AIPC&AI手機專題報告：AIGC向端側下沉成趨勢，有望引領新一輪硬件創新.pdf

AIPC&AI手機專題報告：AIGC向端側下沉成趨勢，有望引領新一輪硬件創新。從手機和PC的發展史來看，AIGC的賦能可能會將二者帶入全新的發展階段。就手機而言，我們總結其發展路徑是：強調通信功能→智能手機→個人助理。手機相較于 PC是更加貼近用戶生活的終端設備，因而用戶天然會產生這種需求，但現階段的手機智能化程度不足，因而搭載大模型并發展出更多功能或成為一種趨勢；PC早期能夠 普及正是因為其生產力工具的定位，AIGC作為生成式AI自然會與生產力工具相匹配以幫助用戶提高生產效率，因而AI PC也順勢興起。 p 從硬件角度來看，AI PC/Phone需要解決三個問題：其一，用什么加速推理？其二，高規格大模型如何裝載到設備里去？其三，推理作為高功耗任務，設備的散熱系統 應當如何配合？由此衍生出我們對PC及手機處理器、內存和散熱系統的探討。

對于問題一，目前的AI PC/Phone廠商均已給出答案，過去在端側做深度學習或者機器學習通常會使用GPU作為計算單元，但隨著AIGC在端側落地，人工智能任務專 用處理器也順勢而生。GPU雖然相較于CPU擁有更強的并行計算能力，但其處理神經網絡仍然效率偏低，且功耗較高。NPU相較于GPU的優化主要集中在與CPU的交 互方面，NPU做的是張量計算，如果說GPU是把矩陣看做一個“計算單位”，那么NPU就是把神經網絡看做一個“計算單位”，由此，NPU擁有了更優的能耗比。我 們認為未來可能是CPU、GPU、NPU三U并存的時代，以GPU發展史作為參考，未來NPU可能也會同GPU一樣，逐漸成為PC和手機必備的硬件之一，目前NPU仍 然與CPU集成在一起，未來可能也會發展出擁有獨立內存的類似于獨顯的形態，并成為PC產品定位的重要標準（如現在的高性能本、游戲本通常是獨顯，而輕薄本、商 務本則一般為核顯）。目前NPU的發展仍處于早期階段，我們認為其重點主要是走量，即在PC上普及這一硬件；未來隨著NPU逐漸為用戶所接受并對性能提出更高要 求，參考GPU，則可能會帶來更多的溢價空間，這一收入我們認為主要是在上游硬件廠商（NPU供應商）、大模型供應商和終端設備生產商之間分配。

對于問題二，目前PC和手機的內存相對較小，對大模型的承載能力有限，而大模型又是達到一定參數量級才會有智能的涌現，因而為了使大模型給用戶帶來更好的體驗， 一方面需要對模型進行裁剪和量化，另一方面也需要拔高設備的內存配置，使其在存儲、傳輸和計算方面更加平衡。目前在終端設備落地的大模型仍然是以數十億參數量 級的為主，就性能方面尚有提升空間，未來高規格大模型產品化勢必會對終端設備的內存提出更高要求。

對于問題三，作為電子設備領域的重要一環，PC和手機的散熱問題一直備受關注，作為高算力AI芯片的NPU會對設備的散熱系統提出更高要求，因而隨著搭載在AI PC 和AI Phone上的模型規格不斷提升，NPU性能釋放可能會更加激進，我們認為這將帶來電子產品散熱方案的更新換代以及相關上下游的投資機會。

大模型在端側落地，主要受益方包括硬件（如NPU等）設計制造廠商、大模型提供商和終端設備生產商。盡管目前AI PC及AI Phone仍處于商業化早期階段，但論及其 商業模式，我們認為終端設備生產商可能是核心，原因如下：終端設備生產商是唯一直接對客的角色；此外，其亦須基于軟硬件廠商協同構筑的底層生態（如Intel和微 軟的合作）將大模型預先裝載進終端設備產品，這一生產過程的差異化競爭主要集中在散熱模組設計、硬件組裝能力和模型蒸餾水平等方面。從收入來看，終端設備生產 商一方面可基于NPU這一新硬件對產品進行提價，另一方面向用戶收取大模型及相關應用的服務費；從成本來看，終端設備生產商一方面須向硬件設計制造商采購基礎 部件，另一方面須向大模型提供商支付模型調用費。總結來說，終端設備生產商作為中間人，將模型、硬件和C端用戶串聯起來，賺取差價的同時也賺取服務費（如對于 企業用戶，賣設備的同時還提供模型部署服務），由此，終端設備生產商可能會終結此先大模型在云端通過API接口或類ChatGPT應用提供服務時以大模型廠商為核心 的單一商業模式時代，并成為爭搶流量入口的新生力量。