富国中证大数据产业ETF投资价值分析

1、目 录 HYPERLINK l _TOC_250043 引言 4 HYPERLINK l _TOC_250042 云计算是大数据的最佳载体 4 HYPERLINK l _TOC_250041 重头戏在数据业务化 5 HYPERLINK l _TOC_250040 私有云进入成长期 5 HYPERLINK l _TOC_250039 大数据云计算产业链梳理 7 HYPERLINK l _TOC_250038 核心零部件国产替代必然性 8 HYPERLINK l _TOC_250037 IDC 迎来成熟期后第二春 9 HYPERLINK l _TOC_250036 私有云 IaaS 成为新增长点

2、9 HYPERLINK l _TOC_250035 大数据产业链 9 HYPERLINK l _TOC_250034 大数据产业链：数据源头 10 HYPERLINK l _TOC_250033 大数据产业链：采集工具 10 HYPERLINK l _TOC_250032 大数据产业链：承载设备 10 HYPERLINK l _TOC_250031 大数据产业链：管理平台 10 HYPERLINK l _TOC_250030 大数据产业链：分析工具 10 HYPERLINK l _TOC_250029 大数据产业链：数据应用 10 HYPERLINK l _TOC_250028 行业应用软件

3、11 HYPERLINK l _TOC_250027 大数据云计算产业链投资价值 11 HYPERLINK l _TOC_250026 大数据市场容量及增长空间 11 HYPERLINK l _TOC_250025 全球数据规模庞大，数据量稳步增长 11 HYPERLINK l _TOC_250024 全球市场收入增速趋于稳定 12 HYPERLINK l _TOC_250023 国内大数据市场转型，产业规模增速下降 13 HYPERLINK l _TOC_250022 全球推进大数据战略布局 14 HYPERLINK l _TOC_250021 云计算市场容量及增长空间 14 HYPERLI

4、NK l _TOC_250020 全球云市场整体增速放缓 14 HYPERLINK l _TOC_250019 国内公有云市场高速增长 15 HYPERLINK l _TOC_250018 国内私有云市场稳定增长 16 HYPERLINK l _TOC_250017 中美云计算存在一定差距 17 HYPERLINK l _TOC_250016 不同公司该如何投资？ 18 HYPERLINK l _TOC_250015 不同类型的投资者应该如何切入？ 19 HYPERLINK l _TOC_250014 面对锁定期在 3 年以上的长线投资者 19 HYPERLINK l _TOC_250013

5、面对投资周期以天为单位的短线投资者 20 HYPERLINK l _TOC_250012 面对投资周期在 1 年左右的中线投资者 20 HYPERLINK l _TOC_250011 中证大数据产业指数(930902)投资价值分析 21 HYPERLINK l _TOC_250010 指数选取大数据板块优质龙头股 21 HYPERLINK l _TOC_250009 指数样本股选样方法 21 HYPERLINK l _TOC_250008 指数计算 22 HYPERLINK l _TOC_250007 指数成分股分布 22 HYPERLINK l _TOC_250006 指数市场表现 22 H

6、YPERLINK l _TOC_250005 代表性个股基本面情况介绍 23 HYPERLINK l _TOC_250004 科大讯飞 23 HYPERLINK l _TOC_250003 公司简介 23 HYPERLINK l _TOC_250002 主营业务介绍 23 HYPERLINK l _TOC_250001 业务增长点 25盈利预测及估值 26 HYPERLINK l _TOC_250000 风险提示 26中科曙光 27公司简介 27各项业务介绍 27业务增长点 28盈利预测及估值 29风险提示 30紫光股份 30公司简介 30各项业务介绍 30业务增长点 31盈利预测及估计 32

7、风险提示 32浪潮信息 33公司简介 33各项业务介绍 33业务增长点 33盈利预测及估值 34风险提示 35启明星辰 35公司简介 35各项业务介绍 35业务增长点 37盈利预测及估值 38风险提示 38光环新网 38公司简介 38各项业务介绍 39业务增长点 39盈利预测及估值 40风险提示 41富国中证大数据产业 ETF 产品介绍 41ETF 产品概况 41基金管理人及基金经理介绍 427.总结 42引言当今社会，5G+ABCDEI 新技术层出。在众多新技术中，大数据可以说是 21 世纪以来全人类最重要的概念。从技术趋势上看，大数据引领了2006 年云计算浪潮、2009 年人工智能革命，

8、以及如今产业数字化转型的发展。从思维方式上看，大数据思维也是继机械思维以来，最重要的思维方式升级。大数据的出现更是创造了数据科学这一全新的学科，而人们对大数据的使用，更是从最初的不知所措，到如今将其作为企业重要的生产资料。云计算是大数据的最佳载体云计算的本质是 IT 资源的一种消费方式：任何人都可以像使用水电一样地使用 IT 资源。云计算是大数据的最佳载体，唯有通过云计算平台，方能实现对海量数据的存储、高效查询、在线分析，以及无限制调用。大数据也很大程度上推动了云计算的发展。2006 年亚马逊 AWS 推出两项云服务：EC2 弹性计算和 S3 云端存储，这足以说明大数据存储是云计算的杀手级应用

9、。表 1：大数据、云计算行业发展历程时间行业发展历程大数据大数据产业出现在中国，同时逐步受到市场关注，大数据产品及服务相继在市场上线，互联网企业是大数据应用落地的先行者。2009 - 20112011- 20142014-云计算大数据云计算大数据云计算概念开始落地，亚马逊、微软等发布云计算早期产品；按需获取、弹性扩容等优点开始为业界所接受，奈飞等企业上云；早期云上工具还较为单薄，但是该时期存算分离的理念开始形成；基于网络存储的托管磁盘服务也得到了大力发展和推广，包括 AWS 的 EBS、阿里推出的云盘等。 初期，大数据概念普及，企业用户不断提升，资本市场高度关注，大数据企业上市，具有数据资产的

10、企业谋求转型；中期，由于大数据市场技术成熟度不足，市场开始第一轮洗牌，同质化较强、技术成熟度弱、商业模式不清晰的大数据产品及服务经营困难，市场认可度低；后期，大数据市场持续出现新商业模式、新产品、新服务，但效果不明显，仍待市场检验，细分市场开始出现。虚拟化和存储技术获得突破，云计算开始进入企业级市场，容器技术在该阶段获得发展；云计算从消费级进入企业级，国际大厂如微软、亚马逊在此期间正式进入中国市场，阿里、盛大、百度等均将数据存储、提取和处理从传统网盘转向到企业级业务，Ucloud、青云、七牛云等也在这个时期成立。大数据的商业模式不断被更新、拓展，新业务的萌芽反过来催生技术突破，新产品、新服务具

11、有稳定的刚性市场，细分市场逐渐走向差异化竞争，供应商寻求垂直领域的发展机会。至今云计算云计算运营模式创新提速，IaaS（基础设施即服务）、PaaS（平台即服务）技术获得较大发展，SaaS 层（软件即服务）趋于活跃，行业整体处在快速增长期；IaaS 层服务形式更为多样化，主要厂商针对不同场景和垂直行业推出针对性的解决方案，虚拟机计费更为灵活，如包年包月、竞价等，降低用户使用成本；PaaS 层获得重大发展，数据库服务趋于成熟，标准模块（中间件）受到欢迎。PaaS 层与上层的应用层、下层的 IaaS 实现了联动，容器和微服务得到快速推广应用。数据来源：重头戏在数据业务化从行业发展阶段来看，自 200

12、1 年大数据的概念被Gartner 首次提出以来，大部分企业对数据价值的挖掘能力依旧停留在第一层面，即业务数据化，将企业业务数据用信息化的手段在线上管理，并在线上进一步采集用户使用数据。第二层面则是数据业务化，即数据成为业务的一部分，包括四个方面：通过分析企业内部和供应链数据，实现降本提效，如流程自动化、RPA 等，是信息化的下一步；通过分析下游用户数据，推出更符合需求的产品服务，更重要的是从用户需求反向重塑内部组织架构和反馈路径，如车主可以直接在蔚来汽车内反馈问题，研发团队会直接收到反馈；将自有数据与外部数据相融合，实现商业模式上的创新，开拓新的数据变现方式，如今日头条，将自有的用户阅读偏好

13、数据，与用户 GPS 定位数据相结合，推荐附近店铺广告；当采集到足够多的业务数据后，可在虚拟世界中构建现实的仿真，并实现在虚拟世界中预演模拟。第一层面：业务数据化第二层面：数据业务化（数字化转型）图 1：大数据发展处于两个阶段之间的过渡期业务是主角数据是主角，数据成为业务的一部分，数据驱动业务发展1）分析内部数据：实现流程自动化，如流程自动化、RPA 等；将线下业务数据搬到线上，如 ERP、CRM、OA 等企业信息化系统。分析用户数据：更了解用户需求，重塑组织架构，如蔚来汽车；数据变现：内外部数据融合，实现商业模式创新变现，如个性化推荐；数字孪生：基于企业所有数据构建仿真世界；数据来源：私有云

14、进入成长期云计算模式的概念很早就被提出，但由于技术和需求都不成熟，直到 2004 年后才被互联网厂商推广普及。像水电一样消耗 IT 资源的构想，早在 1965 年，就由美国电话公司 Western Union 提出。在 2000 年后， X86 服务器虚拟化技术成熟，也出现对高并发算力和海量数据存储的需求。2005 年，亚马逊推出 AWS 服务，包括弹性计算 EC2 和在线存储 S3云服务，标志着云计算产业的开始，而 2011 年，阿里巴巴推出阿里云服务，标志着中国云计算产业的开始。表 2：云计算在传统 IDC 基础上实现突破传统 IDC 业务云服务业务资源集约化速度和规模在硬件服务器的基础上

15、进行有限的整合跨实体、甚至跨数据中心进行大规模的有效整合将多个服务器节点连成一个大型的虚拟资源池平台运行效率受限于单台实体服务器或单个 IDC 数据中心服务类型实体服务器托管和租用部署和配置实体硬件耗时过长导致交付通常需要数小时到数天时长不等，一次性交付后，难以资源分配时滞进行后续的实时、快速的资源再分配，造成资源的闲置和浪费租赁模式下按月或年进行收费，计费标准包括来提高计算效率从基础设施、到业务基础平台、再到应用层的整体服务可在几分钟甚至数十秒内实现资源快速可用，云端虚拟池中庞大的资源规模使海量数据的快速再分配得以承受，有效防止了资源闲置收费模式柜机数量、带宽大小等，常与数据使用量不相匹配可

16、按小时或分钟计费，实现费用的精准计算数据来源：智研咨询、根据部署方式的不同，云计算可以分为私有云、混合云以及公有云三大类别。表 3：私有云是当前云计算的主要增长点类型特点自己开发或者云运营商针对特定用户开发私有云混合云公有云控制力强：服务、规则、部署位置可控安全性高：安全可控将公有云提供的存储、计算能力同企业自有资源结合的云兼具公有云和私有云的特点：在保证安全性的前提下，实现弹性快速扩展以及敏捷开发部署第三方提供响应快：标准化、自动化低成本：按需申请，按使用量付费弹性：可无限扩展数据来源：云计算按提供的服务内容，可以分为：基础架构云服务 IaaS、开发平台云服务 PaaS 和软件即服务 Saa

17、S。三种服务内容均可通过公有云厂商提供，或企业私有化部署。其中最容易出现理解偏差的是私有云 IaaS 和私有云 SaaS，前者主要包括云计算基础架构中的软件，如服务器虚拟化、分布式存储 SDS、软件定义网络 NFV、超融合软件；后者软件本身与过去 License 的软件差异不大，但是采用月付或年付费的方式结算，且软件开发商的迭代周期会更快。表 4：公私有云均有三层云服务类型特点IaaS以即用即付的方式从服务提供商处租用 IT 基础结构，如服务器和虚拟PaaSSaaS机 (VM)、存储空间、网络和操作系统按需提供开发、测试、交付和管理软件应用程序所需的环境。PaaS 旨在让开发人员能够更轻松地快

18、速创建 Web 或移动应用，而无需考虑对开发所必需的服务器、存储空间、网络和数据库基础结构进行设置或管理通过 Internet 交付软件应用程序的方法，通常以订阅为基础按需提供。使用 SaaS 时，云提供商托管并管理软件应用程序和基础结构，并负责软件升级和安全修补等维护工作。用户（通常使用电话、平板电脑或 PC上的 Web 浏览器）通过 Internet 连接到应用程序数据来源：经过 9 年的发展，云计算在国内已经度过了第一个阶段，即公有云的阶段，目前公私占比约为 6:4。美国在第一个阶段中，公有云占据绝对主导，公私占比约为 7:3。在公有云高度弹性敏捷的影响下，国内外的企业均开始自建私有云，

19、或在公有云厂商的协助下建设专属云。除此之外，云计算行业的第二增长点在边缘计算。5G 基站建设推动物联网应用的快速发展，而物联网应用需要边缘计算的支持，边缘云成为公有云厂商下一个争夺的战场。大数据云计算产业链梳理大数据属于云计算产业链的一个环节，介于通用 PaaS 层和应用层之间。云计算从 IT 架构上划分，包括五层：数据中心硬件层、IDC、基础设施云服务 IaaS 层、大数据层和行业应用软件层。图 2：云计算大数据产业链数据来源：核心零部件国产替代必然性数据中心主要提供三大资源和一大防护：计算、存储、网络和安全。无论技术如何变化，只要是在比特时代，这三大资源都缺一不可，而任何技术都是一把双刃剑

20、，有利必有弊，信息安全就是为了应对弊端的保险。在数据中心硬件层，当前软件定义是大趋势，以专用软件+标准化硬件的组合来代替传统的专用硬件，比如软件定义存储+X86 服务器，以替代外置存储设备。同样的趋势也在软件定义安全、软件定义广域网等领域看到。再看服务器的上游，核心零部件包括 CPU、存储芯片、存储介质、网络芯片。核心零部件目前处在国产替代的初期，国内产品在性能和成本控制能力方面离海外龙头仍有差距，但在信创和中美贸易摩擦背景下，国产替代趋势确定性较高，成长空间巨大。IDC 迎来成熟期后第二春IDC 数据中心在商业模式上更接近于物流地产，在合适的地点拿地，建设机房，并将其租给公有云 IaaS 供

21、应商和企业客户。地理位置构成了第一道护城河，尤其是一线城市附近地段、电价优惠的地段，以及制冷方便的地段，如海边、山洞。其次是成本控制能力，包括 CAPEX 和OPEX两部分。CAPEX 中占比最大的是拿地成本，OPEX 中电费占到 50%，这也是为什么钢铁厂都在积极进入 IDC 行业。在新基建资金推动下，全国各地都重新燃起 IDC 的建设热潮，预计在近2 年内会在上市公司报表上有所体现。然而热炒之后，最大的风险在于5G 建成后，是否真的需要这么多 IDC？未来是否存在供大于求的情况？私有云 IaaS 成为新增长点公有云和私有云均存在 IaaS 层，可以分为三类厂商：1）公有云全套方案供应商，提

22、供从服务器到PaaS 的所有软硬件功能；2）私有云全套方案供应商，同样提供从下到上的全套软硬件产品，以及私有云建设咨询服务；3）私有云 IaaS 软件供应商，如服务器虚拟化、分布式存储、超融合，以及上层的容器编排平台、运维自动化工具和多云管理平台。在公有云性能和理念的影响下，企业纷纷开始建设私有云。对企业来说，私有云的产品还是服务器虚拟化，但私有云与本地化部署数据中心最大的区别在于业务部门和 IT 资源的关系。过去，当业务部门需要 IT 资源时，可以购买自建，或通过 IT 部门采购及运维。现在，业务部门可直接在 IT 部门网站上申请云主机资源，并通过电脑访问云主机使用。相当于在企业内部，IT

23、部门成为一个公有云 IaaS 服务商，业务部门是客户，IT资源由 IT 部门统一管理。私有云全套方案厂商在政务云市场占据主导地位，而在 toB 市场，企业更偏向于采购独立软件厂商的产品，再通过云平台厂商实现集成，以避免“厂商绑定”而失去与供应商的议价能力。大数据产业链大数据产业链可以分为六个环节：数据源头、采集工具、承载设备、管理平台、分析工具和数据应用。从行业发展阶段角度看，采集工具、承载设备、管理平台和分析工具都已进入成长期；少数大数据应用已进入成熟期，大数据在多数行业的应用还处在导入期；与个人隐私相关的数据源受监管限制，止步于成长期。大数据产业链：数据源头包括两个环节：数据集供应商和数据

24、标注众包平台。数据集供应商采集到数据后，直接销售数据集，或提供 API 供客户调用，如数据堂、Kaggle。训练AI 算法，需要先对数据打标签，由此诞生了数据标注众包平台，标注团队在平台上接活，为数据打标签，再将打过标签的数据提供给客户，收取费用，如 Mechanical Turk、百度众包等。数据源行业，尤其是数据集供应商受政策制约严重。当涉及个人数据时，隐私及数据所有权的争议较大，一方面限制行业的发展，另一方面也保护每个人的权利。为更好地解决这个问题，联邦计算或隐私计算应运而生，由多家机构组成联盟，在联盟计算平台上，系统基于加密后的数据进行计算，并从中获得洞察。这项技术避免了个人数据在传播

25、、使用上的隐私问题，对大数据行业来说是个十倍速的变量。联邦计算目前处于行业导入期，以及在未来 5 年内会成为业界焦点新闻，而影响相关大数据公司的股价波动。大数据产业链：采集工具包括各类采集设备和传感器，如网络探针、摄像头、心率传感器等，下游包括所有政府部门、企业单位，以及个人消费者；随着 5G 物联网的发展，传感器等采集工具的数量将呈指数级增长。大数据产业链：承载设备包括公有云、私有云、数据中心 IDC、服务器、外置存储等用来承载数据的 IT 基础设施。大数据产业链：管理平台大数据管理与传统关系型数据管理非常不同，大数据通常放在分布式文件系统、数据湖泊、数据仓库中管理。按商业模式划分，包括模式

26、 1，在开源框架基础上推出发行版和维保服务，以及模式 2，完全自研的软件销售。其中模式 1 的代表包括 Cloudera、星环科技，均是基于 Hadoop，而在此基础上提供的附加价值量有限，却需要维持 500 多人的支持团队，因此盈利能力欠缺。大数据产业链：分析工具专门为大数据挖掘而研发的工具，包括各类数据分析模型、可视化工具，以及数据分析服务外包。数据分析工具通常以软件或 SaaS 的产品形态提供给企业的数据分析师。软件应该提供丰富多样的数据分析模型和预设模板，目前美国的 Palantir、Splunk、Tableau 在这块相对领先，而国内不论是数据科学的发展，还是数据分析师对数据的理解力

27、都离美国有差距，因而软件在功能性上也尚有不足。国内相对比较领先的厂商包括面向公安数据分析场景的中新赛克和美亚柏科。大数据产业链：数据应用大数据作为一种技术，存储、管理、分析只是最基本的，而大数据与各行业场景的结合，解决实际问题，能带来更大规模、更多彩的市场。数据应用包括两类，相对通用的数据应用，如用户画像、个性化推荐、舆情监测；另一类则是各类行业信息化供应商在行业大数据的基础上，为客户提供数据增值服务，也包括一些人工智能赛道，如智慧医疗、智慧教育等。行业应用软件在云计算趋势下，行业应用软件迎来商业模式上的转变，从传统提供项目制集成或 License 销售，到 SaaS 模式。模式转变带来的影响

28、不只是产品形态，更是内部人员的组织结构，从传统 Waterfall 到敏捷式或 DevOps的团队协作方法论。在大数据和人工智能加持下，行业应用软件不仅迎来产品自动化功能上的升级，更是由此延伸出全新的智能化产品，如医学影像识别、考卷智能化批改等。按照行业划分，应用软件类别非常多，其中市场空间较大的包括政务 IT、金融 IT、医疗 IT、交通 IT、工业软件等。大部分行业信息化都已经历过一次产业周期，而如今在技术和政策驱动下，迎来第二轮产业周期，重新进入成长期。大数据云计算产业链投资价值大数据市场容量及增长空间全球数据规模庞大，数据量稳步增长全球数据量自 2017 年产生激增之后，近几年仍处于活

29、跃阶段，增速稳定在 25%左右。随着手机、PC 等移动设备全面普及，在互联网和物联网加速渗透的作用力推动下，全球数据储备量将会持续走高。根据国际权威机构 Statista 的统计和预测，全球数据量在 2020 年有望超过 50ZB。IDC还在数据时代 2025白皮书中表示，预计到 2025 年，全球创建和复制的数据总量将扩展至 163ZB（1ZB=1 万亿 GB）。图 3：全球数据储备量持续稳步上升100%504153%33261844%605040729%927%24%22%2014201520162017201820192020E3020100全球大数据总量(ZB)增长率120%100%8

30、0%60%40%20%0%数据来源：信通院2019 大数据白皮书、IDC、Statista、从数据量分布来看，国内数据量占据全球总量近四分之一。根据 IDC 最新发布的统计数据，中国的数据产生量约占全球数据产生量的 23%，美国的数据产生量占比约为 21%，EMEA(欧洲、中东、非洲)的数据产生量占比约为 30%，APJxC(日本和亚太)数据产生量占比约为 18%，全球其他地区数据产生量占比约为 8%。因此，国内数据总储备量有望在 2020年突破 12.5ZB。图 4：全球数据储备量地区分布8%23%18%21%30%中国美国 EMEA APJxC其他数据来源：IDC、全球市场收入增速趋于稳定

31、随着人工智能、AIoT、云计算等技术深入工业生产与大众生活，全球大数据市场规模逐年增长，且增速近几年趋于稳定。2018 年全球大数据市场规模为 549 亿美元，同比增长 9.6%；2019 年全球大数据市场规模为596 亿美元，同比增长 8.6%；根据智研咨询最新发布的2020-2026 年中国大数据应用行业市场消费调查及投资机会预测报告，预计 2020 年全球大数据市场规模将达到 663 亿美元，同比增长 11.24%。在增速平缓的 2017 年至 2020 年预测期内，大数据市场整体的收入规模将保持每年约 50 亿美元的增长，复合年均增长率约为 7.3%。图 5：全球大数据市场规模持续稳步

32、上升70606670%60504030201210062%58%291953%384535%18%505511%10%9%60%50%40%30%20%11%10%0%20122013201420152016201720182019 2020E全球市场规模($B)增长率数据来源：智研咨询、从细分市场看，全球大数据硬件、软件、服务的市场规模增长平稳，其中软件服务将持续成为整个行业的高速增长点。在 2017 年，软件服务就已经反超传统的硬件，规模增长达到了年均约 30 亿美元，增速为 37.50%。在高级算法、机器自主学习等更多技术走向成熟和完善的力量加持下，将有更多数据应用场景落地，软件服务市场

33、空间将持续高速增长。根据白皮书预测，2020 年三大细分市场的收入规模将分别达到 200亿美元(软件)、150 亿美元(硬件)、和 210 亿美元(服务)。从整体占比上看，未来软件规模占比持续增加，服务相关受益保持平稳发展，而硬件市场由于增速最低，其占比会不断缩小。图 6：全球大数据细分市场规模及预测（单位：亿美元）90080070060050040025%20%19%19024021014%26027029019020030%25%20%15%30016014012%16011% 18015010%2001101201408%8%3401000901008011014017020024027

34、03105%0%2016201720182019 2020E 2021E 2022E 2023E 2024E软件硬件服务增长率数据来源：信通院2019 大数据白皮书、IDC、Wikibon、国内大数据市场转型，产业规模增速下降我国大数据产业正面临着从高速发展向高质量转型的关键时期。综合国内外环境、技术发展瓶颈等多方面因素，近几年我国大数据市场容量增速略有下降。2018 年我国大数据产业整体规模达到约 5400 亿元，同比增长 15%，仅为 2017 年增速的二分之一。但随着更高技术的不断落地，总体增长趋势仍将保持平稳。据中国信通院预测，我国 2020 年大数据产业规模有望突破 1 万亿档口，年

35、均复合增速将达到 30%。图 7：中国大数据全产业规模及增速29%31%470054003600280015%60005000400030002000100002015201620172018整体规模（亿元）增长率35%30%25%20%15%10%5%0%数据来源：中投产业研究院、从核心产业来看，增长趋势与全产业趋势保持一致。根据中国信通院数据，包括大数据硬件、大数据软件、大数据服务等在内的我国大数据核心产业规模预计 2020 年将达到 586 亿元，2015-2020 年间年均复合增长率达 38.26%。图 8：中国大数据核心产业规模及增速45%38%40%39%35%4433528%63

36、292361161688006004002000201520162017201820192020E50%40%30%20%10%0%市场规模（亿元）增长率数据来源：信通院、3.1.4.全球推进大数据战略布局大数据体系备受全球主要经济体的重视，各国都积极开展相关建设。大数据自 2009 年起，美国科学家委员会（NSTC）就发布了发数字数据的威力报告，美国政府重视并大力支持社会大数据框架的建立。此后，包括中国、日本、美国、欧盟等重要经济体陆续颁布相关政策，推动大数据在全球的战略布局。未来，大数据将对各行业产生更加深入的影响，大数据行业将会获得各国政府的鼎力相助。云计算市场容量及增长空间全球云市场整

37、体增速放缓全球公有云市场在经历了前几年的井喷后，走向了减速慢行的时期，但依然保持两位数的增长。根据 Gartner，2018 年全球公有云市场达 1363亿美元，同比增长 23%；预计每年将以约 20%的复合增长率增长，到 2022年市场规模将超过 2799 亿美元。我们认为，前期云计算的快速增长源于大量的资本投入，另一方面凭借成本及技术优势，价格较为敏感的中小客户是前期云计算的主要客户群体，上云较快。尽管云计算市场规模增速有所减缓，但依然保持两位数的高增长。图 9：全球公有云市场规模持续增长，增速有所放缓300030%2500200015001000500025%57610352316765

38、920424681529471913634087110351208% 13881578%26.77%23.01%21.28%19.6018.4120%16.74%15%10%5%1952533254142016201720182019E2020E2021E2022E0%IaaS（亿美元）PaaS（亿美元） SaaS（亿美元）增长率数据来源：Gartner，从细分市场看，IaaS 市场保持较高增速，PaaS 市场增速稳定，SaaS 市 场增长减缓速。其中，PaaS 市场较小且难以单独存在的主要原因有两点：一是其处于产业链中间环节易受上下游挤压，二是因为 PaaS 在云计算 市场起步较晚，市场还处

39、于激烈竞争状态时上下游竞争格局就已经确立，导致 IaaS、SaaS 向中游PaaS 形成强烈的挤压效应。图 10：全球公有云市场 IaaS 占比逐年提升61.1%65.9%64.9%63.9%62.6%100%90%80%59.3%57.7%12.6%12.4%28.2%29.8%2021E2022E70%60%50%40%11.8%12.3%12.3%12.3%12.4%22.3%22.8%23.8%25.0%26.5%2016201720182019E2020E30%20%10%0%IaaSPaaSSaaS数据来源：Gartner，国内公有云市场高速增长尽管全球公有云市场增速放缓，国内公有

40、云市场保持高速增长。根据信通院，2019 年国内公有云市场规模达 689.3 亿元，同比增长 57.6%。我们认为，国内增速较高的主要原因是：1）与国外云计算成熟市场相比，国内云计算行业发展具有一定差距，目前仍处于高速成长期；2）国内云计算行业起步比较晚，导致企业上云时间也比较晚，存量市场相对较大。图 11：国内公有云市场保持高速增长数据来源：中国信息通信研究院，从公有云的细分市场来看，国内 IaaS 仍处于建设期，PaaS 市场规模虽小但前景广阔，SaaS 市场还没到爆发期：IaaS 是国内公有云中增速最快的领域，自 2016 年以来，中国已经跃居全球仅次于美国的第二大公有云 IaaS 市场

41、。IaaS 市场增速较快主要原因是：一方面，受国内大规模云计算中心等基础资源建设投资拉动；另一方面，中国云计算市场较美国还存在一定差距，对于需要大规模资金投入的 IaaS，有较高的技术壁垒，行业集中度相对更高，巨头们更愿意早期投入。此外，虽然 PaaS 市场规模整体偏小，但增速在不断提高，2018 年 PaaS 市场规模为 22 亿元，同比增长 88%。在云计算的三层中，PaaS扮演了承上启下的角色，同时，也是构建生态重要的一环，其前景广阔，其重要性不容小视。SaaS 近年来增速平稳，自 2014 年起复合增长率为 38%。在美国的云计算市场中，企业用户对于软件的付费习惯和付费意愿都更强，产品

42、标准化程度高，因此，使用范围更广的 SaaS 发展更为迅速。目前，国内 SaaS 领域仍处于市场培育阶段，还没有到真正的爆发期，未来仍有广阔的市场空间。图 12：美国云计算市场以 SaaS 为主图 13：中国云计算市场以 IaaS 为主72%8%20%SaaS IaaS PaaS7%32%61%SaaS IaaS PaaS数据来源：IDC 2017，数据来源：IDC 2017，国内私有云市场稳定增长国内私有云市场增速有所放缓，但依然保持高增长态势。根据信通院，2019 年国内私有云市场规模达 645 亿元，同比增长 22.80%。随着私有云的安全性、可靠性和成熟度等方面的完善，企业上云需求的提

43、升，私有云市场规模有望进一步增长。图 14：国内私有云市场保持稳定增长数据来源：中国信息通信研究院，国内独特的 IT 投入结构导致现阶段私有云的规模大于公有云。私有云比公有云在中国市场更受欢迎，其原因主要是：1）国内政府、通信、金融等大中型企业在推进信息化、数字化进程的时候，对价格的敏感度相对较低，但是对信息安全、服务定制化等的要求极高，私有云具有明显的优势；2）对于一些大型、超大型企业而言，当私有云部署在超过一定的规模之后，其总体拥有成本会低于公有云服务。图 15：国内私有云市场保持稳定增长数据来源：中国信息通信研究院，未来私有云将和公有云长期共存。政策上已明确提出政府部门、银行等金融机构业

44、务逐步迁移至云，这将会为私有云厂商带来大量订单；技术上，人工智能、物联网、5G 等新兴行业的爆发，将催生对数据计算、存储的旺盛需求，这对公有云厂商是重大利好；从客户的角度，用户体验、安全性等层面私有云比公有云更占优势，灵活度、弹性、运维等层面公有云比私有云更占优势；从成本的角度，在特定的场景下，大型企业的私有云成本可能低于公有云。中美云计算存在一定差距从时间维度看，中国云计算推出迟于美国五年，目前仍处于黄金发展期。2006 年亚马逊推出弹性计算云（EC2）服务，自此以后微软、谷歌等国 际 ICT 巨头纷纷展开布局。在美国云计算推出 5 年后左右，阿里巴巴为 首的一些互联网企业以及具有行业服务背

45、景的 ICT 厂商纷纷推出云服务。根据中国电子学会发布数据显示，2018 年，30.8%的国内企业采用了云 服务，其中 19.8%的企业选择公有云。而在美国，80%的企业已使用云计 算，这也表明国内企业上云仍处于初步阶段，市场潜力巨大。图 16：国内私有云市场保持稳定增长数据来源：中国信息通信研究院，不同公司该如何投资？云计算产业链从底层到上层，几乎跨越了所有类型的商业模式。最底层的CPU 供应商属于软件+制造业的商业逻辑，大部分 CPU 厂商都为 IDM 设计-研发-制造一体化，在设计研发阶段与软件公司相似，在制造阶段看重重资产投入、规模效应、成本控制力等；数据中心硬件设备，如服务器、网络交

46、换机，属于科技+制造业的逻辑，竞争要素为产品可靠性，以及厂商对成本的控制能力，后者决定了利润空间，即估值；IDC 数字地产则是物流地产的商业模式，拿地建机房租给公有云厂商，受宏观经济、政策影响严重；公有云 IaaS、SaaS 的商业模式相似，都是以月付或年付的方式销售服务，不仅边际成本为零，客户粘性还很强，因此预收账款、复购率是关键指标，而提升复购率的关键在于产品的用户体验，以及迭代速度。私有云全套解决方案供应商的商业模式则是以咨询方案切入，销售一整套软硬件产品，咨询是业务的核心；IT 咨询外包以提供人力资源外包为服务，竞争要素是相关技术的应用案例和人员利用率，或者可以用ROP 来衡量。最上层

47、的行业应用软件则同时存在多种商业模式，主要取决于软件本身的标准化程度和下游行业的集中度，比如卫宁健康面向二级医院的HIS 系统，产品化程度高达 90%，而东软面向三甲医院的 HIS基本都是定制化开发的。在众多行业中，我们看好市场集中度较高，且毛利率较高的赛道。符合条件的包括网络探针、医疗 IT、金融 IT、企业办公软件、数据分析工具、超融合、私有云 IaaS、CPU 和存储芯片。对于毛利率较低的赛道，比如服务器行业，我们看好在工业互联网和国产替代推动下带来的议价能力提升，因此需要长期跟踪其毛利率提升的情况及背后原因。再以 IT 咨询外包为例，我们认为AI 编程等可以部分替代程序员或提升开发效率

48、的工具能改变成本结构，带来毛利率的观点，因此需要长期跟踪新技术的应用情况。对于市场集中度较低的赛道，比如云管平台、大数据管理平台，需要关注集中度变化的可能性。常见的可能性包括产品差异化、新技术革命等。云应用行业应用软件企业办公软件、桌面云IT 咨询外包表 5：大数据云计算行业特征大数据云服务空间：每个百亿级阶段：成熟期后第二春要素：标准化程度、客户粘性空间：每个百亿级、集中度高阶段：SaaS 模式导入期要素：产品功能性、客户粘性空间：千亿级、集中度低阶段：成熟期 要素：团队效率采集工具：网络探针管理平台：数据仓库、数据湖泊数据分析工具空间：十亿级、集中度高空间：百亿级、集中度低空间：百亿级、集

49、中度低阶段：成长期阶段：成长期阶段：成长期要素：技术沉淀、客户粘性要素：标准化程度、产品功能性要素：标准化程度、产品功能性私有云 云管平台私有云 超融合私有云 容器编排空间：百亿级、集中度低空间：千亿级、集中度较高空间：百亿级、集中度低阶段：成长期阶段：成长期阶段：导入期要素：标准化程度要素：客户粘性、要素：标准化程度IDC 数字地产公有云全套方案私有云全套方案空间：万亿级、集中度变低空间：千亿级、集中度高空间：千亿级、集中度较高阶段：成熟期后第二春阶段：成熟期后第二春阶段：成长期要素：地理位置、PUE 控制能力要素：技术内核、要素：客户资源服务器外置存储设备网络交换机空间：千亿级、集中度较高

50、空间：千亿级、集中度高空间：千亿级、集中度较高阶段：成熟期后第二春阶段：衰退期阶段：成熟期后第二春要素：成本控制能力、要素：创新能力、转型魄力要素：产品可靠性、CPU存储介质及芯片信息安全空间：百亿级、集中度高空间：千亿级、集中度高空间：千亿级、集中度较高阶段：国产化初期阶段：国产化初期阶段：成长期要素：技术沉淀、产品生态要素：成本控制力要素：客户资源、服务能力基础设施数据中心硬件数据来源：不同类型的投资者应该如何切入？按照投资周期，我们把不同类型的投资者划分为三类：以天为单位的短线操作、持股周期在 1 年以内的中线成长型和锁定期在 3 年以上的长期价值投资者。我们先讨论长线和短线，再讨论中线

51、投资者。面对锁定期在 3 年以上的长线投资者在科技行业最不缺少的就是变化，新技术、新政策变化莫测。每个变化都有可能打破公司辛苦建立起来的护城河，因而大部分 Long-Only 的投资者都不考虑科技行业，但我们不敢苟同。在如此快节奏的行业中，我们关注两个问题：1）什么是数字时代的好生意？2）行业中有什么慢趋势？在云计算产业中，行业信息化软件的竞争壁垒在于对行业深入的理解。这样的公司由懂技术和懂行业的复合背景人才组成，且通常是此类跨界人才的黄埔军校。无论技术如何变化，只要处在数字时代，行业纵深类软件会一直存在。阿里在 2019 年战投千方科技、蚂蚁在 2019 年参股润和软件、腾讯在2018 年战

52、投长亮科技也是因为此，即使高薪招募了行业信息化公司的员工，也无法取代行业信息化厂商，或者说取代的投入产出比过高。行业信息化公司产品的标准化程度决定了商业模式，是提供集成外包、销售 License，还是提供 SaaS 软件即服务，也决定了公司的利润空间和利润确定性。对大数据产业链来说，数据存储载体永远需要。不论数据形态发生什么 变化，都需要将其存在某个硬件载体上。半导体材料几十年的长期演进 过程，意味着任何替代性的新技术都至少需要几十年才能走向产业成熟，而这样的技术目前还看不到，说明近几十年内，没有替代的可能性。从 IT 架构层级上看，私有云 IaaS 也永远需要，只要数据软件还是存放在硬件上，

53、只要还是按照冯诺依曼架构。且经过我们的研究，IT 架构的演进总是滞后于技术应用 4-5 年，这给予厂商足够的时间反应。面对投资周期以天为单位的短线投资者短期涨跌的主要影响因素包括政策、科技巨头收购新闻和科技概念的进展。短期来看，我们觉得有两条投资主线：国产替代和行业政策，以及一条万金油和利空。国产替代：中美贸易摩擦在美国总统换届的当下处于停滞状态，但国产化是大趋势，但目前国家还未出台具体的计划、目标，如要求金融行业%多少的系统必须是国产的。行业政策：我国大部分行业信息化赛道都是政策驱动，如医疗 IT、金融 IT，每次医疗、金融政策变化，都会给信息化厂商带来系统升级的机会，并在短期带来小幅增长。

54、信息安全：行业平均增速 30%，在此基础上，每次出现信息安全事故、病毒事件，都会全线大涨，具体可参考 2017 年 5 月 WannaCry病毒大爆发后的走势。数据隐私：2019 年以来，国家出台多项政策文件，限制大数据乱象， 并查处了多家违规数据公司。中央网信办针对四项关于数据安全的 管理办法相继发布征求意见稿，其中，儿童个人信息网络保护规定已正式公布，并于 10 月 1 日开始施行。面对投资周期在 1 年左右的中线投资者对中线投资者来说，科技行业的每次变化都是投资的机会。在数字时代中，整个云计算、大数据处在行业上升期，还远远看不到天花板，因此微缩到每年中，时有涨跌，但趋势依然向上。因此，对

55、于每个赛道中优质的公司来说，每次下跌都是机会。长线和短线的投资机会，中线也可以把握，具体包括：核心零部件和基础软件的国产替代、大数据管理平台、行业信息化龙头和信息安全。在这些细分行业中，我们看好各个细分赛道的龙头，包括恒生电子、卫宁健康、千方科技等。中证大数据产业指数(930902)投资价值分析中证大数据产业指数(930902)选取涉及大数据存储设备、大数据分析技术、大数据运营平台、大数据生产、大数据应用等领域的沪深A 股作为样本，用以反映大数据云计算板块上市公司整体表现。指数选取大数据板块优质龙头股中证大数据产业指数，包含的股票为大数据云计算板块具有市值较大和流动性较好特征的龙头股票，经营稳

56、定、成长性高且具有较强的抗风险能力。高景气板块的龙头企业具有更稳定的盈利预期。科技股具有“高成长、高盈利、高风险”的特征，而高景气板块的龙头企业拥有更成熟的商业模式和盈利模式，未来的盈利能力及增长速度更加稳定，且抗风险能力更高。此外，从产业逻辑上讲，随着技术迭代的门槛越来越高，市场对大数据企业研发提出了更高的要求，这必然导致核心技术掌握在少数龙头企业手中，因此一线龙头企业更能代表大数据板块的行情。表 6：大数据板块龙头股归母净利润一致预期19A20E21E600570.SH恒生电子14.1612.7315.765.52%600588.SH用友网络11.839.3812.352.15%00223

57、0.SZ科大讯飞8.1911.3115.1035.79%002410.SZ广联达2.354.376.9171.44%603019.SH中科曙光5.947.7610.0830.28%000938.SZ紫光股份18.4321.2926.4319.74%000977.SZ浪潮信息9.2913.0317.7838.38%002405.SZ四维图新3.392.734.5415.69%300383.SZ光环新网8.259.7612.2521.87%002439.SZ启明星辰6.888.4810.8425.52%代码简称净利润（亿元）两年一致预期数据来源： WIND 资讯、指数样本股选样方法指数于 2016

58、 年 10 月 18 日发布，以 2012 年 12 月 31 日为基日，以 1000点为基点。指数样本空间为中证全指指数样本股。样本股选样方法：在样本空间内，按照过去一年日均成交金额由高到低排名，剔除流动性排名后 20%的股票；将涉及大数据存储设备、大数据分析技术、大数据运营平台、大数据生产、大数据应用等领域的上市公司股票归为大数据产业主题；按照过去一年日均总市值由高到低排名，选取排名前 50 只股票构成中证大数据产业指数样本股。指数计算中证大数据产业指数的计算公式为：报告期指数 =报告期样本股的调整市值除数 1000其中，调整市值 = (股价 调整股本数 权重因子)。权重因子介于 0和 1

59、 之间，以使单个样本股权重不超过 10%。中证大数据产业指数样本股每半年调整一次，样本股调整实施时间分别为每年 6 月和 12 月的第二个星期五收盘后的下一交易日。权重因子随样本股定期调整而调整，调整时间与指数样本定期调整实施时间相同。在下一个定期调整日前，权重因子一般固定不变。指数成分股分布中证大数据产业指数聚焦大数据云计算板块，行业分布集中于计算机行业（申万一级），占比达 92.34%。2020 年 12 月指数成分股进行调整，调整后指数包含大数据板块优质龙头股票，包括恒生电子、用友网络、科大讯飞、广联达和中科曙光等，根据成分股自由流通市值估算权重，指数前 10 大重仓股权重占比为 61.

60、54%。图 17：中证大数据产业指数行业权重分布（申万一级）及十大重仓股权重分布（自由流通市值估算）数据来源： WIND 资讯、指数市场表现从历史走势来看，中证大数据产业指数自2013 年以来年化收益达18.85%，夏普比率 0.51，相比于沪深 300 等宽基指数，有显著的超额收益。图 18：中证大数据产业指数历史走势（2013-2020）数据来源：WIND 资讯、表 7：主要指数历史表现开始时间结束时间累计收益率年化收益率年化波动率夏普比率中证数据2012/12/312020/11/20275.89%18.85%36.65%0.51沪深 3002012/12/312020/11/2095.