《科技行業專題研究：AI大模型時代的全球產業鏈重構-240702（211頁）.pdf》由會員分享，可在線閱讀，更多相關《科技行業專題研究：AI大模型時代的全球產業鏈重構-240702（211頁）.pdf（211頁珍藏版）》請在三個皮匠報告上搜索。

1、 免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。1 證券研究報告 科技科技 AI 大模型時代的全球產業鏈重構大模型時代的全球產業鏈重構 華泰研究華泰研究 科技科技 增持增持 (維持維持)研究員 黃樂平，黃樂平，PhD SAC No.S0570521050001 SFC No.AUZ066 +(852)3658 6000 研究員 劉俊劉俊 SAC No.S0570523110003 SFC No.AVM464 +(852)3658 6000 研究員 陳旭東陳旭東 SAC No.S0570521070004 SFC No.BPH392 +(86)21 2897 2228 研究員 丁寧

2、丁寧 SAC No.S0570522120003 +(86)21 2897 2228 研究員 張宇張宇 SAC No.S0570523090002 SFC No.BSF274 +(86)10 6321 1166 研究員 張皓怡張皓怡 SAC No.S0570522020001 +(86)21 2897 2228 研究員 王心怡王心怡 SAC No.S0570523110001 SFC No.BTB527 +(86)21 2897 2228 聯系人 趙宇辰，趙宇辰，PhD SAC No.S0570123110022 +(86)21 2897 2228 聯系人 權鶴陽權鶴陽 SAC No.S057

3、0122070045 SFC No.BTV779 +(86)21 2897 2228 聯系人 林文富林文富 SAC No.S0570123070167 +(86)21 2897 2228 聯系人 于可熠于可熠 SAC No.S0570122120079 +(86)21 2897 2228 行業走勢圖行業走勢圖 資料來源：Wind，華泰研究 2024 年 7 月 02 日中國內地 專題研究專題研究 華泰觀點：看好華泰觀點：看好 AI 換機周期和國產算力產業鏈的投資機會換機周期和國產算力產業鏈的投資機會 2023 年 6 月，我們發布AI 2.0：十年之后我們還能做什么，建議投資人按照算力基礎設施

4、-硬件載體-大模型平臺-應用的順序尋找受益標的?；仡欉^去一年的表現，我們看到：1）以英偉達為代表的海外算力板塊大幅上漲，但國內表現分化；2）AI 手機等硬件發展低于預期；3）百模大戰告一段落；4）AI 應用生產力工具先行。展望未來，AI 大模型產業的快速發展，正在帶動家電、PC、手機之后的第四次全球產業鏈重構，我們看好：1）中國消費電子企業在這輪 AI 換機周期下顯著受益；2）包括設備、制造、芯片設計、整機在內的國產算力產業鏈穩步發展；3）中國大模型應用出海。我們認為：1）AI 手機的國產化和 2）國產算力鏈出海存在一定挑戰。觀點觀點#1：中美算力產業鏈平行發展趨勢確立，看好國產算力鏈發展機遇

5、中美算力產業鏈平行發展趨勢確立，看好國產算力鏈發展機遇 從 2022 年 11 月以來，英偉達股價大幅上漲 839%，FY24 數據中心相關收入大幅增長 216.7%。6/18，英偉達超過微軟，成為全球市值最大的公司。在英偉達強勁業績的帶動下，臺積電（+157%）、日經半導體指數（+126%）、中國臺灣電子指數（+114%）、費城半導體指數（+132%）都顯著上漲，一條圍繞英偉達的新硬件產業鏈快速形成，但中國大陸公司占比不高。另一方面，我們看到，以華為、海光、寒武紀等國內算力芯片公司為代表的國內算力鏈也在穩步發展。展望未來，我們看好包括設備、制造、芯片設計、整機在內的國產算力產業鏈穩步發展。觀

6、點觀點#2：全球消費電子產業鏈高度耦合，全球消費電子產業鏈高度耦合，AI 手機周期手機周期中國產業鏈中國產業鏈充分受益充分受益 2022/11 以來，蘋果股價+37%，跑輸納指 24pct。微軟、谷歌等發布的 AI PC、AI 手機受軟件兼容性影響，市場反響一般。6/11,蘋果 WWDC 推出由蘋果自研大模型以及 OpenAI 的 ChatGPT 組成的智能系統 Apple Intelligence。由于此類功能只在 iPhone 15 pro/max 及以后系列搭載，我們看好該功能推動總量超 14.6 億用戶換機。經過 15 年以上發展，中國的消費電子產業已形成包括品牌、組裝、電子元件、半導

7、體在內的產業鏈，成本和創新能力具有顯著優勢，是全球消費電子產業鏈不可缺失的一部分。我們看好立訊、舜宇、歌爾、比亞迪電子等中國企業“再出?！?，通過在越南、馬來西亞、泰國等地擴大生產規模，在中美關稅等不利貿易條件下，把握 AI 手機產業機會。觀點觀點#3：百模大戰告一段落，應用看好百模大戰告一段落，應用看好 Copilot 等等生產力工具落地機會生產力工具落地機會 從 22 年 11 月 OpenAI 推出 ChatGPT 至今，我們看到 Chatbot 應用的能力不斷增強，從最初的文字問答，迅速向具有自主記憶、推理、規劃和執行的全自動能力的 AI Agent 發展。隨著以 Llama 為代表的高

8、性能開源大模型的出現，大部分大模型創業公司轉向基于開源大模型的二次開發，百模大戰告一段落。應用方面，ChatGPT 為代表的 AI 個人助理的用戶數發展進入平臺期，關注 ChatGPT 登陸蘋果手機后帶來的變化。我們看好微軟的 Github Copilot 和 Office Copilot 率先大規模落地，提升編程和辦公效率。風險提示：中美貿易摩擦加劇的風險；半導體周期下行的風險；下游需求復蘇進度低于預期；本研報中涉及到未上市公司或未覆蓋個股內容，均系對其客觀公開信息的整理，并不代表本研究團隊對該公司、該股票的推薦或覆蓋。(39)(28)(18)(7)4Jun-23Oct-23Feb-24Ju

9、n-24(%)科技滬深300 免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。2 科技科技 正文目錄正文目錄 摘要：逆全球化趨勢下的摘要：逆全球化趨勢下的 AI 產業鏈投資策略產業鏈投資策略.4 核心觀點：看好 AI 換機周期和國產算力產業鏈的投資機會.4 問題#1：AI 算力產業鏈的投資機會在哪里？.6 問題#2：誰能成為 AI 大模型時代的硬件載體？.8 問題#3：新一輪產業鏈重構中哪些國家/地區會受益？.9 模型：模型：AI 大模型商業模式思考大模型商業模式思考.14 基礎大模型 vs 行業模型，開源模型 vs 閉源模型.15 AI+還是+AI：關注 AI 是否具有護城河及全

10、業務流程價值鏈占比.19 海外大模型：微軟&OpenAI、谷歌、Meta.22 國內大模型上市公司：百度、阿里、騰訊、商湯、三六零、第四范式.26 國內大模型初創公司：智譜、百川、Minimax、零一萬物、月之暗面、紫東太初.29 應用：應用：AI 大模型需要什么樣的軟硬件大模型需要什么樣的軟硬件.32 大模型應用#1：從 Chatbot 到 AI Agent，個人助理重塑手機應用生態.34 大模型應用#2：生產力工具的 AI 化推動新一輪 PC 換機周期.41 大模型應用#3：AI 大模型推動具身智能技術加速迭代.44 大模型應用#4：大模型是推動云計算發展的“錨”.48 大模型應用#5：大

11、模型賦能搜索和廣告等互聯網傳統業務.49 大模型應用相關公司：聯想、視涯、共道科技、諦聲科技、印象筆記、擴博智能.52 數據基礎設施：關注半導體、能源和數據中心投資機會數據基礎設施：關注半導體、能源和數據中心投資機會.54 投資機會#1：把握 2030 年半導體市場 1 萬億美元的投資機會.56 投資機會#2：AI 的盡頭是能源，看好配套電網設備、核電等發展機遇.63 投資機會#3：把握數據中心架構變化的產業機會.69 產業鏈公司：工業富聯、海光、寒武紀、天數智芯、中科馭數、燧原、芯動、超聚變、滬電、中際旭創.80 前沿科技：量子計算與前沿科技：量子計算與 Web3 過去一年發生了什么？過去一

12、年發生了什么？.84 量子計算：開啟后摩爾時代的計算新紀元.85 Web3：虛擬資產正式步入主流金融市場.93 前沿科技產業鏈相關公司：本源量子、國盾量子、國儀量子.99 日本日本：半導體設備、汽車等高端制造受益半導體設備、汽車等高端制造受益.101 熱點#1：臺積電帶動高端制造業回流日本，看好設備材料投資機會.102 熱點#2：先進封裝相關布局完整，生成式 AI 推動產業鏈增長.108 熱點#3：混動需求支撐豐田本田銷量走強，上游產業鏈受益.111 越南：中國電子制造業出海第一站越南：中國電子制造業出海第一站.119 越南如何發展消費電子：電子產業鏈中美之間重要橋梁.123 越南如何發展半導

13、體：美國重要芯片進口來源，以后道企業為主.124 越南如何發展新能源汽車和人工智能.126 品牌相關公司：蘋果、三星電子.127 免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。3 科技科技 供應鏈相關公司：鴻海、比亞迪電子、立訊、舜宇、龍旗、歌爾、瑞聲.129 新加坡及馬來西亞：半導體及數據中心有望迎來快速發展機遇新加坡及馬來西亞：半導體及數據中心有望迎來快速發展機遇.134 新加坡：東南亞半導體產業中心.138 馬來西亞半導體：檳城封測產業有望在產業鏈重構中受益.142 馬來西亞數據中心：柔佛承接新加坡外溢需求.148 東南亞布局中國公司：長電、通富、華天、華峰、金海通、華封、

14、世禹、勝科.151 馬來西亞本土公司：Inari、Vitrox.157 墨西哥：北美墨西哥：北美汽車和汽車和 AI 服務器生產基地服務器生產基地.159 墨西哥：全球供應鏈變局受益者.159 貿易：中墨合作日益緊密.163 AI 服務器：美國科技巨頭推動人工智能硬件組裝轉向墨西哥.164 汽車：墨西哥是美洲重要的汽車加工廠和中轉站.166 AI 服務器產業鏈相關公司：鴻海、緯創、英業達.173 汽車電子產業鏈相關公司：均勝電子、上聲電子、東山精密、拓普集團、環旭電子.174 泰國：東南亞泰國：東南亞 PC 及汽車工業重鎮，關注電動車發展機會及汽車工業重鎮，關注電動車發展機會.177 汽車和電子

15、制造業是泰國重要的支柱產業.177 汽車：泰國是東南亞重要的汽車產業生產中心.178 PCB：跟隨國際大廠組裝聚落布局，PCB 聚落逐步形成.179 產業鏈相關公司：比亞迪、景旺電子、滬電股份、鵬鼎控股.180 印度：電子制造業的下一個世界工廠？印度：電子制造業的下一個世界工廠？.183 消費電子：印度逐漸成為蘋果手機代工生產基地.186 半導體：市場空間廣闊，但當前制造基礎較為薄弱.192 AI：印度高度重視 AI 產業全方位發展，政策支持+高 AI 投資下有望迎來高速增長.195 汽車：印度是全球第三大汽車市場.201 消費電子產業鏈公司：傳音、小米.204 免責聲明和披露以及分析師聲明是

16、報告的一部分，請務必一起閱讀。4 科技科技 摘要：摘要：逆全球化逆全球化趨勢趨勢下的下的 AI 產業鏈投資策略產業鏈投資策略 核心觀點：看好核心觀點：看好 AI 換機周期和國產算力產業鏈的投資機會換機周期和國產算力產業鏈的投資機會 2023 年 6 月 26 日，我們發布AI 2.0：十年之后我們還能做什么，建議投資人按照算力基礎設施-硬件載體-大模型平臺-應用的順序尋找受益標的?；仡欉^去一年的股價表現，我們看到：以英偉達為代表的算力板塊股價表現顯著超預期以英偉達為代表的算力板塊股價表現顯著超預期：2022 年 11 月，ChatGPT 發布。從2022/11/1 到 2024/6/21，英偉

17、達股價大幅上漲 839%，FY24 數據中心相關收入大幅增長216.7%。在英偉達強勁的業績成長帶動下，臺積電（+157%）、日經半導體指數（+126%）、中國臺灣電子指數（+114%）、費城半導體指數（+132%）都出現顯著上漲，反映算力基礎設施旺盛的需求。但是，我們也注意到，申萬電子指數 2022 年 11 月以來先漲后跌，最終-1.1%，反映中美算力產業鏈平行發展的趨勢已經明確。蘋果等硬件載體公司股價蘋果等硬件載體公司股價漲幅較弱漲幅較弱：2022 年 11 月以來，微軟、谷歌等科技巨頭積極推進AI 大模型在硬件上的落地。微軟在 2023 年 12 月和 2024 年 6 月，兩次分別發

18、布搭載 Intel和高通芯片的 AI PC；高通在 2023 年 10 月，發布支持 AI 功能的第一代手機芯片平臺。但受缺乏殺手級應用，以及軟件兼容性等問題影響，目前 AI 大模型對 PC、手機等消費電子產品的拉動效果還有限。2022/11/1-2024/6/21，蘋果股價上漲37%，跑輸納斯達克指數24pct。大模型能力進化速度超預期，微軟等大模型公司表現大模型能力進化速度超預期，微軟等大模型公司表現強勁強勁：以 ChatGPT 為例，其功能在 1年半的時間里，從最初的文字問答，逐漸引入圖像理解、文生圖、文生視頻等功能，并迅速向具有自主記憶、推理、規劃和執行的全自動能力的 AI Agent

19、 發展，發展速度超預期。微軟等云服務廠商的云計算業務也出現收入增速提升的趨勢，微軟股價自 2022 年 11 月以來上漲 97%。Salesforce 等軟件等軟件/應用公司發展低于預期應用公司發展低于預期：2023 年 3 月 Salesforce 發布 AI 應用 Einstein GPT，全球首次將生成式 AI 應用到 CRM（客戶關系管理）領域，可以針對用戶提問撰寫答案；2024 年 2 月發布 Einstein Copilot，將 AI 助手無縫集成到 Salesforce 各應用程序中，用戶無需在不同應用程序和界面之間切換，只需通過自然語言與 Copilot 進行交互。但目前處于

20、SaaS 向 AI 轉型的投入期，尚未對公司業績帶來明顯拉動。圖表圖表1：AI 板塊投資順序：算力基礎設施板塊投資順序：算力基礎設施 終端終端 模型模型 應用應用 資料來源：Wind，華泰研究 英偉達，839%微軟，97%SALESFORCE，51%蘋果，37%AI大模型大模型算力基礎設施算力基礎設施交互終端交互終端大模型平臺大模型平臺大模型應用大模型應用半導體：Nvidia(NVDA US)能源：日立、GE數 據 中 心：工 業 富 聯、Vertiv手機：蘋果(AAPL US)PC：聯想（992 HK）智能汽車、機器人：特斯拉(TSLA US)微軟(MSFT US)谷歌(GOOG US)百度

21、(BIDU US)阿里巴巴（BABA US）AI大模型大模型受益順序受益順序生產力:微軟CopilotAI助手：ChatGPT搜索：谷歌搜索AI overviews內容生成：Sora100%200%300%400%500%600%700%800%900%Jan-23Jan-23Feb-23Mar-23Mar-23Apr-23May-23May-23Jun-23Jul-23Aug-23Aug-23Sep-23Oct-23Oct-23Nov-23Dec-23Dec-23Jan-24Feb-24Feb-24Mar-24Apr-24Apr-24May-24英偉達蘋果微軟SALESFORCE 免責聲明和

22、披露以及分析師聲明是報告的一部分，請務必一起閱讀。5 科技科技 展望未來，我們認為：1）中美算力產業鏈平行發展的趨勢已經確立中美算力產業鏈平行發展的趨勢已經確立，看好國產算力鏈發展機遇，看好國產算力鏈發展機遇。經過過去一年多快速發展，以英偉達為核心的海外算力產業鏈的格局逐步清晰。其主要成員包括中國臺灣的半導體制造（臺積電），韓國和美國的存儲（美光，海力士），歐洲、美國和日本的半導體設備（ASML、TEL、AMAT、DISCO），以及中國臺灣企業(廣達、鴻海)在墨西哥和越南的服務器組裝基地，中國大陸企業占比較低。另一方面，以華為、海光、寒武紀等國內算力芯片公司為代表的國內算力鏈國內算力鏈，雖然離

23、世界最先進水平還有一定差距，雖然離世界最先進水平還有一定差距，但但也在穩步發展，也在穩步發展，我們看好包括：1）半導體設備，2）先進工藝代工和封測，3）GPU、CPU、交換機芯片、存儲控制芯片，4）服務器代工在內的國產算力產業鏈的穩步發展。2）全球消費電子產業鏈高度耦合，全球消費電子產業鏈高度耦合，AI 手機換機周期中，中國企業有望充分受益。手機換機周期中，中國企業有望充分受益。經過15 年以上發展，中國的消費電子產業已經形成了包括品牌、組裝、電子元器件、半導體的完整產業鏈，在成本和創新能力上具有顯著優勢，是全球消費電子產業鏈不可缺失的一部分。在美國提高從中國進口產品關稅等不利的貿易條件下，我

24、們看好立訊、舜宇、歌爾、比亞迪電子等中國企業“再出?！?，通過在越南、馬來西亞、泰國等地擴大生產規模，把握 AI 手機周期的產業機會。我們對以下主題持謹慎態度：1）AI 手機國產化，2）中國算力產業鏈出海。關于大模型平臺和應用：1）國產基礎大模型是一條國產基礎大模型是一條充滿挑戰和前景光明充滿挑戰和前景光明的路：的路：中國企業在基礎大模型的研發實力上雖然和美國科技巨頭企業有一定差距。但中國也是美國以外，少數具備足夠的人才，數據，應用場景和資金儲備，能夠對基礎大模型進行持續研發投入的國家。2）看好中國大模型應用出?？春弥袊竽Ｐ蛻贸龊＃簭钠炊喽?，Shein 等的成功中，我們看到中國互聯網企業在消

25、費者洞察上具備全球競爭力。最近我們看到一些中國 AI 大模型應用企業開始出海，相信他們能夠復制中國移動互聯網出海的成功經驗。圖表圖表2：全球產業鏈重構全球產業鏈重構趨勢趨勢下中國科技企業的發展機遇展望下中國科技企業的發展機遇展望 資料來源：華泰研究 算力基礎設施算力基礎設施交互終端交互終端大模型平臺大模型平臺大模型應用大模型應用全球化（出海）全球化（出海）國產化（內循環）國產化（內循環）基礎大模型基礎大模型內循環內循環算力產業鏈算力產業鏈內循環內循環大模型應用大模型應用內循環內循環消費電子消費電子產業鏈出海產業鏈出海大模型應用大模型應用全球化全球化中國算力中國算力產業鏈出海產業鏈出海AI手機手

26、機國產化國產化基礎大模型基礎大模型全球化全球化 免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。6 科技科技 問題問題#1：AI 算力產業鏈的算力產業鏈的投資機會在哪里？投資機會在哪里？圖表圖表3：Al 大模型是大模型是下一代下一代通用技術平臺，英偉達是大模型時代的平臺企業通用技術平臺，英偉達是大模型時代的平臺企業 資料來源：Wind，華泰研究 圖表圖表4：英偉達英偉達處于和手機時代的蘋果類似的鏈主地位，承擔引領行業發展趨勢的責任，享受行業發展的紅利處于和手機時代的蘋果類似的鏈主地位，承擔引領行業發展趨勢的責任，享受行業發展的紅利 資料來源：公司官網，華泰研究 0500010000

27、150002000025000300003500019931994199519961997199819992000200120022003200420052006200720082009201020112012201320142015201620172018201920202021202220232024亞馬遜蘋果IBM微軟英特爾英偉達特斯拉(市值：億美元)主機主機PC互聯網互聯網移動互聯網移動互聯網數字化技術數字化技術(ABCD+5G)碳中和技術碳中和技術（新能源）（新能源）集中集中分散分散AI大模型大模型手機時代AI時代PC時代APPAPP品牌品牌設計設計代工代工設備設備 免責聲明和披露以

28、及分析師聲明是報告的一部分，請務必一起閱讀。7 科技科技 圖表圖表5：AI 算力產業鏈規模到算力產業鏈規模到 2030 年有望超過手機，英偉達產業鏈中中國臺灣，美國企業占比顯著上升年有望超過手機，英偉達產業鏈中中國臺灣，美國企業占比顯著上升 資料來源：IDC，彭博，華泰研究 圖表圖表6：算力基礎設備產業鏈總覽算力基礎設備產業鏈總覽 注：全球市場規模分別為 2023 實際及 2030 年預測數據，其中半導體設備 2023 年實際數據來自 SEMI，2030 年預測數據來自 MMR，半導體實際及預測數據均來自 IDC，服務器實際及預測數據來自麥肯錫 資料來源：臺積電，SEMI，MMR，彭博，McK

29、insey“McKinsey on Semiconductors”(2024/03)，華泰研究 271654125855005001,0001,5002,0002,5003,0003,5004,0004,50020232030E汽車手機PCAI算力硬件(USDbn)PC:3.1%手機手機:0.6%:0.6%汽車汽車:2.5%:2.5%AI算力硬件算力硬件:32.2%:32.2%CAGR中國大陸12%中國臺灣17%韓國6%美國35%日本3%印度3%歐洲15%亞洲（其他）1%其他8%中國大陸39%中國臺灣6%韓國5%美國9%日本17%印度2%歐洲1%亞洲（其他）17%其他4%免責聲明和披露以及分析

30、師聲明是報告的一部分，請務必一起閱讀。8 科技科技 問題問題#2：誰能成為：誰能成為 AI 大模型時代的硬件載體？大模型時代的硬件載體？硬件是大模型的重要載體，什么是AI大模型時代的最佳硬件形態是投資人最關心的話題之一。我們認為隨著大模型能力的不斷提升，新的硬件形態會被不斷解鎖。建議投資人沿著：1）大大模型如何賦能終端模型如何賦能終端，2）終端如何解決大模型普及難點終端如何解決大模型普及難點兩條思路，尋找硬件的落地機會。圖表圖表7：大模型發展推動硬件載體的變遷大模型發展推動硬件載體的變遷 資料來源：公司官網，華泰研究 大模型如何賦能終端：交互能力提升（輕量級大模型如何賦能終端：交互能力提升（輕

31、量級 AR）、代碼執行（具身智能）代碼執行（具身智能）。AR/VR 一直被認為有望替代手機成為下一代移動終端。但由于缺少觸摸屏，人機交互困難一直是困擾AR/VR 發展的一大難點。從最近 OpenAI 推出的 GPT-4o、谷歌推出的 Project Astra 以及Meta 的雷朋眼鏡中我們看到，大模型所具備的圖像理解、語音交互，以及根據語音交互結果進行的執行能力有望大幅度提高 AR/VR 產品的交互能力。終端如何解決大模型痛點：隱私保護（終端如何解決大模型痛點：隱私保護（AI PC）。23 年 3 月，微軟推出面向 Office 的 Microsoft 365 Copilot 以來，以辦公助

32、手為切入點，重塑包括 Word、Excel、Powerpoint 等通用辦公軟件，以及Dynamics 套件等專用軟件。如何保護自身私域數據的安全是企業導入微軟 Copilot 的主要痛點之一。24 年 5 月，微軟推出 Copilot+PC，通過在終端側部署輕量級的大模型，在保護隱私的前提下，能夠實現會議紀要、文檔總結、PPT 智能創作、文生圖等企業的基本辦公需求，是大模型時代生產力工具的主要支點。Apple Intelligence 推動蘋果用戶換機，推動蘋果用戶換機，利好產業鏈業績增長利好產業鏈業績增長:6/11,蘋果 WWDC 2024 大會推出由蘋果自研的端側大模型、云端大模型、以及

33、 OpenAI 的 ChatGPT 組成的全新智能系統 Apple Intelligence。從功能上來講，和 OpenAI、Google 的現有功能差異不大，但由于此類功能只在 iPhone 15 pro/max 及以后系列搭載，有望推動 14.6 億蘋果用戶換機。根據 IDC，蘋果 2023 年銷量 2.34 億臺，對應換機周期 6.23 年，如果 Apple Intelligence 能夠縮短換機周期 3 個月，可以帶動約 1000 萬臺新機銷售。感感知知思思考考行行動動PCPC智能手機智能手機智能電動車智能電動車ARVRARVR機器人機器人通用智能通用智能交互系統交互系統硬件形態硬件形

34、態相關公司相關公司 免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。9 科技科技 問題問題#3：新一輪產業鏈重構中哪些國家：新一輪產業鏈重構中哪些國家/地區地區會受益？會受益？全球科技產業鏈經過家電、PC、智能手機、移動互聯網、智能電動車等幾輪產品周期，從美國逐步向日本、韓國、新加坡、中國臺灣、中國大陸不斷擴散，形成了目前全球分工協作的產業格局。根據公司總部所在地以及主要業務內容，我們看到：1 美國企業在軟件、云計算、芯片設計、半導體設備等研發密集型行業，以及消費電子品牌上保持全球領導地位。2 中國大陸企業把握 4G 以及新能源產業機遇，在通信設備以及光伏動力電池等新能源領域全球領

35、先，在消費電子品牌以及電子元件領域已經占據重要行業地位，是全球產業鏈不可或缺的一部分。3 中國臺灣企業在半導體制造全球領先，電子元器件領域仍然保持全球較高份額。4 日本企業在消費電子品牌上的全球份額顯著下降，但在半導體設備、電子元器件、傳統能源領域積累深厚。圖表圖表8：全球科技行業當前的地域分布（全球科技行業當前的地域分布（2023）注：云計算、半導體、半導體設備、通信設備、能源、消費電子品牌統計口徑為產業鏈公司收入，電子元器件統計口徑為產業鏈公司利潤 資料來源：Bloomberg，華泰研究 云計算云計算半導體設備半導體設備半導體半導體電子元器件電子元器件消費電子品牌消費電子品牌通信設備通信設

36、備傳統能源傳統能源新能源新能源86%47%45%3%59%29%9%7%6%9%24%26%44%31%72%0%20%40%60%80%100%美國歐洲其他日本韓國中國臺灣中國大陸 免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。10 科技科技 我們認為 AI 大模型產業的快速發展，正在帶動家電、PC、手機之后第四次產業鏈重構。前三輪產業鏈變革中，我們看到 1）索尼等日本家電廠商，2）Intel、DELL 等美國 PC 相關廠商，以及 3）蘋果等手機廠商脫穎而出，帶動了一批產業鏈企業的快速發展。圖表圖表9：電子產業鏈迎來電子產業鏈迎來 AI 大模型驅動的第四次遷移，墨西哥大模型驅

37、動的第四次遷移，墨西哥、越南越南、馬來西亞有望受益馬來西亞有望受益 資料來源：各公司官網，華泰研究 美國美國日本日本中國臺灣中國臺灣中國大陸中國大陸印度印度東南亞東南亞12韓國韓國2233442234產業鏈變遷產業鏈變遷日本式“半導體+零部件+整機”一體化商業模式席卷全球“代工+設計”的軟硬件分離模式興起半導體制造從美國向中國臺灣和韓國遷移代工和零部件向中國臺灣和新加坡、馬來西亞遷移蘋果等手機產業鏈向中國大陸遷移2018年開始，制造業從中國向越南、印度等國遷移。1970-20001990-20102008-20242024-？1重大行業契機重大行業契機電視機PC手機AIAI大模型迅速迭代，一條

38、圍繞英偉達的新產業鏈正在快速形成4 免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。11 科技科技 我們重點分析在全球產業鏈重構趨勢下，日本、越南、馬來西亞、墨西哥、印度等國發展電子制造業所面臨的機遇和挑戰，得出以下結論。日本日本：高端制造回流，：高端制造回流，半導體設備行業半導體設備行業受益受益：日本半導體行業歷史上具有較深產業基礎，目前在半導體設備和材料上具有舉足輕重地位。日本訓練有素的工程師隊伍，以及日元貶值帶來的成本優勢，為臺積電等高端制造業回流日本提供了很好的基礎。作為能夠同時向中美出口的國家，日本的設備和材料行業有望實現超過全球行業平均的增速。馬來西亞：檳城馬來西亞：檳

39、城的的封測和柔佛封測和柔佛的的數據中心行業迎來大發展數據中心行業迎來大發展機遇機遇。檳城是全球半導體封測產業重鎮，作為能夠同時向中美出口的國家，正吸引全球主要封測企業產能向當地聚集。柔佛州毗鄰新加坡，有望承接新加坡數據中心外溢需求。越南是中國電子制造業出海第一站越南是中國電子制造業出海第一站：過去幾年越南電子制造業快速發展，在距中國較近的北方地區（河內/太原/北寧）形成了圍繞三星、鴻海、立訊等主要手機品牌/代工的產業集群。越南發揮地利/關稅優勢，成為中國電子制造業主要海外基地。墨西哥有望成為世界最大的服務器生產基地墨西哥有望成為世界最大的服務器生產基地：全球 AI 服務器的約一半需求來自亞馬遜

40、、谷歌、微軟等美國云計算廠商。墨西哥具有對美出口關稅低和人工成本低兩大優勢。鴻海、廣達等中國臺灣服務器廠商，利用以上優勢，在墨西哥大力發展服務器組裝業務。未來墨西哥有望成為全球最大的服務器生產基地。印度半導體制造剛剛起步，后續進展有待觀察印度半導體制造剛剛起步，后續進展有待觀察：印度是軟件外包大國，印度芯片設計行業發揮在軟件工程師上的積累，具有較強實力，許多美國芯片設計公司在當地設有研發中心。2023 年開始，印度政府宣布鼓勵發展半導體制造產業，已經有瑞薩、美光、鴻海、ST Micro等國際巨頭宣布建廠。但印度面臨電力及水資源不足問題，后續進展有待觀察。免責聲明和披露以及分析師聲明是報告的一部

41、分，請務必一起閱讀。12 科技科技 主要公司估值表主要公司估值表 圖表圖表10：數據基礎設施產業鏈估值表（截至數據基礎設施產業鏈估值表（截至 2024 年年 6 月月 24 日）日）資料來源：彭博，華泰研究 股票代碼股票代碼公司名稱公司名稱市值市值漲跌幅漲跌幅（億元人民幣）（億元人民幣）2024E2025E2024E2025E2024E2025EYTD半導體半導體AI芯片NVDA US 英偉達22167745.433.925.418.935.720.4155.6%AMD US AMD1855444.528.910.07.84.54.19.4%AVGO US 博通5496932.425.514.

42、712.711.08.649.2%688256 CH 寒武紀85960.331.918.218.352.9%688041 CH 海光信息1711100.974.120.615.48.87.93.9%HBM000660 KS SK海力士840810.47.02.41.92.51.957.6%005930 KS 三星電子2492013.69.71.51.41.41.33.3%MU US 美光科技11001146.414.96.14.13.42.863.7%邏輯代工2330 TT 臺積電6423128.022.110.48.66.05.059.7%688981 CH 中芯國際191460.134.5

43、3.63.12.62.5-10.9%封測3711 TT 日月光180920.915.11.31.12.32.127.8%AMKR US 安靠67221.815.31.41.32.21.915.8%600584 CH 長電科技55524.718.91.71.52.01.83.8%002156 CH 通富微電34737.925.91.31.12.42.2-1.2%002185 CH 華天科技25856.532.12.01.71.71.6-5.2%設備522 HK ASMPT36929.816.62.62.12.42.232.1%AMAT US 應用材料1387724.024.07.16.410.2

44、8.645.8%ASML US 阿斯麥2912132.032.013.710.325.320.737.4%LRCX US 拉姆研究977728.628.69.17.616.814.634.6%6146 JP DISCO307953.844.217.214.914.512.381.3%6857 JP 愛德萬199750.333.47.96.79.28.120.9%8035 JP 東京電子741835.327.27.36.28.37.239.2%6920 JP Lasertec154462.540.116.812.623.116.7-2.0%002371 CH 北方華創172931.522.95.

45、84.46.04.832.6%688012 CH 中微公司91646.434.910.98.34.84.3-3.7%688082 CH 盛美上海36532.324.36.85.45.04.1-20.0%數據中心數據中心光模塊/光芯片COHR US COHERENT78130.219.32.32.01.71.765.2%300308 CH 中際旭創157232.323.16.24.68.66.573.3%688498 CH 源杰科技122143.189.142.629.25.95.6-4.0%688048 CH 長光華芯5996.848.314.59.62.02.0-46.2%液冷3017 TT

46、 奇鋐(AVC)61435.724.03.82.910.48.1112.2%2308 TT 臺達電子219428.523.32.32.04.54.122.4%VRT US Vertiv241540.029.54.33.917.015.688.8%PCB/CCL/載板3037 TT 欣興電子63623.112.82.41.92.92.45.7%4061 JT Ibiden42180.081.32.32.20.60.6-15.0%002463 CH 滬電股份70631.325.26.25.16.25.169.5%002938 CH 鵬鼎控股88123.120.12.52.22.72.472.9%0

47、02916 CH 深南電路54532.326.73.43.03.83.451.3%服務器2317 TT 鴻海640618.514.60.40.41.81.797.1%2382 TT 廣達263422.018.20.80.66.35.439.8%SMCI US 超微電腦377435.623.63.52.29.67.1218.5%光纜/電纜5803 JP Fujikura41417.415.51.11.02.42.1190.7%PEPSPB 免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。13 科技科技 圖表圖表11：手機手機產業鏈估值表（截至產業鏈估值表（截至 2024 年年 6 月

48、月 24 日日）資料來源：彭博，華泰研究 股票代碼股票代碼公司名稱公司名稱市值市值漲跌幅漲跌幅（億元人民幣）（億元人民幣）2024E2025E2024E2025E2024E2025EYTD品牌品牌AAPL US 蘋果22652230.728.68.17.545.942.98.1%1810 HK 小米411222.220.01.21.12.32.115.5%992 HK 聯想131713.59.90.30.33.03.16.6%芯片芯片QCOM US 高通1688720.818.76.15.59.37.848.3%2454 TT 聯發科505823.120.14.43.86.05.842.7%S

49、WKS US Skyworks121516.716.24.04.02.72.6-4.1%QRVO US Qorvo77318.214.32.72.53.12.90.8%300782 CH 卓勝微44631.724.08.06.54.23.6-40.6%688153 CH 唯捷創芯16640.525.24.53.54.03.3-39.3%688512 CH 慧智微434.73.32.52.7-51.8%600584 CH 長電科技55524.718.91.71.52.01.83.8%零部件零部件601138 CH工業富聯5,473 21.0 16.9 1.0 0.8 3.5 3.1 82.2%0

50、02475 CH 立訊精密272019.615.81.00.93.83.110.0%002938 CH 鵬鼎控股88123.120.12.52.22.72.472.9%601231 CH 環旭電子33414.712.70.50.51.91.72.0%002273 CH 水晶光電22427.722.53.52.92.52.421.9%300433 CH 藍思科技86522.217.91.31.11.81.731.4%002384 CH 東山精密32413.510.90.90.81.61.46.1%285 HK 比亞迪電子79015.912.40.50.42.42.16.8%6088 HK FIT

51、 HON TENG22215.412.10.70.61.21.1183.1%2018 HK 瑞聲科技34724.118.71.31.21.51.337.2%300115 CH 長盈精密15120.217.20.90.72.11.9-15.5%002241 CH 歌爾股份62127.120.70.60.52.01.8-13.0%300136 CH 信維通信17619.315.01.91.62.32.0-22.6%2382 HK 舜宇光學科技49226.019.51.41.22.11.9-30.1%002456 CH 歐菲科技25243.928.31.11.06.36.0-12.6%002138

52、CH 順絡電子21924.319.33.52.93.32.91.7%603341 CH 龍旗科技17623.818.80.60.54.33.60.0%603296 CH 華勤技術55818.415.90.60.52.42.2-2.4%PEPSPB 免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。14 科技科技 模型：模型：AI 大模型商業模式思考大模型商業模式思考 從 2022 年 11 月 OpenAI 推出 ChatGPT 至今，OpenAI、微軟、谷歌、百度、阿里、字節跳動、訊飛等國內外企業爭先發布自己的大模型。大模型的能力最初僅限于文字問答，此后逐漸引入圖像理解、文生圖能力

53、，并通過 GPT Store 拓展功能，形成了 AI Agent 雛形，近期 GPT-4o 則實現了具備情感的互動。大模型的能力提升推動應用迅速向具備記憶具備記憶、推推理理、規劃規劃、執行執行等等能力能力的的 AI Agent 演進。AI 大模型性能持續快速提升。大模型性能持續快速提升。以衡量 LLM 的常用評測標準 MMLU 為例，2021 年底全球最先進大模型的 MMLU 5-shot 得分剛達到 60%，2022 年底超過 70%，而 2023 年底已提升至超過 85%。以 OpenAI 為例，2020 年 7 月推出的 GPT-3 得分 43.9%，2022 年 11 月推出的 GPT

54、-3.5 提升至 70.0%，2023 年 3 月和 2024 年 5 月推出的 GPT-4、GPT-4o 分別提升至 86.4%和 87.2%。谷歌目前性能最佳的大模型 Gemini 1.5 Pro 得分達到 85.9%。開源模型性能不容小覷，2024 年 4 月推出的 Llama 3 70B 得分已經達到 82.0%。圖表圖表12：科技巨頭目前主要模型的布局科技巨頭目前主要模型的布局 注：MMLU（Multilingual Massively Multilingual Understanding，大規模多任務語言理解）是一個包含 57 個多選問答任務的英文評測數據集，涵蓋了初等數學、美國歷

55、史、計算機科學、法律等領域，難度覆蓋高中水平到專家水平的人類知識。它是用于評估大模型在跨語言和多領域知識理解方面性能的一個重要基準。資料來源：公司官網，華泰研究 在語言能力之外，在語言能力之外，AI 大模型的大模型的多模態能力多模態能力也快速提升也快速提升。2023 年初，主流閉源大模型通常為純文本的 LLM。2023 年至今，閉源模型的多模態能力具有大幅度提升，目前主流閉源大模型通常具備圖像理解、圖像生成能力。如圖表 13 所示，雖然開源模型的文本能力有了較大提升，但大多數開源模型尚不具備多模態能力。目前大模型多模態能力的技術聚焦轉向了原生多模態。全球僅谷歌和 OpenAI 發布了其原生多模

56、態模型 Gemini、GPT-4o。創建多模態模型時，往往分別訓練不同模態的模型并加以拼接，而原生多模態模型一開始就在不同模態（文本、代碼、音頻、圖像和視頻）上進行預訓練，因此能夠對輸入的各模態內容順暢地理解和推理，效果更優。例如，對于非原生多模態模型的 GPT-4，其語音模式由三個獨立模型組成，分別負責將音頻轉錄為文本、接收文本并輸出文本、將該文本轉換回音頻，導致 GPT-4 丟失了大量信息無法直接觀察音調、多個說話者或背景噪音，也無法輸出笑聲、歌唱或表達情感。而原生多模態模型 GPT-4o，多種模態的輸入和輸出都由同一神經網絡處理，因此信息丟失更少，模型效果更好。30%40%50%60%7

57、0%80%90%100%2020-072020-092020-112021-012021-032021-052021-072021-092021-112022-012022-032022-052022-072022-092022-112023-012023-032023-052023-072023-092023-112024-012024-032024-05OpenAI谷歌MetaGPT-3GPT-3.5GPT-4GPT-4oGopherChinchillaPaLM 540BFlan PaLMPaLM-2Gemini 1.0 UltraGemini 1.5 ProLlama 65BLlama

58、2 70BLlama 3 70B 免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。15 科技科技 圖表圖表13：國內外主流國內外主流 AI 大模型大模型對比對比 地區地區 公司公司 模型模型 參數量參數量 模態（輸入；輸出）模態（輸入；輸出）開源開源/閉源閉源 發布時間發布時間 美國 OpenAI GPT-4o 未公開 文本，圖像，音頻，視頻（幀）；文本，圖像，音頻 閉源 2024 年 5 月 美國 OpenAI GPT-4 turbo 未公開 文本，圖像；文本，圖像 閉源 2023 年 11 月 美國 OpenAI Sora 未公開 文本，圖像；圖像，視頻 閉源 2024 年 2

59、 月 美國 谷歌 Gemini 1.5 未公開 文本，圖像，音頻，視頻（幀）；文本，圖像 閉源 2024 年 2 月 美國 谷歌 Gemini 未公開 文本，圖像，視頻；文本，圖像 閉源 2023 年 12 月 美國 Anthropic Claude 3 未公開 文本，圖像；文本 閉源 2024 年 3 月 中國 百度 ERNIE 4.0 未公開 文本，圖像；文本，圖像，視頻 閉源 2023 年 10 月 中國 商湯 日日新 5.0 600B（MoE）文本，圖像；文本，圖像，視頻 閉源 2024 年 4 月 中國 智譜 AI GLM-4 未公開 文本，圖像；文本，圖像 閉源 2024 年 1

60、月 美國 Meta Llama 3 70B 文本；文本 開源 2024 年 4 月 美國 微軟 Phi-3 3.8B 文本；文本 開源 2024 年 4 月 中國 阿里巴巴 Qwen 1.5 72B 文本；文本 開源 2024 年 2 月 中國 零一萬物 Yi-VL 34B 文本；文本 開源 2024 年 1 月 美國 xAI Grok-1 314B（MoE）文本；文本 開源 2023 年 11 月 資料來源：Stanford ecosystem graphs，公司官網，華泰研究 AI 大模型不斷提升的同時，得益于算力大模型不斷提升的同時，得益于算力芯片芯片性能的提升與推理部署的優化，大模型應

61、用成性能的提升與推理部署的優化，大模型應用成本快速下降本快速下降，為基于大模型的應用發展創造了基礎，為基于大模型的應用發展創造了基礎。目前 OpenAI 最前沿的 GPT-4o(128k)輸入輸出的平均價格比 2022 年 11 月的 GPT-3 Da Vinci 低一半，主打高性價比的 GPT-3.5(16k)平均價格則比 GPT-3 Da Vinci 低 95%。在 GPT-4 系列中，GPT-4o(128k)平均價格相較 2023 年 3 月的 GPT-4(32K)低 89%。圖表圖表14：AI 大模型成本快速下降大模型成本快速下降 資料來源：OpenAI 官網，華泰研究 基礎大模型基礎

62、大模型 vs 行業模型，開源模型行業模型，開源模型 vs 閉源模型閉源模型 基礎大模型，也稱為通用大模型，是通過基于海量通用數據進行預訓練而得到的。其優點在于擁有強大的泛化能力?；A大模型通常利用大算力和擁有大量參數的深度學習算法，在大量無標注的通用數據上進行預訓練，從而形成能夠“舉一反三”的泛化能力，相當于AI 完成了“通識教育”?；A大模型將 AI 的開發應用從“小作坊”帶入“大工業”時代，但由于缺乏特定場景的語料和數據集的訓練及模型調優，因此在特定場景下的“專業度”還有待提高。代表性的基礎大模型包括，OpenAI 的 GPT-4o，谷歌的 Gemini 1.5，和 Meta的 Llama

63、 3。行業大模型是在基礎大模型的基礎上，進一步融合行業數據、知識和專家經驗，從而有效提升模型的表現和可控性。其優點在于更為專業，并對于不同的應用場景具有更強的適配性。目前，在金融、能源、制造、傳媒等領域，已經有部分頭部企業與科技公司或科研單位聯合發布了行業大模型。0.0200 0.0020 0.0010 0.0035 0.0015 0.0010 0.0000.0050.0100.0150.0200.025GPT-3 DaVinciGPT-3.5-4k GPT-3.5-4k GPT-3.5-16kGPT-3.5-16kGPT-3.5-16k2022-112023-032023-062023-06

64、2023-112024-01(美元/1k tokens)0.0200 0.0450 0.0900 0.0200 0.0100 0.0000.0100.0200.0300.0400.0500.0600.0700.0800.0900.100GPT-3 DaVinciGPT-4-8kGPT-4-32kGPT-4-turbo(128k)GPT-4o(128k)2022-112023-032023-032023-112024-05(美元/1k tokens)-50%GPT-3.5系列系列API輸入、輸出平均價格輸入、輸出平均價格GPT-4系列系列API輸入、輸出平均價格輸入、輸出平均價格-95%-71%

65、免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。16 科技科技 圖表圖表15：基礎大模型基礎大模型+行業大模型，泛化性與專業性結合賦能各行各業行業大模型，泛化性與專業性結合賦能各行各業 資料來源：百度文心大模型官微，IDC2022 中國大模型發展白皮書，創新工場，華泰研究 大模型的競爭者越來越多，既有 OpenAI、微軟、谷歌、Meta、百度、騰訊、阿里、商湯等科技企業，又有智譜、月之暗面等初創企業。隨著大模型被越來越多的消費者及企業接受，未來的市場競爭格局將決定大模型生態系統的發展空間和最終贏家。由于基礎大模型與行業大模型存在差異，這兩類大模型最終可能形成不同的競爭格局。隨著大模

66、型在更多應用端的滲透，科技企業關于大模型的軍備競賽已經從基礎大模型延伸到行業大模型。開源模型異軍突起，給閉源模型帶來猛烈沖擊。海外市場中，OpenAI 和谷歌閉源模型領先，Meta 憑借開源模型 Llama 系列模型獨樹一幟；國內市場中，百度、月之暗面等堅持閉源模型，阿里、商湯、智譜、百川、零一萬物等互聯網大廠或初創公司開源與閉源兼具。我們認為，隨著以 Llama 為代表的高性能開源大模型的出現，對于垂直行業應用公司來講，從頭訓練大模型的模式的意義正在下降，我們已經看到部分垂直應用公司轉而采取開源模型+矢量數據庫的形式，解決特定應用場景和問題。開源模式將蠶食閉源模式一定的市場份額，兩者在未來較

67、長一段時間內或將形成相互搖擺的博弈格局。以以 Llama 為代表的的前沿開源模型性能優異。為代表的的前沿開源模型性能優異。以 Meta 2024 年 4 月發布的 Llama 3 為例，其分為大中小三個版本，相比其他模型：小規模的 8B 模型效果比同類大小的模型 Mistral 7B、Gemma 7B略好或基本持平；中等規模的70B模型效果比Gemini Pro 1.5、Claude 3 Sonnet略好或相當，并超過 GPT-3.5；最大的 400B 模型仍在訓練過程中，設計目標是多模態、多語言，根據 Meta 公布的目前訓練數據，其性能與 GPT-4 相當。文本語音圖像視頻自監督學習自監督

68、學習基礎基礎大大模型模型無無標注、標注、多模態的多模態的海量通用數據海量通用數據.智能檢索智能客服智能推薦.工業質檢智能錄入智能審核應用應用通通識教育識教育專業教育專業教育類似人類學習機制行業行業大大模型模型專業數據專業知識精調精調 免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。17 科技科技 圖表圖表16：人類注釋者人類注釋者的的偏好排名偏好排名顯示顯示 Llama 3 70B 優于優于 GPT-3.5 等模型等模型 資料來源：Meta 官網，華泰研究 圖表圖表17：開源模型性能進步速度快于閉源模型開源模型性能進步速度快于閉源模型 資料來源：Big Ideas 2024(Ark

69、 Investment,2024)，華泰研究 開源大模型具備低成本高效落地、技術迭代迅速以及可私有化部署的屬性，解決閉源大模開源大模型具備低成本高效落地、技術迭代迅速以及可私有化部署的屬性，解決閉源大模型應用痛點。型應用痛點。1）低成本高效落地：模型從頭訓練需要大額資金投入，使用閉源大模型在企業用戶量攀升后 Token 費用將水漲船高；而開源大模型可以幫助用戶簡化模型訓練和部署過程，并節省高額初始及后期資金投入，用戶只需從開源社區如 HuggingFace 中免費下載預訓練好的模型并進行微調，就可快速構建高質量的模型。2）技術迭代迅速：在 Llama 2、Llama3 開源發布后，吸引了全球開

70、發者和愛好者參與開發和改進，當前已快速衍生出一系列開源的基礎模型與行業模型，這極大地加快了創新和迭代的速度。3）私有化部署：如果把行業的 know-how 數據輸送給閉源大模型，可能存在數據泄露的風險；而開源大模型可部署在企業內網的 AI 服務器上，幫助企業保護敏感數據安全性。免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。18 科技科技 圖表圖表18：開源大模型與閉源大模型對比開源大模型與閉源大模型對比 開源大模型開源大模型 閉源大模型閉源大模型 成本 免費，可能有額外的許可證或服務費用 通?；谳斎?輸出 token 大小收費 模型性能 通常性能弱于閉源模型 通常性能更優 適用

71、性 需要開發人員調試 即插即用 定制化 可實現高度的定制化 受限于供應商，可定制化程度低于開源模型 資料來源：華泰研究 開源模式的任何漸進式改進都在蠶食閉源模型的市場份額，未來兩者或在相當長一段時間開源模式的任何漸進式改進都在蠶食閉源模型的市場份額，未來兩者或在相當長一段時間內形成互相博弈和競爭的格局。內形成互相博弈和競爭的格局。部分原計劃用閉源大模型如 GPT-4 的垂直應用公司，可能會迫于成本、定制開發等原因，轉而選擇 Llama 或其他開源模型。另外，開源也能讓其他新加入者更快適應 AI 產業，未來一天或幾天之內的訓練周期將成為常態，以這樣的速度，微調的累積效應將很快幫助小模型克服體量上

72、的劣勢。開源模型和閉源模型各有所長，二者將長期共存：1）模型方面，閉源大模型的質量更高，例如 Llama 2-70B 在代碼生成上與GPT-3.5 仍有顯著差距。且快速迭代的開源模型數量龐大，對用戶而言選擇成本隨之上升；2）安全性方面，閉源大模型的可靠性更有保障。部分客戶如大型政企，在大模型采購時往往需要大公司的品牌作為可靠性背書。3）產業化方面，閉源大模型的長期服務能力更強、更可用。大模型與業務結合，需要產品、運營、測試工程師等多種角色共同參與，同時大模型的長期應用所需的算力、存儲、網絡等配套都要跟上，開源社區無法幫助用戶“一站式”解決這些細節問題。因此，這場博弈將在未來引導著開源、閉源兩種

73、模式不斷進行改進，模型產業化應用將成為兩種模式的試金石。此外，面對性能優異的 Llama 及其快速增多的衍生開源模型，部分 AI 初創企業可能正在失去存在的意義，市場內自研模型的公司數量或將快速收斂，除了科技巨頭外，只有少數具備先發優勢的 AI 初創企業能夠在激烈的競爭中生存下來。免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。19 科技科技 AI+還是還是+AI：關注：關注 AI 是否具有護城河是否具有護城河及及全業務流程價值鏈占比全業務流程價值鏈占比 隨著大模型能力的不斷增強，隨著大模型能力的不斷增強，AI 的作用不斷深化，的作用不斷深化，生成式生成式 AI 新的應用不斷被解鎖

74、。新的應用不斷被解鎖。通過對AI 在搜索、電商零售、辦公、金融法律、影視游戲，醫藥、教育、汽車等行業應用前景的分析，我們認為，AI 應用的落地節奏或與行業數字化程度成正比，我們看到 AI 大模型在互聯網（搜索+廣告營銷）、辦公、金融等領域率先迎來“iPhone 時刻”。其中最值得關注的應用包括：1）文本生成在電商、金融、醫療等行業替代傳統客服；2）文本和圖像生成在辦公、廣告營銷、金融、影視游戲等領域成為下一代生產力工具；3）蛋白質生成能力拓寬人類探討世界的范圍，特別是在新藥開發上的應用前景。圖表圖表19：AI 大模型如何賦能各行業大模型如何賦能各行業 資料來源：華泰研究 “AI+”（以”（以

75、AI 技術賦能行業的科技企業）還是“技術賦能行業的科技企業）還是“+AI”（采用”（采用 AI 技術的傳統企業）能夠勝技術的傳統企業）能夠勝出是上一輪出是上一輪 AI 投資最大的爭議。投資最大的爭議?！癆I+”是以 AI 技術為核心，重構現有業務；“+AI”是以現有業務為核心，借助 AI 降本增效，是改進而非重建。從結果來看，“AI+”企業在智慧城市等特定領域獲得商業成功，但互聯網（例如谷歌、百度的搜索，頭條的推薦，阿里的廣告）、金融等行業通過已有業務+AI 提升了效率。我們認為上一輪“AI+”企業沒有全面成功的原因是算法的進入壁壘相對較低。本次大模型主導的創新周期相比上一輪以本次大模型主導的

76、創新周期相比上一輪以國內國內 AI 四小龍（商湯、曠視、云從、四小龍（商湯、曠視、云從、依圖）為代依圖）為代表的表的 AI 浪潮主要有三點區別：浪潮主要有三點區別：1）大模型能力更強。預訓練大模型算法架構更先進，訓練消耗的數據量和算力躍升，因此泛化能力更強。2）應用落地更明確。生成式 AI 在許多領域成為了生產力工具。3）商業模式更清晰多樣。上一輪 AI 浪潮，AI 公司采用小模型+軟硬結合的定制化解決方案變現，偏通用化軟件化的 API 和 SaaS 并未成為主流的變現方式。本次創新周期中，ToC 的訂閱費、ToB 的 API 調用費成為主流的變現手段，ToB 的 MaaS商業模式也逐漸清晰。

77、文本生成文本生成代碼生成代碼生成圖像生成圖像生成視頻生成視頻生成語音生成語音生成蛋白質生成蛋白質生成搜索搜索電商零售電商零售辦公辦公金融法律金融法律醫藥醫藥教育教育汽車汽車增效降本營銷文案、客服營銷圖片自動化廣告營銷音頻、客服文檔撰寫代碼生成研報、文書生成新藥發現電子病歷、醫療咨詢課件生成陪伴機器人課件生成AI作圖AI總結提煉課件生成金融客服影視游戲影視游戲劇本生成角色原畫角色配音影視、游戲制作游戲代碼落地進展自動駕駛座艙交互自動駕駛 免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。20 科技科技 圖表圖表20：相比上輪相比上輪 AI 浪潮，本輪創新周期的大模型能力更強、應用落地更

78、明確、商業模式更清晰多樣浪潮，本輪創新周期的大模型能力更強、應用落地更明確、商業模式更清晰多樣 資料來源：華泰研究 在當前大模型主導的創新周期中，大模型的應用模式仍然是許多企業關注的焦點。企業需要決定是選擇“AI+”（以 AI 技術為核心，重構現有業務）還是“+AI”（以現有業務為核心，借助 AI 降本增效）？我們認為，對于大模型應用模式的選擇可以從兩個方面考慮：首先，要考慮首先，要考慮 AI 在企業全業務流程價值鏈中所占比例。在企業全業務流程價值鏈中所占比例。如果 AI 在該賽道全業務流程價值鏈中所占比例很小，比如只有 10%，則更容易從“+AI”切入。因為要從“AI+”切入，企業需要先將剩

79、下的 90%業務補足，而在產業鏈深耕多年的競爭對手很可能已經補足了這90%。相比之下，如果 AI 占據全業務價值鏈的較大比例，“AI+”將有更大的發展空間。例如，在電商領域，可能更適合從“+AI”切入。因為即使沒有 AI 技術，商家仍然可以通過提供更優質的產品和服務來取勝。這是因為 AI 在電商全業務價值鏈中所占比例較低，而用戶、渠道和產品等因素更為關鍵。大模型在電商領域更多地用于降低成本和增加效率，例如自動生成營銷文案、圖像快速檢索和智能語音客服等。其次，要考慮企業業務中其次，要考慮企業業務中 AI 是否具備護城河。是否具備護城河。如果 AI 在業務中沒有護城河或者門檻很低，選擇“+AI”更

80、適合持續發展。因為一旦傳統企業認識到 AI 的價值，也開始采用“+AI”策略，其他企業很容易趕上來。在這種情況下，創業公司選擇“AI+”可能難以生存。相反，如果 AI 在業務中形成了較高的護城河，“AI+”也許會產生創業機會。即使 AI 只占全產業鏈的一小部分，比如 30%，但這 30%卻具有非常高的門檻。后來進入市場的傳統企業即使在其余 70%上取得優勢，也難以突破這 30%的高門檻。因此，提前入局并占據了 30%份額的企業仍能持續經營，這也是“AI+”模式的機會所在。在蛋白質結構預測領域，采用“AI+”模式可能會取得突破性進展。蛋白質的功能很大程度上取決于其 3D 結構，而預測蛋白質的 3

81、D 結構是一個非常復雜的過程。以前，計算所有可能的折疊方式需要耗費極長的時間。然而，AI 大模型為蛋白質結構預測提供了新的解決方案。例如，DeepMind 從 2016 年開始研究，在 2018 年發布了 AlphaFold，2020 年推出了 AlphaFold 2，2024 年推出了 AlphaFold 3。AlphaFold 2 已被用來預測數億個蛋白質結構，如果按照當前實驗性結構生物學的進度，將需要數億年的時間。與傳統的蛋白質結構預測方法相比，AlphaFold 3 在預測蛋白質與其他分子類型的相互作用方面，準確度至少提高了 50%。此外，AlphaFold 3 不僅限于蛋白質結構預測

82、，還能夠對包括核酸、小分子、離子和修飾殘基在內的復合物進行聯合結構預測。蛋白質結構預測的大模型門檻很高，目前行業內的企業數量較少。大模型能力更強大模型能力更強預訓練大模型算法架構更先進，訓練消耗的數據量和算力躍升，因此泛化能力更強。應用落地更明確應用落地更明確生成式AI在許多領域成為了生產力工具。許多科技巨頭推出了行業大模型，聚焦具體應用場景的專業知識和特定需求。商業模式更清晰多樣商業模式更清晰多樣ToC的訂閱費、ToB的API調用費已被廣泛應用，ToB的MaaS商業模式也逐漸清晰并有望成為未來大模型的主要變現方式之一。AI 2.0 免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。

83、21 科技科技 圖表圖表21：從“從“AI 在全業務價值鏈的占比”以及“在全業務價值鏈的占比”以及“AI 是否具備護城河”出發，選擇“是否具備護城河”出發，選擇“AI+”還是“”還是“+AI”資料來源：華泰研究 本輪“本輪“+AI”和“”和“AI+”都可”都可能能獲得可觀的價值，“獲得可觀的價值，“+AI”賦能眾多傳統業務，“”賦能眾多傳統業務，“AI+”更可能”更可能重塑行業。重塑行業。對于“+AI”，1）傳統行業眾多，意味著“+AI”的落地場景眾多；2）傳統行業體量大，賦能的新增價值將產生規模效應，例如一家銀行或一家造車公司，如果 AI 可以幫其提升 3-5%的效率，就能產生較為可觀的價值

84、；3）關注更易與 AI 結合的傳統業務及其龍頭企業，比如電商的阿里和京東、辦公軟件的微軟和金山辦公等，因為有自身發展需求、具備商業價值的海量數據，我們認為積極擁抱 AI 技術等特質的傳統企業更可能考慮+AI。對于“AI+”，1）算力、算法、數據等壁壘較高，有較高的進入門檻，先發優勢明顯；2）在數據更私密、算法壁壘更高、定制化程度較高的自動駕駛等關鍵領域，“AI+”公司有機會深耕并占據細分賽道的領先地位?！?AI”和“AI+”都有機會“AI+”潛力更大“+AI”更有價值“+AI”和“AI+”都有機會高低是否AI在業務中的應用是否具備護城河AI在全業務價值鏈的占比蛋白質預測新藥研發辦公電商制造 免

85、責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。22 科技科技 海外大模型：微軟海外大模型：微軟&OpenAI、谷歌、谷歌、Meta 我們復盤了過去一年海外基礎大模型訓練企業在大模型技術、產品化和商業化上的進展。微軟和 OpenAI 是目前大模型技術水平、產品化落地最為前沿的領軍者，其對顛覆式創新的持續投入是當前領先的深層原因。谷歌技術儲備豐厚，自有業務生態廣闊并且是 AI 落地的潛在場景，過去由于管理松散未形成合力，我們看到谷歌從 2023 年開始整合 Google Brain和 DeepMind，目前正在產品化、生態化加速追趕。Meta 選擇模型開源的防御性策略，以應對 Open

86、AI、谷歌等競爭對手的強勢閉源模型。圖表圖表22：海外主流大模型與產品時間軸海外主流大模型與產品時間軸 資料來源：公司官網，華泰研究 微軟微軟（MSFT US）&OpenAI（未上市）（未上市）：閉源模型全球領先，大模型產品化處于前沿：閉源模型全球領先，大模型產品化處于前沿 OpenAI 最前沿模型最前沿模型 GPT 系列持續迭代。系列持續迭代。2022 年 11 月，OpenAI 推出的基于 GPT-3.5 的ChatGPT 開啟了 AI 大模型熱潮。此后，OpenAI 持續迭代 GPT 系列模型：1）2023 年 3月發布 GPT-4，相比 GPT-3.5 僅支持文字/代碼的輸入輸出，GP

87、T-4 支持輸入圖像并且能夠真正理解；2）2023 年 9 月發布 GPT-4V，升級了語音交互、圖像讀取和理解等多模態功能；3）2023 年 10 月將 DALLE 3 與 ChatGPT 結合，支持文生圖功能；4）2023 年11 月發布 GPT-4 turbo，相比 GPT-4 性能提升，成本降低，支持 128k tokens 上下文窗口（GPT-4 最多僅為 32k）；5）2024 年 5 月發布其首個端到端多模態模型 GPT-4o，在文本、推理和編碼智能方面實現了 GPT-4Turbo 級別的性能，同時在多語言、音頻和視覺功能上性能更優。GPT-4o 的價格是 GPT-4 turbo

88、 的一半，但速度是其 2 倍。得益于端到端多模態模型架構，GPT-4o 時延大幅降低，人機交互體驗感顯著增強。OpenAI 多模態模型布局完整。多模態模型布局完整。在多模態模型方面，除了文生圖模型 DALLE3，OpenAI在 2024 年 2 月推出了文生視頻模型 Sora，Sora 支持通過文字或者圖片生成長達 60 秒的視頻，遠超此前 Runway（18 秒）、Pika（起步 3 秒+增加 4 秒）、Stable Video Diffusion（4秒）等 AI 視頻應用生成時長，此外還支持在時間上向前或向后擴展視頻，以及視頻編輯。微軟微軟 Phi 系列小模型面向開源，將自研系列小模型面向

89、開源，將自研 MAI 系列大模型系列大模型。微軟自研小模型為客戶提供更多選擇，2023 年發布 Phi-1.0（1.3B）、Phi-1.5（1.3B）、Phi-2 模型（2.7B），2024 年開源了 Phi-3 系列，包括 3 款語言模型Phi-3-mini（3.8B）、Phi-3-small（7B）和 Phi-3-medium（14B），以及一款多模態模型 Phi-3-vision(4.2B)。此外，據 The information 2024 年 5 月報道，微軟將推出一款參數達 5000 億的大模型，內部稱為 MAI-1，由前谷歌 AI 負責人、Inflection CEO Musta

90、fa Suleyman 負責監督。PaLM 2ChatGPT2022年年11月月GPT-42023年年3月月2023年年5月月Bard2023年年2月月PaLM-E2023年年3月月Emu2023年年9月月GPT-4o2024年年5月月Llama 32024年年4月月Project AstraGemini1.5升級升級2024年年5月月Sora2024年年2月月Gemini 1.02023年年12月月GPT-4V2023年年9月月GPT-4 turbo2023年年11月月Llama 22023年年7月月Phi-1和和Phi-1.52023年年9月月Phi-22023年年12月月Phi-3202

91、4年年4月月202220232024 Gemini 1.52024年年2月月 免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。23 科技科技 產品化方面，微軟與產品化方面，微軟與 OpenAI 利用利用大模型能力對原有的軟件產品、云計算業務、智能硬件大模型能力對原有的軟件產品、云計算業務、智能硬件進行全面升級。進行全面升級。1）微軟圍繞企業辦公、客戶關系管理、資源管理、員工管理、低代碼開發等業務環節具有完整的產品矩陣，2023 年以來推出相應的 Copilot 產品對原有產品進行 AI大模型賦能，其中產品化最早、最為核心的是面向企業辦公場景的Copilot for Microsof

92、t 365，以及面向 C 端用戶的 Copilot for Windows，以及集成在 Bing 搜索、Edge 瀏覽器的 Copilot。2）云計算業務方面，Azure 云業務向 MaaS 服務發展，提供算力、模型、數據工具、開發工具等服務。3）智能硬件方面，微軟在 2024 年 5 月發布 GPT-4o 加持的 Copilot+PC，除微軟 Surface 以外，聯想、戴爾、惠普、宏碁、華碩等 PC 廠商也將發布 Copilot+PC 新品。2024 年 6 月，蘋果宣布與 OpenAI 的合作，將 ChatGPT 集成到 Apple Intelligence 中。用戶授權后，蘋果與 Ch

93、atGPT 分享查詢，以獲取更具創意和實用性的建議。圖表圖表23：微軟微軟&OpenAI 芯片芯片、模型、應用層產品布局、模型、應用層產品布局 注：*為開源模型 資料來源：公司官網，華泰研究 谷歌谷歌（GOOG US）：閉源模型全球領先，自有業務生態及：閉源模型全球領先，自有業務生態及 AI 潛在落地空間廣闊潛在落地空間廣闊 谷歌最前沿的閉源模型從谷歌最前沿的閉源模型從 PaLM 系列切換到系列切換到 Gemini。2022-2023 年，PaLM 系列模型是谷歌的主力模型，2022 年 4 月發布的 PaLM、2022 年 10 月發布的 Flan PaLM 以及 2023 年5 月 I/O

94、 大會發布的 PaLM-2 都是谷歌當時的主力大模型。2023 年 12 月，谷歌發布全球首個原生多模態模型 Gemini，包含 Ultra、Pro 和 Nano 三種不同大小。根據 Gemini Technical Report，Ultra 版在絕大部分測試中優于 GPT-4。2024 年 2 月，谷歌發布 Gemini 1.5 Pro，性能更強，并且擁有突破性的達 100 萬個 Tokens 的長上下文窗口。2024 年 5 月 I/O 大會上，谷歌對 Gemini 再次更新：1）發布 1.5 Flash，是通過 API 提供的速度最快的 Gemini 模型。在具備突破性的長文本能力的情況

95、下，它針對大規模地處理高容量、高頻次任務進行了優化，部署起來更具性價比。1.5 Flash 在總結摘要、聊天應用、圖像和視頻字幕生成以及從長文檔和表格中提取數據等方面表現出色。2）更新 1.5 Pro。除了將模型的上下文窗口擴展到支持 200 萬個 tokens 之外，1.5 Pro 的代碼生成、邏輯推理與規劃、多輪對話以及音頻和圖像理解能力進一步提升。MircosoftOpenAI原生多模態大原生多模態大模型模型/閉源閉源LLM圖片生成模型圖片生成模型音頻音頻/音樂生成、音樂生成、語音合成模型語音合成模型視頻生成模型視頻生成模型開源開源LLMVoice EngineVALL-EWhisper

96、*Phi-3*MAI-1自研算力芯片自研算力芯片Maia芯片層芯片層&模型層模型層應用層應用層MircosoftOpenAI手機手機智能穿戴智能穿戴生成力工具生成力工具PC生成力及業務生成力及業務流程流程Microsoft Copilot for Security/Service/Sales、Github CopilotAI助手助手搜索搜索必應搜索中的必應搜索中的CopilotHumane AI Pin硬件落地硬件落地2C軟件軟件2B軟件軟件云與開發者云與開發者服務服務OpenAI API基于基于Azure的算力、的算力、數據庫、模型服務數據庫、模型服務 免責聲明和披露以及分析師聲明是報告的一

97、部分，請務必一起閱讀。24 科技科技 產品化方面，谷歌將大模型能力融入自有軟件業務、云計算和智能硬件之中。產品化方面，谷歌將大模型能力融入自有軟件業務、云計算和智能硬件之中。1）自有軟件業務：谷歌在 2023 年 5 月 I/O 大會上宣布將 PaLM 2 應用在超過 25 種功能和產品中，包括 2B 辦公套件 Workspace、聊天機器人 Bard 等等。隨著谷歌主力大模型切換到 Gemini，Workspace 和 Bard 背后的大模型也同步切換。2）云計算：谷歌通過 Vertex AI 和 Google AI Studio 向 MaaS 延伸。Vertex AI 是 AI 開發和運營

98、（AIOps）平臺，支持組織開發、部署和管理 AI 模型。Google AI Studio 是基于網絡的工具，可以直接在瀏覽器中設計原型、運行提示并開始使用 API。3）智能硬件：2024 年下半年，據 Techweb，谷歌有望在 10 月推出Pixel9 系列，預計將搭載基于最新 Gemini 模型的 AI 助手，執行復雜的多模態任務。圖表圖表24：谷歌谷歌芯片芯片、模型、應用層產品布局、模型、應用層產品布局 注：*為開源模型 資料來源：公司官網，華泰研究 Meta（META US）：Llama 開源模型領先開源模型領先 Meta 憑借憑借 Llama 系列開源模型在大模型競爭中獨樹一幟，目

99、前已發布三代模型。系列開源模型在大模型競爭中獨樹一幟，目前已發布三代模型。Meta 在2023 年 2 月、7 月分別推出 Llama 與 Llama 2。Llama 2，提供 7B、13B、70B 三種參數規模，70B 在語言理解、數學推理上的得分接近于 GPT-3.5，在幾乎所有基準上的任務性能都與 PaLM 540B 持平或表現更好。2024 年 4 月，Meta 發布 Llama 3，Llama 3 性能大幅超越前代Llama 2，在同等級模型中效果最優。本次開源參數量為 8B和70B的兩個版本，未來數個月內還會推出其他版本，升級點包括多模態、多語言能力、更長的上下文窗口和更強的整體功

100、能。最大的 400B 模型仍在訓練過程中，設計目標是多模態、多語言，根據Meta 公布的目前訓練數據，其性能與 GPT-4 相當。Meta 基于基于 Llama 系列模型打造智能助手系列模型打造智能助手 Meta AI、雷朋、雷朋 Meta 智能眼鏡等硬件產品。智能眼鏡等硬件產品。Meta同時更新基于 Llama 3 構建的智能助手 Meta AI，無需切換即可在 Instagram、Facebook、WhatsApp 和 Messenger 的搜索框中暢通使用 Meta AI。Llama 3 很快將在 AWS、Databricks、Google Cloud、Hugging Face、Kagg

101、le、IBM WatsonX、Microsoft Azure、NVIDIA NIM 和 Snowflake 上推出，并得到 AMD、AWS、戴爾、英特爾、英偉達、高通提供的硬件平臺的支持。此外，雷朋 Meta 智能眼鏡也將支持多模態的 Meta AI。原生多模態大原生多模態大模型模型/閉源閉源LLM圖片生成模型圖片生成模型音頻音頻/音樂生成、音樂生成、語音合成模型語音合成模型視頻生成模型視頻生成模型開源開源LLM自研算力芯片自研算力芯片芯片層芯片層&模型層模型層應用層應用層手機手機智能穿戴智能穿戴生產力工具生產力工具PC生產力及業務生產力及業務流程流程AI助手助手搜索搜索硬件落地硬件落地2C軟

102、件軟件2B軟件軟件云與開發者云與開發者服務服務MusicLMAudioLMGemma-2*LyriaVeoTPU智能眼鏡等智能眼鏡等三星三星Galaxy S24、OPPO、一加等、一加等基于基于GCP、Vertex AI開發平臺開發平臺的算力、數據庫、模型服務的算力、數據庫、模型服務谷歌搜索中的谷歌搜索中的AI Overviews 免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。25 科技科技 圖表圖表25：Meta 芯片芯片、模型、應用層產品布局、模型、應用層產品布局 注：*為開源模型 資料來源：公司官網，華泰研究 原生多模態大原生多模態大模型模型/閉源閉源LLM圖片生成模型圖片

103、生成模型音頻音頻/音樂生成、音樂生成、語音合成模型語音合成模型視頻生成模型視頻生成模型開源開源LLM自研算力芯片自研算力芯片芯片層芯片層&模型層模型層應用層應用層手機手機智能穿戴智能穿戴生產力工具生產力工具PC生產力及業務生產力及業務流程流程AI助手助手搜索搜索硬件落地硬件落地2C軟件軟件2B軟件軟件云與開發者云與開發者服務服務EmuMusicGen*AudioGen*Emu VideoArtemisMTIALlama 3*雷朋眼鏡雷朋眼鏡（限（限Meta旗下旗下App內使用）內使用）生成式生成式AI廣告工具廣告工具 免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。26 科技科技

104、國內大模型進展國內大模型進展 我們復盤了過去一年國內基礎大模型訓練企業在大模型技術、產品化和商業化上的進展：1）國內閉源大模型持續追趕國內閉源大模型持續追趕 OpenAI：我們看到 23 年中到 23 年底的國內主流大模型對標GPT-3.5，23 年,開始對標 GPT-4。例如 2023 年 10 月更新的文心 4.0（Ernie 4.0）“綜合水平與 GPT4 相比已經毫不遜色”，2024 年 1 月更新的智譜 GLM-4 整體性能“逼近GPT-4”，2024 年 4 月更新的商湯日日新 5.0“綜合性能全面對標 GPT-4 Turbo”。2）國內競爭格局逐漸清晰，陣營可分為互聯網頭部企業、

105、上一輪國內競爭格局逐漸清晰，陣營可分為互聯網頭部企業、上一輪 AI 四小龍、創業企業。四小龍、創業企業?；ヂ摼W頭部企業中，目前百度與阿里在模型迭代與產品化上領先，字節跳動擁有領先的2C 大模型應用豆包，但公開的大模型公司信息較少，騰訊的大模型迭代與產品化稍顯落后。商湯是上一代“AI 四小龍”公司中唯一在本輪 AI 2.0 浪潮中未曾掉隊、持續創新領先的企業。創業公司中布局各有特色：智譜布局完整，開源、閉源模型兼具，2C/2B并重；月之暗面專注 2C 閉源，以長文本作為差異化競爭點；Minimax 選擇 MoE 模型，以 2C 社交產品切入；百川智能開源、閉源兼具，2B 為主；零一萬物從開源模型

106、切入，目前開源和閉源模型兼具。3）國內開源模型具備全球競爭力。國內開源模型具備全球競爭力。以阿里 Qwen 系列、百川智能 Baichuan 系列、零一萬物的 Yi 系列為代表的國內開源模型成為推動全球開源模型進步的重要力量。圖表圖表26：國內主流大模型時間軸國內主流大模型時間軸 資料來源：公司官網，華泰研究 國內大模型上市公司：百度、阿里、騰訊、國內大模型上市公司：百度、阿里、騰訊、商湯、商湯、三六零、第四范式三六零、第四范式 百度百度（9888 HK/BIDU US）：文心大模型持續迭代，：文心大模型持續迭代，B/C 端商業化穩步推進端商業化穩步推進 文心文心 4.0 綜合能力綜合能力“與

107、與 GPT-4 相比毫不遜色相比毫不遜色”。繼 2023 年 3 月發布知識增強大語言模型文心一言后，百度在 2023 年 5 月發布文心大模型 3.5，2023 年 10 月發布文心大模型 4.0。相比 3.5 版本，4.0 版本的理解、生成、邏輯、記憶四大能力都有顯著提升：其中理解和生成能力的提升幅度相近，而邏輯的提升幅度達到理解的近 3 倍，記憶的提升幅度達到理解的 2 倍多。文生圖功能方面，文心 4.0 支持多風格圖片生成，一文生多圖，圖片清晰度提升。據百度創始人、董事長兼 CEO 李彥宏在百度世界 2023 上介紹，文心大模型 4.0 綜合能力“與 GPT-4 相比毫不遜色”。WeL

108、M大模型大模型2022年年11月月“通義”大“通義”大模型系列模型系列2022年年9月月通義宣布加通義宣布加入開源行列入開源行列2023年年8月月通義千問通義千問2.02023年年10月月日日新日日新4.02024年年2月月日日新日日新5.02024年年4月月豆包大模型豆包大模型家族家族2024年年5月月通義千問通義千問2.5 2024年年5月月AI對話產對話產品豆包品豆包2023年年8月月書書生生 2.52023年年3月月文心大模型文心大模型3.52023年年5月月文心大模型文心大模型4.02023年年10月月2022及之前及之前20232024 文心大模型文心大模型1.02019年年3月月

109、通義千問通義千問2023年年4月月日日新大日日新大模型體系模型體系2023年年4月月日日新日日新3.02023年年12月月日日新日日新2.02023年年7月月320億參數億參數視覺模型視覺模型2022年年混元大模型混元大模型2023年年9月月 免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。27 科技科技 AI 重構百度移動生態重構百度移動生態。百度搜索、地圖、網盤、文庫等移動生態應用以 AI 重構。1）搜索：大模型重構的新搜索具有極致滿足、推薦激發和多輪交互三個特點。2）地圖：通過自然語言交互和多輪對話，升級為智能出行向導，提升用戶出行和決策效率。3）百度網盤與文庫：AI 增加創

110、作能力。網盤可以精準定位視頻的特定幀，并總結長視頻內容，提取關鍵信息和亮點。文庫利用其龐大的資料庫，輔助用戶進行寫作和制作 PPT，成為生產力工具。4）百度 GBI：用 AI 原生思維打造的國內第一個生成式商業智能產品。通過自然語言交互，執行數據查詢與分析任務，同時支持專業知識注入，滿足更復雜、專業的分析需求。百度百度 B/C 端商業化穩步推進端商業化穩步推進。根據李彥宏 2024 年 4 月在 Create 2024 百度 AI 開發者大會上的演講，文心一言用戶數已經突破 2 億，API 日均調用量也突破 2 億，服務的客戶數達到 8.5 萬，利用千帆平臺開發的 AI 原生應用數超過 19

111、萬。C 端商業化端商業化：2023 年 10 月推出文心一言 4.0 后，百度開啟收費計劃，開通會員后可使用文心大模型 4.0，非會員則使用 3.5 版本。會員單月購買價格為 59.9 元/月，連續包月價格為 49.9 元/月，文心一言+文心一格聯合會員價格為 99 元/月。文心一言會員可享受文心大模型 4.0、文生圖能力全面升級、網頁端高階插件、App 端單月贈送 600 靈感值等權益，文心一格會員可享受極速生成多尺寸高清圖像、創作海報和藝術字、AI 編輯改圖修圖等權益。B 端落地端落地：三星 Galaxy S24 5G 系列、榮耀 Magic 8.0 均集成了文心 API，汽車之家使用文心

112、 API 支持其 AIGC 應用程序。根據百度 4Q23 業績會，百度通過廣告技術改進和幫助企業構建個性化模型，在 4Q23 已經實現數億元人民幣的收入，百度預計 2024 年來自 AI大模型的增量收入將增長至數十億元人民幣，主要來源包括廣告和人工智能云業務。阿里巴巴阿里巴巴（9988 HK/BABA US）：通義大模型開源閉源兼具，落地行業廣泛：通義大模型開源閉源兼具，落地行業廣泛 通義千問通義千問 2.5 中文性能追平中文性能追平 GPT-4 Turbo。通義千問自 2023 年 4 月問世以來，2023 年10 月發布性能超越 GPT-3.5 的通義千問 2.0，2024 年 5 月發布

113、通義千問 2.5。在中文語境下，2.5 版文本理解、文本生成、知識問答&生活建議、閑聊&對話，以及安全風險等多項能力上趕超 GPT-4。通義踐行“全模態、全尺寸”開源。通義踐行“全模態、全尺寸”開源。2023 年 8 月，通義宣布加入開源行列，已陸續推出十多款開源模型。根據阿里云公眾號，截至 2024 年 5 月，通義開源模型下載量已經超過 700萬。大語言模型方面，通義開源了參數規模橫跨 5 億到 1100 億的八款模型：小尺寸模型參數量涵蓋 0.5B、1.8B、4B、7B、14B，可便捷地在手機、PC 等端側設備部署；大尺寸模型如 72B、110B 能夠支持企業級和科研級的應用；中等尺寸模

114、型如 32B 則在性能、效率和內存占用之間找到最具性價比的平衡點。此外，通義還開源了視覺理解模型 Qwen-VL、音頻理解模型 Qwen-Audio、代碼模型 CodeQwen1.5-7B、混合專家模型 Qwen1.5-MoE。面向面向 B 端客戶，端客戶，通義通過通義通過阿里云服務企業超過阿里云服務企業超過 9 萬，與諸多行業頭部客戶達成合作。萬，與諸多行業頭部客戶達成合作。根據阿里云公眾號，截至 2024 年 5 月，通義通過阿里云服務企業超過 9 萬、通過釘釘服務企業超過 220 萬，現已落地 PC、手機、汽車、航空、天文、礦業、教育、醫療、餐飲、游戲、文旅等領域。面向面向 C 端用戶，

115、通義千問端用戶，通義千問 APP 升級為通義升級為通義 APP，集成文生圖、智能編碼、文檔解析、音視頻理解、視覺生成等全棧能力，打造用戶的全能 AI 助手。免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。28 科技科技 騰訊騰訊（700 HK）：混元大模型賦能自身業務生態實現智能化升級：混元大模型賦能自身業務生態實現智能化升級 混元已經混元已經接入接入騰訊多個騰訊多個核心核心產品和業務產品和業務，賦能業務降本增效。，賦能業務降本增效。2023 年 9 月，騰訊上線混元大模型?；煸焉墳槿f億級別參數的 MOE 架構模型。截至 2023 年 9 月，包括騰訊云、騰訊廣告、騰訊游戲、騰

116、訊金融科技、騰訊會議、騰訊文檔、微信搜一搜、QQ 瀏覽器在內的超過 50個核心業務和產品接入混元大模型；2023年10月超過 180個內部業務接入混元；2024 年 4 月，騰訊所有協作 SaaS 產品超過 400 個應用全面接入混元，包括企業微信、騰訊會議、騰訊文檔、騰訊樂享、騰訊云 AI 代碼助手、騰訊電子簽、騰訊問卷等等。商湯商湯（20 HK）：“云、邊、端”全棧大模型，：“云、邊、端”全棧大模型，5.0 版本對標版本對標 GPT-4 turbo 商湯日日新商湯日日新 5.0 綜合性能對標綜合性能對標 GPT-4 turbo。2023 年 4 月，商湯正式發布“日日新SenseNova”

117、大模型體系，實現 CV、NLP、多模態等大模型的全面布局。2024 年 4 月，商湯日日新 SenseNova 升級至 5.0 版本，具備更強的知識、數學、推理及代碼能力，綜合性能全面對標 GPT-4 Turbo。日日新 5.0 能力提升主要得益三個方面：1）采用 MoE 架構，激活少量參數就能完成推理。且推理時上下文窗口達到 200K 左右。2）基于超過 10TB tokens 訓練、覆蓋數千億量級的邏輯型合成思維鏈數據。3）商湯 AI 大裝置 SenseCore 算力設施與算法設計的聯合調優。商湯推出“云、邊、端”全棧大模型產品矩陣。商湯推出“云、邊、端”全棧大模型產品矩陣。1）云端模型即

118、商湯最領先的基礎模型系列。2）在邊緣側，商湯面向金融、醫療、政務、代碼四個行業推出商湯企業級大模型一體機。一體機同時支持千億模型加速和知識檢索硬件加速，實現本地化部署，相比行業同類產品，千億大模型推理成本可節約 80%；檢索大大加速，CPU 工作負載減少 50%，端到端延遲減少 1.5 秒。3）端側模型方面，SenseChat-Lite 1.8B 全面領先所有開源 2B 同級別模型，甚至在大部分測試中跨級擊敗了 Llama2-7B、13B 模型。日日新 5.0 端側大模型可在中端性能手機上達到 18.3 字/秒的推理速度，在高端旗艦手機上達到 78.3 字/秒，高于人眼 20 字/秒的閱讀速度

119、。三六零（三六零（601360 CH）：聚焦人工智能）：聚焦人工智能+數字安全雙主線數字安全雙主線 三六零成立于 2005 年，2018 年 A 股上市，是一家兼具人工智能和數字安全能力的科技企業，長期以來將服務國家的數字化戰略視為自身使命。三六零自研通用人工智能大模型 360 智腦，打造新質生產力發展引擎。以“大模型賦能產業數字化”推動數字化向智能化升級，以“安全即服務”的理念守住數字化經濟底線，持續推進“上科技高山、下數字化藍海、扶助中小微企業”戰略的落地,為建設現代數字化強國貢獻力量。2023 年，公司營業總收入 90.55 億元，歸母凈利潤-4.92 億元，經營活動產生的現金流量凈額

120、9.24 億元。第四范式第四范式（6682 HK）：）：AI 平臺平臺+方案方案+服務驅動企業智能化轉型服務驅動企業智能化轉型 第四范式是以平臺為中心的中國 AI 企業服務軟件頂尖企業，在 IDC 22 年中國機器學習平臺市場份額達到 32.7%，位列第一。AI 大模型有望重塑 2B 軟件，公司 23 年推出企業級生成式 AI 產品“式說”，并提出以生成式 AI 重構企業軟件（AIGS，AI-Generated Software）的技術戰略。2023 年，公司大模型業務已在金融、制造、醫療、零售、地產經紀、教育、能源等領域廣泛落地，為上百家企業及合作伙伴提升生成式 AI 相關服務。式說大模型已

121、經通過國家生成式人工智能服務管理暫行辦法備案，入選北京市首批 7 家大模型伙伴。公司持續進行行業大模型落地，繼續深耕金融、能源電力、交通運輸、運營商等重點行業，同時提升在制造、醫療、零售等領域的滲透，在智能制造、醫療行業的核心業務場景已經打造形成具有示范意義的行業大模型。2024 年 3 月底，公司發布先知 AI 平臺 5.0，用戶可基于各行業場景的不同模態數據，構建行業大模型。免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。29 科技科技 國內大模型初創公司：智譜、百川、國內大模型初創公司：智譜、百川、Minimax、零一萬物、月之暗面、紫東太初、零一萬物、月之暗面、紫東太初 字

122、節跳動字節跳動（未上市）（未上市）：豆包大模型賦能內部業務，對話助手“豆包”用戶數量居前：豆包大模型賦能內部業務，對話助手“豆包”用戶數量居前 字節跳動在字節跳動在 2023 年并未對外官宣其大模型，年并未對外官宣其大模型，在在 2024 年年 5 月月火山引擎原動力大會上火山引擎原動力大會上首次公首次公開發布。開發布。字節豆包大模型家族涵蓋 9 個模型，主要包括通用模型 pro、通用模型 lite、語音識別模型、語音合成模型、文生圖模型等等。字節跳動并未說明模型參數量、數據和語料，而是直接針對應用場景進行垂直細分。豆包大模型在 2023 年完成自研，已接入字節內部 50 余個業務，包括抖音、

123、飛書等，日均處理 1200 億 Tokens 文本，生成 3000 萬張圖片。2C 產品方面，字節跳動基于豆包大模型打造了 AI 對話助手“豆包”、AI 應用開發平臺“扣子”、互動娛樂應用“貓箱”以及 AI 創作工具星繪、即夢等。2B 方面，火山引擎也與智能終端、汽車、金融、消費等行業的眾多企業已經展開了合作，包括 OPPO、vivo、小米、榮耀、三星、華碩、招行、捷途、吉利、北汽、智己、廣汽、東風本田、海底撈、飛鶴等。智譜智譜 AI（未上市）（未上市）：模型布局對標：模型布局對標 OpenAI 模型：模型：GLM-4 整體性能逼近整體性能逼近 GPT-4，開源多個版本模型，開源多個版本模型

124、智譜最新基座大模型智譜最新基座大模型 GLM-4 整體性能相比整體性能相比 GLM-3 提升提升 60%，逼近，逼近 GPT-4。2024 年 1 月，智譜發布新一代基座大模型 GLM-4，1）基礎能力（英文）：在 MMLU、GSM8K、MATH、BBH、HellaSwag、HumanEval 等數據集上，分別達到 GPT-494%、95%、91%、99%、90%、100%的水平。2）指令跟隨能力：在 IFEval 的 prompt 級別上中、英分別達到 GPT-4的 88%、85%的水平，在 Instruction 級別上中、英分別達到 GPT-4 的 90%、89%的水平。3）中文對齊能力

125、：整體超過 GPT-4。4）長文本能力：在 LongBench（128K）測試集上對多個模型進行評測，GLM-4 性能超過 GPT-4、Claude2.1。5）文生圖：CogView3 在文生圖多個評測指標上，相比 DALLE3 約在 91.4%99.3%的水平之間。多模態模型方面，智譜已擁有 CogView 文生圖模型。據鈦媒體 AGI 5 月 6 日報道，智譜正在研發對標 Sora 的高質量文生視頻模型，預計最快年內發布。智譜開源多個模型版本，智譜開源多個模型版本，2023 年獲年獲 Hugging Face 全球最受歡迎的開源機構第五名，超過全球最受歡迎的開源機構第五名，超過OpenAI

126、、Google、微軟，也是唯一上榜的、微軟，也是唯一上榜的中國中國機構機構。高精度雙語千億模型 GLM-130B 于2022 年 8 月發布并開源，模型的部分模型性能優于 GPT-3。類 ChatGPT 對話模型ChatGLM-6B 于 2023 年 3 月開源發布，可在消費級顯卡上進行本地部署。2023 年 5 月，智譜 AI 和清華大學 KEG 實驗室開源了支持圖像、中文和英文的多模態對話模型VisualGLM-6B，語言模型基于 ChatGLM-6B；圖像部分通過訓練 BLIP2-Qformer 構建起視覺模型與語言模型的橋梁，用戶最低只需 8.7G 的顯存就可以進行本地部署。應用：應用

127、：2B 合作多家企業深度共創，合作多家企業深度共創，2C 構建構建 AGIC 產品矩陣產品矩陣 2B：據 2024 年 3 月 14 日智譜發布會上介紹，截至 2023 年底，智譜 AI 已擁有超 2000 家生態合作伙伴、超 1000 個大模型規?；瘧?，另有 200 多家企業跟智譜 AI 進行了深度共創，覆蓋傳媒、咨詢、消費、金融、新能源、互聯網、智能辦公等多個細分場景的多個頭部企業。2C：智譜已構建了 AIGC 模型產品矩陣，包括 AI 提效助手智譜清言 ChatGLM、高效率代碼模型 CodeGeeX、寫作助手寫作蛙、對話產品小呆對話和文生圖模型 CogView 等。免責聲明和披露以及

128、分析師聲明是報告的一部分，請務必一起閱讀。30 科技科技 月之暗面月之暗面（未上市）（未上市）：專注：專注 2C 閉源，以長文本作為差異化競爭點閉源，以長文本作為差異化競爭點 月之暗面（Moonshot AI）成立于 2023 年 3 月，核心產品是 2C 對話智能助手 Kimi?；A大模型層面，月之暗面訓練了千億級別的通用大模型 moonshot。應用層，2023 年 10 月，月之暗面推出全球首個支持輸入 20 萬漢字的智能助手產品 Kimi，主打無損記憶以及“長文本（Long Context）”，善于讀長文、搜網頁，可以用于會議紀要、輔助編程、文案寫作等場景。2024 年 3 月 18

129、日，月之暗面宣布 Kimi Chat 在長文本處理能力上取得了重大突破，沒有采用常規的漸進式提升路線，無損上下文輸入長度躍升至 200 萬字。根據 Moonshot AI公眾號介紹，公司研發和技術團隊從模型預訓練到對齊、推理環節均進行了原生的重新設計和開發，不走“滑動窗口”、“降采樣”等技術捷徑，攻克了很多底層技術難點。據鈦媒體 3 月 18 日報道，Kimi 預計在 2024 年上半年開啟商業化；聯合創始人周昕宇同時表示，預計 2024 年會推出多模態模型及產品。月之暗面重視大模型無損上下文長度，創始人認為長文本是月之暗面重視大模型無損上下文長度，創始人認為長文本是新的計算機內存新的計算機內

130、存。創始人楊植麟認為，上下文長度就是大模型的內存，它是決定大模型應用最關鍵的兩個因素（參數量和上下文）之一；個性化過程不是通過微調實現，而是通過支持人機互動歷史的長上下文來實現的。上下文數量級的提升，能夠進一步打開對 AI 應用場景的想象力，包括完整代碼庫的分析理解、可以自主幫人類完成多步驟復雜任務的智能體 Agent、不會遺忘關鍵信息的終身助理、真正統一架構的多模態模型等等。2024 年 5 月，Kimi 推出應用商店 Kimi+，上線官方推薦、辦公提效、輔助寫作、社交娛樂、生活實用 5 大類，共 23 個 Kimi+，類似 OpenI 的 GPTs、字節跳動的 Coze、百度文心一言的智能

131、體平臺、通義千問的“百寶袋”等。Minimax（未上市）（未上市）：2C 產品產品+MoE 模型雙輪驅動模型雙輪驅動 MiniMax 稀宇科技成立于 2021 年 12 月，公司創始人為商湯前副總裁閆俊杰。Minimax 較較早投入早投入 MoE 模型研發，最新模型接近模型研發，最新模型接近 GPT-4。2023 年 6 月開始研發 MoE 模型。2024 年1 月，MiniMax 全量發布國內首個基于 MoE 架構的大語言模型 abab6，在指令遵從、中文綜合能力和英文綜合能力上，abab6 大幅超過了 GPT-3.5。2024 年 4 月，Minimax 全量發布國內首個萬億參數級別 Mo

132、E 大語言模型 abab6.5 和 6.5s：abab6.5 包含萬億參數，支持200ktokens 的上下文長度；abab6.5s 與 abab6.5 使用了同樣的訓練技術和數據，但是更高效，支持 200k tokens 的上下文長度，可以 1 秒內處理近 3 萬字的文本。在各類核心能力測試中，abab6.5 開始接近 GPT-4、Claude-3、Gemini-1.5 模型。2B 服務方面，服務方面，MiniMax 開放平臺提供文本大模型和語音大模型開放平臺提供文本大模型和語音大模型 API。公司已經推出公司已經推出 Glow、星野、海螺等、星野、海螺等 2C 應用應用：1）Glow（已下

133、架）：2022 年 10 月推出的虛擬 AI 社交應用，用戶可以創建虛擬人物進行陪聊，還能根據用戶的輸入生成各種類型和主題的文本內容，比如情感建議、生活建議、趣味故事等。2）Talkie/星野：AI 陪聊+抽卡軟件。2023 年 6 月推出面向海外 2C 市場的虛擬扮演社交軟件 Talkie:Soulful Character AI，2023 年 9 月推出中文版星野。核心玩法是創建 AI 聊天機器人，并定制性格、外形和語音，用戶與角色 Chat 交流的過程中如果觸發特定話題會有抽取 CG 卡牌的機會 3）海螺 AI：2023 年 9 月推出的 2C 生產力產品，支持速讀長文、智能搜索、免費查

134、數據、識圖、創作文案，還支持語音通話。百川智能百川智能（未上市）（未上市）：開源閉源并重，：開源閉源并重，2B 為主，醫療能力最強的中文大模型為主，醫療能力最強的中文大模型 百川智能成立于 2023 年 4 月 10 日，由前搜狗公司 CEO 王小川創立。成立半年之內便接連發布Baichuan-7B/13B，Baichuan2-7B/13B四款開源可免費商用大模型及Baichuan-53B、Baichuan2-53B 兩款閉源大模型。免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。31 科技科技 Baichuan 3 英文評接近英文評接近 GPT-4，中文評測超過，中文評測超過 G

135、PT-4。百川智能目前性能最佳的閉源大模型為 2024 年 1 月發布的 Baichuan 3。Baichuan 3 在多個英文評測中表現出色，接近GPT-4 的水平；而在 CMMLU、GAOKAO 等多個中文評測榜單上，Baichuan 3 超越 GPT-4，展現了其在中文任務上的優勢。Baichuan 3 是醫療能力最強的中文大模型是醫療能力最強的中文大模型。醫療問題專業性強、知識更新速度快、準確性要求高、個體差異大，能充分體現大模型的各項能力，因此百川智能將醫療問題稱為“大模型皇冠上的明珠”。百川智能在模型預訓練階段構建了超過千億 Token 的醫療數據集，在多個權威醫療評測任務中表現優

136、異，不僅 MCMLE、MedExam、CMExam 等中文醫療任務的評測成績超過 GPT-4，并且 USMLE、MedMCQA 等英文醫療任務的評測成績也接近GPT-4，是醫療能力最強的中文大模型。據甲子發現 2023 年 12 月報道，王小川在媒體溝通會上透露，百川智能的百川智能的 C 端產品第一重心是醫療方向，產品預計會在端產品第一重心是醫療方向，產品預計會在 2024 年上線年上線。零一萬物零一萬物（未上市）（未上市）：開源閉源兼具，重視：開源閉源兼具，重視 TC-PMF 零一萬物成立于 2023 年 7 月，是由李開復博士創辦的 AI 2.0 公司，專注于大模型技術和應用的開發。零一萬

137、物在成立之初就決定要面向 to C 市場做 Super App，而且是只做 AI-First的應用。李開復提出了 TC-PMF 概念，即在 PMF（Product-Market Fit，產品市場契合）之外引入 Technology（技術）與 Cost（成本）。隨著隨著 2024 年年 5 月的發布更新，月的發布更新，零一萬物在閉源模型、開源模型系列、產品層面布局完整零一萬物在閉源模型、開源模型系列、產品層面布局完整：1）閉源模型方面，零一萬物發布了千億參數的 Yi-Large 閉源模型，在第三方評測基準斯坦福大學的英語排行 AlpacaEval 2.0 上，Yi-Large 與 GPT-4 互

138、有第一。開源模型方面，零一萬物將早先發布的 Yi-34B、Yi-9B、6B 中小尺寸開源模型版本升級為 Yi-1.5 系列，仍然分為 34B、9B、6B 三個版本，且提供了 Yi-1.5-Chat 微調模型可供開發者選擇。此外，零一萬物已啟動下一代 Yi-XLarge MoE 模型訓練，將沖擊 GPT-5 的性能與創新性。2C 產品方面，零一萬物正式發布了 AI 辦公助手萬知，可以讀長文檔、一鍵生成 PPT，這是一個“AI-First 版本的 Office”。此外，零一萬物還公布了其海外生產力應用的商業化數字：總用戶接近千萬，營收今年預期過億人民幣。紫東太初紫東太初（未上市）（未上市）：多模態

139、大模型產業化公司：多模態大模型產業化公司，致力于打造中國通用人工智能底座致力于打造中國通用人工智能底座 中科紫東太初（北京）科技有限公司是依托中科院自動化所孵化的多模態大模型產業化公司，致力于打造中國通用人工智能底座。團隊于 2020 年正式成立全國第一個基礎大模型研究中心，2023 年 6 月發布紫東太初 2.0 全模態大模型，進一步提升了決策與判斷能力，實現了從感知、認知到決策的跨越。紫東太初已于 2023 年 8 月通過我國首批人工智能大模型備案，且被授予人工智能關鍵技術和應用評測工業和信息化部重點實驗室大模型工作組副組長單位，參編中國信通院大模型標準體系 2.0 的建設。團隊發表頂級會

140、議/期刊論文 500 余篇，參與國內外競賽共計 30 余項，多次獲得競賽第一名的成績。同時獲得業內多類獎項及榮譽稱號，包括 2022 年中國算力大會“DC Tech 創新先鋒”、2022 年世界人工智能大會 SAIL 大獎、2023 年中國算力大會“年度突破成果”等，核心團隊獲評中國科學院“科苑名匠”榮譽稱號。當前已形成包括紫東太初對話平臺、紫東太初大模型開放服務平臺、江城洛神創作平臺、數字人平臺、訓推一體機等在內的全面產品矩陣，并通過開放服務平臺及其一系列工具鏈為客戶提供大模型廣泛應用的基礎設施，具備開箱即用、快速定制、一鍵部署等特性，并在智慧醫療、城市、政務、交通、制造、自動駕駛等多個領域

141、落地應用，擁有完善的大模型開發工具和場景落地生態壁壘。免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。32 科技科技 應用：應用：AI 大模型需要什么樣的軟硬件大模型需要什么樣的軟硬件 從 2022 年 11 月 OpenAI 發布 ChatGPT 以來，科技巨頭積極推出各類應用來吸引客戶。目前比較主流的應用包括：1）聊天機器人：具備語言問答、文本生成、圖像理解與生成等功能，代表性產品包括ChatGPT、谷歌 Gemini、字節豆包、百度文心一言等。2）編程工具：具備自動代碼生成、代碼分析與錯誤檢測、實時編程建議等功能，代表性產品包括 Github Copilot、谷歌 Alpha

142、Code2 等。3）生產力工具：通常提供文檔理解、文字生成、圖片生成、數據分析與處理等功能，代表性產品包括微軟 Copilot、谷歌 Gemini for Workspace、金山辦公 WPS AI。圖表圖表27：海外科技巨頭海外科技巨頭 AI 大模型應用布局大模型應用布局 資料來源：公司官網，華泰研究 MircosoftOpenAIGoogleMeta手機手機智能穿戴智能穿戴生產力工具生產力工具PC雷朋眼鏡雷朋眼鏡生成力及業務生成力及業務流程、編程工流程、編程工具具Microsoft Copilot for SecurityAI助手助手/chatbot搜索搜索必應搜索中的必應搜索中的Copi

143、lot谷歌搜索中的谷歌搜索中的AI Overviews？智能眼鏡等智能眼鏡等Humane AI Pin三星三星Galaxy S24、OPPO、一加等、一加等硬件落地硬件落地2C軟件軟件2B軟件軟件Microsoft Copilot for FinanceMicrosoft Copilot for ServiceMicrosoft Copilot for SalesGithub Copilot云與開發者云與開發者服務服務OpenAI API基于基于Azure的算力、的算力、數據庫、模型服務數據庫、模型服務基于基于GCP、Vertex AI開發平臺的算力、數開發平臺的算力、數據庫、模型服務據庫、模

144、型服務（限（限Meta旗下旗下App內使用）內使用）生成式生成式AI廣告工具廣告工具百度百度阿里阿里騰訊騰訊字節字節商湯商湯三星三星Galaxy S24蘋果蘋果iPhone 16與小米、榮耀合作與小米、榮耀合作探索基于手機的大探索基于手機的大模型軟件解決方案模型軟件解決方案AI重構的百度搜索重構的百度搜索蘋果蘋果與與OpenAI合作合作Ios 18與與OpenAI合作合作macOS Sequoia 免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。33 科技科技 硬件是大模型的重要載體，什么是AI大模型時代的最佳硬件形態是投資人最關心的話題之一。我們認為隨著大模型能力的不斷提升，新的

145、硬件形態會被不斷解鎖。建議投資人沿著：1）大大模型如何賦能終端模型如何賦能終端，2）終端如何解決大模型普及難點終端如何解決大模型普及難點兩條思路，尋找硬件的落地機會。圖表圖表28：大模型發展推動硬件載體的變遷大模型發展推動硬件載體的變遷 資料來源：華泰研究 大模型如何賦能終端：交互能力提升（輕量級大模型如何賦能終端：交互能力提升（輕量級 AR），代碼執行（具身智能），代碼執行（具身智能）。AR/VR 一直被認為有望替代手機成為下一代移動終端。但由于缺少觸摸屏，人機交互困難一直是困擾AR/VR 發展的一大難點。從最近 OpenAI 推出的 GPT-4o、谷歌推出的 Project Astra 以

146、及Meta 的雷朋眼鏡中我們看到，大模型所具備的圖像理解、語音交互，以及根據語音交互結果進行的執行能力有望大幅度提高 AR/VR 產品的交互能力。另外，雖然目前具身智能的發展仍然處于非常早期階段，但是大模型所具備的以上能力，也有望提高機器人對環境的理解能力，以及根據理解結果控制關節等的執行能力。終端如何解決大模型痛點：隱私保護（終端如何解決大模型痛點：隱私保護（AI PC）。自 2023 年 3 月，微軟推出面向 Office 的Microsoft 365 Copilot 以來，以辦公助手為切入點，重塑包括 Word、Excel、Powerpoint 等通用辦公軟件，以及Dynamics 套件

147、等專業軟件在內的生產力工具矩陣，向數據協同、功能聯動的方向發展。如何保護自身私域數據的安全是企業導入微軟Copilot 的主要痛點之一。24 年 5 月，微軟推出 Copilot+PC，通過在終端側部署輕量級的大模型，在保護隱私的前提下，能夠實現會議紀要、文檔總結、PPT 智能創作、文生圖等企業的基本辦公需求，是大模型時代生產力工具的主要支點。我們認為 2025 年 AI PC 滲透率有望大幅提升。感感知知思思考考行行動動PCPC智能手機智能手機智能電動車智能電動車ARVRARVR機器人機器人通用智能通用智能交互系統交互系統硬件形態硬件形態相關公司相關公司 免責聲明和披露以及分析師聲明是報告的

148、一部分，請務必一起閱讀。34 科技科技 終端如何解決大模型痛點：終端如何解決大模型痛點：高頻使用高頻使用（AI 手機手機）。手機是人們日常生活主要使用的交互終端，具有普及率高、使用頻率高的特點，考慮終端算力、存力以及客戶應用需求等因素，手機已經成為 AI 大模型在 C 端落地的重要設備。去年底至今，隨著三星 Galaxy S24、Google Pixel 8 等重要產品上市，以及蘋果 WWDC 推出 Apple Intelligence，手機 AI 的功能逐漸清晰。目前語音助手、修圖、寫作助手等功能成為主流。語音助手、修圖、寫作助手等功能成為主流。蘋果通過 Siri，將 AI 當作手機不同Ap

149、p 之間聯系的工具，而不是像此前三星和谷歌的 AI 應用更側重于讓 AI 去完成單一特定任務。未來 AI 軟件由誰付費或發展成手機品牌商、芯片廠商、軟件廠商、消費者的四方博弈，但隨著 token 成本的下降和蘋果較大的優質用戶基礎，模型 API 成本或持續下降，并推動應用加速普及，AI 手機滲透率有望持續提升，形成正向循環。大模型應用大模型應用#1：從：從 Chatbot 到到 AI Agent，個人助理重塑手機應用生態，個人助理重塑手機應用生態 AI 大模型的能力進步推動大模型的能力進步推動 Chatbot 在在 C 端廣泛“出圈”。端廣泛“出圈”。Chatbot（聊天機器人）通過自動化方式

150、來處理和回復用戶輸入，可以模擬人類對話，通過文字或語音與用戶進行實時交互。2010 年代，隨著 NLP 等技術的發展，Chatbot 已經在客服、營銷、企業信息服務等領域得到了廣泛應用。然而，由于語言理解及生成能力有限，Chatbot 的落地范圍局限在 B 端特定服務型場景，并未誕生具有廣泛影響力的 C 端產品。2022 年 12 月，ChatGPT 在文本生成、代碼生成與修改、多輪對話等領域展現了大幅超越過去 AI 問答系統的能力，標志著 Chatbot行業進入 AI 大模型時代。此后，Chatbot 作為 C 端用戶體驗大模型門檻最低的產品，成為大模型廠商的“標配”，谷歌 Bard、百度文

151、心一言、阿里通義千問等產品在 2023 年紛紛推出。在在文字對話功能之外，文字對話功能之外，Chatbot 功能隨著功能隨著 AI 大模型能力的發展而迅速豐富。大模型能力的發展而迅速豐富。過去一年，我們看到，各大模型廠商的 Chatbot 產品普遍新增了圖像理解、文生圖功能，并且新增應用插件商店以拓展 Chatbot 功能。以 ChatGPT 為例，2023 年 9 月，OpenAI 將 DALL-E 3 整合到ChatGPT中，從而支持文生圖功能。2024年1月，OpenAI正式上線應用商店GPT Store，當時用戶已經創建超過 300 萬個 GPTs，主要的 GPTs 涵蓋圖像生成、寫作

152、、科研、編程/軟件開發、教育、生產力工具和生活七大類別。GPT Store 取代了此前的插件商店（2024年 3 月關閉），用戶不僅可以在平臺上分享自己創建的 GPTs，還可以從其他人那里獲取各種 GPTs，形成豐富的 GPTs 生態系統。GPT Store 定制版本可以針對特定任務或行業進行優化，允許用戶與外部數據（如數據庫和電子郵件）進行簡潔的交互。2024 年 5 月，隨著OpenAI 更新 GPT-4o 模型，ChatGPT 能夠識別用戶語音的感情，并輸出語音，實現如同與真人對話一般的沉浸式體驗。Chatbot 逐漸向逐漸向 AI Agent 演進。演進。AI Agent 是指大模型賦

153、能的，具備規劃、記憶、工具、行動能力的智能體。我們認為 Chatbot 的演進方向是智能化和自動化程度逐漸提升，需要人類參與的程度逐漸下降，逐漸過渡到人與 AI 協作的 Copilot，最終形態是 AI Agent，Agent只需要人類的起始指令和結果的反饋，具有自主記憶、推理、規劃和執行的全自動能力，執行任務的過程中并不需要人的介入。免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。35 科技科技 圖表圖表29：Chatbot、Copilot 及及 AI Agent 對比對比 資料來源：甲子光年2024 中國 AI Agent 行業研究報告，華泰研究 人人指示指示AI人人指揮指揮A

154、I人人指導指導AIAIAIAI絕大多數工作可絕大多數工作可以由以由AI完成完成絕大多數工作仍然絕大多數工作仍然由人完成由人完成通過設定目標完成自動化借助復雜的提示詞完成自動化/人類負責設定目標、提供資源和監督結果，AI完成任務拆分，工具選擇，進度控制，實現目標后自主結束工作人類和AI進行協作，工作量相當。AI根據人類prompt完成工作初稿，人類進行目標設定，修改調整，最后確認人類完成絕大部分工作，向AI詢問意見，了解信息，AI提供信息和建議但不直接處理工作ChatbotCopilotAI Agent自動化的自動化的實現方式實現方式含義含義 免責聲明和披露以及分析師聲明是報告的一部分，請務必一

155、起閱讀。36 科技科技 從從 Chatbot 向向 AI Agent 的演進過程中，手機應用生態或將發生改變。的演進過程中，手機應用生態或將發生改變。我們認為手機或是向 AI Agent 演進率先落地的硬件載體，發揮 AI 個人助理的作用。AI 個人助理可以記住生活和工作中的各種信息，如下周的晚餐計劃或工作會議的內容，并自動整理和索引這些信息；可以幫助用戶完成例如安排約會、預訂旅行、點餐、播放音樂、回答問題等各種任務。落地過程中，手機應用生態或將從目前以應用商店+APP 的模式轉變為 Agent Store+Agent的模式，手機廠商可能都會發布自己的 Agent Store。圖表圖表30：移

156、動互聯網原生生態移動互聯網原生生態 vs AI Agent 原生生態原生生態 資料來源：甲子光年2024 中國 AI Agent 行業研究報告，IDC 與 OPPOAI 手機白皮書（2024），華泰研究 內嵌語音助手內嵌語音助手用機用機手機手機OS打車、外賣打車、外賣天氣新聞天氣新聞少兒教育少兒教育健康健康咨詢咨詢掛號掛號智能體開發平臺智能體開發平臺內前專屬智能體內前專屬智能體AI文本文本AI圖像圖像AI語音語音AI視頻視頻大模型大模型原生化服務組件庫（生態）原生化服務組件庫（生態）用戶定義的智能體生態用戶定義的智能體生態健康健康管理管理生活生活服務服務角色角色扮演扮演辦公辦公高效高效游戲游戲

157、助手助手APPAPP StoreIos/AndroidAgentAgent Store大模型大模型格局格局賽道間差異大賽道間差異大與硬件設備商與硬件設備商格局相關格局相關集中度高集中度高開開源源+閉源并存閉源并存移動互聯網原生生態移動互聯網原生生態AI AgentAI Agent原生生態原生生態 免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。37 科技科技 AI 手機：手機：AI 大模型大模型驅動軟硬件升級驅動軟硬件升級 手機是人們日常生活較高的交互終端，具有普及率高、使用頻率高的特點，考慮終端算力、存力以及客戶應用需求等因素，手機已經成為 AI 大模型在 C 端落地的重要設備。

158、去年底至今，隨著三星 Galaxy S24、Google Pixel 8 等重要產品上市，及蘋果 WWDC 推出 Apple Intelligence，手機 AI 的功能逐漸清晰。目前語音助手、修圖、寫作助手等功能成為主流。語音助手、修圖、寫作助手等功能成為主流。以三星今年 1 月發布的 Galaxy S24 為例，該機型搭載自研大模型 Samsung Gauss，具備實時翻譯/圈選搜圖/生成式編輯/筆記助手等功能。軟件方面，基于 OneUI 6.1 系統，強化虛擬助手 Bixby，為用戶提供豐富多樣的應用服務。據 Techweb，Google 有望在 10 月推出Pixel9 系列，預計將搭

159、載基于最新 Gemini 模型的 AI 助手，執行復雜的多模態任務。芯片方面，下半年將發布的驍龍 8Gen4 較上一代產品有望進一步支持 AI 應用。圖表圖表31：AI 手機典型應用及趨勢手機典型應用及趨勢 資料來源：OPPOAI 手機白皮書（2024.2），華泰研究 2024 年 6 月舉行的蘋果 WWDC 2024 大會推出全新個人化智能系統 Apple Intelligence，由蘋果端側大模型、云端大模型、ChatGPT 共同組成，算力足夠下依賴終端，復雜場景則使用私密云計算或 ChatGPT，能夠 1）增強 Siri 理解能力，配備多輪對話、總結信息、屏幕內容感知、應用智能交互等能力

160、，2）提供郵件智能回復、通知整理，備忘錄和通話錄音/撰寫/摘要等功能，3）支持圖像生成/智能修圖等功能，4）ChatGPT4o 將融入 siri 和 writing tools，作為云端備選模型。我們看到 Apple Intelligence 核心能力包括文生文、文生圖、跨App 交互與個人情境理解，并需要以 OpenAI ChatGPT4o 作為云端備選模型，配備上了目前已有的大部分 AI 功能。蘋果通過 Siri，把 AI 當作手機不同 App 之間聯系的工具，而不是像此前三星和谷歌的 AI 應用更側重于讓 AI 去完成單一特定任務。蘋果讓 Siri 在未來成為應用分發入口和流量入口，以超

161、過 13 億臺用戶基數生態去提供好的產品解決方案。個個人人助助理理生生產產力力工工具具圖圖像像處處理理內容生成內容生成演講稿演講稿文案文案簡歷撰寫簡歷撰寫PPT大綱大綱通話助手通話助手識別電話類型識別電話類型AI代接代接生成記錄生成記錄語音助手語音助手聊天聊天生活助理生活助理教育教育風格扮演風格扮演輔導輔導作業作業通話通話摘要：一摘要：一鍵從鍵從通話到紀要通話到紀要通話記錄通話記錄 通話紀要通話紀要待辦生成待辦生成 便簽同步便簽同步拍照拍照、擦除擦除、背景還原背景還原等等智能圈選智能圈選消除消除背景生成背景生成趨趨勢勢多模態自然對話多模態自然對話可信、有用、個性化專屬可信、有用、個性化專屬內容

162、生產內容生產自然自然對話對話|OS融合融合的的多模態多模態|語音、文字、圖片、文檔、視頻全能語音、文字、圖片、文檔、視頻全能聊聊|語音、手勢全能語音、手勢全能控控內容合內容合規規|幻覺消除幻覺消除|復雜推理復雜推理|任務調度任務調度|服務生態服務生態支持支持|人人設設支持支持|個性化個性化問答和問答和推薦推薦|用戶專屬記憶用戶專屬記憶AI文本文本|AI語音語音|AI圖像圖像|Al視頻視頻|輕松輕松創作創作工具工具|高效生產力高效生產力工具工具|趣味趣味個性化工具個性化工具 免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。38 科技科技 圖表圖表32：蘋果：蘋果：Siri 調用調用

163、ChatGPT 資料來源：蘋果官網，華泰研究 IDC認為，新一代AI智能手機需擁有至少30 TOPS性能的NPU，能夠在手機上運行LLMs，符合標準的 SoC 包括 Apple A17 Pro、MediaTek Dimensity 9300、Qualcomm Snapdragon 8 Gen 3 等。此類手機在 2023 年下半年開始進入市場。硬件方面，我們看到：1）SoC：AI 引擎升級、NPU 算力提升，SoC 進一步升級確定性強；2）存儲：手機 RAM 升級至 24GB LPDDR5X，相較當前主流的 8GB LPDDR4X，成本提升 300%；3）電源：電池/電源管理芯片升級，但彈性相

164、對較??；4）光學：AI 推動屏下攝像頭應用取得突破。軟件方面，新一代 AI 智能手機在系統架構和應用方面更加注重個性化、場景化服務需求。軟件方面，軟件方面，與功能機和前代智能機相比，新一代與功能機和前代智能機相比，新一代 AI 智能手機更加注重場景化服務能力。智能手機更加注重場景化服務能力。前代智能機在功能機的基礎上增加了手機 OS 和內嵌語音助手，并針對用戶不同需求推出獨立 APP 進行響應。新一代 AI 手機在大模型和原生化服務組件庫的基礎上，提供用戶可定義的智能體開發平臺和專屬智能體，實現 AI 文本/AI 圖像/Al 語音/Al 視頻等功能，滿足用戶健康管理/生活服務/角色扮演/高效辦

165、公/游戲助手等場景化需求。免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。39 科技科技 圖表圖表33：功能機功能機/智能機智能機/新一代新一代 AI 智能手機系統架構變化智能手機系統架構變化 資料來源：OPPOAI 手機白皮書（2024.2），華泰研究 據 IDC，全球 AI 手機 2024 年出貨量有望同比增長 233%至 1.7 億臺。中國 AI 手機所占份額自 2024 年以后會迅速增長，預計 2024 年中國市場 AI 手機出貨量為 0.4 億臺，2027 年將達到 1.5 億臺，且 AI 手機滲透率有望在 2027 年超過 50%。我們認為，AI 手機以其智能化、個性化

166、的特點，有望吸引更多用戶進行換機升級，從而引領新一輪的換機潮。圖表圖表34：全球全球 AI 手機出貨量及預測手機出貨量及預測 圖表圖表35：中國中國 AI 手機出貨量及滲透率預測手機出貨量及滲透率預測 注：預測數據來自 IDC 資料來源：IDC，華泰研究 注：預測數據來自 IDC 資料來源：IDC，華泰研究 根據 2024 年 4 月 7 日發布的 4 月手機觀察：華為份額繼續提升，關注 P70 等新機發布，根據 IDC 數字，蘋果 2023 年銷量 2.34 億臺，華泰預測蘋果 2024 年銷量下降 8.2%到 2.15億臺。根據 BankMyCell 數字，2024 年蘋果手機活躍用戶 1

167、4.6 億人，對應目前換機周期6.23 年，如果 Apple Intelligence 能夠縮短換機周期 3 個月，可以帶動約 1000 萬臺新機銷售。利好蘋果產業鏈公司業績增長（立訊、鵬鼎、環旭、水晶光電、藍思、東山精密、比電、鴻騰、瑞聲、長電等）。功能機功能機新一代新一代AI手機手機智能機智能機OS+系統軟件系統軟件硬件硬件應用生態應用生態硬件硬件手機手機OS/內嵌語音助手內嵌語音助手用機用機打打車車外賣外賣天氣天氣新聞新聞育兒育兒教育教育健康健康咨詢咨詢原生化服務組件庫（生態）原生化服務組件庫（生態）大模型大模型AI文本文本 AI圖像圖像 AI語音語音 AI視頻視頻智能智能體體開發平臺開

168、發平臺內嵌內嵌專專屬智能體屬智能體用戶定義的智能體生態用戶定義的智能體生態健康健康管理管理生活生活服務服務角色角色扮演扮演辦公辦公高效高效游戲游戲助手助手融合交互融合交互原生態服務組件原生態服務組件+用戶定義智能體構建開放服務生態用戶定義智能體構建開放服務生態開放的算力和技術平臺開放的算力和技術平臺共共贏的商業合作模式贏的商業合作模式生態治理機制和行業聯盟生態治理機制和行業聯盟0.00.20.40.60.81.01.21.41.61.820232024E（億部）01020304050600.00.20.40.60.81.01.21.41.620232024E2025E2026E2027E中國A

169、I手機出貨量（億部）滲透率（右軸,%）免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。40 科技科技 圖表圖表36：全球及中國大陸智能手機出貨量預測全球及中國大陸智能手機出貨量預測分品牌分品牌 注：2024E 預測值變動幅度是較 2023 年 10 月 23 日發布的10 月手機觀察：華為和新機補庫需求帶動產業鏈復蘇中的預測值的變動幅度 資料來源：IDC，華泰研究預測 圖表圖表37：A/H 消費電子產業鏈公司消費電子產業鏈公司 注：市值為 2024 年 6 月 20 日數據 資料來源：Wind，華泰研究 AR/VR：AI 大模型交互能力，看好智能眼鏡等輕量級大模型交互能力，看好智能

170、眼鏡等輕量級 AR 發展機遇發展機遇 AI 大模型有望提升大模型有望提升 AR/VR 交互能力，加速其進入主流市場。交互能力，加速其進入主流市場。據 IDC，2023 年，AR/VR 產品全球出貨量 675 萬臺，同比-23%。隨著蘋果 VisionPro 發布，AR/VR/MR 出貨量在 2024年有望溫和復蘇。AI 大模型的出現驅動語音助手、物體識別和生活助理等功能賦能 AR/VR設備，提升了用戶與虛擬環境的互動質量，據 VR 陀螺（2024/6/5），Meta 雷朋智能眼鏡出貨量已超百萬副，AI 大模型的出現有望加速 AR/VR 技術進入主流市場的步伐。(百萬臺百萬臺)201920202

171、021202220232024E3Q224Q221Q232Q233Q234Q23AAAAA(NEW)AAAAAA全球智能手機市場1,373 1,281 1,360 1,206 1,165 1,200 303 301 269 268 304 324 同比增速-2.1%-6.7%6.2%-11.4%-3.4%3.0%-9.3%-18.2%-14.6%-6.8%0.3%7.8%中國大陸智能手機市場367 326 329 286 271 278 72 73 65 66 67 74 同比增速-7.6%-11.2%1.1%-13.3%-5.0%2.5%-11.4%-12.8%-12.1%-2.1%-6.7

172、%1.1%中國大陸以外智能手機市場#1,006 956 1,031 920 894 922 232 228 203 202 237 251 同比增速0.0%-5.0%7.9%-10.7%-2.9%3.2%-8.6%-19.8%-15.3%-8.3%2.5%10.0%蘋果191 203 236 226 234 215 52.3 72.1 55.4 44.5 54.1 80.2 同比增速-8.5%6.5%15.9%-4.1%3.5%-8.2%2.2%-15.2%-1.9%-2.0%3.5%11.2%三星296 257 272 262 227 232 65.0 59.5 60.5 53.5 59.5

173、 53.1 同比增速1.2%-13.3%6.0%-3.7%-13.5%2.3%-6.5%-13.7%-18.7%-15.1%-8.4%-10.7%中國主流品牌出貨量633 617 603 516 529 591 134.4 121.2 113.7 128.6 142.5 144.0 同比增速9.4%-2.5%-2.3%-14.5%2.6%11.8%-10.9%-15.4%-13.6%0.2%6.0%18.8%華為+榮耀241 189 78 88 97 124 22.8 23.0 19.5 23.4 26.0 27.7 同比增速16.8%-21.5%-58.7%12.1%10.5%28.2%8.

174、6%4.7%-8.0%14.6%14.1%20.2%華為241 189 38 31 35 63 8.6 8.6 6.7 9.6 8.3 10.6 榮耀-41 5761 61 14.2 14.4 12.8 13.8 17.7 17.1 小米126 148 191 153 146 160 40.5 33.2 30.5 33.2 41.5 40.7 同比增速5.5%17.6%29.3%-19.8%-4.7%9.6%-8.6%-26.3%-23.5%-15.9%2.3%22.8%OPPO114 111 134 103 103 105 25.8 25.3 27.6 25.4 27.2 23.4 同比增速

175、0.9%-2.8%20.1%-22.6%0.1%1.5%-22.3%-15.7%0.4%2.6%5.2%-7.8%vivo110 108 118 99 88 93 25.9 22.9 20.6 21.3 22.0 24.0 同比增速8.6%-1.6%8.9%-15.8%-11.2%5.8%-14.2%-10.5%-18.4%-14.4%-15.2%4.8%傳音42 61 82 66 95 109 19.2 16.7 15.4 25.3 25.8 28.2 同比增速9.1%44.1%35.6%-19.9%43.5%15.1%-12.7%-19.0%-13.1%34.7%34.2%68.3%其他品

176、牌出貨量253 205 250 202 175 162 51 48 39 41 48 47 同比增速-21.7%-19.2%22.0%-19.1%-13.2%-7.3%-17.8%-32.0%-24.7%-18.6%-6.7%-2.1%中國主流品牌出貨占比46.1%48.1%44.3%42.8%45.4%49.2%44.3%40.3%42.3%48.0%46.8%44.4%其他品牌出貨占比18.5%16.0%18.3%16.7%15.0%13.5%17.0%15.9%14.5%15.4%15.8%14.4%（百萬元人民幣）（百萬元人民幣）市值市值總收入總收入海外營收占比海外營收占比海外收入海外

177、收入代碼代碼公司公司2024/6/202024/6/20202320232023002241 CH歌爾股份62,226 98,330 93%91,394 TWS耳機、VR、游戲機組裝，聲學、光學零部件002475 CH立訊精密267,529 231,371 89%206,756 手機組裝、零部件002938 CH鵬鼎控股87,294 31,828 85%27,055 FPC軟板、高端HDI和SLP002384 CH東山精密31,872 33,528 84%28,002 軟板，硬板，顯示模組，汽車結構件6088 HKFIT HON TENG23,535 29,794 83%24,704 連接器3

178、00136 CH信維通信18,239 7,497 82%6,139 手機天線/GPS/WIFI/手機電視/無線網卡/AP天線等600584 CH長電科技55,615 29,555 78%23,171 芯片封裝002273 CH水晶光電22,487 5,028 78%3,933 紅外濾光片、微棱鏡、薄膜光學面板300433 CH藍思科技85,609 54,020 68%36,807 手機玻璃前后蓋、金屬中框、手表玻璃蓋板、車載顯示0285 HK比亞迪電子81,169 130,404 67%87,841 組裝，結構件，智能產品，汽車零部件603296 CH華勤技術58,075 85,044 66%

179、56,291 手機、PC、服務器、Pad等產品組裝2018 HK瑞聲科技35,195 20,483 50%10,170 揚聲器，麥克風，光學鏡頭，結構件，觸控馬達601231 CH環旭電子33,535 60,696 48%28,932 SiP封裝300115 CH長盈精密13,714 13,627 47%6,452 金屬結構件2382 HK舜宇光學科技51,171 31,832 32%10,207 攝像頭鏡頭、模組002138 CH順絡電子22,021 4,968 17%864 射頻電感、功率電感、車用磁性器件603341 CH龍旗科技18,855 27,099 14%3,787 手機、平板、

180、可穿戴產品組裝002456 CH歐菲科技25,904 16,789 12%2,065 攝像頭模組主要產品主要產品 免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。41 科技科技 語音助手、物體識別、生活助理等語音助手、物體識別、生活助理等 AI 功能已在功能已在 AR/VR 產品產品中廣泛出現。中廣泛出現。語音助手功能讓AR 眼鏡能夠通過上下文語義理解與用戶進行更自然的交流，如李未可 Meta Lens S3 通過大型語言模型 AI 系統提供閑聊和建議。物體識別技術使 AR 眼鏡能夠識別現實世界中的物體，例如 Meta 雷朋智能眼鏡引入建筑識別和菜單翻譯功能。此外，生活助理功能與用

181、戶的社交生活深度綁定，提供聊天回復、郵件整理、購物建議等個性化服務。這些 AI 功能的融合不僅提升了用戶體驗，還預示著 AR/VR 產品將更加智能化，為用戶提供更便捷和個性化的服務。隨著技術的不斷進步，預計未來 AR/VR 設備將實現更復雜的多模態 AI 應用，進一步增強其作為下一代計算平臺的潛力。圖表圖表38：部分部分 AR/VR 產品產品 AI 能力能力 資料來源：VR 陀螺，華泰研究 大模型應用大模型應用#2：生產力工具的：生產力工具的 AI 化推動新一輪化推動新一輪 PC 換機周期換機周期 生產力工具、溝通工具及協作工具經歷了生產力工具、溝通工具及協作工具經歷了 PC 時代、移動互聯網

182、時代的演進，正在進入時代、移動互聯網時代的演進，正在進入 AI時代。時代。微軟、谷歌與金山辦公等公司以 AI 大模型對原有的生產力工具應用進行升級，通常提供文檔理解、文字生成、圖片生成、數據分析與處理等等功能，提升用戶生產力。圖表圖表39：PC 辦公軟件及負載變遷辦公軟件及負載變遷 資料來源：各公司官網，華泰研究 產品產品大模型大模型AI能力能力雷鳥X2自研大模型服務中臺翻譯RayNeo AIAI數字人APPChatbot場景識物Vision Go致敬未知ARKnow A1GPT模型Stable Diffusion精靈球場景識物圖生圖Brilliant MonocleChatGPT語音助手Ra

183、y-Ban MetaMeta AIAI助理場景識別翻譯李未可Meta Lens S3大語言模型AI系統語音助手翻譯/口語訓練行程安排MYVUFlyme AI（基于開源模型)語音助手 免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。42 科技科技 微軟是全球生產力工具的領導企業，微軟是全球生產力工具的領導企業，圍繞企業業務與管理流程，已經形成了布局完整的產圍繞企業業務與管理流程，已經形成了布局完整的產品矩陣品矩陣，目前正主導生產力工具的目前正主導生產力工具的 AI 化?；?。微軟的產品矩陣覆蓋企業辦公、客戶關系管理、資源管理、員工管理、低代碼開發等業務環節，微軟已經圍繞這些業務環節，推

184、出相應的Copilot 產品，對原有產品進行 AI 大模型賦能。從 Copilot 時點來看，微軟首先在主力產品Office 套件上線 Copilot，然后逐步在企業業務與管理流程的 Dynamics 套件、開發相關的Power Platform 條件、員工管理的 Viva 套件上線 Copilot。我們認為 Copilot 正以“通用助手”為切入點，重塑微軟生產力工具矩陣，向數據協同、功能聯動的方向發展。目前辦公場景 Office、企業業務流程場景 Dynamics 下的 Copilot 已明確單品收費標準。微軟的Copilot 產品分為和家庭兩大場景。工作場景方面工作場景方面：1）面向企業

185、辦公場景推出 Copilot for Microsoft 365，根據微軟 FY3Q24（對應日歷季度 1Q24）業績會，近 60%的財富 100 強企業正在使用。2）面向企業流程中的財務、銷售和客服場景，分別推出 Copilot for Finance/Sales/Service；3）面向云運營和管理場景，推出 Copilot for Azure；4）面向 IT 安全場景，推出 Copilot for Security；5）此外，微軟推出 Copilot Studio 支持用戶自定義 Copilot，根據 1Q24 業績會，已有 3 萬名用戶使用。家庭應用方面家庭應用方面：1）面向 C 端用

186、戶辦公場景推出 Copilot Pro；2）面向 Win 11 和部分 Win 10推出 Copilot for Windows，支持通過任務欄上或鍵盤上的 Copilot 按鈕進行快速訪問；3）在 Bing 搜索、Edge 瀏覽器推出 Copilot。圖表圖表40：Microsoft Copilot 產品覆蓋情況梳理產品覆蓋情況梳理 注：圖中展示了 Microsoft 主要應用分類及代表應用，數字表示 Copilot 功能上線的先后順序 資料來源：Microsoft Blog 官網、華泰研究 谷歌將谷歌將 Gemini 大模型內置在其大模型內置在其 2B 云端辦公套件云端辦公套件 Works

187、pace 中中。谷歌將 Gemini for Workspace 的功能定義為：1）寫作，例如生成項目計劃、提案、簡報等、以及優化文本；2）整理，例如通過簡單描述創建項目跟蹤表格；3）創建圖像；4）聯系，例如在視頻通話中創建自定義背景，提高聲音和視頻質量；5）無代碼創建應用。免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。43 科技科技 金山辦公金山辦公 WPS 已陸續在主要產品上線已陸續在主要產品上線 WPS AI 服務服務。WPS AI 已經覆蓋文字、演示、PDF、表格、智能文檔、智能表格、智能表單等產品，涵蓋了金山辦公的主要產品。此外，金山辦公發布了 WPS AI 企業版，推

188、出 AI Hub（智能基座）、AI Docs（智能文檔庫）、Copilot Pro（企業智慧助理）三大功能。編程：編程：AI 協助編程開發，提高開發效率與質量協助編程開發，提高開發效率與質量 AI 編程工具在功能上具有高度相似性，主要包括自動代碼生成、代碼分析與錯誤檢測編程工具在功能上具有高度相似性，主要包括自動代碼生成、代碼分析與錯誤檢測、實實時編程建議。時編程建議。AI 工具的應用極大地提高了開發效率，自動完成編寫樣板代碼、設置環境和調試等重復性任務，使得開發者能騰出時間進行創造性開發；實時語法與錯誤檢查功能有助于提升代碼質量，減少代碼調試時間，加快開發過程。根據微軟官網調查數據，使用 A

189、I工具輔助編程后，74%的開發人員反映能夠專注于更令人滿意的工作，88%的使用者感覺工作效率更高，96%的開發人員在處理重復性任務時速度更快。GitHub Copilot 是是 AI編程領域最具代表性的編程領域最具代表性的 AI工具，由工具，由 OpenAI與與 Microsoft 合作開發。合作開發。Copilot 具備強大的網絡搜索和推理決策能力，能回答開發過程中的問題。比如通過自然語言描述需求，Copilot 可以自動生成代碼，并提供部署建議。據微軟 FY3Q24（對應日歷季度 1Q24）業績會，GitHub Copilot 付費用戶數已達到 180 萬，環比增速 35%以上，收入同比增

190、長超過 45%。2024 年 5 月微軟 Build 大會進一步升級 GitHub Copilot，包括 1）更新Extensions，提升開發者的效率。開發者在編寫代碼之外花費了 75%的時間用于追蹤工作流和撰寫文檔。Extensions 將所有流程整合在一起，可從 Neovim、JetBrains IDE、Visual Studio 和 Visual Studio Code 等多種編輯器實時工作，減少上下文切換，開發者只需專注于核心代碼。2）推出 Copilot Workspace，提高團隊使用 GitHub 管理項目的效率，提供清晰的代碼變動可視化界面，增強項目掌控感。3）推出 Copi

191、lot connectors，便于開發者用第三方數據和應用定制 Copilot，提升開發效率。例如，開發者可以用西班牙語語音要求Copilot 用 Java 編寫代碼，或詢問 Azure 資源的可用性。圖表圖表41：主流主流 AI 編程工具編程工具 資料來源：GitHub 官網，AlphaCode 官網，Amazon CodeWhisperer 官網，通義靈碼官網，BaiduComate 官網，MarsCode 官網，CodeGeeX 官網，騰訊云官網，華泰研究 PC：AI PC 24 年下半年滲透率有望持續提升年下半年滲透率有望持續提升 AI PC=邊緣算力邊緣算力+內置大模型。內置大模型。

192、目前 AI PC 定義眾多，芯片廠商、PC 品牌廠商、第三方機構均各自有自己的定義。我們認為廣義來說，處理器具有 NPU 提供的邊緣算力能力，以及具有內置大模型，就可以稱之為一款 AI PC。以聯想 4/18 推出的 AI PC 系列產品看，目前 AI PC 主流功能可以分為 8 類，PPT 智能創作、文生圖、文檔總結、智能問答、AI 識圖、會議紀要、智會分身、設備調優，我們認為這是公司在 AI PC 的初期嘗試，預計 24 年底全新一代 AI PC 隨著處理器升級而推出后，全球 AI PC 滲透率有望更快提升。未商業化海外海外國內國內微軟微軟&OpenAI谷歌谷歌亞馬遜亞馬遜阿里巴巴阿里巴巴

193、百度百度字節跳動字節跳動智譜智譜騰訊騰訊個人版：10 美元/月商業版：19 美元/年企業版：39美元/月免費提供給學生/開源維護者未商業化個人版：免費企業版：協議價基礎版：免費使用高級版：618/每人每年專業版：499/年企業版：799/年免費免費免費 免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。44 科技科技 IDC 預計全球預計全球 PC 出貨總量穩定增長，出貨總量穩定增長，AI PC 滲透率持續提升，滲透率持續提升，2027 年或達年或達 60%。根據 IDC數據，2023 年全球 PC 出貨量約 2.5 億臺，AI-capable PC 出貨量 0.25 億臺，市占率約

194、為10%；2024 年全球 PC 出貨量 2.75 億臺，AI-capable PC 市占率約 19%；預計到 2027 年，全球 PC 出貨量為 2.93 億臺，屆時 AI-capable PC 市占率有望達到 60%。AI PC 下下 NPU 與獨立與獨立 GPU 方案或將長期共存。方案或將長期共存。AI 應用落地將對 PC 算力提出更高要求，高通、英特爾、AMD 等芯片廠商紛紛展開布局，陸續推出針對 AI PC 場景優化的芯片產品。在 PC 側，使用獨立 GPU 運行 AI 運載，具備高性能、高吞吐量等優勢，但功耗高；NPU方案更具高能效、低功耗等特點，但對高性能要求 AI 負載支持能力

195、有限?？紤] AI 任務需求以及用戶偏好不同，我們認為 AI PC 市場使用 1）CPU+NPU+GPU 處理器（Intel Meteor Lake/AMD 8040 等）；2）CPU+獨立 GPU；3）CPU+NPU+GPU 處理器+獨立 GPU 等組合作為處理 AI 負載主力的算力架構方案或將長期共存。AI PC 推動存儲規格升級，推動存儲規格升級，DRAM 最低最低 16GB、LPDDR 占比或逐漸提高。占比或逐漸提高。1）阿里通義千問7B模型的原始大小是14.4GB，在聯想的Lenovo AI now中運行的模型則壓縮到了4GB。由此，AI大模型+電腦本身的緩存，大概只要5-6G內存能運

196、行起來，而OS本身需占用5-6GB，故未來運存最低也需要 16GB 才能保證 PC 穩定運行。2）根據 Trendforce，Qualcomm Snapdragon X Elite、AMD Strix Point 及 Intel Lunar Lake，三款 CPU 的均采用 LPDDR5x，而非現在主流的 DDR SO-DIMM 模組，主要考量在于傳輸速度的提升；DDR5 目前速度為4800-5600Mbps，而 LPDDR5x 則落于 7500-8533Mbps，對于需要接受更多語言指令，及縮短反應速度的 AI PC 將有所幫助。今年 LPDDR 占 PC DRAM 需求約 3035%，未來

197、將受到 AI PC 的 CPU 廠商的規格支援，從而拉高 LPDDR 導入比重再提升。硬件級的安硬件級的安全芯全芯片確保隱私安全。片確保隱私安全。根據聯想和 IDC 聯合發布的 AI PC 產業(中國)白皮書，AI PC 需要設備級的個人數據和隱私安全保護，除了個性化本地知識庫提供本地化的個人數據安全域以及本地閉環完成隱私問題的推理之外，還可能引入硬件級的安全芯片在硬件層面確保只有經過授權的程序和操作才能讀取、處理隱私數據。此外聯想等廠商也同樣在自研 AI 芯片（如聯想拯救者 Y7000P、Y9000P、Y9000X、Y9000K 四款新品筆記本搭載的搭聯想自研 AI 芯片LA 系列芯片），實

198、現智能的整機功耗分配。圖表圖表42：AI PC 對比對比 Brand Lenovo Microsoft Apple Intel 產品 ThinkBook 16P Suferface Pro Mac Pro 16 英寸 尚未發布 CPU Intel Meteor Lake Qualcomm Xlite Apple M3 Pro Max Intel Lunar Lake NPU 算力 14TOPS 45TOPS 18TOPS 45TOPS 內存 最高 32GB+1TB 最高 32GB+1TB 最高 128GB+TB 尚未發布 應用 PPT 智能創作、文生圖、文檔總結、智能問答、AI 識圖、會議紀要

199、、智會分身、設備調優 GPT-4o，Copilot+PC 尚未發布 尚未發布 資料來源：各公司官網，TechWeb，IT 之家，華泰研究 大模型應用大模型應用#3：AI 大模型推動具身智能技術加速迭代大模型推動具身智能技術加速迭代 具身智能（具身智能（Embodied AI）屬于人工智能領域的分支）屬于人工智能領域的分支，典型應用為自動駕駛和機器人，典型應用為自動駕駛和機器人。具身智能是泛指具有物理身體可以與外界環境進行自主交互的 AI 智能載體。類似于人的自主性，即通過五官（感知）、大腦（規劃決策）、小腦（運動控制）完成一系列的行為，具身智能的行動一般也基于：（1）感知并理解與物理世界交互獲

200、得的信息、（2）實現自主推理決策、（3）采取相應行動進行交互。目前典型的具有較大落地場景的具身智能應用包括自動駕駛和機器人，最具代表性產品如特斯拉的 FSD自動駕駛系統和Optimus人形機器人等。免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。45 科技科技 過去一年，過去一年，AI 大模型大模型助力具身智能的感知、決策等技術進展。助力具身智能的感知、決策等技術進展。如上所述，具身智能算法一般可以按環節拆解為感知模型（感知識別環境信息并預測環境變化）、規劃/決策模型（根據感知結果做出任務決策）、控制/執行模型（將決策轉換指令轉換為行動方式）。我們以行業領軍企業特斯拉的發展為例子，

201、觀測過去一年 AI 大模型的運用對具身智能技術帶來的促進：自動駕駛：受益于自動駕駛：受益于 AI 大模型發展，感知和決策層快速迭代。大模型發展，感知和決策層快速迭代。（1）感知）感知層層：過去傳統的自動駕駛感知技術主要系“2D 直視圖+CNN”，核心是識別周遭的障礙物是什么及其大小和速度，效率和精度低。特斯拉 2022 年 10 月公布的 Occupancy Network 大模型（基于BEV+Transformer 的延申），通過計算物體的空間體積占用來構建具有空間、時序的 4D“實時地圖”，獲得更加連續、穩定的感知結果。有利于解決障礙物無法識別從而消失問題；同時地圖以自車為中心坐標系構建，

202、更好的統一了感知和預測的框架。（2）決策）決策層層：過去的決策算法基于一條條事先設定的 rule-based 的規則，在不同場景下觸發行為準則，因此難以解決長尾瓶頸問題。特斯拉決策算法采用交互搜索模型，機器可以自主預測周圍環境個體的交互軌跡，并對每一種交互帶來的風險進行評估，最終分步決定采取何種策略，讓車輛實現更快、更靈活、更擬人的決策行為。（3）控制控制層層：由于汽車的自由度較低，自動駕駛的控制算法主要依據決策模型輸出指令，控制線控底盤等部件進行轉向、剎車，從而操控汽車駕駛。目前特斯拉目前特斯拉 FSD V12 全面轉向端到端架構全面轉向端到端架構（一個大模型實現從感知到控制）（一個大模型實

203、現從感知到控制），開始推進商業落地，開始推進商業落地，代碼僅代碼僅 2000 多行，全面摒棄多行，全面摒棄 V11 版本超過版本超過 30 萬行由工程師編寫萬行由工程師編寫 C+代碼。代碼。人形機器人：技術難度遠高于自動駕駛，運動控制算法或是關鍵之一。（人形機器人：技術難度遠高于自動駕駛，運動控制算法或是關鍵之一。（1）感知層：）感知層：人形機器人的外部感知（獲取外部環境信息）主要包括視/聽/觸覺，內部感知（獲取自身狀態信息）主要是對身體的狀態和姿態控制。特斯拉 FSD 的視覺感知 Occupancy Network，可以復用在機器人上，有利于加速機器人多模態感知的發展。（2）決策層：）決策層

204、：LLM/VLM/VLA 等通用大模型的不斷發展和擴大運用，有望幫助提升機器人的語義和視覺理解能力、問題和任務拆解和推理能力。（3）控制層：）控制層：機器人，特別是人形機器人的自由度較高，讓靈巧手/機械臂完成一系列復雜的任務以及控制直立行走/跑跳等動作需要具備較強的邏輯推理能力，然而大部分運控算法仍處于發展初期，指令生成速度慢且簡單，這也是機器人發展亟待突破的關鍵之一。我們看到特斯拉的人形機器人在我們看到特斯拉的人形機器人在 2022 年年 10 月時只能實現緩慢行走與揮手，月時只能實現緩慢行走與揮手，2023年年 12 月已經可以流暢的行走與抓取雞蛋等物品，顯示出運控能力的迭代加快。月已經可

205、以流暢的行走與抓取雞蛋等物品，顯示出運控能力的迭代加快。圖表圖表43：特斯拉特斯拉 AI 大模型如何優化大模型如何優化具身智能感知、決策、控制等能力具身智能感知、決策、控制等能力 資料來源：各公司官網，特斯拉 AI Day，華泰研究 2數據來源：公司公告，華泰研究Perception感知Planning規劃Control控制OccupancyNetwork占用網絡模型Lanes&Objects行走規劃4D地圖：障礙物地圖：障礙物+車道線感知車道線感知車道線網絡內部感知內部感知+外部感知外部感知攝像頭攝像頭+激光雷達等激光雷達等Input數據輸入預測行徑預測行徑+風險評估風險評估+制定決策制定決

206、策根據決策指令操控汽車駕駛根據決策指令操控汽車駕駛Interaction Search交互搜索模型控制線控底盤等部件進行轉向、加速、剎車獲取自身內部獲取外部環境信息視/聽/觸覺信息姿態+狀態信息攝像頭攝像頭+力傳感器等力傳感器等語言理解LLM對文本指令理解能力，以及對任務拆解推理理解指令并拆解任務步驟理解指令并拆解任務步驟執行復雜任務執行復雜任務機器人自由度高，運控是關鍵依靠較強的邏輯推理能力完成靈活手控制、直立行走、跑跳等動作torque sensorLightweight Querybase Network神經網絡規劃器VLM根據環境感知結果生成決策行動路徑動作控制VLA除決策路徑之外，可

207、以直接生成分步動作指令 免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。46 科技科技 英偉達英偉達構建構建三大計算機平臺推動具身智能發展。三大計算機平臺推動具身智能發展。英偉達創始人兼首席執行官黃仁勛在 2024年 GTC 大會上表示，“機器人時代已經加快到來，所有移動的東西有朝一日都會是自主的，我們正在努力推進英偉達機器人相關產品，加速實現生成式實體人工智能”。英偉達同時升級了 Issac 機器人平臺，從訓練、仿真、推理三方面賦能機器人行業發展。在自動駕駛方面，英偉達同樣也推出了 Drive 平臺。1）訓練平臺：訓練平臺：用于訓練機器人的基礎模型。包含英偉達推出的“Projec

208、t GR00T”人形機器人通用模型、以及其他主流的 VLM/LLM 等生成式 AI 通用基礎模型，可以在此基礎上進行感知、決策、規控等方面訓練和強化學習。2）仿真平臺：仿真平臺：在 Omniverse 基礎上打造了機器人仿真平臺 Isaac SIM。在數字孿生環境中，實現和真實環境一樣的開發和測試效果，如獲取真實環境中難以得到的數據，可以加快開發流程和減少開發成本。3）端側平臺端側平臺：機器人本體的部分做了低功耗高性能的嵌入式計算平臺，以及感知、決策規劃等的AI算法增強的應用部署。如英偉達推出的Jetson Thor SoC片上系統開發硬件，內置了下一代 Blackwell GPU（此前英偉達

209、也推出過針對汽車的 DRIVE Thor 套件），帶寬達到 100GB/s，AI 計算性能達到 800TFLOPs。圖表圖表44：英偉達英偉達 Isaac 機器人平臺機器人平臺 資料來源：GTC 2024，華泰研究 2024 年小鵬、華為、理想等在全國多城市開始推送城市年小鵬、華為、理想等在全國多城市開始推送城市 NOA 高階智駕，小米、比亞迪、高階智駕，小米、比亞迪、蔚來等也積極布局高階智能駕駛，行業迎來快速發展。蔚來等也積極布局高階智能駕駛，行業迎來快速發展。目前國內主要的 2 條自動駕駛路徑依舊存在終局爭議（1）純視覺（以特斯拉、百度為主）；（2）多感知融合（攝像頭+激光雷達+毫米波雷達

210、等，是目前大多數主機廠采用的方案）。我們認為，不論是哪種方案，我們認為，不論是哪種方案，AI 大模型的運用都可以加速高階智駕的發展。大模型的運用都可以加速高階智駕的發展。特別是在感知端，特斯拉的 FSD 很好證明了AI 大模型可以更大程度提升機器視覺對攝像頭輸入的圖像信息的處理能力，完善視覺感知。但同時，基于 Transformer 的特征提取，業內，如華為，將激光雷達的點云和攝像頭的圖像像素進行前融合的能力也有了較大提升。我們認為激光雷達在遠距離感知、探測精度和光線要求程度上具有天然優勢，融合激光雷達的感知可以更大程度加強包括 AEB 等智駕安全性。隨著激光雷達的價格快速下探到千元機水平，以

211、及 AI 大模型加強算法對點云等稀疏特征數據處理能力，多感知融合長期依舊有希望成為高階智駕的主流方案。免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。47 科技科技 機器人方面，垂直類場景機器人如無人運送機、掃地機器人、工廠機械臂等在加速滲透，機器人方面，垂直類場景機器人如無人運送機、掃地機器人、工廠機械臂等在加速滲透，但通用型人形機器人由于其多模態感知、高精準運控、以及對泛化和涌現能力等要求高，但通用型人形機器人由于其多模態感知、高精準運控、以及對泛化和涌現能力等要求高，受限于軟件難度和硬件高成本壓力，或尚難以在短期內實現快速降本及大規模應用。受限于軟件難度和硬件高成本壓力，或尚

212、難以在短期內實現快速降本及大規模應用。特斯拉研發的 Optimus 人形機器人作為行業內關注度極高的機器人產品，我們預計將首先量產應用于工廠和倉庫，從事較為清晰可控的揀選搬運工作，未來才會逐漸迭代擴大應用場景。據特斯拉在 2024 年股東大會上的計劃，到 2025 年將有超過 1000 個甚至幾千個具有一定程度自主性的 Optimus 在特斯拉工作，未來應用規模會不斷擴大。圖表圖表45：智能駕駛領先企業城市智能駕駛領先企業城市 NOA 進展進展 資料來源：公司公告，汽車之家，華泰研究 圖表圖表46：小米、特斯拉、小米、特斯拉、Figure 發布的人形機器人發布的人形機器人 資料來源：各公司官網

213、及發布會，華泰研究 2020-20212022-20232024智能駕駛：城市智能駕駛：城市NOA上量元年，利好激光雷達等核心傳感器上量上量元年，利好激光雷達等核心傳感器上量發布FSD Beta測試版2023.01向北美約40萬用戶推出FSD Beta V11版本2023.03推送FSD Beta V11.3版本，統一了高速/城市NOA 的視覺堆棧2023.12在北美推送FSD Beta V12版本，首個自動駕駛端到端大模型2024.03更新至V12.3版本，FSD Beta更名為FSD Supervised；北美新車用戶免費試用1個月FSD2020.102023.07NOP+在上海、北京上線

214、測算NOP+累計開通里程超31萬公里，遍布208座城市2023.12覆蓋中國大陸 99%地縣級市，總數達到 726 城，4月30日起向近23萬名用戶推送2024.042022.09在 廣 州 率 先 落 地XNGP城市NOA試點2023.10XNGP上線廣州、深圳、佛山、上海、北京2023.12上線約52座城市2024.01XNGP 城 市 NOA 于246個城市開放2023.06NOA早鳥測試2023.09在 10 城 推 送 通 勤NOA內測版2023.12推送AD MAX3.0，正式覆蓋全國高速和環線及100個城市2024.05開放AD MAX3.0進階版內測，3Q24城市NOA逐步開放

215、到全國大范圍推送城市大范圍推送城市NOA2022.10極狐于深圳、上海推送城區NOA2023.03阿維塔在上海、深圳、廣州、重慶陸續開啟城區NCA測試2023.09華為 ADS 2.0，在全國15座城市實現城區NOA；目標年底全國都可開2024.02向訂閱華為ADS2.0 的問界、阿維塔、智界智駕版用戶正式推送全國NOA，覆蓋全國4萬+城鎮鄉道注：特斯拉NOAFSD；蔚來NOANOP；小鵬NOANGP；理想NOA-NOA；小米NOANOA；問界NOAHUAWEI ADS；極狐NOANCA；阿維塔NOANCA。數據來源：各公司官網，佐思汽研，理想汽車發布會，蔚來智能駕駛發布會，小米汽車發布會，華

216、泰研究2024.04城市NOA開始測試2024.08全國開通城市NOAFigure特斯拉特斯拉小米小米品牌品牌2023.102022.10：Optimus原型機發布（左）；2023.12：第二代Optimus產品（右）發布2022.8發布時間發布時間Figure 01OptimusCyberone產品產品示例示例硬件運動能力硬件運動能力168cm173cm177cm身高身高60kg56.7kg52kg體重體重1.2m/s-3.6km/h行走速度行走速度415021自由度自由度靈巧手6*2靈巧手6*2，Gen-2升級為11*2無靈巧手關節設計關節設計-旋轉20-180Nm模組峰值扭矩300Nm關

217、節運動能力關節運動能力行走動態良好可進行單腿瑜伽動作雙足運動姿態平衡運動負載能力運動負載能力感知感知/交互及商業化應用能力交互及商業化應用能力與OpenAI合作 理解指令/規劃任務搭載視覺、力矩等多種傳感器自研Mi-Sense深度視覺模組感知層感知層強調全流程學習能力Gen-2覆蓋智能表皮，感知溫度變化感知45/85種人類/環境語義交互交互&智能智能-目標2萬美金以內-預計售價預計售價制造/物流/倉儲/零售場景工業、居家場景健康/康養、商業化應用用途用途人工智能機器人智能駕駛智能手機等團隊基因團隊基因 免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。48 科技科技 大模型應用大模型

218、應用#4：大模型是推動云計算發展的大模型是推動云計算發展的“錨錨”我們認為我們認為 AI 大模型是云計算業務的“錨”，大模型是云計算業務的“錨”，云廠商云廠商以大模型為重要底座，以大模型為重要底座，推動云計算業務推動云計算業務向向 MaaS 轉型轉型。MaaS 是大模型廠商重要的商業模式，提供包括算力、模型、數據工具、開發工具等多種服務。目前已有多家科技巨頭將大模型能力部署在云端，或以私有化部署方式提供給企業用戶，以模型 API 調用費、模型托管服務費、按項目收費的定制化解決方案等形式獲得收入。海外，微軟推出了 Azure OpenAI，谷歌推出了 Vertex AI，英偉達推出了 AI Fo

219、undations；國內，阿里、百度、字節跳動、騰訊等公司均推出了基于自有云服務的 MaaS 模式，商湯等公司也推出了基于自有 AIDC 和大模型能力的 MaaS 服務。其中，大模型的來源包括廠商自身訓練的閉源模型和開源模型，以及第三方開源模型。以微軟Azure 為例，用戶可選擇 OpenAI 的閉源模型，微軟自己的開源模型 Phi 系列，以及 Llama等第三方開源模型。圖表圖表47：大模型服務大模型服務(Model as a Service)有望成為有望成為 AI 時代新業態時代新業態 資料來源：a16z，公司官網，華泰研究 AI 開始拉動云計算收入增長開始拉動云計算收入增長。以微軟為例，

220、從 2Q23 到 1Q24 的四個季度，AI 分別貢獻 Azure及其他云服務收入增速的 1%/3%/6%/7%。谷歌在 4Q23、1Q24 業績會上表示，AI 對谷歌云的貢獻不斷提升，對垂直整合的 AI 產品組合的需求強勁，這為谷歌云在每個產品領域創造新的機會。亞馬遜在 1Q24 業績會上表示，基礎設施建設與 AWS AI 功能正在重新加速AWS的增長率。生成式AI和模型訓練需求驅動，AI收入占百度AI智能云收入在4Q23/1Q24 分別達到 4.8%/6.9%，其中大部分收入來自模型訓練，但來自模型推理的收入快速增長。圖表圖表48：AWS、Azure、谷歌云收入、谷歌云收入 資料來源：公司

221、公告，華泰研究 開源基礎模型開源基礎模型開放訓練完成的的模型權重如：Meta的Llama 3模型托管平臺模型托管平臺儲存與分享模型如：Hugging Face,Replica閉源基礎模型閉源基礎模型通過APIs開放的大規模預訓練模型如：Open AI的GPT-4、谷歌的Gemini應用應用沒有專有模型的面向最終用戶的B2B和B2C應用程序如：Github Copilot云計算平臺云計算平臺為開發者提供云計算服務如：AWS,GCP,Azure,Coreweave計算硬件層計算硬件層提供模型訓練與推理的加速器芯片如：GPU（英偉達）,TPU（谷歌）應用層模型層基礎設施層端到端應用端到端應用具有專有

222、模型的面向最終用戶的應用程序如：Midjourney,Runway0%5%10%15%20%25%30%35%40%45%50%010,00020,00030,00040,00050,00060,0001Q202Q203Q204Q201Q212Q213Q214Q211Q222Q223Q224Q221Q232Q233Q234Q231Q24AWSAzureGoogle Cloud總計YOY（右）(百萬美元)免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。49 科技科技 大模型降價吸引客戶上云。大模型降價吸引客戶上云。2024 年 5 月，字節、阿里云、百度、科大訊飛和騰訊相繼宣布降價策

223、略，調低面向 B 端市場的大模型 API 調用費用。我們認為大模型 API 降價得益于算力芯片性能的提升與推理部署的優化，其目的在于吸引客戶使用公有云，購買云廠商的計算、存儲、網絡和安全等基礎產品。大模型應用大模型應用#5：大模型賦能搜索和廣告等互聯網傳統業務大模型賦能搜索和廣告等互聯網傳統業務 搜索、廣告是互聯網廠商的代表性傳統業務，AI 大模型賦能業務效果提升。我們看到 AI 從算法優化廣告推送機制、廣告內容生成兩方面助力互聯網公司廣告業務。微軟推出 Copilot in Bing，Google 發布生成式搜索體驗（SearchGenerative Experience，SGE），提供更精

224、準、更個性、更智能的搜索結果。其中，微軟 Bing 借力 GPT 模型能力，市場份額有所提升。廣告：廣告：AI 算法優化推送機制，生成式算法優化推送機制，生成式 AI 實現自動化廣告制作實現自動化廣告制作 AI 技術通過算法優化推送機制，提高用戶流量與廣告轉化率。技術通過算法優化推送機制，提高用戶流量與廣告轉化率。根據 Meta Ads 公司官網數據，推出 Reels 短視頻后，得益于人工智能驅動的發現引擎，推送內容與用戶偏好更加貼合，Instagram 用戶的平均使用時間增加了 24%，超過 40%的廣告主選擇投遞 Reels 形式的廣告。Google應用 AI技術改進Lens視覺搜索以及圖

225、片文本跨模態多重搜索，Lens 21-23年用戶增長四倍，月使用數達到 120 億次。機器學習算法匹配廣告和最相關受眾，提高廣告轉化率。機器學習算法匹配廣告和最相關受眾，提高廣告轉化率。Meta Ads 引入類似受眾和細分定位功能，計算最佳受眾群體擴大方式來優化轉化量和改善廣告表現。類似受眾功能通過一系列指標，如過去購買過同類商品、訪問過廣告主的網站等來挑選最有可能轉化的潛在用戶進行廣告推送。根據 Meta 官網數據，該工具令單次增量轉化費用中值降低 37%。Google使用 AI 驅動的競價系統，通過排序最大點擊次數出價在整個營銷漏斗中進行優化，以推動用戶對目標網站的訪問等購買意向性行為，并

226、統計廣告轉化數據，生成歸因報告，向廣告主推薦值得出價的高效指標。生成式生成式 AI 實現自動化廣告制作，提高廣告創意表現與營銷效果實現自動化廣告制作，提高廣告創意表現與營銷效果。1）Meta Ads 推出內置免費 AI 廣告創作工具 Advantage+Creative，實現廣告簡化生成與標準美化，助力提高廣告創意表現與營銷效果。Advantage+Creative 細分功能包含文本衍生、背景生成、智能擴圖、風格化制作等，廣告主只需提供廣告創意和業務受眾，AI 即可創建多個版本的廣告，并挑選出最有可能得到目標受眾響應的版本。它也可對廣告進行細微改進比如調整亮度、寬高比和文本布局。Advanta

227、ge+Creative 有效地降低廣告主投入的時間與成本，并提升廣告表現。根據 Meta 官網調查數據，采用 Advantage+Creative的廣告主所獲得的廣告支出回報率（ROAS）提高了 32%，其中 77%的廣告主表示每周得以節約數小時的時間。2）Google 利用人工智能，根據查詢上下文即時優化搜索廣告，并通過機器學習算法增強廣告視覺呈現效果。借助生成式 AI 技術，Performance Max 可以大幅簡化廣告主的廣告制作流程，根據廣告主提供的產品網址自動填充廣告文本與生成廣告圖片。此外，當目標受眾使用搜索引擎時，Google 利用自動創建素材技術優化搜索廣告（ACA），重組現

228、有廣告生成更貼合查詢內容的新標題與圖文。廣告系列 Demand Gen 亦能通過機器學習算法將最佳視頻和圖片素材資源集成到視覺效果最強的接觸點中，避免遮擋，幫助廣告主在最具沉浸感的視覺界面上吸引更多消費者。根據 Google 2022 年中期報數據，采用 Performance Max 使得廣告主獲得轉化客戶的成本下降，單次操作費用（CPA）中值減少 17.3%；在支付同等費用情況下，廣告轉化次數增長了 18%。免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。50 科技科技 圖表圖表49：AI 技術在主流廣告平臺的應用技術在主流廣告平臺的應用 資料來源：Meta Business，

229、Google 官網，華泰研究 搜索搜索：引入大模型后，引入大模型后，Bing 份額提升份額提升 谷歌：從理解式谷歌：從理解式 AI 到生成式到生成式 AI，搜索引擎巨頭廣泛應用人工智能技術。谷歌享有搜索市場，搜索引擎巨頭廣泛應用人工智能技術。谷歌享有搜索市場大部分份額，早期對人工智能技術的應用主要以理解式大部分份額，早期對人工智能技術的應用主要以理解式 AI 為主。為主。根據 StatCounter 統計結果，2015 年至今谷歌在 PC 與移動端綜合搜索量的市占率均超過 90%。機器學習在谷歌產品中的第一個應用是 2001 年的拼寫糾正系統，幫助忽略人們搜索內容的拼寫錯誤而得到正確結果。隨后

230、谷歌于 2019 年使用 BERT 進行檢索句子整體拼讀以優化搜索排名系統，并開發能力優于 BERT 1000 倍的多模態、多線程統一大語言模型 MUM，以理解和組織網頁內容。隨著搜索總量的增加和用戶需求的多元化，有效率、高質量的多模態交互搜索成為發展趨隨著搜索總量的增加和用戶需求的多元化，有效率、高質量的多模態交互搜索成為發展趨勢。勢。谷歌于 2023 年開始啟動搜索生成式體驗（SGE）實驗，以生成式 AI 大模型 Gemini為基礎，自動生成搜索內容摘要并進行垂類推薦等算法優化。AI Overviews 是 SGE 的升級版，在 5 月的 2024 GoogleI/O 開發者大會上作為“2

231、5 年間最大更新”發布，與谷歌核心網絡排名系統集成，旨在保證搜索準確性，僅顯示由高質量網頁信息支持的結果。AI Overviews 繼承了 SGE 的內容摘要生成能力，支持視頻搜索，具有一次搜索解決系列問題的多步驟推理功能和集成谷歌文檔郵箱的規劃功能。該產品推出兩周后受到廣泛質疑，谷歌實行改進，但據企業 SEO 平臺 BrightEdge 于同年 6 月的調查數據，谷歌淡化了這一功能，AI overviews 在搜索中的出現頻率已于初始的 84%降至約 15%。搜索推送引擎優化搜索推送引擎優化自動化廣告設計自動化廣告設計相似相似受眾和細分定位受眾和細分定位擴展擴展Reels發現引擎LensLe

232、ns視覺搜索視覺搜索AI驅動智能定價驅動智能定價沉浸感視覺界面沉浸感視覺界面搜索生成體驗搜索生成體驗智能擴圖智能擴圖風格化制作風格化制作文本衍生文本衍生背景生成背景生成 免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。51 科技科技 圖表圖表50：搜索引擎市場份額分布搜索引擎市場份額分布 資料來源：StatCounter，華泰研究 微軟微軟 Bing 引入引入 GPT 模型能力模型能力開啟生成式開啟生成式 Web 搜索新體驗，搜索新體驗，市場份額提升。市場份額提升。2023 年 2 月，微軟為旗下搜索引擎 Bing 配置 AI 增強型 Web 搜索體驗助手 New Bing，根據

233、3 月必應博客文章，預覽版助手推出 4 周時間內日活用戶即超過 1 億，其中約 1/3 用戶是第一次使用微軟的搜索引擎。同年 11 月，微軟將 New Bing 更名為 Copilot。Copilot 基于 GPT-4 和DALL-E，通過匯總 Web 搜索結果形成摘要和鏈接列表，并提供聊天體驗來支持用戶，優勢包括：1）具備自然語言理解能力與多模態搜索和生成能力；2）以連續提問模式替代多次獨立搜索；3）內置于微軟瀏覽器網頁邊欄，同步化搜索與網頁瀏覽過程；4）開發多平臺延展，連接 Web 搜索和不同終端，如 Skype、office365、GroupMe 等。Copilot 帶來的搜索引擎流量增

234、長數據亮眼，微軟 FY2Q24（4Q23）業績會上表示，Bing 的市場份額超過雅虎搜索，升至 3.4%，由 Copilot 支持的搜索對話累計達 50 億次，公司該季度搜索與廣告收入同比增長近 10%。根據 StatCounter 數據，Bing 在搜索引擎中的市場份額已經由 23年 2 月的 2.8%提升至 24 年 1 月的 3.4%。圖表圖表51：除谷歌以外其他搜索引擎份額分布除谷歌以外其他搜索引擎份額分布 資料來源：StatCounter，華泰研究 0.0%0.5%1.0%1.5%2.0%2.5%3.0%3.5%4.0%90.0%90.5%91.0%91.5%92.0%92.5%93

235、.0%93.5%94.0%2018-102018-122019-022019-042019-062019-082019-102019-122020-022020-042020-062020-082020-102020-122021-022021-042021-062021-082021-102021-122022-022022-042022-062022-082022-102022-122023-022023-042023-062023-082023-102023-12Google（左軸）BingYandexYahoo!BaiduDuckDuckGo2018年10月2024年1月 免責聲明和披

236、露以及分析師聲明是報告的一部分，請務必一起閱讀。52 科技科技 Perplexity AI 是勢頭強勁的新是勢頭強勁的新晉獨角獸，專注于開發自然語言搜索引擎。晉獨角獸，專注于開發自然語言搜索引擎。Perplexity AI 是世界首款融合了對話和鏈接的搜索引擎，公司成立于 2022 年 8 月，創始團隊前司包括OpenAI、Meta、Quora、Databricks。根據官網披露數據，2024 年 1 月，Perplexity AI 月活用戶即超過 1000 萬，隨后 2 個月內公司估值翻倍，同年 4 月公司估值達 10 億美元，累積融資破 1.65 億美元，正式躍升為搜索引擎領域的獨角獸。該

237、搜索引擎產品主要搭載第三方大模型，包括 GPT-4o、Claude-3、SonarLarge(LLaMa 3)、由開源的 Mistral-7b 和Llama2-70b 模型微調、增強得到的 pplx-7b-online 和 pplx-70b-online，用戶可以根據自己的偏好選擇使用的大模型。依靠檢索增強生成技術（RAG），Perplexity AI 使大模型和外部知識庫連接，使得返回結果不僅限于大模型自身訓練的資料節點，提高了生成結果的準確性。它能夠解讀自然語言，具有聊天對話搜索、智能文檔管理和智能文本生成的功能，支持多輪對話和后續問題預測。Perplexity AI 為免費用戶提供無限次

238、快速搜索和 5 次專業搜索，而 Pro 訂閱用戶可通過支付 20 美元/月或 200 美元/年的費用，每日使用 300 次專業搜素。大模型應用相關公司：聯想、視涯、共道科技、諦聲科技、印象筆記、擴博智能大模型應用相關公司：聯想、視涯、共道科技、諦聲科技、印象筆記、擴博智能 聯想集團聯想集團（992 HK）：全球數字經濟領導企業全球數字經濟領導企業 聯想集團是一家根植于中國、業務遍及 180 個市場的全球化科技公司，是全球數字經濟領導企業。聚焦全球化發展持續開發創新技術，聯想致力于建設一個更加包容、值得信賴和可持續發展的數字化社會。作為聯想集團的先鋒軍，從 2017 年開始，聯想中國即前瞻智能化

239、變革，圍繞“端-邊-云-網-智”的新 IT 架構進行“全棧 AI”布局，已形成 AI 內嵌的智能終端、AI 導向的基礎設施、AI 原生的方案服務三大方向的完整板塊。在 AI 內嵌的智能終端領域，聯想在國內率先發布了搭載“天禧智能體系統”、具備五大特征、帶來顛覆性體驗的 AI PC，并擁有最領先和最全面的 AI PC 產品組合。AI PC 的五大特征包括：內嵌個人大模型與用戶自然交互的智能體、個人知識庫、本地異構 AI 算力（CPU/GPU/NPU）、開放人工智能應用生態以及個人數據和隱私安全保護。在 AI 導向的基礎設施領域，聯想打造了布局完整、穩定高效的基礎設施產品組合，包括聯想萬全異構智算

240、平臺，服務器、存儲、數據網絡、軟件及超融合、邊緣計算基礎設施產品和方案，在通用計算、科學計算、智能計算、邊緣計算等不同領域收獲了大量最佳實踐和燈塔案例，致力于幫助千行萬業的客戶邁向業務成功。聯想是全球第一大高性能計算集群、第三大 AI 基礎設施供應商，存儲居于全球第三位，服務器在國內也居于第三位。在 AI 原生的方案服務領域，聯想正充分運用大模型技術升級至 3.0 的擎天引擎，打造全棧智能化全周期服務，包括政企方案服務、中小企業方案服務和消費服務，通過智能體讓人工智能惠及每一家企業和個人。視涯科技視涯科技（未上市）（未上市）：公司硅基：公司硅基 OLED 產品或將進入蘋果產品或將進入蘋果 Vi

241、sion Pro 供應鏈供應鏈 視涯科技創立于 2016 年，是一家專業從事新一代半導體 OLEDoS 顯示器研發、設計、生產和銷售的高科技企業。公司是全球為數不多的、掌握全部主要核心技術的硅基 OLED 微顯示器生產商之一，主要產品硅基 OLED 微型顯示屏及模組具有輕薄小巧、結構精密、亮度高、功耗低、對比度高等特點。公司的產品已廣泛應用于頭盔顯示、近眼成像、智能眼鏡、電子取景器、VR/AR 等領域的微顯示系統。根據The Information的報導，視涯科技表示目前公司硅基 OLED 微顯示屏目前已大量應用于市場，并且積極配合蘋果提供測試認證的 Micro-OLED 樣品。據 WitDi

242、sply 的消息，預計最快 2024 年第三季度視涯科技就有機會以第二供應商的姿態加入供應行列。免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。53 科技科技 共道共道科技科技（未上市）（未上市）：科技賦能法律行業科技賦能法律行業 共道網絡科技有限公司成立于 2018 年，是杭州城投集團和阿里巴巴共同設立的國家級高新技術企業。共道科技致力于以科技賦能法律行業，首創互聯網法院在線訴訟模式，并持續面向政法、泛監管、企業提供多方互聯、數智賦能的法律科技平臺，公司在低代碼引擎、AI 法律大模型、音視頻領域有深厚技術和數據積累。24 年 3 月，共道科技正式推出法律行業大模型“法鼎”，并基于

243、大模型推出“數字調解員”、“數字法官助手”等產品。法律大模型結合專業圖譜，使數字助手具備更靈活的任務拆解、情緒感知、多模態交互等能力，并在法律領域具備很強的專業認知。諦聲科技諦聲科技（未上市）（未上市）：企業級聲學：企業級聲學 AI 技術與工業級智能檢測系統技術與工業級智能檢測系統 北京諦聲科技有限責任公司成立于 2018 年，專注于預測性聲學故障診斷及維護，依托自研的聲學檢測產品、聲學數據平臺和聲學垂直大模型，提供工業級智能檢測系統。創始團隊源自中科院聲學所，并由電子、傳感器、數據算法等技術專家及行業專家組成。公司自研技術領先。前端的采集與信號處理，全自研分布式傳感器陣列，高速采集精度達納秒

244、級，并建立故障特征庫。后端的處理分析算法，實現邊緣及云端智能分析，多維特征提取技術大幅降低所需訓練樣本量。公司產品體系豐富，終端易用性強，應用場景廣泛。在電力領域，參與制定中國電力企業聯合會標準，與國家電網、電力科學研究院達成深度戰略合作。在軌交領域，與中國中車、北京地鐵、南京地鐵達成合作，為動車組提供動車走行部異音監測系統。在能源領域，與神華集團達成戰略合作，為中煤科工、紫金礦業、三峽電力提供聲紋監測系統服務。印象印象 AI（未上市）（未上市）：賦能千行百業知識工作者：賦能千行百業知識工作者 為發展新質生產力蓄能為發展新質生產力蓄能 印象筆記是生產力工具的領軍廠商，始終堅持以科技創新為用戶帶

245、來更好的知識管理體驗。2023 年 3 月，印象研究院推出國內首個自研的、專注于知識管理領域的大語言模型 印象大模型，并率先落地為印象 AI產品及服務。印象筆記用“復合 AI 系統”的思路，發揮模型、數據、場景、交互、載體、用戶等方面的優勢，讓印象 AI全面賦能印象筆記 App，并陸續充實了AI 幫我寫、AI 幫我讀、AI文件分析、AI 日程管理、AI 語音轉寫、AI 助理等 AI 賦能的功能與服務。印象筆記全面升級了用戶從數據獲取、信息記錄到知識整理的智能化程度，助力廣大知識工作者拓展知識的廣度和深度，為發展新質生產力蓄勢，成為賦能千行百業的新質生產力平臺。擴博擴博智能智能（未上市）（未上市

246、）：聚焦計算機視覺領域：聚焦計算機視覺領域 AI 產品賦能風電零售行業產品賦能風電零售行業 擴博智能 Clobotics 成立于 2016 年，專注于打造風電與零售領域人工智能產品，聚焦計算機視覺和機器學習技術，為行業和企業用戶提供端到端一體化智能服務。公司產品矩陣完善，深耕新型能源、零售領域配套人工智能產品。擴博博云是擴博智能風電核心產品，自研特種飛行機器人相比傳統方式效率提升 10 倍，返回完整清晰、高效可靠的設備外觀采集照片，搭載數字運營平臺幫助客戶制作基于時間線的追蹤及狀態預測趨勢分析。擴博智維是擴博智能運用人工智能技術為零售領域打造的線下零售實時智能監測平臺，升級實體零售數字化營銷體

247、驗，提供高效、準確、全面的市場數據收集和分析服務，集零售執行、貨架冰柜情報，競品追蹤于一體。公司注重軟硬結合的戰略模式，引入計算機視覺技術深化產品優勢。130 多項知識產權申請和多項專利授權構筑公司技術核心體系，通過在行業領域應用人工智能+物聯網”（AIoT），使數據流、硬件、軟件實現智能交互，從本質上改變傳統工作模式；通過對計算機視覺和深度學習算法的應用，擴大其商業價值，在新零售和新能源等領域實現智能升級。免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。54 科技科技 數據基礎設施：關注半導體、能源和數據中心投資機會數據基礎設施：關注半導體、能源和數據中心投資機會 在 AI 大模

248、型相關算力需求快速增加的推動下，我們認為，1）AI 相關的半導體，2）數據中心和數據中心內的服務器、交換機等硬件設備，3）連接數據中心之間的通信基礎設施，以及 4）數據中心用電相關市場都有望實現快速增長。圖表圖表52：數據中心示意圖數據中心示意圖 資料來源：VIAVI，華泰研究 AI 服務器是數據基礎設施的核心載體，一臺 AI 服務器主要包括 CPU、GPU、HBM 等半導體器件和 PCB、載板等電子元器件。同時，驅動 AI 服務器需要消耗大量的能源，例如，一臺最新的英偉達 NVL72 耗能高達 120kw（1rack=18tray=36 顆 GB200，GB200 的功耗最高可達 2700W

249、），相當于超 1000 臺家電冰箱同時運行總能耗。圖表圖表53：AI 服務器拆解服務器拆解 資料來源：McKinsey“McKinsey on Semiconductors”(2024/03)，華泰研究 麥肯錫在 2024 年 3 月發布的報告McKinsey on Semiconductors中預測，2024 年全球服務器將達能耗 70Gigawatt，其中 AI 服務器占比為 15%，而在出貨量和算力需求大幅提升的雙重驅動下，預計到 2030 年整體服務器能耗 390Gigawatt，對應年復合增速達 33%，AI 服務器占比將提升至 70%。數據中心園區間互聯數據中心園區數據中心內部 免

250、責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。55 科技科技 圖表圖表54：2030 年全球服務器需求達年全球服務器需求達 390GW 資料來源：McKinsey“McKinsey on Semiconductors”(2024/03)，華泰研究 我們看好以下三大投資機會：1）半導體：HPC 市場需求將推動 2030 年半導體市場規模突破萬億美金，關注數字中心芯片、存儲、設備等半導體領域投資機會；2）能源：AI 的盡頭是能源，2030 年全球數據中心用電量規模將達到約 2.2 萬億度電，為2022 年的 3.6 倍，看好配套設備、核電等發展機遇；3）服務器等硬件：數據中心將成為 A

251、I 模型時代的稀缺資源，服務器作為核心載體將迎來快速增長，關注 PCB、封裝基板、散熱、光模塊、光芯片、光器件等有增量機遇的板塊。圖表圖表55：算力基礎設備產業鏈總覽算力基礎設備產業鏈總覽 注：全球市場規模分別為 2023 實際及 2030 年預測數據，其中半導體設備 2023 年實際數據來自 SEMI，2030 年預測數據來自 MMR，半導體實際及預測數據均來自 IDC，服務器實際及預測數據來自麥肯錫 資料來源：臺積電，SEMI，MMR，彭博，McKinsey“McKinsey on Semiconductors”(2024/03)，華泰研究 免責聲明和披露以及分析師聲明是報告的一部分，請務

252、必一起閱讀。56 科技科技 投資機會投資機會#1：把握把握 2030 年年半導體市場半導體市場 1 萬億美元的投資機會萬億美元的投資機會 臺積電預測全球半導體市場有望從臺積電預測全球半導體市場有望從 2023年的年的 5200億美金成長到億美金成長到 2030年的年的 1萬億美金（近萬億美金（近1 倍的倍的增長，增長，9.8%CAGR），關注數字芯片、存儲和設備領域的投資機會。），關注數字芯片、存儲和設備領域的投資機會。其中臺積電認為到 2030 年，HPC（高性能計算）市場將取代智能手機成為最大的細分市場，貢獻 40%的比例；智能手機也將繼續貢獻 30%的市場；電動化和智能化將推動汽車市場貢

253、獻 15%的市場；IoT 將貢獻 10%的市場。數據中心、汽車等領域有望實現快速增長，建議關注數字芯片、存儲和半導體設備領域的投資機會。圖表圖表56：2030 年全球半導體市場規模有望達到年全球半導體市場規模有望達到 1 萬億美元萬億美元 資料來源：ISSCC，臺積電，華泰研究 分應用領域來看，根據 IDC 的數據，我們看到 2030 年較 2023 年全球半導體市場增量主要由消費、數據中心、物聯網和存儲市場貢獻，分別達到 1040 億美元、1660 億美元、632億美元和 531 億美元。圖表圖表57：2023/2030E 全球半導體市場按照應用分類及對應全球半導體市場按照應用分類及對應 C

254、AGR 資料來源：IDC，華泰研究 1761042801276319074166240675312054369027538002004006008001000120020232030E存儲通訊汽車數據中心物聯網消費16.8%7.6%8.7%18.3%5.9%6.9%9.6%525消費物聯網數據中心汽車通訊存儲1000總計總計應用領域應用領域CAGR（十億美元）免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。57 科技科技 分半導體品類來看，根據 IDC 數據，2030 年較 2023 年全球半導體市場增量主要由 ASIC、存儲、光電子等貢獻，分別達到 2070 億美元、1391 億

255、美元和 283 億美元。圖表圖表58：2023/2030E 全球半導體市場按照器件種類分類及對應全球半導體市場按照器件種類分類及對應 CAGR 資料來源：IDC，華泰研究 數字芯片：數字芯片：英偉達壟斷地位短期或難以撼動英偉達壟斷地位短期或難以撼動 根據華泰統計，2023年全球數據中心用數字芯片市場規模達 832億美元，同比增長53.1%。同期，PC 和第三方手機基帶芯片市場分別為 506 億美元和 308 億美元。數據中心已經超過 PC 和手機的總和，成為數字芯片的最大終端市場。其中，AI 加速芯片是數據中心芯片市場規?？焖僭鲩L的主要驅動力，英偉達在數據中心芯片市場份額自 1Q23 以來呈快

256、速提升態勢。圖表圖表59：數據中心數據中心/PC+智能手機芯片季度營收規模智能手機芯片季度營收規模 圖表圖表60：主要企業數據中心芯片主要企業數據中心芯片份額變化份額變化 注：數據中心相關芯片季度營收包括：英偉達、英特爾、AMD、Marvell、博通；PC 相關芯片季度營收包括：英偉達、英特爾、AMD；智能手機相關芯片季度營收包括：高通、聯發科 資料來源：彭博，華泰研究 注：數據中心相關芯片營收包括：英偉達、英特爾、AMD、Marvell、博通 資料來源：彭博，華泰研究 趨勢趨勢#1：英偉達發揮在英偉達發揮在 CUDA 上的生態優勢和芯片架構上的優勢，上的生態優勢和芯片架構上的優勢，或或不斷擴

257、大份額。不斷擴大份額。根據華泰統計，1Q24 英偉達在數據中心芯片上的份額已經提升到 62%。6 月 2 日，英偉達在Computex 2024大會上發布了至2027年的芯片路線圖，GPU迭代周期由2年縮短到1年，走類似英特爾的 Tick-Tock 模式（一年工藝一年架構），預計 25/26/27 年分別發布 Blackwell Ultra、新一代 Rubin 架構 GPU 及 Rubin Ultra 三款產品，繼續擴大對 AMD 和 Intel 的技術優勢。91139230472370223207430393170101020833712032286002004006008001000120

258、020232030E光電子微元件邏輯分立器件、傳感器等ASIC模擬存儲9.6%5.5%9.9%8.6%9.8%5.8%14.2%9.6%總計總計器件器件CAGR（十億美元）525存儲模擬ASIC分立器件、傳感器等邏輯光電子1000微元件0501001502002503003501Q212Q213Q214Q211Q222Q223Q224Q221Q232Q233Q234Q23（億美金）數據中心PC+智能手機0%10%20%30%40%50%60%70%80%90%100%1Q212Q213Q214Q211Q222Q223Q224Q221Q232Q233Q234Q23NVIDIAAMDINTELMa

259、rvellBroadcom 免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。58 科技科技 圖表圖表61：英偉達芯片英偉達芯片 Roadmap 注：方框表示未公布具體芯片及性能 資料來源：COMPUTEX 2024，華泰研究 英偉達踐行“英偉達踐行“Buy More Save More”讓算力成本指數級下降?！弊屗懔Τ杀局笖导壪陆?。訓練芯片來看，如果選取英偉達最新三代數據中心 GPU（A100、H100 與 B200），來對比其單位算力成本（RMB/TFLOPS，此處采用 FP16 算力，價格采用當前市場均價），我們看到 H100 相較A100 單位算力成本下降約 80%，B200

260、 相較 A100 下降約 90%，推理芯片來看，根據英偉達官網信息，T4 推理芯片相較 CPU 在云服務方面的年度成本更低。對于視頻處理場景，假設典型工作負載下每分鐘上傳到平臺的視頻時長為 500 小時，并假設使用 Amazon EC2 G4 的一年預留定價，如果采用 CPU 作為匹配的硬件，年度成本將達到 3.17 億美元，而采用 T4 的年度成本僅為 0.67 億美元，幾乎為采用 CPU 的 1/5。單位算力成本的快速下降為模型的廣泛推廣和應用奠定了基礎。我們認為后續架構的升級將代替制程進步成為成本下降的重要方向。圖表圖表62：訓練芯片算力成本呈下降趨勢訓練芯片算力成本呈下降趨勢 注：芯片

261、價格數據來自亞馬遜官網（6/15）資料來源：英偉達官網，華泰研究 010020030040050060005001,0001,5002,0002,5003,0003,5004,0004,5005,000A100H100B200FP16算力(TFLOPS)算力價格（RMB/TFLOPS）FP16算力算力價格（右軸）免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。59 科技科技 趨勢趨勢#2：谷歌谷歌、微軟等云廠商微軟等云廠商亦亦加速投入芯片自研加速投入芯片自研。目前主要的合作包括，1）谷歌與博通合作負責谷歌 TPU 的物理設計，同時還負責協助在臺積電的芯片代工業務；2）博通不僅參與了

262、谷歌每一代 TPU 處理器的設計，還與 Meta、蘋果等公司達成合作；3）聯發科在 2023年峰會上宣布與 Meta 合作，為未來的 AR 眼鏡開發定制芯片。4）據路透社與彭博 2024年 2 月報道，英偉達也正在建立一個專注于為云計算、AI 等領域設計 ASIC 專用芯片的新業務部門。我們認為隨著 AI 芯片市場競爭趨于白熱化，廠商之前的合作將變得更加頻繁。圖表圖表63：主要的云服務廠商與芯片設計服務廠商合作關系主要的云服務廠商與芯片設計服務廠商合作關系 資料來源：各公司官網，華泰研究 HBM：AI 成為存儲市場增長新動力成為存儲市場增長新動力 AI 相關需求推動相關需求推動 DRAM 市場

263、快速增長。市場快速增長。根據 IDC 數據，受存儲價格大幅下降影響，2023年全球 DRAM 市場規模下滑 36%至 520 億美元，NAND 市場規模下滑 35%至 373億美元。隨著手機、PC 等終端產品的單機容量提升與需求復蘇，AI 催化 HBM、企業級 SSD 需求快速增長，IDC 預計 24 年全球 DRAM 市場規模增長 55%至 805 億美元，NAND 市場規模增長 65%至 617 億美元。圖表圖表64：全球全球 DRAM 市場規模市場規模 圖表圖表65：全球全球 DRAM 位元出貨量位元出貨量 資料來源：IDC，華泰研究 資料來源：IDC，華泰研究 987 628 662

264、945 808 520 805 907 36%-36%5%43%-14%-36%55%13%-60%-40%-20%0%20%40%60%02004006008001,0001,200201820192020202120222023 2024E 2025EDRAM市場規模yoy（右軸）(億美元)-5%0%5%10%15%20%25%30%05,00010,00015,00020,00025,00030,00035,00040,000201820192020202120222023 2024E 2025EDRAM位元出貨量yoy（右軸）(M GB)免責聲明和披露以及分析師聲明是報告的一部分，請務

265、必一起閱讀。60 科技科技 AI 算力需求推動算力需求推動 HBM 加速落地，加速落地，DRAM 芯片從芯片從 2D 走向走向 3D。當存儲器訪問速度跟不上處理器數據處理速度時，存儲器訪問速度將構成運算速度的主要瓶頸，即出現“存儲墻”問題，而在 AI 訓練為代表的高速運算下，“存儲墻”問題將更加顯著。從而為解決高速運算下，存儲器傳輸速率受限于 DDR SDRAM 帶寬而無法同步成長的問題，高帶寬存儲器（High Bandwidth Memory，HBM）應運而生，其革命性傳輸效率是讓核心運算元件充分發揮效能的關鍵。HBM 通過使用硅通孔（通過使用硅通孔（TSV）垂直堆疊多個）垂直堆疊多個 DR

266、AM，將，將 DRAM 芯片從芯片從 2D 結構結構變為變為 3D 結構，結構，可顯著提升數據處理速度。這一突破性存儲器解決方案采用了先進的 SiP 封裝方法，通過 DRAM 中的數千個微孔將上下芯片垂直互連。得益于這一封裝工藝，HBM 產品的性能有所提高，同時尺寸有所減小。圖表圖表66：HBM 的立體結構的立體結構 圖表圖表67：HBM 與與 GDDR5 結構對比結構對比 資料來源：SK Hynix，華泰研究 資料來源：SK Hynix，華泰研究 圖表圖表68：HBM 規格對比規格對比 HBM1 HBM2 HBM2e HBM3 HBM3e 發布時間 2013 2016 2019 2021 2

267、023 I/O 速率 1Gbps 2.44Gbps 3.6/3.2Gbps 6.4Gbps 9.2Gbps 總帶寬 128GB/s 256GB/s 460.8GB/s 819.2GB/s 1.2TB/s 顆粒密度 2Gb 8Gb 16Gb 16Gb 24Gb 堆疊層數&封裝容量 4Hi,1GB 4Hi,4GB 4Hi,8GB 8Hi,16GB 8Hi,24GB 12Hi,36GB 8Hi,8GB 8Hi,16GB 12Hi,24GB 資料來源：海力士官網，三星電子官網，美光官網，華泰研究 AI 驅動之下，驅動之下，HBM 規格與單芯片容量提升，成為規格與單芯片容量提升，成為 DRAM 市場規模

268、提升的重要增長點。市場規模提升的重要增長點。2023年，HBM3 是市場主流，而隨著海力士、美光和三星在 1H24 量產 HBM3e，在 2H24 出貨，2024 年 HBM3e 將成為市場主流。除 HBM 規格提升之外，單芯片容量提升顯著：英偉達H100 搭載 80GB HBM3，GH200 搭載 141GB HBM3e，B100 與 GB200（單顆 GPU）搭載 192GB HBM3e。對于 HBM3e，目前 SK 海力士依舊是主要供應商，與美光都已通過英偉達驗證，開始出貨；而三星則仍在英偉達驗證過程之中。TSVTSV連接結構連接結構堆疊的堆疊的DRAMDRAM芯片芯片 免責聲明和披露以

269、及分析師聲明是報告的一部分，請務必一起閱讀。61 科技科技 圖表圖表69：英偉達、英偉達、AMD AI 芯片及芯片及 HBM 規格對比規格對比 資料來源：公司官網，華泰研究 圖表圖表70：存儲大廠存儲大廠 HBM 研發進程研發進程 資料來源：公司官網，華泰研究 產能方面，根據 Trendforce 預計，2023、2024 年 HBM 占 DRAM 總產能分別為 2%、5%，2025 年占比將超過 10%。產值方面，HBM 相較 DDR5 價差大約五倍，2023、2024 年 HBM占 DRAM 總產值分別為 8%、21%，2025 年占比將超過 30%。圖表圖表71：HBM 占占 DRAM

270、總位元產出及總產值比例總位元產出及總產值比例 資料來源：Trendforce，華泰研究 公司公司名稱A100A800H800GH200B200GB200MI250MI250 xMI300MI300 xMI325x顯存類型HBM2eHBM2eHBM3HBM2eHBM3HBM3eHBM3eHBM3eHBM2eHBM2eHBM3HBM3HBM3e顯存帶寬1935GB/s2TB/s3.35TB/s1935GB/s1681GB/s4.8TB/s8TB/s16TB/s3.2TB/s3.2TB/s3.2TB/s5.2TB/s6TB/s推出時間202020222022202220222023202420242

271、021202120232023202480GB80GB141GB192GB380GB80GB80GB80GB128GB128GB128GB/192GB 192GB288GBAMD英偉達英偉達H100顯存容量海力士海力士三星三星美光美光業界首次成功研發出HBM1量產4GB HBM2 DRAM可生產8GB HBM2 DRAM201320162017量產HBM22018量產8GB HBM2“Aquabolt”2018年末JEDEC推出HBM2E規范，以支持增加的帶寬和容量2019成功研發出新一代HBM2e2020量產16GB HBM2e“Flashbolt”開始提供HBM2內存/顯存2022量產HB

272、M3推出HBM32021成功研發出全球首款HBM320238月成功研發HBM3e10月推出HBM3e產品預計2024年量產HBM3e產品2024量產HBM3e開發出HBM3e 12H量產HBM3e產品24GB 8H HBM3E 供貨NVIDIA H200于 24Q2開始發貨2%5%超過10%8%21%超過30%0%5%10%15%20%25%30%35%20232024E2025EHBM占比/DRAM總位元產出HBM占比/DRAM總產值 免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。62 科技科技 半導體設備：生成式半導體設備：生成式 AI 帶動下先進封裝相關設備需求高增帶動下先

273、進封裝相關設備需求高增 全球全球半導體設備市場半導體設備市場，2025 年有望年有望實現實現 17.7%高速增長高速增長。根據 SEMI，2023 年全球半導體設備市場規模同比下降6.1%至1009億美元，其中晶圓制造設備市場規模為 905.9億美元，測試設備市場規模為 63.2 億美元，封裝設備市場規模為 39.9 億美元。分區域來看，中國區需求強勁，銷售額同比增長 29%，占比提升至 36.3%。SEMI 預計 2024 年將是過渡年，2025年前后道設備均將迎來強勁增長，全球設備市場規模將同比增長 17.7%達到 1240 億美元的歷史新高，其中晶圓制造設備、封裝設備和測試設備將分別同比

274、增長 17.8%、20.2%、16.9%。展望未來，生成式 AI 主要帶來以下兩大發展機會。圖表圖表72：生成式生成式 AI 相關設備及供應商投資機會梳理相關設備及供應商投資機會梳理 資料來源：Yole，各公司公告，華泰研究 前道設備：關注刻蝕，沉積，光刻、電鍍等機會前道設備：關注刻蝕，沉積，光刻、電鍍等機會 先進封裝與傳統封裝工藝流程最大的區別在于增加了 TSV、Bumping 等中道制程，相關設備需求增長，主要包括 PVD 或 CVD 等薄膜沉積設備、涂膠顯影設備、光刻機、刻蝕機、電鍍機等，如 TSV 需要硅刻蝕鉆孔、需要 PVD 來制作種子銅層，Bumping 則需要增加涂膠顯影、光刻、

275、刻蝕等環節來制作更精細的間距。相關布局公司包括應用材料、拉姆研究、尼康、佳能、TEL 等。后道設備：關注先進封裝設備的產業機會后道設備：關注先進封裝設備的產業機會 貼片、研磨、塑封、測試等關鍵先進封測設備的需求增長，相關布局公司包括 Besi、Hanmi、DISCO、Towa、愛德萬等。我們認為以下后道設備環節市場規模將在生成式 AI 需求驅動下迎來快速增長：1）貼片：AI/HPC 芯片對于芯片鍵合精度和效率要求不斷提升，且采用Chiplet架構的芯片數量快速增長，這將帶來貼片設備量價齊升，相關布局公司包括 ASMPT、Besi、K&S、Hanmi、Shibaura 等；2）研磨：隨著 HBM

276、 從 HBM2 升級至目前的 HBM3E，以及進一步升級至未來的 HBM4，芯片堆疊層數不斷增加，這將顯著拉動背面減薄設備用量，相關布局公司包括 DISCO、東京精密等；3）塑封：HBM 和 AI 芯片對于散熱要求較高、芯片系統體積較傳統芯片更大，這將使得塑封設備量價齊升，相關布局公司包括 Towa、Yamada 等；4）AI 和 HBM 對于測試復雜度和難度要求顯著提升，測試機市場規模也有望快速增長，相關布局公司包括愛德萬和泰瑞達等。免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。63 科技科技 投資機會投資機會#2：AI 的盡頭是能源，看好配套電網設備、核電等發展機遇的盡頭是能

277、源，看好配套電網設備、核電等發展機遇 我們預計美國我們預計美國 AI 電力的需求電力的需求 2030 年將會達到年將會達到 6500-1.2 萬億度之間，是其萬億度之間，是其 2022 年年 1700億度數據中心用電量的億度數據中心用電量的 4-7 倍，對美國的整體用電量拉動作用顯著，是美國電力增長的核倍，對美國的整體用電量拉動作用顯著，是美國電力增長的核心驅動。心驅動。根據華泰能源轉型組此前報告（能源轉型-AI發展對電力存在哪些影響與機遇？，20240324），美國 2022 年數據中心用電量占美國電力需求約 4%1，對應約 1500-1700 億度電左右，在基準與樂觀情景下，預期美國至 2

278、030 年用電量將分別達到 6500 億度電/1.2萬億度電，2024-2030 年，平均每年將帶來約 600/1200 億度的用電增量，以 2022 年的 4萬億度電為基準，平均的用電增量拉動幅度達到 1%以上。而美國 2012-2023 年用電量CAGR 僅 0.25%，AI 用電增量將有望成為美國電力增長的核心驅動力。AI 發展對數據中心的拉動將從美國擴散至整體發達國家區域，同時對中國也將成為重要電發展對數據中心的拉動將從美國擴散至整體發達國家區域，同時對中國也將成為重要電力增長的驅動力之一。力增長的驅動力之一。隨著大模型訓練環節對模型的優化，我們看到從應用層面，或逐步迎來進一步的爆發。

279、一方面ChatGPT 4o或將帶動基于GPT的應用/產品的推廣，另一方面，Sora 等以視頻等更為復雜的場景進行交互的應用，雖然在訓練層面的算力需求變化不大，但是推理層面的算力需求則較普通的文本/音頻等交互模式大幅增長。這都將帶動基于 AI的應用，即推理側算力需求的擴散。與訓練側可以遠離客戶不同，推理側的響應速率要求使得算力需要貼近用戶，這也將使得 AI 數據中心將進一步擴散到整體發達國家區域。根據信通院數據，2022 年全球的算力分布相對平均，美國，中國，其它區域各占 3 成左右。我們測算，數據中心全球的用電量規模，將于 2025 年達到約 1.1 萬億度電，至 2030 年達到約 2.2

280、萬億度電。占全球發電量的比重將由 2022 年的約 2.1%提升至 2025 年的 3.5%。美國缺電的緊迫性或拉動美國全電力體系投資增長。美國缺電的緊迫性或拉動美國全電力體系投資增長。電網層面，相較于 2021-2023 年由工業化與電網老化替代所驅動的電網投資增長，2024 年之后，我們認為美國電網的擴容需求將在缺電的背景下提速，老化替代與強化的需求也將延續增長。電力設備層面我們看到美國變壓器的交期，價格依舊在高位，海外一線企業 1Q24 的新增訂單維持高增速。電源層面，類似于中國 2021 年缺電后 2022 年火電建設的提速，我們認為美國也有望迎來可控裝機類電源裝機增長的提速。全球范圍

281、內，我們觀察到火電/氣電/核電等可控裝機類發電裝備訂單 2023 年均恢復了較高的增長。圖表圖表73：2022 年全球算力規模分布年全球算力規模分布 圖表圖表74：數據中心全球用電量測算數據中心全球用電量測算 資料來源：信通院，華泰研究 資料來源：信通院，EIA，華泰研究預測 1 https:/www.iea.org/reports/electricity-2024 免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。64 科技科技 AI 數據中心配套設備質量與價值量共增長數據中心配套設備質量與價值量共增長 數據中心電氣及熱管理相關的設備受益數據中心電氣及熱管理相關的設備受益 AI 算

282、力的高增長，將迎來高質量增長。算力的高增長，將迎來高質量增長。著眼于數據中心核心的供配電與熱管理相關的裝備，我們認為 1）在 AI 算力的增長帶動下，AI 專用數據中心的建設將顯著提速，2）AI 數據中心能量密度與用能質量要求顯著高于傳統數據中心，帶動熱管理、傳統供配電設備的產品要求迭代，質量要求提升，價值量增長。根據我們此前報告（能源轉型-AI 發展對電力存在哪些影響與機遇？，20240324），結論性來看：1.我們測算中國我們測算中國/美國數據中心核心服務器累計名義功率美國數據中心核心服務器累計名義功率 2022 為為 34GW/20GW，受益于，受益于AI 驅動的數據中心建設提速，中長期

283、供配電與熱管理相關設備市場空間將快速增長。驅動的數據中心建設提速，中長期供配電與熱管理相關設備市場空間將快速增長。A.基準情景：基準情景：2030 年將增長至年將增長至 116/76GW，2030 年增量功率達到年增量功率達到 14/8.7GW，對，對應配套裝備的市場空間分別達到應配套裝備的市場空間分別達到 250/268 億美元，合計市場空間是億美元，合計市場空間是 2022 年的年的 3倍，倍，2022 年到年到 2030E CAGR 達到達到 14%。B.樂觀情景：樂觀情景：2030 年將增長至年將增長至 251/163GW，2030 年增量功率達到年增量功率達到 44/25GW，對，對

284、應配套裝備的市場空間分別達到應配套裝備的市場空間分別達到 783/768 億美元，合計市場空間是億美元，合計市場空間是 2022 年的年的 9倍，倍，2022 年到年到 2030E CAGR 達到達到 31%。2.根據維諦（根據維諦（Vertiv）指引，傳統）指引，傳統/AI 數據中心配套單數據中心配套單 MW 核心核心 IT 設備的相關裝備價值設備的相關裝備價值量分別達到量分別達到 2.5-3 百萬美元與百萬美元與 3-3.5 百萬美元，供配電占約百萬美元，供配電占約 1/3，熱管理占約，熱管理占約 1/3，機，機柜、軟件服務占柜、軟件服務占 1/3。3.我們認為我們認為 AI 數據中心的供

285、配電與熱管理設備相較于傳統數據中心，對產品功率密度，數據中心的供配電與熱管理設備相較于傳統數據中心，對產品功率密度，質量穩定性要求更為嚴苛，準入門檻提升，更利于行業頭部企業。質量穩定性要求更為嚴苛，準入門檻提升，更利于行業頭部企業。圖表圖表75：中美數據中心核心中美數據中心核心 IT 裝備功率增量（基準情景）裝備功率增量（基準情景）圖表圖表76：中美數據中心相關裝備的市場空間（基準情景）中美數據中心相關裝備的市場空間（基準情景）資料來源：維諦，華泰研究預測 資料來源：維諦，華泰研究預測 13,696 8,652 02,0004,0006,0008,00010,00012,00014,00016

286、,0002023E2024E2025E2026E2027E2028E2029E2030E中國美國(MW)免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。65 科技科技 圖表圖表77：中美數據中心核心中美數據中心核心 IT 裝備功率增量（樂觀情景）裝備功率增量（樂觀情景）圖表圖表78：中美數據中心相關裝備的市場空間（樂觀情景）中美數據中心相關裝備的市場空間（樂觀情景）資料來源：維諦，華泰研究預測 資料來源：維諦，華泰研究預測 電源側質量與清潔并重，海外存量核電受益，氫能與小堆迎來成長空間電源側質量與清潔并重，海外存量核電受益，氫能與小堆迎來成長空間 根據我們此前報告（能源轉型-AI

287、發展對電力存在哪些影響與機遇？，20240324）的測算，從總量角度，以 2022 年的用電量為基準，基準情景下中/美 2030 年的數據中心用電量將達到總用電量的 12/18%，樂觀情景下則將達到總用電量的 20%/31%。結構來看，由于由于數據中心區域分布并不均衡，以及數據中心區域分布并不均衡，以及 AI 需求下對電能質量的要求明顯提升，將形成兩方面的需求下對電能質量的要求明顯提升，將形成兩方面的電力緊缺可能性，帶來結構性的投資機遇。電力緊缺可能性，帶來結構性的投資機遇。1.區域性缺電風險存在提升的可能性，特別是北美。區域性缺電風險存在提升的可能性，特別是北美。美國目前數據中心主要分布于加

288、州、德州、弗吉尼亞（Virginia）州等。其中，弗吉尼亞州因其電價低、營商環境好、光纖網絡便利，擁有全球約 35%的超大規模數據中心（Hyperscale datacenter），是美國最重要的數據中心集中區域。我們估算到 2025/30 年弗州數據中心用電需求占比將達到當前州內全部用電量的 43%、89%（vs 當前：21%），或可能形成區域性缺電。樂觀情景下，按同樣假設，弗州數據中心用電需求將達到 2022 年總用電量水平的 1.63倍，缺電風險進一步提升。2.高質量的穩定電源或供不應求，北美短期核電最為受益。高質量的穩定電源或供不應求，北美短期核電最為受益。以 H100 SXM 與 A

289、30 作為GPU 為對比，考慮一個數據中心包含 5000 臺服務器，每臺服務器中包含 8 個 GPU。數據中心服務器總價值量將相差近 6.4 倍，其中使用 H100 SXM 數據中心的服務器總價值量將達到 16 億美金以上。耗電量上則將相差 4 倍，數據中心供應配電與熱管理設備的價值量占比由 18%下降至 13%。同時，AI 數據中心的用能負載率也較高（訓練在特定時間內可達 100%）。綜上原因，將使得數據中心對于電能的可靠性、連續性有更綜上原因，將使得數據中心對于電能的可靠性、連續性有更高的要求。雖然供配電系統可以平抑一定的波動，但發電電源本身的電能質量，也開高的要求。雖然供配電系統可以平抑

290、一定的波動，但發電電源本身的電能質量，也開始得到進一步的重視。我們認為：始得到進一步的重視。我們認為：A.穩定性電源相較于非穩定電源，在穩定性電源相較于非穩定電源，在 AI 數據中心的電力應用上，有望獲得溢價。數據中心的電力應用上，有望獲得溢價。B.結合清潔性的要求，短期兼備穩定結合清潔性的要求，短期兼備穩定/不間斷不間斷/清潔要求的電源主要為核電，遠期氫清潔要求的電源主要為核電，遠期氫能與小堆或成為重要的補充性穩定基荷能源與備用電源。能與小堆或成為重要的補充性穩定基荷能源與備用電源。3.AI 作為重要的電力增長驅動，也將帶動穩定的基荷電源具備增量的裝機成長空間，并作為重要的電力增長驅動，也將

291、帶動穩定的基荷電源具備增量的裝機成長空間，并驅動基荷性的新型電源迎來市場化的機遇。優質的發電裝備企業迎來新的成長周期。驅動基荷性的新型電源迎來市場化的機遇。優質的發電裝備企業迎來新的成長周期。AI 數據中心在用電質量要求上，將進一步高于傳統數據中心，特別是對電能穩定性，以及數據中心在用電質量要求上，將進一步高于傳統數據中心，特別是對電能穩定性，以及電能不間斷性的要求。電能不間斷性的要求。雖然說通過 UPS、備電等供配電系統的優化，可以將市電進行優化，但考慮到極高的價值量與潛在的波動性帶來的損失，我們認為優質的發電電源，也將成為AI 數據中心重要的選擇一環。43,658 25,331 05,00

292、010,00015,00020,00025,00030,00035,00040,00045,00050,0002023E2024E2025E2026E2027E2028E2029E2030E中國美國(MW)免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。66 科技科技 北美互聯網與云巨頭同時在電力供給上追求清潔性。北美互聯網與云巨頭同時在電力供給上追求清潔性。根據 BNEF 數據，以 2022 年統計為例，美國清潔能源購電協議（PPA）的頭部買家均為北美互聯網與云巨頭，其中前四大買家包括 Amazon、Meta、Google、Microsoft，其分別在 2022 年單年采購了 1

293、0.9、2.6、1.6、1.3GW 的清潔能源 PPA（風電+光伏），上述 TOP4 企業合計 16.4GW 的采購量占到北美2022 年清潔能源 PPA 總簽訂規模的70%。圖表圖表79：2022 年美國清潔能源購電協議（年美國清潔能源購電協議（PPA）頭部買家情況）頭部買家情況 資料來源：BNEF，華泰研究 結合穩定、不間斷、清潔性，目前可選的發電側電源相對有限，北美以核電為主。供給基結合穩定、不間斷、清潔性，目前可選的發電側電源相對有限，北美以核電為主。供給基本無增長，需求高增長下，供需不匹配可能會加速本無增長，需求高增長下，供需不匹配可能會加速AI數據中心對存量北美核電的資源對接。數據

294、中心對存量北美核電的資源對接。1.當前美國核電貢獻全部發電量當前美國核電貢獻全部發電量18%，短期內無新增機組、存量機組陸續延壽。，短期內無新增機組、存量機組陸續延壽。美國目前在運核電站 96.95GW/94 座，2022 年實現發電量 769.5TWh，貢獻美國發電量的18%。美國核電建設高峰主要系 1970-80 年代，因此目前在運核電機組加權平均壽命達到 42 年。1979 年三里島核事故后美國核電新機組審批凍結 30 余年，直至 2012 年小規模重啟核準了三座新增核電站，并已陸續于 2016 年、2023 年、2024 年投產。目前美國無已核準待建/在建核電項目，考慮到美國新核電機組

295、需要 46 年審批+68 年建設周期，在未來十年內美國新增核電機組能見度較低。存量機組則可以再到壽前申請延壽（基準壽命 40 年，可申請 40 年延壽至 60 年，以及 60 年延壽至 80 年），申請周期一般在 2-3 年。2.AI 數據中心對存量核電的資源對接提速。數據中心對存量核電的資源對接提速。包括：1）2023 年 1 月 Talen Energy 旗下Cumulus Data 的首個 48 兆瓦數據中心由賓夕法尼亞州東北部 2.5 GW 的薩斯奎哈納核電站直接供電；Amazon 后續于 2024 年 3 月收購了該項目并計劃將數據中心規模擴大至 475MW 及以上。2）Domini

296、on Energy 于 2023 年 1 月宣布計劃在康涅狄格州中部的米爾斯通核電站附近建造一個數據中心園區。美國最大核電上市運營商美國最大核電上市運營商 CEG 在其在其業績演示材料中亦傳達了數據中心需求有望給其核電電力帶來額外價值創造的預期。業績演示材料中亦傳達了數據中心需求有望給其核電電力帶來額外價值創造的預期。免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。67 科技科技 圖表圖表80：亞馬遜收購亞馬遜收購 Talen Energy 的零碳數據中心園區（的零碳數據中心園區（960MW 的總功率空間）的總功率空間）資料來源：Talen Energy，華泰研究 中長期來看，從增

297、量角度出發，分布式、清潔性、高穩定的發電電源的發展看核電小堆與中長期來看，從增量角度出發，分布式、清潔性、高穩定的發電電源的發展看核電小堆與氫基發電。氫基發電。1.數據中心需求和技術進步帶來數據中心需求和技術進步帶來 SMR（小型模塊化機組）的建設熱情。（小型模塊化機組）的建設熱情。Green Energy Partner GEP 提交申請位于弗吉尼亞州薩里的核動力數據中心園區獲批，該基地將采用小型模塊化核反應堆。2022 年美國核電監管委員會（NRC）批準了一項決定允許SMR 建設在相對人口密集區的決定，并于 2023 年批準了首個 SMR 堆型設計（來自NuScale）。NRC 預計到 2

298、029 年會看到不少于 25 座 SMR 核電站的建設申請，且美國第一個 SMR 小堆有望于 2029 年投產。相關行業參與者包括相關行業參與者包括 GE、Nuscale 等。等。2.氫基燃料電池、小型氫氣輪機是遠期清潔基荷電源的又一選項。氫基燃料電池、小型氫氣輪機是遠期清潔基荷電源的又一選項。氫基燃料電池、小型氫氣輪機同樣具備小型模塊化、清潔穩定、分布式靈活等適配數據中心（尤其是邊緣數據中心）用電需求的特征。一方面，如美國 Bloom Energy 的 SOFC 燃料電池模式，當前通過天然氣重整供給燃料電池進行發電，從而為客戶提供全天候（7 天/24 小時全在線）的穩定電力供應，服務于包括美

299、國、韓國的公用事業、數據中心、農業、制造業等多個行業的客戶。未來通過綠氫替代天然氣亦具備技術基礎、關鍵看綠氫平價節奏。根據 BloomEnergy 4Q23 業績展示材料披露，截止 2023 年末公司在手訂單約 120億美金，折合約 3GW 規模。另一方面，GE 子公司 GE Vernova 針對數據中心場景主推 30MW 級 Aero 系列燃氣輪機，且未來計劃持續通過燃機摻綠氫替代以降低機組的碳排放強度。免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。68 科技科技 圖表圖表81：GE Vernova 對海外核電小堆發展的預期對海外核電小堆發展的預期 資料來源：GE Vernov

300、a，華泰研究 電力相關投資的電力相關投資的公司層面，公司層面，我們看好幾大方向的投資機遇，包含基荷電源裝備，海外主要我們看好幾大方向的投資機遇，包含基荷電源裝備，海外主要是燃氣發電裝備、電網裝備。是燃氣發電裝備、電網裝備。燃氣發電裝備領域全球 80%以上的市場份額由 GE Vernova，Siemens Energy 與日本三菱重工占據，是一個高壁壘的設備制造環節。從訂單口徑，我們看到 Siemens Energy 重型機組的訂單 FY21-23 逐年提升，FY 1H24 新增訂單已達到 FY23的 69%，維持增長趨勢，GE Vernova 一季度的新增訂單數量也較去年同期有顯著 提升。電網

301、業務層面，Siemens Energy,Hitachi Energy 的在手訂單交期均已超過 2 年。從國內行業的角度，我們有望看到電網層面全球主網建設投資的共振，并受益于海外直流/特高壓項目承接/技術授權整體的供給瓶頸，國家電網體系有望迎來加速出海的機遇，相關國網系企業包括平高電氣、許繼電氣等。設備類出海企業也將繼續受益全球電氣設備的景氣周期，相關企業包括三星醫療、思源電氣、金盤科技、華明裝備、海興電力等。圖表圖表82：國內與海外可控裝機發電裝備的新增訂單國內與海外可控裝機發電裝備的新增訂單 2023 年高增長年高增長 資料來源：各企業財報，華泰研究 -40%-20%0%20%40%60%8

302、0%100%2020202120222023三菱重工（氣電裝備業務）東方電氣（高效清潔能源）上海電氣（煤電+核電）西門子能源（燃氣機組業務）Ge Vernova（發電裝備業務）1Q24 免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。69 科技科技 圖表圖表83：美國主要電力電網運營商美國主要電力電網運營商 2024 年電網投資同比增長，年電網投資同比增長，5 年總規劃投資額上調年總規劃投資額上調 資料來源：各公司財報，華泰研究 圖表圖表84：海外主要電氣設備企業訂單與同比增速（海外主要電氣設備企業訂單與同比增速（1Q22=100）資料來源：各公司財報，華泰研究 投資機會投資機會#

303、3：把握數據中心架構變化的產業機會：把握數據中心架構變化的產業機會 數據中心數據中心：AI 模型時代的稀缺資源模型時代的稀缺資源 AI 驅動之下，全球數據中心容量有望持續增長。驅動之下，全球數據中心容量有望持續增長。根據 Cushman&Wakefield（戴德梁行）2024 年 3 月的統計，目前全球運營中數據中心容量共計 33.6GW，其中托管容量 22.4GW，云計算 9.6GW，戴德梁行預計目前已規劃的全球新增容量約 44.6GW。分地區來看，美洲和亞太地區是目前運營中數據中心容量最大的區域，分別達到 16.82GW 和 10.6GW，也是計劃新增容量大的區域，分別為 24.8GW 與

304、 13.3GW，達到目前運營中容量的 1.5 倍、1.3倍。EMEA 地區運營中數據中心容量 6.2GW，計劃新增容量 6.5GW。區域電力限制導致部分地區數據中心供應受限。區域電力限制導致部分地區數據中心供應受限。由于近年來數據中心和其他大型能源用戶（如電動汽車充電基礎設施、加密貨幣）的發展，造成電網容量緊張以及對相關碳排放的擔憂，部分地區對新建數據中心采取了嚴格的審查措施。例如，愛爾蘭都柏林地區新建數據中心與國家電網連接的暫停期被延長至 2028 年，目前對申請接入輸電系統的新數據中心進行逐個審查，審查的標準包括數據中心位置、電網容量是否受限、數據中心是否有能力在現場自行發電以及數據中心是

305、否有能力靈活地滿足需求等等。新加坡 2019 年開始暫停批準數據中心建設項目，2022 年取消禁令，邀請合規服務商申請新建數據中心，審核維度包括資源利用效率、碳排放指標、經濟價值貢獻等等。0%5%10%15%20%25%30%樣本平均AEPSRESODUKExeleonXELNEE-FPL2024規劃電網投資與規劃電網投資與24-28總投資規劃均同比增長總投資規劃均同比增長202424-28/23-270501001502002503003504004501Q222Q223Q224Q221Q232Q233Q234Q231Q24Hitachi EnergySiemens energyHyunda

306、i electric(unit)免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。70 科技科技 圖表圖表85：全球數據中心容量（截止全球數據中心容量（截止 2024 年年 3 月）月）資料來源：Cushman&Wakefield“Global Data Center Market Comparison”2024，華泰研究 數據中心建設熱潮持續，云廠商成為全球海底光纜建設最重要力量。數據中心建設熱潮持續，云廠商成為全球海底光纜建設最重要力量。伴隨 AI 和數字化應用持續滲透，全球數據中心建設熱潮持續。為提升服務質量、降低租用國際海纜帶寬成本，Google、Meta、微軟和亞馬遜等云服

307、務提供商巨頭積極投入參與海底光纜系統投資建設，并已逐漸成為全球海底光纜建設重要力量。據 SubTelForum 數據，在 2022-2024 年投產的海纜中，大型云服務廠商在跨大西洋海纜投資中占比為 89%，在跨太平洋海纜和拉美海纜投資中占比均超過 60%。以谷歌為例，截止 2023 年 8 月，谷歌擁有或參建海纜系統數量達 21 條，2024 年 1 月，谷歌宣布投資 4 億美元與智利國有基礎設施公司和法屬波利尼西亞郵電部合作建設連接智利、法屬波利尼西亞和澳大利亞的 Humboldt 跨太平洋海底光纜系統；2024 年 4 月，谷歌再次宣布投入 10 億美元，與日本科技巨頭 NEC 公司共同

308、構建 Proa和 Taihei 兩條連接日本和美國的海底光纜。運營中容量：16,820MW 托管：8,909MW 云計算：6,835MW 其他：1,076MW 計劃新增容量：24,794MW 托管：20,963MW 云計算：3,431MW 其他：400MW 運營中容量：6,218MW 托管：4,659MW 云計算：1,286MW 其他：273MW 計劃新增容量：6,528MW 托管：5,468MW 云計算：1,008MW 其他：51MW 運營中容量：10,584MW 托管：8,819MW 云計算：1,514MW 其他：252MW 計劃新增容量：13,281MW 托管：10,707MW 云計算：

309、2,486MW 其他：87MW美洲美洲EMEA亞太亞太 免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。71 科技科技 圖表圖表86：全球海底光纜分布圖全球海底光纜分布圖 資料來源：TeleGeography，華泰研究 服務器：把握架構變化的投資機會服務器：把握架構變化的投資機會 根據 Gartner，2023 年全球服務器市場出貨量為 1160 萬臺，較 2022 年有所下滑，主要是2023 年通用服務器出貨量大幅降低導致。而 AI 服務器繼續保持較高增速的增長，2023 年出貨量為 60 萬臺，其中訓練型 AI 服務器出貨量達到 19.1 萬臺，占比 31%。預計到 2024年

310、，AI 服務器的整體出貨量將達到 190 萬臺，訓練型 AI 服務器出貨量將達到 57.2 萬臺，占比 30%。根據麥肯錫 2024 年 3 月發布的McKinsey on Semiconductors，2024 年全球服務器能耗 70Gigawatt，其中 AI 服務器占比 15%，預計到 2030 年整體服務器能耗 390Gigawatt，其中 AI 服務器占比 70%。圖表圖表87：全球服務器需求（按出貨量與能耗）全球服務器需求（按出貨量與能耗）資料來源：Gartner，McKinsey“McKinsey on Semiconductors”(2024/03)，華泰研究 10.5 67.

311、5 273.0 59.5 82.5 117.0 050100150200250300350400450202420272030(Gigawatt)其他生成式AI全球服務器需求全球服務器需求(按能耗）按能耗）2024-30 CAGR11%70%13.41111.40.40.61.902468101214162022A2023A2024E(百萬臺)通用服務器AI服務器全球服務器需求全球服務器需求(按出貨量）按出貨量）免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。72 科技科技 2024 年 3 月 29 日，英偉達發布新一代架構 GB200 并推出 GB200 NVL72 服務器。對

312、比H100 機架式服務器，主要的變化是：1)平臺從 HGX 升級為 MGX；2)CPU 從 8 個 x86 架構的核心替換為 36 個 Arm 架構的核心，GPU 從 32 個 H100 核心升級為 72 個 B200 核心；3）散熱系統從風冷升級為液冷。圖表圖表88：HGX H100 vs GB200 NVL72 HGX H100 機架式服務器機架式服務器 GB200 NVL72 架構 平臺 HGX 7U MGX 1-2U 架構設計 一臺機柜 4 臺 HGX 10 x 雙 GB200 托盤+9x NVLink 轉換托盤+8x 雙 GB200 托盤 GPU 數量 32x H100 36x GB

313、200 CPU 數量 8x x86CPUs(每臺 HGX 2 個)36x Arm CPU-Grace 冷卻 風冷 液冷 功耗 22kw（單個 H100 SXM 功耗 700w，未考慮系統功耗）120kw（單個 GB200 功耗 2700w）單位算力功耗 0.35w/TFLOPS（FP16，未考慮系統功耗）0.33w/TFLOPS（FP16）供應商 GPU 模塊 鴻海 緯創，鴻海 GPU 基板 緯創/鴻海 NA NVLink Switch NA 鴻海 資料來源：英偉達官網，華泰研究 圖表圖表89：NVL72 示意圖示意圖 資料來源：英偉達官網，華泰研究 ODM 廠商在整體服務器出貨量中份額占比超

314、過廠商在整體服務器出貨量中份額占比超過 30%，富士康份額持續提升。，富士康份額持續提升。2023Q1-Q4，ODM 出貨量在整體服務器中占比 37.8/36.4/36.0/32.5%，為云廠商服務器主要合作伙伴。全球主要服務器 ODM 生產商為富士康、英業達、廣達、緯穎四家，2023 年隨著在 AI 服務器領域布局充分，富士康在 ODM 市場中份額持續提升。服務器品牌競爭格局較分散，服務器品牌競爭格局較分散，Dell 企業端地位穩固，超微憑借企業端地位穩固，超微憑借 AI 服務器份額有所提升。服務器份額有所提升。以2023Q4 為例，戴爾/浪潮/HPE/超微/聯想市占率分別為 11.7/8.

315、2/6.7/6.0/4.8%，分列前五，服務器品牌競爭格局較分散。其中 Dell 憑借在企業端長期布局，市占率近 5 年維持全球品牌第一，超微電腦因在 AI 服務器布局較早，份額環比提升 2pp。免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。73 科技科技 圖表圖表90：服務器服務器 ODM 市場份額變化市場份額變化 圖表圖表91：服務器組裝市場份額變化服務器組裝市場份額變化 資料來源：IDC，華泰研究 資料來源：IDC，華泰研究 散熱：從風冷向液冷升級散熱：從風冷向液冷升級 據 DellOro Group 數據，2028 年數據中心熱管理市場規模（風冷+液冷）將達 120 億美

316、元，23-28 年 CAGR 為 14%，屆時液冷規模將達 36 億美元，占熱管理支出的近 1/3，對比目前僅 1/10。圖表圖表92：2023-2028 年全球熱管理細分市場規模（億美元）年全球熱管理細分市場規模（億美元）資料來源：DellOro Group 官網，華泰研究 目前液冷方案分為冷板式液冷、噴淋式液冷和浸沒式液冷三類。目前液冷方案分為冷板式液冷、噴淋式液冷和浸沒式液冷三類。其中冷板液冷成熟度較高，為主流方案，原因為傳統數據中心對原有基礎設施的改造成本和難度較大。在方案選擇上，單機柜功率在 10kW-100kW 以內可采用冷板液冷；單機柜功率超過 100kW 則更適合相變浸沒液冷。

317、未來隨著處理密集型計算應用增長，冷板液冷作為短線方案或率先放量，而浸沒液冷作為未來方向或將長期受益。0%5%10%15%20%25%30%35%40%2020Q12020Q22020Q32020Q42021Q12021Q22021Q32021Q42022Q12022Q22022Q32022Q42023Q12023Q22023Q32023Q4華擎科技富士康技嘉科技英業達神達其他廣達緯穎0%5%10%15%20%25%30%35%40%45%2020Q12020Q22020Q32020Q42021Q12021Q22021Q32021Q42022Q12022Q22022Q32022Q42023Q12

318、023Q22023Q32023Q4ODM戴爾HPE超微聯想超聚變新華三ZTE寧暢浪潮華為 免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。74 科技科技 圖表圖表93：熱管理系統發展歷程熱管理系統發展歷程 注：紅色區域為液冷方案的可行區域 資料來源：Vertiv 官網，華泰研究 圖表圖表94：冷板式液冷示意圖冷板式液冷示意圖 圖表圖表95：浸沒式液冷示意圖浸沒式液冷示意圖 資料來源：Vertiv 官網，華泰研究 資料來源：Vertiv 官網，華泰研究 目前眾多芯片廠商均布局液冷方案：鴻海集團子公司的鴻佰科技于 GTC 2024 推出了英偉達 GB200 NVL72 液冷解決方案，其

319、具備 1300kW 的散熱能力，包含液對氣的 side car 和液對液 CDU 兩類。Vertiv 成為英偉達合作伙伴后，也針對 GB200 NVL72 推出 AIGC 水冷散熱方案。GB200 NVL72 服務器液冷散熱器主要由冷卻板，冷卻液分配裝置,分歧管,RDHx/風扇和快接頭組成：1)冷卻板：液冷系統中的關鍵部件，通常由高導熱性能的材料制成，如銅或鋁。它與發熱元件直接接觸，以高效地將熱量傳遞給流經其上的冷卻液。該零部件主要供應商為AVC，酷冷至尊，JetCool 等。2)冷卻液分配裝置（Coolant Distribution Unit,CDU）：CDU 負責將冷卻液均勻分配到系統中

320、的各個部分。它控制冷卻液的流量和壓力，確保整個系統內冷卻液的均勻分布和有效循環。該零部件主要供應商為 AVC，酷冷至尊，尼得科等。3)歧管（Manifold）：分歧管用于將冷卻液分配到多個通道或冷卻板中，以實現更廣泛的熱交換。該零部件主要供應商為 AVC，酷冷至尊，高力科技等。4)快接頭：快接頭是一種快速連接和斷開冷卻系統管路的裝置，便于安裝、維護和升級。該零部件主要供應商為 CPC，史陶比爾等。5)RDHx/風扇：用于優化空氣流動和散熱效率。該零部件主要供應商為 AVC，尼得科等。免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。75 科技科技 圖表圖表96：GB200 NVL72

321、 服務器液冷散熱器服務器液冷散熱器 資料來源：Gartner，英偉達官網，華泰研究 圖表圖表97：液冷散熱零件供應商（截止液冷散熱零件供應商（截止 2024/6/17）注：AVC、NIDEC 液冷相關收入數據來自各公司對 2024 年預測，Vertiv 液冷相關收入為公司 2023 年熱管理收入占比 資料來源：各公司官網，華泰研究 互聯：光連接與銅連接共存共進互聯：光連接與銅連接共存共進 AI 推動光模塊、高速線纜市場規?？焖僭鲩L。推動光模塊、高速線纜市場規?？焖僭鲩L。根據 LightCounting 數據，2023 年全球光模塊市場規模達 106 美金，在大型云服務廠商對更高數據速率光模塊需

322、求拉動下，2028 年有望增長至 233 億美金，對應年復合增速達 17%。在數據中心能耗攀升、建設成本高企背景下，銅互聯憑借高散熱效率、低功耗、低成本方面等優勢在短距離傳輸場景應用受到關注，英偉達在 GTC 2024 發布的 GB200 NVL72 大機柜內便大量采用銅連接方案。但由于銅纜在長距離傳輸中速度和穩定性不及光纖，因此銅連接及光連接將應用于不同場景，共同推動數據中心通信網絡的發展。LightCounting 預計 2028 年全球 AOC（有源光纜）、DAC（無源直連銅纜）以及 AEC（有源電纜）高速線纜市場規模將從 2023 年的 12 億美元增長至28 億美元，對應年復合增速達

323、 18.5%，其中 DAC 和 AEC 年復合增速分別為 25%/45%。20232024E2025E20232024E2025E3017 TT奇鋐(AVC)1346416149209841235171924745-10%114.9%2308 TT臺達電子9125796250108598730776349361-12.3%VRT USVertiv48633557036263834246028815330%86.6%6594 JPNIDEC11652911734612654189738575101373.3%28.1%002837 CH英維克352947256308413517705-14.6%

324、YTD漲幅漲幅代碼代碼公司公司營業收入（百萬元）營業收入（百萬元）凈利潤（百萬元）凈利潤（百萬元）液冷相關液冷相關收入占比收入占比 免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。76 科技科技 圖表圖表98：全球以太網光模塊市場規模全球以太網光模塊市場規模 圖表圖表99：高速線纜市場規模高速線纜市場規模 資料來源：LightCounting，華泰研究 資料來源：LightCounting，華泰研究 AI 加速光模塊速率迭代周期，或開啟光模塊產業的“黃金時代”。加速光模塊速率迭代周期，或開啟光模塊產業的“黃金時代”。云廠商在 2010s 逐步成為以太網光模塊市場最重要的客戶群體，為

325、產業帶來了諸多深遠的影響。隨著 ChatGPT 以及 AIGC 拉開 AI 時代新序幕，我們認為與云計算時代的相似點為：更大的東西向流量有望帶來高速率光模塊需求的釋放。AI 訓練網絡中 GPU 間通信流量的顯著增長背景下，高速光模塊市場規模有望再上新臺階；而不同點包括：1）AI 時代，高速光模塊被大量部署在訓練網絡，由于訓練網絡不與用戶側發生直接連接，帶寬由端側的工作負載、時延要求等因素決定，因此光模塊的上量節奏更快；迭代周期方面，隨著英偉達 GPU 產品迭代周期的縮短，光模塊速率升級周期預計提速。2）競爭格局方面，在 AI 數據中心中，隨著光模塊的可靠性要求提高、迭代周期縮短，頭部廠商市場地

326、位預計穩固。圖表圖表100：云廠商對各種速率光模塊的需求結構（按金額）云廠商對各種速率光模塊的需求結構（按金額）圖表圖表101：谷歌在數據中心內部所使用光模塊速率的升級歷程谷歌在數據中心內部所使用光模塊速率的升級歷程 資料來源：LightCounting:High-Speed Ethernet Optics，華泰研究 資料來源：LightCounting，華泰研究 PCB：英偉達新一代服務器青睞：英偉達新一代服務器青睞 HDI 方案方案 PCB 常被譽為“電子產品之母”，屬于電子信息產品制造的基礎產業，本身受宏觀經濟周期性波動影響較大。2023 年，由于受到通貨膨脹、地緣政治沖突加劇以及不確定

327、性加劇的背景下，全球經濟發展增速放緩，PCB 產業的發展短期也因此面臨壓力，Prismark 測算全球PCB 產值在 2023 年同比下降約 15%至 695 億美元。但中長期來看，我們認為 AI、高速網絡和新能源汽車的強勁需求將繼續支撐高多層高速板、高階 HDI 以及封裝基板等細分市場的快速增長，并為 PCB 行業帶來新一輪的成長周期，未來全球 PCB 行業產值仍將保持增長趨勢。根據 Prismark 的預測，2024-2028 年全球 PCB 產值年復合增長率約為 5.4%，而中國 PCB 行業由于自身的產品結構以及部分產能轉移至東南亞地區，Prismark 預測2024-2028 年中國

328、 PCB 產值年復合增長率約為 4.1%，略低于全球增長率，但中國仍將保持行業的主導制造中心地位（2023 年占全球產值比重 54%）。-10%-5%0%5%10%15%20%25%30%35%0501001502002502018202020222024E2026E2028E（億美元）全球光模塊市場規模同比增速0%10%20%30%40%50%60%70%80%90%100%2018201920202021202240G100G200G400G800G1.6T 免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。77 科技科技 圖表圖表102：全球全球 PCB 產值產值 資料來源：P

329、rismark 預測，華泰研究 圖表圖表103：全球全球 PCB 產值產值 2023-2027 年增長預期（按下游）年增長預期（按下游）資料來源：Prismark 預測，華泰研究 圖表圖表104：2023 年全球年全球 PCB 市場份額（按公司）市場份額（按公司）圖表圖表105：2023 年全球年全球 PCB 產值占比（按下游）產值占比（按下游）資料來源：Prismark，華泰研究 資料來源：Prismark，華泰研究 6.5%4.8%4.1%3.3%2.6%2.4%2.3%2.0%1.4%1.2%0.8%-4.1%-6%-4%-2%0%2%4%6%8%服務器/數據存儲汽車軍事/航空航天無線基

330、礎設施有線基礎設施工業醫療PCB行業其他消費電子手機其他計算機PC服務器/數據存儲汽車軍事/航空航天無線基礎設施有線基礎設施工業醫療PCB行業其他消費電子手機其他計算機PC美洲5%歐洲2%日本9%中國54%亞洲（中日以外地區）30%PC14%服務器/數據存儲12%其他計算機5%手機19%有線基礎設施8%無線基礎設施5%其他消費電子13%汽車13%工業4%醫療2%軍事/航空航天5%免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。78 科技科技 對于英偉達上一代服務器 DGX H100，其 PCB 結構主要包括主板、Switch Board、OAM模組板以及 UBB 板。這其中主板、S

331、witch Board 和 OAM 模組板均是高多層高速板，而OAM 模組板為高階 HDI 板。對于英偉達最新的 AI 服務器方案（NVL36/72），其 PCB 結構跟目前市面上 AI 服務器有很大不同，主要包括兩種核心板：1）Compute Tray 中的 OAM模組板（NVL36/72 分別用 1/2 個 OAM 模組板，使用 HDI 工藝加工）；2）Swtich Tray 中使用了 Switch Board（每個 Switch Tray 中都會用到一個 Switch Borad，使用 HDI 工藝加工）。同時，NVL36/72 方案中也會用到一些副板，其 PCB/CCL 規格會低于兩種

332、核心板。圖表圖表106：NVL72 方案方案 PCB 結構拆解結構拆解 資料來源：英偉達官網，華泰研究 圖表圖表107：PCB 結構對比：結構對比：DGX H100 vs GB200 NVL36 vs GB200 NVL72 資料來源：英偉達官網，華泰研究 封裝基板：玻璃基板或是高性能芯片發展的最優解封裝基板：玻璃基板或是高性能芯片發展的最優解 封裝基板的出現源于早期的大規模集成芯片，隨著晶體管數量增加，需要將它們連接到更多的引腳上。經過半個多世紀的發展，封裝基板的市場規模在2023年已經達到125億美元，其中以欣興電子（2020 年全球市占率 15%），Ibiden（2020 年全球市占率

333、11%）等為代表的日韓及中國臺灣企業在這個市場占據了主導地位；而根據我們測算，中國大陸的興森科技和深南電路兩家上市企業 2023 年在全球 IC 載板市場市占率合計僅有 4%，仍具備很大的提升空間。DGX H100NVL36(GB200)NVL72(GB200)面積（平方米）面積（平方米）UBB0.24OAM0.040.090.09主板0.19Switch Board0.010.160.16其他0.030.03CCL等級等級UBBM7OAMM6M8M8主板M6Switch BoardM6M7M7其他M6M6PCB工藝工藝UBB24-26層通孔板OAM5+N+5 HDI6+N+6 HDI6+N+6 HDI主板16-18層通孔板Switch Board20-22層通孔板5+N+5 HDI5+N+5 HDI其他4+N+4 HDI4+N+4 HDI 免責聲明和披露以及分析師聲明是報告的一部分，請務