软件与服务行业：苹果发布Apple_Intelligence智能助手异构芯片或成AI算力新方向_15页_1mb

报告摘要

行业研究 | 专题报告 | 软件与服务

核心内容概述

苹果公司在2024年全球开发者大会上发布了Apple Intelligence智能助手，该助手由AFM基础模型赋能，涵盖端侧和云端两种模型。AFM模型具备强大的语言和多模态处理能力，支持文本撰写、图片生成、跨应用交互、邮件回复等功能。Apple Intelligence将被集成至iOS 18、iPadOS 18和macOS 18中，目前仅限开发者试用，订阅价格为99美元/年。

主要观点

Apple Intelligence 是苹果推出的全新智能助手，具备生成式AI的多模态处理能力，能够有效提升用户在办公、通信、图像处理等场景下的效率。
AFM基础模型 分为端侧和云端两部分，端侧模型参数量为30亿，云端模型性能接近GPT-4，但略逊于其表现。
异构芯片（如谷歌TPU）在AI算力方面展现出更高的效率，特别是在处理大规模张量运算时，TPU的算力利用率显著高于GPU，成为AI算力发展的重要方向。
TPU芯片 在性能和能效方面优于英伟达的GPU，具备更高的计算密度和更低的功耗，尤其适合大规模模型训练和推理任务。

关键信息

Apple Intelligence功能亮点

智能写作：支持文本撰写、润色、摘要生成，提升办公效率。
多模态理解：能够识别并消除照片中的背景干扰，支持通过文字描述搜索相册内容。
跨应用操作：简化用户在不同应用间的交互流程，提升使用体验。
Siri升级：成为AI agent，具备屏幕感知能力，可执行复杂任务。

AFM基础模型结构

端侧模型：专为本地设备优化，仅处理语言任务，适用于iPhone、iPad、Mac等终端。
云端模型：具备多模态能力，可处理更复杂任务，训练使用谷歌TPU V4芯片。
模型家族：包括编码模型和扩散模型，分别用于Xcode开发和Messages应用的视觉生成。

AFM模型训练与优化

训练流程：包含数据收集、预处理、预训练、调参、优化等阶段。
数据来源：涵盖网页、书籍、代码、数学等多种高质量数据，经过严格去污染处理。
调参方式：采用监督式微调（SFT）和基于人类反馈的强化学习（RLHF）方法，进一步优化模型表现。
模型性能：在1393个任务中，AFM云端模型表现接近GPT-4，端侧模型性能优于主流端侧模型。

TPU与GPU对比

性能优势：TPU在相同芯片面积和能耗下，比GPU性能提升3.5倍。
算力利用率：TPU的算力利用率可达50%以上，而GPU通常为20%-40%。
芯片发展：TPU V5p芯片算力达459Tflops@BF16，性能可追及英伟达旗舰GPU。

AI算力发展新方向

异构芯片：TPU等专用芯片在AI训练和推理中展现出更高的效率，成为未来算力发展的主流趋势。
算力分配策略：包括需求分析、资源池管理、负载均衡、任务调度、优化算法等，以实现高效资源利用。
生态兼容性：TPU支持TensorFlow、PyTorch等主流深度学习框架，便于算法迁移和优化。

风险提示

AI技术推进不及预期：当前大模型性能仍有瓶颈，若AI技术发展缓慢，可能影响相关企业的投入回报。
下游应用需求不及预期：AI仍处于商业模式探索阶段，若应用需求未能有效增长，可能对行业造成冲击。

投资评级说明

行业评级：根据行业股票指数相对表现，分为看好、中性、看淡。
公司评级：根据公司股票相对市场指数表现，分为买入、增持、中性、减持、无投资评级。

投资者声明

报告信息来源于公开资料，不保证其准确性和完整性。
报告内容不构成投资建议，投资者应独立评估并自行决策。
报告所含观点和结论仅供参考，不包含对证券价格或市场走势的确定性判断。

分析师及联系人

分析师：宗建树
SAC编号：S0490520030004
SFC编号：BUX668

办公地址

上海：虹口区新建路200号国华金融中心B栋22、23层
北京：西城区金融街33号通泰大厦15层
武汉：武汉市江汉区淮海路88号长江证券大厦37楼
深圳：深圳市福田区中心四路1号嘉里建设广场3期36楼

法律声明

本报告由长江证券股份有限公司及/或其附属机构制作并发布。
报告内容仅为内部研究用途，未经书面许可，不得以任何形式翻版、复制或发布。
报告内容可能根据最新信息进行更新，不保证信息的持续性与准确性。
报告不构成对任何特定客户的投资建议，投资者应自行承担风险。

图表目录

图1：Apple Intelligence系统架构
图2：语言总结功能
图3：智能写作功能
图4：AI图片消除功能
图5：通过场景描述查找相册内容
图6：Siri拆解复杂任务
图7：Siri理解屏幕内容
图8：AFM系统架构
图9：AFM训练流程
图10：AFM模型人类评估
图11：端侧模型性能对比
图12：云端模型与GPT-4性能对比
图13：云端模型训练芯片架构
图14：TPU中的TensorCore
图15：TPU无需频繁访问内存
图16：智算中心结构

结论

苹果通过推出Apple Intelligence，展示了其在AI领域的布局和实力。AFM基础模型的端侧与云端架构，结合谷歌TPU芯片的高效算力，为AI应用提供了更优的性能与能效。异构芯片的发展为AI算力基础设施提供了新的方向，有助于提升大模型的训练与推理效率。然而，AI技术发展及下游应用需求仍是潜在风险。

展开完整摘要