计算机行业2024年度投资策略：AI三要素共振AIGC云到端加速推进

行业深度报告●计算机行业日日今累计涨幅15.05%，显著强于上证指数及沪深300。但基本面受下游财政承压等因素影响，前三季度业绩表现不达预期，2023前三季行业营收同比增长5.00%，归母净利同比增长12.99%，行业ROE（摊薄）1.79%，行业内公司平均毛利率39.95%（同比+1.8pct），净利率-4.86%（同比+11.32pct）。继续承压，导致行业依然有下行风险。我们认为，2024年计算机行业有望迎来“戴维斯双击”，分子端：AI“三要素”（算力、数据、算法）共振，积极财政政策预期带来下游需求预期改善，以及数据要素入表，驱动行业整体业绩有望触底反弹；分母端：美联储2024年降息预期下，若明年国内货币政策预期宽松将利好科技成长，流动性改善，有助于估值进一步拔升。主线一：算力侧：人工智能驱动的第六轮康波已现曙光，海外大厂支出指引AIcapex占比继续提升，国内受政策驱动及大模型参数对标海外升级，全球智能算力预计维持高景气，未来5年中国智能算力规模CAGR预计52.3%。主线二：数据侧：数据要素三次价值释放元年，会计入表推动数据价值“显性化”。“数据入表”将于2024年初实行，我们估算2025年数据资本存量市场2）国资云厂商；3）拥有数据资产或数据运营权的企业；4）数据治理、数据安全、数据复制与灾备等服务提供商。主线三：算法侧：AIGC大模型从云到端持续推进，云端继续升级，终端大模型呼之欲出，建议重点关注端侧操作系统层软件服务公司。主线四：终端侧：GPT-4加持的AIPin横空出世，人形机器人预计开始爬产，自动驾驶L2逐年稳增，L3有望迎来重要拐点，智能手机销量企稳恢复。主线五：生态侧：华为突围带动信创生态变革，鸿蒙产业链生态持续走向繁荣。主线六：场景侧：AIGC+教育、金融、办公、法律、医疗有望率先落地。重点公司盈利预测与估值股票代码股票名称EPS投资评级嘉和美康推荐同花顺推荐上海钢联推荐金山办公推荐萤石网络推荐曙光数创推荐政策推进不及预期风险；4）下游需求不及预期风险；5）货币政策不及预期风险；6）人工智能引发法律及伦理等风险。维持评级分析师8610）86359293021）20252650资料来源：中国银河证券研究院【银河计算机】11月人工智能月报——大模型应用加速落地，AIGC加速融入多业态【银河计算机】海外追踪周报_英伟达披露季报，数据中心业务增速超预期【银河计算机】_行业点评报告_首个数据资产确认指南发布，数据资产化进程再加速【银河计算机】海外追踪周报_AI从云端向终端部署趋势预计加速行业深度报告/计算机行业2请务必阅读正文最后的中国银河证券股份有限公司2核心观点：行业热度将持续，积极把握六大投资主线 3（一）行业行情回顾及2023Q3业绩总结 3（二）海外科技股行情回顾 6（三）投资建议：建议把握六大投资主线 7主线一：算力侧——智能算力渗透率快速提升 9（一）算力侧：技术革新及政策双轮驱动，AI算力景气度高企 9（二）算力侧投资主线：国产化、高带宽存储、AI服务器、液冷、算力租赁 主线二：数据侧，数据要素三次价值释放，入表推动价值“显性化” 40（一）数据入表：2024年初实行，数据资产化时代正式开启 40（二）数据要素政策仍有细化空间，政策催化效应预期凸显 42（三）数据要素迎三次价值释放，数据资本空间预计可达30万亿 45（四）细分投资机会解析：贯穿全产业链的价值“显性化” 47主线三：算法侧，大模型从云到端，2024年手机有望搭载生成式AI 50（一）云端大模型持续升级，云人工智能市场五年CAGR有望达32.37% 50（二）边云算法协同发展，推动大模型终端侧落地 54（三）终端部署AI大模型，打开云到端新空间 主线四：终端侧，大模型走向终端，开启智能硬件新周期 61（一）AIPin：大模型从云端走向终端的下一站 （二）全球智能手机市场将在2024年恢复增长，华为手机成长动能最强劲 63（三）国内智能座舱渗透率预计值超全球水平，未来L3渗透率有望大幅增长 67（四）特斯拉人型机器人2024Q1有望开始爬产，具身智能时代到来 主线五：生态侧，华为突围带动信创生态变革，鸿蒙产业链生态走向繁荣 （一）华为突破重围，领衔信创产业生态变革 77（二）生态为王，鸿蒙产业链繁荣发展 80（三）鸿蒙生态赋能千行百业，引领全场景时代 主线六：场景侧，AIGC+教育、金融、办公、法律、医疗加速渗透 86（一）AIGC+教育：人工智能落地的最优场景之一 86（二）AIGC+金融：国内金融大模型抢滩布局，场景应用加速渗透 87（三）AIGC+办公：ARPU值与付费率双升 （四）AIGC+法律：未来预计可替代44%法律工作 92（五）AIGC+医疗：助力智慧医疗转型升级 推荐公司与盈利预测 96风险提示 行业深度报告/计算机行业核心观点：行业热度将持续，积极把握六大投资主线回顾2023年，受ChatGPT引发的新一轮人工智能大模型浪潮影响，行业整体表现活跃。2023Q1，数据安全等相关产业指导意见以及中共中央、国务院印发《数字中国建设整体布局规划》陆续发布，引发“数字经济挂帅”热议，3月16日，百度正式发布旗下预训练生成式大语言模型产品——文心一言，标志国内大厂开始下场竞逐大模型市场，政策发布叠加事件催化下，1～4月份计算机指数大幅跑赢上证综指、沪深300和创业板指；随着4月年报季到来，行业整体业绩低迷，导致4~5月份行业指数小幅回调，年报季后，5～6月下旬反弹上行，6月下旬后由于市场增量资金不足，行业业绩端及货币政策均不及预期，行业上行乏力，持续震荡回调至今。图1：计算机指数vs上证指数、沪深300及创业板指涨跌幅走势图2：年初至今各行业涨跌幅（%）截至12月4日，计算机行业指数PS（TTM）为3.39倍，从A股各行业相对估值水平来看，行业估值水平相对偏高。从计算机行业基金持仓比例来看，全年波动性较大，2023Q1/2023Q2/2023Q3计算机行业基金持股比例分别为3.96%、6.77%、3.59%。图3：目前各行业PS（TTM）估值对比图4：计算机行业2023单季度基金持股情况3请务必阅读正文最后的中国银河证券股份有限公司34请务必阅读正文最后的中国银河证券股份有限公司4行业深度报告/计算机行业2023年由于受地方财政承压等因素影响，前三季度行业业绩表现不达预期，2023前三季度，行业营收同比增长5.00%，但增速有所下降（去年Q3增速10.36%)，归母净利润（去年Q3增速-59.39%)，前三季度经营活动产生的现金流量净额依然为负，行业整体ROE（摊薄）1.79%，行业内公司平均毛利率39.95%（同比+1.8pct净利率-4.86%（同比+11.32pct）。图5：计算机行业前三季度营收同比增长5%增速同比下降图7：计算机行业前三季度经营活动产生的现金流量净额为负（亿元）图6：计算机行业前三季度归母净利润同比增长12.99%图8：计算机行业前三季度摊薄ROE为1.79%受地方财政支出压力等多重因素影响，自2020年起计算机行业营收及净利润水平均表现不佳。企业研发费用率稳增，2023年三季度费用率显著增至19.22%。我们预计，伴随中央财政预期加杠杆，地方财政收支压力趋缓，叠加数据要素入表，行业净利润水平有望于2024年反弹。5请务必阅读正文最后的中国银河证券股份有限公司5行业深度报告/计算机行业图9：计算机行业过去五年营收增长率图10：计算机行业过去五年归母净利润增长率图11：计算机行业过去五年资产负债率持续下修图12：计算机行业过去五年应收账款周转率呈下降态势（次）图13：计算机行业过去五年存货周转率持续下降（次）图14：计算机行业过去五年研发/销售/管理费用率总体上行计算机行业指数过去10年PE（TTM）均值为60.98；PS（TTM）均值为3.99。截至12月4日，当前计算机行业指数估值处于历史十年均值略偏高位置，指数PE（TTM）值为65.16倍，PS（TTM）值为3.39倍。行业深度报告/计算机行业从2023年初截至美东时间12月4日，纳斯达克指数和费城半导体指数表现优于标普500指数。2023年初至4月上旬，TAMAMA科技指数跑赢标普500指数和纳斯达克指数；4月上旬后，TAMAMA科技指数跑赢标普500指数、纳斯达克指数和费城半导体指数。港股、中概股表现整体波动程度较大，年内走势低迷。截至2023年12月4日，恒生科技指数跌幅为11.19%；纳斯达克金龙指数跌幅为9.94%。对比去年同期，跌幅有所收窄。图17：TAMAMA与标普500、纳指和费城半导体指图18：恒生科技指数与纳斯达克金龙指数走势图美股科技纳斯达克指数过去10年PE（TTM）均值为36.95；标普500指数10年PE（TTM）均值为23.40。相较过去10年历史水平，当前纳斯达克指数估值较均值略高；截至美东时间12月4日，纳斯达克指数PE（TTM）值为40.50，标普500指数PE（TTM）值为23.93。6请务必阅读正文最后的中国银河证券股份有限公司6行业深度报告/计算机行业2023年美联储分别于2月1日、3月22日、5月4日和7月26日单次加息25个基点，联邦基金利率由年初的4.50%升至5.50%。由于美联储一系列加息，债券收益率于2022年初开始走高；2023致使科技股阶段性承压，加息节点走势低迷。伴随美联储加息停止，明年上半年有望进入降息通道，科技股估值压力预期将有所缓解。图21：近五年美国与中国国债收益率（10年期）图22：美债10年期实际收益率对比纳斯达克指数走势（三）投资建议：建议把握六大投资主线展望2024年，伴随AIGC多场景落地，上游算力需求依旧景气度高企，数据要素价值释放带来数据产业量及质量双重提升，海外巨量参数大模型开源，国内垂类大模型行业渗透率快速提升，我们认为计算机行业明年有望迎来戴维斯双击。分子端（业绩端区别于2023年的估值驱动，2024年计算机行业有望迎来“三要素”（算力+数据+算法）共振，积极财政政策预期带来下游需求预期改善，以及数据要素入表，分子端业绩有望触底反弹。就分母端（估值端）而言，美联储2024年降息预期下，若明年国内货币政策预期宽松将利好科技成长，流动性改善，有助于估值进一步拔升。7请务必阅读正文最后的中国银河证券股份有限公司78请务必阅读正文最后的中国银河证券股份有限公司8行业深度报告/计算机行业图23：计算机行业2024年度策略核心逻辑推演资料来源：中国银河证券研究院具体而言，2024年建议把握六大投资主线：主线一，算力侧：海外大厂支出指引AIcapex占比继续提升，国内受政策驱动及大模型参数对标海外升级，全球智能算力预计维持高景气。有别于市场的观点，市场担心未来算力需求短期见顶明年低于预期，我们认为，从长周期来看，新一代人工智能已经引发第六轮康波开启，AIGC大模型正在成为引发的生产力变革才刚刚开始，英伟达最新财报显示数据中心营收同比增幅达297%，预付款项指引2025年景气度依然高企。未来5年中国智能算力规模年复合增长率预计将达到52.3%，通用算力规模年复合增长率为18.5%。细分子领域重点关注1）算力国产化（重点关注华为链2）高带宽存储（HBM产业链）；3）AI服务器龙头；4）液冷产业链；5）算力租赁。主线二，数据侧：数据要素三次价值释放元年，会计入表推动数据价值“显性化”。“数据入表”将于2024年初实行，标志着数据完成了从自然资源到经济资产的跨越，数据资产化时代正式开启。有别于市场的观点，市场主流判断数据要素市场规模预计10万亿市场空间，我们估算2025年数据资本存量市场规模有望达到35.49万亿。数据要素完全有望成为改善政企资产负债表的重要支撑，进而推动国内经济升级转型，促进地方政府从“土地财政”全面转换升级为“数字财政”。建议重点关注：1）数据资产化的确权、定价等政策落地时点；2）国资云厂商；3）拥有数据资产或数据运营权的企业；4）数据治理、数据安全、数据复制与灾备等服务提供商。主线三，算法侧：大模型从云到端持续推进，云端继续升级，终端大模型呼之欲出。OpenAI明年上半年预计发布GPT-5，Meta预计已在开发比GPT4更强大的开源大模型Llama3。谷歌发布大模型PaLM2实现轻量级移动端落地，并即将发布多模态大语言模型Gemini；高通发布搭载最新骁龙8Gen3芯片模型StableDiffusion及其核心插件ControlNet，均可在终端运行。云服务产品市场持续扩容，催化大模型向边缘设备落地，包括智能手机、笔记本电脑、XR、机器人、耳机、智能汽车、智能物联网终端（AIoT）等。建议重点关注端侧操作系统层软件服务公司。主线四，终端侧：1）GPT4加持的无屏幕可穿戴设备"AIPin"横空出世，重塑人机交互形式，2024年开始产生销量，有望开启全新终端大模型“轻量级”硬件新时代；2）特斯拉人型机器人2024Q1有望开始爬产，具身智能时代到来；3)国内智能座舱渗透率预计值超全球水平，自动驾驶L2逐年稳增。智能汽车销量高增长，带动智能汽车软件需求，中国智能座舱2023年渗透率预计可达66%，全球自动驾驶2024年L2/L3渗透率预计可达37%/1.5%，从明年开始伴随L3政策预期突破，L3渗透率有望迎来9请务必阅读正文最后的中国银河证券股份有限公司9行业深度报告/计算机行业拐头向上快速提升。4）5G智能手机市场将在2024年恢复增长，华为手机成长动能预期最强劲。重点关注不同类型终端产业链零部件及软件提供商投资机会。主线五，生态侧：华为突围带动信创生态变革，鸿蒙产业链生态持续走向繁荣。华为领衔信创产业生态变革，“鲲鹏+异腾”打造双引擎计算战略，“鸿蒙+欧拉”共筑国产操作系统产业发展的重要底座。鸿蒙是面向万物互联世界的操作系统，搭载华为鸿蒙系统的生态设备数已经突破7亿，HarmonyOS开发者数量超过220万人，API日调用590亿次，鸿蒙已经成为全球第三大操作系统。2024年伴随国产上游产能支持力提升，华为生态将持续迭代扩容。建议关注华为产业链上下游合作伙伴。主线六，场景侧：AI+教育、金融、办公、法律、医疗有望率先落地。1）AI+教育：人工智能技术在教育领域的应用场景广阔，是人工智能落地的最优场景之一；2）AI+金融：垂类小模型在特定领域具备较高的可行性，国内金融大模型抢滩布局；3）AI+办公：人工智能使办公软件ARPU值与付费率双升；4）AI+法律：生成式AI可替代44%法律工作，为法律行业多种应用场景赋能；5）AI+医疗：助力智慧医疗转型升级。建议关注各细分子领域龙头公司。推荐标的：建议关注受益AIGC推进的产业链上下游龙头标的（排名不分先后包括同花顺、中科创达、中科曙光、金山办公、科大讯飞、国能日新、恒生电子、超图软件、拓尔思、萤石网络、海康威视、道通科技、上海钢联、彩讯股份、嘉和美康、英方软件、曙光数创、中科星图、航天宏图、通达海、宝信软件、财富趋势等。从算力供给而言，可以分为通用算力、智能算力和超算算力。算力实现的核心是CPU、GPU、FPGA、ASIC等各类计算芯片，并由计算机、服务器、高性能计算集群和各类智能终端等承载，海量数据处理和各种数字化应用都离不开算力的加工和计算，算力数值越大代表综合计算能力越强，常用的计量单位是FLOPS（每秒执行的浮点数运算次数）。图24：算力分类（从供给侧看）资料来源：中国信通院《中国算力发展指数白皮书》，中国银河证券研究院算力是设备根据内部状态的改变，每秒可处理的信息数据量。算力的载体发展经历了以算盘和机械计算器为代表的时代到基于架设互联网基础平台的服务器的历程。在过去20年，随着算力载体的丰富程度得到了极大提升，呈现多样化发展趋势。行业深度报告/计算机行业图25：算力载体发展史资料来源：华为《泛在算力》，中国银河证券研究院算力架构可以拆解为芯片、设备、软件，呈现“云-边-端”一体格局。未来将形成云端侧负责大体量复杂计算、边缘侧负责简单计算执行、终端侧负责感知交互的泛在算力部署形式。图26：泛在算力架构图资料来源：华为《泛在算力》，中国银河证券研究院大模型需要强大算力来支持训练过程和推理过程。根据OpenAI数据，训练GPT-3175B的模型，需要的算力高达3640PF-days（假如每秒做一千万亿次浮点运算,需要计算3640天）。2018年以来，大模型的参数量级已达到数千亿参数的量级规模。而CPU的物理工艺、核心数已接近极限。在AI的演化成为趋势，并最终成为生成式人工智能时代下算力的主角。表1：各个模型所需计算量及参数量参数量（百万个）请务必阅读正文最后的中国银河证券股份有限公司行业深度报告/计算机行业请务必阅读正文最后的中国银河证券股份有限公司AI时代的摩尔定律，算力平均每3.43个月翻一倍。自2012年后，驱动AI的底层机器学习技术计算量呈指数级增长，根据OpenAI论文，深度学习前期，算力翻倍时间为21.3个月，深度学习时期，算力翻倍时间为5.7个月，大模型时期，AI训练任务所用的算力每3.43个月就会翻倍，远超摩尔定律（晶体管每18个月翻一倍）带来的算力提升速度。图27：算力需求远超摩尔定律大模型对算力的需求主要体现在以下三个场景：（1）预训练算力需求：模型预训练过程是消耗算力的最主要场景。ChatGPT采用预训练语言模型，GPT-3具有大约1750亿参数，GPT-4的规模是GPT-3的10倍以上，它具有大约1.8兆参数，分布在120个层，13万亿token，OpenAI训练GPT-4的FLOPS约为2.15*10^25，单张英伟达A100的算力为19.5TFlops（浮点运算每秒19.5万亿次），如果不考虑利用率用25000张A100训练需要52天，实际情况在大约25000个A100上训练了90到100天，MFU（行业深度报告/计算机行业验、失败的训练和其他成本，比如数据收集、RLHF（以强化学习方式依据人类反馈优化语言模型）、人力成本等，这次训练的成本大约是6300万美元。图28：大模型预训练所需算力成本（2）日常运营算力需求：预计ChatGPT单月运营需要算力约4874.4PFlops-days，对应成本约1800万美元。在完成模型预训练之后，ChatGPT对于底层算力的需求并未结束，日常运营过程中，用户交互带来数据处理需求。根据OpenAI官网9月数据，ChatGPT目前拥有超过1亿用户，每月美元。基于此，我们估算OpenAI为ChatGPT每月支付的运营算力成本为1800万美元。图29：日常运营所需成本测算（3）模型调优算力需求：从模型迭代的角度来看，ChatGPT模型并不是静态的，而是需要不断进行Finetune模型调优，以确保模型处于最佳应用状态。调优过程中，一方面是需要开发者对模型参数进行调整，确保输出内容不是有害和失真的；另一方面，需要基于用户反馈和PPO（近端策略优化），对模型进行大规模或小规模的迭代训练。因此，模型调优同样会为OpenAI带来算力成本，具体算力需求和成本金额取决于模型的迭代速度。请务必阅读正文最后的中国银河证券股份有限公司行业深度报告/计算机行业请务必阅读正文最后的中国银河证券股份有限公司表2：算力需求推演（以GPT-4为例）型对算力总需求伴随全球人工智能浪潮，全球算力规模爆发式增长。2022年全球算力总规模达到906EFlops，增速达到47%，其中基础算力规模（FP32）为440EFlops，智能算力规模（换算为FP32）为451EFlops，超算算力规模（换算为FP32）为16EFlops。根据中国移动预测，未来五年全球算力规模将以超过50%的速度增长，到2025年全球计算设备算力总规模将超过3ZFlops，至2030年将超过20ZFlops。图30：全球算力规模及增速资料来源：中国信通院，中国银河证券研究院以AIGC为首的应用表现强劲，推动了智能计算的快速和持续增长。IDC预测，全球人工智能计算市场规模将从2022年的195亿美元增长到2026年的346.6亿美元。其中，生成式人工智能计算市场规模将从2022年的8.2亿美元增长到2026年的109.9亿美元，占整体人工智能计算市场的比重将从4.2%增长到31.7%。生成式人工智能将推动互联网、制造、金融、教育、医疗等行业创新发展。行业深度报告/计算机行业图31：全球人工智能市场规模图32：全球生成式人工智能市场规模从海外云巨头三季报看，人工智能投资推动收入和资本支出。年初至今，生成式AI技术浪潮的快速崛起带来对AI算力需求的大幅提升，海外云厂商巨头谷歌、微软、Meta（这里暂时不考虑亚马逊，亚马逊由于三季度收缩用于仓储物流的资本开支，影响权重较大）3Q资本开支212.05亿美元，合计资本开支环比增长9.43%，主要系AI基础设施投入加大，各家在业绩会上均表示2024将继续加码AI领域。图33：海外云厂商巨头2023资本开支规模（单季度）图34：海外云厂商巨头2023资本开支增速（季度环比）另一方面，各大厂商资本开支与营收呈现显著正相关。谷歌云2023年第三季度收入为84.1亿美元，同比增长22.59%，微软智能云部门（包括Azure）的收入为243亿美元，同比增长19%。我们认为，预计北美云厂商巨头微软、谷歌、Meta的资本开支在2024年进入上行周期，整体增速预计超过双位数。算力是集计算力、网络运载力、数据存储力力于一体的新型生产力。一国算力指数与数字经济发展呈现显著正相关。IDC、浪潮信息、清华产业研究院联合发布的《2022-2023全球计算力指数评估报告》中表明，计算力评估指标涵盖计算能力、计算效率、应用水平、基础设施支持四个维度。回归分析显示，计算力指数与GDP、数字经济的走势呈现出显著正相关。请务必阅读正文最后的中国银河证券股份有限公司请务必阅读正文最后的中国银河证券股份有限公司行业深度报告/计算机行业图35：算力与GDP回归性分析算力对于促进GDP与数字经济增长效果显著。相关数据显示，十五个样本国家的计算力指数年将继续保持。图36：算力对数字经济和GDP的影响中国计算力指数排名第二，处于领跑者地位。根据《2022-2023全球计算力指数评估报告》中，第一梯队包括中国和美国；第二梯队国家包括日本、德国、英国、法国、加拿大、韩国和澳大利亚；增长1.4%，达到了71分，2022年受到疫情反复冲击，全年GDP增长低于预期，在这样的大环境下，中国算力指数仍保持增长。行业深度报告/计算机行业图37：全球各国算力指数及排名资料来源：IDC，中国银河证券研究院图38：全球算力规模分布情况资料来源：中国信通院、IDC，中国银河证券研究院中国算力核心产业规模高增，成为国内GDP增长重要抓手。据工业和信息化部数据，截至2022年年底，我国算力核心产业规模达到1.8万亿元，算力总规模达到180EFLOPS，年增长率近30%；存力总规模超过1000EB；国家枢纽节点间的网络单向时延降低到20毫秒以内。预计2023中国算力核心产业规模。算力每投入1元，将带动3～4元的GDP经济增长。图39：中国算力核心产业规模资料来源：工信部、毕马威，中国银河证券研究院图40：算力对中国GDP影响资料来源：IDC，中国银河证券研究院2023是企业数字化转型拐点，2024资本开支有望继续高增。从2022年开始，全球企业在数字化转型的浪潮下开始加速数字化进程，2023年是企业数字化转型的拐点，企业从数字化转型时代进入到数字化业务时代，开始逐渐步入数字化新阶段。根据IDC的研究，到2023年底，全球数字化转型支出在总体企业ICT支出中的占比将达到52%，全球52%的软件应用支出也将是SaaS模式。预计2023年全球数字化转型技术的支出增长率为16.9%。数字化转型在降本增效、提高创新能力、商业模式转型升级等方面已初显成效，已成为企业核心发展战略。请务必阅读正文最后的中国银河证券股份有限公司行业深度报告/计算机行业图41：中国数字化转型发展时间轴国内算力产业总体规模未来三年有望维持30%左右CAGR，智能算力渗透率及占比快速提升。近几年，我国不断加大对计算、网络和存储等基础设施的投入，高度重视数据中心、智算中心、超算中心以及边缘数据中心等算力基础设施的高质量发展，近5年，我国算力产业规模年平均增速超智能算力渗透率逐渐提升。智能算力增长迅速，新增算力中智能算力成为增长新引擎，截至2022年底，我国算力总规模达到180EFLOPS，其中智能算力规模与去年相比增加41.4%，超过全球整体智能算力增速（25.7%其中通用算力规模137EFLOPS，占比约76.7%，智能算力规模41EFLOPS，占比约22.8%。根据《2022-2023中国人工智能计算力发展评估报告》，未来5年中国智能算力规模年复合增长率将达到52.3%，通用算力规模年复合增长率为18.5%。预计到2026年中国智能算力将达到145EFLOPS，占比将达到36.7%。随着AI大模型的快速发展，智能算力需求正呈现爆发性增长态势，渗透率将显著提升。请务必阅读正文最后的中国银河证券股份有限公司请务必阅读正文最后的中国银河证券股份有限公司行业深度报告/计算机行业资料来源：中国信通院，IDC，中国银河证券研究院图44：中国算力产业结构及预测资料来源：中国信通院，IDC，中国银河证券研究院高端算力芯片进口受限，多轮禁令加剧高端算力供应的短缺，导致供需错配。一方面，从ChatGPT面世以来，国内各企业和研究院在短短半年多的时间内先后推出了超过130款大模型，其中领跑玩家已经开始着手于将大模型应用于特定场景，打造爆款应用。此外，为了构筑算力底座，各地政府纷纷上马智算中心建设，铺设大数据时代的信息高速，推动产业创新升级。根据华为异腾计算业务总裁张迪煊在2023世界人工智能大会上的揭示，大模型所需的算力相对于2020年预计将增长500倍。而另一方面，2023年10月17日，美国商务部工业和安全局（BIS）发布了针对芯片的出口禁令新规，更加严格的限制了中国购买重要的高端芯片，导致国内算力缺口正在不断扩大。工信部等六部门联合印发《算力基础设施高质量发展行动计划》，提出到2025年，计算力方面，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。2023年10月9日，工业和信息化部等六部门近日联合印发《算力基础设施高质量发展行动计划》，从计算力、运载力、存储力以及应用赋能四个方面定下发展目标，引导算力基础设施高质量发展。此次《行动计划》详细定下了量化目标。1）计算力方面，到2025年算力规模超过300EFLOPS(每秒30000京次浮点运算次数)，智能算力占比达到35%，东西部算力平衡协调发展；2）运载力方面，国家枢纽节点数据中心集群间基本实现不高于理论时延1.5倍的直连网络传输，重点应用场所光传送网（OTN）覆盖率达到80%，骨干网、城域网全面支持IPv6等创新技术使用占比达到40%；3）存储力方面，存储总量超过1800EB，先进存储容量占比达到30%以上，重点行业核心数据、重要数据灾备覆盖率达到100%；4）应用赋能方面，打造一批算力新业务、新模式、新业态，工业、金融等领域算力渗透率显著提升，医疗、交通等领域应用实现规模化复制推广，能源、教育等领域应用范围进一步扩大。每个重点领域打造30个以上应用标杆。行业深度报告/计算机行业请务必阅读正文最后的中国银河证券股份有限公司图45：行动计划量化目标资料来源：工业和信息化部《算力基础设施高质量发展行动计划》，中国银河证券研究院目前，我国加速推进算力布局，与算力有关的多项国家政策发布，与此同时，各地政府也在推进相关规划落地，包括基础电信企业等在内的各方也在积极推进算力网络建设，算力产业发展进入“快车道”。表3：算力产业政策汇总系统优化算力基础设施布局，促进东西部算国务院《关于数字经济发展情的报告》算力基础设施达到世界领先水平。全国一体化大量发展的意见》见》加快构建全国一体化大数据中心体系，推进国家工资料来源：国务院、工信部，中国银河证券研究院请务必阅读正文最后的中国银河证券股份有限公司全局（BIS）发布了针对芯片的出口禁令新规，更加严格的限制了中国购买重要的高端芯片。一方面，从ChatGPT面世以来，国内各企业和研究院在短短半年多的时间内先后推出了超过130款大模型，其中领跑玩家已经开始着手于将大模型应用于特定场景，打造爆款应用。另一方面，为了构筑算力底座，各地政府纷纷上马智算中心建设，铺设大数据时代的信息高速，推动产业创新升级，降低企业调用以大模型为代表的科技成果的成本。根据华为异腾计算业务总裁张迪煊在2023世界人工智能大会上的揭示，大模型所需的算力相对于2020年预计将增长500倍，这个算力缺口正在不断扩大。A800、H800被禁后，英伟达继续推出新款芯片，单卡性能H20弱于异腾910b。2023年11月9日，相关报道称英伟达已开发出针对中国市场的最新改良版系列芯片——HGXH20、L20PCle和L2PCle。最新三款芯片是由H100改良而来，就单卡性能而言H20弱于异腾910b。表4：英伟达H20、L20、L2性能参数对比数据来源：NVIDIA官网，中国银河证券研究院华为异腾芯片为AI体系提供强大算力，异腾910b单卡性能接近英伟达A100。华为异腾芯片是华为发布的两款人工智能处理器，包含异腾310用于推理和910用于训练，均采用自家的达芬奇架构。异腾910是一款高性能AI芯片，采用了7nm工艺制程，集成了数千个达芬奇核心，能够提行业深度报告/计算机行业供高达256TOPS的算力，在业界其算力处于领先水平。异腾310是一款入门级AI芯片，采用了12nm工艺制程，集成了数百个达芬奇核心，能够提供高达8TOPS的算力，适合用于边缘计算和物联网等应用场景。2023年科大讯飞与华为异腾启动专项攻关，合力打造我国通用人工智能新底座，让国产大模型架构在自主创新的软硬件基础之上，当前华为异腾910B能力已经基本做到可对标英伟表5：华为异腾910b与英伟达A100参数性能对比宽资料来源：华为海思官网、NVIDIA官网，中国银河证券研究院华为异腾生态打开市场空间，国产算力产业链有望持续受益。我们认为，国内第一批大模型厂商使用的基本都是英伟达A100、A800的芯片，因为英伟达构建了完善的CUDA生态，贸然换生态，意味着学习成本、试错成本、调试成本都会增加。目前华为基于“鲲鹏+异腾”双引擎正式全面启航计算战略，打造算力底座，未来国产替代趋势下，华为异腾市场份额将不断提升，产业链细分赛道上市公司有望持续受益。15%到全国产化是大概率事件，国产化空间巨大。根据IDC数据，2022年中国AI芯片出货量约109万张，其中英伟达市占率约为85%，华为在内的国产AI芯片市占率约为15%，国产化仍有很大空间。图46：中国AI芯片市场规模资料来源：中商产业研究院，中国银河证券研究院资料来源：中商产业研究院，中国银河证券研究院行业深度报告/计算机行业异腾计算产业链是基于异腾系列处理器和基础软件构建的全栈Al计算基础设施、行业应用及服务，包括异腾系列处理器、系列硬件、CANN、Al计算框架、应用使能、开发工具链、管理运维工具、行业应用及服务等全产业链。图48：华为异腾计算产业生态资料来源：异腾计算产业发展白皮书，中国银河证券研究院百度等率先开始采购异腾910B，释放多重积极信号。据相关报道，百度为200台服务器向华为订购了1600颗异腾910BAI芯片，作为英伟达A100的替代品，订单总价值约4.5亿人民币，预计今年年底前完成交付，截至10月已交付约60%，同时360集团创始人周鸿祎表示，360也采购了华为1000片左右的AI芯片。我们认为，此次采购意义重大，虽然此订单规模相较过去从英伟达采购的数千颗芯片较小，但是此次采购证明国产异腾910B可以满足大模型训练需求，伴随百度、360等互联网大厂竞相采购，有望掀起互联网行业乃至千行百业采购浪潮。华为异腾服务器，国产算力之王。搭载华为异腾系列AI芯片和业界主流异构计算部件的算力集群，具有超强计算性能，可以广泛用于中心侧AI推理、深度学习模型开发和场景训练，根据训练需求不同可以分为AI训练服务器和AI推理服务器。AI训练服务器：1）Atlas800训练服务器（型号：9000）是基于华为鲲鹏920+异腾910处理器的AI训练服务器，具有超强算力密度、超高能效与高速网络等特点。2）Atlas800训练服务器（型号：9010）是基于Intel处理器+华为异腾910芯片的AI训练服务器，具有超强算力密度、高速网络带宽等特点。这两款服务器广泛应用于深度学习模型开发和训练，适用于智慧城市、智慧医疗、天文探索、石油勘探等需要大算力的行业领域。AI推理服务器：1）Atlas800推理服务器（型号：3000）是基于异腾310芯片的推理服务器，最大可支持8个Atlas300I推理卡，提供强大的实时推理能力，广泛应用于中心侧AI推理场景。2）Atlas800推理服务器（型号：3010）是基于Intel处理器的推理服务器，最多可支持7个Atlas300I推理加速卡，支持560路高清视频实时分析，广泛应用于中心侧AI推理场景。表6：华为服务器对比器请务必阅读正文最后的中国银河证券股份有限公司行业深度报告/计算机行业器数据来源：华为海思，中国银河证券研究院软件端：异腾全栈AI软硬件平台，面向“端、边、云”的全场景AI基础设施。AI处理器和基础软件构建Atlas人工智能计算解决方案，包括Atlas系列模块、板卡、小站、服务器、集群等丰富的产品形态，打造面向“端、边、云”的全场景AI基础设施方案，覆盖深度学习领域推理和训练全流程，充分释放硬件性能。图49：异腾全栈AI软硬件平台资料来源：华为异腾官网，中国银河证券研究院异思MindSpore崛起，打造国产AI开发新生更方便AI科学家和工程师使用，该框架可满足终端、边缘计算、云全场景需求，能够更好地保护数据隐私。异腾在硬件上为合作伙伴提供Altas异腾计算模组和计算卡，发展20+硬件合作伙伴(整机、工控机等)，15家一体机伙伴;在软件上开源异思MindSporeAI框架，社区开源模型400+，下载量超390万+；生态发展上，异腾采用行业+教育的方式，行业打通1000+合作伙伴，认证解决方案2000+，超过110所高校开设异腾AI课程，有着120万+开发者。请务必阅读正文最后的中国银河证券股份有限公司请务必阅读正文最后的中国银河证券股份有限公司行业深度报告/计算机行业资料来源：华为异思官网，中国银河证券研究院五大类华为异腾生态合作伙伴，产业链上市公司迎来重大机遇。异腾生态伙伴包含整机硬件伙伴、IHV硬件伙伴、应用软件伙伴、一体机解决方案伙伴以及生态运营伙伴五大类其中，整机硬件伙伴有13家、IHV硬件伙伴有6家、软件伙伴大约1200家。图51：华为异腾生态产业链合作伙伴资料来源：华为异腾社区，中国银河证券研究院高端算力持续提升，摩尔定律注定失效，内存带宽成为重要制约因素。根据英伟达新卡HGXH20核心参数可以看出，其计算性能大幅下降，但是900GB/s的NVLink速度和96GB的HBM3都将使得集群计算效果较佳。算力并不是AI芯片唯一的性能指标，内存同样对AI芯片的整体效能起到决定性作用。在大模型的训练过程中，“内存墙”成为瓶颈。通常在训练过程中计算和存储是同步进行的，在计算数据量增加的同时，如果存储的带宽不能匹配其数据量，就会造成延迟，势必会影响性能。伴随大模型处理数据吞吐量的指数级增长，庞大的数据处理和传输，对内存就提出了更高的带宽需求。然而，存储器和处理器并没有同步发展，处理器的性能按照摩尔定律规划的路线不断飙升，而内存所使用的DRAM从工艺演进中的获益却很少，性能提升速度远慢于处理器速度。根据行业预计，处理器的峰值算力每两年增长3.1倍，而DRAM的带宽每两年只增长1.4倍。这种情况下，当行业深度报告/计算机行业存储器的性能跟不上处理器，对指令和数据搬运时间将是处理器运算所消耗时间的几十倍乃至几百倍，这就是所谓的“内存墙”问题。HBM突破能有效打破了“内存墙”对算力提升的桎梏，是未来DRAM重要发展路径。HBM这种新型的内存方案具备高带宽、低功耗的特点，面对AI大模型千亿、万亿级别参数时，服务器中负责计算的GPU几乎必须搭载HBM。目前AI芯片中GPU在训练和推理中占绝对优势。AI芯片又称AI加速器或计算卡，是专门用于处理人工智能应用中大量计算任务的模块，AI芯片是AI服务器的核心部件，在AI服务器中价是较为成熟的通用型人工智能芯片，FPGA和ASIC则是针对人工智能需求特征的半定制和全定制芯片，GPU、FPGA、ASIC作为加速芯片协助CPU进行大规模计算。表7：AI主流芯片分类及特点低高低低高低全球AI芯片市场规模持续提升，将维持20%以上的增速。中商产业研究院发布的《2023-2029全球与中国光子AI芯片市场现状及未来发展趋势》显示，2022年全球AI芯片市场规模约为441.7亿美元。根据相关数据预测，2023年AI芯片市场规模将达到534亿美元，比2022年增长20.9%。欧美地区是全球AI芯片的重要市场，未来亚太市场份额进一步提升。欧美地区在AI芯片领域长期维持着行业领先地位，2021年占全球市场份额为42.6%。亚太地区和东南亚市场占比分别为16.2%和11.6%，随着亚太地区半导体产业的快速发展，未来其市场优势地位将进一步凸显。图52：全球AI芯片市场规模资料来源：中商产业研究院，中国银河证券研究院图53：全球AI芯片分布情况资料来源：中商产业研究院，中国银河证券研究院请务必阅读正文最后的中国银河证券股份有限公司行业深度报告/计算机行业英伟达GPU芯片处于全球行业领先地位。2022年Intel正式杀入了显卡市场，目前独立GPU市场则主要由NVIDIA、AMD和英特尔三家公司占据，2022年全球独立GPU市场占有率分别为88%、8%和4%，其中，NVIDIA在PC端独立GPU领域市场占有率优势明显。图54：全球独立GPU市场份额资料来源：JPY，中国银河证券研究院英伟达A100提供40GB和80GB显存两种版本架构，是NVIDIA数据中心平台的引擎。并可划分为七个GPU实例，以根据变化的需求进行动态调整。A100提供40GB和80GB显存两种版本，A100采用80GBHBM2位宽达到5120bit使其显存带宽达到了1935GB/s，超快速的显存带宽，可处理超大型模型和数据集。资料来源：NVIDIA官网，中国银河证券研究院当今的AI模型面临着对话式AI等更高层次的挑战，这促使其复杂度呈爆炸式增长。训练这些模型需要大规模的计算能力和可扩展性。A100借助Tensor浮点运算(TF32)精度，对于具有庞大数据表的超大型模型，A10080GB可为每个节点提供高达1.3TB的统一显存，而且吞吐量比A10040GB多高达3倍。请务必阅读正文最后的中国银河证券股份有限公司请务必阅读正文最后的中国银河证券股份有限公司行业深度报告/计算机行业图56：英伟达A100GPU针对大模型训练可提升3倍训练速度资料来源：NVIDIA官网，中国银河证券研究院图57：相较于CPU提供高达249倍的AI推理性能资料来源：NVIDIA官网，中国银河证券研究院819GB/s，在辅助GPU进行运算时有明显优势。英伟达已经将SK海力士的HBM3应用于H100，这也使HBM3在DRAM整体表现不佳的情况下实现逆势增长，HBM3的原价为30美元/GB，如今上涨5倍之多，而对于训练来说HBM无疑是最优的选择。资料来源：SK海力士，中国银河证券研究院AI推理的带宽需求，GDDR6是更加经济的选择。AI推理带宽需求往往低于500Gb/s，在此类场景中，带宽高于LPDDR5，低于HBM2E的GDDR6，是更加经济的选择。如果将HBM3作为AI推理的存储设备，基本上会把带宽需求翻倍，超过了AI推理本身的带宽需求，还会使成本增加3-4倍。相比之下，GDDR6是更加经济高效的选择。AI带动HBM3需求激增，SK海力士和三星2025年前订单排满。SK海力士在第一季度财报中指出，大型语言模型和AIGC的开发和商用化，将带动HBM在2023年的需求上扬。三星也在第一季度财报指出，将为AI带动的DDR5和高密度内存模块需求做好产能准备。服务器是计算机的一种，它比普通计算机运行更快、负载更高、价格更贵。服务器在网络中为其它客户机如PC机、智能手机、ATM等终端等大型设备提供计算或者应用服务。服务器具有高速的CPU运算能力、长时间的可靠运行、强大的I/O外部数据吞吐能力以及更好的扩展性。其中X86和ARM是两种主流的架构。行业深度报告/计算机行业表8：服务器组成结构资料来源：IDC，中国银河证券研究院通用服务器硬件设备中CPU及芯片组占服务器成本大约50%左右。主要硬件包括处理器、内成本为例，CPU及芯片组大致占比50%左右，内存大致占比15%左右，外部存储大致占比10%左右，其他硬件占比25%左右。AI服务器中用于运算和存储的芯片占服务器成本结构约70%，其中在机器学习型服务器中GPU成本占比达72.8%。图59：通用服务器拆解图（以华为TS200-2280为例）资料来源：华为官网，中国银河证券研究院图60：AI服务器拆解解（以华为Atlas资料来源：华为官网，中国银河证券研究院全球服务器市场高增长，中国市场占比提升。根据Statista数据，2021年全球服务器市场规模规模来到907.8亿美元，同比增长6.96%，中国服务器市场占比33.93%，变化+3.77pct。我们认为，随着人工智力所需算力扩大，未来中国服务器市场有望进一步扩大。人工智能时代AI服务器优势凸显。随着AI技术的广泛使用，CPU的串行处理架构已经不能满足AI时代的算力需求，企业需要为人工智能、机器学习和深度学习建设全新的IT基础架构，正在由CPU密集型转向搭载GPU、FPGA、ASIC芯片的加速计算密集型，且越来越多地使用搭载GPU、FPGA、ASIC等加速卡的服务器，AI服务器应运而生。请务必阅读正文最后的中国银河证券股份有限公司行业深度报告/计算机行业图61：全球服务器市场规模及预测图62：中国服务器市场规模及预测资料来源：Statista，中国银河证券研究院资料来源：Statista，中国银河证券研究院表9：服务器分类资料来源：观研报告，中国银河证券研究院器在组成部件上与普通服务器差异不大，主要提升在以下几个方面：1）更大容量内存，满足大数据实时负载增加的需求；2）提供更多外置硬盘插槽，并广泛支持NVME／PCIE等SSD，满足大数据或模型参数的快速存储需求；3）需要带宽更高的网络模块，满足AI服务器之间、与终端用户的数据高速传输需求。随着AI在各行各业得到广泛使用，算力需求将会呈指数级增长，AI服务器的需求将会高速增长。请务必阅读正文最后的中国银河证券股份有限公司行业深度报告/计算机行业图63：AI服务器性能比较资料来源：华为、CSDN等，中国银河证券研究院全球AI服务器市场规模CAGR为22.7%，有望进一步提升。据IDC预测，2023年全球AI服务器市场规模为211亿美元，预计2025年达317.9亿美元。据TrendForce预测服务器出货量将进一步提升，2022-2026年CAGR达到10.8%。图64：全球AI服务器市场规模及预测资料来源：IDC，中国银河证券研究院图65：全球AI服务器厂商出货量及预测从搭载芯片种类上来看，目前全球以GPU服务器为主流。据IDC统计，2022年全球GPU服务器出货量占比87.3%，GPU服务器销售额占比89.5%。图66：全球AI服务器出货量结构资料来源：IDC，中国银河证券研究院图67：全球AI服务器销售额结构资料来源：IDC，中国银河证券研究院请务必阅读正文最后的中国银河证券股份有限公司行业深度报告/计算机行业请务必阅读正文最后的中国银河证券股份有限公司中国AI服务器市场存量替换需求叠加增量需求，预计2026年达到123.4亿美元，年复合增长率13.02%。中国AI服务器受益于人工智能等相关新兴领域的应用以及“东数西算”政策下，云计算、超算中心的蓬勃发展，数据计算、存储需求呈几何级增长，算力需求持续释放，AI服务器作为算力基础设备保持较快增速。存量来看，服务器平均寿命3-5年更换一次每年根据算力需求使用需求变化产生比较明显的更新需求。增量来看，伴随人工智能浪潮以及数字中国建设，未来对智能算力需求将持续爆发增长，且智能算力增长速度远超算力总体增速，中国AI服务器市场将迎来爆发增长，占比将逐步提升。2018-2021年我国AI元，预计2026年达到123.4亿美元，2021-2026年CAGR达13.02%。图68：中国AI服务器市场规模及预测资料来源：IDC，中国银河证券研究院终端算力需求爆发，推理服务器占比将持续提升。根据IDC预测，2023年AI服务器训练需求占比达41.5%，随着大模型的应用，该比例在2025年将降低至39.2%；将GPT-4的推算结果作为训练需求，进一步推算2023、2025年推理需求最高达44081、48502PFlop/s-day。请务必阅读正文最后的中国银河证券股份有限公司单个AI应用如ChatGPT可以带动推理算力66亿美元需求。假设平均针对20字的提问生成200字的响应，对应267token，根据OneFlow的数据和《ScalingLawsforNeuralLanguageModels》，在推理过程中每个token的计算成本约为2*NFlops，其中N为模型参数数量，则在ChatGPT4一万亿参数中每个token需算力2万亿Flops。假定GPT-4训练期间FLOPS利用率为32%，则每人每次提问需要算力：2万亿*267token/32%=17PFlops。据官网9月数据，ChatGPT目前拥有超过1亿用户，每月产生18亿次访问量，假定每日访问量为6000万人次，每人提问10次，且假设一天平均分布，则每秒算力需求为118EFlops，目前AI推理使用的主流GPU是T4，提供混合精度算力65TFlops，则需要182万个T4GPU可满足单日访问量，对应22.75万台8*T4服务器，一台8*T4服务器的价格约为29000美元，则目前来看推理服务器的需求在66亿美元。图70：推理服务器需求推算我们认为，伴随AI场景化加速落地，推理服务器市场占比有望进一步提升。AI推理服务器能为用户提供强大的实时推理能力，广泛应用于中心侧AI推理场景。据恒州诚思调研统计，2022年全球AI推理服务器市场规模约740亿元，预计未来将持续保持平稳增长的态势，到2029年市场规模将接近2676亿元。大量推理算力服务边缘侧部署，与云端算力相辅相成。目前推理服务放置在云端，数据中心中很多服务器都会配置推理用的PCIE插卡，还有大量的推理算力服务用在边缘侧（各种数据中心外的设备如自动驾驶汽车、机器人、智能手机、无人机或物联网设备，它们都是用训练好的模型进行推理。边缘算力与云端算力相互补充、相互关联，而非替代关系。请务必阅读正文最后的中国银河证券股份有限公司图71：边缘计算应用场景与优势资料来源：中国科技信息，中国银河证券研究院人工智能快速发展，智能终端渗透率提升，边缘算力四大优逐渐凸显。（1）低延迟。边缘计算的一个主要优势在于其能够实现端到端的数据分析。在传统的云计算架构中，数据需要从设备传输到云端，进行分析处理后再返回设备。这种做法增加了数据传输的时间和延迟，对于实时性要求较高的应用而言，可能无法满足需求。而边缘计算通过在设备端进行数据处理，可以减少数据传输时间，提高响应速度和实时性。例如，在智能制造领域，边缘计算可以实现实时监测和预警，有效提高生产效率和产品质量。（2）高可靠性。边缘计算还具有高效可靠的通信优势。由于数据在设备或终端进行处理，因此可以减少网络带宽的需求，从而提高通信效率。同时，边缘计算还可以通过本地化通信，降低数据传输的延迟，实现更快的响应速度。在物联网应用中，边缘计算可以实现对大量设备的快速、高效的数据收集和处理，从而提升整个系统的性能。（3）安全性、隐私性更好。边缘计算在提高数据隐私和安全方面也具有优势。由于数据在本地进行处理，因此可以减少数据传输过程中的泄露风险。同时，边缘计算还可以使用加密技术，进一步提高数据的安全性。在医疗健康、金融服务等领域，边缘计算可以更好地保护用户的隐私和数据安全。（4）低能耗、成本更低。边缘计算的另一个显著优势是更小的能耗。由于数据在设备端进行处理，因此可以减少设备需要传输的数据量，从而降低能耗。此外，边缘计算还可以通过节能算法，进一步降低设备的能耗。在物联网和智能家居领域，边缘计算可以帮助设备实现更长的续航时间，减少充电次数，提高用户体验。（5）易扩展性。通常扩展IT基础架构的成本非常昂贵，需要为基础架构购买新的设备及为设备到额外的空间。但边缘计算轻松扩展基础架构，可以购买具有足够计算能力的设备来扩展边缘网络。无需为其数据需求建立私有或集中式数据中心。算力下一站AIOT时代，边缘算力市场空边缘计算关键数据统计，预测到2030年，边缘计算潜在市场将从2020年的90亿美元，增长到4450亿美元，行业复合年增长率高达48%。到2026年，全球26%的网络边缘站点将位于中国，届时国内将占据主导地位。同时根据亿欧智库数据，2021年我国边缘计算市场规模达427.9亿元，其中边缘硬件市场规模为281.7亿元，边缘软件与服务市场规模为146.2亿元。预计到2025年，我国边缘请务必阅读正文最后的中国银河证券股份有限公司计算产业市场规模将达1987.68亿元，2021-2025年CAGR为46.81%，发展潜力巨大。图72：中国2021-2025边缘计算产业市场规模（亿元）资料来源：亿欧智库，中国银河证券研究院数据中心PUE要求愈发严苛。随着云计算、大数据、人工智能、元宇宙等信息技术的快速发展和传统产业数字化的转型，数据呈现几何级增长，算力和硬件部分能耗也在持续增加，而在“双碳”政策的持续推进下，国家、地方政府、企业层面均在积极推动绿色低碳转型和可持续发展，通讯领域对数据中心节能降耗要求越来越严格。液冷未来有望逐渐替代风冷，成为AI服务器、数据中心标配。A1训练及推理应用、超算等高算力业务需求持续推升,由此带来的芯片性能需求、服务器功率需求不断提高，场景侧，以英伟达DGXA100640GB服务器为例，系统最大功率为6.5KW，传统风冷无法做到及时散热，相比之下，液体比热容为空气的1000-3500倍，导热性能是空气的15-25倍，利用自然冷却显著降低耗电量，使得液冷成为风冷的不二选择。我们认为，人工智能浪潮下，对算力需求进一步提升，液冷预计将成为最优冷却方案，未来中国液冷服务器市场有望进一步打开竞争格局，产业相关上市公司将受益。目前，中国液冷服务器普及率不足5%，径普及率并不高。受制于：1）数据中心国家PUE标准收紧；2）受制于面积等因素，机柜密度逐渐提升；3）温度过高，芯片故障率升高等客观因素，未来液冷服务器将成为调和快速的算力需求与有限数据中心承载力的共识方案。请务必阅读正文最后的中国银河证券股份有限公司图73：风冷与液冷散热能力对比资料来源：中兴通讯《液冷技术白皮书》，中国银河证券研究院表10：全国主要数据中心PUE要求％，请务必阅读正文最后的中国银河证券股份有限公司行业深度报告/计算机行业资料来源：中兴通讯《液冷技术白皮书》，中国银河证券研究院液冷服务器是大势所趋，数据中心PUE可降至1.25以下。算力的持续增加，意味着硬件部分的能耗也在持续提升；在保证算力运转的前提下，只有通过降低数据中心辅助能源的消耗，才能达成节能目标下的PUE要求。图74：制冷技术PUE对比资料来源：中兴通讯《液冷技术白皮书》，中国银河证券研究院冷板式液冷服务器与浸没式相变服务器为两大主流液冷服务器。冷板式液冷服务器技术利用工作流体作为中间热量传输的媒介，将热量由热区传递到远处再进行冷却。在该技术中，工作液体与被冷却对象分离，工作液体不与电子器件直接接触，而是通过液冷板等高效热传导部件将被冷却对象的热量传递到冷媒中。图75：冷板式液冷服务器散热原理资料来源：中兴通讯《液冷技术白皮书》，中国银河证券研究院该技术将冷却剂直接导向热源，同时由于液体比空气的比热大，散热速度远远大于空气，因此行业深度报告/计算机行业制冷效率远高于风冷散热，每单位体积所传输的热量即散热效率高达1000倍。该技术可有效解决高密度服务器的散热问题，降低冷却系统能耗而且降低噪声。图76：曙光冷板式液冷服务器资料来源：曙光数创，中国银河证券研究院浸没式液冷服务器又可以分为单相浸没式液冷服务器和两相浸没式液冷服务器。浸没式相变换热液冷系统采用进口环保专用冷媒，具有不导电、无闪点、无腐蚀性、无毒性的特性，利用环保冷媒良好的热物理特性，通过控制系统物理参数，利用冷媒工质的气化潜热转移服务器内部热量，极大提高了系统的换热效率，同时保留了高端热源的能量品位。此冷媒较传统冷媒，在系统压力较低的情况下即可实现50℃~60℃的蒸发温度，无须利用压缩机进行机械制冷，从而使室外机组的全年自然冷却工作方式成为可能。图77：单相浸没式液冷服务器散热原理资料来源：中兴通讯《液冷技术白皮书》，中国银河证券研究院作为中国液冷服务器第一的曙光数创，目前浸没式液冷服务器技术领先。1）整机功耗：全浸没方案，无风扇设计，风扇功耗降低为0。2）终极的噪音指标：区别于传统风冷机房，全浸没机房噪音控制在35dB以下。3）终极的功率密度：高密度配置，轻松实现整机柜功率200kW。4）终极的PUE指标：直接利用高品位完成热量转移，可实现PUE低至1.01-1.02。请务必阅读正文最后的中国银河证券股份有限公司行业深度报告/计算机行业请务必阅读正文最后的中国银河证券股份有限公司图78：曙光数创全浸没式液冷服务器资料来源：曙光数创，中国银河证券研究院2023H1中国液冷服务器市场同比增长近3倍。根据IDC发布的《中国半年度液冷服务器市场（2023上半年）跟踪》报告数据显示，2023上半年中国液冷服务器市场规模达到6.6亿美元，同比增长283.3%，预计2023年全年将达到15.1亿美元。IDC预计，2022-2027年，中国液冷服务器市场年复合增长率将达到54.7%，2027年市场规模将达到89亿美元。图79：2022年-2027年中国液冷服务器市场规模预测资料来源：IDC、中商产业研究院，中国银河证券研究院请务必阅读正文最后的中国银河证券股份有限公司算力租赁是一种利用云计算技术对算力进行出租的一种计算服务，通过云计算平台给企业用户提供高性能、高效率、高可靠性的计算资源，且有着灵活、成本低廉、高效的特点。算力租赁对中小企业、初创企业、科研机构这种偏向轻资产的模式，转租赁的方式会是一个好选择。算力租赁需求主要来源于创业公司、科研院所、政府智慧城市三方面。创业公司和科研院所等对算力租赁需求持续增长，政府智慧城市大模型化，包括城市智能交通、智慧城市等。图80：算力租赁客户需求AI算力租赁需求增长确定，市场空间广阔。1）数字基础设施：新型数据中心是支撑人工智能、5G、云计算等新一代信息技术发展的算力载体，是推动经济社会数字转型、智能升级、融合创新的关键基础设施。2）低成本、灵活高效：人工智能技术不断提升，带动算力需求的蓬勃上升，给算力租赁带来广泛的市场空间，因为自建数据中心不仅成本高且算力产生大量冗余，因此租赁算力成了当前方案的最优解。3）政策扶持：算力租赁也受到了政策的大力扶持，工信部等六部门日前印发的《算力基础设施高质量发展行动计划》提出打造集成多方算力资源和开发平台的算力服务，鼓励各地为中小企业、科研机构提供普惠算力资源。4）应用端催化：算力租赁需求旺盛，教育、法律和办公需求较大，未来偏创作、剪辑、游戏需求将放量。H800和A80进行测算。目前A800单卡算力在0.6P，根据相关数据H800训练速度倍，推算H800单卡算力在2P。根据GPUShare报价数据A800/80G单卡租赁价格9元/小时，换算单卡0.6P算力=15元/P/小时=13.5万元/P/年。H800/80G单卡租赁价格4.5美金/小时，换算单卡2P算力=17元/P/小时=15万元/P/年，对比一个月前报价（14元每小时，或13.3万元/P/年）涨价15%。成本回收周期短，算力租赁毛利率超过50%。一台8卡A系列服务器卡成本占比在80%左右，每张A800价格为10万元，每张H800的价格是20万元。结合当前市场，一台8卡A系列服务器成本大概在100万左右，8卡H系列服务器成本在200万左右。假定一台服务器的平均使用寿命在3-5年左右，不考虑残值，按照3年使用寿命8卡A系列服务器每年折旧费用每年33万元左右，8卡H系列服务器每年折旧费用在67万元左右。以8卡H系列服务器为例，H系列服务器提供16P算力，按照80%的价格来计算，产生收入192万元，每年折旧费用在67万元左右，假定运维成本、电费、机柜等成本A800为8万元，H800为20万元，粗略估算毛利率在40%-60%左右，预计1.5年可以收回成本。请务必阅读正文最后的中国银河证券股份有限公司表11：算力租赁毛利率测算（禁令公布之前价格）虑残值）我们认为，算力租赁短期供需错配，仍有较大市场空间。2023年在AI大模型发展持续加速背景下，对高端智算资源的需求呈指数级增长，算力租赁行业进入蓬勃发展期。算力租赁上市公司需要重点关注五大维度（优先级依次降低）。1）购卡能力及服务器渠道：是否有购卡渠道及绑定服务器厂商。2）在手订单量：在手订单是否充足。3）资金实力：算力租赁前期购买芯片及服务器投入较大，公司是否有充足现金流。4）能耗指标：各地政府对数据中心有能耗指标限制，公司能否拿到能耗指标影响业务扩张。5）业务协同性：传统业务能否与算力租赁业务形成协同效应。投资者应注意算力租赁行业受地缘政治、政策、法律等引发供应链及衍生风险。主线二：数据侧，数据要素三次价值释放，入表推动价值“显性化”财政部于2023年8