2024 AI行業(yè)關(guān)鍵時(shí)刻：瓶頸與機(jī)遇并存

報(bào)告摘要：2025年，Al將迎來模型與應(yīng)用的雙向奔赴：-模型側(cè)，模型將朝大小模型互補(bǔ)的方向演進(jìn)，聚焦增強(qiáng)推理能力以突破當(dāng)前的ScalingLaw瓶頸。大型預(yù)訓(xùn)練市場(chǎng)逐漸收斂，由OpenAI、Meta的Llama、Mistral、阿里通義等主導(dǎo)，更多中小廠商則專注于特定任務(wù)的微調(diào)與Agent業(yè)務(wù)。新興技術(shù)路徑如測(cè)試時(shí)訓(xùn)練、合成數(shù)據(jù)應(yīng)用及感知量化訓(xùn)練將推動(dòng)模型能力提升，而多模態(tài)融合模型在實(shí)時(shí)交互、音頻與視覺生成領(lǐng)域展現(xiàn)出巨大潛力。-應(yīng)用側(cè)，滲透率持續(xù)快速上升，ChatGPT活躍度持續(xù)攀升，視頻生成模型如Runway和可靈國際版表現(xiàn)穩(wěn)定。我們持續(xù)看好如下應(yīng)用方向：1)Al程序員在企業(yè)中得到廣泛應(yīng)用，顯著提升開發(fā)效率；2)數(shù)據(jù)重要性大幅提升推動(dòng)SaaS平臺(tái)如Snowflake、Datadog和Databricks等業(yè)務(wù)高速增長；3)通用SaaS平臺(tái)如ServiceNow和Salesforce受益于大企業(yè)AI投入增加；4)Al搜索有望在2025年誕生超級(jí)APP;5)Al眼鏡作為綜合體驗(yàn)最好的Al硬件新形態(tài)，預(yù)計(jì)將在2025年迎來大規(guī)模出貨。-算力系統(tǒng)，雖然英偉達(dá)最新的Blackwel1架構(gòu)算力芯片仍在云端具備絕對(duì)統(tǒng)治力，但是隨著系統(tǒng)復(fù)雜性的快速提升以及核心技術(shù)及零部件供給瓶頸，硬件迭代速度可能在未來趨緩。這將給AMD等競(jìng)爭對(duì)手以及云廠商自研芯片帶來更多的發(fā)展機(jī)會(huì)。-電力基礎(chǔ)設(shè)施，隨著單數(shù)據(jù)中心規(guī)模的不斷擴(kuò)大，局部供電壓力激增。獨(dú)立于傳統(tǒng)居民/工業(yè)電網(wǎng)的核電站成為潛在最優(yōu)解決方案。美國幾大云廠亞馬遜、谷歌、微軟都在積極尋求核電解決方案。核電的落地速度成為制約Al進(jìn)一步發(fā)展的重要因素。-端側(cè)Al,隨著模型小型化趨勢(shì)及應(yīng)用場(chǎng)景的快速豐富，我們預(yù)計(jì)端側(cè)Al在2025年也將迎來大發(fā)展。在硬件、軟件、生態(tài)、云等所有環(huán)節(jié)都可控并有所參與的手機(jī)廠商更容易成功，其中蘋果、谷歌更為完整。蘋果在硬件、軟件、生態(tài)環(huán)境、云服務(wù)上具備極強(qiáng)競(jìng)爭力。谷歌有原生安卓支持、Gemini強(qiáng)大的模型能力，但在硬件上自有品牌Pixel滲透率低，更多需要依賴三星端側(cè)硬件拓展用戶。-AIPC領(lǐng)域：1)未來X86筆電市場(chǎng)競(jìng)爭將會(huì)更為激烈，英特爾和AMD產(chǎn)品在性能、續(xù)航、適配性、生態(tài)方面各有千秋。2)X86臺(tái)式機(jī)領(lǐng)域，由于功耗的重要性大幅降低，AMD有望依靠更出色的CPU性能提升市占率；3)AIPC的滲透，重點(diǎn)看ARM芯片。蘋果的優(yōu)勢(shì)最明顯，高通XElite短時(shí)間內(nèi)很難與蘋果競(jìng)爭ARM架構(gòu)Al筆電的市場(chǎng)。未來英偉達(dá)&聯(lián)發(fā)科合作研發(fā)的處理器也會(huì)帶來更多看點(diǎn)。ARM架構(gòu)芯片的成熟有望推動(dòng)ows操作系統(tǒng)向更適合Al的方向進(jìn)化。芯片制程發(fā)展與良率不及預(yù)期中美科技領(lǐng)域政策惡化智能手機(jī)、PC銷量不及預(yù)期行業(yè)深度研究(深度)內(nèi)容目錄 3 3 31.3方向二：測(cè)試時(shí)訓(xùn)練 51.4方向三：合成數(shù)據(jù) 61.5方向四：模型量化逐漸失效 71.6方向五：多模態(tài)融合模型發(fā)展空間大 7二、Al應(yīng)用滲透率持續(xù)增長，落地場(chǎng)景多點(diǎn)開花 92.1Al應(yīng)用活躍度持續(xù)增長，應(yīng)用場(chǎng)景得到認(rèn)可，進(jìn)入快速獲客期 92.2Al程序員是確定性的強(qiáng)需求 2.3Al搜索是25年最有希望誕生超級(jí)APP的賽道 2.4Al為通用型和數(shù)據(jù)類SaaS平臺(tái)打開增長空間 2.5Al眼鏡是Al應(yīng)用落地的最佳硬件，25年將迎來發(fā)布潮和出貨量大增 3.1人工智能算力系統(tǒng)面臨諸多挑戰(zhàn) 3.2單卡算力升級(jí)速率落后于模型迭代速率，Blackwell延后預(yù)示系統(tǒng)摩爾進(jìn)一步降速 3.3數(shù)據(jù)中心電力消耗呈指數(shù)級(jí)增長，核電或成最優(yōu)解決方案 四、大模型推理服務(wù)大規(guī)模部署，如何影響硬件市場(chǎng)? 4.1大模型性能提升，推動(dòng)推理算力需求加速增長 4.2服務(wù)器推理：內(nèi)存墻難破，HBM容量仍為競(jìng)爭要點(diǎn) 4.3端側(cè)推理：單用戶推理導(dǎo)致內(nèi)存端高成本，端云結(jié)合將是未來趨勢(shì) 21 5.1Al手機(jī)焦點(diǎn)在于旗艦機(jī) 5.2AlPC的競(jìng)爭將會(huì)越發(fā)激烈 265.3Al設(shè)備產(chǎn)業(yè)鏈隨著Al加入將迎來更新?lián)Q代 6.1智能駕駛：模塊化方案與端到端方案之爭 6.2具身智能想要放量需要更實(shí)用的場(chǎng)景及更低的價(jià)格 風(fēng)險(xiǎn)提醒 22行業(yè)深度研究(深度)2024年大模型廠商推出模型的速度仍在加快，大模型與小模型共存仍是解決模型能力上限和端側(cè)推理的方案，各大模型廠商也會(huì)推出幾B到TB級(jí)別的模型。隨著大型模型訓(xùn)練成本的不斷提升，且有更多像Meta、Mixtral、阿里通義等公司的開源，模型預(yù)訓(xùn)練市場(chǎng)的玩家會(huì)快速縮小，針對(duì)特定任務(wù)的微調(diào)或者是Agent業(yè)務(wù)將會(huì)是更多中小模型廠商發(fā)展的重點(diǎn)。在當(dāng)前算力和數(shù)據(jù)ScalingLaw放緩的情況下，找到新的ScalingLaw方向是明年模型發(fā)展的重點(diǎn)。1.1預(yù)訓(xùn)練和現(xiàn)實(shí)數(shù)據(jù)觸頂，后訓(xùn)練時(shí)代將開啟新的ScalingLaw方向從24年年初開始有論文提出模型能力提升速度隨著參數(shù)規(guī)模的擴(kuò)大而放緩，到11月份OpenAl前首席科學(xué)家Ilya在公開場(chǎng)合表示簡單地增加數(shù)據(jù)和計(jì)算能力來擴(kuò)大當(dāng)前模型規(guī)模的時(shí)代已經(jīng)結(jié)束。但是，預(yù)訓(xùn)練的scalinglaw放緩不代表大模型發(fā)展速度和算力需求的放緩，就像是芯片gate的實(shí)際尺寸停滯在20nm并不影響等效gate密度達(dá)到目前的3nm,廣義的摩爾定律甚至比20年前更快，大模型也需要找到具有更高的投入回報(bào)比的新1.2方向一：用推理代替思考OpenAl于2024年9月12日發(fā)布了新的Al模型系列o1,這是OpenAl首個(gè)具有"邏輯推理"能力的模型系列，特別擅長處理復(fù)雜的推理任務(wù)，尤其是在科學(xué)、技術(shù)、工程和數(shù)學(xué)(STEM)領(lǐng)域的問題，在這些領(lǐng)域其評(píng)測(cè)分?jǐn)?shù)都遠(yuǎn)遠(yuǎn)超過GPT-4o。o1模型將計(jì)算資源從大規(guī)模預(yù)訓(xùn)練數(shù)據(jù)集重新分配到訓(xùn)練和推理階段，增強(qiáng)了復(fù)雜推理能力，在費(fèi)用和成本上也進(jìn)行了重分配，使用o1-preview的API相比于GPT-4o輸入tokens價(jià)格是GPT-4o的5倍(每百萬tokens$15.00:$3.00),輸出tokens差距o1-preview的價(jià)格是GPT-4o的6倍(每百萬tokens$60.00:$10.00)。accuracyaccuracyo101CompetitionCode(Codeforces)60-ogpt4oPhD-LevelScienceQuestionsaccuracyaccuracypreviewhuman33行業(yè)深度研究(深度)圖表2:阿里通義Macro-01模型的原理Prompt:HowPrompt:Howmany'r'instrawberry?1.Determinethenumbe"strawberry"First,Iwillcounttheoccurrencesofthelett"strawberry"bygoingthrougheachcha-Thethirdletteris'r,thisisthefirstoccurrenceof'r.-Thefourthletteris-TheeighthletterisSo,therearethree'r'sintheword"strawberrTheword"strawberry"contains3instancesoftheletter'theletter'r'appearsexactlythreetimes.ThisconfiPrompt)234來源：Macro-o1論文、國金證券研究所在OpenAl發(fā)布o(jì)1之后，其他大模型公司包括國內(nèi)的Deepseek和阿里通義也發(fā)布了類似通過增強(qiáng)推理階段的計(jì)算資源來提高能力的模型，并且開始有論文揭露底層技術(shù)。阿里發(fā)布的Marco-01由思維鏈(CoT)微調(diào)、蒙特卡洛樹搜索(MCTS)、自反機(jī)制和創(chuàng)新性推理策略驅(qū)動(dòng)，專門針對(duì)復(fù)雜的現(xiàn)實(shí)世界問題解決任務(wù)進(jìn)行了優(yōu)化。同時(shí)，阿里在Open-o1數(shù)據(jù)集的基礎(chǔ)上進(jìn)行了篩選，并且使用合成數(shù)據(jù)方法合成了一個(gè)新的Macro-o1數(shù)據(jù)庫，用來監(jiān)督微調(diào)。最終，在應(yīng)用了蒙特卡洛樹微調(diào)后，模型在評(píng)測(cè)上實(shí)現(xiàn)了大幅超過了基底模型Qwen2-7B的成績。圖表3:阿里通義Macro-01模型測(cè)試成績大幅領(lǐng)先基底模型MGSMBenchmark(English)ModelModelAccuracyAccuracy來源：Macro-o1論文、國金證券研究所表現(xiàn)與o1相當(dāng)或更優(yōu)，但是仍未公布論文和技術(shù)詳細(xì)信息。44行業(yè)深度研究(深度)V2.5AIME(pass@1)美國數(shù)學(xué)競(jìng)賽MATH-500美國數(shù)學(xué)競(jìng)賽理工科博士生測(cè)試Codeforces世界級(jí)編程競(jìng)賽LiveCodeBench世界級(jí)編程競(jìng)賽自然語言解謎1.3方向二：測(cè)試時(shí)訓(xùn)練測(cè)試時(shí)訓(xùn)練(Test-TimeTraining)是24年11月份由MIT提出的另一條實(shí)現(xiàn)大模型ScalingLaw的路線，這是一種在推理過程中根據(jù)測(cè)試輸入動(dòng)態(tài)更新模型參數(shù)的技術(shù)。它不同于標(biāo)準(zhǔn)的微調(diào)，因?yàn)樗跇O低數(shù)據(jù)的情況下運(yùn)行，通常對(duì)單個(gè)輸入或一兩個(gè)上下文中的標(biāo)記示例使用無監(jiān)督或監(jiān)督目標(biāo)。相當(dāng)于對(duì)推理過程中的數(shù)據(jù)進(jìn)行調(diào)整后合成測(cè)試時(shí)訓(xùn)練數(shù)據(jù)用來更新模型的參數(shù)，這種方法對(duì)抽象推理的問題效果較好，MIT團(tuán)隊(duì)在Llama3數(shù)的語言模型上應(yīng)用TTT,在ARC公共驗(yàn)證集上實(shí)現(xiàn)了45%的準(zhǔn)確率，比8B基礎(chǔ)模型提高了近157%。但是該方法仍在初期試驗(yàn)階段，對(duì)計(jì)算資源要求也很高，所以論文的評(píng)估主要在ARC公共驗(yàn)證集的一個(gè)子集上進(jìn)行，并沒有提交到官方排行榜。55行業(yè)深度研究(深度)圖表5:測(cè)試時(shí)訓(xùn)練(TTT)合成數(shù)據(jù)的原理AccuracyAccuracyTrainingDatayoy?y?Horizontal?y?yoVerticaly?Yoy?Step-1:Step-2:Leave-one-outTasksRuleBasedAugmentationsyoy?y?x3來源：Test-TimeTraining論文、國金證券研究所1.4方向三：合成數(shù)據(jù)合成數(shù)據(jù)在LLM開發(fā)中的應(yīng)用正在迅速擴(kuò)大，從預(yù)訓(xùn)練到微調(diào)階段都發(fā)揮著重要作用。它的模型訓(xùn)練和Alignment項(xiàng)目大量使用合成數(shù)據(jù)；Anthropic公司在Claude系列模型中采用了ConstitutionalAl(CAI)方法，通過合成數(shù)據(jù)顯著提升了模型的穩(wěn)健性，使得Claude模型能夠更準(zhǔn)確地識(shí)別和拒絕回答不確定的問題；阿里通義的Qwen系列則采取了一種獨(dú)特的方法，利用早期版本的Qwen模型來生成合成數(shù)據(jù)，用于增強(qiáng)預(yù)訓(xùn)練數(shù)據(jù)集的質(zhì)量，同時(shí)在訓(xùn)練過程中創(chuàng)新性地使用合成數(shù)據(jù)生成多個(gè)候選響應(yīng)，再通過獎(jiǎng)勵(lì)模型篩選出最優(yōu)答案；Apple的AFM模型也在這一領(lǐng)域做出了重要嘗試，特別是在預(yù)訓(xùn)練階段使用合成數(shù)據(jù)來延長上下文長度，并且特別關(guān)注數(shù)學(xué)和代碼任務(wù)相關(guān)的高質(zhì)量合成數(shù)據(jù)生成。forAIToday'sAIS202020302020Source:Gartner來源：Gartner、國金證券研究所據(jù)Gartner預(yù)測(cè)，到2030年，合成數(shù)據(jù)將在Al模型中完全超過真實(shí)數(shù)據(jù)的使用，而合成數(shù)據(jù)的生成過程需要消耗大量計(jì)算資源。以使用OpenAl的模型為例，使用GPT-4生成十萬個(gè)JSON合成數(shù)據(jù)元素預(yù)計(jì)成本高達(dá)506美元，隨著現(xiàn)實(shí)世界數(shù)據(jù)被逐漸發(fā)掘用盡，合成數(shù)據(jù)消耗的推理資源會(huì)快速上升。66行業(yè)深度研究(深度)1.5方向四：模型量化逐漸失效量化是把模型里的數(shù)字用更少的位數(shù)表示，比如用整數(shù)代替小數(shù)，這樣計(jì)算更快，占用的空間也更小。在模型推理時(shí)使用量化后的模型是主流的節(jié)約推理成本的方法，但是在24年11月，哈佛和斯坦福大學(xué)等頂尖學(xué)府學(xué)者發(fā)布的《ScalingLawsforPrecision》引起了大模型行業(yè)科學(xué)家的廣泛討論，研究發(fā)現(xiàn)在預(yù)訓(xùn)練階段使用更低精度的參數(shù)會(huì)會(huì)降低模型的有效參數(shù)數(shù)量，而推理量化后的模型的性能下降會(huì)隨著模型訓(xùn)練數(shù)據(jù)量的增加而增加，意味著數(shù)據(jù)太多反而對(duì)推理低精度模型有負(fù)面影響。論文還提出了感知量化訓(xùn)練技術(shù)，是一種有效的模型量化技術(shù)，模型仍然使用高精度(例如FP32或BF16)進(jìn)行訓(xùn)練，但在每次前向和反向傳播過程中，都會(huì)模擬低精度量化的操作，感知到降低哪些部分的參數(shù)精度對(duì)模型效果的影響較小，可以在保持較高推理性能的同時(shí)降低模型的計(jì)算和存儲(chǔ)成本。圖表7:訓(xùn)練后量化和訓(xùn)練時(shí)量化效果對(duì)比MorepretrainingcomputeWorseatinferencetimeTraininglargermodelsinlower(1.76B)(1.17B)(880M)(440M)TrainingPrecision(Mo來源：ScalingLawsforPrecision、國金證券研究所1.6方向五：多模態(tài)融合模型發(fā)展空間大盡管各大廠商如Meta和阿里巴巴積極布局多模態(tài)大模型領(lǐng)域，分別推出了Llama3.2系列(包括其首個(gè)大型多模態(tài)模型)以及通義Qwen-VL升級(jí)版(Qwen-VL-Plus和Qwen-VL-Max),在圖像推理等能力上取得了顯著進(jìn)展，但在整體架構(gòu)設(shè)計(jì)、性能效果以及支持的模態(tài)數(shù)量等方面，相較于OpenAl推出的GPT-4o仍存在明顯差距，比如Llama3.2仍然是將音頻模型疊加到大語言模型上獲得的多模態(tài)能力，而GPT-4o具備的以下能力仍然是多模態(tài)模型的標(biāo)桿：1.多模態(tài)理解與生成：支持文本、圖像、音頻、視頻理解，文本、圖像、音頻生成2.統(tǒng)一模型：使用單一神經(jīng)網(wǎng)絡(luò)處理所有模態(tài)，而非多個(gè)獨(dú)立模型的管道3.端到端訓(xùn)練：跨文本、視覺和音頻進(jìn)行端到端的聯(lián)合訓(xùn)練4.實(shí)時(shí)交互：音頻輸入響應(yīng)時(shí)間平均為320毫秒，接近人類對(duì)話反應(yīng)速度，支持近實(shí)時(shí)的語音對(duì)話和翻譯77來源：OpenAI、國金證券研究所多模態(tài)模型的發(fā)展可以給予Al應(yīng)用和Al硬件的落地更大的想象空間，比如可以根據(jù)上下文來理解和生成不同語氣語調(diào)的音頻；使用語音直接進(jìn)行圖片編輯；在Al硬件上直接進(jìn)行實(shí)時(shí)對(duì)話，將看到或者聽到的內(nèi)容實(shí)時(shí)翻譯成另一種語言；實(shí)時(shí)逐步的對(duì)眼前的題目進(jìn)行解答等。行業(yè)深度研究(深度)2.1Al應(yīng)用活躍度持續(xù)增長，應(yīng)用場(chǎng)景得到認(rèn)可，進(jìn)入快速獲客期從Al應(yīng)用的日活躍度數(shù)據(jù)看，ChatGPT活躍度持續(xù)增長，其他Al聊天助手應(yīng)用也保持增長態(tài)勢(shì)，Al應(yīng)用滲透率不斷提升。從國內(nèi)市場(chǎng)看，頭部應(yīng)用如Kimi、文心一言、通義千問、豆包等的活躍度也在不斷提高，Al聊天助手應(yīng)用場(chǎng)景得到用戶認(rèn)可，進(jìn)入快速獲客期。圖表9:聊天助手類應(yīng)用周均日活變化2024-11-17-2024-11-23+5.5%WoW2024-11-17-2024-11-23-1.6%WoW2024-11-17-2024-11-23+7.3%WoW2024-11-17-2024-11-23+37.2%WoW2024-11-17-2024-11-23+6.0%WoW文心一言訪問量2024-11-17-2024-11-23+6.5%WoW躍問(階躍星辰)訪問量2024-11-17-2024-11-23-15.7%WoWChatGLM訪問量2024-11-17-2024-11-23+9.5%WoW2024-11-17-2024-11-23+5.5%WoWKimiChat訪問量2024-11-17-2024-11-23+8.7%WoW字節(jié)豆包訪問量2024-11-17-2024-11-23+9.7%WoW2024-11-17-2024-11-23+2.5%WoW視頻模型在快速發(fā)展階段，閉源模型如Runway和可靈的活躍度較為穩(wěn)定，新發(fā)模型對(duì)應(yīng)用活躍度仍然有較大的提升。快手的可靈國際版實(shí)現(xiàn)了AI模型出海，屬于現(xiàn)在可用模型和Mochi1。視頻模型對(duì)算力需求的提升符合我們的預(yù)期，比如未量化版本的Mochi需要4個(gè)H100才能進(jìn)行推理。99行業(yè)深度研究(深度)圖表10:視頻生成類應(yīng)用周均日活變化2024-11-17-2024-11-232024-11-17-2024-11-232024-11-17-2024-11-23-0.4%WoW-25.0%WoW-0.4%WoW字節(jié)即夢(mèng)訪問量VEED訪問量2024-11-17-2024-11-232024-11-17-2024-11-232024-11-17-2024-11-23+6.2%WoW-8.4%WoW+3.2%WoW可靈網(wǎng)頁版訪問量可靈海外版訪問量2024-11-17-2024-11-232024-11-17-2024-11-232024-11-17-2024-11-23+3.6%WoW+24.1%WoW音樂和音頻模型應(yīng)用的市場(chǎng)空間仍有局限，部分新應(yīng)用曇花一現(xiàn)，在爆發(fā)增長后用戶沒有留存，活躍度持續(xù)下滑如語音合成應(yīng)用Murf和音樂生成應(yīng)用Udio。但是部分應(yīng)用如音樂生成應(yīng)用Suno和語音視頻融合應(yīng)用Heygen的活躍度較為穩(wěn)定，用戶留存率較高。隨著多模態(tài)模型的發(fā)展，音樂和音頻應(yīng)用的市場(chǎng)空間會(huì)被進(jìn)一步壓縮，創(chuàng)意和易用性是這類應(yīng)用發(fā)展和生存的關(guān)鍵。圖表11:音樂和音頻模型應(yīng)用周均日活變化:2024-11-17-2024-11-232024-11-17-2024-11-232024-11-17-2024-11-23-9.8%WoW+4.5%WoW2024-11-17-2024-11-232024-11-17-2024-11-232024-11-17-2024-11-23+13.9%WoW-0.4%WoW-3.6%WoW2024-11-17-2024-11-23-8.8%WoW2.2AI程序員是確定性的強(qiáng)需求■■WithoutgenerativeAl■WithgenerativeAl<1020-3045-5040200CodedocumentationCodegenera35-45來源：麥肯錫、國金證券研究所行業(yè)深度研究(深度)Al代碼生成已經(jīng)從概念驗(yàn)證階段進(jìn)入企業(yè)實(shí)際應(yīng)用階段，并在提升研發(fā)效率方面展現(xiàn)出明顯價(jià)值。根據(jù)麥肯錫的調(diào)查，使用生成式Al進(jìn)行代碼文檔編寫時(shí)，可以節(jié)省約45%到50%的時(shí)間；在代碼生成任務(wù)中，節(jié)省時(shí)間在35%到45%之間；而代碼重構(gòu)的時(shí)間節(jié)省幅度較小，為20%到30%。對(duì)于高復(fù)雜性任務(wù)，生成式Al的效果最弱，時(shí)間節(jié)省不足10%。整體來看，生成式Al在較簡單的任務(wù)上表現(xiàn)出顯著的效率提升，而在處理復(fù)雜任務(wù)時(shí)，優(yōu)勢(shì)相對(duì)較小。從海內(nèi)外科技公司來看，AI程序員的滲透率也在不斷提升，Google在財(cái)報(bào)會(huì)上公布，目前超過25%的新代碼是由Al輔助生成的，使用Al工具的開發(fā)者在軟件開發(fā)任務(wù)上的效率提升了21%。Meta內(nèi)部廣泛部署的CodeCompose工具為數(shù)萬名開發(fā)者提供代碼建議和片段，其建議的接受率達(dá)到22%,約8%的代碼來自于這些建議的采納。在中國市場(chǎng)，阿里巴巴的通義靈碼(TongyiLingma)工具獲得了20%的采用率，顯著提升了開發(fā)效率，特別在測(cè)試代碼實(shí)施方面減少了超過70%的工作量。百度的智能代碼助手Comate(基于文心一言大模型)更是貢獻(xiàn)了該公司27%的日常新增代碼。在大模型上加入搜索功能，可以豐富模型的知識(shí)庫，緩解模型無法獲取新知識(shí)和幻覺問題的出現(xiàn)，是最有希望誕生超級(jí)APP的賽道。Perplexity作為主打Al搜索的應(yīng)用，活躍度數(shù)據(jù)再不斷提升，同時(shí)ChatGPT推出的Search功能助力其活躍度再創(chuàng)新高，說明Al搜索市場(chǎng)仍在快速發(fā)展期。Google作為傳統(tǒng)搜索引擎廠商，也在搜索中加入了AlOverview,對(duì)搜索結(jié)果進(jìn)行總結(jié)，同時(shí)在AIStudio中也提供了Al搜索功能，其日活躍度目前還未受到負(fù)面影響，但Al搜索工具都在積極替代瀏覽器默認(rèn)搜索引擎，我們認(rèn)為隨著Al搜索滲透率提高，傳統(tǒng)搜索引擎廠商會(huì)受到更嚴(yán)峻的挑戰(zhàn)。提升和商業(yè)成功的關(guān)鍵。數(shù)據(jù)的管理與安全SaaS平臺(tái)業(yè)務(wù)迎來高速增長期。例如，Snowflake產(chǎn)品收入達(dá)到9.003億美元，同比增長29%,產(chǎn)品收入超過100萬美元的客戶相比上一季度的510個(gè)增加到542個(gè)，同樣保持著高增長的還有Datadog和還未上市的Databricks。除了數(shù)據(jù)類SaaS平臺(tái)，通用類HorizontalSaaS平臺(tái)如ServiceNow、NowAssist和GenerativeAlContr人工智能技術(shù)。ApplicationApplicationKLAVIYOEQ\*jc3\*hps97\o\al(\s\up11(vent),SSe)EQ\*jc3\*hps97\o\al(\s\up11(b),g)EQ\*jc3\*hps97\o\al(\s\up11(rite),men)MailChimpConvertKity?TMINDBODYêdripPROCOREMiddlewarePLAIDAuthOSquareproject44MessageBirddataikuAzureattentivemongoDBODigitalOceanCLOUDFLAREshopifyINTERCOMAppDirectServiceTitanDATADOG來源：OpenView、國金證券研究所方案，這種創(chuàng)新能力幫助企業(yè)在競(jìng)爭激烈的市場(chǎng)中保持領(lǐng)先地位，并通過提供更具的產(chǎn)品來擴(kuò)大市場(chǎng)份額。對(duì)于細(xì)分領(lǐng)域定制化的VerticalSaaS,我們認(rèn)為機(jī)會(huì)會(huì)遠(yuǎn)小于通用型SaaS,垂類SaaS應(yīng)用本身市場(chǎng)空間有限，并且隨著AlAgent的成熟，其業(yè)務(wù)會(huì)行業(yè)深度研究(深度)2)創(chuàng)新型消費(fèi)電子產(chǎn)品，如AlPin、RabbitR1等；3)眼鏡形態(tài)的Al硬件。Al賦能傳統(tǒng)消費(fèi)電子，基于現(xiàn)有的成熟硬件，推動(dòng)傳統(tǒng)硬件Al化，繼承傳統(tǒng)硬件原有的生態(tài)，有助于Al應(yīng)用落地。對(duì)于創(chuàng)新型產(chǎn)品，可以探索新的硬件形態(tài)，想象力豐富，但需要市場(chǎng)和消費(fèi)者的驗(yàn)證，無論是基于傳統(tǒng)的消費(fèi)品嵌入電子硬件，還是針對(duì)Al應(yīng)用構(gòu)建Al專用硬件，對(duì)于用戶的使用習(xí)慣、接受程度都是一個(gè)很大的挑戰(zhàn)。FriendLimitlessAIPin來源：Friend、Limitless、Rabbit、AlPin官網(wǎng)、國金證券研究所AI眼鏡只具備音頻功能的棱鏡光波導(dǎo)來源：國金證券研究所從輸入輸出方式上看，眼鏡是最靠近人體三大重要感官的穿戴設(shè)備：嘴巴、耳朵和眼睛。嘴巴是語言輸出器官、耳朵是語言接受的器官、眼睛則是人類最重要的信息攝入器官，人類80%的信息來源于視覺。眼鏡是人類穿戴設(shè)備和電子設(shè)備中最靠近這三大感官的群體，是Al最好的硬件載體，可以非常直接和自然的實(shí)現(xiàn)聲音、語言、視覺的輸入和輸出。目前具備顯示功能的眼鏡重量仍然會(huì)遠(yuǎn)遠(yuǎn)超過日常佩戴的眼鏡，但是只具備視覺和音頻的眼鏡已經(jīng)可以做到接近日常佩戴眼鏡的重量。并且目前大模型發(fā)展的方向也是多模態(tài)和實(shí)時(shí)性，作為聊天助手返回的內(nèi)容主要還是文本，但是可以理解圖片、視頻、音頻，只具備視覺和音頻的眼鏡提供的交互方式契合大模型的使用方式，為目前Al應(yīng)用最好的載體。行業(yè)深度研究(深度)SpeakersSpeakers&MicsAIButtonActivateAlIndicatorDigitalCrownTwistorpresstocontrolmediaplay13MP,1080pvideo,4kDimentions5.9×6.3×2inches(15×16×5cm)38.7gConnectivity來源：Meta、Rokid、LookTech官網(wǎng)、國金證券研究所從具體產(chǎn)品看，Meta與Rayban聯(lián)名推出的眼鏡在2024年4月開放MetaAl功能有已經(jīng)有放量的趨勢(shì)，到2024年Q2有約80萬的出貨量。國內(nèi)廠商也在積極布局類似形態(tài)的Al眼鏡，2025年將進(jìn)入Al眼鏡大量出貨元年，并且隨著光波導(dǎo)技術(shù)的成熟和模型多模態(tài)和實(shí)時(shí)性能力的進(jìn)步，Al眼鏡會(huì)有更好的體驗(yàn)。我們預(yù)計(jì)明年率先大量出貨的仍是不具備顯示功能的類MetaRayban形態(tài)眼鏡，隨著光波導(dǎo)中光機(jī)和波導(dǎo)片成本的下降和體積的縮小，后年具備顯示功能的Al眼鏡有大量出貨的機(jī)會(huì)。圖表17:MetaRayban季度出貨量(臺(tái))450,000450,000400,000350,000300,000250,000200,00050.0000來源：IDC、國金數(shù)字未來實(shí)驗(yàn)室、國金證券研究所行業(yè)深度研究(深度)3.1人工智能算力系統(tǒng)面臨諸多挑戰(zhàn)隨著人工智能的發(fā)展，模型的規(guī)模和復(fù)雜性呈現(xiàn)出指數(shù)級(jí)增長，自2012年AlexNet問世以來，算力需求迅速攀升。AlexNet作為深度學(xué)習(xí)在計(jì)算機(jī)視覺領(lǐng)域的開創(chuàng)性成果，訓(xùn)練時(shí)依賴于兩塊NVIDIAGTX580GPU,耗費(fèi)約470petaFLOP,標(biāo)志著深度學(xué)習(xí)時(shí)代的來臨。而此后模型的擴(kuò)展速度令人矚目：2020年推出的GPT-3模型擁有1750億參數(shù)，訓(xùn)練消耗約3.14x10?petaFLOP,GPT-4進(jìn)一步升級(jí)至1.8萬億參數(shù)，依賴25000個(gè)A100GPU,計(jì)算需求達(dá)2.1x101°petaFLOP,耗時(shí)90至100天，硬件與能源的需求達(dá)到新高度。在最新的超大規(guī)模模型—GeminiUltra上，算力要求再度躍升至5x101°petaFLOP。谷歌為此部署了大量TPUv4和TPUv5e加速器，以應(yīng)對(duì)計(jì)算需求和硬件挑戰(zhàn)。GeminiUltra的訓(xùn)練使用了多個(gè)數(shù)據(jù)中心中跨集群的TPUv4加速器，配置在4096個(gè)芯片組成的SuperPod中。每個(gè)SuperPod通過高速互聯(lián)進(jìn)行數(shù)據(jù)通信，并利用專用光開關(guān)在大約10秒內(nèi)動(dòng)態(tài)重配置為3D環(huán)面拓?fù)洹?Publicationdate隨著超大規(guī)模模型對(duì)硬件資源的需求不斷增加，系統(tǒng)故間成比例下降。谷歌通過減少搶占和重新規(guī)劃的比率盡量減少硬件故障的影響，但在如此規(guī)模的硬件部署中，故障不可避免。GeminiUltra的計(jì)算復(fù)雜性推動(dòng)了多模態(tài)Al架構(gòu)和大規(guī)模硬件集群的極限，盡管當(dāng)前的硬件性能接近瓶頸，但要滿足這種龐大模型的訓(xùn)練需求仍需數(shù)月的時(shí)間和大量的能源投入。然而，單卡算力、互聯(lián)性能和能源供應(yīng)的發(fā)展速度已逐漸趨緩。即便硬件性能逐年提升，將面臨這些硬件和能源限制的制約，解決這些關(guān)鍵短板將成為Al系統(tǒng)持續(xù)迭代和優(yōu)化的核心挑戰(zhàn)。3.2單卡算力升級(jí)速率落后于模型迭代速率，Blackwell延后預(yù)示系統(tǒng)摩爾進(jìn)一步降速在我們之前的報(bào)告中，我們已經(jīng)指出，當(dāng)前基于傳統(tǒng)摩爾定律的發(fā)展速度(即單芯片晶體管數(shù)量的擴(kuò)展速度)已經(jīng)遠(yuǎn)遠(yuǎn)落后于人工智能模型對(duì)于算力的需求。最新的EpochAl數(shù)據(jù)表明，當(dāng)前一些知名模型的訓(xùn)練所需算力僅需據(jù)進(jìn)行了更深入的分析后發(fā)現(xiàn)，如今更為主流的多模態(tài)大模型(例如GeminiUItra和GPT-4)在算力需求方面的增長趨勢(shì)更為陡峭。這些模型的算力需求翻倍時(shí)間已經(jīng)縮短到不到六個(gè)月。與此形成鮮明對(duì)比的是，傳統(tǒng)摩爾定律所定義的晶體管數(shù)量翻倍周期是18個(gè)月，這意味著上述多模態(tài)大模型的算力需求增長速度已經(jīng)顯著超越了傳統(tǒng)芯片晶體管數(shù)量增長速度。換句話說，大模型算力需求的增長速度已經(jīng)明顯領(lǐng)先于傳統(tǒng)摩爾定律所能支撐的硬件性能提升速度。行業(yè)深度研究(深度)系統(tǒng)摩爾是業(yè)界為應(yīng)對(duì)摩爾定律放緩的解決方案。英偉達(dá)最新的Blackwell架構(gòu)的核心特HBI技術(shù)連接在一起，該技術(shù)基于NVLink5.0協(xié)議，提供高達(dá)10TB/s的帶寬。OrganicOrganic-SubstrateInterposer|SuperchipTheTwoLargestDiesPossible-UnifiedasOneGPU2reticlelimiteddiesoperateasOneUnifiedCUDAGFNVHBI10TB/sHighBandwidthInterfaceFullperformancewithnocompromises192GBHBM3e|8TB/secHBMBandwidth|1.8TB/sNVLinkofAIClass從單卡性能來看，以芯片面積增益進(jìn)行歸一化計(jì)算后，空氣冷卻的B200在FP16FLOPS性能上每單位芯片面積僅提升了14%,這與人們對(duì)全新架構(gòu)的期望相去甚遠(yuǎn)。這是因?yàn)榇蟛糠中阅芴嵘饕蕾囉诟蟮男酒娣e和量化優(yōu)化。由于計(jì)算芯片(die)的面積不斷擴(kuò)大，封裝所需的中介層面積也相應(yīng)增加，導(dǎo)致整體成本上升。與采用完整硅中介層的CoWoS-S技術(shù)相比，CoWoS-L技術(shù)通過在有機(jī)基板中局部嵌入硅橋的方式，減少了硅的使用量，從而有效降低了成本。這也是Blackwell選擇采用的位置校準(zhǔn)出現(xiàn)了偏差，尤其是在Blackwell所采用的接近兩倍光罩極限面積的中介層上，其工藝難度進(jìn)一步增加，另外，計(jì)算die、CoWoS-L中局部硅橋、以及CoWoS-L中介層中的RDL部分三者的熱膨脹系數(shù)之間的差異也會(huì)導(dǎo)致封裝結(jié)構(gòu)出現(xiàn)彎曲，影響系統(tǒng)性發(fā)布會(huì)上英偉達(dá)表示GB200相較于H200在1.8T參數(shù)的GPT-MoE模型上的推理性能將提升30倍，然而，這一數(shù)據(jù)是基于一個(gè)非常特定的最佳場(chǎng)景得出的。需要明確的是，這一場(chǎng)景在理論上確實(shí)可以實(shí)現(xiàn)，但并不能完全代表市場(chǎng)中的普遍應(yīng)用場(chǎng)景。解釋30倍性能提升的一個(gè)關(guān)鍵因素是將GB200NVL在FP4下的性能與H200和B200在FP8量化下行業(yè)深度研究(深度)Semianalysis模擬分析，這一情形下實(shí)際性能提升僅有18倍，如果在更貼近現(xiàn)實(shí)的情況下，性能提升幅度將更低。GPTGPT-MoE1.8TThroughputperGPUInference(seqlen=32k/1k,FTLThroughputperGPUTokensTokensperSecondTP2.EP16.PP2TP4.EP16Blackwell30XHoppereractivityperUserTokensperSecond我們認(rèn)為Blackwell因設(shè)計(jì)問題延遲出貨已經(jīng)反映出了數(shù)據(jù)中心高性能計(jì)算芯片在制造段繼續(xù)迭代的瓶頸，盡管英偉達(dá)可以通過節(jié)點(diǎn)內(nèi)和節(jié)點(diǎn)外互聯(lián)提升總體系統(tǒng)性能，但我們認(rèn)為單卡算力(計(jì)算性能/功耗)的提升仍舊是必要的，節(jié)點(diǎn)內(nèi)GPU間通信(NVLink)慢于片上通信，節(jié)點(diǎn)間通信(Infiniband/Ethernet)又顯著慢于節(jié)點(diǎn)內(nèi)通信，導(dǎo)致并行化帶來的算力提升是邊際遞減的，單卡PPA的提升仍是后續(xù)系統(tǒng)性能繼續(xù)提升的關(guān)鍵。>TP822.0>TP16>TP32TP64Interactivity(tokens/second/user)當(dāng)前市場(chǎng)對(duì)英偉達(dá)的預(yù)期相當(dāng)充分，根據(jù)彭博一致預(yù)期，市場(chǎng)預(yù)期英偉達(dá)FY2025Q4至研發(fā)部署對(duì)毛利率的壓制是有所認(rèn)知的，但認(rèn)為FY2026Q3對(duì)毛利率的壓力將有所緩解。行業(yè)深度研究(深度)來源：nextplatform、國金證券研究所從時(shí)間線上來看，F(xiàn)Y2026Q3英偉達(dá)或?qū)㈤_始出貨BlackwellUItra,BlackwellUltra即為Blackwell的HBM升級(jí)版本，技術(shù)上難度相對(duì)Blackwell并沒有顯著提高，市場(chǎng)預(yù)期FY2026Q3毛利率有所回升是合理的。我們不同于市場(chǎng)的觀點(diǎn)是，應(yīng)當(dāng)警惕下一代產(chǎn)品即Rubin不能如期發(fā)布的風(fēng)險(xiǎn)，對(duì)英偉達(dá)的下一代產(chǎn)品來說，從芯片制造的角度，我們認(rèn)為無論是從單位面積晶體管縮放還是先進(jìn)封裝角度，實(shí)現(xiàn)大幅度性能提升的難度都不容小覷。3.3數(shù)據(jù)中心電力消耗呈指數(shù)級(jí)增長，核電或成最優(yōu)解決方案根據(jù)IDC數(shù)據(jù)，24年云服務(wù)廠商數(shù)據(jù)中心容量達(dá)到28240兆瓦(MW),2028年將達(dá)到56756兆瓦(MW),CAGR為19%。24年云服務(wù)廠商數(shù)據(jù)中心預(yù)計(jì)消耗電力約達(dá)到563億千瓦時(shí)，按全球23年發(fā)電量29.92萬億千瓦時(shí)來算，云廠數(shù)據(jù)中心耗電量占比將達(dá)到0.2%,而如果按全部數(shù)據(jù)中心耗電量4170億千瓦時(shí)來計(jì)算，則這一比例達(dá)到1.4%。按2028年8568億千瓦時(shí)用電量來計(jì)算的話則占比達(dá)到2.9%。數(shù)據(jù)中心耗電量的快速上升將會(huì)影響到正常生活中的用電。且全球主要數(shù)據(jù)中心集中在中國、美國、歐洲等地區(qū)，這些國家發(fā)電量僅為全球的一半左右，但數(shù)據(jù)中心用電量基本沒有減少，數(shù)據(jù)中心耗電量的比例在這些國家中的還會(huì)繼續(xù)上升。如果再進(jìn)一步集中到這些國家中數(shù)據(jù)中心密集的地區(qū)，則地區(qū)的用電壓力還會(huì)進(jìn)一步提升。400002000002019202020212022202320242025202620272028數(shù)據(jù)中心容量(MW)—同比增速(%)25%20%-5%來源：IDC、國金數(shù)字未來實(shí)驗(yàn)室、國金證券研究所為了應(yīng)對(duì)越來越高的能源需求，主要的云服務(wù)廠商都打算將能源供應(yīng)的責(zé)任放在核電站上。行業(yè)深度研究(深度)獨(dú)立于居民、工業(yè)用電的核電具備許多優(yōu)勢(shì)。1)盡管核電站的建設(shè)成本歷來較高，但其運(yùn)營成本相對(duì)較低，單個(gè)反應(yīng)堆的發(fā)電容量通常超過800MW。此外，核電站發(fā)電過程中核能具有重要吸引力。2)與住宅或許多其他行業(yè)的用電需求不同，數(shù)據(jù)中心的用電需求在一天中的各個(gè)時(shí)間段相對(duì)穩(wěn)定。這種持續(xù)的用電需求非常契合核電站的運(yùn)營特點(diǎn)，后者通常無法快速調(diào)整發(fā)電功率以應(yīng)對(duì)需求波動(dòng)。核電站持續(xù)穩(wěn)定的發(fā)電能力能夠確保數(shù)據(jù)中心在全天候都能獲得足夠的電力，同時(shí)還為其提供了零碳排放的大規(guī)模能源來源。3)當(dāng)數(shù)據(jù)中心與發(fā)電源直接連接時(shí)，數(shù)據(jù)中心可以直接從發(fā)電廠獲取電力，而無需經(jīng)過更大的輸電網(wǎng)絡(luò)。盡管購電協(xié)議的存在并不要求發(fā)電廠和數(shù)據(jù)中心必須在同一地點(diǎn)，甚至不需要在同一時(shí)間發(fā)電和用電，但這種安排可以通過直接將需求增長與發(fā)電來源匹配電網(wǎng)成本。24年3月，亞馬遜斥資6.5億美元，從電力運(yùn)營商Talen能源手里買下一座占地1200英畝的“核電數(shù)據(jù)中心園區(qū)”——數(shù)據(jù)中心就坐落在兩個(gè)核反應(yīng)堆邊上。除此之外，也在積極和ConstellationEnergy尋求更多核電站合作。24年9月，ConstellationEnergy宣布了一項(xiàng)為期20年的購電協(xié)議(PPA),將為微軟位于美國中大西洋地區(qū)的數(shù)據(jù)中心提供電力。這些電力將來自賓夕法尼亞州三哩島核電站的1號(hào)反應(yīng)堆。谷歌24年10數(shù)據(jù)中心所需的巨大能源。根據(jù)協(xié)議內(nèi)容，谷歌計(jì)劃在本十年內(nèi)開始使用首個(gè)核反應(yīng)堆，并在2035年前引入更多的核能設(shè)施。云廠時(shí)間核電站情況核電站容量谷歌2024年10月達(dá)成協(xié)議，待建地點(diǎn)未知累計(jì)500MW,2035年交付微軟2024年9月核電站重啟賓州三哩島核電站835MW亞馬遜2024年3月在建，進(jìn)度過半賓州薩斯奎哈納核電站2024年10月簽署協(xié)議，待建弗吉尼亞州北安娜核電站5億美元合作開發(fā)SMR小型核反應(yīng)堆項(xiàng)目，累計(jì)300MW由亞馬遜投資的X-energy2024年10月簽署協(xié)議，待建華盛頓州開發(fā)4個(gè)SMR小型核反應(yīng)堆項(xiàng)目，累計(jì)960MW來源：eia、bbc、財(cái)聯(lián)社、亞馬遜官網(wǎng)、國金證券研究所但核能并非毫無風(fēng)險(xiǎn)。除了核反應(yīng)堆安全問題之外，數(shù)據(jù)中心&核電站供電方式也存在新的問題。雖然新建核電站可以單獨(dú)供給數(shù)據(jù)中心，但已建成的核電站通常與電網(wǎng)相連，數(shù)據(jù)中心過度供電依舊會(huì)威脅電網(wǎng)的可靠性，產(chǎn)生的額外費(fèi)用目前也沒有規(guī)定該由誰支付。這也是24年11月，美國聯(lián)邦能源管理委員會(huì)否決亞馬遜增加數(shù)據(jù)中心供電提案的主要考慮政治&安全因素，一些大國如中國、美國國內(nèi)核電站新建政策可能會(huì)收緊，但東南亞一些國家正在積極擴(kuò)張核電。除了越南、緬甸、馬來西亞等已經(jīng)建設(shè)或考慮建設(shè)核電站的國家外，泰國于11月15日簽署核電站項(xiàng)目合作備忘錄，首次啟動(dòng)核能發(fā)展，以推動(dòng)清潔、低成本能源建設(shè)。該項(xiàng)目以SMR小型模塊化反應(yīng)堆技術(shù)為核心，旨在降低電價(jià)并減少碳排放。該技術(shù)具有高安全性、空間需求小等優(yōu)勢(shì)，并計(jì)劃將核電納入2037年國家清潔能源發(fā)展目標(biāo)。行業(yè)深度研究(深度)四、大模型推理服務(wù)大規(guī)模部署，如何影響硬件市場(chǎng)?4.1大模型性能提升，推動(dòng)推理算力需求加速增長oadrscfttmth5buWmChaCFT+ActionlogVirtualcomputer2807wsw大模型服務(wù)已從聊天機(jī)器人進(jìn)化為嚴(yán)肅生產(chǎn)力，十一月中，MacOSChatGPT客戶端已經(jīng)開始支持讀取用戶屏幕上的代碼并給出編程建議，這是OpenAI“WorkwithApps”功能在編程工具上的體現(xiàn)，從名字上可以看出，該功能可能不僅面向編程工具，未來可能支持更多工具。Anthropic也已在十月中發(fā)布了其Claude3.5Sonnet更新版本，通過其“ComputerUSE”API,Claude被訓(xùn)練具備屏幕視覺理解能力，能夠“觀察”屏幕上發(fā)生的事情，并通過分析屏幕截圖理解用戶界面(UI)的布局和內(nèi)容。當(dāng)開發(fā)者將特定任務(wù)交付給Claude并授予其必要的權(quán)限時(shí)，它可以通過解析截圖計(jì)算光標(biāo)需要移動(dòng)的具體像素距離(包括垂直和水平方向),以便精準(zhǔn)定位到目標(biāo)區(qū)域進(jìn)行操作。盡管作為第三方模型，WorkwithApps和ComputerUSE并沒有接入系統(tǒng)底層，大模型在Agent功能，輸入和輸出Token的數(shù)量將大大增加，單位Prompt所需的推理算力將顯著增長。160000000140000000160000000140000000800000006000000040000000200000000 一桌面端移動(dòng)端總計(jì)來源：Similarweb、國金證券研究所根據(jù)我們追蹤的ChatGPT訪問量數(shù)據(jù)，我們認(rèn)為大模型正在被加速應(yīng)用，其生產(chǎn)力屬性已經(jīng)在消費(fèi)級(jí)市場(chǎng)獲得了驗(yàn)證，GPT-4o和Claude3.5的發(fā)布代表著大模型能力進(jìn)入了一個(gè)新的階段，將驅(qū)動(dòng)推理算力需求的大幅提升。2020行業(yè)深度研究(深度)GPT類模型通過給定前文來預(yù)測(cè)下一個(gè)token(即單詞或符號(hào))進(jìn)行訓(xùn)練。在生成文本時(shí)，需要首先輸入提示詞(prompt),然后模型預(yù)測(cè)下一個(gè)token,并將其添加到提示詞中，隨后再預(yù)測(cè)下一個(gè)token,重復(fù)這一過程直到完成生成。這一生成機(jī)制每次生成下一個(gè)token時(shí)，所有模型參數(shù)必須從內(nèi)存?zhèn)鬏數(shù)教幚砥鳎@些龐大的參數(shù)需要盡可能靠近計(jì)算單元存儲(chǔ)，以降低數(shù)據(jù)傳輸?shù)难舆t，必須確保這些參數(shù)能夠在需要時(shí)精準(zhǔn)加載到芯片上。這種推理模式對(duì)硬件的內(nèi)存帶寬、容量以及數(shù)據(jù)傳輸效率提出了嚴(yán)苛要求，也成為當(dāng)前生成式AI技術(shù)突破的重要瓶頸之一。InstinctGPU相對(duì)于英偉達(dá)GPU一直提供更高的存儲(chǔ)容量和存儲(chǔ)帶寬，M1325X和Hopper架構(gòu)中存儲(chǔ)容量最大的H200相比，Instinct在顯存容量上具有1.8倍的優(yōu)勢(shì)，這意味著加載特定模型參數(shù)時(shí)所需的GPU數(shù)量減少了1.8倍，同時(shí)，AMD在帶寬上也具備1.25倍的優(yōu)勢(shì)，這表明在將模型參數(shù)傳輸至GPU的過程中所需時(shí)間更短。HBM3E,存儲(chǔ)容量將達(dá)到288GB,帶寬將達(dá)到和B200相同的8TB/s,而存儲(chǔ)容量將顯著高于B200的192GB。圖表30:M/355XHBM3E容量將達(dá)到288GB288GBHBM3EAMDIrstindAMDInstnd256GBHBM3E192GBHBM35.3TB/s6TB/s8TB/s來源：nextplatform、國金證券研究所InstinctGPU除了在存儲(chǔ)容量方面具有顯著優(yōu)勢(shì)，其相對(duì)英偉達(dá)GPU較低的定價(jià)更為低廉，三星于去年采購過一批M1300XGPU,單價(jià)約為一萬美金，相較于當(dāng)時(shí)H100三萬至四萬美金，有顯著的成本優(yōu)勢(shì)。根據(jù)我們的產(chǎn)業(yè)鏈調(diào)研，出于降低成本和尋找第二供應(yīng)商的考慮，海外云場(chǎng)正在積極嘗試使用AMDGPU集群。盡管AMD受制于軟件生態(tài)和互聯(lián)性能在訓(xùn)練領(lǐng)域尚難以于英偉達(dá)競(jìng)爭，我們認(rèn)為隨著推理算力需求大幅提升，AMD在該領(lǐng)域?qū)⒊掷m(xù)收益。4.3端側(cè)推理：單用戶推理導(dǎo)致內(nèi)存端高成本，端云結(jié)合將是未來趨勢(shì)Al手機(jī)和AIPC提供的端側(cè)Al允許用戶將數(shù)據(jù)留在本地，但端側(cè)Al的單用戶場(chǎng)景意味著BatchSize為1,這意味著每次從內(nèi)存加載模型參數(shù)到芯片上時(shí)，其成本只能分?jǐn)偟絾蝹€(gè)token上，無法通過其他用戶的并發(fā)計(jì)算來緩解這一瓶頸，服務(wù)器端的推理我們先前已經(jīng)討論過，內(nèi)存墻仍然存在，但多個(gè)用戶的推理請(qǐng)求使內(nèi)存加載參數(shù)的成本分?jǐn)偟蕉鄠€(gè)token上，大幅降低單個(gè)token生成的開銷，對(duì)生成式模型的推理效率提升有顯著作用。從模型參數(shù)占據(jù)的存儲(chǔ)空間來看，當(dāng)前Al手機(jī)的內(nèi)存容量仍舊是嚴(yán)重不足的。以Llama7B模型為例，在FP16格式下，每個(gè)參數(shù)占據(jù)兩個(gè)字節(jié)，對(duì)應(yīng)14GB的內(nèi)存容量，除此之外，手機(jī)RAM中還需要存儲(chǔ)應(yīng)用程序和操作系統(tǒng)相關(guān)數(shù)據(jù)，在Al手機(jī)本地存儲(chǔ)并運(yùn)行這一規(guī)模的端側(cè)模型還是頗有難度的。根據(jù)IDC數(shù)據(jù)，端側(cè)Al需求尚未推動(dòng)智能手機(jī)單機(jī)內(nèi)存容量顯著增長，我們認(rèn)為這并非手機(jī)廠商沒有意識(shí)到端側(cè)Al的重要性，而是在端側(cè)實(shí)現(xiàn)高性能模型所需的存儲(chǔ)容量遠(yuǎn)高于目前技術(shù)所能提供的，即便手機(jī)廠商將存儲(chǔ)容量從16GB提升至32GB能夠顯著增大可容納模型參數(shù)規(guī)模，但和超大云端模型當(dāng)前所能提供的性能相比，我們認(rèn)為仍舊是不具有可比性的。行業(yè)深度研究(深度)圖表31:各價(jià)格段智能手機(jī)平均內(nèi)存容量87-65-0從消費(fèi)者的角度來看，端側(cè)并非嚴(yán)肅生產(chǎn)力場(chǎng)景，用戶并不需要頻繁處理復(fù)雜任務(wù)。即使是在類似AIPC這樣的端側(cè)場(chǎng)景中，復(fù)雜任務(wù)往往可以通過網(wǎng)頁或客戶端接入云服務(wù)來完成，而非依賴本地化運(yùn)行復(fù)雜內(nèi)容。因此，單純?yōu)榱吮镜鼗瘡?fù)雜任務(wù)而額外增加內(nèi)存開銷并不具備充分的合理性。我們認(rèn)為，端側(cè)Al用戶的核心需求并不在于直接在本地處理復(fù)雜任務(wù)，而是通過Al實(shí)現(xiàn)系統(tǒng)層面的非標(biāo)準(zhǔn)化操作。例如，自動(dòng)將個(gè)人住址信息填寫到電商應(yīng)用中。相比單純依靠提升Al能力來滿足這些需求，我們認(rèn)為更優(yōu)的解決方案是將系統(tǒng)底層的數(shù)據(jù)接口和指令接口與Al模型深度集成。具體而言，Al模型可將用戶指令拆解為具體操作指令，并通過腳本直接與操作系統(tǒng)交互，從而以更高效、更經(jīng)濟(jì)的方式實(shí)現(xiàn)個(gè)性化功能。在本地模型性能顯著提升需要大量額外內(nèi)存容量，而端側(cè)Al用戶的核心需求能夠通過數(shù)據(jù)接口和腳本操作來滿足的背景下，我們認(rèn)為端側(cè)Al硬件廠商大幅增加內(nèi)存容量并非明智之舉。當(dāng)前市場(chǎng)數(shù)據(jù)也驗(yàn)證了這一觀點(diǎn)，在內(nèi)存技術(shù)尚未實(shí)現(xiàn)單位體積容量大幅提升或單位容量成本顯著下降的前提下，端側(cè)Al硬件廠商對(duì)內(nèi)存容量配置的謹(jǐn)慎態(tài)度可能將行業(yè)深度研究(深度)24年三季度，Al手機(jī)銷量達(dá)到1.47億臺(tái)，同比增長約8%,Al筆電銷量達(dá)約1450萬臺(tái)，同比增長110%。圖表32:全球A/手機(jī)&A/筆電銷量(臺(tái))及增速AlAl手機(jī)&Al筆電增速2023Q3AI2024Q3AI2023Q3Al50,000,000100,000,000150,000,000來源：IDC、國金數(shù)字未來實(shí)驗(yàn)室、國金證券研究所5.1Al手機(jī)焦點(diǎn)在于旗艦機(jī)來負(fù)責(zé)端側(cè)的推理，部分解放了GPU資源，使得手機(jī)可以更好的運(yùn)轉(zhuǎn)。同時(shí)內(nèi)存升也是在進(jìn)行端側(cè)推理卻不降低手機(jī)流暢性的必要條件。作為新加入者的Al功能，用戶對(duì)其的要求是不能影響以前的視屏、游戲、辦公等功能。因此，高配置、高價(jià)格的旗艦機(jī)在硬件需要提升帶來成本增長的情況下更能滿足消費(fèi)者的需求，漲價(jià)也更容易被消費(fèi)者接受。從價(jià)格上看，全球智能手機(jī)價(jià)格在21年后緩慢回升，且700美元以上的智能手機(jī)銷量在不斷提升，24年三季度銷量達(dá)到約7400萬臺(tái)，同比增長2%。10月安卓系廠商公布的數(shù)據(jù)表明了消費(fèi)者對(duì)于新一代旗艦機(jī)的熱情。根據(jù)vivo官方公告，X200系列手機(jī)全渠道銷售金額已經(jīng)突破了20億元，這一數(shù)據(jù)打破了vivo歷史上所有新機(jī)銷售記錄，顯示了消費(fèi)者對(duì)這一系列新品的熱烈歡迎。截至2024年10月19日，X200系列的銷量估計(jì)在29.4萬到46.5萬臺(tái)之間(按最低價(jià)與最高價(jià)估計(jì))。11月9日，在小米直播中，小米集團(tuán)總裁盧偉冰透露，小米15系列的銷量已破100萬臺(tái)，破百萬的速度要快于前代小米14系列。圖表33:全球智能手機(jī)銷量(臺(tái))&平均價(jià)格(美元)20170320180120180220180320190220190320200220210220210320210420220120220220220320220420230120230220230362023042024012017032018012018022018032019022019032020022021022021032021042022012022022022032022042023012023022023036202304202401202403全球智能手機(jī)銷量(臺(tái))&平均價(jià)格(美元)●銷量●平均價(jià)格400,000,000350.000.000300,000,000250,000,000200,000,000150,000,000100,000,00050.000.0000200來源：IDC、國金數(shù)字未來實(shí)驗(yàn)室、國金證券研究所2323行業(yè)深度研究(深度)價(jià)格區(qū)間-全球智能手機(jī)銷量-季度90%80%70%50%40%30%20%24年三季度，在具備基礎(chǔ)Al功能的手機(jī)中，蘋果占約42%的份額，安卓系廠商占到約58%的份額。而在可以完成本地推理的Al手機(jī)中，蘋果24年三季度占據(jù)約60%的份額，安卓系廠商約占到40%。我們認(rèn)為在2022年ChatGPT爆火后的兩年中，安卓系廠商和蘋果在推進(jìn)將Al功能融入進(jìn)自己的生態(tài)中。即使現(xiàn)在爆款的Al應(yīng)用還沒有出現(xiàn)，但各家大廠已經(jīng)在硬件、軟件、生態(tài)上布局，目標(biāo)是當(dāng)爆款A(yù)l應(yīng)用真正出現(xiàn)時(shí)，自家的旗艦手機(jī)能夠支持這些應(yīng)用。圖表35:生成式A/手機(jī)銷量(臺(tái))圖表36:A/手機(jī)銷量(臺(tái))生成式生成式AI手機(jī)銷量(臺(tái))--分品牌●Applerealme●Samsung●ASUS●HonorSonyOthers●Lenovo55,000,00050,000,00045,000,00040.000,00035,000,00030,000,00025,000,00020,000,00015.000,00010,000,0005,000,00002023Q32023Q42024Q12024Q22024Q3Al手機(jī)銷量(臺(tái))--分品牌●OtherCompanies●Samsung●XiaomiOPPO●Honor●Apple●Huawei●Lenovo160,000,000140,000,000120,000,000100,000,00080,000,00060,000,00040.000.00020,000,00002023Q12023Q22023Q32023Q42024Q12024Q22024Q3國金數(shù)字未來實(shí)驗(yàn)室、國金證券研究所硬件的提升是手機(jī)更新?lián)Q代中至關(guān)重要的一環(huán)，但與以往不同的是，這次Al革命中，硬件、軟件、生態(tài)缺一不可。SoC端，23年以來，聯(lián)發(fā)科天璣系列芯片的崛起，為安卓系廠商旗艦機(jī)新增了一個(gè)選擇。以往，高端手機(jī)除了蘋果外，高通旗艦芯片幾乎是唯一選擇。但在2023年聯(lián)發(fā)科使用天璣9300的ARM公版4超大核+4大核的策略以來，聯(lián)發(fā)科憑借其優(yōu)異的性能使得今年vivo、OPPO等廠商選擇天璣9400作為旗艦機(jī)的SoC選擇。在目前的競(jìng)爭中，蘋果A18Pro搭載了和A17Bionic相同的16核NPU,支持每秒高達(dá)35TOPS的計(jì)算能力。高通驍龍8Elite采用增強(qiáng)的HexagonNPU技術(shù)，具備80TOPS算力，性能提升了45%,能效提升了45%,支持更長的token輸入、多模態(tài)Al助手的本地部署，綜合Al性能增強(qiáng)達(dá)到45%。天璣9400憑借全新第八代NPU890,不僅Al跑分再奪得蘇黎世理工學(xué)院的AlBenchmark測(cè)試第一，同時(shí)還首發(fā)帶來了天璣Al智能體化引擎，端側(cè)視頻生成及端側(cè)LoRA訓(xùn)練，全面提升了端側(cè)Al的體驗(yàn)。我們認(rèn)為，安卓系手機(jī)廠商在有了更多的旗艦SoC選擇后對(duì)于高通的依賴性將會(huì)有所降低，更有效的策略會(huì)促使廠商研發(fā)更能滿足消費(fèi)者的產(chǎn)品。行業(yè)深度研究(深度)圖表37:手機(jī)旗艦SoCCPU能耗曲線(整數(shù))圖表38:手機(jī)旗艦SoCCPU能耗曲線(浮點(diǎn))天璣9400-x?25來源：極客灣，國金證券研究所來源：極客灣，國金證券研究所圖表39:手機(jī)旗艦SoCCPU負(fù)載能耗曲線圖表40:手機(jī)旗艦SoCGPU負(fù)載能效曲線3DMarkSteelNomadLight(分)A代表蘋果，SD代表驍龍，D代表天璣LPDDR5X10667MT/sLPDDR5X853320主板功耗(W)來源：極客灣，國金證券研究所來源：極客灣，國金證券研究所正如前文提到的那樣，我們認(rèn)為在未來，端云結(jié)合是更適合Al手機(jī)的方案。操作系統(tǒng)的提升是端側(cè)Al推理對(duì)使用體驗(yàn)提升最直觀的場(chǎng)景，也是目前手機(jī)廠商關(guān)注的重點(diǎn)。在硬件支持端側(cè)推理后，蘋果著重強(qiáng)化了Siri的能力，規(guī)劃中Siri將扮演智能語音助手的職責(zé)，幫助用戶用語音或簡短的文字操作手機(jī)。新Al技術(shù)加持后，Siri的交互更加自然靈Siri也能順暢理解，并能為連續(xù)的請(qǐng)求沿用語境場(chǎng)景。實(shí)際操作過程中，系統(tǒng)的反饋速度、對(duì)用戶要求的準(zhǔn)確性都是影響體驗(yàn)的關(guān)鍵因素，因此端側(cè)硬件的性能以及模型的能力都至關(guān)重要。小米也在不斷更新小愛同學(xué)，讓其完成Al手機(jī)助手的職責(zé)。在娛樂場(chǎng)景可WatchthefilmOvisualsintheirmind.Thisconditioncaninfluenceone'screativity,memory,andevencareethatsymptomsmani來源：蘋果官網(wǎng)、國金證券研究所通常來說，端云結(jié)合的模式下，需要硬件(性能)、軟件(適配操作系統(tǒng))、生態(tài)環(huán)境(AI應(yīng)用的數(shù)量及質(zhì)量)、云(模型質(zhì)量及云服務(wù)質(zhì)量)等環(huán)節(jié)參與。我們認(rèn)為全部環(huán)節(jié)都可控并參與的手機(jī)廠商更容易成功。蘋果、谷歌在某項(xiàng)上有些缺陷，但整體來看鏈路更為完整。蘋果在硬件、軟件、生態(tài)環(huán)境、云服務(wù)上能力都很強(qiáng)，但是在模型領(lǐng)域需要暫時(shí)和OpenAl合作。谷歌有原生安卓支持、Gemini強(qiáng)大的模型能力，但在硬件上自己的Pixel手機(jī)滲透率低，需要仰仗三星端側(cè)硬件拓展用戶。兩者相比的話，蘋果的Al服務(wù)現(xiàn)金化率我們認(rèn)為將會(huì)更高。1)蘋果本身用戶群體更容易接受付費(fèi)。iPhone的價(jià)格在所有大廠的智能手機(jī)中屬于偏高的檔次，蘋果的用戶付費(fèi)能力也會(huì)更強(qiáng)一些。從蘋果FY23-24財(cái)報(bào)來看，服務(wù)收入為961.69億美元，同比增長約13%,收入占總收入的24.59%,是除iPhone外收入最高的產(chǎn)品。此次AppleIntelligence的訂閱費(fèi)為20美元/月，與ChatGPT訂閱費(fèi)一致，用戶平替的阻礙較小。谷歌的Gemini近期從免費(fèi)變?yōu)槭杖?0美元/月的訂閱費(fèi)，相對(duì)來說，用戶付費(fèi)阻力更大一點(diǎn)。根據(jù)數(shù)據(jù)，24年一季度雖然谷歌Play商店應(yīng)用總下載量(255億次)遠(yuǎn)超過蘋果AppStore的84億次，但蘋果在2024年一季度的收入為246億美元，反而是谷歌同期112億美元收入的“近兩倍”。2)蘋果硬件軟件生態(tài)更為完整，同時(shí)與OpenAI的合作摩擦更少。作為谷歌Al的載體，三星即將收取Al服務(wù)費(fèi)，這降低了用戶對(duì)Gemini的付費(fèi)意愿。三星作為全球安卓手機(jī)市場(chǎng)的龍頭，對(duì)谷歌的態(tài)度處于合作&競(jìng)爭并存的狀態(tài)，這種合作形式不利于谷歌全額賺取5.2AIPC的競(jìng)爭將會(huì)越發(fā)激烈24年三季度，全球Al筆電銷量達(dá)到約1400萬臺(tái)，同比增長105%,Al筆電滲透率達(dá)到了約30%,相比二季度提升了約5個(gè)百分點(diǎn)。其中英特爾核Al筆電銷量約為720萬臺(tái)，占比約50%,蘋果、AMD、高通核的Al筆電銷量分別為540萬、134萬、55萬臺(tái)，占比分別為37%、9%、4%。行業(yè)深度研究(深度)圖表42:全球A/筆電銷量(臺(tái))及增速圖表43:全球A/筆電滲透率●出貨量(臺(tái))●同比增速8,000,0006,000,0004,000,0002,000,0002023Q12023Q22023Q32023Q42024Q12024Q22024Q32023Q12023Q22023Q32023Q42024Q12024Q22024Q3全球AI筆電滲透率來源：IDC、國金數(shù)字未來實(shí)驗(yàn)室、國金證券研究所來源：IDC、國金數(shù)字未來實(shí)驗(yàn)室、國金證券研究所圖表44:圖表44:A/筆電SoC/CPU/APU銷量(個(gè))NPUAIPC中SoC/APU/CPU銷量(個(gè))6,000,00002023Q12023Q22023Q32023Q42024Q12024Q22024Q3來源：IDC、國金數(shù)字未來實(shí)驗(yàn)室、國金證券研究所市場(chǎng)，同時(shí)和微軟的“Wintel”聯(lián)盟以及芯片先進(jìn)制成使得英特爾的護(hù)城河足夠?qū)挕５诮┠暌苿?dòng)互聯(lián)網(wǎng)(手機(jī)等移動(dòng)設(shè)備)的發(fā)展過程中，英特爾錯(cuò)失了手機(jī)CPU市場(chǎng)。再加上三星、臺(tái)積電工藝迅速提升而英特爾晶圓技術(shù)發(fā)展陷入停滯，除了傳統(tǒng)服務(wù)器&PCCPU業(yè)務(wù)外，英特爾近年來業(yè)務(wù)范圍和規(guī)模不斷縮小，導(dǎo)致收入與利潤水平不斷下滑。因此，在“最后的大本營”CPU處理器上，英特爾實(shí)際已經(jīng)不能再失敗。但與二十年前一家獨(dú)大不同的是，在X86架構(gòu)處理器上AMD已經(jīng)擺脫需要英特爾這個(gè)對(duì)手幫助存活的階段，開始搶占英特爾的份額。而在ARM架構(gòu)處理器上，蘋果依靠著M系列芯片出色的設(shè)計(jì)、臺(tái)積電先進(jìn)工藝的加持以及強(qiáng)大的生態(tài)環(huán)境等優(yōu)勢(shì)，穩(wěn)定的占據(jù)ARM架構(gòu)PC的份額。雖然，在全球所有PC設(shè)備處理器市場(chǎng)中，英特爾依舊保持著領(lǐng)先地位，72%左右的市占率雖然相比之前有所下滑，但依舊遙遙領(lǐng)先份額緩慢上升的AMD(約16%份額)。但在Al筆電領(lǐng)域，份額下滑到約50%的英特爾將會(huì)遇到更多競(jìng)爭。行業(yè)深度研究(深度)圖表45:全球PC處理器份額40%20%2023Q12023Q22023Q32023Q42024Q12024Q22024Q3在X86與ARM的競(jìng)爭中，雖然ARM功耗低帶來續(xù)航的優(yōu)勢(shì)，但X86架構(gòu)下好用的各種APP為X86構(gòu)建起了軟件護(hù)城河。即使蘋果在努力擴(kuò)大自己的軟件生態(tài)，同時(shí)提升ARM轉(zhuǎn)譯X86能力，短時(shí)間內(nèi)仍不足以在MacOS跑通全部應(yīng)用，X86架構(gòu)將繼續(xù)享有軟件生態(tài)上的優(yōu)勢(shì)。在X86生態(tài)內(nèi)，AMD是英特爾最大的對(duì)手。憑借著Al筆電中SoC優(yōu)異的性能，以近幾個(gè)月，英特爾、AMD分別推出UltraLake和RyzenAl系列芯片，兩家SoC廠商在蘋果以外的X86架構(gòu)Al筆電市場(chǎng)展開了競(jìng)爭。AMD在芯片推出時(shí)間上占據(jù)了優(yōu)勢(shì)，但隨著英特爾采用臺(tái)積電3nm先進(jìn)工藝，英特爾UItra200s系列芯片在功耗&性能上有所改善，搶占了大批OEM市場(chǎng)。高通XElite系列芯片近期表現(xiàn)不佳，XElite核筆電的價(jià)格偏高的同時(shí)，性能卻不如同為ARM架構(gòu)的蘋果。在適配性上，高通XElite芯片在轉(zhuǎn)譯32位X86軟件時(shí)性能下滑嚴(yán)重，同樣也讓想要良好軟件生態(tài)的用戶有所顧慮。英特爾LunarLake系列芯片在24Q2&24Q3都有不錯(cuò)的銷量，四季度英特爾發(fā)布了新一代Ultra架構(gòu)芯片，在功耗上有明顯提升，我們認(rèn)為英特爾核Al筆電四季度的銷量將會(huì)繼續(xù)增長。蘋果憑借M3芯片的強(qiáng)大性能維持銷量的穩(wěn)定，我們認(rèn)為四季度M4核AIPC推出后，蘋果銷量將繼續(xù)增長。AMDRyzen300Al系列在8月正式發(fā)布，在芯片性能表現(xiàn)優(yōu)異的情況下我們認(rèn)為4季度Ryzen300Al芯片的銷量占比將會(huì)提高。高通由于XElite在性能&價(jià)格等方面的劣勢(shì)暫時(shí)銷量較低。圖表46:英特爾核A/筆電中SoC銷量(個(gè))圖表47:蘋果核A/筆電中SoC銷量(個(gè))英特爾英特爾Al筆電中SoC銷量(個(gè))3,000,0002,500,0002,000,000500,00002023Q42024Q12024Q22024Q3蘋果Al筆電中SoC銷量(個(gè))02023Q12023Q22023Q32023Q42024Q12024Q22024Q3來源：IDC、國金數(shù)字未來實(shí)驗(yàn)室、國金證券研究所來源：IDC、國金數(shù)字未來實(shí)驗(yàn)室、國金證券研究所2828行業(yè)深度研究(深度)圖表48:AMD核A/筆電中SoC銷量(個(gè))圖表49:高通核AI筆電中SoC銷量(個(gè))高通Al高通Al筆電中SoC銷量(個(gè))●Snapdragon●SnapdragonXElite●SnapdragonXPlus280,000260,000220,00080,00060,00020,00002023Q12023Q22023Q32023Q42024Q12024Q22024Q3AMDAl筆電中SoC銷量(個(gè))Ryzen9AI●Ryzen7AI●Ryzen5AI●Ry600,000500,000400,000300,000200,0002023Q22023Q32023Q42024Q12024Q22024Q30-來源：IDC、國金數(shù)字未來實(shí)驗(yàn)室、國金證券研究所來源：IDC、國金數(shù)字未來實(shí)驗(yàn)室、國金證券研究所我們認(rèn)為未來X86筆電市場(chǎng)競(jìng)爭將會(huì)更為激烈，英特爾和AMD產(chǎn)品在性能、續(xù)航、適配性、生態(tài)方面各分秋色。而在X86臺(tái)式機(jī)領(lǐng)域，由于功耗的重要性大幅降低，AMD的CPU性能更為出色使得用戶更偏向于采用AMDCPU的個(gè)人臺(tái)式機(jī)或者工作站電腦。在ARM領(lǐng)域，蘋果的優(yōu)勢(shì)更為明顯。高通XElite目前性能僅與蘋果M1、M2芯片類似，同時(shí)在生態(tài)上遠(yuǎn)遠(yuǎn)落后于蘋果及X86架構(gòu)對(duì)手。短時(shí)間內(nèi)高通很難與蘋果競(jìng)爭ARM架構(gòu)Al筆電的市