智能化

人工智能将从根本上改变广告和营销领域，改变垂直行业，乃至整个社会。在今天，无论是私营的、大学的还是公共的研究机构，都为人工智能的稳步发展做出贡献。但随着一些生成式人工智能工具登场，公众开始认识到生成式人工智能的潜力。这推动了该技术的快速应用，速度比以往任何技术的应用都要快，同时也明确了个人、企业和社会都必须正视生成式人工智能的影响。

随业绩提升通信指数有所回暖，人工智能仍是重点关注方向通信行业指数及估值水平自2024年2月起有所提升，走势同上证指数及深证成指趋同。标的方面，一年期涨跌幅前十的标的与年初至今涨跌幅前十的标的约有60%的重合度，AI相关赛道表现较为亮眼。由于人工智能超预期发展通信行业相关个股的成交额及估值水平持续回暖，或反映了投资者对于相关公司未来业绩预期的乐观预测。业绩方面，通信行业相关样本公司营收水平逐季提升，1024归母净利润有所提升。综合考虑在相关公司业务拓展中，人工智能对通信行业的推动作用在业绩方面的正向影响或将逐步显现。

原厂+渠道携手控制库存，拐点已至。库存方面，本轮周期下行期中，模拟芯片原厂携手分销商、汽车 Tier 1 厂商一同控制库存，已取得一定成效。TI 表示国内工业库存去化已经接近尾声；ADI 本季度库存去化近 1 亿美元，预期下季度库存将进一步优化；瑞萨表示渠道长期库存已经趋于稳定；NXP的分销渠道库存成效显著，已控制在 1.6 个月。我们认为随着下游需求逐步复苏，模拟芯片库存将趋于正常。

具备记忆、推理、规划、执行能力的 AI Agent 可能是大模型的最终形态 大模型的应用能力最初功能仅限于文字问答，此后逐渐引入图像理解、文生图功能，并通过 GPT Store 拓展功能，形成了 AI Agent 雏形，近期 GPT-4o则实现了具备情感的互动。用户数方面，根据 Similarweb，24 年 5 月ChatGPT 的 PC+移动端独立访客数达到 3 亿，在全球所有网站中排名第 22。我们认为大模型的演进方向是智能化和自动化程度逐渐提升，最终形态是AI Agent，具有自主记忆、推理、规划和执行的全自动能力。

回顾 2024 年上半年，随着行业库存去化及下游需求回暖，半导体行业一季度明显复苏，我们认为半导体行业已开启新一轮上行周期，AI 为推动半导体行业成长的重要动力；AI 大模型持续迭代，英伟达发布基于 Blackwell 架构的 GB200 超级芯片及机柜解决方案GB200 NVL72，人工智能创新从云端延展到终端，AI 手机及 AI PC新品密集发布，苹果和微软分别推出 Apple Intelligence 及Copilot+PC 加速终端变革。展望 2024 年下半年，我们看好半导体产业链有望延续复苏态势；AI 算力需求旺盛，推动云端 AI 算力硬件基础设施需求高速成长，AI 手机及 AI PC 推动产业生态加速迭代升级，AI 终端有望迎来新一轮成长期。

传感器是指能感受规定的被测量并按照一定规律转换成可用信号的器件或装置，一般包含敏感元件、转换元件和转换电路。传感器有多种分类方式，按照被测对象可分为位移、力、力矩、转速、振动、加速度、温度、压力、流量、流速等传感器，按照工作原理可分为电阻式、电感式、电容式、压电式、光电式、热电式、波式和辐射式等传感器。传感器产业链包括上游原材料（半导体、陶瓷、高分子、金属）、中游制造，下游应用，下游应用主要有工业自动化、汽车电子、医疗设备、智能家居等。 传感器市场空间大但品类多（分下游分品种），海外占比较高（欧美合计占7成左右），汽车电子是最大的下游（占比3成+）。从全口径看，全球/国内传感器市场空间达千亿美元/千亿人民币。1）从下游看：汽车电子占比32%，消费类占比18%、工业类占比16%；2）从区域看：北美占比43%，其次是欧洲、日本，国内占比较低，故存在较大国产替代空间。3）从品种看：压力传感器占比最大，在汽车电子占比30%，在消费类占比14%。

展望2024年下半年，一方面，半导体行业作为信息技术产业的基石，对于国家安全和经济发展具有举足轻重的意义，国产替代将成为我国半导体市场长期的主旋律；另一方面，智能手机进入存量博弈阶段，折叠屏产品、AI手机及AI PC等产品正在兴起，有望给产业链带来新的发展机遇。

XR是VR/MR/AR的集合，MR和AR均可实现透视，MR采用基于摄像头和屏幕的视频透视（VST，Video see-through），而AR采用光学透视（OST，Optical see-through），透视效果更真实，形态更轻便，但光学设计难度较高。

人工智能(A)的快速发展依赖于三个核心要素:数据，算法，算力。这个观点已经得到了业界的高度认可。只有这三个要素同时满足了才能加速人工智能的大发展。随着人工智能大模型规模变大以及普及应用，人工智能对能源的需求也在不断加大，逐渐成为人工智能发展关键因素之一。

商用车线控底盘赛道正成为智能驾驶领域最热的风口。 过去几年，智能汽车领域热门投资赛道大多集中在感知层和决策层，比如激光雷达、毫米波雷达等。 但2022年以来，各路资本涌向线控底盘领域，之后一直维持较高热度。 不少业界人士认为，基于线控底盘“人机解耦、高精度、高安全性”等特点，线控底盘将成为实现高阶自动驾驶的必要条件。

探求驾驶本质，人类驾驶是“本能反应”和“逻辑思维”的结合。人类的思考方式包含倾向于本能化的“快系统”和倾向于逻辑化的“慢系统”，驾驶行为也是一样，简单的驾驶行为可由快系统完成，复杂或者稀缺的长尾场景则需要调用慢系统通过人类此前积累的世界常识来处理。对自动驾驶而言，快慢系统结合为彻底解决无人驾驶提供思路。 算法、算力、数据全面升级推动自驾落地。算法端，前期传统模块化算法和端到端算法有望并行运转，平稳过渡到端到端为主；远期大语言模型有望和端到端结合，形成自动驾驶的“系统一”和“系统二”；最终强大的通用人工智能有望彻底实现自动驾驶。数据端，端到端算法对数据的“量”和“质”的需求激增，实车采集和合成数据共同为算法提供“养料”。算力端，云端算力需求进一步提升，推动模型迅速迭代。

大模型趋于分化，通用和垂直两条道路。美国模型聚焦通用，国内模型聚焦垂直行业。 通用大模型：参数普遍达上千亿甚至万亿，需要高算力进行模型训练，适用性广，如谷歌“ BERT”、OpenAI“GPT” 等。 垂直大模型：参数普遍几十到上百亿，所需算力小于通用模型，但对数据的专有性要求高，行业客户更易接受，能够看到明显受益。如华为“盘古”大模型。