HAIPU FAMILY OFFICE

硬科技行研报告

三泽研究院

2022-07-01

硬科技一般是指基于科学发现和技术发明而产生的技术产品、设备和系统，其底层是科学研究支撑的，具有较高技术门槛和技术壁垒，难以被复制和模仿，有明确的应用产品和产业基础，对产业的发展具有较强的引领和支撑作用。

当代，硬科技是指在人工智能、航空航天、生物技术、光电芯片、信息技术、新材料、新能源、智能制造等领域中，以自主研发为主，需要长期研发投入、持续积累形成的高精尖原创技术。

目前我国风险投资产业仍处于快速发展期，且未来还会面临广阔的发展空间与机遇，而下一阶段的主题将围绕高端科技、硬科技领域展开。

芯片类

半导体是各国科技创新及产业发展的基础性技术。在21世纪，控制先进芯片的制造能力的意义丝毫不亚于20世纪控制石油供应的意义。

国产替代窗口期获得积累的企业，有望率先进入高质量发展阶段。辅芯片有望由点及面逐步突破，竞争壁垒低于主芯片。在人工智能时代，算力和存储是关键，但从竞争格局来看，这些主芯片厂商依靠生态和规模形成了竞争壁垒，同时生产更为依赖先进制程，国内厂商短期较难突破。

与主芯片被少量主流产品垄断不同，辅芯片料号量众多，且没有生态依赖，生产也仅需成熟制程，我国厂商有机会在产品和客户两个维度由点及面逐步突破，率先完成国产替代。

1.1 光芯片

1.1.1 光芯片组成结构

光芯片为激光器、探测器核心组成。

激光应用广泛，其工作有赖于激光器与探测器。得益于方向性好、单色性好、能量密度高，激光不仅在光纤通信、工业制造等传统领域应用广泛，更在 3D 传感、车载激光雷达等新型领域日益普及。激光的输出有赖于激光器，根据增益介质的不同，激光器可分为气体激光器、液体激光器与固态激光器，而半导体激光器是固态激光器的典型形态；激光的接收则有赖于探测器，其又被称为光敏二极管。

激光器、探测器的核心构成部分为光芯片，光芯片核心功能为光电信号转换。光芯片主要包括激光器芯片与探测器芯片：激光器芯片应用于半导体激光器中，实现电信号向光信号的转换，将电信号蕴含的信息通过激光输出；探测器芯片则在探测器中不可或缺，实现光信号向电信号的转换。

图1：激光器芯片、探测器芯片在半导体中所处范畴

1.1.2 光芯片的应用

① 光通信领域：“光进铜退”趋势延续

“光进铜退”主要是指实现以“窄带+铜缆”为主网络向以“宽带+光纤”的网络转变的模式，本质是光纤宽带设备端口不断下移、不断靠近用户的建设思想。对比铜缆，光纤具有明显的优势：频带宽，信息容载量更大；最大传输距离更远；原材料（石英,SiO2）资源丰富；光缆纤芯直径比铜缆更小；损耗低，中继距离远；光纤为非金属材料，不受电磁及频道干扰；传输保密性能更好。“光进铜退”成为网络升级下的大势所趋。

② 光传感领域：硅光芯片+FMCW 技术路线赋能车规市场

硅光的高度集成性和超高兼容性非常契合激光雷达的制造需求，硅材料的价格优势和集成工艺有助于降低激光雷达成本。全球范围内，Aeva、Mobileye 以及 Aurora（收购Blackmore）是三家硅光芯片+FMCW 技术路线的激光雷达代表企业，Mobileye 在 2021年宣布将自主研发硅光 FMCW 技术路线，Aeva 已于今年年初发布首款汽车级 4D 激光雷达传感器。而在中国市场，洛微科技已经进入产品化和验证阶段，2021 年初，洛微科技发布了第二代 FMCW SoC 芯片，为实现硅光 FMCW 4D 激光雷达产品提供了核心技术。随着相关技术的不断成熟，硅光芯片有望持续赋能汽车自动驾驶，带动激光雷达产品的性能提升和成本优化。

此外，光能够照射到组织和血管上以监测、检测和量化生物标记，因此光子学还能够赋能无创医疗监测解决方案，用于小尺寸医疗设备和消费电子市场的可穿戴设备。

③ 光计算领域：看好硅光计算长期替代

在计算领域，据 OpenAI 统计，自 2012 年起，每 3-4 个月人工智能算力需求就会翻倍，电子芯片的发展已日趋逼近摩尔定律极限，难以满足高性能计算不断增长的数据吞吐需求。而硅光芯片用光子替代电子进行传输，可以承载更多信息、传输更远距离，同时光子彼此间干扰少，能够提供相较于电子芯片高两个数量级的计算密度和低两个数量级的能耗，能够作为突破传统微电子计算极限的解决方案。因而，从趋势上看，以硅光芯片为基础的光计算有望持续取代电子芯片在部分计算场景中的应用。

1.2 AI芯片

AI芯片一般泛指所有用来加速AI应用，尤其是用在基于神经网络的深度学习中的硬件。

AI芯片根据其技术架构，可分为GPU、FPGA、ASIC及类脑芯片，同时CPU可执行通用AI计算，其中类脑芯片还处于探索阶段。AI芯片根据其在网络中的位置可以分为云端AI芯片、边缘及终端AI芯片；根据其在实践中的目标，可分为训练（training）芯片和推理（inference）芯片。

图2：AI芯片技术架构分类整理

1.2.1 AI芯片应用领域

AI芯片的应用场景除了在云端及大数据中心，也会随着算力逐渐向边缘端移动，部署于智能家居、智能制造、智慧金融等领域；同时还将随着智能产品种类日渐丰富，部署于智能手机、安防摄像头、及自动驾驶汽车等智能终端，智能产品种类也日趋丰富。未来，AI计算将无处不在。

图3：AI芯片应用领域

1.3 汽车电子

1.3.1 MCU:汽车智能化趋势强化，单车用量显著提升

MCU（Microcontroller Unit）全称为微控制器或单片机，是将CPU的频率与规格做适当缩减，并与内存(Memory)、计数器(Timer)、USB、A/D转换、UART、PLC、DMA等周边接口，甚至LCD驱动电路整合在单一芯片上，形成芯片级计算机，从而实现终端控制的功能，具有性能高、功耗低、可编程、灵活度高等优点。MCU的主要功能是信号处理和控制，因其高性能、低功耗、可编程、灵活性的特征在消费电子、汽车电子、工业控制、通信等领域得到广泛应用。其中汽车为MCU下游最大应用领域，广泛应用于汽车车身至主控环节。

图4：新能源车大量应用MCU

智能制造类

新一代信息技术引领新一代智能制造。智能制造是用智能的技术和制造的技术相融合，用智能的技术来解决制造的问题。

智能制造的实现需要多个层次上的技术产品支持，其产业链涵盖智能装备（机器人、数控机床、服务机器人、其他自动化装备）、工业互联网（机器视觉、传感器、RFID、工业以太网）、工业软件（ERP、MES、DCS等）、3D打印、人工智能和虚拟现实，以及将上述环节有机结合的自动化系统集成及生产线集成。在硬科技的范畴内，我们重点关注人形机器人、3D打印和数字孪生技术。

2.1 人形机器人

早在2021年8月19日，马斯克在特斯拉人工智能日时提出推出人形机器人，旨意是解决从事重复性高、单调枯燥的危险差事。服务机器人曾点燃曙光，但其过于细分的应用场景仍不能摆脱工业机器人曾经的窄路。人形机器人以其亲和力、易接受的标准化形式以及更优的普适性成为机器人的最大公约数。

人形机器人产业链可分为三大部分：上游零部件&原材料（价值量占比高）、中游系统集成& 本体制造、下游个人/企业相关应用场景。人形机器人的核心零部件包括伺服电机、减速器、控制系统、驱动器与机器视觉等，占据人形机器人成本的70%。近年来下游零部件国产替代率逐渐提高，叠加人形机器人新兴机会，国内替代率有望进一步提高。

2.1.1 27年人形机器人市场有望达到近千亿，带动上游核心零部件发展

下游应用领域广阔，人形机器人市场空间大，增速迅猛。人形机器人下游应用领域按最终用户可以划分为涵盖了教育、医疗、酒店、公共设施、住宅、零售和其他。根据Stratistics Market Research Consulting的数据，2020 年全球人形机器人市场估计为 5.6 亿美元，而到2027 年预计市场规模将达到 141 亿美元，CAGR达58.5%。其中，2027年中国人形机器人市场有望达到23亿美元，CAGR达56.4%。

2.2 3D打印

3D打印（3DP）即快速成型技术的一种，又称增材制造，是一种以数字模型文件为基础，运用粉末状金属或塑料等可粘合材料，通过逐层打印的方式来构造物体的技术。区别于传统减材制造, 3D打印通过对模型数字化立体扫描、分层处理，借助于类似打印机的数字化制造设备，将材料不断叠加形成所需的实体模型。3D打印在中小批量生产成本控制、个性化生产、生产可预测性，和材料利用率等方面与传统技术相比都具有明显优势。据美国能源部估算，与减材制造方式相较，增材制造可节省超过50%的能源，将深刻影响制造业的未来，成为新的经济增长点。

2.2.1 3D打印应用场景及商业模式

3D打印是对传统制造业的补充和增强，借助3D打印技术，企业在产品设计研发，生产复杂产品和开展定制化等方面都有所提升。

3D打印可能的商业模式存在于五个层面——制造端（3D打印机制造）、材料端、模具端、零售端、样品端（研发）。与2D打印的B2C相比，3D打印目前集中于B2B模式，同时也在进一步扩展B2C的定制化多样性消费市场。

2.3 数字孪生技术

数字孪生（digital twin）技术是充分利用物理模型、传感器更新、历史运行数据等，集成多学科、多物理量、多尺度、多概率的仿真过程，在虚拟空间中完成映射，从而反映相对应的实体装备的全生命周期过程。数字孪生是一种超越现实的概念，可以被视为一个或多个重要的、彼此依赖的装备系统的数字映射系统，它成为现实世界和虚拟世界之间的桥梁。

数字孪生解决由实到虚的连接问题：数字孪生在数据整合、分析的基础上，在数字空间实施构建物理对象的数字化模型，实现由实到虚。物理信息传递到虚拟世界后，通过模拟、验证、预测和控制物理实体全生命周期行为，进行最优化决策以提高效率，最终实现虚拟实体对物理实体的反馈赋能。由此可见，数字孪生解决方案已经初具产业元宇宙赋能产业、降本增效的雏形。

2.3.1 数字孪生应用场景

历史背景沉淀：从数字孪生技术的发展历史来看，美国、德国在“数字孪生”概念被创造出来之前，就已在国防军工、航空航天、工业制造等领域应用仿真技术，而仿真技术是数字孪生体系中的重要一环，故而数字孪生在海外的发展是以工业领域为起点开始的。

基础技术差异：一方面，工业领域数字孪生架构的底层为采集感知和反馈控制，对应基础技术为CAD、CAE、CAM等工业软件，而我国在工业软件相关基础技术领域与美、德两国仍有较大差距；另一方面，我国在5G、大数据、AI和云计算等技术上相对成熟，对应工业领域数字孪生的角色是虚拟仿真和监测分析，而这两个功能更加契合数字孪生城市的应用场景。

政策环境支持：数字孪生在智慧城市的应用发展在我国获得了更加积极的政策环境。如“十四五规划和2035远景目标”中，明确提出“探索建设数字孪生城市”。

商业航天类

航空航天是21世纪最具影响的科技领域之一，深刻改变了人类对宇宙的认知，为人类社会进步提供了重要动力。

航空航天强国建设是从国家安全和发展全局出发做出的重大决策，是统筹推进经济建设和国防建设融合发展的重大举措。航空航天工业作为国家战略性产业，不仅是带动国民经济发展的重要载体，也是尖端技术发展的引擎。

3.1 航天产业资本市场

根据美国卫星产业协会（SIA）最新报告显示，2021年全球航天经济规模达到了3864亿美元，同比增长4%。除去政府采购与载人航天项目，卫星产业规模2794亿美元，同比增长3.3%，占航天产业总规模的72%。

SIA将卫星产业划分成四大板块：卫星服务、地面设备制造、卫星制造和发射服务。2021年各板块规模为：

卫星服务：1180亿美元，同比小幅增长0.2%

地面设备制造：1420亿美元，同比增长5%

卫星制造：137亿美元，同比增长12.3%

发射服务：57亿美元，同比增长7.5%

据美国卫星产业协会（SIA）数据，全球卫星产业规模在2010年前保持高速增长，10年间复合增长率10.1%。2011年后增速有所放缓，截至2021年，10年间复合增长率为4.6%。

图5：全球卫星产业规模

2011-2021年我国商业航天赛道融资341起，披露融资金额243.1亿元。

图6：2011-2021年我国商业航天赛道融资情况

从融资数量看：融资事件从2015年起开始翻倍，从15上升至29起；2016-2017年实现第二次跳跃，达到45、46起，2018年62起，达到顶峰；2019-2020年出现回落，但仍保持在40起以上；2021年商业航天项目融资事件共35起，有小幅下滑趋势。

从融资金额看：2020年融资金额接近百亿元，达到历史峰值。2021年为64.5亿元，高于2018、2019年。

3.2 产业链：生态逐渐完善，地面设备与卫星应用商业化领先

中国商业航天已逐步建立产业生态，在卫星制造、火箭研制和发射、地面测控、卫星服务等产业均培育了一定数量的企业。据SIA数据统计，截至2021年底全球卫星产业各板块中，地面设备制造与卫星运营与服务市场规模占比达到93%，率先实现商业化。我国产业链上游卫星和火箭的研制，尚处于起步阶段，现阶段是社会资本关注的热点。

图7：商业航天产业链

3.3 未来方向—核热运载火箭或将涅槃重生

核动力火箭是指把核裂变反应产生的能量，转化成热能或者电能来推动火箭，根据其转化形式的不同，可分为核热推进与核电推进火箭。

原理是用核反应堆代替传统火箭的燃烧室，利用小型核裂变反应堆的高热量，加热液氢、甲烷等膨胀率高的工作介质，再经收缩扩张喷管，产生强大的推力。

核动力的优点在于：1）能量密度高，核燃料产生的比冲是化学燃料的2-3倍。2）重量小，传统化学燃料占了火箭重量的90%，使用核动力可以大幅降低火箭重量。3）可控性，有成熟的技术可以控制反应堆的中子数量，进而控制核裂变速度。

新能源类

能源是人类赖以生存和进行生产的重要物质基础。进入工业化社会以来，以煤、石油、天然气等化石类燃料为主的能源更是极大地促进了人类社会和经济的发展。但随着经济的快速发展和人口的迅速增长，对能源的需求量越来越大，伴随产生的是化石能源短缺、人类赖以生存的生态环境被破坏，以及在复杂的国际关系下过度依赖化石能源导致的能源安全等问题，这使各国迫切需要新能源来满足能源需求、减少温室气体排放，以及推进能源供给多元化、保障能源安全。

能源硬科技，其“硬”体现在这些技术是以自主研发为主的，是有着较为清晰的研发路径的，是需要长期钻研的，是具有较高技术门槛和技术壁垒的，是有明确的应用产品和产业技术的。发展能源硬科技，对于确保我国能源安全、促进我国能源经济的可持续发展、促进我国能源产业在激烈的国际竞争中占据主导地位都具有重要意义。

4.1 氢能

4.1.1氢能简介

氢在元素周期表中排名第一位，是宇宙中最常见的物质，约占宇宙已知物质总质量的75%，可从水、化石燃料等物质中制取，是重要的工业原料和能源载体。

氢能被视为21世纪最具潜力的清洁能源，具有来源广泛、清洁无碳、灵活高效、下游应用场景丰富的特点。在双碳大背景下，全球能源结构向低碳化转型，以风电、光伏、水电等可再生能源为代表的新能源获得大力发展，2012至2021年我国风电和光伏装机量的年复合增速分别达到18.26%和56.81%，截止2021年底累积装机量分别达到32848和30656万千瓦。

4.1.2 氢能产业链

氢能产业链条较长，涉及能源、化工、交通、工业制造等多个行业。氢能产业链的上游包括了制氢、储氢、运氢、加氢等氢气供应环节和相关设备、部件的研发、制造环节；中游环节涵盖了燃料电池系统、氢燃气轮机和氢内燃机及相关零部件的研发、制造领域，是衔接上游氢气供应与下游应用的重要环节，也是目前氢能产业发展的重点和难点；氢既可以作为工业原料又可以作为能源载体，下游应用场景丰富，涉及交通、工业、建筑、储能等多个领域。

图8：氢能产业链地图（中游以燃料电池为例）

4.2 太阳能

太阳能具有永久性、储量大、清洁无污染等特点，是目前应用技术比较成熟、资源分布最为广泛的可再生能源。太阳能发电的利用方式分为光伏发电和光热发电两种，其中光伏技术在全球范围内已得到规模化应用。

根据TrendForce数据，2022年预计全球光伏新增装机超过220GW，同比增速30.4%，增长主要受亚太地区拉动，其中亚太、美洲、欧洲新增装机分别达到124、49、39GW，同比增速分别为39.7%、10.6%、24.0%。今年6月，TrendForce将全球光伏新增装机目标调整为240GW, 同比增长41.18%。而作为光伏大国的中国，在光伏新增装机领域一直保持着优势领先地位，在2021年全球的光伏新增装机中占比达到了32.28%，全球第一。

根据中国光伏行业协会，预计未来新增装机量持续提高，乐观预计2025年可达到330GW，5年复合增速保持20%，同2016-2020年间增速相当。其中2022年全球光伏新增装机保守预测195GW，乐观预测240GW。今年7月，中国光伏行业协会将2022年预测值分别提高至205GW和250GW。

图9：全球新增装机继续保持年均20%的增速

4.3 风电

深远海背景结合降本需求，受益深远海、技术壁垒高、经济型零部件成为高景气赛道。目前全国多地正在积极布局深海风电示范项目。

海上风电的开发一般是从近海向深远海逐步推进，从资源量的角度，深远海的区域面积大、风资源好，可开发的潜力大；研究显示，全球大部分风资源位于水深超过60米的海域。在迈向深远海时，传统的采用固定式基础的海上风电在技术和经济上面对的挑战增加，水深越大，固定式海上风机基础的材料用量越多，且施工难度也会提升。一般认为，当水深超过60m，漂浮式较固定式更为适用。

4.4 储能

新能源发电具有不稳定性，储能需求应运而生。电能即发即用，电力系统中需要保持动态平衡，当发电量过高时需要将电能转化为化学能或者势能等其他形式的能量才能储存。传统能源时代，煤电具有可控性，可以实现对电网的稳定调节，因此储能的重要性未曾显现；而随着能源革命时代的来临，风光发电等新能源的不断普及，电力供给受到气候、地理位置等不确定因素影响，在原有电网体系下难以随时保持供求平衡，储能因此成为新能源电网体系中不可或缺的一环。

图10：储能技术推动能源转型

新材料类

新材料是电子信息、新能源、航空航天和生物医药等高新技术发展的基石和先导，是各个产业链中处在最上游、技术壁垒最高的部分，其对一个国家经济发展、国防安全的重要性不言而喻。新材料将为新一轮科技革命和产业革命提供坚实的物质基础，谁掌握了最先进的材料，谁就能在未来高新技术发展上掌握主动权。展望未来，新材料技术还将成为解决能源不足、环境污染及可持续发展等问题的核心技术之一

全球看，新材料行业的垄断加剧，高端材料技术壁垒明显：大型跨国公司凭借技术研发、资金、人才等优势，以技术和专利为壁垒，在国内高端需求不断增加，高端材料海内外水平差距仍很大，专精特新是发展方向.

材料本身特性（物理、力学、表观性能等）匹配下游降本增效要求，协同产品进步方向，契合国家发展战略目标的确定性；由需求引导、技术进步、模式改善、产品迭代等带来的长生命周期的确定性。以此为基础，我们目前梳理了9条存在长期确定性趋势的新材料技术方向：

图11：九个新材料技术方向

人工智能类

人工智能是模拟、延伸和扩展人的智能（学习、推理、思考、规划等），以使计算机实现人的头脑思维的技术。人工智能利用机器模拟人类意识和思想，以代替甚至超越人类的认知、分析和决策，达到机器以人类的思维方式执行任务。

图12：人工智能产业链结构

6.1 人工智能基础层

我国人工智能产业链基础层存在短板，但近期曙光初现。受限于创新难度大、技术和资金壁垒高的特点，我国基础层的发展时间较短，在底层技术和基础理论领域积累不足，尚缺乏标志性研究成果，长期以来受制于欧美日韩等AI国际巨头。

美国人工智能大型厂商综合布局AI产业链，芯片、传感器、云计算等均有对应领域的绝对龙头；中国人工智能企业布局侧重应用层和技术层，基础层企业占比最少，仅占人工智能企业的2.8%，且多为传统互联网巨头。

近年来，伴随华为海思、地平线、寒武纪等“国产之光”出现，我国在基础层已有初步突破，呈现快速追赶的良好发展态势。

6.2 人工智能技术层

技术层为整体产业链提供通用AI技术能力，是推动人工智能发展上限的核心。技术层包括底层算法理论（主要基于机器学习）、开发平台（开源框架）和应用技术（计算机视觉、智能语音、生物特征识别、自然语言处理）。

相比较绝大多数上游和下游企业聚焦于某一细分领域，技术层向产业链上下游扩展较为容易，也吸引了大批核心玩家纷纷布局。

当前国内开源算法框架等技术和生态链尚不成熟，但在计算机视觉和语音识别等应用技术领域已达到全球领先水平；综合来看，中美技术层的差距不如基础层明显。

图13：中国人工智能技术层产业链

6.3 人工智能应用层

应用层以底层技术能力为主导，切入不同场景和应用，提供产品和解决方案。近年来，关注度较高的应用场景主要包括安防、金融、教育、医疗、交通、广告营销等。从融合深度上，由于场景复杂度、技术成熟度和数据公开水平的不同，导致各场景应用成熟度不同。例如，政策导向和海量数据助推下，AI+安防、金融和客服领域有较为深入的应用，医疗和教育领域是产品或服务单点式切入，尚未形成完整的解决方案。

由于基础设施复杂和数据获取难度大，AI+制造业依赖深度定制，正在缓慢渗透。此外，AI+农业国内尚未产生成熟产品。

受益于全球开源社区，应用层进入门槛较低。目前应用层是人工智能产业链中市场规模最大的层级。据中国电子学会统计，2019年，全球应用层产业规模将达到360.5亿元，约为技术层的1.67倍，基础层的2.53倍。

在全球范围内，人工智能仍处在产业化和市场化的探索阶段，落地场景的丰富度、用户需求和解决方案的市场渗透率均有待提高。目前，国际上尚未出现拥有绝对主导权的垄断企业，在很多细分领域的市场竞争格局尚未定型。