【山西证券】边缘AI行业深度：边缘AI硬件，引领硬件创新时代.pdf

2024-04-18

37页

3MB

1. 边缘 AI：AI 普及的硬件基础

1.1 边缘 AI 是什么

边缘 AI，也称为边缘人工智能，指在物理世界设备中部署AI 应用。这项技术之所以被称为“边缘 AI”，是一种在物理设备上本地处理的 AI 算法。具体来说，边缘AI 的计算发生在靠近用户和数据的网络边缘，而不是集中在云计算设施或私人数据中心。这种技术在全球范围内的网络边缘都可以应用，例如零售店、工厂、医院，甚至我们身边的交通信号灯、自动化机器和电话等设备都可以做为边缘 AI 的终端。

边缘 AI 本质是将边缘计算与 AI 进行一种结合，在分布式的物理架构下去进行AI计算，相对于传统的云 AI，边缘 AI 在算力的性价比和效率上有明显优化，因此也扩大了AI 计算的适用范围。传统 AI 的使用场景有一定局限性，难以面对实际应用场景的多样化，云AI 大模型对特定场景的适配性较差，易出现算力的不足或者冗余，算力使用的性价比偏低。同时云计算在边缘端对于数据的传输通信有较高要求，网络安全及传输速率的劣势使得计算效率略显不足。而边缘 AI 针对不同应用场景，在芯片、模型、感知等层面进行专有设计，使得数据在终端进行采集、计算，不仅提升了 AI 运算效率，同时降低了对云算力的消耗，而人工智能技术作为一种高性能计算，应用于边缘端，也极大扩展了 AI 技术的使用场景。

1.2 边缘 AI 的相对优势

边缘 AI 相对传统云 AI 的四大优势，分别为算力节省、低延时、隐私定制、交互简洁，是边缘 AI 扩大自身应用场景的核心优势。算力成本是 AI 运算的主要成本，传统云端模型参数在千亿以上，单次计算调用的算力和存力成本巨大，而边缘AI 模型针对具体应用对模型进行优化，降低了参数和训练数据的规模，另外直接将运算在边缘端进行，减少了数据在云端和边缘端的传输，同样也是对成本的节约。其次边缘 AI 的优势还体现在低延时和离线状态的使用，传统云端模型需要将数据传输至数据中心，网络的稳定性，以及传输过程中的延时，将明显降低 AI 应用使用的可靠性和及时性，而边缘 AI 则可以在无连接状态使用模型，规避了传统云端模型的劣势。另外边缘终端直接计算，可以避免数据上传云端造成的信息泄露等问题，更有利于信息安全，同时由于本地信息的个性化，边缘模型能够根据用户的个性化需求，针对用户的爱好、性格给出更有价值的输出结果，提供差异化的 AI 服务。边缘 AI 与传统 AI 互有优势，实际应用过程中，根据使用场景的差异，边缘AI 的模型架构又可分为终端为中心的混合 AI、基于终端感知的混合 AI、终端与云端协同处理混合AI。之所以要对 AI 计算进行分工，是由于在不同的场景下，根据云端和边缘端的计算、存储能力，需要将 AI 计算和存储分配到云和终端共同完成，使得整体 AI 计算效率最大化。

终端为中心的混合 AI，即是将所有的计算过程均在边缘端进行。当边缘终端的计算性能较高，且运行的模型复杂度不高的时候，直接将模型搭载在终端上，依靠终端进行数据处理和存储，一般适用于计算能力较强的终端，例如 PC 等。这种模型的优势是更快速的响应用户请求，且降低对云端的计算负载，同时在离线状态下也能实现模型运行，是一种完全不依赖云端数据中心的边缘模式。终端感知的混合 AI，终端负责的数据采集和存储，然后将数据传输到云端进行AI计算，最终通过终端进行数据输出。这是一种结合终端数据处理能力，与云端计算能力的边缘AI模式，一般适用于数据输入输出能力强，但计算能力有限的终端，例如手机、智能音箱等。利用边缘终端对数据进行预处理标准化，对于用户来说，既能保证数据输入的有效性，也保障了传输数据的隐私性，而对于云端数据中心，则有效降低了数据负载。

终端与云端协同处理混合 AI，这是一种结合终端数据处理能力与云端计算能力的边缘AI运行模式。在这种模式下，模型自主判断 AI 计算在云端和边缘端的分配，当计算需求较为简单时，则在终端进行简易模型的计算，而当终端计算结果准确性下降后，则再通过云端的大模型进行修正。协同处理的模式对使用场景有更强的适应力，适配不同的AI 使用需求，其难点在于对算力的分配算法，如何判定在云端或终端进行计算。潜在方案是先在终端进行初步计算，然后将计算结果发送到云端进行验证，由验证的正确率来判断是否要在云端进行重新计算，从而实现云端算力的动态调整。

1.3 边缘 AI 的应用场景

边缘 AI 模型的研发加速边缘 AI 的应用场景扩展，当前已有众多边缘模型发布，其模型参数在 10 亿至 100 亿之间。受边缘终端的计算性能限制，边缘端搭载的AI 模型较传统模型更加轻量级，其参数范围取决于模型的预期功能和搭载的终端。根据高通预测，未来在边缘端搭载的模型参数范围在 10-100 亿之间，且 100-150 亿参数级别的模型可以覆盖大部分的边缘AI应用。边缘 AI 推广的基础是边缘模型的推出，高通在手机上演示使用Stable Diffusion来生成图像，标志着 AI 大模型首次在安卓手机终端上得到应用。Stable Diffusion 过去依靠云端运行，参数超过 10 亿，高通通过全栈 AI 优化，使用降低浮点数、减少存储溢出、升级算力性能等方式，使得模型可以在骁龙 8 Gen 2 平台上运行。

边缘 AI 由于其算力节省性、低延时、隐私定制、交互等优势，在各行各业都有广阔应用前景，例如消费电子、PC 办公、智能汽车等领域。根据英特尔高级副总裁SachinKatti 预测，2023 年全球边缘市场规模将达到 4450 亿美元，边缘 AI 的广泛应用将会各行业带来巨大的发展机会。智能手机及智能家居等消费电子类产品，使用边缘 AI 主要集中在视觉识别及语音感知功能上。视觉识别领域，通过边缘 AI 算法，实现对人以及物体的识别从从2D到3D，适用范围大范围扩展，例如在智能家居领域，生物识别可实现人脸支付、门禁识别等复杂功能，物体识别可实现 3D 空间扫描等功能。语音感知功能在消费电子领域同样大规模使用，例如手机、智能音箱的语音交互，智能家居的语音遥控等功能。笔记本电脑作为移动生产终端，边缘 AI 将显著提升 PC 作为生产工具的效率。微软Office的 AI 功能体现在 AI 助理“Copilot”，其功能可帮助用户草拟文档、根据内容生成PPT、数据表格生成和分析、会议内容转录等，目前已经广泛前装在各类新款PC 终端上，微软也在官网上宣布 Windows 11 PC 将推出 Copilot 按键，以增强用户的 AI 使用体验。国内WPS同样推出WPS AI，整合先进的自然语言处理技术和机器学习算法，可实现文字识别、语音识别、智能翻译、数据分析和图表生成等复杂功能，有效提高了用户的工作效率和准确性。

边缘 AI 在汽车领域主要应用于智能座舱和自动驾驶领域，对于座舱智能化以及自动驾驶提供强有力技术支持。智能座舱领域高通在 CES2024 上展示了多种边缘AI 应用场景，推出面向主动车载辅助的 AI，基于骁龙数字底盘解决方案，可实现汽车端LLM模型的实现，帮助用户了解天气、时段、行程信息等多种类信息。自动驾驶领域英伟达边缘AI 扮演重要角色，通过边缘设备进行数据处理和分析，实现边缘 AI 的快速高效决策，英伟达最新DRIVEAGX平台，包含了开发自动驾驶功能和智能座舱的全部硬件和软件，可实现L2+到L5 级的全自动驾驶汽车系统。

2. 边缘 AI：AI 普及的硬件基础

2.1 AI PC 芯片：主流大厂路线推出新品，相对传统PC大幅提升算力

终端处理器芯片厂商主要在手机芯片以及 PC 芯片两个市场竞争。大部分AI 手机芯片产品发布会主要集中在 2023 年下半年，并且已经投入应用。而在12 月份，AMD8040系列以及Intel Ultra 系列处理器也正式将笔记本电脑处理器芯片竞争拉升至AI PC 时代，相较于普通的PC 芯片，提升芯片运行 AI 大模型的能力，在功耗及计算速度上有明显优化，这也标志着AIPC芯片的技术迭代即将进入新一轮创新周期。

AI PC 芯片密集发布，相对传统 PC 芯片在 GPU 和内存参数上有明显提升。以英特尔相近的两款 AI PC 芯片为比较，AI PC 芯片 Intel Core Ultra 9 185H 配置了相关专用于AI 性能提升的硬件 Intel AI engine，因此在 32 位浮点运算以及 AI 算力上有了巨大的提升，在数据处理速度相关的频率以及内存最大带宽均优于 Intel Core i9-13900。AMD 同一代产品中，具备RyzenAI 引擎的 7940HS 与普通 CPU 有明显差异。AI 处理器在 GPU 上更加领先，内存带宽优于普通 CPU，GPU 的频率有明显升级，而在最大内存带宽上也有明显提升。

主流厂商 AI PC 芯片均增加了 NPU 模块，相对于传统 PC 芯片极大提升了算力，而英特尔凭借当前的开发生态和硬件性能优势，占据主要市场份额。各家在新款AI PC芯片上，均增加了 AI 硬件，其自身的算力叠加传统 PC 芯片中 CPU 及 GPU 的算力，使整体算力有了较大提升。而在竞争格局上，市场上主要的竞争集中在英特尔、AMD、高通等厂商，横向对比各家优劣，AMD 在内存方面对其余两家有明显优势，高通 GPU 频率相对更高，且其独有的高通引擎使得在 AI 算力上数值更高。而英特尔则更加均衡，硬件方面配置更多核心，处理线程更多，同时软件开发生态更为丰富，下游终端厂商接受度也更高，综合实力英特尔暂时领先。另外从当前下游 PC 新品发布来看，搭载英特尔芯片的产品也更加丰富。

2.1.1 高通：基于 ARM 架构的新一代 PC 芯片，算力领先同行

高通的最新 PC 处理器骁龙 X Elite 在算力性能上显著提升。2023 年10 月26 日高通发布了其用于 AI PC 方向的最新处理器骁龙 X Elite, 使用 12 核高通Oryon CPU与AdrenoGPU，GPU 32 位浮点运算能力达到了 4.6TFlOPS, 骁龙 X Elite 能够在设备上运行超过13B参数的生成式 AI LLM 模型。此外还搭载了高通 Hexagon NPU，其基础算力达到45TOPS,搭配高通AI引擎算力最高可达 75TOPS, 使用 LPDDR5x 内存，136 GB/s 带宽，以及适配的终端AI，输出速度 30Tokens/s。同时，芯片有着低能耗的优点，一次充电可维持几天工作时间。

2.1.2 苹果：M 系列芯片算力大幅提升

苹果 M 系列处理器一直以其独有的统一内存架构占据市场，采用统一的内存架构可提供高带宽、低延迟和出色的功耗表现。M3 系列芯片，配置 128G 显存，可以运行数十亿参数的更大的 Transformer 模型。在算力的性能上，M3 MAX 的 GPU 提供14.2TFlOPS的32位浮点算力，搭载 Apple Neural Engine，使 NPU 算力达到 35TOPS，相较上一代有较大幅度提升。M3 MAX 芯片中的晶体管数量达 920 亿个，搭配 16 核 CPU 核心，40 核GPU核心，相较于M1 Max，CPU 性能提速 80%，GPU 性能提速 50%。

2.1.3 英特尔：PC 芯片龙头，AI PC 时代引领行业发展

英特尔最新 AI 产品 Meteor Lake 是 AI PC 处理器最新的上市产品，在AI 性能方面与前代有巨大提升。采用英特尔 Arc GPU, 显存达 32GB,可平稳运行本地LLAMA2-7b 模型，相对i7 1370P 处理器在 AI 软件运行上有 1.1 倍性能提升，1.7 倍生成式AI 性能提升。在整体算力性能上达到 34TOPS,同时芯片搭载的 NPU 可进行 FP16 精度编码，这是相对市场竞品的领先所在。预计在 2024 年底，英特尔将推出新一代 Arrow Lake 芯片，Arrow Lake-S CPU采用全新的微架构，其中性能核心称为 Lion Cove，效率核心称为 Skymont，这些新系列还将采用Intel 20A工艺节点，并采用基于 Alchemist 的 Xe-LPG 架构。与 Alder/Raptor Lake CPU中使用的Xe-LP架构相比，GPU 的速度预计至少会提高两倍。

2.1.4 AMD：AI 芯片不断迭代，算力能力持续提升

AMD 最新产品锐龙 9 8945HS 的主要硬件性能提升是在基于7840 型号在AI 算力上进行的提升。从原先 NPU 提供的 10TOPS 提高至 16TOPS，从而使整体算力性能提高6TOPS。锐龙 7040 系列处理器内置 AMD Ryzen AI 引擎，专用于神经网络AI 运算处理单元，最高可实现每秒十万亿次的 AI 运算，是在 X86 架构处理器内首次实现集成CPU+GPU+AI 引擎三种计算单元的创新设计方案。 AMD 在 2023 年 11 月 5 日的 Microsoft Ignite 全球技术大会上，展示即将到来的AMDInstinct 加速器、AMD EPYC（霄龙） CPU 和内置 AI 引擎的AMD Ryzen CPU在内的众多AMD 产品。AMD 锐龙 7040 系列移动处理器，内置 AMD Ryzen AI 引擎，专用于神经网络AI运算处理单元，最高可实现每秒十万亿次的 AI 运算，是在X86 架构处理器内首次实现集成CPU+GPU+AI引擎三种计算单元的创新设计方案。AMD Ryzen AI引擎配合强大的CPU和GPU协同计算，为笔记本电脑赋能，可以在极低的功耗下完成 AI 应用计算。AMD 在 12 月发布全新的锐龙 8000 系列移动处理器。AMD 发布Ryzen 8040 系列APU，传统性能没有改进，大幅提升 AI 性能,但总体算力横向对比依然没有太大优势。AMD表示2024年将发布鹰点下一代的 APU，代号为“Strix Point”，目前尚无权威中文译名。

2.2 主流 AI 手机芯片厂商

手机 SoC 的 AI 趋势下半年开始逐渐体现，以高通骁龙 8Gen 3、联发科天玑9300为代表的新款旗舰大幅提升算力。在架构上，天玑 9300 采用全大核架构，将大核性能运用极致，运用大核运算速率优势降低整体功耗，官方数据表示峰值性能相较上一代提升40%，功耗节省33%，而 8Gen 3 采用“1+5+2”架构，增加大核数量提升算力。AI 性能方面天玑9300搭载的vivo X100 可运行 100 亿参数大模型，算力达到 33TOPS，高通及苹果旗舰芯片也能达到30+TOPS 算力。除高通、联发科外，其他手机芯片厂商也在提升手机算力性能。苹果 A17 PRO 是应用于 iphone 15 的苹果最新型号芯片，GPU 性能出众。搭载6核A17PRO GPU,运行频率达 1389MHz,提供 2.2TFlOPS32 位浮点算力。使用神经网络引擎供应35TOPS 算力达到 AI 手机芯片领先水平，芯片工艺为 3nm 则属于市场最先进制程。谷歌在 AI 手机芯片市场上主要表现的是参与者的态度，相较于其他厂商芯片的高性能，Google Tensor G3 芯片在性能上相对于 Google Tensor G2 有较大提升。Pixel 8 Pro手机应用Google Tensor 3 芯片后可运行的机器学习模型数量是前代其两倍多，随着生成式AI 的发展以及与 Google DeepMind 的合作，一些新的功能将被引入 Pixel。新的生成式AI 比一年前Pixel7 模型复杂 150 倍以上。

2.2.1 高通：手机领域芯片龙头，新款旗舰芯片算力提升明显

23年新款旗舰芯片骁龙 8 Gen 3搭载的高通AI引擎是第一个支持多模式生成人工智能模型引擎。包括流行的大型语言模型（LLM），语言视觉模型（LVM），和基于变压器网络的自动语音识别（ASR），达 10B 参数；即时 LLM 模型可以运行20tokens/秒，属于智能手机行业顶尖。采用 Qualcomm Adreno 750GPU 搭配 24GB 内存，32 为浮点算力2.4TFlOPS,整体算力34TOPS。骁龙 8 Gen 3 有世界上第一个集成了人工智能张量硬件加速器的5G调制解调器，在硬件层面上，人工智能处理能力为其前身的 2.5 倍，配属升级后 Kryo CPU 提升了30%性能和20%功率效率，以及 25%的 GPU 性能提升和 10%能耗减少。

2.2.2 联发科：旗舰芯片全大核设计，AI 模型搭载能力大幅提升

联发科新品天玑 9300 是率先采用全大核 CPU 架构的旗舰移动芯片，配有第7代APU架构内建硬件级的生成式 AI 引擎。芯片搭载四个 Cortex-X4 超大核和四个Cortex-A720大核，单核性能提升超过 15%,多核性能提升超过 40%。能够实现更快速且安全的边缘AI 计算。MediaTek 完整的工具链，能够协助开发者在端侧快速且高效地部署多模态生成式AI 应用，为用户提供包括文字、图像、音乐等在内的终端侧生成式 AI 创新体验。相较于前代生成式AI transformer 运算速度快 8 倍 2 倍整数和浮点运算速度，功耗较前一代降低45%，最高可支持 330 亿参数大语言模型。

2.3 AI 大模型端侧落地推动终端存储容量提升

大模型离线应用与强大算力拉动 PC 端的存储需求。大模型的离线应用对内存空间提出更高的要求，同时 AI 模型强大的算力与海量的训练参数也需要更高的总线带宽，这些都对PC终端的存储能力提出更高要求。运行大模型的速度，对芯片算力以及显存带宽提出了更高的要求。大模型处理的任务规模越大则总计算量越大，在任务时间有限情况下，计算时间同时受到算力和显存带宽两方面的制约。由于计算速度=min{计算强度*带宽，算力}，则计算密度越大，模型所能达到的速度上界越高，此时受到显存带宽制约。如果计算密度较大，则模型性能受硬件最大计算峰值（即算力）限制。

近年来各品牌 AI PC 产品陆续上市，AI 功能落地拉动存储需求上升。AI 发展的一个趋势是端侧 AI，PC 端相比手机端算力更强，能契合更多大模型需求场景，将最先搭载端侧大模型。大模型强大的算力与海量的模型参数需要优化的数据路径和存储解决方案，近年来各品牌AIPC 产品陆续上市，与普通 PC 相比，其存储参数 RAM、ROM 均有显著提高。随着未来AI功能广泛地在 PC 端落地，海量的算力需求将拉动存储需求上升。除了内存的提升外，闪存的升级也尤为明显，由于 AI 模型自身占用空间较大，同时与模型配套的训练数据同样占用一定空间，因此部署边缘大模型所需要闪存的空间也较大，AI PC 的进程加速了闪存容量升级的过程。

3. 边缘 AI 硬件产业链生态与展望

3.1 AI PC 或为 PC 产业提供重要发展动力

PC 市场较为成熟，增速较为稳定。PC 自 90 年代快速推广以来，已经发展为成熟市场，从美国 PC 市场的发展历程中可以看出，近 20 年来 PC 市场增速波动逐步降低，增速周期性特征减弱。增速放缓的主要原因是由于随着 PC 渗透率提升，市场整体趋于稳定。当前行业波动主要受宏观经济、PC 产品迭代、线上办公等因素影响，结合历史规律，PC 行业周期一般约为5 年左右。

技术革新或成为重要的 PC 市场推动力，AI 推动下 2024 年PC 有望开启新一轮周期。从全球 PC 出货量的变化看，2022Q1 至 2023Q1，全球 PC 市场出货量同比增速呈现下降趋势，近两个季度全球 PC 出货量同比增速有所回升。2020-2021 年疫情推动线上化需求释放为上一波增速高点出现的重要原因，展望未来，技术革新或成为 PC 市场成长的重要推动力，其中AI PC 通过 AI 能力的本地化部署，有望进一步提升交互体验与工作效率，AI PC将成为PC市场下一波增长的重要推动力。

2024 年各品牌 AI PC 产品将陆续上市，轻量化模型和开源模型生态的壮大为AI PC的推出提供了可能。各大 PC 厂商与微软、高通、AMD、英特尔等合作共同推动AI PC的研发设计，预计 2024 年各品牌的 AI PC 产品将陆续上市，2024 年有望成为AI PC 的元年。联想作为全球最大电脑企业，积极布局拥抱 AI PC 浪潮。在全球PC 主流厂商中，联想、戴尔、惠普、苹果一直位列前五。当前行业拐点叠加公司新机陆续发布，公司有望迎来新一轮成长周期。2023 年 10 月 24 日，联想在 Tech World2023 上展示了AI PC，发布个人与企业级人工智能双胞胎（AI Twin），以及覆盖个人大模型和企业级大模型的混合AI 框架。它能够创建个性化的本地知识库，通过模型压缩技术运行个人大模型，实现AI 自然交互。对端侧大模型与云端大模型进行比较，两个模型生成速度差异不大，但端侧AI 的规划内容更加个性化，可以将家庭地址、酒店偏好等考虑进去。此外，在演示过程中，可通过文字提示生成相关图片，表明其端侧 AI 同样具备多模态能力，联想也表示，其 AI PC 产品预计在2024 年9 月以后正式上市。

联想集团携手全球顶级 AI 生态伙伴，共创 AI 产业未来。联想与英伟达合作推出新的混合人工智能计划，联想将提供基于 NVIDIA MGX 架构的新的企业级AI 解决方案、联想混合人工智能服务及更多服务。AMD 与联想已经在智能设备、智能基础设施，以及人工智能解决方案等多个方面开展合作，AMD 的 Ryzen AI 软件，可在联想PC 上部署。英特尔将继续与联想保持紧密合作，携手推动 AI 在客户端、边缘、网络和云端的所有工作负载上的规模化应用。高通与联想携手推进 PC 的创新，高通下一代骁龙平台采用 X Elite 处理器，联想作为头部制造商，已经在产品中开始测试这款处理器，预计 24 年有望推出搭载高通处理器的AI PC。

联想发布两款 AI PC：联想 ThinkPad X1Carbon AI、联想小新Pro16AI 酷睿版。12月15日，在 2023 英特尔新品发布会暨 AI 技术创新派对上，联想正式发布了两款AI PC。它们分别是:联想 ThinkPad X1Carbon AI 、联想小新 Pro16AI 酷睿版，现已正式上市，预约预售同步开启。这两款产品具备内嵌混合 AI 算力、创新/增强 AI 体验和设备体验升级三大特点，意味着联想集团 AI PC 正式迈入 AI Ready 阶段。

不仅联想，戴尔、惠普、宏碁等 PC 厂商也表示将在 2024-2025 年推出全新AI PC方案。2024CES 展会上各家厂商陆续发布新一代 AI PC 产品，随着英特尔酷睿Ultra 处理器的推出，使得笔记本性能和 AI 技术出现巨大提升，预计这些新品在 2024-2025 年将陆续推出终端市场，推动新一轮换机周期。

从 AI 赋能来看，个人电脑中 AI 功能的增加和创新将催生市场新需求。新供给创造新需求，AI PC 通过集成更高的硬件配置以及新的 Windows 操作系统，个人电脑将配备更多高效的AI 功能，叠加其他 AI 工具在商业和生产力软件的广泛应用，兼容AI 的个人电脑市场有望在2024-2025 年实现快速增长。从全球 PC 出货量的变化看，五年内全球 PC 产业将稳步迈入AI 时代。2021Q1 至2023Q1，全球 PC 市场出货量同比增速呈现下降趋势，近两个季度全球PC 出货量同比增速有所回升。2023 年全球个人电脑和平板电脑出货量将达到 4.031 亿台，2024 年伴随着AI CPU与Windows12 的发布，将成为 AI PC 规模性出货的元年，个人电脑和平板电脑的出货量将比2023年增长3.6%总销量将达到 4.177 亿台，预计 2024 年全球 AI PC 整机出货量将达到约1300 万台。在2025年至 2026 年，AI PC 整机出货量将继续保持两位数以上的年增长率，并在2027 年成为主流化的 PC 产品类型，这意味着未来五年内全球 PC 产业将稳步迈入AI 时代。全球个人电脑出货量在连续七个季度下跌后有望迎来复苏。在节日旺季和宏观经济改善的推动下，预计 2023 年第四季度市场将增长 5%。展望未来，2024 年全年出货量预计达到2.67亿台，较 2023 年增长 8%，这主要得益于 Windows 的更新周期，以及具备AI 功能和采用Arm架构电脑的崛起。

3.2 边缘 AI 在不同终端的应用

手机端 AI 的应用

高通骁龙峰会推出第三代骁龙 8 移动平台，AI 手机新时代已至。骁龙8 Gen3采用4nm制程工艺，同时集成 Kryo CPU+Adreno GPU+NPU，配备 X75 5G 调制调解器、LPDDR5XRAM、Wi-Fi 7、UFS 4.0 等。规格参数上，CPU 最高频率为 3.3GHz，性能提升30%，能效提升20%；GPU 性能提升 25%，能效提升 25%；NPU 方面，帮助 AI 性能提升98%，能效提升40%。第三代骁龙 8 移动平台支持 100 亿参数 AI 模型，NPU 性能提高98%。其领先的AI 引擎是世界上第一个支持多达 100 亿个设备参数的生成 AI 模型的引擎，高通Hexagon NPU性能提高98%，并提高 40%的每瓦特性能，实现持续的人工智能推理。

小米 14 系列搭载第三代骁龙 8 移动平台，AI 功能突出。小米14 搭载了全球首款第三代骁龙 8 移动平台，CPU 采用了 1+5+2 的架构，包括一个 3.3GHz 的Cortex-X4 核心、三个3.15GHz 的 Cortex-A720 大核心、两个 2.96GHz 的 Cortex-A720 小核心和两个2.27GHz的Cortex-A520 超小核心。与上一代相比，它的 CPU 性能提高32%，功耗降低34%；GPU性能提高了 34%，功耗降低 38%。CPU 多核性能和 GPU 性能上跑分上与苹果最新的A17Pro相近，让安卓手机首次在硬件实力上比肩 iPhone。小米 14 系列 AI 功能突出，60 亿大模型可顺畅运行。小米自研的60 亿参数大模型已经在第三代骁龙 8 移动平台上顺畅运行，60 亿参数模型可以实现与更大参数量模型相媲美的能力，为用户在知识问答、文字扩写、表格生成、编写代码等生成式AI 应用方面带来全新体验。小米 14 Ultra 系列引入大模型影像技术，提升手机摄像能力。依托强劲的算力和先进的算法，小米 14 Ultra 带来三项领先行业的影像能力升级：Ultra RAW超级底片、UltraSnap超级抓拍和 Ultra Zoom (Beta) 超远变焦。

vivo 发布全球首个百亿大模型在终端调通的大模型手机。vivo 发布了搭载蓝心大模型的vivo x100 系列手机，落地终端侧 70 亿参数大语言模型，跑通端侧130 亿参数模型，全面覆盖核心应用场景。vivo 表示此款将会是全球首个百亿大模型在终端调通的大模型手机，蓝心小V是基于蓝心大模型的 AI 产品，用户可以用自然语言和它聊天，也可以让它做文档总结、思维导图等，还有用关键词找照片、让路人消失、离线总结文档等。vivo X100 光学、算力、算法层面的大幅度升级。vivo X100 搭载了与联发科深度定制的天玑 9300 系列，并且配备了自研影像芯片 V3，带来光学、算力、算法层面的大幅度升级，搭载全新设计的多并发 AI 感知-ISP 架构，通过 AI 算法对图像的修正，实现4K视频功能。

AIoT 的应用

AI PIN 是典型在硬件层面使用了 AI 大模型的 IoT 产品，能够实现无屏幕、无缝可感知的应用 AI 进行对话交互。2023 年 11 月，美国初创公司 Humane 正式推出首款无屏幕可穿戴设备 AI PIN，特点是可以在服装上安装微型投影，在手掌或其他介质上进行屏幕交互，语音识别也达到无缝实时在线的状态，和口令进行交互，并有学习能力，能给予加工后的知识反馈，产品包括一系列的硬件、主机之外，也有充电舱、无线充电板、适配器充电线，磁吸电池等一系列的硬件。从 AI PIN 可以看到大模型的硬件产品不仅仅是用在手机上，作为独立的硬件会有实际落地的项目，例如 AI 耳环，首饰等。

3.3 边缘 AI 产业链中的国产化机会

边缘 AI 硬件产业链是对硬件终端行业的一次全面升级，以发展最快的AI PC为例，产品功能的改变将导致行业价值链的变化。传统的 PC 行业中操作系统作为核心，软硬件基于操作系统进行适配，客户的使用习惯也相对确定，形成了 Windows 操作系统制定行业标准的稳定行业格局。而在 AI 生态当中，AI 模块将成为核心，用户根据自身需求搭配个性化AI 大模型，因此配套的 PC 软硬件将更加多样化，PC 的产业链格局也将因此发生新一轮洗牌。不同于传统 PC 市场，操作系统厂商微软占据产业链核心地位，AI PC时代的产业链核心是终端品牌厂商。品牌厂商的核心壁垒是对于 AI 模块的设计能力，以及其配套AI 生态圈的丰富度。品牌厂商直接对接下游客户及上游硬件、软件供应链，并基于此构建自身的AI 应用生态，获得更高的客户黏性。由于 AI 终端功能的进一步提升，用户对产品的个性化需求进一步提升，这也对品牌厂商的研发能力提出更高要求，而掌握了客户核心需求和黏性的品牌厂商，也将对上下游有更强议价力。

国产终端品牌将在边缘 AI 带来的产业升级过程中，进一步扩大国内供应链的市场份额。过去由于边缘终端的产业格局趋于稳定，国内厂商难以扩大自身市场份额，以PC产业链为例，全球市场中国内品牌份额较低，海外巨头戴尔、惠普、三星等占据较高市场份额，相对应的上游供应链较为固化，国内厂商难以进入。而在 AI 带来的产业升级过程中，产业格局重塑，国产品牌联想、华为等有望扩大自身市场份额。品牌厂商的份额提升，将进一步带领上游组装、零部件、配套软件等行业的市占率提升。终端供应链中组装及传统消费电子零组件受益更为明显，芯片等高端供应链短期实现国产替代有一定难度。国内产业链借助过去十年智能手机升级浪潮，已经储备了完善的消费电子产业链，未来边缘 AI 带来的新一轮产业机会，硬件供应链的经验可有效延伸到PC、车载、IoT等行业，因此国内的组装、结构件、面板、基础元器件等行业将充分受益于边缘AI。而技术门槛较高的数字芯片领域，当前行业格局依然较为稳定，海外龙头公司优势较为明显，国内SoC 芯片当前快速发展，目前已可搭载 IoT、车载等终端，长期有望突破主流手机、PC供应链。

4. 重点公司梳理

4.1 PC 消费电子产业链：华勤技术

公司聚焦智能硬件 ODM 领域，在智能手机和笔记本电脑制造领域位于全球领先地位。公司在技术、规模、成本等方面优势明显，致力于打造“智能手机+笔记本电脑”+“消费类电子产品”+“企业级数据中心产品+汽车电子产品+软件业务”的2+N+3 产品结构，同时积极布局海外产能（墨西哥、越南、印度），满足海外客户和国内客户出海需求，努力实现全球智能产品硬件平台目标。公司产品覆盖消费电子、数据中心、汽车电子，PC、AI 服务器有望成为公司新成长点。消费电子产品涵盖手机、PC、TWS 耳机等，未来伴随 AI PC 行业增长，公司PC出货量有望维持高增长，成为公司主要增长动力，公司持续耕耘 PC 生态链，与各品牌厂商以及芯片厂商均保持紧密合作，逐渐进入收获期。AI 服务器业务国内出货量领先，AI 算力需求高速增长，特别是国内算力需求提升，也会为公司带来明显增量。

4.2 PC 消费电子产业链：春秋电子

公司聚焦 PC 结构件领域，深耕行业十余年，竞争优势明显，同时开拓汽车结构件等新领域，扩展第二成长曲线。公司主要业务聚焦 PC 结构件以及配套模具产品，是国内少数拥有笔记本结构件自主模具设计能力的公司，下游主要客户包括联想、三星、戴尔等，客户结构优质，长期积累的模具设计及制造能力具有明显竞争壁垒。2020 年至今，公司通过收并购进入新能源汽车结构件和通讯电子领域，目前已形成以笔记本电脑为主要业务，通信及新能源汽车结构件为第二成长曲线的多元化发展路线。

AI PC 趋势催化 PC 行业进入新一轮上行周期，高端 PC 升级带动公司合金结构件放量。AI PC 赋能 PC 产品更加智能化，加速 PC 行业换机，同时由于AI PC 大部分搭载在高端产品上，对结构件升级有直接促进作用，而另一方面镁铝合金等高端结构件较传统塑胶件，散热及轻薄化性能更佳，符合高端 PC 的升级趋势，将进一步提升公司高端合金结构件产品需求。

4.3 PC 消费电子产业链：思泉新材

公司为国内领先散热材料及模组供应商，下游主要覆盖消费电子等领域。公司主营业务导热材料、纳米防护材料、热管、VC、散热模组、磁性材料等，在性能参数上与国内主要厂商无明显差异，在国内外具有较强竞争力，成为散热材料行业重要的生产厂商之一，导热材料正在向更高导热系数、更高热通量、更好柔性等方向发展，是当前消费电子产品中散热的主流方案。 PC 及手机在 AI 驱动下，散热需求明显提升，公司作为国内散热材料核心公司，直接受益于 AI 终端的普及。AI PC 及 AI 手机在芯片端升级明显，同时带来整体功耗的提升和散热需求的增长，公司作为国内消费电子散热材料领先企业，充分受益于下游散热需求的提升。

4.4 边缘端芯片产业链：晶晨股份

作为国内数字芯片的引领者，目前的行业低谷期已过，公司的各条线开始稳步增长。公司多条线业务发力，S 系列国内受影响程度有限，海外市占率逐步提升；T 系列在海外与主流生态合作伙伴保持紧密合作，海外渗透率还处于低位，长期空间较大；W产品配合SoC销售，预计未来 2 年将成为一大增长点。同时汽车产品已进入国内外知名车企，在车载屏市场扩展客户。公司高算力新品引领长期成长性。WiFi 新品已经出货，25 年会是高速增长期，车载SoC预计明年推出 6nm 芯片，算力达 12T，可以达到 1 芯 6 屏水平，产品对标高通8155有一定竞争力。 AIoT 充分受益 AI 拉动新需求，公司视频、通信等方面综合能力突出，有望受益于AI新品类。当前边缘 AI 行业处于发展初期，下游 AI Pin 等新终端陆续推出，公司A311D、A311D2等 SoC 产品算力可为客户提供差异化服务，下游 Telly 电视、Nex playground 等新产品，有望拉动公司高端算力产品出货量提升。长期来看，公司算力芯片能力在国内领先，伴随公司自身能力提升，同时边缘 AI 品类逐渐丰富，公司有望受益于边缘AI的产业趋势。

4.5 边缘端芯片产业链：瑞芯微

公司是国内领先的 AIoT 芯片供应商，产品矩阵丰富，广泛应用于多品类终端。公司芯片矩阵覆盖多种需求，不同算力及配置能充分满足各类 IoT 产品设计需求，在智能平板、消费电子、工业控制、汽车电子等多领域均有广泛应用。公司产品为智能应用处理器芯片、电源管理芯片等，作为智能终端的大脑，在智能设备中作为计算和控制中枢，产品难度高，价值量高。旗舰产品算力领先，有望在多场景 AI 终端中广泛应用。公司旗舰产品RK3588算力性能国内领先，当前已在安防、车载、大屏设备等多行业出货，基于产品算力性能优势，可执行高算力计算，长期有望应用于各种 AI 终端。

4.6 边缘端芯片产业链：全志科技

公司是国内领先的 SoC 芯片设计厂商。公司主要产品 SoC 芯片广泛应用于平板电脑、车载、音箱、扫地机等领域，产品种类众多，客户资源稳固。公司产品在智能音箱等 AI 赋能领域已充分应用，长期可应用领域巨大。公司在智能音箱市场份额领先，搭载大语言模型的天猫精灵等智能音箱产品，在AI 赋能下，有望引领智能音箱行业需求快速增长，公司作为核心供应商有望受益。除智能音箱外，公司其他终端领域，例如智能车载、扫地机等产品，均有望在 AI 赋能下价值量提升，拉动公司产品放量。

（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。）