电子行业专题

AI的iPhone时刻：云端算力奔腾，终端泛音频AIoT扩张

中信证券研究部电子行业

徐涛/雷俊成/梁楠/夏胤磊

2023年3月22日

群内每日免费分享5份+最新资料

300T网盘资源+40万份行业报告

为您的创业、职场、商业、投资、亲子、网赚、艺术、健身、心理、个人成长 …… 全面赋能！

关注公众号获取更多资料

添加微信：xxyg_wei

备注“入群”

立刻免费领取

200套知识地图+最新研报

致终身学习者社群

行业报告/思维导图/电子书/资讯情报

收钱文案、增长黑客、产品运营、品牌企划、营销战略、办公软件、会计财务、广告设计、摄影修图、视频剪辑、直播带货、电商运营、投资理财、汽车房产、餐饮烹饪、职场经验、演讲口才、风水命理、心理思维、恋爱情趣、美妆护肤、健身瘦身、格斗搏击、漫画手绘、声乐训练、自媒体打造、效率软件工具、游戏影音……

扫码先加好友，以备不时之需

 ChatGPT应用已成现象级产品，预计未来算力平民化和普适化料将催生应用场景快速落地，多模态模型发展进一步拓展应用外延。2022年11月 OpenAI 推出ChatGPT聊天机器人，凭借问答效率高、操作便捷、可扩展性强等突出特质迅速成为市场关注焦点，截至2023年1月，ChatGPT用户已超过1亿。我们认为伴随着未来的算力平民化和普适化，算力的成本逐渐下探将使得此类应用快速落地，而另一方面“视频+文图+语音”的多模态发展方向更进一步会使得该技术的应用潜能拓宽，我们看好ChatGPT类应用在交互、搜索、服务、医药、金融、无人驾驶等领域实现快速扩张。

云端受益逻辑： ChatGPT类应用驱动算力规模快速增长，核心底层硬件AI芯片及配套CPU、元器件亦同频发展，且国产化需求旺盛利好本土厂商崛起。

ChatGPT类应用铺开料将驱动全球算力规模快速提升，并拉动关键底层AI芯片的需求同频增长。结合中国信息通信研究院等机构预测，至2030年，全球算力规模将扩大到56 Zflops，对应2021-2030年CAGR\~65%，且届时智能算力规模将占90%以上。

当前AI芯片市场由海外龙头如英伟达主导，国内玩家快速追赶。除算力性能之外，AI芯片亦强调工艺制程、功能、生态布局、IP等综合要素，在此领域海外龙头英伟达掌握有技术+生态双重壁垒，而国内厂商较前者仍有一定差距，但已在技术、产品、客户导入方面取得较为积极突破。

 美政府严格限制对华销售高端芯片，中长期AI芯片国产替代是必经之路。2022年8月和10月，美国针对高端GPU芯片的对华销售实施限制，并严格设定界限阻碍先进计算芯片售往中国，意味着在可见未来内，我国AI产业发展将缺乏海外尖端产品支持。对此，我们认为短期过渡来看，国内可以选择英伟达和AMD的还没有被禁止的次优性能GPU芯片，但中长期AI芯片国产替代将是必经之路。

 完善服务器核心生态的发展需求之下，国产CPU、配套元器件等也将迎来宝贵发展机遇。在服务器中，国产AI芯片的运用同时也伴生着对配套软硬件的需求提升，例如国产CPU主核，以及在服务器之中所使用的PCB、存储、内存接口芯片、模拟芯片等配套元器件。

 终端受益逻辑： ChatGPT实现语义理解最快延伸出的场景，首先是文字、其次是语音，以智能音箱为例，ChatGPT驱动智能化2.0升级并带动新需求释放。

ChatGPT通过大模型实现语义的深度理解，我们认为从语义理解最快延伸出的场景，首先是文字、其次是语音，载体就是文字和语音输入输出的终端界面。考虑到语音输入较文字输入的便捷性和实用性，我们认为最先受益的AIoT场景是人工智能巨头提升智能音箱等终端的智能度，改善使用体验。

智能音箱升级趋缓，而ChatGPT技术可驱动智能音箱2.0升级，或成新需求带动点。现有智能音箱产品经常出现听不懂话、反应慢的状况，或者对于相对复杂问题直接无法回答，只剩下听音乐、定闹钟、问天气等较为死板的互动，产品表现并不“智能”。此前语音交互功能将音箱升级为智能音箱1.0版本，ChatGPT提升智能音箱交互体验，有望逐步往智能音箱2.0升级。

建议关注：云端环节：建议关注受益于算力需求提升的相关环节的公司，包括AMD、英伟达、寒武纪、龙芯中科、海光信息、澜起科技、江波龙、杰华特、沪电股份、通富微电、长电科技、裕太微等。终端环节：随着终端出货成长，具备技术优势的平台型主芯片以及周边芯片厂商有望受益，包括晶晨股份、恒玄科技、瑞芯微、全志科技、北京君正、乐鑫科技等。

 风险因素：用户拓展不及预期风险，AI技术及新产品开发发展不及预期风险，外部制裁加剧风险，宏观经济需求下行风险。

CONTENTS目录

ChatGPT走向多模态：催生应用场景快速落地，带来真正的需求驱动
云端：算力需求显著提升，外部限制下AI算力需要国产替代
终端：应用场景打开，驱动智能音箱2.0升级，或成新需求带动点

1.1 ChatGPT：基于OpenAI推出的深度学习模型GPT打造，成为迄今增长最快的消费应用程序

 ChatGPT（Chat Generative Pre-trained Transformer，聊天生成式预训练器）是OpenAI开发的聊天机器人，于2022年11月推出。它建立在OpenAI开发的GPT-3大型语言模型之上，并使用监督学习和强化学习（人类监督）技术进行微调。

 虽然聊天机器人的核心功能是模仿人类谈话者，但ChatGPT是多功能的。例如，它可以编写和调试计算机程序，创作音乐、电视剧、童话故事和学生论文；回答测试问题(有时根据测试的不同，答题水平要高于平均水平)；写诗和歌词；模拟Linux系统；模拟整个聊天室等。

 ChatGPT背后的公司为OpenAI，成立于2015年，由特斯拉CEO埃隆·马斯克、PayPal联合创始人彼得·蒂尔、Linkedin创始人里德·霍夫曼、创业孵化器YCombinator总裁阿尔特曼（Sam Altman）等人出资10亿美元创立。OpenAI的诞生旨在开发通用人工智能（AGI）并造福人类。

ChatGPT中的GPT（Generative Pre-trained Transformer），是OpenAI推出的深度学习模型。ChatGPT就是基于GPT-3.5版本的聊天机器人。

截至2022年12月4日，OpenAI估计ChatGPT用户已经超过100万；2023年1月，ChatGPT用户超过1亿，成为迄今增长最快的消费应用程序。

2023年2月，OpenAI开始接受美国客户注册一项名为ChatGPT Plus的高级服务，每月收费20美元；此外，OpenAI正计划推出一个每月42美元的ChatGPT专业计划，当需求较低时可以免费使用。

 2023年3月14日，OpenAI宣布正式推出 GPT-4。GPT-4 支持图像+文本输入，文本形式输出，相比前两代GPT-3和GPT3.5分别用于创造Dall-E 和ChatGPT，GPT-4提升了强大的识图能力；文字输入限制提升至 2.5 万字；回答准确性显著提高；能够生成歌词、创意文本，实现风格变化。

GPT系列模型的数据集训练规模

资料来源：《The GPT-3 language model, revolution or evolution?》（Benoît Favre，Géraldine Damnati，Frédéric Herledan等），中信证券研究部

ChatGPT与GPT 1-3的技术对比

资料来源：《6个问题，用专业视角带你全方位了解ChatGPT》——甲子光年微信公众号

 进入2023年，众多科技巨头相继推出多模态模型，目前主要以视觉语言多模态模型为主。

 2月27日微软推出的KOSMOS-1模型，能同时理解文字与图像内容，未来将会整合更多的输入模式，如音频、视频；

 3月6日谷歌推出的palm-E为目前最大规模的视觉语言多模态模型(Visual language model，VLM)，其输入包括视觉、连续状态估计和文本，并可执行包括机器人操作、视觉问题解答在内的具体问题，此外还具备泛化能力，可以在未训练的情况下推演执行各种任务，比如可以操控机器人将“绿色物块”推到未曾学习过的“乌龟”旁边；

 3月14日OpenAI推出多模态的GPT-4版本，可以输入图像和文本然后输出文本，微软稍后即宣布其Microsoft 365将集成采用了GPT-4的生成式AI助手Copilot用于辅助办公，Google则紧跟宣布其Workspace中的Gmail和Docs也将集成AI助手；

 百度于3月16日正式发布的文心一言亦已经从单一的自然语言理解延伸到多模态，包括视觉、文档、文图、语音等多模态多功能，并可进行多模态生成。

微软KOSMOS-1多模输入展示

资料来源：《Language Is Not All You Need: Aligning Perception with Language Models》（Shaohan Huang, Li Dong, Wenhui Wang等）https://doi.org/10.48550/arXiv.2302.14045

谷歌palm-E多模输入展示

1.kobebryant ison theleft.2.kobe bryant has won 5championshiprings.
资料来源：《PaLM-E: An Embodied Multimodal Language Model》——Danny Driess，Fei Xia，MehdiS. M. Sajjadi等 4

OpenAI发布GPT-3.5-turbo，接入成本降低90%。3月2日，OpenAI正式推出GPT-3.5-turbo，并开放API接口，第三方开发人员可以通过其API（应用程序编程接口）将ChatGPT直接集成到其应用程序和服务中，极大简化了开发流程，此外ChatGPT API价格为0.002美元/k tokens（约2.7美元/百万单词），仅为GPT-3.5模型价格的十分之一。主要原因是以ChatGPT为代表的的AI模型单位算力成本不断下降。

 ChatGPT延伸应用场景广阔，API开放需求旺盛。除网页版ChatGPT的火爆外，下游应用场景对API开放的需求比较旺盛，诸多下游公司已将ChatGPT应用至不同场景。例如Snapchat、单词背诵应用Quizlet、生鲜电商平台Instacart、跨境电商平台Shopify，此外DallE也采用了ChatGPT支持，Stable Diffussion也使用了类似的支持技术。

 单位算力成本降低趋势明确，AI产业逐步转向需求驱动阶段，推动AI芯片快速放量。AI相关基础理论成形相对较早，但受技术、算力限制而发展缓慢，2016年以来AI产业逐步加速，主要由硬件基础和训练模型升级迭代推动，我们认为ChatGPT此次降价将推动整体市场接入AI计算更加平民化和普适化，以搜索引擎You.com为例，2022年底，其使用AI提供搜索服务的成本比传统互联网搜索高出50%，但在GPT 3.5 turbo发布前，这一差距已降至5%，随着此次ChatGPT API服务的大幅降价，使用AI提供搜索服务将具有可观的经济效益。

单位算力成本降低已为明确趋势，尽管对应单位芯片需求降低，但随着接入门槛降低、终端应用的快速落地和商业效益的逐步显现，AI产业擦站将逐步转向需求快速驱动阶段，AI应用将成为 AI 芯片需求放量的关键，交互、搜索、服务、医药、金融、无人驾驶等领域应用的快速扩张，将带来长期更稳定的AI芯片增量需求。

蒸馏学习网络示意图

资料来源：ResearchGate

Snapchat My AI for Snapchat、Shopify对话购物功能示意图

资料来源：Snapchat，Shopify

1.4 算力发展：全球算力增加或提速，华为预计至2030年算力规模或扩大至56 ZFlops，对应CAGR\~65%

 ChatGPT类应用或进一步提速全球算力规模增长，华为GIV预计至2030年突破56ZFlops，CAGR\~65%，其中智能算力占比将超过90%。

 2021年全球算力规模已达615 Eflops，其中智能算力占比38%。在以万物感知、万物互联、万物智能为特征的数字经济时代背景下，根据中国信息通信研究院数据，2021年全球算力规模已达615 Eflops，同比+44%。构成上看，基础算力/智能算力/超算算力占比分别为60%/38%/2%。（智能算力：由基于GPU、通用AI芯片、FPGA、ASIC等加速计算平台提供的算力，主要用于人工智能的训练和推理计算，比如语音、图像和视频的处理）

 ChatGPT类应用的广泛铺开或进一步提速全球算力规模，华为GIV预计至2030年突破56ZFlops，届时智能算力占比将超过90%。参考华为GIV预测，至2030年全球算力规模将保持CAGR\~65%的高速增长态势扩大至56 ZFlops（即56000 EFlops ），且智能算力将成为主要增长点，至2030年规模为52.5 Zflops，对应2021\~2030年CAGR为80%。

 中国市场算力需求亦将快速增长，IDC预测2022\~2026年CAGR\~48%。根据IDC数据及其预测，2022年中国智能算力规模为268 EFlops ，至2026年有望扩张至1271 EFlops 。

全球算力规模及发展预测（单位：EFlops）

资料来源：中国信息通信研究院，IDC，Gartner，TOP500，华为GIV（含预测），中信证券研究部
中国智能算力需求规模及预测（单位： EFlops ）

资料来源：IDC（含预测），中信证券研究部

云端：算力规模快速增长

ChatGPT类应用铺开将驱动全球算力规模快速提升，并拉动AI芯片需求同频增长

 当前AI芯片市场由海外龙头如英伟达主导，国内玩家快速追赶

 美政府严格限制对华销售高端芯片，中长期AI芯片国产替代是必经之路

ChatGPT 应用火热

 完善服务器核心生态的发展需求之下，国产CPU、配套元器件等也将迎来宝贵发展机遇

终端：驱动智能化升级提速

以音箱产品为例，从传统音箱到智能音箱，智能化升级趋缓，市场需求疲弱

 ChatGPT技术可驱动智能音箱2.0升级，或成新需求带动点

建议关注前端成本占比高、具备技术壁垒的主控芯片及周边芯片，后端关注有望与ChatGPT或其他大模型合作的品牌厂商及其ODM

建议关注

1、AI芯片：华为昇腾、寒武纪等国内先行者

2、CPU主核：龙芯中科、海光信息等

3、服务器制造端：通富微电、长电科技等

4、服务器配套元器件：

. PCB：沪电股份

• 存储、内存接口芯片：江波龙、澜起科技

• 模拟芯片：裕太微、杰华特、纳芯微等

1、主芯片及周边芯片：晶晨股份、恒玄科技、瑞芯微、全志科技、北京君正、乐鑫科技等

2、后端环节：漫步者、国光电器、歌尔股份、百度、阿里、小米等

资料来源：中信证券研究部

CONTENTS目录

ChatGPT走向多模态：催生应用场景快速落地，带来真正的需求驱动
云端：算力需求显著提升，外部限制下AI算力需要国产替代
终端：应用场景打开，驱动智能音箱2.0升级，或成新需求带动点

训练需要密集的计算得到模型，没有训练，就不可能会有推理。

 训练是指通过大数据训练出一个复杂的神经网络模型，通过大量标记过的数据来训练相应的系统得到模型，使其能够适应特定的功能。训练需要较高的计算性能、能够处理海量的数据、具有一定的通用性，以便完成各种各样的学习任务。

 推理是指利用训练好的模型，使用新数据推理出各种结论。借助神经网络模型进行运算，利用输入的新数据来一次性获得正确结论的过程。

 根据承担任务的不同，AI芯片可以分为：用于构建神经网络模型的训练芯片，利用神经网络模型进行推理预测的推理芯片。

 训练，是指通过大数据训练出一个复杂的神经网络模型，即用大量标记过的数据来“训练”相应的系统，使之可以适应特定的功能。训练需要极高的计算性能，需要较高的精度，训练芯片受算力约束，一般只在云端部署。

 推理，是指利用训练好的模型，使用新数据推理出各种结论。即借助现有神经网络模型进行运算，利用新的输入数据来一次性获得正确结论的过程，在云端和终端均有部署。

推理是将深度学习训练成果投入使用的过程

资料来源：《NVIDIA DEEP LEARNING INSTITUTE》——英伟达AI Conference

常见的32/16/8位数字格式对比

FP32	s	8 bit exp		23 bit mantissa
BF16	S	8 bit exp		7 bit mantissa
FP16	s	5 bit exp	10 bit mantissa
INT16s		15 bit mantissa
INT8	s	7 bit mantissa

9资料来源：《Lower Numerical Precision Deep Learning Inference and Training》——Intel 注：FP32和BF16提供了相同的动态范围，FP32由于更大的尾数提供了更高的精度。

 AI芯片定义：从广义上讲，能运行AI算法的芯片都叫AI芯片，目前通用的CPU、GPU、FPGA、MLU、TPU等都能执行AI算法，只是执行效率差异较大；狭义上一般将AI芯片定义为“专门针对AI算法做了特殊加速设计的芯片”，例如谷歌TPU、寒武纪MLU等。

 在人工智能立夏将至的大趋势下，芯片市场蛋糕越做越大，足以让拥有不同功能和定位的芯片和平共存，百花齐放。后摩尔定律时代，我们强调AI芯片市场不是零和博弈。我们认为从深度学习到ChatGPT对AI芯片的需求是当仁不让的市场主流，行业由上至下传导形成明显的价值扩张。

 在AI计算训练端(主要用在云计算数据中心里)，以英伟达为代表的GPU是目前的第一选择，但以谷歌TPU、寒武纪MLU为代表的通用AI芯片，也如雨后春笋，逐渐替代GPU的应用场景。

 AI计算推理端，以谷歌TPU、寒武纪370为代表的通用AI芯片，针对特定算法深度优化和加速，将在确定性执行模型(deterministic executionmodel)的应用需求中发挥作用；次优的GPU产品也可以应用于推理端；FPGA依靠电路级别的通用性，加上可编程性，适用于开发周期较短的IoT产品、传感器数据预处理工作以及小型开发试错升级迭代阶段等。

几种AI芯片的特点梳理

类别	GPU	AI芯片	CPU	FPGA
特点	1.可多达上千个简单核心，上千个并行硬件线程 2.并行运算能力、浮点运算能力强大 3.最大化浮点运算数据吞吐量	1.需求确定后可进行专门优1.通用性强化设计 2.优秀的功耗控制 3.性能稳定、可靠性高	2.核心复杂程度高 3.串行运算能力强，单线程性能优化 4.晶体管空间用于复杂并行性指令(Complex ILP)	1.电路级别的通用性 2.可编程性 3.适用于开发周期较短的 loT产品、传感器数据预处理工作以及小型开发试错升级迭代阶段
主要厂商	英伟达、AMD、 Imagination等	英特尔、高通、华为、寒武纪地平线等	英特尔、AMD、高通等	Xilinx、Altera (已被lntel收购）、Lattice、Microsemi

资料来源：英伟达、谷歌官网等，中信证券研究部

 深度学习（Deep Learning）：通过模仿人脑的机制来解释数据，即通过组合低层特征形成更加抽象的高层特征（或属性类别）。例如，在计算机视觉领域，深度学习算法从原始图像去学习得到一个低层次表达，例如边缘检测器、小波滤波器等，然后在这些低层次表达的基础上，通过线性或者非线性组合，来获得一个高层次的表达。深度学习的本质是高阶张量，以矩阵运算为基础。

 2016年3月，中科院计算所发布了全球首个能够深度学习的神经网络处理器芯片，名为“寒武纪”。2021年寒武纪发布了第四代智能处理器架构 MLUarch03，多算子硬件融合技术在软件融合的基础上大幅减少算子执行时间。

 英伟达最初的GPGPU产品更多应用Cuda core（全能型的浮点运算单元），在2017开始在GPU中加入了一块专用的AI芯片叫Tensor core（张量计算核心），TensorCore是专为执行张量或矩阵运算而设计的专用执行单元，Tensor Core可实现混合精度计算，并能根据精度的降低动态调整算力，在保持准确性的同时提高吞吐量。

AI 训练：当今的 AI 模型面临着对话式 AI 等更高层次的挑战，这促使其复杂度呈爆炸式增长。在 FP32 精度下训练这些大型模型可能需要数周甚至数月时间。Tensor Core 能够通过降低精度（如 Transformer 引擎中的 8 位浮点 (FP8)、Tensor Float 32 (TF32) 和 FP16），在性能方面实现数量级的提高。从而在保持准确性的同时，大幅缩短从训练到收敛的时间。

 AI 推理：优秀的 AI 推理加速器不仅要提供出色的性能，还要具备能够加速不同神经网络的通用性，以及能够使开发者构建新神经网络的可编程性。要可靠地部署推理，关键的性能要求是在低延迟下实现高吞吐量，同时更大限度地提高利用率。Tensor Core 提供了一整套精度（TF32、Bfloat16 浮点运算性能（BF16）、FP16、FP8 和 INT8），确保实现出色的通用性和性能。

Tensor Core输入矩阵的精度为半精度，乘积可以达到完全精度

TENSORCORE4X4X4MATRIX-MULTIPLYACC

资料来源：英伟达技术论坛
寒武纪多种计算精度支持

资料来源：寒武纪官网

 美政府针对高端GPU芯片的对华销售实施限制，并严格设定界限阻碍先进计算芯片售往中国。

 2022年8月31日，美国政府要求英伟达的A100、H100系列和AMD的MI 250系列及未来的高端GPU产品，是否可以售卖给中国客户，需要获得美国政府的许可。这几款芯片均为用于通用计算的高端GPGPU，通常应用在人工智能计算的云端训练和推理场景和超级计算机中，在中国的客户多为云计算厂商及高校和科研院所。

 2022年10月7日，美国商务部工业与安全局（BIS）公布了对于中国出口管制新规声明，进一步加强了对中国出口相关产品的管制措施，声明中包括更全面的与先进计算和半导体制造相关的限制措施，涉及高算力芯片、先进逻辑芯片和高端存储芯片制造，其中具体的限制门槛包括：

先进计算芯片：3A090规定GPU/ASIC/CPU/FPGA等各类芯片，满足输入输出双向传输速度高于600GB/s，同时每次操作的比特长度乘以TOPS计算出的处理性能合计为4800或更多算力的产品（注释：英伟达A100的INT8算力是624TOPS@INT8，624*8=4992>4800，单精度（32位）浮点算力156TFLOPS，156*32=4992>4800，同时带宽是600GB/s，触碰到了红线；此外，英伟达H100的INT8算力是2000TOPS，单精度浮点算力500TFLOPS，带宽是900GB/s，更超越了红线）。

计算机部分：4A090包括计算机及计算机的相关的设备、组件以及附件，其中芯片也要按照3A090规定管理；对于超级计算机，在41,600立方英尺或者更小的体积内，FP64（双精度）理论计算能力是在100 petaFLOPS（每秒千万亿次浮点运算）或者以上，FP32（单精度）在200 petaFLOPS或者以上浮点算力的超级计算机，被定义为对中国管控的相关计算机。

 我们认为在需要大量算力的AI的训练端和推理端中，短期可以采用海外厂商的次优产品进行算力提升，中长期仍需国内AI芯片满足算力需求。

 短期来看，国内可以选择英伟达和AMD的还尚未被禁售的次优GPU芯片。对于云端计算，算力既可以通过产品升级得以提升，也可以通过增加计算卡的数量进行提升，因此短期内可以通过使用多个CPU、GPU和通用AI芯片来实现高端AI芯片的处理能力，基本可以满足云端训练和高性能计算的要求。

 中长期来看，AI芯片国产替代是必经之路。短期内可能会因为无法兼容在人工智能领域广泛使用的CUDA架构而遭遇替换困难，但是中长期来看，我们预计随着国内云厂商、芯片厂商、软件开发者的密切配合，国产生态的实力会得到快速提升。因此，国产CPU、GPU、通用AI芯片将获得前所未有的发展机会，通过软硬件技术提升，逐步实现高端AI芯片的国产化替代，其中在软硬件及自主生态布局较为领先的AI芯片企业预计将核心受益。

 目前国内厂商在计算性能和软件生态上虽然和国际厂商还有一定的差距，但是差距已经在逐渐缩短。此外，随着国内政策扶持及国内厂商奋起直追，未来有望逐步实现AI芯片和AI算力国产化。

目前国内AI芯片主要厂商包括华为、寒武纪、海光、遂原、壁仞、天数智芯等，此外龙芯中科也在布局。

 华为昇腾及寒武纪均自主研发通用AI芯片，昇腾910、寒武纪思元290与英伟达A100均采用7nm先进制程工艺，在性能功耗比上较为接近，均面向AI训练、推理任务。在峰值计算能力上，英伟达A100为624TOPS@INT8（非稀疏模式）；昇腾910和思元290为512TOPS@INT8。

国内GPGPU、AI加速芯片产品梳理及与国外GPGPU产品对比

产品型号

产品类型

推出时间

制造工艺

封装工艺

浮点算力(TFlops)

INT8定点算力(TOPS)

生态

互联带宽

显存(GB)

接口

功耗

FP64

FP32

FP16/BF16

华为昇腾910

AI芯片

2018

7nm

320

640

MindSpore

PCle 4.0

310W

寒武纪思元290

AI芯片（训练）

2021

7nm

2.5D CoWoS

支持

512

Cambricon Neuware

600GB/s

PCle 4.0

250W

寒武纪思元370

AI芯片（推训一体）

2021

7mm

Chiplet

256

Cambricon Neuware

614.4 GB/s

PCle 4.0

250W

海光深算一号

DCU

2021

7mm

5.4

支持

兼容ROCm

PCle 4.0

350W

天数智芯天100

GPU

2021

70m

2.5D CoWoS

147

295

SIMT

64 GB/s

PCle 4.0

250W

壁仞BR100- OAM

GPU

2022

7mm

2.5D CoWoS

256

1024

2048

BIRENSUPA

512GB/s

PCle 5.0

550W

壁仞BR104- 300WPCle

GPU

2022

7mm

2.5D CoWoS

128

512

1024

BIRENSUPA

192GB/s

PCle 5.0

300W

英伟达 A100 PCle

GPU

2020

7nm

9.7

19.5

312

624

CUDA

600GB/s

PCle 4.0

400W

英伟达 H100 PCle

GPU

2022

4nm

2.5D CoWoS

800

1600

CUDA

900GB/s

PCle 5.0

350W

AMD Instinct MI100

GPU

2020

7nm

11.5

23.1

92.3

184.6

AMD ROCm

276GB/s

PCle 4.0

300W

AMD Instinct MI250X

GPU

2021

6nm

2.5D EFB

47.9

383

362

AMD ROCm

128

PCle 4.0

560W

数据来源：各公司官网，中信证券研究部注：未填写的数字不代表不支持，而是未找到公开数据

CONTENTS目录

ChatGPT走向多模态：催生应用场景快速落地，带来真正的需求驱动
云端：算力需求显著提升，外部限制下AI算力需要国产替代
终端：应用场景打开，驱动智能音箱2.0升级，或成新需求带动点

回顾过去，从传统音箱到智能音箱，智能化升级趋缓，市场需求疲弱。

 从传统音箱到HomePod、Echo、天猫精灵等智能音箱，是家居中智能语音的首个突破口，主要系音箱类产品具有传统音频播放功能的同时，具备较强的语音特性；产品功能相对集中、摆放灵活、成本可控、生产门槛不苛刻，新兴厂商切入更加容易。

 从功能上看，智能音箱新增语音交互、联网、家居控制、内容服务等，核心技术门槛在于云端算力支持的语音交互能力，而这也是亚马逊、谷歌、苹果等科技巨头的差异化优势。

 但近年来，智能音箱经常出现听不懂话、反应慢的状况，或者对于相对复杂问题直接无法回答，只剩下听音乐、定闹钟、问天气等较为有限的互动，产品表现并不“智能”。

从传统音箱到智能音箱功能的改变

典型智能音箱语音交互流程图

资料来源：Cary Audio官网，百度官网，小米官网，中信证券研究部
资料来源：中信证券研究部绘制

 ChatGPT通过大模型实现语义的深度理解，有望提升智能音箱等终端智能度，进而改善使用体验。ChatGPT的核心是一个通过AI技术驱动的自然语言处理工具，重心在内容，即大幅优化用户获取内容的流程，提升所获内容的精准度，从而改善语音助手的使用体验。而对于未来的智能终端而言，我们预计约80%为语音输入，20%为视频输入，未来语音/文本仍将是主流的交互方式，用户语音→智能音箱等终端界面输入→ChatGPT语义处理→智能音箱等终端输出或是智能音箱新的业务形态。例如Bilibili用户GPTHunt、Github用户xiaogpt都已将ChatGPT接入音箱产品，实现更智能、更连续的交互。需要注意的是，智能音箱除了交互，另一个重要功能是控制，而使用ChatGPT功能时，目前只能实现多模态输出（文本、音频、图像等），暂无法对实体进行直接控制，两者后续的发展亦需要持续观注。

 语音交互功能将音箱升级为智能音箱1.0版本，ChatGPT提升智能音箱交互体验，有望逐步往智能音箱2.0升级。随着2015年亚马逊推出首款搭载Alexa的智能音箱、2016-2018年，海外巨头谷歌、苹果等，国内百度阿里小米等相继跟进，智能音箱出货从2016年的650万台快速成长至2019年的1.5亿台，后续由于市场饱和、产品同质化、用户体验差等因素需求趋于平稳。后续ChatGPT凭借其大模型基础改善语音助手的使用体验，产品形态往2.0升级，有望进一步带动需求增长。

全球智能音箱出货量（单位：百万台）

资料来源：Strategy Analytics，中信证券研究部预测
中国智能音箱销量变化（单位：万台）

资料来源：洛图科技，中信证券研究部

 供应链方面，现阶段建议重点关注前后两端：前端关注成本占比高、具备技术壁垒的主控芯片及周边芯片，后端关注有望与ChatGPT或其他大模型合作的品牌厂商及其ODM。

（1）主芯片技术壁垒高，需要集成音频编解码、wifi/蓝牙连接、远场/近场声学算法、低功耗等功能。随着终端出货成长，具备技术优势的平台型主芯片以及周边芯片厂商有望受益，包括晶晨股份、恒玄科技、瑞芯微、全志科技、北京君正、乐鑫科技等。

 （2）后端环节建议关注品牌及ODM，包括漫步者、国光电器、歌尔股份、百度、阿里、小米等。

资料来源：iFixit，Techinsight，我爱音频网，中信证券研究部

智能音箱零部件Bom占比

苹果HomePod	Google Home	Amazon Echo
处理器/基带	12% 9%	6%
连接器/传感器	3% 6%	6%
存储	10% 6%	4%
混合信号/射频	1% 1%	0%
电源管理/音频	27% 9%	9%
其他电子	28% 22%	20%
机械件/封装	12% 25%	28%
测试/组装/支撑材料	8% 23%	26%
Bom总计（美元）	216	44 80

资料来源：Techinsight，中信证券研究部

用户拓展不及预期风险；

AI技术及新产品开发发展不及预期风险；

外部制裁加剧风险；

国产化推进不及预期风险；

行业竞争加剧风险；

宏观经济需求下行风险。

感谢您的信任与支持！

THANK YOU

徐涛（科技产业联席首席分析师/电子行业首席分析师）

雷俊成（半导体分析师）

梁楠（消费电子分析师）

夏胤磊（半导体分析师）

执业证书编号：S1010517080003

执业证书编号： S1010520050003

执业证书编号： S1010520090005

执业证书编号： S1010521080005

免责声明

证券研究报告 2023年3月22日

分析师声明

主要负责撰写本研究报告全部或部分内容的分析师在此声明：（i）本研究报告所表述的任何观点均精准地反映了上述每位分析师个人对标的证券和发行人的看法；（ii）该分析师所得报酬的任何组成部分无论是在过去、现在及将来均不会直接或间接地与研究报告所表述的具体建议或观点相联系。

一般性声明

本研究报告由中信证券股份有限公司或其附属机构制作。中信证券股份有限公司及其全球的附属机构、分支机构及联营机构（仅就本研究报告免责条款而言，不含CLSA group of companies），统称为“中信证券”。

本研究报告对于收件人而言属高度机密，只有收件人才能使用。本研究报告并非意图发送、发布给在当地法律或监管规则下不允许向其发送、发布该研究报告的人员。本研究报告仅为参考之用，在任何地区均不应被视为买卖任何证券、金融工具的要约或要约邀请。中信证券并不因收件人收到本报告而视其为中信证券的客户。本报告所包含的观点及建议并未考虑个别客户的特殊状况、目标或需要，不应被视为对特定客户关于特定证券或金融工具的建议或策略。对于本报告中提及的任何证券或金融工具，本报告的收件人须保持自身的独立判断并自行承担投资风险。

本报告所载资料的来源被认为是可靠的，但中信证券不保证其准确性或完整性。中信证券并不对使用本报告或其所包含的内容产生的任何直接或间接损失或与此有关的其他损失承担任何责任。本报告提及的任何证券或金融工具均可能含有重大的风险，可能不易变卖以及不适合所有投资者。本报告所提及的证券或金融工具的价格、价值及收益可跌可升。过往的业绩并不能代表未来的表现。

本报告所载的资料、观点及预测均反映了中信证券在最初发布该报告日期当日分析师的判断，可以在不发出通知的情况下做出更改，亦可因使用不同假设和标准、采用不同观点和分析方法而与中信证券其它业务部门、单位或附属机构在制作类似的其他材料时所给出的意见不同或者相反。中信证券并不承担提示本报告的收件人注意该等材料的责任。中信证券通过信息隔离墙控制中信证券内部一个或多个领域的信息向中信证券其他领域、单位、集团及其他附属机构的流动。负责撰写本报告的分析师的薪酬由研究部门管理层和中信证券高级管理层全权决定。分析师的薪酬不是基于中信证券投资银行收入而定，但是，分析师的薪酬可能与投行整体收入有关，其中包括投资银行、销售与交易业务。

若中信证券以外的金融机构发送本报告，则由该金融机构为此发送行为承担全部责任。该机构的客户应联系该机构以交易本报告中提及的证券或要求获悉更详细信息。本报告不构成中信证券向发送本报告金融机构之客户提供的投资建议，中信证券以及中信证券的各个高级职员、董事和员工亦不为（前述金融机构之客户）因使用本报告或报告载明的内容产生的直接或间接损失承担任何责任。

评级说明

投资建议的评级标准		评级	说明
报告中投资建议所涉及的评级分为股票评级和行业评级（另有说明的除外）。评级标准为报告发布日后6到12个月内的相对市场表现，也即：以报告发布日后的6到12个月内的公司股价（或行业指数）相对同期相关证券市场代表性指数的涨跌幅作为基准。其中：A股市场以沪深300指数为基准，新三板市场以三板成指（针对协议转让标的）或三板做市指数（针对做市转让标的）为基准；香港市场以摩根士丹利中国指数为基准；美国市场以纳斯达克综合指数或标普500指数为基准；韩国市场以科斯达克指数或韩国综合股价指数为基准。	股票评级	买入	相对同期相关证券市场代表性指数涨幅20%以上
		增持	相对同期相关证券市场代表性指数涨幅介于5%～20%之间
		持有	相对同期相关证券市场代表性指数涨幅介于-10%～5%之间
		卖出	相对同期相关证券市场代表性指数跌幅10%以上
		强于大市	相对同期相关证券市场代表性指数涨幅10%以上
	行业评级	中性	相对同期相关证券市场代表性指数涨幅介于-10%～10%之间
	行业评级	弱于大市	相对同期相关证券市场代表性指数跌幅10%以上

免责声明

特别声明

在法律许可的情况下，中信证券可能（1）与本研究报告所提到的公司建立或保持顾问、投资银行或证券服务关系，（2）参与或投资本报告所提到的公司的金融交易，及/或持有其证券或其衍生品或进行证券或其衍生品交易，因此，投资者应考虑到中信证券可能存在与本研究报告有潜在利益冲突的风险。本研究报告涉及具体公司的披露信息，请访问https://research.citicsinfo.com/disclosure。

截至本报告发布日，中信证券股份有限公司及其另类投资子公司持有下述公司已发行股份的比例达到或超过1%：杰华特（688141），对应持股业务类别：自营，持股比例：0.04%；另类投资子公司，限售持股比例：2.24%/0.38%，限售起始日：2022年12月23日/2022年12月23日，限售期：12个月/24个月；中信证券股份有限公司及其另类投资子公司持有下述公司已发行股份的比例达到或超过1%：海光信息（688041），对应持股业务类别：自营，持股比例：0.47%；另类投资子公司，限售持股比例：0.25%/1.34%，限售起始日：2022年08月12日/2022年08月12日，限售期：24个月/12个月；中信证券股份有限公司及其另类投资子公司持有下述公司已发行股份的比例达到或超过1%：澜起科技（688008），对应持股业务类别：自营，持股比例：1.41%；中信证券股份有限公司及其另类投资子公司持有下述公司已发行股份的比例达到或超过1%：乐鑫科技（688018），对应持股业务类别：自营，持股比例：1.30%。

法律主体声明

本研究报告在中华人民共和国（香港、澳门、台湾除外）由中信证券股份有限公司（受中国证券监督管理委员会监管，经营证券业务许可证编号：Z20374000）分发。本研究报告由下列机构代表中信证券在相应地区分发：在中国香港由CLSA Limited（于中国香港注册成立的有限公司）分发；在中国台湾由CL Securities Taiwan Co., Ltd.分发；在澳大利亚由CLSA Australia Pty Ltd.（商业编号：53 139 992 331/金融服务牌照编号：350159）分发；在美国由CLSA（CLSA Americas, LLC除外）分发；在新加坡由CLSA Singapore Pte Ltd.（公司注册编号：198703750W）分发；在欧洲经济区由CLSA Europe BV分发；在英国由CLSA （UK）分发；在印度由CLSA India Private Limited分发（地址：8/F, Dalamal House, Nariman Point, Mumbai 400021；电话：+91-22-66505050；传真：+91-22-22840271；公司识别号：U67120MH1994PLC083118）；在印度尼西亚由PT CLSA Sekuritas Indonesia分发；在日本由CLSA Securities Japan Co., Ltd.分发；在韩国由CLSA Securities Korea Ltd.分发；在马来西亚由CLSASecurities Malaysia Sdn Bhd分发；在菲律宾由CLSA Philippines Inc.（菲律宾证券交易所及证券投资者保护基金会员）分发；在泰国由CLSA Securities (Thailand) Limited分发。

针对不同司法管辖区的声明

中国大陆：根据中国证券监督管理委员会核发的经营证券业务许可，中信证券股份有限公司的经营范围包括证券投资咨询业务。

中国香港：本研究报告由CLSA Limited分发。本研究报告在香港仅分发给专业投资者（《证券及期货条例》（香港法例第571 章）及其下颁布的任何规则界定的），不得分发给零售投资者。就分析或报告引起的或与分析或报告有关的任何事宜，CLSA客户应联系CLSA Limited的罗鼎，电话：+852 2600 7233。

美国：本研究报告由中信证券制作。本研究报告在美国由CLSA（CLSA Americas, LLC除外）仅向符合美国《1934年证券交易法》下15a-6规则界定且CLSA Americas, LLC提供服务的“主要美国机构投资者”分发。对身在美国的任何人士发送本研究报告将不被视为对本报告中所评论的证券进行交易的建议或对本报告中所述任何观点的背书。任何从中信证券与CLSA获得本研究报告的接收者如果希望在美国交易本报告中提及的任何证券应当联系CLSA Americas, LLC（在美国证券交易委员会注册的经纪交易商），以及CLSA 的附属公司。

新加坡：本研究报告在新加坡由CLSA Singapore Pte Ltd.，仅向（新加坡《财务顾问规例》界定的）“机构投资者、认可投资者及专业投资者”分发。就分析或报告引起的或与分析或报告有关的任何事宜，新加坡的报告收件人应联系CLSA Singapore Pte Ltd，地址：80 Raffles Place, #18-01, UOB Plaza 1, Singapore 048624，电话：+65 6416 7888。因您作为机构投资者、认可投资者或专业投资者的身份，就CLSA Singapore Pte Ltd.可能向您提供的任何财务顾问服务，CLSA Singapore Pte Ltd豁免遵守《财务顾问法》（第110章）、《财务顾问规例》以及其下的相关通知和指引（CLSA业务条款的新加坡附件中证券交易服务C部分所披露）的某些要求。MCI（P）085/11/2021。

加拿大：本研究报告由中信证券制作。对身在加拿大的任何人士发送本研究报告将不被视为对本报告中所评论的证券进行交易的建议或对本报告中所载任何观点的背书。

英国：本研究报告归属于营销文件，其不是按照旨在提升研究报告独立性的法律要件而撰写，亦不受任何禁止在投资研究报告发布前进行交易的限制。本研究报告在英国由CLSA （UK）分发，且针对由相应本地监管规定所界定的在投资方面具有专业经验的人士。
涉及到的任何投资活动仅针对此类人士。若您不具备投资的专业经验，请勿依赖本研究报告。

欧洲经济区：本研究报告由荷兰金融市场管理局授权并管理的CLSA Europe BV 分发。

澳大利亚：CLSA Australia Pty Ltd (“CAPL”) (商业编号：53 139 992 331/金融服务牌照编号：350159) 受澳大利亚证券与投资委员会监管，且为澳大利亚证券交易所及CHI-X的市场参与主体。本研究报告在澳大利亚由CAPL仅向“批发客户”发布及分发。本研究报告未考虑收件人的具体投资目标、财务状况或特定需求。未经CAPL事先书面同意，本研究报告的收件人不得将其分发给任何第三方。本段所称的“批发客户”适用于《公司法（2001）》第761G条的规定。CAPL研究覆盖范围包括研究部门管理层不时认为与投资者相关的ASX All Ordinaries 指数成分股、离岸市场上市证券、未上市发行人及投资产品。CAPL寻求覆盖各个行业中与其国内及国际投资者相关的公司。

印度：CLSA India Private Limited，成立于 1994 年 11 月，为全球机构投资者、养老基金和企业提供股票经纪服务（印度证券交易委员会注册编号：INZ000001735）、研究服务（印度证券交易委员会注册编号：INH000001113）和商人银行服务（印度证券交易委员会注册编号：INM000010619）。CLSA 及其关联方可能持有标的公司的债务。此外，CLSA及其关联方在过去 12 个月内可能已从标的公司收取了非投资银行服务和/或非证券相关服务的报酬。如需了解CLSA India“关联方”的更多详情，请联系Compliance-India@clsa.com。

未经中信证券事先书面授权，任何人不得以任何目的复制、发送或销售本报告。

群内每日免费分享5份+最新资料

300T网盘资源+40万份行业报告

为您的创业、职场、商业、投资、亲子、网赚、艺术、健身、心理、个人成长 …… 全面赋能！

关注公众号获取更多资料

添加微信：xxyg_wei

备注“入群”

立刻免费领取

200套知识地图+最新研报

致终身学习者社群

行业报告/思维导图/电子书/资讯情报

电子行业专题：AI的iPhone时刻，云端算力奔腾，终端泛音频AIoT扩张-20230322-中信证券-22页