《半導體行業策略：云巔千帆競渡端側萬物生輝自主馭潮生-250321（35頁）.pdf》由會員分享，可在線閱讀，更多相關《半導體行業策略：云巔千帆競渡端側萬物生輝自主馭潮生-250321（35頁）.pdf（35頁珍藏版）》請在三個皮匠報告上搜索。

1、 證券研究報告證券研究報告 行業研究半導體行業研究半導體 2025 年 03 月 21 日 請務必閱讀正文之后的信息披露和法律聲明 半導體行業半導體行業策略策略：云巔千帆競渡，端側萬物生云巔千帆競渡，端側萬物生輝輝，自主馭潮生，自主馭潮生 Table_Author 王競萱 分析師 Email: 證書:S1320525020001 投資要點：投資要點：進入 2025 年以來，半導體行業利好頻出，我們認為 2025 年在多重因素共振下行業有望實現進一步增長，迎來復蘇的新階段。在當前趨勢下，從尋找各環節的最大公約數出發，我們看好以下方向：云端云端 AI：算力需求增長依舊強勁，算力需求增長依舊強勁，科

2、技進步主體變化帶來的邊際影響或科技進步主體變化帶來的邊際影響或較為顯著。較為顯著。預訓練的算力膨脹方興未艾，后訓練和推理側算力重要性愈發明顯，成為維持行業快速增長斜率的關鍵動能，DeepSeek 的橫空出世促使國產軟硬件進一步結合，國產云端 AI 生態開辟新場景，有望實現對海外算力、模型、系統之間閉環關系的解耦，構建國產 AI 產業鏈的良性循環體系，建議關注：國產算力產業鏈。端側端側 AI：邊緣：邊緣 AI 設備的普及與端側算力需求釋放，或催生新的增長點設備的普及與端側算力需求釋放，或催生新的增長點。下一階段的三大重點即：手機與 PC 市場的回暖，搭載端側 AI 實現應用場景落地；AIoT 產

3、品不斷創新，以延伸人體關鍵感覺器官實現功能解放為目標；汽車領域的智能化普及趨勢加速，全民智駕初步走入現實。整體來看端側大模型發揮空間十足，看好具有增長確定性的細分賽道，建議關注：SoC、MCU、電源管理、智駕芯片、CIS 等。自主可控：地緣政治與供應鏈重構背景下，中國半導體產業將加速技術突自主可控：地緣政治與供應鏈重構背景下，中國半導體產業將加速技術突破與產能布局，同時全球產業鏈多元化趨勢也將重塑行業競爭格局。破與產能布局，同時全球產業鏈多元化趨勢也將重塑行業競爭格局。消電國補如約而至，非 AI 領域有望逐漸走出底部區間，設備材料國產替代趨勢未改，制造封測“Local for Local”有望

4、受益，建議關注底部反轉的可能性以及自主可控進程較快的子行業，包括：半導體設備、晶圓代工、先進封裝等。風險提示：風險提示：下游需求復蘇不及預期；國產 AI 發展速度不及預期；地緣政治風險加劇 投資評級：投資評級：看好看好 （維持）（維持）市場表現市場表現 相關報告相關報告 半導體 ETF：看周期趨勢向好，多板塊預示復蘇 2024.07.09 -20%-9%3%14%26%37%49%60%3/216/18/1210/231/33/16半導體滬深300行業研究 請務必閱讀正文之后的信息披露和法律聲明 2 目錄目錄 1.行情回顧.5 2.云側 AI：敘事邏輯無重大變化，敘事主體出現轉向趨勢.6 2.

5、1 模型訓練側：Scaling Law 尚未見頂.6 2.2 DeepSeek 引爆全球，聚焦模型推理能力.7 2.3 模型推理側：當前推動算力需求增長的第二極.10 2.4 如何看待當前 AI 敘事邏輯下的算力需求？.12 3.端側 AI：模型推理能力提升，AI Agent 開啟人機協作.15 3.1 AI 手機&PC：端側 AI 滲透的關鍵一年.17 3.2 AIoT：以 AI 眼鏡為代表的設備機會顯現.20 3.3 智能駕駛：智駕逐漸成為親民標配，市場空間有望大幅擴容.23 4.自主可控：長期堅定不移地看好科技自立.25 4.1 消費電子：國補彈性測度，有望帶動產業鏈新活力.25 4.2

6、 集成電路制造&封測：非 AI 慢慢出走底部，下游需求或拉動產業協同.28 4.3 半導體設備&材料：制造封測端的機會傳導，有望實現外退內進.31 5.投資建議.33 6.風險提示.34 行業研究 請務必閱讀正文之后的信息披露和法律聲明 3 圖圖表表目錄目錄 圖 1 半導體銷售額及同比變化.5 圖 2 近一年半導體行情復盤（截至 2025 年 3 月 19 日）.6 圖 3 2025 年半導體銷售額增速預測情況.6 圖 4 大模型的參數數量持續增長.7 圖 5 大模型的算力投入持續增長.7 圖 6 Grok-3 在基準測試中的表現.7 圖 7 Grok-3 在 xAI 數據中心 Colossu

7、s 訓練得到.7 圖 8 DeepSeek App DAU 迅速增長.8 圖 9 1 月份全球 AI 網站訪問量排名.8 圖 10 DeepSeek-R1 的基準表現.8 圖 11 DeepSeek-R1 與其它代表模型的對比.8 圖 12 DeepSeek-R1 的訓練流程.9 圖 13 RL 對增強模型推理能力的意義.10 圖 14 蒸餾對增強模型推理能力的意義.10 圖 15 加大推理的算力投入可以顯著降低測試誤差.10 圖 16 o1 模型的表現與 train-time 和 test-time 均呈正比.11 圖 17 DeepSeek R1 Lite 表現出的推理 Scaling L

8、aw.11 圖 18 Post-training 和 Inference 接棒 Scaling Law.11 圖 19 推理算力預計將走向新階段.12 圖 20 推理芯片占比預計將進一步提升.12 圖 21 四大 CSP 季度 CapEx.12 圖 22 四大 CSP 年度 CapEx.12 圖 23 DeepSeek-V3 的訓練成本.13 圖 24 杰文斯悖論使得總需求反而有望提升.13 圖 25 2025 年服務器產值.13 圖 26 訓練 AI 模型的硬件和能源成本變化.13 圖 27 訓練 AI 模型的成本占比.14 圖 28 國產 AI 產業鏈有望實現閉環.14 圖 29 國產芯片

9、紛紛接入支持 DeepSeek.14 圖 30 DeepSeek-V3 的架構.15 圖 31 AI Agent 的定義.16 圖 32 Apple Intelligence 登錄 iPhone、iPad 和 Mac.18 圖 33 中國地區蘋果及非蘋果手機出貨量及同比變化.19 圖 34 聯想推出端側部署 DeepSeek 的 AI PC.19 圖 35 AI 手機滲透率情況.20 圖 36 AI PC 滲透率情況.20 圖 37 Meta 兩代眼鏡 BOM 成本對比.21 圖 38 2024 年 AI 眼鏡季度銷量.21 圖 39 AI 眼鏡年度銷量及預測.21 圖 40 2024 年國內

10、外 AI 眼鏡銷量（萬副）.22 圖 41 2024 年國內外 AI 眼鏡銷量對比.22 圖 42 AI 眼鏡的三種方案框架.22 圖 43 比亞迪天神之眼首批上市車型價格.23 圖 44 特斯拉為國內用戶提供 Autopilot.24 圖 45 智駕政策逐漸放開.24 圖 46 2024 年新能源汽車價位段占比.25 圖 47 2024 年 20-25 萬元價格區間內的城市 NOA 汽車滲透率.25 圖 48 主要家電品類零售量及同比變化.26 圖 49 主要家電品類均價及同比變化.26 圖 50 中國地區智能手機出貨情況.27 行業研究 請務必閱讀正文之后的信息披露和法律聲明 4 圖 51

11、 中國智能手機價位段.27 圖 52 2025 年 1 月國產手機市場排名.28 圖 53 臺積電月度營收及同比變化.28 圖 54 聯電月度營收及同比變化.28 圖 55 世界先進月度營收及同比變化.29 圖 56 力積電月度營收及同比變化.29 圖 57 主要晶圓廠產能利用率.29 圖 58 先進封裝大幅提升互聯密度.30 圖 59 臺積電 CoWoS 的演進路徑.30 圖 60 臺積電 CoWoS 的產能規劃.30 圖 61 先進封裝市場規模.31 圖 62 各地區半導體設備銷售額.31 圖 63 各地區半導體設備銷售額同比變化.31 圖 64 半導體材料銷售額及同比變化.32 表 1

12、AI Agent 和其它 AI 的區別.16 表 2 近期各大科技企業在 AI Agent 方面的動作.17 表 3 近期各廠旗艦手機的 AI 功能.18 表 4 2024 年新發布的 AI 眼鏡.20 表 5 AI 眼鏡的三種方案對比.23 表 6 比亞迪三套天神之眼對比.25 表 7 補貼前后家電零售量變化情況.26 表 8 補貼前后家電均價變化情況.27 表 9 主要半導體設備自給情況.33 表 10 主要半導體材料自給情況.33 行業研究 請務必閱讀正文之后的信息披露和法律聲明 5 1.行情回顧行情回顧 近兩年半導體行業呈現“周期復蘇近兩年半導體行業呈現“周期復蘇+技術創新”雙輪驅動格

13、局：技術創新”雙輪驅動格局：2024 年行業觸底反彈，2024 年全球半導體總銷售額達 6180 億美元，同比增長 18.1%，2025 年預計突破7000 億美元。半導體本輪復蘇主要由 AI 算力需求爆發、存儲芯片價格反彈及國產替代加速推動。進入 2025 年，行業預計將進入復蘇新階段，AI 的云端和終端應用仍然是全球半導體行業的核心增長點，同時國產科技的爆發使得自主可控的趨勢有望加速，政策層面的利好將貫穿本輪周期，整體來看可以期待半導體在成長和周期兼備的情況下有望進一步走向增長。圖圖1 半導體銷售額及同比變化半導體銷售額及同比變化 資料來源：同花順 iFinD，聯儲證券研究院 回顧近一年半

14、導體行業市場行情，自 2024 年初至 2025 年 3 月 19 日，申萬半導體指數漲幅達 40.21%，大幅跑贏滬深 300 的 18.42%，分階段來看包含以下階段：2024 年 1 月：由于消費電子需求疲軟，疊加部分企業業績預告不及預期，資金轉向防守板塊，行業成交額顯著萎縮，半導體指數單邊下跌 24.63%，創歷史最大單月跌幅，但是同時單月半導體銷售額延續 2023 年 12 月的亮眼走勢，同增 18.15%，顯示行業正在走出底部。2024年2-5月：消費電子補庫啟動，智能手機、家電需求回暖；OpenAI發布Sora、英偉達 GB200 芯片發布等事件催化算力需求，帶動國產云端算力芯片

15、及服務器產業鏈走強；存儲芯片庫存情況得到改善，價格反彈，需求逐漸回暖；大基金三期成立，資金預期重點投向設備、材料等“卡脖子”環節，這一時期指數以震蕩修復為主。2024 年 7-9 月：設備材料、晶圓制造等細分領域因國產替代加速，表現突出，H1凈利潤增速超 100%企業占比達三成，復蘇趨勢明確，行業內呈現結構性分化，整體以積蓄力量的震蕩表現為主。2024 年 10-12 月：以政策利好為主要推動力，財政貨幣政策寬松刺激市場信心，流動性得到大幅擴充，半導體板塊領漲市場；地緣政治不確定性加速國產替代，海外限制事件頻出，但同時國產技術在各環節加速發展，自主可控主線明確，市場表現為大幅上漲后高位震蕩，期

16、間最大漲幅達 83.10%。2025 年 1 月至今：2025 年開年，半導體行業呈現結構性分化與技術創新并行的特征，以 DeepSeek 為代表的一批科技企業在多個領域取得喜人成就，市場對于國產科技自立自強的預期拉升，硬科技板塊持續獲得資金流入，同時部分行業龍頭業績預增得到市場認可，年初至今行業指數漲幅達 10.21%。-30-20-10010203040500102030405060702014-012014-052014-092015-012015-052015-092016-012016-052016-092017-012017-052017-092018-012018-052018-

17、092019-012019-052019-092020-012020-052020-092021-012021-052021-092022-012022-052022-092023-012023-052023-092024-012024-052024-092025-01銷售金額:半導體:全球:當月值 十億美元半導體:銷售額:全球:當月同比%（右軸）行業研究 請務必閱讀正文之后的信息披露和法律聲明 6 圖圖2 近一年近一年半導體行情復盤半導體行情復盤（截至（截至 2025 年年 3 月月 19 日）日）資料來源：同花順 iFinD，聯儲證券研究院 行至 2025，我們認為半導體行業整體樂觀，行業

18、進一步復蘇的可能性較大。我們認為半導體行業整體樂觀，行業進一步復蘇的可能性較大。據多家專業機構預測，2025 年半導體銷售額增速將保持在 11%-15%之間，即基本延續 2024 年的增長速度。圖圖3 2025 年半導體銷售額增速預測年半導體銷售額增速預測情況情況 資料來源：半導體產業縱橫公眾號，聯儲證券研究院 但是同時，我們認為行業的增長仍然并非是全面性的，而是以結構性的行情表現為但是同時，我們認為行業的增長仍然并非是全面性的，而是以結構性的行情表現為主。主。從半導體行業發展歷史來看，每一輪周期激發行業高斜率增長的核心因素在于關鍵的下游需求變化，而本輪周期中 AI 敘事的延續與否預計依舊是行

19、業增長前景的最大擾動項。展望 2025，我們判斷，“周期復蘇+技術創新”的雙輪驅動沒有發生關鍵改變，尋找行業最大彈性的關鍵在于三個部分：第一，云端 AI 的算力邏輯；第二，AI 應用走向邊緣端的可預期變化；第三，行業各環節自主可控的進程期待。2.云側云側 AI：敘事邏輯無重大變化，敘事主體：敘事邏輯無重大變化，敘事主體出現轉向趨勢出現轉向趨勢 2.1 模型訓練側：模型訓練側：Scaling Law 尚未見頂尚未見頂 Scaling Law 說明了說明了 AI 模型訓練領域的“大即是好”，是推動算力產業鏈爆發的核模型訓練領域的“大即是好”，是推動算力產業鏈爆發的核心心法制法制。Scaling L

20、aw 最早由 OpenAI 于 2020 年提出，用以描述模型性能（損失值）與三個因素：模型的參數量、模型的算力投入和模型的訓練 Token數據集之間的冪律關系，即通過提升這三個因素而提升模型性能是有跡可循的。對于 Decorder-only 的模型而言，算力投入、參數量與訓練數據量三者通常成線性正比關系，即隨著模型參數量/訓練數據量的提升，算力投入也需要相應地提升。-40-30-20-100102030405060申萬半導體漲幅%滬深300漲幅%0%2%4%6%8%10%12%14%16%SC-IQ（25/02）Gartner（25/02）MarketsandMarkets（25/02）Fu

21、ture Horizons（25/01）KPMG（25/01）WSTS（24/12）IDC（24/12）RCD Advisors（24/12）行業研究 請務必閱讀正文之后的信息披露和法律聲明 7 模型模型規模規模大小成指數上升，算力需求相應增長的規律未發生變化。大小成指數上升，算力需求相應增長的規律未發生變化?？v觀 AI 模型訓練歷史，自 2010 年后，新誕生的 AI 模型參數數量以平均每年 2 倍的速度提升，用于訓練AI 模型而投入的算力則以每年 4.6 倍速度提升。因此考慮模型的大小、訓練數據量和計算量綜合體現的模型規模大小始終處在快速增長中。因此我們認為，當前的新生 AI 模型仍然傾向

22、于以提升模型規模大小的方式提升模型性能。圖圖4 大模型的參數數量持續增長大模型的參數數量持續增長 圖圖5 大模型的大模型的算力投入算力投入持續增長持續增長 資料來源：Epoch AI，聯儲證券研究院 注：縱軸表示訓練模型的參數數量 資料來源：Epoch AI，聯儲證券研究院 注：縱軸表示訓練模型的 Training Compute(FLOPs)Grok-3 重磅發布，重磅發布，AI 模型表現模型表現持續推進。持續推進。2025 年 2 月 18 日，Elon Musk 旗下的人工智能公司 xAI 發布了 Grok-3 系列模型，根據官方公開的測試結果，Grok-3 在包括AIME 和 GPQA

23、 等基準測試中超過了 DeepSeek-V3 和 GPT-4o 等頂尖模型，同時在大模型競技場 Chatbot Arena 測試中，xAI 工程師表示，早期版本的 Grok-3 獲得了第一的成績，達到了 1402 分，成為全球第一個突破 1400 分的 AI 模型。Grok-3 再次印證再次印證 Scaling Law，其出眾表現離不開龐大的算力投入。，其出眾表現離不開龐大的算力投入。xAI 第一階段用了 122 天的時間構建了包含 10 萬個 GPU 的數據中心 Colossus，創造了全世界規模最大的 H100 集群；但是團隊認為此時的算力投入并未達到他們的需求，因此 xAI 又用了 92

24、 天的時間將數據中心的規模擴展到 20 萬個 GPU，而 Grok-3 的訓練正是在這個基礎設施上進行的。雖然 Grok-3 并未公布其模型的參數量，但是由訓練其的算力投入倒推，預計 Grok-3 的參數量將遠高于 314B 的 Grok-1。因此我們認為 Grok-3 的出現一方面既證實了當前 Scaling Law 仍然在發揮效用，AI 訓練的“大力出奇跡”還在延續；另一方面，Grok-3 出色的性能表現會鼓勵各 AI 研究機構繼續加大算力投入以期獲得出色的模型性能。圖圖6 Grok-3 在基準測試中的表現在基準測試中的表現 圖圖7 Grok-3 在在 xAI 數據中心數據中心 Colos

25、sus 訓練訓練得到得到 資料來源：xAI Grok-3 發布會，聯儲證券研究院 資料來源：xAI Grok-3 發布會，聯儲證券研究院 2.2 DeepSeek 引爆全球引爆全球，聚焦模型，聚焦模型推理能力推理能力 1.00E+001.00E+021.00E+041.00E+061.00E+081.00E+101.00E+12194919601971198219932004201420251.2X/年2X/年深度學習區1.00E+001.00E+031.00E+061.00E+091.00E+121.00E+151.00E+181.00E+211.00E+241949196019711982

26、19932004201420251.5X/年4.6X/年深度學習區行業研究 請務必閱讀正文之后的信息披露和法律聲明 8 DeepSeek 一經發布迅速吸引全球目光。一經發布迅速吸引全球目光。DeepSeek 于 2024 年 12 月 26 日開源DeepSeek-V3 模型，2025 年 1 月 11 日發布 APP，1 月 20 日開源 DeepSeek-R1 模型。APP 上線 20 天全球日活 DAU 就突破了 2000 萬，成為全球增速最快的 AI 應用；網站端訪問量則以 22.3 倍的速度增長，1 月網站月訪問量達 2.56 億，環比增長 2230.89%；在 1 月累計獲得 1.

27、25 億用戶，其中 80%以上用戶來自最后一周，即 DeepSeek 在沒有任何廣告投放的情況下，僅用了 7 天完成了 1 億用戶的增長。圖圖8 DeepSeek App DAU 迅速增長迅速增長 圖圖9 1 月份全球月份全球 AI 網站訪問量排名網站訪問量排名 資料來源：AI 產品榜公眾號，聯儲證券研究院 資料來源：AI 產品榜公眾號，聯儲證券研究院 DeepSeek 的火爆表現主要源于其出色的推理表現的火爆表現主要源于其出色的推理表現，DeepSeek-R1 與與 OpenAI-o1的水平相當。的水平相當。DeepSeek-R1 的基準表現，R1 在多個評測中表現結果持平甚至超過了Open

28、AI-o1，尤其是在數學領域的表現尤為突出，DeepSeek-R1 在 2024 年 AIME 上的單次預測準確率達到 79.8%；在 MATH-500 上，它取得了令人矚目的 97.3 的分數，與o1-1217 表現相當，顯著超越了其他模型。在代碼領域雖然表現差于 o1，但得分差距較小，在 Codeforces 上獲得了 2029 Elo 評級，超過了 96.3%的競賽參與者，整體來看，DeepSeek-R1 具有非常優秀的推理能力。圖圖10 DeepSeek-R1 的基準表現的基準表現 圖圖11 DeepSeek-R1 與其它代表模型的與其它代表模型的對比對比 資料來源：DeepSeek

29、技術論文，聯儲證券研究院 資料來源：DeepSeek 技術論文，聯儲證券研究院 DeepSeek-R1 其訓練亮點在于其訓練亮點在于探索了如何探索了如何增強模型的推理能力。增強模型的推理能力。我們認為推理模型即具有回答復雜、多步驟、長鏈條問題能力的模型，其主要可用于解決如高級數學問題、高級編程問題等復雜問題。DeepSeek-R1 作為一個典型的推理模型，其推理能力的獲得是通過以下三種方式實現的，并通過三種方式得到了三種模型：DeepSeek-R1-Zero、DeepSeek-R1、DeepSeek-R1-Distill：RL（Reinforcement Learning，純強化學習），純強化

30、學習）：DeepSeek 團隊設定了精度獎勵和格式獎勵兩種獎勵模型，精度獎勵模型評估響應是否正確，格式獎勵模型則要求模型提供思考過程，除此之外團隊并未使用具有人類偏好的獎勵模型，團隊設計了一個簡單的模板，引導模型首先生成推理過程，然后是最終答案，通過有意識地將約束限制在這行業研究 請務必閱讀正文之后的信息披露和法律聲明 9 種結構格式上，訓練得到了 R1-Zero 模型。RL+SFT（Supervised Fine-Tuning，監督微調），監督微調）：團隊使用未經過 SFT 的 R1-Zero 生成了冷啟動 SFT 數據，進行了一輪微調，保留了精度獎勵和格式獎勵的同時，團隊添加了一致性獎勵模

31、型，然后對模型開展了一個新的 RL 階段，在這輪 RL 結束后的檢查點團隊又收集了 60 萬個推理數據以及 20 萬個由 V3 模型生成的 CoT（Chain of Thought，思維鏈）數據，并通過以上共 80 萬個數據組成的數據集對模型進行了新一輪微調，在微調結束后，團隊利用基于規則的獎勵來指導數學、代碼和邏輯推理領域，利用人類偏好獎勵來指導通用數據，并進行了最后一輪 RL，最終得到了 R1 模型。SFT+蒸餾蒸餾（Distillation）：為了讓規模較小的模型也能獲得類似于 R1 模型的推理能力，團隊使用中第二次微調所用到的80萬個數據組成的數據集對Qwen2.5-Math-1.5B

32、、Qwen2.5-Math-7B 和 Llama-3.3-70B-Instruct 等小模型進行了微調，得到了若干蒸餾模型 R1-Distill。圖圖12 DeepSeek-R1 的訓練流程的訓練流程 資料來源：Ahead of AI，聯儲證券研究院 從效果觀察，從效果觀察，DeepSeek 團隊的探索對于增強模型推理能力的意義巨大。團隊的探索對于增強模型推理能力的意義巨大。對于僅進行了 RL 的 R1-Zero 模型，其推理能力在多個維度已經接近 OpenAI-o1，甚至于在 AIME（cons64）以及MATH-500測試上的得分超過了o1-0912，而在此基礎上通過SFT+RL訓練得到的

33、 R1 的性能表現就更加出色了；對于蒸餾過后的模型，高效的 R1-7B 就能在所有指標上超越像 GPT-4o-0513 這樣的非推理模型，R1-14B 在所有評估指標上都超過了 QwQ-32B-Preview，而 R1-32B 和 R1-70B在大多數基準測試中顯著超越了 o1-mini。行業研究 請務必閱讀正文之后的信息披露和法律聲明 10 圖圖13 RL 對增強模型推理能力的意義對增強模型推理能力的意義 圖圖14 蒸餾對增強模型推理能力的意義蒸餾對增強模型推理能力的意義 資料來源：DeepSeek 技術論文，Ahead of AI，聯儲證券研究院 資料來源：DeepSeek 技術論文，Ah

34、ead of AI，聯儲證券研究院 DeepSeek 團隊在團隊在 R1 模型的訓練過程中模型的訓練過程中的的發現發現對于大模型推理能力的提升做出了對于大模型推理能力的提升做出了諸多貢獻諸多貢獻：第一，直接將 RL 應用于基礎模型，而不依賴 SFT 作為初步步驟，這種方法使模型能夠探索 CoT 來解決復雜問題，從而開發出了展示自我驗證、反思和生成長思維鏈等能力的 R1-Zero 模型，且這是第一次通過純 RL 激發大語言模型推理能力的公開研究；第二，團隊證明了較大模型的推理模式可以蒸餾到較小模型中，蒸餾模型雖然比不上 SFT+RL 得到的模型，但是卻并不比純 RL 模型表現差，而蒸餾模型的參數

35、量是遠遠更小的；第三，蒸餾模型與在小模型上通過強化學習發現的推理模式相比，能帶來更好的性能。2.3 模型推理側：模型推理側：當前推動當前推動算力需求算力需求增長的增長的第二極第二極 推理推理 Scaling Law 強調在推理階段通過增加計算資源來提升模型性能。強調在推理階段通過增加計算資源來提升模型性能。清華大學和卡內基梅隆聯合研究團隊展示了在不同推理策略（加權多數投票和 Best-of-N）下，GSM8k 數據集上的推理擴展情況?？梢钥吹?，隨著每個問題的推理算力增加，測試誤差率顯著下降。這一現象表明，推理側的 Scaling Law 不僅影響模型的計算效率，還直接決定了模型在實際應用中的性

36、能表現。通過合理調整推理策略和模型規模，可以在有限的計算資源下，最大化模型的準確性和效率。因此我們認為，深入研究和優化推理側的Scaling Law，對于提升大規模模型的實際應用價值具有重要意義。圖圖15 加大推理的算力投入可以顯著降低測試誤差加大推理的算力投入可以顯著降低測試誤差 資料來源：Yangzhen Wu et al.(2024)Inference Scaling Laws:An Empirical Analysis of Compute-Optimal Inference for Problem-Solving with Language Models，聯儲證券研究院 隨著模型規模

37、的不斷增大，推理側的隨著模型規模的不斷增大，推理側的 Scaling Law 在提升模型性能方面的重要性愈在提升模型性能方面的重要性愈發顯著。發顯著。OpenAI 團隊通過大規模強化學習算法教會 o1 模型如何在高度數據高效的訓練過程中使用 CoT 進行高效思考，無論是隨著強化學習（train-time compute）的增加或行業研究 請務必閱讀正文之后的信息披露和法律聲明 11 是思考時間的增加（test-time compute），o1 的性能均會不斷提高。無獨有偶，DeepSeek團隊發現R1-Lite模型在數學競賽上的得分也與測試所允許思考的長度緊密相關，即CoT越長則推理結果越精準

38、。因此我們認為，在當前 AI 發展階段，在預訓練階段之外，在后訓練階段對模型加大強化學習力度或在推理階段允許模型多思考一會兒，都能使模型的“智能”程度明顯提升。圖圖16 o1 模型的表現與模型的表現與 train-time 和和 test-time 均呈正比均呈正比 圖圖17 DeepSeek R1 Lite 表現出表現出的推理的推理 Scaling Law 資料來源：OpenAI 官網，聯儲證券研究院 資料來源：DeepSeek 官微，聯儲證券研究院 后訓練和推理的后訓練和推理的 Scaling Law 在當前時點下更可能有所在當前時點下更可能有所作作為。為。我們認為在當前時點：后訓練階段的

39、 Scaling Law 強調在預訓練完成后，通過 RL 和推理優化進一步提升模型性能，不僅能夠提升模型的特定任務性能，還能在不顯著增加模型參數的情況下實現性能飛躍；而推理階段的 Scaling Law 則關注在模型部署階段通過增加推理時間或計算資源來提升模型輸出的質量。盡管當前的預訓練階段可能呈現出一定的參數擴展帶來的邊際收益逐漸遞減的趨勢，但是由于后訓練和推理階段的算力需求正接近“性能彈性”最大的階段，因此發展 AI 模型整體的算力需求仍十分可觀。圖圖18 Post-training 和和 Inference 接接棒棒 Scaling Law 資料來源：公開資料整理，聯儲證券研究院繪制 推

40、理算力預計推理算力預計占比將不斷提升，占比將不斷提升，成為訓練算力之外的第二極。成為訓練算力之外的第二極。我們認為隨著 AI 的2B/2C 端應用越發廣泛，AI 使用將逐漸滲透到社會需求的各方面，對模型推理需求也勢必會提升，疊加為追求模型性能優化而投入提升的 test-time，推理芯片將接棒訓練芯片，有望復刻訓練芯片的快速增長。根據 IDC 數據，2020 年中國數據中心用于推理的芯片的市場份額已經超過 50%，預計到 2025 年，用于推理的工作負載的芯片將達到 60.8%。預計單芯片的推理能力將逐漸增強，將單芯片算力耗盡的推理任務和小規模推理任務將出現混合部署趨勢，芯片會逐步加強對于虛擬

41、化技術的支持。行業研究 請務必閱讀正文之后的信息披露和法律聲明 12 圖圖19 推理算力預計將走向新階段推理算力預計將走向新階段 圖圖20 推理芯片占比推理芯片占比預計將預計將進一步提升進一步提升 資料來源：公開資料整理，聯儲證券研究院繪制 資料來源：IDC，聯儲證券研究院繪制 2.4 如何看待當前如何看待當前 AI 敘事邏輯下的算力需求？敘事邏輯下的算力需求？四大四大 CSP 的的 CapEx 依舊樂觀，而依舊樂觀，而 2025 年的支出可能年的支出可能達達 3200 億美元。億美元。北美四大CSP 2024Q4 CapEx 合計達 723.48 億美元，YoY 達 68.22%，而 202

42、4 年全年合計CapEx 達 2285.44 億美元，YoY 達 54.87%。展望 2025，亞馬遜表示公司 2025 年 CapEx 將增至 1000 億美元；Meta 于電話會議中申明 2025 年 CapEx 將在 600 億至 650 億美元之間，這筆資金將用于推動 AI 戰略；微軟則是宣布，FA2025 將在 AI 數據中心方面開支 800 億美元用于建設能夠處理人工智能工作負載的數據中心；谷歌方面預期 2025 年資本開支 750 億美元，YoY+43%。綜合預計 2025 年北美四大 CSP 合計 CapEx 有望超過 3200 億美元，按此估算 YoY 也在 40%以上。圖圖

43、21 四大四大 CSP 季度季度 CapEx 圖圖22 四大四大 CSP 年度年度 CapEx 資料來源：同花順 iFinD，聯儲證券研究院 注：已將口徑統一為日歷年度 資料來源：同花順 iFinD，聯儲證券研究院 DeepSeek 成本極低、算力有限實際上并不意味著全球算力需求萎縮。成本極低、算力有限實際上并不意味著全球算力需求萎縮。DeepSeek通過高細粒度的 MoE（Mixture of Experts，混合專家）架構、MLA（Multi-head Latent Attention，多頭潛在注意力）、FP8 混合精度訓練、減少通信開銷的 DualPipe 算法等算法層面的優化，實現了僅

44、用 278.8 萬個 H800 的 GPU 小時就訓練出了 V3 模型，即按照2 美元每小時租賃費用來算，訓練成本僅為 557.6 萬美元。與其它國際主流模型對比，DeepSeek 的訓練成本極低，因此產生了部分認為未來 AI 研發算力需求將會大幅減少的觀聲音。CSP 的樂觀的樂觀 CapEx 在一定程度打破了算力需求趨弱的觀點。在一定程度打破了算力需求趨弱的觀點。我們認為 CSP 持續加大投入的主要原因包括以下三方面：第一，DeepSeek 在技術層面上確實提供了降低模型訓練成本的可能，但 AI 軍備競賽具有商業層面的考量，AI 技術領先可以在構建商0%10%20%30%40%50%60%7

45、0%80%90%100%2019202020212022E2023E2024E2025E訓練推理-40-2002040608010012014001002003004005006007008002014Q12014Q32015Q12015Q32016Q12016Q32017Q12017Q32018Q12018Q32019Q12019Q32020Q12020Q32021Q12021Q32022Q12022Q32023Q12023Q32024Q12024Q3亞馬遜 億美元谷歌 億美元微軟 億美元Meta 億美元YoY%（右軸）-20-10010203040506070800500100015002

46、00025002014 2015 2016 2017 2018 2019 2020 2021 2022 2023 2024亞馬遜 億美元谷歌 億美元微軟 億美元Meta 億美元YoY%（右軸）行業研究 請務必閱讀正文之后的信息披露和法律聲明 13 業生態時獲得明顯的先發優勢；第二，即由于杰文斯悖論的存在，AI 算力需求仍然有較大的不降反升的可能，所謂杰文斯悖論即當技術進步提高了效率，資源消耗不僅沒有減少，反而激增，例如，瓦特改良的蒸汽機讓煤炭燃燒更加高效，但結果卻是煤炭需求飆升，我們認為在 AI 領域也有可能會呈現這種發展趨勢；第三，即我們在前面論證的，推理端算力成為下一階段 AI 發展的重點

47、，尤其對各大 CSP 而言，推理端實際上才是掛鉤其收入的，因此模型推理效率的提升意味著算力投入的回報率提升，加大算力投入規模邏輯順暢。圖圖23 DeepSeek-V3 的的訓練成本訓練成本 圖圖24 杰文斯悖論使得總需求反而有望提升杰文斯悖論使得總需求反而有望提升 資料來源：DeepSeek 技術論文，聯儲證券研究院 資料來源：聯儲證券研究院繪制 我們認為我們認為 AI 基建的敘事仍在延續，基建的敘事仍在延續，訓練訓練 AI 模型的成本或持續增長，模型的成本或持續增長，AI 服務器需求服務器需求仍將持續增長。仍將持續增長。從服務器看，根據 TrendForce 數據，2024 年整體服務器產值

48、約 3060億美元，其中 AI 服務器較通用服務器增長動能更為強勁，產值約為 2050 億美元，預計2025 年 AI 服務器需求仍將持續增長，且價端有望提高較大貢獻，產值有機會提升至近2980 億美元，YoY 達 44.96%，占整體服務器產值比例進一步提升至 7 成以上。從 AI 訓練成本看，根據 Epoch AI 數據，從 2016 年到 2024 年，成本呈現出顯著的上升趨勢，前沿模型最終訓練運行的攤銷硬件和能源成本以每年 2.4 倍的速度快速增長，近年來的增長尤為明顯，盡管技術取得了進步，但對更強大硬件和能源資源的需求繼續推高成本，因此我們認為在不考慮算法優化的情況下，訓練成本不斷增

49、長的趨勢將持續演繹。圖圖25 2025 年服務器產值年服務器產值 圖圖26 訓練訓練 AI 模型的硬件和能源成本變化模型的硬件和能源成本變化 資料來源：Trendforce，聯儲證券研究院 資料來源：Epoch AI，聯儲證券研究院 不考慮人力成本的支出，不考慮人力成本的支出，芯片在芯片在 AI 的訓練成本中占比最大的訓練成本中占比最大，需求空間巨大。，需求空間巨大。根據Epoch AI 數據，芯片在 AI 訓練成本中占據了顯著的比例。以 Gemini 1.0 Ultra 和 GPT-4 為例，AI 芯片的成本占比均超過 40%，而在 OPT-175B 和 GPT-3 175B 中，這一比例更

50、是接近 50%，這表明，隨著模型規模的增大，AI 芯片在整體訓練成本中的重要性愈發凸顯。芯片作為計算的核心部件，直接決定了模型訓練的效率和速度，因此 AI 研發團隊對于高性能的芯片需求是天然巨大的，盡管其作為一次性支出的成本巨大，但是高性能芯片能夠顯著提升訓練過程中的計算能力，從而縮短訓練時間，降低單位計算成本。05010015020025030035040045020242025EAI服務器產值 十億美元非AI服務器產值 十億美元YoY 44.96%YoY 14.45%行業研究 請務必閱讀正文之后的信息披露和法律聲明 14 圖圖27 訓練訓練 AI 模型的成本占比模型的成本占比 資料來源：E

51、poch AI，聯儲證券研究院 國產算力產業鏈受益于國產算力產業鏈受益于 DeepSeek 發布，有望具有更強彈性。發布，有望具有更強彈性。對于國內算力供應鏈而言，我們認為 DeepSeek 的出現是一劑強心針，標志著國產 AI 實現了比肩全球頂級模型水準的跨越，DeepSeek 通過算法、架構、工程的軟硬件協同優化創新，以有限算力超低成本實現了性能比肩頂尖國外模型的國產模型，印證了軟硬協同這一技術路線對推動 Scaling Law、突破算力瓶頸的有效性和巨大潛力。我們認為其對國產算力鏈的影響包括：第一，從當前國產 AI 生態來看，國產的算力資源仍然稀缺，隨著以 DeepSeek為代表的國產

52、AI 大模型的持續發展，國產算力缺口依舊較大，因此我們認為當前是軟硬件協同實現國產算力芯片突破，進而實現國產 AI 生態閉環的關鍵窗口期，可以看到在DeepSeek-R1 模型發布后國產硬件廠商用極快的速度紛紛接入 DeepSeek，我們判斷通過此次軟硬件合力發力的機會為二者未來持續融合夯實了基礎；第二，如我們在前文的分析中指出推理芯片的占比將會持續提升，CSP 出于成本以及可得性考慮，我們判斷ASIC 在算力芯片中的比重將會不斷提升，預計將持續為國產算力芯片創造發展動能。圖圖28 國產國產 AI 產業鏈有望實現閉環產業鏈有望實現閉環 圖圖29 國產芯片紛紛接入支持國產芯片紛紛接入支持 Dee

53、pSeek 資料來源：無問芯穹，智東西公眾號，聯儲證券研究院 資料來源：智東西公眾號，電子工程世界，聯儲證券研究院整理 綜上，我們認為綜上，我們認為整個云端整個云端 AI 的算力需求的算力需求擴張擴張在在 2025 年仍然值得期待年仍然值得期待。第一，pre-training的Scaling Law仍在延續的背景下，post-training和推理側的Scaling Law接棒，各 AI 研究機構仍有足夠動力加大各環節算力投入以追求模型性能的提升；第二，盡管DeepSeek 的出現成功具象化了提升算法降低成本的路徑，但是對各大 CSP 而言，AI 技術正面臨商業化落地的關鍵窗口，加大投入即意味

54、著提升模型推理能力進而實現云端服務收入落地；第三，DeepSeek 的出現一定程度上改善了之前僅有大型企業可以參與到AI 前沿開發的競爭格局，DeepSeek 具有成本低廉、開源、性能強悍等特征，有望激發部分新生玩家的需求；第四，對于國產廠商而言，DeepSeek 成為了改變 AI 生態環境的先驅者，受其帶動下國產硬件廠商切入參與到 AI 前沿產業鏈的機會增大。因此我們建議因此我們建議持續關注國產算力產業鏈。持續關注國產算力產業鏈。0%10%20%30%40%50%60%70%80%90%100%GPT-3 175BOPT-175BGPT-4Gemini 1.0 UltraAI芯片其它服務器組

55、件集群級互聯能源行業研究 請務必閱讀正文之后的信息披露和法律聲明 15 3.端側端側 AI：模型推理能力提升，模型推理能力提升，AI Agent 開啟人機協作開啟人機協作 我們認為在端側的一個重點趨勢即各類搭載我們認為在端側的一個重點趨勢即各類搭載 AI 功能的功能的設備蓄勢待發設備蓄勢待發。其智能化表現有望得到大幅改善，2C 落地進程或加快實現，具體原因如下：第一，第一，DeepSeek 的發布使得在終端設備上部署的發布使得在終端設備上部署 AI 的技術完備性得以提升。的技術完備性得以提升。DeepSeek 模型在架構設計、訓練優化及推理部署策略等多方面采用的創新技術，顯著提升了模型性能和訓

56、練效率，降低了計算資源需求，為其在端側設備部署 AI 帶來了可能，其創新技術包括：DeepSeek MoE 架構：架構：采用更細粒度的專家劃分，并設置共享專家，提高了模型訓練效率。同時，創新的無輔助損失負載均衡策略，通過動態調整偏差項確保專家負載平衡，避免了因負載不均衡導致的性能下降，使得模型在資源受限的端側設備上也能穩定運行；MLA：通過對注意力鍵值進行低秩聯合壓縮，減少推理時的鍵值緩存，降低內存占用。僅需緩存特定向量，在保持性能的同時，顯著減少了 Key Value 緩存，這對于端側設備有限的內存資源來說至關重要，有助于模型在端側設備上快速進行推理計算；推理推理階段優化階段優化：在推理時，

57、采用分離預填充和解碼階段的部署策略。預填充階段通過合理配置張量并行、數據并行和專家并行，提高計算效率；解碼階段將共享專家視為路由專家，減少計算復雜度，利用 IBGDA 技術降低延遲提高通信效率，同時通過將兩個微批次的相似計算工作量重疊提升了吞吐量并降低了全對全通信的開銷，滿足端側設備對及時性的要求；模型蒸餾：模型蒸餾：前文我們提到的模型蒸餾通過將大型模型的知識轉移到小型模型，使得在端側設備有限的計算資源和存儲條件下，依然能夠實現高效的 AI 推理，提升了端側AI 應用的性能和用戶體驗。圖圖30 DeepSeek-V3 的架構的架構 資料來源：DeepSeek 技術論文，聯儲證券研究院 第二，第

58、二，AI 模型發展迎來新范式，模型發展迎來新范式，Agent 形式的形式的 AI 在在 2025 年迎來更多關注。年迎來更多關注。AI Agent是一種程序，它可以與環境互動，收集數據，并利用數據執行自決任務，以實現預定目標。人類設定目標，但 Agent 會獨立選擇實現這些目標所需的行動，Agent 的工作原理是將復雜的任務簡單化和自動化。大多數自主 Agent 在執行指定的任務時，都會遵循特定的工作流程如下：確定目標確定目標：Agent 從用戶那里接收特定的指令或目標，然后將目標分解成若干個行業研究 請務必閱讀正文之后的信息披露和法律聲明 16 可執行的小任務，為了實現目標，Agent 會根

59、據特定的指令或條件執行這些任務；獲取信息獲取信息：Agent 需要信息才能成功執行其計劃的任務，因此 Agent 可能會訪問互聯網來搜索和檢索所需的信息。在某些應用場景中，Agent 之間或 Agent 與其它模型交互，以獲取或交換信息；執行任務執行任務：有了充足的數據，Agent 就會開始執行，完成一項任務后就將其從列表中刪除，然后繼續執行下一項任務，在完成任務的間隙，Agent 會通過尋求外部反饋和檢查自身日志來評估是否達到了指定目標，同時在此過程中可能會創建并執行更多任務，以達到最終結果。圖圖31 AI Agent 的定義的定義 資料來源：亞馬遜官網，聯儲證券研究院 AI Agent、聊

60、天機器人聊天機器人和和生成式生成式 AI 都是旨在幫助用戶的都是旨在幫助用戶的 AI 形式。但是，它們在功形式。但是，它們在功能、復雜性和實際應用方面存在顯著差異。能、復雜性和實際應用方面存在顯著差異。功能性方面，Agent 是能夠自主執行和適應各種任務的先進系統，旨在增強人類的能力，并且可以跨各個領域運行，而不僅僅是客戶服務；復雜性方面，Agent 系統需要更復雜的技術理解上下文并有效地執行任務，由于可以從交互中學習并隨著時間的推移而改進，因此它們通常適用于更復雜的應用程序；用戶體驗方面，Agent 通過處理多輪對話并根據用戶行為和偏好提供個性化響應，可以以更自然、更像人類的方式學習和回應人

61、類；投資成本方面，設置和運行 Agent 通常包括購買或開發 LLM、獲取必要的硬件以及將系統集成到現有基礎設施中，同時由于 Agent需要大量高質量數據來訓練和改善結果，因此額外的成本可能包括數據收集、存儲和處理。表表1 AI Agent 和其它和其它 AI 的區別的區別 Al Agents 非非 Agent 聊天機器人聊天機器人 生成式生成式 AI 功能性功能性 自主行動和決策 處理線性響應且無適應性的簡單對話 可以根據響應創建全新的內容 復雜性復雜性 使用 ML 和 NLP 等技術處理復雜任務 根據預設的規則進行行動，易于執行 使用本質上更復雜的深度學習技術 用戶體驗用戶體驗 根據用戶行

62、為的個性化和類人化反應 互動偏僵化（尤其是與偏離主題的問題）高度互動的體驗和動態對話 投資成本投資成本 需要更高的初始投資 通常更便宜且更易于部署 需要大量的初始投資 資料來源：TechTarget，聯儲證券研究院 從各大科技企業動作來看，從各大科技企業動作來看，AI Agent 在在 2025 年或將大規模爆發。年或將大規模爆發。一方面，從技術角度看：AI Agent 正在變得更加多樣化和智能化，Agent 在交互方式、性能提升、功能豐富等方面均有所提升；另一方面，從商業角度看：AI Agent 的商業化和生態建設正在加速，各大 CSP 均加快建設 Agent 與自身業務的溝通渠道，實現業務

63、聯動。因此我們行業研究 請務必閱讀正文之后的信息披露和法律聲明 17 認為 2025 年 AI Agent 的變化，實際上是技術進步和市場需求共同作用的結果。技術上的發展，為 AI Agent 提供了強大的能力，而市場上的需求，以及用戶對更智能、更便捷服務的追求，又推動了 AI Agent 的商業化和應用。表表2 近期各大科技企業在近期各大科技企業在 AI Agent 方面的動作方面的動作 時間時間 企業企業 內容內容 2024 年 6 月 騰訊 推出騰訊元器一站式 AI 智能體創作與發布平臺，旨在幫助用戶輕松創建和部署智能體，無需編寫代碼，即可實現聊天對話、內容創作、圖像生成等功能。2024

64、 年 9 月 字節跳動 提出了基于強化學習的 LLM Agent 框架 AGILE，該框架下，Agent 能夠擁有記憶、工具使用、規劃、反思、與外界環境交互、主動求助專家等多種能力，并且通過強化學習實現所有能力的端到端訓練。2024 年 10 月 Anthropic 發布了 Claude 3.5 模型家族的更新，現有模型 Claude 3.5 Sonnet 獲得了升級，獲得了 Computer Use 能力，能夠通過觀看屏幕截圖，實現移動光標、點擊按鈕、使用虛擬鍵盤輸入文本等操作，真正模擬人類與計算機交互的方式。2024 年 11 月 谷歌 谷歌云將提供從 AI Agent 的開發、部署到應用

65、一站式商用生態，發布了 AI Agent 市場，用戶可以在 AI Agent 市場中快速找到想要的 AI Agent，極大簡化了客戶的選擇和部署流程。2024 年 12 月 亞馬遜 亞馬遜宣布在舊金山成立新的研發實驗室 Amazon AGI SF Lab，專注于構建 AI Agent 的基礎能力，新實驗室的主要目標是開發能夠在數字和物理世界中執行行動的 AI Agent，使其能夠處理復雜的工作流程，包括使用計算機、網頁瀏覽器和代碼解釋器。2024 年 12 月 微軟 發布 Azure AI Agent Service，服務的一大特色是其強大的企業數據連接能力，支持數據基礎化操作，包括與 Mic

66、rosoft SharePoint 和 Microsoft Fabric 的無縫集成，以及工具聯動以實現自動化操作。2025 年 3 月 OpenAI 推出 Responses API，作為一個統一 API，可支持多輪交互和工具調用，同時推出網絡搜索工具、文件搜索工具、計算機使用工具等多個工具，OpenAI 還預告未來一段時間內，計劃發布更多工具和功能，進一步簡化和加速在平臺上構建智能體銀行業。資料來源：公開內容整理，聯儲證券研究院 第三，政策層面加速推動智能終端發展。第三，政策層面加速推動智能終端發展。2025 年政府工作報告中提出：持續推進“人工智能”行動，將數字技術與制造優勢、市場優勢更

67、好結合起來，支持大模型廣泛應用，大力發展智能網聯新能源汽車、人工智能手機和電腦、智能機器人等新一代智能終端以及智能制造裝備。綜上所述，我們認為綜上所述，我們認為邊緣端邊緣端 AI 在在 2025 年將會年將會迎來更迎來更多的發展機會，其中的重點細多的發展機會，其中的重點細分賽道包括：分賽道包括：AI 手機及手機及 PC、AI 眼鏡、汽車智能駕駛。眼鏡、汽車智能駕駛。3.1 AI 手機手機&PC：端側：端側 AI 滲透的關鍵滲透的關鍵一年一年 蘋果蘋果在在 WWDC24 發布發布 Apple Intelligence，端側端側 AI 進入新階段。進入新階段。Apple Intelligence深

68、度集成于 iOS 18、iPadOS 18 和 macOS Sequoia 中，充分運用蘋果芯片對語言和圖像的理解與創作能力，可做出多種跨 app 操作，同時結合個人場景，為用戶簡化和加快日常任務流程。Apple Intelligence 主要具有以下能力：理解和創作語言的能力，為用戶解鎖提高寫作和溝通的新方式，包括對郵件、備忘錄、Pages 文稿和各類第三方 app中的文本內容的理解、改寫和校對等；借助于 Image Playground 為用戶提供圖像創作功能，幫助用戶用全新方式進行交流和表達自我；對于照片和視頻可以進行便捷地搜索、修正和整理；賦予 Siri 更深層次的語言理解能力，讓 S

69、iri 表現得更自然，更契合場景，更貼合用戶個人需求，還能簡化和加快日常任務流程等。蘋果蘋果 AI 或將于或將于 2025 年支持中國大陸地區的蘋果設備年支持中國大陸地區的蘋果設備，或將帶動或將帶動 AI 手機逐漸成為手機逐漸成為標配標配。據蘋果 CEO Tim Cook 在財報會議中表示，Apple Intelligence 將在 2025 年 4 月新增對包括中文在內的多種語言的支持。行業研究 請務必閱讀正文之后的信息披露和法律聲明 18 圖圖32 Apple Intelligence 登錄登錄 iPhone、iPad 和和 Mac 資料來源：蘋果官網，聯儲證券研究院 在在 AI 手機供給

70、方面，手機供給方面，各手機廠商搶占各手機廠商搶占 AI 高地，推動高地，推動 AI 功能持續落地。功能持續落地。各大手機廠商對手機的 AI 功能越發重視，積極嘗試 AI 對各項功能的賦能作用，我們認為隨著各品牌手機對 AI 功能的探索和理解加深，有助于推動手機的 AI 功能不斷地深化擴展，同時廠商或將不斷優化 AI 算法，提高 AI 功能的響應速度和準確性，進一步加大軟硬件結合，實現更高效的數據處理和更流暢的用戶體驗。表表3 近期各廠旗艦手機的近期各廠旗艦手機的 AI 功能功能 發布時間發布時間 品牌品牌 型號型號 AI 功能功能 2024 年 10 月 vivo X200 原子島、寫作助手、

71、閱讀助手、自動接聽回復、通話錄音總結和圈搜等 2024 年 10 月 OPPO Find X8 一鍵問屏、相機問答、識屏問答、一圈即問、AI 千里長焦、圖像助手和辦公助手等 2024 年 10 月 小米 小米 15 超級小愛、AI 識屏、AI 寫作、AI 識音、AI 字幕、AI 翻譯和 AI妙畫等 2024 年 11 月 華為 mate70 運動軌跡、智控鍵、消息隨身、主角時刻、隔空傳送、降噪通話、時空穿越、通話摘要和靜謐通話等 2025 年 2 月 三星 Galaxy S25 跨應用執行鏈、即時簡報、即圈即搜、筆記助手、轉錄助手、通話助手、寫作助手、照片助手、繪圖助手和同傳等 資料來源：各公

72、司官網，聯儲證券研究院 在在 AI 手機需求方面，手機需求方面，用戶換機時更考慮手機用戶換機時更考慮手機 AI 功能“有沒有”而非“好不好”。功能“有沒有”而非“好不好”。蘋果手機在中國地區出貨量已連續 5 個月（可統計數據）同比下滑，2024Q4 中國地區蘋果出貨量 YoY 為-9.60%。與之相反，在中國地區的非蘋果手機出貨量連續 4 個月同比增加，24Q 出貨量 YoY 達 7.18%。據蘋果 CEO Tim Cook，蘋果手機在華銷量下滑的部分原因在于未能在中國地區提供 Apple Intelligence。行業研究 請務必閱讀正文之后的信息披露和法律聲明 19 圖圖33 中國地區蘋果

73、及非蘋果手機出貨量及同比變化中國地區蘋果及非蘋果手機出貨量及同比變化 資料來源：IDC，同花順 iFinD，聯儲證券研究院 聯想迅速推出部署端側聯想迅速推出部署端側 DeepSeek 的的 AI PC，有望助推，有望助推 AI PC 市場吸引力。市場吸引力。2025年 2 月 25 日，聯想集團發布 YOGA AIPC 新品，通過端側部署與蒸餾技術創新，在消費級設備上實現 70 億參數端側 DeepSeek 模型的流暢運行。這一技術突破使得用戶文檔的總結、翻譯、撰寫等操作無需調用云端大模型即可完成，充分保障數據隱私與離線可用性，通過端云協同+混合式 AI 的架構創新，端側部署 DeepSeek

74、+個人云方案成功化解了大模型領域長期存在的“高性能、低成本、安全可靠”的“不可能三角”難題。我們認為聯想作為先行者成功證實了現有 AI 模型在經過蒸餾后可以在端側部署的可能性，或將帶動更多設備嘗試接入本地化 AI 功能。圖圖34 聯想推出端側部署聯想推出端側部署 DeepSeek 的的 AI PC 資料來源：聯想，聯儲證券研究院 綜合來看，綜合來看，AI 手機及手機及 PC 在在 2025 年或將進一步爆發，滲透率預計持續拉升。年或將進一步爆發，滲透率預計持續拉升。據 IDC測算數據，2023 年我國 AI PC 的市場規模約為 320 萬臺，滲透率約為 8.1%；AI 手機的市場規模約為 1

75、000 萬臺，滲透率約為 5.5%，還處于產品導入市場的階段。而市場普遍認為 2024 年將是 AI 個人終端的爆發元年，由于 AI PC 具有生產力場景最多、個人算力最高、存儲容量最大等優勢，與 AI 技術融合速度會更快，2024 年市場規模有望達到 2200萬臺，滲透率超過 50%，到 2027 年市場規模將突破 4200 萬臺；AI 手機囿于體積和功耗等限制，滲透速度相對較慢，但是智能手機的廣泛性和普及性支持 AI 手機長期為智能機增長賦能，預計到 2027 年，AI 手機市場規模將超過 1.5 億臺，滲透率將超過 50%。-60-40-2002040608010012002040608

76、01001201401602014Q42015Q12015Q22015Q32015Q42016Q12016Q22016Q32016Q42017Q12017Q22017Q32017Q42018Q12018Q22018Q32018Q42019Q12019Q22019Q32019Q42020Q12020Q22020Q32020Q42021Q12021Q22021Q32021Q42022Q12022Q22022Q32022Q42023Q12023Q22023Q32023Q42024Q12024Q22024Q32024Q4非蘋果手機出貨量 百萬臺蘋果手機出貨量 百萬臺非蘋果YoY%蘋果YoY%行業研究

77、請務必閱讀正文之后的信息披露和法律聲明 20 圖圖35 AI 手機滲透率手機滲透率情況情況 圖圖36 AI PC 滲透率滲透率情況情況 資料來源：IDC，OPPO，聯儲證券研究院 資料來源：IDC，聯想，聯儲證券研究院 3.2 AIoT：以：以 AI 眼鏡眼鏡為代表為代表的設備的設備機會機會顯現顯現 跟進跟進 Ray-Ban Meta，2024 年年各廠商逐漸發力布局各廠商逐漸發力布局 AI 眼鏡。眼鏡。Ray-Ban Meta 自 2023年年底發布以來，便成為了現象級的爆款單品，甚至可以說成為了 AI 眼鏡這一品類的專屬代名詞，我們認為 Ray-Ban Meta 的火爆具有多個原因：包括輕

78、便、時尚、智能、社交等。而隨著 Ray-Ban Meta 的火爆，可以看到在 2024 年出現了更多的對標產品，其中也不乏國產創業企業和互聯網巨頭，同時 Ray-Ban Meta 珠玉在前，科技廠商與傳統眼鏡廠商的抱團合作已成趨勢，雙方可在眼鏡設計、光學配鏡、市場渠道上產生深度合作，帶來更大商業價值，伴隨著 ODM/OEM 廠商的發力，供應鏈技術成熟度的提高，預計 2025 年將會有更多的 AI 眼鏡，以及更多樣化的單品設計。表表4 2024 年新發布的年新發布的 AI 眼鏡眼鏡 時間時間 產品產品 攝像頭攝像頭 售價售價 重量重量 其它賣點其它賣點 2024 年4 月 李未可Meta Len

79、s Chat 699 元 43g 擬人 AI 語音交互、最大 12h 續航、接入自研大模型 WAKE-AI 2024 年5 月 閃極 AI 智能拍攝眼鏡 A1 1600 萬像素 1499 元 50g 展銳 AI 芯片、支持外掛存儲和供電、LOHO 與科大訊飛合作 2024 年6 月 Eddie Bauer 1684 元 不詳 ChatGPT 交互、配備藍牙、麥克風以及四聲道揚聲器 2024 年7 月 Solos AirGo Vision 249 美元 34g（不含鏡片）多模態 A1、支持 GPT-40、可更換鏡框設計 2024 年8 月 界環 AI 眼鏡(蜂巢科技)699 元 41g 開放聲場

80、技術、AI 通知播報、面對面翻譯 2024 年10 月 Emteg Sense 待公布 62g 面部表情檢測、情緒感知眼鏡、記錄食物消耗 2024 年11 月 小度 AI 眼鏡 1600 萬像素 待公布 45g AI 防抖算法、56 小時續航、中文大模型 2024 年11 月 回車科技Looktech 1300 萬像素 199 美元 37g 聲紋解鎖、數碼旋鈕、智能體小程序 2024 年12 月 加南KANAAN-K1 1388 元 29.2g（不含鏡片）Live 圖拍攝、AI 記憶膠囊 資料來源：VR 陀螺，聯儲證券研究院 以以 Meta 眼鏡為例看，成本壓力有望得到緩解眼鏡為例看，成本壓力

81、有望得到緩解。RayBan Meta 成本總計 174 美元，主板芯片的成本約 99.1 美元，占比約 56.95%，成本占比超一半；眼鏡充電盒的成本約17.5 美元，占比約 10.06%；結構件的成本約 16.9 美元，占比約 9.71%；OEM 的成本約 15 美元，占比約 8.62%。我們認為參考 TWS 耳機發展歷程，AI 眼鏡有望演繹消費者購買單價下降，大幅拓展需求空間的趨勢，形成如 TWS 耳機的“強需求”生態圈，原因包括：技術成熟和供應鏈完善，主控芯片、傳感器等核心元器件的技術逐漸成熟，010203040506000.511.522.533.520232024E2025E2026

82、E2027EAI 手機市場規模 億臺非AI 手機市場規模 億臺滲透率%（右軸）0102030405060708090010203040506020232024E2025E2026E2027EAI PC市場規模 百萬臺非AI PC市場規模 百萬臺滲透率%（右軸）行業研究 請務必閱讀正文之后的信息披露和法律聲明 21 供應鏈也更加完善，使得生產成本降低，從而推動了價格的下降；國產芯片的崛起，國產主控芯片的崛起使得 TWS 耳機的核心成本進一步降低，隨著國產 AI 眼鏡的發布，國產芯片預計持續導入；制造良率的提升，生產效率提高，單位成本降低。圖圖37 Meta 兩代眼鏡兩代眼鏡 BOM 成本成本對比

83、對比 資料來源：Wellsenn XR，聯儲證券研究院 2025 年年 AI 眼鏡有望進入爆發期。眼鏡有望進入爆發期。我們認為眼鏡作為人體感官的延伸，其便捷、高效、直接的特點，使得在眼鏡上搭載端側 AI 功能的意義性巨大，AI 眼鏡未來的增長空間十分廣闊。Ray-Ban Meta 的帶動下，全球 2024 年的 AI 眼鏡銷量由 Q1 的 13 萬副漲到了 Q4 的 140 萬副，預計隨著參與廠商的增多，這個數字還會以較快的速度持續增長，我們認為站在 2025 年初的節點上，可以看到多重因素驅動 AI 眼鏡爆發，包括：Ray-Ban Meta 的銷量持續增長、多款 A1 智能眼鏡新品上市兌現、

84、各大型企業入場發售 AI 智能眼鏡新品。據 Wellsenn XR 數據預測，2025 年 AI 眼鏡銷量有望達到 350 萬副，到 2030年有望達 9000 萬副，CAGR 達 83.7%。圖圖38 2024 年年 AI 眼鏡季度銷量眼鏡季度銷量 圖圖39 AI 眼鏡年度銷量及預測眼鏡年度銷量及預測 資料來源：Wellsenn XR，聯儲證券研究院 資料來源：Wellsenn XR，聯儲證券研究院 參考海外發展歷程，國內參考海外發展歷程，國內 AI 眼鏡處在爆發前夕。眼鏡處在爆發前夕。國內市場方面，2024 年國內銷量僅有 5 萬副，占比約 3%，銷量主要來源于星際魅族 MYVU、Star

85、V、界環、李未可等較早發布 AI 眼鏡產品的廠商，四季度雖然發布產品較多，但量產發售的時間基本落在 2025年，因此我們判斷國內市場正處于 2023 年的海外市場階段，即將迎來爆發。同時如百度、小米等互聯網大廠 AI 眼鏡單品曝光頻繁，2025 年落地指日可待，有望形成“鲇魚效應”，拉動消費者對 AI 眼鏡的關注并推動消費者形成消費認知，充分提振國內市場。49.45%9.25%12.85%2.31%1.28%12.01%3.21%9.63%56.95%7.47%9.71%3.16%1.15%10.06%2.87%8.62%主板傳感器結構件聲學模組電源模組眼鏡充電盒包裝OEM內：RayBan S

86、tories外：RayBan Meta0204060801001201401602024Q12024Q22024Q32024Q4全球AI眼鏡季度銷量 萬副0100200300400500600700010002000300040005000600070008000900010000202320242025E 2026E 2027E 2028E 2029E 2030E全球AI眼鏡年度銷量 萬副YoY%（右軸）行業研究 請務必閱讀正文之后的信息披露和法律聲明 22 圖圖40 2024 年國內外年國內外 AI 眼鏡銷量（萬副）眼鏡銷量（萬副）圖圖41 2024 年國內外年國內外 AI 眼鏡銷量對比眼

87、鏡銷量對比 資料來源：Wellsenn XR，聯儲證券研究院 資料來源：Wellsenn XR，聯儲證券研究院 帶攝像頭帶攝像頭 AI 智能眼鏡方案中，硬件的核心是智能眼鏡方案中，硬件的核心是 SoC。帶攝像頭 AI 智能眼鏡目前有三種方案：系統級 SOC 方案、MCU 級 SOC+ISP 方案以及 SOC+MCU 方案，其中系統級SOC方案集成度較高，功能較多，內置支持拍攝功能的ISP模塊。MCU級別SOC+ISP方案集成度較低，需外接 ISP 芯片實現拍攝功能。SOC+MCU 方案適用性廣，兼顧低功耗和高功耗應用，可通過系統調度有效控制續航時間。圖圖42 AI 眼鏡的三種方案框架眼鏡的三種

88、方案框架 資料來源：Wellsenn XR，聯儲證券研究院 系統級系統級 SOC 方案：方案：SOC 中集成多核 CPU、GPU、DSP、ISP 等多種功能模塊，集成度高，內核頻率高，可為系統提供高性能計算能力，允許 AI 應用的端側部署。同時集成的 DSP、ISP 可支持音頻、攝影等功能，通用性高，方案成熟。缺點是成本高，功耗高。MCU 級級 SOC+ISP 方案：方案：MCU 級 SOC 內部以 MCU 內核為處理中心，可集成音頻模塊，GPU、NPU 或其他功能模塊，集成度低，內核頻率低，更多功能的實現需要外部連接其他功能芯片。優點是成本低，功耗低，定制化能力高。缺點是可提供的系統處理能力

89、不高，且方案相對不成熟。SOC+MCU 方案：方案：SOC 可負責需要高計算能力的應用場景，如支持分時操作系統，人工智能應用，拍攝功能等；MCU 可負責低計算能力的應用場景，如音頻等。該方案下可實現合理的電源管理，延長設備運行時間，兼顧高低算力的應用需求，可用性廣。缺點是成本極高，對芯片設計能力、系統開發能力要求高。我們看好我們看好 AI 眼鏡爆發對眼鏡爆發對 SoC 的帶動作用的帶動作用?？紤] AI 眼鏡作為人體視覺感官的延伸，其應用場景落地于通過圖像接入進行娛樂社交、生產力提升以及垂直領域的可能性更高，而初期需求依賴成本端的有效控制，隨著使用習慣的培育未來或會對性能需求不斷提升。02040

90、6080100120140160萬副萬副國內海外20243.31%96.69%國內海外行業研究 請務必閱讀正文之后的信息披露和法律聲明 23 因此我們認為伴隨 AI 眼鏡爆發，SoC 器件受益可能性較高。表表5 AI 眼鏡的眼鏡的三種方案對比三種方案對比 方案方案 SoC 方案方案 MCU+ISP 方案方案 SoC+MCU 方案方案 算力 高算力，支持 Linux、Android 等系統 低算力，支持 RTOS 等系統 高低算力兼備 AI 能力 支持，高 AI 能力 支持，低 AI 能力 支持，高 AI 能力 成本 高 低 極高 音頻 支持 支持 支持 攝影 支持 支持 支持 連接方式 藍牙、

91、WiFi、esim 藍牙、WiFi、esim 藍牙、WiFi、esim 資料來源：Wellsenn XR，聯儲證券研究院 3.3 智能駕駛：智駕逐漸成為親民標配，智能駕駛：智駕逐漸成為親民標配，市場空間有望大幅擴容市場空間有望大幅擴容 比亞迪智駕全面下放，天神之眼覆蓋大部分車型比亞迪智駕全面下放，天神之眼覆蓋大部分車型，汽車價格戰或將由“電動戰”轉汽車價格戰或將由“電動戰”轉向“智能戰”。向“智能戰”。2 月 10 日，比亞迪舉辦智能化戰略發布會，宣布比亞迪將全系搭載“天神之眼”高階智駕系統，開啟“全民智駕時代”，比亞迪全系自研的天神之眼基本覆蓋了旗下的 90%以上的車型，三套方案 A/B/C

92、 分別對應高端子品牌仰望/中高端騰勢+比亞迪/低價位段車型。面向大眾主流市場的天神之眼 C。由于將高快領航、城區記憶領航等中階智駕系統的搭載門檻降至了 10 萬以內，搭載天神之眼 C 的海鷗智駕版起售價僅為6.98 萬元，而比亞迪本身在中低端市場較大的銷售體量與市場認可度，我們認為比亞迪此舉有望對智能駕駛現有市場格局產生較大改變。圖圖43 比亞迪天神之眼比亞迪天神之眼首批上市車型價格首批上市車型價格 資料來源：比亞迪官微，聯儲證券研究院 特斯拉特斯拉 FSD 入華，智駕競爭再次深化入華，智駕競爭再次深化。2 月 25 日，特斯拉中國發布資訊，表示開始面向定購了 FSD 智能輔助駕駛功能的用戶，

93、分批推送軟件更新，升級城市道路Autopilot 自動輔助駕駛。特斯拉在此次軟件更新中最主要的更新為對車輛提供自動輔助駕駛，會根據導航路線引導車輛駛出匝道和交叉口，在路口識別交通信號燈進行直行，左轉，右轉，掉頭等，并根據速度和路線自動進行變道動作。此次更新雖然并非完整的全自動駕駛 FSD，但是 Autopilot 的更新使得特斯拉在中國的高階智駕方面追平國產廠商。作為全球新能源汽車的標志性企業，特斯拉此舉或將進一步刺激國內智駕市場，供需雙方強化聚焦當前智駕的配備情況。行業研究 請務必閱讀正文之后的信息披露和法律聲明 24 圖圖44 特斯拉為國內用戶特斯拉為國內用戶提供提供 Autopilot

94、資料來源：特斯拉官微，聯儲證券研究院 政策層面對智駕的支持力度逐漸加大。政策層面對智駕的支持力度逐漸加大。從政策面看，各部門對于智駕的認可及支持都在不斷加深。以北京市最新政策條例看：北京市第十六屆人民代表大會常務委員會第十四次會議通過了北京市自動駕駛汽車條例，在基礎設施規劃建設、上路通行管理、安全保障、法律責任等方面都制定了相關管理辦法，此條例將從 2025 年 4 月 1 日開始實行，我們認為隨著頂層的政策構建愈發完整，智駕的滲透率和使用率不斷提升的可能性也就越高。圖圖45 智駕政策逐漸放開智駕政策逐漸放開 資料來源：各部門，聯儲證券研究院繪制 從從 2024 年年 20-25 萬區間來看，

95、萬區間來看，20 萬以下車型萬以下車型高階智駕高階智駕 2025 年年有望爆發有望爆發。高階智駕功能的定價格局在三年間經歷了顯著變遷。2022 年，該技術主要集中于 30-35 萬元的中高端車型，被視為豪華的象征。進入 2023 年后，市場呈現階梯式分化：一方面向 50萬元以上的旗艦車型延伸以強化技術標桿地位，另一方面快速下沉至 20-25 萬元主流區間，當年下半年該價格段成為城市 NOA 功能量產的核心戰場。而進入 2024 年后，高階智駕一方面持續下沉，另一方面則加速滲透：根據中汽協數據，以銷量統計，2024 年我國售價在 20 萬元以下的新能源汽車占比較高，合計達到 60.60%，即對于

96、消費者而言 20 萬元以下車型為主力購買區間。根據佐思汽研數據，2024 年 1 月，20-25 萬元價位段汽車的城市 NOA 搭載率僅有 2.1%，至2024 年 10 月，該值則升至 24.7%，這一變化標志著城市 NOA 正加速普及，20-25 萬價位段已成為車企及第三方智駕廠商競爭的前沿陣地。伴隨各大車企及第三方智駕廠商在智駕伴隨各大車企及第三方智駕廠商在智駕配備配備和和智駕技術上的持續發力，我們預計智駕技術上的持續發力，我們預計2025 年搭配高階智駕的低價位段車型會進一步提升年搭配高階智駕的低價位段車型會進一步提升。而由于此部分車型具有較大的市場份額，因此預計智駕市場有望迎來爆發。

97、行業研究 請務必閱讀正文之后的信息披露和法律聲明 25 圖圖46 2024 年新能源汽車價位段占比年新能源汽車價位段占比 圖圖47 2024 年年 20-25 萬元價格區間內的城市萬元價格區間內的城市 NOA 汽車滲透率汽車滲透率 資料來源：中汽協，同花順 iFinD，聯儲證券研究院 資料來源：佐思汽研，聯儲證券研究院 智駕走向平權時代，我們認為核心受益方包括國產智駕芯片及智駕走向平權時代，我們認為核心受益方包括國產智駕芯片及 CIS 等廠商。等廠商。隨著智駕向各價位段車型的普及，我們預計智駕行業或將出現以下兩大趨勢：第一，DeepSeek的開源推廣，有望支持在既定算力有限情況下的模型性能提升

98、，端到端大模型性能提升使得國產汽車算力芯片性價比突出，發揮空間擴容，可以用較低成本應用于低價位段車型；第二，視覺方案相較于含激光雷達的多傳感器方案，具有更低的成本，以比亞迪三套天神之眼配備硬件來看，C 方案在不含激光雷達的情況下，選擇加裝了更多的攝像頭，因此我們判斷在智駕快速普及時期，采用視覺方案的車型會進一步提升，對作為攝像頭核心器件的 CIS 而言是較大利好。表表6 比亞迪三套天神之眼對比比亞迪三套天神之眼對比 域控成本域控成本 芯片芯片 攝像頭攝像頭 前視攝前視攝像頭像頭 毫米波毫米波雷達雷達 激光雷激光雷達達 超聲波超聲波雷達雷達 適用車適用車型型 天神之眼 A 預估8000-1200

99、0 元 2Orin X 11 個 2 個 5 個 3 個 12 個 仰望 天神之眼 B 預估5000-7000 元 Orin X 11/12 個 2/3 個 5 個 1/2 個 12 個 騰勢+比亞迪 天神之眼 C 預估3000-4000 元 Orin N（70%）/地平線 J6（30%）12 個 3 個 5 個 12 個 比亞迪 資料來源：比亞迪官網，芝能汽車，聯儲證券研究院 4.自主可控自主可控：長期堅定不移地看好科技自立：長期堅定不移地看好科技自立 4.1 消費電子消費電子：國補國補彈性測度彈性測度，有望帶動產業鏈新活力，有望帶動產業鏈新活力 家電國補是推動家電國補是推動 2024 年家

100、電行業復蘇的重要推手。年家電行業復蘇的重要推手。2024 年 8 月 24 日，商務部等4 部門辦公廳發布關于進一步做好家電以舊換新工作的通知，對個人消費者購買 2 級及以上能效或水效標準的冰箱、洗衣機、電視、空調、電腦、熱水器、家用灶具、吸油煙機 8 類家電產品給予以舊換新補貼。以彩電、冰箱、空調、洗衣機四大件來看，自國補政策出臺后，其零售量和均價都出現了不同程度的提升，尤其是在 9、10 月份，同比增長值均出現了“小高峰”。8.22%6.82%18.10%27.46%8.83%8.45%8.38%9.61%1.70%2.43%8萬以下8-10萬10-15萬15-20萬20-25萬25-30

101、萬30-35萬35-40萬40-50萬50萬以上0%5%10%15%20%25%30%20-25萬元價位段汽車城市NOA滲透率行業研究 請務必閱讀正文之后的信息披露和法律聲明 26 圖圖48 主要家電品類零售量及同比變化主要家電品類零售量及同比變化 資料來源：產業在線，同花順 iFinD，聯儲證券研究院 圖圖49 主要主要家電家電品類均價及同比變化品類均價及同比變化 資料來源：產業在線，同花順 iFinD，聯儲證券研究院 家電國補對于家電國補對于家電的零售量及均價都帶來了正向影響。家電的零售量及均價都帶來了正向影響。從 2024 年 9 月劃分前后兩個階段，分別稱為“國補前”和“國補后”，從零

102、售量來看：家電四大件在國補后的增長顯著高于國補前階段的增長，增長值至少為 5.8pct，其中空調增長值最多，達到了 43.5pct；從銷售均價來看：家電四大件同樣出現了國補后的明顯提升，最低的增長值出現在彩電為 5.6pct，最高的則為洗衣機，達 11.8pct。因此可以明顯看到，家電國補極大地提升了消費者熱情，對于家電以舊換新的充分需求使得家電銷量實現了一定增長，同時，由于補貼的存在，對于消費者而言，既定額的消費支出可以購得相對高端的產品，國補前原本零售價格較高的產品的到手價也有一定降幅，因此消費更高價格產品的傾向明顯。表表7 補貼前后家電零售量變化情況補貼前后家電零售量變化情況 彩電零售量

103、彩電零售量（萬臺）（萬臺）冰箱零售量冰箱零售量（萬臺）（萬臺）空調零售量空調零售量（萬臺）（萬臺）洗衣機零售洗衣機零售量（萬臺）量（萬臺）彩電彩電 YoY 冰箱冰箱 YoY 家用空調家用空調YoY 洗衣機洗衣機 YoY 2023 年年 1-8月月 1090.24 1682.68 2069.14 1467.64 2023 年年 9-12月月 634.17 754.74 563.70 942.23 2024 年年 1-8月月 1056.07 1593.88 2282.20 1629.28-3.13%-5.28%10.30%11.01%2024 年年 9-12月月 650.89 812.18 867

104、.13 1122.54 2.64%7.61%53.83%19.14%資料來源：產業在線，同花順 iFinD，聯儲證券研究院-100-5005010015020001002003004005006002023-012023-072024-012024-07彩電零售量 萬臺冰箱零售量 萬臺家用空調零售量 萬臺洗衣機零售量 萬臺彩電YoY%（右軸）冰箱YoY%（右軸）家用空調YoY%（右軸）洗衣機YoY%（右軸）-20-15-10-50510152025303501000200030004000500060007000800090002023-012023-072024-012024-07彩電均價

105、元/臺冰箱均價 元/臺空調均價 元/臺洗衣機均價 元/臺彩電YoY%（右軸）冰箱YoY%（右軸）家用空調YoY%（右軸）洗衣機YoY%（右軸）行業研究 請務必閱讀正文之后的信息披露和法律聲明 27 表表8 補貼前后家電均價變化情況補貼前后家電均價變化情況 彩電彩電均價均價（元元/臺臺）冰箱冰箱均價均價（元元/臺臺）空調空調均價均價（元元/臺臺）洗衣機洗衣機均價均價（元元/臺臺）彩電彩電 YoY 冰箱冰箱 YoY 家用空調家用空調YoY 洗衣機洗衣機 YoY 2023 年年 1-8月月 5695.36 2637.69 4044.43 3982.49 2023 年年 9-12月月 6339.13

106、3374.30 4283.22 4080.90 2024 年年 1-8月月 6444.69 2593.63 4093.21 4142.61 13.16%-1.67%1.21%4.02%2024 年年 9-12月月 7527.14 3583.27 4604.58 4726.43 18.74%6.19%7.50%15.82%資料來源：產業在線，同花順 iFinD，聯儲證券研究院 從家電國補推演從家電國補推演手機手機國補影響，有望拉動國內手機需求大漲。國補影響，有望拉動國內手機需求大漲。2025 年 1 月 5 日，發改委、財政部發布關于 2025 年加力擴圍實施大規模設備更新和消費品以舊換新政策的

107、通知，實施手機等數碼產品購新補貼。對個人消費者購買手機、平板、智能手表手環等 3 類數碼產品（單件銷售價格不超過 6000 元），按產品銷售價格的 15%給予補貼，每位消費者每類產品可補貼 1 件，每件補貼不超過 500 元。2024 年全年國內智能機出貨量 YoY 為 5.26%，以此作為假設：國內手機市場的當前自然增長率為約 5%，考慮我國手機價位段占比情況，消費者為充分利用補貼機會，中高價位段且位于補貼范圍內的手機需求增長的可能性更高，我們認為銷量提升最大的部分為 3000-4000 價位段，其次是 4000-6000 價位段，再次是 3000 以下，最后是 6000以上。參考家電補貼后

108、的影響，估計增幅最大部分的價位段同增提升 8-10pct，增幅最小部分的價位段同增提升 4-5pct，同時考慮到國補帶來的促銷作用或會隨時間有一定減弱，綜合預計 2025H1 智能機同比增長有望達到 10.5%-11.7%，H2 同比增長也有望達 5.5%-8.2%。圖圖50 中國地區中國地區智能手機出貨情況智能手機出貨情況 圖圖51 中國智能手機價位段中國智能手機價位段 資料來源：IDC，同花順 iFinD，聯儲證券研究院 資料來源：IDC，聯儲證券研究院 手機國補助力國內手機市場增長，國產手機廠商或為主要受益方。手機國補助力國內手機市場增長，國產手機廠商或為主要受益方。原因在于：第一，20

109、25 年 1 月，華為以 19.3%的市場份額位居榜首，激活量達 634.81 萬臺，同比增長27.7%，小米、vivo 則分別以 17.34%和 16.66%的份額緊隨其后，蘋果僅有 13.71%的份額位列第五，顯示國產頭部品牌已形成一定優勢；第二，國產品牌在中低端機型市場具有統治性優勢，2000-4000 元價位段市場幾乎無國外品牌競爭空間，而我們在前文分析本次國補后銷量提升最大的市場即這部分市場；第三，伴隨華為 Mate70 系列的發布，華為在高端市場的表現持續亮眼，而 2025 年華為在折疊屏、衛星通信、多端互聯等技術上預計將進一步鞏固優勢，有望持續強化國產品牌概念。以智能機為代表的消

110、費電子走向復蘇，國產品牌帶動國產半導體廠商增長有望。以智能機為代表的消費電子走向復蘇，國產品牌帶動國產半導體廠商增長有望。雖-30-20-100102030405001020304050607080901002020Q12020Q22020Q32020Q42021Q12021Q22021Q32021Q42022Q12022Q22022Q32022Q42023Q12023Q22023Q32023Q42024Q12024Q22024Q32024Q4華為 百萬臺OPPO 百萬臺vivo 百萬臺小米 百萬臺蘋果 百萬臺榮耀 百萬臺其它 百萬臺YoY%（右軸）0%20%40%60%80%100%2019

111、2020202120222023$200$200$400$400$600$600行業研究 請務必閱讀正文之后的信息披露和法律聲明 28 然在全球范圍內消電復蘇略為緩慢，但國內市場表現分化，在各地補貼和新機頻出的帶動下 2024 年手機市場同增持續走高，我們預計在 2025 年的國補帶動下，以智能機市場為代表的消費電子在國內的復蘇或將提速，受益可能性最高的國產手機品牌對國產半導體市場也有望帶來較為可觀的提振作用，帶動消電鏈、安卓鏈芯片廠商逐步走出困境。圖圖52 2025 年年 1 月國產手機月國產手機市場排名市場排名 資料來源：手機中國，聯儲證券研究院 4.2 集成電路集成電路制造制造&封測封測

112、：非非 AI 慢慢出走底部，慢慢出走底部，下游需求或拉動產業協同下游需求或拉動產業協同 制造端來看，各大晶圓廠各大晶圓廠在在 2024 年年均得到一定的復蘇。均得到一定的復蘇。從中國臺灣地區的晶圓廠月度營收視角觀察，2024 年晶圓代工廠的明顯變化的趨勢在于：除去臺積電這種大量產能和收入集中于先進制程的代工廠以外，其它如世界先進、力積電等以成熟制程為主的晶圓廠營收同比變化也已經有 5-10 個月的時間回歸到增長區間段，即說明自 2024H2 以來，晶圓代工的需求是十分強勁的，且其中非 AI 的部分也回到了平穩增長的區間，我們認為在需求端大概率不會走弱的前提下，這個趨勢在 2025 年是可以延續

113、的。圖圖53 臺積電月度營收及同比變化臺積電月度營收及同比變化 圖圖54 聯電月度營收及同比變化聯電月度營收及同比變化 資料來源：同花順 iFinD，聯儲證券研究院 資料來源：同花順 iFinD，聯儲證券研究院 0%5%10%15%20%25%01002003004005006007008009001000華為小米vivoOPPO蘋果其它25年1月激活量 萬臺25年1月市場份額（右軸）-30-20-100102030405060700500100015002000250030003500臺積電營收 億元新臺幣YoY%（右軸）-30-25-20-15-10-5051015050100150200

114、250聯電營收 億元新臺幣YoY%（右軸）行業研究 請務必閱讀正文之后的信息披露和法律聲明 29 圖圖55 世界先進月度營收及同比變化世界先進月度營收及同比變化 圖圖56 力積電月度營收及同比變化力積電月度營收及同比變化 資料來源：同花順 iFinD，聯儲證券研究院 資料來源：同花順 iFinD，聯儲證券研究院 國產晶圓廠的產能供給處于不斷擴張中。國產晶圓廠的產能供給處于不斷擴張中。據 TrendForce 預測，2024 年中國大陸在全球成熟節點制造產能中的占比為 34%，中國臺灣為 43%。到 2027 年，中國大陸的份額預計將超過中國臺灣，而韓國和美國的份額則將分別降至個位數并預計下降。

115、據 SEMI預測，2023 年至 2025 年間投入生產的 97 家新建制造廠中，有 57 家位于中國大陸。從具體項目來看，中芯國際深圳 12 英寸晶圓廠、華潤微（潤鵬）12 英寸晶圓廠、增芯 12英寸晶圓廠等都是 2024 年新增的晶圓廠項目，此外，還有鼎泰匠芯、鵬芯微、鵬新旭等晶圓廠也在 2024 年進行了建設或投產。同時，同時，國產晶圓廠呈現出來的需求增長態勢更加明顯。國產晶圓廠呈現出來的需求增長態勢更加明顯。我們認為相較于其它地區（尤其是中國臺灣地區）的晶圓廠而言，受供應鏈安全的需求，大陸晶圓廠受益于國內終端需求提升的可能性更高，尤其是隨著非 AI 領域的需求復蘇，成熟制程和特色工藝的

116、機會可能會更多地顯現出來。我們判斷在供需雙端走強的情況下，國產產能的擴張與需求轉向可以較好地匹配，國產晶圓廠具有較大的營收增長空間。圖圖57 主要晶圓廠產能利用率主要晶圓廠產能利用率 資料來源：中芯國際財報，華虹公司財報，聯電財報，聯儲證券研究院 封測端來看，先進封裝在提升芯片性能的意義上愈加先進封裝在提升芯片性能的意義上愈加重要重要。當前集成電路的發展至摩爾定律逐漸受限的階段，芯片性能受“存儲墻”“面積墻”“功耗墻”和“功能墻”制約，摩爾定律與其說是半導體行業的技術定律，不如說是商業定律，通過縮短制程來提升芯片性能的方案技術難度大的同時且成本十分昂貴，在性能提升和成本上漲無法匹配的情況下，采

117、取先進封裝提升 IO 數量提升互聯帶寬達到最終芯片性能需求的方案性價比就更加凸顯出來。-60-40-200204060051015202530354045502023-012023-022023-032023-042023-052023-062023-072023-082023-092023-102023-112023-122024-012024-022024-032024-042024-052024-062024-072024-082024-092024-102024-112024-122025-01世界先進營收 億元新臺幣YoY%（右軸）-60-50-40-30-20-1001020313

118、233343536373839402023-012023-022023-032023-042023-052023-062023-072023-082023-092023-102023-112023-122024-012024-022024-032024-042024-052024-062024-072024-082024-092024-102024-112024-122025-01力積電營收 億元新臺幣YoY%（右軸）20%30%40%50%60%70%80%90%100%110%120%2022Q1 2022Q2 2022Q3 2022Q4 2023Q1 2023Q2 2023Q3 2023

119、Q4 2024Q1 2024Q2 2024Q3 2024Q4中芯國際華虹公司聯電行業研究 請務必閱讀正文之后的信息披露和法律聲明 30 圖圖58 先進封裝先進封裝大幅提升互聯密度大幅提升互聯密度 資料來源：臺積電，SemiWiki，聯儲證券研究院 以臺積電以臺積電 CoWoS 為代表，先進封裝的需求預計持續旺盛。為代表，先進封裝的需求預計持續旺盛。在高密度異構集成中，追求高帶寬和低信號延遲的互連變得越來越關鍵，臺積電 CoWoS（Chip-on-Wafer-on-Substrate）技術因其大集成面積、高帶寬內存而備受關注。從技術演進角度，從技術演進角度，CoWoS 的演進路徑清晰。的演進路徑

120、清晰。由于 AI 加速器對計算性能的需求持續增長，封裝中需集成更多芯片，因此中介層尺寸也隨之增大，2023 年，臺積電的 CoWoS封裝中介層尺寸約為 8080mm，相當于光掩膜（Reticle）的 3.3 倍大小，其計劃到 2026年將其擴展至100100mm，光掩膜的5.5倍，并在2027年進一步擴大至120120mm，光掩膜的 8 倍。從產能擴張角度，臺積電持續擴張產能以應對從產能擴張角度，臺積電持續擴張產能以應對 AI 發展浪潮。發展浪潮。2023 年臺積電 CoWoS 產能約為 1300016000WPM，預計 2025 年將達到 6500075000WPM，2026 年預計將達到

121、90000110000WPM。圖圖59 臺積電臺積電 CoWoS 的演進路徑的演進路徑 圖圖60 臺積電臺積電 CoWoS 的產能規劃的產能規劃 資料來源：臺積電，SemiWiki，聯儲證券研究院 資料來源：臺積電，SemiWiki，聯儲證券研究院 對于國產對于國產 OSAT 而言，大力發展先進封裝的意義顯著。而言，大力發展先進封裝的意義顯著。原因在于：先進封裝中的2.5D、3D stacking、晶圓級封裝等是 HBM、AI 芯片的重要前置技術，對于我們構造國產AI生態是無法繞開的；如chiplet技術是整合國產不同半導體廠商產品的有效方式，有望推動國產廠商形成合力，構建產業生態；當前在部分

122、核心技術與設備受限嚴重的情況下，突破先進制程的性價比較低，因此大力發展先進封裝的意義進一步提升；DeepSeek 的落地加速國產 AI 芯片市場擴張，而其模型優化依賴高密度芯片集成，國內AI 芯片市場占比或將提升，倒逼國產先進封裝技術突破；國產 OSAT 市場份額較大，技術追趕迅速，2023 年國內先進封裝產能突破 150 萬 WPM，長電科技和通富微電市占率合計達 37%。預計先進封裝市場將會迅速增長，前景廣闊。預計先進封裝市場將會迅速增長，前景廣闊。據 Yole 預測，全球先進封裝行業的市場規模在 2023 年達到 378 億美元，預計到 2029 年將達到 695 億美元，2023-20

123、29 年的 CAGR 達 10.68%。行業研究 請務必閱讀正文之后的信息披露和法律聲明 31 圖圖61 先進封裝市場規模先進封裝市場規模 資料來源：Yole，聯儲證券研究院 4.3 半導體設備半導體設備&材料材料：制造封測端的機會傳導制造封測端的機會傳導，有望有望實現實現外退內進外退內進 2024 年年半導體半導體設備銷售一掃頹勢，設備銷售一掃頹勢，維持增長態勢。維持增長態勢。整體看全球半導體設備銷售額同比變化，進入到 2024Q2 以來全球設備銷售額 YoY 回正，Q3 全球銷售額達 303.7 億美元，YoY 達 18.86%，錄得近兩年最高值。分結構從各地區半導體設備銷售額同比變化來看

124、，有幾個特征：一是大陸地區的增速自 2023 年以來保持正值，說明了需求的可延續性；二是美國和中國臺灣地區的增速在 24Q3 回正，這是由于美國推動的制造業回流和中國臺灣地區受 AI 需求不斷擴張帶來的結果。圖圖62 各地區半導體設備銷售額各地區半導體設備銷售額 圖圖63 各地區半導體設備銷售額同比變化各地區半導體設備銷售額同比變化 資料來源：同花順 iFinD，聯儲證券研究院 資料來源：同花順 iFinD，聯儲證券研究院 由于前期的低基數，半導體材料市場由于前期的低基數，半導體材料市場 2024 年有望回暖。年有望回暖。在 2023 年由于受行業周期性調整影響，市場規模同比下降，據 SEMI

125、 數據顯示，2023 年全球半導體材料銷售額為 667 億美元，較 2022 年 726.9 億美元下降 8.25%。受益于 AI 驅動和晶圓廠擴產等因素，預計 2024 年全球半導體材料市場將實現回暖。-15-10-5051015202505101520253035日本 十億美元北美 十億美元歐洲 十億美元韓國 十億美元中國臺灣 十億美元中國大陸 十億美元其他地區 十億美元YoY%（右軸）-100-50050100150200日本%北美%歐洲%韓國%中國臺灣%中國大陸%其他地區%行業研究 請務必閱讀正文之后的信息披露和法律聲明 32 圖圖64 半導體材料銷售額及同比變化半導體材料銷售額及同比

126、變化 資料來源：SEMI，同花順 iFinD，聯儲證券研究院 從晶圓廠從晶圓廠 CapEx 看設備材料邊際的需求變化，國產材料設備預計將維持增長?？丛O備材料邊際的需求變化，國產材料設備預計將維持增長。由于大陸晶圓廠在當前全球格局下是更受國產 IC 設計廠商“Local for Local”青睞的，因此其對于產能擴張的需求是高于其它地區的晶圓廠的，中芯國際和華虹公司的產能利用率持續高位運行可以予以佐證。在當前時點下，我們認為這一關鍵趨勢未發生改變，對國產材料設備商而言，從中芯國際和華虹公司的 CapEx 動向來看，中芯國際預計資本開支將大致持平，華虹則是由于產能利用率始終保持 100%左右的高位

127、，其新產線產能擴張的需求較大，因此我們判斷 2025 年國內晶圓廠 CapEx 有望實現穩中有增。在需求端整體穩定的情況下，我們認為結構性的調整是設備材料增長的最關鍵動能。在需求端整體穩定的情況下，我們認為結構性的調整是設備材料增長的最關鍵動能。從當前設備和材料的國內自給率來看，我們看到兩個特點：當前的材料設備國產化率較此前已有明顯提升，根據 TechInsight，2018 年中國設備市場的自給率為 15.9%，到了 2023 年增至 23.3%，半導體材料中 2022 年硅片國產化率僅為 9%，至 2024 年 8 英寸硅片國產化率達 55%；盡管有所提升，但當前值整體仍然偏低，因此我們認

128、為設備材料的市場空間是依舊巨大的，TechInsight 預測 2027 年設備自給率將上升至 26.6%，當前的全球競爭環境對國產廠商而言是風險更是機遇，我們認為自主可控長期的趨勢是不會發生改變的，以國產 AI 為代表的下游需求領域正處于高速發展的快車道上，有望推動設備材料廠商持續切入。-15.00-10.00-5.000.005.0010.0015.0020.0025.0030.0035.000501001502002503003504004505002009201020132014201520162017201820192020202120222023晶圓制造材料 億美元封測材料 億美元

129、晶圓制造材料YoY%（右軸）封測材料YoY%（右軸）半導體材料合計%（右軸）行業研究 請務必閱讀正文之后的信息披露和法律聲明 33 表表9 主要半導體設備自給主要半導體設備自給情況情況 設備類型設備類型 自給率自給率 國產廠商國產廠商 海外廠商海外廠商 去膠 75-90%（中低端）30%（高端）屹唐半導體、北方華創、盛美上海、浙江宇謙、上海稷以等 日立高新技術（日）、拉姆研究（美）等 清洗 50-60%盛美上海、北方華創、至純科技、芯源微、屹唐半導體等 迪恩士（日）、東京電子（日）、拉姆研究（美）等 蝕刻 50-60%（成熟制程）15%（先進制程）中微公司、北方華創、嘉芯半導體、屹唐半導體、拓

130、荊科技、盛美上海、芯源微等 應用材料（美）、拉姆研究（美）、東京電子（日）等 熱處理 30-40%北方華創、晶盛機電、中微公司、拓荊科技、嘉芯半導體等 ASML（荷蘭）、應用材料（美）、拉姆研究（美）、東京電子（日）等 PVD 15-20%（成熟制程）約 10%（先進制程）北方華創、捷佳偉創、嘉芯半導體、中電科、科瑞設備有限公司、中科院沈陽科學儀器、合肥科晶材料等 ASML（荷蘭）、應用材料（美）、拉姆研究（美）、東京電子（日）等 CVD/ALD 5-10%北方華創、晶盛機電、中微公司、盛美上海、拓荊科技、嘉芯半導體等 ASML（荷蘭）、應用材料（美）、拉姆研究（美）、東京電子（日）等 CMP

131、 15-25%（成熟制程）小于 10%（先進制程）盛美上海、華海清科、中國電科、鼎龍控股、晶亦精微等 杜邦（美）、Thomas West（美）、JSR（日）等 涂膠顯影 10-15%（成熟制程）10%（先進制程）盛美上海、芯源微、北方華創、中微公司、華峰測控等 陶氏化學（美）、JSR（日）、TOK（美）等 離子注入 10-20%（成熟制程）5%（先進制程）凱世通、中國電科、爍科中科信、北方華創、中微公司等 應用材料（美）、亞舍利（美）等 曝光 10-15%（成熟制程）0-1%（先進制程）上海微電子、中國電科、北方華創等 ASML（荷蘭）、佳能（日）、尼康（日）等 量測 10-15%（成熟制程）

132、5%（先進制程）上海微電子、中科飛測、精測電子、華海清科、北方華創等 KLA（美）、Santec Holdings（日）等 資料來源：TrendForce，聯儲證券研究院 表表10 主要半導體材料自給情況主要半導體材料自給情況 材料類型材料類型 自給率自給率 國產廠商國產廠商 海外廠商海外廠商 硅材料 55%（8 英寸）10%（12 英寸）滬硅產業、中環股份、立昂微、中晶科技等 信越化學（日）、迪恩士（日）等 工藝化學品 約 10%（G3 及以上）江化微、格林達等 霍尼韋爾（美）、住友化學（日）等 光掩膜 晶圓廠自產為主 清溢光電、路維光電、菲利華等 各大晶圓廠、Toppan（日）等 光刻膠

133、約 10%（高端）華懋科技、彤程新材、南大光電、晶瑞電材、上海新陽等 JSR（日）、東京電子（日）等 CMP 拋光材料 約 30%（拋光液）約 20%（拋光墊）鼎龍股份、安集科技等 陶氏化學（美）、卡博特（美）等 電子氣體 約 15%華特氣體、金宏氣體、雅克科技等 空氣化工（美）、林德集團（德國）等 靶材 自給率較高 江豐電子等 霍尼韋爾（美）、日礦金屬（日)等 引線框架 約 40%康強電子、博威合金等 住友集團（日）、三井化學（日）等 封裝基板 約 20%深南電路、興森科技、欣興電子等 揖斐電（日）、三星電機（韓）等 環氧塑封料 約 30%華海誠科、聯瑞新材等 住友電木（日）、日東電工（日）

134、、日立化工（日）等 鍵合絲 約 30%一諾電子、康強電子等 田中電子（日）等 資料來源：愛集微，北京半導體行業協會，聯儲證券研究院 5.投資建議投資建議 進入進入 2025 年年以來，半導體行業利好頻出，我們認為以來，半導體行業利好頻出，我們認為 2025 年在多重因素共振下行年在多重因素共振下行行業研究 請務必閱讀正文之后的信息披露和法律聲明 34 業有望實現進一步增長，業有望實現進一步增長，迎來復蘇的新階段迎來復蘇的新階段。在當前趨勢下，從尋找各環節的最大公約數出發，我們看好以下方向：云端云端 AI：算力需求：算力需求增長依舊強勁，增長依舊強勁，科技進步主體變化帶來的邊際影響或較為顯著?？?/p>

135、技進步主體變化帶來的邊際影響或較為顯著。預訓練的算力膨脹方興未艾，后訓練和推理側算力重要性愈發明顯，成為維持行業快速增長斜率的關鍵動能，DeepSeek 的橫空出世促使國產軟硬件進一步結合，國產云端 AI生態開辟新場景，有望實現對海外算力、模型、系統之間閉環關系的解耦，構建國產 AI產業鏈的良性循環體系，建議關注：國產算力產業鏈。端側端側 AI：邊緣邊緣 AI 設備的普及與端側算力需求釋放，或催生新的增長點設備的普及與端側算力需求釋放，或催生新的增長點。下一階段的三大重點即：手機與 PC 市場的回暖，搭載端側 AI 實現應用場景落地；AIoT 產品不斷創新，以延伸人體關鍵感覺器官實現功能解放為

136、目標；汽車領域的智能化普及趨勢加速，全民智駕初步走入現實。整體來看端側大模型發揮空間十足，看好具有增長確定性的細分賽道，建議關注：SoC、MCU、電源管理、智駕芯片、CIS 等。自主可控：自主可控：地緣政治與供應鏈重構背景下，中國半導體產業將加速技術突破與產能地緣政治與供應鏈重構背景下，中國半導體產業將加速技術突破與產能布局，同時全球產業鏈多元化趨勢也將重塑行業競爭格局。布局，同時全球產業鏈多元化趨勢也將重塑行業競爭格局。消電國補如約而至，非 AI 領域有望逐漸走出底部區間，設備材料國產替代趨勢未改，制造封測“Loca for Local”有望受益，建議關注底部反轉的可能性以及自主可控進程較快

137、的子行業，包括：半導體設備、晶圓代工、先進封裝等。6.風險提示風險提示 下游需求復蘇不及預期，下游需求復蘇不及預期，若手機、PC 等需求不可延續，車用、工控未得到改善，需求整體弱化影響下，半導體全產業鏈都將難以實現增長；國產國產 AI 發展速度不及預期，發展速度不及預期，若國內 AI 企業的研發停滯，軟件端應用場景落地困難，硬件端協同難度將大大提升；地緣政治風險加劇，地緣政治風險加劇，若上游材料設備進口難度加大，下游商品海外需求減弱，或會導致供應鏈風險提升。行業研究 請務必閱讀正文之后的信息披露和法律聲明 35 免責聲明免責聲明 聯儲證券股份有限公司（以下簡稱“本公司”）具有中國證監會許可的證

138、券投資咨詢業務資格。本報告僅供本公司的客戶使用。本公司不會因接收人收到本報告而視其為客戶。在任何情況下，本公司不對任何人因使用本報告中的任何內容所引致的任何損失負任何責任。本報告的信息均來源于本公司認為可信的公開資料，但本公司及其研究人員對該等信息的準確性及完整性不作任何保證。本報告中的資料、意見及預測僅反映本公司于發布本報告當日的判斷，可能會隨時調整。在不同時期，本公司可發出與本報告所載資料、意見及推測不一致的報告。本公司不保證本報告所含信息及資料保持在最新狀態，對本報告所含信息可在不發出通知的情形下做出修改，投資者應當自行關注相應的更新或修改。本公司力求報告內容客觀、公正，但本報告所載的資

139、料、工具、意見、信息及推測只提供給客戶作參考之用，不構成任何投資、法律、會計或稅務的最終操作建議,本公司不就報告中的內容對最終操作建議做出任何擔保。本報告中所指的投資及服務可能不適合個別客戶，不構成客戶私人咨詢建議。投資者應當充分考慮自身特定狀況，并完整理解和使用本報告內容，不應視本報告為做出投資決策的唯一因素。投資者應注意，在法律許可的情況下，本公司及其本公司的關聯機構可能會持有本報告中涉及的公司所發行的證券并進行交易，也可能為這些公司正在提供或爭取提供投資銀行、財務顧問和金融產品等各種金融服務。本報告版權歸“聯儲證券股份有限公司”所有。未經事先本公司書面授權，任何機構或個人不得對本報告進行

140、任何形式的發布、復制。任何機構或個人如引用、刊發本報告，需注明出處為“聯儲證券研究院”，且不得對本報告進行有悖原意的刪節或修改。分析師聲明分析師聲明 本報告署名分析師在此聲明：我們具有中國證券業協會授予的證券投資咨詢執業資格或相當的專業勝任能力，本報告所表述的任何觀點均精準地反映了我們對標的證券和發行人的個人看法，結論不受任何第三方的授意或影響。我們所得報酬的任何部分無論是在過去、現在及將來均不會與本報告中的具體投資建議或觀點有直接或間接聯系。投資評級說明投資評級說明 投資建議的評級標準投資建議的評級標準 評級評級 說明說明 評級標準為報告發布日后的 6 個月內公司股價（或行業指數）相對同期基

141、準指數的相對市場表現。其中 A 股市場以滬深 300 指數為基準；新三板市場以三板成指（針對協議轉讓標的）或三板做市指數（針對做市轉讓標的）為基準；香港市場以恒生指數為基準。股票評級 買入 相對同期基準指數漲幅在 10%以上 增持 相對同期基準指數漲幅在 5%10%之間 中性 相對同期基準指數漲幅在-5%+5%之間 減持 相對同期基準指數跌幅在 5%以上 行業評級 看好 相對表現優于市場 中性 相對表現與市場持平 看淡 相對表現弱于市場 聯儲證券研究院聯儲證券研究院 青島青島 北京北京 地址：山東省青島市嶗山區香港東路 195 號 8 號樓 11、15F 郵編：266100 地址：北京市朝陽區安定路 5 號院中建財富國際中心 25F 郵編：100029 上海上海 深圳深圳 地址：上海市浦東新區濱江大道 1111 弄 1 號中企國際金融中心 A 棟 12 層 郵編：200135 地址：廣東省深圳市南山區沙河街道深云路 2 號僑城一號廣場 28-30F 郵編：518000