1.1 算力、数据、算法是AI时代演进的三大引擎

AI 发展的核心要素包括：数据、算力、算法，三者呈现三位一体，相辅相成的局面。

标注数据是 AI 的 “ 饲料 ” 。监督学习以及半监督学习需要通过标注好的数据进行训练，中国的数据量规模呈现连年递增趋势，根

据IDC预测，数据规模将从23.88ZB增长至2027年76.6ZB，CAGR达26.3%。

算法是 AI 的 “ 推手 ” 。当前主流的深度神经网络（DNN）、循环神经网络（RNN）、卷积神经网络（CNN）等技术算法成为推动AIGC应用场景加速落地的重要力量。

u 算力指实现 AI 系统所需要的硬件计算能力，是 AI 的 “ 底座 ” 。据OpenAI测算，2012年起，全球AI训练计算量平均每3.43个月可以

翻一倍，目前计算量已扩大30万倍。然而算力硬件增长速率仅年增长1.4倍，供给仍较为匮乏。

1.2 算力是经济发展高速列车上的“关键引擎”

AI 时代下，算力是宏观经济跃迁的 “ 重要基石 ” ：

u算力对 GDP 具有明显正向拉动作用。规模层面，2022年算力规模前20的国家中有17个是全球排名前20的经济体，经济发展水平与算力规模呈高度正相关。

算力助推数字化转型进程不断加快。算力应用正从互联网、电子政务等领域向电信、金融、制造等行业拓展。其中，互联网企业对模型的训练需求最为庞大，占据智能算力大约53%的市场份额。

算力拉动产业数字化蓬勃兴起。2022年我国产业数字化规模已达到41万亿元，同比名义增长10.3%，占GDP比重达33.9%。同时已培育工业互联网平台超过240家，跨行业领域平台达28个。

2 算力产业链布局示意图

2.1.1 上游：AI时代下，摩尔定律面临严峻挑战

摩尔定律表明，当价格不变时，集成电路上可容纳的晶体管数目，每隔约 18 个月便会增加一倍，性能也将提升一倍。因此，集成电路的算力呈现指数型增长。

制程工艺的不断提升是维持摩尔定律成立的主要驱动因素。一方面，先进制程缩小的线宽可以使得晶体管更小更密集，从而降低成本；另一方面，元件之间的间距缩小后，晶体管的电容降低、开关频率随之提升，使得芯片工作频率得到明显上升。

新时代下，摩尔定律变得不再适用。由于维持摩尔定律需要每年进行超过百亿美元资本的投入和研发投入，成本支出随着工艺增进大量增加，对集成电路的投入价值渐渐缩小；同时有数据表明，先进制程的主要使用场景集中在消费电子领域，其价值量仅占整个半导体市场的25%。因此，应用场景的局限性与成本的大幅增加构成了摩尔定律的失效。

2.1.2 上游：GPU有望铸就算力“摩尔定律出现”

在 AI 算力需求持续扩大与摩尔定律失衡的大背景下， GPU 、 ASIC 以及 FPGA 重要性显著抬升：

GPU ：可同时处理多个数据线程，主要应用于图像处理和深度学习等大规模并行计算场景，然而其管控能力最弱、功耗最高；

FPGA ：可根据需要定制硬件逻辑，进行不限次编程，具有实时性强、灵活性高的特点，在处理高并发、低时延等AI计算任务时具有优势，然而其开发难度较大，只适合定点运算，价格也较为昂贵；

ASIC ：可应用特定集成电路，为特定任务设计高性能芯片。ASIC可以针对算法进行优化，从而提高计算效率，然而ASIC在灵活性方面不够出色，且成本较高。

2.2.1 中游：AI服务器迎来发展新纪元，量价齐升助推服务器产业成长

受到人工智能大模型的发展热潮影响，全球智算中心建设加速， AI 服务器的需求量将大幅度增加。

数量方面，根据TrendForce预测，2023年全球AI服务器出货量将接近120万台，年增长率接近38.4%，占整体服务器的9%。预计到2025年整体出货量将增加至190万台，2022-2026年年复合增长率将达到29.0%。价格方面，通用服务器价格一般为几千美金/台，而主流AI服务器价格多在10-15万美金/台，单价呈现指数型提升。

2.2.2 中游：需求繁荣是服务器市场增量的主要来源

国际层面，2022年北美四大云端供应商Microsoft、Google、Meta、AWS合计AI服务器采购量占比约66%；国内层面，中国AI采购量也在逐年增长，字节跳动年采购占比为6.2%，腾讯、阿里巴巴、百度紧接其后，分别达到2.3%、1.5%与1.5%。 随着国产 AI 大模型的开发和应用拉动更多 AI 服务器需求，我国 AI 服务器的市场空间有望得到进一步提升。

预计在国内数字基础建设及需求量不断上升的大背景下，我国 AI 服务器市场将迎来稳定发展阶段。据华经产业研究院预测，到2027年中国大陆AI服务器销售额将达到163.99亿美元，2022-2027年CAGR为17.7%。

2.3.1 下游需求层：AIGC发展潜力、成长空间备受瞩目

AIGC 相关应用方面的创新主要包括两种大模型的应用分支: :1)生成对抗网络（GAN）/扩散模型（Diffusion）;2) Transformer预训练大模型。

在国外 AIGC 应用大规模运用大模型技术的同时，我国企业也在加快对大模型产品的布局。云厂商、AI大厂、创企、各行业公司及技术服务商等产业各领域玩家也在陆续推出大模型或基于大模型的应用产品及各类技术服务。

AIGC 产业拥有巨大的发展潜力与成长空间。根据艾瑞咨询预测，2028年我国AIGC产业预计规模将达到7202亿元，将完成在重点领域、关键场景的技术价值兑现，并逐步建立完善的模型即服务产业生态，预计2030年中国AIGC产业规模将突破至11441亿元。

2.3.2 下游需求层：高关注性与低成熟性并存

行业所展现的高热度与高成长性吸引来资本市场的广泛关注。2021年至2023年7月AIGC赛道共发生280笔投融资，应用层创业机会最多，模型层创业受到ChatGPT影响，在2023年集中涌现。

AIGC 发展尚处于早期，商业化落地尚需时间沉淀。 2021年至2023年7月期间内，70%左右的项目仍处于A轮及以前的投资阶段，行业属于起步成长期，同时高达14.6%的投资比例来自于股权、战略融资，AIGC行业战略价值受到市场广泛认可。然而，优质创业项目标的的稀缺性导致了同一标的物的高频投资，获投3次及以上公司约占17%，我们认为，行业大规模发展尚需时间考验与技术突破。

2.3.3 下游需求层： AIGC应用场景落地逐步成为现实

AIGC 将在生产领域与生活领域双方面开启应用落地场景，具体表现为：生活领域，AIGC将进一步下方内容创作权，激发UGC创作热情，加速内容裂变；生产领域，大模型从研发流程、产品能力和交互上全方位为企服软件带来提升，充分开拓新的服务场景。

AIGC 将会向着价值链中线上化程度高、数字化基础夯实、内容占比充足三方面进行迭代。由于AIGC主要影响内容创作和人机交互，价值链线上化程度越高，内容在价值链中占比越高，AIGC对其颠覆效应越明显；同时行业自身的数据、知识、监管要求等特点也会深刻影响到AIGC技术的渗透速度。

2.3.4 下游供给层：数据中心市场主要参与者——运营商

目前我国 IDC 市场份额主要由运营商以及第三方 IDC 服务提供商组成。我们认为，凭借强大的客户资源、拥有网络和机房资源等行业优势，运营商在我国 IDC 行业的龙头地位牢牢稳固。

在算力网络发展方面，运营商继续加快数据中心规模建设： 2023 年中国移动通用算力规模达8EFLOPS，呼和浩特超大规模单体智算中心和 11省12个智算中心区域节点启动建设，加快形成“N+X”多层级、全覆盖智算能力布局，智能算力规模达10.1EFLOPS（FP16）；中国电信23年全年智算新增8.1EFLOPS，达到11.0EFLOPS，增幅279.3%，京沪苏贵宁和内蒙等节点已具备千卡以上训练资源。

2.3.5 下游供给层：数据中心市场主要参与者——第三方IDC服务提供商

u第三方 IDC 服务提供商流程精简，定制化程度高。第三方IDC机房运维团队为公司自有，该模式下办事效率和响应时间在一定程度上优于基础电信运营商。同时第三方机房可支持定制，电源可根据客户需求改电、更换机柜、包区域管理。

部署灵活，不受单一通信网络及地域限制。终端用户的需求往往具有突发性、规模大和无法准确预知的特点，电信运营商的IDC投资计划需根据集团投资预算作出，难以与下游客户对数据中心持续高节奏的需求匹配。第三方IDC服务商可以与不同电信运营商合作，提供多个网络的连接服务，并且网络不以电信运营商和省份边界划分。

2.3.6 下游供给层：算力租赁开启新商业模式探索

兼备灵活& & 部署优势，算力租赁探索新商业模式。算力租赁无需用户购买及维护计算设备，数据处理、存储、传输均可由算力租赁方提供一站式租赁服务，实现按需使用、按量付费。作为一种新兴服务模式，算力租赁可大幅降低企业获得算力的进入壁垒和运营成本，并可动态资源调配，确保业务连续性和竞争力。

u从未来发展角度来看，算力租赁或伴随边缘计算、量子算力以及容器技术的兴起而逐步兴盛。算力租赁可扩展至边缘节点，从而降低延迟、提高数据处理效率，让自动驾驶、远程医疗以及实时数据分析等应用更加坚实可靠；其也可提供量子计算服务的租赁体验，让研究机构和企业超前布局量子时代；容器技术与Kubernetes编排系统的结合优化了算力的分配与管理，可使租赁过程变得更加灵活高效。

2.3.7 下游渠道层：算力调度市场空间逐步打开

算力调度是指在分布式计算系统中合理分配和利用计算机资源的过程，可用于提高计算机资源的利用效率、减少资源浪费。算力调度可基于算网大脑对全网算力资源进行智能编排以及弹性调度，实现算力的按需取用。

算力调度市场格局呈现百花齐放、百家争鸣的局面：运营商层面，中国联通持续推进算网一体化编排调度平台的建设，完成了天穹算力运营调度平台的项目建设；中国电信打造甘肃省算力调度平台、“息壤”算力分发网络平台，中国移动打造混合算力感知调度AI平台等。

设备商层面，中科曙光推出一体化算力交易调度平台；华为提供业界首个公共多样性算力服务平台，并打造北冥多样性计算融合架构，充分释放算力性能；浪潮设计了业界首个智能计算中心计算力调度软件：AIStation。

3.1 智能制造产业龙头——工业富联

代工高级板卡，与英伟达合作共赢。根据中国证券报相关报道，工业富联不仅是英伟达A100、H100板卡的独家供应商，也是最新GPU HPC平台独家设计生产交付供应商，英伟达GH200芯片模组订单也全部交付给了工业富联。

乘 AI 发展东风，交换机迭代逐步加快。23 年公司高速交换机业务营收呈现逐季升温，在全球头部客户份额不断增长的同时持续拓展新客户，市场占有率已超过 75%。目前公司已实现 100G、200G、400G 等高速交换机的量产交付，其中 200G、400G 交换机出货显著提升，800G 交换机也已进入 NPI 阶段，预计 2024 年可贡献营业收入。

3.2 数据中心服务器标杆企业——浪潮信息

各类型服务器广泛覆盖，产品竞争力强劲。浪潮信息已形成具有自主知识产权、涵盖高中低端各类型服务器的云计算Iaas层系列产品。

2023年，公司服务器市场占有率全球第二，中国第一；存储产品市场占有率全球前三，中国第一；液冷服务器市场占有率中国第一。

算力方面，公司持续强化在算力、算法、调度系统等层面业务布局。2023年，公司发布全新一代G7算力平台，涵盖面向云计算、大数据、人工智能等应用场景的46款新品。浪潮推出最新一代融合架构的AI训练服务器NF5688G7，较上代平台大模型实测性能提升近7倍，同时发布基于开放加速模组OAM高速互联的面向生成式AI领域的新一代AI服务器NF5698G7。

3.3 服务器生产领军企业——中科曙光

服务器纵深化发展，研发制造能力突出。公司高端计算机产品主要包括机架式服务器、高密度服务器、刀片服务器、超融合一体机产品等，可面向多应用场景，具有领先的计算密度和节能性，产品整合高速网络和存储技术，可实现超大规模线性扩展；公司高端服务器产品涵盖浸没液冷、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。

研发实力雄厚，关键技术定点突破。公司于近年来聚焦攻克基于国产芯片的整机研发，形成多项产品及解决方案，并主持、参与制定及发布多项国家和行业标准；通过专利挖掘、专利布局等策略将创新成果转化为知识产权资产。

3.4 AI Infra的持续开拓者——云赛智联

聚焦三大核心业务，企业护城河深厚。云赛智联以大数据、行业解决方案及智能化产品为核心业务，集云计算业务架构和云计算服务能力为一体，在物联网感知、传输层到数据、应用层，实施从“云”到“端”的业务布局，致力于打造“中国一流的信息服务提供商” 。

顺应 AI 发展潮流，深度布局智算中心。2023年6月29日公司发布公告，拟与仪电集团、数据集团、信投股份和其他非关联股东方以向上海智能算力科技有限公司非同比例增资的方式，共同出资建立算力设施公司，其中云赛智联公司拟增资2.2亿元，持股11%。目前，云赛智联承建的仪电智算中心（松江）一期已投入运营，二期也在加速建设中。2024年2月，该项目入选上海市2024年重大工程清单，预计将成为全国算力规模领先的智算中心。

3.5 算力租赁转型企业——大名城

算力集群布局加速， “ 港数闽算 ” 获全国聚焦。2024年5月，在福州举行的人工智能与数据要素产业生态大会上，福建省大数据集团与上海大名城、上海商筹科技共同投资设立福州新区2000P智算中心，预计年内建成投用，探索“港数闽算”新模式。

业务转型积极推进，成长拐点有望来临。公司与大数据产投、商筹科技三方拟共同设立福建省大数据智算投资有限公司，该项目公司出资8800万元，占标的公司注册资本的44%。受限于香港算力的匮乏，半数以上的香港企业采用内地及海外的超算中心。我们认为，本次对港数闽算新合作模式的探讨对公司的转型突破以及第二成长曲线的开启具有重要意义。

3.6 智能可视化业界标杆——恒为科技

研发优势突出。恒为科技为客户提供网络可视化系统的基础设备、核心组件和应用解决方案，产品主要部署在运营商宽带骨干网、移动网、IDC出口、以及企业和行业内部网络等不同场景。 公司的主要优势在于产品技术层面，随着技术的迭代逐步从网络可视化向着智算可视化方向演进。

大客户战略精进。公司与运营商关系良好，成功中标了中移动2023-2024年汇聚分流设备新建项目的部分集采，中标份额和中标金额持续增长。