电子-AI会推动新一轮换机潮吗

华泰研究华泰研究AI终端陆续面世，关注下半年AI手机发布对产业链的影响8/14，小米宣布其自研13亿参数端侧大模型在骁龙平台跑通，在部分场景60亿参数云端大模型。8/29日，华为发布新机Mate60Pro，搭载HarmonyOS4操作系统，此前，华为也宣布鸿蒙4.0系统将接入华为盘古大模型。我们认为AI推理环节将分布在云/边/端侧，影响包括：1)边缘计算可有效缓解传输时延等问题，有望推动边缘IDC租赁的兴起或边缘服务器/工作站销售量大幅增长；2)以手机为代表的终端AI落地有望率先实现，大算力、高带宽的需求将使得SoC、存储等半导体价值量显著提升。此外，IOT终端与AI大模型的结合将陆续落地，目前晶晨股份、翱捷科技等在端侧智能均有布局，我们看好AI推理边端侧落地给相关企业带来的机遇。增持增持(维持)研究研究员SACNo.S0570522020001研究员SACNo.S0570521050001SFCNo.AUZ066联系人张皓怡zhanghaoyi@+(86)2128972228leping.huang@+(852)36586000SACNo.S0570121120092chenyu019111@联系人SACNo.S0570123070167+(86)2128972228linwenfu@+(86)2128972228观点#1：混合AI是AI的未来，AI推理算力或将分布在云/边/端侧不同于训练环节的高计算性能要求，推理环节主要根据用户需求利用训练好的模型进行推理预测，对峰值计算性能要求较低，更注重单位能耗算力、时延、成本等综合指标。由于云端算力与终端设备间需通过网络信道传输，仅将推理算力分布于云端，受限于网络带宽和传输距离，将无法满足部分场景低时延、高可靠性等要求。因此除部署云端外，将AI推理算力部署于边/端侧，可更好分配AI计算工作负载，并带来成本、能耗、性能、隐私、安全和个性化等优势。未来将形成云端负责大体量复杂计算、边缘侧负责区域实时响应计算、终端侧以简单计算/感知交互为主的云边端算力部署结构。观点#2：AI手机或将率先落地，SoC/存储等环节价值量显著提升手机是终端用户交互最重要设备之一，考虑算力、存力等因素，以手机为代表的终端AI落地或将率先实现。AI有望成为驱动下一轮换机潮的重要因素，2H23首批具备AI功能的智能手机将陆续推出，2024-2025年更多创新AI应用将落地手机。我们认为，AI大模型在手机应用对其BOM成本影响主要包括：1)SoC：AI引擎升级、NPU算力提升，高通表示AI终端落地对其产品ASP的拉动确定性强；2)存储：手机RAM升级至24GBLPDDR5X，相较当前主流的8GBLPDDR4X，成本提升300%；3)电源：电池/电源管理芯片升级，但弹性相对较小；4)光学：AI推动屏下摄像头应用取得突破。观点#3：高通积极布局终端AI，国内SoC企业紧跟步伐边缘和终端AI应用场景广泛，通过观察高通等积极布局边/端AI的海外厂商，我们认为未来该领域主要参与者将包括：1)云端计算芯片供应商，进一步拓展产品布局延伸至边/端侧；2)智能手机SoC及AIoTSoC设计厂商，通过提升产品AI算力满足边/端AI计算需求。国内SoC设计厂商有望受益于AI与终端加速融合带来的量价齐升，相关公司包括：晶晨股份(机顶盒/电恒玄科技(可穿戴蓝牙音频SoC)、炬芯科技(智能音频SoC)、乐鑫科技 (国内Wi-FiMCU龙头)、中科蓝讯(可穿戴蓝牙音频SoC)等。风险提示：AI技术发展不及预期，本研报中涉及到未上市公司或未覆盖个股内容，均系对其客观公开信息的整理，并不代表本研究团队对该公司、该股票的推荐或覆盖。华泰证券研究所分析师名录行业走势图电子沪深300(%)202(7)(16)Jan-23Sep-22Jan-23Sep-22May-23资料来源：Wind，华泰研究混合AI是AI的未来 3AI在云/边/端侧 3AI手机有望率先落地，SoC、存储环节弹性较大 6影响1：AI或将驱动下一轮换机潮到来 6影响2：AI应用将带来手机BOM成本变化 8SoC：AI引擎迭代，NPU算力进一步提升 8存储：手机RAM容量或提升至24GB，并加速向LPDDR5X升级 10电源：电池容量及电源管理芯片升级，但价值量占比较小 12光学：AI助力屏下摄像头应用取得突破 12边缘计算是否会在AI周期掀起浪花？ 14海外厂商如何布局边缘/终端AI计算 17 联发科：持续迭代APU提升AI性能，与英伟达合作打造AI智能座舱 19英伟达：AI布局不仅是云端训练，还有云端/边端推理 20风险提示 21大量的2C应用产生大量的流量需求，特别在2008年后OTT、IPTV等视频应用出现使得 (内容分发网络)部署，通过部署更多接近用户端的缓存服务器(CDN边缘节点)，并在里面缓存网络静态资源从而实现内容传输的加速。传统CDN厂商网宿科技2005年正式进军CDN领域，2007-2018年营收年均复合增速达45.74%。近年来虽然数据流量规模仍保持向上趋势，但增速已有所放缓，2022年我国移动互联网流量同比增速降低至18.14%。进入AI时代，无论是大模型的训练还是推理环节均需大量的智能算力作为支撑，AI算力需求将快速提升。根据IDC数据(2022)，2022-2026年我国智能算力规模年复合增速有望达52.29%。(亿3,0002,5002,0001,5001,0005000201120122013201420152016201720182019202020212022GB)201120122013201420152016201720182019202020212022移动互联网接入流量同比增速200%180%160%140%120%100%80%60%40%20%0%(EFLOPS)算力规模同比增速(%)1,4001,2001,00080060040020002019202020212022E2023E2024E2025E2026E0000806040200资料来源：Wind，IDC2022，华泰研究资料来源：Wind，华泰研究节点集中部署，节点构建在骨干网上边缘计算节点分散，靠近终端用户数量层次功能较少省市层面缓存为主较多社区层面存储、安全、计算侧重点传输能力计算能力数据处理运维难度推送内容节点架构层面计算能力软件层面技术回溯至数据中心本身业务形态天然容灾和可调度,无需数据迁移基于内容的(视频、Htp下载信息、P2P交换信息)四层负载均衡+七层负载均衡+缓存服务(Squid)X86架构CDN软件数据边缘设备处理调度、容灾、运维较为复杂基于计算的(状态信息、计算信息)K8S等TPU架构等新兴边缘计算芯片架构客器化技术AI大模型训练所需算力通常部署在云端，但推理算力或将分布在云/边/端侧。不同于训练环节的高计算性能要求，推理环节根据用户需求利用训练好模型进行推理预测，对峰值计算性能要求较低，更加注重单位能耗算力、时延、成本等综合指标，因此除部署于云端外，还可部署于边缘以及终端侧。其中，云端推理芯片较边缘推理芯片功耗更高、浮点算力更强，但在功耗、尺寸上的要求则低于边缘推理芯片。终端推理芯片主要形态为SoC，通过增加AI计算单元(NPU/APU)提升计算能力。终端SoC为提升计算效率，通常使用NPU算力约6TOPS。应应用场景终端云端云端边缘端芯芯片需求低功耗、高能效、推理任务为主、成本敏感、硬件产品形态众多高高性能、高计算密度、兼有推理和训练任务、单价高、硬件产品形态少对功耗、性能、尺寸的要求介于终端和云端之间、推理任务为主、多用于插电设备、硬件产品形态相对较少典典型计算能力(FP16)物联网：<10TOPS50TOPS云端训练：>80TFLOPS云端推理：云端推理：>30TFLOPS边缘推理：>30TFLOPS典典型精度INT8/INT16云端训练：云端训练：FP32/FP16云端推理：FP16/INT8边缘推理：FP16/INT8典型功耗<5W>250w云端推理：>150w推理：<100w典型应用场典型应用场景各类消费类电子、物联网产品等云云计算数据中心、企业私有云等智能制造、智能家居、智能零售、智能交通、智慧驶等众多应用领域资料来源：寒武纪招股说明书，华泰研究品牌产品品牌产品NVIDIANVIDIANVIDIA寒武纪寒武纪高通晶晨股份瑞芯微高通计算环节云端训练云端推理边缘推理云端推理终端推理终端推理终端推理边缘/终端推理终端推理产品A10080GBL40JetsonOrin思元370思元220骁龙888A311DRK35888155PCleNX发布日发布日期202120192021202120212020202220222019工艺7nm5nmN.A.7nm16nm5nm12nm8nm7nm半精度半精度(FP16)181.05TFLOPS312TFLOPS96TFLOPSN.A.N.A.N.A.N.A.N.A.N.A.单精度156TFLOPS90.5TFLOPSN.A.24TFLOPSN.A.N.A.N.A.N.A.1142GFLOPS(FP32)(GPU)双精度双精度19.5TFLOPSN.A.N.A.5.3TFLOPSN.A.N.A.N.A.N.A.N.A.(FP64)INT8624TOPS362TOPS70TOPS256TOPS16TOPS26TOPS5TOPS(NPU)6TOPS(NPU)TOPS(NPU)724724TOPS32TOPSINT4N.A.N.A.N.A.N.A.N.A.N.A.N.A.功耗350W300W10-20W70W10WN.A.N.A.12WN.A.应用应用云端训练云端推理边缘计算机/机云端推理安防摄像头手机AIOTAIOT/边缘服智能座舱器人务器注：英伟达各产品进度取TensorCore加成数据股价总市值P/E(倍)P/B(倍)代码公司货币)2023E2024E2023E2024EYTD边/端侧AI算力芯片QCOMUS高通USD114.53917,85613.712.516.005.856.29%2454TT联发科TWD705.00258,12916.8013.403.032.9924.89%NVDAUSUSD493.558,754,25347.3430.3930.6117.46237.82%688099CH晶晨股份CNY87.5836,46145.2831.646.395.3124.21%300458CH全志科技CNY24.2515,32359.0342.254.884.5019.80%603893CH瑞芯微CNY65.4827,36680.4351.068.457.44-4.50%688608CH恒玄科技CNY124.8714,98971.1746.022.432.319.54%688049CH炬芯科技CNY33.404,07558.8738.612.252.15688018CH乐鑫科技CNY118.019,53465.4445.354.884.5130.90%688332CH中科蓝讯CNY71.458,57435.1426.272.292.1340.28%688220CH存储翱捷科技均值中位数CNY70.0429,298915,987917,856--4953.10--33.7535.124.0713.214.884.078.774.5015.41%MUUS美光USD69.94550,111----1.701.8340.48%005930KS三星KRW66,900.002,198,17945.0314.231.291.2020.98%000660KSSK海力士KRW121,800.00488,043--17.841.571.4563.60%603986SH兆易创新均值中位数CNY93.9862,6761,078,778550,11130.5445.0345.0337.8116.0416.044.021.521.573.691.491.45-7.78%资料来源：Wind，彭博，华泰研究智能手机有望支持百亿参数模型离线运行，成为大模型载体可行性高。目前，搭载高通第二代骁龙8芯片的安卓手机已经能够支持直接运行参数规模超过10亿的图像生成模型StableDiffusion，并预计2024年实现Llama2大语言模型(7B)在旗舰智能手机和PC端落地。我们看到，手机和AI大模型的结合存在多种形式，包括：1)将AI大模型注入操作AI大模型的移动操作系统HarmonyOS4，可实现语音交互、APP调用、会议纪要等功能；2)将AI大模型以应用软件形式搭载在手机中。2023年3月高通实现在搭载其第二代骁龙8平台的手机上成功运行Stablediffusion，模型与手机操作系统解耦。资料来源：高通官网、华泰研究资料来源：华为官网、华泰研究智能手机将成为个人日常生活中的AI助手，AI有望驱动新一轮换机潮。手机已成为人们日常生活交互最重要的终端，普及率高、使用频率高，考虑终端算力、存力以及客户应用需因素，手机有望成为AI大模型在终端落地的首选设备之一。2019年开始，5G带动的换机潮已延续近四年时间，全球手机换机周期持续拉长，Counterpoint副总裁PeterRichardson指出2022年全球手机换机周期延长至43个月，创历史新高。随着AI大模型时代到来，AI有望成为驱动下一轮换机潮的重要因素。资料来源：IDC、华泰研究小米、华为手机的AI应用都已展露苗头。8月14日，小米发布会上正式宣布在手机端侧成功运行13亿参数AI大模型，手机端大模型在部分场景下可以媲美60亿参数模型在云端运行效果。目前小爱同学已接入大模型并开启邀请测试。雷军在发布会上表示，小米大模型技术主力突破方向是轻量化和本地部署，未来将全力优化百亿参数大模型。8月29日，华为发布Mate60Pro手机，新增AI隔空操控、智感支付、注视不熄屏等智慧功能，并搭载鸿蒙4.0操作系统。此前，华为已宣布鸿蒙4.0正式接入华为盘古大模型，实现操作系统与AI大模型首次融合。头部手机品牌厂商纷纷推动AI手机的落地和实现，为消费者提供更智慧的交互体验。资料来源：小米官网，华泰研究2023下半年首批“AI手机”将陆续面世，预计2024-2025年将有更多创新AI应用在手机落地。AI手机主要应用NLP(自然语言处理)和CV(计算机视觉)技术。目前我们观察到首批AI手机应用将主要作为辅助技术改善目前用户痛点(如美颜滤镜、相册归纳等)，但仍将有一些新应用出现，NLP应用方面包括知识问答、华为搜索等；CV应用方面包括增强现实(隔空操作)、眼球追踪等。我们预计，2024-2025年更多的创新AI应用将在手机资料来源：IDC、华泰研究资料来源：IDC、华泰研究2Q23业绩会上，联发科表示AI落地手机不仅将加速换机周期，同时带来单机半导体价值SoC/存储/摄像头/屏幕成本分别占比约21%/23%/24%/21%(合计占89%)。未来AI大模型在手机应用预计将使得SoC、存储、电源管理芯片等环节成本实现不同程度提升。SoC处理器存储电源管理芯片光学镜头全球市场规模342亿美元441亿美元44亿美元51亿美元AI大模型落地带来主要变化增强SoC处理器中NPU算力大模型的离线应用较大占用内不断的推理任务将使得设备耗电加AI助力屏下摄像头应用取得存，同时AI模型大量的计算也将快，拉动电池容量以及相应的电源管突破，手机前摄数量有望增对总线带宽提出更高要求理芯片升级加单机价值量影响SoC价值量提升超过20%RAM价值量提升超过200%价值量占比较小取决于屏下摄像头渗透率及单机前摄数量增长情况相关公司高通(38.6%)、苹果(30.0%)、联发科(23.5%)、紫光展锐、翱捷科技等LPDDR：三星(48%)、SK海TI、矽力杰、MPS、圣邦、南芯、索尼、舜宇光学、大立光、力士(29%)、美光(21%)、艾为、力芯微等瑞声、豪威科技等长鑫存储(2%)注：括号里为公司2022年市场份额数据，手机SoC处理器、存储及光学镜头全球市场规模数据为2022年数据，其中手机存储及手机光学镜头市场规模为2022年全球存储/光学镜头市场规模*2021年手机应用占比所得，LPDDR市场份额为集邦咨询预测2022年数据；手机电源管理芯片市场规模为2021年数据资料来源：WSTS，Techinsights，集邦咨询，华泰研究PU手机SoC包括CPU、GPU、LPDDR、Modem等单元，其中CPU、GPU、NPU、ISP主要负责各类数据处理。1)CPU：控制中枢系统，是逻辑部分控制中心；2)GPU：主要负责图形渲染，但随GPU能力增强，也用于运行复杂的计算甚至是AI处理；除高通采用其自研GPU外，联发科、海思半导体等多由ARM授权；3)NPU/DSP：近年来NPU开始集成入SoC，经过针对机器学习和深度学习任务的优化，可提供更快速、高效的AI计算能力，使手机能够执行各种智能功能，如语音识别、图像识别和自然语言处理等。4)图像信号处理器(ISP)：智能手机SoC将ISP集成到主芯片上，提供更高效的图像处理能力，支持更多摄像功能和卓越的图像质量。参考高通骁龙处理器迭代路径，为满足AI算力需求，手机SoC需持续推进AI引擎的迭代并提升NPU算力。资料来源：中国科学院半导体研究所，华泰研究步提升。2022年，高通发布8Gen2平台，相较于上一代平台变化主要在CPU性能/能效提升35%/40%，GPU性能/能效提升25%/45%，同时AI性能提升4.35倍。按照惯例，10月24日高通有望在2023年Snapdragon峰会发布下一代骁龙8Ggen3平台，伴随其AI引擎升级及NPU算力提升，能够满足更多AI模型在手机上的部署需求。3QFY23业绩会上，高通表示AI终端落地对其产品ASP的拉动具有较强确定性。资料来源：高通官网，华泰研究2018/012018/042018/072018/102019/012019/042019/072019/102020/012020/042018/012018/042018/072018/102019/012019/042019/072019/102020/012020/042020/072020/102021/012021/042021/072021/102022/012022/042022/072022/102023/012023/04GBROMGBRAMROM运行内存，目前主流产品为LPDDR5/LPDDR5X；后者主要为手机机身存储空间，目前主1H23中国大陆市场RAM容量为8GB的智能手机出货量占比达到46%，12GB+智能手机出货量占比为25%；1H23中国大陆市场ROM容量为256/512GB的智能手机出货量占比为52%/17%，已有2%的智能手机ROM达到1TB+。1GB2GB3GB4GB6GB8GB12GB+100%80%60%40%20%0%资料来源：IDC、华泰研究16GB32GB64GB128GB256GB512GB1TB+100%80%60%40%20%0%2018/012018/042018/072018/102019/012019/042019/072019/102020/012020/042020/072020/102021/012021/042021/072021/102022/012022/042022/072022/102023/012023/04资料来源：IDC、华泰研究手机LPDDR向大容量、高速率发展趋势明确。LPDDR容量上，主要通过增加颗粒堆叠层数和提升存储密度来提升运行内存容量。目前市场上LPDDR5产品主流容量为12/16GB，的400Mb/s持续提升至LPDDR4X的4266Mb/s，到LPDDR5的6400Mb/s，如今数据传输速达到8533Mb/s的LPDDR5X产品也已经实现量产应用，SK海力士于2023年1月进一步开发出速率达9600Mb/s的LPDDR5T产品，大容量、高速率发展趋势明确。资料来源：三星官网、华泰研究AI模型在手机部署推动24GBLPDDR5X应用，RAM成本有望提升至46美元。大模型的离线应用将较大占用内存，同时AI模型大量的计算也将对总线带宽提出更高要求，LPDDR升级需求明确。参考产业研究数据，在推理场景下，以一个100亿参数模型(FP16精度)的K60至尊版以及一加新发布的Ace2Pro机型运行内存均已提升至24GB，为AI应用发展留足冗余。若未来多个大模型同时离线运行，占用内存更高。参考CFM数据，暂不考虑ROM扩容，仅考虑单机RAM容量由目前主流的8GB(LPDDR4X)提升至24GB GGMLGGMLModelOriginalSizeQuantizedSize(4-bit)QuantizedSize(5-bit)Quantizedsize(8-bit)7B13GB3.9-7.5GB7.5-8.5GB8.5-10.0GB13B24GB7.8-11.0GB11.5-13.5GB13.5-17.5GB30B60GB19.5-23.0GB23.5-27.5GB28.5-38.5GB65B120GB38.5-47.0GB47.0-52.0GB71.0-80.0GB资料来源：产业研究，华泰研究hRAM速率nelsceDDR4-3600Ryzen53600256GB/s7tokens/sDDR4-3200Ryzen55600X251GB/s6.3tokens/sDDR5-5600Corei9-13900K289.6GB/s11.2tokens/sDDR4-2666Corei5-10400f241.6GB/s5.1tokens/s资料来源：产业研究，华泰研究电源：电池容量及电源管理芯片升级，但价值量占比较小不断运行的推理任务将使得设备耗电加快，拉动电池容量以及相应的电源管理芯片升级需求。其中，对于快充芯片，一方面更大电池容量对快充速度要求会所有提升，另一方面手机AI性能增强有望协助手机进行快充自动调节管理，更好保障协调电池安全和整体性能，助力手机快充功率安全顺利提升至100w以上。对于其他电源管理芯片，更大耗电量将对手机中电能变换、分配、检测和管理提出更高要求，对应电源管理芯片数量将会有所上升，但由于电源管理芯片价值量较低，预计其带来弹性较小。资料来源：Counterpoint，华泰研究分类细分品类市场集中度及主要参与者手机内置电源管理芯片充电管理芯片(快充)DC/DC电荷泵端口保护(音频和数据切换芯片)无线充电芯片(接收)市场相对集中，主要厂商包括TI、立锜科技、芯源系统、希荻微市场相对集中，主要厂商包括TI、安森美、立锜科技、希荻微高压电荷泵市场目前希荻微、恩智浦为主流出货厂商市场相对集中，市场参与者包括安森美、希荻微无线充电芯片为新兴市场，参与者包含IDT、意法半导体、伏达半导体、易冲无线、希荻微等手机外置电源管理芯片AC/DC快充电源适配器的行业技术壁垒较高，市场参与者包含PowerIntegrations、Dialog、安森美、立锜科技 无线充电芯片(发射)同手机内部无线充电芯片资料来源：Countepoint、艾瑞咨询、华泰研究光学：AI助力屏下摄像头应用取得突破屏下摄像技术是实现全面屏手机最优解。为迎合手机高屏占比发展趋势，目前手机市场前端摄像方案发展滞后于后端摄像，主流手机后摄方案为双摄或三摄，而绝大多数手机前摄方案为单摄。屏下摄像技术有望成为该问题重要解决方案，在满足手机高屏占比需求的同时可实现前摄数量的增加。目前屏下摄像头存在的问题包括图像出现遮挡、衍射和眩光问题导致的前置成像模糊等，AI补偿将协助改善这些问题，使得屏下摄像头走向广泛应用。屏下摄像头适用于高端机型，封闭性的完整机型有望成为未来高端机型的大卖点。2018/012018/042018/072018/012018/042018/072018/102019/012019/042019/072019/102020/012020/042020/072020/102021/012021/042021/072021/102022/012022/042022/072022/102023/012023/04100%90%80%70%60%50%40%30%20%10%0%后置单摄后置双摄后置三摄后置四摄后置五摄2017/012017/052017/092018/012018/052018/092019/012019/052019/092020/012020/052020/092021/012021/052021/092022/012022/052022/092023/012023/05资料来源：IDC、华泰研究前置单摄前置双摄前置三摄无前摄100%90%80%70%60%50%40%30%20%10%0%资料来源：IDC、华泰研究以中兴为主导的屏下前置派，其屏下摄像方案已从第一代迭代至目前的第四代方案，除了在自家产品上换用感光能力越来越强的传感器，也专门为屏下前置“雾蒙蒙”、“圣光”的问题研发“前摄灵透算法”，通过AI来进行成像的降噪，在不同光线环境下进行画面实时校准，智能去雾化、智能抗炫光，以提升成像清晰度和通透度。资料来源：中兴通讯官网，华泰研究众所周知，边缘算力部署可有效提升网络带宽使用效率和缓解传输的时延问题，并带来成本改善。云端算力与终端设备之间需通过网络信道进行传输，一方面网络带宽限制影响云端算力的全量发挥，另一方面存在一定的传输时延，无法满足部分应用场景低延时、高可靠性等需求。边缘计算核心是将计算资源(如处理器、存储器、网络带宽)尽可能地放置在网络边缘，以便更快速、更可靠地处理数据。对于2CAI应用，边缘计算将有效提升计算效率，缩短反馈时间，优化用户使用体验。边缘端部署算力通过将部分算力放在靠近接入网的机房，在降低传输时延的同时更能有效降低网络的带宽成本，是更为经济性的算力部署方案，根据阿里云计算、中国电子技术标准化研究院等机构2018年联合发布的《边缘云计算技术及标准化白皮书》，引入边缘计算可带来计算、存储、网络成本节省30%以上。资料来源：罗兰贝格，华泰研究目前我们观察到安防行业是边缘计算为数不多的成功应用案例，自动驾驶或为边缘计算的下一个“刚需应用”。安防系统每天产生海量图像和视频信息，数据量激增使得传输带宽压力加大。部分智能安防系统通过在边缘侧部署一台边缘AI计算机连接多路摄像头，可以对视频图像进行预处理，去除图像冗余信息，使部分或全部视频分析工作迁移到边缘端，从而降低云中心的计算和存储压力，提高视频分析速度，在园区管理、园区服务等场景已有较为广泛应用。我们认为出于数据安全、降低时延、个性化、可靠性等需求，边缘计算未来有望在工业(巡检、质量检测等)、自动驾驶、医疗等领域得到广泛应用，但起量的速度则取决于各行业对于AI大模型的应用进展。资料来源：中兴通讯官网，华泰研究未来边缘算力方案或包括边缘IDC算力租赁或企业/家庭自采边缘计算服务器/边缘计算盒子等形式。1)边缘IDC：相较于集中式IDC架构，边缘IDC突破建设规模限制，通过云连接和与组网联合多个数据中心，实现多中心运营，具备更高安全性和可靠性，与大型IDC不同，其主要痛点在于物业选址与供电；2)企业自采边缘计算服务器：该方案相较边缘算力租赁需要相对更大的资本开支投入，例如施工场地边缘服务器通过摄像头识别工人是否带安全帽、出入车辆信息、路径是否发生事故等，在边缘服务器进行计算处理并与主数据中心简单通信，部分复杂问题回传至主数据中心进行处理；3)AI边缘计算盒子，适用于算力需求更低、时延要求更高的场景，例如作为家庭计算大脑存在。资料来源：龙宇股份官网，海康威视官网，华泰研究但我们整体认为，相对边缘AI，以手机/PC为代表的终端AI落地节奏更快。由于边缘AI的推广例如AI大模型重度应用何时出现等多重前提，且涉及的投资环节较多，预计起量仍需时间。手机、PC、智能音箱等AI终端载体相对更容易落地，既可以在现有的设备上做OTA升级，即便更换设备，产业链条(终端-OS-APP)也没有发生重大变化，落地的阻力目前高通、联发科、英伟达等海外大厂已经有较为领先布局。我们认为未来该领域的主要参与者将包括：1)原来的云端计算芯片供应商，进一步拓展产品布局延伸至边缘/终端侧；2)智能手机SoC以及AIoTSoC厂商，通过提升产品AI算力满足边缘/终端AI计算需求。司在2023年5月发布的《混合AI是AI的未来》白皮书中指出，生成式AI带动计算需求日益增长，在云端和终端进行分布式处理的混合AI是AI的未来。公司为终端侧AI加速提供CPU、GPU、AI加速器等硬件以及高通AI软件栈等完善软件工具。公司在MWC2023大会发布全球首个运行在Android手机上的StableDiffusion终端侧演示，StableDiffusion模型参数超过10亿，高通利用其AI软件栈对模型进行量化、编译和硬件加速优化，使其成功在搭载第二代骁龙8移动平台的手机上运行。公司4Q21发布的骁龙888产品算力达到26TOPS，较上一代产品算力提升73.33%。公司持续推进每一代产品CPU及GPU性能的提升，第二代骁龙8移动平台搭载全新升级AI引擎，充足的AI算力将伴随AI模型落地智能手机得到更优发挥。资料来源：高通官网，华泰研究硬件：AI引擎不断迭代，整体性能持续跃升。高通AI引擎硬件层面采用异构计算架构，包括KryoCPU、AdrenoGPU、Hexagon处理器等核心硬件。2015年，高通骁龙820集成首个专门面向移动平台的AI引擎，可支持图像、音频和传感器的运算。2019年，骁龙855中的第四代Hexagon处理器首次加入了张量加速器，其AI运算性能及能效比有了显著提升，算力达7TOPS。2022年，高通正式发布第二代骁龙8移动平台，搭载最新的高通AIHexagon和INT4硬件加速，与INT8相比，AI推理方面实现60%的能效提升和90%的性能提升。根据高通2023年发布的《混合AI是AI的未来》白皮书，截至2023年5月，搭载高通AI引擎的产品出货量超过20亿，应用领域包括智能手机、XR、平板电脑、PC、安防摄像头、机器人和汽车等。资料来源：高通官网，华泰研究owPyTorchONNX、Keras等主流开发框架，以及所有Runtimes和操作系统，开发者在智能手机领域开发的软件可以快速扩展至汽车、XR、可穿戴设备等其他产品线进行使用，生态优势突出。同时，高通AI软件栈集成QualcommAIStudio，支持从模型设计到优化、部署和分析的完整工作。模型轻量化是手机部署前提，高通持续提升量化算法，实现手机端INT，带来能效和性能的大幅提升。资料来源：高通官网，华泰研究Meta，高通预计2024年将实现在旗舰智能手机和PC上支持基于Llama2的AI部署。高通和Meta积极合作优化MetaLlama2大语言模型直接在终端侧的执行，使其无需仅依赖于云服务便可在智能手机、PC、VR/AR头显和汽车等终端上运行，将支持开发者节省云成本，并为用户提供更加私密、可靠和个性化的体验。3QFY23业绩会上，高通表示AIAI。APU产品迭代升级以提升其手机SoCAI算力。2Q23业绩会上，联发科表示公司提供的全系列5GSoC均全面整合专用AI处理器APU以执行各种AI功能。公司APU产品已经迭代至第六代，4Q22发布的天玑9200系列所搭载的第六代AI处理器APU进一步升级，较第五代APUAI性能提升35%，AI视频超分/AI降噪能效提升45%/30%，算力可达30TOPS。与英伟达强强联手，打造完整AI智能座舱方案。2023年5月29日，联发科宣布与英伟达合作共同打造完整AI智能座舱方案。英伟达在自动驾驶领域已经占据较大市场份额，但在智能座舱仍有较大成长空间，通过借助联发科在移动计算、高速连接、多媒体娱乐等领域的专业技术积累有望在智能座舱领域取得突破。于联发科而言，公司AI能力较为缺乏，目前在智能座舱领域以中低端市场为主。而通过汲取英伟达在AI人工智能、云、图形技术和软件方面的核心专业优势，以及英伟达ADAS解决方案，有望全面强化DimensityAuto天玑汽车平台。训练芯片一家独大，持续增强推理芯片方面优势。英伟达凭借CUDA软件框架构建的强大行业壁垒，在训练芯片市场一家独大。在推理方面，尽管算力要求比训练端更低，市场需求更大也更为细分，英伟达面对的竞争更激烈，但公司的推理侧解决方案更具备通用性、低延时、低功耗等优势，其云端推理芯片产品A10、L40等亦收获较大市场份额。公司还推出Jetson产品系列定位机器人开发和边缘AI应用，可用于安全生产、平安通行、智慧商超等多个场景。此外，英伟达拥有自动驾驶汽车的平台DRIVEHyperion以及算力达每秒254TOPS的系统级芯片DRIVEOrinSoC、新一代集中式车载计算平台DRIVEThor，持续扩大其在自动驾驶领域竞争力。英伟达Jetson产品系列日益丰富，在多个边缘计算场景周密布局。英伟达Jetson系列定以及高性能版JetsonOrin系列，并配有完善软件开发工具。2021年公司发布的NVIDIA成为自主机器(如交付和物流机器人、工厂系统和大型工业无人机)、医疗器材及嵌入式边缘运算场景首选方案。1)AI技术落地不及预期。虽然AI技术加速发展，但由于成本、落地效果等限制，相关技术落地节奏可能不及我们预期。2)本研报涉及到未上市公司或未覆盖个股内容，均系对其客观公开信息的整理，并不代表本研究团队对该公司、该股票的推荐或覆盖。分析师声明本人，张皓怡、黄乐平，兹证明本报告所表达的观点准确地反映了分析师对标的证券或发行人的个人意见；彼以往、现在或未来并无就其研究报告所提供的具体建议或所表迖的意见直接或间接收取任何报酬。一般声明及披露本报告由华泰证券股份有限公司(已具备中国证监会批准的证券投资咨询业务资格，以下简称“本公司”)制作。本报告所载资料是仅供接收人的严格保密资料。本报告仅供本公司及其客户和其关联机构使用。本公司不因接收人收到本报告而视其为客户。本报告基于本公司认为可靠的、已公开的信息编制，但本公司及其关联机构(以下统称为“华泰”)对该等信息的准确性及完整性不作任何保证。本报告所载的意见、评估及预测仅反映报告发布当日的观点和判断。在不同时期，华泰可能会发出与本报告所载意见、评估及预测不一致的研究报告。同时，本报告所指的证券或投资标的的价格、价值及投资收入可能会波动。以往表现并不能指引未来，未来回报并不能得到保证，并存在损失本金的可能。华泰不保证本报告所含信息保持在最新状态。华泰对本报告所含信息可在不发出通知的情形下做出修改，投资者应当自行关注相应的更新或修改。本公司不是FINRA的注册会员，其研究分析师亦没有注册为FINRA的研究分析师/不具有FINRA分析师的注册资华泰力求报告内容客观、公正，但本报告所载的观点、结论和建议仅供参考，不构成购买或出售所述证券的要约或招揽。该等观点、建议并未考虑到个别投资者的具体投资目的、财务状况以及特定需求，在任何时候均不构成对客户私人投资建议。投资者应当充分考虑自身特定状况，并完整理解和使用本报告内容，不应视本报告为做出投资决策的唯一因素。对依据或者使用本报告所造成的一切后果，华泰及作者均不承担任何法律责任。任何形式的分享证券投资收益或者分担证券投资损失的书面或口头承诺均为无效。除非另行说明，本报告中所引用的关于业绩的数据代表过往表现，过往的业绩表现不应作为日后回报的预示。华泰不承诺也不保证任何预示的回报会得以实现，分析中所做的预测可能是基于相应的假设，任何假设的变化可能会显著影响所预测的回报。华泰及作者在自身所知情的范围内，与本报告所指的证券或投资标的不存在法律禁止的利害关系。在法律许可的情况下，华泰可能会持有报告中提到的公司所发行的证券头寸并进行交易，为该公司提供投资银行、财务顾问或者金融产品等相关服务或向该公司招揽业务。