从云到端，AI产业的新范式.pptx

;

?核心观点：AI产业的新范式

一、模型变革，云端融合为趋势。近年来生成式AI步入快速发展期，开源及垂直大模型百花齐放。而今年以来，最大的变革则是端侧模型的兴起，相较云侧模型，端侧模型在时延、隐私、个性化方面具备优势。各大厂商亦纷纷推出AI终端，云端融合成为产业发展的下一趋势。

二、云端变革，GB200解决互联瓶颈。当下AI产业发展和核心矛盾，是日益增长的应用+终端的需求，和算力本身增速瓶颈之间的矛盾。

当前全球AI芯片竞争日趋白热化。云厂商为了降低资本开支，纷纷推出自研AI加速卡计划。而GB200NVL72的推出，显著拉开了英伟达与其竞争对手的差距。英伟达通过架构的创新，解决了GPU之间互联带宽的问题，实现了最多576张卡1.8TB/s的双向互联带宽，显著领先其他竞争对手。Blackwell平台给服务器上游的光模块和PCB都带来了价值量的提升，而GB200的Rack架构的主要价值增量则在铜互连、电源等环节，尤其是铜互连的从零到一，更值得关注。

三、供应链变革：全面升级的算力产业链。自然语言的运算、图形的处理需要大量存储器协助运算及存储，并且AI服务器对数据传输速率有着更高要求，催生了存储及PCB价值量的增长。1)存储：HBM是目前用于打破“内存墙”的重要技术之一。此外，DDR5渗透率提升，CXL、MCR等内容技术亦是行业发展的重心。2)PCB：服务器PCB要求高层数、高密度及高传输速率。AI服务器的OAM板及UBB板，最高使用到M7材料，20-30层的高阶HDI。单台AI服务器PCB价值量可达1万元。此外，交换机，电源PCB也有相应的价值量提升。

为满足AI服务器的旺盛需求，上游封测及制造的工艺技术革新及产能扩张也尤为重要。1)封测：算力芯片的主流封装方案为COWOS芯片+HBM显存。设备环节考量3D堆叠及测试设备的工艺能力，材料环节则看重轻薄化、高集成度以及导热性。2)制造：台积电预计到2030年，半导体市场规模将达到1万亿美金，其中高性能计算(HPC)占比40%，将成为第一大细分市场。

四、端侧变革：身边的算力终端。AI云端融合趋势下，各大厂商发力AI终端，迎接下一波成长。我们将AI终端的定义提炼为三要素??算力、模型、生态。其中，算力和模型是AI终端的必要条件，算力是硬件基础，通过NPU执行神经网络运算，实现终端推理；而模型的减枝蒸馏，则可有效压缩模型参数，减少推理时间，降低端侧负载。上述两大要素决定了终端的硬实力。相较前者，生态需要长时间打磨，且需产业链厂商齐心协力配合，开发应用，挖掘垂直场景。生态建设代表了终端的软实力。

我们认为生态的建设和完善，会决定AI终端的成败。而这一过程当中位居核心的是品牌厂商。苹果则得益于其多年的积累，及消费市场的号召力，更有机会打造出完备的生态。此外，端侧供应链的PCB、散热、光学等环节同样值得重视。

投资建议：标的方面，建议关注：1)云端：工业富联、寒武纪、沪电股份、胜宏科技、澜起科技、沃尔核材；2)供应链：中芯国际、华虹公司、ASMPT、长川科技、兴森科技；3)终端：联想集团、小米集团、立讯精密、鹏鼎控股、领益智造、蓝思科技、华勤技术、水晶光电。

风险提示：下游需求不及预期；大模型等发展不及预期；晶圆厂扩产不及预期；新产品研发进展不及预期。;

模型变革：云端融合为趋势

云端变革：GB200解决互联瓶颈

供应链变革：全面升级的算力产业链

端侧变革：身边的算力终端

投资建议

风险提示;

01.模型变革：云端融合为趋势;;

2024;;;

模型;;

计算能力

云端模型通常具有更强的计算资源，能够处理更复杂的任务

容易更新和维护

云模型由服务提供商维护，用户无需担心软件和模型的更新问题

可扩展性

根据需要轻松扩展计算资源，适应不同的业务需求;;;

GPT-4o重磅发布，AI助手初具雏形

GPT-4o是GPT-4模型的进化版，在基准测试中，GPT-4o在文本处理、推理和编程智能方面达到了GPT-4Turbo级别的性能，同

时在多语言、音频和视觉能力上设定了新的高标准。

图：GPT-4o具备更优越的文本理解能力图：GPT-4o在所有语言上都显著提高了语音识别性能;;

终端;;;

云端变革：GB200解决互联瓶颈;

?本章中讲探讨：

?1)云厂商资本开支的展望，以及量化模型训练及推理需求。

?A