AIPC&AI手机专题报告：AIGC向端侧下沉成趋势，有望引领新一轮硬件创新

评级：推荐(维持)

陈梦竹(证券分析师)

尹芮(证券分析师)

卢瑞琪(联系人)

S0350521090003

S0350522110001

S0350123070054

chenmz@ghzq.com.cn

yinr@ghzq.com.cn

lurq@ghzq.com.cn

相对沪深300表现

表现	1M	3M	12M
恒生指数	10.9%	-0.6%	-14.3%
沪深300	8.5%	3.3%	-11.8%

一、PC/手机发展史及AIPC/手机必要性的探讨

1971-1982

随着计算机性能的提升、体积的减小、成本的下降，个人PC产品出现。

1971

第一台个人PC:Datapoint2200

1981
IBM5150

搭载lntel8088处理器与微软的DOS1.0操作系统

1983\~2002

图形用户界面被引入PC，鼠标驱动引发交互形式的革命，PC开始大规模商业化落地并成为生产力工具。

1983

第一台使用GUI的电脑：Apple Lisa硬件方面：Lisa是一台一体机，12英寸单色屏幕，分辨率为720×365像素。其使用的CPU是摩托罗拉68000，运行频率为5MHz，内存为1MB，拥有2个软盘和1个5MB的硬盘。此外，苹果自行设计出MMU以进行内存管理（操作系统因此得以支持多任务处理，即可以同时运行多个程序）。软件方面：Lisa首创“双击鼠标”的交互形式，如双击图标会打开一个新窗口，通过标题栏可以拖动窗口直至用户释放按钮等；此外，Lisa捆绑了操作系统Lisa OS和一个包含7个应用程序的办公套件，后者包含文字处理、电子表格等应用。

2003-2023

芯片组技术使PC具备移动性以及无线上网等功能。此外，GPU开始广泛用于个人PC，GPU计算时代由此开启。

2003年，Intel推出迅驰平台，将Pentium M处理器、Intel芯片组和802.11无线网络模块三者集成在一起，普及了笔记本无线网络的应用，也加速了笔记本向轻薄化的发展。

笔记本代表：Thinkpad系列

2006年，NVIDIA发布首个通用GPU计算架构Tesla，其采用全新的CUDA架构，支持使用C语言进行GPU编程，可以用于通用数据并行计算。代表产品为G80。

基于G80的独显：GeForce 8800

2024年及以后

AIPC时代，NPU通过广泛应用于人工智能任务或帮助作为生产力工具的PC加速变革。

2023年9月19日，Intel正式发布基于Intel4制程工艺的首个处理器平台一MeteorLake，该架构首次将人工智能加速引擎（NPU）集成到PC处理器，由此，GPU、NPU、CPU等核心之间相互协同以承载对应的Al算力。据Intel的AIPC加速计划，其将在2025年前为超过100万台PC带来AI特性，并由计划于12月14日发布的Intel酷睿UItra处理器率先推动。

GPU：负责高性能、高吞吐场景，适用于融合了AI的媒体/3D/渲染通道。NPU：在低功耗的状态下，实现高效的AI终端化应用，适用于持续的AI。CPU：响应速度快，适用于轻量级、单次推理的低延迟AI任务。

世代

第一代(1G)

年代

1980s\~1990s

第二代(2G)

1990s\~2006

关键词

无线、模拟信号

特性

所谓移动，即无线。第一代移动通讯的特征是手机与基站之间通过模拟信号进行传输，仅能进行通话。缺陷是安全性和抗干扰能力差，且由于没有国际的通用标准，国际漫游成为问题。

代表厂商

摩托罗拉

数字信号、内置游戏

代表产品

1983.06 摩托罗拉 Dyna TAC 8000X

1987摩托罗拉3200（“大哥大”）第一台进入中国市场的手机

使用数字信号的2G移动通信拥有安全性更高、频谱利用率高、功能不仅限于通话、标准相对统一的优势。但其功能仍然相对单一，且网络容量仍然较为有限。

1995.01爱立信GH337中国大陆出现的第一款GSM手机

摩托罗拉、爱立信、诺基亚

1995摩托罗拉8900、9900第一款揭盖式手机

1999.10诺基亚3210第一款内置天线机型

2000.01诺基亚7110第一款WAP的手机，首次把手机和互联网连接在一起

2008.10
G1（HTC Dream）
第一款采用Android操作系
统的手机

世代

第三代（3G)

年代

2007\~2010s

关键词

智能手机、操作系统、移动互联网

特性

iOS和Android先后问世，第三代移动通信3G网络与2G相比，能够提供更先进的服务功能并拥有更高的网络容量。在数据传输上，3G手机能够实现无线宽带接入或接近无线带宽接入，类似一个范围更大的WiFi网络。

代表厂商

代表产品

2007第一代iPhone

第二代iPhone 3G上市仅三天，iPhone3G就售出100万部

第四代（4G)

第五代（5G)

2010s\~2020s

2020s\~

更快更稳定、流媒体

第四代移动通信4G相较于3G拥有更高的数据传输速率，通过全面和安全的IP解决方案，4G能使手机用户实现在任何时间、任何地点接收语音、数据和流媒体，手游、长短视频、社媒直播、移动支付等得以迅速普及。

万物互联、AIGC

高网速、低时延、高容量的特性使5G网络相较于4G拥有万物互联的能力，端侧大模型的发展或助力智能手机发展出更多功能。

苹果、华为、OPPO、vivo、小米、三星、中兴、荣耀等

2015.09iPhone 6s
2018.10 HUAWEI Mate 20

2019.04 OPPO Reno

2023.08 HUAWEIMate 60 搭载麒麟芯片+鸿蒙 OS

2023.10小米14首款搭载小米澎湃OS的手机

□AIPC/手机作为端侧大模型解决方案，能够帮助解决数据安全及隐私泄露等问题。对个人用户而言，可通过访问本地数据形成其数字孪生，大模型成为用户的个性化助理；对企业用户而言，可通过公司内网访问企业数据库以实现智能化协同办公。云端通用模型不具备服务某一领域的能力，需要接入数据后才具有专业能力，这意味着企业为获得行业模型，须将关键性资产一一数据上传至云端，而一旦训练完成的模型被全行业共享，则意味着一定程度上企业竞争壁垒的消弭，由此催生出各企业在数据墙内训练专用模型的需求，AIPC/手机应运而生。

□绝大多数应用场景下用户对推理的时效性要求较高，在云端进行推理再将结果传回端和边缘因物理距离而不可避免存在延迟，AIPC/手机直接面向终端用户，因此能很大程度上缓解这一问题，为用户带来更好的使用体验。

联想集团与合作伙伴协同打造的HybridAl解决方案，该方案中存在三种性质不同的模型，即Public FM、Private FM和Personal FM，三种模型分别运行在不同的场景下，如PublicFM运行在云端服务器上，PrivateFM运行在企业私有或家庭服务器上，PersonalFM运行在PC或手机等终端智能设备上。

Al PC/Phone

本地知识库

核心是从本地提取信息，从而构建个性化的知识库。以联想集团的AITwin为例，个人AITwin能够在支持人工智能的设备和边缘设备上构建本地知识库，设备就好像是用户的数字延伸；企业级AITwin是一系列企业级人工智能应用的总和，它能够从企业或组织内部的智能设备、智能边缘和私有云上提取相关信息，归纳整合为判断和结论，并提出建议。

压缩大模型

AI PC发展初期NPU的算力有限，仅支持数十亿参数量的大模型，难以带动云端动则干亿参数量级的大模型，为使模型能够被搭载在端侧且尽可能不牺牲用户体验，大模型压缩技术至关重要，其实质是通过裁剪和量化的方法兼顾模型大小和性能。

□将大模型部署在端侧和边缘可能会带来公有云、私有云和本地数据中心市场需求，以及云、端和边缘算力的平衡。生成式AI在诞生之初主要通过云端以付费API接口的形式向用户提供服务，过去市场对算力的关注多集中于云服务提供商以及大模型训练阶段，但云端算力相对有限，在高峰期难以满足所有用户的推理需求，因而提高端侧和边缘算力，为推理加速成为市场新的焦点。通过智能终端（如AIPC/手机）和边缘设备为云端分担算力成本或使云、端、边缘算力需求走向平衡。

落地方式

服务模式

对应模型

云

主要通过API付费接口和类ChatGPT应用提供服务，前者面向B端用户，后者面向C端用户

中心化服务模式

公共大模型

端

协同助力生成式AI落地

主要通过各种智能终端，如AIPC/Phone提供服务，直接面向C端用户

非中心化服务模式

私有大模型&个人大模型

边缘

主要通过边缘服务器提供服务，面向B端用户

非中心化服务模式

私有大模型

时间	公司	相关布局
2023年5月	惠普	正在开发支持AI的PC，新型号产品最早可能在2024年投放市场。
2023年5月	百度	百度旗下小度科技宣布将进军手机市场，并发布旗下首款智能手机，整合小度AI技术能力。
2023年6月	宏碁	预计将把AIGC或其他AI应用导入到终端设备上，相关AI笔记本方案会在2024、2025年陆续推出。
2023年7月	荣耀	荣耀与AMD共同召开媒体沟通会，宣布将在2023年发布首款搭载AI引擎的笔记本电脑荣耀Magic×Pro系列锐龙版；荣耀CEO赵明宣称，荣耀将在智能手机端推动部署端侧大模型，以此作为新一轮产品技术攻坚的起点。
2023年7月	苹果	建立了自己的大型语言模型Aja×，并推出代号为“苹果GPT”的内部聊天机器人，用于测试Ajax的功能；苹果每年将在人工智能的研究上投入10亿美元，目前正在对Siri进行改造，更智能的新版本Siri有望于2024年问世。
2023年8月	戴尔	宣布将与英伟达合作推出生成式人工智能解决方案，帮助客户在本地快速安全地构建生成式人工智能（GenAI）模型。
2023年8月	小米	小爱同学正式升级生成式大模型，已经开始测试，小米很快会推出端侧AI大模型应用。
2023年8月	华为	将大模型深度整合进手机系统，实现更高层次的融合，智慧助手小艺接入AI大模型能力，可以进行自然对话、会议纪要和辅助文案生成、图片二次创作等。
2023年10月	OPPO	OPPO安第斯智能云团队打造了基于混合云架构的生成式大语言模型OAndesGPT。10月11日，OPPO宣布基于AndesGPT大模型打造的新版AI助手- 一新小布1.0开启了第一轮公测。
2023年10月	谷歌	发布新一代智能手机Pixel8系列，Pixel8 Pro是第一款可以直接在设备上运行谷歌Al模型的手机。
2023年10月	三星	计划将Galaxy S24，Galaxy S24+和Galaxy S24 UItra打造成“有史以来最智能的AI手机”，超越老对手谷歌和苹果，预计将于2024年年初发布。
2023年10月	vivo	发布自研AI大模型矩阵，其中包括十亿、百亿、干亿三个不同参数量级的5款自研大模型，同时位列C-Eval、CMMLU双榜的全球中文榜单榜首，其中， 70亿模型是面向手机打造的端云两用模型，vivo自研AI大模型将会首次应用在即将发布的OriginOS4系统中。

AI PC

会议助手/同声传译

AI手机

文档/电子邮件整理及撰写

报表规整/数据分析

设计/制图

P图

应用开发辅助

照片精修

菜谱推荐

日程差旅安排/报销

旅游助手

来电/短信处理

自动调节智能家居服务模式

购物助手/ 商品推荐

以对性能要求较高的高强度办公场景为主

以轻生活场景为主，功能上更加精细化

□我们基于渗透率对AIPC的出货量进行测算，据Canalys，2024年全年PC出货量预计将达到2.67亿台，我们参考这一数据对PC出货量进行情景假设，在四种不同情景下分别为2.4/2.6/2.8/3.0亿台；同样对AIPC渗透率进行情景假设，在七种不同情景下分别为5%/10%/20%/30%/40%/50%/60%。通过测算可知，AIPC出货量区间为0.12-1.80亿台。对AIPC的提价水平进行假设，在AIPC提价1000元/台和1500元/台两种不同情景下的增量市场空间分别为120\~1800亿元及180\~2700亿元。

AI PC出货量预期（单位：亿台）			AI PC渗透率假设
			情景一	情景二	情景三	情景四	情景五	情景六	情景七
			5%	10%	20%	30%	40%	50%	60%
PC出货量假设（单位：亿台）	情景一	2.4	0.12	0.24	0.48	0.72	0.96	1.20	1.44
	情景二	2.6	0.13	0.26	0.52	0.78	1.04	1.30	1.56
	情景三	2.8	0.14	0.28	0.56	0.84	1.12	1.40	1.68
	情景四	3.0	0.15	0.30	0.60	0.90	1.20	1.50	1.80

IDC预测的AIPC在中国PC市场未来几年的渗透率

若AI PC提价1000元/台带来的增量市场空间（单位：亿元）			AI PC渗透率假设
			情景一	情景二	情景三	情景四	情景五	情景六	情景七
			5%	10%	20%	30%	40%	50%	60%
PC出货量（单位：亿台）	情景一	2.4	120	240	480	720	960	1200	1440
	情景二	2.6	130	260	520	780	1040	1300	1560
	情景三	2.8	140	280	560	840	1120	1400	1680
	情景四	3.0	150	300	600	900	1200	1500	1800

若AI PC提价1500元/台带来的增量市场空间（单位：亿元）			AI PC渗透率假设
			情景一	情景二	情景三	情景四	情景五	情景六	情景七
			5%	10%	20%	30%	40%	50%	60%
PC出货量（单位：亿台）	情景一	2.4	180	360	720	1080	1440	1800	2160
	情景二	2.6	195	390	780	1170	1560	1950	2340
	情景三	2.8	210	420	840	1260	1680	2100	2520
	情景四	3.0	225	450	900	1350	1800	2250	2700

二、从硬件角度看AIPC/手机潜在的投资机会

架构	ARM	X86
专利权归属	ARM 精简指令集（Reduced Instruction Set Computers，RISC）:基础指	Intel、AMD
复杂度	令集较少，衍生指令由基础指令组合而来。以乘法计算指令为例，精简指令集在执行计算时，会将其分作4个单周期指令，即： ①将内存A数据加载到寄存器， ②将内存B数据加载到寄存器， ③调用两个寄存器中的数据进行乘法计算， ④将最终计算结果存入内存A 目前除ARM外，应用于路由器的MIPS架构和应用于移动设备的RISC-V 架构（开源）均属于精简指令集	复杂指令集（Complex Instruction Set Computers，CISC）：经过长期发展，各种为特定应用而生的扩展指令集层出不穷，指令集非常丰富。以乘法计算指令为例，复杂指令集在执行计算时，会将其视作1个指令，该指令需要多个处理器的时钟周期才能完成，相较于精简指令集的每一个单周期指令，这是一个长指令，一旦开始就必须执行完毕而无法在中途叫停，而精简指令集各单周期指令之间可以不是连续执行的
指令长度	固定	可变
硬件设计难度	相对较低，由于“硬件软件化”，因此对编译器等软件的设计要求较高，编译后的程序体积也较大→成本相对低廉	高，由于“软件硬件化”，因此对软件开发者友好，但对硬件开发者而言要求较高→成本相对高昂
特性	低功耗高能效	性能相对更强，功耗大，对散热要求高
适用领域	智能手机、平板电脑及可穿戴设备等移动端	PC及服务器端
处理制程工艺	为配合其应用场景，ARM架构处理器目前普遍采用5nm~7nm的制程工艺X86架构处理器目前普遍采用7nm~10nm的制程工艺
异构计算大小核设计	最早见于ARM架构，性能核与功效核并存的设计很好地兼顾了耗电与性能之间的平衡	X86架构也逐渐开始采用这种设计思路以应对不同使用场景
处理器代表厂商	高通、三星、联发科、华为海思、苹果等	Intel、AMD、海光信息、兆芯等

□图像处理催生出专用处理器需求，GPU的设计初衷正是为了应对批量同类任务的高并行执行，随着工艺的发展，GPU开始不断在个人PC以及移动设备上普及，甚至于随着其性能呈指数级增长，独显势头渐起。

□消费级GPU的发展历程：

集显

集成在主板北桥上，由于集成在主板上，因此与CPU之间的协调效率不高，在性能方面有一定的局限性。

核显

将GPU集成在CPU内部，这种设计使两者的协调效率得到了明显的提升，是目前市面上常见的消费级GPU存在形式之一。

独显

其与核显的区别是拥有独立的显存，不会占用系统内存，一般是单独插在主板相应的接口上，其相较于核显拥有更好的性能和散热表现，常见于游戏本和工作站。

处理器	CPU	GPU
特性	实时响应，对缓存要求高，计算效率相对较低	对任务进行批处理，对缓存要求低，计算效率高
运算方式	整型运算	浮点运算
计算模式	串行计算（任务类型多样）	并行计算（任务类型单一）
擅长领域	资源调配、系统控制等	数值计算、图像处理等

注：CPU进入“后摩尔时代”，使其在性能升级和优化层面面临较大限制；与此同时，GPU仍然遵循摩尔定律预言的性能呈指数级增长。

GPU	GPU规格							性能
GPU	CUDA核心	光追核心（RT Core)	AI核心 (Tensor Core)	显存容量	显存带宽	NVLink	单精度性能 (TFLOPS )	双精度加速	AI运算性能 (TFLOPS)	ECC
NVIDIA RTX 6000	18,176	142（3rd Gen）	568（4th Gen）	48GB	960GB/s		91.1		1457	√
NVIDIA RTX A6000	10,752	84（ 2nd Gen）	336（3rd Gen ）	48GB	768GB/s	√	38.7		309.7	√
NVIDIA RTX A5500	10,240	80（2nd Gen）	320（3rd Gen）	24GB	768GB/s	√	34.1		272.8	√
NVIDIA RTX A5000	8,192	64（ 2nd Gen）)	256（3rd Gen ）	24GB	768GB/s	√	27.8		222.2	√
NVIDIA RTX A4500	7,168	56（2nd Gen）	224（3rd Gen）	20GB	640GB/s	√	23.7		189.2	√
NVIDIA RTX A4000	6,144	48（2nd Gen ）	192（ 3rd Gen）	16GB	448GB/s		19.2		153.4	√
NVIDIA RTX A2000	3,328	26（2nd Gen）	104（3rd Gen）	6GB/ 12GB	288GB/s		7.9		63.9	√
NVIDIA T1000	896			4GB/ 8GB	160GB/s		2.5
NVIDIA T400	384			4GB	80GB/s		1
Quadro GV100	5,120		640	32GB	870GB/s	√	14.8	√	118.5	√

□NPU（Neural network Processing Unit），即神经网络处理单元，可在电路层模拟人类神经元和突触，并用深度学习指令集直接处理大规模的神经元和突触，一条指令完成一组神经元的处理。相较于CPU和GPU的冯诺依曼结构，NPU通过突触权重实现存储和计算一体化，从而提高运行效率。NPU是ASIC芯片的一种，目前主要应用于深度学习和机器学习等人工智能任务。

AI芯片类型 GPU ASIC FPGA
简介	图形处理单元	Application Specific Integrated Circuit，即专用集成电路，有全定制和半定制两种设计方式。ASIC芯片可根据终端功能的不同分为TPU、DPU、VPU和NPU等。其中，TPU为张量处理器，专用于机器学习，如Google于2016年5月研发针对Tensorflow平台的可编程Ai加速器；DPU即Data Processing Unit，可作为数据中心等计算场景的加速引擎；VPU即Video Processing Unit，是智能视频处理加速器。整体而言，ASIC芯片非常适合人工智能相关的应用场景	Field-Programmable Gate Array，即现场可编程门阵列，其是作为专用集成电路领域中的一种半定制电路而出现的，既解决了定制电路的不足，又克服了原有可编程器件门电路数有限的缺点
特性	通用性相对较好	①性能相对较强：例如NVIDIA首款专门为深度学习设计的芯片TeslaP100数据处理速度是其2014年推出GPU系列的12倍；Google为机器学习定制的芯片TPU将硬件性能提升至相当于当前芯片按照摩尔定律发展7年后的水平；②体积小重量轻：ASIC芯片作为集成电路技术与特定用户的整机或系统技术紧密结合的产物，与通用集成电路相比具有体积更小、重量更轻等优点	①现场可编程性（灵活性）：可使FPGA通过编程实现任意芯片的逻辑功能，这也是其被称为“万能芯片”的原因。逻辑芯片如ASIC类似于一张出厂时就写有数据且不可擦除的CD，用户只需要放在CD播放器里就可以听到音乐；而FPGA类似于一张空白的CD，需要用户自己使用刻录机烧写数据内容到盘里，且用户可以擦除上面的数据，反复刻录；②开发周期短：逻辑芯片如ASIC制造流程包括逻辑实现、布线处理和流片等多个步骤，而FPGA无需布线、掩膜和定制流片等，因而可以简化开发流程，缩短开发周期
能耗	高	低	较高
成本	高	低	较高
算力	中	高	高
代表厂商	NVIDIA、AMD	Google、Intel、NVIDIA、寒武纪、澜起科技、华为海思、地平线等	Intel、AMD、百度等

GPU的加速

□GPU仅执行矩阵乘法和加法的并行计算，神经网络模型的构建和数据流的传输仍然在CPU上进行。

□流程：

·CPU加载权重数据，按照代码构建神经网络模型，将每层的矩阵运算通过CUDA或OpenCL等类库接口传送到GPU上实现并行计算，输出结果；

·CPU调度下层神经元组矩阵数据计算，直至神经网络输出层计算完成，得到最终结果。

□CPU与GPU如何交互：

·获取GPU信息，配置GPU id;

·加载神经元参数到GPU;

·GPU加速神经网络计算;

·接收GPU计算结果。

CPU

neuralnetwork

NPU的加速
NPU

□NPU与GPU的区别在于每层神经元的计算结果不用输出到主内存，而是按照神经网络的连接直接传递到下层神经元继续计算，因此其在运算性能和功耗上都得到很大提升。

□流程：

CPU在整个运行过程中主要是负责数据的加载和业务流程的控制，其将编译好的神经网络模型文件和权重文件交由NPU后即等待最终结果的输出。

□NPU与GPU如何交互：

·向NPU传入模型文件，得到模型task;

·获取task的输入输出信息;

·拷贝输入数据到模型内存中;

·运行模型，得到输出数据。

FPGA内部架构图

□FPGA与CPU、GPU以及以NPU为代表的ASIC芯片等的核心区别是：其底层逻辑运算单元的连线和逻辑布局未固化，因而能够满足用户自行设计、研制和生产集成电路的需求。

□FPGA的构成：

·可编程逻辑块（CLB）：可编程电路，是实现逻辑功能的基本单元，通常规则排列成一个阵列，散布于整个芯片中。

·输入/输出模块（IOB）：可编程电路，主要完成芯片上的逻辑与外部引脚的接口。

·可编程互连资源（PIR）：可编程电路。

·静态存储器（SRAM）：用于存放编程数据。

□主要应用于智能手机、便携式移动设备及汽车等。

厂商	产品线	最新型号	制程	CPU		GPU	AI相关（ TPU/NPU etc.)	代表机型
厂商	产品线	最新型号	制程	核心数量	核心频率（GHz）	GPU	AI相关（ TPU/NPU etc.)	代表机型
高通	晓龙400系列（适用于入门级和低端手机，性能较低，适合日常使用）	骁龙4 Gen2	4nm	双核A78+六核A55	2.2+2.0	Adreno 613 955MHz		Redmi 12、Redmi Note 12R
	晓龙600系列（适用于中端手机，性能较强，能够满足大部分用户的需求）	骁龙6 Gen1	4nm	四核A78+四核A55	2.2+1.8	Adreno 710	AI性能增加3倍	荣耀X50、iQOO Z8X
	晓龙700系列（适用于高端手机，性能更强，适合游戏和多媒体应用）	晓龙7+ Gen2	4nm	单核X2+单核A710+四核A510	2.91+2.49+1.8	Adreno 725 580MHz	AI性能提升2倍	realme GT Neo5 SE、Redmi Note 12 Turbo、小米POCO F5
	晓龙800系列（适用于旗舰手机，性能最强，能够处理高负荷的任务）	晓龙8 Gen2	4nm	单核X3+双核A715+双核A710+三核A510	3.2+2.8+2.8+2.0	Adreno 740 680MHz	Hexagon芯片：新增对于 INT4精度AI计算的支持，与INT8相比，INT4将带来60%的能效提升和90%	小米13/小米13 Pro/小米13 Ultra、 vivo X90 Pro+/X Fold2、荣耀 Magic5/5Pro/5至臻版、三星Galaxy S23/S23+/S23 UItra
	苹果 Apple A系列	A17 Pro	3nm	6核（2性能核4能效核）	3.78+2.11	6核，峰值性能提升20%，光线追踪性能达到4倍	的AI推理性能提升 NPU性能提升2倍，具有 16核（35TOPS）的神经网络引擎，可加速机器学习	iPhone 15 Pro/15 Pro Max
		A16	4nm	6核（2大核4小核）	3.46+2.02	5核	具有16核（17TOPS）的神经引擎，可加速机器学习	iPhone 14 Pro/14 Pro Max、iPhone 15、iPhone 15 Plus
华为海思	麒麟系列	麒麟9000S		8核（1超大核3大核4小核）	2.62+2.15+1.53	Maleoon 910 308~750MHz		HUAWEI Mate 60/Mate 60 Pro/Mate 60 Pro+、HUAWEI Mate X5
华为海思		麒麟9000E	5nm	8核（1超大核3大核4能效核）	3.13+2.54+2.05	Mali-G78 MP22，8核	NPU采用双核设计（一大核一小核）	HUAWEI Mate 40

注：表格内容为根据公开资料信息汇总整合而成，或与实际参数存在出入，仅供参考。

厂商	产品线	最新型号	制程	CPU		GPU	AI相关（ TPU/NPU etc.)	代表机型
厂商	产品线	最新型号	制程	核心数量	核心频率（GHz）	GPU	AI相关（ TPU/NPU etc.)	代表机型
联发科	天玑6000系列	天玑6100+	6nm	双核A76+六核A55	2.2+2.0	Mali-G57 MC2		realme 11x
	天玑7000系列（入门级）	天玑7200 UItra	4nm	双核A715+六核A510		Mali-G610 MC4
	天玑8000系列（中高端）	天玑8200	4nm	四核A78+四核A55	3.1+2.0	Mali-G610 MC6 950MHz	MediaTek APU 580	Redmi K60E、vivo S16 Pro、vivo V27 Pro、Redmi Note 12T Pro(UItra)、vivo S17 Pro、OPPO Ren010 Pro、小米Civi 3(Ultra)
三星	天玑9000系列（旗舰级）	天玑9200+	4nm	单核X3+三核A715+四核A510	3.35+3.0+2.0	Immortalis- G715	MediaTek APU 690赋能 AI超级分辨率（AI-SR）和AI降噪（AI-NR）等应用的省电技术	iQOO Neo8 Pro、vivo X90s、 Redmi K60至尊版、小米13T Pro
	Exynos系列	Exynos 1380	5nm LPE	四核A78+四核A55	2.4+2.0	Mali-G68 MP5 608MHz	内置AI引擎，其增强型 NPU的算力为4.9TOPS	Galaxy A54、Galaxy M54
		Exynos 2200	4nm 4LPE	单核X2+三核A710+四核A510	2.8+2.52+1.82	Xclipse 920 1.3GHz （AMD	其NPU具有乘法累加运算（MAC）操作功能，相较于上一代AI性能提升	Galaxy S22、Galaxy S22+、 Galaxy S22 UItra
	Tensor G2		5nm	双核X1+双核A78+四核 A55	2.85+2.35+1.8	RDNA2) Mali-G710 MP7，8核	倍以上，且支持FP16、 INT8、INT16等数据格式搭载神经网络处理器 Next-gen Tensor Processing Unit （TPU）	Pixel 7/7 Pro

注：表格内容为根据公开资料信息汇总整合而成，或与实际参数存在出入，仅供参考。

□高通在2023骁龙技术峰会上发布用于AI手机的骁龙8Gen3和用于AIPC的骁龙×Elite，率先成为同时抢占生成式AI应用落地的两个端侧赛道的芯片厂商。就手机端而言，搭载了骁龙8Gen3的手机运行Stable Diffusion模型，只用0.6秒即在本地生成了一张图像，其相较于骁龙8 Gen2的15秒很大程度上优化了移动终端生成式Ai的推理速度；就PC端而言，高通开创性地推出骁龙×Elite平台，该处理器不仅拓展了生成式AI应用的广度，也是高通强势切入PC市场的重要举措。

Hexagon NPU——双平台并进
AI手机

骁龙8Gen3采用的高通AI引擎拥有面向移动终端的强大HexagonNPU，集成了升级后的硬件加速单元、微切片推理单元、加强张量、标量和矢量单元，所有单元共享2倍带宽的大容量共享内存。同时支持INT8+INT16的混合精度以及INT4、INT8、INT16和FP16的所有精度。据机器之心报道，其性能较前代提升98%，能效提升40%。骁龙8Gen3首次支持运行100亿参数的模型，规模迈入百亿量级。同时将StableDiffusion生成图像的时间降到了1秒之内，创下最快速度。在跑Meta大语言模型Llama2-7B时，骁龙8Gen3每秒可以生成20个token，同样是手机终端侧最快之一。

AI PC

骁龙×Elite处理器采用4nm制程工艺，集成定制的高通OryonCPU，据机器之心报道，其运行速度是lntel12核处理器的2倍，功耗比Intel竞品低68%，高峰时段的运行速度比苹果M2快了50%。骁龙×Elite专为AI打造，其采用业界领先的、集成HexagonNPU的高通AI引擎，异构算力高达75TOPS，支持在终端侧运行超过130亿参数的生成式AI模型，面向70亿参数大模型每秒生成30个token，Al处理速度是竞品的4.5倍。据高通官方，搭载晓龙×Elite的PC预计将于2024年中面市。

SOC Tile

□MeteorLake是Intel首款集成了NPU的处理器产品，能在PC上实现高能效本地推理。在CPU和GPU之外，NPU能以更好的能效比实现对人工智能任务不同维度的加速，如视频会议时的背景虚化、眼睛角度矫正以及对人的追踪等。通过低功耗的人工智能加速模块，可以一定程度降低CPU和GPU的使用，以换取笔记本更好的电池续航。Meteor Lake被分为四个部分：SoC、IO、CPU和GPU，NPU AI加速引擎内置于SoC模块。

Meteor Lake

GPU、NPU、CPU如何分工协作

GPU

适合高性能、高吞吐需求的AI工作，如融合了AI的媒体/3D/渲染通道等。

NPU

CPU

低功耗的AI引擎，适用于持续的AI工作。

响应快，适用于轻量级、低延迟需求的AI工作。

NPU支持的神经网络

生成式AI+NLP	计算机视觉	图像增强	协作
转换器编码器	图像分类	风格转移	背景分割
大型语言模型（LLaMA V2）	物体检测	超分辨率	自动重新构图
生成对抗网络	图像分割		眼睛注视矫正
图像生成（Stable Diffusion）	深度提取		音频降噪
音频生成			语音转文本

Stable
Diffusion中Unet+、
Unet-构成的图像生成在NPU上具备最低的功耗和最高的效率，而如果让NPU和GPU配合承担一部分工作，则能在最短的时间内完成任务。目前，Intel已经开始与软件开发商接触以推动终端AI的生态应用例如，通过
Windows
Studio Effects调用NPU，以使Teams通过OpenVINO引擎实现人物背景虚化；AdobePhotoshop调用DirectML进行AI加速等。

□OpenVINO是Intel研发的专门用于优化和部署人工智能推理的工具包，能够通过CPU、GPU和NPU资源的动态调整以实现AI加速。

2009\~2023 PC季度出货量（in million units）

□NPU作为人工智能相关任务专用引擎成为PC的核心零部件之一为AIGC在端侧落地打开可能性，是AI时代PC产品的重要革新。NPU相较于GPU拥有更优的能耗比，这意味着随着NPU在PC上普及，其与GPU的分工或将更加明确。此先作为图像处理专用芯片的GPU亦常用于深度学习相关领域，对矩阵加乘的并行计算能力使GPU在NPU之前一直是AI模型训练和推理倚赖的重要硬件单元。随着Transformer成为LLM的主流架构，并将CV和NLP这两个研究分支统一起来，神经网络成为构建AI模型的基本单元，NPU作为张量处理器能够在更短的时间内完成大规模神经网络计算任务，因而其相较于GPU是更适合人工智能相关任务的加速引擎。NPU将作为端侧重要的基础设施之一为PC端搭载大模型提供前提条件，其普及标志着AIPC时代的来临。

□PC出货量高企往往与Windows操作系统的重要版本更新相伴相生，考虑到WindowsCopilot和内置于PC的本地大模型在功能上互为补充，微软预计于2024年发布的Windows12操作系统有望成为推动换机潮的另一个重要因素。内置于PC的大模型主要是从本地如硬盘中提取用户信息进行推理，而Windows Copilot更多的还是从云端如OneDrive中获得数据，在某些对数据私密性要求较高的场景下前者相对适用，但内置于PC的大模型和WindowsCopilot并不完全是竞对关系，而是相互补充，从而为终端用户提供更好的AIPC使用体验。

□根据经验公式，大模型在推理过程中每个token需要进行约2N次计算，其中N为模型参数量。我们假设推理时的硬件利用率为50%，模型参数量分别为5B/50B/150B。

·Al芯片算力为10TOPS时完成各种任务所需时长的测算（单位：秒）：

（英文）文本	情景	长生短（如提取摘要）			短生长（如内容创作）
	情景	情景一	情景二	情景三	情景一	情景二	情景三
	输入输出	2000 100	5000500	10000750	50 1000	1005000	250	10000
模型参数量	5B	5.6	14.7	28.7	2.8	13.6	27.3
	50B	56.0	146.7	286.7	28.0	136.0	273.3
	150B	168.0	440.0	860.0	84.0	408.0	820.0

·AI芯片算力为30TOPS时完成各种任务所需时长的测算（单位：秒）：

（英文）文本	情景	长生短（如提取摘要）			短生长（如内容创作）
	情景	情景一	情景二	情景三	情景一	情景二		情景三
	输入输出	2000 100	5000 500	10000 750	50 1000	100	5000	250 10000
模型参数量	5B	1.9	4.9	9.6	0.9	4.5		9.1
	50B	18.7	48.9	95.6	9.3	45.3		91.1
	150B	56.0	146.7	286.7	28.0	136.0		273.3

·Al芯片算力为100TOPS时完成各种任务所需时长的测算（单位：秒）：

（英文）文本	情景	长生短（如提取摘要）			短生长（如内容创作）
	情景	情景一	情景二	情景三	情景一	情景二		情景三
	输入输出	2000 100	5000 500	10000750	50 1000	100	5000	250 10000
模型参数量	5B	0.6	1.5	2.9	0.3	1.4		2.7
	50B	5.6	14.7	28.7	2.8	13.6		27.3
	150B	16.8	44.0	86.0	8.4	40.8		82.0

□基本思路和假设同上，模型参数量分别为7B/15B/50B。根据OpenAl，1张高分辨率图像=85+170*（图像分辨率/512×512）tokens。

·Al芯片算力为10TOPS时完成各种任务所需时长的测算（单位：秒）：

（高分辨率）图像	情景	图像分辨率
	情景	情景一	情景二	情景三
	分辨率	512×512	1024×1024	512× 1024/1024× 512
模型参数量	7B	0.7	2.1	1.2
	15B	1.5	4.6	2.6
	50B	5.1	15.3	8.5

·AI芯片算力为30TOPS时完成各种任务所需时长的测算（单位：秒）：

（高分辨率）图像	情景	图像分辨率
	情景	情景一	情景二	情景三
	分辨率	512 ×512	1024×1024	512×1024/1024×512
模型参数量	7B	0.2	0.7	0.4
	15B	0.5	1.5	0.9
	50B	1.7	5.1	2.8

·AI芯片算力为100TOPS时完成各种任务所需时长的测算（单位：秒）：

（高分辨率）图像	情景	图像分辨率
	情景	情景一	情景二	情景三
	分辨率	512 ×512	1024×1024	512 ×1024/1024×512
模型参数量	7B	0.1	0.2	0.1
	15B	0.2	0.5	0.3
	50B	0.5	1.5	0.9

□大模型的落地不仅需要算力的配合，更需要足够的内存空间用于部署。目前在端侧落地的大模型以数十亿量级参数为主，更高规格的模型由于需要更多的内存占用，因而从短期来看难以实现产品化。解决路径方面，在NPU高度集成的情况下，需要拔高终端本身的内存配置；若未来NPU同GPU一样独立出来，则需要进一步发展其显存以使芯片的存储、传输和计算能力达到平衡，从而为终端模型运行在理想状态下提供全方位支持。

·以vivo为例，探讨不同规格模型的运行内存占用情况（目前手机主流的运行内存档位是8G\~12G）：

参数量	（经优化后的）内存占用	对手机内存配置的最低要求	落地情况
1B	1G	目前市面上的手机基本都能运行这一规格的模型	已实现产品化，但性能较差，难以满足用户需求
7b	4G	8G	已实现产品化，是vivo目前的最优解决方案
13B		12G内存的手机也难以保证使用体验	未实现产品化

·以LLama2（有7B、13B和70B三个版本，是搭载在端侧的主力模型之一）为例，探讨模型参数量、数据精度和内存占用情况的关系：

内存占用情况（G）		数据精度
内存占用情况（G）		INT4	INT8	FP16	FP32
参数量	7B	3.3	6.5	13.0	26.1
	13B	6.1	12.1	24.2	48.4
	70B	32.6	65.2	130.4	260.8

□散热能力是高算力芯片的一个主要瓶颈，随着搭载在AIPC和AI手机上的模型规格不断提升，NPU性能释放可能会更加激进，为配合硬件升级，相较于传统PC/手机，AIPC/手机可能会给出全新的散热解决方案。从数据中心来看，关键痛点是耗电和散热，在芯片的有限体积内，如何将高集成、高能量密度产生的热值和热效应准确计算并顺利排出，已经成为多源异构芯片3D封装中最具挑战性的问题。目前的消费电子终端，手机方面，不锈钢VC均热板开始逐渐取代铜VC均热板成为散热主力；PC的散热方案一般以组合的形式呈现，而散热模组（ThermalModule）从结构上看主要包括散热底座、热管、散热鳍片、散热风扇等物件。

现阶段PC的散热技术简介

风冷散热技术

液冷散热技术

这种技术利用热量对流扩散的特性，以空气为导体顺应风速的流动，带走PC硬件所产生的热量。这种技术的优势在于实用性强，任何硬件都可以运用风冷散热进行降温，同时安装也较为简单，仅需将风扇安置在相应的硬件上方即可。并且它还具备安全性高、易维护、不易损坏三大特点。

水冷散热一般由热交换器、循环系统、水箱、水泵以及关键的水来构成。常规来说，水本身的导热性不如风冷散热，但水的流动特性所带来的热量传导效率超越风冷的速度，进而创造出更快的散热效果，再配合制冷液和高功率制冷系统，就使得具备更大热容量的水，带来了更高的散热效率。同时水冷系统的散热特性更加稳定，不会因为长时间运行而产生散热瓶颈期。

VC均温板散热技术

这种技术一般是作为风冷和水冷的补充。VC真空腔均热板通常被置于芯片和铜质热管之间，相较于固态金属或者传统铜质热管所带来的金属传导散热，它将散热面积覆盖得更大，让热量得以更均匀地导出（真空腔均热板通过腔内导热纹理扩大了热交换面积，让高温区域的热量以蒸汽的形式迅速均匀地导出）

·散热鳍片：简称散热片，是直接与芯片接触的介质，直接吸收热量。散热鳍片的材质对于散热效果有不同影响，如，铝制鳍片的成本低，散热效果较好，而铜制鳍片导热更快。考虑到铝制鳍片需要达到一定规模体积且需要一定数量热管才能完全发挥作用，因此在笔记本电脑中，铜制鳍片会更为合适。此外，散热鳍片的表面积大小也会影响最终的散热效果，表面积越大，散热效果越好。

·热管：其散热效率主要与直径、数量、长度、弯曲程度以及扁平程度有关。通常而言铜管越扁，热对流越慢，导热性能越差。2根热管足以应对大部分不超频家用以及办公电脑CPU满负载的发热量，高端CPU则需要配置4～8根导热铜管。综合而言，热管从芯片到鳍片的距离越短、直径越粗、弯折次数越少、弯折角度越小、数量越多，散热性能越好。

□大模型在端侧落地的主要受益方包括硬件（以NPU为主）设计制造商、大模型提供商以及终端设备（AIPC/手机）厂商，其中终端设备厂商作为唯一直接面向C端用户的角色，可能会成为这一服务模式下的流量入口。

大模型的两种商业模式

产业链逻辑

在云端通过付费API接口或类ChatGPT应用提供服务

在端侧通过AIPC/手机提供服务

生态构建

预先搭载大模型/大模型商店等（可能也会上线自研模型），重点是打通从硬件到操作系统再到大模型的整个链条，并通过独家组装、设计、优化以及模型蒸馏等能力使模型发挥出最佳性能

插件商店/GPTs应用商店等，重点是深挖开发者社区

变现与收入分配

对大模型提供商而言，就API接口，采取按量计费模式；就类ChatGPT应用，采取订阅制；就插件商店和GPTs应用商店，采取收入抽成模式。成本主要由GPU采购成本、模型训练成本（如电费等）、数据成本（或有）以及人力成本构成

对终端设备厂商而言，一方面可就NPU对产品进行提价；另一方面可能会向用户收取大模型及相关应用的服务费。成本主要由硬件采购成本以及向大模型提供商支付的费用构成。综合看来，终端设备厂商主要扮演中间人角色，负责将整个产业链条串联起来，并基于其组装、设计、优化以及服务能力赚取“差价”利润

三、AIPC/手机产业链相关标的

□2023年10月，联想集团在第九届联想创新科技大会上展示了其人工智能个人电脑（AIPC）产品，该产品预计将于2024年下半年推出。据联想官方，其AIPC能够创建个性化的本地知识库，并通过模型压缩技术运行个人大模型，实现用户与人工智能的自然交互。

AI PC的两层内涵

Al Personal Computer，即Al个人电脑，是新一代智能终端产品

Al Powered Computing，Al驱动的计算，指包括PC、平板、手机、汽车、服务器等各类端和边缘侧全方位地搭载AI相关的能力，是更广泛的一个概念

内嵌AI功能，通过大模型压缩技术，可以创建个性化本地知识库，能运行个人模型，和用户实现自然交互

作为工作助手，安排会议、写文档或者提炼总结要点

Tomorrow,whereshouldlgetcofeebetweenmymeetings?

Yourmeeting tomorrow ison Brown Street. Thecoffee shop with the highest rated cappuccinowithin5miles is CozyTime Coffee Shop.

Pleasetypewhatyou wouldliketosaytome..

基于电脑上的照片和视频，直接剪辑生成内容

□就个人用户而言，AITwin被定义为用户在数字世界的延伸，其本质上是基于本地知识库生成的属于个人的专有大模型，其能够在最大范围内了解用户的思维方式并给出解决方案。由于AITwin只会被存储在本地化的设备或家庭服务器上，个人数据不会被共享或上传至公有云平台，因此用户的个人隐私和数据安全能够得到有效保护；企业级AITwin涵盖一系列企业级人工智能应用，其能够打通企业内部各类智能设备、边缘和私有云，联动各种企业级软件，综合和分析各类信息并给出最优建议。例如，企业级AITwin可以综合考虑企业的差旅政策、审批流程与员工的个人信息和偏好，为用户指定一个合理的计划。

Al Twin

类型

个人

定位

个人助理

运行终端

PC、手机、汽车等智能终端

Al Phone

手语翻译解决方案企业级

企业级智能应用的组合

PC、私有服务器等

□2023年11月13日，vivo发布新品X100系列，该系列作为vivo旗下全新的Al手机，落地终端侧70亿参数大语言模型，跑通端侧130亿参数模型。

·蓝晶芯片技术栈：结合vivo自研影像芯片的能力，以软硬一体化设计为用户带来更强大的性能体验

·蓝海续航系统：打造更大容量、更快闪充、更轻薄体积的电池技术，同时开创了开源、降耗、提效的全新模式，满足用户对手机续航的新需求

·蓝心大模型：由5款vivo自研大模型组成的矩阵，分别覆盖十亿、百亿、千亿三个参数量级

·蓝河操作系统：引入蓝心大模型能力，支持复杂的意图识别和交互方式，这既为用户提供了声音、图片、手势等自由交互方式，也为开发者提供了自动编写代码等应用开发工具

自研影像芯片V3

通过全新设计的多并发AI感知-ISP架构，带来第二代FIT双芯互联系统，以更强大的实时影像算力为视频拍摄进行算法赋能，实现4K电影人像视频、4K视频后编辑处理两项安卓首发，推动手机视频拍摄进入强计算摄影时代

·CPU:全大核架构，4×Cortex-X4超大核+4×Cortex-A720大核

·GPU：Immortalis-G720，性能大幅提升46%，功耗降低40%

·AI处理器：APU790，基于联发科开发的混合精度INT4量化技术和内存硬件压缩技术NeuroPilotCompression，天玑9300可支持端侧运行10亿、70亿、130亿AI大语言模型，并且率先实现在移动芯片上运行330亿参数的AI大语言模型

□2023年4月，小米组建了AI大模型团队，在手机端测试了13亿参数的模型，同时小米语音助手“小爱同学”开始大模型版本内测，成为小米大模型的第一个应用。

□2023年8月，小米最新的一个13亿参数的大模型已经成功在手机本地跑通，部分场景可以媲美60亿参数模型在云端运行的结果；此外，小爱同学月活已超1.1亿，并升级AI大模型能力，开启邀请测试。

■2023年10月，WPSAI在小米14系列手机新品发布会上亮相，小米14系列手机用户可通过小米社区下载搭载WPSAI功能的专属版WPS。在小米14系列手机上，WPSAI支持输入主题一键生成PPT演示文稿，并且可以提供进一步细化调节的功能。

□2023年10月，小米14系列首发骁龙8Gen3。

小爱同学首先接入大模型内测

内部应用软件打通

例如可根据需求推荐商品导流至小米商城；后续也可能与其他应用结合

效率工具：外脑+工作小助手可实现文案生成、润色文章、翻译、写视频脚本、内容扩写、改写文章等功能

生态拓展：与WPSAI达成合作

》一键生成PPT：在小米14系列手机上，WPSAI支持输入主题一键生成PPT演示文稿，并且可以提供进一步细化调节的功能。例如更改主题风格、单页美化、更改字体、更改配色、生成演讲稿等等，解决了用户使用PPT制作难度大、耗时长的办公难题。

》随手拍：面对带有文字的图片或文章，WPSAI可识别文档并自动拍摄，实现“一目十行”扫描阅读，并快速提炼出重点，依据内容以问答的方式让用户获取关键信息。

谷歌最新Pixel8及Pixel8 Pro手机融入AI能力

图像编辑：通过生成式Al，GooglePhotos中的Magic Editor可以利用已经拍摄的照片，手动从其他照片中选择另一个表情，生成一张新的照片，达成拍摄者想要的效果。

图像编辑：在拍摄照片后，Pixel用户还能随意放大照片，使用生成式AI填补像素之间的差距，向照片添加细节，该功能称为「Zoom Enhance」，它将在Pixel8 Pro 上推出。

声音编辑：Pixel手机上的音效魔术擦除Audio Magic Eraser，能减少视频干扰声音，例如呼啸的风声或嘈杂的人群声音，识别并控制它们的音量。

文本交互：Pixel手机还嵌入了一些生成式AI的常见功能，比如生成网页摘要，生成上下文回复建议，还能为用户朗读和翻译网页，让用户在外出时「听文章」。

谷歌个人助手 Assistant with Bard将嵌入安卓系统

在Android 14上，新推出了Magic Compose (魔法撰写)和Cinematic Wallpapers（电影壁纸）和GenerativeAlWallpapers（生成式Al壁纸）等功能，让用户看到了更多可能性。

通过MagicCompose功能，AI可以根据消息内容生成回复文本，谷歌在安卓系统的默认短信（MeSsages）应用中引入了该功能；AI生成壁纸的功能，则是借助文本转图片扩散模型，用户输入prompts，描述想要获取的图片信息，系统将会自动生成相应的壁纸，这项功能将仅限于Pixel设备；“电影壁纸”（cinematicwallpaper），使用设备上的机器学习网络将用户最喜欢的照片转换为3D图像，当用户解锁或倾斜设备时，这些图像会呈现立体效果，给人栩栩如生的感觉。

□2023年11月9日，Humane正式推出AIPin，后者是由OpenAl提供技术支持的可穿戴设备，专为与大语言模型交互而设计。该设备允许用户通过说话来拨打电话、发送短信和搜索信息，还拥有激光显示屏，能够直接将手掌变成一个迷你屏幕，起售价\$699。 □处理器：高诵骁龙

Humane联合创始人Imran Chaudhri、Bethany Bongiorno，两人为夫妻且均为前苹果公司高管，前者曾经领导了iPhone主屏幕的设计，后者曾是iPhone和iPad的项目经理，Humane的260多名员工中，约有100人曾在苹果公司工作过。截至2023年11月，该公司已经从微软、软银、Tiger Global、高通、OpenAl创始人Sam Altman和Salesforce首席执行官MarcBenioff等投资者那里筹集了超过2亿美元资金，其中，Sam AItman共参与了这家公司的三轮投资，是公司目前最大的外部股东，持股近15%。Humane最新估值已达到8.5亿美元。

在使用方面，设备可以通过说话、做手势、点击等进行控制，内置摄像头可以拍摄1300万像素的照片，设备没有屏幕，而是使用激光将视觉界面投射到人的手掌上。倾斜手部，可以变换显示的选项，而挥动手势，则可以滑动到不同的菜单，用户通过拇指和食指并拢轻按“单击”选项，然后短暂合拢手就会返回主屏幕。

Processor: Octa-core Qualcomm? Snapdragon TM

Speed: 21.GHz（Accelerated on-deviceAl for enhanced
performance）

· Memory: 4GB RAM

·Storage:32GB eMMC

□操作系统：Cosmos

□AI相关:

AlPin主要用语音连接AI模型，ChatGPT访问是该设备的核心功能之一，由GPT-4提供动力。

功能概览

总结电子邮件

发送短信、拨打电话、实时翻译

播放歌曲

拍照、将食物放在摄像头前以获取营养信息

领域	代码	公司	简介
	INTC.O	英特尔	NPU供应商。 AMD于2023年初发布的锐龙7040系列处理器，不但拥有4nm制造工艺、Zen4CPU架构、RDNA3GPU架构，还是第一款
	AMD.O	AMD	集成独立AI引擎硬件单元的X86处理器。该AI引擎基于专门设计的XDNAAI架构，由多个独立的AIE单元组成，峰值算力可以达到10TOPS，可以轻松应对日常的AI推理负载设计，且能效远超CPU、GPU。
芯片硬件	QCOM.O	高通	NPU供应商。
	688041.SH	海光信息	专注于CPU、DCU等高端处理器研发设计。公司与AMD共同成立了两家合资公司，公司已经完成对授权技术的消化、吸收。
	AAPL.O	苹果	A/M系列芯片。
	2454.TW	联发科	天玑系列芯片。
	005930.KS	三星电子	Exynos系列芯片。
	GOOGL.O	谷歌	TPU供应商。
	TSM.N	台积电	芯片（如Intel和高通的晓龙8Gen3等）代工厂。公司与AMD签署了长期业务合作协议，双方形成了“合资+合作”的强强联合模式，建立了紧密的战略合作伙伴关系。
	002156.SZ	通富微电	公司是AMD最大的封装测试供应商，AMD也成为公司大客户。
	301366.SZ 688521.SH	一博科技	公司已与AMD保持十余年的合作关系，对芯片测试验证的PCB设计、仿真分析及生产验证积累了丰富的经验。
		芯原股份	公司为AMD首款基于ASIC的5nm的媒体加速卡AIveo MA35D提供一站式服务，该芯片可支持AI优化视频质量。
	300476.SZ	胜宏科技	全球领先的印制电路板制造商，公司产品为AMD等品牌所用。
	001287.SZ	中电港	公司分销产品包括存储芯片等多种领域，公司是AMD的授权分销商之一。

领域		代码	公司	简介
	内存	688123.SH	聚辰股份	公司提供应用于PC的DDR内存模组的配套芯片。
		603986.SH	兆易创新	公司生产应用于平板电脑的DDR内存产品。
	散热	300684.SZ	中石科技	公司是手机超薄均热板供应商。
硬件	显示面板	300602.SZ	飞荣达	公司提供散热模组、风扇、热管、VC、导热材料及电磁屏蔽材料等相关产品，PC客户包括微软、华为、联想、戴尔、惠普、荣耀、小米、三星、谷歌、Meta、宏基、松下等。
		2409.TW	友达	1
		000725.SZ	京东方A
	300088.SZ	长信科技
	其他	603890.SH	春秋电子	公司提供PC产品结构件模组及相关精密模具从设计、模具制造到结构件模组生产的一站式服务。
300956.SZ		英力股份	公司提供PC产品结构件模组及相关精密模具的研发、设计、生产和销售，致力于为客户提供消费电子产品从设计、模具制造到结构件模组生产的综合服务。
301329.SZ		信音电子	公司提供应用于PC产品的连接器。公司是惠普、联想、华硕、宏基等国际知名电脑品牌的合格供应商，并与广达、仁宝、英业达、纬创、和硕、鸿海、联宝等国际知名代工厂建立了稳定的合作关系。
	MSFT.O	微软	提供OpenAI大模型服务。
	GOOGL.O	谷歌提供Gemini、PaLM等大模型。
	AMZN.O	亚马逊	在2023年7月26日举办的AWS纽约峰会上，亚马逊云科技推出了七项生成式AI创新，进一步降低了生成式AI的使用门槛，让企业可以更专注于核心业务，提高生产效率。
模型	META.O	Meta	推出MetaAI，并在旗下产品中发布了一系列个性化人工智能角色。
	APPL.O	苹果	苹果内部已着手开发大语言模型Ajax，并承诺每天花费数百万美元来训练该模型，目的是使其性能比OpenAI的ChatGPT3.5和 Meta的LLaMA更加强大。
	BYTE.O	字节跳动	字节跳动基于语言方向的大模型产品取得新进展，旗下AI对话产品“豆包”正式开启对外测试。
	68811.SH	金山办公	“WPS AI”是金山办公旗下具备了大语言模型能力的一款生成式人工智能应用，也是中国协同办公赛道首个类ChatGPT式应用。
	BIDU.O	百度	提供产业级知识增强大模型文心大模型。
	9988.HK	阿里巴巴	2023杭州云栖大会上，阿里云宣布AI云计算全栈升级，发布干亿级参数规模的大模型通义干问2.0及8大行业模型，推出一站式大模型应用开发平台阿里云百炼，加速推动大模型开发应用迈入“零门槛”时代。
	0700.HK	腾讯控股	腾讯云在2023年6月19日推出MaaS（Model-as-a-Service）一站式行业大模型服务。
	002230.SZ	科大讯飞	讯飞星火作为全新一代认知智能大模型，拥有跨领域知识和语言理解能力，能够基于自然对话方式理解与执行任务。
	0992.HK	联想集团	公司率先推出全球首款AIPC，可运行个人大模型。
	2353.TW	宏基	公司将推出搭载骁龙×Elite的PC产品。
	2357.TW	华硕	公司将推出搭载骁龙XElite的PC产品。
	MSFT.O	微软	公司将推出搭载骁龙XElite的PC产品。
	DELL.N	戴尔科技	公司将推出搭载骁龙XElite的PC产品。
	HPQ.N	惠普	公司将推出搭载骁龙XElite的PC产品。
	SONY.N	尼	公司将推出搭载骁龙8 Gen3的手机产品。
	1810.HK APPL.O	小米集团-W	小米14首发搭载了骁龙8Gen3；此外，公司还推出全新的操作系统澎湃OS，该操作系统最大的亮点是将AI大模型植入系统，并率先支持NPU部署。
	终端设备	苹果三星电子	1
		005930.KS	2024年将推出一款搭载生成式人工智能（AI）的Galaxy手机。
		2324.TW	PC代工厂。 PC代工厂。
		2382.TW	仁宝电脑广达
		3231.TW	纬创	PC代工厂。
		2356.TW	英业达	PC代工厂。
		603296.SH	华勤技术	PC代工厂。
		600745.SH	闻泰科技	PC代工厂。
		301387.SZ	光大同创	PC防护性和功能性器件提供商。
	688031.SH	星环科技	AIGC向量数据库解决方案提供商。

□行业评级与投资建议：AI技术不断演进，大模型持续迭代并表现出向端侧下沉的趋势，我们看好AIPC和AI手机的投资机会，维持行业“推荐”评级。硬件方面，建议关注芯片和内存厂商，如英特尔、AMD、高通、海光信息、联发科、通富微电、聚辰股份和兆易创新等；模型方面，建议关注微软、谷歌、Meta等；终端设备方面，建议关注市场份额占比较高的PC/手机提供商及代工厂，如联想集团、华硕、戴尔科技、惠普、小米集团-W、三星电子、仁宝电脑、广达、纬创、英业达和光大同创等。

□风险提示：

·AI PC/手机商业化拓展不及预期：可能会出现市场对AIPC/手机关注度和期望值过高而实际落地不及预期的风险；

·技术跨越替代，颠覆现有技术路径：可能会因为技术跨越式发展而使得当前具有先发优势的厂商在新一轮竞争中落后；

·行业竞争加剧风险：端侧大模型成为AIGC行业新的焦点，各终端设备厂商纷纷布局，行业竞争加剧;

·行业估值回调风险：行业可能会因为过热而估值回调;

·各公司并不具备完全可比性，对标的相关资料和数据仅供参考。

海外小组介绍

陈梦竹，现任国海证券海外研究团队首席分析师，南开大学本科&硕士，6年证券从业经验，专注于全球内容&社交互联网、消费互联网、科技互联网板块研究。

尹芮，现任国海证券海外互联网分析师，康奈大学硕士，中国人民大学本科，2年证券从业经验，主要覆盖内容&社交互联网方向。

张娟娟，现任国海证券海外互联网分析师，上海财经大学硕士，三年产业工作经验，曾任职于阿里、美团，主要覆盖生活互联网方向。

林臻，现任国海证券海外研究助理，中国人民大学本科，港科大硕士，主要覆盖科技互联网方向。

罗婉琦，现任国海证券海外研究团队研究助理，伦敦政治经济学院硕士，主要覆盖消费互联网方向。

卢瑞琪，现任国海证券海外研究团队研究助理，复旦大学硕士，主要覆盖科技互联网方向。

分析师承诺

陈梦竹，尹芮，本报告中的分析师均具有中国证券业协会授予的证券投资咨询执业资格并注册为证券分析师，以勤勉的职业态度，独立，客观的出具本报告。本报告清晰准确的反映了分析师本人的研究观点。分析师本人不曾因，不因，也将不会因本报告中的具体推荐意见或观点而直接或间接收取到任何形式的补偿。

国海证券投资评级标准

行业投资评级

推荐：行业基本面向好，行业指数领先沪深300指数；

中性：行业基本面稳定，行业指数跟随沪深300指数；

回避：行业基本面向淡，行业指数落后沪深300指数。

股票投资评级

买入：相对沪深300指数涨幅20%以上;

增持：相对沪深300 指数涨幅介于10%～20%之间;

中性：相对沪深300 指数涨幅介于-10%～10%之间;

卖出：相对沪深300 指数跌幅10%以上。

免责声明

本报告的风险等级定级为R4，仅供符合国海证券股份有限公司（简称“本公司”）投资者适当性管理要求的客户（简称“客户”）使用。本公司不会因接收人收到本报告而视其为客户。
客户及/或投资者应当认识到有关本报告的短信提示、电话推荐等只是研究观点的简要沟通，需以本公司的完整报告为准，本公司接受客户的后续问询。

本公司具有中国证监会许可的证券投资咨询业务资格。本报告中的信息均来源于公开资料及合法获得的相关内部外部报告资料，本公司对这些信息的准确性及完整性不作任何保证，不保证其中的信息已做最新变更，也不保证相关的建议不会发生任何变更。本报告所载的资料、意见及推测仅反映本公司于发布本报告当日的判断，本报告所指的证券或投资标的的价格、价值及投资收入可能会波动。在不同时期，本公司可发出与本报告所载资料、意见及推测不一致的报告。报告中的内容和意见仅供参考，在任何情况下，本报告中所表达的意见并不构成对所述证券买卖的出价和征价。本公司及其本公司员工对使用本报告及其内容所引发的任何直接或间接损失概不负责。本公司或关联机构可能会持有报告中所提到的公司所发行的证券头寸并进行交易，还可能为这些公司提供或争取提供投资银行、财务顾问或者金融产品等服务。本公司在知晓范围内依法合规地履行披露义务。

风险提示

市场有风险，投资需谨慎。投资者不应将本报告为作出投资决策的唯一参考因素，亦不应认为本报告可以取代自己的判断。在决定投资前，如有需要，投资者务必向本公司或其他专业人士咨询并谨慎决策。在任何情况下，本报告中的信息或所表述的意见均不构成对任何人的投资建议。投资者务必注意，其据此做出的任何投资决策与本公司、本公司员工或者关联机构无关。

若本公司以外的其他机构（以下简称“该机构”）发送本报告，则由该机构独自为此发送行为负责。通过此途径获得本报告的投资者应自行联系该机构以要求获悉更详细信息。本报告不构成本公司向该机构之客户提供的投资建议。

任何形式的分享证券投资收益或者分担证券投资损失的书面或口头承诺均为无效。本公司、本公司员工或者关联机构亦不为该机构之客户因使用本报告或报告所载内容引起的任何损失承担任何责任。

郑重声明

本报告版权归国海证券所有。未经本公司的明确书面特别授权或协议约定，除法律规定的情况外，任何人不得对本报告的任何内容进行发布、复制、编辑、改编、转载、播放、展示或以其他任何方式非法使用本报告的部分或者全部内容，否则均构成对本公司版权的侵害，本公司有权依法追究其法律责任。

心怀家国，洞悉四海

国海研究上海

上海市黄浦区绿地外滩中心C1栋国海证券大厦

邮编：200023

电话：021-61981300

国海研究深圳

深圳市福田区竹子林四路光大银行大厦28F

邮编：518041

电话：0755-83706353

国海研究北京

北京市海淀区西直门外大街168号腾达大厦25F

邮编：100044

电话：010-88576597

AIPC&AI手机专题报告：AIGC向端侧下沉成趋势，有望引领新一轮硬件创新

最近一年走势

相对沪深300表现

相关报告

一、PC/手机发展史及AIPC/手机必要性的探讨

1971-1982

1983\~2002

2003-2023

2024年及以后

第一代(1G)

特性

代表厂商

数字信号、内置游戏

代表产品

特性

更快更稳定、流媒体

Al PC/Phone

本地知识库

压缩大模型

协同助力生成式AI落地

私有大模型

二、从硬件角度看AIPC/手机潜在的投资机会

□消费级GPU的发展历程：

集显

核显

独显

□流程：

□CPU与GPU如何交互：

□流程：

□NPU与GPU如何交互：

□FPGA的构成：

·Al芯片算力为10TOPS时完成各种任务所需时长的测算（单位：秒）：

·AI芯片算力为30TOPS时完成各种任务所需时长的测算（单位：秒）：

·Al芯片算力为100TOPS时完成各种任务所需时长的测算（单位：秒）：

□基本思路和假设同上，模型参数量分别为7B/15B/50B。根据OpenAl，1张高分辨率图像=85+170*（图像分辨率/512×512）tokens。

·Al芯片算力为10TOPS时完成各种任务所需时长的测算（单位：秒）：

·AI芯片算力为100TOPS时完成各种任务所需时长的测算（单位：秒）：

现阶段PC的散热技术简介

风冷散热技术

液冷散热技术

VC均温板散热技术

产业链逻辑

生态构建

插件商店/GPTs应用商店等，重点是深挖开发者社区

变现与收入分配

三、AIPC/手机产业链相关标的

AI PC的两层内涵

内嵌AI功能，通过大模型压缩技术，可以创建个性化本地知识库，能运行个人模型，和用户实现自然交互

作为工作助手，安排会议、写文档或者提炼总结要点

基于电脑上的照片和视频，直接剪辑生成内容

小爱同学首先接入大模型内测

内部应用软件打通

生态拓展：与WPSAI达成合作

谷歌最新Pixel8及Pixel8 Pro手机融入AI能力

谷歌个人助手 Assistant with Bard将嵌入安卓系统

□AI相关:

功能概览

□风险提示：

海外小组介绍

分析师承诺

国海证券投资评级标准

行业投资评级

股票投资评级

免责声明

风险提示

郑重声明

心怀家国，洞悉四海

国海证券-电子行业AIPC&AI手机专题报告：AIGC向端侧下沉成趋势，有望引领新一轮硬件创新-240109.pdf