2024+Al+洞察报告：重塑与创造.docx

人景顺长城InvescoGreatWall2g4iAl+洞察报告景顺长城科技军团重磅发布从围棋高手AIPhaGO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，带来新一轮席卷各行业的“AI+”技术革命。人类从书本与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，Al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常握。畅想未来，Al将成为高度自主和智能的“机器大脑”，在工业制造、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Al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干行百业。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Al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，Al+革命已经到来。当下的Al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 Al+产业的十大预测021.2 Al的寒武纪大爆发021.3 Al产业链，模型层是大脑，算力层是粮草，应用层是执行单位04二、模型层：大模型向多模态与AlAgent进化2.1 大模型是什么？模型是如何发展至今的？2.2 下一代大模型的进化方向2.2.1 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222大模型进化方向2： Al Agent,像人样规划、反思、使用工具的Al程序2.3 大模型的竞争格局2.3.1 海外大模型：马拉松淘汰赛，公有模型走向寡头格局2.3.2 中国大模型：与海外约1年代差，持续追赶海外进程三、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3.1 Al商业价值的载体：生产力应用与泛娱乐应用3.2 生产力场景：Al实现降本增效3.3 泛娱乐场景：Al提升交互体验3.3.1 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3.3.2 游戏形态：AlUGC实现游戏制作去厂商化，有望出现游戏平台的“抖音时刻”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Al部署有利于降低边际推理成本184.2 PC/手机为当下最佳Al端侧载体184.3 MRx解放双手，下一代智能终端的雏形？194.3.1 MR在2024横空出世4.3.2 Al和3D建模将提升内容生产效率204.3.3 MR带动消费电子投资机遇214.4 Al赋能感知和决策，加速智能汽车技术升级214.4.1 智能汽车产业发展的奇点即将到来224.4.2 中国汽车产业链是智能化浪潮中最具备竞争力的产业链234.4.3 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244.5.1 智能机器人的落地节奏254.5.2 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9pZo5.1 算力投资：Al应用爆发的必要条件和先行指标295.2 全球算力I推理需求驱动算力投资快速成长30521算力需求：Al成为全球算力投资增长的核心驱动3q5.2.2供应链：Al重塑价值分配，算力芯片为核心，通讯/存储部件配套升级315.3 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335.3.2 产业追赶：困绕算力芯片，设计制造封装全产业链加速成长34六、附录QG(1)训练侧算力需求匡算37(2)推理侧算力需求匡算一、综述1.1 Al+产业的十大预测Al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AlAgent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Al（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Al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ATMyneisAlexNetAJphaGoDalLEChatGPT3.51950s20122016202220229AZmMMB9MrhAW>BSMM9tr*Al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世界GDP($billion)140012001000008000060040020000体力劳动+简电工具犁 ( 3500 AC)01AC 1000 1500 1600体力劳动被机器替代.成本大IKF降蒸汽机(1698)珍妮纺纱机(1765)计算和分发成本大幅下降计霓机(1946)台式计整机(1981)1700 1820 18701900 1913 19401953 1968 19781988 1998脑力劳动成本知8下?ZR Cha哆F血2)J CMMGFT2008 2018Source:景顺长城基金我们当前处在Al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Al的发展是多层次、多浪潮的。按照基础大模型的能力去划分，我们现在处在人工智能的第二个阶段，后面还有多模态、AlAgent到混合现实，再到具身智能等种种的突破可以期待。面对Al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：Al产业周期将呈现“多浪潮”特征，下一轮浪潮将由多模态+AlAgent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产业链整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AI的粮草和营养补给；应用层则是AI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Al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。图：Al产业链概览INrF7J -KFJl力星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SK与1j.七-1一(-3(:':二、模型层：大模型向多模态与AlAgent进化大模型是Al最核心的大脑部分，它在人类海量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，大模型发展的终局是人工通用智能（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。量变：大模型的能力提升会遵循“规模法则”，随着数据量、算力、参数量提升，大模型的压缩损失率持续降低，模型能力持续提升。质变：当模型体量足够大时，模型会出现类似人类“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）与质变（涌现能力）算力规模法则（Scaling Law）数据Parameters non-embedding参数资14来源：Kaplan,Jared1etal."Scalinglawsforneurallanguagemodels".Wei,Jason,etal."Emergentabilitiesoflargelanguagemodels".景顺长城基金涌现能力(Emergent Ability)(A) Math word problems 25r(B) Instructionfollowing2015No Chain Chain of thoughtGSM8F 10Acc rac1 5 (%) 075605040A cc ur ac y( %(C) 8-digit addition,<*Scrat ChPad a of thought30/ * No instruction 9jd tuning(D) Calibration1021 1022 10231024Model scale (training FLOPs)模型规模(训练算力)2.2 下一代大模型的进化方向2.2.1 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、视频等多种数据类型；多模态大模型不仅可以像人类一样看和听，理解视觉、音还可以生成图片、视频、音频、3D等多模态内容。频等信息背后的规律，完成复杂的推理,多模态大模型将带来哪些改变？场景内容创作效率/>»1带动终端硬件革新提升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 感知控制技术图：多模态大模型将拓展人机交互形式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 景多模态大模型支持视觉提示2.2.2 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AlAgem相对语言大模型最大的改进是增加白主行动能力，在实现目标过程中无需人类干预。从结构上，AlAgent=大模型+记忆+规划+工具使用：X当大模型遇到新的复杂目标时，模型可以像AIPhaGo下象棋一样，将目标一步步拆解，穷m:尽不同策略下可能出现的结果，选择最优的行动策略；另外,当模型生成错误的代码时，模FJ型可以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。AlAgent来带更多自主能动的交互体验:C)PenAl在23年11月开发者 大会上推出使用Al Agent构 建的GPTS平台，不会编程 的用户也可以自己制作个性 化的Al应用了Al Agem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，构建了虚拟 小镇，镇上的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活动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二大模型+记忆+规划+工具使用资料来源：Weng1 LiIian44LLM Powered Autonomous Agents*,景顺长城基金2.3 大模型的竞争格局2.3.1 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:/b p e n Al G PT-1 到GPT-4,模型的参数 量、数据量持续提升/餐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公司，越有机会领先发布模型更新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。ChatGPT作为最早发布的大模型应用，截至23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级图：OPenAlGPT大模型每一代升级，参数量与数据量持续提升资料来源：C)PenAL景顺长城基金2.3.2 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，科学家与工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，当前国内的和力储备预计可以支撑下一代模型的训练，长期来看和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OpenAl2020.5 发布 GPT-32022.12发布 ChatGPT(基 J GPT35)2023.3.2023.9发宙 GPT4. 发 6GPT-4V2024 年GPT-5?2023上半年陆续发布模型对你GPT-32023年底.2024年底对标GPT3.5.Xj标GPT-4?国内模型厂商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，预计国内模型盲未来难以获预计未来应用层将为用户创造更佳的体脸，获得更高得较高的价值分配，而模型的推理成本会随着模型的的产业价值分配。优化、Al芯片的优化而持续降低。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算力层模型层应用层三、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Al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、文案等生产力场景优先落地。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加非凡和精彩的大千世界。3.1 Al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，Al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：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 AL 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3.2 生产力场景：Al实现降本增效Al应用场景众多，哪些场景能更快实现商业化落地？我们认为：1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，Al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Al模型已经可以基本实现工作流的自动化。随着Al大模型幻觉率的降低与能力半径的拓展，Al在各个生产力场景的渗透率将持续提升。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:Al原生应用面临用户粘性不足的问题Ono Month RetentionDAUMA3.3 泛娱乐场景：AI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AlGC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，一是改变游戏内容，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1919719719 19 1919 19719719 19 19 1919 19 19 1919 19 «99199 19199 1919 19919 19 199 20 20 20020020020 2020020 2012 20 2020120 20120 20201 20 2021970712 3 74 75 7677 8 9 80 S1 82 8384 85 86 8788 89 O 19239495 6 97 99 Ol 2 3 4 05 067 08 0910 11 123 14 5 16 178 19 03.3.1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。AlAgem诞生后，游戏中的NPC被赋予了“生命”，AlNPC会像人一样设计每天的生活轨迹，记住当天发生的事情，玩家与NPC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“1三 NPC ''节2 I “4-AI NPC按每个节点由Al基于玩家“回答”、数值等，重新生成新的故事内 3.3.2 游戏形态：AlUGC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，游戏制作门槛较高，代码、美工等环节都只有游戏厂商的专业人员才能完成。而未来，玩家人人可做策划，并通过Al加持下的UGC来完成代码、美工、测试等任务，从而做到玩家都可制作自己的游戏，实现“游戏去厂商化”。图:Al使游戏UGC门槿更低一人人可做策划,制作自己游戏，“游戏去厂商化”游程流 产传统:一般需2年+;平均几千万 成本;成功率3%o未来:一天内，成本不超过百元便可做出款资料来源：景顺长城基金或颠覆产业链格局，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降低，进而逐渐失去议价能力。而平台的本质是双边网络型的“中介”，两边集中越分散、数量越多，平台的价值和地位就越高。我们认为这种情况下，最后或会出现游戏平台的“抖音时刻二图:Al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Kl 一¥台<O)(用户 Q> 游戏制作变成立'辫 J资料来源：景顺长城基金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：GIF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11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、游戏等创作门槛也在不断降低，在各类数字创作领域都可能诞生新的超级平台。TWitter/微博GIF 快手Roblox写短文动图拍摄游戏制作降低创作门槛，扩大创作者基数OpenAIGPTs应用程序OpenAI Sora视频生成Character.ai设计自己的Al陪伴人机协同创造的程序、内容、数字角色爆发式增长社交网络WitterZFacebook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:嵬顺长城基金I、应用层（硬件.）：软件推动硬件创新,下一代智能终端渐行渐近每一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，将从手机和电脑拓展至可穿戴设备，从自动驾驶的汽车延展至机器人。4.1 Al终端：端侧Al部署有利于降低边际推理成本端侧Al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Ioo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生成式Al应用传统方法生成式Al贡料来源：海通、景联长城基金网络搜索Officecopiloti图像和视和创底三编程助手对由式聊天机器人()文案创作数十亿用户aaaaaaaifrvSZvPPPPry>rvtrSvtrvQlQlCDQjOlQlQl>fVf>v>>>aaaaaaaZXf>fXfa>fvPPPPrvrvtZv*rv<vvvQlQlQlaQlQlQlf×Z>>VvQ¾QlQiCWQlQlQlry>ry×>rvaaaaaaarvrvtrv*vZV4.2 PC/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，而手机品牌大厂、PC大厂也将在2024年推出诸多具备Al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、刷微信、在线看电影以及玩游戏等功能，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一轮换机潮的到来。PC端+Al的需求则更侧重于商务办公场景，ToB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Pe销量的高点，即疫情居家办公潮，已经过去了三年，正常商务本的固定换机周期已经来到。Al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，此外Win10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）4.3 MR：解放双手，下一代智能终端的雏形？4.3.1 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，这是一款混合现实（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Al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:APPle Vision Pro可在3D空间操控应用4.3.2 Al和3D建模将提升内容生产效率图:Meta推出眼镜可直播可拍照当前VR出货量仍小，核心卡在内容供给nVR产业历经了5年创新，出货量却没能上一个台阶，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设备出货量仍较小图:与游戏主机相比，VR游戏供给有限来源：omdia4.3.3MR带动消费电子投资机遇图:Meta Quest Pro BOM 拆分主板部分屏幕部分镜片部分.小学部分传感器摄像头结构件 续航 手柄 .其他图:苹果ViSiOn Pro BOM拆分8%主板部分屏幕部分镜片部分声学部分.传感器苹果发布MR安卓有望跟随。手机大厂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一轮投资机遇。摄像头结构件续航.其他数据耒源:WelIsenn4.4Al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,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；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 汽车的线控制动、线控转向等。包括三大模块：感知、决策、执行。I我们的眼情和耳朵，对应汽车的感；I知系统，比如摄像头、雷达、IMU；等；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Al的训练，尤其是后续“端到端”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目标特征提取和融合目标分割和特性提取车辆位置定位末端定位和姿态平衡任务规划轨迹平滑庇询电机调参驱动/转向/制动/ 悬架等系统调节动作轨迹规划4.4.1 智能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，智能车产业有望更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，有利于本土市场推广。技术端，国内以华为、小鹏等为代表的企业有望追赶特斯拉，且远超海外传统车企。图：NoA功能(L2+/L3)车型将逐渐向中低价格带渗透价格带持续资料来源：班顺长城基金未来下降，智能个将平民化图：主流自研智驾车企与特斯拉的差距模型降低LiDAR依赖度地图资侦不需要车队数据云端算力国内在建城市开放速度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。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，充分受益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、域控制器、激光雷达等等。图：主机厂L2+商业模式逐步清晰资料东源：景1®长城基金图：智能化零部件受益环节图线控制动/转向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。感知端，机器人使用摄像头等一系列传感器来感知环境，识别空间和物体。这已经在智能驾驶汽车领域得到初步训练。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-1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的泛化和涌现能力VC1RT-1RT-2w/PaLM-E-12BRT-2w/PaLI-X-55B资料来源：GoogleDeepmind4.5.1 智能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厂，替代劳动者双手。其次，商业环境和公共场合也存在大量需求，比如餐饮服务、巡检展览。但机器人真正的未来在于需求迥异的消费者端，包括家居、护理、陪伴等。随着Al能力的提升，机器人的能力将持续进化，可应用场景开放性增强，需求量级也将成倍提升。未来机器人形态将是多样化的，取决于不同需求场景下，对应功能形态能否降本增效。人形是其中一种理想形态，能够穷举涵盖人类社会全场景，融入人类社会、甚至帮助人类进行未知领域的探索，它们将和动物、轮式等其他形态，共同形成多层次的机