计算机行业专题报告：助力数字经济，人工智能开启算力时代

算力是数字经济时代生产力。全社会的数据量呈指数级增长，其中企业端占比不断提升。同时，数据的重要性正在提升，单个数据的价值下降，多维数据整合方可挖掘深度价值，进一步催生算力需求。全球的超级数据中心占比快速提升，算力呈现进一步集中。我们认为算力已经成为数字经济时代的关键生产力，目前中美两国的算力规模全球领先，根据IDC的研究数据，计算力和GDP增长显著相关。面对这一产业浪潮，我国“东数西算”工程于2022年2月启动，“数据向西，算力向东”，进一步提升国家整体算力，预计每年带动4000亿元投资。 后摩尔时代，算力从PC走向AI集群。AI算量需求急剧增加，传统架构难以满足，下游应用的高景气度和不断衍生的智能化需求，推动芯片革新。 GPU是当前主流数据中心端AI计算架构，2021年服务器GPU全球市场规模达到71.5亿美元，三年CAGR高达66%。Nvidia2022年上半年数据中心收入占比超过50%，AMD向数据中心端发力，2021Q4已拿下服务器CPU的X86市场份额的10.7%，并仍在持续提升。无论是Nvidia还是AMD，市值均已超越传统CPU龙头Intel，标志着时代算力从PC端走向集群AI端。 人工智能开启算力时代。数据是AI模型的“汽油”，算力是AI模型的“发动机”，算法是AI模型的“大脑”，前述AI三要素相互耦合，生成AI模型。伴随场景与数据的激增，算法层面的“大模型”横空出世，深度神经网络模型为AI行业注入新动能，加快了传统行业的智能化转型，并正在向超大规模预训练模型演进。这一AI算法趋势也进一步推升了AI计算需求量，我们认为面对摩尔定律下单个处理器的性能提升逼近极限、计算核心数量增加可能带来的功耗、成本压力，异构计算有望打破AI芯片算力瓶颈。 投资建议：大模型、复杂应用场景推动算力从PC端走向AI集群，AI进入算力时代，我们建议关注海光信息（688041）、寒武纪（688256）、中科曙光（603019）、浪潮信息（000977）、宝信软件（600845）。 风险提示：政策落地不及预期、疫情扰动、研发进展不及预期。 1.算力是数字经济时代生产力 1.1.数据成为经济发展重要生产要素 按照IDC总结，全球计算数据的创建与使用总结为三个阶段 1980年以前：数据集中在数据中心存储与处理，即使可通过远程访问，终端计算能力低下，也无法对数据进行深度计算，数据均为商用。 1980-2000：摩尔定律显威，PC兴起，数据的产生、处理与存储更多流向终端，同时出现了音乐、电影和游戏的数字娱乐产业。 2000至今：无线宽带普及推动数据进入云端，将数据与特定的物理设备脱钩。社交与流媒体的兴起使得数据中心更多承担数据交互与集中计算任务，而在不断交互过程中数据量高速增长。 图1.计算的发展 数据量呈现指数级增长，企业端占比不断提升。根据中国信通院，到2035年，全球数据量将达2142ZB（ZB：Zettabyte，1ZB约十万亿亿字节），是2020年所创建数据量的45-46倍。而由于进入云时代，数据在本地存储的需求逐步减少，企业在云端可为客户提供实时的数据和服务。 图2.全球数据量规模（2016-2035） 图3.数据的创建与存储位置占比（2010-2025） 数据逐渐成为经济发展的重要生产要素。基于云能够快速访问的数据运用方式，数据日益影响企业和日常生活，例如商业航空旅行、自动驾驶、医疗应用、控制系统和遥测技术等社会生产力紧密相关的数据占比持续提升。IDC预计到2025年，娱乐相关的消费型数据占比将从2012年接近60%下降至30%左右，余下约70%将是非娱乐化的图像/视频、生产力数据、工业生产等嵌入式数据。 图4.数据类型占比（2010-2025） 1.2.数据重要性提升，多维数据整合挖掘深度价值，催生算力旺盛需求 重要数据量快速增长。不同数据间的重要性相差较大，例如：医疗类数据重要于流媒体数据，不同数据运行出现问题所造成的影响亦不同，例如私用PC宕机造成文件丢失和自动驾驶数据错误造成人员伤亡。IDC预计未来关键数据量增速将高于数据量总体增长，2025年需要安全防护的企业经营/医疗记录等数据占比将达87%。 图5.IDC测算2015-2025年数据量增速（按数据重要性划分） 图6.数据按安全防护需求程度划分占比（2010-2025） 单个数据的价值下降，多维数据整合方可挖掘深度价值，进一步催生算力需求。 当前数据指数级增长的同时，数据类型也更加多元化，在交通、工业、商业运营等领域，少量、单一化的数据的价值较低，只有将大量、多维度的数据进行综合分析才能产生应有的价值。例如交管领域对于黑车的识别，需要将车辆行驶轨迹、车辆图像识别、人像识别与对比、车牌登记数据比对等多维度数据进行分析才能准确筛选。对于庞杂的不同类型数据（尤其非结构化的）统一分析与存储的需求催生了数据湖概念，同时随着云计算技术的深入应用，带来资源集约化和应用灵活性优势的云原生概念也产生，大规模集群计算需求旺盛。 图7.数据平台技术演进 全球超级数据中心占比快速提升，算力进一步集中。近五年全球数据中心任务量增长135%，大数据挖掘与应用、人工智能深度学习需求旺盛，随着摩尔定律逐渐走向极限，超级数据中心成为数据中心主要增量。根据Cisco数据，全球超级数据中心打造服务器数量占所有数据中心搭载服务器比例由2016年的27%提升至2021年的53%。 图8.数据中心负载任务量(2016-2021) 图9.超级数据中心数量变化(2016-2021) 1.3.算力正成为经济增长主要动力之一 算力已成为数字经济时代的关键生产力要素。在传统的西方经济学理论中，驱动社会经济发展的生产要素包括了劳动、资本、土地、企业家的才能等。而在一系列新兴信息数字技术的兴起与广泛应用的数字经济时代中，与计算能力的形成直接相关的算力资本投入（数据、算力、算法），如同农业时代的水利、工业时代的电力，已成为数字经济发展的核心生产力，是国民经济发展的重要基础设施。国务院印发的《“十四五”数字经济发展规划》中也明确提及到2025年我国数字经济核心产业增加值占GDP比重将从2020年的7.8%上升到10%，数字经济将为经济社会持续健康发展提供持续动力。 图10.主要国家算力指数排名及同比去年涨幅（2021A） 中美算力规模全球领先 。截至2021年底 ， 全球数据中心算力总规模达521EFLOPS（EFLOPS：每秒进行10^18次浮点运算）。中美两国算力规模分别约为161EFLOPS和140EFLOPS，占全球总算力份额约为31%和27%。 图11.全球各国算力规模与占全球比例（2021） 计算力和GDP增长显著相关。根据IDC等机构的研究，全球平均来看，他们构建的“计算力指数”每提升1个点，国家数字经济和GDP将分别增长3.5‰和1.8‰。同时，“计算力指数”越高，对GDP的拉动作用越显著。 图12.不同国家的“计算力指数”与GDP的关系 图13.得出“计算力指数”所需的具体指标与计算口径 1.4.东数西算，数字经济时代新基建启航 大数据时代，算力与数据增长齐头并进。根据《中国算力白皮书（2022年）》的数据，2021年我国算力总规模达到140Eflops（每秒一万四千亿亿次浮点运算，包含通用算力、智能算力、超算算力，边缘算力暂未纳入统计范围），全球占比约为27%，近五年年均增速超30%。展望未来，工信部印发的《“十四五”信息通信行业发展规划》指出2025年我国数据中心算力总规模将增长到300EFLOPS，CAGR达22%；另一方面，伴随5G、人工智能、物联网等技术的应用普及，数据流量增长速率也在不断加快。根据IDC的预测，全球数据总量在2020年将达50ZB，而这一数据到2025年有望达到175ZB，CAGR达28%。与此同时，根据中央网信办的数据统计，2019年度中国移动互联网数据接入量为1,655.50亿GB，预计2024年将达到5,680.90GB，CAGR也高达28%。因此，我们认为在当前数字经济大时代下，适度超前建设以数据中心为首的新型基建具有明确的战略意义。 图14.中国数据中心算力规模 （2020-2025E） 图15.全球每年产生数据量（2016-2025E） “东数西算”正式启动，预计每年带动4000亿投资。今年二月，国家发展改革委、中央网信办、工业和信息化部、国家能源局联合印发通知，同意在京津冀、长三角、粤港澳大湾区、成渝、内蒙古、贵州、甘肃、宁夏等8地启动建设国家算力枢纽节点，并规划了10个国家数据中心集群，标志着“东数西算”工程正式全面启动。与“西气东输”“西电东送”“南水北调”等工程相似，“东数西算”是一个国家级算力资源跨域调配战略工程，针对我国东西部算力资源分布总体呈现出“东部不足、西部过剩”的不平衡局面，引导中西部利用能源优势建设算力基础设施，“数据向西，算力向东”，服务东部沿海等算力紧缺区域，解决我国东西部算力资源供需不均衡的现状。“东数西算”工程对我国的长远发展有重要的意义： 有利于提升国家整体算力水平：通过全国一体化的数据中心布局建设，扩大算力设施规模，提高算力使用效率，实现全国算力规模化集约化发展。 有利于促进绿色节能：数据中心属于高耗能行业，又被称为“不冒烟的钢厂”。 将数据中心从能耗指标紧张的东部地区迁往清洁能源富集、电力更加廉价的西部，将大幅提升绿色能源使用比例，降低数据中心运营的成本。 有利于扩大有效投资：数据中心产业链条长、投资规模大，带动效应强。发改委预计“十四五”期间大数据中心投资还将以每年超过20%的速度增长，每年预计各方面投资额达4,000亿元。 有利于推动区域协调发展：通过算力设施由东向西布局，将带动相关产业有效转移，促进东西部数据流通、价值传递，延展东部发展空间，推进西部大开发形成新格局。 图16.“东数西算”布局规划 图17.“东数西算”相关政策出台历程 2.后摩尔时代，算力从PC走向AI集群 2.1.后摩尔时代，传统计算架构亟待革新 AI算量需求急剧增加，传统架构难以满足。根据摩尔定律，集成电路上可以容纳的晶体管数目大约每18个月增加一倍，而AI训练算量自2012年开始以平均每3.43个月翻倍的速度实现指数增长。在芯片制程达到个位数纳米级的当下，传统芯片算力提升速度难以赶上计算量增速。 图18.AI算量需求剧增30万倍（2013-2019） 下游应用的高景气度和不断衍生的智能化需求，推动芯片革新。中国云计算市场规模增长迅速，2021年达到3229亿元，近5年CAGR达44.6%。云计算作为人工智能云端训练芯片的主要应用场景，推动了芯片架构迭代。 图19.中国云计算市场规模及增速（2016-2021） 图20.云计算市场规模相对总IT支出占比（2019-2021） 2.2.AI算力需求旺盛，GPU是主流 GPU是当前主流数据中心端AI计算架构。按技术架构分类，AI芯片可分为图形处理器（GPU）、现场可编程门阵列（FPGA）、专用集成电路（ASIC）、类脑芯片。GPU起初强调图形处理，随着强大的并行计算能力被发掘，逐步进入通用计算领域；FPGA以半定制化为特征，注重于服务垂直领域；ASIC则是针对客户应用场景需求进行定制；类脑芯片尚处于起步阶段。 图21.不同技术架构的AI芯片特征对比 智能算力需求旺盛，GPU充分受益。从市场规模来看，2021年服务器GPU全球市场规模达到71.5亿美元，2019-2021年复合增速66%，占服务器整体市场规模比例快速提升；同期FPGA全球市场规模为7.9亿美元，相比2020年基本持平；而ASIC主要用于终端推理。我们认为，中期看GPU仍将是数据中心端AI训练等加速计算的主流芯片，充分受益于智能算力高景气。 图22.全球服务器GPU与FPGA市场规模（2019-2021） 图23.全球服务器GPU占服务器中市场规模比例（2019-2021） 2.3.Nvidia&AMD：市值超越Inte