>> 東吳證券-電子行業(yè)深度報告：端云協(xié)同驅(qū)動AI入口重塑與硬件范式重構(gòu)-260227
| 上傳日期： |
2026/2/27 |
大?。?/td>
| 1445KB |
| 格式： |
pdf 共18頁 |
來源： |
東吳證券 |
| 評級： |
強于大市 |
作者： |
陳海進 |
| 行業(yè)名稱： |
電子 |
| 下載權(quán)限： |
無限制-登錄即可下載 |
|
|
投資要點
云端模型：能力邊界外擴與成本重構(gòu)并行。云端大模型作為端側(cè)AI能力演進的源頭變量，其評價體系正在從單純能力指標(biāo)轉(zhuǎn)向能否真正把任務(wù)完成?；谶@一目標(biāo)，2026年以來海外頭部廠商正圍繞代碼能力與多Agent體系展開密集布局。代碼模型方面，智能體時代的推理需求正沿著長鏈復(fù)雜推理與實時交互兩大優(yōu)化方向同步演進，以O(shè)penAI的Codex-Spark為代表的低延遲優(yōu)先型Agent追求交互式AI智能體的低延遲體驗，讓開發(fā)者能在模型生成途中隨時打斷、糾偏并快速迭代；Claude 4.6為代表的長鏈復(fù)雜推理型Agent通過提高上下文長度，推動AI在高價值復(fù)雜任務(wù)中的成功率改善，并有望帶動推理側(cè)算力消耗中樞持續(xù)上移。我們判斷未來一段時間內(nèi)，“快交互+長推理”雙能力棧將成為通用型Agent的重要演進方向。多智能體框架亦加速走向主流架構(gòu)選擇，有望成為下一階段Agent化落地的重要產(chǎn)業(yè)趨勢。與此同時，春節(jié)期間國內(nèi)模型廠商同步密集更新，呈現(xiàn)出“性能逼近海外頭部、價格快速下探”的特征，同時應(yīng)用側(cè)需求彈性開始釋放，云端模型能力的驗證為端側(cè)模型提供可參考模板。
端側(cè)模型：端云協(xié)同主線下的效率優(yōu)化與能力壓縮。端側(cè)模型的終局并非替代云端大模型，而是與云端形成分工明確的協(xié)同架構(gòu)：高頻、輕量、強隱私任務(wù)優(yōu)先在端側(cè)完成本地閉環(huán)處理；重推理、長生成和高算力任務(wù)經(jīng)端側(cè)打包與調(diào)度后上云執(zhí)行。當(dāng)前端側(cè)模型的演進方向可以歸納為兩個核心維度：1）多模態(tài)能力為端側(cè)模型關(guān)鍵競爭要點，端側(cè)為多模態(tài)零延遲交互方面的理想技術(shù)實現(xiàn)路徑，當(dāng)前全雙工流式架構(gòu)逐漸成為主流交互范式；伴隨多模態(tài)token壓縮技術(shù)環(huán)節(jié)帶寬和算力約束，提高端側(cè)交互的實時性和效率。2）算法側(cè)壓縮主要用于對抗功耗和內(nèi)存等硬件約束，目前主要通過模型架構(gòu)優(yōu)化（Edge MoE和其它替代架構(gòu)）、低比特量化和推理優(yōu)化（包括Attention效率優(yōu)化、KVCache優(yōu)化、并行解碼和Diffusion模型等）等算法手段將推理時計算和存儲的開銷壓縮至最低。
端側(cè)模型牽引硬件重構(gòu)：算力、存力與散熱協(xié)同升級。從整機AI功能看，2024年行業(yè)整體仍以高頻剛需場景為切入點，重點圍繞圖像消除、文本摘要等低門檻功能；進入2025年，廠商明顯加速向多模態(tài)創(chuàng)作能力延展，覆蓋語音、生成式圖像等更復(fù)雜交互形態(tài)，并進一步向操作系統(tǒng)底層滲透。整機AI競爭正從功能數(shù)量比拼，轉(zhuǎn)向多模態(tài)體驗與系統(tǒng)級整合深度的綜合較量。在整機級AI能力向多模態(tài)等方向升級的背景下，端側(cè)核心部件也正圍繞內(nèi)存與功耗等制約端側(cè)體驗的關(guān)鍵變量上進行新一輪升級。在存儲側(cè)，三星LPDDR6產(chǎn)品在支持更高數(shù)據(jù)傳輸速率和內(nèi)存帶寬的情況下，還從電路架構(gòu)到電源管理進行了系統(tǒng)性重構(gòu)，使LPDDR6在保持高速性能的同時，實現(xiàn)較上一代約21%的能效提升。在散熱側(cè)，三星于2025年12月19日發(fā)布Exynos 2600芯片，首次在移動SoC中引入High-k EMC材料優(yōu)化熱傳輸路徑，使熱阻較Exynos 2500降低約16%。在重載場景（如游戲與端側(cè)AI推理）下，持續(xù)性能表現(xiàn)顯著提升，有效緩解以往因發(fā)熱導(dǎo)致的降頻節(jié)流問題。展望未來，高通Snapdragon 8 Elite Gen 6等下一代旗艦SoC平臺或?qū)崿F(xiàn)算力、存儲與功耗散熱同步升級，為端側(cè)AI功能進一步復(fù)雜化、多模態(tài)化及持續(xù)運行提供更充足的硬件支撐空間。
風(fēng)險提示：模型能力提升不及預(yù)期；端側(cè)AI商業(yè)化落地節(jié)奏低于預(yù)期；終端硬件升級與需求釋放不及預(yù)期
|
|
