中信建投：全球AI產業趨勢投資看算力 端側AI打開更多可能性

智通財經APP獲悉，中信建投發佈研報稱，算力仍然是大模型持續迭代的根本動力。算力端投資主要有三條線，一是圍繞增量變化，如銅連接、液冷等；二是圍繞份額變化，如存儲、PCB、電源等；三是圍繞英偉達業績增速超預期與否，某種程度上決定了整個算力產業鏈的估值區間。

中信建投指出，AI走向端側是大勢所趨。蘋果的Apple Intelligence打造的原生AI操作系統和應用具備一定領先性，微軟的PC端AI助手也在加速推進，關注端側換機潮以及升級後的DRAM、隱私計算、聲學、電池、散熱以及Arm PC等投資機會。

隨着國內大模型能力的提升、調用價格的下降以及政策上的支持，中信建投認爲，更多的AI應用將會逐步落地。C端的聊天機器人、文生圖、文生視頻應用正在逐步被接受。B端AI也開始在金融、工業、軍事、醫療、教育等領域開始落地。

中信建投主要觀點如下：

展望AI投資的下半年，我們認爲有兩大投資方向：一是全球產業趨勢，核心是算力;二是圍繞國內政策拉動內需，尤其是AI與G端以及B端各行業的結合。

算力領域有三方面投資邏輯：第一，圍繞增量變化投資，下半年最重要的變化是AI服務器形態從過去的8卡向英偉達NVL36、72機櫃方向發展和過渡，機櫃集成度更高，是衆多大廠主要選擇方向，其中銅連接、液冷是新的增量，今年下半年開始進入訂單密集期，從Q4開始進入業績催化;第二，圍繞份額變化投資，隨着龍頭公司訂單外溢，整個產業鏈都呈現高景氣度，部分公司份額提升，重點關注存儲、PCB、電源等板塊;第三，估值波動，AI算力全球估值體系參照英偉達，英偉達業績增速超預期與否，某種程度上決定了整個算力產業鏈的估值區間，參照臺積電Cowos擴產節奏，下半年有所加速，我們看好英偉達下半年業績，因此也看好整個板塊嚮明年估值切換。同時，在4月份的歐洲技術研討會上，臺積電宣佈至少到2026年，都將以超過 60% 的複合年增長率 (CAGR) 擴大CoWoS產能。可以看到，臺積電對AI整體需求判斷樂觀。

銅連接價值量大幅提升，並於下半年放量：1)用量大幅增長：相比過去8卡服務器裡面主要使用PCIE線，此次NVL36/72機櫃除了計算托盤內使用PCIE線，還在計算托盤之間、交換芯片到背板之間、交換芯片到前板I/O端口之間均使用了高速銅纜連接，不同機櫃互聯也可以使用高速銅連接;2)下半年產業鏈開始放量：根據集邦諮詢，Q3新平臺Blackwell將進入市場，Q4開始放量。展望明年，Blackwell系列將成爲英偉達主力銷售產品，並且主要爲機櫃形式。對於中國廠商來說，銅連接主要機會來自於安費諾的訂單外溢，考慮到明年NVL36、NVL72 機櫃整體出貨量(等效NVL72預計在4-5萬臺)，僅櫃內線銅纜高速線市場就達到48-60億，若考慮櫃外線，則市場規模將更大。

雲端內存需求均呈高景氣度：1)算力中心需求量大：顯存價值佔比高，一臺NVL72機櫃中HBM3e和LPDDR5x合計需求約20.74萬美金，約佔NVL72機櫃價值量的7%;2)端側設備需求：長期來看端側設備參數量會不斷變大，內存也將不斷增加，下一代AI手機內存有望增長至12-16GB。對於該產業鏈投資機會核心爲兩點：1)HBM3e份額以及蘋果手機8GB DRAM及下一代DRAM供應商變化，重點關注美光;2)目前對於存儲大廠來說，主要還是以轉產爲主，未來存儲供需平衡可能被打破，帶動存儲價格持續回升。

電源方案的全新升級：服務器採用Rack一體化設計，使用外部統一電源，從而進一步優化電源管理，提升系統整體性能和可靠性。NVL72需要6個power shelf構成，單臺機櫃需要電源200kw左右。DrMOS模塊是GPU的具體供電單元，B系列芯片的DrMOS模塊需求量不斷提升。主要供應商爲臺達、光寶，關注大陸供應商進展。

液冷散熱的全面應用：目前液冷主要以冷卻板與浸沒式爲主，相較傳統風冷，算力密集度增加背景下液冷具備三點優勢：1)液冷機櫃具備較高功耗承載上限，可承載20 KW以上AI服務器運行;2)液冷機房PUE值更接近於1，滿足最新政策要求;3)低PUE背景下同樣算力需求電力消耗更少，長期運營成本優勢顯著。整體看液冷普及率提升是算力密集度高增時代的必然趨勢。

AI端側主要投資趨勢：一是DRAM增加：對於30億參數量的模型，以Int 4精度計算對內存佔用量大概是1.4GB，6GB的DRAM比較難支持AI大模型。目前能支持該端側大模型的是蘋果手機中配備 8GB DRAM 的機型。我們認爲，如果蘋果之後端側模型升級到70億的參數量之後，那對內存佔用將達到3GB，現有的8GB機型支持也將非常吃力，未來每代手機升級，蘋果DRAM升級將及其重要。安卓方面，谷歌最新推出的 Pixel 8 系列中，只有 Pixel 8 Pro 支持運行 AI 大模型 Gemini，原因在於其配備了 12GB DRAM。二是安全問題及隱私計算：未來AIPC或者AI手機都會形成本地的知識庫，保證個人信息安全至關重要，未來端側安全芯片以及算法也會升級。另外，Apple Intelligence會分析用戶發出的請求能否在設備端運行，如果需要更強的計算能力，就可以藉助私密雲計算僅將與任務相關的數據發送給採用蘋果芯片的服務器，對於部分手機大廠未來將自建爲手機服務的雲上推理中心。三是聲學的升級：語音交互將是AI時代的一個重要入口，端側很重要的一點是聲學器件的升級。四是電池和散熱變化明顯：隨着端側芯片算力的增加，功耗增加，電池變大，同時散熱材料也有所變化。五是關注iPhone17硬件新變化所帶來的機器視覺檢測設備需求變化。六是Arm PC：憑藉更強大的AI能力、更強的續航、微軟的重點支持、高通着力打造PC芯片等幾個要素，各家大廠開始重點推出Arm PC。

特斯拉引領自動駕駛端到端變革：特斯拉FSD Beta V12.3爲第一個使用端到端神經網絡的FSD版本，根據特斯拉公開的最新安全數據，特斯拉車輛在開啓FSD功能後，每行駛539萬英里纔可能發生一起事故，遠低於全美每行駛67萬英里即有一起事故的平均水平。大模型相比過去的算法有四個重要特點及優勢：1)數據驅動：過去是靠寫規則去定義自動駕駛，現在是由數據驅動，每看100-150萬個視頻片段，效果會有明顯提升;2)上限高：大模型的涌現能力目前看在自動駕駛中也有體現，意味着把參數量做大，能解決過去自動駕駛過程中一些難解決的駕駛行爲;3)迭代速度加快：過去特斯拉接近每兩週迭代一次FSD算法， 大模型時代每2-3天就更新一下版本;4)駕駛體驗逼近人類：過去規則定義下的自動駕駛很生硬，目前體驗更加類似於人類駕駛的感受，從而降低了接管次數。特斯拉也公佈了FSD12.3一系列數據，平均接管里程從 116 英里提升至 286 英里，用戶完全無接管的行程次數佔比從 FSD V11.4 的 47%上升至 72%，效果有明顯提升，乘用車輔助駕駛能力進一步提高，重點關注德賽西威。但是對於L4級無人駕駛來說，特斯拉的平均接管里程數相比於人類仍有較大差距，目前僅依靠單車智能尚無法完全實現自動駕駛，需要關注國內車路雲建設。

AI應用賦能千行百業：大模型應用的另外一個主戰場是行業應用，5月26日在山東省的企業和專家座談會上，重點提及用科技改造傳統行業。其次，超長期國債也將大力投入“科技自立自強”等領域。同時，《擴大內需戰略規劃綱要(2022-2035年)》：堅定實施擴大內需戰略、培育完整內需體系。並重點提出推動5G、人工智能、大數據等技術與交通物流、能源、生態環保、水利、應急、公共服務等深度融合，助力相關行業治理能力提升。我們認爲，圍繞AI在金融、工業、教育、交通、軍事、醫療等領域開始落地。金融端，大模型逐步成爲更好的投研助手、財富管理虛擬人、金融知識庫等。工業端，大模型已經開始在CAD等軟件提供人機交互、AIGC生成樣本等，重點關注中控技術。在機器人領域，接入大模型後的機器人智能化程度快速提升，已經開始在工廠等場景替代人完成簡單任務。軍事領域，海外的Palantir公司已經成功的在戰場中利用大模型作爲戰場助手。教育領域，AI逐步在更多學科成爲虛擬教師。在交通領域，車路雲協同對基礎設施提出更高要求，賦能智能交通管理的同時，能夠有效降低智能駕駛車端成本。醫療領域，過往AI本身在醫療影像，新藥研發等領域均有較爲深入的應用(傳統模型)，生成式模型的出現使得上述領域的AI發展得到進一步深化，但總體來看，海外研發方向更偏製藥，國內研發方向更偏健康管理，依據大模型效力的不同二者應用方向存在差異。

風險提示

北美經濟衰退預期逐步增強，宏觀環境存在較大的不確定性，國際環境變化影響供應鏈及海外拓展;芯片緊缺可能影響相關公司的正常生產和交付，公司出貨不及預期;信息化和數字化方面的需求和資本開支不及預期;市場競爭加劇，導致毛利率快速下滑;主要原材料價格上漲，導致毛利率不及預期;匯率波動影響外向型企業的匯兌收益與毛利率;大模型算法更新迭代效果不及預期，可能會影響大模型演進及拓展，進而會影響其商業化落地等;汽車與工業智能化進展不及預期等。