AI 手机的本质

本文作者：，来源：国泰君安证券研究 (ID:gtjaresearch)，华尔街见闻专栏作者

AI 手机作为终端 AI 核心入口，或成为 AI 产业革命下应用层的颠覆性切入点。在此背景下，手机厂商享量价利红利，大模型厂商变现加速，硬件厂商受益于产品迭代及供需格局。国君海外科技秦和平团队，推出 AI 手机行业深度报告，探索 AI 手机行业的潜在投资机遇。

国君研深 1°，围绕以下 3 个关键问题，精选该报告的部分章节。43 页 3 万字报告原文更加精彩，欢迎联系国君海外科技秦和平团队或对口销售，获取原文。

3 个关键问题：

（1）是什么？AI 手机的本质和颠覆性。

（2）为什么？AI 手机的优势和技术可行性。

（3）会如何？AI 手机如何影响手机厂商、硬件、软件三大环节。

关键问题 1：AI 手机是什么？

一句话简答：AI 手机的本质是自主感知、自主决策执行、具备数字人格的 Agent。

AI 手机在定义、功能、用户体验上均具颠覆性

AI 智能手机如何区别于上一代智能手机？上一代智能手机已搭载部分 AI 功能，如 2019 年 APPLE 在 iPhone 11 上推出的 AI 照片处理技术 Deep Fusion，通过机器学习以低到中等的光线拍摄照片，连续拍摄九张照片并最终合成高细节、低噪点图片。购物平台与短视频平台的智能推荐亦依赖于 AI 算法。可以说，上一代智能机在硬件端、软件端均具备运行端侧 AI 的能力。那么，新一代 AI 智能手机新在何处？

从定义看，新一代 AI 手机（ Next-gen AI Smartphone）指 NPU 算力大于 30 TOPS、搭载能够支持更快速高效端侧 Gen AI 模型的 SoC、支持包括 Stable Diffusion 和各种大语言模型在内的 Gen AI 模型在端侧运行的智能手机。根据 IDC 分类，上一代搭载初步 AI 功能的智能手机可统称为 “硬件赋能 AI 手机”，其 NPU TOPS≤30。以 2017 年苹果发布的 iPhone X 为例，其搭载的 A11 Bionic 仿生芯片神经网络引擎每秒运算可达 6000 亿次，可胜任机器学习任务，人脸识别功能可随机主的样貌变化而调整适应。而新一代 AI 智能手机在端侧 AI 运行速度、效率、应用场景、芯片算力等均实现全面提升。

从特征看，新一代 AI 手机应具备算力高效利用能力、真实世界感知能力、自学习能力、创作能力。根据 OPPO 与 IDC，在算力高效利用能力方面，AI 手机需要高效地利用计算资源，以满足生成式 AI 计算和端侧部署的需要；真实世界感知能力方面，AI 手机需要利用视觉、听觉、触觉敏锐地感知真实世界，了解用户与环境的复杂信息；自学习能力方面，除模型本身的学习能力外，AI 手机通过机器学习不断理解用户习惯，通过自学能力提高交互体验；创作能力方面，AI 手机需具备创造性，生成式服务为用户提供持续的灵感与知识支持。

从应用场景与功能看，新一代 AI 手机的已落地的使用场景可大致分为文字类、图像视频类、语音类及效率提升类。文字类方面，大模型接入后，无论部署于云端或是终端，AI 手机均具备了文字分析处理及生成功能。图像视频类为当前 AI 手机重点发力的应用场景，利用 AIGC 可实现文生图、图像美化、图像扩展与消除、视频补帧等功能。语音类功能对 AI 算力要求较高，OPPO 推出 AI 大模型通话摘要功能，可以提取和总结通话中的要点信息，三星内置通话实时双向翻译和文字翻译功能，无需第三方应用并支持 13 种语言。效率提升类目前已有笔记智能摘要、网页智能摘要等功能落地，三星即圈即搜功能进一步完善了交互逻辑，预计未来效率提升类应用将带来最颠覆性的体验升级，即成长为真正的用户智能助理，目前 Pixel 系列推出的个人助手 Assistant with Bard 以及魅族 21 pro 系列推出的 Aicy 助手已初步具备智能助力雏形。

从用户体验看，新一代 AI 手机有望真正成为自在交互、智能随心、专属陪伴、安全可信的个人化助理。相较于传统智能机，AI 手机通过人格化、记忆、感知和管理能力，为用户带来全新的人机交互体验，打破系统、服务、设备与人之间的边界。一方面，AI 手机基于准确的语义理解能力及庞大的知识数据图谱，叠加对用户个性化信息、习惯的学习，可提供准确且定制化的建议与回答；另一方面，AI 手机的终极目标是摆脱臃肿、繁多的 APP，垂直整合端侧应用，深层次联通各个独立的孤岛，用户一个指令可以调动多个 APP 自动解决需求，提供一站式服务，真正扮演智能助理的角色。

AI 手机本质上是 AI Agent

AI 手机不仅限于具备生成式 AI 功能，更扮演着 AI Agent 的角色。在业内看来，AI 手机并非仅指具备生成式 AI 功能的手机。独立的大型模型难以为手机上的其他应用提供支持，各个 APP 仍为独立的孤岛，但将这些模型融入手机系统中可以打破应用之间的隔阂，将系统的能力提升到 AI Agent 级别，不仅让大模型加持智能助手，还能让系统工具也具备 AIGC 能力。据荣耀 CEO 赵明刻画， AI 手机是一个更加基础性、系统性的 AI 算力平台。

AI 手机成长为具备数字人格的 AI Agent，需要具备自主决策能力。AI 手机不仅有底层硬件的需求，也有 OS 层面 AI 化和交互体验的革新，它本身即是一个 AI Agent。它们能够感知用户的需求、自主决策执行，甚至学会用户的习惯，为用户提供更为个性化的服务。根据小米、华为、vivo 等公司联合清华大学智能产业研究院共同发布的个人 LLM 智能体综述论文，AI Agent 可根据能力和交互逻辑分为 L1-L5 五个等级。当前智能手机的 AI 功能停留在 L2 阶段，仅能执行确定化的任务，我们认为未来的 AI 手机将真正成长为具备数字人格的 Agent，超越理解任务的范畴，具备自主决策能力，主动而不是被动地提供个性化服务。

关键问题 2：为什么是 AI 手机将成为终端 AI 的核心入口？

一句话简答：手机具备普及性、伴随性，应用场景更为下沉；AI 手机的技术可行性得到验证。

AI 手机可下沉至日常各类场景

相较 PC，手机普及性、伴随性属性更强，更适合 AI 大规模落地。根据研究机构 Strategy Analytics 数据，2023 年到 2027 年全球智能手机用户基数将增长 11%，全球智能手机渗透率将持续保持上升趋势。根据 AI 手机白皮书，2023 年全球约 43 亿人拥有智能手机，渗透率达 54%，而新华网数据显示 2023 年我国智能手机渗透率达 85%。高普及性背景下，OPPO 用户手机日均使用时长已达到 6 小时/天，渗透于用户日常生活的方方面面，已从单纯的通讯工具演变为钱包、播放器、生产工具、钥匙等，紧密的交互性为 AI 应用大规模落地创造基础。

对比 AI PC 和 AI 手机的定位及应用场景，AI 手机有望凭颠覆性用户体验成为 AI 核心入口。AI PC 作为生产工具，其使用场景往往局限于办公场景，注重效率；而 AI 手机终极使命是成为用户的私人助理，赋能生活全场景，从琐碎和繁杂中解放用户。从使用场景看，AI 手机因其伴随属性强，数据采集设备能够收集到丰富、广泛的多模态用户数据，从而给出个性化解决方案。以出行为例，AI 手机可调用用户日程安排中的目的地信息，给出穿衣建议；可调用机票或车票信息，给出出行时间及路线规划建议；可结合用户历史订单，给出目的地就餐建议。手机凭借其天然便携性，可下沉至用户日常生活的各类场景，有望超越 AI PC，成为终端 AI 的核心入口。

云端推理成本高，端云混合优势强

从云到端，混合 AI 架构在成本、能耗、性能、隐私安全和个性化五大维度具备优势。AI 手机以本地推理为主，边缘和云端推理为辅，能够在混合算力、混合模型之间智能、合理地调配任务，有效缩减响应时间，且能在离线状态下发挥作用，同时可避免数据泄露风险。值得一提的是，手机作为终端设备在个性化维度潜力巨大，混合 AI 让更加个性化的体验成为可能。

未来渗透率天花板下，将部分推理分流至端侧进行，仅一家大模型厂商即可节约 60 亿人民币的运算成本。根据 Deep Trading（一家算法交易公司）创始人 Yam Peleg 的测算，8K 版本 ChatGPT 云端推理成本为 0.0049 美分/千 token（128 个 A100 GPU）。我们以全球 1.8 亿日活跃用户、每人每天 100 千 token 推理需求测算，ChatGPT4 在云端进行推理的成本约为 88.2 万美元/天。根据 Vivo 副总裁周围测算，Vivo 大模型单次对话成本约为 0.012~0.015 元/次，当前 Vivo 全国用户数约为 3 亿。我们以 2.5 亿日活用户（假设的未来渗透率天花板）、每人每天 10 次对话需求测算，Vivo 大模型在云端进行推理的成本约为 3,000 万～3,750 万人民币/天。若简单以 50% 分流率计算，将 50% 推理分流至端侧进行，将节约 55~68 亿人民币/年的云端运算成本。

突破内存及算力桎梏，技术可行性得到验证

大模型参数量对手机内存提出挑战。大型语言模型的泛化能力及通用性取决于其参数量，如 GPT-4 拥有 16 个专家模型，共包含 1.8 万亿个参数。大多数大模型都在具有强大服务器硬件支持的云端运营，若直接部署于终端设备，则需要设备拥有足够大的内存。目前参数量较小的主流 AI 大模型多为 70 亿参数或 130 亿参数，分别需要约 14GB 和 20GB 的内存，例如小型 LLaMA 有 70 亿参数，其 FP16 版本大小为 14GB，远超当前手机的内存承载能力。

多路线发力攻克内存瓶颈，助力端侧大模型落地。为顺利将大模型部署于手机上，当前存在三种技术路线：一是直接拔高终端内存，二是压缩大模型从而降低大模型体积，三是优化内存调用逻辑。目前以微软、联想、OPPO 为代表的势力致力于大模型压缩路线，苹果拟通过优化闪存交互和内存管理逻辑来解决内存壁垒，3D Dram 技术有望通过直接拔高终端内存以突破瓶颈。

大模型从云端向终端延伸需要端侧 AI 推理算力支撑，CPU+GPU+NPU 的集成化将成为处理器未来发展方向。NPU（神经网络处理单元）更适配 AI 的推理算力需求，相较于传统的 CPU 和 GPU，NPU 拥有更高的能效比和专用性，能够更高效地处理神经网络计算。“CPU+GPU+NPU” 的异构方案嵌入 NPU 后，由 CPU 运行较小的工作负载并实现低延迟，NPU 专门针对神经网络工作负责进行优化，GPU 则用于需要并行吞吐量的大型工作负载。3U 结合的异构方案能够实现更快速、更高效率的边缘 AI 模型推理，同时最大限度地提高设备热效率和电池寿命。

头部厂商 SoC 性能大幅提高，NPU 算力跨过 30 TOPS 门槛。根据 IDC 定义，新一代 AI 手机指 NPU 算力大于 30 TOPS、搭载能够支持更快速高效端侧 Gen AI 模型的 SoC、支持包括 Stable Diffusion 和各种大语言模型在内的 Gen AI 模型在端侧运行的智能手机。在此定义下，头部 SoC 产品如高通骁龙 8 Gen 3、联发科天玑 9300 及苹果 A17 Pro 符合此算力要求。

关键问题 3：AI 手机如何影响手机厂商、硬件、软件三大环节？

一句话简答：手机厂商享量价利红利，硬件厂商受益于产品迭代及供需改善，大模型厂商变现加速。

手机厂商：用户基础和流量入口打造护城河，全栈自研方享高溢利

复盘 4G 至 5G 的升级，我们认为 AI 手机将在量、价、利方面利好手机厂商。

量： AI 手机有望驱动新一波换机潮，我们测算 2025 年 AI 手机出货量约 3.8 亿部，同比高增 134%。

价：AI 手机在性能、用户体验方面的升级，超越了 5G 手机相对 4G 手机的升级，我们判断有望复刻上一轮的涨价潮。

利：5G 时代纯手机组装厂商大部分利润被硬件端侵蚀，AI 手机软硬件成本高企，具备自研大模型、自研芯片能力的手机厂商占据一体化优势，有望守住利润。

复盘谷歌和苹果在搜索引擎上的合作，我们认为手机厂商拥有终端消费者基础和流量入口优势，在与大模型厂商合作的过程中是更为强势的一方。

大模型和硬件结合，带来新的产业革命，AI 手机作为应用层的核心载体和入口，将颠覆传统的手机使用习惯，引领新一轮产业链革命。AI 手机浪潮下，我们判断把握先发优势的手机厂商将受益最大。

（1）抢占用户心智：率先推出标杆式 AI 机型的手机品牌，有望率先抢占用户心智，厚植品牌效应。据当前手机经销商反馈，消费者对 AI 手机感知力不强，信号、摄像、续航依旧是消费者换机时的核心关注点，因此当前的空档期是建立品牌认可度和完善用户心智的绝佳阶段。

（2）获取海量数据：考虑到 AI 手机偏重于个人助理的属性，其用例场景将区别于云端大模型，因此获取海量用户数据并进一步训练和优化端侧大模型显得尤为重要。类比自动驾驶，率先落地、获得现实世界海量行驶数据的车厂，将进一步建立模型训练方面的优势。把握先发优势的手机厂商通过获取用户的实际应用数据，迭代更新端侧大模型，不断优化用户体验，有望形成飞轮效应。

（3）培养用户黏性：考虑到 AI 手机偏重于个性化个人助理的属性，以及具备自学习能力，一旦完成收集、学习用户的个性化数据，长期交互逻辑得以建立，因此用户的依赖性和黏性得以培养，更换品牌的动力减弱。

硬件：高性能 NPU 享议价权，散热材料、内存芯片价值量提升在即

推理芯片环节：复盘 4G 到 5G 的芯片升级，划时代产品具有较强的溢价能力、供需失衡下高通有强大的议价能力，AI 手机时代高通、联发科有望凭借高性能 SoC 及强势议价权，改善毛利率，我们测算高通有望凭借骁龙 8 Gen 4 环比改善毛利率至 57.62%。

散热材料环节：材料用量增加叠加新材料渗透率提高，单机散热材料价值量有望提升 11-14 元/部。

内存芯片环节：主要由供需关系驱动涨价，容量瓶颈被克服的前提下，内存芯片更看重带宽，关注 LPDDR6 量产进度。

软件端：端侧 AI 加速大模型商业变现

大模型厂商有望凭借端侧 AI 应用，加速变现，我们测算 2026 至 2028 年三星 AI 手机搭载的（自研）收费大模型订阅费用或将带来 73、134、221 亿美元收入。

风险提示：AI 手机大规模落地仍存在挑战与不确定性。

（1）隐私安全风险：由于 AI 手机需调用、学习用户个性化数据，存在隐私泄露风险。

（2）成本高企：硬件端，AI 手机需配置高性能推理芯片、存储芯片，相应的智能传感设备、散热、摄像头模组等均需提高配置；软件端，大模型接入费用无论是直接向终端消费者收取或向手机厂商收取，最终都将转嫁至终端消费者。软硬件成本高企，AI 手机溢价较高，消费者对高价接受度的不确定性较高。

（3）新智能终端：手机作为部署端侧 AI 的一种终端，面临其他终端的威胁，如 AI pin。

本文作者：秦和平、李奇，来源：国泰君安证券研究，原文标题：《AI 手机的本质》

秦和平 S0880523110003

李奇 S0880523060001