公司简介 公司是手机SoC全球龙头,下游覆盖智能终端、物联网、汽车市场,并积极拓展混合式AI应用。公司23财年(2022.10~2023.9) 美元(元)成交金额(百万元) 前三季度实现营收271.89亿美元,同比-17.12%;归母净利润 57.32亿美元,同比-42.94%。2023财年前三季度,公司手机业务收入171.14亿美元,同比-19.97%,营收占比63%,;QTL(技术授权)营收38.65亿美元,同比-17.75%;物联网业务营收45.57亿美元,同比-14.73%;汽车业务营收13.37亿美元,同比+28.07%。 投资逻辑: 混合式AI较纯云端部署更具优势,将带动端侧、边缘侧AI部署。公司积极布局软件生态与硬件开发,凭借市场地位与技术优势有望充分受益。全球手机市场下滑,导致公司手机及QTL业务下降明显。根据IDC,23年一、二季度全球手机出货量分别减少14.6%、7.8%,预计全年-4.6%,24年有望+4.5%。根据Counterpoint,公司23Q1智能手机SoC出货量占整体市场的28%,在旗舰机型和中高端机型市占率第一。未来手机业务有望受益于手机端AI部署以及手机市场复苏。PC端公司与微软在WindowsonArm深度合作,有望受益Arm处理器在PC份额扩大。 公司有望受益混合式AI赋能AIoT。根据IoTAnalytics,全球企业级物联网市场23年达2380亿美元,27年将达4830亿美元。公司物联网SoC市占率40%,今年新品性能较竞品领先。 根据ICV,22年全球智能座舱SoC芯片市场规模达35亿美元,公 143.00 135.00 127.00119.00111.00103.00 220909 成交金额高通 4,000 3,500 3,000 2,500 2,000 1,500 1,000 500 0 公司基本情况(美元) 盈利预测 2021A 2022A 2023E 2024E 2025E 营业收入(百万元) 33,566 44,200 35,949 38,151 41,648 增长率(%) 42.6% 31.7% -18.7% 6.1% 9.2% EBITDA 12,332 16,760 11,928 13,692 15,942 归母净利润 9,043 12,936 7,972 9,634 11,651 增长率(%) 74.0% 43.0% -38.4% 20.8% 20.9% 每股收益-期末股本摊薄 8.04 11.54 7.14 8.63 10.44 每股净资产 8.84 16.07 16.97 22.02 27.89 市盈率(P/E) 16.66 10.50 14.86 12.30 10.17 市净率(P/B) 15.14 7.54 6.25 4.82 3.81 司市占率近30%。公司产品较传统汽车芯片厂商产品更具优势,助公司在智能座舱市场快速发展。公司已推出下一代智能座舱芯片,有望巩固优势。同时公司自驾芯片算力600TOPS,有望24年量产。 盈利预测、估值和评级 预测2023/2024/2025财年实现归母净利润79.7亿/96.3亿/116.5亿美元,同比-38.4%/+20.8%/+20.9%。公司作为手机SoC龙头厂商,全面拥抱AI发展,有望充分受益混合式AI趋势,参考可比公司2024财年16XPE估值,给予2024财年16XPE,目标价 138.12美元,首次覆盖,给予“买入”评级。 风险提示 混合式AI发展不及预期;消费电子需求不及预期;美国制裁升级风险;库存减值风险。 来源:公司年报、国金证券研究所 内容目录 一、AI终端、边缘端部署大势所趋,手机、PC有望充分受益5 1.1混合式AI大有可为,公司软件生态布局充分5 1.2手机:用户基数大、使用时间长,凸显AI部署潜力,公司技术先发优势明显8 1.3PC:与微软深度合作,有望随WindowsonArm快速成长13 二、混合式AI赋能网联化向智能化发展,IoT业务未来可期15 2.1物联网覆盖各行各业,混合式AI有望加速智能化趋势15 2.2物联网SoC市占率优势明显,布局AI有望巩固龙头地位17 三、汽车智能化大势所趋,公司自动驾驶、智能座舱全面布局20 3.1智能驾驶与自动驾驶是汽车智能化直接体现,车端AI有望推动增长20 3.2立足智能座舱,切入自动驾驶,汽车智能化有望开启公司第二增长曲线21 四、盈利预测与投资建议25 4.1盈利预测25 4.2投资建议27 五、风险提示28 图表目录 图表1:主流AI模型所需训练量变化情况(红色为AI大模型,蓝色为AI常规模型)5 图表2:混合式AI部署示意图6 图表3:混合式AI相比完全云端部署更具优势6 图表4:70亿参数模型在经过微调后,回答ScienceQA问题集的正确率高于部分大模型7 图表5:公司全栈AI布局引领端侧AI高效解决方案发展7 图表6:公司AI软件栈可以帮助开发者一次编写、随处运行,实现规模化部署8 图表7:全球智能手机用户数2022年已超47亿人8 图表8:中国智能手机ASP不断提高9 图表9:2022年各国500美元以上手机市场占比9 图表10:23Q1手机SoC按出货量占比9 图表11:22Q2手机SoC按销售额占比9 图表12:2021年公司在中高端机型以及旗舰机型SoC出货占据明显优势10 图表13:采用INT4功耗和效率更佳10 图表14:Hexagon直连示意图10 图表15:Hexagon处理器包括各类运算加速器、硬件加速器、microtile推理部分等11 图表16:公司骁龙8gen2相较移动领域竞品具备领先的AI能效11 图表17:主流手机SoCAI运行效果评分对比12 图表18:公司针对StableDiffusion的全栈式优化12 图表19:采用搭载骁龙8Gen2的手机用AI生成的绘画12 图表20:公司手机产品营收短期承压13 图表21:公司QTL业务营收短期承压13 图表22:搭载高通骁龙SQ3的SurfacePro95G版13 图表23:2021年全球PCArm处理器销售额苹果占79%13 图表24:公司骁龙8cxGen3处理器在AI推理的优势明显14 图表25:PC端Arm核处理器占比逐渐提高14 图表26:笔记本电脑有望24年回暖14 图表27:AIoT技术架构15 图表28:AIoT市场发展阶段16 图表29:AIoT在零售业可以帮助库存管理等16 图表30:多模态模型帮助摄像头功能更加智能化16 图表31:全球企业级IoT市场持续增长17 图表32:22年全球IoT硬件市场占企业级IoT市场44%17 图表33:公司物联网业务短期承压17 图表34:公司物联网业务已有环比改善17 图表35:2022年公司物联网芯片出货量占比40%18 图表36:公司8550处理器架构针对AI优化设计18 图表37:8550处理生态合作伙伴数量众多18 图表38:IoT模组自带算力,推动物联网智能化发展19 图表39:公司8550处理器在低功耗场景具备算力优势19 图表40:2021年全球智能座舱新车渗透率近五成20 图表41:全球汽车智能座舱市场21年已超400亿美元20 图表42:全球智能座舱SoC市场22年超34亿美元20 图表43:22年L2级别乘用车智能座舱SoC市场占46.8%20 图表44:自驾等级提升同样将增加单车智能座舱SoC平均数量21 图表45:全球自动驾驶渗透率不断提升21 图表46:国内L2级别驾驶渗透率不断提升21 图表47:公司骁龙数字底盘包括自动驾驶、智能座舱、车对云连接与汽车智联平台的全面布局22 图表48:2022年公司智能座舱SoC销售额占比接近30%22 图表49:2023年公司智能座舱销售额占比有望继续提升22 图表50:公司上一代智能座舱芯片8155相较传统汽车芯片厂商产品更具技术优势23 图表51:公司汽车业务营收增长迅速23 图表52:8195、8295有望形成产品矩阵,全面覆盖高中低不同方案24 图表53:公司SnapdragonRideFlex可以同时支持智能座舱、ADAS和AD功能24 图表54:公司自驾芯片产品路线图25 图表55:英伟达自驾芯片产品路线图25 图表56:公司主要业务2023财年各季度变化情况及预测26 图表57:公司21~25财年分业务营收变化情况及预测27 图表58:公司21~25财年费用率变化情况及预测27 图表59:可比公司估值比较(市盈率法)28 一、AI终端、边缘端部署大势所趋,手机、PC有望充分受益 1.1混合式AI大有可为,公司软件生态布局充分 人工智能AI顾名思义就是通过高性能计算机来模拟人脑的认知及推理过程,尤其是在收集大量原始数据后,再通过高性能计算机加上各类特殊的AI算法来训练和提高AI的认知能力,其中包括视觉(图像,视频),听觉(语言,声音)等各类能力。当AI的认知能力训练完成后,推理算法能够使用高性能计算机举一反三完成数据收集、推理和决策,形成对人类部分工作的代替。 2017年谷歌提出Transformer模型使得深度学习进入了大模型时代,2022年11月,OpenAI推出了ChatGPT人工智能聊天机器人,引发了大模型AI的热潮。大模型所需算力的增长幅度远超过摩尔定律提供的性能成长速度,大模型由于参数数量大幅增加,所需要的算力也相较常规模型大幅增长。目前ChatGPT的总算力消耗约为3640PF-days(即假如每秒计算一千万亿次,需要计算3640天),需要7~8个投资规模30亿、算力500P的数据中心才能支撑运行。 大模型算力增加呈指数级变化,每9至10个月翻一番。2015年推出的AlphaGoLee大模型所需要的训练量算力超过10^21FLOPs,而2021年推出的大模型Megatron-TuringNLG530B的训练算力需求已经超过了10^24FLOPs,算力提升了1000倍左右。 图表1:主流AI模型所需训练量变化情况(红色为AI大模型,蓝色为AI常规模型) 来源:《ComputeTrendsAcrossThreeErasofMachineLearning》,国金证券研究所 当前大模型仍然主要在云端部署,用户发出请求后,会上传到云端,由数据中心当中的AI服务器进行推理,随后将结果再通过网络返回给客户。随着大模型用户数量提升,提交的请求数量不断增多,叠加未来除了纯文字内容外,也将增加图片、音频甚至视频内容的请求,对云端部署带来了成本、功耗、延时以及隐私方面的挑战。混合AI方式适用于几乎所有生成式AI应用和终端领域,包括手机、笔记本电脑、XR头显、汽车和物联网。这一方式对推动生成式AI规模化扩展,满足全球企业与消费者需求至关重要。 图表2:混合式AI部署示意图 来源:公司网站,国金证券研究所 与仅在云端进行处理不同,混合AI架构在云端和边缘终端之间分配并协调AI工作负载。云端和边缘终端如智能手机、汽车、个人电脑和物联网终端协同工作,能够实现更强大、更高效且高度优化的AI。 根据公司发布的《ThefutureofAIishybrid》白皮书,生成式AI搜索可以提供更加出色的用户体验和搜索结果,但每一次搜索查询(query)其成本是传统搜索方法的10 倍。目前每天有超过100亿次的搜索查询产生,即便基于大语言模型的搜索仅占其中一小部分,每年增量成本也可能达到数十亿美元。将一些处理从云端转移到边缘终端,可以减轻云基础设施的压力并减少开支。这使混合AI对生成式AI的持续规模化扩展变得至关重要。混合AI能够利用现已部署的、具备AI能力的数十亿边缘终端,以及未来还将具备更高处理能力的数十亿终端。另外在延时、能耗、隐私安全和个性化方面,混合AI相比单纯云端部署也更具优势。 图表3:混合式AI相比完全云端部署更具优势 纯云端AI 混合式AI 成本 依赖大规模数据中心基础设施建设,具有极高的维护费用,随着用户增加,投入规模不断扩大 在端侧进行部分