2024Al技术发展洞察报告.docx

2024Al技术洞察报告从围棋高手AlphaG。到万能助理ChatGPT,Al（人工智能）产业在不断发展和突破。现在，Al不仅能快速理解和生成人类的语言，还可以在内容创作、软件开发、教育办公等多种场景中发挥关键作用。工业革命时代的机械与流水线提升了“体力劳动”的效率，而今Al大模型提高了"脑力劳动”的效率,带来新轮席卷各行业的“A1+”技术革命。人类从书本，实践中不断提升自我，Al也在利用海量数据与外界反馈，不断地进化和迭代。如今,AI大模型已经基本学习了人类所有的书籍与科学知识，对于细分领域的专业问题也能快速理解和掌握。畅想未来，AI将成为高度自主和智能的“机器大脑”,在工业制Jit、自动驾驶、科技研发甚至太空探索中,创造巨大的经济价值。Al大模型不仅重塑了生产力，还将赋予人类“超能力每个人的时间与精力是有限的，而Al大模型可以扩展人的能力半径。戴上具备AI能力的可穿戴设备，每个人都可以掌握新的语言和科学知识，提升记忆力和效率。使用Al手机和电脑，每个人都可以进行艺术设计、开发程序，或者制作电影和小游戏。在不久的将来，在漫画、应用、电影、游戏等各种领域，内容创作的数量可能井喷，创造出类似抖音的UGC超级平台。与此同时，全球科技企业正在构建超大规模的Al算力集群，让“智力“资源像水电一样流向千行百业。随着Al大模型的进化与发展，芯片、存储、通信互联等算力产业链都将持续升级。而在美国制裁的背景下，国产AI芯片和生态系统将迎来史无前例的机会，带动设计、制造和先进封装全产业链的加速成长。我们认为，AI+革命已经到来。当下的AI一定不够完美，从研究成果到商业应用的转化也是一条漫长而艰险的道路。市场的质疑在当下看似都很有道理。但是，科技产业的发展永远是非线性的，我们往往容易高估一项新技术的短期影响，却又低估它五年、十年带来的巨变。Al的发展也一定不是一蹴而就的，它将经历多个浪潮，多次革命和多次至暗时刻，带来不断出现的新的投资机会。我们期待着它的蝶变。CONTENTS一、综述011.1 AI+产业的十大预测021.2 Al的寒武纪大爆发021.3 AI产业链：模型层是大脑算力层是粮草,应用层是执行单位04二、模型层：大模型向多模态与AlAgent进化052.1 大模型是什么？模型是如何发展至今的？062.2 下一代大模型的进化方向07UI大模型进化方向1：多模态，感知理解升级+拓展人机交互形式一07222大模型进化方向2：AlAgent,像人一样规划、反思、使用工具的Al程序0823大模型的竞争格局09Ui海外大模型：马拉松淘汰赛，公有模型走向寡头格局092.12中国大模型:与海外约I年代基，持续追赶海外进程09三、应用层（软件）：生产力场景实现降本增效，泛娱乐场景提升交互体验113.1 Al商业价值的载体：生产力应用与泛娱乐应用123.2 生产力场景：Ze现降本增效123.3 泛娱乐场景：AI提升交互体验13Ul游戏内容：AlNPC让游戏情节具有更多的可能性，为用户创造新奇的体验143.3.2游戏形态：AIUGC实现游戏制作去厂商化，有望出现游戏平台的“抖音时刻”14H3不止于游戏，各类数字创作领域都可能诞生新的超级平台1617四、应用层（硬件）：软件推动硬件创新下一代智能终端渐行渐近4.1 Al终端：端侧AI部署有利于降低边际推理成本184.2 PC/手机为当下最佳Al端恻载体184.3 MR:解放双手,下一代智耗终端的雏形?19U.lMR在2024横空出世194.12Al和3D建模将提升内容生产次率20U3MR带动消簧电子投资机遇214.4 AI赋能感知和决策,加速智能汽车技术升级211.1 .1智能汽车产业发展的奇点即将到来224.12 中国汽车产业链是智能化浪潮中最具备竞争力的产业链234.13 中国汽车产业链在智能化浪潮中酝酿巨大投资机会244.5 Al的突破是机器人进化的里程碑24U.1智能机渊人的落地节奏25上迨降本路径不仅仅依靠规模效应，更有赖于中国供应链的参与26五、算力层：推理需求爆发在即，国产替代加速前行285.1 算力投资：AI应用爆发的必要条件和先行指标295.2 全球算力：推理需求驱动算力投资快速成长305.2.1 算力需求：AI成为全球算力投资增长的核心驱动30512供应链：Ai重塑价值分配，算力芯片为核心，通讯/存储部件配套升级3153国产替代：需求旺盛但成熟供给不足，外部制裁迎国产历史机遇335.3.1供需缺口：国内算力需求已达到全球第二，但上游核心芯片对外依赖严重33M2产业追赶：围绕算力芯片，设计-制造-封装全产业链加速成长.34六、附录36Q）训练侧算力需求匡算37（2）推理侧算力需求匡算381.1 Al+产业的十大预测 AI将带来一场席卷各行各业的技术革命 海外模型将走向寡头格局，国内存在约一年代差 Al将重塑交互体验，有望孵化出新一代超级平台 Al赋能感知与决策，加速智能驾驶奇点到来"算力需求将从训练转向推理，从云端转向边端大模型正在向多模态和AIAgent方向进化Al将明显提升脑力劳动效率，推动生产力革命Al应用将百花齐放，驱动新一轮硬件创新周期的到来Al重塑机器人大脑，产业链迎来新机遇海外算力禁售推动国产芯片和先进封装迎历史性机遇1.2 AI的寒武纪大爆发AK人工智能）是指能够让机器变得和人一样聪明的技术、方法和工程。Al学科1950年就已经诞生，我们一直在让机器学会看图、下围棋等专业技能，但直到2022年末ChatGPT3.5的发布，才真正点燃了AI在全民普及的热情，仅仅2个月时间，用户数就增长过亿。为什么此次Al会出现爆发？本质在于本轮Al不再是狭窄专用领域的人工智能，机器终于变成了一个通才，成为通用人工智能，即可以像人一样在一切领域里无差别地学习和与人类交互。Al开始介入了人们生产、生活的方方面面。图:Al的发展历程AI将是一场席卷各行各业的技术革命。我们认为只有提升社会生产效率的技术创新才能称之为技术革命。例如1860年的工业革命，它通过机械化大生产代替手工劳作，大幅降低了体力劳动的成本，在短短不到200年间缔造的财富就超越了过去3000年农业社会的总和。1950年后又出现了信息技术革命，它大幅降低了计算成本，改变了信息传播和分发的方式，孕育出巨型互联网公司，社会财富又达到了空前的高度。而今Al的革命则降低了脑力劳动的成本，使人类从简单的数字工作中解放出来，我们期待它带来新的市场机会和财富变革。图：从工业革命到Al革命，每一轮生产力提升都推动了社会财富指数级增长1C 100015001600 1700 18201870I <)00 1913 194019531968 197819881998 2008 2018一世界GDP($billion)14000012000010000080000600004000020000Source:我们当前处在AI革命的第二浪。过去一年Al已经经过一波热炒，市场认为当前Al所有的能力都已被充分挖掘，缺乏新的亮点。但AI的发展是多层次、多浪潮的。按照基础大模型的能力去划分，我修觑在处在人工智能的第二个阶段，后面还有多廨、AIAgent到混合现实，再到具身智能等种种的突破可以期待。面对AT这样席卷各行各业的重大革命，我们不应该过度关注短期，而忽视了产业长期的进展和应用潜力。图:AI产业周期将呈现多浪潮特征,下一轮浪潮将由多模态+AIAgent驱动1.3 Al产业链：模型层是大脑，算力层是粮草，应用层是执行单位Al产业邮体可以概括为三个层次，模型层、算力层、应用层。模型层好比Al的大脑；算力层好比Al的粮草和营养补给：应用层则是Al的执行机构。我们判断在2024年，国内模型层将成为大宗品，需要和应用场景相结合才能创造差异化。应用层AI将重塑生产效率和交互体验，其中软件和硬件将交替推动创新。而算力层将从训练逐步向推理过渡。国Al产业链概览应用层模型层基础大模型算力扩张加速模型进化与应用落地应用落地与商业化带动算力投资算力层匐工片大模型是Al最核心的大脑部分，它在人类辐的数据中学习知识与规律，不断进化和迭代，变得越来越“聪明”。长期看，大倒吸展够洞是人I三用智能（AGI）,它将具备高度自主性，像人一样自发地创造和完成一切任务。而短期看，下一代的大模型将向多模态与AlAgent进化。2.1大模型是什么？模型是如何发展至今的？大语言模型的核心任务是根据提示词和已有文本，不断预测下一个“合理”的字符为什么预测下一个合理字符的能力代表智能呢？假设我们让大语言模型阅读一本侦探小说，让模型预测”犯人是谁“，如果模型可以准确生成犯人的身份，就代表模型理解了案件中的全部信息并作出了正确的推理。大模型底层是深度学习网络，可以像海绵一样吸收知识，并对知识进行无损压缩。GPT-3在预训练阶段吸收了45TB的人类数据，包括网页、代码、科学与书籍等。大模型发展至今经历了从量变到质变的过程。QRfe大鲤的能用朗i三“规横颊，睇数据量、算力、参数酶h大鲤的IW跌纲条螭低，懈能力持续提升。质变：当模型体量足够大时，模型会出飕似人类“开悟”般的涌现能力，经过思维链提示后（一步步思考），模型推理能力随模型规模扩大显著提升。图：大模型的量变（规模法则月质变（涌现能力）规模法则（SCaIingLaw）7 6 5 4 3lsl 压缩损失率423.93.63.33.0.6.8Q 2 45.4.4.3.NO-1177ComputePF-days, non-embeddingDataset SizetokensParametersnon-embedding算力数据参数资1凝Kaplan,Jared,etal,*Scalinglawsforneurallanguagemodels*,Wei1Jason,etal.*Emergentabilitiesoflargelanguagemodels*,06涌现能力(EmergentbiIity)Math word problems102, 1022 1023 10245 O 5 0 5 02 2 1 1>0s00<102 S%)Aoe-lnuo<O C 1O 1 1 (6uB 一。 pro0s-60-)山。山 Mode1scale(trainingFLOPs)模型规模(训练算力)2. 2下一代大模型的进化方向2.1.1 大模型进化方向1:多模态,感知理解升级+拓展人机交互形式多模态指文字、图片、音频、视频等多种蝴趟；多模态大模型不仅可以像ML样第厮，理解视觉、音频等信息背后糠律，完成复杂的帆还可以生成图片、视频、音频3D等多模态内容。多模态大模型将带来哪些改变？提高泛娱乐、商业等场景内容创作效率感知交互升级带动终端硬件革新拓展落地场景 提升Al渗透率多模态大模型的图像、视频、 3D生成能力可以广泛应用于 影视、音乐、游戏等泛娱乐场 景的内容创作，同时加速广 告、电商等商业场景的营销创 意效率多模态大模型可以处理视觉 提示，例如我们在图片中圈出 物体，模型可以对圈出的部分 针对性分析这种能力未来可 以适配触屏、眼动追踪、手势 追踪等人机交互形式；另一方 面，多模态大模型可以对物理 世界建模，优化自动驾驶、机 器人感知控制技术语言大模型最大的应用场景 是教育、办公；多模态大模型 将具备图像、视频分析与推理 能力，可应用于泛娱乐、交通 （自动驾驶）、工业（检测与自 动化）、安防（城市管理）等场 景图：多模态大模型将拓展人机交互形式多模态大模型支持视觉提示资料来源：MiCroSOfL OpenAI, Applet AI Pinl2.1.2 大模型进化方向2AIAgent像人T规划、反思、使用工具的Al程序AIAgent相对语言大模型最大的改进是增加自主行动能力，在实现目标过程中无需人类干预。从结构上，AIAgent=大模型+记忆+规划+工具使用：，圣黎;j大模型储存知识、更新知识的成本高；为大模型增加记忆库，可以娴低成本的数据更新。当大模型遇到新的复杂目标时，模型可以像AlphaGo下象棋样，将目标步步拆解，穷尽不:同策略下可能出现的结果，选择最优的行动策略另外，当模型划戈镯吴的代码时，模型可以J利用反思机制分析错误的原因，不断修改生成的代码，直到实现目标。工具 使用AlAgent在遇到自身难以解决的问题时，会像人一样选择合适的外部工具，通过上网搜索、操作应用、使用专用Al模型解决问题。AIAgent来带更多自主能动的交互体验:OPenAl在23年11月开发就 会上推出使用AIAgenl构建 的GPTS平台,不会编程的用 户也可以自己制作个性化的 AI应用了AI Agent还可以构建“西部世 界”式的游戏，斯坦福利用 AlAgent的记忆和规划能力，构 建了物小镇，南嵬上的Al居民会像 人一样规划每天的生活，并在小镇上随机触发新的事件与木通用机器人可以变得更加智 能不需要人教也可以理解和 学习更多的技能图:AlAgent=大模型+记忆+规划+工具使用资料来源：Weng, Lilian44LLM Powered Autonomous Agents".2. 3大模型的竞争格局2.1.1 海外大模型：马拉松淘汰赛，公有模型走向寡头格局公有大模型每一代升级，竞争门槛将持续提升，参与者会持续减少，走向寡头格局，源于:OpenAI GPT-I 至IJ GPT-4,模型的参数 量、数据量持续提升算力规模决定模型的升级迭代效率,大模型训练时长与总算力呈反比，因此具有更高资本优势和算力资源的阑，越有机会领先发布模型更新Al应用具有显著的先发优势，因为先发者可以最下你收集数据oChatGPT作为最早发布的大鲤应用，艇3年10月月活已超过2亿，而之后发布的竞品月活最多在千万线图:0PenAlGPT大模型每一代升级，参数量与数据量持续提升GPT-1GPT-2GPT-3GPT-3.5GPT-4发布时间18年6月19年2月20年5月22年1月23年3月参数117Mn1.5Bn175Bn175Bn预估1+tn数据量5GB40GB45TB45TB资料来源：OpenAI12.1.2 中国大模型：与海外约1年代差持续追赶海外进程中国大模型起步慢于海外，目前能力上与海外约1年代差。首先，海外大模型开源推动了技术的扩散；其次，科学家工与程师的人员流动也会加速技术的扩散，预计中国的Al人才在未来几年会持续扩充，追赶海外成为可能。需要关注的是，当前国内的算力储备预计可以支撑下代模型的训练，长期来看算力侧需要依赖国内自主Al芯片的发展，目前头部厂商单卡算力水平已接近海外上一代GPU能力，预计未来国产算力会持续发展升级，推动模型层的进化。图：国内头部大模型与OPenAl存在1年代差OpcnAI2020. 5发布GPT-32022. 12发布 ChatGPT（基于GPT-3. 5）2023. 32023. 92024 年国内模型厂商2023上半年陆续发布模型对标GPT-32023年底2024年底当前国内模型厂商处于同质化竞争，我们预计未来应用层会获得更高的价值量分配。在同质化竞争的环境下，预计国内模型层未来难以获 得较高的价值分配，而模型的推理成本会随着模型的 优化、Al芯片的优化而持续降低。预计未来应用层将为用户创造更佳的体验，获得更高 的产业价值分配。图：我们预计模型层在未来Al产业链的价值量占比将会下降现在,力层模型层应用层AI到底能为我们带来什么影响？这是所有人都关心的问题。首先，Al大幅提升了“脑力劳动”的生产效率，因此将在代码、设计、客服、文案等生产）阚景优先落地。而从生活娱乐场景看，Al还可以改善用户与数字虚拟世界的交互体验，让人类体验到效果更J琲凡和橇建次千世界。3.1Al商业价值的载体：生产力应用与泛娱乐应用如果说大模型更多是Al技术本身,AI应用才是这一技术变革真正实现商业价值的载体。目前的Al应用可以分为生产力和泛娱乐两个场景：生产力场景下，AI提供效率价值泛娱乐场景下，AI提供体验价值辅助各个岗位完成工作为企业降本增效，比如Al辅助我们生成文档和图表、辅助开发人员写代码等。提升普通用户和虚拟世界的交互体验，比如有了AI,用户可以用自然语言和游戏NPC、或是主打情感陪伴的聊天机器人进行自由交流。表:Al应用的领域及价值体现应用领域Al提供的价值细分场景对应岗位典型案例文档助理综合M365Copilot企业知识管理综合Glean节约人工,降本增效提供效率价值代码开发助理研发GithubCopilot生产力场景AdobeFirefly销售助理销售SalesforceSaIesGPT专业服务咨询（法律/税务/金融等）专业从业人员HarveyAl,BloombergGPT泛娱乐场景人机交互、娱乐体验提升提供体验价值I陪伴机器人Character.AI3. 2生产力场景：Al实现降本增效AI应用场景众多，哪些场景能更快实现商业化落地?我们认为:由于当前Al大模型仍然具有幻觉率，在容错率较高的 场景，例如素材生成、创意设计、文案草稿撰写、代码 开发助理等场景，AI应用领先落地。Al大模型的能力半径也是应用落地的重要影响因素。目前图像生成模型与大语言模型相对成熟，模型的核 心优势是自然语言对话、图像生成、代码生成、文本生 成等。在这些领域，使用AI模型已经可以基本实现工 作流的自动化。随着AI大模型幻觉率的降低与能力半 径的拓展，AI在各个生产力场景的渗透率将持续提升。更强调准确性&稳定性/容错率低场景容错率更强调创造力&开放性/容错率高自动化程度现阶段我们更看好具备掌握良好用户基础和应用场景的既有玩家。新的Al应用厂商面临获客难和用户粘性不足的问题：但掌握用户和场景的既有玩家能将Al功能快速推向市场并触达用户，并通过积累用户反馈和数据进行产品的快速迭代。图:AI原生应用面临用户粘性不足的问题传统应用Al原生应用Al-FirSl CompaniesImMUJ IanM>dinnDAUMAUIncumbentsOne Month RetentionAI-First Companies3. 3泛娱乐场景：Al提升交互体验泛娱乐领域有图片、漫画、视频、游戏等多种表现形式。游戏是最适合和Al结合的场景。原因是游戏中的文字、音乐等各种元素，都可通过Al生成。游戏的策划、美术、程序等各生产流程，也都可通过AIGC来提效。此外，回顾历史上的技术革新，游戏也往往是最先和新技术结合的领域。Al与游戏结合的方式主要包括两种，是改变游戏内容，二是改变彻底游戏形态。图:游戏往往是最先和科技结合的领域擀戏行业规模（!亿美元）Game lk>yMO%SoKY主机英特尔 英伟达SAMSUNGIPhond IphonM0fbA PCXbx CtMMPSI3.1.1 游戏内容：AINPC让游戏情节具有更多的可能性,为用户创造新奇的体验传统游戏中故事情节是预先设计的，玩家只能按照固定的顺序体验有限的游戏内容，因此角色扮演类游戏的流水收入与内容储备高度相关。AIAgent诞生后，游戏中的NPC被赋予了“生命'，AINPC会像人一样设计每天的生活轨迹，记住当天发相停情，玩家疆PC的每一次交互都将改变NPC的生活轨迹，创造出具有无限可能性的游戏内容。图:AlNPC可实时生成预先未编排的内容，将读剧本变成探索故事按游戏创作者预先安排的进度进行游戏内容消耗按每个节点由A【基于玩家“问答”、数值等，重新生成新的故事内容IAlNPCl无限种可能33.2游戏形态：AIUGC实现游戏制作去厂商化,有望出现游戏平台的“抖音时刻”传统情况下，游戏制（乍门槛较高，代码、美工婀节都只有游戏厂商的专业人员才能完成。而未来，腾人人可做策划，并通过AI加持下的UGC来完成代码、美I、测任从而做到家者阿制作自己的游戏，实现“游戏去厂商化”o图:AI使游戏UGC门槛更低一人人可做策划，制作自己游戏，“游戏去厂商化”游戏生产流程传统传统:一般需2年+;平均几千万成 本;成功率3机未来未来:一天内，成本不超过百元便 可做出一款资料来源:频覆产业链格局，游戏厂商话语权降低，而平台地位凸显。当玩家能自己制作游戏，游戏数量或会井喷，厂商的供给量占比将大幅l低，进而i三失去议价能九而平台的本质是双边网络型的“中介”，两雌中越分散、数量越多，平台的价值和地位就越以我勺以为这种情况下，最后或会出现游平台的“抖音时«图:AI时代:产业链上厂商环节话语权降低但平台地位凸显(游戏公司资料来源:3.3.3不止于游戏,各类数字创作领域都可能诞生新的超级平台回顾互联网的发展历程，技术创新会降低内容创作的门槛，吸引更多的内容创作者与消费者，通过构建消费者与创作者之间的经济激励机制，可以创造出新一代超级平台。微博降低了文字写作门槛，让更多用户在网络上分享生活，构建了新一代的社交平台；GlF快手降低了视频拍摄的门槛，而抖音的信息流分发机制让用户能看到自己喜爱的内容，让创作者可以获得有效的经济激励，从而构建了短视频超级平台；RObloX构建了低代码游戏开发环境，让青少年参与到游戏开发中，游戏用户可以通过虚拟币为开发者付费，下一代游戏平台由此诞生。我们认为Al将降低内容创作和软件开发的门槛，让缺少专业技能、但想象力超群的普通人成为内容创作者与应用开发者。人与Al协同将高效创作更多的自动化应用、影视与游戏作品。23年U月OPenAlGPTS发布，普通用户可以参与到Al自动化程序的开发中，并根据程序的使用量获得经济激励，AI时代的应用商城已初具雏形。未来，漫画、影视、游戏等创fWJ槛也在不断降低，在各类数字创作领域都可能诞生新的超级平台。TWittCr/微博写短文写作中“一GlF快手动图拍摄Roblox游戏制作OpenAIGPTS应用程序3三3三FrBI三i三r-OpcnAISora视频生成Character,ai设计自己的Al陪伴降低创作门槛，扩大创作者基数人机协同创造的程序、内容、数字角色爆发式增长社交网络Willer/Facebook微博/朋友圈超级平台短视频快手抖音Tiktok游戏平台Roblox可能的Al超级平台？Al操作系统漫画/短剧西部世界式Al游戏Al应用商城混合现实应用每个人的Al陪伴资料来源:每代的应用创新都会催生硬件的变革，Al不论是在生产力还是在泛娱乐场景，也都需要硬件作为载体。我们认为下一代的Al终端形态会百花齐放，将从手知侨口电脑拓展至可穿戴设备，从自动驾驶的汽车延展至机器人。4.IAI终端：端侧AI部署有利于降低边际推理成本端侧AI部署可将边际推理成本降为零。生成式Al每一次搜索查询其推理成本是传统搜索方法的10倍，而目前每天有超过100亿次的搜索产生，即便基于Al推理的搜索仅占其中一小部分，每年的增量成本也高达数十亿美元。与之相反将Al模型压缩部署在终端智能设备上则只需支付一次性的硬件成本，无需考虑带宽、能耗、网络传输等问题。同时端侧本地Al部署具备隐私安全、低延时、无地域网络限制可离线应用等优势。图:云端生成式Al单次查询成本远高于传统方案单次查询成本 如网络搜索）传统方法生成式Al数十亿用户Qi Ql Oi Gi Qi Qi Oi rX <a rvi rv ZaX总总总足总总总rv <i总总总总足总总to Qi O O> 0k QlrT <a rv a v1 < ZfQi Oi A Al A r* <a aa f XFTt V ZaXOl to Ql Ql Oi Ol QJ r*C a Z Za rXi x ZvP A A P P> r> rv > S V生成式Al应用网络搜索（OffiCeCoPilOt图像和视频创作）文本总结（编程助手）（对话式聊天机器人文案创作资料来孤高通、4.2PC/手机为当下最佳Al端侧载体换新周期与创新周期共振下消费电子产业链有望迎来复苏时刻。2024年将成为Al终端落地元年，而PC/手机作为日常生活使用频率、使用时间最长的交互工具最适宜搭载算力，目前主流芯片厂商如英特尔、高通、联发科等都已经纷纷推出布局终端的Al高算力芯片，而手机品牌大JPC大厂也将在2024年推出诸多具备AI能力的产品。手机端来看，复盘3G切换至4G的阶段，网络升级实现在线购物、屈麒信、在线看电影以及玩游癖功能，促使消费者完成对硬件的升级，由此可见应用端的创新是驱动消费电子换机潮的核心。而Al同样具备应用端革新的基础，可实现智能P图、智能助理、轻办公等功能，预计未来将有更多元化的智能交互式应用诞生。目前消费者的换机周期已拉长至43个月，硬件端的更换周期已接近极限，二者共振有望促进手机端新轮换机潮的到来。PC端+AI的需求则更侧重于商务办公场景,T。B端占比较高的属性使PC的换机周期性相对显著，而距上一轮PC销量的高点，艮I胺情居家办公潮，喳过去了三年，正常商务本的固定换机周期已经来到。AI加持下微软COPilot的出现将大幅提升办公效率，有望成为企业及个人购买和换机的创新动力，此夕Kvin10系统将于2025年正式停止服务，亦将为PC端的换机潮增加驱动力。图:终端有望实现换新周期与创新驱动共振（单位:百万台）1.1.1 3MR：球双手，下一代智能终端的雏形？1.1.2 MR在2024横空出世新的内容和应用可能会推动新的智能终端产生。苹果已经早有准备，2024年初苹果ViSiOnPro上市，这是一款混合触（MR）的可穿戴头盔。人们带上它就可以完全解放双手，不用手指触控，也不用拿着手柄就可以自然地在空中控制和体验虚拟世界，因为AI模型解决了人机交互的问题，可以让机器具备语音理解、手势理解和眼动追踪能力。再往远一点，我们期待硬件的进一步进步，最终可能将厚重的MR头盔变成时尚轻薄的智能眼镜。MR相对VR应用场景大幅拓展。相较于以往的虚拟现实（VR）,人们戴着它只能沉浸在一个完全虚拟的世界中，MR可以看到周围的真实世界，让虚拟画面和现实世界精准互动，比如可以和虚拟人对打乒乓球，可以在真实的房屋中摆放虚拟家具进行装修规划等。图:APPleViSiOn PrO可在3D空间操控应用图:Meta推出眼镜可直播可拍照1.1.3 Al和3D建模将提升内容生产效率当前VR出货量仍小，核心卡在内容供给。VR产业历经了5年创新，出货量却没能上个台阶，我们认为最核心的原因在于内容的供给太少。当前VR的内容供给仅仅是主流游戏平台的1/5,用户使用时长十分有限，对消费者而言略鸡肋。Al多模态和3D建模生产内容，MR出货有望上台阶。随着多模态大模型的发展和3D数字建模的成熟，更多理想化的虚拟世界都可以低成本生产，不再要进昂贵的影棚拍摄。未来优质内容可以源源不断地随时随地生产，届时MR的使用粘性和使用时长也会随着上升，就像当前的短视频平台一样。图:当前AR/VR设备出货量仍较小 AR八7出货量（万台）游戏主机出货量（PIayStatiOn、XbOXSCrics、SWitCh,万台）图:与游戏主机相比，VR游戏供给有限来族omdia图:苹果ViSiOn Pro BOM拆分主板部分屏幕部分镜片部分声学部分传感器摄像头 结构件 续航 其他我们的眼睛和躲，对应汽车的感 知系统,比如摄像头、雷达、IMU 等；通过眼睛和耳朵的反馈,大脑对信 息进行分析做出决策对应汽车的 智驾域控制器；大脑的决策最终转化为踩刹车减速、踩油门加速、打方向盘拐弯等动 作,对应汽车的执行系统，比如除的线控制动、线控转向等。1.1.4 MR带动消费电子投资机遇苹果发布MR,安卓有望跟随。手机大）不会错过对下一代智能硬件的卡位。未来随着主流手机厂家的纷纷入局，我们期待MR设备在硬件上变得更加的好用、美观和便宜。MR的渗透和放量也会带来消费电子相关零部件厂商的新轮投资机遇。图:MetaQuestProBOM拆分主板部分.屏幕部分镜片部分声学部分传感器摄像头结构件续航手柄其他数据来源:WeHSenn4.4AI赋能感知和决策，加速智能汽车技术升级在生产力场景，Al主要应用于高度自动化的汽车和机器人中。汽车和机器人等智能执行终端的系统非常相似，包括三大模块：感知、决策、执行。Al赋能智能驾驶，主要是赋能感知层和决策层。感知层通过模型的不断迭代，让汽车更加精确和及时的识别路上的目标，使其拥有类似人类“眼观六路、耳听八方”的能力。决策层。通过AI的训练，麒是后续“端魏T的实时控制，让汽车可以自主决策，更加“老司机”和贴近人类开车习惯，甚至在某些方面超越人类的开车技能。图:汽车及机器人层级控制框架汽车机器人4.4.1智熊汽车产业发展的奇点即将到来我们认为智能汽车产业发展的奇点即将到来，智能车产业有望复制三年前电动化的发展浪潮。智能驾驶的法律法规逐步完善。11月工信部等四部委发布关于开展智能网联汽车准入和上路通行试点工作的通知，希望通过开展智能驾驶试点工作探索智能汽车规模量产产品的标准、强化试点企业责任落实，为后续量产版本法律法规积累管理经验。智能驾驶技术逐步升级。以特斯拉的FSD、小鹏汽车的XNGP、华为的HUAwElADS为代表的智能驾驶系统逐渐商业化，也代表着智能驾驶技术逐渐升级完善，部分消费者开始愿意为智能化溢价而付费。图:汽车电动化和智能化发展T一新能源乍渗透率T一高阶智驾渗透率201520162017201820192020202120222023E 2024E 2025E资料来源:4.4.2 中国汽车产业链是智能化浪潮中最具备竞争力的产业链我们认为中国汽车产业链展望全球都是最具备竞争力的：供给端，中国车企拥有精简的组织架构与高效的开发流程，新车型的研发速度快于海外车企。另外，中国汽车产业链有能力通过降本推动智能化汽车平民化，让智能化在售价20万以下的车型推广应用，扩大市场容量。需求端，中国是全球第一大汽车市场，对新技术的接纳意愿比较强烈，有利于本土市场推T。技术®端，国内以华为、小鹏等为彳弋表的企业有望追赶特斯拉，H远超海外传统车企。图：NOA功皆L2+/L3库型将逐渐向中低价格带渗透5Q万以上40-50万30-40万20-30万10-20万10万以下价格带持续下降，智能车将平民化0%10%20%30%40%50%资料来源:图：主流自研智驾车企与特斯拉的差距特斯拉华为小鹏理想蔚来j模型*降低LiDAR依赖度地图资质不需要车队数据云端算力城市开放国内在建速度FSD未入华智驾包性价比*4.4.3 中国汽车产业链在智能化浪潮中酝酿巨大投资机会在汽车智能化产业趋势背景下，具备全球的竞争力的中国汽车产业链，也必将酝酿出巨大的投资机会，我们最看好的是整车环节，其次是智能化相关零部件。电整车端，整车厂把控智能化数据以及迭代节奏，商业模式从智驾主力卖车扩展到探索软件收费模式，商业模式可能发生变化。因此整车环节是智能化浪潮下应当着重布局的赛道。®零部件端，充分领于行业渗透率快速提升所带来的时代红利，尤其是新增部件，比如线控制动、线控转向、幡制器、激光雷达等等。图:主机厂L2+商业模式逐步清晰图:智能化零部件受益环节图资料家源:4.4.4 5Al的突破是机器人进化的里程碑Al大模型的进步，使机器人开始真正拥有大脑，变得更像人类。人类的典型进化包括直立行走、双手使用工具、语言交流、学习思考处理复杂的事务、情感表达，而AI作为中央处理器，使机器人更快掌握上述通用智能。感嬲，机器人使摄像日一系列传螭来感知襁，嬲此IiU和物（本。这名空在智能嗽汽4漱域螯刖步滩短决策端，大语言模型使机器人听懂人类语言逻辑，诸如谷歌的RT-2模型等训练模型使机器人可以从网络数据中学习,并转换成机器人动作，执行未做过的复杂任务。图：谷歌RT-2在RT-I机器人数据的基础上增加了从互联网学习的VLM预训练模型短时间内提升了Agent的泛化和涌现耗力VClRT-IRT-2w/PaLM-E-12BRT-2w/PaLI-X-55B资料来源：Goog1eDeepmind4.5.1 智熊机器人的落地节奏机器人应用场景将从2B到2C逐步展开。智能机器人最初可能用于工T