《計算機行業：AI模型下沉至終端提升邊緣計算需求-230615（45頁）.pdf》由會員分享，可在線閱讀，更多相關《計算機行業：AI模型下沉至終端提升邊緣計算需求-230615（45頁）.pdf（45頁珍藏版）》請在三個皮匠報告上搜索。

1、發布日期：發布日期：20232023年年0606月月1515日日AI模型下沉至終端，提升邊緣計算需求閻貴成閻貴成010-85159231010-85159231SAC SAC 編號：編號：S1440518040002S1440518040002SFC SFC 編號：編號：BNS315BNS315行業動態報告行業動態報告證券研究報告證券研究報告本報告由中信建投證券股份有限公司在中華人民共和國（僅為本報告目的，不包括香港、澳門、臺灣）提供。在遵守適用的法律法規情況下，本報告亦可能由中信建投（國際）證券有限公司在香港提供。同時請務必閱讀正文之后的免責條款和聲明。武超則武超則010-851563180

2、10-85156318SAC SAC 編號：編號：S1440513090003S1440513090003SFC SFC 編號：編號：BEM208BEM208汪潔汪潔SAC SAC 編號編號:S1440523050003:S1440523050003 2總體判斷總體判斷核心核心觀點：我們認為未來觀點：我們認為未來AIAI算力算力將綜合考慮硬件能力、成本等因素，以將綜合考慮硬件能力、成本等因素，以混合混合AIAI的架構，在邊端和云端靈的架構，在邊端和云端靈活分配。大模型向智能終端（邊緣端）活分配。大模型向智能終端（邊緣端）滲透初見端倪，這類場景我們認為率先會在手機、滲透初見端倪，這類場景我們認為

3、率先會在手機、PCPC、智能駕駛、智能駕駛、具身智能、元宇宙、工業控制等場景落地。邊緣具身智能、元宇宙、工業控制等場景落地。邊緣AIAI核心在于引入邊緣側的核心在于引入邊緣側的AIAI能力，進一步增強邊緣側的能力，進一步增強邊緣側的算力能力、連接能力算力能力、連接能力。建議重點關注物聯網模組、智能控制器板塊。建議重點關注物聯網模組、智能控制器板塊。AIGCAIGC大模型及應用爆紅，拉動算力需求。在萬物互聯大部分場景中，云端處理存在時延較長、成本較大模型及應用爆紅，拉動算力需求。在萬物互聯大部分場景中，云端處理存在時延較長、成本較高、并且涉及數據隱私等問題，邊緣高、并且涉及數據隱私等問題，邊緣A

4、IAI算力的引入至關重要。我們認為未來算力的引入至關重要。我們認為未來AIAI算算力將力將綜合考慮硬件能綜合考慮硬件能力、成本等因素，以混合力、成本等因素，以混合AIAI的架構，在邊端和云端靈活分配的架構，在邊端和云端靈活分配。大模型向智能終端（邊緣端）滲透，模型壓縮和邊緣側計算性能提升是兩大關鍵。目前從這兩個方向大模型向智能終端（邊緣端）滲透，模型壓縮和邊緣側計算性能提升是兩大關鍵。目前從這兩個方向上，都可以看到不錯的進展預期，大模型在邊緣端滲透初見端倪。這類場景我們認為率先會在手機、上，都可以看到不錯的進展預期，大模型在邊緣端滲透初見端倪。這類場景我們認為率先會在手機、PCPC、智能駕駛、

5、具身智能、元宇宙、工業控制等、智能駕駛、具身智能、元宇宙、工業控制等場景落地。場景落地。產業鏈角度，邊緣產業鏈角度，邊緣AIAI核心在于引入邊緣側的核心在于引入邊緣側的AIAI能力，進一步增強邊緣側的算力能力、連接能力。重點能力，進一步增強邊緣側的算力能力、連接能力。重點包括包括AIAI芯片、算力芯片、算力/連接模組、邊緣網關連接模組、邊緣網關/邊緣服務器邊緣服務器/邊緣控制器等硬件、邊緣控制器等硬件、AIAI算法算法/邊緣計算平臺等軟邊緣計算平臺等軟件環節。從投資角度來看，建議優先圍繞這幾類產業鏈環節、兼顧業績彈性優選標的件環節。從投資角度來看，建議優先圍繞這幾類產業鏈環節、兼顧業績彈性優選

6、標的。建議重點關注物聯網模組、智能控制器板塊。建議重點關注物聯網模組、智能控制器板塊。AIAI逐步滲透帶來量價齊升，中長期拉動可以樂觀?？紤]逐步滲透帶來量價齊升，中長期拉動可以樂觀?？紤]到到AIAI應用的開發過程等，我們認為應用的開發過程等，我們認為20242024年開始有望規模起量。年開始有望規模起量。AIAI帶來增量有望帶動蜂窩物聯網模組行帶來增量有望帶動蜂窩物聯網模組行業進入業進入25%-30%25%-30%復合增速的階段，關注廣和通、美格智能、移遠通信等。智能控制器在智能家居、工復合增速的階段，關注廣和通、美格智能、移遠通信等。智能控制器在智能家居、工業控制等場景中是實現智能化的大腦，

7、業控制等場景中是實現智能化的大腦，AIAI帶來的增量同樣有望拉動行業需求，推薦拓邦股份、和而泰帶來的增量同樣有望拉動行業需求，推薦拓邦股份、和而泰等。等。連接提升連接提升ASPASP：5G5G模組單價平均模組單價平均400-500400-500元，元，4G4G模組單價平均模組單價平均100-200100-200元。元。算力提升算力提升ASPASP：算力用量方面，智能家居等場景典型算力需求是小于：算力用量方面，智能家居等場景典型算力需求是小于1Tops1Tops，自動駕駛隨著級別，自動駕駛隨著級別升高算力需求在升高算力需求在20Tops4000Tops20Tops4000Tops。算力成本方面，

8、量化匡算算力成本為。算力成本方面，量化匡算算力成本為5 5元元/Tops-10/Tops-10元元/Tops/Tops?，F有場景用量增加：車載、智能家居、智能音箱等?，F有場景用量增加：車載、智能家居、智能音箱等。新增典型場景：具身智能、新增典型場景：具身智能、VR/ARVR/AR眼鏡、工業控制等眼鏡、工業控制等。風險提示：國際環境變化對供應鏈的安全和穩定產生影響；風險提示：國際環境變化對供應鏈的安全和穩定產生影響；AIAI芯片進展不及預期；芯片進展不及預期；AIAI算法、模型壓縮算法、模型壓縮等進展不及預期；產品形態變化導致模組需求不及預期；等進展不及預期；產品形態變化導致模組需求不及預期；A

9、IAI應用發展不及預期等。應用發展不及預期等。TUpZlZaXnVUVrVbWiYbRaO6MoMmMmOsReRnNqOlOoPtN8OnNuNNZqNnPNZoOtM一、一、AIAI算力將在邊端云端靈活分配算力將在邊端云端靈活分配目錄CONTENTS二、大模型向邊緣端滲透初見端倪二、大模型向邊緣端滲透初見端倪三、產業鏈新增三、產業鏈新增AIAI，強化算力與連接，強化算力與連接四、圍繞受益環節、兼顧彈性選標的四、圍繞受益環節、兼顧彈性選標的五、風險提示五、風險提示 4數據來源：沃思互聯，中信建投圖圖1 1：邊緣計算示意圖：邊緣計算示意圖1.1 1.1 邊緣計算在萬物互聯場景中至關重要邊緣計算

10、在萬物互聯場景中至關重要 邊緣計算是一種分布式計算架構，將數據處理能力和應用程序部署在更接近數據源的位置，以提高響邊緣計算是一種分布式計算架構，將數據處理能力和應用程序部署在更接近數據源的位置，以提高響應性，增強安全性和保護用戶隱私（參考邊緣計算聯盟（應性，增強安全性和保護用戶隱私（參考邊緣計算聯盟（ECCECC）的定義）。）的定義）。所謂邊緣，一般包括：設備邊緣和云邊緣。所謂邊緣，一般包括：設備邊緣和云邊緣。設備邊緣：一般包括直接的終端設備以及一些異構加速卡、邊緣網關等設備。設備邊緣：一般包括直接的終端設備以及一些異構加速卡、邊緣網關等設備。云邊緣：一般是在設備邊緣和中心云之間，比如就近部署

11、的邊緣云節點云邊緣：一般是在設備邊緣和中心云之間，比如就近部署的邊緣云節點/邊緣邊緣IDCIDC。萬物互聯場景中，云端處理存在時延較長、成本較高、涉及數據隱私等問題，引入邊緣計算至關重要。萬物互聯場景中，云端處理存在時延較長、成本較高、涉及數據隱私等問題，引入邊緣計算至關重要。5數據來源：EETimes，英偉達，中信建投圖圖2 2：邊緣：邊緣AIAI的優勢的優勢1.2 1.2 邊緣邊緣AIAI將與云端將與云端AIAI相互補充相互補充 邊緣邊緣AIAI將將AIAI能力引入到邊緣計算場景。能力引入到邊緣計算場景。相較于云端集中的相較于云端集中的AIAI資源池運算，邊緣資源池運算，邊緣AIAI具有實

12、時響應、增加隱私性、持續改進等優勢。具有實時響應、增加隱私性、持續改進等優勢。邊緣邊緣AIAI與云端集中的與云端集中的AIAI是相互補充、相互關聯的關系，而非替代關系。是相互補充、相互關聯的關系，而非替代關系。邊緣邊緣AIAI機制機制云端云端AIAI機制機制 6 20222022年年5 5月的世界智能科技創新合作峰會上，高通公司中國區董事長孟樸強調了混合月的世界智能科技創新合作峰會上，高通公司中國區董事長孟樸強調了混合AIAI重要性。重要性。在在5G5G加持下，隨著生成式加持下，隨著生成式AIAI的飛速普及和計算需求的日益增長，混合處理的重要性空前凸顯。的飛速普及和計算需求的日益增長，混合處理

13、的重要性空前凸顯?；旌匣旌螦IAI架構可以根據模型和查詢需要的復雜度等因素，選擇不同的方式在云端和邊緣終端之間分架構可以根據模型和查詢需要的復雜度等因素，選擇不同的方式在云端和邊緣終端之間分配并協同處理配并協同處理AIAI工作負載。工作負載。以終端側以終端側AIAI為中心的混合為中心的混合AIAI架構中，端側設備作為錨點，可以運行數十億參數的模型，復雜的模架構中，端側設備作為錨點，可以運行數十億參數的模型，復雜的模型則可以跨云端和終端進行運行，根據需要在用戶無縫感知的情況下，使用云端計算。型則可以跨云端和終端進行運行，根據需要在用戶無縫感知的情況下，使用云端計算。數據來源：高通，中信建投圖圖3

14、 3：高通提出：高通提出AIAI的未來是混合的未來是混合AIAI1.3 1.3 高通公司表態向智能邊緣計算公司升級，提出混合高通公司表態向智能邊緣計算公司升級，提出混合AIAI架構架構 7數據來源：量子位，中信建投圖圖4 4：高通：高通AIAI軟件棧軟件棧1.3 1.3 高通公司表態向智能邊緣計算公司升級，提出混合高通公司表態向智能邊緣計算公司升級，提出混合AIAI架構（續）架構（續）高通公司高級副總裁高通公司高級副總裁 Alex Alex KatouzianKatouzian 表示，高通正在從一家通信公司（表示，高通正在從一家通信公司（Communications CompanyCommun

15、ications Company）過渡）過渡到一家智能邊緣計算公司（到一家智能邊緣計算公司（Intelligent Edge Computing FirmIntelligent Edge Computing Firm）。）。高通表示未來幾個月內高通表示未來幾個月內100100億參數的模型將有望在終端側運行。億參數的模型將有望在終端側運行。8數據來源：英偉達，ITF World 2023，中信建投圖圖5 5：英偉達表示：英偉達表示AIAI下一個浪潮將是下一個浪潮將是具身智能具身智能 我們認為我們認為AIAI算力將綜合考慮硬件能力、成本等因素，在邊端和云端靈活分配，簡單涵蓋：算力將綜合考慮硬件能力

16、、成本等因素，在邊端和云端靈活分配，簡單涵蓋：邊端邊端AIAI小模型場景：本地跑一些語音識別、圖像識別等算法復雜度比較低、對算力要求比較小的小模型場景：本地跑一些語音識別、圖像識別等算法復雜度比較低、對算力要求比較小的AIAI模型，同時也可以通過模型，同時也可以通過APIAPI調用云端調用云端AIAI算力算力/應用來實現更加豐富的應用來實現更加豐富的AIAI功能。功能。邊端邊端AIAI大模型場景：直接在邊緣側運行大模型場景：直接在邊緣側運行AIAI大模型。這類場景我們認為可能會率先在手機、大模型。這類場景我們認為可能會率先在手機、PCPC、智能駕駛、具身智能、元宇宙、工業控制等自身具備一定算力

17、基礎的場景落地。智能駕駛、具身智能、元宇宙、工業控制等自身具備一定算力基礎的場景落地。1.4 AI1.4 AI算力預計將靈活分配算力預計將靈活分配 9數據來源：面向邊緣智能的聯邦學習綜述，中信建投圖圖6 6：聯邦學習：聯邦學習FLFL方法方法 聯邦學習聯邦學習FLFL（Federated Learning,FLFederated Learning,FL）采用分布式學習架構，使得神經網絡模型在移動邊緣計算（）采用分布式學習架構，使得神經網絡模型在移動邊緣計算（MECMEC）架構下可以進行分布式訓練，參與學習的客戶端無需上傳本地數據，只需將訓練后的模型參數更新上架構下可以進行分布式訓練，參與學習的

18、客戶端無需上傳本地數據，只需將訓練后的模型參數更新上傳，再由邊緣服務器節點聚合、更新參數并下發給參與學習的客戶端。由于不需要共享和傳輸原始數傳，再由邊緣服務器節點聚合、更新參數并下發給參與學習的客戶端。由于不需要共享和傳輸原始數據，采用類似集群的通信結構，據，采用類似集群的通信結構，FLFL更適合于移動終端等大規模、廣分布的部署環境。更適合于移動終端等大規模、廣分布的部署環境。1.5 1.5 聯邦學習等方法研究在邊緣計算架構下進行分布式訓練聯邦學習等方法研究在邊緣計算架構下進行分布式訓練5G 系統引入的移動邊緣計算（Mobile Edge Computing，MEC）架構，通過利用邊緣設備未充

19、分利用的計算和通信資源，在無線網絡邊緣部署移動應用。MEC提供了分布式計算環境，可用于部署應用程序和服務。但是，多個終端想彼此分享各自的數據集和學到的知識，面臨著監管約束、隱私以及安全問題。而且，相比于使用所有終端數據進行訓練，只使用一個終端的數據訓練獲得的模型不夠精確。面對這樣的形勢，聯邦學習FL（federated learning,FL）技術應運而生。一、一、AIAI算力將在邊端云端靈活分配算力將在邊端云端靈活分配目錄CONTENTS二、大模型向邊緣端滲透初見端倪二、大模型向邊緣端滲透初見端倪三、產業鏈新增三、產業鏈新增AIAI，強化算力與連接，強化算力與連接四、圍繞受益環節、兼顧彈性選

20、標的四、圍繞受益環節、兼顧彈性選標的五、風險提示五、風險提示 11數據來源：浪潮，中信建投圖圖7 7：針對推理端：針對推理端AIAI應用性能優化方法應用性能優化方法2.1 2.1 大模型在邊緣端滲透的條件：模型壓縮大模型在邊緣端滲透的條件：模型壓縮+算力提升算力提升 大模型向邊緣端滲透，需要算法、硬件協同優化，模型壓縮和邊緣側計算性能提升是兩大關鍵。大模型向邊緣端滲透，需要算法、硬件協同優化，模型壓縮和邊緣側計算性能提升是兩大關鍵。模型壓縮：比如模型壓縮：比如GPT-175B GPT-175B 模型約有模型約有 1750 1750 億參數，以半精度（億參數，以半精度（FP16FP16）格式計算

21、，至少占）格式計算，至少占 320GB320GB存存儲空間。模型壓縮是大模型向邊緣滲透的其中一個重要條件。儲空間。模型壓縮是大模型向邊緣滲透的其中一個重要條件。計算性能提升：包括算力、顯存、功耗等多方面的硬件綜合能力。計算性能提升：包括算力、顯存、功耗等多方面的硬件綜合能力。目前在這兩個方向上，我們都可以看到不錯的進展預期，大模型在邊緣端滲透初見端倪。目前在這兩個方向上，我們都可以看到不錯的進展預期，大模型在邊緣端滲透初見端倪。12數據來源：CDSN，清華大學，中信建投圖圖8 8：模型壓縮方法：模型壓縮方法2.2.1 2.2.1 模型壓縮：包含量化、蒸餾、剪枝等多種方式模型壓縮：包含量化、蒸餾

22、、剪枝等多種方式 模型壓縮主要包括模型壓縮主要包括Model QuantizationModel Quantization模型量化、模型量化、knowledge distillation knowledge distillation知識蒸餾、知識蒸餾、Model PruningModel Pruning模型剪枝、模型剪枝、Low-Rank AdaptationLow-Rank Adaptation低秩適應、低秩適應、weight sharingweight sharing權值共享、權值共享、architecture searcharchitecture search結構搜索等方式。結構搜索等方

23、式。知識蒸餾：知識蒸餾：知識是指模型的參數本身。知識蒸餾就是想把這種映射能力從大模型（Teacher）遷移到小模型（Student）上。模型剪枝：模型剪枝：清除對模型性能的貢獻較小的神經元或某些神經元之間的連接。剪枝的基礎是因為深度神經網絡本質上是稀疏的。模型量化：模型量化：標準的神經網絡數值計算是浮點計算，表示的數位多。量化使用較低精度的數據類型來存儲模型權重和執行計算，比如采用8 位整數而不是 32 位浮點數等。13數據來源：網易，中信建投圖圖9 9：SparseGPTSparseGPT2.2.2 2.2.2 模型壓縮：模型壓縮：SparseGPTSparseGPT可以一次性修剪至少可以一

24、次性修剪至少50%50%的稀疏性的稀疏性 奧地利科技學院等機構的研究者提出奧地利科技學院等機構的研究者提出SparseGPTSparseGPT，可以在，可以在100100億億-1000-1000億參數的模型規模上有效地運作。億參數的模型規模上有效地運作。SparseGPTSparseGPT將剪枝問題簡化為一組極其大規模的稀疏回歸實例，基于新的近似稀疏回歸求解器用于解決將剪枝問題簡化為一組極其大規模的稀疏回歸實例，基于新的近似稀疏回歸求解器用于解決分層壓縮問題，效率足以在幾個小時內使用單個分層壓縮問題，效率足以在幾個小時內使用單個 GPU GPU 在在175B175B參數的參數的GPT GPT

25、模型上執行。模型上執行。SparseGPTSparseGPT 可以在可以在 OPT OPT 家族的家族的 1750 1750 億參數變量中剪枝到高達億參數變量中剪枝到高達 60%60%的均勻分層稀疏性。的均勻分層稀疏性。SparseGPTSparseGPT：給定一個固定的修剪掩碼M，使用 Hessian 逆序列，增量地修剪權重矩陣W的每一列的權重，并更新這些行中的其余權重（位于正在處理的列的右側）。修剪權重的右邊（深藍色部分）將被更新以補償修剪錯誤，而未修剪的權重不生成更新（淺藍色部分）。SparseGPT 可以在OPT家族的1750 億參數變量中剪枝到高達 60%的均勻分層稀疏性。幅度剪枝（

26、Magnitude Pruning）的準確率僅保持到 10%的稀疏度 14數據來源：DataLearner，中信建投圖圖1010：逐步蒸餾法：逐步蒸餾法2.2.3 2.2.3 模型壓縮：逐步蒸餾法用模型壓縮：逐步蒸餾法用7.77.7億參數蒸餾超過億參數蒸餾超過54005400億的大語言模型億的大語言模型 5 5月月3 3日，華盛頓大學與日，華盛頓大學與GoogleGoogle一起公布逐步蒸餾（一起公布逐步蒸餾（Distilling step-by-stepDistilling step-by-step）法，可使用更少的數據來做模）法，可使用更少的數據來做模型的蒸餾（據論文描述，平均只需要之前方

27、法的一半數據，最好的情況只需要型的蒸餾（據論文描述，平均只需要之前方法的一半數據，最好的情況只需要15%15%的數據就可以達到的數據就可以達到類似的效果），并可獲得更小規模的模型（最多可比原模型小類似的效果），并可獲得更小規模的模型（最多可比原模型小20002000倍，即可獲得大模型差不多的效倍，即可獲得大模型差不多的效果）。果）。逐步蒸餾法：逐步蒸餾法：使用思維鏈在多任務訓練框架內為小型模型提取LLM rationales(基本原理/解釋/依據，作為額外的監督，取得了以更少的訓練數據和更小的模型規模超越更大的語言模型 首先，給定一個LLM和一個未標記的數據集，提示LLM生成輸出標簽以及支持標

28、簽的rationales，rationales 為模型預測的標簽提供支持，是自監督LLM的一種新興行為特性。其次，利用這些rationales以及任務標簽來訓練較小的下游模型，rationales提供了關于為什么輸入映射到特定輸出標簽的更豐富、更詳細的信息。15數據來源：量子位，中信建投圖圖1111：QLoRAQLoRA法法2.2.4 2.2.4 模型壓縮：開源模型原駝可以做到模型壓縮：開源模型原駝可以做到 ChatGPTChatGPT 99%99%的能力的能力 華盛頓大學發布開源大模型原駝（華盛頓大學發布開源大模型原駝（GuanacoGuanaco），自動測試分數達到），自動測試分數達到Ch

29、atGPTChatGPT的的99.3%99.3%，并且同時發布新，并且同時發布新方法方法QLoRAQLoRA，把微調大模型的顯存需求從，把微調大模型的顯存需求從780GB780GB降低到降低到48GB100TOPS100TOPS；L5L5需要的需要的AIAI計算力為計算力為500-1000TOPS500-1000TOPS。21數據來源：高通，中信建投2.4 2.4 當前進展：手機、當前進展：手機、PCPC端已經出現邊緣大模型場景落地端已經出現邊緣大模型場景落地 手機：手機：ChatGPTChatGPT已推出已推出IOSIOS應用，安卓版后續也會發布。高通在搭載第二代驍龍應用，安卓版后續也會發布

30、。高通在搭載第二代驍龍8 8移動平臺的移動平臺的AndroidAndroid智智能手機上部署能手機上部署Stable DiffusionStable Diffusion（參數超（參數超1010億個），在億個），在1515秒內執行秒內執行2020步推理，生成一張步推理，生成一張512x512512x512像素的圖像。像素的圖像。PCPC：微軟和高通、英特爾在：微軟和高通、英特爾在AIAI領域展開合作，部署推出搭載領域展開合作，部署推出搭載AIAI引擎的引擎的PCPC產品。產品。具身智能：英偉達創始人黃仁勛表示具身智能：英偉達創始人黃仁勛表示AIAI下一個浪潮將是下一個浪潮將是“具身智能具身智能”

31、，并且公布了多模態具身人工智，并且公布了多模態具身人工智能系統能系統NvidiaNvidia VIMA VIMA。圖圖1717：高通在：高通在搭載最新第二代驍龍搭載最新第二代驍龍8 8移動平臺的移動平臺的AndroidAndroid智能手機上部署智能手機上部署Stable DiffusionStable Diffusion 一、一、AIAI算力將在邊端云端靈活分配算力將在邊端云端靈活分配目錄CONTENTS二、大模型向邊緣端滲透初見端倪二、大模型向邊緣端滲透初見端倪三、產業鏈新增三、產業鏈新增AIAI，強化算力與連接，強化算力與連接四、圍繞受益環節、兼顧彈性選標的四、圍繞受益環節、兼顧彈性選標

32、的五、風險提示五、風險提示 233.1 3.1 邊緣計算市場快速增長邊緣計算市場快速增長 STL PartnersSTL Partners數據顯示，邊緣計算潛在市場將在數據顯示，邊緣計算潛在市場將在1010年內以年內以48%48%的復合年增長率從的復合年增長率從20202020年的年的9090億美元增長到億美元增長到20302030年的年的44504450億美元，其中邊緣基礎設施的增長速度是最快的。億美元，其中邊緣基礎設施的增長速度是最快的。億歐智庫數據顯示，億歐智庫數據顯示，20212021年我國邊緣計算市場規模已經達到年我國邊緣計算市場規模已經達到427.9427.9億元，其中邊緣硬件市場

33、規模為億元，其中邊緣硬件市場規模為281.7281.7億元，邊緣軟件與服務市場規模達億元，邊緣軟件與服務市場規模達146.2146.2億元，億元，2021-20252021-2025年中國邊緣計算產業規模預計年復合增速達到年中國邊緣計算產業規模預計年復合增速達到46.81%46.81%，20252025年邊緣計算市場整體規模將達年邊緣計算市場整體規模將達1987.681987.68億元。億元。數據來源：STL Partners，中信建投圖圖1818：全球邊緣計算市場規模：全球邊緣計算市場規模圖圖1919：中國邊緣計算產業市場規模（億元）：中國邊緣計算產業市場規模（億元）數據來源：億歐智庫，中信

34、建投904450050010001500200025003000350040004500500020202030全球邊緣潛在市場規模，億美元282 412 607 904 1359 146 211 303 437 629 0 500 1000 1500 2000 2500 20212022202320242025邊緣硬件邊緣軟件CAGR 48%總體規模CAGR 47%24數據來源：高通，C114，Wind，中信建投圖圖2020：邊緣：邊緣AIAI產業鏈產業鏈3.2 3.2 邊緣計算產業鏈：新增邊緣計算產業鏈：新增AIAI，強化算力與連接，強化算力與連接 從產業鏈角度，邊緣從產業鏈角度，邊緣AI

35、AI核心在于引入邊緣側的核心在于引入邊緣側的AIAI能力，進一步增強邊緣側的算力能力、連接能力。重能力，進一步增強邊緣側的算力能力、連接能力。重點包括點包括AIAI芯片、算力模組、邊緣網關芯片、算力模組、邊緣網關/服務器服務器/控制器等硬件、控制器等硬件、AIAI算法算法/邊緣計算平臺等軟件環節。邊緣計算平臺等軟件環節。25數據來源：美格智能，中信建投圖圖2121：圖像識別：圖像識別AIAI運算系統不同環節所需芯片類型運算系統不同環節所需芯片類型3.3.1 AI3.3.1 AI芯片：專門用于處理芯片：專門用于處理AIAI大量計算任務的模塊大量計算任務的模塊圖像圖像識別識別AIAI運算運算系統系

36、統 AIAI芯片是指專門用于處理人工智能應用中的大量計算任務的模塊，其他非計算任務則更多仍由芯片是指專門用于處理人工智能應用中的大量計算任務的模塊，其他非計算任務則更多仍由CPUCPU負責。負責。從技術架構來看，從技術架構來看，Al Al 芯片主要分為芯片主要分為 GPUGPU、FPGAFPGA、ASICASIC三大類。其中，三大類。其中，GPU GPU 是較為成熟的通用型人工是較為成熟的通用型人工智能芯片，智能芯片，FPGA FPGA 和和 ASIC ASIC 則分別是針對人工智能需求特征的半定制和全定制芯片。則分別是針對人工智能需求特征的半定制和全定制芯片。典型典型AIAI運算通常需要運算

37、通常需要CPUCPU或者或者ARMARM內核來執行調度處理，大量的并行計算靠內核來執行調度處理，大量的并行計算靠GPUGPU、FPGAFPGA或或ASICASIC來完成。來完成。26數據來源：億歐智庫，搜狐，中信建投3.3.2 AI3.3.2 AI芯片：芯片大廠加速布局邊緣芯片：芯片大廠加速布局邊緣AIAI芯片芯片 高通表示已經出貨了高通表示已經出貨了2020億件具有人工智能功能的產品。億件具有人工智能功能的產品。英偉達表示已經有超過英偉達表示已經有超過100100萬開發人員、超過萬開發人員、超過60006000家客戶使用家客戶使用JetsonJetson平臺。平臺。全球來看，全球來看，Goo

38、gleGoogle、AWSAWS、MetaMeta、微軟等云端大廠致力于芯片自制；高通、英偉達、微軟等云端大廠致力于芯片自制；高通、英偉達、ARMARM、AMDAMD、IntelIntel、聯發科、華為等不斷優化邊緣、聯發科、華為等不斷優化邊緣AIAI芯片產品；芯片產品；NXP SemiconductorsNXP Semiconductors、Silicon LabsSilicon Labs、STST、聯詠、瑞昱、聯詠、瑞昱等廠商在等廠商在MCUMCU或或SoCSoC上增加邊緣上增加邊緣AIAI功能。同時也有大量初創企業投入功能。同時也有大量初創企業投入AIAI芯片研發。芯片研發。國內來看，包

39、括華為海思、百度、寒武紀、景嘉微、地平線、沐曦科技、燧原科技、壁仞科技、紫光國內來看，包括華為海思、百度、寒武紀、景嘉微、地平線、沐曦科技、燧原科技、壁仞科技、紫光展銳、平頭哥、瑞芯微、晶晨股份、北京君正、全志科技、云天勵飛、恒玄科技、九天睿芯、杭州國展銳、平頭哥、瑞芯微、晶晨股份、北京君正、全志科技、云天勵飛、恒玄科技、九天睿芯、杭州國芯、樂鑫科技等多廠商布局邊緣芯、樂鑫科技等多廠商布局邊緣AIAI芯片相關環節。芯片相關環節。圖圖2222：中國人工智能芯片部分廠商情況：中國人工智能芯片部分廠商情況 27數據來源：Frost&Sullivan，觀研天下，中信建投3.3.3 AI3.3.3 AI

40、芯片：市場規?？焖僭鲩L芯片：市場規?？焖僭鲩L Frost&SullivanFrost&Sullivan數據，數據，20212021年全球年全球AIAI芯片市場規模為芯片市場規模為255255億美元，預計到億美元，預計到20262026年市場規模將增長至年市場規模將增長至920920億美億美元，元，CAGRCAGR達到達到29.3%29.3%。億歐智庫數據，億歐智庫數據，2021 2021 年中國年中國 AI AI 芯片市場規模達芯片市場規模達 426.8 426.8 億元，同比大幅增長億元，同比大幅增長 123.9%123.9%，預計，預計20252025年中國年中國AIAI芯片市場規模將達到

41、芯片市場規模將達到17801780億元，億元，CAGR 42.9%CAGR 42.9%。AIGCAIGC發展有望帶動發展有望帶動AIAI芯片市場規模進一步提速增長。芯片市場規模進一步提速增長。圖圖2323：全球人工智能芯片市場規模及預測：全球人工智能芯片市場規模及預測圖圖2424：中國：中國AIAI能芯片市場規模及預測（億元）能芯片市場規模及預測（億元）數據來源：億歐智庫，中信建投17525536149063077692001002003004005006007008009001000202020212022E2023E2024E2025E2026E全球人工智能芯片市場規模，億美元124191

42、42785010391406178002004006008001000120014001600180020002019202020212022E2023E2024E2025E中國AI芯片市場規模，億元 283.4.1 3.4.1 模組：標準化的模組形態可以有效滿足物聯網碎片化需求模組：標準化的模組形態可以有效滿足物聯網碎片化需求 無線模組是物聯網中的連接器件，無線模組將芯片、存儲器、功放器件等集成在一塊線路板上，實現無無線模組是物聯網中的連接器件，無線模組將芯片、存儲器、功放器件等集成在一塊線路板上，實現無線電波收發、信道噪聲過濾及模擬信號與數字信號之間相互轉換，并提供標準接口的功能模塊，終端

43、借線電波收發、信道噪聲過濾及模擬信號與數字信號之間相互轉換，并提供標準接口的功能模塊，終端借助無線模組可以實現通信或定位。助無線模組可以實現通信或定位。物聯網的碎片化需求，基于芯片的開發技術門檻高，客戶會選用標準的模組，直接使用模組的標準硬件物聯網的碎片化需求，基于芯片的開發技術門檻高，客戶會選用標準的模組，直接使用模組的標準硬件接口和嵌入式應用協議，不必關心底層邏輯，只要做好應用側適配。接口和嵌入式應用協議，不必關心底層邏輯，只要做好應用側適配。數據來源：中國移動，中信建投圖圖2525：通信模組結構：通信模組結構 29數據來源：counterpoint，中信建投圖圖2626：全球物聯網蜂窩模

44、組連接數預測：全球物聯網蜂窩模組連接數預測3.4.2 3.4.2 模組：邊緣模組：邊緣AIAI發展有望帶動模組連接需求發展有望帶動模組連接需求 AIAI在邊緣場景中的滲透，一方面會帶動連接功能需求的提升：在邊緣場景中的滲透，一方面會帶動連接功能需求的提升：連接數量：如連接數量：如ChatGPTChatGPT的能力與智能家居、智能音箱、具身智能等場景結合，可以實現更快捷有的能力與智能家居、智能音箱、具身智能等場景結合，可以實現更快捷有效地交互，也可以實現更多功能，更好地體驗，進而會帶動這些場景的滲透提升。參考美格智能效地交互，也可以實現更多功能，更好地體驗，進而會帶動這些場景的滲透提升。參考美格

45、智能的數據，智能汽車的智慧座艙領域，未來可能會配備的數據，智能汽車的智慧座艙領域，未來可能會配備1 1個高算力模組以及個高算力模組以及2-32-3個個5G5G無線通信模組。無線通信模組。連接價值：部分場景對于低延時、高帶寬的要求，將帶動連接價值：部分場景對于低延時、高帶寬的要求，將帶動5G5G等高連接價值量模組滲透提升。等高連接價值量模組滲透提升。30數據來源：美格智能，中信建投圖圖2727：算力模組能力：算力模組能力3.4.3 3.4.3 模組：邊緣模組：邊緣AIAI發展將帶動算力模組滲透率提升發展將帶動算力模組滲透率提升 AIAI在邊緣場景中的滲透，另一方面，預計也將大幅帶動算力模組的需求

46、：在邊緣場景中的滲透，另一方面，預計也將大幅帶動算力模組的需求：算力模組，一般基于算力模組，一般基于SoCSoC開發，芯片模組上預置了開發，芯片模組上預置了AndroidAndroid智能操作系統，內置集成智能操作系統，內置集成WIFIWIFI、BTBT、CPUCPU、GPUGPU、NPUNPU、內存、內存、CellularCellular通訊，可提供比較動態高效的算法支撐、可編譯的輕量化操作通訊，可提供比較動態高效的算法支撐、可編譯的輕量化操作系統、與行業應用相關的開發等，可以更好滿足系統、與行業應用相關的開發等，可以更好滿足AIAI系統運算要求。系統運算要求。本身隨著相關終端智能化需求的提

47、升，比如車載等場景，算力模組的滲透已經在逐步提升。本身隨著相關終端智能化需求的提升，比如車載等場景，算力模組的滲透已經在逐步提升。AIAI能能力在邊緣側的部署滲透可能將進一步明顯拉動邊緣端的計算需求，預計算力模組的形態呈現也將力在邊緣側的部署滲透可能將進一步明顯拉動邊緣端的計算需求，預計算力模組的形態呈現也將更加廣泛，從而進一步提升模組價值量。更加廣泛，從而進一步提升模組價值量。典型場景典型場景算力算力+通信方案通信方案固定的邊緣計算設備高算力模組+千兆以太網的連接方式智能汽車輔助駕駛端側的超強算力模組+Cat.4通信模組智能汽車的智慧座艙領域高算力模組+2-3個5G無線通信模組工業互聯網高算

48、力模組+5G R16高速傳輸模組全屋智能算力模組+強Wi-Fi 6室內傳輸+室外5G ODU 31數據來源：云米科技，中信建投圖圖2828：AIAI極大提升冰箱智能化能力極大提升冰箱智能化能力3.5 3.5 智能控制器：家電等場景實現智能化的智能控制器：家電等場景實現智能化的“大腦大腦”智能控制器和邊緣節點算力同樣直接相關。智能控制器和邊緣節點算力同樣直接相關。在智能家居、家電、工業控制等場景中，智能控制器是其實現智能化的大腦。在智能家居、家電、工業控制等場景中，智能控制器是其實現智能化的大腦。AIAI帶動下游智能化能力帶動下游智能化能力提升，智能場景的功能及其交互方式將更加豐富，包括機器視覺

49、、語音識別等提升，智能場景的功能及其交互方式將更加豐富，包括機器視覺、語音識別等AIAI算法將更多與應用場景算法將更多與應用場景結合，同時控制器中也將引入算力芯片等，對于智能控制器的需求量和結合，同時控制器中也將引入算力芯片等，對于智能控制器的需求量和ASPASP也將會是直接正向的帶動。也將會是直接正向的帶動。一、一、AIAI算力將在邊端云端靈活分配算力將在邊端云端靈活分配目錄CONTENTS二、大模型向邊緣端滲透初見端倪二、大模型向邊緣端滲透初見端倪三、產業鏈新增三、產業鏈新增AIAI，強化，強化算力與連接算力與連接四、圍繞受益環節、兼顧彈性選標的四、圍繞受益環節、兼顧彈性選標的五、風險提示

50、五、風險提示 33說明：受限于知識范圍、所覆蓋行業，本報告建議關注標的更多側重通信行業，AI產業鏈公司未能全部列舉。4.1 4.1 建議圍繞受益環節、兼顧彈性選標的建議圍繞受益環節、兼顧彈性選標的 AIGCAIGC大模型及應用爆紅，拉動算力需求。在萬物互聯場景中，云端處理存在時延較高、成本較高、且大模型及應用爆紅，拉動算力需求。在萬物互聯場景中，云端處理存在時延較高、成本較高、且涉及數據隱私等問題，邊緣涉及數據隱私等問題，邊緣AIAI的引入至關重要。我們認為未來的引入至關重要。我們認為未來AIAI算力將綜合考慮硬件能力、成本等因素，算力將綜合考慮硬件能力、成本等因素，在邊端和云端靈活分配。聯邦

51、學習等方法研究在在邊端和云端靈活分配。聯邦學習等方法研究在MECMEC架構下進行分布式訓練，提升邊緣端架構下進行分布式訓練，提升邊緣端AIAI能力。能力。大模型向邊緣端滲透，模型壓縮和邊緣側計算性能提升是兩大關鍵。目前在這兩個方向上，都可以看到大模型向邊緣端滲透，模型壓縮和邊緣側計算性能提升是兩大關鍵。目前在這兩個方向上，都可以看到不錯的進展預期，大模型在邊緣端滲透初見端倪。這類場景我們認為率先會在手機、不錯的進展預期，大模型在邊緣端滲透初見端倪。這類場景我們認為率先會在手機、PCPC、智能駕駛、具、智能駕駛、具身智能、元宇宙、工業控制等場景落地。身智能、元宇宙、工業控制等場景落地。產業鏈角度

52、來看，邊緣產業鏈角度來看，邊緣AIAI核心在于引入邊緣側的核心在于引入邊緣側的AIAI能力，進一步增強邊緣側的算力能力、連接能力。重能力，進一步增強邊緣側的算力能力、連接能力。重點包括點包括AIAI芯片、算力芯片、算力/連接模組、邊緣端網關連接模組、邊緣端網關/邊緣服務器邊緣服務器/邊緣端智能控制器等硬件、邊緣端智能控制器等硬件、AIAI算法算法/邊緣計算邊緣計算平臺等軟件環節。產業鏈部分相關公司如下：平臺等軟件環節。產業鏈部分相關公司如下：算力模組算力模組/通信模組：廣和通、美格智能、移遠通信等。通信模組：廣和通、美格智能、移遠通信等。邊緣網關（家庭邊緣網關（家庭+工業）：中興通訊、創維數字

53、、天邑股份、映翰通、三旺通信、東土科技等。工業）：中興通訊、創維數字、天邑股份、映翰通、三旺通信、東土科技等。邊緣服務器：紫光股份、中興通訊、浪潮信息、東土科技、工業富聯、神思電子等。邊緣服務器：紫光股份、中興通訊、浪潮信息、東土科技、工業富聯、神思電子等。邊緣端智能控制器：拓邦股份、和而泰、朗特智能等。邊緣端智能控制器：拓邦股份、和而泰、朗特智能等。邊緣計算平臺：網宿科技、中興通訊、紫光股份、神思電子等。邊緣計算平臺：網宿科技、中興通訊、紫光股份、神思電子等。邊緣網絡節點：中國移動、中國電信、中國聯通。邊緣網絡節點：中國移動、中國電信、中國聯通。我們建議優先圍繞這幾類產業鏈環節、兼顧業績彈性

54、優選標的。我們建議優先圍繞這幾類產業鏈環節、兼顧業績彈性優選標的。34數據來源：愛集微，JW Insights，中信建投表表1 1：不同場景對于：不同場景對于AIAI芯片的算力需求芯片的算力需求4.2.1 4.2.1 用量和成本維度量化算力彈性用量和成本維度量化算力彈性 算力用量：不同場景對于算力的需求有所不同，智能家居等場景典型算力需求小于算力用量：不同場景對于算力的需求有所不同，智能家居等場景典型算力需求小于1Tops1Tops，自動駕駛隨，自動駕駛隨著級別升高算力需求在著級別升高算力需求在20Tops4000Tops20Tops4000Tops。AIAI大模型往終端滲透有望進一步提升算力

55、需求。大模型往終端滲透有望進一步提升算力需求。算力成本：單位算力成本與芯片研發成本、制造成本、出貨規模、算力規模等直接相關，同時也需要考算力成本：單位算力成本與芯片研發成本、制造成本、出貨規模、算力規模等直接相關，同時也需要考慮配套的存儲、應用開發等環節。結合勢乘資本的數據，我們簡單量化匡算算力成本為慮配套的存儲、應用開發等環節。結合勢乘資本的數據，我們簡單量化匡算算力成本為5 5元元/Tops-10/Tops-10元元/Tops/Tops，相對總體算力越高，單位成本越低。，相對總體算力越高，單位成本越低。圖圖2929：存算一體芯片演進：存算一體芯片演進數據來源：乘勢資本，中信建投 35數據來

56、源：counterpoint，中信建投表表2 2：AIAI帶動物聯網模組行業市場規?？锼銕游锫摼W模組行業市場規?？锼?.2.2 4.2.2 重點推薦物聯網模組板塊重點推薦物聯網模組板塊 AIAI逐步滲透有望帶動物聯網模組行業量價齊升，對于物聯網模組行業的中長期拉動預期樂觀。逐步滲透有望帶動物聯網模組行業量價齊升，對于物聯網模組行業的中長期拉動預期樂觀。連接提升連接提升ASPASP：參考通信世界網數據，：參考通信世界網數據，5G5G模組單價平均模組單價平均400400元元-500-500元，元，4G4G模組單價平均模組單價平均100100元元-200-200元。元。隨著隨著5G5G量增加及量增

57、加及redcapredcap成熟，成熟，5G5G模組均價預計會明顯下降，但較模組均價預計會明顯下降，但較4G4G模組平均單價仍將有所增長。模組平均單價仍將有所增長。算力提升算力提升ASPASP：算力模組預置：算力模組預置AndroidAndroid智能操作系統，內置集成智能操作系統，內置集成CPUCPU、GPUGPU、NPUNPU、內存等，顯著、內存等，顯著提升價值量。提升價值量?，F有場景用量增加：車載、智能家居、智能音箱等?，F有場景用量增加：車載、智能家居、智能音箱等。新增典型場景：具身智能、新增典型場景：具身智能、VR/ARVR/AR、工業控制、工業控制、AIAI助手等。助手等?？紤]到考慮

58、到AIAI應用的開發過程等，我們認為應用的開發過程等，我們認為20242024年開始有望規模起量，在此前預測基礎上，年開始有望規模起量，在此前預測基礎上，AIAI帶來的增量有帶來的增量有望帶動蜂窩物聯網模組行業進入望帶動蜂窩物聯網模組行業進入CAGR 25%-30%CAGR 25%-30%的新一輪景氣周期。的新一輪景氣周期。通信模組公司基于優秀的模組設計及成本控制能力，已深度布局智能模組、算力模組，我們認為隨著邊通信模組公司基于優秀的模組設計及成本控制能力，已深度布局智能模組、算力模組，我們認為隨著邊緣緣AIAI的發展，有望拉動智能模組、算力模組需求增長，建議關注廣和通、美格智能、移遠通信等。

59、的發展，有望拉動智能模組、算力模組需求增長，建議關注廣和通、美格智能、移遠通信等。202220222023e2023e2024e2024e2025e2025e基準全球物聯網蜂窩模組出貨量，億個4.85.76.67.4yoy14%19%15%12%模組單價80808080全球物聯網蜂窩模組市場規模，億元384457526589yoy19%15%12%算力提升ASP彈性算力模組滲透率1%3%10%20%平均算力，TOPS251540平均算力單價，元5.04.03.22.6算力帶來新增規模，億元0.5332151算力ASP彈性0.1%1%6%26%連接升級提升ASP彈性10%12%15%15%場景用

60、量增加彈性0%5%10%10%全球物聯網蜂窩模組市場規模，億元全球物聯網蜂窩模組市場規模，億元423423538538688688886886yoyyoy27%27%28%28%29%29%36數據來源：Gfk，Website(twice.om)，艾媒咨詢，中信建投表表3 3：AIAI帶動家電控制器行業市場規?？锼銕蛹译娍刂破餍袠I市場規?？锼?.2.3 4.2.3 重點推薦智能控制器板塊重點推薦智能控制器板塊 智能控制器行業同樣將直接受益。相對來看，智能控制器行業產品定制化程度更高，更加難以量化，我智能控制器行業同樣將直接受益。相對來看，智能控制器行業產品定制化程度更高，更加難以量化，我們選

61、取智能家電場景為例，對于算力、連接等進行假設，在此前預測基礎上，們選取智能家電場景為例，對于算力、連接等進行假設，在此前預測基礎上，AIAI帶來的增量同樣有望較帶來的增量同樣有望較明顯帶動智能家電控制器行業市場規模。明顯帶動智能家電控制器行業市場規模。國內控制器頭部廠商均已經在算力、國內控制器頭部廠商均已經在算力、AIAI算法等領域進行布局，有望受益算法等領域進行布局，有望受益AIAI帶來的增量彈性，同時國內控帶來的增量彈性，同時國內控制器廠商也將持續受益行業東升西落，獲得更快的增長。建議關注拓邦股份、和而泰等。制器廠商也將持續受益行業東升西落，獲得更快的增長。建議關注拓邦股份、和而泰等。20

62、222022202320232024202420252025基準全球家電出貨量，億臺6.66.97.37.6yoy5%5%5%5%智能控制器單價，元40404040全球家電智能控制器市場規模，億元264277291306yoy5%5%5%算力提升ASP彈性算力模組滲透率3%10%25%平均算力，TOPS124平均算力單價，元10.09.08.17.3算力帶來新增規模，億元21256算力ASP彈性1%4%18%連接升級提升ASP彈性2%5%5%場景用量增加彈性2%5%8%全球家電智能控制器市場規模，億元全球家電智能控制器市場規模，億元264264290290332332401401yoyyoy1

63、0%10%14%14%21%21%374.3 4.3 廣和通：已推出基于高通廣和通：已推出基于高通QCS8250QCS8250的高算力的高算力AIAI模組模組 廣和通是全球蜂窩物聯網通信模組頭部企業，在廣和通是全球蜂窩物聯網通信模組頭部企業，在PCPC、FWAFWA等垂直行業蜂窩模組市場份額領先，收購銳等垂直行業蜂窩模組市場份額領先，收購銳凌無線后車載通信模組躋身全球第一梯隊。凌無線后車載通信模組躋身全球第一梯隊。2022 2022年公司收入年公司收入56.4656.46億元，歸母凈利潤億元，歸母凈利潤3.643.64億元。億元。公司積極布局算力模組，公司積極布局算力模組，已經推出基于高通已經

64、推出基于高通QCS8250QCS8250芯片平臺的高算力芯片平臺的高算力AIAI模組模組SCA825-WSCA825-W，可全面提供，可全面提供高達高達15TOPS15TOPS的算力支持；的算力支持；FM160 5GFM160 5G模組與安提國際模組與安提國際AIAI邊緣計算平臺邊緣計算平臺AN810-XNXAN810-XNX成功聯調。成功聯調。公司算力模組目前在支付和車載領域應用比較多，并積極拓展邊緣算力終端設備、機器人、公司算力模組目前在支付和車載領域應用比較多，并積極拓展邊緣算力終端設備、機器人、IPCIPC安防、安防、工業檢測和控制等領域，有望充分受益邊緣工業檢測和控制等領域，有望充分

65、受益邊緣AIAI發展。發展。圖圖3030：廣和通：廣和通高算力高算力AIAI模組模組SCA825-WSCA825-WSCA825-WSCA825-W：集成高通旗艦IoT芯片 QCS8250數據來源：廣和通官網，中信建投 384.4 4.4 美格智能：算力模組美格智能：算力模組覆蓋覆蓋1.4TOPS1.4TOPS到到48TOPS48TOPS算力范圍算力范圍 美格智能美格智能是全球頭部蜂窩物聯網模組是全球頭部蜂窩物聯網模組廠商，下游主要集中在汽車、廠商，下游主要集中在汽車、FWAFWA、泛、泛IoTIoT等領域，等領域，20222022年公司收年公司收入入23.0623.06億元，歸母凈利潤億元，

66、歸母凈利潤1.281.28億元。億元。公司在高算力模組領域建立了完善的產品線，可為不同類型邊緣計算場景提供相匹配的算力。公司的公司在高算力模組領域建立了完善的產品線，可為不同類型邊緣計算場景提供相匹配的算力。公司的智能模組和算力模組產品中集成了智能模組和算力模組產品中集成了AIAI處理器芯片，相關產品對應的處理器芯片，相關產品對應的AIAI算力覆蓋從算力覆蓋從1.4TOPS1.4TOPS到到48TOPS48TOPS范范圍，可為各類智能化場景提供圍，可為各類智能化場景提供AIAI算力支撐算力支撐。圖圖3131：美格智能智能模組產品演進：美格智能智能模組產品演進數據來源：美格智能，中信建投 394

67、.5 4.5 拓邦拓邦股份：積極布局股份：積極布局AIAI、機器人等新領域、機器人等新領域 拓邦股份拓邦股份是國內智能控制器頭部廠商是國內智能控制器頭部廠商，以電控、電機、電池、電源、物聯網平臺的，以電控、電機、電池、電源、物聯網平臺的“四電一網四電一網”技術為技術為核心，面向家電、工具、新能源、工業、智能解決方案等五大行業提供各種定制化解決方案，已核心，面向家電、工具、新能源、工業、智能解決方案等五大行業提供各種定制化解決方案，已形成家形成家電、電動工具、新能源電、電動工具、新能源“三足鼎立、并駕齊驅三足鼎立、并駕齊驅”局面。局面。20222022年公司收入年公司收入88.7588.75億元

68、，歸母凈利潤億元，歸母凈利潤5.835.83億元。億元。公司積極布局公司積極布局AIAI、機器人等新領域。公司持續推動、機器人等新領域。公司持續推動 T-smart T-smart 一站式解決方案落地于不同智能家居場景，一站式解決方案落地于不同智能家居場景，并且完成了主流并且完成了主流 IoTIoT 生態網關產品的開發認證。在掃地機器人、商用炒菜機器人、服務機器人等領域持生態網關產品的開發認證。在掃地機器人、商用炒菜機器人、服務機器人等領域持續投入，已具備續投入，已具備 AIAI、IOTIOT、運動控制、運動控制、BMSBMS、電機驅動、電機驅動、SlamSlam、路徑規劃等技術積累，產品涵蓋

69、控制器、路徑規劃等技術積累，產品涵蓋控制器等零部件、等零部件、ODM/ODM/自主品牌整機產品。自主品牌整機產品。圖圖3232：拓邦股份智能解決方案相關業務布局：拓邦股份智能解決方案相關業務布局數據來源：拓邦股份官網，拓邦股份公眾號，中信建投 404.6 4.6 和而泰：在智能化產品中引入和而泰：在智能化產品中引入AIAI技術技術 和而泰和而泰是國內智能控制器頭部廠商，基于智能控制器領域的長期積累和龍頭優勢地位，持續多元化、全是國內智能控制器頭部廠商，基于智能控制器領域的長期積累和龍頭優勢地位，持續多元化、全球化布局，智能控制器業務主要涵蓋家電、電動工具、汽車電子、儲能領域球化布局，智能控制器

70、業務主要涵蓋家電、電動工具、汽車電子、儲能領域。20222022年公司收入年公司收入59.6559.65億元，億元，歸母凈利潤歸母凈利潤4.384.38億元。億元。公司智能化產品涉及智能家電、智能家居、智能穿戴及醫療健康護理領域，是以智能硬件終端產品為數公司智能化產品涉及智能家電、智能家居、智能穿戴及醫療健康護理領域，是以智能硬件終端產品為數據傳輸媒介，通過據傳輸媒介，通過AIAI技術進行數據的采集與處理、輸出與控制并通過人機交互方式對相關信息進行反饋技術進行數據的采集與處理、輸出與控制并通過人機交互方式對相關信息進行反饋與修正，通過知識自學習，實現智能化；同時基于智能化產品控制器及智能硬件產

71、品收集與傳輸的信息與修正，通過知識自學習，實現智能化；同時基于智能化產品控制器及智能硬件產品收集與傳輸的信息為終端廠商定制化開發相應的設備遠程監控、數據統計分析平臺，服務于終端廠商。未來公司會加大智為終端廠商定制化開發相應的設備遠程監控、數據統計分析平臺，服務于終端廠商。未來公司會加大智能化產品相關的投入，加速市場開拓進度。能化產品相關的投入，加速市場開拓進度。圖圖3333：和而泰智能家居業務布局：和而泰智能家居業務布局數據來源：和而泰官網，中信建投 414.74.7 網宿科技：積極發掘邊緣計算在網宿科技：積極發掘邊緣計算在AIAI上的資源和服務潛力上的資源和服務潛力 網宿科技圍繞網宿科技圍繞

72、 CDN CDN 及邊緣計算、云安全兩大核心主業，以及私有云及邊緣計算、云安全兩大核心主業，以及私有云/混合云、混合云、MSPMSP、液冷等新業務方向，、液冷等新業務方向，不斷完善產品矩陣。不斷完善產品矩陣。20222022年公司收入年公司收入50.8450.84億元，歸母凈利潤億元，歸母凈利潤1.911.91億元。億元。公司推出邊緣計算平臺，基于全球廣泛分布的節點資源，融合計算、網絡、存儲等核心能力構建的邊緣公司推出邊緣計算平臺，基于全球廣泛分布的節點資源，融合計算、網絡、存儲等核心能力構建的邊緣開放平臺，就近為用戶提供邊緣算力等服務。面向開放平臺，就近為用戶提供邊緣算力等服務。面向AIAI

73、機會，公司表示機會，公司表示AIAI在在CDNCDN及邊緣計算的應用主要及邊緣計算的應用主要是是AIAI推理模型計算和相關應用的傳輸及安全需求，公司正在積極探索發掘邊緣計算在推理模型計算和相關應用的傳輸及安全需求，公司正在積極探索發掘邊緣計算在AIAI上的資源和服務上的資源和服務潛力。通過潛力。通過“3+X+AI3+X+AI”SASESASE架構，網宿科技整合自身的安全、網絡、邊緣計算能力，構建能力開放平架構，網宿科技整合自身的安全、網絡、邊緣計算能力，構建能力開放平臺，并將臺，并將AIAI能力融入到安全防御各環節，落地了邊緣計算全棧防護體系。能力融入到安全防御各環節，落地了邊緣計算全棧防護體

74、系。圖圖3434：網宿科技邊緣智能平臺：網宿科技邊緣智能平臺ECC-LiteECC-Lite數據來源：網宿科技官網，中信建投 一、一、AIAI算力將在邊端云端靈活分配算力將在邊端云端靈活分配目錄CONTENTS二、大模型向邊緣端滲透初見端倪二、大模型向邊緣端滲透初見端倪三、產業鏈新增三、產業鏈新增AIAI，強化，強化算力算力/連接連接四、圍繞受益環節、兼顧彈性選標的四、圍繞受益環節、兼顧彈性選標的五、風險提示五、風險提示 435 5 風險提示風險提示 國際環境變化對供應鏈的安全和穩定產生影響。目前邊緣國際環境變化對供應鏈的安全和穩定產生影響。目前邊緣AIAI產業中海外頭部芯片廠商、云廠商等在產

75、業產業中海外頭部芯片廠商、云廠商等在產業發展中起到重要作用，國內廠商也在積極布局，但若國際環境變化對供應鏈的安全和穩定產生影響，可發展中起到重要作用，國內廠商也在積極布局，但若國際環境變化對供應鏈的安全和穩定產生影響，可能會對行業發展造成較大影響。能會對行業發展造成較大影響。AIAI芯片進展不及預期。芯片進展不及預期。AIAI向邊緣端滲透，與邊緣端向邊緣端滲透，與邊緣端AIAI芯片的處理能力直接相關，若芯片的處理能力直接相關，若AIAI芯片進展不及預期，芯片進展不及預期，在算力、閃存、功耗、成本等方面無法滿足下游場景需求，將會影響相關場景落地和產品銷售。在算力、閃存、功耗、成本等方面無法滿足下

76、游場景需求，將會影響相關場景落地和產品銷售。AIAI算法、模型壓縮等進展不及預期。算法、模型壓縮等進展不及預期。AIAI向邊緣端滲透，尤其是基于時延、成本、隱私性等要求，大模型向邊緣端滲透，尤其是基于時延、成本、隱私性等要求，大模型全部或者部分直接在邊緣端處理的情形，其可處理的場景能力與全部或者部分直接在邊緣端處理的情形，其可處理的場景能力與AIAI算法、模型壓縮等進展關聯度較高，算法、模型壓縮等進展關聯度較高，目前來看千億、萬億及以上參數量大模型在邊緣端直接處理具備難度，若目前來看千億、萬億及以上參數量大模型在邊緣端直接處理具備難度，若AIAI算法、模型壓縮等發展不及算法、模型壓縮等發展不及

77、預期，將會影響大模型在邊緣場景的滲透。預期，將會影響大模型在邊緣場景的滲透。產品形態變化導致模組需求不及預期。目前來看，集成連接、算力、智能操作系統等智能模組產品形態變化導致模組需求不及預期。目前來看，集成連接、算力、智能操作系統等智能模組/算力模算力模組在車載、組在車載、POSPOS等場景中較多應用，有望在其他等場景中較多應用，有望在其他AIoTAIoT場景應用。但邊緣場景應用。但邊緣AIAI產業發展仍在初期，尤其大模產業發展仍在初期，尤其大模型對于行業生態的影響存在不確定性，如果未來承載算力、連接等功能的產品形態發生變化，可能會對型對于行業生態的影響存在不確定性，如果未來承載算力、連接等功

78、能的產品形態發生變化，可能會對物聯網模組行業需求造成較大影響物聯網模組行業需求造成較大影響 。AIAI應用發展不及預期等。應用發展不及預期等。44分析師介紹分析師介紹閻貴成：閻貴成：中信建投證券通信&計算機行業首席分析師，北京大學學士、碩士，專注于云計算、物聯網、信息安全、信創與5G等領域研究。近8年中國移動工作經驗，6年多證券研究經驗。系2019-2021年新財富、水晶球通信行業最佳分析師第一名，2017-2018年新財富、水晶球通信行業最佳分析師第一名團隊核心成員。武超則：武超則：中信建投證券研究所所長兼國際業務部負責人，董事總經理，TMT行業首席分析師。新財富白金分析師，2013-202

79、0年連續八屆新財富最佳分析師通信行業第一名；2014-2020年連續七屆水晶球最佳分析師通信行業第一名。專注于5G、云計算、物聯網等領域研究。中國證券業協會證券分析師、投資顧問與首席經濟學家委員會委員。汪潔：汪潔：通信行業分析師，華東師范大學理學學士，復旦大學理學碩士。曾就職于長城證券、浙商證券。2023年5月加入中信建投通信團隊，主要研究物聯網、控制器等方向。評級說明評級說明投資評級標準評級說明報告中投資建議涉及的評級標準為報告發布日后6個月內的相對市場表現，也即報告發布日后的6個月內公司股價（或行業指數）相對同期相關證券市場代表性指數的漲跌幅作為基準。A股市場以滬深300指數作為基準；新三

80、板市場以三板成指為基準；香港市場以恒生指數作為基準；美國市場以標普 500 指數為基準。股票評級買入相對漲幅15以上增持相對漲幅5%15中性相對漲幅-5%5之間減持相對跌幅5%15賣出相對跌幅15以上行業評級強于大市相對漲幅10%以上中性相對漲幅-10-10%之間弱于大市相對跌幅10%以上 45分析師聲明分析師聲明本報告署名分析師在此聲明：（i）以勤勉的職業態度、專業審慎的研究方法，使用合法合規的信息，獨立、客觀地出具本報告,結論不受任何第三方的授意或影響。（ii）本人不曾因，不因，也將不會因本報告中的具體推薦意見或觀點而直接或間接收到任何形式的補償。法律主體說明法律主體說明本報告由中信建投證

81、券股份有限公司及/或其附屬機構（以下合稱“中信建投”）制作，由中信建投證券股份有限公司在中華人民共和國（僅為本報告目的，不包括香港、澳門、臺灣）提供。中信建投證券股份有限公司具有中國證監會許可的投資咨詢業務資格，本報告署名分析師所持中國證券業協會授予的證券投資咨詢執業資格證書編號已披露在報告首頁。在遵守適用的法律法規情況下，本報告亦可能由中信建投（國際）證券有限公司在香港提供。本報告作者所持香港證監會牌照的中央編號已披露在報告首頁。一般性聲明一般性聲明本報告由中信建投制作。發送本報告不構成任何合同或承諾的基礎，不因接收者收到本報告而視其為中信建投客戶。本報告的信息均來源于中信建投認為可靠的公開

82、資料，但中信建投對這些信息的準確性及完整性不作任何保證。本報告所載觀點、評估和預測僅反映本報告出具日該分析師的判斷，該等觀點、評估和預測可能在不發出通知的情況下有所變更，亦有可能因使用不同假設和標準或者采用不同分析方法而與中信建投其他部門、人員口頭或書面表達的意見不同或相反。本報告所引證券或其他金融工具的過往業績不代表其未來表現。報告中所含任何具有預測性質的內容皆基于相應的假設條件，而任何假設條件都可能隨時發生變化并影響實際投資收益。中信建投不承諾、不保證本報告所含具有預測性質的內容必然得以實現。本報告內容的全部或部分均不構成投資建議。本報告所包含的觀點、建議并未考慮報告接收人在財務狀況、投資

83、目的、風險偏好等方面的具體情況，報告接收者應當獨立評估本報告所含信息，基于自身投資目標、需求、市場機會、風險及其他因素自主做出決策并自行承擔投資風險。中信建投建議所有投資者應就任何潛在投資向其稅務、會計或法律顧問咨詢。不論報告接收者是否根據本報告做出投資決策，中信建投都不對該等投資決策提供任何形式的擔保，亦不以任何形式分享投資收益或者分擔投資損失。中信建投不對使用本報告所產生的任何直接或間接損失承擔責任。在法律法規及監管規定允許的范圍內，中信建投可能持有并交易本報告中所提公司的股份或其他財產權益，也可能在過去12個月、目前或者將來為本報告中所提公司提供或者爭取為其提供投資銀行、做市交易、財務顧

84、問或其他金融服務。本報告內容真實、準確、完整地反映了署名分析師的觀點，分析師的薪酬無論過去、現在或未來都不會直接或間接與其所撰寫報告中的具體觀點相聯系，分析師亦不會因撰寫本報告而獲取不當利益。本報告為中信建投所有。未經中信建投事先書面許可，任何機構和/或個人不得以任何形式轉發、翻版、復制、發布或引用本報告全部或部分內容，亦不得從未經中信建投書面授權的任何機構、個人或其運營的媒體平臺接收、翻版、復制或引用本報告全部或部分內容。版權所有，違者必究。中信建投證券研究發展部中信建投證券研究發展部中信建投（國際）中信建投（國際）北京東城區朝內大街2號凱恒中心B座12層電話：(8610)8513-0588聯系人：李祉瑤郵箱：上海浦東新區浦東南路528號南塔2103室電話：(8621)6882-1612聯系人：翁起帆郵箱：深圳福田區福中三路與鵬程一路交匯處廣電金融中心35樓電話：（86755）8252-1369聯系人：曹瑩郵箱：香港中環交易廣場2期18樓電話：（852）3465-5600聯系人：劉泓麟郵箱：charleneliucsci.hk