Attach Rate（AI 搭載率）

3 秒看懂

一句話定義：Attach Rate = 某個”附件”產品/功能在”主件”產品銷售中的搭載比例。

AI 語境下：AI Attach Rate 衡量 AI 功能/晶片/服務在某一硬體品類或軟體平台中的滲透率——它是判斷 AI 從”概念”走向”真實需求”的核心量化指標。

關鍵數字（定性）：2024 年業界估算 AI PC Attach Rate 約在 10-20% 區間，屬低雙位數，是各機構爭論的焦點。

3 分鐘產業解釋

為什麼產業研究需要關注 Attach Rate？

Attach Rate 本質上是一個滲透率指標，它回答一個核心問題：AI 的需求是結構性的，還是週期性的？

場景拆解：
┌─────────────────────────────────────────────────────────┐
│  主件（Host）          │  附件（Attach）                 │
├─────────────────────────────────────────────────────────┤
│  PC / 筆記本           │  NPU / AI 加速單元              │
│  智慧手機              │  端側大型模型 / AI ISP            │
│  伺服器                │  GPU / AI 加速卡                │
│  企業 SaaS 許可        │  AI Copilot 附加訂閱            │
│  資料中心資本支出       │  AI 專用叢集佔比                │
└─────────────────────────────────────────────────────────┘

三條核心邏輯鏈

邏輯	解讀
需求驗證	Attach Rate 上升 → AI 不是炒作，有真實搭載需求
邊際定價	高 Attach Rate → 廠商可為 AI 功能收取溢價（ASP 提升）
產能瓶頸	Attach Rate 超預期 → 供應鏈（如 HBM、先進封裝）緊張加劇

產業研究最常追蹤的三個 Attach Rate

AI PC Attach Rate：NPU 晶片在 PC 出貨中的搭載比例（2024 年行業估算約 10-20%，2027 年機構預期 60%+）
AI Server Attach Rate：GPU/AI 加速器在伺服器出貨中的滲透率（目前高價值伺服器中已較高，但整體伺服器基數中仍有限）
AI Software Attach Rate：AI 功能附加在企業軟體許可中的訂閱滲透（尚處早期，無公開統一口徑）

15 分鐘專家深入

Attach Rate 的深層經濟學含義

1. 從”有無”到”多少”的需求演進

Attach Rate 的真正價值不在於單點數字，而在於斜率（變化速率）：

典型 S 曲線形態：

Attach Rate (%)
     │
100% │                          ···········（飽和）
     │                      ···
     │                  ···
 50% │              ···  ← 加速拐點（估值敏感度最高的區間）
     │          ···
     │      ···
 10% │  ···· ← 當前階段（AI PC / 端側 AI）
     │··
  0% └──────────────────────────────────────→ 時間
     匯入期    成長期    成熟期

定價含義：在匯入期，市場定價更關注”預期斜率”；在成長期，市場定價更關注”驗證斜率”。當前 AI Attach Rate 的爭議本質上是市場對斜率假設的分歧。

2. Attach Rate 的分層結構

Attach Rate 不是單一數字，需要按層級拆解：

層級	含義	舉例
硬體層	AI 晶片/單元是否物理搭載	CPU 內建 NPU、GPU 是否出廠
軟體層	AI 功能是否被啟用使用	Windows Copilot 是否啟用
服務層	AI 服務是否產生營收	AI 功能是否計入訂閱付費

關鍵洞察：硬體 Attach Rate 可以快速拉昇（OEM 搭載即計入），但軟體/服務 Attach Rate 的提升依賴生態成熟，通常滯後 1-2 年。

3. 為何 Attach Rate 是”預期差”的核心戰場

市場定價邏輯鏈：

   AI 產業敘事
        ↓
   Attach Rate 假設（券商報告中的核心變數）
        ↓
   TAM（總可定址市場）估算
        ↓
   公司營收/獲利預測
        ↓
   估值倍數

Attach Rate 每變動 10 個百分點，可能導致龍頭公司營收預測變動 20-30%。這就是為什麼各家機構對 2025-2027 年 AI PC Attach Rate 的假設分歧如此巨大——分歧本身就是交易機會的來源。

技術原理

Attach Rate 的標準計算方法

┌─────────────────────────────────────────────────────────────────┐
│  單期 Attach Rate（Snapshot）                                    │
│                                                                 │
│  Attach Rate = 本期含附件的產品出貨量 / 本期主件產品總出貨量       │
│                                                                 │
│  示例：                                                         │
│  Q3 2024 AI PC 出貨 800 萬臺，PC 總出貨 6000 萬臺                │
│  → AI PC Attach Rate ≈ 13.3%（估算值，非官方口徑）              │
└─────────────────────────────────────────────────────────────────┘

┌─────────────────────────────────────────────────────────────────┐
│  累計滲透率（Cumulative Penetration）                            │
│                                                                 │
│  累計滲透率 = 截至 T 期含附件的存量裝置 / 截至 T 期主件存量裝置   │
│                                                                 │
│  注意：單期 Attach Rate ≠ 累計滲透率                            │
│  （因為存量中早期出貨大多不含附件）                              │
└─────────────────────────────────────────────────────────────────┘

關鍵區分：Attach Rate vs. Penetration Rate vs. Adoption Rate

指標	側重	分子口徑	典型用法
Attach Rate	OEM/廠商側搭載	出貨時是否物理包含	AI 晶片是否出廠搭載
Penetration Rate	使用者側存量滲透	存量裝置中可使用的比例	有多少 PC 能跑 AI
Adoption Rate	使用者側行為啟用	搭載後是否實際使用	NPU 被呼叫的頻率

常見混淆：將 OEM 搭載率（Attach Rate）直接等同於使用者採納率（Adoption Rate），高估實際 AI 使用需求。

Attach Rate 的驅動因子模型

Attach Rate = f(技術成熟度, 價格彈性, 生態支援, 替代方案, 政策/標準)

各因子權重（定性）：

技術成熟度：██████████  （NPU 效能是否夠用）
價格彈性：  ████████    （AI PC 是否有價格溢價障礙）
生態支援：  ████████    （OS/應用是否呼叫 AI 單元）
替代方案：  ██████      （雲端端 AI 是否替代端側需求）
政策標準：  ████        （如資料隱私法規推動本地 AI）

技術演進史

Attach Rate 作為分析架構的歷史

階段	時間	代表事件
概念起源	1990s	PC 時代，“modem attach rate”（數據機搭載率）是硬體分析師標配指標
智慧手機時代	2007-2015	攝像頭、GPS、指紋識別的 Attach Rate 成為產業鏈追蹤核心
雲端時代	2016-2022	GPU 在伺服器中的 Attach Rate 開始被追蹤（從 HPC 擴充套件到通用）
AI 時代	2023-至今	”AI Attach Rate” 成為半導體/消費電子分析師的高頻詞彙

關鍵里程碑（定性）

2023 年 1 月 CES：AMD 釋出 Ryzen 7040 系列（Phoenix），整合 Ryzen AI NPU 引擎，成為業界首款在主流消費級 CPU 中宣佈整合 NPU 的產品。
2023 年 5 月：AMD Ryzen 7040 系列正式上市（Phoenix），率先在上市產品中整合 NPU。
2023 Q4：Intel 釋出 Meteor Lake，同樣整合 NPU（AMD 已於同年 5 月率先上市整合 NPU 的 Phoenix 處理器），“AI PC” 概念加速普及

技術路線對比

AI PC 與 AI Server 的 Attach Rate 對比架構

維度	AI PC	AI Server
附件定義	NPU 集成於 SoC	GPU/AI 加速卡
搭載決策方	OEM 廠商	CSP / 企業 IT
當前 Attach Rate（估算）	低雙位數 %	較高（新出貨高階伺服器中）
2027 年預期 Attach Rate（券商區間）	50-70%	30-50%（含通用伺服器基數）
價格彈性	高（消費者對溢價敏感）	中低（企業 ROI 驅動）
生態壁壘	OS + 應用適配	架構 + 模型最佳化
替代風險	雲端端 AI 可替代部分端側需求	較低（訓練/推論需本地算力）

注：上表數字為綜合多家券商公開報告的區間估算，非精確口徑，實際數字因定義不同而有差異。

上下游

Attach Rate 的產業鏈傳導

Attach Rate 上升
      │
      ├──→ 上游需求激增
      │      ├── AI 晶片（GPU/NPU/ASIC）
      │      ├── HBM / 先進記憶體
      │      ├── 先進封裝（CoWoS 等）
      │      └── 電源管理 / 散熱方案
      │
      ├──→ 中游製造擴張
      │      ├── 晶圓代工產能分配
      │      ├── 封測產能投資
      │      └── PCB / 載板需求
      │
      └──→ 下游生態成熟
             ├── OS 廠商最佳化 AI 排程
             ├── 應用開發者適配 NPU
             └── 終端品牌差異化競爭

Attach Rate 對不同環節的彈性差異

環節	對 Attach Rate 彈性	原因
AI 晶片設計	極高	直接受益，每臺裝置一顆
HBM 供應	極高	AI 加速器對 HBM 需求剛性
先進封裝	高	產能瓶頸，Attach Rate 超預期即供不應求
傳統記憶體（DDR）	低	需求相對剛性，AI 影響邊際
終端品牌	中	差異化來源，但競爭稀釋溢價

關鍵指標

監測 Attach Rate 的資料來源

指標	口徑	頻率	典型來源
AI PC 出貨佔比	全球 PC 出貨中搭載 NPU 的比例	季度	IDC、Canalys、Gartner 等研究機構
GPU 伺服器出貨佔比	伺服器出貨中含 GPU/AI 加速卡的比例	季度	IDC、Counterpoint 等
AI 晶片 ASP	AI 加速器平均售價變化	季度/年度	廠商財報、分析師估算
NPU 利用率	端側 NPU 實際被呼叫的頻率	不定期	開發者調研、第三方監測
AI SaaS 滲透率	企業軟體中 AI 功能的訂閱比例	年度	廠商財報、SaaS 調研

需要警惕的統計陷阱

定義模糊：不同機構對”AI PC”的定義不同（是否要求特定 NPU TOPS 閾值？）
出貨 vs. 啟用：OEM 出貨含 NPU ≠ 使用者實際使用 AI 功能
基數選擇：Attach Rate 分母是”總 PC 出貨”還是”新出貨”，結論差異大

供需與市場資料

AI Attach Rate 相關的市場估算（定性）

重要宣告：以下資料為行業公開報告中的區間估算，不同機構口徑差異較大，僅供參考趨勢方向。

市場	2023 年估算	2025 年預期	2027 年預期	資料性質
AI PC 出貨量	<500 萬臺	數千萬臺	億級（若高滲透）	機構預測區間
AI PC Attach Rate	低個位數 %	20-30%	50-70%	機構預測區間
AI Server 在伺服器總出貨中的佔比	低雙位數 %	20-30%	30-50%	機構預測區間
全球 AI 晶片市場規模	數百億美元	千億美元級	數千億美元（樂觀情景）	多家券商報告彙總

供需失衡的訊號

當 Attach Rate 上升速度超過供應鏈擴產速度時，出現：

HBM 交期延長
先進封裝產能排隊長達數季度
AI 晶片現貨溢價
OEM 高配機型缺貨

這些訊號本身也是驗證 Attach Rate 是否真實上升的旁證。

代表公司與資本對映

不同 Attach Rate 受益路徑的公司分類

受益路徑	代表公司/型別	邏輯
AI 晶片直接受益	NVIDIA、AMD、Intel、高通、聯發科	每臺 AI 裝置搭載一顆，Attach Rate ↑ = 出貨量 ↑
HBM / 儲存受益	SK 海力士、三星、美光	AI 加速器對 HBM 需求剛性，Attach Rate ↑ = HBM 需求 ↑
先進封裝受益	台積電（CoWoS）、日月光	產能瓶頸環節，Attach Rate 超預期 → 封裝產能溢價
代工受益	台積電、三星晶圓代工	AI 晶片需要先進製程產能
PC 品牌受益	聯想、HP、Dell、Apple	AI PC 差異化賣點，但競爭可能稀釋溢價
軟體生態受益	微軟、Adobe、各類 SaaS	AI Copilot 附加訂閱，Attach Rate = 軟體 ARPU 提升
邊緣 AI / IoT	各類端側 AI 晶片公司	長尾場景的 AI 滲透

資本市場定價的領先/滯後關係

時間線：

   事件發生                     市場反應
   ─────────────────────────────────────
   ① 廠商釋出 AI 晶片          → 立即定價
   ② OEM 宣佈搭載計劃          → 短期催化
   ③ 季度出貨資料驗證           → 核心定價視窗
   ④ 使用者啟用/使用資料          → 長期價值錨定
   ─────────────────────────────────────
   當前市場主要在定價 ③，④ 的資料仍稀缺

產業鏈傳導邏輯

核心分析架構

邏輯一：Attach Rate 提升 → 硬體出貨彈性

邏輯：AI Attach Rate 從低個位數向雙位數提升，對應晶片/硬體的出貨量彈性最大。

公司特徵：

在 AI 晶片供應鏈中市佔率高
產品 ASP 高、毛利率高
產能可獲取性（是否有足夠代工產能）

邏輯二：Attach Rate 超預期 → 供應鏈瓶頸

邏輯：當 Attach Rate 超出供應鏈預期時，瓶頸環節獲得超額定價權。

環節特徵：

HBM、先進封裝等產能受限環節
短期內擴產困難
客戶集中度高（大客戶搶產能）

邏輯三：Attach Rate 驗證後 → 生態/軟體營收

邏輯：硬體搭載率提升後，軟體/服務層的 AI 附加營收才會釋放（滯後 1-2 年）。

業務特徵：

擁有使用者基數和分發渠道
AI 功能可轉化為 ARPU 提升
訂閱模式，可驗證 AI 附加營收

邏輯四：Attach Rate 不及預期 → 預期修正風險

邏輯：如果 AI PC / AI Server 的 Attach Rate 低於預期，可能導致：

前期漲幅過大的 AI 晶片股回撥
傳統 PC/伺服器股可能被重新定價
市場對 AI 整體敘事產生懷疑

常見誤讀糾偏

誤讀一：Attach Rate 上升 = 使用者需求上升

糾偏：Attach Rate 衡量的是 OEM 搭載行為，不等於 使用者實際使用行為。

OEM 可能因為競爭壓力、平台要求而搭載 NPU，即使使用者並未主動使用 AI 功能
硬體 Attach Rate 的上升可以由供給驅動（Intel 要求 OEM 搭載），而非需求驅動
真正的需求驗證需要看 Adoption Rate（啟用使用率），但該資料目前極為稀缺

研究含義：在 Adoption Rate 資料出現之前，僅憑 Attach Rate 上升就判斷 AI PC 需求兌現，存在”搭載≠使用”的邏輯風險。

誤讀二：AI PC Attach Rate 會快速接近 100%

糾偏：

低端 PC 市場（$300-500 價位段）對成本敏感，NPU 增加的 BOM 成本可能抑制搭載意願
不同地區、不同渠道的滲透節奏差異大
企業 PC 的採購週期較長（3-5 年換機），存量更新需要時間
合理預期是 AI PC Attach Rate 在中期內達到 60-80% 的飽和區間，而非 100%

誤讀三：GPU 伺服器的 Attach Rate 已經很高，AI 需求已被滿足

糾偏：

“GPU 伺服器”在新出貨高階伺服器中的佔比確實較高，但分母如果是全球伺服器存量，比例仍然有限
很多企業仍使用 CPU 進行推論工作負載，向 GPU 遷移的程序仍在進行中
推論需求（inference）的增長可能比訓練需求更分散、更長期，但同樣需要 AI 加速器

誤讀四：Attach Rate 是一個客觀事實，而非主觀定義

糾偏：

“AI PC” 的定義因機構而異：有的要求 NPU 算力達到某 TOPS 閾值，有的僅要求有 NPU 即可
不同定義下的 Attach Rate 可能差異巨大
引用 Attach Rate 資料時應明確其定義口徑，避免混淆不同機構的數字

學習路徑

入門階段

理解 Attach Rate 的基本計算公式和含義
閱讀 IDC、Canalys、Gartner 等機構的 PC/Server 出貨報告，觀察 AI 相關資料如何被呈現
關注 Intel、AMD、高通等晶片廠商的公開演示和業績材料，瞭解其對 AI PC 滲透率的官方預期

進階階段

對比不同券商報告中對 AI PC Attach Rate 的假設差異，理解分歧來源
學習半導體產業鏈的產能約束邏輯（HBM、CoWoS 等），理解為什麼 Attach Rate 超預期會導致供應鏈緊張
研究歷史類比：智慧手機指紋識別、攝像頭多攝等歷史 Attach Rate 提升案例

專家階段

建立自己的 Attach Rate 預測模型（按地區、價位段、渠道拆解）
開發 Adoption Rate 的代理指標（如 NPU 利用率、AI 應用下載量等）
將 Attach Rate 預測與公司財務模型結合，進行敏感性分析

一句話總結

Attach Rate 是 AI 產業鏈投資的”滲透率翻譯器”——它將抽象的 AI 敘事轉化為可量化、可追蹤、可爭論的數字，是連線”故事”與”估值”的核心橋樑。

延伸閱讀與來源

學術/行業架構

滲透率分析的經典架構：Everett Rogers《Diffusion of Innovations》（創新擴散理論）
技術採納生命週期：Geoffrey Moore《Crossing the Chasm》

資料來源（需訂閱/付費）

IDC 季度 PC/Server 追蹤報告
Canalys PC/Smartphone 分析
Gartner 裝置出貨預測
各券商半導體/消費電子行業報告（高盛、摩根士丹利、中金、華泰等）

廠商公開資料

Intel 公開演示材料（AI PC 願景）
NVIDIA 財報電話會議紀要（資料中心/AI 需求討論）
微軟 Build/Inspire 大會（Copilot 生態戰略）

本頁資料宣告

本頁所有具體數字均為行業公開報告的區間估算或定性表述，非精確口徑
不同機構對”AI PC”、“AI Server”的定義存在差異，引用時請註明口徑
市場資料截至知識截止日期，後續請以最新報告為準

最後更新：概念定義層面的知識整理，具體數字請以各機構最新報告為準。