【国信证券】电子行业2024年年度投资策略：AI泛化，华为发力，内外双循环下的硬科技大年.pdf

2024-01-05

86页

13MB

行情回顾

2023 年初至 12 月 20 日，上证指数、深证成指、沪深300 分别下跌6.06%、16.86%、14.83%。电子行业整体上涨 4.12%，涨跌幅位居全行业第四位，其中半导体下跌6.38%，其他电子、元件、光学光电子、消费电子、电子化学品分别上涨2.17%、2.07%、13.08%、14.70%、3.48%。恒生科技指数下跌9.74%，费城半导体指数、台湾资讯科技指数分别上涨 58.27%、38.12%。

2023 年 1-4 月，由 ChatGPT 所掀起的 AI 创新浪潮成为市场主旋律，算力相关的电子产业链以及预期复苏的半导体产业链表现强势，1-4 月电子板块上涨15.50%，其中光学光电子涨幅较大，上涨 21.20%，其他电子涨幅较小，上涨9.99%。5-8 月在市场需求弱复苏、消费电子旺季备货的背景下，行业开启补库存周期，处在周期底部的面板、封测、存储、被动件等板块呈现出稼动率改善及价格上涨趋势，期间电子板块上涨 3.69%，其中消费电子涨幅较大，上涨12.65%，电子化学品下跌 6.40%。 8 月底华为推出基于“麒麟芯”的 Mate60、X5 等旗舰机型，强势回归，“鲶鱼效应”下各大终端品牌纷纷加大新品备货力度，基于高通、MTK 终端AI 芯片的新品陆续发布，换机周期加速预期得以强化。受此影响，8 月底至今电子板块上涨6.16%，其中其他电子涨幅较大，上涨 10.56%，电子化学品涨幅较小，上涨3.80%。

估值方面，截至 2023 年 12 月 20 日电子行业整体 TTM PE (44.95x)，处于近五年的 72.2%分位；其中：半导体板块、消费电子、元件、光学光电子、电子化学品、其他电子 TTM PE 分别为 66.54x、30.06x、31.47x、65.95x、53.77x、48.69x，处于近五年的 50.0%、33.1%、38.7%、87.4%、64.2%、77.2%分位。

截至三季度末，公募基金电子板块重点持仓市值排行前五的公司分别是中芯国际、立讯精密、海康威视、北方华创、传音控股。从重仓持股的公募基金数目来看，三季度中芯国际、卓胜微、立讯精密获得较多公募基金增持；北方华创、寒武纪-U、振华科技遭到较多公募基金减持。

截至 2023 年 12 月 20 日，沪（深）股通电子板块持仓市值排行前五的公司分别是韦尔股份、立讯精密、工业富联、京东方 A、传音控股；2023 年至今净流入金额排行前五的公司分别是韦尔股份、传音控股、京东方A、工业富联、TCL 科技；2023年至今净流出金额排行前五的公司分别是立讯精密、斯达半导、沪电股份、紫光国微、鹏鼎控股。

AI 技术革命元年，从万物互联到智能物联

自 1956 年计算机专家约翰·麦卡锡提出“人工智能”概念以来，在过去的近70年时间里，行业经历了以 CNN 为代表的传统神经网络模型、以Transformer为代表的全新神经网络模型、以 GPT 为代表的预训练大模型这三个时代的进阶，在“算力芯片、存储芯片”等硬件技术持续演进的支撑下，伴随模型参数规模超越千亿级，近两年人工智能技术得以“涌现”出更加强大的理解、推理、联想能力。23 年 3 月，OpenAI 所发布的 GPT-4 已经具备了多模态理解和多类型内容生成的能力，使得 AI 真正具备了重塑人机交互模式、全方位赋能人类生活的可能性，开启了 AI 应用的新纪元。因此微软创始人比尔·盖茨曾盛赞基于大模型的AI是继“图形用户界面”以来，最革命性的技术进步。

伴随着 AI 应用的智能化，一方面将通过优化智能汽车、智能机器人、智能家居、空间计算终端（MR\VR\AR）等各类智能物联产品的人机交互体验，加速其市场推广速度；另一方面也将倒逼相应的算力基础设施、终端硬件架构为此做出适应性的升级。正如“安迪-比尔定理”所述，长期以来，软、硬件体系的螺旋演进都是推动科技产业发展的底层动力。而本轮以 OpenAI ChatGPT、Windows Copilot、个人大模型等为主的 AI 应用在系统及软件层面已率先作出巨大变革，硬件技术的跟进升级有望开启电子产业新一轮创新周期和景气复苏周期。

从大模型到智能体，基于端侧算力升级的混合AI 是必经之路

AI 智能体更倾向于是一种“代理”(agents)，是理想化的智能助手应用

目前的 AI 工具大多都是 bot(机器人)，仅限于单一应用程序，并且通常只在用户输入特定单词或寻求帮助时才介入。这些工具不会记住用户历史上如何使用它们，也不会变得更好或学习用户的任何偏好。而 AI Agent 更加智能：1)它们是主动的，能够在用户提问之前就提出建议；2)它们能够跨应用程序完成任务；3)它会随着时间的推移而改进，因为它们记得用户的活动，并识别其行为中的意图和模式。百模大战只是起点，AI Agent 完成执行落地的完整闭环。由于大模型只能被动的响应查询，可以完成对话、写故事、生成代码，比传统AI 模型具有更强的理解能力和创造能力，但并不能直接到达 AGI(通用人工智能)的理想目标。而以AutoGPT和 BabyAGI 等项目为代表的 LAM 模型，将解，在每个子步骤完成自主决策和执行，形成了具有多领域、多模态执行力的AIAgent。

目前，基于大语言模型的 Agent 大多仍处于实验和概念验证的阶段，但相关的生态正在快速丰富，围绕 Agent 的研究工作也持续推进，2023 年可谓是AIAgent的元年，大量 Agent 被推出。

OpenAI 推出 GPTs，搭建通向 AI Agent 终局的桥梁

GPTs 在目前能力有限的 AI 和未来可能出现的 Autonomos AI Agent 之间架起了一座桥梁。2023 年 11 月 7 日，OpenAI 举行了首届开发者日，正式发布了自定义GPT——GPTs。无需代码，用户可以根据自己的指令、外部知识创建自定义版本的ChatGPT，这一功能被称为 GPTs。它们允许为特定目的构建定制化AI 机器人，而无需高级编码。同时，OpenAI 也会在本月底上线 GPT Store，让开发者们分享、发布自己创建的 GPTs。 GPTs 加强了通用 AI 大模型的实用性，有望极大加速Agent 领域的探索。GPTs可以连接到第三方平台上，在演示中，Altman 使用 ChatGPT 界面在设计应用Canva中模拟了一张海报，或是使用链接到 Zapier 的 GPT 扫描日历并查找日程安排中的冲突，然后自动返回冲突消息。未来，通过将不同的服务结合在一起，通用大模型就能完成非常复杂的任务，将想象落地成真正的虚拟助理、教练、导师、律师、护士、会计师等。

考虑成本、隐私与安全，混合 AI 是 AI 应用规模化的必经之路

随着 AI Agent 继续推进，AI 应用的规模化扩张势在必行，算力成本、效率都将成为瓶颈，因此高通提出混合 AI。高通提出的混合AI 指终端和云端协同工作，在适当的场景和时间下分配 AI 计算的工作负载，以提供更好的体验，并高效利用资源。在一些场景下，计算将以终端为中心，在必要时向云端分流任务。混合AI能帮助实现 AI 的规模化扩展并发挥其最大潜能一一正如传统计算从大型主机和客户端演变为当前云端和边缘终端相结合的模式。

混合 AI 对生成式 AI 规模化扩展至关重要。无论是为AI 模型优化参数的AI训练，还是执行该模型的 AI 推理，至今都一直受限于大型复杂模型而在云端部署。AI推理的规模远高于 AI 训练。尽管训练单个模型会消耗大量资源，但大型生成式AI 模型预计每年仅需训练几次。然而，这些模型的推理成本将随着日活用户数量及其使用频率的增加而增加。在云端进行推理的成本极高，这将导致规模化扩展难以持续。

节省成本是混合 AI 的主要推动因素。举例来说，每一次基于生成式AI 的网络搜索查询(query)其成本是传统搜索的 10 倍。混合 AI 将支持生成式AI 开发者和提供商利用边缘终端的计算能力降低成本。混合 AI 架构可根据模型和查询需求的复杂度等因素，选择不同方式在云端和终端侧之间分配处理负载。例如，如果模型大小、提示(prompt)和生成长度小于某个限定值，并且能够提供可接受的精确度，推理即可完全在终端侧进行。如果是更复杂的任务，模型则可以跨云端和终端运行混合 AI 还能支持模型在终端侧和云端同时运行，也就是在终端侧运行轻量版模型时，在云端并行处理完整模型的多个标记(token)，并在需要时更正终端侧的处理结果。此外，能耗、可靠性、性能和时延、隐私与安全、个性化都是混合 AI 的优势。

端侧 AI 之手机：华为强劲回归之势延续，苹果在AI 方向具备超预期潜力

4Q23 手机销量出现同比增长，创新推动换机周期缩短

3Q23 全球手机销量开始实现同比增长，结束长达 7 个季度的同比下滑。据IDC数据，全球智能手机出货从 2007 年的 1.25 亿部快速增至2016 年高点的14.69亿部，随后连续 4 年同比下滑至 2020 年的 12.81 亿部，2021 年出货量虽然同比回升6.2%至 13.60 亿部，但仍低于 2019 年新冠疫情蔓延前的水平。1-3Q23，全球智能手机同比出货量同比下降 7.11%，创下近十年同期出货量最差纪录，主要原因在于需求复苏进度低于预期，包括北美、西欧和韩国等市场都需求不振，仅中东与非洲地区实现了出货量的增长。但进入四季度，智能手机销量同比开始大幅回升。

AI 有望加速换机周期，全球智能手机出货量进入上行周期。根据StrategyAnalytics 数据，全球智能手机保有量从 2016 年的31.52 亿部增长至2022年的44.67 亿部，预计 2027 年将增长至 50.74 亿部。根据Strategy Analytics数据，2016 年全球智能手机用户平均换机周期为 31 个月，2022 年提升至45 个月，预计2027 年将回落至 41 个月。基于智能手机用户数量、换机周期测算，2022年全球智能手机出货量为 11.97 亿部，我们预计 2027 年将恢复至14.8 亿部，对应复合增速为 4.4%，全球智能手机市场有望恢复增长态势。

华为旗舰机强势回归，份额提升迅速。BCI 数据显示，8 月29 日“先锋计划”发布 Mate60 系列新机后，华为手机销量迎来快速增长，在今年的第37 周至第40周间，同比增速分别达到 91%、46%、83%和 95%。华为手机的销量份额也由Mate60系列发布前的 10%左右增长至 W40 的 19.4%，位居市场第一。

AI 助手智能化程度升级，开创人机交互新纪元

主芯片厂商针对 AI 迭代产品，安卓旗舰机型迅速适配。10 月25 日高通发布新一代旗舰平台骁龙 8 Gen3，第三代骁龙 8 率先支持多模态生成式AI 模型，能够在终端侧运行高达 100 亿参数的模型，面向 70 亿参数大语言模型每秒生成高达20个 token。高通发布骁龙 8 Gen3 后，小米 14 系列首发搭载，自10 月31日首销至 11 月 10 日，全渠道总销量高达 144.74 万台，创下小米高端旗舰销量纪录。

苹果在 AI 方向筹谋已久，终端落地具备超预期潜力。2014 年苹果在其新一代架构芯片 SoC 中加入专门的 AI 芯片，设计思路由 CPU 和GPU 处理AI 任务转向由专门的 AI 芯片进行处理。目前苹果 A 系列芯片已更新至A17，每秒AI 算力达到35TOPS。同时，为了能够在终端设备上高效执行更高难度的机器学习任务，苹果落地了其神经引擎处理器(Apple Neural Engine)。苹果几乎在所有自研芯片中都加入了 NPU 模块，从Mac 电脑中用的M1、M2系列芯片到 iPhone 中的 A 系列芯片，无一例外。这也是苹果各类产品可以高效实现AI功能的底层基础技术支撑。尽管苹果 Siri 在 AI 应用上的升级速度、力度甚至已落后于其他厂商，但在芯片 AI 算力以及 AI 嵌入功能上也已做了充分布局，依然是 AI Agent 手机端落地竞争中最有力的参与者。

折叠手机延续高增长，柔性 OLED、铰链及 UTG 是核心技术支撑

2023 年各大品牌推出多款折叠机型。三星自 2019 年推出旗下首款折叠屏手机以来，已形成每年迭代 Fold 系列（外折）、Flip 系列（翻盖）的双折叠旗舰的战略。华为同样于 2019 年起推出折叠屏手机机型，2023 年已推出两款外折机型（MateX3、Mate X5）。此外，2023 年荣耀推出三款外折机型（Magic V Purse、MagicV2、Magic Vs2），vivo 推出 X Flip、X Fold 2 两款折叠机型，传音旗下品牌TECNO推出 Phantom V Flip、Phantom V Fold 两款折叠机型。

3Q23 全球折叠屏手机出货量创历史新高。根据 IDC 数据，3Q23 全球折叠屏手机出货量 751.42 万部，渗透率达到 2.5%。从市场份额看，3Q23 三星、华为、Honor、OPPO、vivo 位于前五位，分别占有 70.6%、7.5%、6.0%、3.5%、3.2%的市场份额。

2023 年 10 月中国折叠屏手机出货量 106.07 万部，同比增长438.4%。根据IDC数据，10 月中国折叠屏手机出货量 106.07 万部(YoY +438.4%, MoM +22.3%)，1-10月中国折叠屏手机出货量 529.66 万部(YoY +125.0%)。1-10 月中国上下折(翻盖)折叠屏手机 198.53 万部，占比 39.36%，其中 OPPO、华为、vivo、三星份额分别为 33.9%、28.2%、16.7%、17.0%；1-10 月中国左右折(内折)折叠屏手机273.17万部，占比 54.16%，其中 OPPO、荣耀、三星、华为、vivo、小米份额分别为10.3%、26.9%、13.2%、33.1%、8.1%、8.5%。

折叠屏手机已经成为旗舰手机的主流选择，平均单价显著高于智能手机。根据IDC数据，3Q19 至 2Q21 全球折叠屏手机平均出货单价在1500 美元以上，3Q21、4Q21在定价相对较低的三星 Galaxy Z Flip 3 畅销的带动下，全球折叠屏手机平均出货单价下降至 1335、1338 美元，3Q21 至今维持在1200 美元以上，定价远高于三星、小米、OPPO、vivo、荣耀等头部安卓品牌约 200-300 美元的智能手机平均出货单价。我们认为，在智能手机市场竞争日趋激烈的背景下，折叠屏手机已经成为安卓品牌借助跟苹果的创新时间差强化高端机的市场竞争力，推升产品定价区间、推动品牌高端化进程的差异化竞争抓手，从供给层面，安卓品牌具备较强的意愿去推动折叠屏市场的快速增长。

端侧 AI 之 PC：AI PC 密集推出加速PC 终端换机及AI 应用普及

温特尔联盟垄断 PC 市场长达 20 余年，2022 年以来全球PC 出货量“超跌”。据IDC 数据，全球 PC 出货量自 2014 年达到顶峰 5.38 亿部后，进入下行周期，2021年疫情“宅经济”带来增量需求，全球 PC 结束为期5 年的下行周期，全年出货同比增长 10.84%。2022 年疫情反复、俄乌冲突等多重因素作用下，全球PC出货量出现同比大幅下降。2023 年前三季度全球 PC 出货量2.78 亿部，同比下降18.64%。全球 PC 竞争格局自 2016 年后保持稳定。据 IDC 数据，2016-2021 年，联想占全球 PC 市场份额最高，且份额逐年攀升，由 16.1%上升至19.2%；苹果占全球PC市场份额位居第二，其份额亦由 14.0%上升至 16.5%。2022 年，苹果以全球PC市场份额 19.5%跃升至第一，联想份额降至 17.5%位居第二。此外，惠普、戴尔、三星的全球 PC 市场份额分为位于第三至第五位，保持相对稳定。

具备更多离线运行场景和本地存算需求的 PC 是 AI 应用落地的理想载体。2023年10 月，联想在 Tech World 创新科技大会上展示了联想在端侧大模型方面的能力，并推出全球首款 AI PC。AI PC 需要能够运行个人大模型，并具备更强算力、更大存力，能够与用户更顺畅地使用自然语言交互，并提供更可靠的安全和隐私保护。因此，AI PC 不仅是硬件设备，而是包含 AI 模型和应用以及硬件设备的混合体。同时，AI PC 能够针对工作、学习、生活等场景，提供个性化创作服务、私人秘书服务、设备管家服务在内的个性化服务。

用于 PC 端侧的 AI 芯片接踵而至，为生成式 AI 端侧部署提供关键能力。10月25日，高通发布面向 Windows 11 PC 的旗舰 PC 芯片骁龙X Elite，在众多支持Windows11 的 PC 平台中拥有一流的 CPU 性能和能效，支持在端侧运行超过130 亿参数的生成式 AI 模型。10 月 31 日，苹果发布新一代 M3 系列芯片，具有增强的神经引擎，可加速强大的机器学习模型，其中 M3 Max 支持开发数十亿参数的Transformer模型。12 月 15 日，英特尔推出 Core Ultra 处理器，具备AI 推理功能，宣布将与主流 OEM 伙伴推出 230 余款机型。英特尔推出 AI PC 处理器后，终端厂商迅速推出搭载新款处理器的设备，预计大量 AI PC 将在 2024 年进入消费者视野，渗透率将快速提升。12 月15 日，英特尔正式推出 AI PC 处理器，代号 Meteor Lake 的酷睿Ultra 处理器将有三种不同的配置，分别是酷睿 Ultra 5、Ultra 7 和 Ultra 9。大量PC 厂商紧随其后推出了搭载全新处理器的 AI PC，联想推出第 12 代 ThinkPad X1 Carbon、第9 代ThinkPadX1 二合一及 IdeaPad Pro 5i；MSI 推出 Prestige 16 AI Studio 和PrestigeAIEvo；华硕推出 Zenbook；宏碁推出 Swift Go 14 和 Predator Triton Neo 16。

2024 年是 AI PC 元年，将带动 PC 销量进入全新的增长周期。据IDC 数据，预计中国市场中 AI PC 市场规模占比将由 2023 年的 8.1%快速提升至2027 年的84.6%，进而成为 PC 市场中的主流产品。与此同时，预计 AI PC 将缩短用户的换机周期，进一步促进 PC 销量增长。据 IDC 数据，预计中国PC 市场规模由2023 年的3950万台增长至 2027 年的 5060 万台，对应 CAGR 达 6.39%。

端侧 AI 之 MR：交互升维，空间计算新时代

PC 开启个人计算时代，手机开启移动计算时代，MR 有望开启空间计算时代。苹果在 WWDC23 上推出 Vision Pro，直接指出这是苹果的首款空间计算产品，将带领大家进入空间计算时代。有别于传统的桌面计算和移动计算，空间计算并不局限于实体屏幕的矩形框，而是可以自由地在周围环境中流动。语音、视觉、手势等其他更为自然的输入方式将进一步丰富鼠标、键盘、触摸屏等传统交互模式，使人们能够以最自然的方式与当前场景交互。苹果本次发布的 Vision Pro 与之前 Pico 和 Meta 等推出的产品具有较大的区别。显示屏使用 Micro OLED，清晰度上达到单眼 4K，交互上首次摒弃了所有物理外设，通过大量的摄像头和传感器对眼动和手势进行精准追踪和识别，从而完成交互输入。此外，苹果具有得天独厚的开发系统，不仅 iPhone15 Pro 和Pro max 上线了空间视频拍摄功能，其专门为空间计算开发的新系统 Vision OS，保证全新的AppStore上能运行“数十万熟悉的 iPhone 和 iPad 应用程序”。VisionOS 支持第三方开发人员重新设计的 Apple 应用程序套件和体验，且能将iPad 应用程序相对轻松地移植到该平台上，从而完成软硬件相互协同。

空间计算是一次升维，大幅推动技术平民化、提升信息交换的质效。人类是生存于四维时空的三维生物，人类与世界的交互方式以及感知世界与处理信息的方式是三维的。人类通过感知与实践得来的直接知识，是三维+时间的完整体验，而其作为间接知识形成与传播时，受技术水平所限，多以文字、书本等一、二维为载体体现，但每一次降维都会带来信息密度的下降和必要信息的丢失。因此，间接知识的升维对提升人类文明的进步效率和推进技术平民化都至关重要。

交互硬件与计算平台相辅相成，Vision Pro 发售有望点燃交互硬件大升级。过去50 年，人类历史经历了三次交互硬件的迭代：垂直计算硬件（游戏主机）、通用计算硬件（个人电脑）、移动计算硬件（掌机&智能手机）。对应交互的升级过程则是人与硬件之间的交互越来越自然，例如电脑的鼠标和键盘，智能手机的触控。而新的交互硬件总能催生出更适配的计算平台，例如PC 时代的Windows，移动互联网时代的 iOS 和安卓。因此，随着 Vision Pro 的销售，只需要眼、手、语音就可以完成全部交互的体验开始普及，其适配的计算平台“空间计算”也将到来。空间计算的关键技术包括三维重建、空间感知、用户感知、空间数据管理等：1）三维重建：对三维物体建立适合计算机表达和处理的数学模型，是在计算机环境下对三维物体进行处理、操纵和分析的基础。非接触式视觉法是目前最常用的方法，主要包括主动视觉和被动视觉两大类。 2）空间感知：指获取人和物在空间中状态的能力，包括位置、方向、速度等，可以建立周围环境的几何和语义模型，是 AR 环境交互、多人协同、导航等多种空间应用的基础。它通常是根据一系列传感器之间的数据校准进行确认的，包括GPS、光通信、蓝牙、计算机视觉识别等不同技术路线，可以带来不同的空间感知系统。3）用户感知：多模态空间交互促进人与环境更深度的融合。感知是指一个人选择、组织和解释接收到的信息，人类可以通过听觉、视觉、触觉来感知信息，在空间计算中，用户感知分为两部分，一个是系统对用户表达信息的处理，二是在此基础上进行的认知引导及交互驱动。关键技术包括面部识别、人体姿势感知、语音交互、多模态感知和理解等。

根据 IDC 数据，预计 2023 年全球 VR 合计出货量 917 万台，同比增长7%，AR出货量 44 万台，同比增长 57%。随着 2024 年 Vision Pro 发售，越来越多的硬件厂参与硬件竞争，以及配套的软件系统逐渐成熟，两个行业都将进入高速增长期，预计未来四年 VR 将以每年 20%以上的增速增长，AR 将以70%以上的增速增长。

未来已至，AI 赋能智能驾驶和机器人产业

汽车：产品属性变革重塑价值链，整车差异点向智能化性能转移

汽车电动化使得车的动力来源由燃油转向电动，过去几年中，汽车电动化迅速发展，汽车动力底盘性能逐步走向成熟，在此基础上，整车的差异化开始向智能座舱、智能驾驶等智能化属性转移。在智能驾驶领域，伴随自动化与网络成熟度提升，出行即服务的模式将逐步形成；智能座舱作为人机交互的界面将向着生态建立的方向发展。

随着汽车由普通交通工具向基于出行综合场景的一体化出行解决方案发展，产业价值由产品向出行服务拓展，“整车*销量”的盈利结构向“软件收费*保有量”过渡。随着产品边界不断扩展，围绕从底层电动化的智能管理到智能驾驶、智能座舱再到车云协同，智能化自下而上带来半导体需求增量。

底层动力域向融合、高压、高效率方向演进

电动架构简化带来芯片、算法与控制归一化。以电驱形态为例，目前以三合一方式集成电机控制器、电机、减速器，在此基础上集成六合一等多功能融合，体积减少 30%，重量减少 20%；在硬件融合基础上，对系统热管理、动力系统优化提出要求。以华为为例，基于 AI 平台能力，动力系统可具备自迭代的能力，例如：1）热失控故障等主动安全预警可有效规避风险；2）动力系统寿命可预测，提前规避影响寿命的工况，提升系统寿命。

动力系统迈向高压，碳化硅加速渗透。以电池架构变化为例，400V 架构向800V架构演进，功率器件工作电压从 650V 升至 1200V。目前，动力系统高压化技术已基本完备。以 SiC 为代表的宽禁带半导体产业链走向成熟，与硅材料的物理性能对比，SiC 临界击穿电场强度是硅的近 10 倍，可满足新能源汽车高压平台的基本要求，此外结合碳化硅较低的导通电阻与高热导率，系统效率可近一步提升。此外，随着电压平台提升到 1000V，充电电流将从 250A 提升到600A，充电时间缩短到 5 分钟，快充方案的渗透将加速。

汽车智能化将带来中低压 MOSFET 器件加速渗透。随着汽车智能化发展，ADAS、安全、信息娱乐等功能需 MOSFET 作为电能转换基础器件支撑数字、模拟等芯片完成功能实现。以 EPS 系统为例，随着对安全性要求的提升，系统要求增加失效可操作（Fail-Operational）功能，即增加一套冗余系统作为备用，在发生罕见故障时 EPS 仍可保持工作；相应地，MOSFET 用量由 8 个增加至22 个。受益于汽车智能化，20-26 年 MOSFET 非动力应用市场将从 8.3 增至11.1 亿美元，其中ADAS在安全管理、域控制系统、泊车系统智能化升级的拉动下将从0.3 增加至0.9亿美元；受益于汽车电动化，包含轻混动的非燃油车动力总成市场将从1.5 增至6亿美元。

比特管理瓦特，实现器件、系统与整车级的效率提升。在器件层面，高效的IGBT、SiC 或 GaN 器件，通过先进封装技术改善散热条件、降低寄生参数以提高功率模块可靠性，最终实现在高压、高温、高速的工况下的能量转换效率。在系统层面，随着动力域将机械、电能转换及热管理等耦合部件进行融合，通过智能化可将参数优化程度提升，利用大数据可对动力系统的子系统进行远程标定和模拟测试以达到更高的电力转换效率。在整车层面，可通过数字化将电机驱动、热管理、转向和制动等部件联接，实现能效互补。通过“比特管理瓦特”方式降低非动力系统的能量损失。以能量回收为例，可利用电机热量用于电池预热；OBC 与空调压缩机共用高压拓扑，实现功率最大化利用等。

通信与计算架构演进，奠定软件定义汽车基础

车辆智能化是运用计算机、现代传感、信息融合、通讯、人工智能及自动控制等技术将车辆打造成环境感知、规划决策、多等级辅助驾驶等功能于一体的综合系统，通过智能化提高汽车的安全性、舒适性，以及提供优良的人车交互界面。汽车电气结构从过去分布架构（Distributed）向域中心架构(Domain Centralized)演进过程中，座舱域和辅助/自动驾驶域智能化催生域控制器主芯片/计算平台算力的需求、以及传感器系统芯片数量和性能的需求明显提升。

从 ADAS 到 AD，芯片 AI 算力需求大幅升级。根据 Yole 数据，2021 年至2030年全球行驶中的 ADAS 车辆将从 1.3 亿台提升至 8.3 亿台，渗透率从12.3%提升至49%，主要为 L1-L2（L2+、L2++）级别；2041 年 ADAS 渗透率将提升至81%，其中4.7%将为 L3-4 自动驾驶；2050 年 ADAS 渗透率将达 95%，其中L3 及以上自动驾驶渗透率总计将达 26.9%。

自动驾驶计算 SoC 芯片是高级辅助驾驶（ADAS）和自动驾驶（AD）域控制器的核心芯片。自动驾驶计算 SoC 芯片通常集成了：多核结构的CPU 集合、GPU、ISP、深度学习加速器（DLA）和计算机视觉加速器（PVA）等处理器和计算加速器，提供强劲的算力来处理大量来自数量、种类繁多的感知传感器信号，并运行深度神经网络算法对车辆行驶状态做出决策。一方面，由于原有的分布式架构或者单一分模块的域控制器已经无法适应需求；另一方面，摄像头、毫米波雷达、激光雷达等传感器采集的海量数据受限于时延及可靠性无法即时在云端进行计算，自动驾驶计算芯片成为自动驾驶域控制器的核心计算平台。

自动驾驶等级提升引入更多传感器，自动驾驶计算芯片AI 算力需求不断增长。环境感知所需传感器包括摄像头、毫米波雷达、激光雷达以及超声波等，不同传感器被安置在车辆上，分别发挥着采集数据、识别颜色、测量距离、速度等作用，传感器获得的数据在自动驾驶计算芯片上经过算法处理，实现车、路、人等信息交换，对驾驶做出决策。根据华为和 IDC 预测，实现L2 级别及以下自动驾驶需要NPU 算力不超过 10TOPS，L3 算力需求为 30-60TOPS，L4 算力需求超过100TOPS，L5 算力需求超过 1000TOPS，1TOPS 代表处理器每秒钟可进行一万亿次操作。

ADAS 渗透率提升推动车载 CIS 量价齐升，2026 年市场规模有望超90 亿美元，安森美、豪威、索尼市占领先。根据 ICV Tank 数据，2021 年全球车载CIS市场规模为 38.1 亿美元，同比增长 4.3%，其中安森美、豪威、索尼分别以45%、29%和17%市占率占据全球车载 CIS 市场主导地位。根据 ICV Tank 预测，2026 年全球车载 CIS 市场规模将增长 138%至 90.7 亿美元，复合增速为18.9%，主因L2、L2+及以上自动驾驶汽车渗透率提升带来的摄像头数量提升及性能提高带来ASP提升。

激光雷达（LiDAR）是 ADAS 进阶的关键传感器。激光雷达能够通过激光器和探测器组成的收发阵列，发射激光光束并接收回波信号，对所处环境进行实时感知；结合测量周围物体的位置、距离、角度等相关数据，直接获取被测物体表面三维坐标及精确距离、速度信息，实现空间三维场景重建。此外，通过结合预先采集的高精地图，可实现高精度定位与导航。

受益于汽车 ADAS 普及以及自动驾驶等级提升，全球车载激光雷达需求快速增长，预计 2022-2028 年市场规模 CAGR 达 55%。据 Yole 数据，全球车载激光雷达市场规模预计由 2022 年的 3.17 亿美元增长至 2028 年的44.77 亿美元，对应CAGR为55%。其中，乘用车激光雷达市场规模预计由 2022 年的1.69 亿美元增长至2028年的 39.20 亿美元，对应 CAGR 为 69%；Robotaxi 激光雷达市场规模预计由2022年的 1.47 亿美元增长至 2028 年的 5.57 亿美元，对应CAGR 为25%。

随着中国智能驾驶行业快速崛起，ADAS 量产规模进一步扩大，禾赛科技位居2022年全球车载激光雷达份额第一。随着国内头部车企对激光雷达上车的需求猛增，国产激光雷达厂商市场份额不断提升。据 Yole 数据，禾赛科技在全球激光雷达市场份额由 2021 年的 42%进一步扩大至 2022 年的 47%，位居市场第一，遥遥领先于其他竞争企业；图达通依靠蔚来汽车的持续出货，以2022 年15%的市场份额位居第二；法雷奥、速腾聚创分别以 2022 年 13%、9%的市场份额位列第三、第四名。禾赛科技在 L4 自动驾驶激光雷达市场份额中亦位居第一。据Yole 数据，禾赛科技在全球 L4 自动驾驶激光雷达市场份额由 2021 年的58%进一步扩大至67%，位居市场第一；禾赛科技的激光雷达产品已经覆盖国内外几乎所有头部L4 自动驾驶公司，包括 Cruise、Zoox、Nuro、Aurora 等。

在乘用车领域，2023 年预计将有 63.2 万台激光雷达交付上车。据Yole 预测，2023年乘用车激光雷达出货量预计约 63.2 万台，其中禾赛科技将以41%的出货量份额引领全球，速腾聚创以 29%的出货量份额位居第二，两家公司合计占比近70%。图达通目前主要依靠蔚来汽车，预计出货量占比约 12%。

随着车载激光雷达需求持续增长，国产激光雷达龙头厂商出货量屡创新高：2023 年前三季度禾赛科技激光雷达总交付量为 13.4 万台。据禾赛科技3Q23财报数据显示，公司在 3Q23 激光雷达交付量为 4.74 万台，同比增长125.5%；其中ADAS激光雷达交付量为 4.06 万台，同比增长 143.2%。同时，2023 年前三季度激光雷达总交付量为 13.4 万台，同比增长 307.9%；其中ADAS 激光雷达交付量为11.4万台，同比增长 516.6%。 2023 年 1-10 月速腾聚创激光雷达总销量超 13.6 万台。据速腾聚创数据，公司2023 年 10 月单月激光雷达总销量近 3 万台，其中车载激光雷达销量超2.8万台。同时，2023 年 1-10 月激光雷达总销量超 13.6 万台，其中车载激光雷达总销量近12.2 万台。 2023 年 1-11 月图达通高性能激光雷达车载市场累计交付突破20 万台。据图达通数据，目前图达通产能已超过 30 万台每年，在实际需求推动下，新的产线也已在布局中，将于 2023 年 12 月份进入量产阶段，迎来进一步的产能跃升。

随着国产自动驾驶新车型陆续上市，激光雷达有望持续加速上车。2023年11月17 日，2023 广州车展拉开帷幕，多款智驾新车亮相及开启预售。其中，理想纯电MPV MEGA、小鹏纯电 MPV X9、极氪纯电轿车极氪 007、零跑SUV C10、华为系智界 S7/问界 M9/阿维塔 12 等车型均选择搭载激光雷达的方式提升自动驾驶等级及提供安全冗余，其中：（1）华为系阿维塔 12 搭载华为高阶智能驾驶系统HUAWEIADS 2.0，全系标配 29 颗智驾传感器，构建 4 层感知体系，其中包含标配3颗隐藏式激光雷达。（2）问界 M9 搭载华为全新自研 192 线激光雷达，是目前业界车规级量产最高线数激光雷达。该款激光雷达具备 250 米超远距精确识别能力，184万点/秒的成像能力，垂直分辨率达 0.1°，雷达扫描频率为20Hz，能够为用户提供 540°的全范围覆盖。

汽车智能化，推动高速连接器需求。自动驾驶车辆要求能够可靠而即时地处理空中下载(OTA)数据流，包括车辆对后端(V2B)、车辆对车辆(V2V)、车辆对基础设施(V2I)、车辆对用户(V2U)以及车辆对通信基础设施(V2C)。涉及搭载毫米波雷达、激光雷达等多个传感器，与 ADAS 控制模块、雷达控制模块等多个模块，对数据传输速度、传输量及可靠性要求更高催生高速连接器需求。高速连接器长用于传感器、GPS、无钥匙进入、信息娱乐系统、导航与驾驶辅助系统等。根据华经产业研究院数据，2025 年我国汽车高速连接器市场将达到 187 亿元，2021-2025 CAGR为19%。

汽车高频高速连接器可以分为同轴连接器（包括 FAKRA 和Mini-FAKRA，主要传输模拟信号）和差分连接器（包括 HSD 和以太网连接器，连接双绞线电缆，主要传输数字信号）。智能化汽车配套数据传输速度从 150Mbps 提升至24Gbps且汽车向集成化发展，推动 Mini-Fakra 和 HSD 配套使用，取代传统Fakra 连接器。车载高清摄像头使用数量增长拉动以 Mini-Fakra 为代表的高频连接器应用，而激光雷达、毫米波雷达的使用数量增长拉动以以太网连接器为代表的高速连接器应用。

智能座舱软硬结合，解锁万物物联

智能座舱构建在以芯片算力为基础，以座舱 OS 为核心承载的软硬件能力中。当前汽车基本已完成从按键交互跨越到了车载显示交互，而传统单一车载显示器将扩展到具有多个多模式界面的图形用户界面 (GUI) 显示器，如多种传感技术包括听觉、触觉、手势、可穿戴传感器、和 AR/VR /混合现实(MR) 技术，以确保准确预测车内交互。此外，驾驶员或乘客监控对于交互至关重要。车载交互系统需要估计和推断驾乘人员的动作、疲劳或困倦等状态、驾驶员的认知状态以及用户的情绪。根据 IHS 预测，2021 年全球智能座舱市场空间超过400 亿美元，2030年市场规模将达到 681 亿美元；ICVTank 预测，中国的智能座舱市场将在2025年达到 1030 亿人民币，自 2021 年起，年复合率将达12．7％。

“一芯多屏”成为座舱域控制器系统发展趋势。传统的汽车设计中，仪表和娱乐系统为相互独立的两个系统，数字仪表屏、信息娱乐系统、HUD 等设备均由各自控制器单独控制显示界面输出，随着交互设备增加，一方面，控制器数量增加，提高整车成本，导致整车厂成本控制压力陡增；另一方面，座舱电子设备日益频繁的信息交互下，为实现多屏联动，控制器之间通信开销加大，通信延迟增加。随着车载芯片的算力得到大幅提升，在座舱从分布式向域控制演进的推动，依靠一颗 SoC 芯片运行多个操作系统、同时驱动多个显示屏融合交互（即“一芯多屏”）逐渐成为发展趋势。

消费电子芯片商切入智能座舱 SoC 赛道，高通智能座舱芯片渐成主流。恩智浦、德州仪器、意法、瑞萨等汽车芯片厂商为传统汽车数字仪表屏和中控屏主芯片供应商。随着汽车智能化提速，消费电子芯片厂商纷纷入局，其中高通凭借骁龙820A在核心出货量较大的传统改款车及大部分新能源车大规模出货成功晋升为主流玩家，相比于传统车规芯片厂商 CPU 算力介于 20-40KDMIPS 和GPU 低于500GFLOPS的 SoC，S8155P 因其大幅领先的算力成为目前“一芯多屏”主流配置继续夯实高通市场地位。三星、英伟达、联发科、华为海思亦纷纷入局。

开放生态，座舱 OS 向消费电子生态看齐。汽车座舱有车载中控大屏、仪表/HUD多屏显示，有麦克风/喇叭等音频输入输出能力，有方控按键、旋钮等反向控制，还有高精度的车辆数据等，而汽车座舱中控主机硬件计算能力升级迭代周期相对较长，应用和服务不够丰富；而手机则有较新的计算硬件、软件平台能力。相较手机等消费终端，汽车座舱人机交互为多外设、多用户、多并发和多模态，因此座舱 OS 需要处理行业解决方案的碎片化和定制化问题。以华为HiCar 为例，面向开发者，HiCar 将移动设备和汽车连接起来，利用汽车和移动设备各自的强属性以及多设备互联能力。HiCar 通过分布式软总线技术、分布式虚拟化能力和应用服务共享虚拟化技术，构建了一个开放的平台解决方案。

机器人：以智能汽车产业链为基础，有望开启高速0-1阶段

2023 年 12 月特斯拉发布了第二代人形机器人 Optimus-Gen 2，第二代Optimus搭载特斯拉设计的执行器和传感器、拥有 11 个自由度的双手、足部扭矩传感器、铰链式脚趾等等，同时，第二代人形机器人在行走速度、重量、平衡和全身控制方面都得到了优化。由于第二代人形机器人十个手指均搭载触觉传感器，第二代Optimus 可以用两个手指捏起鸡蛋。拥有更多的功能主要依赖机器人身上的传感器和雷达，根据 Yole，机器人身上有 11 类 MEMS 和传感器。

传感器是机器人感知外界的基础，根据检测对象类别可以分为内部传感器和外部传感器。内部传感器用于测量机器人自身的状态，主要包含位置传感器、陀螺仪、速度/加速度传感器、倾斜角、方位传感器等；外部传感器用于测量于机器人作业相关的外部因素，主要包含视觉传感器、语音合成传感器、触觉传感器、力觉传感器等。

中国智能机器人市场规模在 2021-2025 年 CAGR 40%，工业机器人中搬运类机器人占比最高。根据艾瑞咨询的数据，中国智能机器人市场规模（涵盖工业机器人、商业服务机器人、医疗机器人、安防机器人、农业机器人等）将由2021年的256亿元增长至 2025 年的 984 亿元，CAGR 40.0%。工业是机器人起源和最先应用落地的领域，在 2021 年中国工业领域机器人市场，搬运类机器人市场占比最大，达到45%，其次是焊接类机器人，占比 25%，装配机器人占比12%。

人形机器人产业链和智能网联汽车产业链类似，具备快速放量的条件。机器人产业链在核心硬件部分包含传感器、伺服系统、减速器、控制器和芯片，在系统与技术支持部分包含 SLAM（simultaneous localization and mapping）、语音识别、机器视觉、人脸识别等，最终在本体制造和系统集成部分合成为各种功能的机器人。机器人产业链和智能网联汽车产业链的相同点是都由核心硬件+系统与技术支持，最终进行本体制造系统集成，在产业链各部分也有一定重合，因此在智能汽车产业链比较成熟的基础上，人形机器人具备快速制造及放量的条件。

（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）