2025年电子行业中期投资策略报告：端侧AI爆发可期，国产高端产能亟需突破

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 大模型能力持续突破，国产大模型能力跻身行业领先水平

OpenAI GPT-o3 开启多模态推理新时代。OpenAI 在 2024 年推出的 GPT-4o 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。2025 年 OpenAI 更新的新一代模型 o3 大幅加强了多模态推理能力，首次将图像融入其思维链中， 即模型不仅能识别图像，还能用图像内容进行思考和推理。OpenAI o3 相比于 o1 也更加智能和高效，例如，在 2025 年 AIME数学竞赛中，o3 的性价比边界比 o1 有显著提升。

文生视频技术加速成熟，开辟重要应用落地场景。自从 OpenAI 于 2024 年初发布 Sora 预览版，文生视频 技术正式进入产业关注的核心视野。Sora 初步实现了“文本到视频”的高质量生成，其在物理一致性、镜头连 贯性和语义匹配上的表现，标志着该领域从技术验证走向应用探索的关键节点。此后，国内外厂商相继加码， 快手的可灵、Runway 的 Gen-3 Alpha 等模型不断优化画面质量与控制能力。而到了 2025 年中，谷歌推出的 Veo 3 实现了音画同步生成，首次将对白、环境音与视觉内容融合于同一生成流程之中，大幅提升了生成内容 的可用性与生产价值。这一系列技术演进，标志着文生视频正从“视觉生成”阶段迈入“可交付内容”阶段， 即为 AI 大模型技术找到一个重要落地场景，也为传统影视工业体系带来变革。 DeepSeek 成为继 ChatGPT 之后第二个现象级产品，代表中国企业在竞争中跻身行业领先水平。2025 年 1 月 20 日发布的 DeepSeek R1 展现出了与 OpenAI o1 正式版相媲美的性能，且通过诸多优化手段实现了较少算 力的投入，展现出了强大的性价比。DeepSeek R1 上线后仅用两周时间，就超越 ChatGPT 等对手，成为苹果 App Store 免费应用排行榜冠军。截至 1 月底，DeepSeek 已积累了 1.25 亿用户，其中超过 80%的用户是在最后 一周增长的，仅用 7 天就增长了 1 亿用户。这使得 DeepSeek 成为历史上用户增长最快的应用程序。相比之 下，之前的纪录保持者 ChatGPT 用了两个月才达到 1 亿用户。截至 2 月 5 日，DeepSeek 的日活跃用户已突破 4083 万，是豆包网的 2.75 倍，约为 ChatGPT 日活跃用户的 75%。

1.1.2 产业链多厂商共振，AI 正从技术投入转向规模化商业落地阶段

以 OpenAI为代表的头部大模型厂商，正在展示出大模型商业化落地的强劲势能。截至 2025 年 3 月， ChatGPT 的全球周活跃用户已突破 5 亿，相比 2024 年底的 3 亿增长超过 60%，付费商业用户数量也从 2 月的 200 万跃升至 300 万。用户体量的快速增长直接推动了营收提升，据 CNBC 报道，OpenAI 2024 年实现年经常 性收益（ARR）约 55 亿美元，目前已突破 100 亿美元关口，反映出生成式 AI 产品具备强支付意愿和高续费黏 性。 AI已成为云厂商核心业务中的明确增长引擎。微软、Meta 等公司的最新财报均显示出 AI 在实际收入、用 户行为和产品力提升方面的深度介入。微软 FY25Q3 财报（截至 2025 年 3 月 31 日）指出，AI 服务对 Azure 增 长的贡献达 16 个百分点，较上一季度进一步提升。微软 CEO 在财报电话会中强调，AI 业务年化收入运转率已 超 130 亿美元，同比增长 175%。Copilot 付费用户渗透率已达 35%。Meta 2025Q1 财报显示，通过 AI 技术优化 广告推荐系统，Reels 广告转化率提升了 5%，使用 AI 创意广告工具的广告商增加了 30%。同时，Facebook、 Instagram和 Threads 的用户使用时长分别增加了 7%、6%和 35%，显示出 AI 在增强用户黏性方面的强大作 用。Meta 还在预测中指出，2025 年 AI 相关收入有望达到 20-30 亿美元，并提出到 2035 年这一数字可能增长 至千亿美元量级。

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 算力硬件平台开始向新方案过渡，英伟达 Blackwell与 CSP ASIC 放量

GB200 服务器进入规模化量产阶段，Blackwell 将接替 Hopper 成为出货主力。在 GTC 2024 大会上，英伟 达正式发布了新一代 Blackwell 架构 AI 芯片，并推出了基于该架构的新型机架式 AI 服务器参考设计 GB200。 由于散热挑战与液冷系统泄漏等问题，GB200 系统在 2024 年量产推进并不顺利，整体进度滞后于预期。随着 英伟达与供应链合作逐步优化设计，并解决关键技术难题，24 年底 Blackwell 平台开始进入爬坡阶段，开启对 Hopper 平台的替代。英伟达 FY26Q1（2025 年 2 月-4 月）数据中心业务中近 70%的收入已由 Blackwell 平台贡 献。鸿海、广达等核心 ODM 供应商也普遍预计，GB200 将在 2025Q2 加速放量，微软、Meta 等多家云服务厂 商也陆续部署新一代系统。

升级方案 GB300 有望于 2025 年下半年开启量产。英伟达在 GTC 2025 大会上披露，预计 GB300 将于 2025 年下半年量产上市。硬件方面，GB300 采用 12-Hi 堆叠的 HBM3e 内存结构，每颗 GPU 配备 288 GB 显 存，较 GB200 的 192 GB 提升 50%。系统 I/O 也全面升级，整机网络带宽提升至 1.6 Tbps，以满足更高并发推 理的通信需求。在性能表现上，GB300 NVL72 在 FP4 精度下的推理算力相较 GB200 NVL72 提升约 1.5 倍。为 确保量产进度，英伟达此次在设计上回归稳定的 Bianca 板卡方案，并优化了液冷系统与供电模块。GB300 将 成为继 GB200 之后，又一轮 AI 服务器放量的关键驱动。

自研 ASIC 芯片不仅能够降低功耗，还能帮助 CSP 掌握 AI 基础设施的成本与供应链，避免过度依赖英伟 达，因此自研 ASIC 正成为 CSP 的竞争关键。谷歌曾独占 ASIC AI 芯片市场，目前 AWS、Meta、微软等企业 也开始积极投入 ASIC AI 芯片开发。AWS 的 ASIC AI 芯片 Trainium 2 在 2024Q4 开始量产，搭载该芯片的服务 器则在 2025Q1 开始规模化出货，纬颖作为 AWS ASIC 服务器的核心供应商，营收大幅受益。AWS 下一代 Trainium 3 晶片则预计在 2025 年底之前量产。

1.2.2 AI 带动半导体进入新的成长期，先进制程、先进封装持续迭代

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%。

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 2024 年超过智能手机。

2025 年是 2nm 量产交付元年，台积电已获得多家客户订单。台积电、三星、Intel 均有望在 2025 年量产 2nm制程，但目前 Intel 和三星主要用于生产自有产品，并未获得第三方客户的量产订单。Intel 的 18A 将生产 Panther Lake (PC CPU)和 Clearwater Forest (服务器 CPU)，三星的 SF2 可能将获得自研处理器 Exynos 2600 的订 单。台积电的 2nm已获得多家客户订单，包括 AMD 的 Venice（服务器 CPU），苹果的 A20/A20 Pro 和 M6 系 列，高通第三代 8 Elite。此外，AWS、谷歌、微软未来的 ASIC AI 芯片在 2nm节点上都大概率选择台积电。

先进制程面临物理约束瓶颈，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，然而，随着半导体工艺尺寸进一步缩小，集成电路制造面临的挑战日益增大，摩尔定律日趋放缓，单 位晶体管的成本不降反升，应用先进制程的芯片研发费用也大幅增长。先进封装通过异构集成，将多个芯粒 （Chiplets）高密度连接在一起，整体性能提升不再依赖单一芯片支持，且大幅提升良率，降低成本，成为提 供系统级性能提升的新路径。

CoWoS 为 HPC 和 AI计算领域广泛使用的先进封装技术。CoWoS 是台积电推出的 2.5D 封装技术，本质 上是将多个芯片（如逻辑芯片+HBM）放置在一块硅中介层（interposer）上，再封装在基板上，2012 年首先应 用于 Xilinx的 FPGA 上。此后，英伟达、AMD、谷歌等厂商的 AI 芯片均采用了 CoWoS，例如 A100、H100。 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。

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，使台积电 CoWoS 封装产能紧缺。台积电一方面将制程分段委外，另一方面大幅扩产 CoWoS 产能。 HBM 3D 堆叠提升内存性能，AI芯片广泛采用。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、带宽更高，基本成为数据中心 AI 芯片的标配。

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%。

晶圆代工龙头台积电打造先进封装工艺标杆，传统封测厂商亦纷纷加快转型步伐。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

全球 HBM（高带宽存储器）技术呈现“海外领跑、国内加速追赶”的双轨格局。海外市场由 SK 海力 士、三星、美光三大巨头垄断 95%以上份额：SK 海力士凭借 HBM3/3E量产优势稳居首位（市占率 52.5%）， 其 12 层堆叠 HBM4 测试良率已突破 70%，计划 2025 年量产；三星正加速优化 HBM3E良率并推进 HBM4 研 发，2024 年通过 AMD MI300 系列验证后逐步放量；美光则聚焦 HBM3e 量产，但产能扩张略有滞后。国内 HBM 产业受地缘政策催化进入提速阶段。

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（Micro 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 namics 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。 需求紧俏，HBM持续挤压 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 年北美 CSP 的资本开支增速在 55%，主要来自 AI 推动，传统服务器需求基本持平，25Q1 同比增长 64%，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， 2024 年 HBM 市场规模达 到 160 亿美金，同比增长 300%，预计 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 库存波动的情况下，HBM 由于 AI 服务器的强劲需求，挤占 DRAM 产能的现象还在持 续。 HBM快速迭代，HBM4 即将进入量产。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。 产业链相关公司：（1）设备：中微公司、拓荆科技、北方华创、中科飞测、盛美上海、芯源微、精智达； （2）材料：联瑞新材、雅克科技；（3）封测：通富微电。

1.2.4 模型推理时代到来，ASIC 需求爆发，看好 ASIC 服务器 PCB厂商

推理时代即将到来，推理将成为 AI算力需求的新动力。英伟达首席执行官黄仁勋在 2025 年 GTC 的主题 演讲中提到，随着 AI 行业在模型训练上的需求放缓，叠加 DeepSeek 在模型推理上所作的创新，AI 推理时代 即将到来。相较于传统的生成式 AI 主要以语言大模型与聊天机器人的形式呈现、聚焦生成文本和图像内容 等，AI Agent 能理解任务、进行复杂推理、制定计划并自主执行多步骤操作，由于 AI Agent 解决复杂问题、分 解任务每一步的逻辑思考过程都需要用到模型推理，因此推理将成为 AI 新阶段的核心动力。 低成本是 AI推理爆发的必要条件，北美 CSP 厂商均加速研发 ASIC 的步伐。大模型推理时代相较于移动 互联网时代，底层逻辑发生了巨大变化。推理系统的成本几乎和客户使用量成线性关系，因此边际成本很高， 且成本绝大部分是推理的算力消耗。因此，在大模型时代，能将推理成本降到极致的厂商有望获得最终的胜 利。目前北美四大 CSP 厂商，除了继续采用英伟达 GPU 做模型训练之外，均在加速开发自家的 ASIC 产品， 一方面因英伟达的 GPU 价格昂贵，硬件投入成本过高，另一方面，自研 ASIC 可针对特定需求进行优化，也能 针对特定的应用进行设计，因此对于能耗或电力管理的控制将更加精准，此外，从供应链安全角度，也可以避 免算力资源都来自英伟达、AMD 等 GPU 厂商的风险。在同等预算下，AWS 的 Trainium 2 可以比英伟达的 H100 GPU 更快速完成推理任务，且性价比提高了 30%～40%。2025 年底计划推出的 Trainium3，其计算性能 更是提高了 2 倍，能效有望提高 40%。谷歌的 TPU v5 芯片在 Llama-3 推理场景中，单位算力成本较 H100 降低 了 70%。根据 IDC 数据，微软 Azure 自研 ASIC 后，硬件采购成本占比从 75%降至 58%，摆脱长期被动的议价 困境。

在 Google Cloud Next 25 大会上，谷歌又推出了第七代张量处理单元(TPU v7)Ironwood,它是谷歌迄今为止 性能最高、可扩展性最强的定制 ASIC 芯片，也是首款专为推理而设计的加速器。Ironwood 的每瓦性能是谷歌 去年发布的第六代 TPU Trillium的两倍，HBM 容量及双向带宽均大幅提升。谷歌 ASIC 服务器计算板上有四个 Ironwood TPU，这个与之前 TPU v5 计算板架构一样。

博通和 Marvell 均看好 ASIC 市场需求。博通和 Marvell 是 ASIC 定制领域的主要玩家，二者在 AI 定制芯 片中占据了超 70%的市场份额。博通定制的 ASIC 芯片广泛应用于数据中心、云计算、高性能计算（HPC）、 5G无线基础设施等领域，根据博通最新财报，2025Q1 公司 AI 芯片收入占比 50%，同比增长 77%，其中 ASIC 相关收入占比 60%。博通认为 XPU 的需求会持续上涨，公司预计 2025 年下半年 ASIC 收入占比会持续上升， 主要是因为推理模型需求增长使得 AI 芯片业务增速加快。Marvell 的 ASIC 业务也成为公司强劲增长的核心动 力之一。2024 年 12 月初，Marvell 与 AWS 达成了一项为期五年的战略合作协议，包括帮助亚马逊设计自有 AI 芯片。伴随 AWS 芯片的量产，Marvell 在 2025Q1 实现营收 18.95 亿美元，同比增长 63%，创历史新高。 Marvell 也预测，随着 AI 计算需求的增长，公司 ASIC 占比有望提升至 25%，预计 2028 年数据中心 ASIC 市场 规模将提升至 429 亿美元。

中国 ASIC 服务器市场增速超 40%。中国 ASIC 服务器市场未来在中国市场，由于部分高端 GPU 产品受 供应的限制，出现了算力缺口，另外中国头部的互联网企业为了降低成本以及更好地适配自身业务场景，也增 大了自研 ASIC 芯片服务器的部署数量。IDC 预测，2024 年中国加速服务器市场规模将达到 190 亿美元，同比 2023 年增长 87%。其中 GPU 服务器依然是主导地位，占据 74%的市场份额。到 2028 年，中国加速计算服务 器市场规模将超过 550 亿美元，其中 ASIC 加速服务器市场占比将接近 40%。

随云厂商积极自研 ASIC 芯片，ASIC 正成为 AI服务器市场中与 GPU并行的重要架构，进一步带动高阶 PCB 的需求。金像电为全球服务器 PCB 第一大厂，也是 ASIC 服务器放量时 PCB 企业中的最大受益者。金像 电的产品已经切入北美四大 CSP，涵盖 UBB、OAM（加速器模组）所需要的 HDI、厚铜板等。根据金像电 25Q1 法说会资料，公司 25Q1 单季度实现收入 29.52 亿元，创历史新高，其中服务器收入占比持续提升，到 72%。在传统服务器市场温和复苏背景下，金像电业绩高增核心来自于云厂商 ASIC 服务器 PCB 订单，根据公 司交流，2024 年 AI 产品占比已达 20%，未来将持续提升。

根据 Semianalysis 数据，亚马逊第二代推理芯片 Trainium2 的计算托盘中使用了 2 个 Trainium2 的芯片，即 用到 2 个 OAM，下面是一块 UBB 板。UBB 为采用了 M8 规格覆铜板材料的 28 层高多层板，OAM 为 M6/M7 的三阶 HDI，往下一代 Trainium3 迭代的过程中，UBB 中层数、OAM 层数及阶数均会进一步提升。

展望 2025 年，除 AWS 外，谷歌、meta 的新产品中，ASIC 服务器 UBB 层数均将向 30 层板以上推进，制 作难度加剧，也将进一步推动 ASP 的提升，ASIC 服务器 PCB 将迎来量价齐升阶段，同时也将拉动上游高规格 （M8 等）覆铜板的需求。 产业链相关公司：深南电路、沪电股份、生益电子、广合科技、生益科技。

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 端云三大模型混合，实现跨应用执行操作能力。2024 年苹果 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 Intelligence 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、联发科最新一代 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 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 个性化操作系统。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。

2025 年全球手机大盘微幅增长。全球智能手机 2024 年出货量约 12.42 亿台，同比增长 6.4%。过去三个季 度，全球及中国智能手机出货量稳定增长，增速高于全球，根据 IDC，24Q2-Q4 全球智能手机出货量同比分别 增长 4.0%、2.3%、1.5%，中国市场的出货量同比分别增长 3.2%、3.9%、3.4%。展望 2025 年，各家旗舰机发 布新一代 AI 手机，以及中国市场 3C 设备补贴刺激，或刺激消费者换机需求，智能手机出货量有望维持增长。 IDC 预计 2025 年全球和中国的手机出货量分别增长 0.6%、1.0%。

AI手机渗透率持续提升，预计 2025 年达到 34%。根据 Canalys，预计 2025 年 AI 手机渗透率将达到 34%，端侧模型的精简以及芯片算力的升级将进一步助推 AI 手机向中端价位段渗透。2025 年芯片厂商发布的 新款次旗舰 SoC，如骁龙 8s Gen4、天玑 9400e 已经具备了流畅运行端侧大模型的能力，Deepseek 的出现也在 很大程度上降低了大模型对于芯片算力的开销，在这两大因素的共同作用下，2025-2026 年 AI 手机仍预计会保 持高速渗透的趋势。

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 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提升对 iPhone 的硬件要求，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。

1.3.3 AI PC：硬件算力与系统级 AI 功能逐步完善，AI PC 渗透率逐步提升

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 Strix 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，基础内存配置全部从 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；（4）跨模态生成：文生图、语音转 文字等；（5）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 IDC 数据，25Q1 全球具备 Basic AI 和 GenAI 功 能的笔电占比分别达到了 27.2%、5.3%，同比增速达到 88%，基本覆盖了全部高端市场和部分中端市场。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%。

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。

在 PC 标准化与全球电子产业转移趋势中，中国台湾厂商享受到 PC 市场发展第一波红利，并占据 PC 产 业链多数环节的主要份额。当前随着联想、华为、小米等本土 PC 品牌的份额持续提升，以及国产替代的进程 不断推进，本土 PC 产业链也将持续成长，并有望受益于 AI PC 为产业带来的变革机遇。目前在 PC 产业已走 出了一批有市场竞争力的厂商：包括（1）ODM：华勤技术，（2）散热：思泉新材，（3）电池：珠海冠宇、豪 鹏科技，（4）结构件：春秋电子、光大同创，（5）EC 芯片：芯海科技。

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 Ray-Ban 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，回答用户的相关问题，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，RayBan Meta 全年销售量超 160 万副，预计 2025 年发布 Ray-Ban Meta 2 以及新款 AR 眼镜。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。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。 25Q1 Ray Ban Meta 销售量增长三倍，全球 AI眼镜 2025 年出货有望达到 550 万副。2025 年 Q1 全球 AI 智能眼镜销量 60 万台，同比增长达 216%，Q1 销量大幅增长主要来自于 Ray Ban Meta 智能眼镜的增长，销量 52.5 万台，去年同期为 17 万台。此外，雷鸟 V3、Solos AIRGO Vision 的产品发售上市，以及逸文 G1、魅族 StarV Air 2、影目 GO2 等 AR+AI 眼镜也贡献了一定的增量。预计 2025 年全年 AI 智能眼镜销量为 550 万台， 后三个季度预计陆续会有新品上市，包括小米、阿里、三星等十几个品牌，以及 Meta 在 Q3 预计会发布多款 不同功能和形态的 AI 智能眼镜。

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 2024 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。根据洛图科技（RUNTO）线上监测数据，2025 年第一季度， AI 耳机在线上传统主流电商的销量为 38.2 万副，比 2024 年同期增长 960.4%。2025 年全年，AI 耳机在中国传 统主流电商渠道的总销量可达 152.7 万副，延续 2024 年迅猛增长的趋势，同比增长超过 3 倍。

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。

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。

Canalys 预计 2025 全年折叠屏手机出货量实现 0.1%的同比增长，2026 年苹果折叠屏有望刺激市场。虽然 2025 年主流厂商试图通过采取降低售价、扩展 SKU 等方式来寻求增长，但整体需求依旧承压。2026 年或成为 折叠屏市场复苏的关键年，苹果传闻中的折叠产品将有望带动整体品类的讨论度，并可能在软件交互与硬件设 计层面带来新的思考，进一步活化市场需求。

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，宜安科技、东睦股份为主要供应商。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。汇顶科技超声波指纹识别芯片正在放量中，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。

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。

1.3.6 智能车：高级别智驾带来传感器数量提升

智驾升级对感知系统丰富度提出更高要求，单车搭载激光雷达数量有望升至 3 个以上。智驾感知系统通常 分为两类，一类是以特斯拉、小鹏为典型代表的纯视觉方案；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。目前在国内，多传感器融合方案占主流。随着智驾向 L3 级自动驾驶进化，由于乘客参与驾驶 环节更少，以及事故责任的承担方将转移到车厂，因此整个智驾系统对安全的要求将更为严格，通过增加传感 器数量和种类可以极大提高智驾系统的感知丰富度，进而满足更高等级的智驾需求。目前国内搭载激光雷达的智驾系统搭载激光雷达数量大多为 1-3 个，但根据 Yole 预测，未来单车搭载激光雷达的数量将不断增加，预计 到 2032 年单车搭载激光雷达数量达到 6 个，其中长距激光雷达 2 个，短距激光雷达 4 个。

技术迭代及产品放量推动激光雷达价格降至千元水平。2021 年激光雷达单颗价格高达 1 万元，此后随着 技术创新及出货量增加激光雷达的价格逐年下降。2023 年禾赛科技产品单价降至 4023 元，速腾聚创产品单价 降至 2600 元。2024 年一径科技产品价格已经降至 2000 元以内，速腾聚创发布新品 MX 定价低于 200 美元。 2025 年禾赛推出新一代产品 ATX 定价同样低于 200 美元。比亚迪宣称目标将自研激光雷达成本控制在 900 元。考虑到智驾系统理想成本不超过整车成本 5%，对于 20 万元以内车型，其智驾系统成本通常应低于 1 万 元，因此激光雷达价格降至千元水平，有助于降低智驾系统成本，进而推动智驾及激光雷达渗透率提升。 激光雷达渗透车型已下探至 10 万元级别。激光雷达早期主要搭载于高端豪华车，2022 年激光雷达的主要 搭载车型价位区间为 40-50 万元，随着激光雷达技术迭代，成本不断降低，更多中低价位车型开始搭载激光雷 达，2023 年激光雷达主要搭载车型价位区间为 35-40 万元，2024 年 1-10 月降为 30-35 万元。2025 年长安汽车 宣布将在 10 万元级别车型搭载激光雷达，比亚迪发布天神之眼智驾系统，其中天神之眼 B 和天神之眼 A 均配 置激光雷达，未来有望推动激光雷达向 10 万元级别更快渗透。

2029 年激光雷达出货量有望超 1000 万台，市场规模有望增长至 36.32 亿美元。随着搭载激光雷达的车型 逐渐上市，2023 年激光雷达市场开始迎来爆发增长，根据 Yole 数据，2023 年全球激光雷达出货量同比增长 3 倍至 80 万台，2024 年翻倍增至 160 万台突破百万台，预计到 2029 年全球激光雷达出货量可达 1120 万台， 2023-2029 年 CAGR 高达 56.5%。尽管激光雷达单价有所下滑，但随着出货量快速增长，整体市场规模仍将处于快速增长区间。根据 Yole 数据预计，全球激光雷达市场规模将由 2023 年的 5.38 亿美元增至 2029 年的 36.32 亿美元，CAGR 达 38%。其中，乘用车市场激光雷达市场规模占比 82.6%。

激光雷达领域，国产厂商禾赛科技、速腾聚创、Seyond（原图达通）、华为合计市场份额已经高达 83%， 国外厂商法雷奥占比 10%。尽管激光雷达最早由国外厂商开创，但国外车企搭载激光雷达进程较慢，下游需 求迟迟未放量，导致众多国外激光雷达厂商陷入困境，如 Ouster 与 Velodyne 选择合并，AEye、Aeva、 Cepton、Luminar 等则长期处于净亏损状态，Waymo、博世、Mobileye 均宣布放弃自研激光雷达。国内则相 反，随着以蔚小理为代表的新能源车企推出越来越多搭载激光雷达的车型，国内激光雷达需求快速上升，国产 厂商禾赛科技、速腾聚创等通过技术迭代持续降低激光雷达成本，成功满足国内车企激光雷达需求，因此其出 货量及市场份额获得快速提升，2023 年全球激光雷达厂商中，禾赛科技市场份额 37%居第一，速腾聚创市场 份额 21%，Seyond（原图达通）、华为市场份额分别为 19%、6%，四家国产厂商合计份额高达 83%。国外厂商 中仅剩法雷奥仍具备竞争力，其市场份额仍有 10%。

智驾升级推动单车搭载摄像头数量增加、像素升级，2029 年全球车载摄像头市场规模有望达 84 亿美元。 纯视觉与多传感器融合两种类型的智驾系统均搭载大量摄像头作为传感器，随着智驾向 L3 级及以上自动驾驶升级，感知层的传感器数量呈现增加的趋势，Yole 预计 L3 级自动驾驶摄像头搭载数量将比 L2 级大幅增加，可 增至 18 颗。根据盖世汽车统计，2024 年 60%车型单车搭载摄像头数量低于 10 颗，但 2025 年比亚迪发布天神 之眼 C 搭载 12 颗摄像头。同时更高像素摄像头可以使得视觉感知距离得到提升，因此像素升级也是车载摄像 头的长期发展趋势，如小鹏 P7 的前视三目均为 200 万像素，而比亚迪天神之眼 C 前视三目摄像头由 3 颗 800 万像素镜头构成。随着用量增加、像素升级，车载摄像头市场规模将迎来快速增长，根据 Yole 数据，预计全 球车载摄像头市场规模将从 2023 年的 57 亿美元增至 2029 年的 84 亿美元。 CIS 在车载摄像头成本构成中占比最高达 50%，预计 2029 年全球车载 CIS 市场规模将达 32 亿美元。从 车载摄像头成本构成来看，CIS 成本占比最高达 50%，这是由于 CIS 负责将光信号转变为电信号，其质量直接 影响摄像头成像质量与感知精度，CIS 是车载摄像头构成中最重要的部件。此外模组封装占 25%，光学镜头占 14%。由于 CIS 占车载摄像头成本比例较高，因此车载摄像头市场增长中最为受益的是车载 CIS 环节。根据 Yole 数据，预计全球车载 CIS 市场规模将从 2023 年的 23 亿美元增至 2029 年的 31.55 亿美元，CAGR 达 5.4%。

车载 CIS 领域国产化率较低占比仅 3 成左右，高像素 CIS 占比更低，未来国产化空间巨大。根据 Yole 数 据，2023 年车载 CIS 领域全球玩家中，国产厂商韦尔股份占比 29%，思特威占比 3%，两家国产厂商合计占比 仅 3 成左右，其余份额多为国际厂商占据。安森美市场份额高达 40%占比第一，索尼占比 17%排在第三位。而 高像素 CIS 如 800 万像素领域，目前主流供应商为安森美，国内厂商韦尔股份正在快速抢占市场份额。比亚迪 推动智驾平权，带来车载摄像头及车载 CIS 需求大幅提升，车载 CIS 领域国产化率仍较低，韦尔股份、思特威 等已经具备国产替代能力，未来将充分受益其中。 车载摄像头镜头领域舜宇光学科技市场份额 40%位居第一。光学镜片和镜头过去由日韩企业主导，近些 年随着国内企业技术突破以及国内新能源车企推动国产化，2020 年国内企业在光学镜头领域已经占据头部地 位，舜宇光学科技市场份额达 32%以上，位居第一。根据佐思汽研统计，2023 年车载摄像头镜头领域舜宇保 持领先市占率达 40%，联创电子、欧菲光、特莱斯、晶华光学、世高光、电产、麦克赛尔等市占率在 5-10%， 其他厂商包括凤凰光学、大立光电占据少量份额，整体上国产厂商已经占据大部分市场份额。

毫米波雷达成本构成中软件算法占比达 50%，供应环节多被国际厂商主导。根据焉知汽车数据，毫米波 雷达成本构成中，软件算法占比 50%最高，其次为射频前端占比 25%，信号处理芯片及高频 PCB 分别占比 10%。其中软件算法、射频前端等关键部件仍被博世、瑞萨、英飞凌、高通等国外企业掌控，高频 PCB 板的合 格供应商同样以国际市场的罗杰斯、Schweizer 为主，不过国内厂商沪电股份已收购 Schweizer19.74%股权，有 望提升该环节国产化进程。 2024 年国内市场毫米波雷达搭载量超 2300 万颗，但供应商仍以博世等国际厂商为主。随着智驾高速发 展，毫米波雷达搭载量逐年上升，根据盖世汽车数据，2024 年 1-11 月毫米波雷达搭载量超 2300 万颗，同比增 长 18%，增长主要来自角毫米波雷达。竞争格局方面，毫米波雷达市场主要被博世、大陆等国际厂商占据，其 中博世市占率达 33%，大陆 24%。但角毫米波雷达方面国产厂商有所突破，华为、福瑞泰克等开始有所出货。

4D 毫米波雷达是行业重要发展方向，华为发布自研产品引领国内。4D 毫米波雷达在 3D 毫米波雷达基础 上增加了一个维度，即可以测量物体的高度，其功能类似激光雷达，但成本远低于激光雷达，因此 4D 毫米波 雷达是行业重要的发展方向，如特斯拉将在其第 4 代自驾平台重新引入 4D 毫米波雷达，蔚来汽车子品牌乐道 L60 将全系标配 4D 毫米波雷达。2024 年华为在国内首发高精度 4D 毫米波雷达，探测距离增至 280 米，成像 精度提升 4 倍，时延降低 65%，并支持泊车模式，全面提升了智驾感知能力。

1.3.7 人形机器人：产业政策大力扶持，临近规模上量时点

人形机器人产业政策频发，政策红利驱动技术迭代和商业化落地。2023 年 11 月，工信部发布《人形机器 人创新发展指导意见》，核心目标是：2025 年初步建立创新体系，突破“大脑（AI 决策）”“小脑（运动控 制）”“肢体（机械结构）”等关键技术，实现整机批量生产及特种、制造、民生场景示范应用；培育 2-3 家全 球影响力生态型企业，打造 2-3 个产业集聚区。2027 年形成安全可靠产业链，综合实力达世界先进水平，产业 规模化发展并深度融入实体经济。2024-2025 年，各地方相继出台政策，推动人形机器人的技术创新、核心部 件降本和量产突破。根据工信部规划及产业咨询机构预测，2024 年全球人形机器人出货量约千台级，主要应 用于工厂实训（如优必选 Walker 进入车厂）。预计 2027 年超 1 万（CAGR 83%），2030 年达 38 万台，2035 年 400 万-1000 万台。 创业公司井喷，人形机器人产品快速落地。截至 2025 年 4 月，全球人形机器人本体企业数量已突破 300 家，其中中国企业占据半壁江山，数量超过 150 家，集中分布于北京（小米机器人、星动纪元）、上海（智元 机器人、傅利叶）、深圳（优必选、越疆机器人）三大产业集群。国际方面，美国企业超 45 家（如特斯拉、 Figure），日本企业超 22 家（如本田、丰田），其他国家和地区合计不足 30 家。产品发布方面，2024 年全球新 品超 106 款（63%为足式机器人），而 2025 年第一季度新增 35 款，其中国内企业占比 60%（如宇树 Unitree G1、众擎 PM01）。代表性产品包括特斯拉 Optimus（已部署上海工厂）、优必选 Walker S（获车厂订单）、智元 机器人灵犀 X2（2025 年量产）等。

为什么机器人设计成人形？主要基于三重核心价值：（1）通用性：人类环境中的工具、设施（如楼梯、车 辆、键盘）均按人体工学设计，人形结构使机器人能直接操作现有工具、适应多样化任务（如家务全流程、工 业分拣），无需改造环境或定制设备。（2）环境适应性：双足行走与多关节设计（全身 200+自由度）赋予机器 人跨越障碍、灵活转向的能力，在非结构化场景（家庭、废墟救援）中优于轮式或四足机器人。（3）交互友好 性：类人外形（表情、手势）降低人类心理戒备，通过视线、肢体语言实现自然沟通，在医疗陪护、教育等需情感连接场景中不可或缺。 相比传统机器人，人形机器人对驱动、感知、执行、材料、算力的要求提升显著。人形机器人相比常规工 业或家用机器人，在硬件层面实现了显著提升，主要体现在关节数量剧增、感知系统复杂化、执行器高精度化 以及材料轻量化等方面，这些变化带来了核心零部件的增量需求（如更多关节模组、多模态传感器）和性能升 级（如高功率密度驱动、智能材料应用），从而支撑其适应非结构化环境、执行类人精细操作的能力。

从产业链看，人形机器人对上游零部件和中游的制造与总成环节影响较大。从电子产业视角看，人形机器 人带来的增量价值在于：组装代工、结构件、传感器、算力芯片、控制芯片等。

1）组装代工：立讯精密、蓝思科技、领益智造等消费电子代工公司，具备成熟的供应链管控与规模化生 产经验，可将人形机器人整机成本压缩至消费级水平。例如，宇树科技消费级人形机器人 G1 售价已降至 9.9 万元（工业级 H1 为 65 万元），并计划将四足机器人价格进一步压至 3-4 千元。这种能力源于消费电子行业对 物料成本、生产良率、自动化率的极致优化，可直接迁移至机器人制造。此外，消费电子企业采用“预研一代 /量产一代/在售一代”的敏捷开发模式，能快速响应技术升级与成本优化需求。 （2）传感器：人形机器人感知系统重要元器件，主要有力/力矩传感器、触觉传感器、视觉传感器、编码 器、惯性传感器等几大方向。其中，视觉传感器包括：多目视觉、TOF 深度相机、立体视觉、RGB 摄像头、 3D 激光雷达等。

（3）算力芯片：当前人形机器人的算力芯片主要采用异构计算架构，以海外巨头方案为主导，同时国产 芯片正加速替代。特斯拉凭借自研 FSD 端侧芯片（144 TOPS）与 Dojo 训练芯片（362 TFLOPS）构建闭环生 态，实现感知-决策垂直整合。其他厂商多依赖外购方案：优必选 Walker X 采用 Intel i7+NVIDIA GT1030 组 合，宇树科技 H1/G1 EDU 搭载 Intel Core i5/i7 基础芯片并选配 NVIDIA Jetson Orin 系列（最高 275 TOPS）以 扩展 AI 算力。国产化方面，瑞芯微 RK3588（6TOPS NPU）与地平线征程 6（200G FLOPS GPU）已应用于环 境感知与运动控制，全志科技 MR527 则聚焦低功耗边缘计算。未来趋势聚焦三点：一是异构集成 （CPU+GPU/NPU 协同），二是先进制程与 Chiplet 技术（特斯拉计划导入 5nm工艺），三是边缘端大模型部署 以降低云端依赖，支撑实时多模态交互。

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

美国对华供应 AI芯片管制强度持续升级，H20 被纳入管制范围。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，以“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。虽然英伟达又推出了性能大幅下调，符合新规的 H20，但 H20 也在今年 4 月被美国纳入出口管制。

国产算力芯片迎来国产替代窗口期。考虑到英伟达新品迎来大幅性能升级，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： 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。

华为 CloudMatrix 384 以超大集群提供算力，突破通信效率、内存墙挑战。华为云于 2025 年昇腾 AI 开发 者峰会上推出 CloudMatrix 384 超节点，基于 384 颗昇腾芯片，单节点 BF16 稠密算力高达 300PFlops，超过英 伟达 NVL72 的 180PFlops。在互联通信方面，CloudMatrix 384 通过 MatrixLink 服务将单层网络升级为两层高 速网络，一层是超节点内部的 ScaleUp 总线网络，确保超节点内 384 卡全对等高速无阻塞互联，卡间超大带宽 2.8T，纳秒级时延；另一层是跨超节点间的 ScaleOut 网络，可支持微秒级时延。在存力方面，华为云首创了 EMS 弹性内存存储，打破传统 GPU 算力与显存绑定的关键障碍，通过内存池化技术，实现显存和算力解绑。 一方面，用 EMS 替代 NPU 中的显存，可使得首 Token 时延降低，最高降幅可达 80%；另一方面，当 NPU 的 显存不足时，EMS 独立扩容，不必再通过堆 NPU 以获得更多内存。

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：产能结构性升级，看好 AI 终端存储需求

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。2025Q1 以来，原厂相继宣布减产 DDR4，并计划到 26H1 全部停产 DDR4，因此 DDR4 出现阶段性供需不平衡。从高频数据看，当前 4Gb DDR3 现货价、8Gb DDR4 合约价等数据转涨，DDR5 的价格坚挺，台股 DRAM 月度营收同比增速回升，存储景气度回升。

供给端：产能结构性升级，DDR4 即将退出主流市场。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。 另一方面，韩国三星和 SK 海力士已明确通知客户停止 DDR4 的生产，并将最终订购截止日期设定为 2025 年 6 月初，并计划在 2025 年 12 月完成 8GB 和 16GB 模块的交付。随着更多存储原厂减少和退出 DDR4 的供给， DDR4 市场将逐步由国内 Fabless 和台湾 IDM 主导，应用市场将逐步收缩至车载、工业、家电、穿戴等领域。 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、IDC、 DIGITIMES 统计，预计 2025 年服务器、手机、笔电的出货量分别增长 4%、5%、2%，其中 AI 服务器增长28%。我们判断 2025 年手机、PC 稳定增长，AI 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 渗透率达到 60%，2025 年进一步提升至 80%以上。而 2025 年 CSP 资本开支将维持高增长， 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。2025 年 AI 手机渗透率将进一步提升，从 2024 年的 16% 提升至 2025 年 28%，拉动存储需求。（3）笔电：微软将于 2025 年 10 月停止 Windows 10 的更新，另外 2020- 2021 年疫情刺激的笔电需求也将于 2024-2026 年迎来换机需求，AI PC 有望继续刺激 PC 市场成长。总而言 之，当前存储的供需有阶段性波动，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。

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，全球半导体设备季度出货强劲

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，2025Q1 半导体设备销售额同比增长 21%。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。从半导体设备销售来看，连续四个季度强劲 增长，2025 年第一季度全球半导体设备出货金额同比增长 21%，达到 320.5 亿美元。按照典型的季节性规律， 2025 年第一季度的出货金额环比下降了 5%。除了中国大陆和欧洲同比为负外，其他地区同比实现快速增长， 尤其是中国台湾达到 203%。

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 2025Q1 期末，龙头北方华创存货达到 252 亿，同比增长 41%，芯碁微装存货同比增长 97%，京仪装备和万业企业存货同比增长分别为 82%、75%。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 2025Q1 期 末，长川科技、拓荆科技、中微公司、华峰测控、芯碁微装合同负债同比增长较快，分别为 927%、171%、 162%、155%、96%，反应在手订单同比快速增长。封测类设备需求旺盛，华峰测控和长川科技合同负债均达 到 1 亿左右。

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，芯碁微装和京仪装备的存货与合同负债之和分别达到 97%、81%，业绩增长确定性最强，对应的 2025 年 Wind 一致预期收入增长分别为 57%、46%；其次京仪装备、万业企业、拓荆科技存货与合同负债之和同比 增长超过 40%，分别为 81%、69%、65%。

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，2021Q1-2025Q1 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。

从市场竞争格局来看，零部件供应主要被美国、日本垄断。IC World 2020 公开的 20 类半导体核心零部件 产品的 44 家主要供应商中，存在 20 家美国供应商、16 家日本供应商、2 家德国供应商、2 家瑞士供应商、2 家韩国供应商、1 家英国供应商，均为境外供应商，且以美国和日本为主。对全球主要半导体零部件企业（不 含光刻机零部件）的半导体收入进行统计，美国半导体零部件企业的合计收入占比 44%；日本半导体零部件企 业的合计收入占比 33%；英国、瑞士等欧洲地区占比 21%；新加坡、韩国等半导体零部件企业的合计收入占比 2%。

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：半导体材料稳定增长，硅片库存消化逐步好转

全球半导体材料稳定增长，硅片库存消化逐步好转。半导体材料处于整个半导体产业链的上游环节，是半 导体产业的基石和推动集成电路技术创 新的引擎。根据TECHCET，预计 2028 年全球半导体材料市场规模将超过 840 亿美元。根据 SEMI 数据，2024 年全球半导体材料市场收入规模达 675 亿美元，同比实现 3.8%增 长。整体半导体市场的复苏以及 HPC、HBM 制造对先进材料需求的增加，支持了 2024 年材料收入的增长。 从材料大类来看，2024 年全球晶圆制造材料和封装材料的销售额分别为 429 亿美元和 246 亿美元，占全球半导 体材料销售额的比重分别约 64%和 36%，除硅和绝缘体上硅（SOI）外，所有半导体材料细分市场均实现了同 比增长。由于行业持续消化过剩库存，2024 年对硅的需求（尤其是在后缘细分市场）依然疲软，导致 2024 年 硅收入下降 7.1%；从地区分布来看，2024 年中国台湾地区以 201 亿美元的营收连续 15 年成为全球最大的半导 体材料消费地区。中国大陆以 135 亿美元的营收继续实现同比增长，在 2024 年位居第二；韩国则以 105 亿美 元的营收位居第三。除日本外，所有地区在 2024 年均实现了增长。

半导体材料连续反弹五个季度，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，2021Q1-2025Q1 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 2023 年前三个季度后，收入逐步开 始强势反弹，利润震荡上行，半导体材料与电子化学品还处在复苏放量上涨阶段。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 2025Q1 业绩，抛光液>抛光垫>靶 材>硅片>化学品/光刻胶>掩膜版>封装材料，呈现业绩分化。其中，安集科技产品包括不同系列的化学机械抛 光液、功能性湿电子化学品和电镀液及添加剂系列产品，已成功打破了国外厂商的垄断并已成为中国大陆众多 半导体行业领先客户的主流供应商。在 2024 年前五大客户销售额占比达到 74.67%，客户集中度逐步下降，客 户的开拓能力逐渐增强。鼎龙股份重点聚焦半导体创新材料领域中：半导体制造用 CMP 工艺材料和晶圆光刻 胶、半导体显示材料、半导体先进封装材料三个细分板块，并持 续在其他相关大应用领域的创新材料端进行 拓展布局。CMP 抛光垫业务：2024 年，累计实现产品销售收入 7.16 亿元，同比增长 71.51%。武汉本部抛光硬 垫产线产能至 2025 年一季度末已提升至月产 4 万片左右（即年产约 50 万片），为 未来进一步放量销售做好产 能储备。

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（包括 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。

2.5 模拟：行业周期底部复苏，竞争格局边际改善

模拟 IC 行业呈现阶梯式复苏，周期底部已现，将迈入新一轮成长通道。在本轮半导体周期中，模拟 IC 市 场展现出明显的阶梯式复苏特征。消费电子终端率先回暖，复苏进程自 2023 年下半年启动；而工业与汽车市 场则处于相对滞后的库存去化阶段。受下游应用结构差异影响，国内模拟 IC 厂商在本轮复苏周期中率先实现 业绩改善。以工业和汽车为主要收入来源的 TI 和 ADI 则在最近一个财季实现了营业收入的同比正增长，结束 了之前延续 2 年左右的衰退。TI 和 ADI 均指出当前除了工业领域在多个细分和地区均呈现广泛回暖之外，所 有终端市场的客户库存均处于低位，各个市场均有复苏迹象，标志着行业周期已经触底。随着下游人工智能、 机器人等新兴领域对模拟 IC 的需求持续增长，模拟 IC 行业将进入新的成长阶段。

竞争格局边际改善，等待行业整合出清。模拟 IC 市场规模大，下游应用广泛，且进入门槛较低。2020 年2021 年全球缺芯潮下，国内涌现出了大量初创模拟 IC 公司，同质化竞争现象普遍发生。随着 2022 年行业进入 下行周期，需求快速收缩，行业内价格战抢单现象频频发生，竞争环境迅速恶化。经历了近几年的激烈竞争 后，模拟 IC 行业竞争格局开始呈现边际好转的迹象，主要体现在以下几个方面：

（1）TI下调资本开支，减弱价格战压力。TI 曾规划将在 2024 年-2026 年保持每年投入 50 亿美元的资本 开支，但在 2024 年 8 月宣布将 2026 年的资本开支指引下调为 20-50 亿美元。TI 将缩减远期资本开支并专注于 自由现金流的改善，过去以收入增长为目标转变成以自由现金流为目标，体现了对产能增长的审慎态度，有助 于降低模拟 IC 行业产能过剩，恶性价格战的压力。

（2）国内模拟 IC 市场并购整合提速，产业集中趋势渐显。2024 年 6 月，“科创板八条”明确提出将更大 力度支持并购重组，包括适当提高科创板上市公司并购重组估值包容性，丰富支付工具等。与此同时，上一轮 下行周期导致一级市场的大量模拟 IC 公司经营承压，叠加市场对模拟 IC 公司的估值趋于理性，为上市公司提 供了并购优质资产的窗口期。在政策与市场的共同推动下，国内多家上市模拟 IC 企业加快了对一级市场标的 的收购整合进程。参考海外的发展路径，并购整合是扩充产品线，构建平台型公司的关键途径。我们预计国内 模拟 IC 也会逐步走向集中。在这一过程中，被并购的公司是少数，多数公司或将逐步淡出；而能够有效实施 并购整合战略的企业，有望在产品覆盖、技术积累和客户资源等方面迅速拉开差距，巩固行业领先地位。

国内模拟 IC 厂商近几年成长性显著，抢占市场份额。国内多家模拟 IC 厂商已在各自优势领域站稳脚跟， 取得领先的市场份额，并逐步向更多产品品类和应用市场拓展。与此同时，根据 IC Insights 和 TechInsights 的 数据，全球前十大模拟 IC 厂商（均为海外企业）的市场份额近年来收缩明显，其中 TI 的市占率已从 19%降至 15%。这一升一降之间，显示出海外龙头企业增速放缓，与国内厂商的高速成长形成鲜明对比。尽管当前国内 厂商整体收入体量仍相对较小，但成长性显著。在 2020 年至 2024 年期间，南芯科技、纳芯微和贝克微的营业 收入年均复合增速均超过 50%。从盈利能力来看，圣邦股份、思瑞浦、赛微微电、贝克微等公司的平均毛利率 在近几年均超过 50%，另有多家公司的毛利率在 40%-50%，体现出较强的产品附加值和市场议价能力。

编辑：火腿肠