超算互联网国家队，全栈技术自主及AI化驱动成长

中科系高性能计算龙头，制裁影响下业绩实现持续高增。1）公司依托中科院背景，以超级计算起家，业务布局立体且具备自主创新能力。2020年，IDC报告《人工智能基础架构市场（2019下半年）跟踪》，曙光AI服务器位居市场份额前三。经历20余年发展，中科曙光在高端计算、存储、安全、数据中心等领域拥有深厚的技术积淀和领先的市场份额，打造计算产业生态。2）2023年一季报，公司实现营业总收入22.98亿元，同比5.39%；实现归母净利润1.31亿元，同比增长19.92%；实现扣非净利润0.49亿元，同比增长24.24%；毛利率为24.04%，相比去年同期提升3.23pct，业绩符合预期。 AI产业革命算力需求激增，叠加国家超算互联网建设启动。1）根据Openai官网，自2012年以来，在最大规模的人工智能训练中所使用的计算量呈指数级增长，3.4个月的时间翻一倍，相比之下，摩尔定律有18-24个月的倍增周期。与此同时，结构复杂带来工艺成本增加，摩尔定律逐步失效，Marvell公司在2020年的投资者大会上披露，成本最高的是 90nm 工艺时期的4.01美元，2012年的 28nm 降到了历史最低点1.3美元，但此后制造成本就开始缓慢增加，到了2020年的 7nm 时，成本已经从1.30美元提高到1.52美元。2）超级计算机具备数据存储容量大和数据处理速度快的优势，为实现算力深入千行百业的终局，国家陆续部署超级计算中心。 随着AIGC产业火热，竞争者和参数规模齐增，算力需求激增，4月17日召开国家超算互联网工作启动会，通过超算互联网的形式促进超算算力的一体化运营，计划于2025年成为支撑数字中国建设的“高速路”。 核心技术实现全栈自主，高性能算力成就国产大模型未来。公司专注提升核心计算产品性能，持续加大国产芯片高端计算机研发及扩产项目、高端计算机内置主动管控固件研发等领域的研发投入；并且，基于计算服务平台扩大生态服务，目前作为大模型强力底座，为“紫东太初”、“悟道2.0”、“文心一言”等大模型提供算力支撑，并与智谱等AI厂商合作，为人工智能产业化落地提供高性能算力资源保障。 旗下多项优质资产长期具备重估空间。1）公司作为中科院顶级技术孵化平台，依托中科院科研技术优势，联合院所高校及上下游生态伙伴，开展产学研用协同创新、科研成果产业化落地及应用推广。公司体内控股及参股海光信息、中科三清、曙光云、曙光数创、中科星图等多项优质资产，体内多项资产未被充分预期，成长确定性较强，有望带动公司未来几年高成长。2）公司的股权结构较适合中科院进行技术孵化，未来技术及生态合作可能会持续推进，充分发挥协同效应，继续保持快速发展。 投资建议：根据关键假设，预计2023-2025年营业收入分别为150.06亿元、176.11亿元及210.23亿元，归母净利润分别为20.03亿元、24.94亿元、30.38亿元，对应2023-2025年PE约为37x、30x、24x，估值位处历史中低分位、性价比突出。 维持“买入”评级。 风险提示：服务器行业竞争加剧；芯片量产化不及预期；贸易摩擦加剧。 财务指标 财务报表和主要财务比率 资产负债表（百万元） 现金流量表（百万元） 1.中科系高性能计算领军，制裁影响下业绩实现持续高增 1.1超级计算起家，中科院为控股股东 依托中科院背景，以超级计算起家，业务布局立体且具备自主创新能力。中科曙光逐步成长为我国核心信息基础设施领军企业。1996年，曙光1000问世，峰值运算速度25亿次/秒，获国家科技进步一等奖。同年公司成立，开始走产业化道路，当年销售额实现2千万；1998年-2008年间，公司陆续推出曙光2000到曙光5000系列高端计算机，长期引领中国计算产业发展；2010年，公司“星云”超级计算机排名全球超算TOP500榜单第二位，刷新中国超算历史最好成绩；2014年，公司在上交所上市，资本加持下研发更进一步，同年10月公司投资成立海光信息，布局自主研发CPU；2016年，公司投资中科星图，中科星图于2020年7月正式登陆科创板；2020年，IDC报告《人工智能基础架构市场（2019下半年）跟踪》，曙光AI服务器位居市场份额前三。经历20余年发展，中科曙光在高端计算、存储、安全、数据中心等领域拥有深厚的技术积淀和领先的市场份额，打造计算产业生态。 图表1：公司发展历程图 背靠中科院计算所，具备雄厚的科研和产业背景优势。截止2022年底，公司总裁厉军持有公司股权2.88%，是公司的第一大个人股东，厉军毕业于清华大学电子信息工程专业，后获北京大学高级工商管理硕士学位，1995年调入中科院，2001年任曙光信息产业（北京）有限公司总裁，2011年至今任曙光信息产业股份有限公司董事、总裁。CEO的高持股及稳定性，有利于公司长期发展战略的实施和稳定。北京中科算源资产管理有限公司持有公司股份16.35%，为公司控股股东，中科院计算技术研究所全资控股北京中科算源资产管理公司，是公司的实际控制人。公司依托中科院研发技术优势，联合院所高校及上下游生态伙伴，开展产学研用协同创新、科研成果产业化落地及应用推广。 顶级技术型公司，诸多国家级项目核心参与者。1）公司是超级计算机领域的领军企业，2009-2019年公司连续10年蝉联中国高性能计算机TOP100排行榜第一，曾首度将中国高性能计算机带入全球前三名之列。2018年3月，曙光I620-G30服务器集群在TPC旗下的大数据测试TPCx-BB中创下两项新的世界纪录，成为全球大数据查询速度最快、性价比最高的服务器。2）公司是诸多国家级重大项目的核心参与方，具有顶级技术实力。 依托在高性能计算领域的深厚积累，公司积极参与国家重大专项，且公司参与的国家级重大项目均为核心领域，技术指标要求极高。 图表2：公司参与国家重大专项梳理 1.2业绩持续高增，业务布局立体 业绩持续高增，毛利率保持上升态势。1）公司持续提升技术创新能力和研发水平，增强产品的核心竞争优势，经营业绩稳步提升。2023年一季报，公司实现营业总收入22.98亿元，同比5.39%；实现归母净利润1.31亿元，同比增长19.92%；实现扣非净利润0.49亿元，同比增长24.24%；毛利率为24.04%，相比去年同期提升3.23pct。 图表3：2018-2023Q1公司营收状况 图表4：2018-2023Q1公司归母净利润状况 图表5：2018-2023Q1公司毛利率状况 2.AI产业革命算力需求激增，叠加国家超算互联网建设启动 2.1国家超算互联网成立，2025年筑成算力“高速路” 超级计算重要性渐显，发展终局是“电力化”。1）超级计算是超级计算机及有效应用的总称，而超级计算机以其极大的数据存储容量和极快速的数据处理速度，完成普通计算机无法进行的工作，目前在多个领域有广泛应用，融入智慧城市、智慧医疗、电子商务、社交媒体、购物网站和人工智能程序等千行百业。2）据中国计算机学会HPC专业委员会统计，中国超级计算机性能进步飞速，2002年至今增加4万多倍；中国超级计算机在峰值速度、持续性能和绿色指标等方面陆续突破。目前，我国获批的国家超级计算中心达10所，分别为国家超级计算天津中心、广州中心、深圳中心、长沙中心、济南中心、无锡中心、郑州中心、昆山中心、成都中心、西安中心。 图表6：智算中心产业链 科学技术日新月异，驱动算力服务模式优化。随着人工智能等新一代信息技术的日新月异，产业对算力支撑的依赖度提升，超算建设的现存问题逐步暴露。一方面，出现全国算力设施分布不均衡、接口不统一的超算资源统筹协调问题，另一方面，超算技术门槛高，会导致应用软件自主研发和推广不足等问题显露，目前相关应用更偏向传统的高性能计算（天气预报、大型工程设计、基础科学研究等）。为使得服务模式与技术发展节奏相匹配，需要突破现有单体超算中心运营模式，通过超算互联网的形式促进超算算力的一体化运营。 4月17日，国家超算互联网工作启动会在天津召开。超算互联网，是指用互联网思维运营超算，将全国超算中心通过算力网络连接，构建一体化算力服务平台。为紧密连接供需方，各大超算中心提供算力，以各种软件的方式将其提供给用户，通过市场化的运营和服务体系，统筹调度算力资源，降低超算应用门槛，使得超算算力像电力一样走进千家万户，长期可望自主核心软硬件技术的深度应用，进而引领自主可控产业生态走向成熟。 国家超算互联网联合体成立。中国工程院院士李国杰，中国科学院院士、超算互联网总体专家组组长钱德沛、中国工程院院士孙凝晖等多位专家，就超算运营服务经验、国家超算互联网建设路径、超算自主生态体系等问题展开讨论，正式落实超算互联网行动方案，并于4月17日成立国家超算互联网联合体。科技部表示，2025年底，国家超算互联网将可形成技术先进、模式创新、服务优质、生态完善的总体布局，成为支撑数字中国建设的“高速路”。 图表8：国家超算互联网正式启动 2.2 AI提振算力需求，产业机会趋显 AI训练进入新时代，算力需求增加。根据Openai官网，自2012年以来，在最大规模的人工智能训练中所使用的计算量呈指数级增长，3.4个月的时间翻一倍，相比之下，摩尔定律有18-24个月的倍增周期。 图表9：AlexNet到AlphaGo Zero计算量增加300000x 图表10：AI训练进入新时代 结构复杂带来工艺成本增加，摩尔定律放缓。Marvell公司在2020年的投资者大会上披露，成本最高的是 90nm 工艺时期的4.01美元，2012年的 28nm 降到了历史最低点1.3美元，但此后制造成本就开始缓慢增加，到了2020年的 7nm 时，成本已经从1.30美元提高到1.52美元。 图表11：每1亿个栅极的制造成本变化 大模型下参数量高速扩张，算力需求猛增。ChatGPT推出之前，人工智能大多针对特定场景应用训练，难以迁移，属于小模型范畴；随着ChatGPT等海内外大模型的陆续出世，适用场景得到大幅扩充，海内外科技巨头纷纷加大投入，通用大模型及和行业垂类大模型遍地开花。并且，大模型框架下各类模型的参数量高速扩张，随着大模型的应用落地千行百业，算力需求将大幅提振。 AIGC产业火热，多模态大模型进一步拉动算力需求。随着大模型的输入输出从文字扩展至图像、视频等多种形式，产业火热程度大幅提升，AIGC产品陆续落地，如海外的OpenAI绘画AI模型DALL-E2、Stable Diffusion，国内的万兴科技等。由于图像、视频等多媒体数据训练的数据量远超语言模型，对算力芯片数量需求远胜语言类模型，算力需求有望进一步扩张。 以Stable diffusion为例，根据公司官网信息披露，该模型训练数据集为LAION 5B的一个子数据集，而LAION 5B的数据包至少80TB，规模已经远超传统语言类大模型训练时使用的数据量（一般是GB级的）。 DALL-E2模型在训练时使用了6.5亿张图片，按单张图片大小512*512像素（约256kb）估算，整体训练数据集大小高达约155TB。 竞争者&参数规模齐增，显著提振我国智能算力规模。算力是打造大模型生态的必备基础，随着模型“赛马”的趋势愈加火热，通用/垂类大模型赛道玩家猛增，且大模型参数呈现指数规模，双重引爆算力需求。根据IDC发布的《2022-2023中国人工智能计算力发展评估报告》，2022年我国智能算力规模达到268Eflops，已超过通用算力规模，预计2026年我国智能算力规模达到1271.4Eflops，年复合增长率52.3%，同期通用算力增长率18.5%，有望成为全球最大的智能计算市场。根据《2022-2023中国人工智能计算力发展评估报告》，未来80%的场景都将基于人工智能，所占据的算力资源将主要由智算中心承载。 图表12：我国智能算力发展情况 3.核心技术实现全栈自主，高性能算力成就国产大模型未来 3.1重仓核心计算产品，技术+服务协力发展 公司产品矩阵庞大，拥有多元完整的IT基础架构产品