《算力行業深度：驅動因素、行業現狀、產業鏈及相關公司深度梳理-240226（43頁）.pdf》由會員分享，可在線閱讀，更多相關《算力行業深度：驅動因素、行業現狀、產業鏈及相關公司深度梳理-240226（43頁）.pdf（43頁珍藏版）》請在三個皮匠報告上搜索。

1、 1/43 2024 年年 2月月 26 日日 行業行業|深度深度|研究報告研究報告 行業研究報告 慧博智能投研 算力行業深度：驅動因素、行業現狀、產業算力行業深度：驅動因素、行業現狀、產業鏈及相關公司深度梳理鏈及相關公司深度梳理 第四次科技革命與 AGI 雙浪疊加的時代背景下，新一輪科技創新周期將肇始于底層算力創新，繁榮于AIGC 等上層應用爆發，大數據、物聯網、人工智能、區塊鏈等數字技術趨向于組合式進化，將釋放出巨大的乘數效應。算力是多技術、多領域的交匯點，更是一切創新成果從首次落地到大規模擴散的元動力，將成為影響國家綜合實力和國際話語權的關鍵要素之一。目前全球算力的領跑者，均在持續強化相

2、關布局。在本篇文章中，我們將對算力的概念、分類以及作用進行介紹，并分析推動產業發展的因素，梳理現有的發展情況，分析未來的發展趨勢。接下來，我們將研究算力行業的產業鏈包含的環節，并對關鍵環節進行詳細解析，同時列舉重要公司。希望以上內容能夠使大家更深入地了解算力行業。目錄目錄 一、行業概述.1 二、驅動因素.4 三、行業發展情況.6 四、算力未來趨勢.8 五、產業鏈分析.12 六、相關公司.39 七、參考研報.43 一、行業一、行業概述概述 1、算力概念、算力概念 狹義的概念上，算力是軟硬件配合執行某種信息處理需求的能力。廣義概念上，算力是集信息計算力、網絡運載力、數據存儲力于一體的新型生產力，主

3、要通過算力中心等算力基礎設施向社會提供服務。信息計算力信息計算力（Computational Power）是以計算能力為核心、支撐數據信息處理。在數字革命背景下，計算力是信息時代競爭的關鍵實力、數字經濟時代的關鍵生產力，同時也成為挖掘數據要素價值、衡量生產力、推動數字經濟發展的核心支撐和驅動力。網絡運載力網絡運載力（Network Power）是以網絡傳輸性能為核心、支撐數據要素高效流動。在東數西算背景下，運載力是賦能數字經濟的關鍵力量，是優化算力供需關系的關鍵，是連接用戶、數據和算力的橋梁。2/43 2024 年年 2月月 26 日日 行業行業|深度深度|研究報告研究報告 數據存儲力數據存儲

4、力（Storage Power）是以存儲容量為核心、支撐數據存儲和管理。存儲力是支撐大數據時代的核心力量，是迅速訪問信息、推動信息資源共享的基石。在數字經濟快速發展的背景下，數據呈指數級增長，存儲力作為承載數據的關鍵設施，重要性日益凸顯。2、算力分類、算力分類 算力分為通用算力、智能算力和超算三種。算力分為通用算力、智能算力和超算三種。其中，通用算力是基于搭載 CPU 芯片的服務器。智能算力即人工智能算力，是面向人工智能算法模型訓練與運行服務的計算機系統能力。通常由 GPU、ASIC、FPGA、NPU 等各類專用芯片承擔計算工作，在人工智能場景應用時具有性能更優、能耗更低等優點。超算算力是基于

5、超級計算機等高性能計算集群，用于處理極端復雜或數據密集型問題。3、算力的作用算力的作用（1）算力是數字經濟的基礎設施算力是數字經濟的基礎設施 當今世界正經歷百年未有之大變局，數字經濟正成為重組全球要素資源、重塑全球經濟結構、改變全球競爭格局的關鍵力量，算力“地基”夯實與否，關系到數字經濟這座“大廈”能否巍然屹立。3/43 2024 年年 2月月 26 日日 行業行業|深度深度|研究報告研究報告 1）算力成為衡量數字經濟發展關鍵指標算力成為衡量數字經濟發展關鍵指標 全球范圍內來看，算力對數字經濟規模乃至 GDP 總量的帶動作用愈發明顯，信通院研究得出，2016-2021 年，全球算力規模平均每年

6、增長 34%，數字經濟規模和 GDP 每年分別增長 8%和 4%。作為全球數字經濟主導力量之一，中國自 2012 年以來數字經濟增速已連續 11年顯著高于 GDP 增速，2022 年數字經濟規模更是首次突破了 50 萬億元。各級政府正積極推動數字經濟轉向深化應用、規范發展、普惠共享的新階段，其中，普惠共享強調數字經濟發展成果更廣泛、更公平地惠及全體人民，要求在大規模擴張算力規模的基礎上，讓算力成為人人用得起、用得好的基礎性資源，加強算力智能調度和靈活部署，使算力與算法、數據、應用資源相互協同，向經濟社會和產業發展各領域廣泛深入滲透，促進數字技術、應用場景和商業模式融合創新，實現全要素生產率提升

7、。2）算力與數字產業化互為支撐算力與數字產業化互為支撐 一方面，算力底層融合了集成電路、服務器、數據中心、云計算、人工智能等數字化技術。例如，云計算將算力資源池化，推動算力成為覆蓋端、邊、云、網全架構場景的泛在能力，人工智能促進算力升級，算力與多模態感知技術融合實現智能化應用。另一方面，隨著數字產業化由規?；l展轉向高質量發展，大到 5G 通信、衛星互聯網，小到出行線路規劃、外賣訂單系統優化、影視特效制作，都離不開算力支撐。從超級計算機、數據中心、云計算中心，到智能手機、智能電視等各類智能終端，算力專用性、可拓展性不斷增強，有望與各類信息化技術相結合，充分實現性能功耗的平衡，廣泛融入各類科研機

8、構和大中小科技企業的產品業務之中，全面推動數字經濟發展。3）算力加速產業數字化算力加速產業數字化“數實融合數實融合”隨著實體經濟企業借助算力不斷將產品、服務和業務流程轉化為數據，數據要素深入滲透實體經濟肌理，產業數字化轉型的關鍵任務從“數字化”轉變為“數智化”。在“數智化”階段，決定數據要素價值的不再是如何生產數據，而是如何深入挖掘數據價值，不僅要持續消耗巨量算力，還對算力的質量、效率提出了如何深入挖掘數據價值，不僅要持續消耗巨量算力，還對算力的質量、效率提出了更高要求。更高要求。質量方面，數字化場景越復雜、數據顆粒度越精細、決策精確度要求越嚴格，就越需要合理分配算力資源，借助智慧管理系統、智

9、能調度等智能化技術，全方位統籌協調算力服務的部署位置、實時狀態、負載信息、業務需求，算力將以更加智慧的方式支撐產業數字化；效率方面，智能終端和傳感器的廣泛部署使得邊緣算力需求更加顯著，通過云-邊-端協同計算架構將算力下沉到數據源頭或關鍵價值交付點，算力將成為實時流動、快捷可取的資源，高效融入實體經濟的方方面面。4/43 2024 年年 2月月 26 日日 行業行業|深度深度|研究報告研究報告（2）算力是通用人工智能的核心動力算力是通用人工智能的核心動力 對 AGI 發展來說，數據、算力、算法三大核心要素中，算力向下扎根于數據，向上支撐著算法，將是驅算力向下扎根于數據，向上支撐著算法，將是驅動動

10、 AGI 發展的核心動力。發展的核心動力。深度學習出現之前，用于 AI 訓練的算力增長大約每 20個月翻一番，基本符合摩爾定律；深度學習出現之后，用于 AI 訓練的算力大約每 6 個月翻一番；2012 年后，全球頭部 AI 模型訓練算力需求更是加速到每 3-4 個月翻一番，即平均每年算力增長幅度達到驚人的 10 倍；目前大模型發展如火如荼，訓練算力需求有望擴張到原來的 10 到 100倍，算力需求的指數級增長曲線將更加陡峭。這也意味著發展發展 AGI需要巨大的算力成本投入。需要巨大的算力成本投入。二、驅動因素二、驅動因素 1、政策支持算力基礎設施高質量發展政策支持算力基礎設施高質量發展 我國算

11、力發展規劃政策相繼出臺，制度保障有力有效。我國算力發展規劃政策相繼出臺，制度保障有力有效。近年來，工信部加強規劃引領、政策指引，與各方協同配合、多措并舉，著力構建高質量算力供給體系，不斷提升算力基礎設施綜合能力，取得積極成效。2021 年，工信部出臺新型數據中心發展三年行動計劃（2021-2023 年），持續優化全國算力整體布局。國務院發布關于印發“十四五”數字經濟發展規劃的通知、數字中國建設整體布局規劃也提出要加快構建算力、算法、數據、應用資源協同的全國一體化大數據中心體系、系統優化算力基礎設施布局。2023 年 10 月，工業和信息化部、中央網信辦、教育部、國家衛生健康委、中國人民銀行、國

12、務院國資委等六部門聯合印發算力基礎設施高質量發展行動計劃，明確 2025 年，算力規模超過300EFLOPS，智能算力占比達到 35%，東西部算力平衡協調發展。在此基礎上，各地市人民政府相繼出臺多項政策舉措，大力支持算力產業發展，全國上下已形成積極推動算力產業快速健康發展的良好局面。5/43 2024 年年 2月月 26 日日 行業行業|深度深度|研究報告研究報告 2、ChatGPT 掀起掀起 AI 大模型熱潮，拉升算力需求大模型熱潮，拉升算力需求 ChatGPT 引起引起 AI 大模型熱潮，大模型熱潮，AI 算力需求高增。算力需求高增。2022 年 11 月 30 日，OpenAI 發布了

13、ChatGPT 聊天機器人程序，2023 年 3 月，發布新一代語言模型 GPT-4，自此 AI 進入“大模型時代”。與此同時，國內大模型也陸續正式上線。8 月 31 日，百度、字節、商湯、中科院旗下紫東太初、百川智能、智譜華章等 8 家企業/機構的大模型，位列首批通過生成式人工智能服務管理暫行辦法備案的名單，正式上線開始面向公眾提供服務。據百度官方平臺數據顯示，文心一言開放首日下載量破百萬，回答了 3342萬個問題。6/43 2024 年年 2月月 26 日日 行業行業|深度深度|研究報告研究報告 人工智能大模型訓練數據量巨大，對算力尤其是智能算力需求龐大，且將在未來持續高增長，驅動全社會算

14、力產業的快速發展。以 GPT 大模型為例，GPT-3 模型參數約為 1746億個，訓練一次需要的總算力為 3640PF-days，而新一代 GPT-4 模型參數量將達到 1.8 萬億個，算力需求提高 68倍。ChatGPT 的轟動引發全球人工智能大模型訓練及應用的浪潮，驅動算力需求進入爆炸式增長階段。尤其是針對人工智能的智能算力，更成為了算力產業未來發展的重要方向。三三、行業發展情況、行業發展情況 1、發展情況：算力規模不斷提升，產業體系逐步完善、發展情況：算力規模不斷提升，產業體系逐步完善 根據2023 智能算力發展白皮書顯示。截至 2022 年底，全球算力總規模達到 650EFLOPS，其

15、中，通用算力規模為 498EFLOPS，智能算力規模為 142EFLOPS，超算算力規模為 10EFLOPS。智能算力規模同比增加了 25.7，占比達 21.9。我國算力規模方面，截至 2022 年底，中國算力總規模為180EFLOPS，排名位居全球第二。其中，通用算力規模為 137EFLOPS，智能算力規模為 41EFLOPS，超算算力規模為 2EFLOPS。7/43 2024 年年 2月月 26 日日 行業行業|深度深度|研究報告研究報告 在數據存儲力方面，我國存儲規模不斷擴大，截至 2022 年底，我國存儲總量達到 1000EB，較 21 年增加 25%，以全閃存技術為代表的先進存力快速

16、發展。在網絡運載力方面，我國網絡基礎設施建設不斷完善。截至 2023 年 6 月，我國累計建成 5G 基站超過293 萬個，光纜線路總長度達到 6196 萬公里。從硬件設備角度，根據信通院測算，2022 年我國計算設備算力總規模達到 302EFlops，全球占比約為33%，連續兩年增速超過 50%。從數據資源角度，數據要素是數字經濟時代的新型生產資料，也是支撐算力產業發展的核心資源。近年來，我國數據資源供給能力不斷提升。2022 年，我國數據產量達到 8.1ZB，同比增長 22.7%，全球占比10.5%，位列全球第二。同時，我國數據要素監管體系不斷完善、數據資源流動體系加速建設。截至2022

17、年底，我國已經 208 個地方政府上線數據開放平臺，全國成立 48 家數據交易機構，北京、上海、深圳等地加速探索數據流通和利用模式。隨著東數西算工程的持續推進，算力網絡投入持續增大，算力產業在規模逐步提升的同時，低碳高質、協同發展的格局正在逐步形成。根據工信部數據，2022 年我國算力核心產業規模已經達到 1.8 萬億元，而更廣義的以計算機為代表的計算產業規模達 2.6 萬億元，產業高質量發展新格局正在形成。2、發展方向：智能算力成為產業未來主流發展方向：智能算力成為產業未來主流 智能算力是基于最新人工智能理論，采用領先的人工智能計算架構，提供人工智能模型訓練及應用所需的算力服務、數據服務和算

18、法服務。隨著人工智能技術在經濟社會的加速滲透，人工智能計算需求快速提升。數據顯示，人工智能計算需求未來將占據 80%以上計算需求，智能算力將成為算力產業未來發展的重要方向。根據 IDC 統計數據，全球范圍內人工智能支出快速增長，技術投資規模從 2019 年的 612 億美元增長至2021 年的 924 億美元，2025 年有望突破 2000 億美元。8/43 2024 年年 2月月 26 日日 行業行業|深度深度|研究報告研究報告 我國高度重視人工智能產業發展，在政策持續支持下，國內市場平穩增長，技術投資支出不斷擴大。IDC 預測，2022 年中國人工智能市場相關支出達到 130 億美元，預計

19、 2026 年達到 267 億美元，年均增長率達到 19.6%。在多種因素驅動下下，我國智能算力規模保持高速增長，智算成為產業發展重要方向。3、市場周期：需求爆發驅動進入漲價階段、市場周期：需求爆發驅動進入漲價階段 2023 年以來，人工智能等新興數字技術快速發展，算力需求爆炸式增長，算力市場進入價格上升期。11 月以來，國內多家布局算力市場的上市公司均發布算力價格上漲公告。例如，某上市公司于 11 月 16日披露的算力服務合同顯示，將向客戶提供 1920P 算力服務，單價為 18 萬元/P/年，而這一單價在 9 月公告中僅為 12 萬元/P/年。而另一家上市公司在 11 月 14 日發布公告

20、稱，擬對內嵌英偉達 A100芯片的高性能算力服務器算力服務收費上調 100%。今年以來，AI 大模型對算力的需求不斷上升。但同時，算力核心芯片 GPU 產能有限，算力供應擴張緩慢，長期處于短缺狀態。因此，預計算力產業的漲價周期預計仍將持續很長時間。對于國內來說，算力的供應更加緊張。23 年 10 月美國更新出口管制新規，將英偉達多款用于 AI 訓練的高端 GPU芯片納入限制出口范圍，國內進口 GPU 難度大幅增加。因此，在本輪全球算力行業漲價周期中，國內算力行業的價格上漲更為突出。四、算力未來趨勢四、算力未來趨勢 1、未來需進一步實現、未來需進一步實現算力國產算力國產化化產業產業 未來我國需從

21、芯片技術自主創新、高性能計算平臺建設、人工智能與深度學習、云計算發展、開源軟件和開放合作、教育與人才培養幾個方面進一步實現算力國產化。9/43 2024 年年 2月月 26 日日 行業行業|深度深度|研究報告研究報告 2、未來算力將在普適和智慧兩個維度上加速發展未來算力將在普適和智慧兩個維度上加速發展 未來算力將在普適和智慧兩個維度上加速發展。未來算力將在普適和智慧兩個維度上加速發展?！捌者m”強調以自然交互的方式提供算力，算力將成為人人可得（Affordable）、人人可用（Available）、人人適用（Adaptable）的“3A”型基礎資源；“智慧”強調以認知驅動的方式提供算力，算力將具

22、備自適應（Self-adapting）、自學習（Self-learning）、自進化（Self-evolving）為代表的“3S”智能。對于構建“人-機-物”三元融合系統來說，普適和智慧缺一不可，算力終將無處不在。10/43 2024 年年 2月月 26 日日 行業行業|深度深度|研究報告研究報告（1）“普慧普慧”算力助力充分釋放數據紅利，中國數字經濟體量有望突破百萬億元算力助力充分釋放數據紅利，中國數字經濟體量有望突破百萬億元 當前，數據對提高生產效率的乘數作用不斷凸顯，是最具時代特征的生產要素，與其他生產要素相比，數據具有可復制、非消耗、邊際成本接近于零等新特性，打破了自然資源有限供給對增

23、長的制約，能夠為經濟轉型升級提供不竭動力。中國網民數量、數據資源、數字化應用場景全球領先，14 億人口所產生的數據資源將支持中國數字經濟發揮規模經濟、范圍經濟和網絡經濟優勢?！捌栈邸彼懔ψ鳛閿底纸洕幕A設施，可以強有力地推動跨層級、跨地域、跨部門數據匯聚融合、共享交換和開發應用，提升數據要素的整體流通效能和經濟社會價值。數據+“普慧”算力的雙向驅動，將充分盤活數據資產，釋放“數據紅利”，為中國數字經濟的發展提供堅實底座。據中國（深圳）綜合開發研究院技術團隊預測，2020-2025 年，中國數字經濟年均增速將保持在 15%左右。到 2025 年，數字經濟規模將突破 80萬億元，占 GDP比重達

24、 55%。到 2030 年，數字經濟體量有望突破百萬億元。（2）“普慧普慧”算力推動大小模型協同進化，通用人工智能將真正走向落地算力推動大小模型協同進化，通用人工智能將真正走向落地 中國是世界人工智能重要領軍國家之一，各級政府、科研機構、企業等都在積極推動 AI 大模型發展。數據、算法、算力三大核心要素是各類大模型競爭焦點，現階段投入商用的大模型參數量基本在千億級，以百度的“文心一言”為例，其模型參數量為 2,600 億。公開資料顯示，目前在追趕 GPT3.5 的中國團隊約有 10 個，能夠擁有或持續獲取算力將是決定未來競爭格局的關鍵，對比當前國際頭部大模型團隊 1萬張 H100（約 10 萬

25、 A100）的算力規模來看，中國未來能擁有此等算力體量的團隊可能不超過 2 個。AI 大模型的真正價值最終將體現在具體場景中，未來產業競爭將從“規?！鞭D向“應用”。目前大模型訓練都在云端實現，所用算力是中心化的，精度要求高且成本高，意味著大模型落地必然會面臨能耗和性能平衡的難題。破局之道在于大小模型協同進化，即在利用大參數訓練完大模型之后，通過高精度壓縮，將大模型轉化為端側可用的小模型，大模型相當于超級大腦，小模型相當于垂直領域專家，共同推動AGI 落到實處。而這一過程中，算力由中心化走向泛在化，由通用化走向智能化，恰恰也是“普慧”算力釋放價值的過程?！捌栈邸彼懔ψ鳛橥ㄓ萌斯ぶ悄艿暮诵膭恿?，既

26、是幫助科技公司搭建 AI 模型的“賣鏟人”，又是檢驗算力公司創新能力、制造能力的“試金石”，更是推動中國邁向科技強國的“加速器”。在全球算力供給告急的背景下，“普慧”算力正在迎來規?；?、產業化發展機遇。（3）“普慧普慧”算力要求安全不容有失，數據、算法、算力三位一體算力要求安全不容有失，數據、算法、算力三位一體 1）數據安全：已上升至國家立法層面數據安全：已上升至國家立法層面 中國已將數據安全提升至國家立法的層面，國家安全法網絡安全法數據安全法及個人信息保護法等共同構筑了數據安全保護的法律法規框架體系。推動算力發展過程中，數據流動和安全發展的矛盾將逐漸顯現，必須嚴守數據安全防線，規避數據泄露、

27、數據販賣、數據濫用等風險。全國一體化大數據中心協同創新體系算力樞紐實施方案強調，“加強對基礎網絡、數據中心、云平臺、數據和應用的一體化安全保障，提高大數據安全可靠水平?！本唧w來說，可從數據要素全生命周期加強安全防范。在數據傳輸流轉階段，可以利用區塊鏈分布式、透明性、可追溯性和不可篡改性等特征，促進數據流動過程透明化，不斷增強數據流動的時效性和安全性。在數據存儲階段，可以不斷提高相關數據設施的容災能力，合理評估并積極應對不同類型、不同級別數據的泄露風險；在數據訪問階段，要加快數據清權確權，建立數據權責清單，讓各使用主體以規治數、11/43 2024 年年 2月月 26 日日 行業行業|深度深度|

28、研究報告研究報告 按權用數、決策循數。在數據使用、共享階段，要落實事前可預防、事中可阻斷、事后可溯源的全方位數據安全，實現數據“可用不可見”。2）算法安全：倫理規范問算法安全：倫理規范問題不可忽視題不可忽視 公開資料顯示，ChatGPT已經引起美國、歐盟等關于人工智能立法的討論，實際上 AI 決策難以解釋、不可問責一直是棘手難題，導致了無人駕駛、手術機器人等難以落地，數字金融欺詐、大數據殺熟、生物特征識別等更是不斷引發信任危機。隨著 ChatGPT 等生成式 AI 走向應用，AI 在“可解釋性”上面臨的挑戰可能更加嚴峻，例如，現階段 ChatGPT 有能力完成各種基于文本的任務，但它不可避免地

29、會產生一些與事實不符的內容，原因是 ChatGPT在回答問題時只是根據前一個單詞“預測下一個單詞”，進而生成答案，這一過程繞不開神經網絡運行機理產生的黑箱效應，運行過程難以解釋，部分運行結果的說服力也將大打折扣，某種程度上，AI 缺乏“可解釋性”帶來的“不可信”，正在阻礙 AI 大規模應用，也是算力發展必須克服的難關。中國正在以算法安全可信、高質量、創新性發展為導向，建立健全算法安全治理機制，構建完善算法安全監管體系，推進算法自主創新，關于加強互聯網信息服務算法綜合治理的指導意見互聯網信息服務算法推薦管理規定等政策文件出臺，中國開始邁向對算法進行事前事中全流程、動態規制與監管的“算法法”時代。

30、3）算力安全：戰略地位將進一步提高算力安全：戰略地位將進一步提高 對比數據安全、算法安全來看，未來中國算力安全的戰略地位有機會且有必要進一步提升。在國家政策層面，算力安全受到的重視程度相對不足，多以地方政府級別的政策為主，保障算力安全需要國家從頂層設計發力，推動各界共同努力。目前高端芯片、數據中心、網絡等基礎設施是算力產業可持續發展的重要保障，要以核心技術自主創新為牽引，加快研發突破，通過產學研聯合攻關增強算力產業鏈的穩定可控性，不斷提升算力的自主可控水平。此外，中國超大型、大型數據中心仍有較大發展空間，需堅持適度超前原則，以建代用，盡可能提高算力基礎設施的承載能力。（4）“普慧普慧”算力發展

31、仸重道遠，綠色化、場景化、市場化三措并舉算力發展仸重道遠，綠色化、場景化、市場化三措并舉 1）算力綠色化關乎可持續發展，亟需提高單位能耗的計算能力算力綠色化關乎可持續發展，亟需提高單位能耗的計算能力 能量和信息是科技發展的主線，計算的本質是利用能量對信息進行處理加工，信息越多，計算就越復雜，需要的能量也越多，當能量增長跟不上近乎無限擴張的信息時，提高能量利用率將成為必然選擇。從能量和信息轉換的角度來說，不斷提高單位能耗的計算能力是算力發展的重要底層驅動力之一，而公開資料顯示，目前大約 80%的電能消耗只是在維護計算機狀態，只有不到 20%的電能消耗在做計算。此外，“雙碳”目標背景下，數據中心等

32、能耗大戶帶來的碳排放問題亟需得到解決，根據開放數據中心委員會測算，2020 年中國數據中心能耗總量為 939 億千瓦時，碳排放量為 6,464 萬噸，預計到 2030 年，中國數據中心能耗總量將達到 3,800 億千瓦時左右，碳排放增長率將超過 300%。因此，算力綠色化不僅符合科技發展的基本規律，更關乎人類命運共同體前途，已成為全產業鏈的關鍵課題。算力綠色化核心目標是提高每瓦功耗所產生的算力，主要發展思路包括提高綠色能源使用占比、采用創新型制冷技術降低數據中心散熱過程中能耗、綜合管理 IT 設備提高算力利用效率等。例如，在用能方面，可以提高光伏等新能源系統發電占比；在降耗方面，可以進一步推動

33、液冷、溫水水冷取代傳統風冷；在提效方面，可以利用服務器虛擬化等技術提高設備使用率。2）算力場景化面臨知識壁壘，亟需業務、數據、算力高效聯動算力場景化面臨知識壁壘，亟需業務、數據、算力高效聯動 12/43 2024 年年 2月月 26 日日 行業行業|深度深度|研究報告研究報告 算力要落地到具體場景中才能真正轉化為生產力，而行業愈是細分、業務愈是復雜，算力場景化落地面臨的“知識壁壘”就越高。例如，大量行業垂直類軟件要求高度凝練總結行業經驗、最佳實踐等知識，這一知識軟件化的過程，經常伴隨著非結構化和半結構化數據占比不斷升高、數據負載從單一負載轉向混合負載等結果，會使得數據流通、壓縮存儲、加密解密等

34、對算力的需求趨向復雜化和定制化，正倒逼著算力服務商不斷提高行業理解力、強化數據資產沉淀、提高算力針對場景化需求的適配度等?？梢灶A見，隨著各行業全要素、全流程、全場景邁向數字化和智能化，數據架構和業務架構將不斷向更強大的算力平臺上遷移，實現“業務、數據、算力”之間的高效聯動，是保證算力資源按需匹配、精準賦能的必要前提。3）算力市場化仍需加強，亟需多方共同推動算力統一交易算力市場化仍需加強，亟需多方共同推動算力統一交易 當前算力需求增長確定性高，算力供給規模相對有限，通過市場化交易可以大幅提升算力資源配置效率，是破解算力供需矛盾，推動算力產業生態進入正向循環的關鍵。各方仍在積極探索算力交易模式，亟

35、需解決算力歸屬復雜、難以度量定價、區域發展不平衡等問題。針對算力歸屬復雜的問題，主要原因在于當前規?；懔A設施大多由多方共建，要求算力建設方明確劃分算力資源占比，保證算力產權可溯源；針對算力難以度量定價的問題，可以提倡由行業管理部門和龍頭類企業帶頭建立統一標準，為算力定價提供可靠依據；針對算力區域發展不平衡問題，在“東數西算”工程穩步推進過程中，各級地方政府部門可以結合區域算力資源稟賦和市場環境，“因地制宜”建設算力基礎設施，積極融入全國算力一體化網絡，大力建設算力供需適配平臺、算力交易平臺等，暢通區域間算力流通、共享、按需分配。五五、產業鏈分析、產業鏈分析 算力產業鏈上游涵蓋由基礎硬件、

36、基礎軟件等，中游由第三方數據中心、云計算服務、網絡運營服務、IT 外包服務、系統集成服務構成，下游為應用領域，由互聯網、制造業、金融、能源等各行業企業用戶構成。13/43 2024 年年 2月月 26 日日 行業行業|深度深度|研究報告研究報告 1、上游重點環節、上游重點環節 2024 年，預計算力仍是發展主線之一，年，預計算力仍是發展主線之一，GPU、其他各大廠商的云端、其他各大廠商的云端 AI 芯片等有望保持高增長，服務芯片等有望保持高增長，服務器也有望跟隨受益。器也有望跟隨受益。（1）芯片：）芯片：國產芯片廠商快速崛起，生態加速豐富國產芯片廠商快速崛起，生態加速豐富 1）GPU：性能持續

37、進化，價值量提升：性能持續進化，價值量提升 當前階段，當前階段，GPU 仍然是算力硬件的主流選項。仍然是算力硬件的主流選項。以中國為例，按照 IDC 統計，2023 年上半年 GPU服務器占據加速計算服務器 90%的比例，其余 NPU、FPGA 等形式的加速計算服務器占比為 10%，此前幾年 GPU 也一直是主流選項。14/43 2024 年年 2月月 26 日日 行業行業|深度深度|研究報告研究報告 GPU 市場仍將保持高增速，出貨量與產品換代為主要因素。市場仍將保持高增速，出貨量與產品換代為主要因素。根據 Verified Market Research 的預測以及對英偉達營收的預測，20

38、24 年全球的 GPU 市場規模（對應于 NVIDIA 的 FY25）將達到 800億美元以上，仍然保持高增速。其中出貨量的增長以及產品的更新換代（價格提升）是主要的推動因素。GPU 市場當前的主導廠商依舊是英偉達，市場當前的主導廠商依舊是英偉達，預計預計 H 系列是系列是 2024 出貨主力，出貨主力，B 系列是系列是 2024 主要新看主要新看點點。英偉達 GPU 產品線主要分為面向游戲娛樂領域的 GeForceGTX/RTX 系列顯卡、面向專業設計和虛擬化領域的 NVIDIA RTX/Quadro 系列顯卡，以及面向數據中心的高算力 GPU。根據英偉達官網，數據中心產品線目前在售產品主要

39、包括 Ampere 系列，Hopper 系列，AdaLovelace 系列和 Turing 系列。從產品迭代節奏來看，2024 年 H100系列將接替 A100系列成為出貨主力，有望支持英偉達數據中心產品線呈現量價齊升的局面。新產品方面，2024年英偉達有望推出 B100 系列，該系列有望繼續推動其產品價值量提升。15/43 2024 年年 2月月 26 日日 行業行業|深度深度|研究報告研究報告 HBM 是大模型時代發展重點，算力與存儲、網絡的配比將成為提效關鍵。是大模型時代發展重點，算力與存儲、網絡的配比將成為提效關鍵。從英偉達近期產品迭代來看，存儲的進步較為重要。產品和投資意義上的大模型

40、革命在 2022 年底到 2023 年左右才真正爆發，而此前的 A100 和 H100 系列產品設計定型時間更早，因此并非完全針對大模型極致優化的產品，在使用中可以發現其 HBM 存儲往往成為瓶頸，算力利用率仍然有提升空間。因此，2023 年的 SC23 超算大會上，英偉達宣布推出 H200，主要的增強就在于采用新一代 HBM3e 芯片，據英偉達測試，這一措施大幅提高了產品的 AI 性能。預計存儲有望成為 2024年算力領域的一大主要發展方向。GPU 領域全球另一個重點廠商 AMD 也值得關注，其 MI300 系列產品在 2023 年 12 月舉行了正式發布會，其產品性能有較大提升，能夠認為其

41、市場競爭力有望獲得明顯強化，2024 年有望在商業上取得進展。根據其發布會信息，MI300X配合最新針對 LLM 進行優化的全新一代軟件生態 ROCm6，相比前代獲得數倍性能提升，有望獲得全球互聯網大廠的認可。根據 Digitimes 的報道，AMD MI300 系列新產品在 2024 年的出貨量有望達到 30-40萬顆，為市場注入了新的影響因素。16/43 2024 年年 2月月 26 日日 行業行業|深度深度|研究報告研究報告 2）AI芯片：百花齊放，實現更高性價比芯片：百花齊放，實現更高性價比 除 GPU 外，其他專用 AI 芯片也是 2024 年發展的一大主要方向，將在一定程度上影響未

42、來云端算力芯片的市場格局趨勢。AI 專用芯片多年前已經是學界和產業界的熱門研究課題，如今其高能效、低使用成本的特性已經是各家大廠的共識，可以在大規模部署（攤薄研發成本）的情況下獲得更高的性價比，降低電力消耗。2023 年 12 月 7 日，AMD 推出最新數據中心芯片 Instinct MI300X GPU，在算力和顯存方面均實現了對 H100 的超越。算力方面，TF32(Sparsity)等指標是 H100 的 1.3 倍，FP64(Vector)等指標是 H100 的2.4 倍；顯存方面，MI300X 有 192GB 的 HBM3 顯存容量，容量是 H100 的 2.4 倍，顯存帶寬 5.

43、3TB/s，是 H100 的 1.6 倍。另一方面，眾多英偉達客戶投入另一方面，眾多英偉達客戶投入 ASIC 芯片研發中，芯片研發中，ASIC 市場高速發展。市場高速發展。ASIC 不同于 CPU、GPU、FPGA，目前全球 ASIC市場并未形成明顯的頭部廠商。在龐大需求與有限供應的不對稱影響下，一方面出于自身業務需求，另一方面尋求新的高利潤增長點，許多云服務提供商以及新興創業公司投入 ASCI芯片研發中。根據貝哲斯咨詢統計，2022 年全球 ASIC市場規模到達到了 1005.51 億人民幣，預計2028 年市場規模將達到 1677.49 億人民幣，2022-2028CAGR9%。17/43

44、 2024 年年 2月月 26 日日 行業行業|深度深度|研究報告研究報告 微軟：進軍微軟：進軍 AI 芯片領域，推出兩款自研芯片領域，推出兩款自研 AI 芯片。芯片。2023 年 11 月，微軟推出兩款自研 AI 芯片 Azure Maia 100 GPU 和 AzureCobalt 100 CPU。Maia 100 芯片基于臺積電的 5 納米工藝打造，總共包含 1050億個晶體管，據 semianalysis，Maia 100 在 MXInt8下的性能為 1600TFLOPS。Cobalt 100 基于 Arm架構，據 semianalysis，Cobalt 100 包含 128 個 Ne

45、overse N2 內核和 12 個 DDR5 通道。谷歌：推出新一代高性價比谷歌：推出新一代高性價比 TPU 芯片芯片 TPUv5e。TPU是谷歌專為機器學習和深度學習設計的專用 AI加速芯片。2023 年 8 月，Google 推出新一代 AI 芯片 TPUv5e。根據谷歌 9 月 MLPerfTM3.1 推理基準測試結果，TPUv5e 每美元推理性能是 TPUv4 的 2.7 倍；根據谷歌 11 月 MLPerfTM3.1 訓練基準測試結果，TPUv5e 每美元訓練性能是 TPU v4 的 2.3 倍。18/43 2024 年年 2月月 26 日日 行業行業|深度深度|研究報告研究報告

46、亞馬遜：推出亞馬遜：推出 Trainium2，訓練速度較上一代提升四倍。，訓練速度較上一代提升四倍。2023 年 11 月，亞馬遜發布最新 AI 訓練芯片Trainium2。Trainium2 專為數萬億參數的基礎模型（FM，foundation model）和大語言模型（LLM，large language models）的高性能訓練設計，相較第一代芯片 Trainium，Trainium2 的訓練速度快 4倍，存儲容量大 3 倍，能源效率提升 2 倍。Amazon EC2 Trn2 實例將采用 Trainium2 芯片，從而支持客戶在下一代 EC2UltraCluster 中大規模擴展至多

47、 10 萬張 Trainium2 芯片，通過 AWS EFA 的 PB 級網絡連接，能夠提供高達 65exaflops（1018flops）的算力。3）國產智能芯片硬件性能不斷提升國產智能芯片硬件性能不斷提升 大模型裝備競賽下國內對高端算力芯片需求旺盛，大模型裝備競賽下國內對高端算力芯片需求旺盛，BIS 加強對華高端半導體管控，英偉達多款高端算力加強對華高端半導體管控，英偉達多款高端算力芯片限制對華出售，高端芯片限制對華出售，高端算力芯片國產替代正當時。算力芯片國產替代正當時。大模型能力的提升需要算力硬件進行支撐，算力充足與否，直接決定了 AI 產品供應商能否長期穩定的提供服務，從而保持行業競

48、爭力。根據頭豹研究所和沙利文聯合發表的白皮書，2022 年中國 AI 芯片市場規模為 368 億元，預計 2027 年將達到 3400億元，2022-2027CAGR56%。19/43 2024 年年 2月月 26 日日 行業行業|深度深度|研究報告研究報告 國產智能芯片廠商可以大致分為兩類，一類是華為、海光華為、海光代表的，具有一定從芯片、服務器，到軟件生態優勢的大型廠商。另一類是以寒武紀、壁仞科技、摩爾線程、燧原科技寒武紀、壁仞科技、摩爾線程、燧原科技等代表的國產智能芯片獨角獸企業。兩類公司各有優勢和特點。華為海思有超華為海思有超 20 年技術積累，芯片超年技術積累，芯片超 200 項自主

49、知識產權，技術實力領先。項自主知識產權，技術實力領先。目前有智能終端和處理器兩大產品線，處理器產品包括麒麟、昇騰、鯤鵬、巴龍、凌霄。目前在全球設有 12 個辦事處和研發中心，產品和服務遍布全球 100多個國家和地區，有超 8000項專利，研發實力突出。其中昇騰作為新一代智算芯片，有昇騰 310與昇騰 910 兩款產品。昇騰 310 是華為首款全棧全場景人工智能芯片，昇騰910 是華為目前推出的算力最強的 AI 芯片，昇騰系列后續發展也被各界給予較高期待。昇騰芯片搭載的華為獨創達芬奇架構神經網絡處理單元 NPU（NeuralNetwork Processing Unit），該架構具有極具創新的高

50、性能 3DCube 計算引擎等關鍵技術，大幅提升 AI 計算的效率和靈活性，能夠在多場景，云、邊、端，提供最優算力支持。20/43 2024 年年 2月月 26 日日 行業行業|深度深度|研究報告研究報告 海光信息海光信息 CPU 及及 DCU 雙布局，背靠中科系，具有研發及生態優勢。雙布局，背靠中科系，具有研發及生態優勢。海光信息完全掌握 X86 CPU 完整架構，已具備自主迭代能力。中科曙光作為國產服務器龍頭，是公司的第一大股東，有望充分受益中科系軟硬件的賦能。海光 7000系列 CPU 最多集成 32 個處理器核心，最大支持 8 個內存通道和 128 個PCIe 接口，主要應用于高端服務

51、器，面向數據中心、云計算等復雜應用領域。8000 系列 DCU深算一號已與國內多家開發大模型的企業和研究所達成認證。海光國產處理器已得到眾多 OEM 支持，支持國內外主流操作系統，應用于各類國產服務器及工作站。公司持續保持較強的研發投入，CPU 及 DCU產品未來預計將進一步受益信創及算力需求爆發。智算芯片獨角獸憑借優秀的創始研發團隊，及精尖技術的積累異軍突起。智算芯片獨角獸憑借優秀的創始研發團隊，及精尖技術的積累異軍突起。AI 芯片獨角獸企業創始團隊大多來自頂尖科研機構及國外科技公司，為公司提供了優秀的研發及技術基因。上市公司主要包括寒武紀，以及眾多優秀的待上市企業。華為及部分華為及部分 A

52、I 獨角獸企業智能芯片硬件性能正逐漸接近國外龍頭廠獨角獸企業智能芯片硬件性能正逐漸接近國外龍頭廠商商。4）國產芯片廠商軟件生態仍在不斷豐富，華為較為領先國產芯片廠商軟件生態仍在不斷豐富，華為較為領先 CUDA 生態是英偉達關鍵壁壘之一，國產廠商加速建立自身開發者生態。生態是英偉達關鍵壁壘之一，國產廠商加速建立自身開發者生態。國外廠商英偉達除芯片硬件性能之外，軟件 CUDA 生態亦是其重要壁壘。借助 CUDA，開發者能夠利用 GPU 的強大性能顯著加速計算應用。CUDA 工具包中包含多個 GPU 加速庫、一個編譯器、多種開發工具以及 CUDA 運行環境。國內廠商由于起步較晚，在開發者生態上與國外

53、成熟產品仍有差距。在政府推動及下游產業支持下，國產芯片廠商開發者數量逐步上升，生態漸漸形成。以華為昇騰計算生態為代表的國產開放式生態快速發展。以華為昇騰計算生態為代表的國產開放式生態快速發展。華為在生態建設持開放的態度，在華為建立的全場景開源 AI 框架昇思 MindSpore 外，支持與各種計算框架對接。除自研的應用使能工具 MindX 外，支持第三方平臺應用。實現了從模型研發到落地千行百業的全鏈條賦能。在今年 5 月的鯤鵬昇騰開發者峰會上，華為公布目前鯤鵬和昇騰 AI 開發者已經超過 350 萬，合作伙伴超過 5600 家，解決方案認證超過 15500 個。昇騰 AI 基礎軟硬件平臺已孵化

54、和適配了 30 多個主流大模型，覆蓋中國一半的原創 AI大模型，包括鵬城盤古、紫東太初。有 25 個城市基于昇騰構建人工智能計算中心，其中 14 個已經上線并飽和運行。21/43 2024 年年 2月月 26 日日 行業行業|深度深度|研究報告研究報告 沐曦等沐曦等 AI 獨角獸企業則采取兼容獨角獸企業則采取兼容 CUDA 生態的方式，以及與華為等國內大廠共建國產生態的路線。生態的方式，以及與華為等國內大廠共建國產生態的路線。摩爾線程攜手浪潮共建元腦生態。摩爾線程攜手浪潮共建元腦生態。在 2023 年人工智能框架沐曦等 AI 獨角獸企業則采取兼容 CUDA 生態的方式，以及與華為等國內大廠共建

55、國產生態的路線。摩爾線程攜手浪潮共建元腦生態。在 2023 年人工智能框架。（2）基礎軟件基礎軟件：關注數據庫、操作系統等國產替代進展關注數據庫、操作系統等國產替代進展 1）操作系統）操作系統 操作系統基本由美國微軟、谷歌、蘋果壟斷，微軟 Windows 基本壟斷 PC桌面操作系統市場，谷歌安卓基本壟斷移動終端操作系統市場，蘋果 iOS 憑借自身設備銷售也占據一定市場份額。22/43 2024 年年 2月月 26 日日 行業行業|深度深度|研究報告研究報告 我國國產我國國產 OS 一般基于一般基于 Linux 內核等開源軟件或各類內核等開源軟件或各類 Linux 發行版本進行商業開發。發行版本

56、進行商業開發。按照開發基礎的不同，可以分為三條技術路線：1、基于 Linux 內核；2、基于 Linux 社區發行版本；3、基于 Linux 商業發行版本，三種技術路線的難度依次遞減，安全性也呈遞減之態。技術路線 1 基于 Linux 內核開發，自定義操作系統的軟件集合，獨立設計發行版本，該技術路線下的操作系統發行版本開發難度高、開發量大，但不受其他國家和商業主體控制，安全性高；技術路線 2 基于 Linux 社區發行版本（如 Debian、openEuler 和 openAnolis）進行開發?；谏鐓^發行版本進行開發，需要自定義操作系統的軟件集合，對其內核及相關軟件進行大規模修改，但可減少

57、一定的重復開發工作，同時，社區發行版本由全球開發者共同開發、共同維護、免費使用，安全性中等；技術路線 3 則直接基于 Linux某個商業發行版本的開源項目（如 CentOS）對部分軟件進行修改，開發難度相對較低，但受商業主體控制，該技術路線面臨上游商業發行版本閉源或停止更新的風險，安全性低。根社區不依賴上游發行版，只有植好國產根社區不依賴上游發行版，只有植好國產 OS 的的“根根”，才能保證真正的自主可控。服務器，才能保證真正的自主可控。服務器 OS 方面，方面，Euler 和和 Anolis 開源國產自主的根社區，保證了國產開源國產自主的根社區，保證了國產 OS 的根本安全。的根本安全。在

58、Euler 和 Anolis 出現之前，國產操作系統往往基于國際主流的 Linux 開源社區版本進行開發，存在套殼和安全自主性的質疑，而Euler 和 Anolis 從操作系統底層開始做起，這將內核層面安全性抓到了自己手中，具有深遠的意義。Euler 和 Anolis 也先后開源，成立了自主開源社區 openEuler 和 openAnolis，其他國產操作系統廠商可基于此開發國產 OS。桌面桌面 OS 方面，方面，Deepin 和和 openKylin 的出現，進一步豐富了國產操作系統根社區種類。的出現，進一步豐富了國產操作系統根社區種類。2022 年 5月，桌面系統根社區 Deepin 發

59、布；2022 年 6 月，麒麟軟件主導的 openKylin 發布。不同于 openEuler和 openAnolis 主要應用于服務器等 B 端應用，Deepin和 openKylin 根社區主要開發桌面操作系統，廠商在此基礎上進一步開發面向個人和辦公的桌面操作系統。Deepin 和 openKylin 的出現也標志著國產操作系統進一步擺脫了“開源代碼無國界，開源企業有國界”的操作系統供應鏈安全隱患。我國操作系統國產化率 1.2%，麒麟軟件、統信軟件、華為鴻蒙等國產操作系統達到初步可用階段，但仍需要更多的適配工作并形成生態體系。同時，國內開源數據庫操作系統取得顯著進展，2023 年開源歐拉中

60、國服務器操作系統市場份額達到 36.8%，位居第一。23/43 2024 年年 2月月 26 日日 行業行業|深度深度|研究報告研究報告 1）中間件）中間件 中間件是一種獨立的系統軟件服務程序，分布式應用軟件借助這種軟件在不同的技術之間共享資源，中間件位于客戶機服務器的操作系統之上，管理計算資源和網絡通信。在大數據、物聯網、云計算等新一代信息技術應用不斷深化的背景下，中間件市場進入持續快速增長階段，2022 年，我國中間件市場規模約為 96億元，增速為 8.23%。中間件和數據庫、操作系統等捆綁銷售以及開源和盜版存在，此外，信創產業的加速落地以及用戶對于基于云的分布式應用服務、消息隊列等因素驅

61、動，中間件需求將不斷增長，將會促進中間件市場的快速發展。2）數據庫）數據庫 數據庫是我國“核高基”重大專項重點突破的核心產品之一。行業發展空間巨大，市場規模增長顯著。根據大數據技術標準推進委員會，2022 年全球數據庫市場規模為 833 億美元，我國數據庫市場規模（包含數據庫周邊生態）為 59.7 億美元（約合 403.6億元人民幣），占全球 7.2%。預計到 2027 年，我國數據庫市場總規模將達到 1286.8億元，市場年復合增長率（CAGR）為 26.1%。從競爭來看，2022 年甲骨文、微軟、甲骨文、微軟、IBM、SAP 四大國外企業市場集中約為 50%的市場份額。國內企業華為、阿華為

62、、阿里、達夢、人大金倉里、達夢、人大金倉，占比約為 30%。國內企業經過多年技術研發和經驗積累，借助政策紅利，市場份額將逐年上升。未來，數據庫將深度結合云原生與分布式技術特點，實現計算、內存和存儲三者解耦、分層池化；實現查詢級、事務級、算子級等更細粒度的彈性按需計算。幫助用戶實現最大限度資源池化、彈性變配、超高并發等能力，更加便捷、低成本實現云上數字化轉型與升級。（3）服務器：服務器：AI 算力需求持續增長，國產化占比提升算力需求持續增長，國產化占比提升 1）通用服務器：海光與鯤鵬為第一梯隊，通用服務器：海光與鯤鵬為第一梯隊，ARM架構仹額提升架構仹額提升 芯片需要服務器作為載體提供算力。從運

63、營商近幾年服務器集采招投標來看，國產化占比提升，海光與芯片需要服務器作為載體提供算力。從運營商近幾年服務器集采招投標來看，國產化占比提升，海光與鯤鵬處于第一梯隊。鯤鵬處于第一梯隊。通過梳理 2020-2021 年及 2021-2022 年運營商服務器集采項目，能夠測算得出運 24/43 2024 年年 2月月 26 日日 行業行業|深度深度|研究報告研究報告 營商服務器集采中對信創服務器的采購比例已經提升至 30%左右，其中鯤鵬/海光系國產服務器第一梯隊。ARM 架構需求提升，鯤鵬服務器招投標表現優異。架構需求提升，鯤鵬服務器招投標表現優異。23年 8 月 8 日，宇信科技公告于近日收到中信銀

64、行通用基礎設施集成商入圍采購項目入圍通知書，項目整體預估采購金額約 65 億元，公司作為排序第一的入圍中標廠商年度訂單金額比例為 30%。本次招標采購涉及 9 類設備，包括 ARM 芯片服務器（34 億元）、C86 芯片服務器（10 億元）、數據中心級別交換路由（10 億元）、非數據中心級別交換路由（1.2 億元）、防火墻設備（1 億元）、波分設備（1.7 億元）、集中式 ARM 高端存儲（3.93 億元）、分布式 ARM 對象存儲（2.34億元）、中高端存儲光纖交換機（0.90 億元），反映出 ARM架構市占率逐漸占優，而基于 ARM架構的鯤鵬將受益。根據工信部通信工程建設項目招標投標管理信

65、息平臺，梳理部分運營商服務器采購項目：總計招標服務器 443 臺，其中鯤鵬 311 臺，海光 92 臺，飛騰 40臺，占比分別為 70.2%、20.8%、9.0%；根據劍魚標訊和招采網平臺，近期的部分金融行業服務器采購項目中，共計采購 199 臺海光和 143 臺鯤鵬，占比分別為 58.2%、41.8%。2）AI服務器服務器需求持續，放量成長，需求持續，放量成長，ODM/JDM+液冷成為趨勢液冷成為趨勢 2023 年全球 AI 服務器發展態勢良好，并且在未來幾年仍有望保持較好的發展態勢。服務器環節受到產業鏈上下游發展影響較大，上游芯片合作方以及芯片技術演進、下游的客戶合作關系和數據中心建設需求

66、都能夠較大程度影響行業發展。能夠認為，由于云大廠在 AI 基建方面占據較高份額，有望助推白牌AI 服務器發展；同時由于 AI 計算的高功耗特性，液冷也成為未來發展的重點領域。AI 服務器整體發展趨勢保持良好，銷售規模持續提升服務器整體發展趨勢保持良好，銷售規模持續提升。根據 IDC 統計，2020-2022 年期間全球服務器市場規?；颈３衷谇|美元左右。The Next Platform 在 IDC 的基礎上進行了進一步分類分析和預測，AI 服務器在 2023 年市場規?；蛴锌赡艹^ 400 億美元，呈現躍變增長態勢，并且在隨后幾年將大概率占據服務器市場一半以上的份額。25/43 2024

67、年年 2月月 26 日日 行業行業|深度深度|研究報告研究報告 出貨量角度，Trendforce 測算全球 AI 服務器出貨量在 2023 年或接近 120 萬臺。國內份額方面，近年來浪潮、華三、寧暢等企業份額較高。國內份額方面，近年來浪潮、華三、寧暢等企業份額較高。根據 IDC中國半年度加速計算市場（2023 上半年）跟蹤報告，2023 年上半年從廠商銷售額角度看，浪潮、新華三、寧暢位居前三，占據 70%以上的市場份額；從服務器出貨臺數角度看，浪潮、坤前、寧暢位居前三名，占近 60%的市場份額；從行業角度看，互聯網依然是最大的采購行業，占整體加速服務器市場超過一半的份額，此外金融、電信和政府

68、行業需求均有超過一倍以上的增長。26/43 2024 年年 2月月 26 日日 行業行業|深度深度|研究報告研究報告 全球份額方面，浪潮等企業份額較高，全球份額方面，浪潮等企業份額較高，LLM 興起后云大廠占比明顯提升。興起后云大廠占比明顯提升。根據 IDC 統計，2021 年全球 AI 服務器出貨占比中，浪潮排名第一，占據 20.2%的全球份額。2022 年底與 2023 年以來，大模型主導了 AI 基建的需求側，而大模型主要由全球互聯網大廠和部分創業公司（諸多擁有大廠資金和算力資源支持）主導，因而在 2023 年的 AI 服務器市場中，大型企業取代了其他類型機構的需求份額，帶來服務器市場格

69、局轉變。云大廠引領云大廠引領 AI 基建格局演變，基建格局演變，ODM/JDM 服務器提供商持續受益。服務器提供商持續受益。從當前的 AI 基建發展趨勢來看，大模型極大拉高了投資門檻，能夠建設基礎設施并訓練大模型的廠商往往是頭部互聯網廠商，整個市場格局變得更加集中，并且這一趨勢在可見的未來或許并不會改變。從 Trendforce 的統計數據可見，2022 年，一半以上的 AI 服務器采購來自于北美四大云廠商，2023 年 AI 服務器采購集中在云大廠的趨勢進一步明確。而云大廠由于數據中心規模大、技術和成本要求都比較高，往往會對服務器供應商提出較高的定制化服務需求，因此通常采用 ODM廠商或采用

70、 JDM 模式的廠商供貨。根據 Digitimes Research 的統計，目前四大云廠商的 AI 服務器供應商基本是多家 ODM廠商，其中工業富聯作為鴻海集團子公司，也在云大廠的 AI 基建中占據一定份額。27/43 2024 年年 2月月 26 日日 行業行業|深度深度|研究報告研究報告 對于浪潮、寧暢、新華三等廠商，其 AI 服務器市場份額較高，與其下游互聯網廠商占比較高有關。國內互聯網巨頭通常與這幾家廠商合作密切，而浪潮正是 JDM 模式較早的國內提倡者，其他廠商不同程度采用了 JDM模式，順應互聯網行業發展需求。高能耗導致高故障，散熱需高能耗導致高故障，散熱需求推動液冷趨勢。求推動

71、液冷趨勢。隨著各種高性能芯片的發展，導致數據中心熱流密度明顯升高，而電子器件失效的主要原因就是溫度過高。美國空軍航空電子整體研究項目認為，溫度、振動、濕度和粉塵是造成電子設備故障的主要因素。因此，散熱設施對于數據中心的正常運行及使用壽命至關重要。28/43 2024 年年 2月月 26 日日 行業行業|深度深度|研究報告研究報告 從降低能耗、綠色發展的角度，液冷技術是目前降低數據中心從降低能耗、綠色發展的角度，液冷技術是目前降低數據中心 PUE 的關鍵性技術。的關鍵性技術。液冷分為接觸式及非接觸式，接觸式液冷是指將冷卻液體與發熱期間直接接觸的一種液冷實現方式，包括浸沒式和噴淋式液冷等具體方案，

72、非接觸式液冷是指冷卻液體與發熱器件不直接接觸的一種液冷實現方式，包括冷板式液冷等具體方案。冷板式冷卻液一般采用去離子水、純水、丙二醇或幾種冷卻液混合，冷卻工質相對便宜且消耗量較低；浸沒式冷卻液一般采用氟化物、礦物油或各種合成油，冷卻工質成本相對較高且用量較大。據曙光數創和高瀾股份官網及公告，采用冷板式液冷的數據中心年均 PUE 值可降低至 1.2 左右，而浸沒式液冷方案可以將 PUE 值降到 1.1 以下。數據中心能耗不斷抬升，液冷數據中心市場有望突破千億。數據中心能耗不斷抬升，液冷數據中心市場有望突破千億。數據中心持續加快建設。但是其總體能耗不斷抬升，功率密度需求不斷提高，液冷作為新興的數據

73、中心制冷技術在降低數據中心 PUE，滿足算力高負載要求方面具有廣闊的發展空間。根據賽迪顧問數據，2025 年中國液冷數據中心市場規模保守預計為 1283 億元，樂觀情形下預計為 1330億元。預計預計 2025 年冷板式液冷數據中心市場規?？沙^年冷板式液冷數據中心市場規?？沙^ 750 億元，浸沒式液冷數據中心市場規?？沙^億元，浸沒式液冷數據中心市場規?？沙^500 億元。億元。據賽迪顧問，預計 2025 年中國冷板式液冷數據中心占液冷數據中心的比重為 59%，冷板式數據中心市場規模保守估計可達 757.1億元，2020-2025 年復合增速為 22%；預計 2025 年中國浸沒式液冷數據

74、中心占液冷數據中心的比重為 41%，浸沒式數據中心市場規模保守估計可達 526.1 億元，2020-2025 年復合增速為 46%。29/43 2024 年年 2月月 26 日日 行業行業|深度深度|研究報告研究報告（4）光模塊：）光模塊：高速、低功耗、高速、低功耗、LPO、CPO、硅光集成為未來發展趨勢、硅光集成為未來發展趨勢 光模塊相當于算力傳輸的大腦。光模塊相當于算力傳輸的大腦。光通信器件指應用于光通信領域的光電子器件以及配套集成電路，光通信器件按照物理形態的不同分為芯片、光有源器件、光無源器件、光模塊與子系統四類。其中光模塊是實現光信號輸入過程中光電轉換和電光轉換功能的光電子器件，光模

75、塊作為數據傳輸的通道，就像是網絡世界里的高速公路，它的迭代升級就像是給高速公路擴寬，能讓網絡傳輸速度更快。目前光模塊朝著高速、低功耗、LPO、CPO、硅光集成的趨勢發展。1）高帶寬：高帶寬：AI光模塊從光模塊從800G向向1.6T乃至更速率的發展乃至更速率的發展 作為目前數通光模塊需求的主要驅動力，AI 對于網絡帶寬的要求不斷提高，正在推動數通光模塊向更高速進行發展。英偉達對于 H100芯片的網絡推薦配置是 800G 光模塊（2*400G），所以我們看到 2023年 800G 光模塊需求不斷提升，2024 年 800G 需求展望亦在不斷提高。隨著 B 系列等更高級算力芯片推出，網絡需求將進一步

76、被推高。根據 SemiAnalysis 曝出的一份英偉達未來幾年的硬件路線圖，預計 B系列 GPU 將于 2024年推出，并于 2025 年放量，有望驅動 1.6T 產品（2*800G）的放量。而后 X 系列GPU 將于 2025 年推出，需求亦將進一步升級。谷歌同樣預計 1.6T 產品將于 2024 年開始應用。2）低成本：低功耗方案關注度日益升高低成本：低功耗方案關注度日益升高 網絡設備能耗問題隨著傳輸速率增長而日益凸顯，而在網絡設備中光模塊功耗對傳輸速率的增長最為顯著。根據思科的數據，過去 12 年數據中心的網絡交換帶寬提升了 80倍，背后的代價就是：交換芯片功 30/43 2024 年

77、年 2月月 26 日日 行業行業|深度深度|研究報告研究報告 耗提升約 8 倍，光模塊功耗提升 26 倍，交換芯片 SerDes 功耗提升 25 倍。而光模塊的整體功耗已經接近交換機系統功耗的一半，所以降低光模塊的功耗已經成為 AI 實現低成本的重要問題之一。3）線性直驅方案（線性直驅方案（LPO）方案）方案 高速傳統光模塊中，通過 DSP 芯片對高速信號進行信號處理。DSP 雖然功能非常強大，但也帶來很大的功耗和成本開銷。例如 400G 光模塊中用到的 7nm DSP 功耗約 4W，占整個模塊功耗的接近 50%（R.Nagarajan,L.Lyubomirsky,O.Agazzi;et.al

78、.）。線性直驅方案（LPO）中不再采用 DSP，只留下 driver和 TIA，而將 DSP 功能集成到交換芯片中。LPO 方案具備一系列優勢，包括：（1）功耗低：相比于可插拔光模塊，LPO的功耗下降約 50%，交換機系統的整體功耗會下降 25%左右。（2）低延遲：由于不再采用 DSP，不涉及對信號的復原，整個系統延遲大大降低，可以應用到對延遲要求比較高的場景。（3）低成本：去掉 DSP 后成本會下降。（4）易實現：LPO 仍然采用可插拔模塊的形式，其可靠性高，維護方便，可以利用成熟的光模塊供應鏈。31/43 2024 年年 2月月 26 日日 行業行業|深度深度|研究報告研究報告 4）光電共

79、封方案（光電共封方案（CPO）的方案）的方案 CPO 方案借助硅光集成的工藝將光引擎、電芯片和交換機芯片封裝在同一個基板上面，通過 TSV 的小孔來縮短封裝電信號連接距離，有望同時實現高速率、高集成度、低功耗的方案。這是由于隨著數據中心速率的提升，高速信號在印制電路板（PCB）傳輸中的損耗快速增加，傳統交換機使用的可插拔光模塊方案由于無法縮短電信號傳輸距離，難以滿足合理的功耗要求，無法保證傳輸效果。同時縮短銅箔傳輸距離也可以減少電信號功耗，單位能耗有望從熱插拔的 24pJ/bit 降低到 7pJ/bit，進而大幅降低電信號傳輸功耗。但是由于目前的技術與產業鏈尚不成熟等原因，短期內難以大規模應用

80、，但看好其長期發展潛力。5）分立式模塊向分立式模塊向硅光模塊的轉變：未來確定性發展趨勢硅光模塊的轉變：未來確定性發展趨勢 硅光子技術是基于硅和硅基襯底材料(如 SiGe/Si、SOI 等)，利用現有 CMOS 工藝進行光器件開發和集成的新一代技術。相比分立式方案，硅光方案有望實現更高集成度以及更低成本（避免多次封裝）。但是硅光方案由于技術方案的不成熟、商業模式尚未完善、傳統分立式方案的競爭等因素，導致在 100G與 400G 時代并未得到廣泛應用。但隨著光模塊速率提高、需求量以及產品單價的提升，同時硅光技術的成熟，硅光方案的低成本優勢正在不斷凸顯。能夠認為 2024 年 800G 光模塊中，硅

81、光方案的比例將有望顯著提高。此前在硅光市場上主要的玩家是 Intel、Cisco 北美廠商，國內廠商亦在積極布局，有望在未來的競爭中占據先機。（5）交換機和路由器：未來將迎來新的增長空間）交換機和路由器：未來將迎來新的增長空間 以 5G、工業互聯網、物聯網、數據中心為代表的數字基礎設施，成為數字經濟發展的基本動力和未來國內外建設新型基礎設施的方向。我國“十四五”規劃綱要從現代化、數字化、綠色化方面對加快新型基礎設施建設提出了方針指引，“雙碳”目標進一步從長期戰略規劃角度對信息通信行業的數字化和綠 32/43 2024 年年 2月月 26 日日 行業行業|深度深度|研究報告研究報告 色化協同發展

82、提出新要求。未來，交換機、路由器、服務器、安全設備、WLAN 等 ICT 設備迎來新的增長空間。我國交換機和路由器市場呈現寡頭競爭格局。其中，交換機在中國網絡設備市場占據了絕大部分市場，近年來，交換機市場規模一直保持穩定增長趨勢。2022 年，我國交換機市場規模約為 591億元，增速為 17.96%。從競爭來看，2022 年，我國交換機市場集中度高，主要集中于華為和新華三兩大企業，比例分別為 36.4%和 35.2%。隨著我國網絡市場的飛速發展，對路由器的需求也不斷擴大，2022 年，我國路由器市場規模達 300 億元，增速為 6.38%。從競爭來看，2022 年，我國路由器寡頭效應更加明顯，

83、華為華為比例為 49.8%，新華三新華三比例為 31.4%。2、中游重點環節、中游重點環節（1）數據中心）數據中心 我國通用算力數據中心、智算中心持續加快建設。截至 2022 年底，我國在用數據中心機架規模超過650 萬標準機架，年復合增長率超過 30%，平均上架率達 58%，在用數據中心服務器規模超 2000 萬臺。截至 2023 年 6 月，已投運智算中心 25 個、在建超過 20 個，各地依托智算中心支撐當地科研創新、人才培養及產業生態建設。電信運營商加大投資數據中心，將推動我國算力規模保持較快增長趨勢。電信運營商加大投資數據中心，將推動我國算力規模保持較快增長趨勢。在數據中心布局方面，

84、目前中國電信打造“2+4+31+X”的云網基礎設施布局，中國移動形成“N+31+X”三層資源布局，中國聯通則是構建“5+4+31+X”新型數據中心體系。在算力相關的資本開支方面，2023 年中國電信預計算力資本開支195 億元，中國聯通預計算力資本開支 149 億元，中國移動預計算力資本開支 452 億元。33/43 2024 年年 2月月 26 日日 行業行業|深度深度|研究報告研究報告 （2）云計算）云計算 云計算是一種基于網絡“云”的超級計算模式，在遠程的數據中心里，成千上萬臺計算機和服務器聯結成一片計算云。云計算模式取代企業原有 IT自建模式，除了為企業用戶提供存儲、數據庫、服務器及網

85、絡等基礎 IT 資源服務（IaaS），并提供大量可計量的操作系統層面（PaaS）以及應用層面的軟件服務（SaaS）。2023 年國內云計算市場保持較快增長。年國內云計算市場保持較快增長。據中國信通院，2023 年國內云計算市場規模 6192 億元，同比增長 36%，2025 年國內云計算整體市場規模將突破萬億元。根據 Gartner，2023 年全球云計算市場規模 5987 億美元，其中中國市場約 6192 億元（867 億美元），占比全球市場 14%。國內與海外云計算市場存在結構性差異。國內與海外云計算市場存在結構性差異。根據云計算服務模式，云計算市場可以細分為：基礎設施即服務（IaaS），

86、平臺即服務（PaaS）和軟件即服務（SaaS）。2022 年，國內云計算 IaaS 市場規模 2442億元，PaaS 市場 342 億元，SaaS 市場 472 億元。作為對比，2022 年全球云計算發展均衡，IaaS 市場 34/43 2024 年年 2月月 26 日日 行業行業|深度深度|研究報告研究報告 規模 1197 億美元，PaaS 市場 1096 億美元，SaaS 市場 1766 億美元?？梢钥吹?，當前國內云計算市場以IaaS 為主導，PaaS 與 SaaS 業務模式發展顯著滯后。（3）算力網絡）算力網絡 算力高效調度需要建立算力網絡算力高效調度需要建立算力網絡。算力基礎設施從云向

87、算泛在演進，其位置的分布從中心向邊緣和端側泛在延伸，將出現云、邊、端三級算力架構。算力的分布將不再集中在數據中心，而是廣泛地分布在邊緣或者端側的任何位置。其中，（1）中心指云計算的數據中心。（2）邊緣指多接入邊緣計算。物聯終端設備產生的數據不需要再傳送至遙遠的云數據中心處理，而是就近在網絡邊緣側完成數據分析和處理，更加高效和安全。（3）端側指終端，即 PC、手機、智慧電視，以及家庭的機頂盒、智能水電表等一切具備聯網和計算能力的設備。物聯網時代，將會有海量終端接入到網絡中，匯集閑散設備的存量算力，實現算力共享。算力網絡是新型基礎設施。算力網絡是新型基礎設施。類比水力發展離不開水網，電力發展離不開

88、電網，算力發展離不開“算力網絡”。實現云、邊、端算力的高效調度，需要建立算力網絡。算力網絡典型功能有算力路由、算力調度、算力交易。35/43 2024 年年 2月月 26 日日 行業行業|深度深度|研究報告研究報告 算力網絡為云計算打開新模式。算力網絡為云計算打開新模式。相比海外，國內云計算市場仍有較大發展空間。但短期來看，國內云計算龍頭與美國 AWS、微軟、微軟等公司差距拉大。這主要由于國內云計算市場除了公有云模式，近幾年國內政企客戶從數據安全角度主要采用私有云、混合云、邊緣云模式。因此，國內云計算行業無法完全復制海外公有云的發展模式。在此背景下，能夠認為，算力網絡的建立需要“算網”與“云網

89、”融合發展，為云計算發展打開新模式。算力網絡的建設將推動算力與水電一樣，成為“一點接入、即取即用”的社會級服務，極大降低算力使用門檻，驅動國內云計算市場加速發展。從競爭角度，國內公有云廠商（阿里云/華為云/騰訊云）與電信運營商均在競爭算力網絡規劃主導權。國內公有云廠商以云為主并負責算網智能編排。國內通信運營商采取以網強云的策略，增強在云計算市場競爭力。（4）算力租賃）算力租賃 算力租賃是一種通過云計算服務提供商租用計算資源的模式，適用于各種大規模計算需求的場景，企業用戶可以根據自己的需求租賃服務器或虛擬機實現大規模的計算任務，而無需擁有自己的計算資源。對上游算力生產商而言，在算力硬件進入淡季、

90、庫存趨增時，能通過售賣云算力的方式，平滑收入的波動，并為旺季儲備“有生”力量，及時滿足回彈的市場需求；對中游云服務廠商而言，則有助于增加客流；對下游算力需求方而言，能最大化降低使用算力的門檻，驅動全民 AIGC 時代降臨。據產業調研了解，目前 AI 算力租賃尚處于試水階段，主要模式為：1）算力買斷：面向體量稍大且訓練需求頻繁的客戶，往往采用買斷獨占模式，即 GPU 只提供給特定客戶使用，往往需簽訂長約。2）算力零售：面對中小客戶，簽約時間較短，中間會有空檔期，但價格隨行就市。若未來 GPU 價格持續走高，該部分租金價格也會走高。需求側，需求側，AIGC 大模型所需算力狂飆，大模型所需算力狂飆，

91、AI 算力租賃市場潛力巨大。算力租賃市場潛力巨大。摩爾定律中，集成電路上可容納的元器件的數目，約每隔 18-24 個月便會增加一倍，性能也將提升一倍。繼摩爾定律后，英偉達 CEO 黃仁勛提出黃氏定律：每 12 個月 GPU 性能翻一倍，且不受物理制程約束。根據 OpenAI 測算，自 2012年至 2018 年，用于訓練 AI 所需要的算力大約每隔 3-4個月翻倍，總共增長了 30萬倍（而摩爾定律在相同時間只有 7 倍的增長），每年頭部訓練模型所需算力增長幅度高達 10倍，整體呈現指數級上漲。36/43 2024 年年 2月月 26 日日 行業行業|深度深度|研究報告研究報告 AI 大模型訓練

92、和推理所需的算力可觀，前期資金投入巨大。大模型訓練和推理所需的算力可觀，前期資金投入巨大。以 ChatGPT為例，不考慮與日活高度相關的推理過程所需的算力，僅考慮訓練過程，根據論文Language Models are Few-Shot Learners的測算，ChatGPT 的上一代 GPT-3（1750 億參數版）所需的算力高達 3640PF-days（即假如每秒做一千萬億次浮點運算，需要計算 3640天）。已知單張英偉達 A100 顯卡的算力約為 0.6PFLOPS，則訓練一次GPT-3（1750 億參數版），大約需要 6000張英偉達 A100 顯卡，如果考慮互聯損失，大約需要上萬張A

93、100，按單張 A100 芯片價格約為 10 萬元，則大規模訓練就需要投入約 10 億元，非頭部廠商難以承擔。而 GPT4 的模型參數更大，訓練的標識符更多，所需算力更為可觀。算力租賃先發優勢或將化為領跑實算力租賃先發優勢或將化為領跑實力。力。3、下游行業應用、下游行業應用 互聯網、制造、金融為當前算力水平較高的行業?；ヂ摼W、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。（1）ICT 行業行業 ICT 包含 5G、物聯網

94、、云計算、大數據、人工智能等新一代信息技術，涉及通信業、電子信息產業、互聯網等眾多關聯行業。ICT 創新往往“牽一發而動全身”，需要“通信+計算+存儲”三位一體協同升級，朝著云、物、大、智、虛等方面不斷進化，相關算力需求呈現多元化、低時延、靈活遷移等顯著特征：1）計算場景豐富多樣，多元算力需求顯著提升。計算場景豐富多樣，多元算力需求顯著提升。各類智能化應用滲透率不斷提高，智能化愈發多樣化、個性化，相關算力需求大規模增長的同時，呈現出多元化趨勢，在通用算力之外，智能計算、邊緣計算、安全計算等需求高企。37/43 2024 年年 2月月 26 日日 行業行業|深度深度|研究報告研究報告 2）5G

95、網絡尚在持續部署，計算時延要求網絡尚在持續部署，計算時延要求日趨嚴格。日趨嚴格。以目前的網絡建設水平，中長距離數據傳輸仍面臨較大時延，算力調度等嚴重受限，如“東數西算”工程中網絡時效性仍較弱；此外，復雜多樣的計算任務需要運行穩定且高效的網絡作為支撐，對算力提出了更高要求。3）智能終端走向泛在分布，要求算力可靈活遷移。智能終端走向泛在分布，要求算力可靈活遷移。手機、電腦、智能家居設備、可穿戴醫療健康設備等多樣化智能終端不斷普及，傳統以云為主的集中存儲和計算模式愈發難以滿足“跨終端”“零等待”的用戶體驗需求，現有場景要求基于終端設備實時、多端、無縫訪問用戶數據，實現高效一致的跨終端計算。（2）制造

96、業制造業 當前，中國制造業數字化轉型已取得不錯成效，智能制造試點示范項目生產效率平均提高 45%、產品研制周期平均縮短 35%、產品不良品率平均降低 35%，涌現出了離散型智能制造、流程型智能制造、網絡協同制造、大規模個性化定制、遠程運維服務等新模式新業態。不過，與高質量發展的要求相比，智能制造發展仍存在供給適配性不高、創新能力不強、應用深度廣度不夠等問題，相關算力需求呈現高效化、低成本、綠色化等顯著特征：1）為賦能業務流程及打造增量價值，算力高效率需求上升。為賦能業務流程及打造增量價值，算力高效率需求上升。目前許多裝備制造業企業相對缺乏完善靈活的生產控制計劃，且生產計劃與采購計劃未能有效結合

97、，“研-產-供”等業務流程急需優化，全價值鏈運營及決策效率低下，數字化運營及智能技術的應用對算力等基礎設施提出了更高要求。2）產線周期急需優化，低成本的推進需以算力為支撐。產線周期急需優化，低成本的推進需以算力為支撐。工廠各種活動數字化成本較高、周期較長，企業在產品、工藝、產線等方面研發與驗證工作急需逐漸降低成本，需要生產系統建模與仿真技術的支持。降低試錯成本、縮短產線周期需要海量算力的普遍應用。3）綠色智能的數據與計算設施正加快布局，推動綠色智能的數據與計算設施正加快布局，推動“綠色計算綠色計算”是當務之急。是當務之急。加快節能低碳技術研發，加快先進綠色技術產品應用，鼓勵應用高密度集成的高效

98、 IT 設備，提升能源利用效率，需要持續提升能源高效清潔利用水平，引導新型數據中心向新能源發電側建設，全面提升用能效率。發展“綠色計算”，即散熱和節能用能技術是當務之急。（3）汽車行業汽車行業 汽車廠商之間的競爭正在從“馬力”主導的速度、操控競爭，轉向“算力”主導的數據、軟件競爭，汽車整體產業鏈合作也從“鏈式”逐步轉化為“網狀”，從車載計算平臺到車企數據中臺再到產業鏈級算力中心，算力需求全面爆發，呈現出大型化、彈性化、集約化等顯著特征：1）汽車全產業鏈算力需求擴張，要求大規模、彈性化算力供給。汽車全產業鏈算力需求擴張，要求大規模、彈性化算力供給。汽車智能化升級過程伴隨著汽車全產業鏈條的數字化發

99、展，研發端、生產制造端、運營端、營銷端、車端、出行端等各環節的數據將被打通，算力需求將擴大至汽車產業鏈全環節，要求提供更大規模且調度靈活的算力資源，倒逼算力供給側積極推動算力彈性部署。2）車企自建算力平臺漸成趨勢，要求實現低成本、集約化建設。車企自建算力平臺漸成趨勢，要求實現低成本、集約化建設。面向車載計算平臺以及全產業數字化轉型帶來的巨量算力需求，越來越多的車企開始選擇自建數據中心等算力平臺，一方面有利于積極應對汽車行業越來越嚴格的數據管理要求，另一方面有利于算力供不應求的市場環境下保障自給自足，更有望與生態合作伙伴共享算力。不過，車企自建算力平臺也意味著漫長的建設周期和巨額的成本投入，亟需

100、實現低成本、集約化建設。38/43 2024 年年 2月月 26 日日 行業行業|深度深度|研究報告研究報告（4）教育行業教育行業 2021 年 7 月，“雙減”政策落地，強調著眼建設高質量教育體系，強化學校教育主陣地作用，幾乎同時，國家教育部等六部門發布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，提出加快推進教育新基建，構建高質量教育支撐體系。面向教育高質量發展需求，服務于教育新基建的公共型算力成為剛需，而在學校這一教育主陣地中，服務高?？蒲械母咝阅芩懔π枨鬂摿薮?。1）教育新基建持續倒逼公共型算力供給。教育新基建持續倒逼公共型算力供給。中國計劃到 2025 年，基本形成結

101、構優化、集約高效、安全可靠的教育新型基礎設施體系。其中，構建新型數據中心是重要手段，強調支持省級教育行政部門通過混合云模式建設教育云，為本地區教育機構提供便捷可靠的計算存儲和災備服務，并鼓勵區域和高校共享高新性能計算資源和人工智能算力資源。預計在政策強力推動下，面向各級院校和各類教育機構的公共型算力需求會持續高漲。2）高?？蒲杏嬎銖娏痈咝阅芩懔π枨?。高?？蒲杏嬎銖娏痈咝阅芩懔π枨?。高校是國家戰略科技力量的重要組成部分，當前國內許多高校正提速建設高性能計算中心，此類計算中心的規模通常在“百節點、萬核心”，日常使用率達到 80%以上，結合 2022 年 11 月公布的第 60 屆全球超級計

102、算機 TOP500 榜單來看，上海交通大學、中南大學、清華大學、南京大學這四所中國高校的高性能中心成功上榜，建設規模已進入千萬億次級別（P 級別）。預計在“雙一流”建設背景下，越來越多高校將加大高性能算力投入，以加快取得突破性研究成果，保持優勢學科的學術水平領先。（5）醫療行業醫療行業 在人口老齡化加劇與醫療資源有限等問題日益凸顯的背景下，中國醫療信息化正在加速推進，尤其是隨著中國公共衛生工作重心逐步由防控感染轉為醫療救治，醫院信息化工作將脫離快速應急響應狀態，回歸促進醫院高質量發展的主航道，圍繞健康醫療大數據規范應用和“互聯網+醫療健康”創新發展等任務，對算力服務提出了安全可靠、靈活調度等要

103、求。1）醫療大數據質量及安全管理需求日益突出，安全可靠成為算力硬要求醫療大數據質量及安全管理需求日益突出，安全可靠成為算力硬要求。目前醫院的數字化轉型進程中面臨著臨床業務數據分散、患者隱私泄露、數據未授權使用、搜集病例數據耗時太多、數據難以復用以及數據標準不一等問題。隨著醫院和醫生的數據意識加強，數字化場景日益豐富，實現醫療大數據精細化管理、加快健康醫療數據安全體系建設，強化數據安全監測和預警等成為必選項，必然要求更加安全可靠的算力。2）進一步優化醫療資源跨時空配置，需以可靈活調度的算力為支撐進一步優化醫療資源跨時空配置，需以可靈活調度的算力為支撐?；ヂ摼W醫療充分打破了醫療資源分布的時空限制，

104、實現了醫療資源的合理利用和精準服務，當前互聯網醫療應用已經從簡單的醫患跨時空對接，逐步過渡到線上線下一體化階段，數字化診療服務將陪伴患者從門診到住院、從院內到院外、從線上到線下的全病程，患者可以通過各類醫療智能硬件和軟件應用快速、精準地獲取醫療服務，對算力提出了可靈活調度的要求。（6）金融行業金融行業 無論是信貸、支付、理財等傳統金融服務，還是供應鏈金融、智能投顧、數字貨幣等新型服務形態，背后都離不開算力的支撐，在金融服務敏捷化轉型趨勢下，算力向各類場景滲透的同時，也將朝著彈性靈活、安全可靠的方向持續進化。1）敏捷服務成為金融機構核心競爭力，亟需彈性靈活的算力。敏捷服務成為金融機構核心競爭力，

105、亟需彈性靈活的算力。隨著金融服務不斷走向線上化、場景化，敏捷高效的服務能力已成為金融業競爭焦點，金融機構往往需要在短時間內上線新應用，且在具體應用 39/43 2024 年年 2月月 26 日日 行業行業|深度深度|研究報告研究報告 場景中還存在大量高并發、低時延計算需求，要求實現底層算力的靈活供給，根據實際所需資源量實現按需匹配。2）數據安全問題不容忽視，安全存儲、安全計算不可或缺數據安全問題不容忽視，安全存儲、安全計算不可或缺。在網絡安全法數據安全法個人信息保護法等法規相繼出臺、金融監管部門不斷強化執法力度等嚴監管趨勢下，分布式存儲、多方安全計算等能實現“數據不出本地”“數據可用不可見”的

106、技術正不斷走向落地，推動安全算力融入數字金融服務全流程和金融業務全鏈條。六六、相關公司、相關公司 1、浪潮信息：算力供給龍頭企業引領浪潮信息：算力供給龍頭企業引領 AI 算力新浪潮算力新浪潮 浪潮信息是國內領先的服務器制造企業，浪潮信息是國內領先的服務器制造企業，專注于為客戶提供先進的云計算、大數據、邊緣計算等計算產品和解決方案。算力方面，公司服務器產品體系豐富，競爭優勢明顯。公司通過場景優化設計，形成了一系列豐富的產品線，涵蓋了計算型、存儲型、多節點、關鍵應用、整機柜等各類服務器，支持全場景高效計算。公司收入穩定增長，業務成長性良好。公司收入穩定增長，業務成長性良好。從整體收入來看，公司營業

107、收入從 2018 年 469.41 億元增長到2022 年 695.25 億元，CAGR 約為 10.32%。公司的收入主要來自于服務器及部件，近年來公司的服務器及部件收入占比均高于 95%，2022 年公司服務器及部件營收占比約為 99.17%。2022 年，公司人工智能服務器市占率連續年，公司人工智能服務器市占率連續 3 年全球第一，連續年全球第一，連續 6 年市占率中國第一；年市占率中國第一；2023 年年 Q3 浪浪潮信息居全球服務器份額第二。潮信息居全球服務器份額第二。公司牽頭參與服務器全部國標，是唯一一家同時加入全球三大開放計算組織的服務器供應商。公司是百度、阿里、騰訊等大型企業最

108、主要的 AI 服務器供應商，與科大訊飛保持在系統與應用的深入合作，幫助 AI 客戶在語音、圖像、視頻、搜索、網絡等方面取得數量級的應用性能提升。公司打造最廣泛、多元的算力平臺，推出全新一代 G7 服務器，是目前業界算力支持最廣泛的平臺。公司在 AI 服務器領域具有先發優勢，全棧布局液冷。多年來圍繞智慧計算、數據中心液冷技術持續加大研發投入，目前全系列服務器均支持冷板式液冷，實現全算力業務場景覆蓋。浪潮信息服務器性能突出。浪潮信息服務器性能突出。公司 AI 服務器 2022 年在全球權威 AI 性能評測競賽 MLPerf 中獲得 49 個冠軍，以全面領先的 AI 訓練、推理性能表現，為 AI 研

109、發和應用提供強勁動力，其 AI 服務器產品已經應用在全球領先的互聯網巨頭企業以及 AI+Science、AI+Graphics、AIGC 等領域的領先科技公司，成為全球 AI 服務器的最大供應商。40/43 2024 年年 2月月 26 日日 行業行業|深度深度|研究報告研究報告 浪潮信息英信服務器 NF5688M6 是浪潮信息為超大規模數據中心研發的同時擁有高性能，高兼容，強擴展的新一代 NVLink AI 服務器，率先在 6U 空間內支持 2 顆 Intel 最新的 Ice Lake CPU 和 8 顆NVIDIA 最新的 NVSwitch 全互聯 500WAmpere 架構 GPU，采用

110、業界先進的 NVIDIA NVLink 互聯架構，數據中心液冷整機柜服務器 ORS3000S 基于全新一代英特爾至強第三代可擴展處理器打造，單CPU最高擁有 40 個內核及 80線程，最大支持 TDP 270W CPU、最高睿頻 3.6GHz、3 組 11.2GT/sUPI互連鏈路，使服務器擁有更高處理性能同時兼容標準機架式服務器和整機柜服務器，整合網絡、計算、存儲等功能，滿足不同用戶的多種需求。2、中科曙光：持續發力高端服務器市場中科曙光：持續發力高端服務器市場 中科曙光是國中科曙光是國內領先的高端服務器生產商。內領先的高端服務器生產商。公司高端服務器產品全棧自研，擁有大規模部署實踐；不斷開

111、拓算力服務業務，通過全國一體化算力服務平臺加速海量復雜行業應用創新與落地，為國內多個大模型提供算力支持。公司持續提升技術創新能力和研發水平，在部件性能管理、產品穩定性、高速互聯等方面持續提高產品性能，全面升級服務器的可擴展能力、可管理能力，增強產品的核心競爭優勢，經營業績穩步提升。2022 年，公司利潤端持續高增。公司營業收入 130.08億元，同比增長 15.44%，歸母凈利潤 15.44 億元，同比增長 31.27%。各業務營收占比基本保持穩定，盈利質量持續提升。公司高端計算機產品包括機架式服務器、高密度服務器、刀片服務器、超融合一體機產品等，能面向多種應用場景，兼顧性能、能效、應用生態，

112、具有領先的計算密度和節能性。公司的高端服務器產品也涵蓋浸沒液冷、冷板液冷等產品形態，具有節能高效、安全穩定、高度集成等特點。智能計算天闊服務器X785-G30：采用 Intel 最新一代的 Xeon Scalable 系列處理器，可支持更多 CPU 核心，最高支持DDR42933 內存，極大地提高了系統性能，處理器集成 6 通道內存控制器，支持最高 2933MHz 的DDR4 內存。單顆 CPU 最高可提供 28 核心計算能力，采用全新的 UPICPU 總線互聯技術，總線頻率高達 10.4GT/s，計算能力大幅提升。曙光超融合整體解決方案采用微服務架構，將服務器資源統一整合?；诟咝Э煽康姆?/p>

113、器實現一體化的系統交付。41/43 2024 年年 2月月 26 日日 行業行業|深度深度|研究報告研究報告 3、神州數碼：智算神州鯤泰領航，迎接神州數碼：智算神州鯤泰領航，迎接 AI 時代算力挑戰時代算力挑戰 神州數碼是是國內 IT 分銷領軍廠商，具有領先的服務器生產制造優勢及行業解決方案實踐經驗。公司擁有豐富的信創產品結構，為用戶提供完善的算力形態。公司持續加速人工智能算力等領域的布局和實踐，加強與算力相關的硬件產品、服務研發，幫助各行各業構建高性能、高安全性的算力底座，為增加算力供應提供支持。2022 年，公司實現營業收入 1158.80 億元，同比下降 5.32%；云計算及數字化轉型業

114、務實現營業收入50.23 億元，同比增長 29.3%；公司主營業務包括 IT 分銷及增值服務業務、云計算和數字化轉型業務、自主品牌。公司緊抓國內信創快速發展機遇，持續打造自主品牌“神州鯤泰”系列產品，2022 年自主品牌業務營業收入 25.70 億元，同比增長 55.75%。公司持續發力服務器自主研發，公司持續發力服務器自主研發，打造貫穿服務器、中間件、通用解決方案乃至全面算力平臺的國產化產品，形成覆蓋 ARM 服務器、網絡、終端、一體機的產品體系，實現“核心技術自主創新、核心產品自主研發、核心業務自主可控”，為云計算、大數據服務能力提供算力支撐，加強多種算力的統一調度，提高算力基礎設施的資源

115、利用率。神州鯤泰系列服務器持續為各行業數字化轉型提供堅實算力底座。神州鯤泰系列服務器持續為各行業數字化轉型提供堅實算力底座?；谌A為鯤鵬+昇騰產業生態，神州數碼信創業務打造神州鯤泰系列入門型、均衡型、高性能型、AI 計算型等多種類服務器。神州鯤泰KunTai R722 服務器算力表現卓越，可滿足構建算力網絡、算網基礎設施建設、一體化算網融合等業務需求。鯤鵬 920+昇騰 910 處理器的神州鯤泰新一代中心訓練服務器可廣泛應用于深度學習、模型開發和 AI 訓練服務場景。4、拓維信息：算力拓維信息：算力+算法算法+數據三位一體全面布局數據三位一體全面布局 42/43 2024 年年 2月月 26

116、日日 行業行業|深度深度|研究報告研究報告 拓維信息是中國領先的國產軟硬一體產品及服務提供商。拓維信息是中國領先的國產軟硬一體產品及服務提供商。公司多年來錨定軟件服務、智能計算、開源鴻蒙操作系統等領域精準發力，積累了海量的算法模型和行業數據，不斷筑牢算力、算法、數據三位一體的 AI 差異化競爭力，同時打造國產計算產品品牌“兆瀚”，依托“鯤鵬+昇騰”協同優勢，靈活向通用算力及 Al 算力場景擴展，滿足各行業、各新技術發展下對多樣性算力的需求。拓維信息同時布局鴻蒙生態和智能計算。拓維信息同時布局鴻蒙生態和智能計算。公司在發展通用計算產品業務的同時，搶抓人工智能發展機遇，不斷加大 AI 計算硬件產品

117、研發布局與市場開拓。公司基于“鯤鵬處理器+昇騰 AI”國產技術底座，已形成較為完善的自主品牌“兆瀚”智能計算產品體系。2022 年，公司旗下湘江鯤鵬獲評華為“昇騰最佳實踐伙伴”；兆瀚 RH220T 服務器在服務器性能測試排名中位列鯤鵬廠商第一；2023 年，公司自主品牌“兆瀚”創新發布了兆瀚 RA2311-C推理服務器、兆瀚 RA5900-B 訓練服務器等昇騰 AI 產品，目前公司正基于昇騰 AI 底座自研行業專用服務器、AI 模組、AI 小站等差異化 AI 產品矩陣。公司不斷深化場景應用，賦能各行業算力發展。公司不斷深化場景應用，賦能各行業算力發展。公司順應自主創新國家戰略，精準卡位多個“東

118、數西算”國家級算力樞紐節點，持續為黨政、國資企業及重點行業客戶提供國產智能計算產品服務；深度參與北京聯通 AI 算力平臺建設等項目；中標京東 2023 年國產化 AI 服務器采購項目，AI 服務器產品進入多家頭部互聯網企業開展測試；為茅臺雙龍智慧物流園項目提供鯤鵬服務器，全面賦能千行百業數字化轉型升級。5、紫光股仹：深度布局算力網絡、智算中心解決方案紫光股仹：深度布局算力網絡、智算中心解決方案 紫光股份是全球新一代云計算基礎設施建設和行業智慧應用服務的領先者，提供技術領先的網絡、計算、存儲、云計算、安全和智能終端等全棧 ICT基礎設施及服務。作為數字化解決方案領導者，公司在算力網絡、隱私計算、

119、智算中心等前瞻技術方面加強布局并取得重大突破。在算力網絡方面，基于對算力評估標準、分布式算網大腦、網絡控制器、云管平臺及網絡設備聯動的研究，深度布局轉控分離的未來算力網絡解決方案。在隱私計算方面，推出隱私計算一體機和隱私計算云，針對金融、政務等特定場景提供算力增強的數據合規共享方案。在智算中心方面，研究布局具備更快數據讀取速度和更強訓練效率的智算中心解決方案。同時，公司不斷將創新技術融入到數字基礎設施產品與服務中，推進公司各產品線全面升級。根據 IDC、Gartner、計世資訊的相關統計數據，2020 年-2022 年，公司在中國 X86 服務器43/43 2024 年年 2月月 26 日日行

120、業行業|深度深度|研究報告研究報告 市場份額分別為 15.4%、17.4%、18.0%，保持市場份額第二；在中國存儲市場份額分別為 11.4%、12.6%、12.5%，保持市場份額第二；在中國安全硬件市場份額分別為 9.4%、9.0%、9.3%，保持市場份額第二。七、參考研報七、參考研報 1.首創證券-計算機行業深度報告：AI 崛起，算力先行2.中信證券-科技行業產業 2024 算力投資策略：多模態推動技術迭代，國產化助力產業成長3.方正證券-計算機行業深度報告：算力服務，從“東數西算”到“東推西訓”4.東興證券-云計算行業 2024年投資展望：供需向上，算力網絡為云計算打開新模式5.畢馬威-計算機行業：“普慧”算力開啟新計算時代6.招商證券-計算機行業 2024年度投資策略：數據驅動增量價值，靜候百花齊放7.中泰證券-AI 行業算力系列之一：服務器/整機，再踏層峰辟新天，擁抱算力新機遇免責聲明：以上內容僅供學習交流，不構成投資建議。