AI PC和AI手機市場分析

AIPC和AI手機市場分析一、PC/手機發(fā)展史及AIPC/手機必要性的探討AIPC/手機作為端側相較于云端能夠解決數(shù)據(jù)安全、延遲等問題AIPC/手機作為端側大模型解決方案，能夠幫助解決數(shù)據(jù)安全及隱私泄露等問題。對個人用戶而言，可通過訪問本地數(shù)據(jù)形成其數(shù)字孿生，大模型成為用戶的個性化助理；對企業(yè)用戶而言，可通過公司內(nèi)網(wǎng)訪問企業(yè)數(shù)據(jù)庫以實現(xiàn)智能化協(xié)同辦公。云端通用模型不具備服務某一領域的能力，需要接入數(shù)據(jù)后才具有專業(yè)能力，這意味著企業(yè)為獲得行業(yè)模型，須將關鍵性資產(chǎn)——數(shù)據(jù)上傳至云端，而一旦訓練完成的模型被全行業(yè)共享，則意味著一定程度上企業(yè)競爭壁壘的消弭，由此催生出各企業(yè)在數(shù)據(jù)墻內(nèi)訓練專用模型的需求，AIPC/手機應運而生。絕大多數(shù)應用場景下用戶對推理的時效性要求較高，在云端進行推理再將結果傳回端和邊緣因物理距離而不可避免存在延遲，AIPC/手機直接面向終端用戶，因此能很大程度上緩解這一問題，為用戶帶來更好的使用體驗。AIPC/手機作為去中心化的服務模式能夠幫助云端分擔算力成本將大模型部署在端側和邊緣可能會帶來公有云、私有云和本地數(shù)據(jù)中心市場需求，以及云、端和邊緣算力的平衡。生成式AI在誕生之初主要通過云端以付費API接口的形式向用戶提供服務，過去市場對算力的關注多集中于云服務提供商以及大模型訓練階段，但云端算力相對有限，在高峰期難以滿足所有用戶的推理需求，因而提高端側和邊緣算力，為推理加速成為市場新的焦點。通過智能終端（如AIPC/手機）和邊緣設備為云端分擔算力成本或使云、端、邊緣算力需求走向平衡。基于滲透率對AIPC出貨量及增量收入空間的測算我們基于滲透率對AIPC的出貨量進行測算，據(jù)Canalys，2024年全年PC出貨量預計將達到2.67億臺，我們參考這一數(shù)據(jù)對PC出貨量進行情景假設，在四種不同情景下分別為2.4/2.6/2.8/3.0億臺；同樣對AIPC滲透率進行情景假設，在七種不同情景下分別為5%/10%/20%/30%/40%/50%/60%。通過測算可知，AIPC出貨量區(qū)間為0.12~1.80億臺。對AIPC的提價水平進行假設，在AIPC提價1000元/臺和1500元/臺兩種不同情景下的增量市場空間分別為120~1800億元及180~2700億元。二、從硬件角度看AIPC/手機潛在的投資機會GPU發(fā)展史：誕生于專用性需求，作為輔助處理器執(zhí)行并行計算任務像處理催生出專用處理器需求，GPU的設計初衷正是為了應對批量同類任務的高并行執(zhí)行，隨著工藝的發(fā)展，GPU開始不斷在個人PC以及移動設備上普及，甚至于隨著其性能呈指數(shù)級增長，獨顯勢頭漸起。NPU：誕生于神經(jīng)網(wǎng)絡計算的需求，相較于GPU同時兼顧專用性和能耗比NPU（NeuralnetworkProcessingUnit），即神經(jīng)網(wǎng)絡處理單元，可在電路層模擬人類神經(jīng)元和突觸，并用深度學習指令集直接處理大規(guī)模的神經(jīng)元和突觸，一條指令完成一組神經(jīng)元的處理。相較于CPU和GPU的馮諾依曼結構，NPU通過突觸權重實現(xiàn)存儲和計算一體化，從而提高運行效率。NPU是ASIC芯片的一種，目前主要應用于深度學習和機器學習等人工智能任務。驍龍8Gen3讓手機運行大模型提速，驍龍XElite助力高通切入AIPC賽道高通在2023驍龍技術峰會上發(fā)布用于AI手機的驍龍8Gen3和用于AIPC的驍龍XElite，率先成為同時搶占生成式AI應用落地的兩個端側賽道的芯片廠商。就手機端而言，搭載了驍龍8Gen3的手機運行StableDiffusion模型，只用0.6秒即在本地生成了一張圖像，其相較于驍龍8Gen2的15秒很大程度上優(yōu)化了移動終端生成式AI的推理速度；就PC端而言，高通開創(chuàng)性地推出驍龍XElite平臺，該處理器不僅拓展了生成式AI應用的廣度，也是高通強勢切入PC市場的重要舉措。PC搭載NPU成為AIPC時代開啟的重要標志，疊加Windows系統(tǒng)迭代或將帶來換機潮NPU作為人工智能相關任務專用引擎成為PC的核心零部件之一為AIGC在端側落地打開可能性，是AI時代PC產(chǎn)品的重要革新。NPU相較于GPU擁有更優(yōu)的能耗比，這意味著隨著NPU在PC上普及，其與GPU的分工或將更加明確。此先作為圖像處理專用芯片的GPU亦常用于深度學習相關領域，對矩陣加乘的并行計算能力使GPU在NPU之前一直是AI模型訓練和推理倚賴的重要硬件單元。隨著Transformer成為LLM的主流架構，并將CV和NLP這兩個研究分支統(tǒng)一起來，神經(jīng)網(wǎng)絡成為構建AI模型的基本單元，NPU作為張量處理器能夠在更短的時間內(nèi)完成大規(guī)模神經(jīng)網(wǎng)絡計算任務，因而其相較于GPU是更適合人工智能相關任務的加速引擎。NPU將作為端側重要的基礎設施之一為PC端搭載大模型提供前提條件，其普及標志著AIPC時代的來臨。為支持端側運行高規(guī)格大模型，AIPC的散熱模組可能會迎來重構散熱能力是高算力芯片的一個主要瓶頸，隨著搭載在AIPC和AI手機上的模型規(guī)格不斷提升，NPU性能釋放可能會更加激進，為配合硬件升級，相較于傳統(tǒng)PC/手機，AIPC/手機可能會給出全新的散熱解決方案。從數(shù)據(jù)中心來看，關鍵痛點是耗電和散熱，在芯片的有限體積內(nèi)，如何將高集成、高能量密度產(chǎn)生的熱值和熱效應準確計算并順利排出，已經(jīng)成為多源異構芯片3D封裝中最具挑戰(zhàn)性的問題。目前的消費電子終端，手機方面，不銹鋼VC均熱板開始逐漸取代銅VC均熱板成為散熱主力；PC的散熱方案一般以組合的形式呈現(xiàn)，而散熱模組（ThermalModule）從結構上看主要包括散熱底座、熱管、散熱鰭片、散熱風扇等物件。大模型在端側落地或使AIPC/手機廠商成為這一服務模式下的流量入口大模型在端側落地的主要受益方包括硬件（以NPU為主）設計制造商、大模型提供商以及終端設備（AIPC/手機）廠商，其中終端設備廠商作為唯一直接面向C端用戶的角色，可能會成為這一服務模式下的流量入口。三、AIPC/手機產(chǎn)業(yè)鏈重點公司分析聯(lián)想集團：率先推出首款AIPC概念機，預計將于2024年下半年推出2023年10月，聯(lián)想集團在第九屆聯(lián)想創(chuàng)新科技大會上展示了其人工智能個人電腦（AIPC）產(chǎn)品，該產(chǎn)品預計將于2024年下半年推出。據(jù)聯(lián)想官方，其AIPC能夠創(chuàng)建個性化的本地知識庫，并通過模型壓縮技術運行個人大模型，實現(xiàn)用戶與人工智能的自然交互。聯(lián)想集團：發(fā)布AIPhone和功能性產(chǎn)品AITwin，后者同時賦能個人與企業(yè)用戶就個人用戶而言，AITwin被定義為用戶在數(shù)字世界的延伸，其本質上是基于本地知識庫生成的屬于個人的專有大模型，其能夠在最大范圍內(nèi)了解用戶的思維方式并給出解決方案。由于AITwin只會被存儲在本地化的設備或家庭服務器上，個人數(shù)據(jù)不會被共享或上傳至公有云平臺，因此用戶的個人隱私和數(shù)據(jù)安全能夠得到有效保護；企業(yè)級AITwin涵蓋一系列企業(yè)級人工智能應用，其能夠打通企業(yè)內(nèi)部各類智能設備、邊緣和私有云，聯(lián)動各種企業(yè)級軟件，綜合和分析各類信息并給出最優(yōu)建議。例如，企業(yè)級AITwin可以綜合考慮企業(yè)的差旅政策、審批流程與員工的個人信息和偏好，為用戶指定一個合理的計劃。小米：計劃在終端接入輕量化本地大模型，與WPSAI達成深度合作2023年4月，小米組建了AI大模型團隊，在手機端測試了13億參數(shù)的模型，同時小米語音助手“小愛同學”開始大模型版本內(nèi)測，成為小米大模型的第一個應用。2023年8月，小米最新的一個13億參數(shù)的大模型已經(jīng)成功在手機本地跑通，部分場景可以媲美60億參數(shù)模型在云端運行的結果；此外，小愛同學月活已超1.1億，并升級AI大模型能力，開啟邀請測試。2023年10月，WPSAI在小米14系列手機新品發(fā)布會上亮相，小米14系列手機用戶可通過小米社區(qū)下載搭載WPSAI功能的專屬版WPS。在小米14系列手機上，WPSAI支持輸入主題一鍵生成PPT演示文稿，并且可以提供進一步細化調(diào)節(jié)的功能。2023年10月，小米1