行业趋势：AI算力发展驱动ASIC芯片采用 - AI算力芯片如英伟达GB300性能提升的同时功耗大幅增长[1] - ASIC芯片因与AI推理需求契合且在算力功耗比等核心指标上明显优于GPU 海外AI巨头纷纷转向自研[1] - Meta与博通合作 最早将于今年第四季度推出其首款AI ASIC芯片MTIA-V1[1] 技术需求：ASIC省电对电源模块与电感提出更高要求 - 传统横向供电模式存在不可避免的PDN压降与损耗 AI算力功耗提升使PDN损耗同步增长 终端用户部署ASIC后的核心痛点是省电[1] - 结构上 采用垂直堆叠设计的电源模块将PDN路径缩短至毫米级 显著降低PDN损耗[2] - 材料上 AI服务器高功率大电流应用场景要求电感具备更大电流承载能力 金属软磁粉芯一体成型电感因更高饱和磁通密度和更好高温稳定性成为必选项[2] 市场前景：ASIC放量与DDR6升级带来电感需求增长 - 海外AI巨头推进自研ASIC布局 Meta计划在2025年底至2026年间分阶段推出多款MTIA系列芯片 微软计划于2027年大规模出货自研ASIC芯片[3] - 2026年AI算力芯片或进入GPU与ASIC双轮驱动时代 对电感的总需求量有望超过4亿片[3] - DDR5首次使用PMIC供电方案 电感形态向小尺寸薄型化演变 DDR6标准升级将进一步增加电感材料使用量[3] 公司分析：铂科新材的技术与产能优势 - 铂科新材是气雾化制粉工业化鼻祖 其气雾化金属粉末制备技术生产的合金软磁粉末粒径更细且含氧量更低 具备产品竞争优势[4] - 公司募投项目有望于2025年底前完全建成 2026年开始产能爬坡 总产能有望达到3亿片[4] - 随着产线效率提升 公司电感材料产能中期有进一步增长空间[4]

行业投资评级 - 报告对有色、钢铁行业维持“看好”评级 [6] 核心观点 - AI算力芯片功耗大幅增长，英伟达GB300单卡功耗高达1400W，较上代Full B200增长16.67% [13][14] - 海外AI巨头为降低能耗和成本，纷纷转向自研ASIC芯片，其算力功耗比显著优于GPU [9][27] - 金属软磁粉芯是ASIC芯片实现省电目标的关键材料，其一体成型电感能满足小体积、大电流、高稳定性的需求 [9][57][63] - 2026年AI GPU与ASIC对金属软磁粉芯一体成型电感的总需求量预计超过4亿片 [70][71] - 中期来看，DDR6内存标准的演进将进一步增加对高性能电感材料的需求 [79][82] 按报告目录总结 一、痛点：省电是AI终端用户部署ASIC的核心痛点 - 英伟达AI算力卡功耗持续提升，GB300单卡功耗达1400W [13][14] - ASIC芯片在算力功耗比上明显优于GPU，例如GPU每算力平均耗电0.4瓦，而ASIC仅需0.2瓦 [9][24] - 传统横向供电模式存在PDN压降与损耗，AI算力提升使PDN损耗显著增加，采用8块GPU的服务器PDN能量损耗可达15%-20% [40][44] 二、材料：金属软磁粉芯是ASIC电源模组必选项 - 垂直堆叠设计的电源模块将PDN路径缩短至毫米级，显著降低损耗 [46] - 模组式电感相较分立式电感可节省高达40%的占板面积，并提供更高的功率密度 [51][55] - 金属软磁粉芯饱和磁通密度（0.9-1.6特斯拉）远高于铁氧体（0.3-0.55特斯拉），在相同工作条件下电感体积可减小70% [57][58] 三、市场：GPU+ASIC双轮驱动，金属软磁粉芯一体成型电感或加速应用 - 2026年海外AI巨头ASIC出货总量有望超越英伟达GPU出货量 [65][67] - 测算显示，2026年英伟达GPU对电感需求量约1.92亿片，ASIC对电感需求量约2.1亿片，总需求超4亿片 [70][71] - Meta计划在2025年底至2026年出货百万级ASIC芯片，其中MTIA T-V1预计出货30万至40万片 [67] 四、应用拓展：DDR6内存有望为金属软磁粉芯一体成型电感带来中期增量 - DDR5内存首次引入PMIC供电方案，单个DDR5颗粒需要至少3颗芯片电感 [72][77] - DDR6标准将单通道位宽提升至96bit，强制使用两个VDD2电源，对电感使用量和性能要求进一步提高 [79][82] 五、同业对比：铂科新材具备明显的技术与产能优势 - 铂科新材的气雾化粉末制备技术所产粉末具有低含氧量、高球形度优势，制成的磁粉芯损耗（55.5 kW/m³）远低于水雾化粉末（440 kW/m³） [85][86] - 公司芯片电感产能预计从2024年的1.2亿片增长至2026年的3.2亿片以上，募投项目计划于2025年底完全建成 [91][93]