《AI手機行業深度報告：AI手機AI產業革命的決定性力量-240329（43頁）.pdf》由會員分享，可在線閱讀，更多相關《AI手機行業深度報告：AI手機AI產業革命的決定性力量-240329（43頁）.pdf（43頁珍藏版）》請在三個皮匠報告上搜索。

1、請務必閱讀正文之后的免責條款部分請務必閱讀正文之后的免責條款部分 2024.03.29 AI 手機，手機，AI 產業革命的決定性力量產業革命的決定性力量 AI 手機行業深度報告手機行業深度報告 秦和平秦和平(分析師分析師)李奇李奇(分析師分析師)0755-23976666 0755-23976888 證書編號 S0880523110003 S0880523060001 本報告導讀：本報告導讀：AI手機作為終端手機作為終端 AI核心入口，或成為核心入口，或成為 AI產業革命下產業革命下應用層的顛覆性切入點。應用層的顛覆性切入點。手機手機廠商享量價利紅利，大模型廠商變現加速，硬件廠商受益于產品迭代

2、及供需格局。廠商享量價利紅利，大模型廠商變現加速，硬件廠商受益于產品迭代及供需格局。摘要：摘要：投資建議：投資建議：AI 手機或將成為手機或將成為 AI 產業革命中應用層的顛覆性切入點。產業革命中應用層的顛覆性切入點。終端應用來看，手機具備普及性、伴隨性，應用場景更為下沉，有望超越 AI PC，成為終端 AI 的核心入口。未來的 AI 手機將成長為自主感知、自主決策執行、具備數字人格的 Agent。產業鏈來看，手機廠商享受量、價、利紅利，大模型廠商商業變現加速，硬件廠商受益于產品迭代及供需格局。AI 手機有望全面帶動產業鏈獲益，推薦標的：推薦標的：高通（高通（QCOM.US）、臺積電（）、臺積

3、電（TSM.US），受益標的：蘋果（），受益標的：蘋果（AAPL.US）、）、谷歌（谷歌（GOOGL.US）。端側部署大模型在技術上具備可行性。端側部署大模型在技術上具備可行性。內存端，大模型輕量化技術逐漸成熟，內存管理邏輯優化、可調用閃存，兩條路線共同發力可克服內存瓶頸。算力端，NPU 跨越 35 TOPS 門檻提供高性能算力支撐，頭部芯片廠商持續迭代，驍龍 8 Gen4、天璣 9400 即將面世。復盤復盤 4G 至至 5G 的升級，我們認為的升級，我們認為 AI 手機將在量、價、利方面利好手機將在量、價、利方面利好手機廠商。量：手機廠商。量：AI 手機有望驅動新一波換機潮，我們測算 202

4、5 年AI 手機出貨量約 3.8 億部，同比高增 134%。價：價：AI 手機在性能、用戶體驗方面的升級，超越了 5G 手機相對 4G 手機的升級，我們判斷有望復刻上一輪的漲價潮。利：利：5G 時代純手機組裝廠商大部分利潤被硬件端侵蝕，AI 手機軟硬件成本高企，具備自研大模型、自研芯片能力的手機廠商占據一體化優勢，有望守住利潤。復盤谷歌和蘋果復盤谷歌和蘋果在搜索引擎上的合作，我們認為手機廠商擁有終端消費者基礎和流在搜索引擎上的合作，我們認為手機廠商擁有終端消費者基礎和流量入口優勢，在與大模型廠商合作的過程中是更為強勢的一方。量入口優勢，在與大模型廠商合作的過程中是更為強勢的一方。硬件端和大模型

5、端均受益。推理芯片環節：硬件端和大模型端均受益。推理芯片環節：復盤 4G 到 5G 的芯片升級，劃時代產品具有較強的溢價能力、供需失衡下高通有強大的議價能力，AI 手機時代高通、聯發科有望憑借高性能 SoC 及強勢議價權，改善毛利率，我們測算高通有望憑借驍龍 8 Gen 4 環比改善毛利率至57.62%。散熱材料環節：散熱材料環節：材料用量增加疊加新材料滲透率提高，單機散熱材料價值量有望提升 11-14 元/部。內存芯片環節：內存芯片環節：主要由供需關系驅動漲價，容量瓶頸被克服的前提下，內存芯片更看重帶寬，關注 LPDDR6 量產進度。大模型環節：大模型環節：大模型廠商有望憑借端側 AI應用，

6、加速變現，我們測算 2026 至 2028 年三星 AI 手機搭載的（自研）收費大模型訂閱費用或將帶來 73、134、221 億美元收入。風險提示：風險提示：隱私安全風險；消費者接受度不及預期風險；新智能終端威脅的風險；硬件、大模型等技術迭代不及預期風險；消費電子需求持續低迷風險。評級：評級：增持增持 上次評級：增持 細分行業評級 相關報告 海外科技GB200 發布，繼續看好算力的投資機會 2024.03.24 海外科技Claude-3 亮相，阿里、抖音高管變動 2024.03.10 海外科技英偉達大超預期，AI 硬件股狂歡繼續 2024.02.25 海外科技特斯拉短期業績承壓，互聯網大廠啟動

7、春節檔 2024.01.28 海外科技芯片巨頭集體推新迎 AI PC 元年 2024.01.14 行業深度研究行業深度研究 股票研究股票研究 證券研究報告證券研究報告 海外科技海外科技 行業深度研究行業深度研究 請務必閱讀正文之后的免責條款部分請務必閱讀正文之后的免責條款部分 2 of 43 目目 錄錄 1.AI 手機顛覆性體驗推動滲透率高增.3 1.1.智能手機市場轉暖疊加 AI 手機滲透率提升，需求可期.3 1.2.AI 手機在定義、功能、用戶體驗上均具顛覆性.4 1.3.AI 手機本身本質上是 AI Agent.6 2.手機有望成為最適配終端 AI 落地的設備.7 2.1.從云端到終端，

8、混合式 AI 是 AI 的未來.7 2.1.1.云端推理受限于成本和算力瓶頸.7 2.1.2.從云到端、端云混合，具備成本、能耗、性能、隱私安全、個性化五大優勢.8 2.2.從 AI PC 到 AI 手機，AI 手機有望打通 AI 終端應用落地最后一環 .10 3.突破內存及算力桎梏，技術可行性得到驗證.11 3.1.多路線發力克服手機內存瓶頸，終端部署大模型可行性得到驗證 .11 3.1.1.大模型壓縮：輕量化大模型有望“塞”進手機.11 3.1.2.優化內存管理：蘋果閃存方案效果顯著.14 3.1.3.拔高內存：3D Dram 技術是落地移動設備的理想方案.16 3.2.異構方案下，頭部芯

9、片廠商有望突破推理算力制約.17 3.2.1.NPU 提供高性能算力支撐.17 3.2.2.驍龍 8 系列、天璣系列、蘋果 A 系列持續迭代.18 4.各品牌 AI 手機加速面世，關注全棧自研能力.21 4.1.安卓手機廠商加速推出 AI 旗艦機型，靜待需求兌現.21 4.1.1.OPPO AI 功能使用率超預期，“1+N”理念擘畫 AI 手機終極形態 .21 4.1.2.各大安卓廠商紛紛推出 AI 手機，功能各異.23 4.2.蘋果具備全棧式能力，持續投入帶來持續產出.27 5.從硬件端、大模型端、手機廠商端看潛在機遇.30 5.1.硬件端：高性能 NPU 享議價權，散熱材料、內存芯片價值量

10、提升在即.30 5.1.1.NPU：異構計算成最優解，NPU 溢價有望提振高通毛利率.30 5.1.2.散熱：用量增加、新材料滲透率提升，帶動散熱材料價值量提升 .34 5.1.3.內存：比拼帶寬，供需關系驅動漲價.35 5.2.大模型端：端側 AI 加速大模型商業變現.36 5.3.手機廠商：用戶基礎和流量入口打造護城河，全棧自研方享高溢利 .37 5.3.1.AI 手機帶動量增、價增，具備軟硬件自研能力的手機廠商方能享受利增.37 5.3.2.手機廠商擁有終端用戶基礎和流量入口護城河，相較大模型廠商更為強勢.39 5.3.3.機遇與風險并存，需把握先發優勢.41 6.投資建議.42 7.風

11、險提示.42 KYgVzWbWmUbYJVjXaXmV8O9R6MnPpPnPqMiNnNmQeRoOoN6MrQpOvPqQzRNZpMrP 行業深度研究行業深度研究 請務必閱讀正文之后的免責條款部分請務必閱讀正文之后的免責條款部分 3 of 43 1.AI 手機顛覆性體驗推動滲透率高增手機顛覆性體驗推動滲透率高增 1.1.智能手機市場轉暖疊加智能手機市場轉暖疊加 AIAI 手機滲透率提升，需求可期手機滲透率提升，需求可期 全球智能手機出貨量觸底反彈，驗證邊際復蘇預期。全球智能手機出貨量觸底反彈，驗證邊際復蘇預期。據 IDC 數據，2023年全球智能手機全年出貨量同比下降 3.2%至 11.

12、7 億部，為近十年來最低。隨宏觀經濟邊際轉好、年初庫存逐漸消耗，以及 AI 應用場景日漸豐富，2023 下半年智能手機需求轉暖，第四季度全球出貨量同比增長8.5%至 3.3 億部，好于預期的 7.3%增長。觸底反彈趨勢亦可在中國市場得到驗證，2023 年第四季度，中國智能手機出貨量約 7,363 萬臺，同比增長 1.2%，在連續同比下降 10 個季度后首次轉正，其中高端機型恢復勢頭好于中低端機型。據 IDC 預測，2024 年中國市場出貨量將達 2.87億臺，同比增長 3.6%,為 2021 年以來首次實現增長。圖圖 1 2023 Q4 全球智能手機出貨量同比增長全球智能手機出貨量同比增長 8

13、.5%，好于預期好于預期 圖圖 2 2023 Q4 中國智能手機出貨量同比增長中國智能手機出貨量同比增長 1.2%，近，近10 個季度首次轉正個季度首次轉正 數據來源：IDC 數據來源：IDC 復蘇大背景下，復蘇大背景下，AI 手機加速滲透有望帶動新一輪換機潮。手機加速滲透有望帶動新一輪換機潮。2023 下半年起，以谷歌、三星、OPPO 等為代表的廠商將大模型內置于智能手機中，完成從云端 AI 向終端 AI 的轉變，“AI 手機”浪潮開啟。據 IDC 預測，2024 年全球新一代 AI 手機出貨量將達 1.7 億部，占智能手機總出貨量的近 15%，較 2023 年的約 5,100 萬部出貨量大

14、幅增長約 233%。隨著新芯片的發展和應用場景的進一步擴展，AI 手機滲透率將持續迅速攀升。據 Counterpoint Research 預測，2024 年生成式人工智能(GenAI)智能手機的出貨量將超 1 億部，2027 年出貨量將達到 5.22 億部，三年復合年增長率約為 73%。02468101214全球智能手機全年出貨量（億部）Q4出貨量（億部）20222023-15%-10%-5%0%5%606264666870727476中國智能手機季度出貨量（百萬部）yoy 行業深度研究行業深度研究 請務必閱讀正文之后的免責條款部分請務必閱讀正文之后的免責條款部分 4 of 43 圖圖 3

15、IDC 預測預測 2024 年年 AI 手機出貨量達手機出貨量達 1.7 億部億部 圖圖 4 Counterpoint預測預測 2027年年 AI手機出貨量達手機出貨量達 5.22億部億部 數據來源：IDC 數據來源：Counterpoint Research 三星三星 AI 手機開山之作手機開山之作 Galaxy S24 系列預購、銷售數據雙雙創新高，系列預購、銷售數據雙雙創新高，Ultra 機型受偏好反映消費者對高端機型溢價的高接受度。機型受偏好反映消費者對高端機型溢價的高接受度。自 1 月 19 日至 1 月 25 日，為期一周的 Galaxy S24 系列韓國國內預購數量錄得 121萬

16、臺，打破了 S23 系列一周預售 109 萬臺的成績，日均預購量為 17.3 萬部，超越了 Galaxy Note 10（12.5 萬部），成為所有 Galaxy 智能手機中最高預售記錄。121 萬臺預購量中，S24 Ultra 約占 60%，Galaxy S24+約占 21%，Galaxy S24 約占 19%，體現消費者對高端機型溢價的高接受體現消費者對高端機型溢價的高接受度。度。Galaxy S24 系列在韓國本土市場上市 28 天后銷量即超過 100 萬臺，成為最快達到韓國市場 100 萬臺銷量的 Galaxy S 系列，比此前 Galaxy S8 系列紀錄快了 9 天時間，其中 Ga

17、laxy S24 Ultra 占總銷量的 55%。AI 加持下，有望加速迎來新一波的換機潮，帶來巨大潛在銷量的同時，加持下，有望加速迎來新一波的換機潮，帶來巨大潛在銷量的同時，亦可提振手機亦可提振手機 ASP。1.2.AIAI 手機手機在定義、功能、用戶體驗在定義、功能、用戶體驗上上均具均具顛覆性顛覆性 AI 智能手機如何區別于上一代智能手機？智能手機如何區別于上一代智能手機？上一代智能手機已搭載部分AI 功能，如 2019 年 APPLE在 iPhone 11 上推出的 AI 照片處理技術 Deep Fusion，通過機器學習以低到中等的光線拍攝照片，連續拍攝九張照片并最終合成高細節、低噪點

18、圖片。購物平臺與短視頻平臺的智能推薦亦依賴于 AI 算法?？梢哉f，上一代智能機在硬件端、軟件端均具備運行端側 AI 的能力。那么，新一代 AI 智能手機新在何處？從定義看，新一代從定義看，新一代 AI 手機（手機（Next-gen AI Smartphone）指）指 NPU 算力算力大于大于 30 TOPS、搭載能夠支持更快速高效端側、搭載能夠支持更快速高效端側 Gen AI 模型的模型的 SoC、支持包括支持包括 Stable Diffusion 和各種大語言模型在內的和各種大語言模型在內的 Gen AI 模型在模型在端側運行的智能手機。端側運行的智能手機。根據 IDC 分類，上一代搭載初步

19、 AI 功能的智能手機可統稱為“硬件賦能 AI 手機”，其 NPU TOPS30。以 2017 年蘋果發布的 iPhone X 為例，其搭載的 A11 Bionic 仿生芯片神經網絡引擎每秒運算可達 6000 億次，可勝任機器學習任務，人臉識別功能可隨機主的樣貌變化而調整適應。而新一代 AI 智能手機在端側 AI 運行速度、效率、應用場景、芯片算力等均實現全面提升。00.511.52全球AI手機出貨量（億部）YOY=233.33%0123456全球AI手機出貨量（億部）CAGR=73.47%行業深度研究行業深度研究 請務必閱讀正文之后的免責條款部分請務必閱讀正文之后的免責條款部分 5 of 4

20、3 表表 1 硬件賦能硬件賦能 AI 手機與新一代手機與新一代 AI 手機對比手機對比 硬件賦能硬件賦能 AI手機手機 新一代新一代 AI手機手機 算力算力 30 NPU TOPS 30 NPU TOPS 數據類型數據類型 int-8 int-8 端側端側 AI運行運行 功耗低 快、高效 端側端側 AI示例示例 自然語言處理，計算攝影 Stable Diffusion，大型語言模型 發布時間發布時間 2017 年 2023 下半年 代表機型代表機型 iPhone X，華為 Mate 10 三星 Galaxy S24 系列，谷歌 Pixel 8 系列 搭載芯片搭載芯片 A11 Bionic 仿生

21、芯片，麒麟 970 AI 芯片 蘋果 A17 Pro，聯發科天璣 9300，高通驍龍 8 Gen 3 數據來源：IDC，搜狐網，國泰君安證券研究 從特征看，新一代從特征看，新一代 AI 手機應具備算力高效利用能力、真實世界感知能手機應具備算力高效利用能力、真實世界感知能力、自學習能力、創作能力。力、自學習能力、創作能力。根據 OPPO 與 IDC，在算力高效利用能力方面，AI 手機需要高效地利用計算資源，以滿足生成式 AI 計算和端側部署的需要；真實世界感知能力方面，AI 手機需要利用視覺、聽覺、觸覺敏銳地感知真實世界，了解用戶與環境的復雜信息；自學習能力方面，除模型本身的學習能力外，AI 手

22、機通過機器學習不斷理解用戶習慣，通過自學能力提高交互體驗；創作能力方面，AI 手機需具備創造性，生成式服務為用戶提供持續的靈感與知識支持。圖圖 5 AI 手機應具備創作、自學習、感知、算力高效利用能力手機應具備創作、自學習、感知、算力高效利用能力 數據來源：AI 手機白皮書 從應用場景與功能看，新一代從應用場景與功能看，新一代 AI 手機的已落地的使用場景可大致分為手機的已落地的使用場景可大致分為文字類、圖像視頻類、語音類及效率提升類。文字類文字類、圖像視頻類、語音類及效率提升類。文字類方面，大模型接入后，無論部署于云端或是終端，AI 手機均具備了文字分析處理及生成功能。圖像視頻類圖像視頻類為

23、當前 AI 手機重點發力的應用場景，利用 AIGC 可實現文生圖、圖像美化、圖像擴展與消除、視頻補幀等功能。語音類語音類功能對 AI 算力要求較高，OPPO 推出 AI 大模型通話摘要功能，可以提取和總結通話中的要點信息，三星內置通話實時雙向翻譯和文字翻譯功能，無需第三方應用并支持 13 種語言。效率提升類效率提升類目前已有筆記智能摘要、網頁智能摘要等功能落地，三星即圈即搜功能進一步完善了交互邏輯，預計未來效率提升類應用將帶來最顛覆性的體驗升級，即成長為真正的用戶智能助理，目前 Pixel 系列推出的個人助手 Assistant with Bard 以及魅族 21 pro 系列推出的 Aicy

24、 助手已初步具備智能助力雛形。行業深度研究行業深度研究 請務必閱讀正文之后的免責條款部分請務必閱讀正文之后的免責條款部分 6 of 43 表表 2 部分部分 AI 手機機型的手機機型的 AI 功能應用場景功能應用場景 谷歌谷歌 Pixel 8 系列系列 三星三星 Galaxy S24 系列系列 OPPO Find X7 魅族魅族 21 PRO 文字類文字類 網頁智能摘要、朗讀和翻譯網頁 根據場景選擇合適文風及語氣；筆記摘要并生成封面 小布助手提供智能問答 即問即答，輔助寫作 圖像視圖像視頻類頻類 利用既有照片創建混合圖像，生成一張新的照片；調整光線和背景；調整視頻的顏色、照明、穩定性和顆粒度；

25、智能識別噪音干擾 調平傾斜畫面，人物移位，生成背景；為運動畫面補幀 智能消除 AI 搜圖，圖片擴展，魔法消除，AI 寫真 語音與語音與交流類交流類 理解人類語言細節；垃圾來電攔截 通話實時翻譯、轉錄助手 語音通話智能摘要 上下文關聯回復，指定語氣回復，通話紀要 效率提效率提升類升類 個人助手：Assistant with Bard，管理個人事項 即圈即搜功能，圈取屏幕上任何內容即可獲得搜索結果，無需跳轉APP 或切換界面 小布照相館智能生成寫真照片 設置 AI 靈動鍵，一鍵呼出 Aicy 助手，聽說讀寫譯，一圈即來 數據來源：鈦媒體，極客公園，IT 之家，科技美學，IT 之家，谷歌官網，三星官

26、網，OPPO 官網，魅族官網，國泰君安證券研究 從用戶體驗看，新一代從用戶體驗看，新一代 AI 手機有望真正成為自在交互、智能隨心、專手機有望真正成為自在交互、智能隨心、專屬陪伴、安全可信的個人化助理。屬陪伴、安全可信的個人化助理。相較于傳統智能機，AI 手機通過人格化、記憶、感知和管理能力，為用戶帶來全新的人機交互體驗，打破系統、服務、設備與人之間的邊界。一方面，AI 手機基于準確的語義理解能力及龐大的知識數據圖譜，疊加對用戶個性化信息、習慣的學習，可提供準確且定制化的建議與回答；另一方面，另一方面，AI 手機的終極目標是擺脫手機的終極目標是擺脫臃腫、繁多的臃腫、繁多的 APP，垂直整合端側

27、應用，深層次聯通各個獨立的孤島，垂直整合端側應用，深層次聯通各個獨立的孤島，用戶一個指令可以調動多個用戶一個指令可以調動多個 APP 自動解決需求，提供一站式服務，真自動解決需求，提供一站式服務，真正扮演智能助理的角色。正扮演智能助理的角色。表表 3 AI 手機扮演智能助理角色，提供顛覆性用戶體驗手機扮演智能助理角色，提供顛覆性用戶體驗 內容內容 上一代智能機上一代智能機 新一代新一代 AI手機手機 用戶價值用戶價值 自在交互自在交互 圖文多模態的能力與全域知識 提供信息供給 提供知識和能力的供給 獲得此時此刻唯一正確的答案，交互更自然、更直接 智能隨心智能隨心 即時意圖理解和服務響應 閑聊

28、提供服務 一鍵/一句話直達服務調度 專屬陪伴專屬陪伴 個性化的模型微調和知識增強 基于搜索式的信息平臺 基于個人知識增強的生成 通過學習用戶使用習慣，陪伴用戶成長，是可成長的 AI 手機 安全可信安全可信 內容安全和隱私保護 強調隱私安全 除了隱私安全還強調倫理價值觀對齊、幻覺消除 個人數據被保護，回答貼切可信賴 數據來源：AI 手機白皮書，國泰君安證券研究 1.3.A AI I 手機本身本質上是手機本身本質上是 A AI AI Agentgent AI 手機不僅限于具備生成式手機不僅限于具備生成式 AI 功能，更扮演著功能，更扮演著 AI Agent 的角色。的角色。在業內看來，AI 手機并

29、非僅指具備生成式 AI 功能的手機。獨立的大型模型難以為手機上的其他應用提供支持，各個 APP 仍為獨立的孤島，但將這些模型融入手機系統中可以打破應用之間的隔閡，將系統的能力提升到AI Agent 級別，不僅讓大模型加持智能助手，還能讓系統工具也具備 行業深度研究行業深度研究 請務必閱讀正文之后的免責條款部分請務必閱讀正文之后的免責條款部分 7 of 43 AIGC 能力。據榮耀 CEO 趙明刻畫，AI 手機是一個更加基礎性、系統性的 AI 算力平臺。AI 手機成長為具備數字人格的手機成長為具備數字人格的 AI Agent，需要具備自主決策能力。，需要具備自主決策能力。AI手機不僅有底層硬件的

30、需求，也有 OS 層面 AI 化和交互體驗的革新，它本身即是一個 AI Agent。它們能夠感知用戶的需求、自主決策執行，甚至學會用戶的習慣，為用戶提供更為個性化的服務。根據小米、華為、vivo 等公司聯合清華大學智能產業研究院共同發布的個人 LLM 智能體綜述論文，AI Agent 可根據能力和交互邏輯分為 L1-L5 五個等級。當前當前智能手機的智能手機的 AI 功能停留在功能停留在 L2 階段，僅能執行確定化的任務，我們認為階段，僅能執行確定化的任務，我們認為未來的未來的 AI 手機將真正成長為具備數字人格的手機將真正成長為具備數字人格的 Agent，超越理解任務的，超越理解任務的范疇，

31、具備自主決策能力，主動而不是被動地提供個性化服務。范疇，具備自主決策能力，主動而不是被動地提供個性化服務。表表 4 目前智能手機停留在目前智能手機停留在 L2 階段，未來階段，未來 AI 手機將具備手機將具備 L5 級別數字人格級別數字人格 等級 關鍵特征 代表性用例 L1-簡單 通過遵循用戶或開發者預定義的確切步驟來完成任務。用戶：“打開 Messenger”；Agent 打開名為 Messenger 的應用。L2-確定性任務的自動化 基于用戶指定的任務，自主地完成預先定義的動作空間中必要的步驟。用戶：“今天北京的天氣怎么樣？”；Agent 自動調用天氣 API 并使用參數“北京”，然后從響

32、應中解析信息。L3-策略性任務自動化 使用各種資源和工具規劃執行步驟，并基于中間反饋迭代計劃，直到完成。用戶：“找出最近適合旅行的城市”；Agent 列出幾個適合旅行的城市，檢查每個城市的天氣，總結信息，并返回建議。L4-記憶和情境感知 理解用戶記憶，并主動在適當時機提供個性化服務。Agent 根據對話和行為估算用戶最近的焦慮水平，根據嚴重程度推薦電影/音樂來幫助放松，并通知用戶的朋友或醫生。L5-數字人格 完全代表用戶完成復雜事務，與其他用戶或 Agent 互動，確保安全和可靠性。Agent 記錄用戶每日飲食和活動，自行分析異常情況，并給出改進建議；Agent 代替用戶閱讀郵件和信息，在無干

33、預情況下完成回復，并自動生成摘要。數據來源：Personal LLM Agents:Insights and Survey about the Capability,Efficiency and Security，國泰君安證券研究 2.手機有望成為最適配終端手機有望成為最適配終端 AI落地的設備落地的設備 2.1.從云端到終端，混合式從云端到終端，混合式 AIAI 是是 AIAI 的未來的未來 2.1.1.云端推理受限于成本和算力瓶頸云端推理受限于成本和算力瓶頸 云端推理成本較高，阻礙生成式云端推理成本較高，阻礙生成式 AI 模型進一步規?；瘮U展。模型進一步規?；瘮U展。目前，云端是生成式 AI

34、 模型部署的主要方式，用戶可以通過網頁對模型進行訪問或通過 API 接口直接調用，向云端服務器發出請求，在云端收到請求后，會調用訓練完成的模型對需求進行處理并返回結果。對比訓練與推理的成本，盡管生成式 AI 模型參數數量較多，進行一次訓練將產生較高昂的成本，但因其每年平均僅需訓練幾次，因此成本較為固定，不會隨終端用戶的增加而產生大幅變動。然而推理端成本則與終端用戶數量正相關，由于生成式 AI 模型需求的拓展推動其市場規模高增，模型推理端的市場規模將遠高于訓練端，表現為模型的推理成本隨著日活用戶數量及其使用頻率的增加而飛速增長。然而，在云端進行模型推理的成本極高，這將導致規?；瘮U展難以持續。云端

35、推理受限于算力，需求高峰期會出現長時延甚至宕機。云端推理受限于算力，需求高峰期會出現長時延甚至宕機。2023 年 11月，ChatGPT 和其 API 接口出現“嚴重停機”（Major Outage）事件，故 行業深度研究行業深度研究 請務必閱讀正文之后的免責條款部分請務必閱讀正文之后的免責條款部分 8 of 43 障時間持續長達超過 12 小時。云端推理出現“宕機”現象，主要是算力不足、推理數據過大、算法能力不強等因素，根本原因與海量用戶同一時間涌入 ChatGPT 平臺輸入輸出內容有關。據不完全統計，在 2023年 3 月份和 8 月份已發生過類似事故，宕機時間分別為12 小時、3 小時。

36、圖圖 6 需求高峰期下，需求高峰期下，ChatGPT宕機現象時有發生宕機現象時有發生 數據來源：鈦媒體 2.1.2.從云到端、端云混合，具備成本、能耗、性能、隱私安全、個從云到端、端云混合，具備成本、能耗、性能、隱私安全、個性化五大優勢性化五大優勢 混合混合 AI 結合云端與終端，并根據不同應用場景靈活分流工作負載，助結合云端與終端，并根據不同應用場景靈活分流工作負載，助力解決規?；瘑栴}。力解決規?；瘑栴}。據高通 混合 AI 是 AI 的未來 白皮書，混合 AI 指：終端和云端協同工作，在適當的場景和時間下分配 AI 計算的工作負載，在高效利用資源的同時為使用者提供更好的體驗。在以云為中心的場

37、景下，終端將根據自身能力，在可能的情況下從云端分擔 AI 工作負載。而在其他的場景下，計算將主要以終端為中心，在必要時向云端分流任務。類比傳統計算從大型主機和瘦客戶端演變為當前云端和 PC、智能手機等邊緣終端相結合的模式，生成式 AI 也將結合云端和終端，逐漸重塑行業格局。算力方面，AI 算力將由現在的云端集中部署逐漸轉變為云端與邊緣端靈活分配；模型方面，大模型將逐漸向邊緣端滲透，在智能終端運行。圖圖 7 AI 處理的重心正在向邊緣轉移處理的重心正在向邊緣轉移 數據來源：混合 AI 是 AI 的未來 行業深度研究行業深度研究 請務必閱讀正文之后的免責條款部分請務必閱讀正文之后的免責條款部分 9

38、 of 43 圖圖 8 數量可觀的生成式數量可觀的生成式 AI 模型可從云端分流到終端上運行模型可從云端分流到終端上運行 數據來源：混合 AI 是 AI 的未來 從云到端，混合從云到端，混合 AI 架構在成本、能耗、性能、隱私安全和個性化五大架構在成本、能耗、性能、隱私安全和個性化五大維度具備優勢。維度具備優勢。AI 手機以本地推理為主，邊緣和云端推理為輔，能夠在混合算力、混合模型之間智能、合理地調配任務，有效縮減響應時間，且能在離線狀態下發揮作用，同時可避免數據泄露風險。值得一提的是，手機作為終端設備在個性化維度潛力巨大，混合 AI 讓更加個性化的體驗成為可能。表表 5 混合混合 AI 較云

39、端較云端 AI 在成本、能耗、時延、隱私安全、個性化方面具備優勢在成本、能耗、時延、隱私安全、個性化方面具備優勢 成本成本 僅在云端進行推理成本較高。生成式 AI 每一次搜索查詢成本是傳統搜索方法的 10 倍，目前每天有超過 100 億次的搜索查詢產生，即便基于大語言模型的搜索僅占其中一小部分，每年增量成本也可能達到數十億美元。將部分處理從云端轉移到邊緣終端，可以減輕云基礎設施的壓力并減少開支?；旌匣旌?AI 能夠利用現已部署的、具備能夠利用現已部署的、具備 AI 能力的數十億邊緣終端，未來預計還將有具備更高處理能力的數十億終端落地。能力的數十億邊緣終端，未來預計還將有具備更高處理能力的數十億

40、終端落地。能耗能耗 目前 ChatGPT 每天響應 2 億個請求，每日消耗超 50 萬度電力。邊緣終端能夠以很低的能耗運行生成式 AI 模型，尤其是減少了將數據傳輸上云過程中產生的增量能源消耗，尤其是減少了將數據傳輸上云過程中產生的增量能源消耗，從而幫助云服務提供商降低數據中心的能耗?？煽啃?、可靠性、性能、時性能、時延延 當云端需求達到高峰期時，會產生大量排隊等待和高時延，甚至可能出現拒絕服務的情況，當云端需求達到高峰期時，會產生大量排隊等待和高時延，甚至可能出現拒絕服務的情況，向邊緣終端轉移計算負載可防止這一現象發生。此外，混合 AI 架構中終端側處理的可用性優勢，讓用戶無論身處何地，甚至在

41、無連接的情況下，依然能夠正常運行生成式 AI 應用。隱 私 和隱 私 和安全安全 2023 年 4 月三星半導體部門員工在使用 ChatGPT 時將數據上傳到云端，導致機密數據泄露。終端運行無需將文終端運行無需將文本、圖像、視頻等信息上傳至云端，完全保留在終端上，本、圖像、視頻等信息上傳至云端，完全保留在終端上，確保個人數據和模型參數在邊緣終端上的安全。個性化個性化 數字助手可根據用戶的表情、喜好和個性進行定制，利用如社交媒體、電子郵件、消息、日歷和位置等數據，從實際行為、價值觀、痛點、需求、顧慮和問題等方面刻畫用戶畫像，并且具備持續學習和演化能力，實現用戶個性化體驗?？紤]到手機高頻次的使用頻

42、率、廣泛的使用場景，考慮到手機高頻次的使用頻率、廣泛的使用場景，AI手機天然在個性化學習和演進方面更具優勢。手機天然在個性化學習和演進方面更具優勢。數據來源：混合 AI 是 AI 的未來，鈦媒體，機器之心，國泰君安證券研究 未來滲透率天花板下，將部分推理分流至端側進行，僅一家大模型廠商未來滲透率天花板下，將部分推理分流至端側進行，僅一家大模型廠商即可節約即可節約 60 億人民幣的運算成本。億人民幣的運算成本。根據 Deep Trading（一家算法交易公司）創始人 Yam Peleg 的測算，8K版本 ChatGPT 云端推理成本為 0.0049美分/千 token（128 個 A100 GP

43、U）。我們以全球 1.8 億日活躍用戶、每人每天 100 千 token 推理需求測算，ChatGPT4 在云端進行推理的成本在云端進行推理的成本 行業深度研究行業深度研究 請務必閱讀正文之后的免責條款部分請務必閱讀正文之后的免責條款部分 10 of 43 約為約為 88.2 萬美元萬美元/天。天。根據 Vivo 副總裁周圍測算，Vivo 大模型單次對話成本約為 0.0120.015 元/次，當前 Vivo 全國用戶數約為 3 億。我們以2.5 億日活用戶（假設的未來滲透率天花板）、每人每天 10 次對話需求測算，Vivo 大模型在云端進行推理的成本約為大模型在云端進行推理的成本約為 3,00

44、0 萬萬3,750 萬人民幣萬人民幣/天。若簡單以天。若簡單以 50%分流率計算，將分流率計算，將 50%推理分流至端側進行，將節約推理分流至端側進行，將節約5568 億人民幣億人民幣/年的云端運算成本。年的云端運算成本。表表 6 8K 版本版本 ChatGPT-4 云端推理成本測算云端推理成本測算 單位 128 個 A100 GPU 128 個 H100 GPU 單價 美元/千 token 0.000049 0.000021 數量 千 token/（天人）100 100 億人/天 1.8 1.8 推理成本 美元/天 882,000 378,000 數據來源：Yam Peleg，機器之心，國泰

45、君安證券研究 表表 7 國內大模型云端推理成本測算國內大模型云端推理成本測算-以以 Vivo 為例為例 單位 兩種情形下的推理成本 單價 元/次 0.012 0.015 數量 次/(天人）10 10 億人/天 2.5 2.5 推理成本 萬元/天 3000 3750 數據來源：Vivo，中國電子報，每日經濟新聞，國泰君安證券研究 2.2.從從 AI PCAI PC 到到 AIAI 手機，手機，AIAI 手機有望打通手機有望打通 AIAI 終端應用落地終端應用落地最后一環最后一環 相較相較 PC，手機普及性、伴隨性屬性更強，更適合，手機普及性、伴隨性屬性更強，更適合 AI 大規模落地。大規模落地。

46、根據研究機構 Strategy Analytics 數據，2023 年到 2027 年全球智能手機用戶基數將增長 11%，全球智能手機滲透率將持續保持上升趨勢。根據AI 手機白皮書，2023 年全球約 43 億人擁有智能手機，滲透率達 54%，而新華網數據顯示 2023 年我國智能手機滲透率達 85%。高普及性背景下，OPPO 用戶手機日均使用時長已達到 6 小時/天，滲透于用戶日常生活的方方面面，已從單純的通訊工具演變為錢包、播放器、生產工具、鑰匙等，緊密的交互性為 AI 應用大規模落地創造基礎。對比對比 AI PC 和和 AI 手機的定位及應用場景，手機的定位及應用場景，AI 手機有望憑顛

47、覆性用戶體手機有望憑顛覆性用戶體驗成為驗成為 AI 核心入口。核心入口。AI PC 作為生產工具，其使用場景往往局限于辦公場景，注重效率；而 AI 手機終極使命是成為用戶的私人助理，賦能生活全場景，從瑣碎和繁雜中解放用戶。從使用場景看，AI 手機因其伴隨屬性強，數據采集設備能夠收集到豐富、廣泛的多模態用戶數據，從而給出個性化解決方案。以出行為例，AI 手機可調用用戶日程安排中的目的地信息，給出穿衣建議；可調用機票或車票信息，給出出行時間及路線規劃建議；可結合用戶歷史訂單，給出目的地就餐建議。手機憑借手機憑借其天然便攜性，可下沉至用戶日常生活的各類場景，有望超越其天然便攜性，可下沉至用戶日常生活

48、的各類場景，有望超越 AI PC，成為終端成為終端 AI 的核心入口。的核心入口。行業深度研究行業深度研究 請務必閱讀正文之后的免責條款部分請務必閱讀正文之后的免責條款部分 11 of 43 表表 8 AI 手機在應用場景上具備下沉性，是終端手機在應用場景上具備下沉性，是終端 AI 的理想入口的理想入口 AI PC AI手機手機 定位定位 生產工具 智能私人助理 數據調用數據調用 僅本地文件 通過鏡頭、話筒、傳感器、定位，能夠收集到最豐富的多模態用戶數據 典型應用場景典型應用場景 辦公 生活，具備下沉性 典型功能一典型功能一 線上會議同聲傳譯，智能摘要 通話實時翻譯，智能摘要 典型功能二典型功

49、能二 視頻渲染 智能修圖，可調整光線、填補或消除內容等，拍照、修圖在同一設備即可完成 典型功能三典型功能三 無法結合個性化數據 根據用戶個性化喜好、個性化需求、歷史記錄、位置、時間、計劃行程等數據，給出就餐或出行建議 數據來源：國泰君安證券研究 3.突破內存及算力桎梏，技術可行性得到驗證突破內存及算力桎梏，技術可行性得到驗證 3.1.多路線發力克服手機內存瓶頸，終端部署大模型可行性得多路線發力克服手機內存瓶頸，終端部署大模型可行性得到驗證到驗證 大模型參數量對手機內存提出挑戰。大模型參數量對手機內存提出挑戰。大型語言模型的泛化能力及通用性取決于其參數量，如 GPT-4 擁有 16 個專家模型，

50、共包含 1.8 萬億個參數。大多數大模型都在具有強大服務器硬件支持的云端運營，若直接部署于終端設備，則需要設備擁有足夠大的內存。目前參數量較小的主流目前參數量較小的主流AI 大模型多為大模型多為 70 億參數或億參數或 130 億億參數，分別需要約參數，分別需要約 14GB 和和 20GB 的的內存，內存，例如小型 LLaMA 有 70 億參數，其 FP16 版本大小為 14GB，遠超當前手機的內存承載能力。多路線發力攻克內存瓶頸，助力端側大模型落地。多路線發力攻克內存瓶頸，助力端側大模型落地。為順利將大模型部署于手機上，當前存在三種技術路線：一是直接拔高終端內存，二是壓縮大模型從而降低大模型

51、體積，三是優化內存調用邏輯。目前以微軟、聯想、OPPO 為代表的勢力致力于大模型壓縮路線，蘋果擬通過優化閃存交互和內存管理邏輯來解決內存壁壘，3D Dram 技術有望通過直接拔高終端內存以突破瓶頸。3.1.1.大模型壓縮：輕量化大模型有望“塞”進手機大模型壓縮：輕量化大模型有望“塞”進手機 大模型壓縮：百花齊放，卓有成效。大模型壓縮：百花齊放，卓有成效。模型壓縮旨在將龐大的深度學習模型精簡為更為輕量級的形式，在保持模型原有性能的基礎上減少推理過程中的內存和計算成本，以便模型可以在各種資源受限的設備上運行。大模型的壓縮和加速算法主要包括量化、剪枝及蒸餾，可在大幅簡化模型的同時將精度損失控制在合理

52、范圍內，此外緊湊架構設計、動態網絡、張量分解（包括低秩分解）等技術路線也被證明有效。行業深度研究行業深度研究 請務必閱讀正文之后的免責條款部分請務必閱讀正文之后的免責條款部分 12 of 43 表表 9 量化、剪枝、蒸餾等方案可實現大模型壓縮量化、剪枝、蒸餾等方案可實現大模型壓縮 量化量化 減枝減枝 蒸餾蒸餾 原理原理 通過減少模型參數的表示位數來降低計算和存儲開銷。因浮點計算涉及較多的位數，如單精度 32 位和雙精度 64 位，產生了較大的計算開銷。通過將浮點表示轉換為定點表示，可以有效減少位數，從而提高模型的運行效率。量化是減少內存成本和提高 LLMs 推理速度的最直接方法，特別是在支持低

53、位數據特別是在支持低位數據類型（如類型（如 INT4）快速操作的硬件上。）快速操作的硬件上。移除模型中不必要或多余的組件（如參數），在保證性能最低下降的同時，減小存儲需求、提高內存和計算效率。從復雜的模型（教師模型）向簡化的模型（學生模型）轉移知識，從而實現教師模型知識的更簡潔高效的表示。優勢優勢（1）高壓縮比：將 LLMs 中的權重從 32 位浮點數量化為 4 位整數，可以將模型大小大幅壓縮至大約 1/8。（2）低成本：許多量化方法不需要重新訓練整個 LLMs。（3）高靈活性：量化與大多數其他壓縮方法兼容，為進一步提高性能引入機會。在卷積神經網絡（CNNs）中效果顯著。知識蒸餾的目的是讓學生

54、去學習老師的泛化能力，從理論上來說學生比老師單純去擬合訓練數據能獲得更多的知識。劣勢劣勢 損失部分精度。移除個別參數會導致模型出現不規則的稀疏結構，需要專門的壓縮技術來存儲和計算被剪枝的模型，且需要對 LLM 進行大量的再訓練（微調）以恢復準確性，成本較高。蒸餾需額外的訓練過程，時間和成本較高。數據來源：Model Compression and Efficient Inference for Large Language Models:A Survey，CSDN，知乎，專知，國泰君安證券研究 大模型壓縮：量化有助于提升性能、能效、內存帶寬和存儲空間。大模型壓縮：量化有助于提升性能、能效、內存

55、帶寬和存儲空間?；诹炕兄柧毤吧钊氲牧炕芯?，生成式AI模型可以量化至INT 4模型，在降低位數精度的同時限制準確度的損失。事實上，INT 4 已逐漸成為大語言模型的趨勢和范式，尤其是當大模型需要部署、運行于終端時。相比 INT 8，INT4 可實現高達 90%的性能提升和 60%的能效提升，可運行更高效的神經網絡，同時不影響準確性和性能表現。通過 Int4 量化技術支持，AquilaChat2-34B 僅需接近 7B級別模型的 GPU 資源消耗，即可提供超過 Llama2-70B模型的性能。經經 Int4 量化之后，量化之后，AquilaChat2-7B、34B模型的內存占用大幅降低了模

56、型的內存占用大幅降低了 58%、70%，而模型，而模型綜合性能指標僅降低了綜合性能指標僅降低了 1.1%和和 0.7%。表表 10 Int 4 量化壓縮可在保持性能基本不變的同時降低模型內存占用量化壓縮可在保持性能基本不變的同時降低模型內存占用 模型模型 參數量參數量 微調方法（硬件）微調方法（硬件）內存占用（內存占用（GB）訓練速度（訓練速度（sec/iter）AquilaChat2 34B 全參數（32*A100）1136.1 26.77 QLoRA（1*A100）21.7 2.96 7B 全參數（1*A100）22.9 6.54 QLoRA（1*A100）10.5 0.58 數據來源：騰

57、訊網 大模型壓縮：微軟大模型壓縮：微軟 SliceGPT技術已將模型體量壓縮技術已將模型體量壓縮 25%。SliceGPT 可歸于剪枝方案，核心技術在于利用 Transformer 架構中的計算不變性來簡 行業深度研究行業深度研究 請務必閱讀正文之后的免責條款部分請務必閱讀正文之后的免責條款部分 13 of 43 化和壓縮模型，通過對每個權重矩陣應用正交矩陣變換實現對模型的極限壓縮。為實現計算不變性，引入新變換矩陣 Q，對變換后的權重矩陣進行細分化切片，將稀疏性集中在權重矩陣的底部行，并刪除相應的列。在預測結果不變的前提下，權重矩陣的尺寸變小，從而減小了模型的參數量和計算需求。實驗數據顯示，S

58、liceGPT 可以為 LLAMA-2 70B、OPT 66B 和 Phi-2 模型去除多達去除多達 25%的模型參數的模型參數（包括嵌入），同時分別保持密集模型 99%、99%和 90%的零樣本任務性能。保證模型性能的前提下，SliceGPT 具備推理運算量顯著降低、推理速度提高、計算成本降低、吞吐量提高、無需額外代碼優化等優勢。圖圖 9 引入正交變換，縮減權重矩陣尺寸（右圖）引入正交變換，縮減權重矩陣尺寸（右圖）數據來源：SLICEGPT:COMPRESS LARGE LANGUAGE MODELS BY DELETING ROWS AND COLUMNS 圖圖 10 不同參數量、不同數據

59、集下，裁剪模型的零樣本任務準確率不同參數量、不同數據集下，裁剪模型的零樣本任務準確率 數據來源：SLICEGPT:COMPRESS LARGE LANGUAGE MODELS BY DELETING ROWS AND COLUMNS 行業深度研究行業深度研究 請務必閱讀正文之后的免責條款部分請務必閱讀正文之后的免責條款部分 14 of 43 表表 11 SliceGPT具備推理運算量低、速度提高、計算成本降低、吞吐量提高、無需額外代碼優化等優勢具備推理運算量低、速度提高、計算成本降低、吞吐量提高、無需額外代碼優化等優勢 推理計算量顯推理計算量顯著降低著降低 LLAMA-2 70B 的推理總計算

60、量在 24GB 的消費級 GPU 和 40GB 的 A100 GPU 上，分別減少到了密集模型的 64%和 66%。推理速度提升推理速度提升 對模型剪裁 25%后，OPT 66B 和 LLAMA-2 70B 模型在 RTX6000 GPU 和 A100 GPU 上的推理速度分別提高了 16-17%和 11-13%。計算成本較低計算成本較低 所有 LLAMA-2、OPT 和 Phi-2 模型都可以在單個 GPU 上花費 1 到 3 小時的時間進行切分。通過恢復微調，可以在 1 到 5 個小時內壓縮所有 LM。吞吐量提升吞吐量提升 一次性切片即可,無需重復訓練調參。切片后的矩陣仍然稠密,計算速度更

61、快,批處理大小加大,故總體吞吐量提升明顯。在 GPU 數量固定的情況下，被剪裁過的模型的吞吐量將分別達到原稠密模型的 6.26 倍和 3.75 倍。無需額外代碼無需額外代碼優化優化 SliceGPT 可以直接在消費級顯卡上運行（如 N 卡的 4090、4080），無需任何額外的代碼優化。數據來源：SLICEGPT:COMPRESS LARGE LANGUAGE MODELS BY DELETING ROWS AND COLUMNS，機器之心，AIGC開放社區，國泰君安證券研究 大模型壓縮：萬億級大模型目前已可壓縮大模型壓縮：萬億級大模型目前已可壓縮 20 倍，證實可行性。倍，證實可行性。1.6

62、 萬億參數的 SwitchTransformer-c2048 模型需要 3.2TB的 GPU 顯存才能有效運行。全新的壓縮和執行框架 QMoE 通過采用專門設計的 GPU 解碼內核，具備了高效的端到端壓縮推理，不僅可以實現高達 20 倍的壓縮率，而且只會產生輕微的精度損失。QMoE 僅需單個 GPU 服務器，就可在一天內將 1.6 萬億參數的 SwitchTransformer-c2048 模型壓縮至不到160GB，相當于每參數只有 0.8 位。該結果不僅證明了先進量化方法的該結果不僅證明了先進量化方法的有效性，而且還表明極低位寬的壓縮確實適用于大規模的有效性，而且還表明極低位寬的壓縮確實適用

63、于大規模的 MoE。圖圖 11 大模型壓縮倍數及體積大模型壓縮倍數及體積 數據來源：QMoE:Practical Sub-1-Bit Compression of Trillion-Parameter Models 3.1.2.優化內存管理：蘋果閃存方案效果顯著優化內存管理：蘋果閃存方案效果顯著 優化內存管理：蘋果利用閃存，解決終端大模型部署的內存瓶頸。優化內存管理：蘋果利用閃存，解決終端大模型部署的內存瓶頸。計算機的記憶體簡單分為內存（Ram）和閃存（Flash），內存用于臨時存儲需要隨時訪問的數據和指令，它提供高速的讀寫，有較高的存儲密度；閃存正相反，它讀寫較慢，適用于長期數據的存儲。因此

64、從特性上看，內存更適合需要頻繁讀寫的大模型，目前的標準方法是將整個模型加載到 DRAM 中進行推理。但如前文所分析，70 億參數的模型僅加載參數就需要超過 14GB的內存，僅以半精度浮點格式加載，超出了大多數邊 行業深度研究行業深度研究 請務必閱讀正文之后的免責條款部分請務必閱讀正文之后的免責條款部分 15 of 43 緣設備的能力。蘋果提出將模型參數存儲在至少比蘋果提出將模型參數存儲在至少比 DRAM 大一個數量大一個數量級的級的閃存上，然后在推理過程中直接且巧妙地從閃存中加載所需的參數，閃存上，然后在推理過程中直接且巧妙地從閃存中加載所需的參數，避免了需要將整個模型適應避免了需要將整個模型

65、適應 DRAM 的需求。的需求。圖圖 12 相比相比 DRAM，閃存容量大但帶寬低，閃存容量大但帶寬低 數據來源：LLM in a flash：Efficient Large Language Model Inference with Limited Memory 優化內存管理：蘋果利用兩種互補技術來最小化數據傳輸并最大化閃存優化內存管理：蘋果利用兩種互補技術來最小化數據傳輸并最大化閃存吞吐量。吞吐量。由于 LLMs 在前饋網絡（FFN）層具有很高的稀疏性，蘋果利用該特性有選擇性地從閃存中加載只有非零輸入或預測為非零輸出的參數。具體而言，蘋果構建了一個以閃存為基礎的推理成本模型，并使用窗口化（

66、Windowing）以及行列捆綁（Row-Column Bundling）兩項關鍵技術，來最小化數據傳輸并最大化閃存吞吐量。窗口化僅為前幾個tokens 加載參數，并重用最近計算的 tokens 的激活，這種滑動窗口方法減少了加載權重的 IO 請求數量。行列捆綁方法存儲上投影和下投影層的串聯行和列，以讀取閃存的更大連續塊，這將通過讀取更大的塊來增加吞吐量。窗口化和行列捆綁共同促使數據負載大幅減少，提高了內存使用效率。圖圖 13 滑動窗口技術滑動窗口技術重復使用部分已處理的數據重復使用部分已處理的數據 數據來源：LLM in a flash：Efficient Large Language Mo

67、del Inference with Limited Memory 行業深度研究行業深度研究 請務必閱讀正文之后的免責條款部分請務必閱讀正文之后的免責條款部分 16 of 43 圖圖 14 將對應的列和行一起存儲，可以將數據整合成更大的塊進行讀取將對應的列和行一起存儲，可以將數據整合成更大的塊進行讀取 數據來源：LLM in a flash：Efficient Large Language Model Inference with Limited Memory 優化內存管理：效果顯著，手機端部署大模型可行性進一步得到驗證。優化內存管理：效果顯著，手機端部署大模型可行性進一步得到驗證。蘋果的閃存

68、方法預測 FFN 的稀疏性并避免加載零化的參數，優化成本模型和按需選擇性加載參數，實現了可以運行比設備實現了可以運行比設備 DRAM 容量大兩倍容量大兩倍的模型，并在的模型，并在 CPU 和和 GPU 上分別比傳統方法提速上分別比傳統方法提速 4-5 倍和倍和 20-25 倍。倍。3.1.3.拔高內存：拔高內存：3D Dram 技術是落地移動設備的理想方案技術是落地移動設備的理想方案 3D Dram 技術小體積、大容量的特質，是落地移動設備的理想方案。技術小體積、大容量的特質，是落地移動設備的理想方案。除了對大模型體積進行優化外，內存容量本身的擴容也是必然趨勢。根據根據美光美光 CEO，AI

69、手機的內存容量手機的內存容量預計預計將比當今的非將比當今的非 AI 旗艦手機高出旗艦手機高出 50%到到 100%。3D DRAM 技術的小巧體積和大容量，有望成為移動設備的技術的小巧體積和大容量，有望成為移動設備的理想內存解決方案。理想內存解決方案。3D DRAM（垂直存儲器）核心原理是利用垂直堆疊的方式，將存儲單元置于一個二維陣列中，通過垂直疊加顯著提高容量，同時降低平面面積的占用，使得單位面積內的存儲容量顯著增加，從而實現容量的最大化。除容量大，3D DRAM 亦具備數據訪問速度快的優勢。傳統的 DRAM在讀取和寫入數據時需要經過復雜的操作流程，而 3D DRAM 可以直接通過垂直堆疊的

70、存儲單元讀取和寫入數據，極大地提高了訪問速度。圖圖 15 3D DRAM 通過垂直疊加顯著提高容量通過垂直疊加顯著提高容量 數據來源：Neo Semiconductor 3D Dram 加速商業化，手機內存容量有望實現跨越式突破。加速商業化，手機內存容量有望實現跨越式突破。2024 年 1月，三星電子在美國硅谷開設了新的 R&D 研究實驗室，專注于下一代 3D DRAM 芯片的開發。2023 年 9 月三星推出了業界首款且容量最高的 行業深度研究行業深度研究 請務必閱讀正文之后的免責條款部分請務必閱讀正文之后的免責條款部分 17 of 43 32 Gb（G bit，非 GB/G Byte）DD

71、R5 DRAM 芯片，采用 12nm 級工藝打造，可生產出 1TB的內存產品。2023 年 10 月三星宣布計劃在下一代 10 nm 或更低的 DRAM 中引入新的 3D 結構，而不是現有的 2D 平面結構，將一顆芯片的容量增加 100G 以上。根據 Neo Semiconductor 的估計，3D X-DRAM 技術可以跨 230 層實現 128 Gb 的密度，是當前 DRAM 密度的八倍。NEO 提出每十年容量增加提出每十年容量增加 8 倍的目標，目標是在倍的目標，目標是在2030年至年至 2035年間實現年間實現 1Tb容量，比目前容量，比目前 DRAM核心容量增加核心容量增加 64倍。

72、倍。圖圖 16 3D DRAM 技術助力內存容量實現跨越式突破技術助力內存容量實現跨越式突破 數據來源：Neo Semiconductor 3.2.異構方案下，頭部芯片廠商有望突破推理算力制約異構方案下，頭部芯片廠商有望突破推理算力制約 3.2.1.NPU 提供高性能算力支撐提供高性能算力支撐 大模型從云端向終端延伸需要端側大模型從云端向終端延伸需要端側AI推理算力支撐，推理算力支撐，CPU+GPU+NPU的集成化將成為處理器未來發展方向。的集成化將成為處理器未來發展方向。NPU（神經網絡處理單元）更適配AI的推理算力需求，相較于傳統的CPU和GPU，NPU擁有更高的能效比和專用性，能夠更高效

73、地處理神經網絡計算?！癈PU+GPU+NPU”的異構方案嵌入NPU后，由CPU運行較小的工作負載并實現低延遲，NPU專門針對神經網絡工作負責進行優化，GPU則用于需要并行吞吐量的大型工作負載。3U結合的異構方案能夠實現更快速、更高效率的邊緣AI模型推理，同時最大限度地提高設備熱效率和電池壽命。圖圖 17 高通高通 AI 引擎采用異構架構，其中搭載了引擎采用異構架構，其中搭載了 Hexagon NPU 數據來源：高通官網 行業深度研究行業深度研究 請務必閱讀正文之后的免責條款部分請務必閱讀正文之后的免責條款部分 18 of 43 頭部廠商頭部廠商SoC性能大幅提高，性能大幅提高，NPU算力跨過算

74、力跨過 30 TOPS門檻。門檻。根據IDC定義，新一代 AI 手機指 NPU 算力大于 30 TOPS、搭載能夠支持更快速高效端側 Gen AI 模型的 SoC、支持包括 Stable Diffusion 和各種大語言模型在內的 Gen AI 模型在端側運行的智能手機。在此定義下，頭部SoC產品如高通驍龍 8 Gen 3、聯發科天璣 9300 及蘋果 A17 Pro符合此算力要求。3.2.2.驍龍驍龍 8 系列、天璣系列、蘋果系列、天璣系列、蘋果 A 系列持續迭代系列持續迭代 第三代驍龍第三代驍龍 8 移動平臺于移動平臺于 2023 年年 10 月推出，是一款集終端側智能、頂月推出，是一款集

75、終端側智能、頂級性能和能效于一體的強大產品。級性能和能效于一體的強大產品。與前代平臺相比，驍龍 8Gen3 用Hexagon NPU代替了原有的Hexagon DSP，在架構、計算單元上都進行了重新設計，內部運行頻率更高，內部緩存空間更大，實現了顯著的運行速度的提升。驍龍驍龍 8Gen3 的的AI引擎總算力達到了引擎總算力達到了 73 TOPS每秒，每秒，相比前代產品提升 98%，同時能效提升 40%。CPU 沿用臺積電 4nm工藝，三叢集布局架構從原來的 1+4+3 升級為 1+5+2，性能提升 30%，能效提升 20%；GPU 性能和能效均提升 25%，光線追蹤性能提升了 40%，3DMa

76、rk光追大幅領先于蘋果A17 Pro。圖圖 18 驍龍驍龍 8Gen3 平臺性能大幅提升平臺性能大幅提升 數據來源：高通 第三代驍龍第三代驍龍 8 能夠支持復雜的大語言模型、大視覺模型以及生成式能夠支持復雜的大語言模型、大視覺模型以及生成式AI應用。應用。例如支持終端側運行高達 100 億參數的生成式AI模型，以每秒生成 20 個token的速度運行 70 億參數的大語言模型，并支持Fast Stable Diffusion在 0.6 秒內生成圖像。在第三代驍龍 8 移動平臺賦能下，一系列旗艦AI智能手機展示出出色的生成式AI特性，比如AI賦能的照片擴展和照片魔法擦除（Xiaomi 14 Pr

77、o）、智慧成片和智慧創建日程（榮耀Magic6 Pro）、圖片AI消除（OPPO Find X7 Ultra）。此外，高通在MWC帶來了第三代驍龍 8 的最新生成式AI技術演示，包括全球首個在Android手機上運行的多模態語言模型，以及高通首個在Android手機上運行的LoRA模型。行業深度研究行業深度研究 請務必閱讀正文之后的免責條款部分請務必閱讀正文之后的免責條款部分 19 of 43 圖圖 19 通過通過 Stable Diffusion 在手機本地快速生成圖像在手機本地快速生成圖像 數據來源：高通 驍龍驍龍 8 Gen4 將于將于 10 月發布，月發布，3nm制程制程+自研內核，性

78、能大幅提升。自研內核，性能大幅提升。高通在MWC 2024 活動中宣布驍龍 8 Gen4 將于 10 月發布，驍龍驍龍 8 Gen4基于臺積電的基于臺積電的 3nm工藝制程，工藝制程，放棄了Arm公版架構設計，轉而采用高通自研的Oryon內核，大幅提升處理器的性能表現。具體規格方面，驍龍 8 Gen4 將采用全新的雙集群八核心CPU架構方案，包括 2 個Nuvia Phoenix性能核心和 6 個Nuvia Phoenix M核心。此外，它還將集成Adreno 830 GPU，其理論性能表現甚至優于蘋果的M2 芯片。據IT之家，驍龍驍龍 8 Gen 4 將將成為業內首款支持成為業內首款支持 L

79、PDDR6 內存的旗艦芯片，內存的旗艦芯片，而蘋果將于 2024 年推出的 A18 Pro 芯片會采用 LPDDR5T 規格。聯發科天璣聯發科天璣 9300 開創性采用全大核開創性采用全大核CPU架構，從底層大幅提升芯片算架構，從底層大幅提升芯片算力。力。為了提供生成式 AI 時代的算力需求，天璣 9300 使用全大核CPU 架構，包含 4 個 Cortex-X4 超大核，最高頻率可達 3.25GHz，以及 4 個主頻為 2.0GHz 的 Cortex-A720 大核，其峰值性能相較上一代提升 40%，同性能情況下功耗節省 33%。圖圖 20 天璣天璣 9300 搭載全大核搭載全大核 CPU

80、及第七代及第七代 AI 處理器處理器 APU 790 數據來源：聯發科技官網 常規能力之外，聯發科著重升級了天璣常規能力之外，聯發科著重升級了天璣 9300 的的 AI 性能，能夠實現更性能，能夠實現更 行業深度研究行業深度研究 請務必閱讀正文之后的免責條款部分請務必閱讀正文之后的免責條款部分 20 of 43 快速且安全的邊緣快速且安全的邊緣 AI 計算。計算。天璣 9300 集成了 MediaTek 第七代 AI 處理器 APU 790，整數運算和浮點運算的性能是前一代的兩倍，功耗降低了 45%。APU 790 內置了硬件級的生成式 AI 引擎，專門針對目前大語言模型常用的 Transfo

81、rmer 進行算子加速，大模型的處理速度是上一代的 8 倍。70 億參數大語言模型的端側推理可以做到每秒 20 token。針對終端難以部署超大體積億級參數大語言模型的問題，聯發科開發了聯發科開發了混合精度混合精度 INT4 量化技術，將量化技術，將 130 億參數大模型壓縮至億參數大模型壓縮至 13GB，再結合，再結合其特有的內存硬件壓縮技術其特有的內存硬件壓縮技術 NeuroPilot Compression，進一步把，進一步把 13GB內存壓縮至內存壓縮至 5GB，內存占用直降，內存占用直降 61%。在與 vivo 的合作中，天璣 9300 已經率先實現了 7B 和 13B 大模型在移動

82、端的推理，終端產品即將面世。在更極限的情況下，聯發科還跑通了高達 330 億 的大模型。Stable Diffusion方面，端側的 AI 圖片生成可以做到一秒以內出圖。圖圖 21 LoRA 文生圖、大模型生成文字能力出眾文生圖、大模型生成文字能力出眾 數據來源：聯發科技公眾號 圖圖 22 生成式生成式 AI 能力行業內領先能力行業內領先 數據來源：聯發科技公眾號 天璣天璣 9400 預計于預計于Q4 發布，可支持超大模型的端側部署。發布，可支持超大模型的端側部署。據CNMO，聯發科計劃在 2024 年第四季度推出天璣 9400，基于臺積電 3nm制程，繼續采用Arm內核，在天璣 9300 架

83、構基礎上，大核從Cortex-X4 升級到 行業深度研究行業深度研究 請務必閱讀正文之后的免責條款部分請務必閱讀正文之后的免責條款部分 21 of 43 Cortex-X5，同時依舊支持LPDDR5T內存，以滿足本地AI運算的需求。天璣天璣 9400 或將支持在設備端運行更大的或將支持在設備端運行更大的AI模型，預計將超過天璣模型，預計將超過天璣 9300的的 330 億參數大語言模型。億參數大語言模型。蘋果蘋果A17 Pro是業界首款是業界首款 3nm芯片，可實現芯片，可實現 35 TOPS。A17 Pro采用 6 核CPU，全新CPU微架構和設計改進同時適用于性能核心和能效核心，性能核心提

84、升最快可達 10%，能效核心在業界一騎絕塵，帶來競品 3 倍的性能功耗比。全新的GPU采用采用 6 核設計，峰值性能提升最高可達 20%。內部搭載 16 核AI神經引擎，神經網絡引擎運行機器學習模型的速度提升最快可達 2 倍，算力可達 35TOPS，可支持iOS 17 中的自動糾錯、從照片背景中提取主體、為有失語風險的用戶創建個人語音等功能。圖圖 23 蘋果蘋果 A17 Pro 相較歷代芯片在相較歷代芯片在 TOPS 方面提升顯著方面提升顯著 數據來源：CPU Monkey，機器之心，網易 iPhone 16 系列將搭載系列將搭載 A18、A18 Pro，單、多核跑分提升約，單、多核跑分提升約

85、 20.44%和和13.40%。根據 Geekbench 上的跑分結果，A18 Pro 單核得分約為 3500，多核得分約 8200，與之相比，前代的 A17 Pro 在 Geekbench 6 測試中取得單核平均分 2906 分、多核平均分 7231 分的成績，單、多核分別提升了約 20.44%和 13.40%。4.各品牌各品牌 AI 手機加速面世，關注全棧自研能力手機加速面世，關注全棧自研能力 4.1.安卓手機廠商加速推出安卓手機廠商加速推出 AIAI 旗艦機型，靜待需求兌現旗艦機型，靜待需求兌現 4.1.1.OPPO AI 功能使用率超預期，“功能使用率超預期，“1+N”理念擘畫”理念擘

86、畫 AI 手機終極形手機終極形態態 OPPO 高調宣布進入高調宣布進入 AI 手機時代，手機時代，AI 功能使用率超預期。功能使用率超預期。在 2024 年春節期間，OPPO 為 Find X6/X7 等一系列機型推送了“AI 新春版”，帶來了 AI 消除、通話摘要、新小布助手、小布照相館、小布 AI 賀卡等上百款 AI 功能。據 OPPO 首席產品官劉作虎，OPPO 的的 AI 消除功能人均消除功能人均每天使用次數已高達每天使用次數已高達 15 次，次，爆款特質已現。爆款特質已現。劉作虎表示 OPPO 把 AI 作為手機下一個時代最重要的戰略，沒有設置投入上限。2 月 20 日，OPPO A

87、I 中心于濱海灣數據中心正式揭牌成立，濱海灣數據中心能夠支持千億0510152025303540A11A12A14A15A16A17 ProTOPS 行業深度研究行業深度研究 請務必閱讀正文之后的免責條款部分請務必閱讀正文之后的免責條款部分 22 of 43 級 AI 模型訓練、兩毫秒的骨干網絡鏈接超低時延，是 OPPO 安第斯智能云全球混合云基礎設施建設的關鍵組成部分。圖圖 24 智能消除功能日均使用量已達智能消除功能日均使用量已達 15 次次 數據來源：OPPO 官網 圖圖 25 智能識別通話內容，生成重點信息摘要智能識別通話內容，生成重點信息摘要 數據來源：OPPO 官網 OPPO“1+

88、N”理念擘畫了理念擘畫了 AI 手機的終極形態。手機的終極形態。OPPO 首次公布其 1+N智能體生態戰略，其中“1”代表”代表 OPPO AI 超級智能體，扮演超級智能體，扮演 AI 時代時代操作系統的角色，操作系統的角色，具備傳統智能手機不支持的自學習感知能力、長期記憶能力和工具調用能力，能基于知識圖譜、文檔數據以及搜索引擎，精準理解用戶意圖，充分調用其他多種工具并給出準確結果?！癗”代表基”代表基 行業深度研究行業深度研究 請務必閱讀正文之后的免責條款部分請務必閱讀正文之后的免責條款部分 23 of 43 于于 OPPO AI Pro 智能體開發平臺所賦能的全新智能體生態。智能體開發平臺

89、所賦能的全新智能體生態。通過該平臺，普通用戶無需掌握專業的編程技能，可通過零代碼自然語言交互，快速生成專屬用戶個人的個性化 AI 智能體。簡單來說，AI 超級智能體是大超級智能體是大腦，賦能、指揮、調用腦，賦能、指揮、調用 N個小智能體，個小智能體，N個小智能體是無數個個個小智能體是無數個個性化的性化的智能應用，由用戶開發，下沉于用戶需求的各個場景，聽由超級智能體智能應用，由用戶開發，下沉于用戶需求的各個場景，聽由超級智能體調用?！罢{用?！?+N”既體現了“分而治之”的理念，依托于各個細分場景，既體現了“分而治之”的理念，依托于各個細分場景，做到精細化、專業化、個性化，又具備“統攬全局”的特質

90、，超級智能做到精細化、專業化、個性化，又具備“統攬全局”的特質，超級智能體連接各個孤島，以總管家的角色直接對接用戶需求。體連接各個孤島，以總管家的角色直接對接用戶需求。圖圖 26 OPPO 提出提出 1+N 智能體生態戰略智能體生態戰略 數據來源：OPPO 發布會 圖圖 27 用戶可定義專屬的個性化智能體用戶可定義專屬的個性化智能體 數據來源：AI 手機白皮書 4.1.2.各大安卓廠商紛紛推出各大安卓廠商紛紛推出 AI 手機，功能各異手機，功能各異 谷歌率先推出谷歌率先推出 Pixel 8 系列機型，首次實現系列機型，首次實現 AI 在手機端落地。在手機端落地。2023 年10 月 4 日，谷

91、歌發布新一代智能手機 Pixel 8 系列，搭載自研 Tensor G3 芯片，側重 AI 方面的能力提升，Tensor G3 在設備上運行的機器學習模型數量是 Pixel 6（Tensor 初代芯片）的 2 倍。在芯片性能加持下，在芯片性能加持下，Pixel 8 Pro 內置谷歌內置谷歌 Gemini Nano，率先實現了大模型在手機端的落地，率先實現了大模型在手機端的落地，支持實時語音轉換成文字、來電篩選、自動回復消息、完美拍攝、圖像魔法編輯器、音頻魔術橡皮擦等功能。此外，谷歌還推出了 Assistant with Bard，定位為用戶的個人助理，可幫助朗讀和翻譯網頁并生成摘要，未來將與

92、Gmail、文檔集成，通過與 Assistant 的交互，執行照片創建標題、創建購物清單以及在電子郵件收件箱中查找信息等一系列操作。行業深度研究行業深度研究 請務必閱讀正文之后的免責條款部分請務必閱讀正文之后的免責條款部分 24 of 43 圖圖 28 端側實現音頻摘要端側實現音頻摘要 圖圖 29 基于語義理解能力實現自動回復基于語義理解能力實現自動回復 數據來源：Google store 數據來源：Google store 圖圖 30 圖像圖像 Magic editor 可移動物體、調整光線可移動物體、調整光線 圖圖 31 即圈即搜功能無需切換應用程序即可完成搜索即圈即搜功能無需切換應用程序

93、即可完成搜索 數據來源：Google store 數據來源：Google store 三星三星 Galaxy S24 系列通話即時翻譯、即圈即搜功能亮眼。系列通話即時翻譯、即圈即搜功能亮眼。三星 Galaxy S24 系列搭載了高通驍龍 8 Gen3 for Galaxy 芯片，并搭載系統級集成的AI 大模型 Galaxy AI，可在通話、筆記、系統相冊等界面中調出。針對針對通訊，通訊，即時翻譯功能 Live Translate 無需調用第三方程序，只需使用本地部署的應用即可進行通話雙向實時語音和文字翻譯。聊天助手 Chat Assist 可以幫助調整對話語氣，確保語句符合原意。Samsung

94、 Keyboard內建的AI還可即時翻譯13 種語言的訊息和電子郵件等。針對效率提升，針對效率提升，Galaxy S24 是首款配備與 Google 合作的 Circle to Search 功能的手機，用戶只需僅通過圈選、高亮、涂鴉或點擊的方式，即可搜索屏幕上的任何圖像、視頻或文本，無需離開當前頁面即可快速獲取所需信息。針對圖針對圖像處理，像處理，Galaxy AI 帶來相片助手 Photo Assist 功能，可進行擦除、重新構圖或修復等簡單編輯，并加入生成式編輯功能，可填充背景畫面、調整主體位置、自動補充慢動作畫面幀。行業深度研究行業深度研究 請務必閱讀正文之后的免責條款部分請務必閱讀正

95、文之后的免責條款部分 25 of 43 圖圖 32 通話系統中內置實時翻譯功能通話系統中內置實時翻譯功能 圖圖 33 即圈即搜功能無需離開當前頁面即可完成搜索即圈即搜功能無需離開當前頁面即可完成搜索 數據來源：Samsung官網 數據來源：Samsung官網 魅族宣布魅族宣布 ALL in AI 戰略謀求破局，開放大模型權限，專注硬件。戰略謀求破局，開放大模型權限，專注硬件。魅族2 月宣布 All in AI 戰略，同時將停止傳統智能手機新項目的開發。All in AI 戰略包括打造 AI Device 產品、重構 Flyme 系統和建設 AI 生態。其中，打造 AI Device 包括產品形

96、態 AI 原生設計、硬件算力 AI 全局調用等；從底層重構 Flyme 系統及應用，讓 AI 技術更深入地融入操作系統中；魅族還將重點建設 AI 生態，向包括向包括 OpenAI 在內的眾多國際頂級在內的眾多國際頂級大模型團隊全面開放魅族大模型團隊全面開放魅族 AI Device 硬件，硬件，允許 LLM 向用戶請求數據，并開放 SOC 邊緣 AI API 等技術接口，向所有大模型提供系統權限、Flyme API 文檔等支持。其中，針對月活用戶最好的大模型應用團隊，還特別設置 100 萬人民幣懸賞機制。此外，魅族首款 AI Device 硬件產品也將在 2024 年內正式發布，并在未來三年累計

97、推出 6 款硬件產品。圖圖 34 Flyme AI 功能功能 數據來源：魅族官網 行業深度研究行業深度研究 請務必閱讀正文之后的免責條款部分請務必閱讀正文之后的免責條款部分 26 of 43 圖圖 35 魅族對魅族對 AI 終端設備持續迭代終端設備持續迭代 數據來源：魅族官方微博 發力點各有側重，發力點各有側重，Vivo、小米分別攻堅大模型、影像能力。、小米分別攻堅大模型、影像能力。Vivo 推出行業首個在手機端運行的開源自研大模型藍心大模型，覆蓋機型已達到 25 款，其中藍心大模型擁有 1B、7B、70B、130B、175B 等 5 款參數量。小米 14 Ultra 發布了全球首個 AI 大

98、模型計算攝影平臺 AISP。AI 加持的小米 14 Ultra，可以實現 150 張全算法圖片連續抓拍，而在同等時間里，iPhone 能拍到 65 張全算法照片，其他安卓手機大約能拍到 20-30 張全算法照片。此外，在 30 倍或更高的光學變焦場景下，小米直接利用 AIGC 技術重繪了圖像，突破了過往手機硬件能力的限制。通過 AI 優化運算、存儲和調用的邏輯，小米 14 Ultra 的超級數字底片可以提取大量原始光學數據，比專業攝影師常用的后期格式 RAW 更豐富，是迄今為止移動領域數據量最龐大的 RAW 格式照片。行業深度研究行業深度研究 請務必閱讀正文之后的免責條款部分請務必閱讀正文之后

99、的免責條款部分 27 of 43 表表 12 代表性代表性 AI 手機機型概覽手機機型概覽 谷歌谷歌 三星三星 OPPO 魅族魅族 型號型號 Pixel 8 系列 Galaxy S24 系列 Find X7 魅族 21 PRO 發布時間發布時間 2023 年 10 月 2024 年 1 月 2024 年 2 月 2024 年 2 月 芯片芯片 Google 自研最 新定制芯片 Tensor G3 高通驍龍 8Gen3 for Galaxy 高通驍龍 8Gen3 高通驍龍 8Gen3 大模型大模型 谷歌 Gemini Nano 谷歌 Gemini Nano OPPO 安第斯大模型 對所有的大模型

100、平臺進行開放 功能功能 圖片：利用既有照片創建混合圖像，生成一張新的照片；可調整光線和背景，以實現更完美的成像效果。圖片：調平傾斜畫面，人物移位，生成背景 圖片：智能消除 圖片：AI 搜圖，圖片擴展，魔法消除，AI寫真 音頻視頻：調整視頻的顏色、照明、穩定性和顆粒度，從而生成逼真的視頻；智能識別噪音干擾 視頻音頻：為運動畫面補幀 視頻音頻：-視頻音頻：-文字生成：網頁智能摘要、朗讀和翻譯網頁 文字生成：根據場景選擇合適文風及語氣；筆記摘要并生成封面 文字生成：小布助手提供智能問答 文字生成：即問即答，輔助寫作 交流：理解人類語言細節；垃圾來電攔截 交流：通話實時翻譯、轉錄助手 交流：語音通話智

101、能摘要 交流：上下文關聯回復，指定語氣回復，通話紀要 個人助手 Assistant with Bard，管理個人事項 即圈即搜功能，圈取屏幕上任何內容即可獲得搜索結果，無需跳轉 APP 或切換界面 小布照相館智能生成寫真照片 設置 AI 靈動鍵，一鍵呼出 Aicy 助手，聽說讀寫譯，一圈即來 數據來源：鈦媒體，極客公園，IT 之家，科技美學，IT 之家，谷歌官網，三星官網，OPPO 官網，魅族官網，國泰君安證券研究 4.2.蘋果具備全棧式能力，持續投入帶來持續產出蘋果具備全棧式能力，持續投入帶來持續產出 蘋果叫停電動汽車項目加碼蘋果叫停電動汽車項目加碼 AI，并非剛剛入局，而是厚積薄發。，并非

102、剛剛入局，而是厚積薄發。據彭博社，蘋果的電動汽車“泰坦計劃”項目（啟動于 2014 年、已投入數十億美金）即將被叫停，團隊將部分轉崗至生成式人工智能項目。盡管當前 AI 浪潮下，蘋果并未推出相關產品，亦從未透露 AI 項目進展，但其已默默耕耘多年，本次放棄造車、加碼 AI 側面印證蘋果在 AI 方面的野心。事實上，自 2010 年收購 Siri 起，十余年里蘋果已收購超 30 家 AI初創公司（不完全統計）。如基于 Vilynx 開發的一種可分析視頻的圖像、音頻和文本的 AI 工具，并為視頻創建相關標簽，從而對視頻進行搜索引擎優化，蘋果收購 Vilynx 以改進 Siri 及其他基于 AI 的

103、應用。此外收購 Inductiv 以改善 Siri 的數據，收購 V oysis 以提高 Siri 對自然語言的理解，收購 PullString 則是為了讓 iOS 開發人員更容易在應用中使用 Siri 功能。2023 年蘋果收購了專注于 AI 視頻壓縮的 WaveOne，通過“內容感知”的視頻壓縮和解壓算法減小視頻文件的大小，比如可以優先考慮保留人臉，而省略場景中的其他元素以節省帶寬。據S 的數據，2023 年蘋果收購了多達 32 家 AI 初創公司，高于谷歌的 21 家，Meta 的 18 家，微軟的 17 家。行業深度研究行業深度研究 請務必閱讀正文之后的免責條款部分請務必閱讀正文之后的

104、免責條款部分 28 of 43 圖圖 36 Stocklytics 預估預估 2023 年蘋果收購年蘋果收購 32 家家 AI 初創公司初創公司 數據來源：Stocklytics 表表 13 蘋果收購蘋果收購 AI 公司不完全統計公司不完全統計 收購時間收購時間 公司公司 成立時間成立時間 收購額收購額($)國家國家 公司技術公司技術 2010年 4月 Siri 2007年 美國 語音識別 2010年 9月 Polar Rose 2004年 2900萬 瑞典 面部識別 2013年 Novauris 2002年 英國 自動語音識別 2013年 11月 PrimeSense 2005年 3.6億

105、以色列 深度感知、結構光識別、動感捕捉攝像頭 2015年 9月 Perceptio 2014年 美國 照片自動分類 2015年 9月 V ocallQ 2011年 英國 語音識別 2015年 11月 Faceshift 2012年 瑞士 三維運動捕捉 2016年 1月 Emotient 2012年 美國 面部情感識別 2016年 8月 Turi 2013年 2億 美國 機器學習 2016年 9月 Tuplejump 2013年 印度 機器學習、大數據 2017年 2月 RealFace 2014年 200萬 以色列 人臉識別 2017年 5月 Lattice Data 2015年 2億 美國

106、數據挖掘 2017年 6月 SensoMotoric Instruments 1991年 德國 眼球追蹤 2017年 9月 Regaind 2015年 法國 圖像分類 2017年 10月 Init.ai 2015年 美國 消息助手 2017年 12月 Pop Up Archive 2012年 美國 音頻搜索 2017年 12月 Spektral 2014年 3000萬 丹麥 實時視頻背景替換 2018年 9月 Shazam 1999年 4億 英國 音樂識別內容推薦 2018年 10月 Asaii 2016年 1億 美國 音樂分析內容推薦 2018年 11月 Silk Labs 2015年 美國

107、 人臉識別聲音監測 2019年 2月 DataTiger 2016年 英國 Al營銷 2019年 2月 PullString 2011年 4480萬 美國 語音會話 2019年 3月 Laserlike 2015年 2410萬 美國 機器學習 2019年 6月 Drive.ai 2015年 美國 自動駕駛 2019年 8月 Fashwell 2013年 瑞士 圖像識別 2019年 12月 Spectral Edge 2011年 英國 白平衡優化 2020年 1月 Xnor.ai 2016年 2億 美國 圖像識別 05101520253035AppleGoogleMetaMicrosoftAma

108、zon2023年科技巨頭收購AI公司數量 行業深度研究行業深度研究 請務必閱讀正文之后的免責條款部分請務必閱讀正文之后的免責條款部分 29 of 43 2020年 4月 Dark Sky 2012年 美國 Al天氣預測 2020年 4月 V oysis 2012年 愛爾蘭 語音識別 2020年 5月 Inductiv 2017年 加拿大 自動識別糾錯 2020年 9月 vilynx 2011年 5000萬 西班牙 Al分析視頻內容 2021年 1月 Curious Al 2015年 芬蘭 構建自主 Al 2022年 2月 Al Music 2016年 3300萬 英國 Al定制音樂 2023年

109、 3月 WaveOne 2016年 美國 視頻壓縮 Al算法 數據來源：極客公園 持續投入帶來持續產出，大模型、多模態、空間計算等多領域均有進展。持續投入帶來持續產出，大模型、多模態、空間計算等多領域均有進展。（1）大語言模型方面，）大語言模型方面，蘋果自研的 Ajax GPT 訓練參數量超過 2000 億（截至 2023 年 9 月），部分功能上可能強于 GPT-3.5，蘋果計劃將其大語言模型融入 Siri 并在手機端運行。據 The Information 報道，蘋果訓練模型的預算已增加至數百萬美元/天，高于 GPT-4 的訓練預算。（2）多模態方面，）多模態方面，2023 年末蘋果發布了

110、 Ferret 多模態大語言模型，模型支持文字、聲音、影像的多模態輸入，并通過其獨特的混合區域表示技術，有效地識別和描述圖像中的復雜空間關系。和 GPT4 相比，Ferret的領先之處在于不僅能準確識別并處理圖像內容，還能用算法區分圖片中各種元素（人、物體等等），并根據用戶指令找出對應元素。這種多模態理解能力，使得 Ferret 能夠同時處理用戶輸入的圖像和自然語言，并且由于其算法能夠將圖像中的元素準確拆分、定位，Ferret 可以準確理解如“圖片右上角”、“靠近沙發”這類指令。2024 年 3 月，蘋果發布論文公布最新多模態大模型成果，MM1 多模態大模型參數最高可達 300 億（其他版本包

111、括 30 億、70 億），由密集模型和混合專家（MoE）變體組成，不僅在預訓練指標中實現 SOTA，在一系列已有多模態基準上監督微調后也能保持有競爭力的性能。（3）空間計算方面，）空間計算方面，如前文所述，蘋果通過將模型參數存儲在閃存中，實現了在設備端運行比 DRAM 容量大兩倍的模型，并在 CPU 和 GPU 上分別比傳統方法提速 4-5 倍和 20-25 倍。圖圖 37 蘋果持續投入人工智能領域，預計改進版的蘋果持續投入人工智能領域，預計改進版的 Siri 將于將于 WWDC 亮相亮相 數據來源：騰訊科技，國泰君安證券研究 收購收購 Darwin AI 步履不停，步履不停，iOS 的生成式

112、的生成式 AI 功能即將落地。功能即將落地。據彭博社，蘋果于 3 月最新收購了 Darwin AI，其核心技術是使 AI 系統更加輕便高效，以便于端側部署。據彭博社，蘋果將在 2024 年 6 月的全球開發者大會(WWDC)中推出帶有生成式 AI功能的 iOS 18，AI功能將集成于Siri、行業深度研究行業深度研究 請務必閱讀正文之后的免責條款部分請務必閱讀正文之后的免責條款部分 30 of 43 快捷方式、消息、Apple Music 等中。據9To5Mac，iOS17.4 首個測試版中，蘋果已經開始測試其 AI 功能，Siri 將獲得大語言模型支持，iOS 17.4 代碼表明蘋果正在測試

113、四種不同的人工智能模型。全全棧式能力突出疊加用戶需求龐大，蘋果的棧式能力突出疊加用戶需求龐大，蘋果的 AI 勢能不可小覷。勢能不可小覷。相較于單純的終端手機廠商、大模型研發廠商、芯片設計制造廠商，蘋果在算力、模型、終端應用層面具備全棧式解決方案：算力端，全棧式解決方案：算力端，蘋果自研 A17 Pro 芯片可實現 35 TOPS，可基于自研芯片推出推理加速方案，并適配自研基座大模型；模型端，模型端，除現有的 Ajax GPT 和 Ferret 外，蘋果擁有蘋果擁有得天獨厚的數據優勢，用戶基數龐大的得天獨厚的數據優勢，用戶基數龐大的 iOS 系統提供了大量的語料與用系統提供了大量的語料與用戶行為

114、以供大模型訓練，戶行為以供大模型訓練，2011 年推出的 Siri 目前每月處理的請求量達 250 億次，亦積累了海量用戶對話數據；應用端應用端，全球擁有超過 20 億運行 iOS 操作系統的設備，截至 2023 年 2 月，蘋果的活躍設備裝機量已經突破 20 億大關，iOS 系統為面向 C 端用戶的文字、圖片、音視頻等內容生成服務提供了平臺和受眾，蘋果憑借蘋果憑借 iOS 系統占據了系統占據了 AI 服服務及流量入口的必經之路。蘋果作為有能力參與產業鏈全過程的科技企務及流量入口的必經之路。蘋果作為有能力參與產業鏈全過程的科技企業，其降本增效空間顯著優于產業鏈單環節企業，龐大的用戶基礎亦可業，

115、其降本增效空間顯著優于產業鏈單環節企業，龐大的用戶基礎亦可加速其產品滲透。加速其產品滲透。5.從硬件端、大模型端、手機廠商端看潛在機遇從硬件端、大模型端、手機廠商端看潛在機遇 5.1.硬件端：高性能硬件端：高性能 N NPUPU 享議價權，散熱材料、內存芯片價值享議價權，散熱材料、內存芯片價值量提升在即量提升在即 5.1.1.NPU：異構計算成最優解，：異構計算成最優解，NPU 溢價有望提振高通毛利率溢價有望提振高通毛利率 AI 算力需要加大算力需要加大 NPU 尺寸，帶動尺寸，帶動 SoC 設計迭代。設計迭代。NPU 是基于 DSA 領域專用架構技術的處理器，相比 CPU、GPU 等通用處理

116、器，NPU 從硬件架構上更適合于神經網絡運算，可專門用于給 AI 做硬件加速。然而當前較為領先的 SoC 設計架構中，NPU 電路僅占約 6%至 7%的硅片空間，而 CPU 和 GPU 分別占 SoC 芯片空間的 15%至 18%。未來智能手機的 AI 計算需求勢必要求更高的 NPU 性能和占用空間。目前設備端 AI加速器的基準具有大約 35 TOPS(每秒數萬億次操作)的算力，僅能夠運行典型 AI 模型的子集。在設備端，AI 學習需要至少 50 TOPS 才能確保良好的移動 AI 用戶體驗。AI 推理性能的提高，將迫使推理性能的提高，將迫使 SoC 設計方案迭設計方案迭代以增加代以增加 NP

117、U 核心的尺寸。核心的尺寸。AI 手機多樣化要求和計算需求下，異構計算方案成為最優解。手機多樣化要求和計算需求下，異構計算方案成為最優解。盡管當前的智能機 SoC 已開始使用 NPU 賦能影像和音頻功能，但 AI 手機的用例需求具有復雜性、并發性和多樣性，為當前的智能機 SoC 提出了兩大關鍵挑戰：首先，在功耗和散熱受限的終端設備上使用通用的 CPU、GPU，難以滿足 AI 用例的嚴苛且多樣化的計算需求；其次，AI 用例在不斷演進、更新，在功能完全固定的硬件上部署這些 AI 用例不切實際。異構異構計算架構因其能夠發揮各處理器的優勢，具備處理多樣性的能力，合理、計算架構因其能夠發揮各處理器的優勢

118、，具備處理多樣性的能力，合理、按需調用按需調用 SoC 中各處理器的能力，從而實現最佳應用性能、能效和電池中各處理器的能力，從而實現最佳應用性能、能效和電池續航。續航。行業深度研究行業深度研究 請務必閱讀正文之后的免責條款部分請務必閱讀正文之后的免責條款部分 31 of 43 表表 14 AI 用例需求分類用例需求分類 特點特點 功能功能 場景場景 按需型按需型 用例由用戶觸發，需立即響應。圖片/視頻拍攝、圖像生成/編輯、代碼生成、錄音轉錄/摘要、文本創作/摘要。用戶輸入文字創作自定義圖像、生成會議紀要、語音查詢附近加油站。持續型持續型 用例運行時間較長 語音識別、游戲和視頻的超級分辨率、視頻

119、通話的視頻音頻處理、實時翻譯。在海外使用手機作為實時對話翻譯器。泛在型泛在型 在后臺持續運行 始終開啟的預測性 AI 助手、基于情境感知的 AI 個性化和高級文本自動填充。根據對話內容，自主建立線上會議室。數據來源：NPU 和異構計算開啟終端側生成式 AI，國泰君安證券研究 表表 15 CPU、GPU、NPU 優勢及適用場景各有不同優勢及適用場景各有不同 優勢優勢 特點特點 適用適用場景場景 CPU 順序控制和即時性 通用處理器 時延敏感型小模型 GPU 并行數據流處理 圖像處理 NPU 標量、向量和張量數學計算，可用于 AI 核心工作負載 專為 AI 打造，犧牲易編程性以實現更高峰值性能、能

120、效和面積效率。持續運行的 CNN 和 Transformer 模型 數據來源：NPU 和異構計算開啟終端側生成式 AI，國泰君安證券研究 圖圖 38 異構計算架構可根據不同需求調用合適的處理器異構計算架構可根據不同需求調用合適的處理器 數據來源：NPU和異構計算開啟終端側生成式AI AI 用例變化推動用例變化推動 NPU 功能不斷迭代。功能不斷迭代。2015 年的 NPU 主要面向音頻和語音 AI 用例設計，基于簡單 CNN 且主要需要標量和向量數學運算。自2016 年起，拍照和視頻 AI 用例大受歡迎，出現了基于 Transformer、RNN、LSTM 和更高維度的 CNN 等復雜模型，需

121、要大量張量數據運算，因此NPU 增加了張量加速器和卷積加速，在顯著提升性能的同時降低了內存帶寬占用和能耗。在 2023 年，大語言模型和大視覺模型賦能的生成式AI 使得模型大小提升超過一個數量級，除計算需求外，還需重點考慮內存和系統設計，通過減少內存傳輸以提升性能和能效。行業深度研究行業深度研究 請務必閱讀正文之后的免責條款部分請務必閱讀正文之后的免責條款部分 32 of 43 圖圖 39 NPU 隨不斷變化的隨不斷變化的 AI 用例和模型持續演進用例和模型持續演進 數據來源：NPU和異構計算開啟終端側生成式AI 高通高通 NPU 在系統級解決方案、定制設計和快速創新方面具備差異化優在系統級解

122、決方案、定制設計和快速創新方面具備差異化優勢。系統級解決方案方面，勢。系統級解決方案方面，高通的系統級解決方案考量每個處理器的架構、SoC 系統架構和軟件基礎設施，以打造最佳 AI 解決方案。定制設定制設計方面，計方面，基于高通的自主 AI 研究和與廣大 AI 社區的合作，高通 NPU與 AI 模型的發展保持同步。高通具備支持全棧終端側 AI 開發的獨特能力，可賦能產品快速上市，并圍繞終端側生成式 AI 等關鍵應用優化 NPU部署?？焖賱撔路矫?，快速創新方面，高通 NPU 經多代演進積累了大量技術成果，例如第三代驍龍 8 的諸多 NPU 架構升級可幫助加速生成式 AI 大模型，支持 77 GB

123、/s 帶寬，以突破大模型 token 生成的瓶頸問題。高通異構計算架構在系統層面高通異構計算架構在系統層面具備優勢，可定制化設計。具備優勢，可定制化設計。異構計算涵蓋整個 SoC，包括多樣化處理器、系統架構和軟件三個層級，因此在異構計算解決方案中應用系統級方法極為重要。高通從全局視角出發，定制高通從全局視角出發，定制設計整個系統，可為每類處理器插入全新的設計整個系統，可為每類處理器插入全新的 AI 指令或硬件加速器。指令或硬件加速器。相比之下，若芯片組廠商選擇授權多個第三方處理器進行拼裝，則一方面處理器無法緊密配合，另一方面不是針對相同約束條件和細分市場而設計。高通第三代驍龍高通第三代驍龍 8

124、 性能領先，有望持續受益于端側性能領先，有望持續受益于端側 AI 需求。需求。在MLCommon MLPerf、魯大師、安兔兔的基準測試中，高通第三代驍龍 8均展現了遠高于競品的性能。第三代驍龍 8 亦展示了面向大語言模型和大視覺模型通用架構的真實應用性能：個人助手演示能夠以高達每秒 20個 tokens 的速度運行 Llama 2-7B；在不損失太多精度的情況下，Fast Stable Diffusion 能夠在 0.6 秒內生成一張 512x512 分辨率的圖像。高通有著智能手機領域領先的 Llama 和 Stable Diffusion 模型指標。受益于端受益于端側側 AI 對推理性能的

125、高要求，高通有望憑借出色性能，持續提升價值量對推理性能的高要求，高通有望憑借出色性能，持續提升價值量及市場份額，實現量利齊升。及市場份額，實現量利齊升。行業深度研究行業深度研究 請務必閱讀正文之后的免責條款部分請務必閱讀正文之后的免責條款部分 33 of 43 圖圖 40 第三代驍龍第三代驍龍 8 在多項基準測試中均展現出色性能在多項基準測試中均展現出色性能 數據來源：NPU和異構計算開啟終端側生成式AI 復盤復盤 4G 芯片至芯片至 5 G 芯片升級，劃時代產品溢價明顯。芯片升級，劃時代產品溢價明顯。復盤 4G 芯片至5G 芯片的升級，彼時小米的驍龍 865 的采購成本接近上一代驍龍 855

126、的兩倍。三星采購成本亦有所印證，據 TechInsights 公布的三星 Galaxy S20 Ultra（12G+256G）物料成本數據，驍龍 865 SoC 的成本為 81 美元，與驍龍 855 基本保持一致，但疊加 X55 5G 基帶（26.5 美元）和 RF 射頻天線模組（33 美元），三者打包總價實為 140.5 美元，此外仍有專利費和關稅，實際驍龍 865 整體成本遠超 150 美元，比 2019 年上半年（國內 5G 尚未商用）不包含 X50 基帶的驍龍 855 4G 移動平臺貴 1 倍左右。由此可見劃時代產品具有較強的溢價能力，我們認為驍龍由此可見劃時代產品具有較強的溢價能力，

127、我們認為驍龍 8 Gen3、Gen4 有望憑借其卓越性能及完整生態，復刻有望憑借其卓越性能及完整生態，復刻 4G 升級至升級至 5G 的軌跡，享受高的軌跡，享受高溢價。溢價。高通、聯發科占據供應鏈優勢地位，有望憑高性能高通、聯發科占據供應鏈優勢地位，有望憑高性能 NPU/APU 提振毛利提振毛利率。率。我們認為高通、聯發科作為 SoC 方案領導者，有望憑借供應鏈優勢地位向下游轉嫁生產成本上漲，提振盈利能力。復盤 4G 芯片至 5G 芯片的升級，小米作為高通芯片首發手機廠商，理應擁有較強議價權，但小米的驍龍 865 的采購成本仍接近驍龍 855 的兩倍，反映供需失衡下高通強大的價格掌控能力。根據

128、高通高級副總裁，驍龍驍龍 8 Gen4 的定制化的定制化 CPU并沒有提升成本，但驍龍并沒有提升成本，但驍龍 8 Gen4 出色性能使其售價高于驍龍出色性能使其售價高于驍龍 8 Gen3。我們復盤驍龍我們復盤驍龍 8系列系列 SoC的售價，并根據高通毛利率反推其的售價，并根據高通毛利率反推其 BOM成本，成本，認為驍龍認為驍龍 8 Gen4 的推出將進一步提升高通議價權，改善毛利率。的推出將進一步提升高通議價權，改善毛利率。表表 16 假設驍龍假設驍龍 8 Gen4 提價幅度提價幅度 28%，成本增長幅度，成本增長幅度 25%，則毛利率有望改善至，則毛利率有望改善至 57.62%驍龍驍龍 8

129、Gen1 驍龍驍龍 8 Gen2 驍龍驍龍 8 Gen3 驍龍驍龍 8 Gen4 價格（美元）125 160 200 256 提價幅度（美元）35 40 56 提價幅度（%）28.00%25.00%28.00%毛利率毛利率 59.80%57.27%56.60%57.62%BOM 成本（美元）50.25 68.37 86.80 108.5 成本增長幅度（%）36%27%25%數據來源：Android headlines，網易新聞，新浪科技，安兔兔，高通財報，Android authority，國泰君安證券研究 行業深度研究行業深度研究 請務必閱讀正文之后的免責條款部分請務必閱讀正文之后的免責條款

130、部分 34 of 43 5.1.2.散熱：用量增加、新材料滲透率提升，帶動散熱材料價值量提散熱：用量增加、新材料滲透率提升，帶動散熱材料價值量提升升 AI手機高性能凸顯散熱需求。手機高性能凸顯散熱需求。AI手機高性能對散熱能力提出較高要求，目前典型的散熱系統主要分為導熱界面傳熱、均熱板傳熱（VC）和石墨膜散熱（石墨烯導熱膜/人工石墨散熱膜）三個部分。當下人工石墨散熱膜為主流方案，石墨烯導熱膜為人工石墨散熱膜的升級迭代產品，在價格和性能上均有提升，但尚未大規模商業化應用。以 2022 年富烯科技和思泉新材出貨價為例，石墨烯、人工石墨散熱膜價格分達 252、74 元/平方米，溢價率約 3.4 倍。

131、成本劣勢下，成本劣勢下，2020年底石墨烯市占率僅年底石墨烯市占率僅 12%，人工石墨散熱膜仍為絕對主流方案。人工石墨散熱膜仍為絕對主流方案。表表 17 目前手機主流散熱方案為人工石墨導熱膜目前手機主流散熱方案為人工石墨導熱膜+熱管熱管+均熱板均熱板 石墨烯導熱膜 具有獨特的晶體結構，表面可與電子產品內部發熱器件貼合，能夠以最大的有效表面積，將電子產品發熱器件表面上熱力均勻的分布在二維平面，有效實現熱量轉移 人工石墨散熱膜 熱管 利用工作流體的蒸發與冷凝來傳遞熱量。將銅管內部抽真空后充入工作流體，流體以蒸發-冷凝的相變過程在內部反復循環，不斷將熱端的熱量傳至冷卻端，形成將熱量從管子的一端傳至另

132、一端的傳熱過程 均熱板 發熱源運行時產生的熱量傳導至均熱板的蒸發端，內部的冷凝液會迅速吸收這些熱量并轉化為蒸汽，從而帶走大量的熱能。由于水蒸氣的潛熱性，均熱板的熱蒸汽會由高壓區擴散到低壓區（冷凝端），當蒸汽接觸溫度較低的內壁時會迅速凝結為液體并釋放熱能。最后，這些液體會利用毛細作用流回蒸發端，最終形成一個水氣并存的雙相循環系統 數據來源：富烯科技招股說明書（申報稿）圖圖 41 石墨烯價格遠高于人工石墨散熱膜價格石墨烯價格遠高于人工石墨散熱膜價格 數據來源：富烯科技招股說明書（申報稿），思泉新材招股說明書 圖圖 42 人工石墨散熱膜仍為絕對主流方案，石墨烯人工石墨散熱膜仍為絕對主流方案，石墨烯散

133、熱膜使用率較低散熱膜使用率較低 數據來源：新材料網 -20%-10%0%10%20%0100200300202020212022石墨烯價格（元/平米）人工石墨散熱膜價格（元/平米）石墨烯yoy人工石墨散熱膜yoy83%12%5%人工石墨散熱膜 石墨烯散熱膜碳納米管散熱膜 行業深度研究行業深度研究 請務必閱讀正文之后的免責條款部分請務必閱讀正文之后的免責條款部分 35 of 43 Galaxy S24 系列已加碼散熱材料，系列已加碼散熱材料，AI手機有望打開散熱材料增量空間。手機有望打開散熱材料增量空間。復盤復盤 4G 至至 5G 手機的升級，散熱部件的價值量約有手機的升級，散熱部件的價值量約有

134、 3-4 倍的提升。倍的提升。本次 AI 浪潮下，根據三星 S24 系列的拆機結果，三星加入了額外的石墨散熱片，并增大了均熱板面積，S24、S24+、S24 Ultra 的散熱板面積分別提升了 1.5、1.6、1.9 倍。根據我們的測算，假設散熱片面積 5000 2，參考思泉新材散熱片出貨價、普通 5G 手機 VC 均熱板價值量，AI 手機手機帶來的散熱材料增量（相較帶來的散熱材料增量（相較 5G 手機）約為手機）約為 11 元元/部。部。若考慮高性能、高價格的石墨烯的滲透率提高帶來的價值增量，據 CGIA Research 預測，手機石墨烯散熱膜的使用面積將由 2020 年的 100 2/部

135、，增加到 2025年的 200 2/部，參考富烯科技石墨烯出貨價格并假設每年以 10%速率降價，石墨烯滲透率提高、取代人工石墨膜，有望帶來近石墨烯滲透率提高、取代人工石墨膜，有望帶來近 3 元元/部的價值部的價值增量。增量。表表 18 預計三星預計三星 S24 Ultra 散熱材料（相較上一代的）價值增量約為散熱材料（相較上一代的）價值增量約為 11 元元/部部 石墨散熱片面積增量(2)5000 單價(元/2）0.0002 石墨散熱片價值增量（元石墨散熱片價值增量（元/部）部）1.10 普通 5G 手機 VC 均熱板價值量（元/部）10.94 面積增量（倍）1.9 AI 手機 VC 均熱板價值

136、量（元/部）20.78 VC 均熱板價值增量（元均熱板價值增量（元/部）部）9.84 AI手機散熱硬件手機散熱硬件總總價值增量（元價值增量（元/部）部）10.94 數據來源：思泉新材招股說明書，觀研天下，科技喵星，網易，國泰君安證券研究 表表 19 石墨烯滲透率提高，取代人工石墨膜，有望帶來約石墨烯滲透率提高，取代人工石墨膜，有望帶來約 3 元元/部的價值增量部的價值增量 2020 2025 散熱材料面積(2)100 200 石墨烯單價（元/平米）233 183 石墨烯價值量（元石墨烯價值量（元/部）部）2.33 3.67 人工石墨膜單價（元/平米）91.51 37.01 人工石墨膜價值量（元

137、人工石墨膜價值量（元/部）部）0.92 0.74 石墨烯相較人工石墨膜的價值增量（元石墨烯相較人工石墨膜的價值增量（元/部）部）1.42 2.93 數據來源：富烯科技招股說明書（申報稿），思泉新材招股說明書，CGIA Research，國泰君安證券研究 5.1.3.內存：比拼帶寬，供需關系驅動漲價內存：比拼帶寬，供需關系驅動漲價 當前桎梏不在內存容量而在帶寬，當前桎梏不在內存容量而在帶寬，LPDDR 6 帶寬再升級。帶寬再升級。根據前文所述，在大模型體積壓縮、優化內存調用邏輯、3D Dram 技術發展等三路線共同作用下，當前 16/24 GB內存已具備運行端側大模型的條件，且未來內存容量仍有跨

138、越式提升的空間，容量已不再是桎梏，提升帶寬以適提升帶寬以適應復雜應復雜 AI 任務是更為迫切的需求。任務是更為迫切的需求。JEDEC 固態技術協會已經正式完成了 LPDDR 6 內存標準的定稿，預計將會在 2024 年第三季度正式發布，目前 LPDDR5X 內存的主流帶寬為 8533Mbps，而而 LPDDR6 帶寬可以達帶寬可以達到到 12.8Gbps，比，比 LPDDR5X 高出了高出了 54%，LPDDR6X 更是擁有 17Gbps的帶寬。行業深度研究行業深度研究 請務必閱讀正文之后的免責條款部分請務必閱讀正文之后的免責條款部分 36 of 43 圖圖 43 LPDDR6 相比相比 LP

139、DDR5X、5T分別有分別有 54%、33%的帶寬提升的帶寬提升 數據來源：搜狐網，Synopsys 供需關系驅動內存漲價，三星、海力士有望憑借率先出貨供需關系驅動內存漲價，三星、海力士有望憑借率先出貨 LPDDR6 受受益。益。復盤 LPDDR4 的價格走勢，2021 年上半年的缺芯潮驅動 LPDDR4 8GB/16GB 分別由 3.2 元/6.5 元上漲至 3.8 元/7 元，隨后供需周期輪轉，下游庫存較高疊加需求較弱，導致 2022 全年走出降價趨勢。受益于受益于 AI手機對高帶寬內存的需求，我們預計手機對高帶寬內存的需求，我們預計 LPDDR5/LPDDR5X/LPDDR6 將將持續供

140、不應求。持續供不應求。三星和海力士申請 LPDDR6 RAM 認證后，將會率先量產 LPDDR6 內存，GSMArena 預計三星有望趕在驍龍三星有望趕在驍龍 8 Gen4 之前量產之前量產LPDDR6 內存，屆時驍龍內存，屆時驍龍 8 Gen4 旗艦會率先搭載旗艦會率先搭載 LPDDR6。圖圖 44 復盤復盤 LPDDR4 價格走勢，供需驅動明顯價格走勢，供需驅動明顯 數據來源：iFinD 5.2.大模型端：端側大模型端：端側 AIAI 加速大模型商業變現加速大模型商業變現 Gemini Ultra 付費訂閱服務上線，為移動設備端付費訂閱服務上線，為移動設備端 Gemini Nano 變現驗

141、證變現驗證可行性?？尚行?。谷歌大模型 Gemini 包含三個版本：搭載于移動設備端的 Gemini Nano，泛用模型 Gemini Pro，以及規格最高、適用于高度復雜任務的Gemini Ultra。2024 年 2 月，谷歌上線了基于 Gemini Ultra 的付費訂閱服0%20%40%60%80%100%120%02000400060008000100001200014000160001800020000帶寬（Mbps）增長（%）1.52.53.54.55.56.57.5市場價:LPDDR4/8Gb:平均價市場價:LPDDR4/16Gb:平均價 行業深度研究行業深度研究 請務必閱讀正文

142、之后的免責條款部分請務必閱讀正文之后的免責條款部分 37 of 43 務，用戶通過訂閱 Google One AI 高級版（19.99 美元/月）可使用 Gemini Ultra 模型。隨著端側 AI 滲透率逐漸提高，移動設備端大模型 Gemini Nano 亦有望憑付費訂閱機制實現商業變現。三星手機三星手機 AI 大模型或將于大模型或將于 2026 年起采用收費模式。年起采用收費模式。三星推出的 Galaxy S24 系列手機加入的 AI 大模型，其 AI 功能將免費提供至 2025 年底，未來三星可能將其部分或全部 AI 功能變更為有償服務。據三星移動首席執行官 TM Roh，三星將統籌考

143、慮想要付費的客戶和不想付費的客戶，或將同時提供免費版和收費版。根據我們的測算，以三星為例，根據我們的測算，以三星為例，2026、2027、2028 年年 AI 手機搭載的（自研）大模型訂閱費用或將帶來手機搭載的（自研）大模型訂閱費用或將帶來 73、134、221 億美元收入，億美元收入，2 年年 CAGR 達達 174%。表表 20 三星三星 AI 手機搭載的自研大模型預計將于手機搭載的自研大模型預計將于 2026 年起變現年起變現 2023 2024E 2025E 2026E 2027E 2028E 全球智能手機出貨量全球智能手機出貨量/銷量（億部）銷量（億部）11.70 12.20 12.

144、75 13.26 13.72 14.14 三星市占率 19.40%20%20.50%21%21.50%22%三星智能手機出貨量三星智能手機出貨量/銷量（億部）銷量（億部）2.27 2.44 2.61 2.78 2.95 3.11 AI 手機滲透率 5.50%13.20%29.60%45.30%51.90%58%三星三星 AI手機出貨量手機出貨量/銷量（億部）銷量（億部）0.12 0.32 0.77 1.26 1.53 1.80 收費大模型搭載率 0 0 0 40%55%70%大模型訂閱費用（美元/年）119.40 131.34 144.47 158.92 174.81 變現收入變現收入(億美元

145、億美元/年）年）73 134 221 數據來源：IDC，AI 手機白皮書，國泰君安證券研究 5.3.手機廠商：用戶基礎和流量入口打造護城河，全棧自研方手機廠商：用戶基礎和流量入口打造護城河，全棧自研方享高溢利享高溢利 5.3.1.AI 手機帶動量增、價增，具備軟硬件自研能力的手機廠商方能手機帶動量增、價增，具備軟硬件自研能力的手機廠商方能享受利增享受利增 量：量：AI 手機有望驅動新一波換機潮。手機有望驅動新一波換機潮。復盤 4G 至 5G 手機的升級過程，自 2020 年四季度起至 2021 年二季度，全球智能手機出貨量實現同比高速增長，我們判斷主要系蘋果第一代我們判斷主要系蘋果第一代 5G

146、 手機手機 iPhone12 系列于系列于 2020 年年10 月推出，驅動了這一波高景氣度換機潮。月推出，驅動了這一波高景氣度換機潮。我們認為 AI 手機在性能、顛覆性用戶體驗方面更勝 5G 相對 4G 的升級，有望復刻換機潮。我們參考 5G 換機潮下出貨量的增速，結合 IDC 對于 AI 手機滲透率的預測，判斷判斷 2025 年年 AI 手機出貨量約手機出貨量約 3.8 億部，同比高增億部，同比高增 134%，2028 年年 AI手機出貨量達手機出貨量達 8.2 億部，五年億部，五年 CAGR 達達 67%。行業深度研究行業深度研究 請務必閱讀正文之后的免責條款部分請務必閱讀正文之后的免責

147、條款部分 38 of 43 圖圖 45 5G 手機換機潮在手機換機潮在 2020 Q4、2021 Q1、2021 Q2 較為明顯較為明顯 數據來源：iFinD 表表 21 AI 手機換機潮測算手機換機潮測算 2022 2023 2024E 2025E 2026E 2027E 2028E 全球智能手機出貨量（億部）12.0 11.6 12.2 12.8 13.3 13.7 14.1 yoy-11.3%-3.4%4.9%4.5%4.0%3.5%3.0%AI 手機滲透率（%）5.50%13.20%29.60%45.30%51.90%58.00%AI 手機出貨量（億部）0.6 1.6 3.8 6.0

148、7.1 8.2 yoy 151.84%134.33%59.16%18.58%15.11%數據來源：IDC，AI 手機白皮書，國泰君安證券研究 價：價：AI 手機有望復刻手機有望復刻 5G 升級帶來的價格升級。升級帶來的價格升級。復盤 5G 商用化的進程，2020、2021 年手機均價同比增幅分別為 10%、11%，遠高于 2022、2023年的 2%和 4%，我們判斷主要由我們判斷主要由 5G 高端機占比提高驅動。高端機占比提高驅動。季度節奏來看，各年四季度的均價均有明顯上漲，我們判斷主要因 iPhone12、13、14 系列分別于各年四季度大量出貨。AI 手機在性能、用戶體驗方面的升級，超越

149、了 5G 手機相對 4G 手機的升級，我們判斷有望復刻上一輪的漲價潮。圖圖 46 中國手機均價在中國手機均價在 2020、2021年同比增速較快，年同比增速較快，主要由主要由 5G 換機潮驅動換機潮驅動 圖圖 47 手機均價有明顯季節性，主要因手機均價有明顯季節性，主要因 iPhone 系列系列往往在往往在 Q4 大量出貨大量出貨 數據來源：GFK 數據來源：GFK-25%-20%-15%-10%-5%0%5%10%15%20%25%30%00.511.522.533.544.5全球智能手機出貨量（億部）yoy0%2%4%6%8%10%12%14%05001000150020002500300

150、035004000中國手機均價（元/部）yoy20002500300035004000官網線上線下 行業深度研究行業深度研究 請務必閱讀正文之后的免責條款部分請務必閱讀正文之后的免責條款部分 39 of 43 利：軟硬件成本高企，具備自研大模型、自研芯片能力的手機廠商占據利：軟硬件成本高企，具備自研大模型、自研芯片能力的手機廠商占據一體化優勢。一體化優勢。復盤 4G 至 5G 的升級，價格的上漲基本覆蓋了生產成本的上漲，僅靠組裝而生的手機廠商無法獲得大規模溢利。以三星、小米、iQOO 為例，4G 至 5G 機型的升級下，售價上漲幅度僅略高于售價上漲幅度僅略高于 BOM 成成本上漲幅度，增量利潤

151、有限。本上漲幅度，增量利潤有限。我們判斷，大模型訓練成本高企、高性能AI 推理芯片供需錯配，對手機廠商供應鏈能力提出挑戰，具備大模型自研能力、高性能 AI 推理芯片自研能力的手機廠商將具備成本可控及供應穩定的一體化優勢。蘋果有望憑借其一體化優勢，在軟硬件生態方面蘋果有望憑借其一體化優勢，在軟硬件生態方面構建壁壘，后續需持續跟蹤蘋果構建壁壘，后續需持續跟蹤蘋果 A17Pro 及自研大模型進展。及自研大模型進展。圖圖 48 5G 手機相較于手機相較于 4G 手機的手機的 BOM 成本上漲、售價上漲幅度相近，成本上漲、售價上漲幅度相近，無供應鏈優勢的手機廠商難以獲得大規模盈利無供應鏈優勢的手機廠商難

152、以獲得大規模盈利 數據來源：澎湃網，愛集微 注：對比機型分別為三星Galaxy S20 Ultra（16+512）、Galaxy S10+（8+512）、小米 10、小米 9 Pro、iQOO Pro 5G版、iQOO Pro 4G版 5.3.2.手機廠商擁有終端用戶基礎和流量入口護城河，相較大模型廠手機廠商擁有終端用戶基礎和流量入口護城河，相較大模型廠商更為強勢商更為強勢 AI 手機催化下，手機廠商有望取代應用程序開發商，成為流量入口，手機催化下，手機廠商有望取代應用程序開發商，成為流量入口，完成變現。完成變現。據前文分析，高度智能化的 AI 手機應擺脫臃腫、繁多的 APP，垂直整合端側應用

153、，深層次聯通各個獨立的孤島，用戶一個指令可以調動多個 APP 自動解決需求，提供一站式服務，真正扮演智能助理的角色。因此，高度智能化的手機必須由手機本身來集成各類數據、權限、應用，而單個的應用無法這一點，因此手機廠商天然占據了各項功能的入口，因此手機廠商天然占據了各項功能的入口，部分取代應用程序開發商，實現流量瓜分及變現。以智能修圖、錄音摘要功能為例，運行端側大模型的運行端側大模型的 AI 手機將部分或全部取代孤立的修圖手機將部分或全部取代孤立的修圖類軟件（如美圖秀秀）、錄音類軟件（如訊飛聽見），此類功能將集成類軟件（如美圖秀秀）、錄音類軟件（如訊飛聽見），此類功能將集成于手機的操作系統中，完

154、全內置于通話、攝像功能中。于手機的操作系統中，完全內置于通話、攝像功能中。手機廠商坐擁客戶基礎和流量入口優勢，相較大模型廠商更為強勢。手機廠商坐擁客戶基礎和流量入口優勢，相較大模型廠商更為強勢。據彭博社消息，蘋果和谷歌正進行談判，希望將谷歌的 Gemini 集成到 iPhone 當中，為 iPhone 的軟件提供 AI 相關的新功能。市場擔憂蘋果0%5%10%15%20%25%30%35%40%45%三星小米iQOOBOM成本上漲幅度（%）售價上漲幅度（%）行業深度研究行業深度研究 請務必閱讀正文之后的免責條款部分請務必閱讀正文之后的免責條款部分 40 of 43 大模型自研進度不及預期、引入

155、外部大模型導致議價能力受損，我們復我們復盤谷歌與蘋果的合作歷史，判斷手機廠商坐擁客戶基礎和流量入口優勢，盤谷歌與蘋果的合作歷史，判斷手機廠商坐擁客戶基礎和流量入口優勢，是天然的護城河，相較大模型廠商更為強勢。是天然的護城河，相較大模型廠商更為強勢。（1）為保證谷歌默認搜索引擎地位，谷歌每年向蘋果支付固定費用）為保證谷歌默認搜索引擎地位，谷歌每年向蘋果支付固定費用+收收入抽成。入抽成。2002 年起雙方開始合作，谷歌成為蘋果 Safari 瀏覽器的默認搜索引擎。為保證默認搜索引擎地位以獲取蘋果數量龐大的用戶，谷歌需每年向蘋果支付大量費用，從 2014 年的 10 億美元上漲至 2022 年的約2

156、00 億美元。若簡單將此歸入銷售費用，2022 年的 200 億美元占谷歌當年銷售費用的 47%。除此固定費用外，蘋果對谷歌在 Safari 搜尋廣告中獲得的收入仍抽成約 36%。我們認為，客戶基礎和流量入口是手機廠商我們認為，客戶基礎和流量入口是手機廠商天然的護城河，亦是大模型廠商和搜索引擎廠商覬覦的寶貴資源，可憑天然的護城河，亦是大模型廠商和搜索引擎廠商覬覦的寶貴資源，可憑此優勢向合作大模型廠商收取入場費用。此優勢向合作大模型廠商收取入場費用。圖圖 49 2022 年谷歌向蘋果支付約年谷歌向蘋果支付約 200 億美元入場費以鞏固默認搜索引擎億美元入場費以鞏固默認搜索引擎地位，占當年銷售費用

157、的地位，占當年銷售費用的 47%數據來源：The Motley Fool,Yahoo，iFinD （2）谷歌支付給三星的費用不到蘋果的一半。）谷歌支付給三星的費用不到蘋果的一半。針對谷歌的反壟斷審判中，控方律師表示谷歌支付給 Android 最大硬件合作伙伴三星的費用還不到支付給蘋果的一半。這種高支付水平反映了蘋果在瀏覽器方面的強勢地位。我們認為，我們認為，iOS 憑借其獨特生態和廣泛的消費者基礎，亦將成憑借其獨特生態和廣泛的消費者基礎，亦將成為大模型廠商的必爭之地，蘋果相較安卓同行有望享受更高溢價。為大模型廠商的必爭之地，蘋果相較安卓同行有望享受更高溢價。（3）搜索引擎行業集中度高、手機行業

158、集中度低，倒掛情況下更顯手）搜索引擎行業集中度高、手機行業集中度低，倒掛情況下更顯手機廠商強勢地位。機廠商強勢地位。根據 Statcounter 數據，2023 年 2 月至 2024 年 2 月，谷歌引擎市占率 92%，一家獨大，排名第二的 Bing 僅 3%，競爭格局極優。作為對比，IDC 數據顯示，2023 年手機行業集中度遠低于搜索引擎行業，蘋果、三星以 20.1%、19.4%市占率分列前二，CR5 68.9%，這也是蘋果首次反超三星獲得年度市占率第一。極高市占率的谷歌仍向下游極高市占率的谷歌仍向下游競爭格局尚未明確的蘋果支付高昂入場費，從反面印證了手機廠商得天競爭格局尚未明確的蘋果支

159、付高昂入場費，從反面印證了手機廠商得天獨厚的用戶和流量入口優勢之可貴。我們認為，當前“百模大戰”的競獨厚的用戶和流量入口優勢之可貴。我們認為，當前“百模大戰”的競爭格局下，率先落地下游應用、綁定海量客戶將是大模型廠商爭奪的關爭格局下，率先落地下游應用、綁定海量客戶將是大模型廠商爭奪的關鍵，此番格局下手機廠商強勢地位更加凸顯。鍵，此番格局下手機廠商強勢地位更加凸顯。0%10%20%30%40%50%60%050100150200250支付費用（億美元）占銷售費用占比（%）行業深度研究行業深度研究 請務必閱讀正文之后的免責條款部分請務必閱讀正文之后的免責條款部分 41 of 43 圖圖 50 20

160、23-2024 搜索引擎行業市占率，谷歌一家獨搜索引擎行業市占率，谷歌一家獨大大 圖圖 51 手機廠商競爭格局尚未明晰，蘋果、三星較為手機廠商競爭格局尚未明晰，蘋果、三星較為接近接近 數據來源：Statcounter 數據來源：IDC 5.3.3.機遇與風險并存，需把握先發優勢機遇與風險并存，需把握先發優勢 大模型和硬件結合，帶來新的產業革命，大模型和硬件結合，帶來新的產業革命，AI 手機作為應用層的核心載手機作為應用層的核心載體和入口，將顛覆傳統的手機使用習慣，引領新一輪產業鏈革命。體和入口，將顛覆傳統的手機使用習慣，引領新一輪產業鏈革命。AI手機浪潮下，我們判斷把握先發優勢的手機廠商將受益

161、最大。手機浪潮下，我們判斷把握先發優勢的手機廠商將受益最大。（1）搶占用戶心智：）搶占用戶心智：率先推出標桿式 AI 機型的手機品牌，有望率先搶占用戶心智，厚植品牌效應。據當前手機經銷商反饋，消費者對 AI 手機感知力不強，信號、攝像、續航依舊是消費者換機時的核心關注點，因此當前的空檔期是建立品牌認可度和完善用戶心智的絕佳階段。（2）獲取海量數據：）獲取海量數據：考慮到 AI 手機偏重于個人助理的屬性，其用例場景將區別于云端大模型，因此獲取海量用戶數據并進一步訓練和優化端側大模型顯得尤為重要。類比自動駕駛，率先落地、獲得現實世界海量類比自動駕駛，率先落地、獲得現實世界海量行駛數據的車廠，將進一

162、步建立模型訓練方面的優勢。把握先發優勢的行駛數據的車廠，將進一步建立模型訓練方面的優勢。把握先發優勢的手機廠商通過獲取用戶的實際應用數據，迭代更新端側大模型，不斷優手機廠商通過獲取用戶的實際應用數據，迭代更新端側大模型，不斷優化用戶體驗，有望形成飛輪效應?；脩趔w驗，有望形成飛輪效應。（3）培養用戶黏性：）培養用戶黏性：考慮到 AI 手機偏重于個性化個人助理的屬性，以及具備自學習能力，一旦完成收集、學習用戶的個性化數據，長期交互邏輯得以建立，因此用戶的依賴性和黏性得以培養，更換品牌的動力減弱。AI 手機大規模落地仍存在挑戰與不確定性。（1）隱私安全風險：）隱私安全風險：由于 AI 手機需調用、

163、學習用戶個性化數據，存在隱私泄露風險。（2）成本高企：）成本高企：硬件端，AI 手機需配置高性能推理芯片、存儲芯片，相應的智能傳感設備、散熱、攝像頭模組等均需提高配置；軟件端，大模型接入費用無論是直接向終端消費者收取或向手機廠商收取，最終都將轉嫁至終端消費者。軟硬件成本高企，AI 手機溢價較高，消費者對高價接受度的不確定性較高。（3）新智能終端：）新智能終端：手機作為部署端側 AI 的一種終端，面臨其他終端的威脅，如 AI pin。92%92%3%2%GoogleBingYANDEXYahoo!BaiduDuckDuckGoOthers20%19%13%9%8%31%AppleSamsung小

164、米OPPOTranssion其他 行業深度研究行業深度研究 請務必閱讀正文之后的免責條款部分請務必閱讀正文之后的免責條款部分 42 of 43 6.投資建議投資建議 AI 手機或將成為手機或將成為 AI產業革命中應用層的顛覆性切入點。產業革命中應用層的顛覆性切入點。終端應用來看，手機具備普及性、伴隨性，應用場景更為下沉，有望超越 AI PC，成為終端 AI 的核心入口。未來的 AI 手機將成長為自主感知、自主決策執行、具備數字人格的 Agent。產業鏈來看，AI 手機驅動的換機潮下，手機廠商享受量、價、利紅利，大模型廠商商業變現加速，硬件廠商受益于產品迭代及供需格局。AI 手機有望全面帶動產業

165、鏈獲益，推薦標的：高通（QCOM.US）、臺積電（TSM.US），受益標的：蘋果（AAPL.US）、谷歌（GOOGL.US）。圖圖 52 重點公司估值表重點公司估值表 數據來源：Bloomberg 注：EPS、PE 預測值均為 Bloomberg一致預期 7.風險提示風險提示 1）隱私安全風險；2）消費者接受度不及預期風險；3）新智能終端威脅的風險；4）硬件、大模型等技術迭代不及預期風險；5）消費電子需求持續低迷風險。行業深度研究行業深度研究 請務必閱讀正文之后的免責條款部分請務必閱讀正文之后的免責條款部分 43 of 43 本公司具有中國證監會核準本公司具有中國證監會核準的證券投資的證券投資

166、咨詢咨詢業務資格業務資格 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或相當的專業勝任能力，保證報告所采用的數據均來自合規渠道，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，特此聲明。免責聲明免責聲明 本報告僅供國泰君安證券股份有限公司（以下簡稱“本公司”）的客戶使用。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。本報告僅在相關法律許可的情況下發放，并僅為提供信息而發放，概不構成任何廣告。本報告的信息來源于已公開的資料，本公司對該等信息的準確性、完整性或可靠性不作任何保證。本報告所載的資

167、料、意見及推測僅反映本公司于發布本報告當日的判斷，本報告所指的證券或投資標的的價格、價值及投資收入可升可跌。過往表現不應作為日后的表現依據。在不同時期，本公司可發出與本報告所載資料、意見及推測不一致的報告。本公司不保證本報告所含信息保持在最新狀態。同時，本公司對本報告所含信息可在不發出通知的情形下做出修改，投資者應當自行關注相應的更新或修改。本報告中所指的投資及服務可能不適合個別客戶，不構成客戶私人咨詢建議。在任何情況下，本報告中的信息或所表述的意見均不構成對任何人的投資建議。在任何情況下，本公司、本公司員工或者關聯機構不承諾投資者一定獲利，不與投資者分享投資收益，也不對任何人因使用本報告中的

168、任何內容所引致的任何損失負任何責任。投資者務必注意，其據此做出的任何投資決策與本公司、本公司員工或者關聯機構無關。本公司利用信息隔離墻控制內部一個或多個領域、部門或關聯機構之間的信息流動。因此，投資者應注意，在法律許可的情況下，本公司及其所屬關聯機構可能會持有報告中提到的公司所發行的證券或期權并進行證券或期權交易，也可能為這些公司提供或者爭取提供投資銀行、財務顧問或者金融產品等相關服務。在法律許可的情況下，本公司的員工可能擔任本報告所提到的公司的董事。市場有風險，投資需謹慎。投資者不應將本報告作為作出投資決策的唯一參考因素，亦不應認為本報告可以取代自己的判斷。在決定投資前，如有需要，投資者務必

169、向專業人士咨詢并謹慎決策。本報告版權僅為本公司所有，未經書面許可，任何機構和個人不得以任何形式翻版、復制、發表或引用。如征得本公司同意進行引用、刊發的，需在允許的范圍內使用，并注明出處為“國泰君安證券研究”，且不得對本報告進行任何有悖原意的引用、刪節和修改。若本公司以外的其他機構（以下簡稱“該機構”）發送本報告，則由該機構獨自為此發送行為負責。通過此途徑獲得本報告的投資者應自行聯系該機構以要求獲悉更詳細信息或進而交易本報告中提及的證券。本報告不構成本公司向該機構之客戶提供的投資建議，本公司、本公司員工或者關聯機構亦不為該機構之客戶因使用本報告或報告所載內容引起的任何損失承擔任何責任。評級說明評

170、級說明 評級評級 說明說明 1.1.投資建議的比較標準投資建議的比較標準 投資評級分為股票評級和行業評級。以報告發布后的12個月內的市場表現為比較標準，報告發布日后的 12 個月內的公司股價（或行業指數）的漲跌幅相對同期的滬深 300 指數漲跌幅為基準。股票投資評級股票投資評級 增持 相對滬深 300 指數漲幅 15%以上 謹慎增持 相對滬深 300 指數漲幅介于 5%15%之間 中性 相對滬深 300 指數漲幅介于-5%5%減持 相對滬深 300 指數下跌 5%以上 2.2.投資建議的評級標準投資建議的評級標準 報告發布日后的 12 個月內的公司股價（或行業指數）的漲跌幅相對同期的滬深 300指數的漲跌幅。行業投資評級行業投資評級 增持 明顯強于滬深 300 指數 中性 基本與滬深 300 指數持平 減持 明顯弱于滬深 300 指數 國泰君安證券研究國泰君安證券研究所所 上海上海 深圳深圳 北京北京 地址 上海市靜安區新閘路 669 號博華廣場20 層 深圳市福田區益田路 6003 號榮超商務中心 B 棟 27 層 北京市西城區金融大街甲 9 號 金融街中心南樓 18 層 郵編 200041 518026 100032 電話（021）38676666（0755）23976888（010）83939888 E-mail：