《計算機行業：需求底部趨勢起點-240605（37頁）.pdf》由會員分享，可在線閱讀，更多相關《計算機行業：需求底部趨勢起點-240605（37頁）.pdf（37頁珍藏版）》請在三個皮匠報告上搜索。

1、 免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。1 證券研究報告 科技科技 計算機：計算機：需求底部需求底部，趨勢起點，趨勢起點 華泰研究華泰研究 計算機計算機 增持增持 (維持維持)計算機應用計算機應用 增持增持 (維持維持)研究員 謝春生謝春生 SAC No.S0570519080006 SFC No.BQZ938 +(86)21 2987 2036 研究員 郭雅麗郭雅麗 SAC No.S0570515060003 SFC No.BQB164 +(86)10 5679 3965 研究員 范昳蕊范昳蕊 SAC No.S0570521060004 +(86)21 2897 222

2、8 研究員 彭鋼彭鋼 SAC No.S0570523090001 +(86)21 2897 2228 聯系人 袁澤世，袁澤世，PhD SAC No.S0570122080053 +(86)21 2897 2228 聯系人 林海亮林海亮 SAC No.S0570122060076 +(86)21 2897 2228 聯系人 岳鉑雄岳鉑雄 SAC No.S0570122080138 +(86)21 2897 2228 行業走勢圖行業走勢圖 資料來源：Wind，華泰研究 重點推薦重點推薦 股票名稱股票名稱 股票代碼股票代碼 目標價目標價 (當地幣種當地幣種)投資評級投資評級 金山辦公 688111

3、CH 354.50 買入 用友網絡 600588 CH 16.03 買入 泛微網絡 603039 CH 41.97 買入 寶信軟件 600845 CH 52.60 買入 中控技術 688777 CH 61.05 買入 中望軟件 688083 CH 125.85 買入 網宿科技 300017 CH 12.08 買入 柏楚電子 688188 CH 373.62 買入 資料來源：華泰研究預測 2024 年 6 月 05 日中國內地 中期策略中期策略 計算機行業：需求底部計算機行業：需求底部，趨勢起點，趨勢起點 24H2 建議關注計算機行業需求復蘇與 AI、信創兩大產業趨勢。從需求層面來看，我們認為，

4、當前國內通用應用與垂直應用的下游需求或已見底，企業IT 支出有望回暖，同時受益于出海景氣度提升，海外需求正逐步興起。從產業趨勢看，24H2 建議關注 AI 與信創兩大產業的潛在變化。AI 產業：全球推理算力需求釋放加速，后續需求仍具有較好的持續性，建議關注算力產業鏈相關公司的業績釋放，同時 AI 終端或是下半年的落地重點。信創產業：國家層面對于信創的政策扶持力度不斷加碼，我們認為隨著信創從黨政向行業市場拓展，24 年有望開啟新一輪上行周期，24H2 信創推進節奏或加快。需求趨勢：國內需求或見底需求趨勢：國內需求或見底，出海需求正起出海需求正起 計算機行業屬于經濟順周期/后周期行業，業績受下游景

5、氣度影響。我們認為，當前國內下游需求或已見底，海外需求正逐步興起。1）國內：2024 下半年國內宏觀經濟有望進一步復蘇，或帶動計算機行業景氣度改善，通用應用領域推薦：金山辦公、用友網絡、泛微網絡等；垂直應用領域推薦寶信軟件、中控技術、中望軟件等工業軟件。2）出海：受益于海外下游需求的釋放，關注持續快速增長的細分方向。其中互聯網基礎設施出海的基礎來自于移動互聯網時代我國豐富的應用場景積累，關注網宿科技；中國制造軟件出?；A來自于我國高端制造產業經驗積累，關注柏楚電子、中控技術等。AIAI 產業趨勢：突破算力瓶頸，應用和終端落地產業趨勢：突破算力瓶頸，應用和終端落地 全球 AI 產業持續推進，24

6、H2 關注算力、模型、應用、終端四大方向。1）算力：24H1 全球推理算力需求釋放持續加速，海外云廠正加速大模型在傳統業務場景的滲透，我們認為推理算力需求有望持續釋放；2）模型：小模型、多模態、長文本、MoE 成為模型迭代熱點，建議關注 OpenAI 后續 GPT-5相關進展；3）應用：24H1 AI 助手朝通用化方向發展（微軟推出 Copilot Agents），Agent 應用發展有望提速，應用廠商工作流卡位或成為關鍵；4）終端：24H1 模型加速與端側操作系統整合，我們認為，AI OS 的落地有望拉動終端 AI 生態加速完善，建議關注 24H2 AIPC、AI Phone 落地情況。國產

7、化趨勢：國產化趨勢：24Q1 收入邊際改善，收入邊際改善，24H2 信創信創推進推進節奏或加快節奏或加快 從 24Q1 信創板塊收入表現情況來看，我們看到板塊多數核心公司收入指標開始回暖。我們統計了 CPU/GPU、OS、PC、辦公軟件等領域核心公司 24Q1的總營收同比變化情況，發現信創核心企業大多實現收入同比正增長。此外，24Q1 以來國家層面對于信創的政策扶持力度也在不斷加碼，陸續發布安全可靠測評結果公告（2024 年第 1 號）等公告，產業積極因素正在不斷累積。復盤歷史來看，2018 年以來信創市場主要經歷 5 輪產業周期，我們認為隨著信創從黨政向行業市場拓展，2024年有望開啟新一輪

8、上行周期，24H2信創推進節奏或加快。風險提示：宏觀經濟波動；技術落地不及預期；本研報中涉及到未上市公司和未覆蓋個股內容，均系對齊客觀公開信息的整理，并不代表本研究團隊對該公司、該股票的推薦或覆蓋。(45)(32)(18)(5)9Jun-23Oct-23Feb-24Jun-24(%)計算機計算機應用滬深300 免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。2 科技科技 正文目錄正文目錄 需求趨勢：國內需求或見底需求趨勢：國內需求或見底&出海需求正起出海需求正起.5 國內需求：或觸底回升.5 出海機遇：需求正起.6 出海關注方向一：互聯網基礎設施出海.6 出海關注方向二：中國制造出

9、海.8 AI 產業趨勢：突破算力瓶頸，產業趨勢：突破算力瓶頸，應用和終端加速落地應用和終端加速落地.10 算力：推理需求加速釋放，大模型加速傳統場景滲透.10 Meta：“三步走”戰略明確，統一推薦系統或將 26 年落地.12 Google：生成式大模型迭代搜索算法，SGE 進展順利.13 影響：模型變化影響算力要求，自用 GPU 需求或將放量.13 模型：全球格局與模型特點基本明晰.15 全球格局：海外技術收斂，國內百花齊放.15 特點#1：大模型與小模型同步發展.17 特點#2：原生多模態逐步成為頭部大模型的標配能力.18 特點#3：上下文作為 LLM 的內存，是實現模型通用化的關鍵.19

10、 特點#4：MoE 是模型從千億到萬億參數的關鍵架構.20 應用：AI Agent 進入新階段，工作流卡位或是競爭重點.21 MaaS 廠商：憑豐富工具&實踐經驗把握發展機遇.22 應用廠商：具備垂直數據與工程化優勢，關注工作流卡位.23 終端：模型融合端側 OS，AI PC、AI Phone 有望提速.24 AI PC：微軟發揮 Windows 卡位，構建 AI PC 生態基座.25 AI Phone：Apple、Google 加速模型在手機端落地探索.26 國產化趨勢：國產化趨勢：24Q1 收入邊際改善，收入邊際改善，24H2 信創進展或加快信創進展或加快.27 24Q1 信創回暖，核心企

11、業收入大多同比改善.27 周期視角來看，24 年信創產業有望邁入加速階段.29 產業推進有望打開廣闊市場空間.30 bUfYeUbZaV9WdXdXbR9R9PoMrRtRmQlOqQsMeRrRsP9PqQxOwMrNoRNZoPoR 免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。3 科技科技 圖表目錄圖表目錄 圖表 1：主流工業軟件產業鏈分布情況.5 圖表 2：中國 CDN 市場結構（2019）.6 圖表 3：中國 CDN 市場結構（2024E）.6 圖表 4：國內 CDN 廠商出海布局.6 圖表 5：CDN 廠商全球節點數（截至 2023 年末）.7 圖表 6：網宿科技：毛

12、利率.7 圖表 7：CDN 廠商的 AI 邏輯.8 圖表 8：歐美廠商軟件 vs 產業發展.8 圖表 9：中國軟件企業出海歷程.9 圖表 10：大語言模型（LLM）演化樹.10 圖表 11：大模型預訓練效果主要由參數量、Token 數量、計算量決定，且滿足“縮放定律”.11 圖表 12：大模型預訓練算力需求.11 圖表 13：“Chinchilla 縮放定律”下不同體量模型預訓練所需算力.11 圖表 14：同等模型參數規模下推理算力需求更大.12 圖表 15：Meta 推薦系統迭代已進入第三階段.12 圖表 16：Google 搜索算法加速迭代，SGE 引入大模型能力.13 圖表 17：大模型

13、推理算力需求測算（以 10 億月活為測算基準）.14 圖表 18：NVIDIA 出貨量與 Meta 需求量對比示意圖.14 圖表 19：Gemini 1.0 Ultra 在部分測評集上超越 GPT-4.15 圖表 20：Claude 3 Opus 在部分測評集上超越 GPT-4.15 圖表 21：Meta 在海外模型廠商中格局的特殊性.16 圖表 22：Top 20 GenAI Web 產品平均月訪問量（截至 24 年 3 月）.16 圖表 23：國內主流大模型格局.16 圖表 24：國內外模型 SuperCLUE 榜單.16 圖表 25：全球主流模型廠商旗艦模型的大參數發展趨勢.17 圖表

14、26：Gemma 的測試結果：超過同參數模型.17 圖表 27：Phi-3 mini 的測試結果：超過更大參數的 Llama 3.17 圖表 28：Gemini 1.0 技術報告中展示的端到端原生多模態架構.18 圖表 29：GPT-4o 實現了端到端的多模態支持.18 圖表 30：GPT-4o 的文生圖能正確保留文字信息.18 圖表 31：全球主流模型廠商的長上下文布局（實線框代表暫未落地，實框代表已經落地）.19 圖表 32：長上下文適配多種場景需求.19 圖表 33：Switch Transformers 論文中的典型 MoE 架構.20 圖表 34：國內外典型 MoE 模型比較.21

15、圖表 35：AI Agent：發展復盤.21 圖表 36：AI Agent：技術框架.22 圖表 37：從自動化到智能化：AI Agent.22 圖表 38：MaaS 廠商：業務布局.23 圖表 39：Servicenow：電信專用 GenAI 解決方案.23 免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。4 科技科技 圖表 40：Einstein GPT：應用場景.24 圖表 41：AI 端側落地需要算力、應用、操作系統三重升級.24 圖表 42：微軟持續推動自研小模型 Phi 升級.25 圖表 43：搭載高通 X Elite、X Plus 的 AI PC 進入密集上市期.25

16、 圖表 44：微軟及 OEM 廠商的 Windows AI PC 梳理.26 圖表 45：24Q1 信創核心企業大多收入回暖.27 圖表 47：兩期安全可靠測評結果對比：CPU.28 圖表 48：兩期安全可靠測評結果對比：OS.28 圖表 49：信創產業周期復盤.29 圖表 50：信創有望進入新一輪上行周期.29 圖表 51：信創市場有望迎來更大成長空間.30 圖表 52：信創各個環節規模一覽（2021 年）.30 圖表 53：信創產業主要參與者一覽.31 圖表 54：提及公司列表.32 圖表 55：重點公司推薦一覽表.33 圖表 56：重點推薦公司最新觀點.33 免責聲明和披露以及分析師聲明

17、是報告的一部分，請務必一起閱讀。5 科技科技 需求趨勢：國內需求需求趨勢：國內需求或或見底見底&出海需求正起出海需求正起 國內需求：或觸底回升國內需求：或觸底回升 計算機行業屬于經濟順周期/后周期行業，我們認為，2024 下半年國內宏觀經濟的進一步復蘇有望帶動計算機行業各細分領域需求迎來向上的拐點。具體來看，包括行業垂直應用與通用應用。建議關注：1）通用應用：主要指企業服務類軟件產品公司，下游行業屬性不明顯，或受益于整體經濟增速改善；2）垂直應用：關注工業信息化領域，包括工業軟件、工控設備、儀器儀表等，下游主要是各類制造業，同樣有望受益于宏觀經濟狀況邊際改善。通用應用：關注企業服務板塊邊際改善

18、。通用應用：關注企業服務板塊邊際改善。過去一年企業服務板塊下游有所波動，我們認為2024 年下半年，下游需求復蘇有望帶動計算機板塊逐步回暖，具體來看，重點關注：1）企業生產經營活動的增長情況：隨著宏觀經濟逐步修復，有望帶動下游企業盈利能力、資本性支出增速的邊際改善，進而推動信息化建設需求逐步恢復；2）AI 在數字化轉型的應用：隨著以大語言模型為代表的 AI 技術迅速發展，AI 在文本類生成類任務中已經展現出較強的能力，長期看有望進一步提升企業的運營效率；3）企業服務交付情況：從軟件供應商角度來看，過去一年受下游資本開支及外部環境影響，中小客戶需求波動較大，大客戶方面整體交付及收入確認進度受到負

19、面影響，隨著企業服務廠商積極提升交付效率，積壓訂單有望逐步確收。推薦：金山辦公、用友網絡、泛微網絡。垂直應用：關注垂直應用：關注工業信息化：產業復蘇工業信息化：產業復蘇+國產化率提升。國產化率提升。產業復蘇的基礎之上，我們認為國內工業軟件滲透率、國產化率有望逐步提升。據工信部數據，截至 2018 年國內工業軟件在生產管理/設計的部分環節滲透率較高，如 ERP 軟件滲透率達 59.2%，CAD/CAE/CAPP 滲透率達 51.0%。PLM、MES、CAM、SCADA 等軟件與企業生產關鍵工藝流程、狀態信息和基礎生產數據息息相關，需要針對企業特點做大量個性化開發，并在隨后實際生產過程中不斷優化，

20、才能發揮更大作用，我們認為未來隨著工業軟件的逐步應用，國產工業軟件滲透率有望加速提升。我們認為，我們認為，我國我國工業工業軟件軟件正在經歷產業變革：正在經歷產業變革：1）在核心底層領域：面臨國產化的需求，國產底層技術在產業格局中重要性或提升。2）基礎架構方面：工業軟件未來有望進入底層架構的軟硬解耦/軟硬分離的階段，工業 IT 基礎架構將會發生重大變化。3）下一代的工業數字化載體：工業互聯網的落地。我們認為，隨著國產工業軟件產品逐步打磨成熟，工業信息化核心環節企業有望率先受益，推薦：寶信軟件、中控技術、中望軟件等。圖表圖表1：主流工業軟件產業鏈分布情況主流工業軟件產業鏈分布情況 資料來源：CSD

21、N、華泰研究 免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。6 科技科技 出海機遇：需求正起出海機遇：需求正起 出海關注方向一：互聯網基礎設施出海出海關注方向一：互聯網基礎設施出海 從應用場景出發，互聯網基礎設施出海具備良好基礎。從應用場景出發，互聯網基礎設施出海具備良好基礎。移動互聯網時代，計算能力從云端向終端推廣，誕生了豐富的應用場景。與集中化的中心計算場景不同，移動互聯網的場景更加分散，且隨著 64 位計算逐步引入智能手機，視頻、手游等數據量較大的場景逐步增加。在與之匹配的互聯網基礎設施中，CDN 是典型的代表。CDN 支持對文字、圖片、動畫、文本等的加速服務，可面向 IP

22、TV、PC、移動設備等多種用戶終端提供內容加速，適用于互聯網、IPTV、OTT 視頻、移動流媒體等業務。據 IDC，中國 CDN 市場主要可分為 OTT 視頻、在線游戲、電商及其他 CDN。我國豐富的應用場景為互聯網基礎設施發展打下了良好的基礎，與之相應的，我國互聯網企業的出海也成為我國互聯網基礎設施出海的重要推動力。圖表圖表2：中國中國 CDN 市場結構市場結構（2019）圖表圖表3：中國中國 CDN 市場結構市場結構（2024E）資料來源：IDC、華經產業研究院、華泰研究 資料來源：IDC、華經產業研究院、華泰研究 從互聯網基礎設施的角度看，我們認為從互聯網基礎設施的角度看，我們認為 CD

23、N 是其中的代表。是其中的代表。CDN 行業的出海體現了我國互聯網基礎設施出海的重要共性特點：1）目標市場：新興市場往往具備較大的市場拓展潛力，競爭格局相對較為分散，具備相對良好的競爭環境；2）競爭優勢：以高性價比和完善服務作為重要切入點，逐步拓展高附加值業務；3）長期機遇：海外新興市場在市場環境、用戶偏好等領域與國內存在一定差異性，拓展海外有助于國內公司進一步豐富視角，及時捕捉需求端的變化，長期看有助于不斷升級完善基礎設施服務。圖表圖表4：國內國內 CDN 廠商出海布局廠商出海布局 資料來源：公司官網、華泰研究 OTT（over-the-top）視頻32%在線游戲29%網絡、電子郵件和數據市

24、場16%電子商務23%OTT（over-the-top）視頻36%在線游戲32%網絡、電子郵件和數據市場9%電子商務23%05001,0001,5002,0002,5003,0003,50020092010201120122013201420152016201720182019202020212022網宿科技海外收入白山云海外收入(百萬元)2018網宿上線洛杉磯、新加坡和日本三大安全清洗中心；上線巴西節點；網宿云計算美國、德國、韓國、新加坡四大節點上線2018白山云開始于美國發展業務2019白山云于新加坡成立附屬公司2022成立獨立品牌EdgeNext，進一步發展海外業務2019新上線紐約、法

25、蘭克福、倫敦等8大清洗中心2017網宿收購韓國CDNW、俄羅斯CDNV網宿科技上線印度、中東節點正式加入國際電信聯盟ITU-T2015網宿設立馬來西亞子公司與韓國SK寬帶建立合作與中東運營商Etisalat達成合作，首次將CDN服務擴展至中東地區2012網宿美國子公司正式成立，海外加速節點增至25個2010首次推出覆蓋全球的12個海外節點2016網宿部署首個非洲節點網宿設立愛爾蘭及印度子公司 免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。7 科技科技 國內頭部廠商節點覆蓋情況良好，為競爭打下良好基礎。國內頭部廠商節點覆蓋情況良好，為競爭打下良好基礎。國內 CDN 廠商在東南亞地區

26、具備良好的節點基礎，構筑了與海外廠商競爭的重要基礎。從節點總體規?？?，據公司官網，截至2023年末，網宿科技具備2800+全球節點資源，其中國內節點2000+，海外節點800+，在馬尼拉、曼谷、新加坡等地設有多個清洗中心，在東南亞具備良好的節點基礎。公司憑借豐富的節點線路資源，覆蓋海外復雜運營商環境，構建快速、穩定、安全的內容分發加速平臺，為與海外廠商的競爭打下了良好的基礎。圖表圖表5：CDN 廠商全球節點數（截至廠商全球節點數（截至 2023 年末）年末）總節點總節點 中國大陸節點中國大陸節點 海外節點海外節點 Akamai 4200-網宿科技 2800 2000 800 白山云 1700-

27、百度智能云 3000 2500 500 華為云 2800 2000 800 騰訊云 2800-阿里云 3200 2300 900 資料來源：公司官網、華泰研究 出海意義：短期有助于盈利能力提升，長期利于貼近客戶需求，率先捕捉客戶需求變化。出海意義：短期有助于盈利能力提升，長期利于貼近客戶需求，率先捕捉客戶需求變化。出海從短期看，有助于國內 CDN 公司向競爭相對緩和、下游流量增長較快、毛利率較高的海外市場滲透，長期看有助于業務的迭代。從 AI 技術演變看，本次的 AI 浪潮從海外首先興起，以 GPT 為代表的大模型推動應用不斷重塑，并且向多模態方向持續演繹，圖像、視頻、音樂等模態的模型持續迭代

28、。海外在模型端的領先或推動應用端首先產生變化，我們認為基礎設施出海有助于貼近客戶需求，率先捕捉應用端的需求變化。一方面，海外新型應用興起或推動應用流量進一步增長，為相關公司的收入增長提供動力，另一方面，隨著新應用的推廣，AI 推理、安全等增值服務需求逐步顯現，或將推動相關公司進一步向更高附加值環節滲透，推薦網宿科技。圖表圖表6：網宿科技：毛利率網宿科技：毛利率 資料來源：Wind、華泰研究 05101520253035401Q212Q213Q214Q211Q222Q223Q224Q221Q232Q233Q234Q231Q24網宿科技毛利率(%)免責聲明和披露以及分析師聲明是報告的一部分，請務必

29、一起閱讀。8 科技科技 圖表圖表7：CDN 廠商的廠商的 AI 邏輯邏輯 資料來源：各公司官網、華泰研究 出海關注方向二：中國制造出海出海關注方向二：中國制造出海 歐美軟件企業出海實質歐美軟件企業出海實質產業輸出。產業輸出。軟件不僅是信息技術的產物，也離不開產業經驗、業務經驗的積累，如在企業管理類軟件中沉淀是企業管理流程經驗，在生產制造軟件中包含了工序工藝、流程管理等核心 Know-how，在仿真類工業軟件中則凝結了物理學、工程學的實踐，而軟件是重要的載體，因此歐美軟件企業逐步全球化實質上是伴隨著歐美產業的全球輸出而進行的。其中較有代表性的為工業軟件、汽車軟件公司，海外軟件龍頭的產品在全球范圍

30、內逐步確立領先地位的過程，與歐美國家電子、航空、汽車等行業全球化布局歷程相伴。圖表圖表8：歐美廠商軟件歐美廠商軟件 vs 產業發展產業發展 資料來源：公司官網、華泰研究 免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。9 科技科技 關注技術創新及高端制造積累。關注技術創新及高端制造積累。在高端制造行業，我國在光伏新能源、新能源汽車產業等領域具有較好的產業積累，隨著國產軟件產品逐步滲透，產業經驗逐步沉淀，未來與之相關的行業應用軟件產品力有望逐步增強，為出海打下良好的基礎。據中控技術 2023 年報，公司 2023 年中標沙特阿美中國鐵建-阿美學院項目、IMI 數字化項目，并落地應用首

31、個“工廠操作系統+工業 APP”大項目、OMC 首臺套和自主網絡安全產品；據柏楚電子 2024 年“提質增效重回報”行動方案，2024 年公司嘗試自建海外營銷能力，品牌在終端用戶端影響力或持續擴大。我們認為隨著高端制造積累及國內軟件公司產品迭代，出海有望為相關公司提供收入增長動力，建議關注：柏楚電子、中控技術等。圖表圖表9：中國軟件企業出海歷程中國軟件企業出海歷程 資料來源：各公司官網、華泰研究 免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。10 科技科技 AI 產業趨勢：突破算力瓶頸，應用和終端產業趨勢：突破算力瓶頸，應用和終端加速加速落地落地 AI 是當前科技領域重要的技術變

32、量之一，我們認為計算機投資需要與 AI 產業趨勢相結合。AI 產業大致可分為算力、模型、應用、終端四大方向。24H2 我們建議關注四大方向的產業變化：1）算力：24H1 全球推理算力需求釋放持續加速，海外云廠商正加速大模型在推薦/廣告/搜索等傳統業務場景的滲透，我們認為推理算力需求有望持續釋放；2）模型：小模型、多模態、長文本、MoE 成為模型迭代熱點，我們認為，模型通用化能力有望持續提升，建議關注 OpenAI 后續 GPT-5 相關進展；3）應用：24H1 AI 助手朝通用化方向發展（微軟推出 Copilot Agents），Agent 應用發展有望提速，應用廠商工作流卡位或成為關鍵；4）

33、終端：24H1 模型加速與端側操作系統整合，我們認為，AI OS 的落地有望拉動終端 AI 生態加速完善，建議關注 24H2 AIPC、AI Phone 落地情況。算力：算力：推理需求推理需求加速釋放，大模型加速傳統場景滲透加速釋放，大模型加速傳統場景滲透 大模型或將向更大參數的方向不斷演化大模型或將向更大參數的方向不斷演化。我們看到從 GPT-1 到 GPT-4 模型、從 PaLM 到Gemini 模型，每一代模型的能力在不斷強化，在各項測試中取得的成績也越來越好。而模型背后的能力來源，我們認為參數和數據集是最重要的兩個變量。從十億規模，到百億、千億、萬億，模型參數量的增加類似人類神經突觸數

34、量的增加，帶來模型感知能力、推理能力、記憶能力的不斷提升。數據集的增加則類似人類學習知識的過程，不斷強化模型對現實世界的理解能力。因此，我們認為下一代模型或仍將延續更大體量參數的路線，演化出更加智能的多模態能力。圖表圖表10：大語言模型（大語言模型（LLM）演化樹）演化樹 資料來源：Harnessing the Power of LLMs in Practice:A Survey on ChatGPT and Beyond，Yang Jingfeng（2023）、華泰研究 大模型預訓練大模型預訓練效果主要由參數量、效果主要由參數量、Token 數量、計算量決定，且滿足“縮放定律”數量、計算量決

35、定，且滿足“縮放定律”。根據OpenAI 在 2020 年發表的論文Scaling Laws for Neural Language Models，在大語言模型訓練的過程中，參數量、Token 數量、計算量對大模型的性能表現有著顯著影響。為了獲得最佳性能，這三個因素必須同時放大。當不受其他兩個因素的制約時，模型性能與每個單獨因素呈冪律關系，即滿足“縮放定律”。免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。11 科技科技 圖表圖表11：大模型預訓練效果主要由參數量、大模型預訓練效果主要由參數量、Token 數量、計算量決定，且滿足“縮放定律”數量、計算量決定，且滿足“縮放定律”資料

36、來源：Scaling Laws for Neural Language Models，OpenAI，2020、華泰研究 OpenAI 認為模型預訓練的計算量可以通過公式認為模型預訓練的計算量可以通過公式 C6NBS 來刻畫來刻畫。根據 OpenAI 在 2020年發表的論文Scaling Laws for Neural Language Models，預訓練一個 Transformer 架構模型所需要的算力（C）主要體現在前向反饋（）和后向反饋（）過程，并主要由三個變量決定：模型參數量（N）、每步訓練消耗的 Token 批量（B）、預訓練需要的迭代次數（S）。其中，B、S 的乘積即為預訓練所消

37、耗的 Token 總數量?；诖?，我們可以通過 C6NBS 來刻畫大模型預訓練所需要的算力大小。圖表圖表12：大模型預訓練算力需求大模型預訓練算力需求 資料來源：Scaling Laws for Neural Language Models，OpenAI，2020、華泰研究 我們預計訓練千億參數模型所需算力在我們預計訓練千億參數模型所需算力在 1 萬萬 PFlop/s-day 以上以上。我們假設不同參數體量的模型均滿足“Chinchilla 縮放定律”，由此測算不同模型所需的最優數據集大小及預訓練所需的算力。以訓練 1000 億參數的大語言模型為例，“Chinchilla 縮放定律”下所需的訓

38、練Token 數量為 2 萬億個。根據 OpenAI 所提出的計算量公式 C=6NBS，可以計算得到，訓練 1000 億參數模型所需的算力約 1.39x104 PFlop/s-day。同理，訓練 5000 億參數模型所需算力約3.47x105 PFlop/s-day，訓練1萬億參數模型所需算力約1.39x106 PFlop/s-day。圖表圖表13：“Chinchilla 縮放定律”縮放定律”下不同體量模型預訓練所需算力下不同體量模型預訓練所需算力 參數量（億個）參數量（億個）Token（億個）（億個）算力需求（算力需求（PFlop/s-day）模型模型 1 500 1.00 x104 3.4

39、7 x103 模型模型 2 1000 2.00 x104 1.39 x104 模型模型 3 3000 6.00 x104 1.25 x105 模型模型 4 5000 1.00 x105 3.47 x105 模型模型 5 10000 2.00 x105 1.39 x106 模型模型 6 20000 4.00 x105 5.56 x106 資料來源：Training Compute-Optimal Large Language Models，DeepMind，2022、華泰研究預測 免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。12 科技科技 推理推理算力算力需求需求釋放持續加速釋放

40、持續加速，云廠商自用算力存在預期差。，云廠商自用算力存在預期差。對比大模型在預訓練、AI 應用、傳統業務三大場景的算力需求（詳細可參考華泰計算機團隊 2024 年 4 月 12 日專題報告 全球 AI 算力需求繼續向上 以及 2024 年 5 月 23 日深度報告 云廠 AI 自用需求或超預期），我們觀察到兩大特征：1）推理）推理訓練：訓練：AI 應用及傳統業務（搜索、廣告、推薦）的推理算力需求量大于訓練階段算力需求量；2）傳統應用）傳統應用AI 原生應用：原生應用：傳統業務場景的用戶規模和應用深度遠高于 AI 應用，因此從當前情況看推理算力需求量更大。從產業趨勢來看，大模型正加速向推薦/搜索

41、/廣告等傳統互聯網業務滲透，我們認為，若大模型實現在傳統業務場景的算法替代，云廠商自用的 AI 推理需求將加速釋放。圖表圖表14：同等模型參數規模下推理算力需求更大同等模型參數規模下推理算力需求更大 注：均以 1,000 億參數的模型為測算基準，參考 2024 年 4 月 12 日專題報告全球 AI 算力需求繼續向上以及 2024 年 5 月 23日深度報告云廠 AI 自用需求或超預期，圓圈內數字為等效 A100 GPU 張數 資料來源：NVIDIA 官網、Meta 官網、Actions Speak Louder than Words:Trillion-Parameter Sequential

42、 Transducers for Generative Recommendations（2024）、華泰研究預測 Meta：“三步走”戰略明確，統一推薦系統或將“三步走”戰略明確，統一推薦系統或將 26 年落地年落地 Meta 重視推薦系統重視推薦系統 AI 升級，戰略布局進入第三階段。升級，戰略布局進入第三階段。根據 Meta 在 Morgan Stanley 2024 Technology,Media&Telecom Conference 的公開采訪紀要，Meta 正改變過去將為每個產品單獨設計推薦模型的做法，轉而構建跨產品線（Reels、Feed、Groups 等）的統一 AI推薦模型。

43、全新的 AI 推薦系統已成為 Meta 2026 年技術路線圖的重要組成部分，預計分為三個階段逐步落地。階段一：階段一：將現有推薦系統由 CPU 推理轉向 GPU 推理，優化推薦系統性能與體驗；階段二：階段二：完成 AI 推薦模型在 Facebook Reels 的功能測試與技術驗證，相較于傳統推薦模型（同樣運行在 GPU 上），新推薦模型下用戶在 Reels 的觀看時長增加約 8-10%；階段三：階段三：為 AI 推薦模型提供更多的學習數據，并將 AI 推薦系統推廣至更多產品，正式完成生成式推薦大模型的跨產品線落地，用統一大模型代替原有的獨立模型。圖表圖表15：Meta 推薦系統迭代已進入第

44、三階段推薦系統迭代已進入第三階段 資料來源：Morgan Stanley 2024 Technology,Media&Telecom Conference、華泰研究 免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。13 科技科技 Google：生成式大模型迭代搜索算法，：生成式大模型迭代搜索算法，SGE 進展順利進展順利 生成式大模型迭代生成式大模型迭代 Google 搜索算法，搜索算法，SGE 塑造全新搜索體驗。塑造全新搜索體驗?；仡?Google 搜索算法迭代歷程，可以看到搜索場景是 AI 應用的重要領域。2001 年起，AI 模型開始逐步滲透搜索場景。2001 年 Googl

45、e 使用機器學習技術為網絡搜索提供拼寫建議；2015 年 Google 推出搜索領域首個深度學習系統 RankBrian，實現用戶意圖的深入理解；2018 年 Google 將神經網絡技術引入搜索場景，幫助理解用戶查詢和頁面概念的模糊表示并完成相關性匹配；2019 年 Google 將 Bert 模型應用于搜索的檢索與排序；2022 年 Google 發布搜索領域多任務統一模型 MUM，MUM 使用 T5 text-to-text 框架，擁有 75 種語言理解能力，可完成多模態信息理解；2023 年 Google 發布生成式搜索體驗（Search Generative Experience，S

46、GE），旨在通過大模型重塑搜索體驗，為用戶提供更精準、更個性、更智能的搜索結果。圖表圖表16：Google 搜索算法加速迭代，搜索算法加速迭代，SGE 引入大模型能力引入大模型能力 資料來源：Googles Algorithm Updates:A Comprehensive Guide to Ranking Factors and Timeline（2024）、Supercharging Search with generative AI（2023）、華泰研究 影響：模型變化影響算力要求，自用影響：模型變化影響算力要求，自用 GPU 需求或將放量需求或將放量 若全面替換大模型推理，若全面替換大

47、模型推理，10 億月活應用的億月活應用的 A100 等效等效 GPU 需求超需求超 52 萬張，遠高于萬張，遠高于 Meta目前推薦場景下目前推薦場景下 4,000 張張 GPU 的算力規模。的算力規模。以 Meta 論文的 GRs 為例，目前測試的生成式推薦模型參數量與GPT-3相近，估算模型參數量 2,000億，訓練數據量為 1,000億Token。按照 10 億月活測算，假設每次用戶訪問會進行 80 次推薦（平均使用時長約 40 分鐘，按每分鐘推薦 2 次估算），每次推薦消耗的 Token 數量為 2,000 個（序列長度為 1,024，單次推薦涉及召回、排序兩次預測）?？紤]到算力基礎設

48、施建設是按照峰值需求確定，因此我們進一步假設峰值 Token 需求為均值的 5 倍，則計算得每月消耗的 Token 數量峰值為 3.1 億，對應推理算力需求 123,457 PFlop/s，對應 A100 等效 GPU 需超 52 萬張。根據 Meta 在 2023 OCP Global Summit 介紹，Meta 目前排名推薦場景/模型訓練場景 AI算力規模分別為 4,000/32,000 個 GPU，推理:訓練約為 1:8。若完成大模型對于底層算法（2023 年 Facebook family 月活用戶 39.8 億億）的全部替換，推薦場景下推理算力需求仍有較大的釋放空間，預計需要 20

49、0 萬張萬張 A100 等效等效 GPU。免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。14 科技科技 圖表圖表17：大大模型推理算力需求測算（以模型推理算力需求測算（以 10 億月活為測算基準）億月活為測算基準）參數假設參數假設 1 參數假設參數假設 2 參數假設參數假設 3 參數假設參數假設 4 參數假設參數假設 5 參數假設參數假設 6 推理算力需求（推理算力需求（PFlop/s）61,728 123,457 185,185 308,642 617,284 925,926 推理 Token 峰值消耗數量（億個）3.1 3.1 3.1 3.1 3.1 3.1 秒均 Token

50、 消耗量（億個）0.62 0.62 0.62 0.62 0.62 0.62 月活用戶數（億）10 10 10 10 10 10 每次訪問推薦次數（次）80 80 80 80 80 80 每次推薦 Token 數量（個）2,000 2,000 2,000 2,000 2,000 2,000 峰值倍數 5 5 5 5 5 5 模型參數量（億個）1,000 2,000 3,000 5,000 10,000 15,000 30 天推理算力需求（天推理算力需求（PFlop/s-day）1,851,852 3,703,704 5,555,556 9,259,259 18,518,519 27,777,77

51、8 推理推理 GPU 需求（張）需求（張）263,797 527,593 791,390 1,318,983 2,637,966 3,956,948 資料來源：Meta 官網、Actions Speak Louder than Words:Trillion-Parameter Sequential Transducers for Generative Recommendations（2024）、華泰研究預測 自用推理算力需求或超預期自用推理算力需求或超預期。FY2024 NVIDIA（英偉達）數據中心業務營收為 475 億美元，剔除 Mellanox 業務收入后，數據中心業務約為 389 億美

52、元，按照 A100 單價 2 萬美元估算，FY2024 等效 A100 出貨量約為 200 萬張。根據英偉達電話會，當前推理需求約占數據中心的 40%。根據上文測算，僅 Meta 的全部社交 APP（按 Facebook family 月活用戶 39.8 億測算）全面替換大模型作為底層算法，有望帶來200萬張等效A100增量需求，基本與NVIDIA FY24 全年出貨量相當。我們認為，云廠自用算力需求有望超預期釋放。圖表圖表18：NVIDIA 出貨量與出貨量與 Meta 需求量對比示意圖需求量對比示意圖 資料來源：NVIDIA 官網、Meta 官網、華泰研究測算 相關產業鏈公司梳理相關產業鏈公

53、司梳理 1）海外算力產業鏈：）海外算力產業鏈：包括光模塊（中際旭創、天孚通信、新易盛）、AI 服務器（工業富聯、浪潮信息）；2）國產算力產業鏈：）國產算力產業鏈：包括海光信息、寒武紀、神州數碼等。免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。15 科技科技 模型：全球格局與模型特點基本明晰模型：全球格局與模型特點基本明晰 全球格局：海外技術收斂，國內百花齊放全球格局：海外技術收斂，國內百花齊放 海外閉源大模型已經形成海外閉源大模型已經形成 OpenAI 為首，為首，Google、Anthropic 等等緊隨的格局。緊隨的格局。閉源模型中，雖然 Google Gemini 和 An

54、thropic 分別于 24 年 2 月和 3 月更新了 1.5 Pro（Gemini 1.0 是在 23 年 12 月）和 Claude 3，在上下文長度、數學、編碼、專業領域等能力測評上超過了GPT-4，但是考慮到：1）GPT-4 和 4 Turbo 實質上為 23 年 3 月 GPT-4 系列的迭代，比Gemini 和 Claude 3 早推出近一年；2）ChatGPT 對多模態、App 語音交互、工具調用（聯網、高級數據分析）、智能體（GPTs）等能力進行了有機整合；3）截至 24 年 5 月根據 UC伯克利大學 Chatbot Arena 的榜單（該榜單為用戶盲測模型評價的結果，較為

55、客觀），GPT-4系列的用戶體驗仍是頭部頂尖水平；4）GPT-5 已在訓練中；5）GPT-4o 的端到端能力再次提升。因此，我們認為，OpenAI 的技術仍處于暫時領先。圖表圖表19：Gemini 1.0 Ultra 在部分測評集上超越在部分測評集上超越 GPT-4 圖表圖表20：Claude 3 Opus 在部分測評集上超越在部分測評集上超越 GPT-4 資料來源：Gemini 1.0 技術報告、華泰研究 資料來源：Claude 3 技術報告、華泰研究 Meta 的的 Llama 系列作為開源模型，具有格局上的特殊性和分界性。系列作為開源模型，具有格局上的特殊性和分界性。海外模型廠商如果在模

56、型性能上無法超越同代的開源 Llama 模型（據 Meta 官網 4 月 18 日信息，Llama 3 的 8B和 70B 先行版小模型已經發布，最大的 400B 參數正在訓練），則很難在海外基礎模型中占據一席之地，除非模型具有差異化應用場景，典型的如陪伴類應用 Character.ai。此外，除了頭部大參數模型，能夠超過同代 Llama 的較小參數或者有獨特使用體驗的模型，也會得到用戶青睞，典型的如：1）馬斯克旗下 xAI 的 Grok-1（已開源）、Grok-1.5（未開源），能夠獨家使用 X 平臺上的數據，較好的響應用戶實時信息查詢需求；2）法國大模型初創公司Mistral，開源了 Mi

57、stral 7B、Mixtral 8x7B-MoE 小模型，適配算力受限的端側等平臺，隨后又轉入閉源模型，更新了性能更強的 Mistral-medium 和 large，并與微軟合作，在 Azure上為用戶提供 API。免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。16 科技科技 圖表圖表21：Meta 在海外模型廠商中格局的特殊性在海外模型廠商中格局的特殊性 圖表圖表22：Top 20 GenAI Web 產品平均月訪問量（截至產品平均月訪問量（截至 24 年年 3 月）月）資料來源：各公司官網、華泰研究 資料來源：a16z、華泰研究 國內模型百花齊放，互聯網大廠、初創公司、科

58、技企業均有代表性模型產品。國內模型百花齊放，互聯網大廠、初創公司、科技企業均有代表性模型產品。國內模型技術辨識度不高，據 SuperCLUE 測評結果榜單，頭部的國內模型在得分上相差并不顯著。在國內主流的模型中，互聯網廠商和科技企業在大模型上起步較早，如百度在 GPT-4 發布的后一天即 23 年 3 月 15 日發布文心一言，23 年 3 月 29 日 360 智腦 1.0 發布，23 年 4 月阿里發布通義千問，23 年 5 月 6 日訊飛星火 1.0 發布。進入 24 年，初創公司的大模型產品得到了更廣泛的關注，例如 24 年 3 月月之暗面更新 Kimi 智能助手 200 萬字的上下文

59、支持能力，直接帶動了百度、360 等廠商對長上下文的適配。同月，階躍星辰 STEP 模型發布，其 STEP 2 宣稱為萬億參數 MoE 模型，直接對標 GPT-4 的參數（一般認為是 1.8 T 參數的MoE），在大多數國內模型以千億參數為主的環境下，將參數量率先提升到萬億級別。4 月，MiniMax 也發布了萬億參數 MoE 架構的 abab 6.5。圖表圖表23：國內主流大模型格局國內主流大模型格局 圖表圖表24：國內外模型國內外模型 SuperCLUE 榜單榜單 注：綠色為互聯網廠商，黃色為初創公司，灰色為科技公司 資料來源：各公司官網、華泰研究 注：截至 2024 年 4 月 資料來源

60、：CLUE 官網、華泰研究 免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。17 科技科技 特點特點#1：大模型與小模型同步發展：大模型與小模型同步發展 我們認為，全球頭部閉源模型的參數目前呈現的規律是：跨代際更新，模型參數進一步加我們認為，全球頭部閉源模型的參數目前呈現的規律是：跨代際更新，模型參數進一步加大；同大；同代際更新，隨著模型技術架構優化和軟硬件資源協同能力提高，在模型代際更新，隨著模型技術架構優化和軟硬件資源協同能力提高，在模型性能不降的性能不降的情況下，參數或做的更小。情況下，參數或做的更小。Google 和 OpenAI 的最新模型都呈現了這個趨勢。24 年 5

61、月13 日，OpenAI 發布了 GPT-4o 模型，在多模態端到端的架構基礎上，實現了更快的推理速度，以及相比于 GPT-4 Turbo 50%的成本下降，我們推測其模型參數或在下降。5 月 14日 Google 發布了 Gemini 1.5 Flash，官方明確指出 Flash 是在 Pro 的基礎上，通過在線蒸餾的方式得到，即 Flash 的參數小于 Pro。圖表圖表25：全球主流模型廠商旗艦模型的大參數發展趨勢全球主流模型廠商旗艦模型的大參數發展趨勢 資料來源：各公司官網、華泰研究 大參數并不是唯一選擇，小參數模型更好適配了終端算力受限的場景。大參數并不是唯一選擇，小參數模型更好適配了

62、終端算力受限的場景。Google 的 Gemini系列是典型代表，其最小的 Nano 包括 1.8B 和 3.25B 兩個版本，并且已經在其 Pixel 8 Pro和三星 Galaxy S24 上實現部署，取得了不錯的終端 AI 效果。此外，Google 在 24 年 2 月開源了輕量級、高性能 Gemma（2B 和 7B 兩種參數版本），與 Gemini 模型技術同源，支持商用。同時 Google 指出，預訓練和指令調整的 Gemma 模型可以在筆記本電腦、工作站、物聯網、移動設備或 Google Cloud 上運行。微軟同樣在 23 年 11 月的 Ignite 大會上提出了SLM（小語言

63、模型）路線，并將旗下的 Phi 模型升級到 Phi-2，參數大小僅 2.7B，性能超過7B 參數的 Llama 2。24 年 4 月 Phi-3 發布，最小參數僅 3.8B，其性能超過參數量大其兩倍的模型，5 月微軟 Build 大會上，Phi-3 系列參數為 7B 和 14B 的模型發布。圖表圖表26：Gemma 的測試結果：超過同參數模型的測試結果：超過同參數模型 圖表圖表27：Phi-3 mini 的測試結果：超過更大參數的的測試結果：超過更大參數的 Llama 3 資料來源：Google 官網、華泰研究 資料來源：微軟官網、華泰研究 免責聲明和披露以及分析師聲明是報告的一部分，請務必一

64、起閱讀。18 科技科技 特點特點#2：原生多模態逐步成為頭部大模型的標配能力：原生多模態逐步成為頭部大模型的標配能力 Gemini 模型問世后，端到端原生多模態能力成為頭部模型廠商的“標配”能力。模型問世后，端到端原生多模態能力成為頭部模型廠商的“標配”能力。2023 年5 月的 I/O 大會上，Google 宣布了下一代模型 Gemini，但未透露細節。12 月，Gemini 1.0模型發布，配備了 Ultra/Pro/Nano 三種參數大小依次遞減的型號。Gemini 同樣支持文本、圖像、視頻、音頻等多模態，但是其范式和 OpenAI 的 ChatGPT 有很大區別：ChatGPT屬于多種

65、不同模型的集合，每個模型負責不同的模態，結果可以串聯；而屬于多種不同模型的集合，每個模型負責不同的模態，結果可以串聯；而 Gemini 具備端具備端到端的原生多模態能力，到端的原生多模態能力，Gemini 模型自身可以處理全部支持的模態模型自身可以處理全部支持的模態。據 The Decoder 信息，23 年 OpenAI 內部已經在考慮一種代號為“Gobi”的新模型，該模型同樣從一開始就被設計為原生多模態。我們認為，這種端到端的原生多模態范式將成為未來頭部大模型廠商實現多模態的主流范式。圖表圖表28：Gemini 1.0 技術報告中展示的端技術報告中展示的端到端原生多模態架構到端原生多模態架

66、構 資料來源：Gemini 1.0 技術報告、華泰研究 GPT-4o 在在 GPT-5 發布之前實現了端到端的多模態支持，驗證了原生多模態的技術趨勢。發布之前實現了端到端的多模態支持，驗證了原生多模態的技術趨勢。24 年 5 月 14 日 Google I/O 大會前夕，OpenAI 發布了新版模型 GPT-4o（omni），棄用了之前 ChatGPT 拼接 GPT-4V、Whisper、DALL-E 的非端到端模式，統一了文本、圖像、音頻和視頻模態，以端到端的方式，實現了輸入文本、圖像、音頻和視頻，輸出文本、圖像和音頻，追上了 Google Gemini 的原生多模態進度，并且模態支持更加全

67、面（4o 支持音頻輸出，Gemini 不支持）。4o 在文本、圖像、音頻等各項指標上均超越了同等級現有模型。圖表圖表29：GPT-4o 實現了端到端的多模態支持實現了端到端的多模態支持 圖表圖表30：GPT-4o 的文生圖能正確保留文字信息的文生圖能正確保留文字信息 資料來源：OpenAI 官網、華泰研究 資料來源：OpenAI 官網、華泰研究 免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。19 科技科技 特點特點#3：上下文作為：上下文作為 LLM 的內存，是實現模型通用化的關鍵的內存，是實現模型通用化的關鍵 國外國外 LLM 廠商較早實現長上下文，國內廠商通過長上下文找到差異

68、化競爭優勢。廠商較早實現長上下文，國內廠商通過長上下文找到差異化競爭優勢。國外較早實現長上下文的廠商是 Anthropic，旗下 Claude模型在 23年 11月，將支持的上下文從 100K tokens 提升到 200K，同時期的 GPT-4 維持在 128K。24 年 2 月，Google 更新 Gemini 到1.5 Pro 版本，將上下文長度擴展到 1M（5 月更新中擴展到 2M），并在內部實現了 10M，是目前已知最大上下文長度。國內方面，23 年 10 月由月之暗面發布的 Kimi 智能助手（原名 Kimi Chat），率先提供 20 萬字的長上下文，并在 24 年以來迎來了用戶

69、訪問量的大幅提升。24 年 3 月，阿里通義千問和 Kimi 先后宣布支持 1000 萬字和 200 萬字上下文，引發國內百度文心一言、360 智腦等廠商紛紛跟進長上下文能力迭代。我們認為，國內 LLM 廠商以長上下文為契機，尋找到了細分領域差異化的競爭路線，或有助于指導后續的模型迭代。圖表圖表31：全球主流模型廠商的長上下文布局（實線框代表暫未落地，實框代表已經落地）全球主流模型廠商的長上下文布局（實線框代表暫未落地，實框代表已經落地）資料來源：各公司官網、華泰研究 長上下文長上下文能很好的適配虛擬角色、開發者、能很好的適配虛擬角色、開發者、AI Agent、垂類場景等需求。、垂類場景等需求

70、。1）虛擬角色）虛擬角色 Chatbot：長文本能力幫助虛擬角色記住更多的重要用戶信息，提高使用體驗。2）開發者：）開發者：基于大模型開發劇本殺等游戲或應用時，需要將數萬字甚至超過十萬字的劇情設定以及游戲規則作為 prompt 輸入，對長上下文能力有著剛性需求。3）AI Agent：Agent 智能體運行需要自主進行多輪規劃和決策，且每步行動都可能需要參考歷史記憶信息才能完成。因此，短上下文會導致長流程中的信息遺忘，長上下文是 Agent 效果的重要保障。4）垂直場景客戶需）垂直場景客戶需求：求：對于律師、分析師、咨詢師等專業用戶群體，有較多長文本內容分析需求，模型長上下文能力是關鍵。圖表圖表

71、32：長上下文適配多種場景需求長上下文適配多種場景需求 資料來源：月之暗面官網、華泰研究 免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。20 科技科技 特點特點#4：MoE 是模型從千億到萬億參數的關鍵架構是模型從千億到萬億參數的關鍵架構 MoE 架構有利于預訓練和推理效率的提升，方便架構有利于預訓練和推理效率的提升，方便模型模型 scale up 到更大的參數。到更大的參數。據 Hugging Face 信息，在有限的計算資源預算下，用更少的訓練步數訓練一個更大的模型，往往比用更多的步數訓練一個較小的模型效果更佳。MoE 的一個顯著優勢是它們能夠在遠少于稠密模型所需的計算資源下

72、進行有效的預訓練，當計算資源有限時，MoE 可以顯著擴大模型或數據集的規模，更快地達到稠密模型相同的質量水平。MoE 的引入使得訓練具有數千億甚至萬億參數的模型成為可能。MoE 特點在于：特點在于：1）與稠密模型相比，預訓練速度更快；2）與具有相同參數數量的模型相比，具有更快的推理速度（因為只需要調用部分參數）；3）需要大量顯存，因為所有專家系統都需要加載到內存中，而 MoE 架構的模型參數可達到上萬億；4）MoE 進行指令調優具有很大的潛力，方便做 Chatbot 類應用。圖表圖表33：Switch Transformers 論文中的典型論文中的典型 MoE 架構架構 資料來源：Switch

73、 Transformers:Scaling to Trillion Parameter Models with Simple and Efficient Sparsity，Google（2021）、華泰研究 Google 是是 MoE 架構的早期探索者之一，架構的早期探索者之一，OpenAI 實現了實現了 MoE 的商業化落地。的商業化落地。MoE 的理念起源于 1991 年的論文Adaptive Mixture of Local Experts。在 ChatGPT 問世之前，Google 已經有了較深入的 MoE 研究，典型代表是 20 年的 Gshard 和 21 年的開源 1.6 萬億S

74、witch-Transformer 模型。23 年 3 月 GPT-4 問世，OpenAI 繼續走了閉源路線，沒有公布模型參數，但 GPT-4 采用 MoE 架構，已實現 MoE 的商業化落地。Mistral 引發引發 MoE 關注，關注，Google 掀起掀起 MoE 浪潮，國內廠商跟隨發布浪潮，國內廠商跟隨發布 MoE 模型模型。23 年 12月，Mistral 開源 Mixtral-8x7B-MoE，以近 47 億的參數在多項測評基準上達到或超過 1750億參數的 GPT-3.5 水平，引發了全球開發者對 MoE 架構的再次關注。24 年 2 月，Google將其最先進模型系列 Gemi

75、ni 更新到 1.5 Pro，并指出架構上從稠密架構切換到 MoE 架構，實現了 1.5 Pro 模型性能的大幅提升，核心能力超過 Gemini 1.0 Ultra。國內外模型廠商隨即跟進發布 MoE 相關模型，包括 xAI 開源的 Grok-1（23 年 10 月已實現 MoE，24 年開源）、MiniMax abab6、Databricks DBRX、AI21 Jamba、阿里 Qwen-1.5 MoE、昆侖萬維天工3.0、階躍星辰 STEP 2、商湯日日新 5.0 等。免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。21 科技科技 圖表圖表34：國內外典型國內外典型 MoE

76、模型比較模型比較 序號序號 公司名稱公司名稱 模型名稱模型名稱 MoE 參數等信息參數等信息 1 OpenAI GPT-4 1.8T，16 個專家，每個 token 激活 2 個專家 2 Mistral AI Mixtral 8x7B 46.7B，8 個專家，每個 token 激活 2 個專家 3 Google Gemini 1.5 Pro 官方未透露 4 xAI Grok-1 314B，8 個專家，每個 token 激活 2 個專家 5 Databricks DBRX 132B，16 個專家，每個 token 激活 4 個專家 6 AI21 Jamba 52B，16 個專家，每個 token

77、 激活 4 個專家 7 MiniMax abab 6.5 萬億參數 8 阿里阿里 Qwen-1.5 MoE 14.3B，64 個專家，每個 token 激活 4 個專家 9 昆侖萬維昆侖萬維 天工天工 3.0 4000 億參數 10 階躍星辰階躍星辰 Step 2 萬億參數 11 商湯商湯 日日新日日新 5.0 6000 億參數 12 騰訊騰訊 混元混元 萬億參數 資料來源：各公司官網、華泰研究 應用應用：AI Agent 進入新階段，進入新階段，工作流卡位或是競爭重點工作流卡位或是競爭重點 LLM 推動推動 AI Agent 進入新階段。進入新階段。AI Agent 發展經歷五大階段：1）符

78、號）符號 Agent：采用邏輯規則和符號表示來封裝知識并促進推理過程，典型代表為基于知識的專家系統；2）反應）反應Agent：主要關注 Agent 與其環境之間的交互，強調快速和實時響應，設計時優先考慮直接的輸入輸出映射；3）基于強化學習的）基于強化學習的 Agent：主要關注如何使 Agent 通過與環境的互動進行學習，典型代表如 AlphaGo；4）具有遷移學習和元學習的）具有遷移學習和元學習的 Agent：引入遷移學習實現不同任務之間的知識共享和遷移，通過元學習使 Agent 了解如何學習；5）基于大型語言?；诖笮驼Z言模型（型（LLM）的）的 Agent：將 LLM 作為大腦的主要組成

79、部分或 Agent 的控制器，并通過多模態感知和工具利用等策略擴展其感知和行動空間，通過思維鏈（CoT）和問題分解等技術使Agent 獲得與符號代理相當的推理及規劃能力，并且可以通過從反饋中學習和執行新的行動，獲得與環境的互動能力。圖表圖表35：AI Agent：發展復盤發展復盤 資料來源：The Rise and Potential of Large Language Model Based Agents:A Survey，Zhiheng Xi（2023）、華泰研究 從輸入到輸出，從輸入到輸出，AI Agent 技術技術框架基本確立?？蚣芑敬_立。當前對 AI Agent 整體框架的設計基本

80、上可以分為感知、定義、記憶、規劃、行動五類模塊，其中感知模塊主要處理各類輸入，解決智能體與環境交互的問題；定義模塊包含了 Agent 的屬性、目標等信息；記憶模塊包括短期記憶及長期記憶，用于面對復雜任務時提供歷史策略等；規劃模塊包括任務的分解、反思、推理推斷、策略制定等，是 Agent 的大腦；行動模塊包括以文字、具身行動、工具指令等多種形式輸出結果。我們認為，AI Agent 的技術框架與此前智能語音助手的技術框架在模塊設置上存在一定相似性。免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。22 科技科技 圖表圖表36：AI Agent：技術框架：技術框架 資料來源：arXiv、華

81、泰研究 LLM Agent 自主化、智能性仍存在提升空間。自主化、智能性仍存在提升空間。從 LLM Agent 的實踐看，當前的 LLM Agent對于執行特定領域的任務已經體現出一定的自主性（如完成科學試驗、搜索資料撰寫報告等），LLM 對于固定范式下解決問題能夠實現較好的自動化，但在解決問題的泛化能力方面，當前主要的 Agent 產品仍距離通用的 Agent 有一定的差距。主要體現在：1）任務規劃方面：）任務規劃方面：當前 Agent 主要基于現有的成熟任務流程進行復現，或基于訓練數據對任務進行簡單的拆分；2）工具使用方面：）工具使用方面：當前 Agent 基本按照人類的部署進行流程化的操

82、作和嘗試，工具的使用主要通過調用第三方 API 進行。未來隨著底層模型能力的提升。我們認為 AI Agent 有望在以下方面實現能力提升：1）在任務規劃方面從基于規則、參數的規劃能力逐步向基于實踐的反思、迭代進化；2）在工具使用與選擇方面，從基于人類配置的特定工具，向多種工具的選擇規劃進化，甚至更進一步的創造適用于 LLM 的工具。圖表圖表37：從自動化到智能化：從自動化到智能化：AI Agent 資料來源：各公司官網、華泰研究 MaaS 廠商：憑豐富工具廠商：憑豐富工具&實踐經驗把握發展機遇實踐經驗把握發展機遇 MaaS 廠商不斷完善廠商不斷完善 Agent 落地工具。落地工具。大模型廠商與

83、 MaaS 廠商合作，共同為 B 端客戶提供基于大模型的產品，其中大模型廠商推動底層模型的能力升級，MaaS 巨頭則憑借良好的產品、客戶基礎，提供相應的開發及定制化工具，幫助 B 端客戶打造基于大模型的業務應用。我們認為 MaaS 廠商通過云服務實現了基礎軟件層面的良好卡位，而 AI Agent 在 B 端落地及 D 端開發的過程中多需要數據的調用及算力的支撐，MaaS 廠商憑此前的良好卡位實現了業務的延伸，通過提供落地工具和開發框架，成為 AI Agent 市場的重要參與者，也有望首先受益于底層大模型能力突破帶來的 AI Agent 發展機遇。免責聲明和披露以及分析師聲明是報告的一部分，請務

84、必一起閱讀。23 科技科技 圖表圖表38：MaaS 廠商：業務布局廠商：業務布局 資料來源：公司官網、華泰研究 應用廠商：具備垂直數據與工程化優勢，關注工作流卡位應用廠商：具備垂直數據與工程化優勢，關注工作流卡位 ServiceNow 結合行業方案，打造結合行業方案，打造 Agent 深入應用。深入應用。ServiceNow 推出針對電信行業的生成式 AI 解決方案 Now Assist for Telecommunications Service Management（TSM）。在產品特性上，TSM 具備如下特征：1）提供主動體驗：快速識別并解決問題。為客戶提供自助服務工具，讓他們自行學習、

85、進行更改和解決問題；2）自動解決問題：讓客戶了解當前的中斷以及如何解決這些中斷；3）利用 AIOps 和機器學習自動化和優化運營工作流，以提高整個組織的效率并降低成本。我們認為深化行業應用有助于Agent在垂直領域打造標桿應用。未來企業的工作流或以 Gen AI 為核心進行設計，隨著實時數據打通、系統集成度進一步提升，自然語言或在部分場景中取代代碼成為新的業務流程構建方式。圖表圖表39：Servicenow：電信專用電信專用 GenAI 解決方案解決方案 資料來源：公司官網、華泰研究 Salesforce 基于私有數據，打造垂直領域智能應用?；谒接袛祿?，打造垂直領域智能應用。除了在原有系統中

86、的工作流基礎，垂直業務數據也是應用廠商打造 Agent 應用的重要優勢。以 Salesforce 為例，其在營銷領域具備較好的數據基礎?；诖斯敬蛟炝诉m用于 CRM 的對話式 AI，特色是以客戶的公司數據為基礎。從產品布局看，23 年 3 月公司發布 AI 應用 Einstein GPT，首次將生成式 AI應用到客戶關系管理領域；23年9月發布Einstein 1平臺（核心包括AI助手Einstein Copilot），并與新的 Data Cloud 原生集成，客戶可以通過 Data Cloud 和 Tableau 接收、協調和探索數據，將數據的力量擴展到每個業務領域，為 AI 應用打造了良

87、好的數據基礎。免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。24 科技科技 圖表圖表40：Einstein GPT：應用場景：應用場景 資料來源：公司官網、華泰研究 相關公司梳理：相關公司梳理：1）協同辦公廠商：）協同辦公廠商：包括金山辦公、泛微網絡、福昕軟件等；2）垂直應用廠商：）垂直應用廠商：包括用友網絡、鼎捷軟件、同花順、中控技術、寶信軟件等。終端：終端：模型融合端側模型融合端側 OS，AI PC、AI Phone 有望提速有望提速 24 年年 AI 端側落地端側落地有望有望提速，大模型加速端側操作系統滲透。提速，大模型加速端側操作系統滲透。AI 端側落地需要實現算力、應用

88、、操作系統的三重升級，目前操作系統層改造正加速推進。1）算力：）算力：頭部廠商通過創新架構設計及全棧優化，提升產品性能、降低功耗，滿足終端場景對于算力的要求；以高通為例，公司針對 AI 端側場景推出面向 PC 的 X Elite、X Plus 芯片以及面向手機的驍龍 8 Gen 3 處理器，端側算力持續升級；2）應用：）應用：23年海外軟件廠商AI升級全面鋪開，ChatGPT、Copilot、Bing Chat 等功能均發布端側版本；3）操作）操作系統：系統：伴隨小模型能力提升，操作系統正加速 AI 升級，Microsoft 推出 Windows Copilot Runtime 內置 40 多

89、個端側 AI 模型，Google 探索 Gemini Nano 版本與 Android 操作系統整合。我們認為，端側 AI 操作系統將成為 AI 端側落地的重要技術突破口，決定后續端側 AI 生態的構建節奏。圖表圖表41：AI 端側落地需要端側落地需要算力、應用、操作系統三重升級算力、應用、操作系統三重升級 資料來源：Microsoft 官網、Google 官網、華泰研究 免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。25 科技科技 AI PC：微軟發揮：微軟發揮 Windows 卡位，構建卡位，構建 AI PC 生態基座生態基座 微軟已具備模型、應用基礎，微軟已具備模型、應用基

90、礎，24 年年 Build 大會介紹大會介紹 OS 生態布局。生態布局。微軟加速 AI 從云到端的拓展，23 年完成模型、應用基礎儲備，24 年加速操作系統層技術整合。1）模型：）模型：微軟持續推動自研小模型 Phi 迭代升級，24 年最新推出專為 PC 端打造的 Phi-Silica；2）應用：）應用：微軟基本完成 Microsoft 365 全線應用的 Copilot 升級，24 年推出 Team Copilot、Copilot Agents 兩大新產品，旨在實現單點應用的企業級整合，初步搭建 Agent 生態；3）操作系）操作系統：統：大模型開始向 PC 操作系統滲透，微軟打造 Wind

91、ows Copilot Runtime，構建 AI OS 開放業務生態，Windows Copilot Runtime 提供完整開發框架及工具，奠定 PC 端應用繁榮的技術基座。我們認為，微軟 Windows 卡位優勢有望深化，AI PC 商業進展或將提速。圖表圖表42：微軟持續推動自研小模型微軟持續推動自研小模型 Phi 升級升級 資料來源：Microsoft 官網、華泰研究 Windows AI 升級同步推送至升級同步推送至 OEM 廠商，廠商，AI PC 進入密集上市期進入密集上市期。微軟在 Build 2024 大會上表示，升級后的 Windows 11 AI 操作系統及功能將同步推送

92、至 HP、DELL、Lenovo 等OEM 的 AI PC 產品（算力要求搭載高通 X Elite、X Plus 芯片；操作系統要求搭載 Windows 11）。微軟在 Build 2024 大會上表示，預計明年微軟 AI PC 銷量將超 5,000 萬臺。我們認為，伴隨 Windows AI 生態落成，AI PC 產品商業化有望提速。圖表圖表43：搭載高通搭載高通 X Elite、X Plus 的的 AI PC 進入密集上市期進入密集上市期 資料來源：高通官網、華泰研究 免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。26 科技科技 圖表圖表44：微軟及微軟及 OEM 廠商的廠商

93、的 Windows AI PC 梳理梳理 資料來源：各公司官網、華泰研究 AI Phone：Apple、Google 加速模型在手機端落地探索加速模型在手機端落地探索 Apple、Google 加速模型在手機端落地探索加速模型在手機端落地探索，關注，關注 WWDC 大會大會。根據 The Information報道，OpenAI 成功與蘋果公司達成了一項關鍵協議，涉及將 ChatGPT 集成到 iOS 及其他操作系統中，大模型在手機端操作系統整合提速。Google 發布的 Pixel 8 與三星發布的Galaxy S24 均由 Google 的 Gemini Nano 模型提供支持。我們認為，

94、伴隨手機終端操作系統的 AI 整合，AI Phone 的商業化節奏有望加速，建議關注 24H2 手機終端側的新品發布（Apple WWDC 2024 大會等會議）與技術迭代。相關產業鏈公司包括：相關產業鏈公司包括：1）PC 產業鏈：產業鏈：聯想集團、春秋電子；2）AIPC 應用軟件：應用軟件：福昕軟件、金山辦公等；3）AI+手機手機/汽車汽車/物聯網：物聯網：中科創達、螢石網絡；Copilot/NPU1,000618Snapdragon X PlusSurface Laptop Microsoft1,149618Snapdragon X EliteOmnibook XHP1,700618Sna

95、pdragon X EliteEliteBook Ultra G1q1,300Snapdragon X EliteXPS 13DELL1,100Snapdragon X PlusInspiron 141,299Snapdragon X PlusVivobook S15ASUS1,300Snapdragon X EliteYoga Slim 7xLenovo1,1007Snapdragon X PlusSwift 14 AI Acer1,349618Snapdragon X EliteGalaxy Book4 EdgeSamsung 免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。2

96、7 科技科技 國產化趨勢：國產化趨勢：24Q1 收入收入邊際改善，邊際改善，24H2 信創進展或信創進展或加快加快 24Q1 信創回暖，核心企業收入大多同比改善信創回暖，核心企業收入大多同比改善 24Q1 信創核心企業信創核心企業大多實現收入大多實現收入同比正增長同比正增長。從 24Q1 信創板塊收入表現情況來看，我們看到板塊核心公司收入指標大多開始回暖。我們統計了 CPU/GPU、OS、PC、辦公軟件等領域核心公司 24Q1 的總營收同比變化情況，發現：1）東方通、景嘉微、星環科技、海光信息總營收同比增長較快，增速超過 30%，邊際改善顯著；2）麒麟信安、中國長城、福昕軟件、金山辦公、致遠互

97、聯、泛微網絡、龍芯中科實現總營收同比正增長，開始出現改善跡象；3）中國軟件是唯一總營收同比負增長的公司，或主要受客戶采購節奏影響?？傮w來看，我們認為，24Q1 信創板塊企業呈現收入回暖態勢，隨著 24H2 宏觀經濟持續復蘇、國產替代政策穩步推進，板塊有望延續復蘇態勢，實現營收穩健增長。圖表圖表45：24Q1 信創核心企業大多收入回暖信創核心企業大多收入回暖 資料來源：Wind、華泰研究 產業政策持續加碼，積極產業政策持續加碼，積極因素正在不斷累積因素正在不斷累積。從產業驅動力來看，24Q1 國家層面對于信創的政策扶持力度也在不斷加碼。據中國政府網，2024 年 3 月 5 日，第十四屆全國人民

98、代表大會第二次會議開幕，會上發布2024 年國務院政府工作報告，其中全文 26 次提及“科技”相關內容，提出要加快推動高水平科技自立自強，將加快發展“新質生產力”列為首項任務。2024 年 3 月 11 日，中央國家機關政府采購中心發布關于更新中央國家機關臺式計算機、便攜式計算機批量集中采購配置標準的通知，明確要求鄉鎮以上黨政機關事業單位在采購臺式機、便攜式計算機時，應對將 CPU、操作系統符合安全可靠測評要求納入采購需求。2024 年 5 月 20 日，中國信息安全測評中心發布 安全可靠測評結果公告（2024年第 1 號），共 14 款國產 CPU、10 款國產服務器入圍。我們認為，隨著國家

99、、地方層面的產業政策不斷加碼，24H2 信創板塊有望迎來加速發展機遇。102.0%66.3%46.0%37.1%29.8%21.1%16.9%16.5%11.8%3.1%1.6%-42.3%-60%-40%-20%0%20%40%60%80%100%120%051015202530東方通景嘉微星環科技海光信息麒麟信安中國長城福昕軟件金山辦公致遠互聯泛微網絡龍芯中科中國軟件24Q1總營收（億元）23Q1總營收（億元）24Q1總營收同比增速 免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。28 科技科技 圖表圖表47：兩期兩期安全可靠測評結果安全可靠測評結果對比：對比：CPU 2024

100、 年第年第 1 號號 2023 年第年第 1 號號 序號 產品名稱 送測單位 安全可靠等級 序號 產品名稱 送測單位 安全可靠等級 1 飛騰騰云 S5000C 飛騰信息技術有限公司 級 1 鯤鵬 920 深圳市海思半導體有限公司 I 級 2 飛騰騰瓏 E2000 飛騰信息技術有限公司 級 2 龍芯 3C5000L 龍芯中科技術股份有限公司 I 級 3 飛騰騰銳 D3000 飛騰信息技術有限公司 級 3 申威 1621 無錫先進技術研究院 I 級 4 龍芯 3A5000（DA 版）龍芯中科技術股份有限公司 級 4 龍芯 3A4000/3B4000 龍芯中科技術股份有限公司 I 級 5 龍芯 3A

101、6000 龍芯中科技術股份有限公司 級 5 龍芯 3A5000/3B5000 龍芯中科技術股份有限公司 I 級 6 龍芯 3C5000 龍芯中科技術股份有限公司 級 6 申威 SW421 無錫先進技術研究院 I 級 7 龍芯 3D5000 龍芯中科技術股份有限公司 級 7 申威 3231 無錫先進技術研究院 I 級 8 海光處理器 C86-4G 海光信息技術股份有限公司 級 8 飛騰騰銳 D2000 飛騰信息技術有限公司 I 級 9 鯤鵬 920 V200 深圳市海思半導體有限公司 級 9 飛騰 FT-2000 飛騰信息技術有限公司 I 級 10 麒麟 9000C 深圳市海思半導體有限公司 級

102、 10 飛騰 FT-2000+飛騰信息技術有限公司 I 級 11 龍芯 2K2000 龍芯中科技術股份有限公司 級 11 盤古 M900 海思技術有限公司 I 級 12 申威 SW-WY831 型微處理器 無錫先進技術研究院 級 12 飛騰騰云 S2500 飛騰信息技術有限公司 I 級 13 兆芯處理器 KH-40000 上海兆芯集成電路股份有限公司 級 13 麒麟 9006C 深圳市海思半導體有限公司 I 級 14 海光處理器 C86-4G-L 海光信息技術股份有限公司 級 14 海光 C86-3G 海光信息技術股份有限公司 I 級 15 麒麟 990 深圳市海思半導體有限公司 I 級 16

103、 海光 2 號 C86 3230/3250/3280/5280/7250/7260/7280/7285 海光信息技術股份有限公司 I 級 17 兆芯 ZX-E KX-U6780A/KH-37800D/KX-6640MA/KX-6640A 上海兆芯集成電路股份有限公司 I 級 18 兆芯 ZX-D KX-U5580 上海兆芯集成電路股份有限公司 I 級 資料來源：中國信息安全測評中心、華泰研究 圖表圖表48：兩期兩期安全可靠測評結果安全可靠測評結果對比：對比：OS 2024 年第年第 1 號號 2023 年第年第 1 號號 序號 產品名稱 送測單位 安全可靠等級 序號 產品名稱 送測單位 安全可

104、靠等級 桌面桌面 OS 桌面桌面 OS 1 方德桌面操作系統 V5.0 中科方德軟件有限公司 級 1 銀河麒麟桌面操作系統 V10 麒麟軟件有限公司 I 級 2 統信桌面操作系統 V20 統信軟件技術有限公司 級 2 方德桌面操作系統 V3.1 中科方德軟件有限公司 I 級 3 銀河麒麟桌面操作系統 V10 SP1 麒麟軟件有限公司 級 3 統信桌面操作系統 V20 統信軟件技術有限公司 I 級 服務器服務器 OS 服務器服務器 OS 1 華為云歐拉操作系統 V2.0 華為云計算技術有限公司 級 1 銀河麒麟高級服務器操作系統 V10 麒麟軟件有限公司 I 級 2 阿里云服務器操作系統 V3

105、阿里云計算有限公司 級 2 統信服務器操作系統 V20 統信軟件技術有限公司 I 級 3 銀河麒麟高級服務器操作系統 V10 SP3 麒麟軟件有限公司 級 3 方德高可信服務器操作系統 V4.0 中科方德軟件有限公司 I 級 4 騰訊云 Linux 服務器操作系統 V3 騰訊云計算（北京）有限責任公司 級 5 新支點服務器操作系統 V6 中興通訊股份有限公司 級 6 凝思安全操作系統歐拉版 V6.0.99 北京凝思軟件股份有限公司 級 7 麒麟信安服務器操作系統 V3 湖南麒麟信安科技股份有限公司 級 資料來源：中國信息安全測評中心、華泰研究 免責聲明和披露以及分析師聲明是報告的一部分，請務必

106、一起閱讀。29 科技科技 周期視角來看，周期視角來看，24 年信創產業有望邁入加速階段年信創產業有望邁入加速階段 2018 年以來，信創市場主要經歷年以來，信創市場主要經歷 5 輪產業周期輪產業周期。復盤過去信創產業周期，我們將產業推進節奏劃分為五大階段：1）2018-2019 年:信創產業政策開始醞釀，期間提出“南風一號”、“安可”等信創計劃，為產業落地奠定制度基礎；2）2019-2020 年：信創開始在黨政領域大規模落地，招投標訂單逐步釋放，產業迎來景氣度上行周期；3）2020-2022 年：黨政一級市場的國產化替代工作，核心企業收入/利潤開始逐步確認，但后續增量訂單預期不明朗；4）202

107、2-2023 年：政策指導下，黨政信創開始向行業信創拓展，市場預期再度回暖；5）2023 年 7 月至今：行業信創落地節奏緩慢，等待下一輪產業周期開啟。圖表圖表49：信創產業周期復盤信創產業周期復盤 資料來源：Wind、中國政府網、華泰研究 2024 年信創產業有望開啟新一輪上行周期年信創產業有望開啟新一輪上行周期。我們認為，在經歷了 2023 年下游需求的波動之后，2024 年或將成為信創產業化落地的重要時間點。1）從政策層面來看，隨著 2024 年3 月 11 日政府采購需求標準、2024 年 5 月 20 日安全可靠測評結果的發布，制度體系搭建為信創大規模鋪開奠定基礎。2）從下游需求層面

108、來看，隨著宏觀經濟的逐步回暖，2023 年延后的招投標項目有望逐步恢復，黨政下沉市場以及行業信創的推進，有望帶來基礎軟硬件替換需求。3）從核心廠商訂單收入來看，24Q1 部分基礎軟硬件企業已經迎來收入同比改善，全年收入兌現節奏有望進一步加速?；诖?，我們認為，2024 年信創產業有望加速推進，或將開啟新一輪產業上行周期。圖表圖表50：信創有望進入新一輪上行周期信創有望進入新一輪上行周期 產業周期產業周期 時間節點時間節點 典型事件典型事件 市場預期市場預期 指數表現指數表現 政策醞釀期 2018.1-2019.1“南風一號”二期工程；“安可”概念的提出 等待政策落地-21%政策落地期 2019

109、.1-2020.7 黨政信創試點；地方招投標落地 預計信創在黨政領域大規模落地 201%兌現消化期 2020.7-2022.5 十四五信息技術規劃發布 黨政信創逐步完成，對于信創后續增量有分歧-15%行業信創落地期 2022.5-2023.7 國資委下發 79 號文 預期行業信創訂單放量 36%兌現不及預期 2023.7 至今 安可測評工作指南、政府采購需求標準發布 訂單釋放或延后-29%未來展望 2024-2027E 黨政下沉市場&行業信創招投標加速落地 信創招投標逐步恢復-資料來源：Wind、中國政府網、華泰研究 免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。30 科技科技

110、產業推進有望打開廣闊市場空間產業推進有望打開廣闊市場空間 信創從黨政向行業擴散，有望帶來更大市場信創從黨政向行業擴散，有望帶來更大市場空間?？臻g。我國信創建設大致可分為黨政、行業、商業三個階段：1）黨政信創：）黨政信創：中央、省市層面的黨政信創最先啟動，第一輪建設已于 2022年 6 月 30 日全面驗收完成，后續將推進區縣黨政信創建設；2）行業信創：）行業信創：2022 年是行業信創元年，據中國電子學會等聯合發布的中國信創產業發展白皮書（2021），八大行業（金融、電信、石油、電力、交通、航空航天、教育、醫療）的累計信創市場規模約為黨政的三倍，其中金融、電力、電信等重點行業信創建設已率先開啟

111、；3）商業市場：）商業市場：隨著產品性能與生態體系逐步完善，信創產品有望實現商業化推廣。我們認為，隨著 2024 年信創產業加速推進，行業信創、商業市場拓展有望帶來更大市場空間。圖表圖表51：信創市場有望迎來更大成長空間信創市場有望迎來更大成長空間 資料來源：中國信創產業發展白皮書（2021），中國電子學會（2021）、華泰研究預測 基礎軟硬件市場規模較大，國產基礎軟硬件市場規模較大，國產化占比有望進一步提升?；急扔型M一步提升。從市場規模角度看，信創各個環節中，底層算力基礎市場規模較大，據 IC insights，2021 年全球微處理器市場規模為 1029億美元（約 7409 億元人民幣

112、，按人民幣美元匯率 7.2 計算），中國市場 2742 億元，是信創產業各個環節中市場規模最大的細分市場?；A軟件方面，據中國信通院、Research and Markets、華為鯤鵬產業白皮書，從全球角度看，數據庫、操作系統、中間件的全球市場規模均超過 2000 億元，基礎軟硬件領域市場規?？傮w較大。在行業應用方面，汽車軟件、EDA、CAD 全球市場規模在 1000 億元左右，國內市場規模在數十億到兩百多億元，行業應用由于適用場景較為細分，整體市場規模小于基礎軟硬件。圖表圖表52：信創各個環節規模一覽（信創各個環節規模一覽（2021 年）年）注：匯率按 1 美元=7.2 人民幣元換算 資料來

113、源：IC Insights、Research and Markets、鯤鵬白皮書、中國信通院、IDC、ESD Alliance、中國軟件行業協會、華泰研究 7409504031262568275297213769367522742315807893322642371204237.0%6.2%25.8%3.5%12.1%27.2%17.2%12.8%5.6%0%5%10%15%20%25%30%35%40%01,0002,0003,0004,0005,0006,0007,0008,000微處理器數據庫操作系統中間件打印機協同辦公汽車軟件EDACAD基礎軟硬件其他軟硬件汽車軟件工業軟件全球市場規模

114、中國市場規模中國占比(億元)免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。31 科技科技 從國內信創產業主要參與者從國內信創產業主要參與者的布局看，的布局看，CEC、CETC、中科院系、中科院系、鯤鵬鯤鵬&昇騰系昇騰系為重要參與為重要參與者者。1、中國電子信息產業集團有限公司（簡稱“中國電子”，中國電子信息產業集團有限公司（簡稱“中國電子”，CEC）成立于 1989 年 5 月，由原電子工業部所屬企業行政劃撥組建而成。CEC 的前身，是機械電子工業部為整合旗下企業資產而設立的央企平臺。目前已經形成網絡安全、新型顯示、集成電路、高新電子、信息服務、工業互聯網協同發展的產業格局。CE

115、C 擁有從芯片、操作系統、中間件、數據庫、安全產品到應用系統的可控軟件產業鏈，打造以“PK 體系”（飛騰+麒麟）為核心的信創生態。2、中國電子科技集團有限公司（簡稱“中國電科”，中國電子科技集團有限公司（簡稱“中國電科”，CETC）于 2002 年 3 月成立，在原信息產業部直屬 46 家電子類科研院所及 26 戶企業基礎上組建而成。2017 年 12 月，中國電科完成公司制改制，由中國電子科技集團公司更名為中國電子科技集團有限公司。CETC包含三重定位，分別是軍工電子國家隊、科技創新骨干力量、電子信息技術產業領頭羊。3、中科院系主要通過中科算源資產管理有限公司、中科大資產經營有限責任公司等實

116、體持中科院系主要通過中科算源資產管理有限公司、中科大資產經營有限責任公司等實體持股下游企業股下游企業。目前中科院系在信創領域主要布局企業包括：1）基礎硬件：中科曙光、寒武紀、海光信息、龍芯中科等；2）基礎軟件：中科軟、中科方德、中科紅旗等；3）應用生態等?？傮w來看，相關產業鏈公司主要以計算硬件為主，同時具備基礎軟件與應用軟件等完整生態布局。4、鯤鵬鯤鵬&昇騰系昇騰系開放各自旗下產品與能力，賦能開源生態。其中鯤鵬系列涵蓋硬件、基礎操作系統、數據庫等；昇騰系列涵蓋 AI 芯片、AI 計算框架等。三條主線指硬件開放+軟件開源+使能伙伴?；趦纱笃放?，鯤鵬&昇騰系通過硬件開放+軟件開源+使能伙伴三條主

117、線發力開源生態建設。其中，硬件層面，鯤鵬&昇騰系開放了包括鯤鵬主板、網卡、昇騰 Atlas模組等產品；軟件方面，鯤鵬&昇騰系開源了歐拉、高斯、羅庚等基礎軟件系統；使能伙伴方面，鯤鵬&昇騰系通過提供開發套件、應用使能套件等方式，降低開源門檻，賦能伙伴。圖表圖表53：信創產業主要參與者一覽信創產業主要參與者一覽 資料來源：各公司官網、華泰研究 免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。32 科技科技 圖表圖表54：提及公司列表提及公司列表 公司代碼公司代碼 公司簡稱公司簡稱 MSFT US 微軟 未上市 OpenAI GOOGL US 谷歌 未上市 Anthropic Meta

118、US Meta 未上市 xAI 未上市 Mistral AI 未上市 Inflection 未上市 Cohere 未上市 Character.ai 未上市 Databricks 未上市 AI21 BIDU US 百度 BABA US 阿里 0700 HK 騰訊 601360 CH 360 300418 CH 昆侖萬維 0020 HK 商湯 未上市 智譜 未上市 MiniMax 未上市 月之暗面 未上市 百川智能 未上市 零一萬物 未上市 階躍星辰 300308 CH 中際旭創 300394 CH 天孚通信 300502 CH 新易盛 000977 CH 浪潮信息 601138 CH 工業富聯

119、688041 CH 海光信息 000034 CH 神州數碼 688256 CH 寒武紀-U 688111 CH 金山辦公 688095 CH 福昕軟件 603039 CH 泛微網絡 600588 CH 用友網絡 300378 CH 鼎捷軟件 300033 CH 同花順 688777 CH 中控技術 600845 CH 寶信軟件 0992 HK 聯想集團 603890 CH 春秋電子 300496 CH 中科創達 688475 CH 螢石網絡 資料來源：Bloomberg、華泰研究 免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。33 科技科技 圖表圖表55：重點公司推薦一覽表重點公

120、司推薦一覽表 最新收盤價最新收盤價 目標價目標價 市值市值(百萬百萬)EPS(元元)PE(倍倍)股票名稱股票名稱 股票代碼股票代碼 投資評級投資評級(當地幣種當地幣種)(當地幣種當地幣種)(當地幣種當地幣種)2023 2024E 2025E 2026E 2023 2024E 2025E 2026E 金山辦公 688111 CH 買入 263.75 354.50 121,804 2.85 3.63 4.85 6.44 92.54 72.66 54.38 40.95 用友網絡 600588 CH 買入 10.93 16.03 37,364-0.28 0.07 0.17 0.24-39.04 156

121、.14 64.29 45.54 泛微網絡 603039 CH 買入 34.76 41.97 9,059 0.69 0.97 1.11 1.29 50.38 35.84 31.32 26.95 寶信軟件 600845 CH 買入 39.97 52.60 96,075 1.06 1.32 1.65 2.08 37.71 30.28 24.22 19.22 中控技術 688777 CH 買入 44.30 61.05 34,993 1.39 1.86 2.46 3.31 31.87 23.82 18.01 13.38 中望軟件 688083 CH 買入 74.90 125.85 9,086 0.51

122、0.91 1.37 1.53 146.86 82.31 54.67 48.95 網宿科技 300017 CH 買入 8.29 12.08 20,234 0.25 0.25 0.31 0.35 33.16 33.16 26.74 23.69 柏楚電子 688188 CH 買入 194.97 373.62 40,057 4.97 6.69 9.07 12.19 39.23 29.14 21.50 15.99 資料來源：Bloomberg，華泰研究預測 圖表圖表56：重點推薦公司最新觀點重點推薦公司最新觀點 股票名稱股票名稱 最新觀點最新觀點 金山辦公金山辦公(688111 CH)AI 商業化有望加

123、快，維持商業化有望加快，維持“買入買入”評級評級 金山辦公發布一季報，24Q1 營收 12.25 億元（yoy+16.54%），歸母凈利 3.67 億元（yoy+37.31%），扣非凈利 3.52 億元（yoy+40.56%）。銷售/管理/研發費用率為 17.62%/9.22%/33.03%，同比-6.11pct/-0.72pct/-0.75pct，收入穩健增長+費用管控推動利潤快速增長。我們認為隨著 C 端定價推進，B 端產品落地，AI 商業化有望加快。我們預計 24-26 年公司 EPS 為 3.63/4.85/6.44 元，收入 58.47/77.36/102.64 億元，可比公司平均

124、24E 17.2xPS(Wind)，考慮公司 AI 產品快速迭代，給予 24 年 28xPS，目標價 354.50 元，維持“買入”。風險提示：付費用戶增長不及預期、AI 商業化不及預期。報告發布日期：2024 年 04 月 23 日 點擊下載全文：金山辦公點擊下載全文：金山辦公(688111 CH,買入買入):AI 商業化有望加快商業化有望加快 用友網絡用友網絡(600588 CH)轉型完成收入加速增長，維持“買入”評級轉型完成收入加速增長，維持“買入”評級 用友網絡發布一季報，2024 年 Q1 實現營收 17.49 億元（yoy+18.61%、qoq-57.21%），歸母凈利-4.53

125、億元（yoy-14.17%、qoq-816.52%），扣非凈利-4.51 億元（yoy+8.97%）。隨著公司行業化組織轉型完成，人才結構不斷優化，交付效率提升，收入有望加速增長。我們預計公司 2024-2026年 EPS 分別為 0.07、0.17、0.24 元。分部估值，24E 傳統業務凈利/云收入 4.8 億元/83.9 億元，可比公司平均 24E 29.1xPE/4.9xPS(Wind)，給予24E 29.1xPE/4.9xPS，對應市值 139/409 億元，總市值 548 億元，目標價 16.03 元，維持“買入”評級。風險提示：宏觀經濟波動；市場競爭加劇。報告發布日期：2024

126、年 04 月 26 日 點擊下載全文：用友網絡點擊下載全文：用友網絡(600588 CH,買入買入):大客云收入高增，轉型完成收入加速大客云收入高增，轉型完成收入加速增長增長 泛微網絡泛微網絡(603039 CH)關注下游需求恢復情況，維持“買入”評級關注下游需求恢復情況，維持“買入”評級 泛微網絡發布一季報，2024 年 Q1 實現營收 3.43 億元（yoy+3.13%、qoq-65.51%），歸母凈利 2799.47 萬元（yoy+4764.41%、qoq-83.27%），扣非凈利 1737.72 萬元（yoy+343.16%）。公司收入邊際改善，同比增速較 23Q4 提升 2.27pc

127、t，降本增效推動利潤恢復。關注下游需求恢復情況與AI 商業化推進情況。我們預計公司 2024-2026 年 EPS 分別為 0.97、1.11、1.29 元，可比公司 24 年 Wind 一致預期 PE 均值 43.4x，給予公司 24 年43.4 倍 PE，目標價 41.97 元，維持“買入”評級。風險提示：產品拓展不及預期，下游需求不及預期，市場競爭加劇。報告發布日期：2024 年 04 月 26 日 點擊下載全文：泛微網絡點擊下載全文：泛微網絡(603039 CH,買入買入):關注下游需求修復情況關注下游需求修復情況 寶信軟件寶信軟件(600845 CH)寶信寶信 24Q1：營收：營收

128、yoy+34.44%，歸母凈利潤，歸母凈利潤 yoy+18.19%寶信軟件發布一季報，2024 年 Q1 實現營收 33.91 億（yoy+34.44%）；歸母凈利 5.90 億（yoy+18.19%）；扣非凈利 5.86 億（yoy+20.31%）。維持盈利預測，預計公司 2024-2026 年 EPS 分別為 1.32/1.65/2.08 元，可比公司 24 年 Wind 一致預期 PE 均值為 27 倍，鑒于寶信在國產大中型 PLC和工業機器人領域的龍頭地位和加速推進，給予公司 24E 40 xPE，目標價 52.60 元（前值 51.29 元），維持“買入”。風險提示：下游需求低于預期

129、，產品拓展低于預期。報告發布日期：2024 年 04 月 24 日 點擊下載全文：寶信軟件點擊下載全文：寶信軟件(600845 CH,買入買入):營收高增，營收高增，PLC&機器人值得期待機器人值得期待 中控技術中控技術(688777 CH)收入收入+利息收入增長推動利潤高增，維持利息收入增長推動利潤高增，維持“買入買入”評級評級 中控技術發布一季報，2024 年 Q1 實現營收 17.38 億元（yoy+20.25%），歸母凈利 1.45 億元（yoy+57.39%），扣非凈利 1.19 億元（yoy+76.05%），利潤高增主因：1）收入快速增長，運營效率提升；2）財務費用-0.30 億元

130、（去年同期 0.03 億元），主要由于利息收入增長；24Q1 經營性現金流量凈額-6.77 億元（去年同期-7.23 億元），主要由于 Q1 發放年終獎及回款占比較低。我們認為公司積極開拓新業務/新地區/新行業，增長有望持續。預計 2024-2026 年 EPS 為 1.86/2.46/3.31 元，可比公司平均 24E 32.8xPE（Wind），給予 24E 32.8xPE，目標價 61.05 元，維持“買入”。風險提示：產品擴張效果低于預期、海外市場拓展低于預期。報告發布日期：2024 年 04 月 17 日 點擊下載全文：中控技術點擊下載全文：中控技術(688777 CH,買入買入):

131、業績穩健增長，期待海外不斷突破業績穩健增長，期待海外不斷突破 免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。34 科技科技 股票名稱股票名稱 最新觀點最新觀點 中望軟件中望軟件(688083 CH)24Q1 海外收入及海外收入及 3D 產品訂單高增，維持產品訂單高增，維持“買入買入”評級評級 中望軟件發布年報及一季報，2023 年實現營收 8.28 億元（yoy+37.71%），歸母凈利 6140.64 萬元（重述 yoy+922.84%），扣非凈利-7774.02 萬元。收購博超并表收入 0.96 億元。24Q1 營收 1.20 億元（yoy+3.84%），歸母凈利-2561.

132、11 萬元（yoy-44.94%），扣非凈利-7829.07 萬元（yoy-53.32%）。下游需求波動影響收入增速。24Q1 來自海外市場收入同增近 50%，來自 ZW3D 的訂單金額同增超 40%。我們預計公司 2024-2026 年 EPS 分別為0.91、1.37、1.53 元，可比公司 2024 年平均 15.8xPS(Wind)，給予 2024 15.8xPS，目標價 125.85 元，維持“買入”。風險提示：下游需求波動的風險；3D CAD 產品進展不及預期。報告發布日期：2024 年 04 月 26 日 點擊下載全文：中望軟件點擊下載全文：中望軟件(688083 CH,買入買入

133、):海外收入高增，關注海外收入高增，關注 3D 產品進展產品進展 網宿科技網宿科技(300017 CH)24Q1 利潤高增，卡位利潤高增，卡位 AI 算力基礎設施增長可期算力基礎設施增長可期 網宿科技發布一季報，2024 年 Q1 實現營收 11.20 億元（yoy-4.13%），歸母凈利 1.38 億元（yoy+45.96%），扣非凈利 9834.84 萬元（yoy+183.45%），經營性凈現金流為 2.44 億元，同比+354.97%。我們認為短期看公司受益于海外市場流量增長推動收入結構優化，長期看卡位 AI 算力基礎設施環節，有望持續受益于 AI 產業趨勢演進。我們預計公司 2024-

134、2026 年 EPS 分別為 0.25、0.31、0.35 元?？杀裙?24E 平均 PE 47.7x（Wind），給予 24年 47.7xPE，目標價 12.08 元，維持“買入”評級。風險提示：海外流量增長不及預期、CDN 行業競爭格局惡化。報告發布日期：2024 年 04 月 25 日 點擊下載全文：網宿科技點擊下載全文：網宿科技(300017 CH,買入買入):24Q1 利潤高增利潤高增，受益，受益 AI 產業趨勢產業趨勢 柏楚電子柏楚電子(688188 CH)24Q1 扣非同增扣非同增 50%，高增長或持續，高增長或持續 柏楚電子發布一季報，2024 年 Q1 實現營收 3.81

135、億元（yoy+40.31%、qoq-8.31%），歸母凈利 1.94 億元（yoy+46.55%、qoq+23.48%），扣非凈利 1.83 億元（yoy+50.43%）。24Q1 毛利率 79.31%，同比+0.77pct，凈利率 53.75%，同比+2.5pct，盈利能力進一步提升。我們認為公司憑技術優勢把握高功率切割拓展機遇，智能焊接為代表的第二成長曲線也有望加速打開。預計 24-26 年 EPS 6.69/9.07/12.19 元，可比公司平均 24E 55.7x PE（Wind），給予 24E 55.7xPE，目標價 373.62 元，“買入”。風險提示：宏觀經濟波動；技術落地效果不

136、及預期。報告發布日期：2024 年 04 月 23 日 點擊下載全文：柏楚電子點擊下載全文：柏楚電子(688188 CH,買入買入):24Q1 扣非同增扣非同增 50%，高增長或持續，高增長或持續 資料來源：Bloomberg，華泰研究預測 風險提示風險提示 宏觀經濟波動。宏觀經濟波動。若宏觀經濟波動，產業變革及新技術的落地節奏或將受到影響，宏觀經濟波動還可能對 IT 投資產生負面影響，從而導致整體行業增長不及預期。技術落地不及預期。技術落地不及預期。若 AI 等技術落地不及預期，或對計算機行業公司整體產品迭代、收入增長節奏產生負面影響。本研報中涉及到未上市公司和未覆蓋個股內容，均系對齊客觀公

137、開信息的整理，并不代表本研報中涉及到未上市公司和未覆蓋個股內容，均系對齊客觀公開信息的整理，并不代表本研究團隊對該公司、該股票的推薦或覆蓋本研究團隊對該公司、該股票的推薦或覆蓋 免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。35 科技科技 免責免責聲明聲明 分析師聲明分析師聲明 本人，謝春生、郭雅麗、范昳蕊、彭鋼，茲證明本報告所表達的觀點準確地反映了分析師對標的證券或發行人的個人意見；彼以往、現在或未來并無就其研究報告所提供的具體建議或所表迖的意見直接或間接收取任何報酬。一般聲明及披露一般聲明及披露 本報告由華泰證券股份有限公司（已具備中國證監會批準的證券投資咨詢業務資格，以下簡

138、稱“本公司”）制作。本報告所載資料是僅供接收人的嚴格保密資料。本報告僅供本公司及其客戶和其關聯機構使用。本公司不因接收人收到本報告而視其為客戶。本報告基于本公司認為可靠的、已公開的信息編制，但本公司及其關聯機構(以下統稱為“華泰”)對該等信息的準確性及完整性不作任何保證。本報告所載的意見、評估及預測僅反映報告發布當日的觀點和判斷。在不同時期，華泰可能會發出與本報告所載意見、評估及預測不一致的研究報告。同時，本報告所指的證券或投資標的的價格、價值及投資收入可能會波動。以往表現并不能指引未來，未來回報并不能得到保證，并存在損失本金的可能。華泰不保證本報告所含信息保持在最新狀態。華泰對本報告所含信息

139、可在不發出通知的情形下做出修改，投資者應當自行關注相應的更新或修改。本公司不是 FINRA 的注冊會員，其研究分析師亦沒有注冊為 FINRA 的研究分析師/不具有 FINRA 分析師的注冊資格。華泰力求報告內容客觀、公正，但本報告所載的觀點、結論和建議僅供參考，不構成購買或出售所述證券的要約或招攬。該等觀點、建議并未考慮到個別投資者的具體投資目的、財務狀況以及特定需求，在任何時候均不構成對客戶私人投資建議。投資者應當充分考慮自身特定狀況，并完整理解和使用本報告內容，不應視本報告為做出投資決策的唯一因素。對依據或者使用本報告所造成的一切后果，華泰及作者均不承擔任何法律責任。任何形式的分享證券投資

140、收益或者分擔證券投資損失的書面或口頭承諾均為無效。除非另行說明，本報告中所引用的關于業績的數據代表過往表現，過往的業績表現不應作為日后回報的預示。華泰不承諾也不保證任何預示的回報會得以實現，分析中所做的預測可能是基于相應的假設，任何假設的變化可能會顯著影響所預測的回報。華泰及作者在自身所知情的范圍內，與本報告所指的證券或投資標的不存在法律禁止的利害關系。在法律許可的情況下，華泰可能會持有報告中提到的公司所發行的證券頭寸并進行交易，為該公司提供投資銀行、財務顧問或者金融產品等相關服務或向該公司招攬業務。華泰的銷售人員、交易人員或其他專業人士可能會依據不同假設和標準、采用不同的分析方法而口頭或書面

141、發表與本報告意見及建議不一致的市場評論和/或交易觀點。華泰沒有將此意見及建議向報告所有接收者進行更新的義務。華泰的資產管理部門、自營部門以及其他投資業務部門可能獨立做出與本報告中的意見或建議不一致的投資決策。投資者應當考慮到華泰及/或其相關人員可能存在影響本報告觀點客觀性的潛在利益沖突。投資者請勿將本報告視為投資或其他決定的唯一信賴依據。有關該方面的具體披露請參照本報告尾部。本報告并非意圖發送、發布給在當地法律或監管規則下不允許向其發送、發布的機構或人員，也并非意圖發送、發布給因可得到、使用本報告的行為而使華泰違反或受制于當地法律或監管規則的機構或人員。本報告版權僅為本公司所有。未經本公司書面

142、許可，任何機構或個人不得以翻版、復制、發表、引用或再次分發他人(無論整份或部分)等任何形式侵犯本公司版權。如征得本公司同意進行引用、刊發的，需在允許的范圍內使用，并需在使用前獲取獨立的法律意見，以確定該引用、刊發符合當地適用法規的要求，同時注明出處為“華泰證券研究所”，且不得對本報告進行任何有悖原意的引用、刪節和修改。本公司保留追究相關責任的權利。所有本報告中使用的商標、服務標記及標記均為本公司的商標、服務標記及標記。中國香港中國香港 本報告由華泰證券股份有限公司制作,在香港由華泰金融控股（香港）有限公司向符合證券及期貨條例及其附屬法律規定的機構投資者和專業投資者的客戶進行分發。華泰金融控股（

143、香港）有限公司受香港證券及期貨事務監察委員會監管，是華泰國際金融控股有限公司的全資子公司，后者為華泰證券股份有限公司的全資子公司。在香港獲得本報告的人員若有任何有關本報告的問題,請與華泰金融控股（香港）有限公司聯系。免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。36 科技科技 香港香港-重要監管披露重要監管披露 華泰金融控股（香港）有限公司的雇員或其關聯人士沒有擔任本報告中提及的公司或發行人的高級人員。新易盛（300502 CH）、天孚通信（300394 CH）：華泰金融控股（香港）有限公司、其子公司和/或其關聯公司實益持有標的公司的市場資本值的 1%或以上。寒武紀（688256

144、 CH）、金山辦公（688111 CH）、騰訊控股（700 HK）、中望軟件（688083 CH）、中控技術（688777 CH）、柏楚電子（688188 CH）：華泰金融控股（香港）有限公司、其子公司和/或其關聯公司在本報告發布日擔任標的公司證券做市商或者證券流動性提供者。有關重要的披露信息，請參華泰金融控股（香港）有限公司的網頁 https:/.hk/stock_disclosure 其他信息請參見下方“美國“美國-重要監管披露”重要監管披露”。美國美國 在美國本報告由華泰證券（美國）有限公司向符合美國監管規定的機構投資者進行發表與分發。華泰證券（美國）有限公司是美國注冊經紀商和美國金融業

145、監管局（FINRA）的注冊會員。對于其在美國分發的研究報告，華泰證券（美國）有限公司根據1934 年證券交易法（修訂版）第 15a-6 條規定以及美國證券交易委員會人員解釋，對本研究報告內容負責。華泰證券（美國）有限公司聯營公司的分析師不具有美國金融監管（FINRA）分析師的注冊資格，可能不屬于華泰證券（美國）有限公司的關聯人員，因此可能不受 FINRA 關于分析師與標的公司溝通、公開露面和所持交易證券的限制。華泰證券（美國）有限公司是華泰國際金融控股有限公司的全資子公司，后者為華泰證券股份有限公司的全資子公司。任何直接從華泰證券（美國）有限公司收到此報告并希望就本報告所述任何證券進行交易的人

146、士，應通過華泰證券（美國）有限公司進行交易。美國美國-重要監管披露重要監管披露 分析師謝春生、郭雅麗、范昳蕊、彭鋼本人及相關人士并不擔任本報告所提及的標的證券或發行人的高級人員、董事或顧問。分析師及相關人士與本報告所提及的標的證券或發行人并無任何相關財務利益。本披露中所提及的“相關人士”包括 FINRA 定義下分析師的家庭成員。分析師根據華泰證券的整體收入和盈利能力獲得薪酬，包括源自公司投資銀行業務的收入。神州數碼（000034 CH）、中控技術（688777 CH）：華泰證券股份有限公司、其子公司和/或其聯營公司在本報告發布日之前的 12 個月內擔任了標的證券公開發行或 144A 條款發行的

147、經辦人或聯席經辦人。神州數碼（000034 CH）、中控技術（688777 CH）：華泰證券股份有限公司、其子公司和/或其聯營公司在本報告發布日之前 12 個月內曾向標的公司提供投資銀行服務并收取報酬。中控技術（688777 CH）：華泰證券股份有限公司、其子公司和/或其聯營公司預計在本報告發布日之后 3 個月內將向標的公司收取或尋求投資銀行服務報酬。新易盛（300502 CH）、天孚通信（300394 CH）：華泰證券股份有限公司、其子公司和/或其聯營公司實益持有標的公司某一類普通股證券的比例達 1%或以上。寒武紀（688256 CH）、金山辦公（688111 CH）、騰訊控股（700 HK

148、）、中望軟件（688083 CH）、中控技術（688777 CH）、柏楚電子（688188 CH）：華泰證券股份有限公司、其子公司和/或其聯營公司在本報告發布日擔任標的公司證券做市商或者證券流動性提供者。華泰證券股份有限公司、其子公司和/或其聯營公司,及/或不時會以自身或代理形式向客戶出售及購買華泰證券研究所覆蓋公司的證券/衍生工具，包括股票及債券（包括衍生品）華泰證券研究所覆蓋公司的證券/衍生工具，包括股票及債券（包括衍生品）。華泰證券股份有限公司、其子公司和/或其聯營公司,及/或其高級管理層、董事和雇員可能會持有本報告中所提到的任何證券（或任何相關投資）頭寸，并可能不時進行增持或減持該證券

149、（或投資）。因此，投資者應該意識到可能存在利益沖突。本報告所載的觀點、結論和建議僅供參考，不構成購買或出售所述證券的要約或招攬，亦不試圖促進購買或銷售該等證券。如任何投資者為美國公民、取得美國永久居留權的外國人、根據美國法律所設立的實體（包括外國實體在美國的分支機構）、任何位于美國的個人，該等投資者應當充分考慮自身特定狀況，不以任何形式直接或間接地投資本報告涉及的投資者所在國相關適用的法律法規所限制的企業的公開交易的證券、其衍生證券及用于為該等證券提供投資機會的證券的任何交易。該等投資者對依據或者使用本報告內容所造成的一切后果，華泰證券股份有限公司、華泰金融控股（香港）有限公司、華泰證券（美國

150、）有限公司及作者均不承擔任何法律責任。新加坡新加坡 華泰證券（新加坡）有限公司持有新加坡金融管理局頒發的資本市場服務許可證，可從事資本市場產品交易，包括證券、集體投資計劃中的單位、交易所交易的衍生品合約和場外衍生品合約，并且是財務顧問法規定的豁免財務顧問，就投資產品向他人提供建議，包括發布或公布研究分析或研究報告。華泰證券（新加坡）有限公司可能會根據財務顧問條例第 32C 條的規定分發其在華泰內的外國附屬公司各自制作的信息/研究。本報告僅供認可投資者、專家投資者或機構投資者使用，華泰證券（新加坡）有限公司不對本報告內容承擔法律責任。如果您是非預期接收者，請您立即通知并直接將本報告返回給華泰證券

151、（新加坡）有限公司。本報告的新加坡接收者應聯系您的華泰證券（新加坡）有限公司關系經理或客戶主管，了解來自或與所分發的信息相關的事宜。免責聲明和披露以及分析師聲明是報告的一部分，請務必一起閱讀。37 科技科技 評級說明評級說明 投資評級基于分析師對報告發布日后 6 至 12 個月內行業或公司回報潛力（含此期間的股息回報）相對基準表現的預期（A 股市場基準為滬深 300 指數，香港市場基準為恒生指數，美國市場基準為標普 500 指數，臺灣市場基準為臺灣加權指數，日本市場基準為日經 225 指數），具體如下：行業評級行業評級 增持：增持：預計行業股票指數超越基準 中性：中性：預計行業股票指數基本與基

152、準持平 減持：減持：預計行業股票指數明顯弱于基準 公司評級公司評級 買入：買入：預計股價超越基準 15%以上 增持：增持：預計股價超越基準 5%15%持有：持有：預計股價相對基準波動在-15%5%之間 賣出：賣出：預計股價弱于基準 15%以上 暫停評級：暫停評級：已暫停評級、目標價及預測，以遵守適用法規及/或公司政策 無評級：無評級：股票不在常規研究覆蓋范圍內。投資者不應期待華泰提供該等證券及/或公司相關的持續或補充信息 法律實體法律實體披露披露 中國中國：華泰證券股份有限公司具有中國證監會核準的“證券投資咨詢”業務資格，經營許可證編號為：91320000704041011J 香港香港：華泰金

153、融控股（香港）有限公司具有香港證監會核準的“就證券提供意見”業務資格，經營許可證編號為：AOK809 美國美國：華泰證券（美國）有限公司為美國金融業監管局（FINRA）成員，具有在美國開展經紀交易商業務的資格，經營業務許可編號為：CRD#:298809/SEC#:8-70231 新加坡：新加坡：華泰證券（新加坡）有限公司具有新加坡金融管理局頒發的資本市場服務許可證，并且是豁免財務顧問。公司注冊號：202233398E 華泰證券股份有限公司華泰證券股份有限公司 南京南京 北京北京 南京市建鄴區江東中路228號華泰證券廣場1號樓/郵政編碼：210019 北京市西城區太平橋大街豐盛胡同28號太平洋保

154、險大廈A座18層/郵政編碼：100032 電話：86 25 83389999/傳真：86 25 83387521 電話：86 10 63211166/傳真：86 10 63211275 電子郵件：ht- 電子郵件：ht- 深圳深圳 上海上海 深圳市福田區益田路5999號基金大廈10樓/郵政編碼：518017 上海市浦東新區東方路18號保利廣場E棟23樓/郵政編碼：200120 電話：86 755 82493932/傳真：86 755 82492062 電話：86 21 28972098/傳真：86 21 28972068 電子郵件：ht- 電子郵件：ht- 華泰金融控股（香港）有限公司華泰金融

155、控股（香港）有限公司 香港中環皇后大道中 99 號中環中心 53 樓 電話：+852-3658-6000/傳真：+852-2567-6123 電子郵件： http:/.hk 華泰證券華泰證券（美國美國）有限公司有限公司 美國紐約公園大道 280 號 21 樓東（紐約 10017）電話：+212-763-8160/傳真：+917-725-9702 電子郵件:Huataihtsc- http:/www.htsc- 華泰證券（新加坡）有限公司華泰證券（新加坡）有限公司 濱海灣金融中心 1 號大廈,#08-02,新加坡 018981 電話：+65 68603600 傳真：+65 65091183 版權所有2024年華泰證券股份有限公司