电子行业深度报告：算力需求看点系列——如何看待AI手机对端侧&云端算力影响？

端侧AI在手机场景中的落地与算力需求分析

1. 端侧AI的落地现状

• 苹果引领市场：苹果通过WWDC24推出的Apple Intelligence（苹果AI）展示了端侧AI的多样化应用，包括Siri升级、文字处理（校对、重写、总结等）和图像生成等功能。
• 端云混合模式：多数功能直接通过端侧运行，云端用于补充端侧算力不足的部分。例如，写作工具中的简单功能（校对、重写）可在无网络环境下使用，而复杂功能（总结、关键点提取）需接入网络。
• 模型选择：苹果AI使用约30亿参数的端侧模型AFM-on-device和更大型的云端模型AFM-server，根据用户需求动态选择云端或端侧模型。

2. 端侧AI对云端算力的依赖

• 端侧运行优势：成本、能耗、性能、隐私、安全及个性化优势推动AI处理向端侧转移。
• 算力制约：当前端侧SoC算力仍不足，难以支持云端大模型。例如，7B小模型的算力需求为14TFLOPS，而GPT-4的算力需求高达560TFLOPS。
• 端侧算力提升：高通、联发科等企业发布旗舰SoC（如天玑9400、骁龙8 Elite）提升端侧AI算力，但仍需云端支持复杂场景。

3. 手机AI算力需求测算

• 累计AI手机用户数：
  • 全球智能手机年出货量12-14亿部，AI手机渗透率2024年16%，2028年54%，2030年80%。
  • AI手机存量用户2024-2026年翻倍增长，2027-2030年增速放缓。
• 单日单机算力需求：
  • 推理算力需求公式：2 × 参数量 × token数。
  • 简单功能（如校对）基于7B小模型，复杂功能（如总结）基于云端大模型（如GPT-4）。
  • 端侧算力需求2024-2027年翻倍以上，2027-2030年高双位数增长。
  • 云端算力需求2025/2026年折算为Blackwell GPU卡约12/103万张。

4. 未来展望

• 端侧算力落地路径：
  • 硬件升级：端侧SoC持续提升算力，满足AI需求。
  • 模型优化：端侧小模型针对主流功能优化，减轻算力负载。
• 端云协同：端侧AI对算力总需求拉动作用长期存在。云端算力机会点在于用户对推理速度的容忍度，部分场景仍需云端支持。

5. 风险提示

• AI手机出货量不及预期风险。
• 端侧软硬件技术发展不及预期风险。
• AI创新效果不及预期风险。