2024全球數字經濟發展現狀、驅動因素及產業鏈未來增長空間分析報告（45頁）.pdf

《2024全球數字經濟發展現狀、驅動因素及產業鏈未來增長空間分析報告（45頁）.pdf》由會員分享，可在線閱讀，更多相關《2024全球數字經濟發展現狀、驅動因素及產業鏈未來增長空間分析報告（45頁）.pdf（45頁珍藏版）》請在三個皮匠報告上搜索。

1、2023 年深度行業分析研究報告 目目 錄錄 一、數字經濟一、數字經濟顛覆全球格局，創造全新機遇顛覆全球格局，創造全新機遇 .4 4（一）數字經濟推動產業升級，為經濟發展創造新增量.4（二）政策支持數字經濟發展，戰略把握產業變革新機遇.5（三）數字經濟創造的經濟價值將超過以前任何一輪工業革命.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、數字經濟二、數字經濟以半導體為基石，以半導體為基石，AIAI 驅動數字經濟發展驅動數字經濟發展 .1515（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展.15（二）AI 技術發展處于爆發窗口期，AI 推動生

2、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大模型從云端到終端，終端硬件迎來智能化變革 .2828（一）多模態大模型快速滲透，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占 GDP 比重持續提升.38 圖表目錄圖表目錄 圖 1：數字經濟發展框架.4 圖 2：數字經濟產業范圍.4 圖 3：數字經濟內在發展邏輯.4 圖 4：中國數字經濟規模及增速預測.5 圖 5：中國數字經濟增速（名義）對比 GDP 增速

3、（名義）.5 圖 6：數字經濟分類占比.5 圖 7：中國數字經濟占 GDP 比重預計 2035 年可達 71.60%.5 圖 8：2022 年以來數字經濟重點政策梳理.6 圖 9：工業革命歷程.7 圖 10：公元前 1000 年-公元 2000 年人均收入（單位：千美元）.7 圖 11：中國數字經濟增速（名義）對比 GDP 增速（名義）.7 圖 12：實際 GDP 增長和消費者盈余的年度增加百分比.8 圖 13：人工智能是核心技術催化劑.8 圖 14：美國數字經濟實際增加值增速和 GDP 增速.9 圖 15：2020 年美國數字經濟名義增加值的行業分布.10 圖 16：2020 年美國數字經濟

4、各行業增加值及增速.10 圖 17：2005-2020 年美國數字經濟各行業名義增加值占比.10 圖 18：2020 年美國各行業的工作崗位數量.11 圖 19：2020 年美國數字經濟增加值和就業崗位的行業分布.11 圖 20：中國發展數字經濟四大勢勢.11 圖 21：美德日等國數字經濟規模及占 GDP 比重.11 圖 22：中國數字產業化與產業數字化規模.12 圖 23：中國、美國、歐洲、印度的 GDP、投資、人口占全球比重.12 圖 24：中國、美國、歐洲、印度的互聯網滲透率.12 圖 25：“東數西算”全國布局圖.13 圖 26：中國可再生能源和數字經濟占比.13 圖 27：人工智能在

5、傳統經濟、新興經濟、數字經濟的推動作用.14 圖 28：數字經濟將突破傳統資源稟賦限制.14 圖 29：全球人工智能產業浪潮.15 圖 30：摩爾定律在 1970 年至今仍適用.16 圖 31：每千美元買到的算力隨年份變化.16 圖 32：2022 年全球算力規模和 GDP 的關系.16 圖 33：全球和中國半導體市場單月銷售額及其同比增速.17 圖 34：傳統電子信息產業鏈向智能信息產業鏈升級.17 圖 35：全球半導體重要時間出現節點.18 圖 36：全球半導體需求結構與增長趨勢（單位：十億美金）.18 圖 37：存儲廠商資本開支增速與市場規模增速對比.19 圖 38：三星資本開支變化.1

6、9 圖 39：海力士資本支出變化.19 圖 40：美光資本支出變化.19 圖 41：Google 和 OpenAI 在 AI 的成長路徑.19 圖 42：AI 的發展歷程.19 圖 43：目前正處于人工智能的開端.20 圖 44：目前 AI 的產業周期情況.20 圖 45：算法模型發展和未來規劃.21 圖 46：從集中式 AI 發展到分布式 AI.21 圖 47：AI 融合發展所需的關鍵領域.21 圖 48：在實際應用中多模態的表現形式.22 圖 49：算力、算法、數據成為 AIGC 產業的基石.23 圖 50：超大規模模型參數和數據規模變化.23 圖 51：1956-2015 年算力實現萬億

7、倍增長.24 圖 52：AlexNet 到 AlphaGo Zero 計算量增加 300000 倍.24 圖 53：2002-2023 年半導體產業內各行業占比.25 圖 54：2002-2023 年半導體產業內各行業同比增速.25 圖 55：存儲芯片市場銷售額和重要節點.26 圖 56：2010-2023 年存儲供需關系錯配.26 圖 57：AI 服務器年復合增長率 25%.27 圖 58：AI 服務器極大地推動 DRAM 市場增長.27 圖 59：大模型發展路徑.29 圖 60：Gemini 1.0 有三種尺寸 Ultra、Pro 以及 Nano.29 圖 61：Gemini 的輸入有多種

8、形式.29 圖 62：不同的模型對六種不同能力的需求.30 圖 63：將視頻壓縮轉換為視覺塊.30 圖 64：輸入噪聲塊訓練原始視頻.31 圖 65：大模型演化路徑.31 圖 66：AI 大模型滲透趨勢.32 圖 67：MediaPipe LLM Inference API 支持的幾種模型.32 圖 68：不同模型在 GPU 上的運行表現.33 圖 69：不同模型在 GPU 上的運行表現.33 圖 70：終端設備開始部署大模型.33 圖 71：高通發布多款終端運行大模型.34 圖 72：中國邊緣計算市場規模.35 圖 73：中國筆記本電腦市場出貨量及增長率.35 圖 74：中國筆記本電腦市場高

9、性能筆記本占比.35 圖 75：中國筆記本電腦市場出貨量級增速預測.36 圖 76：2015-2021 年智能手機、平板電腦、可穿戴設備全球出貨量（單位：億部）.36 圖 77：智能手機的 AI 化.37 圖 78：全球 AI 手機出貨量.37 圖 79：國內手機廠商在大語言模型的進展.38 圖 80：半導體產業鏈.38 圖 81：全球十大半導體公司變化.39 表格目錄表格目錄 表 1：單模態和多模態的區別和未來研究方向.22 表 2：全球 AI 服務器市場規模測算.25 表 3：中國 AI 服務器市場規模測算.25 表 4：DRAM 的供給測算.26 表 5：NAND 的供給測算.27 表

10、6：AI 服務器訓練需要大量 HBM.27 表 7：23 年下半年至今：手機廠商布局大模型的情況.33 表 8：2023 年全球產業鏈市場份額情況.39 表 9：國內半導體細分市場規模預測.40 表 10：國內被動元件、PCB、面板、LED 等細分市場規模預測.41 表 11：國內消費電子細分市場規模預測.42 表 12：電子行業整體市場空間測算（億元）.43 一、一、數字經濟數字經濟顛覆全球格局，創造全新機遇顛覆全球格局，創造全新機遇 （一）數字經濟推動產業升級，為經濟發展創造新增量 何為數字經濟？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，以數字技術為核心驅動力量，以現代

11、信息網絡為重要載體，通過數字技術與實體經濟深度融合，不斷提高經濟社會的數字化、網絡化、智能化水平，加速重構經濟發展與治理模式的新型經濟形態。當前時點，新一代信息技術作為下一輪產業革命的核心起點，肩負推動全球工業化經濟向數字化經濟轉向，從以規模效應為根本的全球化經濟形勢，向以數據為基礎的數字經濟這類新經濟模式轉型，全球經濟格局正在重塑。數字經濟主要由數字產業化、產業數字化兩大板塊構成數字經濟主要由數字產業化、產業數字化兩大板塊構成。數字產業化是數字經濟的核心部分，主要包括電子信息制造業、信息通信業、互聯網行業、軟件服務業等，是發展數字經濟的最核心驅動力。產業數字化是指數字技術與傳統一、二、三產的

12、結合應用，是數字經濟發展的重要應用場景，是產生數據要素的關鍵所在，同時也是促進數字經濟快速發展的強大引擎。圖圖1 1：數字經濟發展框架數字經濟發展框架 資料來源：中國電信，中國銀河證券研究院 圖圖2 2：數字經濟產業范圍數字經濟產業范圍 圖圖3 3：數字經濟內在發展邏輯數字經濟內在發展邏輯 資料來源：IDC，中國銀河證券研究院 資料來源：IDC，中國銀河證券研究院 我國數字規模維持高位增長，增速連續我國數字規模維持高位增長，增速連續 1111 年高于名義年高于名義 GDPGDP 增速增速。2022 年國內生產總值同比名義增長 5.3%，數字經濟規模達到 50.66 萬億元，同比名義增長 10.

13、3%，高于 GDP 名義增速 4.98 個百分點。自 2012 年以來，我國數字經濟平均增速 15.9%，已連續 11 年顯著高于GDP 增速。我國數字經濟占我國數字經濟占 GDPGDP 比重持續提升，比重持續提升，20302030 年數字經濟占比有望追上發達國家水平，年數字經濟占比有望追上發達國家水平，20352035 年有望位列全球首位。年有望位列全球首位。2022 年，我國數字經濟占 GDP 比重為 41.86%，從 2023-2035 年的整體趨勢及預測來看，中國數字經濟占 GDP 的比重持續提升，我們預測 2030 年占比達到 59.73%，有望追上發達國家平均水平，預計 2035

14、年占比將達到 71.60%。我們認為，數字產業化與產業數字化相輔相成，數字產業化是產業數字化的基礎，產業數字化是數字產業化的驅動力，未來數字產業化占比有望進一步提升，到 2030 年數字產業化占比有望提升至 21.44%，2035 年占比有望提升至 23.04%。圖圖4 4：中國數字經濟規模及增速預測中國數字經濟規模及增速預測 圖圖5 5：中國數字經濟增速（名義）對比中國數字經濟增速（名義）對比 G GDPDP 增速（名義）增速（名義）資料來源：中國信通院、中國銀河證券研究院 資料來源：中國信通院，中國銀河證券研究院 圖圖6 6：數字經濟分類占比數字經濟分類占比 圖圖7 7：中國數字經濟占中國

15、數字經濟占 GDPGDP 比重預計比重預計 20352035 年可達年可達 71.60%71.60%資料來源：中國信通院，中國銀河證券研究院 資料來源：中國信通院，中國銀河證券研究院（二）政策支持數字經濟發展，戰略把握產業變革新機遇 政策支持數字經濟快速發展，戰略把握產業變革新機遇。政策支持數字經濟快速發展，戰略把握產業變革新機遇。自十八大以來，政策高度重視發展數字經濟，將其上升為國家戰略，2018 年 8 月，中辦、國辦印發 數字經濟發展戰略綱要；2022 年 1 月，國務院印發頂層設計文件“十四五”數字經濟發展規劃，強調數字經濟是繼農業經濟、工業經濟之后的主要經濟形態，并提出“到 2025

16、 年，數字經濟核心產業增加值占國內生產總值比重達到 10%”，大力發展數字經濟成為“十四五”期間重要任務。我們認為，電子行業是數字經濟發展的基礎支撐性行業，在國家政策的支持下，電子行業我們認為，電子行業是數字經濟發展的基礎支撐性行業，在國家政策的支持下，電子行業將迎來新的發展機遇。電子智能終端作為數字經濟落地的產品形態，未來將迎來需求的持續將迎來新的發展機遇。電子智能終端作為數字經濟落地的產品形態，未來將迎來需求的持續快速增長?？焖僭鲩L。0%5%10%15%20%25%2016201720182019202020212022GDP增速數字經濟增速 圖圖8 8：20222022 年以來數字經濟重

17、點政策梳理年以來數字經濟重點政策梳理 資料來源：新華社，中國銀河證券研究院 （三）數字經濟創造的經濟價值將超過以前任何一輪工業革命 工業革命又稱為產業革命，是指由科學革命和技術革命帶來的生產力發展引發的經濟結構飛躍式變化?？v觀人類的科學發展史，人類共經歷了四次工業革命：1 1）第一次工業革命（）第一次工業革命（1818 世紀世紀 6060 年代年代-1919 世紀世紀 4040 年代）年代）：開創了以機器代替手工勞作的時代，以蒸汽機作為動力機被廣泛使用為標志。這不僅是一次技術變革，也是一次深刻的社會變革。2 2）第二次工業革命（）第二次工業革命（1919 世紀世紀 6060 年代后期）年代后期

18、）：以大規模生產和電力的廣泛應用為特征，引入流水線和大規模工廠，生產效率進一步提高。3 3）第三次工業革命（）第三次工業革命（2020 世紀世紀 5050 年代年代-2020 世紀世紀 7070 年代）年代）：以自動化和信息技術的發展為核心，特別是電子計算機和通信技術的應用，信息處理和通信效率極大提升。4 4）第四次工業革命（當前）第四次工業革命（當前）：以智能化、網絡化和數字化為特征，融合了物理世界、數字世界和生物世界。生產方式和經濟結構進一步變革，智能制造和個性化生產成為可能，人類生活方式和社會互動模式也在發生變化。站在經濟發展的角度來看，世界人均 GDP 數據顯示，在第一次工業革命發生前

19、的漫長歷史中，世界各地基本的生產和生活水平并沒有較大變化，而在第一次工業革命至今的兩百多年時間里，世界人均 GDP 幾乎出現直線上升的趨勢。造成這人類歷史長巨大轉折點的原因無疑是機器代替和拓展了人類的體力，顛覆了傳統生產方式，而后續 GDP 持續增長的原因顯然是機器生產效率的逐步提升，百年間未有大變。第四次工業革命，或將再一次徹底改變人類勞動性質，帶來產業社會大革命浪潮。此次工 業革命以數字經濟為核心，以人工智能為引擎，在云計算的支撐下，從大數據中獲取新知識，從而打破人類智力創造因生理條件所受計算、推理容量和速度的局限，代替和拓展人類的智力。生產方式的顛覆必將帶來經濟的飛躍，以數字經濟為基礎的

20、人類智力活動產業化將創造超越以往任何一輪科技周期的經濟價值。圖圖9 9：工業革命歷程工業革命歷程 資料來源：三木科儀，中國銀河證券研究院 圖圖1010：公元前公元前 10001000 年年-公元公元 20002000 年人均收入年人均收入（單位：千美元）（單位：千美元）圖圖1111：中國數字經濟增速（名義）對比中國數字經濟增速（名義）對比 GDPGDP 增速（名義）增速（名義）資料來源：新華社，中國銀河證券研究院 資料來源：信通院，中國銀河證券研究院 從 ARK 投資公司發布的 Big Ideas 2024 報告中也可以看出每一種能實現新的生產方式，或能提升部分現有生產效率的通用技術出現，都會

21、推動經濟大幅增長，而后隨著此種通用技術在經濟中的擴散逐漸接近飽和，最佳利潤潛力被用盡，再開啟下一輪的產業革命。我們認為，每一輪產業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變革表現出與以往不同的基本特征，即行業應用從消費領域擴散至產業領域，而產業互聯網廣泛滲透進了金融、教育、醫療等服務行業，因此其擴散程度之廣也將為此次產業革命創造巨大的利潤潛力。圖圖1212：實際實際 G GDPDP 增長和消費者盈余的年度增加百分比增長和消費者盈余的年度增加百分比 資料來源：Bloomberg，中國銀河證券研究院 如果說數字經濟是通用技術向各產業滲透的擴散劑，那人工

22、智能則是使得單項技術進步合并串聯的粘合劑，比如人工智能催生了制造業和信息技術服務業的結合，推動了工業互聯網的發展，促進了新業態的形成。隨著 AI 技術的不斷進步和應用的深入，未來產業融合的趨勢將更加明顯，突破性技術將簇群涌現。因此，我們認為在數字經濟時代，以人工智能為催化劑，第四次工業革命帶來的經濟效益將會呈現指數級而非線性的發展速度。圖圖1313：人工智能是核心技術催化劑人工智能是核心技術催化劑 資料來源：Bloomberg，中國銀河證券研究院 （四）中美數字經濟的“道”與“謀”當今世界，中美形成全球數字經濟發展的兩極格局。從數字經濟規模方面，美中連續多年位居全球前二位。2022 年，美國數

23、字經濟蟬聯世界第一，規模達 17.2 萬億美元，中國位居第二，規模為 7.5 萬億美元。從占比看，德國、英國、美國數字經濟占 GDP 比重均超過 65%。韓國、日本、愛爾蘭、法國等四國數字經濟占 GDP 比重也超過 51 個國家平均水平。新加坡、中國、芬蘭、墨西哥、沙特阿拉伯等五國數字經濟占 GDP 比重介于 30%-45%之間。根據騰訊研究院的研究和 BEA 數據，數字經濟是美國繼房地產和租賃業、政府、制造業之后的第四大行業（2019 年）。2020 年，美國數字經濟現價總產值是 3.31 萬億美元，按不變價增長 3.8%；現價增加值為 2.14 萬億美元，按不變價增長 4.0%，占 GDP

24、 的 10.2%。2012-2020年，數字經濟實際增加值年均增長 6.3%，明顯快于 GDP 整體。但數字經濟根植于經濟系統，與國民經濟保持著同進同退的基本發展趨勢。幾乎所有（97.5%）增加值來自 5 個 NAICS 行業：信息（40.8%）、專業和商業服務（19.1%）、批發貿易（19.0%）、制造（10.5%）和零售貿易（8.1%）。就 8 個細分行業來看，軟件、電信服務和 B2B 電子商務是三大子行業，2020 年現價增加值占比分別為 23.1%、18.7%和 15.6%；硬件和其它收費數字服務的規模也較大，占比在10%以上。B2C 電商和云服務的規模不大，但增速快，分別高達 22.

25、4%和 15.3%；其它行業的增速均不及 10%，其中電信服務、B2B 電商和其它收費數字服務負增長，2020 年增加值分別減少 1.7%、0.8%和 0.7%圖圖1414：美國數字經濟實際增加值增速和美國數字經濟實際增加值增速和 G GDPDP 增速增速 資料來源：BEA，中國銀河證券研究院 圖圖1515：20202020 年美國數字經濟名義增加值的行業分布年美國數字經濟名義增加值的行業分布 圖圖1616：20202020 年美國數字經濟各行業增加值及增速年美國數字經濟各行業增加值及增速 資料來源：騰訊研究院，BEA，中國銀河證券研究院 資料來源：騰訊研究院，BEA，中國銀河證券研究院 就行

26、業結構來看，電信服務、硬件和軟件的趨勢性變化非常明顯，2005 年它們是前三大行業，后分別變成第二大（2018 年）、第四大（2013 年）和最大行業（2018 年），并持續至今?？傮w來看，軟件、B2C 電商、互聯網和數據服務、云服務四個行業占比呈提高趨勢；硬件和電信服務呈下降趨勢，主要是因為它們的價格隨著技術進步而不斷下降；B2B 電商和其它收費數字服務則呈現先升后降趨勢，拐點分別在 2016 年和 2013 年。圖圖1717：20052005-20202020 年美國數字經濟各行業名義增加值占比年美國數字經濟各行業名義增加值占比 資料來源：騰訊研究院，BEA，中國銀河證券研究院 根據 BE

27、A 數據，2020 年數字經濟提供了 781 萬個全職和兼職工作崗位，占總就業崗位（1.465 億）的 5.3%，是全美第 8 大就業渠道，超過了很多勞動密集型行業。幾乎所有（94.7%）數字經濟就業來自同樣的 5 個 NAICS 行業，貢獻就業崗位數量最多的行業依次是：專業和商業服務（30.8%）、批發貿易（23.6%）、信息（22.2%）、制造（10.4%）和零售貿易（7.8%）。其中，專業和商業服務業貢獻的就業主要來自計算機系統設計及相關服務（27.0%），制造業主要來自計算機和電子產品（8.7%）。userid:93117,docid:157628,date:2024-03-29, 圖

28、圖1818：20202020 年美國各行業的工作崗位數量年美國各行業的工作崗位數量 圖圖1919：20202020 年美國數字經濟增加值和就業崗位的行業分布年美國數字經濟增加值和就業崗位的行業分布 資料來源：騰訊研究院，BEA，中國銀河證券研究院 資料來源：騰訊研究院，BEA，中國銀河證券研究院 數字經濟正在憑借提升全要素生產率及提高產業附加值，成為引領經濟增長的重要“引擎”。中國作為“大國經濟”體系，在發展數字經濟，更具相對勢勢，主要體現在：一、人口基數帶來的規模勢勢，中國消費級互聯網擁有全世界最大的網民群體，培育了最多元化的消費互聯網商業模式；二、基礎設施勢勢，5G 的提前布局、新基建的推

29、進助力中國的數字經濟基礎設施建設；三、體制勢勢，數字經濟需要對社會經濟系統做全方位的變革，并且需要做中長期規劃，必要時，新基建資本開支需要“前置預埋”，體制勢勢相對明顯；四、政策勢勢，我國政府把發展數字經濟上升為國家戰略，戰略目標和實施步驟愈發清晰。圖圖2020：中國發展數字經濟四大勢勢中國發展數字經濟四大勢勢 圖圖2121：美德日等國數字經濟規模及占美德日等國數字經濟規模及占 GDPGDP 比重比重 資料來源：中國銀河證券研究院 資料來源：信通院，中國銀河證券研究院 根據信通院的數據，2021 年，中國數字產業化規模為 8.35 萬億元，同比名義增長 11.9%，占數字經濟比重為 18.3%

30、，占 GDP 比重為 7.3%。產業數字化規模達到 37.18 萬億元，同比名義增長 17.2%。占數字經濟比重的 81.7%，占 GDP 比重為 32.5%。從數字產業化內部細分行業來看，21 年電信業務收入 1.47 萬億元，同比增長 8%。電子信息制造業增加值為 14.1 萬億元，比上年增長 15.7%。軟件與信息技術服務收入 9.5 萬億元，同比增長 17.7%?；ヂ摼W和相關服務業收入 1.55 萬億元，同比增長 21.2%。從數字經濟構成來看，2021 年數字產業化經濟規模達到了 8.4 萬億元，產業數字化規模為 37.2 萬億元，是數字產業化規模的近 4.4 倍?？v觀 2016-2

31、021 年數據，產業數字化占數字經濟的比重逐年上升，且始終高于 70%。67.56%41.67%71.25%56.03%57.02%22.01%25.23%30.50%美國中國德國日本韓國印度 加拿大墨西哥0%10%20%30%40%50%60%70%80%90%100%2022年數字經濟占GDP比重 圖圖2222：中國數字產業化與產業數字化規模中國數字產業化與產業數字化規模 資料來源：信通院，中國銀河證券研究院 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大國勢勢。大國勢勢。首先，數據

32、的底層是人和人的活動，因此發展主體（國家或者區域內）的人口數量與質量對數據資源的“量”與“質”起到至關重要的影響。數量方面，目前世界人口排名前列的國家或地區依次為印度 14.17 億、中國 14.12 億、歐盟 4.48 億、美國 3.33 億。據 IDC 統計，2022 年中國產生的數據規模達 23.3ZB，在全球占比達到 23%，并有望在 2026 年成為全球產生數據最多的國家。質量方面，2022 年中國人均 GDP 為 1.27 萬美元，持平全球平均水平，但從互聯網滲透率來看，中國達到 75.6%，明顯高于世界平均水平 63%。圖圖2323：中國、美國、歐洲、印度的中國、美國、歐洲、印度

33、的 GDPGDP、投資、人口占全球比重、投資、人口占全球比重 圖圖2424：中國、美國、歐洲、印度的中國、美國、歐洲、印度的互聯網滲透率互聯網滲透率 資料來源：Wind，WorldBank，中國銀河證券研究院 資料來源：Wind，WorldBank，中國銀河證券研究院 其次，中國的算力勢勢得益于新型舉國體制下的統籌發展能力和強大生產能力勢勢。其次，中國的算力勢勢得益于新型舉國體制下的統籌發展能力和強大生產能力勢勢。算力是集信息計算力、網絡運載力、數據存儲力于一體的新型生產力。作為數字經濟的載體，超級計算機中心、大數據中心等重要基礎設施都會建設在發展主體的境內，算力與數據一樣具有區域屬性，并且算

34、力先發國家或地區的勢勢會隨算力投資比重的增加進一步強化，拉開與后發國家或地區的差距。當前中國計算力水平位居全球第二，具有較強的算力綜合供給能力。一是算力設施布局方面，我國深入實施“東數西算”工程，統籌利用政府力量及市場機制建設全國一體化算力網體系，跨地域、跨部門協同發展。二是算力關鍵技術研發方面，盡管近年美國技 術封鎖不斷升級，但中國發揮新型舉國體制勢勢，集中力量攻克核心技術“卡脖子”難題，統籌規劃重點布局，推動集成電路產業高質量發展。三是算力能源供應方面，算力具有高耗能屬性，對發展主體的能源供給能力有較高要求，同時考慮“雙碳”目標，可再生能源將成為數字經濟發展的基石。中國作為世界能源生產大國

35、，2022 年我國水電、風電、光伏發電裝機規模居世界首位，在新能源領域為算力發展提供了有力支撐。中國在算法方面相對落后，核心算法缺位、算法創新體系缺失，產業發展更多依賴開源代碼和現有模型。但超大規模市場為算法提供了豐富的應用場景勢勢，特別是制造、農業、物流、金融、商務、家居等行業已經深入挖掘人工智能技術應用場景，通過場景創新促進大模型迭代升級，形成技術供給和場景需求的互動演進。圖圖2525：“東數西算”全國布局圖“東數西算”全國布局圖 圖圖2626：中國可再生能源和數字經濟占比中國可再生能源和數字經濟占比 資料來源：中國政府網，中國銀河證券研究院 資料來源：Wind，中國銀河證券研究院（五）人

36、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重要工具，目前人工智能將數據、算力、算法等有機結合，通過連接、智能、開放等方式，去模仿代替常規性、流程化工作，助力企業數字化和智能化提效，并且人工智能從單項技術向集成技術、群體智能、數據驅動需求等場景，引領數字經濟的新發展趨勢，將對傳統經濟實現降維打擊。數字經濟正在加速變革傳統經濟模式，相比傳統經濟而言，數字經濟勢勢體現在提升信數字經濟正在加速變革傳統經濟模式，相比傳統經濟而言，數字經濟勢勢體現在提升信息傳輸速度、降低數據處理和交易成本、精確配置供需資源等方面息傳輸速度、降低數據處理和交易成

37、本、精確配置供需資源等方面。但由于數字經濟與傳統經濟有著截然不同的特征和演變形式，表現為：產業鏈條長、覆蓋面廣、涉及與傳統經濟融合程度參差不齊，生產要素與生產函數均與傳統經濟范式有很大不同。圖圖2727：人工智能在傳統經濟、新興經濟、數字經濟人工智能在傳統經濟、新興經濟、數字經濟的推動作用的推動作用 資料來源：IDC中國人工智能計算力發展評估報告，中國銀河證券研究院 圖圖2828：數字經濟將突破傳統資源稟賦限制數字經濟將突破傳統資源稟賦限制 資料來源：IDC中國人工智能計算力發展評估報告，中國銀河證券研究院 AI 目前已滲透至日常生活方方面面，在醫療保健、汽車、金融、游戲、環境監測、農業、體育

38、、能源管理、安全等各個領域的大量應用正在改變人類的生活、工作和娛樂方式。這些技術的進一步發展將迎來第四次工業革命。造成這一現象的原因包括計算機技術的進步（高性能計算、網格和云計算）、代碼共享度提高（GitHub、GitLab、BitBucket 等服務）以及大量開源軟件。AI 將為企業和國家經濟系統提供革命改變，商業領域，人工智能帶來的勢勢包括：快速揭示大數據中的模式、快速進行可視化和分析、改進產品設計等等，并進一步有望提升服務水平、增加利潤、擴大業務、提高效率和成本結構。當前正處于第四次工業革命的風口浪尖，正處于新一輪產業變革制高點。當下全球正在發生的第四次工業革命是人工智能、智慧網聯時代，

39、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。農業經濟土地數字經濟工業經濟勞動力勞動力資本資本數據公元公元0年年公元公元1000年年人均人均GDP 444國際元國際元人均人均GDP 435國際元國際元公元公元1820年年人均人均GDP 667國際元國際元公元公元2000年年人均人均GDP 5709國際元國際元農業經濟農業經濟工業經濟工業經濟蒸汽機革命（質變）蒸汽機革命（質變）電氣革命（量變）信息技術革命（量變）AI革命（質變）革命（質變）數字經濟數字經濟 圖圖2929：全球人工智能產業浪潮全球人工

40、智能產業浪潮 資料來源：中國信通院，中國銀河證券研究院 二、二、數字經濟數字經濟以半導體為基石，以半導體為基石，AIAI 驅動數字經濟發展驅動數字經濟發展 （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展 數字經濟核心技術迭代是依賴于硬件端技術進步帶來成本勢化，從信息的計算、存儲、傳數字經濟核心技術迭代是依賴于硬件端技術進步帶來成本勢化，從信息的計算、存儲、傳輸的指數級成本邊際下降，降低了整體數字經濟運行當中的計算成本、存儲成本、傳輸成本、輸的指數級成本邊際下降，降低了整體數字經濟運行當中的計算成本、存儲成本、傳輸成本、驗證成本和相對應的安全成本驗證成本和相對應的安全成本。數據作為

41、數字經濟的核心生產要素，其基礎設施的建設保證了數字經濟的規模效應、網絡效應和經濟效應，因此完善的相關軟硬件配套設施才能為數字經濟發展成功助力。作為數字經濟發展的基石，半導體行業的“摩爾定律”始終推動數字產業不斷迭代進步作為數字經濟發展的基石，半導體行業的“摩爾定律”始終推動數字產業不斷迭代進步。摩爾定律是指集成電路上可容納的晶體管數量每隔約 18 至 24 個月便翻倍，而成本會相應地減半，這項經驗式的結論式推動半導體生產率提升的原動力之一。摩爾定律是對趨勢的一個總結，同時也是對未來的展望。從摩爾定律提出至今，已經有幾十年的時間。技術進步推動算力成本指數下降，成為全球數字經濟增長的最重要動力技術

42、進步推動算力成本指數下降，成為全球數字經濟增長的最重要動力。從 1965 年摩爾定律的提出，硬件的技術水平不斷提升，以 2017 年 Intel 處理器 G3930 為例，1GFLOPS 算力成本約為 3 美分，而 2007 年為 59 美元，1997 年為 48,000 美元，算力單位成本的下降推動了個人 PC、智能手機、AIoT 物聯網等核心終端應用的成本指數級下移，是數字經濟發展的核心引擎。圖圖3030：摩爾定律在摩爾定律在 1 1970970 年至今仍適用年至今仍適用 圖圖3131：每千美元買到的算力隨年份變化每千美元買到的算力隨年份變化 資料來源：Canalys，中國銀河證券研究院

43、資料來源：BCAResearch，中國銀河證券研究院 算力基礎設施的發展長期賦能，計算能力成為數字經濟時代的新型生產力。算力基礎設施的發展長期賦能，計算能力成為數字經濟時代的新型生產力。隨著社會經濟的發展，人均算力隨之水漲船高，我們看到算力與人均 GDP 之間具有高度相關性。即便是美國等高算力國家，仍處于智能社會的起步階段。我們認為，在數字經濟時代，計算能力將成為一種新型生產力，作為推動 AI、物聯網、云計算等行業發展的關鍵動力而以處理器為代表的半導體技術則是計算能力能夠持續提升的關鍵所在，也是未來推動數字經濟發展的基石。圖圖3232：2 2022022 年全球算力規模和年全球算力規模和 G

44、GDPDP 的關系的關系 資料來源：中國信通院，中國銀河證券研究院 作為數字經濟上游的核心，半導體產業的繁榮已成為數字經濟的關鍵作為數字經濟上游的核心，半導體產業的繁榮已成為數字經濟的關鍵。依托半導體產業的發展，其帶動的數字產業的以相關要素的形態實現數字化產出，目前全球半導體市場單月銷售額已突破 5830 億美元，2015 年-2022 年，國內集成電路產量逐步增加，2022 年全年銷售額達到 1850 億美元，市場空間廣闊。目前國內市場單月銷售額達到 130 億美金，在 2023 年年初實現企穩回升。圖圖3333：全球和中國半導體市場單月銷售額及其同比增速全球和中國半導體市場單月銷售額及其同

45、比增速 資料來源：Wind，中國銀河證券研究院 多領域智能化需求升級，終端形態多樣化發展多領域智能化需求升級，終端形態多樣化發展。隨著人工智能的發展，深度學習、人機交互等新興技術逐漸商用，催生了大批新興電子產品，如智能可穿戴設備、智能車載設備、虛擬現實設備等；進一步拓展了電子信息產品的應用范圍和產業邊界，如智能機器人、智能家居、智能教育、無人駕駛汽車等?！爸悄芑睍r代，電子信息終端產品呈現多樣化發展，為電子信息產業鏈打開了新的增長空間。圖圖3434：傳統電子信息產業鏈向智能信息產業鏈升級傳統電子信息產業鏈向智能信息產業鏈升級 資料來源：中國電子學會，中國銀河證券研究院 行業數輪周期輪動，新需求

46、帶動行業快速發展行業數輪周期輪動，新需求帶動行業快速發展。2000 年到 2023 年，全球的半導體銷售額不斷增長，從最初的約 180 億美元的規模上升至 2023 年的約 400 億美元的市場規模，期間的年復合增長率平均保持在 20%左右。在 2009 年隨著智能手機的出現，改變了人們的生活方式，全球半導體行業也迎來了爆發式的增長。2014 年，4G 手機元年的到來和通訊技術的升級，云計算、可穿戴設備、VR/AR 等更多種新型人機交互方式的出現，使得行業對各類半導體需求快速增長。-40.0-30.0-20.0-10.00.010.020.030.040.00.010.020.030.040.

47、050.060.02018/012018/042018/072018/102019/012019/042019/072019/102020/012020/042020/072020/102021/012021/042021/072021/102022/012022/042022/072022/102023/012023/042023/072023/10全球半導體銷售額（單位：十億美元）中國半導體銷售額（單位：十億美元）全球半導體銷售額（%）中國半導體銷售額（%）圖圖3535：全球半導體重要時間出現節點全球半導體重要時間出現節點 資料來源：WSTS，中國銀河證券研究院 供需錯配是造成半導體行業呈

48、現周期性的核心原因。供需錯配是造成半導體行業呈現周期性的核心原因。從需求側來看，在過去的三十年里，半導體行業經歷了快速增長，并產生了巨大的經濟影從需求側來看，在過去的三十年里，半導體行業經歷了快速增長，并產生了巨大的經濟影響。響。從 1990 年到 2020 年，半導體市場以 7.5%的復合年增長率增長，超過了當時全球 GDP 增長率 5%。自 1958 年集成電路發明以來，邏輯芯片每片晶片的晶體管數量增加了約 1000 萬個，處理器速度提高了 10 萬倍，成本每年降低 45%以上。半導體的發展使得大規模的數字基建、智能手機和 AI 的普及成為現實，半導體的創新帶來了巨大的經濟增長，1995

49、年至 2015 年，全球 GDP 增加了 3 萬億美元左右，與半導體創新直接相關，間接影響增加了 11 萬億美元。市場普遍對明年國內半導體的需求展望偏悲觀，我們認為市場低估了半導體市場自身巨大的韌性和彈性。展望未來，半導體技術正在影響新一輪技術革命，包括人工智能（AI）、5G、自動駕駛、IOT 等，實現無數智能設備的互聯，全球迎來智能化時代。數字經濟的全面滲透，智能化需求的不斷增長，將是全球半導體走出低谷的核心驅動力。圖圖3636：全球半導體需求結構與增長趨勢（單位：十億美金）全球半導體需求結構與增長趨勢（單位：十億美金）資料來源：Omida，中國銀河證券研究院 從供給端來看，大廠資本開支能體

50、現出行業景氣度周期變化從供給端來看，大廠資本開支能體現出行業景氣度周期變化。從行業整體水平上看，資本開支水平增速已經從高位開始下降，從 2022 年 10 月開始晶圓產量將減少約 30%，美光、SK海力士、三星也相繼宣布減產，供給有望逐步收縮。在資本支出調整方面，根據各公司業績說明會，美光 2023 年資本支出計劃調減至 70 億美元，同比減少 40%以上；SK 海力士 2023 年資本支出計劃同比減少 50%。根據 TrendForce 數據顯示，2023 年 Q2 三星、美光、海力士的稼動率分別下降至 77%/74%/82%。為了保利潤，目前各大存儲廠稼動率依然保持在低位運行。391463

51、74127122381714241291375022458513216858209605636203902605010050220160330701406027002004006008001,0001,2001,4001,600汽車計算和存儲消費類電子工業電子有線通信無線通信2019年2020年2021年2022年2026年E2030年E 圖圖3737：存儲廠商資本開支增速與市場規模增速對比存儲廠商資本開支增速與市場規模增速對比 圖圖3838：三星資本開支變化三星資本開支變化 資料來源：WTST，Bloomberg，中國銀河證券研究院 資料來源：Bloomberg，中國銀河證券研究院 圖圖39

52、39：海力士資本支出變化海力士資本支出變化 圖圖4040：美光資本支出變化美光資本支出變化 資料來源：Bloomberg，中國銀河證券研究院 資料來源：Bloomberg，中國銀河證券研究院 （二）AI 技術發展處于爆發窗口期，AI 推動生產力快速提升 AIAI 產業發展經歷產業發展經歷 7070 年，目前處于行業爆發窗口期年，目前處于行業爆發窗口期。早在 1950 年，英國數學家、邏輯學家圖靈（Alan Turing）發表論文計算機與智能，文中提及“圖靈測試”構想，即如果一臺機器能夠與人類展開對話而不能被辨別出其機器身份，那么稱這臺機器具有智能?！皥D靈測試”證明機器具有智能的可能。隨后 AI

53、 的發展快速推動，在下棋、NLP、識圖等應用領域快速滲透，直至 2022 年末，GPT3.5 的發布，點燃了生成式 AI 的普及，僅僅 2 個月時間，Open AI 的用戶數就增長過億。圖圖4141：GoogleGoogle 和和 OpenAIOpenAI 在在 AIAI 的成長路徑的成長路徑 圖圖4242：AIAI 的發展歷程的發展歷程 資料來源：中國銀河證券研究院 資料來源：CSDN，清華大學 AMiner，中國銀河證券研究院 AIAI 推進第四次工業革命進程，推進第四次工業革命進程，AIAI 技術逐步成為生產力工具。技術逐步成為生產力工具。在前三次的工業革命過程中，提高社會生產效率的科技

54、創新才能被稱之為技術革命，從紡織機、蒸汽機、ICT 產業來看，通過機械化生產代替手工勞動，大幅降低體力勞動成本，提升了生產效率，前三次的工業革命-100%-50%0%50%100%150%200%2001200220032004200520062007200820092010201120122013201420152016201720182019202020212022E存儲市場增速CAPEX增速-100%-50%0%50%100%150%200%250%020004000600080001000012000140001Q133Q131Q143Q141Q153Q151Q163Q161Q173Q

55、171Q183Q181Q193Q191Q203Q201Q213Q211Q223Q221Q23三星資本開支（百萬美元）yoy-100%-50%0%50%100%150%200%05001000150020002500300035004000450050001Q133Q131Q143Q141Q153Q151Q163Q161Q173Q171Q183Q181Q193Q191Q203Q201Q213Q211Q223Q221Q23海力士資本開支(百萬美元)yoy（右）-100%-50%0%50%100%150%200%250%050010001500200025003000350040001Q133Q13

56、1Q143Q141Q153Q151Q163Q161Q173Q171Q183Q181Q193Q191Q203Q201Q213Q211Q223Q221Q23美光資本開支(百萬美元)yoy（右）對于整體社會生產效率提升明顯。隨著摩爾定律放緩,集成電路的性能已經接近物理極限，制程的縮小已接近極限，但數據量的高速增長提供了訓練 AI 的基礎，因此人工智能的發展已迫在眉睫，從當前視角來看，AI 的生成式降低了人類的腦力勞動，使得人類從簡單的數字工作中解放出來，大幅提升社會生產力。圖圖4343：目前正處于人工智能的開端目前正處于人工智能的開端 資料來源：勢乘資本，中國銀河證券研究院 多模態 AI 的發展已處

57、于第二波浪潮，關注新興技術的更新發展。隨著 2023 年 ChatGPT 的推出，市場普遍認為 AI 元年的核心能力已被市場充分發現，目前仍是在文字、圖片生成的基礎上持續迭代，但 AI 的發展是多層次逐步推進的，隨著后續，AI 多模態、AI Agent 到 AI 超融合技術等的拓展，未來 AI 長期生產效率的提升將引領千行百業，目前我們更應關注新興的技術趨勢。圖圖4444：目前目前 AIAI 的產業周期情況的產業周期情況 資料來源：洞察趨勢，中國銀河證券研究院 AIAI 對于信息的處理，算法為其核心能力對于信息的處理，算法為其核心能力。在算法方面，2017 年 Transformer 架構的誕

58、生，奠定了模型領域的主流算法，在 2018 年采用“預訓練+微調”的大模型有效解決了 AI 的泛化能力不足問題，預訓練在海量數據的訓練生成后具備更好的通用性和泛化性，目前細分場景的模型對于零樣本、小樣本學習能創造更好的效果，對于未來 AI 的行業拓展創造了可能。圖圖4545：算法模型發展和未來規劃算法模型發展和未來規劃 資料來源：紅杉資本，中國銀河證券研究院 AIAI 融合需求快速提升，利用算法靈活性自主發現數據融合需求快速提升，利用算法靈活性自主發現數據。目前 AI 創新速度仍在加快，從目前的高度結構化且可控的集中式架構發展為一種更具適應性和滲透性的分布式架構，這一架構可在企業、前線和嵌入平

59、臺的 AI 系統之間自主融合 AI 能力，這種轉變稱為 AI 融合。AI 融合將利用算法的靈活性來實現自主發現數據，并讓“算法移動到數據”，使其具備在前線或平臺上處理數據的能力，大大減少連接和傳輸需求。目前 AI 融合已經在聯合學習和神經網絡微電子勢化方面取得了最新進展 圖圖4646：從集中式從集中式 AIAI 發展到分布式發展到分布式 AIAI 圖圖4747：AIAI 融合發展所需的關鍵領域融合發展所需的關鍵領域 資料來源：OpenAI，中國銀河證券研究院 資料來源：OpenAI，中國銀河證券研究院 未來 AI 的發展向多模融合推進。多模融合是指將來自多個不同類型，例如文本、圖像、聲音等數據

60、合并，利用跨模態技術產生一個綜合的數據表示或輸出，代表一種全新、流暢和高效的人類交互體驗，其核心挑戰是如何有效地融合這些模式以提供連貫和有意義的輸出。表表1 1：單模態和多模態的區別和未來研究方向單模態和多模態的區別和未來研究方向 屬性屬性 單模態單模態 多模態多模態 理論問題理論問題 未來研究未來研究 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 發現并利用跨模態間的隱含關系 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 勢化單模態的決策策略 權衡并結合不同模態的決策 處理復雜性 處理流程相對簡單 需要處理和融合各種模態的數據復雜性增加 勢化單一模態的處理

61、流程 有效融合和處理多模態數據 信息冗余 無法從其他模態中獲取冗余信息 可能從不同模態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 提高單一模態的上下文理解能力 結合多模態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 增強單一模態的模型解釋能力 提高多模態模型的可解釋性和透明 數據同步 不需要考慮不同模態

62、之間的同步問題 需要確保不同模態的數據是同步的 勢化單一模態的數據處理速度 確保不同模態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數據 提高單模態的計算效率 勢化多模態的計算資源分配和管理 資料來源：CSDN，中國銀河證券研究院 多模態數據的應用痛點涉及到數據對齊、融合、檢索和生成、時序處理以及多模態交互等多模態數據的應用痛點涉及到數據對齊、融合、檢索和生成、時序處理以及多模態交互等方面方面。解決這些難點將有助于推動多模態技術的進一步發展，并實現更多實際應用的落地。從目前來看，AI 多模態在實際應用突破的方向包括多模態安全網格以及動態多模態數據映

63、射。其中，多模態安全網格是指將不同模態的數據加密分布在一個高維的“安全網格”中，當一個模態受到攻擊時，網格能夠利用自我修復能力動態地調整其他模態的安全策略以減少風險。動態多模態數據映射是指利用 VR、AR 以及動態系統等技術，將數據可視化由靜態的展示過程調整為動態的映射過程，實現系統能夠根據用戶的交互和反饋，實時地調整數據的可視化和解釋性表示。圖圖4848：在實際應用中多模態的表現形式在實際應用中多模態的表現形式 資料來源：CSDN，中國銀河證券研究院 （三）算力供需缺口加大，國產化大勢所趨 人工智能產業鏈按照上下游可以分為人工智能基礎層、人工智能技術層、人工智能應用人工智能產業鏈按照上下游可

64、以分為人工智能基礎層、人工智能技術層、人工智能應用層層。其中，上游人工智能基礎層將 AI 分為模型、算力和數據三大要素。AI 模型生產工具包括AI 算法框架、AI 開放平臺、AI 開發平臺和預訓練模型；AI 算力基礎領域包括 AI 芯片、智能服務器和云服務；AI 數據資源包括 AI 基礎數據服務和數據治理。人工智能技術層包括計算機視覺、智能語音、自然語言處理、知識圖譜、機器學習。人工智能應用層則很廣泛，涵蓋“AI+泛安防”、“AI+泛互聯網”、人機交互、自主無人系統、“AI+媒體”、“AI+金融”、“AI+醫療”、“AI+工業”、“AI+零售”、“AI+政務”等應用，涉及經濟社會運行的方方面面

65、 圖圖4949：算力、算法、數據成為算力、算法、數據成為 AIGCAIGC 產業的基石產業的基石 資料來源：億歐智庫，中國銀河證券研究院 模型高速迭代，對于模型參數量的需求逐步增大模型高速迭代，對于模型參數量的需求逐步增大。人工智能框架一直在蓬勃發展，各種框架在開發者的不斷開發和自然選擇的基礎上不斷迭代。經過激烈的競爭，最終出現了雙雄并立的 TensorFlow 和 PyTorch 的兩大陣營。隨后，遷移學習（Transfer learning）成為開發大規模人工智能模型的流行技術，使研究人員能夠利用預先訓練的模型來提高新任務的性能。在此期間，注意力機制（Attention mechanism

66、s）也出現了，允許模型有選擇地關注輸入數據的某些部分。在算法模型發展的同時，對于數據規模和質量的要求也在不斷提高。以 GPT 的發展歷程來看，用以訓練模型的數據集的廣度和深度都在不斷加強，使得模型的回答具有更高的準確性和質量，實現模型的不斷勢化 圖圖5050：超大規模模型參數和數據規模變化超大規模模型參數和數據規模變化 資料來源：IC insights，艾瑞咨詢，中國銀河證券研究院 算力：自從進入互聯網時代，人類所能獲取和利用的數據呈現爆發式地增長，各行業、各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 起，算法模型一直在不斷勢化，從決策樹到神經網絡，從機器

67、學習到深度學習，并且已在不同的領域中得到應用。算力是基于芯片的人工智能發展的硬件基礎和平臺，隨著海量數據的產生和算法模型的不斷勢化和發展，算力的發展成為了人工智能系統快速發展的核心要素。從1956-2020 年，計算機處理能力的 FLOPS 增加了一萬億倍。近幾年，大量復雜的數據的收集和處理都需要硬件能力的相應增長，以應對人工智能發展的需求?；旧?，計算能力是計算機以速度和準確性執行某種任務的能力。正如 OpenAI 的研究表明，訓練最大的人工智能模型所需的計算能力，自 2012 年以來平均以每 3.4 個月翻一倍的速度增長。而在 2012 年之前的情況并非如此，當時計算能力平均以 2 年的速

68、度翻倍。這意味著，今天使用的資源正以比以前快七倍的速度翻倍。從另一個角度而言，在線性尺度上，計算用量在 2019 年之前就增加了 30 萬倍，表明對人工智能特定硬件的需求呈指數級增長。圖圖5151：19561956-20152015 年算力實現萬億倍增長年算力實現萬億倍增長 圖圖5252：A AlexlexN Net et 到到 AlphaAlphaG Go o Z Zeroero 計算量增加計算量增加 3 30000000000 倍倍 資料來源：Brain-inspired computing needs a master plan，中國銀河證券研究院 資料來源：OpenAI，中國銀河證券研

69、究院 人工智能產業快速增長，對算力需求提升持續爆發，產業鏈環節持續受益。根據信通院數據顯示，2021 年全球計算設備算力總規模達到 615EFlops（每秒浮點運算次數），同比增長 44%，其中基礎算力規模為 369EFlops，智能算力規模為 232EFlops，超算算力規模為 14EFlops，預計 2030 年全球算力規模將達到 56ZFlps，平均年均增長 65%，中國目前計算設備總規模達到 202EFlops，全球占比約為 33%，增速高于全球。其中算力產業鏈將持續受益，隨著目前大模型對訓練和推理需求提升，其中 AI 芯片及服務器、交換機及光模塊、IDC 機房及上游產業鏈等需求均將獲

70、得快速增長。根據 Nvidia、ChatGPT 等上下游廠商測算，2023-2027 年全球大模型訓練端峰值算力需求量的年復合增長率超過 30%。根據算力換算為 A100 的總需求超過 500 萬張。隨著算力增速持續增長，云端算力和邊緣端算力需求將進一步擴大。預期 2023-2027 年，全球 AI 服務器市場規模將從 284 億美元提升至 841 億美元，期間復合增速超過 30%，其中 GPU 和高速內存占整個 AI 服務器價值量最大，GPU 和內存市場增量空間最大。對于國內市場來說，AI 數據訓練和大模型的需求增長持續增加，中國 AI 市場占全球市場比例預期將由 2022 年的 33%提升

71、至 2027年的 40%，市場規模將由 2022 年的 67 億美元提升至 2027 年的 332.7 億美元，期間 CAGR 達到 37.75%。表表2 2：全球全球 AIAI 服務器市場規模測算服務器市場規模測算 資料來源：NVIDIA，ChatGPT，IDC，中國銀河證券研究院（以（以 A100A100 等效算力測算）等效算力測算）20222022 2023E2023E 2024E2024E 2025E2025E 2026E2026E 2027E2027E GPU 及加速卡增量需求（萬張）-55.0 75.0 90.0 120.0 140.0 GPU 和加速卡售價（萬美元/張）-1.2

72、1.2 1.1 1.0 1.0 GPU 和加速卡市場空間增量（億美元）-66.0 86.3 99.0 120.0 140.0 單服務器 GPU 和 AI 加速卡數量（張數）-8.0 8.0 8.0 8.0 8.0 AI 服務器需求增量(萬臺)-8.3 10.8 12.4 15.0 17.5 AI 服務器售價預估（萬美元）-10.0 10.0 10.0 10.0 10.0 AI 服務器增量市場空間（億美元）-82.5 107.8 123.8 150.0 175.0 AI 服務器總市場空間（億美元）202 284.5 392.3 516.1 666.1 841.1 AI 服務器市場增速 40.84

73、%37.90%31.54%29.07%26.27%AI 服務器中 CPU 市場規模（億美元）46.5 65.4 90.2 118.7 153.2 193.4 AI 服務器中 GPU 市場規模（億美元）54.5 76.8 105.9 139.3 179.8 227.1 AI 服務器中內存市場規模（億美元）56.6 79.7 109.8 144.5 186.5 235.5 AI 服務器中閃存市場規模（億美元）12.1 17.1 23.5 31.0 40.0 50.5 表表3 3：中國中國 AIAI 服務器市場規模測算服務器市場規模測算 資料來源：NVIDIA，ChatGPT，IDC，中國銀河證券研

74、究院（以（以 A100A100 等效算力測算）等效算力測算）20222022 2023E2023E 2024E2024E 2025E2025E 2026E2026E 2027E2027E AI 服務器總市場空間（億美元）202.0 284.5 392.3 516.1 656.7 831.7 AI 服務器市場增速（%）-40.8%37.9%31.5%27.2%26.6%中國占全球市場比重（%）33.2 34 36 37 38 40 市場增速（%）-44.2%46.0%35.2%30.7%33.3%市場規模（億美元）67.1 96.7 141.2 190.9 249.5 332.7 （四）存力供需

75、格局改善，AI 需求推動新周期 存儲行業市場規模超千億，是半導體產業的主要細分市場存儲行業市場規模超千億，是半導體產業的主要細分市場。22/21/20 年全球存儲市場規模分別為 1392/1534/1175 億美金，占半導體規模的比例分別為 24%/28%/27%，是全球第二大細分品類。半導體產業中，存儲行業的周期波動大。存儲的周期性與全球半導體整體周期性走勢一致，但波動性遠大于其他細分品類。圖圖5353：20022002-20232023 年半導體產業內各行業占比年半導體產業內各行業占比 圖圖5454：20022002-20232023 年半導體產業內各行業同比增速年半導體產業內各行業同比增

76、速 資料來源：OpenAI，中國銀河證券研究院 資料來源：OpenAI，中國銀河證券研究院 從存儲芯片來看，從存儲芯片來看，3 3-4 4 年時間約為一個周期，當前處于第五輪周期起點年時間約為一個周期，當前處于第五輪周期起點。從 2000 年之后，存儲行業周期表現明顯，電子消費品的創新能快速提升存儲芯片的整體需求，以 2000、2009、0%20%40%60%80%100%2002 2004 2006 2008 2010 2012 2014 2016 2018 2020 2022分立、光電器件、傳感器模擬芯片微型元件邏輯芯片存儲器-50%0%50%100%分立、光電器件、傳感器集成電路模擬芯片

77、微型元件邏輯芯片存儲器 2017 年為例，是互聯網時代、移動互聯網、云計算大規模投入的三個重要窗口期。而 2004 年和 2020 年的 PC 迭代與手機的換機周期導致市場反彈較為疲軟，同時在各個周期環節中，供給端的縮量增價等行為往往滯后于需求的快速爆發，因此在價格周期底部布局能夠獲得較大彈性。圖圖5555：存儲芯片市場銷售額和重要節點存儲芯片市場銷售額和重要節點 資料來源：WSTS，中國銀河證券研究院 供需關系的錯配始終是存儲市場造成周期的主要原因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 年的發展來看，新需求不斷推動存儲領域銷售額增長，在 2000-2010 年是服務器、P

78、C 市場推動存儲市場增長，到 2010-2020 年，平板電腦云計算推動存儲市場快速增長，2023 年后 AI 大模型開始走入大眾視野，成為推動存儲市場的新動力。圖圖5656：20102010-20232023 年存儲供需關系錯配年存儲供需關系錯配 資料來源：WSTS，中國銀河證券研究院 供給端減產持續，供應缺口預期在供給端減產持續，供應缺口預期在 24Q224Q2 到來到來。目前根據測算，自 2023 年起，海外廠商的產能利用率和資本支出已顯著減少。預計 2023 年 DRAM 市場整體供給減少 3.4%；NAND Falsh 整體供應減少 7.7%，其中 23Q3-Q4 季度為原廠減產窗口

79、期。表表4 4：DRAMDRAM 的的供給測算供給測算 2020 2021 2022 2023E 2024E DRAM 行業總供給（M GB）19828 24386 24936 24088 27827 yoy 22.30%23.00%2.30%-3.40%6.70%供應商供給增速供應商供給增速 三星 22.0%24.0%-1.0%-2.7%9.0%海力士 24.0%21.0%4.0%-2.5%4.0%美光 25.0%20.0%8.0%-5.0%5.0%南亞科 35.0%1.0%-26.0%-11.0%15.0%華邦 18.0%11.0%-19.0%19.0%64.0%資料來源：IDC，WSTS

80、，CFM，中國銀河證券研究院 表表5 5：NANDNAND 的的供給測算供給測算 2020 2021 2022 2023E 2024E NAND 行業總供給（M GB）422467 580099 622526 574591 739107 yoy 32.10%37.30%7.30%-7.70%11.22%供應商供給增速供應商供給增速 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%WDC 52%31%3%-20%10%Intel 27%3%46%-2%5%資料來源：IDC，WSTS，CFM，中國銀河證券研究

81、院 大算力需求持續增長，存儲芯片需求持續升級大算力需求持續增長，存儲芯片需求持續升級。AI 時代將使 DRAM 成為引擎，CXL 技術池化降低數據中心成本，刺激 DRAM 用量增加。節省的成本預計將用于 DRAM 采購，TB 級DRAM 將廣泛用于通用服務器。CXL 技術有望提升服務器效率，AI 時代 DRAM 類似 GPU 獲益。在 AI 服務器中，DRAM 配置需求龐大，一臺 AI 服務器的 DRAM 用量可達 2.5TB，遠超一般服務器的 145GB。圖圖5757：AIAI 服務器年復合增長率服務器年復合增長率 25%25%圖圖5858：AIAI 服務器極大地推動服務器極大地推動 DRA

82、MDRAM 市場增長市場增長 資料來源：Precedence Research，中國銀河證券研究院 資料來源：Precedence Research，中國銀河證券研究院 HBMHBM 需求預計未來需求預計未來 4 4 年復合增長將近年復合增長將近 35%35%。高端 AI 服務器 GPU 普遍采用 HBM，預計2023 全球 HBM 需求將增長近 60%，達 2540 萬片，我們預計到 2027 年，HBM 需求將達到 6009萬片，未來 4 年復合增速達到 35%。在技術迭代方面，美光推出最新 HBM3 Gen 2 內存樣品，速度達 1.2 TB/s，8 高堆棧 24GB 容量，采用 1制造

83、工藝。與 HBM2E 相比，HBM3 每瓦性能提高 2.5 倍。表表6 6：AIAI 服務器訓練需要大量服務器訓練需要大量 HBMHBM 單位單位 2023E2023E 2024E2024E 2025E2025E 2026E2026E 2027E2027E 訓練服務器對訓練服務器對 HBMHBM 需求測算需求測算 訓練訓練 AIAI 服務器出貨量服務器出貨量 萬臺 6 12 25 37 45 每臺服務器的每臺服務器的 GPUGPU 數量數量 枚 8 8 8 8 8 每個每個 GPUGPU 平均使用的平均使用的 HBMHBM 數目數目 枚 6 6 7 7 7 訓練服務器所需訓練服務器所需 HBM

84、HBM 需求需求 萬片 277 627 1402 2123 2546 推理服務器對推理服務器對 HBMHBM 需求測算需求測算 推理推理 AIAI 服務器出貨量服務器出貨量 萬臺 14.3 27.9 50.2 81.6 102.8 每臺服務器的每臺服務器的 GPUGPU 數量數量 枚 4 4 4 4 4 0%5%10%15%20%25%30%35%40%05010015020025020222023E2024E2025E2026E全球AI服務器出貨量（萬臺）全球AI服務器出貨量同比增速 每個每個 GPUGPU 使用的使用的 HBMHBM 數目數目 枚 5 5 5 5 5 推理服務器所需推理服務

85、器所需 HBMHBM 需求需求 萬片 286 558 1005 1632 2057 HBMHBM 需求測算需求測算 推理推理 AIAI 服務器服務器 萬片 286 558 1,005 1,632 2,057 訓練訓練 AIAI 服務器服務器 萬片 277 627 1,402 2,123 2,546 交換機用交換機用 HBMHBM 萬片 141 155 170 187 206 其他需求其他需求 萬片 1,200 1,200 1,200 1,200 1,200 HBMHBM 需求合計需求合計 萬片 1,904 2,540 3,777 5,143 6,009 資料來源：TrendForce，中國銀河

86、證券研究院 三、三、數字經濟數字經濟大模型從云端到終端，終端硬件迎來智能化變革大模型從云端到終端，終端硬件迎來智能化變革 （一）多模態大模型快速滲透，AI 從云端走向邊緣端 多模態大模型快速滲透多模態大模型快速滲透。大模型從最早以 CNN 為代表的傳統神經網絡模型，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，最新發布的超大規模多模態預訓練大模型GPT-4，具備了多模態理解與多類型內容生成能力。多模態大模型是一種將文本、圖像、視頻、音頻等多模擬態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

87、，多模態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。從參數規模上看，大模型經歷了預訓練模型、大規模預訓練模型、超大規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 的發布，GPT 成為大模型的主流路線，而多模態大模型則成為趨勢。以谷歌的 Gemini 1.5pro 為例，作為一個高效的多模態混合專家

88、(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。Gemini 1.5 Pro 是基于 Transformer 的稀疏混合專家（MoE）模型，它不僅基于 Gemini 1.0 的研究成果和多模態處理能力，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。圖圖5959：大模型發展路徑大模型發展路徑 資料來源：Google，中國銀河證券研究院 圖圖6060：Gemini 1.0 Gemini 1.0 有三種尺寸有三種尺寸 Ultra Ultra、Pro Pro 以及以及 NanoNano 圖圖616

89、1：Gemini Gemini 的輸入有多種形式的輸入有多種形式 資料來源：Google，中國銀河證券研究院 資料來源：Google，中國銀河證券研究院 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”任務；用多種語言進行翻譯、摘要和推理的“多語言”任務。圖圖6262：不同的模型對六種不同能力不同的模型對六種不同能力的需求的需求 資料來源：Google，中國銀河證券研究院 通過診斷性和現實性的多模態長上下文基

90、準測試進行的廣泛評估表明，1.5Pro 能夠在多模態的“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 1.5 Pro 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 1.0 Ultra 相比，1.5 Pro 在某些能力上甚至超越了 1.0 Ultra。24 年 2 月 25 日，OpenAI 發布視頻生成模型 Sora，從 Sora 的技術報告來看，通過訓練文本條件擴散模型（text-conditional diffusion models），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

91、用了一個在視頻和圖像潛在代碼的空間時間塊（spacetime patches）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（visual patches）。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。圖圖6363：將視頻壓縮轉換為視覺塊將視頻壓縮轉換為視覺塊 資料來源：OpenAI，中國銀河證券研究院 Sora 是一個擴散模型（diffusion model），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

92、凈”塊。重要的是，Sora 還是一個擴散變換器（diffusion transformer）。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可達 2048x2048 分辨率。當視頻模型在大規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、動物和環境的某些方面。Sora 目前作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變化。圖圖

93、6464：輸入噪聲塊訓練原始視頻輸入噪聲塊訓練原始視頻 資料來源：OpenAI，中國銀河證券研究院 多模態大模型將能夠打通各種模態能力，實現任意模態之間轉化。從 GPT-4 發布開始，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大模型兩種。通用大模型更加適用于多場景業務，行業大模型則是利用行業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快速滲透。圖圖6565：大模型演化路徑大模型演化路徑 資料來源：互聯網天地雜志，中國電信研究院，中國銀河證

94、券研究院 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、發揮創意提供方案等，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

95、%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。圖圖6666：A AI I 大模型滲透趨勢大模型滲透趨勢 資料來源：互聯網天地雜志，中國電信研究院，中國銀河證券研究院 24 年 3 月 8 日，谷歌正式發布了 MediaPipe LLM Inference API，該 API 可以讓開發人員更便捷地在手機、PC 等設備上運行 AI 大模型，而 AI 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、Phi 2、Falcon 和Stable LM，這些模型可以在網頁

96、、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 2019 年，谷歌的 MediaPipe 就已經出現，并開始擴展 TensorFlow Lite 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將進一步擴張。圖圖6767：MediaPipe LLM Inference APIMediaPipe LLM Inference API 支持的幾種模型支持的幾種模型 資料來源：智東西，中國銀河證券研究院 圖圖6868：不同模型在不同模型在 GPUGPU 上的運行表現上的運行表現 圖圖6

97、969：不同模型在不同模型在 GPUGPU 上的運行表現上的運行表現 資料來源：智東西，中國銀河證券研究院 資料來源：智東西，中國銀河證券研究院 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。圖圖7070：終端設備開始部署大模型終端設備開始部署大模型 資料來源：芯東西，中國銀河證券研究院 自 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。2023 年 8

98、月，華為官宣 HarmonyOS 4 系統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 發布自研的 AI“藍心大模型”，而后 OPPO 宣布在 ColorOS 14 中內置了“安第斯大模型”。2024 年 1 月，榮耀也發布自研的 70 億參數端側 AI 大模型“魔法大模型”。表表7 7：2 23 3 年下半年至今：手機廠商布局大模型的情況年下半年至今：手機廠商布局大模型的情況 2023 年 8 月 華為宣布 Harmony OS4 系統全面接入盤古大模型，成為全球首個嵌入 AI 大模型的移動端操作系統，支持 Mate 6

99、0 系列 2023 年 10 月 小米宣布自研的 AI 大模型“MiLM-68”已經接入小米澎湃 OS 2023 年 11 月 Vivo 在開發者大會發布了自研的 AI“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”2023 年 11 月 OPPO 宣布在 Color OS14 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模的多種模型 2024 年 1 月 榮耀在 MagicOS 8.0 發布會及開發者大會上發布自研的 70 億參數端側 AI 大模型“魔法大模型”資料來源：摩

100、登消費，中國銀河證券研究院 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 Stable Diffusion，用戶可基于個人或藝術偏好創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

101、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 Windows PC 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語言模型(LMM)，可接受文本和音頻輸入（如音樂、交通環境音頻等），并基于音頻內容生成多輪對話。圖圖7171：高通發布多款終端運行大模型高通發布多款終端運行大模型 資料來源：高通，中國銀河證券研究院（二）終端 AI 化，智能硬件迎來變革 當前正處于第四次工業革命的風口浪尖，正處于新一輪產業變革制高點當前正處于第四次工業革命的風口浪尖，正處于新一輪產業變革制高點

102、。當下全球正在發生的第四次工業革命是人工智能、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正在飛速發展，根據沙利文預測，中國邊緣計算的市場規模預計在 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

103、的模式，硬件產品正在向智能化、個性化的方向發展，而 PC、手機、智能家居是最先開始 AI+進程的，而未來將在醫療診斷、智慧交通、金融風控、智能制造領域發揮更大的影響。圖圖7272：中國邊緣計算市場規模中國邊緣計算市場規模 資料來源：沙利文，中國銀河證券研究院 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場，AI 技術的發展為 PC 帶來了新的活力，AI 應用在 PC 端快速落地，PC 成為了 AI應用的第一場景，22 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上升，2022 年高性能筆記本占比達到 28

104、.9%。圖圖7373：中國筆記本電腦市場出貨量及增長率中國筆記本電腦市場出貨量及增長率 圖圖7474：中國筆記本電腦市場高性能筆記本占比中國筆記本電腦市場高性能筆記本占比 資料來源：IDC、中國銀河證券研究院 資料來源：IDC、中國銀河證券研究院 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

105、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%。0500100015002000250030002018年2019年2020年2021年2022年2023年2024年2025年2026年2027年中國邊緣計算市場規模（億元人民幣）圖圖7575：中國筆記本電腦市場出貨量級增速預測中國筆記本電腦市場出貨量級增速預測 資料來源：IDC，中國銀河證券研究院 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

106、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。圖圖7676：20201515-20212021 年智能手機、平板電腦、可穿戴設備全球出貨量（單位：億部）年智能手機、平板電腦、可穿戴設備全

107、球出貨量（單位：億部）資料來源：Canalys，中國銀河證券研究院 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。8.69.910.611.311.717.618.820.221.222.3-11.80%9.60%7.30%5.3

108、0%4.70%-15%-10%-5%0%5%10%15%05101520252023年2024年2025年2026年2027年商用市場（百萬臺）民用市場（百萬臺）YOY增長率051015202015201620172018201920202021智能手機出貨量平板電腦可穿戴設備 圖圖7777：智能手機的智能手機的 A AI I 化化 資料來源：Canalys，中國銀河證券研究院 根據 Counterpoint 的數據，預計 2027 年，AI 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整合上將以手機為核心，戰略性將 AI 逐步推廣到 PC、可穿戴、電視甚

109、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。圖圖7878：全球全球 A AI I 手機出貨量手機出貨量 資料來源：Counterpoint，中國銀河證券研究院 2024 年以來，國產手機廠商發布的新手機中，部署在手機“端側”的 AI 大模型成為重中之重。OPPO 推出安第斯大模型，參數量從 70 億到 1000 億，可以部署在端側和云端；vivo 藍心大模型的參數從 10 億到 1750 億，可以部署在端側和云端；小米MiLM 大模型參數從 13 億到 60

110、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 大模型要么布局在“云側”，要么布局在“端側”，也就是在手機、PC、XR 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。01234562023年2024年2025年2026年2027年全球AI手機出貨量（億部）圖圖7979：國內手機廠商在大語言模型的進展國內手機廠商在大語言模型的進展 資料來源：Canalys，中國銀河證券研究院（三）數字經濟推動電子信息制造業占 GDP 比

111、重持續提升 從目前半導體行業整體產業鏈情況來看，整個產業鏈包括 EDA 軟件、半導體設備零部、相關核心材料、IC 設計、晶圓代工、封測等多項環節。圖圖8080：半導體產業鏈半導體產業鏈 資料來源：盛美上海招股說明書，中國銀河證券研究院 全球半導體市場產業變遷，國內設計公司逐步崛起全球半導體市場產業變遷，國內設計公司逐步崛起。從半導體行業的發展來看，美國早期引領，日韓企業在 1980-2000 年持續發展，早期半導體市場的發展主要來自于內存等產品上的產業鏈轉移，逐步從“美國-日本-韓國與中國臺灣-中國大陸”的過程。但目前國內半導體市場競爭力相對80 年代日本仍存差距，彼時日本電子行業龍頭公司包括

112、索尼、東芝、松下等，1984 年全球前十大半導體企業中有五家都來自日本，其中 NEC（第一）、日立（第四）、東芝（第五）、富士（第六）、三菱機電（第十）。但由于自身商業模式多采用 IDM，在產業格局發生變化時難以大規模掉頭；對 DRAM 等重資產開支采取保守戰略，最終產業鏈轉移至韓國與中國臺灣。日本半導體公司逐漸在與臺積電和美國設計公司主導的“Fabless+Foundry”模式的競爭中落于下風，2023 球前十大 半導體公司中，已不見日本廠商身影。圖圖8181：全球十大半導體公司變化全球十大半導體公司變化 資料來源：ICinsight，中國銀河證券研究院 國產替代、制造提升與應用拓展，三大方

113、向將成為中國半導體領域帶來主要投資機遇國產替代、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展來看，整體獲得了比較強的發展，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步提升，在產業鏈附加值量上穩步提升。表表8 8：2 2023023 年全球產業鏈市場份額情況年全球產業鏈市場份額情況 環節 附加值 市場份額 美國 韓國 日本 中國臺灣 歐洲 中國大陸 其他

114、原材料 晶圓材料 2.5%0.0%10.0%56.0%16.0%14.0%4.0%0.0%生產設備 芯片制造設備 14.9%44.0%2.0%29.0%1%23.0%1.0%1.0%芯片封裝設備 2.4%23.0%9.0%44.0%3.0%6.0%9.0%7.0%EDA 1.5%96.0%1%3.0%0.0%0.0%1%0.0%IP 核 0.9%52.0%0.0%0.0%1.0%43.0%2.0%2.0%芯片設計 29.8%47.0%19.0%10.0%6.0%10.0%5.0%3.0%芯片制造 38.4%33.0%22.0%10.0%19.0%8.0%7.0%1.0%芯片封裝 9.6%28.

115、0%13.0%7.0%29.0%5.0%14.0%4.0%總增加值 39.0%16.0%14.0%12.0%11.0%6.0%2.0%資料來源：WSTS，Gartner，中國銀河證券研究院 從芯片的各類產品來看，主要分類如下：從芯片的各類產品來看，主要分類如下：存儲芯片，根據 WSTS 數據，2022 年國內存儲器市場規模達到 5812 億元，是市值最大的半導體品類，目前市場主要為韓國廠商，三星、SK 海力士和 Micron 等公司市占率接近 40%，2023 年來看國產存儲器的份額占比接近 4%，整體市場規模仍為穩健，但是隨著國內在多層 NAND 和DDR5DRAM 領域有所突破，未來隨著國

116、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。模擬芯片，根據 WSTS 數據，2022 年國內模擬芯片市場規模約為 2956 億元，是半導體細分領域占比第二大的市場，但海外廠商 TI、ADI 等份額占比高達 60%以上，國內廠商的收入規模仍保持穩步提升階段，國內部分頭部模擬芯片廠商近年來收入增速遠高于全球模擬行業平均增速。國內模 擬芯片廠商在消費級電源管理芯片性能上已能夠媲美國際廠商，但在高頻高速轉換、高精度數模轉換器、車規級模擬等產品上仍與海外廠商有所差距，但隨著國內模擬公司在融資渠道打通，后續發展有望迎來快速發展。處理器芯片（CPU/GPU），根據 Gartner 數據，2

117、022 年國內處理器 AP 市場規模達到 3202 億元，主要應用廠商在 AI、智能手機、平板電腦等消費級 SoC 領域，隨著后續英偉達AMD 等廠商在 AI領域快速布局發展，高通、三星、蘋果等頭部廠商在產品迭代上的快速發展，國內部分 CPU/GPU廠商在信創、消費領域快速發展，未來國內處理器 AP 市場將迎來快速發展機遇。分立器件，根據 IBS 數據，2022 年中國功率器件市場規模達到 126 億美元，yoy+12%；預計2030 年達到 1320 億美元，主要得益于全球市場中新能源電動車、光伏綠電等領域的快速發展，全球半導體分立器件需求將快速提升。傳感器，傳感器主要包括 MEMS 聲學、

118、MEMS 溫度/壓力傳感器、指紋識別傳感器等，目前國內廠商在聲學和指紋傳感器領域保持領先地位，但是在 MEMS 溫度/壓力傳感器市場中，仍以海外廠商保持領先，根據 Gartner 數據顯示，國內 2022 年傳感器領域市場規模為 61 億元，主要集中于消費電子領域，未來隨著汽車產業、機器人產業鏈逐漸成熟，國內 MEMS 壓力/溫度傳感器將迎來高速爆發。半導體設備，是晶圓制造的最核心環節，細分產品來看，光刻機、刻蝕機、薄膜沉積設備為半導體設備主要核心設備，據我們預測，2025 年中國半導體設備銷售額將達到 2987 億元，2030 年將突破 4787 億元。半導體材料，是支撐半導體的重要領域，貫

119、穿于集成電路芯片制造過程中的每一個環節。半導體材料按應用環節劃分可分為前端晶圓制造材料和后端封裝材料，材料主要包括硅片、電子特種氣體、光刻膠及配套試劑、濕電子化學品、拋光材料、靶材、光掩膜版等；封裝材料主要包括引線框架、封裝基板、陶瓷材料、鍵合金絲、塑封材料等。我們預期 2025 年半導體材料國內市場規模將達到 1387 億元。中國大陸晶圓代工行業起步較晚，但發展速度較快。根據集微咨詢統計，2017 年至 2022 年，中國大陸晶圓代工市場規模復合增長率高達 21.4%，實現了高速穩定增長。其中 2022 年中國大陸晶圓代工市場規模為 1035.8 億元，較 2021 年上漲 47.5%，我們

120、預期 2025 年，中國大陸晶圓代工市場將達到 1662 億元市場規模。國內半導體封測行業市場規模與全球規模保持基本同步。國內封測領域較為成熟，擁有多家全球知名封測工廠，根據中國半導體行業協會數據，2015-2022 年中國半導體封測市場規模從 1384 億元增長到 2948 億元，我們預期 2025 年國內半導體封測市場將達到 3062 億元。表表9 9：國內半導體細分市場規模預測國內半導體細分市場規模預測 (單位：億元)2020 2021 2022 2023E 2024E 2025E 2030E 2035E 存儲芯片 5146 5521 5812 6500 7599 8572 14401

121、20881 yoy 7.3%5.3%12.8%16.9%12.8%8.5%4.5%模擬芯片 2504 2731 2956 3027 3500 3859 6097 9511 yoy 9.1%8.2%12.8%15.6%10.2%9.6%7%處理器芯片（CPU/GPU）2149 2803 3202 3148 3681 4152 6976 13812 yoy 30.4%14.2%12.8%16.9%12.8%8.5%5.5%分立器件 432 551 617 657 768 866 1559 2089 yoy 27.6%12.0%12.8%16.9%12.8%13.2%7%傳感器 43 53 61 5

122、7 67 78 167 378 yoy 23.8%15.4%12.8%16.9%17.3%12.5%8%半導體設備市場 1290 2039 1978 2232 2609 2987 4787 6345 yoy 58.0%-3.0%12.8%16.9%14.5%5.3%4%半導體材料市場 672 817 914 1025 1203 1387 2520 4385 yoy 22.3%11.5%12.2%17.3%15.3%12.3%9%半導體晶圓代工 417 544 1036 1269 1476 1662 2402 3483 yoy 23.4%47.5%22.6%16.2%12.6%14.6%10%半

123、導體封裝領域 2478 2725 2948 2772 2897 3062 3968 5317 yoy 9.6%7.9%-6.9%4.5%5.7%6.3%4%中國半導體市場總空間 15131 17783 19524 20687 23798 26660 42515 66201 國內生產總值（萬億元）101.36 114.92 120.47 126.06 132.68 139.44 175.94 215.91 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，中國銀河證券研究院預測 被動元件，被動元件只需輸入信號

124、，不需要外加電源就能正常工作，主動元件除了輸入信號外，還必須要有外部策動源才能正常工作，隨著萬物互聯、智能化、數字化時代來臨，被動元件市場規模持續擴大。根據 ECIA 的數據，2022 年全球被動元件市場規模達約 346 億美元，預計 2023 年市場規模將增至 363 億美元。中國是全球最大的被動元件市場，占比約為 43%。顯示面板，中國光學光電子行業協會液晶分會統計數據顯示，2021 年，我國顯示行業產值約5868 億元，較 10 年前增長近 8 倍；顯示面板出貨面積約 1.6 億平方米，較 10 年前增長 7 倍以上；產業規模與顯示面板出貨面積在全球市場的占比分別提升到 36.9%和 6

125、3.3%，成為全球第一。PCB 印制電路板，得益于全球 PCB 產能向中國轉移以及下游迅猛發展的電子終端產品制造行業，中國 PCB 行業整體呈現較快的發展趨勢。根據 Prismark 的數據，2022 年全球 PCB 行業產值為817.4 億美元，其中中國大陸市場占比為 53.28%，市場規模 435.53 億美元。PCB 行業屬于電子信息產品制造的基礎產業，既受宏觀經濟周期性波動影響，也受到電子產品的升級創新影響。PCB 未來整體依然保持穩定持續的增長，Prismark 預測 20222027 年中國 PCB 產值復合增長率約為 3.3%。LED，根據 CSAResearch 的數據，202

126、2 年 LED 行業下游需求不振，行業整體生產成本攀升，行業整體產值規模下滑 13.16%，達 6750 億元。LED 產業鏈包括原材料、LED 襯底制作、LED 外延生長、LED 芯片制造、LED 封裝和 LED 應用等主要環節。LED 下游主要包含通用照明、景觀照明、顯示屏、背光等。表表1010：國內被動元件、國內被動元件、P PCBCB、面板、面板、LEDLED 等細分市場規模預測等細分市場規模預測 單位：億元 2020 2021 2022 2023E 2024E 2025E 2030E 2035E 被動元件市場規模（億元）897 1014 1067 1119 1173 1227 151

127、9 1833 yoy 13.1%5.2%4.9%4.8%4.6%4.2%3.6%PCB 市場規模（億元）2517 3169 3123 3029 3181 3308 3871 4620 yoy 25.9%-1.5%-3.0%5.0%4.0%4.0%4.0%顯示面板市場規模（億元）4460 5868 4933 5081 5487 5597 6425 7447 yoy 31.6%-15.9%3.0%8.0%2.0%3%4%LED 市場規模（億元）7015 7773 6750 6615 6946 7085 7976 9245 yoy 10.8%-13.2%-2.0%5.0%2.0%3.00%4.00%

128、被動元件、PCB、面板、LED 總市場 14889 17824 15873 15844 16787 17216 19791 23145 國內生產總值（萬億元）101.36 114.92 120.47 126.06 132.68 139.44 175.94 215.91 占 GDP 比重 1.5%1.6%1.3%1.3%1.3%1.2%1.1%1.1%資料來源：CSAResearch，Prismark，中國光電子協會，中國銀河證券研究院預測 電子行業的下游是電子終端，其中消費電子占比最大，消費電子產品可分為娛樂產品、通訊產品、家庭辦公產品等三大類，消費電子行業產業鏈包括多個環節，包括上游原材料供

129、應、中游生產制造、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。目前消費電子行業發展呈現企穩回升態勢。2017-2022 年全球電子消費品市場收入總體穩中有升，2022 年市場收入略微下降至 10566.9 億美元，預計 2023 年全年市場將回升至 10794 億美元。隨著 5G 迭代、人工智能、新材料工藝等技術融合，消費電子各領域產品有望迎來新一輪升級，預計未來市場重啟溫和向上。中國消費電子行業市場規模在過去幾年中持續增長，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

130、模達到約 18649 億元，預計 2023 年中國消費電子市場規模將增至 19201 億元，2030 年達到 2.33 萬億元，2035 年達到 2.66 萬億元。智能手機，根據 Canalys 的數據，23 年中國智能手機出貨量為 2.95 億臺，隨著消費電子市場的回暖，國內智能手機市場迎來拐點，24 年預估能達到 3.16 億臺。根據 GFK 的數據，2019 年中國手機的平均價格為 2685 元，而 2023 年第三季度平均價格已經達到 3480 元，主要原因是高端手機出貨占比提升，以及低端市場的萎縮。我們預估到 2030 年智能手機的平均價格將達到 3800 元?？紤]AI 的滲透及 A

131、SP 的提升，我們預估國內手機市場規模 22 年-35 年復合增速約為 4%。PC，根據 Canalys 的數據，2022 年中國個人電腦（臺式機、筆記本電腦和工作站）整體出貨量達到 4850 萬臺，相比 2021 年下滑 15%，23 年預估為 4865 萬臺，隨著下游去庫存進入尾聲，以及AIPC 的快速滲透，PC 將在 24 年重回增長，24 年預估市場規模為 1641 億元。我們預估國內 PC 市場規模 22 年-35 年復合增速約為 2.6%?？纱┐髟O備及 AI 硬件，主要包括 TWS 耳機、手表、手環、VR/AR 設備等，根據 IDC 的數據，全球可穿戴設備出貨量不斷增長，從 201

132、6 年的 1.02 億臺增長至 2021 年的 5.33 億臺，年均復合增長率達 39.2%。2022 年的總出貨量為 4.921 億臺。中國 22 年可穿戴設備出貨量為 1.6 億臺，預估23 年為 1.7 億臺，由于 VR 設備的持續高增長，以及 AI 推動的智能硬件浪潮，我們預估國內可穿戴設備市場規模 22 年-35 年復合增速為 6%。其他消費電子市場，包括小家電、游戲機、電視等，由于創新乏力，目前很多產品已經是存量市場，我們預估其他消費電子市場規模 22 年-35 年基本保持不變。表表1111：國內消費電子細分市場規模預測國內消費電子細分市場規模預測 單位：億元 2020 年 202

133、1 年 2022 年 2023E 2024E 2025E 2030E 2035E 智能手機市場規模（億元）7992 9604 8610 10030 11060 11392 13778 14913 yoy 20.2%-10.3%16.5%10.3%3.0%3.0%2.0%PC 市場規模（億元）1606 2077 1552 1557 1642 1691 1977 2237 yoy 29.3%-25.3%0.3%5.5%3.0%1.1%2.1%可穿戴市場規模（億元）559 699 814 895 975 1053 1450 1868 yoy 24.9%16.5%10.0%9.0%8.0%7%5%其他

134、消費電子市場規模（億元）7189 5734 7674 6719 6095 6209 6165 7668 yoy -20.3%33.8%-12.4%-9.3%1.9%1.50%1.10%消費電子總市場規模（億元）17347 18113 18649 19201 19772 20345 23369 26686 yoy 4.4%3.0%3.0%3.0%2.9%2.75%2.65%國內生產總值（萬億元）101.36 114.92 120.47 126.06 132.68 139.44 175.94 215.91 占 GDP 比重 1.7%1.6%1.5%1.5%1.5%1.5%1.3%1.2%資料來源：

135、CANALYS，IDC，中國銀河證券研究院預測 表表1212：電子行業整體市場空間測算（億元）電子行業整體市場空間測算（億元）2020 2021 2022 2023E 2024E 2025E 2030E 2035E 中國消費電子市場規模（億元）17347 18113 18649 19201 19772 20345 23369 26686 yoy 4.4%3.0%3.0%3.0%2.9%2.8%2.65%中國半導體市場規模（億元）15131 17783 19524 20687 23798 26660 42515 66201 yoy 17.5%9.8%6.0%15.0%12.0%8.6%9%中國電

136、子器件市場規模（億元）14889 17824 15873 15844 16787 17216 19791 23145 yoy 19.72%-10.9%-0.2%5.95%2.56%3.29%3.97%電子行業核心產業（半導體+電子器件）市場規模（億元）30020 35607 35397 36531 40585 43876 62306 89346 國內生產總值（萬億元）101.36 114.92 120.47 126.06 132.68 139.44 175.94 215.91 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，中國銀河證券研究院預測