《2024国产算力链产业端、政策端发展机遇及相关央国企分析报告（30页）.pdf》由会员分享，可在线阅读，更多相关《2024国产算力链产业端、政策端发展机遇及相关央国企分析报告（30页）.pdf（30页珍藏版）》请在本站上搜索。 1、 2024 年深度行业分析研究报告 目目 录录 一、一、产业端：算力形态迎改变，大模型带动智算需求激增产业端：算力形态迎改变，大模型带动智算需求激增.6（一）算力时代，形态迎结构性转变.6（二）产业信号积极，大模型带动智算需求激增.8 1、AI 大模型拉动智算需求大幅提升.8 2、AI 服务器，算力重要载体.10 3、AI 芯片，算力供应核心.11 二、二、政策端：智算上升为国家战略竞争点，中央及地方政府加大政策支持力度政策端：智算上升为国家战略竞争点，中央及地方政府加大政策支持力度.14（一）美国政府再升级高端芯片出口限制.14（二）国家政策支持，算力自主可控势在必行.15（三）多地政府细化2、目标，智算中心建设如火如荼.16 三、三、国产算力赛道持续高景气，重点关注核心公司国产算力赛道持续高景气，重点关注核心公司.24（一）华为：打造全栈自主 AI 基础软硬件.24 1、AI 集群.25 2、AI 服务器.26 3、AI 处理器.26（二）海光信息：DCU 开放生态加速推广.27（三）寒武纪：云边端一体协同发展.29 图表目录图表目录 图表 1 算力分类情况.6 图表 2 AI 算力的特征.7 图表 3 不同芯片分类及对比.8 图表 4 中国人工智能市场支出预测.8 图表 5 中国人工智能市场支出预测（行业）2026.8 图表 6 模型性能随参数量上升.9 图表 7 中国通用算力规3、模（单位：EFLOPS）.9 图表 8 中国智能算力规模（单位：EFLOPS）.9 图表 9 我国智能算力比例不断提升.10 图表 10 中国人工智能支出中硬件、软件、服务占比趋势.10 图表 11 预计 2025 年中国 AI 服务器占 AI 硬件支出超 80%.10 图表 12 全球人工智能服务器市场规模（单位：亿美元）.11 图表 13 中国人工智能服务器市场规模（单位：亿美元）.11 图表 14 AI 服务器与普通服务器区别.11 图表 15 常见服务器类型成本构成.12 图表 16 中国人工智能芯片图谱.12 图表 17 中国 AI 芯片市场规模.12 图表 18 2020-20244、 年全球人工智能 GPU 市场规模预测（单位：亿美元）.13 图表 19 2020-2024 年中国 GPU 市场规模（单位：亿元）.13 图表 20 2019/2024 年中国 GPU 板卡市场份额（按应用领域）.13 图表 21 2022 年中国 AI 服务器市场份额（按销售额口径）.13 图表 22 中国主要芯片国产化率情况（2021 年数据）.14 图表 23 近年美国对华科技领域部分制裁.14 图表 24 AI 的三驾马车：数据、算法、智能算力.15 图表 25 算力设施高质量发展指标.15 图表 26 智算产业链图谱.16 图表 27 地方政府陆续出台智算建设政策.17 图表 285、 国家算力枢纽节点与数据中心集群相关信息（部分）.18 图表 29 多地积极推进智算中心建设.19 图表 30 各地 AI 智算中心建设情况.19 图表 31 智算中心项目数量及算力规模.22 图表 32 2017-2023 年我国算力中心总体在用机架规模.22 图表 33 亿元以上级别智算中心相关项目（部分）.23 图表 34 算力中心提供业务服务类型.24 图表 35 The Atlas family：Atlas 全系列产品.25 图表 36 Atlas 900 AI 集群.25 图表 37 AI 服务器产品参数.26 图表 38 华为 AI 处理器 vs 英伟达 AI 芯片.26 图表 6、39 海光信息 DCU 和 CPU 产品.27 图表 40 海光产品在大模型的适配与实践.27 图表 41 国产芯片厂商对比.28 图表 42 2019-2024H1 海光营业收入及同比增速.28 图表 43 2019-2024H1 海光归母净利润及同比增速.28 图表 44 寒武纪历史沿革.29 图表 45 寒武纪主要产品及业务介绍.30 图表 46 2018-2024Q1 寒武纪营业收入及同比增速.31 图表 47 2018-2024Q1 寒武纪归母净利润及同比增速.31 图表 48 2018-2023 寒武纪各产品营业收入（亿元）.31 图表 49 2018-2023 寒武纪各产品毛利率7、（%）.31 一、一、产业端：算力形态迎改变，大模型带动智算需求激增产业端：算力形态迎改变，大模型带动智算需求激增（一）（一）算力时代，形态迎结构性转变算力时代，形态迎结构性转变 算力是算力是衡量计算机系统处理数据能力的指标，根据不同计算形态可分为通用、智能和超衡量计算机系统处理数据能力的指标，根据不同计算形态可分为通用、智能和超级算力。级算力。算力通常用来描述一个系统执行算法、处理信息、进行计算的速度和效率。根据智能算力产业发展白皮书，由于不同应用场景下所需的计算精度不同，算力通常可以分为：通用算力、智能算力和超级算力，对应的计算模式分别为：基础计算、智能计算和超级计算。当前，得益于人工智能8、领域的迅猛进展和政府政策的有力支持，智能算力的体量及其在总体算力中所占的比重正日益增加，计算需求正逐渐由传统的通用计算模式转向更为先进的智能计算模式。（1）通用算力：）通用算力：由 CPU 芯片驱动的服务器所提供的计算能力，不特定于某项专业计算或应用，而是可以广泛应用于日常的数据处理和分析。通用算力适用于基础通用计算任务，如云计算、边缘计算等，为移动计算、物联网等提供支持。（2）智能算力：）智能算力：利用 GPU、FPGA、ASIC 等专为人工智能设计的处理器加速计算平台所提供的算力，它主要用于 AI 模型的训练和推理过程。智能计算中心能够根据不同业务领域对算力的具体需求，提供定制化的计算资源9、。在 AI 模型训练和推理中，处理文本、语音、图像或视频等任务时，需要单精度、半精度乃至整数精度的智能计算能力。（3）超级算力：）超级算力：由超级计算机和其它高性能计算(HPC)集群提供的算力，它用于执行科学前沿领域的复杂计算任务，如行星模拟、药物分子结构设计、基因序列分析、宇宙物理学、气象学研究、航空航天等，这些领域需要执行大量高精尖的双精度计算。此外，不同的超级计算机可能采用不同的处理器、加速器和软件框架，这使得其商业化服务的进入门槛较高。图表图表 1 算力分类情况算力分类情况 资料来源：国家信息中心大数据发展部等智能算力产业发展白皮书 AI 算力芯片是指专门为算力芯片是指专门为 AI 应10、用设计的处理器芯片，具备并行计算能力以及针对特定神应用设计的处理器芯片，具备并行计算能力以及针对特定神经网络计算的架构。经网络计算的架构。AI 算力芯片具备高效的计算能力和针对深度学习、机器学习等 AI 任务的加速性能，通常具有并行计算能力和针对特定神经网络计算的架构，广泛应用于语音识别、图像处理、自然语言处理等 AI 场景。AI 算力强调使用专门为人工智能算法优化的硬件加速器，如 GPU、TPU 等。与通用计算任务相比，人工智能算法训练往往需要处理大量样本数据，单个训练任务的计算量常常以亿级及以上计算规模计量。图表图表 2 AI 算力的特征算力的特征 资料来源：前瞻产业研究院，华创证券 当前11、，主流 AI 算力芯片主要包括以 GPU 为代表的通用芯片、以 ASIC 定制化为代表的专用芯片以及以 FPGA 为代表的半定制化芯片，其中 GPU 市场最为成熟且应用最广。GPU（Graphics Processing Unit）：）：又称图像处理器（显示核心、视觉处理器、显示芯片），是一种专门用于处理图形和图像计算任务的处理器。GPU 拥有大量的小型处理核心，可同时处理多个任务，能够高效地执行并行计算。特别地，GPU 无法单独工作，必须由 CPU 进行控制调用才能工作。ASIC（Application Specific Integrated Circuit）：）：是为专门目的而设计的定制化12、专用集成电路，一旦制造完成将不能更改，所以初期成本高、开发周期长、使得进入门槛高。ASIC 芯片的计算能力和计算效率都可以根据算法需要进行定制，所以 ASIC与通用芯片相比，具有以下几个方面的优越性：体积小、功耗低、计算性能高、计算效率高、芯片出货量越大成本越低。近年来涌现出的类似 TPU、NPU、VPU、BPU等各种芯片，本质上都属于 ASIC。FPGA（Field Programmable Gate Array）：）：又称可编程逻辑门阵列，实际上属于 ASIC的一种特殊形式，是半定制电路芯片。其内部结构由大量的数字（或模拟）电路组成，解决了定制电路的不足，又克服了原有可编程器件门电路数有限13、的缺点。相比于CPU 和GPU数据处理需先读取指令和完成指令译码，FPGA不采用指令和软件，是软硬件合一的器件。因而计算效率更高、功耗更低，且更接近 IO（指“输入输出”，涉及到计算机与外部世界的交互）。图表图表 3 不同芯片分类及对比不同芯片分类及对比 芯片 架构区别 功耗 灵活性 延迟 峰值运算能力 量产成本 代表企业 CPU 60%逻辑单元、40%计算单元。适合运算复杂，逻辑复杂。较高 最高 高 中等 一般 英特尔、AMD GPU 60-70%计算单元、30%逻辑控制单元。适合运算复杂度低，大规模并行计算。非常高 一般 较高 高 一般 英伟达、高通 FPGA 可编程逻辑，计算效率高，更接14、近底层 IO，通过冗余品体管和连线实现逻辑可编程。非常低 非常高 较低 非常高 非常高 英特尔、Xilinx ASIC 晶体管根据算法定制，不会有冗余，功耗低、计算性能高、计算效率高。较低 最低 低 最高 非常低 谷歌、寒武纪 资料来源：王玉伟腾讯云开发者社区，华经产业研究院，半导体产业纵横，华创证券 （二）（二）产业信号积极，大模型带动智算需求激增产业信号积极，大模型带动智算需求激增 1、AI 大模型拉动智算需求大幅提升大模型拉动智算需求大幅提升 我国我国 AI 大模型市场蓬勃发展。大模型市场蓬勃发展。根据 IDC 数据，2023 年中国人工智能市场支出规模或为147.5 亿美元，约占全球总15、规模 10%。长期看来，AI 技术的创新迭代驱动了应用场景的进一步落地，以 AIGC、多模态、智能决策等为代表的热点为市场带来了更多想象力和可能性。同时，“数字化”、“数智化”转型背景下，AI 大模型被政府、企业广泛关注并积极推动，为我国 AI 市场规模的长期增长奠定了基础。IDC 预计，2026 年中国 AI 市场规模为 264.4 亿美元，2021-2026 年 CAGR 将超 20%。从行业应用来看，在五年预测期内 AI支出主要来自专业服务领域的行业用户、政府和金融行业，合计约占市场总量 50%以上。增长速度来看，银行和地方政府增速最快，五年 CAGR 均超 23%。图表图表 4 中国人16、工智能市场支出预测中国人工智能市场支出预测 图表图表 5 中国人工智能市场支出预测（行业）中国人工智能市场支出预测（行业）2026 资料来源：IDC2023年V1全球人工智能支出指南，华创证券 资料来源：IDC2023年V1全球人工智能支出指南，华创证券 AI 大模型具有训练和推理两个阶段。大模型具有训练和推理两个阶段。在训练阶段，模型参数和训练数据是大模型的训练准备，AI 大模型的性能一般会随着模型参数和训练数据量的增加而增加，模型参数达到一定数量会使 AI 大模型性能取得突破性进步，高质量、干净的数据集对 AI 大模型性能专业服务,29.30%地方政府,8.90%银行,7.80%通讯,7.17、00%其他,47%提升作用显著；预训练和微调是 AI 大模型的主要训练方式，充分且高难度的预训练能显著提高 AI 大模型性能，Prompt、Fine-tune 是目前主要的微调工具。在推理阶段，AI 大模型会使用前向传播算法、反向传播算法、梯度下降算法等算法生成输出结果，并在过程中提高模型性能。AI 大模型的训练和推理阶段均具有大量算力需求，随着大模型参数量的上升，市场算力需求快速提高。图表图表 6 模型性能随参数量上升模型性能随参数量上升 资料来源：阿里开发者公众号人类生产力的解放？揭晓从大模型到AIGC的新魔法 AI 大模型参数激增，推动我国智能算力规模快速增长。大模型参数激增，推动我国智18、能算力规模快速增长。当前 AI 技术正加快融入千行百业，超大规模 AI 模型和海量数据对算力的需求也持续攀升。云游戏、元宇宙、VR/AR 等新应用场景加速发展，大模型的训练和推理过程进一步带动算力需求爆发，同时也推动算力需求由通用性 CPU 算力向高性能 GPU 算力发展。据 IDC，2022 年，我国智能算力规模达 268 EFLOPS，预计 2026 年达 1271.4 EFLOPS，进入每秒十万亿亿次浮点计算级别，2022-2026 年 CAGR 达 47.6%，远超通用算力增速。图表图表 7 中国通用算力规模（单位：中国通用算力规模（单位：EFLOPS）图表图表 8 中国智能算力规模（19、单位：中国智能算力规模（单位：EFLOPS）资料来源：IDC2022-2023 中国人工智能计算力发展评估报告，华创证券 资料来源：IDC2022-2023 中国人工智能计算力发展评估报告，华创证券 我国我国智能算力智能算力市场份额市场份额显著增加，显著增加，2025 年占比有望达年占比有望达 35%。据信通院数据，截至 2023年 6 月，智能算力占据我国整体算力的 25.4%，智算规模同比增长 45%，智算增速比整体算力的增速高 15 个百分点。随着人工智能技术的不断进步，特别是大型 AI 模型的快速发展，智能算力的需求正在迅猛增长。预计在未来几年内，智能算力的市场份额将显著增加，到 2020、25 年，其占比有望达到 35%。0204060801001202019202020212022 2023E 2024E 2025E 2026E02004006008001000120014002019 2020 2021 2022 2023E2024E2025E2026E 图表图表 9 我国智能算力比例不断提升我国智能算力比例不断提升 资料来源：中国信通院云计算与大数据研究所中国算力中心服务商分析报告（2024年），华创证券 2、AI 服务器，算力重要载体服务器，算力重要载体 AI 基础设施建设阶段，人工智能服务器为人工智能市场主力军。基础设施建设阶段，人工智能服务器为人工智能市场主力军。人21、工智能支出可分为硬件、软件和服务三大部分。据 IDC 统计，现阶段中国市场倾向于首先投资硬件，预计中国人工智能支出中硬件占比到 2026 年之前将一直保持 50%以上的份额；中国在 AI 硬件支出份额方面，AI 服务器占最大份额，超过 80%。图表图表 10 中国人工智能支出中硬件、软件、服务占比中国人工智能支出中硬件、软件、服务占比趋势趋势 图表图表 11 预计预计 2025 年年中国中国 AI 服务器占服务器占 AI 硬件支出超硬件支出超80%资料来源：IDC2022-2023 中国人工智能计算力发展评估告 资料来源：IDC 人工智能服务器市场增速超过整体人工智能市场增长。人工智能服务器市22、场增速超过整体人工智能市场增长。据 IDC，2021 年全球/我国 AI 服务器市场规模分别为 156.3/59.2 亿美元，在 ChatGPT 及相关应用加持下，AI 服务器市场快速增长。2023 年，我国 AI 服务器市场规模为 91 亿美元，同比增长 82.5%；智能算力规模或达到 414.1EFLOPS（每秒百亿亿次浮点运算），同比增长 59.3%。IDC 预计 2026 年全球/我国 AI 服务器市场规模将达 347.1/123.4 亿美元，2021-2026 年 CAGR 为17.3%/15.8%。0%5%10%15%20%25%30%35%40%2023年6月2025Euseri23、d:93117,docid:174486,date:2024-09-11, 图表图表 12 全球人工智能服务器市场规模（单位：亿美全球人工智能服务器市场规模（单位：亿美元）元）图表图表 13 中国人工智能服务器市场规模（单位：亿美中国人工智能服务器市场规模（单位：亿美元）元）资料来源：IDC，华创证券 资料来源：IDC，华创证券 3、AI 芯片，算力供应核心芯片，算力供应核心 芯片是服务器的主要成本构成部分。芯片是服务器的主要成本构成部分。从服务器成本拆分来看，芯片在基础型服务器中约占总成本的 32%，在高性能或具有更强运算能力的服务器中，芯片相关成本占比可以高达 50%到 83%。图表图表 24、14 AI 服务器与普通服务器区别服务器与普通服务器区别 区别区别 具体说明具体说明 芯片搭载数量 普通的 GPU 服务器一般是单卡或者双卡，AI 服务器需要承担大量的计算，一般配置四块 GPU 卡以上，其至要搭建 AI 服务器集群。P2P 通讯 普通 GPU 服务器要求的是单卡性能，AI 训练中 GPU 卡间需要大量的参数通信，模型越复杂，通信量越大，所以 AI 服务器除了要求单卡性能外，还要求多卡间的通讯性能，采用 PCI3.0 协议通信的最大 P2P 带宽达到 32GB/s，采用 SXM2 协议通信的最大 P2P 带宽达到 50GB/s，采用SXM3 协议通信的最大 P2P 带宽达到 325、00GB/s。独特设计 AI 服务器由于有了多个 GPU 卡，需要针对性的对于系统结构、散热、拓扑等做专门的设计，才能满足 AI 服务器长期稳定运行的要求。先进技术 AI 服务器有很多更先进的技术，包括 Purley 平台更大内存带宽，NVlink 提供重大的互联带宽，TensorCore 提供更强的 AI 计算力。资料来源：华经产业研究院，华创证券 05010015020025030035040020212026E02040608010012014020212026ECAGR:17.3%CAGR:15.8%图表图表 15 常见服务器类型成本构成常见服务器类型成本构成 资料来源：华经情报网，华26、创证券 芯片芯片是算力供应的核心。是算力供应的核心。AI 训练是在个人电脑或者服务器上，利用高性能处理器（如 GPU、CPU、FPGA、NPU 等）完成模型训练过程。AI 芯片根据其在网络中的位置可以分为云端 AI 芯片、边缘及终端 AI 芯片。其中，以 GPU 用量最大，据 IDC 数据，预计到 2025年GPU仍将占据AI芯片80%市场份额。随着算力中心的增加以及终端应用的逐步落地，有望带动 AI 芯片需求持续上涨，据中商产业研究院数据，2023 年我国 AI 芯片市场规模已达 1206 亿元，2024 年有望达到 1412 亿元，2019-2024 年 CAGR 达 64.84%。图表图27、表 16 中国人工智能芯片图谱中国人工智能芯片图谱 图表图表 17 中国中国 AI 芯片市场规模芯片市场规模 资料来源：亿欧智库2022中国人工智能芯片行业研究报告 资料来源：中商产业研究院，华创证券 2020-2024 年年我国我国 GPU 年复合增年复合增速速有望有望超超 30%。作为通用型人工智能芯片，GPU 在并行计算能力方面表现出色，特别适用于需要大量并行计算任务的场景。近年来，国内 GPU市场正处于快速增长阶段。根据中商产业研究院数据，2023 年中国 GPU 市场规模为 807亿元，同比增长 32.78%；预测 2024 年中国 GPU 市场规模将增至 1073 亿元，2020-28、2024年 CAGR 达 32.8%。作为对照，根据智研咨询，全球人工智能 GPU 市场 2020-2024 年年复合增速也达到了 30.73%。18.00%2.90%10.00%26.80%25.60%15.00%8.70%27.30%25.00%72.80%32.00%23.30%25.00%9.80%23.20%20.90%25.00%8.70%0%10%20%30%40%50%60%70%80%90%100%基础型高性能型推理型机器学习型storagememoryGPUCPU其他02004006008001000120014001600201920202021202220232024E29、市场规模（亿元）图表图表 18 2020-2024 年全球人工智能年全球人工智能 GPU 市场规模预市场规模预测测（单位：（单位：亿美元）亿美元）图表图表 19 2020-2024 年中国年中国 GPU 市场规模市场规模（单位：（单位：亿亿元）元）资料来源：智研咨询，华创证券 资料来源：中商产业研究院，华创证券 按下游分，互联网占据超按下游分，互联网占据超 5 成比重，安防成比重，安防/政府占据政府占据 3 成，成，2019/2024 年占比无大变化。年占比无大变化。按厂商分，按厂商分，据据 IDC 数据，数据，2023 年浪潮、新华三、宁畅销售额位居前三，占据了年浪潮、新华三、宁畅销售额位居30、前三，占据了 70%以以上的市场份额上的市场份额；浪潮、坤前、宁畅浪潮、坤前、宁畅出货台数出货台数位居前三名，占有位居前三名，占有 50%以上以上的市场份额的市场份额。图表图表 20 2019/2024 年中国年中国 GPU 板卡市场份额（按应板卡市场份额（按应用领域）用领域）图表图表 21 2022 年中国年中国 AI 服务器市场份额服务器市场份额（按按销售额销售额口径口径）资料来源：智研咨询，华创证券 资料来源：华经产业研究院，华创证券 国内主要芯片国产化率，分类别来看，射频芯片、移动通信终端、模拟芯片、闪存、微国内主要芯片国产化率，分类别来看，射频芯片、移动通信终端、模拟芯片、闪存、微控31、制器、内存、可编辑逻辑器件的国产化率分别为控制器、内存、可编辑逻辑器件的国产化率分别为 40%、24%、15%、5%、3%、1%、1%。考虑到。考虑到 GPU 芯片指令集复杂程度相对较低，国产化率预计在芯片指令集复杂程度相对较低，国产化率预计在 10%左右。左右。0204060801001202020年2024E02004006008001000120020202021202220232024E50.00%48.90%29.50%31.40%11.40%13.50%9.10%6.20%0%10%20%30%40%50%60%70%80%90%100%2019年2024年E互联网安防/政府其他A32、I应用高性能计算浪潮,47.00%新华三,11.00%宁畅,9.00%安擎,7.00%坤前,6.00%华为,6.00%宝德,5.00%思腾合力,2.00%其他,7.00%图表图表 22 中国主要芯片国产化率情况中国主要芯片国产化率情况（2021 年数据）年数据）资料来源：智研咨询，华创证券 二、二、政策端：智算上升为国家战略竞争点，中央及地方政府加大政策支持力度政策端：智算上升为国家战略竞争点，中央及地方政府加大政策支持力度（一）（一）美国政府再升级高端芯片出口限制美国政府再升级高端芯片出口限制 美国限制层层加码，短期或影响高端芯片产业发展。美国限制层层加码，短期或影响高端芯片产业发展。近年来33、，针对芯片、先进计算等领域，美国通过出口管制、实体清单，法案等方式出台了一系列限制措施，包括调整高性能芯片受限参数、防止芯片厂商绕过限制等，芯片管制措施持续升级。图表图表 23 近年美国对华科技领域部分制裁近年美国对华科技领域部分制裁 发布机构发布机构 发布时间发布时间 制裁制裁 限制内容限制内容 BIS 2023/10/17 出口管制 针对芯片的出口禁令新规，是对 2022 年 10 月 7 日发布的规则进行修改更新的版本，调整了高级芯片受到限制的参数且出台了新的措施，防止芯片厂商绕过限制政策；同时制裁 13 家中企 BIS 2023/03/3 实体清单 28 家中国企业列入实体清单，包括浪34、潮集团、龙芯中科、华大基因、第四范式等 BIS 2022/10/07 出口管制 1、在出口管制清单新增管制特定先进计算芯片、含有该等芯片的计算机产品及相关软件及技术、特定半导体制造设备及相关软件和技术、及特定半导体制造设备；2、针对先进计算及超级计算机新增两个外国直接产品规则（FDPR）规则；3、针对中国境内的超级计算机以及半导体制造“设施”开发生产特定参数集成电路的任何物项设置最终用途管制；4、对于 EAR 第 744 章附录 4 的特定实体清单主体标注脚注 4，并扩大对其产品、最终用户限制范围；5、限制“美国人”直接或间接参与或帮助中国境内的半导体制造“设施”开发、生产特定集成电路或获得用35、于开发该等集成电路的任何物项。BIS 2022/08/12 出口管制 对具有 GAAFET 结构的集成电路所必需的 EDA/ECAD 软件、以金刚石和氧化镓为代表的超宽禁带半导体材料、包括压力增益燃烧（PGC）在内的四项技术实施了新的出口管制 美国总统 2022/08/09 芯片与科学法 加大对美国半导体产业发展的资金支持，限制接受补贴的企业与中国合作 0%5%10%15%20%25%30%35%40%45%射频芯片移动通信终端模拟芯片闪存微控制器可编辑逻辑器件内存 拜登签署 关于处理美国在有关国家投资某些国家安全技术和产品的行政命令 授权美国财政部禁止、限制、监督美国投资者对中国、中国香港和36、中国澳门的特定领域投资，包含半导体和微电子、量子信息技术和人工智能 BIS 2019/5/15、8/19 实体清单 先后将华为及其 114 家附属公司列入“实体清单”BIS 2016/03/07 实体清单 将中兴通讯等中国企业列入“实体清单”，对中兴公司采取限制出口措施 资料来源：环球时报、集微网、美国白宫官网、BIS 官网、新华社、芯智讯、中国首席经济学家论坛、华创证券（二）（二）国家政策支持，算力自主可控势在必行国家政策支持，算力自主可控势在必行 普惠大众的智算是普惠大众的智算是 AI 发展的基础资源，算力自主可控势在必行。发展的基础资源，算力自主可控势在必行。据国家信息中心数据，未来 837、0%的场景都将基于 AI，其中所占据的算力资源将主要由智算中心提供，普惠大众的智算将要像水、电一样驱动科技发展。AI 是中美两国科技竞争的重要领域，在 AI 的三大技术：数据、算法、算力中，中国的数据优势较为明显，但是算法和智能算力明显落后。智能算力的稀缺和昂贵，已成为制约 AI 发展的核心因素。在全球算力竞争日益激烈的背景下，部分国家或地区通过多种策略实现对算力中心发展的控制，我国算力自主可控势在必行。图表图表 24 AI 的三驾马车：数据、算法、智能算力的三驾马车：数据、算法、智能算力 资料来源：郑纬民院士学术报告人工智能算力基础设施的设计、评测与优化，转引自国家信息中心大数据发展部等智能38、算力产业发展白皮书（2024年）顶层设计，算力基础设施发展目标逐步推进。顶层设计，算力基础设施发展目标逐步推进。2023 年 10 月 8 日，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、国务院国资委六部门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提出了到 2025 年发展量化指标，将全面推动我国算力基础设施高质量发展。图表图表 25 算力设施高质量发展指标算力设施高质量发展指标 指标指标 2023 年年 2024 年年 2025 年年 计算力 1 算力规模(EFLOPS)220 260 300 2 智能计算中心(个)30 40 39、50 3 智能算力占比(%)25 30 35 运载力 4 重点应用场所光传送网(OTN)覆盖率(%)50 65 80 5 SRv6 等创新技术使用占比(%)20 30 40 6 国家枢纽节点数据中心集群间网络时延达标率(%)65 75 80 存储力 7 存储总量(EB)1200 1500 1800 8 先进存储容量占比(%)25 28 30 资料来源：工信部算力基础设施高质量发展行动计划，华创证券 专题会议，奋力专题会议，奋力打造打造 AI 大模型产业集群。大模型产业集群。2 月 19 日，国务院国资委召开“AI 赋能产业焕新”中央企业人工智能专题推进会，提出中央企业要主动拥抱人工智能带来的深40、刻变革，将加快发展新一代人工智能摆在更加突出的位置，不断强化创新策略、应用示范和人才集聚，打造人工智能产业集群。同时，借助需求规模大、产业配套全、应用场景多等优势，抢抓人工智能赋能传统产业，加快构建数据驱动、人机协同、跨界融合、共创分享的智能经济形态。会议再次提及了“AI+专项行动”，要加快构建一批产业多模态优质数据集，打造从基础设施、算法工具、智能平台到解决方案的大模型赋能产业生态。打造从基础设施、算法工具、智能平台到解决方案的大模型赋能产业生态。会议强调，中央企业要把发展人工智能放在全局工作中统筹规划，深入推进产业焕新，加快布局和发展人工智能产业。继续夯实发展的基础和底座，将主要资源投入到41、最需要的领域，加速建设一批智能算力中心，加速建设一批智能算力中心，推动各个央企之间的协同创新。图表图表 26 智算产业链图谱智算产业链图谱 资料来源：中国电信、天翼智库智算产业发展白皮书（2023年）（三）（三）多地政府细化目标，智算中心建设如火如荼多地政府细化目标，智算中心建设如火如荼 鼓励适度超前建设，各地政府出台智能算力相关政策鼓励适度超前建设，各地政府出台智能算力相关政策。2024 年 3 月，政府工作报告中提出“适度超前建设数字基础设施，加快形成全国一体化算力体系”。地方政府层面，多个省市已经响应国家政策，为更好推进算力基础设施建设，北京、河北、宁夏、成都等各省 市陆续出台相关政策，42、科学规划发展方案，确保项目建设与地区经济发展情况相适应。图表图表 27 地方政府陆续出台智算建设政策地方政府陆续出台智算建设政策 地区地区 发布时间发布时间 文件名称文件名称 主要内容主要内容 河南 2024/7/3 2024 年河南省大数据产业发展工作方案 深度融入全国一体化算力体系建设，支持郑州市构建郑庆哈城市算力网大通道，力争全省算力规模突破 5EFLOPS。支持郑州市建设算网智能调度系统，提升城市算力供给水平和协调调度能力。面向智能制造、无人驾驶等实时性强、计算量高的场景，探索构建城市内边缘算力供给体系，在网络边缘侧、用户设备侧建设一批边缘数据中心及计算中心。上海 2024/6/14 43、新型数据中心“算力浦江”行动计划（2022-2024年）力争到 2024 年，信息通信行业基本形成布局合理、算网协同、软硬协同、低碳高效、数字化转型带动能力突出、产业链更加完备的新型数据中心发展体系，初步建成全国一体化算力网络上海枢纽节点，形成与本市数字经济发展方式相适应，长三角地区协同发展的算力服务发展格局，建成具有亚太乃至全球影响力的高能级算力枢纽中心。内蒙古 2024/6/7 关于支持内蒙古和林格尔集群绿色算力产业发展的若干意见 新建大型、超大型数据中心（折合标准机架 3000 架及以上）原则上要布局在和林格尔数据中心集群内，自治区实行窗口指导，不符合布局要求的项目不享受相关支持政策。意44、见提出，要加强存量数据中心绿色化改造，有序腾退年均 PUE 值(电源使用效率)高于 1.5 的落后数据中心，新建数据中心 PUE 值严格控制在 1.2 以下。河北 2024/5/17 关于进一步优化算力布局推动人工智能产业创新发展的意见 到 2025 年，全省算力规模达到 35 百亿亿次/秒（EFLOPS）以上，智能算力占比达到 35%左右，新增算力基础软硬件设施自主可控比例 60%以上。在智能制造、医疗健康等优势领域孵化一批行业应用大模型，培育典型应用场景 30 个。京津冀人工智能产业合作进一步深化，在环京区域打造人工智能产业集聚区，推动一批人工智能合作项目落地实施。江苏 2024/5/1145、 扬州市人工智能算力券实施意见 全市“613”产业体系重点企业和在扬从事人工智能研发应用的科研院所，在运河城市算力平台租用非关联方的智能算力资源，凭已签订的算力服务合同获取算力券。算力需求方通过平台购买使用智能算力资源服务的，按照实际支付智能算力费用30给予支持，给予同一主体每年最高 200 万元补贴，算力券有效期为 12 个月。北京 2024/4/24 北京市算力基础设施建设实施方案（20242027年）到 2025 年，基本建成智算资源供给集群化、智算设施建设自主化、智算能力赋能精准化、智算中心运营绿色化、智算生态发展体系化的格局。到 2027 年，优化京津冀蒙算力供给质量和规模，力争自主46、可控算力满足大模型训练需求，算力能耗标准达到国内领先水平。浙江 2024/3/19 关于发展计算产业 打造算力强区的若干政策（征求意见稿）力争到 2025 年，全区集成电路产业规模达 400 亿元，网络通信产业规模达 850 亿元。推进杭州人工智能计算中心建设扩容，基于全栈自主技术路线的公共算力规模达到 500P，培育孵化 5 个具有行业影响力的专用模型，人工智能赋能标杆企业 8家、典型应用场景 10 个。资料来源：凤凰网、腾讯网、江苏省人民政府、人民日报、通信产业网、呼和浩特市人民政府、杭州高新区（滨江）人民政府、华创证券 配合“东数西算”工程，智算中心建设如火如荼。配合“东数西算”工程，智47、算中心建设如火如荼。2021 年，国家发改委等四部委联合发布全国一体化大数据中心协同创新体系算力枢纽实施方案，启动实施“东数西算”工程，构建国家算力网络体系，明确提出在 8 个地区布局全国算力网络国家枢纽节点。沿着这一算力网络“地图”，各地智算中心正加速建设。2023-2024 年，北京、哈尔滨、成都、广州、杭州、长春等多地持续发布智算中心相关招标公告，金额大多在亿元以上且招标单位基本都有国资背景。图表图表 28 国家算力枢纽节点与数据中心集群相关信息国家算力枢纽节点与数据中心集群相关信息（部分）（部分）枢纽节点枢纽节点 国家数据中心国家数据中心集群集群 起步区起步区 起步区建设目标起步区建设48、目标 承载任务承载任务 平均上架率平均上架率 电能利用效率电能利用效率 京津冀枢纽 张家口数据中心集群 张家口市怀来县、张北县、宣化区 不低于 65%控制在 1.25以内 围绕数据中心集群，抓紧优化算力布局，积极承接北京等地实时性算力需求，引导温冷业务向西部迁移，构建辐射华北、东北乃至全国的实时性算力中心 长三角枢纽 长三角生态绿色一体化发展示范区数据中心集群 上海市青浦区、江苏省苏州市吴江区、浙江省嘉兴市嘉善县 不低于 65%控制在125以内 围绕两个数据中心集群，抓紧优化算力布局，积极承接长三角中心城市实时性算力需求，引导温冷业务向西部迁移，构建长三角地区算力资源“一体协同、辐射全域”的发49、展格局 芜湖数据中心集群 芜湖市鸠江区、弋江区、无为市 粤港澳大湾区枢纽 韶关数据中心集群 韶关高新区 不低于 65%控制在 1.25以内 围绕韶关数据中心集群，抓紧优化算力布局，积极承接广州、深圳等地实时性算力需求，引导温冷业务向西部迁移，构建辐射华南乃至全国的实时性算力中心 成渝枢纽 天府数据中心集群 成都市双流区、郫都区、简阳市 不低于 65%控制在 1.25以内 围绕两个数据中心集群，抓紧优化算力布局，平衡好城市与城市周边的算力资源部署，做好与东数西算衔接 重庆数据中心集群 重庆市两江新区水土新城、西部(重庆)科学城璧山片区、重庆经济技术开发区 内蒙古枢纽 和林格尔数据中心集群 和林格50、尔新区和集宁大数据产业园 不低于 65%控制在 1.2 以下 充分发挥集群与京津冀毗邻的区位优势，为京津冀高实时性算力需求提供支援，为长三角等区域提供非实时算力保障 贵州枢纽 贵安数据中心集群 贵安新区贵安电子信息产业园 不低于 65%控制在 1.2 以下 围绕贵安数据中心集群，抓紧优化存量，提升资源利用效率，以支持长三角、粤港澳大湾区等为主，积极承接东部地区算力需求 资料来源：温建功“东数西算”工程解读，华创证券 智算中心起步算力目标为智算中心起步算力目标为 100P，布局逐步向中西部拓展。，布局逐步向中西部拓展。根据国家信息中心与相关部门于 2023 年 1 月联合发布的智能计算中心创新发51、展指南相关数据，我国超过 30 个城市正在建设或提出建设智算中心。根据国家信息中心大数据发展部与相关部门于 2024 年7 月发布的智能算力产业发展白皮书，当前已建成的、在建中的和规划的中心数量已超 40 家。一般智算中心的起步算力目标是 100P，整体布局以东部地区为主，并逐渐向中西部地区拓展。图表图表 29 多地积极推进智算中心建设多地积极推进智算中心建设 资料来源：国家信息中心大数据发展部等智能算力产业发展白皮书，华创证券 各地智算中心建设大多数采取“政府主导各地智算中心建设大多数采取“政府主导+企业承建”模式企业承建”模式。政府结合业务需求与企业规模等因素进行综合考量、选取合适的承建单52、位。智算中心主要分为“企业自建模式”与“政府主导+企业承建”模式。智算中心具有高投入、对地方经济发展具有高影响等特点,因此 30 多座城市的智算中心建设项目大多数由政府主导,并紧密配合“东数西算”等建设指引的推进节奏,用于支持地方产业 AI 化、AI 产业化以及智能化治理。中科曙光、华为、百度、商汤、腾讯、阿里、浪潮信息和寒武纪等众多厂商参与建设。图表图表 30 各地各地 AI 智算中心建设情况智算中心建设情况 合作方合作方 中心名称中心名称 地域地域 算力算力 建设情况建设情况 中科曙光 青岛“海之心”人工智能计算中心 山东省青岛市崂山区 混合精度 建设中 长沙人工智能创新中心硅立方 湖南省53、长沙市 混合精度 已建成 万达开先进计算中心 四川省达州市 混合精度 已建成 宜昌先进计算中心一期 湖北省宜昌市 混合精度 已建成 芜湖一体化智算中心 安徽省芜湖市 混合精度 建设中 合肥先进计算中心“巢湖明月”安徽省合肥市 混合精度 已建成 华为昇腾 北京昇腾人工智能计算中心 北京市门头沟区 期 100P FLOPS(短期 500P,远期 1000P)已建成 中原人工智能计算中心 河南省郑州市 计划 100P FLOPS 已建成 未来人工智能计算中心 陕西省西安市雁塔区 期规划 300P FLOPS FP16 已建成 成都人工智能计算中心 四川省成都市 300P FLOPS(最终 1000P54、)已建成 武汉人工智能计算中心 湖北省武汉市东湖区 100P FLOPS 已建成 重庆人工智能计算中心 重庆科学城 一期 400P FLOPS 已建成 长沙人工智能计算中心 湖南省长沙市高新区 200P FLOPS(25 年达 1000P)已建成 横琴人工智能超算中心 广州省珠海市横琴区 1.14Eops(完全建成 4Eops)已建成 杭州人工智能计算中心 浙江省杭州市 40P FLOPS(后期 100P)已建成 南京鲲鹏昇腾人工智能计算中心 江苏省南京市 800P OpS 已建成 济南人工智能计算中心 山东省济南市/已建成 青岛人工智能计算中心 山东省青岛市 100P FLOPS 已建成 天55、津人工智能计算中心 天津市河北区 300P FLOPS 已建成 河北人工智能计算中心 河南省廊坊经济开发区 100P FLOPS 已建成 大连人工智能计算中心 辽宁省大连市 100P FLOPS 建设中 沈阳人工智能计算中心 辽宁省沈阳市 100P FLOPS(后期 300P)已建成 中国-东盟人工智能计算中心 广西省南宁市 期建设 40P 训练系统和 1.4P 推理系统 已建成 深圳人工智能融合赋能中心 广东省深圳市龙岗区 接入 20 余万路视频资源 已建成 广州人工智能公共算力中心 广东省广州市 99P FLOPS 已建成 百度 阳泉智算中心 陕西省阳泉市 计划 100P FLOPS 已建56、成 盐城智算中心 盐城市盐南高新区 200P 已建成 百度沈阳元宇宙智算中心 沈阳市皇姑区 期 200P 总体 500P 建设中 华海智汇(华为控股子公司)合肥人工智能计算中心 安徽合肥 100P FLOPS FP16 已建成 商汤科技 商汤人工智能计算中心 上海自贸区临港新片区 同时接入 850 万路视频 已建成 腾讯 腾讯长三角人工智能超算中心 上海市松江区 1400P FLOPS 部分建成 智慧产业长三角(合肥)智算中心 合肥高新区/已建成 上海交通大学等 太湖量子智算中心 江苏省无锡市/已建成 浪潮、寒武纪 南京智能计算中心 江苏省南京市 800POpS 已建成 浪潮信息 淮海智算中心57、 安徽省宿州市 300P FLOPS 建设中 青田元宇宙智算中心 浙江省青田县 每秒算力性能超 10 亿亿次 部分建成 克拉玛依智算中心 新疆克拉玛依市 机柜数量超 1 万个 已建成 寒武纪 昆山智算中心 江苏省昆山市 建成后峰值智能算力不低于500POPS 建设中 阿里云 阿里云张北超级智算中心 河北省张家口市张北县 12EFLOPS 已建成 阿里云华东智算中心 上海市金山区 在建 建设中 阿里云乌兰察布超级智算中心 内蒙古乌兰察布市 3EFLOPS 部分建成 中科曙光、华为 长沙 5A 级智算中心 湖南省长沙市 建成后算力规模可达 1024P 已建成 宁数科创 宁波人工智能超算中心 宁波市58、高新区 一期 100P(FP16)+5P(FP64)二期 300P(FP16)+15P(FP64)部分建成 福州市电子信息集团 福州智能计算中心 福建省福州新区 期 105P,总体 400P 已建成 浪潮云、中国电信武汉分公司 武昌智算中心 武汉市武昌区 建成后 100P 建设中/哈尔滨人工智能先进计算中心 哈尔滨 100P 已建成/北京数字经济算力中心 北京 建成后 1000P 以上 建设中/郑州人工智能计算中心 河南省郑州市 一期 2000 二期 10000P,建成后 30000P 建设中/石景山智算中心 北京北重科技文化产业园 建成后 610P 建设中/北京七星园数字经济产业智算中心 北59、京市丰台区 建成后 2300P 建设中/华南数谷智算中心 韶关市武江区 期 16000P 建设中/博大数据深圳前海智算中心 深圳 期 40000P 已建成/中国移动智算中心(青岛)青岛 建成后 825P Flops,参数网络带宽达200GB 建设中 资料来源：国家信息中心大数据发展部等智能算力产业发展白皮书，华创证券 根据 IDC 圈不完全统计，截至 2023 年底，全国带有“智算中心”的项目有 128 个，其中83 个项目有规模披露，超过 7.7 万 P；不同智算中心的规模差异较大，算力规模一般在50P、100P、500P、1000P；也有规模高达 12000P 以上。从项目规模来看，智算中60、心项目中 63%的项目算力规模小于等于 500P，17.7%的项目算力规模为 500-1000P，总体呈现小规模、多层次的态势；同时也说明，智算中心处于发展的探索期，大量企业纷纷进入市场。图表图表 31 智算中心项目数量及算力规模智算中心项目数量及算力规模 资料来源：IDC圈，华创证券 2023 年年我国算力中心建设规模和数量持续攀升。我国算力中心建设规模和数量持续攀升。受益于新质算力基础设施发展机遇，我国算力中心建设规模不断扩大。根据中国信息通信研究院发布的数据显示，过去三年我国算力中心的机架数量年复合增速约 30%。截至 2023 年，我国算力中心的机架总规模已超过 810 万架，算力总规61、模达到 230EFLOPS，在全球排名中稳居第二，我国在算力基础设施建设上取得显著成果。图表图表 32 2017-2023 年我国算力中心总体在用机架规模年我国算力中心总体在用机架规模 资料来源：中国信通院云计算与大数据研究所中国算力中心服务商分析报告（2024年），华创证券 2024 年我国智算中心招投标项目呈逐月递增态势，单体金额规模大幅增长。年我国智算中心招投标项目呈逐月递增态势，单体金额规模大幅增长。根据数智前线数据，2024 年 1-7 月，我国智算中心相关项目中标公告已发布超 140 个。智算中心相关的招投标项目，呈现逐月递增态势。据不完全统计，至少有 24 个项目中标金额超 1 62、亿元，单体金额规模大幅增长。0%10%20%30%40%50%60%70%80%90%100%500P500P1000P1000P5000P5000P以上项目数量算力规模0%5%10%15%20%25%30%35%40%45%01002003004005006007008009002017201820192020202120222023机架规模（万架）YoY 图表图表 33 亿元以上级别智算中心相关项目（部分）亿元以上级别智算中心相关项目（部分）项目名称项目名称 采购人采购人 中标人中标人 中标金额中标金额 备注备注 发布日期发布日期 来源地区来源地区 安庆市智算中心安庆市智算中心 运营项目运63、营项目 安庆龙科建设发展有限责任公司 北京智算力数字科技有限公司 预估 2.1 亿元 本项目拟招标一家单位承担安庆市智算中心(三层智能计算中心)的算力运营。4/23 安徽 安庆 海州区智算中心海州区智算中心 二期项目二期项目 连云港市数字产业投资发展有限公司 江苏移动信息系统集成有限公司 约 2.04 亿元 根据业主需求采购算力服务器及相关配套系统含系统集成服务等并负责系统安装调试和维保。4/26 江苏 连云港 中国移动中国移动 2023 年年至至 2024 年新型智年新型智算中心算中心(试验网试验网)采采购购(标包标包 12)中国移动通信有限公司 河南昆仑技术有限公司、四川华鲲振宇智能科技有64、限责任公司、烽火通信科技股份有限公司、神州数码(中国)有限公司 约 24.74 亿元 本项目为中国移动 2023 年至 2024年新型智算中心(试验网)采购(标包12),采购人工智能服务器 1250 台及配套产品。河南昆仑技术有限公司(中标份额40.96%)、四川华鲲振宇智能科技有限责任公司(中标份额 30.08%)、烽火通信科技股份有限公司(中标份额 20.48%)、神州数码(中国)有限公司(中标份额 8.48%)5/21 北京 齐河县智算中心齐河县智算中心 建设及数字产业建设及数字产业 应用项目应用项目 EPC 招招标、造价咨询及标、造价咨询及监理服务招标项监理服务招标项目目-齐河县智算中65、齐河县智算中心建设及数字产心建设及数字产业应用项目业应用项目 EPC招标招标 齐河数字治理科技发展有限公司 青岛海纳云智能系统有限公司(联合体牵头人)中国通信建设集团设计院有限公司(联合体成员)约 2.48 亿元 项目位于齐河县，在县原有机房建设智算中心，建设总计 40P 算力资源(包含通用算力、高性能算力),新建 165 余架服务器机柜、770 余台算力服务器及算力支撑平台等公共算力新型基础设施；建设智能算法开发平台、视觉融合感知平台和数据资源管理体系，完善县域人工智能产业应用底座能力；进一步夯实县域数字底座，完善数字资源体系，建设数据交易及农业、制造、建造、文旅、康养数字赋能等平台。5/266、8 山东 德州 昌吉顺惠信息科昌吉顺惠信息科技服务有限公司技服务有限公司智算中心项目智算中心项目标段标段 昌吉顺惠信息科技服务有限公司 陕西建工第八建设集团有限公司 约 7 亿元 6/5 新疆 昌吉 平潭两岸融合智平潭两岸融合智算中心项目算中心项目(一期一期)平潭综合实验区星辰数智科技有限公司 恒信东方文化股份有限公司 约 4.06 亿元 平潭两岸融合智算中心本期建设内容主要包括算力 Al 硬件基础设施(含计算、存储和网络硬件资源)、智算中心基础中台(通用大模型和基础云管理平台)、应用配套平台(文创行业大模型和算力运行管理平台)以及机房建设、信息安全体系、运营维护工作及经营服务工作6/28 福67、建 福州 等 资料来源：数智前线，华创证券 算力中心算力中心服务商积极开拓业务发展新局面。服务商积极开拓业务发展新局面。基于不断变化的市场需求，算力服务模式形成以批发型算力中心服务为主，零售型算力中心服务为辅的格局。算力中心业务除基础服务外，增值服务在算力中心业务中的比重逐年上升，涵盖了网络安全、数据应用、运行维护等多个领域，逐渐成为算力中心服务商的核心竞争力。此外，数字化转型和云计算的快速发展带动了云服务市场的潜力，服务商通过云计算增值服务、云服务和云平台服务来把握新的市场机遇。图表图表 34 算力中心提供业务服务类型算力中心提供业务服务类型 资料来源：中国信通院云计算与大数据研究所中国算力68、中心服务商分析报告（2024年）三、三、国产算力赛道持续高景气，重点关注核心公司国产算力赛道持续高景气，重点关注核心公司（一）（一）华为：打造全栈自主华为：打造全栈自主 AI 基础软硬件基础软硬件 华为在“端、边、云”进行产品布局。华为在“端、边、云”进行产品布局。昇腾计算提供面向“端、边、云”的全场景 AI 基础设施。昇腾计算基于华为昇腾系列（HUAWEI Ascend）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。图表图表69、 35 The Atlas family：Atlas 全系列产品全系列产品 资料来源：华为官网 1、AI 集群集群 Atlas 900 PoD（型号：（型号：9000）基于华为昇腾 910（32 颗）+鲲鹏 920（64 颗）处理器的 AI 训练集群基础单元，提供最高 20.48 PFLOPS FP16 超强 AI 算力。支持机柜单元扩展，最大可拓展至 4096 颗昇腾910 芯片集群，总算力达总算力达 1 EFLOPS FP16。Atlas 900 AI 集群集群 Atlas 900 AI 集群由数千颗昇腾 910 AI 处理器构成，通过华为集群通信库和作业调度平台，整合 HCCS、PCIe70、 4.0 和 100G RoCE 三种高速接口，充分释放昇腾 910 的强大性能。其总算力达到其总算力达到 256P1024P FLOPS FP16。图表图表 36 Atlas 900 AI 集群集群 资料来源：华为官网 2、AI 服务器服务器 华为华为 AI 服务器分为推理服务器和训练服务器：服务器分为推理服务器和训练服务器：3000 系列和系列和 9000 系列。系列。训练侧，算力精度要求较高，Atlas 800 训练服务器（型号：9010）基于 Intel 处理器+华为昇腾 910 芯片，具有超强算力密度、高速网络带宽等特点，AI 算力可达 2.24 PFLOPS FP16。图表图表 371、7 AI 服务器产品参数服务器产品参数 AI 服务器服务器 型号型号 形态形态 CPU AI 处理器处理器 AI 算力算力 功耗功耗 Atlas 800 推理服务器推理服务器 3000 2U AI 服务器 2*鲲鹏 920 最大支持 8 个Atlas 300I 推理卡 最大 704 TOPS INT8-3010 2U AI 服务器 1/2 个 Intel Xeon SP Skylake 或 Cascade Lake 处理器 最大支持 7 个Atlas 300I 推理卡 最大 616 TOPS INT8-Atlas 800 训练服务器训练服务器 9000 4U AI 服务器 4*鲲鹏 920 872、*昇腾 910 1.76/2.24 PFLOPS FP16 最大 5.6kW 9010 4U AI 服务器 2*Intel V5 Cascaded Lake 处理器 8*昇腾 910 1.76/2.24 PFLOPS FP16 最大 5.6kW 资料来源：华为官网、华创证券 3、AI 处理器处理器 华为华为 AI 处理器有处理器有昇昇腾腾 310 和和昇腾昇腾 910 两款：两款：910 支持全场景人工智能应用，支持全场景人工智能应用，昇昇腾腾 310 主主要用在边缘计算等低功耗的领域。要用在边缘计算等低功耗的领域。与英伟达对比，昇腾 910 半精度算力（FP16）达320TFLOPS，约为英73、伟达 V100 芯片算力的 2.5 倍，与英伟达 A100 算力（312 TFLOPS，未采用稀疏技术）水平相当。图表图表 38 华为华为 AI 处理器处理器 vs 英伟达英伟达 AI 芯片芯片 公司名称公司名称 芯片芯片 制程制程 功耗功耗 架构架构 深度学习计算能力深度学习计算能力 INT8 FP16 FP32 华为华为 昇腾 310 12nm 8W DaVinci 16 TOPS 8 TFLOPS N/A 昇腾 910 7+nm 310W 640 TOPS 320 TFLOPS N/A 昇腾 910B 7nm 400W-376 TFLOPS 94 TFLOPS 英伟达英伟达 H100 P74、Cle 4nm 300-350W Hopper 3026 TOPS 1513 TFLOPS 51 TFLOPS H100 SXM 700W 3958 TOPS 1979 TFLOPS 67 TFLOPS H20 HGX 400W 296 TOPS 148 TFLOPS 44 TFLOPS A100 80GB Pcle 7nm 300W AMPERE 624/1248 TOPS 312/624 TFLOPS 19.5 TFLOPS A100 80GB SXM 400W 624/1248 TOPS 312/624 TFLOPS 19.5 TFLOPS V100 Pcle 12nm 250W Vol75、ta N/A 112 TFLOPS 14 TFLOPS V100S Pcle 250W N/A 130 TFLOPS 16.4 TFLOPS V100 NVLink 300W N/A 125 TFLOPS 15.7 TFLOPS B200 HGX 4nm 1000W Blackwell 4.5 POPS 2.2 PFLOPS 1.1 PFLOPS 资料来源：英伟达官网、海思官网、半导体行业观察公众号、极智视界公众号、华创证券 （二）（二）海光信息：海光信息：DCU 开放生态加速推广开放生态加速推广 海光信息率先实现自主研发和商业化应用。海光信息率先实现自主研发和商业化应用。海光信息为我国芯片产76、业领军企业之一，长期以来深入布局国产芯片，产品主要包括 CPU 和 DCU 两大类。图表图表 39 海光信息海光信息 DCU 和和 CPU 产品产品 产品类型产品类型 主要产品主要产品 指令集指令集 产品特征产品特征 典型应用场景典型应用场景 高端处理器高端处理器 通 用 处 理器-海 光CPU 兼容 x86 指令集 内置多个处理器核心，集成通用的高性能外设接口，拥有完善的软硬件生态环境和完备的系统安全机制。针对不同应用场景对高端处理器计算性能、功能、功耗等技术指标的要求，分别提供海光 7000 系列产品、5000 系列产品、3000 系列产品 云计算、物联网、信息服务等 协处理器-海光 DC77、U 兼容类“CUDA”环境 内置大量运算核心，具有较强的并行计算能力和较高的能效比，适用于向量计算和矩阵计算等计算密集型应用 大数据处理、人工智能、商业计算等 资料来源：公司2023年半年度报告，华创证券 海光海光 DCU 适应国际主流商业计算软件和人工智能软件。适应国际主流商业计算软件和人工智能软件。与 CPU 相同，海光 DCU 按照代际进行升级迭代，每代际产品细分为 8000 系列的各个型号。海光 8000 系列具有全精度浮点数据和各种常见整型数据计算能力，能够充分挖掘应用的并行性，发挥其大规模并行计算的能力，快速开发高能效的应用程序。海光海光 DCU 具备强大的计算能力、高速并行数据处78、理能力、良好的软件生态环境三大技具备强大的计算能力、高速并行数据处理能力、良好的软件生态环境三大技术优势，达到国内领先水平。术优势，达到国内领先水平。海光 DCU 已经实现了在人工智能、大数据处理、商业计算等领域的规模化应用，可以用于大模型的训练和推理。公司与头部互联网厂商推出了联合方案，打造了全国产软硬件一体全栈 AI 基础设施，形成了多个标杆案例。在 AIGC 持续快速发展的时代背景下，海光 DCU 能够支持全精度模型训练，实现了 LLaMa、GPT、Bloom、ChatGLM、悟道、紫东太初等为代表的大模型的全面应用，与国内包括文心一言、通义千问等大模型全面适配，达到国内领先水平。图表图79、表 40 海光产品在大模型的适配与实践海光产品在大模型的适配与实践 资料来源：海光信息2024年半年报 海光海光 DCU 已达到同类型高端产品水平。已达到同类型高端产品水平。海光 DCU 以 GPGPU 架构为基础，采用“类 CUDA”通用并行计算架构，主要面向大数据处理、商业计算等计算密集型应用领域，以及人工智能、泛人工智能类运算加速领域。目前，海光 DCU 系列产品深算二号已经发布并实现商用，可实现在大数据处理、人工智能、商业计算等领域的商业化应用，具有全精度浮点数据和各种常见整型数据计算能力，性能相对于深算一号实现了翻倍的增长，深算三号研发顺利推进中。图表图表 41 国产芯片厂商对比国产80、芯片厂商对比 芯片类别芯片类别 厂商厂商 产品系列产品系列 详情详情 CPU 海光信息 3000 系列、5000 系列、7000 系列 国产先进微处理器产业推动者，海光 CPU 兼容市场主流的 x86 指令集 龙芯 龙芯一号、龙芯二号、龙芯三号 国内自主 CPU 引领者，自主生态构建者，具有自主指令系统龙架构，成为与 X86/ARM 并列的顶层开源生态系统 华为 鲲鹏 920 全球领先的 Fabless 半导体与器件设计公司，鲲鹏 920采用 7nm 制造工艺，基于 ARM 架构授权 飞腾 腾云系列、腾锐系列、腾珑系列 自主核心芯片提供商，致力于飞腾系列国产高性能、低功耗通用计算微处理器的设计81、研发和产业化推广 兆芯 开先系列、开胜系列 掌握自主通用处理器及其系统平台芯片研发设计的核心技术，全面覆盖其微架构与实现技术 申威 申威 221、申威 411、申威 421、申威 421M、申威 1621 提供申威处理器芯片内核、封装设计、技术支持服务及销售，小型计算机研发、测试、销售、服务及核心部件生产 GPU 海光信息 深算系列 国产先进微处理器产业推动者，海光 DCU 兼容“CUDA”环境 华为海思 昇腾 310、昇腾 910 全球领先的 Fabless 半导体与器件设计公司，昇腾系列基于华为自研的达芬奇架构 寒武纪 思元 270 系列、思元290、思元 370 系列 专注于人工智能芯片82、产品的研发与技术创新 景嘉微 JM5 系列、JM7 系列、JM9 系列 致力于信息探测、处理与传递领域的技术和综合应用 资料来源：Wind，各公司官网，华创证券 海光信息营业收入稳定增长，归母净利润持续攀升。海光信息营业收入稳定增长，归母净利润持续攀升。2019-2023 年，海光信息营业收入由3.79 亿元增长至 60.12 亿元，其中得益国产化进程推进，带动海光信息营收高速增长。2024 年上半年，公司实现营业收入 37.63 亿元，同比增加 44.08%。利润方面，2019-2023年海光信息归母净利润由-0.83 亿元增长至 12.63 亿元。随着高端处理器产品的产业生态持续扩展，涉及83、的行业应用以及新兴人工智能大模型产业逐步增加，2024 年上半年公司归母净利润达 8.53 亿元，同比增加 25.97%。图表图表 42 2019-2024H1 海光营业收入及同比增速海光营业收入及同比增速 图表图表 43 2019-2024H1 海光归母净利润及同比增速海光归母净利润及同比增速 资料来源：iFind，华创证券 资料来源：iFind，华创证券 0%50%100%150%200%010203040506070201920202021202220232024H1营业收入（亿元，左轴）yoy(右轴）0%200%400%600%800%1000%-202468101214201920284、02021202220232024H1归母净利润（亿元，左轴）yoy（右轴）（三）（三）寒武纪：云边端一体协同发展寒武纪：云边端一体协同发展 专注人工智能芯片研发，是中国专注人工智能芯片研发，是中国 AI 芯片领域领军企业之一。芯片领域领军企业之一。中科寒武纪是人工智能芯片领域知名的新兴公司。公司自 2016 年成立，并于 2020 年成功上市，专注于人工智能芯片产品的研发与技术创新。公司提供全系列、多品类的智能芯片和处理器产品，服务领域涵盖云端、边缘端以及终端设备，同时拥有能够进行人工智能推理和训练的智能芯片产品线，为客户提供丰富的芯片产品与软件系统解决方案。此外，作为国内少数掌握先进集成电85、路工艺（例如 7nm 技术）下复杂芯片设计经验的企业，公司在行业中占据重要地位。产品矩阵完善，提供云边端一体、软硬件协同的人工智能综合解决方案。产品矩阵完善，提供云边端一体、软硬件协同的人工智能综合解决方案。硬件侧，公司思元系列产品覆盖 AI 算力行业的计算集群、自动驾驶、边缘计算和 AIOT 设备全领域。在云端产品方面，寒武纪推出思元 370 芯片、加速卡及训练整机，凭借支持多数据位宽，超大容量和低功耗特点，为云服务商提供强大算力支持；在边缘端产品方面，寒武纪推出了思元 220 边缘计算模组，有效处理本地数据，减少延迟，在物联网和智慧城市场景中广受好评。软件侧，公司提供 IP 授权及软件生态86、配套研发。近年来，公司积极拥抱生成式 AI 浪潮。2023 年，公司从底层硬件架构出发，针对自然语言处理、视频图像生成等软件使用重点场景进行优化，提升产品在编程开发的灵活性、易用性、性能、能耗、面积等方面的竞争力。图表图表 44 寒武纪历史沿革寒武纪历史沿革 资料来源：公司2023年年报，华创证券 图表图表 45 寒武纪主要产品及业务介绍寒武纪主要产品及业务介绍 产品线产品线 产品类型产品类型 产品特征产品特征 云端产品线 云端智能芯片及加速卡 为云计算和数据中心场景中的人工智能应用提供高计算密度和高能效的硬件资源，以支持这些场景下复杂性和数据吞吐量的快速增长所需的人工智能处理任务。训练整机 87、面向有技术基础的商业客户提供计算集群中单体训练服务器。边缘产品线 边缘智能芯片及加速卡 有效弥补终端设备计算能力不足，缓解云计算场景中数据隐私、带宽延时限制的隐患。IP 授权及软件 IP 授权 授权分享智能处理器 IP 到客户产品中给其使用。基础系统软件平台 通过消除不同场景间的软件开发壁垒，同时具备灵活性和可扩展性的特点，使得同一人工智能应用程序无需复杂的移植过程，就能在公司云、边缘端以及系列化芯片与处理器产品上便捷且高效地运行。智能计算集群系统业务 数据中心集群 要聚焦人工智能技术在数据中心的应用，为人工智能应用部署技术能力相对较弱的客户提供软硬件整体解决方案，以科学地配置和管理集群的软硬88、件、提升运行效率。资料来源：公司2023年年报，华创证券 受益于人工智能软件行业蓬勃发展与人工智能芯片产业政策扶持，公司业务营收增长迅受益于人工智能软件行业蓬勃发展与人工智能芯片产业政策扶持，公司业务营收增长迅猛。猛。2018 年-2023 年，公司营业收入大幅增长，由 2018 年 1.17 亿元提升至 2023 年 7.09亿元，CAGR 达 43.38%。受到“实体清单”制裁影响，供应链拖累营收。2023 年营业收入较 2022 年略微下滑 2.70%；2024 年一季度，公司实现营业总收入 0.26 亿元，同比下降 65.91%。伴随着公司技术演进与新产品迭代，公司未来亏损幅度有望收窄89、。伴随着公司技术演进与新产品迭代，公司未来亏损幅度有望收窄。由于公司所处芯片行业是一项高投入、长周期行业；同时，公司近年来保持高研发投入，支持各芯片产品及基础软件生态平台研发迭代。自 2018 年起，公司尚未盈利。归母净利润持续亏损，资产减值损失与信用减值损失较大。2023 年，公司归母净利润亏损 8.48 亿元，较去年同期亏损收窄 4.08 亿元；2024 年一季度，归母净利润亏损 2.27 亿元，较去年同期亏损收窄 0.28亿元。图表图表 46 2018-2024Q1 寒武纪营业收入寒武纪营业收入及及同比增速同比增速 图表图表 47 2018-2024Q1 寒武纪归母净利润寒武纪归母净利润90、及同比增速及同比增速 资料来源：iFind，华创证券 资料来源：iFind，华创证券 智能计算集群系统是公司营业收入主要来源，占比持续增加。智能计算集群系统是公司营业收入主要来源，占比持续增加。分产品看，公司主要包括云端产品线，边缘产品线、IP 授权及软件和智能计算集群系统业务。2023 年，公司各产品线业务营收分别为 0.91 亿元、0.11 亿元、23.38 万元和 6.05 亿元。其中，智能计算集群系统产品是公司目前主要的销售模式。该系统集成公司自研的云端产品线产品，包含智能芯片，加速卡及训练整机产品，聚焦人工智能技术在数据中心的各项应用。2023 年，智能计算集群系统营业收入 6.0591、 亿元，占比约 85%，2019-2023 年营业收入 CAGR 达19.53%。智能计算集群系统毛利率增长稳健，云、边端产品线毛利率波动起伏。智能计算集群系统毛利率增长稳健，云、边端产品线毛利率波动起伏。2023 年，公司云端产品线、边缘产品线和智能计算集群系统业务毛利率分别为 60.63%、55.88%和 70.78%。云端产品侧，2018-2021 年毛利率呈现下降趋势，2022-2023 年，毛利率水平受供应链环境影响有所波动。边缘产品侧，毛利率先降后升。2020-2021 年，公司新推出 MLU220 芯片，为抢占头部芯片市场，公司加大销售力度导致边缘产品线毛利率水平下降。智能计算集92、群系统侧，下游需求增长与产能供给受限，产品毛利率稳步抬升。图表图表 48 2018-2023 寒武纪各产品营业收入（亿元）寒武纪各产品营业收入（亿元）图表图表 49 2018-2023 寒武纪各产品毛利率寒武纪各产品毛利率（%）资料来源：iFind，华创证券 资料来源：iFind，华创证券-500%0%500%1000%1500%0123456782018201920202021202220232024Q1营业收入（亿元，左轴）yoy（右轴）-3000%-2500%-2000%-1500%-1000%-500%0%500%-14-12-10-8-6-4-202018201920202021202220232024Q1归母净利润（亿元，左轴）yoy（右轴）02468201820192020202120222023智能计算集群系统云端智能芯片及加速卡边缘端智能芯片及加速卡IP授权及软件系统