计算机行业专题研究：从AIPC看AI+终端发展趋势

免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。 1 证券研究报告 计算机 从 AIPC 看 AI+终端发展趋势 华泰研究 计算机 增持 (维持) 研究员 谢春生 SAC No. S0570519080006 SFC No. BQZ938 xiechunsheng@htsc.com +(86) 21 2987 2036 研究员 彭钢 SAC No. S0570523090001 penggang@htsc.com +(86) 21 2897 2228 行业走势图 资料来源：Wind，华泰研究 2023 年 11 月 05 日│中国内地 专题研究 AIPC 产品逐步推出，端侧大模型应用加速推广 AIPC 通过 AI 能力的本地化部署，使 PC 拥有持续学习能力、提供个性化并保护用户隐私的服务、配备知识库适应用户需求以及可自然交互，推动端侧大模型的应用。随着 PC、芯片厂商陆续推出 AIPC 相关的产品，AIPC 产业有望加速发展。而随着 AI 终端部署的模式逐步成熟，我们认为 AI 大模型终端部署成本、能耗、可靠性、隐私、个性化的优势或逐步显现，AI 大模型的端侧应用有望加速。 技术突破+产品落地+生态逐步建立，产业加速发展 从计算机产业发展的历史看，往往会经历从技术突破到产品落地，再到生态逐步形成的过程。从 AIPC 产业看：1）技术角度，头部厂商通过混合 AI 架构、分离式模块等创新架构设计，满足 AIPC 对于终端算力的低功耗、高性能的需求；2）产品角度：芯片厂商陆续发布针对 AIPC 场景优化的芯片产品，如骁龙 X Elite、英特尔 Meteor Lake，整机厂商也积极推进产品落地；3）生态角度：底层算力厂商立足现有领域优势，积极开展合作，生态有望逐步建立。我们认为技术突破、产品落地、生态逐步建立，AIPC 产业有望加速发展。 以史为鉴：交互变革+数据价值释放有望推动市场增长 从 AIPC 带来的功能改变看，AIPC 一方面有望通过大模型能力进一步提升PC 智能化程度，改善人机交互体验，另一方面也有望通过对用户本地数据的分析进一步释放数据的价值。复盘 PC 及智能手机市场发展历程，交互变革和数据价值释放往往能够成为市场增长的重要动力。我们认为，PC 市场整体上较为成熟，技术革新为重要的市场推动力。分别类比 2002-2007、2010-2015 的智能手机市场，我们预测到 2028 年全球 AIPC 出货量在中观、乐观情境下有望达到 0.36、1.66 亿台。 AI+终端：大模型终端部署趋势持续推进 从大模型的落地发展趋势看，从云端向终端推进是重要的发展方向之一，AIPC 本质上是“大模型+”从云端向终端持续演进的表现。随着算法的优化，模型的轻量化，对于终端计算、存储、通信资源的利用效率不断提升。芯片厂商的软硬件升级及产品优化，以更为高效的方式为终端提供算力资源。长期看，对于轻量化，低时延的任务，终端具备独特的优势，“大模型+”终端的趋势或将持续推进。 关注 AI+终端投资机遇 我们认为 AI+终端产业有望逐步加速落地，一方面有望推动相关终端交互的改善及功能的迭代，另一方面 AI 有望释放终端的数据价值，进一步提升终端智能化程度。AI+终端产业链相关公司包括：1）PC 产业链：联想集团、春秋电子、华勤技术、光大同创、莱宝高科等；2）AIPC 应用软件：福昕软件、金山办公等；3）AI+手机/汽车/物联网：中科创达、萤石网络等；3）AI+机器人：柏楚电子等。 风险提示：技术落地不及预期；宏观经济波动。 (9)4162941Nov-22Mar-23Jul-23Oct-23(%)计算机沪深300 免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。 2 计算机 AI：从云端到终端 AI 大模型的突破性进展来自于通过不断增加模型参数量的量级，来实现模型的涌现，从而使得模型的应用效果和应用场景都得到突破性进展。这背后需要大量的 AI 算力来支撑。 1） 大模型参数量不断增加（涌现）。从 GPT-1 的 1.17 亿个变量，到 GPT-2 的 15 亿变量，再到 GPT-3 的 1750 亿变量。模型的参量以量级幅度增加。 2） 应用（云端）：模型参数增加带来应用场景扩展。参数的增加带来的模型效果提升的幅度是显著的，这也使得大模型的应用从单一的简单交互，到多样化文本的处理，推动应用场景更复杂。 3） 大模型参数量减少（蒸馏）。从模型应用来看，模型的参数量并不是越大越好，最理想的状态是：用尽量少的参数量，来是实现尽可能好的效果。同时，大模型带来的 AI 算力成本的指数级增长，也使得如何对模型参数量进行裁剪变得很重要。由此，对于涌现后的模型如何进行蒸馏，就成为大模型快速实现应用很重要的因素之一。 4） 应用（终端）：从云端到终端。目前大参数模型的应用集中在云端，核心原因：目前找不到大模型终端部署的方案，一个是终端芯片算力需要提升；一个是大模型需要不断裁剪，来满足终端的运行。 图表1： AI 大模型从云端到终端的部署 资料来源：CSDN 官网、华泰研究 图表2： AI 大模型从云端到终端的部署 资料来源：CSDN 官网、华泰研究 免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。 3 计算机 大模型在智能终端部署，存在一个过程。主要涉及几点：模型训练，模型推理，数据存储。1）在开始阶段：这三个环节都是在云端进行，就是目前的云端应用。2）随着模型的蒸馏和智能终端算力的提升：模型推理应用在终端实现，训练和数据存储在云端。3）终端算力和存储能力的提升，推理和相当部分的数据在终端进行。 图表3： AI 大模型从云端到终端的部署 资料来源：CSDN 官网、华泰研究 混合 AI 为重要的发展趋势。随着终端对于 AI 的需求逐步释放，传统计算从大型主机和瘦客户端演变为当前云端和 PC、智能手机等边缘终端相结合的模式，混合 AI 是重要的发展趋势。混合 AI 指终端和云端协同工作，在适当的场景和时间下，根据模型大小，查询复杂度，精确度要求可以分配 AI 计算的工作负载。在一些场景下，计算将主要以终端为中心，在必要时向云端分流任务。而在以云为中心的场景下，终端将根据自身能力，在可能的情况下从云端分担一些 AI 工作负载。我们认为终端为 AI 的实现提供了丰富的用户触达点，能够成为云端的良好补充。 图表4： 高通混合 AI 架构 资料来源：《高通混合 AI 白皮书》（2023.5）、华泰研究 免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。 4 计算机 AI 大模型在终端部署具备五大优点。相较于部署于云端的 AI 大模型，部署于终端有望带来成本、能耗、可靠性、隐私、个性化五大方面的优势。1）成本：包括数据中心基础设施成本及大模型的查询成本，通过终端部署有助于节省数据中心硬件、场地、能耗、运营、额外带宽和网络传输的成本，终端的轻量化模型也有助于实现更低的查询成本；2）能耗：终端在能耗上相较云端有明显优势；3）可靠性：终端在云服务器和网络连