電子行業(yè)市場分析研究

電子行業(yè)市場分析研究1智能物聯(lián)新時代，邊緣AI蓬勃發(fā)展1.1算力需求日益增長，邊緣計算應(yīng)運而生云計算作為一種提供強大計算資源的網(wǎng)絡(luò)服務(wù)，主要分為IaaS（提供云服務(wù)器）、PaaS（提供云數(shù)據(jù)庫）和SaaS（直接幫助用戶在云上運行軟件）。但我們看到，隨著終端應(yīng)用場景的擴展帶來數(shù)據(jù)即時處理需求的不斷增長，云計算的不足開始顯現(xiàn)，主要表現(xiàn)在：1）數(shù)據(jù)傳輸?shù)南拗菩裕弘S著越來越多的設(shè)備連接到互聯(lián)網(wǎng)并生成數(shù)據(jù)，以中心服務(wù)器為節(jié)點的云計算在數(shù)據(jù)傳輸方面開始遇到帶寬瓶頸；2）數(shù)據(jù)處理的即時性：海量物聯(lián)網(wǎng)設(shè)備的接入使得云計算在數(shù)據(jù)處理的即時響應(yīng)方面開始有所延遲；3）隱私及能耗問題：下游醫(yī)療、工業(yè)等設(shè)備采集的隱私數(shù)據(jù)傳輸?shù)皆贫藬?shù)據(jù)中心的路徑較長，容易導(dǎo)致數(shù)據(jù)丟失或者信息泄露等風(fēng)險，此外數(shù)據(jù)中心的高負(fù)載帶來的高能耗也是管理規(guī)劃的核心問題。邊緣計算是云計算向邊緣側(cè)分布式拓展的新觸角。因此，邊緣計算應(yīng)運而生。根據(jù)邊緣計算產(chǎn)業(yè)聯(lián)盟的定義，邊緣計算是指在靠近物或數(shù)據(jù)源頭的網(wǎng)絡(luò)邊緣側(cè)，融合網(wǎng)絡(luò)、計算、存儲、應(yīng)用核心能力的開放平臺，就近提供邊緣智能服務(wù)，滿足行業(yè)數(shù)字化在敏捷聯(lián)接、實時業(yè)務(wù)、數(shù)據(jù)優(yōu)化、應(yīng)用智能、安全與隱私保護等方面的關(guān)鍵需求，總結(jié)下來就是“在更靠近終端的網(wǎng)絡(luò)邊緣上提供服務(wù)”?？梢钥吹?，邊緣計算是云計算在面向物聯(lián)網(wǎng)、大流量等場景下，為了滿足更廣連接、更低時延、更好控制等需求，向終端和用戶側(cè)延伸形成的新解決方案?！霸?邊-端”形態(tài)不斷變化，邊緣計算重要性日益凸顯。我們看到，在早期的電信網(wǎng)時代，“云-邊-端”的形態(tài)體現(xiàn)為“程控交換中心——程控交換機——電話”；到了互聯(lián)網(wǎng)時代，這種形態(tài)變成了“數(shù)據(jù)中心——CDN——移動電話/PC”；而在現(xiàn)如今的云計算+物聯(lián)網(wǎng)時代，“云計算中心——小數(shù)據(jù)中心/網(wǎng)關(guān)——傳感器”則構(gòu)成了新的“云-邊-端”形態(tài)。時代的發(fā)展體現(xiàn)在終端上就是海量設(shè)備的接入，從而帶來數(shù)據(jù)處理需求的激增，如果僅依賴云端服務(wù)器，過大的工作負(fù)載不僅會導(dǎo)致處理效率變得低下，也無法適應(yīng)終端更加多元化的處理需求。因此，更加側(cè)重局部和小規(guī)模處理的邊緣計算適用于現(xiàn)場級、實時、短周期的智能分析和快速決策，在物聯(lián)網(wǎng)時代的背景下，其重要性日益凸顯。1.2科技巨頭相繼發(fā)力，邊緣AI方興未艾我們看到，科技巨頭對于邊緣計算的關(guān)注度正在日益提升。在2022.12.14召開的MEET2023智能未來大會上，高通產(chǎn)品管理高級副總裁ZiadAsghar指出，數(shù)據(jù)會不斷從邊緣側(cè)產(chǎn)生，因此AI處理的重心正在持續(xù)向邊緣轉(zhuǎn)移。因為消費者希望擁有更好的數(shù)據(jù)隱私、更可靠的數(shù)據(jù)來源和即時的處理結(jié)果，因此邊緣側(cè)是進行AI處理的最佳選擇，而高通一直在推動這場變革。高通轉(zhuǎn)型“智能邊緣計算”，押注C端邊緣AI。目前，高通已經(jīng)將AI算法應(yīng)用到了智能手機的影像、圖形處理等功能中，未來，高通將基于涵蓋了邊緣AI、影像技術(shù)、圖形技術(shù)、多媒體效果、極快處理速度，以及5G連接能力等特性的“統(tǒng)一的技術(shù)路線圖”，將這些AI技術(shù)從耳機等較低復(fù)雜度的產(chǎn)品，規(guī)?；瘮U展到汽車等高復(fù)雜度的產(chǎn)品，最終實現(xiàn)智能網(wǎng)聯(lián)邊緣的全面覆蓋。我們看到，在2023.5.30召開的COMPUTEX2023上，高通高級副總裁AlexKatouzian表示，高通正在從一家通信公司轉(zhuǎn)型為一家“智能邊緣計算”公司。我們認(rèn)為，此舉進一步彰顯了高通對于發(fā)展邊緣AI的決心，未來將基于自身在智能手機領(lǐng)域積累的優(yōu)勢，不斷研發(fā)迭代帶有更豐富AI技術(shù)的芯片，充分賦能可穿戴設(shè)備、智能家居、智能汽車等更為廣泛的消費者終端。借力MetaLlama2大語言模型，高通終端側(cè)AI部署有望更進一步。高通的最新動態(tài)顯示，其在2023年7月18日宣布和Meta正在合作優(yōu)化MetaLlama2大語言模型在智能手機、PC、VR/AR和智能汽車等終端上的直接運行。我們看到，與僅僅使用云端AI部署和服務(wù)相比，終端側(cè)AI部署能夠顯著降低開發(fā)云成本，同時提升用戶隱私保護、滿足用戶安全偏好、增強應(yīng)用可靠性，并帶來更加個性化的使用體驗。高通計劃從2024年起，在搭載驍龍平臺的智能手機等終端上支持基于Llama2的AI部署，賦能開發(fā)者使用高通AI軟件棧面向終端側(cè)AI進行應(yīng)用優(yōu)化，從而推出全新的生成式AI應(yīng)用。MetaLlama2免費商用且開源，性能較初代版本顯著提升。具體來看Meta在2023年7月18日正式發(fā)布的大語言模型Llama2，這是MetaLlama模型的最新版本，也是Meta首個免費商用的開源AI模型。該模型包括Llama2和Llama2-chat兩種版本，后者針對雙向?qū)υ掃M行了微調(diào)，是針對類似于ChatGPT的聊天應(yīng)用程序而開發(fā)，兩者均細(xì)分為支持70億、130億、700億等多種不同參數(shù)規(guī)模的版本。我們看到，相比于今年2月發(fā)布的Llama1，Llama2的tokens訓(xùn)練量提升了40%達到2萬億個，對上下文訓(xùn)練的長度是Llama1的兩倍，達到4096，此外Llama2-chat微調(diào)模型還接受了超過100萬個人工標(biāo)注數(shù)據(jù)的訓(xùn)練。Llama2目前仍難以媲美GPT-4，但有望利用開源生態(tài)實現(xiàn)彎道超車。此外，Meta還選擇了70億參數(shù)版本的Llama2和其他閉源的大語言模型進行比較，可以發(fā)現(xiàn)其在大規(guī)模多任務(wù)語言理解（MMLU）和高質(zhì)量小學(xué)數(shù)學(xué)問題（GSM8K）上的表現(xiàn)接近GPT-3.5，但在編碼基準(zhǔn)(HumanEval)上與GPT-3.5及GPT-4仍存在顯著差距；相比谷歌PaLM（540B），Llama2（70B）的所有結(jié)果幾乎持平，有些甚至表現(xiàn)更好，但與GPT-4和PaLM-2-L相比仍有較大差距?？梢钥吹?，目前Llama2的性能表現(xiàn)還難以撼動OpenAI的市場地位，但我們看到，開源路線的Llama2可以使得用戶可以低成本地在本地服務(wù)器上部署開源大模型，以構(gòu)建適用于自身業(yè)務(wù)的專用大模型，從而不需要將數(shù)據(jù)放到OpenAI等閉源大模型提供商的服務(wù)器中；與此同時，開源社區(qū)中大量用戶產(chǎn)生的創(chuàng)意也將提升大模型的迭代速度。投資OpenAI押注閉源路線，攜手Meta探索開源方案，微軟兩頭布局驅(qū)動LLM競爭日趨激烈，未來發(fā)展機遇與挑戰(zhàn)并存。我們看到，Meta此次選擇微軟作為Llama2的首選合作伙伴，微軟Azure客戶將能夠在Azure上輕松安全地微調(diào)和部署Llama2模型，并利用其云原生工具進行內(nèi)容過濾和安全保護。此外，Llama2經(jīng)過優(yōu)化后可以在Windows上本地運行，為開發(fā)人員提供無縫的工作流程，為跨不同平臺的客戶帶來生成式AI體驗?？梢钥吹?，微軟一方面通過OpenAI押注閉源路線，另一方面又與Meta合作探索開源方案，我們認(rèn)為此舉表明LLM領(lǐng)域的技術(shù)路線和競爭格局尚未定型，未來在不同技術(shù)路徑上的開發(fā)將會產(chǎn)生源源不斷的創(chuàng)新，交互式推動AI的發(fā)展。英偉達Jetson平臺不斷迭代，發(fā)力B端邊緣AI。此外，我們同樣注意到英偉達在邊緣AI領(lǐng)域也有長足的積累。英偉達在2014年推出第一代Jetson平臺TK1，截至目前已迭代至第七代AGXOrin，作為一套嵌入式系統(tǒng)開發(fā)板，主要包括Jetson硬件模組（小型高性能計算機）、用于加速軟件的JetPackSDK（軟件開發(fā)工具包），以及包含傳感器、SDK、服務(wù)和產(chǎn)品的生態(tài)系統(tǒng)。該平臺使用英偉達自主研發(fā)的GPU加速技術(shù)，支持深度學(xué)習(xí)框架，能夠加速模型的訓(xùn)練和推理，同時還支持各種圖像、視頻、通信和存儲接口，適用于各種嵌入式應(yīng)用和邊緣計算場景，如機器人、自動駕駛、智能監(jiān)控、醫(yī)療影像處理等。JetsonAGXOrin工業(yè)級模塊全新發(fā)布，持續(xù)強化B端環(huán)境適應(yīng)性能。我們看到，在COMPUTEX2023上，英偉達發(fā)布了全新的JetsonAGXOrin工業(yè)級模塊，該模塊擴展了上一代Xavier工業(yè)級模塊和商用Orin模塊的功能，在惡劣環(huán)境下可以提供更高級別的計算能力。具體來看，JetsonAGXOrin工業(yè)級模塊可以在15-75W功率范圍內(nèi)提供高達248TOPS的AI性能，通過Ampere架構(gòu)GPU、新一代深度學(xué)習(xí)和視覺加速器、高速I/O以及超快的內(nèi)存帶寬，可支持多個并行AI應(yīng)用流程，而且可適應(yīng)更加極端的溫度范圍，具有更長的工作壽命、更強的耐沖擊和振動能力，整體性能相比AGXXavier工業(yè)級模塊提升了8倍以上。“高通向左，英偉達向右”，B、C端共同發(fā)力邊緣AI。綜上可以看出，高通和英偉達在邊緣AI領(lǐng)域的發(fā)展路線有所差異，高通更加關(guān)注C端消費者應(yīng)用，英偉達則側(cè)重于B端應(yīng)用場景，我們認(rèn)為這是兩家公司基于自身優(yōu)勢而做出的正確戰(zhàn)略決策。高通在智能手機SoC領(lǐng)域積淀深厚，有利于推動終端AI芯片繼續(xù)向其他C端設(shè)備延伸；而英偉達是GPU傳統(tǒng)云端AI芯片霸主，更加合適布局B端大算力場景。我們看到，邊緣計算的快速發(fā)展主要受益于其在以下四方面的優(yōu)勢：低時延：由于消除了將數(shù)據(jù)從端點轉(zhuǎn)移到云端再返回的需要，大量復(fù)雜的數(shù)據(jù)可以在邊緣端進行初篩、分析和計算，從而更快地做出決策，避免了因海量數(shù)據(jù)涌向云端，帶來線路阻塞或響應(yīng)緩慢等問題。高效率：因為數(shù)據(jù)處理的多數(shù)任務(wù)在靠近數(shù)據(jù)源的地方完成，分析及反饋的速度得以提升，增強了實時決策能力，同時由于減少了從云端來回傳輸?shù)臄?shù)據(jù)量，也能夠更好地實現(xiàn)降本增效。安全性：邊緣端服務(wù)器廣泛就近分布，且單個設(shè)備存儲的數(shù)據(jù)量較為有限，既降低了因傳輸距離過長導(dǎo)致數(shù)據(jù)丟失的風(fēng)險，也減小了信息竊取的可能性。智能化：邊緣計算系統(tǒng)的可擴展性使得用戶可以自由地部署和管理計算資源，其背后擁有的大量自我適應(yīng)、表達、修復(fù)等機制，充分賦予了邊緣節(jié)點設(shè)備的智能化屬性，可以在不依賴云端決策的情況下做出響應(yīng)，單個設(shè)備的故障也不會影響生態(tài)系統(tǒng)中其他設(shè)備的性能，從而提高了整個連接環(huán)境的可靠性。“云-邊-端”緊密協(xié)同，混合式AI時代來臨。雖然邊緣計算相比云計算存在一定優(yōu)勢，但這并不意味著二者處于對立面，而更多是一種相互依存的關(guān)系。一方面，邊緣計算通過負(fù)責(zé)自身范圍內(nèi)的數(shù)據(jù)計算和存儲工作，可以分擔(dān)云端的計算壓力；另一方面，大部分經(jīng)過邊緣設(shè)備處理的數(shù)據(jù)仍需要從邊緣節(jié)點匯聚到中心云，云端再通過分析完成對算法模型的訓(xùn)練和升級，并將升級后的算法推送到前端，幫助前端設(shè)備實現(xiàn)更新和升級，從而達成自主學(xué)習(xí)的閉環(huán)。此外，這些數(shù)據(jù)也需要上傳到云端進行備份，當(dāng)邊緣計算過程中出現(xiàn)意外情況，存儲在云端的數(shù)據(jù)也不會丟失。這與高通在COMPUTEX2023上提出的“混合式AI”概念一脈相承，即未來云端和邊緣/終端需要共同承擔(dān)日益增長的算力需求。我們認(rèn)為，云計算與邊緣計算需要通過緊密協(xié)同才能更好地滿足各種需求場景的匹配，從而最大化體現(xiàn)云計算與邊緣計算的應(yīng)用價值。1.3突破算力及功耗瓶頸，加速邊緣AI落地解決算力和功耗限制，賦能邊緣AI落地。我們看到，隨著ChatGPT的橫空出世，生成式人工智能迅猛發(fā)展。但以GPT-4為代表基于Transformer架構(gòu)的生成式預(yù)訓(xùn)練大模型由于具備較大規(guī)模的參數(shù)，其訓(xùn)練與推理仍然需要在云端借助算力強大的GPU等AI芯片完成。但我們同樣看到，隨著機器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)訓(xùn)練等網(wǎng)絡(luò)架構(gòu)和工具不斷適配、兼容到嵌入式系統(tǒng)上，越來越多的AI應(yīng)用也可以直接在邊緣設(shè)備上運行，因此“邊緣AI”悄然而生。我們認(rèn)為，在“云-邊-端”的架構(gòu)下，邊緣AI的主要存在形式仍為以智能手機為代表的終端嵌入式設(shè)備。但由于終端設(shè)備的算力和功耗有限，因此如何解決這兩大問題便成為了邊緣AI落地的關(guān)鍵所在。目前在算力方面，主要是通過壓縮模型并采用聯(lián)網(wǎng)方式來降低算力需求，而功耗方面則是采用存算一體的方式來突破功耗瓶頸。一、降低算力需求——壓縮模型+聯(lián)網(wǎng)一般而言，神經(jīng)網(wǎng)絡(luò)模型包含的網(wǎng)絡(luò)層數(shù)和參數(shù)越多，其結(jié)構(gòu)就越復(fù)雜，但實際運行的效果也會越好。所謂模型壓縮，是指通過算法將一個復(fù)雜的預(yù)訓(xùn)練大模型轉(zhuǎn)化成精簡的小模型。按照壓縮過程對網(wǎng)絡(luò)結(jié)構(gòu)的破壞程度，模型壓縮技術(shù)可以分為“前端壓縮”和“后端壓縮”，前端壓縮幾乎不改變原有的網(wǎng)絡(luò)結(jié)構(gòu)，僅僅是在原模型的基礎(chǔ)上減少了網(wǎng)絡(luò)的層數(shù)，但后端壓縮會對網(wǎng)絡(luò)結(jié)構(gòu)造成不可逆的改變，后續(xù)的維護成本也會很高。因此，業(yè)內(nèi)一般采用前端壓縮，主要包含以下三種細(xì)分方法：1）知識蒸餾屬于遷移學(xué)習(xí)的一種，主要思想是將學(xué)習(xí)能力強的復(fù)雜教師模型中的“知識”遷移到簡單的學(xué)生模型中，本質(zhì)是讓小模型去擬合大模型，從而讓小模型學(xué)到與大模型相似的函數(shù)映射，使小模型保持其快速計算速度的前提下，同時擁有復(fù)雜模型的性能，達到模型壓縮的目的。2）模型剪枝大模型雖然參數(shù)很多，但也存在著大量冗余的參數(shù)，將這些不太重要的訓(xùn)練參數(shù)剔除，可以減少計算資源的消耗并提高實時性，這就是模型剪枝算法。訓(xùn)練步驟為“正常訓(xùn)練模型——模型剪枝——重新訓(xùn)練模型”，三個步驟反復(fù)迭代進行，直到模型精度達到目標(biāo)，則停止訓(xùn)練。3）模型量化是指將神經(jīng)網(wǎng)絡(luò)的浮點運算（FP32、FP16）轉(zhuǎn)換為定點運算（INT8），從而減少內(nèi)存占用并提高計算效率。目前的低精度模型一般采用的數(shù)值格式為INT8，但也有一些混合精度模型中會使用FP16的數(shù)值格式來保證某些參數(shù)和操作符的準(zhǔn)確度?？梢钥吹?，以上三種壓縮算法可以降低模型對計算能力的要求，使得AI模型在終端設(shè)備上的運行成為可能。此外我們也注意到，模型壓縮不可避免會造成性能損失，有可能導(dǎo)致小模型在某些應(yīng)用場景下的使用出現(xiàn)困難，因此終端設(shè)備可通過聯(lián)網(wǎng)訪問云端的大模型，可進一步保障設(shè)備AI性能的落地。二、突破功耗限制——存算一體AI時代算力需求猛增，“存儲墻”亟待解決。我們知道，在傳統(tǒng)的馮諾依曼架構(gòu)下，芯片的計算單元在計算之前需要先從存儲器中讀取數(shù)據(jù)，但數(shù)據(jù)的搬運時間往往是計算時間的成百上千倍，這背后是處理器和存儲長久以來性能發(fā)展不均衡的結(jié)果。在過去二十年，處理器性能大概每年以55%的速度提升，但內(nèi)存性能每年的提升速度只有10%左右。而內(nèi)存性能的落后直接導(dǎo)致的問題就是數(shù)據(jù)搬運的功耗過高，由此帶來的無用功耗能占到整個AI計算功耗的60-90%，造成非常低的能效比，這就是我們熟知的“存儲墻”問題?，F(xiàn)如今隨著AI的快速發(fā)展，算力需求大幅提升，“存儲墻”帶來的計算效率和功耗問題日益突出。存算一體突破“存儲墻”限制，大幅提升計算效率并降低功耗。在此背景下，存算一體技術(shù)（ComputinginMemory，CIM）應(yīng)運而生，該技術(shù)是在存儲器中嵌入了計算能力，直接利用存儲器進行數(shù)據(jù)處理，從而把數(shù)據(jù)存儲與計算融合在芯片的同一片區(qū)，從本質(zhì)上消除了不必要的數(shù)據(jù)搬運，因此可以大幅提升計算效率并降低功耗，適用于深度學(xué)習(xí)、人工智能等大規(guī)模并行計算的應(yīng)用場景，是在馮諾依曼架構(gòu)之外的一種全新芯片計算架構(gòu)。在計算方式上，存算一體芯片分為數(shù)字計算和模擬計算，其中數(shù)字計算更偏向于“算”，采用的是先進邏輯工藝，擁有高性能、高精度的優(yōu)勢，且具備很好的抗噪聲能力和可靠性，適用于大算力、高能效的商用場景；而模擬計算更偏向于“存”，具有更高的存儲密度，但對環(huán)境噪聲和溫度非常敏感，適用于小算力、不需要太強可靠性的民用場景。在存儲介質(zhì)上，主要可分為成熟工藝存儲器（DRAM、Flash和SRAM）和新型存儲器（MRAM、RRAM和FRAM等）。細(xì)分來看，DRAM成本低、速度快，但容量??；Flash屬于非易失性存儲介質(zhì)，具有低成本、高可靠性的優(yōu)勢，但在工藝制程上有明顯瓶頸，一般適用于小算力場景；SRAM在速度和能效比方面具有很大優(yōu)勢，但容量密度略小，一般適用于云計算等大算力場景；新型存儲器中，RRAM在神經(jīng)網(wǎng)絡(luò)計算中具有特別的優(yōu)勢，是下一代存算一體介質(zhì)的主流研究方向，但目前工藝良率還在爬坡，而且還需要解決非易失存儲器固有的可靠性問題，因此目前仍主要用于邊緣AI計算和端側(cè)小算力場景。2智能終端SoC，端側(cè)AI算力承載2.1AISoC多模塊異構(gòu)集成，重視性能與功耗平衡邊緣AI算力承載者——智能終端SoC。所謂AI芯片，其實是在CPU等傳統(tǒng)芯片的基礎(chǔ)上，針對AI算法（以深度學(xué)習(xí)為代表的機器學(xué)習(xí)算法）做了特殊加速設(shè)計的芯片，換言之，是犧牲了一定的通用性，換取了芯片在海量數(shù)據(jù)并行計算方面的效率提升。在類型上，AI芯片主要分為GPU、FPGA、ASIC和類腦芯片；在應(yīng)用場景上，主要分為云端（訓(xùn)練+推理）和邊緣端（邊緣計算+終端），其中應(yīng)用在云端和邊緣計算服務(wù)器上的AI芯片是以GPU為代表的強通用性芯片，而終端AI芯片更多是將AI功能模塊結(jié)合CPU、GPU、ISP等模塊融合進SoC中，并針對語音識別、人臉識別等不同的應(yīng)用場景完成定制化設(shè)計，同時需要做好性能與功耗的平衡。因此我們認(rèn)為，海量的物聯(lián)網(wǎng)終端設(shè)備是邊緣AI的主要落地場景，而AISoC作為邊緣算力的承載體，有望跟隨IoT設(shè)備的智能化浪潮實現(xiàn)快速成長。SoC（SystemonaChip，系統(tǒng)級芯片）是在CPU的基礎(chǔ)上擴展了音視頻功能和專用接口的超大規(guī)模集成電路，一般集成了CPU、GPU、NPU、ISP、存儲、WiFi、藍(lán)牙、總線、接口等IP模塊，具體來看其中重要模塊的功能：1）CPU(CentralProcessingUnit，中央處理器)：主要執(zhí)行通用計算，用來解釋計算機指令、處理計算機軟件中的數(shù)據(jù)。2）GPU（GraphicsProcessingUnit，圖形處理器）：主要完成高清視頻加速解碼、游戲圖形處理、圖像處理和輔助運算等功能。3）ISP（ImageSignalProcess，圖像處理器）：主要用來處理前端圖像信號，能夠?qū)⒐庑盘栕兂呻娦盘?，其性能會直接影響到拍照和攝像性能。4）NPU（Neural-networkProcessingUnit，神經(jīng)網(wǎng)絡(luò)處理器）：專為物聯(lián)網(wǎng)人工智能而設(shè)計，用于加速神經(jīng)網(wǎng)絡(luò)的運算，解決傳統(tǒng)芯片在神經(jīng)網(wǎng)絡(luò)運算時效率低下的問題，是目前主流的AI算力載體。例如麒麟9905GSoC采用華為自研架構(gòu)NPU，創(chuàng)新設(shè)計NPU雙大核+NPU微核架構(gòu)，其中NPU大核針對大算力場景（人像虛化/超級夜景等復(fù)雜AI任務(wù)），NPU微核賦能超低功耗AI應(yīng)用（隔空手勢/AI信息保護等輕量任務(wù)），充分發(fā)揮全新NPU架構(gòu)的智慧算力。2.2邊緣AI芯片規(guī)模穩(wěn)健成長，海內(nèi)外廠商加速布局AIoT智能化浪潮來臨，邊緣AI芯片賦能下游迎來蓬勃發(fā)展。我們看到，相比云端AI芯片需要兼具訓(xùn)練和推理性能，邊緣AI芯片則更多承擔(dān)推理任務(wù)，其主要存在形式是作為AISoC嵌入終端設(shè)備，因此性能上更加追求在算力、功耗和成本等多方面的綜合表現(xiàn)。伴隨人工智能在消費電子、智能家居、智能安防、智能駕駛等IoT領(lǐng)域的快速滲透，邊緣AI芯片也將迎來蓬勃發(fā)展。根據(jù)Gartner數(shù)據(jù)，全球邊緣AI芯片市場規(guī)模在2022年不到400億美元，但有望在2025年突破600億美元，其中國內(nèi)市場空間將從2022年的50億美元增長至2025年的110億美元，CAGR達30%。就出貨量而言，ABIResearch發(fā)布的數(shù)據(jù)顯示，2023年全球邊緣AI芯片出貨預(yù)計達13.12億顆（其中語音處理1.93億顆，機器視覺9.01億顆，傳感器數(shù)據(jù)分析1.40億顆，其他種類0.78億顆），并預(yù)計出貨量到2028年將提升至22.86億顆，其中語音處理芯片、機器視覺芯片、傳感器數(shù)據(jù)分析芯片出貨量CAGR分別達到9%、12%、8%。回顧AISoC領(lǐng)域的競爭格局，由于下游應(yīng)用場景較多，每一細(xì)分領(lǐng)域的競爭情況也有所差異，主要可分為消費電子（智能手機、可穿戴設(shè)備）、智能家居、智能安防、智能駕駛（自動駕駛、智能座艙）四大下游市場，其中智能手機、智能駕駛和智能安防市場的進入門檻較高，但可穿戴設(shè)備和智能家居長尾市場的存在仍為國內(nèi)廠商提供了切入契機。2.3自研IP積累及先進代工保障，彰顯核心競爭力設(shè)計環(huán)節(jié)自研IP，追求差異化競爭。具體來看SoC芯片的制造流程，從最初借助EDA軟件，利用IP核復(fù)用等技術(shù)進行芯片設(shè)計，到后續(xù)的晶圓制造和封裝測試，每一環(huán)節(jié)都面臨著不同的技術(shù)挑戰(zhàn)。在設(shè)計環(huán)節(jié)，IP復(fù)用性雖然幫助設(shè)計廠商提高了設(shè)計效率，但是如果完全依賴第三方的IP授權(quán)就不能做到差異化的競爭，因此自研IP便成為了頭部廠商的戰(zhàn)略選擇。我們認(rèn)為，自研IP不僅可以幫助節(jié)省授權(quán)費用，更重要的是能深入地學(xué)習(xí)理解底層技術(shù)，從而精簡不同IP核之間的電路設(shè)計，提高產(chǎn)品質(zhì)量和迭代速度，切實增強自身競爭力。制造環(huán)節(jié)綁定先進制程代工產(chǎn)能，高端路線徐圖進取。再來看制造環(huán)節(jié)，我們認(rèn)為擁有穩(wěn)定的代工產(chǎn)能是SoC設(shè)計廠商保障芯片落地和迭代的重要基礎(chǔ)，尤其是與臺積電、三星世界上唯二兩家擁有10nm以下先進制程量產(chǎn)能力代工廠的合作，更是設(shè)計廠高端路線的堅實依靠。2020年發(fā)布的麒麟9000卓越性能的背后，雖然離不開海思數(shù)十年設(shè)計能力的積累，但臺積電5nmFinFET工藝的保駕護航同樣發(fā)揮了關(guān)鍵作用。相比之下，三星的功耗控制能力仍有待提高。3AISoC賦能下游，終端應(yīng)用百花齊放AI技術(shù)加速滲透SoC，大幅革新終端設(shè)備智能化體驗。如前所述，我們認(rèn)為海量的物聯(lián)網(wǎng)終端設(shè)備是邊緣AI的主要落地場景，而融合了不同AI功能模塊的SoC作為終端推理算力的承擔(dān)者，將為不同應(yīng)用的嵌入式設(shè)備帶來更加智能化的體驗。例如高通將模仿神經(jīng)網(wǎng)絡(luò)模型的Hexagon處理器融合進SoC中，打造專屬的AI引擎并持續(xù)進行迭代，搭載最新一代AI引擎的驍龍8Gen2芯片在自然語言處理、目標(biāo)檢測等方面的性能均實現(xiàn)了大幅提升。此外，高通還在SoC中開發(fā)了一個稱之為“高通傳感器中樞（SensingHub）”的芯片子系統(tǒng)，能同時處理多路數(shù)據(jù)流，實現(xiàn)關(guān)鍵詞識別、異常檢測、圖像分類等AI性能?？梢钥吹?，高通在AI領(lǐng)域的全面進軍預(yù)示著終端IoT設(shè)備的智能化時代已經(jīng)來臨。3.1消費電子在消費電子產(chǎn)品中，SoC中的AI模塊主要用于實現(xiàn)語音識別和拍照美化等功能，例如蘋果手機的Siri語音助手，近些年流行的計算攝影，都是AI技術(shù)的體現(xiàn)。就智能手機SoC而言，除了蘋果使用自家的A系列芯片，安卓高端市場基本被高通壟斷，中低端市場則由聯(lián)發(fā)科主導(dǎo)。不管是資金實力、研發(fā)能力，還是產(chǎn)業(yè)鏈配套的先進代工、終端迭代等因素，高聳的行業(yè)進入壁壘都讓新興廠商望而卻步。但在可穿戴設(shè)備（TWS耳機、智能手表、VR/AR等）SoC市場，雖然高通和蘋果也有著領(lǐng)先優(yōu)勢，但由于存在著較多的長尾客戶，疊加此類SoC對性能要求并不是很高，更多追求的是低功耗帶來的續(xù)航時間，因此給到了國內(nèi)的恒玄科技、中科藍(lán)訊等公司一定的生存空間。先看國外廠商的布局。蘋果方面，其在2022年9月發(fā)布的AirPodsPro第二代搭載全新的H2芯片，運用計算音頻算法，帶來更智能的降噪表現(xiàn)（主動降噪效果相較上一代最高提升至2倍）、卓越的三維空間音效（全新自適應(yīng)算法更快速地處理聲音）和更高效的電池續(xù)航（單次充電最長能聽6小時）?？梢钥吹剑祟怲WS耳機的智能藍(lán)牙音頻SoC芯片更多追求的是降噪和音質(zhì)表現(xiàn)。高通方面，其在2022年7月發(fā)布了全新的驍龍可穿戴平臺W5/W5+，回顧過去，高通分別于2016、2018、2020年發(fā)布了驍龍2100、3100、4100+可穿戴設(shè)備平臺。命名方式的變化彰顯著新一代平臺相比前一代4100+有著全面提升，其中整體功耗降低超50%，性能提升達兩倍以上，芯片尺寸縮小30%以上，同時從藍(lán)牙4.2升級為藍(lán)牙5.3，并新增集成式揚聲器功率放大器等特性。再來看國內(nèi)廠商的布局。自從蘋果在2016年發(fā)布第一代AirPods推動了TWS耳機的熱潮，國內(nèi)TWS芯片企業(yè)迅速跟進，也在這個市場中分得了一杯羹。國內(nèi)的TWS芯片廠商主要分為兩類，一類是以恒玄科技為代表的品牌芯片廠商，產(chǎn)品供貨給華為、小米、OPPO等終端耳機廠商；另一類是以中科藍(lán)訊為代表的白牌芯片廠商，產(chǎn)品供貨給品牌知名度較低的眾多第三方商家，主要通過低價走量取勝。AppleVisionPro正式發(fā)布，開啟新一輪革命性創(chuàng)新。長期來看，智能手機、TWS耳機、智能手表等消費電子產(chǎn)品的成長空間已接近天花板，我們認(rèn)為AR/VR將是下一代現(xiàn)象級單品。蘋果最新發(fā)布的VisionPro已經(jīng)為我們探明了該類產(chǎn)品的初步形態(tài)，全新的交互體驗也對內(nèi)置的SoC芯片提出了更高要求。3.2智能家居AI技術(shù)持續(xù)滲透，智能家居市場蓬勃發(fā)展。我們看到，在智能家居領(lǐng)域，AI技術(shù)的滲透主要是通過智能語音/視覺模組的方式應(yīng)用于智能掃地機、家庭安防攝像機、智能音箱、智能門鎖等各類智能家居產(chǎn)品中。根據(jù)艾瑞咨詢的數(shù)據(jù)，2022年AI技術(shù)在智能家居行業(yè)的整體滲透率約為25%，預(yù)測到2025年將提升至50%左右，其中智能清潔（95%）、家庭安防（75%）、智能影音娛樂（60%）、智能照明（25%）、智能白電（15%）是AI滲透率排名前五的細(xì)分品類。伴隨設(shè)備智能化體驗的提升和消費者對居家舒適度的追求，艾瑞咨詢預(yù)測中國的智能家居市場規(guī)模將從2022年的4517億元增長至2025年的9523億元，CAGR達28%。在眾多細(xì)分品類中，我們判斷具備語音/視頻交互能力的智能音箱有望成為智能家居全屋互聯(lián)場景下的AI控制入口。智能音箱集成了人工智能處理能力，能夠通過語音識別、語音合成、語義理解等技術(shù)完成語音交互功能，同時還可以提供智能家居控制、音樂內(nèi)容服務(wù)、互聯(lián)網(wǎng)服務(wù)等功能，目前主要分為無屏和帶屏兩大類，其中無屏音箱只具備最基礎(chǔ)的語音交互功能，價格主要分布在50-200元；帶屏音箱則在語音交互的基礎(chǔ)上進一步增加了視覺交互體驗，可通過屏幕進行文字/圖片展示和視頻通話，價格主要分布在200-1500元。AI賦能疊加生態(tài)完善，智能音箱有望重拾增長。我們看到，智能音箱銷量的爆發(fā)主要集中在2018和2019年，但在完成初輪的用戶普及之后便陷入了增長瓶頸。究其原因，一是由于智能化升級緩慢，各大品牌推出的新品創(chuàng)新力度不夠甚至沒有創(chuàng)新，導(dǎo)致同質(zhì)化現(xiàn)象嚴(yán)重；二是產(chǎn)品生態(tài)建立不完善，智能音箱與其它家居設(shè)備的互聯(lián)互通能力受到限制，消費者體驗不佳。但現(xiàn)如今隨著ChatGPT的推出，生成式AI加速發(fā)展，我們認(rèn)為以GPT4為代表的大模型所具備的多模態(tài)能力將大幅提升終端應(yīng)用的智能化體驗，智能音箱的語音/視頻交互能力有望得到充分升級。此外，百度、小米、天貓精靈等國內(nèi)智能音箱巨頭歷經(jīng)多年的布局，各自的產(chǎn)品生態(tài)圈建設(shè)已趨于完善。因此，站在當(dāng)前視角，阻礙智能音箱增長的兩大關(guān)鍵因素均得到較大程度的緩解，我們看好該品類在未來的AI浪潮中重拾增長。行業(yè)貝塔向上，頭部SoC廠商有望充分受益。具體到智能音箱上游的SoC處理器，目前以全志、晶晨、瑞芯微為代表的國內(nèi)廠商已經(jīng)在該領(lǐng)域占據(jù)了較大份額，產(chǎn)品廣泛應(yīng)用于小米、小度、天貓精靈等下游終端品牌。我們認(rèn)為，在ChatGPT引領(lǐng)的AI浪潮下，交互式體驗升級的智能音箱有望突破銷量增長瓶頸，實現(xiàn)滲透率的進一步提升，從而拉動上游處理器廠商的出貨。此外，智能化升級也對芯片性能提出了更高要求，例如需要提升SoC中的CPU算力、附加專屬的AI內(nèi)核和DSP、提供更加豐富的音視頻擴展接口，以及降低功耗增加續(xù)航時間。因此，我們看好頭部SoC廠商在行業(yè)正貝塔的環(huán)境下，通過提供性能更優(yōu)的產(chǎn)品實現(xiàn)自身的阿爾法提升，鞏固并擴大領(lǐng)先優(yōu)勢。3.3智能安防安防芯片主要分為兩類四種芯片。安防視頻監(jiān)控系統(tǒng)主要分為前端和后端兩類設(shè)備，前端設(shè)備負(fù)責(zé)采集和處理原始的圖像視頻信號，將其轉(zhuǎn)化為模擬/數(shù)字信號后再傳輸至后端設(shè)備進行分析、顯示和存儲等?；仡檾z像機的發(fā)展歷程：1）模擬監(jiān)控時代：最初為模擬攝像機，其前端設(shè)備搭載的ISP芯片將電信號轉(zhuǎn)換為模擬信號后，再通過后端的DVR（DigitalVideoRecorder，數(shù)字視頻錄像機）轉(zhuǎn)換為數(shù)字信號進行編碼壓縮和存儲。2）網(wǎng)絡(luò)監(jiān)控時代：網(wǎng)絡(luò)攝像機開始普及，其前端設(shè)備搭載的IPCSoC包含ISP模塊和視頻編碼模塊，原始的視頻信號經(jīng)過ISP模塊處理后，需要通過視頻編碼模塊進行壓縮，而后端NVR(NetworkVideoRecorder，網(wǎng)絡(luò)視頻錄像機)可以通過網(wǎng)絡(luò)接收IPC(網(wǎng)絡(luò)攝像機)傳輸?shù)臄?shù)字視頻碼流，并進行存儲和管理。前端走向主動識別，后端強化計算分析。我們看到，AI技術(shù)對安防的賦能也是體現(xiàn)在前端和后端兩方面：1）前端：通過在前端攝像機嵌入AI芯片，攝像機可以實現(xiàn)對視頻數(shù)據(jù)的結(jié)構(gòu)化處理，促使視頻監(jiān)控設(shè)備從被動監(jiān)控走向主動識別。2）后端：通過在后端圖像存儲設(shè)備添加人工智能加速芯片和應(yīng)用處理軟件，智能網(wǎng)絡(luò)視頻錄像機可以實現(xiàn)圖像識別，強化后端設(shè)備的計算分析功能。算力前移趨勢明顯，前后端共同推動智能安防落地。我們注意到，在安防發(fā)展的早期，前端的攝像機作為數(shù)據(jù)采集設(shè)備，其面臨的數(shù)據(jù)量較少，對數(shù)據(jù)精度的要求也不高，因此用于圖像或視頻處理的算力主要部署在后端。但是隨著物聯(lián)網(wǎng)的不斷發(fā)展，前端設(shè)備采集的數(shù)據(jù)量激增，數(shù)據(jù)精度也從1080P提高到4K/8K，使得網(wǎng)絡(luò)傳輸帶寬與后端的分析處理面臨很大的壓力。因此：1）一方面，通過在前端設(shè)備芯片中嵌入AI功能，使其可以對視頻圖像進行預(yù)處理，將過濾冗余信息后的關(guān)鍵性信息再上傳至邊緣側(cè)或中心側(cè)，由此分?jǐn)偤蠖说挠嬎愫痛鎯毫Σ⑻岣咭曨l分析的速度。目前適用于前端設(shè)備的AI芯片主要為低功耗、低成本的ASIC芯片，在指定的識別場景下具備高效的性能表現(xiàn)；2）另一方面，后端設(shè)備芯片也需要對應(yīng)進行AI功能的升級，前后端協(xié)同發(fā)展共同推動智能安防的落地。海思高端市場根基深厚，期待未來王者歸來。回顧安防芯片市場的競爭格局，我們看到在2020年以前的絕大部分時間里，海思一直占據(jù)著主導(dǎo)地位，其IPC/NVRSoC的市場份額一度高達七成以上，這得益于海思在高清成像和音視頻編解碼算法上的大力投入，成功與海康、大華等頭部終端客戶綁定共同實現(xiàn)高速成長。但在海思逐漸退出后，臺企聯(lián)詠科技和背靠聯(lián)發(fā)科的星宸科技承接了一部分中高端市場，而國內(nèi)廠商富瀚微也成功抓住機遇拿下了中低端市場的大多數(shù)份額。我們認(rèn)為，海思在高端安防芯片領(lǐng)域積累的技術(shù)和客戶優(yōu)勢仍然有著很強的根基，未來如果回歸有望延續(xù)其王者地位。3.4自動駕駛汽車智能化浪潮迭起，電子電氣架構(gòu)從分布式向域集中式演變。我們看到，在汽車智能化的發(fā)展趨勢下，傳統(tǒng)的ECU分布式EEA（Electrical/ElectronicArchitecture，電子電氣架構(gòu)）已無法滿足日益豐富的功能需求，因此很多功能相似但卻分離的ECU被集成整合到一個性能更強的處理器硬件平臺上，這便是汽車域控制器（DomainControlUnit，DCU）的誕生。在域集中式EE架構(gòu)之下，主機廠會根據(jù)自身設(shè)計理念的差異對功能域做出具體的劃分，其中博世的五域集中式EEA便被分為動力域、底盤域、車身域、座艙域和自動駕駛域，而大眾的MEB平臺以及華為的CC架構(gòu)則在此基礎(chǔ)上把原本的動力域、底盤域和車身域融合為整車控制域，從而形成了三域集中式EEA，即車控域控制器、自動駕駛域控制器和智能座艙域控制器。自動駕駛SoC負(fù)責(zé)決策環(huán)節(jié)，異構(gòu)集成主導(dǎo)多種數(shù)據(jù)處理。域控制器作為每個功能域運算和決策的中心，其功能的實現(xiàn)依賴于主控SoC芯片、操作系統(tǒng)和應(yīng)用算法等多層次軟硬件的結(jié)合。在三大功能域中，駕駛域和座艙域是實現(xiàn)智能駕駛的技術(shù)核心，其中駕駛域負(fù)責(zé)集成傳感器、定位、通訊和控制等功能，通過外接車載攝像頭、激光雷達等多種傳感器感知外部信息，再輸入到域控制器中進行運算處理，最后輸出執(zhí)行命令。我們看到，在自動駕駛域控制器中的運算決策環(huán)節(jié)，核心在于主控SoC芯片的數(shù)據(jù)處理能力，其異構(gòu)集成結(jié)構(gòu)主要分為：1）邏輯處理：由CPU完成通用計算；2）AI處理：由GPU/FPGA/ASIC等AI芯片完成加速計算；3）圖像處理：由ISP完成圖片、視頻等數(shù)據(jù)的處理；4）存儲處理：由DRAM、NAND完成緩存并存儲數(shù)據(jù)。我們看到，華為推出的MDC（MobileDataCenter，移動數(shù)據(jù)中心）計算平臺即為自動駕駛域控制器，以MDC300為例，其主控SoC中的CPU處理器為1顆自研的鯤鵬920芯片，采用7nm工藝，支持12個內(nèi)核，主頻2.0GHz，算力達到150KDMIPS；而AI處理器為4顆自研的昇騰310芯片，采用12nm工藝，基于自研的達芬奇架構(gòu)，總算力達到64TOPS。存儲方面，內(nèi)存為24GB，硬盤空間為128GB。同時外接15個攝像頭接口，4個前向攝像頭支持4K視頻分辨率。ADAS/ADSoC市場規(guī)?；蛟?030年達到300億美元。根據(jù)Frost&Sullivan數(shù)據(jù)，2022年全球及中國的自動駕駛乘用車（L2及以上）銷量分別達到1770、740萬輛，滲透率分別為25.8%、31.5%；預(yù)計到2030年銷量將分別增長至6060、2470萬輛，滲透率分別提升至78.3%、92.7%。我們看到，終端銷量的增長也帶動了上游SoC芯片的需求。一般而言，自動駕駛SoC主要分為適用于L1-L2的ADASSoC和適用于L3-L5的ADSoC，ADASSoC的技術(shù)門檻較低，算力要求基本在100TOPS以下，但ADSoC的技術(shù)門檻更高，L5級別的算力要求高達1000TOPS以上。市場規(guī)模方面，Counterpoint預(yù)計全球ADAS/ADSoC市場空間將在2030年達到300億美元，2022-2027年的CAGR為26.3%。此外，在2025年之前，適用于L2的ADASSoC仍將占據(jù)主要份額，但此后受益于自動駕駛技術(shù)的不斷成熟，適用于L3及以上的ADSoC將主導(dǎo)市場。Mobileye主打視覺方案，ADASSoC龍頭地位穩(wěn)固?；仡櫰囆酒袌龅母偁幐窬?，我們看到，以前負(fù)責(zé)整車控制域的MCU芯片市場主要由瑞薩、恩智浦等傳統(tǒng)廠商占據(jù)主導(dǎo)地位，但隨著汽車電動化、智能化的發(fā)展，汽車架構(gòu)中新涌現(xiàn)出的智能座艙域和智能駕駛域需要更高算力的SoC芯片來支持其功能的實現(xiàn)，這也給后來者提供了彎道超車的機遇。就自動駕駛而言，在早期L1、L2的ADAS發(fā)展階段，ADASSoC市場基本由主打視覺方案的Mobileye主導(dǎo)，其于1999年成立，2004年發(fā)布了第一代基于180nm工藝的芯片EyeQ1，2007年開始量產(chǎn)上車，隨后分別于2010、2014、2015年推出了EyeQ2、EyeQ3、EyeQ4，其中EyeQ4芯片于2018年量產(chǎn)，陸續(xù)被蔚小理、大眾、寶馬等廠商采用，成為公司出貨量最高的一款芯片。2017年3月，Mobileye被英特爾以153億美元的價格收入麾下；到2021年末，公司芯片出貨量突破1億顆；2022年10月，Mobileye正式登陸納斯達克市場，最新市值已超300億美元。截至目前，Mobileye的芯片已迭代至EyeQ6Light、EyeQ6High和EyeQUltra，其中EyeQUltra將于2025年量產(chǎn)，采用5nm工藝，算力提升至176TOPS，主打L4/L5高階自動駕駛應(yīng)用場景。但我們同樣看到，Mobileye軟硬件捆綁的銷售模式雖然在早期能夠幫助大量客戶實現(xiàn)ADAS功能的快速普及，但隨著自動駕駛朝著L2+發(fā)展，軟硬件逐步解耦，整車廠開始重視在硬件芯片和軟件算法層面自研能力的開發(fā)，由于Mobileye捆綁銷售的方案導(dǎo)致客戶既不能自行開發(fā)算法，也無法接觸核心的行車數(shù)據(jù)，因此英偉達等具備完整工具開發(fā)鏈且足夠開放的芯片平臺開始受到整車廠的青睞。此外，由于Mobileye主打視覺方案，因此芯片算力并不高，但自動駕駛感知層面的多傳感器融合方案已漸成主流，這意味著芯片需要具備更強的算力才能支持多種數(shù)據(jù)的運算處理工作，例如英偉達2022年量產(chǎn)的Orin芯片算力高達254TOPS，但Mobileye2021年上車的EyeQ5H算力也僅有16TOPS，仍存在較大差距。雖然Mobileye在當(dāng)下面臨一些困難，但我們并不認(rèn)為其已經(jīng)失去了競爭力。首先，公司針對自身軟硬件捆綁銷售的模式做出了一定的改變，于2022年7月發(fā)布了首個面向EyeQ系統(tǒng)芯片的軟件開發(fā)工具包（SDK）——EyeQKit，該工具包將充分利用EyeQ6High和EyeQUltra處理器強大的高能效架構(gòu)，讓車企在充分利用Mobileye已被驗證的核心技術(shù)的同時，也能在EyeQ平臺上部署差異化的代碼和人機接口工具，這預(yù)示著公司在高階的自動駕駛領(lǐng)域（L3+）也在嘗試著走向開放式道路。其次，在低階的ADAS領(lǐng)域（L1/L2），Mobileye有著深厚的技術(shù)積累，非頭部車企由于自身研發(fā)能力的不足且面臨著成本壓力，仍傾向于選擇Mobileye的整套解決方案。因此我們認(rèn)為，Mobileye在中低端的ADASSoC領(lǐng)域已基本站穩(wěn)腳跟，至于能否在高端的ADSoC領(lǐng)域繼續(xù)分一杯羹仍取決于自身的戰(zhàn)略轉(zhuǎn)變和研發(fā)跟進。聚焦到英偉達在高端ADSoC領(lǐng)域的發(fā)展歷程，我們發(fā)現(xiàn)其從2015年發(fā)布首代車載計算平臺DrivePX，再到2022年最新推出的DriveThor平臺，英偉達一直在追求著極致的性能表現(xiàn)，引領(lǐng)著自動駕駛高端芯片的發(fā)展，具體來看：1）第一代DrivePX在2015年的CES消費電子展上發(fā)布，初代車載計算平臺基于TegraX1SoC芯片開發(fā)，單顆芯片擁有8核CPU和256核Maxwell架構(gòu)的GPU，采用20nm工藝，算力在1TFLOPS左右，其中搭載1顆TegraX1的DRIVECX面向數(shù)字座艙，搭載2顆TegraX1的DRIVEPX面向自動駕駛。此外，TegraX1其實是一顆移動處理器，并不是專門為汽車而設(shè)計。2）第二代DrivePX2在2016年的CES上發(fā)布，基于2顆ParkerSoC芯片開發(fā)，單顆芯片擁有6核CPU和256核Pascal架構(gòu)的GPU，采用16nmFinFET工藝，算力達4TOPS，成功打動了和Mobileye分手的特斯拉，2016年HW2.0即搭載了定制版DRIVEPX2AutoCruise單芯片版本，2017年HW2.5升級為AutoChauffeur雙芯片版本。3）第三代DrivePXXavier/PegasusXavier平臺在2017年的CES上發(fā)布，基于1顆XavierSoC芯片開發(fā)，單顆芯片擁有8核CPU和512核Volta架構(gòu)的GPU，采用12nm工藝，算力達30TOPS。此外，Xavier芯片還搭載了深度學(xué)習(xí)加速模塊DLA和向量處理單元PVA兩個專用ASIC，DLA用于推理，PVA用于加速傳統(tǒng)視覺算法，這是英偉達首次采用CPU+GPU+ASIC的技術(shù)路線?？梢钥吹?，Xavier平臺相比于PX2平臺，雖然算力只有小幅提升，但面積縮小了一半，功耗僅為PX2的1/8。同年，英偉達推出了性能更強的DRIVEPXPegasus平臺，由2顆Xavier芯片和2顆單獨的Turing架構(gòu)的GPU組成，可以實現(xiàn)320TOPS的算力。4）第四代DriveAGXOrin在2019年的GTC大會上發(fā)布，基于2顆OrinSoC芯片開發(fā)，單顆芯片擁有8核CPU和2048核Ampere架構(gòu)的GPU，采用7nm工藝，算力達254TOPS，與Xavier芯片同為“CPU+GPU+DLA+PVA”的整體架構(gòu)。此外，該平臺也配備了2顆單獨的Ampere架構(gòu)的GPU，平臺最高算力可達2000TOPS。5）第五代DriveThor原本英偉達的第五代車載計算平臺為2021年推出的DriveAtlan，單顆SoC的算力能夠達到1000TOPS，相比上一代OrinSoC算力提升接近4倍，預(yù)計將在2025年量產(chǎn)上車。但Atlan還未量產(chǎn)便被淘汰，隨后英偉達在2022年的秋季GTC大會上發(fā)布了新一代計算平臺DriveThor，正式取代了Atlan。我們看到，Thor芯片已經(jīng)不再局限于自動駕駛SoC，而是可以在同一計算平臺上實現(xiàn)全車自動駕駛和智能座艙功能的新一代系統(tǒng)級芯片，采用基于Grace架構(gòu)的CPU、AdaLovelace架構(gòu)的GPU和Hopper架構(gòu)的處理Transformer模型的引擎，由兩種不同架構(gòu)的GPU分?jǐn)侫I運算與影像處理需求，相對Atlan性能翻倍，不需搭配額外的GPU即可達到2000TOPS的算力性能，預(yù)計將在2024年量產(chǎn)。極氪已宣布成為Thor芯片的首發(fā)搭載車企，并于2025年初開始生產(chǎn)?；仡櫽ミ_的產(chǎn)品迭代歷程，我們認(rèn)為Thor芯片的發(fā)布彰顯出其在自動駕駛領(lǐng)域戰(zhàn)略規(guī)劃的兩大重要方向：1）使用集中式車載計算平臺的單一SoC整合多個功能域，因此Thor大幅領(lǐng)先市場已有芯片的算力水平凸顯出其合理性，通過對眾多計算資源的整合，不僅可以降低功耗和成本，也能實現(xiàn)功能的飛躍；2）主推FP8格式標(biāo)準(zhǔn)以打通訓(xùn)練與推理之間的鴻溝，一般來說，AI訓(xùn)練端的數(shù)據(jù)精度要求比較高，通常采用FP64或FP32的浮點數(shù)運算，而推理端采用INT8的整數(shù)定點運算，雖然精度有所下降，但成本和效率表現(xiàn)更好。我們看到，Thor芯片在訓(xùn)練和推理端均采用FP8格式的浮點運算，雖然訓(xùn)練端的精度略有下降，但這樣可以簡化從訓(xùn)練到推理的過渡，可以在不犧牲精度的情況下進行數(shù)據(jù)傳輸，做到訓(xùn)練和推理的無縫銜接，大幅提升整體的計算效率和準(zhǔn)確度。更重要的是，此舉會打破專注訓(xùn)練或者推理單一領(lǐng)域的AI芯片廠商的競爭格局。3.5智能座艙座艙主控SoC芯片作為座艙域的算力提供單元，主要負(fù)責(zé)座艙內(nèi)海量數(shù)據(jù)的運算處理工作，主要包括多個攝像頭的視頻接入、多個顯示屏的圖像渲染和輸出（GPU、DPU）、神經(jīng)網(wǎng)絡(luò)加速器NPU、車內(nèi)音頻處理、藍(lán)牙WiFi互聯(lián)以及其他主要ECU的以太網(wǎng)數(shù)據(jù)交互等。芯片架構(gòu)方面，我們以高通第三代驍龍汽車數(shù)字座艙平臺的代表芯片QualcommSA8155P為例進行說明。高通8155芯片于2019年1月發(fā)布，作為全球首款7nm制程的車機芯片，首發(fā)搭載于2021年1月推出的長城WEY摩卡，此后便開啟了上車潮，至今在國內(nèi)新勢力和傳統(tǒng)車企的30余款新車型上都能看到8155的身影，主要得益于8155先進的異構(gòu)計算架構(gòu)帶來的強勁性能，有力支撐了座艙的智能化演變。消費級芯片廠商立足高算力移動芯片具備性能與成本優(yōu)勢?；仡欁撔酒母偁幐窬?，在2015年以前，車載系統(tǒng)的運算和控制主要由MCU和低算力的SoC為主，瑞薩、恩智浦、德州儀器等傳統(tǒng)汽車芯片廠商憑借自身在車規(guī)領(lǐng)域的深厚積累，一直在車機芯片市場占據(jù)主導(dǎo)地位。根據(jù)StrategyAnalytics數(shù)據(jù)，瑞薩、恩智浦、TI在2016年全球汽車MCU/SoC芯片市場中的份額分別達到31%、27%、10%，CR3高達68%。然而在2015年之后，隨著汽車電動化、智能化的持續(xù)推進，以高通、三星為代表的消費級芯片廠商強勢入局，其優(yōu)勢主要體現(xiàn)在兩方面：1）已有消費級芯片的高算力基礎(chǔ)足以支撐未來座艙芯片的算力需求。例如目前主流的高通8155座艙芯片便脫胎于2018年發(fā)布的移動處理器驍龍855；2）在消費電子領(lǐng)域積累的資金和規(guī)模優(yōu)勢可幫助自身在汽車芯片領(lǐng)域?qū)崿F(xiàn)低成本開發(fā)。一般來說，高性能座艙芯片的開發(fā)成本動輒數(shù)億美元，而手機等移動端芯片數(shù)千萬的生命周期銷量足以幫助消費電子廠商輕易收回開發(fā)成本，但汽車芯片的出貨量最高也只能達到數(shù)百萬片。因此，傳統(tǒng)汽車芯片廠商在開發(fā)能力和開發(fā)成本上均處于不利地位。傳統(tǒng)汽車芯片廠商主打安全與可靠，目前仍占據(jù)較高份額。不過我們同樣看到，安全性、可靠性和長效性是消費級芯片與汽車芯片的本質(zhì)區(qū)別，因此傳統(tǒng)汽車芯片廠商傾向于使用成熟技術(shù)來保證安全與穩(wěn)定性，這也是最終的芯片算力表現(xiàn)不佳的原因。但憑借著安全可靠的性能，瑞薩、恩智浦和TI的產(chǎn)品仍在銷量占比較大的中低端車型中廣泛應(yīng)用，因此傳統(tǒng)廠商在汽車芯片市場仍占有較高的份額。不過在高端市場，高通的8155芯片已經(jīng)占據(jù)了座艙芯片80%以上的份額。我們認(rèn)為，雖然傳統(tǒng)廠商憑借目前的汽車銷售結(jié)構(gòu)仍擁有較高的市占率，但在智能化趨勢下如果不能及時推出高性能產(chǎn)品，其與消費級芯片廠商的差距將會被逐漸拉開。海外供應(yīng)商實力強勁，高通、三星領(lǐng)跑市場?？梢钥吹?，海外座艙芯片供應(yīng)商主要分為兩大陣營：1）以高通、三星為代表的消費級芯片廠商a）高通：2014年開始布局，同年1月便推出了第一代智能座艙主控SoC602A，但該款產(chǎn)品在當(dāng)時并未掀起多大波瀾；此后在2016年1月便推出了第二代產(chǎn)品820A，憑借較大的技術(shù)進步和生態(tài)能力，從2018年開始陸續(xù)在小鵬、理想、蔚來、奧迪等多款車型上量產(chǎn)裝車；而2019年1月推出的第三代旗艦產(chǎn)品8155芯片，作為全球首款7nm制程的座艙SoC，幾乎橫掃了中高端市場；此外高通于2021年1月推出了全球首款5nm制程的8295芯片，將于2023年量產(chǎn)并首發(fā)搭載于集度汽車?？梢钥吹剑壳案咄ㄔ谥懈叨酥悄茏揝oC市場已經(jīng)牢牢占據(jù)了頭把交椅的地位。b）三星：近幾年才開始進入市場，不過其ExynosAutoV910芯片的整體性能已經(jīng)可以與高通8155相媲美，成功從高通手中搶下了奧迪的訂單，并且規(guī)劃在2025年前后量產(chǎn)5nm制程的ExynosAutoV920芯片，其AI算力與8295相當(dāng)均為30TOPS，對高通的攻勢已愈演愈烈。c）聯(lián)發(fā)科：分別于2018、2019年推出28nm/12nm的MT2712/MT8666，雖然性能不及高通和三星的產(chǎn)品，但憑借性價比優(yōu)勢成功打入中低端市場，獲得了大眾、吉利、長安等車企的認(rèn)可。此外，聯(lián)發(fā)科已于2022年推出7nm制程的MT8675芯片，旨在進軍高端市場?！坝⑻貭?寶馬”&“英偉達+奔馳”深入綁定，AMD成功切入特斯拉。其他消費級廠商方面，一直以來，英偉達基本與奔馳綁定，英特爾與寶馬綁定，但這兩家目前已基本不再迭代智能座艙芯片產(chǎn)品，而是主攻于自動駕駛芯片市場，后續(xù)不排除寶馬、奔馳更換供應(yīng)商的可能。此外我們可以看到，特斯拉座艙芯片的供應(yīng)商在近十年內(nèi)曾多次易主，其2012年推出的ModelS的第一代智能座艙采用的是英偉達40nm制程的Tegra3芯片，這在當(dāng)時可謂是特斯拉的最好選擇；隨著智能座艙功能的日益增加，Tegra3的算力已經(jīng)跟不上時代的腳步，2017年特斯拉與英偉達分道揚鑣，選擇投入英特爾的懷抱，其第二代智能座艙選用了英特爾14nm制程的A3950芯片；但英特爾在此后沒有繼續(xù)進行算力迭代，于是特斯拉的2022款新車便換裝了AMD為其定制的12nmRyzen芯片，主打車載游戲性能。此外，AMD于2022年8月5日宣布與吉利旗下億咖通科技戰(zhàn)略合作，共同打造下一代高性能智能座艙車載計算平臺，將首發(fā)搭載于Smart品牌于2024年規(guī)劃推出的純電量產(chǎn)車型之上。2）以瑞薩、恩智浦、德州儀器為代表的傳統(tǒng)汽車芯片廠商。瑞薩在2016年推出的R-CARGen3系列是其經(jīng)典的智能座艙產(chǎn)品，其中16nm制程的R-CARH3芯片專為高端汽車打造，收獲了長城等客戶，并在2021年又推出了新的R-CARGen3e系列（以R-CARH3e為代表）；恩智浦目前的主流產(chǎn)品i.MX8QM還是發(fā)布于2013年，量產(chǎn)于2018年，采用28nm制程，主要應(yīng)用于一些入門級車型；德州儀器的主打產(chǎn)品是其2020年推出的Jacinto7芯片系列，同樣基于28nm制程，主要客戶是日系車和德系車。整體來看，傳統(tǒng)汽車芯片廠商的產(chǎn)品在芯片算力和迭代速度上均落后于消費級廠商。國產(chǎn)供應(yīng)商加速追趕，競爭格局尚未定型。我們看到，國內(nèi)座艙芯片供應(yīng)商起步較晚，目前仍處發(fā)展初期，參與廠商主要分為：1）消費級芯片廠商（華為、全志科技、瑞芯微等）：華為的麒麟990A基于7nm制程，已具備較高的算力表現(xiàn)，目前已經(jīng)應(yīng)用在北極狐阿爾法S和比亞迪的部分車型中；瑞芯微的8nmRK3588M芯片可支持實現(xiàn)360°環(huán)視和“一芯多屏”，目前已經(jīng)實現(xiàn)量產(chǎn)上車；全志科技的T7芯片早在2017年便完成開發(fā)，是國內(nèi)第一顆通過車規(guī)認(rèn)證的自主平臺型SoC芯片。2）汽車AI芯片廠商（地平線、黑芝麻等）：產(chǎn)品可同時用于智能駕駛和智能座艙領(lǐng)域，其中地平線的征程5已迭代至16nm，AI算力高達128TOPS，已應(yīng)用于理想L8Pro。3）汽車芯片初創(chuàng)企業(yè)（杰發(fā)科技、芯擎科技、芯馳科技等）：杰發(fā)科技作為四維圖新旗下成員，成立于2013年，專注于車規(guī)級芯片設(shè)計，其首顆AC8015座艙芯片已于2021年實現(xiàn)正式裝車量產(chǎn)，高階的AC8025H也即將推出；芯擎科技由吉利旗下億咖通科技和ARM中國等在2018年共同出資成立，2021年12月發(fā)布了國內(nèi)首顆7nm智能座艙SoC“龍鷹一號”，填補了國內(nèi)7nm車規(guī)芯片的空白，并且已經(jīng)被吉利、一汽等車企采用。此外，芯擎科技在2022年7月完成了由紅杉中國領(lǐng)投的近十億元的A輪融資，未來將繼續(xù)致力于高算力汽車芯片的研發(fā)；芯馳科技成立于2018年，自研X9U芯片的CPU算力高達100KDMIPS，可支持多達10個獨立全高清顯示屏。展望未來，我們看好國產(chǎn)座艙芯片供應(yīng)商在華為等巨頭的入局帶領(lǐng)下，借助國內(nèi)新能源汽車高速發(fā)展和產(chǎn)業(yè)鏈自主化的雙重東風(fēng)，不斷增強自身實力以實現(xiàn)對海外供應(yīng)商的加速追趕乃至超越。4重點公司分析4.1芯原股份：IP授權(quán)業(yè)務(wù)短期承壓，在手訂單保障未來成長半導(dǎo)體行業(yè)景氣下行漸進尾聲，短期IP授權(quán)業(yè)務(wù)波動不改長期趨勢。截止2023Q3，公司營收17.65億元，同比降低6.34%，實現(xiàn)毛利7.66億元，同比上升0.19%，得益于公司一站式芯片定制業(yè)務(wù)毛利率同比提升，綜合毛利率達43.42%，同比提升2.83pcts。此外，公司實現(xiàn)歸母凈利潤為-1.34億元，同比下降-509.53%。整體而言，受知識產(chǎn)權(quán)授權(quán)業(yè)務(wù)收入波動等因素影響營業(yè)收入同比有所下降，隨著公司堅持研發(fā)投入，研發(fā)費用等期間費用增加，導(dǎo)致凈利潤有所波動。芯原是一家依托自主半導(dǎo)體IP，為客戶提供平臺化、全方位、一站式芯片定制服務(wù)和半導(dǎo)體IP授權(quán)服務(wù)的企業(yè)。公司至今已擁有高清視頻、高清音頻及語音、車載娛樂系統(tǒng)處理器、視頻監(jiān)控、物聯(lián)網(wǎng)連接、智慧可穿戴、高端應(yīng)用處理器、視頻轉(zhuǎn)碼加速等多種一站式芯片定制解決方案，以及自主可控的GPUIP、NPUIP、VPUIP、DSPIP、ISPIP和DisplayProcessorIP六類處理器IP、1500多個數(shù)?；旌螴P和射頻IP。2022年實現(xiàn)營收26.79億元，同比增長25.23%，下游應(yīng)用領(lǐng)域包括物聯(lián)網(wǎng)（34%）、消費電子（22%）、工業(yè)（13%）、計算機及周邊（12%）、汽車電子（10%）和數(shù)據(jù)處理（9%），主要客戶包括芯片設(shè)計公司、IDM、系統(tǒng)廠商、大型互聯(lián)網(wǎng)公司、云服務(wù)提供商等，截至2022年底累計半導(dǎo)體IP授權(quán)服務(wù)客戶總數(shù)量近380家，一站式芯片定制服務(wù)客戶總數(shù)量超300家。在先進半導(dǎo)體工藝節(jié)點方面，公司已擁有14nm/10nm/7nm/5nmFinFET和28nm/22nmFD-SOI工藝節(jié)點芯片的成功流片經(jīng)驗。此外，根據(jù)IPnest在2022年的統(tǒng)計，從半導(dǎo)體IP銷售收入角度，芯原是2021年中國大陸排名第一、全球排名第七的半導(dǎo)體IP授權(quán)服務(wù)提供商，在全球排名前七的企業(yè)中，芯原的IP種類排名前二。2020和2021年，芯原的知識產(chǎn)權(quán)授權(quán)使用費收入均為全球第四。4.2韋爾股份：庫存去化大超預(yù)期，新品放量加速業(yè)績改善三季度業(yè)績環(huán)比顯著改善，產(chǎn)品結(jié)構(gòu)優(yōu)化助推盈利提升。韋爾股份發(fā)布三季度業(yè)績公告，23Q1-Q3實現(xiàn)營收150.81億元(yoy-2.0%)，歸母凈利3.68億元(yoy82.9%)，扣非歸母凈利1.30億元(yoy-89.7%)，其中Q3單季度實現(xiàn)營收62.23億元(yoy+44.4%,qoq+37.6%),歸母凈利為2.15億元(yoy+279.6%，環(huán)比扭虧，qoq+467.4%)，扣非歸母凈利2.09億元(yoy+206.3%，環(huán)比扭虧，qoq+306.9%)。此外，公司半導(dǎo)體設(shè)計業(yè)務(wù)在三季度實現(xiàn)營收54.46億元，占比進一步提升至87.5%，下游需求逐步回暖。盈利能力方面，23Q1-Q3毛利率為21.28%，同比-11.4pcts，其中Q3單季度毛利率為21.78%，同比-6.7pcts，環(huán)比+4.5pcts，表明高成本老產(chǎn)品庫存對利潤的拖累逐漸消除，以O(shè)V50H為代表的低成本高價新產(chǎn)品陸續(xù)放量，產(chǎn)品結(jié)構(gòu)大幅改善。23Q1-Q3凈利率為2.39%，同比-11.5pcts，其中Q3單季度凈利率同環(huán)比雙雙轉(zhuǎn)正達到3.41%，同比+6.4pcts，環(huán)比+4.5pcts。庫存去化大超預(yù)期，利潤拖累逐步消除。韋爾公告顯示，截至2023Q3末，公司庫存水平已經(jīng)下降至75.52億元，較2022年末的123.56億元減少了38.9%，較2023Q2末的98.28億元減少了23.2%，庫存去化進度大超預(yù)期。我們判斷主因華為憑借Mate60系列新品強勢復(fù)出，疊加下半年其他安卓品牌新機頻出，消費電子產(chǎn)業(yè)鏈拉貨動能充足，公司以O(shè)V64B為代表的老庫存產(chǎn)品在副攝、長焦上的應(yīng)用具備較強的性價比優(yōu)勢，需求大幅回暖帶動庫存持續(xù)出清，后續(xù)庫存規(guī)模有望繼續(xù)下降至2023Q4單季度營收水平。OV50H率先登陸小米14全系列主攝，光影獵人開辟移動光學(xué)新時代。我們看到，韋爾在2023年1月發(fā)布的OV50H正式打響了公司在智能手機主攝50MP大像素產(chǎn)品市場的第一槍，其擁有1/1.28英寸大底，單像素尺寸達到1.2um，標(biāo)示著公司正式進軍高端市場。此外，OV50H已應(yīng)用于2023年10月26日發(fā)布的小米14全系列50MP主攝，同時采用全新的影像傳感器品牌“光影獵人”，相比索尼IMX989，光影獵人900的原生低噪聲降低了50%，動態(tài)范圍提升了8倍，相比同尺寸的其他感光元件，功耗也降低了42%，產(chǎn)品性能全方位升級，引領(lǐng)移動光學(xué)新時代。高端新品陸續(xù)放量，汽車業(yè)務(wù)成長可期。我們認(rèn)為，后續(xù)伴隨以O(shè)V50H為代表，包括年底即將發(fā)布的OV50K在內(nèi)的高端新品陸續(xù)放量，公司手機CIS產(chǎn)品結(jié)構(gòu)有望大幅改善。此外，汽車CIS方面，公司憑借晶圓級封裝具備較為明顯的成本優(yōu)勢，產(chǎn)品矩陣逐步拓寬，在華為問界等多款熱銷車型占據(jù)較高的供應(yīng)份額，同時公司積極開發(fā)海外市場，汽車業(yè)務(wù)成長動能不容忽視。我們認(rèn)為，手機和汽車業(yè)務(wù)的共振有望帶動公司業(yè)績步入新一輪上行周期。4.3樂鑫科技：業(yè)績穩(wěn)健增長，軟硬件雙輪驅(qū)動拓展產(chǎn)品矩陣，營收穩(wěn)定增長。2023Q1-Q3公司實現(xiàn)營業(yè)收入10.27億元，同比增長8.18%；實現(xiàn)歸母凈利潤0.87億元，同比增長3.96%；實現(xiàn)扣非凈利潤0.68億元，同比增長6.57%。23Q3單季度，公司實現(xiàn)營業(yè)收入3.60億元，同比增長7.29%；實現(xiàn)歸母凈利潤0.23億元，同比增長9.85%；實現(xiàn)扣非凈利潤0.14億元，同比下降0.86%。歸母凈利潤增長主要受營收增長、毛利率穩(wěn)定、研發(fā)費用增長，且與研發(fā)費用加計扣除相關(guān)的所得稅費用沖減金額增加。我們預(yù)計，隨著公司近年來不斷拓展產(chǎn)品矩陣，次新類的高性價比產(chǎn)品線ESP32-C3和高性能產(chǎn)品線ESP32-S3已于今年順利進入了快速增長階段，能夠滿足更廣泛的客戶應(yīng)用需求，助力公司拓展新的客戶與業(yè)務(wù)，最終實現(xiàn)整體營收的持續(xù)性增長。樂鑫是物聯(lián)網(wǎng)領(lǐng)域的專業(yè)芯片設(shè)計企業(yè)及整體解決方案供應(yīng)商。公司產(chǎn)品以“處理+連接”為方向，“處理”以MCU為核心，包括AI計算；“連接”以無線通信為核心，目前已包括Wi-Fi、藍(lán)牙和Thread、Zigbee技術(shù)，產(chǎn)品邊界擴大至無線通信SoC領(lǐng)域。公司以AIoT領(lǐng)域為核心，通過自研軟件工具鏈和芯片硬件形成研發(fā)閉環(huán)，致力于成為一家物聯(lián)網(wǎng)平臺型公司，向全球所有的企業(yè)和開發(fā)者們提供一站式的AIoT產(chǎn)品和服務(wù)。軟硬件協(xié)同發(fā)展，產(chǎn)品矩陣逐步成型。硬件方面，ESP32-S3芯片增加了用于加速神經(jīng)網(wǎng)絡(luò)計算和信號處理等工作的向量指令，可以實現(xiàn)高性能的圖像識別、語音喚醒和識別等應(yīng)用；ESP32-C5是公司第一款2.4&5GHz雙頻Wi-Fi6產(chǎn)品線，是自研高頻Wi-Fi技術(shù)上的重大突破；ESP32-H2芯片的發(fā)布，標(biāo)志著公司在Wi-Fi和藍(lán)牙技術(shù)領(lǐng)域之外又新增了對IEEE802.15.4技術(shù)的支持，進入Thread/Zigbee市場，進一步拓展了公司的無線通信SoC的產(chǎn)品線和技術(shù)邊界。軟件方面，云產(chǎn)品ESPRainMaker已形成一個完整的AIoT平臺，集成芯片硬件、第三方語音助手、手機App和云后臺等一站式產(chǎn)品服務(wù)，可幫助客戶快速實現(xiàn)產(chǎn)品智能化，縮短開發(fā)周期。4.4恒玄科技：季度營收創(chuàng)歷史新高，可穿戴需求復(fù)蘇啟動Q3營收超預(yù)期，去庫存效果顯著。2023Q1-Q3，公司實現(xiàn)營業(yè)收入15.64億元，同比增長33.75%；實現(xiàn)歸母凈利潤1.18億元，同比下降21.57%。23Q3單季度來看，受益于智能可穿戴和智能家居終端市場的恢復(fù)，Q3單季度營收創(chuàng)歷史新高，實現(xiàn)營業(yè)收入6.54億元，同比增長35.67%，環(huán)比增長24.21%；實現(xiàn)歸母凈利潤0.69億元，同比下降0.79%，環(huán)比增長37%，歸母凈利潤增幅不及收入增幅，主要為研發(fā)投入同比增長且毛利率同比下降雙重因素所致。此外，毛利率方面，由于上游成本有一定上漲，疊加芯片去庫存壓力，2023Q1-Q3公司毛利率34.84%，同比下降4.93個pcts；Q3單季度毛利率34.47%，同比下降5.83個pcts，環(huán)比下降0.22個pct，環(huán)比Q2下降幅度收窄，已經(jīng)進入相對穩(wěn)定的狀態(tài)。恒玄科技主要從事智能音視頻SoC芯片的研發(fā)、設(shè)計與銷售。公司主要產(chǎn)品為藍(lán)牙音頻芯片、智能手表芯片和智能家居主控芯片，并基于在無線連接領(lǐng)域的技術(shù)積累，逐步延伸至Wi-Fi/BT連接芯片，產(chǎn)品廣泛應(yīng)用于智能藍(lán)牙耳機、Wi-Fi智能音箱、智能手表等低功耗智能音視頻終端產(chǎn)品。2022年實現(xiàn)營收14.85億元，同比下降15.89%，其中藍(lán)牙音頻類芯片營收10.9億元，占比74%；手表類芯片營收2.9億元，占比19%，營收結(jié)構(gòu)逐步多元化；Wi-FiSoC芯片已應(yīng)用于多家品牌客戶的智能家電產(chǎn)品，Wi-Fi4連接芯片也開始量產(chǎn)落地，已應(yīng)用于翻譯筆、智能家電等終端產(chǎn)品，近一步向AIoT平臺型公司邁進。高強度投入研發(fā)，核心競爭力穩(wěn)步提升。公司2023年Q1-Q3研發(fā)費用達到3.67億元，較上年同期增長12.23%，研發(fā)費用率高達20.21%。此外，根據(jù)2022年報數(shù)據(jù)，研發(fā)人員總數(shù)521人，較上年同期增加183人，研發(fā)人員占比85%。研發(fā)成果方面，公司基于12nmFinFET工藝研發(fā)的新一代BES2700系列可穿戴主控芯片成功實現(xiàn)量產(chǎn)上市，已應(yīng)用于多家品牌客戶的旗艦TWS耳機和智能手表產(chǎn)品；同時在集成NPU領(lǐng)域進行拓展，帶有圖形NPU功能的芯片研發(fā)進展順利，極大的增強了低功耗下可穿戴設(shè)備的算力，以及對更大的神經(jīng)網(wǎng)絡(luò)算法的支持；此外，公司實現(xiàn)了Wi-Fi4連接芯片的量產(chǎn)出貨，支持最新WiFi6的連接芯片已經(jīng)順利完成認(rèn)證，已進入客戶推廣送樣階段；為了滿足領(lǐng)先客戶對于高品質(zhì)音頻和低功耗平臺的雙重要求，公司研發(fā)了新一代的低功耗音頻功放技術(shù)，在達到優(yōu)異的信噪比（SNR>120dB）的同時，能夠有效的降低50%以上的動態(tài)功耗。4.5中科藍(lán)訊：業(yè)績端表現(xiàn)亮眼，客戶端持續(xù)滲透需求穩(wěn)步增加疊加傳統(tǒng)旺季，Q3單季利潤同比超預(yù)期。2023Q1-Q3，公司實現(xiàn)營業(yè)收入10.50億元，同比增長35.19%;實現(xiàn)歸母凈利潤1.97億元，同比增加66.97%；毛利率22.98%，凈利率達18.79%。23Q3單季度，受益于訊龍系列占比提升、現(xiàn)有產(chǎn)品更新迭代、產(chǎn)品種類日益豐富、供應(yīng)商保障供給等因素，實現(xiàn)營業(yè)收入3.96億元，同比增長69.11%；實現(xiàn)歸母凈利潤0.85億元，同比增長242.42%；實現(xiàn)扣非歸母凈利潤0.55億元，同比增長245.29%；單季度毛利率達24.43%，環(huán)比上升0.09pct；Q3凈利率達21.41%，環(huán)比上升3.22pcts。中科藍(lán)訊是無線音頻SoC芯片主要供應(yīng)商。公司主要產(chǎn)品包括TWS藍(lán)牙耳機芯片、非TWS藍(lán)牙耳機芯片、藍(lán)牙音箱芯片、智能穿戴芯片、無線麥克風(fēng)芯片、數(shù)字音頻芯片等，產(chǎn)品可廣泛運用于TWS藍(lán)牙耳機、頸掛式耳機、頭戴式耳機、商務(wù)單邊藍(lán)牙耳機、藍(lán)牙音箱、車載藍(lán)牙音響、電視音響、智能可穿戴設(shè)備、物聯(lián)網(wǎng)設(shè)備等無線互聯(lián)終端。原有產(chǎn)品保持迭代，研發(fā)創(chuàng)新拓寬應(yīng)用場景。一方面，公司針對原有的無線音頻SoC芯片保持快速迭代，前期已成功推出“藍(lán)訊訊龍”系列高端藍(lán)牙芯片，憑借出色的性能表現(xiàn)和性價比優(yōu)勢，目前已進入TCL、傳音、魅藍(lán)、聯(lián)想、鐵三角、天貓精靈、魔聲Monster、Sudio等終端品牌供應(yīng)體系；另一方面，公司在深耕無線音頻芯片領(lǐng)域的基礎(chǔ)上，持續(xù)推動技術(shù)升級以優(yōu)化產(chǎn)品結(jié)構(gòu)。目前已經(jīng)完成了高集成低功耗22nm工藝藍(lán)牙耳機SoC芯片工程樣片、高性能TWS藍(lán)牙耳機SoC芯片工程樣片、第一代語音控制SoC芯片工程樣片、第一代藍(lán)牙控制SoC芯片工程樣片的設(shè)計工作并進入流片階段。公司部分芯片產(chǎn)品已應(yīng)用至智能可穿戴設(shè)備、智能家居等物聯(lián)網(wǎng)終端產(chǎn)品中，進一步豐富了公司產(chǎn)品的應(yīng)用場景。4.6炬芯科技：打造AIoT音頻芯生態(tài)，端側(cè)AI賦能長期發(fā)展Q3業(yè)績環(huán)比改善，業(yè)務(wù)有望逐季向好。公司Q3單季度實現(xiàn)營收1.57億元，同比增長64.92%；歸母凈利潤0.22億元，同比增長76.22%。Q3毛利率為45.48%，同比增加5.49%；凈利率為14.16%，同比增加0.90%。伴隨消費電子下游市場呈現(xiàn)向好態(tài)勢，公司在索尼、哈曼等頭部品牌客戶的滲透率持續(xù)提升，訂單量逐漸增加，帶來第三季度業(yè)績快速度增長。深耕高品質(zhì)音質(zhì)產(chǎn)品，水平業(yè)界領(lǐng)先。公司產(chǎn)品布局主要為藍(lán)牙音頻SoC芯片、便攜式音視頻SoC芯片和端側(cè)AI處理器芯片等，公司頭部品牌滲透率不斷提升。公司自主掌握低延遲的2.4G無線通信私有協(xié)議設(shè)計，全鏈路48K24bit高清音頻處理，音質(zhì)指標(biāo)SNR高達120dB，底噪低于2uV，處于業(yè)界先進水平，端到端延遲最低低至10ms以下，高保真低延遲降噪技術(shù)延遲小于3ms，產(chǎn)品技術(shù)處于業(yè)界領(lǐng)先水平。產(chǎn)品性能優(yōu)異，已進入眾多知名終端品牌供應(yīng)鏈。公司歷經(jīng)多年已積累眾多知名客戶資源，已進入眾多終端品牌的供應(yīng)鏈，此外，還進入三諾、奮達、通力等業(yè)界知名的ODM、OEM廠商的供應(yīng)鏈體系。首批品牌客戶西伯利亞、倍思、猛瑪?shù)榷嗫町a(chǎn)品已上市規(guī)模銷售，將持續(xù)推出多款終端產(chǎn)品。4.7晶晨股份：海外市場穩(wěn)步推進，產(chǎn)品矩陣不斷拓寬積極推進海外市場拓展，三季度盈利能力回升。2023Q1-Q3，公司實現(xiàn)營收38.58億元，同比下降12.32%；歸母凈利潤為3.14億元，同比下降53.88%；扣非歸母凈利潤為2.67億元，同比下降58.37%；毛利率35.36%，同比-2.10pcts。單季度來看，受益于公司各產(chǎn)品線在海外市場均取得積極進展，營收實現(xiàn)15.07億元，同比增長16.60%；歸母凈利潤為1.29億元，同比增長35.23%；扣非歸母凈利潤為1.09億元，同比增長37.70%；實現(xiàn)毛利率35.98%，同比+3.33pcts。晶晨主要從事系統(tǒng)級SoC芯片及周邊芯片的研發(fā)、設(shè)計與銷售。目前主要產(chǎn)品包括多媒體智能終端SoC芯片、無線連接芯片、汽車電子芯片等，為眾多消費類電子領(lǐng)域提供SoC主控芯片和系統(tǒng)級解決方案。公司擁有豐富的SoC全流程設(shè)計經(jīng)驗，致力于超高清多媒體編解碼和顯示處理、內(nèi)容安全