AI+端侧两条主线分析

在端侧+AI 上，我们认为将主要有两条投资主线。 第一， Apple intelligence 带动下的苹果产业链。 第二， Tesla 自动驾驶进入实质性商用阶段。

苹果在今年 WWDC 上展示的 Apple Intelligence，其核心意义在于指明了苹果在端 侧 AI 的策略路线，其端侧+隐私的技术处理方式，为市场所认同。 我们在报告《Apple intelligence 将带动 iphone 换机需求》中提到的关于 Apple AI 的几个重要的特点，并认为随着 AI 在端侧的应用，未来移动装置的竞争将逐步从系 统+硬件，转向生态+算力。而苹果公司在这方面相较于 windows 阵营和 Android 阵 营具有更强的优势和能力。

苹果长期侧重在端侧上的 AI 交互，并通过不断演进的 CORE ML 架构和 Apple 自己 开发的 Apple Silicon 相芯片结合，形成自己独特的护城河。同时，我们认为在较长 时间内，苹果长期构架的生态优势以及端侧上的软硬件能力，将难于被其他竞争对手 所超越。

近几年从 iphone 的硬件创新上，苹果虽未展现出特别出众的技术演进能力，但其在 用户保有率和市场占有率上，仍处于稳步提升的态势。 尽管如此，创新性的缺乏使得在过去几年其客户群体的换机频率则是持续减慢，体现 在换机率上一直处于下降态势。根据我们测算，存量用户换机率从 2018 年 24%下降 到了 2023 年的 16%。随着 Apple intelligence 的逐步推进，存量用户换机率在未来 几年有望得到提高。

我们修正 24 年 iphone 出货预期从原来的 2.229 亿部提升到 2.24 亿部，主要基于苹 果在 5-6 月的促销，而 iphone16 系列在 24 年的备货测算为 9300 万部。 25 年 iphone 的出货预期从原来的 2.39 亿部上调到 2.55 亿部，其中包括 25 年预计 发布的 iphone SE4。

预计今年的 iPhone 16 全系列会搭载 A18 芯片，Pro 系列搭载 A18 Pro 芯片。A18 和 A18 Pro 预计都会采用 TSMC 的 N3E 工艺。A18 Pro 则有可能搭载更多的 NPU 核心，算力更强大，芯片的面积也相应扩大。而对于 SE 版本，现在是否是搭载 A18 或是 A17 pro，尚待观察。 其他硬件方面，Baseband 部分可能升级到高通的 X75；射频方面升级到 WIFI 7； Pro Max 机型上，超广角镜头升级到 48M，即后摄部分升级为两颗 48M 摄像头；屏 幕尺寸从 6.7 寸升级到 6.9 寸。 DRAM 部分，考虑苹果在边缘算力上具备较高的能耗控制能力，以及高效的内存带 宽技术，在高阶的 pro 和 pro max 系列上今年可能会继续保持 8GB 的配置。但考虑 到 Apple intelligence 对端侧算力要求，iphone16 和 16 plus 系列的 Dram 规格有望 从 6GB 提升到 8GB。 在其他方向上，电源管理和散热要求的提升，还有电池容量需求增加带动了钢壳锂电 池需求和电源管理部分的半导体价值量提升，也带动了快充需求。

Tesla 自动驾驶，近期在各个层面均取得了不错的进展。 首先，Tesla 的第一辆 Robotaxi（Cybercab）将在今年 8 月 8 日发布。Cybercab 将 包含实现 L4 级别的硬件配置，同时我们预测第一款 robotaxi 将非常注重安全性，或 可能大量用到类似于 Cyber-truck 的不锈钢材质。 其次，当前 FSD V12.4.2 已经开始展开内测。V12 版本是完全的 AI 端到端系统，去 掉了全部人工干涉的规则，而最新 V12.4.2 在功能的改进上已经实现完全不需要人 工干预，预计 V12.4.2 版本在国内的 OTA 有望在今年内展开。 另外就是台积电 INFO-SOW 的封装工艺有良率提升趋势，这样对于 DOJO 芯片为 主体的 Tesla 算力中心建设有望近期加速。而 DOJO 芯片，将是 tesla 推动自动驾驶 和 Optimus 机器人的核心。 我们预计 25 年上半年，特斯拉的无人驾驶汽车将在美国投入商业运营，而国内会在 部分区域内展开试点。 无人驾驶的商业模式在尝试中逐步开始完善。近期萝卜快跑在武汉市取得发展。据媒 体报告全无人订单量大幅增长，日单车峰值超 20 单，而出租司机一天平均单量也约 20 单左右。Cruise 拟重回自动驾驶业务，Waymo 在美国的运营也开始趋于成熟， 而亚马逊的 ZOOX 无驾驶位车型也在美国道路上开始进入演练阶段。

DOJO 芯片采用的是 TSMC 的 InFO-SOW 工艺，主要将 D1 芯片按照 5*5 的排列放 在一个载体晶圆上，通过 TSMC 的高密度 InFO 互联技术，实现 25 颗芯片等同于一 颗大的芯片执行运算工作, 称为 training tile （瓦片）。 从组网角度，Tesla 采用 2*3 共 6 个瓦片，构成一个 tray（托盘单元）。而两个托盘 单元组合就构成了一个最小机柜（cabinet），10 个机构组成一个集群（exapod）。而 一个集群理论上可以提供 1.1EFLOPS 的算力，而 100EFLOPS 的算力，就需要 91 个集群。

Tesla 的 Dojo 芯片自 23 年开始逐步量产，但整体产出偏慢的原因在于 TSMC 的 INFO-SOW 工艺的良率。 目前看随着 TSMC INFO-SOW 工艺的良率提升，基于 DOJO 的算力中心建设有望 提速。而 TSMC 在 27 年实现 COWOS 工艺同 SOW 工艺结合的 COW-SOW，将有 望进一步提升良率并降低成本。