电子行业深度报告：AI新范式：云厂商引领+内需为王-民生证券-

AI新范式：云厂商引领+内需为王 2024年12月29日 ➢Scaling Law 2.0，CSP的私域数据成为关键。过去大模型的发展符合Scaling Law，然而当下公有数据逐步达到瓶颈，私域高精度数据或成为ScalingLaw 2.0的核心要素。OpenAI前首席科学家Ilya在公开演讲中提到，由于“我们已经达到了数据的峰值”，当前AI模型的预训练方式可能走向终结。想要在特定领域训练出垂直化的“专家大模型”，数据的精度、准确度等指标更为重要，私域数据、人工标注的数据可能成为下一阶段大模型发展过程中的核心竞争力，掌握私域数据的CSP厂商将在大模型厂商的下一轮竞赛中更具优势。 推荐 维持评级 ➢CSP异军突起，百舸争流的算力竞争时代开启。当下AI大模型日益增长的算力需求对CSP厂商资本开支提出更高要求，考虑到成本优势以及更好的灵活性，CSP自研加速卡将成为未来AI芯片增量最核心的来源，英伟达在加速卡领域的市占率有望逐步被CSP厂商替代。与此同时，CSP自研算力也带来了算力产业链的全新变革，全新的AEC、PCB、散热、电源产业链冉冉升起，CSP合作伙伴将在算力的下一个环节中更为受益。 分析师方竞执业证书：S0100521120004邮箱：fangjing@mszq.com ➢端侧：豆包出圈，互联网巨头入局AI终端。AI终端的发展经历了由云到端、由ToB到ToC的5个阶段，当前我们处于以字节豆包为代表的互联网巨头引领的第五阶段。早期AI终端更多是品牌厂商引领，而当前互联网巨头亲自下场开发硬件，有望在AI终端产业链中发挥更加重要的作用。我们看好AI+智能终端的趋势，AI将重构电子产业的成长，加速硬件的智能化、伴侣化趋势。无论是手机、PC、AIOT、可穿戴设备、汽车电子，都有重估的潜力。 分析师宋晓东执业证书：S0100523110001邮箱：songxiaodong@mszq.com研究助理李伯语 执业证书：S0100123040030邮箱：liboyu@mszq.com ➢投资建议：我们认为，伴随着公开数据预训练scaling law的结束，AI产业叙事开始向云厂商合作伙伴转移。从数据到模型，从训练到推理，从云到端，CSP厂商全面布局，形成了完美的商业闭环。当下，无论是海外的谷歌、亚马逊，还是国内的字节、腾讯，云厂商巨头们开始接力，引领AI产业的下一棒。具体到投资方向，PCB、铜缆、温控、电源等产业链，是国内企业深耕多年，具备优势的环节。伴随着本土云厂商的大力扩产，内需为王的时代也将来临。相比过去，25年的AI产业投资将更重视合作建立、订单落地以及业绩兑现，投资回报也会更为稳健。建议关注：1、云端算力：1）ASIC：寒武纪、海光信息、中兴通讯；2）服务器：浪潮信息、工业富联、华勤技术、联想集团；3）AEC：新易盛、博创科技、瑞可达、兆龙互联、立讯精密；4）铜连接：沃尔核材、精达股份；5）PCB：生益电子、广合科技、深南电路、威尔高；6）散热：申菱环境、英维克、高澜股份；7）电源：麦格米特、欧陆通、泰嘉股份。2、端侧硬件：1）品牌：小米集团、漫步者、亿道信息等；2）代工：国光电器、歌尔股份、天键股份、佳禾智能等；3）数字芯片：乐鑫科技、恒玄科技、星宸科技、富瀚微、中科蓝讯、炬芯科技、全志科技等；4）存储芯片：兆易创新、普冉股份；5）渠道配镜：博士眼镜、明月镜片等。 相关研究 1.半导体行业2025年度投资策略：如鱼跃渊，升腾化龙-2024/12/252.EDA和IP行业专题：半导体产业基石，国产替代打破垄断格局-2024/12/253.半导体行业点评：国产DDR5突破，看好DRAM产业链-2024/12/234.电子行业动态：豆包出圈，解析字节的AI终端布局-2024/12/185.电子行业点评：11月手机补贴落地，12月iOS18.2将至-2024/12/06 ➢风险提示：大模型发展不及预期，CSP自研算力不及预期，AI终端销量不及预期。 目录 1 Scaling Law 2.0，CSP的私域数据成为关键...........................................................................................................31.1关于Scaling Law的争议，从数据规模到数据精度...................................................................................................................31.2 CSP的三大利器：私域数据、推理需求、从云到端....................................................................................................................52 CSP异军突起，百舸争流的算力竞争时代开启..........................................................................................................92.1从外采到自研，CSP的算力升级之路............................................................................................................................................92.2 CSP算力供应链新变革....................................................................................................................................................................163端侧：豆包出圈，互联网巨头入局AI终端............................................................................................................283.1字节豆包先行，加速端侧落地.......................................................................................................................................................283.2 AI终端空间广阔，SoC是影响体验的核心硬件.........................................................................................................................324投资建议..............................................................................................................................................................364.1行业投资建议....................................................................................................................................................................................364.2相关公司梳理....................................................................................................................................................................................365风险提示..............................................................................................................................................................40插图目录..................................................................................................................................................................41表格目录..................................................................................................................................................................41 1Scaling Law2.0，CSP的私域数据成为关键 1.1关于Scaling Law的争议，从数据规模到数据精度 1.1.1大模型的摩尔定律，算力需求指数级增长 Scaling Law是AI产业发展的通用规律，在Scaling Law下，大模型对算力的需求以每年10倍左右的速度增长，甚至超过了摩尔定律下半导体晶体管密度的增长速度。AI大模型的算力需求在过去几年呈现快速增长的态势，Transformer算力需求在2年内增长750倍，平均每年以接近10倍的速度增长。以Open AI的GPT为例，GPT 1在2018年推出，参数量级为1亿个，Open AI下一代推出的GPT 5参数量级预计达到10万亿。 资料来源：CSDN，民生证券研究院 1.1.2数据成为瓶颈，Scaling Law放缓 大模型的ScalingLaw表明，计算量、数据量、参数规模三个因素的增长能够不断提升大模型的性能。在任意其他两个指标不受限制的情况下，大模型的性能和另一个因素都呈现幂律关系，在大模型过去的发展过程中，算力、数据量、参数规模三个指标均没有达到上限，Scaling Law仍然在发挥作用，大模型的性能也在持续改善。 资料来源：Elias Z. Wang《Scaling Laws for Neural Language Models》，民生证券研究院 然而公开数据量的有限性制约了Scaling Law进一步发挥作用。据IDC，2018年全球数据总量为39.9ZB，预计到2028年，全球数据总量将达到393.8ZB，CAGR增速为25.7%，该增速远远低于Scaling Law下大模型参数和算力需求每年10倍左右的增长速度。Pablo Villalobos等人的研究表明，在2028年左右，大模型能够获得的数据量级将达到上限，受限于数据量，Scaling Law将会放缓。实际上，由于大模型自2022年底以来的加速发展，数据量可能在2028年以前就会达到天花板，从而限制Scaling Law发挥作用。 资料来源：《Will we run out of data? Limits of LLM scaling based onhuman-generat