2024年數(shù)字經濟專題報告：算力存力風起云涌-人工智能暉光日新

2024年數(shù)字經濟專題報告：算力存力風起云涌_人工智能暉光日新一、數(shù)字經濟——顛覆全球格局，創(chuàng)造全新機遇（一）數(shù)字經濟推動產業(yè)升級，為經濟發(fā)展創(chuàng)造新增量何為數(shù)字經濟？數(shù)字經濟是以數(shù)字化的知識和信息作為關鍵生產要素，以數(shù)字技術為核心驅動力量，以現(xiàn)代信息網絡為重要載體，通過數(shù)字技術與實體經濟深度融合，不斷提高經濟社會的數(shù)字化、網絡化、智能化水平，加速重構經濟發(fā)展與治理模式的新型經濟形態(tài)。當前時點，新一代信息技術作為下一輪產業(yè)革命的核心起點，肩負推動全球工業(yè)化經濟向數(shù)字化經濟轉向，從以規(guī)模效應為根本的全球化經濟形勢，向以數(shù)據(jù)為基礎的數(shù)字經濟這類新經濟模式轉型，全球經濟格局正在重塑。數(shù)字經濟主要由數(shù)字產業(yè)化、產業(yè)數(shù)字化兩大板塊構成。數(shù)字產業(yè)化是數(shù)字經濟的核心部分，主要包括電子信息制造業(yè)、信息通信業(yè)、互聯(lián)網行業(yè)、軟件服務業(yè)等，是發(fā)展數(shù)字經濟的最核心驅動力。產業(yè)數(shù)字化是指數(shù)字技術與傳統(tǒng)一、二、三產的結合應用，是數(shù)字經濟發(fā)展的重要應用場景，是產生數(shù)據(jù)要素的關鍵所在，同時也是促進數(shù)字經濟快速發(fā)展的強大引擎。我國數(shù)字規(guī)模維持高位增長，增速連續(xù)11年高于名義GDP增速。2022年國內生產總值同比名義增長5.3%，數(shù)字經濟規(guī)模達到50.66萬億元，同比名義增長10.3%，高于GDP名義增速4.98個百分點。自2012年以來，我國數(shù)字經濟平均增速15.9%，已連續(xù)11年顯著高于GDP增速。我國數(shù)字經濟占GDP比重持續(xù)提升，2030年數(shù)字經濟占比有望追上發(fā)達國家水平，2035年有望位列全球首位。2022年，我國數(shù)字經濟占GDP比重為41.86%，從2023-2035年的整體趨勢及預測來看，中國數(shù)字經濟占GDP的比重持續(xù)提升，我們預測2030年占比達到59.73%，有望追上發(fā)達國家平均水平，預計2035年占比將達到71.60%。我們認為，數(shù)字產業(yè)化與產業(yè)數(shù)字化相輔相成，數(shù)字產業(yè)化是產業(yè)數(shù)字化的基礎，產業(yè)數(shù)字化是數(shù)字產業(yè)化的驅動力，未來數(shù)字產業(yè)化占比有望進一步提升，到2030年數(shù)字產業(yè)化占比有望提升至21.44%，2035年占比有望提升至23.04%。（二）政策支持數(shù)字經濟發(fā)展，戰(zhàn)略把握產業(yè)變革新機遇政策支持數(shù)字經濟快速發(fā)展，戰(zhàn)略把握產業(yè)變革新機遇。自十八大以來，政策高度重視發(fā)展數(shù)字經濟，將其上升為國家戰(zhàn)略，2018年8月，中辦、國辦印發(fā)《數(shù)字經濟發(fā)展戰(zhàn)略綱要》；2022年1月，國務院印發(fā)頂層設計文件《“十四五”數(shù)字經濟發(fā)展規(guī)劃》，強調數(shù)字經濟是繼農業(yè)經濟、工業(yè)經濟之后的主要經濟形態(tài)，并提出“到2025年，數(shù)字經濟核心產業(yè)增加值占國內生產總值比重達到10%”，大力發(fā)展數(shù)字經濟成為“十四五”期間重要任務。我們認為，電子行業(yè)是數(shù)字經濟發(fā)展的基礎支撐性行業(yè)，在國家政策的支持下，電子行業(yè)將迎來新的發(fā)展機遇。電子智能終端作為數(shù)字經濟落地的產品形態(tài)，未來將迎來需求的持續(xù)快速增長。（三）數(shù)字經濟創(chuàng)造的經濟價值將超過以前任何一輪工業(yè)革命工業(yè)革命又稱為產業(yè)革命，是指由科學革命和技術革命帶來的生產力發(fā)展引發(fā)的經濟結構飛躍式變化?？v觀人類的科學發(fā)展史，人類共經歷了四次工業(yè)革命：1）第一次工業(yè)革命（18世紀60年代-19世紀40年代）：開創(chuàng)了以機器代替手工勞作的時代，以蒸汽機作為動力機被廣泛使用為標志。這不僅是一次技術變革，也是一次深刻的社會變革。2）第二次工業(yè)革命（19世紀60年代后期）：以大規(guī)模生產和電力的廣泛應用為特征，引入流水線和大規(guī)模工廠，生產效率進一步提高。3）第三次工業(yè)革命（20世紀50年代-20世紀70年代）：以自動化和信息技術的發(fā)展為核心，特別是電子計算機和通信技術的應用，信息處理和通信效率極大提升。4）第四次工業(yè)革命（當前）：以智能化、網絡化和數(shù)字化為特征，融合了物理世界、數(shù)字世界和生物世界。生產方式和經濟結構進一步變革，智能制造和個性化生產成為可能，人類生活方式和社會互動模式也在發(fā)生變化。站在經濟發(fā)展的角度來看，世界人均GDP數(shù)據(jù)顯示，在第一次工業(yè)革命發(fā)生前的漫長歷史中，世界各地基本的生產和生活水平并沒有較大變化，而在第一次工業(yè)革命至今的兩百多年時間里，世界人均GDP幾乎出現(xiàn)直線上升的趨勢。造成這人類歷史長巨大轉折點的原因無疑是機器代替和拓展了人類的體力，顛覆了傳統(tǒng)生產方式，而后續(xù)GDP持續(xù)增長的原因顯然是機器生產效率的逐步提升，百年間未有大變。第四次工業(yè)革命，或將再一次徹底改變人類勞動性質，帶來產業(yè)社會大革命浪潮。此次工業(yè)革命以數(shù)字經濟為核心，以人工智能為引擎，在云計算的支撐下，從大數(shù)據(jù)中獲取新知識，從而打破人類智力創(chuàng)造因生理條件所受計算、推理容量和速度的局限，代替和拓展人類的智力。生產方式的顛覆必將帶來經濟的飛躍，以數(shù)字經濟為基礎的人類智力活動產業(yè)化將創(chuàng)造超越以往任何一輪科技周期的經濟價值。從ARK投資公司發(fā)布的《BigIdeas2024》報告中也可以看出每一種能實現(xiàn)新的生產方式，或能提升部分現(xiàn)有生產效率的通用技術出現(xiàn)，都會推動經濟大幅增長，而后隨著此種通用技術在經濟中的擴散逐漸接近飽和，最佳利潤潛力被用盡，再開啟下一輪的產業(yè)革命。我們認為，每一輪產業(yè)革命帶來的經濟效益取決于該時期的通用技術在經濟中的擴散程度。以數(shù)字經濟為主要標識的產業(yè)變革表現(xiàn)出與以往不同的基本特征，即行業(yè)應用從消費領域擴散至產業(yè)領域，而產業(yè)互聯(lián)網廣泛滲透進了金融、教育、醫(yī)療等服務行業(yè)，因此其擴散程度之廣也將為此次產業(yè)革命創(chuàng)造巨大的利潤潛力。如果說數(shù)字經濟是通用技術向各產業(yè)滲透的擴散劑，那人工智能則是使得單項技術進步合并串聯(lián)的粘合劑，比如人工智能催生了制造業(yè)和信息技術服務業(yè)的結合，推動了工業(yè)互聯(lián)網的發(fā)展，促進了新業(yè)態(tài)的形成。隨著AI技術的不斷進步和應用的深入，未來產業(yè)融合的趨勢將更加明顯，突破性技術將簇群涌現(xiàn)。因此，我們認為在數(shù)字經濟時代，以人工智能為催化劑，第四次工業(yè)革命帶來的經濟效益將會呈現(xiàn)指數(shù)級而非線性的發(fā)展速度。（四）中美數(shù)字經濟的“道”與“謀”當今世界，中美形成全球數(shù)字經濟發(fā)展的兩極格局。從數(shù)字經濟規(guī)模方面，美中連續(xù)多年位居全球前二位。2022年，美國數(shù)字經濟蟬聯(lián)世界第一，規(guī)模達17.2萬億美元，中國位居第二，規(guī)模為7.5萬億美元。從占比看，德國、英國、美國數(shù)字經濟占GDP比重均超過65%。韓國、日本、愛爾蘭、法國等四國數(shù)字經濟占GDP比重也超過51個國家平均水平。新加坡、中國、芬蘭、墨西哥、沙特阿拉伯等五國數(shù)字經濟占GDP比重介于30%-45%之間。根據(jù)騰訊研究院的研究和BEA數(shù)據(jù)，數(shù)字經濟是美國繼房地產和租賃業(yè)、政府、制造業(yè)之后的第四大行業(yè)（2019年）。2020年，美國數(shù)字經濟現(xiàn)價總產值是3.31萬億美元，按不變價增長3.8%；現(xiàn)價增加值為2.14萬億美元，按不變價增長4.0%，占GDP的10.2%。2012-2020年，數(shù)字經濟實際增加值年均增長6.3%，明顯快于GDP整體。但數(shù)字經濟根植于經濟系統(tǒng)，與國民經濟保持著同進同退的基本發(fā)展趨勢。幾乎所有（97.5%）增加值來自5個NAICS行業(yè)：信息（40.8%）、專業(yè)和商業(yè)服務（19.1%）、批發(fā)貿易（19.0%）、制造（10.5%）和零售貿易（8.1%）。就8個細分行業(yè)來看，軟件、電信服務和B2B電子商務是三大子行業(yè)，2020年現(xiàn)價增加值占比分別為23.1%、18.7%和15.6%；硬件和其它收費數(shù)字服務的規(guī)模也較大，占比在10%以上。B2C電商和云服務的規(guī)模不大，但增速快，分別高達22.4%和15.3%；其它行業(yè)的增速均不及10%，其中電信服務、B2B電商和其它收費數(shù)字服務負增長，2020年增加值分別減少1.7%、0.8%和0.7%。就行業(yè)結構來看，電信服務、硬件和軟件的趨勢性變化非常明顯，2005年它們是前三大行業(yè)，后分別變成第二大（2018年）、第四大（2013年）和最大行業(yè)（2018年），并持續(xù)至今?？傮w來看，軟件、B2C電商、互聯(lián)網和數(shù)據(jù)服務、云服務四個行業(yè)占比呈提高趨勢；硬件和電信服務呈下降趨勢，主要是因為它們的價格隨著技術進步而不斷下降；B2B電商和其它收費數(shù)字服務則呈現(xiàn)先升后降趨勢，拐點分別在2016年和2013年。根據(jù)BEA數(shù)據(jù)，2020年數(shù)字經濟提供了781萬個全職和兼職工作崗位，占總就業(yè)崗位（1.465億）的5.3%，是全美第8大就業(yè)渠道，超過了很多勞動密集型行業(yè)。幾乎所有（94.7%）數(shù)字經濟就業(yè)來自同樣的5個NAICS行業(yè)，貢獻就業(yè)崗位數(shù)量最多的行業(yè)依次是：專業(yè)和商業(yè)服務（30.8%）、批發(fā)貿易（23.6%）、信息（22.2%）、制造（10.4%）和零售貿易（7.8%）。其中，專業(yè)和商業(yè)服務業(yè)貢獻的就業(yè)主要來自計算機系統(tǒng)設計及相關服務（27.0%），制造業(yè)主要來自計算機和電子產品（8.7%）。數(shù)字經濟正在憑借提升全要素生產率及提高產業(yè)附加值，成為引領經濟增長的重要“引擎”。中國作為“大國經濟”體系，在發(fā)展數(shù)字經濟，更具相對勢勢，主要體現(xiàn)在：一、人口基數(shù)帶來的規(guī)模勢勢，中國消費級互聯(lián)網擁有全世界最大的網民群體，培育了最多元化的消費互聯(lián)網商業(yè)模式；二、基礎設施勢勢，5G的提前布局、新基建的推進助力中國的數(shù)字經濟基礎設施建設；三、體制勢勢，數(shù)字經濟需要對社會經濟系統(tǒng)做全方位的變革，并且需要做中長期規(guī)劃，必要時，新基建資本開支需要“前置預埋”，體制勢勢相對明顯；四、政策勢勢，我國政府把發(fā)展數(shù)字經濟上升為國家戰(zhàn)略，戰(zhàn)略目標和實施步驟愈發(fā)清晰。根據(jù)信通院的數(shù)據(jù)，2021年，中國數(shù)字產業(yè)化規(guī)模為8.35萬億元，同比名義增長11.9%，占數(shù)字經濟比重為18.3%，占GDP比重為7.3%。產業(yè)數(shù)字化規(guī)模達到37.18萬億元，同比名義增長17.2%。占數(shù)字經濟比重的81.7%，占GDP比重為32.5%。從數(shù)字產業(yè)化內部細分行業(yè)來看，21年電信業(yè)務收入1.47萬億元，同比增長8%。電子信息制造業(yè)增加值為14.1萬億元，比上年增長15.7%。軟件與信息技術服務收入9.5萬億元，同比增長17.7%?；ヂ?lián)網和相關服務業(yè)收入1.55萬億元，同比增長21.2%。從數(shù)字經濟構成來看，2021年數(shù)字產業(yè)化經濟規(guī)模達到了8.4萬億元，產業(yè)數(shù)字化規(guī)模為37.2萬億元，是數(shù)字產業(yè)化規(guī)模的近4.4倍?？v觀2016-2021年數(shù)據(jù)，產業(yè)數(shù)字化占數(shù)字經濟的比重逐年上升，且始終高于70%。數(shù)字經濟的三大基礎要素為數(shù)據(jù)、算力和算法，目前中國在數(shù)據(jù)和算力方面具有明顯的大國勢勢。首先，數(shù)據(jù)的底層是人和人的活動，因此發(fā)展主體（國家或者區(qū)域內）的人口數(shù)量與質量對數(shù)據(jù)資源的“量”與“質”起到至關重要的影響。數(shù)量方面，目前世界人口排名前列的國家或地區(qū)依次為印度14.17億、中國14.12億、歐盟4.48億、美國3.33億。據(jù)IDC統(tǒng)計，2022年中國產生的數(shù)據(jù)規(guī)模達23.3ZB，在全球占比達到23%，并有望在2026年成為全球產生數(shù)據(jù)最多的國家。質量方面，2022年中國人均GDP為1.27萬美元，持平全球平均水平，但從互聯(lián)網滲透率來看，中國達到75.6%，明顯高于世界平均水平63%。其次，中國的算力勢勢得益于新型舉國體制下的統(tǒng)籌發(fā)展能力和強大生產能力勢勢。算力是集信息計算力、網絡運載力、數(shù)據(jù)存儲力于一體的新型生產力。作為數(shù)字經濟的載體，超級計算機中心、大數(shù)據(jù)中心等重要基礎設施都會建設在發(fā)展主體的境內，算力與數(shù)據(jù)一樣具有區(qū)域屬性，并且算力先發(fā)國家或地區(qū)的勢勢會隨算力投資比重的增加進一步強化，拉開與后發(fā)國家或地區(qū)的差距。當前中國計算力水平位居全球第二，具有較強的算力綜合供給能力。一是算力設施布局方面，我國深入實施“東數(shù)西算”工程，統(tǒng)籌利用政府力量及市場機制建設全國一體化算力網體系，跨地域、跨部門協(xié)同發(fā)展。二是算力關鍵技術研發(fā)方面，盡管近年美國技術封鎖不斷升級，但中國發(fā)揮新型舉國體制勢勢，集中力量攻克核心技術“卡脖子”難題，統(tǒng)籌規(guī)劃重點布局，推動集成電路產業(yè)高質量發(fā)展。三是算力能源供應方面，算力具有高耗能屬性，對發(fā)展主體的能源供給能力有較高要求，同時考慮“雙碳”目標，可再生能源將成為數(shù)字經濟發(fā)展的基石。中國作為世界能源生產大國，2022年我國水電、風電、光伏發(fā)電裝機規(guī)模居世界首位，在新能源領域為算力發(fā)展提供了有力支撐。中國在算法方面相對落后，核心算法缺位、算法創(chuàng)新體系缺失，產業(yè)發(fā)展更多依賴開源代碼和現(xiàn)有模型。但超大規(guī)模市場為算法提供了豐富的應用場景勢勢，特別是制造、農業(yè)、物流、金融、商務、家居等行業(yè)已經深入挖掘人工智能技術應用場景，通過場景創(chuàng)新促進大模型迭代升級，形成技術供給和場景需求的互動演進。（五）人工智能將成為數(shù)字經濟的核心人工智能技術在數(shù)字經濟中擁有重要地位。人工智能是數(shù)字經濟時代下提升生產效率的重要工具，目前人工智能將數(shù)據(jù)、算力、算法等有機結合，通過連接、智能、開放等方式，去模仿代替常規(guī)性、流程化工作，助力企業(yè)數(shù)字化和智能化提效，并且人工智能從單項技術向集成技術、群體智能、數(shù)據(jù)驅動需求等場景，引領數(shù)字經濟的新發(fā)展趨勢，將對傳統(tǒng)經濟實現(xiàn)降維打擊。數(shù)字經濟正在加速變革傳統(tǒng)經濟模式，相比傳統(tǒng)經濟而言，數(shù)字經濟勢勢體現(xiàn)在提升信息傳輸速度、降低數(shù)據(jù)處理和交易成本、精確配置供需資源等方面。但由于數(shù)字經濟與傳統(tǒng)經濟有著截然不同的特征和演變形式，表現(xiàn)為：產業(yè)鏈條長、覆蓋面廣、涉及與傳統(tǒng)經濟融合程度參差不齊，生產要素與生產函數(shù)均與傳統(tǒng)經濟范式有很大不同。AI目前已滲透至日常生活方方面面，在醫(yī)療保健、汽車、金融、游戲、環(huán)境監(jiān)測、農業(yè)、體育、能源管理、安全等各個領域的大量應用正在改變人類的生活、工作和娛樂方式。這些技術的進一步發(fā)展將迎來第四次工業(yè)革命。造成這一現(xiàn)象的原因包括計算機技術的進步（高性能計算、網格和云計算）、代碼共享度提高（GitHub、GitLab、BitBucket等服務）以及大量開源軟件。AI將為企業(yè)和國家經濟系統(tǒng)提供革命改變，商業(yè)領域，人工智能帶來的勢勢包括：快速揭示大數(shù)據(jù)中的模式、快速進行可視化和分析、改進產品設計等等，并進一步有望提升服務水平、增加利潤、擴大業(yè)務、提高效率和成本結構。當前正處于第四次工業(yè)革命的風口浪尖，正處于新一輪產業(yè)變革制高點。當下全球正在發(fā)生的第四次工業(yè)革命是人工智能、智慧網聯(lián)時代，以超大數(shù)據(jù)、超強算力、超強算法的人工智能為核心技術，以智能家居、智能音箱、智慧城市、智能汽車和手機為數(shù)據(jù)入口的智能終端產品正加速AI的進化。二、數(shù)字經濟——以半導體為基石，AI驅動數(shù)字經濟發(fā)展（一）半導體作為數(shù)字經濟的底層基礎，將受益數(shù)字經濟的大力發(fā)展數(shù)字經濟核心技術迭代是依賴于硬件端技術進步帶來成本勢化，從信息的計算、存儲、傳輸?shù)闹笖?shù)級成本邊際下降，降低了整體數(shù)字經濟運行當中的計算成本、存儲成本、傳輸成本、驗證成本和相對應的安全成本。數(shù)據(jù)作為數(shù)字經濟的核心生產要素，其基礎設施的建設保證了數(shù)字經濟的規(guī)模效應、網絡效應和經濟效應，因此完善的相關軟硬件配套設施才能為數(shù)字經濟發(fā)展成功助力。作為數(shù)字經濟發(fā)展的基石，半導體行業(yè)的“摩爾定律”始終推動數(shù)字產業(yè)不斷迭代進步。摩爾定律是指集成電路上可容納的晶體管數(shù)量每隔約18至24個月便翻倍，而成本會相應地減半，這項經驗式的結論式推動半導體生產率提升的原動力之一。摩爾定律是對趨勢的一個總結，同時也是對未來的展望。從摩爾定律提出至今，已經有幾十年的時間。技術進步推動算力成本指數(shù)下降，成為全球數(shù)字經濟增長的最重要動力。從1965年摩爾定律的提出，硬件的技術水平不斷提升，以2017年Intel處理器G3930為例，1GFLOPS算力成本約為3美分，而2007年為59美元，1997年為48,000美元，算力單位成本的下降推動了個人PC、智能手機、AIoT物聯(lián)網等核心終端應用的成本指數(shù)級下移，是數(shù)字經濟發(fā)展的核心引擎。算力基礎設施的發(fā)展長期賦能，計算能力成為數(shù)字經濟時代的新型生產力。隨著社會經濟的發(fā)展，人均算力隨之水漲船高，我們看到算力與人均GDP之間具有高度相關性。即便是美國等高算力國家，仍處于智能社會的起步階段。我們認為，在數(shù)字經濟時代，計算能力將成為一種新型生產力，作為推動AI、物聯(lián)網、云計算等行業(yè)發(fā)展的關鍵動力而以處理器為代表的半導體技術則是計算能力能夠持續(xù)提升的關鍵所在，也是未來推動數(shù)字經濟發(fā)展的基石。作為數(shù)字經濟上游的核心，半導體產業(yè)的繁榮已成為數(shù)字經濟的關鍵。依托半導體產業(yè)的發(fā)展，其帶動的數(shù)字產業(yè)的以相關要素的形態(tài)實現(xiàn)數(shù)字化產出，目前全球半導體市場單月銷售額已突破5830億美元，2015年-2022年，國內集成電路產量逐步增加，2022年全年銷售額達到1850億美元，市場空間廣闊。目前國內市場單月銷售額達到130億美金，在2023年年初實現(xiàn)企穩(wěn)回升。多領域智能化需求升級，終端形態(tài)多樣化發(fā)展。隨著人工智能的發(fā)展，深度學習、人機交互等新興技術逐漸商用，催生了大批新興電子產品，如智能可穿戴設備、智能車載設備、虛擬現(xiàn)實設備等；進一步拓展了電子信息產品的應用范圍和產業(yè)邊界，如智能機器人、智能家居、智能教育、無人駕駛汽車等?！爸悄芑睍r代，電子信息終端產品呈現(xiàn)多樣化發(fā)展，為電子信息產業(yè)鏈打開了新的增長空間。行業(yè)數(shù)輪周期輪動，新需求帶動行業(yè)快速發(fā)展。2000年到2023年，全球的半導體銷售額不斷增長，從最初的約180億美元的規(guī)模上升至2023年的約400億美元的市場規(guī)模，期間的年復合增長率平均保持在20%左右。在2009年隨著智能手機的出現(xiàn)，改變了人們的生活方式，全球半導體行業(yè)也迎來了爆發(fā)式的增長。2014年，4G手機元年的到來和通訊技術的升級，云計算、可穿戴設備、VR/AR等更多種新型人機交互方式的出現(xiàn)，使得行業(yè)對各類半導體需求快速增長。供需錯配是造成半導體行業(yè)呈現(xiàn)周期性的核心原因。從需求側來看，在過去的三十年里，半導體行業(yè)經歷了快速增長，并產生了巨大的經濟影響。從1990年到2020年，半導體市場以7.5%的復合年增長率增長，超過了當時全球GDP增長率5%。自1958年集成電路發(fā)明以來，邏輯芯片每片晶片的晶體管數(shù)量增加了約1000萬個，處理器速度提高了10萬倍，成本每年降低45%以上。半導體的發(fā)展使得大規(guī)模的數(shù)字基建、智能手機和AI的普及成為現(xiàn)實，半導體的創(chuàng)新帶來了巨大的經濟增長，1995年至2015年，全球GDP增加了3萬億美元左右，與半導體創(chuàng)新直接相關，間接影響增加了11萬億美元。市場普遍對明年國內半導體的需求展望偏悲觀，我們認為市場低估了半導體市場自身巨大的韌性和彈性。展望未來，半導體技術正在影響新一輪技術革命，包括人工智能（AI）、5G、自動駕駛、IOT等，實現(xiàn)無數(shù)智能設備的互聯(lián)，全球迎來智能化時代。數(shù)字經濟的全面滲透，智能化需求的不斷增長，將是全球半導體走出低谷的核心驅動力。從供給端來看，大廠資本開支能體現(xiàn)出行業(yè)景氣度周期變化。從行業(yè)整體水平上看，資本開支水平增速已經從高位開始下降，從2022年10月開始晶圓產量將減少約30%，美光、SK海力士、三星也相繼宣布減產，供給有望逐步收縮。在資本支出調整方面，根據(jù)各公司業(yè)績說明會，美光2023年資本支出計劃調減至70億美元，同比減少40%以上；SK海力士2023年資本支出計劃同比減少50%。根據(jù)TrendForce數(shù)據(jù)顯示，2023年Q2三星、美光、海力士的稼動率分別下降至77%/74%/82%。為了保利潤，目前各大存儲廠稼動率依然保持在低位運行。（二）AI技術發(fā)展處于爆發(fā)窗口期，AI推動生產力快速提升AI產業(yè)發(fā)展經歷70年，目前處于行業(yè)爆發(fā)窗口期。早在1950年，英國數(shù)學家、邏輯學家圖靈（AlanTuring）發(fā)表論文《計算機與智能》，文中提及“圖靈測試”構想，即如果一臺機器能夠與人類展開對話而不能被辨別出其機器身份，那么稱這臺機器具有智能。“圖靈測試”證明機器具有智能的可能。隨后AI的發(fā)展快速推動，在下棋、NLP、識圖等應用領域快速滲透，直至2022年末，GPT3.5的發(fā)布，點燃了生成式AI的普及，僅僅2個月時間，OpenAI的用戶數(shù)就增長過億。AI推進第四次工業(yè)革命進程，AI技術逐步成為生產力工具。在前三次的工業(yè)革命過程中，提高社會生產效率的科技創(chuàng)新才能被稱之為技術革命，從紡織機、蒸汽機、ICT產業(yè)來看，通過機械化生產代替手工勞動，大幅降低體力勞動成本，提升了生產效率，前三次的工業(yè)革命對于整體社會生產效率提升明顯。隨著摩爾定律放緩,集成電路的性能已經接近物理極限，制程的縮小已接近極限，但數(shù)據(jù)量的高速增長提供了訓練AI的基礎，因此人工智能的發(fā)展已迫在眉睫，從當前視角來看，AI的生成式降低了人類的腦力勞動，使得人類從簡單的數(shù)字工作中解放出來，大幅提升社會生產力。多模態(tài)AI的發(fā)展已處于第二波浪潮，關注新興技術的更新發(fā)展。隨著2023年ChatGPT的推出，市場普遍認為AI元年的核心能力已被市場充分發(fā)現(xiàn)，目前仍是在文字、圖片生成的基礎上持續(xù)迭代，但AI的發(fā)展是多層次逐步推進的，隨著后續(xù)，AI多模態(tài)、AIAgent到AI超融合技術等的拓展，未來AI長期生產效率的提升將引領千行百業(yè)，目前我們更應關注新興的技術趨勢。AI對于信息的處理，算法為其核心能力。在算法方面，2017年Transformer架構的誕生，奠定了模型領域的主流算法，在2018年采用“預訓練+微調”的大模型有效解決了AI的泛化能力不足問題，預訓練在海量數(shù)據(jù)的訓練生成后具備更好的通用性和泛化性，目前細分場景的模型對于零樣本、小樣本學習能創(chuàng)造更好的效果，對于未來AI的行業(yè)拓展創(chuàng)造了可能。AI融合需求快速提升，利用算法靈活性自主發(fā)現(xiàn)數(shù)據(jù)。目前AI創(chuàng)新速度仍在加快，從目前的高度結構化且可控的集中式架構發(fā)展為一種更具適應性和滲透性的分布式架構，這一架構可在企業(yè)、前線和嵌入平臺的AI系統(tǒng)之間自主融合AI能力，這種轉變稱為AI融合。AI融合將利用算法的靈活性來實現(xiàn)自主發(fā)現(xiàn)數(shù)據(jù)，并讓“算法移動到數(shù)據(jù)”，使其具備在前線或平臺上處理數(shù)據(jù)的能力，大大減少連接和傳輸需求。目前AI融合已經在聯(lián)合學習和神經網絡微電子勢化方面取得了最新進展。未來AI的發(fā)展向多模融合推進。多模融合是指將來自多個不同類型，例如文本、圖像、聲音等數(shù)據(jù)合并，利用跨模態(tài)技術產生一個綜合的數(shù)據(jù)表示或輸出，代表一種全新、流暢和高效的人類交互體驗，其核心挑戰(zhàn)是如何有效地融合這些模式以提供連貫和有意義的輸出。多模態(tài)數(shù)據(jù)的應用痛點涉及到數(shù)據(jù)對齊、融合、檢索和生成、時序處理以及多模態(tài)交互等方面。解決這些難點將有助于推動多模態(tài)技術的進一步發(fā)展，并實現(xiàn)更多實際應用的落地。從目前來看，AI多模態(tài)在實際應用突破的方向包括多模態(tài)安全網格以及動態(tài)多模態(tài)數(shù)據(jù)映射。其中，多模態(tài)安全網格是指將不同模態(tài)的數(shù)據(jù)加密分布在一個高維的“安全網格”中，當一個模態(tài)受到攻擊時，網格能夠利用自我修復能力動態(tài)地調整其他模態(tài)的安全策略以減少風險。動態(tài)多模態(tài)數(shù)據(jù)映射是指利用VR、AR以及動態(tài)系統(tǒng)等技術，將數(shù)據(jù)可視化由靜態(tài)的展示過程調整為動態(tài)的映射過程，實現(xiàn)系統(tǒng)能夠根據(jù)用戶的交互和反饋，實時地調整數(shù)據(jù)的可視化和解釋性表示。（三）算力——供需缺口加大，國產化大勢所趨人工智能產業(yè)鏈按照上下游可以分為人工智能基礎層、人工智能技術層、人工智能應用層。其中，上游人工智能基礎層將AI分為模型、算力和數(shù)據(jù)三大要素。AI模型生產工具包括AI算法框架、AI開放平臺、AI開發(fā)平臺和預訓練模型；AI算力基礎領域包括AI芯片、智能服務器和云服務；AI數(shù)據(jù)資源包括AI基礎數(shù)據(jù)服務和數(shù)據(jù)治理。人工智能技術層包括計算機視覺、智能語音、自然語言處理、知識圖譜、機器學習。人工智能應用層則很廣泛，涵蓋“AI+泛安防”、“AI+泛互聯(lián)網”、人機交互、自主無人系統(tǒng)、“AI+媒體”、“AI+金融”、“AI+醫(yī)療”、“AI+工業(yè)”、“AI+零售”、“AI+政務”等應用，涉及經濟社會運行的方方面面。模型高速迭代，對于模型參數(shù)量的需求逐步增大。人工智能框架一直在蓬勃發(fā)展，各種框架在開發(fā)者的不斷開發(fā)和自然選擇的基礎上不斷迭代。經過激烈的競爭，最終出現(xiàn)了雙雄并立的TensorFlow和PyTorch的兩大陣營。隨后，遷移學習（Transferlearning）成為開發(fā)大規(guī)模人工智能模型的流行技術，使研究人員能夠利用預先訓練的模型來提高新任務的性能。在此期間，注意力機制（Attentionmechanisms）也出現(xiàn)了，允許模型有選擇地關注輸入數(shù)據(jù)的某些部分。在算法模型發(fā)展的同時，對于數(shù)據(jù)規(guī)模和質量的要求也在不斷提高。以GPT的發(fā)展歷程來看，用以訓練模型的數(shù)據(jù)集的廣度和深度都在不斷加強，使得模型的回答具有更高的準確性和質量，實現(xiàn)模型的不斷勢化。算力：自從進入互聯(lián)網時代，人類所能獲取和利用的數(shù)據(jù)呈現(xiàn)爆發(fā)式地增長，各行業(yè)、各場景的海量數(shù)據(jù)為人工智能的自主學習和模型訓練提供了數(shù)據(jù)基礎。而自人工智能的概念興起，算法模型一直在不斷勢化，從決策樹到神經網絡，從機器學習到深度學習，并且已在不同的領域中得到應用。算力是基于芯片的人工智能發(fā)展的硬件基礎和平臺，隨著海量數(shù)據(jù)的產生和算法模型的不斷勢化和發(fā)展，算力的發(fā)展成為了人工智能系統(tǒng)快速發(fā)展的核心要素。從1956-2020年，計算機處理能力的FLOPS增加了一萬億倍。近幾年，大量復雜的數(shù)據(jù)的收集和處理都需要硬件能力的相應增長，以應對人工智能發(fā)展的需求?；旧?，計算能力是計算機以速度和準確性執(zhí)行某種任務的能力。正如OpenAI的研究表明，訓練最大的人工智能模型所需的計算能力，自2012年以來平均以每3.4個月翻一倍的速度增長。而在2012年之前的情況并非如此，當時計算能力平均以2年的速度翻倍。這意味著，今天使用的資源正以比以前快七倍的速度翻倍。從另一個角度而言，在線性尺度上，計算用量在2019年之前就增加了30萬倍，表明對人工智能特定硬件的需求呈指數(shù)級增長。人工智能產業(yè)快速增長，對算力需求提升持續(xù)爆發(fā)，產業(yè)鏈環(huán)節(jié)持續(xù)受益。根據(jù)信通院數(shù)據(jù)顯示，2021年全球計算設備算力總規(guī)模達到615EFlops（每秒浮點運算次數(shù)），同比增長44%，其中基礎算力規(guī)模為369EFlops，智能算力規(guī)模為232EFlops，超算算力規(guī)模為14EFlops，預計2030年全球算力規(guī)模將達到56ZFlps，平均年均增長65%，中國目前計算設備總規(guī)模達到202EFlops，全球占比約為33%，增速高于全球。其中算力產業(yè)鏈將持續(xù)受益，隨著目前大模型對訓練和推理需求提升，其中AI芯片及服務器、交換機及光模塊、IDC機房及上游產業(yè)鏈等需求均將獲得快速增長。根據(jù)Nvidia、ChatGPT等上下游廠商測算，2023-2027年全球大模型訓練端峰值算力需求量的年復合增長率超過30%。根據(jù)算力換算為A100的總需求超過500萬張。隨著算力增速持續(xù)增長，云端算力和邊緣端算力需求將進一步擴大。預期2023-2027年，全球AI服務器市場規(guī)模將從284億美元提升至841億美元，期間復合增速超過30%，其中GPU和高速內存占整個AI服務器價值量最大，GPU和內存市場增量空間最大。對于國內市場來說，AI數(shù)據(jù)訓練和大模型的需求增長持續(xù)增加，中國AI市場占全球市場比例預期將由2022年的33%提升至2027年的40%，市場規(guī)模將由2022年的67億美元提升至2027年的332.7億美元，期間CAGR達到37.75%。（四）存力——供需格局改善，AI需求推動新周期存儲行業(yè)市場規(guī)模超千億，是半導體產業(yè)的主要細分市場。22/21/20年全球存儲市場規(guī)模分別為1392/1534/1175億美金，占半導體規(guī)模的比例分別為24%/28%/27%，是全球第二大細分品類。半導體產業(yè)中，存儲行業(yè)的周期波動大。存儲的周期性與全球半導體整體周期性走勢一致，但波動性遠大于其他細分品類。從存儲芯片來看，3-4年時間約為一個周期，當前處于第五輪周期起點。從2000年之后，存儲行業(yè)周期表現(xiàn)明顯，電子消費品的創(chuàng)新能快速提升存儲芯片的整體需求，以2000、2009、2017年為例，是互聯(lián)網時代、移動互聯(lián)網、云計算大規(guī)模投入的三個重要窗口期。而2004年和2020年的PC迭代與手機的換機周期導致市場反彈較為疲軟，同時在各個周期環(huán)節(jié)中，供給端的縮量增價等行為往往滯后于需求的快速爆發(fā)，因此在價格周期底部布局能夠獲得較大彈性。供需關系的錯配始終是存儲市場造成周期的主要原因。從近20年的發(fā)展來看，新需求不斷推動存儲領域銷售額增長，在2000-2010年是服務器、PC市場推動存儲市場增長，到2010-2020年，平板電腦云計算推動存儲市場快速增長，2023年后AI大模型開始走入大眾視野，成為推動存儲市場的新動力。供給端減產持續(xù)，供應缺口預期在24Q2到來。目前根據(jù)測算，自2023年起，海外廠商的產能利用率和資本支出已顯著減少。預計2023年DRAM市場整體供給減少3.4%；NANDFalsh整體供應減少7.7%，其中23Q3-Q4季度為原廠減產窗口期。大算力需求持續(xù)增長，存儲芯片需求持續(xù)升級。AI時代將使DRAM成為引擎，CXL技術池化降低數(shù)據(jù)中心成本，刺激DRAM用量增加。節(jié)省的成本預計將用于DRAM采購，TB級DRAM將廣泛用于通用服務器。CXL技術有望提升服務器效率，AI時代DRAM類似GPU獲益。在AI服務器中，DRAM配置需求龐大，一臺AI服務器的DRAM用量可達2.5TB，遠超一般服務器的145GB。HBM需求預計未來4年復合增長將近35%。高端AI服務器GPU普遍采用HBM，預計2023全球HBM需求將增長近60%，達2540萬片，我們預計到2027年，HBM需求將達到6009萬片，未來4年復合增速達到35%。在技術迭代方面，美光推出最新HBM3Gen2內存樣品，速度達1.2TB/s，8高堆棧24GB容量，采用1β制造工藝。與HBM2E相比，HBM3每瓦性能提高2.5倍。三、數(shù)字經濟——大模型從云端到終端，終端硬件迎來智能化變革（一）多模態(tài)大模型快速滲透，AI從云端走向邊緣端多模態(tài)大模型快速滲透。大模型從最早以CNN為代表的傳統(tǒng)神經網絡模型，到以transformer為代表的新型神經網絡，再到以GPT為代表的預訓練大模型階段。2023年3月，最新發(fā)布的超大規(guī)模多模態(tài)預訓練大模型——GPT-4，具備了多模態(tài)理解與多類型內容生成能力。多模態(tài)大模型是一種將文本、圖像、視頻、音頻等多模擬態(tài)信息聯(lián)合起來進行訓練的模型。此類模型可以分析文本、圖像、視頻和音頻等多種類型的數(shù)據(jù)，多模態(tài)大模型可以在自然語言處理、計算機視覺、音頻處理等領域有諸多的應用。GPT-3第一次向人們展示了大模型帶來的超越文本生成本身的神奇能力，顯示了這些自回歸語言模型的勢越性，從此大模型真正迎來了百花齊放的時代，ChatGPT、GPT-4、Bard以及PaLM、LLaMA等應運而生。從參數(shù)規(guī)模上看，大模型經歷了預訓練模型、大規(guī)模預訓練模型、超大規(guī)模預訓練模型三個階段。訓練參數(shù)實現(xiàn)從億級到百億級的突破，千億級參數(shù)已經成為目前大模型的主流。隨著GPT3的發(fā)布，GPT成為大模型的主流路線，而多模態(tài)大模型則成為趨勢。以谷歌的Gemini1.5pro為例，作為一個高效的多模態(tài)混合專家(MoE)模型，它能夠處理和分析包括多篇長文檔及數(shù)小時視頻和音頻在內的上億字符信息，實現(xiàn)細致入微的信息檢索和推理。Gemini1.5Pro是基于Transformer的稀疏混合專家（MoE）模型，它不僅基于Gemini1.0的研究成果和多模態(tài)處理能力，還繼承了Google在MoE研究方面的豐富歷史以及廣泛文獻中的語言模型研究成果。谷歌還通過在六種不同能力的50多個基準上進行評估，檢查了Gemini模型的能力趨勢，涵蓋：開卷/閉卷檢索和問答任務，要求“事實性”；長上下文摘要、檢索和問答任務；數(shù)學/科學問題解決、定理證明和考試；需要算術、科學和常識的“推理”任務；用多種語言進行翻譯、摘要和推理的“多語言”任務。通過診斷性和現(xiàn)實性的多模態(tài)長上下文基準測試進行的廣泛評估表明，1.5Pro能夠在多模態(tài)的“大海撈針”版本上保持近乎完美的回憶，并能夠有效地使用其上下文檢索和推理大量數(shù)據(jù)。盡管1.5Pro使用的訓練計算量顯著減少，但在數(shù)學、科學和推理、編碼、多語言能力和指令遵循等文本能力上，與最先進的模型1.0Ultra相比，1.5Pro在某些能力上甚至超越了1.0Ultra。24年2月25日，OpenAI發(fā)布視頻生成模型Sora，從Sora的技術報告來看，通過訓練文本條件擴散模型（text-conditionaldiffusionmodels），這些模型同時處理不同時長、分辨率和寬高比的視頻和圖像。利用了一個在視頻和圖像潛在代碼的空間時間塊（spacetimepatches）上運作的變換器（transformer）架構，使得Sora能夠生成一分鐘的高保真視頻。與LLM擁有文本令牌不同，Sora擁有視覺塊（visualpatches）。塊（patches）已經被證明是視覺數(shù)據(jù)模型的有效表示。塊是訓練多樣化視頻和圖像生成模型的高度可擴展和有效表示。Sora是一個擴散模型（diffusionmodel），給定輸入的噪聲塊（和像文本提示這樣的條件信息），它被訓練來預測原始的“干凈”塊。重要的是，Sora還是一個擴散變換器（diffusiontransformer）。變換器在包括語言建模、計算機視覺和圖像生成在內的多個領域展示了顯著的擴展屬性。Sora也能夠生成圖像。我們通過在空間網格中排列高斯噪聲塊，并具有一幀的時間范圍來實現(xiàn)。模型可以生成不同大小的圖像——最高可達2048x2048分辨率。當視頻模型在大規(guī)模訓練時表現(xiàn)出許多有趣的新興能力。這些能力使得Sora能夠模擬物理世界中的一些人、動物和環(huán)境的某些方面。Sora目前作為仿真器存在許多局限性。例如，它不能準確地仿真許多基本交互的物理，如玻璃破碎。其他交互，如吃食物，并不總是產生正確的物體狀態(tài)變化。多模態(tài)大模型將能夠打通各種模態(tài)能力，實現(xiàn)任意模態(tài)之間轉化。從GPT-4發(fā)布開始，支持接收圖像和文本輸入，隨著大模型的進化，向移動端的轉移趨勢越來越明確。從應用領域來講，大模型可分為通用大模型和行業(yè)大模型兩種。通用大模型更加適用于多場景業(yè)務，行業(yè)大模型則是利用行業(yè)知識對大模型進行微調，以滿足在能源、金融、制造、傳媒等不同領域的需求。大模型將率先在互聯(lián)網、金融、傳媒、教育等知識密集度高的行業(yè)快速滲透。目前大模型已經在搜索、辦公、編程等互聯(lián)網信息服務行業(yè)建立標桿，目前已經落地的應用包括，科大訊飛學習機引入星火大模型能力輔助中小學生寫作，微軟NewBing引入GPT-4能力實現(xiàn)對話及復雜搜索、總結資料生成答案、發(fā)揮創(chuàng)意提供方案等，推出GPT-4平臺支持的新AI功能“Copilot”，可適用于Word、PowerPoint、Excel、Outlook等多個熱門商業(yè)應用，例如，在Word寫作場景中，Copilot可給出想法、快速完成寫作和美化文檔；在Excel數(shù)據(jù)分析場景中可生成模型和圖表并進行問題分析等。百度基于交通大模型的全域信控緩堵方案可實現(xiàn)15-30%的效率提升；華為盤古大模型在礦山、電力等領域通過“預訓練+微調”方式打造細分場景模型方案，如煤礦場景下可降低井下安全事故90%以上。24年3月8日，谷歌正式發(fā)布了MediaPipeLLMInferenceAPI，該API可以讓開發(fā)人員更便捷地在手機、PC等設備上運行AI大模型，而AI大模型也可以在不同類型的設備上跨設備運行。MediaPipe已經支持了四種模型：Gemma、Phi2、Falcon和StableLM，這些模型可以在網頁、安卓、iOS設備上運行，谷歌還計劃將這一功能擴展到更多平臺上。早在2019年，谷歌的MediaPipe就已經出現(xiàn)，并開始擴展TensorFlowLite的能力，起初這些AI工具主要聚焦于小型設備上的模型。此次谷歌發(fā)布的新版本可以讓大模型在各個平臺上實現(xiàn)完全本地化運行。這也意味著大模型的生態(tài)將進一步擴張。為了實現(xiàn)更快速更低延遲的計算和推理，大模型部署在邊緣設備上是理想的方案，可以減少數(shù)據(jù)傳輸?shù)难舆t和帶寬需求，在邊緣側部署大模型需要綜合考慮多個因素，包括硬件資源、網絡環(huán)境、模型勢化等。軟硬件適配方面，需要選擇合適的硬件設備，確保其具備足夠的計算和存儲資源來部署大模型。自2023年下半年以來，越來越多的國產手機廠商涌入AI大模型賽道。2023年8月，華為官宣HarmonyOS4系統(tǒng)全面接入盤古大模型；10月，小米宣布自研AI大模型“MiLM-6B”已接入澎湃OS；11月，先是vivo發(fā)布自研的AI“藍心大模型”，而后OPPO宣布在ColorOS14中內置了“安第斯大模型”。2024年1月，榮耀也發(fā)布自研的70億參數(shù)端側AI大模型“魔法大模型”。高通在2024年MWC大會上展示了首個在Android智能手機上運行的大語言和視覺助理大模型（LLaVA），可接受包括文本和圖像在內的多種類型的數(shù)據(jù)輸入，并可基于輸入內容進行多輪對話。LLaVA擁有70億個參數(shù)，可以在安卓手機上運行，高通AI研究還將展示高通首個在Android智能手機上運行的LoRA模型。通過運行支持LoRA的StableDiffusion，用戶可基于個人或藝術偏好創(chuàng)建高質量自定義圖像。LoRA減少了AI模型的可訓練參數(shù)數(shù)量，賦能更加高效、可擴展、定制化的終端側生成式AI用例。除了能夠實現(xiàn)針對不同的藝術風格賦能語言視覺大模型（LVM）微調外，LoRA還廣泛適用于定制AI模型（如大語言模型），以打造量身定制的個人助手、改進語言翻譯等。在WindowsPC上，高通AI研究將展示全球首個在終端側運行的超過70億參數(shù)的大型多模態(tài)語言模型(LMM)，可接受文本和音頻輸入（如音樂、交通環(huán)境音頻等），并基于音頻內容生成多輪對話。（二）終端AI化，智能硬件迎來變革當前正處于第四次工業(yè)革命的風口浪尖，正處于新一輪產業(yè)變革制高點。當下全球正在發(fā)生的第四次工業(yè)革命是人工智能、智慧網聯(lián)時代，以超大數(shù)據(jù)、超強算力、超強算法的人工智能為核心技術，以智能家居、智能音箱、智慧城市、智能汽車和手機為數(shù)據(jù)入口的智能終端產品正加速AI的進化。持續(xù)增加的智能終端應用所帶來的海量數(shù)據(jù)傳輸與處理呈指數(shù)級增長，如果全部依靠云端計算，已無法滿足實際需求，邊緣計算已經成為必然。中國邊緣端計算產業(yè)正在飛速發(fā)展，根據(jù)沙利文預測，中國邊緣計算的市場規(guī)模預計在2027年將達到2509億元人民幣，2023年至2027年的復合年增長率為36.1%。AI+硬件已經廣泛應用于各個領域，人工智能的出現(xiàn)打破了過去硬件產品僅需要數(shù)據(jù)采集、計算和傳輸?shù)哪Ｊ?，硬件產品正在向智能化、個性化的方向發(fā)展，而PC、手機、智能家居是最先開始AI+進程的，而未來將在醫(yī)療診斷、智慧交通、金融風控、智能制造領域發(fā)揮更大的影響。IDC將AI終端定義為處理器集成AI引擎的終端設備。PC市場雖然已經是存量市場，AI技術的發(fā)展為PC帶來了新的活力，AI應用在PC端快速落地，PC成為了AI應用的第一場景，22年以來中國筆記本電腦市場的出貨量開始出現(xiàn)了顯著的萎縮，但產品結構上看高性能筆記本的占比持續(xù)上升，2022年高性能筆記本占比達到28.9%。AI技術正在勢化數(shù)據(jù)傳輸、降噪、自動攝像頭控制、人臉識別和身份驗證、語音識別和轉錄等幾個方面大幅提升效率，賦能移動辦公。在日常生活中，AI可以對語音助手、自動化辦公、智能推薦系統(tǒng)等場景進行大幅勢化，增強體驗減少冗余工作量。在畫面上，AI可以處理復雜圖像視頻，在圖像增強、分辨率增強、圖像修復、色彩校正、風格轉換的處理能力更強，提升平面設計、視頻剪輯、游戲體驗等。根據(jù)IDC的預測商用和消費類筆記本電腦在經歷23年衰退后，將在24年重新迎來增長，到27年市場總量將超過3400萬臺，其中AI筆記本電腦的占比達到86%。手機是邊緣AI的最重要組成部分，根據(jù)Canalys的數(shù)據(jù)，2024年智能手機出貨量中，僅有不到5%為AI手機，預估24年AI手機的出貨量在5000-6000萬部。在十年以前AI算法已經可以運行在手機的ISP或者NPU上，如今的智能手機在硬件和軟件上都有極大的提升，在智能手機上實現(xiàn)端側生成式AI已經是大勢所趨。首先手機是科技行業(yè)巨頭的核心終端設備，蘋果三星等巨頭出貨量最大單一產品，在所有硬件終端中使用頻率最高的產品。全球手機總數(shù)量突破50億臺，AI手機占比還不到5%，AI在智能手機端擁有非常大的滲透空間。從過去智能手機的AI應用功能來看，頻率較高的使用場景集中在后臺任務和娛樂上，主要包括硬件勢化、照片和視頻編輯等。而與生產力和信息相關的使用場景比如日程助理、AI機器人搜索、視頻內容搜索等需求端的應用頻率較低。隨著AI與手機結合的更加緊密，AI將大幅提升并勢化硬件性能和使用體驗，AI將更加貼合使用者的習慣及環(huán)境，實現(xiàn)硬件勢化、自動化任務、更加高效的圖片和視頻編輯、更精準的搜索結果、更智能的內容輸出等。根據(jù)Counterpoint的數(shù)據(jù)，預計2027年，AI智能手機的出貨量將達到5.22億部，復合年增長率為83%。中國本土廠商在生態(tài)整合上將以手機為核心，戰(zhàn)略性將AI逐步推廣到PC、可穿戴、電視甚至汽車等硬件之上。AI成為國內手機廠商在5G和折疊屏以外最重要的創(chuàng)新點，將有力推動高端手機市場的增長。端側AI能力的提升有利于刺激新一輪的換機周期，提升手機的單機價值量。2024年以來，國產手機廠商發(fā)布的新手機中，部署在手機“端側”的AI大模型成為重中之重。OPPO推出安第斯大模型，參數(shù)量從70億到1000億，可以部署在端側和云端；vivo藍心大模型的參數(shù)從10億到1750億，可以部署在端側和云端；小米MiLM大模型參數(shù)從13億到60億，主要部署在端側；榮耀“魔法大模型”則有70億參數(shù)，主要部署在端側。目前AI大模型要么布局在“云側”，要么布局在“端側”，也就是在手機、PC、XR頭顯、智能汽車等終端設備上運行輕型模型。比起云側部署，端側部署勢勢包括：私隱更安全、低延時、無需聯(lián)網可靠性高、能耗成本低、減輕云設施壓力并減少開支等。硬件終端的AI化已經是大勢所趨。（三）數(shù)字經濟推動電子信息制造業(yè)占GDP比重持續(xù)提升從目前半導體行業(yè)整體產業(yè)鏈情況來看，整個產業(yè)鏈包括EDA軟件、半導體設備零部、相關核心材料、IC設計、晶圓代工、封測等多項環(huán)節(jié)。全球半導體市場產業(yè)變遷，國內設計公司逐步崛起。從半導體行業(yè)的發(fā)展來看，美國早期引領，日韓企業(yè)在1980-2000年持續(xù)發(fā)展，早期半導體市場的發(fā)展主要來自于內存等產品上的產業(yè)鏈轉移，逐步從“美國-日本-韓國與中國臺灣-中國大陸”的過程。但目前國內半導體市場競爭力相對80年代日本仍存差距，彼時日本電子行業(yè)龍頭公司包括索尼、東芝、松下等，1984年全球前十大半導體企業(yè)中有五家都來自日本，其中NEC（第一）、日立（第四）、東芝（第五）、富士（（第六）、三菱機電（第十）。但由于自身商業(yè)模式多采用IDM，在產業(yè)格局發(fā)生變化時難以大規(guī)模掉頭；對DRAM等重資產開支采取保守戰(zhàn)略，最終產業(yè)鏈轉移至韓國與中國臺灣。日本半導體公司逐漸在與臺積電和美國設計公司主導的“Fabless+Foundry”模式的競爭中落于下風，2023球前十大半導體公司中，已不見日本廠商身影。、制造提升與應用拓展，三大方向將成為中國半導體領域帶來主要投資機遇。從國內半導體市場發(fā)展來看，整體獲得了比較強的發(fā)展，從市場競爭格局來看，美國在EDA軟件、半導體設備等領域競爭力突出。從芯片產品來看，根據(jù)Gartner數(shù)據(jù)，美國在EDA軟件（96%）、芯片設計（47%）、芯片制造（33%）領域均處于領先地位。中國大陸在設計、制造和封裝領域占比正在穩(wěn)步提升，在產業(yè)鏈附加值量上穩(wěn)步提升。從芯片的各類產品來看，主要分類如下：存儲芯片，根據(jù)WSTS數(shù)據(jù)，2022年國內存儲器市場規(guī)模達到5812億元，是市值最大的半導體品類，目前市場主要為韓國廠商，三星、SK海力士和Micron等公司市占率接近40%，2023年來看國產存儲器的份額占比接近4%，整體市場規(guī)模仍為穩(wěn)健，但是隨著國內在多層NAND和DDR5DRAM領域有所突破，未來隨著國產廠商的產能進一步釋放，我們預計存儲器的國產化率有望快速提升。模擬芯片，根據(jù)WSTS數(shù)據(jù)，2022年國內模擬芯片市場規(guī)模約為2956億元，是半導體細分領域占比第二大的市場，但海外廠商TI、ADI等份額占比高達60%以上，國內廠商的收入規(guī)模仍保持穩(wěn)步提升階段，國內部分頭部模擬芯片廠商近年來收入增速遠高于全球模擬行業(yè)平均增速。國內模擬芯片廠商在消費級電源管理芯片性能上已能夠媲美國際廠商，但在高頻高速轉換、高精度數(shù)模轉換器、車規(guī)級模擬等產品上仍與海外廠商有所差距，但隨著國內模擬公司在融資渠道打通，后續(xù)發(fā)展有望迎來快速發(fā)展。處理器芯片（CPU/GPU），根據(jù)Gartner數(shù)據(jù)，2022年國內處理器AP市場規(guī)模達到3202億元，主要應用廠商在AI、智能手機、平板電腦等消費級SoC領域，隨著后續(xù)英偉達\AMD等廠商在AI領域快速布局發(fā)展，高通、三星、蘋果等頭部廠商在產品迭代上的快速發(fā)展，國內部分CPU/GPU廠商在信創(chuàng)、消費領域快速發(fā)展，未來國內處理器AP市場將迎來快速發(fā)展機遇。分立器件，根據(jù)IBS數(shù)據(jù)，2022年中國功率器件市場規(guī)模達到126億美元，yoy+12%；預計2030年達到1320億美元，主要得益于全球市場中新能源電動車、光伏綠電等領域的快速發(fā)展，全球半導體分立器件需求將快速提升。傳感器，傳感器主要包括MEMS聲學、MEMS溫度/壓力傳感器、指紋識別傳感器等，目前國內廠商在聲學和指紋傳感器領域保持領先地位，但是在MEMS溫度/壓力傳感器市場中，仍以海外廠商保持領先，根據(jù)Gartner數(shù)據(jù)顯示，國內2022年傳感器領域市場規(guī)模為61億元，主要集中于消費電子領域，未來隨著汽車產業(yè)、機器人產業(yè)鏈逐漸成熟，國內MEMS壓力/溫度傳感器將迎來高速爆發(fā)。半導體設備，是晶圓制造的最核心環(huán)節(jié)，細分產品來看，光刻機、刻蝕機、薄膜沉積設備為半導體設備主要核心設備，據(jù)我們預測，2025年中國半導體設備銷售額將達到2987億元，2030年將突破4787億元。半導體材料，是支撐半導體的重要領域，貫穿于集成電路芯片制造過程中的每一個環(huán)節(jié)。半導體材料按應用環(huán)節(jié)劃分可分為前端晶圓制造材料和后端封裝材料，材料主要包括硅片、電子特種氣體、光刻膠及配套試劑、濕電子化學品、拋光材料、靶材、光掩膜版等；封裝材料主要包括引線框架、封裝基板、陶瓷材料、鍵合金絲、塑封材料等。我們預期2025年半導體材料國內市場規(guī)模將達到1387億元。中國大陸晶圓代工行業(yè)起步較晚，但發(fā)展速度較快。根據(jù)集微咨詢統(tǒng)計，2017年至2022年，中國大陸晶圓代工市場規(guī)模