計算機行業深度報告：算力&空間視角深度推演AI應用發展路徑-231008（32頁）.pdf

《計算機行業深度報告：算力&空間視角深度推演AI應用發展路徑-231008（32頁）.pdf》由會員分享，可在線閱讀，更多相關《計算機行業深度報告：算力&空間視角深度推演AI應用發展路徑-231008（32頁）.pdf（32頁珍藏版）》請在三個皮匠報告上搜索。

1、行 業 研 究 2023.10.08 1 敬 請 關 注 文 后 特 別 聲 明 與 免 責 條 款 計 算 機 行 業 深 度 報 告 算力&空間視角深度推演 AI 應用發展路徑 分析師 張初晨 登記編號：S1220523070001 行 業 評 級:推 薦 行 業 信 息 上市公司總家數 384 總股本(億股)3,461.46 銷售收入(億元)10,461.16 利潤總額(億元)-105.30 行業平均 PE 139.92 平均股價(元)24.92 行 業 相 對 指 數 表 現 數據來源：wind 方正證券研究所 相 關 研 究 數據要素重構經濟主體關系，長期機遇在何處？2023.09.

2、19 衛星互聯網：6G 時代空天地一體化的關鍵2023.09.10 算力服務：AI 產業晴雨表2023.09.10 算力服務：從“東數西算”到“東推西訓”2023.08.28 論點論點一：一：AIAI 應用應用滲透率滲透率提升提升拐點已至，拐點已至，天花板天花板有望超有望超 8080%。AI 算力占比步入“20%+”新階段，參考智能手機-移動應用滲透率曲線，AI 應用發展有望迎來最陡峭一筆。滲透率是衡量新技術發展階段的重要指標。不同階段拐點映射中期行業增速。不同于智能手機、智能電動車等行業，AI 應用滲透率較難衡量，市場普遍采用咨詢公司口徑，我們用智能算力滲透率刻畫下游模型及應用發展節奏，盡可

3、能為 AI 產業投資提供前瞻指引。復盤智能手機、移動互聯網、智能電動車滲透率，隨著 iPhone 推出，2011 年底至 2014 年中，國內智能手機滲透率從 23%提升至 88%，應用端緊隨其后迎來爆發，國內手游滲透率從 2012Q4 的 22%快速增長至 2014Q2 的 81%。當前國內 AI 算力在總體算力中占比約 22.8%，2021-2026 年 CGAR 約 50%，參考移動互聯網普及進程，AI 應用滲透率長期天花板或超 80%，且技術結合更加緊密。論點二：論點二：AIAI行業，行業，大勢所趨，大勢所趨，異步并進異步并進。各行業由于數字化基礎、模型精度要求、業務特點不同，在推動智

4、能化落地上存在差異。中國企業數字化轉型支出預計保持較高增長，2022 至 2026 年 CAGR 為 18.89%。當前各行業信息化水平、對人工智能模型的容錯程度存在差異，導致行業間智能化推動節奏的差異。更多涉及供應鏈管理及運營策略，營銷及服務研發的行業有更強的動力推動人工智能的應用。論點三：市場空間大，而供給尚存空白，論點三：市場空間大，而供給尚存空白，機器人、機器人、互聯網、制造、金融互聯網、制造、金融為為 AIAI應用長坡厚雪賽道應用長坡厚雪賽道?；ヂ摼W具有天然的用戶連接優勢，數字化程度亦較為領先?；ヂ摼W行業除自身人工智能、視頻游戲、數據處理、隱私保護等對智能算力有較高需求外，亦為其他行

5、業提供算力支持，據公開新聞，互聯網大廠仍在快速擴展智算算力儲備。制造業中，除了傳統 IT 需求外，設計仿真、全域數字孿生、工業元宇宙、自動駕駛仿真、工業智能決策、AI 視覺質檢等場景也對智能算力提出更多需求。制造行業數智化轉型主要基于降本增效、智能決策需求，場景豐富、落地路徑較為清晰，算力需求的天花板較高。金融行業提質增效需求較強，AI 與金融業務融合有望進一步加深，金融 AI應用產品供給不斷豐富，包括算力在內的 IT 產品國產化有序推進。論點四：優質供給解決論點四：優質供給解決需求需求痛點，空間有限但落地快，痛點，空間有限但落地快，AIAI 辦公、辦公、智慧智慧教育、教育、普惠醫療普惠醫療等

6、等邏輯清晰邏輯清晰。微軟于 9 月 26 日，作為 Windows11 免費更新的一部分推出，將 Copilot 全面引入電腦端系統及應用。Microsoft 365 Copilot以及全新 AI 助手 Microsoft 365 Chat 也將于今年 11 月 1 日面向企業客戶全面推出。Copilot 企業版本售價為每用戶每月額外 30 美元，較之前定價上漲 83%。教育行業數智化有利于教育資源普惠，預計 2015-2024 年行業增速 CAGR 為 9.5%。智能算力需求集中在智慧校園、科研計算、人工智能方面。醫療機構信息化建設的下一階段對算力的需求有階梯式的上升，體現在原有院端算力硬件

7、的升級，以及更多依賴云計算。B 端 AI+醫療應用集中于研發與輔助診療方面，中長期對智能算力需求拉動同樣顯著，助力 AI 應用普及。相關相關標的標的：騰訊控股、金山辦公、科大訊飛、焦點科技、鼎捷軟件、同花順、新致軟件、鷗瑪軟件、潤達醫療、神州泰岳、萬興科技等，機器人詳見前期報告。方 正 證 券 研 究 所 證 券 研 究 報 告-6%9%24%39%54%69%22/10/8 22/12/20 23/3/323/5/15 23/7/27 23/10/8計算機滬深300計算機 行業深度報告 2 敬 請 關 注 文 后 特 別 聲 明 與 免 責 條 款 s 風險提示：風險提示：人工智能技術發展不

8、及預期，企業數字化轉型速度不及預期，算力服務行業競爭加劇風險，政策支持力度不及預期，云計算廠商市場拓展不及預期等。2WkZhZhUaXlXqMmQtO6M8Q6MsQmMsQnOeRqRrRfQnMrR6MnMmMvPrQqNNZqMvN計算機 行業深度報告 3 敬 請 關 注 文 后 特 別 聲 明 與 免 責 條 款 s 正文目錄 1 智能算力滲透率可以作為衡量智能化階段的重要指標.6 1.1 人工智能軟件應用總體滲透率的衡量難度較高.6 1.2 智算算力滲透率反映下游應用釋放節奏，相較調查口徑更為客觀.7 2 算力視角透視各行業智能化步幅異步并進.11 2.1 互聯網：數智化水平領先，頭

9、部廠商提供算力及模型底座.13 2.2 制造：新技術加速數字化轉型，中長期行業算力需求空間大.15 2.3 金融：信息化支出有望穩中有升，國產化有序推進.19 2.4 政府：數字政府建設深入帶動算力需求，安全仍為重要考量.22 2.5 電信：云網融合加速推進，AI 算力建設展望積極.25 2.6 教育：數智化促進優化資源配置，端側、云側算力齊增長.27 2.7 醫療：B 端信息化支出穩定增長，智能一體方案推動算力需求階梯上升.29 計算機 行業深度報告 4 敬 請 關 注 文 后 特 別 聲 明 與 免 責 條 款 s 圖表目錄 圖表 1:TIZ 技術生命周期預測曲線.6 圖表 2:不同國家企

10、業 AI 應用情況（公司占比%）.7 圖表 3:中國企業尚有較大空間通過 AI 增收提效.7 圖表 4:算力分類.8 圖表 5:不同數據格式對應的數值精度和動態范圍.8 圖表 6:企業分業務類型 AI 滲透率.8 圖表 7:國產大模型周度訪問量跟蹤.9 圖表 8:智能算力需求與產業數智化進程緊密相關.9 圖表 9:中國智能算力及通用算力規模預測（1018 次浮點運算/秒（EFLOPS）.10 圖表 10:中國智能算力占比.10 圖表 11:全球算力規模情況.10 圖表 12:智能手機、移動互聯網與智能算力滲透率.11 圖表 13:全球人工智能及數字化轉型支出增長.11 圖表 14:中國企業數字

11、化轉型支出（十億美元）.11 圖表 15:行業數智化發展三階段.12 圖表 16:AI 對企業各環節降本的效果（企業百分比%）.13 圖表 17:AI 對企業各環節增收的效果（企業百分比%）.13 圖表 18:行業計算力水平.13 圖表 19:推動互聯網行業數字化轉型的動力.14 圖表 20:2022 年中國云服務投入廠商分布.14 圖表 21:中國公有云 IaaS 廠商市場份額.14 圖表 22:互聯網行業進入常態化監管階段.15 圖表 23:中國制造業 IT 支出預測（十億美元）.16 圖表 24:全球制造業 IT 支出五年 CAGR 預測，2020-2025.16 圖表 25:數智化技術

12、重塑制造業生產體系.16 圖表 26:制造業信息化投入產出比較大.17 圖表 27:技術體系支撐下的工業互聯網功能架構.18 圖表 28:工業行業大模型.18 圖表 29:AI 技術在制造業逐步應用落地.19 圖表 30:金融行業基礎設施現代化架構.20 圖表 31:金融行業人工智能支出預計仍將占比明顯.20 圖表 32:同花順大模型多維對話場景.21 圖表 33:華為金融 AI 解決方案.22 圖表 34:2022 年中國各行業算力應用分布情況.22 圖表 35:中國政務云市場規模（億元）.23 圖表 36:中國數字政府市場規模預測（億元）.23 圖表 37:算力是數字政府治理的基礎.23

13、圖表 38:數字政府技術發展指數評估體系.24 圖表 39:安全可控基礎設施為未來數字政府安全建設重點.24 圖表 40:高安全數字基礎設施架構.25 圖表 41:移動云致力推動算力普惠.25 圖表 42:三大運營商云計算收入（億元）.26 圖表 43:三大運營商算網資本開支（億元）.26 圖表 44:中國電信 AI 算力服務器（2023-2024 年）集采.26 圖表 45:運營商算力網絡建設.27 計算機 行業深度報告 5 敬 請 關 注 文 后 特 別 聲 明 與 免 責 條 款 s 圖表 46:新華三智慧教育解決方案.28 圖表 47:中國教育信息化市場收入細分（億元）.28 圖表 4

14、8:中國智慧教育信息量（萬條）.28 圖表 49:科大訊飛大數據精準教學系統.29 圖表 50:朝陽醫院云平臺整體解決方案.30 圖表 51:AI+醫療主要應用領域.31 圖表 52:診療一體化醫療 AI 解決方案.31 計算機 行業深度報告 6 敬 請 關 注 文 后 特 別 聲 明 與 免 責 條 款 s 1 智能算力滲透率可以作為衡量智能化階段的重要指標 滲透率是衡量新技術發展階段的重要指標滲透率是衡量新技術發展階段的重要指標。根據產業周期理論，產業從興起到衰退經歷導入期、成長期、成熟期、衰退期四個階段。對企業而言，越是在早期進入，潛在的回報率越高，其背后的原因就在于滲透率。對應四個階段

15、，滲透率提升節奏經歷緩慢爬升、加速、速度放緩、以及不再提升或被取代。滲透率拐點可能因行業而異，一般為 5-10%、40-50%、70%+。滲透率拐點映射中期行業增速，對具體環節的估值具有重要的參考意義滲透率拐點映射中期行業增速，對具體環節的估值具有重要的參考意義。1）在導入期整體行業估值會隨市場空間以及技術的顛覆性程度提升而提升。但由于行業具體的發展模式及格局尚未定性，公司盈利模式還不清晰，偏主題投資，市場會出現階段性的分歧。2）成長期市場空間打開，競爭格局逐漸明朗。行業訂單及龍頭企業業績落地驗證，估值消化，市場一致預期不斷增強。如 TIZ(Theory of Inventive Proble

16、m Solving)曲線所示，新技術所產生的利潤在這一時期快速釋放，產品性能提升的斜率上升。3）成熟期行業擴容速度放緩，企業規模效應、龍頭效應更加重要。由于預期的增速放緩，市場對未來的估值溢價被打薄。4）衰退期行業飽和，存量競爭，供給出清，估值長期低位。圖表1:TIZ 技術生命周期預測曲線 資料來源：Journal of Modern Information，方正證券研究所 1.1 人工智能軟件應用總體滲透率的衡量難度較高 不同于智能手機、智能電動車等行業，智能應用行業滲透率的度量標準更多不同于智能手機、智能電動車等行業，智能應用行業滲透率的度量標準更多元元。智能手機、智能電動車行業由于產品化

17、和標準化程度較高，滲透率可通過出貨量占比，或者行業協會統計的市場存量占比來較準確的刻畫，但智能應用較難找到統一的度量標準，主要由于智能軟件數量繁多，定制化程度較高，下游差異化程度大，因此較難直接計算滲透率。當前衡量當前衡量智能智能應用的推進情況主要依賴調查口徑應用的推進情況主要依賴調查口徑。由于應用具有多樣性、非標性、以及處在快速發展時期，較難從應用本身層面的數據入手，實現對總體或某一領域滲透率的測算。當前主要依賴于市場調查機構的問卷調研來判斷滲透情況，由于主要采取“是&否”以及數字區間的形式，隨著人工智能應用豐富，通過調查口徑來準確描述的難度越來越高。計算機 行業深度報告 7 敬 請 關 注

18、 文 后 特 別 聲 明 與 免 責 條 款 s 調查口徑的企業 AI 應用滲透率受樣本容量及質量的影響。以麥肯錫 2022 年全球 AI 發展報告為例，有效問卷數為 1492 家企業，相較于總體企業數來看，樣本容量仍較小。當前更多中小型企業參與到數智化轉型的背景下，疊加幸存者偏差等問題，調研樣本的準確性可能降低。國內國內企業尚有較大空間通過企業尚有較大空間通過 AIAI 應用應用增收提效增收提效。根據麥肯錫報告，國內受訪企業AI 技術應用占比為 41%，低于全球平均的 50%，以及美國的 59%。參考歐美等經濟體，國內企業對智能化技術的應用仍有較大提升空間。同時，AI 對國內企業降本增效的效

19、果仍有提升空間。AI 對國內企業息稅前利潤（EBIT）貢獻增長超過 20%以上的比例為 7%，低于領先國家的 14%。圖表2:不同國家企業 AI 應用情況（公司占比%）圖表3:中國企業尚有較大空間通過 AI 增收提效 資料來源：麥肯錫，方正證券研究所 資料來源：麥肯錫，方正證券研究所 T To o C C 端端 A AI I 應用滲透率相較應用滲透率相較 ToTo B B 端衡量難度更大端衡量難度更大。To B 端 AI 應用滲透率或許可以通過更大的樣本調研來衡量，但是 To C 端，由于 C 端 AI 應用的種類更加繁多，個性化程度大，下游使用群體數量繁多，因此，問卷調研的成本較高，可操作性

20、較低，樣本對總體的反映可信度較弱。因此，在跟蹤人工智能產業發展階段的過程中，需要更多維度的滲透率指標作為依據，其中智能算力的滲透率在客觀性和可追蹤性上具有優勢，值得重點關注。1.2 智算算力滲透率反映下游應用釋放節奏，相較調查口徑更為客觀 智算算力與一般通用算力存在差別智算算力與一般通用算力存在差別，且智算算力本身不斷迭代，且智算算力本身不斷迭代?；A算力主要基于 CPU 芯片提供基礎通用計算。智算算力主要是指基于 GPU、FPGA、ASIC 等AI 芯片的加速計算平臺提供的算力，主要用于人工智能的訓練和推理計算，FP32、FP16 和 INT8 是常用的數據格式。在對精度要求較高的模型訓練中

21、，通常需要用到 FP32 或更高精度，在圖形或者模型推理中對精度的要求相對較低，使用 FP16 或 Int8 可以滿足需求。超算算力在總體算力中占比較低，主要用于尖端科學領域，計算主要由高性能 CPU 或協處理器提供，追求精確的數值計算。0%20%40%60%80%印度美國全球平均中國應用AI技術公司占比%0%50%100%中國領先國家AI對EBIT的貢獻增長20%以上增長5-19%小于5%計算機 行業深度報告 8 敬 請 關 注 文 后 特 別 聲 明 與 免 責 條 款 s 圖表4:算力分類 圖表5:不同數據格式對應的數值精度和動態范圍 資料來源：方正證券研究所 資料來源：昊源通信，知乎，

22、方正證券研究所 智能算力增長智能算力增長與大模型的訓練及應用推理需求的爆發節奏緊密相關與大模型的訓練及應用推理需求的爆發節奏緊密相關。1 1）當前算力需求主要集中在訓練側，預計至明年初，整體訓練端的算力需求仍將有較好的表現。由于國內外的通用大模型仍在不斷迭代推出的過程中，在模型參數量、智能化程度方面仍有較大的提升空間。2 2）隨著訓練側算力增長逐漸平滑，需要推理側的算力需求接力。推理運算作為將人工智能模型落地終端的環節，推理側算力需求與下游應用需求的放量緊密相關。圖表6:企業分業務類型 AI 滲透率 資料來源：麥肯錫，方正證券研究所 人工智能行業監管法規落地，國產大模型向社會開放，爆款應用出現

23、臨近奇人工智能行業監管法規落地，國產大模型向社會開放，爆款應用出現臨近奇點點。由于對大模型倫理及安全性的評估，國產大模型較長時間處于內測階段。大模型采取備案制而非審核制，反映出監管對于發展國內 AI 應用的積極態度。目前，國內有 11 家大模型陸續通過生成式人工智能服務管理暫行辦法備案，首批于 8 月 31 日起向全社會公眾開放服務。國產大模型的全面放開，為國內基于大模型的 To B 及 To C 端應用發展奠定基礎。同時，國內 C 端消費者結構多元，B 端落地場景豐富，數據要素價值進一步釋放，且具備軟件工程師紅利，因此在人工智能應用發展速度上預計不輸海外。0%5%10%15%20%25%30

24、%企業百分比%計算機 行業深度報告 9 敬 請 關 注 文 后 特 別 聲 明 與 免 責 條 款 s 圖表7:國產大模型周度訪問量跟蹤 資料來源：Similarweb，方正證券研究所 智能算力滲透率是判斷產業所處階段的重要前導性指標智能算力滲透率是判斷產業所處階段的重要前導性指標。由于智算算力與傳統通用算力存在差別，AI 應用發展，智能算力建設先行。對于智算滲透率的衡量可以基于智算服務器市場規模占比，或智能算力規模占比兩個維度。存量角度看，服務器平均使用壽命為 3-5 年，每年根據算力使用需求變化產生較明顯的更新需求。增量來看，人工智能及企業數智化轉型的算力需求主要集中在智算算力，智算算力增

25、長速度預計將快于算力總體增速，智能算力占比將逐步提升。圖表8:智能算力需求與產業數智化進程緊密相關 資料來源：清華大學產業研究院，方正證券研究所 當前當前國內國內智算算力智算算力在總體算力占比約在總體算力占比約 2 22.82.8%，至，至 2 26 6 年復合增速年復合增速 5 50%0%。根據中國信通院報告，2022 年中國總體算力規模約為 180 EFLOPS（EFLOPS=1018 次浮點運算/秒），智能算力規模約為 41 EFLOPS，智能算力占比約 22.8%。2022 年全球算力總規模達到 650 EFLOPS，其中，通用算力規模為 498EFLOPS，智能算力規模為 142EF

26、LOPS，智算算力占比為 21.8%。根據 IDC 的報告，2021-2026 年中國智能算力規模年復合增長率約為 50%，通用算力年復合增長率約為 18%。因此預計至 2026 年，智能算力規模約達 208 EFLOPS，占比約為 44%。01,000,0002,000,0003,000,0004,000,0006/76/146/216/287/57/127/197/268/28/98/168/238/309/69/139/209/27訊飛星火文心一言通義千問字節豆包商湯商量計算機 行業深度報告 10 敬 請 關 注 文 后 特 別 聲 明 與 免 責 條 款 s 圖表9:中國智能算力及通用

27、算力規模預測（1018 次浮點運算/秒（EFLOPS）圖表10:中國智能算力占比 資料來源：中國信通院，IDC，方正證券研究所 資料來源：中國信通院，IDC，方正證券研究所 圖表11:全球算力規模情況 資料來源：Gartner，IDC，中國信通院，方正證券研究所 復盤移動互聯網時代，隨著 iPhone 推出，智能手機時代加速來臨，國內智能手機隨后大規模增長，滲透率快速超過全球水平，至 2014 年中，國內智能手機滲透率已達 88%。隨著國內智能手機滲透率的快速爬升，應用端隨后也迎來爆發增長，國內手游滲透率從 2012Q4 的 22%快速增長至 2014Q2 的 81%。本次人工智能浪潮中，智算

28、滲透率與 AI 應用滲透率預計也將呈現類似的相關性。0100200300202120222023E2024E2025E2026E智能算力通用算力0%50%100%202120222023E 2024E 2025E 2026E智能算力通用算力超算算力0200400600通用算力智能算力超算算力20212022計算機 行業深度報告 11 敬 請 關 注 文 后 特 別 聲 明 與 免 責 條 款 s 圖表12:智能手機、移動互聯網與智能算力滲透率 資料來源：Wind，中國信通院，方正證券研究所 2 算力視角透視各行業智能化步幅異步并進 人工智能及數字化轉型支出預計保持較高增速，驅動各行業智算需求增

29、長人工智能及數字化轉型支出預計保持較高增速，驅動各行業智算需求增長。社會經濟發生快速變革，數據要素化，新技術發展使得各行各業提升業務及流程自動化，運營智能化成為可能，各行業在 AI 及數字化轉型的投入預計保持較高增速。根據世界銀行 2022 年的預測，全球人工智能支出增幅約為 27%，數字化轉型支出增幅約為 18%，至 2024 年預計增速穩定。中國企業數字化轉型支出預計保持較高增長，2022 至 2026 年 CAGR 為 18.89%。圖表13:全球人工智能及數字化轉型支出增長 圖表14:中國企業數字化轉型支出（十億美元）資料來源：IDC，世界銀行，方正證券研究所 資料來源：IDC，方正證

30、券研究所 0%20%40%60%80%100%2007/32007/102008/52008/122009/72010/22010/92011/42011/112012/62013/12013/82014/32014/102015/52015/122016/72017/22017/92018/42018/112019/62020/12020/82021/32021/102022/52022/122023/7中國智能手機滲透率全球智能手機滲透率中國移動互聯網滲透率國內手游滲透率國內智能算力滲透率中國新能源車滲透率00.10.20.30.42020202120222023E2024EAI支出增幅數

31、字化轉型支出增幅0%10%20%30%0200400600800202220232024E 2025E 2026E數字化轉型支出YOY計算機 行業深度報告 12 敬 請 關 注 文 后 特 別 聲 明 與 免 責 條 款 s 不同行業企業信息化、數字化、智能化基礎及落地節奏存在差異不同行業企業信息化、數字化、智能化基礎及落地節奏存在差異。由于各個行業資本結構、勞動主體、運作流程天然不同，當前各行業的信息化程度存在差異。信息化、數字化、智能化三者不是嚴格線性遞進發展。隨著智能傳感和人工智能技術進步，企業過去想做卻較難實現的，現在成為了可能。產業成網調度、社會成網調度，這樣的現實業務需求驅動新技術

32、的更廣泛應用。圖表15:行業數智化發展三階段 資料來源：騰訊云，方正證券研究所 對模型精度的要求，容錯情況對模型精度的要求，容錯情況因行業而異因行業而異。對模型算法的容錯程度亦會導致不同行業在智能化推動節奏上存在差異。如醫療行業，由于涉及到生命安全，各個醫療機構在推進人工智能落地方面相對需要更長時間的觀察，且主要為輔助決策。更多更多涉及供應鏈管理及運營策略，營銷及服務研發的行業有更強的動力推動人涉及供應鏈管理及運營策略，營銷及服務研發的行業有更強的動力推動人工智能的應用工智能的應用。從降本的維度看，人工智能在供應鏈管理方面的降本效果最明顯，有 41%的企業成本降低超過 20%，其次，AI 在企

33、業策略或運營環節的降本效果同樣顯著。從增收的角度看，AI 應用使 24%的企業在產品服務研發環節的收入增長達到 6-10%，14%的企業在人力和供應鏈管理環節的收入增長超過 10%。綜合以上綜合以上：1）制造、服務、零售行業預計有更強的內生訴求來采用 AI 實現降本增效，提升的空間更大；2）金融、政府、教育行業由于總體信息化建設程度較高，因此在智能化的推進上也具有天然的優勢。計算機 行業深度報告 13 敬 請 關 注 文 后 特 別 聲 明 與 免 責 條 款 s 圖表16:AI 對企業各環節降本的效果（企業百分比%）圖表17:AI 對企業各環節增收的效果（企業百分比%）資料來源：麥肯錫，方正

34、證券研究所 資料來源：麥肯錫，方正證券研究所 互聯網、制造、金融為當前算力水平較高的行業互聯網、制造、金融為當前算力水平較高的行業。根據清華產研院的報告，統計范圍內的行業在 2022-2023 年相較前一年有較明顯的計算力水平提升。制造行業算力水平由原來的第三位上升至第二位，政府、教育、醫療行業的算力水平增長較明顯。圖表18:行業計算力水平 資料來源：清華大學產業研究院，方正證券研究所 2.1 互聯網：數智化水平領先，頭部廠商提供算力及模型底座 互聯網具有天然的用戶連接優勢，數字化程度亦較為領先互聯網具有天然的用戶連接優勢，數字化程度亦較為領先?；ヂ摼W作為連接經濟社會和人、物、信息等資源的重要

35、載體，天然具有較廣的用戶基礎，互聯網用戶行為高度數字化，強調迅速的迭代與升級的特點?；ヂ摼W作為云原生先導行業，對利用云計算、容器化、自動化等技術來快速搭建、部署和擴展系統的0%10%20%30%40%50%60%減少20%0%20%40%60%80%增加10%增加6-10%增加5%0%20%40%60%80%2021-2022年2022-2023年計算機 行業深度報告 14 敬 請 關 注 文 后 特 別 聲 明 與 免 責 條 款 s 能力要求高，因此，互聯網企業在算力儲備以及企業數智化能力方面相較其他行業更為領先。圖表19:推動互聯網行業數字化轉型的動力 資料來源：2022-2023 全球

36、計算力指數評估報告，方正證券研究所 除滿足自身算力需求外，亦為其他行業提供算力支持除滿足自身算力需求外，亦為其他行業提供算力支持?；ヂ摼W行業的算力需求主要來自于：1）云計算：即為客戶提供計算資源，包括數據中心、服務器、存儲等。根據 Canalys，2022 年中國云服務投入，阿里、騰訊、百度合計占據約61%。阿里云當前占據國內公有云市場份額約 25%，騰訊云占據約 10%。2）人工智能：應用較多領域包括推薦系統、語音識別、自然語言處理、圖像識別等，大模型的訓練及推理帶來算力需求的最大增量。3）視頻及游戲：包括視頻編碼、解碼、圖形渲染、物理模擬等。4）數據處理及隱私保護：互聯網行業積累了大量的用

37、戶數據和行為數據，需要通過強大的算力來進行處理和分析，同時需要算力對數據進行加密、解密、隱私保護等工作。圖表20:2022 年中國云服務投入廠商分布 圖表21:中國公有云 IaaS 廠商市場份額 資料來源：Canalys，方正證券研究所 資料來源：中國信通院，方正證券研究所 人工智能發展較為領先，頭部廠商大模型訓練推升中短期算力需求，模型商用人工智能發展較為領先，頭部廠商大模型訓練推升中短期算力需求，模型商用落地接力中長期算力景氣度落地接力中長期算力景氣度?；ヂ摼W廠商在人工智能技術儲備、大模型開發、用戶數據方面擁有天然的優勢，智能化水平相較其他行業更為領先。同時，互35%32%31%0%5%1

38、0%15%20%25%30%35%40%用戶消費行為高度數字化，數字業務面臨更多挑戰與需求行業開始加速推進數字化轉型，利用數字技術實現創新簡化IT運維組織，提升運維能力n=10036%19%16%9%21%阿里云華為云騰訊云百度云其他25%16%10%10%10%6%22%阿里云天翼云移動云華為云騰訊云聯通云其他計算機 行業深度報告 15 敬 請 關 注 文 后 特 別 聲 明 與 免 責 條 款 s 聯網企業整改基本完成，平臺經濟走向規范發展新階段。今年以來，百度、騰訊、阿里、字節等頭部互聯網廠商相繼推出大模型產品并快速迭代，推升短期算力的緊缺程度。多家大模型通過生成式人工智能服務管理暫行辦

39、法備案并向社會公眾開放服務，商用落地加速將釋放推理算力的需求。圖表22:互聯網行業進入常態化監管階段 時間時間 監管政策監管政策/事件事件 相關機構相關機構 要點要點 2022.1 關于推動平臺經濟規范健康持續發展的若干意見 發改委、市場監管總局等 9 部門 肯定平臺經濟是我國數字經濟的重要組成部分，明確監管目的為推動平臺經濟規范健康持續發展。2022.4 中央政治局會議 中央政治局 要促進平臺經濟健康發展，完成平臺經濟專項整改，實施常態化監管，出臺支持平臺經濟規范健康發展的具體措施。2022.5 全國政協“推動數字經濟持續健康發展”專題協商會 全國政協 支持平臺經濟、民營經濟持續健康發展，處

40、理好政府和市場關系，支持數字企業在國內外資本市場上市，以開放促競爭，以競爭促創新。2022.12 中央經濟工作會議 大力發展數字經濟，提升常態化監管水平。支持平臺企業在引領發展、創造就業、國際競爭中大顯身手。2023.1 中國央行 螞蟻集團等 14 家平臺企業金融業務的大多數問題已基本完成整改，研究制定促進平臺經濟健康發展的金融支持措施。資料來源：中國政府網、騰訊新聞、方正證券研究所 年初以來，互聯網行業展現出旺盛的算力需求年初以來，互聯網行業展現出旺盛的算力需求。根據英國金融時報8 月 10日報道，中國大型互聯網公司已向英偉達訂購了價值 10 億美元的共約 10 萬張A800 芯片，將于年內

41、交付，另外價值 40 億美元的芯片將于 2024 年交付。2.2 制造：新技術加速數字化轉型，中長期行業算力需求空間大 制造業在2022-2023 全球計算力指數評估中的增長幅度較大，成為繼互聯網之后算力發展水平第二高的行業。根據 IDC 全球算力指數調研，近年制造行業增加 IT 投入的場景主要包括 CRM、MES、CAE、ERP、OA 等?，F有 IT 系統和硬件設備存在老化和信息孤島問題，物理數據實時處理能力有待提升。除了傳統制除了傳統制造業造業 I IT T 方面的需求外，設計仿真、全域數字孿生、工業元宇宙、自動駕駛仿方面的需求外，設計仿真、全域數字孿生、工業元宇宙、自動駕駛仿真、工業智能

42、決策、真、工業智能決策、A AI I 視覺質檢等場景也對算力提出更多需求視覺質檢等場景也對算力提出更多需求。計算機 行業深度報告 16 敬 請 關 注 文 后 特 別 聲 明 與 免 責 條 款 s 圖表23:中國制造業 IT 支出預測（十億美元）圖表24:全球制造業 IT 支出五年 CAGR 預測，2020-2025 資料來源：IDC 2021，方正證券研究所 資料來源：IDC 2021，方正證券研究所 降本增效、智能決策需求推升企業降本增效、智能決策需求推升企業數智化轉型意愿數智化轉型意愿。國內中低端制造業勞動力成本優勢逐漸減弱，企業面臨更大的降本壓力，政策推動中國制造業向高端化、自動化轉

43、型。同時，隨著國內企業規模擴大，生產種類擴張，更好的分析使用企業內外部數據，更好的把握市場需求、優化產品設計、規劃生產、配置資源、輔助決策，提升經營效益成為重要方向，企業數智化轉型內生動力也越來越強。圖表25:數智化技術重塑制造業生產體系 資料來源：方正證券研究所 制造業制造業信息化信息化投入產出比更大投入產出比更大。在全球多個行業的 Top30 企業中，IT 每投入 1美元，在互聯網行業可拉動 22 美元的營收額與 2 美元利潤產出；在制造行業可拉動 45 美元的營收額和 6 美元利潤產出；在金融行業可拉動 38 美元的營收額與 5 美元利潤產出；在電信行業可拉動 28 美元的營收額和 3

44、美元利潤產出。050100150200250202020212022E 2023E 2024E 2025E云市場支出非云市場支出0%5%10%15%20%計算機 行業深度報告 17 敬 請 關 注 文 后 特 別 聲 明 與 免 責 條 款 s 圖表26:制造業信息化投入產出比較大 資料來源：清華大學全球產業研究院，方正證券研究所 數字孿生、云原生等新技術落地加快，算力需求確定性增強數字孿生、云原生等新技術落地加快，算力需求確定性增強。工業互聯網是新一代信息技術與工業制造業深度融合的產物，通過對人、機、物、系統的全面鏈接，構建起覆蓋工業制造業全產業鏈的全新制造和服務體系。當前新技術不斷成熟，與

45、制造業應用的結合更加緊密。數字孿生技術是指通過數字化手段實現物理世界與虛擬世界的實時交互和協同。數字孿生技術的應用可以幫助企業更好地理解和優化產品設計、生產流程、運營管理等方面。例如，在制造業中，數字孿生技術可以通過虛擬仿真和數據分析，幫助企業優化產品設計、提高生產效率、降低成本等，這些都需要大量的算力支持。云原生技術是指基于云計算環境構建和運行的應用程序，具有高度的可擴展性、可靠性和靈活性。云原生應用降低中小企業使用和維護的門檻，云化應用的生態預計將進一步豐富。IDC 預測，未來制造業整體軟件市場云化部署比例將從 2021 年的 22.9%上升到 2026 年的 31.5%，五年期年復合增長

46、率為 26.4%，高于軟件產品年復合增長率 7.8 個百分點。不論何種新技術，都將帶動制造業算力需求的上升。計算機 行業深度報告 18 敬 請 關 注 文 后 特 別 聲 明 與 免 責 條 款 s 圖表27:技術體系支撐下的工業互聯網功能架構 資料來源：36 氪，方正證券研究所 A AI I 帶來專家知識便利觸及，更深應用融合潛力大帶來專家知識便利觸及，更深應用融合潛力大。在工業企業數智化發展與大模型的結合方面，基于大模型的智能問答已經成為較普遍的功能，主要發揮智能查詢及輔助決策的作用，應用的難度較低。AI 對業務有更深賦能的領域仍有較大的增長潛力，包括：1)數據分析：幫助工業軟件廠商對大量

47、數據進行分析，提高數據分析的準確性和效率;2）產品設計：輔助設計中的數據挖掘、模擬和優化，提高設計效率和創新能力;3）生產制造：實現生產過程的自動化、智能化和柔性化，提高生產效率和質量;4）維修維護：包括設備故障預測、診斷和維護，降低設備維護成本和維修時間。同時，隨著百度、華為、阿里等推出的工業行業大模型平臺的完善，更低的模型開發適配門檻將推動應用生態進一步豐富。圖表28:工業行業大模型 資料來源：IDC，方正證券研究所 計算機 行業深度報告 19 敬 請 關 注 文 后 特 別 聲 明 與 免 責 條 款 s 圖表29:AI 技術在制造業逐步應用落地 資料來源：36 氪，方正證券研究所 因此

48、，當前制造業機器學習框架、語音識別、視覺算法等逐步完善，企業實現降本增效及智能決策將更加容易，需求側更新軟硬件系統推動轉型的動力增強。中長期看，數智化在制造業應用的空間大、場景豐富、落地路徑較為清中長期看，數智化在制造業應用的空間大、場景豐富、落地路徑較為清晰，算力需求的天花板較高晰，算力需求的天花板較高。2.3 金融：信息化支出有望穩中有升，國產化有序推進 金融作為重要的服務行業，在信息化建設和人工智能應用探索方面較為領先。隨著新技術不斷成熟落地，圍繞安全與便捷的目標，金融行業服務模式的重塑帶來包括算力基礎設施在內的信息化支出明確增長。信息化支出受降費影響信息化支出受降費影響較小較小，預計仍

49、將穩中有升，預計仍將穩中有升。6 月 9 日中國證券業協會印發證券公司網絡和信息安全三年提升計劃(2023-2025)要求，中國證券公司 2023-2025 年信息科技平均投入金額將不少于上述三個年度平均凈利潤 10%或平均營業收入 7%，相較征求意見稿有明顯提升。中共中央政治局 7 月 24 日召開會議提出“要活躍資本市場，提振投資者信心”。同時，信息化建設對于金融機構降本的利好也會較大程度抵消傭金收入下降的影響。云原生、容器化與全棧智能相輔相成云原生、容器化與全棧智能相輔相成。當前大型金融機構主要采用本地自建 IDC的形式，地方分支或中小機構采用租用的形式。金融行業在非核心業務已經對云原生

50、有較多的探索，未來向核心系統推進成為趨勢。云將作為重要基礎設施，由“面向云遷移應用”的階段演進到“面向云構建應用”的階段。同時，小型農商行的信用危機也引起監管機構的關注。云化對于提升中小型金融機構信息化水平以及方便監管有較明顯的價值。計算機 行業深度報告 20 敬 請 關 注 文 后 特 別 聲 明 與 免 責 條 款 s 圖表30:金融行業基礎設施現代化架構 資料來源：華為，方正證券研究所 提質增效需求較強，提質增效需求較強，A AI I 與金融業務融合有望進一步加深與金融業務融合有望進一步加深。在金融行業主要的應用既包括風險管理、欺詐檢測、投資分析等中后臺能力提升，又包括智能客服、實體機器

51、人、智慧網點、云上網點等提高客戶體驗和效率的能力。IDC 預計未來 5 年中國銀行業人工智能支出 CAGR 超 23%，至 2026 年銀行業人工智能支出占中國全行業人工智能支出的 7.8%。圖表31:金融行業人工智能支出預計仍將占比明顯 資料來源：IDC，方正證券研究所 外有外有 A AI I 產品產品商用商用案例，內有案例，內有應用應用不斷豐富落地不斷豐富落地。2023 年 3 月全球知名金融資訊公司彭博推出有 500 億參數的 BloombergGPT，構建了一個 3630 億個標簽的數據集，支持金融行業內的各類任務。摩根大通 IndexGPT 旨在分析和選擇適合客戶需求的證券。同時，國

52、內金融 AI 應用亦在快速開發落地。傳統金融 IT 廠商29.3%8.9%7.8%7.0%47.0%專業服務地方政府銀行通訊其他計算機 行業深度報告 21 敬 請 關 注 文 后 特 別 聲 明 與 免 責 條 款 s 積極布局，恒生電子升級智能投研平臺 WarrenQ，推出金融行業大模型LightGPT。同花順也在積極推進大模型產品的適配工作?？萍脊景ㄎ浵?、華為等也分別推出金融行業大模型，助推行業人工智能落地。圖表32:同花順大模型多維對話場景 資料來源：騰訊云，同花順，方正證券研究所 包括算力在內的包括算力在內的 I IT T 產品國產化有序推進產品國產化有序推進。中信銀行發布 65

53、億元通用基礎設施招標公告，服務器、網絡設備、存儲設備采購金額占比分別為 68%、21%、11%。ARM 服務器預期采購金額 34 億元。金融信創替換由大型股份制銀行引領，后續中小銀行也有望逐步跟隨。華為軟硬一體金融大模型解決方案也有利于助推國產智能算力與應用落地。計算機 行業深度報告 22 敬 請 關 注 文 后 特 別 聲 明 與 免 責 條 款 s 圖表33:華為金融 AI 解決方案 資料來源：華為，方正證券研究所 2.4 政府：數字政府建設深入帶動算力需求，安全仍為重要考量 仍為國內第二大算力應用領域仍為國內第二大算力應用領域。當前政府部門的算力需求約占國內整體算力的12%，仍為僅次于互

54、聯網行業第二大的算力擁有方。在2022-2023 全球計算力指數評估中，政府部門的算力指數僅次于金融行業位列第四位，在 2022-2023年的增長較為明顯。未來圍繞社會治理、智慧城市、公共安全、決策支持、公共服務等方面的信息化建設需求明確，智能算力建設穩步加快。圖表34:2022 年中國各行業算力應用分布情況 資料來源：中國信通院，方正證券研究所 政府信息化建設仍有較大發展空間，算力為數字政府建設基礎政府信息化建設仍有較大發展空間，算力為數字政府建設基礎。據中國信通院，中國政務云 2023 年市場規模約為 1203.9 億元，2020-2023 年 CAGR 約為50%12%10%7%6%4%

55、4%2%2%1%2%互聯網政府服務電信金融制造教育運輸公共事業資源其他計算機 行業深度報告 23 敬 請 關 注 文 后 特 別 聲 明 與 免 責 條 款 s 24%。數字政府建設可以分為高效協同的履職能力體系、開放共享的數據資源體系、一體化的數字平臺體系、高安全的數字基礎設施和數字政府安全保障體系五個方面。根據2023 中國數字政府建設與發展白皮書，當前政府信息化步入數據要素引領的智能時代，強調政務業務體系協同，人工智能、隱私計算與超級應用等新興技術應用深化。算力作為重要的數字基礎設施，是政府提升數字化能力的基礎，具有較高的需求確定性。圖表35:中國政務云市場規模（億元）圖表36:中國數字

56、政府市場規模預測（億元）資料來源：中國信通院，云計算開源產業聯盟，方正證券研究所 資料來源：IDC，方正證券研究所 圖表37:算力是數字政府治理的基礎 資料來源：IDC，方正證券研究所 05001,0001,5002020202120222023市場規模01,0002,0003,000202120222023E 2024E 2025E 2026E基礎架構層平臺層應用解決方案層安全其他計算機 行業深度報告 24 敬 請 關 注 文 后 特 別 聲 明 與 免 責 條 款 s 考核推動，數字政府建設節奏穩步推進考核推動，數字政府建設節奏穩步推進?！笆奈濉睌底纸洕l展規劃指出，全面提升全國一體化政

57、務服務平臺功能，持續提升政務服務數字化、智能化水平。建立健全政務數據共享協調機制。推動政務服務線上線下整體聯動、全流程在線、向基層深度拓展。開展政務數據與業務、服務深度融合創新，增強基于大數據的事項辦理需求預測能力。由此，政務數字化能力亦作為政府考核的重要指標。各級政府在推動算力基礎設施建設，以及應用部署方面有較明確的動力。圖表38:數字政府技術發展指數評估體系 資料來源：2023 中國數字政府建設與發展白皮書，方正證券研究所 政務云安全更為重要，國產化落地機會較多政務云安全更為重要，國產化落地機會較多?！鞍踩痹谡赵平ㄔO過程中有更多的考量，包括云安全、數據安全、應用安全和安全運營等。數字政

58、府底層的基礎設施也需要滿足多樣性要求，對云計算基礎架構層進行改造，滿足“可控”與“可靠”兩個硬指標。預計政府部門國產化算力占比提升速度在所有行業中相對明顯。圖表39:安全可控基礎設施為未來數字政府安全建設重點 資料來源：IDC，方正證券研究所 計算機 行業深度報告 25 敬 請 關 注 文 后 特 別 聲 明 與 免 責 條 款 s 圖表40:高安全數字基礎設施架構 資料來源：2023 中國數字政府建設與發展白皮書，方正證券研究所 2.5 電信：云網融合加速推進，AI 算力建設展望積極 運營商具有較好的政企客戶資源、現金流充裕、算力網絡優勢明顯，在算力網絡基礎設施建設方面扮演重要角色。三大運營

59、商也明確了的加大智算算力建設，推動算力成為社會重要公共資源的愿景。云網架構融合升級云網架構融合升級。在基礎設施簡潔化、云化、融合化趨勢下，電信運營商有序推進網絡軟件化和算網一體。云化網絡實現靈活資源調度，未來在 NFV/SDN大規模部署應用的前提下，通過 5G 切片+承載網+云的系統編排，電信運營商正逐步實現為用戶或業務提供固移融合、云網融合、端到端、差異化的服務。同時，云網融合支撐算力服務轉型，算力資源與網絡進一步深度融合，大幅度提高云網資源利用效率。除支撐信創需求外，運營商算力有望更多賦能千行百業除支撐信創需求外，運營商算力有望更多賦能千行百業。傳統運營商算力主要聚焦安全自主可控需求，隨著

60、各行業數智化轉型，三大運營商算力+應用解決方案的產業數字化業務快速增長。立足 5G 專網、云計算、集成服務、大數據方面的積累，運營商正推動科技、教育、農業、交通、醫療、工業等眾多行業進行數智化轉型。圖表41:移動云致力推動算力普惠 資料來源：移動云，方正證券研究所 運營商云業務增速超行業平均，產業數字化業務主營占比繼續提升運營商云業務增速超行業平均，產業數字化業務主營占比繼續提升。運營商云業務 2022 年營收增長均超 100%。2023 年上半年，移動云 422 億、同比+80%；電信云收入 459 億、同比 63%，聯通云收入 255 億、同比+54%。增速超過行業平均。三大運營商推動各行

61、業數字化轉型，在其營收端的體現更加明顯。2023 年計算機 行業深度報告 26 敬 請 關 注 文 后 特 別 聲 明 與 免 責 條 款 s 上半年，中國移動數字化轉型收入同增 19.6%，收入占比提升至 29.3%，對主營業務收入增量貢獻達 84.1%；中國聯通產業互聯網占主營收入比重超四分之一；中國電信產業數字化業務同增 16.7%，占服務收入比達到 29.2%，提升 2.6 個百分點。圖表42:三大運營商云計算收入（億元）圖表43:三大運營商算網資本開支（億元）資料來源：公司公告，方正證券研究所 資料來源：新浪財經，方正證券研究所 運營商運營商 A AI I 算力建設算力建設加速，國產

62、化仍為重要方向加速，國產化仍為重要方向。運營商投資結構不斷優化，在算力及人工智能方面的投入不斷加大。根據公告，中國移動 2023 年資本開支主要用于保持連接品質領先、優化算力資源布局、促進能力鍛造提升以及支撐CHBN 業務發展等方面；中國聯通 2023 年算網投資占比預計將超過 19%、同比增長超過 20%；中國電信 2023 年產業數字化投資將增加 40%。其中，算力投資將達 195 億元，IDC（互聯網數據中心）投資將達 95 億元。2023 年上半年，中國電信智算算力達 4.7EFLOPS，增幅 62%，通用算力達到 3.7EFLOPS，增幅 19%，智算算力占比超過通用算力。運營商在推

63、動國產算力落地方面亦有較明顯的探索。從中國電信 2023-2024 年 AI 算力服務器集采來看，I 系列（英特爾至強可擴展處理器）規模為 2198 臺，G 系列（鯤鵬處理器）規模為 1977 臺，以 G 系列為代表的國產化服務器規模占比超過 47%。圖表44:中國電信 AI 算力服務器（2023-2024 年）集采 標標包包 涉及的主要評估涉及的主要評估產品品類產品品類 產品名稱產品名稱 數量數量 （臺）（臺）1 I 系列服務器 主設備-訓練型風冷服務器（I 系列）2073 配套設備-InfinBand 交換機 1129 2 I 系列服務器 主設備-訓練型液冷服務器（I 系列）125 配套設

64、備-InfiniBand 交換機 53 3 G 系列服務器 訓練型風冷服務器（G 系列）1048 4 G 系列服務器 訓練型液冷服務器（G 系列）929 資料來源：C114 通信網，方正證券研究所 05010015020025021Q1 21Q2 21Q3 21Q4 22Q1 22Q2 22Q3 22Q4 23Q1 23Q2中國移動中國聯通中國電信0%10%20%30%0200400600中國移動中國聯通中國電信算網資本開支（億元）占總資本開支比例計算機 行業深度報告 27 敬 請 關 注 文 后 特 別 聲 明 與 免 責 條 款 s 圖表45:運營商算力網絡建設 領域領域 成果成果 中國電

65、信中國電信 中國聯通中國聯通 中國移動中國移動 數據中心數據中心 布局布局“2+4+31+X”“5+4+31+X”“4+N+31+X”算力規模算力規模 3.8EFLOPS 8EFLOPS 可用機架數可用機架數 50 萬架 36 萬架 45 萬架 機房數量機房數量 794 個 超 900 個 云資源布局云資源布局 云資源池數量 59 個 天翼云云資源池落地省份數量 33 個 云資源池數量 51 個 聯通云云資源池落地省份數量 31 個 云資源池數量 33 個 移動云云資源池落地省份數量 29 個 算力調度算力調度 覆蓋全國的“中心+省+邊緣+端”四級 AI 算力資源池，建設算力分發網絡平臺 ES

66、X 算網編排調度與應用服務體 系，實現了算網一體化智能編排調度 在算網大腦層實現智能編排，全局調度 數據中心建設典型案例數據中心建設典型案例 2023 年 2 月，中國電信中部大數據中心武昌三期項目正式開工，總投資 5.12億元，建設規模約為 2.58萬平方米，建成后將提供2840 個標準機柜.中國聯通天府信息中心數據中心四期項目，首期工程約4200 個標準機柜,預計 2024年 7 月形成交付能力，終期可提供 11500 個標準機柜。中國移動（寧夏中衛）數據中心二期工程建設已全面啟動。該工程規劃用地20 畝，將新建機架 3000余個 國家算力樞紐節點建設國家算力樞紐節點建設項目項目 中國電信

67、長三角國家樞紐節點算力調度平臺和直連網絡建設項目 中國聯通張家口懷來縣建設中國聯通（懷來）大數據創新產業園，獲批國家“東數西算”工程算力高效 調度示范項目。中國移動長三角（蘇州）云計算中心 資料來源：通信產業網，方正證券研究所 2.6 教育：數智化促進優化資源配置，端側、云側算力齊增長 教育作為社會基本資源，家庭以及政府對相關投入的重視程度較高。教育信息化提升教學質量的同時可以促進教育資源更加公平配置，提升社會總體福利。教育行業在2022-2023 全球計算力指數評估中算力指數的增長幅度相較更加明顯。教育行業智能算力需求主要體現在人工智能教育、科研計算、數字校園建設三個方面。數字化校園建設有序

68、推進，數字化校園建設有序推進，算力提升促進教育方式現代化算力提升促進教育方式現代化。關于推進教育新型基礎設施建設構建高質量教育支撐體系的指導意見提出信息網絡、平臺體系、數字資源、智慧校園、創新應用和可信安全六大重點方向，到 2025 年，基本形成結構優化、集約高效、安全可靠的教育新型基礎設施體系，并通過迭代升級、更新完善和持續建設，實現長期、全面的發展。數字基礎設施是數字化校園建設的基石，包括智能計算存儲、智能網絡、智能邊緣、智能終端，同時通過智能平臺連接多種類型的云計算服務。計算機 行業深度報告 28 敬 請 關 注 文 后 特 別 聲 明 與 免 責 條 款 s 圖表46:新華三智慧教育解

69、決方案 資料來源：新華三，方正證券研究所 中國教育信息化市場收入 2020 年為 4278 億元，預計 2015-2024 年 CAGR 為9.5%.預計 2024 年教育信息化綜合解決方案、硬件設備銷售占比分別為 30.8%、35.8%。2020 年至 2022 年，我國“智慧教育”信息量逐年增長，2022 年在政策支持、企業發力、市場認可的背景環境下，數據量達到 9.0 萬條，較前一年增長 5.6%，輿論關注度持續上升。圖表47:中國教育信息化市場收入細分（億元）圖表48:中國智慧教育信息量（萬條）資料來源：中商情報網，方正證券研究所 資料來源：智妍咨詢，方正證券研究所 科研計算科研計算算

70、力需求穩定增長算力需求穩定增長。教育行業中的科學研究也需要大量的算力支持。例如，高性能計算可以用于模擬復雜物理現象、處理大規模數據集等。騰訊云推出售價更低的校園云服務，輕量應用 4 核 8G 服務器一年費用僅為 646.8 元，推動降低教育算力使用門檻。02,0004,0006,0008,000201520202024E綜合IT解決方案硬件設備軟件服務內容服務-2%0%2%4%6%8%8.28.48.68.899.2202020212022中國智慧教育信息量增速計算機 行業深度報告 29 敬 請 關 注 文 后 特 別 聲 明 與 免 責 條 款 s 人工智能與教育融合人工智能與教育融合仍有待

71、提升仍有待提升，邊緣智能彈性大邊緣智能彈性大。根據 IDC 的報告，國內教育行業人工智能的滲透度相較于互聯網、金融、政府、電信、制造、醫療等行業較低，2022 年為 27，未來提升空間較大。國內教育 AI 應用落地已有較多探索，科大訊飛較為領先?？拼笥嶏w產品已經覆蓋教、學、考、評、管等教育全場景，數據驅動學業減負增效，實現 AI 賦能學生全面發展。教育邊緣智能化有較大彈性，包括教學交互設備（智慧黑板、電子白板等）、數字環境支持（智能講臺、電子班牌等）、教學輔助設備（錄播設備、擴音設備等）。因此，教育智能化推進將呈現出較明顯的端側、云側智能算力齊增長的趨勢。圖表49:科大訊飛大數據精準教學系統

72、資料來源：科大訊飛，方正證券研究所 2.7 醫療：B 端信息化支出穩定增長，智能一體方案推動算力需求階梯上升 當前醫療行業存量算力規模并不大，主要由于傳統醫療機構主要依賴端側算力來滿足日常需求，且體量不大。隨著數據量增大、醫療體系擴張以及人工智能技術的應用，醫療機構對算力的需求也將有明顯的增長。院內院內信息化建設由淺入深，端云算力結合趨勢明顯信息化建設由淺入深，端云算力結合趨勢明顯。過去醫療機構數據的存儲和計算以本地居多，主要由于醫療數據的保密要求較高，各大醫院之間以及醫療體系與外部行業之間的數據流通壁壘較高。除政策推動醫療機構評級外，隨著人口老齡化以及國人生活水平的提高，醫療機構面臨擴容提效

73、的實際需求，要求各級醫院在信息化建設上進一步深入。醫醫療機構信息化建設的下一階段對療機構信息化建設的下一階段對算力的需求有階梯式的上升，體現在原有院端算力硬件的升算力的需求有階梯式的上升，體現在原有院端算力硬件的升級，以及更多依賴級，以及更多依賴云計算云計算。院端算力升級邏輯較為直接，當前需要更多高性能算力支持。同時隨著云計算安全能力的提升，云計算高靈活、可拓展、支持端協同以及災備等方面的優勢也將推動醫療機構更多使用。更多適用于院端的云平臺解決方案推出，由點向面推廣值得期待。例如騰訊云的朝陽醫院云平臺整體解決方案，在計算機 行業深度報告 30 敬 請 關 注 文 后 特 別 聲 明 與 免 責

74、 條 款 s 院端算力基礎設施的基礎上，利用容器集群、支撐組件以及支撐母機搭建起云底座來提供云平臺運行必要的支撐組件，最終提供算力、網絡、存儲在內的云計算服務。圖表50:朝陽醫院云平臺整體解決方案 資料來源：騰訊2023 數字經濟高質量發展報告，方正證券研究所 B B 端端 A AI+I+醫療應用集中于研發與輔助診療方面，中長期對醫療應用集中于研發與輔助診療方面，中長期對智能智能算力需求拉動同樣算力需求拉動同樣顯著顯著。在人口老齡化加劇與醫療資源有限的矛盾日益凸顯的背景下，人工智能技術以其極強的分析決策能力全面賦能院前、院中、院后各個環節，提升了診療水平和效率，促進醫療資源合理配置。人工智能技

75、術已實現在疾病輔助篩查與診斷、臨床治療輔助決策、藥物研發、醫學研究、醫療信息化等多個環節的滲透，為患者創造了便捷高效的就醫體驗，提高了醫療機構、體檢機構、藥械公司等的工作效率，長期預計更大范圍落地。部署在院端亦或是云端的人工智能模型都將創造端云兩側明顯的智能算力需求。計算機 行業深度報告 31 敬 請 關 注 文 后 特 別 聲 明 與 免 責 條 款 s 圖表51:AI+醫療主要應用領域 資料來源：36 氪，方正證券研究所 圖表52:診療一體化醫療 AI 解決方案 資料來源：36 氪，方正證券研究所 計算機 行業深度報告 32 敬 請 關 注 文 后 特 別 聲 明 與 免 責 條 款s分析

76、師聲明分析師聲明 作者具有中國證券業協會授予的證券投資咨詢執業資格，保證報告所采用的數據和信息均來自公開合規渠道，分析邏輯基于作者的職業理解，本報告清晰準確地反映了作者的研究觀點，力求獨立、客觀和公正，結論不受任何第三方的授意或影響。研究報告對所涉及的證券或發行人的評價是分析師本人通過財務分析預測、數量化方法、或行業比較分析所得出的結論，但使用以上信息和分析方法存在局限性。特此聲明。免責聲明免責聲明 本研究報告由方正證券制作及在中國（香港和澳門特別行政區、臺灣省除外）發布。根據證券期貨投資者適當性管理辦法，本報告內容僅供我公司適當性評級為 C3 及以上等級的投資者使用，本公司不會因接收人收到本

77、報告而視其為本公司的當然客戶。若您并非前述等級的投資者，為保證服務質量、控制風險，請勿訂閱本報告中的信息，本資料難以設置訪問權限，若給您造成不便，敬請諒解。在任何情況下，本報告的內容不構成對任何人的投資建議，也沒有考慮到個別客戶特殊的投資目標、財務狀況或需求，方正證券不對任何人因使用本報告所載任何內容所引致的任何損失負任何責任，投資者需自行承擔風險。本報告版權僅為方正證券所有，本公司對本報告保留一切法律權利。未經本公司事先書面授權，任何機構或個人不得以任何形式復制、轉發或公開傳播本報告的全部或部分內容，不得將報告內容作為訴訟、仲裁、傳媒所引用之證明或依據，不得用于營利或用于未經允許的其它用途。

78、如需引用、刊發或轉載本報告，需注明出處且不得進行任何有悖原意的引用、刪節和修改。評級評級說明：說明：類別類別 評級評級 說明說明 公司評級 強烈推薦 分析師預測未來12個月內相對同期基準指數有20%以上的漲幅。推薦 分析師預測未來12個月內相對同期基準指數有10%以上的漲幅。中性 分析師預測未來12個月內相對同期基準指數在-10%和10%之間波動。減持 分析師預測未來12個月內相對同期基準指數有10%以上的跌幅。行業評級 推薦 分析師預測未來12個月內行業表現強于同期基準指數。中性 分析師預測未來12個月內行業表現與同期基準指數持平。減持 分析師預測未來12個月內行業表現弱于同期基準指數?；鶞手笖嫡f明 A股市場以滬深300 指數為基準；香港市場以恒生指數為基準，美股市場以標普500指數為基準。方正證券研究所聯系方式：方正證券研究所聯系方式：北京：西城區展覽館路 48 號新聯寫字樓 6 層 上海：靜安區延平路71號延平大廈2樓 深圳：福田區竹子林紫竹七道光大銀行大廈31層 廣州：天河區興盛路12號樓雋峰苑2期3層方正證券 長沙：天心區湘江中路二段36號華遠國際中心37層 E-mail：