当前位置: 液体金属 >> 液体金属发展 >> 金属新材料行业专题研究AI大时代,金属新
(报告出品方/作者:长江证券,王鹤涛、赵超、易轰)
引言:AI大时代,金属新材料长远受益
随着人工智能产业链加速迭代发展,其三大核心要素算法、算力和数据亦有望迈入爆发式增长。金属新材料作为工业革命发展的基石,亦迎来两大中长期变化:(1)长期来看,随着算法、算力和数据三大要素逐步突破,未来金属新材料的设计体系将得以重构,有望加速从理论复杂计算转换至实践应用的产业化,比如高熵合金、纳米材料等前沿新材料;(2)中期维度,计算体系升级有望直接带动金属电子新材料需求,比如软磁粉芯、金属靶材、光模块材料、消费电子(MLCC镍粉、电极箔、高端铜合金、钽电容、锡基焊粉材料)、IDC存储和散热体系等。
长期:三大瓶颈破壁,新材料设计体系优化
大数据时代,新材料开发迈入AI阶段
传统新材料的开发往往需要长时间实验积累,其研发时间长达10-20年,甚至以上,其研发和产业化效率相对较低;并且随时新材料的逐步迭代,元素成分愈加复杂且物相变量增多,传统实验和计算模拟基本已经到达瓶颈阶段,受掣于算法、算力和数据三大掣肘,新材料产业化节奏有所放缓。未来随着人工智能持续突破,新材料的设计体系有望加速迈入至大数据计算阶段,带动新材料研发节奏提速和产业化。具体来看,材料科学发展一般可分为四大阶段:(1)经验测试阶段:早期阶段,新材料研发需要经过长时间的反复试验和应用,开发周期长且效率较低;(2)模型理论阶段:在第一阶段基础上,分子动力学和热力学等模型的应用,加速新材料理论研究走向成熟,提升研发效率;(3)计算模拟阶段:计算机产业崛起后,计算机迭代仿真模拟计算,进一步提升研发速度,研发效率大幅提升;(4)人工智能大数据阶段:通过大数据方式挖掘材料本质要素,并且结合人工智能和材料研发有效筛选可产业化的高端新材料,缩小筛选范围,并以实验佐证,新材料发展迈入新阶段。
在人工智能大数据阶段,新材料的研发思路是建立工艺、成分、结构、性能之间的内在联系,根据性能的需求,设计新材料成分和组织的微结构;其次,设计并优化材料成分与工艺,以实现“材料按需设计”。
材料基因工程,助力新材料研发智能化
我国亦在有效推动新材料开发设计智能化进程,国家重点研发计划“材料基因工程关键技术与支撑平台”重点专项的实施,是实现“中国制造”的重要内容。材料基因工程是新材料领域的重大前沿技术,已作为重大战略任务在“新材料重大工程”专项中布局。根据工业和信息化部产业发展促进中心网,材料基因工程重点专项的主要任务是:按照全链条创新设计、一体化组织实施的要求,本着融合发展、协同创新的基本理念,围绕实现两个“一半”的战略目标,构建三大示范平台,研发四大关键技术,开展五类材料的示范应用。
(1)构建三大示范平台:通过凝聚国内现有的软硬件条件,构筑可融合发展、协同创新的高通量计算、高通量合成与表征、专用数据库三大示范平台,形成支撑材料基因工程基础研究的基本软硬件条件和数据体系。(2)研发四大关键技术:针对材料基因工程的关键基础和共性问题,研发多尺度集成化高通量计算方法与计算软件、高通量材料制备技术、高通量表征与服役行为评价技术、面向材料基因工程的材料大数据技术,为加速材料创新发展提供技术支撑。(3)典型材料示范应用:在构建三大示范平台和突破四大关键技术的基础上,本着材料基因工程中计算(理论)/实验(制备和表征)/数据库相互融合、协同创新的研发方式和理念,选取具有重大战略需求或重大突破意义的高端制造业关键材料,如能源材料、生物医用材料、稀土功能材料、催化材料、特种合金等,以及材料服役共性技术进行突破,开展应用示范。
展望:高熵合金、纳米材料,或迎曙光
随着算法、算力和大数据体系愈加完善,先进前沿金属新材料的开发有望在两个维度迎来突破:(1)一是成分复杂多元的合金体系,基于每两种、每三种、甚至每四种元素之间容易形成多种不同的物相,其组合种类繁多,且工艺(温度、时间、压力)进一步添加多个变量因子,导致材料最终组织和性能种类甚多,传统计算模拟和实验难以突破,因此在人工智能大时代,这类成分复杂合金的研发有望破壁,比如高熵合金等;(2)二是高端纳米材料,纳米材料指结构单元尺寸在1-纳米之间的材料,是处在原子簇和宏观物体交界的过渡区域,它具有表面效应、小尺寸效应和宏观量子隧道效应。它的光学、热学、电学、磁学、力学以及化学方面的性质和大块固体相比显著不同。其往往用量子力学取代传统力学的观点来描述它的行为,因此其研发设计理论和制造工艺都相对复杂。人工智能技术推动下,纳米材料的研发和制造效率均有望大幅改善。
高熵合金
高熵合金通常包含5种以上的主要元素,各主元的原子分数在5%~35%之间,主要包括第3周期的Mg,Al;第4周期的Ti,V,Cr,Mn,Fe,Co,Ni,Cu,Zn;第5周期的Zr,Nb,Mo,Sn;第6周期的Hf,Ta,W,Pb,另外还有类金属元素Si,B等,具有高强度、高硬度、磁特性等性能,在耐腐蚀、耐高温、耐磨性等方面具有极好的应用效果,可用于焊接材料、储氢材料、耐蚀材料等的制造。从传统低熵金属到高熵合金,材料综合性价比中枢整体抬升。目前来看,中熵合金和高熵合金的交界处,是金属材料综合性价比最高区域,例如超合金、非晶合金、不锈钢、中熵合金等更具成本效益。倘若未来高熵合金随着人工智能而加速成分工艺优化,其成本有望显著改善,则将打开广阔新材料产业化空间。
纳米材料
根据北鲲云和中关村在线报道,纳米材料研究,一方面需要高算力,保证并行处理性能。无论是在美国能源部所属的橡树岭国家实验室还是劳伦斯伯克利国家实验室,亦或是国家能源研究科学计算中心(NERSC),都将旗下部署的超算中心中超过六分之一的机时用于材料科学相关的研究;另一方面,在计算运行过程中,也会产生大量的过程文件,若是每天算0个密度泛函理论的材料计算任务,就会产生约1TB的数据,对存储系统要求较高。通过北鲲云超算平台对纳米材料进行计算模拟,可将新材料的发现速度提高倍以上,纳米新材料研发效率大幅提升。
中期:AI技术创新驱动,算力、消费电子、数据产业链多维受益
算力:AI驱动算力提升需求,GPU与光模块新材料充分受益
算力作为人工智能的基础设施,有望迎接全面升级。根据长江计算机,人工智能的发展一般有三大要素,分别为算力、数据和算法,其中算力是底座,是基础支撑。此次由ChatGPT带来的新一代人工智能技术革命,由于其参数量大,在当前的训练阶段和未来泛在的推理过程中对算力的需求大幅提升,这也符合每一次重大科技变革时期会出现全新的基础设施这一规律。当前社会有望迈入由人工智能引领和驱动的数字经济时代,作为底层通用技术或将泛在化和各行业融合,其基础建设重要性凸显。算力的提升依赖于计算芯片的升级,当前主要的计算芯片包括GPU、NPU、ASIC、FPGA等,GPU依然是市场的最为主要的支撑点。GPU最原始的运用是图形处理器,而随着GPU在并行计算方面优势逐步显现,形成了专门以运算功能为主的分支GPGPU。在人工智能领域,GPGPU在云端运行模型训练算法,可以显著缩短海量训练数据的训练时长,减少能源消耗,进一步降低人工智能的应用成本。与此同时,GPGPU能够提供完善的软件生态系统,便于各种已有应用程序的移植和新算法的开发,因此成为全球人工智能相关处理器的主要解决方案。根据IDC,年上半年中国人工智能芯片中,GPU占90%以上的市场份额。
ChatGPT浪潮下,计算型GPU需求有望高增。当前,我国人工智能领域应用目前处于技术和需求融合的高速发展阶段,预计GPGPU(计算型GPU)市场规模将保持40%到50%的增长,年市场规模有望达到亿元。全球范围来看,根据华经产业研究院,年全球GPU市场规模有望达到亿美元,-年复合增速33%。
面对持续提升的算力需求,GPGPU的技术创新如火如荼。展望未来,GPGPU的技术创新主要有两个方向,一方面,GPGPU通过提升工艺制程、增加运算核心数量、采用更高带宽的片上存储器、提高存储器的带宽和容量等举措,进一步优化芯片的集成度和性能;另一方面,高带宽、低延时的片间互连总线结构是未来产品优化提升的方向。为满足AI对算力提升的需求,英伟达发布ChatGPT专用GPU,在硬件上取得了较大突破,与上一代产品相比,针对大型模型提供高达9倍的AI训练速度,印证产品迭代速度之快。
AI对算力升级的需求永无止境,然而单个GPU算力提升毕竟有限。由此,算力的持续增强需要多个GPU之间协作能力的提升,在每个GPU之间实现无缝高速通信的多节点、多GPU系统的需求。速度更快、可扩展性更强的GPU互连已成为当前的迫切需求,光模块产业链有望充分受益。年6月,英伟达开始推广GPUDirect技术,旨在优化GPU之间(P2P)和GPU与第三方设备(RDMA)的数据传输。在未使用GPUDirect之前,GPU数据传输需要复制两次,而通过GPU通信实现内存共享后,只需一次内存复制,从而降低数据交换的延迟。年,英伟达推出NVLink技术,进一步加强GPU通信效率,当前NVLink已经升级至第四代,单个HGPU支持多达18个NVLink连接,总带宽为GB/s,助力打造AI和高性能计算(HPC)强大的端到端平台。
GPU通信技术需要依靠光模块来实现,AI兴起催生光模块带来广阔的升级空间。光模块是一种光电转换器,用于高带宽数据通信应用中,实现光信号和电信号的相互转换。信息网络主要以光纤作为传输介质,但目前计算、分析还必须基于电信号,由此光模块是实现光电转换的核心器件。AI大模型的广泛训练和应用,有望驱动光模块向更高传输速率升级。当前,G光模块部署正在数据中心网络中加速推进,同时G光模块正蓄势待发,有望在网络和云服务广泛应用。根据Yole,年全球光模块市场产生的收入达到约96亿美元,预计年达到亿美元,-年的复合增长率为14%,其中用于数据的光模块市场有望达到亿美元,-年的复合增长率为19%。AI兴起对算力提升的需求催生光模块成为更为靓丽的细分赛道。
总结来看,AI兴起产生的算力提升浪潮下,金属材料产业链有望充分受益:(1)金属软磁粉末制作的高频降压电感用于CPU、GPU供电,与当前主流的铁氧体电感相比,能节省50%~75%的空间,且具有散热效果好、低电磁辐射、可靠性高等特点,有望在新一代GPGPU中广泛应用;(2)高纯溅射靶材用于“晶圆制造”和“芯片封装”两个半导体制造环节,在GPGPU集成度提升和小型化发展的趋势下,高纯溅射靶材迎接新的技术挑战,亦具备广阔的升级机遇;(3)随着光模块传输速率的升级,对光模块基座材料的高温低膨胀特性和高导热特性提出更高要求,仅高性能的钨铜合金能够满足,有望充分受益于产业链的升级。
高频降压电感:小型、高频化驱动,金属软磁材料空间广阔
金属软磁材料芯片电感大有可为,有望在新一代GPU广泛应用。芯片电感起到为芯片前端供电的作用,可广泛应用于服务器、通讯电源、GPU、FPGA、电源模组、笔记本电脑、矿机等领域。目前,主流芯片电感主要采用铁氧体材质,但铁氧体饱和特性较差,随着未来电源模块的小型化和应用电流的增加,铁氧体电感体积和饱和特性已经很难满足未来发展趋势,而金属软磁材料电感具有更高效率、小体积、能够响应大电流变化的优势,有望在百亿级规模市场实现对铁氧体材质电感的全面替代。
金属粉芯的特点是可以承受大电流、大功率,并且相比于铁氧体电感可以大幅减小体积。根据铂科新材公告,电脑或者服务器主板上面的芯片需要供电才能运算,一般供电电压不超过1V,如果电压太高容易击穿芯片,需要芯片电感对电路降压。电压要从24V或更高降低到1V,电压下降同时电流相应要提升十多倍。传统芯片电感普遍采用铁氧体,电路需要几级变压,比如从48V先降到24V,再降到12V,再降至1V;金属软磁芯片电感可以直接从24V降到1V。并且,基于金属软磁在饱和磁感应强度上的优势,由最新一代金属软磁粉芯(NPX)制备的电感在损耗性能上和铁氧体接近,在体积上同比减少50%~75%,符合计算芯片高集成、小型化的发展趋势。当前,金属软磁材料芯片电感已经实现交货,目前以服务器领域的应用场景居多,倘若稳定性符合标准,替代过程有望加速。
高纯金属靶材:计算芯片迭代加速,高纯金属与靶材需求高增
高纯溅射靶材是半导体、平板显示器、太阳能电池等领域生产所需的关键材料之一,是具有高附加值的功能性材料。由于该行业的技术门槛、资金门槛和人才门槛较高,我国仅有极少量的本土企业能够成功进入全球知名半导体芯片制造商、平板显示器制造商的供应链体系,为其批量供应靶材产品。高纯溅射靶材的应用领域中,半导体领域对于溅射靶材的技术要求最高,其对于金属材料纯度、内部微观结构等均有严苛的标准。半导体芯片制作过程分为硅片制造、晶圆制造和芯片封装三大环节,而高纯溅射靶材主要用于“晶圆制造”和“芯片封装”两个环节。在晶圆制造环节被用作晶圆导电层、阻挡层以及金属栅极的溅镀,在芯片封装环节被用作贴片焊线的镀膜。在半导体领域,一般选用高纯铝靶、钛靶、钽靶,对金属的纯度要求达到6N(99.%);长期以来,以日本、美国为代表的溅射靶材生产商在掌握核心技术以后,执行严格的保密和专利授权措施,对于新进入者设定了较高的技术门槛,使得当前半导体靶材国产化率处于较低水平。展望来看,AI赋能计算芯片迭代加速+政策的大力支持+国内企业技术、资金和人才门槛逐步突破,有望为高纯金属和高纯靶材带来靓丽的增长空间,使之成为复合增速15%+的高增长赛道。
钨铜合金:光模块传输速率升级,高性能钨铜合金蓄势待发
光模块由光器件、功能电路和光接口组成。主要功能为完成光信号的光电、电光转换。主要用于电信传输、数据中心和5G基站。模块中有件三大核心部,光芯片、激光器和光棱镜;此三大部件对载体材料的散热系数和热膨胀系数有着苛刻的要求,此载体叫光芯片基座。随着光模块传输速率的升级,钨铜合金成为光芯片基座的必备材料。根据斯瑞新材公告,能满足G以上速率光模块性能要求的基座材料只有可伐合金(Kovar)和钨铜合金(CuW)、钼铜(CuMo)。G/G光模块使用CuW光芯片基座来保证散热。CuW合金既有钨的低膨胀特性,又具有铜的高导热特性,其热膨胀系数和导电导热性可以通过调整材料的成分而加以改变,以使之与芯片的热膨胀系数更匹配。由此,钨铜合金或将成为G光模块架构下,光芯片基座成熟的解决方案。国内钨铜合金生产企业正逐步打开光芯片基座市场。当前,国内铜合金生产企业中,以斯瑞新材为代表的企业所生产的钨铜合金正在逐步通过下游标杆客户认证,进入国际供应体系,目前潜在的直接客户有菲尼萨(Finisar)、AOI、中际旭创、天孚通讯、新易盛等。从斯瑞新材
转载请注明:http://www.aideyishus.com/lktp/7886.html