"多模態, 輕量化" 推動 AI 終端發展

 由於千億參數大模型對計算基礎設施提出了極高的需求, 因此無論是訓練還是推理, 大型複雜模型至今仍在雲端佈署. 然 AI 推理的規模遠高於訓練, 而雲端推理有成本較高, 能耗過大, 可靠性與時延影響用戶體驗, 數據隱私安全等問題, 在此背景下混合 AI 應運而生.

終端 AI 優勢主要有以下幾點: 1) 保證數據隱私性. 2) 提升用戶體驗 (響應速度更快, 隨時待命). 3) 使用成本更低. 4) 個性化定製: 端側 AI 將能夠在不犧牲隱私的情況下, 根據用戶的習慣, 喜好進行個性化定製, 並且可以隨著時間推移進行學習與演進.終端廠商的強力助推也正向強化AIGC落地到端側的可能性.

終端落地大模型仍有以下的問題待解決和提升: 1) 算力需求升級. 2) 儲存和傳輸能力升級. 3) 電池續航與散熱能力升級. 端側AI發展面臨的主要問題: 1) AI大模型+IoT 是長期趨勢, 後續終端同質化競爭可能較為嚴重. 2) 殺手級應用仍未大量出現.

大語言模型 (LLM) 朝 "多模態", "輕量化" 發展.  OpenAI 也著手打造應用商店激發開發者創造潛力, 加速殺手級應用出現, 硬件端如高通, 蘋果, Intel, AMD 等也已經提前佈局, 為端側 AI 爆發式增長做好準備.

終端 AI 時代, 核心受益環節參考消費電子產業鏈 "微笑曲線", 其中硬體算力端 (SoC, 記憶體), 終端品牌有望核心受益, 零組件及組裝中部分環節如感測器, 電池, 散熱結構件等部分受益. 建議沿著 "AI+產品" (出貨量提升) 到 "產品 AI化" (量價齊升) 的邏輯, 關注四個方向.

筆電為 PC 市場主流出貨形態, 市場份額已增長至 7成. 傳統 PC 可分為桌機, 筆電和工作站三大類, 其中筆電和桌機為主流, 份額合計約 98%. AI有望催生新一輪換機周期, 促使全產業鏈受益, 其中處理器和記憶體環節的價值提升具有較高的確定性. 可能間接受益的產業鏈環節還包括散熱, 電池等.

AI PC 時代將至, 大模型應用, 主核, 軟件架構交替升級有望重新演繹" Tick Tock" 發展模式, 進而加速 PC 換機節奏. 另一方面, 微軟新一代的作業系統也即將來到, 同樣強調軟件應用與硬件的協同配合. 預計 AI PC 將成為未來 PC 市場的主流, 而且 2024 將開啟普及進程, Canalys 預計 2027 全球滲透率將達 60%!

從落地必要性上, AI PC 解決的痛點是雲端大模型存在的推理成本較高, 隱私存在洩漏可能, 依賴網路等問題. 從消費者實用角度, AI PC 可結合私有雲, 本地機房等配套設施, 進而展現出極強的生產力屬性. 相較於雲端大模型, 解決時延, 安全性及成本問題是 AI 落地 PC 端的核心考量.

AI PC 的核心特征: 擁有本地部署的大模型與個性化本地知識庫組合構成的個人大模型, 通過內嵌 AI 計算單元 (例如NPU) 提供混合 AI 算力. 據 IDC 預估, 2023 處在 AI Ready 階段的 AI PC 將陸續上市, 這類 AI PC 尚不具備完整的 AI PC 特征. 2024 年開始, 符合 AI On 階段標準的 AI PC 將陸續進入市場.