《算力行业深度：驱动因素、行业现状、产业链及相关公司深度梳理-240226（43页）.pdf》由会员分享，可在线阅读，更多相关《算力行业深度：驱动因素、行业现状、产业链及相关公司深度梳理-240226（43页）.pdf（43页珍藏版）》请在三个皮匠报告上搜索。

1、 1/43 2024 年年 2月月 26 日日 行业行业|深度深度|研究报告研究报告 行业研究报告 慧博智能投研 算力行业深度：驱动因素、行业现状、产业算力行业深度：驱动因素、行业现状、产业链及相关公司深度梳理链及相关公司深度梳理 第四次科技革命与 AGI 双浪叠加的时代背景下，新一轮科技创新周期将肇始于底层算力创新，繁荣于AIGC 等上层应用爆发，大数据、物联网、人工智能、区块链等数字技术趋向于组合式进化，将释放出巨大的乘数效应。算力是多技术、多领域的交汇点，更是一切创新成果从首次落地到大规模扩散的元动力，将成为影响国家综合实力和国际话语权的关键要素之一。目前全球算力的领跑者，均在持续强化相

2、关布局。在本篇文章中，我们将对算力的概念、分类以及作用进行介绍，并分析推动产业发展的因素，梳理现有的发展情况，分析未来的发展趋势。接下来，我们将研究算力行业的产业链包含的环节，并对关键环节进行详细解析，同时列举重要公司。希望以上内容能够使大家更深入地了解算力行业。目录目录 一、行业概述.1 二、驱动因素.4 三、行业发展情况.6 四、算力未来趋势.8 五、产业链分析.12 六、相关公司.39 七、参考研报.43 一、行业一、行业概述概述 1、算力概念、算力概念 狭义的概念上，算力是软硬件配合执行某种信息处理需求的能力。广义概念上，算力是集信息计算力、网络运载力、数据存储力于一体的新型生产力，主

3、要通过算力中心等算力基础设施向社会提供服务。信息计算力信息计算力（Computational Power）是以计算能力为核心、支撑数据信息处理。在数字革命背景下，计算力是信息时代竞争的关键实力、数字经济时代的关键生产力，同时也成为挖掘数据要素价值、衡量生产力、推动数字经济发展的核心支撑和驱动力。网络运载力网络运载力（Network Power）是以网络传输性能为核心、支撑数据要素高效流动。在东数西算背景下，运载力是赋能数字经济的关键力量，是优化算力供需关系的关键，是连接用户、数据和算力的桥梁。2/43 2024 年年 2月月 26 日日 行业行业|深度深度|研究报告研究报告 数据存储力数据存储

4、力（Storage Power）是以存储容量为核心、支撑数据存储和管理。存储力是支撑大数据时代的核心力量，是迅速访问信息、推动信息资源共享的基石。在数字经济快速发展的背景下，数据呈指数级增长，存储力作为承载数据的关键设施，重要性日益凸显。2、算力分类、算力分类 算力分为通用算力、智能算力和超算三种。算力分为通用算力、智能算力和超算三种。其中，通用算力是基于搭载 CPU 芯片的服务器。智能算力即人工智能算力，是面向人工智能算法模型训练与运行服务的计算机系统能力。通常由 GPU、ASIC、FPGA、NPU 等各类专用芯片承担计算工作，在人工智能场景应用时具有性能更优、能耗更低等优点。超算算力是基于

5、超级计算机等高性能计算集群，用于处理极端复杂或数据密集型问题。3、算力的作用算力的作用（1）算力是数字经济的基础设施算力是数字经济的基础设施 当今世界正经历百年未有之大变局，数字经济正成为重组全球要素资源、重塑全球经济结构、改变全球竞争格局的关键力量，算力“地基”夯实与否，关系到数字经济这座“大厦”能否巍然屹立。3/43 2024 年年 2月月 26 日日 行业行业|深度深度|研究报告研究报告 1）算力成为衡量数字经济发展关键指标算力成为衡量数字经济发展关键指标 全球范围内来看，算力对数字经济规模乃至 GDP 总量的带动作用愈发明显，信通院研究得出，2016-2021 年，全球算力规模平均每年

6、增长 34%，数字经济规模和 GDP 每年分别增长 8%和 4%。作为全球数字经济主导力量之一，中国自 2012 年以来数字经济增速已连续 11年显著高于 GDP 增速，2022 年数字经济规模更是首次突破了 50 万亿元。各级政府正积极推动数字经济转向深化应用、规范发展、普惠共享的新阶段，其中，普惠共享强调数字经济发展成果更广泛、更公平地惠及全体人民，要求在大规模扩张算力规模的基础上，让算力成为人人用得起、用得好的基础性资源，加强算力智能调度和灵活部署，使算力与算法、数据、应用资源相互协同，向经济社会和产业发展各领域广泛深入渗透，促进数字技术、应用场景和商业模式融合创新，实现全要素生产率提升

7、。2）算力与数字产业化互为支撑算力与数字产业化互为支撑 一方面，算力底层融合了集成电路、服务器、数据中心、云计算、人工智能等数字化技术。例如，云计算将算力资源池化，推动算力成为覆盖端、边、云、网全架构场景的泛在能力，人工智能促进算力升级，算力与多模态感知技术融合实现智能化应用。另一方面，随着数字产业化由规模化发展转向高质量发展，大到 5G 通信、卫星互联网，小到出行线路规划、外卖订单系统优化、影视特效制作，都离不开算力支撑。从超级计算机、数据中心、云计算中心，到智能手机、智能电视等各类智能终端，算力专用性、可拓展性不断增强，有望与各类信息化技术相结合，充分实现性能功耗的平衡，广泛融入各类科研机

8、构和大中小科技企业的产品业务之中，全面推动数字经济发展。3）算力加速产业数字化算力加速产业数字化“数实融合数实融合”随着实体经济企业借助算力不断将产品、服务和业务流程转化为数据，数据要素深入渗透实体经济肌理，产业数字化转型的关键任务从“数字化”转变为“数智化”。在“数智化”阶段，决定数据要素价值的不再是如何生产数据，而是如何深入挖掘数据价值，不仅要持续消耗巨量算力，还对算力的质量、效率提出了如何深入挖掘数据价值，不仅要持续消耗巨量算力，还对算力的质量、效率提出了更高要求。更高要求。质量方面，数字化场景越复杂、数据颗粒度越精细、决策精确度要求越严格，就越需要合理分配算力资源，借助智慧管理系统、智

9、能调度等智能化技术，全方位统筹协调算力服务的部署位置、实时状态、负载信息、业务需求，算力将以更加智慧的方式支撑产业数字化；效率方面，智能终端和传感器的广泛部署使得边缘算力需求更加显著，通过云-边-端协同计算架构将算力下沉到数据源头或关键价值交付点，算力将成为实时流动、快捷可取的资源，高效融入实体经济的方方面面。4/43 2024 年年 2月月 26 日日 行业行业|深度深度|研究报告研究报告（2）算力是通用人工智能的核心动力算力是通用人工智能的核心动力 对 AGI 发展来说，数据、算力、算法三大核心要素中，算力向下扎根于数据，向上支撑着算法，将是驱算力向下扎根于数据，向上支撑着算法，将是驱动动

10、 AGI 发展的核心动力。发展的核心动力。深度学习出现之前，用于 AI 训练的算力增长大约每 20个月翻一番，基本符合摩尔定律；深度学习出现之后，用于 AI 训练的算力大约每 6 个月翻一番；2012 年后，全球头部 AI 模型训练算力需求更是加速到每 3-4 个月翻一番，即平均每年算力增长幅度达到惊人的 10 倍；目前大模型发展如火如荼，训练算力需求有望扩张到原来的 10 到 100倍，算力需求的指数级增长曲线将更加陡峭。这也意味着发展发展 AGI需要巨大的算力成本投入。需要巨大的算力成本投入。二、驱动因素二、驱动因素 1、政策支持算力基础设施高质量发展政策支持算力基础设施高质量发展 我国算

11、力发展规划政策相继出台，制度保障有力有效。我国算力发展规划政策相继出台，制度保障有力有效。近年来，工信部加强规划引领、政策指引，与各方协同配合、多措并举，着力构建高质量算力供给体系，不断提升算力基础设施综合能力，取得积极成效。2021 年，工信部出台新型数据中心发展三年行动计划（2021-2023 年），持续优化全国算力整体布局。国务院发布关于印发“十四五”数字经济发展规划的通知、数字中国建设整体布局规划也提出要加快构建算力、算法、数据、应用资源协同的全国一体化大数据中心体系、系统优化算力基础设施布局。2023 年 10 月，工业和信息化部、中央网信办、教育部、国家卫生健康委、中国人民银行、国

12、务院国资委等六部门联合印发算力基础设施高质量发展行动计划，明确 2025 年，算力规模超过300EFLOPS，智能算力占比达到 35%，东西部算力平衡协调发展。在此基础上，各地市人民政府相继出台多项政策举措，大力支持算力产业发展，全国上下已形成积极推动算力产业快速健康发展的良好局面。5/43 2024 年年 2月月 26 日日 行业行业|深度深度|研究报告研究报告 2、ChatGPT 掀起掀起 AI 大模型热潮，拉升算力需求大模型热潮，拉升算力需求 ChatGPT 引起引起 AI 大模型热潮，大模型热潮，AI 算力需求高增。算力需求高增。2022 年 11 月 30 日，OpenAI 发布了

13、ChatGPT 聊天机器人程序，2023 年 3 月，发布新一代语言模型 GPT-4，自此 AI 进入“大模型时代”。与此同时，国内大模型也陆续正式上线。8 月 31 日，百度、字节、商汤、中科院旗下紫东太初、百川智能、智谱华章等 8 家企业/机构的大模型，位列首批通过生成式人工智能服务管理暂行办法备案的名单，正式上线开始面向公众提供服务。据百度官方平台数据显示，文心一言开放首日下载量破百万，回答了 3342万个问题。6/43 2024 年年 2月月 26 日日 行业行业|深度深度|研究报告研究报告 人工智能大模型训练数据量巨大，对算力尤其是智能算力需求庞大，且将在未来持续高增长，驱动全社会算

14、力产业的快速发展。以 GPT 大模型为例，GPT-3 模型参数约为 1746亿个，训练一次需要的总算力为 3640PF-days，而新一代 GPT-4 模型参数量将达到 1.8 万亿个，算力需求提高 68倍。ChatGPT 的轰动引发全球人工智能大模型训练及应用的浪潮，驱动算力需求进入爆炸式增长阶段。尤其是针对人工智能的智能算力，更成为了算力产业未来发展的重要方向。三三、行业发展情况、行业发展情况 1、发展情况：算力规模不断提升，产业体系逐步完善、发展情况：算力规模不断提升，产业体系逐步完善 根据2023 智能算力发展白皮书显示。截至 2022 年底，全球算力总规模达到 650EFLOPS，其

15、中，通用算力规模为 498EFLOPS，智能算力规模为 142EFLOPS，超算算力规模为 10EFLOPS。智能算力规模同比增加了 25.7，占比达 21.9。我国算力规模方面，截至 2022 年底，中国算力总规模为180EFLOPS，排名位居全球第二。其中，通用算力规模为 137EFLOPS，智能算力规模为 41EFLOPS，超算算力规模为 2EFLOPS。7/43 2024 年年 2月月 26 日日 行业行业|深度深度|研究报告研究报告 在数据存储力方面，我国存储规模不断扩大，截至 2022 年底，我国存储总量达到 1000EB，较 21 年增加 25%，以全闪存技术为代表的先进存力快速

16、发展。在网络运载力方面，我国网络基础设施建设不断完善。截至 2023 年 6 月，我国累计建成 5G 基站超过293 万个，光缆线路总长度达到 6196 万公里。从硬件设备角度，根据信通院测算，2022 年我国计算设备算力总规模达到 302EFlops，全球占比约为33%，连续两年增速超过 50%。从数据资源角度，数据要素是数字经济时代的新型生产资料，也是支撑算力产业发展的核心资源。近年来，我国数据资源供给能力不断提升。2022 年，我国数据产量达到 8.1ZB，同比增长 22.7%，全球占比10.5%，位列全球第二。同时，我国数据要素监管体系不断完善、数据资源流动体系加速建设。截至2022

17、年底，我国已经 208 个地方政府上线数据开放平台，全国成立 48 家数据交易机构，北京、上海、深圳等地加速探索数据流通和利用模式。随着东数西算工程的持续推进，算力网络投入持续增大，算力产业在规模逐步提升的同时，低碳高质、协同发展的格局正在逐步形成。根据工信部数据，2022 年我国算力核心产业规模已经达到 1.8 万亿元，而更广义的以计算机为代表的计算产业规模达 2.6 万亿元，产业高质量发展新格局正在形成。2、发展方向：智能算力成为产业未来主流发展方向：智能算力成为产业未来主流 智能算力是基于最新人工智能理论，采用领先的人工智能计算架构，提供人工智能模型训练及应用所需的算力服务、数据服务和算

18、法服务。随着人工智能技术在经济社会的加速渗透，人工智能计算需求快速提升。数据显示，人工智能计算需求未来将占据 80%以上计算需求，智能算力将成为算力产业未来发展的重要方向。根据 IDC 统计数据，全球范围内人工智能支出快速增长，技术投资规模从 2019 年的 612 亿美元增长至2021 年的 924 亿美元，2025 年有望突破 2000 亿美元。8/43 2024 年年 2月月 26 日日 行业行业|深度深度|研究报告研究报告 我国高度重视人工智能产业发展，在政策持续支持下，国内市场平稳增长，技术投资支出不断扩大。IDC 预测，2022 年中国人工智能市场相关支出达到 130 亿美元，预计

19、 2026 年达到 267 亿美元，年均增长率达到 19.6%。在多种因素驱动下下，我国智能算力规模保持高速增长，智算成为产业发展重要方向。3、市场周期：需求爆发驱动进入涨价阶段、市场周期：需求爆发驱动进入涨价阶段 2023 年以来，人工智能等新兴数字技术快速发展，算力需求爆炸式增长，算力市场进入价格上升期。11 月以来，国内多家布局算力市场的上市公司均发布算力价格上涨公告。例如，某上市公司于 11 月 16日披露的算力服务合同显示，将向客户提供 1920P 算力服务，单价为 18 万元/P/年，而这一单价在 9 月公告中仅为 12 万元/P/年。而另一家上市公司在 11 月 14 日发布公告

20、称，拟对内嵌英伟达 A100芯片的高性能算力服务器算力服务收费上调 100%。今年以来，AI 大模型对算力的需求不断上升。但同时，算力核心芯片 GPU 产能有限，算力供应扩张缓慢，长期处于短缺状态。因此，预计算力产业的涨价周期预计仍将持续很长时间。对于国内来说，算力的供应更加紧张。23 年 10 月美国更新出口管制新规，将英伟达多款用于 AI 训练的高端 GPU芯片纳入限制出口范围，国内进口 GPU 难度大幅增加。因此，在本轮全球算力行业涨价周期中，国内算力行业的价格上涨更为突出。四、算力未来趋势四、算力未来趋势 1、未来需进一步实现、未来需进一步实现算力国产算力国产化化产业产业 未来我国需从

21、芯片技术自主创新、高性能计算平台建设、人工智能与深度学习、云计算发展、开源软件和开放合作、教育与人才培养几个方面进一步实现算力国产化。9/43 2024 年年 2月月 26 日日 行业行业|深度深度|研究报告研究报告 2、未来算力将在普适和智慧两个维度上加速发展未来算力将在普适和智慧两个维度上加速发展 未来算力将在普适和智慧两个维度上加速发展。未来算力将在普适和智慧两个维度上加速发展。“普适”强调以自然交互的方式提供算力，算力将成为人人可得（Affordable）、人人可用（Available）、人人适用（Adaptable）的“3A”型基础资源；“智慧”强调以认知驱动的方式提供算力，算力将具

22、备自适应（Self-adapting）、自学习（Self-learning）、自进化（Self-evolving）为代表的“3S”智能。对于构建“人-机-物”三元融合系统来说，普适和智慧缺一不可，算力终将无处不在。10/43 2024 年年 2月月 26 日日 行业行业|深度深度|研究报告研究报告（1）“普慧普慧”算力助力充分释放数据红利，中国数字经济体量有望突破百万亿元算力助力充分释放数据红利，中国数字经济体量有望突破百万亿元 当前，数据对提高生产效率的乘数作用不断凸显，是最具时代特征的生产要素，与其他生产要素相比，数据具有可复制、非消耗、边际成本接近于零等新特性，打破了自然资源有限供给对增

23、长的制约，能够为经济转型升级提供不竭动力。中国网民数量、数据资源、数字化应用场景全球领先，14 亿人口所产生的数据资源将支持中国数字经济发挥规模经济、范围经济和网络经济优势。“普慧”算力作为数字经济的基础设施，可以强有力地推动跨层级、跨地域、跨部门数据汇聚融合、共享交换和开发应用，提升数据要素的整体流通效能和经济社会价值。数据+“普慧”算力的双向驱动，将充分盘活数据资产，释放“数据红利”，为中国数字经济的发展提供坚实底座。据中国（深圳）综合开发研究院技术团队预测，2020-2025 年，中国数字经济年均增速将保持在 15%左右。到 2025 年，数字经济规模将突破 80万亿元，占 GDP比重达

24、 55%。到 2030 年，数字经济体量有望突破百万亿元。（2）“普慧普慧”算力推动大小模型协同进化，通用人工智能将真正走向落地算力推动大小模型协同进化，通用人工智能将真正走向落地 中国是世界人工智能重要领军国家之一，各级政府、科研机构、企业等都在积极推动 AI 大模型发展。数据、算法、算力三大核心要素是各类大模型竞争焦点，现阶段投入商用的大模型参数量基本在千亿级，以百度的“文心一言”为例，其模型参数量为 2,600 亿。公开资料显示，目前在追赶 GPT3.5 的中国团队约有 10 个，能够拥有或持续获取算力将是决定未来竞争格局的关键，对比当前国际头部大模型团队 1万张 H100（约 10 万

25、 A100）的算力规模来看，中国未来能拥有此等算力体量的团队可能不超过 2 个。AI 大模型的真正价值最终将体现在具体场景中，未来产业竞争将从“规模”转向“应用”。目前大模型训练都在云端实现，所用算力是中心化的，精度要求高且成本高，意味着大模型落地必然会面临能耗和性能平衡的难题。破局之道在于大小模型协同进化，即在利用大参数训练完大模型之后，通过高精度压缩，将大模型转化为端侧可用的小模型，大模型相当于超级大脑，小模型相当于垂直领域专家，共同推动AGI 落到实处。而这一过程中，算力由中心化走向泛在化，由通用化走向智能化，恰恰也是“普慧”算力释放价值的过程。“普慧”算力作为通用人工智能的核心动力，既

26、是帮助科技公司搭建 AI 模型的“卖铲人”，又是检验算力公司创新能力、制造能力的“试金石”，更是推动中国迈向科技强国的“加速器”。在全球算力供给告急的背景下，“普慧”算力正在迎来规模化、产业化发展机遇。（3）“普慧普慧”算力要求安全不容有失，数据、算法、算力三位一体算力要求安全不容有失，数据、算法、算力三位一体 1）数据安全：已上升至国家立法层面数据安全：已上升至国家立法层面 中国已将数据安全提升至国家立法的层面，国家安全法网络安全法数据安全法及个人信息保护法等共同构筑了数据安全保护的法律法规框架体系。推动算力发展过程中，数据流动和安全发展的矛盾将逐渐显现，必须严守数据安全防线，规避数据泄露、

27、数据贩卖、数据滥用等风险。全国一体化大数据中心协同创新体系算力枢纽实施方案强调，“加强对基础网络、数据中心、云平台、数据和应用的一体化安全保障，提高大数据安全可靠水平。”具体来说，可从数据要素全生命周期加强安全防范。在数据传输流转阶段，可以利用区块链分布式、透明性、可追溯性和不可篡改性等特征，促进数据流动过程透明化，不断增强数据流动的时效性和安全性。在数据存储阶段，可以不断提高相关数据设施的容灾能力，合理评估并积极应对不同类型、不同级别数据的泄露风险；在数据访问阶段，要加快数据清权确权，建立数据权责清单，让各使用主体以规治数、11/43 2024 年年 2月月 26 日日 行业行业|深度深度|

28、研究报告研究报告 按权用数、决策循数。在数据使用、共享阶段，要落实事前可预防、事中可阻断、事后可溯源的全方位数据安全，实现数据“可用不可见”。2）算法安全：伦理规范问算法安全：伦理规范问题不可忽视题不可忽视 公开资料显示，ChatGPT已经引起美国、欧盟等关于人工智能立法的讨论，实际上 AI 决策难以解释、不可问责一直是棘手难题，导致了无人驾驶、手术机器人等难以落地，数字金融欺诈、大数据杀熟、生物特征识别等更是不断引发信任危机。随着 ChatGPT 等生成式 AI 走向应用，AI 在“可解释性”上面临的挑战可能更加严峻，例如，现阶段 ChatGPT 有能力完成各种基于文本的任务，但它不可避免地

29、会产生一些与事实不符的内容，原因是 ChatGPT在回答问题时只是根据前一个单词“预测下一个单词”，进而生成答案，这一过程绕不开神经网络运行机理产生的黑箱效应，运行过程难以解释，部分运行结果的说服力也将大打折扣，某种程度上，AI 缺乏“可解释性”带来的“不可信”，正在阻碍 AI 大规模应用，也是算力发展必须克服的难关。中国正在以算法安全可信、高质量、创新性发展为导向，建立健全算法安全治理机制，构建完善算法安全监管体系，推进算法自主创新，关于加强互联网信息服务算法综合治理的指导意见互联网信息服务算法推荐管理规定等政策文件出台，中国开始迈向对算法进行事前事中全流程、动态规制与监管的“算法法”时代。

30、3）算力安全：战略地位将进一步提高算力安全：战略地位将进一步提高 对比数据安全、算法安全来看，未来中国算力安全的战略地位有机会且有必要进一步提升。在国家政策层面，算力安全受到的重视程度相对不足，多以地方政府级别的政策为主，保障算力安全需要国家从顶层设计发力，推动各界共同努力。目前高端芯片、数据中心、网络等基础设施是算力产业可持续发展的重要保障，要以核心技术自主创新为牵引，加快研发突破，通过产学研联合攻关增强算力产业链的稳定可控性，不断提升算力的自主可控水平。此外，中国超大型、大型数据中心仍有较大发展空间，需坚持适度超前原则，以建代用，尽可能提高算力基础设施的承载能力。（4）“普慧普慧”算力发展

31、仸重道远，绿色化、场景化、市场化三措并举算力发展仸重道远，绿色化、场景化、市场化三措并举 1）算力绿色化关乎可持续发展，亟需提高单位能耗的计算能力算力绿色化关乎可持续发展，亟需提高单位能耗的计算能力 能量和信息是科技发展的主线，计算的本质是利用能量对信息进行处理加工，信息越多，计算就越复杂，需要的能量也越多，当能量增长跟不上近乎无限扩张的信息时，提高能量利用率将成为必然选择。从能量和信息转换的角度来说，不断提高单位能耗的计算能力是算力发展的重要底层驱动力之一，而公开资料显示，目前大约 80%的电能消耗只是在维护计算机状态，只有不到 20%的电能消耗在做计算。此外，“双碳”目标背景下，数据中心等

32、能耗大户带来的碳排放问题亟需得到解决，根据开放数据中心委员会测算，2020 年中国数据中心能耗总量为 939 亿千瓦时，碳排放量为 6,464 万吨，预计到 2030 年，中国数据中心能耗总量将达到 3,800 亿千瓦时左右，碳排放增长率将超过 300%。因此，算力绿色化不仅符合科技发展的基本规律，更关乎人类命运共同体前途，已成为全产业链的关键课题。算力绿色化核心目标是提高每瓦功耗所产生的算力，主要发展思路包括提高绿色能源使用占比、采用创新型制冷技术降低数据中心散热过程中能耗、综合管理 IT 设备提高算力利用效率等。例如，在用能方面，可以提高光伏等新能源系统发电占比；在降耗方面，可以进一步推动

33、液冷、温水水冷取代传统风冷；在提效方面，可以利用服务器虚拟化等技术提高设备使用率。2）算力场景化面临知识壁垒，亟需业务、数据、算力高效联动算力场景化面临知识壁垒，亟需业务、数据、算力高效联动 12/43 2024 年年 2月月 26 日日 行业行业|深度深度|研究报告研究报告 算力要落地到具体场景中才能真正转化为生产力，而行业愈是细分、业务愈是复杂，算力场景化落地面临的“知识壁垒”就越高。例如，大量行业垂直类软件要求高度凝练总结行业经验、最佳实践等知识，这一知识软件化的过程，经常伴随着非结构化和半结构化数据占比不断升高、数据负载从单一负载转向混合负载等结果，会使得数据流通、压缩存储、加密解密等

34、对算力的需求趋向复杂化和定制化，正倒逼着算力服务商不断提高行业理解力、强化数据资产沉淀、提高算力针对场景化需求的适配度等。可以预见，随着各行业全要素、全流程、全场景迈向数字化和智能化，数据架构和业务架构将不断向更强大的算力平台上迁移，实现“业务、数据、算力”之间的高效联动，是保证算力资源按需匹配、精准赋能的必要前提。3）算力市场化仍需加强，亟需多方共同推动算力统一交易算力市场化仍需加强，亟需多方共同推动算力统一交易 当前算力需求增长确定性高，算力供给规模相对有限，通过市场化交易可以大幅提升算力资源配置效率，是破解算力供需矛盾，推动算力产业生态进入正向循环的关键。各方仍在积极探索算力交易模式，亟

35、需解决算力归属复杂、难以度量定价、区域发展不平衡等问题。针对算力归属复杂的问题，主要原因在于当前规模化算力基础设施大多由多方共建，要求算力建设方明确划分算力资源占比，保证算力产权可溯源；针对算力难以度量定价的问题，可以提倡由行业管理部门和龙头类企业带头建立统一标准，为算力定价提供可靠依据；针对算力区域发展不平衡问题，在“东数西算”工程稳步推进过程中，各级地方政府部门可以结合区域算力资源禀赋和市场环境，“因地制宜”建设算力基础设施，积极融入全国算力一体化网络，大力建设算力供需适配平台、算力交易平台等，畅通区域间算力流通、共享、按需分配。五五、产业链分析、产业链分析 算力产业链上游涵盖由基础硬件、

36、基础软件等，中游由第三方数据中心、云计算服务、网络运营服务、IT 外包服务、系统集成服务构成，下游为应用领域，由互联网、制造业、金融、能源等各行业企业用户构成。13/43 2024 年年 2月月 26 日日 行业行业|深度深度|研究报告研究报告 1、上游重点环节、上游重点环节 2024 年，预计算力仍是发展主线之一，年，预计算力仍是发展主线之一，GPU、其他各大厂商的云端、其他各大厂商的云端 AI 芯片等有望保持高增长，服务芯片等有望保持高增长，服务器也有望跟随受益。器也有望跟随受益。（1）芯片：）芯片：国产芯片厂商快速崛起，生态加速丰富国产芯片厂商快速崛起，生态加速丰富 1）GPU：性能持续

37、进化，价值量提升：性能持续进化，价值量提升 当前阶段，当前阶段，GPU 仍然是算力硬件的主流选项。仍然是算力硬件的主流选项。以中国为例，按照 IDC 统计，2023 年上半年 GPU服务器占据加速计算服务器 90%的比例，其余 NPU、FPGA 等形式的加速计算服务器占比为 10%，此前几年 GPU 也一直是主流选项。14/43 2024 年年 2月月 26 日日 行业行业|深度深度|研究报告研究报告 GPU 市场仍将保持高增速，出货量与产品换代为主要因素。市场仍将保持高增速，出货量与产品换代为主要因素。根据 Verified Market Research 的预测以及对英伟达营收的预测，20

38、24 年全球的 GPU 市场规模（对应于 NVIDIA 的 FY25）将达到 800亿美元以上，仍然保持高增速。其中出货量的增长以及产品的更新换代（价格提升）是主要的推动因素。GPU 市场当前的主导厂商依旧是英伟达，市场当前的主导厂商依旧是英伟达，预计预计 H 系列是系列是 2024 出货主力，出货主力，B 系列是系列是 2024 主要新看主要新看点点。英伟达 GPU 产品线主要分为面向游戏娱乐领域的 GeForceGTX/RTX 系列显卡、面向专业设计和虚拟化领域的 NVIDIA RTX/Quadro 系列显卡，以及面向数据中心的高算力 GPU。根据英伟达官网，数据中心产品线目前在售产品主要

39、包括 Ampere 系列，Hopper 系列，AdaLovelace 系列和 Turing 系列。从产品迭代节奏来看，2024 年 H100系列将接替 A100系列成为出货主力，有望支持英伟达数据中心产品线呈现量价齐升的局面。新产品方面，2024年英伟达有望推出 B100 系列，该系列有望继续推动其产品价值量提升。15/43 2024 年年 2月月 26 日日 行业行业|深度深度|研究报告研究报告 HBM 是大模型时代发展重点，算力与存储、网络的配比将成为提效关键。是大模型时代发展重点，算力与存储、网络的配比将成为提效关键。从英伟达近期产品迭代来看，存储的进步较为重要。产品和投资意义上的大模型

40、革命在 2022 年底到 2023 年左右才真正爆发，而此前的 A100 和 H100 系列产品设计定型时间更早，因此并非完全针对大模型极致优化的产品，在使用中可以发现其 HBM 存储往往成为瓶颈，算力利用率仍然有提升空间。因此，2023 年的 SC23 超算大会上，英伟达宣布推出 H200，主要的增强就在于采用新一代 HBM3e 芯片，据英伟达测试，这一措施大幅提高了产品的 AI 性能。预计存储有望成为 2024年算力领域的一大主要发展方向。GPU 领域全球另一个重点厂商 AMD 也值得关注，其 MI300 系列产品在 2023 年 12 月举行了正式发布会，其产品性能有较大提升，能够认为其

41、市场竞争力有望获得明显强化，2024 年有望在商业上取得进展。根据其发布会信息，MI300X配合最新针对 LLM 进行优化的全新一代软件生态 ROCm6，相比前代获得数倍性能提升，有望获得全球互联网大厂的认可。根据 Digitimes 的报道，AMD MI300 系列新产品在 2024 年的出货量有望达到 30-40万颗，为市场注入了新的影响因素。16/43 2024 年年 2月月 26 日日 行业行业|深度深度|研究报告研究报告 2）AI芯片：百花齐放，实现更高性价比芯片：百花齐放，实现更高性价比 除 GPU 外，其他专用 AI 芯片也是 2024 年发展的一大主要方向，将在一定程度上影响未

42、来云端算力芯片的市场格局趋势。AI 专用芯片多年前已经是学界和产业界的热门研究课题，如今其高能效、低使用成本的特性已经是各家大厂的共识，可以在大规模部署（摊薄研发成本）的情况下获得更高的性价比，降低电力消耗。2023 年 12 月 7 日，AMD 推出最新数据中心芯片 Instinct MI300X GPU，在算力和显存方面均实现了对 H100 的超越。算力方面，TF32(Sparsity)等指标是 H100 的 1.3 倍，FP64(Vector)等指标是 H100 的2.4 倍；显存方面，MI300X 有 192GB 的 HBM3 显存容量，容量是 H100 的 2.4 倍，显存带宽 5.

43、3TB/s，是 H100 的 1.6 倍。另一方面，众多英伟达客户投入另一方面，众多英伟达客户投入 ASIC 芯片研发中，芯片研发中，ASIC 市场高速发展。市场高速发展。ASIC 不同于 CPU、GPU、FPGA，目前全球 ASIC市场并未形成明显的头部厂商。在庞大需求与有限供应的不对称影响下，一方面出于自身业务需求，另一方面寻求新的高利润增长点，许多云服务提供商以及新兴创业公司投入 ASCI芯片研发中。根据贝哲斯咨询统计，2022 年全球 ASIC市场规模到达到了 1005.51 亿人民币，预计2028 年市场规模将达到 1677.49 亿人民币，2022-2028CAGR9%。17/43

44、 2024 年年 2月月 26 日日 行业行业|深度深度|研究报告研究报告 微软：进军微软：进军 AI 芯片领域，推出两款自研芯片领域，推出两款自研 AI 芯片。芯片。2023 年 11 月，微软推出两款自研 AI 芯片 Azure Maia 100 GPU 和 AzureCobalt 100 CPU。Maia 100 芯片基于台积电的 5 纳米工艺打造，总共包含 1050亿个晶体管，据 semianalysis，Maia 100 在 MXInt8下的性能为 1600TFLOPS。Cobalt 100 基于 Arm架构，据 semianalysis，Cobalt 100 包含 128 个 Ne

45、overse N2 内核和 12 个 DDR5 通道。谷歌：推出新一代高性价比谷歌：推出新一代高性价比 TPU 芯片芯片 TPUv5e。TPU是谷歌专为机器学习和深度学习设计的专用 AI加速芯片。2023 年 8 月，Google 推出新一代 AI 芯片 TPUv5e。根据谷歌 9 月 MLPerfTM3.1 推理基准测试结果，TPUv5e 每美元推理性能是 TPUv4 的 2.7 倍；根据谷歌 11 月 MLPerfTM3.1 训练基准测试结果，TPUv5e 每美元训练性能是 TPU v4 的 2.3 倍。18/43 2024 年年 2月月 26 日日 行业行业|深度深度|研究报告研究报告

46、亚马逊：推出亚马逊：推出 Trainium2，训练速度较上一代提升四倍。，训练速度较上一代提升四倍。2023 年 11 月，亚马逊发布最新 AI 训练芯片Trainium2。Trainium2 专为数万亿参数的基础模型（FM，foundation model）和大语言模型（LLM，large language models）的高性能训练设计，相较第一代芯片 Trainium，Trainium2 的训练速度快 4倍，存储容量大 3 倍，能源效率提升 2 倍。Amazon EC2 Trn2 实例将采用 Trainium2 芯片，从而支持客户在下一代 EC2UltraCluster 中大规模扩展至多

47、 10 万张 Trainium2 芯片，通过 AWS EFA 的 PB 级网络连接，能够提供高达 65exaflops（1018flops）的算力。3）国产智能芯片硬件性能不断提升国产智能芯片硬件性能不断提升 大模型装备竞赛下国内对高端算力芯片需求旺盛，大模型装备竞赛下国内对高端算力芯片需求旺盛，BIS 加强对华高端半导体管控，英伟达多款高端算力加强对华高端半导体管控，英伟达多款高端算力芯片限制对华出售，高端芯片限制对华出售，高端算力芯片国产替代正当时。算力芯片国产替代正当时。大模型能力的提升需要算力硬件进行支撑，算力充足与否，直接决定了 AI 产品供应商能否长期稳定的提供服务，从而保持行业竞

48、争力。根据头豹研究所和沙利文联合发表的白皮书，2022 年中国 AI 芯片市场规模为 368 亿元，预计 2027 年将达到 3400亿元，2022-2027CAGR56%。19/43 2024 年年 2月月 26 日日 行业行业|深度深度|研究报告研究报告 国产智能芯片厂商可以大致分为两类，一类是华为、海光华为、海光代表的，具有一定从芯片、服务器，到软件生态优势的大型厂商。另一类是以寒武纪、壁仞科技、摩尔线程、燧原科技寒武纪、壁仞科技、摩尔线程、燧原科技等代表的国产智能芯片独角兽企业。两类公司各有优势和特点。华为海思有超华为海思有超 20 年技术积累，芯片超年技术积累，芯片超 200 项自主

49、知识产权，技术实力领先。项自主知识产权，技术实力领先。目前有智能终端和处理器两大产品线，处理器产品包括麒麟、昇腾、鲲鹏、巴龙、凌霄。目前在全球设有 12 个办事处和研发中心，产品和服务遍布全球 100多个国家和地区，有超 8000项专利，研发实力突出。其中昇腾作为新一代智算芯片，有昇腾 310与昇腾 910 两款产品。昇腾 310 是华为首款全栈全场景人工智能芯片，昇腾910 是华为目前推出的算力最强的 AI 芯片，昇腾系列后续发展也被各界给予较高期待。昇腾芯片搭载的华为独创达芬奇架构神经网络处理单元 NPU（NeuralNetwork Processing Unit），该架构具有极具创新的高

50、性能 3DCube 计算引擎等关键技术，大幅提升 AI 计算的效率和灵活性，能够在多场景，云、边、端，提供最优算力支持。20/43 2024 年年 2月月 26 日日 行业行业|深度深度|研究报告研究报告 海光信息海光信息 CPU 及及 DCU 双布局，背靠中科系，具有研发及生态优势。双布局，背靠中科系，具有研发及生态优势。海光信息完全掌握 X86 CPU 完整架构，已具备自主迭代能力。中科曙光作为国产服务器龙头，是公司的第一大股东，有望充分受益中科系软硬件的赋能。海光 7000系列 CPU 最多集成 32 个处理器核心，最大支持 8 个内存通道和 128 个PCIe 接口，主要应用于高端服务

51、器，面向数据中心、云计算等复杂应用领域。8000 系列 DCU深算一号已与国内多家开发大模型的企业和研究所达成认证。海光国产处理器已得到众多 OEM 支持，支持国内外主流操作系统，应用于各类国产服务器及工作站。公司持续保持较强的研发投入，CPU 及 DCU产品未来预计将进一步受益信创及算力需求爆发。智算芯片独角兽凭借优秀的创始研发团队，及精尖技术的积累异军突起。智算芯片独角兽凭借优秀的创始研发团队，及精尖技术的积累异军突起。AI 芯片独角兽企业创始团队大多来自顶尖科研机构及国外科技公司，为公司提供了优秀的研发及技术基因。上市公司主要包括寒武纪，以及众多优秀的待上市企业。华为及部分华为及部分 A

52、I 独角兽企业智能芯片硬件性能正逐渐接近国外龙头厂独角兽企业智能芯片硬件性能正逐渐接近国外龙头厂商商。4）国产芯片厂商软件生态仍在不断丰富，华为较为领先国产芯片厂商软件生态仍在不断丰富，华为较为领先 CUDA 生态是英伟达关键壁垒之一，国产厂商加速建立自身开发者生态。生态是英伟达关键壁垒之一，国产厂商加速建立自身开发者生态。国外厂商英伟达除芯片硬件性能之外，软件 CUDA 生态亦是其重要壁垒。借助 CUDA，开发者能够利用 GPU 的强大性能显著加速计算应用。CUDA 工具包中包含多个 GPU 加速库、一个编译器、多种开发工具以及 CUDA 运行环境。国内厂商由于起步较晚，在开发者生态上与国外

53、成熟产品仍有差距。在政府推动及下游产业支持下，国产芯片厂商开发者数量逐步上升，生态渐渐形成。以华为昇腾计算生态为代表的国产开放式生态快速发展。以华为昇腾计算生态为代表的国产开放式生态快速发展。华为在生态建设持开放的态度，在华为建立的全场景开源 AI 框架昇思 MindSpore 外，支持与各种计算框架对接。除自研的应用使能工具 MindX 外，支持第三方平台应用。实现了从模型研发到落地千行百业的全链条赋能。在今年 5 月的鲲鹏昇腾开发者峰会上，华为公布目前鲲鹏和昇腾 AI 开发者已经超过 350 万，合作伙伴超过 5600 家，解决方案认证超过 15500 个。昇腾 AI 基础软硬件平台已孵化

54、和适配了 30 多个主流大模型，覆盖中国一半的原创 AI大模型，包括鹏城盘古、紫东太初。有 25 个城市基于昇腾构建人工智能计算中心，其中 14 个已经上线并饱和运行。21/43 2024 年年 2月月 26 日日 行业行业|深度深度|研究报告研究报告 沐曦等沐曦等 AI 独角兽企业则采取兼容独角兽企业则采取兼容 CUDA 生态的方式，以及与华为等国内大厂共建国产生态的路线。生态的方式，以及与华为等国内大厂共建国产生态的路线。摩尔线程携手浪潮共建元脑生态。摩尔线程携手浪潮共建元脑生态。在 2023 年人工智能框架沐曦等 AI 独角兽企业则采取兼容 CUDA 生态的方式，以及与华为等国内大厂共建

55、国产生态的路线。摩尔线程携手浪潮共建元脑生态。在 2023 年人工智能框架。（2）基础软件基础软件：关注数据库、操作系统等国产替代进展关注数据库、操作系统等国产替代进展 1）操作系统）操作系统 操作系统基本由美国微软、谷歌、苹果垄断，微软 Windows 基本垄断 PC桌面操作系统市场，谷歌安卓基本垄断移动终端操作系统市场，苹果 iOS 凭借自身设备销售也占据一定市场份额。22/43 2024 年年 2月月 26 日日 行业行业|深度深度|研究报告研究报告 我国国产我国国产 OS 一般基于一般基于 Linux 内核等开源软件或各类内核等开源软件或各类 Linux 发行版本进行商业开发。发行版本

56、进行商业开发。按照开发基础的不同，可以分为三条技术路线：1、基于 Linux 内核；2、基于 Linux 社区发行版本；3、基于 Linux 商业发行版本，三种技术路线的难度依次递减，安全性也呈递减之态。技术路线 1 基于 Linux 内核开发，自定义操作系统的软件集合，独立设计发行版本，该技术路线下的操作系统发行版本开发难度高、开发量大，但不受其他国家和商业主体控制，安全性高；技术路线 2 基于 Linux 社区发行版本（如 Debian、openEuler 和 openAnolis）进行开发。基于社区发行版本进行开发，需要自定义操作系统的软件集合，对其内核及相关软件进行大规模修改，但可减少

57、一定的重复开发工作，同时，社区发行版本由全球开发者共同开发、共同维护、免费使用，安全性中等；技术路线 3 则直接基于 Linux某个商业发行版本的开源项目（如 CentOS）对部分软件进行修改，开发难度相对较低，但受商业主体控制，该技术路线面临上游商业发行版本闭源或停止更新的风险，安全性低。根社区不依赖上游发行版，只有植好国产根社区不依赖上游发行版，只有植好国产 OS 的的“根根”，才能保证真正的自主可控。服务器，才能保证真正的自主可控。服务器 OS 方面，方面，Euler 和和 Anolis 开源国产自主的根社区，保证了国产开源国产自主的根社区，保证了国产 OS 的根本安全。的根本安全。在

58、Euler 和 Anolis 出现之前，国产操作系统往往基于国际主流的 Linux 开源社区版本进行开发，存在套壳和安全自主性的质疑，而Euler 和 Anolis 从操作系统底层开始做起，这将内核层面安全性抓到了自己手中，具有深远的意义。Euler 和 Anolis 也先后开源，成立了自主开源社区 openEuler 和 openAnolis，其他国产操作系统厂商可基于此开发国产 OS。桌面桌面 OS 方面，方面，Deepin 和和 openKylin 的出现，进一步丰富了国产操作系统根社区种类。的出现，进一步丰富了国产操作系统根社区种类。2022 年 5月，桌面系统根社区 Deepin 发

59、布；2022 年 6 月，麒麟软件主导的 openKylin 发布。不同于 openEuler和 openAnolis 主要应用于服务器等 B 端应用，Deepin和 openKylin 根社区主要开发桌面操作系统，厂商在此基础上进一步开发面向个人和办公的桌面操作系统。Deepin 和 openKylin 的出现也标志着国产操作系统进一步摆脱了“开源代码无国界，开源企业有国界”的操作系统供应链安全隐患。我国操作系统国产化率 1.2%，麒麟软件、统信软件、华为鸿蒙等国产操作系统达到初步可用阶段，但仍需要更多的适配工作并形成生态体系。同时，国内开源数据库操作系统取得显著进展，2023 年开源欧拉中

60、国服务器操作系统市场份额达到 36.8%，位居第一。23/43 2024 年年 2月月 26 日日 行业行业|深度深度|研究报告研究报告 1）中间件）中间件 中间件是一种独立的系统软件服务程序，分布式应用软件借助这种软件在不同的技术之间共享资源，中间件位于客户机服务器的操作系统之上，管理计算资源和网络通信。在大数据、物联网、云计算等新一代信息技术应用不断深化的背景下，中间件市场进入持续快速增长阶段，2022 年，我国中间件市场规模约为 96亿元，增速为 8.23%。中间件和数据库、操作系统等捆绑销售以及开源和盗版存在，此外，信创产业的加速落地以及用户对于基于云的分布式应用服务、消息队列等因素驱

61、动，中间件需求将不断增长，将会促进中间件市场的快速发展。2）数据库）数据库 数据库是我国“核高基”重大专项重点突破的核心产品之一。行业发展空间巨大，市场规模增长显著。根据大数据技术标准推进委员会，2022 年全球数据库市场规模为 833 亿美元，我国数据库市场规模（包含数据库周边生态）为 59.7 亿美元（约合 403.6亿元人民币），占全球 7.2%。预计到 2027 年，我国数据库市场总规模将达到 1286.8亿元，市场年复合增长率（CAGR）为 26.1%。从竞争来看，2022 年甲骨文、微软、甲骨文、微软、IBM、SAP 四大国外企业市场集中约为 50%的市场份额。国内企业华为、阿华为

62、、阿里、达梦、人大金仓里、达梦、人大金仓，占比约为 30%。国内企业经过多年技术研发和经验积累，借助政策红利，市场份额将逐年上升。未来，数据库将深度结合云原生与分布式技术特点，实现计算、内存和存储三者解耦、分层池化；实现查询级、事务级、算子级等更细粒度的弹性按需计算。帮助用户实现最大限度资源池化、弹性变配、超高并发等能力，更加便捷、低成本实现云上数字化转型与升级。（3）服务器：服务器：AI 算力需求持续增长，国产化占比提升算力需求持续增长，国产化占比提升 1）通用服务器：海光与鲲鹏为第一梯队，通用服务器：海光与鲲鹏为第一梯队，ARM架构仹额提升架构仹额提升 芯片需要服务器作为载体提供算力。从运

63、营商近几年服务器集采招投标来看，国产化占比提升，海光与芯片需要服务器作为载体提供算力。从运营商近几年服务器集采招投标来看，国产化占比提升，海光与鲲鹏处于第一梯队。鲲鹏处于第一梯队。通过梳理 2020-2021 年及 2021-2022 年运营商服务器集采项目，能够测算得出运 24/43 2024 年年 2月月 26 日日 行业行业|深度深度|研究报告研究报告 营商服务器集采中对信创服务器的采购比例已经提升至 30%左右，其中鲲鹏/海光系国产服务器第一梯队。ARM 架构需求提升，鲲鹏服务器招投标表现优异。架构需求提升，鲲鹏服务器招投标表现优异。23年 8 月 8 日，宇信科技公告于近日收到中信银

64、行通用基础设施集成商入围采购项目入围通知书，项目整体预估采购金额约 65 亿元，公司作为排序第一的入围中标厂商年度订单金额比例为 30%。本次招标采购涉及 9 类设备，包括 ARM 芯片服务器（34 亿元）、C86 芯片服务器（10 亿元）、数据中心级别交换路由（10 亿元）、非数据中心级别交换路由（1.2 亿元）、防火墙设备（1 亿元）、波分设备（1.7 亿元）、集中式 ARM 高端存储（3.93 亿元）、分布式 ARM 对象存储（2.34亿元）、中高端存储光纤交换机（0.90 亿元），反映出 ARM架构市占率逐渐占优，而基于 ARM架构的鲲鹏将受益。根据工信部通信工程建设项目招标投标管理信

65、息平台，梳理部分运营商服务器采购项目：总计招标服务器 443 台，其中鲲鹏 311 台，海光 92 台，飞腾 40台，占比分别为 70.2%、20.8%、9.0%；根据剑鱼标讯和招采网平台，近期的部分金融行业服务器采购项目中，共计采购 199 台海光和 143 台鲲鹏，占比分别为 58.2%、41.8%。2）AI服务器服务器需求持续，放量成长，需求持续，放量成长，ODM/JDM+液冷成为趋势液冷成为趋势 2023 年全球 AI 服务器发展态势良好，并且在未来几年仍有望保持较好的发展态势。服务器环节受到产业链上下游发展影响较大，上游芯片合作方以及芯片技术演进、下游的客户合作关系和数据中心建设需求

66、都能够较大程度影响行业发展。能够认为，由于云大厂在 AI 基建方面占据较高份额，有望助推白牌AI 服务器发展；同时由于 AI 计算的高功耗特性，液冷也成为未来发展的重点领域。AI 服务器整体发展趋势保持良好，销售规模持续提升服务器整体发展趋势保持良好，销售规模持续提升。根据 IDC 统计，2020-2022 年期间全球服务器市场规模基本保持在千亿美元左右。The Next Platform 在 IDC 的基础上进行了进一步分类分析和预测，AI 服务器在 2023 年市场规模或有可能超过 400 亿美元，呈现跃变增长态势，并且在随后几年将大概率占据服务器市场一半以上的份额。25/43 2024

67、年年 2月月 26 日日 行业行业|深度深度|研究报告研究报告 出货量角度，Trendforce 测算全球 AI 服务器出货量在 2023 年或接近 120 万台。国内份额方面，近年来浪潮、华三、宁畅等企业份额较高。国内份额方面，近年来浪潮、华三、宁畅等企业份额较高。根据 IDC中国半年度加速计算市场（2023 上半年）跟踪报告，2023 年上半年从厂商销售额角度看，浪潮、新华三、宁畅位居前三，占据 70%以上的市场份额；从服务器出货台数角度看，浪潮、坤前、宁畅位居前三名，占近 60%的市场份额；从行业角度看，互联网依然是最大的采购行业，占整体加速服务器市场超过一半的份额，此外金融、电信和政府

68、行业需求均有超过一倍以上的增长。26/43 2024 年年 2月月 26 日日 行业行业|深度深度|研究报告研究报告 全球份额方面，浪潮等企业份额较高，全球份额方面，浪潮等企业份额较高，LLM 兴起后云大厂占比明显提升。兴起后云大厂占比明显提升。根据 IDC 统计，2021 年全球 AI 服务器出货占比中，浪潮排名第一，占据 20.2%的全球份额。2022 年底与 2023 年以来，大模型主导了 AI 基建的需求侧，而大模型主要由全球互联网大厂和部分创业公司（诸多拥有大厂资金和算力资源支持）主导，因而在 2023 年的 AI 服务器市场中，大型企业取代了其他类型机构的需求份额，带来服务器市场格

69、局转变。云大厂引领云大厂引领 AI 基建格局演变，基建格局演变，ODM/JDM 服务器提供商持续受益。服务器提供商持续受益。从当前的 AI 基建发展趋势来看，大模型极大拉高了投资门槛，能够建设基础设施并训练大模型的厂商往往是头部互联网厂商，整个市场格局变得更加集中，并且这一趋势在可见的未来或许并不会改变。从 Trendforce 的统计数据可见，2022 年，一半以上的 AI 服务器采购来自于北美四大云厂商，2023 年 AI 服务器采购集中在云大厂的趋势进一步明确。而云大厂由于数据中心规模大、技术和成本要求都比较高，往往会对服务器供应商提出较高的定制化服务需求，因此通常采用 ODM厂商或采用

70、 JDM 模式的厂商供货。根据 Digitimes Research 的统计，目前四大云厂商的 AI 服务器供应商基本是多家 ODM厂商，其中工业富联作为鸿海集团子公司，也在云大厂的 AI 基建中占据一定份额。27/43 2024 年年 2月月 26 日日 行业行业|深度深度|研究报告研究报告 对于浪潮、宁畅、新华三等厂商，其 AI 服务器市场份额较高，与其下游互联网厂商占比较高有关。国内互联网巨头通常与这几家厂商合作密切，而浪潮正是 JDM 模式较早的国内提倡者，其他厂商不同程度采用了 JDM模式，顺应互联网行业发展需求。高能耗导致高故障，散热需高能耗导致高故障，散热需求推动液冷趋势。求推动

71、液冷趋势。随着各种高性能芯片的发展，导致数据中心热流密度明显升高，而电子器件失效的主要原因就是温度过高。美国空军航空电子整体研究项目认为，温度、振动、湿度和粉尘是造成电子设备故障的主要因素。因此，散热设施对于数据中心的正常运行及使用寿命至关重要。28/43 2024 年年 2月月 26 日日 行业行业|深度深度|研究报告研究报告 从降低能耗、绿色发展的角度，液冷技术是目前降低数据中心从降低能耗、绿色发展的角度，液冷技术是目前降低数据中心 PUE 的关键性技术。的关键性技术。液冷分为接触式及非接触式，接触式液冷是指将冷却液体与发热期间直接接触的一种液冷实现方式，包括浸没式和喷淋式液冷等具体方案，

72、非接触式液冷是指冷却液体与发热器件不直接接触的一种液冷实现方式，包括冷板式液冷等具体方案。冷板式冷却液一般采用去离子水、纯水、丙二醇或几种冷却液混合，冷却工质相对便宜且消耗量较低；浸没式冷却液一般采用氟化物、矿物油或各种合成油，冷却工质成本相对较高且用量较大。据曙光数创和高澜股份官网及公告，采用冷板式液冷的数据中心年均 PUE 值可降低至 1.2 左右，而浸没式液冷方案可以将 PUE 值降到 1.1 以下。数据中心能耗不断抬升，液冷数据中心市场有望突破千亿。数据中心能耗不断抬升，液冷数据中心市场有望突破千亿。数据中心持续加快建设。但是其总体能耗不断抬升，功率密度需求不断提高，液冷作为新兴的数据

73、中心制冷技术在降低数据中心 PUE，满足算力高负载要求方面具有广阔的发展空间。根据赛迪顾问数据，2025 年中国液冷数据中心市场规模保守预计为 1283 亿元，乐观情形下预计为 1330亿元。预计预计 2025 年冷板式液冷数据中心市场规模可超过年冷板式液冷数据中心市场规模可超过 750 亿元，浸没式液冷数据中心市场规模可超过亿元，浸没式液冷数据中心市场规模可超过500 亿元。亿元。据赛迪顾问，预计 2025 年中国冷板式液冷数据中心占液冷数据中心的比重为 59%，冷板式数据中心市场规模保守估计可达 757.1亿元，2020-2025 年复合增速为 22%；预计 2025 年中国浸没式液冷数据

74、中心占液冷数据中心的比重为 41%，浸没式数据中心市场规模保守估计可达 526.1 亿元，2020-2025 年复合增速为 46%。29/43 2024 年年 2月月 26 日日 行业行业|深度深度|研究报告研究报告（4）光模块：）光模块：高速、低功耗、高速、低功耗、LPO、CPO、硅光集成为未来发展趋势、硅光集成为未来发展趋势 光模块相当于算力传输的大脑。光模块相当于算力传输的大脑。光通信器件指应用于光通信领域的光电子器件以及配套集成电路，光通信器件按照物理形态的不同分为芯片、光有源器件、光无源器件、光模块与子系统四类。其中光模块是实现光信号输入过程中光电转换和电光转换功能的光电子器件，光模

75、块作为数据传输的通道，就像是网络世界里的高速公路，它的迭代升级就像是给高速公路扩宽，能让网络传输速度更快。目前光模块朝着高速、低功耗、LPO、CPO、硅光集成的趋势发展。1）高带宽：高带宽：AI光模块从光模块从800G向向1.6T乃至更速率的发展乃至更速率的发展 作为目前数通光模块需求的主要驱动力，AI 对于网络带宽的要求不断提高，正在推动数通光模块向更高速进行发展。英伟达对于 H100芯片的网络推荐配置是 800G 光模块（2*400G），所以我们看到 2023年 800G 光模块需求不断提升，2024 年 800G 需求展望亦在不断提高。随着 B 系列等更高级算力芯片推出，网络需求将进一步

76、被推高。根据 SemiAnalysis 曝出的一份英伟达未来几年的硬件路线图，预计 B系列 GPU 将于 2024年推出，并于 2025 年放量，有望驱动 1.6T 产品（2*800G）的放量。而后 X 系列GPU 将于 2025 年推出，需求亦将进一步升级。谷歌同样预计 1.6T 产品将于 2024 年开始应用。2）低成本：低功耗方案关注度日益升高低成本：低功耗方案关注度日益升高 网络设备能耗问题随着传输速率增长而日益凸显，而在网络设备中光模块功耗对传输速率的增长最为显著。根据思科的数据，过去 12 年数据中心的网络交换带宽提升了 80倍，背后的代价就是：交换芯片功 30/43 2024 年

77、年 2月月 26 日日 行业行业|深度深度|研究报告研究报告 耗提升约 8 倍，光模块功耗提升 26 倍，交换芯片 SerDes 功耗提升 25 倍。而光模块的整体功耗已经接近交换机系统功耗的一半，所以降低光模块的功耗已经成为 AI 实现低成本的重要问题之一。3）线性直驱方案（线性直驱方案（LPO）方案）方案 高速传统光模块中，通过 DSP 芯片对高速信号进行信号处理。DSP 虽然功能非常强大，但也带来很大的功耗和成本开销。例如 400G 光模块中用到的 7nm DSP 功耗约 4W，占整个模块功耗的接近 50%（R.Nagarajan,L.Lyubomirsky,O.Agazzi;et.al

78、.）。线性直驱方案（LPO）中不再采用 DSP，只留下 driver和 TIA，而将 DSP 功能集成到交换芯片中。LPO 方案具备一系列优势，包括：（1）功耗低：相比于可插拔光模块，LPO的功耗下降约 50%，交换机系统的整体功耗会下降 25%左右。（2）低延迟：由于不再采用 DSP，不涉及对信号的复原，整个系统延迟大大降低，可以应用到对延迟要求比较高的场景。（3）低成本：去掉 DSP 后成本会下降。（4）易实现：LPO 仍然采用可插拔模块的形式，其可靠性高，维护方便，可以利用成熟的光模块供应链。31/43 2024 年年 2月月 26 日日 行业行业|深度深度|研究报告研究报告 4）光电共

79、封方案（光电共封方案（CPO）的方案）的方案 CPO 方案借助硅光集成的工艺将光引擎、电芯片和交换机芯片封装在同一个基板上面，通过 TSV 的小孔来缩短封装电信号连接距离，有望同时实现高速率、高集成度、低功耗的方案。这是由于随着数据中心速率的提升，高速信号在印制电路板（PCB）传输中的损耗快速增加，传统交换机使用的可插拔光模块方案由于无法缩短电信号传输距离，难以满足合理的功耗要求，无法保证传输效果。同时缩短铜箔传输距离也可以减少电信号功耗，单位能耗有望从热插拔的 24pJ/bit 降低到 7pJ/bit，进而大幅降低电信号传输功耗。但是由于目前的技术与产业链尚不成熟等原因，短期内难以大规模应用

80、，但看好其长期发展潜力。5）分立式模块向分立式模块向硅光模块的转变：未来确定性发展趋势硅光模块的转变：未来确定性发展趋势 硅光子技术是基于硅和硅基衬底材料(如 SiGe/Si、SOI 等)，利用现有 CMOS 工艺进行光器件开发和集成的新一代技术。相比分立式方案，硅光方案有望实现更高集成度以及更低成本（避免多次封装）。但是硅光方案由于技术方案的不成熟、商业模式尚未完善、传统分立式方案的竞争等因素，导致在 100G与 400G 时代并未得到广泛应用。但随着光模块速率提高、需求量以及产品单价的提升，同时硅光技术的成熟，硅光方案的低成本优势正在不断凸显。能够认为 2024 年 800G 光模块中，硅

81、光方案的比例将有望显著提高。此前在硅光市场上主要的玩家是 Intel、Cisco 北美厂商，国内厂商亦在积极布局，有望在未来的竞争中占据先机。（5）交换机和路由器：未来将迎来新的增长空间）交换机和路由器：未来将迎来新的增长空间 以 5G、工业互联网、物联网、数据中心为代表的数字基础设施，成为数字经济发展的基本动力和未来国内外建设新型基础设施的方向。我国“十四五”规划纲要从现代化、数字化、绿色化方面对加快新型基础设施建设提出了方针指引，“双碳”目标进一步从长期战略规划角度对信息通信行业的数字化和绿 32/43 2024 年年 2月月 26 日日 行业行业|深度深度|研究报告研究报告 色化协同发展

82、提出新要求。未来，交换机、路由器、服务器、安全设备、WLAN 等 ICT 设备迎来新的增长空间。我国交换机和路由器市场呈现寡头竞争格局。其中，交换机在中国网络设备市场占据了绝大部分市场，近年来，交换机市场规模一直保持稳定增长趋势。2022 年，我国交换机市场规模约为 591亿元，增速为 17.96%。从竞争来看，2022 年，我国交换机市场集中度高，主要集中于华为和新华三两大企业，比例分别为 36.4%和 35.2%。随着我国网络市场的飞速发展，对路由器的需求也不断扩大，2022 年，我国路由器市场规模达 300 亿元，增速为 6.38%。从竞争来看，2022 年，我国路由器寡头效应更加明显，

83、华为华为比例为 49.8%，新华三新华三比例为 31.4%。2、中游重点环节、中游重点环节（1）数据中心）数据中心 我国通用算力数据中心、智算中心持续加快建设。截至 2022 年底，我国在用数据中心机架规模超过650 万标准机架，年复合增长率超过 30%，平均上架率达 58%，在用数据中心服务器规模超 2000 万台。截至 2023 年 6 月，已投运智算中心 25 个、在建超过 20 个，各地依托智算中心支撑当地科研创新、人才培养及产业生态建设。电信运营商加大投资数据中心，将推动我国算力规模保持较快增长趋势。电信运营商加大投资数据中心，将推动我国算力规模保持较快增长趋势。在数据中心布局方面，

84、目前中国电信打造“2+4+31+X”的云网基础设施布局，中国移动形成“N+31+X”三层资源布局，中国联通则是构建“5+4+31+X”新型数据中心体系。在算力相关的资本开支方面，2023 年中国电信预计算力资本开支195 亿元，中国联通预计算力资本开支 149 亿元，中国移动预计算力资本开支 452 亿元。33/43 2024 年年 2月月 26 日日 行业行业|深度深度|研究报告研究报告 （2）云计算）云计算 云计算是一种基于网络“云”的超级计算模式，在远程的数据中心里，成千上万台计算机和服务器联结成一片计算云。云计算模式取代企业原有 IT自建模式，除了为企业用户提供存储、数据库、服务器及网

85、络等基础 IT 资源服务（IaaS），并提供大量可计量的操作系统层面（PaaS）以及应用层面的软件服务（SaaS）。2023 年国内云计算市场保持较快增长。年国内云计算市场保持较快增长。据中国信通院，2023 年国内云计算市场规模 6192 亿元，同比增长 36%，2025 年国内云计算整体市场规模将突破万亿元。根据 Gartner，2023 年全球云计算市场规模 5987 亿美元，其中中国市场约 6192 亿元（867 亿美元），占比全球市场 14%。国内与海外云计算市场存在结构性差异。国内与海外云计算市场存在结构性差异。根据云计算服务模式，云计算市场可以细分为：基础设施即服务（IaaS），

86、平台即服务（PaaS）和软件即服务（SaaS）。2022 年，国内云计算 IaaS 市场规模 2442亿元，PaaS 市场 342 亿元，SaaS 市场 472 亿元。作为对比，2022 年全球云计算发展均衡，IaaS 市场 34/43 2024 年年 2月月 26 日日 行业行业|深度深度|研究报告研究报告 规模 1197 亿美元，PaaS 市场 1096 亿美元，SaaS 市场 1766 亿美元。可以看到，当前国内云计算市场以IaaS 为主导，PaaS 与 SaaS 业务模式发展显著滞后。（3）算力网络）算力网络 算力高效调度需要建立算力网络算力高效调度需要建立算力网络。算力基础设施从云向

87、算泛在演进，其位置的分布从中心向边缘和端侧泛在延伸，将出现云、边、端三级算力架构。算力的分布将不再集中在数据中心，而是广泛地分布在边缘或者端侧的任何位置。其中，（1）中心指云计算的数据中心。（2）边缘指多接入边缘计算。物联终端设备产生的数据不需要再传送至遥远的云数据中心处理，而是就近在网络边缘侧完成数据分析和处理，更加高效和安全。（3）端侧指终端，即 PC、手机、智慧电视，以及家庭的机顶盒、智能水电表等一切具备联网和计算能力的设备。物联网时代，将会有海量终端接入到网络中，汇集闲散设备的存量算力，实现算力共享。算力网络是新型基础设施。算力网络是新型基础设施。类比水力发展离不开水网，电力发展离不开

88、电网，算力发展离不开“算力网络”。实现云、边、端算力的高效调度，需要建立算力网络。算力网络典型功能有算力路由、算力调度、算力交易。35/43 2024 年年 2月月 26 日日 行业行业|深度深度|研究报告研究报告 算力网络为云计算打开新模式。算力网络为云计算打开新模式。相比海外，国内云计算市场仍有较大发展空间。但短期来看，国内云计算龙头与美国 AWS、微软、微软等公司差距拉大。这主要由于国内云计算市场除了公有云模式，近几年国内政企客户从数据安全角度主要采用私有云、混合云、边缘云模式。因此，国内云计算行业无法完全复制海外公有云的发展模式。在此背景下，能够认为，算力网络的建立需要“算网”与“云网

89、”融合发展，为云计算发展打开新模式。算力网络的建设将推动算力与水电一样，成为“一点接入、即取即用”的社会级服务，极大降低算力使用门槛，驱动国内云计算市场加速发展。从竞争角度，国内公有云厂商（阿里云/华为云/腾讯云）与电信运营商均在竞争算力网络规划主导权。国内公有云厂商以云为主并负责算网智能编排。国内通信运营商采取以网强云的策略，增强在云计算市场竞争力。（4）算力租赁）算力租赁 算力租赁是一种通过云计算服务提供商租用计算资源的模式，适用于各种大规模计算需求的场景，企业用户可以根据自己的需求租赁服务器或虚拟机实现大规模的计算任务，而无需拥有自己的计算资源。对上游算力生产商而言，在算力硬件进入淡季、

90、库存趋增时，能通过售卖云算力的方式，平滑收入的波动，并为旺季储备“有生”力量，及时满足回弹的市场需求；对中游云服务厂商而言，则有助于增加客流；对下游算力需求方而言，能最大化降低使用算力的门槛，驱动全民 AIGC 时代降临。据产业调研了解，目前 AI 算力租赁尚处于试水阶段，主要模式为：1）算力买断：面向体量稍大且训练需求频繁的客户，往往采用买断独占模式，即 GPU 只提供给特定客户使用，往往需签订长约。2）算力零售：面对中小客户，签约时间较短，中间会有空档期，但价格随行就市。若未来 GPU 价格持续走高，该部分租金价格也会走高。需求侧，需求侧，AIGC 大模型所需算力狂飙，大模型所需算力狂飙，

91、AI 算力租赁市场潜力巨大。算力租赁市场潜力巨大。摩尔定律中，集成电路上可容纳的元器件的数目，约每隔 18-24 个月便会增加一倍，性能也将提升一倍。继摩尔定律后，英伟达 CEO 黄仁勋提出黄氏定律：每 12 个月 GPU 性能翻一倍，且不受物理制程约束。根据 OpenAI 测算，自 2012年至 2018 年，用于训练 AI 所需要的算力大约每隔 3-4个月翻倍，总共增长了 30万倍（而摩尔定律在相同时间只有 7 倍的增长），每年头部训练模型所需算力增长幅度高达 10倍，整体呈现指数级上涨。36/43 2024 年年 2月月 26 日日 行业行业|深度深度|研究报告研究报告 AI 大模型训练

92、和推理所需的算力可观，前期资金投入巨大。大模型训练和推理所需的算力可观，前期资金投入巨大。以 ChatGPT为例，不考虑与日活高度相关的推理过程所需的算力，仅考虑训练过程，根据论文Language Models are Few-Shot Learners的测算，ChatGPT 的上一代 GPT-3（1750 亿参数版）所需的算力高达 3640PF-days（即假如每秒做一千万亿次浮点运算，需要计算 3640天）。已知单张英伟达 A100 显卡的算力约为 0.6PFLOPS，则训练一次GPT-3（1750 亿参数版），大约需要 6000张英伟达 A100 显卡，如果考虑互联损失，大约需要上万张A

93、100，按单张 A100 芯片价格约为 10 万元，则大规模训练就需要投入约 10 亿元，非头部厂商难以承担。而 GPT4 的模型参数更大，训练的标识符更多，所需算力更为可观。算力租赁先发优势或将化为领跑实算力租赁先发优势或将化为领跑实力。力。3、下游行业应用、下游行业应用 互联网、制造、金融为当前算力水平较高的行业。互联网、制造、金融为当前算力水平较高的行业。根据清华产研院的报告，统计范围内的行业在 2022-2023 年相较前一年有较明显的计算力水平提升。制造行业算力水平由原来的第三位上升至第二位，政府、教育、医疗行业的算力水平增长较明显。（1）ICT 行业行业 ICT 包含 5G、物联网

94、、云计算、大数据、人工智能等新一代信息技术，涉及通信业、电子信息产业、互联网等众多关联行业。ICT 创新往往“牵一发而动全身”，需要“通信+计算+存储”三位一体协同升级，朝着云、物、大、智、虚等方面不断进化，相关算力需求呈现多元化、低时延、灵活迁移等显著特征：1）计算场景丰富多样，多元算力需求显著提升。计算场景丰富多样，多元算力需求显著提升。各类智能化应用渗透率不断提高，智能化愈发多样化、个性化，相关算力需求大规模增长的同时，呈现出多元化趋势，在通用算力之外，智能计算、边缘计算、安全计算等需求高企。37/43 2024 年年 2月月 26 日日 行业行业|深度深度|研究报告研究报告 2）5G

95、网络尚在持续部署，计算时延要求网络尚在持续部署，计算时延要求日趋严格。日趋严格。以目前的网络建设水平，中长距离数据传输仍面临较大时延，算力调度等严重受限，如“东数西算”工程中网络时效性仍较弱；此外，复杂多样的计算任务需要运行稳定且高效的网络作为支撑，对算力提出了更高要求。3）智能终端走向泛在分布，要求算力可灵活迁移。智能终端走向泛在分布，要求算力可灵活迁移。手机、电脑、智能家居设备、可穿戴医疗健康设备等多样化智能终端不断普及，传统以云为主的集中存储和计算模式愈发难以满足“跨终端”“零等待”的用户体验需求，现有场景要求基于终端设备实时、多端、无缝访问用户数据，实现高效一致的跨终端计算。（2）制造

96、业制造业 当前，中国制造业数字化转型已取得不错成效，智能制造试点示范项目生产效率平均提高 45%、产品研制周期平均缩短 35%、产品不良品率平均降低 35%，涌现出了离散型智能制造、流程型智能制造、网络协同制造、大规模个性化定制、远程运维服务等新模式新业态。不过，与高质量发展的要求相比，智能制造发展仍存在供给适配性不高、创新能力不强、应用深度广度不够等问题，相关算力需求呈现高效化、低成本、绿色化等显著特征：1）为赋能业务流程及打造增量价值，算力高效率需求上升。为赋能业务流程及打造增量价值，算力高效率需求上升。目前许多装备制造业企业相对缺乏完善灵活的生产控制计划，且生产计划与采购计划未能有效结合

97、，“研-产-供”等业务流程急需优化，全价值链运营及决策效率低下，数字化运营及智能技术的应用对算力等基础设施提出了更高要求。2）产线周期急需优化，低成本的推进需以算力为支撑。产线周期急需优化，低成本的推进需以算力为支撑。工厂各种活动数字化成本较高、周期较长，企业在产品、工艺、产线等方面研发与验证工作急需逐渐降低成本，需要生产系统建模与仿真技术的支持。降低试错成本、缩短产线周期需要海量算力的普遍应用。3）绿色智能的数据与计算设施正加快布局，推动绿色智能的数据与计算设施正加快布局，推动“绿色计算绿色计算”是当务之急。是当务之急。加快节能低碳技术研发，加快先进绿色技术产品应用，鼓励应用高密度集成的高效

98、 IT 设备，提升能源利用效率，需要持续提升能源高效清洁利用水平，引导新型数据中心向新能源发电侧建设，全面提升用能效率。发展“绿色计算”，即散热和节能用能技术是当务之急。（3）汽车行业汽车行业 汽车厂商之间的竞争正在从“马力”主导的速度、操控竞争，转向“算力”主导的数据、软件竞争，汽车整体产业链合作也从“链式”逐步转化为“网状”，从车载计算平台到车企数据中台再到产业链级算力中心，算力需求全面爆发，呈现出大型化、弹性化、集约化等显著特征：1）汽车全产业链算力需求扩张，要求大规模、弹性化算力供给。汽车全产业链算力需求扩张，要求大规模、弹性化算力供给。汽车智能化升级过程伴随着汽车全产业链条的数字化发

99、展，研发端、生产制造端、运营端、营销端、车端、出行端等各环节的数据将被打通，算力需求将扩大至汽车产业链全环节，要求提供更大规模且调度灵活的算力资源，倒逼算力供给侧积极推动算力弹性部署。2）车企自建算力平台渐成趋势，要求实现低成本、集约化建设。车企自建算力平台渐成趋势，要求实现低成本、集约化建设。面向车载计算平台以及全产业数字化转型带来的巨量算力需求，越来越多的车企开始选择自建数据中心等算力平台，一方面有利于积极应对汽车行业越来越严格的数据管理要求，另一方面有利于算力供不应求的市场环境下保障自给自足，更有望与生态合作伙伴共享算力。不过，车企自建算力平台也意味着漫长的建设周期和巨额的成本投入，亟需

100、实现低成本、集约化建设。38/43 2024 年年 2月月 26 日日 行业行业|深度深度|研究报告研究报告（4）教育行业教育行业 2021 年 7 月，“双减”政策落地，强调着眼建设高质量教育体系，强化学校教育主阵地作用，几乎同时，国家教育部等六部门发布关于推进教育新型基础设施建设构建高质量教育支撑体系的指导意见，提出加快推进教育新基建，构建高质量教育支撑体系。面向教育高质量发展需求，服务于教育新基建的公共型算力成为刚需，而在学校这一教育主阵地中，服务高校科研的高性能算力需求潜力巨大。1）教育新基建持续倒逼公共型算力供给。教育新基建持续倒逼公共型算力供给。中国计划到 2025 年，基本形成结

101、构优化、集约高效、安全可靠的教育新型基础设施体系。其中，构建新型数据中心是重要手段，强调支持省级教育行政部门通过混合云模式建设教育云，为本地区教育机构提供便捷可靠的计算存储和灾备服务，并鼓励区域和高校共享高新性能计算资源和人工智能算力资源。预计在政策强力推动下，面向各级院校和各类教育机构的公共型算力需求会持续高涨。2）高校科研计算强力带动高性能算力需求。高校科研计算强力带动高性能算力需求。高校是国家战略科技力量的重要组成部分，当前国内许多高校正提速建设高性能计算中心，此类计算中心的规模通常在“百节点、万核心”，日常使用率达到 80%以上，结合 2022 年 11 月公布的第 60 届全球超级计

102、算机 TOP500 榜单来看，上海交通大学、中南大学、清华大学、南京大学这四所中国高校的高性能中心成功上榜，建设规模已进入千万亿次级别（P 级别）。预计在“双一流”建设背景下，越来越多高校将加大高性能算力投入，以加快取得突破性研究成果，保持优势学科的学术水平领先。（5）医疗行业医疗行业 在人口老龄化加剧与医疗资源有限等问题日益凸显的背景下，中国医疗信息化正在加速推进，尤其是随着中国公共卫生工作重心逐步由防控感染转为医疗救治，医院信息化工作将脱离快速应急响应状态，回归促进医院高质量发展的主航道，围绕健康医疗大数据规范应用和“互联网+医疗健康”创新发展等任务，对算力服务提出了安全可靠、灵活调度等要

103、求。1）医疗大数据质量及安全管理需求日益突出，安全可靠成为算力硬要求医疗大数据质量及安全管理需求日益突出，安全可靠成为算力硬要求。目前医院的数字化转型进程中面临着临床业务数据分散、患者隐私泄露、数据未授权使用、搜集病例数据耗时太多、数据难以复用以及数据标准不一等问题。随着医院和医生的数据意识加强，数字化场景日益丰富，实现医疗大数据精细化管理、加快健康医疗数据安全体系建设，强化数据安全监测和预警等成为必选项，必然要求更加安全可靠的算力。2）进一步优化医疗资源跨时空配置，需以可灵活调度的算力为支撑进一步优化医疗资源跨时空配置，需以可灵活调度的算力为支撑。互联网医疗充分打破了医疗资源分布的时空限制，

104、实现了医疗资源的合理利用和精准服务，当前互联网医疗应用已经从简单的医患跨时空对接，逐步过渡到线上线下一体化阶段，数字化诊疗服务将陪伴患者从门诊到住院、从院内到院外、从线上到线下的全病程，患者可以通过各类医疗智能硬件和软件应用快速、精准地获取医疗服务，对算力提出了可灵活调度的要求。（6）金融行业金融行业 无论是信贷、支付、理财等传统金融服务，还是供应链金融、智能投顾、数字货币等新型服务形态，背后都离不开算力的支撑，在金融服务敏捷化转型趋势下，算力向各类场景渗透的同时，也将朝着弹性灵活、安全可靠的方向持续进化。1）敏捷服务成为金融机构核心竞争力，亟需弹性灵活的算力。敏捷服务成为金融机构核心竞争力，

105、亟需弹性灵活的算力。随着金融服务不断走向线上化、场景化，敏捷高效的服务能力已成为金融业竞争焦点，金融机构往往需要在短时间内上线新应用，且在具体应用 39/43 2024 年年 2月月 26 日日 行业行业|深度深度|研究报告研究报告 场景中还存在大量高并发、低时延计算需求，要求实现底层算力的灵活供给，根据实际所需资源量实现按需匹配。2）数据安全问题不容忽视，安全存储、安全计算不可或缺数据安全问题不容忽视，安全存储、安全计算不可或缺。在网络安全法数据安全法个人信息保护法等法规相继出台、金融监管部门不断强化执法力度等严监管趋势下，分布式存储、多方安全计算等能实现“数据不出本地”“数据可用不可见”的

106、技术正不断走向落地，推动安全算力融入数字金融服务全流程和金融业务全链条。六六、相关公司、相关公司 1、浪潮信息：算力供给龙头企业引领浪潮信息：算力供给龙头企业引领 AI 算力新浪潮算力新浪潮 浪潮信息是国内领先的服务器制造企业，浪潮信息是国内领先的服务器制造企业，专注于为客户提供先进的云计算、大数据、边缘计算等计算产品和解决方案。算力方面，公司服务器产品体系丰富，竞争优势明显。公司通过场景优化设计，形成了一系列丰富的产品线，涵盖了计算型、存储型、多节点、关键应用、整机柜等各类服务器，支持全场景高效计算。公司收入稳定增长，业务成长性良好。公司收入稳定增长，业务成长性良好。从整体收入来看，公司营业

107、收入从 2018 年 469.41 亿元增长到2022 年 695.25 亿元，CAGR 约为 10.32%。公司的收入主要来自于服务器及部件，近年来公司的服务器及部件收入占比均高于 95%，2022 年公司服务器及部件营收占比约为 99.17%。2022 年，公司人工智能服务器市占率连续年，公司人工智能服务器市占率连续 3 年全球第一，连续年全球第一，连续 6 年市占率中国第一；年市占率中国第一；2023 年年 Q3 浪浪潮信息居全球服务器份额第二。潮信息居全球服务器份额第二。公司牵头参与服务器全部国标，是唯一一家同时加入全球三大开放计算组织的服务器供应商。公司是百度、阿里、腾讯等大型企业最

108、主要的 AI 服务器供应商，与科大讯飞保持在系统与应用的深入合作，帮助 AI 客户在语音、图像、视频、搜索、网络等方面取得数量级的应用性能提升。公司打造最广泛、多元的算力平台，推出全新一代 G7 服务器，是目前业界算力支持最广泛的平台。公司在 AI 服务器领域具有先发优势，全栈布局液冷。多年来围绕智慧计算、数据中心液冷技术持续加大研发投入，目前全系列服务器均支持冷板式液冷，实现全算力业务场景覆盖。浪潮信息服务器性能突出。浪潮信息服务器性能突出。公司 AI 服务器 2022 年在全球权威 AI 性能评测竞赛 MLPerf 中获得 49 个冠军，以全面领先的 AI 训练、推理性能表现，为 AI 研

109、发和应用提供强劲动力，其 AI 服务器产品已经应用在全球领先的互联网巨头企业以及 AI+Science、AI+Graphics、AIGC 等领域的领先科技公司，成为全球 AI 服务器的最大供应商。40/43 2024 年年 2月月 26 日日 行业行业|深度深度|研究报告研究报告 浪潮信息英信服务器 NF5688M6 是浪潮信息为超大规模数据中心研发的同时拥有高性能，高兼容，强扩展的新一代 NVLink AI 服务器，率先在 6U 空间内支持 2 颗 Intel 最新的 Ice Lake CPU 和 8 颗NVIDIA 最新的 NVSwitch 全互联 500WAmpere 架构 GPU，采用

110、业界先进的 NVIDIA NVLink 互联架构，数据中心液冷整机柜服务器 ORS3000S 基于全新一代英特尔至强第三代可扩展处理器打造，单CPU最高拥有 40 个内核及 80线程，最大支持 TDP 270W CPU、最高睿频 3.6GHz、3 组 11.2GT/sUPI互连链路，使服务器拥有更高处理性能同时兼容标准机架式服务器和整机柜服务器，整合网络、计算、存储等功能，满足不同用户的多种需求。2、中科曙光：持续发力高端服务器市场中科曙光：持续发力高端服务器市场 中科曙光是国中科曙光是国内领先的高端服务器生产商。内领先的高端服务器生产商。公司高端服务器产品全栈自研，拥有大规模部署实践；不断开

111、拓算力服务业务，通过全国一体化算力服务平台加速海量复杂行业应用创新与落地，为国内多个大模型提供算力支持。公司持续提升技术创新能力和研发水平，在部件性能管理、产品稳定性、高速互联等方面持续提高产品性能，全面升级服务器的可扩展能力、可管理能力，增强产品的核心竞争优势，经营业绩稳步提升。2022 年，公司利润端持续高增。公司营业收入 130.08亿元，同比增长 15.44%，归母净利润 15.44 亿元，同比增长 31.27%。各业务营收占比基本保持稳定，盈利质量持续提升。公司高端计算机产品包括机架式服务器、高密度服务器、刀片服务器、超融合一体机产品等，能面向多种应用场景，兼顾性能、能效、应用生态，

112、具有领先的计算密度和节能性。公司的高端服务器产品也涵盖浸没液冷、冷板液冷等产品形态，具有节能高效、安全稳定、高度集成等特点。智能计算天阔服务器X785-G30：采用 Intel 最新一代的 Xeon Scalable 系列处理器，可支持更多 CPU 核心，最高支持DDR42933 内存，极大地提高了系统性能，处理器集成 6 通道内存控制器，支持最高 2933MHz 的DDR4 内存。单颗 CPU 最高可提供 28 核心计算能力，采用全新的 UPICPU 总线互联技术，总线频率高达 10.4GT/s，计算能力大幅提升。曙光超融合整体解决方案采用微服务架构，将服务器资源统一整合。基于高效可靠的服务

113、器实现一体化的系统交付。41/43 2024 年年 2月月 26 日日 行业行业|深度深度|研究报告研究报告 3、神州数码：智算神州鲲泰领航，迎接神州数码：智算神州鲲泰领航，迎接 AI 时代算力挑战时代算力挑战 神州数码是是国内 IT 分销领军厂商，具有领先的服务器生产制造优势及行业解决方案实践经验。公司拥有丰富的信创产品结构，为用户提供完善的算力形态。公司持续加速人工智能算力等领域的布局和实践，加强与算力相关的硬件产品、服务研发，帮助各行各业构建高性能、高安全性的算力底座，为增加算力供应提供支持。2022 年，公司实现营业收入 1158.80 亿元，同比下降 5.32%；云计算及数字化转型业

114、务实现营业收入50.23 亿元，同比增长 29.3%；公司主营业务包括 IT 分销及增值服务业务、云计算和数字化转型业务、自主品牌。公司紧抓国内信创快速发展机遇，持续打造自主品牌“神州鲲泰”系列产品，2022 年自主品牌业务营业收入 25.70 亿元，同比增长 55.75%。公司持续发力服务器自主研发，公司持续发力服务器自主研发，打造贯穿服务器、中间件、通用解决方案乃至全面算力平台的国产化产品，形成覆盖 ARM 服务器、网络、终端、一体机的产品体系，实现“核心技术自主创新、核心产品自主研发、核心业务自主可控”，为云计算、大数据服务能力提供算力支撑，加强多种算力的统一调度，提高算力基础设施的资源

115、利用率。神州鲲泰系列服务器持续为各行业数字化转型提供坚实算力底座。神州鲲泰系列服务器持续为各行业数字化转型提供坚实算力底座。基于华为鲲鹏+昇腾产业生态，神州数码信创业务打造神州鲲泰系列入门型、均衡型、高性能型、AI 计算型等多种类服务器。神州鲲泰KunTai R722 服务器算力表现卓越，可满足构建算力网络、算网基础设施建设、一体化算网融合等业务需求。鲲鹏 920+昇腾 910 处理器的神州鲲泰新一代中心训练服务器可广泛应用于深度学习、模型开发和 AI 训练服务场景。4、拓维信息：算力拓维信息：算力+算法算法+数据三位一体全面布局数据三位一体全面布局 42/43 2024 年年 2月月 26

116、日日 行业行业|深度深度|研究报告研究报告 拓维信息是中国领先的国产软硬一体产品及服务提供商。拓维信息是中国领先的国产软硬一体产品及服务提供商。公司多年来锚定软件服务、智能计算、开源鸿蒙操作系统等领域精准发力，积累了海量的算法模型和行业数据，不断筑牢算力、算法、数据三位一体的 AI 差异化竞争力，同时打造国产计算产品品牌“兆瀚”，依托“鲲鹏+昇腾”协同优势，灵活向通用算力及 Al 算力场景扩展，满足各行业、各新技术发展下对多样性算力的需求。拓维信息同时布局鸿蒙生态和智能计算。拓维信息同时布局鸿蒙生态和智能计算。公司在发展通用计算产品业务的同时，抢抓人工智能发展机遇，不断加大 AI 计算硬件产品

117、研发布局与市场开拓。公司基于“鲲鹏处理器+昇腾 AI”国产技术底座，已形成较为完善的自主品牌“兆瀚”智能计算产品体系。2022 年，公司旗下湘江鲲鹏获评华为“昇腾最佳实践伙伴”；兆瀚 RH220T 服务器在服务器性能测试排名中位列鲲鹏厂商第一；2023 年，公司自主品牌“兆瀚”创新发布了兆瀚 RA2311-C推理服务器、兆瀚 RA5900-B 训练服务器等昇腾 AI 产品，目前公司正基于昇腾 AI 底座自研行业专用服务器、AI 模组、AI 小站等差异化 AI 产品矩阵。公司不断深化场景应用，赋能各行业算力发展。公司不断深化场景应用，赋能各行业算力发展。公司顺应自主创新国家战略，精准卡位多个“东

118、数西算”国家级算力枢纽节点，持续为党政、国资企业及重点行业客户提供国产智能计算产品服务；深度参与北京联通 AI 算力平台建设等项目；中标京东 2023 年国产化 AI 服务器采购项目，AI 服务器产品进入多家头部互联网企业开展测试；为茅台双龙智慧物流园项目提供鲲鹏服务器，全面赋能千行百业数字化转型升级。5、紫光股仹：深度布局算力网络、智算中心解决方案紫光股仹：深度布局算力网络、智算中心解决方案 紫光股份是全球新一代云计算基础设施建设和行业智慧应用服务的领先者，提供技术领先的网络、计算、存储、云计算、安全和智能终端等全栈 ICT基础设施及服务。作为数字化解决方案领导者，公司在算力网络、隐私计算、

119、智算中心等前瞻技术方面加强布局并取得重大突破。在算力网络方面，基于对算力评估标准、分布式算网大脑、网络控制器、云管平台及网络设备联动的研究，深度布局转控分离的未来算力网络解决方案。在隐私计算方面，推出隐私计算一体机和隐私计算云，针对金融、政务等特定场景提供算力增强的数据合规共享方案。在智算中心方面，研究布局具备更快数据读取速度和更强训练效率的智算中心解决方案。同时，公司不断将创新技术融入到数字基础设施产品与服务中，推进公司各产品线全面升级。根据 IDC、Gartner、计世资讯的相关统计数据，2020 年-2022 年，公司在中国 X86 服务器43/43 2024 年年 2月月 26 日日行

120、业行业|深度深度|研究报告研究报告 市场份额分别为 15.4%、17.4%、18.0%，保持市场份额第二；在中国存储市场份额分别为 11.4%、12.6%、12.5%，保持市场份额第二；在中国安全硬件市场份额分别为 9.4%、9.0%、9.3%，保持市场份额第二。七、参考研报七、参考研报 1.首创证券-计算机行业深度报告：AI 崛起，算力先行2.中信证券-科技行业产业 2024 算力投资策略：多模态推动技术迭代，国产化助力产业成长3.方正证券-计算机行业深度报告：算力服务，从“东数西算”到“东推西训”4.东兴证券-云计算行业 2024年投资展望：供需向上，算力网络为云计算打开新模式5.毕马威-计算机行业：“普慧”算力开启新计算时代6.招商证券-计算机行业 2024年度投资策略：数据驱动增量价值，静候百花齐放7.中泰证券-AI 行业算力系列之一：服务器/整机，再踏层峰辟新天，拥抱算力新机遇免责声明：以上内容仅供学习交流，不构成投资建议。