數字經濟算力存力風起云涌人工智能暉光日新

目 錄TOC\o"1-2"\h\z\u一、數字經濟——顛覆全球格局，創(chuàng)造全新機遇 4（一）數字經濟推動產業(yè)升級，為經濟發(fā)展創(chuàng)造新增量 4（二）政策支持數字經濟發(fā)展，戰(zhàn)略把握產業(yè)變革新機遇 5（三）數字經濟創(chuàng)造的經濟價值將超過以前任何一輪工業(yè)革命 6（四）中美數字經濟的“道”與“謀” 9（五）人工智能將成為數字經濟的核心 13二、數字經濟——以半導體為基石，AI驅動數字經濟發(fā)展 15（一）半導體作為數字經濟的底層基礎，將受益數字經濟的大力發(fā)展 15（二）AI技術發(fā)展處于爆發(fā)窗口期，AI推動生產力快速提升 19（三）算力——供需缺口加大，國產化大勢所趨 22（四）存力——供需格局改善，AI需求推動新周期 25三、數字經濟——大模型從云端到終端，終端硬件迎來智能化變革 28（一）多模態(tài)大模型快速滲透，AI從云端走向邊緣端 28（二）終端AI化，智能硬件迎來變革 34（三）數字經濟推動電子信息制造業(yè)占GDP比重持續(xù)提升 38四、投資建議 43五、風險提示 44一、數字經濟——顛覆全球格局，創(chuàng)造全新機遇（一）數字經濟推動產業(yè)升級，為經濟發(fā)展創(chuàng)造新增量何為數字經濟？數字經濟是以數字化的知識和信息作為關鍵生產要素，以數字技術為核型，全球經濟格局正在重塑。圖1：數字經濟發(fā)展框架資料來源：中國電信，圖2：數字經濟產業(yè)范圍 圖3：數字經濟內在發(fā)展邏輯資料來源：IDC， 資料來源：IDC，11GDP。20225.350.6610.3GDP名義4.98201215.911GDP增速。我國數字經濟占GDP比重持續(xù)提升，2030年數字經濟占比有望追上發(fā)達國家水平，20352022GDP2023-2035GDP203059.73%，203571.60203023.04%。圖4：中國數字經濟規(guī)模及增速預測 圖5：中國數字經濟增速（名義）對比GDP增速（名義）GDP增速數字經濟增速GDP增速數字經濟增速20%15%10%5%0%2016 2017 2018 2019 2020 2021 2022資料來源：中國信通院、 資料來源：中國信通院，圖6：數字經濟分類占比 圖7：中國數字經濟占GDP比重預計2035年可達71.60%資料來源：中國信通院， 資料來源：中國信通院，（二）政策支持數字經濟發(fā)展，戰(zhàn)略把握產業(yè)變革新機遇81202510%”，大力發(fā)展數字經濟成為“十四五”期間重要任務。將迎來新的發(fā)展機遇。電子智能終端作為數字經濟落地的產品形態(tài)，未來將迎來需求的持續(xù)快速增長。圖8：2022年以來數字經濟重點政策梳理資料來源：新華社，（三）數字經濟創(chuàng)造的經濟價值將超過以前任何一輪工業(yè)革命工業(yè)革命又稱為產業(yè)革命，是指由科學革命和技術革命帶來的生產力發(fā)展引發(fā)的經濟結構飛躍式變化。縱觀人類的科學發(fā)展史，人類共經歷了四次工業(yè)革命：（18601940變革。第二次工業(yè)革命（1960）引入流水線和大規(guī)模工廠，生產效率進一步提高。（20502070第四次工業(yè)革命（當前）GDPGDPGDP機器生產效率的逐步提升，百年間未有大變。第四次工業(yè)革命，或將再一次徹底改變人類勞動性質，帶來產業(yè)社會大革命浪潮。此次工圖9：工業(yè)革命歷程資料來源：三木科儀，圖10：公元前1000年-公元2000年人均收入（單位：千美元） 圖11：中國數字經濟增速（名義）對比GDP增速（名義）資料來源：新華社， 資料來源：信通院，從ARKBigds2024每一輪產業(yè)革命帶來的經濟效益取決于該時期的通用技術在經濟中的擴散程度。以數字經濟為主要標識的產業(yè)變革表現出與以往不同的基本特征，即行業(yè)應用從消費領域擴散至產業(yè)領圖12：實際GDP增長和消費者盈余的年度增加百分比資料來源：Bloomberg，如果說數字經濟是通用技術向各產業(yè)滲透的擴散劑，那人工智能則是使得單項技術進步AI第四次工業(yè)革命帶來的經濟效益將會呈現指數級而非線性的發(fā)展速度。圖13：人工智能是核心技術催化劑資料來源：Bloomberg，（四）中美數字經濟的“道”與“謀”位居全球前二位。202217.27.5GDP65%GDP51GDP30%-45%之間。BEA（201920203.312.14GDP10.22012-20206.3GDP（7%增加值來自5個AIS行業(yè)：（40.8%）（19.1%）（19.0%）（10.5%）和零售貿易（8.1%）8B2B202023.118.722.415.3%；其它行業(yè)的10%，其中電信服務、B2B20201.7%、0.80.7%圖14：美國數字經濟實際增加值增速和GDP增速資料來源：BEA，圖15：2020年美國數字經濟名義增加值的行業(yè)分布 圖16：2020年美國數字經濟各行業(yè)增加值及增速資料來源：騰訊研究院，BEA， 資料來源：騰訊研究院，BEA，就行業(yè)結構來看，電信服務、硬件和軟件的趨勢性變化非常明顯，2005（2018（2013（2018），并持續(xù)至B2C20162013圖17：2005-2020年美國數字經濟各行業(yè)名義增加值占比資料來源：騰訊研究院，BEA，根據BEA數據，2020年數字經濟提供了781萬個全職和兼職工作崗位，占總就業(yè)崗位（1.4658（94.7%）5NAICS（27.0%），制造業(yè)主要來自計算機和電子產品（8.7%）。圖18：2020年美國各行業(yè)的工作崗位數量 圖19：2020年美國數字經濟增加值和就業(yè)崗位的行業(yè)分布資料來源：騰訊研究院，BEA， 資料來源：騰訊研究院，BEA，數字經濟正在憑借提升全要素生產率及提高產業(yè)附加值，成為引領經濟增長的重要“引互聯網商業(yè)模式；二、基礎設施勢勢，5G國政府把發(fā)展數字經濟上升為國家戰(zhàn)略，戰(zhàn)略目標和實施步驟愈發(fā)清晰。美國中國德國日本韓國印度加拿大墨西哥25.23%22.01%30.50%41.67%56.03%57.02%67.56%71.25%美國中國德國日本韓國印度加拿大墨西哥25.23%22.01%30.50%41.67%56.03%57.02%67.56%71.25%90%80%70%60%50%40%30%20%10%0%2022年數字經濟占GDP比重資料來源： 資料來源：信通院，2021351.%，18.3GDP7.337.1817.2GDP32.51.478%14.115.79.517.7%?；ヂ摼W和相關服1.5521.2%。從數字經濟構成來看，20218.437.24.42016-2021年數據，產業(yè)數字化占數字經濟的比重逐年上升，且始終高于70%。圖22：中國數字產業(yè)化與產業(yè)數字化規(guī)模資料來源：信通院，數字經濟的三大基礎要素為數據、算力和算法，目前中國在數據和算力方面具有明顯的（國家或者區(qū)域內的人口數量14.1714.124.483.33IDC20222026GDP1.2775.663%。圖23：中國、美國、歐洲、印度的GDP、投資、人口占全球比重 圖24：中國、美國、歐洲、印度的互聯網滲透率資料來源：，WorldBank， 資料來源：，WorldBank，其次，中國的算力勢勢得益于新型舉國體制下的統(tǒng)籌發(fā)展能力和強大生產能力勢勢。算世界首位，在新能源領域為算力發(fā)展提供了有力支撐。升級，形成技術供給和場景需求的互動演進。圖25：“東數西算”全國布局圖 圖26：中國可再生能源和數字經濟占比資料來源：中國政府網， 資料來源：，（五）人工智能將成為數字經濟的核心人工智能技術在數字經濟中擁有重要地位。人工智能是數字經濟時代下提升生產效率的維打擊。數字經濟正在加速變革傳統(tǒng)經濟模式，相比傳統(tǒng)經濟而言，數字經濟勢勢體現在提升信度參差不齊，生產要素與生產函數均與傳統(tǒng)經濟范式有很大不同。圖27：人工智能在傳統(tǒng)經濟、新興經濟、數字經濟的推動作用資料來源：IDC《中國人工智能計算力發(fā)展評估報告》，圖28：數字經濟將突破傳統(tǒng)資源稟賦限制農業(yè)經濟土地勞動力工業(yè)經濟農業(yè)經濟土地勞動力工業(yè)經濟勞動力資本數字經濟資本數據公元2000年公元0年農業(yè)經濟1000年人均GDP5709國際元公元1820年工業(yè)經濟蒸汽機革命（質變）革命（質變）人均GDP444國際元

人均GDP435國際元

人均GDP667國際元

電氣革命（量變）信息技術革命（量變）資料來源：IDC《中國人工智能計算力發(fā)展評估報告》，AI（高性能（GHbitLbBtkt等服務以及大量開源軟件。AIAI圖29：全球人工智能產業(yè)浪潮資料來源：中國信通院，二、數字經濟——以半導體為基石，AI驅動數字經濟發(fā)展（一）半導體作為數字經濟的底層基礎，將受益數字經濟的大力發(fā)展發(fā)展成功助力。182419652017IntelG39301GFLOPS成本約為3美分，而2007年為59美元，997年為8,00美元，算力單位成本的下降推動了PCAIoT圖30：摩爾定律在1970年至今仍適用 圖31：每千美元買到的算力隨年份變化資料來源：Canalys， 資料來源：BCAResearch，GDPAI半導體技術則是計算能力能夠持續(xù)提升的關鍵所在，也是未來推動數字經濟發(fā)展的基石。圖32：2022年全球算力規(guī)模和GDP的關系資料來源：中國信通院，583020152022202218501302023圖33：全球和中國半導體市場單月銷售額及其同比增速2018/012018/042018/012018/042018/072018/102019/012019/042019/07

全球半導體銷售額（單：十美元） 中國半導體銷售額（單：十美元全球半導體銷售額（%） 中國半導體銷售額（%）

40.030.020.010.00.0-10.0-20.0-30.02023/012023/042023/012023/042023/072023/10資料來源：，圖34：傳統(tǒng)電子信息產業(yè)鏈向智能信息產業(yè)鏈升級資料來源：中國電子學會，2000202318020234002020092014RR圖35：全球半導體重要時間出現節(jié)點資料來源：WSTS，供需錯配是造成半導體行業(yè)呈現周期性的核心原因。199020207.5GDP5%195810001045AI19952015GDP3115GIOT化需求的不斷增長，將是全球半導體走出低谷的核心驅動力。圖36：全球半導體需求結構與增長趨勢（單位：十億美金）0

2019年 2020年 2021年 2022年 2026年E 2030年E330330270260220209203160224907058381715010060168137146328 5641329 1227140汽車 計算和存儲 消費類電子 工業(yè)電子 有線通信 無線通信資料來源：Omida，1820221030%，美光、SK20237040202350TrendForceQ27%4%2%。為了保利潤，目前各大存儲廠稼動率依然保持在低位運行。18請務必閱讀正文最后的中國銀河證券股份有限公司免責聲明。圖37：存儲廠商資本開支增速與市場規(guī)模增速對比 圖38：三星資本開支變化200120022001200220032004200520062007200820092010201120122013201420152016201720182019202020212022E

存儲市場增速 CAPEX增速

14000120001000080006000400020000

三星資本開支（百萬美元）

250%200%150%100%50%0%-50%1Q133Q131Q133Q131Q143Q141Q153Q151Q163Q161Q173Q171Q183Q181Q193Q191Q203Q201Q213Q211Q223Q221Q23資料來源：WTST，Bloomberg， 資料來源：Bloomberg，圖39：海力士資本支出變化 圖40：美光資本支出變化5000450040003500300025002000150010005000

海力士資本開支(百萬美元) yoy（右

200%150%100%50%0%-50%1Q133Q131Q133Q131Q143Q141Q153Q151Q163Q161Q173Q171Q183Q181Q193Q191Q203Q201Q213Q211Q223Q221Q23

40003500300025002000150010005000

美光資本開支(百萬美元) yoy（右

250%200%150%100%50%0%-50%1Q133Q131Q133Q131Q143Q141Q153Q151Q163Q161Q173Q171Q183Q181Q193Q191Q203Q201Q213Q211Q223Q221Q23資料來源：Bloomberg， 資料來源：Bloomberg，（二）AI技術發(fā)展處于爆發(fā)窗口期，AI推動生產力快速提升AI701950（AnTurgAINLP、識圖等應用領域快速滲2022GPT3.5AI2OpenAI用戶數就增長過億。圖41：Google和OpenAI在AI的成長路徑 圖42：AI的發(fā)展歷程資料來源： 資料來源：CSDN，清華大學AMiner，AIAI在前三次的工業(yè)革命過程中，ICTAI在眉睫，從當前視角來看，AI中解放出來，大幅提升社會生產力。圖43：目前正處于人工智能的開端資料來源：勢乘資本，多模態(tài)AI2023年htT的AIAIAIIgnt到AI超融AI術趨勢。圖44：目前AI的產業(yè)周期情況資料來源：洞察趨勢，AI。在算法方面，2017Transformer2018AIAI圖45：算法模型發(fā)展和未來規(guī)劃資料來源：紅杉資本，AIAIAIAIAIAIAI電子勢化方面取得了最新進展圖46：從集中式AI發(fā)展到分布式AI 圖47：AI融合發(fā)展所需的關鍵領域資料來源：OpenAI， 資料來源：OpenAI，AI效的人類交互體驗，其核心挑戰(zhàn)是如何有效地融合這些模式以提供連貫和有意義的輸出。表1：單模態(tài)和多模態(tài)的區(qū)別和未來研究方向屬性單模態(tài)多模態(tài)理論問題未來研究數據豐富性單一信息源多信息源高效地從單一信息源提取特征發(fā)現并利用跨模態(tài)間的隱含關系決策準確性決策基于單一信息源可能受限綜合各種信息決策更為準確勢化單模態(tài)的決策策略權衡并結合不同模態(tài)的決策處理復雜性處理流程相對簡單需要處理和融合各種模態(tài)的數據復雜性增加勢化單一模態(tài)的處理流程有效融合和處理多模態(tài)數據信息冗余無法從其他模態(tài)中獲取冗余信息可能從不同模態(tài)中獲取重復冗余的信息消除單一信息源中的冗余識別和處理跨模態(tài)的信息冗上下文理解上下文理解可能受限于單一信息源能夠結合多種信息更好地理解上下文提高單一模態(tài)的上下文理解能力結合多模態(tài)信息進行深度上下文理解特征維度特征維度相對較低由于融合了多種信息源特征維度可能會更高從有限的特征中獲取最多的信息管理和選擇跨模態(tài)的高維特征可解釋性由于只有一個信息源可能更易于解釋多種信息源的融合可能會降低模型的可解釋性增強單一模態(tài)的模型解釋能力提高多模態(tài)模型的可解釋性和透明數據同步不需要考慮不同模態(tài)之間的同步問題需要確保不同模態(tài)的數據是同步的勢化單一模態(tài)的數據處理速度確保不同模態(tài)數據的實時同步和對產計算資源計算資源需求相對較低需要更多的計算資源處理和融合多種模態(tài)數據提高單模態(tài)的計算效率勢化多模態(tài)的計算資源分配和管理資料來源：CSDN，方面目前來看，AI態(tài)多模態(tài)數據映射是指利用VR、AR釋性表示。圖48：在實際應用中多模態(tài)的表現形式資料來源：CSDN，22（三）算力——供需缺口加大，國產化大勢所趨22請務必閱讀正文最后的中國銀河證券股份有限公司免責聲明。人工智能產業(yè)鏈按照上下游可以分為人工智能基礎層、人工智能技術層、人工智能應用層AIAIAIAIAIAIAIAI+AIAIAIAI+醫(yī)療”、“AI+工業(yè)”、“AI+零售”、“AI+政務”等應用，涉及經濟社會運行的方方面面圖49：算力、算法、數據成為AIGC產業(yè)的基石資料來源：億歐智庫，TsFw和PTrh的兩大陣營。隨后，遷移學習（Tnsfren）成為開發(fā)大規(guī)模人注意力機制（Attnmhms）也出現了，允許模型有選擇地關注輸入數據的某些部分。GPT圖50：超大規(guī)模模型參數和數據規(guī)模變化資料來源：ICinsights，艾瑞咨詢，場景的海量數據為人工智能的自主學習和模型訓練提供了數據基礎。而自人工智能的概念興和算法模型的不斷勢化和發(fā)展，算力的發(fā)展成為了人工智能系統(tǒng)快速發(fā)展的核心要素。從1956-2020FLOPSOpenAI20123.420122201930圖51：1956-2015年算力實現萬億倍增長 圖52：AlexNet到AlphaGoZero計算量增加300000倍資料來源：Brain-inspiredcomputingneedsamasterplan， 資料來源：OpenAI，據顯示，2021年全球計算設備算力總規(guī)模達到15Fs（每秒浮點運算次數），同比增長44%6ls3ls4ls，預計00年全球算力規(guī)模將達到6ZFs65%02ls33%AIIDC根據ia、hPT等上下游廠商測算，20232027年全球大模型訓練端峰值算力需求30A1005002023-2027AI28484130GPUAIAI20223340%2022672027332.7CAGR37.75%。表2：全球AI服務器市場規(guī)模測算（以A100等效算力測算）20222023E2024E2025E2026E2027EGPU及加速卡增量需求（萬張）-55.075.090.0120.0140.0GPU和加速卡售價（萬美元/張）-1.21.21.11.01.0GPU和加速卡市場空間增量（億美元）-66.086.399.0120.0140.0單服務器GPU和AI加速卡數量（張數）-8.08.08.08.08.0AI服務器需求增量(萬臺)-8.310.812.415.017.5AI服務器售價預估（萬美元）-10.010.010.010.010.0AI服務器增量市場空間（億美元）-82.5107.8123.8150.0175.0AI服務器總市場空間（億美元）202284.5392.3516.1666.1841.1AI服務器市場增速4084%3790%3154%2907%2627%AI服務器中CPU市場規(guī)模（億美元）46.565.490.2118.7153.2193.4AI服務器中GPU市場規(guī)模（億美元）54.576.8105.9139.3179.8227.1AI服務器中內存市場規(guī)模（億美元）56.679.7109.8144.5186.5235.5AI服務器中閃存市場規(guī)模（億美元）12.117.123.531.040.050.5VI，aGP，D表3：中國AI服務器市場規(guī)模測算（以A100等效算力測算）20222023E2024E2025E2026E2027EAI服務器總市場空間（億美元）202.0284.5392.3516.1656.7831.7AI服務器市場增速（%）-408%379%315%272%266%中國占全球市場比重（%）33.23436373840市場增速（%）-442%460%352%307%333%市場規(guī)模（億美元）67.196.7141.2190.9249.5332.7資料來源：NVIDIA，ChatGPT，IDC，（四）存力——供需格局改善，AI需求推動新周期22/21/20年全球存儲市場規(guī)模分別為325415億美金，占半導體規(guī)模的比例分別為4%8%7%，是全球第二大細一致，但波動性遠大于其他細分品類。圖53：2002-2023年半導體產業(yè)內各行業(yè)占比 圖54：2002-2023年半導體產業(yè)內各行業(yè)同比增速分立、光電器件、傳感器 模擬芯片 微型元件 邏輯芯片 存儲器100%80%

100%

分立、光電器件、傳感器 集成電路模擬芯片 微型元件邏輯芯片 存儲器60%

50%40%20% 0%0%20022004200620082010201220142016201820202022

-50%資料來源：OpenAI， 資料來源：OpenAI，200020002009、201720042020PC圖55：存儲芯片市場銷售額和重要節(jié)點資料來源：WSTS，供需關系的錯配始終是存儲市場造成周期的主要原因。從近20年的發(fā)展來看，新需求不2000-2010PC2010-2020AI圖56：2010-2023年存儲供需關系錯配資料來源：WSTS，24Q22023223年DAM市場整體供給減少4%；AFalsh7.723Q3-Q4表4：DRAM的供給測算2020202120222023E2024EDRAM行業(yè)總供給（MGB）1982824386249362408827827yoy2230%2300%230%-340%670%供應商供給增速三星220%240%-10%-27%90%海力士240%210%40%-25%40%美光250%200%80%-50%50%南亞科350%10%-260%-110%150%華邦180%110%-190%190%640%資料來源：IDC，WSTS，CFM，表5：NAND的供給測算2020202120222023E2024ENAND行業(yè)總供給（MGB）422467580099622526574591739107yoy3210%3730%730%-770%1122%供應商供給增速三星23%40%2%-8%8%美光42%58%6%-6%12%海力士19%24%6%-5%14%鎧俠35%37%2%-10%10%WDC52%31%3%-20%10%Intel27%3%46%-2%5%資料來源：IDC，WSTS，CFM，AIDRAM技術DRAMDRAM采購，TB將廣泛用于通用服務器。CXLAIDRAMGPUAIRAMAI服務器的DRAM用量可達2.B145GB。圖57：AI服務器年復合增長率25% 圖58：AI服務器極大地推動DRAM市場增長50

40%AI服務器出貨量（萬臺）AI服務器出貨量（萬臺） 30%25%20%15%10%5%02022

0%2023E 2024E 2025E 2026E資料來源：PrecedenceResearch， 資料來源：PrecedenceResearch，HBM435%AIGPUHBM，預計2023HBM254020276009435%HBM3Gen21.2TB/s，824GB1βHBM2E相比，HBM3每瓦性能2.5表6：AI服務器訓練需要大量HBM單位 2023E 2024E 2025E 2026E 2027E27訓練服務器對HBM需求測算27訓練AI服務器出貨量萬臺612253745每臺服務器的GPU數量枚88888每個GPU平均使用的HBM數目枚66777訓練服務器所需HBM需求萬片277627140221232546推理服務器對HBM需求測算推理AI服務器出貨量萬臺14.327.950.281.6102.8每臺服務器的GPU數量枚44444請務必閱讀正文最后的中國銀河證券股份有限公司免責聲明。每個GPU使用的HBM數目枚55555推理服務器所需HBM需求萬片286558100516322057HBM需求測算推理AI服務器萬片2865581,0051,6322,057訓練AI服務器萬片2776271,4022,1232,546交換機用HBM萬片141155170187206其他需求萬片1,2001,2001,2001,2001,200HBM需求合計萬片1,9042,5403,7775,1436,009資料來源：TrendForce，中國銀河證券研究院三、數字經濟——大模型從云端到終端，終端硬件迎來智能化變革（一）多模態(tài)大模型快速滲透，AI從云端走向邊緣端多模態(tài)大模型快速滲透。大模型從最早以CNN為代表的傳統(tǒng)神經網絡模型，到以transformer為代表的新型神經網絡，再到以GPT為代表的預訓練大模型階段。2023年3月，最新發(fā)布的超大規(guī)模多模態(tài)預訓練大模型——GPT-4，具備了多模態(tài)理解與多類型內容生成能力。多模態(tài)大模型是一種將文本、圖像、視頻、音頻等多模擬態(tài)信息聯合起來進行訓練的模型。此類模型可以分析文本、圖像、視頻和音頻等多種類型的數據，多模態(tài)大模型可以在自然語言處理、計算機視覺、音頻處理等領域有諸多的應用。GPT-3第一次向人們展示了大模型帶來的超越文本生成本身的神奇能力，顯示了這些自回歸語言模型的勢越性，從此大模型真正迎來了百花齊放的時代，ChatGPT、GPT-4、Bard以及PaLM、LLaMA等應運而生。從參數規(guī)模上看，大模型經歷了預訓練模型、大規(guī)模預訓練模型、超大規(guī)模預訓練模型三個階段。訓練參數實現從億級到百億級的突破，千億級參數已經成為目前大模型的主流。隨著GPT3的發(fā)布，GPT成為大模型的主流路線，而多模態(tài)大模型則成為趨勢。以谷歌的Gemini1.5pro為例，作為一個高效的多模態(tài)混合專家(MoE)模型，它能夠處理和分析包括多篇長文檔及數小時視頻和音頻在內的上億字符信息，實現細致入微的信息檢索和推理。Gemini1.5Pro是基于Transformer的稀疏混合專家（MoE）模型，它不僅基于Gemini1.0的研究成果和多模態(tài)處理能力，還繼承了Google在MoE研究方面的豐富歷史以及廣泛文獻中的語言模型研究成果。圖59：大模型發(fā)展路徑資料來源：Google，圖60：Gemini1.0有三種尺寸Ultra、Pro以及Nano 圖61：Gemini的輸入有多種形式 資料來源：Google， 資料來源：Google，谷歌還通過在六種不同能力的50多個基準上進行評估，檢查了Gemini模型的能力趨勢，涵蓋：開卷/閉卷檢索和問答任務，要求“事實性”；長上下文摘要、檢索和問答任務；數學/科學問題解決、定理證明和考試；需要算術、科學和常識的“推理”圖62：不同的模型對六種不同能力的需求資料來源：Google，通過診斷性和現實性的多模態(tài)長上下文基準測試進行的廣泛評估表明，1.5Pro能夠在多模態(tài)的“大海撈針”版本上保持近乎完美的回憶，并能夠有效地使用其上下文檢索和推理大量數據。盡管1.5Pro使用的訓練計算量顯著減少，但在數學、科學和推理、編碼、多語言能力和指令遵循等文本能力上，與最先進的模型1.0Ultra相比，1.5Pro在某些能力上甚至超越了1.0Ultra。24年2月25日，OpenAI發(fā)布視頻生成模型SoraSora的技術報告來看，通過訓練文本條件擴散模型（text-conditionaldiffusionmodels，這些模型同時處理不同時長、分辨率和寬高比的視頻和圖像。利用了一個在視頻和圖像潛在代碼的空間時間塊（spacetimepatches）上運作的變換器（transformer）架構，使得Sora能夠生成一分鐘的高保真視頻。與LLM擁有文本令牌不同，Sora擁有視覺塊（visualpatches）。塊（patches）已經被證明是視覺數據模型的有效表示。塊是訓練多樣化視頻和圖像生成模型的高度可擴展和有效表示。圖63：將視頻壓縮轉換為視覺塊資料來源：OpenAI，Sora是一個擴散模型（diffusionmodel），給定輸入的噪聲塊（和像文本提示這樣的條件信息），它被訓練來預測原始的“干凈”塊。重要的是，Sora還是一個擴散變換器（diffusiontransformer。變換器在包括語言建模、計算機視覺和圖像生成在內的多個領域展示了顯著的擴展屬性。Sora也能夠生成圖像。我們通過在空間網格中排列高斯噪聲塊，并具有一幀的時間范圍來實現。模型可以生成不同大小的圖像——最高2048x2048分辨率。當視頻模型在大規(guī)模訓練時表現出許多有趣的新興能力。這些能力使得Sora能夠模擬物理世界中的一些人、動物和環(huán)境的某些方面。Sora為仿真器存在許多局限性。例如，它不能準確地仿真許多基本交互的物理，如玻璃破碎。其他交互，如吃食物，并不總是產生正確的物體狀態(tài)變化。圖64：輸入噪聲塊訓練原始視頻資料來源：OpenAI，多模態(tài)大模型將能夠打通各種模態(tài)能力，實現任意模態(tài)之間轉化。從GPT-4發(fā)布開始，支持接收圖像和文本輸入，隨著大模型的進化，向移動端的轉移趨勢越來越明確。從應用領域來講，大模型可分為通用大模型和行業(yè)大模型兩種。通用大模型更加適用于多場景業(yè)務，行業(yè)大模型則是利用行業(yè)知識對大模型進行微調，以滿足在能源、金融、制造、傳媒等不同領域的需求。大模型將率先在互聯網、金融、傳媒、教育等知識密集度高的行業(yè)快速滲透。圖65：大模型演化路徑資料來源：互聯網天地雜志，中國電信研究院，目前大模型已經在搜索、辦公、編程等互聯網信息服務行業(yè)建立標桿，目前已經落地的應用包括，科大訊飛學習機引入星火大模型能力輔助中小學生寫作，微軟NewBing引入GPT-4能力實現對話及復雜搜索、總結資料生成答案、發(fā)揮創(chuàng)意提供方案等，推出GPT-4平臺支持的新AI功能“Copilot”，可適用于Word、PowerPoint、Excel、Outlook等多個熱門商業(yè)應用，例如，在Word寫作場景中，Copilot可給出想法、快速完成寫作和美化文檔；在Excel數據分析場景中可生成模型和圖表并進行問題分析等。百度基于交通大模型的全域信控緩堵方案可實現15-30%的效率提升；華為盤古大模型在礦山、電力等領域通過“預訓練+微調”方式打造細分場景模型方案，如煤礦場景下可降低井下安全事故90%以上。圖66：AI大模型滲透趨勢資料來源：互聯網天地雜志，中國電信研究院，24年3月8日，谷歌正式發(fā)布了MediaPipeLLMInferenceAPI，該API可以讓開發(fā)人員更便捷地在手機、PC等設備上運行AIAI大模型也可以在不同類型的設備上跨設備運行。MediaPipe已經支持了四種模型：Gemma、Phi2、Falcon和StableLM，這些模型可以在網頁、安卓、iOS設備上運行，谷歌還計劃將這一功能擴展到更多平臺上。早在2019MediaPipe就已經出現，并開始擴展TensorFlowLite的能力，起初這些AI工具主要聚焦于小型設備上的模型。此次谷歌發(fā)布的新版本可以讓大模型在各個平臺上實現完全本地化運行。這也意味著大模型的生態(tài)將進一步擴張。圖67：MediaPipeLLMInferenceAPI支持的幾種模型資料來源：智東西，圖68：不同模型在GPU上的運行表現 圖69：不同模型在GPU上的運行表現資料來源：智東西， 資料來源：智東西，為了實現更快速更低延遲的計算和推理，大模型部署在邊緣設備上是理想的方案，可以減少數據傳輸的延遲和帶寬需求，在邊緣側部署大模型需要綜合考慮多個因素，包括硬件資源、網絡環(huán)境、模型勢化等。軟硬件適配方面，需要選擇合適的硬件設備，確保其具備足夠的計算和存儲資源來部署大模型。圖70：終端設備開始部署大模型資料來源：芯東西，2023年下半年以來，越來越多的國產手機廠商涌入AI大模型賽道。20238月，華為官宣HarmonyOS4系統(tǒng)全面接入盤古大模型；10月，小米宣布自研AI大模型“MiLM-6B”已接入澎湃OS；11月，先是vivo發(fā)布自研的AI“藍心大模型”，而后OPPO宣布在ColorOS14中內置了“安第斯大模型”。2024年1月，榮耀也發(fā)布自70AI大模型“魔法大模型”。表7：23年下半年至今：手機廠商布局大模型的情況203年8月 華為宣布HamnyS4系統(tǒng)全面接入盤古大模型，成為全球首個嵌入I大模型的移動端操作系統(tǒng)，支持Mte60系列203年0月 小米宣布自研的I大模型“MiM-68”已經接入小米澎湃S203年1月 io在開發(fā)者大會發(fā)布了自研的“藍心大模型”，藍心大模型包含十億、百億、千億三個參數量級共5款2023年11月 三星正式公布了其自研的生成式人工智能模型“三星高斯”203年1月 O宣布在ClrS14中，內置了“安第斯大模型”，該模型包含從10億到千億不同參數規(guī)模的多種模型204年1月 榮耀在MaiS80發(fā)布會及開發(fā)者大會上發(fā)布自研的70億參數端側I大模型“魔法大模型”資料來源：摩登消費，高通在2024年MWC大會上展示了首個在Android智能手機上運行的大語言和視覺助理大模型（LLaVA），可接受包括文本和圖像在內的多種類型的數據輸入，并可基于輸入內容進行多輪對話。LLaVA擁有70億個參數，可以在安卓手機上運行，高通AI研究還將展示高通首個在Android智能手機上運行的LoRA模型。通過運行支持LoRA的StableDiffusion，用戶可基于個人或藝術偏好創(chuàng)建高質量自定義圖像。LoRA減少了AI模型的可訓練參數數量，賦能更加高效、可擴展、定制化的終端側生成式AI用例。除了能夠實現針對不同的藝術風格賦能語言視覺大模型（LVM）微調外，LoRA還廣泛適用于定制AI模型（如大語言模型），以打造量身定制的個人助手、改進語言翻譯等。在owsPC上，高通AI研究將展示全球首個在終端側運行的超過70億參數的大型多模態(tài)語言模型(LMM)，可接受文本和音頻輸入（如音樂、交通環(huán)境音頻等），并基于音頻內容生成多輪對話。圖71：高通發(fā)布多款終端運行大模型資料來源：高通，（二）終端AI化，智能硬件迎來變革當前正處于第四次工業(yè)革命的風口浪尖，正處于新一輪產業(yè)變革制高點。當下全球正在發(fā)生的第四次工業(yè)革命是人工智能、智慧網聯時代，以超大數據、超強算力、超強算法的人工智能為核心技術，以智能家居、智能音箱、智慧城市、智能汽車和手機為數據入口的智能終端產品正加速AI的進化。持續(xù)增加的智能終端應用所帶來的海量數據傳輸與處理呈指數級增長，如果全部依靠云端計算，已無法滿足實際需求，邊緣計算已經成為必然。中國邊緣端計算產業(yè)正在飛速發(fā)展，根據沙利文預測，中國邊緣計算的市場規(guī)模預計在2027年將達到2509億元人民幣，2023年至2027年的復合年增長率為36.1%。AI+硬件已經廣泛應用于各個領域，人工智能的出現打破了過去硬件產品僅需要數據采集、計算和傳輸的模式，硬件產品正在向智能化、個性化的方向發(fā)展，而PC、手機、智能家居是最先開始AI+進程的，而未來將在醫(yī)療診斷、智慧交通、金融風控、智能制造領域發(fā)揮更大的影響。圖72：中國邊緣計算市場規(guī)模中國邊緣計算市場規(guī)模（億元人民幣）3000250020001500100050002018年 2019年 2020年 2021年 2022年 2023年 2024年 2025年 2026年 2027年資料來源：沙利文，IDC將AI終端定義為處理器集成AI引擎的終端設備。PC市場雖然已經是存量市AI技術的發(fā)展為PC帶來了新的活力，AI應用在PCPC成為了AI應用的第一場景，年以來中國筆記本電腦市場的出貨量開始出現了顯著的萎縮，但產品結構上看高性能筆記本的占比持續(xù)上升，2022年高性能筆記本占比達到28.9%。圖73：中國筆記本電腦市場出貨量及增長率 圖74：中國筆記本電腦市場高性能筆記本占比資料來源：IDC、 資料來源：IDC、AI技術正在勢化數據傳輸、降噪、自動攝像頭控制、人臉識別和身份驗證、語音識別和轉錄等幾個方面大幅提升效率，賦能移動辦公。在日常生活中，AI可以對語音助手、自動化辦公、智能推薦系統(tǒng)等場景進行大幅勢化，增強體驗減少冗余工作量。在畫面上，AI可以處理復雜圖像視頻，在圖像增強、分辨率增強、圖像修復、色彩校正、風格轉換的處理能力更強，提升平面設計、視頻剪輯、游戲體驗等。根據IDC的預測商用和消費類筆記本電腦在經歷23年衰退后，將在24年重新迎來增長，到27年市場總量將超過3400萬臺，其中AI筆記本電腦的占比達到86%。圖75：中國筆記本電腦市場出貨量級增速預測商用市場（百萬臺） 民用市場（百萬臺） YOY增長率9.60%7.39.60%7.35.34.78.6-11.80%17.69.918.810.620.20%11.321.20%11.70%22.3

15%20 10%5%150%10-5%5 -10%02023年

2024年

2025年

2026年

2027年

-15%資料來源：IDC，手機是邊緣AI的最重要組成部分，根據Canalys的數據，2024年智能手機出貨量中，僅有不到5%為AI手機，預估24年AI手機的出貨量在5000-6000萬部。在十年以前AI算法已經可以運行在手機的ISP或者NPU上，如今的智能手機在硬件和軟件上都有極大的提升，在智能手機上實現端側生成式AI已經是大勢所趨。首先手機是科技行業(yè)巨頭的核心終端設備，蘋果三星等巨頭出貨量最大單一產品，在所有硬件終端中使用頻率最高的產品。全球手機總數量突破50億臺，AI手機占比還不到5%，AI在智能手機端擁有非常大的滲透空間。智能手機出貨量平板電腦可穿戴設備智能手機出貨量平板電腦可穿戴設備201510502015

2016

2017

2018

2019

2020

2021資料來源：Canalys，從過去智能手機的AI應用功能來看，頻率較高的使用場景集中在后臺任務和娛樂上，主要包括硬件勢化、照片和視頻編輯等。而與生產力和信息相關的使用場景比如日程助理、AI機器人搜索、視頻內容搜索等需求端的應用頻率較低。隨著AI與手機結合的更加緊密，AI將大幅提升并勢化硬件性能和使用體驗，AI將更加貼合使用者的習慣及環(huán)境，實現硬件勢化、自動化任務、更加高效的圖片和視頻編輯、更精準的搜索結果、更智能的內容輸出等。圖77：智能手機的AI化資料來源：Canalys，根據Counterpoint的數據，預計2027AI智能手機的出貨量將達到5.22億部，復合年增長率為83%。中國本土廠商在生態(tài)整合上將以手機為核心，戰(zhàn)略性將AI步推廣到PC、可穿戴、電視甚至汽車等硬件之上。AI成為國內手機廠商在5G和折疊屏以外最重要的創(chuàng)新點，將有力推動高端手機市場的增長。端側AI能力的提升有利于刺激新一輪的換機周期，提升手機的單機價值量。圖78：全球AI手機出貨量全球AI手機出貨量（億部）65432102023

2024年

2025年

2026年

2027年資料來源：Counterpoint，2024AI大模型成為重中之重。OPPO701000vivo藍心大模型的參數從101750MiLM大模型參數從13億到60億，主要部署在端側；榮耀“魔法大模型”則有70億參數，主要部署在端側。目前AI也就是在手機、PCXR頭顯、智能汽車等終端設備上運行輕型模型。比起云側部署，端側部署勢勢包括：私隱更安全、低延時、無需聯網可靠性高、能耗成本低、減輕云設施壓力并減少開支等。硬件終端的AI化已經是大勢所趨。圖79：國內手機廠商在大語言模型的進展資料來源：Canalys，（三）數字經濟推動電子信息制造業(yè)占GDP比重持續(xù)提升從目前半導體行業(yè)整體產業(yè)鏈情況來看，整個產業(yè)鏈包括EDA軟件、半導體設備零部、相關核心材料、IC設計、晶圓代工、封測等多項環(huán)節(jié)。圖80：半導體產業(yè)鏈資料來源：盛美上海招股說明書，1980-2000年持續(xù)發(fā)展，早期半導體市場的發(fā)展主要來自于內存等產品上的產業(yè)鏈轉1984第一（第四（第五第六（第十頭；對DRAM等重資產開支采取保守戰(zhàn)略，最終產業(yè)鏈轉移至韓國與中國臺灣。日本半導體公司Fabless+Foundry球前十大半導體公司中，已不見日本廠商身影。圖81：全球十大半導體公司變化資料來源：ICinsight，自主開發(fā)、制造提升與應用拓展，三大方向將成為中國半導體領域帶來主要投資機遇。從國內半導體市場發(fā)展來看，整體獲得了比較強的發(fā)展，從市場競爭格局來看，美國在EDA軟件、半導體設備等領域競爭力突出。從芯片產品來看，根據Gartner數據，美國在EDA軟件（96%）、芯片設計（47%）、芯片制造（33%）領域均處于領先地位。中國大陸在設計、制造和封裝領域占比正在穩(wěn)步提升，在產業(yè)鏈附加值量上穩(wěn)步提升。表8：2023年全球產業(yè)鏈市場份額情況

市場份額環(huán)節(jié)附加值美國韓國日本中國臺灣歐洲中國大陸其他原材料晶圓材料生產設備<1%EDA<1%<1%IP核芯片設計芯片制造芯片封裝總增加值資料來源：WSTS，Gartner，從芯片的各類產品來看，主要分類如下：WSTS20225812SKMicron看國產存儲器的份額占比接近4%，整體市場規(guī)模仍為穩(wěn)健，但是隨著國內在多層NAND領域有所突破，未來隨著國產廠商的產能進一步釋放，我們預計存儲器的國產化率有望快速提升。WSTS20222956TIADI60%展有望迎來快速發(fā)展。GartnerAP3202AI、智能手機、平板電腦等消費級SoC領域，隨著后續(xù)英偉達AMD等廠商在AI領域快速布局發(fā)展，高通、三星、蘋果等頭部廠商在產品迭代上的快速發(fā)展，國內部分UAPIBS2022126yoy+12%；預計20301320傳感器，傳感器主要包括MEMS聲學、MEMS溫度/壓力傳感器、指紋識別傳感器等，目前國MEMS溫度/Gartner202261MEMS壓力/高速爆發(fā)。298747872025達到1387億元。中國大陸晶圓代工行業(yè)起步較晚，但發(fā)展速度較快。根據集微咨詢統(tǒng)計，2017202221.420221035.820212025場將達到1662億元市場規(guī)模。1384294820253062表9：國內半導體細分市場規(guī)模預測(單位：億元)2020202120222023E2024E2025E2030E2035E存儲芯片5146552158126500759985721440120881yoy7.3%5.3%12.8%16.9%12.8%8.5%4.5%模擬芯片25042731295630273500385960979511yoy9.1%8.2%12.8%15.6%10.2%9.6%7%處理器芯片（CPU/GPU）214928033202314836814152697613812yoy30.4%14.2%12.8%16.9%12.8%8.5%5.5%分立器件43255161765776886615592089yoy27.6%12.0%12.8%16.9%12.8%13.2%7%傳感器435361576778167378yoy23.8%15.4%12.8%16.9%17.3%12.5%8%半導體設備市場12902039197822322609298747876345yoy58.0%-%12.8%16.9%14.5%5.3%4%半導體材料市場67281791410251203138725204385yoy22.3%11.5%12.2%17.3%15.3%12.3%9%半導體晶圓代工417544103612691476166224023483yoy23.4%47.5%22.6%16.2%12.6%14.6%10%半導體封裝領域24782725294827722897306239685317yoy9.6%7.9%-%4.5%5.7%6.3%4%中國半導體市場總空間1513117783195242068723798266604251566201國內生產總值（萬億元）101.36114.92120.47126.06132.68139.44175.94215.91占比1.5%1.5%1.6%1.6%1.8%1.9%2.4%3.1%資料來源：WTST，CANALYS，SIA，IBS，Gartner，預測ECIA2022346202336343%。顯示面板，中國光學光電子行業(yè)協(xié)會液晶分會統(tǒng)計數據顯示，2021年，我國顯示行業(yè)產值約58681081.610736.963.3%，成為全球第一。PCBPCBPBPrsmk2022年全球PB行業(yè)產值為435.53PCBPCB整體依然保持穩(wěn)定持續(xù)的增長，Prismark2022~2027PCB3.3%。LEDCSAResearch2022LED6750LEDLEDLEDLEDLEDLEDLED表10：國內被動元件、PCB、面板、LED等細分市場規(guī)模預測單位：億元2020202120222023E2024E2025E2030E2035E被動元件市場規(guī)模（億元）8971014106711191173122715191833yoyPCB市場規(guī)模（億元）25173169312330293181330838714620yoy-1.5%-3.0%顯示面板市場規(guī)模（億元）44605868493350815487559764257447yoy-15.9%3%4%LED市場規(guī)模（億元）70157773675066156946708579769245yoy-13.2%-2.0%被動元件、PCB、面板、LED總市場1488917824158731584416787172161979123145國內生產總值（萬億元）101.36114.92120.47126.06132.68139.44175.94215.91占GDP比重資料來源：CSAResearch，Prismark，中國光電子協(xié)會，預測制造、下游銷售和服務等。上游原材料供應主要包括各種電子元器件、集成電路、顯示屏等。2017-2022升，202210566.92023107945G中國消費電子行業(yè)市場規(guī)模在過去幾年中持續(xù)增長，隨著人們生活水平的提高和消費觀念的轉變，對電子產品和相關服務的需求不斷增加。根據Statista的數據，2022年中國消費電子市場規(guī)186492023192012.332.66Canalys2.953.16GFK26852023348020303800AIASP22354%。Canalys（整體出貨量4850202115%，234865241641PC22352.6%。可穿戴設備及AITWSRRDC的數據，20161.0220215.3339.2%。20224.921221.61.7VRAI22356%。2235表11：國內消費電子細分市場規(guī)模預測單位：億元2020年2021年2022年2023E2024E2025E2030E2035E智能手機市場規(guī)模（億元）7992960486101003011060113921377814913yoy20.2%-10.3%16.5%10.3%3.0%3.0%2.0%PC市場規(guī)模（億元）16062077155215571642169119772237yoy29.3%-25.3%0.3%5.5%3.0%1.1%2.1%可穿戴市場規(guī)模（億元）559699814895975105314501868yoy24.9%16.5%10.0%9.0%8.0%7%5%其他消費電子市場規(guī)模（億元）71895734767467196095620961657668yoy-20.3%33.8%-12.4%-%1.9%1.50%1.10%消費電子總市場規(guī)模（億元）1734718113186491920119772203452336926686yoy4.4%3.0%3.0%3.0%2.9%2.75%2.65%國內生產總值（萬億元）101.36114.92120.47126.06132.68139.44175.94215.91占GDP比重1.7%1.6%1.5%1.5%1.5%1.5%1.3%1.2%資料來源：CANALYS，IDC，預測表12：電子行業(yè)整體市場空間測算（億元）2020202120222023E2024E2025E2030E2035E中國消費電子市場規(guī)模（億元）1734718113186491920119772203452336926686yoy4.4%3.0%3.0%3.0%2.9%2.8%2.65%中國半導體市場規(guī)模（億元）1513117783195242068723798266604251566201yoy17.5%9.8%6.0%15.0%12.0%8.6%9%中國電子器件市場規(guī)模（億元）1488917824158731584416787172161979123145yoy19.72%-10.9%-%5.95%2.56%3.29%3.97%電子行業(yè)核心產業(yè)（半導體+電子器3002035607353973653140585438766230689346件）市場規(guī)模（億元）國內生產總值（萬億元）101.36114.92120.47126.06132.68139.44175.94215.91占比3.0%3.1%2.9%2.9%3.1%3.1%3.5%4.1%資料來源：CANALYS，IDC，SIA，IBS，Gartner，WSTS，預測四、投資建議10深度和廣度都在拓展，發(fā)展數字經濟已成為構建現代化經濟體系的重要支撐和發(fā)展的穩(wěn)定引AIAI建議關注：AI寒武紀、海光信息、龍芯中科；AI