智通財經獲悉，中信建投釋出研報稱，算力仍然是大模型持續叠代的根本動力。算力端投資主要有三條線，一是圍繞增量變化，如銅連線、液冷等；二是圍繞份額變化，如儲存、PCB、電源等；三是圍繞輝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作業系統和套用具備一定領先性，微軟的PC端AI助手也在加速推進，關註端側換機潮以及升級後的DRAM、私密計算、聲學、電池、散熱以及Arm PC等投資機會。
隨著國內大模型能力的提升、呼叫價格的下降以及政策上的支持，中信建投認為，更多的AI套用將會逐步落地。C端的聊天機器人、文生圖、文生視訊套用正在逐步被接受。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，我們認為有兩大投資方向：
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伺服器形態從過去的8卡向輝達NVL36、72機櫃方向發展和過渡，機櫃整合度更高，是眾多大廠主要選擇方向，其中銅連線、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，隨著龍頭公司訂單外溢，整個產業鏈都呈現高景氣度，部份公司份額提升，重點關註儲存、PCB、電源等板塊;第三，估值波動，AI算力全球估值體系參照輝達，輝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，參照台積電Cowos擴產節奏，下半年有所加速，我們看好輝達下半年業績，因此也看好整個板塊向明年估值切換。同時，在4月份的歐洲技術研討會上，台積電宣布至少到2026年，都將以超過 60% 的復合年增長率 (CAGR) 擴大CoWoS產能。可以看到，台積電對AI整體需求判斷樂觀。
銅連線價值量大幅提升，並於下半年放量： 1)用量大幅增長：相比過去8卡伺服器裏面主要使用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埠之間均使用了高速銅纜連線，不同機櫃互聯也可以使用高速銅連線;2)下半年產業鏈開始放量：根據集邦咨詢，Q3新平台Blackwell將進入市場，Q4開始放量。展望明年，Blackwell系列將成為輝達主力銷售產品，並且主要為機櫃形式。對於中國廠商來說，銅連線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4-5萬台)，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。
雲端記憶體需求均呈高景氣度：
1)算力中心需求量大：視訊記憶體價值占比高，一台NVL72機櫃中HBM3e和LPDDR5x合計需求約20.74萬美金，約占NVL72機櫃價值量的7%;2)端側裝置需求：長期來看端側裝置參數量會不斷變大，記憶體也將不斷增加，下一代AI手機記憶體有望增長至12-16GB。對於該產業鏈投資機會核心為兩點：1)HBM3e份額以及蘋果手機8GB DRAM及下一代DRAM供應商變化，重點關註美光;2)目前對於儲存大廠來說，主要還是以轉產為主，未來儲存供需平衡可能被打破，帶動儲存價格持續回升。
電源方案的全新升級： 伺服器采用Rack一體化設計，使用外部統一電源，從而進一步最佳化電源管理，提升系統整體效能和可靠性。NVL72需要6個power shelf構成，單台機櫃需要電源200kw左右。DrMOS模組是GPU的具體供電單元，B系列芯片的DrMOS模組需求量不斷提升。主要供應商為台達、光寶，關註大陸供應商進展。
液冷散熱的全面套用： 目前液冷主要以冷卻板與浸沒式為主，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伺服器執行;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，長期營運成本優勢顯著。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精度計算對記憶體占用量大概是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。我們認為，如果蘋果之後端側模型升級到70億的參數量之後，那對記憶體占用將達到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 支持執行 AI 大模型 Gemini，原因在於其配備了 12GB DRAM。二是安全問題及私密計算：未來AIPC或者AI手機都會形成原生的知識庫，保證個人資訊保安至關重要，未來端側安全芯片以及演算法也會升級。另外，Apple Intelligence會分析使用者發出的請求能否在裝置端執行，如果需要更強的計算能力，就可以借助私密雲端運算僅將與任務相關的數據發送給采用蘋果芯片的伺服器，對於部份手機大廠未來將自建為手機服務的雲上推理中心。三是聲學的升級：語音互動將是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：隨著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。五是關註iPhone17硬體新變化所帶來的機器視覺檢測裝置需求變化。六是Arm PC：憑借更強大的AI能力、更強的續航、微軟的重點支持、高通著力打造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為第一個使用端到端神經網路的FSD版本，根據特斯拉公開的最新安全數據，特斯拉車輛在開啟FSD功能後，每行駛539萬英裏才可能發生一起事故，遠低於全美每行駛67萬英裏即有一起事故的平均水平。大模型相比過去的演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100-150萬個視訊片段，效果會有明顯提升;2)上限高：大模型的湧現能力目前看在自動駕駛中也有體現，意味著把參數量做大，能解決過去自動駕駛過程中一些難解決的駕駛行為;3)叠代速度加快：過去特斯拉接近每兩周叠代一次FSD演算法， 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。特斯拉也公布了FSD12.3一系列數據，平均接管裏程從 116 英裏提升至 286 英裏，使用者完全無接管的行程次數占比從 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，重點關註德賽西威。但是對於L4級無人駕駛來說，特斯拉的平均接管裏程數相比於人類仍有較大差距，目前僅依靠單車智慧尚無法完全實作自動駕駛，需要關註國內車路雲建設。
AI套用賦能千行百業：
大模型套用的另外一個主戰場是行業套用，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、人工智慧、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。我們認為，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，大模型逐步成為更好的投研助手、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等軟體提供人機互動、AIGC生成樣本等，重點關註中控技術。在機器人領域，接入大模型後的機器人智慧化程度快速提升，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為戰場助手。教育領域，AI逐步在更多學科成為虛擬教師。在交通領域，車路雲協同對基礎設施提出更高要求，賦能智慧交通管理的同時，能夠有效降低智慧駕駛車端成本。醫療領域，過往AI本身在醫療影像，新藥研發等領域均有較為深入的套用(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，海外研發方向更偏制藥，國內研發方向更偏健康管理，依據大模型效力的不同二者套用方向存在差異。
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;資訊化和數位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;大模型演算法更新叠代效果不及預期，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;汽車與工業智慧化進展不及預期等。
