免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。 1 证券研究报告 电子 AI 大模型需要什么样的硬件？ 华泰研究 电子 增持 (维持) 研究员 黄乐平，PhD SAC No. S0570521050001 SFC No. AUZ066 leping.huang@htsc 华泰观点：关注 AI 大模型 x 硬件的两条思路 从 22 年 11 月 OpenAI 推出 ChatGPT 至今，我们看到 Chatbot 应用的能力 不断增强，从最初的文字问答，迅速向具有自主记忆、推理、规划和执行的 全自动能力的 AI Agent 发展。我们认为端侧智能是大模型发展的重要分支。 建议投资人沿着：1）大模型如何赋能终端，2）终端如何解决大模型普及难 点两条思路，寻找硬件的落地机会。我们看好 纪要、文档总结、PPT 智能创作、文生图等企业的基本办公需求，是大模型时代生产力工具的主要 支点。我们认为 2025 年 AI PC 渗透率有望大幅提升。 风险提示：AI 及技术落地不及预期；硬件产品销售不及预期，服务业务用 户增速放缓。本研报中涉及到未上市公司或未覆盖个股内容，均系对其客观 公开信息的整理，并不代表本研究团队对该公司、该股票的推荐或覆盖。 (29) (20)

证券研究报告·行业深度报告·电子 东吴证券研究所 1 / 28 请务必阅读正文之后的免责声明部分 电子行业深度报告 AI 系列深度：AI+降本增效拓宽应用，硬件 端落地场景丰富 2023 年 07 月 12 日 证券分析师 张良卫 执业证书：S0600516070001 021-60199793 zhanglw@dwzq 缓，AIGC 赋能智能手机或将成为刺激换机的重要动力。3、AIoT 融合 在未来数年内不断突破数据处理和智能学习的界限，通过边缘 AI 赋能， 智能机顶盒、智能音响、智能耳机等智能终端产品有望形成软硬件一体 的智能语音交互助理载体。 ◼ AI+提升生产效率， B 端应用场景发展潜力逐渐释放。随着技术和应用 的发展，AI 的赋能将深刻改变很多 B 端的生产力及生产效率，其可以 帮助企业提高生产 应用场景拓宽是行业发展重点，AI 和 XR 发展相辅相成 ....................................... 12 2.2. 手机：有望成为出货量最大，交互最频繁的 AI 硬件入口 ................................................ 15 2.2.1. 手机需求放缓，科技创新或将成为刺激换机的重要动力...........

人形机器人产业链出海现状（上游零部件） 无框力矩电机、谐波减速器等国产化优势品牌进“T链”；短板环节近3年加速突破-空心杯电机、行星滚柱丝杠、六维力传感器等2025有望破40% 3 部件 硬件Bom价值量占比 2025E 应用部位 头部企业技术成熟度（TRL） AI/软件 导航 NA - 操纵 NA - 交互 NA - 电机 无框力矩电机 ~12% 直线 & 旋转关节 空心杯电机 ✓ 产线：小批量试制线 ✓ 规模：数十台 × 设计：SOP设计未冻结 ✓ 产品：商品机 ✓ 产线：量产线 ✓ 规模：百台~千台 ✓ 设计：SOP设计冻结 ✓ 交付：部分商业化交付 硬件型企业 全栈能力型企业 软件型企业 2025 头部企业小批量测试 2027 2026 行业小批量产元年 2030 行业商业化元年 2026 2025Q4 头部企业小批量产 2027 标杆企业商业化冲刺 Reserved. 盘点全球典型企业2025量产进程，全栈型、硬件型企业相对领先，头部进入百台~千台阶段； 软件型企业略缓，个别头部企业进入小批量试制阶段。 11 Source: M2研究分析；量产/商业化进程、场景信息基于企业公开信息/视频及行业专家访谈所得，最新进展持续更新中；转载引用内容请标明来源 已公布 规划中 软件型企业 硬件型企业 全栈型企业 典型企业 企业/产品概况 形态 双足

06 16 21 07 16 21 09 18 22 24 26 11 20 22 12 12 13 13 14 14 14 15 全球产业的演进路线：从硬件聚合到系统构建 技术特征 支撑大模型创新及云服务场景 加速人工智能科学计算，服务算法创新 助力行业企业智能化升级 系统特征 AI 技术从单点能力突破迈向系统能力创新 超节点技术产业生态发展格局 超节点并非简单的硬件堆砌，它的实现离不开基础技术、系统能力与可落地性的三方协同。基础 技术是超节点的根基，其具备超高带宽互联、内存统一编址等技术特征，通过近乎无阻塞的高带宽 互联，将数百上千个 AI 处理器编织为一个逻辑统一的高密度计算体，为高效计算提供了底层支撑。 系统能力则是超节点高效运转的保障，它需要具备大规模、高可靠、多场景等系统特征。大规模的 组网能力突破了单机扩展的硬件限制，为大规 推理的 刚性需求。 昇腾 AI 坚持架构创新，开源开放，共建产业生态。昇腾 AI 经过 6 年快速发展，已成长为中国 AI 算力第二平面的坚实基础，并通过软硬件开源开放，建立生态兼容、共建共享的昇腾 AI 生态。在 基础硬件层面，昇腾持续引领技术架构，打造领先产品，实现业界最大规模的 384 超节点产品，并 在下一代将扩展至 8192，持续领先；在基础软件层面，通过一套架构满足不同代际产品的持续演进，

.....................14 四、 探索人形机器人未来发展新路径............................................ ..16 （一） 筑牢硬件根基，推动人形机器人产业标准互通.........................16 （二） 强化感知能力，促进人形机器人技术融合创新.........................17 （三） 足式人形机器人以及通用人形机器人。轮式人形机器人采用轮式驱动， 搭配机器人手臂与灵巧手，兼具移动能力；足式人形机器人着重腿部 运动能力，手部主要用于平衡；通用人形机器人具备双足、双臂、双 手及各类感知和人工智能功能，有全面软硬件基础，能适应开放环境 中的多任务。 01 2.人形机器人的发展历程 1950年—1980年，为人形机器人的概念萌芽阶段，图灵在其论文 中提出了人工智能可能的发展方向，为机器人的概念奠定了基础。现 美国通用汽车1960年首次将Unimate工业机器人投入生产线进行焊接 工作。斯坦福大学、早稻田大学分别研发了首台移动机器人和可对话 的人形机器人。 1980年—2000年，进入早期探索阶段，得益于计算机硬件和传感 器设备取得突破，麻省理工学院推出了具有类似人类听觉、视觉和本 体感知功能的机器人Kismet。1991年出现了六条腿机器人Genghis， 实现了自主行走。 2000年—20

通过战略性、长期性的研发投入，吸纳全球计算产业的优秀人才和先进技术，持续 推进全栈计算技术的创新发展，加快构筑面向多样化计算的全球开源体系与产业标 准。基于“硬件开放、软件开源、使能伙伴、发展人才”的策略推动鲲鹏计算产业发展。 目前，鲲鹏软硬件联合创新已覆盖国计民生核心场景，主流伙伴核心应用已迁移到鲲 鹏，鲲鹏生态进入快速发展期。当前阶段，鲲鹏和 x86 多平台版本并行迭代成为主 要需求，由于 要需求，由于两个架构开发生态的差异，如果采用两套流水线分别开发两套代码，则 会带来很多重复开发验证的工作，并且两个版本分别开发、构建和维护效率低。因 此，鲲鹏创新性的提出鲲鹏原生开发：基于鲲鹏硬件 +openEuler+ 鲲鹏 DevKit+ 鲲鹏 BoostKit，实现 1 套代码 +1 条流水线 + 多平台版本，助力伙伴持续且首发性能领先 的商用版本。 03 / 鲲鹏原生开发技术白皮书 鲲鹏原生开发的核心技术理念 鲲鹏亲和 & 极致性能：鲲鹏流水线使能鲲鹏亲和分析工具、编译器、性能工具等，实现应用性能提升。 » 多架构兼容：1 套流水线同时支持多样性算力版本构建及测试。 鲲鹏原生开发的核心技术理念： 基于鲲鹏硬件 +openEuler+ 鲲鹏开发套件 DevKit+ 鲲鹏应用使能套件 BoostKit， 实现 1 套代码 +1 条流水线构建多平台版本，效率更高、性能更优。 图 2-1 核心技术理念 代

、DB�、Informix等关 系型数据库，同时也引入了一些新型NoSQL数据库存储非结构化数据。各类型数据库的试点和深 入应用带来了部署环境差异（如底层软硬件平台的差异）以及部署方式的差异。在国产化推进过 程中，如何实现软硬件（硬件层面，比如从X��架构替换为国产架构）平稳地替换，面临混合架构管 理、稳定迁移、可靠性、性能、新运维体系建设等多方面挑战。 �.� 需求、逻辑实现不可控挑战 维 不再是安全备份等简单的运维操作，需要运维人员既懂运维，又要懂开发、协调业务，能指导开发 人员设计和试用数据库，又能引导业务人员指导业务流程。与此同时需要与时俱进，有云与AI的 技能，还要对硬件和中间件有所涉猎。要打造这样一支自主可控的运维团队，需要有一定的预算 支持。 �.� 建设自主可控的运维团队 � �.�.� 具有团队建设预算 运维团队可以采用自建、外包或者二者结合的方式。 考核依据，避免 “少做少错” 的消极心态，助力团 队成员明确成长方向，减少人才流失。 �.� 制定对等的权责制度 �.� 构建完善的可观测体系 随着技术栈不断增加，需要建设“应用、数据库、硬件（主机、网络等）”全方位的可观测体系。 在数据库方面，当前国产数据库种类繁多，需要构建专门的数据库可观测体系。同时，也需要运维 团队具备一定的开发能力，针对数据库的性能指标进行采集分析。 福建

管理更加简便，调度更加灵活，优化了资源利用率，提升了业务发放 速度。 图 1. 光电融合网络系统架构图 光电融合网络采用分层解耦、融合重构的技术架构。其核心结构 包括三层： 硬件层：由具体的光电融合硬件组成，包括彩光引擎线卡、彩光 相干模块、模块化白盒波分设备、模块化白盒路由器、框式商用路由 器等形态。该层直接承载业务转发与光信号调制解调，是支撑 IP 业 务直接入光、光层传输、降低中继损耗、实现大带宽低功耗传输的物 负责统一管理 设备板卡、端口、链路等资源，支撑算力感知、自适应路径、彩光驱 动、SR/SRv6、VPN、安全防护等网络服务能力。同时，封装各类硬 件驱动抽象接口（如 SAI、ONLP），统一软硬件之间的调用协议与状 态同步机制，实现设备的“能力开放”和“功能可编排”，构成网络 智能化的核心执行单元。 管控层（协同调度层）：融合了“传输网管 + SDN 网络控制器 + 数通网管”的统一编排调度系统，承担 调度。通过意图识别、路径计算、策略发放，构建确定性网络大脑， 实现秒级响应的服务开通与跨层资源调度，是支持大模型训练、“东 数西算”、超低时延业务的核心支撑平台。 光电融合网络架构通过构建“管控层—系统层—硬件层”三位一 体的融合体系，打通 IP 与光的界面，集成算力感知、路径调度、光 层管理等能力，实现网络架构的整体重构与能力集成。其架构呈现出 以下五大特点： 1.端到端融合编排 架构打破 IP

成人教育>高等教育>K12>幼教，教师>学生>管理者。具体到细分场景中，师生应用的全流程 闭环服务、兼具高难度与高天花板的AIGC学术科研都是潜在机会方向。从商业模式来看，当前， 软件增值服务、硬件整体售卖、MaaS服务、AIGC技能培训是主要的商业模式，各厂商根据模型 及算力、教育业务理解、教育数据等竞争要素的差异，在行业中分据而立。展望未来竞争态势， AIGC技术具有显著的资源密集和依 www.iresearch.com.cn AIGC介入教学载体 有望赋能教师并实现规模化因材施教，也挑战传统学习模式和评价体系 教育载体层（包括软硬件基础和工具）一直是前沿技术渗透的先锋环节。得益于国内各级院校信息化基础设施的不断完善，AIGC技 术对教育载体层面的影响日益明显：AIGC技术在教学层的介入使得大规模因材施教等先进教育理念变得更加切实可行；同时，AIGC MaaS定制化服务探索、软件功能升级与硬件外化、传统技能培训服务 在底层技术创新驱动下，MaaS（Model As a Service）服务通常以技术大厂为主，可提供通用的API接口收取调用费用，也可向学 校、教育局、教企等开放模型，支持客户的定制化服务，帮助客户做特定场景或区域的模型，这对厂商的技术、算力、数据能力是 多重考验。在应用驱动下，商业模式包含软件增值服务和硬件整体售卖服务。软件增值服务通常为原有软件功能的升级迭代，通过

、电机、丝杠和减速器。随着机器人工作向复杂、多类型任务转变，灵巧手和柔性皮肤配合成为 人形机器人的“手”，使更精细、自主、安全的末端交互成为可能，可能成为未来人形机器人竞争的关键领域。随着国产机器人硬件迭代升级和逐步 量产化，成本和供应链优势将逐渐显现，预计国产替代将加速。  代表性厂商：巨头跨界，初创涌现 近年来多方入局人形机器人市场，特别是特斯拉发布Optimus点燃了行业热潮。国外机器 研究制定山东省未来产业高质量发展行动计划，加 快布局人形机器人、元宇宙、量子科技、未来网络、 碳基半导体等前沿领域。 国际政策 9 资料来源：达闼公司官网，觅途咨询，华尔街见闻，biocomm，华西证券研究所  硬件方面，人形机器人所需的大部分核心零部件已处于发展期，部分接近成熟期（如动力电池、行星减速器、无框力矩电机），为人形机器人 行业的爆发式发展奠定了技术基础。  软件方面，大语言模型和多模态大模型的 资料来源：相关公司官网，华尔街见闻，财联社，美股研究社，36氪，新浪财经，SemiAnalysis，华西证券研究所  英伟达的商业愿景是成为AI平台类公司，任何与AI加速相关的领域都会使用英伟达的硬件和软件。为了实现这一目标，机器人、自动驾驶等边缘 计算场景是兵家必争之地。具体来说，英伟达人形机器人体系包括：用于训练基础模型的DGX系统+用于开发部署的Isaac软件堆栈+用于控制的 Jetson