东吴证券-电子行业深度报告：端侧AI，模型创新快速迭代，看好苹果引领AI硬件起飞_21页_2mb

端侧AI技术正推动人机交互模式革新，行业增长迅速。据头豹预测，2023-2028年端侧AI市场规模CAGR达58%，2028年将超19万亿元。当前AI自主化能力从"指令驱动"向"意图驱动"演进，系统融合度提升，形成增强型LLM架构、提示链工作流及Agent形态的多阶段发展路径。苹果与谷歌通过技术创新分别构建AI生态，苹果采用三层架构（本地模型+私有云+第三方大模型），谷歌则侧重多模态UI模型如ScreenAI的开发。

端侧模型性能提升依赖技术创新而非单纯参数增加。量化技术可将参数精度从32bits降至8bits，降低内存占用与计算成本；剪枝技术减少模型参数量25%；蒸馏技术通过大模型训练轻量级模型。苹果3B模型AFM-on-device由64B模型剪枝蒸馏而来，而谷歌GeminiNano系列参数量从18B增至325B。值得关注的是，混合精度量化技术可实现近乎无损压缩，提升模型运行效率。

内存瓶颈成制约端侧AI发展的核心问题。7B参数的半精度模型仅参数加载即需14GBDRAM，而苹果设备DRAM容量普遍为8GB，显著低于安卓旗舰的24GB。内存读取能耗是计算能耗的640倍，限制了AI模型运行时长。苹果通过独立封装（LPDDR6-PIM）和WMCM封装技术提升内存带宽及散热性能，同时需在iOS系统层面优化内存利用效率。安卓因后台保活机制导致内存占用更高，需通过OS层统一AI基础模型解决效率问题。

多模态UI交互革新将推动Agent技术落地。Transformer架构显著提升GUIAgent的可行性，通过视觉-语言联合编码实现精准任务执行。苹果Ferret-UI和谷歌ScreenAI均采用多模态理解技术，其中ScreenAI在5B参数规模下仍具性能提升空间。GUI交互面临Grounding（精准定位）难题，需解决元素识别误差问题。模型参数量与性能呈正相关，但复杂任务中参数提升边际效益递减，需持续优化算法与数据处理方式。

行业竞争加剧与技术不确定性构成主要风险。底层架构创新、存储技术突破及成本控制能力将成为关键竞争要素。随着消费电子终端AI化加速，智能手机和PC的亿级出货量将推动端侧AI市场规模快速扩张。技术路线选择、硬件创新速度及生态构建能力将决定企业在未来AI硬件领域的市场份额。