2024年计算机行业年度行业策略报告：AI应用欲晓，莫道君行早

1 AI AI 应用：海外加速兑现 EPS，国内 AI 应用由“主题投资”走 向“产业趋势”

1.1 国内通用模型豆包、Kimi 领跑，海外 AI 应用业绩逐步兑现

国外通用模型格局基本形成，头部效应明显。OpenAI 在通用大模型中占据明显 头部地位，在 B 端及 C 端均获得广泛的使用。谷歌的 Gemini 仍以对 Google 生 态赋能为主，对内赋能不能通过流量反映。

知识图谱类场景的应用较快受益到 NLP 模型的快速发展，中长期 AI 应用壁垒主 要在数据、场景及客户积累。典型知识图谱场景如医疗、法律、问答交互场 景，较清晰受益大语言模型的快速发展。同时，医疗和法律等场景专业性较强 的应用，不会被通用模型的分流。

生态打通及多模态的推出对模型应用流量产生明显正向推动。营销、搜索、客 户、网安等偏生产工具的应用对生态合作更加重视。

国内通用模型格局未固定，Kimi 及豆包在 C 端相对更快。流量视角，国内增长 较快的厂商包括 Kimi、字节豆包等，文心一言、秘塔 AI 搜索流量亦较为领先。 讯飞星火、商汤商量等存在本地部署或生态内应用赋能，这部分流量未被统计 在内。Kimi、字节豆包、文心一言、秘塔 AI 搜索等在 C 端推广较快的厂商主要 得益于流畅的模型使用体验、流量推广、成功的 PMF。

字节豆包移动端明显领先，生态、推广、产品化为成功关键。字节豆包下载稳 居国产大模型首位，应用商店排名维持首位，关键词覆盖保持上升，远超其他 应用。Kimi 应用商店下载量近两月亦上升明显。

1.2 AI SaaS 订阅制 B 端较 C 端变现快，MaaS 中期将成主流商业模式

对 AI 能力变现，可归结为四种商业化路径：MaaS 按量计费、SaaS 订阅制计 费、解决方案及实施部署、流量变现。 大模型性能提升+降本，MaaS 中期将成主流商业模式。2023 年 MaaS 市场规模约 5%，预计至 2027 年，市场规模占比达 47%。MaaS 厂商上半场为智算基础设施的 比拼，下半场关键在规模效应释放及用户使用粘性。头部模型厂商将模型能力 普惠化，落地推广及生态建设加速。

AI SaaS 以订阅制为主，行业软件 AI+垂类落地利于用户拓展及留存。当前 71.05%的 AI SaaS 采用订阅制，约 7 成应用仍处免费或试用以积累用户的阶 段。当前 SaaS 应用叠加 AI 能力推动由授权制向订阅制、云化转型，提升用户 粘性。企业级应用当前较大比例仍为非标准化，一定程度的联合开发，根据投 入协商定价。中期，B 端应用将根据头部标杆案例，形成更丰富的标准化模块功 能，定价也将更清晰。

B 端变现模式清晰且更快盈利，C 端空间大、增长潜力强但模式待探索。B 端及 C 端 AI SaaS 应用有会员订阅制、按需付费和一次性付费三种收费模式。B 端变 现更快，订阅制占比 50%。C 端更大程度上为供给激发需求，对产品本身体验要 求较高，强调易用性。

解决方案及实施部署，头部厂商发挥客户及渠道优势。国内 DCS 龙头中控技术 AI 赋能降本显著，发布流程工业首款 AI 时序大模型 TPT，打造智能工厂。中软 国际携手华为，中软国际解放号中标华为云 AI 原生应用引擎合作项目，为目前 与华为在大模型应用领域形成产品级合作的唯一厂商。

落地商业化路径多元结合，保持布局和长期投入带来未来增长的弹性。针对 B 端/C 端开发者采用 MaaS 按量计费，不断增强用户粘性，售出足量 tokens 打造 规模效应可实现规模盈利。AI 应用厂商针对 B 端/高频率 C 端采用 SaaS 订阅制 计费，聚焦垂直行业领域，提高 ARPU。另外，随着 AI 营销市场规模加速增长， 流量变现亦为模型能力转化的途径。

2 人形机器人：AI 原生应用最佳载体，特斯拉、华为、英伟达生态 全解析

全球机器人产业已历经三大发展阶段，大模型与 AI 驱动产业加速向具身智能迭 代。全球机器人产业的发展历程可划分为三个阶段：1）萌芽期（1972~1986 年）：以日本为代表的技术强国率先布局人型机器人研发，重点突破外观与基础 功能，标志性产品如 WABOT-1 和 ASIMO 初步奠定人型机器人的雏形；2）成长期 （1987~2022 年）：硬件技术持续演进与成本优化驱动产业扩展，机器人应用场 景从家庭逐步向商业拓展，代表性产品包括 Atlas、Pepper 等，技术重心向双 足平衡与功能适配能力突破倾斜；3）突破期（2023~2024 年）：AI 技术的快速 进步推动机器人智能化跃升，以 Tesla 为代表的行业领军者推出 Optimus 等多 场景适应性机器人，标志着从功能堆叠迈向智能协同的关键转折。展望未来， 以大模型为核心的 AI 技术将成为机器人进化的加速器，通过大规模数据驱动与 泛化能力训练，机器人将进一步实现自适应学习、决策推理与自主进化，智能 体技术逐步达到高度协同与泛化应用能力，具备更强的灵活性与通用性，最终 向自主智能体形态演化。

2.1 人形机器人四类整机企业各具特色，关注特斯拉、华为链确定性标的

机器人行业主要参与企业为汽车制造企业、机器人企业、科研机构/高校孵化企 业和互联网软件企业四类，企业优势及侧重各异。其中，汽车制造企业依托在 精密制造和环境感知领域的技术积累，具备将成熟工艺向人形机器人拓展的能 力；专业机器人企业则凭借核心技术研发优势，能够实现不同机器人领域的技 术复用；科研机构/高校孵化企业依托高校科研资源与政策资金扶持，侧重技术 前瞻性研究及创新应用；互联网软件企业则基于算法模型和 AI 技术优势，推动机器人在智能化、软件层面的创新发展。这四类厂商从制造工艺、核心技术、 科研创新及智能化算法等维度形成互补，合力推动机器人行业的商业化落地与 技术升级。

2.1.1 车企：兼具技术复用+量产降本优势，Tesla/华为链有望率先发力

车企在机器人业务中的布局具备深厚的产业协同与技术外溢效应，主要体现在 技术复用、产业链协同及规模化量产能力。1）技术复用：车企在智能汽车产业 链中的核心技术，如自动驾驶算法、环境感知与传感器融合技术、电控与动力 系统、以及高精度执行器技术，均可跨领域复用至机器人业务中；2）产业链协 同及规模化量产：车企具备成熟的供应链体系和制造工艺流程，从核心零部件 供应到整机制造，具备高度资源整合能力。尤其在机器人所需的高性能传感 器、电驱系统与车规级控制单元等领域，其供应链优势能够在降本增效的同 时，保证产品的一致与可靠性。同时，由于具备规模化量产能力，车企也具备 成本优势，尤其是对于本土化布局企业，基于更低的物料、人工成本，其供应 链成本也将更低。以特斯拉为例，截止 2023 年 9 月，其上海工厂的供应链本地 化率超过 95%，仅签约的本土一级供应商就达到了约 360 家。特斯拉新能源车 完善的供应链部分可移植至 Optimus， Optimus 擎天柱机器人最终价格可能不 到 2 万美元。

目前以特斯拉为代表的海外车企走在机器人领域前列， 其标杆产品 Optimus 有 望在 2025 年实现量产。2021 年 8 月 AI Day 上，马斯克发布特斯拉的通用机器 人计划，并在 2022 年 AI Day 人形机器人 Optimus 正式亮相。2023 年 5 月， Optimus 已实现抓、行走等能力。2023 年 12 月，特斯拉发布二代 Optimus，并 在随后一年里持续迭代，并逐步具备分拣、协作等更应对为复杂场景任务的能 力。根据 21 世纪经济报道，特斯拉基本确定人形机器人在 12 月有望周产 50 台，在 2025 年实现至少 1 万台产量，并有望在 2025 年三季度或四季度正式开 启预售，到 2026 年三季度大规模量产，年产量约 15 万台。

本土车企亦在快速入局，小鹏等进展较快企业已实现应用落地。目前中国亦有 大量车企布局机器人及相关业务，例如小米已发布四足仿生机器人 CyberDog 及 人形机器人 CyberOne；奇瑞推出了“Mornine”双足机器人，并计划在零售服务 等场景中扮演实际角色。整体来看，小鹏汽车进展较快，其推出的新一代人形 机器人“小鹏 Iron”现已投入实际生产场景，承担了小鹏工厂内拧螺丝等组装 任务，并在逐步向门店迎宾等场景拓展。

华为成立具身智能产业创新中心，以生态技术赋能加速布局机器人产业。2024 年 11 月中旬，华为全球具身智能产业创新中心正式运营，旨在推动具身智能技 术的前沿创新与产业化进程。会上，华为与乐聚机器人、禾川科技、拓斯达、兆威机电等 16 家科技企业签署合作备忘录，聚焦联合创新与一站式技术交易服 务。根据工控网介绍，首期方案将整合华为在具身智能领域的核心能力，重点 打造具身智能大脑、小脑及工具链等关键根技术，联合整机、核心零部件及人 工智能算法企业，共同突破技术瓶颈，推动产业化落地。 华为在具身智能领域的定位与其智能汽车战略类似，即专注于提供智能化技术 底座，而非直接参与终端产品制造。凭借在研发、通信、操作系统及云计算领 域的深厚积累，华为通过底层架构与技术赋能合作伙伴，助力产业链协同升 级。特别是在软件生态建设方面，华为的技术优势尤为突出，而硬件开发则依 托与产业链上下游伙伴的紧密协作。这一战略定位与开放合作模式，使华为能 够成为具身智能产业发展的核心引擎，并推动关键技术成果的商业化与规模化 应用。

2.1.2 机器人/互联网企业：前者运动控制能力显著较强，后者感知决策算法领 先

机器人企业与互联网公司作为人形机器人产业的核心参与者，凭借各自领域的 技术沉淀与优势，在 AI 与技术集成方面具备天然的承继性。传统机器人企业如 波士顿动力、Agility Robotics（Digit）等，在机械结构、动力系统与传感器 等硬件领域积累深厚，具备高精度控制与复杂场景适配能力；国内企业如优必 选、宇树科技、达闼科技也在积极探索人形机器人市场，加速本土技术突破与 落地。互联网公司方面，谷歌、Meta、英伟达等依托在 AI 算法、算力与硬件协 同上的核心优势，推动人形机器人在场景理解、自然交互与智能服务方向持续 发展。整体来看，机器人企业的硬件制造与工程实现能力以及互联网公司的 AI 算法、数据生态与技术平台均是人形机器人产业发展的核心要素，因而其在技 术承继与创新上具备天然优势。

海外市场中，Agility Robotics 商业化进展迅速，预计 2025 年其人形机器人 产量将突破千台。Agility Robotics 成立于 2015 年，起源于俄勒冈州立大学动 态机器人实验室，该实验室是全球首批实现双足机器人自然行走的研究机构之 一。根据创业邦报道，公司自成立以来已累计交付约 100 台 Digit 机器人，并 于 2024 年 10 月正式启动其全球首家人形机器人生产工厂 RoboFab。2024 年 11 月，Agility Robotics 宣布获得德国汽车零部件供应商舍弗勒的战略投资，并 计划于年底完成首批 Digit 机器人的交付。预计 2024 年 Digit 的产量将达数百 台，到 2025 年将实现全面上市，产量有望扩展至数千台，未来目标是实现年产 超过 1 万台的规模。

国内市场在场景落地上整体进度已领先海外，目前宇树、优必选等标杆企业已 先后取得订单并陆续交付。目前，乐聚机器人的 KUAVO（夸父）已正式进入全面 量产阶段，并率先在科研教育及特种作业领域实现商业化落地，首批订单正陆 续交付；优必选工业版人形机器人已获得车厂超 500 台意向订单，预计年内实 现小规模量产交付；智元机器人预计 2024 年出货 300 台，其中双足人形机器人 今年出货量约 200 台；开普勒机器人则计划年内完成首批 100~200 台的人型机 器人量产；宇树科技发布了人形机器人 G1 量产版，具备大规模生产能力，性能 与外观均得到显著升级，售价仅 9.9 万元。

2.1.3 科研/高校孵化企业：具备差异化关键技术亮点，产研结合孵化优质企业

人形机器人作为多学科交叉融合的前沿领域，依赖于计算机科学、机械工程、 电子工程、材料科学等技术的协同创新，而高校作为产学研桥头堡，在研发与 技术融合能力上具备明显优势。在计算机科学领域，高校可聚焦智能算法、机 器视觉与自然语言处理等基础理论的深入研究，为具身智能提供关键算法支 撑；在机械工程与电子工程方面，高校通过仿生结构设计、柔性关节优化及高 精度运动控制系统的开发，推动人形机器人在结构设计与运动控制方面取得突 破；而材料科学的前沿探索，则为机器人提供轻量化、高强度材料保障，显著 提升硬件性能。此外，高校凭借专业化实验平台与持续输出的高端科研人才， 能够打通基础理论与应用技术的连接瓶颈。目前高校已孵化出星动纪元、加速 进化等众多创新机器人企业，傅里叶、乐聚、智元、宇树科技等公司同样深植 高校科研背景。

2.2 减速器：人形机器人需求扩容，国产减速器迎双重红利

机器人核心零部件研发制造主要包括伺服系统、减速器和控制器占工业机器人 成本的 70%左右。减速器、伺服系统（包括伺服电机和伺服驱动）及控制器直接 决定工业机器人的性能、可靠性和负荷能力，对机器人整机起着至关重要的作 用。其中成本占比最高的是减速器，占到 35% 。

精密减速器以微型、小型为主，广泛用于工业机器人、机床、半导体、航空航 天等高精度场景，尤其大量运用在机器人上，主要有两类：谐波减速器和 RV 减 速器。由于传动原理和结构等技术特点差异，使二者在下游产品及应用领域方 面各有所侧重、相辅相成，应用于不同场景和终端行业，二者具体对比如下：

GGII 数据显示，2021 年中国工业机器人减速器总需求量为 93.11 万台，同比增 长 78.06%。其中增量需求 82.41 万台，同比增长 95.05%；存量替换量为 10.70 万台，同比增长 6.57%。随着 AI 进程的加快推进，机器换人将受益其中，预计 未来几年减速器市场增长的确定性进一步增强，到 2026 年市场总需求量有望超 过 270 万台。

全球范围内，哈默纳科（Harmonic Drive System）与纳博特斯克（Nabtesco） 分别在谐波减速器和 RV 减速器领域取得了市场主导地位，依靠长期的研发技 术积累、规模化的生产能力、稳定的产品质量和性能，二者与 ABB、发那科、 库卡、安川等国际工业机器人生产商合作历史悠久，在行业内的市场地位较为 突出。

2020-2021 年，我国谐波减速器市场最大的两个外资品牌——哈默纳科和日本新 宝在中国市场的占有率由 46%降低至 42.9%。国内做谐波减速器的企业总共有 30 多家，实力较强的有绿的谐波、来福谐波、福德机器人、大族传动等企业， 2020-2021 年，这四家企业在中国市场上的占有率之和由 35.9%提升至 41.1%。 整体看来，中国机器人减速器国产化趋势正在形成。根据 GGII 的数据，2014- 2022 年工业机器人精密减速器国产品牌市场份额由 11%提升至 41%。随着下游需 求持续拓宽，预计未来减速器国产化率还将得到大幅提升。谐波减速器技术较 RV 偏低，因此从技术上看，对国产厂商而言更加易于突破。

2.3 丝杠：核心传动精密部件，人形加剧国产供需缺口矛盾

丝杠是工程机械和精密机械上最常使用的传动部件。丝杠的主要结构由丝杆与 螺母构成，其主要功能为将旋转运动转化成线性运动，或将扭矩转换成轴向反 复作用力。其原理为当丝杠作为主动体时，螺母随丝杆的转动角度按照对应规 格的导程转化为直线运动。被动工件可通过螺母座和螺母连接，从而实现对应 的直线运动。

据华经产业研究院数据，2021 年全球滚珠丝杠市场规模达到 17.5 亿美元，同 比增长 6.0%，年均复合增速达到 6.2%。预计 2022 年全球市场规模达到 18.59 亿美元。 从国内市场规模来看，中国作为滚珠丝杆产品重要的消费市场之一，国内市场 规模占全球规模总量的 20%左右。据统计，2021 年我国滚珠丝杆市场规模为 25 亿元，预计 2022 年市场规模达 28 亿元。未来伴随机器人产业发展，以人形机 器人为代表的产品有望成为滚珠丝杠的新需求增长点。

人形机器人给丝杠加剧行业供需缺口矛盾。据统计，2021 年中国滚珠丝杆（滚 珠丝杆副）产量达到 983 万套，需求量为 1406 万套。根据特斯拉的公布信息， 特斯拉 Optimus 机器人上目前采用行星滚柱丝杠，海外舍弗勒售价超 2 万人民 币/个，远远超过特斯拉人形机器人总的预期成本 2 万美元，这显然是特斯拉不 能接受的，所以国产化是必然路径。直线/线性关节（电机+行星滚柱丝杠+位置 编码器+力传感器+轴承组成）占到 30%，其中电机驱动器占到约 70%，那么行星 滚柱丝杠价值量为 30%，即 0.18 万美元，单个机器人中行星滚柱丝杠的价值量 约 1.3 万元人民币。随着我国滚柱丝杠厂商技术的持续完善，以及降本增效诉 求驱动下，滚柱丝杠国产步伐有望迎来提速。

行星滚柱丝杠制造壁垒极高，海外企业大多于 1950 年左右在国防军工等领域开 启产品研发，主要企业包括瑞典 ewellix、瑞士舍弗勒等。舍弗勒集团于 2022 年收购 ewellix 公司，其前身为 SKF 行星滚柱丝杠部门，结合旗下传统高端行 星滚柱丝杠品牌 GSA，舍弗勒基本垄断国际高端行星滚柱丝杠市场。

2.4 灵巧手及传感器：灵巧手表现惊艳，传感器关注核心竞争力公司

灵巧手是模仿人手设计的高精度机械手，五指设计增加了灵活度，是机器人实 现精细操作的基础，完成抓、握、捏、拧、旋转等不同动作，满足多元化的场 景需求。

灵巧手约占人形机器人成本的 14%，2023-2030 年复合增长率约 10.3%。参考特 斯拉人形机器人 Optimus，灵巧手的成本约在确保个人用户与企业用户的隐私与 涉密信息能在本地实现安全隔离，仅在受信任的环境下才可以被调用。2023 年，全球人形机器人灵巧手市场规模约 15 亿美元，预计 2023 年突破 30 亿美 元，年复合增速为 10.3%。国内第三方灵巧手生产企业，产品价格 0.99 万元~11 万元不等。

机器人灵巧手自由度 6 个-42 个之间，机械结构主要包括精密传动、空心杯电 机、行星减速器。人手本体自由度为 21 个，加上手腕关节运动自由度有 27 个，灵巧手在自由度分配上亦模仿人手。一般情况下，灵巧手的自由度与驱动 电机相对应，假设单个灵巧手的自由度为 13，对应驱动电机需要 13 个。 全球空心杯电机仍主要由海外厂商主导，国内主要包括鸣志电器、伟创电气、 雷赛智能、兆威机电等企业。2022 年全球空心杯电机 CR5 为 67%，前五名企业 包括 Faulhaber、Portescap、Allied Motion Technologies、Maxon Motor 及 Nidec CopalCorporation。国外供应商 Maxon 的空心杯电机单价为 4675 元，国 内兆威机电空心杯电机的单价在 2000 元左右。2023 年全球市场规模为 8.1 亿美 元，中国空心杯市场规模约 2.6 亿美元，占全球 32%。

触觉传感器、力传感器确保机器人交互的舒适及安全性，可以帮助机器人感受 物体的形状、大小、硬度、温度等。灵巧手传感器数量已经升至近百个，人形 机器人接触到物体时的反馈非常重要，没有主动反馈就没有灵巧操作。 根据压力原件不同，力传感器分为应变式力传感器、光学式传感器以及压电式 力传感器等。应变式力传感器具有最优的性能水平，缺点是成本较高、制作工 艺复杂；光学式传感器测量范围较广、抗电磁干扰能力强，但缺点是刚性偏弱，并且对环境的要求较高；3）压电式力传感器拥有高灵敏度和高分辨率，并 且环境适用性较强， 但缺点是电路复杂，信号漂移难以抑制。六维力矩传感器 为力控最优方案，国内厂商持续布局。2022 年中国人形机器人市场对六维力矩 传感器需求量为 8360 套，市场规模约为 1.56 亿元，后续将持续受人形机器人 量产拉动。

中国力矩传感器市场国产份额低于 30%，国内厂商主要有宇立仪器(未上市)、坤 维科技(未上市，航天级技术)、柯力传感(布局高端力矩传感)、东华测试(力传 感器技术领先)等。

搭载柔性传感器的电子皮肤或为触觉传感终极方案。目前仍处技术早期阶段， 几大技术难点需要解决：制造工艺有待简化；多功能检测能力有待提升；有待 集成更多感知模块；柔性集成芯片技术有待进一步发展。柔性传感行业企业数 量众多，竞争格局分散，国内厂商包括汉威科技、柔宇科技、上海思澄等。 方案仍在不断探索，平衡性能及成本。当前产业面临的挑战主要为：1）传感器 数量增加对应着灵巧手的成本增加；2）面对大量数据，控制算法处理复杂任务 时响应速度会变慢，无法实现精准、高效控制。因此传感器数量不是越多越 好，需要平衡成本及性能。

3 AI 眼镜：下一代通用计算终端，千亿美金市场待 AI 赋能

3.1 智能可穿戴设备高景气，AI 眼镜产业链趋于成熟

智能可穿戴设备行业持续稳步发展，商业模式已获充分验证。根据商启咨询统 计，2023 年中国可穿戴设备市场出货量达 1.2 亿台，2017 至 2023 年复合增长 率为 15.71%；市场规模达到 600 亿元，复合增长率为 1.71%。预计到 2028 年， 出货量和市场规模将分别达到 2.11 亿台和 1493 亿元，2023 至 2028 年复合增长 率分别为 12%和 20%。从市场结构来看，耳戴设备、智能手表和手环仍为核心品 类，2023 年第二季度合计市场份额超过 99%。在竞争格局方面，受益于手机生 态的高度协同，苹果、小米、三星等头部厂商表现强势，2023 年第二季度市场 CR5 占比超过 50%。

AI 眼镜或将是智能穿戴设备领域里下一个重要发展方向

眼镜具备感官与位置双重优势，是 AI 功能拓展的天然载体。眼睛作为人体三大 核心感官之一，承担约 80%的信息输入功能，AI 眼镜通过镜片提供视觉增强、 实时信息提示等服务，成为视觉与 AI 技术结合的天然平台。此外，从人体佩戴 位置上来看，眼镜紧密贴合眼、耳、口等关键感官，使其能够在原有视力矫正 与保护功能的基础上，集成语音交互、声音输出、高清摄像等多重功能，兼容 智能耳机、照相机等硬件，形成复合型智能设备，适配多场景应用需求；

基础眼镜上做加法，具备功能持续丰富的潜力。基础眼镜主要满足用户基本的 视觉矫正需求，解决视力矫正与舒适佩戴等问题。随着技术进步，智能眼镜在 基础眼镜之上，叠加了通讯、信息展示及拍摄录制等功能，逐步拓宽了眼镜的 应用边界，满足了更高层次的使用场景需求。进一步地，AI 眼镜基于智能眼镜 的功能基座，深度融合人工智能技术，赋予其内容识别、智能交互和数据辅助 等高阶能力，极大地提升了眼镜的智能化水平与用户体验。因此，AI 眼镜的演 进逻辑体现为在基础眼镜功能之上的“增量创新”，通过技术赋能与功能深化， 实现了从单一视觉工具向智能化、场景化解决方案的持续演变。

眼镜自带庞大用户基础与装饰属性，千亿美金市场规模待渗透。眼镜不仅具备 功能性，更是重要的装饰品，具有广泛的用户基础，且每 3 至 5 年存在换代周 期。AI 眼镜通过智能化升级，满足视力矫正与装饰需求的同时，叠加智能服务功能，推动传统眼镜向高附加值与智能化方向转型。AI 眼镜在传统眼镜的基础 上，能够通过智能化改造直接触达这一庞大用户群体。根据 WellsennXR 预测， 2025 年起，AI 智能眼镜将在传统眼镜稳步增长的基础上加速渗透，预计 2029 年销量达 5500 万副；到 2035 年，全球传统眼镜销量将达 19.7 亿副，其中 AI 智能眼镜占比将达到 70%（14 亿副）。市场规模方面，根据洛图科技（RUNTO） 数据显示，2024 年 1 至 7 月智能音频眼镜均价 1160.7 元，假设价格维持稳定， 全球 AI 眼镜市场规模或将在 2030 年突破百亿美元大关，并在 2035 年有望达到 2000 亿美元规模。

3.2 技术趋势：具备多模态输入能力，“AR+”是大势所趋

目前主流 AI 眼镜技术主要以语音交互方式为主，暂不具备 AR、VR 等设备的视 觉交互能力。目前主流的 AI 智能交互眼镜产品由于缺乏屏显技术的支持，功能 主要集中在语音交互、信息显示和辅助现实等较低层次的 AI 应用，硬件需求以 轻量化、便携性和低功耗为主，市场定位多为消费级与日常场景，相较于 AR、 VR 及 XR 设备，目前的 AI 眼镜在增强现实、虚拟信息叠加以及沉浸式体验等方 面存在较大差距，尤其在视觉显示、触控交互以及高性能处理器等硬件配置 上，AR、VR、XR 设备具有更高的技术支持。

以最为畅销的 AI 眼镜产品-RayBan Meta 为例，其相较上代产品主要是在摄像 头、音频等传统硬件上升级。RayBan Meta 由雷朋和 Meta 联合开发，于 2023 年 9 月底发布。2021 年，Meta 也推出过 FaceBook 与 RayBan 合作开发 RayBan Stories 智能眼镜。从销量来看，根据 VR 陀螺介绍，RayBan Stories 截至 2023 年 2 月共计仅售出 30 万台，退货率达到 13%。而二代产品 Ray-Ban Meta 的预估销量已经超过 300 万台，相比于一代产品近乎翻了 10 倍。在硬件配置方 面，RayBan Meta 采用了更先进的 AR1 Gen 1 芯片，存储提升至 2GB+32GB， WiFi 标准也升级至 WiFi 6，蓝牙版本从 5.0 提升至 5.2。此外，RayBan Meta 摄像头配置提升明显，从双摄 5MP 升级为 12MP 草摄像头，麦克风阵列从 3 麦克 风升级为 5 麦克风。同时，RayBan Meta 还支持 IPX4 防水，在防水性能方面有 所改善。

从功能侧重来看，RayBan Meta 卖点集中于听/说/摄等功能，优势主要体现在 对通信、摄像、蓝牙耳机等产品能力的整合。与市场普遍认知存在偏差的是， RayBan Meta 的热销并非源自 AI 功能的引入，其在 AI 功能正式上线之前（2024 年 4 月）便已取得了显著销量表现（根据 VR 陀螺介绍，仅 2023 年单季度 RayBan Meta 的销量就达到了 30 万幅），因此销量增长的核心驱动力主要归因于 音视频功能的显著优化与提升。从 AI 能力来看，头显设备的核心价值在于通过 高性能屏幕显示实现沉浸式交互体验，增强现实（AR）与虚拟现实（VR）设备 的技术优势也主要依托于这一能力。但由于于轻量化屏幕显示技术在 RayBan Meta 发布时尚未成熟，其镜片仍采用传统光学设计，无法支撑交互式屏显功 能，直接制约了 AI 多模态能力的充分发挥与表现力提升。根据硅星人 Pro 对话 Meta 眼镜负责人贾可南来看，即便 RayBan Meta 已嵌入大模型 AI 能力，但其功 能实现程度依然较为基础：本地端唤醒词模型仅支持“拍照”等简单指令；而 对于更复杂的多模态任务，主要依托云端处理，通过调用 Llama 70B 模型，完 成知识检索、答案生成、隐私安全过滤等功能，应用于实时翻译、物体识别及 快速信息查询等基础场景。从整体来看，RayBan Meta 的 AI 能力尚处于起步阶 段，应用场景及功能深度仍有待进一步拓展与提升。

发布 Meta Orion，Meta AI 眼镜已在向“视觉交互”高维度功能演进。2024 年 9 月，Meta 在 Meta Connect 大会上发布了最新一代 AI 头显——Meta Orion。 Orion 定位为 AR 一体机眼镜，采用衍射光波导与全彩 Micro-LED 光机技术，并 支持 6DoF SLAM 空间定位、手势识别、眼动追踪与 EMG 神经腕带功能，能够提 供全息视频、游戏、AI 识物等创新应用，并实现沉浸式 MR 体验，交互方式自然 且丰富。相较依赖 VST 方案的 Vision Pro 等产品，Orion 更具轻薄优势，适配日常使用场景。目前，Orion 仅限内部开发与演示，产量约 1000 副，未正式开 售。

海内外各大厂商亦纷纷跟进并发布 AR 眼镜产品，验证行业正在从“AI+”向 “AR+”演进。目前海内外已有多家厂商发布了具备屏显能力的 AR 眼镜产品， 例如，星纪魅族 Starv Air2 采用 Micro-LED 光机，在亮度、功耗和色彩表现上 均有明显提升；Rokid Glasses 实现了高分辨率 AR 叠加显示，能提供更加细腻 的视觉体验；Spectacles '24 则主打 AR 双目全彩显示与 6DoF 空间交互技术， 为用户带来沉浸式视觉效果。

3.3 产业链：上游重点关注芯片、光显，中下游代工、品牌/渠道商迎重估

现有产业链体系齐备，具备完整支撑 AI 眼镜生产制造的能力。与传统眼镜产业 链相比，AI 智能眼镜因功能更为多样化，使得上游、中游及下游环节规模更 大，参与的厂商也更加广泛。上游主要包括硬件结构供应商，如芯片、光显模 组、传感器、电源及结构件等；中下游则涵盖 ODM/OEM 厂商、品牌厂商以及视 光渠道商等。整体来看，产业链各环节已初步形成完整且覆盖全面的体系。

目前 AI 眼镜由于不含光显模组，核心成本仍以主板芯片为主，RayBan Meta 主 板成本占比超 50%。RayBan Meta 目前单体 BOM 成本约 174 美元，其中主板成本 达到 99.1 美元，占比 56.31%。其他组件中，充电盒/结构件/传感器/OEM 成本 分别占比为 9.94%/9.6%/8.52%/8.52%。

3.3.1 上游：AI 眼镜硬件受益确定，核心是 SOC/光显

（1）芯片：决定 AI/AR 眼镜潜力上限，目前高通是主流 SoC 供应商

AI 智能眼镜当前主要有 SoC、MCU+ISP、SoC+MCU 三类方案，其中 SoC+MCU 方案 可能是为未来主流模式。系统级 SoC 方案集成多核 CPU、GPU、ISP 等模块，性 能强大且通用性高，但成本与功耗较高。MCU+ISP 方案处理能力有限，仅适用于 简单 AI 推理。SoC+MCU 方案则通过 SoC 处理高算力任务（如 AI 计算、图像处 理），MCU 负责低算力场景及电源管理，兼顾性能与续航，适应广泛应用需求。 从长期趋势来看，AI 智能眼镜作为人体长时间佩戴的设备，需要在功耗、续航 与算力三大关键需求中取得平衡。系统级 SoC 虽具备更高算力，但在续航和散 热方面存在不足；MCU+ISP 方案因处理能力有限，仅适合简单的 AI 推理任务。 相比之下，SoC+MCU 方案能够兼顾视觉信息处理需求与电源管理，具备广泛应用 前景。但 SoC+MCU 在成本及技术复杂度上均高于其他两类，对芯片设计与系统 开发能力要求更高，行业格局上更利好 Meta、Spectacles、Google 等龙头厂 商。

高通在 AR 领域进展迅速且布局较深，是 AI 眼镜 SoC 市场的核心龙头。高通近 年来持续加大在 AR 领域的投入，三年内发布了两款 AR 眼镜参考设计及首代骁 龙 AR2 平台。其最新旗舰 SoC 骁龙 AR1（已搭载于 RayBan Meta）专注于提升日 常场景下的互动体验，硬件表现方面，骁龙 AR1 集成 14-bit 双 ISP，具备每秒 27 亿像素的图像捕捉能力，支持自动曝光、人脸检测、计算 HDR 等功能；AI 能 力方面，AR1 支持语音指令、视觉搜索、实时翻译与导航等智能应用，集成健康 传感器以监测运动数据，同时提供便捷的虚拟助手服务，进一步拓展 AR 眼镜的 应用场景。此外，骁龙 AR1 具备可扩展能力，支持三种不同配置，能够满足基 础拍摄与音乐智能眼镜、单目通知与导航眼镜以及双目沉浸式智能眼镜的多种 算力需求。同时，高通亦在 XR 领域持续布局，先后发布 XR1、XR2、XR2+等平 台，并赋能超过 80 款 VR 终端设备，是目前 AR/XR 领域里的核心龙头 SoC 厂 商。

（2）光显模组：AR 眼镜关键技术，“光波导+Micro LED”或为重点方向

光显模组组在 AR 设备 BOM 成本中占比超 40%，未来亦将是 AR 眼镜成本的核心 组件。相较于 AI 眼镜，AR 眼镜功能模块上主要包括光学显示、传感器、摄像 头、计算处理单元、音频与网络连接等模块，依据功能可归为计算、光学和传 感三大单元。根据艾瑞咨询数据，目前 AR 设备 BOM 成本中，光学显示模块占比 超过 40%，计算单元次之，为 31%，其他组件如感知单元、存储和电池合计占比 约 24%。当前 AI 眼镜因未搭载光显模组，计算单元占据成本比重最高。但随着 AR 眼镜的持续演进，光显技术作为关键制约因素，其技术优先级和成本占比或 不可小觑。

目前 AR 设备的光显方案多元共存，但考虑到 AR 眼镜未来发展方向仍需满足传 统眼镜的使用场景，“光波导+Micro LED”或是主流趋势。

显示屏：当前主流终端设备主要采用 LCoS、DLP 和 Micro OLED 三种显示 屏幕。其中，LCoS 和 DLP 已实现规模化量产，而 Micro LED 方案尚未大规 模量产，瓶颈主要集中在巨量转移技术和高制造成本。但 Micro LED 凭借 其在低功耗、高亮度和高对比度等方面的突出优势，被业界公认为下一代 AR 显示技术的核心趋势。

光学方案：当前光学成像技术包括光波导、自由曲面和 Birdbath 三种方 案。从成像原理看，自由曲面与 Birdbath 需外置显示屏，难以满足 AR 眼 镜的便携性和轻量化要求；而光波导可将显示器内置于镜架中，更适合替 代传统眼镜。光波导技术可进一步分为阵列光波导和衍射光波导，其中阵 列光波导制备工艺复杂、良率提升困难；射光波导的光栅设计自由度高、 工艺较简单，但主流的表面浮雕光栅仍存在体积大、色散等问题。目前已 有部分企业正尝试布局体全息光栅光波导（VHG），其在单色显示方面具备 优势，但光学原理、工艺及成本问题尚未解决，仍处于早期阶段。总体来 看，光波导技术无需外置显示器，形态更接近传统眼镜，未来或将是 AR 眼 镜光学方案的主要方向。

（3）传感器：空间感知/交互能力发展前提，6DoF 技术落地有望带动产业升级

SLAM（即时定位与地图绘制）是 AR 眼镜实现空间定位与环境感知的核心功能， 而传感器性能直接影响 SLAM 系统的精度与稳定性。传感器通过实时采集环境数 据，为 SLAM 算法提供关键输入，使 AR 眼镜能够实现精准的空间定位和高效的 环境建模。目前，AR 眼镜的主要传感器包括摄像头、CIS（图像传感器）和 IMU （惯性测量单元）等，其协同工作是确保 SLAM 能力的重要基础。目前在 AR 眼 镜的空间感知领域，相关技术已逐步从传统 3DoF（仅支持旋转）向 6DoF（六自 由度）演进。对比 3DoF，6DoF 可实现位置与姿态的全面追踪，能够显著提升设 备的空间定位与交互能力，但也对传感器的性能提出更高要求。后续伴随 6DoF 技术的加速普及，传感器技术亦有望迎来新一轮升级。

3.3.2 中下游：ODM/OEM 关键环节优先收益，眼镜品牌/渠道厂商或迎价值重估

（1）ODM/OEM 厂商：AR 眼镜作为软硬一体化的产品，OEM/ODM 厂商在产业链中 十分关键

AR 眼镜的硬件设计涉及精密光学、微显示屏、传感器、芯片模组等复杂组件， OEM/ODM 厂商凭借成熟的生产工艺和制造能力，能够实现规模化量产，降低制造 成本并保证产品一致性。其次，由于 AR 市场尚处于快速发展阶段，产品设计与 功能迭代速度快，OEM/ODM 厂商具备柔性供应链支持，能够快速响应品牌方需 求，推动产品落地。此外，部分 OEM/ODM 厂商在技术研发上也积累了能力，能 够为品牌方提供模块化解决方案，缩短产品开发周期。目前产业内的 OEM/ODM 厂商可分为两类，一类是以歌尔股份、立讯精密等为代表的消费电子龙头，凭 借完备的产业链和技术积累，从耳机、手表等优势领域向 AI 眼镜延展；另一类 则是以亿道虚拟为代表的厂商，自成立之初便聚焦头显设备赛道，专注发力。

（2）品牌商：联合开发模式或为主流模式，科技赋能有望带来产业升维

传统眼镜品牌+科技企业联合发品模式优势显著，可能是未来 AI 眼镜的主要业 务模式。AI 眼镜需要兼顾科技功能和传统眼镜的基础需求，如视力矫正、保护 视力及佩戴舒适度，传统眼镜品牌在镜片质量、光学安全性及人体工学设计上 具备深厚积累，消费者对此已有高度信任，品牌背书能有效消除科技企业在光 学领域的市场认知不足，增强消费者的购买安全感。对于科技企业而言，联合 传统眼镜品牌不仅能够借助其在供应链、材料安全及品牌信任方面的优势，还 能帮助产品实现快速市场化落地，特别是在面对注重品质与安全的企业客户时 更具说服力。对于传统眼镜商来说，AI 眼镜为其赋予了科技属性，实得原本属 于消费品赛道的传统产品，因与科技结合从而向消费电子产品实现升维，有望 并开辟新的增长空间并带来品牌价值重估。目前包括 BOLON、Gentle Monster、Rayban 等海外头部眼镜厂商均已先后布局其 AI 眼镜产品，同时国内 博士、雅视光学等传统眼镜商亦在纷纷跟进。

（3）渠道商：眼镜依赖线下体验场景，“AI+”有望为渠道带来新增量机遇

线下渠道作为眼镜行业的重要价值承载环节，具备试戴、选配、验光等高粘性 服务特征，决定了消费者决策链条中体验场景的不可替代性，而 AI 眼镜作为技 术驱动的新兴产品，其复杂的功能应用、适配需求及用户教育更进一步强化了 线下渠道的重要性，形成产品渗透与用户触达的关键依托。此外，AI 眼镜市场 尚处于早期阶段，消费者对技术创新与产品体验的认知培育，将进一步放大线 下渠道的用户教育与场景体验价值，或将为渠道商打造新的增长曲线与竞争壁 垒，因而在 AI 眼镜浪潮下，传统眼镜渠道品牌凭借先发优势与资源禀赋，有望 实现从存量竞争向增量赋能的跃迁，并迎来系统性重估。

4 AI 手机：千篇一律走向人格化，存算升级及能耗管理成刚需

4.1 AI 手机：AI 打破存量博弈现状，软硬件迎来新一轮创新周期

传统智能手机面临同质化问题，常年处于存量博弈阶段。传统智能手机的硬件 升级路径逐步触及天花板，诸如屏幕分辨率、摄像头像素、处理器性能等指标 提升带来的边际体验改善有限，消费者换机周期持续拉长，市场整体增长陷入 停滞。根据 Wind 数据显示，2023 年全球智能手机出货量约 11.64 亿部，同比下 滑 3.19%；中国市场出货量 2.76 亿部，同比虽微增 4.77%，但较历史高点明显 放缓。

AI 手机兼具智能化+个性化，叠加天然流量端口优势，或将成为打破行业增长 桎梏的核心变量。智能手机作为全球保有量最大的电子设备，是用户日常生活 中使用最频繁的智能终端。根据 IDC 数据，目前全球智能手机渗透率已超过 54%，用户日均使用时长超过 6 小时。与其他硬件相比，智能手机凭借其高度移 动性、便捷性以及功能集成优势，在提供通信、传感、影像、计算等多功能基 础上，能够通过摄像头、麦克风、传感器等设备实现对外部世界的感知与数据 采集，并通过与互联网的深度连接，与其他设备实现信息交互，因而其具备成 为 AI 技术大规模落地核心载体的天然优势。AI 手机则是在传统智能手机基础 上，通过 AI 技术深度赋能的智能化终端产品。其在继承通信、娱乐、办公等传 统功能的基础上，能够通过自学习能力、复杂信息感知与生成式 AI 技术，实现 个性化服务的精准供给。

海内外厂商纷纷入局，产业已具备规模化落地能力。头部手机厂商目前均已将 AI 技术作为战略重点，开始在硬件、软件与生态层面加速布局 AI 手机。例如华 为将自研大模型与终端硬件深度结合，赋能影像、语音助手等功能，推动 AI 技 术在旗舰机型上的落地；三星、小米等厂商也在积极探索 AI 技术在图像优化、 智能助手、跨设备生态融合等方面的应用。此外，AI 生态应用也在逐步丰富， 从内容生成到智能体应用，AI 手机正在形成软硬件协同的差异化竞争力。厂商 的战略布局不仅将加速 AI 手机的市场化进程，亦验证了赛道的技术成熟度与商 业潜力。

产业预期向好背景下，重点关注终端厂商及上游存储、算力等核心受益环节。 AI 手机的技术革新将带来智能手机产业链的全面升级，终端厂商率先受益：量 上，AI 赋能下的个性化功能打破同质化壁垒，带动整体出货规模增长；价上， 高端硬件配置占比提升，单机价值量显著增加；利上，自研大模型的厂商能够 通过附加软件服务拓展盈利空间。此外，AI 手机对硬件性能的高要求将加速存 储、算力等核心零部件的产业升级，电池、散热等配套产业也将迎来新的发展 机遇，全产业链价值有望持续提升。

4.2 厂商：高端机型加速 AI 化，享“量价利”齐升红利

终端厂商：生态卡位优势明显，有望先享量、价、利齐升。相较于产业链中的 其他环节，终端厂商直接面向市场需求和消费者，具备快速兑现新技术红利的 优势。随着产品落地和市场普及，终端厂商将优先受益：

量：AI 变革潜力有望重演功能机向智能机更替的市场效应，或推动行业迎 来第三波换机浪潮。回顾智能手机行业的发展脉络，市场此前主要历经了 两轮主要换机周期：一是 2009 年起，以 iPhone 4 为代表的智能手机迅速 崛起，叠加 4G 网络的规模化普及，推动全球手机市场由功能机向智能机的 全面升级；二是 2019 年后，5G 技术加速落地，显著提升智能手机在社 交、娱乐及生产力场景中的核心地位，驱动了第二轮换机浪潮。但回顾过 往技术迭代路径，传统智能手机在 AI 应用层面的布局主要围绕 3D 识别、 语音助手等基础功能，未能在此前的换机周期中形成明显的市场增量驱 动。当前，伴随大模型及生成式 AI 技术的突破性应用落地，AI 手机在语 义理解、内容生成与多模态交互等方面实现跨越式升级，推动智能手机从 “功能智能”向“系统智能”演进。相较于 5G 带来的增量优化，本轮 AI 驱动的智能手机升级周期在性能革新与用户体验跃升方面具备更高的创新 弹性，其变革潜力有望重现功能机向智能机更替时的市场效应。根据赛迪 顾问与 IDC 数据测算，2024 年全球 AI 手机出货量将达 1.5 亿部，占全球 智能手机总出货量的 13%；预计 2027 年出货量将超过 5.9 亿部，市场渗透 率有望突破 50%。其中，中国市场 2024 年 AI 手机出货量预计达到 0.4 亿部，占国内智能手机市场的 6%；到 2027 年，销量预计将突破 1.5 亿部， 市场渗透率有望提升至 52%；

价：AI 技术加速落地驱动存算需求攀升，有望进一步推动智能手机均价上 行。复盘全球智能手机均价变动趋势，2021~2022 年期间价格涨幅最为显 著，预计主要受益于 5G 基建逐步落地，推动新一轮换机周期开启。同时， 5G 技术初期主要应用于高端机型，高定价产品的市场渗透率显著提升，也 是均价上行的核心驱动力之一。根据 Counterpoint 数据，2018 年全球高 端手机市场占比仅为 13%，至 2021 年已提升至 19%。当前，伴随 AI 技术逐 步渗透，智能手机对 SoC、内存等核心零部件的需求或将大幅提升。根据 艾瑞咨询数据显示，处理器（18.6%）及内存+存储（18.1%）合计占整机成 本近 40%，为占比最高的部件。当下伴随核心零部件价格上行趋势与功能更加丰富的高端产品需求提升，预计短期内智能手机产业将迎来新一轮价 格上行周期。根据 Counterpoint 统计，预计 2024 年全球智能手机的平均 销售价格将同比增加 3%至 365 美元，到 2025 年将进一步增长至 385 美 元；

利：搭载自研大模型及应用生态核心卡位，增值软件服务有望增厚手机厂 商利润空间。与依赖第三方 API 调用的模式相比，自研大模型不仅有效降 低了中间成本，还能实现端侧与云侧的高效协同，提升模型的运行效率与 数据安全性，增强用户体验的稳定性与定制化能力。此外，手机作为用户 触达的核心终端，凭借流量入口与高频应用场景的天然优势，使其在 AI 产 业链中能够打通硬件、操作系统及 AI 应用服务等多环节，构建高度一体化 的生态闭环。因此凭借生态卡位能力，手机厂商可依托大模型驱动实现产 业链纵深布局：一方面，通过 AI 原生功能（如智能助理、个性化推荐、AI 影像处理等）显著提升硬件附加值与用户黏性；另一方面，以自研大模型 为底座，围绕应用生态提供订阅制服务、增值应用及开发者工具等多元商 业化路径，逐步开辟新的利润增长点。同时，自有生态体系的构建有助于 快速孵化行业应用、内容生态及 B 端 AI 工具链，强化平台规模效应与生态 协同力，进一步夯实技术壁垒与盈利模式。从行业实践来看，目前国际领 先厂商已逐步探索 AI 商业化路径。根据太平洋科技及热点科技报道，三星已明确计划从 2026 年起对部分 Galaxy AI 功能收取使用费用；苹果对 Apple Intelligence 采取三年免费政策，但长期不排除订阅制的可能性。 目前本土主流手机厂商均依托自研大模型技术，后续有望凭借技术沉淀与 生态闭环优势，在订阅服务、增值应用等领域逐步实现盈利能力的持续增 强，并强化其在全球 AI 产业链中的核心竞争力。

4.3 硬件：端侧模型存算升级明确，电池及散热持续受益

大模型本地化优势逐步显现，未来端侧模型产品投入力度或加大。由于目前本 地化算力尚未达到理想水平，大量 AI 产品仍依赖云端大模型进行计算和部署。 但对比云端来看，端侧大模型仍然具备一定优势：1）成本优势：端侧依靠本地 化算力进行计算，可以显著节省云端算力资源和数据传输成本，尤其是在高并 发场景下，云端资源的使用成本较高，而端侧计算则无需依赖云端服务。根据 高通介绍，目前每一次云端搜索查询（query）的成本是传统搜索方法的 10 倍，即便基于大语言模型的搜索仅占其中一小部分，每年增量成本也可能达到 数十亿美元。因而将一些处理从云端转移到边缘终端，有望减轻云基础设施的 压力并减少开支；2）稳定性优势：云端模型受限于网络传输效率，存在延迟、 宕机等风险，且在网络不可用的情况下，用户无法使用 AI 功能，而端侧大模型能够实现本地计算，即便离线状态下也可持续提供服务，具备更高的可用性和 用户体验。因此从长期发展来看，端侧大模型的应用占比有望逐步提升。但考 虑到手机的算力、存储等硬件性能仍有局限，单纯依赖端侧模型难以支撑复 杂、高算力需求的 AI 任务。因此，未来 AI 手机的发展模式可能将主要以“云 端+端侧”融合架构为主，继而能同时发挥云端的强大算力和端侧的实时、稳定 优势。

关键技术障碍持续突破，端侧大模型应用有望进一步提速。主要体现在两个方 向：1）模型精度提升与计算需求优化，拓展功能覆盖广度。根据高通介绍，除 数学推理、协作机器人等较难实现本地化部署的功能外，诸如文生图、图像识 别等应用已可通过端侧模型计算完成，编程、视频理解等更高维度功能也有望 逐步实现支持。随着主流手机芯片在算力和能效比方面的持续提升，端侧大模 型的功能广度有望进一步拓展；2）大模型压缩技术逐步成熟，推动端侧应用向 更深层次发展。当前量化、知识蒸馏、模型剪枝等大模型压缩方案已能够在保 持模型效力的前提下大幅降低模型体积。例如，奥地利科技学院等研究者提出 的 SparseGPT（首个 one-shot 精确剪枝技术）已可适配多种稀疏模式，尤其 是在大参数模型（OPT-175B）中表现尤为出色，其在高稀疏度（60%）下几乎不 会损失模型性能。后续随着压缩技术的持续进步，更大参数规模的模型有望实 现本地化部署，进一步拓展端侧大模型的功能深度和应用维度。

端侧大模型部署强调设备硬件性能，短期内对算力和存储的需求提振明确；长 期来看，在功耗控制背景下，亦有望带动电池、散热等相关产业发展。

算力：AI 推动手机 SOC 芯片架构迭代，方向上向 NPU 集成逐步演进。一方面， AI 功能正从智能识别向生成式 AI、实时数据处理等复杂应用拓展，对 SoC 的算 力、能效和集成度提出更高要求；另一方面，端侧 AI 需要在有限功耗下实现高 效算力释放，进一步推动芯片设计向高性能、低功耗、专用化方向演进。传统 CPU 和 GPU 受限于功耗与效率瓶颈，具备专用架构、并行计算与低功耗优势的 NPU（神经网络处理单元）正成为未来手机 SoC 发展的核心方向。目前，高通、 苹果、联发科等头部厂商均已加速围绕 NPU 布局。根据 IT168 网介绍，以高通 为例，其目前主打产品-骁龙 8 至尊版 NPU 芯片相比骁龙 8 Gen3，单核性能提 升 45%、多核性能提升 45%、能效提升 44%。未来随着端侧 AI 应用场景的不断 拓展，芯片厂商有望进一步加大在硬件架构创新、算力优化与软件生态构建方 面的投入，并打造更适配 AI 功能的定制化手机芯片方案，推动移动终端算力架 构全面迈向 AI 时代新形态。

存储：端侧大模型参数规模提升趋势明确，有望倒逼存储类产品革新。根据 Counterpoint 的预测，本地部署 AI 大模型的参数上限将在 2024 年增至 130 亿，2025 年达到 170 亿，预计 AI 手机端侧大模型的参数规模将进一步扩展。大 模型的参数量与存储占用呈正相关，以 Qwen/Qwen2 模型为例，据 Llamafactory 统计，其 72B/7B/1.5B 模型在推理过程中对显存的需求分别达到 331.45GB、 35.81GB 和 11.1GB。当前智能手机一般不配备独立显存，相关计算任务通常需 调用手机 RAM（运行内存）完成。目前高端智能手机的 RAM 普遍在 12GB 左右， 市面上配置最高的机型也仅达到 24GB，即便全部调用 RAM 资源，仍难以支撑 70 亿以上参数模型运行。因而短期内随着 AI 技术研发力度加大，性能与存储的升 级将成为必然趋势，有望倒逼手机硬件架构迎来进一步革新。

电池：本地计算需求攀升叠加 AI 应用持续丰富驱动手机功耗上行，智能电池亦 有望迎来换代升级。从智能手机主流芯片功耗发展来看，近年来增幅相对平 缓，主要原因在于过往 AI 模型推理任务主要依托云端，端侧计算负载相对较 低。但目前随着端侧大模型的快速演进及 AI 应用生态的持续丰富，智能手机对 本地计算的需求不断攀升，芯片在提升算力的同时，也逐步面临功耗上升的潜 在压力。在此背景下，为保障用户体验中的续航稳定性与性能表现，电池技术 的升级迭代亦是产业链重点方向。从当前趋势来看，主流手机厂商已逐步加大 对电池技术的投入，电池容量规模呈现稳步提升态势，部分高端机型的电池容 量已突破 6000mAh。未来在 AI 技术深化应用催化下，手机用电需求或将进一步 扩大，电池技术亦有望向更高能量密度、更高充电效率和更优功耗管理的方向 加速演进。

散热：AI 手机功耗提升带来更高散热要求，多元技术布局加速产业推进。散热 性能的优劣直接影响电子产品的运行稳定性与可靠性。据思泉新材招股说明书 披露，目前超过 50%的电子设备失效源于温度问题，且温度每升高 10℃，系统 可靠性将降低 50%。因此，电子电气产品的导热与散热能力成为影响其性能表现 的关键因素之一。当前，电子产品的主流散热技术包括人工合成石墨散热膜、 导热凝胶、热管、均热板、散热片、风扇及液冷等多种方式，其中手机散热主 要采用石墨片、均热板和热管等方案。伴随芯片算力的持续提升，对散热性能 的需求也相应提高。各厂商围绕散热难题展开多元化的技术布局，尽管路径有 所不同，但均致力于提升散热效率、抑制设备过热，满足用户体验与性能释放 的双重要求。

5 智驾：乘用车高阶智驾&Robotaxi 技术进步/商业化进程提速

5.1 行业技术进步&商业化进程提速，核心受益环节梳理

核心观点：关注到以 Waymo 为代表的 Robotaxi 与特斯拉为代表的乘用车/机器 人算法进步在加速：1）Waymo 从 6 月开始在旧金山地区的日均订单量已经超越 传统 taxi，加州地区单车日均接单突破 17 单；2）FSD V13.2 即将面向公众推 送，该版本将更充分发挥 AI4 硬件平台的潜力，MPI（Miles Per Intervention，接管率数据）有望明显改善；行业技术进步&商业化进程提速； 同时，国内乘用车受益自主品牌高阶智驾车型上量，行业增长曲线有望更加陡 峭，带动以大算力域控/激光雷达/智驾 SOC/线控制动为代表的刚需零部件放 量。

高阶智驾技术进步曲线愈发陡峭： 特斯拉引领，国内跟随。从 21 年的 BEV 开始，过去 3 年行业的技术进步在显著 加速：1）2016 年以前：Tesla 的感知网络是常规的 CNN，通常有多个网络，每 个网络处理一个任务（head），例如车道线检测、人物检测与追踪、信号灯检测 都有独立网络；2）2018 年多任务模型引入：感知主干网络 Hydra 叫九头蛇，这 个主干网络能延伸出很多个 head（分支任务），感知模型集成度提高；3）2020 年开始搞前融合：多传感器收集到的数据融合后再形成感知结果（特征级融 合）&Transformer 框架引入；4）2021 年引入时序信息/视频特征序列/BEV：引 入视频特征队列（ Video Feature Queue ），让网络能够处理时空信息（BEV 三 维+时间维），数据标注从 2D 图片标注到视频帧标注；5）2022 年引入占用网络 /NeRF：BEV 框架仍旧需要学习过感知对象的语义信息才能正确识别，占用网络 的引入使算法能够感知通用障碍物（把所有感知对象都视作积木拼凑成的乐 高，只考虑体积&速度，语义信息的重要性下降），引入 NeRF 后，模型具备了感 知被遮挡物体的脑补能力；6）2023/24H1 引入端到端，并开始探索世界模型： 引入端到端的目的是希望模型从代码驱动转换为数据驱动；探索世界模型是希 望模型具有理解泛化规律的能力，提升 Zero-shot 能力&提高可解释力&提高乘 车人对系统的信任感。

世界模型是智驾/机器人技术进步的下一个方向，模型的时空认真能力有望取得 空前进步： 世界模型如何推理万千平行世界：1）想象重构：比如基于 3s 真实视频生成不 同场景长视频；2）时空重构：物理规律认知+时空一致性，类似 Sora（会想象 很多个平行世界，最终选择某个似然概率最大的方向）；难点：①仍然需要大量 数据：类似人的学习过程，某个场景见多了才能更清晰的想象出来：②长视频 保持时空一致性需要解决内存&工程化问题； 世界模型具备时空认知能力：1）想象重构（空间认知）：比如一个晴天场景， 可以模型重构为雨天、下雪天；2）想象推演（时间认知）：针对一个事故场 景，模型重新模拟能做出正确的决策，比如急刹&减速避让加塞车辆）；

Robotaxi 与乘用车 ADAS/AD 的业务属性不一样，直接比较数据意义不大。 Robotaxi 的 to-B 属性决定了其跟乘用车 ADAS/AD 阶段性会有很大差异：1）成 本 BOM 成本：以小马智行/Waymo 为例，小马第六代自动驾驶系统包含 4 颗固态 雷达&2 颗补盲激光雷达&3 颗长距离毫米波雷达&11 颗摄像头（11V3R6L），Waymo 的第五代自动驾驶系统包括 10V6R5L；通常乘用车 L3 是 11V3~5R1~2L，仅传感 器方面，就多 4-5 颗激光雷达（预计 1w+成本）；域控制器方面，L4 级别至少双 冗余，考虑乘用车需要 200T 以上算力，L4 车端算力需求普遍在 1000T+（又是 1w+成本）；制动也应该双冗余；综合来看，Robotaxi 的自动驾驶硬件成本是 L3 乘用车的 2x 以上；2）为什么需要这么高的车端成本：L4 是 to-B 生意，乘客把 人身安全托付给运营方，没办法介入车的驾驶过程（最终形态是没有方向盘）， 不存在主动接管车辆的可能，且需要对监管负责（可解释性要求高于乘用车）； 因此刚需更多的规控代码&硬件冗余，MPI（Miles Per Intervention，即每次 接管的行驶里程间隔）需要远好于目前的乘用车 L2.9；3）更高的 BOM 成本&更 严格的法规要求&系统能力要求也就意味着 Robotaxi 的泛化进程会比较慢，在 某个城市表现很好，也不太可能迅速 copy 到其他城市（证据：robotaxi 主流企 业的运营范围普遍集中在少数几个打车需求旺盛的发达城市）。 乘用车 L2.9 与 Robotaxi MPI 存在 2 个数量级代差：Waymo 23 年加州单车能做 到平均 2 万公里以上介入一次，FSD V12 MPI 目前是 200-300 英里的水平；技术 路线方面，二者差异也会很大，比如 Waymo 有专门的地图测绘团队；目前算法 还是模块化+富冗余）。

乘用车 L2.9 的 MPI 不如 Robotaxi 不意味着以 Tesla 为代表的乘用车企在算法 能力上落后。本质上是 Scale up & Scale out 的权衡：Robotaxi 在特定、固 定、受控的 ODD（设计运行域）（例如特定城市、特定路段）系统能力上限可能 远强于以 FSD V12 为代表的乘用车 L2.9，但 ODD 范围远比乘用车 L2.9 要狭窄； 往后推演，由于乘用车 L2.9 率先向端到端甚至世界模型的方向演进，算法能力 提高的路径从代码量驱动转换为数据驱动，迭代速度加快，有理由相信乘用车 L2.9 的算法能力在未来几年突破 Scale law 的临界点（类似 LLM），通过算法能 力抹平硬件 BOM 投入上的差距；使 L4 以乘用车成本快速普及的同时，实现更泛 化的城市/场景落地。

Robotaxi 核心三要素为：云端安全员数量&单车 BOM（由车队规模决定）&里程 收费：1）Robotaxi 单车毛利分析：以百度的 RT5、RT6、RT7 车型为例，匡算毛 利如下：1）单车流水：假设日均 20 单；每单平均里程 7km；单位里程 ASP 3.5 元，对应每单 ASP 24-25 元；2）单车成本：考虑单车 7 年折旧，30w 的 BOM 成 本对应 3600 的月折旧；云端安全员如果是 1:3 的人车比，按照 1w 的月薪酬成 本匡算，两班倒对应的月均单车成本为 6700 元；其他可变成本包括补能、保 险、车辆自清洁等等，合计 3-4k；综合来看，匡算下来单车毛利率能做到 7.5% 左右，这个毛利率对应的车队规模预计得在万辆左右（影响单车折旧），当车队规模提升到 10w 甚至 100w 的规模时，毛利率提升的曲线会非常陡峭；市场规模 的匡算：假设 2030 年国内 100w 台 Robotaxi（考虑 600w+的出租车/网约车；大 概 10-15%占比），以小马/萝卜为代表的头部企业 30%份额（30w 台车），单车 BOM 成本 20w 以内，35-40%的毛利率；15%的净利率，单车年收入 18w （1.5*12），1800 亿的市场；头部企业有望达到 500 亿+收入，80 亿利润，是能 支持多个千亿市值公司的赛道。

重视 Waymo 的拐点级变化：24 年 6 月开始，Waymo 在旧金山地区的日均订单量 已经超越传统 taxi；加州地区单车日均订单量超过 17 单；车队规模也在加速扩 张。25 年商业化进程有望进一步提速。

乘用车端高阶智驾渗透率展望乐观：我们预计 24/25 年 200Tops 以上高算力平 台车型出货量中性预期分别为 129/210 万，仍旧维持高增。

5.2 车路协同政策先行，关注实际落地节奏与执行情况

车路协同：车路云主要普及类似 ADAS 的中低阶智能化道路，对单车智能化的趋 势影响不大。

车路协同 24H1 有较为密集的政策催化，从政策精神来看，智慧公交/自动泊车/ 城市物流/Robotaxi/自动配送等偏 to-B 的方向可能走得更快。

车路协同后续重点关注各省市招投标的启动节奏&实际执行情况。

6 AIPC – AI 功能集成化入口，催化软硬件升级迭代

6.1 AIPC 提供高效、低成本、安全的智能化需求响应，渗透率快速提升

美国为全球最大 PC 消费市场，其次为中国及西欧，据 IDC，2023 年中国 PC 出 货量 6754 万台，2028 年预计出货量为 8877 万台，中国 PC 出货量增速预计高于 美国及西欧。

PC 市场下游消费结构看，个人采购占 2023 年全球 PC 出货的 56.94%，教育及超 大企业（员工数量超 1000 人）需求占比分别为 10.19%及 8.33%。从销售渠道 看，经销/代理、零售、电子商务零售为主要的销售方式，2023 年出货量占比分 别为 24.12%、23.16%、21.36%。

AI PC 提供高效、低成本、安全的智能化需求响应，进一步释放大模型生产 力。电脑在终端硬件中具有更高的计算和存储能力，成熟的消费者使用习惯， 以及丰富交互形式，因此是大模型较先落地的理想平台。智能形式多种多样， 针对工作、学习、生活等场景，提供创作服务、私人秘书服务、设备管家服务 等在内的个性化服务，以及内容创作、系统增强等。

AI PC 将拉动 PC 市场新一轮换机，量、价增长逻辑清晰。IDC 预计，AI PC 在 中国 PC 市场渗透率将快速提升，2027 年预计达 85%。随 PC 变得更加高效全 能，售价预计稳步上升。

AIPC 适用高信息安全要求领域。AIPC 确保个人用户与企业用户的隐私与涉密信 息能在本地实现安全隔离，仅在受信任的环境下才可以被调用。因此党政、金 融、能源等对信息安全要求高的行业，AIPC 亦有广阔的落地前景。

6.2 AI 重塑 PC 生态重塑，软硬件绑定更紧密

异构算力构造并行计算能力，系统级软件充分协调“边-云”资源。传统 PC 运 行 AI 应用会存在响应速度慢、反馈时间长离线不可编辑的问题。AIPC 凭借异构算力，提供更强的并行计算能力，即对于不同的 AI 工作负载匹配最合适的计算 单元（CPU 中央处理单元 + NPU 神经网络处理单元 + GPU 图形处理）。

在系统级软件层面，AI PC 也将部署本地向量知识库，将特定的文件进行分块与 向量化，帮助 PC 了解和熟悉用户个性化的语言习惯和操作模式。

AI 能力强的大模型及软件企业将与硬件终端厂商合作绑定更加密切。AI PC 将 更加强调软件能力与硬件的协调，需要软硬件厂商就计算单元及调用模块共同 研发。同时，经压缩的小模型直接在端侧部署，软硬件厂商的协同绑定预计加 深。

综上，AIPC 推广普及对相关公司业绩拉动主要为三个方面：1）加速存量 PC 市 场更新换代，带来增量的零部件、操作系统、整机及分销需求；2）改变当前 PC 品牌格局，华为、小米等智能化技术及终端生态领先的厂商，市场份额预计提 升，对应供应链及生态厂商受益；3）软件厂商在产业链的话语权提升，大模型 厂商以及与终端厂商合作绑定密切的智能应用厂商将获得更大的增长空间。

编辑：火腿肠