2025年海外TMT行业投资策略：AI需求持续高景气，算力、终端、应用全产业链投资机会梳理

算力为基：AI Agent+多模态+推理支撑新需求，算力集群趋势带动产业红利

产业链梳理：AI算力高景气，单卡到组网集群各环节均受益

生成式AI浪潮推动AI大模型研 发和相关应用开发需求，算力 硬件公司作为“卖铲人”持续 受益。 芯片侧，GPU 直接受益， 英伟达Blackwell需求强劲、 供 不应 求。ASIC定 制化 积 极配合云厂商等大客户。芯 片制造和CoWoS封装产业 链因旺盛需求积极扩产。 服务器侧，AI芯片积极出货 进而带动服务器订单高增， 同英伟达密切合作的公司受 益程度更高。AI服务器同时 带动HBM和SSD等存储需求。 数据中心侧，算力集群化趋 势带动网络互联需求，利好 光模块、交换机、线缆等。 数据中心的电力需求激增， 推高清洁能源和液冷需求。

需求：AI大模型积极迭代，Scaling Law构建算力增长底层逻辑

生成式AI竞赛中，各公司加快训练大模型，模型发布时间缩短，带动所需算力增长。单以OpenAI为例，2024年已推出文生视频大模型Sora、 多模态大模型GPT-4o和擅长解决数学、代码等复杂推理问题的o1。AI大模型仍在积极迭代、向更强性能和更多功能冲刺。

Scaling Law：OpenAI于2020年的一篇论文提出，大模型最终性能主要与计算量、模型参数量和训练数据量三者的大小相关，而与模型具体 结构（层数/深度/宽度）基本无关；而且AI大模型规模（参数量和数据集）扩大，除了提升原有性能表现外，还会“涌现”原来不具有的能力。 Scaling Law奠定了客户提升大模型性能必须购买堆叠AI算力的底层逻辑。

计算量的增长驱动AI大模型开发厂商构建更大的AI芯片算力集群。OpenAI训练GPT-4时，在大约2.5万个A100上训练了90到100天；而 OpenAI训练GPT-3时，在大约1万个V100上训练了15天。68倍计算量增长驱动OpenAI采用性能增强的AI芯片、更多芯片数量的算力集群、增 长训练时间。

各大模型厂商纷纷囤积AI芯片用于模型训练。Meta CEO扎克伯格表示2024年底Meta将拥有35万块H100，拥有近60万个GPU等效算力；根据 The information预测，截至2024Q1，OpenAI用于模型训练的服务器集群约包括12万个英伟达A100，而2024年全年的训练成本（包括支付 数据的费用）可能由原先最早计划的8亿美元增至30亿美元。

需求：RL+CoT推动AI Agent，叠加多模态推动推理算力大幅提升

RL+CoT 对于实现能自主规划的 AI Agent 至关重要。 AI Agent应当拥有自主理解、规划和执行复杂任务的能力，是打破AI应用发展瓶颈的关键， 可以将简单的指令自主拆分成多个步骤并精细化执行，将上一环节的输出作为下一环节的输入。 强化学习（RL）具备自主探索和连续决策的能力。其中包括self-play和蒙特卡洛树搜索（MCTS）。  思维链（CoT）通过分步推理，要求模型在生成最终答案前生成一系列中间推理步骤，实现“内部思维”的推理过程。

强化学习推理推出测试维度Scaling Law，提升推理算力需求。强化学习范式使得推理过程包含多次推理迭代、更加复杂的搜索算法或模型的深 度思考，因此推理中的思考时间（即测试时间）产生的数据量需要投入更多计算资源。

多模态大模型输入输出Tokens规模较纯文 本数据大幅提升。图片和视频形式需要矩 阵级分割成Tokens。 RL+COT带来测试维度Scaling Law，多模 态要求推理阶段更多Tokens输入输出，均 驱动推理算力需求大幅上升，但不代表训 练算力需求会停止增长。1）AI Agent和多 模态要求新模型持续研发；2）预训练阶段 同样需要消耗大量的算力；3）强化学习推 理和多模态大模型均并不意味着模型参数 停止扩张，因为主模型参数提升可能会产 生更好的推理路径和表现。

需求：英伟达未到“思科时刻”，跟踪客户订单和资本开支计划

AI算力产业链相较互联网时期的“思科泡沫” ，存在客户积极研发投入、行业竞争壁垒高等优势。1）AI算力客户群体（云厂商、AI初创公司） 投入大量资本开支用于AI基础设施建设，思科对应的互联网公司资金除产品技术投入外更多投入广告宣传；2）AI芯片技术和资金壁垒高，思 科的路由器、网络技术壁垒低，后期市场竞争激烈。

“思科泡沫”警醒应紧密跟踪AI算力需求和订单变化，当前英伟达Blackwell芯片订单可见度高。互联网泡沫破灭时，思科存在22亿美元过剩 库存，因此应短期监控客户订单、中长期跟踪下游客户需求和资本开支计划。

终端为继：AI +终端百花齐放，边缘SoC+生态系统+硬件迭代构筑端侧智能体

PC进入温和增长阶段，厂商专注AIPC软硬件技术迭代

2024年PC全球出货预计温和增长：根据Canalys数据，2Q24全球PC（台式机+笔记本电脑）出货量6280万台，同比增长3.4%。2H24我们看好 PC行业持续温和增长态势：1）PC市场持续复苏的大趋势；2）2H2024PC行业有望迎来换机潮；3）AIPC发布带来产品创新，有望增强客户购 买意愿。2025年我们看好PC行业仍能实现温和的个位数增长。

AIPC产品密集发布，看好2025年软硬件持续迭代，2026年加速市场渗透。2Q2024微软发布首款搭载高通骁龙PC处理器的Copilot+PC产品，英 特尔和AMD AIPC芯片以及苹果预期推出的基于M4芯片的Mac产品也将进一步推动2H24高端PC和AIPC产品的发展。我们预计2025年芯片和终端 厂商仍将围绕开发AIPC的硬件迭代、软件生态和用例探索中，2026年AIPC产品实现更广泛的进入大众视角。

智能手机2024全年或将温和增长，期待25-26年AI手机革新

2024年全球出货或将实现温和增长：1H24全球智能手机出货显著提升至5.93亿台，同比提升10.4%，主要受益于非洲中东、拉美、东南亚等新 兴市场需求提升；考虑到2H23存在高基数效应，我们预计2H24全球智能手机出货增速将有所放缓，但由于下半年仍存在： 1）华为+苹果上新 旺季；2）双十一、圣诞节等传统促销拉动，我们预计2024全年智能手机全球出货仍将保持5%左右温和上涨。

2025年有望延续“稳健上涨”趋势：我们看到全球智能手机市场正在逐步复苏，但考虑到智能手机已是成熟市场，叠加地缘政治、全球经济不 确定性，我们预计2025年智能手机全球出货量仍将保持较为稳健的增长。

看好AI手机大趋势，换机效应或将于2025-26年逐步展现：我们认为搭载生成式人工智能技术的智能手机，通过科技创新能够：1）增强现有功能； 2）为消费者提供个性化体验；3）交互方式更直观、多元；更重要的是，AI手机将是消费者接触AI最频繁、依赖性最高的使用场景，因此其渗透 率有望快速提升，根据Counterpoint预测，2024年生成式人工智能手机在整体智能手机出货量中的份额将达到18%。

安卓：4Q24旗舰新机集中发布，关注硬件升级+AI生态布局

多款SoC 针对AI进行性能升级：1）联发科-天玑9400：2024年10月9日发布，延续全大核 CPU 设计，采用 ARM v9 最新一代 Blackhawk 黑鹰架构设 计，使用一颗 3.63GHz 的 Cortex-X925 超大核+3 颗 2.80GHz 的 Cortex-X4 大核+ 4 颗 2.1GHz 的 Cortex-A720 核，GPU为 Mali-G925-Immortalis MC12，DRAM 采用 10.7Gbps 的 LPDDR5x；2）高通-骁龙8至尊版：2024年10月22日发布，采用台积电3nm制程，其最大的变化在于其不再使用 ARM架构，而是采用自研的Oryon架构，具体变为 2颗4.32Ghz超级内核+6颗3.53GHz性能内核，最高主频突破4GHz。

硬件：安卓阵营小米/vivo/OPPO/荣耀4Q24集中发布旗舰机型，关注散热+摄像+超声波指纹识别：vivo于10月14日发布 X200系列旗舰手机；华为 nova 13 系列、OPPO Find X8 系列、小米15 系列、荣耀 Magic7 系列均相继于10 月发布，Mate70系列于 11 月发布。其中 vivo X200、OPPO Find X8 均搭载天玑 9400，小米 15、荣耀Magic7均搭载骁龙 8Gen4。除此之外，由于AI手机多模态+更高能耗的特点，我们认为散热+摄像+超声波指纹 识别将为未来硬件升级重点方向。

软件：AI算法能力+OS适配能力同样重要：伴随AI手机加速渗透，软件生态将配合硬件端侧持续升级，各安卓厂商将进一步加强AI模型和应用的研发， 依靠自研OS打造AI生态。

应用为核：海外AI应用大周期拉开帷幕，各细分领域行情分阶段演绎

LLM：推理成本快速下降，新的Scaling Law正在涌现

近一年LLM的发展基于MoE、RL推理、思维链等前沿技术，性 能迭代加速，从纯文本模型向多模态和复杂推理模型迭代。1）Gemini 1.5 Pro：谷歌于24M2发布的多模态模型，可以一次性处理大 量信息，包括一小时视频、11小时音频、超过30000行代码等。 2）GPT-4o：于24M5发布的语音对话多模态模型，语音对话延迟显著降低， 与人类对话的反应速度基本一致。可以输出笑声、歌声或表达情感。 3）Claude 3.5 Sonnet：于24M6发布，综合性能超越GPT-4o的同时价格 更便宜，推理端降本速度超预期。同时推出了实时交互功能Artifacts。 4）OpenAI o1：于24M9发布，在编程、理科竞赛等推理密集型任务中， o1的性能明显优于GPT-4o，但在部分自然语言任务上无明显提升，缺点是 推理成本较高、延迟较高。基于强化学习推理和思维链技术，o1可以通过 反思和修正得出最优解决方案，展现出一定的全局思维能力和自主规划能 力，复杂推理补足长尾需求，开拓学术教育等垂类场景，AI+低代码/网络 安全领域有望最早受益。

AI搜索&AI编程：热门AI应用仍以LLM性能为核心，而非产品形态

Perplexity AI：开始探索AI原生搜索引擎的全新广告模式，与耐克、万豪等顶级品牌进行谈判，允许品牌竞标与用户查询相关的问题，并出现在AI 生成的答案中。AI能更好地分析用户行为，帮助广告主更精准地定位目标客户，提高转化率。但另一方面，广告也可能会影响内容生成的质量。 传统搜索引擎广告的变现能力极强，转向AI搜索可能出现边际收益递减，或对其他AI产品的推理算力资源造成挤占，因此主要策略是 整体来看，AI搜索和传统搜索分别满足用户的长尾和短尾需求，并未出现明显的替代关系。 谷歌24M5推出Gemini赋能的搜索体验：1）AI能总结归纳内容。2）支持复杂搜索指令，如详细规划和精细推荐。

报告节选：

编辑：火腿肠