本周策略观点: 1.AI大模型+手机端应用发展,边缘算力及模组将促进AI智能化加速落地:OpenAI发布ChatGPT官方iOS手机应用版本,AI大模型+手机端应用或将成为主要模式,边缘算力将支持强大的AI计算能力,加速AI模型在移动端的落地。我们将持续看好边缘计算及算力芯片产业相关标的,边缘算力需求将持续增长,加速AI应用落地。 2.具身智能机器人有望成为AI下一浪潮,特斯拉引领行业布局:5月16日,特斯拉召开2023年年度股东大会,马斯克展示人形机器人Optimus的全新型号。同时,在ITF World 2023半导体大会上,英伟达创始人兼首席执行官黄仁勋介绍了英伟达的多模态具身智能系统Nvidia VIMA。据波士顿咨询数据显示,2020年全球机器人市场规模为250亿美元;到2030年,全球机器人市场规模预计将达到1600亿至2600亿美元。机器人发展“硬件先行”,建议关注有望充分受益政策支持与产业发展趋势的控制器、传感器、末端执行器等细分领域发展。 3.Apple头显或发布,有望重新定义MR硬件。苹果宣布于6月6日至10日召开WWDC,或发布一代MR头显。该款设备有可能成为一款革命性的产品,在硬件、软件和功能方面都展现了苹果的创新能力和对未来消费电子的引领。建议重点关注MR相关供应链厂商。 市场回顾:本周(2023年5月15日-2023年5月19日,下同)通信(申万)指数上涨3.15%;沪深300指数上涨0.17%,行业跑赢大盘2.98pp。 重点推荐(已覆盖):中国移动、中国电信、中国联通、中兴通讯、中际旭创、天孚通信、美格智能、鼎通科技。 建议关注的标的:运营商:中国联通;主设备商:浪潮信息、紫光股份、星网锐捷;光模块:新易盛、华工科技、剑桥科技、博创科技;光器件:太辰光;算力基础设施:中科曙光;IDC:润建股份、英维克、佳力图、申菱环境、数据港;PCB:兴森科技;工业互联网:工业富联、三旺通信。 风险提示:算力建设投入不及预期风险;宏观经济风险;研发进度不及预期风险;下游需求不确定性风险。 1.行业观点 1.1近一周行情表现 本周(2023年5月15日-2023年5月19日,下同)通信(申万)指数上涨3.15%; 沪深300指数上涨0.17%,行业跑赢大盘2.98pp。 图表1:本周通信行业涨跌幅前5个股 图表2:本周通信行业涨跌幅后5个股 在TMT各子板块:电子、通信、传媒以及计算机中,通信周涨幅居第二位。 图表3:TMT各子行业涨跌幅对比(截至2023年5月19日) 通信板块最新估值(市盈率为历史TTM_整体法,并剔除负值)为20.23X,位于TMT 各行业第四位。 图表4:TMT各子行业历史市盈率比较(各年份数据取自当年12月31日) 1.2本周策略观点速览 1.2.1AI大模型+手机端应用加速落地,长期看好边缘计算及算力模组行业发展 AI大模型+手机端应用加速落地,长期看好边缘计算及算力模组行业发展:人工智能已经成为推动经济发展和社会变革的关键技术之一。5月10日谷歌年度开发者大会上,谷歌正式发布新的通用大语言模型PaLM 2,可以使用100种语言,擅长数学、软件开发、语言翻译推理和自然语言生成,让新型大模型支持的AI功能在各种产品中全面结合;OpenAI发布ChatGPT官方iOS手机应用版本,AI大模型+手机端应用或将成为主要模式,边缘算力将支持持续高增的AI计算能力。随着AI模型在移动端的加速落地,边缘算力需求将持续增长。 我们持续看好边缘算力相关行业:目前全球边缘计算领域生态主要板块包括硬件厂商、软件厂商、场景服务商、运营商、云计算厂商和CDN厂商。据PrecedenceResearch数据显示,2022年全球边缘计算市场规模为45.5亿美元,市场规模将以12.46%的CAGR增长至2030年的1165亿美元。 1.2.2具身智能机器人有望成为人工智能下一浪潮,特斯拉引领布局 5月16日,特斯拉2023年年度股东大会召开。马斯克展示了人形机器人Optimus的全新型号,从最终用途看此款机器人和具身智能机器人几乎可以划等号。马斯克表示人形机器人将会是今后特斯拉主要的长期价值来源,以具身智能机器人为代表的这类产品有望成为人工智能的下一个浪潮。在ITF World 2023半导体大会上,英伟达创始人兼首席执行官黄仁勋介绍了英伟达的多模态具身智能系统Nvidia VIMA,能在视觉文本提示的指导下,执行复杂任务、获取概念、理解边界、甚至模拟物理学,标志着AI能力的显著进步。 我们持续看好人工智能中核心产品:算法及行业机器人产业链。据波士顿咨询数据显示,2020年全球机器人市场规模为250亿美元,而到2030年,全球机器人市场规模预计将达到1600亿至2600亿美元。机器人发展“硬件先行”,建议关注有望充分受益政策支持与产业发展趋势的控制器、传感器、末端执行器等硬件细分领域。 2.本周专题解析 2.1AI智能化模型加速落地,带动边缘计算需求持续提升 2.1.1从人工智能发展展望未来 人工智能(Artific ial Intelligence,AI)是指模拟人类智能的机器技术,可以学习、推理和执行任务。随着技术的不断进步和应用,人工智能已经成为推动经济发展和社会变革的关键技术之一。 目前,人工智能技术正在呈现出以下趋势:1)智能化和自动化:在工业制造领域,人工智能技术可以实现智能化生产和自动化控制;在医疗领域,人工智能技术可以实现智能化诊断和自动化治疗,将大幅提高生产效率和服务质量;2)多模态和跨领域:自然语言处理技术可以实现语音识别、语音合成、机器翻译等功能。计算机视觉技术可以实现图像识别、目标跟踪等功能。这些技术可以在多个领域应用,如智能家居、智能交通、智能制造等;3)强化学习和自主学习:强化学习和自主学习是人工智能技术的重要方向。强化学习是一种基于奖励机制的学习方法,机器通过与环境的交互来不断优化自己的行为策略,将进一步提高人工智能的自主决策和行动能力。 2.1.2AI模型加速落地,边缘计算和算力模组助力应用落地 AI大模型+移动端应用场景快速发展: 国际方面:1)5月10日谷歌年度开发者大会上,谷歌正式发布了新的通用大语言模型PaLM 2。谷歌称,它可以使用100种语言,擅长数学、软件开发、语言翻译推理和自然语言生成。同时,谷歌发布,旗下产品广泛应用AI技术的功能,从文档等各种协作工具、到电邮、搜索、云等各种服务全面覆盖,让新型大模型支持的AI功能在各种产品中全面结合;2)5月19日,OpenAI重磅发布了ChatGPT的官方iOS版App,目前仅在美区App Store提供。同时OpeAI表示,未来手机端ChatGPT应用将在更多国家和地区上线,Android版本也在研发中。ChatGPT手机应用程序的发布以及在两大移动生态阵营中的布局,将使手机端用户简单便捷地使用ChatGPT,随着AI模型在移动端的落地,边缘计算的采用将有效缓解算力短缺压力。 边缘计算可解决传统云计算模式下存在的高延迟、网络不稳定和低带宽问题。边缘计算为应用开发者和服务提供商在网络的边缘侧提供云服务和IT环境服务,目标是在靠近数据输入或用户的地方提供计算、存储和网络带宽。伴随5G、AI等业务场景的发展,数据中心及智能终端数据处理需求持续增长,边缘计算将有效解决算力需求高增带来的数据处理问题。 图表5:边缘算力基本网络架构 边缘算力具有低延迟、低带宽运行、隐私保护三大优势。1)低延迟:计算能力部署在设备侧附近,设备请求实时响应;2)低带宽运行:这种能将工作迁移至更接近于用户或数据采集终端的能力,能够有效降低站点带宽限制所带来的影响,尤其是当边缘节点服务减少了向中枢发送大量数据处理的请求时;3)隐私保护:数据本地采集,本地分析,本地处理,有效减少了数据暴露在公共网络的机会,保护数据隐私。 边缘算力主要有以下四种应用场景:1)供零售/金融/远程连接领域使用的“开箱即用云”:提供了一系列可定制边缘计算环境,这类边缘计算主要提供给企业使用,并服务于特定产业应用,与分布式结构相结合来达到降低硬件消耗、多站标准化部署、灵活更替部署在边缘侧的应用、提升弱网络条件下的运行稳定性的效果;2)移动连接:在5G网络大规模普及前,移动网络仍保持着受限和不稳定的特性,因此移动/无线网络也可以看作是云边缘计算的常见环境要素。智慧城市、智慧道路和远程安全保障应用等都受益于边缘计算就近端处理能力;3)通用用户驻地设备(uCPE):网络连接有限,工作量较为稳定但需确保可用性高,同时需要支持跨上百至上千节点的数据应用混合安置,而拓展现有uCPE部署也将成为一项新要求;4)卫星通信(SATCOM):该场景以大量可用的终端设备分布于最偏远和恶劣的环境为特征,尤其是当考虑到极高的延时,有限的带宽以及跨卫星通讯的费用。具体事例可能包括船舶(从渔船到油轮),飞机,石油钻井,采矿作业或军事基础设施。 2.1.3边缘计算将成为AI算力重要组成部分 新一轮人工智能浪潮下,数据规模激增,边缘算力将成为AI模型重要组成部分。 PrecedenceResearch数据显示,2022年全球边缘计算市场规模为45.5亿美元,该市场规模将以12.46%的CAGR增长至2030年的1165亿美元。Gartner报告表明,超过90%的企业都将开启自身在边缘计算的独特应用,并将在未来成为规模化行业,边缘计算发展战略将成为大势所趋。 图表6:边缘计算分类与主要业务形态 Gartner基于人、设备和业务之间的交互结构和关系,定义了12个边缘计算的应用场景。 由最顶端的应用依照顺时针方向,依次为分布式业务处理、个人监测、沉浸式体验、客户端内容交付、沉浸式协作、沉浸式报告、沉浸式交互、沉浸式控制、系统自动化、设备控制和维护、业务自动化、数据/事件报告。 图表7:边缘计算参考服务框架 当前应用领域由云端向边缘侧移动,终端催生大量芯片需求。根据在网络中的位置,AI芯片可以分为云端AI芯片、边缘和终端AI芯片。根据其在实践中的目标,可分为训练(training)芯片和推理(inference)芯片。云端主要部署高算力的AI训练芯片和推理芯片,承担训练和推理任务,具体有智能数据分析、模型训练任务和部分对传输带宽要求比高的推理任务。边缘和终端主要部署推理芯片,承担推理任务,需要独立完成数据收集、环境感知、人机交互及部分推理决策控制任务。随着全球智能化、数据化的迅速发展,带来了数据的指数级增长,大量的数据在边缘端积累。随着数据量的进一步提升,边缘端AI芯片的需求会进一步增长,对芯片的性能也将提出更高要求。全球AI芯片市场主要被英伟达覆盖,然而国产AI算力芯片正起星星之火。目前,国内已涌现出了如寒武纪、海光信息等优质的AI算力芯片企业,加速产品技术持续突破。 图表8:国产AI算力公司主要产品 2.2具身智能机器人有望成为人工智能下一个浪潮,特斯拉引领布局 5月16日特斯拉召开2023年年度股东大会,马斯克展示了人形机器人Optimus的全新型号,和具身智能机器人几乎划等。马斯克在会上表示,人形机器人将是今后特斯拉主要的长期价值来源,以具身智能机器人为代表的产品有望成为人工智能的下一浪潮。英伟达在ITF World 2023半导体大会上,英伟达创始人兼CEO黄仁勋介绍了英伟达的多模态具身智能系统Nvidia VIMA,能在视觉文本提示的指导下,执行复杂任务、获取概念、理解边界、甚至模拟物理学,标志着AI能力的显著进步。 2.2.1具身智能机器人指引人工智能发展新方向 具身智能是指像人一样能与环境交互感知,自主规划、决策、行动、执行能力的机器人或仿真人,又可称之为“具身智能机器人”。它的实现包含了人工智能领域内诸多的技术,例如计算机视觉、自然语言处理、机器人学等。总的来说,具身智能机器人首先,要能够听懂人类语言;其次分解任务,规划子任务,移动中识别物体,与环境交互,最终完成相应任务。 具身智能机器人涉及到众