SLM，AI PC和AI手机的最佳选择
微软发布phi-2小语言模型，27亿参数实现百亿参数大模型的效果，我们认为16-32GB内存+NPU的PC即可运行，后续手机也有望运行。
▍看模型：微软phi-2发布，小模型也足够智能。
2023年12月12日，微软发布了Phi-2语言模型。该模型仅有27亿参数，比700亿参数的Llama2小一个数量级，然而在性能表现方面不输其他模型。根据微软的测试，该模型在语言理解、常识推理、数学、代码四方面的能力全面超越130亿参数的Llama2，部分方面表现甚至优于700亿参数的Llama2。
▍看硬件：16-32GB内存+NPU可支持PC和手机AI需求。
SLM可以极大降低硬件需求，根据微软官网，训练端phi-2仅需96个A100 GPU训练14天；推理端，模型2.7B的参数量，在使用FP16精度的情况下，仅需5.4GB的存储空间。2023年6月到12月，微软Phi-1 1.3B、Phi-1.5 1.3B、谷歌Gemini Nano 3.2B、微软Phi-2 2.7B等小模型先后发布，模型本体存储占用大致在2.6GB-6.4GB，结合运算需求，SLM的RAM存储容量或达到4-8GB。结合其他程序内存占用，根据我们使用测试，Windows系统办公电脑日常轻载情况下内存占用约4GB，运行较多文档、网页的情况下内存占用或可达到12GB左右。
因此我们认为，存储空间方面，16G内存PC或可轻度运行语言模型，32G内存的PC则可以满足更多SLM+办公需求；当前手机配备的RAM空间较小，大多在16GB以下（也有配备24GB的型号），相对PC而言运行SLM的压力更大。此外NPU运行AI效率较高，能够帮助移动PC和手机降低能源消耗，延长续航，并强化推理能力，改善AI使用体验。
▍看应用：图片视频创意、智慧助手类应用可能率先推出。
我们认为SLM发展可以提升边端AI助手的智能程度，SLM与操作系统、办公软件以及各类APP结合进行本地部署可以提升使用体验。图形图像类的模型普遍尺寸比语言模型更小，创意应用的容错率也更高，也有望随着小模型和AI PC发展。
▍风险因素：
小模型性能效果不及预期；NPU发展不及预期；小模型在边端设备部署效果不及预期。
▍投资策略。
2023年下半年以来，SLM发展迅速，结合高性能存储、集成NPU的发展，语言模型有望在边缘端落地，大幅提升C端用户AI使用体验，存储、PC端和手机端AI应用有望受益，建议关注具备较多C端用户的AI应用领军企业。边缘AI的落地也有助于边缘AI算力硬件发展，建议关注AI物联网模组企业。
来源：券商研报精选