我们看好AI 预训练大模型对算力的需求，料将推动先进封装技术与数据中心建设的进一步发展：一、ChatGPT 等预训练大模型对算力需求极大，亟需Chiplet先进封装打破摩尔定律的限制，并将加速数据中心的建设。二、Chiplet 及其3D 封装技术将极大加速单位面积下晶体管密度的提升，以满足算力需求，由此带来的高通量散热需求将推动先进封装与热管理材料的进一步革新，重点关注热管理材料、先进封装领域的产业升级，推荐润禾材料，建议关注联瑞新材、中石科技、德邦科技。三、高算力需求推动数据中心建设与冷却系统更新迭代，看好含氟冷却液的国产化应用加速，重点推荐新宙邦、永和股份，建议关注巨化股份。

AI 预训练大模型对算力需求大幅提升。以ChatGPT 模型为例，其预训练与推理都需要高强度并行计算的支持。目前OpenAI 已使用万张GPU 的超级计算机来训练ChatGPT，且随模型迭代，参数数量以指数级增长，极高的算力缺口下，芯片技术发展与计算中心建设料将进一步提速。

Chiplet 技术有望打破摩尔定律，关注封装材料革新。由于物理规律的限制，制程带来的算力进步已经放缓。Chiplet 先进封装技术可以提高单位面积晶体管密度并降低成本，被视为打破摩尔定律的技术。但由于Chiplet 及其3D 堆叠技术带来单位面积下晶体管密度的大幅提高，芯片的热管理与封装材料都需要进一步的迭代以满足高通量散热的需求。

数据中心建设有望加速，含氟冷却液需求料将放量。据Seagate 预测，全球数据总量将从2019 年的41ZB 提升至2025 年的175ZB。叠加AI 预训练搭模型的需求，数据中心建设料将进入快速增长期。数据中心高度耗能，但其中43%（转引自中国信息通信研究院发布的《中国数据中心能耗现状白皮书》）被浪费在非计算产生的散热耗能上。我们预计伴随浸没式液冷的持续推广，数据中心的散热耗能将大幅降低，其中含氟冷却液有望凭借低PUE 值打开应用空间。我们预计至2025 年其空间有望超过60 亿元，伴随3M 停产，国内企业的积极扩产有望精准卡位。

终端应用升级，2030 年热管理材料市场空间有望突破300 亿元。我们预计随消费电子设备、新能源汽车的轻量化、高端化以及5G 的持续建设，单位体积电子设备上的散热需求将进一步提高，相关的导热、散热以及封装材料需求有望持续打开。据我们测算，预计至2030 年全球热管理材料市场空间有望达319 亿元，国内企业有望受益于市场增长以及国产化替代加速。

风险因素：产业化进展不及预期；新技术持续迭代；产品认证进展不及预期；宏观经济下滑，需求不及预期。

投资策略。我们看好AI 预训练大模型对算力的需求，及对数据中心建设的推动，预计将带动上游相关导热、散热材料的需求放量：一、Chiplet 先进封装技术与消费电子高端化均带来单位面积下散热能力的提高，重点关注先进封装与热管理材料的升级迭代，推荐润禾材料，建议关注联瑞新材、中石科技、德邦科技。二、数据中心的持续建设与冷却系统迭代带动上游冷却液放量，看好含氟冷却液的国产化应用加速，重点推荐新宙邦、永和股份，建议关注巨化股份。