通信行業算力革命：泛在、綠色與生態-220913（80頁）.pdf

1、 請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 證券研究報告|行業深度 2022 年 09 月 13 日 通信通信 算力革命：泛在、綠色與生態算力革命：泛在、綠色與生態 我國東數西算戰略、美國對英偉達高算力芯片的禁運均指向了被市場忽略的概念算力。為什么我們當前重視算力革命？如何看待這場 IT 變革？為何當前要關注算力？為何當前要關注算力？每一輪的 ICT 創新革命都是“通信+計算+存儲”三位一體協同升級，5G 作為數據傳輸的“超級高速公路”，必然將匹配更快的“跑車”，當我們將視野從短視頻等拓展到 AR、VR 乃至元宇宙時，其對計算、渲染、AI 的需求將劇增，同時智能汽車、可穿戴的興起將推動

2、計算能力將從云端向“云邊端”延伸，多元算力時代即將到來。在 5G網絡基本建設完成后，算力對社會的貢獻將逐步體現，據華為 泛在算力報告測算，1 美元的算力投入，可以帶來 4.7 美元的社會產出。泛在泛在算力算力：“云：“云邊邊端”的共存端”的共存。市場此前將算力等同于 IDC，而今在算力需求百倍增長下，處理器單核性能與多核提升邊際遞減存在，大型數據中心的算力提升有限。而由于網絡性能，帶寬成本等制約，對于分布式需求愈發明顯。邊與端的設備將迎來從“功能機”向“智能機”的升級。綠色綠色算力算力：雙碳制約下的：雙碳制約下的等式轉換。等式轉換。通過芯片和算法，我們實現了“能源+算力價值+熱量”的轉換，隨著

3、算力應用的普及，能源將是終極制約因素。對 IDC 而言，大型化、智能化和散熱技術成為標配；對于芯片和器件而言，ARM 架構通過成本和效率的優化占據服務器市場一席之地，而提升光傳輸密度是降低器件功耗的主攻方向，CPO 共封裝光學呼之欲出。算力生態算力生態：構建汽車：構建汽車/元宇宙元宇宙/機器人等多場景共榮機器人等多場景共榮生態。生態。元宇宙的宏大愿景、虛擬人的 AI 靈魂、智能汽車的豐富互動、AR/VR 的立體展示將帶來對算力提出隨時、隨地、隨需、隨形的能力要求。從投資角度看，汽車智能化催生的算力需求有望明后年最快爆發，以解決人機交互、輔助駕駛等實用功能，而未來的無人駕駛場景則更需算力支撐，因

4、此車型升級中更易“預埋”算力，需求確定性最強。而元宇宙、Web3 面向 C 端用戶的虛擬世界構建則代表了遠期最具爆發力的需求。投資建議投資建議：抓住“光與云”的確定性，探索“邊緣：抓住“光與云”的確定性，探索“邊緣+綠色”的廣闊空間。綠色”的廣闊空間。1）邊緣算力：美格智能、移遠通信、廣和通；2）通信設備：亨通光電、長飛光纖、中天科技、天孚通信、中興通訊、新易盛、中際旭創、初靈信息；3）芯片：NVDA、AMD、QCOM。風險提示風險提示：美國科技封鎖拖延國內新技術發展；國內算力應用市場發展緩慢 增持增持（維持維持）行業行業走勢走勢 作者作者 分析師分析師 宋嘉吉宋嘉吉 執業證書編號：S0680

5、519010002 郵箱： 相關研究相關研究 1、區塊鏈：元宇宙閃耀服貿會：VR、虛擬人與區塊鏈2022-09-08 2、區塊鏈：以太坊生態之 Layer2：技術融合，應用為王2022-09-07 3、通信：H1 利潤快速恢復，關注光纖光纜及衛星導航投資機會2022-09-04 重點標的重點標的 股票股票 股票股票 投資投資 EPS（元）（元）P E 代碼代碼 名稱名稱 評級評級 2021A 2022E 2023E 2024E 2021A 2022E 2023E 2024E 002881.SZ 美格智能 買入 0.49 0.89 1.52 2.46 85.12 46.87 27.44 16.9

6、6 000063.SZ 中興通訊 買入 1.44 1.86 2.07 2.29 17.19 13.31 11.96 10.81 600522.SH 中天科技 買入 0.05 1.11 1.35 1.59 497.00 22.39 18.41 15.63 600487.SH 亨通光電 買入 0.61 0.96 1.22 1.43 31.44 19.98 15.72 13.41 資料來源：Wind，國盛證券研究所 -32%-16%0%16%2021-092022-012022-052022-09通信滬深300 2022 年 09 月 13 日 P.2請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明

7、 內容目錄內容目錄 1.投資要件.6 2.算力革命.9 2.1.算力的發展.9 2.2.算力對全球經濟的促進作用.10 2.3.算力革命正在發生的原因：供需錯配.12 2.4.算力革命關鍵詞：“泛在”、“綠色”與“生態”.16 3.泛在：“云邊端”的共存.18 3.1.國內 IDC：行業底部出清，需求曙光初現，反轉只欠東風.19 3.2.全球 IDC 市場：需求持續強勁，景氣度存在預期差.20 3.3 邊緣計算：方興未艾，未來可期.24 4.綠色：雙碳制約下的算力網絡.34 4.1.算力需求指數及增長，數據中心能耗要求越發嚴格.35 4.2.大型化、智能化和散熱技術創新是綠色數據中心關鍵點.3

8、7 4.3.芯片功耗提升空間有限，低功耗和云邊端一體是主旋律.39 4.4.提升光傳輸密度是降低器件功耗的主攻方向.42 4.5.結合使用綠色能源是算力可持續發展之路.43 4.6.構建全光智能算力網絡，“東數西算”實現資源最優解.47 5.生態：汽車/元宇宙/機器人等多場景共榮的算力生態如何構建？.50 5.1.人工智能核心驅動，算力發展沒有天花板.52 5.2.智能網聯車自動駕駛和智能座艙，算力爭霸制高點.53 5.3.元宇宙：算力即權力.62 5.4.Web3 時代，算力將是重要技術支撐.69 5.5.萬物互聯：物聯網高速發展，終端智能化賦能千行百業.71 5.6.算力時代的自主可控正成

9、為核心焦點.75 6.投資策略：抓住“光與云”的確定性，探索“邊緣+綠色”的廣闊空間.78 6.1 集中算力投資：“光與云的確定性”.78 6.2“邊緣+綠色”，無限可能的大空間機會.79 7.風險提示.79 圖表目錄圖表目錄 圖表 1：算力革命.6 圖表 2：近 10 年來全球算力的增長明顯滯后于數據的增長.7 圖表 3：自動駕駛對于算力需求.8 圖表 4：人工智能計算需求增長曲線與電子芯片算力增長曲線的高度不匹配.8 圖表 5：計算力發展階段.9 圖表 6：算力資本與物質資本相互促進.10 圖表 7：算力投資對經濟的杠桿作用.11 圖表 8：計算力對經濟的推動作用.11 圖表 9：人均算力

10、反應國家智能化水平.12 圖表 10：不同制程手機芯片成本.13 圖表 11：核心數與算力關系曲線.13 2022 年 09 月 13 日 P.3請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 圖表 12：算力與網絡的供需錯配.14 圖表 13：算力發展的驅動原因.15 圖表 14：四類關鍵技術對算力的具體要求.15 圖表 15：現代算力發展的三個階段.17 圖表 16：算力生態功能.18 圖表 177：中心和邊緣側的算力錯位.19 圖表 188：羅永浩抖音直播帶貨.19 圖表 19：2013 年至 2021 年中國 DOU 值.20 圖表 20：北美三大云業務營收同比增速.20 圖表 21

11、：北美四大云廠商資本支出（單位：百萬美元）.21 圖表 22：英偉達數據中心業務單季度營收及其同比增速（單位：億美元）.21 圖表 23：arista 預計到 2026 年整個數據中心交換機市場將增長至 240 億美元.22 圖表 24：國內優質 IDC 公司推薦（8 月 11 日收盤價）.23 圖表 25：北美優質 IDC 產業鏈公司推薦（8 月 11 日收盤價）.23 圖表 26：國產服務器廠商推薦（8 月 11 日收盤價）（PE 取 Wind 一致預期）.24 圖表 27：云計算部署方式.24 圖表 28：邊緣計算部署方式.24 圖表 29：邊緣計算的范圍.25 圖表 30：邊緣計算發展

12、歷史.25 圖表 31：邊緣計算產業聯盟.26 圖表 32：邊緣計算的五大核心優勢.27 圖表 33：5G 下的邊緣計算.28 圖表 34：廣域 MEC.28 圖表 35：局域 MEC.29 圖表 36：全球數據流量類型（ZB/Y）.30 圖表 37：邊緣計算主要玩家.31 圖表 38：智能制造架構.33 圖表 39：邊緣計算在智能制造中的應用.34 圖表 40：邊緣計算 A 股標的（9 月 2 日收盤價）（PE 取 Wind 一致預期）.34 圖表 41：歷年服務器芯片能耗對比（W/GFLOPS）.35 圖表 42：晶體管結構原理及 3nm 以后解決方案展望.36 圖表 43：數據中心能耗組

13、成.36 圖表 44：重點城市數據中心最新政策.37 圖表 45：歐洲和中國不同類型數據中西 PUE 水平.37 圖表 46：百度自研北極天蝎整機柜服務器.38 圖表 47：華為 iCooling 數據中心 AI 神經網絡模型.38 圖表 48：英維克制冷系統示意圖.38 圖表 49：海底數據中心示意圖.39 圖表 50：CISC 與 RISC 對比.39 圖表 51：CISC 與 RISC 對比.40 圖表 52：RM Cortex-A72 架構.40 圖表 53：ARM Ampere A1 與 x86Intel Xeon Optimized 3、AMD EPYC E4 的 H.264 視頻

14、處理效率對比.41 圖表 54：基于 ARM 架構的蘋果 M1 芯片.41 圖表 55：電動車智能座艙大火的高通 8155 芯片.41 圖表 56：RISC 架構對未來智能化社會要求更加匹配，以 ARM 為例.42 圖表 57：隨著速率持續提升，光模塊單 Gbit/s 的能耗持續降低（單位：W/G）.43 2022 年 09 月 13 日 P.4請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 圖表 58：CPO 交換機系統架構.43 圖表 59：intel 1.6 T 硅光引擎與 12.8T 的可編程以太網交換機集成 CPO 交換機實物.43 圖表 60：我國光伏發電潛力.44 圖表 61：

15、我國 70 米高度陸地（左）和海上（右）風能資源（單位：瓦/平方米）.44 圖表 62：傳統加熱系統與 SAI 芯片廢熱回收加熱系統.44 圖表 63：SAI 的核心理念.45 圖表 64：SAIHEAT 余熱利用示意圖.45 圖表 65：行山能源信息技術產業基地一期圖.46 圖表 66：分布式光伏數據中心.46 圖表 67：通信基站分布式光伏發電改造.47 圖表 68：網絡限制和算力潮汐效應是影響算力網絡的突出問題.48 圖表 69：全光底座總體架構.48 圖表 70：算力網絡全光應用典型場景.49 圖表 71：人類社會必然向智能社會過度，需要算力進行匹配.50 圖表 72：智能社會隨時、隨

16、地、隨需、隨形的算力.51 圖表 73：云邊端一體算力生態.51 圖表 74：AI 架構運算流程.52 圖表 75：人工智能持續滲透將大力拉動算力需求.53 圖表 76：自動駕駛不同等級算力需求.54 圖表 77：5G V2X 車路協同系統.55 圖表 78：配備 4 顆 NVIDIA Drive Orin 芯片，ET7 整體算力達到 1016TOPS.55 圖表 79：DOJO D1 Chip 介紹 1.56 圖表 80：DOJO D1 Chip 介紹 1.56 圖表 81：Transformer 神經網絡.56 圖表 82：純視覺幾乎達到了雷達的精準度.57 圖表 83：英偉達自動駕駛全棧

17、能力.57 圖表 84：自動駕駛需要端到端的開發流程.58 圖表 85：英偉達助力電動車革命.58 圖表 86：智能電動車的變化域控制器.59 圖表 87：智能座艙一芯多屏、多屏聯動功能.59 圖表 88：智能座艙多種交互方式融合的極致體驗.59 圖表 89：特斯拉三代智能座艙芯片方案對比.60 圖表 90：特斯拉第三代智能座艙方案詳情.60 圖表 91：新款特斯拉座艙性能媲美游戲主機.60 圖表 92：比亞迪秦座艙可支持王者榮耀.60 圖表 93：高通 8155 說明書.61 圖表 94：特斯拉 model 3 拆解，可以看到 tbox 用的是 telit 蜂窩通信模組.61 圖表 95：蜂

18、窩通信模組產品形態發展趨勢.62 圖表 96：元宇宙的概念.62 圖表 97：多邊形建模圖示.63 圖表 98：RTX3090 支持 8K 渲染.64 圖表 99：逼近顯示的游戲畫面.64 圖表 100：控制臺/顯卡算力變化.64 圖表 101：AR/VR 技術的發展對于算力的驅動與要求.65 圖表 102：內容創作的 4 個階段.66 圖表 103：通過 AI 實現 3D 動畫.66 2022 年 09 月 13 日 P.5請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 圖表 104：英偉達 GPU 云計算概覽.66 圖表 105：英偉達 GPU 云計算流程.66 圖表 106：NVIDI

19、A 云計算平臺主要應用方向.67 圖表 107：通過 AI 算法實現特征提取.68 圖表 108：高精度渲染的 NFT 圖片.69 圖表 109：區塊鏈游戲效果圖.69 圖表 110：云渲染價格.70 圖表 111：RenderNetwork 的運行機制.70 圖表 112：物聯網眾多下游行業將對共同拉動算力增長.71 圖表 113：蜂窩通信終端規模預測.72 圖表 114：智慧工廠算力分析.73 圖表 115：近五年中國工業互聯網市場規模.73 圖表 116：新基建的三大組成部分.74 圖表 117：全生命周期數字化管理實現數字制造閉環.74 圖表 118：英偉達 A100.75 圖表 11

20、9：GPU 在異構計算中優勢明顯.76 圖表 120：GPU 各塊能力及對應應用場景.76 圖表 121：主要 GPU 及相關算力芯片比較.77 圖表 122：中國 GPU 市場規模及預測.77 圖表 123：“光與云”投資標的.78 圖表 124：“邊緣+綠色”投資標的.79 2022 年 09 月 13 日 P.6請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 1.投資要件投資要件 圖表 1：算力革命 資料來源：IDC，三大運營商，Wind，華為，國盛證券研究所整理 為何當前要關注算力？為何當前要關注算力？2022 年 09 月 13 日 P.7請仔細閱讀本報告末頁聲明請仔細閱讀本報告末

21、頁聲明 通信板塊在經歷了 5G 建設周期后，投資者始終在問三個問題：1、5G 的殺手級應用是什么？2、5G 驅動的硬件升級還有哪些？是否會在架構上有所創新？3、5G 之后通信看什么？總所周知，每一輪的 ICT 創新革命，均是“通信+計算+存儲”三位一體同步升級，5G 作為數據傳輸的“超級高速公路”，必然將匹配更快的“跑車”，當我們將視野從短視頻等拓展到 AR、VR 乃至元宇宙時，其對計算、渲染、AI 的需求將劇增，同時計算能力將從云端向“云邊端”延伸，多元算力時代即將到來。我國在 5G 網絡建設上取得了領先地位，未來算力資源將成為全球科技領域的新高地，8 月 31 日美國芯片設計公司英偉達稱被

22、美國政府要求限制向中國出口兩款被用于加速人工智能任務的最新兩代旗艦 GPU計算芯片 A100 和 H100，似乎也佐證了算力在未來全球科技競賽中的地位。按照國盛通信團隊的研究框架，如圖 1 所示，在過去三年，我們關注了以運營商投資驅動的 5G 周期、以云廠商投資驅動的 IaaS 周期、以及今年的“通信+”轉型周期，未來在 5G 網絡投資趨于平緩后，我們將聚焦于算力大周期，而泛在、綠色與生態將是三個核心視角，我們后文將逐一展開。圖表 2：近 10 年來全球算力的增長明顯滯后于數據的增長 資料來源：IDC，國盛證券研究所 從終端市場需求來看，在國內外數據流量迅速增長以及公有云蓬勃發展的背景下，近

23、10年來全球算力的增長明顯滯后于數據的增長。同時，伴隨智能汽車、人工智能、機器學習催生的大量數據需求，算力缺口持續顯現。5G 網絡的不斷建設和完善，帶動萬物互聯加速推進，同時更大帶寬和更低延時的多場景顯現，海量數據持續涌現，數據結構從單一模式變為多模式，非結構化數據日益增加，對海量復雜數據的實時處理要求更高。在未來 5-10 年將是數據量指數級增長的井噴臨界點，算力供給需要持續擴張。2022 年 09 月 13 日 P.8請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 圖表 3：自動駕駛對于算力需求 資料來源：億歐智庫，國盛證券研究所 未來在自動駕駛、機器人等多個方向，對于算力的消耗會呈指數

24、級增長，深度學習、機器學習的場景越來越豐富，通用芯片和專用芯片的關系會發生動態變化。各大巨頭紛紛轉向以 ARM、FPGA、ASIC 等為核心的低功耗計算架構，避免對單一架構的過度依賴。同時，傳統以計算為中心的馮氏架構下，在 CPU 存儲之間以及存儲和存儲間的數據搬運帶來了延遲功耗，通過把部分算力下通到存儲，在擁有足夠好性能器件支撐的前提下，就能減少功耗和延遲，提升芯片的算力。圖表 4：人工智能計算需求增長曲線與電子芯片算力增長曲線的高度不匹配 資料來源：光子芯片研究進展及展望，國盛證券研究所 作為支持數字經濟以及智能化的核心基座，以數字新基建為代表的算力革命，正在催生 2022 年 09 月

25、13 日 P.9請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 出前所未有的新機遇。國內也在著手搭建算力網絡，包括東數西算、全光網等。已解決當前網絡實時性缺乏保障、寬帶不足、能源供給不匹配等問題。同時，在操作系統、服務器高端芯片、算力數據庫等領域，依舊較多受外部因素制約，實現國內算力網絡資源的自主可控仍然任重道遠。2.算力革命算力革命 近年來，“算力”兩字，隨著社會智能化的程度提升，越來越多的被提及。其實“算力”一詞并非新鮮事物，從中國古代的算盤到如今的超級計算機，算力作為人類認知能力的延伸，是見證與輔助人類社會實現跨越式發展的重要生產力。面向未來，隨著當下智能駕駛、AI 等場景下爆發的百倍

26、算力需求。我們認為，當前以傳統計算集群為主的算力發展模式已經不能滿足未來需要，一場“由集中到泛在”，由集中到泛在”，“以能源消耗為“以能源消耗為邊界”，邊界”，“云、邊、“云、邊、端一體化”的算力革命已經迫在眉睫。端一體化”的算力革命已經迫在眉睫。2.1.算力的發展算力的發展 2018 年諾貝爾經濟學獎獲得者威廉 諾德豪斯將算力定義為“設備根據內部狀態的改變，“設備根據內部狀態的改變，每秒可處理的信息數據量”。每秒可處理的信息數據量”。目前行業中普遍用“FLOPS”，即每秒所執行的浮點運算次數，來衡量算力大小。從最原始的算盤到當今的超級計算機，人類社會的算力發展經過了諸多階段，根據華為算力報告

27、，這些階段可以劃分為人力化、機械化、電氣化、集成電路化和當下所展現的移動化。圖表 5：計算力發展階段 資料來源：泛在算力：智能社會的基石，國盛證券研究所 基于人力的算盤，是中國古代勞動人民發明創造的一種工具，雖能一定程度上簡化計算，但其最終是人力推動，效能有限。到 1642 年，在算盤原理的基礎上，第一臺機械式計算器被發明，解放了人力并提高了計算效率。1937 年，世界第一臺基于電子的計算機“阿塔納索夫-貝瑞計算機”被發明，實現了計算介質的改變。后續隨著晶體管與集成電路的走向成熟，算力載體的物理體積得到大幅縮減，集成電路計算機被運用到各行各業之中，實現了算力的再一次爆發。1993 年，隨著 I

28、BM 公司推出第一步移動智能手機 Simon，2022 年 09 月 13 日 P.10請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 算力“移動化”時代正式到來。時至時至今日，隨著通信網絡的發達，移動芯片的進化，移今日，隨著通信網絡的發達，移動芯片的進化，移動端算力載體已經進化為包括“云端數據中心”、“邊緣設備”、“智能手機”、“智能模組”動端算力載體已經進化為包括“云端數據中心”、“邊緣設備”、“智能手機”、“智能模組”等多種形式，“算力泛在”的初步環境得以實現。等多種形式，“算力泛在”的初步環境得以實現。2.2.算力對全球經濟的促進作用算力對全球經濟的促進作用 算力以及其背后代表的設備

29、鏈條，是具有高附加值的高科技產業。算力作為一種新技術進步因素脫穎而出，成為挖掘數據要素價值，推動數字經濟發展的核心支撐力和驅動力。對于“算力”設備的投資，可以為社會帶來從直接到間接的豐厚經濟收益。根據2021-2022 全球計算力指數評估報告 的結論，算力資本可與傳統物質資本形成算力資本可與傳統物質資本形成互補效應和協互補效應和協同效應；算力資本增長會產生正網絡外部性效應和溢出效應；算力資本對經濟發展具有同效應；算力資本增長會產生正網絡外部性效應和溢出效應；算力資本對經濟發展具有倍增效應。倍增效應。圖表 6：算力資本與物質資本相互促進 資料來源：2021-2022 全球計算力指數評估報告，國盛

30、證券研究所 在華為的泛在算力報告中，對算力產生的經濟效益做了更加明確的劃分，一是直接一是直接受益，二是行業杠桿收益，三是國家整體競爭力收益。受益，二是行業杠桿收益，三是國家整體競爭力收益。直接收益，以公有云投資為例，在選取戴爾 PowerEDGER940 服務器的條件下，以服務器的出廠價 25,100 美元，云服務器的使用周期為 5 年，云服務器實現 75%利用率，服務器的租金收入 118,586 美元計算，1 美元的投入，可以帶來 4.7 美元的產出。除上述以租金收入計算的直接收入外，隨著算力加速部署，各行各業的智能化程度加深，將會為社會帶來更加顯示顯著的額外收益。根據美國勞工部數據，隨著智

31、能機器人等基于高算力的智能設備加速應用，未來講給美國智能制造業帶來 1700 億美元的額外經濟產值提升。同時，根據華為泛在算力報告數據，智能化程度提升，將會為包括制造業。交通業、農業等多個業態帶來數倍回報。2022 年 09 月 13 日 P.11請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 圖表 7：算力投資對經濟的杠桿作用 資料來源：華為，國盛證券研究所 根據 IDC 于 2021 年發布的結論，十五個重點國家的計算力指數平均每提高 1 點，國家的數字經濟和GDP將分別增長3.5和1.8，預計該趨勢在2021-2025年將繼續保持。同時，通過針對不同梯隊國家的計算力指數和 GDP 進行

32、進一步的回歸分析后，研究發現：當一個國家的計算力指數達到 40 分以上時，國家的計算力指數每提升 1 點，其對于 GDP增長的推動力將增加到 1.5 倍，而當計算力指數達到 60 分以上時，國家的計算指數每提升 1 點，其對于 GDP 增長的推動力將提高到 3.0 倍，對經濟的拉動作用變得更加顯著。圖表 8：計算力對經濟的推動作用 資料來源：IDC，國盛證券研究所 由此可見，算力已經成為衡量國家綜合競爭力的重要指標之一，根據羅蘭貝格發布的全球主要國家人均算力與瑞士洛桑國際管理發展學院發布的 世界競爭力報告，人均算力水平與國家智能化程度呈現高度相關性。包括美國、新加坡、英國在內的當前智能化水平較

33、高的國家，人均算力水平同樣呈現較高的水平；而泰國、印度尼西亞等較低智能化 2022 年 09 月 13 日 P.12請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 水平的國家，人均算力水平同樣位于中等以下。圖表 9：人均算力反應國家智能化水平 資料來源：羅蘭貝格，IMD，華為，國盛證券研究所 2.3.算力革命正在發生的原因：供需錯配算力革命正在發生的原因：供需錯配 當下，國內投資者對于算力的認識尚處于較為初級的階段，目光局限于“IDC”+“服務器”兩大產業鏈中，短期由于國內互聯網產業“過冬”，2020 年 IDC 行業擴建等影響，國內投資者對于“算力”過剩的擔憂影響了對于“算力革命”迫切性的

34、認識。我們認為，一來算力并不能僅用大型 IDC 需求表征，其只代表集中式算力的規模；二來隨著自動駕駛，智能機器人，人工智能等新需求的快速成熟，邊緣側與終端側算力需求涌現，全球現有算力將快速進入“供不應求”的局面，算力革命已經迫在眉睫。究其根本，“算力革命”爆發的根本原因在于“供需失衡”，供給方面主要受到 CPU 發展極限、流量成本、碳排放等因素制約，集中式算力的邊際性價比正在減弱。需求方面，受到車聯網、AI 等同時需要“海量數據處理”+“低延時”的行業帶動，算力需求將在未來呈現指數型爆發式增長。本篇報告，我們將從供需出發，分條闡述“算力革命”爆發的必然性與急迫性，并給出相關的投資建議。供給端供

35、給端 1：受到量子隧穿效應影響和商業化成本影響，硅基單核芯片制程將在受到量子隧穿效應影響和商業化成本影響，硅基單核芯片制程將在 3nm 達達到極限。到極限。硅基芯片晶體管的柵長在低于 3 納米時極易發生量子隧穿效應（其原理為，當柵長縮小到一定程度的時候，即使沒有加電壓，源極和漏極都接近互通，晶體管便失去了開關的作用，因而無法實現邏輯電路）。因此，通過更加先進的納米制程工藝提升單核芯片性能將面臨技術上的嚴峻挑戰。由于量子隧穿效應的存在，3 納米后，單芯片成本將會急劇上升，根據華為與羅蘭貝格數據顯示，3 納米制程手機端旗艦級 SoC 單芯片（以高通驍龍 855 為例）成本較 7 納米顯著增加約 2

36、00 美元，高昂的成本將會極大程度制約終端客戶需求，最終降低算力供給的增加。2022 年 09 月 13 日 P.13請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 圖表 10：不同制程手機芯片成本 資料來源：華為，羅蘭貝格，國盛證券研究所 即使在能夠接受較高成本的大型數據中心等用戶中，處理器性能的提升依舊受到制約，受存儲、系統、軟件限制（性能）和單位算力功耗顯著上升（功耗）兩大因素影響，芯受存儲、系統、軟件限制（性能）和單位算力功耗顯著上升（功耗）兩大因素影響，芯片核心數量將在片核心數量將在 128 核達到上限核達到上限。根據羅蘭貝格數據，現有的馮諾依曼架構下，通過擬合不同核心數量的芯片計

37、算能力樣本數據，我們發現多核處理器隨核數增長，算力增長的倍數快速下滑：從 2 核增至 4 核時，總算力可提升 1.74 倍，而當核數由 128 核增至 256 核時，總算力水平僅能提升已跌破 1.2 倍（1.16X），已顯著喪失經濟性。圖表 11：核心數與算力關系曲線 資料來源：華為，羅蘭貝格，國盛證券研究所 在單核性能以及多核提升帶來的雙重壓制下，大型數據中心帶來的增量算力邊際增量將在單核性能以及多核提升帶來的雙重壓制下，大型數據中心帶來的增量算力邊際增量將會迅速遞減，而興建大型數據中心需要的土地，人力，時間成本將在海量算力時代制約會迅速遞減，而興建大型數據中心需要的土地，人力，時間成本將在

38、海量算力時代制約“集中式”的算力發展?！凹惺健钡乃懔Πl展。供給端供給端 2：算力：算力爆發爆發的背景下，網絡性能限制和成本將會導致數據中心的算力難以滿足的背景下，網絡性能限制和成本將會導致數據中心的算力難以滿足復雜場景下的需求。復雜場景下的需求。網絡帶寬及網絡時延共同決定了網絡信道的傳輸質量，影響到網絡算力的發揮。具體而言，“網絡化”算力的使用需要經歷終端與云端的數據雙向傳輸過程，這段過程是通過網關、基站、數據中心等不同網節點之間的信道所實現的，其中信道的容量決定了傳輸的速率（帶寬），信道的長度與材質決定了數據傳輸的時延，兩者共同影334364108263050100150200250300

39、16nm10nm7nm5nm3nm 2022 年 09 月 13 日 P.14請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 響了數據傳輸的效率。圖表 12：算力與網絡的供需錯配 資料來源：華為，國盛證券研究所 即使隨著當今 5G 網絡加速完善，無論從時延以及容量都相較于 4G 網絡出現了較大程度提升，但相對于未來社會的海量數據需求來看，完全依靠但相對于未來社會的海量數據需求來看，完全依靠 IDC 提供算力支撐仍是效率較提供算力支撐仍是效率較低的選擇，無論是智能駕駛對于時延的要求，亦或是傳輸高清視頻圖像等帶來的大額帶低的選擇，無論是智能駕駛對于時延的要求，亦或是傳輸高清視頻圖像等帶來的大額帶

40、寬成本，都將進一步加劇“集中式”算力與“分布式”需求的錯配。寬成本，都將進一步加劇“集中式”算力與“分布式”需求的錯配。供給端供給端 3：算力高能耗與全球雙碳目標之間的矛盾：算力高能耗與全球雙碳目標之間的矛盾 隨著芯片制成逐漸接近量子隧穿效應發生的制程，當前主流芯片的能效比正在逐漸接近極限。單位算力功耗在過去 10 多年間經歷了顯著下降，但隨著硅基芯片工藝制程提升的難度凸顯，其進一步下探幅度有限，這意味著，等量算力的提升，即將對應等量能耗需求的提升。面對未來百倍的算力需求，高能耗問題將成為人類算力發展過程中的重要瓶頸。同時，隨著我國雙碳目標的提出，對于數據中心的耗電量，PUE 值都提出了更嚴格

41、的要求，截至 2020 年底，中國數據中心耗電量已經突破 2000 億千瓦時，能耗占全國總用電量的 2.7%，隨著數據中心進一步擴容，算力需求進一步提升，解決數據中心能耗問題的需求也愈發迫切。在可見的未來，具備低時延特性的核心城市在可見的未來，具備低時延特性的核心城市 IDC 供給將進一步被壓供給將進一步被壓縮，如何通過有效的邊緣側處理手段，使得有限的核心城市算力資源得到充分利用，也縮，如何通過有效的邊緣側處理手段，使得有限的核心城市算力資源得到充分利用，也是本輪“算力革命”急需解決的難題。是本輪“算力革命”急需解決的難題。需求端：智能化社會大潮下，對應百倍流量增長需求。需求端：智能化社會大潮

42、下，對應百倍流量增長需求。隨著以人工智能、物聯網、區塊鏈、AR/VR 等關鍵信息技術逐漸成熟，社會中大量智能化場景將得到實現。根據羅蘭貝格報告，人工智能技術將推動無人駕駛、智能辦公、智慧醫療等場景的有效落地，物聯網技術將推動智能消防、智慧工廠、智慧農場、智能家居等場景落地，區塊鏈技術將推 2022 年 09 月 13 日 P.15請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 動應用于數字證書、信息加密等場景落地，AR/VR 技術則可推動智慧商場、游戲、智慧課堂等場景落地。這些場景未來將在產業領域實現跨越式發展、助力各產業創新、增強產業數字化程度并增強市場活力，在政務領域幫助政府提升運行效率

43、、提高城市管理水平、加強居民生活幸福度，在民生領域推動社會民生保障、創造宜居空間、實現可持續化發展，共同推動社會向智能社會發展。圖表 13：算力發展的驅動原因 資料來源：華為，羅蘭貝格，國盛證券研究所 根據華為泛在算力報告，在人工智能、物聯網、區塊鏈、AR/VR 四大領域，到 2030年，相比 2018 年，都將出現百倍到千倍的算力需求增長，同時對于網絡的延遲也提出了更高的要求。圖表 14：四類關鍵技術對算力的具體要求 人工智能：人工智能：以無人駕駛為例 物聯網：物聯網：以智慧工廠為例 區塊鏈：區塊鏈：以數字貨幣為例 AR/VR：以 VR 游戲為例 隨時隨時 速響應：速響應：提供低時延且不間斷

44、的算力支持 無人駕駛級別越高對網絡要求越高，L4 需帶寬100Mbps，時延 5-10ms 物聯網設備精準生產要修連續性算力支撐，帶寬1Gbps，時延 5-10ms 區塊鏈對于帶寬和時延要求較低 為達到舒適用戶體驗，帶寬需180Mbps，時延價值價值+熱量熱量 目前，以 GSMA 為首的全球移動通信系統協會已開始在此方面積極踐行，其在巴黎協定中制定了移動產業氣候行動路線圖倡議，提出在 2050 年之前實現溫室氣體凈零排放目標。此后，GSMA 下逾 50 家成員單位（包括沃達豐、西班牙電信等）加入倡議，已陸續開始公布年度能源消耗情況，制定每年的能源消耗削減目標及策略計劃，從而實現對其數據中心的能

45、源消耗控制。算力革命中的“綠色”，我們認為應從兩方面入手，第一方面，通過更加高效的機房散熱設備，探索液冷、海底數據中心等新型散熱形式，降低數據中心的 PUE 水平，實現能源的高效利用。另一方面，要積極提高綠色能源在機房用電中的占比，實現數據中心真正意義上的“碳中和”。我們將在第四章，更加詳細的討論“綠色”這一算力革命方向帶來的投資機會。算力革命核心詞算力革命核心詞 3：生態生態 算力并非孤立的存在，而是與通信、存儲能力并存，服務于各類應用的一體化 IT 能力。以常見的物聯網模組為例，市場認為模組僅是提供單一的無線通信能力，而當下游需求豐富起來之后，模組還需支持操作系統、多媒體、本地算力等應用，

46、且在智能家居、智能汽車、無人機、VR 元宇宙等領域的需求各不相同。當然，就算力硬件本身而言，除了芯片外，也需要編程語言、API、各類常用庫（如 NVIDIA CUDA）、集群管理等，皆是多 2022 年 09 月 13 日 P.18請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 年與行業應用共同發展的結果。圖表 16：算力生態功能 資料來源：國盛通信團隊整理，國盛證券研究所 3.泛在：泛在：“云“云邊邊端”的端”的共存共存 IDC 統計數據顯示，預計到 2025 年，創建的數據會達到 175ZB，相當于 2022 年的兩倍的的數據量，其中視頻為主的非結構化數據將占到 80%以上。而其中數據的

47、創建正在更多的趨向于邊緣，同樣的數據的存儲也會向中心和邊緣轉變，終端的占比會下降。但是數據的處理一直在中心，數據的使用和消費在端側，就出現了算力錯位。算力錯位會導致產生大量的算力搬運成本。云計算是現在計算的一個主流，開創了云端算力的模式，把云端算力投射到終端上，當下云計算基于中心的超大規模 IDC，計算集中在核心節點，中心化的布局在算力需求進一步大幅提升的背景下可能將遇到瓶頸，需要進一步的發展，所以就產生了下沉的需求。近二十年，以數據為基礎、以網絡為媒介、以計算為核心的科技以迅雷不及掩耳的速度急速發展，全球進入移動互聯網時代，產生的數據量相當于過去數世紀的數據量總和，并持續以指數級的數量增加。

48、2006 年亞馬遜正式推出 EC2 服務標志著人類進入了云時代，經過十多年的發展，云服務已經影響到企業和個人生活的方方面面。隨著全球范圍5G 的加速落地、物聯網高速的發展以及以云為基礎的數字化升級大趨勢下，IDC 作為核心信息基礎設施在需求側和供給側均發生邊際變化，其作用和價值正在不斷凸顯。2022 年 09 月 13 日 P.19請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 圖表 177：中心和邊緣側的算力錯位 資料來源：LiveVideoStack，國盛證券研究所 近期，市場對國內 IDC 及其產業鏈景氣度問題存在一定預期差，對于 IDC 市場，主要是因為互聯網行業發展暫緩，對于光模塊

49、等產業鏈公司，主要對于動蕩環境下的北美宏觀環境擔憂。我們認為，認識到 IDC 及其產業鏈的核心價值，應當回歸到算力發展的本質上來，其本質是人類對于更加智能，更加美好的生活的追求，算力需求的增長具有高度的確定性，IDC 作為云端中心算力的唯一載體，其長期發展前景依舊光明。3.1.國內國內 IDC：行業底部出清，需求曙光初現，反轉只欠東風：行業底部出清，需求曙光初現，反轉只欠東風 從短期來看，當下受到國內互聯網大廠業務收縮，2020 年 IDC 行業建設浪潮影響，近年來，供需格局較弱。不過隨著相關平臺經濟扶持政策出臺，以及 IDC 行業底層并購出清加速，我們認為國內 IDC 行業正在走出短期困境。

50、圖表 188：羅永浩抖音直播帶貨 資料來源：抖音，國盛證券研究所 從長期來看，隨著國內 5G 網絡全面建成，我國 DOU 長期增長的趨勢不會變，隨著在 4G向 5G 升級的過程中，長短視頻成為新的風口，抖音、火山小視頻、快手、B 站為首的短視頻，以及愛奇藝、騰訊視頻為主的長視頻逐漸成為新潮流。而直播也發展出了更多形式，以淘寶、拼多多為主的電商逐漸進入直播帶貨時代，抖音、快手也憑借其在短視頻的流量優勢涉足電商領域。用戶的習慣開始轉向以視頻和直播為主的應用和媒介，而視頻直播又意味著流量相較過去有了數十倍的爆發。2022 年 09 月 13 日 P.20請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲

51、明 圖表 19：2013 年至 2021 年中國 DOU 值 資料來源：Wind，國盛證券研究所 隨著以智能駕駛、人工智能、物聯網為標志的智能化場景加速滲透，我國的流量需求也會加速釋放。面對未來百倍的算力需求，作為云端算力的載體，數據中心在未來算力網絡中仍將占據半壁江山，只待國內存量需求消化。3.2.全球全球 IDC 市場：需求持續強勁，景氣度存在預期差市場：需求持續強勁，景氣度存在預期差 今年以來，國內投資者對于北美數通產業鏈景氣度預期進行了明顯的下修，以光模塊為代表的數通產業鏈標的估值創出歷史新低。我們認為，從 Q2 云廠商資本支出、后續資本支出展望、以及數通產業鏈各家中報業績來看，市場對

52、于北美數通的預期存在過分悲觀的情況。在宏觀不確定性下，龍頭大廠依舊逆勢加碼云基建，說明數字化，云化依舊是當下最具潛力的行業賽道。我們認為，從中短期來看，北美數據中心的需求仍然非常旺盛。從云計算業務來看，北美三大云廠商 AWS、Google Cloud、Azure Q2 依舊保持了良好的高速增長。AWS 營收同比增長 33%、Google cloud 營收同比增長 36%，Azure 營收同比增長 40%圖表 20：北美三大云業務營收同比增速 資料來源：WInd、國盛證券研究所 從 Q2 資本支出來看，各家云資本支出仍然景氣，亞馬遜指引由全年同比微降低上修到微升，全年云資本支出將占比由去年的 4

53、0%提升至 50%；谷歌表示 2022 年資本開支將會出現“有意義的”上漲，服務器與 IDC 是投資重點；微軟表示將會維持溫和的資本開0.140.20.380.751.736.258.5911.9214.7202468101214162013年12月31日2015年12月31日2017年12月31日2019年12月31日2021年12月31日2013年至年至2021年中國年中國DOU值值0%10%20%30%40%50%60%70%80%18Q3 18Q4 19Q1 19Q2 19Q3 19Q4 20Q1 20Q2 20Q3 20Q4 21Q1 21Q2 21Q3 21Q4 22Q1 22Q2

54、AWS谷歌云Azure 2022 年 09 月 13 日 P.21請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 支增長；Meta 則 2022 年資本支出由 290-340 億上修到 300 億-340 億，用于支撐元宇宙轉型下的數據中心、AI、機器學習支出。圖表 21：北美四大云廠商資本支出（單位：百萬美元）資料來源：Wind、國盛證券研究所 從設備商角度，盡管英偉達、AMD 等公司 Q2 業績表現出現了一定程度下滑，但主要原因來自于全球 PC 需求下降與加密貨幣市場寒冬。兩者的數據中心業務依舊維持了較高的景氣度。英偉達數據中心業務 Q2 營收 38.1 億美元，同比增長 63.1%，環

55、比增長 1%，連續 11 個季度創歷史新高，成為公司第一大業務，從趨勢上看將逐漸拉開與游戲業務距離。圖表 22：英偉達數據中心業務單季度營收及其同比增速（單位：億美元）資料來源：英偉達、國盛證券研究所 AMD 在 Q2 實現營收 65.5 億美元，同比增長 70%，公司于 Q2 首次公布了數據中心部門的營收，2022Q2 數據中心部門營收為 15 億美元，同比增長 83%，是公司營收增長最快的部門。根據公司公開交流，公司本季度 EPYC 處理器需求強勁，云計算和企業客戶均同比顯著增長。在云計算方面，AWS、百度、谷歌、微軟 Azure 和甲骨文在本季度推出了 60 多個基于第三代 EPYC 處

56、理器的新實例。從數通設備商 Arista 最新季度財報同樣可以看到數通市場的景氣度。Arista 在 Q1 實現營收 8.78 億美元，同比增長 31.4%，環比增長 6.4%。盡管供應鏈受到沖擊，對交付造02000400060008000100001200014000160001800018Q3 18Q4 19Q1 19Q2 19Q3 19Q4 20Q1 20Q2 20Q3 20Q4 21Q1 21Q2 21Q3 21Q4 22Q1 22Q2亞馬遜谷歌微軟臉書11.4117.521919.0320.4823.6629.3632.6337.538.179.49%35.05%54.53%71.4

57、7%83.11%61.03%0%10%20%30%40%50%60%70%80%90%0510152025303540452020Q1 2020Q2 2020Q3 2020Q4 2021Q1 2021Q2 2021Q3 2021Q4 2022Q1 2022Q2 2022 年 09 月 13 日 P.22請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 成一定影響，公司依舊實現高質量增長，對下一季度收入指引在 9.5-10 億美元之間。公司在數據中心交換機市場份額持續提升中，公司預計整個數據中心市場還將持續增長，整個數據中心市場到 2026 年將發展至 240 億美金市場規模，其中美國 top5

58、 云廠商需求將成主要驅動力。圖表 23：arista 預計到 2026 年整個數據中心交換機市場將增長至 240 億美元 資料來源：arista，國盛證券研究所 我們通過以上三家具有代表性的科技公司近期業績可以大致看到，數據中心市場景氣度依舊保持高位，且根據指引預期來看，未來還將繼續保持高景氣增長。結合北美頭部云廠商一季度增速及云廠商全年資本開支指引，即便下半年面臨短期波動，中期北美數據中心產業景氣度可見。從長期來看，作為全球云計算的領先市場，同時伴隨 Meta、蘋果等巨頭在元宇宙、AR/VR領域的加速探索，北美流量長期增長的態勢不會改變，數據中心在作為算力發展的核心支撐，將在全球智能化過程中

59、繼續扮演舉足輕重的作用?？v觀 IDC 產業投資機會，我們認為當前主要集中在兩方面，第一是底部出清的國內優質IDC 龍頭公司，第二是存在預期差的北美 IDC 產業鏈，第三是國產算力芯片、設備廠商。國內優質 IDC 龍頭公司目前已經底部出清，從 2020 年開始紛紛進行資本運作與產能擴張。同時，隨著國內互聯網企業基本面出回暖跡象，因此國內 IDC 的需求端情況有望逐漸改善。2022 年 09 月 13 日 P.23請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 圖表 24：國內優質 IDC 公司推薦（8 月 11 日收盤價）國內國內 IDC 公司公司 PE取Wind一致預期 股票代碼股票代碼 公

60、司名稱公司名稱 市值市值（億）（億）2021 年年PE 2022 年年PE 2023 年年PE 公司簡介公司簡介 9698.HK 萬國數據 503.83(HKD)-42.15-39.57-43.48 2022Q1 新增銷售面積 1.8 萬 m，全年預計新增 9萬 m。300738.SZ 奧飛數據 79.00(RMB)59.91 39.41 28.05 2021 年末自營 IDC 機柜數達到 1.99 萬個，同比增長 24%，面積超過 12.5 萬 m；在建項目機柜超過 5 萬個。300383.SZ 光環新網 181.38(RMB)31.90 19.57 17.31 2021 年末公司已投產機柜

61、數量超過 4.3 萬個，用戶上架率超過 70%；在運營及儲備項目規模已超過 10 萬個機柜。002335.SZ 科華數據 140.73(RMB)38.26 26.99 20.67 2021 年末，公司自持機柜數量 3 萬多個，運營 20多個數據中心。資料來源：Wind，國盛證券研究所 目前市場對北美宏觀經濟情況持謹慎態度，從而影響到 2022 年中期的北美 IDC 市場需求。不過，從北美 IDC 下游主要廠商自 2018 年以來逐漸爬升的資本開支情況來看，盡管市場擔心 22H2 在美國加息周期中，大廠投資會存在波動，但我們仍對此中長期市場需求持較樂觀的態度，一旦加息預期出現拐點（加息周期影響云

62、廠商業務收入，同時不利于中長期加杠桿），北美市場的 IDC 中下游企業將存在一定的預期差。圖表 25：北美優質 IDC 產業鏈公司推薦（8 月 11 日收盤價）北美北美 IDC 產業鏈公司產業鏈公司 PE 取 Wind 一致預期 股票代碼股票代碼 公司名稱公司名稱 市值（億）市值（億）2021 年年PE 2022 年年PE 2023 年年PE 公司簡介公司簡介 300502.SZ 新易盛 129.66 21.1 17.2 14.5 主營數通 100/200/400/800G 高速光模塊，有能力批量交付，并掌握高速率光器件芯片封裝和光器件封裝；2021 年海外營收占 78%。300570.SZ

63、太辰光 34.50 45.3 23.6 19.8 主營光連接器、分路器、插芯、光芯片等無源器件，及有源光纜、光模塊等有源器件及其組件；2021 年海外營收占 80%。300308.SZ 中際旭創 247.90 26.5 18.8 15.6 主營數通 100/200/400/800G 高速光模塊，2021年市場份額居全球第二，約為 10%；2021 年海外營收占 75%。300394.SZ 天孚通信 103.88 23.8 17.3 13.3 一站式光器件供應商，主營無源及有源光器件，成功研發光引擎產品；公司是新易盛、中際旭創的上游。002463.SZ 滬電股份 278.24 29.6 20.3

64、 15.7 主營 PCB 制造，2021 年海外營收占 68%。資料來源：Wind，國盛證券研究所 最后看國產數通市場情況。目前服務器國產替代之風較之前更為流行，因此我們看好綜合能力較強、市場份額靠前的國內網絡設備廠商，如紫光股份、星網銳捷，以及目前 A股唯一的網絡設備 ODM/OEM 企業菲菱科思。上半年受政府采購節奏影響，Q2 相對呈現業績低點，期待明年的改善。2022 年 09 月 13 日 P.24請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 圖表 26：國產服務器廠商推薦（8 月 11 日收盤價）（PE 取 Wind 一致預期）股票代碼股票代碼 公司名稱公司名稱 市值（億）市值（

65、億）2021 年年PE 2022 年年PE 2023 年年PE 公司簡介公司簡介 000938.SZ 紫光股份 576.02 30.4 21.9 17.8 云計算軟硬件廠商，客戶覆蓋面廣泛。2019-2021 年中國以太網交換機、企業路由器市場份額第二。002396.SZ 星網銳捷 131.30 25.0 16.4 12.6 主營 B/G 端通信設備與軟件服務，2021 年中國以太網交換機市場份額第三。301191.SZ 菲菱科思 43.05-20.3 16.2 主營 B/G 端、兼顧 C 端通信設備，是 A 股唯一網絡設備 ODM/OEM 廠商。資料來源：Wind，國盛證券研究所 3.3 邊

66、緣計算邊緣計算：方興未艾，未來可期方興未艾，未來可期 前文提到，由于未來社會算力爆發下產生的海量數據傳輸需求，完全依靠 IDC 提供中心化算力支撐乃是效率較低的選擇，無論是智能駕駛對于時延的要求，亦或是傳輸高清視頻圖像等帶來的大額帶寬成本，都將進一步加劇“集中式”與“分布式”需求的錯配。圖表 27：云計算部署方式 圖表 28：邊緣計算部署方式 資料來源：Gartner，國盛證券研究所 資料來源：Gartner，國盛證券研究所 在此背景下，邊緣計算便成為了傳統云端算力的很好補充，云計算聚焦非實時，長周期數據的大數據分析，能夠在周期性維護，業務決策支撐等領域發揮特長。邊緣計算聚焦實時、短周期數據的

67、分析，能更好的支撐本地業務的實時智能化處理與執行。算力“泛在”的模式也將隨著邊緣計算的加入得到完善。當前時點，邊緣計算產業正處于起步前期，部分行業應用開始涌現并走向成熟，本段將從邊緣計算的定義、優勢、行業空間、應用案例、產業鏈玩家、A 股相關標的來剖析邊緣計算的當前現狀與未來機會、邊緣計算的定義邊緣計算的定義 根據邊緣計算產業聯盟的定義，邊緣計算是在靠近物或者數據源頭得到網絡邊緣側，融合網絡、計算、存儲、應用核心能力的開放平臺，就近提供邊緣智能服務，滿足行業數字化在敏捷聯接，實時業務、數據優化、應用智能、安全與隱私保護封方面的關鍵需求。2022 年 09 月 13 日 P.25請仔細閱讀本報告

68、末頁聲明請仔細閱讀本報告末頁聲明 圖表 29：邊緣計算的范圍 資料來源：Gartner，國盛證券研究所 邊緣計算的發展最早可以追溯到 1998 年，AKAMAI 公司在當年首次提出了 CDN 網絡，再到 2012 年思科公司正式提出霧計算概念，2013 年美國太平洋西北國家實驗室首次提出邊緣計算。圖表 30：邊緣計算發展歷史 資料來源：工業互聯網產業聯盟，國盛證券研究所 在相關理論加速成熟的同時，行業聯盟也在加速建立，目前主流的邊緣計算聯盟包括了思科、ARM、英特爾、戴爾、微軟、普林斯頓大學等 6 家機構成立的開放霧計算聯盟、華為、沈自所、信通院、因特爾、ARM、軟通動力等 6 家機構聯合發起

69、成立了邊緣計算產業聯盟、IEC/ISO JTC1 SC41 成立的邊緣計算研究組、IIC 成立邊緣計算技術工作組和IEEE 成立的霧計算網絡架構工作組等。2022 年 09 月 13 日 P.26請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 圖表 31：邊緣計算產業聯盟 資料來源：工業互聯網產業聯盟，國盛證券研究所 從功能由簡到繁來分析，邊緣計算的發展總體可以分為三個結算，即聯接、智能、自治。聯接階段聯接階段，邊緣計算主要解決終端及設備的海量、異構與實時連接，網絡自動部署與運維，并保證聯接的安全、可靠與互操作性。這一階段的典型應用包括了自動抄表等 智能階段智能階段，在該階段，邊緣側將會引入

70、數據分析與業務自動處理能力，智能化執行蹦迪業務邏輯，大幅提升效率，降低成本。這一階段的典型應用包括了各種設備的自我狀態監測等。自治階段自治階段，在該階段，隨著 AI 等技術引入，邊緣側不僅可以自主進行業務邏輯分析與計算，還能夠動態實時的自我優化，調整和執行策略，該階段的典型應用是各類無人工廠和智能化設備。邊緣計算的邊緣計算的優勢優勢 我們認為，在 5G，AI、物聯網等技術與環境的加持下，邊緣計算體現出了 5 大應用價值，分別是低延時、低帶寬、更經濟的智能、數據可控、高可靠低延時、低帶寬、更經濟的智能、數據可控、高可靠。低時延低時延：低時延是提高用戶體驗甚至是使得某些應用能夠工作的重要因素。一方

71、面，邊緣計算通過在網絡邊緣進行數據處理，降低了因數據在終端和云端之間多跳傳輸產生的時延。另一方面，利用優化的邊緣算力進行數據處理，也比利用有限的終端算力進行數據。低帶寬：低帶寬：物聯網設備產生的數據具有體量大、價值密度較小的特性。如果把原始數據直接傳輸到云端進行處理，很大程度上造成網絡擁塞，為了保證帶寬所需的成本代價也極高。邊緣計算對海量原始數據進行預處理和分析挖掘，將產生的高價值洞察傳送到云端，極大程度降低了對帶寬的依賴。更經濟的智能：更經濟的智能：視頻監控、語音識別、圖像分析等人工智能應用越來越廣泛地被應用于滿足行業的業務需求。AI 模型的訓練需要非常強大算力的支持，不可避免地要在云端進行

72、。但基于實時數據進行模型推理如果也在云端進行，網絡成本會非常高。同時，普通的終端設備無論從算力還是能耗角度都無法支持模型的推理。邊緣計算將 AI 模型推理卸載到邊緣節點，在邊緣節點上通過 GPU、加速硬件虛擬化等機制提高模型推理的并發能力，以一種經濟有效的方式實現應用智能。2022 年 09 月 13 日 P.27請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 數據可控：數據可控：企業往往對將自己的生產數據傳輸到云端進行處理有很大顧慮。邊緣計算能實現敏感數據不出工廠，不出園區，直接在本地對數據進行清洗、預處理、聚合、篩選，避免了數據傳輸過程中可能的泄露、遺失、篡改等風險。此外，云計算數據中心

73、對數據的安全控制力度并不是十分理想，API 訪問權限控制以及密鑰生成、存儲和管理方面的不足都可能造成數據泄漏，并且還可能缺乏必要的數據銷毀政策。邊緣計算可以實現更可控的本地數據存儲和管理，降低數據風險。高可靠：高可靠：靠近數據生產或者使用的場所往往物理環境復雜、網絡條件不穩定、潛在的攻擊窗口眾多。邊緣計算硬件專為嚴苛的物理環境設計，具有緊湊、堅固、抗高溫高濕等物理特性。邊緣計算軟件平臺通過云邊協同來保障端到端的 SLA，邊緣節點在斷網期間能實現自治，繼續支撐其上應用的運行，在網絡恢復之后，還能自動與云端更新數據、狀態。邊緣計算軟件平臺還支持應用跨節點部署及多實例運行等能力，當某個節點發生故障時

74、，可快速實現負載遷移，避免對業務的影響。圖表 32：邊緣計算的五大核心優勢 資料來源：聯想邊緣計算白皮書、國盛證券研究所 邊緣計算與邊緣計算與 5G 隨著 5G 時代的到來，5G 的廣連接、低時延、高帶寬三大特性完美契合了邊緣計算設備需要的網絡指標。根據 5GPPP 發布的白皮書5G empowering vertical industries5G 通過邊緣計算技術將應用部署到數據側，而不是將所有數據發送到集中的數據中心，滿足應用的實時性。白皮書認為，智慧工廠、智能電網、智能駕駛、健康醫療、娛樂和數字媒體是未來最具商業規模且排名靠前的邊緣計算需求場景，極具典型性，并且運營商也在這些領域與行業客

75、戶緊密合作，基于用戶需求，共同推動邊緣計算的發展，為用戶提供安全可靠的邊緣計算業務。我們認為，5G 對于邊緣計算的推動主要在于兩方面，一是網絡架構的升級，推動邊緣計算快速成熟。5G網絡將原先4G核心網經云化拆分成5G核心控制層面和核心用戶層面，實現了用戶面與 MEC 同時下沉，有利于邊緣側的融合。二是 5G 后期以小基站為主的部署形式，有望在物理層面加速邊緣計算網絡的拓展。2022 年 09 月 13 日 P.28請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 圖表 33：5G 下的邊緣計算 資料來源：中國聯通邊緣計算白皮書，國盛證券研究所 當前，當前，5G 網絡下的邊緣計算主要分為兩類，第

76、一是網絡下的邊緣計算主要分為兩類，第一是廣域廣域 MEC，第二類是，第二類是局域局域 MEC。廣域廣域 MEC 場景場景 低時延業務的百公里傳輸引入的雙向時延低于 1ms，但是基于廣域 MEC 的 5G 公網，已經能夠為大量垂直行業提供 5G 服務。MEC 部署在安全可控的匯聚機房是當前運營商廣域 MEC 的主力方案，可用于權衡應用對接、運維復雜度、設備和工程成本等多種因素。圖表 34：廣域 MEC 資料來源：工業互聯網產業聯盟，國盛證券研究所 2022 年 09 月 13 日 P.29請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 廣域 MEC 的主要應用場景包括：大網 OTT 連接（Cl

77、oud VR/云游戲）、大網集團連接（公交廣告/通安防）、大網中的 URLLC 專網（電力等）、大網專線連接（企業專線）等。通過將 MEC 部署在匯聚機房，滿足這些應用場景下的低時延的業務訴求。局域局域 MEC 場景場景 將 MEC 部署在園區有利于安全與隱私保護高敏感的行業，以滿足數據不出園的要求。港口龍門吊的遠程操控，鋼鐵廠的天車遠程操控，以及大部分的制造、石化、教育、醫療等園區/廠區都是局域 MEC 的典型場景。局域 MEC 部署場景可以滿足 URLLC 超低時延業務，同時支持企業業務數據本地流量卸載（LBO），為園區客戶提供本地網絡管道。通過增強隔離和認證能力，防止公網非法訪問企業內網

78、，構建企業 5G 私網。圖表 35：局域 MEC 資料來源：工業互聯網產業聯盟。國盛證券研究所 通過 DNN、切片等方案組成企業子網，只允許無線終端接入園區內網絡；通過機卡綁定、企業 AAA 二次鑒權等手段，只允許特定終端訪問園區網絡；通過基站廣播園區專用 PLMN ID+NID 或者 CAG ID，只允許企業終端接入園區專用網絡。邊緣計算的行業規模邊緣計算的行業規模 根據 IDC 數據統計，到 2020 年，全球有超過 500 億的終端與設備聯網，未來超過 50%的數據需要在網絡邊緣側分析。處理與存儲。根據思科發布的全球云指數數據，2021 年全球產生 106ZB 的流量，其中數據中心流量僅

79、占 21ZB，全球超過 70%的流量空間需要邊緣側設備的支持。根據國際數據公司(IDC)發布的全球邊緣計算支出報告，預計到 2022 年，全球在邊緣計算方面的支出將達到 1760 億美元，比 2021 年增長 14.8%。企業和服務提供商在邊緣解決方案的硬件、軟件和服務上的支出預計將持續到 2025 年，這一增長速度將達到近2740 億美元。從地理角度來看，美國將成為優勢解決方案的最大投資者，預計到 2022 年支出將達到765 億美元。西歐和中國將是第二大地區，支出總額分別為 306 億美元和 208 億美元。在未來五年的預測中，中國將以 19.7%的復合年增長率成為支出增長最快的國家，其次

80、是拉美，其復合年增長率為 19.4%。2022 年 09 月 13 日 P.30請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 圖表 36：全球數據流量類型（ZB/Y）資料來源：思科全球云指數數據，國盛證券研究所 邊緣計算邊緣計算產業產業玩家玩家分析分析 當前家邊緣計算市場上的玩家眾多，來自不同陣營的力量正在以不同的路線共同推動邊緣計算的快速發展。主要分為四類，主要為公有云廠商、運營商、CDN、以及 ICT 廠商。公有云廠商：公有云廠商：將云計算能力向設備和用戶側延伸，擴充云數據中心的外延，將云原生的統一編程模式通過邊緣網關的能力應用到設備構成的邊緣云，主打云邊協同一體化。代表：亞馬遜、百度

81、、阿里 運營商：運營商：運營商將 IT 能力同基礎網絡承載與業務運營融合，提供基站的邊緣計算服 務及 5G 網絡接入管理。CDN 公司：以原有公司：以原有 CDN 網絡為基數，逐步搭建邊緣計算平臺，并基于該平臺提供從數網絡為基數，逐步搭建邊緣計算平臺，并基于該平臺提供從數據安全到流量分析的全套增值服務。據安全到流量分析的全套增值服務。代表：網宿科技、Cloudflare ICT 廠商廠商：將基礎軟硬件及技術服務同邊緣計算場景融合，實現軟硬一體的邊緣計算私有化部署，并力推云網融合從而達到 5G 云化網絡與邊緣計算的充分結合，以滿足各類行業智能化應用所急需的新型邊緣側高性能網絡與計算資源。代表：聯

82、想、浪潮、新華三、中興、華為、初靈信息 912141721314052678502040608010012020172018201920202021生成可用數據數據中心流量 2022 年 09 月 13 日 P.31請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 圖表 37：邊緣計算主要玩家 云計算巨頭云計算巨頭 微軟微軟 邊緣計算平臺邊緣計算平臺 云端能力融入終端，本地聚合分析與預測云端能力融入終端，本地聚合分析與預測 AWS 邊緣計算平臺邊緣計算平臺 賦能 DeepLens 設備（AI 相機），用于在邊緣進行機器學習模型構建 Google 邊緣計算系統 基于 AI，主要針對家電設備 阿里

83、云 邊緣計算平臺邊緣計算平臺 用于 AI 實踐，目前已獲 16 家芯片、52 家設備商、184款模組和網關支持 百度 邊緣計算平臺邊緣計算平臺 將云端的數據管理與計算機功能以軟件的方式放在 設備端 IT 巨頭巨頭 華為+GE 邊緣計算平臺邊緣計算平臺 設備運行狀態實時監測，提供預測性維護的智能決策 Vmware 邊緣監視運用 運行在戴爾服務器上，與 IP 視頻監控產品的 Axis 通信 公司合作 Intel 邊緣處理器 瞄準對密度和電力消耗的問題更為敏感的邊緣環境 Linux 基金會 物聯網設備互操作框架 解決物聯網器件的互操作性問題，在系統邊緣部署 運行著 EdgeX 核心程序的網關設備 C

84、DN 巨頭巨頭 網宿 邊緣網絡，正在建設平臺平臺 提供邊緣 LaaS 和 PaaS 服務 CloudFlare 邊緣網絡及平臺平臺 微服務形式，支持邊緣編程 運營商運營商 移動 邊緣網絡 低時延智能網絡（云游戲試點）電信 邊緣網絡，邊緣云平臺平臺試點 工業互聯網邊緣計算開放平臺；延展現有 CDN 服務，并為多網絡用戶服務 聯通 邊緣網絡，建設平臺平臺中 2025 年 100%云化；發布 CDN+邊緣計算的多款融 合應用 AT&T 邊緣網絡 靠近商業站點的特定地理位置部署高級云服務 資料來源：表內公司官網，國盛證券研究所 邊緣計算主流應用邊緣計算主流應用 當下邊緣計算較為成熟的應用主要集中在預測

85、性維護、能效管理、智能制造，面向未來，我們認為自動駕駛、AI、AR/VR 等需要高算力、低延時的場景會逐漸成長為邊緣計算的主流場景，這些場景我們會在第五節中進行展開。預測性維護預測性維護 傳統的維護方式主要是事后維護和預防性維護，事后維護會導致業務中斷，預防性維護采用人工例行檢修，導致維護成本大幅度上升，以梯聯網為例，全球有超過 1500 萬部電梯在網運行，電梯維保和售后服務正式成為電梯行業的“新藍?！?，越來越多的電梯廠商轉向整合產業鏈、依靠維保服務增加企業收入，但電梯通過事后維護和預防性維護的成本很高，且首次維護成功率低于 20%。為實現商業模式創新，電梯廠商必須通過數字化改造提升運維效率、

86、降低運維成本。通過引入邊緣計算，可以助力電梯廠商從傳統的預防性維護升級到新一代實時預測性維護，從而實現產品向服務的價值延申：預測性維護，降低維護成本 以電梯為例，基于電梯內大量的傳感器，可以對電梯運行狀態實時感知。通過本地的邊緣計算融合網關可以提供數據分析能力，第一時間發現設備潛在故障。同時提供本地存活，一旦與云端聯接故障，數據可以本地保存，聯接恢復后，本地收斂數據自動同步到云端，確保云端可以對每部電梯形成完整視圖。2022 年 09 月 13 日 P.32請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 安全保障 提供覆蓋終端、網關芯片、網關 OS、網絡、數據的多重安全保護。產品向服務的延伸

87、 可以幫助電梯廠家研發改善產品質量、售后提升服務滿意度；可以開放給樓宇物業等，幫助提供緊急救援等服務；可以為廣告廠商等提供媒資傳播平臺。典型行業應用場景：電梯、特種車、數控機床、二次供水設備、能源預測性維護等。能效管理能效管理 隨著世界經濟的發展，發展需求與能源制約的矛盾愈加明顯，能耗水平反映了一個國家或地區的經濟發展水平和生活質量，在能源需求日趨緊張的情況下，如何實現建筑能耗量化以及效果評估，降低建筑物（包括空調、路燈照明、辦公設備等）運行過程中消耗的能量，從而降低運行成本，同時提高用戶使用滿意度，滿足各大企業從提供產品向提供服務轉型，成為各大企業或組織機構最為關注的問題。以路燈為例，世界

88、80%的路燈廠商都準備向智能路燈轉型，通過智能路燈節能減排，相關國家和國際組織也逐步在法律中明確建設綠色節能標準，如全球氣候組織呼吁十年完成全球路燈智能化改造、實現能耗減半。通過引入邊緣計算，能夠為能效管理帶來以下提升：更低的能源消耗 通過實時能效控制有效降低建筑能耗，節約能源方面的開支，據澳大利亞墨爾本項目客戶提供的數據，樓宇能效解決方案部署后有效降低了能耗的 80%；更低的維護成本 實現能源信息采集自動化，節省人工采集費用，降低維護成本，智能路燈解決方案部署后有效降低了 80%的維護成本；更高的可靠性 多級可靠保證，控制計劃和策略同步并儲存在邊緣側，在云端控制出現異常的時候，保證正常工作和

89、管理，同時邊緣側能夠實時監測路燈、開關、空調等采集設備的狀態，進行可預測性維護，在設備可能出現故障時實時進行策略調整。典型行業應用場景：樓宇能效管理、智能路燈等。智能制造智能制造 隨著消費者對產品需求的日益增高，產品的生命周期越來越短，小批量多批次，具有定制化需求的產品生產模式將一定程度替代大批量生產制造模式，先前制造體系嚴格的分層架構已經無法滿足當前的制造需求，以某消費電子類產品的制造生產線為例，采用PLC+POC 的模式構建，由于訂單種類增加，單批次數量減少，導致平均每周的切單轉產耗時 12 天；新工藝升級每年至少 3 次、設備更替每年近百次，導致的控制邏輯/工序操作重置、接口配置耗時約

90、512 周，嚴重影響了新產品上線效率。另外制造智能化也是中國，美國，德國等世界主要制造大國未來 10 年的發展方向，以中國為例，到 2025年，制造業重點領域全面實現智能化，試點示范項目運營成本降低 50%，產品生產周期縮短 50%，不良品率降低 50%，制造智能化首先需要加強制造業 ICT 系統和 OT 系統之間的靈活交互，顯然先前的制造體系也無法支撐全面智能化。2022 年 09 月 13 日 P.33請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 圖表 38：智能制造架構 資料來源：邊緣計算產業聯盟白皮書，國盛證券研究所 邊緣計算能夠推動智能制造的實現。邊緣計算在工業系統中的具體表現形

91、式是工業 CPS系統，該系統在底層通過工業服務適配器，將現場設備封裝成 web 服務；在基礎設施層，通過工業無線和工業 SDN 網絡將現場設備以扁平互聯網的方式聯接到工業數據平臺中；在數據平臺中，根據產線的工藝和工序模型，通過服務組合對現場設備進行動態管理和組合，并與 MES 等系統對接。工業 CPS 系統能夠支撐生產計劃靈活適應產線資源的變化，舊的制造設備快速替換與新設備上線。通過引入邊緣計算，能夠為制造業帶來以下提升：設備靈活替換 通過 web 互操作接口進行工序重組，實現新設備的即插即用，實現損壞設備的快速替換。減少人力投入 50%（取消了 OPC 配置工作，工作量下降一半），實施效率提

92、升 1 倍；生產計劃靈活調整 通過生產節拍、物料供給方式的自動變化來適應每天多次的計劃調整，消除多個型號的混線切單，五六路徑切換導致的 I/O 配置時間損耗；新工藝/新型號快速部署 通過 web 化的工藝模型的自適應調整消除新工藝部署帶來的 PLC（涉及數百個邏輯快、多達十幾層嵌套判斷邏輯）重編程、斷電啟停、數百個 OPC 變量修改重置的時間，新工藝部署時間縮短 80%以上。典型行業應用場景：軟件定義的可重構制造系統 2022 年 09 月 13 日 P.34請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 圖表 39：邊緣計算在智能制造中的應用 資料來源：邊緣計算產業聯盟白皮書，國盛證券研究

93、所 邊緣計算邊緣計算 A 股股上市公司上市公司 當前，邊緣計算產業鏈在當前，邊緣計算產業鏈在 A 股主要集中于股主要集中于 CDN 公司以及公司以及 ICT 廠商，我們在下表中羅列廠商，我們在下表中羅列了當前了當前 A 股中的主要邊緣計算公司以及他們的邊緣計算布局。股中的主要邊緣計算公司以及他們的邊緣計算布局。圖表 40：邊緣計算 A 股標的（9 月 2 日收盤價）（PE 取 Wind 一致預期）股票代碼 名稱 市值（億）21PE 22PE 23PE 公司簡介 000938.SZ 網宿科技 124.8 77.75 56.65 47.26 中國 CDN 龍頭，公司依托強大的 CDN 網絡布局，為

94、客戶提供包含邊緣云主機與容器在內的邊緣云整體解決方案 002396.SZ 初靈信息 27.74 34.72 29.2 24.55 國內 DPI 龍頭，長期為運營商提供邊緣側設備與解決方案，擁有豐富的邊緣計算產品能力 000938.SZ 紫光集團 485.08 22.7 18.94 15.41 集團下屬新華三是國內交換機龍頭，為邊緣計算提供從服務器、交換機、網關的全套硬件支撐 資料來源：Wind，國盛證券研究所 4.綠色：綠色：雙碳雙碳制約制約下的算力網絡下的算力網絡 算力發展高速發展過程中將不得不面臨能耗問題，云端、邊緣、終端以及網絡傳輸要求算力發展高速發展過程中將不得不面臨能耗問題，云端、邊

95、緣、終端以及網絡傳輸要求的持續的持續提升提升，勢必帶來能耗激增的問題，勢必帶來能耗激增的問題，硅基芯片工藝制程提升的難度凸顯，單位算力硅基芯片工藝制程提升的難度凸顯，單位算力 2022 年 09 月 13 日 P.35請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 功耗進一步下探幅度有限功耗進一步下探幅度有限，能耗的增長將挑戰數字智能時代社會的可持續發展，在雙碳能耗的增長將挑戰數字智能時代社會的可持續發展，在雙碳大背景下，構建綠色算力網絡生態逐漸成為新的挑戰和機遇。大背景下，構建綠色算力網絡生態逐漸成為新的挑戰和機遇。我們提出算力能耗公式我們提出算力能耗公式：能源能源+算力算力價值價值+熱量

96、熱量 短期看，芯片和算法是轉換的核心，但隨著算力價值的凸顯，能源將是算力市場的終極短期看，芯片和算法是轉換的核心，但隨著算力價值的凸顯，能源將是算力市場的終極制約因素。制約因素。4.1.算力需求指數及增長，數據中心能耗要求越發嚴格算力需求指數及增長，數據中心能耗要求越發嚴格 算力規模持續大規模增長，單算力規模持續大規模增長，單位算力功耗逼近極限。位算力功耗逼近極限。功耗是影響算力水平發展的重要因素之一，在單位算力功耗呈現出逐年遞減，且正向著極限逼近的態勢下，算力的整體量級卻仍然隨著其廣泛的應用而持續大規模增長。一方面必須依托算力的大規模使用以實現智能社會的演進，而另一方面這一進程又必將伴隨著碳

97、排放的提升而導致全球氣候的不可預測性顯著增加，這一雙手互博式的矛盾綜合體正在引起越來越高的關注。圖表 41：歷年服務器芯片能耗對比（W/GFLOPS）資料來源：Intel，AMD，國盛證券研究所 硅基芯片工藝制程提升的難度凸顯，單位算力功耗進一步下探幅度有限。硅基芯片工藝制程提升的難度凸顯，單位算力功耗進一步下探幅度有限。隨著工藝制程的進步，輸出單位算力所需要的功耗水平(W/GFLOPS)從 90 納米制程開始呈現出了指數級下降的趨勢，發展到當下 7 納米制程的先進處理器芯片時已開始趨近于 WIGFLOPS，下探難度愈發增大。從原理來看，由于功耗水平下降的核心驅動力來自于芯片制造工藝的低制程化

98、，而這一趨勢正受到硅基芯片上晶體管柵長縮減引發的量子隧穿效應挑戰，一旦到達臨界制程可能將造成晶體管閉合功能的全面無效化。因此在沒有新型材料替代的條件下，單位算力功耗難以進一步下降。35.2022.0032.007.207.823.000.190.160.090.060510152025303540180nm180nm90nm65nm45nm32nm22nm14nm12nm7nmPentiumIII 800PentiumIII 1000PentiumIII D820Core 2DuoE4500Core 2QuadQ9400Core i7-2600KCore i7-4770KCore i7-870

99、00KAMDRyzen 72700XAMDRyzen 73800XW/GFLOPS 2022 年 09 月 13 日 P.36請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 圖表 42：晶體管結構原理及 3nm 以后解決方案展望 資料來源：Making Chips At 3nm And Beyond2020.04，國盛證券研究所整理 數據中心用電量占比持續提升，制冷及數據中心用電量占比持續提升，制冷及 IT 設備占比達設備占比達 80%。在芯片單位算力功耗下降幅度有限的背景下，智能社會應用的廣泛普及無可避免，勢必導致算力功耗總量的進一步提升。根據工信部數據，隨著人工智能、物聯網、區塊鏈等技術

100、的發展，我國數據中心總用電量為1609億千瓦時，占中國全社會用電量的2.35%，已經顯著超過上海市2018年全社會用電量。面問未來，數據中心算力將在信息技術產業的大力發展下繼續增長，2023 年將較 2019 年增長 66%，年均增長率將達到 10.64%。從數據中心內部來看，我國數據中心電力成本占運營成本的 60%以上，數據中心耗能部分主要包括制冷系統、IT設備、供電系統和照明系統，其中制冷系統和 IT 設備合計占總能耗的 80%。圖表 43：數據中心能耗組成 資料來源：工信部，國盛證券研究所 2021 年年 7 月，工信部印發新型數據中心發展三年計劃（月，工信部印發新型數據中心發展三年計劃

101、（2021-2023 年）的通知：年）的通知：明確用三年時間基本形成布局合理、技術先進、綠色低碳、算力規模與數字經濟增長相適應的新型數據中心發展格局，數據中心能耗要求更加苛刻，對于新建和改造項目均存數據中心能耗要求更加苛刻，對于新建和改造項目均存在明顯機遇。在明顯機遇。40%40%10%55%數據中心能耗組成制冷設備IT設備供配電系統照明設備其他 2022 年 09 月 13 日 P.37請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 圖表 44：重點城市數據中心最新政策 資料來源：各有關部門，國盛證券研究所 超大型數據中心符合綠色趨勢。超大型數據中心符合綠色趨勢。數據中心 PUE 優化的一

102、大核心方向在于建立更多超大型(10000 個標準機架可共置至少 100000 臺服務器）和大型數據中心(3000 個標準機架可共置放至少 30000 臺服務器），從而帶動整體數據中心 PUE 值優化。超大型/大型數據中心會更加系統地從基礎設施和管理系統層面來進行優化，降低功耗，且通常會采用能耗比更加優秀的服務器、數通設備、節能型供電和冷卻配套硬件解決方案 圖表 45：歐洲和中國不同類型數據中西 PUE 水平 資料來源：工信部，哥本哈根經濟，公開資料整理，羅蘭貝格，國盛證券研究所 4.2.大型化、智能化和散熱技術創新是綠色數據中心關鍵點大型化、智能化和散熱技術創新是綠色數據中心關鍵點 以百度云計

103、算（陽泉）中心為例，其設計容納 16 萬臺服務器，采用了先進的整機柜服務器，以模塊化設計將供電、散熱系統與服務器置于同一機柜內，針對每個機柜服務器的實際運行及功耗進行個體化調節，同時輔以高壓直流市電直供的供電模式，實現傳極高的能源效率。在數據中心運營管理軟件層面，大型數據中心會采用基于 Al 的智能化管理系統對供電、冷卻系統的運營狀態進行自適應的動態化調整。如華為廊坊數據中心所采用的 iCooling數據中心能效解決方案，通過 AI 對歷史運營數據分析，尋找供電、通風、冷卻等影響能耗的不同關鍵因素，建立預測模型并對相應系統進行動態調整，降低 PUE，實現能耗優化。2022 年 09 月 13

104、日 P.38請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 圖表 46：百度自研北極天蝎整機柜服務器 圖表 47：華為 iCooling 數據中心 AI 神經網絡模型 資料來源：百度，國盛證券研究所 資料來源：華為，國盛證券研究所 互聯網和云計算高速發展，對應其大型數據中心建設如火如荼，間接蒸發冷卻是當前最有效的自然資源冷卻方案，比傳統冷凍水系統節約能耗 30%左右。英維克在節能散熱領域深度布局，間接蒸發冷卻產品技術領先，就冷水板方面而言，可提供從熱源測傳熱到外部冷源的全鏈條產品，產品廣泛應用在大型數據中心或運營商機房中。圖表 48：英維克制冷系統示意圖 資料來源：英維克、國盛證券研究所 除

105、散熱創新外，除散熱創新外，UDC 是數據中心的未來新方向是數據中心的未來新方向。海底數據中心（簡稱 UDC）由岸站、海底光電復合纜、海底分電站及海底數據艙組成，主體結構為罐體結構，電氣設備、冷卻系統均布置在罐體內部，罐體頂部為海水冷卻系統。通過龐大的海水流冷卻數據艙，有效降低能耗，單艙 PUE 可低于 1.1，是高效利用海洋資源（海上風能，波浪能、潮汐能）的成功典范，海底 IDC 解決方案需求將與日俱增，尤其在華南沿海城市，市場潛力無窮。UDC 優勢主要體現在降低成本上。優勢主要體現在降低成本上。UDC 使用海水冷卻，無壓縮機運行，能夠有效降低能耗，在 25MW 典型規模情況下，UDC 綜合成

106、本降低 29%，運維成本降低 22%，且岸站占地少，只有 1/3，不需要冷卻塔，罐體內為惰性氣體，故障率低，單機柜 15-35KW，算力密度高，模塊化生產，部署效率高，90 天內完成從工廠安裝、調試到實際運行。2022 年 09 月 13 日 P.39請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 圖表 49：海底數據中心示意圖 資料來源：海蘭信官網，國盛證券研究所 4.3.芯片功耗提升空間有限，低功耗和云邊端一體是主旋律芯片功耗提升空間有限，低功耗和云邊端一體是主旋律 芯片領域，芯片領域，ARM 和和 X86 架構正在碰撞出更多火花。架構正在碰撞出更多火花。ARM 與 x86 的競爭本質上

107、是兩種不同思路的指令集系統的競爭。指令集系統在發展過程中，分化出復雜指令系統計算（Complex instruction set computing,CISC）和精簡指令系統計算（Reduced instruction set computing,RISC），后者被使用在 ARM 上。RISC 是相對于 CISC 而言的，其通過精簡指令集來減少硬件設計的復雜程度，同時每條指令集長度均相等，因此可以提升指令集執行效率，所以相同計算量下，效率往往比 CISC 更高。事實上，Intel、AMD 的新款x86 產品也在向精簡指令邁進，僅底層運行 CISC 指令。圖表 50：CISC 與 RISC 對比

108、 CISC RISC 指令 數量多，使用頻率差別大，可變長格式 數量少，使用頻率接近，定長格式，大部分為單周期指令，操作寄存器，只有Load/Store 操作內存 尋址方式 支持多種尋址方式 支持方式少 實現方式 微程序控制技術 增加了通用寄存器；硬布線邏輯控制為主；適合采用流水線 擅長領域 通用計算 專用計算（如多媒體）其他特點 CPU 結構復雜，設計周期長 編譯優化效率高，設計周期短 資料來源：CSDN，國盛證券研究所 功耗壓力大，功耗壓力大，ARM 在服務器領域正在在服務器領域正在興起。興起。CISC 的復雜性決定 x86 架構的 CPU 需要更高的單核主頻、更多的線程才能有更強性能，在

109、摩爾定律逐漸接近瓶頸的現代，x86 的芯片設計、制程要求變得苛刻，因此生態變得極為封閉，目前市場僅剩 Intel、AMD 兩位玩家。ARM 走“眾人拾柴火焰高”的路線，走“眾人拾柴火焰高”的路線，2021 年已授權年已授權 530 家合作伙伴，授權數家合作伙伴，授權數量達到量達到 1910 件。件。ARM 賽道玩家眾多，在商用服務器 CPU 領域，華為海思、凱為半導體、高通、安培和飛騰均有代表性產品。2022 年 09 月 13 日 P.40請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 2018 年以來，以年以來，以 AWS 為首的一眾云服務廠商紛紛推出各自的為首的一眾云服務廠商紛紛推出各

110、自的 ARM 架構云服務。架構云服務。目前以 AWS 的 Graviton 系列市場份額最高，2021 年 12 月推出的 Graviton 3 比 2020 年的Graviton 2 在性價比上較 2020 年同代 x86 芯片高出 65%。據集邦咨詢的消息，AWS 在2021 年 ARM 架構處理器的部署已達其整體服務器建設的 15%，并將于 2022 年超過20%。圖表 51：CISC 與 RISC 對比 云服務名稱云服務名稱 CPU AWS EC2 自研 Graviton 系列 Azure 正在研發一款 ARM 云虛擬機 Ampere Altra Oracle OCI Ampere A

111、ltraA1 阿里 阿里云 自研倚天 710 華為 華為云 自研鯤鵬系列 資料來源：AWS，Azure，Oracle，阿里，華為，國盛證券研究所 ARM 入局服務器領域并非制程工藝、主頻入局服務器領域并非制程工藝、主頻&核心數競賽的結果，而是下游需求轉變促使核心數競賽的結果，而是下游需求轉變促使ARM 芯片能夠在服務器中發光發熱。芯片能夠在服務器中發光發熱。ARM 得到云計算大廠青睞，主要有以下幾個原因：1）邊緣計算及微型）邊緣計算及微型 IDC 需求增加，需求增加，ARM 依靠低成本占據優勢。依靠低成本占據優勢。受國際形勢及各國加強數據主權的影響，各大云計算廠商都在積極向市場投放微型數據中心

112、，微型數據中心體積相對較小，對能源的需求較低，以便幫助集中式數據中心完成一部分邊緣計算任務，同時，邊緣計算往往數據多元化、計算負載變化大，因此 ARM 架構 CPU 是部署微型數據中心建立分布式業務的更好選擇。例如，同代的 ARM Cortex-A72 與 x86 Broadwell 對比單核物理面積，前者僅 1.15mm2，是后者的約七分之一。圖表 52：RM Cortex-A72 架構 資料來源：ARM，國盛證券研究所 2）ARM 架構的“眾核”、單線程架構保證了更高的效率。架構的“眾核”、單線程架構保證了更高的效率。以 Oracle 公司 OCI 云服務的AmpereA1 CPU 為例，

113、相比于同代、相似性能 x86 架構的 IntelXeon Optimized 3，AmpereA1 在執行 H.264 視頻處理計算任務時花費 1 美元處理的幀數提升了 98%，相比AMDEPYCE4 提升了 22%。ARM 架構 CPU 擁有更低的單位成本，一是因為 ARM 的專用計算單元與異構計算技術結合，處理速度更快，二是因為 x86 架構 CPU 單核主頻高、線程多，處理任務時功耗較高，而 x86 的多核優化往往難以在不同計算任務中都得到保證。2022 年 09 月 13 日 P.41請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 圖表 53：ARM Ampere A1 與 x86I

114、ntel Xeon Optimized 3、AMD EPYC E4 的 H.264 視頻處理效率對比 資料來源：ARMCommunity，國盛證券研究所 3）異構計算時代到來，）異構計算時代到來，ARM 的可定制特性獲得青睞。的可定制特性獲得青睞。在沒有云服務的時代，x86 這種通用性、兼容性強的架構可以滿足絕大部分計算需求，同時，摩爾定律在過去可以持續生效，提升主頻頻率、增加核心數便可以使芯片性能突飛猛進；而如今硬件虛擬化、云計算興起，同時芯片制程迎來瓶頸，讓計算機引入特定計算單元變成必然趨勢，異構計算成為串/并聯特定種類的計算機的混合系統，因此以定制化見長的 ARM 架構便有了用武之地。4

115、）云端一體化趨勢已現，打通生態）云端一體化趨勢已現，打通生態 ARM 前景可期。前景可期。2020 年，蘋果公司首次發布基于ARM 的 M1 芯片取代 Macbook 系列 intel X86 芯片，M1 芯片提升專用計算性能（如macOS 擅長的視頻剪輯、圖像處理）僅是蘋果自研 ARM 芯片的其中一個小目標，其最重要的目標在于統一不同設備的芯片架構，創造出設備從底至頂的完全互聯互通，M1芯片的 macOS 設備現在可以運行一部分 iOS、iPadOS 的 App，未來后兩者也有望運行macOS 原先專有的 App。無獨有偶，在移動端和物聯網領域，ARM 生態市占率明顯領先，手機、物聯網終端設

116、備、電動車智能座艙等越來越多領域使用高通或其他 ARM 架構芯片，云端一體化趨勢下，ARM 生態前景值得期待。圖表 54：基于 ARM 架構的蘋果 M1 芯片 圖表 55：電動車智能座艙大火的高通 8155 芯片 資料來源：蘋果，國盛證券研究所 資料來源：高通，國盛證券研究所 以大數據搜索、云游戲等為代表的場景，其提出了高并發性、端云協同性等要求。然而，2022 年 09 月 13 日 P.42請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 依托現有的以 X86 為主的架構難以針對各類場景都提供有效支持，因而提出了對于以ARM 為代表的 RISC 等更多類架構芯片發展、同時實現端到端的適配要

117、求，即算力生態多樣化。目前我們使用 x86 和 ARM 服務器時不存在特別的感受，是因為廠商在研發時已經盡可能地將其封裝成黑盒產品，以避免兼容性問題；但是未來隨著大部分算力都有望搬上云端，x86 廠商則必須重新審視云端與終端的異構兼容效率。從各廠商的研發動向來看，Nvidia 發布了基于 ARM 的 AI 計算 CPU，大幅突破了云端深度學習與終端 Nvidia GPU 的數據傳輸瓶頸；微軟正在自研 ARM 處理器，將率先使用在自家 Azure 上；Intel 進軍與ARM 同源的 RISC-V，從另一個方向入局精簡指令集生態。我們認為，ARM 架構的芯片架構的芯片有望逐漸成為主流服務器芯片之

118、一，從底層硬件的層面解決云端與終端的生態壁壘問題。有望逐漸成為主流服務器芯片之一，從底層硬件的層面解決云端與終端的生態壁壘問題。圖表 56：RISC 架構對未來智能化社會要求更加匹配，以 ARM 為例 資料來源：羅蘭貝格，國盛證券研究所 4.4.提升光傳輸密度是降低器件功耗的主攻方向提升光傳輸密度是降低器件功耗的主攻方向 在基站設備及數據中心內部，芯片在基站設備及數據中心內部，芯片/Serdes/光電轉換模塊等關鍵器件的功耗在整機功光電轉換模塊等關鍵器件的功耗在整機功耗占比達耗占比達 60%-80%。通過提高光模塊速率，或者。通過提高光模塊速率，或者芯片出光、光交換芯片出光、光交換，實現設備能

119、效顯實現設備能效顯著提升著提升。光模塊速率提升單位功耗明顯降低，而共封裝光學。光模塊速率提升單位功耗明顯降低，而共封裝光學(CPO)把光收發器與設備芯把光收發器與設備芯片集成在一個片集成在一個 CMOS 襯底上，省去襯底上，省去 CDR、DFE/CTLE/FFE 等功能，有望提升等功能，有望提升 80%的的Serdes 能效。能效。光模塊速率提升光模塊速率提升單位功耗明顯降低，高速率單位功耗明顯降低，高速率大勢所趨。大勢所趨。傳輸速率是光模塊重要的技術指標，隨著光通信行業的不斷發展，高速率產品是光通信行業的發展趨勢，高速率產品在單位能耗上也更具優勢，符合綠色化大趨勢。目前，針對數據中心&以太網

120、的產品方案包括 10G、25G、40G、100G、200G、400G、800G 光通信模塊。以中際旭創產品為例：10G 光通信模塊能耗小于 1.8W；25G 光通信模塊能耗在 1W1.5W 區間。40G 光通信模塊能耗為 1.5W3.5W。100G 光通信模塊能耗在 2.5W4.5W 區間。200G 光通信模塊：能耗為 5.5W6.5W。400G 光通信模塊：能耗在 12W。800G 光通信模塊：能耗在 16W。數據中心使用光模塊單 Gbit/s 的能耗呈現向不斷減小的趨勢發展。2022 年 09 月 13 日 P.43請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 圖表 57：隨著速率持續

121、提升，光模塊單 Gbit/s 的能耗持續降低（單位：W/G）資料來源：中際旭創，國盛證券研究所測算 CPO 方案有望大幅降低能耗。方案有望大幅降低能耗。傳統交換機的光模塊在前端面板，距離交換機 ASIC 較遠，由此產生的物理效率損耗逐漸成為交換機速率進一步提升的瓶頸，傳統交換機速率達到51.2T 以上時將迎來功耗墻。共同封裝光組件（CPO）交換機將交換機芯片（或 XPU）ASIC 和光引擎共同封裝在同一基板上，光引擎的位置盡量靠近 ASIC，以最大程度地減少高速電通道損耗和阻抗不連續性，從而可以使用速度更快、功耗更低的片外 I/O 驅動器，功耗墻問題迎刃而解。CPO 已經成為業界的替代封裝方案

122、。圖表 58：CPO 交換機系統架構 圖表 59：intel 1.6 T 硅光引擎與 12.8T 的可編程以太網交換機集成 CPO交換機實物 資料來源：Intel，國盛證券研究所 資料來源：Intel，國盛證券研究所 我們我們預測，預測，到到 2025 年之前，年之前，CPO 共封裝光學共封裝光學有望有望實現商用。實現商用。一些學術機構也正在研究可以替代電交換網的光 Cell 交換技術，預計到 2030 年之前將出現采用光總線和光 Cell交換技術的設備級光電混合產品。在更遠的未來，產業還將出現采用光計算和光 RAM 內核與通用計算內核混合的芯片級產品。4.5.結合使用綠色能源是算力可持續發展

123、之路結合使用綠色能源是算力可持續發展之路 0.180.060.08750.0450.03250.030.0200.050.10.150.20100200300400500600700800Power Consumption/Data Rate 2022 年 09 月 13 日 P.44請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 我國綠色能源資源豐富我國綠色能源資源豐富。降低數據中心 PUE 的手段除了在制冷散熱上，還可提高運營中可再生能源的覆蓋率，通過減少傳統化石燃料消耗，以達到減排目的。我國可再生資源豐富，太陽能、風能、水能等可再生能源使用將顯著降低碳排放，瞄準可再生能源是算力可持續發

124、展的必經之路。圖表 60：我國光伏發電潛力 圖表 61：我國 70 米高度陸地（左）和海上（右）風能資源（單位：瓦/平方米）資料來源：Solargis 數據庫，國盛證券研究所 資料來源：國家發改委能源研究所，IEA.(2011).Development Roadmap for Chinas Wind Power 2050，國盛證券研究所 SAI 是一家橫向整合算力、熱力和電力行業的全球算能運營商和清潔能源科技公司。是一家橫向整合算力、熱力和電力行業的全球算能運營商和清潔能源科技公司。不少公司近年來在算力余熱綜合應用領域進行探索，例如 SAI 采用獨家的液冷和余熱回收技術，循環利用芯片余熱為潛在

125、客戶提供清潔熱力服務，同時降低數字資產算力基礎設施的運營成本。目前大多數比特幣采礦中心仍然由煤電廠提供電力，而可再生能源的使用在帶來新的機遇同時也使電網運營商面臨著一個棘手的問題：人們無法控制太陽能發電和風力發電所產生的電力數額。當產生的電力過少時，運營商可以通過啟動水力或化石燃料發電機來進行補償。但處理過多的能源則是一個復雜的挑戰。而 SAI 作為一家提供清潔算力服務的企業，通過將算力整合到能源領域，著手致力于解決類似的困境。圖表 62：傳統加熱系統與 SAI 芯片廢熱回收加熱系統 資料來源：SAIESG 報告、國盛證券研究所 2022 年 09 月 13 日 P.45請仔細閱讀本報告末頁聲

126、明請仔細閱讀本報告末頁聲明 圖表 63：SAI 的核心理念 資料來源：SAI 招股說明書、國盛證券研究所 從清潔計算業務的角度來看，SAI 有四個主要技術領域。SAIHEAT（芯片余熱利用）、SAIWATT（清潔能源消耗）、SAIBYTE（計算云網絡系統）和 SAICHIP（新型計算芯片）。SAIHEAT 通過提供 液體冷卻+余熱利用的一體化解決方案，將計算過程中產生的余熱收集起來，進行再利用，在用清潔能源替代傳統熱源的同時，幫助大幅度降低電費。SAIWATT 利用水電、風電、廢氣發電等閑置能源進行計算發電，實現閑置能源消耗和削峰填谷，并為能源所有者和作為運營商的 SAI 降低成本。SAI 還

127、提供計算能力云服務和新型芯片材料，共同降低計算行業的成本。通過前沿的基于清潔能源的計算和能源中心，以及余熱利用技術和功耗技術，SAI 可以在計算過程中減少高達 30%的能源消耗成本，同時減少基礎設施投資，從而為公司及其合作伙伴帶來高利潤率。圖表 64：SAIHEAT 余熱利用示意圖 資料來源：SAI 碳足跡報告、國盛證券研究所 在追求低碳環保的大背景下，綠色算力的全球化趨勢已現，在追求低碳環保的大背景下，綠色算力的全球化趨勢已現，SAI 將在世界各地建立計算將在世界各地建立計算和能源中心，為更多客戶提供清潔能源解決方案。和能源中心，為更多客戶提供清潔能源解決方案。一方面隨著核心業務的落地，未來

128、 SAI將進一步融入國際資本市場。通過跟更多國際投資者的合作，共同開拓全球化的業務，2022 年 09 月 13 日 P.46請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 實現共贏。另一方面 SAI 計劃在更多的國家落地試點項目。項目的場景應用將更多樣化，為工業、商業甚至大棚、居民區等提供算力的余熱再利用項目，同時也為整個市場提供更加清潔、高性能和更高性價比的算力服務。秦淮數據秦淮數據 IDC-物盡其用，重用光伏。物盡其用，重用光伏。產業基地一期位于山西省大同市，可再生能源使用率 100%。PUE 常年穩居 1.5 以下，根據當地政府的可再生能源優先發電計劃可優先使用大同本地豐富的風能、光

129、伏可再生能源，成為能源利用的典范。實際上，在 IDC 減排路途中，光伏發電作為一種較為普遍易取的方案，成為大多數據企業的合適選擇，光伏發電作為一種較為普遍易取的方案，成為大多數據企業的合適選擇，光伏市場或迎來新的一波客戶需求。伏市場或迎來新的一波客戶需求。圖表 65：行山能源信息技術產業基地一期圖 資料來源：秦淮數據，國盛證券研究所 奧飛數據是國內首家嚴格按照國內外碳排放核算情況下自運營開始就提供自運營開始就提供零碳綠色的數零碳綠色的數據中心據中心的的 IDC 公司公司。公司擬采用的節能減排措施包括采用磁懸浮制冷設備等新型節能技磁懸浮制冷設備等新型節能技術術、加裝自動調節壓縮機啟動等節能裝置加

130、裝自動調節壓縮機啟動等節能裝置、選用低功耗變頻設備、搭配使用太陽能光伏選用低功耗變頻設備、搭配使用太陽能光伏發電系統等發電系統等，務求逐步降低公司數據中心的 PUE 值。公司低碳策略一直走在行業前列，今年 7 月制定 廣東奧飛數據科技股份有限公司數據中心碳中和及新能源戰略規劃，強調公司日后要加大研發投入，健全核查標準建立，擴張光伏發電，以鞏固加大研發投入，健全核查標準建立，擴張光伏發電，以鞏固、放大、放大目前目前“綠綠色色”優勢優勢，加快主營業務收入增長率。，加快主營業務收入增長率。圖表 66：分布式光伏數據中心 資料來源：公開資料、國盛證券研究所 2022 年 09 月 13 日 P.47請

131、仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 潤建股份中標山東移動 2022-2023 年基站光伏發電改造采購項目，公司將為為山東移動 2778 個基站加裝光伏發電設施，項目所發電能由基站優先自用，實現企業節能降耗目標，剩余電能接入公共電網。項目建成后，山東移動將與公司簽訂用電協議，按協議規定的付款方式向公司支付電費。潤建股份作為通信信息網絡與能源網絡的管理和運維者，此次中標項目是公司通信綜合能源管理業務的標桿項目，為通信基站加裝光伏發電設施，并采取合同能源管理模式進行結算，實現了通信基礎設施節能降碳，具有良好的經濟效益。圖表 67：通信基站分布式光伏發電改造 資料來源：中國移動，國盛證券研

132、究所 4.6.構建全光智能算力網絡，構建全光智能算力網絡，“東數西算”“東數西算”實現資源實現資源最優最優解解 在算力未來需求持續增加的情況下，網絡帶寬和時延限制在算力未來需求持續增加的情況下，網絡帶寬和時延限制(性能）和網絡帶寬成本限制性能）和網絡帶寬成本限制(成本成本)導致的算力需求錯配問題將進一步突出，運營商作為算力網絡的底層構建者，將導致的算力需求錯配問題將進一步突出，運營商作為算力網絡的底層構建者，將承擔越來越重要的責任，構建全光智能算力網絡，通過資源調配如東數西算實現資源承擔越來越重要的責任，構建全光智能算力網絡，通過資源調配如東數西算實現資源最最優優解解，不僅有助于降低能耗，更是

133、有助于實現對網絡、算力資源、需求等綜合的，不僅有助于降低能耗，更是有助于實現對網絡、算力資源、需求等綜合的最優最優解解。在“網絡化”算力有效補充了單設備無法滿足的大部分算力需求后，仍然有部分算力需求受不同類型網絡帶寬及時延限制，仍然無法滿足低時延、大帶寬、低傳輸成本的算力需求場景，如智慧安防網絡、CDN 加速等，算力需求與算力輸出由于網絡因素影響導致錯配，造成算力潮汐效應。全光底座的建設首次提出于第全光底座的建設首次提出于第 28 屆中國國際信息通信展覽會的屆中國國際信息通信展覽會的“中國之光高峰論壇中國之光高峰論壇”上上，中國移動通信集團廣東有限公司規劃技術部總經理蔡偉文提出建設全光底座，打

134、造粵港澳大灣區的全光網城市群。全光網全光網的特點是全光接入、全光互聯、全光交換，又可以分可以分為全光底座、全光業務和光網大腦三個部分。為全光底座、全光業務和光網大腦三個部分。用個簡單的比喻，全光底座相當于高速鐵路，是全光網的物理基礎，具備架構極簡、鏈路超寬以及經濟節能的特點；全光業務則相當于高鐵列車，是全光網的業務載體，提供超清視頻、精品專線、5G 等全業務的極致承載體驗；光網大腦相當于高鐵的調度中心，是全光網的智能支撐，提供全光底座及全光業務的智慧運營?！?022 年 09 月 13 日 P.48請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 圖表 68：網絡限制和算力潮汐效應是影響算力網

135、絡的突出問題 資料來源：華為，國盛證券研究所 根據中國聯通研究院與華為技術有限公司聯合發布的 云時代的全光底座白皮書，要打造面向品質業務和云化轉型的堅實全光底座，那么全光底座應該具備如下關鍵能力：全光底座應該具備如下關鍵能力：架構穩定，極簡，大寬帶，可擴展：架構穩定，極簡，大寬帶，可擴展：全光組網，一跳直達，穩定低時延。傳輸容量持續演進，組網能力持續提升，靈活擴展，確保全光底座架構穩定。全光錨點，全業務接入：全光錨點，全業務接入：支持 ETH/SDH/PON/OTN/WDM 等多種接入技術，兼容現網，平滑演講。廣電協調，確定性承載，安全隔離：廣電協調，確定性承載，安全隔離：基于 L0/L1 的

136、硬管道技術，按需靈活協同調度，滿足高品質業務的確定性承載及高安全業務的物理隔離需求。端到端切片，一網多業務差異化端到端切片，一網多業務差異化 SLA 服務：服務：通過端到端切片，為家寬、移動、專線等不同品質需求的業務，提供不同 SLA 等級的承載服務。云光協調，業務靈活如云：云光協調，業務靈活如云：通過與云網關的業務和保護層面對接，實現新型云化業務的云網協同部署和運維，品質成本雙優。圖表 69：全光底座總體架構 資料來源：中國聯通研究院、華為技術有限公司，國盛證券研究所 2022 年 09 月 13 日 P.49請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 國家信息中心發布的 全光智慧城市

137、發展報告 2.0 中提出，在城市數字化轉型過程中，全光底座一方面服務產業應用全光底座一方面服務產業應用，如計算機視覺、智能語音、自然語言處理、知識圖譜等，另一方面賦能其他產業轉型升級另一方面賦能其他產業轉型升級，如智能制造、智慧能源、智慧交通、智慧金融、智慧教育、智慧醫療等行業。根據中國聯通研究院發布的算力時代的全光底座白皮書，全光算力網絡的典型場景如下：圖表 70：算力網絡全光應用典型場景 資料來源：中國聯通研究院，國盛證券研究所 超算類業務超算類業務：超算類業務需求不確定，在需要傳輸數據時，需要高速可靠的完成，如在HPC，渲染類場景，提升計算效率的關鍵是低成本的大算力資源，這些計算資源往往

138、不在本地，在進行計算前經常需要 100T 級別的數據傳輸，采用 OTN 彈性管道能大幅提升整體工作效率。本地計算：本地計算：算力資源少，一次計算需要 10 天。西部算力資源池西部算力資源池+普通專線：普通專線：算力資源豐富，計算僅需 1 天；采用 100M/GE 專線，傳輸數據需要 5 天，整體 6 天。西部算力資源池西部算力資源池+彈性彈性 OTN 專線：專線：算力資源豐富，計算僅需 1 天；OTN 專線彈性調整到 100G，分鐘級數據搬遷;整體 1 天,效率提升 90%以上。存貯類業務存貯類業務：典型的存貯類業務，如視頻業務的東數西存，企業 IT 類業務的 2 地 3 中心，存貯類業務需要

139、 OTN 大帶寬，采用 OTN 連接，在確保傳輸質量的同時，比按流量計費的模式成本更優。視頻監控類業務東數西存：視頻監控類業務東數西存：視頻監控類是冷數據，存在西部可節省 30%左右的算力成本；視頻數據需要無收斂實時傳輸到東部，如深圳超過 100 萬個攝像頭，如果深圳視頻數據存貯在西部集群，每個攝像頭 4M 帶寬，總計就需要 4T 以上帶寬；視頻監控數據如果采用互聯網流量計費模式，按每 G 流量 0.5 元計算，一個攝像頭年數據傳輸費用就需要 6萬左右，100 萬攝像頭年數據傳輸費用就是天文數字。采用 OTN 專線模式，在保障品質連接的同時，按帶寬計費，傳輸費用可以節省 90%以上。兩地三中心

140、：兩地三中心：企業 IT 類業務經常采用兩地三中心模式，一地兩中心可以開展雙活業務，開展雙活業務的 2 個 DC 間時延要保障在 1-2ms 內，以確保計算性能，對此種場景，僅 2022 年 09 月 13 日 P.50請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 OTN 連接能保障低時延與帶寬的穩定性；對于另外一地的備份中心，與主地的數據中心要保持數據同步，需要 DC 間采用 OTN 進行品質連接，以保障數據的可靠、安全傳輸。ToH 品質連接需求：品質連接需求：不確定性疫情爆發致使居家遠程成為新常態，典型需求如下：遠程教育：網課、課堂、教師直播。遠程辦公：會議、監控等。居家娛樂：游戲、視

141、頻、直播。家庭網絡對特定品質業務提升體驗成為剛性需求，需要 OTN/OSU 提供品質連接。我們認為，社會發展勢必將對算力網絡需求有持續高速增長，對應勢必能耗及其他資源我們認為，社會發展勢必將對算力網絡需求有持續高速增長，對應勢必能耗及其他資源需求將持續提升，如何統籌甚至預判資源和需求，優化資源將是未來發展的核心。運營需求將持續提升，如何統籌甚至預判資源和需求，優化資源將是未來發展的核心。運營商作為算力網絡的底層構建者，通過構建全光智能算力網絡，結合東數西算等進行資源商作為算力網絡的底層構建者，通過構建全光智能算力網絡，結合東數西算等進行資源調配，實現資源調配，實現資源最優最優解，不僅有助于降低

142、能耗，更是有助于實現對網絡、算力資源、需解，不僅有助于降低能耗，更是有助于實現對網絡、算力資源、需求等綜合的求等綜合的最優最優解。解。5.生態：生態：汽車汽車/元宇宙元宇宙/機器人等多場景共榮的算力生態如何機器人等多場景共榮的算力生態如何構建構建？當前社會發展已經全面進入數字智能時代，伴隨科技創新浪潮的推進，不斷涌現出算力當前社會發展已經全面進入數字智能時代，伴隨科技創新浪潮的推進，不斷涌現出算力的新應用場景，且需求量持續激增，在的新應用場景，且需求量持續激增，在 AI 和深度學習的和深度學習的深度賦能下，包括智能汽車、深度賦能下，包括智能汽車、自動駕駛、元宇宙、自動駕駛、元宇宙、AI 機器人

143、等場景正在持續迭代升級，都將對算力提出新的需求，多機器人等場景正在持續迭代升級，都將對算力提出新的需求，多場景共榮算力生態正在成型。場景共榮算力生態正在成型。圖表 71：人類社會必然向智能社會過度，需要算力進行匹配 資料來源：華為，羅蘭貝格，國盛證券研究所 我們參考華為對科技創新浪潮下算力的定義：我們參考華為對科技創新浪潮下算力的定義：未來人工智能、物聯網、區塊鏈、AR/VR技術發展將帶來對算力隨時、隨地、隨需、隨形(Anytime、Anywhere、Any Capacity、Any Object)的 4A 能力要求。在隨時層面在隨時層面，未來算力發展將關注低時延與連續性，低時延要求算力對數據

144、處理的及時反饋，而連續性要求算力不間斷的支撐。以自動駕駛汽車場景為例，面對復雜多變的路 2022 年 09 月 13 日 P.51請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 況信息，自動駕駛汽車需要確保針對行駛過程中的任何突發性狀況進行實時反映。同時在行駛的旅途中始終如一地保證算力對于路況、車況監控的的“專注度”。未來 L4&L5 級別對網絡帶寬的需求將大于 100Mbps，時延要求達到 5-10 毫秒的水平。圖表 72：智能社會隨時、隨地、隨需、隨形的算力 資料來源：IDC，寬帶發展聯盟，華為，國盛證券研究所 在隨地層面在隨地層面，高速增長的技術應用場景與終端設備使得算力需要大量應用在

145、不同地點。因此在未來社會中，算力將因為智能應用場景的不斷涌現而無處不在。無論是應用在政務領域的人臉識別、智能安防，民生領域的智能出行、移動支付，亦或是產業領域的智慧工廠、智慧農業，所有智慧場景都與算力密不可分。在隨需層面在隨需層面，未來的算力應能夠滿足任意量級場景與終端設備的算力需求，并按照實際需求進行自適化的調配。如自動駕駛領域的算力需能夠同時滿足車輛出行低峰期與高峰期的算力需求。圖表 73：云邊端一體算力生態 資料來源：國盛證券研究所整理 在隨形層面在隨形層面，未來算力形態將不僅限于人腦，同時算力將在以大型數據中心、數據中心為代表的云端，以智慧路樁、邊緣計算單元為代表的邊緣端，以人腦、自動

146、駕駛汽車、loT 設備、個人電腦、AR/VR 一體機為代表的終端，形成算力“云、邊、端”泛在算力部 2022 年 09 月 13 日 P.52請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 署架構。5.1.人工智能核心驅動，算力發展沒有天花板人工智能核心驅動，算力發展沒有天花板 AI 近年來實現了長足的發展，算法和算力的持續發展，為下游應用創造了更多的可能。近年來實現了長足的發展，算法和算力的持續發展，為下游應用創造了更多的可能。AI 依托云邊端的整體架構，通過算力協同的模式下，云端云中心承擔模型訓練任務，端側的各設備進行模型推理，二者之間的邊緣側負責通用模型的轉移學習，釋放對帶寬、算力、存

147、儲空間的持續壓力。邊緣計算向算力集群異構設計發展，其異構化程度將會高于傳統的數據中心，異構設計的突破將會進一步提高端邊云的整體計算效能，進而加速AI 模型的訓練與推理。圖表 74：AI 架構運算流程 資料來源：艾瑞咨詢，國盛證券研究所 人工智能作為一項底層技術，幾乎可以滲透到各個領域，本文后續還將就重點領域展開。IDC 預測到 2025 年，人工智能涉及的場景規模將達到 2081 億美金，并在自動駕駛、智慧金融、智慧醫療、智慧零售、文娛等領域大顯身手。人工智能技術對于算力的核心拉動點在于未來各應用場景內單設備芯片算力的增長和人工智能技術的行業滲透率的進一步提升，帶動對云計算中心、邊緣設備和終端

148、算力的巨大需求。整體預計在 2030 年，人工智能相關領域對于算力的需求將達到 16000EFLOPS，相當于 1600 億顆高通驍龍 855內置的人工智能芯片所能提供的算力，依舊有數百倍的增長空間依舊有數百倍的增長空間，可以說算力發展沒有，可以說算力發展沒有天花板天花板。2022 年 09 月 13 日 P.53請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 圖表 75：人工智能持續滲透將大力拉動算力需求 資料來源：IDC，國盛證券研究所 5.2.智能網聯車智能網聯車自動駕駛和智能座艙，自動駕駛和智能座艙，算力爭霸制高點算力爭霸制高點 智能網聯車是汽車電動化的大趨勢，眾多新老車企紛紛瞄準電

149、動車市場，瞄準完全自動智能網聯車是汽車電動化的大趨勢，眾多新老車企紛紛瞄準電動車市場，瞄準完全自動駕駛，把車打造成第二智能場所。從智能的角度看，我們可以聚焦在兩個方面，分別是駕駛，把車打造成第二智能場所。從智能的角度看，我們可以聚焦在兩個方面，分別是實現全面實現全面自動駕駛和自動駕駛和實現全面的智能實現全面的智能座艙座艙影音娛樂上，二者對算力均有強大的需求，是影音娛樂上，二者對算力均有強大的需求，是智能網聯車算力爭霸的制高點智能網聯車算力爭霸的制高點。首先自動首先自動駕駛場景為例，駕駛場景為例，根據自動駕駛等級，對算力需求可以分為以下幾個階段：根據自動駕駛等級，對算力需求可以分為以下幾個階段：

150、1）在自動駕駛初級階段如 L2 階段，對于算力的要求較低，僅需要滿足 1-3 個 720P 車載攝像頭、1-2 個雷達所產生的數據量即可，且無需對所有進行實時分析。2）在自動駕駛的中級階段，以目前完全達到 L3 級別的最新特斯拉汽車（搭載 Full Self-driving Computer 系統）為例，其使用的 AI自動駕駛芯片上的神經網絡處理器（NPU）通過提供強大算力支持，在匹配其專屬的 Autopilot 3.0 x 系統后，能夠同時處理安裝在車頭和車身上的總計 8 個高清攝像頭和 10+雷達產生的數據量，使得特斯拉汽車可以對行駛路線、車輛狀態、路況安全等情況進行快速分析并持續作出反應

151、，實現有條件自動駕。3）在自動駕駛的高級階段，以能夠滿足 L4 級別自動駕駛算力需求的華為 MDC 系統（Mobile Data Center）為例，其通過整合最新的 AscendCPU 芯片、Al 芯片、ISP 芯片與 SSD 控制芯片在提供低時延（小于 200 毫秒的端到端延時，小于 1 毫秒的 ROS內部延時，小于 10 微秒的內核調度延時）的背景下，能夠滿足 16 個攝像頭、16 個超聲波雷達、8 個激光雷達、6 個毫米波雷達等車載傳感器同時工作而產生的龐大數據流量。除此之外，英偉達預測，L4 級別的自動駕駛汽車需要面臨更為復雜的駕駛條件、更冗雜的安全糾錯機制、更多層級的軟件框架，在無

152、法完全靠優化算法的情況下，對車載算力約有 50 倍的提升要求。4）最后，在自動駕駛的終極階段，即完全自動駕駛階段 L5，車載芯片將會面臨來自非標準公路、山路、復雜路況下的路況苛刻識別需求，在與 L4 級別汽車的數據傳輸量相似的情況下，對車載芯片的復雜數據處理能力和快速分析和決策能力提出了更高要求，預計有約 10 倍的計算能力增長需求。2022 年 09 月 13 日 P.54請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 單車算力需求幾何級數增加，隨著隨著自動駕駛自動駕駛的等級提升，的等級提升，L4/5 級級自動駕駛自動駕駛汽車的數據汽車的數據量產生速率需要具有強大的車載芯片算力增長量產生速

153、率需要具有強大的車載芯片算力增長 5000 倍予以匹配。倍予以匹配。圖表 76：自動駕駛不同等級算力需求 資料來源：華為，國盛證券研究所 隨時、隨形的算力將成為隨時、隨形的算力將成為硬需求硬需求。自動駕駛場景落地實現需要在不同位置實現對多層次、多來源的環境信息進行隨時響應，需要邊緣服務器部署以應對高級別自動駕駛階段毫秒級時延響應要求。在未來自動駕駛的場景中，如果行車安全的核心信息，如路況環境、行人密度等需傳輸到數百公里的云端服務器進行處理，延時和可靠性難以保證。從自動駕駛汽車的等級提升對延遲的要求角度來看。L3 級別的自動駕駛對于傳輸時延的要求在10-20 毫秒，在進入 L4&L5 級別后，對

154、于傳輸時延的要求進一步提高到 10 毫秒以下。因此基于單車智能、依賴車網通信的自動駕駛路線圖在 5G 網絡發展背景下仍然無法保障傳輸時延與穩定性，所以未來以車路通信（邊緣側部署 RSS、邊緣計算平臺等計算單元，RSS 提供路測融合感知，邊緣計算平臺協同數據收集、路由和分發）為代表的算力邊緣化部署解決方案將為自動駕駛場景提供計算能力和傳輸時延的雙重保障。2022 年 09 月 13 日 P.55請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 圖表 77：5G V2X 車路協同系統 資料來源：3GPP，國盛證券研究所 2040 年，搭載 L4/L5 級自動駕駛汽車的普及將拉動自動駕駛領域整體算力

155、快速增長。借助人工智能技術自動駕駛汽車可以避免因為駕駛員人為失誤而造成的交通事故，有效提升道路交通的安全性。通過與周圍車輛、道路、信號燈等環境信息的實時互聯，實現更加及時的路線預判和路況識別，降低交通擁堵。圖表 78：配備 4 顆 NVIDIA Drive Orin 芯片，ET7 整體算力達到 1016TOPS 資料來源：蔚來，國盛證券研究所 全球自動駕駛滲透率將快速提升，根據華為數據，2020 年 L1/L2級功能滲透率將達 40%，L3 級功能也逐漸開始量產，2020 預計滲透率將達 5%，L4 級別自動駕駛汽車將在 2025年左右實現量產。至 2040 年，所有新車都將配備不同級別的自動

156、駕駛功能，其中 L4/L5級別自動駕駛在新車銷售中的滲透率將超越 30%。未來將有約 2 億輛搭載具有不低于300-500 TFLOPS 算力的自動駕駛汽車上路，驅動整體算力需求增長。同時，由于交通存在高峰時間與低峰時間，在人們出行方式不發生巨大改變的前提下，每天不同時間的自動駕駛車載算力巨大需求波動需要大量的云端和邊緣端計算設備提供彈性的算力支持。此外，實現此外，實現自動駕駛自動駕駛需要大量數據進行神經網絡訓練，對算力的需求也十分巨大。需要大量數據進行神經網絡訓練，對算力的需求也十分巨大。特斯拉在 2021 年 8 月的 AI DAY，著重介紹了在人工智能領域的軟件和硬件進展，尤其是神經網絡

157、上訓練系統的 Dojo 超級計算機。它采用特斯拉自研 Dojo D1 超級計算機芯片，用于車輛自動駕駛數據的運算和分析，能夠自動地學習和識別標記道路上的行人、動物、2022 年 09 月 13 日 P.56請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 坑洼地等數據，將海量的數據匯聚于 Dojo，然后通過自動化深度神經網絡訓練，以此不斷加強算法進化，最終實現以純視覺為基礎的完全自動駕駛（FSD）。圖表 79：DOJO D1 Chip 介紹 1 圖表 80：DOJO D1 Chip 介紹 1 資料來源：特斯拉，國盛證券研究所 資料來源：特斯拉，國盛證券研究所 特斯拉 Transformer 神

158、經網絡學習方法創造了空間特征的詞典，可以用來查詢各個點位的位置信息，基于大量的多機位攝像頭視頻素材的訓練，通過激光雷達校正（特斯拉激光雷達車隊，對基于純視覺神經網絡學習感知的數據進行校準），基于算法的優化和持續的學習，純視覺模擬雷達的算法精度在持續提升，越來越接近雷達的精度。下圖藍色代表最新的純視覺算法的結果，綠色是雷達的結果，圖中上半部分是深度檢測，下半部分是速度檢測，可以看到純視覺幾乎達到了雷達的精準度。圖表 81：Transformer 神經網絡 資料來源：特斯拉，國盛證券研究所 2022 年 09 月 13 日 P.57請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 圖表 82：純視

159、覺幾乎達到了雷達的精準度 資料來源：特斯拉，國盛證券研究所 英偉達作為人工智能領域的領跑者，深度參與了自動駕駛，具備從芯片到軟件到訓練框英偉達作為人工智能領域的領跑者，深度參與了自動駕駛，具備從芯片到軟件到訓練框架全棧的平臺能力。架全棧的平臺能力。根據英偉達 2022 年投資者大會的信息，到 2030 年，整個乘用車和商用車將超過 10 億輛，電動車滲透率將達到 50%以上，L2 和 L3 的車輛滲透率將從 10%提升到 50%，單車 FSD 價值量將持續高速增長到 1.2 萬美元量級，圖像處理需求將增長10 倍以上，整個自動駕駛市場空間將達到 3000 億美金以上。英偉達全面賦能助力自動駕駛

160、革命。英偉達全面賦能助力自動駕駛革命。當前各車企大多選擇將自動駕駛當做核心競爭力，選擇自研，而自動駕駛難度大，需要具備極高的研發能力。英偉達幫助企業提供端到端的開發流程，從數據收集、數據標簽處理、驅動器映射、模型開發、NCAP、自動泊車等提供全流程。英偉達與 30 家電動車企中的 20 家，10 家電動卡車企業中的 7 家，10 家自動出租企業的 8 家，以及為所有自動駕駛數據中心賦能，主導了自動駕駛革命。圖表 83：英偉達自動駕駛全棧能力 資料來源：英偉達，國盛證券研究所 2022 年 09 月 13 日 P.58請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 圖表 84：自動駕駛需要端到

161、端的開發流程 資料來源：英偉達，國盛證券研究所 其次，隨著近年來電動車的高速發展，帶動整個汽車行業向智能化持續升級，除自動駕其次，隨著近年來電動車的高速發展，帶動整個汽車行業向智能化持續升級，除自動駕駛外，整車智能化也是另一個維度的競爭焦點和用戶痛點，智能座艙作為人車互動的核駛外，整車智能化也是另一個維度的競爭焦點和用戶痛點，智能座艙作為人車互動的核心中樞，其智能程度高低充分體現了整車智能化的程度。心中樞，其智能程度高低充分體現了整車智能化的程度。圖表 85：英偉達助力電動車革命 資料來源：英偉達，國盛證券研究所 在過去幾十年中，汽車電子電氣架構一直遵循著“一個功能一個盒子”的分布式架構模式，

162、信息娛樂系統、車身系統、車輛運動系統、動力總成系統各自獨立，通過中央網關實現連接。不同于傳統汽車電子電氣架構面向信號的架構，面向服務的軟件架構有標準化的服務接口，松耦合的服務機制，以及可組合拓展的服務特性，整體架構更加集中，主要分為運動域、ADAS 域、娛樂域。2022 年 09 月 13 日 P.59請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 圖表 86：智能電動車的變化域控制器 資料來源：CSDN，國盛證券研究所 智能座艙作為整車娛樂智能核心，持續高速發展中。智能座艙作為整車娛樂智能核心，持續高速發展中。智能座艙作為人車交互的核心，其智能化程度代表了整車的智能化，也是當前車企競爭的核

163、心領域。當前智能座艙大多采用可插拔式模塊設計，放置在中控屏下方，可根據客戶需求及產品迭代持續升級，智能座艙逐漸向一芯多屏、多屏聯動，分布式外設、AR 實景、5G 實時在線和高清娛樂升級，語音、觸控、視覺、3D camera 等多種交互方式，對算力、存儲的要求也越來越高，當前 20 萬以上的車型大多配備新型智能座艙。對投資者而言，此前大家預期中的車用物聯網模組主要實現車車通信、車路協同的功能，而今隨著智能座艙功能的復雜化，5G 將搭載各類應用在車內呈現，對著算力的需求陡增，車用物聯網模組已從“功能機”時代進化到“智能機”時代，預計隨著明年更多中高端車型的面世，車用智能化模組將迎來爆發。圖表 87

164、：智能座艙一芯多屏、多屏聯動功能 圖表 88：智能座艙多種交互方式融合的極致體驗 資料來源：美格智能，國盛證券研究所 資料來源：美格智能，國盛證券研究所 我們參照特斯拉過去數年車型智能座艙發展來看，特斯拉智能座艙共有三代，其第一代智能座艙方案時間為 2012 年，采用英偉達 tegra3，1GB 內存，4GB 運存，算力12.4GFLOPS。第二代智能座艙時間為 2018 年，采用英特爾 Atom A3950，4GB 內存，64GB 運存，算力 187GFLOPS。第三代智能座艙時間為 2021 年，采用 AMD Ryzen 定制方案，16GB 內存，256GB 運存，算力 10TFLOPS。

165、可以看到三代產品在算力層面實現了指數級增長。2022 年 09 月 13 日 P.60請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 圖表 89：特斯拉三代智能座艙芯片方案對比 圖表 90：特斯拉第三代智能座艙方案詳情 資料來源：特斯拉，國盛證券研究所 資料來源：特斯拉，國盛證券研究所 特斯拉引領智能化，車企紛紛布局特斯拉引領智能化，車企紛紛布局升級升級智能座艙。智能座艙。過去多年汽車智能座艙配置簡單，功能和互動性較為單調，而汽車行業相對穩定的格局，讓車企并沒有足夠的動力去持續迭代升級產品。特斯拉通過強大的產品力在全球范圍內贏得了消費者認同，智能座艙也在特斯拉的引領下持續升級，逐漸成為整車互

166、動影音娛樂的核心，包括蔚來、小鵬、理想在內的新勢力，以及以比亞迪為主的國產廠商紛紛瞄準智能座艙，為消費者提供更加卓越的體驗。此前受“車規”要求限制，智能座艙配置升級較慢，其智能化程度遠低于智能手機的進化速度，隨著“油改電”的推進，電動車滲透率快速提升，從“車規”到“工規”甚至“消規”級的進化將大力推進智能化需求迭代。圖表 91：新款特斯拉座艙性能媲美游戲主機 圖表 92：比亞迪秦座艙可支持王者榮耀 資料來源：特斯拉，國盛證券研究所 資料來源：比亞迪，易車，國盛證券研究所 高通高通發力發力智能座艙智能座艙，占據半壁江山。，占據半壁江山。高通在車領域有著領先的布局，在通信領域有著深刻積累，憑借在移

167、動端的廣泛成功經驗，高通將驍龍系列芯片拓展至汽車座艙領域。當前除特斯拉具備極強的供應鏈管理和自研能力選擇定制化方案，大多數車企在智能座艙領域選擇了高通平臺，包括新勢力車企蔚小理在內的眾多車企選擇了高通 8155 方案打造智能座艙?？紤]到智能座艙主要負責影音娛樂，需要聯網與外界實現通信，而高通本身在移動通信端擁有深刻積累，其 soc 往往具備基帶通信能力，能夠為車企提供完整的解決方案或者豐富的選擇。我們以 8155 為例，其具備 CPU、GPU、NPU，并且可選配通信基帶、GNSS、藍牙 WIFI，能夠幫助車企快速打造智能座艙。2022 年 09 月 13 日 P.61請仔細閱讀本報告末頁聲明請

168、仔細閱讀本報告末頁聲明 圖表 93：高通 8155 說明書 資料來源：高通，國盛證券研究所 蜂窩通信成為標配，模組廠商蜂窩通信成為標配，模組廠商迎來持續高速發展迎來持續高速發展。在國五之前，汽車并不強制需要配置網絡通信功能，隨著移動網絡的持續高速發展，以及汽車安全性的標準要求提升，汽車具備通信功能成為必備。當前主流方案主要 2 種，一種是座艙 soc 不具備通信功能，需要 tbox 來實現通信功能，tbox 廠商需要向模組廠商采購蜂窩通信模組進行集成。另一種是 soc 可選擇或者具備基帶的，可直接實現通信功能。車企可選擇是 soc 集成基帶，還是選擇 soc 不集成基帶，通過外掛 tbox 來

169、實現。圖表 94：特斯拉 model 3 拆解，可以看到 tbox 用的是 telit 蜂窩通信模組 資料來源：特斯拉，國盛證券研究所 智能模組興起，逐漸成為智能座艙新選項。智能模組興起，逐漸成為智能座艙新選項。過去蜂窩通信模組只負責數傳，隨著智能化的興起，逐漸衍生出了自帶操作系統（安卓、鴻蒙）、自帶算力（1-30T）、自帶 5G 蜂窩通信功能的智能模組解決方案。在中控下，只需要一個高度集成模塊化的智能模組，即 2022 年 09 月 13 日 P.62請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 可實現整個智能座艙的通信、操作系統以及算力需求，無需通過外掛 TBOX。此方案集成度更高，符

170、合汽車智能化趨勢，且能夠為車企降低成本，產品迭代速度也更快，符合當前發展趨勢，某頭部車企率先使用智能模組的智能座艙方案后，引起行業廣泛關注，并在今年在其主要車型大規模放量，我們預計未來智能模組方案將被越來越多的車企選擇和接受。圖表 95：蜂窩通信模組產品形態發展趨勢 資料來源：國盛證券研究所 5.3.元宇宙：元宇宙：算力算力即權力即權力 算力是構建元宇宙最重要的基礎設施算力是構建元宇宙最重要的基礎設施，元宇宙內容與交互方式的發展都離不開算力的提，元宇宙內容與交互方式的發展都離不開算力的提升升。元宇宙并不是網絡游戲，但與游戲類似的是，元宇宙是一個承載活動的虛擬世界。相較于游戲所看重的娛樂性，元宇

171、宙的重點更在于這個虛擬時空的體驗，和人們在其中的社交與活動。但與游戲類似的是，元宇宙也需要圖形顯示、成熟的顯示技術作為支撐。圖表 96：元宇宙的概念 資料來源：國盛證券研究所 算力是元宇宙可觸達性的門檻，虛擬世界的算力是元宇宙可觸達性的門檻，虛擬世界的圖形圖形顯示顯示離不開算力的支持。離不開算力的支持。計算機繪圖是將模型數據按照相應流程，渲染到整個畫面里面的每一個像素，因此所需的計算量巨大。2022 年 09 月 13 日 P.63請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 現在用戶設備里顯示出來的 3D 的畫面，其實是通過多邊形組合出來的。無論是玩家的各種游戲，還是精細的 3D 模型，

172、里面的模型，大部分都是通過多邊形建模（Polygon Modeling）創建出來的。實際這些人物在畫面里面的移動、動作，乃至根據光線發生的變化，都是通過計算機根據圖形學的各種計算，實時渲染出來的。這個渲染過程需要經過頂點處理、圖元處理、柵格化、片段處理以及像素操作這 5 個步驟：1、頂點處理：頂點處理：將三維空間的模型頂點為主，轉換到顯示器的二維空間。建模越精細，需要轉換的頂點數量就越多，計算量就越大。2、圖元處理：圖元處理：要把頂點處理完成之后的各個頂點連起來，變成多邊形。其實轉化后的頂點，仍然是在一個三維空間里，只是第三維的 Z 軸，是正對屏幕的“深度”。3、柵格化處理：柵格化處理：把多邊

173、形轉換成屏幕里的一個個像素點。圖表 97：多邊形建模圖示 資料來源：3DCoat、國盛證券研究所 4、片段處理：片段處理：計算出每一個像素的顏色、透明度等信息后，給像素點上色。5、像素操作像素操作：把不同的多邊形的像素點“混合（Blending）”到一起，調整像素信息以達到顯示效果。算力支撐著元宇宙虛擬內容的創作與體驗，更加真實的建模與交互需要更強的算力作為算力支撐著元宇宙虛擬內容的創作與體驗，更加真實的建模與交互需要更強的算力作為前提。前提。游戲創作與顯卡發展的飛輪效應，為元宇宙構成了軟硬件基礎。游戲產業每一次重大的飛躍，都源于計算能力和視頻處理技術的更新與進步。游戲 3A 大作往往以高質量

174、的畫面作為核心賣點，充分利用甚至壓榨顯卡的性能，形成“顯卡危機”的游戲高質量畫面。游戲消費者在追求高畫質高體驗的同時，也會追求強算力的設備，從而形成游戲與顯卡發展的飛輪效應，這在極品飛車等大作中已有出現。2022 年 09 月 13 日 P.64請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 圖表 98：RTX3090 支持 8K 渲染 圖表 99：逼近顯示的游戲畫面 資料來源：英偉達、國盛證券研究所 資料來源：英偉達、國盛證券研究所 游戲畫質提高的同時，游戲畫質提高的同時，游戲顯卡的算力游戲顯卡的算力在近半個世紀在近半個世紀取得了巨大的進步。取得了巨大的進步。1996 年的Nintendo

175、 64 算力為 0.2GFLOPS，僅過了 26 年，2022 年的 GEForce RTX 3090Ti 顯卡的算力便達到了 39，997GFLOPS，為前者的 20 萬倍。但這面對元宇宙時代下 VR 對于算力的巨大需求仍顯得捉襟見肘。圖表 100：控制臺/顯卡算力變化 年份年份 GFLOPS（每秒（每秒 10 億次的浮點運算數）億次的浮點運算數）控制臺控制臺/顯卡顯卡 1976 0.0 Fairchild Channel F(Pong)1996 0.2 Nintendo 64 2000 6.2 Sony PlayStation 2 2005 240.0 Xbox 360 2006 459.

176、2 Sony PlayStation 3 2013 1，228.8 Xbox One 2013 1，843.2 Sony PlayStation 4 2021 34，099.0 GeForce RTX 3080 Ti 2022 39，997.0 GeForce RTX 3090 Ti 資料來源：公開資料、國盛證券研究所 元宇宙元宇宙應用應用所需要的所需要的 VR 交互交互，對于算力要求達到了新的高度。，對于算力要求達到了新的高度。根據華為預測，預計到2025 年，AR/VR 涉及的場景規模將達到 596 億美金，設備端計算能力的提升、VR/AR 設備的普及和普及需要的云計算中心和邊緣計算設備算

177、力配套將共同推動整體算力的增長。整體預計在 2030 年，物聯網技術相關領域對于算力的需求將達到 3900 EFLOPS，相當于 21 億臺索尼頂級游戲機 PS4 所提供的算力。2022 年 09 月 13 日 P.65請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 圖表 101：AR/VR 技術的發展對于算力的驅動與要求 資料來源：華為、國盛證券研究所 AR/VR 技術對算力的核心拉動方式主要有技術對算力的核心拉動方式主要有 3 點點:1、單設備芯片算力需求提升：單設備芯片算力需求提升：4K/8K 的 VR 視頻設備需要更為強大的算力支持。大渲染量、高級特效、低延時要求對負責輸出 VR 視

178、頻的 GPU 算力和相配套的云端、邊緣設備的算力提出了近乎苛刻的要求，圖形處理器 GPU 性能要達到100TFLOPS，這是目前最頂級的 GPU 也做不到的。2、VR 設備的普及將提升云設備的普及將提升云/邊邊端計算的需求：端計算的需求：伴隨以 Oculus、Hololens 為代表的高清設備和以優質應用的涌現，據 IDC 預測，2023 年終端出貨量將達到 3670 萬臺，年均復合增長率超過 51.3%，未來 VR/AR 設備在商業、醫療、教育、影視娛樂等行業的滲透率會急劇增長。此外，隨著 5G 網絡的普及，大量高清 VR 內容將會實現像現在網絡視頻一樣的在線點播，需要云端提供編碼和渲染支持

179、、邊緣端算力提供編碼、拼接、渲染支持。3、VR 應用對低延遲的要求更高：應用對低延遲的要求更高：高質量的虛擬現實體驗對于要求帶寬和時延能夠滿足至少180Mbps帶寬和20毫秒時延。為了在三維全景下達到理想的沉浸式體驗效果，VR/AR 設備需要實現更高的視網膜分辨率、更廣的觀察視角、更精準的位置感應等，這對帶寬的需求至少 180Mbps。而為了保證在使用過程中避免感知到明顯的圖像滯后而導致的眩暈，在 VR/AR 游戲中，端到端的時延至少需要小于 20 毫秒。同時，在內容供給端，同時，在內容供給端，以算力為支撐的以算力為支撐的 AI 技術能夠輔助用戶創作，生成更加豐富真實技術能夠輔助用戶創作，生成

180、更加豐富真實的內容。的內容。構建元宇宙最大的挑戰之一是如何創建足夠的高質量內容，專業創作的成本高的驚人，3A 大作往往需要幾百人的團隊數年的投入，而 UGC 平臺也會面臨質量難以保證的困難。為此，內容創作的下一個重大發展將是轉向人工智能輔助人類創作。雖然今天只有少數人可以成為創作者，但這種人工智能補充模型將使內容創作完全民主化。在 AI 工具的幫助下，每個人都可以成為創作者，這些工具可以將高級指令轉換為生產結果，完成眾所周知的編碼、繪圖、動畫等繁重工作。除創作階段外，在元宇宙內部也會有 NPC參與社交活動。這些 NPC 會有自己的溝通決策能力，從而進一步豐富數字世界。2022 年 09 月 1

181、3 日 P.66請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 圖表 102：內容創作的 4 個階段 圖表 103：通過 AI 實現 3D 動畫 資料來源：a16z、國盛證券研究所 資料來源：a16z、國盛證券研究所 面對面對元宇宙算力需求元宇宙算力需求的新高度的新高度，以英偉達為首的，以英偉達為首的算力基礎設施供應商算力基礎設施供應商也推出了解決方案。也推出了解決方案。英偉達的云計算平臺正在為 AI、高性能計算(HPC)和圖形方面的下一代功能提供動力來不斷突破可能的界限。同時，借助可在所有頂級云平臺上使用的 NVIDIA 的 GPU 加速解決方案，各地的創新者都可以輕松按需訪問海量計算能力

182、。圖表 104：英偉達 GPU 云計算概覽 圖表 105：英偉達 GPU 云計算流程 資料來源：NVIDIA、國盛證券研究所 資料來源：NVIDIA、國盛證券研究所 英偉達云計算平臺目前主要用于人工智能培訓、人工智能推理、高性能計算和圖形化計英偉達云計算平臺目前主要用于人工智能培訓、人工智能推理、高性能計算和圖形化計算四個方向。算四個方向。具有按需使用且不受限的計算能力、IT 管理簡化性、易更新性和定價靈活性等特點，助力智能活動并推動科學突破。2022 年 09 月 13 日 P.67請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 圖表 106：NVIDIA 云計算平臺主要應用方向 資料來源

183、：NVIDIA、國盛證券研究所 WebGL 協議能夠使開發者實現在瀏覽器中更復雜的圖形渲染。協議能夠使開發者實現在瀏覽器中更復雜的圖形渲染。WebGL（全寫 Web Graphics Library）是一種 3D 繪圖協議，這種繪圖技術標準允許把 JavaScript 和 OpenGL ES 2.0 結合在一起，通過增加 OpenGL ES 2.0 的一個 JavaScript 綁定，WebGL 可以為HTML5 Canvas 提供硬件 3D 加速渲染，這樣 Web 開發人員就可以借助系統顯卡來在瀏覽器里更流暢地展示 3D 場景和模型了，還能創建復雜的導航和數據視覺化。顯然，WebGL 技術標

184、準免去了開發網頁專用渲染插件的麻煩，可被用于創建具有復雜 3D 結構的網站頁面，甚至可以用來設計 3D 網頁游戲等等。如何通過架構和通信提升云邊端一體化的渲染效率？如何通過架構和通信提升云邊端一體化的渲染效率？目前提升渲染效率的方法包括 AI去重與重建、基于 FOI 渲染、以及在傳輸中使用 HARQ（混合自動重傳請求）。通過在架構和算法的優化，能夠有效提升渲染效率，渲染效率能夠達到傳統方式的數十倍。1、AI 去重與重建去重與重建 通過人工智能實現畫面去重與通過人工智能實現畫面去重與 3D 場景的重建能夠有效降低網絡復雜度。場景的重建能夠有效降低網絡復雜度。人工智能的目的在于通過計算機與算法來學

185、習人的思維、模擬人的行為，可以在大量數據中發現蘊藏在數據背后的邏輯關系。對于大腦視覺來說，大腦的可視皮層是分級的，當人眼觀測到圖像，會先提取一些邊緣特征，接著會將這些邊緣組合成局部特征，到大腦的最上層，會將這些局部特征整合為總體特征，從而使人類能夠準確地區分不同物體。CNN（卷積神經網絡）借鑒了人類處理信息的過程，通過多層卷積網絡來提取圖像特征，模仿人類對信息接收和處理的模式，并且減少了參數數量，降低了網絡的復雜度，因此被廣泛用于圖像問題中。2022 年 09 月 13 日 P.68請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 圖表 107：通過 AI 算法實現特征提取 資料來源：公開資料

186、、國盛證券研究所 2、基于關鍵點渲染、基于關鍵點渲染 在圖像渲染中，通過關鍵點（在圖像渲染中，通過關鍵點（Features of Interest）對對象的特征提取能夠有效減少）對對象的特征提取能夠有效減少數據量處理。數據量處理。關鍵點是什么？關鍵點是圖像中可識別性高的點，例如物體邊界方向突然改變的點，或兩個或多個邊緣段之間的交點，它在圖像空間中具有明確的位置或很好地定位。即使圖像存在光照和亮度變化等的擾動，關鍵點仍然是穩定，可以被重復可靠地計算出，并且能提供有效的驗證。特征提取是指將原始數據轉換為可以處理的數字特征，同時保留原始數據集中的信息的過程。最初的數據有大量的變量，并需要大量的計算資

187、源來處理，而通過劃分初始集可以使得數據組更易管理。因此，通過選擇變量并將其組合成特征，有助于從這些大數據集中獲得最佳特征，從而有效地減少冗余數據量。圖表 2：通過關鍵點提取檢測物體 資料來源：Mathworks、國盛證券研究所 3、HARQ 混合自動重傳請求混合自動重傳請求 在混合自動重傳請求在混合自動重傳請求(Hybrid Automatic Repeat reQuest，HARQ)機制下，能夠有機制下，能夠有效減少云計算的網絡延遲。效減少云計算的網絡延遲。HARQ 這項技術是 5G 實現超高可靠和低時延傳輸的關鍵技術。在傳統的 ARQ 機制下，接收端通過校驗如果發現數據包中有錯誤，會將數據

188、包整個拋棄，并等待接收新的數據包。如果數據包一直存在錯誤，接收端就永遠無法收到正確的數據包，從而產生丟包的現象。而在而在 HARQ 機制下，如果發現數機制下，如果發現數據傳據傳輸錯誤，接收方輸錯誤，接收方并不會拋棄出現錯誤的數據包，而是把他們暫時存儲起來，并與下一次接收的重傳數據并不會拋棄出現錯誤的數據包，而是把他們暫時存儲起來，并與下一次接收的重傳數據 2022 年 09 月 13 日 P.69請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 包進行對比，這樣即使重傳的數據包仍然是有錯誤的，只要兩個數據包的錯誤區域沒有包進行對比，這樣即使重傳的數據包仍然是有錯誤的，只要兩個數據包的錯誤區域沒

189、有重疊，重疊，HARQ 就依然可以通過相互彌補的方式獲得一個正確的數據包就依然可以通過相互彌補的方式獲得一個正確的數據包。HARQ 機制一方面由于大幅度減少了重傳請求的次數從而降低了傳輸延遲，另一方面也由于大大降低了重傳次數超過上限的概率，從而大大降低了丟包率，這樣就有效地提升了傳輸信道的可靠性。圖表 3：HARD 混合自動重傳請求 資料來源：中國氫能源及燃料電池產業發展研究報告、國盛證券研究所 5.4.Web3 時代，算力將是重要技術時代，算力將是重要技術支撐支撐 NFT、Gamefi 作為作為 Web3 的典型應用，在追求體驗的背后也離不開渲染技術的支持。的典型應用，在追求體驗的背后也離不

190、開渲染技術的支持。渲染也被稱為圖像合成，是將 2D 或 3D 計算機模型轉換為逼真的圖像或場景。隨著數字化時代的大爆發，渲染被各行各業所需求。不僅在視頻制作的特效，游戲的渲染可以增強畫面的交互式體驗，制造業通過渲染將成像方式從原來的 3D 可視化轉變為智能 3D 模擬，醫療影像引入高級渲染將大大提高保真度，VR 和混合現實等人工智能場景更是需要渲染營造身臨其境的逼真感。同時 NFT、和 gamefi 方向對渲染也是必不可少，高品質的NFT 和 gamefi 都需要大量的 3D 場景的變化，這個時候就需要大量對畫質的渲染。圖表 108：高精度渲染的 NFT 圖片 圖表 109：區塊鏈游戲效果圖

191、資料來源：公開資料，國盛證券研究所 資料來源：公開資料，國盛證券研究所 以區塊鏈技術為核心的 Web3 領域，為算力帶來了新的需求和商業模式。算力+智能合約有望打造更低門檻、更高效的算力交易市場。高精度的渲染成本較高，初創期的高精度的渲染成本較高，初創期的 Web3 項目往往難以籌建自己的渲染能力。一組項目往往難以籌建自己的渲染能力。一組 2022 年 09 月 13 日 P.70請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 3DNFT 多達上萬份模型，而多達上萬份模型，而 Gamefi 的渲染需求更高的渲染需求更高，作為初創團隊不會有大量資金來籌建自己的渲染能力，大多數會選擇外包這項工作

192、。在傳統的模式下，大量的渲染工作都需要專業渲染公司來完成，但單個光場渲染可能就要花費數萬美元，并且會使集中式供應商的區域 GPU 網絡飽和。例如電影加勒比海盜 3特效費用高達 2 億美元。對于大部分需要渲染的項目或者藝術品，如此高昂的成本使他們對其望而卻步。圖表 110：云渲染價格 炫云炫云 瑞云瑞云 渲染渲染 100 收費模式 按照不同渲染軟件、不同CPU/GPU 配置收費，收費標準基于 CPU/GPU 處理頻率；除渲染費外，用戶使用內存和分布式存儲收増值費。單張效果圖渲染價格有封頂 按照使用線程時收費。(計費=線程價格*線程數量*小時，一般為 48 線程或者 96線程）按照不同處理模式以分

193、鐘收費，包括性價比模式、超速模式、極速模式、超極速模式。每種模式下渲染價格有封頂 單價 以 3DSMAX 為例，CPU 特惠版的渲染基礎單價為 0.02 元心HZ小時 非會員：0.105 元/線程時；會員：0.07元/線程時 以性價比模式為例，48 線程單臺渲染，0.045 元/分鐘，24元封頂 資料來源：各公司官網整理，國盛證券研究所 Render Network 是第一個基于區塊鏈網絡的渲染算力市場，用戶是第一個基于區塊鏈網絡的渲染算力市場，用戶通過代幣通過代幣可以自由可以自由交易交易算力算力來渲染作品。來渲染作品。不僅利用了閑置資源來使算力提供者得到了收入，也是需求算力來渲染作品的用戶，

194、提高了質量和降低了水平。Otoy 是全球圖像渲染領域的權威公司之一，在 2017 年率先應用了區塊鏈技術，推出了區塊鏈項目 Render Network(渲染網絡)并發行了加密貨幣 RNDR。Render Network 總體是去中心化的網絡，由藝術家和 GPU（圖形處理單元）算力提供者組成，能夠為全球用戶提供渲染功能。圖表 111：RenderNetwork 的運行機制 資料來源：RenderNetwork 官網、國盛證券研究所 在這在這 RenderNetwork 上，個人用戶也可以通過為渲染任務貢獻空閑的顯卡算力來賺上，個人用戶也可以通過為渲染任務貢獻空閑的顯卡算力來賺取代幣回報。取代幣

195、回報。用戶可以用賺取的代幣在該網絡上處理自己的渲染項目，也可以在交易所出售盈利。對于需要渲染的創作者來講，可以在這 RNDR 上創建高分辨率的媒體內容，并且能夠作為一個公共數據庫，在創作的過程中 RNDR 渲染網絡也內置了的數字版權確定機制，這對解決共享三維場景下場景狀態的持續變化問題至關重要，且其還用到了加 2022 年 09 月 13 日 P.71請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 入時間戳的版權證明和再創作權管理，創作者還可以有效地跟蹤和管理數字媒體資產的所有權。RNDR 使用的 OctaneRender 渲染器，能夠減少大量成本的同時不降低渲染質量和速度。與此同時，RND

196、R 通過將 GPU 渲染任務分配給成千上萬的 P2P 節點，可讓創作者獲得高質量的渲染質量，并以更低的成本實現渲染，而參與渲染的節點也可獲得 RNDR代幣獎勵。區塊鏈技術與算力的融合為算力行業帶來了新的商業模式，從而降低算力的使用門檻和區塊鏈技術與算力的融合為算力行業帶來了新的商業模式，從而降低算力的使用門檻和投入成本。投入成本。RenderNetwork 面向有渲染需求的影視、游戲、工程等客戶，以及愿意提供出自己空閑算力的用戶。用戶在鏈上建立智能合約達成算力出租意向，RNDR 在鏈下通過專用網絡將用戶空余的 GPU 資源整合，通過云計算制作出用戶所需求的渲染作品。并且所有的作品都會被加密上傳

197、進行安全的云存儲，完成渲染后使用團隊即可立即訪問。RNDR 渲染網絡的渲染成本要遠低于中心化云服務，而個人閑置的算力也能夠得到使用。5.5.萬物互聯：物聯網高速發展，終端智能化賦能萬物互聯：物聯網高速發展，終端智能化賦能千行百業千行百業 隨著 5G 的不斷普及，以及需求的持續興起，物聯網正高速發展，以智慧安防、智慧物流、智能零售、智慧工廠、智慧家具為主的眾多下游行業正加速向智能化升級。根據 ZON預測，預計到 2025 年物聯網技術涉及的場景規模將達到 1580 億美金，通過智能物聯網設備的普及、配套云端計算中心和邊緣端計算單元的增加將共同拉動算力增長。整體預計在 2030 年，物聯網技術相關

198、領域對于算力的需求將達到 8500 EFLOPS，相當于 79 億臺當下高端邊緣設備使用的 EPYC7401 芯片所提供的算力。圖表 112：物聯網眾多下游行業將對共同拉動算力增長 資料來源：ZON，華為，國盛證券研究所 以蜂窩通信市場為例，根據 Techno Systems Research 數據顯示，2020 年全球物聯網蜂窩通信模塊出貨量超過 2.5 億片，預計到 2022 年將增長到 3.1 億億片。美國高通預計在 2026 年物聯網（包括蜂窩和 LPWA M2M 機器對機器）連接數將超過超過 60 億億，蜂窩通信模組市場廣闊，下游應用場景豐富，包括智慧城市、智慧健康、智慧零售、智慧工

199、廠、自動駕駛等眾多場景需求將持續提升，整個市場在未來數年將處于確定性增長期。2022 年 09 月 13 日 P.72請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 圖表 113：蜂窩通信終端規模預測 資料來源：高通，國盛證券研究所 以智慧工廠場景為例，其包括的物聯網設備有紅外傳感器，光電傳感器，超聲波傳感器等，需要以華為 Boudica 1504 為代表的物聯網芯片提供算力支撐。到 2025 年，應用在工業物聯網相關領域上的智能設備將達到 137 億臺，其余物聯網設備分布在家庭、電網等多種不同類型的場景下。在智慧工廠場景下，只有具有強大算力的云端服務器和邊緣側服務器才能對工廠內制造生產的各

200、個環節中數十萬物聯網設備每天產生的數百GB數據（包括但不限于機器名稱、材料編號、編程名稱、標準參數、生產統計、生產合格/不良計數、機器狀態、指示燈和告警代碼信息等）進行集中分析處理。強大的算力可以為智慧工廠運營帶來兩大效益，第一是通過網絡實時反饋到相關屏幕上，幫助工廠管理人員掌控整體工廠運行情況，及時處理問題。第二是作為工廠自動化的基礎，為整個生產線從原材料供應、倉儲、零部件生產組裝、裝配到最終的商品運送環節提供基本數據及機器狀態等關鍵數據，結合云端數據分析與智能判斷能力，實現智慧生產。大量物聯網數據信息的實時上傳對車間內部網絡的時延和帶寬要求較高。在生產制造的過程中，任何設備節點上網絡傳輸的

201、延遲都可能造成整條生產線的停機，影響生產延續性和生產效率，甚至會威脅到人員的生命安全。同時智慧工廠內除了數據本身量級的加大（數千上萬臺物聯網設備），數據交互頻率也較以往大幅提升，對帶寬要求進一步增強，因此，建設智慧工廠對車間內部的局域網絡帶寬需要達到 Gbps 級別，最高時延控制在5ms-10ms 以內。2022 年 09 月 13 日 P.73請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 圖表 114：智慧工廠算力分析 資料來源：華為，國盛證券研究所 內生需求內生需求+外部技術與政策外部技術與政策驅動，驅動，產業智能化升級空間巨大產業智能化升級空間巨大。工業企業面臨的人口紅利消失、研發投

202、入不足與產品急需升級換代、產能過剩三大難題亟需工業互聯網破解，而政策與技術的逐步落地進一步加快工業互聯網發展。近年來，我國工業互聯網市場規模增長迅速。2019年中國工業互聯網規模達6080億，2015-2019年每年增速均超過12%。據前瞻產業研究院測算，預計 2020 年規?？蛇_ 6990 億，較 2015 年增長近一倍。此外，2019 年我國工業互聯網下游滲透率僅 2.76%，具有較大的想象空間。圖表 115：近五年中國工業互聯網市場規模 資料來源：前瞻產業研究院，國盛證券研究所 多方面融合互通多方面融合互通，加速產業轉型升級。，加速產業轉型升級。智能制造升級所需重點投入的領域主要包括云、

203、36524121467253136080699012.1%12.8%13.4%13.7%14.4%15.0%0%2%4%6%8%10%12%14%16%010002000300040005000600070008000201520162017201820192020E收入規模（億元）YoY 2022 年 09 月 13 日 P.74請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 網和端三大領域，云即云計算和工業大數據，網即覆蓋產業鏈整體的工業互聯網，端即與工業互聯網融合一體的智能控制設備、工業機器人、智能機床等終端設備。工業互聯網是連接智能制造產業云和端的連接樞紐，通過平臺、軟件、數據、算法

204、將設備和信息互聯，提升制造業智能化水平。根據新基建的定義，工業互聯網能夠與其他新基建形成良好的融合，通過通過與與 5G、物聯網、人工智能、云計算等其他新基建、物聯網、人工智能、云計算等其他新基建融合賦能，加速產業融合賦能，加速產業轉型升級是轉型升級是工業互聯網技術演進工業互聯網技術演進大趨勢。大趨勢。圖表 116：新基建的三大組成部分 資料來源：公開資料整理，國盛證券研究所 云云+邊邊+AI 有機融合，大幅提升有機融合，大幅提升行業行業效率。效率。據市場研究機構 IDC 預測，2020 年全球超過 50%的物聯網數據將在邊緣處理。而邊緣設備只能處理局部數據，無法形成全局認知，因此實際應用中仍然

205、需要借助云計算平臺來實現信息的融合?，F階段大型工廠在數字化、智能化改造的過程中面臨的核心問題之一是如何規?；嵘a品質量和良品率，從而降低原材料消耗和人工成本投入。企業通過創建基于云邊協同的計算平臺，將 AI 和深度學習等技術應用于工廠產品質量檢測，根據英特爾的工業互聯網案例顯示，相較于人工操作，云邊協同能將效率提升至少 5 倍，產品缺陷類型的檢測率也提升到了 100%。圖表 117：全生命周期數字化管理實現數字制造閉環 資料來源：英特爾，國盛證券研究所 2022 年 09 月 13 日 P.75請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 5.6.算力時代的自主可控正成為核心焦點算力時代

206、的自主可控正成為核心焦點 8 月 31 日，英偉達向 SEC 披露了一份 8K 文件，2022 年 8 月 26 日，美國政府通知NVIDIA，對公司的 A100 和即將推出的 H100 集成電路芯片，今后向中國（包括香港）和俄羅斯的任何出口提出了新的許可要求，立即生效。同時，許可證的要求范圍還會覆蓋到未來的一些 NVIDIA 集成電路產品，只要新品的一切性能等于或高于 A100 以及包含這些電路的任何系統，都要遵守此次許可。AMD 也稱收到了相關的禁止命令。A100 是英偉達于 2020 年發布的 GPU 旗艦產品，基于 Ampere 架構，采用的是先進的臺積電7nm工藝，擁有540億個晶體

207、管，GPU的最大功率達到400W。此外還有一款A100X，提供比 A100 更高的性能。這款作為通用型工作負載加速器，主要應用在 AI 領域。圖表 118：英偉達 A100 資料來源：英偉達，國盛證券研究所 被封鎖的產品是有足夠雙精度計算能力的高端被封鎖的產品是有足夠雙精度計算能力的高端 GPU，低端，低端 GPU 暫時不受影響。暫時不受影響。具備較高雙精度計算能力的高端 GPU 主要用于高性能計算領域，包括科學計算、CAE（計算機輔助工程）、醫療等方面。其中，超級計算中心主要滿足國家高科技領域和尖端技術研究的需求。而企業級數據中心，也經常采購 NVIDIA 消息中的 A100、H100 產品

208、，這些產品都是有足夠雙精度計算能力的高端 GPU，上述斷供行為如果落實，造成的波及范圍會比較大。這意味著，美國開始對出口人工智能相關應用所需的先進芯片施加新的限制，也就是說這意味著，美國開始對出口人工智能相關應用所需的先進芯片施加新的限制，也就是說從此前的對“超算相關單位進入實體清單”升級為“可為超算提供服務的相關產品直接從此前的對“超算相關單位進入實體清單”升級為“可為超算提供服務的相關產品直接禁售”，將受影響的范圍從超算領域擴大到互聯網領域。禁售”，將受影響的范圍從超算領域擴大到互聯網領域。2022 年 09 月 13 日 P.76請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 圖表 1

209、19：GPU 在異構計算中優勢明顯 資料來源：英偉達，AMD，國盛證券研究所整理 GPU 架構是現代異構計算的完美集合。架構是現代異構計算的完美集合。從應用領域通用性角度看，GPU 應用場景可分為HPC 高性能并行計算、AI 訓練和推理、HDV 高速視頻編解碼、3D 圖形和視覺計算等領域，單一市場應用和綜合市場應用主要的差別在 GPU 能力的應用上，能力融合的產品應用領域更為廣泛。英偉達的整個 GPU 領域的集大成者，技術實力最全面，而芯片的綜合能力非常重要，往往跑分和實際應用差異較大、圖表 120：GPU 各塊能力及對應應用場景 資料來源：英偉達，AMD，國盛證券研究所整理 市場實踐證明，N

210、VIDIA 的統一硬件架構（One Architecture）戰略是成功的，任何產品都是完整的 GPU，包含了通用計算核心、幾何圖形計算加速、音視頻編解碼加速和顯示，一款架構可以應用于幾乎所有場景，包括數據中心、自動駕駛、PC、AI 云邊端計算等 AMD 將 GPU 產品（RX，基于 RDNA 架構）和 GPGPU 產品（Instinct，基于 CDNA 架構）分開，增加了應用移植的難度。GPGPU 和 AI 芯片在大量實際應用場景（如云游戲、視頻直播、無人駕駛、智慧城市）中需要依賴其它芯片才能高效完成綜合應用任務，不但增加硬件成本和空間成本，數據在芯片間轉移將成為主要性能瓶頸，抵消了專用加速

211、芯片帶來的好處。GPU 相對相對 GPGPU 用不超過用不超過 10%的額外芯片面積大大提升了應用范圍的額外芯片面積大大提升了應用范圍的廣度和深度的廣度和深度 2022 年 09 月 13 日 P.77請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 圖表 121：主要 GPU 及相關算力芯片比較 資料來源：英偉達，AMD，谷歌等，國盛證券研究所 中國擁有全球最大中國擁有全球最大 GPU 消費市場，但自主消費市場，但自主 GPU 領域存在空白。領域存在空白。中國 GPU 市場規模和潛力非常大，龐大的整機制造能力意味著巨量的 GPU 采購。雖然近些年，計算機整機和智能手機產量增長都出現瓶頸，但由

212、于這兩類產品體量龐大，2019 年國內智能手機出貨量為 3.72 億部，電子計算機整機年產量達到 3.56 億臺，GPU 的需求量大且單品價值非常高，市場規模依然非?？捎^。同時，服務器 GPU 伴隨著整機出貨的快速成長，需求量增長也較為迅速。據統計，2018年國內服務器出貨量達到 330.4 萬臺，同比增長 26%，其中互聯網、電信、金融和服務業等行業的出貨量增速也均超過 20%。另外國內在物聯網、車聯網、人工智能等新興計算領域，對 GPU 也存在海量的需求。但自主 GPU 領域存在極大空白，市場對國產替代產品的需求迫切。圖表 122：中國 GPU 市場規模及預測 資料來源：Gartner，國

213、盛證券研究所 國產替代空間巨大，產業鏈正高速發展中。國產替代空間巨大，產業鏈正高速發展中。我國算力芯片領域近年來正在持續追趕，整個 AI 芯片市場競爭特點呈多樣性，國際巨頭仍采用拿手的 GPU 板卡方案，互聯網巨頭打造閉環生態，初創公司采用低端 ASIC 板卡和算法解決方案。而國產 GPU 領域也正在冒出一批獨角獸公司，包括壁仞科技、天數智芯、沐曦集成、摩爾線程等在內的國產 GPU廠商正在持續追趕，產品切入主要以 GPGPU 為主，針對算力需求和新創領域提供國產替代產品。2022 年 09 月 13 日 P.78請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 6.投資策略：抓住“光與云”的確

214、定性，探索“邊緣投資策略：抓住“光與云”的確定性，探索“邊緣+綠色”綠色”的廣闊空間的廣闊空間 6.1 集中算力投資：“光與云的確定性”集中算力投資：“光與云的確定性”以云端算力為代表的集中式算力產業鏈，即 IDC、服務器、光器件、光傳輸等細分賽道，經過多年發展，已經形成了較為完整的產業體系。但這并不意味著集中側投資機會的減少。當前來看，集中式算力投資呈現一定的周期性，國內經歷了 19/20 年的建設高峰，近年來需求側有所減少。但目前隨著國內運營商“雙千兆”工程加速啟動，東數西算布局藍圖初現，我們較為明顯的看到以光纖光纜為代表的部分集中式算力領域賽道已經開始從周期底部復蘇。從海外側來看，盡管市

215、場對于北美經濟下行預期較為擔憂，但正如前文所述，海外云大廠的云基建資本支出仍然體現出了極強的增長韌性。同時，海外較為老舊的固網系統與疫情帶來的在線工作與社交需求之間的錯配愈發明顯，海外固網升級在今年也呈現了明顯的由需求帶動的加速態勢。長遠來看，隨著智能駕駛、AR/VR、元宇宙等新興應用的上升，流量爆發具有較強的確定性，而集中式算力，作為支撐整個算力網絡的基石，將會確定性受益于流量爆發帶來的擴建與升級需求，相比于方興未艾的各類邊緣側設備和解決方案來看，目前集中式算力的硬件體系、升級路線呈現出較強的可預見性和確定性，建議投資者中短期關注復蘇周期+產業升級的光傳輸賽道，中長期關注如長周期確定性高的光

216、器件、IDC 等細分賽道。圖表 123：“光與云”投資標的 賽道賽道 公司公司 代碼代碼 產業定位產業定位 IDC 奧飛數據 300738.SZ 中國 IDC 龍頭之一，手握眾多一線城市核心 IDC 資源 萬國數據 GDS.N 中國 IDC 絕對龍頭，擁有海量國內 IDC 資源 世紀互聯 VNET.N 中國 IDC 龍頭之一，擁有較多國內 IDC 資源 光環新網 300383.SZ 中國 IDC 龍頭之一，擁有較多國內 IDC 資源 龍宇燃油 603003.SH 深入布局分布式 IDC，解決邊緣側接入需求 數據港 603881.SH 中國 IDC 龍頭之一，擁有較多國內 IDC 資源 科華數據

217、 002335.SZ 快速成長的國內 IDC 公司，擁有眾多一線城市 IDC 資源 光通信 新易盛 300502.SZ 光模塊龍頭之一，產品覆蓋海外頭部云廠商 中際旭創 300308.SZ 光模塊龍頭之一，產品覆蓋多家海外頭部云廠商 太辰光 300570.SZ 光器件公司，受益海外大客戶元宇宙轉型 天孚通信 300394.SZ 光器件龍頭，產品覆蓋海外頭部云廠商，積極開拓激光雷達，醫療影像等新業務條線 華工科技 000988.SZ 光模塊公司，產品進入頭部云廠商供應鏈 博創科技 300548.SZ 光器件公司，受益海外 FTTH 建設，同時深入布局硅光 光傳輸 中天科技 600522.SH 中

218、國線纜龍頭，產品橫跨光纖光纜、海纜、儲能等領域，通信高端制造代表 長飛光纖 601869.SH 中國線纜龍頭，產品橫跨光纖光纜、三代半導體等領域，通信高端制造代表 亨通光電 600487.SH 中國線纜龍頭，產品橫跨光纖光纜、海纜、儲能等領域，通信高端制造代表 服務器 紫光股份 000938.SZ 下屬新華三是國內服務器、交換機等 ICT 設備龍頭 浪潮信息 000977.SZ 國內服務器、交換機等 ICT 設備龍頭 菲菱科思 301191.SZ 服務器、交換機 OEM 廠商，受益上游客戶高景氣 星網銳捷 002396.SZ 國內白牌交換機黑馬 資料來源：Wind，國盛證券研究所 2022 年

219、 09 月 13 日 P.79請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 6.2“邊緣“邊緣+綠色”，無限可能的大空間機會綠色”，無限可能的大空間機會 如前文所述，“泛在+綠色”是當下算力革命兩大關鍵詞。當下邊緣計算呈現出“方興未艾、百花齊放”的特點，各類新技術方案與新應用形式加速產生。我們認為，邊緣側投資主要分為設備與解決方案兩條線路。設備側，包括了邊緣計算網關、DPI 設備、物聯網模組等，解決方案側主要是邊緣計算平臺，物聯網平臺等 PaaS、SaaS 類產品。我們建議投資者中短期內關注受益“設備智能化升級+智能駕駛滲透率提升”雙重刺激的物聯網模組行業，我們認為物聯網模組作為老牌通信制

220、造業代表，將在“邊緣計算時代”迎來新生，無論是邊緣側對于通信能力的海量需求，亦或是“通信+算力”帶來的模組升級，都將給模組行業帶來量價齊升的景氣周期。從中長期看，我們認為隨著“雙碳”推進以及全球減排進程，對于“綠色算力”的需求將會加速增長，帶動儲能、液冷等“綠色算力”產業鏈發展。同時，邊緣側網絡對于接入網擴容，流量監測，邊緣計算平臺需求也將在未來加速釋放。圖表 124：“邊緣+綠色”投資標的 賽道賽道 公司公司 代碼代碼 產業定位產業定位 邊緣計算 網宿科技 300017.SZ 中國 CDN 龍頭公司，領先布局邊緣計算平臺與解決方案 初靈信息 300250.SZ 運營商 DPI 設備龍頭，擁有

221、完整的邊緣計算解決方案 美格智能 002881.SZ 高速成長的物聯網模組黑馬，算力模組打開智能車模組新時代 移遠通信 603236.SH 全球物聯網模組龍頭，受益邊緣算力興起帶來的模組高需求 廣和通 300638.SZ 中國物聯網模組龍頭之一，受益邊緣算力興起帶來的模組高需求 運營商 中國移動 600941.SH 三大運營商之一，受益算力時代，提供從邊緣側設備到云端集中算力的全算力產業鏈服務 中國聯通 600050.SH 三大運營商之一，受益算力時代，提供從邊緣側設備到云端集中算力的全算力產業鏈服務 中國電信 601728.SH 三大運營商之一，受益算力時代，提供從邊緣側設備到云端集中算力的

222、全算力產業鏈服務 綠色算力 英維克 002837.SZ 精密溫控龍頭之一，受益“雙碳”下儲能溫控需求和 IDC PUE 降低需求 黑牡丹 600510.SH 下屬艾特網能是國內精密溫控領先公司之一，受益“雙碳”下儲能溫控需求和 IDC PUE 降低需求 科信技術 300565.SZ 海外機房電源設備龍頭，開拓儲能第二高速增長曲線 申菱環境 301018.SZ 精密溫控龍頭之一，受益“雙碳”下儲能溫控需求和 IDC PUE 降低需求 資料來源：Wind，國盛證券研究所 7.風險提示風險提示 美國科技封鎖拖延國內新技術發展美國科技封鎖拖延國內新技術發展：從美國近期限制英偉達高端算力芯片出口可見該領

223、域的敏感性，大算力諸多領域都依賴英偉達、AMD 的算力產品，美國的科技封鎖或影響國內供應鏈。算力應用市場發展緩慢算力應用市場發展緩慢：目前算力市場方興未艾，尤其是面向 C 端及元宇宙等前沿應用未取得顯著突破，將影響對算力服務的需求。2022 年 09 月 13 日 P.80請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 免責聲明免責聲明 國盛證券有限責任公司（以下簡稱“本公司”）具有中國證監會許可的證券投資咨詢業務資格。本報告僅供本公司的客戶使用。本公司不會因接收人收到本報告而視其為客戶。在任何情況下，本公司不對任何人因使用本報告中的任何內容所引致的任何損失負任何責任。本報告的信息均來源于本

224、公司認為可信的公開資料，但本公司及其研究人員對該等信息的準確性及完整性不作任何保證。本報告中的資料、意見及預測僅反映本公司于發布本報告當日的判斷，可能會隨時調整。在不同時期，本公司可發出與本報告所載資料、意見及推測不一致的報告。本公司不保證本報告所含信息及資料保持在最新狀態，對本報告所含信息可在不發出通知的情形下做出修改，投資者應當自行關注相應的更新或修改。本公司力求報告內容客觀、公正，但本報告所載的資料、工具、意見、信息及推測只提供給客戶作參考之用，不構成任何投資、法律、會計或稅務的最終操作建議，本公司不就報告中的內容對最終操作建議做出任何擔保。本報告中所指的投資及服務可能不適合個別客戶，不

225、構成客戶私人咨詢建議。投資者應當充分考慮自身特定狀況，并完整理解和使用本報告內容，不應視本報告為做出投資決策的唯一因素。投資者應注意，在法律許可的情況下，本公司及其本公司的關聯機構可能會持有本報告中涉及的公司所發行的證券并進行交易，也可能為這些公司正在提供或爭取提供投資銀行、財務顧問和金融產品等各種金融服務。本報告版權歸“國盛證券有限責任公司”所有。未經事先本公司書面授權，任何機構或個人不得對本報告進行任何形式的發布、復制。任何機構或個人如引用、刊發本報告，需注明出處為“國盛證券研究所”，且不得對本報告進行有悖原意的刪節或修改。分析師聲明分析師聲明 本報告署名分析師在此聲明：我們具有中國證券業

226、協會授予的證券投資咨詢執業資格或相當的專業勝任能力，本報告所表述的任何觀點均精準地反映了我們對標的證券和發行人的個人看法，結論不受任何第三方的授意或影響。我們所得報酬的任何部分無論是在過去、現在及將來均不會與本報告中的具體投資建議或觀點有直接或間接聯系。投資評級說明投資評級說明 投資建議的評級標準投資建議的評級標準 評級評級 說明說明 評級標準為報告發布日后的 6 個月內公司股價（或行業指數）相對同期基準指數的相對市場表現。其中 A 股市場以滬深 300 指數為基準；新三板市場以三板成指（針對協議轉讓標的）或三板做市指數（針對做市轉讓標的）為基準；香港市場以摩根士丹利中國指數為基準，美股市場以

227、標普 500 指數或納斯達克綜合指數為基準。股票評級 買入 相對同期基準指數漲幅在 15%以上 增持 相對同期基準指數漲幅在 5%15%之間 持有 相對同期基準指數漲幅在-5%+5%之間 減持 相對同期基準指數跌幅在 5%以上 行業評級 增持 相對同期基準指數漲幅在 10%以上 中性 相對同期基準指數漲幅在-10%+10%之間 減持 相對同期基準指數跌幅在 10%以上 國盛證券研究所國盛證券研究所 北京北京 上海上海 地址：北京市西城區平安里西大街 26 號樓 3 層 郵編：100032 傳真：010-57671718 郵箱： 地址：上海市浦明路 868 號保利 One56 1 號樓 10 層 郵編：200120 電話：021-38124100 郵箱： 南昌南昌 深圳深圳 地址：南昌市紅谷灘新區鳳凰中大道 1115 號北京銀行大廈 郵編：330038 傳真：0791-86281485 郵箱： 地址：深圳市福田區福華三路 100 號鼎和大廈 24 樓 郵編：518033 郵箱：