智能化

类比PC时代到移动互联网时代的发展，可以窥见AI时代的来临将带来诸多颠覆与创新，这让所有关注AI发展的人们既心生期待又满怀敬畏。AI时代大模型带来生产力水平的显著提升，不断推动应用场景的拓展和功能体验的创新，引发新生态的构建，推动C端应用生态进入新的发展阶段，也必将诞生新的超级用户入口。 当前各类AI应用层出不穷，开发生态不断演进，上演着一场百舸争流的大战：操作系统层面，模型的调用能力带来隐私问题；MaaS (Model as a Service) 和AI开发工具带来商业模式的创新；应用分发和应用调度这两个兵家必争之地将会花落谁家，尚未可知；终端的形态将如何演变、流量入口在哪里，值得我们深思和期待。

硅光集成度不断提高，应用领域也在扩大：硅光技术是以硅和硅基衬底材料作为光学介质，通过CMOS集成电路工艺制造相应的光子器件和光电器件，以实现其在光通信、光传感、光计算等领域中的实际应用。硅光子集成度不断提升，集成数量不断增加，应用领域也不断拓展。 数通光模块是硅光芯片最主要的应用方向：2022年-2028年硅光芯片市场复合年均增长率为44%，推动这一增长的主要因素是用于高速数据中心互联和机器学习光模块，数通光模块的应用占硅光芯片市场应用的93%。硅光技术既可以用在传统可插拔光模块中，也可以用在CPO方案中。

商业化路径分为轻资产平台型和重资产运营型两种模式：从投资回报的角度，重资产>轻资产；从进入壁垒的角度，牌照>技术>资产投入 Robotaxi厂商可基于robotaxi技术积累向L4或L3以下场景延伸，但在向L3及以下人机共驾的量产方案延伸时，仍需考虑方案的技术路线变化、技术方案的量产性价比以及从甲方到乙方的角色转型等多方面的挑战 现有网约车保有量高，但单车营收能力弱于传统出租车。从robotaxi市场空间来看，若仅考虑每年网约车增量市场，根据我们的单车模型（日均接单20单的情况下），每辆robotaxi单日营收可达558元，则：在1%渗透率情况下，单年新增营收金额约9.2亿元；在10%渗透率情况下，单年新增营收金额约91.7亿元

算力是衡量计算机处理信息能力的重要指标，其中AI算力专注于AI应用，常见单位为TOPS和TFLOPS，通过GPU、ASIC、FPGA等专用芯片提供算法模型训练和推理。算力精度作为衡量算力水平的一种方式，其中FP16、FP32应用于模型训练，FP16、INT8应用于模型推理。 AI芯片通常采用GPU和ASIC架构。GPU因其在运算和并行任务处理上的优势成为AI计算中的关键组件，它的算力和显存、带宽决定了GPU的运算能力。GPU的核心可分为CudaCore、Tensor Core等；Tensor Core是增强AI计算的核心，相较于并行计算表现卓越的Cuda Core，它更专注于深度学习领域，通过优化矩阵运算来加速AI深度学习的训练和推理任务，其中Nvidia Volta Tensor Core架构较Pascal架构（Cuda Core) 的AI吞吐量增加了12倍。此外，TPU作为ASIC的一种专为机器学习设计的AI芯片，相比于CPU、GPU，其在机器学习任务中的高能效脱颖而出，其中TPU v1在神经网络性能上最大可达同时期CPU的71倍、GPU的2.7倍。

科技的飞速发展引领了物流行业的革命性变革，其中智能物流系统的兴起尤为引人注目。作为这一系统的关键组成部分，物流机器人凭借其精准性、高效率和自动化优势，正在重新定义物流管理的未来。它们不仅大幅提升了物流效率和操作的准确性，还显著降低了对人力的依赖，减少了因人为操作导致的错误和货物损耗。此外，物流机器人通过优化存取流程、自动化搬运和实时监控库存，进一步提高了物流作业的整体性能和可靠性。 中国物流机器人行业发展时间较短，这个新兴行业中，机器人技术的不断进步为物流行业提供了更多的智能化解决方案，但是市场竞争激烈，产品同质化严重，厂商们需要不断创新来脱颖而出。随着电商行业的快速发展，物流机器人市场也将迎来更大的发展空间。

文心一言：百度发布文心一言4.0Turbo，其底座包括算力层、架构层、工具层和应用层。文心大模型在汽车行业的应用包括与吉利合作落地的知识增强的汽车行业大模型，以及应用于提升百度自动驾驶感知算法。 华为云盘古大模型：华为发布盘古大模型5.0，包含不同参数规格的模型，以适配不同的业务场景。华为云盘古大模型自动驾驶解决方案包括数据生成、自动标注、模型训练、云端仿真、虚实结合仿真、数据闭环等一系列能力，通过数智融合架构打破数据、AI资源管理边界，实现数据加速、算法加速和算力加速。

感知是人形机器人控制和执行的前提。传感器是一种检测装臵，能感受到被测量的信息，并能将感受到的信息，按一定规律变换成为电信号或其他所需形式的信息输出，以满足信息的传输、处理、存储、显示、记录和控制等要求。感知层的传感器是软件控制和硬件零部件的桥梁，是物理世界与数字世界的接口，是实现具身智能的关键。在人形机器人中，较为重要的几种传感器有力矩传感器、触觉传感器、IMU、视觉传感器等。

本报告由深圳前瞻产业研究院、首钢基金CANPLUS联合华为云共同撰写，并于2024年4月下旬正式联合发布。 报告显示，2023年我国AI大模型行业规模已达到147亿元。AI大模型的行业应用及技术进步能有效提升各行业生产要素的产出效率并提高了数据要素在生产要素组合中的地位。供给方面，当前AI大模型企业主要通过深化通用大模型能力或打造垂类行业大模型两种路径为下游行业提供AI大模型应用服务，商业模式则较为灵活且多元化；需求方面，企业需求特征表现为满足可落地的前提下实现价格、私密安全性和大模型能力效果的三者平衡，因此大部分的规模企业用户主要选择参数规模在100~200亿之间的AI大模型和本地化部署的落地方式。

Counterpoint Research 将“GenAI 智能手机”定义为：利用大型预训练的生成式人工智能模型来创建原创内容或执行上下文感知任务的移动设备。此类设备具备多模态能力，能够处理文本、图像、语音和其他输入方式，以生成各种类型的内容输出，并提供流畅无缝的用户体验。 全球各主要手机厂商均已布局 AI 手机，刺激行业需求回暖。2024 年 Q2 全球智能手机市场实现连续三个季度的增长，出货量同比增长 12%，达 2.88 亿台。Canalys 预测 2024 年全球 AI 手机的渗透率将达到 16%，到 2028 年达到 54%。可以说具备生成式 AI 能力的智能手机正将手机行业推进一个新时代。

以特斯拉Optimus为例，单台人形机器人需要14个行星滚柱丝杠，单价约2,000元/个，单台价值量在2.8万元以上。横向对比机器人其他部件，行星滚柱丝杠占人形机器人价值量较高，盈利能力位居前列。主要原因在于丝杠、螺母和滚柱的加工精度决定丝杠整体传动精度，高精度、传动效率、寿命要求使得行星滚柱丝杠的螺纹加工工艺壁垒极高，精密行星滚柱丝杠市场被国外所垄断，国产化率低。随着未来磨削、硬车等工艺趋于成熟，行星滚柱丝杠制造成本有进一步下探空间。

基础的构建：模型实现高效压缩是端侧AI的第一步。模型尺寸变小、同时具备较好性能，是端侧AI的前提。目前，在10B参数规模以下的模型中，7B尺寸占据主流，3B及以下小模型仍在探索，部分小模型性能正逐步接近更大参数模型，如谷歌Gemini-Nano模型在部分测试基准上接近GeminiPro、Meta Llama-3-8B模型表现可与Llama-2-70B匹敌。模型厂商为兼顾模型尺寸与性能，在算法优化上进行积极探索，在模型压缩技术、稀疏注意力机制、多头注意力变体等领域取得持续进展，帮助模型减少参数、降低存算需求，同时保持较好的性能，为端侧AI奠定小模型的基础。

车企逐鹿城市 NOA，体验是提高功能渗透率的核心 自动驾驶大势所趋，小鹏、蔚来、理想、小米等新势力，长安、赛力斯、江淮、北汽等华为系以及吉利、上汽、长城、广汽等传统车企纷纷入场，竞相推出自家城市 NOA 方案，城市 NOA 正从“0-1”步向“1-10”。提高城市 NOA 渗透率，关键是提高消费者的付费意愿，而付费意愿与城市 NOA 所能提供的体验密切相关——用户愿意为体验良好的功能买单。为了探明各家车企自动驾驶体验情况，我们在 4-6 月密集地进行了自动驾驶路侧测试，首轮选取 8 家自动驾驶水平领先车企的相关车型，地点覆盖北京、上海、广州、重庆、纽约五大城市，系统地记录了测试中的场景数据，以反映城市 NOA 功能的真实使用体验。