通信行业算力研究报告

证券研究报告|行业深度我国东数西算战略、美国对英伟达高算力芯片的禁运均指向了被市场忽略的概念——算力。为什么我们当前重视算力革命？如何看待这场IT变革？行业走势为何当前要关注算力？每一轮的ICT创新革命都是“通信+计算+存储”三位一体协同升级，5G作为数据传输的“超级高速公路”，必然将匹配更快的“跑车”，当我们将视野从短视频等拓展到AR、VR乃至元宇宙时，16%通信沪深300其对计算、渲染、AI的需求将剧增，同时智能汽车、可穿戴的兴起将推动计算能力将从云端向“云—边—端”延伸，多元算力时代即将到来。在5G0%网络基本建设完成后，算力对社会的贡献将逐步体现，据华为《泛在算力》报告测算，1美元的算力投入，可以带来4.7美元的社会产出。-16%泛在算力：“云—边—端”的共存。市场此前将算力等同于IDC，而今在-3221-092022-012022-052022-09算力需求百倍增长下，处理器单核性能与多核提升边际递减存在，大型数据中心的算力提升有限。而由于网络性能，带宽成本等制约，对于分布式需求愈发明显。边与端的设备将迎来从“功能机”向“智能机”的升级。绿色算力：双碳制约下的等式转换。通过芯片和算法，我们实现了“能源作者+算力——>价值+热量”的转换，随着算力应用的普及，能源将是终极制分析师宋嘉吉约因素。对IDC而言，大型化、智能化和散热技术成为标配；对于芯片和执业证书编号：S0680519010002器件而言，ARM架构通过成本和效率的优化占据服务器市场一席之地，而邮箱：songjiaji@ 提升光传输密度是降低器件功耗的主攻方向，CPO共封装光学呼之欲出。相关研究 算力生态：构建汽车/元宇宙/机器人等多场景共荣生态。元宇宙的宏大愿1、《区块链：元宇宙闪耀服贸会：VR、虚拟人与景、虚拟人的AI灵魂、智能汽车的丰富互动、AR/VR的立体展示将带来2022-09-08对算力提出随时、随地、随需、随形的能力要求。从投资角度看，汽车智2、《区块链：以太坊生态之Layer2：技术融合，应用为能化催生的算力需求有望明后年最快爆发，以解决人机交互、辅助驾驶等王》2022-09-07实用功能，而未来的无人驾驶场景则更需算力支撑，因此车型升级中更易“预埋”算力，需求确定性最强。而元宇宙、Web3面向C端用户的虚拟世界构建则代表了远期最具爆发力的需求。航投资机会》2022-09-04投资建议：抓住“光与云”的确定性，探索“边缘+绿色”的广阔空间。1）边缘算力：美格智能、移远通信、广和通；2）通信设备：亨通光电、长飞光纤、中天科技、天孚通信、中兴通讯、新易盛、中际旭创、初灵信息；3）芯片：NVDA、AMD、QCOM。风险提示：美国科技封锁拖延国内新技术发展；国内算力应用市场发展缓慢重点标的股票代码股票名称投资评级2021A2022E2023E2024E2021A2022E2023E2024E002881.SZ美格智能0.490.892.4685.1246.8716.96000063.SZ中兴通讯2.072.2913.3111.9610.81600522.SH中天科技0.05497.0022.3918.4115.63600487.SH亨通光电0.610.9631.4419.9813.41资料来源：Wind，国盛证券研究所请仔细阅读本报告末页声明P.2请仔细阅读本报告末页声明1.投资要件 2.算力革命 2.1.算力的发展 2.2.算力对全球经济的促进作用 102.3.算力革命正在发生的原因：供需错配 2.4.算力革命关键词：“泛在”、“绿色”与“生态” 163.泛在：“云—边—端”的共存 183.1.国内IDC：行业底部出清，需求曙光初现，反转只欠东风 193.2.全球IDC市场：需求持续强劲，景气度存在预期差 203.3边缘计算：方兴未艾，未来可期 244.绿色：双碳制约下的算力网络 344.1.算力需求指数及增长，数据中心能耗要求越发严格 354.2.大型化、智能化和散热技术创新是绿色数据中心关键点 374.3.芯片功耗提升空间有限，低功耗和云边端一体是主旋律 394.4.提升光传输密度是降低器件功耗的主攻方向 424.5.结合使用绿色能源是算力可持续发展之路 434.6.构建全光智能算力网络，“东数西算”实现资源最优解 475.生态：汽车/元宇宙/机器人等多场景共荣的算力生态如何构建？ 505.1.人工智能核心驱动，算力发展没有天花板 525.2.智能网联车——自动驾驶和智能座舱，算力争霸制高点 535.3.元宇宙：算力即权力 625.4.Web3时代，算力将是重要技术支撑 695.5.万物互联：物联网高速发展，终端智能化赋能千行百业 715.6.算力时代的自主可控正成为核心焦点 756.投资策略：抓住“光与云”的确定性，探索“边缘+绿色”的广阔空间 786.1集中算力投资：“光与云的确定性” 786.2“边缘+绿色”，无限可能的大空间机会 797.风险提示 79图表1：算力革命 图表2：近10年来全球算力的增长明显滞后于数据的增长 图表3：自动驾驶对于算力需求 图表4：人工智能计算需求增长曲线与电子芯片算力增长曲线的高度不匹配 图表5：计算力发展阶段 图表6：算力资本与物质资本相互促进 10图表7：算力投资对经济的杠杆作用 图表8：计算力对经济的推动作用 图表9：人均算力反应国家智能化水平 图表10：不同制程手机芯片成本 13图表11：核心数与算力关系曲线 13P.3请仔细阅读本报告末页声明图表12：算力与网络的供需错配 图表13：算力发展的驱动原因 图表14：四类关键技术对算力的具体要求 图表15：现代算力发展的三个阶段 图表16：算力生态功能 18图表177：中心和边缘侧的算力错位 19图表188：罗永浩抖音直播带货 19图表19：2013年至2021年中国DOU值 20图表20：北美三大云业务营收同比增速 20图表21：北美四大云厂商资本支出（单位：百万美元） 21图表22：英伟达数据中心业务单季度营收及其同比增速（单位：亿美元） 21图表23：arista预计到2026年整个数据中心交换机市场将增长至240亿美元 22图表24：国内优质IDC公司推荐（8月11日收盘价） 23图表25：北美优质IDC产业链公司推荐（8月11日收盘价） 23图表26：国产服务器厂商推荐（8月11日收盘价PE取Wind一致预期） 24图表27：云计算部署方式 24图表28：边缘计算部署方式 24图表29：边缘计算的范围 25图表30：边缘计算发展历史 25图表31：边缘计算产业联盟 26图表32：边缘计算的五大核心优势 27图表33：5G下的边缘计算 28图表34：广域MEC 28图表35：局域MEC 29图表36：全球数据流量类型（ZB/Y） 30图表37：边缘计算主要玩家 31图表38：智能制造架构 33图表39：边缘计算在智能制造中的应用 34图表40：边缘计算A股标的（9月2日收盘价PE取Wind一致预期） 34图表41：历年服务器芯片能耗对比（W/GFLOPS） 35图表42：晶体管结构原理及3nm以后解决方案展望 36图表43：数据中心能耗组成 36图表44：重点城市数据中心最新政策 37图表45：欧洲和中国不同类型数据中西PUE水平 37图表46：百度自研北极天蝎整机柜服务器 38图表47：华为iCooling数据中心AI神经网络模型 38图表48：英维克制冷系统示意图 38图表49：海底数据中心示意图 39图表50：CISC与RISC对比 39图表51：CISC与RISC对比 40图表52：RMCortex-A72架构 40图表53：ARMAmpereA1与x86IntelXeonOptimized3、AMDEPYCE4的H.264视频处理效率对比 41图表54：基于ARM架构的苹果M1芯片 41图表55：电动车智能座舱大火的高通8155芯片 41图表56：RISC架构对未来智能化社会要求更加匹配，以ARM为例 42图表57：随着速率持续提升，光模块单Gbit/s的能耗持续降低（单位：W/G） 43P.4请仔细阅读本报告末页声明图表58：CPO交换机系统架构 43图表59：intel1.6T硅光引擎与12.8T的可编程以太网交换机集成CPO交换机实物 43图表60：我国光伏发电潜力 44图表61：我国70米高度陆地（左）和海上（右）风能资源（单位：瓦/平方米） 44图表62：传统加热系统与SAI芯片废热回收加热系统 44图表63：SAI的核心理念 45图表64：SAIHEAT余热利用示意图 45图表65：行山能源信息技术产业基地一期图 46图表66：分布式光伏数据中心 46图表67：通信基站分布式光伏发电改造 47图表68：网络限制和算力潮汐效应是影响算力网络的突出问题 48图表69：全光底座总体架构 48图表70：算力网络全光应用典型场景 49图表71：人类社会必然向智能社会过度，需要算力进行匹配 50图表72：智能社会随时、随地、随需、随形的算力 51图表73：云边端一体算力生态 51图表74：AI架构运算流程 52图表75：人工智能持续渗透将大力拉动算力需求 53图表76：自动驾驶不同等级算力需求 54图表77：5GV2X车路协同系统 55图表78：配备4颗NVIDIADriveOrin芯片，ET7整体算力达到1016TOPS 55图表79：DOJOD1Chip介绍1 56图表80：DOJOD1Chip介绍1 56图表81：Transformer神经网络 56图表82：纯视觉几乎达到了雷达的精准度 57图表83：英伟达自动驾驶全栈能力 57图表84：自动驾驶需要端到端的开发流程 58图表85：英伟达助力电动车革命 58图表86：智能电动车的变化—域控制器 59图表87：智能座舱一芯多屏、多屏联动功能 59图表88：智能座舱多种交互方式融合的极致体验 59图表89：特斯拉三代智能座舱芯片方案对比 60图表90：特斯拉第三代智能座舱方案详情 60图表91：新款特斯拉座舱性能媲美游戏主机 60图表92：比亚迪秦座舱可支持王者荣耀 60图表93：高通8155说明书 61图表94：特斯拉model3拆解，可以看到tbox用的是telit蜂窝通信模组 61图表95：蜂窝通信模组产品形态发展趋势 62图表96：元宇宙的概念 62图表97：多边形建模图示 63图表98：RTX3090支持8K渲染 64图表99：逼近显示的游戏画面 64图表100：控制台/显卡算力变化 64图表101：AR/VR技术的发展对于算力的驱动与要求 65图表102：内容创作的4个阶段 66图表103：通过AI实现3D动画 66P.5请仔细阅读本报告末页声明图表104：英伟达GPU云计算概览 66图表105：英伟达GPU云计算流程 66图表106：NVIDIA云计算平台主要应用方向 67图表107：通过AI算法实现特征提取 68图表108：高精度渲染的NFT图片 69图表109：区块链游戏效果图 69图表110：云渲染价格 70图表111：RenderNetwork的运行机制 70图表112：物联网众多下游行业将对共同拉动算力增长 71图表113：蜂窝通信终端规模预测 72图表114：智慧工厂算力分析 73图表115：近五年中国工业互联网市场规模 73图表116：新基建的三大组成部分 74图表117：全生命周期数字化管理实现数字制造闭环 74图表118：英伟达A100 75图表119：GPU在异构计算中优势明显 76图表120：GPU各块能力及对应应用场景 76图表121：主要GPU及相关算力芯片比较 77图表122：中国GPU市场规模及预测 77图表123：“光与云”投资标的 78图表124：“边缘+绿色”投资标的 79P.6请仔细阅读本报告末页声明图表1：算力革命资料来源：IDC，三大运营商，Wind，华为，国盛证券研究所整理P.7请仔细阅读本报告末页声明称被美国政府要求限制向中国出口两款被用于加速人工智能任务的最新两代旗舰GPU核心视角，我们后文将逐一展开。图表2：近10年来全球算力的增长明显滞后于数据的增长资料来源：IDC，国盛证券研究所年来全球算力的增长明显滞后于数据的增长。同时，伴随智能汽车、人工智能、机器学显现，海量数据持续涌现，数据结构从单一模式变为多模式，非结构化数据日益增加，对海量复杂数据的实时处理要求更高。在未来5-10年将是数据量指数级增长的井喷临P.8请仔细阅读本报告末页声明图表3：自动驾驶对于算力需求资料来源：亿欧智库，国盛证券研究所未来在自动驾驶、机器人等多个方向，对于算力的消耗会呈指数级增长，深度学习器学习的场景越来越丰富，通用芯片和专用芯片的关系会发生动态变化。各大巨头纷纷带来了延迟功耗，通过把部分算力下通到存储，在拥有足够好性能器件支撑的前提下，图表4：人工智能计算需求增长曲线与电子芯片算力增长曲线的高度不匹配资料来源：《光子芯片研究进展及展望》，国盛证券研究所作为支持数字经济以及智能化的核心基座，以数字新基建为代表的算力革命，正在催生P.9请仔细阅读本报告末页声明当前网络实时性缺乏保障、宽带不足、能源供给不匹配等问题。同时，在操作系统、服务器高端芯片、算力数据库等领域，依旧较多受外部因素制约，实现国内算力网络资源近年来，“算力”两字，随着社会智能化的程度提升，越来越多的被提及。其实“算力”一词并非新鲜事物，从中国古代的算盘到如今的超级计算机，算力作为人类认知能力的数，来衡量算力大小。从最原始的算盘到当今的超级计算机，人类社会的算力发展经过了诸多阶段，根据华为算力报告，这些阶段可以划分为人力化、机械化、电气化、集成电路化和当下所展现的图表5：计算力发展阶段路的走向成熟，算力载体的物理体积得到大幅缩减，集成电路计算机被运用到各行各业P.10请仔细阅读本报告末页声明算力以及其背后代表的设备链条，是具有高附加值的高科技产业。算力作为一种新技术图表6：算力资本与物质资本相互促进资料来源：《2021-2022全球计算力指数评估报告》，国盛证券研究所在华为的《泛在算力》报告中，对算力产生的经济效益做了更加明确的划分，一是直接直接收益，以公有云投资为例，在选取戴尔P将会为社会带来更加显示显著的额外收益。根据美国劳工部数据，随着智能机器人等基于高算力的智能设备加速应用，未来讲给美国智能制造业带产值提升。同时，根据华为《泛在算力》报告数据，智能化程度提升，将会为包括制造P.11请仔细阅读本报告末页声明图表7：算力投资对经济的杠杆作用资料来源：华为，国盛证券研究所图表8：计算力对经济的推动作用资料来源：IDC，国盛证券研究所由此可见，算力已经成为衡量国家综合竞争力的重要指水平与国家智能化程度呈现高度相关性。包括美国、新加坡、英国在内的当前智能化水平较高的国家，人均算力水平同样呈现较高的水平；而泰国、印度尼西亚等较低智能化P.12请仔细阅读本报告末页声明图表9：人均算力反应国家智能化水平资料来源：罗兰贝格，IMD，华为，国盛证券研究所驶，智能机器人，人工智能等新需求的快速成熟，边缘侧与终端侧算力需求涌现，全球现有算力将快速进入“供不应求”的局面，算力革命已经迫在眉睫。极限、流量成本、碳排放等因素制约，集中式算力的边际性价比正在减弱。需求方面，未来呈现指数型爆发式增长。本篇报告，我们将从供需出发，分条阐述“算力革命”爆发的必然性与急迫性，并给出相关的投资建议。栅长缩小到一定程度的时候，即使没有加电压，源极和漏极都接近互通，晶体管便失去P.13请仔细阅读本报告末页声明图表10：不同制程手机芯片成本0资料来源：华为，罗兰贝格，国盛证券研究所即使在能够接受较高成本的大型数据中心等用户中，处理器性能的过拟合不同核心数量的芯片计算能力样本数据，我们发现多核处理器随核数增长，算力增长的倍数快速下滑：从2核增至4核图表11：核心数与算力关系曲线资料来源：华为，罗兰贝格，国盛证券研究所这段过程是通过网关、基站、数据中心等不同网节点之间的信道所实现的，其中信道的P.14请仔细阅读本报告末页声明图表12：算力与网络的供需错配资料来源：华为，国盛证券研究所随着芯片制成逐渐接近量子隧穿效应发生的制程，当前主流芯片的能效比的难度凸显，其进一步下探幅度有限，这意味着，等量算力的提升，即将对应等量能耗需求的提升。面对未来百倍的算力需求，高能耗问题将成为人类算力发展过程中的重要链、AR/VR等关键信息技术逐渐成熟，社会中大量智能化场格报告，人工智能技术将推动无人驾驶、智能办公、智慧医疗等场景的有效落地，物联网技术将推动智能消防、智慧工厂、智慧农场、智能家居等场景落地，区块链技术将推P.15请仔细阅读本报告末页声明课堂等场景落地。这些场景未来将在产业领域实现跨越式发展、助力各产业创新、增强产业数字化程度并增强市场活力，在政务领域帮助政府提升运行效率、提高城市管理水平、加强居民生活幸福度，在民生领域推动社会民生保障、创造宜居空间、实现可持续图表13：算力发展的驱动原因资料来源：华为，罗兰贝格，国盛证券研究所图表14：四类关键技术对算力的具体要求AR/VR：提供低时延且不间断的要求较低提供不受地理范围限制提供能满足波峰与波谷能够装载在随行的物体上机AR/VR设备资料来源：华为，IDC，宽带发展联盟，罗兰贝格，国盛证券研究所P.16请仔细阅读本报告末页声明从算力需求看，人工智能技术对于算力的核心拉动点在于未来各应用场景内单设备芯片算力的增长和人工智能技术的行业渗透率的进一步提升，物联网主要通过低算力物联网设备的普及、配套云端计算中心和边缘端计算单元的增加共同拉动算力增长，区块链因VR/AR设备的普及和普及需要的云计算中心和边缘计算设备算力配套将共同推动整体算发深入，当先算力的需求端将会出现指数型爆发，我们将在第五章更加深入的展开讨论前文提到，在算力需求百倍增长下，由于处理器单核性能与多核提升边际递减存在，大型数据中心的算力提升有限。同时，由于网络性能，带宽成本等制约，对于分布式需求算力泛在，我们认为，就是实现“云、边、端”算力的融合，纵观当今算力发展，进入多核受限于核心效应边界与功耗，网络化受限于时延与成本。因此，算力泛在，即实现P.17请仔细阅读本报告末页声明图表15：现代算力发展的三个阶段资料来源：华为，国盛证券研究所汽车等终端设备的快速进化，边缘侧计算与云端计算相结合的网络和硬件条件正在逐步完善，算力“泛在”的整体环境已经初步建立。我们将在第三章，分为“中心”与“边前文提到，制约算力供给端的因素之一，是全球双碳趋势下，数据中心高能耗与全球碳放目标。此后，GSMA下逾50家成员单位（包括沃达丰、西班已陆续开始公布年度能源消耗情况，制定每年的能源消耗削减目标及策略计划，从而实现对其数据中心的能源消耗控制。的高效利用。另一方面，要积极提高绿色能源在机房用电中的占比，实现数据中心真正的投资机会。以常见的物联网模组为例，市场认为模组仅是提供单一的无线通信能力，而当下游需求丰富起来之后，模组还需支持操作系统、多媒体、本地算力等应用，且在智能家居、智P.18请仔细阅读本报告末页声明图表16：算力生态功能资料来源：国盛通信团队整理，国盛证券研究所的的数据量，其中视频为主的非结构化数据将占到80%以上。而其中数据的创建正在更多的趋向于边缘，同样的数据的存储也会向中心和边缘转变，终端的占比会下降。但是数据的处理一直在中心，数据的使用和消费在端侧，就出现了算力错位。算力错位会导云计算是现在计算的一个主流，开创了云端算力的模式，把云端算力投射到终端上，当近二十年，以数据为基础、以网络为媒介、以计算为核心的科技以迅雷不及掩耳的速度急速发展，全球进入移动互联网时代，产生的数据量相当于过去数世纪的数据量总和，代，经过十多年的发展，云服务已经影响到企业和个人生活的方方面面。随着全球范围P.19请仔细阅读本报告末页声明图表177：中心和边缘侧的算力错位资料来源：LiveVideoStack，国盛证券研究所因为互联网行业发展暂缓，对于光模块等产业链公司，主要对于动荡环境下的北美宏观上来，其本质是人类对于更加智能，更加美好的生活的追求，算力需求的增长具有高度图表188：罗永浩抖音直播带货资料来源：抖音，国盛证券研究所视频，以及爱奇艺、腾讯视频为主的长视频逐渐成为新潮流。而直播也发展出了更多形式，以淘宝、拼多多为主的电商逐渐进入直播带货时代，抖音、快手也凭借其在短视频的流量优势涉足电商领域。用户的习惯开始转向以视频和直播为主的应用和媒介，而视频直播又意味着流量相较过去有了数十倍的爆发。P.20请仔细阅读本报告末页声明图表19：2013年至2021年中国DOU值2013年至2021年中国DOU值86420资料来源：Wind，国盛证券研究所随着以智能驾驶、人工智能、物联网为标志的智能化场景加速渗透，我国会加速释放。面对未来百倍的算力需求，作为云端算力的载体，数据中心在未来算力网今年以来，国内投资者对于北美数通产业链景气度预期进行了明显的下修，以光模块为本支出展望、以及数通产业链各家中报业绩来看，市场对于北美数通的预期存在过分悲观的情况。在宏观不确定性下，龙头大厂依旧逆势加码云基建，说明数字化，云化依旧是当下最具潜力的行业赛道。我们认为，从中短期来看，北美数据中心的需求仍然非常旺盛。从云计算业务来看，北图表20：北美三大云业务营收同比增速AWS谷歌云Azure资料来源：WInd、国盛证券研究所P.21请仔细阅读本报告末页声明图表21：北美四大云厂商资本支出（单位：百万美元）0资料来源：Wind、国盛证券研究所从设备商角度，尽管英伟达、AMD等公司Q2业绩表现出现了一定程度下滑，但主要原图表22：英伟达数据中心业务单季度营收及其同比增速（单位：亿美元）50..2020Q12020Q22020Q32020Q42021资料来源：英伟达、国盛证券研究所均同比显著增长。在云计算方面，AWS、百度、谷歌、微软P.22请仔细阅读本报告末页声明司在数据中心交换机市场份额持续提升中，公司预计整个数据中心市场还将持续增长，图表23：arista预计到2026年整个数据中心交换机市场将增长至240亿美元资料来源：arista，国盛证券研究所我们通过以上三家具有代表性的科技公司近期业绩可以大致看到，数据中心市场景气度依旧保持高位，且根据指引预期来看，未来还将继续保持高景气增长。结合北美头部云厂商一季度增速及云厂商全年资本开支指引，即便下半年面临短期波动，中期北美数据中心产业景气度可见。领域的加速探索，北美流量长期增长的态势不会改变，数据中心在作为算力发展的核心P.23请仔细阅读本报告末页声明图表24：国内优质IDC公司推荐（8月11日收盘价）国内IDC公司PE取Wind一致预期股票代码公司名称市值（亿）公司简介万m²。资料来源：Wind，国盛证券研究所管市场担心22H2在美国加息周期中，大需求持较乐观的态度，一旦加息预期出现拐点（加息周期影响云厂商业务收入，同时不图表25：北美优质IDC产业链公司推荐（8月11日收盘价）北美IDC产业链公司PE取Wind一致预期股票代码公司名称市值（亿）公司简介主营数通100/200/400/800G高速光模块，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装和光器件封装；2021年海外营收占78%。主营光连接器、分路器、插芯、光芯片等无源器300570.SZ太辰光34.5045.323.6件，及有源光缆、光模块等有源器件及其组件；2021年海外营收占80%。主营数通100/200/400/800G高速光模块，2021300308.SZ中际旭创247.9026.5年市场份额居全球第二，约为10%；2021年海外营收占75%。一站式光器件供应商，主营无源及有源光器件，300394.SZ天孚通信103.8823.8成功研发光引擎产品；公司是新易盛、中际旭创002463.SZ沪电股份278.2429.620.3主营PCB制造，2021年海外营收占68%。资料来源：Wind，国盛证券研究所最后看国产数通市场情况。目前服务器国产替代之风较之前更为流行，因此我们看好综合能力较强、市场份额靠前的国内网络设备厂商，如紫光股份、星网锐捷，以及目前P.24请仔细阅读本报告末页声明图表26：国产服务器厂商推荐（8月11日收盘价PE取Wind一致预期）股票代码公司名称市值（亿）公司简介000938.SZ紫光股份576.0230.421.9云计算软硬件厂商，客户覆盖面广泛。2019-2021年中国以太网交换机、企业路由器市场份002396.SZ星网锐捷131.3025.0主营B/G端通信设备与软件服务，2021年中国以太网交换机市场份额第三。301191.SZ菲菱科思43.05--20.3主营B/G端、兼顾C端通信设备，是A股唯一网络设备ODM/OEM厂商。资料来源：Wind，国盛证券研究所化算力支撑乃是效率较低的选择，无论是智能驾驶对于时延的要求，亦或是传输高清视频图像等带来的大额带宽成本，都将进一步加剧图表27：云计算部署方式资料来源：Gartner，国盛证券研究所图表28：边缘计算部署方式资料来源：Gartner，国盛证券研究所在此背景下，边缘计算便成为了传统云端算力的很好补充，云计算聚焦非实时，长周期数据的大数据分析，能够在周期性维护，业务决策支撑等领域发挥特长。边缘计算聚焦实时、短周期数据的分析，能更好的支撑本地业务的实时智能化处理与执行。算力“泛在”的模式也将随着边缘计算的加入得到完善。从边缘计算的定义、优势、行业空间、应用案例、产业链玩家、A股相关根据边缘计算产业联盟的定义，边缘计算是在靠近物或者数据源头得到网络边缘侧，融合网络、计算、存储、应用核心能力的开放平台，就近提供边缘智能服务，满足行业数P.25请仔细阅读本报告末页声明图表29：边缘计算的范围资料来源：Gartner，国盛证券研究所图表30：边缘计算发展历史资料来源：工业互联网产业联盟，国盛证券研究所在相关理论加速成熟的同时，行业联盟也在加速建立，目前主流的边缘计算联盟包括了思科、ARM、英特尔、戴尔、微软、普林斯华为、沈自所、信通院、因特尔、ARM、软P.26请仔细阅读本报告末页声明图表31：边缘计算产业联盟资料来源：工业互联网产业联盟，国盛证券研究所联接阶段，边缘计算主要解决终端及设备的海量、异构与实时连接，网维，并保证联接的安全、可靠与互操作性。这一阶段的典型应智能阶段，在该阶段，边缘侧将会引入数据分析与业务自动处理业务逻辑，大幅提升效率，降低成本。这一阶段的典型应用包括了各种设备的自我状态监测等。算，还能够动态实时的自我优化，调整和执行策略，该阶段的典型应用是各类无人工厂低时延：低时延是提高用户体验甚至是使得某些应用能够工作的重要因素。一方面，边缘计算通过在网络边缘进行数据处理，降低了因数据在终端和云端之间多跳传输产生的时延。另一方面，利用优化的边缘算力进行数据处理，也比利用有限的终端算力进行数低带宽：物联网设备产生的数据具有体量大、价值密度较小的特性。如果把原始数据直接传输到云端进行处理，很大程度上造成网络拥塞，为了保证带宽所需的成本代价也极更经济的智能：视频监控、语音识别、图像分析等人工智能行。但基于实时数据进行模型推理如果也在云端进行，网络成本会非常高。同时，普通的终端设备无论从算力还是能耗角度都无法支持模型的推理。边缘计算将AI模型推理P.27请仔细阅读本报告末页声明数据可控：企业往往对将自己的生产数据传输到云端进行处理有很大顾虑。边缘计算能避免了数据传输过程中可能的泄露、遗失、篡改等风险。此外，云计算数据中心对数据的安全控制力度并不是十分理想，API访问权限控制以及密钥生成、存储和管理方面的不足都可能造成数据泄漏，并且还可能缺乏必要的数据销毁政策。边缘计算可以实现更击窗口众多。边缘计算硬件专为严苛的物理环境设计，具有紧凑、坚固、抗高温高湿等能实现自治，继续支撑其上应用的运行，在网络恢复之后，还能自动与云端更新数据、状态。边缘计算软件平台还支持应用跨节点部署及多实例运行等能力，当某个节点发生故障时，可快速实现负载迁移，避免对业务的图表32：边缘计算的五大核心优势资料来源：《联想边缘计算白皮书》、国盛证券研究所通过边缘计算技术将应用部署到数据侧，而不是将所有数据发送到集中的数据中心，满足应用的实时性。白皮书认为，智慧工厂、智能电网、智能驾驶、健康医疗、娱乐和数字媒体是未来最具商业规模且排名靠前的边缘计算需求场景，极具典型性，并且运营商也在这些领域与行业客户紧密合作，基于用户需求，共同推动边缘计算的发展，为用户署形式，有望在物理层面加速边缘计算网络的P.28请仔细阅读本报告末页声明图表33：5G下的边缘计算资料来源：中国联通边缘计算白皮书，国盛证券研究所经能够为大量垂直行业提供5G服务。MEC图表34：广域MEC资料来源：工业互联网产业联盟，国盛证券研究所P.29请仔细阅读本报告末页声明港口龙门吊的远程操控，钢铁厂的天车远程操控，以及大部分的制造、石化、教育、医图表35：局域MEC资料来源：工业互联网产业联盟。国盛证券研究所解决方案的硬件、软件和服务上的支出预计将持续从地理角度来看，美国将成为优势解决方案的最大投资者，P.30请仔细阅读本报告末页声明图表36：全球数据流量类型（ZB/Y）0资料来源：思科全球云指数数据，国盛证券研究所公有云厂商：将云计算能力向设备和用户侧延伸，扩充云数据中心的外延，将云原生的统一编程模式通过边缘网关的能力应用到设备构成的边缘云，主打云边协同ICT厂商：将基础软硬件及技术服务同边缘计算场景融合，实现软代表：联想、浪潮、新华三、中兴、华为、初灵信息P.31请仔细阅读本报告末页声明图表37：边缘计算主要玩家云计算巨头微软边缘计算平台云端能力融入终端，本地聚合分析与预测AWS边缘计算平台赋能DeepLens设备（AI相机），用于在边缘进行机器学习模型构建Google边缘计算系统基于AI，主要针对家电设备阿里云边缘计算平台用于AI实践，目前已获16家芯片、52家设备商、184款模组和网关支持百度边缘计算平台将云端的数据管理与计算机功能以软件的方式放在设备端华为+GE边缘计算平台设备运行状态实时监测，提供预测性维护的智能决策Vmware边缘监视运用运行在戴尔服务器上，与IP视频监控产品的Axis通信公司合作Intel边缘处理器瞄准对密度和电力消耗的问题更为敏感的边缘环境Linux基金会物联网设备互操作框架解决物联网器件的互操作性问题，在系统边缘部署运行着EdgeX核心程序的网关设备边缘网络，正在建设平台提供边缘LaaS和PaaS服务CloudFlare边缘网络及平台微服务形式，支持边缘编程运营商移动边缘网络低时延智能网络（云游戏试点）边缘网络，边缘云平台试点工业互联网边缘计算开放平台；延展现有CDN服务，并为多网络用户服务联通边缘网络，建设平台中2025年100%云化；发布CDN+边缘计算的多款融合应用AT&T边缘网络靠近商业站点的特定地理位置部署高级云服务资料来源：表内公司官网，国盛证券研究所我们认为自动驾驶、AI、AR/VR等需要高算力、低延时的场景会逐传统的维护方式主要是事后维护和预防性维护，事后维护会导致业务中断，预防性维护转向整合产业链、依靠维保服务增加企业收入，但电梯通过事后维护和预防性维护的成改造提升运维效率、降低运维成本。通过引入边缘计算，可以助力电梯厂商从传统的预以电梯为例，基于电梯内大量的传感器，可以对电梯运行状态实的边缘计算融合网关可以提供数据分析能力，第一时间发现设备潜在故障。同时提供本地存活，一旦与云端联接故障，数据可以本地保存，联接恢复后，本地收敛数P.32请仔细阅读本报告末页声明可以帮助电梯厂家研发改善产品质量、售后提升服务满意度；可以开放给楼宇物业等，帮助提供紧急救援等服务；可以为广告厂商等提供媒资传播平台。典型行业应用场景：电梯、特种车、数控机床、二次供水设备、能源预测随着世界经济的发展，发展需求与能源制约的矛盾愈加明显，能耗水平反或地区的经济发展水平和生活质量，在能源需求日趋紧张的情况下，如何实现建筑能耗量化以及效果评估，降低建筑物（包括空调、路灯照明、办公设备等）运行过程中消耗的能量，从而降低运行成本，同时提高用户使用满意度，满足各大企业从提供产品向提厂商都准备向智能路灯转型，通过智能路灯节能减排，相关国家和国际组织也逐步在法律中明确建设绿色节能标准，如全球气候组织呼吁十年完成全球路灯智能化改造、实现通过引入边缘计算，能够为能效管理带来以下通过实时能效控制有效降低建筑能耗，节约能源方面的开支，据澳大利亚墨尔本项实现能源信息采集自动化，节省人工采集费用，降低维保证正常工作和管理，同时边缘侧能够实时监测路灯、开关、空调等采集设备的状态，进行可预测性维护，在设备可能出现故障时实时进行策略调整。典型行业应用随着消费者对产品需求的日益增高，产品的生命周期越来越短，小批量多制化需求的产品生产模式将一定程度替代大批量生产制造模式，先前制造体系严格的分层架构已经无法满足当前的制造需求，以某消费电子类产品的制造生产线为例，采用操作重置、接口配置耗时约5~12周，严P.33请仔细阅读本报告末页声明图表38：智能制造架构资料来源：边缘计算产业联盟白皮书，国盛证券研究所边缘计算能够推动智能制造的实现。边缘计算在工业系统中的在数据平台中，根据产线的工艺和工序模型，通过服务组合对现场设备进行动态管理和化，旧的制造设备快速替换与新设备上线。升1倍；通过生产节拍、物料供给方式的自动变化来适应每天多次的计划调整，消除多个型P.34请仔细阅读本报告末页声明图表39：边缘计算在智能制造中的应用资料来源：边缘计算产业联盟白皮书，国盛证券研究所图表40：边缘计算A股标的（9月2日收盘价PE取Wind一致预期）公司简介户提供包含边缘云主机与容器在内的边缘云整体解决资料来源：Wind，国盛证券研究所P.35请仔细阅读本报告末页声明素之一，在单位算力功耗呈现出逐年递减，且正向着极限逼近的态势下，算力的整体量级却仍然随着其广泛的应用而持续大规模增长。一方面必须依托算力的大规模使用以实现智能社会的演进，而另一方面这一进程又必将伴随着碳排放的提升而导致全球气候的图表41：历年服务器芯片能耗对比（W/GFLOPS）50W/GFLOPSW/GFLOPS4770KQuadAMDAMD资料来源：Intel，AMD，国盛证券研究所数级下降的趋势，发展到当下7纳米制程的先进处理器芯片时已开始趋近于О片制造工艺的低制程化，而这一趋势正受到硅基芯片上晶体管栅长缩减引发的量子隧穿效应挑战，一旦到达临界制程可能将造成晶体管闭合功能的全面无效化。因此在没有新P.36请仔细阅读本报告末页声明图表42：晶体管结构原理及3nm以后解决方案展望资料来源：《MakingChipsAt3nmAndBeyond》2020.04，国盛证券研究所整理幅度有限的背景下，智能社会应用的广泛普及无可避免，势必导致算力功耗总量的进一步提升。根据工信部数据，随着人工智能、物联网、区块链等技术的发展，我国数据中年全社会用电量。面问未来，数据中心算力将在信息技术产业的大力发展下继续增长，设备、供电系统和照明系统，其中制冷系统和IT设备合计占总能耗的80%。图表43：数据中心能耗组成40%40%供配电系统资料来源：工信部，国盛证券研究所明确用三年时间基本形成布局合理、技术先进、绿色低碳、算力规P.37请仔细阅读本报告末页声明图表44：重点城市数据中心最新政策资料来源：各有关部门，国盛证券研究所中心会更加系统地从基础设施和管理系统层面来进行优化，降低功耗，且通常会采用能耗比更加优秀的服务器、数通设备、节能型供电和冷却配套硬件解决方案图表45：欧洲和中国不同类型数据中西PUE水平资料来源：工信部，哥本哈根经济，公开资料整理，罗兰贝格，国盛证券研究所器，以模块化设计将供电、散热系统与服务器置于同一机柜内，针对每个机柜实际运行及功耗进行个体化调节，同时辅以高压直流＋市电直供的供电模式冷却系统的运营状态进行自适应的动态化调整。如华为廊坊数据中心所采用的iCooling耗的不同关键因素，建立预测模型并对相应系统进行动态调整，降P.38请仔细阅读本报告末页声明图表46：百度自研北极天蝎整机柜服务器资料来源：百度，国盛证券研究所图表47：华为iCooling数据中心AI神经网络模型资料来源：华为，国盛证券研究所互联网和云计算高速发展，对应其大型数据中心建设如火如荼，间接蒸发冷却是当域深度布局，间接蒸发冷却产品技术领先，就冷水板方面而言，可提供从热源测传热到外部冷源的全链条产品，产品广泛应用在大型数据中心或运营商机房中。图表48：英维克制冷系统示意图资料来源：英维克、国盛证券研究所底光电复合缆、海底分电站及海底数据舱组成，主体结构为罐体结构，电气设备、冷却系统均布置在罐体内部，罐体顶部为海水冷却系统。通过庞大的海水流冷却数据舱，有算力密度高，模块化生产，部署效率高，90天内完成从工厂P.39请仔细阅读本报告末页声明图表49：海底数据中心示意图资料来源：海兰信官网，国盛证券研究所同思路的指令集系统的竞争。指令集系统在发展过程中，分化出复杂指令系统计算简指令集来减少硬件设计的复杂程度，同时每条指令集长度均相等，因此可以提升指令集执行效率，所以相同计算量下，效率往往比CISC更高。事实上，In图表50：CISC与RISC对比CISCRISC指令寻址方式微程序控制技术长资料来源：CSDN，国盛证券研究所高的单核主频、更多的线程才能有更强性能，在摩尔定图表51：CISC与RISC对比云服务名称CPUAWSAzure机AmpereAltraAmpereAltraA1资料来源：AWS，Azure，Oracle，阿里，华为，国盛证券研究所强数据主权的影响，各大云计算厂商都在积极向市场投放微型数据中心，微型数据中心同时，边缘计算往往数据多元化、计算负载变图表52：RMCortex-A72架构资料来源：ARM，国盛证券研究所AmpereA1CPU为例，相比于同代、相似性能x86架构的IntelXeonOptimized3，P.40请仔细阅读本报告末页声明P.41请仔细阅读本报告末页声明图表53：ARMAmpereA1与x86IntelXeonOptimized3、AMDEPYCE4的H.264视频处理效率对比资料来源：ARMCommunity，国盛证券研究所通用性、兼容性强的架构可以满足绝大部分计算需求，同时，摩尔定律在过去可以持续生效，提升主频频率、增加核心数便可以使芯片性能突飞猛进；而如今硬件虚拟化、云计算兴起，同时芯片制程迎来瓶颈，让计算机引入特定计算单元变成必然趋势，异构计算成为串/并联特定种类的计算机的混合系统，因此以macOS擅长的视频剪辑、图像处理）仅是苹果自研ARM芯重要的目标在于统一不同设备的芯片架构，创造出设备从底至顶的完全互联互通，M1macOS原先专有的App。无独有偶，在移动端和物联网领域，ARM生态市占率图表54：基于ARM架构的苹果M1芯片图表55：电动车智能座舱大火的高通图表54：基于ARM架构的苹果M1芯片资料来源：高通，国盛证券研究所资料来源：苹果，国盛证券研究所资料来源：高通，国盛证券研究所P.42请仔细阅读本报告末页声明依托现有的以X86为主的架构难以针对各类场景都提供有效支持，因而提出了对于以ARM为代表的RISC等更多类架构芯片发展、同时实现端到端的适多样化。能地将其封装成黑盒产品，以避免兼容性问题；但是未来随着大部分算力都有望搬上云数据传输瓶颈；微软正在自研ARM处理器，将率先使用在自家Azure上；Intel进军与图表56：RISC架构对未来智能化社会要求更加匹配，以ARM为例资料来源：罗兰贝格，国盛证券研究所在基站设备及数据中心内部，芯片/Serdes/光电转换模块等关键器件的功耗在整机功标，随着光通信行业的不断发展，高速率产品是光通信行业的发展趋势，高速率产品在括10G、25G、40G、100G、200P.43请仔细阅读本报告末页声明图表57：随着速率持续提升，光模块单Gbit/s的能耗持续降低（单位：W/G）0●●●●●●资料来源：中际旭创，国盛证券研究所测算由此产生的物理效率损耗逐渐成为交换机速率进一步提升的瓶颈，传统交换机速率达到ASIC和光引擎共同封装在同一基板上，光引擎的位置尽量靠近ASIC，以最大程度地减少高速电通道损耗和阻抗不连续性，从而可以使用速度更快、功耗更低的片外I图表58：CPO交换机系统架构资料来源：Intel，国盛证券研究所图表59：intel1.6T硅光引擎与12.8T的可编程以太网交换机集成CPO交换机实物资料来源：Intel，国盛证券研究所核与通用计算内核混合的芯片级产品。P.44请仔细阅读本报告末页声明可再生能源的覆盖率，通过减少传统化石燃料消耗，以达到减排目的。我国可再生资源丰富，太阳能、风能、水能等可再生能源使用将显著降低碳排放，瞄准可再生能源是算图表60：我国光伏发电潜力资料来源：Solargis数据库，国盛证券研究所图表61：我国70米高度陆地（左）和海上（右）风能资源（单位：瓦/平方米）资料来源：国家发改委能源研究所，IEA.(2011).DevelopmentRoadmapforChina’sWindPower2050，国盛证券研究所少公司近年来在算力余热综合应用领域进行探索，例如S技术，循环利用芯片余热为潜在客户提供清洁热力服务，同时降低数字资产算力基础设用在带来新的机遇同时也使电网运营商面临着一个棘手的问题：人们无法控制太阳能发电和风力发电所产生的电力数额。当产生的电力过少时，运营商可以通过启动水力或化石燃料发电机来进行补偿。但处理过多的能源则是一个复供清洁算力服务的企业，通过将算力整合到能源领域，着手致力于解决类似的困境。图表62：传统加热系统与SAI芯片废热回收加热系统资料来源：SAIESG报告、国盛证券研究所P.45请仔细阅读本报告末页声明图表63：SAI的核心理念资料来源：SAI招股说明书、国盛证券研究所收集起来，进行再利用，在用清洁能源替代传统热源的同时，帮助大幅度降低电费。峰填谷，并为能源所有者和作为运营商的S图表64：SAIHEAT余热利用示意图资料来源：SAI碳足迹报告、国盛证券研究所将进一步融入国际资本市场。通过跟更多国际投资者的合作，共同开拓全球化的业务，P.46请仔细阅读本报告末页声明为工业、商业甚至大棚、居民区等提供算力的余热再利用项目，同时也为整个市场提供图表65：行山能源信息技术产业基地一期图资料来源：秦淮数据，国盛证券研究所图表66：分布式光伏数据中心资料来源：公开资料、国盛证券研究所P.47请仔细阅读本报告末页声明移动2778个基站加装光伏发电设施，项目耗目标，剩余电能接入公共电网。项目建成后，山东移动将与公司签订用电协议，按协议规定的付款方式向公司支付电费。润建股份作为通信信息网络与能源网络的管理和运维者，此次中标项目是公司通信综合能源管理业务的标杆项目，为通信基站加装光伏发电设施，并采取合同能源管理模式进行结算，实现了通信基础设施节能降碳，具有良好的经济效益。图表67：通信基站分布式光伏发电改造资料来源：中国移动，国盛证券研究所在算力未来需求持续增加的情况下，网络带宽和时延限制(性能）和网络带宽成本限制在“网络化”算力有效补充了单设备无法满足的大部分算力需求后，仍然有部分算力需求受不同类型网络带宽及时延限制，仍然无法满足低时延、大带宽、低传输成本的算力错配，造成算力潮汐效应。中国移动通信集团广东有限公司规划技术部总经理蔡伟文提出建设全光底座，打造粤港澳大湾区的全光网城市群。全光网的特点是全光接入、全光互联、全光交换，又可以分路，是全光网的物理基础，具备架构极简、链路超宽以及经济节能的特点；全光业务则承载体验；光网大脑相当于高铁的调度中心，是全光网的智能支撑，提供全光底座及全光业务的智慧运营。”P.48请仔细阅读本报告末页声明图表68：网络限制和算力潮汐效应是影响算力网络的突出问题资料来源：华为，国盛证券研究所图表69：全光底座总体架构资料来源：中国联通研究院、华为技术有限公司，国盛证券研究所P.49请仔细阅读本报告末页声明另一方面赋能其他产业转型升级，如智能制造、智慧能源图表70：算力网络全光应用典型场景资料来源：中国联通研究院，国盛证券研究所超算类业务：超算类业务需求不确定，在需要传输数据时，需要高速可靠的完成，如在HPC，渲染类场景，提升计算效率的关键是低成本的大算力资源，这些计算资源往往不P.50请仔细阅读本报告末页声明图表71：人类社会必然向智能社会过度，需要算力进行匹配资料来源：华为，罗兰贝格，国盛证券研究所我们参考华为对科技创新浪潮下算力的定义：未来人工智能、物联网、区块链、AR/VR 在随时层面，未来算力发展将关注低时延与连续性，低时延要求算力对数据处理的及时反馈，而连续性要求算力不间断的支撑。以自动驾驶汽车场景为例，面对复杂多变的路图表72：智能社会随时、随地、随需、随形的算力资料来源：IDC，宽带发展联盟，华为，国盛证券研究所在随地层面，高速增长的技术应用场景与终端设备使得算力需要大量应用在不同地点。因此在未来社会中，算力将因为智能应用场景的不断涌现而无处不在。无论是应用在政务领域的人脸识别、智能安防，民生领域的智能出行、移动支付，亦或是产业领域的智在随需层面，未来的算力应能够满足任意量级场景与终端设备的算力需求，并按照实际需求进行自适化的调配。如自动驾驶领域的算力需能够同时满足车辆出行低峰期与高峰图表73：云边端一体算力生态资料来源：国盛证券研究所整理在随形层面，未来算力形态将不仅限于人脑，同时算力将在以大型数据中心、数据中心为代表的云端，以智慧路桩、边缘计算单元为代表的边缘端，以人脑、自动驾驶汽车、P.51请仔细阅读本报告末页声明P.52请仔细阅读本报告末页声明侧的各设备进行模型推理，二者之间的边缘侧负责通用模型的转移学习，释放对带宽、算力、存储空间的持续压力。边缘计算向算力集群异构设计发展，其异构化程度将会高于传统的数据中心，异构设计的突破将会进一步提高端边云的整体计算效能，进而加速图表74：AI架构运算流程资料来源：艾瑞咨询，国盛证券研究所慧金融、智慧医疗、智慧零售、文娱等领域大显身手。人工智能技术对于算力的核心拉动点在于未来各应用场景内单设备芯片算力的增长和人工智能技术的行业渗透率的进一P.53请仔细阅读本报告末页声明图表75：人工智能持续渗透将大力拉动算力需求资料来源：IDC，国盛证券研究所相似的情况下，对车载芯片的复杂数据处理能力和快速分析和决策能力提出了更高P.54请仔细阅读本报告末页声明图表76：自动驾驶不同等级算力需求资料来源：华为，国盛证券研究所级时延响应要求。在未来自动驾驶的场景中，如果行车安全的核心信息，如路况环境、行人密度等需传输到数百公里的云端服务器进行处理，延时和可靠性难以保证。从自动障传输时延与稳定性，所以未来以车路通信（边缘侧P.55请仔细阅读本报告末页声明图表77：5GV2X车路协同系统资料来源：3GPP，国盛证券研究所助人工智能技术自动驾驶汽车可以避免因为驾驶员人为失误而造成的交通事故，有效提升道路交通的安全性。通过与周围车辆、道路、信号灯等环境信息的实时互联，实现更加及时的路线预判和路况识别，降低交通拥堵。图表78：配备4颗NVIDIADriveOrin芯片，ET7整体算力达到1016TOPS资料来源：蔚来，国盛证券研究所P.56请仔细阅读本报告末页声明图表79：DOJOD1Chip介绍1资料来源：特斯拉，国盛证券研究所图表80：DOJOD1Chip介绍1资料来源：特斯拉，国盛证券研究所特斯拉Transformer神经网络学习方法创造了空间特征的词典的位置信息，基于大量的多机位摄像头视频素材的训练，通过激光雷达校正（特斯拉激的学习，纯视觉模拟雷达的算法精度在持续提升，越来越接近雷达的精度。下图蓝色代表最新的纯视觉算法的结果，绿色是雷达的结果，图中上半部分是深度检测，下半部分图表81：Transformer神经网络资料来源：特斯拉，国盛证券研究所P.57请仔细阅读本报告末页声明图表82：纯视觉几乎达到了雷达的精准度资料来源：特斯拉，国盛证券研究所选择自研，而自动驾驶难度大，需要具备极高的研发能力。英伟达帮助企业提供端到端图表83：英伟达自动驾驶全栈能力资料来源：英伟达，国盛证券研究所P.58请仔细阅读本报告末页声明图表84：自动驾驶需要端到端的开发流程资料来源：英伟达，国盛证券研究所图表85：英伟达助力电动车革命资料来源：英伟达，国盛证券研究所在过去几十年中，汽车电子电气架构一直遵循着“一个功能一个盒子”的分布式架构模式，信息娱乐系统、车身系统、车辆运动系统、动力总成系统各自独立，通过中央网关实现连接。不同于传统汽车电子电气架构面向信号的架构，面向服务的软件架构有标准化的服务接口，松耦合的服务机制，以及可组合拓展的服务特性，整体架构更加集中，P.59请仔细阅读本报告末页声明图表86：智能电动车的变化—域控制器资料来源：CSDN，国盛证券研究所智能化程度代表了整车的智能化，也是当前车企竞争的核心领域。当前智能座舱大多采用可插拔式模块设计，放置在中控屏下方，可根据客户需求及产品迭代持续升级，智能语音、触控、视觉、3Dcamera等多种交车用物联网模组已从“功能机”时代进化到“智能机”时代，预计随着明年更多中高端图表87：智能座舱一芯多屏、多屏联动功能资料来源：美格智能，国盛证券研究所图表88：智能座舱多种交互方式融合的极致体验资料来源：美格智能，国盛证券研究所我们参照特斯拉过去数年车型智能座舱发展来看，特斯拉智能座舱共有三代，其第一代智能座舱方案时间为2012年，采用英伟达tegra3，1GB内存，4GB运存，算力P.60请仔细阅读本报告末页声明图表89：特斯拉三代智能座舱芯片方案对比资料来源：特斯拉，国盛证券研究所图表90：特斯拉第三代智能座舱方案详情资料来源：特斯拉，国盛证券研究所能和互动性较为单调，而汽车行业相对稳定的格局，让车企并没有足够的动力去持续迭代升级产品。特斯拉通过强大的产品力在全球范围内赢得了消费者认同，智能座舱也在特斯拉的引领下持续升级，逐渐成为整车互动影音娱乐的核心，包括蔚来、小鹏、理想在内的新势力，以及以比亚迪为主的国产厂商纷纷瞄准智能座舱，为消费者提供更加卓此前受“车规”要求限制，智能座舱配置升级较慢，其智能化程度远低于智能手机的进化速度，随着“油改电”的推进，电动车渗透率快速提升，从“车规”到“工规”甚至“消规”级的进化将大力推进智能化需求迭代。图表91：新款特斯拉座舱性能媲美游戏主机资料来源：特斯拉，国盛证券研究所图表92：比亚迪秦座舱可支持王者荣耀资料来源：比亚迪，易车，国盛证券研究所刻积累，凭借在移动端的广泛成功经验，高通将骁龙系列芯片拓展至汽车座舱领域。当前除特斯拉具备极强的供应链管理和自研能力选择定制化方案，大多数车企在智能座舱造智能座舱。考虑到智能座舱主要负责影音娱乐，需要联网与外界实现通信，而高通本身在移动通信端拥有深刻积累，其soc往往具备基带通信能力，能够为车企P.61请仔细阅读本报告末页声明图表93：高通8155说明书资料来源：高通，国盛证券研究所网络通信功能，随着移动网络的持续高速发展，以及汽车安全性的标准要求提升，汽车图表94：特斯拉model3拆解，可以看到tbox用的是telit蜂窝通信模组资料来源：特斯拉，国盛证券研究所通信功能的智能模组解决方案。在中控下，只需要一个高度集成模块化的智能模组，即P.62请仔细阅读本报告末页声明度更高，符合汽车智能化趋势，且能够为车企降低成本，产品迭代速度也更快，符合当前发展趋势，某头部车企率先使用智能模组的智能座舱方案后，引起行业广泛关注，并在今年在其主要车型大规模放量，我们预计未来智能模组方案将被越来越多的车企选择和接受。图表95：蜂窝通信模组产品形态发展趋势资料来源：国盛证券研究所升。元宇宙并不是网络游戏，但与游戏类似的是，元宇宙是一个承载活动的虚拟世界。相较于游戏所看重的娱乐性，元宇宙的重点更在于这个虚拟时空的体验，和人们在其中图表96：元宇宙的概念资料来源：国盛证券研究所P.63请仔细阅读本报告末页声明各种游戏，还是精细的3D模型，里面的模型，大部分都是通过多边形建模（PolygonModeling）创建出来的。实际这些人物在画面里面的移动、动变化，都是通过计算机根据图形学的各种计算，实时渲染出来的。这个渲染过程需要经图表97：多边形建模图示资料来源：3DCoat、国盛证券研究所前提。游戏创作与显卡发展的飞轮效应，为元宇宙构成了软硬件基础。游戏产业每一次量的画面作为核心卖点，充分利用甚至压榨显卡的性能，形成“显卡危机”的游戏高质量画面。游戏消费者在追求高画质高体验的同时，也会追求强算力的设备，从而形成游戏与显卡发展的飞轮效应，这在极品飞车等大作中P.64请仔细阅读本报告末页声明图表98：RTX3090支持8K渲染资料来源：英伟达、国盛证券研究所图表99：逼近显示的游戏画面资料来源：英伟达、国盛证券研究所游戏画质提高的同时，游戏显卡的算力在近半个世纪取得了巨大的进步。1996年的图表100：控制台/显卡算力变化年份GFLOPS（每秒10亿次的浮点运算数）控制台/显卡FairchildChannelF(Pong)0.2Nintendo6420006.2SonyPlayStation22005240.0Xbox3602006459.2SonyPlayStation32013XboxOne2013SonyPlayStation4202134，099.0GeForceRTX3080Ti202239，997.0GeForceRTX3090Ti资料来源：公开资料、国盛证券研究所元宇宙应用所需要的VR交互，对于算力要求设备的普及和普及需要的云计算中心和边缘计算设备算力配套将共同推动整体算力的增P.65请仔细阅读本报告末页声明图表101：AR/VR技术的发展对于算力的驱动与要求资料来源：华为、国盛证券研究所伴随以Oculus、Hololens为代表的高清设备的内容。构建元宇宙最大的挑战之一是如何创建足够的高质量内容，专业创作的成本高证的困难。为此，内容创作的下一个重大发展将是转向人工智能辅助人类创作。虽然今天只有少数人可以成为创作者，但这种人工智能补充模型将使内容创作完全民主化。在P.66请仔细阅读本报告末页声明图表102：内容创作的4个阶段资料来源：a16z、国盛证券研究所图表103：通过AI实现3D动画资料来源：a16z、国盛证券研究所英伟达的云计算平台正在为AI、高性能计算(HPC)和图形方面的下一代功能提解决方案，各地的创新者都可以轻松按需访问海量计算能图表104：英伟达GPU云计算概览资料来源：NVIDIA、国盛证券研究所图表105：英伟达GPU云计算流程资料来源：NVIDIA、国盛证券研究所P.67请仔细阅读本报告末页声明图表106：NVIDIA云计算平台主要应用方向资料来源：NVIDIA、国盛证券研究所WebGL协议能够使开发者实现在浏览器中更复杂的图形渲染。WebGL（全写Web览器里更流畅地展示3D场景和模型了，还能创建复杂的导航和数据视觉化。显然，如何通过架构和通信提升云边端一体化的渲染效率？目前提升渲染的在于通过计算机与算法来学习人的思维、模拟人的行为，可以在大量数据中发现蕴藏在数据背后的逻辑关系。对于大脑视觉来说，大脑的可视皮层是分级的，当人眼观测到图像，会先提取一些边缘特征，接着会将这些边缘组合成局部特征，到大脑的最上层，会将这些局部特征整合为总体特征，从而使人类能够准确地区分不同物体。CNN（卷积神经网络）借鉴了人类处理信息的过程，通过多层卷积网络来提取图像特征，模仿人类对信息接收和处理的模式，并且减少了参数数量，降低了网络的复杂度，因此被广泛用P.68请仔细阅读本报告末页声明图表107：通过AI算法实现特征提取资料来源：公开资料、国盛证券研究所数据量处理。关键点是什么？关键点是图像中可识别性高的点，例如物体边界方向突然改变的点，或两个或多个边缘段之间的交点，它在图像空间中具有明确的位置或很好地定位。即使图像存在光照和亮度变化等的扰动，关键点仍然是稳定，可以被重复可靠地同时保留原始数据集中的信息的过程。最初的数据有大量的变量，并需要大量的计算资源来处理，而通过划分初始集可以使得数据组更易管理。因此，通过选择变量并将其组图表2：通过关键点提取检测物体资料来源：Mathworks、国盛证券研究所抛弃，并等待接收新的数据包。如果数据包一直存在错误，接收端就永远无法收到正确P.69请仔细阅读本报告末页声明面由于大幅度减少了重传请求的次数从而降低了传输延迟，另一方面也由于大大降低了重传次数超过上限的概率，从而大大降低了丢包率，这样就有效地提升了传输信道的可图表3：HARD混合自动重传请求资料来源：《中国氢能源及燃料电池产业发展研究报告》、国盛证券研究所化时代的大爆发，渲染被各行各业所需求。不仅在视频制作的特效，游戏的渲染可以增图表108：高精度渲染的NFT图片资料来源：公开资料，国盛证券研究所图表109：区块链游戏效果图资料来源：公开资料，国盛证券研究所高精度的渲染成本较高，初创期的Web3项目往往难以筹建自己的渲染能力。一组P.70请仔细阅读本报告末页声明来筹建自己的渲染能力，大多数会选择外包这项工作。在传统的模式下，大量的渲染工作都需要专业渲染公司来完成，但单个光场渲染可能就要花费数万美元，并且会使集中于大部分需要渲染的项目或者艺术品，如此高昂的成本使他们对其望而却步。图表110：云渲染价格炫云瑞云渲染100收费模式按照不同渲染软件、不同CPU/GPU配置收费，收费标准基于CPU/GPU处理频率；除渲染费外，用户使用内存和分布式存储收增值费。单张效果图渲染价格有封顶按照使用线程时收费。(计费=线程价格*线程数量*小时，一般为48线程或者96线程）按照不同处理模式以分钟收费，包括性价比模式、超速模式、极速模式、超极速模式。每种模式下渲染价格有封顶单价以3DSMAX为例，CPU特惠版的渲染基础单价为0.02元心HZ•小时非会员：0.105元/线程时；会员：0.07元/线程时以性价比模式为例，48线程单台渲染，0.045元/分钟，24元封顶资料来源：各公司官网整理，国盛证券研究所交易算力来渲染作品。不仅利用了闲置资源来使算力提供者得到了收入，（图形处理单元）算力提供者组成，能够为全球用户提供渲染功能。图表111：RenderNetwork的运行机制资料来源：RenderNetwork官网、国盛证券研究所取代币回报。用户可以用赚取的代币在该网络上处理自己的渲染项目，也可以在交易所定机制，这对解决共享三维场景下场景状态的持续变化问题至关重要，且其还用到了加P.71请仔细阅读本报告