沒有Pura 70手機，也沒有新iPhone，華為、蘋果發表會又一次「撞車」意味著什麼？ 華為“最神秘發布會”撞上蘋果“最早發布會”，會發生什麼？ 5月7日，蘋果、華為相繼舉辦產品發表會，發表平板電腦、手寫筆、手錶、筆記型電腦等設備。不論是時間，還是產品種類，兩場發表會重合度頗高，兩位老對手再次擦出濃濃的火藥味。 類似的「不約而同」曾多次上演，早在2023年9月，兩家公司默契選在同一天，發佈各自旗艦款手機Mate 60和iPhone 15系列，被網友戲稱為「華為對蘋果貼臉開大」。 一直以來，華為被認為是能在高階市場挑戰蘋果的公司之一，雖然中途因晶片被「卡脖子」而一度被看衰，但隨著Mate 60搭載麒麟9000S晶片復出，華為正搶回短暫失去的市場。而在壓力之下，蘋果特地將這次發表會的時間提前了約3小時至當地時間早上7點（北京時間晚上10點），以照顧國內用戶作息。 在蘋果銷售接連受挫之際，華為在杜拜舉辦「創新產品發布會」暗含重啟出海的雄心，兩家公司從硬體設備到AI應用，將全方面對線，類似的「默契」也將繼續重演。 又一場「孿生」發表會 這或許是華為近期最神秘的一場發表會。 早在4月底，網路上便透出華為將於杜拜舉辦發表會的消息，但直到5月7日當天，不論是新聞資訊、社群平台，還是IT產業網站，都沒有關於這場發表會的最新消息。 從5月7日中午起，就不斷有網友在社交媒體詢問發布會時間和鏈接，但沒有人回复。當晚8點多，仍有不少人吐槽不知道上哪了解記者會資訊。直到晚些時候，才陸續流傳出一些用戶發布的現場照片和影片。 華為消費終端的一位員工對《豹變》表示，公司沒通知具體的時間，按慣例一般是下午兩點半開始，近期發布了很多新品，要忙著宣讀，外面的消息甚至比員工知道的還準。華為雲一位員工也表示不知情，稱「數位中國」「華為開發者大會」是近期要舉辦的影響力更大的會，迪拜的發布會「不是啥大會吧」。 與華為預告的訊息一致，這場發表會聚焦了全新MateBook、MatePad、Watch Fit3、第3代M-Pencil、FreeBuds 6i、自研繪畫軟體GoPaint天生就會畫等。近期熱度很高的新品Pura 70手機沒有出現在發表會上。 其中，MateBook X Pro 2024筆電已在中國開售，以980克的輕盈機身和高效能Intel Ultra 9處理器為兩大賣點。而穿戴式裝置Watch Fit 3採用方形錶盤，配有一個醒目的紅色旋轉按鈕和功能鍵，外型設計與蘋果手錶相似度相當高。 此外，華為還帶來全新自研平板繪畫軟體“天生會畫”，搭配第3代M-Pencil，可以使用更豐富的筆刷，為普通人創作帶來更強大的繪圖功能。 而Pencil也是蘋果發表會的重頭戲，在蘋果的預告海報中，C位正是一隻Pencil，也是海報上唯一能看出外型的產品。 新發布的蘋果Pencil Pro堪稱該產品近六年的最大升級：「擠壓」新手勢可以解鎖簽名、添加形狀、貼紙等功能。同時，Pencil Pro將首次搭載震動回饋，讓觸控筆的書寫感受更接近真實紙幣。華為選擇此時發布「天生就會畫」和第3代M-Pencil，針鋒相對的意味明顯。 Apple Pencil Pro 相較於華為的神秘，近年來，蘋果的發表會沒有秘密可言，在發表會前，產品資訊就已經被劇透的差不多了。蘋果這場「放飛」發表會，主角是iPad生態多款新品，包括iPad Pro及Air，升級的Apple Pencil Pro，以及讓iPad「變身」筆記本的妙控鍵盤。 其中，iPad Pro直接跳過了M3晶片，搭載了蘋果最新的M4處理器，將顯著增強AI能力。今年2月，蘋果官宣停止造車，加註AI研發，新款iPad Pro可被視為蘋果進入AI時代的急先鋒。 相較目前11 吋iPad Pro搭載LCD螢幕、12.9吋搭載了miniLED螢幕，新款iPad Pro兩個版本同步升級至OLED螢幕。以往，購買小尺寸iPad Pro的用戶只能使用被閹割的螢幕，而新款則能獲得滿血版的螢幕體驗，對「小屏黨」而言，無疑是一種利好。 iPad Air除了11英寸，還增加了13英寸版本，滿足了“大屏黨”的胃口，而在處理器上延續了“落後一代”的慣例，從M1升級至M2芯片。 巨頭針鋒相對 幾乎同時舉辦發表會的兩家公司，近期的表現截然不同。 由於股價下跌、銷售下滑、被巴菲特減持，近年來，蘋果公司被不少人唱衰，走得有些磕磕絆絆。 巴菲特的動向一直被市場當作投資風向標。今年一季度，巴菲特減持了約13%的蘋果股票，一時間，蘋果彷彿成了巴菲特「棄兒」。對此，在5月4日的巴菲特股東大會上，巴菲特表示，減持蘋果是出於稅收原因，因為投資獲得了可觀的收益，而不是基於對該股的長期看法的任何判斷。即便減持後，蘋果仍是波克夏投資規模最大的公司。 在巴菲特股東大會前一天，蘋果公佈了2024財年第二財季業績，當季營收907.5億美元，年減約4.3%；淨利236.4億美元，年減約2.2%。 iPhone在中國銷售的下滑，被認為是影響蘋果股價、營收的關鍵因素。 市場研究機構Canalys數據顯示，2024年一季度，華為拿下中國智慧型手機市場第一，出貨量1,170萬部，市佔率17%；蘋果手機出貨量1,000萬部，較去年同期下滑25%，市場份額15%，位居業界第五。 從產品售價來看，華為旗艦手機Mate 60系列、Pura 70系列跟iPhone 15系列高度重合，從6000元左右的入門款，到上萬元的頂級版，每個價格區間都針鋒相對。在手機的較量中，華為明顯更強勢，這從二者的售價就能看出來。 目前，華為Mate 60、Pura 70系列仍一機難求，少有價格優惠，而iPhone 15入門款在電商平台價格已降至4600元左右，較官方定價下調約1400元。可以說，華為捲土重來後，改變了高端市場的格局。 不過由於眾所周知的原因，華為Mate 60系列並沒有在國外正式開售，目前的銷售主要依靠國內市場。這也是近期新發布的Pura 70系列未亮相杜拜的重要原因。 一直以來，杜拜因自由開放的經貿環境、特殊的地理位置，被視為進軍歐洲、非洲市場的關鍵樞紐。2023年12月，華為就已經在杜拜舉辦過新品發表會，加上此次發表會，被外界解讀為華為意欲重新搭建經銷管道，為重返歐洲市場鋪路。目前，Pura 70系列已經在馬來西亞、歐洲開啟了預售。 華為手機等產品重啟海外市場的底氣，除了來自突破“卡脖子”，還因為“錢袋子”鼓了。 2024年一季度，華為總營收1,785億元，年增37%；淨利197億元，年增557%。 AI變局，誰能遙遙領先？ 除了爭奪海外市場，華為、蘋果未來的較量更看AI。 華為Pura 70一推出，其AI功能就被網友推上了熱搜，最吸引人眼球的莫過於強大的摳圖功能。當使用者拍了一張照片，又不想要照片上的一些畫面時，可以用手指圈住，AI會將其抹除，並自動填補空白。從網友拍攝的實操影片看，Pura 70的反應速度、處理效果在同級產品中屬於第一梯隊。 不過，這項功能被一些別有用心的人「玩壞了」：圈住女性胸口位置，這部分衣服就被P掉了。華為不得不緊急回應，這屬於AI的漏洞，並迅速更新AI，禁止用戶進行此類操作。 在華為線下門市，AI成了手機的重要賣點。在溫州一家華為門市，Pura 70旁邊擺放著一張高速旋轉的光盤，肉眼無法看清光盤上的圖案，但用Pura 70拍攝後，靜置幾秒，AI便還原出清晰的圖案。這能大幅提高用戶在低光源、高速、手抖環境下的拍攝成功率。 在硬體配置已經堆到天花板、旗艦機型同質化的當下，AI成了手機廠商打破瓶頸的突破口。 《豹變》在小米、榮耀、OPPO、VIVO等品牌門市看到，大模型成了標配，旗艦機型都搭載了AI功能，實現了人機智能交互、一鍵剪輯視頻、生成文本等功能。 OPPO創辦人兼CEO陳明甚至在全員信中稱，AI手機將成為繼功能機、智慧型機後，手機產業的第三階段。 2024年是AI手機元年，未來五年，AI對手機產業的影響，完全可以比肩當年智慧型手機取代功能機。 當國產手機爭相進入AI時代時，蘋果的AI產品有些姍姍來遲。在2月官員宣停止造車後，蘋果將不少造車工程師轉職至AI部門，加大對生成式AI的研發投入。新款iPad Pro成了蘋果AI戰略的先手棋。 iPad Pro之所以一反常規跳過M3、直接使用M4晶片，就在於AI。 M4搭載了為AI量身訂做的神經引擎，算力較M3提升10%—15%。神經引擎主要負責圖形處理、面容解鎖等機器學習部分，將使得搭載M4晶片的產品在處理這些任務時，效率大幅提升。這些使用場景正是iPad的優勢領域。 先前，每代M系列晶片的升級間隔約在一年半左右，M3晶片於2023年10月底推出，根據Canalys預測的時間表，M4系列晶片預計於2025年第一季上線。此番M4提前上市，意味著蘋果將加快AI應用的腳步。 今年2月，在蘋果年度股東會上，蘋果CEO庫克對外界認為蘋果在AI上落後的觀點進行了回應。他表示，蘋果多款設備由AI驅動，正在AI領域進行重大投資，認為生成式AI具有突破潛力。 先前，蘋果已經發布了基於終端硬體的OpenELM模型，AI功能在手機本地運行被認為比ChatGPT等開源的大模型更能保護資訊安全和用戶隱私。而將硬體、軟體、服務結合，一直是蘋果的強項。 不過，《豹變》在訪問中與經銷商、用戶溝通中了解到，目前用戶購買手機，主要還是看攝影、晶片、螢幕等核心配置，AI是一個賣點，但不是影響消費決策的關鍵變數。由此看，AI的作用不在當下，而是未來的想像。（豹變）

2023年是大家公認的AI元年，大量的AI大模型、AI應用問世。隨著人工智慧和深度學習的迅速發展，業界已達成共識——終端機與AI的融合是大勢所趨。不少人認為，2024年或將是「AI硬體元年」。 當狂熱的情緒從生成式AI領域蔓延至各類終端場景，人們開始期待看得見、摸得著的“實體”產生質變，“AI+可穿戴設備”、“AI+PC”、“AI+手機”等概念火爆硬體產業鏈。但熱潮底下，真正變革性的應用似乎還有待探索。 尚未成熟的「AI+」目前在上述領域的應用表現，也讓人不禁深思，這個「加」真的「加上了」嗎？這股人工智慧的風，究竟是盤活市場的概念炒作，還是真的吹到了硬體？ AI+場景革命，會是晶片廠商的下一個風口嗎？ 今天，我們試圖探討：人工智慧湧向各類終端應用場景後，產業鏈上的各類硬體將會朝著何種方向前進？身處不同賽道的廠商們，是否已找到了相對清晰的發力方向，亦或者仍在微光中摸索未來的輪廓？ Part 01 AI+穿戴裝置：感測器 Part 02 AI+PC：處理器/運算週邊晶片/記憶體 Part 03 AI+手機：SoC晶片/UFS 4.0快閃記憶體 PART 01 AI+穿戴式裝置 感應器 在許多人工智慧與硬體融合的場景中，穿戴式裝置被認為是創新空間最為廣闊、最有可能催生出全新硬體類別的賽道。 事實也確實如此，ChatGPT引發AI狂潮後，僅僅一年多時間，市面上就湧現出一大批全新的可穿戴AI產品，從形態、功能等層面探索「AI+穿戴裝置」的方向：搭載ChatGPT錶盤的智慧手錶、整合了多模態AI助理的AR眼鏡、深度融合AI的智慧戒指、號稱「AI時代iPhone」的AI Pin、聚焦在對話場景的AI吊墜… 圖源：AI Pin 官網 但遺憾的是，儘管智慧穿戴全產業鏈都在積極融入AI技術，但真正顛覆性的硬體還未被找到。就算是前段時間被《時代》雜誌評為2023年最佳發明之一的AI Pin，也在正式發貨後翻車了，用戶們的吐槽重點集中於「反應速度過慢、手勢識別不準確、發熱嚴重”等問題。 實際上，這也是其他智慧型穿戴裝置所苦惱的技術困難。從技術層面來看，要實現AI技術的深度整合及應用，穿戴式裝置必然需要更強的資料感知、擷取、處理和互動能力，而這些需求共同指向了一項技術——感測器技術。 在過往的穿戴式裝置解決方案中，感測器僅負責感知與擷取訊號，運算處理環節則交由MCU，MCU分析後產出控制訊號，複雜運算則上傳雲端處理。但隨著AI技術的融入，越來越多廠商開始嘗試不依賴MCU，讓搭載於穿戴式裝置的感測器更智能，承載部分運算處理的功能。 「在感測器本身做一些簡單的處理，實現一些既定的功能，這是必然的趨勢。」Bosch Sensortec亞太區總裁王宏宇表示：「不能說所有的感測器都需要智能，但為了提升更好的用戶體驗，我們認為感測器未來是要有一定的計算能力、一定的思考能力，即具備智能的功能。 圖源：Bosch Sensortec 而在AI處理能力部署的位置上，許多廠商都會選擇讓邊緣AI在MEMS上進行邊緣端處理。 「對於智慧型穿戴設備，邊緣AI是很好的選擇。」Bosch Sensortec應用工程總監Ruschmeier Frank指出，邊緣AI與感測器的融合處理，可以形成分散式的智慧支持，使設備在幾毫秒內做出決策，從而更好地實現及時響應。 另一方面，資料傳輸的選擇、資料處理及訓練也成為了感測器的重要演進方向。不同產業對資料傳輸的需求各異，例如遊戲產業就特別強調資料傳輸的即時性，絕不允許出現任何延遲。 Ruschmeier Frank認為，感測器製造商在未來需要深入思考並解決兩個核心問題：第一，應該傳輸哪些數據；第二，需要傳輸多少數據，才能確保滿足特定產業的需求。 部分廠商不僅滿足於提供感測器本身，更是開始建構智慧感測器的解決方案平台，讓穿戴式裝置廠商的開發者能夠在感測器本身植入一些本地AI演算法。感測器廠商將部分訓練的工作交給終端客戶，既可以在離線的時候訓練感測器，也可以在線上的時候透過感測器、透過演算法的融合去訓練。 此外，感測器技術的發展也聚焦於降低功耗和提供客製化服務。目前，智慧穿戴裝置產業正致力於尋找最適合整合AI技術的產品形態，這導致了對感測器需求的多樣化。在激烈的市場競爭中，打造具有差異化的產品特性至關重要。因此，根據客戶需求進行客製化處理，已成為感測器製造商普遍面臨的挑戰。 PART 02 AI+PC 處理器/計算外圍晶片/記憶體 2023年9月，英特爾首次提出了「AI PC」概念，將其譽為PC產業20年一遇的重大革新。此後，PC廠商和晶片廠商開始對此大舉發力，相繼推出了一系列相關產品。 IDC預測，AI PC在中國PC市場中新機的組裝比例將在未來幾年快速攀升，並將於2027年達到85%，成為PC市場主流。 事實上，早在AI PC概念面世之前，市場部分產品已經嵌入了一些AI技術，例如AI降噪、AI繪圖等。但時至今日，市面上的AI PC所具備的功能，和市面上的AI應用並沒有本質差別，且供應鏈對此概念尚未形成統一明確的定義。 聯想與IDC共同提出，AI PC是以AI大模型、使用者個人資料、本地AI算力及AI生態等軟硬體的結合體，並定義只有具備五個特徵的產品才算是真正的AI PC。華為則認為AI PC是“非常不錯的端側大模型+端側的數據整合和融合能力+端側和雲側算力的整合”，即萬物互聯和端雲協同。 圖源：聯想與IDC的《AI PC產業（中國）白皮書》 儘管定義上尚未達成一致，但業界普遍認可，端側AI部署所帶來的零件規格升級將是必然趨勢。「AI PC的硬體需求必然越來越高，無論是核心的處理器晶片，或是EC等運算週邊晶片，對高算力、儲存容量、低功耗等需求都會不斷提升。」芯海科技副總裁楊麗寧指出。 因此我們會看到，在這波AI PC浪潮中，晶片公司的吆喝聲最為響亮。英特爾CEO帕特‧基辛格喊出「我們正邁向AI PC的新時代」；英偉達CEO黃仁勳更是宣稱「PC產業正迎來一次重生的機會」；AMD董事長蘇姿豐甚至將公司Slogan從“AMD Yes”更新為“AI PC Yes！”。 AI PC產業鏈的第一批受益者也是他們。為了解決AI本地化運作的首要需求—“算力”，處理器成為了PC產業第一波AI化的核心硬體。 處理器 NPU（神經網路處理器）是第一個賣點。以英特爾、AMD、高通為代表的處理器大廠，紛紛推出了支援本地AI大模型運作的AI PC處理器，並都著重於NPU性能。 例如，英特爾在2023年12月發布了酷睿Ultra處理器，該處理器首次集成了NPU，能夠支援高達200億參數的大模型在終端設備上運行；高通的驍龍X Elite處理器，號稱「為AI PC量身定制”，其NPU的算力高達45 TOPS，能夠本地處理超過130億參數的大模型； AMD則推出了全球首款整合NPU的x86處理器，並宣布其下一代「Strix Point」處理器將重點強化NPU性能，預計AI性能將實現超過3倍的提升；即使是以自研晶片為賣點的蘋果，也被曝M4晶片將主打AI性能，重點放在AI運算核心數、效能及NPU數量。 從處理器功能來看，CPU擅長順序控制，適用於需要低延時的場景，同時也能夠處理較小的傳統模型，如卷積神經網路或特定大語言模型；GPU更擅長處理高精度格式的並行任務，例如對畫質要求極高的影片和遊戲。相較之下，NPU採用數據驅動平行運算架構，模擬人類神經元和突觸，特別擅長處理視訊、影像等大量多媒體數據，可快速處理AI演算法和大數據集。 圖源：攝圖網 針對PC端的運算需求，以CPU為核心的算力架構在處理AI神經網路所需的平行運算任務時顯得力不從心，且成本效益不高。因此，採用「CPU+GPU+NPU」的異質運算方案已成為業界的主流選擇。隨著人工智慧的日益重要，未來處理器市場可能會形成CPU與NPU並駕齊驅的局面。 同時，AI PC的浪潮也再次捲起了X86和Arm的架構之爭。 Arm架構憑藉其在低功耗、長續航、AI加速和客製化方面的優勢，自2023年起吸引了英偉達、英特爾、高通和AMD等行業巨頭的投入，他們計劃最早在2025年推出基於Arm的PC處理器。此外，微軟與高通也展開了合作，致力於將x86架構的Windows核心功能移植到Windows on Arm。 計算外圍晶片 「AI PC至少需要經歷三個階段。」芯海科技副總裁楊麗寧認為，當下PC產業鏈的硬體升級尚且處於第一個階段，即以處理器為核心的AI化。下一階段則是AI應用迎來井噴式發展，進而帶動PC生態，但同時海量應用場景也會逐步加重處理器的負荷。 「當負載夠重時，就需要進入第三個階段，即必須將一些智慧化任務外延給運算外圍晶片，這是必然的趨勢。而運算外圍晶片的未來形態，我們始終認為會朝向高效能、高安全、高算力的方向發展。 從PC硬體的角度來看，最核心且最適合承擔PC處理器外延AI功能的就是EC晶片。 「2023年12月，我們提出了AI EC晶片的設想，並陸續和客戶進行了AI EC晶片的探討。儘管目前還處於初步產品定義階段，但已探索出了更多的可能性，例如承擔AI PC外部的智慧溫控、智慧語音辨識、身分認證等重要的人機互動功能。 圖源：芯海科技 以語音喚醒功能為例，當運算外圍晶片具備分散式智慧支援時，處理器甚至解碼晶片都可以保持關閉狀態，僅啟動感測器的接收端。只有在AI完成人聲偵測後，才會啟動編解碼器進行深度識別，此時才會擷取聲音並進行初步處理，隨後喚醒CPU進一步處理。他強調：“只有這種分級分段式的智能識別機制，才能真正把PC整體功耗降下來。” 因此，楊麗寧贊同王宏宇的觀點，認為在AI處理能力部署方面，AI PC的外圍運算晶片應與智慧穿戴裝置的感測器一樣，具備一定的智慧處理能力，以實現分散式智慧支持，並與邊緣AI進行融合處理。 「AI PC未來會形成不同層級的算力網絡，例如雲端的大模型、端側處理器的中等模型、邊緣側EC晶片的小模型、以及感測器上的更小模型，每個層級所承擔的功能以及傳輸、計算資料的量級都會有較大的差異。 記憶體 隨著算力的提升，AI PC對記憶體提出了更高要求。為了有效處理AI產生的大量資料和複雜指令，特別是在運行大語言模型等應用時，記憶體大小決定模型上限，因此PC儲存產品效能和容量必須同步升級。 對於AI PC的儲存配置，微軟計畫在Windows12為AI PC設定最低門檻－需要至少40TOPS算力和16GB記憶體。英特爾中國區技術部總經理高宇則認為，未來的AI PC的標配是32GB內存，2025年將看到搭載64GB內存的PC開始出貨。 儘管目前業界對此還沒有統一的標準，但可以肯定的是，AI PC對單一PC的DRAM和NAND Flash容量需求呈現上升趨勢。其中，DDR5記憶體和QLC NAND SSD正成為滿足AI PC儲存需求的關鍵技術。 DDR5可以提供更快的資料傳輸速率、更大的記憶體容量、更低的功耗以及更高的系統效能，這些都是AI PC在執行資料密集型任務時所必需的關鍵特性。隨著AI PC滲透率提升，預計將推動DDR5子代迭代以及增加更高速率DDR5記憶體的需求。目前，三星電子和SK海力士正在計劃增加DDR5記憶體的產量，而美光也宣布將加快DDR5記憶體的過渡。 「QLC NAND是解決容量問題的重要路徑。」美光企業副總裁暨儲存部門總經理Jeremy Werner指出，QLC技術可以做到非常低的產品成本，並不斷提升儲存容量；在效能上，既可以確保產品的功耗維持在非常低的水平，同時在需要調取相關資料進行讀取和寫入的時候，又能夠迅速喚醒整個系統。 圖源：CFMS 美光估計，目前QLC NAND SSD導入PC滲透率約20-25%，2024年將可望加速成長推動，AI PC將帶動SSD搭載容量快速提升，朝向TB等級需求邁進。 PART 03 AI+手機 SoC晶片/UFS 4.0快閃記憶體 AI手機的概念其實並不新鮮，其流行可追溯至2017年。那一年，蘋果發表了搭載A11晶片的iPhone 8，引領了將專用NPU整合到SoC中的潮流。榮耀View 10甚至打出了「你的第一台AI手機」口號，賣點是搭載了海思麒麟970。 根據中國電信2018年發布的《AI終端白皮書》，當時的AI手機定義為搭載AI晶片、能運行AI應用，具備人臉辨識、語音助理、場景辨識、系統優化等功能。 到了2024年，AI手機的概念再次成為焦點。與以往不同，這次廠商將搭載大模型功能的手機稱為「AI手機」。一時間，所有主流手機廠都推出了自家的「AI手機」及端側大模型：華為盤古大模型，OPPO安第斯大模型，vivo藍心大模型，小米MiLM-6B，三星Galaxy AI… 但手機上有大模型，就是AI手機嗎？這一點在手機廠商之間也沒有共識。 OPPO將此視為手機行業的第三個重大變革階段，並宣布“OPPO正式邁入AI手機時代”；魅族採取了更為激進的策略，宣布“停止製造傳統手機，All in AI”，並將新發表的魅族PRO 21稱為「開放式AI終端」； 另一方面，小米集團總裁盧偉冰持謹慎態度，他認為「AI是未來，是無所不在的能力，但AI手機是噱頭」；榮耀CEO趙明更是直言不諱「能夠提供生成式AI能力的手機並不等於AI手機，甚至相去甚遠。 圖源：盧偉冰微博 那麼，究竟什麼是AI手機呢？這個問題至今還沒有結論。 IDC和OPPO聯合發布的《AI手機白皮書》，用4種能力定義了「AI手機」——算力高效利用、真實世界感知、自學習和創作能力。 Counterpoint和聯發科發布的《生成式AI手機產業白皮書》則提出：生成式AI手機是利用大規模、預先訓練的生成式AI模型，實現多模態內容生成、情境感知，並具備不斷增強的類人能力。 硬體方面，Counterpoint提出5點規格：基於領先製程和先進架構設計的行動運算平台，擁有整合或獨立的神經網路運算單元（如APU/NPU/TPU），大容量和高頻寬的內存，以及穩定和高速的連接，硬體級和系統級的安全防禦。 在此，我們將重點探討兩類硬體：SoC晶片和UFS 4.0快閃記憶體。 SoC晶片 正如AI PC一樣，AI手機面臨的首要挑戰也是提升算力。 Counterpoint估算顯示，2027年生成式AI手機端側整體AI算力將會達到50,000EOPS以上。因此，在當前階段，手機SoC晶片的效能提升仍是關鍵。 圖源：《生成式AI手機產業白皮書》 目前，在手機SoC領域，高通、聯發科和蘋果是三大主要競爭者，它們都在各自的SoC中整合了多個不同的處理器單元，包括CPU、GPU、DSP，以及APU/NPU等獨立的AI計算單元，專門負責處理重載的AI任務。 其中，聯發科主打“全大核CPU架構+硬體生成式AI引擎”，其最新推出的天璣9300+在端側支援AI推測解碼加速技術，支援主流的生成式AI大模型，同時兼容Al框架ExecuTorch 。 高通驍龍8 Gen 3則號稱“專為生成式AI設計”，將Hexagon DSP升級為Hexagon NPU，融合調度各個單元的算力，支持在終端側運行高達100億參數的生成式AI模型。 作為多代最強手機SoC的推出者，蘋果的AI手機SoC方案雖然尚未揭曉，但已經激發了業界和消費者的期待。 Counterpoint判斷，未來，專用AI運算單元和異質運算架構將共存於手機SoC中，這也意味著，不同運算單元之間通訊頻寬的重要性將日益凸顯。 UFS 4.0快閃記憶體 同樣的，AI手機也面臨儲存容量和速率的挑戰。為了適應端側AI大車型的需求，傳輸速度更快、功耗效率更優的UFS 4.0快閃記憶體已成為旗艦手機的標準配備。 UFS是一種為運算和移動系統設計的高效能接口，它透過高速串行接口和優化的協定顯著提升了吞吐量和系統性能。其全雙工介面支援同步讀寫操作，進一步提高了資料傳輸的效率；雙通道的資料傳輸，增加了整體的吞吐量。 2022年8月，JEDEC推出了UFS 4.0標準，理論上其傳輸速率可達4640MB/s，是UFS 3.1的兩倍，是eMMC的十倍以上，同時功耗降低了46%，儲存容量高達1TB，滿足了AI手機對儲存容量、運行速度和電池續航力的要求，可以實現更流暢、更即時的人機互動體驗。 而在UFS 4.0基礎上，儲存廠商也積極進行升級迭代。例如，美光推出了增強版UFS 4.0行動解決方案，與前代UFS 3.1相比，生成式AI應用中的大語言模型載入速度可提高40%。鎧俠發布了第二代UFS 4.0，相較於第一代產品，提升了18%順序寫入性能、30%隨機寫入速度和13%隨機讀取性能，並支援高速鏈路啟動序列(HS- LSS)特性，將啟動時間縮短70%。三星也在計畫推出UFS 4.0 4頻道產品，據稱其傳輸速度和功耗效率相較UFS4.0會有兩倍的提升。 同時，業界正積極參與UFS 5.0標準的討論，這預示著未來AI手機的大模型載入時間可望進一步縮短。當然，UFS 4.0的應用範圍不僅限於手機，還擴展到了虛擬實境和自動駕駛等需要處理大量資料的場景。 PART 04 還在等待 殺手級應用及顛覆性時刻 回到開頭的問題，隨著AI技術向各類終端應用場景的廣泛滲透，產業鏈中相關硬體的發展方向已經出現雛形，但尚未完全明確。儘管如此，各大廠商正基於各自的理解，積極地與產業鏈上下游討論、碰撞，不斷探索更多可能性，推動硬體以外的創新。 觀察「AI+穿戴裝置」、「AI+PC」、「AI+手機」三大場景，我們可以發現，儘管不同形態的AI終端產品對AI性能、功耗、精度的要求各異，但它們對硬體的感知能力、運算力、儲存容量、智慧化程度和資料安全性的需求趨勢是一致的。 同時，如何在發揮硬體優勢的基礎上，串聯和建構應用生態，形成不同場景、不同終端間的連接互聯，為用戶帶來更多AI使用場景，也成為了廠商共同的期待與考驗。 回到當下，大模型落地仍在探索階段，AI穿戴裝置、AI PC和AI手機的面貌仍很模糊。無論是廠商還是消費者，都在等待真正意義上的殺手級應用以及顛覆性時刻的到來。 但值得慶祝的是，隨著人工智慧與終端場景的深度融合，AI時代又離我們普通人更近了一步。 期待「AI Everything」的到來！（芯師爺）

根據半導體產業協會的數據，全球晶片市場成長在3 月有所放緩，因為經濟逆風開始壓倒人工智慧對晶片定價的推動。 全球晶片市場三個月移動平均值為459.1億美元，較上季2月下降0.6%，但較2023年3月成長15.2%。 SIA 根據世界半導體貿易統計組織收集的數據報告數據為三個月移動平均值，這些數據是2024 年第1 季和23 年第1 季的代理數據。成長下降表明，2024 年的成長可能比先前的預測更為有限，但這是由於台積電的負面指標所致。 2024 年第一季全球晶片銷售額總計1,377 億美元，較2023 年第一季成長15.2%，但較2023 年第四季下降5.7%。 大多數半導體市場分析師仍預測2024 年全球晶片市場的年增長率在13% 至20% 之間，但最新數據可能表明兩位數的百分比增長是不可持續的。最新數據顯示，北美和中國地區的消費性電子產品業務持續成長。然而，歐洲、日本出現收縮，而世界其他地區則成長疲軟，拖累了整體市場。 美洲區域市場（主要是美國）年增26.3%，比2 月的22.0% 有了顯著改善。中國是最大且成長最快的地域市場。 3月份中國3MMA成交額為141.4億美元。 John Neuffer 表示：「第一季全球半導體銷售額明顯高於去年第一季的總額，但銷售額環比和環比有所下滑，反映了正常的季節性趨勢。」SIA 執行長發表聲明。他補充說：“預計市場在今年剩餘時間內將繼續增長，預計2024 年年增長率將達到兩位數。” 不要對25% 的跌幅反應過度 歐洲元件分銷(DMASS)的最新數據顯示，第一季營收下降23.3%，半導體業務下降26.5%。 DMASS Europe 主席Hermann Reiter 強烈強調沒有理由驚慌，並表示這種市場整合早就該發生了。他表示：「每個人都應該做好應對幾季的預訂和帳單疲軟的準備。」他補充道，「現在對削減成本做出過度反應是沒有意義的，因為所有行業領域都有巨大的復甦潛力，而且技術。 DMASS 表示，經過三年的“顯著增長”，2024 年第一季所有組成部分均下降了23% 以上，這預示著“幾個充滿挑戰的季度”。會員報告稱，綜合分銷收入下降23.3%，至45.8 億歐元，其中半導體下降26.5%，至30 億歐元，IP&E（互連、被動和機電）組件下降16.3%，至15.7 億歐元。 事實證明，英國是半導體產業最具彈性的國家，僅下降了15%，其次是義大利（下降19.88%），德國下降了30.26%，比荷盧經濟聯盟下降了35.86%，瑞士、北歐和奧地利第第一季下降幅度最大，分別為35.49%、32.27% 及-40.20%。 Reiter很樂觀，他將2024 年第一季描述為「我一段時間以來見過的最不令人驚訝的季度。即使我們在未來幾季可能面臨一些挑戰，復甦遲早會開始，我相信2025 年將重回正軌。越來越多的創新組件。 在所有國家中，只有高功率LED和微處理器出現成長，分離半導體下降30%，功率半導體下降20.55%，感測器和致動器下降31.29%）、光電下降18.06%）、類比下降31.09%）、記憶體下降19.88%）、MOS微邏輯下降23.32%）、可程式邏輯下降36.65%）標準邏輯下降31.60%）。 第一季IPE 也下降了16.3%至15.7 億歐元，其中被動元件受到的打擊最大，下跌幅度為21.18%，然後是機電(-13.10%) 和電源(-13.36%)。 DMASS 還報告稱，中歐（德國、奧地利和瑞士）受影響最嚴重（下跌分別為23.24%、27.89% 和20.57%），英國、法國、義大利和伊比利亞半島的情況“令人驚訝”，下跌幅度分別為12.49%、12.82%、11.23% 及10.15%。 董事長Hermann Reiter 總結道：「越來越明顯的是，零件市場比您在全球市場預測中看到的要複雜得多。例如，人工智慧的炒作並不是無處不在，只涉及少數組件類型」。 全球晶片材料市場下滑：中國是唯一成長 2023年，全球半導體材料市場營收下降8.2%，總計667億美元，低於前一年的727億美元。世界所有地區的收入均出現下降，但中國大陸除外，中國大陸至少實現了一些成長。全球電子製造和設計供應鏈產業協會SEMI 報告了這一下滑趨勢。 市場不同領域的收入均出現下降。晶圓製造材料的收入下降7.0%，至415 億美元。此領域下降最顯著的是矽、光阻輔助材料、濕化學品和化學機械平坦化（CMP）。同時，用於建構晶片外殼的封裝材料報告下降幅度更大，達10.1%，收入降至252 億美元，這主要是由於有機基板產業的減少。 市場規模的縮小歸因於半導體需求疲軟，因為製造商去年試圖盡量減少過剩庫存。這種庫存管理導致製造設施未充分利用，直接影響半導體材料的消耗。這些設施的運作率降低是材料使用量減少的關鍵因素。 從地理來看，台灣連續第14 年成為半導體材料的最大消費地區，貢獻收入達192 億美元。這並不特別令人驚訝，因為台灣台積電為全世界生產晶片，包括科技巨擘蘋果、AMD、英特爾和英偉達。 繼台灣之後，中國大陸消費成長，實現收入131億美元，維持第二位。考慮到中國大陸在新建晶圓廠方面處於世界領先地位，中國公司比其他國家購買更多的半導體材料是合乎邏輯的。 韓國以106 億美元排名第三，這並不奇怪，因為三星和SK 海力士等公司大部分3D NAND 和DRAM 儲存設備都是在國內生產的。 除了這些國家之外，大多數其他地區的半導體材料消耗都出現了顯著下降。最值得注意的是，北美晶片材料市場去年萎縮了11.4%，達到55.61億美元，這並不意外，因為美國去年繼續失去晶片製造市場份額。唯一較小的市場是歐洲，2023 年市場規模為43.19 億美元，較去年同期下降5.7%。 人工智慧的狂熱，掩蓋了半導體復甦的緩慢 人工智慧晶片賣得熱火朝天，其他的就沒那麼熱銷了。 通常，當台積電預測今年將成長21-26%，而三星的經營業績飆升時，整個半導體產業就可以期待一個堅實的一年。但事實證明，復甦並不均衡，而且比預期更為緩慢，該行業似乎甚至沒有把握在2024 年實現兩位數成長。 台灣業領頭羊與整個產業的反差，很大程度上源自於一個應用：AI。台積電執行長CC Wei 在第一季財報電話會議上對投資者表示，雲端服務供應商和擁抱生成式人工智慧的前瞻性公司正在對高階晶片產生「極高」的需求。用於人工智慧訓練的GPU也需要大量內存，幫助內存製造商擺脫漫長的下行週期（儘管三星在這一領域落後於SK海力士）。 在消費領域，情況就沒那麼樂觀。魏表示，智慧型手機終端市場的復甦是“漸進的”但“不是急劇的”，PC市場已經觸底，但復甦“較慢”。汽車、工業和成熟半導體的勢頭也尚未回升。根據Semi 的數據，2023 年第四季（可取得數據的最新時期）的晶圓廠利用率平均約為70%。 魏說，整體而言，全球科技業的復甦「不夠快」。在給投資者的報告中，Susquehanna 分析師Christopher Rolland 同意，儘管某些細分市場表現強勁，但該行業仍面臨「廣泛」的阻力。標準普爾全球市場情報指出，半導體產業「近期前景黯淡」。 在典型的半導體從低迷到上升的轉型過程中，記憶體首先找到了擺脫困境的出路。這就是我們現在所看到的。但隨著人工智慧增加收入，很難判斷這種復甦在多大程度上歸功於產業基本面的改善。考慮到宏觀經濟和地緣政治的不確定性，下半年經濟復甦——正如ASML、ASM 和其他公司所預測的那樣——似乎不確定。可能需要更長的時間。 也就是說，另一個產業領頭羊的第一季業績令人樂觀。德州儀器(TI) 的產品廣泛用於各種終端產品（但在人工智慧系統中應用不多），因此這家美國公司上調第二季度的預測增強了人們對需求全面回升的信心。然而，值得注意的是，TI 管理層擔心行業信心的早期跡象可能證明是虛假指標，因此拒絕在第二季度之後提供指導。（半導體產業觀察）

就在剛剛，蘋果首顆真正AI PC晶片來了！ 鈦媒體App 5月7日消息，今晚舉行的「Let freeze」特別新品發表會上，蘋果正式發表全新iPad Pro，配備全新、專為AI 打造、基於ARM架構的新一代AI PC晶片Apple Silicon M4。 新的M4採用台積電第二代3nm工藝，擁有280億個晶體管，支援全新串聯OLED顯示引擎，其CPU性能比M2快50%，GPU性能比M2提升4倍，內置全新NPU（新的神經引擎） ，支援每秒38兆次AI 運算處理能力，比蘋果A11晶片的神經網路引擎快可達60倍（6000%）。 另外，蘋果也指出，基於M4晶片和新的產品設計，新款iPad Pro的運行速度比M2 iPad Pro 快4倍（400%），比原來的iPad Pro快10倍（1000%）。 蘋果表示，M4是執行基於AI 的任務的完美晶片。如果沒有M4，新款iPad Pro 甚至不可能問世。 蘋果硬體工程高級副總裁John Ternus 表示，「搭載M4 的新款iPad Pro 是一個很好的例子，展示瞭如何構建一流的定制芯片來實現突破性產品。M4 的高能效性能及其全新顯示引擎，使iPad Pro 的輕薄設計和改變遊戲規則的顯示成為可能，而CPU、GPU、NPU和內存系統的根本改進，使M4非常適合AI 應用開發。 據悉，早在2020年11月，蘋果正式拋棄英特爾酷睿，選擇發表自研ARM處理器Apple M1。 M1晶片採用先進5nm 製程，是全球首款採用5nm製程打造的個人電腦晶片，封裝了驚人的160 億個晶體管，CPU 性能表現提升至最高3.5 倍，將圖形處理器速度提升至最高6 倍，內置的首個神經網路引擎(Neural Engine) 將機器學習的速度提升至最高15 倍，帶來了高效的機器學習處理能力。同時，基於M1的Mac設備也將電池續航時間最高提升至上一代Mac 機型的2 倍，效能與能源效率都躍升。 2021年10月，蘋果推出了Apple M1 Pro、M1 Max和M1 Ultra，電晶體最高達1,140億顆。其中，M1 Ultra處理器是由兩台M1 Max處理器以UltraFusion（Die）嫁接而成，因此M1 Ultra效能是M1 Max的兩倍。 2022年6月，蘋果推出全新5nm製程的Apple M2晶片，為蘋果公司的Apple Silicon中、M系列的第二代產品，也是Mac向蘋果晶片遷移計畫中的一部分，建構於ARM平台，釆用5nm工藝，包含有200億個晶體管，8核心CPU，10核心GPU以及最高24GB的統一內存，並運行在13吋MacBook Pro 、MacBook Air M2機型當中。 蘋果表示，相較於M1，M2處理器的CPU 速度提高了18%，GPU 效能提高了35%，神經引擎速度提高了40%，進一步提升了M1 業界領先的每瓦效能。而與M1 相比，它還提供多出50% 的記憶體頻寬，以及高達24GB 的快速統一記憶體。而包括MacBook Air（13吋2022、15吋2023）、MacBook Pro（13吋2022）、iPad Pro（11吋第四代與12.9吋第六代）、Mac Mini（2023）、Vision Pro（2024）產品均採用了M2晶片。 2023年，蘋果也更新了M2 Pro、M2 Max、M2 Ultra晶片，效能與M2變化不大。 而包括M1、M2兩代晶片，也運作在iPad Pro (11吋第三代，12.9 吋第五代)、iPad Pro（11吋第四代與12.9吋第六代）、iPad Air（2022）三款機型上，使得iPad系列邁向生產力工具設備。 2023年6月，蘋果正式發表基於ARM架構、3nm製程的Apple M3晶片，用作Mac桌上型電腦和筆記型電腦的中央處理器和圖形處理器，為蘋果的Apple Silicon、M系列的第三代產品，亦是Mac向蘋果晶片遷移計畫的一部分。 M3系列晶片提供高達128GB 的​​統一內存，其中性能最強大的M3 Max配備多達920 億個晶體管、40 核GPU 和16 核CPU。 如今，M4終於來了。 M4 晶片基於第二代3nm製程製程打造，全新CPU包含最多4個高性能核心和6個高能效核心，採用新一代機器學習（ML）加速器，與前代iPad Pro 搭載的M2 晶片相比，中央處理器效能提升最快可達1.5 倍。 同時，M4 晶片配備全新顯示引擎，驅動超精視網膜XDR 顯示器可實現驚人的精準度、色彩和亮度表現。而且，M4 晶片的10 核心圖形處理器建構在M3 晶片的圖形處理器架構之上，並首次為iPad 帶來了動態快取、硬體加速網格著色和光線追蹤功能。在更高統一記憶體頻寬的配合下，與M2 晶片相比，Octane 等專業渲染app 實現最高達可4 倍的速度提升。 與M2 相比，M4 晶片在功耗減半的情況下即可提供同等性能；而與輕薄型PC 筆電的最新晶片相比，M4 晶片在1/4 功耗下即可達到相同的性能。全新的先進媒體引擎支援AV1 解碼，能夠以更高的能源效率帶來高解析度串流服務影片播放體驗。 此外，搭載M4 晶片的全新iPad Pro 採用Apple 迄今最強大的神經網路引擎，每秒可執行高達38 兆次運算，比A11 仿生晶片採用的首款Apple 神經網路引擎相比最快可達60倍。而且，基於M4的iPadOS系統也推出Core ML 等先進框架，供開發者進一步利用神經網路引擎實現設備端AI 功能。新款iPad Pro 也支援雲端解決方案，讓用戶運行強大的生產力和創意app，發揮AI 技術的威力。 蘋果表示，AI 驅動型任務的處理速度可進一步加快，例如Final Cut Pro 的場景移除遮罩功能，只需輕輕一點，即可輕鬆將4K 影片中的物件從背景中分離。 蘋果表示，全新11 吋和13 吋iPad Pro 將提供銀色和太空黑色兩種外觀選項，以及256GB、512GB、1TB 和2TB 四種配置。其中，11吋新iPad Pro機型的起售價為8,999元，13 吋新iPad Pro起售價1,1499元，即日起在美國等29個國家及地區訂購，新機型將於5月15日起在蘋果官網發售。 另外，蘋果也更新了搭載M2晶片的11英寸，以及發表全新M2晶片的13吋iPad Air設備，售價4,799元起。 很顯然，蘋果在AI 晶片領域依然在「擠牙膏」。但同時，這次蘋果真正首款AI PC晶片的到來，將拉開蘋果全面發力生成式AI 技術應用的序幕。 (鈦媒體AGI)

輝達高級科學家Jim Fan：特斯拉機器人世界領先。 Jim Fan 對特斯拉機器人的最新資訊評價到 Optimus 擁有世界頂級的五指靈巧機器人手，具備先進的觸覺感應和高自由度，以及低延遲的遠端操作軟體，這些都是其在仿人機器人領域取得領先的關鍵因素。 Jim Fan 指出Optimus 擁有11 個自由度遠超競爭對手近一倍。馬斯克淡定回覆：年底會翻倍！到22 個自由度。 Essence 感嘆到：22 自由度！和人一樣啊！不敢想像。 22 個自由度意味著什麼？ Grok 這樣回覆的： 這意味著這隻手可以以22 種不同的方式移動和旋轉，從而實現高度靈活和精確的動作。這比之前的版本有了顯著的改進，之前的版本只有11 個自由度。增加的自由度將使Optimus 手能夠執行更複雜的任務，更精細地處理物體，就像人類手部的功能一樣。 Jim Fan 原文如下： 恭喜@Tesla_Optimus 團隊又一次出色的更新！影片讓我們一窺他們的人類數據收集工場，我相信這是Optimus最大的領先優勢。建構這樣一個管道需要什麼？ Optimus成功地做到了以下幾點： Optimus 手部是世界頂級的五指靈巧機器人之一。它具有觸覺感應，擁有11個自由度（DOF），相比之下許多競爭對手僅有6-7個DOF，並且具有強大的魯棒性，能夠在不頻繁維護的情況下承受大量物體交互。 遠端操作軟體：我們可以看到人類操作員戴著虛擬實境眼鏡和手套。設定軟體以實現第一人稱視訊串流的輸入和精確控制串流的輸出，同時保持極低延遲是非常不簡單的。人類對於自己動作和機器人動作之間即使是最小的延遲也非常敏感。 Optimus擁有流暢的全身控制器，能夠即時執行人類的姿勢。 規模可觀的團隊：你需要多個機器人並行收集數據，訓練有素的人類承包商每天要進行多次輪班（最好24/7），並且需要一個隨叫隨到的維護團隊以確保機器人始終忙碌。這是一個學術研究實驗室甚至不會考慮的操作複雜性。 任務與環境：弄清楚要遠端操作什麼同樣重要。目前，大多數此類努力都是以演示驅動的：收集你想要放入社群媒體影片的任務資料。但是，要解決通用機器人的問題，我們需要仔細考慮任務和環境的分佈。從影片的43"-51"中，我們可以看到工廠和家庭環境，如行動電池、處理洗衣物、將日常物品分類放入貨架。 這是一個開放式的研究方向：如果你只有預算收集1000個任務的訓練數據，你會選擇哪些任務以最大化技能轉移和泛化？ 最後的思考：遠端操作是解決仿人機器人的必要但不充分的條件。它在根本上是無法擴展的。稍後會有更多的討論。 (AGI Hunt)

機器人太火了，連專注軟體領域的Hugging Face也入局了！ 美國時間5月6日，Hugging Face的機器人專案負責人雷米·卡德內（Remi Cadene）宣布推出LeRobot開源程式碼庫，並形容它對於機器人的意義就如同「Transformer架構之於NLP（自然語言處理）」。 Remi Cadene表示：“人工智慧發展的下一步是將其應用於我們的物理世界。因此，我們正在圍繞AI機器人建立社區驅動的努力，並且它向所有人開放！” Remi Cadene的X推文 Remi Cadene在兩個月前加入Hugging Face，並在法國巴黎搭建團隊，招募具身機器人工程師。先前Remi Cadene先後在特斯拉自動駕駛汽車部門與人形機器人Optimus團隊擔任科學家。 Remi Cadene表示自己將在Hugging Face開啟一個「雄心勃勃」的開源機器人項目，而且不是像OpenAI那樣的開放，是真正的開源。 Hugging Face是一家總部位於紐約的人工智慧公司，估值45億美元。在組成開源機器人團隊之前，Hugging Face的主營業務都是軟體形態，包括開源AI模型庫和AI助手Hugging Chat Assistants。 如今，隨著Hugging Face的開源機器人程式碼庫上線，將會有更多的人加入機器人研發的大潮。 Hugging Face已經搭上了大模型爆火的第一輪東風，它還會繼續搭上機器人的東風嗎？ 1.LeRobot：一個機器人的“圖書館” 此次推出的LeRobot開源程式碼庫旨在為Pytorch框架下的現實世界機器人提供模型、資料集和工具，目標是降低進入機器人技術的門檻，以便每個人都可以做出貢獻，並從共享資料集和預訓練模型中受益。 LeRobot不僅僅是一個軟體包，而是一個綜合平台，其中包括用於共享、視覺化資料和訓練最先進模型的多功能庫。具體而言，LeRobot開源資料庫提供了一組預訓練模型、包含人類收集演示的資料集，以及無需組裝機器人即可使用的模擬環境，以為機器人在現實世界中的動作提供更多的支援。 它與實體模擬器無縫集成，讓沒有實體機器人硬體的愛好者和開發人員可以在虛擬環境中模擬和測試他們的人工智慧模型，目標是提供一個可以適應和控制任何形式的機器人的AI系統，從而實現機器人應用的多功能性和可擴展性。 Remi Cadene在推文中表示，LeRobot之於機器人就像Transformer架構之於NLP——它提供帶有預訓練檢查點的高級AI模型的簡潔實現。他們也復現了來自學術界的31 個資料集和一些模擬環境，無需實體機器人即可開始使用。 Cadene 發布了一些由Github上LeRobot庫的程式碼提供的機器人功能的範例，它們都是在真實資料集上訓練的。 例如，在這個資料視覺化的範例中，它展示了LeRobot是如何在Return（一個SDK和檢視器，用於視覺化與多模態資料流互動）上運行的，資料集來自Aloha專案（用於異質架構運行時自適應和安全深度學習的軟體框架，主要目標是促進深度學習演算法在異構低能耗運算平台上的實現，為最佳演算法選擇、資源分配和部署提供自動化。 LeRobot的另一項視覺化是在Mobile Aloha資料集上進行的，旨在完全端到端地學習導航和操作。以下例子展示了LeRobot控制下的兩個機器人抓手/手臂之間傳遞物體： 上述兩個資料集都是在機器人公司Trossen Robotics的機械手臂上收集的。 當Remi Cadene團隊使用ACT策略對LeRobot開源程式碼庫進行測試時，基於LeRobot的機器人在模擬環境下同樣表現良好。 ACT策略是一種機器人的動作分塊演算法，即Action Chunking with Transformers，它使用Transformer編碼器合成來自多個視點、聯合位置和風格變數的圖像，並使用Transformer解碼器預測一系列動作，透過預測動作序列來解決高精度領域中的問題。 ACT策略可以在新環境幹擾下做出反應，並且對一定程度的干擾具有穩健性。 可以看到，兩隻機械手分別嫻熟地捏起兩塊不同的積木並堆疊到了一起，證明了ACT策略下LeRobot的有效性。 同時，在Diffusion Policy（擴散策略，一種強大的模仿學習演算法）和TDMPC Policy（Temporal Difference Learning for Model Predictive Control，一種包含世界模型的強化學習演算法）兩種策略下，LeRobot同樣表現出色，可以不斷從與環境的互動中學習。 早在索邦大學（Sorbonne University）讀博的時候，Remi Cadene就給了NASNet模型（一個行動端的ImageNet模型）的Pytorch實作方法。 2021-2024年3月在特斯拉的Autopilot團隊和Optimus團隊工作期間，Remi Cadene也在自動標記神經網路、建構操控網路等工作中做出了重要貢獻。 2.軟體平台也有硬體野心 在過去的幾個月裡，人形機器人技術取得了令人印象深刻的突破（ALOHA、擴散策略、UMI 等等），使機器人能夠在有限數量的數據集上運行，同時讓許多資金實力不足的小團隊也能訓練自己的機器人。 同時，最近一段時間，大量風險資本湧入人形機器人產業，例如Figure AI在2月份獲得了來自英偉達、亞馬遜和OpenAI等的6.75億美元融資，這已經是他們在2023年5月完成7000萬美元A輪融資、7月獲英特爾900萬美元投資後，一年內的第三次融資。 4月18日波士頓動力將其液壓動力機器人Atlas退役、推出了全新的電動Atlas機器人（詳見《波士頓動力推出全新Atlas：人形機器人並不一定要像人》）；就在前天，特斯拉宣布了其人形機器人Optimus能力的全面升級（詳見《特斯拉機器人Optimus「進廠打工」：它學會了糾正自己的錯誤》）。 在中國，人形機器人賽道同樣耀眼，光是2024年4月，中國的人形機器人領域就發生了4起投融資事件，截至目前已經有了8起融資事件，達到了2023年的三分之二，累計融資金額超過12億元。 2023年底，人形機器人第一股優必選更是成功在港交所上市。 「甲子光年」曾在《人形機器人+大模型，為什麼是投資人追逐的新風口》中指出，通用人工智慧對物理世界的價值需要有具身的實體來承載，而人形機器人就是最好的落地方式；大模型開啟了通用機器人的可實現性，幫助人形機器人在技術層面邁過了一個鴻溝，產生了巨大的價值發揮空間，而這也是人形機器人最近備受科技和投資圈關注的原因。 作為一個在機器學習和AI領域深耕了多年的玩家，Hugging Face同樣能夠看到人形機器人的巨大潛力。今年3月，在將前特斯拉AutoPilot與Optimus科學家招至麾下後，Hugging Face在法國巴黎招募具身機器人工程師，並提到：「在Hugging Face，我們相信機器學習不必局限於電腦和伺服器，這就是為什麼我們正在擴大我們的團隊，為專注於機器學習/人工智慧的機器人工程師提供新的機會。 Hugging Face表示，“在這個職位上，你將負責設計、構建和維護集成人工智能技術的開源和低成本機器人系統，特別是深度學習和具體人工智能技術，突破機器人和人工智能的可能性界限” 。 Hugging Face已經踏出了第一步。將LeRobot機器人程式碼庫開源是Hugging Face的策略決定，旨在避免權力和創新集中在少數公司手中。 LeRobot發展的基礎是創建有史以來最大的眾包機器人資料集。透過與大學、新創公司、大型科技公司和個人愛好者合作，Hugging Face 正在促進龐大機器人數據存儲庫的建立——這其中包含數以TB計的機載視頻記錄，這些視頻記錄正在使用輕量級的LeRobot Dataset 進行格式化，以便透過Hugging Face快速上傳和下載。 未來，透過降低進入門檻並創造共享知識和資源的環境，Hugging Face上有希望長出一個可以重新定義人工智慧機器人領域的社區，而這也是Hugging Face的機器人野心。 (甲子光年)

創新工場董事長、CEO，零一萬物CEO李開復（資料來源：中關村論壇） 鈦媒體App獲悉，5月7日，李開復博士創立的零一萬物公司宣布推出首款為國人量身一站式AI 工作平台「萬知」。 具體來說，「萬知」目前可以在過網頁（www.wanzhi.com）和微信小程式上使用，它可以做會議紀要、週報、寫作助手，還可以解讀財報、論文等各類文件，不僅可以速讀60萬字《馬斯克傳》，而且可以幫你手機一鍵生成PPT。這一切都可以登入一鍵解決，中英雙語，完全免費。 同時，零一萬物也宣布，李開復博士親自出任萬知CEO（Chief Experience Officer），即“首席體驗官”，傾聽用戶反饋。他將在這段時間親自推出一系列AI 助力工作生活新範式的萬知使用教程，在萬知上提交的用戶反饋也會集結為《萬知首席體驗官週報》陸續分享，邀請廣大網友一起迎接AI-first 的全新體驗。 零一萬物CEO 李開復博士表示，大模型推理成本的下降會推動著中國AI 大模型進入落地為王的階段，今年將迎來「大模型應用爆發元年」。基於強大的Yi 大模型的模型知識能力，搭配上以AI-first 理念精心設計的工具軟體介面，零一萬物試圖打造適合國人的「ChatGPT Moment」。 據悉，零一萬物（01.AI）成立於2023年5月16日，致力於打造全新的AI 2.0 平台與AI-first生產力應用的全球化公司，由創新工場董事長兼CEO李開復博士親自掛帥，擔任零一萬物CEO。 2023年中關村論壇上，李開復就對鈦媒體App等表示，以GPT-4等大模型為代表的生成式AI 熱度在全球蔓延，意味著AI 2.0時代已經到來，它將帶來比移動互聯網時代大十倍的機會，穿透各行各業大大提振生產力。 “我們預測，全新的AI 2.0平台將能有效幫助提升人類生產力，創造巨大的經濟價值及社會價值。” 2023年11月，零一萬物發布首款研發的最強開源AI 大模型系列“Yi”，包括Yi-6B（數據參數量為60億）、Yi-34B（340億）兩款，均是雙語（英文/中文）、支援開源。 「隨著團隊到位，2023年6、7月份開始寫第一行程式碼，短短四個月做了非常自豪的產品。我們是『不鳴則已，一鳴驚人』。所以『一鳴驚人』之後，如果我們過半年甚至一年回頭看，今天對我們來說只是剛開始，我們還會不斷的去開發、推動、宣布更多令人驚豔的成果。 今年3月，零一萬物宣布成功研發出基於全導航圖的新型向量資料庫“笛卡爾（Descartes）”，為RAG（檢索增強生成）提供了高效極速的檢索機制，0.1 秒判別用戶意圖，極速調度檢索，給予使用者高效率、優質回饋。 值得一提的是，鈦媒體App了解到，目前零一萬物的研發核心還是做基礎大模型，而垂直大模型應用和商業化部分由瀾舟科技團隊進行商業落地。 此次公佈的“萬知”，是一款基於千億模型Yi 技術的AI 助手類型應用，具體來說有三個的重要亮點： 1、AI 知識問答，可以輕鬆調度100個跨領域的知識內容。萬知善用多種形式輸出更有品質的內容，以表格、簡易心智圖等形式取代大量“字海”，便於使用者理解。同時，為了彌補大模型知識庫的滯後性、避免幻覺產生，萬知支持即時存取和整合互聯網信息，為用戶提供最新的數據和見解。 2、AI 讀文檔，秒讀5000頁字海，多模態讀懂中英圖表。基於Yi大模型本身的超長上下文視窗搭配領先的RAG方案，共同建構起了萬知「5000頁文檔速讀」的超長文檔閱讀能力。不管是18.5萬字的《1984》，還是60萬字的英文小說《馬斯克傳》、 109萬字的《戰爭與和平》，又或是400萬字的《托爾斯泰小說全集》，最多10秒，萬知就可以為你依照簡介、主要角色介紹、情節分析、影響力等角度列出概述大綱。 3. AI 創作PPT，手機生成2分鐘+ PC接力更完美。用戶只需在手機頁面輸入相關PPT主題，萬知就能產生文字大綱，經用戶確認後萬知還支援一鍵產生PPT。得益於RAG即時檢索，萬知AI能夠基於「大腦知識+新鮮實事」生成PPT大綱，輔以多種版式和AI配圖，號稱一份精美的PPT兩分鐘就能出爐。 值得一提的是，實測過程中，一篇169頁的全英文財報，萬知小程式可在3秒內對內容重點進行提煉，對於財報中的財務數據進行解讀，並且按照財報敘述邏輯總結重點。在對話末尾，萬知也為用戶給予提示性質的追問，幫助用戶加深對財報內容的理解。 然而，對於內容的準確度以及「心智圖」體驗等方面，鈦媒體App發現「萬知」仍有一定的改進空間。 對此，零一萬物面向向鈦媒體App透露，第一次發布的成功難免或多或少有點bug，李開復博士也親自做首席體驗官，往後定期反饋修改建議。 事實上，零一萬物已經於去年海外進行了產品試水，探索PMTF（Product Market Technology Fit 產品技術市場契合），明確了AI讀文檔、PPT製作等高價值場景，在打造優質專業的用戶體驗的基礎上探索商業化空間。 結合海外實踐經驗，零一萬物將萬知定位為“一站式AI 工作平台”，將職業白領、大學生等高知群體確定為核心用戶層，力求利用大模型能力解決用戶工作場景中的真實問題，讓每個人都能輕鬆用上萬知這個AI 個人特助。 「從目前國內的競爭環境來看，我認為未來不會是一家獨大的局面。零一萬物作為大模型驅動的創業公司，我們會圍繞生產力場景做產品創新。」零一萬物生產力產品負責人曹大鵬表示，萬知小程式與PC網頁端有著強烈的協同效應，小程式對應碎片化的行動辦公，PC網頁端則對應專業深度辦公場景；小程式是用戶輸入需求的快捷入口，PC網頁端則可供使用者做深入的細化調整。 零一萬物表示，基於萬知應用，以及千億參數模型搭建起了場景專屬模型，公司之後將會進一步優化模型性能，提升內容生成專業程度。隨著模型效能的進一步增強，大眾接受程度的提升，未來高價值情境會越來越多。 (鈦媒體AGI)

〇、結論 本文先總結結論。因為分析部分財務資料圖表較多，為了方便大家閱讀先將結論放在開頭，如果大家有興趣可以查閱正文部分的原始資料和對應分析。 2023年9月和今年2月我認為半導體基本面的底部將在2024Q1形成，A股半導體指數將在23Q4-24Q1見到低點（2月中旬發文時距離指數低點僅3天）。現在馬上來到2024年中。從目前的指數走勢看，今年2月的低點已經見到，從年報和一季報的情況來看，基本面的底部也已經形成。 從各公司公佈23年年報及24年一季報情況看，結論如下： 1）半導體板塊整體的低點已經過去，設計公司毛利穩定、收入進入成長軌道，設備和材料在國產化驅動下維持較好成長。詳見後續分析。 2） 從產業基本面績效的表現來看，主觀對於半導體板塊的排序如下： 非常好： AI和先進製造＞儲存＞國產前道設備和零件＞前道材料和封裝材料＞數位SoC設計 比較好：CIS ≈面板材料＞封測≈射頻＞模擬晶片設計＞氣體≈功率Fabless 比較差：邏輯與特色製程晶圓代工＞光晶片 非常差：功率IDM＞矽片和矽材料 3） 結合目前板塊估值位置，建議順序為（各個評價內部順序不做區分） 推薦：AI、國產前道設備和零件、儲存、數位SoC設計、封裝、前道材料和封裝材料 中性：CIS、類比晶片設計、射頻、氣體 不建議：邏輯和特色工藝晶圓代工、功率、矽片和矽材料 【說明】以上僅為個人主觀判斷、同時各板塊內公司差異較大，僅提供作為篩選公司的一種思路，不代表個股建議。 一、半導體產業數據 從全球半導體銷售情況看（最新數據為2024/2），銷售額低點在23年Q1見到、同時去年下半年同比增速已經轉正，目前已經進入半導體產業復甦的早期至中期階段。一季度是業界通常的淡季，今年也不例外。 從歷史的上行期來看，本次半導體上行期才剛度過早期，正逐步向銷售額創新高的中期前進。 從中國的數據來看，無論是世界半導體貿易統計組織WSTS統計的銷售數據，或是進出口數據，表現同樣是向上的趨勢。特別是國內半導體出口的情況，晶片單價有顯著的提升。 二、半導體產業細分數據狀況 半導體產業主要環節包括設計、設備、晶圓製造、材料等主要領域，各領域可繼續細分多個賽道。例如設計環節可分為邏輯SoC、儲存、類比、電力等，晶圓製造可分為前道晶圓廠、後道封裝測試廠，設備可分為前道設備、後道設備、零件。材料種類較多，粗略分為前道濕電子化學品、光罩版、封裝材料、氣體等。 這裡主要採用上下結合的方式，從產業數據和各家公司財報總結目前各賽道的所處的周期位置。產業數據主要選取WSTS的細分數據，公司財報主要是A股和台股上市的企業狀況，具體公司名單及分類情況請參考附錄。 從WSTS的銷售額細分資料來看，邏輯晶片和記憶體晶片的成長情況較好，類比晶片和感測器較為一般，功率（分立元件）、光晶片仍然較差；從銷售量來看，除了記憶體晶片和分立器件，其他產品銷售量較去年同期仍下滑，顯示產業復甦力道仍偏弱。因此在業界有銷售量提升的公司或價格能夠穩定的公司，將比其他公司基本面表現更好。 其中邏輯晶片主要是GPU貢獻了較大增量，從Intel、AMD、高通、聯發科等各家消費級產品和手機、PC、普通伺服器銷售情況看，其他邏輯晶片產品表現較為一般，邏輯晶片單價上漲也主要是GPU出貨變多所帶來的結構性改變。記憶體晶片則是漲價和銷量提升共同帶來銷售額提升，例如2月銷量同比+30%、價格同比+40%，帶來銷售額同比+80%，其中也包括了HBM帶來的增量。 類比晶片和感測器表現較為一般，Q1銷售額增速仍沒有轉正、銷售量較去年同期觸底。需要看年中到下半年是否能達到正成長。 功率（分立元件）、光晶片仍然較差。其中功率2月銷售額開始出現較為明顯的負增長，同時數量卻實現正增長，說明下游汽車、光伏等需求以及碳化矽等新產品仍在提升，但是由於供給增加過快，價格沒有穩住、同比約-10%，今年一定是中高壓MOS和IGBT產品價格承壓的一年。光晶片銷售量前期出現較長期的萎縮，Q1年比負成長程度放緩。 從自上而下的角度看完半導體產業各個賽道，以下再從公司的角度自下而上分析。首先是晶片設計類公司。 從整體來看，樣本公司整體23Q1收入觸底、24Q1季節性環比回落，毛利率23H2觸底、24Q1開始好轉，利潤23-24Q1逐季度改善，存貨23年出現顯著回落、24Q1出現整體主動補庫存的情況。 邏輯晶片方面，國內的CPU和GPU產業較為特殊，目前屬於政策驅動和補貼的情況，並不適用正常的商業邏輯，因此這裡不對相關公司分析。SoC和MCU公司業績出現較為顯著的改善，在23Q1銷售額觸底後，收入和毛利率在23H2出現較為顯著改善，淨利率透過控費和規模效應穩定在接近10%的水平。存貨水準回到5-6個月的水平，考慮到晶圓製造+成品庫存，接近正常水準。 記憶體晶片方面，模組廠是最受益於大宗儲存漲價的賽道，收入、毛利率和利潤都有較好的表現，存貨方面各家絕對值快速提升，但是周轉天數並沒有較大變化，後續各家利潤的表現取決於漲價是否可持續。利基儲存表現遜於模組廠，目前各家公司毛利和收入水平均有所回升，存貨維持在高位，後續有待收入進一步提升、週轉天數會進一步向正常水平回落。 從趨勢來看，邏輯和儲存公司財報和WSTS產業數據較為吻合 類比晶片收入表現較好、利潤表現一般。營收23H2-24Q1有所改善、毛利穩定，但獲利情況仍較差，主要是各家研發費用仍較多、疊加Q1淡季。模擬公司表現優於全球類比晶片產業的情況，說明國產替代仍在進行，不過進展並沒有前兩年預想得3-5年大面積替代那麼快。 射頻23H2表現較好，Q1季比回落較多、淡旺季區分較顯著。但毛利率Q1有改善。 CIS產業毛利改善顯著，三家公司國產替代和高端產品進展都較為順利。存貨方面開始主動備貨，為下半年的旺季做準備。 光晶片表現較差，毛利率仍偏低、存貨週轉尚未看到顯著改善。 功率賽道目前看表現最差，Q1毛利率仍然沒有看到觸底的跡象、存貨週轉天數仍然接近高位，利潤繼續下行。雖然下游光伏GW出貨量和新能源車銷售絕對值在增加，但20-22年國內公司規劃了太多晶圓廠項目，陸續在23-24年投產，供應增長速度比需求增長速度更快。 從台股的月收入情況看結論類似，依然是邏輯和儲存表現較好。數位IC和、儲存和CIS在Q1同比均為+30%的成長速度，類比為+13%的成長速度。 在代工製造環節，目前SMIC和華虹尚未公佈24年一季報。整體上代工環節落後於設計環節，後道封測的收入改善幅度和資產週轉情況好於前道的晶圓代工，但是兩者毛利率均在下行。 前道代工方面，雖然SMIC和華虹五一後才公佈業績，但是從公司的指引看，24H1為收入和毛利的低點，單片晶圓的代工價格仍有略下降的空間。另外，前期寫過文章論述過SMIC的財報存在被調節可能，財務數據參考意義可能不大。排除中芯後，整體毛利率處於下行通道，存貨週轉天數維持高點。 後道封測方面，目前看封測廠24Q1應該是整體毛利低點、收入同比去年Q1已經有較好的改善。存貨和資產利用效率方面看23Q4已經回到正常水準。其中封測廠相比第三方測試稍好。 從台廠的情況來看，除了台積電在AI和先進製程的推動下業績增速較好，晶圓廠和封測廠收入增速較弱，Q1整體均同比只有+3%的增速，增速比台灣本地數位IC、儲存和類比公司的收入成長率弱。 設備材料方面，A股公司更受惠於國產化邏輯，當然產業復甦也有助力。 設備公司從營收來看，前道設備及零件公司收入確認具有顯著的季度性，同時兩者增速較好，主要是國產晶圓廠近兩年擴產+國產化率提升。後道設備收入表現更差，主要是測試和封裝機台受產業週期影響較大。毛利率方面，設備公司都相當穩定，後道設備公司毛利率甚至高於前道公司，零件略有波動但是幅度不大。利潤的表現和收入接近，前道設備優於零件優於後道零件。從存貨的角度來看，前道設備和零件公司成長最快，反映了各家公司為了滿足訂單需求、在產品和備貨較多，同時發出商品也在存貨中，後續陸續轉為收入。合約負債方面，受中微等公司的影響，前道設備合約負債有所波動，零件公司合約負債逐季增加。考慮下游晶圓廠擴產、封測設備景氣度恢復，設備賽道目前表現較為優異。 材料公司情況比較複雜，因為大多數公司除了電子化學品外也有很多其他領域的化學產品，因此收入情況不完全代表電子或者半導體行業的情況，樣本內公司主要是電子材料收入佔營收主要部分的公司。從細分領域的收入情況來看，前道材料（光阻、CMP材料、電鍍液、清洗液、前驅體等）和掩模版增速較好，封裝材料其次，氣體和麵板材料情況和去年同環比持平，矽片和矽材料有明顯下降，利潤情況和上述情況相同。毛利率方面，前道材料和掩模版逐季提升的趨勢，矽片和矽材料則顯著下滑。這裡需要強調，部分賽道業績較好或不佳也可能是其他行業的貢獻，例如雅克科技的LNG保溫材料24Q1銷售很好、萬潤股份的沸石因為天然氣價格較低導致燃油重卡銷售佔比較低而銷售不佳，另外部分公司可能橫跨多個領域，此處分類僅供大致參考。 從台灣矽片企業收入可以看到，Q1收入整體年比-13%，和國內企業表現一樣較為疲軟。 三、附錄 樣本內公司及分類如下： ———————————— 全文完 (亞江)