纪要涉及的行业和公司 - 行业：智能手机、算力 - 公司：苹果、高通、联发科 纪要提到的核心观点和论据 算力发展趋势 - 观点：算力从云端分流到端测运行是大势所趋，但目前端测SOC算力水平和端测模型能力仍有较大提升空间 [2] - 论据：无 专制算力落地路径 - 观点：专制算力落地可行路径有两条，一是端测SOC硬件性能不断提升以支撑AI需求，二是端测小模型针对组织功能做定向优化以减轻算力负载 [2] - 论据：高通、联发科等核心SoC厂商陆续发布全新旗舰SoC，如联发科冲击9400在工艺上功耗降低40%，性能提升40%，还搭载第八代AI处理器NPU890 [9] 端测和云端算力关系 - 观点：端测和云端算力并非此消彼长的关系，端测AI对算力总盘拉动作用会长期存在，特定场景中云端推理仍是不错选择 [2] - 论据：苹果采用端源混合方式，端测运行大部分功能，云端用于弥补端测算力不足 [5] 手机AI算力需求测算 - 观点：通过测算累计AI手机用户数和单日单机算力需求来评估手机AI算力需求 [3] - 论据：预计24 - 28年全球AI手机渗透率分别为16%和54%，到2030年渗透到千元级价格带；27 - 30年AI手机增速维持双位数水平；25年和26年云端算力需求折算成Blackwell GPU的Fp8定位至少需要12万和103万张算力卡 [3][4] 端测AI应用场景 - 观点：苹果引领端测AI在手机场景的应用，采用端源混合方式，多数功能直接通过端测运行，云端弥补算力不足 [5] - 论据：苹果在WWDC20公布Apple Intelligent，推出图像生成等功能；iOS 18.2的beta中实现OpenAI加入CAT GPT集成到Siri [5][6] 端测AI对云端算力的依赖 - 观点：端测AI有成本、能耗、隐私安全和个性化等优势，但受算力限制仍需云端辅助 [7] - 论据：具备AI功能的手机、PC等便携终端数量达数十亿台，利用大模型端测AI处理有提升空间，但端测AI处理能力是实现全球规模扩张的关键 [8] 其他重要但可能被忽略的内容 - 苹果写作工具具有校对文本、重写版本、修改语气措辞、总结关键点等功能，除部分复杂功能推理算力需求依赖云端辅助外，其他功能可在端测运行 [6] - 符合IDC要求支持端测大部分功能的SoC有苹果A17 Pro、联发科天玑9300、骁龙8G3以上以及最新发布的天玑9400、骁龙8最根版，但端测AI算力远不足以支持原生大模型需求，轻量化小模型效果与原生大模型有差距 [11] - 预计端测简单功能在7B小模型上实现，未来有望向13B渗透，复杂功能有望通过外部大模型实现，随着端测硬件升级和小模型对细分功能强化，复杂功能将逐渐被端测算力消化 [14] - 以单人单机文本推理需求测算，端测算力需求在24 - 27年呈单位数以上增长，27 - 30年维持双位数增长；27年全球AI手机算力需求约15541亿T Blob，30年约64855亿T Blob [16][17]