2024+Al+洞察报告：重塑与创造

重塑创造AI+洞察报告与景顺长城科技军团重

磅发布重塑与创造：洞察报告AI+景顺长城基金前从围棋高手AlphaGo到万能助理ChatGPT，AI（人工智能）产业在不断发展和突破。现在，AI不言仅能快速理解和生成人类的语言，还可以在内容创作、软件开发、教育办公等多种场景中发挥关键作用。工业革命时代的机械与流水线提升了“体力劳动“的效率，而今AI大模型提高了”脑力劳动“的效率，带来新一轮席卷各行业的“AI+”技术革命。人类从书本与实践中不断提升自我，AI也在利用海量数据与外界反馈，不断地进化和迭代。如今，AI大模型已经基本学习了人类所有的书籍与科学知识，对于细分领域的专业问题也能快速理解和掌握。畅想未来，AI将成为高度自主和智能的“机器大脑”，在工业制造、自动驾驶、科技研发甚至太空探索中，创造巨大的经济价值。AI大模型不仅重塑了生产力，还将赋予人类“超能力“。每个人的时间与精力是有限的，而AI大模型可以扩展人的能力半径。戴上具备AI能力的可穿戴设备，每个人都可以掌握新的语言和科学知识，提升记忆力和效率。使用AI手机和电脑，每个人都可以进行艺术设计、开发程序，或者制作电影和小游戏。在不久的将来，在漫画、应用、电影、游戏等各种领域，内容创作的数量可能井喷，创造出类似抖音的UGC超级平台。与此同时，全球科技企业正在构建超大规模的AI算力集群，让“智力“资源像水电一样流向千行百业。随着AI大模型的进化与发展，芯片、存储、通信互联等算力产业链都将持续升级。而在美国制裁的背景下，国产AI芯片和生态系统将迎来史无前例的机会，带动设计、制造和先进封装全产业链的加速成长。我们认为，AI+革命已经到来。当下的AI一定不够完美，从研究成果到商业应用的转化也是一条漫长而艰险的道路。市场的质疑在当下看似都很有道理。但是，科技产业的发展永远是非线性的，我们往往容易高估一项新技术的短期影响，却又低估它五年、十年带来的巨变。AI的发展也一定不是一蹴而就的，它将经历多个浪潮，多次革命和多次至暗时刻，带来不断出现的新的投资机会。我们期待着它的蝶变。目录CONTENTS一、综述011.1AI+产业的十大预测1.2AI的寒武纪大爆发02021.3AI产业链：模型层是大脑，算力层是粮草，应用层是执行单位04二、模型层：大模型向多模态与AIAgent进化052.1大模型是什么？模型是如何发展至今的？062.2下一代大模型的进化方向07072.2.1大模型进化方向1：多模态，感知理解升级+拓展人机交互形式2.2.2大模型进化方向2：AIAgent，像人一样规划、反思、使用工具的AI程序082.3大模型的竞争格局09092.3.1海外大模型：马拉松淘汰赛，公有模型走向寡头格局2.3.2中国大模型：与海外约1年代差，持续追赶海外进程09三、应用层（软件）：生产力场景实现降本增效，泛娱乐场景提升交互体验113.1AI商业价值的载体：生产力应用与泛娱乐应用3.2生产力场景：AI实现降本增效12123.3泛娱乐场景：AI提升交互体验13143.3.1游戏内容：AINPC让游戏情节具有更多的可能性，为用户创造新奇的体验3.3.2游戏形态：AIUGC实现游戏制作去厂商化，有望出现游戏平台的“抖音时刻”3.3.3不止于游戏，各类数字创作领域都可能诞生新的超级平台1416四、应用层（硬件）：软件推动硬件创新，下一代智能终端渐行渐近174.1AI终端：端侧AI部署有利于降低边际推理成本4.2PC/手机为当下最佳AI端侧载体4.3MR：解放双手，下一代智能终端的雏形?4.3.1MR在2024横空出3.2AI和3D建模将提升内容生产效率4.3.3MR带动消费电子投资机遇2121224.4AI赋能感知和决策，加速智能汽车技术升级4.4.1智能汽车产业发展的奇点即将到来4.4.2中国汽车产业链是智能化浪潮中最具备竞争力的产业链234.4.3中国汽车产业链在智能化浪潮中酝酿巨大投资机会244.5AI的突破是机器人进化的里程碑4.5.1智能机器人的落地节奏4.5.2降本路径不仅仅依靠规模效应，更有赖于中国供应链的参与242526五、算力层：推理需求爆发在即，国产替代加速前行285.1算力投资：AI应用爆发的必要条件和先行指标5.2全球算力：推理需求驱动算力投资快速成长29305.2.1算力需求：AI成为全球算力投资增长的核心驱动305.2.2供应链：AI重塑价值分配，算力芯片为核心，通讯/存储部件配套升级315.3国产替代：需求旺盛但成熟供给不足，外部制裁迎国产历史机遇335.3.1供需缺口：国内算力需求已达到全球第二，但上游核心芯片对外依赖严重335.3.2产业追赶：围绕算力芯片，设计-制造-封装全产业链加速成长34六、附录36(1)训练侧算力需求匡算(2)推理侧算力需求匡算3738一、综述01重塑与创造：洞察报告AI+景顺长城基金1.1AI+产业的十大预测AI将带来一场席卷各行各业的技术革命大模型正在向多模态和AIAgent方向进化海外模型将走向寡头格局，国内存在约一年代差AI将重塑交互体验，有望孵化出新一代超级平台AI赋能感知与决策，加速智能驾驶奇点到来AI将明显提升脑力劳动效率，推动生产力革命AI应用将百花齐放，驱动新一轮硬件创新周期的到来AI重塑机器人大脑，产业链迎来新机遇算力需求将从训练转向推理，从云端转向边端海外算力禁售推动国产芯片和先进封装迎历史性机遇1.2AI的寒武纪大爆发A（I人工智能）是指能够让机器变得和人一样聪明的技术、方法和工程。AI学科1950年就已经诞生，我们一直在让机器学会看图、下围棋等专业技能，但直到2022年末ChatGPT3.5的发布，才真正点燃了AI在全民普及的热情，仅仅2个月时间，用户数就增长过亿。为什么此次AI会出现爆发？本质在于本轮AI不再是狭窄专用领域的人工智能，机器终于变成了一个通才，成为通用人工智能，即可以像人一样在一切领域里无差别地学习和与人类交互。AI开始介入了人们生产、生活的方方面面。图：AI的发展历程AlexNetAlphaGoDall.EChatGPT3.51950S201220162022202202重塑与创造：洞察报告AI+景顺长城基金AI将是一场席卷各行各业的技术革命。我们认为只有提升社会生产效率的技术创新才能称之为技术革命。例如1860年的工业革命，它通过机械化大生产代替手工劳作，大幅降低了体力劳动的成本，在短短不到200年间缔造的财富就超越了过去3000年农业社会的总和。1950年后又出现了信息技术革命，它大幅降低了计算成本，改变了信息传播和分发的方式，孕育出巨型互联网公司，社会财富又达到了空前的高度。而今AI的革命则降低了脑力劳动的成本，使人类从简单的数字工作中解放出来，我们期待它带来新的市场机会和财富变革。图：从工业革命到AI革命，每一轮生产力提升都推动了社会财富指数级增长世界GDP($billion)脑力劳动成本大幅下降体力劳动+简单工具犁（3500AC）体力劳动被机器替代，成本大幅下降蒸汽机（1698）珍妮纺纱机（1765）计算和分发成本大幅下降计算机（1946）台式计算机(1981)14000012000010000080000600004000020000ChatGPT(2022)01AC10001500160017001820187019001913194019531968197819881998

2008

2018Source:景顺长城基金我们当前处在AI革命的第二浪。过去一年AI已经经过一波热炒，市场认为当前AI所有的能力都已被充分挖掘，缺乏新的亮点。但AI的发展是多层次、多浪潮的。按照基础大模型的能力去划分，我们现在处在人工智能的第二个阶段，后面还有多模态、AIAgent到混合现实，再到具身智能等种种的突破可以期待。面对AI这样席卷各行各业的重大革命，我们不应该过度关注短期，而忽视了产业长期的进展和应用潜力。图：AI产业周期将呈现“多浪潮”特征，下一轮浪潮将由多模态+AIAgent驱动AI大语言模型AIAgent混合现实AI+20222023202420252026202703重塑与创造：洞察报告AI+景顺长城基金1.3AI产业链：模型层是大脑，算力层是粮草，应用层是执行单位AI产业链整体可以概括为三个层次，模型层、算力层、应用层。模型层好比AI的大脑；算力层好比AI的粮草和营养补给；应用层则是AI的执行机构。我们判断在2024年，国内模型层将成为大宗品，需要和应用场景相结合才能创造差异化。应用层AI将重塑生产效率和交互体验，其中软件和硬件将交替推动创新。而算力层将从训练逐步向推理过渡。图：AI产业链概览算力扩张加速模型进化与应用落地应用落地与商业化带动算力投资04二、模型层：大模型向多模态与AIAgent进化05重塑与创造：洞察报告AI+景顺长城基金大模型是AI最核心的大脑部分，它在人类海量的数据中学习知识与规律，不断进化和迭代，变得越来越“聪明”。长期看，大模型发展的终局是人工通用智能（AGI），它将具备高度自主性，像人一样自发地创造和完成一切任务。而短期看，下一代的大模型将向多模态与AIAgent进化。2.1大模型是什么？模型是如何发展至今的？大语言模型的核心任务是根据提示词和已有文本，不断预测下一个“合理“的字符为什么预测下一个合理字符的能力代表智能呢？假设大模型底层是深度学习网络，可以像海绵一样吸收知我们让大语言模型阅读一本侦探小说，让模型预测”识，并对知识进行无损压缩。GPT-3在预训练阶段吸收犯人是谁“，如果模型可以准确生成犯人的身份，就代了45TB的人类数据，包括网页、代码、科学与书籍等。表模型理解了案件中的全部信息并作出了正确的推理。大模型发展至今经历了从量变到质变的过程。①量变：大模型的能力提升会遵循“规模法则”，随着数据量、算力、参数量提升，大模型的压缩损失率持续降低，模型能力持续提升。②质变：当模型体量足够大时，模型会出现类似人类“开悟”般的涌现能力，经过思维链提示后（一步步思考），模型推理能力随模型规模扩大显著提升。图：大模型的量变（规模法则）与质变（涌现能力）规模法则（ScalingLaw)764.2..L=(D/5.41013)-0.0955.64.8L=(N/8.81013)-0.0763.93.6压缩5损失率4.03.243.33.02.732.4.8-0.050L=(Cmin/2.310)210-910-710-510-310-110110810910Parametersnon-embedding5107109ComputeDatasetSizePF-days,non-embeddingtokens算力数据参数资料来源：Kaplan,Jared,etal."Scalinglawsforneurallanguagemodels"，Wei,Jason,etal."Emergentabilitiesoflargelanguagemodels"，景顺长城基金06重塑与创造：洞察报告AI+景顺长城基金涌现能力(EmergentAbility)(A)Mathword(B)Instructionproblemsfollowing(C)8-digitaddition(D)CalibrationT/F252015105756050100806040200instructiontuningScratchpad10100ChainofthoughtLetterchoicesNoinstructiontuning4030NoScratchpad1NoChainofthought010211022102310241021102210231024101910201021102210231024Modelscale(trainingFLOPs)模型规模（训练算力）2.2下一代大模型的进化方向2.2.1大模型进化方向1:多模态，感知理解升级+拓展人机交互形式多模态指文字、图片、音频、视频等多种数据类型；多模态大模型不仅可以像人类一样看和听，理解视觉、音频等信息背后的规律，完成复杂的推理，还可以生成图片、视频、音频、3D等多模态内容。多模态大模型将带来哪些改变？提高泛娱乐、商业等感知交互升级拓展落地场景场景内容创作效率带动终端硬件革新提升AI渗透率多模态大模型的图像、视频、多模态大模型可以处理视觉语言大模型最大的应用场景3D生成能力可以广泛应用于提示，例如我们在图片中圈出是教育、办公；多模态大模型影视、音乐、游戏等泛娱乐场物体，模型可以对圈出的部分将具备图像、视频分析与推理景的内容创作，同时加速广针对性分析这种能力未来可能力，可应用于泛娱乐、交通告、电商等商业场景的营销创以适配触屏、眼动追踪、手势(自动驾驶)、工业(检测与自意效率追踪等人机交互形式；另一方动化)、安防(城市管理)等场面，多模态大模型可以对物理景世界建模，优化自动驾驶、机器人感知控制技术图：多模态大模型将拓展人机交互形式多模态大模型支持视觉提示触屏语音人机交互形式拓展眼动追踪手势交互资料来源：Microsoft,OpenAI,Apple,AIPin,景顺长城基金07重塑与创造：洞察报告AI+景顺长城基金2.2.2大模型进化方向2：AIAgent，像人一样规划、反思、使用工具的AI程序AIAgent相对语言大模型最大的改进是增加自主行动能力，在实现目标过程中无需人类干预。从结构上，AIAgent=大模型+记忆+规划+工具使用：记忆规划工具大模型储存知识、更新知识的成本高；为大模型增加记忆库，可以实现低成本的数据更新。当大模型遇到新的复杂目标时，模型可以像AlphaGo下象棋一样，将目标一步步拆解，穷尽不同策略下可能出现的结果，选择最优的行动策略；另外，当模型生成错误的代码时，模型可以利用反思机制分析错误的原因，不断修改生成的代码，直到实现目标。AIAgent在遇到自身难以解决的问题时，会像人一样选择合适的外部工具，通过上网搜索、操使用作应用、使用专用AI模型解决问题。AIAgent来带更多自主能动的交互体验：AIAgent还可以构建“西部世OpenAI在23年11月开发者大界”式的游戏，斯坦福利用通用机器人可以变得更加智会上推出使用AIAgent构建AIAgent的记忆和规划能力，构能，不需要人教也可以理解和的GPTs平台，不会编程的用建了虚拟小镇，镇上的AI居民会学习更多的技能户也可以自己制作个性化的像人一样规划每天的生活，并在AI应用了小镇上随机触发新的事件与活动图：AIAgent=大模型+记忆+规划+工具使用目标拆解思维链思维树自我评价反思记忆网络搜索应用软件规划基础大模型工具使用专用模型行动数学计算资料来源：Weng,Lilian“LLMPoweredAutonomousAgents”,景顺长城基金08重塑与创造：洞察报告AI+景顺长城基金2.3大模型的竞争格局2.3.1海外大模型：马拉松淘汰赛，公有模型走向寡头格局公有大模型每一代升级，竞争门槛将持续提升，参与者会持续减少，走向寡头格局，源于：OpenAIGPT-1到算力规模决定模型的AI应用具有显著的先GPT-4，模型的参数升级迭代效率，大模型发优势，因为先发者可量、数据量持续提升训练时长与总算力呈以最下你收集数据。反比，因此具有更高资ChatGPT作为最早发本优势和算力资源的布的大模型应用，截至公司，越有机会领先发23年10月月活已超过布模型更新2亿，而之后发布的竞品月活最多在千万级图：OpenAIGPT大模型每一代升级，参数量与数据量持续提升GPT-1GPT-2GPT-3GPT-3.5GPT-423年3月预估1+tn发布时间18年6月19年2月20年5月22年1月参数量数据量117Mn5GB1.5Bn40GB175Bn45TB175Bn45TB资料来源：OpenAI,景顺长城基金2.3.2中国大模型：与海外约1年代差，持续追赶海外进程中国大模型起步慢于海外，目前能力上与海外约1年代差。首先，海外大模型开源推动了技术的扩散；其次，科学家与工程师的人员流动也会加速技术的扩散，预计中国的AI人才在未来几年会持续扩充，追赶海外成为可能。需要关注的是，当前国内的算力储备预计可以支撑下一代模型的训练，长期来看算力侧需要依赖国内自主AI芯片的发展，目前头部厂商单卡算力水平已接近海外上一代GPU能力，预计未来国产算力会持续发展升级，推动模型层的进化。图：国内头部大模型与OpenAI存在1年代差OpenAI2022.12发布ChatGPT2020.5发布GPT-32023.32023.92024年(基于GPT-3.5)发布GPT-4发布GPT-4VGPT-5?2023上半年2023年底2024年底陆续发布模型对标GPT3.5对标GPT-4?对标GPT-3国内模型厂商09重塑与创造：洞察报告AI+景顺长城基金当前国内模型厂商处于同质化竞争，我们预计未来应用层会获得更高的价值量分配。在同质化竞争的环境下，预计国内模型层未来难以获预计未来应用层将为用户创造更佳的体验，获得更高得较高的价值分配，而模型的推理成本会随着模型的的产业价值分配。优化、AI芯片的优化而持续降低。图：我们预计模型层在未来AI产业链的价值量占比将会下降算力层模型层应用层现在未来10三、应用层（软件）：生产力场景实现降本增效泛娱乐场景提升交互体验11重塑与创造：洞察报告AI+景顺长城基金AI到底能为我们带来什么影响？这是所有人都关心的问题。首先，AI大幅提升了“脑力劳动“的生产效率，因此将在代码、设计、客服、文案等生产力场景优先落地。而从生活娱乐场景看，AI还可以改善用户与数字虚拟世界的交互体验，让人类体验到效果更加非凡和精彩的大千世界。3.1AI商业价值的载体：生产力应用与泛娱乐应用如果说大模型更多是AI技术本身，AI应用才是这一技术变革真正实现商业价值的载体。目前的AI应用可以分为生产力和泛娱乐两个场景：生产力场景下，AI提供效率价值泛娱乐场景下，AI提供体验价值提升普通用户和虚拟世界的交互体验，比如有了AI，辅助各个岗位完成工作为企业降本增效，比如AI辅助用户可以用自然语言和游戏NPC、或是主打情感陪伴我们生成文档和图表、辅助开发人员写代码等。的聊天机器人进行自由交流。表：AI应用的领域及价值体现应用领域AI提供的价值细分场景对应岗位典型案例文档助理综合M365Copilot企业知识管理综合Glean代码开发助理创意设计助理研发GithubCopilot节约人工，降本增效提营销/产品生产力场景供效率价值AdobeFirefly销售助理销售SalesforceSalesGPT智能客服客服专业服务咨询(法律/税务/金融等)专业从业人员游戏(AINPC、UGC游戏等)HarveyAl，BloombergGPT逆水寒、蛋仔派对人机交互、娱乐体验提升泛娱乐场景提供体验价值陪伴机器人Character.Al3.2生产力场景：AI实现降本增效AI应用场景众多，哪些场景能更快实现商业化落地？我们认为：AI大模型的能力半径也是应用落地的重要影响因素。目前图像生成模型与大语言模型相对成熟，模型的核由于当前AI大模型仍然具有幻觉率，在容错率较高的心优势是自然语言对话、图像生成、代码生成、文本生场景，例如素材生成、创意设计、文案草稿撰写、代码成等。在这些领域，使用AI模型已经可以基本实现工开发助理等场景，AI应用领先落地。作流的自动化。随着AI大模型幻觉率的降低与能力半径的拓展，AI在各个生产力场景的渗透率将持续提升。12重塑与创造：洞察报告AI+景顺长城基金AIAgent完全自动化智能客服代码开发助理创意设计自动化程度素材生成税务/法律Copilot人机协作咨询&文件起草文档助理医疗健康咨询助理企业级知识管理提供信息与建议更强调准确性&稳定性/容错率低更强调创造力&开放性/容错率高场景容错率现阶段我们更看好具备掌握良好用户基础和应用场景的既有玩家。新的AI应用厂商面临获客难和用户粘性不足的问题；但掌握用户和场景的既有玩家能将AI功能快速推向市场并触达用户，并通过积累用户反馈和数据进行产品的快速迭代。图:AI原生应用面临用户粘性不足的问题OneMonthRetentionDAU/MAUIncumbentsIncumbents85%85%WhatsApp73%64%69%64%传统应用67%60%SnapchatWhatsApp63%51%Snapchat61%41%RBLOXRBLOX54%34%tindertinder50%32%CandyCrush48%30%CandyCrush63%Median51%MedianAI-FirstCompaniesAI-FirstCompanies56%41%ChatGPTcharacter.aiAI原生应用45%27%runwayLensaReminirunwayRemini39%14%35%14%ChatGPT12%42%MedianLensa14%Median3.3泛娱乐场景：AI提升交互体验泛娱乐领域有图片、漫画、视频、游戏等多种表现形式。游戏是最适合和AI结合的场景。原因是①游戏中的文字、音乐等各种元素，都可通过AI生成。②游戏的策划、美术、程序等各生产流程，也都可通过AIGC来提效。此外，回顾历史上的技术革新，游戏也往往是最先和新技术结合的领域。AI与游戏结合的方式主要包括两种，一是改变游戏内容，二是改变彻底游戏形态。13重塑与创造：洞察报告AI+景顺长城基金图:游戏往往是最先和科技结合的领域技术革新全球游戏行业规模(十亿美元)160140120100806040200游戏行业规模(十亿美元)Zilog英特尔MOS科技理光AMD英特尔英伟达英伟达PC/Xboxone/PS4Intel4004雅达利2600任天堂FCGameBoySONY主机XBOXIphoneIphone4爆款产品太空侵噬者A.IVEvolutionDOTA魂斗罗HorizonZeroDawnGlowHockey2LPong超级马里奥大陆神庙逃亡生化危机光环高尔夫漫威蜘蛛侠Dr.Mario实况足球TomClancy'sSplinterCell水果忍者3.3.1游戏内容：AINPC让游戏情节具有更多的可能性，为用户创造新奇的体验传统游戏中故事情节是预先设计的，玩家只能按照固定的顺序体验有限的游戏内容，因此角色扮演类游戏的流水收入与内容储备高度相关。AIAgent诞生后，游戏中的NPC被赋予了“生命”，AINPC会像人一样设计每天的生活轨迹，记住当天发生的事情，玩家与NPC的每一次交互都将改变NPC的生活轨迹，创造出具有无限可能性的游戏内容。图:AINPC可实时生成预先未编排的内容，将读剧本变成探索故事按游戏创作者预先安排的进度进行游戏内容消耗NPC33-a3-b3-cAIAI2-a2-b2-cabcAINPC1按每个节点由AI基于玩家“回答”、数值等，重新生成新的故事内容3.3.2游戏形态：AIUGC实现游戏制作去厂商化，有望出现游戏平台的“抖音时刻”传统情况下，游戏制作门槛较高，代码、美工等环节都只有游戏厂商的专业人员才能完成。而未来，玩家人人可做策划，并通过AI加持下的UGC来完成代码、美工、测试等任务，从而做到玩家都可制作自己的游戏，实现“游戏去厂商化”。14重塑与创造：洞察报告AI+景顺长城基金图:AI使游戏UGC门槛更低人人可做策划，制作自己游戏，“游戏去厂商化”传统未来策划厂商（制作人）玩家AI+ugc降低数值游厂商（制作人）戏门槛，玩家可生代码厂商（代码组）作策划产流AI+UGC程厂商（美工、文本等中台组）厂商（测试组）文本、音乐、美工测试成品玩家玩家传统:一般需2年+;平均几千万成未来:一天内，成本不超过百元便本;成功率3%。可做出一款资料来源:景顺长城基金或颠覆产业链格局，游戏厂商话语权降低，而平台地位凸显。当玩家能自己制作游戏，游戏数量或会井喷，厂商的供给量占比将大幅降低，进而逐渐失去议价能力。而平台的本质是双边网络型的“中介”，两边集中越分散、数量越多，平台的价值和地位就越高。我们认为这种情况下，最后或会出现游戏平台的“抖音时刻”。图:AI时代:产业链上厂商环节话语权降低，但平台地位凸显游戏公司平台用户游戏制作变成玩家主导，平台价值提升资料来源:景顺长城基金15重塑与创造：洞察报告AI+景顺长城基金3.3.3不止于游戏，各类数字创作领域都可能诞生新的超级平台回顾互联网的发展历程，技术创新会降低内容创作的门槛，吸引更多的内容创作者与消费者，通过构建消费者与创作者之间的经济激励机制，可以创造出新一代超级平台。微博降低了文字写作门槛，让更多用户在网络上分享生活，构建了新一代的社交平台；GIF快手降低了视频拍摄的门槛，而抖音的信息流分发机制让用户能看到自己喜爱的内容，让创作者可以获得有效的经济激励，从而构建了短视频超级平台；Roblox构建了低代码游戏开发环境，让青少年参与到游戏开发中，游戏用户可以通过虚拟币为开发者付费，下一代游戏平台由此诞生。我们认为AI将降低内容创作和软件开发的门槛，让缺少专业技能、但想象力超群的普通人成为内容创作者与应用开发者。人与AI协同将高效创作更多的自动化应用、影视与游戏作品。23年11月OpenAIGPTs发布，普通用户可以参与到AI自动化程序的开发中，并根据程序的使用量获得经济激励，AI时代的应用商城已初具雏形。未来，漫画、影视、游戏等创作门槛也在不断降低，在各类数字创作领域都可能诞生新的超级平台。Twitter/微博GIF快手RobloxOpenAIOpenAISoraCharacter.ai写短文动图拍摄游戏制作GPTs应用程序视频生成设计自己的AI陪伴降低创作门槛，扩大创作者基数人机协同创造的程序、内容、数字角色爆发式增长超级平台可能的AI超级平台?社交网络微博/朋友圈短视频游戏平台AI操作系统漫画/短剧西部世界式AI游戏witter/Facebook快手RobloxAI应用商城混合现实应用每个人的AI陪伴抖音Tiktok资料来源:景顺长城基金16四、应用层（硬件）：软件推动硬件创新,下一代智能终端渐行渐近17重塑与创造：洞察报告AI+景顺长城基金每一代的应用创新都会催生硬件的变革，AI不论是在生产力还是在泛娱乐场景，也都需要硬件作为载体。我们认为下一代的AI终端形态会百花齐放，将从手机和电脑拓展至可穿戴设备，从自动驾驶的汽车延展至机器人。4.1AI终端：端侧AI部署有利于降低边际推理成本端侧AI部署可将边际推理成本降为零。生成式AI每一次搜索查询其推理成本是传统搜索方法的10倍，而目前每天有超过100亿次的搜索产生，即便基于AI推理的搜索仅占其中一小部分，每年的增量成本也高达数十亿美元。与之相反将AI模型压缩部署在终端智能设备上则只需支付一次性的硬件成本，无需考虑带宽、能耗、网络传输等问题。同时端侧本地AI部署具备隐私安全、低延时、无地域网络限制可离线应用等优势。图:云端生成式AI单次查询成本远高于传统方案单次查询成本生成式AI应用数十亿用户(如网络搜索)网络搜索Officecopilot图像和视频创作文本总结约10倍编程助手对话式聊天机器人文案创作传统方法生成式AI资料来源：高通、景顺长城基金4.2PC/手机为当下最佳AI端侧载体换新周期与创新周期共振下消费电子产业链有望迎来复苏时刻。2024年将成为AI终端落地元年，而PC/手机作为日常生活使用频率、使用时间最长的交互工具最适宜搭载算力，目前主流芯片厂商如英特尔、高通、联发科等都已经纷纷推出布局终端的AI高算力芯片，而手机品牌大厂、PC大厂也将在2024年推出诸多具备AI能力的产品。手机端来看，复盘3G切换至4G的阶段，网络升级实现在线购物、刷微信、在线看电影以及玩游戏等功能，促使消费者完成对硬件的升级，由此可见应用端的创新是驱动消费电子换机潮的核心。而AI同样具备应用端革新的基础，可实现智能P图、智能助理、轻办公等功能，预计未来将有更多元化的智能交互式应用诞生。目前消费者的换机周期已拉长至43个月，硬件端的更换周期已接近极限，二者共振有望促进手机端新一轮换机潮的到来。PC端+AI的需求则更侧重于商务办公场景，ToB端占比较高的属性使PC的换机周期性相对显著，而距上一轮PC销量的高点，即疫情居家办公潮，已经过去了三年，正常商务本的固定换机周期已经来到。AI加持下微软copilot的出现将大幅提升办公效率，有望成为企业及个人购买和换机的创新动力，此外win10系统将于2025年正式停止服务，亦将为PC端的换机潮增加驱动力。18重塑与创造：洞察报告AI+景顺长城基金图:终端有望实现换新周期与创新驱动共振(单位:百万台)手机距上轮销量高点换机周期已达43个月16001400120010008006004002000ChatGPT2009

20102011201220132014201520162017201820192020

20212022

2023

2024E

2025E202XPC40035030025020015010050Win2000WinXPWin7Win10停止服务停止服务停止服务停止服务Microsoft365Copilot02005

2006

2007

2008

2009

2010

2011

2012

2013

2014

2015

2016

2017

2018

2019

2020

2021

2022

2023

2024E

2025E202X4.3MR：解放双手，下一代智能终端的雏形?4.3.1MR在2024横空出世新的内容和应用可能会推动新的智能终端产生。苹果已经早有准备，2024年初苹果VisionPro上市，这是一款混合现实（MR）的可穿戴头盔。人们带上它就可以完全解放双手，不用手指触控，也不用拿着手柄就可以自然地在空中控制和体验虚拟世界，因为AI模型解决了人机交互的问题，可以让机器具备语音理解、手势理解和眼动追踪能力。再往远一点，我们期待硬件的进一步进步，最终可能将厚重的MR头盔变成时尚轻薄的智能眼镜。MR相对VR应用场景大幅拓展。相较于以往的虚拟现实（VR），人们戴着它只能沉浸在一个完全虚拟的世界中，MR可以看到周围的真实世界，让虚拟画面和现实世界精准互动，比如可以和虚拟人对打乒乓球，可以在真实的房屋中摆放虚拟家具进行装修规划等。19重塑与创造：洞察报告AI+景顺长城基金图:AppleVisionPro可在3D空间操控应用图:Meta推出眼镜可直播可拍照4.3.2AI和3D建模将提升内容生产效率当前VR出货量仍小，核心卡在内容供给。VR产业历经了5年创新，出货量却没能上一个台阶，我们认为最核心的原因在于内容的供给太少。当前VR的内容供给仅仅是主流游戏平台的1/5，用户使用时长十分有限，对消费者而言略鸡肋。AI多模态和3D建模生产内容，MR出货有望上台阶。随着多模态大模型的发展和3D数字建模的成熟，更多理想化的虚拟世界都可以低成本生产，不再要进昂贵的影棚拍摄。未来优质内容可以源源不断地随时随地生产，届时MR的使用粘性和使用时长也会随着上升，就像当前的短视频平台一样。图:当前AR/VR设备出货量仍较小46285000400030002000100042303906112388058502020AR/VR出货量(万台)20212022游戏主机出货量(PlayStation、XboxSeries、Switch，万台)图:与游戏主机相比，VR游戏供给有限主机/PC游戏平台VR游戏平台(小游戏为主)600051794995475450004000300020001000025831870Vive35527613997PS4XboxOneSwitchSteamOcuPICONOLOYVR来源：omdia20重塑与创造：洞察报告AI+景顺长城基金4.3.3MR带动消费电子投资机遇苹果发布MR，安卓有望跟随。手机大厂不会错过对下一代智能硬件的卡位。未来随着主流手机厂家的纷纷入局，我们期待MR设备在硬件上变得更加的好用、美观和便宜。MR的渗透和放量也会带来消费电子相关零部件厂商的新一轮投资机遇。图:苹果VisionProBOM拆分图:MetaQuestProBOM拆分7%8%16%1%8%5%25%2%1%29%15%15%44%3%4%7%8%

2%主板部分屏幕部分镜片部分声学部分传感器主板部分屏幕部分镜片部分声学部分传感器摄像头结构件续航其他摄像头结构件续航手柄其他数据来源:Wellsenn4.4AI赋能感知和决策，加速智能汽车技术升级在生产力场景，AI主要应用于高度自动化的汽车和机器人中。汽车和机器人等智能执行终端的系统非常相似，包括三大模块：感知、决策、执行。感知决策执行大脑的决策最终转化为踩刹车减我们的眼睛和耳朵，对应汽车的感通过眼睛和耳朵的反馈，大脑对信速、踩油门加速、打方向盘拐弯等知系统，比如摄像头、雷达、IMU息进行分析做出决策，对应汽车的动作，对应汽车的执行系统，比如等；智驾域控制器；汽车的线控制动、线控转向等。AI赋能智能驾驶，主要是赋能感知层和决策层。感知层通过模型的不断迭代，让汽车更加精确和及时的识别路上的目标，使其拥有类似人类“眼观六路、耳听八方”的能力。决策层通过AI的训练，尤其是后续“端到端”的实时控制，让汽车可以自主决策，更加“老司机”和贴近人类开车习惯，甚至在某些方面超越人类的开车技能。21重塑与创造：洞察报告AI+景顺长城基金图:汽车及机器人层级控制框架汽车机器人目标特征提取和融合目标分割和特性提取传感器感知决策数据车辆位置定位末端定位和姿态平衡数据数据动作轨迹规划驾驶决策环境任务规划通信和处理器动作轨迹规划路径规划轨迹平滑驱动/转向/制动/执行器硬件端执行软件端指令悬架等系统调节旋转/直线关节电机调参4.4.1智能汽车产业发展的奇点即将到来我们认为智能汽车产业发展的奇点即将到来，智能车产业有望复制三年前电动化的发展浪潮。①智能驾驶的法律法规逐步完善。11月工信部等四部委发布《关于开展智能网联汽车准入和上路通行试点工作的通知》，希望通过开展智能驾驶试点工作探索智能汽车规模量产产品的标准、强化试点企业责任落实，为后续量产版本法律法规积累管理经验。②智能驾驶技术逐步升级。以特斯拉的FSD、小鹏汽车的XNGP、华为的HUAWEIADS为代表的智能驾驶系统逐渐商业化，也代表着智能驾驶技术逐渐升级完善，部分消费者开始愿意为智能化溢价而付费。图:汽车电动化和智能化发展新能源车渗透率高阶智驾渗透率30%25%20%15%10%5%汽车电动化发展奇点汽车智能化发展奇点0%20152016201720182019202020212022

2023E

2024E

2025E资料来源：景顺长城基金22重塑与创造：洞察报告AI+景顺长城基金4.4.2中国汽车产业链是智能化浪潮中最具备竞争力的产业链我们认为中国汽车产业链展望全球都是最具备竞争力的：供给端，中国车企拥有精简的组织架构与高效的开发流程，新车型的研发速度快于海外车企。另外，中国汽车产业链有能力通过降本推动智能化汽车平民化，让智能化在售价20万以下的车型推广应用，扩大市场容量。需求端，中国是全球第一大汽车市场，对新技术的接纳意愿比较强烈，有利于本土市场推广。技术端，国内以华为、小鹏等为代表的企业有望追赶特斯拉，且远超海外传统车企。图:NOA功能（L2+/L3）车型将逐渐向中低价格带渗透50万以上当前40-50万30-40万20-30万10-20万10万以下价格带持续下降，智能车将平民化未来0%10%20%30%40%50%资料来源：景顺长城基金图:主流自研智驾车企与特斯拉的差距特斯拉华为小鹏理想蔚来模型降低LiDAR依赖度地图资质不需要车队数据云端算力国内在建城市开放FSD未入华速度智驾包性价比23重塑与创造：洞察报告AI+景顺长城基金4.4.3中国汽车产业链在智能化浪潮中酝酿巨大投资机会在汽车智能化产业趋势背景下，具备全球的竞争力的中国汽车产业链，也必将酝酿出巨大的投资机会，我们最看好的是整车环节，其次是智能化相关零部件。整车端，整车厂把控智能化数据以及迭代节奏，商业模式从智驾主力卖车扩展到探索软件收费模式，商业模式可能发生变化。因此整车环节是智能化浪潮下应当着重布局的赛道。零部件端，充分受益于行业渗透率快速提升所带来的时代红利，尤其是新增部件，比如线控制动、线控转向、域控制器、激光雷达等等。图:主机厂L2+商业模式逐步清晰图:智能化零部件受益环节图流媒体后视镜驾驶员监测系统后侧向角雷达减少或去掉激光雷达自动驾驶域控制器硬件降本智驾版平价前向中距雷达性价比车型域控算力降级比如Orin-X降为Orin-N车联网通讯模块前侧向角雷达探索软件收费智驾助力卖车<20万车型加速渗透超声波雷达线控制动/转向资料来源：景顺长城基金4.5AI的突破是机器人进化的里程碑AI大模型的进步，使机器人开始真正拥有大脑，变得更像人类。人类的典型进化包括直立行走、双手使用工具、语言交流、学习思考处理复杂的事务、情感表达，而AI作为中央处理器，使机器人更快掌握上述通用智能。感知端，机器人使用摄像头等一系列传感器来感知环境，识别空间和物体。这已经在智能驾驶汽车领域得到初步训练。决策端，大语言模型使机器人听懂人类语言逻辑，诸如谷歌的RT-2模型等训练模型使机器人可以从网络数据中学习，并转换成机器人动作，执行未做过的复杂任务。24重塑与创造：洞察报告AI+景顺长城基金图:谷歌RT-2在RT-1机器人数据的基础上，增加了从互联网学习的VLM预训练模型，短时间内提升了Agent的泛化和涌现能力100%75%50%25%0%理解符号VC1推理识别人类平均成功率RT-1RT-2w/PaLM-E-12BRT-2w/PaLI-X-55B资料来源：GoogleDeepmind4.5.1智能机器人的落地节奏机器人应用场景将从2B到2C逐步展开。智能机器人最初可能用于工厂，替代劳动者双手。其次，商业环境和公共场合也存在大量需求，比如餐饮服务、巡检展览。但机器人真正的未来在于需求迥异的消费者端，包括家居、护理、陪伴等。随着AI能力的提升，机器人的能力将持续进化，可应用场景开放性增强，需求量级也将成倍提升。未来机器人形态将是多样化的，取决于不同需求场景下，对应功能形态能否降本增效。人形是其中一种理想形态，能够穷举涵盖人类社会全场景，融入人类社会、甚至帮助人类进行未知领域的探索，它们将和动物、轮式等其他形态，共同形成多层次的机器人家族。图:随着可应用场景开放性增强，机器人的需求量级将成倍提升需求量级5000万工厂（分拣、打标、餐饮、酒店等安防、巡检协作生产/服务家居陪伴运输、焊接等）配送和服务执行任务1000万100万50万场景开放性和实现难度假设附注：50万-全球工业机器人年销量；100万-比亚迪生产人员约44万人（22年年报）。此外根据公开报告测算，机器人在10%渗透率以下，则国内餐饮、酒店配送机器人空间50亿，假设机器人单价约3万元，测算大约16万台需求；1000万-参考汽车价格带，中国15万元以上汽车销量占比约48%。假设全球30%拥有汽车的家庭会购买人形机器人，按照20年达成保有量，测算得全球年均1200万台人形机器人销量。25重塑与创造：洞察报告AI+景顺长城基金成本的下降是机器人能够大规模落地的另一个重要维度。若人形机器人的规模达到百万台规模，成本需要大幅下降，马斯克的目标是2-3万美金，接近于中低档车售价。随着机器人工作效率提升、价格下降和全球人力成本的不断提升，当机器人的产出价值和投入成本能够在1-2年的回报周期内打平，很可能会到爆发的节点。如果智能机器人能够降价至汽车价格区间，或许是它们能够如汽车般走入千家万户的临界点。图:智能机器人价格下降、效率提升，人力成本上涨，产出和投入成本未来有望打平价格(万美元)机器人初始价格50机器人成本下降曲线机器人产出价值曲线机器人产出价值和投入成本打平＞10时间（年）资料来源：景顺长城基金，USBureauofLaborStatistics4.5.2降本路径不仅仅依靠规模效应，更有赖于中国供应链的参与机器人所需的减速器、滚柱丝杠等核心零部件当前大多由海外供应商供应，价格昂贵。如果机器人达到百万台规模体量，上述零部件需求量都将大幅增长，中国制造大规模参与进来，降本空间巨大。图:理想情况下，规模量产后人形机器人预估BOM下降空间70%以上-80%-90%-50%-36%-37%关节总成机身结构件基带板卡(含电池)

视觉和姿态感知(相机+IMU)处理器资料来源：景顺长城基金，综合行业调研口径26重塑与创造：洞察报告AI+景顺长城基金国产厂商通过参与机器人供应链，将实现自身制造能力的延展与升级。以减速器为例，国内已然拥有优秀的谐波、行星减速机生产厂商，在工业机器人领域实现国产替代和较高的市场份额。这些厂商依靠完整的工艺经验和快速响应的能力，吸引海内外人形机器人厂商合作，开发适合人形机器人的新品类，不仅把握住产品升级放量的机会，也带动上游相关国产机床设备和材料的整体升级。国产机器人整机厂商也充满机会，通过不断探索新应用、新形态，有望享受机器人家族不断壮大的红利。图:人形机器人主要零部件概览关节总成行星滚柱丝杠无框(力矩)电机减速器空心杯电机模组力传感器IMU编码器驱动器相机处理器芯片单台机器人BOM价值量竞争格局潜在盈利能力方案确定性注：产业链处于动态变化过程中，★代表最低（弱），★★★★代表最高（强）27五、算力层：推理需求爆发在即国产替代加速前行28重塑与创造：洞察报告AI+景顺长城基金如果说软件和硬件端的应用落地，是AI为人类带来的累累硕果，那么针对算力层的基础设施建设，则是AI这颗大树深扎在土壤中的根系，为产业发展输送源源不断的“养分”。站在当前时点，我们认为算力投资正由训练向推理开始延伸，并更看好长期推理侧的需求爆发，而在外部持续升级的政策限制下，国内产业生态正迎来前所未有的发展机遇。5.1算力投资：AI应用爆发的必要条件和先行指标算力投资是AI产业爆发的先行指标。类比4/5G通信产业发展周期，资本开支通常先行于数据需求爆发，算力则是AI大模型的基础建设层，先做基建，上层应用才有爆发的可能。当前，以全球头部云计算厂商的经营数据为参考，其整体资本开支强度已超过1,000亿美金，其中AI为主要增量投资方向，对比相关云计算业务营收，也率先实现了增速的企稳回升。国内情况类似，互联网厂商对AI同样积极投入；此外，以地方政府主导投资的智算中心将贡献增量的算力需求。图：全球主要云厂商资本开支增速45040035030025020015010050单位:亿美元50%40%30%20%10%0%-10%-20%0微软亚马逊谷歌脸书合计资料来源：公司公告，景顺长城基金注：亚马逊未披露其资本开支结构，因其仓储相关占比较大，统计中仅估算列示图：全球主要云厂商云计算营收增速600500单位:亿美元50%45%40%35%30%25%20%15%10%5%40030020010000%微软亚马逊谷歌合计29重塑与创造：洞察报告AI+景顺长城基金5.2全球算力：推理需求驱动算力投资快速成长5.2.1算力需求：AI成为全球算力投资增长的核心驱动，推理需求为中长期主要增量AI已成为全球算力投资的主要驱动力。以算力投资中价值量最大的服务器为参考，未来受益于下游客户旺盛的投资需求，其绝对规模及份额都将呈现快速提升。我们预计到2024年，全球AI服务器的市场规模将会增长到近千亿美金，占到服务器市场的半壁江山。图：全球服务器22年出货1500万台，10年复合增速仅6%图:AI服务器成为算力投资增长的核心驱动:预计24年全球AI服务器的出货金额占比将近50%服务器出货量（万台）YoY1600140012001000800600400200018%

120016%60%50%40%30%20%10%0%15.7%1000800600400200014%12%10%8%6%4%2%0%-2%-4%11.6%10.4%6.7%5.2%3.3%2.9%-0.4%-1.3%20222023E2024E全球AI服务器出货金额(亿美金)AI服务器出货金额占比2013

2014

2015

2016

2017

2018

2019

2020

2021

2022资料来源：IDC、景顺长城基金中长期推理将接力训练，成为算力投资增长的主要贡献。当前的算力需求仍以大模型训练为主，未来伴随应用的不断落地，推理需求逐步释放，中长期将成为算力需求的主力。区别于训练侧，推理侧的算力需求无法重复使用，而是跟随应用场景、用户数量、使用频次的增长而扩展。我们粗略匡算了几个大模型应用的典型场景，用户铺开后各个场景的算力需求都在数百万张A100量级（具体估算详见附录部分）。图：典型的大模型应用场景和用户基数图:中长期看，大模型推理的算力需求将远超训练(具体估算详见附录)应用场景办公助手搜索引擎视频生成智能驾驶代表应用潜在用户基数千万张Orin芯片微软M365Copilot微软全球有4亿付费用户数百万张A100芯片微软NewBingRunwayGen2特斯拉FSD谷歌每天30亿次搜索~180万A100全网每分钟产生(2023年)百万张~5000小时视频A100芯片办公助手全球每年出货8000万辆车大模型训练搜索引擎智能驾驶其他场景:文生图、虚拟人、与终端设备结合······资料来源：景顺长城基金注：推理侧需求，为基于典型应用场景假设估算，远期规模仍取决于AI渗透程度30重塑与创造：洞察报告AI+景顺长城基金5.2.2供应链：AI重塑价值分配，算力芯片为核心，通讯/存储部件配套升级AI需求爆发，带来产业链价值重新分配。对比传统数据中心，在以运算为核心的AI算力投资中，服务器的价值量占比将显著提升，达到整体资本开支的70%，其中高性能算力芯片GPU为主要的价值贡献，占比达到71%。同时，通讯及存储部件将配套升级。针对大模型场景中数千张甚至上万张GPU的并行运算，对集群的即时通讯、片上存储、互联带宽和散热均提出更高的需求。对应地，以光模块为代表的通讯部件，和以高带宽存储（HBM）为代表的存储芯片将同步配套升级，以实现整体算力效率的优化及单位算力成本的降低。图：AI算力中心构成及各环节价值量拆分其他通用服务器AI服务器(8*A100)10%价值倍数价值量占比价值量占比网通设备AI数据中心AI服务器CPU芯片20%2,16629%13,90012%6.4-GPU芯片00%80,00011,4251,00065071%10%1%服务器70%存储芯片2,74515536%2%4.26.52.0网卡PCB1%PCB组装测试1%3254%1%电源1%其他3%电源网卡1%30013944954%18%7%1,2003,2171%3%4.02.3存储其他物料10%组装及测试1,4851%3.0CPU12%合计7,580131100%112,8776,000100%14.945.9配套光模块GPU71%注：配套光模块与数据中心组网架构选择有关，仅以英伟达SuperPOD为测算样本，不代表行业平均水平资料来源：景顺长城基金算力芯片市场规模增长有望十年十倍。2023年，全球算力芯片市场规模达到218.7亿美金，而根据产业链跟踪及测算，我们预计2024年这一数字有望扩容至800亿美金，实现翻番以上成长。向后展望，云端训练需求的持续迭代，及后续推理需求的不断释放，将共同拉动算力芯片市场规模成长，参考第三方预测，2032年整体市场规模将达到2,274.8亿美金，实现十年十倍的成长弹性。图：全球AI芯片市场规模预测(亿美金)25002000150010005002274.8800218.7168.62022020232024E..........2032E资料来源：PrecedenceResearch、景顺长城基金31重塑与创造：洞察报告AI+景顺长城基金伴随推理侧需求释放，ASIC方案有望加速渗透。在早期大模型快速迭代的训练端爆发阶段，算力及互联带宽为核心指标，同时使用通用芯片可避免专门研发定制芯片所带来的高投入和高风险，故高算力通用GPU为此阶段硬件端最优解。随着大规模应用部署的推理端放量阶段到来，偏应用定制化且具备成本、功耗、体积等优势的ASIC方案渗透率有望快速提升，预计到2025年云端训练/推理端ASIC方案渗透率将分别为50%和40%，而边缘侧推理端ASIC方案渗透率则有望达到70%。图：ASIC在功耗/成本/专用性能具备优势图：ASIC在云/边侧训练端及边侧推理端中渗透率有望大幅提升(%)云端训练云端推理边端推理CPUGPUASIC低功耗灵活性低功耗70504030102017202520172025Other20172025性能同构性ASICGPUCPU资料来源：McKinseyAnalysis、景顺长城基金存储芯片也有望实现配套升级。近20年处理器峰值算力提高近90,000倍，而存储器带宽仅提升30倍，存与算性能失配制约综合算力，使得云侧/端侧存力升级将成为必然趋势。云侧来看，未来AI服务器对SSD/DRAM的容量需求约为传统服务器的2倍/4倍，分别达到8TB和2.7TB，同时HBM凭借更高速、更高带宽及位宽等特点成为高性能算力芯片存储的主流方案。参考此前算力芯片的预测，对应测算24年HBM市场空间将达到96亿美金，若考虑单卡容量升级趋势则有望更高。端侧来看，模型本地部署亦将拉动存储容量升级，以单次运行100亿参数模型为例（假设为int4精度），不考虑模型运算时的临时变量需占用4.7GB内存，未来市场硬件端主流配置方案有望从8GB提升至12GB以上。图：云端训练拉动服务器存储大幅升级图:端侧运行大模型对内存需求提升900080007000600050004000300020001000014121084.712.7X286X442ServerDRAMContent传统服务器(GB)ServerSSDContentAI服务器(GB)0主流内存配置百亿模型占用内存内存容量需求资料来源：《AIandMemoryWall》、wind、集邦咨询、景顺长城基金32重塑与创造：洞察报告AI+景顺长城基金5.3国产替代：需求旺盛但成熟供给不足，外部制裁迎国产历史机遇5.3.1供需缺口：国内算力需求已达到全球第二，但上游核心芯片对外依赖严重国内市场已成为全球算力市场的重要组成部分。参考工信部统计，2021年国内算力需求规模达到202EFLOPS，占比32.9%，仅次于美国位列全球第二，并实现更快增长。图:全球算力规模持续增长图:全球算力需求结构3500300025003300中国33%欧洲14%日本5%2168.220001500100050001424.62023E936615429其他14%美国34%202020212022E2024E2025E全球算力总规模(EFLOPS)资料来源：信通院《中国算力发展指数白皮书》、景顺长城基金但在供给端，国内产业生态尚不完备。目前，国内厂商业务布局更多集中在中下游模块和整机组装环节，而在上游核心芯片等物料，仍存在明显的对外依赖。近期针对GPU芯片的禁运，一定程度上延缓了国内算力的投资节奏，但也让终端客户意识到本土产业链配套的必要性和迫切性，供应链国产替代有望全面加速图：不同产业链环节竞争格局及国产厂商份额AMD其它Ⅱ-VI浪潮其他其他旭创科技戴尔Lumentum武汉光迅惠普联想富士通Acacia海信博通甲骨文新华三英伟达GPU思科IBM光模块服务器资料来源：IDC、LightCounting、景顺长城基金33重塑与创造：洞察报告AI+景顺长城基金5.3.2产业追赶：围绕算力芯片，设计-制造-封装全产业链加速成长算力芯片,训练侧加速本土生态培育，推理侧充分参与市场竞争。目前国内芯片在硬件参数方面已基本达到海外可比水平，差距主要体现在软件生态。训练侧，相较于硬件，软件和生态的粘性更高，因此后进者难以替换;外部制裁反而推动了国内芯片的自主产业链建设，促进国内模型与应用厂商更多地采购自主芯片，带动产业的良性经济循环。推理侧，海外巨头尚未构建坚实的壁垒，国产芯片具备竞争力，在未来百花齐放的竞争格局下，国内推理芯片厂商有望获得更高的市场份额。图:主要算力芯片性能参数对比(FP16)12001000800600400200单位:TFLOPS/sNvidiaH100NvidiaA100华为昇腾910华为昇腾910B寒武纪思元590海光深算2号NvidiaV100寒武纪思元370海光深算1号020172018201920202021202220232024资料来源：各公司官网、景顺长城基金芯片由设计厂商完成技术研发后，需要交由晶圆制造和封装测试厂商，进行产业链后续环节生产。算力芯片亦是如此，且对制造和封测提出了更高的需求，国内产业链配套同样面临着机遇和挑战。先进制造,成为国内算力芯片厂商的稀缺资源。AI算力芯片通常采用10nm以下先进制程，以容纳更高的晶体管密度，实现更好的计算性能和更低的功耗表现。伴随制程持续向下迭代，前期研发成本和资本开支呈现指数型增长，全球仅有少数厂商能够“支付”其高昂成本，先进制程产能成为稀缺资源。而伴随中美在半导体产业生态的进一步“割裂”，本土先进制造产能成为兵家必争之地。图：不同制程（5K）产能对应资本开支250002000015000100005000090nm65nm45nm28nm20nm

16/14nm10nm7nm5nm3nm资料来源：台积电，景顺长城基金34重塑与创造：洞察报告AI+景顺长城基金上一轮景气度周期及产业链“逆全球化”趋势，加速重资产制造业回流，其中半导体产业核心的晶圆制造环节，美、日、韩、台、中等国家/地区纷纷加大产能扩张规划。对于晶圆厂而言，成熟制程在积极资本开支下中期或面临产能过剩，先进制程将成为其后续经营成长的主要驱动，而摩尔定律的进一步放缓，适当降低了国内技术追赶的差距。图：不同制程下单位晶体管制造成本4.543.532.52单位逻辑闸成本最小节点1.510.5090nm65nm40nm28nm20nm16/14nm10nm7nm资料来源：台积电，景顺长城基金先进封装，国内具备更好弯道追赶的可能。相较于传统消费级芯片，算力芯片面积更大，存储堆叠更多，对互连速度要求更高，而以Chiplets为代表的先进封装，可以更好的满足这些大规模芯片的性能和成本需求。更复杂的制造流程也带来了更高的价值增量，对比消费级芯片产品，算力芯片的封测成本通常有十倍以上提升，在芯片整体成本构成中比重也有增加。而对比晶圆制造端的技术差距和供应链限制，在先进封装领域，国内厂商已有技术积累，并在积极技术及产能投入下，未来具备更好的追赶机会。图：先进封装带来产业环节价值量提升图：2.5D/3D为先进封装最快成长方向16001400120010008006004002000单位:亿美元笔电CPU服务器CPUAI训练卡202220282.5D/3D封装其他先进封装传统封装资料来源：景顺长城基金资料来源：Yole,景顺长城基金我们正在见证一个新时代的到来。AI大模型将持续升级，假如GPT-4解决了10%的人类任务，GPT-5将会解决15%以上的人类任务，而AI的终局将超越人类能力的总和，在具备经济价值的人类活动中发挥广泛的作用；另一方面，AI也在加速新材料、生物科技等方面的研发进程，大幅提升人类的科技水平。全球科技巨头正在建设遍布五大洲的AI算力中心，让智力资源像水电一样流入千行百业。AI应用也将提升每个普通人的能力半径，提升人们的记忆力、创造力、协作能力等。2024年将是AI终端创新与应用落地的元年，产业周期将持续10年。正如前文提到的，AI产业将呈现“多层次、多浪潮”的发展特征，在科技领域持续带来新的投资机会。35六、附录36重塑与创造：洞察报告AI+景顺长城基金附录部分：算力需求测算附录(1)训练侧算力需求匡算23年训练算力需求约180万张等效A100卡，具体测算如下表。2023E全球累计大模型训练计算量(EFLOPs)2.57E+08①类GPT3/GPT3.5大模型大模型研发厂商个数30同时训练模型数目3平均模型参数规模（亿个)2000平均训练Token数量(亿个)3000模型训练所需总计算量(EFLOPs)3.24E+07②类GPT4大模型大模型研发厂商个数5同时训练模型数目1平均模型参数规模（亿个）15000平均训练Token数量(亿个)50000模型训练所需总计算量(EFLOPs)2.25E+08单次训练所需时间(天)30算力利用效率35%A100SXMFP32算力(TFLOPS)156A100需求总量(万张，只用A100)182H100SXMFP32算力(TFLOPS)495H100需求总量(万张，只用H100)57未来训练需求增长的驱动力有二：一模型参数规模的持续膨胀⸺2018年以后，AI模型训练所需的算力规模以2个月翻一倍的速度在增长，各家模型厂商们通过这种方式探索模型能力的边界；二是从训练语言模型转向多模态模型，即未来模型能够具备理解和生成文字、图片、视频等各种内容形式，训练所需的算力也会随之提升。