中国电子信息制造行业：人工智能推动算力需求激增，为算力供应链企业维持较好的信用状况提供支撑

www.ccxi.com.cn 特别评论 中诚信国际 中诚信国际特别评论 中国电子信息制造行业 2024年3月 目录 要点1 主要关注因素2 结论7 联络人 作者 企业评级部 杨锐027-87339288 ryang@ccxi.com.cn 王都027-87339288 dwang.anthony@ccxi.com.cn 其他联络人 龚天璇027-87339288 txgong@ccxi.com.cn 余璐027-87339288 lyu@ccxi.com.cn 人工智能推动算力需求激增，为算力供应链企业维持较好的信用状况提供支撑 要点 从概念提出到文生视频模型Sora的推出，人工智能发展经历了三次浪潮和两次寒冬，数据资源的体量及可获取性、理论模型的研究探索、数据计算能力的高低是影响其发展的重要因素。随着移动通讯、互联网的发展及普及，快速增长的数据量为人工智能发展提供支撑，算法模型的持续突破创新为人工智能带来发展方向和庞大的算力需求。 在算力需求驱动及政策扶持下，我国已形成布局完善的算力基础设施产业链，快速增长的算力需求带动供应链各行业需求增长。具体来看：服务器方面，随着大型云服提供商投资放缓，服务器整机出货量增长放缓，但在人工智能大模型算力需求拉动下，AI服务器出货量呈现快速增长，有望为服务器需求带来新的增长动力。随着AI服务器需求的增长，构成服务器重要零部件的芯片、存储及光模块产品需求也有望提升。其中芯片海外进口的限制为国内芯片厂商发展提供了较大空间，但考虑到AI服务器对芯片性能要求更高，国产AI芯片发展仍需大量研发投入，同时也面临一定研究成果转化失败风险；数据中心AI服务器需求刺激及国内政策推动下，预计将保持稳步投资。 近年来算力供应链细分行业业绩表现有所分化，上游半导体存储受整个半导体行业进入下行周期及存储行业产能过剩影响，盈利及经营活动净现金流表现不佳，IDC因前期投资支出较大，盈利有所承压，其余细分行业整体保持良好的业绩增长及经营获现水平；人工智能训练模型带来极大的算力需求，有望为供应链各环节企业提供业绩支撑，同时也带来一定投资支出需求。得益于良好的获现能力以及较优的股权融资能力，样本企业财务杠杆预计将维持较低水平，整体信用表现良好。 主要关注因素美国人工智能研究实验室OpenAI相继推出人工智能技术驱动的自然语言处理工具ChatGPT、文生视频大模型Sora，带来新一轮人工智能技术变革。随着一系列大模型的推出，近年来人工智能进入快速发展阶段，并对各行业产生广泛影响。算力作为支撑人工智能技术发展重要因素之一，与其发展尤为紧密。以信息计算能力、网络运输能力、存储能力为核心的算力行业涉及范围广泛，上游涉及芯片、存储等基础硬件和操作系统、运算模型等基础软件，中游包括服务器及网络运营等，下游主要为数据中心。本文将围绕人工智能发展情况，分析其对算力基础设施行业各环节需求拉动作用，分析产业链内样本企业1主要财务表现及信用风险情况。从人工智能发展经历来看，数据资源的体量及可获取性、理论模型的研究探索、数据计算能力的高低是影响其发展的重要因素。随着移动通讯、互联网的发展及普及，快速增长的数据量为人工智能发展提供支撑，算法模型的持续突破创新为人工智能带来发展方向和庞大的算力需求。人工智能（ArtificialIntelligence，AI）是最早由约翰·麦卡锡在1956年的达特茅斯会议上提出的研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学，具体是指利用数字计算机或者由数字计算机控制的机器，模拟、延伸和扩展人类的智能，感知环境、获取知识并使用知识获得出最佳结果的理论、方法、技术和应用系统2。根据功能及应用领域的不同，人工智能可以分类为专用人工智能（ArtificialNarrowIntelligence，ANI）和通用人工智能（ArtificialGeneralSuperIntelligence，AGI），ANI主要设计用来执行特定的任务，在特定领域表现出色，例如谷歌的AlphaGo能够在围棋领域击败世界顶尖人类选手，但不能进行其他活动；相比于ANI，AGI指具有广泛认知能力的机器，能够在多个领域执行任务，具有自我意识、情感理解和创造能力。结合人工智能的演进历程，发展至今大致经历了三次浪潮和两次寒冬。第一次浪潮开始于1956年人工智能概念的提出，在20世纪70年代降温，这一时期的核心在于让机器具备逻辑推理能力，通过推理与搜索尝试开发能够解决代数应用题、证明几何定理等，但在实际应用中涉及的计算量远超当时的计算能力，因此人工智能经历第一次寒冬。第二次浪潮开始于专家系统3的商业化，但随着应用化的深入，该阶段的人工智能出现较大的场景局限性，同时更多的数据和算法模型需求使得人工智能发展进入第二次低迷期。第三次浪潮开始于计算机性能的障碍被逐步克服，深度学习、神经网络等理论的提出引领了这波浪潮；2011年以来，随着深度学习算法的突破、生成对抗网络（GANs）模型的推出，人工智能快速发展。同时，从人工智能的功能上看，经历了AGI-ANI-AGI的发展进程，AGI一直是人工智能发展目标，早期行业内直接以AGI为发展道路，但受限于数据、算法和算力等因素，转向更具可行性的ANI的发展道路，在文本、视觉、声音等多领域持续发展，为实现AGI奠定了基础；近年来以ChatGPT和Sora为代表的多模态大模型的推出提升了人工智能的可迁移性，原局限于单个领域的ANI有了在不同领域间迁移的可能，将AGI重新带回了舞台。 1本文财务分析中选用的样本企业系国内上市公司中与算力基础设施产业链相关企业，共计47家。2根据国家标准化管理委员会发布的《人工智能标准化白皮书（2018）》定义 3专家系统是可以通过推理机构，借助知识库进行推理的计算机程序，该系统可以融入专家的经验，对经验建立模型，通过知识表示和推理技术来模拟通常由专家解决的复杂问题。 2 中国电子信息制造行业特别评论，2023年3月 表1：人工智能发展的三次浪潮 阶段时间主要事件技术路径限制因素 艾伦·麦席森·图灵（AlanMathisonTuring）提出“图灵测试”；约翰·麦卡 数据资源、计算 第一次浪潮1956~1970s锡首次提出人工智能概念；弗兰克·罗森布拉特推出“感知机”神经网络以逻辑推理为主 能力、模型理论 模型德鲁·麦狄蒙和乔恩·多伊尔提出非单调逻辑，以及后期的机器人系统；卡耐基梅隆大学为DEC公司开发了XCON专家系统，取得巨大成功；无专家系统、机器模型理论、数据 第二次浪潮1980s~1990s 监督模型玻尔兹曼机，也称为随机霍普菲尔德网络诞生；朱迪亚·珀尔学习、神经网络资源、计算能力提出贝叶斯网络Cortes和Vapnik提出联结主义经典的支持向量机；IBM深蓝超级计算机战胜了国际象棋世界冠军；长短期记忆神经网络(LSTM)；Google公布大数据技术、深非结构化文件分布式存储（GFS）、分布式计算（MapReduce）及结构化度学习、神经网模型理论、计算 1990s~2010 数据存储（BigTable），奠定了现代大数据技术的理论基础；杰弗里·辛络、卷积神经网能力顿以及他的学生鲁斯兰·萨拉赫丁诺夫正式提出了深度学习的概念；络等 第三次浪潮 CNN模型AlexNet推出；聊天程序“尤金·古斯特曼”（EugeneGoostman）首次“通过”了图灵测试；生成对抗网络（GAN）推出；Google开源 深度学习、生成 TensorFlow框架；AlphaGo战胜围棋世界冠军；AlphaFold2人工智能系统模型理论、计算 2011-至今对抗网络、残差 有力地解决了蛋白质结构预测的里程碑式问题；OpenAI开发的文字生能力网络等成人工智能GPT-3，推出人工智能聊天应用ChatGPT、文生视频模型Sora； 资料来源：公开资料查询、iFind，中诚信国际整理从人工智能不同发展阶段来看，数据资源的体量及可获取性、理论模型的研究探索、数据计算能力的不足是不同时期人工智能行业发展的主要阻碍因素；前两次浪潮时期，人工智能发展的繁荣起始于算法模型的突破创新，而数据资源的可获取性、计算机的计算能力限制了算法模型的进一步发展。近年来随着移动通讯、互联网的发展及普及，数据量呈指数级增长，根据中国信息通讯研究院（以下简称“中国信通院”）数据，到2035年，全球数据量预计将增长至2,142ZB，是2020年数据量的45-47倍，快速增长的数据量为未来人工智能发展提供支撑。算法模型方面，ChatGPT、Sora为代表的多模态大模型带来新一轮人工智能技术变革，为人工智能提供新的发展方向。同时随着人工智能从感知智能发展到生成式智能，参数需求成倍增长，对高算力的需求进一步加大。2019年初，OpendAI发布的GPT-2模型所需参数为15亿，2021年仅隔两年推出的ChatGPT-3模型所需参数便达到了1,750亿，接近ChatGPT-2模型参数的116倍。随着模型复杂度的提高、模型的迭代，训练模型所需的显卡数量显著增加。以最新的Sora模型为例，根据行业估计，训练一次Sora所需算力或可达到8.4×10^23Flops，接近GPT-3175B的2.7倍数。 表2：不同主流模型训练10天所需英伟达A100显卡数量（张） 模型名称参数训练10天所需A100显卡数量 T5-BASE6.60E+2039.17T5-3B9.00E+21534.19BERT-BASE1.64E+209.73RoBERTa-BASE1.50E+2189.03GPT-3XL2.38E+21141.26GPT-3175B3.14E+2318,637.23SORA8.40E+23（估计）49,857.55 数据来源：中诚信国际计算并整理在算力需求驱动及政策扶持下，我国已形成布局完善的算力基础设施供应链，人工智能发展推动AI 3 中国电子信息制造行业特别评论，2023年3月 服务器需求快速增长，一方面有望带动AI服务器上游芯片、光模块及存储等产品需求提升；另一方面也成为IDC资本支出的关键驱动力。 在国外ChatGPT、Sora等一众大模型发布后，国内企业对算力模型的重视度迅速升温，科技型企业如科大讯飞、商汤科技、京东科技等人工智能、垂直领域企业，以及百度、字节跳动、阿里等互联大厂都纷纷推出自己的算力模型。众多模型的推出，极大提高了算力需求。与此同时，算力作为人工智能发展的重要基础设施，已被纳入国家新基建范畴，近年来我国出台了一系列政策，大力支持算力产业发展。 表3：近年来算力行业相关支持政策 发布时间 部门 政策名称 主要内容 2021.7 工信部 《新型数据中心发展三年行动计划（2021-2023）》 用3年时间，基本形成布局合理、技术先进、绿色低碳、算力规模与数字经济正在相适应的新型数据中心发展格局 2022.1 国务院 《关于印发“十四五”数字经济发展规划的通知》 推进云网协调和算网融合发展，加快构建算力、算法、数据、应用资源协同的全国一体化大数据中心体系，布局全国一体化算力网络国家枢纽节点，建设数据中心集群，结合应用、产业等发展需求优化数据中心建设布局。加快“东数西算”工程，提升数据中心跨网络、跨地域数据交互能力，加强面向特点市场的边缘计算能力，强化算力统筹和智能调度 2022.7 科技部等六部门 《关于加快场景创新以人工智能高水平应用促进经济高质量发展的指导意见》 推动场景算力设施开发，鼓励算力平台、共性技术平台、行业训练数据集、仿真训练平台等人工智能基础设施资源开发共享，为人工智能企业开展场景创新提供算力、算法资源。鼓励地方通过共享开放、服务购买、创新券等方式，降低人工智能企业基础设施使用成本，提升人工智能场景创新的算力支撑 2022.8 科技部等六部门 《企业技术创新能力提升行动方案（2022-2023）》 推动国家超算中心、智能计算中心等面向企业提供低成本算力服务。 2023.2 国务院 《数字中国建设整体布局规划》 系统优化算力基础设施布局，促进东西部算力