智能化

AI 大模型赋能推动 AR 眼镜智能升级，光波导与 MicroLED 带来更优视觉体验，芯片和感知交互传感器持续向轻量化、高性能迭代。AR 行业即将步入高速发展期，相关供应链有望深度受益，推荐水晶光电、歌尔股份、龙旗科技、恒玄科技。 AR 迎来高速发展，AI 赋能驱动智能跃升。AI 大模型加持的 AR 终端能多方面提升用户体验，如增强对象识别追踪、提供个性化体验、实现实时空间映射互动及优化性能效率等。据 Statista 数据，受益于光学显示技术突破和 AI 赋能，2024 - 2027 年全球 AR 硬件出货量将从 86 万件增长至 641 万件，CAGR 达 95.3%，2024 - 2029 年 AR 硬件市场规模将从 63 亿美元增长至 118 亿美元。Meta、Google 等科技巨头积极推动 AI + AR 眼镜落地，Meta 首款 AI 加持的 AR 眼镜有望在 Meta Connect 2024 大会亮相。国内雷鸟创新等 AR 厂商加速部署语音助手、辅助翻译等 AI 功能并推进 AR 生态建设。随着 AI 大模型发展，AR 内容生态问题有望改善，推动行业前行。

随着人工智能技术的不断进步，特别是大模型能力的持续提升，软件工程领域正迎来前所未有的变革，软件工程的流程和模式正被重新定义，软件智能化进程显著加速。软件开发是大模型率先应用落地的领域之一，Gartner已将“AI增强软件开发”列入2024年十大战略技术趋势之一 。

《2024 中国 NOA 功能技术发展路线洞察分析报告》指出，2022 - 2023 年高速 NOA 功能落地开启用户对高阶智能驾驶功能的认知，2024 年车企一边优化高速 NOA 功能体验，一边推动城市 NOA 功能落地。高速 NOA 功能渗透率不断提升，其复杂度低，正从技术驱动向成本驱动发展，方案总价格可控制在万元以内。城区 NOA 功能在 2024 年开始大规模量产应用，头部企业正实现无图方案的全国可用。主机厂因自身能力、品牌定位等选择的技术路线存在差异，分为纯视觉路线和多传感器融合路线。随着技术提升和硬件成本下降，车企寻求性能与成本的平衡。高阶智驾功能市场竞争格局 “缩圈”，AI 能力成为关键竞争力，华为、大疆、地平线、Momenta 等企业处于领先地位。端到端技术有望改变智驾传统算法架构。整体而言，中国 NOA 功能技术发展呈现千帆竟发态势，勇于创新进取的企业将在竞争中胜出。

人形机器人：行则将至，量产可期。人形机器人是AI技术落地物理世界的优质载体，近两年通用大模型的发展赋予人形机器人强大的泛化能力，产业进入商业化落地的初级阶段，特斯拉、Open AI、英伟达、三星等科技巨头纷纷入局抢占行业高地。以特斯拉为例，马斯克于2021年提出人形机器人概念机Tesla Bot，2022年推出原型机Optimus，2023年12月推出Optimus-Gen2，相比一代进化显著，感知、大脑、运控能力明显提升。伴随特斯拉Optimus落地，2025年人形机器人将步入量产元年，其应用场景有望经历“汽车工厂应用—制造业开始全面渗透铺开—成熟后走进千家万户”三个阶段。据我们测算，至2030年全球人形机器人需求有望达200万台，对应市场空间超5700亿元。

2024 年下半年，国内 AI 芯片厂商的产品迎来密集迭代，软件生态成为核心竞争要素之一。在国产厂商中，兼容 CUDA 路线的海光信息以及自成体系路线的华为昇腾进展最快，用户使用体验良好，其新产品有望更快实现放量。 原因及逻辑： AI 开发框架方面：Pytorch 和 Tensorflow 呈双寡头格局，并且逐渐与 AI 芯片解耦。 GPU 编程平台方面：在训练端，每家 AI 芯片都拥有自己的 GPU 编程平台软件。其中，英伟达的 CUDA 具有先发优势，构建起了一定的生态壁垒。其他厂商与英伟达竞争主要采用两类方式：一是兼容英伟达 CUDA，典型代表为 AMD 和海光信息；二是自成体系，以华为昇腾、寒武纪为代表。

OpenAI发布新的具有深度思考能力的o1推理模型，模型在复杂问题上花更多时间进行思考而非直接回应，具有改善和调整策略的能力，在科学、代码和数学等复杂问题上表现出色。OpenAI o1融合思维树和强化学习，实现思维模式的深度探索。Open o1在模型推理侧同样满足scaling law，即模型推理时间越久模型处理复杂问题能力愈强，通过不断的思维树检索和反复自我博弈，o1呈现出类人的逻辑思维潜力。由于推理过程的反复博弈，新架构下推理侧算力消耗将大幅增加。 OpenAI o1具备深度思考能力，在复杂问题上表现出色。从ChatGPT爆火整个社交网络后，大模型行业进入如火如荼的发展阶段，模型的基础能力得到显著提升，然而Transformer模型由于其架构限制存在一定的能力边界难以逾越，涉及到复杂数理逻辑推理时表现仍然有待提升。提示词工程应运而生，在合理的提示词设计下，大模型推理能力得到显著提升。OpenAI发布新的具有深度思考能力的o1推理模型，模型在复杂问题上花更多时间进行思考而非直接回应，具有改善和调整策略的能力，在科学、代码和数学等复杂问题上表现出色。

思维链铸就智能体，多体交互拓展应用：早在上世纪 50 年代，阿兰图灵把“高度智能有机体”扩展到了人工智能。如今随着大模型的快速发展，这个概念又被重新拾起。大模型成为了智能体目前最完美的载体，有望完成从概念到实际应用的蜕变。用户在 Agent（智能体）模式中给 AI 设臵目标和身份，并提供 Prompt（提示词）。AI 自主拆分任务、使用工具、完成工作，用户仅负责设立目标、提供工具资源和监督结果。 赋能两类实体领域，成本与效益的博弈：AI Agent 目前的应用大多都在概念层面，但随着大模型竞争加快、政策鼓励研发投入、更多企业参与 AI 研究等因素，应用层面的 AI Agent 推进速度加快。智能体大致可以分为六类，根据他们被设计出的特点，可以作用在不同的应用领域上。不同类别的智能体给予应用层面上更多研发方向，像目前关注度较高的自动驾驶技术、智能电网控制、能源管理等都能被垂类智能体覆盖。结合多模态大模型，自动化和情感需求类智能体已落地。但商业化智能体仍需考虑成本问题，由于智能体之间的交互过程可能出现错误循环且输出结果不一定符合需求，tokens 成本远高于普通 LLMs。

智能驾驶 SoC 是智能驾驶汽车的关键 “中枢大脑”，L2 级智能驾驶已成主流，L3 级正在落地，汽车智能电动化使车用 SoC 芯片成为趋势，市场规模有望达千亿。2028 年全球和中国的 ADAS SoC 市场预计达 925 亿和 496 亿元，2030 年全球和中国的 ADS SoC 市场预计达 454 亿和 257 亿元。 该赛道主要参与者有英伟达、Mobileye、高通、华为、地平线、黑芝麻智能、芯擎科技、辉羲智能等，英伟达提供完整解决方案，Mobileye 走向高阶智驾，高通主打高集成低成本，华为提供系统化方案，地平线以特定技术平台提供智能驾驶方案，黑芝麻智能专注视觉感知与自主 IP 芯片研发，芯擎科技致力于汽车电子芯片整体方案，辉羲智能打造车载智能计算平台。

普惠大众的智算是 AI 及数字经济发展的必需品。算力中心作为数据计算、存储、交换的重要场所，是数字技术与实体经济深度融合的必要条件，是现代化产业体系建设的动力引擎。据国家信息中心数据，未来 80%的场景都将基于AI 进行，普惠大众的智算将要像水、电一样驱动科技发展。AI 是中美两国科技竞争的重要领域，当前我国算法和智能算力落后。智算的稀缺和昂贵，已成为制约 AI 发展的核心因素。 产业信号积极，大模型拉动智算需求激增。根据 IDC 数据，2023 年中国人工智能市场支出规模或为 147.5 亿美元，约占全球总规模 10%；预计 2021-2026年 CAGR 将超 20%，我国大模型产业蓬勃发展。人工智能支出可分为硬件、软件和服务三大部分，现阶段中国市场倾向于首先投资硬件，预计中国人工智能支出中硬件占比到 2026 年之前将一直保持 50%以上的份额，在 AI 硬件支出份额方面，AI 服务器占最大份额，超过 80%。AI 服务器作为智算重要载体，2023 年其市场规模为 91 亿美元，同比增长 82.5%。芯片是算力供应的核心，当前仍以 GPU 为主。据中商产业研究院数据，2023 年我国 AI 芯片市场规模已达 1206 亿元，2024 年有望达到 1412 亿元，2019-2024 年 CAGR 达 64.84%。

算力指实现AI系统所需要的硬件计算能力，是AI的“底座”，在AI时代下对GDP、数字化转型、产业数字化三方面均具有显著的拉动作用。 算力产业链覆盖范围广阔，包括GPU芯片、服务器、IDC厂商、AIGC应用服务提供商等，具有庞大的挖掘价值。通过产业链的梳理和分析，各个体系架构有着不同的投资逻辑和重点：Ø GPU芯片：传统摩尔定律逐步失效，算力催化新摩尔定律呈现Ø 服务器：需求侧市场持续繁荣，量价齐升为主要投资逻辑

通过对比美国和日本工业机器人发展，可知工业机器人行业发展离不开劳动力短缺推动、强劲下游应用加速、政府政策支持。美国作为工业机器人诞生地发展缓慢，因初始投资成本大、劳动力充足、企业盈利能力低及政策导向创造就业。日本成为 “工业机器人王国” 则是由于社会老龄化劳动力需求增长、成本与年薪差距不大、汽车等下游需求高及政府支持。从发那科的发展看，其核心竞争优势在于核心零部件自供、开辟海外市场及拓宽产品链。我国工业机器人市场虽实现 “十年十倍” 增长但增速放缓且存在供需 “剪刀差”，国产品牌市占率提升，已形成完整产业链并加速国产替代且拓展海外市场。行业马太效应加剧，汇川技术打造机器人一体化服务，埃斯顿出货量居国产品牌第一且核心零部件自主率高，埃夫特加强产品提升国外影响力。

《大模型落地路线图研究报告（2024 年）》由中国信息通信研究院发布，旨在探索大模型的最佳落地路线。该报告遵循 “需求拉动、问题驱动、创新推动、技术带动” 四大原则，从现状诊断、能力建设、应用部署、运营管理四个阶段着手，围绕基础设施、数据资源、算法模型、应用服务、安全可信五个层面全方位分析大模型落地过程中的关键问题与解决思路。 报告指出，当前大模型发展存在工程实践复杂、技术选型困难、能力评估不全面等问题，在应用落地过程中面临多重挑战。但以大模型为代表的新一代人工智能技术加速迭代，成为新一轮科技和产业变革的重要驱动力。