《計算機行業：以產業鏈ROI的角度如何看新技術發展過程中的兩面性-240722（54頁）.pdf》由會員分享，可在線閱讀，更多相關《計算機行業：以產業鏈ROI的角度如何看新技術發展過程中的兩面性-240722（54頁）.pdf（54頁珍藏版）》請在三個皮匠報告上搜索。

1、 識別風險，發現價值 請務必閱讀末頁的免責聲明 1 1/5454 Table_Page 深度分析|計算機 證券研究報告 計算機行業計算機行業 以產業鏈以產業鏈 ROI 的角度如何看新技術發展過程中的兩面性的角度如何看新技術發展過程中的兩面性 核心觀點核心觀點：本文從產業鏈本文從產業鏈 ROI 變化的角度變化的角度甄別新技術甄別新技術引入后引入后對相關產業環節的影對相關產業環節的影響，探尋互聯網時期投入產出變化響，探尋互聯網時期投入產出變化的的規律規律，并以此借鑒，并以此借鑒生成式生成式 AI 發展發展的現狀的現狀。重大重大 IT 科技變革在廣泛商業普及之前都必然會經歷泡沫期?？萍甲兏镌趶V泛商業

2、普及之前都必然會經歷泡沫期。新技術具有兩面性，一是泡沫發生的必然性(積極性)，該特性主要體現在：物理層面的技術基礎設施觸達足夠低廉的成本。越是巨大的變革，應用的創新越需要時間探索。二是對產業鏈的短期傷害(消極性)?；ヂ摼W泡沫產生時的幾個特征：互聯網泡沫產生時的幾個特征：盡管 PC 普及率已經大幅提高，但是寬帶仍處于普及的前夕，應用并未出現能帶來巨大商業回報的突破。從產業鏈角度出發，上游基礎設施端投入多而下游應用端產出少致使 ROI 走低。估值體系的建立上忽略了盈利的不確定性，此外，還存在企業策略施行不當的特點，以及諸多其他的外部因素。但基礎設施產能過剩最終為實體經濟創造了物質條件基礎，實體經濟

3、也被逐步滲透和改善，使得科技發展邁向下一個階段。生成式生成式 AI 發展的現狀：發展的現狀：算力基礎設施仍在大幅投入初中期，相對更短板的是應用端既缺乏突破性的新形態，在 B 端因為容錯空間和性能、法律等門檻進展周期較長，C 端應用容錯空間大、門檻偏低、也因此從當前看商業價值潛力較小?？紤]到業界今年相關的資本開支計劃和下游應用發展以及商業化相對緩慢的節奏，產業鏈整體 ROI 的變化可能在 2024 年后有進一步下探。因此我們判斷隨著 ROI 不斷探低，泡沫也會逐步形成。但考慮到產業鏈上游的絕對投入體量、市場環境包括利率變化、產業格局差異和經濟形勢等皆有所差異，因此不能完全套用互聯網泡沫時期的參考

4、數據。國產算力受海外市場波動的影響會相對較小。國產算力受海外市場波動的影響會相對較小。從 A 股市場看，無論是紫光股份還是寒武紀等公司，面向海外的算力供應鏈都會多一個驅動力：國產替代。盡管其需求邏輯在較高層面是在比照海外 AI 產業的發展規律，但是信創政策的引導下、海外高端 AI 芯片出口受限的作用下、國產 CPU 性能穩步提升以及國產交換機發展前景廣闊等市場發展和技術生態因素的共同作用下，包括芯片，服務器和交換機在內的基礎軟件國產替代是大勢所趨。而這一驅動力將對沖部分海外市場波動所帶來的風險。投資建議：投資建議：推薦寒武紀、紫光股份，并建議關注浪潮信息等公司。風險提示：風險提示：ROI 測算

5、的局限性；自由貿易的形勢、國際政治環境和安全形勢等和互聯網時期有所差異致使產業相關變化趨勢有較大不確定性；國產服務器芯片存在供應鏈不穩定的風險。行業評級行業評級 買入買入 前次評級 買入 報告日期 2024-07-22 相對市場表現相對市場表現 分析師：分析師：劉雪峰 SAC 執證號：S0260514030002 SFC CE No.BNX004 021-38003675 相關研究：相關研究：計算機行業:淺析 AI 大模型訓練數據來源與版權挑戰 2024-07-19 計算機行業:政策、技術、成本共振，Robotaxi 商業化快速推進 2024-07-16 計算機行業:技術生態與市場發展共助算力

6、硬件國產替代 2024-06-13 聯系人：王鈺翔 -40%-30%-20%-10%0%10%07/2310/2312/2302/2405/2407/24計算機滬深300 識別風險，發現價值 請務必閱讀末頁的免責聲明 2 2/5454 Table_PageText 深度分析|計算機 重點公司估值和財務分析表重點公司估值和財務分析表 股票簡稱股票簡稱 股票代碼股票代碼 貨幣貨幣 最新最新 最近最近 評級評級 合理價值合理價值 EPS(元元)PE(x)EV/EBITDA(x)ROE(%)收盤價收盤價 報告日期報告日期（元（元/股）股）2024E 2025E 2024E 2025E 2024E 20

7、25E 2024E 2025E 紫光股份 000938.SZ CNY 24.60 2024/05/26 買入 32.18 0.80 0.90 30.75 27.33 17.34 15.89 6.30 6.60 寒武紀-U 688256.SH CNY 268.40 2024/02/01 買入 144.94-0.56 0.61-440.00-202.25-5.70 5.90 浪潮信息 000977.SZ CNY 38.23 2024/07/11 增持 42.86 1.43 1.64 26.73 23.31 18.62 16.90 10.50 10.80 數據來源：Wind、廣發證券發展研究中心 備

8、注：表中估值指標按照最新收盤價計算 8X9WcWaY8XaVaYbZ8OcM9PpNqQtRsOeRrRpQjMpNsRaQrQqQNZrNpPxNmPsP 識別風險，發現價值 請務必閱讀末頁的免責聲明 3 3/5454 Table_PageText 深度分析|計算機 目錄索引目錄索引 投資要點：.6 一、互聯網泡沫時期的產業鏈 ROI 變化.8（一）互聯網泡沫時代全面復盤.8（二）互聯網泡沫破滅原因分析.15（三）以 ROI 視角探尋互聯網時期投入產出變化規律.21（四）泡沫的兩面性.25 二、以史鑒今，AI 的產業鏈生態如何變化？.27（一）美股 AI 行情復盤.27（二）生成式 AI 時

9、期 ROI 探索.29（三）生成式 AI 時期的異同點探討.35（四）對未來的一些思考.43 三、投資建議.51 四、風險提示.52 識別風險，發現價值 請務必閱讀末頁的免責聲明 4 4/5454 Table_PageText 深度分析|計算機 圖表索引圖表索引 圖 1：納斯達克指數復盤（1995 年年初至 2004 年年末）.8 圖 2：美國各家庭中擁有電腦的占比.9 圖 3：戴爾和惠普年收入（十億美元）.9 圖 4：美元指數持續走強.10 圖 5：美國經濟邁入“高增長、低通脹、低利率”的黃金年代.10 圖 6：美國科技相關公司的 IPO 數量（家）.12 圖 7：科技相關公司 IPO 所籌

10、集資金（百萬美元）.12 圖 8：1998 年-2000 年上市的公司在 2001 年平均跌幅超 95%（單位：$）.14 圖 9：美國 1995 年-2015 年風險投資總額及互聯網相關的風險投資總額.14 圖 10：彭博的混合年度計算方式示意圖（以 EBIT 為例）.15 圖 11：互聯網泡沫時代股票池.16 圖 12：互聯網泡沫時期的現金流走勢圖.17 圖 13：基礎設施端的總折舊攤銷（十億美元）.17 圖 14：基礎設施端固定資產及長期投資（十億美元）.17 圖 15：基礎設施端公司的資本開支（十億美元）.18 圖 16：互聯網時期應用端凈利潤（百萬美元）.18 圖 17：IPO 企業

11、存活年限的中位數（年）.20 圖 18：IPO 企業中盈利的占比.20 圖 19：EPS0 的公司平均首日回報達 81%.20 圖 20：估值水平極高，00 年時 P/S 中位數達 49.5 倍.20 圖 21：互聯網時期應用端總收入（百萬美元）.24 圖 22：互聯網時期應用端各公司收入（百萬美元）.24 圖 23：1998 年至 2015 年網絡中轉費用圖（美元/Mbps）.25 圖 24：1995 年至 2002 年網民數量圖（百萬人次）.25 圖 25：Facebook 季活用戶（百萬）.26 圖 26：Twitter 季活用戶（百萬）.26 圖 27：Youtube 年廣告收入（十億

12、美元）.26 圖 28：Youtube 年用戶數（十億人次）.26 圖 29：納指 40 年周期復盤.27 圖 30：2012 年至 2024 年 AI 大事記復盤.28 圖 31：生成式 AI 時代產業鏈主要環節代表性公司.28 圖 32：2022-2027 年中國 AI 服務器訓練和推理工作負載比例.30 圖 33：微軟 FY22Q1-24Q3 Office 365 商業版訂閱數和營收增速對比.32 圖 34：微軟 FY22Q1-24Q3 Office 365 消費版訂閱數量及同比增速.32 圖 35：2019-2023 年 Meta 現實實驗室收入（十億美元）.33 圖 36：2019-

13、2023 年 Meta 不同業務占比變化.33 圖 37：AWS 收入及環比增速（十億美元）.33 圖 38：AWS 收入同比增速.33 圖 39：谷歌搜索板塊收入（百萬美元）及 YoY.34 識別風險，發現價值 請務必閱讀末頁的免責聲明 5 5/5454 Table_PageText 深度分析|計算機 圖 40：谷歌其他不同業務板塊收入（百萬美元）.34 圖 41：谷歌各不同業務板塊 YoY.35 圖 42：生成式 AI 時期產業鏈上下游的現金流走勢圖.36 圖 43：2022 年全球科技公司 AI 服務器采購量占比.37 圖 44：AI 時期基礎設施端總固定資產和長期投資（十億美元）.40

14、 圖 45：AI 時期應用端總固定資產和長期投資（十億美元）.40 圖 46：Meta 現實實驗室營業收入（虧損）（單位：十億美元）.41 圖 47：22 年至 23 年基礎設施端總資本開支增速下滑（十億美元）.42 圖 48：22 年至 23 年應用端總資本開支增速下滑（十億美元）.42 圖 49：微軟資本開支及同比增速依然有波動.42 圖 50：互聯網時代和 AI 時代產業鏈上下游市值圖（單位：十億美元）.43 圖 51：Gartner 人工智能技術成熟度曲線.44 圖 52：產業鏈 ROI 可能會進一步下探.45 圖 53：2013-2025 年信創發展時間軸.46 圖 54：國內交換機

15、行業市場規模及增速.49 圖 55：全球歷年光模塊銷售額占比.49 表 1：部分新興互聯網公司所帶來的顛覆式商業模式.11 表 2：10 家年化回報率最高的公司（統計時間截止 1999 年 5 月）.13 表 3：互聯網時期部分公司的估值及股價.19 表 4：互聯網時期上游基礎設施端收入拆分（十億美元）.23 表 5：應用端公司 1995 年至 2003 年的收入（百萬美元）.24 表 6：美國 AT&T 互聯網時期的上網費用.25 表 7：通用服務器和 AI 服務器各部件價格清單.30 表 8：生成式 AI 時期產業鏈上游收入測算結果.31 表 9：部分公司 AI 合作的案例介紹.36 表

16、10：2023-2024 年部分國內規劃、開工建設和已建成的 AIDC（部分數據）.37 表 11：2017-2023 年全球 CPU 性能對比表格.47 表 12：各廠商通用服務器和 AI 服務器按照搭載芯片類型產品分類.48 表 13：英偉達 SuperPod 集群中節點、交換機和線纜的數量（單位：個）.49 表 14：英偉達 Spectrum-X800 和新華三 S9827-64E 交換機性能對比.50 表 15：2023-2024 年新華三交換機部分中標項目統計.50 識別風險，發現價值 請務必閱讀末頁的免責聲明 6 6/5454 Table_PageText 深度分析|計算機 投資要

17、點投資要點：本文從產業鏈本文從產業鏈ROI變化的角度甄別新技術引入后對相關產業環節的影響，探尋互聯變化的角度甄別新技術引入后對相關產業環節的影響，探尋互聯網時期投入產出變化的規律，并以此借鑒生成式網時期投入產出變化的規律，并以此借鑒生成式AI發展的現狀。發展的現狀。重大重大IT科技變革在廣泛商業普及之前都必然會經歷泡沫期?？萍甲兏镌趶V泛商業普及之前都必然會經歷泡沫期。新技術泡沫具有兩面性，其一是泡沫發生的必然性(積極性)，其二是對產業鏈的短期傷害(消極性)。這其中在資本層面主要是ROI角度對長周期投入的忍耐有限。必然性：必然性：物理層面的技術基礎設施是物質基礎，包含兩個條件，創新形態與性能的軟

18、硬件基礎設施，及其足夠低的采購成本。從場景看云端/中后臺和最終用戶端的設備以及日常使用費用都需要觸達足夠低廉的成本水平。這是創新應用前期投入的必需土壤。同時，越是巨大的變革，應用的創新越需要時間探索創造，商業回報周期較長。若是前期投入力度較小，將會影響應用的創新和商業化推廣節奏，拉長商業回報周期；反之投入力度較大，規模效應提升，有利于創新應用推進。加之在產業方向共識較高后出于競爭需求，泡沫的產生不可避免。因此泡沫具有相當的必然性，因此泡沫具有相當的必然性，具有積極的正面意義。具有積極的正面意義。消極性：消極性：消極性更多集中在短期，及經營上ROI的角度。在下游應用形成商業回報之前，ROI持續走

19、低，對企業的經營形成較大壓力。產業共識方向的新技術變革中，只有單向選擇。因此在下游創新應用的規?；虡I回報或者說ROI達到拐點之前，會有不少企業在短期承受不了資金和財務回報的壓力而遭受挫折，相應地，基礎設施或設備端同樣會不可避免面臨產能短期過剩的挑戰。這一過程盡管相對可能短期，但是對相關公司的沖擊或傷害通常較為劇烈?；ヂ摼W泡沫產生時的幾個狀態特征：(1)盡管PC普及率已經大幅提高，但是寬帶仍處于普及的前夕，應用并未出現能帶來巨大商業回報的突破，仍然停留在網頁端窄帶應用、IM、電商等，規?；哔|量的創新應用如高質量的在線視頻和大容量在線游戲等因為使用接入設備和日常使用的成本障礙尚未進入規?；虡I

20、普及階段。(2)從產業鏈角度出發，ROI較低，不算累計攤銷折舊的靜態投入產出比例2000年和2001年分別為24:1和20:1，從環節上看觸達低水平，企業經營的角度負擔稱重難以為繼。(3)同時，估值體系的建立上忽略了盈利的不確定性以及過度投資會導致周期提前透支的因素、企業策略施行不當，以及諸多其他外部因素如千禧年事件和911事件等皆加速了泡沫崩塌的進程。(4)但泡沫的破滅，供需錯配發生時，設備商降價，基礎設施過剩的泡沫最終為實體經濟創造了物質條件基礎，實體經濟也被逐步滲透和改善，使得科技發展邁向下一個階段。生成式AI發展的現狀：(1)算力基礎設施仍在大幅投入初中期，使用終端方面尚未規?；?，

21、相對更短板的是應用端既缺乏突破性的新形態，在B端因為容錯空間和性能、法律等門檻進展周期較長，C端應用容錯空間大、門檻偏低、也因此從當前看商業價值潛力 識別風險，發現價值 請務必閱讀末頁的免責聲明 7 7/5454 Table_PageText 深度分析|計算機 較小。(2)ROI的水平已達10:1到14:1的區間范圍?？紤]到業界今年相關的資本開支計劃和下游應用發展和商業化相對緩慢的節奏，產業鏈整體ROI的變化可能在2024年后進一步下探。(3)因此我們判斷隨著ROI不斷探低，泡沫也會逐步形成。從企業經營和新技術突破的必然性看，進入這一階段或許不會等太久?；蛘邠Q個角度看：泡沫出現得越晚，突破性應

22、用的規?；霈F也就越晚。(4)但考慮到產業鏈上游的絕對投入體量、市場環境包括利率變化、產業格局差異和經濟形勢等皆有所差異，因此不能完全套用互聯網泡沫時期的參考數據。(5)國產算力受海外市場波動的影響會相對較小。從 A 股市場看，無論紫光股份還是寒武紀等公司，其需求邏輯在較高層面上雖然在是比照海外AI產業發展規律，但是在具體市場需求動力上和面向海外的算力供應鏈相比會多一個驅動力：國產替代。識別風險，發現價值 請務必閱讀末頁的免責聲明 8 8/5454 Table_PageText 深度分析|計算機 一、互聯網泡沫時期的產業鏈一、互聯網泡沫時期的產業鏈 ROI 變化變化（一）（一）互聯網泡沫時代全

23、面復盤互聯網泡沫時代全面復盤 互聯網泡沫（也稱為互聯網泡沫（也稱為 dot-com 泡沫）是指泡沫）是指 2000 年前后在歐美及亞洲等多個國家的年前后在歐美及亞洲等多個國家的股票市場中因科技及新興的互聯網所掀起的非理性投資熱潮。股票市場中因科技及新興的互聯網所掀起的非理性投資熱潮。該熱潮使得納斯達克指數在 1995 年到 2000 年 5 年的時間內漲幅達 1168%（以 1995 年 1 月 3 日收盤價和 2000 年 3 月 10 日納指最高點為計算）?；ヂ摼W泡沫破滅之后，美國經濟大幅下滑，后續用了長達 15 年的時間，納斯達克指數才重新回到 2000 年的水平。復盤整個泡沫的形成及崩

24、塌過程，我們將其劃分為四個階段，分別是潮起、熱潮、潮落，以及消化泡沫。圖圖 1：納斯達克指數復盤（：納斯達克指數復盤（1995年年初至年年初至2004年年末）年年末）數據來源：全球企業家協會，Bloomberg，廣發證券發展研究中心 注：納斯達克 100 指數為修正的市值加權指數，成分股包含在納斯達克掛牌交易的 100 家最大且交投最活躍的非金融類國內及國際公司發行的股票。1.第一階段第一階段-互聯網潮起，美國科技周期興起（互聯網潮起，美國科技周期興起（1998年之前）年之前）技術和政策雙管齊下，促進了硬技術和政策雙管齊下，促進了硬件的普及。件的普及。1983年，美國國防高級研究計劃局啟動的一

25、個項目先進研究項目署網絡（ARPANET）正式采用TCP/IP協議，使得不同網絡之間可以互相通信；1991年美國總統克林頓公布了建立美國國家信息基礎設施的構想；1993年美國國家超級計算應用中心（NCSA）公布了世界上第一個圖形化界面3008001300180023002800330038004300480053001995/1/31995/3/31995/5/31995/7/31995/9/31995/11/31996/1/31996/3/31996/5/31996/7/31996/9/31996/11/31997/1/31997/3/31997/5/31997/7/31997/9/3199

26、7/11/31998/1/31998/3/31998/5/31998/7/31998/9/31998/11/31999/1/31999/3/31999/5/31999/7/31999/9/31999/11/32000/1/32000/3/32000/5/32000/7/32000/9/32000/11/32001/1/32001/3/32001/5/32001/7/32001/9/32001/11/32002/1/32002/3/32002/5/32002/7/32002/9/32002/11/32003/1/32003/3/32003/5/32003/7/32003/9/32003/11/3

27、2004/1/32004/3/32004/5/32004/7/32004/9/32004/11/3納斯達克100指數標普500指數1998年年11月月13日日“”上市，當天上漲606%，以63.5美元的價格收盤1996年年4月月12日日雅虎的股價在上市第一天上漲超過一倍，收盤價達33美元。1997年年5月月15日日“A”以18美元的價格上市，在上市當天漲幅31%。2000年年1月月10日日AOL決定以1560億美元的價格收購Time Warner,成為當時史上第二大的收購案例。2001年年4月月23日日“”退市，股價以16美分的價格收盤。2000年年3月月10日日納斯達克100指數到了最高點-

28、5048.62。2004年年8月月19日日谷歌上市，在上市當天漲幅達18%。1999年年12月月9日日VA Linux Systems上市，在上市當天上漲幅698%。1996年年12月月5日日Alan Greenspan（前美聯儲主席）提出現在處于非理性繁榮階段2002年年10月月9日日納斯達克指數觸及熊市最低點-1141.11.第一階段第一階段-潮潮起起（1998年之前年之前）第二階段第二階段-熱潮熱潮（1998年年-2000年年）第第三三階段階段-潮潮落落（2000年年-2002年年）第第四四階段階段-消化泡沫消化泡沫（2002年年-2015年年）1998年年12月月16日日分析師Henr

29、y Blodget提出亞馬遜的股價將會在1年之內從250美元上漲到400美元，而亞馬遜只用了幾周的時間就達到了400美元。2000年3月10日基礎設施端公司的市值思科：4521億美元愛立信：1930億美元惠普：1476億美元IBM：1878億美元戴爾：1307億美元英特爾：4015億美元美國電話電報公司：1426億美元2000年3月10日應用端公司的市值亞馬遜：228億美元易貝：249億美元雅虎：937億美元Priceline:138億美元2002年10月9日基礎設施端公司的市值思科：672億美元愛立信：299億美元惠普：637億美元IBM：341億美元戴爾：647億美元英特爾：897億美元美

30、國電話電報公司：677億美元2002年10月9日應用端公司的市值亞馬遜：641美元易貝：161億美元雅虎：59億美元Priceline：2.5億美元 識別風險，發現價值 請務必閱讀末頁的免責聲明 9 9/5454 Table_PageText 深度分析|計算機 的網頁瀏覽器Mosaic。硬件終端的普及為新技術應用構建了物質技術基礎。硬件終端的普及為新技術應用構建了物質技術基礎。根據Statista，擁有個人電腦的家庭占比從1984年的8%上升到2000年的51%。戴爾、惠普等個人電腦和服務器公司步入高速發展。戴爾收入從1990年的5.2億美元上升至2000年的310億美元，11年Cagr達45

31、%?；萜帐杖霃?990年的134億美元上升至2000年的493億美元，11年Cagr達13%。圖圖2：美國各家庭中擁有電腦的占比：美國各家庭中擁有電腦的占比 圖圖 3：戴爾和惠普：戴爾和惠普年收入（十億美元）年收入（十億美元）數據來源：Statista，廣發證券發展研究中心 數據來源：Bloomberg，廣發證券發展研究中心 與此同時，互聯網連接設備和服務器也在這一階段歷經了顯著的技術進步。與此同時，互聯網連接設備和服務器也在這一階段歷經了顯著的技術進步。(1)連接設備方面，撥號調制解調器（Modem）的速度從300bps逐步提升至14.4Kbps、28.8Kbps和56Kbps，當Modem

32、速度為300bps的時候，刷新一個2MB的網頁需要15個小時，當Modem速度達56Kbps時，同樣大小的網頁僅需要5分鐘左右，而這個時間其實就是互聯網早幾年應用的局限范圍；網橋（Bridge）和交換機（Switch）技術提供了局域網的性能和可靠性。在早期，所有設備共享一個沖突域，如果多個設備同時發送數據，則會導致沖突并降低網絡效率。而網橋通過將網絡分割成多個沖突域，使每個端口都有自己獨立的沖突域，減少了沖突發生的可能性。交換機支持虛擬局域網，通過邏輯劃分網絡，使得不同部門或工作組的流量相互隔離，提高了網絡的安全性和管理的靈活性。(2)在服務器方面，RAID技術被普及；基于X86架構的個人計算

33、機開始用作小型服務器。RAID通過將多個硬盤組合成一個邏輯單元，提高了數據的可靠性，RAID1將數據寫入兩塊或更多的硬盤，如果一塊硬盤故障，另一塊硬盤仍然可以提供完整的數據。X86架構的標準化和普及則使得組件之間具有較高的兼容性，進一步降低了服務器的成本，同時，標準化的處理器也益于大規模生產，使邊際成本遞減。一系列政策的利好、美聯一系列政策的利好、美聯儲降息、技術的進步和互聯網的普及，使得美國科技周期儲降息、技術的進步和互聯網的普及，使得美國科技周期興起興起。美聯儲自1995年來連續調整基準利率6次，整體利率從1995年2月的6%降至8%15%23%37%51%56%62%70%74%77%0

34、%10%20%30%40%50%60%70%80%90%1984 1989 1993 1997 2000 2001 2003 2007 2009 2010美國各家庭中擁有電腦的占比-50%0%50%100%150%0102030405060戴爾年收入惠普年收入戴爾年收入YoY惠普年收入YoY 識別風險，發現價值 請務必閱讀末頁的免責聲明 1010/5454 Table_PageText 深度分析|計算機 1998年4月的4.75%。在這一階段，美國經濟步入了“高增長、低通脹、低利率”的黃金年代。納斯達克指數在這一階段從1993年的360.24上漲至1998年年初的1008.23，上漲幅度達18

35、3%。圖圖4：美元指數持續走強：美元指數持續走強 數據來源：Wind，廣發證券發展研究中心 圖圖5：美國經濟邁入“高增長、低通脹、低利率”的黃金年代：美國經濟邁入“高增長、低通脹、低利率”的黃金年代 數據來源：Wind，廣發證券發展研究中心 2.第二階段第二階段-互聯網熱潮，投資者對互聯網概念相關的標的興趣激增，互聯網熱潮，投資者對互聯網概念相關的標的興趣激增，IPO數數量在這一時期激增（量在這一時期激增（1998年至年至2000年）年）許多傳統業務的公司被取代，互聯網的普及使得人們生活的方式發生了本質上的改許多傳統業務的公司被取代，互聯網的普及使得人們生活的方式發生了本質上的改變。變。在下表

36、，我們對那個時期新興的互聯網公司做了一個梳理。如：Healtheon提供在線醫療記錄管理和健康保險處理服務。通過互聯網平臺連接醫生、醫院和保險公7782879297102107112117122127美元指數美元指數持續走強2.40 6.0000 4.7500 0123456781993-01-311994-01-311995-01-311996-01-311997-01-311998-01-311999-01-312000-01-312001-01-312002-01-312003-01-312004-01-31美國:GDP:不變價:季調:折年數:同比美國:聯邦基金目標利率美國:失業率:季調

37、美聯儲基準于1995年2月不斷降息，寬松流動性推動著整體的上升行情。失業率持續走低；GDP增長速度快且穩 識別風險，發現價值 請務必閱讀末頁的免責聲明 11 11/5454 Table_PageText 深度分析|計算機 司，簡化了健康信息和保險處理流程，使得醫療服務不再需要過度依賴紙質記錄和手工處理，從而提高了準確性和效率。AmeriTrade作為一家在線股票和證券的交易平臺，使證券交易不再依賴經紀人和電話交易，提供了更便捷和低成本的交易方式。表表 1：部分新興互聯網公司所帶來的顛覆式商業模式部分新興互聯網公司所帶來的顛覆式商業模式 主要客群主要客群 公司公司 產品和商業模式產品和商業模式

38、和傳統公司的不同點和傳統公司的不同點 C端 Yahoo 一家全球知名的互聯網門戶，提供搜索引擎、郵件、新聞等多種在線服務。傳統媒體和信息獲取依賴于報紙、電視和郵件，雅虎通過互聯網平臺提供了更快捷和多樣化的信息獲取方式。C端 Google 一家搜索引擎公司，提供在線廣告、云計算、軟件等服務。傳統的信息檢索和廣告主要依靠紙質媒介和線下渠道，Google通過搜索引擎和線上廣告平臺實現了精準和高效的信息檢索與廣告投放。C端 Amazon 一個網購平臺，用戶可以在網站上直接瀏覽產品、下單并進行在線支付。實時庫存更新、個性化推薦和客戶評論系統大大改善了購物體驗。從電話訂單到在線下單、實時支付和快速送貨，顯

39、著縮短了購物周期，提升了用戶體驗。C端 eBay 一家在線拍賣和購物網站，用戶可以在平臺上拍賣或直接購買商品。它采用了C2C（消費者對消費者）和B2C（企業對消費者）模式，提供一個全球性的交易市場。傳統拍賣和零售依賴實體場所和固定時間，eBay通過互聯網平臺實現了24/7全天候的全球交易。C端 Skype 一家提供通訊服務的公司，提供免費和低成本的在線語音和視頻通話服務，支持全球范圍的即時通訊。從傳統電話和國際長途到互聯網語音和視頻通話，大幅降低了通訊成本，增加了溝通的便捷性。C端 AmeriTrade 一家在線股票和證券交易平臺，允許個人投資者通過互聯網進行股票、期權和其他證券交易，提供低傭

40、金和實時交易服務。傳統證券交易依賴經紀人和電話交易，AmeriTrade通過在線平臺提供更便捷和低成本的交易方式。C端 LinkedIn 一個提供在線職業社交的平臺，用戶可以創建職業檔案，連接行業人士，尋找和申請職位。從傳統招聘和求職到在線職業網絡和社交，增加了就業信息的透明度和可訪問性，促進了職業發展的機會。C端 theG 一個社交網絡和社區平臺，用戶可以創建個人主頁、發布內容、參與論壇和聊天室，早期社交媒體的雛形。顛覆傳統的面對面溝通方式，實現全球用戶互聯。C端 Go2Net（InfoSpace 前身）前身）一家互聯網門戶網站，提供搜索引擎、在線新聞、社區論壇和電子商務服務，旨在通過多元化

41、的互聯網服務吸引用戶流量和廣告收入。傳統媒體公司依賴廣告牌或紙制的宣傳方式，Go2Net通過整合多種互聯網服務吸引用戶，依賴網絡廣告和在線服務收入。B端 Bottomline Technologies 提供企業支付和金融管理解決方案，幫助企業自動化和優化支付流程、發票管理和現金流管理。傳統的支付和財務管理依賴手工和紙質流程，Bottomline通過數字化使企業能夠更好的進行財務管理。B端 MessageMedia 一家提供企業電子郵件和互聯網通信服務的公司，幫助企業進行大規模的電子郵件營銷和客戶溝通。傳統營銷和溝通依賴紙質郵件和電話，MessageMedia通過電子郵件和互聯網大幅提高了效率和

42、覆蓋范圍。B端 Healtheon 一家健康信息技術公司，提供在線醫療記錄管理和健康保險處理服務。通過互聯網平臺連接醫生、醫院和保險公司，簡化了健康信息和保險處理流程。傳統醫療服務依賴紙質記錄和手工處理，Healtheon通過數字化和自動化，提高了效率和準確性。數據來源：維基百科，公司官網，廣發證券發展研究中心 識別風險，發現價值 請務必閱讀末頁的免責聲明 1212/5454 Table_PageText 深度分析|計算機 這些新興公司改變并創新了這些新興公司改變并創新了B端和端和C端的傳統端的傳統運作方式，通過減少流通成本，刺激了運作方式，通過減少流通成本，刺激了消費需求，也促進了生產力的發

43、展。消費需求，也促進了生產力的發展。(1)在B端，企業通過電子郵件、企業網站、ERP系統和協同辦公工具等技術，對傳統的市場營銷方式進行革新，并大幅提高了內部溝通效率、客戶服務質量和水平，推動了生產力的提升和經營成本的降低。典型的公司有Healthon（健康信息 技 術 公 司）、MessageMedia（企 業 電 子 郵 件 服 務 的 公 司）、BottomlineTechnologies（企業支付和金融管理解決方案公司）等。(2)在C端，即時通訊、新聞瀏覽、票務和旅游預訂、電子商務等新形態的應用，極大地豐富了消費者的生活方式，提升了消費體驗，刺激了消費需求，促進了經濟增長。典型的公司有G

44、o2Net（互聯網門戶網站）、Skype（即時通訊服務）、Amazon（網購平臺）、eBay（在線拍賣和購物平臺）、Ameritrade（線上股票證券交易平臺）等。1998年至2000年三年時間里，美國科技板塊相關的IPO數量達到744個，而在2000年之后的5年時間里，IPO總數僅為168家。這三年中，美國科技相關的IPO公司共籌集資金超841億美元，三年Cagr達73.69%。（數據來源：美國弗洛里達大學教授Jay R.Ritter發布的Initial Public Offerings：Updated Statistics）圖圖6：美國科技相關公司的：美國科技相關公司的IPO數量數量（家）

45、（家）圖圖 7：科技相關公司：科技相關公司 IPO 所籌集資金（百萬美元）所籌集資金（百萬美元）數據來源：Jay R.RitterInitial Public Offerings：Updated Statistics，廣發證券發展研究中心 數據來源：Jay R.RitterInitial Public Offerings：Updated Statistics，廣發證券發展研究中心 大部分互聯網概念相關的公司在這一時期獲得了“瘋狂”的漲幅，而這也促成了機大部分互聯網概念相關的公司在這一時期獲得了“瘋狂”的漲幅，而這也促成了機構投資者和散戶紛紛涌入資本市場。構投資者和散戶紛紛涌入資本市場。初代社交

46、網站“the ”于1998年11月13日上市，當天漲幅606%；預售Linux操作系統的VA Linux于1999年12月9日上市，當天漲幅698%。其他的互聯網相關公司如Healtheon、eBay、AbovenNet年化回報率分別達到了3329%、3269%、1853%。投資者陷入羊群效應，納斯達克指數在這一階段上漲幅度達401%。-150%-100%-50%0%50%100%150%200%250%300%050100150200250300350400美國科技相關公司的IPO數量YoY-150%-100%-50%0%50%100%150%200%250%300%350%05,00010

47、,00015,00020,00025,00030,00035,00040,00045,000199119921993199419951996199719981999200020012002200320042005科技相關公司IPO所籌集資金數額YoY 識別風險，發現價值 請務必閱讀末頁的免責聲明 1313/5454 Table_PageText 深度分析|計算機 表表 2：10家年化回報率最高的公司（統計時間截止家年化回報率最高的公司（統計時間截止1999年年5月）月）公司名稱公司名稱 年化回報率（年化回報率（%）Healtheon 3329%eBay 3269%AbovenNet 1853%

48、AmeriTrade 1105%MessageMedia 886%Go2Net 872%CMG 792%InfoSpace 681%E*Trade 652%Bottomline Technologies 611%數據來源：Anthony B.Perkings，Michael C.PerkinsThe Internet Bubble:Inside the Overvalued World of High-Tech Stocks，廣發證券發展研究中心 3.第三階段第三階段-互聯網潮落，大部分公司在歷經燒錢后，并無持續的收入來支撐互聯網潮落，大部分公司在歷經燒錢后，并無持續的收入來支撐其持續運行，投

49、資者喪失信心（其持續運行，投資者喪失信心（2000年至年至2002年）年）對基建和終端的投資很大，但是在固定資產的完整折舊期中，并沒有探索到合適的對基建和終端的投資很大，但是在固定資產的完整折舊期中，并沒有探索到合適的生存模式，導致運營的中斷。生存模式，導致運營的中斷。上游互聯網基礎設施如光纖網絡、數據中心和服務器以及終端設備如個人計算機和網絡設備不斷被制造和購買，但下游初創企業營利困難、廣告和電子商務收入有限、用戶使用率和付費率較低使得下游公司產出的總量和上游公司投入的差距越來越大，最終導致短期難以為繼，泡沫崩塌。我們對1998年到2000年上市的公司進行了匯總，并選取了18家自上市以來上漲

50、幅度最高的公司，包括如TheG，Ntwks，webMethods，Freemarkets。其中，跌幅最大的公司，如TheG和Preview Systems，跌幅超過99%。截止2000年3月10日，這18家公司相較于其上市日期的股價平均漲幅超143%。截止2001年8月31號，這18家公司相較于其2000年3月10日（泡沫峰值日期）平均跌幅超95%。加之千禧蟲、911等外事件帶來的影響，納斯達克指數在兩年之內下跌超過77%。（數據來源：John Cassidy出版書籍dot.con,The Greatest Story Ever Sold）識別風險，發現價值 請務必閱讀末頁的免責聲明 1414

51、/5454 Table_PageText 深度分析|計算機 圖圖8：1998年年-2000年上市的公司在年上市的公司在2001年平均跌幅超年平均跌幅超95%（單位：（單位：$）數據來源：John Cassidydot.con,The Greatest Story Ever Sold，廣發證券發展研究中心 4.第四階段第四階段-消化泡沫的漫長之路（消化泡沫的漫長之路（2002年之后）年之后）納斯達克在2002年10月9日跌到了最低點1141.11，而后用了超過15年才使得其指數重新回到2000年的水平。一級市場中的美國風投在本世紀初時也達到了頂峰，而后盛極而衰。根據國際風險投資協會，整體風投總額

52、在2000年達1050億美元，互聯網相關的風投總額達807億美元，占比總額77%。此前，在1995年，互聯網相關的風投總額僅為19億美元，1995年至2000年5年Cagr達86%。此后風投總額于2003年才回歸到泡沫產生之前的水平，但直到2015年也沒有達到2000年時刻的量級。圖圖 9：美國：美國1995年年-2015年風險投資總額及互聯網相關的風險投資總額年風險投資總額及互聯網相關的風險投資總額 數據來源：國際風險投資協會 NVCA2014 年年度總結，廣發證券發展研究中心 050100150200250300350上市當天開盤價2000年3月10日收盤價2001年8月31日收盤價0%1

53、0%20%30%40%50%60%70%80%90%0200004000060000800001000001200001995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015互聯網相關的風險投資總額（百萬美元）風險投資總額（百萬美元）互聯網相關投資占比總額 識別風險，發現價值 請務必閱讀末頁的免責聲明 1515/5454 Table_PageText 深度分析|計算機 （二二）互聯網泡沫破滅互聯網泡沫破滅原因分析原因分析 為了對該時期互聯網相關

54、的公司進行一個較為詳盡的分析，我們選取了為了對該時期互聯網相關的公司進行一個較為詳盡的分析，我們選取了18家規模排家規模排前列且典型的公司構建我們的股票池。前列且典型的公司構建我們的股票池。分別為基礎設施端的12家公司包括：思科（CSCO US Equity）、朗訊阿爾卡特（ALU FP Equity）、愛立信（ERICB SS Equity）、惠普（HPQ US Equity）、國際商業機器公司（IBM US Equity）、西門子（SIE GR Equity）、諾基亞（NOKIA FH Equity）、戴爾（1683997D US Equity）、英特爾（Intel US Equity）、

55、威訊通信（VZ US Equity）、美國電話電報公司（T US Equity）、康卡斯特（CMCSA US Equity）；以及6家應用端的公司：亞馬遜（AMZN US Equity）、易貝（EBAY US Equity）、雅虎（1518855D US Equity）、Expedia（EXPE US Equity）、Priceline（BKNG US Equity）、谷歌（GOOGL US Equity）因考慮到各公司財報所披露的時間不同、所用匯率不同以及其他的因素，我們后續的所有分析過程皆不使用報表數據，而改為采取彭博的混合年度計算公式，并統一采用美元為貨幣單位?；旌夏甓扔嬎愎綖椤癋A_

56、PERIOD_TYPE=BA”，所用匯率公式為“CURRENCY=USD”。圖圖10：彭博的混合年度計算方式示意圖（以：彭博的混合年度計算方式示意圖（以EBIT為例）為例）數據來源：Bloomberg，廣發證券發展研究中心 識別風險，發現價值 請務必閱讀末頁的免責聲明 1616/5454 Table_PageText 深度分析|計算機 圖圖11：互聯網泡沫時代股票池：互聯網泡沫時代股票池 數據來源：廣發證券發展研究中心 我們對互聯網泡沫形成及破滅我們對互聯網泡沫形成及破滅的原因進行了深度研究和探討，并歸納出了最終導致的原因進行了深度研究和探討，并歸納出了最終導致泡沫崩塌的三點最直接的原因。泡沫

57、崩塌的三點最直接的原因。盈利模式的探索需要較長周期，而在沒有探索出合適的盈利模式之前就過度投資，最終導致現金流的斷裂：上游基礎設施端無法持續獲得來自下游軟件端公司的訂單，而下游應用端的公司在這個時期始終沒有推出合適的產品或較好的商業模式來支撐企業的運行，同時還在以持續不斷的“燒錢”方式搶占市場份額；透支的估值體系及錯誤的企業策略所帶來的非理性繁榮；其他外部原因：千禧年危機和911事件等其他外部事件都加速了股市整體的崩塌。1.盈利模式的探索需要較長周期，盈利模式的探索需要較長周期，而在沒有探索出合適的盈利模式之前就過度投而在沒有探索出合適的盈利模式之前就過度投資，最終導致現金流的斷裂資，最終導致

58、現金流的斷裂 以產業鏈上下游的角度來思考，產業鏈上游和下游的現金流斷裂而導致公司無法繼以產業鏈上下游的角度來思考，產業鏈上游和下游的現金流斷裂而導致公司無法繼續正常運行是泡沫破滅的根本原因。續正常運行是泡沫破滅的根本原因。從上游看：從上游看：基礎設施端的公司因早期訂單增多，為增加產能投入過多資金用于固定資產投資和自身的硬軟件開發，但下游客戶的虧損導致其失去持續的訂單，同時，固定資產折舊損耗較快，固定資產的投資泡沫亦是對財報表現形成了一定的沖擊。從下游看：從下游看：成熟的商業模式和良好的產品在短期之內并未出現，因此無法從C端或者B端獲得認可。產品落地始終不到位導致大部分公司在燒完前期所籌集的資金

59、后難以為繼，只有很少一部分公司能夠最終穿越周期。公司代碼公司代碼思科CSCO US Equity亞馬遜AMZN US Equity朗訊阿爾卡特ALU FP Equity易貝Ebay US Equity愛立信ERICB SS Equity雅虎1518855D US Equity惠普HPQ US EquityExpediaEXPE US EuqityIBMIBM US EquityPricelineBKNG US Equity西門子SIE GR Equity谷歌GOOGL USEquity諾基亞NOKIA FH Equity戴爾1683997D US Equity英特爾INTC US US Equ

60、ity威訊通信VZ US equity美國電話電報公司T US Equity康卡斯特CMCSA US Equity基礎設施端軟件端 識別風險，發現價值 請務必閱讀末頁的免責聲明 1717/5454 Table_PageText 深度分析|計算機 圖圖12：互聯網泡沫時期的現金流走勢圖：互聯網泡沫時期的現金流走勢圖 數據來源：廣發證券發展研究中心 從從基礎設施端來看，折舊攤銷在增長速率上可以劃分為三個階段，其中互聯網泡沫基礎設施端來看，折舊攤銷在增長速率上可以劃分為三個階段，其中互聯網泡沫中后期折舊攤銷處于快速增長階段。中后期折舊攤銷處于快速增長階段。第一階段-互聯網泡沫早期，折舊攤銷屬于緩慢增

61、長階段；基礎設施端的總折舊攤銷從1996年的240億美元增長至1998年的280億美元，3年CAGR達5%。第二階段-互聯網泡沫中后期，折舊攤銷處于快速增長階段；1998年至2001年四年的折舊攤銷總額分別為280億美元、390億美元、460億美元、510億美元，4年CAGR達16%。第三階段-消化泡沫時期，折舊攤銷處于負增長態勢；折舊攤銷從2001年510億美元減少至2005年的450億美元，5年CAGR達-1%?；A設施端的固定資產及長期投資也可劃分為三個階段，其中互聯網泡沫中后期固基礎設施端的固定資產及長期投資也可劃分為三個階段，其中互聯網泡沫中后期固定資產及長期投資增長速度最快。定資產

62、及長期投資增長速度最快。第一階段-互聯網泡沫早期，固定資產及長期投資屬于緩慢增長階段；基礎設施端的總固定資產及長期投資從1996年的1,360億美元增長至1998年的1,590億美元，3年CAGR達4%。第二階段-互聯網泡沫中后期，固定資產及長期投資處于快速增長階段；1998年至2001年四年的固定資產及長期投資總額分別為1,590億美元、2,080億美元、2,460億美元、2,470億美元，4年CAGR達16%。第三階段-消化泡沫時期，固定資產及長期投資處于負增長態勢；固定資產及長期投資從2002年2,760億美元減少至2005年的2,580億美元，4年CAGR達-2%。圖圖13：基礎設施端

63、的總折舊攤銷（十億美元）：基礎設施端的總折舊攤銷（十億美元）圖圖 14：基礎設施端固定資產及長期投資（十億美元）：基礎設施端固定資產及長期投資（十億美元）數據來源：Bloomberg，廣發證券發展研究中心 數據來源：Bloomberg，廣發證券發展研究中心 基礎設施端互聯網泡沫時期應用端商業化落地有效益的商業產品B端C端收入支出24 27 28 39 46 51 44 47 46 45-20%-10%0%10%20%30%40%50%0102030405060互聯網基礎設施端折舊攤銷YoY136 146 159 208 246 247 276 269 263 258-5%0%5%10%15%2

64、0%25%30%35%050100150200250300互聯網基礎設施端固定資產及長期投資YoY 識別風險，發現價值 請務必閱讀末頁的免責聲明 1818/5454 Table_PageText 深度分析|計算機 基礎設施端公司在不斷為擴基礎設施端公司在不斷為擴充產能而增加資本開支，于此同時，來自于下游應用端充產能而增加資本開支，于此同時，來自于下游應用端公司的收入貢獻在逐年減少。公司的收入貢獻在逐年減少。從資本開支來看，基礎設施段的資本開支自1996年到2001年增長趨勢明顯。資本開支在2001年達560億美元，相比1996年的31億美元增加47%，近6年CAGR為11%。下游應用端公司的凈

65、利潤在2001年之前一直為負值。應用端公司總體凈虧損在1999年，2000年分別達到172億、162億美元。圖圖15：基礎設施端公司的資本開支（十億美元）：基礎設施端公司的資本開支（十億美元）圖圖 16：互聯網時期應用端凈利潤（百萬美元）互聯網時期應用端凈利潤（百萬美元）數據來源：Bloomberg，廣發證券發展研究中心 數據來源：Bloomberg，廣發證券發展研究中心 2.透支的估值體系及錯誤的企業策略所帶來的非理性透支的估值體系及錯誤的企業策略所帶來的非理性繁榮繁榮 由于互聯網公司在由于互聯網公司在2000年的階段仍然屬于新興公司，所以估值體系的建立并不全面。年的階段仍然屬于新興公司，所

66、以估值體系的建立并不全面。早在1996年，前美聯儲主席就提出了股市處于非理性繁榮階段（Irrational Exuberance）-科技股和互聯網公司可能存在泡沫的警告。但對新技術的過度信心但對新技術的過度信心使得投資者在估值體系的建立上忽略了盈利的不確定性以及過度投資會導致周期提使得投資者在估值體系的建立上忽略了盈利的不確定性以及過度投資會導致周期提前透支的因素，當時的估前透支的因素，當時的估值超出了合理遠期現金流估值的想象范圍。值超出了合理遠期現金流估值的想象范圍。如果公司后綴跟著“如果公司后綴跟著“.com”，那么無關其基本面是否好，都會受到大量投資者的追”，那么無關其基本面是否好，都會

67、受到大量投資者的追捧。捧。我們對互聯網時期上市第一天股價變動幅度最大的公司做了簡單的梳理。股價變動幅度最大的19家公司在上市第一天平均漲幅達373%，其發行價所對應的平均市銷率達610倍。而截至2001年8月31日，這些公司的股價相較其發行價平均跌幅達65.2%，相較其2000年3月10日的股價平均跌幅達89.8%。（數據來源：John Cassidy出版書籍dot.con,The Greatest Story Ever Sold）31343444585640373944-40%-30%-20%-10%0%10%20%30%40%010203040506070互聯網基礎設施端資本開支YoY-1

68、-10-56-242-1724-1622-570 224 832-2000-1500-1000-500050010001995 1996 1997 1998 1999 2000 2001 2002 2003互聯網時期應用端凈利潤 識別風險，發現價值 請務必閱讀末頁的免責聲明 1919/5454 Table_PageText 深度分析|計算機 表表 3：互聯網時期部分公司的估值及股價互聯網時期部分公司的估值及股價 公司公司 上市日期上市日期 發行價發行價 發行價市銷率發行價市銷率 上市第一天上市第一天 股價變動幅度股價變動幅度 3/10/2000 股價股價 8/31/2001 股價股價 TheG

69、 11/13/1998 9.00 358.3 605.6%8.00 0.08 Foundry Ntwks 9/28/1999 25.00 166.1 525.0%201.19 10.95 webMethods 2/11/2000 35.00 430.4 507.5%232.50 12.03 Freemarkets 12/10/1999 48.00 593.5 483.3%202.63 14.46 MarketW 1/15/1999 17.00 217.8 473.5%44.00 2.25 Akamai Tech 10/29/1999 26.00 198.1 458.4%296.00 4.21

70、Selectica 3/10/2000 30.00 460.3 370.8%141.23 3.92 Ask Jeeves 7/1/1999 14.00 924.7 363.9%84.69 0.97 FirePond 2/4/2000 22.00 95.8 335.7%81.00 0.71 P 3/30/1999 16.00 278.7 331.3%94.50 5.52 Asiainfo 3/3/2000 24.00 61.9 314.8%85.00 14.25 N 1/24/2000 13.00 6,417.6 302.9%44.31 7.26 Calico Commerce 10/7/199

71、9 14.00 75.7 300.0%36.06 0.07 Preview Systems 12/8/1999 21.00 468.3 298.8%64.63 0.09 WebMD 2/11/1999 8.00 54.6 292.2%41.00 4.90 Ariba 6/23/1999 23.00 163.6 291.3%152.69 2.28 Versata 3/3/2000 24.00 279.9 286.5%71.00 0.39 Expedia 11/10/1999 14.00 42.6 281.7%34.81 37.36 Diaital Imoact 11/23/1999 15.00

72、293.8 270.0%40.00 1.26 數據來源：John Cassidydot.con,The Greatest Story Ever Sold，廣發證券發展研究中心 迅速擴展“迅速擴展“Get Big Fast”以及眼球估值法“”以及眼球估值法“Eyeball Valuation”成為了風靡一時”成為了風靡一時的企業策略和估值方法。的企業策略和估值方法。采用“Get Big Fast”策略的企業在初期投入大量資金進行市場推廣、用戶獲取以及產品開發。這一策略使得企業優先考慮的只有用戶增長數據和市場占有率。同時，企業普遍認為只要能夠在市場上占據有利位置，就有機會在未來通過規模效應和市場主

73、導地位實現盈利，但因為忽視了盈利。而這也導致了在1999年和2000年上市的企業的存活年限中位數僅為4/5年，同時該階段僅有14%的企業處于盈利。（數據來源：美國弗洛里達大學教授Jay R.Ritter發布的Initial Public Offerings：Updated Statistics）識別風險，發現價值 請務必閱讀末頁的免責聲明 2020/5454 Table_PageText 深度分析|計算機 圖圖17：IPO企業存活年限的中位數企業存活年限的中位數（年年）圖圖 18：IPO 企業中盈利的占比企業中盈利的占比 數據來源：Jay R.RitterInitial Public Offe

74、rings：Updated Statistics，廣發證券發展研究中心 數據來源：Jay R.RitterInitial Public Offerings：Updated Statistics，廣發證券發展研究中心 眼球估值法“眼球估值法“Eyeball Valuation”與相對估值法和絕對估值法不同，是一種非常規的與相對估值法和絕對估值法不同，是一種非常規的估值方法。該估值方法主要關注網站的受歡迎程度和普及率，而不是傳統的財務指估值方法。該估值方法主要關注網站的受歡迎程度和普及率，而不是傳統的財務指標（如收入、利潤）等。標（如收入、利潤）等。該估值方法的核心假設是高流量網站能夠通過廣告和其

75、他商業模式實現未來盈利，所以投資者多以網站的訪問量、頁面瀏覽量以及獨立訪客數作為估值基礎。而這也導致了泡沫時期整體估值虛高，但卻沒有實際的支撐點。美股在1999年和2000年的時候市銷率中位數分別達到43、49.5倍。同時，在這兩年進行IPO的公司即便每股收益小于0，平均的首日回報仍能達到81%。（數據來源：美國弗洛里達大學教授Jay R.Ritter發布的Initial Public Offerings：Updated Statistics）圖圖19：EPS0的公司平均首日回報達的公司平均首日回報達81%圖圖 20：估值水平極高，：估值水平極高，00 年時年時 P/S 中位數達中位數達 49

76、.5 倍倍 數據來源：Jay R.RitterInitial Public Offerings：Updated Statistics，廣發證券發展研究中心 數據來源：Jay R.RitterInitial Public Offerings：Updated Statistics，廣發證券發展研究中心 3.突發事件加速崩塌突發事件加速崩塌 突發事件如千禧年事件和突發事件如千禧年事件和911事件亦從側面加速了整個崩塌的過程。事件亦從側面加速了整個崩塌的過程。千禧年事件使得全球范圍內的政府和企業在這一階段花費了大量的人力物力財力；911恐怖襲擊事件增加了市場的不確定性，也進一步削弱了投資者信心。(1)

77、千禧年事件也被稱為“Y2K問題-Year 2000 Problem”，其主要指的是2000年初9889878745998.5890246810企業存活年限的中位數75%65%70%47%50%14%14%30%40%44%36%0%10%20%30%40%50%60%70%80%盈利企業的占比81.0%40.2%0%10%20%30%40%50%60%70%80%90%平均首日回報（EPS=0)4349.50102030405060P/S中位數 以發行價為記P/S中位數 以首日收盤價為記 識別風險，發現價值 請務必閱讀末頁的免責聲明 2121/5454 Table_PageText 深度分析|

78、計算機 由于計算機系統中普遍存在的日期處理問題。因為許多早期計算機程序和系統為了節省存儲空間只用兩位數表示年份，所以當系統日期從1999年12月31日跳到2000年1月1日時，可能導致日期計算錯誤、系統崩潰、數據丟失等問題。根據Washington Post，美國政府為解決千禧年事件投入了超過1000億美元以此來進行大規模的系統檢查和修復工作。(2)911事件發生在2001年9月11日，當時已然處于泡沫崩塌的晚期，但是該事件依然加劇了經濟的不確定性和股市的劇烈振動。事件發生后，紐約證券交易所和納斯達克關閉了數天時間，重開后股市大幅下跌。其中，道瓊斯工業平均指數在重開后的第一周內下跌了14%，航

79、空公司和保險公司的股票價值大幅縮水。美國政府通過撥款對航空事業采取保護措施。根據CNN報道，2001年9月22日，美國國會批準了一項總額為150億美元的救助計劃，其中包括50億美元的直接現金補助和100億美元的貸款擔保，以此幫助航空公司應對由于恐怖襲擊所導致的收入損失和應對困難。（三三）以以 ROI 視角視角探尋互聯網時期投入產出變化規律探尋互聯網時期投入產出變化規律 從ROI（Return On Investment）的角度來分析，于整個產業鏈角度而言，上游基礎設施端公司的收入其實就是投資，而下游應用端公司的收入是回報。我們以產業鏈上游為一個整體并計算投入，以產業鏈下游為一整個整體并計為產出

80、。將總投入/總產出所得出的數據作為總比值，并以此數值作為參考依據，探尋互聯網時期投入產出變化規律。最終我們得出互聯網泡沫時期產業鏈上下游投入產出比在2000年和2001年分別為24:1和20:1。在產業鏈上游測算里，由于我們所篩選的公司基本涵蓋了互聯網時期的相關基礎建設，其中包括主營業務為路由器及交換機的思科、朗訊阿爾卡特等，主營業務為網絡運營服務商的愛立信、康卡斯特，主營業務為電信相關的如美國電話電報公司、威訊通信等，在范圍全面以及這些公司體量較大的條件下，其最終的收入增量可以代表產業鏈上游的總產出。下游同理，盡管整體公司數量相比上游的絕對數量少，但也都是產業鏈中整體體量相對來說較大的典型公

81、司。1.互聯網時期上下游測算邏輯互聯網時期上下游測算邏輯(1)在產業鏈上游的測算中，我們對相關公司以互聯網相關業務占比作逐一拆分，并將最后公司的互聯網相關業務加總得到最后產業鏈上游的投入。(2)在產業鏈下游的測算中，由于應用端公司基本系互聯網而孕育出的企業，其所得收入即為互聯網所帶來的增量收入。2.互聯網互聯網泡沫泡沫時期上游時期上游2000和和2001年總投入年總投入分別為分別為1360億美元到億美元到1290億美元億美元，以下是以下是產業鏈上游公司因互聯網所帶來的增量產業鏈上游公司因互聯網所帶來的增量 思科：思科：從思科的主營業務構成來看，主要包括路由器、交換機、接入服務器以及網絡管理軟件

82、。路由器提供用于連接不同網絡的設備，通常用于大規模網絡基礎設施；交換機提供用于連接和管理局域網(LAN)的設備，通常用于中小型企業網絡；接入服務器和網絡管理軟件也皆和互聯網的增長息息相關。因此，對于思科，其因互聯網所帶來的收入占比為100%。識別風險，發現價值 請務必閱讀末頁的免責聲明 2222/5454 Table_PageText 深度分析|計算機 朗訊阿爾卡特：朗訊阿爾卡特：從主營業務構成來看，主要包括網絡、光學、電子商務、空間和組件以及其他。其網絡業務主要涵蓋有線和無線接入技術，交換和路由功能，運營商網絡的設計、集成和安裝；電子商業業務則專注于提供和支持基于互聯網的商業解決方案；其他業

83、務和互聯網的關聯并不大。同時，從1995年至2003年的年報來看，網絡和電子商業的業務屬于緩慢擴張的狀態。從主要業務占比關系看，1999年為58%，2000年為46%，2001年為56%，2002年為63%。愛立信：愛立信：企業主營業務為網絡運營商業務和其他業務。網絡運營商業務又可細分為移動系統解決方案以及多功能服務網絡業務，前者主要為網絡運營商提供移動系統解決方案，以此實現可靠、高效和經濟的網線網絡；后者則通過電路交換以及網絡和帶寬系統服務為有線運營商提供解決方案。因此，網絡運營商業務的收入占比和互聯網所帶來的增量收入占比相同。從具體拆分情況來看，網絡運營商占比逐年增高。從主要業務占比關系看

84、，1999年為70%，2000年為71%，2001年為89%，2002年為91%?；萜眨夯萜眨簭闹鳡I業務構成來看，主要包括成像和打印系統、計算系統、IT服務、惠普服務、金融服務以及其他業務。成像和打印系統基本不屬于互聯網所帶來的增量業務，所以互聯網所帶來的增量收入為除去成像和打印系統的其他業務。從主要業務占比關系看，1999年為30%，2000年為59%，2001年為58%，2002年為65%。國際商業機器公司：國際商業機器公司：主營結構可拆分為硬件、全球服務、軟件、全球融資、全球投資。硬件收入為服務器、存儲設備、網絡組件等；全球服務為提供信息技術服務所帶來的收入；軟件為提供操作系統和電子商務

85、軟件所帶來的收入；全球融資則是提供IT融資服務，包括租賃和貸款融資；企業投資則是提供行業特定的信息技術解決方案。全球服務業務中的戰略外包服務和互聯網呈強關性，系市面上其他公司做互聯網轉型的需求大幅上漲。軟件中的Tivoli和WebSphere Family和互聯網有強相關性，根據2003年財報，軟件板塊中，其他部分如數據管理、其他中間件、以及操作系統，相比于2002年僅低單位數增長，Tivoli和WebSphere增長速率達雙位數。從主要業務占比關系看，1999年為20%，2000年為20%，2001年為24%，2002年為26%。西門子：西門子：主營結構可拆分為工業收入、信息和通信收入、運輸

86、收入、醫療收入、照明收入、組件收入、以及其他收入。因西門子覆蓋行業較廣，僅信息和通信收入部分屬于互聯網所帶來的增量收入。從主要業務占比關系看，1999年為33%，2000年為34%，2001年為34%，2002年為33%。諾基亞：諾基亞：主營結構可拆分為網絡、手機、以及風險投資。從收入占比上來看，網絡部分收入逐年遞減。從主要業務占比關系看，1999年為29%，2000年為25%，2001年為24%，2002年為22%。戴爾：戴爾：主營結構可拆分為臺式電腦、筆記本電腦以及企業級產品。企業級產品包括如PowerEdge服務器、PowerAPP應用服務器等。這部分內容與互聯網呈強相關性。根據年報所披

87、露的分布情況，以及主要業務占比看，1999年為13%，2000年為17%，2001年為19%，2002年為19%。英特爾：英特爾：主營結構可拆分為架構業務、通訊集團、以及無線通訊與移動計算產品。因通訊集團主要產品為網絡處理器、以太網連接產品，這部分業務和互聯網有強相關性。從主要業務占比關系看，1999年為11%，2000年為12%，2001年為12%，2002 識別風險，發現價值 請務必閱讀末頁的免責聲明 2323/5454 Table_PageText 深度分析|計算機 年為12%。威訊通信：威訊通信：從主營業務構成來看，主要可以分為本地服務、互聯網許可費、長距離服務費以及其他服務。從財報表

88、現來看，互聯網許可費在我們所選取的時間段占比浮動在29%-31%之間。從主要業務占比關系看，1999年為31%，2000年為31%，2001年為30%，2002年為31%。美國電話電報公司：美國電話電報公司：從主營業務構成來看，主要可分為話費收入、數據流量收入、無線服務、以及其他費用。其中和互聯網具有強相關性的為數據流量收入。從財報表現看，數據流量收入處于逐年緩慢遞減的過程。從主要業務占比關系看，1999年為20%，2000年為20%，2001年為21%，2002年為22%?？悼ㄋ固兀嚎悼ㄋ固兀簭闹鳡I結構拆分來看，主要包括視頻服務、高速互聯網服務、電話服務、廣告銷售以及其他收入。因廣告銷售于2

89、004年才被納入主營業務范圍，因此，該公司全部收入及為互聯網所帶來的增量收入。表表4：互聯網時期上游：互聯網時期上游基礎基礎設施端收入拆分設施端收入拆分（十億美元）（十億美元）數據來源：Bloomberg，各公司年報，廣發證券發展研究中心 3.互聯網互聯網泡沫泡沫時期時期，2000年至年至2001年年下游總產出下游總產出分別為分別為56億美元億美元和和64億美元美億美元美元元 在我們所篩選的股票池中，所有應用端公司的總收入即為互聯網所帶來的增量收入，在我們所篩選的股票池中，所有應用端公司的總收入即為互聯網所帶來的增量收入，我們發現，下游的互我們發現，下游的互聯網整體收入增速快，但總量很少。聯網

90、整體收入增速快，但總量很少。下游互聯網的收入從2000年的55.6億美元上升至2003年的137.2億美元，近4年CAGR達41.4%。但同一時期，在產業鏈上游基礎設施端公司總收入已達到了千億美金的量級。時間關鍵指標思科朗訊阿爾卡特愛立信惠普IBM西門子 諾基亞戴爾英特爾 威訊通信美國電話電報公司康卡斯特互聯網所帶來的收入增量總和總收入14252643886821182958497互聯網收入占比（%）100%58%70%30%20%33%29%13%11%31%20%100%互聯網所帶來的增量收入14141813182362318107總收入23293049887128253365518互聯網

91、收入占比（%）100%46%71%59%20%34%25%17%12%31%20%100%互聯網所帶來的增量收入23132129182474420108總收入192320458379283227674610互聯網收入占比（%）100%56%89%58%24%34%24%19%12%30%21%100%互聯網所帶來的增量收入191318262027763201010總收入19161561817728352767438互聯網收入占比（%）100%63%91%65%26%33%22%19%12%31%22%100%互聯網所帶來的增量收入19101440212667321982001129200213

92、519991062000136 識別風險，發現價值 請務必閱讀末頁的免責聲明 2424/5454 Table_PageText 深度分析|計算機 表表5：應用端公司應用端公司1995年至年至2003年的收入年的收入（百萬美元）（百萬美元）數據來源：Bloomberg，各公司年報，廣發證券發展研究中心 根據以上數據，互聯網時期產業鏈上下游根據以上數據，互聯網時期產業鏈上下游投入產出投入產出比在比在2000年和年和2001年分別為年分別為24:1和和20:1。數據上看，1999年至2002年的上游互聯網收入分別為1,060億美元、1,360億美元、1,290億、1,350億美元；1999年至200

93、2的下游互聯網收入分別為29.4億美元、55.6億美元、63.8億美元、90.4億美元。圖圖21：互聯網時期應用端總收入（百萬美元）：互聯網時期應用端總收入（百萬美元）圖圖 22：互聯網時期應用端各公司收入（百萬美元）：互聯網時期應用端各公司收入（百萬美元）數據來源：Bloomberg，廣發證券發展研究中心 數據來源：Bloomberg，廣發證券發展研究中心 亞馬遜亞馬遜易貝易貝雅虎雅虎ExpediaPriceline谷歌谷歌互聯網所帶來的收互聯網所帶來的收入增量總和入增量總和19951n.a.2n.a.n.a.n.a.2199616n.a.24n.a.n.a.n.a.401997148624

94、5n.a.n.a.n.a.399199861086203n.a.35n.a.93419991,640225592n.a.4820.22,93820002,7624311,110n.a.1,235195,55820013,1227497175361,172866,38320023,9331,2149531,4991,0044409,04220035,2642,1651,6252,3408641,46613,7232 40 399 934 2,939 5,558 6,383 9,042 13,723 89%15%42%52%0%10%20%30%40%50%60%70%80%90%100%02,0

95、004,0006,0008,00010,00012,00014,00016,0001995 1996 1997 1998 1999 2000 2001 2002 2003下游端互聯網總收入YoY01,0002,0003,0004,0005,0006,000199519961997199819992000200120022003亞馬遜易貝雅虎ExpediaPriceline谷歌 識別風險，發現價值 請務必閱讀末頁的免責聲明 2525/5454 Table_PageText 深度分析|計算機 （四）泡沫的兩面性四）泡沫的兩面性 縱觀整個歷史長河，在縱觀整個歷史長河，在互聯網泡沫之前，也有類似的泡沫

96、?；ヂ摼W泡沫之前，也有類似的泡沫。如工業革命時期18世紀運河泡沫帶來的大英帝國盛世和鐵路革命時期帶來的維多利亞盛世等，本文所探討本文所探討的互聯網的互聯網時期時期，同樣也歷經了，同樣也歷經了泡沫破滅，但泡沫破滅，但隨著設備商降價，基礎設施過剩的泡沫隨著設備商降價，基礎設施過剩的泡沫為實體經濟創造了物質條件基礎，實體經濟被逐步滲透和改善。為實體經濟創造了物質條件基礎，實體經濟被逐步滲透和改善。2002年前后ADSL（Asymmetric Digital Subsriber Line）開始普及，網速從撥號的14.4Kbps、28.8Kbps、56Kbps上升到2Mbps以上甚至更高，而2Mbps的

97、網速意味著同樣大小的2MB的網頁從刷新時間所需5分鐘降低至幾秒鐘。ADSL2+等技術的應用使得下載速度提升至24Mbps，視頻、社交軟件、在線游戲等應用大量涌現，才有了后續十年的“寬帶應用”，帶來了更長時期的經濟和市場繁榮。AT&T官網數據顯示，1.5Mbps的下載網速在2000年需要每月支付79.95美元，而在2005年，同樣的下載速度，僅需每月支付39.95美元，同比下降50%。網絡中轉（Internet Transit），指通過購買網絡中轉服務而實現訪問全局互聯網的目的，費用下降速度較快。根據DrPeering，網絡中轉費用從1998年的1200美元/Mbps，下降至2015年的0.63

98、美元/Mbps。同時，Stacksclae數據表明，網民數量從1995年的1600萬人上升至2022年的55.4億人，28年Cagr達23%。表表6：美國美國AT&T互聯網時期的上網費用互聯網時期的上網費用 時間時間 1.5Mbps的下載網速所對應的每月價格的下載網速所對應的每月價格 2000年年 79.95美元美元/月月 2003年年 49.95美元美元/月月 2005年年 39.95美元美元/月月 數據來源：AT&T 官網，廣發證券發展研究中心 圖圖23：1998年至年至2015年網絡中轉費用圖（年網絡中轉費用圖（美元美元/Mbps）圖圖 24：1995 年至年至 2002 年網民數量圖（

99、百萬人次）年網民數量圖（百萬人次）數據來源：DrPeering，廣發證券發展研究中心 數據來源：Stackscale，廣發證券發展研究中心 0200400600800100012001400199819992000200120022003200420052006200720082009201020112012201320142015網絡中轉費用（$/Mbps)0100020003000400050006000網民數量（百萬人次）識別風險，發現價值 請務必閱讀末頁的免責聲明 2626/5454 Table_PageText 深度分析|計算機 社交媒體軟件如Facebook在2004年上線以來，其

100、月活躍用戶有顯著的增長，從起初只有哈佛大學的學生使用到2009年1季度月活躍用戶數量達2億人，2023年4季度用戶數量達30億人，增長超14倍。（數據來源：Statista）流視頻軟件如Youtube自2005年上線后，在2023年已實現270億人次的活躍用戶數，同時其因廣告所帶來的收入從2010年為8億美元增加至2023年的315億美元，Cagr達30%。（數據來源：Statista）在線游戲如魔獸世界，2004年上線后很快就被評選為最受歡迎的MMORPG型游戲，發布6年后，2010年用戶數量超1200萬人。（數據來源：中國互聯網協會）因此，新技術所導致的泡沫是具有兩面性的，有很積極的意義，

101、也因此，新技術所導致的泡沫是具有兩面性的，有很積極的意義，也有相當的必然性。有相當的必然性。一方面，因為客觀因素如產業鏈上下游現金流斷裂、超出合理范圍的估值以及外部一方面，因為客觀因素如產業鏈上下游現金流斷裂、超出合理范圍的估值以及外部因素導致大部分微小公司難以為繼，資本市場洗牌，因素導致大部分微小公司難以為繼，資本市場洗牌，但這也是科技但這也是科技發展邁向下一個發展邁向下一個階段的必由之路。階段的必由之路。圖圖25：Facebook季活用戶（百萬季活用戶（百萬人次人次）圖圖 26：Twitter 季活用戶（百萬季活用戶（百萬人次人次）數據來源：Statista，廣發證券發展研究中心 數據來源

102、：Statista，廣發證券發展研究中心 圖圖27：Youtube年廣告收入（十億美元）年廣告收入（十億美元）圖圖 28：Youtube 年用戶數（十億人次）年用戶數（十億人次）數據來源：Statista，廣發證券發展研究中心 數據來源：Statista，廣發證券發展研究中心 05001,0001,5002,0002,5003,0003,500Facebook月活用戶（百萬）050100150200250300350400Twitter月活用戶（百萬）05101520253035Youtube年廣告收入（十億美元）00.511.522.53Youtube年用戶數（十億人次）識別風險，發現價值

103、請務必閱讀末頁的免責聲明 2727/5454 Table_PageText 深度分析|計算機 二、以史鑒今，二、以史鑒今，AI 的產業鏈生態如何變化？的產業鏈生態如何變化？（一一）美股美股 AI 行情復盤行情復盤 縱觀美國納斯達克指數近縱觀美國納斯達克指數近40年的時間，整體的周期其實是非常清晰的。年的時間，整體的周期其實是非常清晰的?；究梢詣澐譃樗膫€大周期，十年為一周期，分別是1990年-2000年，2000年至2010年，2010年至2020年以及2020年往后的這個時間段。第一個周期是軟件至互聯網，第二個周期是消耗互聯網的泡沫，第三個周期是云化，且伴隨云而生的大數據時代，第四個周期則是

104、我們現在所處的AI周期。從指數表現來看，漲幅最大的兩波分別是第一個周期以及第四個周期。在我們對納斯達克指數以及美股科技股板塊的指數做加權處在我們對納斯達克指數以及美股科技股板塊的指數做加權處理后，能夠發現兩者趨勢基本一致，納指上漲的主要驅動力來源于科技股的上漲。理后，能夠發現兩者趨勢基本一致，納指上漲的主要驅動力來源于科技股的上漲。圖圖29：納指：納指40年周期復盤年周期復盤 數據來源：Bloomberg，廣發證券發展研究中心 科技股這一輪的上漲和生成式科技股這一輪的上漲和生成式AI的發展有著密切的關系。的發展有著密切的關系。整體納斯達克市值的斜率發生變化始于2020年，而從我們所梳理的AI大

105、事記來看：2019年1月，OpenAI發布了大型文本生成模型GPT-2；2022年11月，ChatGPT正式發布，基于GPT3.5的大語言模型顯著提升了和AI對話的自然性以及實用性，并使自然語言交互真正進入大眾視野；2023年12月，Google推出多模態AI模型Gemini，結合了圖像，語音和文本處理能力。從從2020年開始，整體背離的斜率變得更加陡峭，這其實和互聯網泡沫時年開始，整體背離的斜率變得更加陡峭，這其實和互聯網泡沫時代的表現是高度相似的。因此，在下文，我們將以互聯網時期投入產出變化規律來代的表現是高度相似的。因此，在下文，我們將以互聯網時期投入產出變化規律來探尋如今生成式探尋如今

106、生成式AI的發展現狀。的發展現狀。01000200030004000500060007000800090001990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023 2024納斯達克指數美股計算機板塊指數互聯網時代興起消化互聯網泡沫大數據時代加速云化人工智能時代 識別風險，發現價值 請務必閱讀末頁的免責聲明 2828

107、/5454 Table_PageText 深度分析|計算機 圖圖30：2012年至年至2024年年AI大事記復盤大事記復盤 數據來源：維基百科，Bloomberg，各公司官網，廣發證券發展研究中心 在上文提到，我們對互聯網時代中較為重要的公司以軟件端和基礎設施端為劃分，構建了一個18家公司的股票池，同理，我們選擇了10家基礎設施端的公司和5家軟件端的公司共15家來構建AI時代的股票池?；A設施端的主要公司包括芯片方向公司如英偉達（NVDA US Equity）、博通（AVGO US Equity）、美國超威半導體公司（AMD US Equity）等，服務器方向公司如戴爾（DELL US Equ

108、ity）、浪潮信息（000977 CH Equity）等公司；以及應用端的微軟（MSFT US Equity）、谷歌（GOOGL US Equity）、亞馬遜（AMZN US Equity）、蘋果（AAPL US Equity）、META US Equity。圖圖31：生成式生成式AI時代產業鏈主要環節代表性公司時代產業鏈主要環節代表性公司 數據來源：廣發證券發展研究中心 0200040006000800010000120001400016000180002000020122012201220122012201220132013201320132013201320142014201420142

109、0142014201520152015201520152015201620162016201620162016201720172017201720172017201820182018201820182018201920192019201920192019202020202020202020202020202120212021202120212021202220222022202220222022202320232023202320232023202420242024納斯達克指數標普5002012年年6月月谷歌的研究人員Jeff Dean和Andrew Ng通過訓練一個有16000個處理器的神經

110、網絡，成功識別出貓的圖片。2014年年6月月由Ian Goodfellow等人提出的生成對抗網絡（GANs）能夠生成逼真的圖像和其他數據。2015年年11月月谷歌發布了TensorFlow，這是一個開源的機器學習框架，極大地促進了AI研究和開發的普及。2018年年10月月谷歌發布了雙向編碼器表示（BERT）模型，它在多項自然語言處理任務中達到了最先進的性能水平。2016年年3月月谷歌DeepMind開發的AlphaGo在圍棋比賽中擊敗世界冠軍Lee Sedol。2017年年3月月Vaswani等人提出的Transformer架構顯著提高了自然語言處理任務的性能。2019年年1月月OpenAI發

111、布了GPT-2，一個大型文本生成模型，展示了AI在生成自然語言文本方面的強大能力。2020年年11月月OpenAI發布了GPT-3，一種具有1750億參數的語言模型，進一步提升了AI生成自然語言文本的能力。2021年年7月月DeepMind的AlphaFold在CASP14競賽中表現出色，準確預測了蛋白質的三維結構。2023年年12月月Google推出了其多模態AI模型Gemini，結合了圖像、語音和文本處理能力。2023年年3月月OpenAI發布了GPT-4，這是ChatGPT的升級版本，一個具有多模態能力的語言模型，可以處理文本和圖像輸入。2022年年11月月OpenAI發布了ChatGP

112、T，一個基于GPT-3.5的大型語言模型，顯著提升了對話AI的自然性和實用性。2024年年5月月OpenAI發布GPT-4o,多模態交互能力、低交互時延、情緒感知及反饋等多種能力躍升大數據云化時代AI時代公司代碼公司代碼英偉達NVDA US Equity微軟MSFT US Equity博通AVGO US Equity谷歌GOOGL US Equity美國超威半導體公司AMD US Equity亞馬遜AMZN US Equity慧于HPE US Equity蘋果AAPL US Equity英特爾INTC US EquityMetaMETA US Equity美國超微電腦股份有限公司SMCI US

113、 Equity戴爾DELL US Equity惠普HPQ US Equity聯想992 HK Equity浪潮信息000977 CH Equity基礎設施端軟件端 識別風險，發現價值 請務必閱讀末頁的免責聲明 2929/5454 Table_PageText 深度分析|計算機 （二二）生成式生成式 AI 時期時期 ROI 探索探索 生成式AI時期的ROI探索中，我們同樣以產業鏈上游為一個整體并計算投入，以產業鏈下游為一個整體并計為產出。并最后將總投入/總產出所得出的數據作為總比值。1.生成式生成式AI時期上下游測算總邏輯時期上下游測算總邏輯(1)在產業鏈上游的測算中，我們使用自上而下的方式。由

114、于AI階段涉及算力基建設施的公司數量較多，且從體量上看，除去英偉達，其他公司相差并不大，所以以股票池中每家公司AI基建的相關收入做測算可能會造成一定差異，我們改為用推理型服務器出貨量*代表性的推理型服務器單價+訓練型服務器出貨量*代表性的訓練型服務器價格得出最終結論。(2)在產業鏈下游的測算中，我們對股票池中這些公司進行業務屬性分析。通過公開財務數據及財報電話內容對生成式AI落地情況進行探討，并以這些公司的相關情況研判整個產業鏈的應用端落地情況。最終根據整體產業鏈的落地情況，并結合相關權威數據，給出判斷。此外，由于本文所分析的是整體AI產業鏈的生態，而其他AI相關業務如VR等所帶來的收入變化亦

115、能夠反應生成式AI對于整體產業鏈的促進作用，所以在后文的下游產出分析中，我們不作嚴格區分。2.生成式生成式AI時期產業鏈上游時期產業鏈上游收入測算收入測算 計算方式為以2023年全球AI服務器出貨量和其中所需要的GPU算力卡作為測算基礎，得出總體2023年產業鏈上游的總收入。出貨量總量：出貨量總量：根據Trendforce數據，全球2023年AI服務器出貨量達120.5萬臺。訓練型服務器和訓練型服務器和推理型推理型服務器占比：服務器占比：由于訓練型服務器和推理型服務器所需的GPU價格差距較大，因此我們對訓練型服務器和推理型服務器的占比分別做了假設。根據IDC的數據，中國2023上半年訓練工作負

116、載的服務器占比達到49.4%，預計全年的占比將達到58.7%，而推理型服務器占比為41.3%?？紤]到全球范圍內生成式AI的進程差異不大，應用端的落地情況不存在較明顯的地域差異，在服務器類型在服務器類型占比假設占比假設中，我們假中，我們假定定2023年全年年全年AI服務器中，訓練型服務器占比為服務器中，訓練型服務器占比為55%，推理推理型服務器占型服務器占比為比為45%。識別風險，發現價值 請務必閱讀末頁的免責聲明 3030/5454 Table_PageText 深度分析|計算機 圖圖 32：2022-2027年年中國中國AI服務器訓練和推理工作負載比例服務器訓練和推理工作負載比例 數據來源：

117、IDC，廣發證券發展研究中心 單價計算：單價計算：在我們此前發布的報告華為硬件產業鏈：國產算力重要領軍者，硬件開放策略建立產業生態聯盟 中，分別對訓練型服務器DGX A100以及推理型服務器T4的價格做了估算。其中，AI服務器訓練型DGX A100和AI服務器推理型T4的價格分別為130.3萬元和21.3萬元。此外由于AI服務器采用異構形式，除去2張CPU之外還需配備4-8張加速卡，例如CPU+GPU、CPU+TPU，CPU+其他加速卡等，因為AI計算任務通需要大量的并行計算能力。鑒于不同服務器所配備加速卡性能和數量的不同也會導致整體服務器價格的波動，我們以訓練型服務器120萬元-140萬元的

118、區間，推理型服務器以20萬元-50萬元的區間做大致的測算。表表 7：通用服務器和通用服務器和AI服務器各部件價格清單服務器各部件價格清單 通用服務器通用服務器 AI 服務器訓練型服務器訓練型 DGX A100 AI 服務器推理型服務器推理型 T4 高性能計算資源 CPU 2 張英特爾 5318CPU 2-socket,128 core AMD Rome 7742,2.25 GHz(base)2 張英特爾 5318CPU 18636 元 101744 元 18636 元 GPU-8 張英偉達 A100 4 張英偉達 T4-1000000 元 86000 元 內存&存儲 內存 12 根內存條 1

119、TB 3200 MHz DDR4 24 根內存條 10800 元 38721 元 21600 元 硬盤 5-10 塊 SSD Data cache drives:15TB(4x3.84TB gen4 NVME SSD)20 塊 SSD 26400 元 33196 元 66000 元 RAID 卡 低配 RAID 卡 低配 RAID 卡 低配 RAID 卡 650 元 650 元 650 元 網絡連接 網卡 1 張 雙口萬兆網卡 8 single port Mellanox ConnectX-6 HDR InfiniBand 200Gb/s 2 張 雙口萬兆網卡 1450 元 69200 元 2

120、900 元 41.60%58.70%32.30%31.20%29.50%27.40%58.40%41.30%67.70%68.80%70.50%72.60%0.00%20.00%40.00%60.00%80.00%100.00%120.00%20222023E2024E2025E2026E2027E訓練推理 識別風險，發現價值 請務必閱讀末頁的免責聲明 3131/5454 Table_PageText 深度分析|計算機 PCB 板 810 層 M6 板 1820 層 M6 14-16 層 M6 3400 元 10350 元 7140 元 電源 電源 2 顆 8001200W 電源 6500 W

121、(Max).Six 3kWpowersupplies.3+3redundant,200-240V(ac),16 A 4 顆 1600W 高功率電源 2736 元 41880 元 4668 元 散熱 風冷 6 組 風扇 風扇數量增多，扇葉面積增大 風扇數量增多，扇葉面積增大 396 元 1000 元 600 元 其他 模擬 400 元 8 套(1 顆多相控制器+16 顆 DrMOS 4 套(1 顆多相控制器+16顆 DrMOS 3833 元 1916 元 連接器 200 元 900 元 440 元 機箱 2000 元 2000 元 2000 元 合計價值量合計價值量 67068 元元 13034

122、74 元 212550 元元 數據來源：英偉達 Ampere 架構白皮書，各公司官網、愛采購網站，廣發證券發展研究中心 注：部分部件價值為官網美元計價按照 1 美元=7.32 人民幣的匯率換算成人民幣計價，以下表格中服務器各零部件的價格數據，是根據官網和第三方采購網站上的信息做的大致推算，因為 OEM 廠商實際的采購價格可能和官網以及第三方采購網站上的標價有一定差異，所以測算數據僅供參考?；谝陨蠑祿?，以基于以上數據，以1美元美元=7.3人民幣的匯率計算，我們人民幣的匯率計算，我們估算估算2023年年生成式生成式AI產業鏈上產業鏈上游總投入游總投入在在1236億億美元美元至至1640億美元的區

123、間億美元的區間。表表8：生成式生成式AI時期產業鏈上游收入測算結果時期產業鏈上游收入測算結果 訓練型服務器數量（萬臺）訓練型服務器數量（萬臺）66 66 訓練型服務器價格（萬元）訓練型服務器價格（萬元）120 140 訓練端總價值（億元）訓練端總價值（億元）7940 9263 推理型服務器數量推理型服務器數量(萬臺）萬臺）54 54 推理型服務器價格（萬元）推理型服務器價格（萬元）20 50 推理端總價值（億元）推理端總價值（億元）1083 2707 匯率設定（美元：人民幣）匯率設定（美元：人民幣）7.3:1 產業鏈上游總投入（億美元）產業鏈上游總投入（億美元）1236 1640 數據來源：T

124、rendforce，IDC，英偉達 Ampere 架構白皮書，各公司官網，愛采購網站，廣發證券發展研究中心 3.生成式生成式AI時期產業鏈時期產業鏈下下游游收入測算收入測算 微軟：微軟：從其1Q24至3Q24的財報表現來看，不同業務的增速各不相同。Azure云服務、Dynamics 365、Office 365商用版、Office 365消費版、搜索和新聞廣告業務的營收增速分別為31%、23%、15%、4%、3%。微軟不同產品和服務不同營收增速的背后，也反映了AI在不同場景中商業化落地的情況：落地進程最快到最慢依次為Azure及其他云服務業務，包含CRM和ERP等軟件的Dynamics365、

125、Office商用 識別風險，發現價值 請務必閱讀末頁的免責聲明 3232/5454 Table_PageText 深度分析|計算機 版、Office消費版。在在AI的賦能下，的賦能下，Azure云業務的增速明顯提升云業務的增速明顯提升。根據微軟財報電話會議，2023年第四季度到2024第三季度中，Azure的營收增速分別為26%、29%、30%、31%，AI對其貢獻的營收增速也僅為1%、3%、6%、7%。從主營業務拆分看，總共分為三個板塊，分別是生產力與商業流程、智能云和個人計算，23年財年分別占比33%、41%、26%。嵌入嵌入Copilot的的Office產品推出后產品推出后，Office

126、 365商業版產品的商業版產品的ARPU值有所提升。值有所提升。FY24Q1-Q3，Office 365商業版產品營收增速分別為10%、17%和15%；而Office 365商業版產品訂閱數量的增速分別為10%、9%、8%。FY23Q2，在Office 365商業版產品訂閱數量增速下滑，而Office 365商業版產品和云服務的營收增速卻提升了，這反映了ARPU值的提升。此外，FY24Q1-Q3，Office365商業版產品營收增速超過產品訂閱數量的增速，也反映了ARPU值的提升。圖圖33：微軟：微軟FY22Q1-24Q3 Office 365商業版訂閱數和商業版訂閱數和營收增速對比營收增速對

127、比 圖圖 34：微軟：微軟 FY22Q1-24Q3 Office 365 消費版訂閱數消費版訂閱數量及同比增速量及同比增速 數據來源：微軟財報，廣發證券發展研究中心 數據來源：微軟財報，廣發證券發展研究中心 Meta：從其主營拆分來看，主要包含兩個部分，分別是家庭應用（Family of APPs）,以及現實實驗室（RealityLabs）。家庭應用業務涵蓋了Meta最核心的應用，包括如Facebook、Instagram、Messenger、WhatsApp等社交軟件?，F實實驗室則包括增強現實（AR）和虛擬現實（VR）產品，如Oculus VR 頭盔以及相關的硬軟件和內容生態系統。Meta現

128、實實驗室2019年至2023年的收入分別為5億、11億、23億、22億和19億美元，占比分別為0.7%、1.3%、1.9%、1.9%、1.4%。0%2%4%6%8%10%12%14%16%18%訂閱數增速訂閱營收增速2023年年11月，微軟月，微軟正式正式推出推出Microsoft 365 Copilot0%5%10%15%20%25%0102030405060708090單位：百萬人訂閱人數同比增速2023年年11月，微軟月，微軟正式推出正式推出Microsoft 365 Copilot 識別風險，發現價值 請務必閱讀末頁的免責聲明 3333/5454 Table_PageText 深度分析

129、|計算機 圖圖35：2019-2023年年Meta現實實驗室收入（十億美元）現實實驗室收入（十億美元）圖圖 36：2019-2023 年年 Meta 不同業務占比變化不同業務占比變化 數據來源：Meta 年報、廣發證券發展研究中心 數據來源：Meta 年報、廣發證券發展研究中心 亞馬遜：亞馬遜：亞馬遜現階段將AI主要布局與亞馬遜云端服務（AWS）。AWS中的生成式AI堆棧又可細分為三個不同的層次。在底層，亞馬遜主要為客戶提供廣泛的計算實例集合，包括Nvdia芯片和自研的Trainium AI訓練芯片；在中層，通過推出Bedrock-AWS的生成式AI服務，使客戶能夠利用現有的大語言模型和定制數

130、據去部署安全、高質量、低延遲的生成式AI應用；堆棧的頂層是應用層，亞馬遜推出Amazon Q專為AWS服務，可以編寫、調試、測試代碼，也可以查詢客戶的各種數據存儲庫如Salesforce、Amazon S3、Servicenow等數據庫。根據財報會議內容，現階段生成式AI堆棧的三個層級均還在初期。從AWS的營收增速來看，2Q23至1Q24的增速分別為12%、12%、13%、17%。AWS 3Q23至1Q24的收入分別為231億、242億、250億美元，分別對應4%、5%、3%的環比增速。圖圖37：AWS收入及環比增速收入及環比增速（十億美元）（十億美元）圖圖 38：AWS 收入同比增速收入同比

131、增速 數據來源：Bloomberg，廣發證券發展研究中心 數據來源：Bloomberg，廣發證券發展研究中心 蘋果：蘋果：從主營結構拆分來看，有IPhone、MAC、IPAD、可穿戴設備、以及服務。根據蘋果官網，6月10日，蘋果發布Apple Intelligence，該系統可搭載iPhone 15 Pro及以上機型，賦能文本處理、圖像創作、信息檢索等能力。同時，蘋果宣布Siri與ChatGPT的合作，用戶能夠通過Siri來免費獲取ChatGPT提供的回答。該部分業務暫無收費計劃。公司于2024年2月推出了Apple Vision Pro可作為蘋果公司帶來AI相關的增量。0.51.12.32.

132、21.9-20%0%20%40%60%80%100%120%140%0.00.51.01.52.02.520192020202120222023現實實驗室收入現實實驗室YoY99%99%98%98%99%0.7%1.3%1.9%1.9%1.4%0%20%40%60%80%100%120%20192020202120222023家庭應用現實實驗室-2%0%2%4%6%8%10%12%051015202530AWS收入環比增速37%33%27%20%16%12%12%13%17%0%5%10%15%20%25%30%35%40%1Q22 2Q22 3Q22 4Q22 1Q23 2Q23 3Q23

133、4Q23 1Q24AWS收入同比增速 識別風險，發現價值 請務必閱讀末頁的免責聲明 3434/5454 Table_PageText 深度分析|計算機 谷歌：谷歌：從主營拆分看，可以劃分為廣告板塊、訂閱、平臺和設備板塊、以及谷歌云板塊，廣告板塊又可細分為谷歌搜索、谷歌網絡、以及Youtube廣告。于谷歌而言，AI是融入每一個板塊的，尤其是廣告板塊和谷歌云板塊。首先，在廣告辦板塊，AI所驅動的搜索生成體驗（Search Generative Experience）已然處理了數十億次的查詢，在美國的英文搜索中，延遲減少了40%，并且可以支持7種語言（2023年4季度財報電話會議）；同時，谷歌網絡廣

134、告以及Youtube廣告板塊中，AI所帶來的響應式搜索廣告以及自動生成廣告會在一定程度上提高用戶的點擊量和瀏覽量，提高廣告主轉化率以及點擊量的同時，間接為谷歌帶來增量；在谷歌云板塊，通過提供一系列的AI和機器學習服務，如機器學習平臺、預訓練的AI模型、AutoML等產品，幫助企業構建和部署AI解決方案。從搜索板塊、Youtube廣告以及谷歌廣告財務數據表現來看，2Q21至4Q22，搜索板塊、Youtube廣告以及谷歌網絡廣告的收入增速同比持續下滑，3Q22和4Q22出現負增長，1Q23之后維穩并緩慢攀升，但增速并沒有回到4Q21及之前的水準。谷歌云板塊谷歌云板塊收入增速收入增速相對表現較好，相

135、對表現較好，維持在維持在25%以上。以上。根據2024年一季度財報電話會議，谷歌云在基礎設施之上提供了130多個模型，包括谷歌自建模型、開源模型、和第三方面模型。有超過60%的生成式AI初創公司和90%的生成式AI獨角獸都是谷歌云的客戶。圖圖39：谷歌搜索板塊收入：谷歌搜索板塊收入（百萬美元）（百萬美元）及及YoY 圖圖 40：谷歌其他不同業務板塊收入：谷歌其他不同業務板塊收入（百萬美元）（百萬美元）數據來源：Bloomberg，廣發證券發展研究中心 數據來源：Bloomberg，廣發證券發展研究中心 -10%0%10%20%30%40%50%60%70%80%0100002000030000

136、400005000060000搜索板塊YoY050001000015000200002500030000Youtube廣告谷歌網絡廣告谷歌云板塊 識別風險，發現價值 請務必閱讀末頁的免責聲明 3535/5454 Table_PageText 深度分析|計算機 圖圖41：谷歌各不同業務板塊：谷歌各不同業務板塊YoY 數據來源：Bloomberg，廣發證券發展研究中心 因此，因此，產業鏈整體產業鏈整體落地應用情況不佳。落地應用情況不佳。B端看，因為容錯空間和性能、法律等門檻進展周期較長，從C端看，應用容錯空間大、門檻偏低、當前整體應用的商業價值潛力較小。此外，根據Psmarket Research

137、的報告，生成式AI在2023年的規模在120億美元左右。同時，根據我們所測算的生成式AI時期產業鏈上游基礎設施段的總投入值，現階段產業鏈上下游投資回報之比在現階段產業鏈上下游投資回報之比在10:1和和14:1的區間內。的區間內。（三三）生成式生成式 AI 時期的時期的異同點探討異同點探討 生成式AI時期和互聯網時期的共同點在于產業鏈上游基礎設施端仍在加大投入，而下游應用端未見成熟的商業化落地應用。伴隨著ROI的持續下探，泡沫會逐漸形成；而不同點有三，一是市場主流公司相對理性，二是上游端的絕對投入體量相較互聯網時期有較大差異，三是資本市場環境和產業格局不同。綜合異同點分析，以及和互聯網時期的關鍵

138、數據比對，我們判斷泡沫所帶來的波動幅度和此前互聯網時期未必一致。1.和互聯網時期的共同點和互聯網時期的共同點 生成式AI時期現金流的流動方式和互聯網泡沫時期一致?；A設施端為應用端提供底層的算力基礎，應用端開發有效益的商業產品。當真正商業化落地形成正現金流之后，應用端再將收入投入到底層的算力建設，使得基礎設施端公司獲得持續的訂單，形成現金流的正循環。-20%0%20%40%60%80%100%1Q21 2Q21 3Q21 4Q21 1Q22 2Q22 3Q22 4Q22 1Q23 2Q23 3Q23 4Q23 1Q24搜索板塊YoYYoutube廣告YoY谷歌網絡廣告YoY谷歌云板塊YoY 識

139、別風險，發現價值 請務必閱讀末頁的免責聲明 3636/5454 Table_PageText 深度分析|計算機 圖圖42：生成式生成式AI時期產業鏈上下游的現金流走勢圖時期產業鏈上下游的現金流走勢圖 數據來源：廣發證券發展研究中心 但當前來看，但當前來看，上游基礎設施端仍在加大投入，而下游應用端始終未見成熟的商業化上游基礎設施端仍在加大投入，而下游應用端始終未見成熟的商業化落地應用。落地應用。算力基礎設施仍在大幅投入初中期，使用終端方面尚未規?；?，相對更短板的是應用端缺乏突破性的新形態，在B端因為容錯空間和性能、法律等門檻進展周期較長，C端應用容錯空間大、門檻偏低、也因此從當前看商業價值潛

140、力較小。即使以ChatGPT為代表的AI大模型在各場景通用化方面已經有了突破性的進展，具備著對于文本、圖片、音視頻等各類信息優秀的內容生成能力，能夠部分替代文字撰寫、圖片設計、程序代碼編寫等創造性勞動，但是但是AI大模型技術的突破離真正推大模型技術的突破離真正推動各行業智能化升級并創造價值仍需動各行業智能化升級并創造價值仍需要較長的周期。要較長的周期。當前科技公司與傳統行業公司在AI領域的合作已經有了一些成功案例，例如微軟與諾華（Novartis）、谷歌與葛蘭素史克（GSK）等。但整體來看，這些案例的絕對體量仍然有限，種類也較為單一。表表9：部分公司部分公司AI合合作的案例介紹作的案例介紹 公

141、司公司 案例介紹案例介紹 微軟與諾華微軟與諾華(Novartis)微軟的 Copilot 通過自然語言處理和機器學習，幫助諾華研究人員更快地從大量醫學文獻和臨床數據中提取有價值的信息，從而加速藥物發現和臨床試驗設計。具體應用包括預測藥物的潛在副作用、優化患者治療方案以及提高臨床試驗的效率。谷歌谷歌 DeepMind 與葛蘭素史克與葛蘭素史克(GSK)DeepMind 的 AlphaFold 項目能夠準確預測蛋白質結構，大幅提升了新藥研發的效率和成功率。葛蘭素史克通過這項技術，在藥物開發的早期階段更快識別潛在的有效藥物，減少了傳統實驗方法的時間和成本。亞馬遜亞馬遜 AWS 與強生與強生 AWS

142、的 AI 和機器學習服務幫助強生更好地分析和預測供應鏈需求，優化生產和配送流程，從而提高運營效率并減少成本。AI 技術還用于藥物研發和臨床試驗管理，提升數據處理能力和結果準確性。微軟與殼牌微軟與殼牌（Shell）微軟的 Azure 平臺通過機器學習和數據分析，幫助殼牌提高石油和天然氣的勘探和生產效率。AI 技術還用于預測設備維護需求，從而減少停機時間和運營成本。殼牌還使用 Azure 上的 AI 模型進行能源需求預測和環境影響分析。算力 GPU CPU HPC ASIC基礎設施端AI時期應用端商業化落地有效益的商業產品B端C端收入支出應用端 自然語言處理和生成式AI 計算機視覺 語音識別和語音

143、合成 自動駕駛 識別風險，發現價值 請務必閱讀末頁的免責聲明 3737/5454 Table_PageText 深度分析|計算機 谷歌與沃爾瑪谷歌與沃爾瑪（Walmart）谷歌云平臺上的 AI 和機器學習工具幫助沃爾瑪分析顧客購物數據，優化庫存管理和物流配送。此外，AI 技術還用于個性化推薦和客戶服務機器人，提高了客戶滿意度和銷售額。沃爾瑪還通過 AI 優化定價策略和營銷活動。亞馬遜與福特亞馬遜與福特（Ford）亞馬遜的 Alexa 和 AWS 平臺幫助福特開發智能語音助手和聯網汽車服務，提供更智能的駕駛體驗和遠程車輛管理。AI 技術還用于分析車輛數據，優化駕駛性能和安全性。福特還利用 AWS

144、 上的機器學習模型進行自動駕駛技術研發。IBM 與西門子與西門子（Simens）IBM 的 Watson 平臺通過機器學習和數據分析，幫助西門子優化生產線管理和質量控制。AI 技術用于預測性維護，減少設備故障和停機時間，提高生產效率。西門子還利用 Watson 進行制造流程的自動化和優化。數據來源：各公司官網，廣發證券發展研究中心 以全球視角看，海外市場和國內市場都在不斷投入算力建設以使得自身算力能夠匹以全球視角看，海外市場和國內市場都在不斷投入算力建設以使得自身算力能夠匹配配AI大模型參數量的增長速。大模型參數量的增長速。根據Trendforce，在我們所構建的股票池中，海外應用端龍頭企業包

145、括微軟、谷歌、Meta和亞馬遜在2022采購的AI服務器占比全球科技公司AI服務器采購量的66%。圖圖 43：2022年全球科技公司年全球科技公司AI服務器采購量占比服務器采購量占比 數據來源：TrendForce，廣發證券發展研究中心 國內市場國內市場中，政府端和企業端對于算力的投入在不斷加速中，政府端和企業端對于算力的投入在不斷加速。根據我們自己的不完全統計，以及IDC圈、中國招標網、各地政府官網和各地公共資源交易平臺的信息，我國2022年-2024年擬建、在建、以及建成的智算中心已然超過100個。其中包括已竣工的深港人工智能中心、浙文互聯杭州智算中心，處于建設階段的蘇州市人工智能算力中心

146、、武昌智算中心、北京數字經濟算力中心等。表表 10：2023-2024年年部分部分國內規劃國內規劃、開工建設和已建成的開工建設和已建成的AIDC（部分數據）（部分數據）城市城市 進度進度 時間時間 目標算力規模目標算力規模 中標或合作企業中標或合作企業 政府建設政府建設 北京數字經濟算力中心 開工建設 2024 年 1 月 1000 PFLOPS 以上-淮海智算中心 招標運營服務階段 2024 年 1 月 300 PFLOPS 浪潮集團 微軟,19.00%谷歌,17.00%Meta,16.00%AWS,14.00%字節跳動,6.00%騰訊,2.30%百度,1.50%阿里巴巴,1.50%其他,2

147、2.70%識別風險，發現價值 請務必閱讀末頁的免責聲明 3838/5454 Table_PageText 深度分析|計算機 全國一體化算力網絡國家樞紐節點（甘肅 慶陽）智算中心項目 建設階段 2023 年 12 月-浙江省青田縣元宇宙智算中心 建設階段 2022 年 11 月 100 PFLOPS 浪潮集團、谷梵科技 太湖量子智算中心 項目揭牌 2023 年 1 月-圖靈智算 山西云峰大數據智能算力中心 40%完成度 2023 年 2 月-河北人工智能計算中心 已上線 2023 年 10 月 100 PFLOPS 東華軟件、華為等 吳淞江智能計算中心 建設階段 2023 年 2 月 1 EFL

148、OPS 中科曙光、寒武紀等 青島“海之心”人工智能計算中心 建設階段 2023 年 4 月 165 PFLOPS 中科曙光 信陽人工智能計算中心 建設階段 2024 年 2 月-石景山智能算力中心 建設階段 2023 年 11 月 600 PFLOPS-沈陽市汽車城新型基礎設施建設項目-智能計算中心 監理中標 2023 年 11 月-寒武紀 浙東南數字經濟產業園數字基礎設施提升工程(一期)通過竣工驗收 2023 年 12 月-寒武紀 深港人工智能算力中心 竣工 2024 年 1 月-華為 河南省新鄉市紅旗人工智能算力中心 中標公示 2023 年 9 月 70 PFLOPS-東數西算貴安新區算力

149、產業集群 建設階段 2023 年 8 月 通用算力 520P、超算算力 8P、智算算力 400P-海南人工智能計算中心 全面封頂 2023 年 8 月-南岳區“智算中心”建設階段 2023 年 12 月-蘇州市人工智能算力中心 建設階段 2023 年 7 月-寧波人工智能超算中心（二期）AI 人工智能計算集群 項目啟動 2024 年 3 月 300P-燧原智算中心 項目簽約 2024 年 3 月-中國移動（克拉瑪依）智算中心 正式啟用 2024 年 3 月 2023 PFLOPS-華南數谷智算中心 正式運營 2024 年 3 月 16000P-衢州四省邊際智算中心 項目簽約 2024 年 1

150、月-中能數投、衢州智造新城管理委員會 武昌智算中心 項目開工 2024 年 1 月 100P-“東數西算”蕪湖智算中心 項目交付 2023 年 9 月 1000P-沈陽智能計算中心新基建項目 項目開工 2023 年 12 月 208P-中國移動智算中心（成都節點）試運營 2024 年 2 月-鄂爾多斯智算中心 項目復工 2024 年 3 月 350P-中國移動山東（臨沂）蘭陵智算中心 項目開工 2024 年 3 月 500 個機架-中國電信中南智能算力中心 投產運營 2023 年 10 月 5000P-中國電信“東數西算”國家樞紐慶陽算力中心項目 全面投產 2023 年 10 月-武穴市大數據

151、中心信息化建設 項目簽約 2023 年 10 月-貴安新區渲染智算中心項目 項目揭牌 2023 年 9 月 320P-企業建設企業建設 克拉瑪依浪潮智算中心 已啟用 2024 年 3 月-浪潮集團 毫末智行智算中心雪湖 綠洲 建設完成 2023 年 1 月 670PFLOPS 毫末智行、字節跳動 識別風險，發現價值 請務必閱讀末頁的免責聲明 3939/5454 Table_PageText 深度分析|計算機 百度智能云（濟南）智算中心 上線試運營 2023 年 7 月-旺捷智算中心 待交付 2023 年 4 月 1 萬臺機柜 秒如科技、旺捷大數據中心 湖南人工智能算力數據中心 項目摘牌 202

152、3 年 12 月 2000 PFLOPS 以上 中科大國禎旗下城市云數據中心股份有限公司 垂直行業人工智能大模型訓練算力中心 項目簽約 2023 年 9 月-江東產投集團、花山區政府聯合投資 電信天翼云衡陽算力中心 項目開工 2023 年 9 月-湖南電信 貴安新區渲染智算中心 項目揭牌 2023 年 9 月 320 PFLOPS 貴州數字科技股份有限公司、深圳市瑞云科技股份有限公司 重慶嘉云智能算力中心 項目簽約 2022 年 10 月-廣東云下匯金科技有限公司 克拉瑪依浪潮智算中心 已啟用 2024 年 3 月-浪潮集團 新疆吉木乃縣益聯云創分布式算力中心 項目開工 2023 年 9 月-

153、吉木乃益聯云創科技發展有限責任公司 愛特云翔華南基地暨韶關 AI 智算云中心 項目簽約 2024 年 2 月 2.5 萬個標準機柜-深圳龍華新型工業智算中心 項目揭牌 2024 年 2 月 1000PFLOPS-貴陽貴安微星超智融合算力中心 項目簽約 2024 年 2 月 5120P 安綜合保稅區（馬場產業新城、深貴產業園區）與國家超級計算機廣州中心貴州分中心 開普勒智能算力中心 項目簽約 2024 年 2 月 72000P-世紀互聯西安鳳竹數據中心 基本建成 2024 年 2 月 1298 個機柜-360 中原智算中心 投運 2024 年 2 月 1000P-潤澤（西南）國際信息港智算中心

154、項目開工 2024 年 12 月 8000 架機柜 潤澤（廊坊）國際信息港 B 區新型智算中心 項目開工 2024 年 3 月-上虞華尚數智中心 AIGC 智算中心 項目簽約 2024 年 1 月 3000PFLOPS -中國電信陜西公司算力中心 項目開工 2024 年 1 月 6276 個機架-上海智慧島大數據云計算中心 項目封頂 2024 年 1 月 3000+個 6KW 標準機柜-協鑫智算（上海）項目揭牌 2023 年 12 月 1000P-博特智能河南信陽智算中心項目 項目簽約 2023 年 12 月 1000P-萬潤（涿鹿）智能算力產業基地項目 機房封頂 2023 年 11 月 30

155、00PFLOPS -浙文互聯杭州智算中心 投入運營 2023 年 12 月-云上天府智算中心 項目投運 2023 年 9 月-新疆吉木乃縣益聯云創分布式算力中心 項目開工 2023 年 9 月-吉木乃益聯云創科技發展有限責任公司 愛特云翔華南基地暨韶關 AI 智算云中心 項目簽約 2024 年 2 月 2.5 萬個標準機柜-深圳龍華新型工業智算中心 項目揭牌 2024 年 2 月 1000PFLOPS-識別風險，發現價值 請務必閱讀末頁的免責聲明 4040/5454 Table_PageText 深度分析|計算機 貴陽貴安微星超智融合算力中心 項目簽約 2024 年 2 月 5120P 安綜合

156、保稅區（馬場產業新城、深貴產業園區）與國家超級計算機廣州中心貴州分中心 開普勒智能算力中心 項目簽約 2024 年 2 月 72000P-世紀互聯西安鳳竹數據中心 基本建成 2024 年 2 月 1298 個機柜-360 中原智算中心 投運 2024 年 2 月 1000P-潤澤（西南）國際信息港智算中心 項目開工 2024 年 12 月 8000 架機柜 潤澤（廊坊）國際信息港 B 區新型智算中心 項目開工 2024 年 3 月-上虞華尚數智中心 AIGC 智算中心 項目簽約 2024 年 1 月 3000PFLOPS -中國電信陜西公司算力中心 項目開工 2024 年 1 月 6276 個

157、機架-上海智慧島大數據云計算中心 項目封頂 2024 年 1 月 3000+個 6KW 標準機柜-協鑫智算（上海）項目揭牌 2023 年 12 月 1000P-博特智能河南信陽智算中心項目 項目簽約 2023 年 12 月 1000P-萬潤（涿鹿）智能算力產業基地項目 機房封頂 2023 年 11 月 3000PFLOPS -浙文互聯杭州智算中心 投入運營 2023 年 12 月-云上天府智算中心 項目投運 2023 年 9 月-數據來源：IDC 圈，中國招標網，各地政府官網，各地公共資源交易平臺，廣發證券發展研究中心 注：1POPS 和 1PFLOPS 為每秒一千萬億次運算，分別是整數和浮點

158、數算力的計量單位 在我們所構建的股票池中，固定資產和長期投資的絕對值在增加。在我們所構建的股票池中，固定資產和長期投資的絕對值在增加。固定資產和長期投資在進入AI時代后有非常明顯的加速趨勢，基礎設施端固定資產和長期投資從2020年的1020億美元增加至2023年的1510億美元，4年Cagr達10%，增速在2020年之前是降低趨勢，而在2020年之后開始加速提升。應用端的固定資產和長期投資從2020年的5580億美元增加至2023年的8570億美元，4年Cagr達11%。圖圖44：AI時期基礎設施端總固定資產和長期投資（十億時期基礎設施端總固定資產和長期投資（十億美元）美元）圖圖 45：AI

159、時期應用端時期應用端總固定資產和長期投資（十億總固定資產和長期投資（十億美元）美元）數據來源：Bloomberg，廣發證券發展研究中心 數據來源：Bloomberg，廣發證券發展研究中心 32%9%4%14%1%8%22%13%0%5%10%15%20%25%30%35%0204060801001201401602015 2016 2017 2018 2019 2020 2021 2022 2023AI時期基礎設施端固定資產和長期投資YoY28%25%10%11%0%5%10%15%20%25%30%020040060080010002015 2016 2017 2018 2019 2020

160、2021 2022 2023AI時期應用端固定資產和長期投資YoY 識別風險，發現價值 請務必閱讀末頁的免責聲明 4141/5454 Table_PageText 深度分析|計算機 下游應用端商業化落地進展并不順利。下游應用端商業化落地進展并不順利。以Meta為例，AI所帶來的增量主要集中在現實實驗室部分，盡管有一定收入，但營業利潤為負。近幾年，該部分業務營業處于凈虧損趨勢，2022年和2023年的凈虧損分別為137億美元和161億美元（營業利潤數據）。圖圖46：Meta現實實驗室營業利潤現實實驗室營業利潤（虧損）（單位：十億美元）（虧損）（單位：十億美元）數據來源：Meta 年報，廣發證券發

161、展研究中心 2.和互聯網時期的不同點和互聯網時期的不同點 產業鏈上下游投入產出比拉大是為產業鏈上下游投入產出比拉大是為現實，但現實，但絕對收入體量、絕對收入體量、相關主流公司財務數據、相關主流公司財務數據、市場環境包括利率變化、產業格局差異和經濟形勢等市場環境包括利率變化、產業格局差異和經濟形勢等與互聯網時期相比皆有與互聯網時期相比皆有差異差異。(1)主流公司相對理性主流公司相對理性 從資本開支等數據看，企業在有意識的因收入變化而調整自身的投入資本。正如上文所分析的，無論是上游亦或是下游，股票池公司的資本開支絕對值是不斷增長的，且體量較大。但是從增速上來看，基礎設施端和應用端的資本開支增速在2

162、021年之后有明顯下滑趨勢?；A設施端的資本開支從2020年的220億美元上升至2023年的350億美元，近4年Cagr達12%，但總資本開支增速2021年至2023年分別為31%、23%、-2%。應用端的資本開支從2020年的1040億美元上升至2023年的1570億美元，Cagr達11%，但總資本開支增速2021年至2023年分別為33%、18%、-4%。-4.5-6.6-10.2-13.7-16.147%54%35%18%0%10%20%30%40%50%60%-18-16-14-12-10-8-6-4-2020192020202120222023現實實驗室營業利潤（虧損）YoY 識別風

163、險，發現價值 請務必閱讀末頁的免責聲明 4242/5454 Table_PageText 深度分析|計算機 圖圖47：22年至年至23年基礎設施端總資本開支增速下滑（十年基礎設施端總資本開支增速下滑（十億美元）億美元）圖圖 48：22 年至年至 23 年應用端總資本開支增速下滑（十年應用端總資本開支增速下滑（十億美元）億美元）數據來源：Bloomberg，廣發證券發展研究中心 數據來源：Bloomberg，廣發證券發展研究中心 以微軟為例，盡管資本開支增速在FY23Q3之后增長迅猛以此支撐AI大模型的訓練和研發相關算力，但增速很快就有了一定的波動，并不似互聯網時期般的季季新高。2023年11月

164、推出Microsoft 365 Copilot之后，FY24Q2的資本開支增速為55.16%，相比于FY24Q1的57.84%下降了2.68個pct。圖圖49：微軟資本開支及同比增速依然有波動：微軟資本開支及同比增速依然有波動 數據來源：微軟財報、廣發證券發展研究中心 (2)AI時期上游端的時期上游端的投入體量相較互聯網時期有較大差異投入體量相較互聯網時期有較大差異 互聯網時期業鏈上游在2000年和2001年的投入規模分別為1360億美元和1290億美元，而生成式AI時期產業鏈上游2023年的投入規模在1236億美元和1640億美元的區間?？紤]到通脹、實際購買力等因素后，這一數值所對應的投入體

165、量相比互聯網時期的投入體量存在較大的差異。(3)資本市場環境和產業格局不同資本市場環境和產業格局不同 31%23%-2%-10%-5%0%5%10%15%20%25%30%35%05101520253035402015 2016 2017 2018 2019 2020 2021 2022 2023AI時期基礎設施端資本開支YoY33%18%-4%-10%0%10%20%30%40%50%60%0204060801001201401601802015 2016 2017 2018 2019 2020 2021 2022 2023AI時期應用端資本開支YoY6.97%57.84%55.16%0%1

166、0%20%30%40%50%60%70%020406080100120FY22Q1FY22Q2FY22Q3FY22Q4FY23Q1FY23Q2FY23Q3FY23Q4FY24Q1FY24Q2FY24Q3單位：億美元資本支出同比增速2022年年11月，月，OpenAI推出推出ChatGPT2023年年11月，微軟月，微軟正式推出正式推出Microsoft 365 Copilot資本開支增速有波動 識別風險，發現價值 請務必閱讀末頁的免責聲明 4343/5454 Table_PageText 深度分析|計算機 從總市值指標來看，現在的膨脹幅度跟當年互聯網時代還是有一定差距。從總市值指標來看，現在的

167、膨脹幅度跟當年互聯網時代還是有一定差距。無論是互聯網時代還是AI時代，領漲納斯達克的這些優質公司的市值膨脹速度都非?？?，但在我們分時間維度拉出兩個時代的數據后，發現如今AI世代上漲的幅度，尤其是基建端，跟當年的差距還是較為明顯。以1995年1月3號和2000年3月10號的數據為計算，互聯網基建端總市值在2000年3月10日達21,820億美元，相較1995年1月3日上漲1215%；以2020年1月3日和2024年7月1日的數據為計算，AI基建端總市值在2024年7月1日達44,249億美元，相較基準日上漲544%。AI時期基礎設施端集中度高，時期基礎設施端集中度高，而互聯網時期的市場則相對較為

168、分散。而互聯網時期的市場則相對較為分散?，F階段英偉達基本占據生態，從體量上看，基本一家獨大。而在2000年時期，除去思科，愛立信、惠普、英特爾、諾基亞等其他公司的相對體量差距不大。圖圖50：互聯網時代和：互聯網時代和AI時代時代產業鏈上下游市值圖產業鏈上下游市值圖（單位：十億美元）（單位：十億美元）數據來源：Bloomberg，廣發證券發展研究中心 注：因谷歌于 2004 年才上市，而互聯網時期的市值數據截止至 2000 年 3 月，故圖中未顯示谷歌的相關市值數據。（四）對未來的一些思考四）對未來的一些思考 新技術的出現對行業的改革往往是巨大的，從技術發展的經濟變化角度看，一個新新技術的出現對

169、行業的改革往往是巨大的，從技術發展的經濟變化角度看，一個新興技術從出現到最終融入生活需要歷經一個完整的周期。興技術從出現到最終融入生活需要歷經一個完整的周期。從最開始技術的萌芽、到人們因發現技術所可能帶來的顛覆性生活而掀起的資本市場熱潮，到泡沫破滅熱潮退去，再到合理的商業模式被挖掘，基建端產能出清帶來物質基礎條件，再到技術最終融入日常生活后帶來長時期的經濟繁榮。AI亦是如此，亦是如此，AI泡沫既有破滅的必然泡沫既有破滅的必然性，也是新應用誕生的必要條件。性，也是新應用誕生的必要條件。應用端各公司市值基礎設施端各公司市值互聯網時代AI時代01002003004005006001995199519

170、9519951995199519961996199619961996199619971997199719971997199719981998199819981998199819991999199919991999199920002000思科朗訊阿爾卡特愛立信惠普IBM西門子諾基亞戴爾英特爾威訊通信美國電話電報公司康卡斯特0.0020.0040.0060.0080.00100.00120.00140.001995/11995/71996/11996/71997/11997/71998/11998/71999/11999/72000/1亞馬遜易貝雅虎ExpediaPriceline05001000

171、150020002500300035004000英偉達博通美國超威半導體公司慧于英特爾美國超微電腦股份有限公司戴爾惠普聯想浪潮信息產業格局并不一樣產業格局并不一樣05001000150020002500300035004000微軟谷歌亞馬遜蘋果Meta 識別風險，發現價值 請務必閱讀末頁的免責聲明 4444/5454 Table_PageText 深度分析|計算機 圖圖 51：Gartner人工智能技術成熟度曲線人工智能技術成熟度曲線 數據來源：Gartner，廣發證券發展研究中心 1.一方面，一方面，隨著隨著ROI不斷探低，泡沫也會逐步形成，不斷探低，泡沫也會逐步形成，從企業經營和新技術突破

172、的從企業經營和新技術突破的必然性看，進入這一階段或許不會等太久必然性看，進入這一階段或許不會等太久 目前，目前，ROI的水平的水平在在10:1至至14:1的的區間內區間內，我們判斷我們判斷ROI在在2024年后可能會進一步年后可能會進一步下探。下探。在上文我們所做的產業鏈生態ROI分析中，時間截至2023年年末。而從2024年開始，在我們將應用端的五家公司最新的營收增速和資本開支增速以季度為時間單位做比對后，我們發現資本開支增速有進一步提振的趨勢。其中，微軟以及谷歌的資本開支增速已經遠遠高于其營收增速。對于另外三家公司，Meta、亞馬遜以及蘋果，雖然資本開支增速的絕對值小于營收增速的絕對值，但

173、是資本開支的增速在2023年年中之后也處于較強的增長趨勢。邏輯和此前一致，產業鏈整體下游資本開支增速的增加使得上游收入增加，而于此同時，下游應用發展緩慢，所產出的絕對收益較少。因此，考慮到業界今年相關的因此，考慮到業界今年相關的資本開支計劃和下游應用發展和商業化相對緩慢的節奏，產業鏈整體資本開支計劃和下游應用發展和商業化相對緩慢的節奏，產業鏈整體ROI的變化可的變化可能在能在2024年年后進一步下探。后進一步下探。識別風險，發現價值 請務必閱讀末頁的免責聲明 4545/5454 Table_PageText 深度分析|計算機 圖圖 52：產業鏈：產業鏈ROI可能會進一步可能會進一步下探下探 數

174、據來源：Bloomberg，廣發證券發展研究中心 2.另一方面看，另一方面看，ROI持續下探持續下探不代表風險會如此前互聯網時期一般大，不代表風險會如此前互聯網時期一般大，泡沫所帶泡沫所帶來的波動來的波動也也未必和此前一致未必和此前一致 主流公司的相對理性體現在：固定資產和長期投資在近幾年的增速要小于互聯網時期1999年至2001年的增速。AI時期基礎設施端固定資產和長期投資增速2023年的增速為13%，相比2022的22%下降了9個pct，而互聯網時期基礎設施端的增速在1999年和2001年分別為31%和18%?？偣潭ㄙY產和長期投資增速處于下降趨勢。2021年至2023年AI時期應用端的增速

175、分別為25%、10%、11%。-40%-20%0%20%40%60%80%100%120%140%1Q22 2Q22 3Q22 4Q22 1Q23 2Q23 3Q23 4Q23 1Q24Meta營收增速Meta資本開支增速0%10%20%30%40%50%60%70%微軟營收增速微軟資本開支增速-60%-40%-20%0%20%40%60%80%100%1Q22 2Q22 3Q22 4Q22 1Q23 2Q23 3Q23 4Q23 1Q24谷歌營收增速谷歌資本開支增速-30%-20%-10%0%10%20%30%1Q22 2Q22 3Q22 4Q22 1Q23 2Q23 3Q23 4Q23 1

176、Q24亞馬遜營收增速亞馬遜資本開支增速-50%-40%-30%-20%-10%0%10%20%30%40%蘋果營收增速蘋果資本開支增速紅色箭頭表資本開支增速，而在我們所篩選的股票池中，應用端公司的資本紅色箭頭表資本開支增速，而在我們所篩選的股票池中，應用端公司的資本開支自開支自2023年年中生成式年年中生成式AI興起之后，資本開支增速不斷提振，盡管除去興起之后，資本開支增速不斷提振，盡管除去微軟和谷歌外，另外三家的資本開支增速絕對值小于營收增速絕對值，但是微軟和谷歌外，另外三家的資本開支增速絕對值小于營收增速絕對值，但是資本開支增速也資本開支增速也呈呈增長趨勢。這代表了增長趨勢。這代表了ROI

177、有進一步下探的可能性。有進一步下探的可能性。識別風險，發現價值 請務必閱讀末頁的免責聲明 4646/5454 Table_PageText 深度分析|計算機 此外，此外，考慮考慮到到產業鏈上游的絕對收入體量、產業鏈上游的絕對收入體量、市場環境包括利率變化、產業格局差異市場環境包括利率變化、產業格局差異和經濟形勢等皆有所差異。因此，和經濟形勢等皆有所差異。因此，不能完全套用互聯網泡沫時期的參考數據。不能完全套用互聯網泡沫時期的參考數據。3.再看國內市場，于再看國內市場，于A股市場而言股市場而言，下游，下游AI算力投入態勢算力投入態勢利好紫光股份、寒武紀利好紫光股份、寒武紀等公司等公司 從A股市場

178、看，無論是紫光股份還是寒武紀等公司，其需求邏輯在較高層面上雖然在是比照海外AI產業發展規律，但是在具體市場需求動力上和面向海外的算力供應鏈相比會多一個驅動力：國產替代。所以受海外市場波動的影響會相對較小。這一點在我們此前的周報和深度報告中也提及過。（以下內容引用了我們此前2024年6月13日所發布的深度報告技術生態與市場發展共助算力硬件國產替代）(1)信創建設的要求持續推進算力國產替代信創建設的要求持續推進算力國產替代 信創國產化正加速推進，目前已至全面推廣階段。信創國產化正加速推進，目前已至全面推廣階段。2022 年 9 月，國務院國資委下發國資發 79 號文件，其中指出，2027 年底，國

179、央企完成信息化系統的信創改造工作?；趯π畔踩?、供應鏈安全的要求，國產芯片和服務器已經在政務、能源、交通、金融、電信等關鍵領域得到規?；瘧?。我們判斷，在政策的鼓勵和引導下，搭載國產芯片的服務器在各行業滲透率提升的節奏穩步進行，高速增長的態勢有望持續到2027 年。圖圖 53：2013-2025年年信創發展時間軸信創發展時間軸 數據來源：頭豹研究院，廣發證券發展研究中心 國產國產CPU性能穩步提升，對標同期國際主流產品。性能穩步提升，對標同期國際主流產品。根據各公司官網上披露的產品性能數據，華為的鯤鵬916和同期Intel的志強一代和AMD的霄龍一代在核心頻率和內存方面性能表現相近，19年發

180、布的920系列性能也能與同期志強和霄龍二代對標。海 識別風險，發現價值 請務必閱讀末頁的免責聲明 4747/5454 Table_PageText 深度分析|計算機 光20年發布基于X86架構的海光7285，具有良好的生態兼容性，但與同年的主流產品相比主頻和睿頻稍有欠缺；申威、龍芯的自研架構芯片雖然性能落后于同期產品，但為國產芯片的架構自主化探索提供了寶貴經驗，契合信創的國產化潮流。2023年，AMD和Intel陸續發布了霄龍和志強的四代產品，采用最新的DDR5存儲，各方面性能都有所提升；同年，海光四號發布，性能較上一代也有一定提升。表表 11：2017-2023年全球年全球CPU性能對比表格

181、性能對比表格 推出時間推出時間 公司公司 CPU 型號型號 指令集指令集 核心數核心數 超線程超線程 主頻主頻 內存類型內存類型 內存通內存通道數道數 最高內存最高內存頻率頻率 PCIe 通道數通道數 2016 年 海思 鯤鵬 916-7260 ARM 32 不支持 2.4GHz DDR4 4 46 2017 年 Intel Xeon 6130 x86 16 32 2.1GHz DDR4 6 2.10 GHz 48 申威 申威 1621 SW_64 Alpha 架構 16 不支持 2.0GHz DDR3 8 2133MHz 16 2018 年 AMD EPYC 7371 x86 16 32 3

182、.1GHz DDR4 8 3.8 GHz 128 2019 年 海思 鯤鵬 920-7260 ARM 64 不支持 2.6GHz DDR4 8 2933MHz 40 Intel Xeon 6254 x86 18 36 3.10GHz DDR4 6 2933 MHz 48 AMD EPYC 7542 x86 32 64 2.9GHz DDR4 8 3200MHz 128 2020 年 Intel Xeon 6256 x86 12 24 3.60GHz DDR4 6 2933 MHz 48 AMD EPYC 7742 x86 64 128 2.25GHz DDR4 8 3.4GHz 128 海光

183、海光 7285 x86 32 64 2.0GHz DDR4 8 2666MHz 128 飛騰 S2500 ARM 64 不支持 2.2GHz DDR4 8 3200MHz 17 2021 年 龍芯 3 企業級 C5000L LoongArchc（MIPS 架構）16 不支持 2.2GHz DDR4 4 3200MHz 32 Intel Xeon 6354 x86 18 36 3.0GHz DDR4 8 3200MHz 64 AMD EPYC 7763 x86 64 128 2.45GHz DDR4 8 3.5GHz 128 2023 年 AMD EPYC 9754 x86 128 256 2.

184、25GHz DDR5 12 3.1GHz 128 Intel Xeon 6430 x86 32 64 2.10GHz DDR5 8 3.40 GHz 80 數據來源：各公司官網，海光信息招股書，廣發證券發展研究中心 識別風險，發現價值 請務必閱讀末頁的免責聲明 4848/5454 Table_PageText 深度分析|計算機 各服務器廠商紛紛推出搭載國產芯片的機型。各服務器廠商紛紛推出搭載國產芯片的機型。一方面，芯片、主板等核心部件的國產產品的性能與國際主流產品性能差距快速縮??；另一方面，在政策的引導下，各領域信創產業的建設節奏正在加快。受信創政策及技術進步雙輪驅動，搭載國產芯片的服務器等硬

185、件產品已成為各服務器廠商重點拓展的方向：華鯤振宇、昆侖技術以及新華三等廠商推出的搭載鯤鵬和昇騰芯片的服務器機型快速放量；浪潮信息推出搭載國產芯片的英政和英信服務器系列。表表 12：各廠商通用服務器和：各廠商通用服務器和AI服務器按照搭載芯片類型產品分類服務器按照搭載芯片類型產品分類 通用服務器通用服務器 AI 服務器服務器 服務器型號服務器型號 搭載芯片類型搭載芯片類型 服務器型號服務器型號 搭載芯片類型搭載芯片類型 搭載國產芯片的搭載國產芯片的服務器型號服務器型號 浪潮英政服務器 CS5420H 海光 7000 系列處理器 新華三昇騰服務器 R5360 G3 鯤鵬 920 處理器和昇騰 91

186、0芯片 新華三 H3C 鯤鵬服務器 R4960 G3 飛騰 FT-2000+華鯤振宇邊緣服務器AT500 Pro 鯤鵬 920 處理器和 Atlas 300T Pro 訓練卡/Atlas 300T A2 訓練卡 華鯤振宇機架服務器 TG225B1 鯤鵬 920 處理器 昆侖 AI 服務器KunLunG5680 V2 鯤鵬 920 處理器和昇騰 910 AI 處理器 華鯤振宇高密服務器 TG125B1 鯤鵬 920 處理器-昆侖機架服務器 KunLun 2280 鯤鵬 920 處理器-搭載海外芯片的搭載海外芯片的服務器型號服務器型號 浪潮機架服務器 NF5466G7 英特爾至強第四代處理器 浪潮

187、 AI 服務器 NF5688G7 英特爾第四代至強和英偉達Hopper 處理器 浪潮高密度服務器 i24G7 英特爾 Xeon 第四、五代處理器 新華三 AI 服務器 H3C UniServer R5300 G6 英特爾第四代至強或瀾起津逮處理器 新華三 UniServer R4700 G6 英特爾至強第四、五代處理器 超聚變 GPU 服務器FusionServer G8600 V7 英特爾至強第四代處理器和Hopper 處理器 超聚變機架服務器 FusionServer 1288H V7 英特爾至強第四、五代處理器-超聚變高密服務器 FusionServer XH321 V6 半寬液冷節點

188、英特爾至強第三代處理器-數據來源：各公司官網，廣發證券發展研究中心 搭載搭載國產芯片的服務器已在各行業廣泛落地應用國產芯片的服務器已在各行業廣泛落地應用，國產軟硬件生態持續完善國產軟硬件生態持續完善。服務器整機的計算性能主要取決于芯片性能。隨著國產芯片性能與海外競品逐漸縮小，在政務、金融、電信、能源等重點行業的客戶開始規?；少彺钶d國產芯片的服務器。而芯片和服務器在各行業的落地應用，不僅推動其硬件性能不斷提高，還有效拓展其軟件生態，配合操作系統、數據庫、中間件等基礎軟件以及OA、ERP、辦公軟件、政務應用軟件等應用軟件的國產產品性能的提升，使得整體基礎軟硬件的國產替代進入良性循環。(2)智能算

189、力向智能算力向AI算力集群方向發展，國產交換機發展前景廣闊算力集群方向發展，國產交換機發展前景廣闊 智能算力的需求已經由單臺服務器向智能算力的需求已經由單臺服務器向AI算力集群方向發展算力集群方向發展。傳統的模型訓練方式，即采用少量的服務器進行模型訓練較難滿足大批量數據處理、特征提取、卷積計算等AI大模型的開發需求。而融合了大量的AI服務器、高速網絡連接設備以及算力調度 識別風險，發現價值 請務必閱讀末頁的免責聲明 4949/5454 Table_PageText 深度分析|計算機 優化軟件的AI計算集群已成為各科技廠商紛紛采用的針對AI大模型開發和應用的算力基礎設施。根據英偉達官網，以英偉達

190、的SuperPod集群為例，一個擁有16個SU（Scalable Unit）的集群中，包含了512臺服務器、128臺葉交換機、128臺脊交換機和64臺核心交換機，由此可以看到交換機也是智能算力集群的重要組成部分。在不同AI算力集群中，該比例根據單位服務器的計算性能和交換機的傳輸性能不同會有一定變化。表表 13：英偉達英偉達SuperPod集群集群中節點、交換機和線纜的數量（單位：個）中節點、交換機和線纜的數量（單位：個）集群單元SU 數量 節點數量 GPU 數量 InfiniBand 交換機數量 線纜的數量 葉交換機 脊交換機 核心交換機 節點-葉交換機之間 葉-脊交換機之間 脊-核心交換機之

191、間 4 128 1024 32 16-1024 1024-8 256 2048 64 32-2048 2048-16 512 4096 128 128 64 4096 4096 4096 32 1024 8192 256 256 128 8192 8192 8192 64 2048 16384 512 512 256 16384 16384 16384 數據來源：英偉達官網，廣發證券發展研究中心 國內交換機市場規模增速整體可達兩位數增長國內交換機市場規模增速整體可達兩位數增長，高端交換機滲透率有望提升高端交換機滲透率有望提升。根據IDC的數據，2024年，國內交換機市場有望達到796億元，同比

192、增長16.2%。當前國內數據中心交換機市場的端口速率以40G/100G為主。而觀察目前市場主流用于訓練AI大模型的算力集群，其普遍采用400G或800G端口速率的交換機。因此，我因此，我們判斷，在們判斷，在AI算力向集群方向發展的趨勢下，高端交換機的滲透率有望快速提升，算力向集群方向發展的趨勢下，高端交換機的滲透率有望快速提升，在交換機領域技術水平較高的新華三有望受益于此趨勢在交換機領域技術水平較高的新華三有望受益于此趨勢。圖圖 54：國內交換機行業市場規模及增速國內交換機行業市場規模及增速 圖圖 55：全球歷年光模塊銷售額占比全球歷年光模塊銷售額占比 數據來源：IDC，廣發證券發展研究中心

193、數據來源：IDC，廣發證券發展研究中心 在交換機領域在交換機領域，新華三新華三具備具備和英偉達競爭的技術能和英偉達競爭的技術能力力。不同層級的網絡中需要不同通信能力的交換設備。我們在英偉達SuperPod算力集群的分層網絡中看到，其開發了從448 Gb/s到51.2 Tb/s的交換容量，從100 Gb/s到800 Gb/s的端口速率的交換機0%4%8%12%16%20%0200400600800100020182019202020212022E 2023E 2024E 2025E市場規模（億元）增速0%20%40%60%80%100%2020202120222023E2024E100G200G

194、400G800G 識別風險，發現價值 請務必閱讀末頁的免責聲明 5050/5454 Table_PageText 深度分析|計算機 產品滿足不同層級的通信需求。新華三在交換機領域深耕多年，技術積累深厚，產品品類豐富。根據新華三官網，2023年6月，其推出的H3C S9827-64E交換機產品具有51.2Tb/s交換容量，800Gb/s的端口速率，各方面性能指標與英偉達2024年3月推出的Spectrum-X800在同一水平。我們認為，新華三的交換機產品具備與以英偉達為代表的海外競品競爭的技術基礎，有望受益于各廠商為開發和應用AI大模型而加大AI算力集群的投入。表表 14：英偉達英偉達Spect

195、rum-X800和新華三和新華三S9827-64E交換機交換機性能對比性能對比 產品 H3C S9827-64E Spectrum-X800 SN5600 開發公司 新華三 英偉達 推出時間 2023年6月 2024年3月 端口數量 64 64 交換容量 51.2 Tb/s 51.2 Tb/s 支持端口速率 200G、400G、800G 1G、10G、25G、40G、50G、100G、200G、400G、800G 包轉發率-33.3 Bpps 數據來源：各公司官網，廣發證券發展研究中心 新華三在國內交換機市場新華三在國內交換機市場常年保持份額第二名常年保持份額第二名。根據紫光股份歷年年報，20

196、20-2023年：新華三在中國以太網交換機市場份額分別為 35.0%、35.2%、33.8%、32.9%，持續保持市場份額第二。在包括電信運營商在內的企業客戶側，新華三的交換機產品已經具備較好的品牌力和客戶基礎。當前，各企業正擴大 AI 算力集群的投入，各地的智算中心也在加快建設。我們認為，新華三的 400G 高端交換機產品有望在國內智算中心加快建設的過程中放量。表表 15：2023-2024 年新華三交換機部分中標項目統計年新華三交換機部分中標項目統計 中標中標項目項目 產品產品 中標中標金額金額（萬元）（萬元）中標中標時間時間 2023 年信息網絡安全等級保護整改建設項目 樓層網絡匯聚交換

197、機 6.6 2024/5/9 服務器區匯聚交換機 34.8 中國電信串口管理交換機采購 串口管理交換機 2694 2024/5/10 中國移動 2024 年低端路由器和低端交換機產品集中采購 三層、二層交換機-2024/4/8 中國移動 2023 年至 2024 年數據中心交換機集中采購項目 盒式出口、數據中心交換機-2023/11/30 數據來源：中國采招標網，廣發證券發展研究中心 識別風險，發現價值 請務必閱讀末頁的免責聲明 5151/5454 Table_PageText 深度分析|計算機 三、投資建議三、投資建議 我們推薦寒武紀、紫光股份，并建議關注浪潮信息等公司。我們推薦寒武紀、紫光

198、股份，并建議關注浪潮信息等公司。當前，服務器方面H20等芯片正在邁向正常出貨軌道。從浪潮信息發布的中報業績預告看，營業收入60%的增長超預期，在ARM架構服務器快速放量對于X86體系有一定影響的情況下，公司24H1營收依然高增長，這側面反映了A股市場中，以互聯網廠商為代表的下游對于通用計算和AI大模型訓練及應用探索所需算力的旺盛情況。相應地，作為計算集群主要構成的網絡連接設備需求預料會同步上調，而這是紫光股份旗下最主要的盈利貢獻者。英偉達擴大以太網交換機計算集群方案的效應對紫光股份等國內領先廠商而言能降低比較門檻，后續應能發酵?？偟膩砜?，由于國產算力總的來看，由于國產算力相較海外算力多了相較海

199、外算力多了國產替代國產替代的邏輯，因此這部分的驅動因的邏輯，因此這部分的驅動因子可以在一定程度上規避或子可以在一定程度上規避或抵御整個產業周期和產業需求的波動，受海外市場波動抵御整個產業周期和產業需求的波動，受海外市場波動影響較小。影響較小。識別風險，發現價值 請務必閱讀末頁的免責聲明 5252/5454 Table_PageText 深度分析|計算機 四四、風險提示、風險提示（一）（一）ROI測算存在一定的局限性測算存在一定的局限性 因本文對互聯網上游ROI的測算主要基于互聯網時期所篩選的典型且規模較大的公司，所以最終測算結果和實際值可能存在一定偏差。同時，由于不同服務器價格波動較大，AI時

200、期上游的測算過程可能也存在一定的偏差。（二二）自由貿易的形勢、國際政治環境和安自由貿易的形勢、國際政治環境和安全形勢等和互聯網時期有所全形勢等和互聯網時期有所差異致使產業相關變化趨勢有較大不確定性差異致使產業相關變化趨勢有較大不確定性 和互聯網泡沫破滅同期相比較，自由貿易的形勢、國際政治環境和安全形勢、主要經濟體的發展階段和挑戰等外部環境都不同，所以包括利率、產業相關變化等勢都有較大的不確定性。（三（三）國產服務器國產服務器芯片存在供應鏈不穩定的風險芯片存在供應鏈不穩定的風險 受海外政策影響，國內先進制程芯片的供給受限。由于CPU和AI芯片供應鏈不穩定，國產服務器廠商的供貨能力存在不確定性。識

201、別風險，發現價值 請務必閱讀末頁的免責聲明 5353/5454 Table_PageText 深度分析|計算機 廣發計算機行業研究小組廣發計算機行業研究小組 劉 雪 峰：首席分析師，東南大學工學士，中國人民大學經濟學碩士，1997 年起先后在數家 IT 行業跨國公司從事技術、運營與全球項目管理工作。2010 年就職于招商證券研究發展中心負責計算機組行業研究工作，2014 年加入廣發證券發展研究中心。吳 祖 鵬：資深分析師，中南大學材料工程學士，復旦大學經濟學碩士，曾先后任職于華泰證券、華西證券，2021 年加入廣發證券發展研究中心。李 婉 云：資深分析師，西南財經大學金融學碩士，2022 年加

202、入廣發證券發展研究中心。周 源：資深分析師，慕尼黑工業大學碩士，2021 年加入廣發證券，曾任職于 TUMCREATE 自動駕駛科技公司，負責大數據相關工作。許 晟 榕：高級研究員，香港大學金融科技碩士，2023 年加入廣發證券發展研究中心。王 鈺 翔：研究員，哥倫比亞大學運籌學碩士，2024 年加入廣發證券發展研究中心。戴 亞 敏：研究員，北京大學金融碩士，2024 年加入廣發證券發展研究中心。廣發證券廣發證券行業行業投資評級說明投資評級說明 買入：預期未來12 個月內，股價表現強于大盤 10%以上。持有：預期未來12 個月內，股價相對大盤的變動幅度介于-10%+10%。賣出：預期未來12

203、個月內，股價表現弱于大盤 10%以上。廣發證券廣發證券公司投資評級說明公司投資評級說明 買入：預期未來12 個月內，股價表現強于大盤 15%以上。增持：預期未來12 個月內，股價表現強于大盤 5%-15%。持有：預期未來12 個月內，股價相對大盤的變動幅度介于-5%+5%。賣出：預期未來12 個月內，股價表現弱于大盤 5%以上。聯系我們聯系我們 廣州市 深圳市 北京市 上海市 香港 地址 廣州市天河區馬場路26 號廣發證券大廈47 樓 深圳市福田區益田路6001 號太平金融大廈 31 層 北京市西城區月壇北街 2 號月壇大廈 18層 上海市浦東新區南泉北路 429 號泰康保險大廈 37 樓 香

204、港灣仔駱克道 81號廣發大廈 27 樓 郵政編碼 510627 518026 100045 200120-客服郵箱 法律主體法律主體聲明聲明 本報告由廣發證券股份有限公司或其關聯機構制作，廣發證券股份有限公司及其關聯機構以下統稱為“廣發證券”。本報告的分銷依據不同國家、地區的法律、法規和監管要求由廣發證券于該國家或地區的具有相關合法合規經營資質的子公司/經營機構完成。廣發證券股份有限公司具備中國證監會批復的證券投資咨詢業務資格，接受中國證監會監管，負責本報告于中國（港澳臺地區除外）的分銷。廣發證券（香港）經紀有限公司具備香港證監會批復的就證券提供意見（4 號牌照）的牌照，接受香港證監會監管，負

205、責本報告于中國香港地區的分銷。本報告署名研究人員所持中國證券業協會注冊分析師資質信息和香港證監會批復的牌照信息已于署名研究人員姓名處披露。重要重要聲明聲明 投資對不依據內 識別風險，發現價值 請務必閱讀末頁的免責聲明 5454/5454 Table_PageText 深度分析|計算機 廣發證券股份有限公司及其關聯機構可能與本報告中提及的公司尋求或正在建立業務關系，因此，投資者應當考慮廣發證券股份有限公司及其關聯機構因可能存在的潛在利益沖突而對本報告的獨立性產生影響。投資者不應僅依據本報告內容作出任何投資決策。投資者應自主作出投資決策并自行承擔投資風險，任何形式的分享證券投資收益或者分擔證券投資

206、損失的書面或者口頭承諾均為無效。本報告署名研究人員、聯系人（以下均簡稱“研究人員”）針對本報告中相關公司或證券的研究分析內容，在此聲明：（1）本報告的全部分析結論、研究觀點均精確反映研究人員于本報告發出當日的關于相關公司或證券的所有個人觀點，并不代表廣發證券的立場；（2）研究人員的部分或全部的報酬無論在過去、現在還是將來均不會與本報告所述特定分析結論、研究觀點具有直接或間接的聯系。研究人員制作本報告的報酬標準依據研究質量、客戶評價、工作量等多種因素確定，其影響因素亦包括廣發證券的整體經營收入，該等經營收入部分來源于廣發證券的投資銀行類業務。本報告僅面向經廣發證券授權使用的客戶/特定合作機構發送

207、，不對外公開發布，只有接收人才可以使用，且對于接收人而言具有保密義務。廣發證券并不因相關人員通過其他途徑收到或閱讀本報告而視其為廣發證券的客戶。在特定國家或地區傳播或者發布本報告可能違反當地法律，廣發證券并未采取任何行動以允許于該等國家或地區傳播或者分銷本報告。本報告所提及證券可能不被允許在某些國家或地區內出售。請注意，投資涉及風險，證券價格可能會波動，因此投資回報可能會有所變化，過去的業績并不保證未來的表現。本報告的內容、觀點或建議并未考慮任何個別客戶的具體投資目標、財務狀況和特殊需求，不應被視為對特定客戶關于特定證券或金融工具的投資建議。本報告發送給某客戶是基于該客戶被認為有能力獨立評估投

208、資風險、獨立行使投資決策并獨立承擔相應風險。本報告所載資料的來源及觀點的出處皆被廣發證券認為可靠，但廣發證券不對其準確性、完整性做出任何保證。報告內容僅供參考，報告中的信息或所表達觀點不構成所涉證券買賣的出價或詢價。廣發證券不對因使用本報告的內容而引致的損失承擔任何責任，除非法律法規有明確規定?？蛻舨粦员緢蟾嫒〈洫毩⑴袛嗷騼H根據本報告做出決策，如有需要，應先咨詢專業意見。廣發證券可發出其它與本報告所載信息不一致及有不同結論的報告。本報告反映研究人員的不同觀點、見解及分析方法，并不代表廣發證券的立場。廣發證券的銷售人員、交易員或其他專業人士可能以書面或口頭形式，向其客戶或自營交易部門提供與本

209、報告觀點相反的市場評論或交易策略，廣發證券的自營交易部門亦可能會有與本報告觀點不一致，甚至相反的投資策略。報告所載資料、意見及推測僅反映研究人員于發出本報告當日的判斷，可隨時更改且無需另行通告。廣發證券或其證券研究報告業務的相關董事、高級職員、分析師和員工可能擁有本報告所提及證券的權益。在閱讀本報告時，收件人應了解相關的權益披露（若有）。本研究報告可能包括和/或描述/呈列期貨合約價格的事實歷史信息（“信息”）。請注意此信息僅供用作組成我們的研究方法/分析中的部分論點/依據/證據，以支持我們對所述相關行業/公司的觀點的結論。在任何情況下，它并不（明示或暗示）與香港證監會第 5 類受規管活動（就期貨合約提供意見）有關聯或構成此活動。權益披露權益披露(1)廣發證券（香港）跟本研究報告所述公司在過去 12 個月內并沒有任何投資銀行業務的關系。版權聲明版權聲明 未經廣發證券事先書面許可，任何機構或個人不得以任何形式翻版、復制、刊登、轉載和引用，否則由此造成的一切不良后果及法律責任由私自翻版、復制、刊登、轉載和引用者承擔。系因此者應當考慮存潛利益沖突而獨性產生影響僅容