行业投资评级 - 工业 AI 市场规模预计从 2022 年至 2032 年将以 46% 的年均复合增长率高速成长 [9] - 中国制造业的 AI 使用渗透率预计到 2027 年将以 10% 的年复合增长率上升 [9] 核心观点 - 工业 AI 和大模型的应用已渗透到工业生产的产品设计、企业流程管理规划、智能化生产、设备预测性维护、供应链优化、创新服务、绿色制造、智能客服等众多环节 [3] - 工业 AI 通过处理和分析海量工业数据，帮助企业在多个环节实现提质、增效、降本，增强竞争力 [3] - 工业大模型凭借其卓越的理解、生成和泛化能力，通过与工业领域的深度融合，有望为工业领域带来 "基础模型 + 各类应用" 的新范式 [31] 行业应用 汽车行业 - 工业大模型可广泛应用于汽车造型设计等领域，使原本需要 1-2 年的设计周期大幅缩短 [36] - AI 视觉算法技术与机器视觉成像技术相结合，满足终端检测节拍要求 24 秒/轮毂，提高检测精度和生产线效率 [36] - AI 算法赋能下的 3D 成像技术，与机器人手臂协同作业，实现车身漆面缺陷的精准检测与定位，缺陷测量精度需达 0.15mm，检出率高达 99% [36] 消费电子行业 - AI 技术与机器视觉检测方案相结合，为手机玻璃盖板等难检缺陷提供有效解决方案，检测精度一般要求达到 10μm，检测节拍通常在 6 秒到 1 秒/件之间 [38] - 消费电子产品将是大模型部署的新阵地，围绕用户的个性化需求，大模型的部署需要根据用户特征对模型进行差异化增强 [38] 新能源锂电行业 - AI 技术强大的计算和分析能力，帮助锂电制造企业缩短开发周期，提升检测效率，控制成本投入 [39] - 大模型通过高通量计算与数据库构建、分子生成模型和高通量筛选策略等步骤，能从数百万种材料中快速筛选出具有高能效潜力的材料 [43] 半导体行业 - AI 技术与 EDA 工具相结合，在电路设计阶段自动识别和优化电路拓扑结构，通过深度学习模型预测不同电路设计的性能指标，加速设计迭代过程 [45] - 采用大模型结合机器视觉成像技术，最小能检出 0.1 微米级别的缺陷尺寸，检测精准度需高于 99.5%，检测节拍大多需达 300 片/分钟以上 [45] 技术方案 英特尔® 酷睿™ 移动处理器 - 第 12 代英特尔® 酷睿™ 移动处理器采用全新高性能混合架构，大幅提升单线程和多线程性能，其高性能小尺寸的设计兼顾了图形密度和 AI 加速功能 [63] - 英特尔® 酷睿™ Ultra 处理器配备众多计算引擎，采用高能效 BGA 封装，能够为创新设计提供更大的灵活性，是应对边缘严苛工作负载的理想选择 [84] 英特尔® 至强® Max 系列处理器 - 英特尔® 至强® Max 系列处理器通过 4 个 HBM2e 堆栈、64 GB 超高带宽封装内存和每核超过 1 GB 的 HBM 容量，最大限度提升性能 [108] - 英特尔® 至强® Max 系列处理器提供了不同的内存模式，可根据工作负载的需求灵活配置 [110] 英特尔® 至强® 6 性能核处理器 - 英特尔® 至强® 6 性能核处理器的单核性能非常出色，拥有比其他通用 CPU 更好的 AI 性能，能够从容应对广泛的工作负载 [116] - 英特尔® 至强® 6 性能核处理器旨在支持许多要求严苛的 AI 用例，通过英特尔® Advanced Matrix Extensions 等加速功能，满足从目标检测到中型 GenAI 等多种人工智能模型的服务级别协议 [121]