【东方证券】计算机行业2024年度投资策略：计算机行业热度有望持续，建议关注AI应用、算力和数据要素.pdf

2023-11-23

61页

6MB

一、 2023 年前三季度计算机板块业绩表现疲弱，后期改善可期

我们以 2023 年 11 月 22 日的 wind 中信计算机行业划分为基础，剔除 B 股、ST 以及部分业务弱相关的个股，选取了其中 342 家上市公司作为统计对象，分析了 2023 年前三季度计算板块公司的经营情况。 2023 年前三季度收入和归母净利润同比承压，Q3 单季度业绩下滑较多。我们统计了 342 家板块上市公司（采用中信计算机指数，剔除 B 股、ST 等个股）近期的业绩表现情况。 1) 从收入角度看，2022 前三季度和 2023 前三季度收入同比增速分别为 9.1%和-0.1%， 2022Q3 单季和 2023Q3 单季收入同比增速分别为 8.5%和 3.1%。 2) 从归母净利润角度看，2022 前三季度和 2023 前三季度归母净利润同比增速分别为-47.1%和 -0.5%，2022Q3 单季和 2023Q3 单季归母净利润同比增速分别为-45.4%和-15.2%。

2023 年前三季度计算机板块毛利率小幅提升、净利率略有下降，Q3 单季度毛利率和净利率水平均略有下降，销售费用率维持不变，而管理、研发费用率则均有不同程度增加。

1) 从毛利率和净利率角度看，2023 年前三季度板块整体毛利率和净利率较上年同期分别 +0.39pcts 和-0.01pcts；2023Q3 单季较 2022Q3 单季，毛利率和净利率分别-0.67pcts 和0.37pcts。 2) 从费用率角度看，2023 年前三季度计算机板块整体销售、管理、研发费用率较去年同期分别增加0.54pcts、0.27pcts、0.60pcts；2023Q3较去年同期的销售、管理和研发费用率较分别增加 0pcts、0.04pcts、0.15pcts。2023 年前三季度，计算机公司在销售、管理、研发等方面的投入均有所增加。我们认为，费用率的整体提升虽然对短期的利润带来压力，但能够为部分公司未来业绩的提升和改善打下基础。

2023 年前三季度经营性现金流净额同比有所改善，但从 Q3 单季来看板块经营性现金流净额同比则有所下降。2023 年前三季度，板块内公司销售商品、提供劳务收到的现金较上年有小幅下降，收现比维持不变；经营性现金流净额和净现比较去年同期均有所改善。从 Q3 单季度看，2023Q3 计算机板块公司销售商品、提供劳务收到的现金较上年有所上升，收现比由 2022Q3 的 1.25 上升到 2023Q3 的 1.28；经营性现金流净额和净现比较去年同期则有较大幅度下降。

计算机板块内公司持续加大研发投入。2023 年前三季度，计算机板块研发费用总规模为 701.94 亿元，同比增长 6.63%，保持增长态势。2019-2023 各年度前三季度，研发费用在 5000 万以下的公司占比大幅减少，由 2019 年前三季度的 57.60%下降到 2023 年前三季度的 33.33%，研发费用在[0.5 亿,1 亿)、[1 亿,2 亿)、[2 亿,5 亿)和 5 亿以上的公司占比则均有所提高。板块内研发费用在 1 亿以上的公司大幅增加，由 2019 年前三季度的 80 家增加到 2023 年前三季度的 139 家，占比则由23.39%上升到40.64%，其中研发费用在5亿以上的公司占比从2019年前三季度的4.39% 上升到 2023 年前三季度的 8.77%，占比提升明显。我们认为，近 5 年来，计算机板块公司研发投入增长明显，将对未来板块内公司的发展产生积极影响。

2023 年初至今表现突出个股几乎全部集中于 AI 主线，2024 年 AI、数据要素和信创有望成为行业主线。年初至今，计算机板块涨幅前十名分别为朗科科技（+226.09%，存储）、金桥信息（+209.43%，AI 主线）、万兴科技（+189.96%，AI 主线）、拓维信息（+162.20%，AI+信创）、恒为科技（+144.58%，AI 主线）、亚康股份（+139.83%，AI 主线）、同有科技（+115.14%， AI 主线）、汇纳科技（+114.73%，AI 主线）、普元信息（+111.19%，数据要素主线）、真视通（+109.13%，AI主线）。其中 AI主线有 8个，数据要素主线有 1个，信创有 1个，存储有 1个。可以看到，2023 年初以来表现突出的个股几乎全部集中于 AI 主线。我们认为，2024 年 AI、数据要素和信创有望为计算机行业注入强劲动力，共同推动行业发展。

2023 年前三季度地理信息系统和安防子板块营收增长较快。我们将 342 家上市公司根据其主体业务进行子板块划分，其中包括 IT 服务&外包、硬件设备、互联网信息服务、行业信息化、金融科技、集成商、企业信息化、智慧城市、政务信息化、网络安全、智能网联汽车、人工智能、信创基础软件、医疗信息化、地理信息系统、安防等 16 个子板块。从子板块的营收增速上来看，增速排在前 5 位的是地理信息系统（+17.61%）、安防（+12.06%）、智能网联汽车（+9.50%）、行业信息化（+9.26%）、企业信息化（+7.23%）。从子板块的归母净利润增速上来看，增速排在前 5 位的是互联网信息服务（+269.10%）、安防（+84.78%）、集成商（+71.10%）、金融科技（+49.93%）、智能网联汽车（+40.47%）。

二、 AI 商业化稳步推进，增量空间可期

2.1 AI 商业化落地快速更新，海内外有望共振

距离 ChatGPT 的面世即将满一年，大模型带来的技术革命也催化了大量的 AI 应用涌现，现在这些应用也逐步进入了商业化落地的阶段。海外的 AI 应用由于起步较早，已经有大量的 AI 应用的商业化走在前列。国内在陆续出台了针对生成式 AI 算法的监管法案《生成式人工智能服务管理暂行办法》、《生成式人工智能服务安全基本要求（征求意见稿）》之后，通过备案的大模型厂商均推出了相应的 C 端聊天应用，B 端企业服务的 AI 应用也正在逐步试点推进中。我们认为，目前国内 AI 应用商业化落地的大环境条件已初步具备，一些进展较快的产品已经明确了定价模式与部署方案，正在推广，AIGC 的新一波浪潮正在形成。市场关注的重点已经进入到对 AI 应用产品化、商业化方案的跟踪上，以及 AI 大模型的接入能为产品带来多少增量价值。从海外角度看，2B、2C 领域都已经出现成熟 AI 应用产品。历经快一年的发展与尝试，海外 AI 应用的发展已经走向成熟，商业格局初步形成，2B、2C 领域也陆续出现了比较成熟的产品。微软、谷歌等科技大厂具备技术底座优势，布局全栈 AI 产业链，正在加速应用端推广。B 端企业服务厂商持续深化 AI 在原有产品基础的赋能，不断提升客户体验；C 端产品则重点关注多模态、智能体、情感陪伴等方向。

海外头部厂商生成式 AI 落地加速，Q3 业绩已经有所体现。得益于 AI 浪潮的推动，部分海外头部厂商的营收业绩表现超出预期。微软三季度营收一年来首次超过 10%，其中 Azure 和其他云服务收入同比增长 29%，EPS 同比增长 21%；以 AI+数据分析作为主营业务方向的公司 Palantir 三季度营收同比增长 17%，净利润增长 22%，净利润创下历史新高，连续四个季度实现盈利。我们认为，Q4 会是海外厂商 AI 商业化的正式开启的一个季度，24 年有望迎来生成式 AI 应用的收入快速增长。 Microsoft 365 Copilot 正式落地，展望 2B 服务空间。2023 年 11 月 1 日，Microsoft 365 Copilot 商业版正式面向企业订阅用户开放，收费为 30 美元每用户每月。通过获取企业数据，Microsoft 365 Copilot 企业版会帮助用户完成一系列企业办公任务。通过运用 AI 技术，企业版 Copilot 能够执行大多数由企业助理完成的工作，比如总结视频通话、撰写电子邮件回复初稿以及将 Word 文档转换为 PPT 等。我们认为，Microsoft 365 Copilot 的技术落地和商业化，进一步完善了面向办公场景的 AI 助手类应用市场，也印证了以 GPT-4 为例的大模型技术在办公场景下的应用前景。同时，这一商业模式的推出也对国内大模型、办公软件等企业起着很强的示范性作用。

OpenAI 模型成本进一步下降，推出类 Agent 助手 API，打造 GPT 生态。11 月 6 日，OpenAI 召开了首届开发者大会，为 GPT 系列模型带来了诸多升级。全新的 GPT-4 Turbo 模型支持 128k 上下文长度，GPT-4 也即将支持微调和自定义。在性能增强的同时，GPT-4 Turbo 的输入 token 价格是 GPT-4 的 1/3，输出 token 价格是 1/2；OpenAI 还发布了 Assistant API，帮助开发人员快速构建类 AI Agent 的应用；OpenAI 致力于打造 GPT 生态，发布 GPTs 和 GPT 商店，用户们无需编写代码，结合自己的指令、外部知识和能力就能创建自定义版本的 ChatGPT，这些 GPT 可以在 GPT 商店公开共享。我们认为，OpenAI 当前的目标是更加灵活构建应用、降低大模型开发难度、提升大模型应用个性化水平、降低大模型使用成本，并通过 GPT Store 促进大模型应用生态的繁荣演进，其效果堪比 App Store 对移动互联网的重大意义。

AI PC、AI 手机密集发布，生成式 AI 浪潮向边缘侧延伸。10 月 24 日，联想推出了首款 AI PC，能够在本地运行小型化的 AI 模型，可以帮助用户实现修图、智能剪辑、撰写文档等功能。在手机领域，SoC 和手机厂商也开始发力生成式 AI 领域。谷歌在 10 月推出 Pixel 8 系列手机，提供系统层级的 AI 功能支持，Pixel 8 Pro 是首款在本地搭载 Google AI 基础模型的设备。高通发布的骁龙 8Gen3 也在芯片层面加入了生成式 AI 功能，首次支持在终端设备上运行 100 亿参数的模型。高通还推出了针对 PC 平台的芯片骁龙 X Elite，能够以 30token 每秒的速度运行 Llama 2。联发科 11 月发布的天玑 9300 也针对生成式 AI 进行了布局，512*512 分辨率的图片生成耗时不到 1 秒。我们认为，终端设备接入 AI 大模型是未来发展的大趋势，能够显著改善用户体验，并且能够进一步促进 AI 应用的落地。

国内第二批大模型备案通过，AI 应用推广有望加速。11 月 4 日，国内 11 家公司的大模型通过了第二批的备案，部分已面向公众开放服务。加上 8 月 31 日首批通过大模型备案的 8 个大模型，目前国内的主流科技厂商和 AI 厂商均已实现大模型的公开服务。我们认为，国内对于 AI 的监管措施正逐渐完善，AI 商业化落地的阻碍条件也越来越少，2B 和 2C 的 AI 应用有望随着国内厂商大模型的陆续备案加速推广。

进展较快的国内公司已经开放明确的定价收费模式。C 端产品落地更加灵活，整体的商业化节奏会较快，像万兴科技、福昕软件等有较大海外市场占比的公司产品，能够以 OpenAI 的模型作为基础进行研发和推广，其 AI 产品的推进节奏更快。而国内的 B 端企业服务厂商大部分的服务对象是国内的企业客户，AI 的应用在前期受到监管政策未明确的限制，推进进度略慢于 C 端，大部分的 2B 厂商目前均已公开了自家的 AI 产品情况，仅有少量的以订阅制为主要商业模式的产品进入了开放定价阶段。

从收费方式看，大部分 AI 应用的定价模式是为 AI 功能模块增量定价。除开 AI 原生应用之外，大部分公司会先将 AI 赋能于自身的原有产品中，故带来的主要定价模式是为接入大模型的 AI 功能进行增量定价，用户需要在原本产品的基础上付额外的费用来购买 AI 功能或者带有 AI 功能的高级版本。在现阶段大模型成本仍较高的情况下，AI 功能带来的增量价值体现在收费上的弹性空间也较大，部分订阅制产品的定价幅度提升超过 100%。

2.2 AI 仍是明年主线，更多应用场景有望落地

Gartner发布2024年十大战略技术趋势报告，共同主题是人工智能。10月，Gartner发布了2024 年十大战略技术趋势，分别为：人工智能信任、风险和安全管理（AI TRiSM）、持续威胁暴露管理（CTEM）、可持续技术、平台工程、人工智能增强开发、行业云平台、智能应用、全民化的生成式人工智能、增强型互联员工队伍、机器客户。其背后共同的主题只有一个——生成式 AI。 Gartner 预测到 2026 年，超过 80%的企业都会接入生成式 AI 或大模型，然而这一比例在 2023 年初还不到 5%。

在生成式 AI 浪潮推动下，计算机板块今年上半年涨幅较大。由于 AI 的商业化落地节奏较慢，Q3 迎来持续调整。但从长期产业趋势来看，目前 AI 应用的商业化已经起步，投资机会仍在。我们认为，目前大部分的 B 端 AI 应用厂商已经进入了商业化落地尝试的初期阶段，部分厂商已经有了明确的定价模式并开始推广，预期 23 年 Q4 会有更多厂商持续推进商业化进程，2024 年 AI 带来的价值增量将能够在收入端有所体现。C 端厂商来看，基础大语言模型侧百度文心一言已经率先开启类似 ChatGPT Plus 的专业版收费模式，预计后续各家大模型厂商都会陆续跟进；2C 应用侧像 WPS AI 等产品也预期会在 Q4 迎来定价。总体来看，AI 板块仍是明年较为明确的主线，我们对于明年 AI 应用领域做出三点判断：

1） 2B 应用有望成为主要发力点。由于 B 端产品整体实施流程更长，很多用户对于新技术一般会抱有观望态度，有一个市场教育的环节，所以当前 2B 的 AI 应用基本还处于小范围试点推进阶段。随着 B 端用户对于 AI 的理解程度加深，24 年对于大模型方面的预算会更加明确，预计 24 年会成为 2B AI 应用放量的元年，相关公司将会有明显的增量。 2）基座大模型成本将进一步降低，AI 应用商业落地节奏加速。从 OpenAI 公布的数据可以看到， GPT-4 Turbo 成本已经较半年前的 GPT-4 大幅下降。随着算力芯片性能的持续进步，明年基座大模型的成本有望进一步降低。从国内角度看，由于没有 OpenAI 这样“一超多强”的大模型领跑者，国产大模型竞争更加激烈，诸多厂商选择了开源基座大模型以增强竞争力（如李开复领衔的零一万物开源 34B 大模型、百川智能开源 13B 大模型等），使用大模型的成本正在逐步降低。我们认为，基座大模型的成本下降使得厂商接触生成式 AI 的门槛也随之降低，促进 AI 应用的加速商业化。 3） AI 将会和业务场景更多结合。今年各大 B 端的 AI 应用厂商对于生成式 AI 的探索还是以“先让自身产品能用起来大模型”为主，还未完全落实到业务场景，针对场景去进行设计和优化体验。我们认为，明年随着各家企业对于 AI 的理解加深，AI 应用将会和更多的业务场景结合，形成能够落地的完善解决方案进行推广。像智能营销、企业知识库、低代码等业务场景，本身对知识数据的需求大，并且适合自然语言交互，非常契合生成式 AI 的使用。目前汉得信息、鼎捷软件、泛微网络等企业均已在探索大模型在这些业务场景中的落地，有望在明年形成更加完善的方案。

中长期增量空间值得期待。目前 AI 应用在传统市场里的渗透率仍处于非常低的状态，大部分用户对 AI 带来的技术革新仍处于观望阶段。从中长期视角看，随着 AI 能力在传统应用市场中的渗透率不断提升，有望打破传统应用市场空间天花板。以办公软件和 CRM 为例，根据 Statista 预测， 2023 年全球的办公软件市场规模约为 278 亿美元；根据 Fortune Business Insights 预测，2023年全球 CRM 的市场规模约为 711 亿美元。根据微软 365 Copilot 和 Salesforce 的 Einstein 带来的定价增幅来看，假设 AI 能力能够为办公软件应用带来平均 80%的客单价提升，为 CRM 带来 30% 的平均客单价提升，在中长期渗透率达到 30%的情况下，其市场增量空间分别为 67 亿美元和 64 亿美元。考虑到 AI 在其他 IT 软件领域如 OA、ERP、工业软件等带来的增量，中长期的增量空间预计有望达到数百亿美元。

2.3 未来展望：人形机器人会是 AI 最终落地目标？

国内蓝图开启，海内外利好有望共振。11 月 2 日，工信部印发《人形机器人创新发展指导意见》，明确人形机器人发展目标，2025 年实现整机批量生产，2027 年要形成安全可靠的产业链供应链体系。海外方面，特斯拉人形机器人进展迅速，在两年不到的时间内实现了快速迭代，完成了开发平台建造、Optimus 产品亮相以及电机扭矩控制、环境探测与记忆、双手复杂任务等能力的实现。马斯克预计 Optimus 将大规模量产至“百万”量级，预计其单台成本或将低于 2 万美元。

软件决定人形机器人高度，算法需与硬件匹配。人形机器人本质是 AI 系统落地物理世界的最佳载体，算法是核心，需与硬件匹配。机器人的输出包含了虚拟与物理两种能力。虽然人形机器人从本体硬件上看，存在抗压硬度与灵敏度不足的问题，但更核心问题在于是算法对运动能力的控制，包括本体平衡、行走的步态、手部抓取等规划与控制。这需要成熟的感知系统基础、强大的算法分解任务和规划动作、大模型不断仿真训练以及超强的算力支撑，同时要求算法与硬件相匹配。这要求机器人企业需自研算法，并持续更新迭代。大模型为人形机器人的发展带来了新的突破。以往由于算法模型的局限，机器人难以实现通用化能力，只能通过对于某一个特定领域训练对应的基础模型，达到能够满足特定用途的机器人 AI 算法，比如工厂车间大量采用的机器人臂、家用扫地机器人等。软件层面的局限性限制了机器人的应用场景狭窄、可通用性较差，无法充分发挥硬件层面的性能。而大模型的出现，补全了让机器人能力实现跃升的技术基础。大模型的向量应用提供了大脑给机器人，使机器人具备更高的事物处理能力。大模型的 Chat 应用把自然语言理解提供给了机器人，机器人首次可以用接近人的语言水平，和真实人类聊天，进行基于自然语言的互动。此外，大模型的编程辅助可以肉眼可见的减少软件工程师的工作量，产出软件的成本会逐年下降。

以 GPT-4 为首的多模态大模型已经具备成为通用性人形机器人核心大脑的初步条件。OpenAI 在 10 月正式上线 GPT-4V（ision）这一新版本，为 GPT-4 新增了语音与图像功能。现在用户可以直接与 GPT-4V 进行语音交互，并且 GPT-4V 能够对图像进行推理和分析。根据微软团队对 GPT4V 的详细评测，GPT-4V 有作为具身机器人的理解核心的潜力。在微软的测试案例中，GPT-4V 可以扮演一名家庭机器人，阅读咖啡机的操作界面并给出正确的指令操作；或者通过房间图片的输入，要求 GPT-4V 规划出去厨房冰箱取物品的路线，GPT-4V 也可以执行面向任务的导航。具有多模态输入的 GPT-4V 在面对动态环境时可以很好地与环境交互，证明了 GPT-4 拥有成为人形机器人核心大脑的潜力。如果将 GPT-4 与合适的硬件进行结合，就有望实现具备 GPT-4 水平的具身智能。

基于大模型的具身智能体成为学术界重点研究方向。具身智能被斯坦福大学计算机科学家李飞飞定义为 AI 领域的下一个“北极星问题”之一，在大模型流行起来之后，关于以大模型为基础构造的具身智能体的研究也逐渐变多。今年内，谷歌、微软、英伟达、Meta 等科技巨头都纷纷加入了这条技术路线的探索中来，试图找到一条适合于通用机器人的算法道路。

虽然各家科技巨头厂商都在针对通用机器人大模型进行深入探索，但目前来看，距离实现真正的具身智能水平的模型还有很长的路要走。机器人大模型还面临着诸多问题，包括缺乏高质量机器人数据、实时性较低、软硬件协同困难等。我们认为，短期内通用型人形机器人的落地还有一定困难，人形机器人将会是未来各大科技厂商、科研机构研究 AI 的最终目标。

三、算力需求不断提升，AI 芯片国产化替代浪潮来袭

3.1 AI 浪潮推升智能算力需求

AI 进入大模型时代，ChatGPT 等通用大模型的训练迭代极大拉动对智能算力的需求。从 2022 年底，随着 ChatGPT 成功带来的新一代 AI 浪潮，国内外 Bert、GPT4、文心一言等通用大模型相继发布。这些大模型的训练需要千亿、甚至万亿级参数，以及上千 GB 的高质量数据，大模型的训练迭代将极大地拉动了智能算力的需求智能算力规模高速增长，中国智能算力预计 2026 年突破 ZFLOPS 量级（1ZFLOPS = 1000 EFLOPS）。在大模型取得突破、应用场景的广泛开拓与深入发展的背景下，智能算力需求将在未来几年迎来井喷。据 IDC 数据与预测，2021 年中国智能算力规模达到 155.2EFLOPS，并在之后的几年始终保持稳健增长态势，预计到2026年将突破进入每秒十万亿亿次浮点计算级别，智能算力实现 1,271.4EFLOPS 的庞大规模，2021-2026 年期间，预计年复合增长率达到 52.3%。

3.2 国家政策持续推动算力网络搭建，各地兴建智算中心

3.2.1 国家政策持续推动算力发展，全国一体化网络建设迎来黄金时代

全国一体化算力网络建设相关政策有望持续出台。算力网络已成为国家重点发展领域之一，利好政策持续出台，未来行业发展前景广阔。2023 年 2 月，中共中央、国务院发布《数字中国建设整体布局规划》，将数字基础设施列为数字中国建设的两大底座之一。2023 年 10 月 8 日，工信部发布《算力基础设施高质量发展行动计划》，制定了到 2025 年的主要发展目标，提出了完善算力综合供给体系、提升算力高效运载能力、强化存力高效灵活保障、深化算力赋能行业应用、促进绿色低碳算力发展、加强安全保障能力建设等六方面重点任务，着力推动算力基础设施高质量发展。我们认为，全国一体化算力网络建设相关政策有望持续出台，算力基础设施建设不断完善。

3.2.2 各地政策出台，地方政府和相关企业纷纷兴建智算中心

目前全国有超过 30 个城市正在建设或提出建设智算中心。2020 年开始，各地方政府掀起了智算中心的建设热潮，相关企业也积极尝试。据不完全统计，2023 年由政府主导建立的智算中心有北京数字经济算力中心、天津人工智能计算中心等 22 个智算中心；由企业自主建设的重大智算中心有阿里云张北超级智算中心、商汤科技人工智能计算中心等 14 个智算中心。智算中心的创新发展，将进一步为人工智能夯实“算力底座”，成为带动人工智能及相关产业快速发展的新引擎。各地不断出台相关政策，以希望解决 AI 的长尾效应。

3.3 英伟达 A800/H800 等 AI 芯片被限制销往中国，国产化 AI 芯片占比有望提升

2022 年，美国商务部宣布实施 AI 芯片出口管制，英伟达推出阉割版芯片 H800 与 A800。 2022 年 10 月，美国政府宣布实施人工智能芯片出口限制，同时满足芯片的 I/O 带宽传输速率大于或等于 600 Gbyte/s、“数字处理单元原始计算单元”每次操作的比特长度乘以 TOPS 计算出的的算力之和大于或等于 4800TOPS 两个条件的芯片为受管制的高性能计算芯片。这也使得英伟达无法向中国市场提供 A100 和 H100AI 处理器，随后英伟达在遵守美国限制规则的前提下降低带宽传输速率，向中国出售特供版 A800 和 H800。美国政府进一步限制英伟达 AI 芯片出口，H800 与 A800 皆在禁售之列，国内 AI 芯片紧缺。 2023 年 10 月，美国政府发布一系列新版芯片出口限制，并取消 30 天豁免期，立即限制英伟达向中国出口 A100、A800，相关芯片需求无法得到满足，价格增长较多。

英伟达占据 80%的中国 AI 芯片市场，我国国产 AI 芯片占比有望提升。此前，英伟达凭借其 AI 芯片的超高性能，占中国加速卡市场的 80%以上。华为、海光信息、寒武纪等巨头坚持迭代升级，其产品性能日益提升，有望在 AI 训练算力领域获得更多市场份额，实现国产替代。另外，相比于 AI 训练芯片，推理芯片的性能要求以及精度要求较低，部分国产 AI 芯片凭借其良好性能以及性价比能够满足推理端的需求，我国 AI 芯片国产化比例比有望提升。

3.4 华为昇腾、海光深算等国产 AI 芯片即将腾飞

3.4.1 华为昇腾 910B 发布，昇腾链有望持续受益

2023 年，华为新一代 AI 芯片昇腾 910B 发布，芯片性能达到英伟达 A100 芯片水平，打破美国在人工智能芯片领域的技术垄断地位。2023 年亚布力论坛夏季高峰会上科大讯飞透露华为与其合作伙伴共同自主研发昇腾 910B，未来算力紧张状态将得到缓解。 2023 世界人工智能大会上，华为宣布对其 Altas 900 人工智能集群进行全面升级。该集群利用昇腾直出的参数网络以及具有 98%高吞吐量和零丢包的超融合以太网络在 2019 年支持了一个 4,000 卡片的集群，并将在今年年底达到 16,000 卡片，成为业界首个万卡 AI 集群。在 16,000 卡片的集群下，它能够在半天内完成具有 1750 亿参数模型和 100B 数据的训练。稳定性方面，它能够实现超过 30 天的长期稳定训练，并且其可用性是业界的十倍。日前，华为已部署了超过千台昇腾 AI 集群机柜，成为拥有最多 AI 集群部署数量的制造商。昇腾全面赋能鹏城云南等多地智算中心。华为致力建设国家区域人工智能计算中心，提供从底层芯片算力释放到顶层应用使能的人工智能全栈能力，为算力基础设施的建设构筑坚实算力底座。

华为在 2020 年为鹏城云脑交付了首个拥有 1000P 算力的 AI 集群，在全国支持了 25 个城市，累计交付 5000P 的计算能力，其中有六个城市已实现计算能力的饱和运营，并进行了扩展，以支持本地人工智能产业的高速发展。近期，基于昇腾的七个人工智能计算中心已获得国家批准，并成为科技部首批认可的“国家新一代人工智能公共计算能力开放创新平台”。华为将在不同行业中复制在城市中积累的 AI 集群建设经验，支持运营商、金融、互联网等行业的集群建设，推动行业模型的创新。

H800、A800 被禁之后，百度、360 等大厂向华为订购大量昇腾 AI 芯片。据相关媒体报道，百度为 200 台服务器向华为订购 1600 片昇腾 910B AI 芯片，订单总价值约 4.5 亿人民币。10 月份华为已向百度交付了超过60%的订单，并将在今年年底交付所有芯片。360也向华为采购了1000片昇腾 910B AI 芯片。目前国产 AI 芯片还未达到国际最顶级水平，但是在一定程度上能够实现对海外竞品的替代。此次美国 AI 芯片出口禁令的出台，将有望推动我国国产 AI 芯片进入重要发展机遇期。

华为生态惠及生态伙伴，基于昇腾 AI 产品架构助力智算中心建设。华为昇腾生态伙伴包含整机硬件伙伴、IHV 硬件伙伴、应用软件伙伴、一体机解决方案伙伴和生态运营伙伴。目前，华为昇腾有 13 家整机硬件伙伴，包括宝德、华鲲振宇、湘江鲲鹏、安擎、神州数码等企业。华为的昇腾万里伙伴计划分为四个等级：注册成员、认证等级、优选等级以及领先级。其中，华鲲振宇认证为领先级，拓维信息子公司湘江鲲鹏被认证为优选级。

3.4.2 海光性能生态俱佳，“类 CUDA”工具链完整

海光信息新一代 DCU（GPGPU）深算二号已经发布实现商用，可用于大模型训练。深算三号研发顺利，公司产品持续迭代。海光信息除了 CPU 产品实力出众外，其 DCU 产品也性能、生态优异。公司 DCU 第一代产品深算一号于 2022 年实现了商业化应用，可以用于大模型的训练，主要客户是智算中心等“新基建”项目、行业用户、AI 厂商及互联网企业。海光与百度、阿里等头部互联网厂商推出联合方案，打造全国产软硬件一体全栈 AI 基础设施。另外，海光 DCU 深算二号已于 2023 年 Q3 发布，并实现在大数据处理、人工智能、商业计算等领域的商用。同时，深算三号研发进展顺利。

海光信息 DCU（GPGPU）“类 CUDA”生态优异，工具链完整。CUDA 是 NVIDIA 开发的一种并行计算平台和编程模型，它允许开发人员使用 C/C++语言在 NVIDIA GPU 上进行高性能计算，在深度学习训练和推理领域被广泛应用。CUDA 被称为英伟达最深的护城河。而海光 DCU （GPGPU）海光的 DCU 脱胎于 AMD，兼容主流生态——开源 ROCm（类 CUDA）GPU 计算生态，支持 TensorFlow、Pytorch 和 PaddlePaddle 等主流深度学习框架、适配主流应用软件。现有 CUDA 上运行的应用可以低成本迁移到基于 ROCm 的海光平台上运行。海光 DCU 具有全精度能力，一代双精度性能与英伟达的 A100、AMD 的 MI100 相近。海光 DCU 具有全精度浮点数据和各种常见整型数据计算能力，且双精度计算能力突出。据北京大学高性能计算系统中标公告（HCZB-2021-ZB0364），海光信息的 DCU Z100 的通用计算核心达到 8192个。其关键性能指标实现：FP64 10.8TFlops，显存 32GB HBM2，对比全球芯片巨头的高端 AI 芯片不遑多让。英伟达 A100 的相关指标为：FP64 9.7 TFlops、显存 40/80GB HBM2。 AMD MI100 的相关指标为：FP64 11.5 TFlops、显存 32GB HBM2。

3.4.3 寒武纪、燧原、天数智芯等国产 AI 芯片厂商不断突破

寒武纪新品思元 590 在研，性能大幅提升。在 2022 年举办的 2022 世界人工智能大会上，寒武纪董事长、总经理陈天石博士透露全新一代云端智能训练芯片思元 590 仍在研。思元 590 采用 MLUarch05 全新架构，实测训练性能较在售旗舰产品有了大幅提升，它提供了更大的内存容量和更高的内存带宽，其 IO 和片间互联接口也较上代实现大幅升级。天数智芯量产两款通用 GPU, 携手新华三推出 AI 服务器。目前，天数智芯已经发布了 2 款自主研发的通用 GPU 产品天垓 100、智铠 100，国内众多主要服务器厂商也已陆续引入天数智芯天垓 100 产品、将公司加入其供应商目录，并将陆续发布搭载天垓 100 的服务器产品。今年 3 月，新华三的主流 AI 服务器便已搭载天垓 100 加速卡、并正式在官网对外销售，两家企业强强联手、共同推进算力的突破性提升。

燧原科技已形成全系列 AI 产品线，与多家领先机构开展合作探索智算共建。目前，燧原科技已拥有从邃思系列芯片、云燧训练和推理加速卡、云燧服务器和云燧智算机的全系列产品线。针对 AIGC 爆红带来的高算力需求，燧原科技还推出了面向大型智算中心的高性能人工智能加速集群 ——云燧智算集群，集群搭载公司自研邃思系列芯片，能够以超千卡规模集群突破 E 级算力；除却算力表现优秀，云燧智算集群还是行业内首款基于 OAM 开放加速计算标准的液冷方案，PUE 最低可降至 1.1 以下。

四、数据局挂牌，数据要素扬帆起航

4.1 利好政策频出，数据要素未来可期

2022 年底至今，我国在推动数据要素产业发展上动作频频，相继发布顶层设计《数据二十条》、《数字中国整体布局规划》、企业数据资产入表相关规定、《数据资产评估指导意见》等，并正式挂牌组建了国家数据局。随着国家层面政策制度的不断建立健全，数据要素市场有望得到更进一步发展。

2022 年 12 月 9 日，财政部提出企业数据资源可作为资产列入财务报表，打响数据要素 “1+N”的第一枪。财政部发布《企业数据资源相关会计处理暂行规定（征求意见稿）》，提出企业数据资源经评估可确认为企业资产，列入财务报表。企业内部使用数据资源按条件确认为无形资产，企业对外交易的数据资源按条件确认为存货。此规定意在加强企业数据资源管理，发挥数据要素价值，是我国推动数据要素市场发展的关键政策。中国是全球首个提出数据资源入表的国家，在数据资产化方面进行了有益探索。

2022 年 12 月 19 日，中共中央、国务院印发《关于构建数据基础制度更好发挥数据要素作用的意见》（以下简称“数据二十条”），构建数据基础制度的“四梁八柱”。 “数据二十条”通过提出构建数据产权、流通交易、收益分配、安全治理等制度，构建了我国数据基础制度的“四梁八柱”，在保障个人隐私与国家安全不受侵犯的基础上，充分激活数据要素潜能，推动要素产业健康高速发展。

2023 年 2 月 27 日，中共中央印发《数字中国建设整体布局规划》，将数据资源体系列为两大底座之一。其中提出数字建设的布局要按照“2522”框架进行推进，夯实“两大基础” ——数字基础设施和数据资源体系，推进数字技术与经济、政治、文化、社会、生态文明建设“五位一体”深度融合坚实的底座是上层应用繁荣发展的基础。数据资源作为两大底座之一，国家有望持续推动其发展。

2023 年 3 月，中央组建数据局，统筹协调数据基础制度建设。中共中央、国务院印发《党和国家机构改革方案》，文件中提出，将中央网信办与国家发改委部分职责合并，组建国家数据局，由国家发改委管理，负责协调推进数据基础制度建设，统筹数据资源整合共享和开发利用，统筹推进数字中国、数字经济、数字社会规划与建设。

2023 年 7 月，刘烈宏调任国家数据局局长。根据 7 月 28 日人社部消息，受国务院任命，刘烈宏将成为首任国家数据局局长。  2023 年 8 月，财政部印发《企业数据资源相关会计处理暂行规定》，旨在规范企业数据资源相关会计处理，强化相关会计信息披露。该规定对数据资源会计处理适用的准则做出了规范，同时提出了关于列示和披露的新要求。数据资产“入表”，有助于推动数字经济治理体系建设、促进数据要素市场发展，可能会具有重要的潜在宏微观经济影响。

2023 年 9 月，中评协印发《数据资产评估指导意见》，助力数据资产化进程。其中明确定义了数据资产的三个属性、五个特征、四个价值影响因素，并给出了三种数据资产价值的评估方法，对于规范数据资产评估行为、保护资产评估当事人合法权益和公共利益、推动数据要素市场发展具有重大意义。

2023 年 10 月，国家数据局在京正式挂牌。国家数据局初期将按照综合、数据要素、数字经济、基础设施和公共数据等工作划分为五个组，在岗人员数十人。国家数据局的成立，将有助于构建数据流通体系，激活数据生产力，促进不同领域数据的开放与协同治理，实现 “数据共赢”，加快数字中国建设。

4.2 数据确权登记是数据要素蓬勃发展的基石

数据确权是发挥数据要素价值的第一步，是保障数据流通交易、进行合理利益分配以及安全治理的前提，是数据资产化的基础。数据权属不清会导致市场参与者的权益得不到保障。数据交易的参与者不清楚权利界限，大量拥有数据资源的企业不敢、不愿意参与数据交易，阻碍了我国数据要素产业的发展。另外，数据确权有利于确认责任主体，保障数据真实可用、质量过关。权利也伴随着义务，数据确权能够保证参与者对数据资源或产品承担响应的责任，保证数据来源、质量以及其真实可用性。因此，需要从法律层面明确数据权属，指导数据要素市场实践，为我国数据要素市场健康蓬勃发展夯实基础。数据要素确权具有一定难度。不同于其他生产要素，数据可在不损失自身信息与价值的前提下无限复制以供给多个主体使用，具有可再生性、非排他性、非消耗性、无形性等特点。另外，数据在流通共享中才能产生作为生产要素产生价值，理应获得合理的收益。数据的信息来源、产生、加工、挖掘、复制等过程中涉及众多参与者，导致确权难度不小。我国数据要素确权还在探索中，顶层设计确立数据产权制度建设大方向。我国在数据确权方面的立法与实践尚不成熟，还没有针对数据产权归属问题出台法律。但 “数据二十条”已经明确我国建立分类分级确权授权制度，推行“三权分置”的产权运行体制，在做好保护国家安全和个人信息安全的底线工作上，保障各方权益，鼓励引导数据流通交易，为全社会发展赋能。

4.2.1 确立“三权分置”，公共、企业、个人数据分级分类使用的数据产权制度

“三权分置”是指数据资源持有权、数据加工使用权和数据产品经营权的分置，从重视数据“所有权”到强调数据“持有权”和“使用权”，从两权分置到三权分置，我国针对数据产权划分进行了一系列有益探索，针对数据要素流通、交易难题，在全球首先提出了解决方案。三种产权针对客体不同，对应数据价值链中的多种数据形态。数据资源的持有权主要是针对上述所说的对原始数据进行加工处理后的数据集，即数据资源。而数据加工使用权可以是针对数据资源或者数据产品，而数据产品经营权主要是针对可以进行交易的数据产品。

4.2.2 构建全国统一的数据资产登记制度是确权的必经之路

数据登记制度是保护数据持有人和产权人合法权益的有效途径，是保障数据流通的关键基础。我国经过多年探索与发展，已经建立了完善的不动产、证券、知识产权等市场要素领域的登记制度。与这些资产登记制度相似，数据资产登记是对数据资产的相关事物及其物权进行登记，包含数据价值链中的数据形态以及产权变更等内容，涵盖数据流通过程中的参与主体、对象、凭证等。数据登记制度能够有效保护数据要素参与各方权益，是保障数据要素交易流通的关键基础。多地政府先行先试，打造登记平台、发布管理办法。2021 年 10 月我国首个数据资产管理领域的国家标准《信息技术服务数据资产管理要求》正式发布。2022 年 12 月顶层设计《数据二十条》提出探索产权登记新方式，构建健全的数据要素登记机制。2020 年，山东省打造了首个全国数据 (产品) 登记平台。2021 年，广东省启动数据资产凭证化工作，发布全国首张公共数据资产凭证。 2023 年 7 月，深圳市发展和改革委员会发布了《深圳市数据产权登记管理暂行办法》，率先以政府规范性文件形式提出对数据产权登记行为进行规范管理。实践方面，我国在数据资产登记方面开展了一系列有益探索。

应建立全国统一的数据资产登记制度。数据资产登记具有确保数据资产权属明晰、保证流通数据来源合法安全、支持政府决策、支持数据流通中的监督管理、向社会公开公示等功能，能多方面赋能社会发展。目前全国尚无统一的数据资产登记标准与登记流程，而全国统一的数据资产登记体制有助于发展数字经济、推进数据要素制度体系的建设、更好发挥数据要素作用。国家机关或事业单位或将担任数据资产登记机构的角色。例如各级不动产登记机构属国家国土资源部门；自然资源确权登记机构是自然资源主管部门，而其他登记机构，如动产融资登记机构、证券登记机构、软件著作权登记机构、专利质押登记机构也都是如此，我国数据资产登记机构也有望由国家机关、事业单位或由主管部门专门设立的公司承担。

4.3 公共数据授权运营：数据要素发展抓手

公共数据授权运营成为数据要素发展的关键抓手，“数据财政”有望接棒“土地财政”。公共数据占据全社会数据资源总量的 80%左右，是我国数据的主要组成部分。另外，相关政策法规尚不完善，公共数据开放可作为抓手，建立容错机制，吸引带动商业数据参与流通。据麦肯锡测算，我国公共数据具有的潜在开放价值为 10 万亿元-15 万亿元。长沙也将“数据财政”写入政策， “数据财政”有望接棒“土地财政”，赋能地方数字经济健康发展。

4.3.1 以土地资源为鉴，公共数据利用采取“先收后放”

数据要素公共数据授权运营持续实践，数据要素采取“先收后放”的方式，即国家先将土地要素归拢在政府手中，之后统一进行管理和规划，由城投公司进行经营。之后要释放土地要素的价值，需要再将要素还给社会，将土地分配给房地产商，进行土地的价值增值开发。参考以往国家对于关键要素的把控方法，数据作为新型生产要素，具体的价值释放方式可以窥得一二。与土地资源相类似，在公共数据的价值释放过程中，也将采取“先收后放”的过程，也凭借此划分为一级和二级市场，其中“先收”的过程是一级市场，为消除原始公共数据具有的潜在安全风险，由同时具有国资背景和与能力的企业将原始的公共数据处理为可流通的数据资源，“后放”的环节是公共数据的二级市场，由数据二级开放商针对不同场景开发多样的数据产品，并向社会提供，最终实现数据要素的价值释放。

4.3.2 多地多主体探索公共数据授权运营可行范式

目前，各地方政府及各主体先行先试，探索了不同的公共数据授权运营道路，具有云、数能力、或者有应用场景的央国企有望获益。其中，比较突出的方式有：区域主导模式、区域场景牵引模式、行业主导模式、以及“央地共建”模式。

区域主导模式：区域数据集团陆续成立，承担地方公共数据运营职能。当地建立大数据集团，政府将公共数据开发利用权统一授权给大数据集团。大数据集团搭建公共数据运营平台并承担运营职能。其中，福建大数据集团、成都大数据集团、上海大数据集团、河南数据集团、湖北数据集团等进程较快。其中，大数据集团会和具有技术能力的公司成立合资子公司，子公司承担部分数据运营。

区域场景牵引模式：地方公共数据按行业场景授权给国资企业进行运营。例如，北京市授权北京金控集团建设运营公共数据金融专区。同时，北京以电信运营商数据为基础融合政务数据、第三方社会数据，设置位置数据专区。北京还设置有空间数据等行业专区。

行业主导模式：国资背景、具有行业应用场景的公司得到授权，进行公共数据运营。例如，依托中国民航信息网络股份有限公司（国有控股上市企业），“航旅纵横”APP 受中航信委托，通过签订协议的方式，对民航运行、旅客航空出行数据进行开发，形成数据产品服务。

“央地共建共运营”模式：云、数技术能力强劲的央企参与区域公共数据运营。中国电子成立中国电子数据产业集团，与深桑达形成联动，携手地方探索数据要素制度、共建数据运营平台、共同运营治理数据。易华录在全国广泛布局数据湖，与地方政府合作开放公共数据，促进区域和地方的国有数据汇聚及治理。

4.4 数据要素价值有望持续释放，众多参与方有望获益

根据数据的价值释放过程，我们总结出有三方主体将持续受益于数据要素化进程的不断推进。三方主体分别为：拥有大量数据的数据资源持有方、具有可靠国资背景的公共数据运营方和数据要素全产业链中的技术服务提供商：

数据资源持有方：拥有大量宝贵数据资源，或成最大赢家。互联网、金融、电力、医疗、通信等领域的企业拥有大量的个人数据，具有巨大的价值等待挖掘。同时，电力、金融、交通、航空航天等领域有大量公司可以提供有价值的企业数据，例如卫星数据、高速公路数据、钢铁生产及贸易数据等。这些宝贵的数据不仅能驱动企业自身业务进一步发展，还能作为数据交易中的数据来源创造可观利润，为产业发展赋能。

公共数据运营方：包括参与区域性公共数据授权运营的企业、行业垂类公共数据授权运营的企业。前者是指正在或未来有望参与区域性公共数据运营的主体，后者则是指具有了解行业场景，有 know-how 能力、正在或未来有望参与行业垂类公共数据运营的主体。国资背景的数据运营商打造可信政务数据平台，政府掌握了大量高价值的数据和信息，在保障安全的同时亟待开发利用。近年来，国家高度重视数据要素市场发展，这些沉睡的政务数据将通过打造安全可信数据运营平台的方式被唤醒。政务数据价值大，但敏感程度较高。具有国资背景、可靠可信、且具有一定技术实力的企业将成为运营政务数据，打造政务信息化平台的最佳选择。

技术服务提供商：全面赋能数据要素产业链。具体来说，是指能在公共数据授权运营中，提供安全可信环境、提供如隐私计算等关键技术支撑的企业。数据要素产业链较长，在数据采集、存储、标注、运营、处理分析、交易等各个环节都需要先进技术进行支持。如何利用技术进行数据价值挖掘、保护隐私、建立互信，都是数据要素市场发展的关键问题。众多技术实力出众的企业将在数据采集存储、数据加工分析、打造数据运营平台、打造数据交易平台等方面展开业务，如建立隐私计算平台、进行数据标注、施行数据清理等。这些企业将在数据要素的发展进程中持续受益。

（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）