2024年电子行业2025年度投资策略报告：AI端侧应用兴起，国产高端芯片亟需国产化

一、AI 应用商业化提速，算力硬件维持高景气

1.1 大模型能力范围拓宽，端侧模型开始落地

1.1.1 OpenAI 持续引领模型能力突破

OpenAI 最新一代大模型 GPT-4o 展现出强大的多模态能力。GPT-4o 是 OpenAI 推出的最新一代大型 语言模型，它在前代模型的基础上实现了多模态能力的大幅提升，标志着从单一文本处理扩展到多模态 （包括文本、图像、声音等数据类型）理解和生成的新时代。这种跨模态的能力使得 GPT-4o 能够更全面 地理解和生成信息，不仅限于文字，还包括能够理解图片内容和进行视觉描述，甚至在一定程度上解析 音频数据。 多模态模型的发展源于现实世界数据的复杂性，信息的传递不再局限于单一形式。例如，在社交媒 体、新闻报道和学术研究中，信息往往以文本、图像和视频等多种形式共存。GPT-4o 通过融合这些不同 类型的数据，能够提供更加丰富和精准的分析，更好地支持决策制定和创意生成。在技术实现上，GPT4o 采用了最先进的深度学习架构，包括但不限于 Transformer 网络，这种网络结构非常适合处理大规模的、 异质的数据集。此外，通过自监督学习方法，GPT-4o 能在无需显式标注的情况下，自动识别和利用来自 不同模态的数据之间的内在联系，极大地减少了模型训练所需的人工标注数据量，降低了成本并加快了 开发速度。 GPT-4o 及类似的多模态模型拓展了人工智能的应用边界，提供了一个全新的视角，即通过整合多种 感知形式的信息来更全面地理解世界，这有望推动 AI 技术在更多领域中的创新和应用。在医疗健康领域， 模型可以通过分析医疗图像和相关病历报告，协助医生进行诊断；在自动驾驶技术中，模型能够同时处 理来自车辆传感器的多种信号，如视觉、雷达和声音，以提高决策的准确性。此外，多模态 AI 在内容创 作领域同样展现出强大的能力，如自动生成配图的文章或为视频内容自动撰写脚本和评论。

经过强化学习训练的 OpenAI o1 更适合执行复杂推理任务。大语言模型本身基于 transformer 架构， 存在一定的局限性。例如逻辑性相对较弱，大语言模型在文本的理解和生成上表现出色，但是涉及到数理逻辑推理时表现仍然有待提升。信息准确性和时效性有限：大模型存在幻觉问题，可能产生误导性输 出，同时信息的及时性取决于最近一次的训练时间。2024 年 9 月，OpenAI 正式发布了名为 o1 的新模型。 OpenAI o1 与 GPT-4o 的主要区别在于它能够比其前身更好地解决复杂问题，如编码和数学，同时还能解 释其推理过程。根据 OpenAI 官方的描述，OpenAI o1 设置了奖励和惩罚机制，通过强化学习的技术训练 模型自行解决问题，它利用类似人类通过逐步解决问题方式的“思维链”处理问题。这种新的训练方法，使 得模型更加准确，减少了模型的幻觉问题。 OpenAI o1 的测试结果显示，OpenAI o1 在复杂推理任务重达到了人工智能能力的新水平。在高水平 数学竞赛 AIME 2024 的测试中，GPT4o 准确率为 13.14%，而 o1 预览版为 56.7%，o1 正式版正为 83.3%。 在代码能力测试中，GPT4o 准确率为 11.0%，o1 预览版为 62%，o1 正式版为 89%。在物理、化学和生物 学这些具有挑战性的基准任务 GPQA-diamond 上，o1 的表现超过了人类博士专家。

1.1.2 国内模型在中文理解能力方面具有较强竞争力，关注国内多模态大模型的进展

国内企业已经在 AI 大模型方面取得显著进步。2022 年 11月 30 日，OpenAI 发布了 ChatGPT，催生 了全球对大型模型技术的高度关注和加速发展。在这一全球趋势下，国内的 AI 公司和研究机构迅速响 应，推动了国内大模型技术的飞速发展和应用快速尝试。国内的几家领先科技公司和学术机构，如百 度、阿里、字节跳动、科大讯飞、清华大学等，已经开发出与 GPT-4 处于同能力等级的大模型，例如， 百度的文心一言 4.0、科大讯飞的星火 V3.5、智谱 ChatGLM4 等，在中文处理和理解方面有不俗的表现。 这些模型不仅在语言理解和生成任务中表现优异，还在多模态领域如视频和音乐生成方面展示了强大的 能力。 此外，中国的大模型还在开源领域取得了突破，如文生视频、文生音乐等多模态模型。通义千问与 DeepSeek 的开源，快速增强了国产大模型的开源生态。政府对 AI 技术的重视，为本土企业提供了发展大 模型的良好环境，这些因素共同推动了国内大模型技术的快速成长。

1.1.3 端侧模型技术路线已经出现，关注大模型能力落地端侧的节奏

端侧模型，即在用户设备上本地运行的 AI 模型，是 AI 技术应用的一种趋势，特别是在移动设备和 物联网设备上。这些模型通过在设备上直接处理数据，可以提供更快的响应速度和更高的隐私保护。随 着硬件能力的提升和算法的优化，端侧模型正在越来越多的领域中展现出其独特的价值和广泛的应用前 景。 端侧模型的发展得益于几个关键技术的进步。首先，移动设备的处理能力有了显著提升，现代智能 手机和平板电脑的处理器接近或达到了台式机的性能水平。例如，高通、苹果和华为等公司的最新芯片 都具备处理复杂 AI 任务的能力。其次，AI 模型的压缩技术也在不断进步，研究人员和工程师已经开发出 多种模型剪枝、量化和知识蒸馏技术，这些技术可以显著减少模型的大小，而不会过多影响其性能。 端侧模型的一个重要应用是在隐私保护方面。由于数据处理直接在本地完成，敏感信息无需上传到 云端，这减少了数据泄露的风险，并符合越来越严格的数据保护法规。此外，端侧模型还能在没有网络 连接的环境下工作，这对于那些网络连接不稳定或希望降低数据使用成本的用户尤其有价值。 当前微软、谷歌与苹果发布了各自的端侧小模型，微软的 Phi-3 的性能与 Mixtral-8x7B 相媲美。在 实际应用中，端侧 AI 模型已经被应用于多种场景，如智能家居设备中的语音助手、智能手机上的面部识 别解锁、健康监测设备中的实时数据分析等。这些应用不仅提升了用户体验，还推动了相关行业的技术 革新。随着端侧计算能力的进一步增强和 AI 技术的持续发展，端侧模型将在更多的领域中发挥重要作 用，特别是在需要实时处理和高隐私要求的应用场景中。同时，跨设备的 AI 模型协同工作也将是未来发 展的趋势之一，这将进一步拓展端侧模型的应用范围和深度。

1.2 算力芯片快速升级，高端产能于周期底部积极扩产

1.2.1 英伟达 Blackwell提升算力性价比，关注 AI 服务器新的机架式设计带来的机会

2024 年 3 月，英伟达在 GTC 会议上发布以 Blackwell 架构为基础的新产品线，产品性能迎来大幅提 升，同时推出新型机架式 AI 服务器产品 GB200。Blackwell架构在单芯片训练方面的 FP8性能是其上一代 Hopper 架构的2.5倍，在推理方面的FP4 性能是其上一代Hopper 架构的5倍，采用台积电N4P工艺节点， 提供高达 20 petaflops FP4 的算力。与 H100 相比，B200 的晶体管数量是其 2 倍多，单个 H100 最多提供 4 petaflops 算力，B200 实现 5 倍性能提升，大幅优化芯片性能，与此同时算力性价比在快速提升。Grac e Blackwell 超级芯片通过 900GB/s 超低功耗的 NVLink 芯片间互连，在服务器设计上推出了新型机架式 AI 服务器，GB200 服务器成为了英伟达产品的新形态。 继 Blackwell 之后，Nvidia Rubin 平台于 2024 年 6 月 Computex 大会上亮相。该平台具有新的 GPU 架构、新的 ARM 架构 CPU Vera、新的 HBM4 存储颗粒、覆盖 12 颗 HBM4 的更大尺寸 CoWoS 封装，以 及 NVLink6、CX9 SuperNIC 网卡和新一代融合 IB网络与以太网的新型交换机 X1600。

1.2.2 先进制程、先进封装积极扩产，AI带动半导体进入新的成长期

制程迭代是芯片算力提升的关键因素，AI 算力需求的爆发催生了对先进制程的强需求。AI 大模型发 展对芯片算力提出更高要求，未来更成熟的 AGI 模型所需算力是现在 GPT-4 所需算力的 1 万倍。而解决 高算力需求的一种方案是采用更为先进制程的芯片，因为芯片制程越先进，功耗越低、计算速度越快。 如 2nm 芯片功耗约为 16nm 芯片的 10%，而性能约为 16nm 芯片的 2 倍以上。台积电估计其即将推出的 N2P 节点的功耗可能比 N3E 节点低 30-40%。目前头部 Fab 厂下一个最先进的工艺节点均为 2nm，如台积 电计划将其 2nm 工艺于 2025 年下半年投产，三星计划在 2025 年实现移动应用领域的 2nm 量产，英特尔 等效台积电 2nm 芯片工艺 Intel 20A预计 2026 年量产。

服务器需求将超过智能手机成为先进制程最主要的驱动力。历史上，智能手机的迭代更新推动了芯 片制程的不断演进，但随着 AI 应用的计算需求上升，服务器成为主要的算力中心，且对高算力的追求使 得其对先进制程呈现出越来越高的需求，AI 芯片功耗较高，且需要更小的尺寸，因此 AI 芯片对先进制程 的迫切需求将推动服务器需求成为先进制程最大的驱动力。Sumco 估计，在 AI 服务器出货量强劲增长的 推动下，服务器对先进制程晶圆的需求量最快将在今年超过智能手机。

在 2nm 制程领域，预计台积电市占率将达 4 成以上，英特尔达 3 成以上。目前 2nm 的主要玩家包括 台积电、英特尔和三星，台积电将在位于台湾新竹和高雄的工厂增加 2nm 产能，亚利桑那州的两个晶圆 厂也将增加 2nm 产能。英特尔在亚利桑那州新建两个 2nm 晶圆厂，在俄亥俄州的两个晶圆厂也将提供支 持。三星可能会在韩国和美国的晶圆厂增加 2nm 产线。根据产能规划，预计将来在 2nm 制程领域，台积 电产能将占 40%以上，英特尔占 30%以上。

先进制程面临物理约束瓶颈，CoWoS、HBM 等先进封装成为提高芯片性能的重要解决方案。AI 大 发展使得算力需求爆发式增长，提高芯片算力的一种方案是采用更为先进的制程，但由于量子隧道效应， 5 年内芯片制程将在 1.4nm 附近遇到物理瓶颈，因此先进封装成为另一种提高芯片算力的重要解决方案。 3D 封装通常特指芯片通过 TSV 直接进行高密度互连，典型的案例即 HBM。同时 3D 封装也包括 3D without TSV：虽然多颗芯片在物理结构上呈现 3D 堆叠形态，但其电气互连上均需要通过基板（除极少数 通过键合线直接连接的键合点），即先通过键合线/凸点连接到基板，然后在基板上进行电气互连，而非 TSV。在某些场景下，此类集成也被归类为 2D+集成以与 3D TSV进行区分，典型案例即 TSMC 的 InFO_PoP。

CoWoS 为 HPC 和 AI 计算领域广泛使用的 2.5D 封装技术。台积电早在 2011 年推出 CoWoS 技术，并 在 2012 年首先应用于 Xilinx 的 FPGA上。此后，华为海思、英伟达、谷歌等厂商的芯片均采用了 CoWoS， 例如 GP100（P100 显卡核心），TPU 2.0。如今 CoWoS 已成为 HPC 和 AI 计算领域广泛应用的 2.5D 封装技 术，绝大多数使用 HBM 的高性能芯片，包括大部分创企的 AI 训练芯片都应用 CoWoS 技术。

SoIC 具有尺寸减小和性能提高优势，采用超高密度垂直堆叠，实现高性能、低功耗和最小的 RLC， 支持亚 10 微米键合间距的高密度芯片间互连。目前 SoIC 技术有 SoIC-X（无凸点）和 SoIC-P（有凸点） 两种实现形式。SoIC-X 用于高性能设备，如 AMD 的 3D V-cache 和 Instinct MI300 AI 产品。预计到 2027 年可以组装出顶部为台积电的 A16、底部为台积电 N2 的芯片。通过 3 微米键合间距的 TSV连接，密度是 目前 9 微米间距的三倍。SoIC-P 设计用于低成本应用，采用 25 微米微凸点技术。台积电计划在 2025 年推 出 F2B SoIC-P 技术，用于将 0.2 光罩大小的 N3 顶部芯片与 N4 底部芯片配对，使用 25 微米间距微凸点连 接。到 2027 年，台积电将推出 F2F 有凸点 SoIC-P 技术，能够将 N2 顶部芯片与 N3 底部芯片配对，间距 为 16 微米。改进的混合键合技术旨在使台积电的大型高性能计算客户（如 AMD、Broadcom、Intel、 NVIDIA等）能够为苛刻应用构建超高密度的处理器设计，芯片间距和总占地面积至关重要。

NVIDIA和 AMD已预订 2024和 2025年的全部 SoIC产能。NVIDIA的 Blackwell架构 AI 芯片和 AMD 的 MI300 系列 AI 加速器都将采用 SoIC 技术，显著提升计算能力和效率。苹果计划在 2025 年大规模采用SoIC 技术，用于 AI 服务器和 M 系列芯片。2023 年 SoIC 的产能约 2000 台，台积电计划到 2024 年底，将 SoIC 产能提升到五千至六千台，2025 年底提高至一万台，是 2023 年的五倍。 AI 持续高景气带动 CoWoS 需求不断提升。2023 年一季度以来，AI 服务器的需求不断增长，促使台 积电 CoWoS 封装产能紧缺，台积电董事长刘德音在 2023 年股东会上表示，由于 AI 需求增加，先进封装 需求远大于目前产能，迫使公司要尽快增加先进封装产能。 HBM 3D 堆叠提升内存性能，GPGPU上应用广泛。随着数据的爆炸式增长，内存墙对于计算速度的 影响愈发显现。为了减小内存墙的影响，提升内存带宽一直是存储芯片聚焦的关键问题。如同闪存从 2D NAND 向 3D NAND 发展一样，DRAM 也正在从 2D 向 3D 技术发展，HBM 为主要代表产品。与传统 DRAM 不同，HBM 是 3D 结构，它使用 TSV技术将数个 DRAM 裸片堆叠起来，形成立方体结构，与传 统内存相比，HBM 的存储密度更大、功耗更低、带宽更高。目前 HBM 多用于与数据中心 GPGPU配合 工作，可以取代传统的 GDDR。

预计 2028 年全球先进封装市场规模增至 786 亿美元，2022-2028年 CAGR 达到 10.0%。根据 Yole 数 据，2022 年全球封装市场中，先进封装占比已达到 47%。预计到 2028 年，先进封装市场占比将增至 58%，规模约为 786 亿美元，2022 年-2028 年 CAGR 约为 10.0%，明显高于传统封装市场的 2.1%和市场 整体的 6.2%。

全球晶圆代工龙头台积电打造全球 2.5D/3D 先进封装工艺标杆，未来几年封装市场增长主要受益于 先进封装的扩大。台积电在先进封装上已取得了可观的收入体量，技术布局也进入关键节点，未来投入 规模将持续加码。在 OSAT 厂商中，日月光 VIPack 先进封装平台包含六大核心技术，安靠推出 FCMCM （倒装多晶片模组）、2.5D（TSV）等五大先进封装解决方案。国内长电先进聚焦 bumping，Fan-out CSP晶圆级等先进封装，通富微电在 2.5D/3D 先进封装保持国内领先，深科技专注存储封测领域，并聚焦倒 装工艺（Flip-chip）、POPt 堆叠封装技术的研发。

1.2.3 内存带宽成为算力卡口，HBM 需求紧迫迭代迅速

算力芯片配套 HBM壁垒高，国内部分厂商具备相关技术储备。TrendForce数据显示，2022年三大原 厂HBM市占率分别为SK海力士50%、三星电子约40%、美光约10%。NVIDIA H100、A100主采HBM2e、 HBM3，H200 主采 HBM3e。以 H100 为例，搭载 HBM3 技术规格，其中传输速度也较 HBM2e 快，可提 升整体 AI 服务器系统运算效能。国内方面，目前没有能够生产符合 HBM 要求的内存颗粒厂商，封测、 材料、设备等供应商具备相关技术储备。

从 HBM的生产工艺来看，DRAM颗粒为定制的 DRAM颗粒，工艺难点在于封测。TSV、大规模回 流模塑底部填充（MR-MUF）、自对准、混合键合等工艺很大程度上影响 HBM 的性能和良率。 （1）TSV：不采用传统的布线方法来连接芯片与芯片，而是通过在芯片上钻孔并填充金属等导电材 料以容纳电极来垂直连接芯片。制作带有 TSV 的晶圆后，通过封装在其顶部和底部形成微凸块（Mic ro Bumping），然后连接这些凸块。由于 TSV 允许凸块垂直连接，因此可以实现多芯片堆叠。最初，使用 TSV 接合的堆栈有 4 层，后来增加到 8 层。最近，一项技术使得堆叠 12 层成为可能，SK 海力士于 2023 年 4 月开发了其 12 层 HBM3。虽然 TSV倒装芯片接合方法通常使用基于热压的非导电薄膜（TC-NCF）， 但 SK海力士使用 MR-MUF 工艺，可以减少堆叠压力并实现自对准。这些特性使 SK海力士能够开发出世 界上第一个 12 层 HBM3。

（2）MR-MUF：将半导体芯片堆叠起来，并将液体保护材料注入芯片之间的空间，然后硬化以保护 芯片和周围电路的工艺。与在每个芯片堆叠后应用薄膜型材料相比，MR-MUF 是一种更高效的工艺，并 提供有效的散热。目前 SK海力士主要使用 MR-MUF 工艺生产 HBM2e/3/3e，使得其领先于三星电子和美 光，后者主要采用 TC-NCF工艺。MR-MUF工艺需要使用液态环氧树脂（EMC），目前全球仅日本 namic s 独供。除 EMC 外，HBM 封装还需要底部填充胶用于 FC 工艺，采用 PSPI 作为硅中介层中 RDL 的再钝化 层，还需要 IC 载板、DAF、Solder ball等材料。

（3）自对准：在MR-MUF工艺期间通过大规模回流将芯片重新定位到正确的位置。在此过程中，热 量被施加到芯片上，导致相关凸块在正确的位置熔化并硬化。 （4）混合键合：C2W 混合键合具有多种优势，①允许无焊料键合，减少键合层的厚度、缩短电气路 径并降低电阻。因此，小芯片可以高速运行，就像单个芯片一样。②通过直接将铜与铜接合，可以显着 减小凸块上的间距。目前，使用焊料时很难实现 10 um 或更小的凸块间距。然而，铜对铜直接键合可以将 间距减小到小于 1um，从而提高芯片设计的灵活性。③先进的散热功能。④上述的薄粘合层和细间距影 响了封装的形状因数，可以大大减小封装尺寸。目前混合键合主要用于单层键合或两个芯片面对面堆叠， SK 海力士 2022 年用混合键合完成了 8 层 HBM2e 的堆叠，正在开发用于更高密度、高堆叠 HBM 的混合 键合。

供需持续紧缺，HBM挤压 DRAM产能。从需求端看，云计算厂商将更多资本开支投入 AI 基础设施， 2024 年 CSP 的资本开支增速在 30-40%，主要来自 AI 推动，传统服务器需求基本持平，预计 2025 年 CSP 资本开支维持大幅增长。算力需求的快速增长，算力卡的数量和配置快速升级，最终带来的是算力芯片 和 HBM 需求的快速增长。结合海外存储厂商和咨询机构的预测，我们认为 2024 年 HBM 市场规模达到 160 亿美金，同比增长 300%，2025 年达到 320 亿美金，同比增长 100%。从供给端看，HBM 供应仍然紧 缺，在传统 DRAM 库存修正的情况下，HBM 由于 AI 服务器的强劲需求，挤占 DRAM 产能的现象还在持 续，涨价持续。 HBM快速迭代，HBM4即将进入流片阶段。结构上，2025年HBM3e将占据主导，根据SK海力士， 2024 年其 HBM3e 收入将占 HBM 收入一半以上，2025 年 12 层 HBM3e 供给量将超过 8 层产品，12 层 HBM4 计划于 25H2 发货。（1）HBM3e：三大原厂相继推出 12Hi产品，这些 12Hi 的 HBM 预计用在英伟 达的 B300A（B200A Ultra）和 B300 上。（2）HBM4：三星、海力士计划 24Q4 开始 HBM4 的流片，预计 2026 年用在英伟达下一代的 Rubin 芯片上。

1.2.4 高速光模块 PCB持续升级，CPO 方案短期影响有限

光模块（Optical Modules）作为光纤通信中的重要组成部分，是实现光信号传输过程中光电转换和 电光转换功能的光电子器件。光模块的工作原理如图：发送接口输入一定码率的电信号，经过内部的 驱动芯片处理后由驱动半导体激光器（LD）或者发光二极管（LED）发射出相应速率的调制光信号， 通过光纤传输后，接收接口再把光信号由光探测二极管转换成电信号，并经过前置放大器后输出相应 码率的电信号。电信号要转化为光缆可传输的光信号则需要一个转化器件，这就是光模块。 从结构上看，光模块由三大部分组成，分别是光电器件（TOSA/ROSA）、贴有电子元器件的电路 板（PCBA）和 LC、SC、MPO 等光接口（外壳）。

光模块 PCB 成本占比在 3-5%,速率传输区 PCB 设计和基材选材和影响光模块传输速率 光模块 PCB是光模块中的关键组件，它承载着复杂的高速信号传输任务。根据中际旭创招股书披 露，光模块成本主要由光器件、电路芯片、PCB板以及外壳构成。其中，光器件占光模块成本最高，在 70%，电路芯片 15-20%，PCB成本占比在 3-5%。 从结构上看，光模块 PCB基本都可以分为四个区域，分别是接口区，信号传输区，电芯片 BGA区 与及光芯片 Bonding 区。 （1）接口区：接口区也即是经常所说的“金手指”，PCB上为电连接口，作用为将光模块内电信号 与外接设备电信号进行互换传输的区域。作为接口，它须与插入的设备进行适配，因而其在物理形态会 因为数据传输特定的要求的有一定变化。 （2）速率传输区：速率传输区起到连接接口区和电芯片区域的作用，其是影响光模块传输速率极为 重要的部分。通常来说，不同封装方式，调制方式的光模块（本质反应的是光模块的传输要求）对速率 传输区内传输线的数量与单通道的传输速率均有特定的要求。以 400G 光模块为例，其主要采用 QSFPDD 或 OSFP 封装，8 收 8 发，单通道传输 50Gbps，采用 PAM4 调制，有效提高了信号传输效率。 PCB 基材选型与设计影响光模块传输速率，采用 mSAP 与 SLP 工艺。与速率传输区关联最大的是 PCB基材的选型，不同协议下对应的材料等级案例。与速率传输关键的另一大重要因素即为信号传输线 的设计，随着速率的提升，由于传输协议的限制，光模块的功能密度也在不断增加，因此 PCB层数也在一直增加，同样由于板厚在协议中的规定，每层的介厚也在不断减少，由于匹配阻抗，传输线线宽也不 断收窄。由于金手指互联与孔传输的反射要求，综合种种因素，导致高端光模块 PCB必然走向任意层互 联及 SLP 或 mSAP 工艺。 （3）芯片连接区。芯片连接区包含电芯片（DSP）封装区与光芯片 Bonding 区。

光模块速率持续升级，PCB 配套高速化、高散热、细线化设计： 展望未来，光模块的发展主要是伴随着应用市场对其高传输速率、小尺寸封装、低功耗、长距离的 要求而发展。这也就对应其对 PCB的要求，也即是高速化、微孔细线化、高散热性。 根据方正科技官网，其 800G 光模块产品 PCB构成如下：根据方正科技官网数据，该 800G 光模块 PCB层数为 10 层，采用的基材为联茂 EM890K，该基材具有极低的介电常数和损耗因子，且热传导性很 高，有利于提升散热效果。其交货套板尺寸为 85mm* 210mm，但板厚仅有 1.0mm，最小线宽/线隙为 2.5mil/2.5mil。

NPO/CPO 背后底层是基于硅光技术。硅光，是以光子和电子为信息载体的硅基光电子大规模集成技 术，也即是把多种光器件集成在一个硅基衬底上，变成集成“光”路，构成了微型光学系统。 从直接的结果来看，NPO、CPO 与传统的可插拔模式相比，因光引擎嵌入交换机内部，光模块处 PCB减少，直观上会利空光模块 PCB生产企业。 CPO 短期受供应链多因素制约，难以大规模应用，对传统光模块 PCB 企业影响有限。 CPO 技术路径通过减少能量转换的步骤，在相同数据传输速率下可以比传统热插拔光模块减少约 50%的功耗，将有效解决高速高密度互连传输场景下，电互连受能耗限制难以大幅提升数据传输能力的问 题。此外，相较传以 II-V材料为基础的光技术，CPO 主要采用硅光技术具备的成本、尺寸等优势，为 CPO 技术路径的成功应用提供了技术保障。 然而，CPO 短期也有许多亟待解决的关键技术，如何选择光引擎的调制方案、如何进行架构光引擎 内部器件间的封装以及如何实现量产可行的高耦合效率光源耦合。由于目前的技术与产业链尚不成熟等 原因，CPO 短期内难以大规模应用。

其次，CPO 的技术路线在逐步推进的过程中本需要数据中心整体产业链的协同推进，其中涉及到的 环节在现有光模块产业链的基础上预计还需要得到交换芯片及设备厂商，以及各元器件厂商的合作。根 据产业链调研，现阶段不少光模块 PCB企业也在参与光模块企业硅光相关的产品的合作预研。我们认为 即使后续 CPO 方案之间渗透，光模块 PCB企业仍有望在产业链升级的对应环节受益。 高速光模块 PCB 玩家将呈马太效应。光模块 PCB产品具有信号传输速率高，线路密度窄、散热要求 高等特点，在光模块持续向 1.6T/3.2T 升级过程，PCB工艺难度加速提升（mSAP 工艺），具有极高的壁 垒，能够参与的厂商会逐渐变少，马太效应会逐渐显现。此外，在商业模式端，光模块厂商可以选择板 厂，光模块企业市场格局相对集中，因此前期持续深耕头部光模块企业有望持续受益客户端产品的升 级。

1.3 终端创新：巨头加码终端侧 AI 算力，应用落地驱动产业发展

1.3.1 混合 AI 有望成趋势，端侧 AI 价值显现

云边协同的混合式 AI 架构对 AI 的规模化扩展起到重要作用。根据高通《混合 AI 是 AI 的未来》白 皮书，随着生成式 AI 正以前所未有的速度发展以及计算需求的日益增长，AI 处理必须分布在云端和终端 进行，才能实现 AI 的规模化扩展并发挥其最大潜能。与仅在云端进行处理不同，混合 AI 架构可以根据模 型和查询需求的复杂度等因素，在云端和边缘终端之间分配并协调 AI 工作负载。云端和边缘终端如智能 手机、汽车、个人电脑和物联网终端协同工作，能够实现更强大、更高效且高度优化的 AI。

终端侧 AI 具有成本、能耗、可靠性、隐私、安全和个性化优势。 成本优势：AI 推理的规模远高于 AI 训练。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。将一些运算负载从 云端转移到边缘终端，可以减轻云基础设施的压力并减少开支。 能耗优势：边缘终端能够以很低的能耗运行生成式 AI 模型，尤其是将处理和数据传输相结合时。 可靠性、性能和时延：当生成式 AI 查询对于云的需求达到高峰期时，会产生大量排队等待和高 时延，甚至可能出现拒绝服务的情况。向边缘终端转移计算负载可防止这一现象发生。 隐私、安全和个性化：由于数据处理完全在本地进行，终端侧 AI 有助于保护个人信息，以及企 业和工作场所中的机密信息。以本地和云端分别运行 AI 大模型制作行程安排为例，本地 AI 大模 型通过长期学习用户行为，并利用本地存储的信息，可以给出更贴合用户生活习惯、更准确的 建议。相较之下，如果云端模型需要访问用户本地存储的文件、浏览记录等信息再给出个性化 的建议，用户通常较难接受。 边缘侧已具备运行 AI 的实践基础，未来将支持多样化的生成式 AI 模型。在生成式 AI 出现之前，AI 处理已在终端侧获得应用，越来越多的 AI 推理工作负载在手机、PC 等边缘终端上运行。例如 2017 年发 布的华为麒麟 970 首次在手机 SoC 中引入了 NPU，提高设备在图像识别等基于 AI 的功能方面的效率和性能。苹果、三星等厂商也先后跟进，使 AI 算力成为旗舰手机芯片的标配。当下随着终端侧的算力持续提 升，软件侧加强对大模型的蒸馏，边缘端设备逐步具备运行丰富的生成式 AI 功能。例如 Stable Diffusion 等参数超过 10 亿的模型已经能够在手机上运行，且性能和精确度达到与云端处理类似的水平。未来，拥 有 100 亿或更多参数的生成式 AI 模型将能够在边缘端运行。

终端设备有望在 AI 的催化下迎来新一轮创新周期。生成式 AI 正在驱动新一轮内容生成、搜索和生 产力相关用例的发展，覆盖包括智能手机、PC、汽车、XR 以及物联网等终端品类，提供全新的增强用户 体验。以 PC 为例，AI 大模型已能够有效地处理文档撰写和演示文稿制作等任务，完美契合 PC 作为生产 力工具的定位。此外，在以终端为中心的混合 AI 架构中，多数任务能够在 PC 本地运行，既保护隐私， 又能及时响应。新兴的发展趋势有望带动新一轮的产品创新周期，全球科技巨头正加速投入。

1.3.2 AI 手机：软硬件生态落地，驱动换机周期

AI 手机的萌芽期——激增的音频/图像数据处理需求推动了 AI 手机的早期探索。智能手机构建本地 AI 能力历时已久，前期主要用于加速特定任务。在移动互联网和手机智能化发展的促进下，用户对于音 频、图像数据的处理需求快速攀升，而传统的 CPU、GPU 分别存在计算速度慢、能耗高等问题。从 2015 年高通的骁龙 820 首次集成高通 AI 引擎以加速音频处理，到 2017 年华为、苹果分别在麒麟 970 和 A11 中 加入 NPU 模块以加速图像处理，智能手机本地的 AI 算力在不断进步。总体而言，这一时期的 AI 手机主 要利用 NPU 或其他 AI 加速硬件对特定任务如图像处理、语音识别进行加速。这些应用完成了 AI 手机的 早期探索，一定程度上改善了用户的体验，但并没有引入全新的使用场景。

AI 手机新阶段——大模型驱动智能化升级，将成为新一代 AI 手机的核心特点。AI 大模型激发了将 更先进的 AI 能力集成到智能手机中的愿景。AI 大模型，如 GPT-4 表现出在多种任务上的卓越性能，包括 自然语言理解、对话生成和复杂的推理任务。这些模型的复杂性和所需的计算资源远远超出了传统手机 应用的范畴，但它们的成功激发了将更先进的 AI 能力集成到移动设备中的愿景。将 AI 大模型运用到手机 上可能会大大提升手机的智能化程度，使得设备能够执行更复杂的任务，提供更个性化的体验，并更有 效地处理大量数据。例如，手机可以使用 AI 模型来优化语音、图像处理等传统加速任务，并提供高度个 性化的推荐，甚至进行实时的语言翻译和复杂的对话交互。 新一代 AI 手机具备可端侧运行 AI 大模型，且 AI 算力较高的特征。能否通过本地运行 AI 大模型提 升智能化体验将成为新一代 AI 手机发展的关键。根据 OPPO《AI 手机白皮书》的定义，新一代 AI 手机需 要支持包括 Stable Diffusion 和各种大语言模型在内的 Gen AI 模型在端侧运行，而为了更高效地运行大模 型，NPU算力应大于 30TOPS。

AI 手机趋势如下： 1、端云混合：AI 大模型在云端与终端混合运行将是一段时间内的主流解决方案。AI 大模型可以按 照云端运行、终端运行、混合运行三种模式在手机上落地：（1）基于云端运行：云端运行存在时延、隐 私的问题，且企业由于承担推理成本需要考虑 AI 应用推广与商业化的平衡。（2）基于终端运行：手机由 于算力、存储等硬件条件的限制，能本地运行的模型参数量有限，执行的任务复杂度较低。（3）混合运行：综合了前者的优缺点，但或许是当下生成式 AI 规模化扩展的最优解，也是各大厂商 AI 手机普遍采用 的思路。 通过三星 S24 可以窥见 AI 手机端云混合的初级形态。以三星 S24 为例，简易 AI 应用如通话语音翻 译离线运行，复杂应用如文生图、圈选即搜则由 Google 等云端大模型提供支持。

苹果 Apple Intelligence 发布，端云三大模型混合，实现跨应用执行操作能力。2024 年 6 月苹果 WWDC 上展示了 Apple Intelligence，其是 iPhone、iPad 和 Mac 等苹果终端的个人智能系统 AI 平台，支持 端侧、云端大模型同步运行，能够实现苹果自身的跨应用操作、连续对话和上下文理解等功能，其中跨 应用整合是最大的功能亮点，未来苹果将开放 SDK 全方面支持三方应用调用系统 AI。Apple Intelligenc e 的层级具体可描述为“端侧 30 亿参数大模型+私密云端大模型+第三方大模型调用”。前两者为苹果自研， 其中本地模型具备约 30 亿参数，测试得分高于诸多 70 亿参数的开源模型（Mistral-7B 或 Gemma-7B）；云 上模型通过私有云计算部署在在 Apple 芯片服务器上，运行的更大云端语言模型。目前公布的第三方大模 型调用技术支持为 GPT-4o。苹果自研 Apple Intelligence 在性能上已经足以满足到用户的基本需求，因此 Apple Intelligence 在逻辑上会优先使用端侧及苹果私密云端大模型给予用户支持，对于第三方大模型调用 的优先级则后置。

2、本地化 AI：大模型轻量化与硬件性能突破将支撑本地运行更强大 AI 大模型。手机端运行 AI 大模 型需要通过量化、压缩、条件计算、神经网络架构搜索和编译，在不牺牲太多精度的前提下对模型进行 缩减。高通已经将 FP32 模型量化压缩到 INT4 模型，实现 64 倍内存和计算能效提升。高通的实验数据表 明，在借助高通的量化感知训练后，不少 AIGC 模型可以量化至 INT4 模型，与 INT8 相比，性能提升约 90%，能效提升大约 60%。 核心硬件配置升级支撑更高参数量模型的本地化部署。高通、联发科新一代 SoC 在基础性能提升的 同时，对生成式 AI 处理进行了优化，可在手机上直接运行百亿参数模型。各大手机厂商也开始在手机中 配置 12/16G 甚至更高的的 DRAM 容量，为更高参数的大模型运行提供基础。

3、个人慧助：AI 赋能操作系统内核，个人智慧助理式操作系统成为趋势。 手机厂商布局手机操作系统，构筑融合 AI 的基础。谷歌安卓系统以开源特性和丰富应用生态，占据 主导地位。苹果 iOS系统以封闭生态圈和出色的用户体验赢得大量用户的青睐。华为鸿蒙操作系统奋起直 追，主打分布式能力。其他手机厂商也纷纷打造自家操作系统，强化技术独立的同时构筑搭载系统级 AI 的基础。 AI 赋能操作系统创新，打造个人智慧助理式操作系统。AI 手机操作系统竞争再度升级，手机操作系 统不再局限于界面和应用，而是向更智能、个性化的方向迈进。未来有望通过自研端侧大模型赋能操作系统“个性化成长”，加持意图识别人机交互，基于用户自己的行为和数据去学习和理解他的意图，形成个 人智慧助理式个人化操作系统。AI agent（具备交互、搜索、翻译、个性推荐、日程管理等能力）、跨应 用功能统一调用、用户隐私保护、个性化和自适应等将成为 AI 操作系统的重要特征。AI 赋能操作系统带 动智能手机竞争从硬件拓展至软件体验。

4、竞争格局：“堆叠硬件”竞争局限有望被打破，大模型能力决定红利分配。 AI 手机发展将推动智能手机市场进入新的竞争阶段。随着华为在市场上的重新崛起，防守市场份额 并投资开发全新的亮眼功能成为其他厂商聚焦重心，AI 成为关键因素，有望打破原有“堆叠硬件”的竞争 局限，刺激创新加速并深刻改变商业模式，大模型能力决定红利分配方式。 高度个性化体验推动创新，AI 算法和硬件的优化适配成为重点。AI 手机可以根据用户的习惯和偏好， 自动调整手机设置，推荐相关内容，甚至预测用户需求，高度个性化的体验将推动厂商在软件和服务上 进行更多创新，如图像识别、语音交互、健康监测等，为厂商提供新的竞争领域，厂商之间的竞争将不 再仅仅局限于硬件规格，还包括如何优化算法和硬件配合以更好地支持 AI 应用。 手机厂商与大模型厂商竞合并存，市场发展红利进一步向头部集中。一方面，手机厂商与大模型厂 商合作，大模型厂商借助手机厂商的渠道和用户基础推广技术并变现，手机厂商利用大模型厂商的技术提升品牌价值和产品竞争力。另一方面，手机厂商希望拥有自主 AI 技术保持独立性和竞争优势，与专门 提供 AI 服务厂商形成竞争。而不同于堆叠硬件的简单粗暴模式，培育优质大模型周期长、成本较高，未 来市场格局或将向头部手机厂商自研 AI，头部大模型厂商赋能尾部手机厂商（不排除会如 SOC 出现高通、 联发科一样出现独大的大模型厂商）方向演变，市场发展红利将向头部手机厂商与大模型厂商集中。

AI 大模型与智能手机结合有望驱动新一轮换机周期。重大创新是手机换机潮的核心驱动力。2007 年 iPhone初代发布，再到 2010年 4G兴起，智能手机与功能手机的使用体验拉开明显差距，智能手机因此开 始大范围取代功能手机，出货量进入持续多年的快速增长期。此后，智能手机在摄像头、屏幕等硬件设 计上继续微创新。而近几年智能手机无论是革命性的还是微创新都陷入瓶颈，换机周期大幅拉长，根据 TechInsights，2023 年全球智能手机换机周期创新高（51 个月），换机率创新低（23.5%）。AI 技术正为智 能手机市场注入新的活力。若 AI 手机实现使用体验的革命性创新，将复刻智能手机取代功能手机的高速 增长。通过融入 AI 大模型，新一代 AI 手机有望改善用户体验、创造差异化竞争优势，成为缩短手机换机 周期和加速市场复苏的关键驱动力。

2024年全球智能手机出货量反弹，2025年有望继续增长。全球智能手机 2023年出货量约 11.7亿台， 同比下降 3.2%。过去三个季度，全球及中国智能手机出货量恢复，根据 IDC，24Q1-Q3 全球智能手机出 货量同比分别增长 11.9%、9.0%、4.0%，中国市场的出货量同比分别增长 6.5%、9.2%、3.2%。随着消费 温和复苏，折叠屏等新品起量以及 AI 赋能，2024 年全球智能手机市场回归增长的正轨，预估 2024 年全 球智能手机出货量将恢复到约 12 亿部，同比增长 2.8%。2023 年中国智能手机出货量约 2.7 亿台，同比下 降 5.0%，创近 10 年以来最低出货量，预计 2024 年中国智能手机市场出货量有望恢复到约 2.8 亿台，同比 增长 2.3%，将实现 2021 年以来首次同比增长。展望 2025 年，各家旗舰机引入 AI 大模型，以及 AI 向中 低价位机型下沉，或刺激消费者换机需求，智能手机出货量有望维持增长。

从 AI 手机看，AI 手机由高端机型向中端机型渗透，渗透率将快速提升。2023 年，安卓阵营具有 AI 算力并支持本地运行 AI 大模型的机型包括三星 S24、vivo X100、OPPO Find X7 等，上述机型均为搭载高 通、联发科旗舰芯片的高端手机。2024 年，小米 15、vivo X200、荣耀 Magic7 等安卓旗舰手机搭载了新一代高通和联发科处理器，并将内存、散热、电池等硬件进一步升级，以应对手机日益增长的端侧算力 需求和配套硬件性能。苹果的部分机型（iPhone 15pro 及之后的机型）也在 2024 年 10 月的 IOS18.1 更新 中支持了 Apple Intelligence，苹果部署了端侧小模型和云端大模型，预计 IOS18.2 引入 ChatGPT。我们预 计随着各大品牌手机内嵌大模型，并且大模型开始真正能够解决用户部分需求而不单单是噱头，2025 年 AI 手机的渗透率也将快速提升。 从 2024 年起，新一代 AI 手机出货量将大幅增长。根据 OPPO《AI 手机白皮书》，2024 年全球新一代 AI 手机出货量将达到 1.7 亿台，占全球手机市场 15%；2024 年国内出货量将达到 0.4 亿台，并在 2027 年 升至 1.5 亿台，占中国手机市场的 51.9%。

智能手机厂商可借助 AI 手机创新及相关卖点推动 ASP 持续增长。全球智能手机市场的 ASP 自 2016 年持续上升，多摄像头、5G 等技术的创新进一步提高了物料成本是背后的重要原因之一。面对换机周期 延长和零部件成本上升的双重压力，智能手机厂商有动力利用 AI 特性来区分其产品，吸引寻求最新技术 和最佳性能的消费者，以支持价格调整并促进 ASP 的增长。

从 AI 的跨应用执行操作能力看，苹果生态具有天然优势。虽然安卓旗舰机型早在 2023年下半年就搭配了高通骁龙 8Gen3 和联发科的天玑 9300，支持端侧 70 亿及以上参数的大模型，从硬件上较快完成了配 置升级。但由于芯片、大模型、APP、系统的各自独立，安卓厂商在软硬件一体化上打通各环节的速度较 慢。苹果基于操作系统、芯片、大模型、终端的一体化优势，并把握了用户入口和流量分发，且有能力 快速将 AI 推广至 Macbook、iPad、Airpods、Watch、智能家居等，形成统一、闭环的生态。 从硬件看，AI+iPhone 将推动 iPhone 进行一轮大的换机周期。换机周期取决于：（1）存量用户换机 周期拉长至近年来最长，根据 TechInsights，2023 年全球智能手机换机周期创新高（51 个月），换机率创 新低（23.5%）；（2）iPhone 保有量创下历史新高，根据 statistics，iPhone 全球保有量从 2015 年的 5.7 亿部 增长至 2023 年的 14.6 亿部，而其中满足 Apple Intelligence 硬件要求的 iPhone15 Pro 和 iPhone15 Pro Max 的保有量不足 1 亿台；（3）Apple Intelligence 将打通多端生态应用的边界，AI+iPhone 将刺激消费者的换 机欲望。复盘 iPhone 历史的销售量和 ASP，可以看出，随着 iPhone 本身功能的迭代升级， iPhone ASP 在 逐年提升。

AI 技术融入 iPhone 将加速硬件规格的升级，BOM成本在持续提升。为了在本地运行 AI 大模型，智 能手机的 SoC 必须提升处理能力，例如集成专门的 AI 处理引擎，存储容量也需相应增加。此外，还需要 更大容量的电池和更先进的电源管理芯片、更高质量的摄像头传感器和光学组件、更强的散热和射频性 能。AI 将加快智能手机硬件规格的升级，从而带来整机成本的提升。2024年 6月 Apple Intelligence发布， 9 月 iPhone 16 发布，10 月底 IOS18.1 更新，iPhone 正式搭载端侧大模型。由于 AI 的融入，iPhone16 硬件 继续升级，预计 iPhone17 硬件有更大幅度升级，iPhone BOM 成本提升，零部件厂商迎来量价齐升。

1.3.3 AI PC：硬件算力与系统级 AI 功能逐步完善，AI PC 出货量有望快速提升

AI PC 将是 AI 终端重要落地应用场景，产业龙头已明晰新一代 AI PC 标准。AI 大模型已能够有效地 处理文档撰写和演示文稿制作等任务，完美符合 PC 作为生产力工具的定位。此外，在以终端为中心的混 合 AI 架构中，多数任务能够在 PC 本地运行，既保护隐私，又能及时响应。新兴的发展趋势有望带动新 一轮的产品创新周期，自 2023 年下半年开始，英特尔、高通、微软及一众 OEM 厂商都在积极推动 AI PC 的发展。初期，处理器包含 NPU模块的电脑即为 AI PC。2024 年 5 月，微软发布了 Copilot+PC，明确了 Windows 系统中的新一代 AI PC 标准： （1） 设备必须配备 NPU、CPU和 GPU，NPU算力应当大于 40 TOPS； （2） 设备存储需要配备 16GB RAM 和 256GB ROM； （3） 设备需要支持微软的 Copilot；（4） 设备上之别配有 Copilot 物理按键。

硬件端算力与内存规格快速升级，筑实端侧 AI 应用运行的基础。 （1）NPU从无到有，AI 算力快速提升超越基准线：苹果最早在 PC 处理器上加入 NPU模块，M4系 列的 NPU算力达到 38 TOPS，相比前三代有明显提升。高通的 X-Elite/Plus 系列，NPU算力为 45 TOPS， 成为首批满足 Copilot+PC 标准的处理器，于 2024 年 6 月上市。2023 年 Intel的 Meteor Lake 系列、AMD 的 Phoenix 系列和 Hawk Point 系列成为旗下首款搭载 NPU的 PC 处理器，但上述产品的 NPU算力介于 10-20 TOPS 之间，并不满足微软主导的 AI PC 标准。2024Q3，Intel推出了 Lunar Lake（酷睿 Ultra 200V）系列 处理器，NPU 算力最高达 48 TOPS，整体 AI 算力最高达 120 TOPS；AMD 推出了 Stirx Point（Ryzen AI 300）系列处理器，NPU算力最高达 50 TOPS。Windows 阵营的 PC处理器厂商全部完成了达成 Copilot+PC 标准的产品线迭代。此外，联发科正与英伟达合作开发 AI PC 处理器，预计将于 2025 年底实现量产。

（2）异构算力单元推升综合 AI 算力，协同运作满足多样化需求：NPU、CPU和 GPU的异构算力单 元已成为 AI PC 处理器的标配。专为执行特定 AI 任务设计的 NPU能使用比 CPU、GPU 更具能耗效率的 方式执行新一代 AI 应用。GPU 因其通用性强、算力高的特点，仍是当下 AI PC 处理器 AI 算力的主要来 源，多数高负载 AI 任务仍依赖 GPU运行。以 Intel Lunar Lake 为例，NPU算力达到 48 TOPS，GPU算力 则达到 67 TOPS。在此基础上，PC 还可加装独立 GPU提供额外算力。根据 Intel的预测，2024 年-2025 年 期间，AI PC 约 40%的负载都将通过 GPU执行，NPU执行的比例将从 25%提升至 30%，CPU执行的比例 则从 35%下调至 30%。

（3）内存规格持续提升：PC 端部署本地 AI 模型，需要足够大的内存将整个模型保存在其中，同时 CPU/GPU 和内存之间的带宽也是影响端侧大模型表现的参数。微软定义的 Copilot+PC 要求内存容量最低 为 16GB，搭载 Intel、AMD 新款处理器的 Copilot+PC 已普遍将内存提升至了 32GB，为 AI 模型的部署留 下充足余量。苹果为了 Apple Intelligence 在 Mac 端的应用，也放弃了 8GB内存。2024 年 10 月更新的 M4 版的 iMac、Mac Mini、Macbook Pro，基础内存配资全部从 8GB增加到了 16GB，同时苹果宣布 M2、M3 版的 Macbook Air 机型现标配 16GB内存，且起售价维持不变。Intel Lunar Lake 还采用了同苹果 M 系列一 样的 MoP（Memory on Package）封装方案，内存与处理器之间的距离缩短，大大减少了数据传输的延迟 和功耗。

AI PC 端侧应用处于起步阶段，但其迅速发展的势头和大模型的潜力开启了爆款应用诞生的可能性。 目前主流的边缘 AI 示例主要涵盖：（1）人机交互：如 AI 虚拟助手的语音或文字交流；（2）文本创作：撰 写演讲稿、文章等；（3）多媒体创作：涉及音频、图像、视频素材的编辑与创新；（3）跨模态生成：文 生图、语音转文字等；（4）增强应用软件：例如会议视频人像背景分离，游戏体验个性化等。随着开发 者队伍的壮大，边缘 AI 应用的数量预计将快速增长，高通指出 AI 在终端的应用示例已从去年的 1-2 个增 长至数百个，预计 2024 年将达到上千个。在此发展势头下，鉴于边缘端 AI 应用除了其本质的延迟性和隐 私保护优势外，也展现出了更广泛的能力，例如在生产力方面，具有大幅提升效率的潜力；在娱乐、私 人助手的角度，具有深度个性化的特点。这种全面的能力为未来爆款应用的诞生提供了坚实基础。 在 Wintel 体系稳固的 x86 PC 领域，微软为 AI PC 发展的主导。作为 Windows 操作系统的开发者， 微软独具优势，能够在操作系统层面集成 AI 大模型。这种集成不仅使得操作系统能够提供个性化的 AI 助 手，还允许其他应用调用这些模型，实现更自然的 AI 交互，同时确保个人隐私的安全。

微软正持续定义和开发系统级 AI 应用。在 2024 年开发者大会上，微软公布了包括系统级 AI 应用在 内的多项新进展： （1）在系统级 AI 层面，微软已将 AI 功能遍及文件浏览器、图片浏览器、系统设置、通知以及各类 系统级应用。以系统级的翻译能力为例，PC 端任何程序中播放的音频、视频都可以被实时翻译成 40 多种语言。在图像编辑方面，Copilot 将支持本地生成和优化图像，视频画面实时增强等功能（例如 延伸接触、语音聚焦）。（2）Copilot 获得了 OpenAI GPT-4o 的云端支持，首次具备了“读屏”能力，实现上下文感知和视觉感 知功能，例如 Copilot 可理解屏幕端的游戏画面并给出操作建议。 （3）基于系统级的 AI 功能和“读屏”能力，微软发布了召回（Recall）应用——用户可用自然语言回 溯屏幕显示过的任何内容，重新定义 Windows 搜索功能。召回应用有一个时间轴，用户可以直接拖 动找到自己需要的那个准确时间点，并直接暂停、删除 AI 记录的内容，还可以设置白名单过滤掉指 定的应用程序或网站。召回应用可以完全在端侧运行，不需要上云，以保护用户隐私。

苹果软硬件一体化开发，发力系统级AI与垂直领域AI增强用户体验。苹果通过自行研发操作系统、 芯片、大模型和终端设备，展现出强大的一体化优势。苹果擅长通过系统级整合将复杂技术化繁为简， 使 AI 功能自然融入用户的日常体验。集成了 Apple Intelligence的 MacOs Sequoia不仅可以实现高效的系统 级 AI 应用，还能够与 iPhone、iPad、AirPods 等设备协同工作，形成统一闭环的跨设备生态体系。在系统 级 AI 应用方面，苹果已在 MacOS Sequoia 中引入了全系统可调用的新工具——Writing Tools。该工具支持 用户在邮件、备忘录、Pages 文稿以及第三方应用中对文本进行重写、校对和总结，从而提升效率。而在 专业软件领域，苹果则为独立应用引入了专用 AI 功能，例如 Final Cut Pro 新增了自动添加字幕和智能抠 图等功能。这种系统级 AI 和垂直领域专用 AI并行推进的策略不仅满足了普通用户的日常需求，也增强了 专业创作者的生产力。

NPU已成为新款处理器标配，具备 NPU的 AI PC 渗透率加速提升。Arm 阵营的高通、苹果，x86阵 营的 Intel、AMD，都在其新款处理器产品中加入了 NPU，且未来的产品升级路线图表明，NPU已成为标 配。随着新产品上市对老产品逐步形成替代，可以预见未来具备 NPU的 PC将占据绝大部分新机出货量， 具备 NPU的 AI PC（宽泛标准下的 AI PC）渗透率也将快速提升。根据 Canalys 的统计数据，2024Q3 全球 具备 NPU 的 AI PC 出货量已达到 1330 万台，环比增长约 51%，占当季 PC 总出货量的 20%。其中， Windows 的市场份额从上一季度的 41%上升至 53%，首次超过 MacOS。根据 TechInsights 的预测，具备 NPU的 AI PC 渗透率将在 2024 年开始持续提升，从 2024 年的 29%增至 2029 年的 95%。

符合 Copilot+PC 标准的新一代 AI PC 将从高端产品线开始渗透。除去苹果，目前 Windows 阵营中符 合 Copilot+PC 标准的处理器包括高通 X Elite/Plus，AMD 的 Ryzen AI 300 与 Intel的 Lunar Lake。2024Q3， 搭载 Snapdragon X 系列芯片的 Copilot+PC 迎来了其首个完整的供应季，而 AMD、Intel 符合 Copilot+PC 标准的新一代处理器也启动上市，共同推动 Copilot+PC 出货量开启增长。目前已上市的 Copilot+PC 起售 价普遍在 1000 美元以上，从高端机型开始渗透。根据 IDC 数据，2023 年约 33%的笔电价格高于 1000 美 元，排除苹果后的比例约为 22%。2025 年将是 Copilot+PC 首度有一整年在销售，因此我们预计 2025 年笔 电中的 Copilot+PC 出货量渗透率将突破 20%。

AI PC 催化换机将使上游零部件受益，核心环节具有价值量提升机会。 处理器：AI 大模型全部或者部分能力在本地运行，都需要更强大的处理能力，对处理器提出了更高 的性能要求。因此，不仅 CPU 和 GPU 需进行升级以应对增强的计算需求，而且 NPU 可能成为标配，无 论是作为 SoC 模块的一部分还是作为外挂组件，其性能需求都需要提高。 存储：（1）DRAM：不考虑内存硬件压缩等技术的前提下，70 亿参数大模型采用 INT8 精度推理大约 需要 14GB DRAM。而且为确保整体流畅性，还需冗余量兼顾操作系统和其他软件的常驻内存。因此 DRAM 容量具有明确的升级机会，微软的 Copilot+PC 已将 DRAM 下限定为 16GB，TrendForce 数据显示 2023 年 PC 的平均 DRAM 仅为 10.6GB，随着 AI PC 的普及，全球 PC 平均 DRAM 容量将持续升级。（2） NAND Flash：鉴于未来操作系统与第三方软件可能分别集成大模型，同时大模型参数量将持续提升，终 端设备将需要更高的 NAND Flash 容量用于长期存储。

1.3.4 AI+硬件百花齐放，眼镜、耳机、音箱等产品迎来全新发展机遇

“AI+硬件”模式在办公、娱乐、教育等领域百花齐放，未来有望在更多场景以更多品类形式进行应 用。随着 AI 大模型逐步成熟，几乎所有硬件产品都可以加入 AI 元素来提升表现能力。在 AI 大模型向着 多模态、端侧应用逐步发展背景下，“AI+硬件”在各类应用场景落地，催生出多种品类。 AI 眼镜市场迎来爆发元年，多方玩家开始积极布局。2023年 9 月，Meta 与雷朋合作推出了名为 RayBan Meta 的智能眼镜。Meta 眼镜为眼镜增加了摄像头、喇叭、麦克风。最重大的更新是 Meta 眼镜融入了 AI 功能，与一般智能耳机用语音实现音量调节、拨打电话等简单指令类操作不同，Meta 眼镜可以拍下用 户当前正在观看的场景，调用 Llama3 多模态大模型的能力，回答用户的相关问，例如户外逛街查美食餐 馆信息，室内做饭时查询菜单和烹饪方法。Meta 眼镜的 AI 功能使其获得了不错的销售成绩，根据 The Verge 数据，截至 2024 年 5 月，Ray-Ban Meta 出货量已超过 100 万副，全年出货量预计超过 200 万副。继 Meta 后，百度于 2024 年 11 月发布了小度 AI 眼镜，预计 2025 年上市。小米计划于 2025 年发布新一代 AI 眼镜。三星 AI 智能眼镜预计 2025 年上市。苹果内部也在推进代号“Atlas”的 AI 眼镜项目。雷鸟、Rokid、 蜂巢科技、新视界、宝岛眼镜、LOHO 眼镜等也纷纷开始进入 AI 眼镜领域。随着更多玩家加入，预计 2025 年将成为 AI 眼镜市场爆发元年。

耳机凭借轻量便携优势有望成为个人 AI 助理的硬件载体。耳机具备天然的语音交互优势，其可作为 AI 控制入口，接收语音指令，具体的执行交给其他如手机等运算终端。同时，相比手机、眼镜，耳机更 轻、便携、可长时间佩戴，因此有望成为个人 AI 助理的主要载体，也吸引了众多科技公司的布局。三星 早于今年 7月发布了主打 AI 的 Galaxy Buds 3 Pro，具备自适应降噪、环境分析等功能，并能够配合Galaxy 手机完成即时口译。科大讯飞孵化的 iFlyBuds 也推出过支持 AI 录音降噪会议耳机系列产品，支持音视频 录音、现场录音、同传翻译等多项功能。字节跳动在 10 月发布了首款 AI 智能体耳机 Ola Friend，其背后 连接字节自研的豆包大模型，可以通过唤醒词进入到豆包 AI 的连续对话。诺图科技数据显示，2024 年 8 月，中国在线电商平台的 AI 耳机虽然在耳机/耳麦总销售额中仅占 1.4%，但增长速度惊人，与去年同期 相比，销量增长 763.3%，销售额翻了近 14.5 倍，预计 2024 年中国 AI 耳机的电商销量有望突破 20 万副，同比增长率达 488.7%。

大模型使智能音箱“重获生机”，有望成为智慧家庭场景的 AI 流量入口。初期智能音箱主要作为音 乐播放工具，之后逐渐发展为智能家居的中心控制器。如小米 AI 音箱和华为 AI 音箱均可通过语音操控多 达上千种智能家居设备。随着智能音箱产业进入瓶颈期，智能音箱出货量开始逐年下跌、消费者热情也 开始逐渐消退。AI 大模型的加入，明显提高了智能音箱对用户意图的理解，智能音箱对用户的反馈也更 丰富和准确，有望成为智慧家庭场景的 AI 流量入口。早在 2023 年初，小度、阿里分别厂商将文心一言、 通义千问大模型融入旗下智能音箱。2024 年 8 月，小米宣布大模型小爱全量升级，已经在部分智能音箱 机型上正式推送，并将陆续覆盖更多机型。

1.3.5 折叠屏：价格中枢持续下降，折叠屏迎来爆发增长阶段

折叠屏手机已经逐渐成为各家安卓厂商价格最高配置最佳的旗舰机。智能手机市场增长的核心驱动 力是创新，而在诸多创新方向中，折叠屏手机无疑是创新感最强且最为重要的趋势，在安卓品牌中尤为 突出。一方面，安卓厂商机型中折叠机型价格最高；另一方面，从处理器、影像、存储等来看，各家折叠机型配置在其所有机型中处于顶级水平，折叠屏手机已经逐渐成为各家安卓品牌旗舰机型。

折叠屏手机出货量迎来爆发增长阶段。预计全球折叠屏手机出货量将从 2022年的 1310 万台增至 2027 年的 1 亿台，CAGR 达 51%。2022 年中国折叠屏手机出货量 340 万台，同比增长 199%，到 2025 年 有望突破 1700 万台。目前全球折叠屏手机渗透率仅 1%，在高端市场渗透率也仅 5%，正处于从 1-N 快速 增长渗透阶段。

分季度来看，24Q1 中国折叠屏手机出货量 185.7 万台，同比增长 83%，23Q3 随着华为新款折叠屏手 机 Mate X5 发布引爆市场，折叠屏手机市场迎来爆发增长，23Q3 中国折叠屏手机出货量达 196.5 万台， 同比增长达 90%，环比增长 56%。分厂商来看，24Q1 华为凭借麒麟芯片占据 40%以上国内市场份额，荣 耀增长迅速市占率增至 26.7%，三星份额有所下降，滑落至不足 6%。

折叠屏手机价格中枢已降至万元内，逐步趋近 iPhone 旗舰机。折叠屏手机价格中枢已从 2020 年的 15000 元降至 2023 年的 1 万元以内。2023 年新发机型中，除华为和三星仍在 1 万元以上，其他安卓品牌 售价均低于 iPhone 旗舰机 15 Pro Max，荣耀 V Purse 发售价（5999 元+）和 iPhone15 一致。

折叠屏手机轻薄度已可媲美 iPhone 旗舰机。折叠屏手机折叠后厚度方面，荣耀 Magic V2 已经降低 到 9.9mm ，仅比 iPhone15 Pro Max（8.25mm）厚 1.65mm，华为 Mate X5 以及 MIX Fold3 也均逼近 10mm。重量方面，与 iPhone 14 Pro Max（240g）相比，荣耀 Magic V2 轻 9g，华为 Mate X5 仅重 3g。折 叠机已不再“厚重”，消费者握持手感已与直板顶级机型（iPhone 14/15 Pro Max）相当。

华为三折叠手机全球首发，全新折叠形态重塑交互体验。2024 年 9 月 10 日华为正式发布全新三折手 机 Mate XT，作为全球面积最大的折叠屏手机，整体展开厚度仅有 3.6 毫米，屏幕 10.2 英寸。折叠屏手机 目前定位高端商务办公人群，左右折手机在使用体验上可以实现分屏操作，同时文件阅读体验明显提升， 以华为左右折旗舰机型 X5 为例，内屏展开尺寸达到 7.85 英寸，相较于直板旗舰 Mate 60 系列 6.82 英寸， 提升 15%，如果参考华为三折机进行对比，内屏展开尺寸高达 10.2 英寸，提升幅度接近 50%，而且 16:11 的屏幕横竖比与普通平板电脑相似，视觉体验大幅提升。

“Z 字型”折叠引领新一轮硬件创新，屏幕和铰链价值量大增。华为 Mate XT 非凡大师采用华为天 工铰链和多驱精密调校技术，确保开合过程流畅，铰链核心部件使用火箭钢以提升耐用性。「Z」字折叠 结合了内折和外折的特点，配备双铰链结构，为了保持纤薄手感，华为 Mate XT 非凡大师还创新性地引 入了内折铰链的嵌入式滑轨结构，和外折叠铰链的一体连杆结构，通过多驱精密调校使其拥有更好的开 合力曲线。三折叠手机相较于目前主流左右折手机不仅在折叠形态有了大幅改动，而且相应的手机零部 件价值量也大幅增加。 1） 首先内屏尺寸大幅提升，对于折叠屏的弯折强度要求更高，对于柔性 OLED 面板需求量进一步 增加，建议关注京东方，维信诺和 TCL 科技等显示面板龙头厂商。 2）其次铰链数量直接翻倍，华为公司在今年 3 月公布了三折屏手机设计专利，采用两套铰链连接三 部分壳体，三折手机对于铰链需求量直接翻倍。重点推荐在折叠屏铰链领域率先发力的龙头厂商东睦股 份，其次建议关注精研科技，统联精密等厂商未来在折叠屏手机铰链 MIM 增长机会。

折叠屏手机市场迎来放量阶段， 铰链、超声波指纹、LTPO-OLED 三大新增创新最受益： 铰链 BOM占比高达 13.7%，是折叠机除屏幕外最大成本增量。铰链是除屏幕外折叠机新增成本最 大的部分。三星折叠机铰链 BOM 成本占比比直板机高出 5.8%。三星初代折叠屏采用 U型铰链实现了折 叠特性，但折叠后屏幕间留有缝隙无法闭合。华为、OPPO、vivo 等均采用水滴型铰链，特点是可以更好 地控制屏幕折痕。

液态金属兼具强度与弹性，广泛应用于消费电子等行业。液态金属强度高于钢材等常规材料。液态 金属（非晶合金）材料强度可达 2100MPa，是钢材、钛合金等材料的 2 倍，钛合金的 3 倍。液态金属可 塑性强于金属材料。液态金属随着温度的升高，黏滞度会逐渐降低，在较高温时具有可塑性，因此在使 用模具进行成型时，易于控制它的结构，成型方式简单。液态金属凭借高强度、可塑性强的优点广泛应 用于航天军工、消费电子、医疗、体育等领域，典型产品如折叠屏手机铰链、特斯拉鹰翼门锁扣、医疗 绷带等。

锆基液态金属用于折叠屏铰链，宜安、东睦为主要供应商。锆基液态金属具有高强度和良好的成型 性，是折叠屏铰链的优质材料。折叠屏手机铰链结构复杂、体积微小，掉落后极易损坏，因此使用高强 度可塑性强的锆基液态金属制作可以提高其可靠性。国内主要的锆基液态金属厂商有宜安科技、东睦股 份。宜安科技在液态金属领域已经布局 10 年以上，拥有中国最大规模锆基液态金属生产线。东睦股份子 公司上海富驰于 2016 年成立液态金属部门，2017 年成立子公司上海驰声从事液态金属生产销售并于 2022 年收购为全资子公司，2019 年起东睦开始扩大锆基液态金属的生产制造。常州世竟已经成功完成了 液态金属小批量试制。 MIM是制造铰链零件核心工艺，精研、东睦位列行业第一梯队。金属注射成型（MIM）是铰链零部 件制造的核心工艺。MIM 是一种将金属粉末与其粘结剂的增塑混合料注射于模型中的成形方法。该工艺 技术适合大批量生产小型、精密、三维形状复杂以及具有特殊性能要求的金属零部件的制造，尤其是在 折叠屏铰链的零件中得以广泛应用。

侧边指纹存在易损坏、误触等缺点，屏下指纹将成主流。电容式指纹识别准确率低，使用限制多。 电容式指纹识别不能湿手解锁，且在手指表面有脏油水情况下识别准确率较低，此外识别模块位于屏幕 前方占据屏幕空间，而侧边指纹虽然不占据屏幕空间但容易引起误触。屏下指纹技术有助于实现全面屏， 逐渐取代电容式。全面屏时代，苹果用 face ID 取代指纹识别，而安卓厂商则主要用屏下指纹来应对。柔 性 AMOLED屏幕仅厚 0.03mm，而硬性 AMOLED屏幕厚 0.3mm。柔性屏需要金属背板支撑，光学无法穿 透。因此对于折叠屏手机，光学指纹识别无法应用，而超声波指纹成为最佳的屏下指纹方案。

汇顶科技屏下指纹出货量全球领先，高通率先发布超声波。2019年全球屏下指纹芯片厂商中，汇顶 占 75%全球领先。高通于 2015 年世界移动通信大会上，正式推出移动行业首个基于超声波技术的 3D 指 纹认证解决方案——Qualcomm Snapdragon Sense ID 3D 指纹技术。汇顶科技正在开发新型生物识别方 案，正与国内外品牌客户进行量产调试。思立微已经突破超声波技术。

LTPO 比目前主流的 LTPS 支持更低的刷新率，功耗也更低。LTPO 自适应刷新率支持 1-120Hz，真 正实现低频驱动。高刷场景 LTPS 高迁移率可使屏幕响应更快，低刷场景 IGZO 漏电低可使屏幕刷新率降 低而不影响显示效果，最低频率可低至 1Hz，而根据维信诺官网资料，其 LTPS 即使是低功耗技术也仅能 使手机用屏幕刷新率低至 30Hz。IGZO 漏电低的特性使 OLED 在电容 C 的电压下可维持更久的亮度，因 此在低刷场景下可降低屏幕刷新率从而降低功耗。京东方 LTPO 技术的产品续航时间可提升 30%，TCL 华星 LTPO VR 比传统的 LTPS VR 背板穿透率提升 10%以上，从而降低屏体功耗 10%以上。

折叠屏手机大电池与大屏难两全，低功耗 LTPO 成为其刚需。与直板机相比，折叠屏手机尤其是横 向内折型、横向外折型屏幕尺寸更大，但电池容量增长有限。以华为 Mate X5 为例，其内屏面积（以机 身尺寸近似）约为 222cm²，比 Mate 60 Pro 屏幕面积（约 130cm²）增加 71%，但由于机身更薄（薄 35%）且重量不能过重，因此电池容量仅增加约 1%（60mAh）。低功耗的 LTPO 逐渐成为折叠屏手机刚 需。屏幕更大（功耗翻倍增加）、机身更薄（电池容量难以对应提高）使得低功耗的 LTPO 成为必选项。 2023 年已发布的 11 款折叠屏机型中，包括华为 Mate X5、荣耀 Magic V2、OPPO Find N2、MIX Fold3 等 在内的 9 款机型均采用了 LTPO-AMOLED 屏幕，占比高达 82%。

维信诺、京东方等 LTPO 技术逐渐成熟，已出货终端产品。苹果在其旗舰机型及智能手表上率先尝 试使用 LTPO 技术，供应商主要是三星和 LG。LTPO 技术最大的优点在于其功耗低，尤其是静态显示类 低频场景下优势显著，因此苹果在 Apple Watch 5 上率先使用 LTPO 屏幕，续航得到明显增加，之后在 iPhone 14 Pro 等旗舰机型开始大规模配置。其供应商主要为三星和 LG。维信诺、京东方等已经为国内品 牌折叠屏手机出货 LTPO 产品。LTPO 屏幕方面，维信诺、京东方为荣耀 Magic V2 供应商，京东方为 OPPO Find N3 Flip 供应商，TCL 与小米合作，三星为其他部分国内品牌供应商。 综合看整个折叠屏手机市场，2023 年 9 月华为折叠新机上市引发关注，折叠机整体迭代至更成熟 （价格轻薄度均可媲美 iPhone 旗舰），带动折叠机市场迎来爆发，预计全球出货量将从 2022 年的 1310 万 台增至 2027 年的 1 亿台，CAGR 达 51%，目前渗透率仅个位数，正处于 1-N 爆发增长阶段。折叠机放量 三大增量最受益：铰链（锆基液态金属、MIM 是最重要材料工艺）、超声波指纹等新型生物识别技术（替 代侧边指纹成为折叠机最佳屏下指纹识别解决方案）、LTPO-AMOLED 屏幕（自适应刷新率降低功耗成为 折叠机标配），涉及重点标的为东睦股份（MIM 头部厂商，客户包括华为和苹果）、维信诺（OLED 市占 率国内第二，LTPO 已出货品牌客户）、汇顶科技（指纹识别全球龙头，新型生物识别已突破）。

1.3.6 OLED：8.6 代 OLED生产线加速扩产，叠层 OLED新技术推出

京东方拟 630 亿元布局 8.6 代 OLED 生产线，推进中尺寸 IT类产品向 OLED 屏升级迭代。根据 Omdia 2024 年 6 月统计分析，预计 2024 年有 20 条 8.5/8.6 代高世代线，中国大陆 AMOLED/LTPS 制造商 仍在继续扩大投资，到 2024 年，中国大陆预计有 25 条中精度及 AMOLED/LTPS/a-Si。其中 2023 年 11 月 底，京东方公告，拟约投资 630 亿元用于京东方第 8.6 代 AMOLED 生产线项目，公司联合国内外众多知 名品牌，共同推进中尺寸 IT 类产品向 OLED 屏的升级换代，开拓中尺寸 OLED 屏幕产品的广阔市场。

第 8.6 代 OLED 线再次加速，京东方、维信诺、三星、LGD 等争抢。京东方成都 8.6 代线，已经在 9 月份以前所未有的速度完成全部厂房封顶，并在国庆假期期间完成了“洁净室”工程招标。几乎同期，合 肥国显举行了第 8.6 代 AMOLED 生产线开工活动。该条线不仅从提出计划到开工速度，远高于三星、京 东方和 LGD 的 8.6 代 OLED 规划，而且将采用无 FMM 技术光刻图形化技术，其在制造成本方面，理论 上更低。据韩媒 10 月 28 日报道称，三星显示计划将现有的 2026 年初量产第 8.6 代 IT OLED 面板的计划 尽可能提前至明年年底。三星、京东方、国显、LGD，以及 JDI 可能在芜湖的项目，8.6 代 OLED 已经有 4-5 个项目在路。按照每条线 3-4 万片月玻璃基板产能，8 成成品率，全面投产后，大概能为行业每年提 供 12000 万块 14 英寸 NB OLED 面板。且每片成本比 6 代 OLED 线低至少五分之一（8.6 代 2290x2620mm OLED 生产线一块玻璃板可以制造 88 块 14 英寸面板）。 OLED 在行动电脑显示器中的渗透率将在 2028 年达到 14%。据市场研究公司 Omdia 称，预计行动 OLED 面板出货量将在 2028 年达到 7,400 万片。目前 OLED 在 IT 产品中的比例约为 2-3%，但预计到 2028 年这一比例将增至 14%。苹果今年首次在 iPad 上安装 OLED，明年也将在 MacBook 上安装 OLED 面板。此外，据 DSCC 预 测，到 2026 年 OLED 在高端 IT 市场将以 51%的年复合增长率到 44 百万片， OLED 面板将占据 75%高端 IT 市场份额。同时，DSCC 预测 2026 年 OLED 平板电脑面板营收将超 20 亿 美元；在此期间，预计 OLED 平板电 脑屏幕的出货和营收的复合年均增长率大约在 49%和 46%。

随着 8.6 代 OLED 线投产，叠层 OLED 技术逐步被品牌厂商采用，OLED 产业链公司迎来黄金成长 期。

1.3.7 智能车：智能化背景下智能座舱增量创新和智能驾驶方向成长性最佳

汽车智能化领域关注车载投影巨幕等增量创新。根据乘联会数据，2024 年 10 月国内新能源乘用车市场渗 透率达 52.9%，连续 4 个月超过 50%，因此汽车电动化已经成为上半场，而下半场核心看汽车智能化。增量创 新是汽车智能化中最值得关注的方向，如车内影音娱乐系统方面，赛力斯旗下的问界 M9 在车内后排创新引入 车载巨幕投影，使得即使在狭窄的车内也能体验到大屏电视的影视效果，该产品是由光峰科技独家供应，同时 问界 M9 大定持续突破，截至 11 月 11 日累计大定已经突破 17 万台，受益于此，光峰科技前三季度车载业务收 入达到 4.6 亿元，全年车载收入有望达 7 亿元，同时与华为有关的其他车型如享界等也引入了该创新，光峰科 技目前已经获得了多达 10 个车载业务定点，公司长期成长性得到夯实。

智能辅助驾驶分出纯视觉和多传感器融合两种技术路线，建议关注车载摄像头、激光雷达等环节。面向乘 用车的智能辅助驾驶目前主要有两种技术路线，一类是以特斯拉、小鹏为典型代表的纯视觉方案，通常应用端 到端的人工智能模型实现，优点是硬件成本低，占用空间少，缺点是人工智能模型预测存在偏差，以及恶劣天 气条件下纯视觉获取环境信息有限从而可能造成偏差；另外一类是包括激光雷达、摄像头等在内的多传感器融 合方案，以华为等为代表，通常工作原理是对多个传感器提供的准确数据进行分析并作出决策后控制车辆执 行，优点是从输入到输出逻辑传导透明清晰，传感器获取数据客观准确，受天气条件影响小，缺点是成本较 高，占用车辆空间多。对于纯视觉方案建议关注车载摄像头以及车载 CIS 等环节，多传感器融合方案建议关注 激光雷达、毫米波雷达等环节。

Robotaxi 等无人驾驶逐渐步入商业化落地阶段。2024 年无人驾驶领域迎来众多大事件，年中百度旗下的 自动驾驶“萝卜快跑”在武汉大范围进入商业化运营成为市场热点；随后 10 月自动驾驶科技公司文远知行在 美股上市、地平线在港股上市并成为年内港股最大科技 IPO；10 月特斯拉举行 Robotaxi 发布会并发布无人驾驶 出租车 Cybercab。根据 Frost&Sullivan 预测，Robotaxi 将于 2026 年左右大规模商业化，预计到 2030 年，中国 及全球 Robotaxi 市场规模分别达 4888 亿元和 8349 亿元，2024-2030 年 CAGR 分别为 247.7%和 238.8%，到 2035 年分别达 1.6 万亿元和 3.2 万亿元，2030-2035 年 CAGR 分别为 27.4%和 31.0%。未来无人驾驶将成为成长 性极具确定性的方向，建议关注智驾方案供应商及 Robotaxi 整机厂。

二、AI 引领半导体周期，国产高端芯片亟需突破

2.1 处理器：高端芯片进口受限，国产供应链亟需突破

英伟达、AMD 对华供应高端 GPU 芯片进一步受限。2022 年，美国 BIS 实施出口管制，英伟达和 AMD的高端 GPU产品出口受到限制。为满足合规要求，英伟达随后推出了面向中国市场的 H800与 A800， 互联带宽被下调。2023 年，BIS 公布的先进计算芯片出口管制新规进一步扩大限制范围。新规去除了“互 联带宽”作为判定是否受限的依据，并新增了“性能密度”与“总处理性能（TPP）”成为新的标准，使得 A100、A800、H100、H800、L40、L40S等多款产品遭到限制。虽然英伟达推出了符合新规的 L20、L2 和 H20，但新品的算力性能被迫遭到大幅下调。

国产算力芯片迎来国产替代窗口期。考虑到英伟达新品将迎来大幅性能升级，并面向中国市场禁售， 国产算力芯片发展刻不容缓。当前已经涌现出一大批国产算力芯片厂商，昇腾、寒武纪相继推出自研 AI 芯片，海光信息的 DCU也逐渐打出知名度，其他配套环节的国产化进程也正在加速推进。 昇腾 310 与昇腾 910 构成华为昇腾产业链的算力基座，打造全场景 AI 基础设施方案。昇腾 310 与昇 腾 910 均基于华为自研达芬奇 3D Cube 技术，集成了张量、矢量、标量等多种运算单元，支持多种混合精 度计算。昇腾 310 是华为首款全栈全场景人工智能芯片，具备低功耗优势，昇腾 910 支持云边端全栈全场 景应用。昇腾已基于 310 和 910 形成了完善的解决方案，出货形态包括：包括 Atlas 系列模块、板卡、小 站、服务器、集群等，打造面向“端、边、云”的全场景 AI 基础设施方案，覆盖深度学习领域推理和训练 全流程。

昇腾 AI 大模型训推一体化解决方案，加速国产大模型落地。2023 世界人工智能大会（WAIC）期间， 华为主办的昇腾人工智能产业高峰论坛于 7 月 6 日在上海召开。华为携手伙伴联合发布昇腾 AI 大模型训 推一体化解决方案，加速大模型在各行业应用落地，并有 23 家昇腾 AI 伙伴推出 AI 服务器、智能边缘与 终端新品，共同为行业智能化升级提供丰富的产品与解决方案。

寒武纪专注 AI 领域核心处理器，思元 590 采用全新架构，性能相比在售旗舰有大幅提升。寒武纪目 前已推出了思元系列智能加速卡，第三代产品思元 370 基于 7nm 制程工艺，是寒武纪首款采用 chiplet 技 术的 AI 芯片，最高算力达到 256 TOPS（INT8）。思元 370 还搭载了 MLU-Lin 多芯互联技术，互联带宽相 比 PCIe 4.0 提升明显。在 2022 年 9 月 1 日举办的 WAIC 上，寒武纪陈天石博士介绍了全新一代云端智能 训练芯片思元 590，思元 590采用 MLUarch05全新架构，实测训练性能较在售旗舰产品有了大幅提升，能提供更大的内存容量和更高的内存带宽，其 IO 和片间互联接口也较上代实现大幅升级。

海光信息二代 DCU 升级规划稳步推进，海光 DCU 兼容类“CUDA”环境，适配性好。海光信息深算 一号 DCU产品目前已实现商业化应用。2020年 1月，公司启动了第二代 DCU深算二号的产品研发工作， 研发工作进展正常。海光 DCU协处理器全面兼容 ROCm GPU计算生态，由于 ROCm 和 CUDA在生态、 编程环境等方面具有高度的相似性，理论上讲，市场上规模最大的 GPGPU开发群体——CUDA 用户可用 较低代价快速迁移至 ROCm 平台，有利于海光 DCU的市场推广。同时，由于 ROCm 生态由 AMD 提出， AMD 对 ROCm 生态的建设与推广也将有助于开发者熟悉海光 DCU。

2.2 存储：价格因库存因素短期承压，看好 2025 年 AI 终端提振需求

复盘存储器历史，存储器周期大致 4-5年，上行、下行周期大致 2年上下。上轮周期起始于 2020Q1， 2021Q3 存储器价格见顶，此后价格持续下滑，至 2023Q2 持续 7 个季度。本轮周期，存储器 2023Q3 开始 涨价，合约价上涨至 2024Q3，现货价上涨至 2024Q2，当前因为前期客户端、渠道端备货较多，库存在持 续消化。从高频数据看，当前 4Gb DDR3 现货价、8Gb DDR4 合约价等数据转跌，DDR5 的价格相对坚挺， 台股 DRAM 月度营收同比增速有所回落，存储周期来到后半程。

供给端：当前产能供给充足，产能结构性升级。DRAM和 NAND Flash原厂稼动率处于高位，当前供 应充足。结构上，先进产能淘汰落后产能。一方面，DDR5升DDR4降，SK海力士近期表示将会把DDR4 的产能从6月的40%、9月的30%降低至年底的20%，三星电子也将DDR4的产能转移至DDR5和LPDDR5。 另一方面，原厂纷纷针对现有产能改线升级，工艺制程继续推进，例如三星电子计划在 2024 年内推出 1c nm 制程 DDR 内存，该节点可提供 32Gb 颗粒容量产品，而在 2026 年将推出其最后一代 10nm 级工艺 1d nm，仍最大提供32Gb容量。2027年，三星将突入10nm以下级DRAM制程节点，发布0a nm工艺的DDR 内存产品，同时该节点的内存单颗粒容量将来到更高的 48Gb。 需求端：笔电手机新机发布、服务器需求强劲，AI 终端驱动存储成长。根据 Trendforce 统计，2023 年服务器、手机、笔电的出货量分别增长-5.9%、-3.1%、-13.2%，预计 2024 年分别增长 2.3%、2.9%、 2.1%，呈现弱复苏态势，我们判断2025年手机、PC继续恢复，服务器维持强劲增长。（1）服务器：AI 服 务器持续高增长，2024 年底 DDR5 渗透率预计达到 60%，2025 年进一步提升。而 2025 年 CSP 资本开始 将维持高增长，AI 服务器需求强劲，拉动 HBM、DDR5、大容量 SSD需求。（2）手机：24Q4发布的荣耀 Magic7、小米 15、vivo X200 等安卓旗舰机普遍搭载高通骁龙 8 系列最新处理器，融入更强的 AI 算力， 通用大模型和垂类大模型进入手机，对应地，旗舰手机内存容量从过往两年的 6/8GB升级至 12/16GB，闪 存容量从过往的 256/512GB 升级至 512GB/1TB，配置大幅度提升，拉动存储需求。（3）笔电：微软将于 2025 年停止 Windows 10 的更新，另外 2020-2021 年疫情刺激的笔电需求也将于 2024-2025 年迎来换机需 求，AI PC 有望刺激 PC 市场重启成长。总而言之，当前存储的核心需求有短暂波动，但 AI 的引入刺激了 终端配置升级需求，2025 年 AI 服务器、AI 手机、AI PC 渗透率进一步提升，存储需求有望保持高增长。

价格展望：由于通用服务器需求复苏，以及手机、PC 客户的备货，2024Q3 DRAM 均价持续上行。 但随着备货完成，下游进入阶段库存消化，存储器价格在 24Q4 承压，Trendforce 预计 DRAM 价格分化， HBM 继续涨价，DDR5 维持稳定，DDR4、DDR3 降价，整体 DRAM 仍有 0-5%的涨价；NAND 方面， wafer、eMMC、UFS、Client SSD 价格下降，企业级 SSD 维持涨价，整体 NAND 开始降价 3-8%。展望 2025 年，预计 2025 年上半年库存去化完成，下半年存储器价格取决于需求侧 AI 终端的渗透情况。

2.3 设备及零部件：本土竞争力加强，国产化率大幅提升

2.3.1 设备：未来三年全球 300mm设备支出达到 4000 亿，中国大陆支出占四分之一

未来三年全球半导体行业 300mm 晶圆厂设备投资达到 4000 亿美元，2025 年设备支出将加速。SEMI 发布《300mm 晶圆厂 2027 年展望报告》指出，从 2025 年到 2027 年，全球 300mm 晶圆厂设备支出预计将 达到创纪录的 4000 亿美元。强劲的支出是由半导体晶圆厂的区域化以及数据中心和边缘设备对 AI 芯片日 益增长的需求推动的。2024 年，全球 300mm 晶圆厂设备支出预计将增长 4%，达到 993 亿美元，到 2025 年将进一步增长 24%，首次突破 1000 亿美元，达到 1232 亿美元。 中国大陆资本支出占全球四分之一，全球 Foundry 设备支出约 2300 亿美元。从区域增长来看，预计 到 2027 年，中国将保持全球 300mm 设备支出第一的地位，未来三年将投资超过 1000 亿美元。然而， SEMI 预计投资将从 2024 年的 450 亿美元峰值逐渐减少到 2027 年的 310 亿美元。从领域增长来看，2025 年至 2027 年间，Foundry 设备支出预计将达到约 2300 亿美元；Logic 和 Micro 领域预计将在未来三年率先 扩大设备支出，预计总投资为 1730 亿美元；Memory 位居第二，预计同期将贡献超过 1200 亿美元的支出， 标志着另一个细分市场增长周期的开始。在 Memory 领域，DRAM 相关设备的投资预计将超过 750 亿美 元，而 3D NAND 的投资预计达到 450 亿美元。Power 相关领域排名第三，预计未来三年投资将超过 300 亿美元，其中化合物半导体项目投资约 140 亿美元。同期，模拟和混合信号领域预计将达到 230 亿美元， 其次是光电/传感器，为 128 亿美元。

存货为在手订单的“晴雨表”，反映半导体设备的高景气度。半导体设备的存货主要包括原材料、在 产品、库存商品、发出商品、低值易耗品等。由于从获得订单到产品验收时间较长（一般跨年交付），存 货的增长反应公司在手订单的增加，后续随着商品验收完成，将直接反映到公司的收入。 在我们梳理的 17家半导体设备厂商中，截止 2024Q3期末，龙头北方华创存货达到 232亿，同比增长 34%，京仪装备存货同比增长 117%，中微公司和华海清科存货同比增长分别为 91%、83%。半导体行业 存在供应链不稳定风险，进口原材料采购周期延长，半导体设备厂商增加原材料库存。其中，中微公司 在订单增长下采购原材料，大量生产机台以向客户付运机台，导致存货余额增长。截止 2024Q1 期末公司 发出商品余额 19.23 亿元，较期初余额的 8.68 亿元增长 10.55 亿元，为后续的收入实现打下良好基础。

合同负债是在手订单的直接指标，反映业绩增长能力。在我们梳理的 17 家半导体设备厂商中，前道 设备厂商合同负债与收入增长加强，后道设备厂商受消费市场需求趋于稳定、存储器市场回暖、人工智 能与高性能计算等热点应用领域带动等因素作用，以及封测厂商稼动率提升的影响，业绩逐步迎来反转。 截止 2024Q3 期末，中微公司、京仪装备、万业企业、华峰测控、拓荆科技合同负债同比增长较快，分别 为 119%、86%、77%、71%、68%，反应在手订单同比快速增长。中微公司合同负债达 30 亿元，公司新 增订单 76.4 亿元，同比增长约 52.0%。其中刻蚀设备新增订单 62.5 亿元，同比增长约 54.7%；LPCVD 新 增订单 3.0 亿元，新产品开始启动放量。

存货与合同负债之和直观反映未来业绩增长确定性。在我们梳理的 17 家半导体设备厂商中，截至 2024Q3 期末，京仪装备和中微公司的存货与合同负债之和分别达到 108%、98%，业绩增长确定性最强， 对应的 2024 年 Wind 一致预期收入增长分别为 41%、35%；其次拓荆科技、微导纳米、中科飞测存货与合 同负债之和同比增长超过 40%，分别为 45%、99%、48%。

半导体设备业绩确定性强，未来下游需求增量带来巨大市场。根据 Wind（申万行业分类）半导体设 备季度数据，2021Q1-2024Q3 期间，营收增长率和 EPS 增长率呈现由波峰转波谷，波谷逐步反弹趋势， 波谷均产生在 2023Q3，分别为 25.1%、-25.4%，目前处在反弹中，其中在 2024Q3，EPS 增长率显著提 升，代表半导体设备盈利能力进一步加强。

2.3.2 零部件：本土供应能力持续提升，纷纷扩产应对国产化需求

核心零部件是半导体产业链的基石。半导体核心零部件组建了半导体设备的核心子系统，决定半导 体产品的成本与性能，市场规模约 300亿美元。半导体设备零部件具有高精密、高洁净、耐腐蚀能力、耐 击穿电压等特性，生产工艺涉及精密机械制造、工程材料、表面处理特种工艺、电子电机整合及工程设 计等多个领域和学科，半导体设备的升级迭代很大程度上有赖于零部件的技术突破。因此，核心零部件 不仅是半导体设备制造中难度较大、技术含量较高的环节之一，也是国内半导体设备企业的“卡脖子”的环 节之一。

核心零部件进口依赖性高。芯谋研究数据显示，目前国产化率超过 10%的半导体零部件有石英、反 应喷淋头、边缘环等少数几类，其余国产化程度较低，尤其是各种阀门、真空计、O-ring 密封圈等几乎完 全依赖进口。其中，阀门（Valve）零部件的需求占总零部件需求的 9%，但自给率却不足 1%。因此在市 场需求强劲，但国内供应商基本为空白的形势下，零部件采购周期拉长倒逼零部件的进口替代需求迫切。

针对不同类型的零部件，技术难点各不相同，国产化率差异大。机械类零部件应用最广，市场份额最大， 主要产品技术已实现突破和国产替代。机电一体类和气液传输/真空系统零部件国内部分产品已实现技术突破， 但产品稳定性和一致性与国外有差距。技术难度相对比较高的为电气类、仪器仪表类、光学类零部件，国内企 业的电气类核心模块（射频电源等）主要应用于光伏、LED 等泛半导体设备，高端产品尚未国产化；仪器仪表 类对测量精度要求高，国内自研产品少量用于国内设备厂商，国产化率低，高端产品尚未国产化；光学类零部 件对光学性能要求极高，由于光刻设备国际市场高度垄断，高端产品一家独大，国内光刻设备尚在发展，相应 配套光学零部件国产化率低。

2.4 材料：半导体材料复苏强劲，国产化进一步加持

国内半导体材料需求持续高增，全球占比大幅提升。根据TECHCET 数据及预测，全球半导体材料将 在 2024 年同比增长近 7%达到 740 亿美元；预计 2027 年市场规模将达到 870 亿美元以上。半导体材料主要分为晶圆制造材料和封装材料。根据 SEMI 数据，2023年，受整个半导体行业环境影响，全球半导体材 料市场销售额下 8.2%至 667 亿美元。从材料大类来看，2023 年全球晶圆制造材料和封装材料的销售额分 别为 415亿美元和 252亿美元，占全球半导体材料销售额的比重分别约 62%和 38%；从地区分布来看，中 国台湾和中国大陆是全球前两大半导体材料消费地区，2023年销售额分别为 192亿美元和 131亿美元，占 全球半导体材料销售额的比重分别约 29%和 20%，其中中国大陆是 2023 年全球唯一实现半导体材料销售 额同比增长的地区。

今年以来半导体材料强劲反弹三个季度，电子化学品震荡反弹向上。根据 Wind（申万行业分类）半 导体设备季度数据，2021Q1-2024Q3 期间，营收增长率和 EPS 增长率呈现由波峰转波谷，波谷逐步反弹 趋势，半导体材料波谷产生在2023Q3，增长率分别为-2.8%、-34.1%，电子化学品波谷产生在 2023Q3和 2023Q4 之间，今年以来半导体材料与电子化学品处在逐步复苏放量中。随着新建产线对材料需求持续扩 大，国产化率提升，半导体产业复苏，半导体材料迎来长景气周期，另外，随着以 HPC、AI 和 5G通信 等为代表的需求牵引，先进封装领域的发展正在加速。

半导体材料与电子化学品复苏放量显著，业绩出现结构性的分化。对比 2024Q3 业绩，抛光垫=抛光 液>靶材>化学品/光刻胶>封装材料>光掩膜版>硅片，呈现业绩分化。其中，鼎龙股份 CMP 抛光垫，前三 季度累计实现产品销售收入 5.23 亿元，同比增长 95%；第三季度实现产品销售收入 2.25 亿元，环比增长 38%，同比增长 90%，再创历史单季收入新高。公司于今年 9 月首次实现抛光垫单月销量破 3 万片的历史 新高，产品在国内市场的渗透程度随订单增长稳步加深，产品稳定性得到持续肯定。江丰电子的靶材和 零部件，在第二季度单季度实现 8.55 亿元，超高纯靶材和精密零部件均创历史新高，第三季度营收同比 增长 52.48%，环比增长 16.69%。 封装材料贯穿了电子封装技术的多个技术环节，是半导体行业的先导产业。近年来，以 HPC、AI 和 5G 通信等为代表的需求牵引，正加速先进封装领域的发展。Yole 数据显示，全球先进封装市场规模将从 2023 年的 378 亿美元增长至 2029 年的 695 亿美元，期间的复合年增长率为 10.7%。先进封装材料的代表 企业主要为联瑞新材、华海诚科。其中，联瑞新材聚焦高端芯片（AI、5G、HPC 等）封装、异构集成先 进封装（Chiplet、HBM 等）、新一代高频高速覆铜板（M7、M8 等）、新能源汽车用高导热界面材料、先 进毫米波雷达和光伏电池胶黏剂等下游应用领域的先进技术，持续推出多种规格低 CUT 点 Lowα 微米/亚 微米球形硅微粉、球形氧化铝粉，高频高速覆铜板用低损耗/超低损耗球形硅微粉。华海诚科专注于向客 户提供更有竞争力的环氧塑封料与电子胶黏剂产品，构建了可应用于传统封装（包 DIP、TO、SOT、SOP 等）与先进封装（QFN/BGA、SiP、FC、FOWLP/FOPLP 等）的全面产品体系，可满足下游客户日益提升 的性能需求。

编辑：火腿肠