摘要【中信建投：AI投资下半年有两大方向端侧AI打开更多可能性】中信建投研报指出，算力仍然是大模型持续迭代的根本动力，AI走向端侧是大势所趋。随着国内大模型能力的提升、调用价格的下降以及政策上的支持，更多的AI应用将会逐步落地。C端的聊天机器人、文生图、文生视频应用正在逐步被接受。B端AI也开始在金融、工业、军事、医疗、教育等领域开始落地。展望AI投资的下半年，有两大投资方向：一是全球产业趋势，核心是算力；二是围绕国内政策拉动内需，尤其是AI与G端以及B端各行业的结合。

中信建投研报指出，算力仍然是大模型持续迭代的根本动力，AI走向端侧是大势所趋。随着国内大模型能力的提升、调用价格的下降以及政策上的支持，更多的AI应用将会逐步落地。C端的聊天机器人、文生图、文生视频应用正在逐步被接受。B端AI也开始在金融、工业、军事、医疗、教育等领域开始落地。展望AI投资的下半年，有两大投资方向：一是全球产业趋势，核心是算力；二是围绕国内政策拉动内需，尤其是AI与G端以及B端各行业的结合。

中信建投人工智能2024年下半年投资策略：全球产业趋势投资看算力，国内看B端应用，端侧AI打开更多可能性

1)算力仍然是大模型持续迭代的根本动力。算力端投资主要有三条线，一是围绕增量变化，如铜连接、液冷等；二是围绕份额变化，如存储、PCB、电源等；三是围绕英伟达业绩增速超预期与否，某种程度上决定了整个算力产业链的估值区间。

2)AI走向端侧是大势所趋。苹果的AppleIntelligence打造的原生AI操作系统和应用具备一定领先性，微软的PC端AI助手也在加速推进，关注端侧换机潮以及升级后的DRAM、隐私计算、声学、电池、散热以及ArmPC等投资机会。

3)随着国内大模型能力的提升、调用价格的下降以及政策上的支持，我们认为更多的AI应用将会逐步落地。C端的聊天机器人、文生图、文生视频应用正在逐步被接受。B端AI也开始在金融、工业、军事、医疗、教育等领域开始落地。

展望AI投资的下半年，我们认为有两大投资方向：一是全球产业趋势，核心是算力；二是围绕国内政策拉动内需，尤其是AI与G端以及B端各行业的结合。

算力领域有三方面投资逻辑：第一，围绕增量变化投资，下半年最重要的变化是AI服务器形态从过去的8卡向英伟达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Q4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，整个产业链都呈现高景气度，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，AI算力全球估值体系参照英伟达，英伟达业绩增速超预期与否，某种程度上决定了整个算力产业链的估值区间，参照台积电Cowos扩产节奏，下半年有所加速，我们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。同时，在4月份的欧洲技术研讨会上，台积电宣布至少到2026年，都将以超过60%的复合年增长率(CAGR)扩大CoWoS产能。可以看到，台积电对AI整体需求判断乐观。

铜连接价值量大幅提升，并于下半年放量：1）用量大幅增长：相比过去8卡服务器里面主要使用PCIE线，此次NVL36/72机柜除了计算托盘内使用PCIE线，还在计算托盘之间、交换芯片到背板之间、交换芯片到前板I/O端口之间均使用了高速铜缆连接，不同机柜互联也可以使用高速铜连接；2）下半年产业链开始放量：根据集邦咨询，Q3新平台Blackwell将进入市场，Q4开始放量。展望明年，Blackwell系列将成为英伟达主力销售产品，并且主要为机柜形式。对于中国厂商来说，铜连接主要机会来自于安费诺的订单外溢，考虑到明年NVL36、NVL72机柜整体出货量（等效NVL72预计在4-5万台），仅柜内线铜缆高速线市场就达到48-60亿，若考虑柜外线，则市场规模将更大。

云端内存需求均呈高景气度：1）算力中心需求量大：显存价值占比高，一台NVL72机柜中HBM3e和LPDDR5x合计需求约20.74万美金，约占NVL72机柜价值量的7%；2）端侧设备需求：长期来看端侧设备参数量会不断变大，内存也将不断增加，下一代AI手机内存有望增长至12-16GB。对于该产业链投资机会核心为两点：1）HBM3e份额以及苹果手机8GBDRAM及下一代DRAM供应商变化，重点关注美光；2）目前对于存储大厂来说，主要还是以转产为主，未来存储供需平衡可能被打破，带动存储价格持续回升。

电源方案的全新升级：服务器采用Rack一体化设计，使用外部统一电源，从而进一步优化电源管理，提升系统整体性能和可靠性。NVL72需要6个powershelf构成，单台机柜需要电源200kw左右。DrMOS模块是GPU的具体供电单元，B系列芯片的DrMOS模块需求量不断提升。主要供应商为台达、光宝，关注大陆供应商进展。

液冷散热的全面应用：目前液冷主要以冷却板与浸没式为主，相较传统风冷，算力密集度增加背景下液冷具备三点优势：1）液冷机柜具备较高功耗承载上限，可承载20KW以上AI服务器运行；2）液冷机房PUE值更接近于1，满足最新政策要求；3）低PUE背景下同样算力需求电力消耗更少，长期运营成本优势显著。整体看液冷普及率提升是算力密集度高增时代的必然趋势。

AI端侧主要投资趋势：一是DRAM增加：对于30亿参数量的模型，以Int4精度计算对内存占用量大概是1.4GB，6GB的DRAM比较难支持AI大模型。目前能支持该端侧大模型的是苹果手机中配备8GBDRAM的机型。我们认为，如果苹果之后端侧模型升级到70亿的参数量之后，那对内存占用将达到3GB，现有的8GB机型支持也将非常吃力，未来每代手机升级，苹果DRAM升级将及其重要。安卓方面，谷歌最新推出的Pixel8系列中，只有Pixel8Pro支持运行AI大模型Gemini，原因在于其配备了12GBDRAM。二是安全问题及隐私计算：未来AIPC或者AI手机都会形成本地的知识库，保证个人信息安全至关重要，未来端侧安全芯片以及算法也会升级。另外，AppleIntelligence会分析用户发出的请求能否在设备端运行，如果需要更强的计算能力，就可以借助私密云计算仅将与任务相关的数据发送给采用苹果芯片的服务器，对于部分手机大厂未来将自建为手机服务的云上推理中心。三是声学的升级：语音交互将是AI时代的一个重要入口，端侧很重要的一点是声学器件的升级。四是电池和散热变化明显：随着端侧芯片算力的增加，功耗增加，电池变大，同时散热材料也有所变化。五是关注iPhone17硬件新变化所带来的机器视觉检测设备需求变化。六是ArmPC：凭借更强大的AI能力、更强的续航、微软的重点支持、高通着力打造PC芯片等几个要素，各家大厂开始重点推出ArmPC。

特斯拉引领自动驾驶端到端变革：特斯拉FSDBetaV12.3为第一个使用端到端神经网络的FSD版本，根据特斯拉公开的最新安全数据，特斯拉车辆在开启FSD功能后，每行驶539万英里才可能发生一起事故，远低于全美每行驶67万英里即有一起事故的平均水平。大模型相比过去的算法有四个重要特点及优势：1）数据驱动：过去是靠写规则去定义自动驾驶，现在是由数据驱动，每看100-150万个视频片段，效果会有明显提升；2）上限高：大模型的涌现能力目前看在自动驾驶中也有体现，意味着把参数量做大，能解决过去自动驾驶过程中一些难解决的驾驶行为；3）迭代速度加快：过去特斯拉接近每两周迭代一次FSD算法，大模型时代每2-3天就更新一下版本；4）驾驶体验逼近人类：过去规则定义下的自动驾驶很生硬，目前体验更加类似于人类驾驶的感受，从而降低了接管次数。特斯拉也公布了FSD12.3一系列数据，平均接管里程从116英里提升至286英里，用户完全无接管的行程次数占比从FSDV11.4的47%上升至72%，效果有明显提升，乘用车辅助驾驶能力进一步提高，重点关注德赛西威。但是对于L4级无人驾驶来说，特斯拉的平均接管里程数相比于人类仍有较大差距，目前仅依靠单车智能尚无法完全实现自动驾驶，需要关注国内车路云建设。

AI应用赋能千行百业：大模型应用的另外一个主战场是行业应用，5月26日在山东省的企业和专家座谈会上，重点提及用科技改造传统行业。其次，超长期国债也将大力投入“科技自立自强”等领域。同时，《扩大内需战略规划纲要（2022-2035年）》：坚定实施扩大内需战略、培育完整内需体系。并重点提出推动5G、人工智能、大数据等技术与交通物流、能源、生态环保、水利、应急、公共服务等深度融合，助力相关行业治理能力提升。我们认为，围绕AI在金融、工业、教育、交通、军事、医疗等领域开始落地。金融端，大模型逐步成为更好的投研助手、财富管理虚拟人、金融知识库等。工业端，大模型已经开始在CAD等软件提供人机交互、AIGC生成样本等，重点关注中控技术。在机器人领域，接入大模型后的机器人智能化程度快速提升，已经开始在工厂等场景替代人完成简单任务。军事领域，海外的Palantir公司已经成功的在战场中利用大模型作为战场助手。教育领域，AI逐步在更多学科成为虚拟教师。在交通领域，车路云协同对基础设施提出更高要求，赋能智能交通管理的同时，能够有效降低智能驾驶车端成本。医疗领域，过往AI本身在医疗影像，新药研发等领域均有较为深入的应用（传统模型），生成式模型的出现使得上述领域的AI发展得到进一步深化，但总体来看，海外研发方向更偏制药，国内研发方向更偏健康管理，依据大模型效力的不同二者应用方向存在差异。

北美经济衰退预期逐步增强，宏观环境存在较大的不确定性，国际环境变化影响供应链及海外拓展；芯片紧缺可能影响相关公司的正常生产和交付，公司出货不及预期；信息化和数字化方面的需求和资本开支不及预期；市场竞争加剧，导致毛利率快速下滑；主要原材料价格上涨，导致毛利率不及预期；汇率波动影响外向型企业的汇兑收益与毛利率；大模型算法更新迭代效果不及预期，可能会影响大模型演进及拓展，进而会影响其商业化落地等；汽车与工业智能化进展不及预期等。

（文章来源：财联社）

来源：东方财富网