当前位置: 首页 > news >正文

价值飙升30%,AI PC拉动半导体出货潮

由于处理器和DRAM的升级,大摩预测每台AI PC的半导体价值将增长20%-30%,PC平均售价也将提高7%。

台北国际电脑展即将于6月2日隆重开幕。

随着展会的临近,各种现象级的AI PC也蓄势待发。

就在上周,联想在业绩会上,首次提出了他们对AI PC的“五要素”定义,引发了行业内外的热烈讨论。

紧随其后,大摩也给出了他们对于AI PC的独到见解和定义。大摩认为,真正的AI PC应该具备以下两大核心特征:

1)配备了专用神经处理单元 (NPU)

2)高处理速度(超过 40 TOPS)

不仅如此,大摩还大胆预测了AI PC的普及将为整个产业带来前所未有的增益。

1、AI PC 拉动产业增长

大摩预测,随着处理器和内存的升级,每台人工智能PC的半导体价值将增长20%-30%,PC平均售价也将提高7%。

AI PC与传统PC的主要区别在于增加了专用神经处理单元(NPU)。传统PC使用CPU+GPU架构,而AI PC则采用CPU+GPU+NPU架构。

为了让NPU充分发挥效能,AI PC还配备了更大容量的内存。微软指出,基础AI模型需要16GB内存,标准AI模型则需要32GB,高级AI模型则要求64GB或更多。

基于此,大摩预测:

• 由于处理器 和 DRAM 的升级,预计每台 AI PC 中半导体的价值将增长 20-30%,这将为全球半导体公司带来额外的 300 亿美元收入;

• 更先进的组件(如 NPU、更强大的 CPU 和更大的内存)将推高电脑的平均售价 (ASP)。与普遍的市场共识相比,电脑平均售价 (ASP)将上涨约 7%。

2、AI PC架构趋向于ARM

大摩指出,AI PC时代,随着处理器从x86转向arm架构,预计到2027年,arm架构的PC CPU销量将达到5000万颗,带来100亿美元的收入。

x86和arm是两种主流的处理器指令集。

• x86架构指令长,擅长把多个任务用一条复杂指令表达;

• arm架构指令短,擅长把复杂任务分成多条指令表达;

这种表达上的差异,使得arm架构有着高性能、低功耗的特点。相比于x86,arm架构更适用于高功耗的AI计算。

目前,高通、NVDA、AMD、联发科都相继推出了基于arm架构的AI PC处理器产品。

大摩指出,随着Windows on Arm (WoA)生态系统的增长,预计到2027年,WoA PC芯片销量将达到5000万颗,带来100亿美元的PC CPU收入。

3、AI PC 处理器的竞争

大摩表示,高通近期在AI PC推出的骁龙X Elite处理器值得关注。

高通自收购了Nuvia以来,处理器的性能有了大幅提升。已经在发布的骁龙X Elite中,也使用了最新架构,根据美银的报告,骁龙X Elite性能在一众AI PC处理器厂商中处于领先地位。

微软在近期推出的首批AI PC中,采用了高通骁龙X Elite芯片,用于支持Copilot的使用。这些电脑包括了Surface Laptop和Surface Pro。

此外,根据大摩整理的数据,联想、宏碁、华硕、戴尔、惠普和三星等其他主要电脑制造商也发布了各自的下一代人工智能电脑。这些电脑也搭载了X Elite/X Plus芯片(见下图)。

而过去,微软的大部分处理器,采用的是英特尔的CPU。根据市场数据,2023年Q4,英特尔在PC CPU市场的份额为78%。这一份额也许会随着高通的强势入局而有所改变。

4、AI PC出货量预测

2024年,被视为是AI PC的出货元年,大摩也给出了AI PC出货量的预测。

大摩预测:

• 2024年,AI PC将占电脑总出货量的2%;

• 2028年,AI PC将占电脑总出货量的65%;

这意味着,到2028年,人工智能电脑的出货量将达到1.79亿台,其中85%为笔记本电脑。

得益于AI PC的出货,大摩指出组件供应商、电脑制造商和供应链参与者将受益:

• 组件供应商: 像英伟达、高通、超微半导体和英特尔这样的公司,作为人工智能电脑 NPU 和 CPU 的关键供应商,预计将获得巨大收益。

• 电脑制造商: 该报告指出,联想、戴尔、华硕和惠普将成为主要受益者,因为他们在电脑市场占据着有利地位。

• 供应链参与者: 随着对人工智能电脑组件需求的不断增长,SK 海力士(内存)、联发科(芯片组)、台达电研华科技等公司预计将从中获益。领先的芯片代工厂台积电预计也将从 CPU 订单的增加中获益。

相关文章:

  • 今日好料推荐(大数据湖体系规划)
  • Codeforces Round 947 (Div. 1 + Div. 2) D. Paint the Tree 题解 DFS
  • 轧钢测径仪分析软件,四大图表带来产线新视角!
  • 云下到云上,丽迅物流如何实现数据库降本50% | OceanBase案例
  • 数字营销:以大数据作引擎,推动企业全面数字化升级
  • FFmpeg编解码的那些事(2)
  • 包和final
  • HaloDB 的 Oracle 兼容模式
  • 一个月速刷leetcodeHOT100 day13 二叉树结构 以及相关简单题
  • 解决vue版本不一致导致不能正常编译
  • 学习笔记——动态路由协议——OSPF(OSPF基本术语)
  • Sylvester矩阵、子结式、辗转相除法的三者关系(第二部分)
  • 【leetcode1944--队列中可以看到的人数】
  • Linux 系统配置修改时间时区
  • OrangePi AIpro 快速上手初体验——接口、样例和目标检测
  • JavaScript-如何实现克隆(clone)函数
  • 《微软的软件测试之道》成书始末、出版宣告、补充致谢名单及相关信息
  • 《用数据讲故事》作者Cole N. Knaflic:消除一切无效的图表
  • Android组件 - 收藏集 - 掘金
  • canvas 绘制双线技巧
  • Gradle 5.0 正式版发布
  • Java应用性能调优
  • Linux编程学习笔记 | Linux多线程学习[2] - 线程的同步
  • maya建模与骨骼动画快速实现人工鱼
  • Mocha测试初探
  • PHP的类修饰符与访问修饰符
  • puppeteer stop redirect 的正确姿势及 net::ERR_FAILED 的解决
  • Python3爬取英雄联盟英雄皮肤大图
  • RxJS 实现摩斯密码(Morse) 【内附脑图】
  • 从输入URL到页面加载发生了什么
  • 一道面试题引发的“血案”
  • 一个项目push到多个远程Git仓库
  • 智能网联汽车信息安全
  • Play Store发现SimBad恶意软件,1.5亿Android用户成受害者 ...
  • 你学不懂C语言,是因为不懂编写C程序的7个步骤 ...
  • 资深实践篇 | 基于Kubernetes 1.61的Kubernetes Scheduler 调度详解 ...
  • ​14:00面试,14:06就出来了,问的问题有点变态。。。
  • #DBA杂记1
  • #图像处理
  • (Matalb时序预测)PSO-BP粒子群算法优化BP神经网络的多维时序回归预测
  • (蓝桥杯每日一题)平方末尾及补充(常用的字符串函数功能)
  • (十八)Flink CEP 详解
  • (十一)图像的罗伯特梯度锐化
  • (转)C#调用WebService 基础
  • (转)VC++中ondraw在什么时候调用的
  • (转)全文检索技术学习(三)——Lucene支持中文分词
  • .NET C#版本和.NET版本以及VS版本的对应关系
  • .NET 回调、接口回调、 委托
  • .NET框架类在ASP.NET中的使用(2) ——QA
  • .NET设计模式(7):创建型模式专题总结(Creational Pattern)
  • .net生成的类,跨工程调用显示注释
  • :O)修改linux硬件时间
  • @Autowired 与@Resource的区别
  • @Bean注解详解
  • @data注解_一枚 架构师 也不会用的Lombok注解,相见恨晚