2022年互连类芯片行业重点企业市场竞争格局分析及细分应用市场规模前景预测

1、互连类芯片（DDR5内存接口芯片及内存模组配套芯片）基本概述：内存接口芯片是服务器内存模组（又称“内存条”）的核心逻辑器件，作为服务器CPU存取内存数据的必由通路，其主要作用是提升内存数据访问的速度及稳定性，满足服务器CPU对内存模组日益增长的高性能及大容量需求。内存接口芯片需与内存厂商生产的各种内存颗粒和内存模组进行配套，并通过服务器CPU、内存和OEM厂商针对其功能和性能（如稳定性、运行速度和功耗等）的全方位严格认证，才能进入大规模商用阶段。因此，研发此类产品不仅要攻克内存接口的核心技术难关，还要跨越服务器生态系统的高准入门槛。

现阶段，DDR4及DDR5内存接口芯片按功能可分为两类：一是寄存缓冲器（RCD），用来缓冲来自内存控制器的地址、命令、控制信号；二是数据缓冲器（DB），用来缓冲来自内存控制器或内存颗粒的数据信号。RCD与DB组成套片，可实现对地址、命令、控制信号和数据信号的全缓冲。仅采用了RCD芯片对地址、命令、控制信号进行缓冲的内存模组通常称为RDIMM（寄存双列直插内存模组），而采用了RCD和DB套片对地址、命令、控制信号及数据信号进行缓冲的内存模组称为LRDIMM（减载双列直插内存模组）。DDR4世代的内存接口芯片产品目前仍是市场的主流产品，其DDR4内存接口芯片子代产品及其应用情况为：

DDR4内存接口芯片子代产品及其应用情况分析

DDR5是JEDEC标准定义的第5代双倍速率同步动态随机存取存储器标准。与DDR4相比，DDR5采用了更低的工作电压（1.1V），同时在传输有效性和可靠性上又迈进了一步，其支持的最高速率可能超过6400MT/S，是DDR4最高速率的2倍以上。

中金企信国际咨询公布的《2022-2028年互连类芯片行业全产业结构深度分析及投资战略可行性评估预测报告》

DDR5内存接口芯片产品及其应用情况分析

（1）DDR5第一子代RCD芯片支持双通道内存架构，命令、地址和控制信号1：2缓冲，并提供奇偶校验功能。该芯片符合JEDEC标准，支持DDR5-4800速率，采用1.1V工作电压，更为节能。该款芯片除了可作为中央缓冲器单独用于RDIMM之外，还可以与DDR5DB芯片组成套片，用于LRDIMM，以提供更高容量、更低功耗的内存解决方案。

（2）DDR5第一子代DB芯片是一款8位双向数据缓冲芯片，该芯片与DDR5RCD芯片一起组成套片，用于DDR5LRDIMM。该芯片符合JEDEC标准，支持DDR5-4800速率，采用1.1V工作电压。在DDR5LRDIMM应用中，一颗DDR5RCD芯片需搭配十颗DDR5DB芯片，即每个子通道配置五颗DB芯片，以支持片上数据校正，并可将数据预取提升至最高16位，从而为高端多核服务器提供更大容量、更高带宽和更强性能的内存解决方案。

2、市场发展现状：内存模组是当前计算机架构的重要组成部分，作为CPU与硬盘的数据中转站，起到临时存储数据的作用，其存储和读取数据的速度相较硬盘更快。按应用领域不同，内存模组可分为：

（1）服务器内存模组，其主要类型为RDIMM、LRDIMM，相较于其他类型内存模组，服务器内存模组由于服务器数据存储和处理的负载能力不断提升，对内存模组的稳定性、纠错能力以及低功耗均提出了较高要求；

（2）普通台式机、笔记本内存模组，其主要类型为UDIMM、SODIMM。而平板、手机内存主要使用的LPDDR通过焊接至主板或封装在片上系统上发挥功能。

内存模组行业的发展主要来自于技术的更新迭代和计算机生态系统的推动。内存模组的发展有着清晰的技术升级路径，JEDEC组织定义内存模组的组成构件、性能指标、具体参数等，报告期内内存模组已开始从DDR4开始向DDR5切换，DDR5第一子代相关产品已开始量产，同时JEDEC正在制定DDR5第二子代、第三子代产品标准。内存模组与CPU是计算机的两个核心部件，是计算机生态系统的重要组成部分，支持新一代内存模组的CPU上市将推动内存模组的更新换代，报告期内支持DDR5的主流桌面级CPU已正式发布，已经带动了普通台式机/笔记本电脑DDR5内存模组的上量，因此，未来随着支持DDR5的主流服务器CPU上市，DDR5服务器内存模组渗透率将持续提升。

根据JEDEC组织的定义，在DDR5世代，服务器内存模组RDIMM/LRDIMM搭配一颗寄存时钟驱动器（RCD）、一颗串行检测芯片（SPD）、一颗电源管理芯片（PMIC）及两颗温度传感器（TS），此外LRDIMM还需要配置10颗数据缓冲器（DB）；普通台式机及笔记本电脑常用的内存模组UDIMM/SODIMM搭配一颗SPD及一颗PMIC。相较于DDR4，DDR5相关芯片的市场规模有望实现大幅度增长。

中金企信国际咨询公布的《2022-2028年全球及中国服务器内存模组市场深度调研及投资可行性预测咨询报告》

3、内存接口芯片及内存模组配套芯片行业竞争格局分析：内存接口芯片是服务器内存模组的核心逻辑器件，其主要作用是提升内存数据访问的速度及稳定性，满足服务器CPU对内存模组日益增长的高性能及大容量需求。内存接口芯片的发展演变情况如下：

从2016年开始，DDR4技术的发展进入了成熟期，成为内存市场的主流技术。为了实现更高的传输速率和支持更大的内存容量，JEDEC组织进一步更新和完善了DDR4内存接口芯片的技术规格，增加了多种功能，用以支持更高速率和更大容量的内存。在DDR4世代，从Gen1.0、Gen1.5、Gen2.0到Gen2plus，每一子代内存接口芯片所支持的最高传输速率在持续上升，DDR4最后一个子代产品Gen2plus支持的最高传输已达3200MT/s。随着JEDEC组织不断完善对DDR5内存接口产品的规格定义，DDR5内存技术正在逐步实现对DDR4内存技术的更新和替代。DDR5第一子代内存接口芯片相比于DDR4最后一个子代的内存接口芯片，采用了更低的工作电压（1.1V），同时在传输有效性和可靠性上又迈进了一步。从JEDEC已经公布的相关信息来看，DDR5内存接口芯片已经规划了三个子代，支持速率分别是4800MT/s、5600MT/s、6400MT/s，预计后续可能还会有1~2个子代，可见通过不断的技术创新，实现更高的传输速率和支持更大的内存容量将是内存接口芯片行业未来发展的趋势和动力。

4、PCIe及PCIeRetimer芯片行业竞争格局分析：PCIe协议是一种高速串行计算机扩展总线标准，自2003年诞生以来，近几年PCIe互连技术发展迅速，传输速率基本上实现了每3-4年翻倍增长，并保持良好的向后兼容特性。PCIe协议由PCIe3.0发展为PCIe4.0，传输速率已从8GT/s提升到16GT/s，到PCIe5.0、PCIe6.0，传输速率将进一步提升到32GT/s、64GT/s。随着PCIe协议传输速率的快速提升，并依托于强大的生态系统，平台厂商、芯片厂商、终端设备厂商和测试设备厂商的深入合作，PCIe已成为主流互连接口，全面覆盖了包括PC机、服务器、存储系统、手持计算等各种计算平台，有效服务云计算、企业级计算、高性能计算、人工智能和物联网等应用场景。

然而，一方面随着应用不断发展推动着PCIe标准迭代更新，速度不断翻倍，另一方面由于服务器的物理尺寸受限于工业标准并没有很大的变化，导致整个链路的插损预算从PCIe3.0时代的22dB增加到了PCIe4.0时代的28dB,并进一步增长到了PCIe5.0时代的36dB。如何解决PCIe信号链路的插损问题，提高PCIe信号传输距离是业界面临的重要问题。

一种思路是选用低损PCB，但价格高昂，仅仅是主板就可能会带来较大的成本增加，而且并不能有效覆盖多连接器应用场景；另一种思路是引入适当的链路扩展器件如Retimer，使用PCIeRetimer芯片，采用模拟信号和数字信号调理技术、重定时技术，来补偿信道损耗并消除各种抖动的影响，从而提升PCIe信号的完整性，增加高速信号的有效传输距离。

因此，PCIeRetimer芯片作为PCIe协议升级迭代背景下新的芯片需求，其主要解决数据中心、服务器通过PCIe协议在数据高速、远距离传输时，信号时序不齐、损耗大、完整性差等问题。相比于市场其他技术解决方案，现阶段Retimer芯片的解决方案在性能、标准化和生态系统支持等方面具有一定的比较优势，未来根据系统配置，Retimer芯片可以灵活地切换PCIe或CXL模式，更受用户青睐。

而随着传输速率从PCIe4.0的16GT/s到PCIe5.0的32GT/S，再次实现翻倍，Retimer芯片技术路径的优势更加明显，Retimer芯片的需求呈“刚性化”趋势。有研究预测，到PCIe5.0时代，PCIeRetimer芯片有望为行业主流解决方案。

中金企信国际咨询公布的《2022-2028年全球及中国AI芯片市场监测调查及投资战略评估预测报告》

5、AI芯片行业情况：2021年，AI行业和市场继续快速发展，除了传统的监控和互联网等业务，AI应用在医学、商业领域的新应用不断增加。而AI算法在自然语言处理（NLP）任务上的进步也推动了机器翻译、人机对话、智能文本分析等应用的推广。同时，由AI应用所带动的AI硬件市场也以两位数的年增速在不断增长。现阶段，按基本功能划分，AI芯片可分为训练芯片和推理芯片；按技术路径划分，AI芯片可分为GPU、FPGA、ASIC芯片；从终端应用场景来看，除了传统的视频监控和互联网等业务，AI芯片在医学、商业领域的新应用不断增加。

目前AI应用仍然处于算法快速迭代、对算力要求不断提高的阶段，包括GPU、AI加速卡、CPU、FPGA在内的各类AI硬件也在迭代发展。客户最关注的是单位价格带来的AI算力规模及其功耗成本。数据中心的AI硬件部署目前仍然以GPU为主，但近两年来各类AI专用的训练、推理硬件已经开始规模部署，并在相应场景下展现出功耗、性能、成本等方面的优势。