《2025 年万物AI面临的十大待解难题》教学应用说明.docx

《2025年万物AI面临的十大待解难题》教学应用说明

--AI+教育研究中心谢强

报告核心内容概述

一、AI终端需求端问题

?AI服务器：探讨了ScalingLaw（规模法则）是否结束，指出模型性能与规模之间的关系，并分析了Transformer架构对大模型时代的影响。

?AI终端：分析了AIAgents、AI手机、AIPC和AI耳机的市场趋势，预测了未来几年的出货量和市场规模。

?AI机器人：讨论了人型机器人的发展，包括具身智能、运动稳定性、感知与运动驱动系统等方面。

二、AI上游芯片需求问题

?AI产能：分析了AI大芯片对先进制程和先进封装产能的需求，预计2025年台积电3nm/5nm产能利用率将达100%/101%。

?AI存储：探讨了HBM和NAND存储的需求，预计2025年全球HBM市场规模将达199亿美元，NAND市场规模将达870亿美元。

?AI互联：讨论了AI大芯片的互联困境，预测未来趋势将是“光进铜退”，光模块市场规模有望突破200亿美元。

?AI散热：分析了AI大芯片功耗提升对散热技术的影响，预计液冷散热技术的渗透率将持续提升。

三、AI发展外部约束问题

?AI能源：讨论了AI数据中心的能源消耗问题，预计到2026年，AI数据中心和加密货币的电力消耗可能达到2022年水平的两倍以上。

?AI燃料：分析了高质量数据的稀缺性，指出数据需求量指数增长，而高质量数据的创造速度相对较慢，需要拓展新数据源。

四、AI终极问题

?AI与人类的关系：探讨了AI是否拥有自主意识、道德规范遵守等问题，提出了人机关系平等性等伦理问题。

五、投资建议及风险提示

?投资建议：建议关注AI产业链相关公司，特别是端侧AI产品加速发布带来的处理器和内存需求增长，以及手机和PC需求温和复苏带来的投资机会。

?风险提示：提醒投资者注意下游需求不足风险、地缘政治风险、核心竞争力风险和估值风险等。

报告观点总结

?AI技术发展：AI技术正快速发展，特别是在AI服务器、终端设备和机器人领域，市场对AI的需求将持续增长。

?芯片需求：AI大芯片的需求激增，推动了先进制程和先进封装技术的发展，同时也对存储和互联技术提出了更高要求。

?能源与数据：AI的发展对能源消耗和数据质量提出了挑战，需要寻找可持续的能源解决方案和高质量的数据源。

?伦理问题：随着AI技术的发展，人机关系和道德规范等问题逐渐凸显，需要社会各界共同探讨解决方案。

?投资机会：AI产业链相关公司有望受益于技术发展带来的市场机遇，但投资者需注意相关风险。

报告中提到的AI产能和存储需求之间存在密切的联系，主要体现在以下几个方面：

1.AI大芯片的性能提升

?AI大芯片：AI大芯片的性能提升需要更多的计算资源和存储容量来支持大规模模型的训练和推理。随着模型规模的增大，对芯片的计算能力和存储容量的需求也相应增加。

?存储需求：AI大芯片的高性能计算需要高速、大容量的存储来支持数据的快速读写。例如，HBM（高带宽存储器）和NAND存储技术的发展就是为了满足AI大芯片对存储的高要求。

2.先进制程和封装技术

?先进制程：AI大芯片的高性能需求推动了先进制程技术的发展，如3nm和5nm制程。这些先进制程技术不仅提高了芯片的计算性能，还为集成更多的存储单元提供了可能。

?先进封装：先进封装技术如CoWoS（晶圆级芯片封装）等，使得芯片与存储器之间的连接更加紧密，提高了数据传输效率。例如，HBM通常与AI大芯片集成在同一封装内，以减少数据传输延迟。

3.市场供需关系

?产能需求：AI大芯片的高性能和大容量存储需求推动了对先进制程和先进封装产能的需求。报告预计2025年台积电3nm/5nm产能利用率将达100%/101%，CoWoS月产能有望达8万片。

?存储市场：AI大芯片的强劲需求也推动了HBM和NAND存储市场的增长。预计2025年全球HBM市场规模将达199亿美元，NAND市场规模将达870亿美元。

4.技术协同进步

?技术协同：AI大芯片的高性能计算和大容量存储需求促使制程、封装和存储技术协同发展。例如，HBM技