Attach Rate（AI 搭载率）
3 秒看懂
一句话定义：Attach Rate = 某个”附件”产品/功能在”主件”产品销售中的搭载比例。
AI 语境下：AI Attach Rate 衡量 AI 功能/芯片/服务在某一硬件品类或软件平台中的渗透率——它是判断 AI 从”概念”走向”真实需求”的核心量化指标。
关键数字（定性）：2024 年业界估算 AI PC Attach Rate 约在 10-20% 区间，属低双位数，是各机构争论的焦点。
3 分钟产业解释
为什么产业研究需要关注 Attach Rate？
Attach Rate 本质上是一个渗透率指标，它回答一个核心问题：AI 的需求是结构性的，还是周期性的？
场景拆解：
┌─────────────────────────────────────────────────────────┐
│ 主件（Host） │ 附件（Attach） │
├─────────────────────────────────────────────────────────┤
│ PC / 笔记本 │ NPU / AI 加速单元 │
│ 智能手机 │ 端侧大模型 / AI ISP │
│ 服务器 │ GPU / AI 加速卡 │
│ 企业 SaaS 许可 │ AI Copilot 附加订阅 │
│ 数据中心资本开支 │ AI 专用集群占比 │
└─────────────────────────────────────────────────────────┘
三条核心逻辑链
| 逻辑 | 解读 |
|---|---|
| 需求验证 | Attach Rate 上升 → AI 不是炒作，有真实搭载需求 |
| 边际定价 | 高 Attach Rate → 厂商可为 AI 功能收取溢价（ASP 提升） |
| 产能瓶颈 | Attach Rate 超预期 → 供应链（如 HBM、先进封装）紧张加剧 |
产业研究最常跟踪的三个 Attach Rate
- AI PC Attach Rate：NPU 芯片在 PC 出货中的搭载比例（2024 年行业估算约 10-20%，2027 年机构预期 60%+）
- AI Server Attach Rate：GPU/AI 加速器在服务器出货中的渗透率（目前高价值服务器中已较高，但整体服务器基数中仍有限）
- AI Software Attach Rate：AI 功能附加在企业软件许可中的订阅渗透（尚处早期，无公开统一口径）
15 分钟专家深入
Attach Rate 的深层经济学含义
1. 从”有无”到”多少”的需求演进
Attach Rate 的真正价值不在于单点数字，而在于斜率（变化速率）：
典型 S 曲线形态：
Attach Rate (%)
│
100% │ ···········（饱和）
│ ···
│ ···
50% │ ··· ← 加速拐点（估值敏感度最高的区间）
│ ···
│ ···
10% │ ···· ← 当前阶段（AI PC / 端侧 AI）
│··
0% └──────────────────────────────────────→ 时间
导入期 成长期 成熟期
定价含义：在导入期，市场定价更关注”预期斜率”；在成长期，市场定价更关注”验证斜率”。当前 AI Attach Rate 的争议本质上是市场对斜率假设的分歧。
2. Attach Rate 的分层结构
Attach Rate 不是单一数字，需要按层级拆解：
| 层级 | 含义 | 举例 |
|---|---|---|
| 硬件层 | AI 芯片/单元是否物理搭载 | CPU 内置 NPU、GPU 是否出厂 |
| 软件层 | AI 功能是否被激活使用 | Windows Copilot 是否启用 |
| 服务层 | AI 服务是否产生收入 | AI 功能是否计入订阅付费 |
关键洞察：硬件 Attach Rate 可以快速拉升（OEM 搭载即计入），但软件/服务 Attach Rate 的提升依赖生态成熟，通常滞后 1-2 年。
3. 为何 Attach Rate 是”预期差”的核心战场
市场定价逻辑链：
AI 产业叙事
↓
Attach Rate 假设（券商报告中的核心变量）
↓
TAM（总可寻址市场）估算
↓
公司收入/利润预测
↓
估值倍数
Attach Rate 每变动 10 个百分点，可能导致龙头公司收入预测变动 20-30%。这就是为什么各家机构对 2025-2027 年 AI PC Attach Rate 的假设分歧如此巨大——分歧本身就是交易机会的来源。
技术原理
Attach Rate 的标准计算方法
┌─────────────────────────────────────────────────────────────────┐
│ 单期 Attach Rate（Snapshot） │
│ │
│ Attach Rate = 本期含附件的产品出货量 / 本期主件产品总出货量 │
│ │
│ 示例： │
│ Q3 2024 AI PC 出货 800 万台，PC 总出货 6000 万台 │
│ → AI PC Attach Rate ≈ 13.3%（估算值，非官方口径） │
└─────────────────────────────────────────────────────────────────┘
┌─────────────────────────────────────────────────────────────────┐
│ 累计渗透率（Cumulative Penetration） │
│ │
│ 累计渗透率 = 截至 T 期含附件的存量设备 / 截至 T 期主件存量设备 │
│ │
│ 注意：单期 Attach Rate ≠ 累计渗透率 │
│ （因为存量中早期出货大多不含附件） │
└─────────────────────────────────────────────────────────────────┘
关键区分：Attach Rate vs. Penetration Rate vs. Adoption Rate
| 指标 | 侧重 | 分子口径 | 典型用法 |
|---|---|---|---|
| Attach Rate | OEM/厂商侧搭载 | 出货时是否物理包含 | AI 芯片是否出厂搭载 |
| Penetration Rate | 用户侧存量渗透 | 存量设备中可使用的比例 | 有多少 PC 能跑 AI |
| Adoption Rate | 用户侧行为激活 | 搭载后是否实际使用 | NPU 被调用的频率 |
常见混淆：将 OEM 搭载率（Attach Rate）直接等同于用户采纳率（Adoption Rate），高估实际 AI 使用需求。
Attach Rate 的驱动因子模型
Attach Rate = f(技术成熟度, 价格弹性, 生态支持, 替代方案, 政策/标准)
各因子权重（定性）：
技术成熟度：██████████ （NPU 性能是否够用）
价格弹性： ████████ （AI PC 是否有价格溢价障碍）
生态支持： ████████ （OS/应用是否调用 AI 单元）
替代方案： ██████ （云端 AI 是否替代端侧需求）
政策标准： ████ （如数据隐私法规推动本地 AI）
技术演进史
Attach Rate 作为分析框架的历史
| 阶段 | 时间 | 代表事件 |
|---|---|---|
| 概念起源 | 1990s | PC 时代，“modem attach rate”（调制解调器搭载率）是硬件分析师标配指标 |
| 智能手机时代 | 2007-2015 | 摄像头、GPS、指纹识别的 Attach Rate 成为产业链跟踪核心 |
| 云时代 | 2016-2022 | GPU 在服务器中的 Attach Rate 开始被追踪（从 HPC 扩展到通用） |
| AI 时代 | 2023-至今 | ”AI Attach Rate” 成为半导体/消费电子分析师的高频词汇 |
关键里程碑（定性）
- 2023 年 1 月 CES：AMD 发布 Ryzen 7040 系列（Phoenix），集成 Ryzen AI NPU 引擎，成为业界首款在主流消费级 CPU 中宣布集成 NPU 的产品。
- 2023 年 5 月：AMD Ryzen 7040 系列正式上市（Phoenix），率先在上市产品中集成 NPU。
- 2023 Q4：Intel 发布 Meteor Lake，同样集成 NPU（AMD 已于同年 5 月率先上市集成 NPU 的 Phoenix 处理器），“AI PC” 概念加速普及
技术路线对比
AI PC 与 AI Server 的 Attach Rate 对比框架
| 维度 | AI PC | AI Server |
|---|---|---|
| 附件定义 | NPU 集成于 SoC | GPU/AI 加速卡 |
| 搭载决策方 | OEM 厂商 | CSP / 企业 IT |
| 当前 Attach Rate（估算） | 低双位数 % | 较高（新出货高端服务器中） |
| 2027 年预期 Attach Rate（券商区间） | 50-70% | 30-50%（含通用服务器基数） |
| 价格弹性 | 高（消费者对溢价敏感） | 中低（企业 ROI 驱动） |
| 生态壁垒 | OS + 应用适配 | 框架 + 模型优化 |
| 替代风险 | 云端 AI 可替代部分端侧需求 | 较低（训练/推理需本地算力） |
注：上表数字为综合多家券商公开报告的区间估算，非精确口径，实际数字因定义不同而有差异。
上下游
Attach Rate 的产业链传导
Attach Rate 上升
│
├──→ 上游需求激增
│ ├── AI 芯片（GPU/NPU/ASIC）
│ ├── HBM / 先进内存
│ ├── 先进封装（CoWoS 等）
│ └── 电源管理 / 散热方案
│
├──→ 中游制造扩张
│ ├── 晶圆代工产能分配
│ ├── 封测产能投资
│ └── PCB / 载板需求
│
└──→ 下游生态成熟
├── OS 厂商优化 AI 调度
├── 应用开发者适配 NPU
└── 终端品牌差异化竞争
Attach Rate 对不同环节的弹性差异
| 环节 | 对 Attach Rate 弹性 | 原因 |
|---|---|---|
| AI 芯片设计 | 极高 | 直接受益，每台设备一颗 |
| HBM 供应 | 极高 | AI 加速器对 HBM 需求刚性 |
| 先进封装 | 高 | 产能瓶颈，Attach Rate 超预期即供不应求 |
| 传统内存（DDR） | 低 | 需求相对刚性，AI 影响边际 |
| 终端品牌 | 中 | 差异化来源，但竞争稀释溢价 |
关键指标
监测 Attach Rate 的数据源
| 指标 | 口径 | 频率 | 典型来源 |
|---|---|---|---|
| AI PC 出货占比 | 全球 PC 出货中搭载 NPU 的比例 | 季度 | IDC、Canalys、Gartner 等研究机构 |
| GPU 服务器出货占比 | 服务器出货中含 GPU/AI 加速卡的比例 | 季度 | IDC、Counterpoint 等 |
| AI 芯片 ASP | AI 加速器平均售价变化 | 季度/年度 | 厂商财报、分析师估算 |
| NPU 利用率 | 端侧 NPU 实际被调用的频率 | 不定期 | 开发者调研、第三方监测 |
| AI SaaS 渗透率 | 企业软件中 AI 功能的订阅比例 | 年度 | 厂商财报、SaaS 调研 |
需要警惕的统计陷阱
- 定义模糊：不同机构对”AI PC”的定义不同（是否要求特定 NPU TOPS 阈值？）
- 出货 vs. 激活：OEM 出货含 NPU ≠ 用户实际使用 AI 功能
- 基数选择：Attach Rate 分母是”总 PC 出货”还是”新出货”，结论差异大
供需与市场数据
AI Attach Rate 相关的市场估算（定性）
重要声明：以下数据为行业公开报告中的区间估算，不同机构口径差异较大，仅供参考趋势方向。
| 市场 | 2023 年估算 | 2025 年预期 | 2027 年预期 | 数据性质 |
|---|---|---|---|---|
| AI PC 出货量 | <500 万台 | 数千万台 | 亿级（若高渗透） | 机构预测区间 |
| AI PC Attach Rate | 低个位数 % | 20-30% | 50-70% | 机构预测区间 |
| AI Server 在服务器总出货中的占比 | 低双位数 % | 20-30% | 30-50% | 机构预测区间 |
| 全球 AI 芯片市场规模 | 数百亿美元 | 千亿美元级 | 数千亿美元（乐观情景） | 多家券商报告汇总 |
供需失衡的信号
当 Attach Rate 上升速度超过供应链扩产速度时，出现：
- HBM 交期延长
- 先进封装产能排队长达数季度
- AI 芯片现货溢价
- OEM 高配机型缺货
这些信号本身也是验证 Attach Rate 是否真实上升的旁证。
代表公司与资本映射
不同 Attach Rate 受益路径的公司分类
| 受益路径 | 代表公司/类型 | 逻辑 |
|---|---|---|
| AI 芯片直接受益 | NVIDIA、AMD、Intel、高通、联发科 | 每台 AI 设备搭载一颗，Attach Rate ↑ = 出货量 ↑ |
| HBM / 存储受益 | SK 海力士、三星、美光 | AI 加速器对 HBM 需求刚性，Attach Rate ↑ = HBM 需求 ↑ |
| 先进封装受益 | 台积电（CoWoS）、日月光 | 产能瓶颈环节，Attach Rate 超预期 → 封装产能溢价 |
| 代工受益 | 台积电、三星晶圆代工 | AI 芯片需要先进制程产能 |
| PC 品牌受益 | 联想、HP、Dell、苹果 | AI PC 差异化卖点，但竞争可能稀释溢价 |
| 软件生态受益 | 微软、Adobe、各类 SaaS | AI Copilot 附加订阅，Attach Rate = 软件 ARPU 提升 |
| 边缘 AI / IoT | 各类端侧 AI 芯片公司 | 长尾场景的 AI 渗透 |
资本市场定价的领先/滞后关系
时间线：
事件发生 市场反应
─────────────────────────────────────
① 厂商发布 AI 芯片 → 立即定价
② OEM 宣布搭载计划 → 短期催化
③ 季度出货数据验证 → 核心定价窗口
④ 用户激活/使用数据 → 长期价值锚定
─────────────────────────────────────
当前市场主要在定价 ③，④ 的数据仍稀缺
产业链传导逻辑
核心分析框架
逻辑一：Attach Rate 提升 → 硬件出货弹性
逻辑：AI Attach Rate 从低个位数向双位数提升，对应芯片/硬件的出货量弹性最大。
公司特征：
- 在 AI 芯片供应链中市占率高
- 产品 ASP 高、毛利率高
- 产能可获取性（是否有足够代工产能）
逻辑二：Attach Rate 超预期 → 供应链瓶颈
逻辑：当 Attach Rate 超出供应链预期时，瓶颈环节获得超额定价权。
环节特征：
- HBM、先进封装等产能受限环节
- 短期内扩产困难
- 客户集中度高（大客户抢产能）
逻辑三：Attach Rate 验证后 → 生态/软件收入
逻辑：硬件搭载率提升后，软件/服务层的 AI 附加收入才会释放（滞后 1-2 年）。
业务特征：
- 拥有用户基数和分发渠道
- AI 功能可转化为 ARPU 提升
- 订阅模式，可验证 AI 附加收入
逻辑四：Attach Rate 不及预期 → 预期修正风险
逻辑：如果 AI PC / AI Server 的 Attach Rate 低于预期，可能导致：
- 前期涨幅过大的 AI 芯片股回调
- 传统 PC/服务器股可能被重新定价
- 市场对 AI 整体叙事产生怀疑
常见误读纠偏
误读一：Attach Rate 上升 = 用户需求上升
纠偏：Attach Rate 衡量的是 OEM 搭载行为，不等于 用户实际使用行为。
- OEM 可能因为竞争压力、平台要求而搭载 NPU，即使用户并未主动使用 AI 功能
- 硬件 Attach Rate 的上升可以由供给驱动（Intel 要求 OEM 搭载），而非需求驱动
- 真正的需求验证需要看 Adoption Rate（激活使用率），但该数据目前极为稀缺
研究含义：在 Adoption Rate 数据出现之前，仅凭 Attach Rate 上升就判断 AI PC 需求兑现，存在”搭载≠使用”的逻辑风险。
误读二：AI PC Attach Rate 会快速接近 100%
纠偏：
- 低端 PC 市场（$300-500 价位段）对成本敏感，NPU 增加的 BOM 成本可能抑制搭载意愿
- 不同地区、不同渠道的渗透节奏差异大
- 企业 PC 的采购周期较长（3-5 年换机），存量更新需要时间
- 合理预期是 AI PC Attach Rate 在中期内达到 60-80% 的饱和区间，而非 100%
误读三：GPU 服务器的 Attach Rate 已经很高，AI 需求已被满足
纠偏：
- “GPU 服务器”在新出货高端服务器中的占比确实较高，但分母如果是全球服务器存量，比例仍然有限
- 很多企业仍使用 CPU 进行推理工作负载，向 GPU 迁移的进程仍在进行中
- 推理需求（inference）的增长可能比训练需求更分散、更长期，但同样需要 AI 加速器
误读四：Attach Rate 是一个客观事实，而非主观定义
纠偏：
- “AI PC” 的定义因机构而异：有的要求 NPU 算力达到某 TOPS 阈值，有的仅要求有 NPU 即可
- 不同定义下的 Attach Rate 可能差异巨大
- 引用 Attach Rate 数据时应明确其定义口径，避免混淆不同机构的数字
学习路径
入门阶段
- 理解 Attach Rate 的基本计算公式和含义
- 阅读 IDC、Canalys、Gartner 等机构的 PC/Server 出货报告，观察 AI 相关数据如何被呈现
- 关注 Intel、AMD、高通等芯片厂商的公开演示和业绩材料，了解其对 AI PC 渗透率的官方预期
进阶阶段
- 对比不同券商报告中对 AI PC Attach Rate 的假设差异，理解分歧来源
- 学习半导体产业链的产能约束逻辑（HBM、CoWoS 等），理解为什么 Attach Rate 超预期会导致供应链紧张
- 研究历史类比：智能手机指纹识别、摄像头多摄等历史 Attach Rate 提升案例
专家阶段
- 建立自己的 Attach Rate 预测模型（按地区、价位段、渠道拆解）
- 开发 Adoption Rate 的代理指标（如 NPU 利用率、AI 应用下载量等）
- 将 Attach Rate 预测与公司财务模型结合，进行敏感性分析
一句话总结
Attach Rate 是 AI 产业链投资的”渗透率翻译器”——它将抽象的 AI 叙事转化为可量化、可跟踪、可争论的数字，是连接”故事”与”估值”的核心桥梁。
延伸阅读与来源
学术/行业框架
- 渗透率分析的经典框架：Everett Rogers《Diffusion of Innovations》（创新扩散理论）
- 技术采纳生命周期：Geoffrey Moore《Crossing the Chasm》
数据来源（需订阅/付费）
- IDC 季度 PC/Server 追踪报告
- Canalys PC/Smartphone 分析
- Gartner 设备出货预测
- 各券商半导体/消费电子行业报告（高盛、摩根士丹利、中金、华泰等）
厂商公开资料
- Intel 公开演示材料（AI PC 愿景）
- NVIDIA 财报电话会议纪要（数据中心/AI 需求讨论）
- 微软 Build/Inspire 大会（Copilot 生态战略）
本页数据声明
- 本页所有具体数字均为行业公开报告的区间估算或定性表述，非精确口径
- 不同机构对”AI PC”、“AI Server”的定义存在差异，引用时请注明口径
- 市场数据截至知识截止日期，后续请以最新报告为准
最后更新：概念定义层面的知识整理，具体数字请以各机构最新报告为准。