2024AI洞察報(bào)告：重塑與創(chuàng)造

目錄CONTENTS綜述 01AI+業(yè)的十大預(yù)測(cè) AI的寒武紀(jì)大爆發(fā) AI業(yè)模型層是大算力層是糧應(yīng)用層是單位 04二模型大模型模AIAgent進(jìn)化 大模型是什模型是如何發(fā)展至今的？ 06下一代大模型的進(jìn)化方向 大模型進(jìn)化方多模感知理解升級(jí)+拓展機(jī)交互形式 大模型進(jìn)化向AIAgen像樣規(guī)劃反使工具的AI程序 大模型的競(jìng)爭(zhēng)格局 09海大模馬拉松淘汰有模型走向寡頭格局 09中國(guó)大模海外年代持續(xù)追趕海外進(jìn)程 09應(yīng)軟生場(chǎng)實(shí)現(xiàn)降本增泛娛樂(lè)場(chǎng)景提升交體驗(yàn) 11AI商業(yè)價(jià)值的載生力應(yīng)用與泛娛樂(lè)應(yīng)用 生力場(chǎng)實(shí)現(xiàn)降本增效 泛娛樂(lè)場(chǎng)提升交體驗(yàn) 游戲內(nèi)AINP讓游戲情更多的能創(chuàng)造新奇的體驗(yàn) 游戲形AIUG現(xiàn)游戲制作去廠有現(xiàn)游“音時(shí)刻” 止于游各類(lèi)數(shù)字創(chuàng)作領(lǐng)域都可能誕生新的超級(jí)臺(tái) 四應(yīng)硬軟件推動(dòng)硬件創(chuàng)一代能終端漸行漸近 17AI終端側(cè)AI部署有利于降低邊際推理成本 18PC/手機(jī)最佳AI端側(cè)載體 18解放下一代智能終端的雛? 19MR在2024橫世 19AI和3D建模將提內(nèi)生產(chǎn)效率 MR帶動(dòng)消子投資機(jī)遇 21AI賦能感知和決加速智能汽車(chē)技術(shù)升級(jí) 21智能汽車(chē)業(yè)發(fā)展的點(diǎn)即將到來(lái) 中國(guó)汽車(chē)業(yè)鏈?zhǔn)侵悄芑顺敝凶顐涓?jìng)力的業(yè)鏈 中國(guó)汽車(chē)業(yè)鏈在智能化浪潮中醞巨大投資會(huì) AI的突破是機(jī)器人進(jìn)化的里程碑 智能機(jī)人的落地奏 降本路徑依靠規(guī)模效有賴(lài)于中國(guó)供應(yīng)鏈的參與 推理需求發(fā)在國(guó)產(chǎn)替代加速前行 算力投應(yīng)用爆發(fā)的必要條件和先行指標(biāo) 全球算推理需求驅(qū)動(dòng)算力投資快速成長(zhǎng) 30需A成為全球力投長(zhǎng)的心驅(qū)動(dòng) 供應(yīng)A重塑價(jià)值分芯通訊/儲(chǔ)件配套升級(jí) 31國(guó)產(chǎn)替需求旺盛但成熟供外部制裁迎國(guó)史機(jī)遇 供需缺國(guó)內(nèi)需已達(dá)到全球但上游心芯片外依賴(lài)重 業(yè)追圍繞力芯設(shè)計(jì)-制造-封裝全業(yè)鏈加速長(zhǎng) 34錄 36訓(xùn)練側(cè)算力需求匡算 推理側(cè)算力需求匡算 38AI+產(chǎn)業(yè)的十大預(yù)測(cè)AI將帶來(lái)一場(chǎng)席卷各行各業(yè)的技術(shù)革命AIAI賦能感知與決策，加速智能駕駛奇點(diǎn)到來(lái)算力需求將從訓(xùn)練轉(zhuǎn)向推理，從云端轉(zhuǎn)向邊端

大模型正在向多模態(tài)和AIAgent方向進(jìn)化AI將明顯提升腦力勞動(dòng)效率，推動(dòng)生產(chǎn)力革命AI應(yīng)用將百花齊放，驅(qū)動(dòng)新一輪硬件創(chuàng)新周期的到來(lái)AI重塑機(jī)器人大腦，產(chǎn)業(yè)鏈迎來(lái)新機(jī)遇海外算力禁售推動(dòng)國(guó)產(chǎn)芯片和先進(jìn)封裝迎歷史性機(jī)遇AI的寒武紀(jì)大爆發(fā)IAI的發(fā)展歷程1950SAlexNet2012AlphaGo2016Dall.E2022ChatGPT3.520221860200年間締造的財(cái)富就超越了過(guò)去30001950圖：從工業(yè)革命到AI革命，每一輪生產(chǎn)力提升都推動(dòng)了社會(huì)財(cái)富指數(shù)級(jí)增長(zhǎng)世界GDP($billion)體力勞動(dòng)+簡(jiǎn)單工具犁（3500AC）體力勞動(dòng)+簡(jiǎn)單工具犁（3500AC）體力勞動(dòng)被機(jī)器替代，成本大幅下降蒸汽機(jī)（1698）珍妮紡紗機(jī)（1765）計(jì)算和分發(fā)成本大幅下降計(jì)算機(jī)（1946） 臺(tái)式計(jì)算機(jī)腦力勞動(dòng)成本大幅下降ChatGPT(2022)120000100000800006000040000200000 1AC 1000 1500 1600 1700 1820 1870 1900 1913 1940 1953 1968 1978 1988 199820082018Source:景順長(zhǎng)城基金AIAI產(chǎn)業(yè)周期將呈下一輪浪潮將由多模態(tài)+AIAent驅(qū)動(dòng)AIAI大語(yǔ)言模型AI混合現(xiàn)實(shí)AI+202220232024202520262027AI應(yīng)用層則是AI2024AI產(chǎn)業(yè)鏈概覽二、模型層：大模型向多模態(tài)與AIAgent進(jìn)化大模型是AIAI大語(yǔ)言模型的核心任務(wù)是根據(jù)提示詞和已有文本，不斷預(yù)測(cè)下一個(gè)“合理“的字符我們讓大語(yǔ)言模型閱讀一本偵探小說(shuō)，讓模型預(yù)測(cè)”我們讓大語(yǔ)言模型閱讀一本偵探小說(shuō)，讓模型預(yù)測(cè)”了45TB在預(yù)訓(xùn)練階段吸收大模型發(fā)展至今經(jīng)歷了從量變到質(zhì)變的過(guò)程。一步步思考推理能力隨模型規(guī)模擴(kuò)大顯著提升。）規(guī)模法則（ScalingLaw)L=(Cmin/2.3.108)-0.0506壓縮損失率5壓縮損失率LossLoss3210-9

10-7

10-5

10-3

10-1

101

4.23.93.63.33.02.7

108

109

5.6L=(D/5.4.1013)-0.0954.03.22.4

L=(N/8.8L=(N/8.8.1013)-0.076105 107 109ComputePF-days,

Datasettokens

Parametersnon-embedding算力 數(shù)據(jù) 參數(shù)Kaplan,Jaed,tal.SalinglawsorneuallanguaemodelsWei,Jason,tal."Emeentabilitiesoflaelanguaemodels，景順長(zhǎng)城基金06Mathwordproblems25GSM8KAccuracy(%)20 ChainGSM8KAccuracy(%)15105NoChain0 of

涌現(xiàn)能力(EmergentAbility)Instructionfollowing (C)8-digitaddition (D)Calibration0000000ScratchpadNoScratchpad00000000ScratchpadNoScratchpad0T/FLetterchoices110NLUtaskaverage%ECE(log-scale,decreasing)108tuning8Accuracy(%)60Accuracy(%)650 Noinstruction 440 tuning 2 10301021102210231024

102210231024

10191020

1021

1022 1023 1024

Modelscale(trainingFLOPs)模型規(guī)模（訓(xùn)練算力）大模型進(jìn)化方向1:等意效率景的內(nèi)容創(chuàng)作，同時(shí)加速?gòu)V3D生成能力可以廣泛應(yīng)用于多模態(tài)大模型的圖像、視頻、提升AI地場(chǎng)景景語(yǔ)言大模型最大的應(yīng)用場(chǎng)景多模態(tài)大模型支持視覺(jué)提示

帶動(dòng)終端硬件革新多模態(tài)大模型可以處理視覺(jué)針對(duì)性分析這種能力未來(lái)可圖：多模態(tài)大模型將拓展人機(jī)交互形式)形)形式拓展觸屏眼動(dòng)追蹤語(yǔ)音手勢(shì)交互資料來(lái)源Micosoft,OpenAI,Apple,AIPin,景順長(zhǎng)城基金觸屏眼動(dòng)追蹤語(yǔ)音手勢(shì)交互大模型進(jìn)化方向2AIAen使用工具的AI程序AIAentAI大模型+記憶+規(guī)劃+工具使用：AlphaGo使用AIAent在遇到自身難以解決的問(wèn)題時(shí)作應(yīng)用、使用專(zhuān)用AI模型解決問(wèn)題。AIAgent來(lái)帶更多自主能動(dòng)的交互體驗(yàn)：AI應(yīng)用了戶(hù)GT制作個(gè)性AI應(yīng)用了戶(hù)GT制作個(gè)性化的OeA2et建

學(xué)習(xí)更多的技能解智學(xué)習(xí)更多的技能 目標(biāo)拆解 思維鏈思維樹(shù) 自我評(píng)價(jià) 反思

動(dòng) AIAent=工具使用規(guī)劃 記憶 工具使用規(guī)劃基礎(chǔ)大模型基礎(chǔ)大模型 行動(dòng)

網(wǎng)絡(luò)搜索 應(yīng)用軟件 專(zhuān)用模型 數(shù)學(xué)計(jì)算 Weng,LiliaLLMeeduonomousAen,景順長(zhǎng)城基金大模型的競(jìng)爭(zhēng)格局公有大模型每一代升級(jí)，競(jìng)爭(zhēng)門(mén)檻將持續(xù)提升，參與者會(huì)持續(xù)減少，走向寡頭格局，源于：GGIT1到模型高資先發(fā)布模型更新I者。至2截競(jìng)OpenAIGT大模型每一代升GPT-1GPT-2GPT-3GPT-3.5GPT-4發(fā)布時(shí)間18年6月19年2月20年5月22年1月23年3月參數(shù)量117Mn1.5Bn175Bn175Bn預(yù)估1+tn數(shù)據(jù)量5GB40GB45TB45TBOpenAI,景順長(zhǎng)城基金11AIAI廠商單卡算力水平已接近海外上一代GPU2022.12發(fā)布ChatGPT2022.12發(fā)布ChatGPT(基于GPT-3.5)OpenAI2020.5發(fā)布GPT-3國(guó)內(nèi)模型廠商

2023.3 發(fā)布

2023.9 發(fā)布陸續(xù)發(fā)布模型2023上半年對(duì)標(biāo)GPT-3 陸續(xù)發(fā)布模型2023上半年對(duì)標(biāo)GPT-3

2024年 2024年底 對(duì)標(biāo)當(dāng)前國(guó)內(nèi)模型廠商處于同質(zhì)化競(jìng)爭(zhēng)，我們預(yù)計(jì)未來(lái)應(yīng)用層會(huì)獲得更高的價(jià)值量分配。優(yōu)化、AI芯片的優(yōu)化而持續(xù)降低。優(yōu)化、AI芯片的優(yōu)化而持續(xù)降低。的產(chǎn)業(yè)價(jià)值分配。AI現(xiàn)在 未來(lái)

算力層模型層應(yīng)用層場(chǎng)景效11AI到底能為我們帶來(lái)什么影響AI大幅提升AIAIAI提供效率價(jià)值輔助各個(gè)崗位完成工作為企業(yè)降本增效，比如AI輔助提升普通用戶(hù)和虛擬世界的交互體驗(yàn)，比如有了AI，AI提供體驗(yàn)價(jià)值用戶(hù)可以用自然語(yǔ)言和游戲NPC、或是主打情感陪伴的聊天機(jī)器人進(jìn)行自由交流。AI提供效率價(jià)值輔助各個(gè)崗位完成工作為企業(yè)降本增效，比如AI輔助提升普通用戶(hù)和虛擬世界的交互體驗(yàn)，比如有了AI，AI提供體驗(yàn)價(jià)值用戶(hù)可以用自然語(yǔ)言和游戲NPC、或是主打情感陪伴的聊天機(jī)器人進(jìn)行自由交流。AI應(yīng)用的領(lǐng)域及價(jià)值體現(xiàn)應(yīng)用領(lǐng)域AI提供的價(jià)值細(xì)分場(chǎng)景對(duì)應(yīng)崗位典型案例生產(chǎn)力場(chǎng)景節(jié)約增效提文檔助理綜合M365Copilot企業(yè)知識(shí)管理綜合Glean代碼開(kāi)發(fā)助理創(chuàng)意設(shè)計(jì)助理研發(fā)營(yíng)銷(xiāo)/產(chǎn)品GithubCopilotAdobeFire?y銷(xiāo)售助理智能客服銷(xiāo)售客服SalesforceSalesGPT專(zhuān)業(yè)服務(wù)咨詢(xún)(法律/稅務(wù)/金融等)(AINPCUGC專(zhuān)業(yè)從業(yè)人員等)HarveyAl，BloombergGPT逆水寒、蛋仔派對(duì)泛娛樂(lè)場(chǎng)景人機(jī)驗(yàn)提升陪伴機(jī)器人Character.AlAI實(shí)現(xiàn)降本增效AI應(yīng)用場(chǎng)景眾多，哪些場(chǎng)景能更快實(shí)現(xiàn)商業(yè)化落地？我們認(rèn)為：AI應(yīng)用領(lǐng)先落地AI應(yīng)用領(lǐng)先落地。由于當(dāng)前AI大模型仍然具有幻覺(jué)率，在容錯(cuò)率較高的AI大模型的能力半徑也是應(yīng)用落地的重要影響因素。AI模型已經(jīng)可以基本實(shí)現(xiàn)工作流的自動(dòng)化。隨著AI大模型幻覺(jué)率的降低與能力半。自動(dòng)化程度自動(dòng)化程度更強(qiáng)調(diào)創(chuàng)造力&開(kāi)放性/容錯(cuò)率高文檔助理咨詢(xún)&文件起草醫(yī)療健康咨詢(xún)企業(yè)級(jí)知識(shí)管理更強(qiáng)調(diào)創(chuàng)造力&開(kāi)放性/容錯(cuò)率高文檔助理咨詢(xún)&文件起草醫(yī)療健康咨詢(xún)企業(yè)級(jí)知識(shí)管理更強(qiáng)調(diào)準(zhǔn)確性&穩(wěn)定性/容錯(cuò)率低場(chǎng)景容錯(cuò)率提供信息與理素材生成稅務(wù)/Copilot智能客服代碼開(kāi)發(fā)助理AIAgent完全自動(dòng)化AI-FirstAI-FirstCompaniesAI原生應(yīng)用56%AI-FirstCompanies45%27%41%35%39%14% 14%Median 42%Median%30% 51%Median48%63%Median34%32%61%54%50%51%60%67%63%64%64%69%傳統(tǒng)應(yīng)用85%Inun73%85%Inuensnthention41%14%AI提升交互體驗(yàn)AI原因是①游戲中的文字、音樂(lè)等各種元素，都可通過(guò)AI生成。AIGC先和新技術(shù)結(jié)合的領(lǐng)域。AI與游戲結(jié)合的方式主要包括兩種，一是改變游戲內(nèi)容，二是改變徹底游戲形態(tài)。160技術(shù)革新160技術(shù)革新140120全球游戲行業(yè)規(guī)模(十億美元)英特爾游戲行業(yè)規(guī)模(十億美元)10080Intel40046040200英偉達(dá)PC/Xboxone/PS4IphoneIphone4英特爾 英偉達(dá)XBOXAMDSONY主機(jī)ZilogGameBoy理光任天堂FCMOS科技雅達(dá)利2600Pong

太空侵噬者

光環(huán)GlowHockey光環(huán)

爆款產(chǎn)品Horizon爆款產(chǎn)品HorizonZero魂斗羅高爾夫魂斗羅

超級(jí)馬里奧大陸A.IVEvolution生化危機(jī)超級(jí)馬里奧大陸A.IVEvolution生化危機(jī)

實(shí)況足球

Clancy'sSplinter

漫威蜘蛛俠水果忍者NPCAIAent游戲中的NPC被賦予AINPCNPC的每一次交互都將改變NPC圖:AINPC可實(shí)時(shí)生成預(yù)先未編排的內(nèi)容，將讀劇本變成探索故事按游戲創(chuàng)作者預(yù)先安排的進(jìn)度進(jìn)行游戲內(nèi)容消耗 NPC

2-a

3 AI 3-aAI 1

AI197019711972AI197019711972197319741975197619771978197919801981198219831984198519861987198819891990199119921993199419951996199719981999200020012002200320042005200620072008200912102011201220132014201520162017201820192020AIUGC實(shí)現(xiàn)游戲制作去廠商AI加持下的UGC玩家AI+ugc降低門(mén)檻，玩家可作策劃AI+UGC圖:AI使游戲UGC門(mén)檻更低 人人可做策制作自己游游戲去廠商”玩家AI+ugc降低門(mén)檻，玩家可作策劃AI+UGC傳統(tǒng)未來(lái)傳統(tǒng)未來(lái)））廠商（代碼組）））廠商（代碼組）策劃數(shù)值代碼）游戲生產(chǎn)流程測(cè)試成品資料來(lái)源:景順長(zhǎng)城基金

廠測(cè)試） 玩家傳統(tǒng):一般需2年+;平均幾千萬(wàn)成本;成功率3%。

玩家玩家未來(lái):一天內(nèi)，成本不超過(guò)百元便可做出一款圖:AI時(shí)代:產(chǎn)業(yè)鏈上廠商環(huán)節(jié)話語(yǔ)權(quán)降低，但平臺(tái)地位凸顯游戲公司用戶(hù)類(lèi)似例如平臺(tái) 主升游戲公司用戶(hù)類(lèi)似例如資料來(lái)源:景順長(zhǎng)城基金GIF快手降低了視頻拍攝的門(mén)檻oblx我們認(rèn)為AIAI23年11月OpenAIAI時(shí)代的應(yīng)用商城已初具雛形Twitter/微博寫(xiě)短文

GIF快手動(dòng)圖拍攝

Roblox游戲制作

OpenAIGPTs應(yīng)用程序

OpenAISora視頻生成

Character.ai設(shè)計(jì)自己的AI陪伴 降低創(chuàng)作門(mén)檻，擴(kuò)大創(chuàng)作者基數(shù)超級(jí)平臺(tái)

人機(jī)協(xié)同創(chuàng)造的程序、內(nèi)容、數(shù)字角色爆發(fā)式增長(zhǎng)可能的AI超級(jí)平臺(tái)?社交網(wǎng)絡(luò)witter/Facebook

短視頻快手

游戲平臺(tái)Roblox

AI操作系統(tǒng)AI應(yīng)用商城

漫畫(huà)/短劇混合現(xiàn)實(shí)應(yīng)用

西部世界式AI游戲每個(gè)人的AI陪伴微博/朋友圈 資料來(lái)源:景順長(zhǎng)城基金近17AIAIAI部署有利于降低邊際推理成本端側(cè)AIAI每一次搜索查詢(xún)其推理成本是傳統(tǒng)搜索方法的10AI將AI圖:云端生成式AI單次查詢(xún)成本遠(yuǎn)高于傳統(tǒng)方案)約10倍約10倍

生成式AI應(yīng)用網(wǎng)絡(luò)搜索O?ce文本總結(jié)編程助手對(duì)話式聊天機(jī)器人

數(shù)十億用戶(hù)傳統(tǒng)方法資料來(lái)源：高通、景順長(zhǎng)城基金

生成式AI

文案創(chuàng)作PC/手機(jī)為當(dāng)下最佳AI端側(cè)載體3G切換至4GAIoAI加持下微軟的出現(xiàn)將大幅圖:終端有望實(shí)現(xiàn)換新周期與創(chuàng)新驅(qū)動(dòng)共振(單位:百萬(wàn)臺(tái))機(jī)周期已達(dá)43個(gè)月距上輪銷(xiāo)量高點(diǎn)換機(jī)周期已達(dá)43個(gè)月距上輪銷(xiāo)量高點(diǎn)換ChatGPT2009201020112012201320142015201620172018201920202021202220232024E2025E202X手機(jī)0停止服務(wù)Win2000停止服務(wù)Win2000停止服務(wù)WinXP停止服務(wù)Win720052006200720082009201020112012201320142015201620172018201920202021202220232024E2025E 202XMicrosoft365CopilotWin10停止服務(wù)PC0MR下一代智能終端的雛形?MR在2024橫空出世2024年初蘋(píng)果VisionPoMAIMR頭盔變成時(shí)尚輕薄的智能眼鏡。MR相對(duì)VR應(yīng)用場(chǎng)景大幅拓展VMR可圖:AppleVisionPro可在3D空間操控應(yīng)用 圖:Meta推出眼鏡可直播可拍照AI和3D建模將提升內(nèi)容生產(chǎn)效率當(dāng)前VRVR產(chǎn)業(yè)歷經(jīng)了5當(dāng)前VR的內(nèi)容供給僅僅是主流游戲平臺(tái)的1/AI多模態(tài)和3D建MR出貨有望上發(fā)展和3D數(shù)字建MR的使用39064628390646284230585112388010000

2020

2021 2022AR/VR出貨量(萬(wàn)臺(tái)) 游戲主機(jī)出貨量(PlaytioXbxSeriesSwic萬(wàn)臺(tái))圖:與游戲主機(jī)相比，VR游戲供給有限主機(jī)/PC游戲平臺(tái) VR游戲平臺(tái)(小游戲?yàn)橹?

4754

2583

4995

1870

355 276 139 970 PS4XboxOneSwitch

Vive

NOLO

YVRomdiaMR帶動(dòng)消費(fèi)電子投資機(jī)遇蘋(píng)果發(fā)布MMR的滲透和放量也會(huì)帶來(lái)消費(fèi)電子相關(guān)零部件廠商的新一輪投資機(jī)遇。圖:蘋(píng)果VisionProBOM拆分 圖:MetaQuestProBOM拆分8%1%15%

1%8%

44%

29%3%

7%4%8% 2%

25%15%主板部分 屏幕部分 鏡片部分 聲學(xué)部分 傳感攝像頭 結(jié)構(gòu)件 續(xù)航 其他數(shù)據(jù)來(lái)源:WellsennAI

主板部分 屏幕部分 鏡片部分 聲學(xué)部分 傳感攝像頭 結(jié)構(gòu)件 續(xù)航 手柄 其他知知IU感知等；息進(jìn)行分析做出決大腦對(duì)信決策智駕域控制器；動(dòng)打方彎減執(zhí)行轉(zhuǎn)向等比如AI賦能智能駕駛，主要是賦能感知層和決策層。決策層通過(guò)AI圖:汽車(chē)及機(jī)器人層級(jí)控制框架傳感器傳感器環(huán)境環(huán)境 執(zhí)行器 硬件端

數(shù)據(jù)汽車(chē)目標(biāo)特征提取和融合車(chē)輛位置定位動(dòng)作軌跡規(guī)劃駕駛決策路徑規(guī)劃汽車(chē)目標(biāo)特征提取和融合車(chē)輛位置定位動(dòng)作軌跡規(guī)劃駕駛決策路徑規(guī)劃驅(qū)動(dòng)/轉(zhuǎn)向/制動(dòng)/機(jī)器人目標(biāo)分割和特性提取末端定位和姿態(tài)平衡任務(wù)規(guī)劃動(dòng)作軌跡規(guī)劃 軌跡平滑 端 懸架等系統(tǒng)調(diào)節(jié)旋轉(zhuǎn)/直線關(guān)節(jié)電機(jī)調(diào)決策感知執(zhí)行數(shù)據(jù)指令 軟件智能汽車(chē)產(chǎn)業(yè)發(fā)展的奇點(diǎn)即將到來(lái)我們認(rèn)為智能汽車(chē)產(chǎn)業(yè)發(fā)展的奇點(diǎn)即將到來(lái)，智能車(chē)產(chǎn)業(yè)有望復(fù)制三年前電動(dòng)化的發(fā)展浪潮。11法律法規(guī)積累管理經(jīng)驗(yàn)。XNGPHUAWEIADS圖:汽車(chē)電動(dòng)化和智能化發(fā)展新能源車(chē)滲透率 高階智駕滲透率汽車(chē)電動(dòng)化發(fā)展奇點(diǎn)汽車(chē)智能化發(fā)展奇點(diǎn)汽車(chē)電動(dòng)化發(fā)展奇點(diǎn)汽車(chē)智能化發(fā)展奇點(diǎn)25%20%15%10%5%0%

2015

2016 2017 2018 2019 2020 2021 2022 2023E2024E2025E4.4.2中國(guó)汽車(chē)產(chǎn)業(yè)鏈?zhǔn)侵悄芑顺敝凶罹邆涓?jìng)爭(zhēng)力的產(chǎn)業(yè)鏈我們認(rèn)為中國(guó)汽車(chē)產(chǎn)業(yè)鏈展望全球都是最具備競(jìng)爭(zhēng)力的：20圖:NA功L2+/L車(chē)型將逐漸向中低價(jià)格帶滲透當(dāng)前未來(lái)當(dāng)前未來(lái)價(jià)格帶持續(xù)下降，智能車(chē)將平民化40-50萬(wàn)30-40萬(wàn)20-30萬(wàn)10-20萬(wàn)10萬(wàn)以下0% 10% 20% 30% 40% 50%資料來(lái)源：景順長(zhǎng)城基金圖:主流自研智駕車(chē)企與特斯拉的差距模型LiAR特斯拉華為小鵬理想蔚來(lái)地圖資質(zhì)不需要車(chē)隊(duì)數(shù)據(jù)云端算力城市開(kāi)放國(guó)內(nèi)在建性?xún)r(jià)比FSD未入華4.4.3中國(guó)汽車(chē)產(chǎn)業(yè)鏈在智能化浪潮中醞釀巨大投資機(jī)會(huì)圖:主機(jī)廠L2+商業(yè)模式逐步清晰 圖:智能化零部件受益環(huán)節(jié)圖硬件降本減少或去掉激光雷達(dá)硬件降本減少或去掉激光雷達(dá)riri-級(jí)智駕版平價(jià)智駕版平價(jià)

流媒體后視鏡駕駛員監(jiān)測(cè)系統(tǒng)自動(dòng)駕駛域控制器前向中距雷達(dá)<20萬(wàn)車(chē)型加速滲透車(chē)聯(lián)網(wǎng)通訊模塊<20萬(wàn)車(chē)型加速滲透探索軟件收費(fèi)智駕助力賣(mài)車(chē)探索軟件收費(fèi)智駕助力賣(mài)車(chē)

超聲波雷達(dá)

線控制動(dòng)/轉(zhuǎn)向

前側(cè)向角雷達(dá)AI的突破是機(jī)器人進(jìn)化的里程碑AIAI感知端，機(jī)器人使用攝像頭等一系列傳感器來(lái)感知環(huán)境，識(shí)別空間和物體。這已經(jīng)在智能駕駛汽車(chē)領(lǐng)域得到初步訓(xùn)練。RT-2模型等訓(xùn)練模型使機(jī)器人可以從網(wǎng)絡(luò)數(shù)據(jù)中學(xué)圖:谷歌RT-2在RT-1機(jī)器人數(shù)據(jù)的基礎(chǔ)上，增加了從互聯(lián)網(wǎng)學(xué)習(xí)的VLM預(yù)訓(xùn)練模型，短時(shí)間內(nèi)提升了Agent的泛化和涌現(xiàn)能力100%75%50%25%0%Google

理解符號(hào)VC1

RT-1

推理 識(shí)別人類(lèi)-2/aLM-E-12B

平均成功率-2/aLI-55B智能機(jī)器人的落地節(jié)奏機(jī)器人應(yīng)用場(chǎng)景將從2B到2C隨著AI圖:隨著可應(yīng)用場(chǎng)景開(kāi)放性增強(qiáng)，機(jī)器人的需求量級(jí)將成倍提升需求量級(jí) 工分揀打標(biāo)

安防巡檢 協(xié)作生產(chǎn)/服

家居陪伴5000萬(wàn)1000萬(wàn)100萬(wàn)50萬(wàn)

配送和服務(wù)

執(zhí)行任務(wù)場(chǎng)景開(kāi)放性和實(shí)現(xiàn)難度50萬(wàn)-100萬(wàn)-比亞迪生產(chǎn)人員約442210%滲透酒店配送機(jī)器人空間50假設(shè)機(jī)器人單價(jià)約3測(cè)算大約16萬(wàn)臺(tái)需求1000中國(guó)15萬(wàn)元以上汽車(chē)銷(xiāo)量占比約4830%201200萬(wàn)臺(tái)人形機(jī)器人銷(xiāo)量。2-31-2圖:智能機(jī)器人價(jià)格下降、效率提升，人力成本上漲，產(chǎn)出和投入成本未來(lái)有望打平價(jià)格(萬(wàn)美元)50 機(jī)器人初始價(jià)格機(jī)器人成本下降曲線

機(jī)器人產(chǎn)出價(jià)值和投入成本打平

機(jī)器人產(chǎn)出價(jià)值曲線SBuauofLabortitics

＞10 時(shí)間（年）圖:理想情況下，規(guī)模量產(chǎn)后人形機(jī)器人預(yù)估BOM下降空間70%以上-80%-80%-90%-50%-36%-37%關(guān)節(jié)總成 機(jī)身結(jié)構(gòu)件 基帶板卡(含電池) 視覺(jué)和姿態(tài)感知(相機(jī)+IMU) 處理器資料來(lái)源：景順長(zhǎng)城基金，綜合行業(yè)調(diào)研口徑游相關(guān)國(guó)產(chǎn)機(jī)床設(shè)備和材料的整體升級(jí)。國(guó)產(chǎn)機(jī)器人整機(jī)廠商也充滿(mǎn)機(jī)會(huì)，通過(guò)不斷探索新應(yīng)用、新形態(tài)，有望享受機(jī)器人家族不斷壯大的紅利。圖:人形機(jī)器人主要零部件概覽關(guān)節(jié)總成行星滾柱絲杠無(wú)框(力矩)電機(jī)減速器空心杯電機(jī)模組力傳感器IMU編碼器驅(qū)動(dòng)器相機(jī)處理器芯片單臺(tái)BOM競(jìng)爭(zhēng)格局潛在盈利能力方案確定性）國(guó)產(chǎn)替代加速前行28AIAI這顆大樹(shù)5.1AI應(yīng)用爆發(fā)的必要條件和先行指標(biāo)算力投資是AI4/5GAI1,000AIAI地方政府主導(dǎo)投資的智算中心將貢獻(xiàn)增量的算力需求。圖：全球主要云廠商資本開(kāi)支增速單位:億美元450單位:億美元4003503002502001501005019QI19QI19Q219Q319Q420QI21QI21Q221Q321Q422QI23QI

微軟 亞馬遜 谷歌 臉書(shū) 合計(jì)

50%40%30%20%10%0%-10%-20%注：亞馬遜未披露其資本開(kāi)支結(jié)構(gòu)，因其倉(cāng)儲(chǔ)相關(guān)占比較大，統(tǒng)計(jì)中僅估算列示圖：全球主要云廠商云計(jì)算營(yíng)收增速6005004003002001000

微軟 亞馬遜 谷歌 合

50%單位:億美元45%單位:億美元40%35%30%25%20%15%10%5%19QI19Q219QI19Q219Q319Q420QI20Q220Q320Q421QI21Q221Q321Q422QI22Q222Q322Q423QI23Q223Q3AI成為全球算力投資增長(zhǎng)的核心驅(qū)AI2024AI服務(wù)器的市場(chǎng)規(guī)模將會(huì)增長(zhǎng)到近千億美金，占到服務(wù)器市場(chǎng)的半壁江山。圖全球服務(wù)器22年出貨1500萬(wàn)10年復(fù)合增速僅6% 計(jì)I:0%1600 服務(wù)器出貨萬(wàn)） 18%120060%1400 15.7%16%14%100050%1200 11.6%1000 10.4%800 6.7%600 5.2%2.9% 3.3%400200 -1.3% -0.4%02013201420152016201720182019202020212022ID12%10%8%6%4%2%0%-2%-4%02022 全球AI服務(wù)器出貨金額(億美金)0%2024EAI服務(wù)器出貨金額占比A100具體估算。應(yīng)用場(chǎng)景辦公助手代表應(yīng)用微軟M365Copilot潛在用戶(hù)基數(shù)微軟全球有4億付費(fèi)用戶(hù)搜索引擎微軟NewBing谷歌每天30億次搜索全網(wǎng)每分鐘產(chǎn)生視頻生成RunwayGen2~5000小時(shí)視球每年出貨智能駕駛特斯拉FSD800萬(wàn)輛車(chē)~應(yīng)用場(chǎng)景辦公助手代表應(yīng)用微軟M365Copilot潛在用戶(hù)基數(shù)微軟全球有4億付費(fèi)用戶(hù)搜索引擎微軟NewBing谷歌每天30億次搜索全網(wǎng)每分鐘產(chǎn)生視頻生成RunwayGen2~5000小時(shí)視球每年出貨智能駕駛特斯拉FSD800萬(wàn)輛車(chē)~20200千萬(wàn)張Orin芯片數(shù)百萬(wàn)張A100芯片A0片大模型訓(xùn)練辦公助手 搜索引擎 智能駕駛其他場(chǎng)景:文生圖、虛擬人、與終端設(shè)備結(jié)合······資料來(lái)源：景順長(zhǎng)城基金注：推理側(cè)需求，為基于典型應(yīng)用場(chǎng)景假設(shè)估算，遠(yuǎn)期規(guī)模仍取決于AI滲透程度AI重塑價(jià)值分通訊/存儲(chǔ)部件配套升級(jí)AIAI將顯達(dá)到整體資本開(kāi)支的70其中高性能算力芯片GPU占比達(dá)到71%。GPUHB為代表的存AI算力中心構(gòu)成及各環(huán)節(jié)價(jià)值量拆分AI數(shù)據(jù)中心AI服務(wù)器

備服務(wù)器70%1%%CPU12%

其他31%

GPU71%

CPU芯片CPU芯片價(jià)值量2,166占比29%AI服務(wù)器(8*A100)價(jià)值量 占13,900 12%價(jià)值倍數(shù)6.4GPU芯片存儲(chǔ)芯片00%80,00071%-2,74536%11,42510%4.2網(wǎng)卡PCB1552%1,0001%6.53254%6501%2.0其他物料3004%1,2001%4.0139418%3,2173%2.3合計(jì)4957%1,4851%3.07,580100%112,877100%14.91316,00045.92023218.72024年這一數(shù)字有望擴(kuò)容至8002032年整體市場(chǎng)規(guī)模將達(dá)到2,274.8億美250020001500

圖：全球AI芯片市場(chǎng)規(guī)模預(yù)測(cè)(億美金)10000

2274.88002274.8800168.6218.7

2023 2024E ..... ..... 2032EPeedeneesacASIC方案有望加速滲透GPU為此階段硬件端最優(yōu)ASIC方案滲透率有望預(yù)計(jì)到2025年云端訓(xùn)練/推理端ASIC方案滲透率將分別為50%和40而邊緣側(cè)推理端ASIC方案滲透率則有望達(dá)到70%。圖ASIC在功耗/成本/專(zhuān)用性能具備優(yōu)勢(shì) 圖ASIC在云/邊側(cè)訓(xùn)練端及邊側(cè)推理端中滲透率有望大幅提升(%)云端訓(xùn)練云端推理邊端推理7050云端訓(xùn)練云端推理邊端推理7050403010低功耗靈活性 低功耗性能 同構(gòu)性

2017

2017

2025 2017 2025McKinseyAnalysi

ASIC GPU CPU Other20年處理器峰值算力提高近90,00030/端側(cè)存力升級(jí)將成為必然趨勢(shì)。未來(lái)AI服務(wù)器對(duì)S/DRAM的容量需求約為傳統(tǒng)服務(wù)器的2倍/4分別達(dá)到8TB和2.7T同時(shí)HBM憑24年HBM市場(chǎng)空間將達(dá)到96100假設(shè)為int4運(yùn)算時(shí)的臨時(shí)變量需占用4.7GB8GB提升至12GB以上。圖云端訓(xùn)練拉動(dòng)服務(wù)器存儲(chǔ)大幅升級(jí) 圖:端側(cè)運(yùn)行大模型對(duì)內(nèi)存需求提升9000800070006000500040003000200010000

ServerDRAMContent

14X2X44.7X2X44.712.78108642ServerSSDContent 0傳統(tǒng)服務(wù)器(GB) AI服務(wù)器(GB)資料來(lái)源AIandMemoryalwin

主流內(nèi)存配置 百億模型占用內(nèi)存 內(nèi)存容量需求2021年國(guó)內(nèi)算力需求規(guī)模達(dá)到202EFOP圖:全球算力規(guī)模持續(xù)增長(zhǎng) 圖:全球算力需求結(jié)構(gòu)35003000250020000

33002168.233002168.21424.6936429615

2021

2022E

2023E

2024E

2025E

33%美國(guó)34%

歐洲14%日本5%其他14%全球算力總規(guī)模(EFLOPS)資料來(lái)源：信通院《中國(guó)算力發(fā)展指數(shù)白皮書(shū)》、景順長(zhǎng)城基金近期針對(duì)GPU圖：不同產(chǎn)業(yè)鏈環(huán)節(jié)競(jìng)爭(zhēng)格局及國(guó)產(chǎn)廠商份額Ⅱ-VI其他

旭創(chuàng)科技Lumentum

浪潮AMD其它英偉達(dá)AMD其它英偉達(dá)惠普Acacia

博通武漢光迅

文

IBM

三光模塊IDLightCountin

服務(wù)器 GPU5.3.2產(chǎn)業(yè)追趕：圍繞算力芯片，設(shè)計(jì)-制造-封裝全產(chǎn)業(yè)鏈加速成長(zhǎng)圖:主要算力芯片性能參數(shù)對(duì)比(FP16)單位:TFLOPS/sNvidia單位:TFLOPS/sNvidiaH100910NvidiaA100NvidiaV1001號(hào)370910B2號(hào)100080060040020002017 2018 2019 2020 2021 2022 2023 2024資料來(lái)源：各公司官網(wǎng)、景順長(zhǎng)城基金AI算力芯片通常采用10nm5產(chǎn)能對(duì)應(yīng)資本開(kāi)支2500020000150001000050000 90nm 65nm 45nm 28nm 20nm 16/14nm 10nm 7nm 5nm 3nm資料來(lái)源：臺(tái)積電，景順長(zhǎng)城基金/圖：不同制程下單位晶體管制造成本43210

單位邏輯閘成本最小節(jié)點(diǎn)單位邏輯閘成本最小節(jié)點(diǎn)90nm 65nm 40nm 28nm 20nm 16/14nm 10nm 7nm資料來(lái)源：臺(tái)積電，景順長(zhǎng)城基金Chiplets圖先進(jìn)封裝帶來(lái)產(chǎn)業(yè)環(huán)節(jié)價(jià)值量提升 圖2.5/3D為先進(jìn)封裝最快成長(zhǎng)方向單位:億美元1600單位:億美元140012001000800600400200筆電CPU

服務(wù)器CPU AI訓(xùn)練卡

02022 20282.5D/3D封裝 其他先進(jìn)封裝 傳統(tǒng)封裝資料來(lái)源景順長(zhǎng)城基金 資料來(lái)源ole,景順長(zhǎng)城基金AI假如G-4解決了10%G-5將會(huì)解決15%以而AIAI也在加AIAI2024年將是AI終端創(chuàng)新與應(yīng)用落地的元年產(chǎn)業(yè)周期將持續(xù)10年AI產(chǎn)業(yè)將呈36附錄部分：算力需求測(cè)算附錄(1)訓(xùn)練側(cè)算力需求匡算23年訓(xùn)練算力需求約180萬(wàn)張等效A100卡，具體測(cè)算如下表。全球累計(jì)大模型訓(xùn)練計(jì)算量(EFLOPs)①類(lèi)GPT3/GPT3.5大模型大模型研發(fā)廠商個(gè)數(shù)同時(shí)訓(xùn)練模型數(shù)目平均模型參數(shù)規(guī)模（億個(gè))平均訓(xùn)練Token數(shù)量(億個(gè))模型訓(xùn)練所需總計(jì)算量(EFLOPs)②類(lèi)GPT4大模型大模型研發(fā)廠商個(gè)數(shù)同時(shí)訓(xùn)練模型數(shù)目平均模型參數(shù)規(guī)模（億個(gè)）平均訓(xùn)練Token數(shù)量(億個(gè))模型訓(xùn)練所需總計(jì)算量(EFLOPs)單次訓(xùn)練所需時(shí)間(天)算力利用效率A100SXMFP32算力(TFLOPS)A100需求總量(萬(wàn)張，只用A100)H100SXMFP32算力(TFLOPS)H100需求總量(萬(wàn)張，只用H100)

2023E2.57E+08303200030003.24E+075115000500002.25E+08303