1、 請務必閱讀正文后的重要聲明部分 2024 年年 07 月月 03 日日 證券研究報告證券研究報告公司公司專題專題報告報告 買入買入（維持維持）當前價：220.27 美元 蘋蘋 果果（AAPL.O）消費電子消費電子 目標價：美元 Apple Intelligence 驅動蘋果新一輪創新成長周期驅動蘋果新一輪創新成長周期 投資要點投資要點 西南證券研究發展中心西南證券研究發展中心 分析師：王湘杰 執業證號：S1250521120002 電話：0755-26671517 郵箱： 分析師：楊鎮宇 執業證號：S1250517090003 電話：023-67563924 郵箱： 相對指數相對指數表現表現

2、 數據來源：Wind 基礎數據基礎數據 Table_BaseData 52 周區間(美元)165.00-216.75 3 個月平均成交量(百萬)68.24 流通股數(億)153.34 市值(億美元)33776 相關研究相關研究 Table_Report 1.蘋果（AAPL.O）：業績超預期，布局 AI前景可期 (2024-05-14)2.蘋果（AAPL.O）：需求疲軟壓制短期收入，軟件服務貢獻主要增長 (2023-08-07)3.蘋果（AAPL.O）：宏觀環境壓制短期業績，未來增長看iPhone 和服務 (2023-02-08)推薦邏輯推薦邏輯：1）基于系統級 AI、跨應用的信息整合能力、端云

3、結合和私有云服務的差異化部署方式等優勢，Apple Intelligence將為蘋果帶來新一輪創新和成長周期；2）Apple Intelligence 或帶動蘋果硬件產品的換機需求，預計2025-2026 財年 iPhone 銷售復合增長 10%、Mac 銷售復合增長 7.5%；3）AI融合或提升軟件服務業務價值，未來三年復合增長 10%。Apple Intelligence 具備三大特色具備三大特色。1）系統級 AI。Apple Intelligence融入到蘋果的操作系統層面，可在應用中直接調用 AI能力，從而提升效率。更加智能的Siri將是承載蘋果 AI的核心交互入口。2）跨應用的信息整

4、合能力。通過為照片、日歷、行程和文件等內容創建語義索引，從各種應用中整理和提取信息，找出相關個人數據并提供給 AI模型，Apple Intelligence能發現并理解跨應用之間的信息，具備跨應用信息處理能力。這得益于蘋果在操作系統+模型+芯片+終端的一體化優勢。3）Apple Intelligence基于內置的大模型（多個自研模型主導，并接入外部的 GPT模型），采用端云結合、私有云的方式部署。Apple Intelligence基礎模型通過預訓練、后訓練、優化、微調等建模流程，獲得了在用戶體驗、指令遵循能力、文字處理能力、安全性等方面更優異的性能，在語言、圖像、個人上下文等方面提供了強大的

5、能力。Apple Intelligence 或帶動蘋果硬件產品的換機周期或帶動蘋果硬件產品的換機周期。受制于算力和內存的配置，舊款硬件產品對 AI的支持有限，Apple Intelligence或驅動蘋果硬件產品線的換機周期的到來。2025-2026財年 iPhone產品線或迎來新一輪創新周期，預計 iPhone 銷售實現 10%的復合增長；Mac產品線在搭載更強芯片和 AI PC 產品推動下，預計未來三年復合增速為 6%。蘋果原生應用與蘋果原生應用與 AI融合，或提升軟件服務業務價值融合，或提升軟件服務業務價值。軟件服務業務是蘋果近十多年來增長最快的業務之一，FY2006-FY2023的年復

6、合增速達 21.4%。預計未來更廣泛的非英語語言功能、與第三方應用程序的命令/控制集成、以及可能增加的 AI訂閱服務將為軟件服務業務帶來更多的價值。盈利預測與評級：盈利預測與評級：考慮到消費電子基本面的改善，布局 AI潛力可期，基于龐大的用戶基礎、強大的生態系統、以及優秀的產業定價能力，蘋果有望成為未來端側 AI浪潮的引領者。預計公司 2025-2026 財年凈利潤復合增速為 11%。維持“買入”評級。風險風險提示提示：消費電子需求或不及預期；AI進展或不及預期；反壟斷的政策風險。指標指標/年度年度 FY2022A FY2023A FY2024E FY2025E FY2026E 營業收入(百萬

7、元美元)394328.00 383285.00 387532.68 418154.10 454173.01 增長率 7.79%-2.80%1.11%7.90%8.61%GAAP凈利潤(百萬元美元)99803.00 96995.00 102015.30 113032.65 125603.57 增長率 5.41%-2.81%5.18%10.80%11.12%每股收益EPS 6.51 6.33 6.65 7.37 8.19 PE 33.84 34.82 33.11 29.88 26.89 數據來源：公司公告，西南證券 公司專題報告公司專題報告/蘋果蘋果（AAPL.O）請務必閱讀正文后的重要聲明部分

8、目目 錄錄 1 蘋果蘋果 WWDC 2024開幕，開幕，Apple Intelligence 如期而至如期而至.1 2 Apple Intelligence 的模型架構的模型架構.2 2.1 Apple Intelligence 模型的建模流程和整體性能評估.2 2.2 MM1 模型.8 2.3 OpenELM 模型.10 2.4 Ferret-UI 模型.10 3 Apple Intelligence 作為系統級作為系統級 AI，深入融合到各應用中，具備跨應用的信息整合能力，深入融合到各應用中，具備跨應用的信息整合能力.13 4 Apple Intelligence 或帶動蘋果硬件產品的換機

9、周期或帶動蘋果硬件產品的換機周期.16 5 蘋果原生應用與蘋果原生應用與 AI融合，或提升軟件服務業務價值融合，或提升軟件服務業務價值.19 6 盈利預測與投資建議盈利預測與投資建議.20 aVfYeUbZaV8XdXbZaQcM6MoMnNoMnRiNrRoReRqRpP7NpPvMMYnQnRvPrQmO 公司專題報告公司專題報告/蘋果蘋果（AAPL.O）請務必閱讀正文后的重要聲明部分 圖圖 目目 錄錄 圖 1：Apple Intelligence 的設計思路.1 圖 2：Apple Intelligence 模型架構.2 圖 3：Apple Intelligence 基礎模型的建模概覽.

10、3 圖 4：Apple Intelligence 適配器.4 圖 5：Apple Intelligence 與微軟 Phi-3-mini 在摘要用例的響應比率對比.5 圖 6：Apple Intelligence 基礎模型與可比模型并排評估中首選響應的比例.5 圖 7：有害內容、敏感話題和事實性的違規響應比例（數值越低表現越好）.6 圖 8：在安全提示上并排評估 Apple Intelligence 基礎模型與可比模型的首選響應比例.6 圖 9：使用 IFEval 測量蘋果基礎模型和可比模型的指令遵循能力（數值越高越好）.7 圖 10：在內部摘要和撰寫基準測試上的寫作能力測評（數值越高越好）.

11、7 圖 11：MM1 基于大規模多模態預訓練進行上下文預測.8 圖 12：MM1 模型可遵循指令進行跨圖像推理.8 圖 13：MM1 模型在 MLLM（少樣本學習模型）基準測試上與 SOTA模型的比較.9 圖 14：MM1 基于 OpenELM 與公開 LLM 對比.10 圖 15：常見的小模型性能對比.10 圖 16：Ferret-UI 可理解用戶界面的信息并實現有效互動.11 圖 17：Ferret-UI-anyres（“任意分辨率”）架構.11 圖 18：Ferret-UI 對基本任務的處理.12 圖 19：Ferret-UI 對復雜任務的處理.12 圖 20：Ferret-UI 性能對

12、比.12 圖 21：AI Siri 新界面.13 圖 22：Siri 可根據用戶個人環境執行任務.13 圖 23：智能寫作工具和優先級通知.14 圖 24：智能寫作工具幫助生成文章摘要和自動回復郵件.14 圖 25：Image Playground，Image Wand，Genmoji.14 圖 26：自定義的記憶電影，照片/視頻智能搜索.14 圖 27：跨應用的信息整合流程.15 圖 28：Apple Intelligence 根據用戶背景提供個性化智能服務.15 圖 29：Apple Intelligence 與 ChatGPsT 無縫集成.15 圖 30：Apple Intelligen

13、ce 當前兼容的終端型號.16 圖 31：蘋果 iPhone 歷史銷量.17 圖 32：蘋果 Mac 歷史銷量.18 圖 33：蘋果 iPad歷史銷量.18 圖 34：蘋果軟件服務業務歷史業績.19 圖 35：蘋果 Apple One 資費.19 圖 36：蘋果原生 APP 與當前市場上可對標的 AI 應用.19 圖 37：蘋果 PE-BAND.21 公司專題報告公司專題報告/蘋果蘋果（AAPL.O）請務必閱讀正文后的重要聲明部分 表表 目目 錄錄 表 1：蘋果歷代 A系列芯片規格.16 表 2：蘋果 M 系列芯片規格.18 表 3：分業務收入.20 表 4：可比公司估值.20 附：財務報表.

14、22 公司專題報告公司專題報告/蘋果蘋果（AAPL.O）請務必閱讀正文后的重要聲明部分 1 1 蘋果蘋果 WWDC 2024 開幕，開幕，Apple Intelligence 如期而至如期而至 蘋果在今年的 WWDC 2024 上亮出了市場期待已久的重磅產品Apple Intelligence（蘋果智能）。Apple Intelligence 包括文字處理、圖片處理、AI 助手、隱私保護、ChatGPT 等多項功能。其中，隱私保護是蘋果在本次發布會上強調最多的點。我們認為，本次 WWDC 發布會展現出來的 Apple Intelligence 主要有以下亮點：系統級系統級 AI。Apple I

15、ntelligence 融入到蘋果的操作系統層面，可在應用中直接調用AI 能力，用戶無需在單獨的 AI 助手工具與第三方應用之間來回切換，從而提升效率?？鐟玫男畔⒄夏芰鐟玫男畔⒄夏芰?。在使用過程中，通過為照片、日歷、行程和文件等內容創建語義索引，從各種應用中整理和提取信息，找出相關個人數據并提供給 AI模型，Apple Intelligence 能發現并理解跨應用之間的信息（早期以原生應用為主，后期預計部分第三方亦會支持調用），具備跨平臺信息處理能力。而這得益于蘋果在操作系統+模型+芯片+終端的一體化優勢。Apple Intelligence 基于內置的大模型，采用端側為主、云端為輔

16、的模式，以及基于內置的大模型，采用端側為主、云端為輔的模式，以及私私有云有云部署方式部署方式。云端服務器采用蘋果自研芯片，用 Swift 語言編程，服務器代碼接受第三方專家審查。蘋果在發布會上承諾，用戶上傳的數據不會在服務器上存儲。蘋果對 Apple Intelligence 的設計思路即是：內置在內置在 iPhone、iPad和和 Mac中，幫助用中，幫助用戶輕松寫作、表達自我和高效完成任務戶輕松寫作、表達自我和高效完成任務；利用用戶的個人背景，同時為人工智能中的隱私保利用用戶的個人背景，同時為人工智能中的隱私保護設定了全新的標準護設定了全新的標準。而系統級 AI、跨應用/平臺的信息整合/交

17、互能力、端云結合和私有云服務的差異化部署方式等三大特色，正是 Apple Intelligence 設計思路的體現。圖圖 1：Apple Intelligence 的設計思路的設計思路 數據來源：蘋果，西南證券整理 公司專題報告公司專題報告/蘋果蘋果（AAPL.O）請務必閱讀正文后的重要聲明部分 2 2 Apple Intelligence 的模型架構的模型架構 Apple Intelligence 核心的基座模型，包含了本地大語言模型、本地圖像生成模型，以及Server 端的模型。Apple Intelligence 的模型架構形成了三個層次：第一層是蘋果自研的端側模型；第二層是自研的云端模

18、型；第三層是外接的 GPT 模型，GPT是參數量最大、智能程度最高的模型。Apple Intelligence 由多個生成式模型組成，構建到 Apple Intelligence 中的基礎模型已經針對用戶體驗進行了微調，例如寫作和潤色文本、優先排序和總結通知、為與家人和朋友的對話創建有趣的圖像、以及在應用程序中采取行動以簡化跨應用程序的交互等。Apple Intelligence 在接收到任務后會先判斷任務的難度。當任務涉及到隱私時，會優先執行本地模型，如果本地模型無法滿足要求，會交由 Server model 去完成推理，然后再返回結果。GPT作為外部模型，主要負責處理更加復雜和專業的任務。

19、圖圖 2：Apple Intelligence 模型架構模型架構 數據來源：蘋果，西南證券整理 2.1 Apple Intelligence 模型的建模流程模型的建模流程和整體性能評估和整體性能評估 Apple Intelligence 基礎模型的建模過程包含了：數據/指令接收，預處理，預訓練，后訓練，優化，微調等環節。公司專題報告公司專題報告/蘋果蘋果（AAPL.O）請務必閱讀正文后的重要聲明部分 3 圖圖 3：Apple Intelligence 基礎基礎模型模型的建模概覽的建模概覽 數據來源：蘋果，西南證券整理 2.1.1 預訓練預訓練 Apple Intelligence 的基礎模型是

20、在蘋果的 AXLearn 框架上訓練。AXLearn 框架是蘋果在 2023 年發布的一個開源項目，它建立在 JAX和 XLA 之上，允許在各種訓練硬件和云平臺上，包括云以及本地 GPU 上，以高效率和可擴展性訓練模型。蘋果使用了數據并行、張量并行、序列并行和完全分片數據并行（FSDP）的組合，沿著數據、模型和序列長度等多個維度擴展訓練。據蘋果官方說法，蘋果的訓練數據來自于授權的公開數據。蘋果在訓練中不會使用用戶的個人數據，蘋果應用過濾器來刪除公開的個人身份信息，比如社會安全號碼和信用卡號。蘋果還會過濾掉不健康內容和其他低質量內容，以防止其被包含在訓練語料庫中。除了過濾，蘋果還執行數據提取、去

21、重和應用基于模型的分類器，以識別高質量的文檔。2.1.2 后后訓練訓練 蘋果在訓練管道中采用了混合數據策略，結合了人工注釋和合成數據，并進行了徹底的數據策劃和過濾程序。蘋果在后訓練中開發了兩種新算法：1）拒絕采樣微調算法，對數據進行過濾；2）帶有鏡像下降策略優化和留一法優勢估計器的人類反饋強化學習算法（RLHF）。這兩種算法在提高模型遵循指令的質量方面取得了顯著改進。2.1.3 優化優化 蘋果使用了一系列創新技術在設備端和私有云上對模型進行了優化，以提高速度和效率。蘋果為首次詞元（Token）和擴展詞元（Token）推理性能應用了做了大量的優化。蘋果在設備端和服務器端均引入了分組查詢注意力機制

22、。通過使用共享的輸入和輸出詞匯嵌入表來減少內存需求和推理成本。這些共享嵌入張量在映射時沒有重復。設備端模型使用 49K 的詞匯量，而服務器端模型使用 100K 的詞匯量，其中包括額外的語言和技術詞元。對于設備端推理，蘋果開發了一個全新的框架，使用 LoRA 適配器以實現與未壓縮模型相同的準確性。此外，蘋果使用交互式模型延遲和功耗分析工具 Talaria，以更好地指導每個操作的比特率選擇。蘋果利用激活量化和嵌入量化，開發了一種在神經引擎單元（NPU）上實現高效的鍵值（KV）緩存更新。通過這套優化，蘋果在 iPhone 15 Pro 上能夠實現每個提示詞元的首個詞元延遲約為 0.6毫秒，且每秒鐘可

23、生成 30 個詞元。公司專題報告公司專題報告/蘋果蘋果（AAPL.O）請務必閱讀正文后的重要聲明部分 4 2.1.4 模型微調模型微調 Apple Intelligence 基礎模型針對用戶的日常工作進行了微調，且可以動態地針對手頭上的任務進行專業化處理。Apple Intelligence 使用適配器，即可插入預訓練模型各個層的小神經網絡模塊，來針對特定任務微調模型。通過僅微調適配器層，原始預訓練模型的參數保持不變，從而保留了基礎模型的一般知識，同時定制適配器層以支持特定任務的處理。適配器是覆蓋在基礎模型上的小型模型權重集合。它們可以動態加載和交換，使基礎模型能夠針對不同的任務進行專業化處理

24、。Apple Intelligence 包括一組廣泛的適配器，每個適配器都針對特定功能進行了微調。這是一種有效擴展 Apple Intelligence 基礎模型能力的方式。圖圖 4：Apple Intelligence 適配器適配器 數據來源：蘋果，西南證券整理 2.1.5 模型整體性能評估模型整體性能評估 在對模型進行基準測試時，蘋果專注于與產品用戶體驗高度相關的評估。蘋果在 email 和通知層面對基礎模型和特定功能適配器進行了性能評估。蘋果使用了為每種用例采樣的 750 個響應，這些評估數據集強調了產品功能在 AI 生成中可能面臨的多樣化輸入，包括不同內容類型和長度的單一和堆疊文檔的分

25、層混合。經評估發現，帶有適配器的模型相比可比模型能生成更好的摘要。公司專題報告公司專題報告/蘋果蘋果（AAPL.O）請務必閱讀正文后的重要聲明部分 5 圖圖 5：Apple Intelligence 與微軟與微軟 Phi-3-mini 在摘要用例的響應比率在摘要用例的響應比率對比對比 數據來源：蘋果，西南證券整理 除了評估由基礎模型和適配器提供的功能特定性能外，蘋果還評估了設備端和云端模型的一般能力。蘋果使用一套全面的現實世界提示的評估集來測試一般模型能力。這些提示在不同的難度級別上進行了多樣化，并涵蓋了主要類別，比如頭腦風暴、分類、封閉式問題回答、編碼、提取、數學推理、開放式問題回答、改寫、

26、安全性、摘要和寫作等。通 過 與 開源 模型（Phi-3、Gemma、Mistral、DBRX）和 可 比 大 小的 商 業模 型（GPT-3.5-Turbo、GPT-4-Turbo）進行比較，蘋果的模型在大多數可比競爭模型中更受青睞。在這個基準測試中，擁有約 30 億參數的蘋果設備端模型表現優于包括 Phi-3-mini、Mistral-7B 和 Gemma-7B 在內的更大參數模型。蘋果的云端模型與 DBRX-Instruct、Mixtral-8x22B 和 GPT-3.5-Turbo 相比具有高度效率，同時表現良好。圖圖 6：Apple Intelligence 基礎基礎模型與可比模型并

27、排評估中首選響應的比例模型與可比模型并排評估中首選響應的比例 數據來源：蘋果，西南證券整理 公司專題報告公司專題報告/蘋果蘋果（AAPL.O）請務必閱讀正文后的重要聲明部分 6 蘋果使用一套多樣化的對抗性提示來測試模型在有害內容、敏感話題和事實性方面的性能。通過評估每個模型在這些評估集上的違規率，數值越低越好。設備端和云端模型在面對對抗性提示時表現都很穩健，實現了低于上述開源模型和商業模型的違規率。圖圖 7：有害內容、敏感話題和事實性的違規響應比例（有害內容、敏感話題和事實性的違規響應比例（數值數值越低越低表現表現越好）越好）數據來源：蘋果，西南證券整理 通過安全基準測試，Apple Inte

28、lligence 基礎模型相比競爭模型更安全。然而考慮到大語言模型的泛化能力，安全基準測試有一定的局限性。圖圖 8：在安全提示上并排評估在安全提示上并排評估 Apple Intelligence 基礎基礎模型與可比模型模型與可比模型的的首選響應比例首選響應比例 數據來源：蘋果，西南證券整理 為了進一步評估模型能力，蘋果使用 Instruction-Following Eval(IFEval)基準測試來比較蘋果模型與可比模型的指令遵循能力。通過測試結果可見，蘋果設備端和云端模型相比可比開源模型和商業模型能更好地遵循詳細指令的要求。公司專題報告公司專題報告/蘋果蘋果（AAPL.O）請務必閱讀正文后

29、的重要聲明部分 7 圖圖 9：使用使用 IFEval 測量蘋果基礎模型和可比模型的指令遵循能力（測量蘋果基礎模型和可比模型的指令遵循能力（數值數值越高越好）越高越好）數據來源：蘋果，西南證券整理 蘋果在內部摘要和撰寫基準測試中評估了模型的寫作能力，包括各種寫作指令。通過測試結果可見，相比可比開源模型和商業模型，蘋果設備端和云端模型在摘要和寫作能力表現方面更好。圖圖 10：在內部摘要和撰寫基準測試上的寫作能力在內部摘要和撰寫基準測試上的寫作能力測評測評（數值數值越高越好越高越好）公司專題報告公司專題報告/蘋果蘋果（AAPL.O）請務必閱讀正文后的重要聲明部分 8 圖圖 10：在內部摘要和撰寫基準

30、測試上的寫作能力在內部摘要和撰寫基準測試上的寫作能力測評測評（數值數值越高越好越高越好）數據來源：蘋果，西南證券整理 在 WWDC 2024 上發布的蘋果基礎模型和適配器構成了 Apple Intelligence 的基礎。Apple Intelligence 是一個全新的個人智能系統，深度集成到 iPhone、iPad 和 Mac 中，通過多項基準測試可見，其在語言、圖像、動作和個人上下文方面提供了強大的能力。在這個過程中，蘋果的多個生成式模型發揮了極大的作用。2.2 MM1 模型模型 2024 年 3 月，蘋果正式公布自家的多模態大模型 MM1。MM1 由密集模型和混合專家（MoE）變體組

31、成，具有 300 億、70 億、30 億參數等多個版本。MM1 不僅在預訓練指標中實現最優性能 SOTA，在一系列已有多模態基準上監督微調后也能保持有競爭力的性能。得益于大規模多模態預訓練，MM1 模型在上下文預測、多圖像和思維鏈推理等方面表現不錯。MM1 模型在指令調優后展現出強大的少樣本學習能力。在幾乎所有基準測試中，蘋果的 MoE 模型比密集模型取得更好的性能，顯示 MoE 進一步擴展的巨大潛力。圖圖 11：MM1 基于基于大規模多模態預訓練進行上下文預測大規模多模態預訓練進行上下文預測 圖圖 12：MM1 模型可遵循指令進行跨圖像推理模型可遵循指令進行跨圖像推理 數據來源：MM1:Me

32、thods,Analysis&Insights from Multimodal LLM Pre-training，西南證券整理 數據來源：MM1:Methods,Analysis&Insights from Multimodal LLM Pre-training，西南證券整理 公司專題報告公司專題報告/蘋果蘋果（AAPL.O）請務必閱讀正文后的重要聲明部分 9 由于其大規模多模態預訓練，MM1 可進行上下文預測。這使得 MM1 能夠：a）計數對象并遵循自定義格式；b）引用圖像的部分并執行 OCR；c）展示關于日常物品的常識和詞匯知識；d）執行基本的數學函數。MM1 模型可以遵循指令進行跨圖像推

33、理。示例和圖像來自 VILA；當使用思維鏈提示時，VILA 能夠正確回答。通過與市面主流的 AI 大模型比較，MM1 模型在領域特定微調（SFT）之后有較為優異的表現：1）MM1-3B-Chat 和 MM1-7B-Chat 的表現超過了所有列出的同等規模的模型。MM1-3B-Chat 和 MM1-7B-Chat 在 VQAv2、TextVQA、ScienceQA 以及更近期的基準測試（MMMU 和 MathVista）上顯示出特別強的性能。2）探索了兩個混合專家模型（MoE）：（i）具有 64 個專家的 3B-MoE；（ii）具有 32 個專家的 7B-MoE。蘋果的 MoE 模型在幾乎所有基

34、準測試上都比對應的密集型模型表現更好。這表明 MoE 在進一步擴展方面具有巨大的潛力。3）對于 30B 模型規模，MM1-30B-Chat 在 TextVQA、SEED 和 MMMU 上超過Emu2-Chat-37B 和 CogVLM-30B。與同期的 LLaVA-NeXT相比，也取得了有競爭力的性能。圖圖 13：MM1 模型模型在在 MLLM（少樣本學習模型少樣本學習模型）基準測試上與基準測試上與 SOTA模型的比較模型的比較 數據來源：MM1:Methods,Analysis&Insights from Multimodal LLM Pre-training，西南證券整理 公司專題報告公司

35、專題報告/蘋果蘋果（AAPL.O）請務必閱讀正文后的重要聲明部分 10 2.3 OpenELM 模型模型 4 月 26 日，蘋果宣布了更大的端側 AI 推進，推出全新的開源大語言模型 OpenELM。OpenELM 包含 2.7 億、4.5 億、11 億和 30 億個參數的四種版本，定位于超小規模模型，可在手機和筆記本電腦等終端設備上運行文本生成任務。同時，蘋果開源了 OpenELM 模型權重和推理代碼、數據集、訓練日志、神經網絡庫 CoreNet。OpenELM 使用了“分層縮放”策略，來有效分配 Transformer 模型每一層參數，從而提升準確率。在約 10 億參數規模下，OpenEL

36、M 與 OLMo 相比，準確率提高了 2.36%，同時需要的預訓練 token 數量減少了 50%。OpenELM 的基準測試（數據類型 BFloat16）在工作站（配備英特爾 i9-13900KF CPU、RTX 4090 GPU，24GB DDR5 內存），以及 M2 Max MacBook Pro（64GB 內存）運行。圖圖 14：MM1 基于基于 OpenELM 與公開與公開 LLM 對比對比 圖圖 15：常見的小模型性能對比常見的小模型性能對比 數據來源：OpenELM:An Efficient Language Model Family with Open Training and

37、 Inference Framework，西南證券整理 數據來源：新智元，西南證券整理 2.4 Ferret-UI模型模型 4 月 8 日，蘋果展示了多模態模型 Ferret-UI。Ferret-UI模型可以理解手機屏幕上的應用程序內容，專為增強對移動端 UI 屏幕的理解而定制，其配備了引用（referring）、定位（grounding）和推理（reasoning）功能。Ferret-UI具備了解決現有大部分通用多模態大模型所缺乏的理解用戶界面（UI）屏幕并與其有效交互的能力。Ferret-UI可執行從基本到復雜任務等 11 種任務。它能在移動 UI屏幕上使用靈活的輸入格式（點、框、涂鴉）執

38、行指代任務（例如控件分類、圖標識別、OCR）和定位任務（例如查找控件、查找圖標、查找文本、控件列表）。這些基本任務為模型提供了豐富的視覺和空間知識，使其能在粗略和精細級別（例如各種圖標或文本元素之間）區分 UI 類型。這些基礎知識對于執行更高級的任務至關重要。具體來說，Ferret-UI不僅能在詳細描述和感知對話中討論視覺元素，還可在交互對話中提出面向目標的動作，并通過功能推理推斷出屏幕的整體功能。公司專題報告公司專題報告/蘋果蘋果（AAPL.O）請務必閱讀正文后的重要聲明部分 11 Ferret-UI建立在 Ferret 的基礎上。Ferret 是一個 MLLM，在不同形狀和細節水平的自然圖

39、像中實現空間參考和基礎。無論是點、框還是任何自由形式的形狀，它都可以解釋相應區域或對象并與之交互。Ferret 包含一個預訓練的視覺編碼器（例如 CLIP-ViT-L/14）和一個Decoder Only 的語言模型（例如 Vicuna）。此外，Ferret 還采用了一種獨特的混合表示技術，該技術將指定區域轉換為適合 LLM 處理的格式。本質上，空間感知視覺采樣器旨在熟練地管理不同稀疏度級別的區域形狀的連續特征。雖然 Ferret-UI-base 是基于 Ferret 的架構，但 Ferret-UI-anyres 包含額外的細粒度圖像功能。特別是，預訓練的圖像編碼器和投影層為整個屏幕生成圖像特

40、征。對于基于原始圖像長寬比獲得的每個子圖像，都會生成額外的圖像特征。對于具有區域參考的文本，視覺采樣器會生成相應的區域連續要素。LLM 使用全圖像表示、子圖像表示、區域特征和文本嵌入來生成響應。圖圖 16：Ferret-UI 可理解用戶界面的信息并實現有效可理解用戶界面的信息并實現有效互動互動 圖圖 17：Ferret-UI-anyres（“任意分辨率”）架構（“任意分辨率”）架構 數據來源：Ferret-UI:Grounded Mobile UI Understanding with Multimodal LLMs，西南證券整理 數據來源：Ferret-UI:Grounded Mobile

41、UI Understanding with Multimodal LLMs，西南證券整理 Ferret-UI 對基本任務的處理流程：UI 檢測器輸出所有檢測到的元素，以及每個元素的類型、文本和邊界框。這些檢測用于為基本任務創建訓練樣本。對于定位任務，使用所有元素檢測來創建一個用于控件列表的樣本，而其余任務一次專注于一個元素。將元素分為圖標、文本和非圖標/文本控件。對于每種類型，創建一個指代樣本和一個定位樣本。Ferret-UI 對復雜任務的處理流程：首先從檢測輸出中歸一化邊界框坐標，然后將檢測、提示和可選的單次示例發送到 GPT-4。對于詳細的描述和函數推理，將生成的響應與預先選擇的提示配對，

42、以訓練 Ferret-UI。對于對話任務，直接將 GPT-4 輸出轉換為多回合對話。公司專題報告公司專題報告/蘋果蘋果（AAPL.O）請務必閱讀正文后的重要聲明部分 12 圖圖 18：Ferret-UI 對基本任務的處理對基本任務的處理 圖圖 19：Ferret-UI 對對復雜復雜任務的處理任務的處理 數據來源：Ferret-UI:Grounded Mobile UI Understanding with Multimodal LLMs，西南證券整理 數據來源：Ferret-UI:Grounded Mobile UI Understanding with Multimodal LLMs，西南證

43、券整理 通過精心設計“任意分辨率”（anyres）以適應各種屏幕寬高比，以及策劃包含廣泛的基本和高級 UI任務的訓練樣本，Ferret-UI 在引用、定位和推理方面表現出顯著的熟練程度。在引用、定位和推理方面表現出顯著的熟練程度。這些增強能力的引入預示著在眾多下游這些增強能力的引入預示著在眾多下游 UI應用中或將取得重大進步應用中或將取得重大進步，從而擴大 Ferret-UI在這一領域所能提供的潛在益處。圖圖 20：Ferret-UI 性能對比性能對比 數據來源：Ferret-UI:Grounded Mobile UI Understanding with Multimodal LLMs，西南

44、證券整理 公司專題報告公司專題報告/蘋果蘋果（AAPL.O）請務必閱讀正文后的重要聲明部分 13 3 Apple Intelligence 作為系統級作為系統級 AI，深入融合到各應用，深入融合到各應用中中，具備跨應用的信息整合能力具備跨應用的信息整合能力 Apple Intelligence 融入 iOS、macOS、iPadOS 層面，于應用中直接調用 AI 能力。用戶無需在單獨的 AI助手工具與應用之間來回切換。作為蘋果終端的作為蘋果終端的 AI 核心交互入口，核心交互入口，Siri 開啟了智能助手開啟了智能助手新時代新時代。Apple Intelligence 賦能使得 Siri 變得

45、更加智能。憑借全新設計、更豐富的語言理解能力，以及便捷輸入 Siri 的能力，用戶與 Siri 的交流比以往任何時候都更加自然。Siri 具備對用戶個人環境的感知、在應具備對用戶個人環境的感知、在應用程序中和跨應用程序采取行動的能力，以及有關設備功能和設置的產品知識等，為用戶提用程序中和跨應用程序采取行動的能力，以及有關設備功能和設置的產品知識等，為用戶提供幫助供幫助。Siri 采用全新設計，更深入地融入了系統體驗，優雅的發光環繞在屏幕邊緣。Siri可為終端設備的功能和設置提供循序漸進的指導。更豐富的語言理解和增強的語音使得用戶與 Siri 的交流更加自然。Siri 未來將具備屏幕感知功能，可

46、以理解屏幕上的內容并采取行動。了解用戶的個人環境，Siri 能夠以獨有的方式幫助用戶查找信息。使用 Siri 在應用程序中和應用程序之間無縫地采取行動。圖圖 21：AI Siri 新界面新界面 圖圖 22：Siri 可可根據用戶個人環境執行根據用戶個人環境執行任務任務 數據來源：蘋果，西南證券整理 數據來源：蘋果，西南證券整理 蘋果智能技術驅動新的寫作工具，幫助用戶在幾乎所有書寫場合找到最恰當的措辭。借助增強的語言能力，用戶可在幾秒內總結整場講座，獲取冗長群聊的簡短版本，并通過優先通知來減少不必要的干擾。這些功能均能在應用界面下即時完成。公司專題報告公司專題報告/蘋果蘋果（AAPL.O）請務必

47、閱讀正文后的重要聲明部分 14 圖圖 23：智能寫作工具和優先級通知智能寫作工具和優先級通知 圖圖 24：智能寫作工具幫助生成文章摘要和自動回復郵件智能寫作工具幫助生成文章摘要和自動回復郵件 數據來源：蘋果，西南證券整理 數據來源：蘋果，西南證券整理 多模態能力多模態能力：Apple Intelligence 可提供更人性化的視覺表達方式。創造個性化的原創圖像和全新的 Genmoji；將粗略的草圖轉換為相關的圖像，用圖像棒補充筆記；根據用戶提供的描述制作一部自定義的記憶短片 Image Playground 根據用戶描述、甚至照片庫中的人，在幾秒內生成原創圖像并可共享。Image Wand 可

48、在 Notes 中將粗略草圖轉換為相關圖像；在草圖周圍畫一個圓圈，Image Wand 將分析其周圍的內容，以產生互補的視覺效果；用戶可以圈出一個空白區域，Image Wand 將使用周圍的上下文來創建圖片?？蓪⑾嚓P照片整理成一部有用戶自己敘事弧線的電影。根據用戶要查找的內容的要求，在照片應用程序中搜索照片和視頻。Apple Intelligence 可以在視頻剪輯中找到符合用戶搜索描述的特定時刻，并將其帶到正確的位置。圖圖 25：Image Playground，Image Wand，Genmoji 圖圖 26：自定義的記憶電影自定義的記憶電影，照片，照片/視頻智能搜索視頻智能搜索 數據來源

49、：蘋果，西南證券整理 數據來源：蘋果，西南證券整理 Apple Intelligence 跨應用的信息整合能力跨應用的信息整合能力。通過為照片、日歷、行程和文件等內容創建語義索引，Apple Intelligence 能從各種應用中整理和提取信息，找出相關個人數據并提供給 AI 模型，模型能在充分了解用戶背景和個人情境的基礎上更好地提供智能服務。也就是說，模型能發現并理解跨 APP 之間的信息（早期以原生應用為主，部分第三方亦會支持調用），具備跨平臺信息處理能力。而這得益于蘋果在系統+模型+芯片+終端的一體化優勢。公司專題報告公司專題報告/蘋果蘋果（AAPL.O）請務必閱讀正文后的重要聲明部分

50、 15 圖圖 27：跨應用的信息整合流程跨應用的信息整合流程 圖圖 28：Apple Intelligence 根據用戶背景提供個性化智能服務根據用戶背景提供個性化智能服務 數據來源：蘋果，西南證券整理 數據來源：蘋果，西南證券整理 Apple Intelligence 與與 OpenAI的的 ChatGPT 無縫集成無縫集成。隨著 OpenAI的 ChatGPT集成到 Siri 和寫作工具中，用戶可以獲得更多的專業知識，而無需在工具之間切換。Siri 可以利用 ChatGPT處理某些請求，包括有關照片或文檔的問題。使用“在寫作工具中創作”，用戶可以從頭開始創建和演示原創內容。用戶可以控制何時

51、使用 ChatGPT，并且在共享用戶的任何信息之前都會被詢問。用戶可以免費訪問 ChatGPT，而無需創建帳戶。GPT Plus 用戶可以連接帳戶以訪問 GPT中的付費功能。圖圖 29：Apple Intelligence 與與 ChatGPsT 無縫集成無縫集成 數據來源：蘋果，西南證券整理 公司專題報告公司專題報告/蘋果蘋果（AAPL.O）請務必閱讀正文后的重要聲明部分 16 4 Apple Intelligence 或帶動蘋果硬件產品的換機周期或帶動蘋果硬件產品的換機周期 根據蘋果官網所示，支持 Apple Intelligence 端側運算的芯片和終端要求如下：iPhone 目前僅支持

52、 A17 Pro，滿足要求的僅 iPhone 15 Pro/Pro Max；Mac 和 iPad 端支持 M1 及以上版本的芯片，覆蓋了蘋果所有 PC ARM 芯片，近幾年基于 M 芯片的蘋果 Mac、iPad 基本都支持 由于對舊款硬件產品的支持有限，Apple Intelligence 或帶動蘋果硬件產品線的換機周或帶動蘋果硬件產品線的換機周期期。特別是 iPhone 支持的舊款機型較少，iPhone 或存在更強的換機需求。圖圖 30：Apple Intelligence 當前兼容的終端型號當前兼容的終端型號 數據來源：蘋果官網，西南證券整理 由于本地運行 AI模型對算力和內存有一定的要求

53、，新一代 AI手機需具備至少 30 TOPS性能的 NPU 能運行 AI模型，內存至少 8GB 容量，而目前僅有 iPhone 15 Pro/Pro Max 支持運行 Apple Intelligence。從歷史上的銷售來看，每次較大力度的產品創新可以促進 iPhone的銷量，Apple Intelligence 或帶動蘋果 iPhone 的換機周期。今年 9 月份 iPhone 16 的新機發布會值得期待。根據 Counterpoint 的數據統計，iPhone 15 Pro/Pro Max 合計占據 iPhone 24Q1 總銷量的 45%。根據 CCS Insight 統計，iPhone

54、 的全球整體保有量達到 13 億，理論上存量用戶是未來 AI iPhone 換機的潛在主力。表表 1：蘋果歷代蘋果歷代 A系列芯片規格系列芯片規格 型號型號 CPU性能性能 GPU性能性能 NPU性能性能 對應對應 RAM 工藝制程工藝制程 搭載機型搭載機型 A10 2大核，2.34GHz 2小核，1.09GHz PowerVR GT7600 Plus 900MHz 345.6 GFLOPS 64-bit 單通道 LPDDR4，1600MHz 25.6 GB/s TSMC 16nm iPhone 7 iPhone 7 Plus A11 2大核，2.39GHz 4小核，1.19GHz 3 核 G

55、PU自研 1066MHz 408 GFLPOS 2神經網絡引擎 600 BOPS 64-bit 單通道 LPDDR4，2133MHz 34.1 GB/s TSMC 10nm iPhone 8/8 Plus iPhone X A12 2大核，2.49GHz 4小核，1.59GHz 4 核 GPU自研 1125MHz 576 GFLOPS 8神經網絡引擎 5 TOPS 64-bit 單通道 LPDDR4，2133MHz 34.1 GB/s TSMC N7 7nm iPhone XS/XS Max iPhone XR 公司專題報告公司專題報告/蘋果蘋果（AAPL.O）請務必閱讀正文后的重要聲明部分

56、17 型號型號 CPU性能性能 GPU性能性能 NPU性能性能 對應對應 RAM 工藝制程工藝制程 搭載機型搭載機型 A13 2大核，2.65GHz 4小核，1.80GHz 4 核 GPU自研 1575MHz 806 GFLOPS 8神經網絡引擎 5.5 TOPS 64-bit 單通道 LPDDR4X，2133MHz 34.1 GB/s TSMC N7P 7nm iPhone 11 iPhone 11 Pro/Pro Max iPhone SE A14 2大核，2.99GHz 4小核，1.82GHz 4 核 GPU自研 1700MHz 870 GFLOPS 8神經網絡引擎 11 TOPS 64

57、-bit 單通道 LPDDR4X，2133MHz 34.1 GB/s TSMC N5 5nm iPhone 12/12 Mini iPhone 12 Pro/Pro Max A15 2大核，2.93-3.23GHz 4小核，1.82GHz 4/5 核 GPU自研 1175 GFLOPS 16神經網絡引擎 15.8 TOPS LPDDR4X，6GB 3200MHz 42.7 GB/s TSMC N5P 5nm iPhone 13/13 Mini iPhone 13 Pro/Pro Max iPhone SE3 iPhone 14/14 Plus A16 2大核，3.46GHz 4小核，2.02G

58、Hz 5 核 GPU自研 1468 GFLOPS 16神經網絡引擎 17 TOPS LPDDR5，6GB TSMC N4 4nm iPhone 14 Pro/Pro Max iPhone 15/15 Plus A17 Pro 2大核，3.70GHz 4小核，2.02GHz 6 核 GPU自研 16神經網絡引擎 35 TOPS LPDDR5，8GB TSMC 3nm iPhone 15 Pro iPhone 15 Pro Max 數據來源：蘋果，西南證券整理 圖圖 31：蘋果蘋果 iPhone 歷史銷量歷史銷量 數據來源：蘋果，IDC，西南證券整理 由于 M 芯片強勁的算力和內存性能，Mac 和

59、 iPad 對 Apple Intelligence 的支持較大，搭載 M1 及以上版本芯片的終端基本都支持。公司專題報告公司專題報告/蘋果蘋果（AAPL.O）請務必閱讀正文后的重要聲明部分 18 表表 2：蘋果蘋果 M 系列芯片規格系列芯片規格 型號型號 M2 Max M2 Ultra M3 M3 Pro M3 Max M4 CPU 12 核中央處理器，8性能核心+4能效核心 24核中央處理器，16性能核心+8能效核心 8核，4性能核心+4能效核心 12 核，6性能核心+6能效核心 16核，12性能核心+4能效核心 10 核，4性能核心+6能效核心 GPU 38 核圖形處理器，13.49 T

60、FLOPS（FP32）60/76核圖形處理器，27.2 TFLOPS（FP32）10 核，硬件加速 光線追蹤 18 核，硬件加速 光線追蹤 40 核，硬件加速 光線追蹤 17.04 TFLOPS（FP32）10 核，硬件加速 光線追蹤 NPU 16 核神經網絡引擎，16TOPS 32 核神經網絡引擎，31.6TOPS 16 核神經網絡引擎，18TOPS 16 核神經網絡引擎，18TOPS 16 核神經網絡引擎，18TOPS 16 核神經網絡引擎，38TOPS 支持內存 最高 96GB 最高 192GB 最高 24GB 最高 36GB 最高 128GB 最高 24GB 內存帶寬 400GB/s

61、800GB/s 100GB/s 150GB/s 400GB/s 120GB/s 媒體處理引擎 支持 H.264、HEVC、ProRes 和 ProRes RAW 硬件加速 視頻解碼引擎，2個視頻編碼引擎 2 個 ProRes 編解碼引擎，AV1 解碼 支持 H.264、HEVC、ProRes 和 ProRes RAW 硬件加速 2個視頻解碼引擎，4個視頻編碼引擎，4個ProRes 編解碼引擎 支持 H.264、HEVC、ProRes 和 ProRes RAW 硬件加速 視頻解碼引擎，視頻編碼引擎，ProRes編解碼引擎，AV1 解碼 支持 H.264、HEVC、ProRes 和 ProRes

62、RAW 硬件加速 視頻解碼引擎，視頻編碼引擎，ProRes編解碼引擎，AV1 解碼 支持 H.264、HEVC、ProRes 和 ProRes RAW 硬件加速 視頻解碼引擎，2個視頻編碼引擎 2 個 ProRes 編解碼引擎，AV1 解碼 支持 8K H.264、HE VC、P roRes和 ProRes RAW硬件加速 視頻解碼引擎，視頻編碼引擎，ProRes編解碼引擎，AV1 解碼 工藝制程 TSMC 5nm TSMC5nm TSMC 第一代 3nm TSMC 第一代 3nm TSMC 第一代 3nm TSMC 第二代 3nm 數據來源：蘋果，西南證券整理 蘋果自 2020年 11月開始

63、推出搭載 M芯片的 Mac和 iPad?？紤]到最長十年的使用壽命，非 M 芯片的 Mac 的保有量至少 1.98 億臺，非 M 芯片的 iPad 的保有量至少 5.38 億臺。圖圖 32：蘋果蘋果 Mac 歷史銷量歷史銷量 圖圖 33：蘋果蘋果 iPad 歷史銷量歷史銷量 數據來源：蘋果，IDC，西南證券整理 數據來源：蘋果，IDC，西南證券整理 公司專題報告公司專題報告/蘋果蘋果（AAPL.O）請務必閱讀正文后的重要聲明部分 19 5 蘋果原生蘋果原生應用應用與與 AI融合，或提升軟件服務業務價值融合，或提升軟件服務業務價值 軟件服務業務是蘋果近十多年來增長最快的業務之一，FY2006-FY

64、2023 的年復合增速達到 21.4%。軟件服務業務主要包含了 App Store、Apple Care、iCloud、音樂、TV、游戲、Apple Pay 等產品和服務。Apple one 以較低的資費（19.95 美元/月、25.95 美元/月、37.95 美元/月）捆綁最多 6個蘋果賬戶訂閱，其中包括高達 2TB 的 iCloud+存儲空間。通過家庭計劃或卓越理財計劃，用戶最多可邀請 5 個人加入，并在他們的所有設備上進行私人訪問。預計未來更廣泛的非英語語言功能、與第三方應用程序的命令/控制集成、以及可能增加的 AI訂閱服務將為軟件服務業務帶來更多價值。圖圖 34：蘋果軟件服務業務歷史業

65、績蘋果軟件服務業務歷史業績 圖圖 35：蘋果蘋果 Apple One 資費資費 數據來源：蘋果，西南證券整理 數據來源：蘋果，西南證券整理 此外，長期來看，蘋果原生 APP 與 AI的深度融合，未來或有機會擴展更多的 AI應用付費市場，有利于提升蘋果在軟件業務領域的價值量。圖圖 36：蘋果原生蘋果原生 APP 與當前市場上可對標的與當前市場上可對標的 AI 應用應用 數據來源：蘋果，西南證券整理 公司專題報告公司專題報告/蘋果蘋果（AAPL.O）請務必閱讀正文后的重要聲明部分 20 6 盈利預測與投資建議盈利預測與投資建議 關鍵假設：關鍵假設：假設 1：2024 財年手機出貨見底，2025-2

66、026 財年 AI手機或推動 iPhone 產品線新一輪創新周期，帶動銷售增長；假設 2：Mac 產品線在搭載更強芯片平臺和 AI PC 推動下，未來三年復合增長率為 6%；假設 3：考慮到 iPad 的換機周期，2025-2026 財年復合增速為 1.5%。Watch 和 AirPods因需求飽和預計出貨放緩，2026 財年隨著新一代 MR 設備上市，帶動其他硬件重回增長態勢。假設 4：隨著硬件產品保有量和付費率的提升，軟件服務業務未來三年復合增長率達 10%?；谝陨霞僭O，我們預測公司 2024-2026 財年分業務收入如下表：表表 3：分業務收入：分業務收入 單位：百萬美元單位：百萬美元

67、 FY2023A FY2024E FY2025E FY2026E iPhone 收入 200,583.00 196,571.34 216,228.47 237,851.32 增速-2.39%-2.00%10.00%10.00%Mac 收入 29,357.00 30,237.71 31,749.60 34,924.56 增速-26.93%3.00%5.00%10.00%iPad 收入 28,300.00 28,017.00 28,437.26 28,863.81 增速-3.39%-1.00%1.50%1.50%其他硬件 收入 39,845.00 36,856.63 36,303.78 38,66

68、3.52 增速-3.38%-7.50%-1.50%6.50%軟件服務 收入 85,200.00 95,850.00 105,435.00 113,869.80 增速 9.05%12.50%10.00%8.00%合計 收入 383285.00 387532.68 418154.10 454173.01 增速-2.80%1.11%7.90%8.61%毛利率 44.13%46.16%46.71%47.00%數據來源：Wind，西南證券 綜合考慮業務范圍，選取了消費電子和軟件行業 4 家可比上市公司作為估值參考，2024年可比公司平均估值為 29 倍 PE。表表 4：可比公司估值可比公司估值 證券代碼

69、證券代碼 可比公司可比公司 總市值（億美元總市值（億美元/億港元）億港元）股價股價（美元（美元/港元）港元）EPS（美美元元/元人民幣元人民幣）PE（倍）（倍）23A 24E 25E 26E 23A 24E 25E 26E MSFT.O 微軟 33946 456.73 9.68 11.88 13.71 16.09 47.18 38.45 33.31 28.39 GOOGL.O 谷歌 22614 182.99 5.80 7.10 8.15 9.19 31.55 25.77 22.45 19.91 META.O Meta 12801 504.68 14.87 20.15 23.50 26.75 3

70、3.94 25.05 21.48 18.86 1810.HK 小米集團 4169 16.66 0.69 0.56 0.65 0.78 22.04 27.15 23.39 19.49 平均值 33.68 29.11 25.16 21.66 AAPL.O 蘋果 33776 220.27 6.33 6.65 7.37 8.19 34.82 33.11 29.88 26.89 數據來源：Wind，西南證券整理 公司專題報告公司專題報告/蘋果蘋果（AAPL.O）請務必閱讀正文后的重要聲明部分 21 公司 2024 年估值為 33 倍?？紤]到消費電子基本面未來的改善，布局 AI 潛力可期，基于龐大的用戶基

71、礎、強大的生態系統、以及優秀的產業定價能力，蘋果有望成為未來端側AI浪潮的引領者。維持“買入”評級。圖圖 37：蘋果蘋果 PE-BAND 數據來源：Wind，西南證券整理 公司專題報告公司專題報告/蘋果蘋果（AAPL.O）請務必閱讀正文后的重要聲明部分 22 附：財務報表附：財務報表 資產負債表（百萬美元資產負債表（百萬美元）FY2023A FY2024E FY2025E FY2026E 利潤表（百萬美元）利潤表（百萬美元）FY2023A FY2024E FY2025E FY2026E 貨幣資金 61555.00 137720.73 251335.33 377313.38 銷售收入 38328

72、5.00 387532.68 418154.10 454173.01 應收賬款 29508.00 28457.08 30705.66 33350.58 銷售成本 214137.00 208641.24 222841.24 240694.88 預付款項 0.00 0.00 0.00 0.00 銷售和管理費用 24932.00 24934.93 27052.69 29302.85 存貨 6331.00 5743.56 6134.46 6625.94 研發費用 29915.00 28022.58 31436.66 33492.95 其他流動資產 46172.00 47132.96 50857.23

73、55237.97 營業利潤 114301.00 120495.98 132073.34 146351.44 流動資產總計 143566.00 219054.33 339032.68 472527.87 其他非經營損益-565.00 662.33 438.56 210.48 長期股權投資 100544.00 100544.00 100544.00 100544.00 稅前利潤 113736.00 121158.32 132511.90 146561.92 固定資產 43715.00 45299.65 47004.30 49358.95 所得稅 16741.00 19143.01 19479.25

74、 20958.36 無形資產 0.00 0.00 0.00 0.00 凈利潤 96995.00 102015.30 113032.65 125603.57 其他非流動資產 64758.00 64758.00 64758.00 64758.00 少數股東損益 0.00 0.00 0.00 0.00 非流動資產合計 209017.00 210601.65 212306.30 214660.95 歸屬于母公司股東的凈利潤 96995.00 102015.30 113032.65 125603.57 資產總計 352583.00 429655.98 551338.98 687188.82 EBITDA

75、 125255.00 135011.61 147557.42 163538.16 應付賬款 62611.00 58163.81 62122.40 67099.54 NOPLAT 97560.00 106036.37 116710.45 129134.75 其他流動負債 66890.00 62201.87 66893.63 72162.76 EPS(元)6.33 6.65 7.37 8.19 流動負債合計 145308.00 120365.68 129016.03 139262.30 長期債務 95281.00 95281.00 95281.00 95281.00 其他非流動負債 49848.0

76、0 49848.00 49848.00 49848.00 非流動負債合計 145129.00 145129.00 145129.00 145129.00 財務分析指標財務分析指標 FY2023A FY2024E FY2025E FY2026E 負債合計 290437.00 265494.68 274145.03 284391.30 成長能力成長能力 歸屬母公司權益 62146.00 164161.30 277193.95 402797.52 銷售收入增長率-2.80%1.11%7.90%8.61%少數股東權益 0.00 0.00 0.00 0.00 EBIT 增長率-4.51%11.31%8.

77、43%9.93%股東權益合計 62146.00 164161.30 277193.95 402797.52 EBITDA 增長率-3.80%7.79%9.29%10.83%負債和股東權益合計 352583.00 429655.98 551338.98 687188.82 稅后利潤增長率-2.81%5.18%10.80%11.12%盈利能力盈利能力 毛利率 44.13%46.16%46.71%47.00%現金流量表（百萬美元現金流量表（百萬美元）FY2023A FY2024E FY2025E FY2026E 凈利率 25.31%26.32%27.03%27.66%稅后經營利潤 97476.84

78、101457.62 112658.56 125423.19 ROA 27.51%23.74%20.50%18.28%折舊與攤銷 11519.00 8415.35 10295.35 12645.35 ROIC 60.27%70.69%72.73%79.25%其他經營資金 1547.16 -8457.92 2286.60 2729.13 經營性現金凈流量 110543.00 106852.99 129990.68 145128.55 估值估值 投資性現金凈流量 3705.00 -9442.32 -11625.91 -14819.62 P/E 34.82 33.11 29.88 26.89 籌資性現

79、金凈流量-108488.00 -21244.94 -4750.17 -4330.88 P/S 8.81 8.72 8.08 7.44 現金流量凈額 5760.00 76165.73 113614.60 125978.05 P/B 54.35 20.58 12.19 8.39 數據來源：公司公告，西南證券 公司專題報告公司專題報告/蘋果蘋果（AAPL.O）請務必閱讀正文后的重要聲明部分 分析師承諾分析師承諾 本報告署名分析師具有中國證券業協會授予的證券投資咨詢執業資格并注冊為證券分析師，報告所采用的數據均來自合法合規渠道，分析邏輯基于分析師的職業理解，通過合理判斷得出結論，獨立、客觀地出具本報告

80、。分析師承諾不曾因，不因，也將不會因本報告中的具體推薦意見或觀點而直接或間接獲取任何形式的補償。投資評級說明投資評級說明 報告中投資建議所涉及的評級分為公司評級和行業評級（另有說明的除外）。評級標準為報告發布日后 6 個月內的相對市場表現，即：以報告發布日后 6 個月內公司股價（或行業指數）相對同期相關證券市場代表性指數的漲跌幅作為基準。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；美國市場以納斯達克綜合指數或標普 500 指數為基準。公司評級公司評級 買入：未來 6 個月內，個股相對同期

81、相關證券市場代表性指數漲幅在 20%以上 持有：未來 6 個月內，個股相對同期相關證券市場代表性指數漲幅介于 10%與 20%之間 中性：未來 6 個月內，個股相對同期相關證券市場代表性指數漲幅介于-10%與 10%之間 回避：未來 6 個月內，個股相對同期相關證券市場代表性指數漲幅介于-20%與-10%之間 賣出：未來 6 個月內，個股相對同期相關證券市場代表性指數漲幅在-20%以下 行業評級行業評級 強于大市：未來 6 個月內，行業整體回報高于同期相關證券市場代表性指數 5%以上 跟隨大市：未來 6 個月內，行業整體回報介于同期相關證券市場代表性指數-5%與 5%之間 弱于大市：未來 6

82、個月內，行業整體回報低于同期相關證券市場代表性指數-5%以下 重要聲明重要聲明 西南證券股份有限公司（以下簡稱“本公司”）具有中國證券監督管理委員會核準的證券投資咨詢業務資格。本公司與作者在自身所知情范圍內，與本報告中所評價或推薦的證券不存在法律法規要求披露或采取限制、靜默措施的利益沖突。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，若您并非本公司簽約客戶，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。本公司也不會因接收人收到、閱讀或關注自媒體推送本報告中的內容而視其為客戶。本公司或關聯機構可能會持有報告中提到的公司所發行的證券并進行交易，還可能為這些公司

83、提供或爭取提供投資銀行或財務顧問服務。本報告中的信息均來源于公開資料，本公司對這些信息的準確性、完整性或可靠性不作任何保證。本報告所載的資料、意見及推測僅反映本公司于發布本報告當日的判斷，本報告所指的證券或投資標的的價格、價值及投資收入可升可跌，過往表現不應作為日后的表現依據。在不同時期，本公司可發出與本報告所載資料、意見及推測不一致的報告，本公司不保證本報告所含信息保持在最新狀態。同時，本公司對本報告所含信息可在不發出通知的情形下做出修改，投資者應當自行關注相應的更新或修改。本報告僅供參考之用，不構成出售或購買證券或其他投資標的要約或邀請。在任何情況下，本報告中的信息和意見均不構成對任何個人的投資建議。投資者應結合自己的投資目標和財務狀況自行判斷是否采用本報告所載內容和信息并自行承擔風險，本公司及雇員對投資者使用本報告及其內容而造成的一切后果不承擔任何法律責任。本報告及附錄版權為西南證券所有，未經書面許可，任何機構和個人不得以任何形式翻版、復制和發布。如引用須注明出處為“西南證券”，且不得對本報告及附錄進行有悖原意的引用、刪節和修改。未經授權刊載或者轉發本報告及附錄的，本公司將保留向其追究法律責任的權利。