2024AI洞察報告：重塑與創(chuàng)造

目錄CONTENTS綜述 01AI+業(yè)的十大預測 AI的寒武紀大爆發(fā) AI業(yè)模型層是大算力層是糧應用層是單位 04二模型大模型模AIAgent進化 大模型是什模型是如何發(fā)展至今的？ 06下一代大模型的進化方向 大模型進化方多模感知理解升級+拓展機交互形式 大模型進化向AIAgen像樣規(guī)劃反使工具的AI程序 大模型的競爭格局 09海大模馬拉松淘汰有模型走向寡頭格局 09中國大模海外年代持續(xù)追趕海外進程 09應軟生場實現(xiàn)降本增泛娛樂場景提升交體驗 11AI商業(yè)價值的載生力應用與泛娛樂應用 生力場實現(xiàn)降本增效 泛娛樂場提升交體驗 游戲內AINP讓游戲情更多的能創(chuàng)造新奇的體驗 游戲形AIUG現(xiàn)游戲制作去廠有現(xiàn)游“音時刻” 止于游各類數(shù)字創(chuàng)作領域都可能誕生新的超級臺 四應硬軟件推動硬件創(chuàng)一代能終端漸行漸近 17AI終端側AI部署有利于降低邊際推理成本 18PC/手機最佳AI端側載體 18解放下一代智能終端的雛? 19MR在2024橫世 19AI和3D建模將提內生產(chǎn)效率 MR帶動消子投資機遇 21AI賦能感知和決加速智能汽車技術升級 21智能汽車業(yè)發(fā)展的點即將到來 中國汽車業(yè)鏈是智能化浪潮中最備競力的業(yè)鏈 中國汽車業(yè)鏈在智能化浪潮中醞巨大投資會 AI的突破是機器人進化的里程碑 智能機人的落地奏 降本路徑依靠規(guī)模效有賴于中國供應鏈的參與 推理需求發(fā)在國產(chǎn)替代加速前行 算力投應用爆發(fā)的必要條件和先行指標 全球算推理需求驅動算力投資快速成長 30需A成為全球力投長的心驅動 供應A重塑價值分芯通訊/儲件配套升級 31國產(chǎn)替需求旺盛但成熟供外部制裁迎國史機遇 供需缺國內需已達到全球但上游心芯片外依賴重 業(yè)追圍繞力芯設計-制造-封裝全業(yè)鏈加速長 34錄 36訓練側算力需求匡算 推理側算力需求匡算 38AI+產(chǎn)業(yè)的十大預測AI將帶來一場席卷各行各業(yè)的技術革命AIAI賦能感知與決策，加速智能駕駛奇點到來算力需求將從訓練轉向推理，從云端轉向邊端

大模型正在向多模態(tài)和AIAgent方向進化AI將明顯提升腦力勞動效率，推動生產(chǎn)力革命AI應用將百花齊放，驅動新一輪硬件創(chuàng)新周期的到來AI重塑機器人大腦，產(chǎn)業(yè)鏈迎來新機遇海外算力禁售推動國產(chǎn)芯片和先進封裝迎歷史性機遇AI的寒武紀大爆發(fā)IAI的發(fā)展歷程1950SAlexNet2012AlphaGo2016Dall.E2022ChatGPT3.520221860200年間締造的財富就超越了過去30001950圖：從工業(yè)革命到AI革命，每一輪生產(chǎn)力提升都推動了社會財富指數(shù)級增長世界GDP($billion)體力勞動+簡單工具犁（3500AC）體力勞動+簡單工具犁（3500AC）體力勞動被機器替代，成本大幅下降蒸汽機（1698）珍妮紡紗機（1765）計算和分發(fā)成本大幅下降計算機（1946） 臺式計算機腦力勞動成本大幅下降ChatGPT(2022)120000100000800006000040000200000 1AC 1000 1500 1600 1700 1820 1870 1900 1913 1940 1953 1968 1978 1988 199820082018Source:景順長城基金AIAI產(chǎn)業(yè)周期將呈下一輪浪潮將由多模態(tài)+AIAent驅動AIAI大語言模型AI混合現(xiàn)實AI+202220232024202520262027AI應用層則是AI2024AI產(chǎn)業(yè)鏈概覽二、模型層：大模型向多模態(tài)與AIAgent進化大模型是AIAI大語言模型的核心任務是根據(jù)提示詞和已有文本，不斷預測下一個“合理“的字符我們讓大語言模型閱讀一本偵探小說，讓模型預測”我們讓大語言模型閱讀一本偵探小說，讓模型預測”了45TB在預訓練階段吸收大模型發(fā)展至今經(jīng)歷了從量變到質變的過程。一步步思考推理能力隨模型規(guī)模擴大顯著提升。）規(guī)模法則（ScalingLaw)L=(Cmin/2.3.108)-0.0506壓縮損失率5壓縮損失率LossLoss3210-9

10-7

10-5

10-3

10-1

101

4.23.93.63.33.02.7

108

109

5.6L=(D/5.4.1013)-0.0954.03.22.4

L=(N/8.8L=(N/8.8.1013)-0.076105 107 109ComputePF-days,

Datasettokens

Parametersnon-embedding算力 數(shù)據(jù) 參數(shù)Kaplan,Jaed,tal.SalinglawsorneuallanguaemodelsWei,Jason,tal."Emeentabilitiesoflaelanguaemodels，景順長城基金06Mathwordproblems25GSM8KAccuracy(%)20 ChainGSM8KAccuracy(%)15105NoChain0 of

涌現(xiàn)能力(EmergentAbility)Instructionfollowing (C)8-digitaddition (D)Calibration0000000ScratchpadNoScratchpad00000000ScratchpadNoScratchpad0T/FLetterchoices110NLUtaskaverage%ECE(log-scale,decreasing)108tuning8Accuracy(%)60Accuracy(%)650 Noinstruction 440 tuning 2 10301021102210231024

102210231024

10191020

1021

1022 1023 1024

Modelscale(trainingFLOPs)模型規(guī)模（訓練算力）大模型進化方向1:等意效率景的內容創(chuàng)作，同時加速廣3D生成能力可以廣泛應用于多模態(tài)大模型的圖像、視頻、提升AI地場景景語言大模型最大的應用場景多模態(tài)大模型支持視覺提示

帶動終端硬件革新多模態(tài)大模型可以處理視覺針對性分析這種能力未來可圖：多模態(tài)大模型將拓展人機交互形式)形)形式拓展觸屏眼動追蹤語音手勢交互資料來源Micosoft,OpenAI,Apple,AIPin,景順長城基金觸屏眼動追蹤語音手勢交互大模型進化方向2AIAen使用工具的AI程序AIAentAI大模型+記憶+規(guī)劃+工具使用：AlphaGo使用AIAent在遇到自身難以解決的問題時作應用、使用專用AI模型解決問題。AIAgent來帶更多自主能動的交互體驗：AI應用了戶GT制作個性AI應用了戶GT制作個性化的OeA2et建

學習更多的技能解智學習更多的技能 目標拆解 思維鏈思維樹 自我評價 反思

動 AIAent=工具使用規(guī)劃 記憶 工具使用規(guī)劃基礎大模型基礎大模型 行動

網(wǎng)絡搜索 應用軟件 專用模型 數(shù)學計算 Weng,LiliaLLMeeduonomousAen,景順長城基金大模型的競爭格局公有大模型每一代升級，競爭門檻將持續(xù)提升，參與者會持續(xù)減少，走向寡頭格局，源于：GGIT1到模型高資先發(fā)布模型更新I者。至2截競OpenAIGT大模型每一代升GPT-1GPT-2GPT-3GPT-3.5GPT-4發(fā)布時間18年6月19年2月20年5月22年1月23年3月參數(shù)量117Mn1.5Bn175Bn175Bn預估1+tn數(shù)據(jù)量5GB40GB45TB45TBOpenAI,景順長城基金11AIAI廠商單卡算力水平已接近海外上一代GPU2022.12發(fā)布ChatGPT2022.12發(fā)布ChatGPT(基于GPT-3.5)OpenAI2020.5發(fā)布GPT-3國內模型廠商

2023.3 發(fā)布

2023.9 發(fā)布陸續(xù)發(fā)布模型2023上半年對標GPT-3 陸續(xù)發(fā)布模型2023上半年對標GPT-3

2024年 2024年底 對標當前國內模型廠商處于同質化競爭，我們預計未來應用層會獲得更高的價值量分配。優(yōu)化、AI芯片的優(yōu)化而持續(xù)降低。優(yōu)化、AI芯片的優(yōu)化而持續(xù)降低。的產(chǎn)業(yè)價值分配。AI現(xiàn)在 未來

算力層模型層應用層場景效11AI到底能為我們帶來什么影響AI大幅提升AIAIAI提供效率價值輔助各個崗位完成工作為企業(yè)降本增效，比如AI輔助提升普通用戶和虛擬世界的交互體驗，比如有了AI，AI提供體驗價值用戶可以用自然語言和游戲NPC、或是主打情感陪伴的聊天機器人進行自由交流。AI提供效率價值輔助各個崗位完成工作為企業(yè)降本增效，比如AI輔助提升普通用戶和虛擬世界的交互體驗，比如有了AI，AI提供體驗價值用戶可以用自然語言和游戲NPC、或是主打情感陪伴的聊天機器人進行自由交流。AI應用的領域及價值體現(xiàn)應用領域AI提供的價值細分場景對應崗位典型案例生產(chǎn)力場景節(jié)約增效提文檔助理綜合M365Copilot企業(yè)知識管理綜合Glean代碼開發(fā)助理創(chuàng)意設計助理研發(fā)營銷/產(chǎn)品GithubCopilotAdobeFire?y銷售助理智能客服銷售客服SalesforceSalesGPT專業(yè)服務咨詢(法律/稅務/金融等)(AINPCUGC專業(yè)從業(yè)人員等)HarveyAl，BloombergGPT逆水寒、蛋仔派對泛娛樂場景人機驗提升陪伴機器人Character.AlAI實現(xiàn)降本增效AI應用場景眾多，哪些場景能更快實現(xiàn)商業(yè)化落地？我們認為：AI應用領先落地AI應用領先落地。由于當前AI大模型仍然具有幻覺率，在容錯率較高的AI大模型的能力半徑也是應用落地的重要影響因素。AI模型已經(jīng)可以基本實現(xiàn)工作流的自動化。隨著AI大模型幻覺率的降低與能力半。自動化程度自動化程度更強調創(chuàng)造力&開放性/容錯率高文檔助理咨詢&文件起草醫(yī)療健康咨詢企業(yè)級知識管理更強調創(chuàng)造力&開放性/容錯率高文檔助理咨詢&文件起草醫(yī)療健康咨詢企業(yè)級知識管理更強調準確性&穩(wěn)定性/容錯率低場景容錯率提供信息與理素材生成稅務/Copilot智能客服代碼開發(fā)助理AIAgent完全自動化AI-FirstAI-FirstCompaniesAI原生應用56%AI-FirstCompanies45%27%41%35%39%14% 14%Median 42%Median%30% 51%Median48%63%Median34%32%61%54%50%51%60%67%63%64%64%69%傳統(tǒng)應用85%Inun73%85%Inuensnthention41%14%AI提升交互體驗AI原因是①游戲中的文字、音樂等各種元素，都可通過AI生成。AIGC先和新技術結合的領域。AI與游戲結合的方式主要包括兩種，一是改變游戲內容，二是改變徹底游戲形態(tài)。160技術革新160技術革新140120全球游戲行業(yè)規(guī)模(十億美元)英特爾游戲行業(yè)規(guī)模(十億美元)10080Intel40046040200英偉達PC/Xboxone/PS4IphoneIphone4英特爾 英偉達XBOXAMDSONY主機ZilogGameBoy理光任天堂FCMOS科技雅達利2600Pong

太空侵噬者

光環(huán)GlowHockey光環(huán)

爆款產(chǎn)品Horizon爆款產(chǎn)品HorizonZero魂斗羅高爾夫魂斗羅

超級馬里奧大陸A.IVEvolution生化危機超級馬里奧大陸A.IVEvolution生化危機

實況足球

Clancy'sSplinter

漫威蜘蛛俠水果忍者NPCAIAent游戲中的NPC被賦予AINPCNPC的每一次交互都將改變NPC圖:AINPC可實時生成預先未編排的內容，將讀劇本變成探索故事按游戲創(chuàng)作者預先安排的進度進行游戲內容消耗 NPC

2-a

3 AI 3-aAI 1

AI197019711972AI197019711972197319741975197619771978197919801981198219831984198519861987198819891990199119921993199419951996199719981999200020012002200320042005200620072008200912102011201220132014201520162017201820192020AIUGC實現(xiàn)游戲制作去廠商AI加持下的UGC玩家AI+ugc降低門檻，玩家可作策劃AI+UGC圖:AI使游戲UGC門檻更低 人人可做策制作自己游游戲去廠商”玩家AI+ugc降低門檻，玩家可作策劃AI+UGC傳統(tǒng)未來傳統(tǒng)未來））廠商（代碼組）））廠商（代碼組）策劃數(shù)值代碼）游戲生產(chǎn)流程測試成品資料來源:景順長城基金

廠測試） 玩家傳統(tǒng):一般需2年+;平均幾千萬成本;成功率3%。

玩家玩家未來:一天內，成本不超過百元便可做出一款圖:AI時代:產(chǎn)業(yè)鏈上廠商環(huán)節(jié)話語權降低，但平臺地位凸顯游戲公司用戶類似例如平臺 主升游戲公司用戶類似例如資料來源:景順長城基金GIF快手降低了視頻拍攝的門檻oblx我們認為AIAI23年11月OpenAIAI時代的應用商城已初具雛形Twitter/微博寫短文

GIF快手動圖拍攝

Roblox游戲制作

OpenAIGPTs應用程序

OpenAISora視頻生成

Character.ai設計自己的AI陪伴 降低創(chuàng)作門檻，擴大創(chuàng)作者基數(shù)超級平臺

人機協(xié)同創(chuàng)造的程序、內容、數(shù)字角色爆發(fā)式增長可能的AI超級平臺?社交網(wǎng)絡witter/Facebook

短視頻快手

游戲平臺Roblox

AI操作系統(tǒng)AI應用商城

漫畫/短劇混合現(xiàn)實應用

西部世界式AI游戲每個人的AI陪伴微博/朋友圈 資料來源:景順長城基金近17AIAIAI部署有利于降低邊際推理成本端側AIAI每一次搜索查詢其推理成本是傳統(tǒng)搜索方法的10AI將AI圖:云端生成式AI單次查詢成本遠高于傳統(tǒng)方案)約10倍約10倍

生成式AI應用網(wǎng)絡搜索O?ce文本總結編程助手對話式聊天機器人

數(shù)十億用戶傳統(tǒng)方法資料來源：高通、景順長城基金

生成式AI

文案創(chuàng)作PC/手機為當下最佳AI端側載體3G切換至4GAIoAI加持下微軟的出現(xiàn)將大幅圖:終端有望實現(xiàn)換新周期與創(chuàng)新驅動共振(單位:百萬臺)機周期已達43個月距上輪銷量高點換機周期已達43個月距上輪銷量高點換ChatGPT2009201020112012201320142015201620172018201920202021202220232024E2025E202X手機0停止服務Win2000停止服務Win2000停止服務WinXP停止服務Win720052006200720082009201020112012201320142015201620172018201920202021202220232024E2025E 202XMicrosoft365CopilotWin10停止服務PC0MR下一代智能終端的雛形?MR在2024橫空出世2024年初蘋果VisionPoMAIMR頭盔變成時尚輕薄的智能眼鏡。MR相對VR應用場景大幅拓展VMR可圖:AppleVisionPro可在3D空間操控應用 圖:Meta推出眼鏡可直播可拍照AI和3D建模將提升內容生產(chǎn)效率當前VRVR產(chǎn)業(yè)歷經(jīng)了5當前VR的內容供給僅僅是主流游戲平臺的1/AI多模態(tài)和3D建MR出貨有望上發(fā)展和3D數(shù)字建MR的使用39064628390646284230585112388010000

2020

2021 2022AR/VR出貨量(萬臺) 游戲主機出貨量(PlaytioXbxSeriesSwic萬臺)圖:與游戲主機相比，VR游戲供給有限主機/PC游戲平臺 VR游戲平臺(小游戲為主)

4754

2583

4995

1870

355 276 139 970 PS4XboxOneSwitch

Vive

NOLO

YVRomdiaMR帶動消費電子投資機遇蘋果發(fā)布MMR的滲透和放量也會帶來消費電子相關零部件廠商的新一輪投資機遇。圖:蘋果VisionProBOM拆分 圖:MetaQuestProBOM拆分8%1%15%

1%8%

44%

29%3%

7%4%8% 2%

25%15%主板部分 屏幕部分 鏡片部分 聲學部分 傳感攝像頭 結構件 續(xù)航 其他數(shù)據(jù)來源:WellsennAI

主板部分 屏幕部分 鏡片部分 聲學部分 傳感攝像頭 結構件 續(xù)航 手柄 其他知知IU感知等；息進行分析做出決大腦對信決策智駕域控制器；動打方彎減執(zhí)行轉向等比如AI賦能智能駕駛，主要是賦能感知層和決策層。決策層通過AI圖:汽車及機器人層級控制框架傳感器傳感器環(huán)境環(huán)境 執(zhí)行器 硬件端

數(shù)據(jù)汽車目標特征提取和融合車輛位置定位動作軌跡規(guī)劃駕駛決策路徑規(guī)劃汽車目標特征提取和融合車輛位置定位動作軌跡規(guī)劃駕駛決策路徑規(guī)劃驅動/轉向/制動/機器人目標分割和特性提取末端定位和姿態(tài)平衡任務規(guī)劃動作軌跡規(guī)劃 軌跡平滑 端 懸架等系統(tǒng)調節(jié)旋轉/直線關節(jié)電機調決策感知執(zhí)行數(shù)據(jù)指令 軟件智能汽車產(chǎn)業(yè)發(fā)展的奇點即將到來我們認為智能汽車產(chǎn)業(yè)發(fā)展的奇點即將到來，智能車產(chǎn)業(yè)有望復制三年前電動化的發(fā)展浪潮。11法律法規(guī)積累管理經(jīng)驗。XNGPHUAWEIADS圖:汽車電動化和智能化發(fā)展新能源車滲透率 高階智駕滲透率汽車電動化發(fā)展奇點汽車智能化發(fā)展奇點汽車電動化發(fā)展奇點汽車智能化發(fā)展奇點25%20%15%10%5%0%

2015

2016 2017 2018 2019 2020 2021 2022 2023E2024E2025E4.4.2中國汽車產(chǎn)業(yè)鏈是智能化浪潮中最具備競爭力的產(chǎn)業(yè)鏈我們認為中國汽車產(chǎn)業(yè)鏈展望全球都是最具備競爭力的：20圖:NA功L2+/L車型將逐漸向中低價格帶滲透當前未來當前未來價格帶持續(xù)下降，智能車將平民化40-50萬30-40萬20-30萬10-20萬10萬以下0% 10% 20% 30% 40% 50%資料來源：景順長城基金圖:主流自研智駕車企與特斯拉的差距模型LiAR特斯拉華為小鵬理想蔚來地圖資質不需要車隊數(shù)據(jù)云端算力城市開放國內在建性價比FSD未入華4.4.3中國汽車產(chǎn)業(yè)鏈在智能化浪潮中醞釀巨大投資機會圖:主機廠L2+商業(yè)模式逐步清晰 圖:智能化零部件受益環(huán)節(jié)圖硬件降本減少或去掉激光雷達硬件降本減少或去掉激光雷達riri-級智駕版平價智駕版平價

流媒體后視鏡駕駛員監(jiān)測系統(tǒng)自動駕駛域控制器前向中距雷達<20萬車型加速滲透車聯(lián)網(wǎng)通訊模塊<20萬車型加速滲透探索軟件收費智駕助力賣車探索軟件收費智駕助力賣車

超聲波雷達

線控制動/轉向

前側向角雷達AI的突破是機器人進化的里程碑AIAI感知端，機器人使用攝像頭等一系列傳感器來感知環(huán)境，識別空間和物體。這已經(jīng)在智能駕駛汽車領域得到初步訓練。RT-2模型等訓練模型使機器人可以從網(wǎng)絡數(shù)據(jù)中學圖:谷歌RT-2在RT-1機器人數(shù)據(jù)的基礎上，增加了從互聯(lián)網(wǎng)學習的VLM預訓練模型，短時間內提升了Agent的泛化和涌現(xiàn)能力100%75%50%25%0%Google

理解符號VC1

RT-1

推理 識別人類-2/aLM-E-12B

平均成功率-2/aLI-55B智能機器人的落地節(jié)奏機器人應用場景將從2B到2C隨著AI圖:隨著可應用場景開放性增強，機器人的需求量級將成倍提升需求量級 工分揀打標

安防巡檢 協(xié)作生產(chǎn)/服

家居陪伴5000萬1000萬100萬50萬

配送和服務

執(zhí)行任務場景開放性和實現(xiàn)難度50萬-100萬-比亞迪生產(chǎn)人員約442210%滲透酒店配送機器人空間50假設機器人單價約3測算大約16萬臺需求1000中國15萬元以上汽車銷量占比約4830%201200萬臺人形機器人銷量。2-31-2圖:智能機器人價格下降、效率提升，人力成本上漲，產(chǎn)出和投入成本未來有望打平價格(萬美元)50 機器人初始價格機器人成本下降曲線

機器人產(chǎn)出價值和投入成本打平

機器人產(chǎn)出價值曲線SBuauofLabortitics

＞10 時間（年）圖:理想情況下，規(guī)模量產(chǎn)后人形機器人預估BOM下降空間70%以上-80%-80%-90%-50%-36%-37%關節(jié)總成 機身結構件 基帶板卡(含電池) 視覺和姿態(tài)感知(相機+IMU) 處理器資料來源：景順長城基金，綜合行業(yè)調研口徑游相關國產(chǎn)機床設備和材料的整體升級。國產(chǎn)機器人整機廠商也充滿機會，通過不斷探索新應用、新形態(tài)，有望享受機器人家族不斷壯大的紅利。圖:人形機器人主要零部件概覽關節(jié)總成行星滾柱絲杠無框(力矩)電機減速器空心杯電機模組力傳感器IMU編碼器驅動器相機處理器芯片單臺BOM競爭格局潛在盈利能力方案確定性）國產(chǎn)替代加速前行28AIAI這顆大樹5.1AI應用爆發(fā)的必要條件和先行指標算力投資是AI4/5GAI1,000AIAI地方政府主導投資的智算中心將貢獻增量的算力需求。圖：全球主要云廠商資本開支增速單位:億美元450單位:億美元4003503002502001501005019QI19QI19Q219Q319Q420QI21QI21Q221Q321Q422QI23QI

微軟 亞馬遜 谷歌 臉書 合計

50%40%30%20%10%0%-10%-20%注：亞馬遜未披露其資本開支結構，因其倉儲相關占比較大，統(tǒng)計中僅估算列示圖：全球主要云廠商云計算營收增速6005004003002001000

微軟 亞馬遜 谷歌 合

50%單位:億美元45%單位:億美元40%35%30%25%20%15%10%5%19QI19Q219QI19Q219Q319Q420QI20Q220Q320Q421QI21Q221Q321Q422QI22Q222Q322Q423QI23Q223Q3AI成為全球算力投資增長的核心驅AI2024AI服務器的市場規(guī)模將會增長到近千億美金，占到服務器市場的半壁江山。圖全球服務器22年出貨1500萬10年復合增速僅6% 計I:0%1600 服務器出貨萬） 18%120060%1400 15.7%16%14%100050%1200 11.6%1000 10.4%800 6.7%600 5.2%2.9% 3.3%400200 -1.3% -0.4%02013201420152016201720182019202020212022ID12%10%8%6%4%2%0%-2%-4%02022 全球AI服務器出貨金額(億美金)0%2024EAI服務器出貨金額占比A100具體估算。應用場景辦公助手代表應用微軟M365Copilot潛在用戶基數(shù)微軟全球有4億付費用戶搜索引擎微軟NewBing谷歌每天30億次搜索全網(wǎng)每分鐘產(chǎn)生視頻生成RunwayGen2~5000小時視球每年出貨智能駕駛特斯拉FSD800萬輛車~應用場景辦公助手代表應用微軟M365Copilot潛在用戶基數(shù)微軟全球有4億付費用戶搜索引擎微軟NewBing谷歌每天30億次搜索全網(wǎng)每分鐘產(chǎn)生視頻生成RunwayGen2~5000小時視球每年出貨智能駕駛特斯拉FSD800萬輛車~20200千萬張Orin芯片數(shù)百萬張A100芯片A0片大模型訓練辦公助手 搜索引擎 智能駕駛其他場景:文生圖、虛擬人、與終端設備結合······資料來源：景順長城基金注：推理側需求，為基于典型應用場景假設估算，遠期規(guī)模仍取決于AI滲透程度AI重塑價值分通訊/存儲部件配套升級AIAI將顯達到整體資本開支的70其中高性能算力芯片GPU占比達到71%。GPUHB為代表的存AI算力中心構成及各環(huán)節(jié)價值量拆分AI數(shù)據(jù)中心AI服務器

備服務器70%1%%CPU12%

其他31%

GPU71%

CPU芯片CPU芯片價值量2,166占比29%AI服務器(8*A100)價值量 占13,900 12%價值倍數(shù)6.4GPU芯片存儲芯片00%80,00071%-2,74536%11,42510%4.2網(wǎng)卡PCB1552%1,0001%6.53254%6501%2.0其他物料3004%1,2001%4.0139418%3,2173%2.3合計4957%1,4851%3.07,580100%112,877100%14.91316,00045.92023218.72024年這一數(shù)字有望擴容至8002032年整體市場規(guī)模將達到2,274.8億美250020001500

圖：全球AI芯片市場規(guī)模預測(億美金)10000

2274.88002274.8800168.6218.7

2023 2024E ..... ..... 2032EPeedeneesacASIC方案有望加速滲透GPU為此階段硬件端最優(yōu)ASIC方案滲透率有望預計到2025年云端訓練/推理端ASIC方案滲透率將分別為50%和40而邊緣側推理端ASIC方案滲透率則有望達到70%。圖ASIC在功耗/成本/專用性能具備優(yōu)勢 圖ASIC在云/邊側訓練端及邊側推理端中滲透率有望大幅提升(%)云端訓練云端推理邊端推理7050云端訓練云端推理邊端推理7050403010低功耗靈活性 低功耗性能 同構性

2017

2017

2025 2017 2025McKinseyAnalysi

ASIC GPU CPU Other20年處理器峰值算力提高近90,00030/端側存力升級將成為必然趨勢。未來AI服務器對S/DRAM的容量需求約為傳統(tǒng)服務器的2倍/4分別達到8TB和2.7T同時HBM憑24年HBM市場空間將達到96100假設為int4運算時的臨時變量需占用4.7GB8GB提升至12GB以上。圖云端訓練拉動服務器存儲大幅升級 圖:端側運行大模型對內存需求提升9000800070006000500040003000200010000

ServerDRAMContent

14X2X44.7X2X44.712.78108642ServerSSDContent 0傳統(tǒng)服務器(GB) AI服務器(GB)資料來源AIandMemoryalwin

主流內存配置 百億模型占用內存 內存容量需求2021年國內算力需求規(guī)模達到202EFOP圖:全球算力規(guī)模持續(xù)增長 圖:全球算力需求結構35003000250020000

33002168.233002168.21424.6936429615

2021

2022E

2023E

2024E

2025E

33%美國34%

歐洲14%日本5%其他14%全球算力總規(guī)模(EFLOPS)資料來源：信通院《中國算力發(fā)展指數(shù)白皮書》、景順長城基金近期針對GPU圖：不同產(chǎn)業(yè)鏈環(huán)節(jié)競爭格局及國產(chǎn)廠商份額Ⅱ-VI其他

旭創(chuàng)科技Lumentum

浪潮AMD其它英偉達AMD其它英偉達惠普Acacia

博通武漢光迅

文

IBM

三光模塊IDLightCountin

服務器 GPU5.3.2產(chǎn)業(yè)追趕：圍繞算力芯片，設計-制造-封裝全產(chǎn)業(yè)鏈加速成長圖:主要算力芯片性能參數(shù)對比(FP16)單位:TFLOPS/sNvidia單位:TFLOPS/sNvidiaH100910NvidiaA100NvidiaV1001號370910B2號100080060040020002017 2018 2019 2020 2021 2022 2023 2024資料來源：各公司官網(wǎng)、景順長城基金AI算力芯片通常采用10nm5產(chǎn)能對應資本開支2500020000150001000050000 90nm 65nm 45nm 28nm 20nm 16/14nm 10nm 7nm 5nm 3nm資料來源：臺積電，景順長城基金/圖：不同制程下單位晶體管制造成本43210

單位邏輯閘成本最小節(jié)點單位邏輯閘成本最小節(jié)點90nm 65nm 40nm 28nm 20nm 16/14nm 10nm 7nm資料來源：臺積電，景順長城基金Chiplets圖先進封裝帶來產(chǎn)業(yè)環(huán)節(jié)價值量提升 圖2.5/3D為先進封裝最快成長方向單位:億美元1600單位:億美元140012001000800600400200筆電CPU

服務器CPU AI訓練卡

02022 20282.5D/3D封裝 其他先進封裝 傳統(tǒng)封裝資料來源景順長城基金 資料來源ole,景順長城基金AI假如G-4解決了10%G-5將會解決15%以而AIAI也在加AIAI2024年將是AI終端創(chuàng)新與應用落地的元年產(chǎn)業(yè)周期將持續(xù)10年AI產(chǎn)業(yè)將呈36附錄部分：算力需求測算附錄(1)訓練側算力需求匡算23年訓練算力需求約180萬張等效A100卡，具體測算如下表。全球累計大模型訓練計算量(EFLOPs)①類GPT3/GPT3.5大模型大模型研發(fā)廠商個數(shù)同時訓練模型數(shù)目平均模型參數(shù)規(guī)模（億個)平均訓練Token數(shù)量(億個)模型訓練所需總計算量(EFLOPs)②類GPT4大模型大模型研發(fā)廠商個數(shù)同時訓練模型數(shù)目平均模型參數(shù)規(guī)模（億個）平均訓練Token數(shù)量(億個)模型訓練所需總計算量(EFLOPs)單次訓練所需時間(天)算力利用效率A100SXMFP32算力(TFLOPS)A100需求總量(萬張，只用A100)H100SXMFP32算力(TFLOPS)H100需求總量(萬張，只用H100)

2023E2.57E+08303200030003.24E+075115000500002.25E+08303