《人工智能行業專題：全球云廠商復盤AI驅動新一輪資本開支周期-241028（60頁）.pdf》由會員分享，可在線閱讀，更多相關《人工智能行業專題：全球云廠商復盤AI驅動新一輪資本開支周期-241028（60頁）.pdf（60頁珍藏版）》請在三個皮匠報告上搜索。

1、請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告|20242024年年1010月月2828日日優于大市優于大市人工智能行業專題人工智能行業專題全球云廠商復盤，全球云廠商復盤，AIAI 驅動新一輪資本開支周期驅動新一輪資本開支周期核心觀點核心觀點行業研究行業研究行業專題行業專題計算機計算機優于大市優于大市維持維持證券分析師：熊莉證券分析師：熊莉證券分析師：庫宏垚證券分析師：庫宏垚021-61761067021-S0980519030002S0980520010001證券分析師：艾憲證券分析師：艾憲0755-S0980524090001市場走勢資料來源：Wind、國信證券經濟研

2、究所整理相關研究報告計算機行業 2024 年 10 月投資策略-化債政策超預期，深度關注 AI 基建 2024-10-22汽車智能化系列專題之決策篇（6）：特斯拉發布 Robotaxi，入華進程有序推進 2024-10-12人工智能行業專題：OpenAI 發布 GPT-O1，模型能力持續提升2024-10-11央行新貨幣政策點評-央行出臺新貨幣政策支持股市穩定發展，關注金融 IT 投資機會 2024-09-26字節全新發布豆包 AI 視頻模型，AI 多模態有望迎來爆發期2024-09-24全球云廠商復盤：政策驅動全球云廠商復盤：政策驅動+戰略調整，拉動云廠商資本開支增長。戰略調整，拉動云廠商資

3、本開支增長。從海外來看，亞馬遜最先進入云計算領域，從IaaS 業務逐步向PaaS、SaaS業務拓展，為全球云計算領導者，在IaaS領域具有領先優勢。微軟、谷歌從PaaS、SaaS 業務逐步切入IaaS 業務領域，微軟抓住混合云行業趨勢，市場份額快速提升；谷歌 18 年實施“追趕戰略”后，云計算業務開始快速發展。從國內來看，阿里巴巴為國內云計算領導者，得益于移動互聯網流量快速增長，云計算業務快速發展。從資本開支增長維度來看：1 1）政策驅動）政策驅動2010 年美國制定“云優先”的發展戰略，全球云廠商資本開支快速增長；2 2）戰略）戰略調整調整14 年微軟提出“云為先”戰略，18 年谷歌提出“追

4、趕戰略”后，公司資本開支出現顯著提升。自23 年以來，全球人工智能快速發展，云廠商大力進行AI 基礎設施建設，驅動新一輪資本開支上升周期。支出側：從支出側：從 ROICROIC 維度觀察云廠商資本開支變動。維度觀察云廠商資本開支變動。資本開支持續上行，將對折舊攤銷、利潤、現金流、ROIC等財務指標產生影響。根據歷史數據，資本開支增加后大約5 個季度對利潤產生影響（從服務器采購到數據中心建成，存在時間差）；折舊及攤銷費用占到營業利潤25%左右可以作為一個轉折點，此時費用對利潤產生很大壓力；在轉折點之后資本開支預期還會上漲2-3 個季度，后續會同比下行，預計FY25Q2 資本開支將進入穩定期?；貓?/p>

5、側回報側：云廠商云廠商AIAI云租賃回報率測算云租賃回報率測算。1 1）大型云廠商大型云廠商：僅考慮單卡采購成本和單卡電費，單卡H100 對應24-29 年回報率分別為51%、167%、257%、326%、379%、419%；若考慮智算中心建設的綜合成本，則中性預期下24-29年對應回報率分別為-14%、52%、102%、140%、168%、189%；2 2）小型云廠商小型云廠商：根據各公司官網統計數據，小型云廠商租賃價格顯著低于大廠，僅考慮單卡采購成本和單卡電費，24-29 年回報率分別為-50%、-4%、39%、79%、115%、148%。設備廠商業績復盤設備廠商業績復盤：云廠商資本開支先

6、驗指標云廠商資本開支先驗指標。設備廠商業績波動與云廠商的資本開支直接掛鉤，對比主要設備廠商思科、intel 等營收增速與云廠商資本開支增速，觀測到設備廠商營收變化領先云廠商資本開支約2 個季度。格局演繹：云時代設備廠商群雄逐鹿，格局演繹：云時代設備廠商群雄逐鹿，AIAI 時代再迎新王。時代再迎新王。AI 驅動云設備廠商格局變化，部分廠商市占率快速提升，例如Arista、Supermicro；AI 芯片需求高速增長，英偉達以芯片性能、生態領先對手，占據統治地位。風險提示：風險提示：全球云廠商資本開支不及預期；AI應用商業化不及預期等。投資建議：行業趨勢投資建議：行業趨勢+公司戰略，公司戰略，AI

7、AI硬件廠商率先受益。硬件廠商率先受益。結合行業維度（AI云是大勢所趨）和公司維度（各家將AI 發展放到核心地位），AI 驅動本輪云廠商資本開支上升周期。根據復盤硬件廠商同云廠商資本開支的關系，硬件廠商的業績反應往往領先于云廠商資本開支的投入，建議關注 AI 云計算相關硬件廠商，例如海光信息、浪潮信息等。重點公司盈利預測及投資評級重點公司盈利預測及投資評級公司公司公司公司投資投資昨收盤昨收盤總市值總市值EPSEPSPEPE代碼代碼名稱名稱評級評級（元）（元）（百萬元）（百萬元）20202424E E20202525E E20202424E E20202525E E688041海光信息優于大市1

8、25.02290,5890.781.00160.28125.02000977浪潮信息優于大市43.8564,5531.241.4535.3630.24資料來源：Wind、國信證券經濟研究所預測請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告2內容目錄內容目錄全球云計算廠商復盤：數字時代的引擎全球云計算廠商復盤：數字時代的引擎.7 7亞馬遜：全球云計算領導者，AWS 收入持續增長.7微軟：IaaS+PaaS+SaaS 組合拳戰略，Azure 收入占比持續提升.15谷歌：PaaS 業務先行，開源生態領導者.20阿里巴巴：中國云計算先行者，進入戰略轉型期.24支出側：從支出側：從

9、 ROICROIC 維度觀察云廠商資本開支變動維度觀察云廠商資本開支變動.2929云廠商資本開支直接影響硬件側公司收入.29微軟資本開支與折舊 ROIC 變化.30谷歌云資本開支與折舊 ROIC 變化.35阿里云資本開支與折舊 ROIC 變化.37回報側：云廠商回報側：云廠商 AIAI 云租賃回報率測算云租賃回報率測算.3939大型云廠商：H100 算力卡云租賃回報率測算（以微軟為例）.39中小云廠商：H100 算力卡云租賃回報率測算.42設備廠商業績復盤：云廠商資本開支先驗指標設備廠商業績復盤：云廠商資本開支先驗指標.4444思科：全球網絡設備領導者.45英特爾：CPU 計算領域全球領導者.

10、48浪潮信息：國產服務器領導者.51格局演繹：云時代設備廠商群雄逐鹿，格局演繹：云時代設備廠商群雄逐鹿，AIAI 時代再迎新王時代再迎新王.5353服務器、交換機市場持續增長，AI 受益廠商份額快速提升.53AI 時代掀起新一輪資本開支，英偉達仍是 AI 芯片王者.55投資建議投資建議.5858風險提示風險提示.5858請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告3圖表圖表目錄目錄圖1：24Q1 亞馬遜云計算業務市占率全球第一.7圖2：2023 年全球 IaaS 業務市占率情況.7圖3：23Q4 亞馬遜為全球 SaaS 業務領導者.7圖4：亞馬遜是全球 AI 云服務領域

11、領導者.7圖5：23 年 AWS 業務收入占比持續增長.8圖6：前期（2001 年-2006 年）亞馬遜資本開支快速增長.9圖7：亞馬遜 S3 基本存儲架構.9圖8：AWS 私有云.10圖9：AWS Marketplace 工作流.10圖10：AWS 開始自研芯片 Gravition、Inferentia.12圖11：AWS 對全球大多數地區完成覆蓋.12圖12：AWS 資本開支逐季增長.13圖13：AWS 開放 P5 實例（由英偉達 H100 支持）.13圖14：公司 AWS 收入歷史變化情況.13圖15：亞馬遜資本開支與 AWS 收入歷史變化情況.14圖16：11-18 年亞馬遜資本開支季

12、度變化情況.15圖17：14-21 年全球公有云市場（IaaS）份額排名前五廠商.15圖18：微軟云收入持續增長.16圖19：微軟云收入占比持續提升.16圖20：微軟發布 Windows Azure Platform.16圖21：微軟 SaaS+PaaS+IaaS 組合拳.16圖22：混合云逐步成為主流，23 年占比 89%.17圖23：微軟 Azure Stack 成為企業使用最多的私有云.17圖24：微軟全線產品整合 ChatGPT，發布 Copilot.17圖25：微軟 Azure ND H100 v5 VM 正式上線.17圖26：ND H100 v5 VM 產品.18圖27：微軟自研

13、Maia 100 芯片.18圖28：微軟資本開支與微軟云收入歷史變化情況.19圖29：11-18 年微軟資本開支季度同比變化情況.19圖30：11-18 年微軟資本開支季度環比變化情況.20圖31：19 年后谷歌云收入快速增長.20圖32：谷歌云業務收入占比持續提升.20圖33：Google App Engine.21圖34：Google Compute Engine 產品.21圖35：2017 年 69%企業愿意選擇 Kuberneters 作為平臺工具.21圖36：谷歌云同微軟 Azure 云的差距逐步拉大.21圖37：18 年后資本開支快速增長.22請務必閱讀正文之后的免責聲明及其項下所

14、有內容證券研究報告證券研究報告4圖38：18-23 年谷歌云市占率逐步提升.22圖39：谷歌 TPU 快速迭代.22圖40：谷歌發布第六代 TPU-Trillium.22圖41：Google Cloud 中基于 Intel CPU 的算力實例.23圖42：Google Cloud 中基于 AMD CPU 的算力實例.23圖43：谷歌資本開支與谷歌云收入歷史變化情況.24圖44：阿里巴巴云業務收入快速增長.24圖45：阿里云業務收入占比持續提升.24圖46：23H2 中國公有云 IaaS 廠商市場份額情況.25圖47：23H2 中國公有云 PaaS 廠商市場份額情況.25圖48：14-19 年移

15、動互聯網流量快速增長.26圖49：阿里云全球布局.26圖50：亞太地區云計算 IaaS 市場（2023 年）.26圖51：垂直行業云計算市場成為增長主要動力.27圖52：2022 年中國各行業用云量占比情況.27圖53：中國政務公有云市場份額（2023 年）.27圖54：中國政務專屬云市場份額（2023 年）.27圖55：阿里云魔搭社區-中國最大的模型社區.27圖56：中國 AI 公有云服務市場 2023 年市場份額.27圖57：阿里巴巴資本開支與阿里云收入歷史變化情況.28圖58：英偉達的收入結構（億美元）.29圖59：英偉達芯片的客戶銷售情況.29圖60：24Q2 英偉達頭部“直接”客戶對

16、數據中心收入貢獻.29圖61：24Q2 英偉達頭部“間接”客戶對數據中心收入貢獻.29圖63：固定資產投資設置在總資本開支中的占比.30圖64：調整后的 ROIC 計算.30圖66：隨著折舊及攤銷費用對利潤影響加劇，ROIC 明顯下滑.31圖67：上一個周期與本周起 ROIC 下降趨勢基本吻合.31圖68：不同類型的固定資產折舊年限不同.32圖69：基于公司披露的數據計算當期折舊費用.32圖74：微軟 FY16-20 資本開支（不含融資租賃）.35圖75：微軟 FY16-20 單季度營收.35圖82：“芯片-設備廠商收入-云服務商資本開支-云廠商收入”連續作用機制.44圖83：海外頭部云廠商資

17、本開支總和變化（單位：億元）.45圖84：思科統一計算系統.45圖85：思科云安全解決方案.45圖86：Cisco HyperFlex 提供其他 HCI 的 3 倍性能.46圖87：適用于多云環境的云 ACI.46圖88：Cisco 在 AI 方面的收購與投資.46圖89：Cisco 宣布與 NVIDIA 合作推出突破性 AI 集群解決方案.46圖90：思科單季營收與云廠商資本開支 YoY 比較.47請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告5圖91：思科股價與營收比較.47圖92：思科 2007 年至 2023 年主要產品的市場份額變化（單位：%）.48圖93：英特

18、爾至強處理器 5500 系列服務器.48圖94：英特爾虛擬化技術架構.48圖95：英特爾以數據為中心的產品技術組合.49圖96：第二代英特爾至強可擴展處理器.49圖97：AI 賦能全新應用場景.49圖98：英特爾酷睿 UltraU/H 系列處理器.49圖99：Intel 單季營收與云廠商資本開支 YoY 比較.50圖100：Intel 股價與營收比較.50圖101：2010 年至 2023 年 Intel 桌面端 CPU 與移動端 CPU 的市場份額變化（單位：%）.50圖102：浪潮“云?！痹朴嬎銘鹇约軜?51圖103：浪潮云海 OS V2.0 三層架構.51圖104：浪潮云分布式架構.51

19、圖105：浪潮云服務器 ECS 專業性能場景.51圖106：浪潮信息 AI 賦能相關產品.52圖107：浪潮信息邊緣云代表 IEC 產品架構.52圖108：浪潮信息營收與國內云廠商資本開支 YoY 比較.52圖109：全球服務器市場規模預測（億美金）.53圖110：2023 年全球服務器市場份額.53圖111：近年來全球服務器廠商市場份額變化.54圖112：全球 AI 數據中心以太網交換機市場規模（億美元）.54圖113：2022 年數據中心交換機市場份額.54圖114：近年來全球交換機廠商市場份額變化.55圖115：各海外互聯網廠商資本開支季度性變化.56圖116：各海外互聯網廠商資本開支季

20、度性增速變化.56圖117：AI 數據中心芯片市場規模預測.56圖118：全球服務器 GPU 市場份額變化.57圖119：2023Q3 英偉達各客戶采購 AI 芯片數量預估（千塊）.57請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告6表1：假設資本開支中 38%用于計算設備及軟件（元）.39表2：H100 算力相關建設成本敏感性測算.39表3：假設微軟單 GPU 租賃收入為 7.47 美元/小時.40表4：微軟 H100 全生命周期累計收入測算.40表5：單 POD IT 耗能測算.40表6：單張 H100 對應智算中心電力消耗測算.41表7：H100 用電成本測算.41

21、表8：微軟 H100 回報率測算.42表9：假設中小云廠商單 GPU 租賃收入為 2.49 美元/小時.42表10：中小云廠商 H100 全生命周期累計收入測算.42表11：中小云廠商 H100 回報率測算.43請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告7全球云計算廠商復盤：數字時代的引擎全球云計算廠商復盤：數字時代的引擎亞馬遜：全球云計算領導者，亞馬遜：全球云計算領導者，AWSAWS 收入持續增長收入持續增長亞馬遜亞馬遜：全球云計算領導者全球云計算領導者。根據 Statista、Synergy Research Group 披露數據，24Q1 全球云計算（包括 Pa

22、aS 和 SaaS）市場為 760 億美金，同比+21%，行業快速增長；其中，亞馬遜的 AWS 全球市占率為 31%，市占率第一；其次為微軟的 Azure和谷歌的 Google Cloud，市占率分別為 25%、11%，三家合計市占率達到 67%。細分領域來看細分領域來看：亞馬遜 AWS 在 IaaS、SaaS、AI 云服務領域具有領先優勢。IaaSIaaS 領域領域：根據 Gartner 數據，23 年全球 IaaS 市場 1399.99 億美金，同比+16.2%；其中，亞馬遜實現收入 546.48 億美金，市占率為 39.0%，全球第一；SaaSSaaS 領域領域：AWS 具有廣泛的云服務

23、組合，提供 Marketplace 平臺，允許獨立軟件供應商（ISV）在平臺提供軟件服務，被 Gartner 評為 SaaS 業務領導者；云云 AIAI 開發者服務領域開發者服務領域：AWS 提供完整的生成式 AI 技術堆棧，覆蓋算力（英偉達 GPU 實例）、基礎模型（Amazon Bedrock 等）和應用（AI 編程助手 AmazonCodeWhisperer 等），被 Gartner 評為云 AI 開發者服務領導者。圖1：24Q1 亞馬遜云計算業務市占率全球第一圖2：2023 年全球 IaaS 業務市占率情況資料來源：Statista，Synergy Research Group，國信證

24、券經濟研究所整理資料來源：Gartner，國信證券經濟研究所整理圖3：23Q4 亞馬遜為全球 SaaS 業務領導者圖4：亞馬遜是全球 AI 云服務領域領導者資料來源：Gartner，國信證券經濟研究所整理資料來源：Gartner，國信證券經濟研究所整理請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告8亞馬遜：亞馬遜：AWSAWS 業務收入占比持續提升。業務收入占比持續提升。根據公司披露數據，23 年 AWS 業務收入907.57 億元，對應 14-23 年 CAGR 為 39.1%，AWS 收入持續提升；23 年 AWS 業務收入占比為 15.8%，相比于 14 年+10.

25、6 個 pct，AWS 業務收入占比持續提升。圖5：23 年 AWS 業務收入占比持續增長資料來源：公司財報，國信證券經濟研究所整理亞馬遜亞馬遜 AWSAWS 業務歷史復盤業務歷史復盤：亞馬遜亞馬遜 20062006 年發布產品年發布產品 EC2EC2、S3S3，標志著標志著 AWSAWS 業務正業務正式啟動式啟動，后續逐步從單一的后續逐步從單一的 IaaSIaaS 業務拓展至業務拓展至 PaaSPaaS、SaaSSaaS 業務業務，且產品矩陣持續且產品矩陣持續豐富；同時，受益于美國豐富；同時，受益于美國“云優先云優先”、“云敏捷云敏捷”戰略，云計算業務快速發展戰略，云計算業務快速發展。222

26、2 年受年受 AIAI 大模型對訓練需求的提升，積極布局大模型對訓練需求的提升，積極布局 AIAI 算力，算力，2323 年年 7 7 月月 AWSAWS 推出有推出有英偉達英偉達 H100H100 支持支持 EC2EC2 P5P5 實例。實例。緣起緣起（20042004 年年-2006-2006 年年）：閑置閑置 ITIT 資源的再利用資源的再利用。1 1）供給方供給方：亞馬遜以在線零售商起家，為應對圣誕節等流量極速攀升的時間節點，需要購置遠超其平時使用量的硬件資源以支撐平臺交易穩定運行。一方面，亞馬遜的資本開支快速增長，成本上升；另一方面，根據云計算導論：概念、架構與應用（武志學，人民郵電

27、出版社）披露數據，亞馬遜數據中心在大部分時間只有不到 10%的利用率，IT 資源大量閑置。2 2）需求方需求方：對于美國大多數中小企業來說，自建數據中心的成本較高，且擴容的靈活性較差。3 3）發布產品發布產品：2005年，亞馬遜發布 Amazon Web Service 計算平臺，并于 2006 年 3 月、8 月相繼推出在線存儲服務 S3（Amazon Simple Storage Service）和彈性計算云EC2（Amazon Elastic Compute Cloud）。S3S3 是是 AWSAWS 推出的第一款產品推出的第一款產品：一個完全針對互聯網的數據存儲服務，應用程序可以通過一

28、個簡單的 Web 服務接口，就可以訪問 S3 上的數據，其是一個扁平化的兩層結構（存儲桶和存儲對象），具有耐久性和可用性、彈性和可拓展性、接口簡單等優勢。EC2EC2 是是 AWSAWS 的核心產品：的核心產品：1 1）更便捷）更便捷：EC2 是業界第一個將基礎架構大規模開放給公眾用戶的云計算服務（IaaS），設計目的為讓開發人員更容易地進行網絡規模計算，開發人員僅通過簡單網絡服務接口就可以獲得和配置服務器容量；2 2）經濟性和靈活性經濟性和靈活性：用戶只為實際使用的容量付費，可以隨時根據需求調整使用容量；3 3）協同性）協同性：同 S3 形成協同效應，在請務必閱讀正文之后的免責聲明及其項下所

29、有內容證券研究報告證券研究報告9云端調取 S3 存儲的數據。圖6：前期（2001 年-2006 年）亞馬遜資本開支快速增長圖7：亞馬遜 S3 基本存儲架構資料來源：Statista，Synergy Research Group，國信證券經濟研究所整理資料來源：云圖云途：云計算技術演進及應用-湯兵勇主編-機械工業出版社（2021 年）-P115，國信證券經濟研究所整理產品完善期（產品完善期（20072007 年年-2012-2012 年）：完善云計算產品，從單一的年）：完善云計算產品，從單一的 IaaSIaaS 逐步拓逐步拓展至展至 PaaSPaaS、SaaSSaaS 領域。領域。行業層面行業層

30、面：2010 年美國聯邦政府制定了“云優先”的發展戰略，為政府機構提供了廣泛采用基于云解決方案的權利，并積極鼓勵其下各部門積極采用私營機構云服務以提升政府決策能力，同時白宮在預算申請文件中將云計算列為促進美國政府技術設施的重要技術，云計算開始進入快速發展期。IaaSIaaS 產品持續完善產品持續完善：1 1）EC2EC2 實例實例：07 年推出多種 EC2 實例類型，更加靈活；08 年推出彈性 IP 地址（用戶可以快速將地址重新映射到賬戶中的另一個實例，屏蔽實例故障）和 EBS（彈性塊存儲，開發人員可以通過編程方式穿件獨立于 EC2 的存儲卷）；09 年推出 EC2 新功能云監控，開發者可以隨

31、時監控 AWS 計算資源使用情況；10 年發布 EC2 集群計算實例，網絡吞吐量大幅提升；12 年推出高 I/O 以及高存儲 EC2 實例；2 2）S3S3 產品產品：10 年推出應用于 S3 的導入與導出服務，通過 web 服務接口，可以讓用戶方便地管理數據傳輸和遷移；12 年發布 AWS 存儲網關，簡化了本地 IT 環境與云端存儲的數據移動。PaaSPaaS 產品快速發展產品快速發展：亞馬遜分別于 08 年、09 年、11 年、12 年發布分布式數據庫 SimpleDB、RDS（亞馬遜關系數據庫服務）、Elastic Beanstalk服務、非關系型數據庫 DynamoDB 和 SWF（簡

32、單工作流服務），亞馬遜快速進軍 PaaS 市場。成立成立 SaaSSaaS 產品平臺產品平臺：12 年 AWS 發布 AWS Marketplace（軟件在線商城），獨立軟件供應商（ISV）、增值分銷商（VAR）和系統集成商（SI）可以面向 AWS 客戶宣傳和出售軟件。開辟私有云開辟私有云：09 年，AWS 推出虛擬私有云（VPC），并對 EC2 和 VPC 進行整合；11 年推出政府專用云服務（AWS GovCloud），滿足政府機構和承包商的具體監管和合規要求。全球化戰略全球化戰略-向歐洲、亞洲、南美洲、澳洲拓展向歐洲、亞洲、南美洲、澳洲拓展：1 1）歐洲：）歐洲：07 年推出請務必閱讀正

33、文之后的免責聲明及其項下所有內容證券研究報告證券研究報告10S3 歐洲版本，08 年 EC2 拓展至歐洲地區，09 年進一步在歐盟地區推出運行微軟 Windows 服務和 SQL 服務器的 EC2；10 年在歐盟推出亞馬遜私有云。2 2）亞洲：）亞洲：09 年進軍新加坡市場，11 年在日本推出基礎設施網絡服務。3 3）南美洲南美洲：11 年新增南美洲圣保羅地區。4 4）澳洲澳洲：12 年新增悉尼地區。價格策略價格策略：1 1）分級定價分級定價：08 年推出分級定價，提供大量折扣；2 2）保留保留實例實例：09 年推出保留實例定價策略，即用戶可以選擇通過一次性支付低價保留容量，進一步降低每小時使

34、用成本；3 3）競價實例）競價實例：09 年推出競價實例策略，用戶可對 EC2 中閑置的計算能力進行競價，并在競價超過當前價格是運行這些實例；4 4）降價策略）降價策略：截至 12 年，AWS 已經降價 27次。圖8：AWS 私有云圖9：AWS Marketplace 工作流資料來源：亞馬遜，國信證券經濟研究所整理資料來源：亞馬遜，國信證券經濟研究所整理快速發展期快速發展期（20132013 年年-2022-2022 年年）：實例向更高性能實例向更高性能、更多種類發展更多種類發展，PaaSPaaS 和和SaaSSaaS 產品持續完善，發布在研硬件芯片，對全球大多數地區完成覆蓋。產品持續完善，發

35、布在研硬件芯片，對全球大多數地區完成覆蓋。行業層面行業層面：2018 年美國聯邦政府制定“云敏捷”戰略，讓各機構采購可以簡化轉型流程并擁抱具有現代化能力的私營機構云解決方案，協助政府更好地進行信息化決策。實例向更高性能、更多種類發展：實例向更高性能、更多種類發展：1 1）EC2EC2：13 年發布高內存集群實例，并對高 I/O 實例進行升級，發布 I2 實例；14 年發布 T2 實例，僅適用于做網絡服務器或小型數據庫，但成本最低；15 年發布 EC2 通用 M4 實例；16 年發布 X1 實例，配置 2TB 內存，同時為 EBS 提供速度 10GB/s 的專用帶寬，支持大規模內存數據庫、大數據

36、處理和高性能計算；17 年發布 C5實例，適用于計算密集型工作負載，應用場景包括高性能網絡服務器、高性能計算、科學建模等；18 年發布 EC2 內存增強型實例，專用于運行大型內存數據庫；20 年新增 AWSNitro Enclaves 功能，實現在同一物理主機的不同實例之間創建額外的 CPU 和內存隔離，進一步保護 EC2 中高度敏感數據；21 年推出由 Graviton 3 支持的 C7g 實例，AMD EPYC 支持的 M6a 實例，Intel Ice Lake 支持的 R6i、C6i、M6i 實例；22 年推出由Intel 支持的 I4i、X2iezn、C6id、M6id、R6id、C6

37、in、Hpc6id、R7iz實例，由 AMD EPYC 支持的 M6a、Hpc6a、R6a 實例，以及由 Graviton 支請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告11持的 C7gn 實例；2 2）S3S3：14 年發布企業級云存儲服務 Zocalo，正式進入云存儲企業終端市場；16 年發布 EFS 服務（彈性文件系統），用戶可以在 AWS 云中設置和拓展文件存儲的全托管式服務；17 年發布 AWS Macie服務，通過 ML 和模式匹配掃描和分類 S3 數據，確保 S3 數據不包含敏感信息；19 年發布 S3 GlacierDeep Archive 存儲服務，用

38、于長期保存很少被訪問的數據，價格優勢明顯；21 年發布 Amazon PriveteLink for S3，用戶可以使用虛擬網絡中的 IP 在 S3 和本地資源之間提供私有連接，是對 VPC 網關方案的進一步優化；21 年推出 EFS 單曲存儲類，同之前的 EFS相比，在提供相同特征和優勢的情況下，存儲成本降低 47%；22 年推出AWS Backup for Amazon S3，將 Amazon S3 加入 AWS Backup 的支持服務集，同時，發布 AWS Data Exchange for Amazon S3，使數據訂閱者能夠直接從數據提供者的 Amazon Simple Stora

39、ge Service(Amazon S3)桶訪問第三方數據文件；3 3）GPUGPU 實例：實例：13 年發布專為 3D 圖形功能而設計的 G2 實例（由英偉達 Grid 處理器支持）；16 年發布 P2 實例，配置16 個英偉達 Tesla k80 GPU，適用于人工智能、計算流體力學等領域，同年推出 Lex、Polly 以及 Rekognition 三項人工智能服務；17 年發布G3 圖像加速實例、P3 實例，可以將機器學習訓練時間大幅縮??；19 年發布 G4 實例，配置英偉達 T4 TensorCoreGPU，幫助提升機器學習推理和圖形密集型工作負載的速度；20 年發布配置 NVIDIA

40、 A100 GPU 的 P4d實例；21 年發布由自研 Inferentia 支撐的 Inf1 實例；22 年發布由自研Inferentia 2 支撐的 Inf2 實例。PaaSPaaS 產品不斷完善產品不斷完善：14 年發布 AWS Lambda（用戶無需預先配置或管理服務器即可運行任何代碼的計算服務）；15 年正式發布數據庫引擎Aurora，兼容 MySQL 數據庫價格僅有傳統商業級數據庫引擎的 1/10；16年發布 AWS 數據庫遷移服務，可以在不停機的情況下將 Oracle、SQLServer、MySQL、MariaDB 和 PostgreSQL 數據庫從本地數據中心遷移到 AWS；1

41、9 年發布全托管式文檔數據庫服務 DocumentDB，以支持現有的MongoDB 數據庫服務工作負載；20 年發布 Aurora Serverless v2；21年發布 Amazon EMR Studio、AWS App Runner；22 年發布 AmazonCodeWhisperer（預覽版），可以根據開發人員用自然語言編寫的注釋和集成式開發環境(IDE)中的代碼生成代碼建議，幫助開發人員提高工作效率，同時 Amazon Aurora 支持集群導出到 S3。SaaSSaaS 產品持續豐富產品持續豐富：15 年發布 WorkMail 云端上午電子郵件和日歷服務、AWS Marketplac

42、e for Desktop Apps、Amazon WorkSpace ApplicationManager 功能，給虛擬桌面用戶提供訪問 Marketplace 的通道，并對其進行維護、管理；16 年宣布用戶可以直接通過 AWS Marketplace 訂閱 SaaS應用程序，簡化眾多 SaaS 產品的訪問和計費流程；17 年發布 AWS Glue，是完全托管式的數據目錄和 ETL 服務，可以簡化和自動進行數據發現和轉化；19 年發布全托管式遠程辦公 WorkLink 服務，員工可以一鍵訪問內部網站和網絡應用程序，無需連接到 VPN；20 年發布 AppFlow 數據集成服務，開發人員可以通

43、過其創建、管理在 AWS 和第三方 SaaS 應用程序之間的雙向數據流，而無需編寫定制的集成代碼，解決數據孤島問題；21 年推出 AWS Glue 自定義藍圖預覽版；22 年推出 AWS Glue 中的個人信息檢測和修復功能，同時，發布 Amazon Connect Cases，為客戶提供內置案例管理功能；此外，在通信安全領域，發布端到端加密的企業通信服務 AWS Wickr。從私有云到混合云從私有云到混合云：16 年 AWS 同威睿合作，建立無縫集成混合云服務請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告12VMware Cloud on AWS，為用戶提供 SDDC

44、服務；17 年 AWS 和威睿發布威睿云（VMwareCloud），用戶僅需在 AWS 上利用現有的威睿工具，便可在威睿 vSphere 私有、公用和混合云環境中運行應用程序；18 年同威睿發布 Amazon RDS on VMware，將亞馬遜關系數據庫優勢融入本地虛擬化環境、混合環境以及混合云服務；22 年發布 Private 5G，可幫助企業在其設施內設置與擴展私有移動網絡，同時虛擬私有云(VPC)支持面向Amazon Polly 全面推出。自研硬件芯片，收購無線路由器制造商自研硬件芯片，收購無線路由器制造商：在亞馬遜數據中心發展到一定規模后，從成本和適配性角度考慮，亞馬遜 18 年發布

45、基于 Arm 架構Graviton 處理器和 AI 芯片 Inferentia；19 年收購無線路由器制造商Eero，同時發布基于 Arm 架構的 Graviton 2 處理器。全球大多數地區完成覆蓋：全球大多數地區完成覆蓋：1 1）亞洲：）亞洲：13 年中國區有限預覽版發布；14年新增印度地區；16 年新增韓國首爾、印度孟買地區；17 年新增中東巴林、中國寧夏地區；19 年新增中國香港地區；20 年新增印度特倫甘地地區；21 年新增日本大阪地區；2 2）歐洲歐洲：14 年新增法蘭克福地區；18 年新增歐洲斯德哥爾摩地區；20 年新增米蘭地區；3 3）北美洲：）北美洲：16 年新增加拿大地區；

46、4 4）非洲）非洲：20 年新增非洲開普敦地區。圖10：AWS 開始自研芯片 Gravition、Inferentia圖11：AWS 對全球大多數地區完成覆蓋資料來源：亞馬遜，國信證券經濟研究所整理資料來源：亞馬遜，國信證券經濟研究所整理大力布局大力布局 AIAI 算力（算力（20232023 年年-現在）：在現在）：在 AIAI 浪潮的背景下，公司大力拓展浪潮的背景下，公司大力拓展以以AIAI 算力（算力（GPUGPU 為主）支撐的智算中心，資本開支逐季度增長。為主）支撐的智算中心，資本開支逐季度增長。行業層面：行業層面：2022 年 11 月 30 日，OpenAI 發布 ChatGPT，

47、引發一輪由 AI大模型驅動的 AI 浪潮，各互聯網大廠及部分初創公司開始訓練 AI 大模型，對 AI 算力的需求快速增長。資本開支逐季增長資本開支逐季增長：自 23Q2 開支，亞馬遜資本開支環比穩步增長，24Q2單季度資本開支為 164 億美金，環比+10.1%、同比+57.7%，且全年指引樂觀，預計 24 年 H2 資本開支要高于 24 年 H1，環比有望持續增長。大力布局大力布局 AIAI 算力算力，開放更多開放更多 AIAI 實例實例：1 1）硬件硬件：23 年 7 月 AWS 推出 EC 2P5 實例，由英偉達 H100 算力卡支撐；23 年 11 月，AWS 推出由英偉達 H200支

48、持的 P5e 實例，且成為 GH200 首家云服務供應商；另一方面，持續發力自研算力卡，23 年發布 AI 算力卡 Trainium 2，相比于第一代產品，效能提高 4 倍、能源效率提高 2 倍。2 2）軟件）軟件：23 年 4 月發布 Amazon請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告13Bedrock，其是一項完全托管的服務，提供各種來自領先 AI 公司（包括AI21 Labs、Anthropic、Cohere、Stability AI 和 Amazon 等）的高性能基礎模型（FM），目前 Claude 3.5 Sonnet、Llama 3、Mistral L

49、arge已登錄 Amazon Bedrock；同時，AWS Neuron、Aurora PostgreSQL 等工具全面支持 AI 功能。圖12：AWS 資本開支逐季增長圖13：AWS 開放 P5 實例（由英偉達 H100 支持）資料來源：亞馬遜，國信證券經濟研究所整理資料來源：亞馬遜，國信證券經濟研究所整理圖14：公司 AWS 收入歷史變化情況資料來源：公司財報，國信證券經濟研究所整理（注：05-12 年 AWS 歸入“其他”類收入，未單獨披露，上圖 05-12 年 AWS 收入為“其他”類收入）硬件維度：從單一供應商逐步向多供應商發展。硬件維度：從單一供應商逐步向多供應商發展。CPUCPU

50、 處理器處理器：1 1）IntelIntel：AWS 成立之初便采用 Intel CPU，且一直為 AWS 主流處理器。2 2）AMDAMD：18 年底，AMD 發布全球首款 7nm 數據中心處理器，相比于Intel 在處理器工藝制程占據了領先地位，AWS 于 18 年 11 月宣布采用 AMDEPYC 處理器的 m5a、r5a 實例。3 3）自研芯片自研芯片：18 年 AWS 發布基于 ARM 架構的自研數據中心處理器 Graviton，并發布由 Graviton 支持的實例 EC2 A1。GPUGPU 處理器處理器（AIAI 算力卡算力卡）：1 1）英偉達英偉達：13 年發布專為 3D 圖

51、形功能而設計的G2 實例（由英偉達 Grid 處理器支持），16 年發布 P2 實例，配置 16 個英偉達 Tesla k80 GPU，19 年發布 G4 實例，配置英偉達 T4 TensorCore GPU，20請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告14年發布配置 NVIDIA A100 GPU 的 P4d 實例，23 年 7 月 AWS 推出 EC 2 P5 實例，由英偉達 H100 算力卡支撐；23 年 11 月，AWS 推出由英偉達 H200 支持的 P5e實例，且成為 GH200 首家云服務供應商。2 2）AMDAMD：20 年發布基于 AMD Rade

52、onPro V520 GPU 的 G4ad 實例，用于圖形優化的工作負載。3 3）自研芯片）自研芯片：21年發布由自研 Inferentia 支撐的 Inf1 實例；18 年發布自研 AI 芯片Inferentia，21 年發布由自研 Inferentia 支撐的 Inf1 實例，22 年發布由自研 Inferentia 2 支撐的 Inf2 實例；此外，AWS 于 20 年發布機器學習定制訓練芯片 Trainium，并于 22 年上線基于 Trainium 的實例 EC2 Trn1。亞馬遜資本開支與亞馬遜資本開支與 AWSAWS 收入增長復盤：資本開支持續投入，收入增長復盤：資本開支持續投入

53、，AWSAWS 收入快速增長。收入快速增長。從亞馬遜歷史數據來看，亞馬遜共有 4 輪資本開支大幅增長，具體如下：第一輪第一輪（20102010 年年-2012-2012 年年）：10 年美國聯邦政府制定了“云優先”的發展戰略，云計算開始進入快速發展期，各廠商加大資本開支投入，拉動云業務收入快速增長。根據歷史數據顯示，AWS 云收入 10 年開始增長，11 年增速達到短期高值，且在 12、13 年維持相對高位。第二輪第二輪（20142014 年年）：14 年資本開支出現反彈（AWS 投入增長以及物流履約中心的建設），15 年 AWS 收入增速也隨之提升，此外獲得大客戶 Netflix 的訂單也是

54、 15 年 AWS 收入增長的原因。第三輪第三輪（20202020 年年-2021-2021 年年）：疫情期間，亞馬遜資本開支大幅增長，但對 AWS收入拉動不明顯，因為資本開支主要用于倉儲配送中心的建設，亞馬遜履約中心的規模擴大了約 1 倍，很大程度上擺脫了對第三方物流的依賴，同時在部分人口稠密地區實現了物流配送 1 天達。第四輪（第四輪（20242024 年年-至今）至今）：受制于 20-21 年資本開支大幅增長對財務數據的影響，亞馬遜 23 年對資本開支總額保持相對謹慎態度，但資本開支中更大比例用于 AWS 基礎設施，24 年資本開支同比大幅增長，發力智算中心建設。圖15：亞馬遜資本開支與

55、 AWS 收入歷史變化情況資料來源：公司財報，國信證券經濟研究所整理（注：05-12 年 AWS 歸入“其他”類收入，未單獨披露，上圖 05-12 年 AWS 收入為“其他”類收入）請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告15資本開支季度變化維度：資本開支季度變化維度：復盤亞馬遜 11-18 年季度資本開支變化情況，平均季度資本開支環比正增長 3 個季度后，會出現資本開支環比下降（即資本開支環比負增長），主要由于資本開支持續上行會拉升折舊，進而公司業績承壓。圖16：11-18 年亞馬遜資本開支季度變化情況資料來源：公司財報，國信證券經濟研究所整理微軟：微軟：IaaS

56、+PaaS+SaaSIaaS+PaaS+SaaS 組合拳戰略，組合拳戰略，AzureAzure 收入占比持續提升收入占比持續提升微軟：微軟：AzureAzure 收入快速增長，收入占比持續提升。收入快速增長，收入占比持續提升。1 1）從行業來看：）從行業來看：微軟 IaaS 市場份額 14 年開始持續提升，16 年后穩居全球第二；2 2）從公司來看從公司來看：根據公司財報披露，24財年微軟云收入1053.6億元，同比+19.9%，對應14-24年CAGR為17.1%，云業務收入快速增長。24 財年，微軟云業務收入占比為 43.0%，同比+1.5 個 pct，相較于 14 財年+18.0 個 p

57、ct，收入占比持續提升。圖17：14-21 年全球公有云市場（IaaS）份額排名前五廠商資料來源：云計算“成功轉型者”與“革命引領者”的較量-AWS 與 Azure 對比-陳贊成-通信企業管理（2022）-P43，國信證券經濟研究所整理請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告16圖18：微軟云收入持續增長圖19：微軟云收入占比持續提升資料來源：公司財報，國信證券經濟研究所整理資料來源：公司財報，國信證券經濟研究所整理微軟微軟 AzureAzure 云業務歷史復盤：微軟利用自身在云業務歷史復盤：微軟利用自身在 PCPC 操作系統、辦公軟件、數據庫操作系統、辦公軟件、數

58、據庫等傳統等傳統 ITIT 產品領域優勢，由產品領域優勢，由 SaaS+PaaSSaaS+PaaS 切入切入 IaaSIaaS 業務。業務。1414 年后確定年后確定“云為先云為先”戰略，積極擁抱開源生態；同時，積極發展混合云業務，云業務收入快速增長戰略，積極擁抱開源生態；同時，積極發展混合云業務，云業務收入快速增長。2323 年開始全面擁抱年開始全面擁抱 AIAI，將自身產品同，將自身產品同 AIAI 深度融合，同時發布深度融合，同時發布 H100H100 實例供客戶實例供客戶使用。使用。發展初期發展初期（20082008 年年-2013-2013 年年）：由由 SaaS+PaaSSaaS+

59、PaaS 切入切入 IaaSIaaS 業務業務，打云計算打云計算“組組合拳合拳”。2008 年，微軟發布云計算戰略和平臺 Windows Azure Platform，2010年正式推出公開服務版（General Availability），包含 Azure Cloud Service、Azure Storage、SQL Azure 與 AppFabric 四種服務（均為 PaaS 產品），標志著微軟切入云計算業務；同年，微軟發布 Office 365，將之前的 LiveEdu及 BPOS 兩個平臺歸入 Office 365，成為微軟旗艦級的 SaaS 產品。2013 年微軟宣布 Window

60、s Azure IaaS 公開服務版（General Availability）發布，包括虛擬機和虛擬網絡功能。微軟充分發揮自身在 PC 操作系統、辦公軟件、數據庫等傳統 IT 產品優勢，由 SaaS、PaaS 業務逐步切入 IaaS 業務，使出“組合拳”快速提升全球市場份額。圖20：微軟發布 Windows Azure Platform圖21：微軟 SaaS+PaaS+IaaS 組合拳資料來源：微軟官網，國信證券經濟研究所整理資料來源：微軟官網，國信證券經濟研究所整理快速發展期快速發展期（20142014 年年-2022-2022 年年）：“云為先云為先”戰略戰略+開放心態雙輪驅動成長開放心

61、態雙輪驅動成長，混合云優勢顯現混合云優勢顯現。1 1）戰略定向戰略定向：2014 年，納德拉開始擔任微軟 CEO，提出“移請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告17動為先，云為先”戰略，微軟重新定義為提供生產力和平臺的專家，更名為Microsoft Azure，對全球用戶賦能；同時，微軟向競爭對手 Linux 開放 Azure、解綁 Office 與 Windows 并推廣 SaaS 訂閱服務，以開放的心態加入全球競爭；18 年收購開源公司 Github，擁抱開源戰略，客戶滲透率快速提升。2 2）混合）混合云優勢顯現云優勢顯現：微軟 2010 年發布私有云產品 H

62、yper-V Cloud，2015 年發布 AzureStack，其是業內第一個可以將公有云服務、功能拓展到用戶所選環境的產品，其同 HP、思科、DELL、華為、聯想等廠商合作，采取“一體機”交付模式（出廠前完成軟硬件及功能配置），可以有效減少部署時間、確保系統穩定性、滿足客戶數據主權等需求；同時，Azure Stack 與 Azure 打通，共享生態，將私有云、邊緣云用戶轉化為混合云和公有云潛在客戶，23 年微軟 AzureStack 已成為企業使用最多的私有云。圖22：混合云逐步成為主流，23 年占比 89%圖23：微軟 Azure Stack 成為企業使用最多的私有云資料來源：2024

63、State of the Cloud Report-Flexera，國信證券經濟研究所整理資料來源：2024 State of the Cloud Report-Flexera，國信證券經濟研究所整理全面擁抱全面擁抱 AIAI 期（期（20232023 年年-現在）現在）：1 1）軟件層面）軟件層面：23 年 1 月微軟同 OpenAI合作升級，OpenAI 將長期向微軟云提供獨家技術支持；同時，微軟加速擁抱ChatGPT，旗下產品全線整合 ChatGPT（包括 Office 組件、Azure 云服務、Teams等），并對搜索引擎 Bing 進行升級，推出 Bing Chat；此外，微軟云推出

64、 AzureOpenAI，提供 GPT-3、GPT-4 等服務供客戶調用。2 2）硬件層面硬件層面：23 年 8 月 AzureND H100 v5 VM 正式上線，配置英偉達 H100 GPU 和 Intel 第四代 Xeon Scalable處理器。圖24：微軟全線產品整合 ChatGPT，發布 Copilot圖25：微軟 Azure ND H100 v5 VM 正式上線資料來源：微軟官網，國信證券經濟研究所整理資料來源：微軟官網，國信證券經濟研究所整理請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告18硬件維度：逐步拓展供應商范圍。硬件維度：逐步拓展供應商范圍。CPU

65、CPU 處理器處理器：1 1）IntelIntel：Azure 成立之初便采用 Intel CPU，且一直為 Azure主流處理器。2 2）AMDAMD：17 年，Azure 推出基于 AMD EPYC 處理器的 Lv 2VM 實例。3 3）自研芯片自研芯片：23 年 11 月，在 Microsoft Ignite 大會發布 Cobalt 100 CPU，基于 Arm 架構，擁有 128 個核心，以自用為主。GPUGPU 處理器（處理器（AIAI 算力卡）算力卡）：1 1）英偉達）英偉達：20 年 8 月，Azure 發布基于英偉達A100 GPU 的 ND A100 v4 VM 實例，23

66、年 8 月基于英偉達 H100 GPU 的 ND H100v5 VM 正式上線。2 2）AMDAMD：20 年 3 月推出基于 AMD MI25 的實例 Azure NVv4 VM，22 年 5 月推出基于 MI200 的實例 HBv3，23 年 11 月，微軟宣布推出基于 MI300的云實例，24 年 5 月推出基于 MI300X 的 ND MI300X v5 VM 實例。3 3）自研芯）自研芯片片：23 年 11 月，發布自研 AI 芯片 Maia100，采用臺積電 5nm 工藝，在 MXInt8格式下，算力可以達到 1600TFLOPS，在 MXFP4 格式下則為 3200TFLOPS，

67、而顯存帶寬僅 1.6TB/s，目前以自用為主。圖26：ND H100 v5 VM 產品圖27：微軟自研 Maia 100 芯片資料來源：微軟發布會，國信證券經濟研究所整理資料來源：微軟官網，國信證券經濟研究所整理微軟資本開支與云收入增長復盤微軟資本開支與云收入增長復盤：資本開支持續增長資本開支持續增長，微軟云增速穩定微軟云增速穩定，2424 年財年財年發力智算中心。年發力智算中心。從微軟歷史數據來看，公司資本開支波動相對較小，微軟云收入增速在 16-19 年穩步提升，且在 20-22 年維持穩定。微軟 24 年財年資本開支出現顯著上升，大力建設 AI 數據中心。請務必閱讀正文之后的免責聲明及其

68、項下所有內容證券研究報告證券研究報告19圖28：微軟資本開支與微軟云收入歷史變化情況資料來源：公司財報，Bloomberg，微軟官網，國信證券經濟研究所整理（注：14-15 年資本開支引用 Bloomberg數據 16-24 年資本開支引用微軟官網數據，以上為微軟財年）資本開支季度變化維度：資本開支季度變化維度：復盤微軟 11-18 年季度資本開支變化情況，從同比數據來看，平均 8-9 個季度為一輪同比增速拉升周期（例如 12Q1-13Q3、14Q4-16Q4），在拉升周期中，表現為微軟資本開支同比增速震蕩式抬升；從環比數據看，微軟季度資本開支環比波動較大，多數情況下呈現鐘擺式波動（即上季度資

69、本開支環比增長，則本季度資本開支環比下滑）。圖29：11-18 年微軟資本開支季度同比變化情況資料來源：公司財報，Bloomberg，微軟官網，國信證券經濟研究所整理請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告20圖30：11-18 年微軟資本開支季度環比變化情況資料來源：公司財報，Bloomberg，微軟官網，國信證券經濟研究所整理谷歌：谷歌：PaaSPaaS 業務先行，開源生態領導者業務先行，開源生態領導者谷歌：谷歌：1919 年后谷歌云收入快速增長，收入占比持續提升。年后谷歌云收入快速增長，收入占比持續提升。19 年，前甲骨文 CEOKurian 出任谷歌云首席執

70、行官，并決定了一項為期 5 年 200 億美金的預算計劃，用于大力擴張谷歌云數據中心，谷歌云收入開始快速增長；23 年谷歌云業務收入330.9 億美金，同比+25.9%，對應 19-23 年 CAGR 為 38.8%。同時，2019 年谷歌云收入占比僅為 5.5%，截止 23 年，谷歌云收入占比提升至 10.8%，提升 5.3 個 pct。圖31：19 年后谷歌云收入快速增長圖32：谷歌云業務收入占比持續提升資料來源：公司財報，國信證券經濟研究所整理資料來源：公司財報，國信證券經濟研究所整理谷歌云業務歷史復盤谷歌云業務歷史復盤：最早提出云計算概念最早提出云計算概念，由于前期戰略搖擺由于前期戰略

71、搖擺、ToTo B B 經驗不足經驗不足，同微軟同微軟 AzureAzure 云差距逐漸拉大；谷歌自云差距逐漸拉大；谷歌自 1919 年開始發力云業務，通過大幅增加資年開始發力云業務，通過大幅增加資本開支、開源生態等方式，谷歌云市占率逐步提升，同本開支、開源生態等方式，谷歌云市占率逐步提升，同 AWSAWS、AzureAzure 差距縮小。差距縮小。業務探索期業務探索期（20062006 年年-2013-2013 年年）：PaaSPaaS 產品為先產品為先，逐步完善產品矩陣逐步完善產品矩陣。2006年谷歌在搜索引擎大會正式提出云計算概念，并在公司內部使用云計算平臺；請務必閱讀正文之后的免責聲明

72、及其項下所有內容證券研究報告證券研究報告2108 年發布標志性 PaaS 產品Google App Engine，其是一個開發、托管網絡應用程序的平臺，可提供快速開發和部署，管理簡單，可輕松實現拓展性。后續谷歌陸續推出 Google Docs、Google Calender 等 SaaS 產品。2012 年發布 Google Compute Engine 預覽版，谷歌開始進入 IaaS 業務，2013 年 5 月產品正式發布，谷歌完成 PaaS+SaaS+IaaS 全產品布局。圖33：Google App Engine圖34：Google Compute Engine 產品資料來源：谷歌云官網

73、，國信證券經濟研究所整理資料來源：谷歌云官網，國信證券經濟研究所整理增長放緩期（增長放緩期（20142014 年年-2018-2018 年）：年）：1 1）戰略上搖擺，服務意識不足：）戰略上搖擺，服務意識不足：谷歌從戰略維度上，重視搜索廣告業務，沒有把云業務放到戰略重要位置；同時，公司做 To C 搜索業務起家，而云計算業務主要面向 B 端客戶，公司缺少經驗；此外，谷歌工程師文化盛行，同 AWS、微軟相比，對客戶服務意識不強。2 2）技 術主 導，發布 開 源容 器 編 排工 具技 術主 導，發布 開 源容 器 編 排工 具 KubernetesKubernetes：谷歌 2014 年發布Ku

74、bernetes，其是一個全新的基于容器技術的分布式架構領先方案，目的是實現資源管理自動化，以及跨多個數據中心的資源利用率最大化；同時，Kubernetes 是一個開源的平臺，對現有的編程語言、編程框架、中間件沒有任何侵入性，產品發布后成為當時市場標準，根據 The New Stack 披露數據，2017 年 Kubernetes 在平臺工具選擇意愿中達 69%。此外，谷歌分別在托管服務、基礎設施服務中率先實現了虛擬機實時遷移、分層網絡等技術。整體來看，該時期谷歌云技術持續進步，但由于業務戰略定位以及商業化變現（缺乏 To B 經驗）等問題，谷歌云同微軟 Azure 云的差距逐步拉大。圖35：

75、2017年69%企業愿意選擇Kuberneters作為平臺工具圖36：谷歌云同微軟 Azure 云的差距逐步拉大資料來源：The New Stack，國信證券經濟研究所整理資料來源：Synergy Research Group，國信證券經濟研究所整理請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告22轉型追趕期（轉型追趕期（20192019 年年-現在）：實施現在）：實施“追趕戰略追趕戰略”，加大資本投入，開放生，加大資本投入，開放生態態，積極擁抱積極擁抱 AIAI 浪潮浪潮。1 1）戰略層面戰略層面：18 年制定“追趕”戰略，云業務戰略重要性進一步提升，19 年公司任命前

76、甲骨文 CEO Kurian 為谷歌云 CEO，大力發展云計算業務。2 2）硬件層面硬件層面：谷歌決定了一項為期 5 年 200 億美金的預算計劃，用于大力擴張谷歌云數據中心，同時自研 TPU 芯片，谷歌云收入開始快速增長。3 3）開源生態領導者開源生態領導者：谷歌宣布了基于開源軟件、工作負載可移植性，以及與競爭對手坦誠合作的“開放云”遠景，目標是讓谷歌成為軟件廠商們最容易合作的科技巨頭，采用的方式包括更低的傭金、聯合營銷、合作銷售等，并承諾不與伙伴們直接展開業務競爭。4 4）積極擁抱）積極擁抱 AIAI：一方面，公司積極自研大模型（例如 PaLM 2、Gemini、Gemini 1.5 Pr

77、o 等產品），用戶可以通過谷歌云 Vertex 調用模型 API；另一方面，谷歌自研 AI 算力芯片TPU，24 年 5 月谷歌發布第六代 TPU 芯片Trillium，較上一代（TPU v5e）峰值計算性能提升 4.7 倍，能效比提升 67%，內存容量、帶寬提升 1 倍，主要部署在谷歌云上使用。整體來看，該時期谷歌云業務快速發展，根據Synergy Research Group 披露數據，23Q4 谷歌云市占率為 11%，相較于 18Q4，提升 4 個 pct。圖37：18 年后資本開支快速增長圖38：18-23 年谷歌云市占率逐步提升資料來源：公司財報，國信證券經濟研究所整理資料來源：Sy

78、nergy Research Group，國信證券經濟研究所整理圖39：谷歌 TPU 快速迭代圖40：谷歌發布第六代 TPU-Trillium資料來源：谷歌云官網，國信證券經濟研究所整理資料來源：谷歌云官網，國信證券經濟研究所整理硬件維度：自研芯片云廠商領導者。硬件維度：自研芯片云廠商領導者。GoogleGoogle CloudCloud 在使用在使用 IntelIntel、AMDAMD 等大廠芯等大廠芯片的同時，發力自研芯片，片的同時，發力自研芯片，1515 年開始發力自研年開始發力自研 TPUTPU 芯片，后持續迭代，芯片，后持續迭代，2424 年發年發布第六代布第六代 TPU-Trill

79、iumTPU-Trillium；同時同時，2424 年發布基于年發布基于 ArmArm 的的 CPUCPU 芯片芯片 AxionAxion，全面布局全面布局請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告23服務器處理器芯片領域。服務器處理器芯片領域。CPUCPU 處理器處理器：1 1）IntelIntel：Google Cloud 成立之初便采用 Intel CPU，且一直為 Google Cloud 主流處理器，包括 C3、M3、VE2 等實例。2 2）AMDAMD：19 年，Google Cloud 基于 AMD EPYC 系列芯片的算力實例面向客戶開放，后陸續發布

80、C2D、T2D、C3D 等產品。3 3）自研芯片）自研芯片：2024 年發布 Arm Neoverse 2 架構的 CPU 芯片Axion，專為數據中心設計，旨在提高廣泛應用的處理效率，如開源數據庫、Web 和應用程序服務器、內存緩存、數據分析引擎、媒體處理及 AI 訓練等，與同時期基于 X86 的同類實例相比，性能提高了 50%，能源效率提高了 60%；此外，Axion 的開放架構使得客戶可以無需任何修改，即可將現有的 Arm 工作負載遷移到谷歌云。GPUGPU 處理器（處理器（AIAI 算力卡）算力卡）：1 1）英偉達）英偉達：20 年 7 月，Google Cloud 發布基于英偉達 A

81、100 GPU 的 VM A2 實例，是公有云中第一款基于 A100 GPU 的產品；23 年 5 月，Google Cloud 發布基于英偉達 H100 GPU 的 A3 實例，9 月正式上線。2 2）自研芯片）自研芯片：谷歌 2015 年發布 TPU v1，與使用通用 CPU 和 GPU 的神經網絡計算相比，TPU v1 帶來了 1530 倍的性能提升和 3080 倍的能效提升，其以較低成本支持谷歌的很多服務，僅可用于推理；17 年發布 TPU v2，用于加速大量的機器學習和人工智能工作負載，包括訓練和推理；18 年發布 TPUv3，算力和功率大幅增長，其采用了當時最新的液冷技術；20 年

82、和 21 年分別發布 TPU v4i 和 v4，應用 7nm 工藝，晶體管數大幅提升，算力提升，功耗下降；23 年 8 月和 12 月分別發布 TPU v5e、TPU v5p，24 年 5 月谷歌發布第六代 TPU 芯片Trillium，較上一代（TPU v5e）峰值計算性能提升 4.7倍，能效比提升 67%，內存容量、帶寬提升 1 倍，產品持續迭代，性能穩步提升。圖41：Google Cloud 中基于 Intel CPU 的算力實例圖42：Google Cloud 中基于 AMD CPU 的算力實例資料來源：谷歌云官網，國信證券經濟研究所整理資料來源：谷歌云官網，國信證券經濟研究所整理谷歌

83、資本開支與谷歌資本開支與 AWSAWS 收入增長復盤收入增長復盤：資本開支呈現階梯狀增長資本開支呈現階梯狀增長，谷歌云收入穩定谷歌云收入穩定增長。增長。從谷歌歷史數據來看，公司資本開支增長可分為 4 個階梯，具體如下：第一階梯第一階梯（20102010 年年-2012-2012 年年）：10 年美國聯邦政府制定了“云優先”的發展戰略，云計算開始進入快速發展期，谷歌亦開始加大資本開支，搶占云計算領先位置。第二階梯（第二階梯（20132013 年年-2017-2017 年）年）：13 年谷歌將 App Engine 重新命名為 CloudPlatform，正式有 SaaS、PaaS 切入 IaaS

84、 領域，開始大幅增加資本開支，用于 IaaS 業務基礎設施建設，拉動谷歌云業務增長。請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告24第三階梯第三階梯（20182018 年年-2023-2023 年年）：18 年制定“追趕”戰略，云業務戰略重要性進一步提升，同時谷歌決定了一項為期 5 年 200 億美金的預算計劃，用于大力擴張谷歌云數據中心，同時自研 TPU 芯片，谷歌云收入開始快速增長。第四階梯（第四階梯（20242024 年年-至今）至今）：谷歌發力 AI 算力建設，采用英偉達 GPU+自研TPU 雙算力卡方案，同時訓練自研大模型（Palm 2、Gemini 等），2

85、4 年 H1谷歌資本開支為 252 億美金，同比+91%。圖43：谷歌資本開支與谷歌云收入歷史變化情況資料來源：公司財報，國信證券經濟研究所整理阿里巴巴：中國云計算先行者，進入戰略轉型期阿里巴巴：中國云計算先行者，進入戰略轉型期阿里云阿里云：16-2216-22 年云業務收入快速增長年云業務收入快速增長，收入占比持續提升收入占比持續提升。22 年阿里云業務收入 745.7 億元，對應 16-22 年 CAGR 為 70.7%，云業務收入快速增長。從收入占比來看，22 年阿里云業務收入占比為 8.7%，相比于 2016 年提升+5.7 個 pct，阿里云收入占比持續提升。從公有云市場份額來看，2

86、3H2 阿里云在 IaaS、PaaS 業務中市占率分別為 27.1%、24.7%，市占率均為國內第一。圖44：阿里巴巴云業務收入快速增長圖45：阿里云業務收入占比持續提升資料來源：公司財報，國信證券經濟研究所整理資料來源：公司財報，國信證券經濟研究所整理請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告25圖46：23H2 中國公有云 IaaS 廠商市場份額情況圖47：23H2 中國公有云 PaaS 廠商市場份額情況資料來源：IDC，國信證券經濟研究所整理資料來源：IDC，國信證券經濟研究所整理阿里云業務歷史復盤：國內云計算先行者，率先進行去阿里云業務歷史復盤：國內云計算先行

87、者，率先進行去“IOEIOE”，完成自研操作，完成自研操作系統系統“飛天飛天”，受移動互聯網發展，受移動互聯網發展+海外市場拓展雙輪驅動，云業務收入快速增海外市場拓展雙輪驅動，云業務收入快速增長；長；2121 年后，華為云、運營商云發力，在政務云領域受到擠壓，增長放緩；年后，華為云、運營商云發力，在政務云領域受到擠壓，增長放緩；2 23 3年確定年確定“AIAI 推動、公有云優先推動、公有云優先”戰略，進入戰略轉型期。戰略，進入戰略轉型期。業務探索期（業務探索期（20092009 年年-2013-2013 年）：中國云計算先行者，率先完成去年）：中國云計算先行者，率先完成去“IOEIOE”化化

88、。2009 年，阿里軟件在南京建立首個“電子商務云計算中心”，標志著阿里云開始起步。同時，阿里云發力軟硬件一體化全棧研發，完成了“飛天”云操作系統、“神龍”架構服務器、“盤古”分布式存儲系統等產品的自研，率先完成去“IOE”（即 IBM 的小型機+Oracle 商業數據庫+EMC 集中式存儲）。2013 年 8 月，阿里云正式運營服務器規模達到 5000 的“飛天”集群，成為中國第一個獨立研發擁有大規模通用計算平臺的公司，亦是世界上第一個對外提供 5000 云計算服務能力的公司?？焖僭鲩L期快速增長期（20142014 年年-2019-2019 年年）：移動互聯網移動互聯網+云計算出海雙輪驅動云

89、計算出海雙輪驅動。1 1）受受益于移動互聯網的快速增長：益于移動互聯網的快速增長：隨著智能手機、4G/5G 更快通信方式的普及，14-19 年移動互聯網流量快速增長，根據工信部數據，19 年中國移動互聯網流量為 1220 億 GB，對應 14-19 年 CAGR 為 126.2%，阿里云作為中國云計算先行者，擁有相對成熟、完善的云服務能力，充分受益于移動互聯網浪潮，云計算收入快速增長。2 2）云計算出海）云計算出海：阿里云 14 年開始出海，成為中國第一家提供全球云計算服務的公司；15 年開放新加坡數據中心，并設立國際業務部；17 年在馬來西亞首建第一個數據中心，18 年建立馬來西亞第二個數據

90、中心、印度尼西亞第一個數據中心；19 年開通印度尼西亞第二個數據中心。截至目前，阿里云在全球 30 個地區開放了 89 個可用區，為全球數十億用戶提供可靠的計算支持；根據 Gartner 數據，23 年阿里云在亞太區云計算 IaaS市場市占率為 22.2%，位列亞太第一。請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告26圖48：14-19 年移動互聯網流量快速增長圖49：阿里云全球布局資料來源：工信部，國信證券經濟研究所整理資料來源：阿里云官網，國信證券經濟研究所整理圖50：亞太地區云計算 IaaS 市場（2023 年）資料來源：Gartner，國信證券經濟研究所整理戰略

91、轉型期戰略轉型期（20222022 年年-現在現在）：政務云領域受擠壓政務云領域受擠壓，確定確定“AIAI 推動推動、公有云公有云優先優先”戰略戰略。1 1）垂直行業云成為增長主動力垂直行業云成為增長主動力：根據上文數據，移動互聯網流量自 20 年開始增速放緩，根據前瞻產業研究院數據，20 年中國云計算市場互聯網行業貢獻度相較于 18 年減少 16%，以政府、國央企云為代表的垂直行業成為云計算增長的主要拉動力，特別是疫情以來，政府上云需求大幅增長，根據中商產業研究院數據，22 年政府占中國云計算的 24.9%，僅次于互聯網行業。2 2）政務云領域受擠壓）政務云領域受擠壓：一方面，政務云的要求同

92、傳統互聯網云不同，其更看中云廠商的定制能力，華為、運營商云在該領域更具備優勢；另一方面，華為等云廠商對政府等領域的銷售能力更強。根據 IDC 披露數據，23 年中國政府公有云市場，阿里云占比僅為 13.3%，位列第三；在中國政務專屬云領域，主要市場被華為云、運營商云占據。3 3）確定）確定“AIAI 推動、公有云優推動、公有云優先先”戰略戰略：23 年底確定“AI 推動、公有云優先”戰略，從“公有云優先”方面來看，公司成立公有云業務事業部，以規模優先、擴大市場占有率為目標，同時，兼顧政企市場，成立混合云業務事業部；從“AI 推動”方面來看，公司要做“AI 時代最開放的云”，其多款自研模型開源，

93、在升級 AI 基礎設施、產品結構、AI 開源社區均貫徹“開放”理念，其中 AI 開源社區魔搭聚集了請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告27280 萬開發者、2300+個模型；同時，發力智算中心建設，根據 IDC 披露數據，23 年 AI 公有云服務市場規模達 126.1 億元，同比+58.2%，其中，阿里云、百度智能云并列第一，市占率均為 26.4%,其次為騰訊云、華為云，市占率分別為 20.7%、17.8%。圖51：垂直行業云計算市場成為增長主要動力圖52：2022 年中國各行業用云量占比情況資料來源：前瞻產業研究院，國信證券經濟研究所整理資料來源：中商產業研

94、究院，國信證券經濟研究所整理圖53：中國政務公有云市場份額（2023 年）圖54：中國政務專屬云市場份額（2023 年）資料來源：IDC，國信證券經濟研究所整理資料來源：IDC，國信證券經濟研究所整理圖55：阿里云魔搭社區-中國最大的模型社區圖56：中國 AI 公有云服務市場 2023 年市場份額資料來源：魔搭社區，國信證券經濟研究所整理資料來源：IDC，國信證券經濟研究所整理請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告28硬件維度：自研硬件維度：自研 CPU+AICPU+AI 芯片，雙輪驅動成長。芯片，雙輪驅動成長。CPUCPU 處理器處理器：1 1）IntelInt

95、el：阿里云成立之初便采用 Intel CPU，且一直為阿里云主流處理器。2 2）AMDAMD：20 年，阿里云推出基于 AMD EPYCTM ROME 處理器的 c6a實例，依托神龍架構，將大量虛擬化功能卸載到專用硬件，降低虛擬化開銷，提供穩定可預期的高性能。3 3）自研芯片）自研芯片：21 年，阿里云在云棲大會上推出首款自研云原生處理器倚天 710，基于 ARM 架構，擁有 128 個核心、3.2GHz主頻、DDR5 8 通道、96 個 PCIe 5.0，根據阿里云披露數據，在核心應用場景，相較于普通實例，性價比提升 30%，單位算力功耗降低 60%；阿里云在22 年云棲大會上宣布倚天 7

96、10 已經大規模應用，未來 2 年阿里云 20%的新增算力將使用自研芯片。GPUGPU 處理器處理器（AIAI 算力卡算力卡）：1 1）英偉達英偉達：20 年阿里云推出基于英偉達 A100 GPU的 gn7 系列服務器，亦是國內首款應用 A100 GPU 商業化云服務器。2 2）自研）自研芯片芯片：18 年阿里收購中天微，并將達摩院芯片研發團隊與中天微團隊合并，成立平頭哥半導體；19 年阿里云首款自研服務器 AI 芯片含光 800 發布，目前已在阿里云內部規模使用。阿里巴巴資本開支與阿里云收入增長復盤阿里巴巴資本開支與阿里云收入增長復盤：資本開支增速呈現周期性波動資本開支增速呈現周期性波動，發

97、發力力AIAI 數據中心建設數據中心建設。從阿里巴巴歷史數據來看，公司資本開支增速呈現周期性波動，平均 3-4 年為一個周期，阿里 FY24 財年進入新一輪資本開始上升周期。FY25Q1阿里巴巴資本開支為 120.94 億人民幣，同比+75%，大力建設智算中心，資本開支有望持續增長。從阿里云收入端來看，阿里云收入增速受資本開支影響較小，主要受垂直行業領域競爭影響。圖57：阿里巴巴資本開支與阿里云收入歷史變化情況資料來源：公司財報，國信證券經濟研究所整理請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告29支出側：從支出側：從 ROICROIC 維度觀察云廠商資本開支變維度觀察

98、云廠商資本開支變動動云廠商資本開支直接影響硬件側公司收入云廠商資本開支直接影響硬件側公司收入英偉達等硬件廠商營收直接受到云廠商資本開支影響英偉達等硬件廠商營收直接受到云廠商資本開支影響。以英偉達為例，24Q2 英偉達的數據中心業務營收 262.7 億美元（同比+154.5%），營收占比 87.5%；根據英偉達財報會議披露數據，云計算廠商（如微軟、亞馬遜、谷歌等）約占數據中心收入 45%，互聯網、消費級科技公司（如 Meta、特斯拉等）占數據中心收入超過50%，云廠商資本開支變動將直接影響硬件側公司營收。云廠商為英偉達云廠商為英偉達“間接客戶間接客戶”。1 1）直接客戶直接客戶：主要包括戴爾、惠

99、普、超微、富士康、聯想等渠道商（或代工商）。2 2）間接客戶間接客戶：渠道商（或代工商）向大型科技公司（如微軟、亞馬遜、谷歌、Meta 等）、各國政府機構（如美國、日本、法國、新加坡等）銷售搭載 AI 芯片的服務器，科技公司、各國政府為英偉達“間接客戶”?！伴g接客戶”的算力需求拉動“直接客戶”向英偉達采購 AI 芯片，即“間接客戶”的需求是英偉達業績增長的根本驅動力。圖58：英偉達的收入結構（億美元）圖59：英偉達芯片的客戶銷售情況資料來源：公司財報、國信證券經濟研究所整理資料來源：公司財報、國信證券經濟研究所整理圖60：24Q2 英偉達頭部“直接”客戶對數據中心收入貢獻圖61：24Q2 英偉

100、達頭部“間接”客戶對數據中心收入貢獻資料來源：公司財報、國信證券經濟研究所整理資料來源：Gartner、國信證券經濟研究所整理請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告302424 年北美云廠商持續加大資本開支投入，指引樂觀。年北美云廠商持續加大資本開支投入，指引樂觀。根據財報披露數據，24Q2微軟、谷歌、亞馬遜、Meta 四大云巨頭資本開支顯著增長，合計 571 億美元，其中微軟資本開支 190 億美元，同比+78%、環比+36%；谷歌資本開支 132 億美元，同比+91%、環比+10%；亞馬遜資本開支 164 億美元，同比+58%、環比+10%;Meta資本開支

101、85 億美元，同比+33%、環比+26%。云廠商對全年資本開支展望樂觀，通過加大資本開支進一步擴張算力、迭代技術，加快 AI 基礎設施建設和技術研發進度。圖62：全球各大廠資本開支（億美元，自然年指標）資料來源：各公司財報，國信證券經濟研究所整理微軟資本開支與折舊微軟資本開支與折舊 ROICROIC 變化變化微軟的微軟的 ROICROIC 變動規律變動規律：短期穩定，長期下滑：短期穩定，長期下滑為了提升模型預測的準確性，減少基于假設的誤差，我們采用以下計算方式：ROIC 計算=歸屬于母公司股東凈利潤*2/(期初投入資本+期末投入資本)；投入資本=股東權益（不含少數股東權益）+負債合計-無息流動

102、負債-無息長期負債。圖63：固定資產投資設置在總資本開支中的占比圖64：調整后的 ROIC 計算資料來源：微軟財報、國信證券經濟研究所整理資料來源：微軟財報、國信證券經濟研究所整理請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告31ROICROIC 歷史歷史數據復盤數據復盤：短期波動短期波動，長期下滑長期下滑。2013 年微軟 IaaS 產品（Windows AzureIaaS）正式發布，開始大力投入算力基礎設施建設，折舊及攤銷費用持續上升，ROIC 承壓，長期呈下滑趨勢。圖65：ROIC（單季度）歷史數據，長期呈現下滑趨勢資料來源：微軟財報，國信證券經濟研究所整理ROIC

103、ROIC 周期趨勢：因資本開支加大而持續下滑周期趨勢：因資本開支加大而持續下滑。微軟加大資本投入可能導致 25 財年 ROIC 下降，增加折舊及攤銷對凈利潤的負面影響，目前 ROIC 已呈現平穩下降態勢。從歷史數據來看，在資本開支大幅增加的周期中，ROIC 往往會進一步降低，預計 2025 財年微軟的 ROIC 可能繼續下降，折舊及攤銷費用對凈利潤的影響將逐步增大。圖66：隨著折舊及攤銷費用對利潤影響加劇，ROIC 明顯下滑圖67：上一個周期與本周起 ROIC 下降趨勢基本吻合資料來源：微軟財報、國信證券經濟研究所整理資料來源：微軟財報、國信證券經濟研究所整理折舊對業績的影響折舊對業績的影響：

104、對現金流和利潤的影響具有滯后性：對現金流和利潤的影響具有滯后性為了提升模型預測的準確性，減少基于假設的誤差，我們基于歷史數據做了以下假設：假設一假設一（當期折舊費用的計算當期折舊費用的計算）：依據公司披露的現金流量表中的折舊及攤銷費依據公司披露的現金流量表中的折舊及攤銷費請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告32用，并從中扣除無形資產攤銷費用。用，并從中扣除無形資產攤銷費用。傳統計算當期折舊費用的方法誤差較大。傳統計算當期折舊費用的方法為固定資產總值除以折舊年限。存在以下問題：1）不同類型的固定資產（如建筑物、租賃改良、家具及設備、網絡及設備）有不同的折舊年限，這

105、對計算每期的折舊費用造成困難；2）不是所有的資本開支都用于服務器和網絡設備，且公司不經常披露詳細的資產分類數據；3）微軟在 2023 財年將服務器和網絡設備的折舊年限從 4年延長至 6 年，這導致模型需要大幅調整當期的折舊費用。新的假設可以增加模型與實際情況的擬合度因為折舊及攤銷費用、攤銷費用完全是公司披露的歷史數據，所以當期計算的折舊費用也比較準確，預期跟公司自身記錄的詳細折舊費用沒有太大區別。假設二假設二：折舊攤銷費用與公司資本開支的季度環比增速一致折舊攤銷費用與公司資本開支的季度環比增速一致。通過分析歷史數據，我們發現資本開支的增長趨勢與折舊及攤銷費用的增長趨勢大致一致。資本開支的增加通

106、常意味著對固定資產和無形資產的更多投資，這自然會導致折舊和攤銷費用的增加?；谶@一邏輯，我們可以利用公司提供的資本開支指引來預測 2025財年的折舊和攤銷費用。假設三假設三：資本開支扣除費用后資本開支扣除費用后 80%80%資本化為固定資產資本化為固定資產?；跉v史數據分析，除了個別年份，大部分年份資本開支的 70%90%轉化為固定資產投資或處置，因此在做模型預測時假設這部分在資本開支中占比 8 成。假設四假設四：公司無形資產基本維持穩定公司無形資產基本維持穩定。假設五假設五：公司預計由于云和人工智能基礎設施的投資公司預計由于云和人工智能基礎設施的投資，資本支出將在季度基礎上資本支出將在季度基

107、礎上大幅增加。大幅增加。FY25 的資本支出將大于 FY24。圖68：不同類型的固定資產折舊年限不同圖69：基于公司披露的數據計算當期折舊費用資料來源：微軟財報、國信證券經濟研究所整理資料來源：微軟財報、國信證券經濟研究所整理資本開支上行會提升技術和產能資本開支上行會提升技術和產能，亦亦帶來短期財務壓力帶來短期財務壓力，主要體現在折舊對業績主要體現在折舊對業績的影響上的影響上。資本開支增加后大約五個季度對利潤產生影響，三個季度后影響現金流。盡管資本開支的增長與折舊及攤銷費用的增長大致相同，但折舊計提具有時間上的滯后性，主要系根據在建工程的會計處理準則，即服務器已經購置，但數據中心尚未建成，這些

108、服務器將繼續計入在建工程；由于數據中心建設需要時間由于數據中心建設需要時間（12-1612-16 個月個月），從資本開支增加到折舊費用開始顯著上升從資本開支增加到折舊費用開始顯著上升，存在一個時間滯后存在一個時間滯后。請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告33圖70：13 年微軟 IaaS 產品發布后，資本開支攀升，折舊及攤銷費用對利潤影響加劇資料來源：微軟財報，國信證券經濟研究所整理微軟資本開支及其對業績的影響復盤如下：1）資本開支對利潤的影響：微軟在 FY12Q3 首次大幅增加資本開支，之后經歷兩個季度的下降又再次上升。折舊及攤銷費用在營業利潤中的占比直到 F

109、Y13Q4 才顯著上升，顯示出大約五個季度的滯后效應。由于凈利潤計算時要減去折舊及攤銷費用，該費用占比上升會導致凈利潤下降。2）資本開支對現金流的影響：資本開支對現金流的影響更快，折舊及攤銷費用在現金流中占比大幅上行出現在 2012 年 9 月，中間間隔三個季度。此外，折舊攤銷對此外，折舊攤銷對 ROICROIC 也有影響，穩中下滑。也有影響，穩中下滑。從歷史數據來看，ROIC（單季度）與折舊及攤銷費用占營業利潤比值的走勢成反比。近期微軟再次加大了資本投入，目前已呈現出平穩的逐漸下降的趨勢，后續可能會進一步下滑。圖71：ROIC（單季度）歷史數據，長期呈現下滑趨勢資料來源：微軟財報，國信證券經

110、濟研究所整理請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告34資本開支持續上行，將對折舊攤銷、利潤、現金流、資本開支持續上行，將對折舊攤銷、利潤、現金流、ROICROIC 等財務指標產生影響等財務指標產生影響。根據歷史數據，折舊及攤銷費用占到營業利潤 25%左右可以作為一個轉折點，此時費用對利潤產生很大壓力。在轉折點之后資本開支預期還會大幅上漲 2-3 個季度，后續會同比下行。因此可預測這次周期的轉折點可能會出現在 FY25Q2（即2024 年 Q4）。再過兩個季度（FY25Q4），資本開支可能會達到穩定期，后續可能同比下降。圖72：FY21-24 年資本開支及折舊與攤銷

111、費用等資料來源：微軟財報，國信證券經濟研究所整理微軟微軟股價表現股價表現復盤：云計算打開第二成長曲線，拉動公司股價上漲復盤：云計算打開第二成長曲線，拉動公司股價上漲云業務云業務打開第二增長曲線，拉動公司股價上漲打開第二增長曲線，拉動公司股價上漲。2019Q2，微軟智能云部門收入達114 億美元，首次超過辦公軟件部門收入，FY24 微軟云計算部門收入達 1053.6億美元，同比增長 19.9%，對應 14-24 年 CAGR 為 17.1%。云業務打開公司第二增長曲線，拉動公司整體業績持續增長，公司股價不斷上漲。圖73：微軟 2008 年至今股價漲幅（以 2008.10.20 為基點）資料來源：

112、微軟財報，國信證券經濟研究所整理請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告35業績向好可消除資本開支帶來的負面反饋業績向好可消除資本開支帶來的負面反饋。微軟在 2016-2019 年周期也面臨資本開支的上行，但是營收和利潤的積極情況打消了市場的擔憂。根據 FY19Q2 的財報，微軟的營收和利潤增長主要得益于 Office 365 和 Azure 的穩健財務業績，以及Surface 和 Xbox 游戲業務的出色表現。圖74：微軟 FY16-20 資本開支（不含融資租賃）圖75：微軟 FY16-20 單季度營收資料來源：微軟財報、國信證券經濟研究所整理資料來源：微軟財報、

113、國信證券經濟研究所整理谷歌云資本開支與折舊谷歌云資本開支與折舊 ROICROIC 變化變化回顧回顧 2021-20242021-2024 年期間，年期間，谷歌谷歌資本資本上行趨勢明顯上行趨勢明顯。21Q1-23Q1 期間，谷歌資本開支規?；痉€定，22Q1 谷歌資本開支大幅波動，同比環比大幅上行，并在后續季度回落。23Q2 后，受全球 AI 計算需求推動，谷歌資本開支開始呈現明顯上行趨勢，并在 24Q2 增長至近三年峰值 131.86 億美元，同比、環比增速趨于平穩。公司預計全年季度資本支出大于或等于 120 億美元，后續季度資本支出或將繼續維持高位。圖76：谷歌近期資本開支變化資料來源：公司

114、財報，國信證券經濟研究所整理請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告36谷歌折舊及攤銷費用對利潤谷歌折舊及攤銷費用對利潤、現金流影響上行現金流影響上行，ROICROIC 或維持下滑趨勢或維持下滑趨勢。谷歌折舊及攤銷費用占經營利潤、經營性現金流比重呈現明顯同向變動趨勢，21Q1-22Q2期間，折舊及攤銷費用對利潤、現金流影響程度均呈現明顯上行趨勢，并在22Q3-Q4 維持高位后逐步下行。公司折舊及攤銷費用對利潤、現金流影響在22Q3-Q4 呈現明顯波峰，并在后續下降，于 23Q4 呈現波谷，公司 ROIC 則在 22Q3-Q4呈現明顯波谷，并在后續回升，與兩者呈明顯負

115、相關關系。從變動趨勢來看，公司折舊及攤銷費用對利潤、現金流影響上行時，公司 ROIC 將呈現明顯下降趨勢，24 年上半年，公司折舊及攤銷費用對利潤、現金流影響明顯上行，公司 ROIC 在24Q2 顯著下降，后續季度資本開支維持高位，折舊及攤銷費用對利潤、現金流影響或將保持上行，公司 ROIC 將進一步下滑。圖77：谷歌 ROIC 數據復盤資料來源：公司財報，國信證券經濟研究所整理谷歌谷歌資本開支上行將在資本開支上行將在 3 3 個季度后顯著影響利潤及現金流個季度后顯著影響利潤及現金流。22Q1、22Q4 谷歌資本開支呈現波峰，公司折舊及攤銷費用對利潤、現金流影響分別在 22Q4 及 23Q3

116、呈現出波峰，期間變動趨勢與資本開支變動趨勢基本一致。綜合歷史情況，公司折舊及攤銷費用對營業利潤、經營性現金流產生影響與資本開支變動相比有明顯的滯后效應，一般在資本開支上行 3 個季度后，公司的利潤及現金流會同時期受到折舊及攤銷費用的顯著影響。公司凈利潤計算時需扣除折舊及攤銷費用，該費用占比上升會導致凈利潤下行，因此資本開支繼續上行或將導致公司后期業績承壓。23Q1 開始公司資本開支顯著上行，公司折舊及攤銷費用對利潤、現金流影響在23Q4 開始穩定上行，進入 24 年后公司資本開支進一步提高，預計 24-25 年期間公司凈利潤將受到折舊及攤銷費用的顯著影響。請務必閱讀正文之后的免責聲明及其項下所

117、有內容證券研究報告證券研究報告37圖78：谷歌資本開支變化影響資料來源：公司財報，國信證券經濟研究所整理阿里云資本開支與折舊阿里云資本開支與折舊 ROICROIC 變化變化回顧回顧 2021-20242021-2024 年期間，阿里巴巴資本開支大幅波動。年期間，阿里巴巴資本開支大幅波動。自然年 21Q1（FY21Q4），阿里巴巴資本開支環比大幅上行，并在 21Q2 達到峰值，后續公司資本開支維持高位，在 22Q4 開始環比下滑。2023 年后，阿里巴巴資本開支再次環比上行，并在24Q2 增長至 120.94 億人民幣。圖79：阿里巴巴近期資本開支變化資料來源：公司財報，國信證券經濟研究所整理折

118、舊攤銷費用對利潤影響呈度與折舊攤銷費用對利潤影響呈度與 ROICROIC 顯著負相關。顯著負相關。21Q1 公司利潤受罰款顯著影響，ROIC 呈現異常波動。剔除受罰款影響的異常季度后，公司折舊及攤銷費用占請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告38營業利潤、經營性現金流比重呈明顯同向變動，23Q1 及 24Q1 均呈現明顯波峰，公司 ROIC 與兩者呈現顯著負相關關系，在 23Q1 及 24Q1 呈現明顯波谷。從趨勢來看，公司折舊及攤銷費用對利潤影響上行時，公司 ROIC 呈現出明顯下行趨勢。圖80：阿里巴巴 ROIC 數據復盤資料來源：公司財報，國信證券經濟研究所

119、整理阿里巴巴資本開支上行將在阿里巴巴資本開支上行將在 2-32-3 個季度后顯著影響利潤及現金流個季度后顯著影響利潤及現金流。23Q2 公司資本開支顯著上行，并在后續季度環比下降，公司折舊及攤銷費用占營業利潤、經營性現金流比重在 24Q1 呈現明顯上升，并在后續季度顯著下行，與資本開支呈現相同變化趨勢。綜合歷史情況，公司折舊及攤銷費用對營業利潤、經營性現金流產生影響與資本開支波動相比有明顯的滯后效應，一般在資本開支上行 2-3 個季度后，公司的利潤及現金流會同時期受到折舊及攤銷費用的顯著影響。公司凈利潤計算時需扣除折舊及攤銷費用，該費用占比上升會導致凈利潤下行，因此資本開支繼續上行或將導致公司

120、后期業績承壓。圖81：阿里巴巴資本開支變化影響資料來源：公司財報，國信證券經濟研究所整理請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告39回報側：云廠商回報側：云廠商 AIAI 云租賃回報率測算云租賃回報率測算大型云廠商：大型云廠商：H100H100 算力卡云租賃回報率測算（以微軟為例）算力卡云租賃回報率測算（以微軟為例）假設一：資本開支中假設一：資本開支中 38%38%用于計算設備及軟件用于計算設備及軟件。云廠商資本開支主要用于土地、建筑物、計算設備及軟件等的購置，根據微軟財報披露數據，每年用于購置計算機設備及軟件的費用在資本開支中占比基本在 32%-45%間波動，即我

121、們假設資本開支中 38%用于計算設備及軟件的購置。同時，我們對建設 AI 算力相關成本占計算設備及軟件的開支比例進行敏感性分析，假設 H100 算力相關建設成本占計算設備及軟件的開支比例分別為 40%、50%、60%，同時根據 Omdia Research 披露數據，23 年微軟預計購買 15 萬張 H100（自然年），則單張 H100 對應綜合建設成本分別為 4.17、5.22、6.26 萬美元。表1：假設資本開支中 38%用于計算設備及軟件（元）財年財年2020202020212021202220222023202320242024土地18233660473456838163建筑物3399

122、543928550146846593943租賃改良54876884781985379594計算設備及軟件計算設備及軟件41261412615125051250606316063174961749619378093780家具及設備47825344586062466532總計87348111066134058163892212012累計折舊4319751351596606825176421凈值44151597157439895641135591計算機設備及軟件增量998993811433018819資本開支242292319557平均計算機設備及軟件增量/資本開支41%32%45%34%38%資料

123、來源：微軟財報，國信證券經濟研究所整理表2：H100 算力相關建設成本敏感性測算23Q123Q223Q323Q4季度資本開支（自然年，億美金）781071121152023 年資本開支（自然年，億美金）412計算機設備及軟件開支/資本開支38%計算機設備及軟件開支156.562023 年 H100 采購數量（自然年，顆）150,000假設 H100 算力相關建設成本占計算設備及軟件開支的比例單顆 H100 對應綜合建設成本（萬美元）40%4.1750%5.2260%6.26資料來源：微軟財報，國信證券經濟研究所整理假設二：微軟單假設二：微軟單 GPUGPU 租賃收入為租賃收入為 7.477.4

124、7 美元美元/小時小時。根據微軟 Azure 云官網統計數據，選取 3 個微軟 H100 租賃實例，根據 24 年 8 月 28 日租賃價格，可計算對應單顆 GPU 的租賃價格分別為 6.98、7.24、8.19 美元/小時，取平均 7.47 美元/小時作為微軟單顆 GPU 租賃收入。請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告40表3：假設微軟單 GPU 租賃收入為 7.47 美元/小時微軟 H100 實例名稱GPU 數量微軟 H100 實例租賃價格（美元/小時）單GPU租賃收入（美元/小時）2024.5.282024.6.142024.6.282024.7.1420

125、24.7.282024.8.142024.8.28對應單 GPUStandard_NC40ads_H100_v516.986.986.986.986.986.986.986.987.47Standard_NC80adis_H100_v5217.6413.9613.9613.9613.9613.9613.967.24Standard_ND96isr_H100_v51298.3298.3298.3298.3298.3298.3298.328.19資料來源:微軟 Azure 云官網，國信證券經濟研究所預測單張單張 H100H100 全生命周期累計收入計算全生命周期累計收入計算：1）生命周期：根據微軟

126、服務器及網絡設備的折舊年限，假設單張 H100 全生命周期為 6 年；2）租賃價格：根據現有統計的租賃價格趨勢，預計單張 H100 租賃價格呈現逐步下降趨勢；3）租賃利用率：假設微軟的租賃利用率為 70%。根據上述假設條件，可以得到單張 H100 卡 24、25、26、27、28、29 年累計收入貢獻分別為 4.58、8.25、11.18、13.53、15.40、16.90萬美金。表4：微軟 H100 全生命周期累計收入測算202420242025202520262026202720272028202820292029H100 租賃價格（美元/小時）7.475.984.783.833.062.

127、45租賃利用率70%70%70%70%70%70%H100 全生命周期累計收入（萬美元）4.588.2511.1813.5315.4016.90資料來源：微軟 Azure 云官網，國信證券經濟研究所預測電力成本計算電力成本計算：1 1）單）單 PODPOD ITIT 耗能測算耗能測算：根據英偉達披露數據，127 節點 POD 功率合計為 1411.176kw，其中計算部分占比最高（為 89.83%,即 DGX H100 服務器)，其次為計算用交換機（為 5.72%）；2 2）單臺服務器對應）單臺服務器對應 ITIT 設備功率測算設備功率測算：以英偉達 DGX H100 服務器為例，單臺服務器功

128、率為 10,200w；如前文所述，已知 127節點 SuperPOD 中服務器部分（存儲、網絡、管理）和交換機部分（計算、存儲、In-Band 管理、Out-of-Band 管理）功率，則對應單臺服務器為 911.62w,加總可知單臺服務器對應 IT 設備功率要求為 11,112w；3 3）單臺服務器對應智算中心用）單臺服務器對應智算中心用電量電量：假設利用率為 70%，PUE 為 1.25，可知單臺服務器對應智算中心功率消耗為 11，112w，對應年度用電量為 85,171KWh；4 4）單卡單卡 H100H100 對應智算中心用電量對應智算中心用電量：單臺 H100 服務器對應 8 張 H

129、100 卡，單張 H100 對應智算中心用電量為 10，646KWh；5 5）用電成本測算：）用電成本測算：微軟在全球建設智算中心，根據歐盟統計局數據，23 年歐盟居民用電在 0.2-0.35 歐元/kWh，工業用電價格通常低于居民用電，根據美國能源信息署（EIA）數據，23 年美國居民用電平均價格為 0.14-0.15 美元/kWh，平均工業電價約 0.07-0.08 美元/kWh，此處我們假設平均工業用電電價為 0.1 美元/kWh，則單張 H100 年度電力相關費用為 0.04 萬美金，單張 H100 對應智算中心年度電力相關費用為 0.11 萬美金。表5：單 POD IT 耗能測算服務

130、器交換機計算（Compute）存儲（Storage）管理（Mgmt）網絡（Fabric）計算（Compute）存儲（Storage）In-Band 管理Out-of-Band 管理對應產品DGXH100多種PowerEdge R750 NVIDIAUFM3.1QM9700QM9700SN4600CSN2201數量127/54481688平均功率（Watts）單一10,20028807046001,3761,37646698加總1,295,40017,2803,5202,40066,04822,0163,728784峰值功率（Watts）單一10,2003,6008807501,7201,720

131、820135加總1,295,40021,6004,4003,00082,56027,5206,5601080峰值熱負荷（BTU/h）單一34,80412,2843,0032,5595,8695,8692,798461加總4,420,08873,70215,01310,236281,70693,90222,3843,685系統占比89.83%1.50%0.31%0.21%5.72%1.91%0.45%0.07%資料來源:NVIDIA DGX SuperPOD Data Center Design，國信證券經濟研究所預測請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告41表6：

132、單張 H100 對應智算中心電力消耗測算單張 H100 對應智算中心電力消耗測算功率（W）DGX H100 服務器10,200AI 算力-GPU5600H100 SXM700數量（顆）8其他-CPU、網絡模組、PCIe Switch、NVSwitch 等4600127 節點服務器-存儲部分17,280對應單節點服務器存儲136127 節點服務器-管理部分3,520對應單節點服務器管理28127 節點服務器-網絡部分2,400對應單節點服務器網絡19127 節點對應交換機-計算部分66,048對應單節點服務器對應交換機-計算部分520127 節點對應交換機-存儲部分22,016對應單節點服務器對

133、應交換機-存儲部分173127 節點對應交換機-In-Band 管理部分3,728對應單節點服務器對應交換機-In-Band 管理部分29127 節點對應交換機-Out-of-Band 管理部分784對應單節點服務器對應交換機-Out-of-Band 管理部分6單臺服務器對應 IT 設備功率要求11,112（加總）利用率70%（假設）單臺服務器對應 IT 設備功率消耗7,778PUE（=數據中心總能耗/IT 設備能耗）1.25（假設）單臺服務器對應數據中心功率消耗9,723單臺服務器對應數據中心年度用電量85,171（KWh）單張 H100 對應智算中心電力消耗測算10,646（KWh）資料來

134、源：微軟 Azure 云官網，國信證券經濟研究所預測表7：H100 用電成本測算202420242025202520262026202720272028202820292029單張 H100 年度耗電量（kWh）4,2928,58512,87717,17021,46225,754電價（美元/h）0.10.10.10.10.10.1累計用電成本（萬美元）0.040.090.130.170.210.26單張 H100 對應智算中心耗電量（kWh）10,64621,29331,93942,58553,23263,878電價（美元/h）0.10.10.10.10.10.1累計用電成本（萬美元）0.11

135、0.210.320.430.530.64資料來源：英偉達，國信證券經濟研究所預測回報率測算回報率測算：1 1）單張單張 H100H100 回報率測算回報率測算：假設單張 H100 采購價格為 3 萬美金，僅考慮單卡采購成本和單卡電費，24-29 年回報率分別為 51%、167%、257%、326%、379%、419%；2 2）單張單張 H100H100 對應智算中心綜合成本回報率測算對應智算中心綜合成本回報率測算：在中性預期下（即假設 H100 算力相關建設成本占計算設備即軟件開支的 50%），24-29 年回報率分別為-14%、52%、102%、140%、168%、189%。請務必閱讀正文之

136、后的免責聲明及其項下所有內容證券研究報告證券研究報告42表8：微軟 H100 回報率測算單張 H100 回報率測算（僅考慮單卡購買成本及電費）202420252026202720282029單卡采購成本（萬美元）3累計用電成本（萬美元）0.040.090.130.170.210.26成本（萬美元）3.043.093.133.173.213.26投資回報率（%）51%167%257%326%379%419%單張 H100 綜合成本回報率測算（考慮單卡購買成本、其他配套設備購買成本、智算中心運營電費）假設 H100 算力相關建設成本占計算設備及軟件開支的比例為 40%單顆 H100 對應綜合建設成

137、本（萬元）4.17累計用電成本（萬美元）0.110.210.320.430.530.64成本加總4.284.394.494.604.714.81投資回報率7%88%149%194%227%251%假設 H100 算力相關建設成本占計算設備及軟件開支的比例為 50%單顆 H100 對應綜合建設成本（萬元）5.22累計用電成本（萬美元）0.110.210.320.430.530.64成本加總5.335.435.545.645.755.86投資回報率-14%52%102%140%168%189%假設 H100 算力相關建設成本占計算設備及軟件開支的比例為 60%單顆 H100 對應綜合建設成本（萬元

138、）6.26累計用電成本（萬美元）0.110.210.320.430.530.64成本加總6.376.486.586.696.796.90投資回報率-28%27%70%102%127%145%資料來源:英偉達，國信證券經濟研究所測算中小云廠商：中小云廠商：H100H100 算力卡云租賃回報率測算算力卡云租賃回報率測算單張單張 H100H100 全生命周期累計收入計算全生命周期累計收入計算：1）生命周期：維持上文假設，假設單張 H100全生命周期為 6 年；2）租賃價格：根據各中小云廠商租賃價格統計結果，中小云廠商租賃價格明顯低于大廠，假設 24 年單顆 GPU 租賃價格為 2.49 美元/小時，

139、同時假設未來租賃價格呈現下降趨勢；3）租賃利用率：假設微軟的租賃利用率為70%。根據上述假設條件，可以得到單張 H100 卡 24、25、26、27、28、29 年累計收入貢獻分別為 1.53、2.98、4.36、5.66、6.91、8.09 萬美金。表9：假設中小云廠商單 GPU 租賃收入為 2.49 美元/小時中小云廠商實例租賃價格（美元/小時）日期日期2024.7.28 2024.8.14 2024.8.28 2024.9.14 2024.9.23 2024.9.28 2024.10.14單 GPU 租賃收入（美元/小時）Lambda2.492.492.492.492.492.492.4

140、92.49FluidStack3.752.892.892.892.892.892.89RunPod3.293.293.292.892.892.892.69Hyperstack3.443.443.441.91.91.91.9平均價格3.243.033.032.542.542.542.49資料來源:Lambda、FluidStack、RunPod、Hyperstack 官網，國信證券經濟研究所預測表10：中小云廠商 H100 全生命周期累計收入測算202420242025202520262026202720272028202820292029H100 租賃價格（美元/小時）2.492.372.25

141、2.132.031.93租賃利用率70%70%70%70%70%70%H100 全生命周期累計收入（萬美元）1.532.984.365.666.918.09資料來源：Lambda、FluidStack、RunPod、Hyperstack 官網，國信證券經濟研究所預測回報率測算回報率測算：假設用電累計成本同上文微軟假設相同，假設單張 H100 采購價格為3 萬美金，僅考慮單卡采購成本和單卡電費，24-29 年回報率分別為-50%、-4%、請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告4339%、79%、115%、148%。表11：中小云廠商 H100 回報率測算單張 H10

142、0 回報率測算（僅考慮單卡購買成本及電費）202420252026202720282029單卡采購成本（萬美元）3累計用電成本（萬美元）0.040.090.130.170.210.26成本（萬美元）3.043.093.133.173.213.26H100 全生命周期累計收入（萬美元）1.532.984.365.666.918.09投資回報率（%）-50%-4%39%79%115%148%資料來源:英偉達，國信證券經濟研究所測算請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告44設備廠商業績復盤設備廠商業績復盤：云廠商資本開支先驗指標云廠商資本開支先驗指標在云服務商的資本開支

143、中在云服務商的資本開支中，設備廠商的業績變化可以作為需求的先驗指標設備廠商的業績變化可以作為需求的先驗指標。各設備廠商提供服務器、路由器、交換機等設備給 IDC 廠商或直接將設備出售給云廠商，因此復盤設備廠商的業績變化與云服務商的資本開支的對應關系可以有助于判斷云服務商的拐點。產業鏈動態循環，形成產業鏈動態循環，形成“芯片芯片-設備廠商收入設備廠商收入-云服務商資本開支云服務商資本開支-云廠商收入云廠商收入”相互作用機制。相互作用機制。云計算行業的進步主要得益于技術的創新，這要求產業鏈的各個環節能夠相互配合，共同作用，以適應市場對于高效性、穩定性和擴展性云服務的需求。隨著數據中心處理能力的增強

144、，云服務提供商致力于推出更多樣化、更高效的服務，目的是吸引更多的用戶和滿足他們的需求。這種日益增長的需求推動了云服務提供商增加資本支出，以擴大數據中心的規模和提升設備的技術水平。與此同時，芯片制造商也在持續推出性能更優越、能效更高的新產品。服務器和網絡設備制造商利用這些高性能芯片，生產出更加先進的設備。這些設備隨后被數據中心服務提供商部署在他們的數據中心內，目的是提高數據中心的服務質量，支持云服務提供商在云計算領域的技術升級，并推動他們的業績增長，形成“芯片-設備廠商收入-云服務商資本開支-云廠商收入”連續作用機制。圖82：“芯片-設備廠商收入-云服務商資本開支-云廠商收入”連續作用機制資料來

145、源：各公司官網，國信證券經濟研究所整理設備廠商業績前置于云廠商資本開支約設備廠商業績前置于云廠商資本開支約 2 2 個季度個季度。設備廠商業績波動與云廠商的資本開支直接掛鉤，亞馬遜、谷歌、微軟等頭部云廠商資本開支主要用于購買服務器等基礎建設。對比主要設備廠商思科、intel 等營收增速與云廠商資本開支增速，我們觀測到設備廠商營收變化領先云廠商資本開支約 2 個季度。請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告45圖83：海外頭部云廠商資本開支總和變化（單位：億元）資料來源：各公司官網，國信證券經濟研究所整理思科：全球網絡設備領導者思科：全球網絡設備領導者發展初期（發展初

146、期（20092009 年年-2011-2011 年）：年）：SaaS 和 IaaS 成為云計算應用的兩大主流趨勢，PaaS 需求也飛速增長，極大程度帶動思科硬件設備與方案的研發與銷售。這一階段 Cisco 推出統一計算系統（UCS），利用高能效統一系統整合服務器、網絡、存儲訪問和虛擬資源，數據中心整合策略給基礎架構市場帶來突破性發展；為應對戰略性架構化云計算應用的安全風險，思科提出包含 SecureX、安全云基礎架構、云安全服務、安全云訪問組成的云安全解決方案，與數據中心和無邊界網絡服務完美結合。圖84：思科統一計算系統圖85：思科云安全解決方案資料來源：思科官網，國信證券經濟研究所整理資料來

147、源：思科官網，國信證券經濟研究所整理快速發展期快速發展期（20122012 年年-2021-2021 年年）：隨著云服務的全面發展，思科向數據中心、安全、服務三大業務轉型。在數據中心業務方面，UCS（統一計算系統）持續發展，同時推出 HyperFlex 超融合基礎設施解決方案，加入 Cisco Nexus9000系列交換機與思科云 ACI，完備的產品矩陣提高了數據中心工作的可擴展性與靈活性。安全業務向應用安全服務拓展，提供云安全、Email 安全、認證請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告46及接入管理、威脅保護與管理系統等系統的解決方案。服務業務方面，思科在 I

148、T 資源托管服務基礎上推出包括 Nexus Dashboard 和 Cisco vManage 在內的云服務，幫助云廠商構建、管理混合 IT 環境。圖86：Cisco HyperFlex 提供其他 HCI 的 3 倍性能圖87：適用于多云環境的云 ACI資料來源：Cisco 官網，國信證券經濟研究所整理資料來源：Cisco 官網，國信證券經濟研究所整理全面擁抱全面擁抱 AIAI 期期（20222022 年年-現在現在）：20222022 年以來年以來，“AI+云”成為趨勢，思科也通過 AI 賦能增強其在網絡、安全與服務解決方案上的能力。發布思科 AI助手，在 Webex 中集成 AI 技術推出

149、自主學習型 Webex Contact Center 并與英偉達攜手推出面向生成式 AI 的基礎設施解決方案，加速 AI 在云廠商決策與管理中的部署。同時，Networking Cloud 統一網絡平臺通過 CiscoThousandEyes 和 Nexus Dashboard 為客戶在多云環境提供新的可見性與控制水平。在安全業務上其 Security Cloud 的推出亦通過 AI 簡化策略管理的同時提高威脅響應能力。圖88：Cisco 在 AI 方面的收購與投資圖89：Cisco 宣布與 NVIDIA 合作推出突破性 AI 集群解決方案資料來源：Cisco 官網，國信證券經濟研究所整理資料

150、來源：Cisco Instagram，國信證券經濟研究所整理思科設備廠商的業績變化是下游云廠商資本開支變動的先驗指標思科設備廠商的業績變化是下游云廠商資本開支變動的先驗指標。通過對比思科單季營收與云廠商資本開支，發現思科單季營收 YoY 領先云廠商資本開支 YoY 兩個季度，說明思科設備廠商的業績變化是下游云廠商資本開支變動的先驗指標，對思科的營收波動關注有助于判斷云廠商的需求波動。請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告47圖90：思科單季營收與云廠商資本開支 YoY 比較資料來源：思科財報，國信證券經濟研究所整理圖91：思科股價與營收比較資料來源：思科財報，國信

151、證券經濟研究所整理思科網絡設備在全球仍占據主導地位思科網絡設備在全球仍占據主導地位。從 2007 年以來，受云服務發展影響，以網絡交換機、網絡服務與路由器、無線網絡產品為核心產品的思科面臨新興公司的沖擊與競爭，一部分市場份額被蠶食，但總體來說在全球市場仍占據主導地位。請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告48圖92：思科 2007 年至 2023 年主要產品的市場份額變化（單位：%）資料來源：Cisco 財報，IDC，國信證券經濟研究所整理英特爾：英特爾：CPUCPU 計算領域全球領導者計算領域全球領導者積極探索期積極探索期（20092009 年年-2012-20

152、12 年年）：為適應云計算與虛擬化技術的興起，Intel推出系列數據中心創新產品：1）至強處理器和基于 Nehalem 架構的Nehalem-EX 處理器適配多數據中心；2）實現虛擬化技術 Intel VT 的 2.0、3.0 版本迭代，其中的 VT-X、VT-D 技術對應解決虛擬機性能損耗、安全和 I/O資源分配等問題。在此階段，Intel 啟動云構建器計劃優化云廠商基礎設施建設，宣布推出云搜索 Intel Cloud Finder，用于提高搜索和選擇云服務商效率。圖93：英特爾至強處理器 5500 系列服務器圖94：英特爾虛擬化技術架構資料來源：英特爾官網，國信證券經濟研究所整理資料來源：

153、英特爾官網，國信證券經濟研究所整理全面發展期（全面發展期（20132013 年年-2020-2020 年）：年）：云計算發展迅速，Intel 進一步推出以數據為中心的產品技術組合。在數據計算方面，Intel 推出第二代至強可擴展請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告49處理器，與基于 FPGA 的加速解決方案結合使用。在數據存儲方面，Intel 發布傲騰數據中心級持久內存，推出傲騰固態盤 DC P4800X 與英特爾固態盤 DCP4510。在數據傳輸方面 Intel 發布以太網 800 系列、Omni Path 架構和硅光子技術，為云廠商提供端到端互聯解決方案。圖

154、95：英特爾以數據為中心的產品技術組合圖96：第二代英特爾至強可擴展處理器資料來源：Intel 官網，國信證券經濟研究所整理資料來源：Intel 官網，國信證券經濟研究所整理AIAI 賦能期賦能期（20212021 年年-至今至今）：順應 AI 賦能云服務的趨勢，Intel 將至強可擴展處理器更新至第五代 Emerald Rapids，通過增強型深度學習加速技術增強AI 推理和訓練性能；同時推出 oneAPI 開放跨平臺編程模型支持 AI 和數據分析工作負載。在此階段 Intel 提供 Agilex 等系列 AI 芯片與酷睿 Ultra 處理器，結合 CPU、GPU、NPU 提供強大 AI 處

155、理能力。圖97：AI 賦能全新應用場景圖98：英特爾酷睿 UltraU/H 系列處理器資料來源：英特爾官網，國信證券經濟研究所整理資料來源：英特爾官網，國信證券經濟研究所整理IntelIntel 業績變化是下游云廠商資本開支變動的先驗指標。業績變化是下游云廠商資本開支變動的先驗指標。Intel 單季營收 YoY 領先云廠商資本開支 YoY 兩個季度，可從其業績變化反映下游云廠商需求的先驗指標，對 Intel 的營收波動關注有助于判斷云廠商的需求波動。請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告50圖99：Intel 單季營收與云廠商資本開支 YoY 比較資料來源：Int

156、el 財報，國信證券經濟研究所整理圖100：Intel 股價與營收比較資料來源：Intel 財報，國信證券經濟研究所整理云服務迅速興起并發展，AMD 的崛起以及市場對更高性能與更優價格比的處理器的需求增加，英特爾市場份額受到一定沖進，但仍舊保持市場領先。同時，英特爾也在積極拓展業務范圍，加大對于物聯網、人工智能、5G 與智能駕駛業務的開發力度，力爭在保持核心產品市場份額的情況下尋找可替代的增量業務。圖101：2010 年至 2023 年 Intel 桌面端 CPU 與移動端 CPU 的市場份額變化（單位：%）資料來源：Intel 官網，IDC，國信證券經濟研究所整理請務必閱讀正文之后的免責聲明

157、及其項下所有內容證券研究報告證券研究報告51浪潮信息：國產服務器領導者浪潮信息：國產服務器領導者業務探索期業務探索期（20102010 年年-2013-2013 年年）：2010 年全球云計算蓬勃發展，浪潮信息逐步推動業務向云計算轉型。2010 年發布“云?！痹朴嬎銘鹇圆⑴c山東計算中心簽署云計算合作協議，在 2011 年推出我國首款云數據中心操作系統產品浪潮云海 OS，并于 2012 年發布第二代云海 OS V2.0。圖102：浪潮“云?！痹朴嬎銘鹇约軜媹D103：浪潮云海 OS V2.0 三層架構資料來源：浪潮信息官網，國信證券經濟研究所整理資料來源：浪潮信息官網，國信證券經濟研究所整理快速增

158、長期（快速增長期（20142014 年年-2021-2021 年）：年）：移動互聯網拉動云計算快速發展，浪潮進一步鞏固在云計算領域的領先優勢。2014 年浪潮公布“大數據重構企業智慧”戰略和“1+4”企業云戰略，同步披露企業云落地路線圖。云硬盤 EBS、對象存儲 OSS、云服務器 ECS、云物理主機 CPS、虛擬私有網絡 VPC 等從計算、存儲、網絡等方面為云廠商的服務提供強有力保障。圖104：浪潮云分布式架構圖105：浪潮云服務器 ECS 專業性能場景資料來源：浪潮云，國信證券經濟研究所整理資料來源：浪潮云，國信證券經濟研究所整理AIAI 賦能期賦能期（20222022 年年-至今至今）：乘

159、 AI 賦能云計算之勢，浪潮逐步從通用計算服務器向 AI 服務器生產轉型，發布 NF5698G7、NF5688G7 等 AI 訓練服務器，以及 NF5468G7、NF5468A5、NF5468M6 等 AI 推理服務器；同時，浪潮關注邊緣云，發布邊緣計算“4+3+X”全棧產品家族，攜手 Intel 等合作伙伴共建邊緣開放的融攜實驗室，為多元場景帶來新的算力連接、運維與支持?！?”包含請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告52邊緣微中心、邊緣服務器、便攜 AI 服務器、邊緣微服務器，如 NE5260G7 與NE3160G7；“3”指緣視、緣腦、緣智三大軟件平臺；“X

160、”代表云邊協同、邊緣 AI、超融合等多類邊緣計算解決方案。圖106：浪潮信息 AI 賦能相關產品圖107：浪潮信息邊緣云代表 IEC 產品架構資料來源：浪潮信息官網，國信證券經濟研究所整理資料來源：浪潮云，國信證券經濟研究所整理浪潮信息營收可以作為觀測國內云廠商需求的先驗數據浪潮信息營收可以作為觀測國內云廠商需求的先驗數據。國內云廠商資本開支數據取自阿里云、百度云、騰訊云資本開支總和，因阿里云按年披露資本開支，做年度數據觀測得出浪潮信息營收 YoY 前置國內云廠商資本開支 YoY 一個年度，浪潮信息營收可以作為觀測國內云廠商需求的先驗數據。圖108：浪潮信息營收與國內云廠商資本開支 YoY 比

161、較資料來源：阿里云、百度云、騰訊云財報、浪潮信息財報，國信證券經濟研究所整理請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告53格局演繹：云時代設備廠商群雄逐鹿，格局演繹：云時代設備廠商群雄逐鹿，AIAI 時時代再迎新王代再迎新王服務器、交換機市場持續增長，服務器、交換機市場持續增長，AIAI 受益廠商份額快速提升受益廠商份額快速提升2424 年服務器市場有望大幅增長，年服務器市場有望大幅增長，DellDell 仍是全球份額第一仍是全球份額第一。根據 IDC 最新數據，全球服務器市場在 2024 年第二季度的支出增長了 64.1%，主要是由于超大規模企業，以及云廠商對 GP

162、U 服務器采購增加。非 GPU 服務器業務增長有所恢復，整體業務同比增長 16.7%。IDC 預期 2028 年的支出目標提高到 2920 億美元，未來五年市場復合增速達到 16.0%。AI 是推動市場高增長的核心原因，尤其是 24 年非 X86服務器預期保持 58%以上的增速。從 23 年服務器市場份額來看，雖然 Dell、HPE和新華三、浪潮穩居前三，但服務器收入均有下滑；前五中只有 Supermicro 增長較快，份額提升明顯，主要得益于 GPU 服務器的巨大需求。另一方面，ODM 產品收入和份額也增長較快，成為近年來產業趨勢。圖109：全球服務器市場規模預測（億美金）圖110：2023

163、 年全球服務器市場份額資料來源：IDC，國信證券經濟研究所整理資料來源：IDC，國信證券經濟研究所整理云計算快速增長時代推動云計算快速增長時代推動 ODMODM 成趨勢，國內浪潮受益明顯，成趨勢，國內浪潮受益明顯，AIAI 時代時代 SupermicrSupermicro o持續提升份額持續提升份額。全球服務器市場玩家眾多，包括 Dell、IBM、Supermicro、HPE、思科、Oracle、浪潮、華為、聯想等。自 2002 年亞馬遜推出 AWS 云計算服務以來，市場經過幾年的教育后終于迎來產業共識，并形成投資爆發。早期的服務器市場仍以傳統大牌廠商 Dell、IBM、HPE 為主，ODM

164、占比較小。但在各云廠商逐步興起，并加大投資后，由于大量采購觸發了云廠商的定制化需求，以及對價格更為敏感，ODM 成為產業趨勢。Dell、HPE 份額均有下滑，IBM 于 2014 年將大部分服務器業務賣給了聯想。國內云計算興起較晚，2015 年左右國內各大云廠商開始發力，并推動了浪潮、華為等廠商的加快成長，目前浪潮是全球第三的服務器廠商，華為則受到了相關制裁影響。2023 年大模型爆發推動計算設備進入 AI 時代，美國的芯片限制對國內服務器廠商產生了較大影響，Dell 和 Supermicro 則較為受益，尤其是 Supermicro 憑借 AI 服務器快速提升份額。同時，作為 AI 芯片龍頭

165、的英偉達，其 AI 服務器也在迅速增長，雖然整體體量較小，但經測算 23 年市場份額也達到約 0.81%，份額提升近 2 倍。請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告54圖111：近年來全球服務器廠商市場份額變化資料來源：IDC，國信證券經濟研究所整理2022024 4年全球以太網交換機市場承壓年全球以太網交換機市場承壓，但但A AI I數據中心交換機仍保持高速增長數據中心交換機仍保持高速增長，CiscCisco o和和 AristaArista 份額地位穩固份額地位穩固。根據 IDC全球以太網交換機季度跟蹤報告，2023年全球以太網交換機市場規模達到 442 億美

166、元，同比增長 20.1%。但 2024 年第一二季度市場均出現了下降，24Q2 全球以太網交換機收入同比下降 14.1%至 102 億美元。整體來看數據中心市場依然表現較好，Q2 增長 7.6%；主要受到 AI 產業的推動以及對超高速交換機的強烈需求，二季度 200/400 GbE 交換機的總市場收入同比猛增 104.3%。根據 IDC 對生成式 AI 數據中心交換機市場的預測，市場規模有望從 2023 年的 6.4 億美元增長至 2028 年的 91 億美元，復合增速超過 70%。參考 2022 年數據中心以太網交換機市場份額，Cisco 和 Arista 在數據中心市場仍然表現強勢，AI

167、對高速交換需求提升后，二者優勢將更為顯著。圖112：全球 AI 數據中心以太網交換機市場規模（億美元）圖113：2022 年數據中心交換機市場份額資料來源：IDC，國信證券經濟研究所整理資料來源：IDC，國信證券經濟研究所整理請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告55CiscoCisco 整體份額有所下降整體份額有所下降，AIAI 和高性能網絡需求驅動和高性能網絡需求驅動 AristaArista。云計算時代 Cisco仍是全球交換機龍頭，但整體份額隨著華為、Arista、ODM 產品的崛起而持續緩慢下滑。與服務器產業邏輯類似，華為交換機份額在 15 年國內云計算

168、產業爆發后開始增長加快；ODM 也逐步成為各大云廠商偏好的產品模式。Arista 憑借全球高速以太網交換機的產品優勢，首先在數據中心嶄露頭角，并在 AI 時代迎來爆發。尤其是 AI 需求拉動，大量云客戶需要從 100G 升級到 200G 或從 200G 升級到 400G的網絡產品。另一方面，英偉達憑借 AI 芯片領域的組網優勢，尤其 infiniband技術在模型訓練階段的領先，其交換機業務近兩年也迅速放量，23 年份額超過 1%。圖114：近年來全球交換機廠商市場份額變化資料來源：IDC，國信證券經濟研究所整理AIAI 時代掀起新一輪資本開支，英偉達仍是時代掀起新一輪資本開支，英偉達仍是 A

169、IAI 芯片王者芯片王者美國科技巨大持續加大資本開支，加碼美國科技巨大持續加大資本開支，加碼 AIAI 投入投入。隨著云時代的日漸成熟，22 年各云廠商資本開支總和增速已經同比放緩，并在 23 年 Q1、Q2 延續了慣性下滑趨勢。但是自 23Q1 大模型火爆之后，美國科技巨頭均開始加大 AI 領域投資，并在23Q3 呈現拐點，23Q4 和 24H1 各云廠商均開啟了新一輪投資擴張周期。根據對谷歌、微軟、AWS、META、Oracle 五家巨頭的加總計算，24Q1 資本開支合計達到 511.32億美元，同比增長 41.28%；24Q2 資本開支合計達到 593.59 億美元，同比增長66.50%

170、。從各家增速來看，谷歌、微軟、Oracle 在 24 年資本開支增速提升明顯。在本輪 AI 革命背景下，各云巨頭均擔心“踏空”，因此 24 年開始繼續加大 AI領域的資本開支。谷歌指引全年每季度的資本支出將大致保持在或高于 Q1 資本支出水平（120 億美元）。META 上調資本開支指引，從之前 350 億至 400 億美元的范圍，上調至 370 億至 400 億美元之間；同時公司預計 2025 年的資本支出將顯著增長。微軟指引 2025 財年資本支出將高于 2024 財年。芯片設備等廠商受益于云廠商資本開支周期芯片設備等廠商受益于云廠商資本開支周期，但整體呈現上漲趨勢但整體呈現上漲趨勢。綜合

171、服務器、交換機、芯片等廠商來看，在云計算初始投資階段，基礎設施的建設在前期有一請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告56定周期性，主要是云廠商資本開支在新領域加大投入后，會保持一定的投資節奏，以配合下游應用廠商逐步廠商。隨著后續 SaaS 應用百花齊放并持續放量，其基礎設施投入重回穩定上漲節奏。圖115：各海外互聯網廠商資本開支季度性變化圖116：各海外互聯網廠商資本開支季度性增速變化資料來源：各云廠商公告，國信證券經濟研究所整理資料來源：各云廠商公告，國信證券經濟研究所整理近兩年近兩年 AIAI 芯片預期仍是高速增長芯片預期仍是高速增長。根據研究咨詢機構 Omd

172、ia 發布的 云計算和數據中心人工智能處理器預測報告，22 年 AI 數據中心芯片市場規模不到 100 億，24 年預期將達到 780 億美元，24-25 年仍保持高速增長，預期 29 年市場將達 1510億美元。除了 GPU 市場高增長之外，AI ASIC 也成為當下 AI 芯片產業趨勢，并保持快速增長。對比價格高昂的 GPU，AI ASIC 功耗和成本優勢明顯，且在訓練和推理側也均可使用。根據預測，到 2028 年 AI ASIC 芯片的市場規模有望突破 400億美元，年復合增長率高達 45%。圖117：AI 數據中心芯片市場規模預測資料來源：Omdia，國信證券經濟研究所整理英偉達在服務

173、器英偉達在服務器 GPUGPU 市場仍占據極高市場份額市場仍占據極高市場份額。英偉達長期占據 GPU 市場幾乎壟請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告57斷地位，前期份額均保持在 95%以上，24Q1 受到 AMD 沖擊略有下滑，但份額也達到了 94%。ADM 于 23 年底推出新一代 AI/HPC 專用加速器 Instinct MI300 系列，在市場對 AI 算力需求井噴的背景下，MI300 銷量增長迅速。MI300 的上市給市場多了一種選擇，也相對更具性價比，但目前市場英偉達仍占據統治地位。圖118：全球服務器 GPU 市場份額變化資料來源：IDC，國信證券

174、經濟研究所整理MetaMeta 和微軟向英偉達采購和微軟向英偉達采購 AIAI 芯片量最大芯片量最大。根據 Omdia Research 的報告，23 年第三季度 Meta 和微軟兩家公司以 15 萬塊 H100 GPU 的購買量并列位居第一；谷歌、亞馬遜、甲骨文以及騰訊以 5 萬塊 H100 GPU 的購買量共同位居第三。英偉達將大多數的 GPU 服務器都供應給了大型云服務提供商。根據媒體報道，微軟 2023 年在采購英偉達芯片上花費了 45 億美元，微軟內部計劃到 2024 年底儲備 180 萬塊 AI芯片，到 2027 財年，微軟預計將在 GPU 和數據中心上投資約 1000 億美元。M

175、eta也表示將在今年年底前向英偉達購買 35 萬個 H100 GPU 芯片，從而使該公司的 GPU總量達到約 60 萬個。圖119：2023Q3 英偉達各客戶采購 AI 芯片數量預估（千塊）資料來源：Omdia，國信證券經濟研究所整理請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告58投資建議投資建議從復盤云計算廠商發展歷史來看，其資本開支往往跟隨行業發展趨勢、自身戰略調整呈現脈沖式增長：從行業維度來看，2010 年美國“云優先”的發展戰略，云計算開始進入快速發展期，各廠商加大資本開支投入；從公司自身戰略來看，14年微軟提出“移動為先，云為先”戰略，18 年谷歌制定“追趕戰

176、略”，云廠商資本開支均出現大幅上升。從當前階段看，行業維度，AI 云是大勢所趨，公司維度，各家將 AI 發展放到核心地位，帶動本輪資本開支的快速增長。根據復盤硬件廠商同云廠商資本開支的關系，硬件廠商的業績反應往往領先于云廠商資本開支的投入，關注 AI 云計算相關硬件廠商，例如海光信息、浪潮信息等。風險提示風險提示全球云廠商資本開支不及預期全球云廠商資本開支不及預期。根據前文所述，資本開支快速增長會拉動折舊上行，進而利潤承壓，云廠商為保持業績穩健，后續可能會減少資本開支投入。AIAI 應用商業化不及預期應用商業化不及預期。AI 應用商業化落地不及預期，客戶減少對 AI 云算力的需求，進而減少云廠

177、商在 AI 領域資本開支的投入，進而影響產業鏈相關公司的業績釋放。技術快速迭代，硬件供應商變動風險技術快速迭代，硬件供應商變動風險。全球人工智能快速發展，以英偉達為例，自身芯片快速迭代，技術方案快速革新，若硬件供應鏈廠商無法滿足最新技術的需求，自身業績有大幅下滑的風險。證券研究報告證券研究報告免責聲明免責聲明分析師聲明分析師聲明作者保證報告所采用的數據均來自合規渠道；分析邏輯基于作者的職業理解，通過合理判斷并得出結論，力求獨立、客觀、公正，結論不受任何第三方的授意或影響；作者在過去、現在或未來未就其研究報告所提供的具體建議或所表述的意見直接或間接收取任何報酬，特此聲明。國信證券投資評級國信證券

178、投資評級投資評級標準投資評級標準類別類別級別級別說明說明報告中投資建議所涉及的評級（如有）分為股票評級和行業評級（另有說明的除外）。評級標準為報告發布日后 6 到 12 個月內的相對市場表現，也即報告發布日后的6到12個月內公司股價（或行業指數）相對同期相關證券市場代表性指數的漲跌幅作為基準。A 股市場以滬深 300 指數（000300.SH）作為基準；新三板市場以三板成指（899001.CSI）為基準；香港市場以恒生指數(HSI.HI)作為基準；美國市場以標普 500 指數(SPX.GI)或納斯達克指數（IXIC.GI）為基準。股票投資評級優于大市股價表現優于市場代表性指數 10%以上中性股

179、價表現介于市場代表性指數10%之間弱于大市股價表現弱于市場代表性指數 10%以上無評級股價與市場代表性指數相比無明確觀點行業投資評級優于大市行業指數表現優于市場代表性指數 10%以上中性行業指數表現介于市場代表性指數10%之間弱于大市行業指數表現弱于市場代表性指數 10%以上重要聲明重要聲明本報告由國信證券股份有限公司（已具備中國證監會許可的證券投資咨詢業務資格）制作；報告版權歸國信證券股份有限公司（以下簡稱“我公司”）所有。本報告僅供我公司客戶使用，本公司不會因接收人收到本報告而視其為客戶。未經書面許可，任何機構和個人不得以任何形式使用、復制或傳播。任何有關本報告的摘要或節選都不代表本報告正

180、式完整的觀點，一切須以我公司向客戶發布的本報告完整版本為準。本報告基于已公開的資料或信息撰寫，但我公司不保證該資料及信息的完整性、準確性。本報告所載的信息、資料、建議及推測僅反映我公司于本報告公開發布當日的判斷，在不同時期，我公司可能撰寫并發布與本報告所載資料、建議及推測不一致的報告。我公司不保證本報告所含信息及資料處于最新狀態；我公司可能隨時補充、更新和修訂有關信息及資料，投資者應當自行關注相關更新和修訂內容。我公司或關聯機構可能會持有本報告中所提到的公司所發行的證券并進行交易，還可能為這些公司提供或爭取提供投資銀行、財務顧問或金融產品等相關服務。本公司的資產管理部門、自營部門以及其他投資業

181、務部門可能獨立做出與本報告中意見或建議不一致的投資決策。本報告僅供參考之用，不構成出售或購買證券或其他投資標的要約或邀請。在任何情況下，本報告中的信息和意見均不構成對任何個人的投資建議。任何形式的分享證券投資收益或者分擔證券投資損失的書面或口頭承諾均為無效。投資者應結合自己的投資目標和財務狀況自行判斷是否采用本報告所載內容和信息并自行承擔風險，我公司及雇員對投資者使用本報告及其內容而造成的一切后果不承擔任何法律責任。證券投資咨詢業務的說明證券投資咨詢業務的說明本公司具備中國證監會核準的證券投資咨詢業務資格。證券投資咨詢，是指從事證券投資咨詢業務的機構及其投資咨詢人員以下列形式為證券投資人或者客

182、戶提供證券投資分析、預測或者建議等直接或者間接有償咨詢服務的活動：接受投資人或者客戶委托，提供證券投資咨詢服務；舉辦有關證券投資咨詢的講座、報告會、分析會等；在報刊上發表證券投資咨詢的文章、評論、報告，以及通過電臺、電視臺等公眾傳播媒體提供證券投資咨詢服務；通過電話、傳真、電腦網絡等電信設備系統，提供證券投資咨詢服務；中國證監會認定的其他形式。發布證券研究報告是證券投資咨詢業務的一種基本形式，指證券公司、證券投資咨詢機構對證券及證券相關產品的價值、市場走勢或者相關影響因素進行分析，形成證券估值、投資評級等投資分析意見，制作證券研究報告，并向客戶發布的行為。證券研究報告證券研究報告國信證券經濟研究所國信證券經濟研究所深圳深圳深圳市福田區福華一路 125 號國信金融大廈 36 層郵編：518046總機：0755-82130833上海上海上海浦東民生路 1199 弄證大五道口廣場 1 號樓 12 層郵編：200135北京北京北京西城區金融大街興盛街 6 號國信證券 9 層郵編：100032