電子行業(yè)市場(chǎng)前景及投資研究報(bào)告：AI手機(jī)芯片最大端側(cè)芯片市場(chǎng)

行業(yè)研究報(bào)告（優(yōu)于大市，維持）AI手機(jī)芯片有望成為最大端側(cè)芯片市場(chǎng)2024年7月28日摘要

1、AI手機(jī)高滲透率有望推動(dòng)AI手機(jī)芯片發(fā)展。據(jù)Canalys預(yù)測(cè)2024年，全球16%的智能手機(jī)出貨為AI手機(jī)，到2028年，這一比例將激增至54%。受消費(fèi)者對(duì)AI助手和端側(cè)處理等增強(qiáng)功能需求的推動(dòng)，2023年至2028年間，

AI手機(jī)市場(chǎng)以63%

的年均復(fù)合增長(zhǎng)率(CAGR)增長(zhǎng)。我們認(rèn)為AI手機(jī)的高滲透率將促進(jìn)AI手機(jī)芯片發(fā)展。

2、AI手機(jī)芯片目前競(jìng)爭(zhēng)者集中，有望成為AI端側(cè)標(biāo)桿性市場(chǎng)。經(jīng)過(guò)我們梳理，目前布局AI手機(jī)芯片的廠商主要是原來(lái)5G手機(jī)芯片廠商蘋(píng)果/高通/聯(lián)發(fā)科等。目前AI技術(shù)的落地不斷加速，而作為與每個(gè)人生活密切相關(guān)的智能手機(jī)品類(lèi)，其也成為了AI技術(shù)在消費(fèi)端應(yīng)用落地的橋頭堡，手機(jī)芯片AI能力的提升，勢(shì)必會(huì)進(jìn)一步催化AI技術(shù)的應(yīng)用成熟。同時(shí)我們認(rèn)為AI手機(jī)芯片有望成為最大端側(cè)芯片市場(chǎng)。

投資建議：AI手機(jī)芯片有望樹(shù)立端側(cè)芯片標(biāo)準(zhǔn)，建議關(guān)注國(guó)內(nèi)端側(cè)芯片廠商。

風(fēng)險(xiǎn)提示：宏觀經(jīng)濟(jì)下行；AI落地和滲透率不及預(yù)期；技術(shù)路線變更；行業(yè)競(jìng)爭(zhēng)加劇。2概要3.目前大廠的進(jìn)度3.1.1高通驍龍8Gen3芯片3.1.2高通驍龍XElite芯片與copilot+

PC3.2聯(lián)發(fā)科天璣9300芯片3.3蘋(píng)果M4芯片1.手機(jī)芯片發(fā)展歷程1.1手機(jī)形態(tài)的發(fā)展史1.2蘋(píng)果A系列手機(jī)芯片的時(shí)間線1.3手機(jī)廠商份額占比1.4智能手機(jī)銷(xiāo)量逐漸停滯4.核心觀點(diǎn)總結(jié)2.

AI手機(jī)及芯片被寄予厚望2.1AI手機(jī)成為新亮點(diǎn)2.2傳統(tǒng)手機(jī)芯片的限制2.3NPU的發(fā)展與局限2.4SLM推動(dòng)AI手機(jī)芯片進(jìn)化2.5.1Phi-3與其他SLM以及LLM的對(duì)比2.5.2Phi-3部署于Apple

AI芯片上的測(cè)試2.6SLM的部署有望推動(dòng)AI手機(jī)需求31.1

手機(jī)形態(tài)的發(fā)展史

1983年6月13日，美國(guó)的摩托羅拉公司推出了世界上第一臺(tái)便攜式手機(jī)，這臺(tái)手機(jī)最長(zhǎng)通話時(shí)間是一個(gè)小時(shí)，可以存儲(chǔ)30個(gè)電話號(hào)碼，后流入我國(guó)擁有別稱(chēng)“大哥大”。大哥大最早使用的是摩托羅拉生產(chǎn)的SC99878CFB

芯片、99T30

芯片、34C21芯片。大哥大

摩托羅拉

StarTAC

是

1995年首次推出的一款開(kāi)創(chuàng)性手機(jī)。它因是最早的翻蓋手機(jī)之一而聞名于世。這款標(biāo)志性的設(shè)備以其緊湊的翻蓋設(shè)計(jì)為未來(lái)的移動(dòng)通信奠定了基礎(chǔ)，徹底改變了整個(gè)行業(yè)。它使用了一款未具體公開(kāi)的16位的單核處理器，具有1MB的SDRAM和1KB的內(nèi)部?jī)?chǔ)存空間。2G手機(jī)

2020年10

月

14日，蘋(píng)果迎來(lái)了旗下首款

5G手機(jī)，iPhone12

,全系支持

5G網(wǎng)絡(luò)。該機(jī)型應(yīng)用了蘋(píng)果A14芯片，提供

6個(gè)內(nèi)核，分為

2個(gè)性能內(nèi)核和

4個(gè)能效內(nèi)核。A14采用

5納米制造工藝，集成了

118

億個(gè)晶體管和快速的

4核

GPU

和

16核神經(jīng)引擎，最高可達(dá)到

11

TOPS。A14處理器性能的提升并沒(méi)有以功耗的增加為代價(jià)，因?yàn)樵O(shè)計(jì)人員能夠利用微架構(gòu)的改進(jìn)和新的工藝節(jié)點(diǎn)——與基于

7nm

工藝的

A13

相比，實(shí)際上達(dá)到了功耗持平或小幅降低。3-5G智能手機(jī)

2024年1月25日，三星電子面向中國(guó)市場(chǎng)正式推出新一代高端旗艦智能手機(jī)三星Galaxy

S24系列，通過(guò)創(chuàng)新的Galaxy

AI，三星GalaxyS24系列將AI優(yōu)勢(shì)引入智能手機(jī)，首發(fā)了高頻版本的第三代驍龍8移動(dòng)平臺(tái)，其CPU的大核主頻提升到3.39GHz，CPU主頻提升到1.0GHz，理論上可以更高的瞬時(shí)頻率對(duì)軟件進(jìn)行冷啟動(dòng)。高頻版驍龍8

Gen3，借助三星的Galaxy

AI，充分利用了NPU芯片的強(qiáng)勁AI算力，讓智能手機(jī)不再局限于應(yīng)用本身的智能，而是上升到系統(tǒng)階層，這一戰(zhàn)略不僅是對(duì)產(chǎn)品的一次深刻革新，更是對(duì)“智能”手機(jī)概念的重新定義，讓智能手機(jī)獲得真正的智能。手機(jī)資料：個(gè)人圖書(shū)館，newsdeshi，phonemore，cengn，證券研究所4notebookcheck，

anandtech，快科技，三星官網(wǎng)，1.2蘋(píng)果A系列手機(jī)芯片的時(shí)間線蘋(píng)果A10Fusion芯片2016年蘋(píng)果A9芯片2015年蘋(píng)果A8芯片2014年蘋(píng)果A7芯片2013年蘋(píng)果A6芯片2012年蘋(píng)果A5芯片2011年蘋(píng)果A4芯片制程：16nm2010年制程：14~16nm架構(gòu)：ARM

v8核心數(shù)量：2架構(gòu)：ARM

v8核心數(shù)量：4制程：20nm制程：28nm晶體管數(shù)量：33億架構(gòu)：ARM

v8架構(gòu)：ARM

v8晶體管數(shù)量：20億核心數(shù)量：2制程：32nm架構(gòu)：ARM

v7核心數(shù)量：2核心數(shù)量：2制程：32~45nm架構(gòu)：ARM

v7核心數(shù)量：2晶體管數(shù)量：20億晶體管數(shù)量：>10億制程：45nm架構(gòu)：ARM

v7核心數(shù)量：1資料CNMO，：維基百科，NotebookCheck，中關(guān)村在線，5證券研究所1.2蘋(píng)果A系列手機(jī)芯片的時(shí)間線蘋(píng)果A17Pro芯片2023年蘋(píng)果A16仿生芯片2022年蘋(píng)果A15仿生芯片2021年蘋(píng)果A14仿生芯片2020年蘋(píng)果A13仿生芯片2019年蘋(píng)果A12仿生芯片2018年蘋(píng)果A11仿生芯片制程：3nm2017年制程：4nm核心數(shù)量：6制程：5nm核心數(shù)量：6晶體管數(shù)量:190億制程：5nm架構(gòu)：ARM

v8核心數(shù)量：6晶體管數(shù)量：160億架構(gòu)：ARM

v8制程：7nm核心數(shù)量：6制程：7nm架構(gòu)：ARM

v8核心數(shù)量：6晶體管數(shù)量：150億晶體管數(shù)量：118億制程：10nm架構(gòu)：ARM

v8核心數(shù)量：6架構(gòu)：ARM

v8核心數(shù)量：6晶體管數(shù)量：85億晶體管數(shù)量：69億晶體管數(shù)量：43億資料究所：維基百科，ChipRebel，蘋(píng)果官網(wǎng)，證券研61.3手機(jī)廠商份額占比

據(jù)IDC統(tǒng)計(jì)，2024年第一季度，智能手機(jī)市場(chǎng)份額前三為三星，蘋(píng)果，小米，其份額分別為20.1%，17.5%，13.6%，而相對(duì)于2023年同期出貨量變化為-0.5%、-5.1%、+33.7%。圖：2023-24年第一季度全球智能手機(jī)廠商市場(chǎng)份額變化7資料：IDC，證券研究所1.4智能手機(jī)銷(xiāo)量逐漸停滯

據(jù)Canalys數(shù)據(jù)，由于需求減少，2022

年全年廠商出貨量不足

12

億部，導(dǎo)致全年出貨量下降

12%。

據(jù)下圖可見(jiàn)自2018年到2023年，除2021年外，整體手機(jī)市場(chǎng)基本處于銷(xiāo)量逐漸停滯。圖：2014年-2023年全球智能手機(jī)銷(xiāo)量8資料：Canalys，證券研究所1.4智能手機(jī)銷(xiāo)量逐漸停滯

目前，全球智能手機(jī)市場(chǎng)已過(guò)了快速增長(zhǎng)階段，消費(fèi)者更換手機(jī)的周期越來(lái)越長(zhǎng)，設(shè)備創(chuàng)新趨同，智能手機(jī)市場(chǎng)日趨成熟。

我們認(rèn)為，智能手機(jī)銷(xiāo)量停滯的原因之一是手機(jī)性能的過(guò)剩，即消費(fèi)者認(rèn)為現(xiàn)有的智能手機(jī)功能和性能已經(jīng)足夠，導(dǎo)致更換手機(jī)的頻率降低。Counterpoint的報(bào)告提到，雖然高端市場(chǎng)（如價(jià)格在600美元以上的手機(jī)）在增長(zhǎng)，但整體市場(chǎng)增速放緩，部分原因是設(shè)備性能過(guò)剩和消費(fèi)者換機(jī)周期延長(zhǎng)。資料：Counterpoint

，證券研究所92.1AI手機(jī)成為新亮點(diǎn)

據(jù)Canalys數(shù)據(jù)，2024年，全球16%的智能手機(jī)出貨為AI手機(jī)，到2028年，這一比例將激增至54%。受消費(fèi)者對(duì)AI助手和端側(cè)處理等增強(qiáng)功能需求的推動(dòng)，2023年至2028年間，AI手機(jī)市場(chǎng)以63%

的年均復(fù)合增長(zhǎng)率(CAGR)增長(zhǎng)。預(yù)計(jì)這一轉(zhuǎn)變將先出現(xiàn)在高端機(jī)型上，然后逐漸為中端智能手機(jī)所采用，反映出端側(cè)生成式AI作為更普適性的先進(jìn)技術(shù)滲透整體手機(jī)市場(chǎng)的趨勢(shì)。圖：AI手機(jī)市場(chǎng)關(guān)鍵數(shù)據(jù)圖：AI手機(jī)市場(chǎng)份額預(yù)測(cè)資料：

Canalys，證券研究所102.2傳統(tǒng)手機(jī)芯片的限制

盡管“AI+手機(jī)”展現(xiàn)出的潛力讓市場(chǎng)為之興奮，但從當(dāng)下已發(fā)布的AI手機(jī)來(lái)看，AI功能還僅集中在圖像處理、語(yǔ)音識(shí)別等方面，離理想中的AI手機(jī)仍存在差距。

當(dāng)前，AI手機(jī)尚需解決的關(guān)鍵問(wèn)題包括提升離線環(huán)境下AI處理能力、優(yōu)化AI運(yùn)算能效、延長(zhǎng)電池壽命，以及加強(qiáng)AI決策的透明度和倫理規(guī)范等。理想的AI手機(jī)應(yīng)具備全方位的智能感知與自主服務(wù)能力，能無(wú)縫融入用戶(hù)生活并與各類(lèi)智能設(shè)備聯(lián)動(dòng)。

這些

AI用例面臨兩大共同的關(guān)鍵挑戰(zhàn)。第一，在功耗和散熱受限的終端上使用通用

CPU和

GPU服務(wù)平臺(tái)的不同需求，難以滿(mǎn)足這些

AI用例嚴(yán)苛且多樣化的計(jì)算需求。第二，這些

AI用例在不斷演進(jìn)，在功能完全固定的硬件上部署這些用例不切實(shí)際。因此，支持處理多樣性的異構(gòu)計(jì)算架構(gòu)能夠發(fā)揮每個(gè)處理器的優(yōu)勢(shì)，例如以

AI為中心定制設(shè)計(jì)的

NPU，以及

CPU和

GPU。每個(gè)處理器擅長(zhǎng)不同的任務(wù):CPU

擅長(zhǎng)順序控制和即時(shí)性，GPU適合并行數(shù)據(jù)流處理，NPU擅長(zhǎng)標(biāo)量、向量和張量數(shù)學(xué)運(yùn)算，可用于核心AI工作負(fù)載。資料：21經(jīng)濟(jì)網(wǎng)，高通白皮書(shū)《通過(guò)NPU和異證券研究所11構(gòu)計(jì)算開(kāi)啟端側(cè)AI》，2.3NPU的發(fā)展與局限

NPU是面向機(jī)器學(xué)習(xí)和人工智能領(lǐng)域的專(zhuān)用加速芯片。相比CPU、GPU等通用芯片，NPU在電路層模擬了人類(lèi)神經(jīng)元和突觸，針對(duì)AI計(jì)算涉及的大量神經(jīng)網(wǎng)絡(luò)模型進(jìn)行特殊優(yōu)化，能夠以更高的效率、更低的能耗處理人工神經(jīng)網(wǎng)絡(luò)、隨機(jī)森林等機(jī)器學(xué)習(xí)算法和深度學(xué)習(xí)模型。

NPU專(zhuān)為實(shí)現(xiàn)以低功耗加速

AI

推理而全新打造，其架構(gòu)隨著新

AI

算法、模型和用例的發(fā)展不斷演進(jìn)。Al

工作負(fù)載主要包括由標(biāo)量、向量和張量數(shù)學(xué)組成的神經(jīng)網(wǎng)絡(luò)層計(jì)算以及非線性激活函數(shù)。優(yōu)秀的

NPU設(shè)計(jì)能夠?yàn)樘幚磉@些AI

工作負(fù)載做出正確的設(shè)計(jì)選擇，與

AI

行業(yè)方向保持高度一致。圖：NPU

隨著不斷變化的

AI用例和模型持續(xù)演進(jìn)，實(shí)現(xiàn)高性能低功耗。12資料啟端側(cè)AI》，：中國(guó)電子報(bào)，高通白皮書(shū)《通過(guò)證券研究所NPU和異構(gòu)計(jì)算開(kāi)2.3NPU的發(fā)展與局限

在面向更多行業(yè)、更多場(chǎng)景的落地過(guò)程中，NPU的應(yīng)用開(kāi)發(fā)也出現(xiàn)了一些痛點(diǎn)。

NPU的使用難點(diǎn)在于如何能釋放出有效的算力。想讓NPU充分發(fā)揮性能，不能光靠堆積來(lái)實(shí)現(xiàn)，而要了解NPU的理論算力和實(shí)際應(yīng)用算力。在此基礎(chǔ)上，再對(duì)現(xiàn)有的編程模型進(jìn)行優(yōu)化，使其更好地適應(yīng)NPU的并行處理架構(gòu)。這需要開(kāi)發(fā)者和工程師深入了解NPU的工作原理和特性。除了編程模型優(yōu)化外，還需要對(duì)硬件設(shè)備本身進(jìn)行優(yōu)化，例如散熱、功耗管理等。這些因素都會(huì)影響到NPU的實(shí)際性能和算力。

為了進(jìn)一步實(shí)現(xiàn)NPU在AI

PC中的普及并釋放出有效算力，還需要建設(shè)針對(duì)NPU的生態(tài)。由于缺乏統(tǒng)一的工具鏈，NPU在推理側(cè)出現(xiàn)了硬件碎片化，增加了應(yīng)用開(kāi)發(fā)創(chuàng)新的代價(jià)和周期。另一方面，NPU處理AI模型的訓(xùn)練、推理時(shí)，涉及或產(chǎn)生大量數(shù)據(jù)，開(kāi)發(fā)者對(duì)白盒軟件、工具鏈的訴求越發(fā)迫切。圖：Arm科技“周易”NPU軟件開(kāi)源計(jì)劃資料：中國(guó)電子報(bào)，證券研究所132.4SLM推動(dòng)AI手機(jī)芯片進(jìn)化

在大模型發(fā)展趨緩的情況下，我們認(rèn)為AI手機(jī)創(chuàng)新發(fā)展的重點(diǎn)在于軟件生態(tài)和小模型，AI手機(jī)芯片作為小型語(yǔ)言模型的載體，是實(shí)現(xiàn)用戶(hù)需求的關(guān)鍵。

小型語(yǔ)言模型（SLM）是一種輕量級(jí)的生成式人工智能模型。這里的“小型”指的是模型神經(jīng)網(wǎng)絡(luò)的大小、模型用于決策的參數(shù)數(shù)量以及模型訓(xùn)練的數(shù)據(jù)量。許多研究人員的共識(shí)是，參數(shù)少于

1億的

語(yǔ)言模型被認(rèn)為是小型模型，盡管定義可能有所不同。一些專(zhuān)家認(rèn)為，參數(shù)少至

100

萬(wàn)至

1000

萬(wàn)的模型都屬于小型模型，這與當(dāng)今擁有數(shù)千億參數(shù)的大型模型形成了鮮明對(duì)比。與大型語(yǔ)言模型（LLM）相比，SLM體積小，可以使用相對(duì)較小的數(shù)據(jù)集進(jìn)行訓(xùn)練，需要的計(jì)算能力和內(nèi)存更少，可以部署在移動(dòng)設(shè)備上。圖：SLM的戰(zhàn)略性?xún)?yōu)勢(shì)資料：Leewayhertz，winder

AI，證券研究所142.5.1Phi-3與其他SLM以及LLM的對(duì)比

微軟的

Phi-3

模型是專(zhuān)為提高效率和性能而設(shè)計(jì)的小型語(yǔ)言模型

(SLM)，擁有38

億個(gè)參數(shù)，其結(jié)果與大型模型相比極具競(jìng)爭(zhēng)力。Phi-3

具有資源效率高、可擴(kuò)展性強(qiáng)和靈活性高的特點(diǎn)，適合部署在資源有限的設(shè)備上。盡管體積較小，但它通過(guò)數(shù)據(jù)集質(zhì)量?jī)?yōu)化和有效參數(shù)利用，實(shí)現(xiàn)了與大型模型相當(dāng)?shù)男阅堋?/p>

在關(guān)鍵基準(zhǔn)測(cè)試中，Phi-3型號(hào)明顯優(yōu)于相同尺寸和更大尺寸的語(yǔ)言型號(hào)（參見(jiàn)下面的基準(zhǔn)測(cè)試數(shù)字，越高越好）。Phi-3-mini

比其兩倍大小的模型表現(xiàn)更好，Phi-3-small和

Phi-3-medium則比更大的模型表現(xiàn)更好，包括

GPT-3.5T。圖：Phi-3與其他SLM以及LLM的比較資料：

Microsoft

，證券研究所152.5.2Phi-3部署于Apple

AI芯片上的測(cè)試

Phi3-mini是可在手機(jī)本地運(yùn)行的高性能語(yǔ)言模型。由于體積小，它可以量化到4bit，因此只占用

≈

1.8GB

的內(nèi)存。該論文作者在配備

A16

Bionic

芯片的iPhone

14

上部署了Phi-3-mini，在原生設(shè)備上完全離線運(yùn)行，測(cè)試了量化后的模型，每秒可生成超過(guò)

12

個(gè)tokens。圖：

Phi-3-mini

在配備

A16

Bionic

芯片的

iPhone上原生運(yùn)行資料：《A

Highly

Capable

Language

Model證券研究所16Locally

on

Your

Phone》

Microsoft，2.6SLM的部署有望推動(dòng)AI手機(jī)需求

我們認(rèn)為目前手機(jī)芯片只體現(xiàn)出部分AI功能，并沒(méi)有顛覆式的使用體驗(yàn)，AI體驗(yàn)并不完善。自

ChatGPT

推出以來(lái)，使用大型語(yǔ)言模型（LLM）構(gòu)建產(chǎn)品的需求激增。Nvidia

GPU（尤其是其A100

和

H100芯片）在市場(chǎng)份額中占據(jù)主導(dǎo)地位。據(jù)Tomshardware援引Financial

Times預(yù)測(cè)，

2024

年

Nvidia

H100的出貨量將在

150

萬(wàn)片到

200萬(wàn)片之間，比2023年預(yù)計(jì)的

50萬(wàn)片大幅增加。圖：Nvidia數(shù)據(jù)中心硬件收入圖：Nvidia

H100

GPU

出貨量預(yù)測(cè)資料：Tomshardware，Towards

AI，證券研究所173.1.1高通驍龍8Gen3芯片

高通驍龍8Gen3芯片是針對(duì)終端上的生成式人工智能而開(kāi)發(fā)的高通首個(gè)支持多模式生成式人工智能模型的人工智能引擎。

Gen3支持僅在邊端設(shè)備上運(yùn)行的大型語(yǔ)言模型

(LLM)、語(yǔ)言視覺(jué)模型

(LVM)

和基于變壓器網(wǎng)絡(luò)的自動(dòng)語(yǔ)音識(shí)別(ASR)。圖：驍龍8Gen3芯片性能介紹18資料：

Qualcomm，證券研究所3.1.2高通驍龍X

Elite與Copilot+

PC

(Copilot+

PC)引入了全新的系統(tǒng)架構(gòu)，將CPU、GPU

以及全新的高性能神經(jīng)處理單元

(NPU)

的強(qiáng)大功能結(jié)合在一起。與Azure云中運(yùn)行的大型語(yǔ)言模型(LLM)

和小型語(yǔ)言模型

(SLM)

相連接并得到增強(qiáng)，Copilot+

PC現(xiàn)在可以達(dá)到前所未有的性能水平。在運(yùn)行人工智能工作負(fù)載方面，它們的性能提高了

20倍，效率提高了

100

倍，并提供了業(yè)界領(lǐng)先的人工智能加速功能。

Copilot+

PC利用功能強(qiáng)大的處理器和多種先進(jìn)的人工智能模型（包括多個(gè)微軟的世界級(jí)

SLM），可以直接在設(shè)備上本地運(yùn)行。這消除了以前在延遲、成本甚至隱私等方面的限制，能幫助用戶(hù)提高工作效率、創(chuàng)造力和溝通效率。圖：搭載驍龍X

Elite和驍龍X

Plus的Copilot+

PC19資料：Qualcomm，

Microsoft，證券研究所3.2聯(lián)發(fā)科天璣9300芯片

聯(lián)發(fā)科天璣9300芯片充分利用了今年業(yè)界一直追求的人工智能生成技術(shù)的進(jìn)步。其搭載的引擎即聯(lián)發(fā)科第

7

代NPU架構(gòu)內(nèi)建硬件級(jí)的生成式AI引擎，能夠?qū)崿F(xiàn)更快速且安全的邊緣

AI計(jì)算。與驍龍

8

Gen

3一樣，天璣9300的APU

790

AI處理器也從該品牌的

A