2024年計(jì)算機(jī)行業(yè)投資策略：AI三要素共振-AIGC云到端加速推進(jìn)

2024年計(jì)算機(jī)行業(yè)投資策略：AI三要素共振_AIGC云到端加速推進(jìn)主線一：算力側(cè)——智能算力滲透率快速提升（一）算力側(cè)：技術(shù)革新及政策雙輪驅(qū)動(dòng)，AI算力景氣度高企1、從供給側(cè)看算力不斷升級(jí)，未來將呈現(xiàn)“云-邊-端”一體格局從算力供給而言，可以分為通用算力、智能算力和超算算力。算力實(shí)現(xiàn)的核心是CPU、GPU、FPGA、ASIC等各類計(jì)算芯片，并由計(jì)算機(jī)、服務(wù)器、高性能計(jì)算集群和各類智能終端等承載，海量數(shù)據(jù)處理和各種數(shù)字化應(yīng)用都離不開算力的加工和計(jì)算，算力數(shù)值越大代表綜合計(jì)算能力越強(qiáng)，常用的計(jì)量單位是FLOPS（每秒執(zhí)行的浮點(diǎn)數(shù)運(yùn)算次數(shù)）。算力是設(shè)備根據(jù)內(nèi)部狀態(tài)的改變，每秒可處理的信息數(shù)據(jù)量。算力的載體發(fā)展經(jīng)歷了以算盤和機(jī)械計(jì)算器為代表的時(shí)代到基于架設(shè)互聯(lián)網(wǎng)基礎(chǔ)平臺(tái)的服務(wù)器的歷程。在過去20年，隨著算力載體的豐富程度得到了極大提升，呈現(xiàn)多樣化發(fā)展趨勢(shì)。算力架構(gòu)可以拆解為芯片、設(shè)備、軟件，呈現(xiàn)“云-邊-端”一體格局。未來將形成云端側(cè)負(fù)責(zé)大體量復(fù)雜計(jì)算、邊緣側(cè)負(fù)責(zé)簡(jiǎn)單計(jì)算執(zhí)行、終端側(cè)負(fù)責(zé)感知交互的泛在算力部署形式。2、大模型驅(qū)動(dòng)智能算力需求指數(shù)級(jí)增長(zhǎng)大模型需要強(qiáng)大算力來支持訓(xùn)練過程和推理過程。根據(jù)OpenAI數(shù)據(jù)，訓(xùn)練GPT-3175B的模型，需要的算力高達(dá)3640PF-days（假如每秒做一千萬億次浮點(diǎn)運(yùn)算,需要計(jì)算3640天）。2018年以來，大模型的參數(shù)量級(jí)已達(dá)到數(shù)千億參數(shù)的量級(jí)規(guī)模。而CPU的物理工藝、核心數(shù)已接近極限。在AI時(shí)代下，僅靠CPU已經(jīng)不能滿足需求，通過GPU、FPGA、ASIC等加速芯片異構(gòu)而成的智能算力的演化成為趨勢(shì)，并最終成為生成式人工智能時(shí)代下算力的主角。AI時(shí)代的摩爾定律，算力平均每3.43個(gè)月翻一倍。自2012年后，驅(qū)動(dòng)AI的底層機(jī)器學(xué)習(xí)技術(shù)計(jì)算量呈指數(shù)級(jí)增長(zhǎng)，根據(jù)OpenAI論文，深度學(xué)習(xí)前期，算力翻倍時(shí)間為21.3個(gè)月，深度學(xué)習(xí)時(shí)期，算力翻倍時(shí)間為5.7個(gè)月，大模型時(shí)期，AI訓(xùn)練任務(wù)所用的算力每3.43個(gè)月就會(huì)翻倍，遠(yuǎn)超摩爾定律（晶體管每18個(gè)月翻一倍）帶來的算力提升速度。大模型對(duì)算力的需求主要體現(xiàn)在以下三個(gè)場(chǎng)景：（1）預(yù)訓(xùn)練算力需求：模型預(yù)訓(xùn)練過程是消耗算力的最主要場(chǎng)景。ChatGPT采用預(yù)訓(xùn)練語言模型，GPT-3具有大約1750億參數(shù)，GPT-4的規(guī)模是GPT-3的10倍以上，它具有大約1.8兆參數(shù)，分布在120個(gè)層，13萬億token，OpenAI訓(xùn)練GPT-4的FLOPS約為2.15*10^25，單張英偉達(dá)A100的算力為19.5TFlops（浮點(diǎn)運(yùn)算每秒19.5萬億次），如果不考慮利用率用25000張A100訓(xùn)練需要52天，實(shí)際情況在大約25000個(gè)A100上訓(xùn)練了90到100天，MFU（平均功能利用率）在32%到36%之間。如果按照OpenAI云計(jì)算的成本是差不多1美元/每驗(yàn)、失敗的訓(xùn)練和其他成本，比如數(shù)據(jù)收集、RLHF（以強(qiáng)化學(xué)習(xí)方式依據(jù)人類反饋優(yōu)化語言模型）、人力成本等，這次訓(xùn)練的成本大約是6300萬美元。（2）日常運(yùn)營(yíng)算力需求：預(yù)計(jì)ChatGPT單月運(yùn)營(yíng)需要算力約4874.4PFlops-days，對(duì)應(yīng)成本約1800萬美元。在完成模型預(yù)訓(xùn)練之后，ChatGPT對(duì)于底層算力的需求并未結(jié)束，日常運(yùn)營(yíng)過程中，用戶交互帶來數(shù)據(jù)處理需求。根據(jù)OpenAI官網(wǎng)9月數(shù)據(jù)，ChatGPT目前擁有超過1億用戶，每月產(chǎn)生18億次訪問量。據(jù)Fortune雜志，每次用戶與ChatGPT互動(dòng)，產(chǎn)生的算力云服務(wù)成本約0.01美元?；诖耍覀児浪鉕penAI為ChatGPT每月支付的運(yùn)營(yíng)算力成本為1800萬美元。（3）模型調(diào)優(yōu)算力需求：從模型迭代的角度來看，ChatGPT模型并不是靜態(tài)的，而是需要不斷進(jìn)行Finetune模型調(diào)優(yōu)，以確保模型處于最佳應(yīng)用狀態(tài)。調(diào)優(yōu)過程中，一方面是需要開發(fā)者對(duì)模型參數(shù)進(jìn)行調(diào)整，確保輸出內(nèi)容不是有害和失真的；另一方面，需要基于用戶反饋和PPO（近端策略優(yōu)化），對(duì)模型進(jìn)行大規(guī)模或小規(guī)模的迭代訓(xùn)練。因此，模型調(diào)優(yōu)同樣會(huì)為OpenAI帶來算力成本，具體算力需求和成本金額取決于模型的迭代速度。3、海外：全球算力規(guī)模進(jìn)入加速期，科技巨頭不斷加大AI資本開支伴隨全球人工智能浪潮，全球算力規(guī)模爆發(fā)式增長(zhǎng)。2022年全球算力總規(guī)模達(dá)到906EFlops，增速達(dá)到47%，其中基礎(chǔ)算力規(guī)模（FP32）為440EFlops，智能算力規(guī)模（換算為FP32）為451EFlops，超算算力規(guī)模（換算為FP32）為16EFlops。根據(jù)中國移動(dòng)預(yù)測(cè)，未來五年全球算力規(guī)模將以超過50%的速度增長(zhǎng)，到2025年全球計(jì)算設(shè)備算力總規(guī)模將超過3ZFlops，至2030年將超過20ZFlops。以AIGC為首的應(yīng)用表現(xiàn)強(qiáng)勁，推動(dòng)了智能計(jì)算的快速和持續(xù)增長(zhǎng)。IDC預(yù)測(cè)，全球人工智能計(jì)算市場(chǎng)規(guī)模將從2022年的195億美元增長(zhǎng)到2026年的346.6億美元。其中，生成式人工智能計(jì)算市場(chǎng)規(guī)模將從2022年的8.2億美元增長(zhǎng)到2026年的109.9億美元，占整體人工智能計(jì)算市場(chǎng)的比重將從4.2%增長(zhǎng)到31.7%。生成式人工智能將推動(dòng)互聯(lián)網(wǎng)、制造、金融、教育、醫(yī)療等行業(yè)創(chuàng)新發(fā)展。從海外云巨頭三季報(bào)看，人工智能投資推動(dòng)收入和資本支出。年初至今，生成式AI技術(shù)浪潮的快速崛起帶來對(duì)AI算力需求的大幅提升，海外云廠商巨頭谷歌、微軟、Meta（這里暫時(shí)不考慮亞馬遜，亞馬遜由于三季度收縮用于倉儲(chǔ)物流的資本開支，影響權(quán)重較大）3Q資本開支212.05億美元，合計(jì)資本開支環(huán)比增長(zhǎng)9.43%，主要系A(chǔ)I基礎(chǔ)設(shè)施投入加大，各家在業(yè)績(jī)會(huì)上均表示2024將繼續(xù)加碼AI領(lǐng)域。另一方面，各大廠商資本開支與營(yíng)收呈現(xiàn)顯著正相關(guān)。谷歌云2023年第三季度收入為84.1億美元，同比增長(zhǎng)22.59%，微軟智能云部門（包括Azure）的收入為243億美元，同比增長(zhǎng)19%。我們認(rèn)為，預(yù)計(jì)北美云廠商巨頭微軟、谷歌、Meta的資本開支在2024年進(jìn)入上行周期，整體增速預(yù)計(jì)超過雙位數(shù)。4、國內(nèi)：智能算力需求持續(xù)增長(zhǎng)，芯片禁令導(dǎo)致高端算力供需錯(cuò)配算力是集計(jì)算力、網(wǎng)絡(luò)運(yùn)載力、數(shù)據(jù)存儲(chǔ)力力于一體的新型生產(chǎn)力。一國算力指數(shù)與GDP、數(shù)字經(jīng)濟(jì)發(fā)展呈現(xiàn)顯著正相關(guān)。IDC、浪潮信息、清華產(chǎn)業(yè)研究院聯(lián)合發(fā)布的《2022-2023全球計(jì)算力指數(shù)評(píng)估報(bào)告》中表明，計(jì)算力評(píng)估指標(biāo)涵蓋計(jì)算能力、計(jì)算效率、應(yīng)用水平、基礎(chǔ)設(shè)施支持四個(gè)維度?；貧w分析顯示，計(jì)算力指數(shù)與GDP、數(shù)字經(jīng)濟(jì)的走勢(shì)呈現(xiàn)出顯著正相關(guān)。算力對(duì)于促進(jìn)GDP與數(shù)字經(jīng)濟(jì)增長(zhǎng)效果顯著。相關(guān)數(shù)據(jù)顯示，十五個(gè)樣本國家的計(jì)算力指數(shù)平均每提高1點(diǎn)，國家的數(shù)字經(jīng)濟(jì)和GDP將分別增長(zhǎng)3.6‰和1.7‰，預(yù)計(jì)該趨勢(shì)在2023至2026年將繼續(xù)保持。中國計(jì)算力指數(shù)排名第二，處于領(lǐng)跑者地位。根據(jù)《2022-2023全球計(jì)算力指數(shù)評(píng)估報(bào)告》中，第一梯隊(duì)包括中國和美國；第二梯隊(duì)國家包括日本、德國、英國、法國、加拿大、韓國和澳大利亞；第三梯隊(duì)國家包括印度、意大利、巴西、俄羅斯、南非和馬來西亞。2022年中國計(jì)算力指數(shù)同比增長(zhǎng)1.4%，達(dá)到了71分，2022年受到反復(fù)沖擊，全年GDP增長(zhǎng)低于預(yù)期，在這樣的大環(huán)境下，中國算力指數(shù)仍保持增長(zhǎng)。中國算力核心產(chǎn)業(yè)規(guī)模高增，成為國內(nèi)GDP增長(zhǎng)重要抓手。據(jù)工業(yè)和信息化部數(shù)據(jù)，截至2022年年底，我國算力核心產(chǎn)業(yè)規(guī)模達(dá)到1.8萬億元，算力總規(guī)模達(dá)到180EFLOPS，年增長(zhǎng)率近30%；存力總規(guī)模超過1000EB；國家樞紐節(jié)點(diǎn)間的網(wǎng)絡(luò)單向時(shí)延降低到20毫秒以內(nèi)。預(yù)計(jì)2023中國算力核心產(chǎn)業(yè)規(guī)模。算力每投入1元，將帶動(dòng)3～4元的GDP經(jīng)濟(jì)增長(zhǎng)。2023是企業(yè)數(shù)字化轉(zhuǎn)型拐點(diǎn)，2024資本開支有望繼續(xù)高增。從2022年開始，全球企業(yè)在數(shù)字化轉(zhuǎn)型的浪潮下開始加速數(shù)字化進(jìn)程，2023年是企業(yè)數(shù)字化轉(zhuǎn)型的拐點(diǎn)，企業(yè)從數(shù)字化轉(zhuǎn)型時(shí)代進(jìn)入到數(shù)字化業(yè)務(wù)時(shí)代，開始逐漸步入數(shù)字化新階段。根據(jù)IDC的研究，到2023年底，全球數(shù)字化轉(zhuǎn)型支出在總體企業(yè)ICT支出中的占比將達(dá)到52%，全球52%的軟件應(yīng)用支出也將是SaaS模式。預(yù)計(jì)2023年全球數(shù)字化轉(zhuǎn)型技術(shù)的支出增長(zhǎng)率為16.9%。數(shù)字化轉(zhuǎn)型在降本增效、提高創(chuàng)新能力、商業(yè)模式轉(zhuǎn)型升級(jí)等方面已初顯成效，已成為企業(yè)核心發(fā)展戰(zhàn)略。國內(nèi)算力產(chǎn)業(yè)總體規(guī)模未來三年有望維持30%左右CAGR，智能算力滲透率及占比快速提升。近幾年，我國不斷加大對(duì)計(jì)算、網(wǎng)絡(luò)和存儲(chǔ)等基礎(chǔ)設(shè)施的投入，高度重視數(shù)據(jù)中心、智算中心、超算中心以及邊緣數(shù)據(jù)中心等算力基礎(chǔ)設(shè)施的高質(zhì)量發(fā)展，近5年，我國算力產(chǎn)業(yè)規(guī)模年平均增速超過30%。智能算力滲透率逐漸提升。智能算力增長(zhǎng)迅速，新增算力中智能算力成為增長(zhǎng)新引擎，截至2022年底，我國算力總規(guī)模達(dá)到180EFLOPS，其中智能算力規(guī)模與去年相比增加41.4%，超過全球整體智能算力增速（25.7%），其中通用算力規(guī)模137EFLOPS，占比約76.7%，智能算力規(guī)模41EFLOPS，占比約22.8%。根據(jù)《2022-2023中國人工智能計(jì)算力發(fā)展評(píng)估報(bào)告》，未來5年中國智能算力規(guī)模年復(fù)合增長(zhǎng)率將達(dá)到52.3%，通用算力規(guī)模年復(fù)合增長(zhǎng)率為18.5%。預(yù)計(jì)到2026年中國智能算力將達(dá)到145EFLOPS，占比將達(dá)到36.7%。隨著AI大模型的快速發(fā)展，智能算力需求正呈現(xiàn)爆發(fā)性增長(zhǎng)態(tài)勢(shì)，滲透率將顯著提升。高端算力芯片進(jìn)口受限，多輪禁令加劇高端算力供應(yīng)的短缺，導(dǎo)致供需錯(cuò)配。一方面，從ChatGPT面世以來，國內(nèi)各企業(yè)和研究院在短短半年多的時(shí)間內(nèi)先后推出了超過130款大模型，其中領(lǐng)跑玩家已經(jīng)開始著手于將大模型應(yīng)用于特定場(chǎng)景，打造爆款應(yīng)用。此外，為了構(gòu)筑算力底座，各地政府紛紛上馬智算中心建設(shè)，鋪設(shè)大數(shù)據(jù)時(shí)代的信息高速，推動(dòng)產(chǎn)業(yè)創(chuàng)新升級(jí)。根據(jù)華為昇騰計(jì)算業(yè)務(wù)總裁張迪煊在2023世界人工智能大會(huì)上的揭示，大模型所需的算力相對(duì)于2020年預(yù)計(jì)將增長(zhǎng)500倍。而另一方面，2023年10月17日，美國商務(wù)部工業(yè)和安全局（BIS）發(fā)布了針對(duì)芯片的出口禁令新規(guī)，更加嚴(yán)格的限制了中國購買重要的高端芯片，導(dǎo)致國內(nèi)算力缺口正在不斷擴(kuò)大。5、政策密集發(fā)布，推動(dòng)算力基礎(chǔ)設(shè)施高質(zhì)量發(fā)展工信部等六部門聯(lián)合印發(fā)《算力基礎(chǔ)設(shè)施高質(zhì)量發(fā)展行動(dòng)計(jì)劃》，提出到2025年，計(jì)算力方面，算力規(guī)模超過300EFLOPS，智能算力占比達(dá)到35%，東西部算力平衡協(xié)調(diào)發(fā)展。2023年10月9日，工業(yè)和信息化部等六部門近日聯(lián)合印發(fā)《算力基礎(chǔ)設(shè)施高質(zhì)量發(fā)展行動(dòng)計(jì)劃》，從計(jì)算力、運(yùn)載力、存儲(chǔ)力以及應(yīng)用賦能四個(gè)方面定下發(fā)展目標(biāo)，引導(dǎo)算力基礎(chǔ)設(shè)施高質(zhì)量發(fā)展。此次《行動(dòng)計(jì)劃》詳細(xì)定下了量化目標(biāo)。1）計(jì)算力方面，到2025年算力規(guī)模超過300EFLOPS(每秒30000京次浮點(diǎn)運(yùn)算次數(shù))，智能算力占比達(dá)到35%，東西部算力平衡協(xié)調(diào)發(fā)展；2）運(yùn)載力方面，國家樞紐節(jié)點(diǎn)數(shù)據(jù)中心集群間基本實(shí)現(xiàn)不高于理論時(shí)延1.5倍的直連網(wǎng)絡(luò)傳輸，重點(diǎn)應(yīng)用場(chǎng)所光傳送網(wǎng)（OTN）覆蓋率達(dá)到80%，骨干網(wǎng)、城域網(wǎng)全面支持IPv6等創(chuàng)新技術(shù)使用占比達(dá)到40%；3）存儲(chǔ)力方面，存儲(chǔ)總量超過1800EB，先進(jìn)存儲(chǔ)容量占比達(dá)到30%以上，重點(diǎn)行業(yè)核心數(shù)據(jù)、重要數(shù)據(jù)災(zāi)備覆蓋率達(dá)到100%；4）應(yīng)用賦能方面，打造一批算力新業(yè)務(wù)、新模式、新業(yè)態(tài)，工業(yè)、金融等領(lǐng)域算力滲透率顯著提升，醫(yī)療、交通等領(lǐng)域應(yīng)用實(shí)現(xiàn)規(guī)?；瘡?fù)制推廣，能源、教育等領(lǐng)域應(yīng)用范圍進(jìn)一步擴(kuò)大。每個(gè)重點(diǎn)領(lǐng)域打造30個(gè)以上應(yīng)用標(biāo)桿。目前，我國加速推進(jìn)算力布局，與算力有關(guān)的多項(xiàng)國家政策發(fā)布，與此同時(shí)，各地政府也在推進(jìn)相關(guān)規(guī)劃落地，包括基礎(chǔ)電信企業(yè)等在內(nèi)的各方也在積極推進(jìn)算力網(wǎng)絡(luò)建設(shè)，算力產(chǎn)業(yè)發(fā)展進(jìn)入“快車道”。（二）算力側(cè)投資主線：國產(chǎn)化、高帶寬存儲(chǔ)、AI服務(wù)器、液冷、算力租賃1、出口禁令倒逼國產(chǎn)化加速，華為昇騰VS英偉達(dá)參數(shù)對(duì)比出口禁令影響海外供應(yīng)，倒逼不斷加速。2023年10月17日，美國商務(wù)部工業(yè)和安全局（BIS）發(fā)布了針對(duì)芯片的出口禁令新規(guī)，更加嚴(yán)格的限制了中國購買重要的高端芯片。一方面，從ChatGPT面世以來，國內(nèi)各企業(yè)和研究院在短短半年多的時(shí)間內(nèi)先后推出了超過130款大模型，其中領(lǐng)跑玩家已經(jīng)開始著手于將大模型應(yīng)用于特定場(chǎng)景，打造爆款應(yīng)用。另一方面，為了構(gòu)筑算力底座，各地政府紛紛上馬智算中心建設(shè)，鋪設(shè)大數(shù)據(jù)時(shí)代的信息高速，推動(dòng)產(chǎn)業(yè)創(chuàng)新升級(jí)，降低企業(yè)調(diào)用以大模型為代表的科技成果的成本。根據(jù)華為昇騰計(jì)算業(yè)務(wù)總裁張迪煊在2023世界人工智能大會(huì)上的揭示，大模型所需的算力相對(duì)于2020年預(yù)計(jì)將增長(zhǎng)500倍，這個(gè)算力缺口正在不斷擴(kuò)大。A800、H800被禁后，英偉達(dá)繼續(xù)推出新款芯片，單卡性能H20弱于昇騰910b。2023年11月9日，相關(guān)報(bào)道稱英偉達(dá)已開發(fā)出針對(duì)中國市場(chǎng)的最新改良版系列芯片——HGXH20、L20PCle和L2PCle。最新三款芯片是由H100改良而來，就單卡性能而言H20弱于昇騰910b。華為昇騰芯片為AI體系提供強(qiáng)大算力，昇騰910b單卡性能接近英偉達(dá)A100。華為昇騰芯片是華為發(fā)布的兩款人工智能處理器，包含昇騰310用于推理和910用于訓(xùn)練，均采用自家的達(dá)芬奇架構(gòu)。昇騰910是一款高性能AI芯片，采用了7nm工藝制程，集成了數(shù)千個(gè)達(dá)芬奇核心，能夠提供高達(dá)256TOPS的算力，在業(yè)界其算力處于領(lǐng)先水平。昇騰310是一款入門級(jí)AI芯片，采用了12nm工藝制程，集成了數(shù)百個(gè)達(dá)芬奇核心，能夠提供高達(dá)8TOPS的算力，適合用于邊緣計(jì)算和物聯(lián)網(wǎng)等應(yīng)用場(chǎng)景。2023年科大訊飛與華為昇騰啟動(dòng)專項(xiàng)攻關(guān)，合力打造我國通用人工智能新底座，讓國產(chǎn)大模型架構(gòu)在自主創(chuàng)新的軟硬件基礎(chǔ)之上，當(dāng)前華為昇騰910B能力已經(jīng)基本做到可對(duì)標(biāo)英偉達(dá)A100。華為昇騰生態(tài)打開市場(chǎng)空間，國產(chǎn)算力產(chǎn)業(yè)鏈有望持續(xù)受益。我們認(rèn)為，國內(nèi)第一批大模型廠商使用的基本都是英偉達(dá)A100、A800的芯片，因?yàn)橛ミ_(dá)構(gòu)建了完善的CUDA生態(tài)，貿(mào)然換生態(tài)，意味著學(xué)習(xí)成本、試錯(cuò)成本、調(diào)試成本都會(huì)增加。目前華為基于“鯤鵬+昇騰”雙引擎正式全面啟航計(jì)算戰(zhàn)略，打造算力底座，未來趨勢(shì)下，華為昇騰市場(chǎng)份額將不斷提升，產(chǎn)業(yè)鏈細(xì)分賽道上市公司有望持續(xù)受益。15%到全國產(chǎn)化是大概率事件，國產(chǎn)化空間巨大。根據(jù)IDC數(shù)據(jù)，2022年中國AI芯片出貨量約109萬張，其中英偉達(dá)市占率約為85%，華為在內(nèi)的國產(chǎn)AI芯片市占率約為15%，國產(chǎn)化仍有很大空間。昇騰計(jì)算產(chǎn)業(yè)鏈?zhǔn)腔跁N騰系列處理器和基礎(chǔ)軟件構(gòu)建的全棧Al計(jì)算基礎(chǔ)設(shè)施、行業(yè)應(yīng)用及服務(wù)，包括異騰系列處理器、系列硬件、CANN、Al計(jì)算框架、應(yīng)用使能、開發(fā)工具鏈、管理運(yùn)維工具、行業(yè)應(yīng)用及服務(wù)等全產(chǎn)業(yè)鏈。百度等率先開始采購昇騰910B，釋放多重積極信號(hào)。據(jù)相關(guān)報(bào)道，百度為200臺(tái)服務(wù)器向華為訂購了1600顆昇騰910BAI芯片，作為英偉達(dá)A100的替代品，訂單總價(jià)值約4.5億人民幣，預(yù)計(jì)今年年底前完成交付，截至10月已交付約60%，同時(shí)360集團(tuán)創(chuàng)始人周鴻祎表示，360也采購了華為1000片左右的AI芯片。我們認(rèn)為，此次采購意義重大，雖然此訂單規(guī)模相較過去從英偉達(dá)采購的數(shù)千顆芯片較小，但是此次采購證明國產(chǎn)昇騰910B可以滿足大模型訓(xùn)練需求，伴隨百度、360等互聯(lián)網(wǎng)大廠競(jìng)相采購，有望掀起互聯(lián)網(wǎng)行業(yè)乃至千行百業(yè)采購浪潮。華為昇騰服務(wù)器，國產(chǎn)算力之王。搭載華為昇騰系列AI芯片和業(yè)界主流異構(gòu)計(jì)算部件的算力集群，具有超強(qiáng)計(jì)算性能，可以廣泛用于中心側(cè)AI推理、深度學(xué)習(xí)模型開發(fā)和場(chǎng)景訓(xùn)練，根據(jù)訓(xùn)練需求不同可以分為AI訓(xùn)練服務(wù)器和AI推理服務(wù)器。AI訓(xùn)練服務(wù)器：1）Atlas800訓(xùn)練服務(wù)器（型號(hào)：9000）是基于華為鯤鵬920+昇騰910處理器的AI訓(xùn)練服務(wù)器，具有超強(qiáng)算力密度、超高能效與高速網(wǎng)絡(luò)等特點(diǎn)。2）Atlas800訓(xùn)練服務(wù)器（型號(hào)：9010）是基于Intel處理器+華為昇騰910芯片的AI訓(xùn)練服務(wù)器，具有超強(qiáng)算力密度、高速網(wǎng)絡(luò)帶寬等特點(diǎn)。這兩款服務(wù)器廣泛應(yīng)用于深度學(xué)習(xí)模型開發(fā)和訓(xùn)練，適用于智慧城市、智慧醫(yī)療、天文探索、石油勘探等需要大算力的行業(yè)領(lǐng)域。AI推理服務(wù)器：1）Atlas800推理服務(wù)器（型號(hào)：3000）是基于昇騰310芯片的推理服務(wù)器，最大可支持8個(gè)Atlas300I推理卡，提供強(qiáng)大的實(shí)時(shí)推理能力，廣泛應(yīng)用于中心側(cè)AI推理場(chǎng)景。2）Atlas800推理服務(wù)器（型號(hào)：3010）是基于Intel處理器的推理服務(wù)器，最多可支持7個(gè)Atlas300I推理加速卡，支持560路高清視頻實(shí)時(shí)分析，廣泛應(yīng)用于中心側(cè)AI推理場(chǎng)景。軟件端：昇騰全棧AI軟硬件平臺(tái)，面向“端、邊、云”的全場(chǎng)景AI基礎(chǔ)設(shè)施。AI處理器和基礎(chǔ)軟件構(gòu)建Atlas人工智能計(jì)算解決方案，包括Atlas系列模塊、板卡、小站、服務(wù)器、集群等豐富的產(chǎn)品形態(tài)，打造面向“端、邊、云”的全場(chǎng)景AI基礎(chǔ)設(shè)施方案，覆蓋深度學(xué)習(xí)領(lǐng)域推理和訓(xùn)練全流程，充分釋放硬件性能。昇思MindSpore崛起，打造國產(chǎn)AI開發(fā)新生態(tài)。昇騰910配套的AI開源計(jì)算框架MindSpore更方便AI科學(xué)家和工程師使用，該框架可滿足終端、邊緣計(jì)算、云全場(chǎng)景需求，能夠更好地保護(hù)數(shù)據(jù)隱私。昇騰在硬件上為合作伙伴提供Altas昇騰計(jì)算模組和計(jì)算卡，發(fā)展20+硬件合作伙伴(整機(jī)、工控機(jī)等)，15家一體機(jī)伙伴;在軟件上開源昇思MindSporeAI框架，社區(qū)開源模型400+，下載量超390萬+；生態(tài)發(fā)展上，昇騰采用行業(yè)+教育的方式，行業(yè)打通1000+合作伙伴，認(rèn)證解決方案2000+，超過110所高校開設(shè)昇騰AI課程，有著120萬+開發(fā)者。五大類華為昇騰生態(tài)合作伙伴，產(chǎn)業(yè)鏈上市公司迎來重大機(jī)遇。昇騰生態(tài)伙伴包含整機(jī)硬件伙伴、IHV硬件伙伴、應(yīng)用軟件伙伴、一體機(jī)解決方案伙伴以及生態(tài)運(yùn)營(yíng)伙伴五大類其中，整機(jī)硬件伙伴有13家、IHV硬件伙伴有6家、軟件伙伴大約1200家。2、“內(nèi)存墻”制約算力釋放，HBM高帶寬存儲(chǔ)量?jī)r(jià)齊升高端算力持續(xù)提升，摩爾定律注定失效，內(nèi)存帶寬成為重要制約因素。根據(jù)英偉達(dá)新卡HGXH20核心參數(shù)可以看出，其計(jì)算性能大幅下降，但是900GB/s的NVLink速度和96GB的HBM3都將使得集群計(jì)算效果較佳。算力并不是AI芯片唯一的性能指標(biāo)，內(nèi)存同樣對(duì)AI芯片的整體效能起到?jīng)Q定性作用。在大模型的訓(xùn)練過程中，“內(nèi)存墻”成為瓶頸。通常在訓(xùn)練過程中計(jì)算和存儲(chǔ)是同步進(jìn)行的，在計(jì)算數(shù)據(jù)量增加的同時(shí)，如果存儲(chǔ)的帶寬不能匹配其數(shù)據(jù)量，就會(huì)造成延遲，勢(shì)必會(huì)影響性能。伴隨大模型處理數(shù)據(jù)吞吐量的指數(shù)級(jí)增長(zhǎng)，龐大的數(shù)據(jù)處理和傳輸，對(duì)內(nèi)存就提出了更高的帶寬需求。然而，存儲(chǔ)器和處理器并沒有同步發(fā)展，處理器的性能按照摩爾定律規(guī)劃的路線不斷飆升，而內(nèi)存所使用的DRAM從工藝演進(jìn)中的獲益卻很少，性能提升速度遠(yuǎn)慢于處理器速度。根據(jù)行業(yè)預(yù)計(jì)，處理器的峰值算力每?jī)赡暝鲩L(zhǎng)3.1倍，而DRAM的帶寬每?jī)赡曛辉鲩L(zhǎng)1.4倍。這種情況下，當(dāng)存儲(chǔ)器的性能跟不上處理器，對(duì)指令和數(shù)據(jù)搬運(yùn)時(shí)間將是處理器運(yùn)算所消耗時(shí)間的幾十倍乃至幾百倍，這就是所謂的“內(nèi)存墻”問題。HBM突破能有效打破了“內(nèi)存墻”對(duì)算力提升的桎梏，是未來DRAM重要發(fā)展路徑。HBM這種新型的內(nèi)存方案具備高帶寬、低功耗的特點(diǎn)，面對(duì)AI大模型千億、萬億級(jí)別參數(shù)時(shí)，服務(wù)器中負(fù)責(zé)計(jì)算的GPU幾乎必須搭載HBM。目前AI芯片中GPU在訓(xùn)練和推理中占絕對(duì)優(yōu)勢(shì)。AI芯片又稱AI加速器或計(jì)算卡，是專門用于處理人工智能應(yīng)用中大量計(jì)算任務(wù)的模塊，AI芯片是AI服務(wù)器的核心部件，在AI服務(wù)器中價(jià)值量占比接近70%。目前主流的AI算力芯片主要包括CPU、GPU、FPGA、ASIC等。其中，GPU是較為成熟的通用型人工智能芯片，F(xiàn)PGA和ASIC則是針對(duì)人工智能需求特征的半定制和全定制芯片，GPU、FPGA、ASIC作為加速芯片協(xié)助CPU進(jìn)行大規(guī)模計(jì)算。全球AI芯片市場(chǎng)規(guī)模持續(xù)提升，將維持20%以上的增速。發(fā)布的《2023-2029全球與中國光子AI芯片市場(chǎng)現(xiàn)狀及未來發(fā)展趨勢(shì)》顯示，2022年全球AI芯片市場(chǎng)規(guī)模約為441.7億美元。根據(jù)相關(guān)數(shù)據(jù)預(yù)測(cè)，2023年AI芯片市場(chǎng)規(guī)模將達(dá)到534億美元，比2022年增長(zhǎng)20.9%。歐美地區(qū)是全球AI芯片的重要市場(chǎng)，未來亞太市場(chǎng)份額進(jìn)一步提升。歐美地區(qū)在AI芯片領(lǐng)域長(zhǎng)期維持著行業(yè)領(lǐng)先地位，2021年占全球市場(chǎng)份額為42.6%。亞太地區(qū)和東南亞市場(chǎng)占比分別為16.2%和11.6%，隨著亞太地區(qū)半導(dǎo)體產(chǎn)業(yè)的快速發(fā)展，未來其市場(chǎng)優(yōu)勢(shì)地位將進(jìn)一步凸顯。英偉達(dá)GPU芯片處于全球行業(yè)領(lǐng)先地位。2022年Intel正式殺入了顯卡市場(chǎng)，目前獨(dú)立GPU市場(chǎng)則主要由NVIDIA、AMD和英特爾三家公司占據(jù)，2022年全球獨(dú)立GPU市場(chǎng)占有率分別為88%、8%和4%，其中，NVIDIA在PC端獨(dú)立GPU領(lǐng)域市場(chǎng)占有率優(yōu)勢(shì)明顯。英偉達(dá)A100提供40GB和80GB顯存兩種版本，性能比上一代提升20倍。A100采用Ampere架構(gòu)，是NVIDIA數(shù)據(jù)中心平臺(tái)的引擎。并可劃分為七個(gè)GPU實(shí)例，以根據(jù)變化的需求進(jìn)行動(dòng)態(tài)調(diào)整。A100提供40GB和80GB顯存兩種版本，A100采用80GBHBM2位寬達(dá)到5120bit使其顯存帶寬達(dá)到了1935GB/s，超快速的顯存帶寬，可處理超大型模型和數(shù)據(jù)集。當(dāng)今的AI模型面臨著對(duì)話式AI等更高層次的挑戰(zhàn)，這促使其復(fù)雜度呈爆炸式增長(zhǎng)。訓(xùn)練這些模型需要大規(guī)模的計(jì)算能力和可擴(kuò)展性。A100借助Tensor浮點(diǎn)運(yùn)算(TF32)精度，對(duì)于具有龐大數(shù)據(jù)表的超大型模型，A10080GB可為每個(gè)節(jié)點(diǎn)提供高達(dá)1.3TB的統(tǒng)一顯存，而且吞吐量比A10040GB多高達(dá)3倍。英偉達(dá)將SK海力士HBM3應(yīng)用于H100，價(jià)格上漲5倍之多。新一代HBM3的帶寬最高可達(dá)819GB/s，在輔助GPU進(jìn)行運(yùn)算時(shí)有明顯優(yōu)勢(shì)。英偉達(dá)已經(jīng)將SK海力士的HBM3應(yīng)用于H100，這也使HBM3在DRAM整體表現(xiàn)不佳的情況下實(shí)現(xiàn)逆勢(shì)增長(zhǎng)，HBM3的原價(jià)為30美元/GB，如今上漲5倍之多，而對(duì)于訓(xùn)練來說HBM無疑是最優(yōu)的選擇。AI推理的帶寬需求，GDDR6是更加經(jīng)濟(jì)的選擇。AI推理帶寬需求往往低于500Gb/s，在此類場(chǎng)景中，帶寬高于LPDDR5，低于HBM2E的GDDR6，是更加經(jīng)濟(jì)的選擇。如果將HBM3作為AI推理的存儲(chǔ)設(shè)備，基本上會(huì)把帶寬需求翻倍，超過了AI推理本身的帶寬需求，還會(huì)使成本增加3-4倍。相比之下，GDDR6是更加經(jīng)濟(jì)高效的選擇。AI帶動(dòng)HBM3需求激增，SK海力士和三星2025年前訂單排滿。SK海力士在第一季度財(cái)報(bào)中指出，大型語言模型和AIGC的開發(fā)和商用化，將帶動(dòng)HBM在2023年的需求上揚(yáng)。三星也在第一季度財(cái)報(bào)指出，將為AI帶動(dòng)的DDR5和高密度內(nèi)存模塊需求做好產(chǎn)能準(zhǔn)備。3、AI服務(wù)器滲透率不斷提升，推理服務(wù)器占比持續(xù)提高服務(wù)器是計(jì)算機(jī)的一種，它比普通計(jì)算機(jī)運(yùn)行更快、負(fù)載更高、價(jià)格更貴。服務(wù)器在網(wǎng)絡(luò)中為其它客戶機(jī)如PC機(jī)、智能手機(jī)、ATM等終端等大型設(shè)備提供計(jì)算或者應(yīng)用服務(wù)。服務(wù)器具有高速的CPU運(yùn)算能力、長(zhǎng)時(shí)間的可靠運(yùn)行、強(qiáng)大的I/O外部數(shù)據(jù)吞吐能力以及更好的擴(kuò)展性。其中X86和ARM是兩種主流的架構(gòu)。通用服務(wù)器硬件設(shè)備中CPU及芯片組占服務(wù)器成本大約50%左右。主要硬件包括處理器、內(nèi)存、芯片組、I/O(RAID卡、網(wǎng)卡、HBA卡)、硬盤、機(jī)箱(電源、風(fēng)扇)。以一臺(tái)普通的服務(wù)器生產(chǎn)成本為例，CPU及芯片組大致占比50%左右，內(nèi)存大致占比15%左右，外部存儲(chǔ)大致占比10%左右，其他硬件占比25%左右。AI服務(wù)器中用于運(yùn)算和存儲(chǔ)的芯片占服務(wù)器成本結(jié)構(gòu)約70%，其中在機(jī)器學(xué)習(xí)型服務(wù)器中GPU成本占比達(dá)72.8%。全球服務(wù)器市場(chǎng)高增長(zhǎng)，中國市場(chǎng)占比提升。根據(jù)Statista數(shù)據(jù)，2021年全球服務(wù)器市場(chǎng)規(guī)模達(dá)到831.7億美元，同比增長(zhǎng)6.97%，中國服務(wù)器市場(chǎng)占比30.16%，預(yù)計(jì)2023年全球服務(wù)器市場(chǎng)規(guī)模來到907.8億美元，同比增長(zhǎng)6.96%，中國服務(wù)器市場(chǎng)占比33.93%，變化+3.77pct。我們認(rèn)為，隨著人工智力所需算力擴(kuò)大，未來中國服務(wù)器市場(chǎng)有望進(jìn)一步擴(kuò)大。人工智能時(shí)代AI服務(wù)器優(yōu)勢(shì)凸顯。隨著AI技術(shù)的廣泛使用，CPU的串行處理架構(gòu)已經(jīng)不能滿足AI時(shí)代的算力需求，企業(yè)需要為人工智能、機(jī)器學(xué)習(xí)和深度學(xué)習(xí)建設(shè)全新的IT基礎(chǔ)架構(gòu)，正在由CPU密集型轉(zhuǎn)向搭載GPU、FPGA、ASIC芯片的加速計(jì)算密集型，且越來越多地使用搭載GPU、FPGA、ASIC等加速卡的服務(wù)器，AI服務(wù)器應(yīng)運(yùn)而生。AI服務(wù)器主要是異構(gòu)形式的服務(wù)器，根據(jù)芯片的種類不同可以為CPU＋GPU、CPU＋FPGA、CPU＋TPU、CPU＋ASIC或CPU＋多種加速卡5種，目前廣泛采用的是CPU＋GPU架構(gòu)。AI服務(wù)器在組成部件上與普通服務(wù)器差異不大，主要提升在以下幾個(gè)方面：1）更大容量?jī)?nèi)存，滿足大數(shù)據(jù)實(shí)時(shí)負(fù)載增加的需求；2）提供更多外置硬盤插槽，并廣泛支持NVME／PCIE等SSD，滿足大數(shù)據(jù)或模型參數(shù)的快速存儲(chǔ)需求；3）需要帶寬更高的網(wǎng)絡(luò)模塊，滿足AI服務(wù)器之間、與終端用戶的數(shù)據(jù)高速傳輸需求。隨著AI在各行各業(yè)得到廣泛使用，算力需求將會(huì)呈指數(shù)級(jí)增長(zhǎng)，AI服務(wù)器的需求將會(huì)高速增長(zhǎng)。全球AI服務(wù)器市場(chǎng)規(guī)模CAGR為22.7%，有望進(jìn)一步提升。據(jù)IDC預(yù)測(cè)，2023年全球AI服務(wù)器市場(chǎng)規(guī)模為211億美元，預(yù)計(jì)2025年達(dá)317.9億美元。據(jù)TrendForce預(yù)測(cè)，2026年全球AI服務(wù)器出貨量將進(jìn)一步提升，2022-2026年CAGR達(dá)到10.8%。從搭載芯片種類上來看，目前全球以GPU服務(wù)器為主流。據(jù)IDC統(tǒng)計(jì)，2022年全球GPU服務(wù)器出貨量占比87.3%，GPU服務(wù)器銷售額占比89.5%。中國AI服務(wù)器市場(chǎng)存量替換需求疊加增量需求，預(yù)計(jì)2026年達(dá)到123.4億美元，年復(fù)合增長(zhǎng)率13.02%。中國AI服務(wù)器受益于人工智能等相關(guān)新興領(lǐng)域的應(yīng)用以及“東數(shù)西算”政策下，云計(jì)算、超算中心的蓬勃發(fā)展，數(shù)據(jù)計(jì)算、存儲(chǔ)需求呈幾何級(jí)增長(zhǎng)，算力需求持續(xù)釋放，AI服務(wù)器作為算力基礎(chǔ)設(shè)備保持較快增速。存量來看，服務(wù)器平均壽命3-5年更換一次每年根據(jù)算力需求使用需求變化產(chǎn)生比較明顯的更新需求。增量來看，伴隨人工智能浪潮以及數(shù)字中國建設(shè)，未來對(duì)智能算力需求將持續(xù)爆發(fā)增長(zhǎng)，且智能算力增長(zhǎng)速度遠(yuǎn)超算力總體增速，中國AI服務(wù)器市場(chǎng)將迎來爆發(fā)增長(zhǎng)，占比將逐步提升。2018-2021年我國AI服務(wù)器市場(chǎng)規(guī)模由14.76億美元增長(zhǎng)至59.2億美元，預(yù)計(jì)2026年達(dá)到123.4億美元，2021-2026年CAGR達(dá)13.02%。終端算力需求爆發(fā)，推理服務(wù)器占比將持續(xù)提升。根據(jù)IDC預(yù)測(cè)，2023年AI服務(wù)器訓(xùn)練需求占比達(dá)41.5%，隨著大模型的應(yīng)用，該比例在2025年將降低至39.2%；將GPT-4的推算結(jié)果作為訓(xùn)練需求，進(jìn)一步推算2023、2025年推理需求最高達(dá)44081、48502PFlop/s-day。單個(gè)AI應(yīng)用如ChatGPT可以帶動(dòng)推理算力66億美元需求。假設(shè)平均針對(duì)20字的提問生成200字的響應(yīng)，對(duì)應(yīng)267token，根據(jù)OneFlow的數(shù)據(jù)和《ScalingLawsforNeuralLanguageModels》，在推理過程中每個(gè)token的計(jì)算成本約為2*NFlops，其中N為模型參數(shù)數(shù)量，則在ChatGPT4一萬億參數(shù)中每個(gè)token需算力2萬億Flops。假定GPT-4訓(xùn)練期間FLOPS利用率為32%，則每人每次提問需要算力：2萬億*267token/32%=17PFlops。據(jù)官網(wǎng)9月數(shù)據(jù)，ChatGPT目前擁有超過1億用戶，每月產(chǎn)生18億次訪問量，假定每日訪問量為6000萬人次，每人提問10次，且假設(shè)一天平均分布，則每秒算力需求為118EFlops，目前AI推理使用的主流GPU是T4，提供混合精度算力65TFlops，則需要182萬個(gè)T4GPU可滿足單日訪問量，對(duì)應(yīng)22.75萬臺(tái)8*T4服務(wù)器，一臺(tái)8*T4服務(wù)器的價(jià)格約為29000美元，則目前來看推理服務(wù)器的需求在66億美元。我們認(rèn)為，伴隨AI場(chǎng)景化加速落地，推理服務(wù)器市場(chǎng)占比有望進(jìn)一步提升。AI推理服務(wù)器能為用戶提供強(qiáng)大的實(shí)時(shí)推理能力，廣泛應(yīng)用于中心側(cè)AI推理場(chǎng)景。據(jù)恒州誠思調(diào)研統(tǒng)計(jì)，2022年全球AI推理服務(wù)器市場(chǎng)規(guī)模約740億元，預(yù)計(jì)未來將持續(xù)保持平穩(wěn)增長(zhǎng)的態(tài)勢(shì)，到2029年市場(chǎng)規(guī)模將接近2676億元。大量推理算力服務(wù)邊緣側(cè)部署，與云端算力相輔相成。目前推理服務(wù)放置在云端，數(shù)據(jù)中心中很多服務(wù)器都會(huì)配置推理用的PCIE插卡，還有大量的推理算力服務(wù)用在邊緣側(cè)（各種數(shù)據(jù)中心外的設(shè)備），如自動(dòng)駕駛汽車、機(jī)器人、智能手機(jī)、無人機(jī)或物聯(lián)網(wǎng)設(shè)備，它們都是用訓(xùn)練好的模型進(jìn)行推理。邊緣算力與云端算力相互補(bǔ)充、相互關(guān)聯(lián)，而非替代關(guān)系。人工智能快速發(fā)展，智能終端滲透率提升，邊緣算力四大優(yōu)逐漸凸顯。（1）低延遲。邊緣計(jì)算的一個(gè)主要優(yōu)勢(shì)在于其能夠?qū)崿F(xiàn)端到端的數(shù)據(jù)分析。在傳統(tǒng)的云計(jì)算架構(gòu)中，數(shù)據(jù)需要從設(shè)備傳輸?shù)皆贫耍M(jìn)行分析處理后再返回設(shè)備。這種做法增加了數(shù)據(jù)傳輸?shù)臅r(shí)間和延遲，對(duì)于實(shí)時(shí)性要求較高的應(yīng)用而言，可能無法滿足需求。而邊緣計(jì)算通過在設(shè)備端進(jìn)行數(shù)據(jù)處理，可以減少數(shù)據(jù)傳輸時(shí)間，提高響應(yīng)速度和實(shí)時(shí)性。例如，在智能制造領(lǐng)域，邊緣計(jì)算可以實(shí)現(xiàn)實(shí)時(shí)監(jiān)測(cè)和預(yù)警，有效提高生產(chǎn)效率和產(chǎn)品質(zhì)量。（2）高可靠性。邊緣計(jì)算還具有高效可靠的通信優(yōu)勢(shì)。由于數(shù)據(jù)在設(shè)備或終端進(jìn)行處理，因此可以減少網(wǎng)絡(luò)帶寬的需求，從而提高通信效率。同時(shí)，邊緣計(jì)算還可以通過本地化通信，降低數(shù)據(jù)傳輸?shù)难舆t，實(shí)現(xiàn)更快的響應(yīng)速度。在物聯(lián)網(wǎng)應(yīng)用中，邊緣計(jì)算可以實(shí)現(xiàn)對(duì)大量設(shè)備的快速、高效的數(shù)據(jù)收集和處理，從而提升整個(gè)系統(tǒng)的性能。（3）安全性、隱私性更好。邊緣計(jì)算在提高數(shù)據(jù)隱私和安全方面也具有優(yōu)勢(shì)。由于數(shù)據(jù)在本地進(jìn)行處理，因此可以減少數(shù)據(jù)傳輸過程中的泄露風(fēng)險(xiǎn)。同時(shí)，邊緣計(jì)算還可以使用加密技術(shù)，進(jìn)一步提高數(shù)據(jù)的安全性。在醫(yī)療健康、金融服務(wù)等領(lǐng)域，邊緣計(jì)算可以更好地保護(hù)用戶的隱私和數(shù)據(jù)安全。（4）低能耗、成本更低。邊緣計(jì)算的另一個(gè)顯著優(yōu)勢(shì)是更小的能耗。由于數(shù)據(jù)在設(shè)備端進(jìn)行處理，因此可以減少設(shè)備需要傳輸?shù)臄?shù)據(jù)量，從而降低能耗。此外，邊緣計(jì)算還可以通過節(jié)能算法，進(jìn)一步降低設(shè)備的能耗。在物聯(lián)網(wǎng)和智能家居領(lǐng)域，邊緣計(jì)算可以幫助設(shè)備實(shí)現(xiàn)更長(zhǎng)的續(xù)航時(shí)間，減少充電次數(shù)，提高用戶體驗(yàn)。（5）易擴(kuò)展性。通常擴(kuò)展IT基礎(chǔ)架構(gòu)的成本非常昂貴，需要為基礎(chǔ)架構(gòu)購買新的設(shè)備及為設(shè)備到額外的空間。但邊緣計(jì)算輕松擴(kuò)展基礎(chǔ)架構(gòu)，可以購買具有足夠計(jì)算能力的設(shè)備來擴(kuò)展邊緣網(wǎng)絡(luò)。無需為其數(shù)據(jù)需求建立私有或集中式數(shù)據(jù)中心。算力下一站AIOT時(shí)代，邊緣算力市場(chǎng)空間廣闊。根據(jù)國際電信咨詢公司STLPartners發(fā)布的邊緣計(jì)算關(guān)鍵數(shù)據(jù)統(tǒng)計(jì)，預(yù)測(cè)到2030年，邊緣計(jì)算潛在市場(chǎng)將從2020年的90億美元，增長(zhǎng)到4450億美元，行業(yè)復(fù)合年增長(zhǎng)率高達(dá)48%。到2026年，全球26%的網(wǎng)絡(luò)邊緣站點(diǎn)將位于中國，屆時(shí)國內(nèi)將占據(jù)主導(dǎo)地位。同時(shí)根據(jù)億歐智庫數(shù)據(jù)，2021年我國邊緣計(jì)算市場(chǎng)規(guī)模達(dá)427.9億元，其中邊緣硬件市場(chǎng)規(guī)模為281.7億元，邊緣軟件與服務(wù)市場(chǎng)規(guī)模為146.2億元。預(yù)計(jì)到2025年，我國邊緣計(jì)算產(chǎn)業(yè)市場(chǎng)規(guī)模將達(dá)1987.68億元，2021-2025年CAGR為46.81%，發(fā)展?jié)摿薮蟆?、國內(nèi)液冷服務(wù)器市場(chǎng)未來5年CAGR預(yù)計(jì)達(dá)54.7%數(shù)據(jù)中心PUE要求愈發(fā)嚴(yán)苛。隨著云計(jì)算、大數(shù)據(jù)、人工智能、元宇宙等信息技術(shù)的快速發(fā)展和傳統(tǒng)產(chǎn)業(yè)數(shù)字化的轉(zhuǎn)型，數(shù)據(jù)呈現(xiàn)幾何級(jí)增長(zhǎng)，算力和硬件部分能耗也在持續(xù)增加，而在“雙碳”政策的持續(xù)推進(jìn)下，國家、地方政府、企業(yè)層面均在積極推動(dòng)綠色低碳轉(zhuǎn)型和可持續(xù)發(fā)展，通訊領(lǐng)域?qū)?shù)據(jù)中心節(jié)能降耗要求越來越嚴(yán)格。液冷未來有望逐漸替代風(fēng)冷，成為AI服務(wù)器、數(shù)據(jù)中心標(biāo)配。A1訓(xùn)練及推理應(yīng)用、超算等高算力業(yè)務(wù)需求持續(xù)推升,由此帶來的芯片性能需求、服務(wù)器功率需求不斷提高，場(chǎng)景側(cè)，以英偉達(dá)DGXA100640GB服務(wù)器為例，系統(tǒng)最大功率為6.5KW，傳統(tǒng)風(fēng)冷無法做到及時(shí)散熱，相比之下，液體比熱容為空氣的1000-3500倍，導(dǎo)熱性能是空氣的15-25倍，利用自然冷卻顯著降低耗電量，使得液冷成為風(fēng)冷的不二選擇。我們認(rèn)為，人工智能浪潮下，對(duì)算力需求進(jìn)一步提升，液冷預(yù)計(jì)將成為最優(yōu)冷卻方案，未來中國液冷服務(wù)器市場(chǎng)有望進(jìn)一步打開競(jìng)爭(zhēng)格局，產(chǎn)業(yè)相關(guān)上市公司將受益。目前，中國液冷服務(wù)器普及率不足5%，徑普及率并不高。受制于：1）數(shù)據(jù)中心國家PUE標(biāo)準(zhǔn)收緊；2）受制于面積等因素，機(jī)柜密度逐漸提升；3）溫度過高，芯片故障率升高等客觀因素，未來液冷服務(wù)器將成為調(diào)和快速的算力需求與有限數(shù)據(jù)中心承載力的共識(shí)方案。液冷服務(wù)器是大勢(shì)所趨，數(shù)據(jù)中心PUE可降至1.25以下。算力的持續(xù)增加，意味著硬件部分的能耗也在持續(xù)提升；在保證算力運(yùn)轉(zhuǎn)的前提下，只有通過降低數(shù)據(jù)中心輔助能源的消耗，才能達(dá)成節(jié)能目標(biāo)下的PUE要求。冷板式液冷服務(wù)器與浸沒式相變服務(wù)器為兩大主流液冷服務(wù)器。冷板式液冷服務(wù)器技術(shù)利用工作流體作為中間熱量傳輸?shù)拿浇?，將熱量由熱區(qū)傳遞到遠(yuǎn)處再進(jìn)行冷卻。在該技術(shù)中，工作液體與被冷卻對(duì)象分離，工作液體不與電子器件直接接觸，而是通過液冷板等高效熱傳導(dǎo)部件將被冷卻對(duì)象的熱量傳遞到冷媒中。該技術(shù)將冷卻劑直接導(dǎo)向熱源，同時(shí)由于液體比空氣的比熱大，散熱速度遠(yuǎn)遠(yuǎn)大于空氣，因此制冷效率遠(yuǎn)高于風(fēng)冷散熱，每單位體積所傳輸?shù)臒崃考瓷嵝矢哌_(dá)1000倍。該技術(shù)可有效解決高密度服務(wù)器的散熱問題，降低冷卻系統(tǒng)能耗而且降低噪聲。浸沒式液冷服務(wù)器又可以分為單相浸沒式液冷服務(wù)器和兩相浸沒式液冷服務(wù)器。浸沒式相變換熱液冷系統(tǒng)采用進(jìn)口環(huán)保專用冷媒，具有不導(dǎo)電、無閃點(diǎn)、無腐蝕性、無毒性的特性，利用環(huán)保冷媒良好的熱物理特性，通過控制系統(tǒng)物理參數(shù)，利用冷媒工質(zhì)的氣化潛熱轉(zhuǎn)移服務(wù)器內(nèi)部熱量，極大提高了系統(tǒng)的換熱效率，同時(shí)保留了高端熱源的能量品位。此冷媒較傳統(tǒng)冷媒，在系統(tǒng)壓力較低的情況下即可實(shí)現(xiàn)50℃～60℃的蒸發(fā)溫度，無須利用壓縮機(jī)進(jìn)行機(jī)械制冷，從而使室外機(jī)組的全年自然冷卻工作方式成為可能。作為中國液冷服務(wù)器第一的曙光數(shù)創(chuàng)，目前浸沒式液冷服務(wù)器技術(shù)領(lǐng)先。1）整機(jī)功耗：全浸沒方案，無風(fēng)扇設(shè)計(jì)，風(fēng)扇功耗降低為0。2）終極的噪音指標(biāo)：區(qū)別于傳統(tǒng)風(fēng)冷機(jī)房，全浸沒機(jī)房噪音控制在35dB以下。3）終極的功率密度：高密度配置，輕松實(shí)現(xiàn)整機(jī)柜功率200kW。4）終極的PUE指標(biāo)：直接利用高品位完成熱量轉(zhuǎn)移，可實(shí)現(xiàn)PUE低至1.01-1.02。2023H1中國液冷服務(wù)器市場(chǎng)同比增長(zhǎng)近3倍。根據(jù)IDC發(fā)布的《中國半年度液冷服務(wù)器市場(chǎng)（2023上半年）跟蹤》報(bào)告數(shù)據(jù)顯示，2023上半年中國液冷服務(wù)器市場(chǎng)規(guī)模達(dá)到6.6億美元，同比增長(zhǎng)283.3%，預(yù)計(jì)2023年全年將達(dá)到15.1億美元。IDC預(yù)計(jì)，2022-2027年，中國液冷服務(wù)器市場(chǎng)年復(fù)合增長(zhǎng)率將達(dá)到54.7%，2027年市場(chǎng)規(guī)模將達(dá)到89億美元。5、高端算力供不應(yīng)求，算力租賃空間廣闊，但需注意供應(yīng)鏈風(fēng)險(xiǎn)算力租賃是一種利用云計(jì)算技術(shù)對(duì)算力進(jìn)行出租的一種計(jì)算服務(wù)，通過云計(jì)算平臺(tái)給企業(yè)用戶提供高性能、高效率、高可靠性的計(jì)算資源，且有著靈活、成本低廉、高效的特點(diǎn)。算力租賃對(duì)中小企業(yè)、初創(chuàng)企業(yè)、科研機(jī)構(gòu)這種偏向輕資產(chǎn)的模式，轉(zhuǎn)租賃的方式會(huì)是一個(gè)好選擇。算力租賃需求主要來源于創(chuàng)業(yè)公司、科研院所、政府智慧城市三方面。創(chuàng)業(yè)公司和科研院所等對(duì)算力租賃需求持續(xù)增長(zhǎng)，政府智慧城市大模型化，包括城市智能交通、智慧城市等。AI算力租賃需求增長(zhǎng)確定，市場(chǎng)空間廣闊。1）數(shù)字基礎(chǔ)設(shè)施：新型數(shù)據(jù)中心是支撐人工智能、5G、云計(jì)算等新一代信息技術(shù)發(fā)展的算力載體，是推動(dòng)經(jīng)濟(jì)社會(huì)數(shù)字轉(zhuǎn)型、智能升級(jí)、融合創(chuàng)新的關(guān)鍵基礎(chǔ)設(shè)施。2）低成本、靈活高效：人工智能技術(shù)不斷提升，帶動(dòng)算力需求的蓬勃上升，給算力租賃帶來廣泛的市場(chǎng)空間，因?yàn)樽越〝?shù)據(jù)中心不僅成本高且算力產(chǎn)生大量冗余，因此租賃算力成了當(dāng)前方案的最優(yōu)解。3）政策扶持：算力租賃也受到了政策的大力扶持，工信部等六部門日前印發(fā)的《算力基礎(chǔ)設(shè)施高質(zhì)量發(fā)展行動(dòng)計(jì)劃》提出打造集成多方算力資源和開發(fā)平臺(tái)的算力服務(wù)，鼓勵(lì)各地為中小企業(yè)、科研機(jī)構(gòu)提供普惠算力資源。4）應(yīng)用端催化：算力租賃需求旺盛，教育、法律和辦公需求較大，未來偏創(chuàng)作、剪輯、游戲需求將放量。算力租賃單價(jià)年內(nèi)大幅上漲，H800算力租賃租金15萬元/P/年。由于H20、L20暫未上市，暫以H800和A80進(jìn)行測(cè)算。目前A800單卡算力在0.6P，根據(jù)相關(guān)數(shù)據(jù)H800訓(xùn)練速度是A800的1.6-2.1倍，推算H800單卡算力在2P。根據(jù)GPUShare報(bào)價(jià)數(shù)據(jù)A800/80G單卡租賃價(jià)格9元/小時(shí)，換算單卡0.6P算力=15元/P/小時(shí)=13.5萬元/P/年。H800/80G單卡租賃價(jià)格4.5美金/小時(shí)，換算單卡2P算力=17元/P/小時(shí)=15萬元/P/年，對(duì)比一個(gè)月前報(bào)價(jià)（14元每小時(shí)，或13.3萬元/P/年）漲價(jià)15%。成本回收周期短，算力租賃毛利率超過50%。一臺(tái)8卡A系列服務(wù)器卡成本占比在80%左右，每張A800價(jià)格為10萬元，每張H800的價(jià)格是20萬元。結(jié)合當(dāng)前市場(chǎng)，一臺(tái)8卡A系列服務(wù)器成本大概在100萬左右，8卡H系列服務(wù)器成本在200萬左右。假定一臺(tái)服務(wù)器的平均使用壽命在3-5年左右，不考慮殘值，按照3年使用壽命8卡A系列服務(wù)器每年折舊費(fèi)用每年33萬元左右，8卡H系列服務(wù)器每年折舊費(fèi)用在67萬元左右。以8卡H系列服務(wù)器為例，H系列服務(wù)器提供16P算力，按照80%的價(jià)格來計(jì)算，產(chǎn)生收入192萬元，每年折舊費(fèi)用在67萬元左右，假定運(yùn)維成本、電費(fèi)、機(jī)柜等成本A800為8萬元，H800為20萬元，粗略估算毛利率在40%-60%左右，預(yù)計(jì)1.5年可以收回成本。我們認(rèn)為，算力租賃短期供需錯(cuò)配，仍有較大市場(chǎng)空間。2023年在AI大模型發(fā)展持續(xù)加速背景下，對(duì)高端智算資源的需求呈指數(shù)級(jí)增長(zhǎng)，算力租賃行業(yè)進(jìn)入蓬勃發(fā)展期。算力租賃上市公司需要重點(diǎn)關(guān)注五大維度（優(yōu)先級(jí)依次降低）。1）購卡能力及服務(wù)器渠道：是否有購卡渠道及綁定服務(wù)器廠商。2）在手訂單量：在手訂單是否充足。3）資金實(shí)力：算力租賃前期購買芯片及服務(wù)器投入較大，公司是否有充足現(xiàn)金流。4）能耗指標(biāo)：各地政府對(duì)數(shù)據(jù)中心有能耗指標(biāo)限制，公司能否拿到能耗指標(biāo)影響業(yè)務(wù)擴(kuò)張。5）業(yè)務(wù)協(xié)同性：傳統(tǒng)業(yè)務(wù)能否與算力租賃業(yè)務(wù)形成協(xié)同效應(yīng)。投資者應(yīng)注意算力租賃行業(yè)受地緣政治、政策、法律等引發(fā)供應(yīng)鏈及衍生風(fēng)險(xiǎn)。主線二：數(shù)據(jù)側(cè)，數(shù)據(jù)要素三次價(jià)值釋放，入表推動(dòng)價(jià)值“顯性化”（一）數(shù)據(jù)入表：2024年初實(shí)行，數(shù)據(jù)資產(chǎn)化時(shí)代正式開啟財(cái)政部于2023年8月正式發(fā)布《企業(yè)數(shù)據(jù)資源相關(guān)會(huì)計(jì)處理暫行規(guī)定》（以下簡(jiǎn)稱《暫行規(guī)定》），并規(guī)定自2024年1月1日起施行，數(shù)據(jù)資產(chǎn)化時(shí)代正式開啟。數(shù)據(jù)入表的具體操作：主要入表項(xiàng)目為無形資產(chǎn)、存貨與開發(fā)支出，無形資產(chǎn)適用于絕大部分情況。主要變化體現(xiàn)在由原來的損益類可轉(zhuǎn)換為資產(chǎn)類。在具體操作層面，根據(jù)《暫行規(guī)定》，企業(yè)在編制資產(chǎn)負(fù)債表時(shí)，應(yīng)當(dāng)根據(jù)重要性原則并結(jié)合本企業(yè)的實(shí)際情況，在“無形資產(chǎn)”、“存貨”與“開發(fā)支出”項(xiàng)目下增設(shè)“其中：數(shù)據(jù)資源”項(xiàng)目。其中，無形資產(chǎn)反映資產(chǎn)負(fù)債表日確認(rèn)為無形資產(chǎn)的數(shù)據(jù)資源的期末賬面價(jià)值；存貨反映資產(chǎn)負(fù)債表日確認(rèn)為存貨的數(shù)據(jù)資源的期末賬面價(jià)值；開發(fā)支出反映資產(chǎn)負(fù)債表日正在進(jìn)行數(shù)據(jù)資源研究開發(fā)項(xiàng)目滿足資本化條件的支出金額。數(shù)據(jù)入表項(xiàng)目應(yīng)符合原有會(huì)計(jì)準(zhǔn)則并進(jìn)行相應(yīng)處理，一般來說，企業(yè)自有以產(chǎn)生經(jīng)濟(jì)價(jià)值的數(shù)據(jù)確認(rèn)為無形資產(chǎn)、目的用于交易出售的數(shù)據(jù)確認(rèn)為存貨。依據(jù)《企業(yè)會(huì)計(jì)準(zhǔn)則》，“無形資產(chǎn)”不具有實(shí)物形態(tài)但需要可辨認(rèn)，需滿足預(yù)期經(jīng)濟(jì)收入可能流入企業(yè)、成本可計(jì)量的條件。對(duì)應(yīng)到數(shù)據(jù)資源同樣需要滿足以上條件，數(shù)據(jù)資源需要具備可辨認(rèn)的形態(tài)、相關(guān)成本可以清晰計(jì)量、未來具備預(yù)期的收益。“存貨”同樣需要滿足預(yù)期收益流入、成本可清晰計(jì)量的會(huì)計(jì)確認(rèn)條件，不同于無形資產(chǎn)的是，企業(yè)持有存貨的目的是為了出售。會(huì)計(jì)處理方式應(yīng)符合對(duì)應(yīng)項(xiàng)目的會(huì)計(jì)準(zhǔn)則，對(duì)于無形資產(chǎn)，報(bào)告期需對(duì)賬面原值、累計(jì)攤銷、減值準(zhǔn)備、賬面價(jià)值等拆分披露。對(duì)于存貨，報(bào)告期需對(duì)賬面原值、存貨跌價(jià)準(zhǔn)備、賬面價(jià)值等拆分披露。數(shù)據(jù)入表的主要場(chǎng)景：我們認(rèn)為，未來數(shù)據(jù)入表主要有以下四種場(chǎng)景：1.企業(yè)內(nèi)部自行開發(fā)形成的數(shù)據(jù)資產(chǎn)（不用做單純交易出售目的）根據(jù)《企業(yè)會(huì)計(jì)準(zhǔn)則》中無形資產(chǎn)的資本化條件的相關(guān)規(guī)定，內(nèi)部研究階段產(chǎn)生的支出應(yīng)計(jì)入損益項(xiàng)，開發(fā)階段的支出，應(yīng)滿足一定條件后確認(rèn)為無形資產(chǎn)。（一）從技術(shù)上來講，完成該無形資產(chǎn)以使其能夠使用或出售具有可行性；（二）具有完成該無形資產(chǎn)并使用或出售的意圖；（三）無形資產(chǎn)產(chǎn)生未來經(jīng)濟(jì)利益的方式，包括能夠證明運(yùn)用該無形資產(chǎn)生產(chǎn)的產(chǎn)品存在市場(chǎng)或無形資產(chǎn)自身存在市場(chǎng)；無形資產(chǎn)將在內(nèi)部使用的，應(yīng)當(dāng)證明其有用性；（四）有足夠的技術(shù)、財(cái)務(wù)資源和其他資源支持，以完成該無形資產(chǎn)的開發(fā)，并有能力使用或出售該無形資產(chǎn)；（五）歸屬于該無形資產(chǎn)開發(fā)階段的支出能夠可靠計(jì)量。2.企業(yè)外購取得的數(shù)據(jù)資產(chǎn)外購取得的數(shù)據(jù)符合無形資產(chǎn)確認(rèn)條件的可入無形資產(chǎn)，不符合確認(rèn)條件的服務(wù)支出根據(jù)具體用途計(jì)入當(dāng)期損益。對(duì)于外購過程中產(chǎn)生的數(shù)據(jù)資源成本包括購買價(jià)款、相關(guān)稅費(fèi)、以及直接歸屬于使該項(xiàng)無形資產(chǎn)達(dá)到預(yù)定用途的數(shù)據(jù)標(biāo)注、整合、分析、可視化等加工過程所發(fā)生的有關(guān)支出等，需根據(jù)具體情況界定是否可進(jìn)行資本化處理。3.企業(yè)通過合并方式取得的數(shù)據(jù)資產(chǎn)根據(jù)準(zhǔn)則，企業(yè)合并時(shí)，購買方在對(duì)企業(yè)合并中取得的被購買方資產(chǎn)進(jìn)行初始確認(rèn)時(shí)，應(yīng)當(dāng)對(duì)被購買方擁有的但在其財(cái)務(wù)報(bào)表中未確認(rèn)的無形資產(chǎn)進(jìn)行充分辨認(rèn)和合理判斷，滿足以下條件之一的，應(yīng)確認(rèn)為無形資產(chǎn)：（一）源于合同性權(quán)利或其他法定權(quán)利；（二）能夠從被購買方中分離或者劃分出來，并能單獨(dú)或與相關(guān)合同、資產(chǎn)和負(fù)債一起，用于出售、轉(zhuǎn)移、授予許可、租賃或交換。4.目的用于交易出售的數(shù)據(jù)資源根據(jù)準(zhǔn)則，企業(yè)日常活動(dòng)中持有、最終目的用于出售的數(shù)據(jù)資源，符合存貨準(zhǔn)則規(guī)定的定義和確認(rèn)條件的，應(yīng)當(dāng)確認(rèn)為存貨。需要注意的是，根據(jù)本次暫行規(guī)定的界定，作為無形資產(chǎn)的數(shù)據(jù)不排他，作為存貨的數(shù)據(jù)具備排他性。在絕大部分場(chǎng)景與企業(yè)中，企業(yè)對(duì)數(shù)據(jù)資源進(jìn)行反復(fù)使用，使用的場(chǎng)景包括不限于自用數(shù)據(jù)產(chǎn)生產(chǎn)品銷售以產(chǎn)生經(jīng)濟(jì)價(jià)值、通過數(shù)據(jù)共享給客戶以產(chǎn)生經(jīng)濟(jì)價(jià)值等，數(shù)據(jù)資源為多方所使用，不具備使用權(quán)的排他性，應(yīng)為無形資產(chǎn)。存貨的場(chǎng)景主要有數(shù)據(jù)采集與加工廠商，產(chǎn)生數(shù)據(jù)資源的目的單純是為了銷售，進(jìn)行數(shù)據(jù)所有權(quán)的轉(zhuǎn)讓，出售之后數(shù)據(jù)不再屬于原有企業(yè)，具備排他性。數(shù)據(jù)入表的具體影響：財(cái)務(wù)報(bào)表改善，利潤(rùn)釋放，降低資產(chǎn)負(fù)債率，提升企業(yè)價(jià)值。過去，一些數(shù)據(jù)相關(guān)支出往往被確認(rèn)為期間費(fèi)用項(xiàng)目，對(duì)企業(yè)當(dāng)期業(yè)績(jī)?cè)斐捎绊憽，F(xiàn)在，無論是將數(shù)據(jù)確認(rèn)為無形資產(chǎn)還是確認(rèn)為存貨，均屬資產(chǎn)項(xiàng)，有助于企業(yè)改善利潤(rùn)率與資產(chǎn)負(fù)債率。在企業(yè)的經(jīng)營(yíng)層面，數(shù)據(jù)入表后，企業(yè)投入壓力減小，有助于增長(zhǎng)企業(yè)的經(jīng)營(yíng)與研發(fā)的動(dòng)力，深入挖掘數(shù)據(jù)多重價(jià)值。暫行規(guī)定并未改變資產(chǎn)確認(rèn)條件和計(jì)量基礎(chǔ)，且數(shù)據(jù)的估值與確權(quán)存在具體執(zhí)行層面的難度，數(shù)據(jù)入表的相關(guān)探索與執(zhí)行是一個(gè)循序漸進(jìn)的過程。（二）數(shù)據(jù)要素政策仍有細(xì)化空間，政策催化效應(yīng)預(yù)期凸顯國家數(shù)據(jù)局成立：頂層設(shè)計(jì)的解構(gòu)與整合涉及到數(shù)據(jù)要素與數(shù)據(jù)經(jīng)濟(jì)的頂層機(jī)構(gòu)主要有三個(gè)：（1）中共中央網(wǎng)絡(luò)安全和信息化委員會(huì)下屬辦事機(jī)構(gòu)中央網(wǎng)信辦；（2）國家發(fā)改委下屬創(chuàng)新和高技術(shù)司；（3）工信部。中央網(wǎng)信辦組織研究起草網(wǎng)絡(luò)安全和信息化發(fā)展戰(zhàn)略、宏觀規(guī)劃和重大政策，根據(jù)職責(zé)權(quán)限負(fù)責(zé)相關(guān)法規(guī)、規(guī)章等的起草、實(shí)施和監(jiān)督檢查。國家發(fā)改委負(fù)責(zé)統(tǒng)籌推進(jìn)戰(zhàn)略性新興產(chǎn)業(yè)和數(shù)字經(jīng)濟(jì)發(fā)展，銜接平衡信息化發(fā)展規(guī)劃與國家發(fā)展規(guī)劃，組織擬訂推進(jìn)創(chuàng)新創(chuàng)業(yè)和高技術(shù)產(chǎn)業(yè)發(fā)展的規(guī)劃和政策。工信部負(fù)責(zé)統(tǒng)籌推進(jìn)工業(yè)領(lǐng)域信息化發(fā)展，研究擬訂信息化和工業(yè)化融合發(fā)展戰(zhàn)略、規(guī)劃、政策和標(biāo)準(zhǔn)；互聯(lián)網(wǎng)行業(yè)管理（含移動(dòng)互聯(lián)網(wǎng)），擬定電信網(wǎng)、互聯(lián)網(wǎng)及工業(yè)控制系統(tǒng)網(wǎng)絡(luò)與信息安全規(guī)劃、政策、標(biāo)準(zhǔn)并組織實(shí)施，擬訂電信網(wǎng)、互聯(lián)網(wǎng)數(shù)據(jù)安全管理政策、規(guī)范、標(biāo)準(zhǔn)并組織實(shí)施等。2023年3月10日，十四屆全國人大通過《國務(wù)院機(jī)構(gòu)改革方案》，組建國家數(shù)據(jù)局，隸屬于國家發(fā)改委。根據(jù)改革方案，國家數(shù)據(jù)局整合了中央網(wǎng)信辦承擔(dān)的研究擬訂數(shù)字中國建設(shè)方案、協(xié)調(diào)推動(dòng)公共服務(wù)和社會(huì)治理信息化、協(xié)調(diào)促進(jìn)智慧城市建設(shè)、協(xié)調(diào)國家重要信息資源開發(fā)利用與共享、推動(dòng)信息資源跨行業(yè)跨部門互聯(lián)互通等5項(xiàng)宏觀管理職責(zé)，國家發(fā)改委承擔(dān)的統(tǒng)籌推進(jìn)數(shù)字經(jīng)濟(jì)發(fā)展1項(xiàng)宏觀管理職責(zé)，組織實(shí)施國家大數(shù)據(jù)戰(zhàn)略、推進(jìn)數(shù)據(jù)要素基礎(chǔ)制度建設(shè)、推進(jìn)數(shù)字基礎(chǔ)設(shè)施布局建設(shè)等3項(xiàng)具體管理職責(zé)。目前，新任局長(zhǎng)與副局長(zhǎng)均已完成任命，內(nèi)部招聘進(jìn)行中。10月25日，國家數(shù)據(jù)局正式揭牌。全新的職能部門有助于更好地制定綱領(lǐng)性文件與統(tǒng)籌全國數(shù)據(jù)經(jīng)濟(jì)與數(shù)據(jù)要素市場(chǎng)發(fā)展。數(shù)據(jù)二十條：數(shù)據(jù)要素發(fā)展頂層指導(dǎo)文件數(shù)據(jù)二十條中的制度制定貫穿數(shù)據(jù)產(chǎn)業(yè)鏈的全生命周期，提出核心的四項(xiàng)數(shù)據(jù)基礎(chǔ)制度，包括數(shù)據(jù)產(chǎn)權(quán)制度、數(shù)據(jù)要素流通和交易制度、數(shù)據(jù)要素收益分配制度、數(shù)據(jù)要素治理制度。在這四項(xiàng)制度中，數(shù)據(jù)產(chǎn)權(quán)制度是基礎(chǔ)，流通和交易制度是核心，收益分配制度是動(dòng)力，治理制度是保障。這四項(xiàng)基礎(chǔ)制度是我國數(shù)據(jù)經(jīng)濟(jì)可持續(xù)發(fā)展的“四梁八柱”，是數(shù)據(jù)要素發(fā)展的基石。2023年11月，由浙江省財(cái)政廳歸口，浙江省標(biāo)準(zhǔn)化研究院牽頭制定的《數(shù)據(jù)資產(chǎn)確認(rèn)工作指南》省地方標(biāo)準(zhǔn)正式發(fā)布。該標(biāo)準(zhǔn)是國內(nèi)首個(gè)針對(duì)數(shù)據(jù)資產(chǎn)確認(rèn)制定的省級(jí)地方性標(biāo)準(zhǔn)，將于2023年12月5日起正式實(shí)施。工作指南明確規(guī)定初始確認(rèn)（資產(chǎn)識(shí)別、確認(rèn)條件判斷、確認(rèn)流程）；變更確認(rèn)（變更識(shí)別、變更判斷、變更確認(rèn)流程）、終止確認(rèn)（終止識(shí)別、終止判斷、終止確認(rèn)流程）相關(guān)細(xì)節(jié)，在數(shù)據(jù)資源開發(fā)、數(shù)據(jù)要素市場(chǎng)化和產(chǎn)業(yè)化進(jìn)程中強(qiáng)化標(biāo)準(zhǔn)實(shí)施應(yīng)用，推進(jìn)以標(biāo)準(zhǔn)為依據(jù)開展宏觀調(diào)控、產(chǎn)業(yè)推進(jìn)、行業(yè)管理、市場(chǎng)準(zhǔn)入和質(zhì)量監(jiān)管。提出具體指導(dǎo)指南，為數(shù)據(jù)資產(chǎn)化落地提供支撐與助力。該標(biāo)準(zhǔn)的研制實(shí)施將填補(bǔ)數(shù)據(jù)資產(chǎn)確認(rèn)標(biāo)準(zhǔn)空白，指引組織對(duì)其擁有或控制的數(shù)據(jù)資源進(jìn)行確認(rèn)為資產(chǎn)，將數(shù)據(jù)資源轉(zhuǎn)化為數(shù)據(jù)資產(chǎn)，引導(dǎo)數(shù)據(jù)資產(chǎn)化進(jìn)程，有利于破解數(shù)據(jù)資產(chǎn)確認(rèn)難題，助推數(shù)據(jù)資產(chǎn)公共服務(wù)，促進(jìn)數(shù)據(jù)資產(chǎn)交易流通，為加快數(shù)據(jù)資源開發(fā)提供標(biāo)準(zhǔn)化手段，為健全數(shù)據(jù)資產(chǎn)管理機(jī)制建設(shè)提供標(biāo)準(zhǔn)技術(shù)支持，為數(shù)據(jù)要素市場(chǎng)化配置改革提供標(biāo)準(zhǔn)技術(shù)支撐，有利于激活數(shù)據(jù)要素潛能。2023年11月23日，第二屆全球數(shù)字貿(mào)易博覽會(huì)召開，在數(shù)據(jù)要素治理與市場(chǎng)化論壇上，國家數(shù)據(jù)局黨組書記、局長(zhǎng)劉烈宏表示，目前國家數(shù)據(jù)局圍繞數(shù)據(jù)要素市場(chǎng)化配置改革正在推進(jìn)一系列重點(diǎn)工作，包括豐富完善數(shù)據(jù)基礎(chǔ)數(shù)據(jù)體系、促進(jìn)數(shù)據(jù)流通交易和開發(fā)利用推動(dòng)數(shù)據(jù)基礎(chǔ)設(shè)施建設(shè)、推進(jìn)數(shù)據(jù)領(lǐng)域核心技術(shù)攻關(guān)、強(qiáng)化數(shù)據(jù)安全治理工作等，體現(xiàn)了頂層設(shè)計(jì)層面對(duì)數(shù)據(jù)要素的重視及發(fā)展數(shù)據(jù)要素的決心。2023年11月25日，2023全球數(shù)商大會(huì)在上海開幕，數(shù)據(jù)交易鏈正式啟用，十省市實(shí)現(xiàn)“一地掛牌、全網(wǎng)互認(rèn)”。數(shù)據(jù)交易鏈由上海數(shù)據(jù)交易所、浙江大數(shù)據(jù)交易中心、山東數(shù)據(jù)交易有限公司、廣州數(shù)據(jù)交易所、廣西北部灣大數(shù)據(jù)交易中心、西部數(shù)據(jù)交易中心、北方大數(shù)據(jù)交易中心等七家省級(jí)數(shù)據(jù)交易機(jī)構(gòu)發(fā)起并建設(shè)聯(lián)盟鏈共識(shí)節(jié)點(diǎn)。鄭州數(shù)據(jù)交易中心、湖南大數(shù)據(jù)交易所、青島大數(shù)據(jù)交易中心、蘇州大數(shù)據(jù)交易所等省、市級(jí)交易機(jī)構(gòu)作為第二批意向機(jī)構(gòu)也積極申請(qǐng)加入，共同啟動(dòng)數(shù)據(jù)要素市場(chǎng)“可信通”計(jì)劃，合作開展制度共創(chuàng)、標(biāo)準(zhǔn)共制、數(shù)鏈共推、服務(wù)共享、生態(tài)互聯(lián)等工作。數(shù)據(jù)交易鏈的建立有助于打通數(shù)據(jù)流通環(huán)節(jié)，發(fā)揮數(shù)據(jù)要素價(jià)值最大化。我們認(rèn)為，2024年在政策層面主要有三個(gè)方面的可能變化：第一，各個(gè)地方將圍繞頂層設(shè)計(jì)進(jìn)行一些具體實(shí)施層面政策的設(shè)計(jì)與執(zhí)行。各省市已先后發(fā)布針對(duì)數(shù)據(jù)要素相關(guān)的政策規(guī)定，但大多數(shù)是建立在原本數(shù)字經(jīng)濟(jì)上的一些大方向政策，往往體現(xiàn)在數(shù)據(jù)價(jià)值的前兩次釋放，對(duì)于涉及數(shù)據(jù)價(jià)值第三次價(jià)值釋放的流通交易具體措施上布局較少。隨著國家層面對(duì)數(shù)據(jù)要素動(dòng)作不斷，今年以來，各地方逐步開始發(fā)布一些具體執(zhí)行層面的細(xì)則，例如公共數(shù)據(jù)的共享、數(shù)據(jù)交易以及數(shù)據(jù)產(chǎn)權(quán)登記等。但這些依然集中在北上廣深等經(jīng)濟(jì)較為發(fā)達(dá)地區(qū)的一些暫行辦法與草案，數(shù)據(jù)要素執(zhí)行層面的政策將逐步下沉。第二，政策將圍繞具體行業(yè)領(lǐng)域進(jìn)行細(xì)化，例如金融、交通、醫(yī)療、教育等，加速行業(yè)層面應(yīng)用落地。第三，目前仍然處于不明晰或者探索階段的領(lǐng)域，例如數(shù)據(jù)的確權(quán)、評(píng)估計(jì)價(jià)、交易、數(shù)據(jù)資產(chǎn)融資的細(xì)則將伴隨具體實(shí)施不斷細(xì)化。（三）數(shù)據(jù)要素迎三次價(jià)值釋放，數(shù)據(jù)資本空間預(yù)計(jì)可達(dá)30萬億數(shù)據(jù)資源的價(jià)值可量化將使得2024年成為數(shù)據(jù)要素三次價(jià)值釋放的元年。伴隨著數(shù)據(jù)交易的活躍，數(shù)據(jù)由機(jī)構(gòu)內(nèi)部向外部流轉(zhuǎn)，更好地流入需求方，促進(jìn)數(shù)據(jù)價(jià)值最大化。此外，數(shù)據(jù)的流通將促進(jìn)全新的應(yīng)用場(chǎng)景與技術(shù)出現(xiàn)與活躍，盤活數(shù)據(jù)要素市場(chǎng)生態(tài)。根據(jù)信通院定義，數(shù)據(jù)技術(shù)發(fā)展有三大階段：（1）第一階段：數(shù)據(jù)技術(shù)支撐業(yè)務(wù)貫通。在此階段，數(shù)據(jù)主要來自于業(yè)務(wù)運(yùn)轉(zhuǎn)，在不同的業(yè)務(wù)系統(tǒng)中進(jìn)行共享及流通，在此階段數(shù)據(jù)技術(shù)主要支撐數(shù)據(jù)的事務(wù)處理，以文件系統(tǒng)、數(shù)據(jù)庫等技術(shù)為代表。此階段減少了信息的傳遞成本，提升了運(yùn)營(yíng)效率。（2）第二階段：數(shù)據(jù)技術(shù)推動(dòng)數(shù)智決策。數(shù)據(jù)經(jīng)過挖掘、清洗、篩選并嵌套入相應(yīng)場(chǎng)景，實(shí)現(xiàn)業(yè)務(wù)的智慧化、智能化決策。在此階段數(shù)據(jù)技術(shù)以數(shù)據(jù)倉庫、數(shù)據(jù)湖以及湖倉一體等技術(shù)為代表，以支撐數(shù)據(jù)的分析、治理等工作。（3）第三階段：數(shù)據(jù)技術(shù)進(jìn)入可信流通對(duì)外賦能階段。在這一時(shí)期，數(shù)據(jù)不僅在企業(yè)內(nèi)部流轉(zhuǎn)，也將會(huì)通過流通發(fā)揮更大價(jià)值，實(shí)現(xiàn)多方共贏。數(shù)據(jù)技術(shù)將推動(dòng)各行業(yè)從“有數(shù)可用”到“數(shù)盡其用”，全場(chǎng)景智能、跨領(lǐng)域協(xié)同、數(shù)據(jù)流通跨域安全管控成為新階段的發(fā)展目標(biāo)，推動(dòng)數(shù)據(jù)要素價(jià)值不斷向更多應(yīng)用場(chǎng)景拓展。技術(shù)方面以相對(duì)匿名化、隱私計(jì)算、區(qū)塊鏈、全密態(tài)數(shù)據(jù)庫以及防篡改數(shù)據(jù)庫等技術(shù)為代表，以支撐數(shù)據(jù)要素可信流通。三次價(jià)值釋放循序漸進(jìn)，后一次以前一次為基礎(chǔ)。目前，我國前兩次數(shù)據(jù)價(jià)值釋放環(huán)境已漸趨成熟。我們認(rèn)為，第三次價(jià)值釋放不同以往，側(cè)重于數(shù)據(jù)從企業(yè)內(nèi)部向外部的流通，使得數(shù)據(jù)從供應(yīng)方更好地流轉(zhuǎn)到需求方，使得數(shù)據(jù)作為生產(chǎn)要素的生產(chǎn)效率與價(jià)值最大化。此外，三次價(jià)值釋放將衍生出全新數(shù)據(jù)相關(guān)技術(shù)，產(chǎn)業(yè)鏈進(jìn)一步豐富與完善。數(shù)字要素市場(chǎng)空間測(cè)算：根據(jù)清華大學(xué)社科院劉雄濤教授等人根據(jù)增值法對(duì)數(shù)據(jù)資本的測(cè)算所得，2020年，我國數(shù)據(jù)資本存量約為17.4萬億。本報(bào)告基于該測(cè)算做如下假設(shè)，并測(cè)算十四五期間數(shù)據(jù)資本預(yù)測(cè)值：（1）假設(shè)2023-2025年GDP增速為5.2%、5.2%、4.7%；（2）假設(shè)2021-2025年數(shù)據(jù)資本存量占GDP比重的增速為5%、5%、6%、10%、10%?；谝陨霞僭O(shè)的測(cè)算結(jié)果為：預(yù)計(jì)2023-2025年，我國數(shù)據(jù)資本空間約為26.6萬億、30.8萬億、35.5萬億元，增速為12%、16%、15%。（四）細(xì)分投資機(jī)會(huì)解析：貫穿全產(chǎn)業(yè)鏈的價(jià)值“顯性化”數(shù)據(jù)要素方向建議重點(diǎn)關(guān)注：1）數(shù)據(jù)資產(chǎn)化的確權(quán)、定價(jià)等政策落地時(shí)點(diǎn)；2）國資云廠商；3）擁有各類數(shù)據(jù)資產(chǎn)（例如時(shí)空數(shù)據(jù)要素、政府或數(shù)據(jù)運(yùn)營(yíng)權(quán)的企業(yè)；4）數(shù)據(jù)治理、數(shù)據(jù)安全、數(shù)據(jù)復(fù)制與災(zāi)備等服務(wù)提供商。數(shù)據(jù)要素市場(chǎng)從產(chǎn)業(yè)鏈角度來看，主要包括底層的基礎(chǔ)設(shè)施、數(shù)據(jù)要素的治理與服務(wù)、上層的應(yīng)用，以及貫穿全產(chǎn)業(yè)鏈的數(shù)據(jù)服務(wù)，主要包括數(shù)據(jù)的安全服務(wù)、數(shù)據(jù)的流通交易、數(shù)據(jù)的流通服務(wù)。數(shù)據(jù)要素基礎(chǔ)設(shè)施主要涵蓋提供計(jì)算、存儲(chǔ)與網(wǎng)絡(luò)的物理數(shù)據(jù)中心，和用于數(shù)據(jù)采集的物理設(shè)備等；數(shù)據(jù)要素的治理主要包括數(shù)據(jù)的采集、標(biāo)注、治理、加工、分析、可視化、商業(yè)智能等；數(shù)據(jù)要素的應(yīng)用主要體現(xiàn)在個(gè)人、政府與千行百業(yè)。數(shù)據(jù)安全服務(wù)主要包括數(shù)據(jù)的容災(zāi)與備份、數(shù)據(jù)防泄漏、隱私計(jì)算、文檔安全、數(shù)據(jù)庫安全、數(shù)據(jù)脫敏、數(shù)據(jù)分類分級(jí)、大數(shù)據(jù)保護(hù)、數(shù)據(jù)安全合規(guī)檢測(cè)等。數(shù)據(jù)流通交易主要涵蓋數(shù)據(jù)交易（數(shù)據(jù)產(chǎn)品的交易、數(shù)據(jù)中間態(tài)交易、原始數(shù)據(jù)交易、共性服務(wù)交易）、數(shù)據(jù)開放（政府?dāng)?shù)據(jù)開放、公共數(shù)據(jù)開放、行業(yè)開放共享平臺(tái)）、數(shù)據(jù)共享（政府間與政府內(nèi)數(shù)據(jù)共享、企業(yè)內(nèi)部數(shù)據(jù)共享）。數(shù)據(jù)流通服務(wù)涵蓋數(shù)商服務(wù)（數(shù)據(jù)產(chǎn)品開發(fā)利用、數(shù)據(jù)資產(chǎn)開發(fā)利用）、專業(yè)服務(wù)（數(shù)據(jù)集成、合規(guī)認(rèn)證、數(shù)據(jù)托管、資產(chǎn)評(píng)估、風(fēng)險(xiǎn)評(píng)估、人才培訓(xùn)、數(shù)據(jù)公證等）、運(yùn)營(yíng)服務(wù)（公共/企業(yè)/個(gè)人數(shù)據(jù)運(yùn)營(yíng)）。我們認(rèn)為，2024年有望有邊際變化的主要有以下幾個(gè)領(lǐng)域：數(shù)據(jù)的備份與災(zāi)備市場(chǎng)在信創(chuàng)、數(shù)據(jù)要素與云計(jì)算推進(jìn)下，加速。我國災(zāi)備行業(yè)起步較晚，主要以國外廠商為主。根據(jù)IDC統(tǒng)計(jì)，2021年國內(nèi)數(shù)據(jù)復(fù)制與保護(hù)的純軟件市場(chǎng)中，前五大供應(yīng)商分別為Veritas、DELL、英方軟件、Commvault和華為，市場(chǎng)占有率分別為16.0%、13.1%、10.2%、8.5%和8.3%，海外廠商占比接近40%。2022H1，國內(nèi)數(shù)據(jù)復(fù)制保護(hù)總體市場(chǎng)中除華為憑借硬件銷售占據(jù)第一外，戴爾科技和Veritas依然分列二、三位。此外，隨著云服務(wù)器滲透率的提升，災(zāi)備即服務(wù)(DRaaS)的新模式高速增長(zhǎng)。根據(jù)MarketsandMarkets發(fā)布的市場(chǎng)研究報(bào)告顯示，全球DRaaS市場(chǎng)規(guī)模預(yù)計(jì)將從2020年的51億美元增長(zhǎng)到2025年的146億美元，年復(fù)合增長(zhǎng)23.4%。數(shù)據(jù)的治理與加工將同時(shí)受益于AI與數(shù)據(jù)要素產(chǎn)業(yè)而蓬勃發(fā)展。要實(shí)現(xiàn)數(shù)據(jù)的流通，數(shù)據(jù)治理不可或缺，此外，高質(zhì)量與大規(guī)模的數(shù)據(jù)集同樣是AI大模型的突破的關(guān)鍵點(diǎn)。目前國內(nèi)數(shù)據(jù)資源豐富，從總量來說具備優(yōu)勢(shì)，但由于數(shù)據(jù)挖掘不足，數(shù)據(jù)無法自由在市場(chǎng)上流通，數(shù)據(jù)的清洗與標(biāo)注產(chǎn)業(yè)鏈不夠完善等現(xiàn)狀，優(yōu)質(zhì)數(shù)據(jù)集仍然稀缺。高質(zhì)量數(shù)據(jù)集離不開數(shù)據(jù)的治理，數(shù)據(jù)治理市場(chǎng)空間廣闊。根據(jù)艾瑞數(shù)據(jù)顯示，2021年，中國面向人工智能的數(shù)據(jù)治理規(guī)模約為40億元，2026年規(guī)模突破百億達(dá)105億元，五年CAGR達(dá)到21.3%；中國的數(shù)據(jù)治理市場(chǎng)規(guī)模約為121億元，預(yù)計(jì)2026年市場(chǎng)規(guī)模達(dá)到294億元，五年CAGR為19.5%。數(shù)據(jù)治理離不開高質(zhì)量的數(shù)據(jù)采集與標(biāo)注。從AI的數(shù)據(jù)治理產(chǎn)業(yè)鏈圖譜來看，上游主要為數(shù)據(jù)的提供方，下游主要為數(shù)據(jù)的最終應(yīng)用方。應(yīng)用于AI模型的訓(xùn)練與推理的數(shù)據(jù)主要由中游基礎(chǔ)數(shù)據(jù)服務(wù)商進(jìn)行采集與標(biāo)注，數(shù)據(jù)治理平臺(tái)進(jìn)行數(shù)據(jù)的優(yōu)化治理。數(shù)據(jù)確權(quán)是數(shù)據(jù)要素流通交易與發(fā)展的基礎(chǔ)，產(chǎn)業(yè)落地有望加速發(fā)展。根據(jù)“數(shù)據(jù)二十條”，首先推動(dòng)數(shù)據(jù)處理者開發(fā)利用原始數(shù)據(jù)，其次支持其行使數(shù)據(jù)應(yīng)用權(quán)利，從而充分利用數(shù)據(jù)價(jià)值、促進(jìn)數(shù)據(jù)流通。在數(shù)據(jù)的權(quán)益保護(hù)與分置上，主要涉及兩大參與方，即數(shù)據(jù)來源者和數(shù)據(jù)處理者。針對(duì)數(shù)據(jù)來源者，享有獲取或復(fù)制轉(zhuǎn)移由其促成產(chǎn)生數(shù)據(jù)的權(quán)益。針對(duì)數(shù)據(jù)處理者，其權(quán)益對(duì)應(yīng)“三權(quán)”，即：保護(hù)其對(duì)持有的數(shù)據(jù)進(jìn)行自主管控的權(quán)益（數(shù)據(jù)資源持有權(quán)）；承認(rèn)和保護(hù)其獲取的數(shù)據(jù)加工使用權(quán)，保障其使用數(shù)據(jù)和獲得收益的權(quán)利（數(shù)據(jù)加工使用權(quán)）；保護(hù)經(jīng)加工、分析等形成數(shù)據(jù)或數(shù)據(jù)衍生產(chǎn)品的經(jīng)營(yíng)權(quán)，許可他人使用數(shù)據(jù)或數(shù)據(jù)衍生產(chǎn)品的權(quán)利，流轉(zhuǎn)數(shù)據(jù)相關(guān)財(cái)產(chǎn)性權(quán)益等（數(shù)據(jù)產(chǎn)品經(jīng)營(yíng)權(quán)）。目前，在產(chǎn)業(yè)端已經(jīng)有相應(yīng)的探索與落地。人民網(wǎng)旗下人民數(shù)據(jù)按照“數(shù)據(jù)二十條”中提到的三權(quán)分置發(fā)放數(shù)據(jù)要素“三證”—“數(shù)據(jù)資源持有權(quán)證書”“數(shù)據(jù)加工使用權(quán)證書”“數(shù)據(jù)產(chǎn)品經(jīng)營(yíng)權(quán)證書”。“三證”基于人民鏈Baas服務(wù)平臺(tái)（2.0版本），進(jìn)行確權(quán)、上鏈、存證、交易服務(wù)工作?！叭C”主要旨在統(tǒng)一和連接各級(jí)黨政機(jī)關(guān)和大數(shù)據(jù)交易所之間相對(duì)分散的數(shù)據(jù)，形成全國性的數(shù)據(jù)交易服務(wù)平臺(tái)，同時(shí)解決數(shù)據(jù)權(quán)利不明晰的問題。主線三：算法側(cè)，大模型從云到端，2024年手機(jī)有望搭載生成式AI（一）云端大模型持續(xù)升級(jí)，云人工智能市場(chǎng)五年CAGR有望達(dá)32.37%1、海外大廠積極布局云端，明年預(yù)計(jì)發(fā)布多個(gè)大模型OpenAI明年上半年預(yù)計(jì)發(fā)布GPT-5，Meta預(yù)計(jì)已在開發(fā)比GPT4更強(qiáng)大的開源大模型Llama3。大模型從云到端持續(xù)推進(jìn)，云端繼續(xù)升級(jí)，終端大模型呼之欲出。算力方面，OpenAI表示已收到H100，預(yù)計(jì)后續(xù)訂單將順利執(zhí)行；數(shù)據(jù)方面，據(jù)OpenAI透露，GPT-5參數(shù)量是GPT-4的10倍，GPT-5訓(xùn)練數(shù)據(jù)來源于互聯(lián)網(wǎng)數(shù)據(jù)集和公司專有數(shù)據(jù)，包括開源和私有數(shù)據(jù)，涵蓋各種數(shù)據(jù)類型，如文本、圖像、音頻和視頻，將支持更多種類的輸入和輸出。OpenAI表示，GPT-5的終極目標(biāo)是實(shí)現(xiàn)類似人腦的超級(jí)AI，最終實(shí)現(xiàn)AGI（ArtificialGeneralIntelligence）。2023年11月，Meta稱正在研發(fā)Llama3，預(yù)計(jì)將于2024年上半年亮相。Llama3被猜測(cè)可與GPT-4相匹敵，能夠支持生成精密文本、分析和其他輸出性服務(wù)，并計(jì)劃保持開源免費(fèi)。2、云服務(wù)產(chǎn)品市場(chǎng)持續(xù)擴(kuò)容，云人工智能市場(chǎng)未來五年CAGR有望達(dá)32.37%據(jù)MordorIntelligence預(yù)計(jì)，云人工智能市場(chǎng)規(guī)模將從2023年的510.4億美元增長(zhǎng)到2028年的2074億美元，預(yù)測(cè)期內(nèi)（2023-2028年）復(fù)合年增長(zhǎng)率為32.37%。隨著企業(yè)數(shù)量的不斷增加以及企業(yè)之間的競(jìng)爭(zhēng)，企業(yè)正在積極嘗試將人工智能技術(shù)與其應(yīng)用、分析、業(yè)務(wù)和服務(wù)相集成。此外，將公司致力于降低運(yùn)營(yíng)成本以提高利潤(rùn)率，推動(dòng)云端人工智能快速發(fā)展，進(jìn)一步推動(dòng)預(yù)測(cè)期內(nèi)的市場(chǎng)規(guī)模增長(zhǎng)。3、MaaS加速發(fā)展，云端AI滲透率預(yù)期穩(wěn)增隨著ChatGPT引爆大模型市場(chǎng)，MaaS(ModelasaService，模型即服務(wù))，成為繼SaaS（SoftwareasaService）、IaaS（InfrastructureasaService）、PaaS（Platformasaservice）之后的新型云服務(wù)方式。MaaS將人工智能大模型變成可服務(wù)化的產(chǎn)品，用戶無需自建底層基礎(chǔ)設(shè)施，只需通過API接口調(diào)用即可使用大模型服務(wù)，MaaS通常有推理、微調(diào)、深入開發(fā)三種服務(wù)方式，降低使用門檻的同時(shí)也可以大幅提高大模型的使用效率?？萍紡S商MaaS商業(yè)模式主要分為三種：1、訂閱制模式：將模型產(chǎn)品化并通過提供增值服務(wù)獲取收入，例如ChatGPTPlus；2、嵌入其他產(chǎn)品獲得引流式收入：例如微軟Microsoft365服務(wù)全面接入AI驅(qū)動(dòng)工具Copilot，其由OpenAI的GPT-4技術(shù)驅(qū)動(dòng)，出現(xiàn)在Microsoft365的側(cè)邊欄，可作為聊天機(jī)器人隨時(shí)召喚，帶來更智能、更高效的辦公體驗(yàn)的同時(shí)，獲得引流式收入；3、API服務(wù)調(diào)用或定制開發(fā)：如文心千帆大模型平臺(tái)，是面向企業(yè)開發(fā)者的一站式大模型開發(fā)及服務(wù)運(yùn)行平臺(tái)，提供基于文心一言底層模型（ErnieBot）的數(shù)據(jù)管理、自動(dòng)化模型定制微調(diào)以及預(yù)測(cè)服務(wù)云端部署一站式大模型定制服務(wù)。海內(nèi)外巨頭紛紛持續(xù)開發(fā)大模型云端應(yīng)用，微軟從11月1日開始向核心大公司出售Microsoft365Copilot。微軟公開表示，隨著B端新產(chǎn)品不斷推出，未來有望持續(xù)提升AI產(chǎn)品轉(zhuǎn)化率及ARPU值。微軟的AI業(yè)務(wù)營(yíng)收將以整個(gè)行業(yè)史上最快的速度達(dá)到100億美元規(guī)模。此前，微軟宣布其MaaS+SaaS結(jié)合產(chǎn)品365Copilot30美元/月的定價(jià)，目前用戶對(duì)此價(jià)格反饋符合預(yù)期；Microsoft365擁有1.6億用戶群，B端用戶是微軟AI業(yè)務(wù)增長(zhǎng)的主要驅(qū)動(dòng)力。除此之外，BingChat企業(yè)版基于Copilot構(gòu)建Microsoft并添加商業(yè)數(shù)據(jù)保護(hù)，因此可以確信業(yè)務(wù)數(shù)據(jù)受到保護(hù)，并不會(huì)被泄漏到外部。使用BingChat企業(yè)版，不會(huì)保存聊天數(shù)據(jù)，Microsoft沒有監(jiān)視訪問權(quán)限，并數(shù)據(jù)不會(huì)用于訓(xùn)練大型語言模型。2023年6月19日，騰訊云首次正式公布行業(yè)大模型，并發(fā)布面向B端客戶的騰訊云MaaS服務(wù)解決方案。騰訊云MaaS是基于TI平臺(tái)打造的行業(yè)大模型商店，覆蓋金融、文旅、政務(wù)、傳媒、教育等10個(gè)行業(yè)，提供超50個(gè)解決方案。在模型基礎(chǔ)上，用戶只需加入現(xiàn)有的場(chǎng)景數(shù)據(jù)，即可快速生成專屬模型。通過TI平臺(tái)以及模型私有化部署、權(quán)限管控和數(shù)據(jù)加密等方式，騰訊云可幫助開發(fā)者和企業(yè)客戶解決數(shù)據(jù)安全和隱私方面的問題。另外，與微軟類似，騰訊云MaaS將加持SaaS產(chǎn)品發(fā)展，對(duì)現(xiàn)有SaaS產(chǎn)品進(jìn)行智能化升級(jí)，包括騰訊會(huì)議、騰訊企點(diǎn)智能客服、AI代碼助手等；騰訊會(huì)議AI小助手可實(shí)現(xiàn)在會(huì)前、會(huì)中、會(huì)后的全流程服務(wù)。（二）邊云算法協(xié)同發(fā)展，推動(dòng)大模型終端側(cè)落地1、邊緣智能向五大方向全面優(yōu)化，算法支持邊緣計(jì)算效率提升大模型時(shí)代，從云到端（邊緣側(cè)）算法不斷優(yōu)化升級(jí)，其中邊緣智能優(yōu)化方向包括五大方面，包括邊云協(xié)同、模型分割、模型壓縮、減少冗余數(shù)據(jù)傳輸以及輕量級(jí)加速體系結(jié)構(gòu)。其中，邊云協(xié)同、模型分割、模型壓縮能夠減少邊緣智能對(duì)于計(jì)算、存儲(chǔ)和設(shè)備的需求；減少冗余數(shù)據(jù)傳輸以改善傳輸效率，降低網(wǎng)絡(luò)資源浪費(fèi)；輕量級(jí)加速體系結(jié)構(gòu)將在硬件和應(yīng)用方面支持邊緣計(jì)算效率提升。邊云協(xié)同云計(jì)算和邊緣計(jì)算相結(jié)合，將數(shù)據(jù)和計(jì)算資源分布在云端和邊緣設(shè)備，實(shí)現(xiàn)數(shù)據(jù)的高效處理和傳輸。云邊協(xié)同優(yōu)勢(shì)明顯，1）充分利用云端強(qiáng)大的計(jì)算資源；2）在需要實(shí)時(shí)響應(yīng)或者斷網(wǎng)情況下可借助本地設(shè)備完成任務(wù)；3）保證數(shù)據(jù)安全性。2023年8月，KubeEdgeSIGAI發(fā)布KubeEdgeSednav0.6及Ianvsv0.2，全面提升邊云協(xié)同終身學(xué)習(xí)的能力和性能；升級(jí)三大功能，包括支持圖片視頻等非結(jié)構(gòu)化數(shù)據(jù)場(chǎng)景、提供全面基準(zhǔn)測(cè)試套件和具備未知任務(wù)識(shí)別與處理能力。模型分割將大量的計(jì)算任務(wù)分解成不同的部分，把部分或全部計(jì)算任務(wù)推到邊緣，利用不同設(shè)備協(xié)同解決問題，能夠獲得更好的端到端延遲性能和能源效率。常見的分割方法包括水平分割和垂直分割，水平分割即沿端-邊-云進(jìn)行分割，垂直分割是將層進(jìn)行融合，以網(wǎng)格的方式進(jìn)行垂直分區(qū)。這種終端與邊緣設(shè)備協(xié)同的方法能有效降低深度學(xué)習(xí)模型的推斷時(shí)延，但不同的模型切分點(diǎn)將導(dǎo)致不同的計(jì)算時(shí)間，因此如何選擇最佳的模型切分點(diǎn)是模型分割的關(guān)鍵。模型裁剪可在不影響準(zhǔn)確度的條件下對(duì)模型“剪枝”，從而減少對(duì)計(jì)算、存儲(chǔ)等方面的需求。深度學(xué)習(xí)網(wǎng)絡(luò)模型在訓(xùn)練過程中形成大量冗余參數(shù)，影響模型運(yùn)行效率。通過模型裁剪去除冗余參數(shù)，并不會(huì)影響模型的表達(dá)能力。在工業(yè)視覺識(shí)別系統(tǒng)領(lǐng)域，模型裁剪技術(shù)已實(shí)現(xiàn)應(yīng)用：利用權(quán)重剪裁和迭代裁剪技巧，將提高生產(chǎn)自動(dòng)化水平和裝備運(yùn)行效率和穩(wěn)定性等，有利于推動(dòng)AI與邊緣計(jì)算在工業(yè)視覺識(shí)別系統(tǒng)的深度融合。減少冗余數(shù)據(jù)傳輸通過邊云協(xié)同、模型壓縮、模型共享和邊緣緩存方面實(shí)現(xiàn)。