《電子行業專題報告：邊緣AI浪潮已至AISoC賦能終端奮楫爭流-231119（42頁）.pdf》由會員分享，可在線閱讀，更多相關《電子行業專題報告：邊緣AI浪潮已至AISoC賦能終端奮楫爭流-231119（42頁）.pdf（42頁珍藏版）》請在三個皮匠報告上搜索。

1、行 業 研 究 2023.11.19 1 敬 請 關 注 文 后 特 別 聲 明 與 免 責 條 款 電 子 行 業 專 題 報 告 邊緣 AI 浪潮已至，AI SoC 賦能終端奮楫爭流 分析師 鄭震湘 登記編號：S1220523080004 佘凌星 登記編號：S1220523070005 行 業 評 級:推 薦 公 司 信 息 上市公司總家數 495 總股本(億股)4,975.55 銷售收入(億元)45,290.82 利潤總額(億元)3,466.42 行業平均 PE 70.27 平均股價(元)34.36 行 業 相 對 指 數 表 現 數據來源：wind 方正證券研究所 相 關 研 究 先進

2、封裝專題三：代工、IDM 廠商先進封裝布局各顯神通2023.11.18 vivo 首款端側 AI 手機強勢發布，擁抱 AI手機新機遇2023.11.14 先進封裝專題二：HBM 需求井噴，國產供應鏈新機遇2023.11.14 華為智能汽車專題四：阿維塔 12 大超預期，智能駕駛全面升級2023.11.13 科技巨頭相繼發力，邊緣科技巨頭相繼發力，邊緣 AIAI 方興未艾方興未艾。隨著終端應用場景的擴展帶來數據即時處理需求的不斷增長，云計算在數據傳輸、即時處理、隱私能耗等方面的不足開始顯現，因此更加側重局部和小規模處理的邊緣計算應運而生。我們看到，科技巨頭對于邊緣計算的關注度正在日益提升：1）高

3、通轉型“智能邊緣計算”，押注 C 端邊緣 AI。在 2023.5.30 召開的COMPUTEX 2023 上，高通宣布自身正在從一家通信公司轉型為一家“智能邊緣計算”公司。此后在 2023.7.18 宣布和 Meta 達成合作，計劃從 2024 年起，在搭載驍龍平臺的智能手機等終端上支持基于 Llama 2 的 AI 部署，賦能開發者使用高通 AI 軟件棧面向終端側 AI 進行應用優化，從而推出全新的生成式 AI 應用。我們認為，高通在智能手機 SoC 領域積淀深厚，有利于推動終端 AI 芯片繼續向其他 C 端設備延伸。2）英偉達 Jetson 平臺不斷迭代，發力 B 端邊緣 AI。英偉達在

4、2014 年推出第一代 Jetson 平臺 TK1，截至目前已迭代至第七代 AGX Orin，該平臺使用英偉達自主研發的 GPU 加速技術，支持深度學習框架，能夠加速模型的訓練和推理，同時還支持各種圖像、視頻、通信和存儲接口，適用于各種嵌入式應用和邊緣計算需求，如機器人、自動駕駛等。我們認為，英偉達作為GPU 傳統云端 AI 芯片霸主，更加合適布局 B 端大算力場景。A AI I SoCSoC 算力承載算力承載，賦能終端百花齊放，賦能終端百花齊放。我們看到，相比云端 AI 芯片需要兼具訓練和推理性能，邊緣 AI 芯片則更多承擔推理任務，其主要存在形式是作為 AI SoC 嵌入終端設備，因此性能

5、上更加追求在算力、功耗和成本等多方面的綜合表現。伴隨人工智能在消費電子、智能家居、智能安防、智能駕駛等 IoT 領域的快速滲透，全球邊緣 AI 芯片市場規模有望從 2022 年的不足 400 億美元突破至 2025 年的 600 億美元。1 1）消費電子：）消費電子：手機市場主要由高通和聯發科主導，但在可穿戴設備（TWS 耳機、智能手表、VR/AR 等）SoC 市場，我們認為受益于較多長尾客戶的存在，以及更加追求性能和功耗的平衡，國內以恒玄科技、中科藍訊為代表的廠商仍存在一定的發展機遇。2 2）智能家居：）智能家居：在眾多細分品類中，我們判斷具備語音/視頻交互能力的智能音箱有望成為智能家居全屋

6、互聯場景下的 AI 控制入口。百度、小米、天貓精靈等國內智能音箱巨頭歷經多年的布局，各自的產品生態圈建設已趨于完善，疊加大模型落地驅動產品交互式體驗持續升級，我們認為以全志科技、晶晨股份為代表的上游處理器廠商有望步入新的發展階段。3 3）智能智能駕駛駕駛：自動駕駛方面自動駕駛方面，ADAS SoC（適用于 L1-L2）和的 AD SoC（適用于 L3-L5）的總體市場規模有望在 2030 年達到 300 億美元，海外龍頭Mobileye 主打視覺方案以穩固 ADAS SoC 龍頭地位，英偉達則聚焦高端 AD SoC 追求極致性能；智能座艙方面智能座艙方面，高通領跑市場的同時，我們也看到國內消費

7、級芯片廠商（華為、全志科技、瑞芯微等）、汽車 AI 芯片廠商（地平線、黑芝麻等）、汽車芯片初創企業（杰發科技、芯擎科技、芯馳科技等）三大陣營正在加速追趕，我們持續看好國產供應商的未來發展。風險提示：風險提示：研發進展不及預期；產業進度不及預期；中美貿易摩擦加劇。方 正 證 券 研 究 所 證 券 研 究 報 告-10%-5%0%5%10%15%22/11/19 23/1/31 23/4/14 23/6/2623/9/7 23/11/19電子滬深300電子 行業專題報告 2 敬 請 關 注 文 后 特 別 聲 明 與 免 責 條 款 s 正文目錄 1 智能物聯新時代，邊緣 AI 蓬勃發展.5 1

8、.1 算力需求日益增長，邊緣計算應運而生.5 1.2 科技巨頭相繼發力，邊緣 AI 方興未艾.6 1.3 突破算力及功耗瓶頸，加速邊緣 AI 落地.12 2 智能終端 SoC，端側 AI 算力承載.15 2.1 AI SoC 多模塊異構集成，重視性能與功耗平衡.15 2.2 邊緣 AI 芯片規模穩健成長，海內外廠商加速布局.16 2.3 自研 IP 積累及先進代工保障，彰顯核心競爭力.18 3 AI SoC 賦能下游，終端應用百花齊放.19 3.1 消費電子.20 3.2 智能家居.22 3.3 智能安防.24 3.4 自動駕駛.26 3.5 智能座艙.31 4 相關標的.35 4.1 芯原股

9、份：IP 授權業務短期承壓，在手訂單保障未來成長.35 4.2 韋爾股份：庫存去化大超預期，新品放量加速業績改善.35 4.3 樂鑫科技：業績穩健增長，軟硬件雙輪驅動.36 4.4 恒玄科技：季度營收創歷史新高，可穿戴需求復蘇啟動.37 4.5 中科藍訊：業績端表現亮眼，客戶端持續滲透.37 4.6 炬芯科技：打造 AIoT 音頻芯生態，端側 AI 賦能長期發展.38 4.7 晶晨股份：海外市場穩步推進，產品矩陣不斷拓寬.38 4.8 全志科技：多元化產品布局，擁抱 AI 創新浪潮.39 4.9 泰凌微：無線物聯網 SoC 領軍者，縱深產品線把握行業紅利.39 4.10 瑞芯微：行業回暖帶動業

10、績回升，智能座艙芯片放量在即.40 5 風險提示.41 5VcVpZfWpX5WjWvW9P8QbRmOnNtRpMfQrQpOfQmOoPbRmNnOxNmOmPwMrRuN電子 行業專題報告 3 敬 請 關 注 文 后 特 別 聲 明 與 免 責 條 款 s 圖表目錄 圖表 1:云-邊-端視角下的邊緣計算.5 圖表 2:AI 處理重心向邊緣側轉移.6 圖表 3:高通邊緣 AI 技術路線圖.6 圖表 4:終端側 AI 的四大關鍵優勢.7 圖表 5:Llama 2 模型特點.7 圖表 6:Llama-2-chat 模型的訓練過程.8 圖表 7:Llama 2（70 億參數版本）與其他閉源大語言

11、模型的性能對比.8 圖表 8:英偉達 Jetson 平臺產品迭代路線圖.9 圖表 9:英偉達 Jetson 平臺支持的邊緣計算應用場景.9 圖表 10:Jetson AGX Orin 工業級模塊強化環境性能.10 圖表 11:邊緣計算 VS.云計算.11 圖表 12:云邊協同.11 圖表 13:混合式 AI.11 圖表 14:大模型小型化.13 圖表 15:算力 VS.存儲性能提升.13 圖表 16:存算一體芯片架構.14 圖表 17:存算一體存儲介質對比.14 圖表 18:AI 芯片分類.15 圖表 19:華為麒麟 990 5G SoC 芯片架構.16 圖表 20:AI 算法的運行原理.16

12、 圖表 21:全球及中國邊緣 AI 芯片市場規模（億美元）.17 圖表 22:全球不同功能邊緣 AI 芯片出貨量（十億顆）.17 圖表 23:AI SoC 廠商布局.17 圖表 24:SoC 芯片制造流程.18 圖表 25:臺積電 VS 三星代工芯片參數對比.18 圖表 26:高通 AI 引擎.19 圖表 27:高通傳感器中樞.19 圖表 28:AI SoC 終端應用.19 圖表 29:蘋果 AirPods Pro 第二代搭載的 H2 芯片.20 圖表 30:高通驍龍全新可穿戴平臺 W5/W5+.21 圖表 31:恒玄科技 VS.中科藍訊 TWS 藍牙耳機芯片出貨量.21 圖表 32:恒玄科技

13、 VS.中科藍訊營收及毛利率.21 圖表 33:蘋果 Vision Pro 產品效果.21 圖表 34:蘋果 Vision Pro 搭載 M2 及 R1 芯片.21 圖表 35:中國智能家居品類 AI 技術應用滲透率預測.22 圖表 36:中國智能家居市場規模及增速.22 圖表 37:中國智能音箱市場競爭格局.22 圖表 38:中國智能音箱頭部企業分析.22 圖表 39:中國智能音箱市場銷量（萬臺）.23 圖表 40:2020 年全球智能音箱處理器出貨量份額.23 圖表 41:中國智能音箱處理器廠商客戶布局.23 圖表 42:安防芯片分類.24 圖表 43:邊緣 AI 在安防領域的應用.25

14、圖表 44:2021 年全球 IPC SoC 市場份額.25 圖表 45:2021 年全球 NVR SoC 市場份額.25 電子 行業專題報告 4 敬 請 關 注 文 后 特 別 聲 明 與 免 責 條 款 s 圖表 46:全球 IPC/NVR SoC 市場規模（億美元）.25 圖表 47:自動駕駛域控制器硬件架構.26 圖表 48:華為 MDC 計算平臺硬件方案.27 圖表 49:全球及中國自動駕駛乘用車銷量及滲透率.27 圖表 50:不同級別自動駕駛 SoC 市場規模預測.28 圖表 51:Mobileye 自動駕駛 SoC 產品線.28 圖表 52:英偉達歷代車載計算平臺參數對比.29

15、圖表 53:高通 8155 座艙芯片架構.31 圖表 54:高通座艙芯片迭代歷程.31 圖表 55:海外座艙芯片主要廠商產品參數對比.32 圖表 56:國內座艙芯片主要廠商產品參數對比.34 電子 行業專題報告 5 敬 請 關 注 文 后 特 別 聲 明 與 免 責 條 款 s 1 1 智能物聯新時代，邊緣智能物聯新時代，邊緣 A AI I 蓬勃發展蓬勃發展 1.11.1 算力需求日益增長，邊緣計算應運而生算力需求日益增長，邊緣計算應運而生 云計算作為一種提供強大計算資源的網絡服務，主要分為 IaaS（提供云服務器）、PaaS（提供云數據庫）和 SaaS（直接幫助用戶在云上運行軟件）。但我們看

16、到，隨著終端應用場景的擴展帶來數據即時處理需求的不斷增長，云計算的不足開始顯現，主要表現在：1）數據傳輸的限制性：隨著越來越多的設備連接到互聯網并生成數據，以中心服務器為節點的云計算在數據傳輸方面開始遇到帶寬瓶頸；2）數據處理的即時性：海量物聯網設備的接入使得云計算在數據處理的即時響應方面開始有所延遲；3）隱私及能耗問題：下游醫療、工業等設備采集的隱私數據傳輸到云端數據中心的路徑較長，容易導致數據丟失或者信息泄露等風險，此外數據中心的高負載帶來的高能耗也是管理規劃的核心問題。邊緣計算是云計算向邊緣側分布式拓展的新觸角。邊緣計算是云計算向邊緣側分布式拓展的新觸角。因此，邊緣計算應運而生。根據邊緣

17、計算產業聯盟的定義，邊緣計算是指在靠近物或數據源頭的網絡邊緣側，融合網絡、計算、存儲、應用核心能力的開放平臺，就近提供邊緣智能服務，滿足行業數字化在敏捷聯接、實時業務、數據優化、應用智能、安全與隱私保護等方面的關鍵需求，總結下來就是“在更靠近終端的網絡邊緣上提供服務在更靠近終端的網絡邊緣上提供服務”?？梢钥吹?，邊緣計算是云計算在面向物聯網、大流量等場景下，為了滿足更廣連接、更低時延、更好控制等需求，向終端和用戶側延伸形成的新解決方案。圖表1:云-邊-端視角下的邊緣計算 資料來源：艾瑞咨詢，方正證券研究所 “云“云-邊邊-端端”形態不斷變化，邊緣計算重要性日益凸顯。形態不斷變化，邊緣計算重要性日

18、益凸顯。我們看到，在早期的電信網時代，“云-邊-端”的形態體現為“程控交換中心程控交換機電話”；到了互聯網時代，這種形態變成了“數據中心CDN移動電話/PC”；而在現如今的云計算+物聯網時代，“云計算中心小數據中心/網關傳感器”則構成了新的“云-邊-端”形態。時代的發展體現在終端上就是海量設備的接入，從而帶來數據處理需求的激增，如果僅依賴云端服務器，過大的工作負載不僅會導致處理效率變得低下，也無法適應終端更加多元化的處理需求。因此，更加側重局部和小規模處理的邊緣計算適用于現場級、實時、短周期的智能分析和快速決策，在物聯網時代的背景下，其重要性日益凸顯。電子 行業專題報告 6 敬 請 關 注 文

19、 后 特 別 聲 明 與 免 責 條 款 s 1.21.2 科技巨頭相繼發力，邊緣科技巨頭相繼發力，邊緣 AI 方興未艾方興未艾 我們看到，科技巨頭對于邊緣計算的關注度正在日益提升。在 2022.12.14 召開的 MEET2023 智能未來大會上，高通產品管理高級副總裁 Ziad Asghar 指出，數據會不斷從邊緣側產生，因此 AIAI 處理的重心正在持續向邊緣轉移處理的重心正在持續向邊緣轉移。因為消費者希望擁有更好的數據隱私、更可靠的數據來源和即時的處理結果，因此邊緣側是進行 AI 處理的最佳選擇，而高通一直在推動這場變革。圖表2:AI 處理重心向邊緣側轉移 資料來源：高通，方正證券研究

20、所 高通轉型“智能邊緣計算”，押注高通轉型“智能邊緣計算”，押注 C C 端邊緣端邊緣 A AI I。目前，高通已經將 AI 算法應用到了智能手機的影像、圖形處理等功能中，未來，高通將基于涵蓋了邊緣 AI、影像技術、圖形技術、多媒體效果、極快處理速度，以及 5G 連接能力等特性的“統一的技術路線圖”，將這些 AI 技術從耳機等較低復雜度的產品，規?；瘮U展到汽車等高復雜度的產品，最終實現智能網聯邊緣的全面覆蓋。我們看到，在 2023.5.30召開的 COMPUTEX 2023 上，高通高級副總裁 Alex Katouzian 表示，高通正在從一家通信公司轉型為一家“智能邊緣計算”公司。我們認為，

21、此舉進一步彰顯了高通對于發展邊緣 AI 的決心，未來將基于自身在智能手機領域積累的優勢，不斷研發迭代帶有更豐富 AI 技術的芯片，充分賦能可穿戴設備、智能家居、智能汽車等更為廣泛的消費者終端。圖表3:高通邊緣 AI 技術路線圖 資料來源：高通，方正證券研究所 高高復雜度復雜度低復雜度低復雜度電子 行業專題報告 7 敬 請 關 注 文 后 特 別 聲 明 與 免 責 條 款 s 借力借力 MetaMeta Llama 2Llama 2 大語言模型大語言模型，高通終端側，高通終端側 A AI I 部署有望更進一步。部署有望更進一步。高通的最新動態顯示，其在 2023 年 7 月 18 日宣布和 M

22、eta 正在合作優化 Meta Llama 2 大語言模型在智能手機、PC、VR/AR 和智能汽車等終端上的直接運行。我們看到，與僅僅使用云端 AI 部署和服務相比，終端側 AI 部署能夠顯著降低開發云成本，同時提升用戶隱私保護、滿足用戶安全偏好、增強應用可靠性，并帶來更加個性化的使用體驗。高通計劃從 2024 年起，在搭載驍龍平臺的智能手機等終端上支持基于 Llama 2 的 AI 部署，賦能開發者使用高通 AI 軟件棧面向終端側 AI 進行應用優化，從而推出全新的生成式 AI 應用。圖表4:終端側 AI 的四大關鍵優勢 資料來源：高通中國公眾號，方正證券研究所 MetaMeta Llama

23、 2Llama 2 免費商用且開源，免費商用且開源，性能較初代版本顯著提升。性能較初代版本顯著提升。具體來看 Meta 在2023 年 7 月 18 日正式發布的大語言模型 Llama 2，這是 Meta Llama 模型的最新版本，也是 Meta 首個免費商用的開源 AI 模型。該模型包括 Llama 2 和 Llama 2-chat 兩種版本，后者針對雙向對話進行了微調，是針對類似于 ChatGPT 的聊天應用程序而開發，兩者均細分為支持 70 億、130 億、700 億等多種不同參數規模的版本。我們看到，相比于今年 2 月發布的 Llama 1，Llama 2 的 tokens 訓練量提

24、升了 40%達到 2 萬億個，對上下文訓練的長度是 Llama 1 的兩倍，達到 4096，此外 Llama 2-chat 微調模型還接受了超過 100 萬個人工標注數據的訓練。圖表5:Llama 2 模型特點 資料來源：Meta AI，方正證券研究所 40%100%電子 行業專題報告 8 敬 請 關 注 文 后 特 別 聲 明 與 免 責 條 款 s 圖表6:Llama-2-chat 模型的訓練過程 資料來源：Meta AI，方正證券研究所 Llama 2Llama 2 目前仍目前仍難以難以媲美媲美 G GPTPT-4 4，但，但有望利用開源生態實現彎道超車。有望利用開源生態實現彎道超車。此

25、外，Meta還選擇了 70 億參數版本的 Llama 2 和其他閉源的大語言模型進行比較，可以發現其在大規模多任務語言理解（MMLU）和高質量小學數學問題（GSM8K）上的表現接近 GPT-3.5，但在編碼基準(HumanEval)上與 GPT-3.5 及 GPT-4 仍存在顯著差距；相比谷歌 PaLM（540B），Llama 2（70B）的所有結果幾乎持平，有些甚至表現更好，但與 GPT-4 和 PaLM-2-L 相比仍有較大差距?？梢钥吹?，目前 Llama 2 的性能表現還難以撼動 OpenAI 的市場地位，但我們看到，開源路線的 Llama 2 可以使得用戶可以低成本地在本地服務器上部署

26、開源大模型，以構建適用于自身業務的專用大模型，從而不需要將數據放到 OpenAI 等閉源大模型提供商的服務器中；與此同時，開源社區中大量用戶產生的創意也將提升大模型的迭代速度。圖表7:Llama 2（70 億參數版本）與其他閉源大語言模型的性能對比 資料來源：Llama 2:Open Foundation and Fine-Tuned Chat Models，方正證券研究所 投資投資 OpenAIOpenAI 押注閉源路線，押注閉源路線，攜手攜手 MetaMeta 探索開源方案，微軟探索開源方案，微軟兩頭布局驅動兩頭布局驅動 L LLMLM 競競爭日趨激烈，未來發展機遇與挑戰并存爭日趨激烈，未

27、來發展機遇與挑戰并存。我們看到，Meta 此次選擇微軟作為 Llama 2 的首選合作伙伴，微軟 Azure 客戶將能夠在 Azure 上輕松安全地微調和部署Llama 2 模型，并利用其云原生工具進行內容過濾和安全保護。此外，Llama 2 經過優化后可以在 Windows 上本地運行，為開發人員提供無縫的工作流程，為跨不同平臺的客戶帶來生成式 AI 體驗?？梢钥吹?，微軟一方面通過 OpenAI 押注閉源路線，另一方面又與 Meta 合作探索開源方案，我們認為此舉表明 LLM 領域的技術路線和競爭格局尚未定型，未來在不同技術路徑上的開發將會產生源源不斷的創新，交互式推動 AI 的發展。預訓練

28、數據預訓練數據自我監督學習自我監督學習監督微調監督微調拒絕采樣拒絕采樣近端策略優化近端策略優化人類標注數據人類標注數據有用性獎賞模型有用性獎賞模型安全安全性獎賞模型性獎賞模型人類反饋人類反饋微調微調預訓練預訓練電子 行業專題報告 9 敬 請 關 注 文 后 特 別 聲 明 與 免 責 條 款 s 英偉達英偉達 JetsonJetson 平臺不斷迭代，發力平臺不斷迭代，發力 B B 端邊緣端邊緣 A AI I。此外，我們同樣注意到英偉達在邊緣 AI 領域也有長足的積累。英偉達在 2014 年推出第一代 Jetson 平臺 TK1，截至目前已迭代至第七代 AGX Orin，作為一套嵌入式系統開發板

29、，主要包括Jetson 硬件模組（小型高性能計算機）、用于加速軟件的 JetPack SDK（軟件開發工具包），以及包含傳感器、SDK、服務和產品的生態系統。該平臺使用英偉達自主研發的 GPU 加速技術，支持深度學習框架，能夠加速模型的訓練和推理，同時還支持各種圖像、視頻、通信和存儲接口，適用于各種嵌入式應用和邊緣計算場景，如機器人、自動駕駛、智能監控、醫療影像處理等。圖表8:英偉達 Jetson 平臺產品迭代路線圖 資料來源：英偉達，方正證券研究所 圖表9:英偉達 Jetson 平臺支持的邊緣計算應用場景 資料來源：英偉達，方正證券研究所 Jetson AGX OrinJetson AGX

30、Orin 工業級模塊工業級模塊全新發布，持續強化全新發布，持續強化 B B 端環境適應性能。端環境適應性能。我們看到，在 COMPUTEX 2023 上，英偉達發布了全新的 Jetson AGX Orin 工業級模塊，該模塊擴展了上一代 Xavier 工業級模塊和商用 Orin 模塊的功能，在惡劣環境下可以電子 行業專題報告 10 敬 請 關 注 文 后 特 別 聲 明 與 免 責 條 款 s 提供更高級別的計算能力。具體來看，Jetson AGX Orin 工業級模塊可以在 15-75W 功率范圍內提供高達 248TOPS 的 AI 性能，通過 Ampere 架構 GPU、新一代深度學習和視

31、覺加速器、高速 I/O 以及超快的內存帶寬，可支持多個并行 AI 應用流程，而且可適應更加極端的溫度范圍，具有更長的工作壽命、更強的耐沖擊和振動能力，整體性能相比 AGX Xavier 工業級模塊提升了 8 倍以上。圖表10:Jetson AGX Orin 工業級模塊強化環境性能 資料來源：英偉達，方正證券研究所 “高通向左，英偉達向右”，“高通向左，英偉達向右”，B B、C C 端共同發力邊緣端共同發力邊緣 A AI I。綜上可以看出，高通和英偉達在邊緣 AI 領域的發展路線有所差異，高通更加關注 C 端消費者應用，英偉達則側重于 B 端應用場景，我們認為這是兩家公司基于自身優勢而做出的正確

32、戰略決策。高通在智能手機 SoC 領域積淀深厚，有利于推動終端 AI 芯片繼續向其他 C 端設備延伸；而英偉達是 GPU 傳統云端 AI 芯片霸主，更加合適布局 B 端大算力場景。我們看到，邊緣計算的快速發展主要受益于其在以下四方面的優勢：低時延：低時延：由于消除了將數據從端點轉移到云端再返回的需要，大量復雜的數據可以在邊緣端進行初篩、分析和計算，從而更快地做出決策，避免了因海量數據涌向云端，帶來線路阻塞或響應緩慢等問題。高效率：高效率：因為數據處理的多數任務在靠近數據源的地方完成，分析及反饋的速度得以提升，增強了實時決策能力，同時由于減少了從云端來回傳輸的數據量，也能夠更好地實現降本增效。安

33、全性：安全性：邊緣端服務器廣泛就近分布，且單個設備存儲的數據量較為有限，既降低了因傳輸距離過長導致數據丟失的風險，也減小了信息竊取的可能性。智能化：智能化：邊緣計算系統的可擴展性使得用戶可以自由地部署和管理計算資源，其背后擁有的大量自我適應、表達、修復等機制，充分賦予了邊緣節點設備的智能化屬性，可以在不依賴云端決策的情況下做出響應，單個設備的故障也不會影響生態系統中其他設備的性能，從而提高了整個連接環境的可靠性。Jetson AGX Orin工業級模塊工業級模塊Jetson AGX Orin 64GB248 TOPS275 TOPSAI性能性能2048核NVIDIA Ampere架構GPU帶有

34、64顆Tensor Core12核Arm Cortex A78AE CPU 64-GB LPDDR5帶有內聯ECC 64-GB eMMC2048核NVIDIA Ampere架構GPU帶有64顆Tensor Core12 核Arm Cortex A78AE CPU 64-GB LPDDR5 64-GB eMMC模塊模塊TTP下-40C-85CTTP下-25C-80C工作溫度工作溫度15-75W15-60W模塊功率模塊功率10 年年(85C下下為為87,000小時小時)5年工作壽命工作壽命非運行狀態：140G，2ms 運行狀態：50G，11ms非運行狀態：140G，2ms沖擊沖擊非運行狀態：3G

35、運行狀態：5G非運行狀態：3G振動振動85C/85%RH，1000 小時，開機狀態偏置濕度，85C，85%RH，168 小時濕度濕度-40C下下72小時；小時；85C下下1000小時小時(運行狀態運行狀態)-20C下24小時；45C下168小時(運行狀態)耐溫性能耐溫性能100 mm x 87 mm100 mm x 87 mm物理尺寸物理尺寸SoC角落粘接和元件底部填充-底部填充底部填充10年年(到到2033年年)7年(到2030年)生產生產生命周期生命周期電子 行業專題報告 11 敬 請 關 注 文 后 特 別 聲 明 與 免 責 條 款 s 圖表11:邊緣計算 VS.云計算 資料來源：51

36、CTO，方正證券研究所 “云“云-邊邊-端端”緊密協同，混合式緊密協同，混合式 A AI I 時代來臨。時代來臨。雖然邊緣計算相比云計算存在一定優勢，但這并不意味著二者處于對立面，而更多是一種相互依存的關系。一方面，邊緣計算通過負責自身范圍內的數據計算和存儲工作，可以分擔云端的計算壓力；另一方面，大部分經過邊緣設備處理的數據仍需要從邊緣節點匯聚到中心云，云端再通過分析完成對算法模型的訓練和升級，并將升級后的算法推送到前端，幫助前端設備實現更新和升級，從而達成自主學習的閉環。此外，這些數據也需要上傳到云端進行備份，當邊緣計算過程中出現意外情況，存儲在云端的數據也不會丟失。這與高通在 COMPUT

37、EX 2023 上提出的“混合式 AI”概念一脈相承，即未來云端和邊緣/終端需要共同承擔日益增長的算力需求。我們認為，云計算與邊緣計算需要通過緊密協同才能更好地滿足各種需求場景的匹配，從而最大化體現云計算與邊緣計算的應用價值。圖表12:云邊協同 圖表13:混合式 AI 資料來源：CB Insights China，方正證券研究所 資料來源：高通，方正證券研究所 云計算云計算邊緣計算邊緣計算一般互聯網應用物聯網或移動應用目標應用目標應用數據中心邊緣網格（網關、WiFi接入點和蜂窩基站等)服務器節點位置服務器節點位置廣域網無線局域網、4G/5G等客戶端與服務器的客戶端與服務器的通信網絡通信網絡數百

38、萬計數十億計可服務的可服務的設備（用戶）數量設備（用戶）數量基于全局信息的服務基于本地信息的服務提供的服務類型提供的服務類型集中式分布式地理位置分布地理位置分布2s左右可達0.5ms訪問時延訪問時延移動性較差支持高速移動性服務移動性支持移動性支持非常高很低網絡帶寬網絡帶寬電子 行業專題報告 12 敬 請 關 注 文 后 特 別 聲 明 與 免 責 條 款 s 1.31.3 突破算力及功耗瓶頸，加速邊緣突破算力及功耗瓶頸，加速邊緣 AI 落地落地 解決算力和功耗限制，賦能邊緣解決算力和功耗限制，賦能邊緣 A AI I 落地。落地。我們看到，隨著 ChatGPT 的橫空出世，生成式人工智能迅猛發展

39、。但以 GPT-4 為代表基于 Transformer 架構的生成式預訓練大模型由于具備較大規模的參數，其訓練與推理仍然需要在云端借助算力強大的 GPU 等 AI 芯片完成。但我們同樣看到，隨著機器學習、神經網絡訓練等網絡架構和工具不斷適配、兼容到嵌入式系統上，越來越多的 AI 應用也可以直接在邊緣設備上運行，因此“邊緣 AI”悄然而生。我們認為，在“云-邊-端”的架構下，邊緣 AI 的主要存在形式仍為以智能手機為代表的終端嵌入式設備。但由于終端設備的算力和功耗有限，因此如何解決這兩大問題便成為了邊緣 AI 落地的關鍵所在。目前在算力方面，主要是通過壓縮模型并采用聯網方式來降低算力需求，而功耗

40、方面則是采用存算一體的方式來突破功耗瓶頸。一、一、降低算力需求降低算力需求壓縮模型壓縮模型+聯網聯網 一般而言，神經網絡模型包含的網絡層數和參數越多，其結構就越復雜，但實際運行的效果也會越好。所謂模型壓縮，是指通過算法將一個復雜的預訓練大模型轉化成精簡的小模型。按照壓縮過程對網絡結構的破壞程度，模型壓縮技術可以分為“前端壓縮”和“后端壓縮”，前端壓縮幾乎不改變原有的網絡結構，僅僅是在原模型的基礎上減少了網絡的層數，但后端壓縮會對網絡結構造成不可逆的改變，后續的維護成本也會很高。因此，業內一般采用前端壓縮，主要包含以下三種細分方法：1 1）知識蒸餾）知識蒸餾 屬于遷移學習的一種，主要思想是將學習

41、能力強的復雜教師模型中的“知識”遷移到簡單的學生模型中，本質是讓小模型去擬合大模型，從而讓小模型學到與大模型相似的函數映射，使小模型保持其快速計算速度的前提下，同時擁有復雜模型的性能，達到模型壓縮的目的。2 2）模型剪枝）模型剪枝 大模型雖然參數很多，但也存在著大量冗余的參數，將這些不太重要的訓練參數剔除，可以減少計算資源的消耗并提高實時性，這就是模型剪枝算法。訓練步驟為“正常訓練模型模型剪枝重新訓練模型”，三個步驟反復迭代進行，直到模型精度達到目標，則停止訓練。3 3）模型量化）模型量化 是指將神經網絡的浮點運算（FP32、FP16）轉換為定點運算（INT8），從而減少內存占用并提高計算效率

42、。目前的低精度模型一般采用的數值格式為 INT8，但也有一些混合精度模型中會使用FP16的數值格式來保證某些參數和操作符的準確度?？梢钥吹?，以上三種壓縮算法可以降低模型對計算能力的要求，使得 AI 模型在終端設備上的運行成為可能。此外我們也注意到，模型壓縮不可避免會造成性能損失，有可能導致小模型在某些應用場景下的使用出現困難，因此終端設備可通過聯網訪問云端的大模型，可進一步保障設備 AI 性能的落地。電子 行業專題報告 13 敬 請 關 注 文 后 特 別 聲 明 與 免 責 條 款 s 圖表14:大模型小型化 資料來源：WAVE SUMMIT，方正證券研究所 二、突破功耗限制二、突破功耗限制

43、存算一體存算一體 A AI I 時代算力需求猛增，“存儲墻”亟待解決。時代算力需求猛增，“存儲墻”亟待解決。我們知道，在傳統的馮諾依曼架構下，芯片的計算單元在計算之前需要先從存儲器中讀取數據，但數據的搬運時間往往是計算時間的成百上千倍，這背后是處理器和存儲長久以來性能發展不均衡的結果。在過去二十年，處理器性能大概每年以 55%的速度提升，但內存性能每年的提升速度只有 10%左右。而內存性能的落后直接導致的問題就是數據搬運的功耗過高，由此帶來的無用功耗能占到整個 AI 計算功耗的 60-90%，造成非常低的能效比，這就是我們熟知的“存儲墻”問題?，F如今隨著 AI 的快速發展，算力需求大幅提升，“

44、存儲墻”帶來的計算效率和功耗問題日益突出。圖表15:算力 VS.存儲性能提升 資料來源：51CTO，方正證券研究所 存算一體突破“存儲墻”限制，大幅提升計算效率并降低功耗。存算一體突破“存儲墻”限制，大幅提升計算效率并降低功耗。在此背景下，存算一體技術（Computing in Memory，CIM）應運而生，該技術是在存儲器中嵌入了計算能力，直接利用存儲器進行數據處理，從而把數據存儲與計算融合在芯片的同一片區，從本質上消除了不必要的數據搬運，因此可以大幅提升計算效率并降低功耗，適用于深度學習、人工智能等大規模并行計算的應用場景，是在馮諾依曼架構之外的一種全新芯片計算架構。發發展展差差距距電子

45、 行業專題報告 14 敬 請 關 注 文 后 特 別 聲 明 與 免 責 條 款 s 圖表16:存算一體芯片架構 資料來源：知乎陳巍談芯，方正證券研究所 在計算方式上，存算一體芯片分為數字計算和模擬計算，其中數字計算更偏向于數字計算更偏向于“算”“算”，采用的是先進邏輯工藝，擁有高性能、高精度的優勢，且具備很好的抗噪聲能力和可靠性，適用于大算力、高能效的商用場景；而模擬計算更偏向于“存”模擬計算更偏向于“存”，具有更高的存儲密度，但對環境噪聲和溫度非常敏感，適用于小算力、不需要太強可靠性的民用場景。在存儲介質上，主要可分為成熟工藝存儲器（成熟工藝存儲器（DRAMDRAM、FlashFlash

46、和和 SRAMSRAM）和新型存儲新型存儲器（器（MRAMMRAM、RRAMRRAM 和和 FRAMFRAM 等等）。細分來看，DRAM 成本低、速度快，但容量??；Flash屬于非易失性存儲介質，具有低成本、高可靠性的優勢，但在工藝制程上有明顯瓶頸，一般適用于小算力場景；SRAM 在速度和能效比方面具有很大優勢，但容量密度略小，一般適用于云計算等大算力場景；新型存儲器中，RRAM 在神經網絡計算中具有特別的優勢，是下一代存算一體介質的主流研究方向，但目前工藝良率還在爬坡，而且還需要解決非易失存儲器固有的可靠性問題，因此目前仍主要用于邊緣 AI 計算和端側小算力場景。圖表17:存算一體存儲介質對

47、比 資料來源：電子發燒友，方正證券研究所 適合場景適合場景不足不足優勢優勢存儲器類型存儲器類型適合現有馮氏架構向存算過渡只能做近存計算,速度略低,工藝迭代慢高存儲密度,整合方案成熟DRAMDRAM小算力、端側、低成本、待機時間長的場景對PVT變化敏感,精度不高,工藝迭代時間長高密度低成本,非易失,低漏電FlashFlash大算力、云計算、邊緣計算，也適合訓練存儲密度略低能效比高,高速高精度,對噪聲不敏感,工藝成熟先進,適合IP化SRAMSRAM（數字模式）（數字模式）小算力、端側、不要求待機功耗對PVT變化敏感,對信噪比敏感,存儲密度略低能效比高,工藝成熟先進SRAMSRAM（模擬模式）（模擬

48、模式）小 算 力、端 側/邊 緣Inference、待機時間長的場景對PVT變化敏感,有限寫次數,相對低速,工藝良率尚在爬坡中能效比高,高密度,非易失,低漏電各類各類NVRAMNVRAM（包括包括RRAMRRAM/MRAM/MRAM等）等）電子 行業專題報告 15 敬 請 關 注 文 后 特 別 聲 明 與 免 責 條 款 s 2 2 智能終端智能終端 S So oC C，端側端側 A AI I 算力承載算力承載 2.12.1 AI SoC 多模塊異構集成，重視性能與功耗平衡多模塊異構集成，重視性能與功耗平衡 邊緣邊緣 A AI I 算力承載者算力承載者智能終端智能終端 S So oC C。所

49、謂 AI 芯片，其實是在 CPU 等傳統芯片的基礎上，針對 AI 算法（以深度學習為代表的機器學習算法）做了特殊加速設計的芯片，換言之，是犧牲了一定的通用性，換取了芯片在海量數據并行計算方面的效率提升。在類型上，AI 芯片主要分為 GPU、FPGA、ASIC 和類腦芯片；在應用場景上，主要分為云端（訓練+推理）和邊緣端（邊緣計算+終端），其中應用在云端和邊緣計算服務器上的 AI 芯片是以 GPU 為代表的強通用性芯片，而終端 AI芯片更多是將 AI 功能模塊結合 CPU、GPU、ISP 等模塊融合進 SoC 中，并針對語音識別、人臉識別等不同的應用場景完成定制化設計，同時需要做好性能與功耗的平

50、衡。因此我們認為，海量的物聯網終端設備是邊緣我們認為，海量的物聯網終端設備是邊緣 A AI I 的主要落地場景，而的主要落地場景，而A AI SI So oC C 作為邊緣算力的承載體，有望跟隨作為邊緣算力的承載體，有望跟隨 IoIoT T 設備的智能化浪潮實現快速成長設備的智能化浪潮實現快速成長。圖表18:AI 芯片分類 資料來源：艾瑞咨詢，方正證券研究所 SoCSoC（System on a ChipSystem on a Chip，系統級芯片）是在，系統級芯片）是在 CPUCPU 的基礎上擴展的基礎上擴展了了音視頻功能和音視頻功能和專用接口的超大規模集成電路專用接口的超大規模集成電路，一

51、般集成了 CPU、GPU、NPU、ISP、存儲、WiFi、藍牙、總線、接口等 IP 模塊，具體來看其中重要模塊的功能：1）CPU(Central Processing Unit，中央處理器)：主要執行通用計算，用來解釋計算機指令、處理計算機軟件中的數據。訓練芯片訓練芯片推理推理芯片芯片需要極高的計算性能和較高的精度極高的計算性能和較高的精度，可處理海量數據，同時也需要一定的通用通用性性，以便完成各類學習任務相對訓練而言對性能的要求并不高對性能的要求并不高，對精度要求也要更低，但更注重綜合指標注重綜合指標，要考慮單位能耗算力單位能耗算力、延遲延遲、成本成本云端訓練芯片云端訓練芯片邊緣邊緣/端訓練

52、芯片端訓練芯片云端推理芯片云端推理芯片邊緣邊緣/端推理芯片端推理芯片訓練主要在云端進行，GPU在云端訓練場景可充分發揮自身并行計算并行計算與通用性優勢與通用性優勢，應用比例過九成，未來隨著互聯網自用訓練場景的專用化，ASIC-DSA產品將替代一部產品將替代一部分分GPU市場市場目前GPU產品仍然占據大頭，但但ASIC-DSA專用產品帶來的效率優化在推理專用產品帶來的效率優化在推理側展現明顯替代優勢側展現明顯替代優勢，呈“百家爭鳴”態勢。在專用芯片發展成熟之前，FPGA可成為過渡產品，眾多科技巨頭嘗試布局云計算+FPGA的平臺在云端訓練基礎上，邊緣側逐步衍生訓練場景，承擔更多云端訓練任承擔更多云

53、端訓練任務來轉移云端訓練壓力務來轉移云端訓練壓力，同時及時同時及時響應邊緣響應邊緣/端側的推理任務需求端側的推理任務需求邊緣/端推理芯片可加載于邊緣服務器，也可作為也可作為SoC嵌入終端設備嵌入終端設備，以滿足以滿足特定場景需求特定場景需求，端側需求差異大。隨著數據傳輸帶寬壓力、數據因素安全、實時響應的需求，愈多云端推理任務愈多云端推理任務下放到邊緣及端側推理場景下放到邊緣及端側推理場景云云邊緣邊緣/端側端側數據中心，智算中心數據中心，智算中心支持云端大量運算，靈活適配圖片、語音、視頻等不同AI應用面向機器人機器人/無人機無人機、自動駕駛自動駕駛、智慧安防智慧安防、工業互聯網工業互聯網、移動互

54、聯移動互聯網網、物聯網物聯網等豐富場景產品分類產品分類應用場景應用場景相較于傳統ASIC產品，DSA架構支持了部分軟件架構支持了部分軟件可編程可編程，擴大了擴大了ASIC芯片的覆蓋場景與領域范圍芯片的覆蓋場景與領域范圍，但DSA僅加速某些特定領域的應用程序DSA架構(Domain Specific Architecture)領域專用架構GPUFPGA類腦芯片類腦芯片ASICCPU+X異構計算異構計算電子 行業專題報告 16 敬 請 關 注 文 后 特 別 聲 明 與 免 責 條 款 s 2）GPU（Graphics Processing Unit，圖形處理器）：主要完成高清視頻加速解碼、游戲圖

55、形處理、圖像處理和輔助運算等功能。3）ISP（Image Signal Process，圖像處理器）：主要用來處理前端圖像信號，能夠將光信號變成電信號，其性能會直接影響到拍照和攝像性能。4）N NPUPU（NeuralNeural-network Pnetwork Processingrocessing U Unitnit，神經網絡處理器）：，神經網絡處理器）：專為物聯網人專為物聯網人工智能而設計，用于加速神經網絡的運算，解決傳統芯片在神經網絡運算時效率工智能而設計，用于加速神經網絡的運算，解決傳統芯片在神經網絡運算時效率低下的問題，是目前主流的低下的問題，是目前主流的 A AI I 算力載體

56、算力載體。例如麒麟 990 5G SoC 采用華為自研架構 NPU，創新設計 NPU 雙大核+NPU 微核架構，其中 NPU 大核針對大算力場景（人像虛化/超級夜景等復雜 AI 任務），NPU 微核賦能超低功耗 AI 應用（隔空手勢/AI信息保護等輕量任務），充分發揮全新 NPU 架構的智慧算力。圖表19:華為麒麟 990 5G SoC 芯片架構 資料來源：華為官網，方正證券研究所 圖表20:AI 算法的運行原理 資料來源：艾瑞咨詢，方正證券研究所 2.22.2 邊緣邊緣 AI 芯片規模穩健成長，海內外廠商加速布局芯片規模穩健成長，海內外廠商加速布局 A AI Io oT T 智能化浪潮來臨，

57、邊緣智能化浪潮來臨，邊緣 A AI I 芯片賦能下游迎來蓬勃發展。芯片賦能下游迎來蓬勃發展。我們看到，相比云端 AI 芯片需要兼具訓練和推理性能，邊緣 AI 芯片則更多承擔推理任務，其主要存在形式是作為 AI SoC 嵌入終端設備，因此性能上更加追求在算力、功耗和成本等多方面的綜合表現。伴隨人工智能在消費電子、智能家居、智能安防、智能駕駛等 IoT 領域的快速滲透，邊緣 AI 芯片也將迎來蓬勃發展。NPU電子 行業專題報告 17 敬 請 關 注 文 后 特 別 聲 明 與 免 責 條 款 s 根據 Gartner 數據，全球邊緣 AI 芯片市場規模在 2022 年不到 400 億美元，但有望在

58、 2025 年突破 600 億美元，其中國內市場空間將從 2022 年的 50 億美元增長至 2025 年的 110 億美元，CAGR 達 30%。就出貨量而言，ABI Research 發布的數據顯示，2023 年全球邊緣 AI 芯片出貨預計達 13.12 億顆（其中語音處理 1.93 億顆，機器視覺 9.01 億顆，傳感器數據分析 1.40 億顆，其他種類 0.78 億顆），并預計出貨量到 2028 年將提升至 22.86 億顆，其中語音處理芯片、機器視覺芯片、傳感器數據分析芯片出貨量 CAGR 分別達到 9%、12%、8%。圖表21:全球及中國邊緣 AI 芯片市場規模（億美元）圖表22:

59、全球不同功能邊緣 AI 芯片出貨量（十億顆）資料來源：半導體行業觀察，方正證券研究所 資料來源：半導體行業觀察，方正證券研究所 回顧 AI SoC 領域的競爭格局，由于下游應用場景較多，每一細分領域的競爭情況也有所差異，主要可分為消費電子（智能手機、可穿戴設備）、智能家居、智能安防、智能駕駛（自動駕駛、智能座艙）四大下游市場，其中智能手機、智能駕智能手機、智能駕駛和智能安防市場的進入門檻較高，但可穿戴設備和智能家居長尾市場的存在仍駛和智能安防市場的進入門檻較高，但可穿戴設備和智能家居長尾市場的存在仍為國內廠商提供了切入契機為國內廠商提供了切入契機。圖表23:AI SoC 廠商布局 資料來源：各

60、公司官網，方正證券研究所整理 0100200300400500600700202020212022202320242025中國邊緣AI芯片市場規模全球邊緣AI芯片市場規模0.000.501.001.502.0020212022202320242025202620272028audio and sound processingmachine visionsensor data analysisothers海外廠商海外廠商國內廠商國內廠商下游應用下游應用智能手機智能手機可穿戴設備可穿戴設備智能家居智能家居智能安防智能安防自動駕駛自動駕駛智能座艙智能座艙電子 行業專題報告 18 敬 請 關 注 文

61、后 特 別 聲 明 與 免 責 條 款 s 2.32.3 自研自研 IP 積累及先進代工保障，彰顯核心競爭力積累及先進代工保障，彰顯核心競爭力 設計環節自研設計環節自研 I IP P，追求差異化競爭。，追求差異化競爭。具體來看 SoC 芯片的制造流程，從最初借助EDA 軟件，利用 IP 核復用等技術進行芯片設計，到后續的晶圓制造和封裝測試，每一環節都面臨著不同的技術挑戰。在設計環節，IP 復用性雖然幫助設計廠商提高了設計效率，但是如果完全依賴第三方的 IP 授權就不能做到差異化的競爭，因此自研 IP 便成為了頭部廠商的戰略選擇。我們認為，自研 IP 不僅可以幫助節省授權費用，更重要的是能深入地

62、學習理解底層技術，從而精簡不同 IP 核之間的電路設計，提高產品質量和迭代速度，切實增強自身競爭力。圖表24:SoC 芯片制造流程 資料來源：億歐智庫，各公司官網，方正證券研究所 制造環節綁定先進制程代工產能，高端路線徐圖進取。制造環節綁定先進制程代工產能，高端路線徐圖進取。再來看制造環節，我們認為擁有穩定的代工產能是 SoC 設計廠商保障芯片落地和迭代的重要基礎，尤其是與臺積電、三星世界上唯二兩家擁有10nm以下先進制程量產能力代工廠的合作，更是設計廠高端路線的堅實依靠。2020 年發布的麒麟 9000 卓越性能的背后，雖然離不開海思數十年設計能力的積累，但臺積電 5nm FinFET 工藝

63、的保駕護航同樣發揮了關鍵作用。相比之下，三星的功耗控制能力仍有待提高。圖表25:臺積電 VS 三星代工芯片參數對比 資料來源：搜狐，電子工程專輯，安兔兔，新浪科技，方正證券研究所 軟硬件協同設計 芯片硬件設計：包括功能設計階段、設計描述和行為級驗證、邏輯綜合、布局與布線 核心挑戰：IP復用復用 與芯片制造流程相同，包含晶圓制造、光刻、摻雜等流程 核心挑戰：克服不同電路區塊克服不同電路區塊之間制程相容性問題之間制程相容性問題，即遷就微縮進展較慢的功能區塊或在成本上找到平衡 打線為主的傳統封裝己無法滿足需要，晶片級封裝晶片級封裝及I/O高腳高腳位 錫 球 封位 錫 球 封、CSP(Chip Sca

64、lePackaging)等將是未來SoC封裝技術的主流 核心挑戰：更多的端口數目更多的端口數目 SoC趨勢下，測試機臺走向多功多功能單一機型能單一機型，測試各種邏輯、模擬與存儲電路 核心挑戰：SoC設計中的多樣性多樣性使得驗證更加困難流程流程設計設計制造制造封裝封裝測試測試技術技術&挑戰挑戰產業產業鏈鏈廠商廠商A15麒麟麒麟9000驍龍驍龍865臺積電臺積電5nm臺積電臺積電5nm臺積電臺積電7nm驍龍驍龍8Gen1驍龍驍龍888三星三星4nm三星三星5nm電子 行業專題報告 19 敬 請 關 注 文 后 特 別 聲 明 與 免 責 條 款 s 3 3 AI SAI So oC C 賦能下游，

65、終端應用百花齊放賦能下游，終端應用百花齊放 A AI I 技術加速滲透技術加速滲透 SoSoC C，大幅革新終端設備智能化體驗。，大幅革新終端設備智能化體驗。如前所述，我們認為海量的物聯網終端設備是邊緣 AI 的主要落地場景，而融合了不同 AI 功能模塊的 SoC作為終端推理算力的承擔者，將為不同應用的嵌入式設備帶來更加智能化的體驗。例如高通將模仿神經網絡模型的 Hexagon 處理器融合進 SoC 中，打造專屬的 AI引擎并持續進行迭代，搭載最新一代 AI 引擎的驍龍 8 Gen2 芯片在自然語言處理、目標檢測等方面的性能均實現了大幅提升。此外，高通還在 SoC 中開發了一個稱之為“高通傳感

66、器中樞（Sensing Hub）”的芯片子系統，能同時處理多路數據流，實現關鍵詞識別、異常檢測、圖像分類等 AI 性能?？梢钥吹?，高通在 AI領域的全面進軍預示著終端 IoT 設備的智能化時代已經來臨。圖表26:高通 AI 引擎 圖表27:高通傳感器中樞 資料來源：高通，方正證券研究所 資料來源：新浪，方正證券研究所 圖表28:AI SoC 終端應用 資料來源：億歐智庫，方正證券研究所 功能需求功能需求算力要求算力要求功耗要求功耗要求可靠性需求可靠性需求成本敏感性成本敏感性消費電子消費電子圖像/場景識別拍照美化語音助手等1-8TOPS高高高智能家居智能家居圖像識別語義識別與理解語音助手等1TO

67、PS較高較高較高智能安防智能安防圖像/視頻識別圖像/視頻檢測等4-20TOPS較高較高較高圖像識別數據融合路徑規劃等20-4000TOPS中等高較低智能駕駛智能駕駛電子 行業專題報告 20 敬 請 關 注 文 后 特 別 聲 明 與 免 責 條 款 s 3.13.1 消費電子消費電子 在消費電子產品中，在消費電子產品中，SoSoC C 中的中的 A AI I 模塊主要用于實現語音識別和拍照美化等功能模塊主要用于實現語音識別和拍照美化等功能，例如蘋果手機的 Siri 語音助手，近些年流行的計算攝影，都是 AI 技術的體現。就智能手機 SoC 而言，除了蘋果使用自家的 A 系列芯片，安卓高端市場基

68、本被高通壟斷，中低端市場則由聯發科主導。不管是資金實力、研發能力，還是產業鏈配套的先進代工、終端迭代等因素，高聳的行業進入壁壘都讓新興廠商望而卻步。但在可穿戴設備（TWS 耳機、智能手表、VR/AR 等）SoC 市場，雖然高通和蘋果也有著領先優勢，但由于存在著較多的長尾客戶，疊加此類由于存在著較多的長尾客戶，疊加此類 SoSoC C 對性能要求并不是對性能要求并不是很高，更多追求的是低功耗帶來的續航時間很高，更多追求的是低功耗帶來的續航時間，因此給到了國內的恒玄科技、中科藍訊等公司一定的生存空間。先看國外廠商的布局。蘋果方面，其在 2022 年 9 月發布的 AirPods Pro 第二代搭載

69、全新的 H2 芯片，運用計算音頻算法，帶來更智能的降噪表現（主動降噪效果相較上一代最高提升至 2 倍）、卓越的三維空間音效（全新自適應算法更快速地處理聲音）和更高效的電池續航（單次充電最長能聽 6 小時）?？梢钥吹?，此類TWS 耳機的智能藍牙音頻 SoC 芯片更多追求的是降噪和音質表現。圖表29:蘋果 AirPods Pro 第二代搭載的 H2 芯片 資料來源：蘋果，方正證券研究所 高通方面，其在 2022 年 7 月發布了全新的驍龍可穿戴平臺 W5/W5+，回顧過去，高通分別于 2016、2018、2020 年發布了驍龍 2100、3100、4100+可穿戴設備平臺。命名方式的變化彰顯著新一

70、代平臺相比前一代 4100+有著全面提升，其中整體功耗降低超 50%，性能提升達兩倍以上，芯片尺寸縮小 30%以上，同時從藍牙 4.2 升級為藍牙 5.3，并新增集成式揚聲器功率放大器等特性。再來看國內廠商的布局。自從蘋果在 2016 年發布第一代 AirPods 推動了 TWS 耳機的熱潮，國內 TWS 芯片企業迅速跟進，也在這個市場中分得了一杯羹。國內的TWS 芯片廠商主要分為兩類，一類是以恒玄科技為代表的品牌芯片廠商，產品供貨給華為、小米、OPPO 等終端耳機廠商；另一類是以中科藍訊為代表的白牌芯片廠商，產品供貨給品牌知名度較低的眾多第三方商家，主要通過低價走量取勝。電子 行業專題報告

71、21 敬 請 關 注 文 后 特 別 聲 明 與 免 責 條 款 s 圖表30:高通驍龍全新可穿戴平臺 W5/W5+資料來源：cnBeta，方正證券研究所 圖表31:恒玄科技 VS.中科藍訊 TWS 藍牙耳機芯片出貨量 圖表32:恒玄科技 VS.中科藍訊營收及毛利率 資料來源：公司公告，方正證券研究所 資料來源：公司公告，方正證券研究所 A Applepple VisionVision P Proro 正式發布，開啟新一輪革命性創新。正式發布，開啟新一輪革命性創新。長期來看，智能手機、TWS 耳機、智能手表等消費電子產品的成長空間已接近天花板，我們認為 AR/VR將是下一代現象級單品。蘋果最新

72、發布的 Vision Pro 已經為我們探明了該類產品的初步形態，全新的交互體驗也對內置的 SoC 芯片提出了更高要求。圖表33:蘋果 Vision Pro 產品效果 圖表34:蘋果 Vision Pro 搭載 M2 及 R1 芯片 資料來源：蘋果，方正證券研究所 資料來源：蘋果，方正證券研究所 0123456201720182019202020212022恒玄科技（億顆）中科藍訊（億顆）0%10%20%30%40%50%05101520201720182019202020212022恒玄科技營收（億元）中科藍訊營收（億元）恒玄科技毛利率（右軸）中科藍訊毛利率（右軸）電子 行業專題報告 22

73、敬 請 關 注 文 后 特 別 聲 明 與 免 責 條 款 s 3.23.2 智能家居智能家居 A AI I 技術持續滲透，智能家居市場蓬勃發展。技術持續滲透，智能家居市場蓬勃發展。我們看到，在智能家居領域，AI 技術的滲透主要是通過智能語音/視覺模組的方式應用于智能掃地機、家庭安防攝像機、智能音箱、智能門鎖等各類智能家居產品中。根據艾瑞咨詢的數據，2022年 AI 技術在智能家居行業的整體滲透率約為 25%，預測到 2025 年將提升至 50%左右，其中智能清潔（95%）、家庭安防（75%）、智能影音娛樂（60%）、智能照明（25%）、智能白電（15%）是 AI 滲透率排名前五的細分品類。伴

74、隨設備智能化體驗的提升和消費者對居家舒適度的追求，艾瑞咨詢預測中國的智能家居市場規模將從 2022 年的 4517 億元增長至 2025 年的 9523 億元，CAGR 達 28%。圖表35:中國智能家居品類 AI 技術應用滲透率預測 圖表36:中國智能家居市場規模及增速 資料來源：艾瑞咨詢，方正證券研究所 資料來源：艾瑞咨詢，方正證券研究所 在眾多細分品類中，我們判斷具備語音在眾多細分品類中，我們判斷具備語音/視頻交互能力的智能音箱有望成為智能視頻交互能力的智能音箱有望成為智能家居全屋互聯場景下的家居全屋互聯場景下的 A AI I 控制入口?？刂迫肟?。智能音箱集成了人工智能處理能力，能夠通過

75、語音識別、語音合成、語義理解等技術完成語音交互功能，同時還可以提供智能家居控制、音樂內容服務、互聯網服務等功能，目前主要分為無屏和帶屏兩大類，其中無屏音箱只具備最基礎的語音交互功能，價格主要分布在 50-200 元；帶屏音箱則在語音交互的基礎上進一步增加了視覺交互體驗，可通過屏幕進行文字/圖片展示和視頻通話，價格主要分布在 200-1500 元。圖表37:中國智能音箱市場競爭格局 圖表38:中國智能音箱頭部企業分析 資料來源：洛圖科技，方正證券研究所 資料來源：頭豹研究院，方正證券研究所 70%47%40%15%5%95%75%60%25%15%0%20%40%60%80%100%智能清潔智能

76、安防智能影音娛樂智能照明智能白電2025年AI技術滲透率2022年AI技術滲透率-10%-5%0%5%10%15%20%25%30%35%02,0004,0006,0008,00010,00012,00014,00020192020202120222023e 2024e 2025e智能家居市場規模（億元）增長率（右軸）品牌優勢品牌優勢品牌名稱品牌名稱百度智能音響的特色為人工智能技術、自身的對話式人工自身的對話式人工智能系統智能系統DuerOS和良好的人機交互體驗，在產品戰略方面更傾向于C端消費群體。通過大量的優質內容資源來吸引用戶，再通過用戶的使用數據來完善智能音響技術小米的智能家居生態鏈智能

77、家居生態鏈帶動了小米智能音響的銷量。小米智能音響的性價比高性價比高，智能家居產品通過智能音響連接，升級為AloT，實現了生態閉環阿里巴巴為旗下的智能音響產品提供高質量的銷售渠道，同時依靠阿里云阿里云的強數據處理，提高人工智能技術。阿里巴巴在產品戰略方面是B端和端和C端消費群體兼顧端消費群體兼顧，不斷拓展產品的應用場景，也積極尋找內容供應商，努力打造良好的生態鏈華為進入智能音響行業的時間較短，華為主打的是高端無高端無屏智能音響屏智能音響，和鴻蒙系統鴻蒙系統進行配合以及提供良好的音頻體驗，打造系統生態圈電子 行業專題報告 23 敬 請 關 注 文 后 特 別 聲 明 與 免 責 條 款 s 圖表3

78、9:中國智能音箱市場銷量（萬臺）資料來源：洛圖科技，方正證券研究所 A AI I 賦能疊加生態完善，智能音箱有望重拾增長。賦能疊加生態完善，智能音箱有望重拾增長。我們看到，智能音箱銷量的爆發主要集中在 2018 和 2019 年，但在完成初輪的用戶普及之后便陷入了增長瓶頸。究其原因，一是由于智能化升級緩慢，各大品牌推出的新品創新力度不夠甚至沒有創新，導致同質化現象嚴重；二是產品生態建立不完善，智能音箱與其它家居設備的互聯互通能力受到限制，消費者體驗不佳。但現如今隨著ChatGPT的推出，生成式 AI 加速發展，我們認為以 GPT4 為代表的大模型所具備的多模態能力將大幅提升終端應用的智能化體驗

79、，智能音箱的語音/視頻交互能力有望得到充分升級。此外，百度、小米、天貓精靈等國內智能音箱巨頭歷經多年的布局，各自的產品生態圈建設已趨于完善。因此，站在當前視角，阻礙智能音箱增長的兩大關鍵因素均得到較大程度的緩解，我們看好該品類在未來的 AI 浪潮中重拾增長。圖表40:2020 年全球智能音箱處理器出貨量份額 圖表41:中國智能音箱處理器廠商客戶布局 資料來源：Strategy Analytics，方正證券研究所 資料來源：各公司年報，方正證券研究所 行業貝塔向上，頭部行業貝塔向上，頭部SoSoC C廠商有望充分受益。廠商有望充分受益。具體到智能音箱上游的SoC處理器，目前以全志、晶晨、瑞芯微為

80、代表的國內廠商已經在該領域占據了較大份額，產品廣泛應用于小米、小度、天貓精靈等下游終端品牌。我們認為，在 ChatGPT 引領的 AI 浪潮下，交互式體驗升級的智能音箱有望突破銷量增長瓶頸，實現滲透率的進一步提升，從而拉動上游處理器廠商的出貨。此外，智能化升級也對芯片性能提出了更高要求，例如需要提升 SoC 中的 CPU 算力、附加專屬的 AI 內核和DSP、提供更加豐富的音視頻擴展接口，以及降低功耗增加續航時間。因此，我們看好頭部 SoC 廠商在行業正貝塔的環境下，通過提供性能更優的產品實現自身的阿爾法提升，鞏固并擴大領先優勢。05001,0001,5002,0002,5003,0003,5

81、004,000201720182019202020212022中國智能音箱市場銷量（萬臺）聯發科Synaptics全志科技晶晨股份蘋果高通其他客戶布局客戶布局廠商名稱廠商名稱天貓精靈、小米、小度等小米、阿里巴巴、Google、Amazon等阿里巴巴、百度、創維、安克創新、小米等阿里巴巴、百度、安克創新等創維、天貓精靈等電子 行業專題報告 24 敬 請 關 注 文 后 特 別 聲 明 與 免 責 條 款 s 3.33.3 智能安防智能安防 安防芯片主要分為兩類四種芯片。安防芯片主要分為兩類四種芯片。安防視頻監控系統主要分為前端和后端兩類設備，前端設備負責采集和處理原始的圖像視頻信號，將其轉化為模

82、擬/數字信號后再傳輸至后端設備進行分析、顯示和存儲等?；仡檾z像機的發展歷程：1）模擬監控時代：最初為模擬攝像機，其前端設備搭載的 ISP 芯片將電信號轉換為模擬信號后，再通過后端的 DVR（Digital Video Recorder，數字視頻錄像機）轉換為數字信號進行編碼壓縮和存儲。2）網絡監控時代：網絡攝像機開始普及，其前端設備搭載的 I IPC SPC So oC C 包含包含 ISP ISP 模塊和視頻編碼模塊模塊和視頻編碼模塊，原始的視頻信號經過 ISP 模塊處理后，需要通過視頻編碼模塊進行壓縮，而后端 NVR(Network Video Recorder，網絡視頻錄像機)可以通過網

83、絡接收 IPC(網絡攝像機)傳輸的數字視頻碼流，并進行存儲和管理。前端走向前端走向主動識別主動識別，后端，后端強化計算分析強化計算分析。我們看到，AI 技術對安防的賦能也是體現在前端和后端兩方面：1）前端：通過在前端攝像機嵌入 AI 芯片，攝像機可以實現對視頻數據的結構化處理，促使視頻監控設備從被動監控走向主動識別。2）后端：通過在后端圖像存儲設備添加人工智能加速芯片和應用處理軟件，智能網絡視頻錄像機可以實現圖像識別，強化后端設備的計算分析功能。圖表42:安防芯片分類 資料來源：頭豹研究院，方正證券研究所 算力前移趨勢明顯，前后端共同推動智能安防落地。算力前移趨勢明顯，前后端共同推動智能安防落

84、地。我們注意到，在安防發展的早期，前端的攝像機作為數據采集設備，其面臨的數據量較少，對數據精度的要求也不高，因此用于圖像或視頻處理的算力主要部署在后端。但是隨著物聯網的不斷發展，前端設備采集的數據量激增，數據精度也從 1080P 提高到 4K/8K，使得網絡傳輸帶寬與后端的分析處理面臨很大的壓力。因此：1）一方面，通過在前端設備芯片中嵌入 AI 功能，使其可以對視頻圖像進行預處理，將過濾冗余信息后的關鍵性信息再上傳至邊緣側或中心側，由此分攤后端的計算和存儲壓力并提高視頻分析的速度。目前適用于前端設備的 AI 芯片主要為低功耗、低成本的 ASIC芯片，在指定的識別場景下具備高效的性能表現；2）另

85、一方面，后端設備芯片也需要對應進行 AI 功能的升級，前后端協同發展共同推動智能安防的落地。前端前端后后端端模擬模擬攝像機攝像機網絡網絡攝像機攝像機智能化智能化攝像機攝像機ISP SoC芯片芯片：處理CMOS傳感器原始圖像信號的降噪和曝光調整DVR SoC芯片芯片：將CPU處理器、內存、ASIC芯片、外設接口等進行整合，集合錄像機等，其核心功能是模擬音頻信號數字化、編碼壓縮與存儲IPC SoC芯片芯片：集成ISP技術和視頻編解碼技術，同時集成視頻分析功能NVR SoC芯片芯片：基于網絡的全IP視頻監控解決方案，其接收IPC的數字碼流，進行集中錄像存儲、管理和轉發IPC SoC+AI-IP/獨立

86、獨立AI芯片芯片：在現有IPC上集成算法實現識別任務；在SoC中集成協處理或增加獨立AI芯片進行結構化分析GPU/ASIC智能服務器智能服務器：將推理功能集成在邊緣的服務器產品中，實現大規模的人工智能應用，如GPU或ASIC服務器方案電子 行業專題報告 25 敬 請 關 注 文 后 特 別 聲 明 與 免 責 條 款 s 圖表43:邊緣 AI 在安防領域的應用 資料來源：頭豹研究院，方正證券研究所 海思高端市場根基深厚，期待未來王者歸來。海思高端市場根基深厚，期待未來王者歸來?；仡櫚卜佬酒袌龅母偁幐窬?，我們看到在 2020 年以前的絕大部分時間里，海思一直占據著主導地位，其 IPC/NVR

87、SoC 的市場份額一度高達七成以上，這得益于海思在高清成像和音視頻編解碼算法上的大力投入，成功與?？?、大華等頭部終端客戶綁定共同實現高速成長。但在海思逐漸退出后，臺企聯詠科技和背靠聯發科的星宸科技承接了一部分中高端市場，而國內廠商富瀚微也成功抓住機遇拿下了中低端市場的大多數份額。我們認為，海思在高端安防芯片領域積累的技術和客戶優勢仍然有著很強的根基，未來如果回歸有望延續其王者地位。圖表44:2021 年全球 IPC SoC 市場份額 圖表45:2021 年全球 NVR SoC 市場份額 資料來源：中商產業研究院，方正證券研究所 資料來源：中商產業研究院，方正證券研究所 圖表46:全球 IPC/

88、NVR SoC 市場規模（億美元）資料來源：中商產業研究院，方正證券研究所 網絡攝像機網絡攝像機云端數據中心的云端數據中心的網絡視頻錄像機網絡視頻錄像機完成人臉識別完成人臉識別傳輸視頻數據進行數據處理數字化數字化攝像機攝像機嵌入AI功能傳輸視頻流傳輸AI預分析結果分析未處理的數據邊緣設備邊緣設備中心云平臺中心云平臺完成人臉識別完成人臉識別傳統安防傳統安防智能智能安防安防37%22%13%8%6%4%11%星宸科技富瀚微北京君正聯詠科技安霸華為海思其他39%28%15%7%2%星宸科技富瀚微華為海思聯詠科技其他02468201720182019202020212022E2023EIPC SoCN

89、VR SoC電子 行業專題報告 26 敬 請 關 注 文 后 特 別 聲 明 與 免 責 條 款 s 3.43.4 自動駕駛自動駕駛 汽車智能化浪潮迭起，電子電氣架構從分布式向汽車智能化浪潮迭起，電子電氣架構從分布式向域集中式域集中式演變。演變。我們看到，在汽車智能化的發展趨勢下，傳統的 ECU 分布式 EEA（Electrical/Electronic Architecture，電子電氣架構）已無法滿足日益豐富的功能需求，因此很多功能相似但卻分離的 ECU 被集成整合到一個性能更強的處理器硬件平臺上，這便是汽車域控制器（Domain Control Unit，DCU）的誕生。在域集中式 EE

90、 架構之下，主機廠會根據自身設計理念的差異對功能域做出具體的劃分，其中博世的五域集中式 EEA 便被分為動力域、底盤域、車身域、座艙域和自動駕駛域，而大眾的 MEB平臺以及華為的 CC 架構則在此基礎上把原本的動力域、底盤域和車身域融合為整車控制域，從而形成了三域集中式 EEA，即車控域控制器、自動駕駛域控制器和智能座艙域控制器。自動駕駛自動駕駛 SoSoC C 負責決策環節，異構集成主導多種數據處理。負責決策環節，異構集成主導多種數據處理。域控制器作為每個功能域運算和決策的中心，其功能的實現依賴于主控 SoC 芯片、操作系統和應用算法等多層次軟硬件的結合。在三大功能域中，駕駛域和座艙域是實現

91、智能駕駛的技術核心，其中駕駛域負責集成傳感器、定位、通訊和控制等功能，通過外接車載攝像頭、激光雷達等多種傳感器感知外部信息，再輸入到域控制器中進行運算處理，最后輸出執行命令。我們看到，在自動駕駛域控制器中的運算決策環節，核心在于主控 SoC 芯片的數據處理能力，其異構集成結構主要分為：1）邏輯處理：由 CPU 完成通用計算；2）AI 處理：由 GPU/FPGA/ASIC 等 AI 芯片完成加速計算；3）圖像處理：由 ISP 完成圖片、視頻等數據的處理；4）存儲處理：由 DRAM、NAND 完成緩存并存儲數據。圖表47:自動駕駛域控制器硬件架構 資料來源：Vehicle 公眾號，方正證券研究所

92、我們看到，華為推出的 MDC（Mobile Data Center，移動數據中心）計算平臺即為自動駕駛域控制器，以 MDC 300 為例，其主控 SoC 中的 CPU 處理器為 1 顆自研的鯤鵬 920 芯片，采用 7nm 工藝，支持 12 個內核，主頻 2.0GHz，算力達到 150K DMIPS；而 AI 處理器為 4 顆自研的昇騰 310 芯片，采用 12nm 工藝，基于自研的達芬奇架構，總算力達到 64 TOPS。存儲方面，內存為 24GB，硬盤空間為 128GB。同時外接 15 個攝像頭接口，4 個前向攝像頭支持 4K 視頻分辨率。硬件架構硬件架構自動駕駛自動駕駛域控制器域控制器自動

93、自動駕駛駕駛SoC電子 行業專題報告 27 敬 請 關 注 文 后 特 別 聲 明 與 免 責 條 款 s 圖表48:華為 MDC 計算平臺硬件方案 資料來源：Vehicle 公眾號，方正證券研究所 ADAS/AD SoCADAS/AD SoC市場市場規?；蛟谝幠；蛟?0302030年達到年達到300300億美元。億美元。根據Frost&Sullivan數據，2022 年全球及中國的自動駕駛乘用車（L2 及以上）銷量分別達到 1770、740 萬輛，滲透率分別為 25.8%、31.5%；預計到 2030 年銷量將分別增長至 6060、2470萬輛，滲透率分別提升至 78.3%、92.7%。我們

94、看到，終端銷量的增長也帶動了上游 SoC 芯片的需求。一般而言，自動駕駛 SoC 主要分為適用于 L1-L2 的 ADAS SoC和適用于 L3-L5 的 AD SoC，ADAS SoC 的技術門檻較低，算力要求基本在 100TOPS以下，但 AD SoC 的技術門檻更高，L5 級別的算力要求高達 1000TOPS 以上。市場規模方面，Counterpoint 預計全球 ADAS/AD SoC 市場空間將在 2030 年達到 300億美元，2022-2027 年的 CAGR 為 26.3%。此外，在 2025 年之前，適用于 L2 的ADAS SoC 仍將占據主要份額，但此后受益于自動駕駛技術

95、的不斷成熟，適用于 L3及以上的 AD SoC 將主導市場。圖表49:全球及中國自動駕駛乘用車銷量及滲透率 資料來源：Frost&Sullivan，方正證券研究所；注：自動駕駛乘用車指具有 L2-L5級自動化功能的車輛 MDC 600MDC 3001個SoC內置2個AI加速器DL加速器加速器40 TFLOPS(FP16)80 TFLOPS(FP16)80 TOPS(INT8)160 TOPS(INT8)16核核ARM v8.2 64位 CPU16MB L38核核ARM v8.2 64位 CPU3MB L3CPU24GB 384位 LPDDR4x內存內存2133MHz-204GB/s128GB

96、UFS存儲空間存儲空間提供15個個LVDS攝像頭接口，其中前向前向4個個Camera支持4kFP30，其他Camera支持2kFP30攝像頭攝像頭D-PHY(60Gbps)D-PHY(60Gbps)0%20%40%60%80%100%010203040506070中國自動駕駛乘用車銷量（百萬）全球自動駕駛乘用車銷量（百萬）中國滲透率（右軸）全球滲透率（右軸）電子 行業專題報告 28 敬 請 關 注 文 后 特 別 聲 明 與 免 責 條 款 s 圖表50:不同級別自動駕駛 SoC 市場規模預測 資料來源：Counterpoint，方正證券研究所 MobileyeMobileye 主打視覺方案，

97、主打視覺方案，A ADAS SDAS So oC C 龍頭地位穩固。龍頭地位穩固?；仡櫰囆酒袌龅母偁幐窬?，我們看到，以前負責整車控制域的 MCU 芯片市場主要由瑞薩、恩智浦等傳統廠商占據主導地位，但隨著汽車電動化、智能化的發展，汽車架構中新涌現出的智能座艙域和智能駕駛域需要更高算力的 SoC 芯片來支持其功能的實現，這也給后來者提供了彎道超車的機遇。就自動駕駛而言，在早期 L1、L2 的 ADAS 發展階段，ADAS SoC 市場基本由主打視覺方案的 Mobileye 主導，其于 1999 年成立，2004 年發布了第一代基于 180nm 工藝的芯片 EyeQ1，2007 年開始量產上車，

98、隨后分別于 2010、2014、2015 年推出了 EyeQ2、EyeQ3、EyeQ4，其中 EyeQ4 芯片于2018 年量產，陸續被蔚小理、大眾、寶馬等廠商采用，成為公司出貨量最高的一款芯片。2017 年 3 月，Mobileye 被英特爾以 153 億美元的價格收入麾下；到 2021年末，公司芯片出貨量突破 1 億顆；2022 年 10 月，Mobileye 正式登陸納斯達克市場，最新市值已超 300 億美元。截至目前，Mobileye 的芯片已迭代至 EyeQ6 Light、EyeQ6 High 和 EyeQ Ultra，其中 EyeQ Ultra 將于 2025 年量產，采用 5nm

99、工藝，算力提升至 176TOPS，主打 L4/L5 高階自動駕駛應用場景。圖表51:Mobileye 自動駕駛 SoC 產品線 資料來源：高工智能汽車研究院，方正證券研究所 高級輔助駕駛高級輔助駕駛ADAS自動駕駛自動駕駛ADL3、L4、L5L1、L2算力要求算力要求(TOPS)-120dB）的同時，能夠有效的降低 50%以上的動態功耗。4.54.5 中科藍訊中科藍訊：業績端表現亮眼，客戶端持續滲透業績端表現亮眼，客戶端持續滲透 需求穩步增加疊加傳統旺季需求穩步增加疊加傳統旺季，Q3Q3 單季利潤同比超預期。單季利潤同比超預期。2023Q1-Q3，公司實現營業收入10.50億元，同比增長35.

100、19%;實現歸母凈利潤1.97億元，同比增加66.97%；毛利率 22.98%，凈利率達 18.79%。23Q3 單季度，受益于訊龍系列占比提升、現有產品更新迭代、產品種類日益豐富、供應商保障供給等因素，實現營業收入 3.96億元，同比增長 69.11%；實現歸母凈利潤 0.85 億元，同比增長 242.42%；實現扣非歸母凈利潤 0.55 億元，同比增長 245.29%；單季度毛利率達 24.43%，環比上升 0.09pct；Q3 凈利率達 21.41%，環比上升 3.22pcts。電子 行業專題報告 38 敬 請 關 注 文 后 特 別 聲 明 與 免 責 條 款 s 中科藍訊是無線音頻中

101、科藍訊是無線音頻 SoCSoC 芯片主要供應商。芯片主要供應商。公司主要產品包括 TWS 藍牙耳機芯片、非 TWS 藍牙耳機芯片、藍牙音箱芯片、智能穿戴芯片、無線麥克風芯片、數字音頻芯片等，產品可廣泛運用于 TWS 藍牙耳機、頸掛式耳機、頭戴式耳機、商務單邊藍牙耳機、藍牙音箱、車載藍牙音響、電視音響、智能可穿戴設備、物聯網設備等無線互聯終端。原有產品保持迭代，研發創新拓寬應用場景。原有產品保持迭代，研發創新拓寬應用場景。一方面，公司針對原有的無線音頻SoC 芯片保持快速迭代，前期已成功推出“藍訊訊龍”系列高端藍牙芯片，憑借出色的性能表現和性價比優勢，目前已進入 TCL、傳音、魅藍、聯想、鐵三角

102、、天貓精靈、魔聲 Monster、Sudio 等終端品牌供應體系；另一方面，公司在深耕無線音頻芯片領域的基礎上，持續推動技術升級以優化產品結構。目前已經完成了高集成低功耗 22nm 工藝藍牙耳機 SoC 芯片工程樣片、高性能 TWS 藍牙耳機 SoC芯片工程樣片、第一代語音控制 SoC 芯片工程樣片、第一代藍牙控制 SoC 芯片工程樣片的設計工作并進入流片階段。公司部分芯片產品已應用至智能可穿戴設備、智能家居等物聯網終端產品中，進一步豐富了公司產品的應用場景。4.64.6 炬炬芯科技芯科技：打造打造 AIoT 音頻芯生態，端側音頻芯生態，端側 AI 賦能長期發展賦能長期發展 Q3Q3 業績環比

103、改善，業務有望逐季向好。業績環比改善，業務有望逐季向好。公司 Q3 單季度實現營收 1.57 億元，同比增長 64.92%；歸母凈利潤 0.22 億元，同比增長 76.22%。Q3 毛利率為 45.48%，同比增加 5.49%；凈利率為 14.16%，同比增加 0.90%。伴隨消費電子下游市場呈現向好態勢，公司在索尼、哈曼等頭部品牌客戶的滲透率持續提升，訂單量逐漸增加，帶來第三季度業績快速度增長。深耕高品質音質產品，水平業界領先。深耕高品質音質產品，水平業界領先。公司產品布局主要為藍牙音頻 SoC 芯片、便攜式音視頻 SoC 芯片和端側 AI處理器芯片等，公司頭部品牌滲透率不斷提升。公司自主掌

104、握低延遲的 2.4G 無線通信私有協議設計，全鏈路 48K 24bit 高清音頻處理，音質指標 SNR 高達 120dB，底噪低于 2uV，處于業界先進水平，端到端 延遲最低低至 10ms 以下，高保真低延遲降噪技術延遲小于 3ms，產品技術處于業界領先水平。產品性能優異，已進入眾多知名終端品牌供應鏈。產品性能優異，已進入眾多知名終端品牌供應鏈。公司歷經多年已積累眾多知名客戶資源，已進入眾多終端品牌的供應鏈，此外，還進入三諾、奮達、通力等業界知名的 ODM、OEM 廠商的供應鏈體系。首批品牌客戶西伯利亞、倍思、猛瑪等多款產品已上市規模銷售，將持續推出多款終端產品。4.74.7 晶晨股份晶晨股份

105、：海外市場海外市場穩步推進穩步推進，產品矩陣產品矩陣不斷不斷拓寬拓寬 積極推進海外市場拓展，三季度盈利能力回升。積極推進海外市場拓展，三季度盈利能力回升。2023Q1-Q3，公司實現營收 38.58億元，同比下降 12.32%；歸母凈利潤為 3.14 億元，同比下降 53.88%；扣非歸母凈利潤為 2.67 億元，同比下降 58.37%；毛利率 35.36%，同比-2.10pcts。單季度來看，受益于公司各產品線在海外市場均取得積極進展，營收實現15.07億元，同比增長 16.60%；歸母凈利潤為 1.29 億元，同比增長 35.23%；扣非歸母凈利潤為 1.09 億元，同比增長 37.70%

106、；實現毛利率 35.98%，同比+3.33pcts。晶晨晶晨主要從事主要從事系統級系統級 SoCSoC 芯片及周邊芯片的研發、設計與銷售芯片及周邊芯片的研發、設計與銷售。目前主要產品包括多媒體智能終端 SoC 芯片、無線連接芯片、汽車電子芯片等，為眾多消費類電電子 行業專題報告 39 敬 請 關 注 文 后 特 別 聲 明 與 免 責 條 款 s 子領域提供 SoC 主控芯片和系統級解決方案。公司擁有豐富的 SoC 全流程設計經驗，致力于超高清多媒體編解碼和顯示處理、內容安全保護、系統 IP 等核心軟硬件技術開發，整合業界領先的 CPU/GPU 技術和先進制程工藝，實現成本、性能和功耗優化。手

107、握多系列芯片，客戶基礎牢固。手握多系列芯片，客戶基礎牢固。1）S 系列：主要包括全高清系列芯片和超高清系列芯片，廣泛應用于中興通訊、創維、小米、阿里巴巴、Google、Amazon 等客戶的機頂盒中；2）T 系列：智能顯示終端核心關鍵部件，成功斬獲小米、海爾、TCL、海信、長虹、Seewo（希沃）等客戶；3）A 系列：內置最高算力為 5TOPS 的NPU，支持最高1600萬像素高動態范圍影像輸入和超高清編碼，廣泛應用于小米、TCL、阿里巴巴、Harman Kardon、Zoom 等客戶的智能終端產品；4）W 系列：作為公司自主研發的高速數傳Wi-Fi藍牙二合一集成芯片，可應用于高吞吐視頻傳輸，

108、第二代產品已于 2022 年 12 月預量產，即將進入商業化階段，將進一步驅動公司無線連接芯片業務進入新的增長通道。4.84.8 全志科技全志科技：多元化產品布局，多元化產品布局，擁抱擁抱 AI 創新浪潮創新浪潮 伴隨下游需求復蘇，公司伴隨下游需求復蘇，公司 Q Q3 3 業績回暖。業績回暖。2023Q1-Q3，公司實現收入 1.21 億元，同比-4.29%；歸母凈利潤-0.21 億元，同比-109.26%；毛利率 32.29%，同比-6.75pcts。單季度看，23Q3 公司實現收入 4.45 億元，同比增長 31.32%，環比+1.89%；實現歸母凈利潤-0.04億元，同比-118.78%

109、，環比-114.58%；毛利率33.46%，同比-0.74pct。我們認為，伴隨終端客戶庫存逐步去化，行業陸續回暖疊加低價晶圓成本逐步體現，公司業績有望企穩回升。全志主要從事全志主要從事智能應用處理器智能應用處理器 SoCSoC、高性能模擬器件和無線互聯芯片的研發與設、高性能模擬器件和無線互聯芯片的研發與設計計。公司通過以 SoC、PMU、WIFI、ADC 等芯片產品組成的套片組合為基礎，結合智能技術服務平臺的支持，為客戶提供優質低成本的智能芯片及解決方案。2022年實現營收 15.14 億元，同比減少 26.69%，主要產品包括智能終端應用處理器芯片（79%）、智能電源管理芯片（10%）、無

110、線通信產品（9%）等。多元化產品布局，全面多元化產品布局，全面 A AI I 賦能落地。賦能落地。公司通過 AI 全面賦能，聚焦 AI 語音、AI視覺應用的完整鏈條，實現智能音箱、智能家電、智能安防、智能座艙、智能工控等細分 AI 產品量產落地：1）智能音箱市場，公司與行業頭部一線標桿客戶保持產業深度合作，R 系列芯片產品已實現帶屏、無屏音箱全面量產；2）智能清潔機器人市場，面向掃地機產品呈現的無感清潔/功能復合/智能升級/體驗升級/場景多元等趨勢，公司推出了面向中高端掃地機的 MR 系列芯片新品；3）智能視覺市場，公司已成功在多家行業頭部客戶中完成新一代視覺芯片 V853 的全面落地量產；4

111、）智能汽車電子市場，公司針對智能車載人機交互需求，發布 T113 芯片產品及解決方案，已在車載人機交互和儀表類應用落地：5）智能顯示市場，推出智慧屏芯片 TV303，后續將逐步在智能電視、智能投影、智能商顯領域投入量產。4.94.9 泰凌微泰凌微：無線物聯網無線物聯網 SoC 領軍領軍者者，縱深產品線把握行業紅利，縱深產品線把握行業紅利 Q3Q3 營收大幅增長，景氣度向上拐點已顯現。營收大幅增長，景氣度向上拐點已顯現。受益于持續開拓市場，公司實現出貨量、銷售收入的大幅增長，于前三季度實現營業收入 4.76 億元，同比增長 9.29%；歸母凈利潤同比大幅增長 72.85%至 3758.44 萬元

112、，第三季度公司的營業收入大幅電子 行業專題報告 40 敬 請 關 注 文 后 特 別 聲 明 與 免 責 條 款 s 增長 44.67%。同時由于產品結構改善以及成本優化，前三季度毛利率 43.78%，同比增長 3.17%，整體來看，出貨數量與盈利水平均呈現良好彈性。重視自主創新，低功耗藍牙連接芯片類產品性能國際領先。重視自主創新，低功耗藍牙連接芯片類產品性能國際領先。憑借在藍牙領域的突出貢獻及行業地位，公司 2019 年 7 月獲選為國際藍牙技術聯盟（SIG）董事會成員公司，與同為成員公司的國際知名科技公司蘋果、愛立信、英特爾、微軟、摩托羅拉移動、諾基亞和東芝一起負責藍牙技術聯盟的管理和運營

113、決策；公司副總經理、核心技術人員金海鵬博士被聘請為 SIG 董事會聯盟成員董事，深度參與國際藍牙標準的制定與規范，積極推動藍牙技術的發展。終端客戶資源豐富，與大品牌深度綁定。終端客戶資源豐富，與大品牌深度綁定。公司與多家行業領先的手機及周邊、電腦及周邊、遙控器、家居照明等廠商或其代工廠商形成了穩定的合作關系，產品廣泛應用于漢朔、小米、羅技、歐之、涂鴉智能、朗德萬、瑞薩、科大訊飛、創維、夏普、松下、英偉達、哈曼等多家主流終端知名品牌。4.104.10 瑞芯微瑞芯微：行業回暖帶動業績回升，行業回暖帶動業績回升，智能座艙芯片放量在即智能座艙芯片放量在即 三季度行業邊際回暖，公司收入利潤同環比雙增。三

114、季度行業邊際回暖，公司收入利潤同環比雙增。2023 年以來全球電子行業需求萎靡，整體呈現負增長態勢，2023Q1-Q3 公司實現收入 14.55 億元，同比-7.37%；實現歸母凈利潤 0.77 億元，同比-71.99%；實現毛利率 34.81%，同比-3.66pcts；凈利率為 5.32%，同比-12.26pcts。三季度以來行業邊際回暖，公司長期布局的AIoT 業務迎來高增長；同時，汽車電子智能座艙進入量產階段，導致三季度業績有所改善，Q3 單季度實現營收 6.02 億元，同比增加 83.26%，環比增加 15.0%；毛利率為 36.08%，同比-0.96pct，環比+1.86pcts；公

115、司凈利率為 8.73%，同比+7.60pcts，環比+0.47pcts。瑞芯微瑞芯微是是領先的物聯網（領先的物聯網（IoTIoT）及人工智能物聯網（）及人工智能物聯網（AIoTAIoT）處理器芯片企業）處理器芯片企業。公司主要產品為智能應用處理器芯片，按功能側重方向可以分為通用處理器、機器視覺處理器、車載處理器、工業控制處理器等。公司以不同算力層次的智能應用處理器芯片和不同性能層次的傳統通用芯片，充分契合不同終端產品的市場定位，提供更具針對性和性價比的芯片產品和解決方案，廣泛應用于日益增長的 AIoT市場。此外，公司產品還包括數?；旌闲酒?、接口轉換芯片、無線連接芯片及與自研芯片相關的模組產品等

116、。公司圍繞 RK3588 軟硬件方案持續進行優化，此外還成功推出了 AIoT 通用算力平臺 RK3562、流媒體處理器 RK3528、機器視覺處理器 RV1106/RV1103 等三個新一代 SoC：1）RK3588：公司最新一代高制程、高性能、通用性的旗艦 SoC 芯片，是公司技術的集大成者，也是目前國內市場同類產品的最高水平之一，目標應用場景涵蓋智能座艙、大屏設備、邊緣計算、多目攝像頭、NVR（網絡視頻錄像機）、高性能平板、ARM PC 及 AR/VR 等領域，目前已經在智能座艙領域成功實現量產，從產品發布到上車量產僅用了一年半時間；2）RK3562：搭載了最新一代 NPU，神經網絡計算效

117、率大幅提升，尤其是對Transformer的支持，主要應用于平板電腦、智能家居、教育電子、工業應用等領域，契合客戶對中等神經網絡算力、高性價比 AIoT 芯片的需求；3）RK3528：針對智能 IPTV/OTT 和中高端多媒體應用研發的新一代流媒體處理器，重點優化了視頻編解碼器、圖像顯示、圖像后處理等關鍵技術；4）RV1106/RV1103：針對輕量級智能需求推出的機器視覺處理器，適用于 IPC、智能家居、汽車電子、會議設備等領域的應用。電子 行業專題報告 41 敬 請 關 注 文 后 特 別 聲 明 與 免 責 條 款 s 5 5 風險提示風險提示 1 1）研發進展不及預期。）研發進展不及預

118、期。邊緣 AI 的發展對終端 AI SoC 的性能提出了更高要求，相關廠商也在加大新品的研發力度，但如果研發進展不及預期，可能會影響企業的產業布局和業績增長。2 2）產業進度不及預期。）產業進度不及預期。當前生成式 AI 快速發展，國內大廠紛紛推出各自的大模型，但就現階段而言，每家大模型的應用效果大同小異，都是基于已有的開源模型進行訓練，后續如果無法得到更深層次的迭代優化，將會影響下游的產業應用進度，進一步抑制 AI SoC 的需求增長。3 3）中美貿易摩擦加?。褐忻蕾Q易摩擦加?。喝糁忻狸P系趨于緊張，相關制裁風險將不利于行業內公司的發展。電子 行業專題報告 42 敬 請 關 注 文 后 特 別

119、 聲 明 與 免 責 條 款s分析師聲明分析師聲明 作者具有中國證券業協會授予的證券投資咨詢執業資格，保證報告所采用的數據和信息均來自公開合規渠道，分析邏輯基于作者的職業理解，本報告清晰準確地反映了作者的研究觀點，力求獨立、客觀和公正，結論不受任何第三方的授意或影響。研究報告對所涉及的證券或發行人的評價是分析師本人通過財務分析預測、數量化方法、或行業比較分析所得出的結論，但使用以上信息和分析方法存在局限性。特此聲明。免責聲明免責聲明 本研究報告由方正證券制作及在中國（香港和澳門特別行政區、臺灣省除外）發布。根據證券期貨投資者適當性管理辦法，本報告內容僅供我公司適當性評級為 C3 及以上等級的投

120、資者使用，本公司不會因接收人收到本報告而視其為本公司的當然客戶。若您并非前述等級的投資者，為保證服務質量、控制風險，請勿訂閱本報告中的信息，本資料難以設置訪問權限，若給您造成不便，敬請諒解。在任何情況下，本報告的內容不構成對任何人的投資建議，也沒有考慮到個別客戶特殊的投資目標、財務狀況或需求，方正證券不對任何人因使用本報告所載任何內容所引致的任何損失負任何責任，投資者需自行承擔風險。本報告版權僅為方正證券所有，本公司對本報告保留一切法律權利。未經本公司事先書面授權，任何機構或個人不得以任何形式復制、轉發或公開傳播本報告的全部或部分內容，不得將報告內容作為訴訟、仲裁、傳媒所引用之證明或依據，不得

121、用于營利或用于未經允許的其它用途。如需引用、刊發或轉載本報告，需注明出處且不得進行任何有悖原意的引用、刪節和修改。評級說明：評級說明：類別類別 評級評級 說明說明 公司評級 強烈推薦 分析師預測未來12個月內相對同期基準指數有20%以上的漲幅。推薦 分析師預測未來12個月內相對同期基準指數有10%以上的漲幅。中性 分析師預測未來12個月內相對同期基準指數在-10%和10%之間波動。減持 分析師預測未來12個月內相對同期基準指數有10%以上的跌幅。行業評級 推薦 分析師預測未來12個月內行業表現強于同期基準指數。中性 分析師預測未來12個月內行業表現與同期基準指數持平。減持 分析師預測未來12個月內行業表現弱于同期基準指數?；鶞手笖嫡f明 A股市場以滬深300 指數為基準；香港市場以恒生指數為基準，美股市場以標普500指數為基準。方正證券研究所聯系方式：方正證券研究所聯系方式：北京：西城區展覽館路 48 號新聯寫字樓 6 層 上海：靜安區延平路71號延平大廈2樓 深圳：福田區竹子林紫竹七道光大銀行大廈31層 廣州：天河區興盛路12號樓雋峰苑2期3層方正證券 長沙：天心區湘江中路二段36號華遠國際中心37層 E-mail：