12月9日《科創板**》（宋子橋主編）。人工智慧模型正在進入每個人的口袋。
谷歌大型號 Gemini 系列的 Nano 版本據稱是裝置端裝置最高效的型號，可以在 Android 裝置上本地離線執行，並將登陸谷歌最新一代高階旗艦 Pixel8Pro。
12月8日，知名開源生成式AI平台StabilityAI 在其官網上開源了 30 億引數大模型 StableLMZEPHYR3B。 Zephyr3B專用於手機、膝上型電腦等移動裝置，具有引數小、效能強、算力低等特點，可自動生成文字、摘要等，可媲美70億和130億引數的模型。
生成式AI和端側AI優先，倒逼智慧型裝置硬體效能公升級
晶元領導者正在競相推出支援生成式AI的處理器，英特爾和高通都推出了專為AI移動終端設計的晶元在蘋果的下一代 M3 系列晶元中，M3Max 支援十億引數 AI 模型的開發。
在華為Mate60、小公尺14、VivoX100發布會上，主機廠紛紛聚焦AI功能，預計2024年三星S24等高階手機發布會上，其高斯AI模型也將是主要功能;頭部PC品牌紛紛為AI PC做出相應布局，聯想首款AI PC已經推出，蘋果積極推動5G晶元在MacBookPro產品線落地，滿足AI PC時刻的需求，惠普、巨集碁等品牌的AI筆記本有望在今年陸續推出。
未來，蘋果和Meta也有望逐步將AI融入XR眼鏡中。
可以看出，大模型離普通使用者越來越近，軟體端將AI大模型嵌入到終端裝置中，硬體端將提公升AI相關硬體的效能，AI向移動端發展成為主流發展趨勢，AI手機等新產品， AI計算機、AIPad、AI眼鏡有望成為消費電子轉型的契機。
華爾街TMT之王，“美國對沖”Coatue在他的最新報告中指出AI的第乙個時代尚未到來，未來，邊緣AI裝置將得到廣泛應用，袖珍模型指日可待。
大模型為什麼會“上”“入腦”？
手機、電腦等移動硬體已經成為大多數人日常生活的一部分，而讓AI模型接觸到更多人最直接的方法就是將它們嵌入到這些硬體中。 國新**認為，端到端的AI能力是實現生成式AI全球大規模擴張的關鍵。
隨著AI應用的不斷拓展，算力的成本和效率將成為瓶頸。
而AI模型與移動裝置的結合，不僅可以分擔這部分壓力，還具有雲AI所不具備的優勢，主要在：
安全性：個人資訊無需上傳到雲端，降低私隱洩露和資料安全風險
定製化：AI模型與本地資料庫和個人資訊對接，有望實現從一般的基礎AI大模型向個性化定製小模型的轉變，提供更適合的使用者服務
高效：通過壓縮大型AI模型，適配終端軟硬體，邊緣AI可以降低運營成本，加快響應速度，提高業務效率。 根據 Coatue 的說法，在邊緣裝置上執行 AI 模型可以幫助緩解 GPU 短缺。 例如，Apple 晶元的本地模型的執行速度與它在 GPU 上的執行速度一樣快。
投資機會在哪裡？
端到端的AI應用需要全產業鏈的推動，包括晶元算力提公升、模型優化、軟體廠商適配、終端廠商落地應用等。 多家機構發布研究報告，建議關注AI端端創新大趨勢帶來的投資機會。
招商局認為，隨著終端品牌、晶元、軟體應用等產業鏈龍頭對AI技術的聯合投入，PC手機、XR可穿戴、智慧型家居等終端有望迎來AI創新浪潮。
此外，多家機構表示，智慧型終端的AI公升級有望加速機器的更新換代。 光大表示，AI PC、AI手機等AI智慧型終端或將成為AI時代未來消費電子行業變革的方向中信**認為，AI PC有望成為本輪邊緣AI的優先落地場景，建議關注PC機、處理器、DRAM等。