AI 手机的本质

AI 手機的本質是自主感知、自主決策執行、具備數字人格的 Agent。AI 手機作為終端 AI 核心入口，可能成為 AI 產業革命下應用層的顛覆性切入點。AI 手機行業深度報告探索了其潛在投資機遇，涵蓋了 AI 手機的本質和顛覆性、優勢和技術可行性，以及對手機廠商、硬件和軟件三大環節的影響。新一代 AI 手機與上一代智能手機的區別在於其 NPU 算力大於 30 TOPS、搭載能夠支持更快速高效端側 Gen AI 模型的 SoC。

本文作者：，來源：國泰君安證券研究 (ID:gtjaresearch)，華爾街見聞專欄作者

AI 手機作為終端 AI 核心入口，或成為 AI 產業革命下應用層的顛覆性切入點。在此背景下，手機廠商享量價利紅利，大模型廠商變現加速，硬件廠商受益於產品迭代及供需格局。國君海外科技秦和平團隊，推出 AI 手機行業深度報告，探索 AI 手機行業的潛在投資機遇。

國君研深 1°，圍繞以下 3 個關鍵問題，精選該報告的部分章節。43 頁 3 萬字報告原文更加精彩，歡迎聯繫國君海外科技秦和平團隊或對口銷售，獲取原文。

3 個關鍵問題：

（1）是什麼？AI 手機的本質和顛覆性。

（2）為什麼？AI 手機的優勢和技術可行性。

（3）會如何？AI 手機如何影響手機廠商、硬件、軟件三大環節。

關鍵問題 1：AI 手機是什麼？

一句話簡答：AI 手機的本質是自主感知、自主決策執行、具備數字人格的 Agent。

AI 手機在定義、功能、用户體驗上均具顛覆性

AI 智能手機如何區別於上一代智能手機？上一代智能手機已搭載部分 AI 功能，如 2019 年 APPLE 在 iPhone 11 上推出的 AI 照片處理技術 Deep Fusion，通過機器學習以低到中等的光線拍攝照片，連續拍攝九張照片並最終合成高細節、低噪點圖片。購物平台與短視頻平台的智能推薦亦依賴於 AI 算法。可以説，上一代智能機在硬件端、軟件端均具備運行端側 AI 的能力。那麼，新一代 AI 智能手機新在何處？

從定義看，新一代 AI 手機（ Next-gen AI Smartphone）指 NPU 算力大於 30 TOPS、搭載能夠支持更快速高效端側 Gen AI 模型的 SoC、支持包括 Stable Diffusion 和各種大語言模型在內的 Gen AI 模型在端側運行的智能手機。根據 IDC 分類，上一代搭載初步 AI 功能的智能手機可統稱為 “硬件賦能 AI 手機”，其 NPU TOPS≤30。以 2017 年蘋果發佈的 iPhone X 為例，其搭載的 A11 Bionic 仿生芯片神經網絡引擎每秒運算可達 6000 億次，可勝任機器學習任務，人臉識別功能可隨機主的樣貌變化而調整適應。而新一代 AI 智能手機在端側 AI 運行速度、效率、應用場景、芯片算力等均實現全面提升。

從特徵看，新一代 AI 手機應具備算力高效利用能力、真實世界感知能力、自學習能力、創作能力。根據 OPPO 與 IDC，在算力高效利用能力方面，AI 手機需要高效地利用計算資源，以滿足生成式 AI 計算和端側部署的需要；真實世界感知能力方面，AI 手機需要利用視覺、聽覺、觸覺敏鋭地感知真實世界，瞭解用户與環境的複雜信息；自學習能力方面，除模型本身的學習能力外，AI 手機通過機器學習不斷理解用户習慣，通過自學能力提高交互體驗；創作能力方面，AI 手機需具備創造性，生成式服務為用户提供持續的靈感與知識支持。

從應用場景與功能看，新一代 AI 手機的已落地的使用場景可大致分為文字類、圖像視頻類、語音類及效率提升類。文字類方面，大模型接入後，無論部署於雲端或是終端，AI 手機均具備了文字分析處理及生成功能。圖像視頻類為當前 AI 手機重點發力的應用場景，利用 AIGC 可實現文生圖、圖像美化、圖像擴展與消除、視頻補幀等功能。語音類功能對 AI 算力要求較高，OPPO 推出 AI 大模型通話摘要功能，可以提取和總結通話中的要點信息，三星內置通話實時雙向翻譯和文字翻譯功能，無需第三方應用並支持 13 種語言。效率提升類目前已有筆記智能摘要、網頁智能摘要等功能落地，三星即圈即搜功能進一步完善了交互邏輯，預計未來效率提升類應用將帶來最顛覆性的體驗升級，即成長為真正的用户智能助理，目前 Pixel 系列推出的個人助手 Assistant with Bard 以及魅族 21 pro 系列推出的 Aicy 助手已初步具備智能助力雛形。

從用户體驗看，新一代 AI 手機有望真正成為自在交互、智能隨心、專屬陪伴、安全可信的個人化助理。相較於傳統智能機，AI 手機通過人格化、記憶、感知和管理能力，為用户帶來全新的人機交互體驗，打破系統、服務、設備與人之間的邊界。一方面，AI 手機基於準確的語義理解能力及龐大的知識數據圖譜，疊加對用户個性化信息、習慣的學習，可提供準確且定製化的建議與回答；另一方面，AI 手機的終極目標是擺脱臃腫、繁多的 APP，垂直整合端側應用，深層次聯通各個獨立的孤島，用户一個指令可以調動多個 APP 自動解決需求，提供一站式服務，真正扮演智能助理的角色。

AI 手機本質上是 AI Agent

AI 手機不僅限於具備生成式 AI 功能，更扮演着 AI Agent 的角色。在業內看來，AI 手機並非僅指具備生成式 AI 功能的手機。獨立的大型模型難以為手機上的其他應用提供支持，各個 APP 仍為獨立的孤島，但將這些模型融入手機系統中可以打破應用之間的隔閡，將系統的能力提升到 AI Agent 級別，不僅讓大模型加持智能助手，還能讓系統工具也具備 AIGC 能力。據榮耀 CEO 趙明刻畫， AI 手機是一個更加基礎性、系統性的 AI 算力平台。

AI 手機成長為具備數字人格的 AI Agent，需要具備自主決策能力。AI 手機不僅有底層硬件的需求，也有 OS 層面 AI 化和交互體驗的革新，它本身即是一個 AI Agent。它們能夠感知用户的需求、自主決策執行，甚至學會用户的習慣，為用户提供更為個性化的服務。根據小米、華為、vivo 等公司聯合清華大學智能產業研究院共同發佈的個人 LLM 智能體綜述論文，AI Agent 可根據能力和交互邏輯分為 L1-L5 五個等級。當前智能手機的 AI 功能停留在 L2 階段，僅能執行確定化的任務，我們認為未來的 AI 手機將真正成長為具備數字人格的 Agent，超越理解任務的範疇，具備自主決策能力，主動而不是被動地提供個性化服務。

關鍵問題 2：為什麼是 AI 手機將成為終端 AI 的核心入口？

一句話簡答：手機具備普及性、伴隨性，應用場景更為下沉；AI 手機的技術可行性得到驗證。

AI 手機可下沉至日常各類場景

相較 PC，手機普及性、伴隨性屬性更強，更適合 AI 大規模落地。根據研究機構 Strategy Analytics 數據，2023 年到 2027 年全球智能手機用户基數將增長 11%，全球智能手機滲透率將持續保持上升趨勢。根據 AI 手機白皮書，2023 年全球約 43 億人擁有智能手機，滲透率達 54%，而新華網數據顯示 2023 年我國智能手機滲透率達 85%。高普及性背景下，OPPO 用户手機日均使用時長已達到 6 小時/天，滲透於用户日常生活的方方面面，已從單純的通訊工具演變為錢包、播放器、生產工具、鑰匙等，緊密的交互性為 AI 應用大規模落地創造基礎。

對比 AI PC 和 AI 手機的定位及應用場景，AI 手機有望憑顛覆性用户體驗成為 AI 核心入口。AI PC 作為生產工具，其使用場景往往侷限於辦公場景，注重效率；而 AI 手機終極使命是成為用户的私人助理，賦能生活全場景，從瑣碎和繁雜中解放用户。從使用場景看，AI 手機因其伴隨屬性強，數據採集設備能夠收集到豐富、廣泛的多模態用户數據，從而給出個性化解決方案。以出行為例，AI 手機可調用用户日程安排中的目的地信息，給出穿衣建議；可調用機票或車票信息，給出出行時間及路線規劃建議；可結合用户歷史訂單，給出目的地就餐建議。手機憑藉其天然便攜性，可下沉至用户日常生活的各類場景，有望超越 AI PC，成為終端 AI 的核心入口。

雲端推理成本高，端雲混合優勢強

從雲到端，混合 AI 架構在成本、能耗、性能、隱私安全和個性化五大維度具備優勢。AI 手機以本地推理為主，邊緣和雲端推理為輔，能夠在混合算力、混合模型之間智能、合理地調配任務，有效縮減響應時間，且能在離線狀態下發揮作用，同時可避免數據泄露風險。值得一提的是，手機作為終端設備在個性化維度潛力巨大，混合 AI 讓更加個性化的體驗成為可能。

未來滲透率天花板下，將部分推理分流至端側進行，僅一家大模型廠商即可節約 60 億人民幣的運算成本。根據 Deep Trading（一家算法交易公司）創始人 Yam Peleg 的測算，8K 版本 ChatGPT 雲端推理成本為 0.0049 美分/千 token（128 個 A100 GPU）。我們以全球 1.8 億日活躍用户、每人每天 100 千 token 推理需求測算，ChatGPT4 在雲端進行推理的成本約為 88.2 萬美元/天。根據 Vivo 副總裁周圍測算，Vivo 大模型單次對話成本約為 0.012~0.015 元/次，當前 Vivo 全國用户數約為 3 億。我們以 2.5 億日活用户（假設的未來滲透率天花板）、每人每天 10 次對話需求測算，Vivo 大模型在雲端進行推理的成本約為 3,000 萬～3,750 萬人民幣/天。若簡單以 50% 分流率計算，將 50% 推理分流至端側進行，將節約 55~68 億人民幣/年的雲端運算成本。

突破內存及算力桎梏，技術可行性得到驗證

大模型參數量對手機內存提出挑戰。大型語言模型的泛化能力及通用性取決於其參數量，如 GPT-4 擁有 16 個專家模型，共包含 1.8 萬億個參數。大多數大模型都在具有強大服務器硬件支持的雲端運營，若直接部署於終端設備，則需要設備擁有足夠大的內存。目前參數量較小的主流 AI 大模型多為 70 億參數或 130 億參數，分別需要約 14GB 和 20GB 的內存，例如小型 LLaMA 有 70 億參數，其 FP16 版本大小為 14GB，遠超當前手機的內存承載能力。

多路線發力攻克內存瓶頸，助力端側大模型落地。為順利將大模型部署於手機上，當前存在三種技術路線：一是直接拔高終端內存，二是壓縮大模型從而降低大模型體積，三是優化內存調用邏輯。目前以微軟、聯想、OPPO 為代表的勢力致力於大模型壓縮路線，蘋果擬通過優化閃存交互和內存管理邏輯來解決內存壁壘，3D Dram 技術有望通過直接拔高終端內存以突破瓶頸。

大模型從雲端向終端延伸需要端側 AI 推理算力支撐，CPU+GPU+NPU 的集成化將成為處理器未來發展方向。NPU（神經網絡處理單元）更適配 AI 的推理算力需求，相較於傳統的 CPU 和 GPU，NPU 擁有更高的能效比和專用性，能夠更高效地處理神經網絡計算。“CPU+GPU+NPU” 的異構方案嵌入 NPU 後，由 CPU 運行較小的工作負載並實現低延遲，NPU 專門針對神經網絡工作負責進行優化，GPU 則用於需要並行吞吐量的大型工作負載。3U 結合的異構方案能夠實現更快速、更高效率的邊緣 AI 模型推理，同時最大限度地提高設備熱效率和電池壽命。

頭部廠商 SoC 性能大幅提高，NPU 算力跨過 30 TOPS 門檻。根據 IDC 定義，新一代 AI 手機指 NPU 算力大於 30 TOPS、搭載能夠支持更快速高效端側 Gen AI 模型的 SoC、支持包括 Stable Diffusion 和各種大語言模型在內的 Gen AI 模型在端側運行的智能手機。在此定義下，頭部 SoC 產品如高通驍龍 8 Gen 3、聯發科天璣 9300 及蘋果 A17 Pro 符合此算力要求。

關鍵問題 3：AI 手機如何影響手機廠商、硬件、軟件三大環節？

一句話簡答：手機廠商享量價利紅利，硬件廠商受益於產品迭代及供需改善，大模型廠商變現加速。

手機廠商：用户基礎和流量入口打造護城河，全棧自研方享高溢利

覆盤 4G 至 5G 的升級，我們認為 AI 手機將在量、價、利方面利好手機廠商。

量： AI 手機有望驅動新一波換機潮，我們測算 2025 年 AI 手機出貨量約 3.8 億部，同比高增 134%。

價：AI 手機在性能、用户體驗方面的升級，超越了 5G 手機相對 4G 手機的升級，我們判斷有望復刻上一輪的漲價潮。

利：5G 時代純手機組裝廠商大部分利潤被硬件端侵蝕，AI 手機軟硬件成本高企，具備自研大模型、自研芯片能力的手機廠商佔據一體化優勢，有望守住利潤。

覆盤谷歌和蘋果在搜索引擎上的合作，我們認為手機廠商擁有終端消費者基礎和流量入口優勢，在與大模型廠商合作的過程中是更為強勢的一方。

大模型和硬件結合，帶來新的產業革命，AI 手機作為應用層的核心載體和入口，將顛覆傳統的手機使用習慣，引領新一輪產業鏈革命。AI 手機浪潮下，我們判斷把握先發優勢的手機廠商將受益最大。

（1）搶佔用户心智：率先推出標杆式 AI 機型的手機品牌，有望率先搶佔用户心智，厚植品牌效應。據當前手機經銷商反饋，消費者對 AI 手機感知力不強，信號、攝像、續航依舊是消費者換機時的核心關注點，因此當前的空檔期是建立品牌認可度和完善用户心智的絕佳階段。

（2）獲取海量數據：考慮到 AI 手機偏重於個人助理的屬性，其用例場景將區別於雲端大模型，因此獲取海量用户數據並進一步訓練和優化端側大模型顯得尤為重要。類比自動駕駛，率先落地、獲得現實世界海量行駛數據的車廠，將進一步建立模型訓練方面的優勢。把握先發優勢的手機廠商通過獲取用户的實際應用數據，迭代更新端側大模型，不斷優化用户體驗，有望形成飛輪效應。

（3）培養用户黏性：考慮到 AI 手機偏重於個性化個人助理的屬性，以及具備自學習能力，一旦完成收集、學習用户的個性化數據，長期交互邏輯得以建立，因此用户的依賴性和黏性得以培養，更換品牌的動力減弱。

硬件：高性能 NPU 享議價權，散熱材料、內存芯片價值量提升在即

推理芯片環節：覆盤 4G 到 5G 的芯片升級，劃時代產品具有較強的溢價能力、供需失衡下高通有強大的議價能力，AI 手機時代高通、聯發科有望憑藉高性能 SoC 及強勢議價權，改善毛利率，我們測算高通有望憑藉驍龍 8 Gen 4 環比改善毛利率至 57.62%。

散熱材料環節：材料用量增加疊加新材料滲透率提高，單機散熱材料價值量有望提升 11-14 元/部。

內存芯片環節：主要由供需關係驅動漲價，容量瓶頸被克服的前提下，內存芯片更看重帶寬，關注 LPDDR6 量產進度。