AI大模型：预训练Scaling Law有望再次加速，带动产业链需求再度释放

模型预训练阶段的Scaling路径主要包括参数量扩大与训练数据集的扩大。根据OpenAI 2020年1月发布的论文《Scaling Laws for Neural Language Models》，随着增加模型参数、数据集和用于训练的计算量，语言建模性能会顺利提高（即Loss减小）。为了获得最佳性能，必须同时放大这三个因素。对于Transformer架构，计算量和模型大小、数据集大小之间存在C≈6ND的近似关系，所以预训练阶段的调整变量主要是模型参数和数据集大小。

目前参数量与训练数据集的扩大有所放缓，但科技大厂仍有所尝试。从2024年9月后的模型端的更新来看，多数的模型更新的重点在于后训练阶段的优化，模型参数与训练数据的数量的扩大逐步放缓，但科技大厂仍有尝试。从近期的预训练阶段的更新来看，主要包括Meta与小米，Meta的Llama 4系列模型参数进一步扩大，Llama 4 Behemoth总参数达2万亿级别，是目前发布的最大参数的模型。数据量方面，小米4月30日发布的MiMo系列模型，运用了约200B tokens合成推理数据，进一步扩大了训练数据规模。

此外，模型架构的改进，或是Scaling Law提速的可行性方案，有望为预训练开启新起点。2024年12月在神经信息处理系统会议（NIPS）上，Ilya Sutskever指出：1）现阶段语言模型在预训练阶段，已经达到了瓶颈，因为人类当前生产的公开数据几乎全部被用完。2）新数据或合成数据没有带来大的变化。3）大模型与人类大脑类似，但人类仍在进步，因为人类具有自我意识会使用工具创造新的知识，LLMs将结合Agent和工具推动这一进程。另外，Ilya还引用了《The evolutions of large brain size in mammals: the 'over-700-gram club quartet'》，用来说明人类大脑Scaling Law的速度快于普通哺乳动物，因此，将Transformer比作哺乳动物的话，那么下一步要点就是发现一个新的架构，其Scaling的速度能达到人类大脑的水平，这样就能在有限的数据下，进一步提高模型性能。我们认为，模型架构的改进，或是Scaling Law提速的可行性方案。

随大厂在架构方面的不断探索，预训练有望开启新的起点。回顾过去几个月的模型更新来看，各科技大厂继续推动后训练的持续演进，模型能力尤其是在工具调用、复杂任务处理方面的能力持续提升。但值得注意的是科技巨头在预训练阶段仍在继续尝试，以腾讯混元Turbo S与Google Gemini Diffusion为代表的大模型开始尝试在模型架构上进行探索，或是Scaling Law提速的可行性方案，我们认为下半年伴随科技大厂在模型架构探索的不断尝试，预训练有望开启新起点。

1）腾讯于25年2月发布了混元大语言模型TurboS，是业界首个大规模部署的Transformer-Mamba专家混合（MoE）模型，通过Mamba架构在长序列处理上的卓越效率与Transformer架构在上下文理解上的固有优势的有机协同，实现了性能与效率的平衡。具体架构采用了创新的“AMF”（Attention → Mamba2 → FFN）和“MF”（Mamba2 → FFN）模块交错模式。

1） Google的Gemini Diffusion可能是另一突破点。Google于5月的I/O大会上发布了Gemini Diffusion文本扩散模型，能够通过将随机噪声转换为连贯的文本或代码来生成输出，类似图像/视频生成模型的工作模式（Transformer模型是一个词一个词输出，而Diffusion模型一次性输出很多词再做优化，连贯性好）。Gemini Diffusion在生成内容的速度上明显快于Transformer类模型，官方指出输出速度约1479 tokens/s，而一般的Transformer类最快也只能每秒输出数百个token。Gemini Diffusion在数学和代码等编辑任务中表现出色。我们认为，Gemini Diffusion是大厂在商业化模型上首次将扩散模型用于文本生成，或是类似于OpenAI o1一样的重要路径转折点，实现快速地迭代解决方案，并在生成过程中进行错误校正。

OpenAI与xAI的大规模算力集群持续落地支持模型预训练的探索，预训练阶段的Scaling Law叙事有望重启。星际之门阿比林一期工程将共有多达40万块芯片，总发电容量将达到1.2GW，公司预计将于明年逐步投入使用；XAI在Colossus计算集群安装了20万个GPU，仍继续加码算力投资，计划再次建立一个包含100万GPU的计算集群。随着OpenAI星际之门与xAI colosuss大规模算力集群在未来的交付，预训练有望持续推进。OpenAI CEO Sam Altman在星际之门的纪录片中表示星际之门算力集群的部署是为达到AGI而建，而非满足OpenAI推理需求。我们看到在预训练阶段的探索没有停滞，在OpenAI、xAI等厂商更大规模算力的支持下预训练有望迎来新的突破。

算力链：训练 推理需求持续增长，ASIC产业链充分受益

算力链持续受益训练 推理需求增长

推理需求急剧增长，训练需求具有韧性。预训练规模的扩大将继续推动训练侧算力需求增加，同时随着多模态应用和用户数量增长带来的token数增加，推理负载占比将进一步提升。当前OpenAI、Microsoft 和 Google 等头部厂商在token生成方面都出现了阶跃式增长。其中Microsoft 在1Q25处理了超过100万亿个 token，同比增长达五倍。英伟达表示基于Blackwell NVL72的NVIDIA Nemo 技术，将 AI 推理吞吐量提升了30倍，为行业内掀起新一轮推理模型浪潮提供了动力。从5月公布的FY26Q2业绩指引来看，毛利率高于市场预期（FY26Q2 营收指引450±2% 亿美元，彭博一致性预期458亿美元；毛利率指引72%，彭博一致性预期71.6%）。

计算芯片：H20禁售提高国内厂商采购国产AI芯片意愿，当前AI芯片制约瓶颈在产能端。根据Omdia数据，24年字节和腾讯分别订购约23万颗英伟达H系列GPU（绝大部分H20），仅次于微软。H20禁售有望推动AI芯片国产化采购比例不断提升。从性能上来看，国内多款芯片浮点计算性能逐步向A100水平逼近，且经过2-3年的发展各厂商在软硬件生态建设上均有提升，规模正从千卡集群向万卡集群延伸，未上市公司如沐曦、摩尔线程、燧原、天数智芯、壁仞等芯片产品也在政府、运营商端及行业垂类细分领域不断落地，营收级别向20亿大关迈进。我们认为当前国内算力需求仍然旺盛，制约国内AI芯片出货增长瓶颈在产能端。后续建议关注国内先进制程发展进度及各互联网大厂对国内计算芯片的适配情况和采购节奏，同时也需要关注其他一级AI芯片公司上市进度。

ASIC：AI定制加速计算芯片市场前景广阔，芯片设计服务厂商核心受益

推理需求快速增长，AI定制加速计算芯片市场空间广阔。伴随AI应用逐步落地及丰富，AI推理需求显现快速增长趋势。根据谷歌CEO Sundar Pachai在2025年5月I/O大会上披露，谷歌4月AI推理处理Token量（搜索、API、Gemini等）达480万亿，同比增长50倍。而多样化推理工作负载对硬件定制化提出更高要求，定制AI芯片在成本、性能方面优势进一步凸显，谷歌、亚马逊、微软、Meta等厂商自研AI芯片持续起量，我们看好AI定制加速计算芯片市场前景广阔。Marvell预计2028年全球AI定制加速计算芯片市场规模将从2023年的66亿美金增长至554亿美金，2024-2028年CAGR=53%，28年在AI加速计算芯片中占比达到25%。其中，伴随AI定制计算系统复杂性的提升，亦带动网络接口控制器、内存池扩展器等定制XPU配套芯片市场规模快速增长。Marvell预计28年全球定制XPU配套芯片市场规模将从23年的6亿美金增长至146亿美金，在定制AI芯片中占比提升至26%（23年仅约1%）。

芯片设计服务厂商竞争较为激烈，但仍将充分受益云计算、AI模型等厂商自研AI芯片加速放量。北美云厂AI定制计算芯片设计服务厂商主要为博通、Marvell、创意及世芯，联发科凭借其领先SerDes IP能力和先进后端设计技术亦切入该市场。此外，伴随云厂商内部芯片设计团队能力逐步提升，或将更多参与到前端芯片设计环节，芯片设计服务市场竞争较为激烈。但我们看到，除传统云计算厂商之外，AI模型、主权AI、AI应用公司等亦积极布局AI定制计算芯片，因此，芯片设计服务厂商亦将迎来更广阔机遇。以Marvell为例，其在2025 Custom AI Investor Event上表示公司已获得18个AI定制芯片项目（含5个XPU项目），且其正持续跟踪的50个潜在合作项目机会在生命周期内有望带来750亿美金收入贡献。

PCB：AISC客户成为需求新驱动，PCB公司加速新产能建设应对高端需求

ASIC客户成为PCB需求新驱动。从2023年以来，随着训练端算力需求的提升，我们看到英伟达AI服务器出货量迎来了快速提升，这也推动了其产业链上的PCB企业营收和利润的高速增长。而近期随着推理端算力需求的快速提升，同时为了降低芯片成本，我们注意到海外各家云厂商和AI模型公司（比如谷歌、亚马逊、Meta、微软、OpenAI以及特斯拉等）都在加速推进 ASIC芯片项目。展望2025-2026，随海外三大云厂ASIC项目的推进，搭载这些ASIC芯片的AI服务器也将陆续出货，我们测算这些项目将在2026年给PCB厂商带来135亿元的新增需求，成为PCB板块增长的新驱动。

PCB公司加速新产能建设应对高端需求。根据我们近期产业调研，经过两年多AI算力需求增长带来的产能消耗，目前头部PCB公司的高端产能供应（主要是高多层PCB和高阶HDI产能）均呈现紧张状态。为了应对后续新增的AI算力需求，PCB公司纷纷加大研发力度开发高端产品（例如高多层PCB，高阶HDI），同时加大资本支出建设高端新产能。目前高端PCB产能短缺，我们预计高端产能建设更积极的PCB企业在2026年将有望获取更多AI类订单或突破更多AI类客户。

制造端自主可控：上游制造与设备为卡脖子环节，国内加速追赶

代工：产业链瓶颈在先进制造，国内技术节点加速追赶，同时美国也在推进先进产能本土化

下半年需求展望上，HPC高性能芯片需求仍为市场主线，工业与汽车需求持续恢复，消费电子需求存在不确定性。从主要代工厂业绩会口径上看，我们观察到1）AI相关需求仍较稳健，台积电2Q25展望乐观，业绩会上表示主要受益于AI带动的HPC需求，2Q25营收指引中位数环增12.6%，产业链相关的AI服务器电源管理芯片将同步受益；2）华虹于1Q25业绩会上表示工业与汽车领域去库完成，我们预计后续需求将逐步恢复；3）消费电子领域2H25需求存在不确定性，消费电子客户在1Q25已经进行一定补库，中芯国际于1Q25业绩会表示手机与PC市场已有一定备货，后续或存在订单量下调的可能，我们建议关注Q3新机发布季对终端销量带动情况。

技术节点方面，先进制程节点持续推进，2H25台积电工艺节点将推进至2nm，国内距全球龙头在先进工艺上尚有3-4年左右的差距，国内企业加速追赶。目前全球晶圆代工龙头台积电已在2018年/2020年/2022年分别量产领先业界的7/5/3nm制程技术，其规划2nm预计在2H25年实现量产。中国大陆方面，中芯国际已在2019年量产14nm FinFET工艺。未来随着国产设备陆续突破，有望逐步追赶全球龙头。

产能份额方面，中国大陆企业加速缩窄节点代差，先进产能投放或慢于美国，而美国依赖台积电推进先进产能本土化，或在全球形成第二个先进制造中心。中国大陆在中芯国际为代表的代工厂加速推进先进制程国产化的带动下，未来在产能与技术节点上与台积电的代差有望缩小，同时地缘政治因素影响美国开始推动台积电在美国本土建厂，据台积电1Q25业绩会，台积电美国厂中，目前4nm一厂已于4Q24量产，良率水平已能向中国台湾厂对齐，台积电称后续厂房建设进展将加速，3nm二厂将在接下来几个季度持续搬入设备，三厂、四厂将采用N2及A16节点，预计今年开始建设，五厂、六厂将建设更先进的节点，2nm节点按此前计划在2H25量产。同时美国在加速推进先进制造产能本土化，台积电3月4日宣布对美投资追加1000亿美元后，总投资将达1650亿美元，合计将在美国建设六座晶圆厂、两座先进封装厂及一座研发中心。台积电表示完成北美厂房建设后，台积电2nm等先进节点将有30%产能位于亚利桑那。据Trendforce数据，2023年中国大陆先进工艺份额占比仅8%，2027年中国大陆先进工艺收入绝对体量上有望加速增长，而在美国地区推进先进工艺本土化的带动下，美国地区先进工艺份额有望从2023年的9%增长至2027年的21%，成为第二个先进制造中心。

封测：海外制造厂引领前后道耦合，国内OSAT已做好立体封装产能准备

先进封装 Chiplet为摩尔定律放缓后芯片制造产业链的新演进范式。Chiplet技术本质上为一种可平衡大规模集成电路的计算性能与成本，提高设计灵活度，且提升IP 模块经济性和复用性的技术，将一些预先生产好的实现特定功能的芯片裸片，通过2.5D/3D等先进封装技术集成封装在一起形成系统芯片，具备允许异构集成、减少整体芯片系统制造成本以及提高设计灵活度的优势。在摩尔定律放缓后，以先进封装 Chiplet技术为代表的More than Moore方向成为继续提升芯片性能的新演进范式。

台积电等制造厂引领2.5D/3D先进封装，工艺覆盖前道后道环节，或将对海外OSAT厂份额形成挤压。台积电CoWoS为2.5D先进封装代表工艺，且在英伟达加速卡销量释放的带动下已成为2.5D主流方案。台积电在2.5D/3D封装技术上具有多年积累，从InFO到CoWoS再到下一代SoIC持续引领，我们预计海外OSAT厂份额或将在向2.5D/3D演进的趋势下被制造厂挤压。

Intel已构建涵盖2D、3D及混合架构的立体封装体系，具备跨工艺、多来源chiplet的系统集成能力。通过EMIB、Foveros、Co-EMIB等技术的持续迭代，Intel在先进封装领域已构建起完整的技术平台，并实现了成本、互联密度、能效等多维度的优化。此外，Intel Foundry正通过与其他晶圆代工厂的合作，推动封装平台向开放生态延展，验证了Intel封测技术架构在跨工艺、多来源系统封装中的适配性。整体来看，Intel的封装战略已由技术突破阶段转向产业化落地，并在系统集成复杂度、功耗优化和跨工艺兼容性方面实现领先。

三星开发了Cube系列先进封装技术平台，加速布局2.5D、3D等先进封装。2022 年 12 月，三星在半导体业务部门内成立了先进封装（AVP）业务团队，以加强先进封装技术，并在各业务部门之间创造协同效应。其先进封装业务团队依托其在晶圆制造与封装领域的垂直整合优势，构建起以I-Cube系列（I-CubeS/E）为核心的2.5D封装平台，并且推出基于TSV的X-Cube技术3D封装平台，满足不同工艺节点与应用场景下对互连密度与功耗控制的要求。三星正以I-Cube与X-Cube为双引擎，形成异构集成、高带宽、低功耗的系统封装体系。

国内Chiplet与先进封装产业链已做好技术与产线储备，先进制造突破将同步带动封装环节收入增量空间释放。目前2.5D/3D先进封装放量瓶颈在先进制造环节，我们看好国内先进制造工艺与产能突破后，带动先进封装环节厂商打开新增长点。

Chiplet方面及2.5D先进封装方面具体公司情况，请见研报原文。

设备：国产化稳步进行，关注核心新设备突破进展

趋势1#：逻辑与存储先进节点持续扩产，设备用量与价值量提升。逻辑领域，中芯国际等先进制程代工厂持续扩产并推进技术迭代，刻蚀、薄膜沉积以及量检测设备价值量均将增加。存储方面，国内长存、长鑫等多厂商持续扩产，NAND领域客户产线向256层及以上迭代带动需求持续增长，中国大陆1Q25半导体设备营收为102.6亿美元，继续保持全球最大单一市场。Lam预计2025全球WFE需求为1000亿美金（同比增长4%-5%），同时因出口限制影响Lam预计2025年下半年中国营收占比同比下降，我们看好设备国产化率持续提升。受益于下游扩产叠加国产化率提升以及新设备突破，我们预计各国产公司新签订单有望维持增长。

在国内半导体行业快速发展和国家税收优惠等促进国产化政策的双重驱动下，国内半导体设备厂商一方面不断扩大产品种类，逐步打破国外厂商垄断；另一方面，稳步提升产品性能，逐步向中高端市场渗透。根据全球半导体观察数据显示，去胶、清洗、刻蚀、热处理、CMP设备领域已成功实现较高国产化率；先进制程CVD/ALD、涂胶显影、离子注入、量测领域国产化率仍处于初期阶段，仍需在设备性能优化、工艺稳定性提升等方面发力；光刻设备领域仍急需突破。

趋势#2：关注核心卡脖子设备突破。尽管中国半导体设备产业取得长足进步，但在若干关键领域仍存在明显短板，这些环节成为制约中国半导体先进制程发展的关键瓶颈。

1）光刻机及配套系统：光刻是半导体制造过程中最复杂、最精密的环节，也是中国与全球领先水平差距最大的领域。

极紫外光刻（EUV）系统包含超过10万个精密部件，涉及超精密光学、真空等离子体光源、纳米级运动控制等尖端技术。中国在该领域尚未实现工程样机突破，光源功率、反射镜系统等核心子系统与国际水平存在代差。DUV领域上海微电子的90纳米干式光刻机已实现量产，但高端浸润式光刻机尚未看到规模量产。高端光刻胶与光刻设备需要完美匹配，而国产光刻胶在分辨率、敏感度和均匀性方面与国际先进水平差距明显。

2）先进量测设备受限：随着制程微缩，半导体制造对工艺控制的要求呈指数级增长，量测设备成为新的制约点。

美国商务部2024年11月更新对华半导体设备限制清单，新增14纳米以下量测设备出口限制。这类设备用于检测纳米级缺陷和关键尺寸量测，直接关系到芯片良率。根据科磊官网，2024年科磊在量检测领域全球市占率超过56%，根据全球半导体观察数据，2024年14纳米以下量测设备国产化率不足5%，28nm量检测设备在明暗场纳米图形晶圆检测设备、掩模版检测设备等环节尚未实现量产突破。

电子束检测设备具有超高分辨率，是先进制程开发不可或缺的工具。科磊的eDR7xxx系列可搭配EUV使用，检测分辨率达0.1纳米。国产设备在电子光学系统、高速检测算法和样品损伤控制等核心技术上存在明显差距。

3）原子级工艺设备短板：在先进制程中，原子层沉积（ALD）和外延（EPI）等原子级工艺设备存在瓶颈。

ALD设备高度依赖：原子层沉积设备由荷兰ASMI和日本KOKUSAI主导，拓荆、新凯来、微导纳米等中国企业均已推出ALD设备，但往先进节点演进上当前在工艺均匀性、颗粒控制等关键指标上与国际水平存在差距。

趋势#3：国内半导体设备商在走向平台化。全球前五大半导体设备厂商均专注于前道设备应用，分别是应用材料、ASML、东京电子、Lam Research和科磊（KLA）。其中，应用材料、东京电子、泛林半导体是平台型企业，业务横跨刻蚀、薄膜、清洗、离子注入等多个领域，而ASML和KLA属于细分领域龙头。从行业发展趋势来看，向平台型企业发展是进入全球设备第一梯队的关键路径。国内多家设备公司的发展路径为专精于某一细分设备行业，产品与技术逐步成熟后开始走向平台化，如北方华创、中微公司、盛美上海等在持续推出新品，拓宽产品覆盖，分别在已有的薄膜沉积、刻蚀以及清洗设备的领先地位上，做产品的应用领域或产品品类拓宽。

AI端侧落地：AI眼镜与智驾加速落地，果链生态持续向AI转型

AI眼镜加速迭代，2H25 AR拐点有望到来

长期来看，我们认为AI眼镜终端有望成为AI时代全新的人机交互平台。眼镜本身具有1）轻量级，2）佩戴无感化、全天候，3）高频响应等显著优点，且作为最靠近人体三大重要感官（眼、耳、嘴）的穿戴设备，能同时融合声音和视觉交互。因此，我们认为AI眼镜一方面天然适用于处理短平快的临时任务，打造个人助手；另一方面，结合显示功能的智能眼镜有望充分应用于社交、办公、垂类行业等多领域，进而成为AI时代的通用人机交互平台。

AI智能眼镜新品密集发布，巨头陆续入局，产业链加速迭代。2024年10月以来，包括百度、回车科技、Rokid、影目、闪极在内的多家公司加入智能眼镜战场，纷纷发布自家新品。2H25多家科技巨头的 AI眼镜新品有望陆续亮相。根据彭博社信息，苹果也在内部启动关于智能眼镜的新项目，最早或将于2026年发布新品。我们看好AI眼镜产业链迎来蓬勃发展期。截至1Q25，全球AI眼镜单季度销量达到60万台，同比增长216%。根据Wellsenn预测，2025年全球AI眼镜出货量有望达到550万台，同比增长262%；远期（2030年）有望达到9000万台。

AI AR眼镜拐点在即，关注光学显示环节投资机会。2025年以来，AR眼镜产业端进展积极，雷鸟、Rokid、中国移动、传音等多家企业发布了带AR显示模组的智能眼镜。此外，据彭博社信息，Meta等大厂的消费级AR眼镜有望在2H25陆续发布。

雷鸟：2025年5月正式上市全新AR眼镜雷鸟X3 Pro。该眼镜搭载了雷鸟创新自主研发的萤火光引擎，是目前业内最小的可量产彩色MicroLED光引擎，光机体积仅0.36cc，相比上一代产品缩小了40%，却能够实现高达5000nits的峰值亮度，即使在户外强光下，用户也能获得清晰明亮的视觉体验。该眼镜采用了全球首个可量产的表面浮雕光栅刻蚀光波导技术，有效减少了95%的彩虹纹现象，显著提升了视觉舒适度，减少了视觉干扰。眼镜内置高通骁龙AR1旗舰级芯片，并结合阿里独家定制的多模态大模型，支持实时语音和图像翻译、自动音频纪要、智能问答、物体识别等多模态AI功能，极大地提升了用户在各种复杂环境下的工作效能和体验。在拍照方面，X3 Pro的镜片上能够呈现出对焦点和预览图片，用户只需通过语音指令或右镜腿的可配置快捷键，即可完成拍照或视频录制。

Rokid：Rokid Glasses（AR眼镜）最早于2024年11月发布，又于2025年3月10日再次进化并发布。该眼镜采用双目衍射单色光波导方案，搭载骁龙AR1芯片与2GB RAM 32GB ROM存储组合，还配备了160mAh电池，具备卓越的续航表现。功能方面，除搭载阿里通义大模型外，还集成了DeepSeek、豆包、智谱清言、纳米搜索等多个大模型。此外，凭借自研的意图分类模型，Rokid Glasses能在2毫秒内完成对意图的分类，再将请求智能分发给不同模型，实现了快速、准确的响应，提升了交互体验的流畅度。应用场景方面，支持信息提示、接听电话、第一视角抓拍、AI问答搜索、多模态AI交互、AI拍照答题、AI多语种翻译等。尤其在演讲场景中表现出色，其提词器功能通过多模态语音识别引擎系统、动态语速适配算法和多场景演讲匹配算法，实现了与演讲者语速和节奏的自动匹配，解决了传统提词器的诸多痛点。

Meta：根据彭博社，Meta有望于2H25发布其下一代智能眼镜Hypernova，最大的升级是其独特的单目显示屏，位于右镜片的右下角区域。用户在视线向下时可以获得最佳观看效果，启动时屏幕上会呈现一个主界面，图标以水平方式排列。这种设计在功耗、成本与日常穿戴性之间取得平衡。这款产品内置了拍照、查看照片、地图导航等专属应用，还能显示从手机选择性接收的通知，比如Messenger和WhatsApp的实时消息。

我们看到当前阶段大厂正陆续推进对于AI/AR眼镜主流形态的产品卡位，包括无显示版本的拍照眼镜、单色显示AR眼镜以及全彩显示AR眼镜。随着大厂加速入局，AR光学显示技术有望逐步突破瓶颈，使得消费级AR眼镜在光学显示效果（亮度、视场角）、模组重量以及模组成本上得到优化。我们认为AR眼镜的核心增量环节——光学显示模组，有望迎来量价齐升逻辑。相关产业链包括：1）光波导、2）晶圆材料及加工环节相关公司。同时，后续随着产品进一步走向轻量化、低功耗，终端销量迎来增长，相关产业链环节包括：1）组装及模组、2）SoC。

果链：关注苹果等厂商带动AI落地节奏

苹果尝试在端侧落地现有AI技术，AI-Siri或于26年落地

市场上大多数投资者对苹果WWDC25大会的解读为“期待有限，失望有限”，反应在苹果股价上为会后小幅走低。但我们认为此次大会实际意义大于市场认知，是苹果最大化现有AI技术在手机端侧应用的一次尝试，或是苹果在AI上承前启后的一步。

WWDC25大会主要围绕两条主线推出新功能：1）AI功能的落地。包括开启与第三方的合作基础（基础模型框架）、探索端侧的应用场景（电话、翻译、屏幕视觉智能等），打造系统级Agent的雏形（MacOS对Shortcuts和Spotlight功能升级），2）设计语言的统一，采用“液态玻璃”（Liquid Glass）相关设计。

我们认为市场的关注点仍在综合AI助理Siri是否推出、是否有强大的AI模型，但忽视了在目前通用Agent尚未成熟的状态下，苹果最大化在手机端侧应用现有技术的努力。苹果高管在接受采访时也承认外界当前认为Apple在AI领域落后，但公司内部对当前产品和技术充满信心，认为苹果与其他公司在 AI 开发理念上存在差异，不是在做聊天机器人，而是让产品体验越来越好，让AI成为“强化”这些体验的工具。

苹果AI战略：不走传统聊天机器人赛道，专注系统集成。公司高管表示，AI是变革性技术，大语言模型及其衍生架构的影响或将持续数十年，如同互联网和移动技术一样，它将重塑行业、经济，也将影响苹果的产品及其他领域。苹果的任务是思考在为用户提供的体验中，哪些AI应用场景是恰当的，并确保技术安全、透明、易懂，让大众可及。苹果不会涉足所有领域，但会专注于那些最能融入用户生活的场景，不会打造聊天机器人，而是希望将智能深度集成到所有平台的体验中，以 “随需而现” 的方式服务用户，而不是让用户进入某个聊天界面才能完成任务。此次WWDC大会公司展示的就是将AI作为赋能技术，提升现有产品和功能的体验的行动。

Siri功能展望：通过集成化设计，使其随时待命，根据上下文提供相关服务。用户无需切换场景，就能直接使用所需工具完成任务。公司有信心基于设备端的大型语言模型、私有云计算，以及设备端语义索引的知识检索能力，打造更出色的 Siri。当前Siri已经能够实现一系列目标，包括更好地处理语言不流畅的情况（例如用户说错话后自我纠正时，Siri 能更精准理解）、优化对话上下文逻辑、升级用户界面、支持文本输入交互，增强产品知识储备等。并正在拓展其他功能，比如通过 APP意图调用，让Siri在设备上实现更广泛的操作编排，使其能完成更多任务，同时利用语义索引中的个人知识找到相关内容，并通过 APP意图执行操作。

Siri进展：迭代至V2版本，或于26年发布。公司高管表示，在WWDC24之前，第一个版本（V1）已基本成型，公司曾在视频中演示过他的运行情况，并花了数月时间优化，使其支持更多APP意图和搜索场景，但最终发现，V1架构的局限性无法达到公司和用户期望的质量标准，即便不断投入时间优化，它的状态也难以满足苹果的品质要求，因此公司决定转向 V2 架构，更深度的端到端架构。因此2025年春季，公司告知该功能将推迟，会专注于迁移到新架构并继续开发。当前已能在内部演示V2架构的运行，但它尚未达到公司认为能成为优秀苹果功能的质量水平，因此不公布具体发布时间，会在准备好进行测试版推送、确保大家能实际体验时再宣布。公司表示V1 架构可以说是 V2 的“半程版本”，V2在V1的基础上进行构建，但通过更完整的扩展，更统一的端到端架构将带来更高的质量和更强的能力，预计或将于26年发布。

Foundation Models开发者框架：拥抱第三方合作

发布Foundation Models框架，或催生大量具有“苹果特色”AI功能的应用。苹果多次强调，Foundation Models提供的模型具备强大、快速、私密且可离线运行的特性。公司将允许第三方开发者免费通过Swift调用苹果设备端模型的基础框架，在APP中为特定场景集成AI能力，并自动与Swift应用的数据结构融合，或为开发者与生态发展创造更多可能。

加快了外部模型的引入和适配。苹果与OpenAI的合作再进一步，将ChatGPT用于Image Playground的增强，并允许Siri在处理复杂查询时调用ChatGPT。Xcode也内置了ChatGPT。

探索端侧的应用场景

苹果在会上展示了将成熟的AI功能融入到用户日常使用的各个细节中：

1） 电话 App 能屏蔽掉大概率是推销和骚扰的电话，只留下静默的语音信箱留言，如果 AI识别出来这个陌生电话是重要电话，比如外卖等，会自动生成留言总结并打开铃声。

2） 实时翻译（Live Translation）首次集成消息、FaceTime和电话，实现文本及语音的即时多语言翻译，且全部基于本地模型保障隐私，允许跨iPhone及非iPhone设备通话。

3） 地图App智能学习日常路线，推送交通拥堵通知和提供替代路线；新增“已访问地点”隐私加密管理。

4） 通过AI增强消息生成表情（Genmoji）和图像创作能力，支持混合Emoji及文本描述产生自定义形象，开放Image Playground新API供开发者使用。

5） 视觉智能（Visual Intelligence）一键视觉搜索，支持跨App内容识别与操作，如图片搜索相似商品、日程自动添加、知识问答等，开放App Intents集成。

打造系统级Agent的雏形

MacOS尝试创造AI入口。1）新的“智能操作Shortcut”功能允许用户通过更自然的语言创建自动化流程，这实际上是让每个用户都能创建自己的小型AI助手，2）Spotlight从简单的搜索工具转变为强大的操作中心，用户可以直接在Spotlight中执行数百种操作，无需切换应用，比如能统一搜索结果，智能排序，支持搜索第三方云盘文档，结合个性化推荐和快捷键功能，甚至可以直接用它来对App内的内容进行自然语言的操作，比如对文档中的图片做背景去除。通过应用升级尝试打造“超级AI入口”的雏形。

设计语言的统一：交互界面一致，打造设备间互联性

今年苹果在软件层面最大的改进来自于操作系统设计语言——“液态玻璃”（Liquid Glass），苹果表示这也是2013年iOS 7以来首次对UI进行重构，接下来一段时间，开发者也得对应的做出大规模的UI 调整。我们认为苹果正在努力统一全平台的设计语言，包括最新的VisionOS，这一战略和苹果强调的设备间互联性，比如MacOS中通过镜像调用iPhone中App功能相通。

数据 大模型=服务，跨设备个性化AI或成为未来，未来生态价值将进一步凸显。我们认为拥有更多用户触点（不同形态硬件收集到不同用户信息，提供更多细分场景智能服务）的厂商有望打造跨设备的综合入口级助理，提供更个性化的服务，打造用户层面价值。以手机为算力核心，PC/Pad、可穿戴、家居、眼镜、机器人跨设备AI可能将成为未来，算力共享、背景数据共享、app生态共享、交互统一趋势下，生态价值或进一步凸显。

智驾端：智驾下半年有望迈入加速期

随着智能驾驶技术的不断演进，带NOA功能的高阶智驾成为近两年主机厂凸显新车智能化的重要配置。作为智能驾驶进阶的关键技术节点，NOA在原有自动泊车及基础辅助驾驶的基础上，实现了导航规划引导下的点到点智能驾驶，赋予车辆自主变道、超车及高速公路/城市道路自主通行等高阶功能，增强新车在智能化方面的竞争力。

随着智能驾驶功能持续渗透和技术不断迭代，产业链面临显著的结构性机遇。搭载高速/城市NOA车型的增加，硬件配置不断升级以满足更复杂的感知和计算需求。我们重点关注以下五个核心受益环节：（1）芯片：算力从原先基础L2等级所需的0-10Tops往高速NOA（15-128Tops）和城市NOA（200Tops以上）升级；（2）域控：随着芯片算力提升，所需配套电子元器件和散热等要求提升，产品形式从一体机往域控制器转换，带来价值量提升；（3）摄像头：过去传统L2功能一般采用4-5颗摄像头；高速NOA往往需要配置6-11颗摄像头，而城市NOA一般标配11颗摄像头，其中前视摄像头往8MP升级。（4）激光雷达：城市NOA面对的复杂场景更多，全场景智驾往往需要多传感器感知结果交互验证作为安全冗余备份。（5）高速连接器：传感器的增加带来数据从传感器端往域控内的智驾芯片中传输需求，所需高速连接器用量也有显著提升。

（1）量：比亚迪正式推动智驾平权

展望下半年，从行业空间维度分析，据Marklines，2024年20万元以下车型占据国内乘用车市场71%的份额，是智能驾驶实现规模化突破的关键增量市场。比亚迪2025年起标配大众市场车型的高阶智驾，有望形成示范效应，意味着自主品牌开始加速智能化进程。

根据比亚迪官网统计，2025年1-5月比亚迪天神之眼系列累计销量176万辆，其中智驾版车型累计销量超过71万。4/5月比亚迪智驾车型销量分别达到21.3/23.1万辆，占当月所有车型销量的比例超过60%。

此外，2025年2-3月，其他自主品牌如吉利推出千里浩瀚H1-H9、奇瑞推出猎鹰200-900、东风推出天元T100-T1000等各自旗下的智驾系统，有望在新车或者改款车中陆续开启搭载上量，行业智驾车型的量产节奏有望在下半年进一步明确。

（2）价：关注汽车反内卷效果

5月下旬，车市开启新一轮降价，引发市场对于汽车行业利润的普遍担忧。随着工信部等部门开展对于汽车企业“反内卷”的监管，6月10-11日，比亚迪、吉利、上汽、长城等车企承诺表示：将供应商支付账期统一为60天内。零部件有望普遍受益于生态改善。后续是否会对毛利率层面带来利好尚有待观察，但车市生态有望优化向上，迈入良性竞争。

（3）L3渐进，关注法规落地进展

乘用车L3层面，华为正式推出面向L3层面的ADS4.0智驾，可以实现高速场景的L3级自动驾驶，较传统L2 级智驾新增了固态激光雷达、舱内激光雷达、分布式毫米波雷达等传感以保证安全冗余。此外小鹏也正式发布L3级AI算力的车型G7 Max，搭载3颗自研图灵芯片，单车算力高达2000Tops。

目前我国拟推出《轻型汽车自动紧急制动系统技术要求及试验方法》和《智能网联汽车组合驾驶辅助系统安全要求》，有望对辅助驾驶的安全性要求做出进一步明确规范，关注后续法规落地进展以及具体安全冗余要求，我们认为或有望推动对芯片算力、激光雷达的进一步需求。

风险提示

中美贸易摩擦升级风险。基于2020年5月15日美国BIS宣布加大对华为限制事件，以及2024年12月2日美国再次宣布增加多家中国公司进入实体清单，国内半导体产业链或面临新品研发进程受阻、供应链供应受限以及新品需求下滑的风险。同时，国内消费电子产业链也面临因中美贸易摩擦升级所导致的需求下滑、业绩不及预期的风险。

电子产品渗透率不及预期的风险。电子行业创新性强、技术迭代快，新产品的渗透速度直接影响供应链厂商的业绩增速，而创新是否能激发消费需求往往需要市场的检验，因此具有不确定性的风险。

AI技术发展不及预期。Al 的进步可赋能行业各个环节，推动行业降本增效，但其发展受到各因素影响，存在发展不及预期的可能。