中信建投：AI投资下半年新动向 端侧AI潜力待释放

中信建投的研究报告指出，算力仍然是大模型不断迭代的基础动力，人工智能转向终端设备是大势所趋。随着我国大模型能力的提升、调用成本的降低以及政策的支持，更多人工智能应用将逐步落地。面对终端用户的聊天机器人、文字生成图像和文字生成视频应用正逐渐被接受。面向企业端的人工智能也已开始在金融、工业、军事、医疗和教育等领域落地。

展望下半年的人工智能投资，共有两大投资方向：一是全球产业趋势，重点是算力；二是围绕国内政策拉动内需，尤其是人工智能与政府部门以及各个行业的企业端的结合。

算力领域有以下三个方面的投资逻辑：第一，围绕增量变化投资，下半年最重大的变化是人工智能服务器形态从过去的 8 卡转向英伟达 NVL36、72 机柜方向发展和过渡，机柜集成度更高，是众多大厂的主要选择方向，其中铜连接、液冷是新的增量，今年下半年开始进入订单密集期，从第四季度开始进入业绩催化；第二，围绕份额变化投资，随着龙头公司订单外溢，整个产业链呈现高景气度，部分公司份额提升，重点关注存储、PCB、电源等板块；第三，估值波动，人工智能算力全球估值体系参考英伟达，英伟达业绩增速超预期与否，在一定程度上决定了整个算力产业链的估值区间，参考台积电 CoWoS 扩产节奏，下半年有所加速，看好英伟达下半年业绩，因此也看好整个板块向明年估值切换。

在 4 月份的欧洲技术研讨会上，台积电宣布至少到 2026 年，将以超过 60% 的复合年增长率 (CAGR) 扩大 CoWoS 产能。由此可见，台积电对人工智能整体需求持乐观态度。

铜连接价值量大增，下半年放量在望

• 用量大幅提升：相较过去 8 卡服务器主要使用 PCIE 线路，NVL36/72 机柜在计算托盘内、托盘之间、交换芯片到背板、交换芯片到前板 I/O 端口等均采用了高速铜缆连接，不同机柜互联也可使用高速铜连接。
• 下半年产业链开始放量：集邦咨询预计，Q3 新平台 Blackwell 将进入市场，Q4 开始放量。明年，Blackwell 系列将成为英伟达主力销售产品，并主要以机柜形式呈现。
• 中国厂商机遇：铜连接的主要机遇来自于安费诺的订单外溢。明年 NVL36、NVL72 机柜整体出货量预计为 4-5 万台（折合 NVL72），仅柜内线高速线市场规模可达 48-60 亿，若考虑柜外线，则市场规模更大。

云端内存需求高涨

• 算力中心需求旺盛：显存价值占比高，一台 NVL72 机柜中 HBM3e 和 LPDDR5x 总需求约 20.74 万美元，约占机柜价值量的 7%。
• 端侧设备需求：端侧设备参数量不断增加，内存容量也将提升，下一代 AI 手机内存有望增长至 12-16GB。

产业链投资机会

• HBM3e 份额及苹果手机 8GB DRAM 和下一代 DRAM 供应商变化，重点关注美光。
• 存储大厂主要以转产为主，未来存储供需平衡可能被打破，带动存储价格持续回升。

电源方案升级

• 服务器采用机架一体化设计，使用外部统一电源，优化电源管理，提升系统性能和可靠性。
• NVL72 需要 6 个电源架构成，单台机柜电源需求约 200kw。DrMOS 模块为 GPU 供电单元，B 系列芯片的 DrMOS 模块需求持续增加。主要供应商为台达、光宝，可关注大陆供应商的进展。

液冷散热的广泛应用

• 液冷主要以冷却板和浸没式为主。
• 在算力密集背景下，液冷相较传统风冷具备三大优势：承载上限更高、机房 PUE 值更接近于 1、长期运营成本优势显著。
• 液冷普及率提升是算力密集度高增时代必然趋势。

AI 端侧主要投资趋势

• DRAM 增加：30 亿参数量模型对内存的需求约为 1.4GB，6GB 的 DRAM 难以支持 AI 大模型。目前能支持该类大模型的是苹果手机中配备 8GB DRAM 的机型。苹果后续端侧模型升级至 70 亿参数量时，内存占用将达 3GB，现有 8GB 机型将难以支撑，未来每代苹果手机的 DRAM 升级至关重要。
• 谷歌最新推出的 Pixel 8 系列中，只有 Pixel 8 Pro 支持运行 AI 大模型 Gemini，原因在于其配备了 12GB DRAM。

**技术升级的重点领域：**

**1. 安全问题及隐私计算**

未来人工智能个人计算（AIPC）或人工智能手机将形成本地知识库，保障个人信息安全至关重要。端侧安全芯片和算法也将升级。苹果智能会分析用户发出的请求能否在设备端运行，若需更强算力，则通过私密云计算仅发送与任务相关的数据给采用苹果芯片的服务器。部分手机厂商未来将自建手机服务云上推理中心。

**2. 声学的升级**

语音交互是人工智能时代的关键入口，端侧的重要环节是声学器件的升级。

**3. 电池和散热的显著变化**

随着端侧芯片算力的提升，功耗增加，电池增大，散热材料也随之改变。

**4. 机器视觉检测设备需求变化**

需关注 iPhone 17 硬件新变化带来的机器视觉检测设备需求变化。

**5. Arm PC**

凭借更强的 AI 能力、续航和微软的支持，高通大力打造 PC 芯片，各大厂商开始重点推出 Arm PC。

**特斯拉引领自动驾驶端到端变革：**

特斯拉 FSD Beta V12.3 为第一个使用端到端神经网络的 FSD 版本。据公开安全数据，开启 FSD 功能的特斯拉车辆每行驶 539 万英里才可能发生一起事故，远低于全美平均水平（每行驶 67 万英里即有一起事故）。

**大模型的优势：**

与传统算法相比，大模型拥有以下优势：

• 数据驱动：不再依赖规则定义，而是由数据驱动，观看视频片段可显著提升效果。
• 上限高：大模型展现出自动驾驶中的巨大潜力，通过增大参数量，解决驾驶行为的难题。
• 迭代速度快：过去每两周迭代一次 FSD 算法，大模型时代缩短至每 2-3 天更新。
• 驾驶体验逼近人类：规则定义的自动驾驶生硬，大模型使驾驶感受更接近人类，降低接管次数。

特斯拉公布了 FSD 12.3 的数据，平均接管里程从 116 英里提升至 286 英里，无接管行程占比从 47% 上升至 72%，效果显著，乘用车辅助驾驶能力进一步提高。重点关注德赛西威。

但对于 L4 级无人驾驶，特斯拉的平均接管里程数与人类仍有很大差距，单车智能尚不足以实现自动驾驶，需关注国内车路云建设。

**人工智能赋能各行各业：**

大模型应用的另一主战场是行业应用。山东省专家座谈会提出用科技改造传统行业。超长期国债将投入科技自立自强领域。《扩大内需战略规划纲要（2022-2035年）》提出推动人工智能等技术与交通物流等行业的深度融合。

我们认为，人工智能在金融、工业、教育、交通、医疗等领域的落地势不可挡。金融领域，大模型逐步成为投研助手、财富管理助手和金融知识库。

工业领域中，大模型已广泛应用于 CAD 等软件，实现了人机交互、AIGC 生成样本等功能，重点关注中控技术。在大模型的赋能下，机器人的智能化水平迅速提升，开始在工厂等场景替代人工完成基础任务。

军事领域，海外巨头 Palantir 已成功将大模型部署于战场，作为战场助手发挥作用。而在教育领域，人工智能逐渐在更多科目中担任虚拟教师的角色。

交通领域，车路云协同对基础设施提出更高的要求，助力智能交通管理的有效降低智能驾驶车端的成本。医疗领域，大模型的出现深化了生成式模型在医疗影像、新药研发等领域的应用，但海外研发侧重制药，国内则更关注健康管理，应用方向随大模型效能的不同而差异化。

面对宏观环境的不确定性，包括北美经济衰退预期、国际环境变化、芯片紧缺等因素，企业面临诸多挑战：需求和资本开支低于预期、市场竞争加剧、原材料价格上涨、汇率波动、大模型算法更新迭代不及预期、汽车和工业智能化进展落后等。