《炬芯科技-公司研究報告-炬力前行用芯聆聽-250513（53頁）.pdf》由會員分享，可在線閱讀，更多相關《炬芯科技-公司研究報告-炬力前行用芯聆聽-250513（53頁）.pdf（53頁珍藏版）》請在三個皮匠報告上搜索。

1、中郵證券炬芯科技（688049.SH）：炬力前行，用芯聆聽證券研究報告股票投資評級：買入|維持中郵證券研究所 電子團隊分析師:吳文吉 S1340523050004分析師:萬 瑋 S13405250300011發布時間：2025-05-13投資要點請參閱附注免責聲明 專業無線音頻IC，瞄準全球高端消費音頻和專業音頻。公司的主要產品為藍牙音頻SoC芯片系列、便攜式音視頻SoC芯片系列、智能語音交互SoC芯片系列等，廣泛應用于藍牙音箱、藍牙耳機、藍牙語音遙控器、藍牙收發一體器、智能教育、智能辦公、智能家居等領域，其中智能音頻SoC芯片產品占據全球市場重要地位，已成為和音頻相關的低功耗無線物聯網領域的

2、主流供應商，并已逐步實現相關芯片領域的國產替代。服務國際國內品牌。公司主要服務于國內外一二線終端品牌，包括哈曼、SONY、Bose、安克創新、LG、維爾晶、榮耀、小米、羅技、雷蛇、漫步者等眾多終端品牌，通過提供差異化搭配的系列芯片組合，可滿足市場上終端品牌的差異化需求，得到了業界主流終端品牌和ODM/OEM代工廠的普遍認可，持續加大主流終端品牌的滲透率。不斷深化2.4G私有通信協議的產品研發及升級。在2.4G頻段之上，除了藍牙等標準協議的持續更新發展，高度定制化、低延遲、低成本的2.4G私有通信協議高速發展，廣泛應用于智能辦公、智能家居、消費電子、工業控制等領域。公司不斷深化對2.4G私有通信

3、協議產品的研發與升級，最新一代產品支持高達16dBm的發射功率和全新一代無線跳頻的通信技術，同時無線傳輸帶寬較第二代提升一倍，達到4Mbps，傳輸距離最遠可達450米，展現出強大的無線連接技術和抗干擾能力，并可靈活支持一發多收、四發四收、多發一收等多種連接組網模式，實現端到端超低延遲下高音質的音頻傳輸。未來，公司將持續探索無線通信技術領域，在低延遲高音質技術領域繼續保持領先地位。端側AI助力音頻新未來。受益于AI大模型的賦能，新一輪設備升級換代的浪潮即將席卷而來。其中，音頻在AI大模型的支撐下有著豐富的應用場景，包括語音識別、噪音抑制、語音翻譯、AI嘯叫抑制、人聲增強、人聲分離、聲紋識別、語義

4、檢測和識別等。公司的端側AI處理器芯片是音頻和AI的重要結合點，給下游客戶提供智能物聯網AIoT端側低功耗算力的芯片平臺，滿足低功耗端側設備的AI應用需求。資料來源：公司公告，中郵證券研究所2投資要點請參閱附注免責聲明 盈利預測：我們預計公司2025-2027年營業收入8.8/11.5/14.9億元，實現歸母凈利潤分別為1.6/2.3/3.1億元，維持“買入”評級。風險提示：技術迭代風險；研發未達預期風險；核心技術人才流失風險；原材料供應及委外加工風險；客戶集中風險；存貨跌價和周轉率下降風險；宏觀環境風險。資料來源：公司公告，中郵證券研究所盈利預測和財務指標盈利預測和財務指標項目項目 年度年度

5、2024A2024A2025E2025E2026E2026E2027E2027E營業收入(百萬元)652 875 1,149 1,493 增長率(%)25.34 34.20 31.37 29.87 EBITDA(百萬元)80 203 269 346 歸屬母公司凈利潤(百萬元)107 163 231 309 增長率(%)63.83 52.58 42.19 33.78 EPS(元/股)0.73 1.11 1.58 2.12 市盈率（P/E）72.02 47.20 33.20 24.82 市凈率（P/B）4.08 3.77 3.42 3.05 EV/EBITDA68.44 30.91 22.67 1

6、6.92 3目錄一深耕智能音頻SOC，引領音頻技術革新二音箱：便攜式，家用市場加速拓展六盈利預測4三私有協議：無線麥克風，Soundbar市占 率逐步提升四端側AI：助力音頻新未來五其他產品：手表眼鏡多元化發展一深耕智能音頻SOC，引領音頻技術革新5請參閱附注免責聲明公司歷史沿革資料來源：公司公告，中郵證券研究所圖表1：公司發展歷程2014公司推出ATS2805B系列雙模（經典藍牙和低功耗藍牙）雙芯片藍牙解決方案，該方案在當時引領了國產藍牙方案潮流。2015公司發布雙模單芯片藍牙解決方案ATS282X，以雙核（CPU和DSP）雙模（經典藍牙和低功耗藍牙）引領行業。2016ATS282X進入小米

7、等知名廠商供應鏈；公司ATM705X和ATS2805獲“高新技術產品”稱號；公司發布雙模單芯片藍牙解決方案ATS281X，以高性價比得到客戶的廣泛認可。2017公司的ATS282X進入安克創新、SONY、哈曼等知名廠商供應鏈；公司發布了首款聯網+健康娛樂學習產品ATJ229R2。2018ATS282X進入小米等知名廠商供應鏈；公司ATM705X和ATS2805獲“高新技術產品”稱號；公司雙模單芯片藍牙解決方案ATS281X，以高性價比得到客戶的廣泛認可。2019公司發布新一代藍牙音箱ATS283X，支持藍牙廣播音頻，繼續引領行業規格；ATS281X和ATS283X進入天貓精靈、羅技和漫步者等終

8、端品牌的供應鏈；公司發布新一代語音交互芯片ATS360X。2020公司藍牙耳機芯片ATS301X正式量產，被傳音等品牌采用；發布ATS2837智能錄音筆方案，被科大訊飛、飛利浦、漢王等知名品牌采用；發布ATS2831藍牙收發一體方案，進入綠聯等終端品牌的供應鏈；發布ATS301X雙麥克風ENC（環境噪聲消除技術）產品方案，為今后的成長奠定基礎；公司發布新一代藍牙音箱芯片ATS285X并正式量產，目前已進入索尼、昂思（Oontz）、iHome等品牌的供應鏈中。2021公司藍牙耳機芯片ATS301X進入realme、JBL、倍思、百度等品牌客戶機型的供應鏈；公司藍牙音箱芯片ATS285X進入Viz

9、io、安克創新、漫步者等品牌客戶機型的供應鏈。2022公司第一代高集成度的智能手表芯片ATS308X系列、基于LEAudio技術私有協議的無線麥克風和無線電競耳機產品以及新一代面向IoT領域超低功耗MCU芯片ATB111X系列均已進入大規模量產階段，品牌客戶的終端產品已經正式上市。2023公司第二代智能手表芯片ATS3085E/S以及ATS3089X系列已正式發布，并已正式量產上市。搭載了公司新一代的低功耗技術，具有2D和2.5D雙GPU加速配置2024公司基于CPU、DSP加NPU三核異構的核心架構已經研發成功;端側AI的專用音頻DSP處理器芯片在客戶端導入中，集成存內計算NPU的端側AI處

10、理器新品已流片并通過內部驗證，正在向客戶推廣中;集成存內計算NPU的無線音頻新品芯片進展喜人，進一步煥新用戶體驗;拓展UWB、WiFi、星閃等無線連接技術布局，持續升級迭代私有通訊協議及藍牙通訊協議6請參閱附注免責聲明股權結構（前十大股東及100%控股公司）資料來源：Wind，中郵證券研究所炬芯科技股份有限公司珠海瑞昇投資合伙企業(有限合伙)泰信中小盤精選混合型證券投資基金信澳新能源產業股票型證券投資基金全國社?；?14組合泰信鑫選靈活配置混合型證券投資基金廈門炬上吉投資合伙企業(有限合伙)廈門炬上益投資合伙企業(有限合伙)珠海炬焱投資合伙企業(有限合伙)珠海辰友投資合伙企業(有限合伙)富國

11、新興產業股票型證券投資基金23.18%2.45%2.37%1.97%1.71%1.38%1.35%1.34%1.32%1.29%合肥炬芯智能科技有限公司炬才微電子(香港)有限公司ACTIONS TECHNOLOGY(HK)COMPANY LIMITED炬力(珠海)微電子有限公司上海炬一科技有限公司熠芯(珠海)微電子研究院有限公司控股100%控股100%控股100%控股100%控股100%控股100%7請參閱附注免責聲明產品多點開花，增長動能強勁 持續加大與國內外一線品牌的合作深度，鎖定中長期增長。在藍牙音箱芯片市場中，公司攜手哈曼、Bose、LG 等為代表的品牌客戶持續推出熱銷產品，不斷提升市

12、場份額，提高對國際頭部品牌客戶的滲透率；面對快速發展的低延遲高音質市場，如家庭影院的無線音響系統、無線麥克風等應用領域的強勁需求，公司敏銳捕捉市場脈搏，積極應對；端側AI處理器芯片在國際一線品牌客戶中的出貨量持續攀升。為應對多元化的市場需求，公司產品多矩陣布局，并不斷對產品結構進行優化。憑借在芯片技術、軟件算法、通信技術等領域的優勢，積極與各行業的伙伴合作，共同推動端側AI在物聯網、智能眼鏡、智能音箱等多個領域的應用，2024年公司實現營業收入6.52億元，同比+25.34%；歸母凈利潤 1.07億元，同比+63.83%。資料來源：Wind，中郵證券研究所圖表2：2017-2024年營業收入及

13、同比趨勢（億元、%）圖表3：2017-2024年歸母凈利潤及同比趨勢（億元、%）13%4%14%28%-21%25%25%-30%-20%-10%0%10%20%30%40%01234567201720182019202020212022202320248181%51%-56%249%-36%21%64%-100%-50%0%50%100%150%200%250%-0.6-0.4-0.20.00.20.40.60.81.01.220172018201920202021202220232024請參閱附注免責聲明毛利率顯著改善，產品結構優化成效顯現 產品結構和客戶結構持續優化，高毛利率產品銷售占比

14、持續提升。隨著公司產品在國際一線品牌應用中的滲透率逐步提升，公司全年營業收入穩步增長，其中，端側AI處理器芯片憑借低功耗、高算力的優勢，出貨量不斷攀升，銷售收入實現倍數增長；低延遲高音質無線音頻產品持續放量，銷售額持續上揚；藍牙音箱 SoC 芯片系列持續加大在頭部音頻品牌的滲透力度，不斷深化公司與客戶合作的廣度和深度。隨著產品結構和客戶結構持續優化，高毛利率產品銷售占比持續提升，進一步提升了公司整體利潤水平，2024年公司毛利率達到48.22%，同比提升4.49pct；2025年Q1毛利率進一步提升至49.82%，同比增加4.4pct。圖表4：2017-2025Q1毛利率走勢（%）圖表5：20

15、17-2024年細分產品毛利率（%）34%39%38%38%44%39%44%48%50%20%25%30%35%40%45%50%55%201720182019202020212022202320242025Q1資料來源：wind，公司公告，中郵證券研究所90%20%40%60%80%100%20172018201920202021202220232024無線音頻SoC芯片便攜式音視頻SoC芯片智能語音交互SoC芯片請參閱附注免責聲明研發投入加碼，技術創新驅動未來 研發投入持續加碼，技術突破引領未來。2024年公司研發費用率達到33%，同比提升1.2個百分點，研發投入總額達2.15億元，同比

16、增長30.06%。公司聚焦端側AI處理器及低功耗高算力芯片的研發，加大研發薪酬和工程投入，以滿足市場對端側設備低功耗、高算力的需求。通過重點布局端側AI處理器芯片領域，公司推動了新產品的開發和技術升級，為未來的市場拓展奠定了堅實基礎。研發人員結構優化，聚焦高算力與低功耗技術創新。截至2024年12月31日，公司研發人員共計266人，占總人數73.08%。公司持續優化升級人力資源運營管理體系，推進股權激勵計劃，覆蓋關鍵崗位工作人員，將員工利益與公司長期發展緊密綁定。資料來源：wind，中郵證券研究所圖表6：逐年研發費用及收入占比（億元/%）圖表7：逐年研發人員及人員占比（人/%）38.8%31.

17、5%30.7%28.5%25.0%30.1%31.8%33.0%0%10%20%30%40%50%0.00.51.01.52.02.52017201820192020202120222023202472%69%70%73%67%68%69%70%71%72%73%74%050100150200250300202120222023202410請參閱附注免責聲明核心技術人員資料來源：公司公告，中郵證券研究所姓名職位工作經歷ZHOUZHENYU董事長、總經理曾任美國Rockwell Semiconductor（后更名為Conexant）話帶調制解調器和ADSL產品研發的高級工程師和研發經理，同時擔任

18、ITU標準組織專家；曾創立美 國 NetRidiumCommunicationInc.（后 被 美 國 納 斯 達 克 上 市 公 司ESSTechnologyInc并購），被收購后擔任ESS通信事業部研發副總裁和CMOS圖像傳感器事業部高級副總裁；曾創立美國Mavrix TechnologyInc和上海摩威電子科技有限公司；上海摩威電子科技有限公司被美國納斯達克上市公司開曼炬力集成NASDAQ：ACTS并購后，擔任高級副總裁。曾任炬力集成首席執行官；2014年至2020年7月，任炬芯有限執行董事、總經理。2020年7月至今，擔任炬芯科技董事長、總經理。龔建系統研發部總監擁有超15年的芯片系統

19、研發設計經驗，參與了公司多項核心技術的研發工作及SoC系統架構的設計規劃、規格制定。歷任炬力集成多媒體事業處系統研發部工程師、經理；2014年9月至2020年7月，歷任炬芯有限系統設計部高級經理、系統研發部總監。2020 年7月至今，任炬芯科技系統研發部總監、監事會主席。張賢鈞研發副總經理曾任瑞昱研發部門主管、擎泰科技股份有限公司董事長特助；曾任炬力集成IC策略特別助理、設計部門總監。2014年9月至2020年7月，歷任炬芯有限IC研發部門總監、研發副總經理；2020年7月至今，任炬芯科技研發副總經理。趙新中算法研發部總監曾任珠海亞力電子有限公司算法研發工程師；歷任炬力集成算法研發部工程師、經

20、理、中心系統研發部高級經理；2014年9月至2020年7月，歷任炬芯有限算法研發部高級經理、總監；2020年7月至今，任炬芯科技算法研發部總監。李邵川熠芯微電子執行董事總經理曾任北京首鋼日電有限公司工程師、珠海亞力電子有限公司工程師和經理；歷任炬力集成IC研發部部長、處長、研發副總經理。2014年9月至2016年10月，歷任炬芯有限研發副總經理，兼任IC中心研發部總監。2016年11月至今，任熠芯微電子執行董事、總經理，兼任IC中心研發部總監。11二音箱：便攜式，家用市場加速拓展12請參閱附注免責聲明中國與全球藍牙音箱市場：穩定增長與未來潛力 從市場規模來看，中國藍牙音箱市場目前處于存量替換的

21、穩定階段，同時得益于細分市場的持續拓展，整體規模有望實現小幅增長。2024年，中國藍牙音箱市場的全渠道銷量為2488萬臺，同比增長5.0%；銷額為72.0億元，同比增長8.4%。其中線上渠道占據了主導地位，貢獻了高達91.8%的銷量。盡管疫情后全球經濟面臨挑戰和增速放緩，藍牙音頻市場依然保持了穩定的線性增長趨勢。預計藍牙音頻流設備的年出貨量將在2024年至2028年間增長1.38倍，期間年復合增長率達到7%?？傮w來看，全球藍牙音箱市場空間持續擴大，展現出強勁的增長潛力和韌性，為行業未來發展提供了廣闊的空間。資料來源：洛圖科技，ABI Research，中郵證券研究所圖表8：中國藍牙音箱市場全渠

22、道銷量及變化（萬臺）3,3612,9962,6742,3272,3702,4889%-11%-11%-13%2%5%-150%-100%-50%0%01000200030004000201920202021202220232024銷量同比增長率圖表9：全球音頻流設備出貨量（億臺）0.85 0.850.960.94 0.941.011.101.171.241.300.00.20.40.60.81.01.21.4201820202021202220232024 2025E 2026E 2027E 2028E13請參閱附注免責聲明國際品牌主導高端市場，本土品牌奮力追趕 國際品牌主導高端市場，本土品牌

23、通過差異化定位和技術創新破局。哈曼卡頓憑借高顏值和創新設計以15.2%的銷額份額穩居線上市場第一，Marshall則以復古風格和音質優勢實現快速增長，成為增速最快的品牌。與此同時，國產漫步者憑借高性價比和電競音箱新品，持續鞏固國內品牌領先地位，2024年銷額份額達到10.8%，同比增長0.7個百分點，穩居國內藍牙音箱品牌第一，并位列線上市場前三。整體來看，國際品牌在高端市場占據主導，而本土品牌則通過差異化定位和技術創新，在中低端市場穩步提升份額，市場競爭日趨激烈。資料來源：RUNTO，中郵證券研究所0%20%40%60%80%100%23Q424Q124Q224Q324Q420232024HA

24、RMANMARSHALLEDIFIERJBLMORRORARTB&OSANSUISOAIYB&WHIVIOTHERS圖表10：中國藍牙音箱線上市場品牌銷額份額14請參閱附注免責聲明國際品牌主導高端市場，本土品牌奮力追趕 哈曼國際旗下擁有JBL,harman/kardon,Mark Levinson，Revel，AKG 等全球知名音箱品牌。在便攜式藍牙音箱領域，JBL最新發布JBL FLIP7“音樂萬花筒”便攜藍牙音箱，該音箱支持藍牙5.4，內置 AI SoundBoost 音頻算法，內置全新設計 Pushlock 可更換配件系統，可快拆裝腕帶、登山扣等攜行配件；支持 IP68 等級防塵防水，支

25、持藍牙 AURACAST 無線串聯技術，一鍵可將兩臺兼容此技術的 JBL 音箱無線配對以打造立體聲效，還可將多臺兼容音箱無線串聯；內置DAC解碼芯片，通過 USB-C 接口連接兼容音頻設備后即可傳輸、播放無損音頻；內置鋰離子聚合物電池，續航可達14小時，開啟 Playtime Boost 模式后還可延長2小時。資料來源：JBL官網，中郵證券研究所圖表11：JBL Flip 7實物圖15請參閱附注免責聲明產品亮點-藍牙音頻SoC(音箱和耳穿戴)全球藍牙音頻SoC芯片的重要供應商之一。得益于公司產品競爭力的不斷提升，藍牙音箱芯片已是公司目前的主力產品和重要收入來源。在藍牙音箱領域，公司已成為行業終

26、端品牌的主流供應商，尤其是中高端藍牙音箱SoC芯片在國際一線品牌已實現突破。在藍牙耳機領域，公司已進入榮耀、realme、傳音、JBL、倍思、TOZO 等終端耳機品牌供應鏈。同時，公司在積極耕耘耳機細分市場，如開放式耳機、頭盔耳機等，已進入倍思、TOZO 等品牌，并攜手餓了么共同開發高品質音頻智能頭盔耳機，未來將持續為廣大用戶帶來沉浸式音頻體驗。資料來源：snapklik官網，JBL官網，中郵證券研究所圖表12：藍牙音頻SoC下游客戶及產品優勢16超過10年的藍牙音頻芯片經驗，結合20年的專業知識沉淀，創造卓越的音頻質量強大的自研音效和免提通話算法藍牙5.4和LE Audio（包括Auraca

27、st）的早期支持者和成熟應用者支持TWS、Auracast豐富的單芯片SoC產品系列，滿足不同的應用需求優質的客戶群體JBL Wind 3Soundcore Motion X500請參閱附注免責聲明產品亮點-藍牙音頻SoC(音箱和耳穿戴)藍牙低功耗音頻（Bluetooth LE Audio）自2020年1月發布，到2022年7月完成全套規范的定義。Bluetooth LE Audio是新一代藍牙音頻技術標準，采用了全新的音頻架構，充分利用低功耗藍牙無線通信的技術優勢。旨在提升標準藍牙音頻的性能，賦予眾多全新用例，提升藍牙音頻的應用場景，并為消費者提供了享受和分享無線音頻的創新方式。Auraca

28、st廣播音頻面向非連接的音頻應用。BAP(Basic Audio Profile)定義了廣播音頻不同的音頻配置，覆蓋了不同的產品形態。如廣播兩路BIS，一路BIS是左聲道音頻流、另一路BIS是右聲道音頻流；廣播一路BIS，BIS是立體聲音頻流；廣播一路BIS，BIS是單聲道音頻；廣播多路BIS，每一路是不同語言的音頻流。資料來源：電子發燒友，中郵證券研究所圖表13：Bluetooth LE Audio工作模式17圖表14：Broadcast Audio Stream工作模式三私有協議：無線麥克風，Soundbar市占率逐步提升18請參閱附注免責聲明傳統音頻行業發展方向 傳統音頻行業未來發展方向

29、主要分為五點，第一是無線化，從穿戴式的TWS耳機，再到7.1.4聲道的沉浸式無線音頻家庭影院都是無線化的標志性應用場景；第二是低延遲，無線化的需求產生了低延遲的需求和挑戰；第三是高音質，可以分成兩個維度，一個是采樣率的不斷提高，從過去CD時代的44.KHz或者48KHz，到現在高清或者Hi-Res的96KHz24bit或者192K24bit，再到發燒級別的384KHz32bit；另一個是高保真度的升級，也就是所謂的THD+N，現在追求到-135dB，接近千萬分之一到千萬分之二左右的精度，雖然大部分人耳朵不能直接區分，但是仍會有不同的聽覺舒適度感受。第四個趨勢是音樂分享和多連接需求也會不斷提高；

30、第五，以上所有的需求和變化都會持續伴隨著便攜化和低功耗的強需求，這也是未來音頻技術發展的不變法則。所有趨勢中最具有挑戰的正是在無線傳輸條件下如何在滿足高音質前提下達成低延遲目標。資料來源：炬芯科技公眾號，中郵證券研究所圖表15：音頻技術發展趨勢19請參閱附注免責聲明無線麥克風消費群體進一步擴張 無線麥克風消費群體進一步擴張。無線系統通常由三個組件組成：麥克風，無線發射器和無線接收器。無線麥克風系統將麥克風捕獲的音頻信號轉換為無線電信號，無線麥克風接收器拾取發射器通過空氣傳播并將其轉換為音頻時發送的信號。視頻直播和內容創作的上升趨勢催化無線麥克風的需求，創作者可以自由行動，而不受有線麥克風繩索的

31、限制。此外，基于2.4G私有協議的無線麥克風產品以其低功耗（輕量化設計）、設備廣泛的兼容性、優秀的降噪性能等表現，迅速贏得消費者的青睞。消費群體快速從Vlog、播客、直播等流媒體場景，擴展至會議、采訪、培訓、音樂、演講、講座等活動場景。資料來源：Fortune business insights;Global Market insights，中郵證券研究所44.7 0102030405020242025E2032E圖表16：無線麥克風市場空間（億美元）2034%24%16%13%13%企業教育酒店體育賽事其他圖表17：2024年無線麥克風應用市場分布（%）請參閱附注免責聲明無線麥克風消費群體進

32、一步擴張 隨著短視頻、Vlog、直播的興起，羅德推出的Wireless系列無線麥克風，受到了眾多用戶的一致好評。其中Wireless Micro專為手機創作者設計，其中內置炬芯科技ATS3031芯片。該芯片內含自主IP的高集成度單芯片SoC，在高音質、低延遲、低功耗、抗干擾能力等特性上均有顯著的優勢。集高品質音頻編解碼、超低延遲無線傳輸通路、超寬帶32K雙麥AI降噪、超低功耗于一體，可廣泛應用于藍牙收發一體器、無線麥克風、低延遲無線電競耳機、無線話務耳機、無線智能會議系統等相關產品中。ATS3031支持全新升級的藍牙5.4和炬芯2.4G私有協議兩種模式，能夠實現全鏈路48KHz24bit高清音

33、頻穩定傳輸，升級電路設計優化底噪干擾（DAC底噪小于3uVrms），同時支持超寬帶 32K AI降噪高清語音通話。在炬芯的2.4G私有協議連接模式下可實現超低延遲(端到端最低可至23ms)，滿足低延遲傳輸的同時提供高品質的音頻體驗和高清的通話體驗。資料來源：我愛音頻網，中郵證券研究所圖表18：RDE羅德Wireless Micro無線麥克風內置炬芯科技ATS3031芯片21拆解芯片請參閱附注免責聲明產品亮點-2.4G私有協議低延遲無線音頻SoC 低延遲高音質無線音頻SoC芯片是公司著力開拓的重要市場。目前主要覆蓋無線家庭影院音響系統、無線麥克風、無線電競耳機、無線收發 dongle 等細分市場

34、，并已進入 SONY、Samsung、VIZIO、海信、TCL、Polk、ONN、Amazon、大疆、RODE、猛瑪、楓笛、西伯利亞、倍思等多個品牌的供應鏈中。在無線家庭影院音響系統、無線麥克風和無線電競耳機市場，終端產品無線化趨勢以及全景聲影視驅動的增量需求將帶來細分市場的穩健增長。資料來源：RODE官網，中郵證券研究所圖表19：2.4G私有協議低延遲無線音頻SoC下游客戶及產品優勢22同時支持藍牙和低延遲2.4G私有協議的雙模式運行更高的音質和小于10ms的超低延遲體驗典型應用無線麥克風2發1收，4發1收和2發4收無線電競耳機無線家庭影院(Soundbar)基于2.4G、5G和UWB的私有

35、無線技術的持續升級，將帶來更低延遲、更高音質的體驗優質的客戶群體無線麥克風Rode Wireless Pro四端側AI：助力音頻新未來23端側大型語言模型演進請參閱附注免責聲明資料來源：Jiajun Xu et al.,”On-Device Language Models:A Comprehensive Review”，機器之心，中郵證券研究所圖表20：端側大型語言模型演進 在人工智能的浪潮中，端側大型語言模型（On-DeviceLLMs）迅猛發展且具備廣泛的應用前景。自2023年起，隨著參數量低于10B的模型系列如Meta的LLaMA、Microsoft的Phi系列等的涌現，LLMs在邊緣設

36、備上運行的可行性和重要性逐漸被驗證。這些模型不僅在性能上取得了長足的進步，更通過混合專家、量化和壓縮等技術，保持了參數量的優化，為邊緣設備的多樣化應用場景提供了強大支持。進入2024年，新模型的推出愈發 密 集，如 左 圖 所 示，Nexa AI的Octopus系列、Google的Gemma系列等，不僅在文本處理上有所增強，更在多模態能力上展現了新的可能性，如結合文本與圖像等多模態輸入，以適應更復雜的用戶交互需求。24大語言模型架構基礎請參閱附注免責聲明資料來源：Jiajun Xu et al.,”On-Device Language Models:A Comprehensive Review

37、”，小窗幽記機器學習，中郵證券研究所 傳統文本大型語言模型:從Transformer架構發展而來，最初由編碼器和解碼器組成。如今，流行的模型如GPT和LLaMA主要使用僅解碼器架構。GPT模型在自注意力機制后應用層歸一化，而LLaMA在每個子層前應用歸一化以提高訓練穩定性。在注意力機制方面，GPT模型使用標準自注意力機制，允許模型在生成序列時考慮輸入序列中所有位置的信息，而LLaMA使用分組查詢注意力(GQA)，優化計算和內存效率?；旌蠈＜遥∕oE）概念最早于1991年提出，在現代語言模型預訓練中關鍵。MoE使用稀疏層減少計算資源，包含多個獨立的“專家”網絡和一個門控網絡，以確定token的路

38、由。多模態大型語言模型:依托Transformer強大的學習能力，這些模型可以同時處理文本、圖像、聲音等多種模態。其內部運作機制如下：A)使用標準交叉注意力層在模型內部層對多模態輸入進行深度融合(如MultiModal-GPT)；B)使用定制設計的層在模型內部層對多模態輸入進行深度融合(LLaMA-Adapter，MoE-LLaVa)；C)在模型輸入階段對多模態輸入進行早期融合，使用特定模態的編碼器(LLaVa，Qwen-VL)；D)在輸入階段進行早期融合，但使用tokenization技術(如分詞器)處理不同模態。在資源有限的設備上部署大型語言模型面臨內存和計算能力的挑戰。為解決這些問題，采

39、用協作和分層模型方法分配計算負載。在資源受限設備上進行訓練的經典方法包括量化感知縮放、稀疏更新、微型訓練引擎(TTE)以及貢獻分析。圖表21：端側大語言模型訓練的經典方法方法介紹量化感知縮放量化感知縮放:通過自動縮放不同位精度張量的梯度來穩定訓練過程，解決量化圖中不同位寬張量梯度尺度不一致的問題，使量化模型的訓練精度與浮點模型相當稀疏更新選擇性地更新網絡中部分層的權重，跳過不太重要的層和子張量的梯度計算，從而減少內存使用和計算成本微型訓練引擎(TTE)包括反向圖中的冗余節點，如凍結權重的梯度節點，并重新排序操作以實現原位更新貢獻分析自動確定稀疏更新方案，即確定哪些參數(權重/偏置)對下游精度貢

40、獻最大，以便在有限內存預算下選擇應更新哪些層或張量部分25端側大語言模型的性能指標請參閱附注免責聲明 在評估設備端大型語言模型的性能時，有幾個關鍵指標需要考慮：延遲、推理速度、內存使用以及存儲和能耗，通過優化這些性能指標，設備端大型語言模型能夠在更廣泛的場景中高效運行，為用戶提供更好的體驗。同時硬件技術的持續進步顯著影響了設備端大語言模型的部署和性能。圖表22：端側大語言模型的性能指標指標介紹延遲是指從用戶輸入請求到系統開始響應所需的時間。通常使用TTFT（首次生成token時間）來衡量。延遲越低，用戶體驗越流暢。推理速度指模型基于已生成的所有token來預測下一個token的速度。由于每個新

41、token都依賴于先前生成的token，因此推理速度對于用戶對話的流暢性至關重要。內存使用使用的RAM/VRAM大小也是語言模型運行的性能指標之一。由于語言模型的運行機制，它們在推理過程中會根據模型參數的大小消耗相應的RAM。例如，在個人辦公筆記本電腦上部署70B參數的模型是不切實際的。對于內存有限的設備，工程師需采用模型壓縮技術來減少內存占用。存儲和能耗模型占用的存儲空間和推理過程中能耗對邊緣設備尤為重要。在大多數情況下，大型語言模型推理會使處理器處于滿負荷工作狀態。如果運行時間過長，將嚴重消耗移動設備的電池。推理過程中的高能耗可能影響設備的電池壽命。例如，一個7B參數模型推理每個token

42、將消耗約0.7J。對于電池容量約為50kJ的iPhone來說，這意味著與模型的對話最多只能持續兩個小時。此外，模型推理引起的設備發熱也是需要解決的問題。圖表23：端側大語言模型硬件介紹硬件介紹GPU憑借其大規模并行能力和高內存帶寬，GPU已成為訓練和加速大型語言模型的標準。NVIDIA的Tensor Cores在Volta架構中引入，并在后續幾代中改進，為混合精度矩陣乘加運算提供了專門的硬件支持，這對基于Transformer的模型至關重要。NVIDIA的A100 GPU，配備80GB HBM2e內存，使得在單個設備上訓練具有數十億參數的模型成為可能?？蚣苋鏜egatron-LM中實現的張量并

43、行和流水線并行等技術，允許大語言模型在多個GPU上高效擴展。使用混合精度訓練，特別是FP16和BF16格式，顯著減少了內存占用，并增加了現代GPU上的計算吞吐量。NPU神經處理單元（NPU），也稱為AI加速器，是專為機器學習工作負載設計的專用芯片。Google的張量處理單元（TPU）是一個突出的例子，v4版本每個芯片提供275 TFLOPS的BF16性能。TPU利用脈動陣列架構進行高效的矩陣乘法，特別適合大語言模型中的Transformer層。TPU Pod配置允許擴展到數千個芯片，使得訓練如GPT-3和PaLM等大規模模型成為可能。其他NPU，如華為的昇騰AI處理器和Apple的Neural

44、 Engine，也通過量化和剪枝等技術為較小的大語言模型的設備端推理提供加速。FPGA現場可編程門陣列（FPGA）為加速大語言模型提供了靈活的硬件平臺，尤其是在推理方面。最近的研究展示了在FPGA上高效實現Transformer層，利用稀疏矩陣乘法和量化等技術。例如，微軟的Project Brainwave使用Intel Stratix 10 FPGA加速BERT推理，實現了低延遲和高吞吐量。FPGA在能效方面表現出色，可以針對特定模型架構進行優化，使其適合較小大語言模型的邊緣部署。然而，與GPU和ASIC相比，FPGA的計算密度較低，限制了其在訓練大規模模型方面的應用。資料來源：Jiajun

45、 Xu et al.,”On-Device Language Models:A Comprehensive Review”，小窗幽記機器學習，中郵證券研究所26邊緣智能的新紀元請參閱附注免責聲明 在人工智能的飛速發展中，大型語言模型（LLMs）以其在自然語言處理（NLP）領域的革命性突破，引領著技術進步的新浪潮。自2017年Transformer架構的誕生以來，OpenAI的GPT系列到Meta的LLaMA系列等一系列模型崛起。這些模型傳統上主要部署在云端服務器上，這種做法雖然保證了強大的計算力支持，卻也帶來了一系列挑戰：網絡延遲、數據安全、持續的聯網要求等。這些問題在一定程度上限制了LLMs

46、的廣泛應用和用戶的即時體驗。正因如此，將LLMs部署在端側設備上的探索應運而生，不僅能夠提供更快的響應速度，還能在保護用戶隱私的同時，實現個性化的用戶體驗。圖表24：2022 年至 2032 年按終端用戶劃分的端側 AI 全球市場規模（單位：十億美元）隨著技術的不斷進步，端側AI市場的全球規模正以驚人的速度增長，預計從2022年的152億美元增長到2032年的1436億美元，這一近十倍的增長不僅反映了市場對邊緣AI解決方案的迫切需求，也預示著在制造、汽車、消費品等多個行業中，端側AI技術將發揮越來越重要的作用。資料來源：Jiajun Xu et al.,”On-Device Language

47、Models:A Comprehensive Review”，機器之心，中郵證券研究所27請參閱附注免責聲明AI驅動端側智能硬件多點開花 DeepSeek的低訓練成本與高性價比特性，正在重構端側AI硬件生態格局：其技術突破直接刺激智能耳機、智能家居及可穿戴設備加速智能化進程，驅動AI芯片需求激增。當前主流為語音和文字交互模式，但隨著AI處理技術的進步，預計2025年后將出現能同時處理文字、語音、視頻甚至復雜數據的全能型交互產品。作為最早落地的AI端側設備之一，AI耳機憑借成熟技術和輕便特性，正成為廠商布局智能硬件的首選入口。2024年8月這類產品雖僅占1.4%市場份額，但其銷量同比暴漲763%

48、、銷售額激增14倍的現象，凸顯該領域的增長潛力。隨著字節跳動Ola Friend等新品在10月推動市場持續爆發，行業預計到2025年AI耳機將突破現有技術限制，逐步擺脫手機依賴進化為獨立智能終端。資料來源：IDC，中科創客，巨潮WAVE，智研咨詢，中研網，中郵證券研究所 AI技術的深度整合正在重塑智能家居行業格局，2025年將成為關鍵轉折點：通過用戶行為數據分析，設備實現從被動響應到主動服務的進化照明系統自動匹配作息節律，空調預判體溫變化調節環境，安防設備可識別異常聲響主動預警。行業數據顯示，2024年全球智能家居支出將突破1250億美元（同比增長7%），中國市場以20%增速領跑全球；預計20

49、25年我國市場規模將超8000億元，設備出貨量達2.81億臺（同比+7.8%），其中智能照明品類增速最快，印證了光環境智能化正在成為現代家居升級的核心場景。28 智能手機SoC自多年前就開始利用NPU(神經網絡處理器)改善日常用戶體驗，賦能出色影像和音頻，以及增強的連接和安全。不同之處在于，生成式AI用例需求在有著多樣化要求和計算需求的垂直領域不斷增加，這些用例可分為按需型用例、持續型用例以及泛在型用例。這些AI用例面臨兩大共同的關鍵挑戰：1）在功耗和散熱受限的終端上使用通用CPU和GPU服務平臺的不同需求，難以滿足這些AI用例嚴苛且多樣化的計算需求；2）這些AI用例在不斷演進，在功能完全固定

50、的硬件上部署這些用例不切實際。因此，支持處理多樣性的異構計算架構能夠發揮每個處理器的優勢，例如以AI為中心定制設計的NPU，以及CPU和GPU。每個處理器擅長不同的任務：CPU擅長順序控制和即時性，GPU適合并行數據流處理，NPU擅長標量、向量和張量數學運算，可用于核心AI工作負載。CPU和GPU是通用處理器，為靈活性而設計，非常易于編程，“本職工作”是負責運行操作系統、游戲和其他應用等。而這些“本職工作”同時也會隨時限制他們運行AI工作負載的可用容量。NPU專為AI打造，AI就是它的“本職工作”。NPU降低部分易編程性以實現更高的峰值性能、能效和面積效率，從而運行機器學習所需的大量乘法、加法

51、和其他運算。通過使用合適的處理器，異構計算能夠實現最佳應用性能、能效和電池續航，賦能全新增強的生成式 AI 體驗。NPU：賦能端側、邊緣側大模型請參閱附注免責聲明資料來源：通過NPU和異構計算開啟終端側生成式AI(Qualcomm)，中郵證券研究所圖表25：生成式AI用例需求生成式AI用例需求介紹按需型按需型用例由用戶觸發，需要立即響應，包括照片/視頻拍攝、圖像生成/編輯、代碼生成、錄音轉錄/摘要和文本(電子郵件、文檔等)創作/摘要。這包括用戶用手機輸入文字創作自定義圖像、在 PC 上生成會議摘要，或在開車時用語音查詢最近的加油站。持續型持續型用例運行時間較長，包括語音識別、游戲和視頻的超級分

52、辨率、視頻通話的音頻視頻處理以及實時翻譯。這包括用戶在海外出差時使用手機作為實時對話翻譯器，以及在 PC 上玩游戲時逐幀運行超級分辨率。泛在型泛在型用例在后臺持續運行，包括始終開啟的預測性A1助手、基于情境感知的 A1個性化和高級文本自動填充。例如手機可以根據用戶的對話內容自動建議與同事的會議、PC端的學習輔導助手則能夠根據用戶的答題情況實時調整學習資料。圖表26：SoC示意圖29 NPU專為實現以低功耗加速AI推理而全新打造，并隨著新AI用例、模型和需求的發展不斷演進。對整體SoC系統設計、內存訪問模式和其他處理器架構運行AI工作負載時的瓶頸進行的分析會深刻影響NPU設計。這些AI工作負載主

53、要包括由標量、向量和張量數學組成的神經網絡層計算，以及隨后的非線性激活函數。2015年，早期的NPU面向音頻和語音AI用例而設計，這些用例基于簡單卷積神經網絡(CNN)并且主要需要標量和向量數學運算。從2016年開始，拍照和視頻AI用例大受歡迎，出現了基于Transformer、循環神經網絡(RNN)、長短期記憶網絡(LSTM)和更高維度的卷積神經網絡(CNN)等更復雜的全新模型。這些工作負載需要大量張量數學運算，因此NPU增加了張量加速器和卷積加速，讓處理效率大幅提升。有了面向張量乘法的大共享內存配置和專用硬件，不僅能夠顯著提高性能，而且可以降低內存帶寬占用和能耗。例如，一個NxN矩陣和另一

54、個NxN 矩陣相乘，需要讀取2N2個值并進行2N3次運算(單個乘法和加法)。在張量加速器中，每次內存訪問的計算操作比率為N:1，而對于標量和向量加速器，這一比率要小得多。2023年，大語言模型(LLM)-比如Llama 2-7B，和大視覺模型(LVM)-比如Stable Diffusion 賦能的生成式AI使得典型模型的大小提升超過了一個數量級。除計算需求之外，還需要重點考慮內存和系統設計，通過減少內存數據傳輸以提高性能和能效。2024年，NPU在多模態大模型中的應用逐漸普及，支持更高效的推理和更自然的交互。隨著AI持續快速演進，必須在性能、功耗、效率、可編程性和面積之間進行權衡取舍。一個專用

55、的定制化設計NPU能夠做出正確的選擇，與AI行業方向保持高度一致。請參閱附注免責聲明資料來源：通過NPU和異構計算開啟終端側生成式AI(Qualcomm)，中郵證券研究所圖表27：NPU隨著不斷變化的AI用例和模型持續演進，實現高性能低功耗NPU：賦能端側、邊緣側大模型30請參閱附注免責聲明存內計算：突破“存儲墻”的計算革命 存算一體技術，也稱為存內計算，其核心理念是將數據存儲與計算功能集成在同一芯片內。這種方法能夠有效突破馮諾依曼架構的限制，尤其適合處理深度學習神經網絡等需要處理大量數據且高度并行的任務。資料來源：CSDN，中郵證券研究所 在傳統的計算模式中，數據通常先存儲在磁盤等外部設備上

56、，待計算時再轉移到內存中。相比之下，存內計算允許數據持久駐留在內存中，計算過程直接在內存中完成，這樣就減少了數據遷移和磁盤讀取的需求，從而提升了整體的運算效率。存內計算具有高性能、低延遲以及節約能源的優勢。3D堆疊技術作為近內存計算的一種實現方式，通過將多層DRAM堆疊在一起，縮短了內存與處理單元之間的路徑，從而提升了內存容量和帶寬，在一定程度上緩解了馮諾依曼架構中“存儲-內存-處理單元”數據搬移的開銷問題。然而，近內存計算并未從根本上改變數據存儲與計算分離的現狀，其性能提升有限且成本較高，例如Intel和Micron開發的3D Xpoint技術因性能和生態限制最終被放棄。相比之下，存內計算通

57、過將存儲與計算融合在同一芯片中，能夠更徹底地解決馮諾依曼架構的瓶頸問題，展現出更大的潛力。3D xpoint近存儲計算近內存計算存內計算公用數據總線運算部件存儲部件馮諾依曼架構芯片面臨“存儲墻”難題馮諾依曼“瓶頸”31請參閱附注免責聲明存內計算技術對比：優勢與局限 存儲介質是存內計算芯片的關鍵組成部分，不同存儲介質決定了芯片的特性。存儲介質可分為兩大類：一類是易失性存儲器，這類存儲器僅在通電時保存數據，斷電后數據會丟失，例如SRAM和DRAM；另一類是非易失性存儲器，其數據在斷電后仍能持久保存，例如RRAM、PCM、MRAM和NOR Flash等。資料來源：CSDN，中郵證券研究所類型介紹優勢

58、劣勢易失性存儲器SRAM靜態隨機存儲器（Static Random Access Memory）常用于CPU中的緩存，基本存儲單元由晶體管搭建而成，常見有6晶體管（6T）、8晶體管（8T）結構讀寫速度快、無讀寫次數限制，且工藝成熟，器件一致性和穩定性較好，適用于數字存算一體，可以做到較高的計算精度。價格昂貴、多晶體管單元結構下存儲密度較低、需要通電以保持數據DRAM動態隨機存儲器（Dynamic Random Access Memory）DRAM存儲的數據需要周期性更新，和SRAM相對。DRAM需要1個晶體管和1個電容來存儲信息DRAM密度高，單位體積的容量較高因此成本較低，主要應用于主存和內

59、存等場景需要周期性刷新電荷，所以訪問速度較慢，耗電量較大SRAM結構示意圖類型介紹SRAM實現方法用數字電路實現計算功能由于計算單元并未真正進入SRAM陣列，本質上這只能算是近存技術。用模擬器件的特性進行模擬計算實現了真實的CIM，但精度有所損失，一致性和可量產性完全無法保證，而且必須基于ADC和DAC完成交互，效率低。32請參閱附注免責聲明存內計算技術對比：優勢與局限 對于存內計算來說，由于不同類型的存儲器通常需要“定制化”的電路和控制方式才能適配其作為存內計算的使用需求，因此在具體應用中，需要根據實際場景的需求來選擇合適的計算范式及存儲器件。資料來源：CSDN，中郵證券研究所類型介紹優勢劣

60、勢非易失性存儲器RRAM憶阻器（Resistive Random Access Memory）是一種極具潛力的新型非易失存儲器件，基本存儲單元為金屬-絕緣體-金屬或者金屬-絕緣體-半導體的三明治結構?？蓛Υ娑啾忍匦畔?，具有非易失性，可以做成陣列結構，廣泛運用與AI推理場景中工藝不成熟，耐久性挑戰PCM相變存儲器（Phase-change RAM）是一種由硫族化合物材料構成的非易失存儲器件，相變材料的兩種相在切換之后，即使在斷電的情況下也可以相對穩定地保持有非易失、存儲密度高、多比特存儲、支持3D堆疊，主要還是作為大容量存儲器發展工藝不成熟，寫入功耗較大、擦寫次數較少等問題MRAM（Magnet

61、oresistive Random Access Memory）是一種基于自旋電子學的新型非易失存儲器件，以磁隧道結（MTJ）為核心結構，利用隧道磁阻效應實現電阻狀態改變，每種電阻狀態對應1或者0，來達到存儲信息的目的具有非易失、訪問速度快、讀/寫次數高等優點，且具備較高的可靠性和穩定性器件成熟度較低，功耗、速度和耐久性等指標離理論預期尚有一定差距FeFET（Ferroelectric Field Effect Transistor）工作原理在于鐵電層可以通過極化電荷對溝道施加場效應，從而控制晶體管的閾值電壓。具有極低的寫功耗、快速的讀取操作以及與CMOS兼容的高微縮能力，基于FeFET的存儲

62、與CiM電路在密度和能效上的優勢尤為突出。存在工藝成熟度、可靠性和壽命上的不足NOR Flash將存儲單元組織為塊陣列，能夠以字節為單位進行數據訪問具有較快的讀速度，能夠提供片上執行的功能，多被用于手機、BIOS芯片以及嵌入式系統中進行代碼存儲。寫操作和擦除操作的時間較長、且容量低、價格高。33請參閱附注免責聲明模數混合SRAM存內計算：平衡性能、能效與量產資料來源：芯師爺公眾號，Techsplicit，中郵證券研究所 炬芯科技選擇基于模數混合設計的SRAM存內計算（Mixed-Mode SRAM based CIM,MMSCIM），是因為其在性能、能效、量產可行性和未來擴展性上實現了最佳平衡

63、。首先，低功耗端側AI設備需要單芯片集成，特殊工藝的DDR RAM和Flash因成本和技術限制被排除，而SRAM憑借其成熟的工藝、高讀寫速度、高能效比以及無限次讀寫的特性成為理想選擇，盡管其存儲密度較低，但足以滿足端側AI的算力需求。其次，新興NVRAM（如RRAM）雖然具有高密度和低讀功耗的優勢，但其工藝不成熟、寫次數有限且量產風險高，短期內無法替代SRAM。此外，純數字實現的近存技術未能真正實現存內計算，能效比有限；而純模擬實現雖能效比高，但存在精度損失、一致性差、量產難度大等問題，且依賴ADC/DAC，限制了數據流效率和設計靈活性。相比之下，模數混合設計在SRAM中嵌入客制化模擬電路實現

64、數字計算，既保證了真正的存內計算，又兼具高精度、高可靠性和量產一致性；同時無需ADC/DAC，簡化了數據流設計，提升了運行效率，并支持工藝升級、跨晶圓廠設計遷移以及性能、功耗和面積（PPA）的靈活優化。此外，該技術還支持自適應稀疏矩陣計算，進一步降低功耗并提升能效比。34請參閱附注免責聲明新一代端側AI音頻芯片：低功耗、高能效比的突破資料來源：芯榜公眾號，中郵證券研究所 炬芯科技推出基于模數混合SRAM存內計算（MMSCIM）的新一代端側AI音頻芯片，涵蓋ATS323X、ATS286X和ATS362X三大系列，分別面向私有無線音頻、藍牙AI音頻和AI DSP領域。芯片采用CPU（ARM）+DS

65、P（HiFi5）+NPU（MMSCIM）三核異構架構，MMSCIM提供低功耗、大算力的通用AI算子支持，HiFi5 DSP補充新興算子，形成高彈性、高能效比的AI-NPU架構。第一代MMSCIM在500MHz下實現0.1TOPS算力和6.4TOPS/W能效比，稀疏矩陣優化下能效比可超10TOPS/W。芯片支持片上1百萬參數AI模型，可擴展至8百萬參數，并配備專用AI開發工具ANDT，支持TensorFlow、PyTorch等標準流程，助力開發者快速落地。實測顯示，MMSCIM能效優勢顯著：環境降噪任務中，功耗降低98%，能效比提升44倍；語音識別任務中，功耗降低93%，能效比提升14倍。復雜模

66、型如Deep Recurrent Neural Network和ConvolutionalRecurrent Neural Network中，功耗分別降低89%和88%。特定CNN-Con2D算子模型中，MMSCIM算力比HiFi5 DSP高16.1倍。炬芯科技通過低功耗、高能效設計及靈活AI-NPU架構，為端側AI音頻芯片樹立新標桿，引領行業技術潮流。35基于端側AI處理器的音頻處理SoC芯片解決方案基于DSP 的解決方案基于CPU+DSP 的解決方案基于CPU+DSP+NPU 的解決方案(基于SRAM 的CIM技術)基于CIM的NPU技術亮點:超高功效(10TOPS/W)自適應稀疏性以實現

67、節能無限制寫入，適用于AI transformer模型請參閱附注免責聲明產品亮點-端側音頻AI SoC 從智能音頻入局，率先發力端側AI。公司的端側AI處理器芯片首先落地于音頻產品的應用，將基于多核異構AI計算架構，打造低功耗端側AI算力，以滿足日益增長的終端設備智能化需求。AI模型在音頻領域有許多應用場景，包括語音識別、噪音抑制、語音翻譯、AI嘯叫抑制、人聲增強、人聲分離、聲紋識別、語義檢測和識別等，具有廣闊的市場前景。公司將緊密追蹤生成式AI領域的發展趨勢，深化與客戶戰略合作，大力推動AI技術在端側設備上的融合應用，切實提升低功耗端側AIoT設備的用戶體驗。資料來源：JBL官網，什么值得買

68、，京東，向往智能官網，中郵證券研究所圖表28：端側音頻AI SoC下游客戶及產品優勢36五其他產品：手表眼鏡多元化發展37請參閱附注免責聲明AI眼鏡引領硬件智能化新潮流 2025全球開發者大會上演百鏡大戰，AI眼鏡作為端側AI的最佳載體，正引領著硬件智能化的新潮流，成為目前商業化最快的AI硬件產品。根據維深信息（wellsenn XR）數據顯示，2024年全球AI智能眼鏡銷量234萬臺。其中，中國國內市場AI智能眼鏡銷量為5萬臺，占比2%；海外市場AI智能眼鏡銷量為229萬臺，占比98%。2024年全球AI智能眼鏡銷量中96%為拍照AI智能眼鏡，AR+AI智能眼鏡銷量6萬臺，占比3%，音頻AI

69、智能眼鏡銷量3萬臺，占比1%。預計2025年全球AI智能眼鏡銷量550萬臺，較2024年增長135.04%。隨著更多AI智能眼鏡品牌廠商的加入，推動AI智能眼鏡市場規模不斷擴大。資料來源：wellsenn XR，中郵證券研究所圖表29：全球AI智能眼鏡季度銷量統計表（萬副）1030511400204060801001201401602024Q12024Q22024Q32024Q4圖表30：全球AI眼鏡銷量統計和預測表（萬副）342345501,1002,2003,5006,0009,00002,0004,0006,0008,00010,000202320242025E 2026E 2027E

70、2028E 2029E 2030E38注：sell out 口徑統計，不含音頻眼鏡、投屏觀影類AR等注：sell out 口徑統計，不含音頻眼鏡、投屏觀影類AR等請參閱附注免責聲明CES 2025智能眼鏡主要品牌展出產品資料來源：洛圖科技，中郵證券研究所39品牌/企業機型產品類型產品亮點雷鳥創新X3 ProAR眼鏡產品搭載自研螢火光引擎、RayNeo波導的AI+AR眼鏡，產品將于2025年Q2正式上市。V3拍攝眼鏡AI可拍攝眼鏡影像方面:獨家定制獵鷹光學鏡頭，支持4K照片拍攝和多種視頻錄制格式:搭載高通驍龍AR1芯片平臺，自帶虹軟AI視覺算集成多幀降噪、HDR拍攝、電子防抖、暗光增強等技術。整

71、機重量僅39克，搭配便攜充電盒，可支撐30小時續航:AI方面:采用定制版智能眼鏡專用通義大模型，AI平均響應速度為1.3s，AI識別準確率高達98%RokidRokid GlassesAR眼鏡產品集合拍攝功能和AR于一體，整機重量僅為49g，搭載了高通驍龍AR1芯片，深度整合阿里巴巴旗下通義千問大模型，可以實現AI識物、實時翻譯，掃碼聲紋支付等功能，產品計劃于2025年Q2上市。星紀魅族StarV Air2AR眼鏡采用自研StarVision光波導顯示系統:搭載蜂鳥Mini ll MicroLED單綠光引擎;入眼峰值亮度可達2000nits;支持語音AI交互，產品可完成AI閃念速記、多國語言翻

72、譯等功能。整機輕量化設計，大小僅為0.15CC，重量僅44g。Ambiq與ThinkAR合作AiLensAR眼鏡續航:一次充電可連續使用長達8小時。INAIRAI空間電路AR眼鏡AR眼鏡+計算主機套裝，面向辦公場景。XREALXREAL One ProAR眼鏡內含自主研發XREAL X1空間計算芯片，使眼鏡顯示性能大幅提升，產品可支持原生3DoF。雷神科技AURA智能眼鏡AR眼鏡、AI可拍攝眼鏡AR輕享版:國內1月7日線上開售，售價僅為999元AI+AR版:Micro 0LED+陣列光波導設計，一體版配置有4800萬像素微光攝像頭。AI探索版:搭載高通驍龍AR1芯片，配備1200萬像素攝像頭，

73、可拍攝1080P高清防抖視頻。Gyges Labs和Moody合作HallidayAR眼鏡主動式AI隱顯眼鏡，顯示基于視網膜投影原理，通過集成到鏡框中的光學模塊把內容投影到眼睛中，無需特殊鏡片。重量僅35g，充電一天可使用12小時，充電一小時即可充滿電。莫界科技輕量型全彩AR+AI眼鏡設計方案AR眼鏡產品融合莫界自主研發的近眼顯示系統、感知交互和量產工程以樹脂衍射波導為核心，提供雙目全彩顯示，產品重量僅為49g請參閱附注免責聲明CES 2025智能眼鏡主要品牌展出產品資料來源：洛圖科技，中郵證券研究所40品牌/企業機型產品類型產品亮點歌爾股份輕量化AR參考設計Mulan 2、Wood2AR眼鏡

74、、AI可拍攝眼鏡重量分別為36克和58克。Mulan 2采用超薄碳纖維框架和超輕鈦合金鉸鏈，搭載全息波導鏡片和Micro LED光機確保輕薄設計和最小光泄漏。Wood 2集成超輕材料前框、超小型SiP模組等創新技術，支持全彩顯示、高清拍攝和多模態AI交互。PC VR參考設計PC VR單目4K Micro 0LED顯示屏+3P Pancake光學方案的PC VR參考設計，通過優化設計和材料，整機重量降至約145克，減輕長時間佩戴負擔。光波導AR顯示模組AR顯示模組SRG表面浮雕光柵的單光機雙目衍射光波導AR顯示模組，輕薄目顯示效果卓越。億境虛擬AI眼鏡參考設計AI可拍攝眼鏡產品搭載驍龍AR1芯片

75、，并配備12MP超廣攝像頭、5MIC陣列，支持WiFi6/7和藍牙5.3.中科創達混合現實參考設計 MR HMD ProMR產品搭載高通驍龍XR2+Gen2平臺，支持高精度、低延遲的即時定位與地圖構建(SLAM)追蹤和手部追蹤，其6自由度頭部追蹤功能結合雙3200萬像素RGB攝像頭，能夠實現精準的運動捕捉和交互。該參考設計還配備了4K全彩高分辨率視頻透視攝像頭和顯示屏視頻透視(VST)體驗延遲達到10毫秒級。輕量化AI眼鏡參考設計 Smart GlassesAI可拍攝眼鏡搭載高通驍龍AR1 Gen1芯片平臺，重量在40g以內;設備可拍攝2K分辨率的視頻和像素1200萬的照片，同時支持電子防抖功

76、能;內置高精度離線語音識別算法，在無網絡環境下也可進行語音交互;支持AI智能問答、信息查詢等功能。Vuzix參考設計Ultralite Pro OEM/Ultralite Audio OEMAR眼鏡Ultralite Pro OEM搭載高通驍龍AR1 Gen 1平臺，配備有雙全彩LCoS投影儀與超薄雙眼波導光學器件。Ultralite Audio OEM以Ultralite Z100為基礎，搭載了單色Micro LED。奇景光電LCoS微顯示器及AR樣機AR眼鏡下一代自主研發且擁有專有技術的超亮度400K nits彩色順序前照式LCoS微型顯示器解決方案。通過集成2D波導，該顯示器進一步呈現清

77、晰視覺效果的能力。體積小巧，所上空間不到0.5cc。AR原型機:搭載了彩色順序前照式 LCoS微型顯示器。通過搭載準直透鏡以及2D波導技術，入眼亮度可達到超1000nits。光峰科技超小型全彩AR光機AR光機體積僅為0.8cc(立方厘米)，可滿足AR眼鏡輕量化的需求。具備200:1的高對比度和720P的分辨率，超低功耗，能夠實現全彩顯示。請參閱附注免責聲明AI眼鏡引領硬件智能化新潮流 Halliday獨創的投影方式DigiWindow，采用世界上最小的顯示模塊（3.6 毫米），能為觀看者提供類似于 3.5 英寸屏幕的視野，清晰易見，同時又不會遮擋周圍環境的視線。顯示模塊無縫集成到右側鏡腿中，顯

78、示內容僅用戶自身可見，既能充分保障隱私，又不會被他人察覺。用戶可以將模塊向上、向下、向左或向右滑動，并調整鼻托，以適配臉型和眼距，從而達到理想的顯示位置。與目前的波導技術相比，Halliday智能眼鏡具有零漏光、無彩虹效應，用戶可以在不干擾對現實世界視野的情況下，享受清晰的視覺效果，同時還能讓眼鏡保持輕盈舒適。此外，眼鏡整體重量僅 35g，新增的顯示模塊幾乎不會增加額外重量或體積?；诠続TS308X系列芯片的AI眼鏡解決方案持續升級迭代，公司與客戶一起完成了Halliday品牌AI眼鏡方案的研發，贏得了消費者的廣泛好評和客戶的信賴；同時公司正積極布局新一代AI眼鏡芯片的規格升級，為 AI

79、穿戴類產品的升級迭代做好準備。資料來源：Halliday global官網，中郵證券研究所圖表31：Halliday智能眼鏡顯示模塊41請參閱附注免責聲明中國腕戴設備市場引領增長，呈現多元化競爭格局 2024年全球腕戴設備市場出貨1.9億臺，同比下滑1.4%，主要受印度和美國市場同質化競爭及市場飽和的影響。然而，中國腕戴設備市場出貨量為6,116萬臺，同比增長19.3%，2024年中國成為全球最大腕戴設備市場，占全球出貨總量的32.0%。全球腕戴設備市場呈現多元化競爭格局。各品牌在不同細分市場和區域各具優勢，推動市場持續發展。Apple智能手表仍然保有較強的市場競爭力，2024年位居全球腕戴市

80、場出貨量第一；華為以33.6%的同比增長穩居全球腕戴設備市場出貨量第二，在全球700美金（未稅）以下的腕戴市場上出貨量排名第一；小米通過新品小米手環9和迭代的小米手表S系列向中高端市場發力，同時手機和汽車業務也為其腕戴市場帶來品牌提升。三星通過細分產品線，覆蓋從手環到智能手表的全品類，進一步提升了整體出貨量。步步高則憑借兒童手表在中國市場的領先地位，通過應用軟件生態、渠道差異化和產品線精細化布局進一步擴大優勢，同時步步高也在海外市場上逐漸擴展布局，為當地兒童手表市場做更多本土化適配。資料來源：IDC，iT之家，中郵證券研究所圖表32：2024年全球前五大腕戴設備廠商（百萬臺、%）圖表33：中國

81、腕戴市場出貨量預測（百萬臺）42請參閱附注免責聲明產品亮點-基于雙模藍牙的智能手表SoC 低延遲高音質無線音頻SoC芯片是公司著力開拓的重要市場。隨著生成式AI和傳感設備的不斷進步，穿戴設備將不僅僅提供心率監測、步數記錄、信息推送、音頻傳輸等基礎功能，生成式AI算法將在數據融合處理、個性化健康監測、實時翻譯交互等場景展現出愈發蓬勃的生機。公司憑借多年來在低功耗技術、顯示技術、藍牙雙模技術以及音頻技術的積累，推動智能穿戴 SoC 芯片迭代升級，目前已經應用在小米、榮耀、Noise、Titan、realme、boAt、等多款手表、手環產品中。資料來源：小米官網，榮耀官網，Noise 官網，boAt

82、官網，中郵證券研究所圖表34：基于雙模藍牙的智能手表SoC下游客戶及產品優勢43快速迭代的產品矩陣雙模藍牙同時支持音樂播放和免提通話超長續航常規使用可達14天60Hz滿幀的刷新率，分辨率高達512512雙GPU技術，性能與功耗兼得優質的客戶群體XiaomiHonorNoiseboAt六盈利預測44核心假設 藍牙音頻SoC芯片：在全球音箱市場中，公司通過拓展客戶實現了增長，將原本很少使用公司產品的客戶轉化為大量使用的客戶，專用音頻DSP處理芯片 ATS361X 已經被包括國際一線音頻品牌在內的多家品牌客戶采用，且多款搭載該芯片的品牌客戶產品進入大規模量產階段，該業務有望迎來量價齊升?；诖?，我們

83、假設該業務2025/2026/2027年的營收增速分別為32%/30%/30%，毛利率分別為50%/51%/51%。便攜式音頻SoC芯片：便攜式音視頻SoC芯片系列，搭載了公司長期積累的、較先進的低功耗音視頻處理技術，主要針對便攜式高品質音視頻編解碼類產品的應用，近年來MP3等需求逐步被替代，我們假設該業務2025/2026/2027年的營收增速分別為-8%/-5%/-5%，毛利率分別為48%/47%/46%。處理器芯片：公司的端側AI處理器芯片是基于端側的帶有人工智能加速器的系統級音頻處理器，提供智能物聯網AIoT端側低功耗算力的芯片平臺，將公司主營的音頻產品和人工智能技術的相結合，滿足市場

84、需求，自產品推出以來出貨量不斷攀升，銷售收入實現倍數增長?；诖?，我們假設該業務2025/2026/2027年的營收增速分別為90%/55%/40%，毛利率分別為45%/47%/49%。請參閱附注免責聲明資料來源：公司公告，中郵證券研究所45盈利預測（業務拆分）請參閱附注免責聲明資料來源：iFind，公司公告，中郵證券研究所46產品線產品線（單位：億元）（單位：億元）2022202220232023202420242025E2025E2026E2026E2027E2027E藍牙音頻SOC芯片銷售收入2.7 3.9 4.9 6.4 8.3 10.8 增長率-26.22%43%26%32%30%3

85、0%毛利1.0 1.6 2.4 3.2 4.3 5.5 毛利率37%43%49%50%51%51%便攜式音頻SOC芯片銷售收入1.1 1.0 0.8 0.8 0.7 0.7 增長率-7.49%-12%-16%-8%-5%-5%毛利0.5 0.5 0.4 0.4 0.3 0.3 毛利率48%50%48%48%47%46%處理器芯片銷售收入0.3 0.3 0.8 1.6 2.4 3.4 增長率-27%31%141%90%55%40%毛利0.1 0.1 0.4 0.7 1.1 1.7 毛利率30%36%43%45%47%49%其他銷售收入0.1 0.0 0.0 0.0 0.0 0.0 增長率167%

86、-80%0%0%0%0%毛利0.0 0.0 0.0 0.0 0.0 0.0 毛利率47%85%86%86%86%86%合計銷售收入4.2 5.2 6.5 8.7 11.5 14.9 增長率-21%25%25%34%31%30%毛利1.6 2.3 3.1 4.3 5.7 7.5 毛利率39%44%48%49%50%50%請參閱附注免責聲明可比公司估值資料來源：iFind，中郵證券研究所注：炬芯科技的歸母凈利潤預測值采用中郵證券研究所預測值；其他公司的歸母凈利潤預測值均采用iFind一致預期值。472025/5/12證券簡稱證券代碼總市值歸母凈利潤（億元）PE（億元）TTM2025E2026E20

87、27ETTM2025E2026E2027E瑞芯微603893.SH702 7.37 8.71 11.58 16.00 95.27 80.63 60.59 43.86 恒玄科技688608.SH506 6.23 7.90 11.08 15.68 81.20 64.07 45.68 32.29 樂鑫科技688018.SH227 3.79 4.68 6.36 8.37 59.87 48.49 35.70 27.13 晶晨股份688099.SH302 8.83 10.84 14.17 17.89 34.20 27.83 21.30 16.87 中科藍訊688332.SH121 2.90 3.84 4.

88、77 6.28 41.62 31.43 25.29 19.24 泰凌微688591.SH96 1.38 1.86 2.94 4.65 69.80 51.67 32.69 20.65 均值50.49 37.71 27.88 炬芯科技688049.SH77 1.39 1.63 2.31 3.09 55.03 47.20 33.20 24.82 請參閱附注免責聲明風險提示資料來源：中郵證券研究所 技術迭代風險；研發未達預期風險；核心技術人才流失風險；原材料供應及委外加工風險；客戶集中風險；存貨跌價和周轉率下降風險；宏觀環境風險。48請參閱附注免責聲明公司財務報表和主要財務比率49財務報表和主要財務比

89、率財務報表(百萬元)2024A2025E2026E2027E主要財務比率2024A2025E2026E2027E利潤表成長能力營業收入651.88 874.82 1,149.26 1,492.57 營業收入25.34%34.20%31.37%29.87%營業成本337.57 447.22 576.20 742.06 營業利潤63.51%54.59%42.46%33.70%稅金及附加2.61 3.50 4.60 5.97 歸屬于母公司凈利潤63.83%52.58%42.19%33.78%銷售費用20.70 26.24 34.48 44.78 獲利能力管理費用37.95 43.74 57.46 7

90、4.63 毛利率48.22%48.88%49.86%50.28%研發費用215.12 227.45 287.32 373.14 凈利率16.35%18.59%20.12%20.73%財務費用-40.56 2.16 2.16 2.16 ROE5.67%7.98%10.31%12.28%資產減值損失-6.93 0.00 0.00 0.00 ROIC2.41%7.66%9.90%11.83%營業利潤106.18 164.14 233.83 312.63 償債能力營業外收入2.14 0.00 0.00 0.00 資產負債率13.07%10.63%10.97%11.19%營業外支出0.13 0.00 0

91、.00 0.00 流動比率7.21 8.95 8.65 8.47 利潤總額108.19 164.14 233.83 312.63 營運能力所得稅1.60 1.52 2.60 3.28 應收賬款周轉率10.51 17.84 24.37 24.15 凈利潤106.58 162.62 231.23 309.35 存貨周轉率1.45 2.58 6.45 6.57 歸母凈利潤106.58 162.62 231.23 309.35 總資產周轉率0.32 0.39 0.48 0.56 每股收益（元）0.73 1.11 1.58 2.12 每股指標（元）資產負債表每股收益0.73 1.11 1.58 2.12

92、 貨幣資金1,214.23 1,505.46 1,686.04 1,933.11 每股凈資產12.86 13.94 15.35 17.24 交易性金融資產365.22 365.22 365.22 365.22 估值比率應收票據及應收賬款57.93 40.16 54.17 69.42 PE72.02 47.20 33.20 24.82 預付款項0.49 7.88 10.66 14.32 PB4.08 3.77 3.42 3.05 存貨268.30 78.47 100.06 125.70 流動資產合計1,922.83 2,033.89 2,261.14 2,563.15 現金流量表固定資產14.8

93、6 47.60 80.42 113.94 凈利潤106.58 162.62 231.23 309.35 在建工程0.00 0.00 0.00 0.00 折舊和攤銷30.87 36.98 33.28 31.40 無形資產65.43 47.39 29.35 11.31 營運資本變動25.08 142.00-12.41-13.84 非流動資產合計239.12 245.00 258.60 274.09 其他-8.38-9.27-9.24-15.55 資產總計2,161.95 2,278.88 2,519.75 2,837.24 經營活動現金流凈額154.16 332.34 242.86 311.36

94、短期借款108.18 108.18 108.18 108.18 資本開支-60.51-46.85-46.84-46.81 應付票據及應付賬款81.89 62.11 80.00 100.64 其他142.53 15.42 11.35 17.64 其他流動負債76.46 56.84 73.20 93.65 投資活動現金流凈額82.03-31.43-35.49-29.17 流動負債合計266.53 227.13 261.39 302.47 股權融資0.00 35.38 0.00 0.00 其他16.03 15.11 15.11 15.11 債務融資70.54-1.24 0.00 0.00 非流動負債

95、合計16.03 15.11 15.11 15.11 其他-86.51-43.52-26.79-35.11 負債合計282.56 242.24 276.49 317.58 籌資活動現金流凈額-15.97-9.38-26.79-35.11 股本146.14 146.14 146.14 146.14 現金及現金等價物凈增加額222.34 291.22 180.59 247.07 資本公積金1,571.83 1,607.20 1,607.20 1,607.20 未分配利潤141.07 261.67 433.59 663.59 少數股東權益0.00 0.00 0.00 0.00 其他20.36 21.6

96、4 56.32 102.73 所有者權益合計1,879.39 2,036.65 2,243.25 2,519.66 負債和所有者權益總計2,161.95 2,278.88 2,519.75 2,837.24 請參閱附注免責聲明感謝您的信任與支持！THANK YOU吳文吉（首席分析師）SAC編號：S1340523050004郵箱：萬瑋（分析師）SAC編號：S1340525030001郵箱：50請參閱附注免責聲明免責聲明分析師聲明撰寫此報告的分析師（一人或多人）承諾本機構、本人以及財產利害關系人與所評價或推薦的證券無利害關系。本報告所采用的數據均來自我們認為可靠的目前已公開的信息，并通過獨立判斷并

97、得出結論，力求獨立、客觀、公平，報告結論不受本公司其他部門和人員以及證券發行人、上市公司、基金公司、證券資產管理公司、特定客戶等利益相關方的干涉和影響，特此聲明。免責聲明中郵證券有限責任公司（以下簡稱“中郵證券”）具備經中國證監會批準的開展證券投資咨詢業務的資格。本報告信息均來源于公開資料或者我們認為可靠的資料，我們力求但不保證這些信息的準確性和完整性。報告內容僅供參考，報告中的信息或所表達觀點不構成所涉證券買賣的出價或詢價，中郵證券不對因使用本報告的內容而導致的損失承擔任何責任?？蛻舨粦员緢蟾嫒〈洫毩⑴袛嗷騼H根據本報告做出決策。中郵證券可發出其它與本報告所載信息不一致或有不同結論的報告。

98、報告所載資料、意見及推測僅反映研究人員于發出本報告當日的判斷，可隨時更改且不予通告。中郵證券及其所屬關聯機構可能會持有報告中提到的公司所發行的證券頭寸并進行交易，也可能為這些公司提供或者計劃提供投資銀行、財務顧問或者其他金融產品等相關服務。證券期貨投資者適當性管理辦法于2017年7月1日起正式實施，本報告僅供中郵證券客戶中的專業投資者使用，若您非中郵證券客戶中的專業投資者，為控制投資風險，請取消接收、訂閱或使用本報告中的任何信息。本公司不會因接收人收到、閱讀或關注本報告中的內容而視其為專業投資者。本報告版權歸中郵證券所有，未經書面許可，任何機構或個人不得存在對本報告以任何形式進行翻版、修改、節

99、選、復制、發布，或對本報告進行改編、匯編等侵犯知識產權的行為，亦不得存在其他有損中郵證券商業性權益的任何情形。如經中郵證券授權后引用發布，需注明出處為中郵證券研究所，且不得對本報告進行有悖原意的引用、刪節或修改。中郵證券對于本申明具有最終解釋權。51請參閱附注免責聲明免責聲明投資評級說明中郵證券研究所公司簡介中郵證券有限責任公司，2002年9月經中國證券監督管理委員會批準設立，注冊資本50.6億元人民幣。中郵證券是中國郵政集團有限公司絕對控股的證券類金融子公司。公司經營范圍包括：證券經紀；證券自營；證券投資咨詢；證券資產管理；融資融券；證券投資基金銷售；證券承銷與保薦；代理銷售金融產品；與證券

100、交易、證券投資活動有關的財務顧問。此外，公司還具有：證券經紀人業務資格；企業債券主承銷資格；滬港通；深港通；利率互換；投資管理人受托管理保險資金；全國銀行間同業拆借；作為主辦券商在全國中小企業股份轉讓系統從事經紀、做市、推薦業務資格等業務資格。公司目前已經在北京、陜西、深圳、山東、江蘇、四川、江西、湖北、湖南、福建、遼寧、吉林、黑龍江、廣東、浙江、貴州、新疆、河南、山西、上海、云南、內蒙古、重慶、天津、河北等地設有分支機構，全國多家分支機構正在建設中。中郵證券緊緊依托中國郵政集團有限公司雄厚的實力，堅持誠信經營，踐行普惠服務，為社會大眾提供全方位專業化的證券投、融資服務，幫助客戶實現價值增長，努力成為客戶認同、社會尊重、股東滿意、員工自豪的優秀企業。北京北京郵箱：地址：北京市東城區前門街道珠市口東大街17號郵編：100050上海上海郵箱：地址：上海市虹口區東大名路1080號大廈3樓郵編：200000深圳深圳郵箱：地址：深圳市福田區濱河大道9023號國通大廈二樓郵編：5180485253