通信行業(yè)算力研究報告

證券研究報告|行業(yè)深度我國東數(shù)西算戰(zhàn)略、美國對英偉達高算力芯片的禁運均指向了被市場忽略的概念——算力。為什么我們當(dāng)前重視算力革命？如何看待這場IT變革？行業(yè)走勢為何當(dāng)前要關(guān)注算力？每一輪的ICT創(chuàng)新革命都是“通信+計算+存儲”三位一體協(xié)同升級，5G作為數(shù)據(jù)傳輸?shù)摹俺壐咚俟贰?，必然將匹配更快的“跑車”，?dāng)我們將視野從短視頻等拓展到AR、VR乃至元宇宙時，16%通信滬深300其對計算、渲染、AI的需求將劇增，同時智能汽車、可穿戴的興起將推動計算能力將從云端向“云—邊—端”延伸，多元算力時代即將到來。在5G0%網(wǎng)絡(luò)基本建設(shè)完成后，算力對社會的貢獻將逐步體現(xiàn)，據(jù)華為《泛在算力》報告測算，1美元的算力投入，可以帶來4.7美元的社會產(chǎn)出。-16%泛在算力：“云—邊—端”的共存。市場此前將算力等同于IDC，而今在-3221-092022-012022-052022-09算力需求百倍增長下，處理器單核性能與多核提升邊際遞減存在，大型數(shù)據(jù)中心的算力提升有限。而由于網(wǎng)絡(luò)性能，帶寬成本等制約，對于分布式需求愈發(fā)明顯。邊與端的設(shè)備將迎來從“功能機”向“智能機”的升級。綠色算力：雙碳制約下的等式轉(zhuǎn)換。通過芯片和算法，我們實現(xiàn)了“能源作者+算力——>價值+熱量”的轉(zhuǎn)換，隨著算力應(yīng)用的普及，能源將是終極制分析師宋嘉吉約因素。對IDC而言，大型化、智能化和散熱技術(shù)成為標配；對于芯片和執(zhí)業(yè)證書編號：S0680519010002器件而言，ARM架構(gòu)通過成本和效率的優(yōu)化占據(jù)服務(wù)器市場一席之地，而郵箱：songjiaji@ 提升光傳輸密度是降低器件功耗的主攻方向，CPO共封裝光學(xué)呼之欲出。相關(guān)研究 算力生態(tài)：構(gòu)建汽車/元宇宙/機器人等多場景共榮生態(tài)。元宇宙的宏大愿1、《區(qū)塊鏈：元宇宙閃耀服貿(mào)會：VR、虛擬人與景、虛擬人的AI靈魂、智能汽車的豐富互動、AR/VR的立體展示將帶來2022-09-08對算力提出隨時、隨地、隨需、隨形的能力要求。從投資角度看，汽車智2、《區(qū)塊鏈：以太坊生態(tài)之Layer2：技術(shù)融合，應(yīng)用為能化催生的算力需求有望明后年最快爆發(fā)，以解決人機交互、輔助駕駛等王》2022-09-07實用功能，而未來的無人駕駛場景則更需算力支撐，因此車型升級中更易“預(yù)埋”算力，需求確定性最強。而元宇宙、Web3面向C端用戶的虛擬世界構(gòu)建則代表了遠期最具爆發(fā)力的需求。航投資機會》2022-09-04投資建議：抓住“光與云”的確定性，探索“邊緣+綠色”的廣闊空間。1）邊緣算力：美格智能、移遠通信、廣和通；2）通信設(shè)備：亨通光電、長飛光纖、中天科技、天孚通信、中興通訊、新易盛、中際旭創(chuàng)、初靈信息；3）芯片：NVDA、AMD、QCOM。風(fēng)險提示：美國科技封鎖拖延國內(nèi)新技術(shù)發(fā)展；國內(nèi)算力應(yīng)用市場發(fā)展緩慢重點標的股票代碼股票名稱投資評級2021A2022E2023E2024E2021A2022E2023E2024E002881.SZ美格智能0.490.892.4685.1246.8716.96000063.SZ中興通訊2.072.2913.3111.9610.81600522.SH中天科技0.05497.0022.3918.4115.63600487.SH亨通光電0.610.9631.4419.9813.41資料來源：Wind，國盛證券研究所請仔細閱讀本報告末頁聲明P.2請仔細閱讀本報告末頁聲明1.投資要件 2.算力革命 2.1.算力的發(fā)展 2.2.算力對全球經(jīng)濟的促進作用 102.3.算力革命正在發(fā)生的原因：供需錯配 2.4.算力革命關(guān)鍵詞：“泛在”、“綠色”與“生態(tài)” 163.泛在：“云—邊—端”的共存 183.1.國內(nèi)IDC：行業(yè)底部出清，需求曙光初現(xiàn)，反轉(zhuǎn)只欠東風(fēng) 193.2.全球IDC市場：需求持續(xù)強勁，景氣度存在預(yù)期差 203.3邊緣計算：方興未艾，未來可期 244.綠色：雙碳制約下的算力網(wǎng)絡(luò) 344.1.算力需求指數(shù)及增長，數(shù)據(jù)中心能耗要求越發(fā)嚴格 354.2.大型化、智能化和散熱技術(shù)創(chuàng)新是綠色數(shù)據(jù)中心關(guān)鍵點 374.3.芯片功耗提升空間有限，低功耗和云邊端一體是主旋律 394.4.提升光傳輸密度是降低器件功耗的主攻方向 424.5.結(jié)合使用綠色能源是算力可持續(xù)發(fā)展之路 434.6.構(gòu)建全光智能算力網(wǎng)絡(luò)，“東數(shù)西算”實現(xiàn)資源最優(yōu)解 475.生態(tài)：汽車/元宇宙/機器人等多場景共榮的算力生態(tài)如何構(gòu)建？ 505.1.人工智能核心驅(qū)動，算力發(fā)展沒有天花板 525.2.智能網(wǎng)聯(lián)車——自動駕駛和智能座艙，算力爭霸制高點 535.3.元宇宙：算力即權(quán)力 625.4.Web3時代，算力將是重要技術(shù)支撐 695.5.萬物互聯(lián)：物聯(lián)網(wǎng)高速發(fā)展，終端智能化賦能千行百業(yè) 715.6.算力時代的自主可控正成為核心焦點 756.投資策略：抓住“光與云”的確定性，探索“邊緣+綠色”的廣闊空間 786.1集中算力投資：“光與云的確定性” 786.2“邊緣+綠色”，無限可能的大空間機會 797.風(fēng)險提示 79圖表1：算力革命 圖表2：近10年來全球算力的增長明顯滯后于數(shù)據(jù)的增長 圖表3：自動駕駛對于算力需求 圖表4：人工智能計算需求增長曲線與電子芯片算力增長曲線的高度不匹配 圖表5：計算力發(fā)展階段 圖表6：算力資本與物質(zhì)資本相互促進 10圖表7：算力投資對經(jīng)濟的杠桿作用 圖表8：計算力對經(jīng)濟的推動作用 圖表9：人均算力反應(yīng)國家智能化水平 圖表10：不同制程手機芯片成本 13圖表11：核心數(shù)與算力關(guān)系曲線 13P.3請仔細閱讀本報告末頁聲明圖表12：算力與網(wǎng)絡(luò)的供需錯配 圖表13：算力發(fā)展的驅(qū)動原因 圖表14：四類關(guān)鍵技術(shù)對算力的具體要求 圖表15：現(xiàn)代算力發(fā)展的三個階段 圖表16：算力生態(tài)功能 18圖表177：中心和邊緣側(cè)的算力錯位 19圖表188：羅永浩抖音直播帶貨 19圖表19：2013年至2021年中國DOU值 20圖表20：北美三大云業(yè)務(wù)營收同比增速 20圖表21：北美四大云廠商資本支出（單位：百萬美元） 21圖表22：英偉達數(shù)據(jù)中心業(yè)務(wù)單季度營收及其同比增速（單位：億美元） 21圖表23：arista預(yù)計到2026年整個數(shù)據(jù)中心交換機市場將增長至240億美元 22圖表24：國內(nèi)優(yōu)質(zhì)IDC公司推薦（8月11日收盤價） 23圖表25：北美優(yōu)質(zhì)IDC產(chǎn)業(yè)鏈公司推薦（8月11日收盤價） 23圖表26：國產(chǎn)服務(wù)器廠商推薦（8月11日收盤價PE取Wind一致預(yù)期） 24圖表27：云計算部署方式 24圖表28：邊緣計算部署方式 24圖表29：邊緣計算的范圍 25圖表30：邊緣計算發(fā)展歷史 25圖表31：邊緣計算產(chǎn)業(yè)聯(lián)盟 26圖表32：邊緣計算的五大核心優(yōu)勢 27圖表33：5G下的邊緣計算 28圖表34：廣域MEC 28圖表35：局域MEC 29圖表36：全球數(shù)據(jù)流量類型（ZB/Y） 30圖表37：邊緣計算主要玩家 31圖表38：智能制造架構(gòu) 33圖表39：邊緣計算在智能制造中的應(yīng)用 34圖表40：邊緣計算A股標的（9月2日收盤價PE取Wind一致預(yù)期） 34圖表41：歷年服務(wù)器芯片能耗對比（W/GFLOPS） 35圖表42：晶體管結(jié)構(gòu)原理及3nm以后解決方案展望 36圖表43：數(shù)據(jù)中心能耗組成 36圖表44：重點城市數(shù)據(jù)中心最新政策 37圖表45：歐洲和中國不同類型數(shù)據(jù)中西PUE水平 37圖表46：百度自研北極天蝎整機柜服務(wù)器 38圖表47：華為iCooling數(shù)據(jù)中心AI神經(jīng)網(wǎng)絡(luò)模型 38圖表48：英維克制冷系統(tǒng)示意圖 38圖表49：海底數(shù)據(jù)中心示意圖 39圖表50：CISC與RISC對比 39圖表51：CISC與RISC對比 40圖表52：RMCortex-A72架構(gòu) 40圖表53：ARMAmpereA1與x86IntelXeonOptimized3、AMDEPYCE4的H.264視頻處理效率對比 41圖表54：基于ARM架構(gòu)的蘋果M1芯片 41圖表55：電動車智能座艙大火的高通8155芯片 41圖表56：RISC架構(gòu)對未來智能化社會要求更加匹配，以ARM為例 42圖表57：隨著速率持續(xù)提升，光模塊單Gbit/s的能耗持續(xù)降低（單位：W/G） 43P.4請仔細閱讀本報告末頁聲明圖表58：CPO交換機系統(tǒng)架構(gòu) 43圖表59：intel1.6T硅光引擎與12.8T的可編程以太網(wǎng)交換機集成CPO交換機實物 43圖表60：我國光伏發(fā)電潛力 44圖表61：我國70米高度陸地（左）和海上（右）風(fēng)能資源（單位：瓦/平方米） 44圖表62：傳統(tǒng)加熱系統(tǒng)與SAI芯片廢熱回收加熱系統(tǒng) 44圖表63：SAI的核心理念 45圖表64：SAIHEAT余熱利用示意圖 45圖表65：行山能源信息技術(shù)產(chǎn)業(yè)基地一期圖 46圖表66：分布式光伏數(shù)據(jù)中心 46圖表67：通信基站分布式光伏發(fā)電改造 47圖表68：網(wǎng)絡(luò)限制和算力潮汐效應(yīng)是影響算力網(wǎng)絡(luò)的突出問題 48圖表69：全光底座總體架構(gòu) 48圖表70：算力網(wǎng)絡(luò)全光應(yīng)用典型場景 49圖表71：人類社會必然向智能社會過度，需要算力進行匹配 50圖表72：智能社會隨時、隨地、隨需、隨形的算力 51圖表73：云邊端一體算力生態(tài) 51圖表74：AI架構(gòu)運算流程 52圖表75：人工智能持續(xù)滲透將大力拉動算力需求 53圖表76：自動駕駛不同等級算力需求 54圖表77：5GV2X車路協(xié)同系統(tǒng) 55圖表78：配備4顆NVIDIADriveOrin芯片，ET7整體算力達到1016TOPS 55圖表79：DOJOD1Chip介紹1 56圖表80：DOJOD1Chip介紹1 56圖表81：Transformer神經(jīng)網(wǎng)絡(luò) 56圖表82：純視覺幾乎達到了雷達的精準度 57圖表83：英偉達自動駕駛?cè)珬Ｄ芰?57圖表84：自動駕駛需要端到端的開發(fā)流程 58圖表85：英偉達助力電動車革命 58圖表86：智能電動車的變化—域控制器 59圖表87：智能座艙一芯多屏、多屏聯(lián)動功能 59圖表88：智能座艙多種交互方式融合的極致體驗 59圖表89：特斯拉三代智能座艙芯片方案對比 60圖表90：特斯拉第三代智能座艙方案詳情 60圖表91：新款特斯拉座艙性能媲美游戲主機 60圖表92：比亞迪秦座艙可支持王者榮耀 60圖表93：高通8155說明書 61圖表94：特斯拉model3拆解，可以看到tbox用的是telit蜂窩通信模組 61圖表95：蜂窩通信模組產(chǎn)品形態(tài)發(fā)展趨勢 62圖表96：元宇宙的概念 62圖表97：多邊形建模圖示 63圖表98：RTX3090支持8K渲染 64圖表99：逼近顯示的游戲畫面 64圖表100：控制臺/顯卡算力變化 64圖表101：AR/VR技術(shù)的發(fā)展對于算力的驅(qū)動與要求 65圖表102：內(nèi)容創(chuàng)作的4個階段 66圖表103：通過AI實現(xiàn)3D動畫 66P.5請仔細閱讀本報告末頁聲明圖表104：英偉達GPU云計算概覽 66圖表105：英偉達GPU云計算流程 66圖表106：NVIDIA云計算平臺主要應(yīng)用方向 67圖表107：通過AI算法實現(xiàn)特征提取 68圖表108：高精度渲染的NFT圖片 69圖表109：區(qū)塊鏈游戲效果圖 69圖表110：云渲染價格 70圖表111：RenderNetwork的運行機制 70圖表112：物聯(lián)網(wǎng)眾多下游行業(yè)將對共同拉動算力增長 71圖表113：蜂窩通信終端規(guī)模預(yù)測 72圖表114：智慧工廠算力分析 73圖表115：近五年中國工業(yè)互聯(lián)網(wǎng)市場規(guī)模 73圖表116：新基建的三大組成部分 74圖表117：全生命周期數(shù)字化管理實現(xiàn)數(shù)字制造閉環(huán) 74圖表118：英偉達A100 75圖表119：GPU在異構(gòu)計算中優(yōu)勢明顯 76圖表120：GPU各塊能力及對應(yīng)應(yīng)用場景 76圖表121：主要GPU及相關(guān)算力芯片比較 77圖表122：中國GPU市場規(guī)模及預(yù)測 77圖表123：“光與云”投資標的 78圖表124：“邊緣+綠色”投資標的 79P.6請仔細閱讀本報告末頁聲明圖表1：算力革命資料來源：IDC，三大運營商，Wind，華為，國盛證券研究所整理P.7請仔細閱讀本報告末頁聲明稱被美國政府要求限制向中國出口兩款被用于加速人工智能任務(wù)的最新兩代旗艦GPU核心視角，我們后文將逐一展開。圖表2：近10年來全球算力的增長明顯滯后于數(shù)據(jù)的增長資料來源：IDC，國盛證券研究所年來全球算力的增長明顯滯后于數(shù)據(jù)的增長。同時，伴隨智能汽車、人工智能、機器學(xué)顯現(xiàn)，海量數(shù)據(jù)持續(xù)涌現(xiàn)，數(shù)據(jù)結(jié)構(gòu)從單一模式變?yōu)槎嗄Ｊ?，非結(jié)構(gòu)化數(shù)據(jù)日益增加，對海量復(fù)雜數(shù)據(jù)的實時處理要求更高。在未來5-10年將是數(shù)據(jù)量指數(shù)級增長的井噴臨P.8請仔細閱讀本報告末頁聲明圖表3：自動駕駛對于算力需求資料來源：億歐智庫，國盛證券研究所未來在自動駕駛、機器人等多個方向，對于算力的消耗會呈指數(shù)級增長，深度學(xué)習(xí)器學(xué)習(xí)的場景越來越豐富，通用芯片和專用芯片的關(guān)系會發(fā)生動態(tài)變化。各大巨頭紛紛帶來了延遲功耗，通過把部分算力下通到存儲，在擁有足夠好性能器件支撐的前提下，圖表4：人工智能計算需求增長曲線與電子芯片算力增長曲線的高度不匹配資料來源：《光子芯片研究進展及展望》，國盛證券研究所作為支持數(shù)字經(jīng)濟以及智能化的核心基座，以數(shù)字新基建為代表的算力革命，正在催生P.9請仔細閱讀本報告末頁聲明當(dāng)前網(wǎng)絡(luò)實時性缺乏保障、寬帶不足、能源供給不匹配等問題。同時，在操作系統(tǒng)、服務(wù)器高端芯片、算力數(shù)據(jù)庫等領(lǐng)域，依舊較多受外部因素制約，實現(xiàn)國內(nèi)算力網(wǎng)絡(luò)資源近年來，“算力”兩字，隨著社會智能化的程度提升，越來越多的被提及。其實“算力”一詞并非新鮮事物，從中國古代的算盤到如今的超級計算機，算力作為人類認知能力的數(shù)，來衡量算力大小。從最原始的算盤到當(dāng)今的超級計算機，人類社會的算力發(fā)展經(jīng)過了諸多階段，根據(jù)華為算力報告，這些階段可以劃分為人力化、機械化、電氣化、集成電路化和當(dāng)下所展現(xiàn)的圖表5：計算力發(fā)展階段路的走向成熟，算力載體的物理體積得到大幅縮減，集成電路計算機被運用到各行各業(yè)P.10請仔細閱讀本報告末頁聲明算力以及其背后代表的設(shè)備鏈條，是具有高附加值的高科技產(chǎn)業(yè)。算力作為一種新技術(shù)圖表6：算力資本與物質(zhì)資本相互促進資料來源：《2021-2022全球計算力指數(shù)評估報告》，國盛證券研究所在華為的《泛在算力》報告中，對算力產(chǎn)生的經(jīng)濟效益做了更加明確的劃分，一是直接直接收益，以公有云投資為例，在選取戴爾P將會為社會帶來更加顯示顯著的額外收益。根據(jù)美國勞工部數(shù)據(jù)，隨著智能機器人等基于高算力的智能設(shè)備加速應(yīng)用，未來講給美國智能制造業(yè)帶產(chǎn)值提升。同時，根據(jù)華為《泛在算力》報告數(shù)據(jù)，智能化程度提升，將會為包括制造P.11請仔細閱讀本報告末頁聲明圖表7：算力投資對經(jīng)濟的杠桿作用資料來源：華為，國盛證券研究所圖表8：計算力對經(jīng)濟的推動作用資料來源：IDC，國盛證券研究所由此可見，算力已經(jīng)成為衡量國家綜合競爭力的重要指水平與國家智能化程度呈現(xiàn)高度相關(guān)性。包括美國、新加坡、英國在內(nèi)的當(dāng)前智能化水平較高的國家，人均算力水平同樣呈現(xiàn)較高的水平；而泰國、印度尼西亞等較低智能化P.12請仔細閱讀本報告末頁聲明圖表9：人均算力反應(yīng)國家智能化水平資料來源：羅蘭貝格，IMD，華為，國盛證券研究所駛，智能機器人，人工智能等新需求的快速成熟，邊緣側(cè)與終端側(cè)算力需求涌現(xiàn)，全球現(xiàn)有算力將快速進入“供不應(yīng)求”的局面，算力革命已經(jīng)迫在眉睫。極限、流量成本、碳排放等因素制約，集中式算力的邊際性價比正在減弱。需求方面，未來呈現(xiàn)指數(shù)型爆發(fā)式增長。本篇報告，我們將從供需出發(fā)，分條闡述“算力革命”爆發(fā)的必然性與急迫性，并給出相關(guān)的投資建議。柵長縮小到一定程度的時候，即使沒有加電壓，源極和漏極都接近互通，晶體管便失去P.13請仔細閱讀本報告末頁聲明圖表10：不同制程手機芯片成本0資料來源：華為，羅蘭貝格，國盛證券研究所即使在能夠接受較高成本的大型數(shù)據(jù)中心等用戶中，處理器性能的過擬合不同核心數(shù)量的芯片計算能力樣本數(shù)據(jù)，我們發(fā)現(xiàn)多核處理器隨核數(shù)增長，算力增長的倍數(shù)快速下滑：從2核增至4核圖表11：核心數(shù)與算力關(guān)系曲線資料來源：華為，羅蘭貝格，國盛證券研究所這段過程是通過網(wǎng)關(guān)、基站、數(shù)據(jù)中心等不同網(wǎng)節(jié)點之間的信道所實現(xiàn)的，其中信道的P.14請仔細閱讀本報告末頁聲明圖表12：算力與網(wǎng)絡(luò)的供需錯配資料來源：華為，國盛證券研究所隨著芯片制成逐漸接近量子隧穿效應(yīng)發(fā)生的制程，當(dāng)前主流芯片的能效比的難度凸顯，其進一步下探幅度有限，這意味著，等量算力的提升，即將對應(yīng)等量能耗需求的提升。面對未來百倍的算力需求，高能耗問題將成為人類算力發(fā)展過程中的重要鏈、AR/VR等關(guān)鍵信息技術(shù)逐漸成熟，社會中大量智能化場格報告，人工智能技術(shù)將推動無人駕駛、智能辦公、智慧醫(yī)療等場景的有效落地，物聯(lián)網(wǎng)技術(shù)將推動智能消防、智慧工廠、智慧農(nóng)場、智能家居等場景落地，區(qū)塊鏈技術(shù)將推P.15請仔細閱讀本報告末頁聲明課堂等場景落地。這些場景未來將在產(chǎn)業(yè)領(lǐng)域?qū)崿F(xiàn)跨越式發(fā)展、助力各產(chǎn)業(yè)創(chuàng)新、增強產(chǎn)業(yè)數(shù)字化程度并增強市場活力，在政務(wù)領(lǐng)域幫助政府提升運行效率、提高城市管理水平、加強居民生活幸福度，在民生領(lǐng)域推動社會民生保障、創(chuàng)造宜居空間、實現(xiàn)可持續(xù)圖表13：算力發(fā)展的驅(qū)動原因資料來源：華為，羅蘭貝格，國盛證券研究所圖表14：四類關(guān)鍵技術(shù)對算力的具體要求AR/VR：提供低時延且不間斷的要求較低提供不受地理范圍限制提供能滿足波峰與波谷能夠裝載在隨行的物體上機AR/VR設(shè)備資料來源：華為，IDC，寬帶發(fā)展聯(lián)盟，羅蘭貝格，國盛證券研究所P.16請仔細閱讀本報告末頁聲明從算力需求看，人工智能技術(shù)對于算力的核心拉動點在于未來各應(yīng)用場景內(nèi)單設(shè)備芯片算力的增長和人工智能技術(shù)的行業(yè)滲透率的進一步提升，物聯(lián)網(wǎng)主要通過低算力物聯(lián)網(wǎng)設(shè)備的普及、配套云端計算中心和邊緣端計算單元的增加共同拉動算力增長，區(qū)塊鏈因VR/AR設(shè)備的普及和普及需要的云計算中心和邊緣計算設(shè)備算力配套將共同推動整體算發(fā)深入，當(dāng)先算力的需求端將會出現(xiàn)指數(shù)型爆發(fā)，我們將在第五章更加深入的展開討論前文提到，在算力需求百倍增長下，由于處理器單核性能與多核提升邊際遞減存在，大型數(shù)據(jù)中心的算力提升有限。同時，由于網(wǎng)絡(luò)性能，帶寬成本等制約，對于分布式需求算力泛在，我們認為，就是實現(xiàn)“云、邊、端”算力的融合，縱觀當(dāng)今算力發(fā)展，進入多核受限于核心效應(yīng)邊界與功耗，網(wǎng)絡(luò)化受限于時延與成本。因此，算力泛在，即實現(xiàn)P.17請仔細閱讀本報告末頁聲明圖表15：現(xiàn)代算力發(fā)展的三個階段資料來源：華為，國盛證券研究所汽車等終端設(shè)備的快速進化，邊緣側(cè)計算與云端計算相結(jié)合的網(wǎng)絡(luò)和硬件條件正在逐步完善，算力“泛在”的整體環(huán)境已經(jīng)初步建立。我們將在第三章，分為“中心”與“邊前文提到，制約算力供給端的因素之一，是全球雙碳趨勢下，數(shù)據(jù)中心高能耗與全球碳放目標。此后，GSMA下逾50家成員單位（包括沃達豐、西班已陸續(xù)開始公布年度能源消耗情況，制定每年的能源消耗削減目標及策略計劃，從而實現(xiàn)對其數(shù)據(jù)中心的能源消耗控制。的高效利用。另一方面，要積極提高綠色能源在機房用電中的占比，實現(xiàn)數(shù)據(jù)中心真正的投資機會。以常見的物聯(lián)網(wǎng)模組為例，市場認為模組僅是提供單一的無線通信能力，而當(dāng)下游需求豐富起來之后，模組還需支持操作系統(tǒng)、多媒體、本地算力等應(yīng)用，且在智能家居、智P.18請仔細閱讀本報告末頁聲明圖表16：算力生態(tài)功能資料來源：國盛通信團隊整理，國盛證券研究所的的數(shù)據(jù)量，其中視頻為主的非結(jié)構(gòu)化數(shù)據(jù)將占到80%以上。而其中數(shù)據(jù)的創(chuàng)建正在更多的趨向于邊緣，同樣的數(shù)據(jù)的存儲也會向中心和邊緣轉(zhuǎn)變，終端的占比會下降。但是數(shù)據(jù)的處理一直在中心，數(shù)據(jù)的使用和消費在端側(cè)，就出現(xiàn)了算力錯位。算力錯位會導(dǎo)云計算是現(xiàn)在計算的一個主流，開創(chuàng)了云端算力的模式，把云端算力投射到終端上，當(dāng)近二十年，以數(shù)據(jù)為基礎(chǔ)、以網(wǎng)絡(luò)為媒介、以計算為核心的科技以迅雷不及掩耳的速度急速發(fā)展，全球進入移動互聯(lián)網(wǎng)時代，產(chǎn)生的數(shù)據(jù)量相當(dāng)于過去數(shù)世紀的數(shù)據(jù)量總和，代，經(jīng)過十多年的發(fā)展，云服務(wù)已經(jīng)影響到企業(yè)和個人生活的方方面面。隨著全球范圍P.19請仔細閱讀本報告末頁聲明圖表177：中心和邊緣側(cè)的算力錯位資料來源：LiveVideoStack，國盛證券研究所因為互聯(lián)網(wǎng)行業(yè)發(fā)展暫緩，對于光模塊等產(chǎn)業(yè)鏈公司，主要對于動蕩環(huán)境下的北美宏觀上來，其本質(zhì)是人類對于更加智能，更加美好的生活的追求，算力需求的增長具有高度圖表188：羅永浩抖音直播帶貨資料來源：抖音，國盛證券研究所視頻，以及愛奇藝、騰訊視頻為主的長視頻逐漸成為新潮流。而直播也發(fā)展出了更多形式，以淘寶、拼多多為主的電商逐漸進入直播帶貨時代，抖音、快手也憑借其在短視頻的流量優(yōu)勢涉足電商領(lǐng)域。用戶的習(xí)慣開始轉(zhuǎn)向以視頻和直播為主的應(yīng)用和媒介，而視頻直播又意味著流量相較過去有了數(shù)十倍的爆發(fā)。P.20請仔細閱讀本報告末頁聲明圖表19：2013年至2021年中國DOU值2013年至2021年中國DOU值86420資料來源：Wind，國盛證券研究所隨著以智能駕駛、人工智能、物聯(lián)網(wǎng)為標志的智能化場景加速滲透，我國會加速釋放。面對未來百倍的算力需求，作為云端算力的載體，數(shù)據(jù)中心在未來算力網(wǎng)今年以來，國內(nèi)投資者對于北美數(shù)通產(chǎn)業(yè)鏈景氣度預(yù)期進行了明顯的下修，以光模塊為本支出展望、以及數(shù)通產(chǎn)業(yè)鏈各家中報業(yè)績來看，市場對于北美數(shù)通的預(yù)期存在過分悲觀的情況。在宏觀不確定性下，龍頭大廠依舊逆勢加碼云基建，說明數(shù)字化，云化依舊是當(dāng)下最具潛力的行業(yè)賽道。我們認為，從中短期來看，北美數(shù)據(jù)中心的需求仍然非常旺盛。從云計算業(yè)務(wù)來看，北圖表20：北美三大云業(yè)務(wù)營收同比增速AWS谷歌云Azure資料來源：WInd、國盛證券研究所P.21請仔細閱讀本報告末頁聲明圖表21：北美四大云廠商資本支出（單位：百萬美元）0資料來源：Wind、國盛證券研究所從設(shè)備商角度，盡管英偉達、AMD等公司Q2業(yè)績表現(xiàn)出現(xiàn)了一定程度下滑，但主要原圖表22：英偉達數(shù)據(jù)中心業(yè)務(wù)單季度營收及其同比增速（單位：億美元）50..2020Q12020Q22020Q32020Q42021資料來源：英偉達、國盛證券研究所均同比顯著增長。在云計算方面，AWS、百度、谷歌、微軟P.22請仔細閱讀本報告末頁聲明司在數(shù)據(jù)中心交換機市場份額持續(xù)提升中，公司預(yù)計整個數(shù)據(jù)中心市場還將持續(xù)增長，圖表23：arista預(yù)計到2026年整個數(shù)據(jù)中心交換機市場將增長至240億美元資料來源：arista，國盛證券研究所我們通過以上三家具有代表性的科技公司近期業(yè)績可以大致看到，數(shù)據(jù)中心市場景氣度依舊保持高位，且根據(jù)指引預(yù)期來看，未來還將繼續(xù)保持高景氣增長。結(jié)合北美頭部云廠商一季度增速及云廠商全年資本開支指引，即便下半年面臨短期波動，中期北美數(shù)據(jù)中心產(chǎn)業(yè)景氣度可見。領(lǐng)域的加速探索，北美流量長期增長的態(tài)勢不會改變，數(shù)據(jù)中心在作為算力發(fā)展的核心P.23請仔細閱讀本報告末頁聲明圖表24：國內(nèi)優(yōu)質(zhì)IDC公司推薦（8月11日收盤價）國內(nèi)IDC公司PE取Wind一致預(yù)期股票代碼公司名稱市值（億）公司簡介萬m2。資料來源：Wind，國盛證券研究所管市場擔(dān)心22H2在美國加息周期中，大需求持較樂觀的態(tài)度，一旦加息預(yù)期出現(xiàn)拐點（加息周期影響云廠商業(yè)務(wù)收入，同時不圖表25：北美優(yōu)質(zhì)IDC產(chǎn)業(yè)鏈公司推薦（8月11日收盤價）北美IDC產(chǎn)業(yè)鏈公司PE取Wind一致預(yù)期股票代碼公司名稱市值（億）公司簡介主營數(shù)通100/200/400/800G高速光模塊，有能300502.SZ新易盛129.6621.1力批量交付，并掌握高速率光器件芯片封裝和光器件封裝；2021年海外營收占78%。主營光連接器、分路器、插芯、光芯片等無源器300570.SZ太辰光34.5045.323.6件，及有源光纜、光模塊等有源器件及其組件；2021年海外營收占80%。主營數(shù)通100/200/400/800G高速光模塊，2021300308.SZ中際旭創(chuàng)247.9026.5年市場份額居全球第二，約為10%；2021年海外營收占75%。一站式光器件供應(yīng)商，主營無源及有源光器件，300394.SZ天孚通信103.8823.8成功研發(fā)光引擎產(chǎn)品；公司是新易盛、中際旭創(chuàng)002463.SZ滬電股份278.2429.620.3主營PCB制造，2021年海外營收占68%。資料來源：Wind，國盛證券研究所最后看國產(chǎn)數(shù)通市場情況。目前服務(wù)器國產(chǎn)替代之風(fēng)較之前更為流行，因此我們看好綜合能力較強、市場份額靠前的國內(nèi)網(wǎng)絡(luò)設(shè)備廠商，如紫光股份、星網(wǎng)銳捷，以及目前P.24請仔細閱讀本報告末頁聲明圖表26：國產(chǎn)服務(wù)器廠商推薦（8月11日收盤價PE取Wind一致預(yù)期）股票代碼公司名稱市值（億）公司簡介000938.SZ紫光股份576.0230.421.9云計算軟硬件廠商，客戶覆蓋面廣泛。2019-2021年中國以太網(wǎng)交換機、企業(yè)路由器市場份002396.SZ星網(wǎng)銳捷131.3025.0主營B/G端通信設(shè)備與軟件服務(wù)，2021年中國以太網(wǎng)交換機市場份額第三。301191.SZ菲菱科思43.05--20.3主營B/G端、兼顧C端通信設(shè)備，是A股唯一網(wǎng)絡(luò)設(shè)備ODM/OEM廠商。資料來源：Wind，國盛證券研究所化算力支撐乃是效率較低的選擇，無論是智能駕駛對于時延的要求，亦或是傳輸高清視頻圖像等帶來的大額帶寬成本，都將進一步加劇圖表27：云計算部署方式資料來源：Gartner，國盛證券研究所圖表28：邊緣計算部署方式資料來源：Gartner，國盛證券研究所在此背景下，邊緣計算便成為了傳統(tǒng)云端算力的很好補充，云計算聚焦非實時，長周期數(shù)據(jù)的大數(shù)據(jù)分析，能夠在周期性維護，業(yè)務(wù)決策支撐等領(lǐng)域發(fā)揮特長。邊緣計算聚焦實時、短周期數(shù)據(jù)的分析，能更好的支撐本地業(yè)務(wù)的實時智能化處理與執(zhí)行。算力“泛在”的模式也將隨著邊緣計算的加入得到完善。從邊緣計算的定義、優(yōu)勢、行業(yè)空間、應(yīng)用案例、產(chǎn)業(yè)鏈玩家、A股相關(guān)根據(jù)邊緣計算產(chǎn)業(yè)聯(lián)盟的定義，邊緣計算是在靠近物或者數(shù)據(jù)源頭得到網(wǎng)絡(luò)邊緣側(cè)，融合網(wǎng)絡(luò)、計算、存儲、應(yīng)用核心能力的開放平臺，就近提供邊緣智能服務(wù)，滿足行業(yè)數(shù)P.25請仔細閱讀本報告末頁聲明圖表29：邊緣計算的范圍資料來源：Gartner，國盛證券研究所圖表30：邊緣計算發(fā)展歷史資料來源：工業(yè)互聯(lián)網(wǎng)產(chǎn)業(yè)聯(lián)盟，國盛證券研究所在相關(guān)理論加速成熟的同時，行業(yè)聯(lián)盟也在加速建立，目前主流的邊緣計算聯(lián)盟包括了思科、ARM、英特爾、戴爾、微軟、普林斯華為、沈自所、信通院、因特爾、ARM、軟P.26請仔細閱讀本報告末頁聲明圖表31：邊緣計算產(chǎn)業(yè)聯(lián)盟資料來源：工業(yè)互聯(lián)網(wǎng)產(chǎn)業(yè)聯(lián)盟，國盛證券研究所聯(lián)接階段，邊緣計算主要解決終端及設(shè)備的海量、異構(gòu)與實時連接，網(wǎng)維，并保證聯(lián)接的安全、可靠與互操作性。這一階段的典型應(yīng)智能階段，在該階段，邊緣側(cè)將會引入數(shù)據(jù)分析與業(yè)務(wù)自動處理業(yè)務(wù)邏輯，大幅提升效率，降低成本。這一階段的典型應(yīng)用包括了各種設(shè)備的自我狀態(tài)監(jiān)測等。算，還能夠動態(tài)實時的自我優(yōu)化，調(diào)整和執(zhí)行策略，該階段的典型應(yīng)用是各類無人工廠低時延：低時延是提高用戶體驗甚至是使得某些應(yīng)用能夠工作的重要因素。一方面，邊緣計算通過在網(wǎng)絡(luò)邊緣進行數(shù)據(jù)處理，降低了因數(shù)據(jù)在終端和云端之間多跳傳輸產(chǎn)生的時延。另一方面，利用優(yōu)化的邊緣算力進行數(shù)據(jù)處理，也比利用有限的終端算力進行數(shù)低帶寬：物聯(lián)網(wǎng)設(shè)備產(chǎn)生的數(shù)據(jù)具有體量大、價值密度較小的特性。如果把原始數(shù)據(jù)直接傳輸?shù)皆贫诉M行處理，很大程度上造成網(wǎng)絡(luò)擁塞，為了保證帶寬所需的成本代價也極更經(jīng)濟的智能：視頻監(jiān)控、語音識別、圖像分析等人工智能行。但基于實時數(shù)據(jù)進行模型推理如果也在云端進行，網(wǎng)絡(luò)成本會非常高。同時，普通的終端設(shè)備無論從算力還是能耗角度都無法支持模型的推理。邊緣計算將AI模型推理P.27請仔細閱讀本報告末頁聲明數(shù)據(jù)可控：企業(yè)往往對將自己的生產(chǎn)數(shù)據(jù)傳輸?shù)皆贫诉M行處理有很大顧慮。邊緣計算能避免了數(shù)據(jù)傳輸過程中可能的泄露、遺失、篡改等風(fēng)險。此外，云計算數(shù)據(jù)中心對數(shù)據(jù)的安全控制力度并不是十分理想，API訪問權(quán)限控制以及密鑰生成、存儲和管理方面的不足都可能造成數(shù)據(jù)泄漏，并且還可能缺乏必要的數(shù)據(jù)銷毀政策。邊緣計算可以實現(xiàn)更擊窗口眾多。邊緣計算硬件專為嚴苛的物理環(huán)境設(shè)計，具有緊湊、堅固、抗高溫高濕等能實現(xiàn)自治，繼續(xù)支撐其上應(yīng)用的運行，在網(wǎng)絡(luò)恢復(fù)之后，還能自動與云端更新數(shù)據(jù)、狀態(tài)。邊緣計算軟件平臺還支持應(yīng)用跨節(jié)點部署及多實例運行等能力，當(dāng)某個節(jié)點發(fā)生故障時，可快速實現(xiàn)負載遷移，避免對業(yè)務(wù)的圖表32：邊緣計算的五大核心優(yōu)勢資料來源：《聯(lián)想邊緣計算白皮書》、國盛證券研究所通過邊緣計算技術(shù)將應(yīng)用部署到數(shù)據(jù)側(cè)，而不是將所有數(shù)據(jù)發(fā)送到集中的數(shù)據(jù)中心，滿足應(yīng)用的實時性。白皮書認為，智慧工廠、智能電網(wǎng)、智能駕駛、健康醫(yī)療、娛樂和數(shù)字媒體是未來最具商業(yè)規(guī)模且排名靠前的邊緣計算需求場景，極具典型性，并且運營商也在這些領(lǐng)域與行業(yè)客戶緊密合作，基于用戶需求，共同推動邊緣計算的發(fā)展，為用戶署形式，有望在物理層面加速邊緣計算網(wǎng)絡(luò)的P.28請仔細閱讀本報告末頁聲明圖表33：5G下的邊緣計算資料來源：中國聯(lián)通邊緣計算白皮書，國盛證券研究所經(jīng)能夠為大量垂直行業(yè)提供5G服務(wù)。MEC圖表34：廣域MEC資料來源：工業(yè)互聯(lián)網(wǎng)產(chǎn)業(yè)聯(lián)盟，國盛證券研究所P.29請仔細閱讀本報告末頁聲明港口龍門吊的遠程操控，鋼鐵廠的天車遠程操控，以及大部分的制造、石化、教育、醫(yī)圖表35：局域MEC資料來源：工業(yè)互聯(lián)網(wǎng)產(chǎn)業(yè)聯(lián)盟。國盛證券研究所解決方案的硬件、軟件和服務(wù)上的支出預(yù)計將持續(xù)從地理角度來看，美國將成為優(yōu)勢解決方案的最大投資者，P.30請仔細閱讀本報告末頁聲明圖表36：全球數(shù)據(jù)流量類型（ZB/Y）0資料來源：思科全球云指數(shù)數(shù)據(jù)，國盛證券研究所公有云廠商：將云計算能力向設(shè)備和用戶側(cè)延伸，擴充云數(shù)據(jù)中心的外延，將云原生的統(tǒng)一編程模式通過邊緣網(wǎng)關(guān)的能力應(yīng)用到設(shè)備構(gòu)成的邊緣云，主打云邊協(xié)同ICT廠商：將基礎(chǔ)軟硬件及技術(shù)服務(wù)同邊緣計算場景融合，實現(xiàn)軟代表：聯(lián)想、浪潮、新華三、中興、華為、初靈信息P.31請仔細閱讀本報告末頁聲明圖表37：邊緣計算主要玩家云計算巨頭微軟邊緣計算平臺云端能力融入終端，本地聚合分析與預(yù)測AWS邊緣計算平臺賦能DeepLens設(shè)備（AI相機），用于在邊緣進行機器學(xué)習(xí)模型構(gòu)建Google邊緣計算系統(tǒng)基于AI，主要針對家電設(shè)備阿里云邊緣計算平臺用于AI實踐，目前已獲16家芯片、52家設(shè)備商、184款模組和網(wǎng)關(guān)支持百度邊緣計算平臺將云端的數(shù)據(jù)管理與計算機功能以軟件的方式放在設(shè)備端華為+GE邊緣計算平臺設(shè)備運行狀態(tài)實時監(jiān)測，提供預(yù)測性維護的智能決策Vmware邊緣監(jiān)視運用運行在戴爾服務(wù)器上，與IP視頻監(jiān)控產(chǎn)品的Axis通信公司合作Intel邊緣處理器瞄準對密度和電力消耗的問題更為敏感的邊緣環(huán)境Linux基金會物聯(lián)網(wǎng)設(shè)備互操作框架解決物聯(lián)網(wǎng)器件的互操作性問題，在系統(tǒng)邊緣部署運行著EdgeX核心程序的網(wǎng)關(guān)設(shè)備邊緣網(wǎng)絡(luò)，正在建設(shè)平臺提供邊緣LaaS和PaaS服務(wù)CloudFlare邊緣網(wǎng)絡(luò)及平臺微服務(wù)形式，支持邊緣編程運營商移動邊緣網(wǎng)絡(luò)低時延智能網(wǎng)絡(luò)（云游戲試點）邊緣網(wǎng)絡(luò)，邊緣云平臺試點工業(yè)互聯(lián)網(wǎng)邊緣計算開放平臺；延展現(xiàn)有CDN服務(wù)，并為多網(wǎng)絡(luò)用戶服務(wù)聯(lián)通邊緣網(wǎng)絡(luò)，建設(shè)平臺中2025年100%云化；發(fā)布CDN+邊緣計算的多款融合應(yīng)用AT&T邊緣網(wǎng)絡(luò)靠近商業(yè)站點的特定地理位置部署高級云服務(wù)資料來源：表內(nèi)公司官網(wǎng)，國盛證券研究所我們認為自動駕駛、AI、AR/VR等需要高算力、低延時的場景會逐傳統(tǒng)的維護方式主要是事后維護和預(yù)防性維護，事后維護會導(dǎo)致業(yè)務(wù)中斷，預(yù)防性維護轉(zhuǎn)向整合產(chǎn)業(yè)鏈、依靠維保服務(wù)增加企業(yè)收入，但電梯通過事后維護和預(yù)防性維護的成改造提升運維效率、降低運維成本。通過引入邊緣計算，可以助力電梯廠商從傳統(tǒng)的預(yù)以電梯為例，基于電梯內(nèi)大量的傳感器，可以對電梯運行狀態(tài)實的邊緣計算融合網(wǎng)關(guān)可以提供數(shù)據(jù)分析能力，第一時間發(fā)現(xiàn)設(shè)備潛在故障。同時提供本地存活，一旦與云端聯(lián)接故障，數(shù)據(jù)可以本地保存，聯(lián)接恢復(fù)后，本地收斂數(shù)P.32請仔細閱讀本報告末頁聲明可以幫助電梯廠家研發(fā)改善產(chǎn)品質(zhì)量、售后提升服務(wù)滿意度；可以開放給樓宇物業(yè)等，幫助提供緊急救援等服務(wù)；可以為廣告廠商等提供媒資傳播平臺。典型行業(yè)應(yīng)用場景：電梯、特種車、數(shù)控機床、二次供水設(shè)備、能源預(yù)測隨著世界經(jīng)濟的發(fā)展，發(fā)展需求與能源制約的矛盾愈加明顯，能耗水平反或地區(qū)的經(jīng)濟發(fā)展水平和生活質(zhì)量，在能源需求日趨緊張的情況下，如何實現(xiàn)建筑能耗量化以及效果評估，降低建筑物（包括空調(diào)、路燈照明、辦公設(shè)備等）運行過程中消耗的能量，從而降低運行成本，同時提高用戶使用滿意度，滿足各大企業(yè)從提供產(chǎn)品向提廠商都準備向智能路燈轉(zhuǎn)型，通過智能路燈節(jié)能減排，相關(guān)國家和國際組織也逐步在法律中明確建設(shè)綠色節(jié)能標準，如全球氣候組織呼吁十年完成全球路燈智能化改造、實現(xiàn)通過引入邊緣計算，能夠為能效管理帶來以下通過實時能效控制有效降低建筑能耗，節(jié)約能源方面的開支，據(jù)澳大利亞墨爾本項實現(xiàn)能源信息采集自動化，節(jié)省人工采集費用，降低維保證正常工作和管理，同時邊緣側(cè)能夠?qū)崟r監(jiān)測路燈、開關(guān)、空調(diào)等采集設(shè)備的狀態(tài)，進行可預(yù)測性維護，在設(shè)備可能出現(xiàn)故障時實時進行策略調(diào)整。典型行業(yè)應(yīng)用隨著消費者對產(chǎn)品需求的日益增高，產(chǎn)品的生命周期越來越短，小批量多制化需求的產(chǎn)品生產(chǎn)模式將一定程度替代大批量生產(chǎn)制造模式，先前制造體系嚴格的分層架構(gòu)已經(jīng)無法滿足當(dāng)前的制造需求，以某消費電子類產(chǎn)品的制造生產(chǎn)線為例，采用操作重置、接口配置耗時約5~12周，嚴P.33請仔細閱讀本報告末頁聲明圖表38：智能制造架構(gòu)資料來源：邊緣計算產(chǎn)業(yè)聯(lián)盟白皮書，國盛證券研究所邊緣計算能夠推動智能制造的實現(xiàn)。邊緣計算在工業(yè)系統(tǒng)中的在數(shù)據(jù)平臺中，根據(jù)產(chǎn)線的工藝和工序模型，通過服務(wù)組合對現(xiàn)場設(shè)備進行動態(tài)管理和化，舊的制造設(shè)備快速替換與新設(shè)備上線。升1倍；通過生產(chǎn)節(jié)拍、物料供給方式的自動變化來適應(yīng)每天多次的計劃調(diào)整，消除多個型P.34請仔細閱讀本報告末頁聲明圖表39：邊緣計算在智能制造中的應(yīng)用資料來源：邊緣計算產(chǎn)業(yè)聯(lián)盟白皮書，國盛證券研究所圖表40：邊緣計算A股標的（9月2日收盤價PE取Wind一致預(yù)期）公司簡介戶提供包含邊緣云主機與容器在內(nèi)的邊緣云整體解決資料來源：Wind，國盛證券研究所P.35請仔細閱讀本報告末頁聲明素之一，在單位算力功耗呈現(xiàn)出逐年遞減，且正向著極限逼近的態(tài)勢下，算力的整體量級卻仍然隨著其廣泛的應(yīng)用而持續(xù)大規(guī)模增長。一方面必須依托算力的大規(guī)模使用以實現(xiàn)智能社會的演進，而另一方面這一進程又必將伴隨著碳排放的提升而導(dǎo)致全球氣候的圖表41：歷年服務(wù)器芯片能耗對比（W/GFLOPS）50W/GFLOPSW/GFLOPS4770KQuadAMDAMD資料來源：Intel，AMD，國盛證券研究所數(shù)級下降的趨勢，發(fā)展到當(dāng)下7納米制程的先進處理器芯片時已開始趨近于О片制造工藝的低制程化，而這一趨勢正受到硅基芯片上晶體管柵長縮減引發(fā)的量子隧穿效應(yīng)挑戰(zhàn)，一旦到達臨界制程可能將造成晶體管閉合功能的全面無效化。因此在沒有新P.36請仔細閱讀本報告末頁聲明圖表42：晶體管結(jié)構(gòu)原理及3nm以后解決方案展望資料來源：《MakingChipsAt3nmAndBeyond》2020.04，國盛證券研究所整理幅度有限的背景下，智能社會應(yīng)用的廣泛普及無可避免，勢必導(dǎo)致算力功耗總量的進一步提升。根據(jù)工信部數(shù)據(jù)，隨著人工智能、物聯(lián)網(wǎng)、區(qū)塊鏈等技術(shù)的發(fā)展，我國數(shù)據(jù)中年全社會用電量。面問未來，數(shù)據(jù)中心算力將在信息技術(shù)產(chǎn)業(yè)的大力發(fā)展下繼續(xù)增長，設(shè)備、供電系統(tǒng)和照明系統(tǒng)，其中制冷系統(tǒng)和IT設(shè)備合計占總能耗的80%。圖表43：數(shù)據(jù)中心能耗組成40%40%供配電系統(tǒng)資料來源：工信部，國盛證券研究所明確用三年時間基本形成布局合理、技術(shù)先進、綠色低碳、算力規(guī)P.37請仔細閱讀本報告末頁聲明圖表44：重點城市數(shù)據(jù)中心最新政策資料來源：各有關(guān)部門，國盛證券研究所中心會更加系統(tǒng)地從基礎(chǔ)設(shè)施和管理系統(tǒng)層面來進行優(yōu)化，降低功耗，且通常會采用能耗比更加優(yōu)秀的服務(wù)器、數(shù)通設(shè)備、節(jié)能型供電和冷卻配套硬件解決方案圖表45：歐洲和中國不同類型數(shù)據(jù)中西PUE水平資料來源：工信部，哥本哈根經(jīng)濟，公開資料整理，羅蘭貝格，國盛證券研究所器，以模塊化設(shè)計將供電、散熱系統(tǒng)與服務(wù)器置于同一機柜內(nèi)，針對每個機柜實際運行及功耗進行個體化調(diào)節(jié)，同時輔以高壓直流＋市電直供的供電模式冷卻系統(tǒng)的運營狀態(tài)進行自適應(yīng)的動態(tài)化調(diào)整。如華為廊坊數(shù)據(jù)中心所采用的iCooling耗的不同關(guān)鍵因素，建立預(yù)測模型并對相應(yīng)系統(tǒng)進行動態(tài)調(diào)整，降P.38請仔細閱讀本報告末頁聲明圖表46：百度自研北極天蝎整機柜服務(wù)器資料來源：百度，國盛證券研究所圖表47：華為iCooling數(shù)據(jù)中心AI神經(jīng)網(wǎng)絡(luò)模型資料來源：華為，國盛證券研究所互聯(lián)網(wǎng)和云計算高速發(fā)展，對應(yīng)其大型數(shù)據(jù)中心建設(shè)如火如荼，間接蒸發(fā)冷卻是當(dāng)域深度布局，間接蒸發(fā)冷卻產(chǎn)品技術(shù)領(lǐng)先，就冷水板方面而言，可提供從熱源測傳熱到外部冷源的全鏈條產(chǎn)品，產(chǎn)品廣泛應(yīng)用在大型數(shù)據(jù)中心或運營商機房中。圖表48：英維克制冷系統(tǒng)示意圖資料來源：英維克、國盛證券研究所底光電復(fù)合纜、海底分電站及海底數(shù)據(jù)艙組成，主體結(jié)構(gòu)為罐體結(jié)構(gòu)，電氣設(shè)備、冷卻系統(tǒng)均布置在罐體內(nèi)部，罐體頂部為海水冷卻系統(tǒng)。通過龐大的海水流冷卻數(shù)據(jù)艙，有算力密度高，模塊化生產(chǎn)，部署效率高，90天內(nèi)完成從工廠P.39請仔細閱讀本報告末頁聲明圖表49：海底數(shù)據(jù)中心示意圖資料來源：海蘭信官網(wǎng)，國盛證券研究所同思路的指令集系統(tǒng)的競爭。指令集系統(tǒng)在發(fā)展過程中，分化出復(fù)雜指令系統(tǒng)計算簡指令集來減少硬件設(shè)計的復(fù)雜程度，同時每條指令集長度均相等，因此可以提升指令集執(zhí)行效率，所以相同計算量下，效率往往比CISC更高。事實上，In圖表50：CISC與RISC對比CISCRISC指令尋址方式微程序控制技術(shù)長資料來源：CSDN，國盛證券研究所高的單核主頻、更多的線程才能有更強性能，在摩爾定圖表51：CISC與RISC對比云服務(wù)名稱CPUAWSAzure機AmpereAltraAmpereAltraA1資料來源：AWS，Azure，Oracle，阿里，華為，國盛證券研究所強數(shù)據(jù)主權(quán)的影響，各大云計算廠商都在積極向市場投放微型數(shù)據(jù)中心，微型數(shù)據(jù)中心同時，邊緣計算往往數(shù)據(jù)多元化、計算負載變圖表52：RMCortex-A72架構(gòu)資料來源：ARM，國盛證券研究所AmpereA1CPU為例，相比于同代、相似性能x86架構(gòu)的IntelXeonOptimized3，P.40請仔細閱讀本報告末頁聲明P.41請仔細閱讀本報告末頁聲明圖表53：ARMAmpereA1與x86IntelXeonOptimized3、AMDEPYCE4的H.264視頻處理效率對比資料來源：ARMCommunity，國盛證券研究所通用性、兼容性強的架構(gòu)可以滿足絕大部分計算需求，同時，摩爾定律在過去可以持續(xù)生效，提升主頻頻率、增加核心數(shù)便可以使芯片性能突飛猛進；而如今硬件虛擬化、云計算興起，同時芯片制程迎來瓶頸，讓計算機引入特定計算單元變成必然趨勢，異構(gòu)計算成為串/并聯(lián)特定種類的計算機的混合系統(tǒng)，因此以macOS擅長的視頻剪輯、圖像處理）僅是蘋果自研ARM芯重要的目標在于統(tǒng)一不同設(shè)備的芯片架構(gòu)，創(chuàng)造出設(shè)備從底至頂?shù)耐耆ヂ?lián)互通，M1macOS原先專有的App。無獨有偶，在移動端和物聯(lián)網(wǎng)領(lǐng)域，ARM生態(tài)市占率圖表54：基于ARM架構(gòu)的蘋果M1芯片圖表55：電動車智能座艙大火的高通圖表54：基于ARM架構(gòu)的蘋果M1芯片資料來源：高通，國盛證券研究所資料來源：蘋果，國盛證券研究所資料來源：高通，國盛證券研究所P.42請仔細閱讀本報告末頁聲明依托現(xiàn)有的以X86為主的架構(gòu)難以針對各類場景都提供有效支持，因而提出了對于以ARM為代表的RISC等更多類架構(gòu)芯片發(fā)展、同時實現(xiàn)端到端的適多樣化。能地將其封裝成黑盒產(chǎn)品，以避免兼容性問題；但是未來隨著大部分算力都有望搬上云數(shù)據(jù)傳輸瓶頸；微軟正在自研ARM處理器，將率先使用在自家Azure上；Intel進軍與圖表56：RISC架構(gòu)對未來智能化社會要求更加匹配，以ARM為例資料來源：羅蘭貝格，國盛證券研究所在基站設(shè)備及數(shù)據(jù)中心內(nèi)部，芯片/Serdes/光電轉(zhuǎn)換模塊等關(guān)鍵器件的功耗在整機功標，隨著光通信行業(yè)的不斷發(fā)展，高速率產(chǎn)品是光通信行業(yè)的發(fā)展趨勢，高速率產(chǎn)品在括10G、25G、40G、100G、200P.43請仔細閱讀本報告末頁聲明圖表57：隨著速率持續(xù)提升，光模塊單Gbit/s的能耗持續(xù)降低（單位：W/G）0●●●●●●資料來源：中際旭創(chuàng)，國盛證券研究所測算由此產(chǎn)生的物理效率損耗逐漸成為交換機速率進一步提升的瓶頸，傳統(tǒng)交換機速率達到ASIC和光引擎共同封裝在同一基板上，光引擎的位置盡量靠近ASIC，以最大程度地減少高速電通道損耗和阻抗不連續(xù)性，從而可以使用速度更快、功耗更低的片外I圖表58：CPO交換機系統(tǒng)架構(gòu)資料來源：Intel，國盛證券研究所圖表59：intel1.6T硅光引擎與12.8T的可編程以太網(wǎng)交換機集成CPO交換機實物資料來源：Intel，國盛證券研究所核與通用計算內(nèi)核混合的芯片級產(chǎn)品。P.44請仔細閱讀本報告末頁聲明可再生能源的覆蓋率，通過減少傳統(tǒng)化石燃料消耗，以達到減排目的。我國可再生資源豐富，太陽能、風(fēng)能、水能等可再生能源使用將顯著降低碳排放，瞄準可再生能源是算圖表60：我國光伏發(fā)電潛力資料來源：Solargis數(shù)據(jù)庫，國盛證券研究所圖表61：我國70米高度陸地（左）和海上（右）風(fēng)能資源（單位：瓦/平方米）資料來源：國家發(fā)改委能源研究所，IEA.(2011).DevelopmentRoadmapforChina’sWindPower2050，國盛證券研究所少公司近年來在算力余熱綜合應(yīng)用領(lǐng)域進行探索，例如S技術(shù)，循環(huán)利用芯片余熱為潛在客戶提供清潔熱力服務(wù)，同時降低數(shù)字資產(chǎn)算力基礎(chǔ)設(shè)用在帶來新的機遇同時也使電網(wǎng)運營商面臨著一個棘手的問題：人們無法控制太陽能發(fā)電和風(fēng)力發(fā)電所產(chǎn)生的電力數(shù)額。當(dāng)產(chǎn)生的電力過少時，運營商可以通過啟動水力或化石燃料發(fā)電機來進行補償。但處理過多的能源則是一個復(fù)供清潔算力服務(wù)的企業(yè)，通過將算力整合到能源領(lǐng)域，著手致力于解決類似的困境。圖表62：傳統(tǒng)加熱系統(tǒng)與SAI芯片廢熱回收加熱系統(tǒng)資料來源：SAIESG報告、國盛證券研究所P.45請仔細閱讀本報告末頁聲明圖表63：SAI的核心理念資料來源：SAI招股說明書、國盛證券研究所收集起來，進行再利用，在用清潔能源替代傳統(tǒng)熱源的同時，幫助大幅度降低電費。峰填谷，并為能源所有者和作為運營商的S圖表64：SAIHEAT余熱利用示意圖資料來源：SAI碳足跡報告、國盛證券研究所將進一步融入國際資本市場。通過跟更多國際投資者的合作，共同開拓全球化的業(yè)務(wù)，P.46請仔細閱讀本報告末頁聲明為工業(yè)、商業(yè)甚至大棚、居民區(qū)等提供算力的余熱再利用項目，同時也為整個市場提供圖表65：行山能源信息技術(shù)產(chǎn)業(yè)基地一期圖資料來源：秦淮數(shù)據(jù)，國盛證券研究所圖表66：分布式光伏數(shù)據(jù)中心資料來源：公開資料、國盛證券研究所P.47請仔細閱讀本報告末頁聲明移動2778個基站加裝光伏發(fā)電設(shè)施，項目耗目標，剩余電能接入公共電網(wǎng)。項目建成后，山東移動將與公司簽訂用電協(xié)議，按協(xié)議規(guī)定的付款方式向公司支付電費。潤建股份作為通信信息網(wǎng)絡(luò)與能源網(wǎng)絡(luò)的管理和運維者，此次中標項目是公司通信綜合能源管理業(yè)務(wù)的標桿項目，為通信基站加裝光伏發(fā)電設(shè)施，并采取合同能源管理模式進行結(jié)算，實現(xiàn)了通信基礎(chǔ)設(shè)施節(jié)能降碳，具有良好的經(jīng)濟效益。圖表67：通信基站分布式光伏發(fā)電改造資料來源：中國移動，國盛證券研究所在算力未來需求持續(xù)增加的情況下，網(wǎng)絡(luò)帶寬和時延限制(性能）和網(wǎng)絡(luò)帶寬成本限制在“網(wǎng)絡(luò)化”算力有效補充了單設(shè)備無法滿足的大部分算力需求后，仍然有部分算力需求受不同類型網(wǎng)絡(luò)帶寬及時延限制，仍然無法滿足低時延、大帶寬、低傳輸成本的算力錯配，造成算力潮汐效應(yīng)。中國移動通信集團廣東有限公司規(guī)劃技術(shù)部總經(jīng)理蔡偉文提出建設(shè)全光底座，打造粵港澳大灣區(qū)的全光網(wǎng)城市群。全光網(wǎng)的特點是全光接入、全光互聯(lián)、全光交換，又可以分路，是全光網(wǎng)的物理基礎(chǔ)，具備架構(gòu)極簡、鏈路超寬以及經(jīng)濟節(jié)能的特點；全光業(yè)務(wù)則承載體驗；光網(wǎng)大腦相當(dāng)于高鐵的調(diào)度中心，是全光網(wǎng)的智能支撐，提供全光底座及全光業(yè)務(wù)的智慧運營。”P.48請仔細閱讀本報告末頁聲明圖表68：網(wǎng)絡(luò)限制和算力潮汐效應(yīng)是影響算力網(wǎng)絡(luò)的突出問題資料來源：華為，國盛證券研究所圖表69：全光底座總體架構(gòu)資料來源：中國聯(lián)通研究院、華為技術(shù)有限公司，國盛證券研究所P.49請仔細閱讀本報告末頁聲明另一方面賦能其他產(chǎn)業(yè)轉(zhuǎn)型升級，如智能制造、智慧能源圖表70：算力網(wǎng)絡(luò)全光應(yīng)用典型場景資料來源：中國聯(lián)通研究院，國盛證券研究所超算類業(yè)務(wù)：超算類業(yè)務(wù)需求不確定，在需要傳輸數(shù)據(jù)時，需要高速可靠的完成，如在HPC，渲染類場景，提升計算效率的關(guān)鍵是低成本的大算力資源，這些計算資源往往不P.50請仔細閱讀本報告末頁聲明圖表71：人類社會必然向智能社會過度，需要算力進行匹配資料來源：華為，羅蘭貝格，國盛證券研究所我們參考華為對科技創(chuàng)新浪潮下算力的定義：未來人工智能、物聯(lián)網(wǎng)、區(qū)塊鏈、AR/VR 在隨時層面，未來算力發(fā)展將關(guān)注低時延與連續(xù)性，低時延要求算力對數(shù)據(jù)處理的及時反饋，而連續(xù)性要求算力不間斷的支撐。以自動駕駛汽車場景為例，面對復(fù)雜多變的路圖表72：智能社會隨時、隨地、隨需、隨形的算力資料來源：IDC，寬帶發(fā)展聯(lián)盟，華為，國盛證券研究所在隨地層面，高速增長的技術(shù)應(yīng)用場景與終端設(shè)備使得算力需要大量應(yīng)用在不同地點。因此在未來社會中，算力將因為智能應(yīng)用場景的不斷涌現(xiàn)而無處不在。無論是應(yīng)用在政務(wù)領(lǐng)域的人臉識別、智能安防，民生領(lǐng)域的智能出行、移動支付，亦或是產(chǎn)業(yè)領(lǐng)域的智在隨需層面，未來的算力應(yīng)能夠滿足任意量級場景與終端設(shè)備的算力需求，并按照實際需求進行自適化的調(diào)配。如自動駕駛領(lǐng)域的算力需能夠同時滿足車輛出行低峰期與高峰圖表73：云邊端一體算力生態(tài)資料來源：國盛證券研究所整理在隨形層面，未來算力形態(tài)將不僅限于人腦，同時算力將在以大型數(shù)據(jù)中心、數(shù)據(jù)中心為代表的云端，以智慧路樁、邊緣計算單元為代表的邊緣端，以人腦、自動駕駛汽車、P.51請仔細閱讀本報告末頁聲明P.52請仔細閱讀本報告末頁聲明側(cè)的各設(shè)備進行模型推理，二者之間的邊緣側(cè)負責(zé)通用模型的轉(zhuǎn)移學(xué)習(xí)，釋放對帶寬、算力、存儲空間的持續(xù)壓力。邊緣計算向算力集群異構(gòu)設(shè)計發(fā)展，其異構(gòu)化程度將會高于傳統(tǒng)的數(shù)據(jù)中心，異構(gòu)設(shè)計的突破將會進一步提高端邊云的整體計算效能，進而加速圖表74：AI架構(gòu)運算流程資料來源：艾瑞咨詢，國盛證券研究所慧金融、智慧醫(yī)療、智慧零售、文娛等領(lǐng)域大顯身手。人工智能技術(shù)對于算力的核心拉動點在于未來各應(yīng)用場景內(nèi)單設(shè)備芯片算力的增長和人工智能技術(shù)的行業(yè)滲透率的進一P.53請仔細閱讀本報告末頁聲明圖表75：人工智能持續(xù)滲透將大力拉動算力需求資料來源：IDC，國盛證券研究所相似的情況下，對車載芯片的復(fù)雜數(shù)據(jù)處理能力和快速分析和決策能力提出了更高P.54請仔細閱讀本報告末頁聲明圖表76：自動駕駛不同等級算力需求資料來源：華為，國盛證券研究所級時延響應(yīng)要求。在未來自動駕駛的場景中，如果行車安全的核心信息，如路況環(huán)境、行人密度等需傳輸?shù)綌?shù)百公里的云端服務(wù)器進行處理，延時和可靠性難以保證。從自動障傳輸時延與穩(wěn)定性，所以未來以車路通信（邊緣側(cè)P.55請仔細閱讀本報告末頁聲明圖表77：5GV2X車路協(xié)同系統(tǒng)資料來源：3GPP，國盛證券研究所助人工智能技術(shù)自動駕駛汽車可以避免因為駕駛員人為失誤而造成的交通事故，有效提升道路交通的安全性。通過與周圍車輛、道路、信號燈等環(huán)境信息的實時互聯(lián)，實現(xiàn)更加及時的路線預(yù)判和路況識別，降低交通擁堵。圖表78：配備4顆NVIDIADriveOrin芯片，ET7整體算力達到1016TOPS資料來源：蔚來，國盛證券研究所P.56請仔細閱讀本報告末頁聲明圖表79：DOJOD1Chip介紹1資料來源：特斯拉，國盛證券研究所圖表80：DOJOD1Chip介紹1資料來源：特斯拉，國盛證券研究所特斯拉Transformer神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)方法創(chuàng)造了空間特征的詞典的位置信息，基于大量的多機位攝像頭視頻素材的訓(xùn)練，通過激光雷達校正（特斯拉激的學(xué)習(xí)，純視覺模擬雷達的算法精度在持續(xù)提升，越來越接近雷達的精度。下圖藍色代表最新的純視覺算法的結(jié)果，綠色是雷達的結(jié)果，圖中上半部分是深度檢測，下半部分圖表81：Transformer神經(jīng)網(wǎng)絡(luò)資料來源：特斯拉，國盛證券研究所P.57請仔細閱讀本報告末頁聲明圖表82：純視覺幾乎達到了雷達的精準度資料來源：特斯拉，國盛證券研究所選擇自研，而自動駕駛難度大，需要具備極高的研發(fā)能力。英偉達幫助企業(yè)提供端到端圖表83：英偉達自動駕駛?cè)珬Ｄ芰Y料來源：英偉達，國盛證券研究所P.58請仔細閱讀本報告末頁聲明圖表84：自動駕駛需要端到端的開發(fā)流程資料來源：英偉達，國盛證券研究所圖表85：英偉達助力電動車革命資料來源：英偉達，國盛證券研究所在過去幾十年中，汽車電子電氣架構(gòu)一直遵循著“一個功能一個盒子”的分布式架構(gòu)模式，信息娛樂系統(tǒng)、車身系統(tǒng)、車輛運動系統(tǒng)、動力總成系統(tǒng)各自獨立，通過中央網(wǎng)關(guān)實現(xiàn)連接。不同于傳統(tǒng)汽車電子電氣架構(gòu)面向信號的架構(gòu)，面向服務(wù)的軟件架構(gòu)有標準化的服務(wù)接口，松耦合的服務(wù)機制，以及可組合拓展的服務(wù)特性，整體架構(gòu)更加集中，P.59請仔細閱讀本報告末頁聲明圖表86：智能電動車的變化—域控制器資料來源：CSDN，國盛證券研究所智能化程度代表了整車的智能化，也是當(dāng)前車企競爭的核心領(lǐng)域。當(dāng)前智能座艙大多采用可插拔式模塊設(shè)計，放置在中控屏下方，可根據(jù)客戶需求及產(chǎn)品迭代持續(xù)升級，智能語音、觸控、視覺、3Dcamera等多種交車用物聯(lián)網(wǎng)模組已從“功能機”時代進化到“智能機”時代，預(yù)計隨著明年更多中高端圖表87：智能座艙一芯多屏、多屏聯(lián)動功能資料來源：美格智能，國盛證券研究所圖表88：智能座艙多種交互方式融合的極致體驗資料來源：美格智能，國盛證券研究所我們參照特斯拉過去數(shù)年車型智能座艙發(fā)展來看，特斯拉智能座艙共有三代，其第一代智能座艙方案時間為2012年，采用英偉達tegra3，1GB內(nèi)存，4GB運存，算力P.60請仔細閱讀本報告末頁聲明圖表89：特斯拉三代智能座艙芯片方案對比資料來源：特斯拉，國盛證券研究所圖表90：特斯拉第三代智能座艙方案詳情資料來源：特斯拉，國盛證券研究所能和互動性較為單調(diào)，而汽車行業(yè)相對穩(wěn)定的格局，讓車企并沒有足夠的動力去持續(xù)迭代升級產(chǎn)品。特斯拉通過強大的產(chǎn)品力在全球范圍內(nèi)贏得了消費者認同，智能座艙也在特斯拉的引領(lǐng)下持續(xù)升級，逐漸成為整車互動影音娛樂的核心，包括蔚來、小鵬、理想在內(nèi)的新勢力，以及以比亞迪為主的國產(chǎn)廠商紛紛瞄準智能座艙，為消費者提供更加卓此前受“車規(guī)”要求限制，智能座艙配置升級較慢，其智能化程度遠低于智能手機的進化速度，隨著“油改電”的推進，電動車滲透率快速提升，從“車規(guī)”到“工規(guī)”甚至“消規(guī)”級的進化將大力推進智能化需求迭代。圖表91：新款特斯拉座艙性能媲美游戲主機資料來源：特斯拉，國盛證券研究所圖表92：比亞迪秦座艙可支持王者榮耀資料來源：比亞迪，易車，國盛證券研究所刻積累，憑借在移動端的廣泛成功經(jīng)驗，高通將驍龍系列芯片拓展至汽車座艙領(lǐng)域。當(dāng)前除特斯拉具備極強的供應(yīng)鏈管理和自研能力選擇定制化方案，大多數(shù)車企在智能座艙造智能座艙?？紤]到智能座艙主要負責(zé)影音娛樂，需要聯(lián)網(wǎng)與外界實現(xiàn)通信，而高通本身在移動通信端擁有深刻積累，其soc往往具備基帶通信能力，能夠為車企P.61請仔細閱讀本報告末頁聲明圖表93：高通8155說明書資料來源：高通，國盛證券研究所網(wǎng)絡(luò)通信功能，隨著移動網(wǎng)絡(luò)的持續(xù)高速發(fā)展，以及汽車安全性的標準要求提升，汽車圖表94：特斯拉model3拆解，可以看到tbox用的是telit蜂窩通信模組資料來源：特斯拉，國盛證券研究所通信功能的智能模組解決方案。在中控下，只需要一個高度集成模塊化的智能模組，即P.62請仔細閱讀本報告末頁聲明度更高，符合汽車智能化趨勢，且能夠為車企降低成本，產(chǎn)品迭代速度也更快，符合當(dāng)前發(fā)展趨勢，某頭部車企率先使用智能模組的智能座艙方案后，引起行業(yè)廣泛關(guān)注，并在今年在其主要車型大規(guī)模放量，我們預(yù)計未來智能模組方案將被越來越多的車企選擇和接受。圖表95：蜂窩通信模組產(chǎn)品形態(tài)發(fā)展趨勢資料來源：國盛證券研究所升。元宇宙并不是網(wǎng)絡(luò)游戲，但與游戲類似的是，元宇宙是一個承載活動的虛擬世界。相較于游戲所看重的娛樂性，元宇宙的重點更在于這個虛擬時空的體驗，和人們在其中圖表96：元宇宙的概念資料來源：國盛證券研究所P.63請仔細閱讀本報告末頁聲明各種游戲，還是精細的3D模型，里面的模型，大部分都是通過多邊形建模（PolygonModeling）創(chuàng)建出來的。實際這些人物在畫面里面的移動、動變化，都是通過計算機根據(jù)圖形學(xué)的各種計算，實時渲染出來的。這個渲染過程需要經(jīng)圖表97：多邊形建模圖示資料來源：3DCoat、國盛證券研究所前提。游戲創(chuàng)作與顯卡發(fā)展的飛輪效應(yīng)，為元宇宙構(gòu)成了軟硬件基礎(chǔ)。游戲產(chǎn)業(yè)每一次量的畫面作為核心賣點，充分利用甚至壓榨顯卡的性能，形成“顯卡危機”的游戲高質(zhì)量畫面。游戲消費者在追求高畫質(zhì)高體驗的同時，也會追求強算力的設(shè)備，從而形成游戲與顯卡發(fā)展的飛輪效應(yīng)，這在極品飛車等大作中P.64請仔細閱讀本報告末頁聲明圖表98：RTX3090支持8K渲染資料來源：英偉達、國盛證券研究所圖表99：逼近顯示的游戲畫面資料來源：英偉達、國盛證券研究所游戲畫質(zhì)提高的同時，游戲顯卡的算力在近半個世紀取得了巨大的進步。1996年的圖表100：控制臺/顯卡算力變化年份GFLOPS（每秒10億次的浮點運算數(shù)）控制臺/顯卡FairchildChannelF(Pong)0.2Nintendo6420006.2SonyPlayStation22005240.0Xbox3602006459.2SonyPlayStation32013XboxOne2013SonyPlayStation4202134，099.0GeForceRTX3080Ti202239，997.0GeForceRTX3090Ti資料來源：公開資料、國盛證券研究所元宇宙應(yīng)用所需要的VR交互，對于算力要求設(shè)備的普及和普及需要的云計算中心和邊緣計算設(shè)備算力配套將共同推動整體算力的增P.65請仔細閱讀本報告末頁聲明圖表101：AR/VR技術(shù)的發(fā)展對于算力的驅(qū)動與要求資料來源：華為、國盛證券研究所伴隨以O(shè)culus、Hololens為代表的高清設(shè)備的內(nèi)容。構(gòu)建元宇宙最大的挑戰(zhàn)之一是如何創(chuàng)建足夠的高質(zhì)量內(nèi)容，專業(yè)創(chuàng)作的成本高證的困難。為此，內(nèi)容創(chuàng)作的下一個重大發(fā)展將是轉(zhuǎn)向人工智能輔助人類創(chuàng)作。雖然今天只有少數(shù)人可以成為創(chuàng)作者，但這種人工智能補充模型將使內(nèi)容創(chuàng)作完全民主化。在P.66請仔細閱讀本報告末頁聲明圖表102：內(nèi)容創(chuàng)作的4個階段資料來源：a16z、國盛證券研究所圖表103：通過AI實現(xiàn)3D動畫資料來源：a16z、國盛證券研究所英偉達的云計算平臺正在為AI、高性能計算(HPC)和圖形方面的下一代功能提解決方案，各地的創(chuàng)新者都可以輕松按需訪問海量計算能圖表104：英偉達GPU云計算概覽資料來源：NVIDIA、國盛證券研究所圖表105：英偉達GPU云計算流程資料來源：NVIDIA、國盛證券研究所P.67請仔細閱讀本報告末頁聲明圖表106：NVIDIA云計算平臺主要應(yīng)用方向資料來源：NVIDIA、國盛證券研究所WebGL協(xié)議能夠使開發(fā)者實現(xiàn)在瀏覽器中更復(fù)雜的圖形渲染。WebGL（全寫Web覽器里更流暢地展示3D場景和模型了，還能創(chuàng)建復(fù)雜的導(dǎo)航和數(shù)據(jù)視覺化。顯然，如何通過架構(gòu)和通信提升云邊端一體化的渲染效率？目前提升渲染的在于通過計算機與算法來學(xué)習(xí)人的思維、模擬人的行為，可以在大量數(shù)據(jù)中發(fā)現(xiàn)蘊藏在數(shù)據(jù)背后的邏輯關(guān)系。對于大腦視覺來說，大腦的可視皮層是分級的，當(dāng)人眼觀測到圖像，會先提取一些邊緣特征，接著會將這些邊緣組合成局部特征，到大腦的最上層，會將這些局部特征整合為總體特征，從而使人類能夠準確地區(qū)分不同物體。CNN（卷積神經(jīng)網(wǎng)絡(luò)）借鑒了人類處理信息的過程，通過多層卷積網(wǎng)絡(luò)來提取圖像特征，模仿人類對信息接收和處理的模式，并且減少了參數(shù)數(shù)量，降低了網(wǎng)絡(luò)的復(fù)雜度，因此被廣泛用P.68請仔細閱讀本報告末頁聲明圖表107：通過AI算法實現(xiàn)特征提取資料來源：公開資料、國盛證券研究所數(shù)據(jù)量處理。關(guān)鍵點是什么？關(guān)鍵點是圖像中可識別性高的點，例如物體邊界方向突然改變的點，或兩個或多個邊緣段之間的交點，它在圖像空間中具有明確的位置或很好地定位。即使圖像存在光照和亮度變化等的擾動，關(guān)鍵點仍然是穩(wěn)定，可以被重復(fù)可靠地同時保留原始數(shù)據(jù)集中的信息的過程。最初的數(shù)據(jù)有大量的變量，并需要大量的計算資源來處理，而通過劃分初始集可以使得數(shù)據(jù)組更易管理。因此，通過選擇變量并將其組圖表2：通過關(guān)鍵點提取檢測物體資料來源：Mathworks、國盛證券研究所拋棄，并等待接收新的數(shù)據(jù)包。如果數(shù)據(jù)包一直存在錯誤，接收端就永遠無法收到正確P.69請仔細閱讀本報告末頁聲明面由于大幅度減少了重傳請求的次數(shù)從而降低了傳輸延遲，另一方面也由于大大降低了重傳次數(shù)超過上限的概率，從而大大降低了丟包率，這樣就有效地提升了傳輸信道的可圖表3：HARD混合自動重傳請求資料來源：《中國氫能源及燃料電池產(chǎn)業(yè)發(fā)展研究報告》、國盛證券研究所化時代的大爆發(fā)，渲染被各行各業(yè)所需求。不僅在視頻制作的特效，游戲的渲染可以增圖表108：高精度渲染的NFT圖片資料來源：公開資料，國盛證券研究所圖表109：區(qū)塊鏈游戲效果圖資料來源：公開資料，國盛證券研究所高精度的渲染成本較高，初創(chuàng)期的Web3項目往往難以籌建自己的渲染能力。一組P.70請仔細閱讀本報告末頁聲明來籌建自己的渲染能力，大多數(shù)會選擇外包這項工作。在傳統(tǒng)的模式下，大量的渲染工作都需要專業(yè)渲染公司來完成，但單個光場渲染可能就要花費數(shù)萬美元，并且會使集中于大部分需要渲染的項目或者藝術(shù)品，如此高昂的成本使他們對其望而卻步。圖表110：云渲染價格炫云瑞云渲染100收費模式按照不同渲染軟件、不同CPU/GPU配置收費，收費標準基于CPU/GPU處理頻率；除渲染費外，用戶使用內(nèi)存和分布式存儲收增值費。單張效果圖渲染價格有封頂按照使用線程時收費。(計費=線程價格*線程數(shù)量*小時，一般為48線程或者96線程）按照不同處理模式以分鐘收費，包括性價比模式、超速模式、極速模式、超極速模式。每種模式下渲染價格有封頂單價以3DSMAX為例，CPU特惠版的渲染基礎(chǔ)單價為0.02元心HZ?小時非會員：0.105元/線程時；會員：0.07元/線程時以性價比模式為例，48線程單臺渲染，0.045元/分鐘，24元封頂資料來源：各公司官網(wǎng)整理，國盛證券研究所交易算力來渲染作品。不僅利用了閑置資源來使算力提供者得到了收入，（圖形處理單元）算力提供者組成，能夠為全球用戶提供渲染功能。圖表111：RenderNetwork的運行機制資料來源：RenderNetwork官網(wǎng)、國盛證券研究所取代幣回報。用戶可以用賺取的代幣在該網(wǎng)絡(luò)上處理自己的渲染項目，也可以在交易所定機制，這對解決共享三維場景下場景狀態(tài)的持續(xù)變化問題至關(guān)重要，且其還用到了加P.71請仔細閱讀本報告