端能力，以避免延长供应链或使其更加复杂。为了帮助保持产品性能和灵活性的领先优势，美国和韩国的IDM正在加大力度加强其封装能力，这些能力通常由各自的组装业务和设施提供和启用；与此同时，专注于芯片设计的领先企业也在推进近岸技术；此外，复杂的Gen AI芯片正在推动对先进封装的需求，暴露出这项技术的严重产能短缺。

德勤的《2023半导体转型研究》指出，对AI和计算及内存密集型应用的强劲需求将刺激2D、2.5D和3D等先进封装技术的创新。为了跟上不断增长的封装创新需求，欧盟芯片法案和美国芯片与科学法案都为先进的封装技术发展分配了资金。然而，正如2024年预测中所指出的，Gen AI芯片需求将掀起半导体行业的风潮，目前，政府可能需要增加现有的激励计划，以扩大国内或近岸制造能力，封装也变得越来越复杂，通常需要新的技术，如数据建模和模拟，以主动帮助提前发现和预测错误和其他封装问题。

2024年，随着著名的IDM和代工厂进一步转向先进封装，而传统的OSAT也将继续增强其封装能力，后端市场可能会经历重大变革；与此同时，美国和欧盟的半导体公司正在本国扩大前端晶圆厂，在扩张的同时，他们还采取措施将服务的后端转移到新的国家，例如越南、马来西亚、印度和波兰正在建设新的产能，这反映出IDM和OSAT正在实现供应链多元化和降低风险，这一趋势符合德勤在《2023年全球半导体行业展望》中的观点。

但新出现的设施面临着明显的挑战，新的先进封装技术和测试解决方案应在严格的上市时间内以高质量的性能交付。此外，这些技术通常需要独特的技能和经验，例如封装和测试工程师需要在电气和电子工程、材料科学、容量规划和成品率过程方面有专长；后端厂商面临的挑战是提供一系列新颖但复杂的高级封装选项，例如2.5D/3D、扇出、chiplets、SiP、hybrid bonding等。

2024年，IDM的测试部门（简称AT）与OSAT的独立封装和测试服务商可以从以上几个选项中寻求突破，并掌握特定的封装技术。他们应该灵活和不断创新，以帮助品牌半导体公司更快地推出优越的产品，具有竞争力的性能和价格。工厂应该考虑的另一个方面是在组装、测试、运输和分销操作中使用的能源、材料和其他资源，这些通常是半导体可持续发展等式中同等重要的部分。

为了在2024年及以后的动态AT景观中保持竞争力，OSATs和圈养AT设施应加强其核心企业IT系统。此外，将AI和机器学习（ML）集成到他们的业务中，可以帮助开发先进的封装技术和功能、改进需求计划、有效管理库存，并简化整个供应链的信息流。测试也有望获得重视，因为复杂的芯片和模块设计可能需要受控AT和OSATs来推进系统级测试、自适应或动态测试以及基于AI/ ML的bin预测等能力。

加强网络安全以应对日益加剧的网络威胁

与其他行业相比，半导体行业面临的网络威胁程度不同。除了每个行业都会遇到的常见的逐利勒索软件攻击外，半导体公司还拥有独特的、有价值的和受限的IP。由于半导体对多个行业的重要性日益增加，它往往是由国家支持的攻击目标；由于地缘政治问题和先进芯片制造技术的限制，公司的知识产权是世界上最重要的网络攻击目标之一。

如果地缘政治紧张局势在2024年继续升级，导致围绕IP、芯片和原材料被进一步限制，网络攻击可能会加剧，扰乱该行业的生产。

网络威胁者不仅针对核心的半导体公司，而且越来越多地针对扩展的渠道合作伙伴（如供应商、分销商和合同制造商）。复杂的威胁行为者可以使用先进的方法，如伪装为勒索软件集团，来伪造攻击并导致整个供应链的业务中断。

在2024年，半导体行业可能会经历一场不对称的战斗：该行业可能需要面对复杂的威胁行为者，这些人拥有比其他工业网络威胁更先进的资源。这种国家支持的参与者与更广泛的半导体公行业参与者之间的不对称斗争，可能在2024年及以后给行业管理带来新的挑战。

因此，在2024年，企业应考虑加快努力，以增强自身的网络防御能力以及其延伸供应链的数字和网络基础设施。

企业应该更加灵活地调整网络计划，以应对这些新兴威胁，并投资于客户数据保护解决方案。例如，德勤的《2023年全球网络未来调查》指出，超过75%的受访者认为，投资于网络安全战略、网络云和数据保护解决方案为其组织创造了最高价值。此外，半导体公司应该考虑使用AI来帮助对抗网络威胁：AI不仅可以使网络安全团队的响应速度比网络攻击者的速度更快，而且使用基于AI和数据驱动的方法也可以帮助感知和预测威胁并主动反击网络攻击。

除了加强自身的IT基础设施，半导体公司还应该帮助跨地区的供应商加强网络防御，即使在高风险地区，也可以使更广泛的半导体生态系统以更大程度的保证和弹性运行，正如我们在德勤的《2023全球半导体行业展望》中所写的那样。此外，先进的网络解决方案可以为晶圆厂、代工厂、设备供应商、后端设施和供应商提供安全的数字环境，以交互和交换实时信息，他们应该共同建立安全标准和流程，以防止数据泄露和减少破坏。

地缘政治、出口管制、半导体、先进节点与AI

近年来，美国政策制定者对中国各类半导体和半导体制造技术实施了出口管制，因为政策制定者辩称它们具有军事用途而受到限制，其他一些国家也对中国实施了类似的限制。可能在2024年变得越来越重要的是围绕两项关键半导体技术的看法：先进节点制造本身和加速AI的芯片，这两项技术在2022年都受到了一定程度的限制，到2023年10月限制进一步收紧。预计2024年将看到这些限制的后果，以及可能的进一步限制。

预计公司将努力平衡销售，同时仍遵守不断变化的限制，也可能做出反制裁的举措，以及看到受这些限制影响的国家的先进节点能力的新发展。

（1）高级节点制造限制：

中国政府已经采取了一系列措施，并投入了数十亿美元来实现芯片的自给自足（或至少更加自给自足）。中国是落后节点（约50—180纳米）和中间节点（14—45纳米）的主要参与者，约占全球产能的25%，而且还在不断增长。然而，对于先进的节点制造（10纳米及以下），人们普遍认为，极紫外线光刻（EUV）对制造这些芯片至关重要。

美国的许多限制都是围绕深紫外（DUV）和EUV机器及其支持技术，这被认为是制造先进节点芯片的有效障碍。2023年夏天，据报道，中国一家领先的芯片制造商正在为一款高端智能手机品牌生产7纳米芯片，可能使用了具有多重图案和精确对准的预限制高级DUV光刻工具。用这些方法制造5纳米芯片可能是可能的，但预计价格昂贵、速度慢，而且可能对成品率产生负面影响。

（2）Gen AI芯片限制：

预计2024年半导体销售增长最快的市场将是旨在加速Gen AI工作负载的芯片，德勤预测，这一市场今年将达到超过500亿美元，占全球全年芯片销售的近10%，而2022年为零。美国正在限制这些芯片在特定地点的出口，但这些限制一直在迅速发展。需要明确的是，限制通常是针对所有类型的高性能计算芯片，而不仅仅是Gen AI。

到目前为止，美国的做法是对具有某些功能的芯片实施出口限制。在2022年，出口控制主要围绕最大互连速度，这意味着一些Gen AI芯片受到限制，但一些较老的Gen AI芯片，以及设计的互连速度较低的新芯片则可以出口。

但美国在2023年10月进一步收紧了规则，并对性能密度施加了新的上限，特别是FLOPS/mm²，导致一些以前不受限制的Gen AI芯片成为出口管制的对象。政府的限制和芯片行业出售芯片的愿望之间的紧张关系可能会进一步升级。

考虑到这些正在进行和不断发展的限制，一些受限制的目的地是大型芯片和设备市场，比如出口限制，这可能会严重影响芯片和设备公司的收入。这给业界留下了一个需要考虑的关键问题：即使限制芯片或芯片制造技术实现了短期的地缘政治目标，是否会导致受限制的国家开发自己的解决方案并在这些地区实现自给自足？同样，对芯片或芯片制造技术限制的增加，可能会导致中国或其他国家对老一代芯片和重要原材料实施自己的出口限制。

美国商务部在2023年12月下旬宣布，将在2024年对美国当前一代以及成熟节点或遗留芯片的供应链进行调查，这些新发现可能会导致重大转变，特别是对于汽车和国防等大量使用这些芯片的行业。

对未来的指引——2024年半导体行业的高管们应该格外注意以下方面：

（1）需求不稳定情况下的库存管理：

传统终端市场的需求可能仍然疲软，但专业芯片的需求可能会在今年更加强劲，半导体公司应与这些动态变化的终端市场需求驱动因素一起管理库存水平，包括为某些产品类别创建缓冲库存，同时为其他产品的订单重新谈判合同条款腾出空间。半导体公司应该成为生态系统的驱动者和协调者，例如通过与终端客户建立更直接的沟通和远见，以获得对需求的更大的可见度，并加强他们的工程关系。

（2）战略并购的机会：

随着半导体设计、Gen AI芯片、先进材料和零部件以及先进封装和测试等领域的一系列利基市场参与者和初创公司的出现，半导体上市公司应该计划并追求有针对性的并购交易，并寻找购买有吸引力资产的机会，或许与私募股权投资者合作，或者与私募股权投资者展开竞争。

（3）对渠道合作伙伴关系的潜在不利影响：

随着地缘政治问题的升级，以及西方国家与中国的关系在2024年继续发展，作为构建弹性供应链战略的一部分，半导体公司应密切关注替代采购地点，并定期审查与全球供应商和关键地区和国家分销渠道合作伙伴的合同。此外，他们可能需要评估直接吸引一些客户，因为地缘政治紧张局势可能会破坏渠道关系。

（4）跨境交易中的税收和监管方面：

虽然美国和欧盟的目标是通过在岸、友港和近岸来进一步加强其国内和区域芯片制造能力，但芯片公司应该记住，在这些地区的跨境并购交易和战略商业投资可能会带来更严格的税收和监管考虑。

（5）利率变动与估值倍数：

在2024年为增长和扩张融资时，半导体公司还应注意为未来投资保留现金。他们在举债时尤其应该考虑利率变化的影响，在瞄准从私募股权和风险资本退出或企业剥离的利基市场参与者时，应该评估估值倍数。

（6）需要敏捷的人才挑战：

随着人才竞争的持续，并在2024年渗透到整个半导体供应链，行业高管应该扩大寻求人才的范围，例如，从“友好外包”地区（friendshore）寻找人才、招募熟练移民劳动力、提高技能和交叉技能的内部员工、雇佣零工工人、甚至与初创公司和加速器合作；此外，AI可能有助于解决一些人才短缺问题，但反过来也可能造成人才短缺，因为芯片公司希望在竞争激烈的市场中雇佣具有AI技能的人。