金融数据中心存储顶层架构白皮书2024-9-29华为保密信息,未经授权禁止扩散第 1页,共 35页金融数据中心存储顶层架构白皮书金融数据中心存储顶层架构白皮书华为技术有限公司华为技术有限公司金融数据中心存储顶层架构白皮书2024-9-29华为保密信息,未经授权禁止扩散第 2页,共 35页版权所有版权所有 华为技术有限公司华为技术有限公司 2024。保留一切权利。保留一切权利。非经本公司书面许可，任何单位和个人不得擅自摘抄、复制本文档内容的部分或全部，并不得以任何形式传播。商标声明商标声明和其他华为商标均为华为技术有限公司的商标。本文档提及的其他所有商标或注册商标，由各自的所有人拥有。注意注意您购买的产品、服务或特性等应受华为公司商业合同和条款的约束，本文档中描述的全部或部分产品、服务或特性可能不在您的购买或使用范围之内。除非合同另有约定，华为公司对本文档内容不做任何明示或默示的声明或保证。由于产品版本升级或其他原因，本文档内容会不定期进行更新。除非另有约定，本文档仅作为使用指导，本文档中的所有陈述、信息和建议不构成任何明示或暗示的担保。华为技术有限公司地址：深圳市龙岗区坂田华为总部办公楼邮编：518129网址：http:/客户服务邮箱：客户服务电话：0755-285600004008302118客户服务传真：0755-28560111金融数据中心存储顶层架构白皮书2024-9-29华为保密信息,未经授权禁止扩散第 3页,共 35页目目录录1 概述概述.51.1 背景.51.2 金融存储趋势、技术&市场洞察.51.3 金融数据中心存储底座建设总体要求.62 存储目标架构规划原则存储目标架构规划原则.83 存储目标架构详细规划存储目标架构详细规划.93.1 生产交易 存储分离的资源池架构.93.1.1 金融行业生产交易场景的趋势和变化.93.1.2 金融行业生产交易场景业务需求.103.1.3 金融行业生产交易场景目标架构.133.2 数据分析-大数据存算分离架构.143.2.1 金融大数据分析发展趋势和变化.143.2.2 金融大数据业务需求.错误！未定义书签。错误！未定义书签。3.2.3 金融大数据平台架构演进趋势.错误！未定义书签。错误！未定义书签。3.2.4 金融大数据分析平台目标架.错误！未定义书签。错误！未定义书签。3.3 金融 AI 业务场景.143.3.1 金融 AI 趋势与变化.213.3.2 金融客户落地 AI 业务需求.错误！未定义书签。错误！未定义书签。3.3.3 金融 AI 业务场景目标架构.错误！未定义书签。错误！未定义书签。3.4 高可用数据中心底座 两地三中心四副本架构.213.4.1 金融行业容灾趋势和变化.263.4.2 金融行业存储容灾架构业务需求.273.4.3 金融行业存储容灾架构.27金融数据中心存储顶层架构白皮书2024-9-29华为保密信息,未经授权禁止扩散第 4页,共 35页3.5 数据保护.293.5.1 金融行业数据保护趋势和变化.293.5.2 金融行业备份业务需求.313.5.3 金融行业备份目标架构.324 结语结语.35金融数据中心存储顶层架构白皮书2024-9-29华为保密信息,未经授权禁止扩散第 5页,共 35页1概述概述1.1背景近年来，在全球经济增长缓慢，贸易战和地区冲突持续的背景下，金融行业的营收压力增大，资产规模增长显著放缓。借助科技的力量，金融机构的数字化进程在后疫情时代持续深化。一方面，金融机构利用数字化技术持续为客户提供无所不在的智能化体验，以满足多样性的客户需求；另一方面，金融机构也在积极利用智能化技术构建敏锐的业务洞察力，以快速应对各种市场变化。因此，金融服务正从数字化时代走向智能化时代。1.2金融存储趋势、技术&市场洞察金融机构一直是率先将新兴 IT 技术的应用于业务场景的行业。凭借云计算云计算，大数据和人工智能等技术大数据和人工智能等技术的应用，金融机构正在优化金融服务流程，重塑金融服务模式。重塑金融服务模式。金融数据中心存储顶层架构白皮书2024-9-29华为保密信息,未经授权禁止扩散第 6页,共 35页我们看到，随着手机银行和线上支付技术在金融行业的广泛应用，金融服务触达客户的时间和空间进一步扩展，促使金融机构的服务模式从 5*8 改为 7*24 不间断服务。而领先的金融机构，已经开始布局人工智能(AI)应用，尤其是大模型技术的研发，利用 AI 使能业务运营、产品营销、风险控制和客户服务等业务领域，进一步提升金融服务的智能化水平。根据 IDC 的报告，90%的银行已经开始探索人工智能的应用，AI 技术成为银行技术创新的主要方向。业务应用的需要，也驱动着金融机构的数字基础设施架构的转变。以兼具韧性和灵活的云原生应用，逐步淘汰传统封闭的架构，重构创创新开放的存算分离架构新开放的存算分离架构，建设具有高可靠建设具有高可靠，高扩展性的基础设施高扩展性的基础设施，助力金融服务内容和品质的提升。1.3金融数据中心存储底座建设总体要求金融机构需要系统化构建面向未来的金融基础设施，这个目标架构以高可用、高安全、可信合规、绿色低碳为主要特点，支持金融服务的极致体验、业务敏捷、泛在智能和开放创新。基于这些特点，我们认为，主要需要考虑以下几点：业务分级：业务分级：将业务系统根据重要性和服务范围进行科学的分类和分级，通常建议分为 34 档；硬件架构：硬件架构：交易等关键业务系统采用专业的可靠设备，通过专用资源保障，以存算分离架构在确保稳定低时延的同时，提升系统整体金融数据中心存储顶层架构白皮书2024-9-29华为保密信息,未经授权禁止扩散第 7页,共 35页可靠性；非关键环境可根据 TCO、运维习惯和系统扩展性的综合考虑，选择低等级配置的存算分离架构。容灾容灾：传统基础设施采用两地三中心/四中心，云原生系统采用单元化多中心多活；备份：备份：采用全闪存热备 海量对象存储温备 公有云冷备实现多级备份；采用云上业务、云下备份的方式进行混合多云的数据集中备份；归档归档：采用海量对象温归档 蓝光/磁带/公有云冷归档实现多级归档；数据数据&AI&AI：打通数仓、数据湖和 AI 训练基础设施，通过存算分离、湖仓一体等实现数智融合；通过超高并发度、高性能存算网的构建实现高效AI模型训练；通过云管边端协同实现全域数据采集和AI推理。金融数据中心存储顶层架构白皮书2024-9-29华为保密信息,未经授权禁止扩散第 8页,共 35页2存储目标架构规划原则存储目标架构规划原则数据中心数据中心存储平台是 IT 系统的重要支撑平台，存储平台应具有稳定可靠、高性能、灵活运维、弹性伸缩等特点，才能适应未来金融业务的发展。存储目标架构基于以下几方面进行设计：1 1、高可靠容灾保障能力、高可靠容灾保障能力：针对不同的存储可靠性级别，设计相匹配的容灾保障方案，选择技术领先、稳定可靠、易于管理的容灾技术。2 2、高吞吐低时延高吞吐低时延 IOIO 处理能力处理能力：针对不同的业务类型以及不同的数据模型，采用相匹配的存储平台和存储介质，并预留扩展能力，满足未来 5-8 年业务发展对存储系统的性能要求。3 3、高效统一运维与管理能力、高效统一运维与管理能力：本次存储平台方案设计，力求将存储平台运维服务化，使存储平台成为整个分布式云数据中下的存储云。能够做到灵活调度、资源可视、高效运维。4 4、弹性伸缩能力：、弹性伸缩能力：存储平台的设计应有较强的弹性，能够有力应对互联网业务的突发与多变。金融数据中心存储顶层架构白皮书2024-9-29华为保密信息,未经授权禁止扩散第 9页,共 35页3存储目标存储目标架构详细规划架构详细规划3.1生产交易 存储分离的资源池架构3.1.1金融行业生产交易场景的趋势和变化金融行业数字化转型发展，使得金融服务的业务模式发生了显著的变化。从多数银行公布的年报来看，新兴金融服务交易量年度平均新兴金融服务交易量年度平均增长都在增长都在 50P%以上以上，而且主要来自网上银行、手机银行和移动支付等新兴技术的应用。因此前端渠道接入系统这类直接面向客户提供服务的请求接入类系统的服务模式正在快速发生变化。新兴的业务模式扩大了金融服务的触达渠道，从传统的线下网点服务扩展到线上服务；延伸了金融服务时长，从原来的 5*8 小时服务延长到 7*24 小时不间断业务服务。另一方面，数字化的深入，凸显数据的重要性，金融行业数十年积累的用户数据和业务数据是重要的数字资产。金融行业在整体数据整体数据量方面已经达到了量方面已经达到了 EBEB（PetabytePetabyte，即千万亿字节）级别，即千万亿字节）级别。以中国为例，根据北京金融信息化研究所（FITI）2023 年发布的最新报告，金融数据中心存储顶层架构白皮书2024-9-29华为保密信息,未经授权禁止扩散第 10页,共 35页目前金融机构的数据量普遍达到 PB 级，尤其是国有大型银行的核心业务系统存储规模也已达到百 PB 级，并且未来五年预计年均增幅将未来五年预计年均增幅将达到达到 24.33$.33%。3.1.2金融行业生产交易场景业务需求这些业务模式变化和数据量的增长，也正在深刻影响并重塑着金融行业的数据中心基础架构。为适应未来业务发展，数据中心基础设施，必须满足业务所需的吞吐性能和可靠性要求吞吐性能和可靠性要求，并具备面向未来的扩展性扩展性要求：1 1、吞吐性能、吞吐性能业务量的激增，对数据基础设施的性能、吞吐量提出了更高要求。从性能上讲，一般业务处理平均有大约 50 次数据库请求，每次数据库请求约 1000 次左右存储读写(注：基于银行核心系统的交易模型)。因此存储读写时延每增存储读写时延每增加加1 1毫秒毫秒，将增加数据库处将增加数据库处理理1 1秒以上的时延秒以上的时延，对业务整体增加对业务整体增加 5050 秒以上的时延。秒以上的时延。从吞吐量上讲，中等银行生产业务的峰值交易大约 5000 笔/秒(即：5000TPS)来估算，峰值业务处理需要的存储 IO 请求能力约为 1.5M-2.5M 的存储读写。在高吞吐和高性能需求下，采用存算一体架构，将对无疑是个巨大挑战。服务器 CPU 算力不但要负责业务处理，还要完成数据可靠性，数据加密和数据压缩等繁琐的数据存储处理，因此服务器的 CPU 资源捉襟见肘。但是通过存算分离架构，所有数据存储的 IO 请求卸载到金融数据中心存储顶层架构白皮书2024-9-29华为保密信息,未经授权禁止扩散第 11页,共 35页外置存储系统中处理，既减少服务器 CPU 的负载，不用处理存储 IO请求，还提升服务器 CPU 的业务面的处理能力。2 2、系统可靠性、系统可靠性服务时间的延长，对整体架构可用性的提出更高要求。金融业务服务时间的中断，往往意味着交易损失，资金损失，最后导致用户的流失。以中等规模银行为例，核心系统交易量一般在 1000-3000 笔每秒。因此，系统服务中断和不可用的每一秒，则意味着系统服务中断和不可用的每一秒，则意味着 10001000 笔以上笔以上的交易损失和用户流失的交易损失和用户流失，甚至监管层的惩罚甚至监管层的惩罚。例如，星展银行在 2023年先后 5 次大规模中断业务服务，新加坡金管局(MAS)要求其提供 16亿美金的额外资本，并在 2023 年 11 月对新加坡星展银行做出半年内禁止收购新企业等处罚。对于数据中心而言，如果要满足整体业务可用性满足整体业务可用性 99.999.999%的要求，的要求，即年停机时间 5 分钟以内，则数据中心基础架构的可靠性必须要提升基础架构的可靠性必须要提升到到 99.9999.9999%以上以上，即年度故障时间 30 秒以内。当前，部分金融机构采用基于 x86 服务器的存算一体架构，该架构在可靠性上只能达到99%。金融行业统计表明，x86 服务器超过 5 年以上之后，故障率超过 0.5%，因此采用服务器本地磁盘的数据库存储，随着数据中心集群规模的扩大，频繁的故障和恢复，会对生产交易系统的业务连续性带来严峻挑战。而在存算分离架构下，服务器只负责数据逻辑处理，所有数据的持久化和可靠性等能力都由存储设备统一完成，即使服务器发生故障，也不影响其他数据库实例计算节点的数据访问。同时，金融数据中心存储顶层架构白皮书2024-9-29华为保密信息,未经授权禁止扩散第 12页,共 35页利用存储的 RAID 和快照等技术，极大提升整体业务的可靠。3 3、系统扩展性、系统扩展性业务种类的增加，对业务之间数据交换更加频繁，各类运营数据和报表系统等从生产系统数据库中获取数据的实时性要求更高。银行生产交易系统是各类系统运营数据和报表等系统的数据源，如何实时的获取有效的数据，并且对生产系统的业务影响最小，成为各业务系统与生产交易系统之间不可调和的矛盾。在存算一体架构下，必须通过专用 ETL 工具直接对数据库数据进行操作，对业务系统造成性能干扰，因此只能选择在夜间业务低谷时段抽取数据，对后端系统的实时性造成影响。在存算分离架构下，可充分利用存储的一致性快照和克隆等能力，快速构建生产交易系统的数据库副本，满足各类后端系统对业务数据实时性需求，并且对生产端数据库业务的性能影响最小。比如，每日批量作业希望每日夜间定时从主库上利用存储的一致性快照和克隆等能力，快速生成一个数据库集群，用于每日批批量作业的读写操作。因此，面向未来，为了满足业务性能，可靠性和扩展性的要求，基于共享存储池和分层解耦的存算分离架构将是主流的架构选择方基于共享存储池和分层解耦的存算分离架构将是主流的架构选择方向向。金融数据中心存储顶层架构白皮书2024-9-29华为保密信息,未经授权禁止扩散第 13页,共 35页3.1.3金融行业生产交易场景目标架构从金融行业来看，越来越多的金融客户倾向于采用分层解耦、按需分配的统一资源池架构打造生产交易平台，参考架构如下图所示：该架构具备如下特点：1、根据业务系统的服务等级，从吞吐性能和可靠性要求，分成不同的等级，一般建议分成 3 级或者 4 级。比如 Tier1 采用物理服务器，满足高性能高可靠要求；Tier2满足大部分金融业务处理的通用需求；Tier3 满足一般性能和可靠性要求的业务处理，比如开发测试应用。2、按照不同等级业务系统，分配不同的计算和存储资源。同一等级业务系统分配标准的计算和存储资源，内部通过 Quota 配额和 QoS 服务质量的方式来实现应用的隔离和资源保障。3、能够兼顾物理服务器计算资源、虚拟化平台、容器平台的多样性数据读取需求，提升整体资源利用率和系统可靠性。金融数据中心存储顶层架构白皮书2024-9-29华为保密信息,未经授权禁止扩散第 14页,共 35页4、同一等级的分层解耦资源池，统一采购，统一配置，统一运维，形成标准化体系。3.2数据分析-大数据存算分离架构3.2.1金融大数据分析发展趋势和变化中国金融大数据产业快速发展中国金融大数据产业快速发展，成为金融行业业务增长的新引擎。成为金融行业业务增长的新引擎。近几年，随着移动金融、互联网信贷等新业务形态的出现，金融大数据应用得到长足发展，已经渗透到金融行业的方方面面，广泛应用到营销、风控、运营等多种关键业务中，极大的提升了金融行业的服务水平，大数据已成为金融行业的主要获客渠道。IDC PeerScape：金融领域中数据管理分析服务最佳实践案例报告显示，2023 年，中国金融行业大数据市场支出规模达到 29.7 亿美元，预计到 2027 年将增长至 64.6 亿美元，CAGR 达到 21.4%。未来几年，金融大数据市场仍将保持较高的增速，是数据管理、数据分析厂商争夺的主要市场，目标客户覆盖大型和中小型银行、保险、证券、互联网金融等客户。随着大数据应用的深入随着大数据应用的深入，大数据平台从注重数据处理走向注重数大数据平台从注重数据处理走向注重数据价值挖掘。据价值挖掘。诺贝尔经济学奖获得者罗纳德科斯（Ronald Coase）曾经说过，“如果你拷问数据到一定程度，它会坦白一切”，诚然，大数据 AI时代的到来让这句话有了更多的现实意义，如果说石油滋养了工业时代，那么海量非结构化数据就是智能时代的石油。金融大数据平台的金融数据中心存储顶层架构白皮书2024-9-29华为保密信息,未经授权禁止扩散第 15页,共 35页使命要从注重数据处理走向注重数据价值挖掘。3.2.2金融大数据分析业务需求随着外部数据规模和金融客户应用场景的变化对大数据平台提出了新要求，降本增效成为关键诉求：1 1、能获客能获客：大数据平台要具备 PB 级的海量文件分析能力，能够从海量数据当中快速挖掘价值信息，唤醒“沉睡”中的老客户，拓展潜在新客户。2 2、能活客：、能活客：大数据平台要具备极致高性能，存储系统需要具备毫秒级时延、TB 级高带宽，能够抵挡业务高峰浪涌，支持 T 0 的数据实时分析，为金融反诈、信贷评估等业务提供实时生产决策能力，以高质量的服务融入客户的生产、生活，提升客户活跃度，形成与客户的双赢局面。3 3、降本增效降本增效：近几年金融大数据投资预算逐年走高，但是随着 AI 时代的到来和监管要求的趋严（如要求数据留存期大于 10 年），投资预算的增长显然无法赶上非结构化数据量的增长速度，剪刀差越来越大，这就要求金融大数据平台一方面要降低单位容量的投资成本，另一方面还要提升单位容量的性能，支持海量数据低成本存储，并且支持随时调阅。4 4、支持平滑演进：、支持平滑演进：大数据平台需要具备支持面向未来的平滑演进，支持 HDFS、S3 多种数据访问协议，平台升级过程中，老的存储集群可以统一纳管，保证历史投资不浪费。金融数据中心存储顶层架构白皮书2024-9-29华为保密信息,未经授权禁止扩散第 16页,共 35页5 5、更简单的数据管理：、更简单的数据管理：支持多任务资源隔离，保障关键任务高效执行，具备跨域的数据管理能力，全局数据可视、可管、可用，并且具备多 DC 容灾能力。3.2.3金融大数据分析平台架构演进趋势湖仓融合架构领跑大数据的下半场湖仓融合架构领跑大数据的下半场，成为金融大数据的重点布局成为金融大数据的重点布局技术技术。传统数据湖和数据仓库分离建设，数据湖擅长存储和处理各种类型、大量原始数据，而数据仓库则更擅长结构化数据的存储和高效查询，各自都有一定的局限性。湖仓融合架构结合了两者的优点，能够在同一系统中处理结构化和非结构化数据，提供统一的数据管理和分析平台，从而提高数据处理效率和分析能力，降低数据管理成本。这种架构特别适用于需要实时分析大量复杂数据的场景，因此湖仓融合也成为了大数据技术发展的重要趋势。基于专业分布式存储的存算分离方案是大数据湖仓融合的基础基于专业分布式存储的存算分离方案是大数据湖仓融合的基础。传统存算一体模式采用 Hadoop 原生存储底座进行数据存储，单命名空间支撑的文件数量少、三副本冗余机制存储空间利用率低、跨域数据管理能力弱，无法支撑湖仓融合架构下海量的结构化、非结构化、金融数据中心存储顶层架构白皮书2024-9-29华为保密信息,未经授权禁止扩散第 17页,共 35页半结构化数据统一存储诉求。专业分布式存储因其良好的协议扩展性、容量密度、空间利用率和性能，可以很好的应对湖仓融合架构下对存储的各类要求，因此基于专业分布式存储进行存算分离改造是湖仓融合的先决条件。3.2.4金融大数据分析平台目标架构Hadoop 有多种计算引擎，包括离线、实时、内存、流式等，各种计算引擎都有自己擅长处理的文件格式，保证各种计算引擎的性能，但是这也造成了一份数据的重复存储。拉通各个计算引擎的文件存储格式，做到一份数据存储支撑多种引擎，可以大幅降低存储成本。存算分离是大数据平台持续演进的关键所在，通过存算分离改造，支持计算集群和存储集群分离部署，实现资源的按需配置。既解决了不同大数据集群间计算、存储资源利用率不均的问题，又使得大数据计算节点可以和用户的其他计算节点能够按业务峰谷灵活调配，一举两得，我们推荐的大数据方案架构如下图所示，支持 HDFS 和 S3 两种数据访问协议，通过元数据网关实现新老集群统一纳管。金融数据中心存储顶层架构白皮书2024-9-29华为保密信息,未经授权禁止扩散第 18页,共 35页该架构具备如下显著特征：1、大数据平台存算分离降本增效（1）采用全闪分布式存储替代传统通用服务器，存储设备容量密度、性能大幅提升，达到通用 HDD 服务器的 10 倍以上，通过极致高密、极致绿色、极致性能的全闪分布式存储加速大数据分析。（2）存储底座的数据冗余策略采用大比例 EC 替换传统 Hadoop 三副本方案，提升存储资源利用效率，大幅节省存储资源。（3）存算资源解耦，资源按需配置，对于数据密集型大数据平台，传统存算一体方案存储资源是瓶颈，计算资源利用率往往不足 20%，通过大数据存算分离改造，计算节点 CPU 资源利用率可以达到 50%以上，改造之后的计算、存储设备总台数较传统存算一体方案节省 30%以上。（4）存储底座采用分布式元数据管理方式，单一命名空间支持百亿金融数据中心存储顶层架构白皮书2024-9-29华为保密信息,未经授权禁止扩散第 19页,共 35页级文件统一管理，较存算一体方案的单命名空间亿级文件数量提升100 倍，真正做到一套存储搞定所有，消除数据孤岛。2、平滑演进（1）大数据平台演进过程中，新老集群的数据迁移、老集群的平滑退出往往是一大难题，华为存算分离方案通过元数据网关支持新老集群统一纳管和数据灵活迁移，老集群可以平滑退出，有效保护客户历史投资。（2）同时支持 HDFS 和 S3 两种协议，无缝对接现有大数据集群，业务 0 改造。（3）统一存储底座，同时支持多厂家、多版本 Hadoop，适配无忧。3、高效管理随着数据量的急剧膨胀，一方面数据的跨地域访问日益频繁，如何消除数据重力让全域数据自由流动成为了亟需解决的问题；另一方面大数据平台多用户、多任务分析已经成为常态，存储资源隔离的能力变得日益重要。（1）支持全局文件系统，全局统一视图，打破数据孤岛，实现跨域数据高效管理，全局视图，跨数据中心数据可见，元数据增量秒级更新，全局数据视图实时永新；支持全局数据自由流动，激活数据价值；具备跨 DC 智能缓存，支持传输压缩，数据跨 DC 传输效率大幅提升。金融数据中心存储顶层架构白皮书2024-9-29华为保密信息,未经授权禁止扩散第 20页,共 35页（2）SmartQos 实现精细化资源管理，多用户、多业务并行不悖，百万级大数据作业稳定运行，运维无忧。（3）具备多 DC 异地容灾能力，存储解决方案可靠性达到 6 个 9 高可靠，同步多活和异步多活两种模式可基于业务诉求灵活配置，保障大数据分析业务时刻在线。金融数据中心存储顶层架构白皮书2024-9-29华为保密信息,未经授权禁止扩散第 21页,共 35页3.3金融 AI 业务场景3.3.1金融 AI 趋势与变化自从 2022 年 11 月 ChatGPT 发布以来，AI 大模型技术得到迅猛发展，2023 年底 Google 发布了 Gemini 大模型实现了大模型可以像人类一样理解看到的内容，今年 2 月 OpenAI 发布的 Sora 大模型实现了用大语言模型的方法理解视频，实现了对物理世界的“涌现”。AI 大模型的发展速度远超人们的预期，从 ChatGPT 到 Gemini 再到Sora，主要带来了两大主要变化趋势：首先，随着 AI 大模型从 NLP走向多模态，训练语料从纯文本变成了文本、视频、图片和语音的混合，AI 大模型所依赖的数据呈现指数级增长。大模型所依赖的数据呈现指数级增长。其次，算力、算法和数据是 AI 大模型发展的核心三要素，算法和数据是相互依存，螺旋上升的变化规律，AI 模型从千亿参数到万亿模型从千亿参数到万亿，将来甚至会到十万亿将来甚至会到十万亿，训练 AI 模型所需要的数据同样需要数据级的提升，缺少训练 AI 模型的数据将成为新常态。当前 AI 在金融行业的应用场景已非常广泛，在提升金融产品营提升金融产品营销能力销能力、提升风险处置能力提升风险处置能力、提升运营与开发效率提升运营与开发效率、使能新业态使能新业态四个方面已经显现出不同的价值。目前大量金融客户加大 AI 投入并开始应用探索。在提升金融产品营销能力提升金融产品营销能力方面，AI 技术可以帮助银行实现客户画像的精准构建和个性化推荐以及定制化服务。基于对客户画像的深金融数据中心存储顶层架构白皮书2024-9-29华为保密信息,未经授权禁止扩散第 22页,共 35页入理解，AI 系统可以自动推荐符合客户需求的金融产品和服务，营销时客户的圈选就能够更加有针对性，提高营销精确性。在提升风险处置能力提升风险处置能力方面，通过“信用评估”、“欺诈检测”等风控领域 AI 应用可以提升银行的风险防范与处置能力，使其能够加大面向中小微实体经济的资金要素供给，逐步成为区域经济发展的新动力，切实提高金融服务实体经济效率和支持经济转型发展的能力。在提升运营与开发效率提升运营与开发效率方面，通过人机交互打通智能客服，智能网点等服务界面的业务阻隔与流程断点，实现“端到端”业务流程触发、路径选择、任务派发与质量监测，提高业务处理标准化、智能化水平，大幅提升银行客户体验。如某头部银行在中国有四万多个网点，20 多万个网点员工，通过 AI 技术，让每个银行柜员拥有自己的智慧助手。根据客户问题生成操作指引，将以前 5 次操作缩短为 1 次，单次办结时间缩短 5 分钟。在使能新业态使能新业态方面，AI 结合 IoT、区块链等新技术，将直接服务对象由“人”延伸到“智能物”，构建以场景为核心的业务模式，以及基于客观数据信用体系的风险管理模式。从而使得基于动产可信的质押模式成为银行的新业态。AI 大模型在金融行业应用场景丰富，如图所示金融数据中心存储顶层架构白皮书2024-9-29华为保密信息,未经授权禁止扩散第 23页,共 35页3.3.2金融客户落地 AI 业务需求随着 AI 大模型的不断发展，数据作为智能的源泉，对于 AI 大模型的训练和提升起着至关重要的作用，数据的数量与质量将决定着AI 模型智能化的程度。当前金融客户在 AI 模型训练与推理过程中遇到如下关键挑战：1、随着集群规模迈入千卡、万卡，故障率呈指数级增加，以万卡规模为例，平均 2 天故障一次，可用度不足 50%，算力资源浪费严重，如何有效提升算力集群利用率提升算力集群利用率是制约 AI 发展的关键挑战。2、金融客户的价值数据往往散落在众多分散的数据中心中，形成了一个个数据孤岛，如何打破数据孤岛，将分散的数据有效利用起来打破数据孤岛，将分散的数据有效利用起来，供给 AI 大模型训练与推理是客户面临的最大挑战。3、大模型开发过程中，为了收集更多的数据训料，需要频繁进行数据跨域搬迁，导致通常数据准备时间在大模型生产全流程中占比超过60%，面对大模型快速发展如何提升数据准备效率提升数据准备效率，避免数据反复搬避免数据反复搬迁迁成为大模型基础设施建设过程中首先要考虑的问题。以某大型银行为例，在 53 年内积累的超 100PB 数据，以及每天实时产生的 300TB数据，分散在多个银行数据中心中存储。如何让分散在不同数据中心的数据流动起来，成为 AI 大模型学习的“历史资料”已成为该银行技术部门最头痛的问题。因此，构建一个高效的数据存储和流通平台，对于 AI 大模型的发展至关重要。金融数据中心存储顶层架构白皮书2024-9-29华为保密信息,未经授权禁止扩散第 24页,共 35页4、从训练到推理是 AI 大模型实现商业闭环的必经之路，目前的金融推理应用存在推理幻觉，经常答非所问，存在知识无法实时更新等问题，应用体验差，且推理成本高，无法帮助企业实现 AI 投入的商业闭环，推理应用的性价比和用户体验推理应用的性价比和用户体验是制约 AI 能否商业变现的关键因素。3.3.3金融 AI 业务场景目标架构AI 数据湖方案是一个数据全局管理，数据存储、编织、管理、流动一体的数据存储解决方案，助力构建企业数据模型新构想，实现AI 大模型更高效，更智能，更符合企业服务要求。它不仅能够实现对企业内部多源异构数据的统一存储和管理，还能够提供高效的数据处理和分析能力，为企业提供全方位的数据服务。通过构建 AI 数据湖，企业可以打破传统数据中心的限制，实现数据的全局可视和高效流动，为 AI 大模型的训练提供源源不断的动力。金融数据中心存储顶层架构白皮书2024-9-29华为保密信息,未经授权禁止扩散第 25页,共 35页企业数据要素流通，释放数据价值的必由之路在 AI 数据湖的建设中，数据要素的流通是实现数据价值最大化的关键。可以通过构建全局文件系统，支持多中心数据资产的全局可视，使得企业能够清晰地了解自身数据资源的分布和状况。同时，通过优化数据存储和传输机制，数据可以在多个数据中心之间按需高效流动，为 AI 大模型的训练提供源源不断的数据支持。此外，数据的流通还能够促进私域数据的共享和整合。金融行业的数据具有独特的价值和特征，通过将这些数据进行融合和分析，可以挖掘出更多有价值的信息和规律，这对于提升 AI 大模型的性能和准确性具有重要意义。所以，理想的 AI 数据湖解决方案应具备以下几个核心能力：1、数据全局管理和高效流通：、数据全局管理和高效流通：应支持数据全局管理能力，高效服务于上层 AI 大模型开发与训练，同时能满足企业跨数据中心的数据高效流通；2、高性能高性能：AI 工作负载通常涉及大量的数据处理和计算，因此存储系统需要能够处理混合负载，提供 TB 级吞吐量、亿级 IOPS、ms 级低延迟的性能，以满足模型训练与推理的性能需求；3、大容量以及可扩展性：、大容量以及可扩展性：随着 AI 多模态的发展，AI 模型和数据集越来越大，存储系统需要具备足够的容量来存储这些数据和模型，并且随着需求的增长能够灵活地扩展到 EB 级容量；4、数据韧性和安全数据韧性和安全：AI 数据通常具有很高的价值，因此存储系统必须保证数据的安全性和可靠性，能够抵御硬件故障、数据损坏等风险，金融数据中心存储顶层架构白皮书2024-9-29华为保密信息,未经授权禁止扩散第 26页,共 35页提供数据备份和恢复功能，具备主动预防勒索攻击的能力。对于敏感信息，存储具备安全功能，保护数据不被未经授权的访问与泄露；5、知识实时更新及记忆能力：、知识实时更新及记忆能力：AI 在推理应用场景需要提供大库容RAG 知识库，为大模型增加知识储备，加速行业知识更新；使用 KVCache 等技术使大模型具备长期记忆能力，以查代算，支持长文本能力，最大化利用推理算力资源。6、成本效益：、成本效益：在满足性能、容量和可靠性等要求的同时，存储解决方案应提供合理性价比，数据可以自动分级，根据数据访问频率按需流动，使得 AI 能够在实际场景中广泛应用，发挥更大的数据价值。3.4高可用数据中心底座 两地三中心四副本架构3.4.1金融行业容灾趋势和变化2018 年，某城商行，E 厂商存储单存储故障，导致交易业务停机数小时；2019 年，某银行 N 厂商单点故障导致银行业务，卡交易等系统停机数小时；2021 年，某银行生产中心存储设备因容量扩容操作触发光纤桥接器固件程序缺陷，造成大量磁盘在短时间内出现故障，导致核心交易、柜面等系统停止运行 6 小时；2023 年，某银行 E 产商存储单点故障，导致信用卡、线上支付等系统中断近 4 小时。类似诸多案例为金融行业核心业务系统敲响警钟，业内使用高可用容灾系统承载核心应用逐渐成为共识。同时业内监管逐渐完善，对金融行业业务连续性的要求也日趋具体化、严格化。金融数据中心存储顶层架构白皮书2024-9-29华为保密信息,未经授权禁止扩散第 27页,共 35页3.4.2金融行业存储容灾架构业务需求通常，我们对金融行业不同的业务系统类型有不同的 RPO、RTO要求。下表对不同重要性等级（国内以 A /A/B/C，海外以 Tier1/Tier2/Tier3/Tier4 划分）的业务系统进行分析汇总：业务等级业务系统（以典型的银行的应用划分为例）业务需求RPORTO容灾方式建议关键核心系统、前置、安全平台、柜面、卡交换、统一支付、电子渠道、贷记卡此类系统是金融行业的核心系统，系统中断损失高，实时性强，要求响应快，数据零丢失，系统高可用0 分钟30 分钟本地高可用 同城双活（两地三中心） 备份重要IC 卡、财务总账、客服系统、信贷系统、中间业务此类系统是金融行业的重要系统，系统中断会影响造成较大损失，需要数据极少丢失甚至零丢失，系统恢复快5 分钟4 小时本地高可用 同城主备（两地三中心） 备份次重要批量作业调度、ODS、身份核查、个人征信、企业征信、征信用户管理系统、核心系统报表、涉案账户查控、KMS 密钥管理系统此类系统是金融行业次重要系统，系统中断会造成一定损失，系统可以容忍较少的数据丢失，系统恢复时间短30 分钟24 小时同城主备 备份一般反假币、电子验印支票影像系统、信贷移动办公系统、移动快报、支付密码平台等此类系统是监管和统计分析类系统，系统中断短时间内影响不大，数据可容忍一定的丢失，系统可以一定时间内恢复24 小时37 天备份对于关键/重要业务系统，本地高可用、两地三中心已经逐渐成为业内容灾方案的共识。3.4.3金融行业存储容灾架构本地高可用：本地高可用：金融数据中心存储顶层架构白皮书2024-9-29华为保密信息,未经授权禁止扩散第 28页,共 35页如图所示，当前银行业务系统数据底座通常以本地双活/同步复制/异步确保业务的的本地高可用，在单套存储故障时确保业务连续性。显然，为应对数据中心机房级故障，更高级别的容灾是确保业务连续、稳定的必要手段。两地三中心：两地三中心：以下是两地三中的两种推荐架构：显然，两地三中心能提供更高层级的容灾保护，足以应对数据中心级的灾难：金融数据中心存储顶层架构白皮书2024-9-29华为保密信息,未经授权禁止扩散第 29页,共 35页 多级保护，更可靠：数据 3 副本 本地双活 同城复制 异地复制，本地、同城、异地多级容灾方案提供多层级保护，满足监管要求，本地 RPO=0，RTO 0，同城 RPO=0。多样化，提供多种选择：双活 同步复制方案支持同异步互转，应对同城链路质量问题，提供丰富的容灾方案选择，面向不同容灾需求提供多样性容灾保障。管理便捷：操作部署简便，容灾演练快捷，提供快速容灾切换能力双活方案可平滑升级为 3DC 及四副本方案，业务无感知。3.5数据保护3.5.1金融行业数据保护趋势和变化金融行业以其高度信息化和严格的信息安全标准而著称，近年来，金融行业勒索软件攻击事件不断上升，给金融机构的数据安全带来了前所未有的挑战。不仅严重影响了金融行业的正常运行，更让金融系统的稳定性面临前所未有的考验。这不仅是对金融机构应急响应能力的考验，更是对整个金融行业网络安全防护体系的全面审视。金融安全无小事，任何一环的疏漏都可能引发连锁反应，威胁到整个金融体系的稳定。Veritas 最近的研究发现，金融行业一直是勒索软件阴影下的“高危行业”。此项研究分析了英国富时 100 指数（FTSE100）过金融数据中心存储顶层架构白皮书2024-9-29华为保密信息,未经授权禁止扩散第 30页,共 35页去三年的年度报告。在报告涉及的行业中，金融行业始终被网络威胁所牵动。在过去三年中，金融行业企业年度报告中提及 网络攻击 的次数增加了 55%。同时，勒索软件的提及率从 2020 年到 2022 年上升了 88%。某北美银行于 2020 年遭遇勒索软件 Maze 攻击，被窃取和泄露上千万张信用卡信息；某南美国家银行于 2020 年遭遇勒索软件 Revil 攻击，被迫关闭所有分支机构；某国际保险公司于2021年遭遇勒索软件CryptoLocker攻击，支付 4000 万美元赎金；某巨头保险集团于 2021 年遭遇勒索软件 Avaddon 攻击，被窃取 TB 级别的敏感数据。某银行北美分析机构于 2023 年遭到勒索软件攻击，导致部分系统中断，损失损失或达 90 亿美元。中国数据灾备产业白皮书暨数据灾备建设调研报告 2021指出，尽管金融行业数据备份建设比例名义上达到约 92%，但技术架构分析显示，普遍缺乏数据防勒索措施。异地备份的比例只有约 10%，本地备份的完备性也不足：只备份了关键的核心数据库应用，其他非核心的数据库应用和非结构化数据基本未备份。整体行业情况如下：金融数据中心存储顶层架构白皮书2024-9-29华为保密信息,未经授权禁止扩散第 31页,共 35页灾备系统建设水平不一灾备系统建设水平不一：区域发展差异及金融机构实力的不均，导致灾备系统的建设水平参差不齐。大中型金融机构在灾备体系建设方面相对成熟，而中小金融机构则普遍存在建设不足的问题。金融行业面临的勒索病毒等网络攻击风险日益严峻，缺乏系统性的安全防护。灾备系统的低效利用灾备系统的低效利用：每个生产系统配备相应的备份系统，正常运行时备份系统并不承载生产业务，同时传统备份恢复技术的也无法满足生产业务的利用诉求，导致备份相关资源投入大量闲置。3.5.2金融行业备份业务需求对金融企业而言，应用系统的可靠性、可用性保障的重要性永远是第一位的，全行业都会把业务连续性及灾备建设作为 IT 运营工作的重中之重。金融行业灾备建设通常包括存储、计算和网络的设计，目前金融行业主流的灾备建设方案为以存储产品为核心实现灾备建设。建设总体原则是根据不同应用对性能和容灾的诉求进行存储选型，按 A 、A、B、C 等四类应用的业务重要性及对 RPO、RTO 不同要求，参照以下原则对备份系统进行改造。金融数据中心存储顶层架构白皮书2024-9-29华为保密信息,未经授权禁止扩散第 32页,共 35页在整个灾备系统实现全栈国产化的基础上，数据备份系统按照“32110”原则规划建设：1、3 个物理独立分离的副本；2、采用 2 种不同的介质：磁盘/磁带/对象存储，支持备份数据的冗余性；3、至少有 1 份离线副本，放在同城/异地站点；4、有 1 份隔离区的副本和防篡改技术保护，例如：WORM 和安全快照；5、恢复 0 报错:通过勒索病毒检测，对备份副本做侦测分析，保障备份数据的安全及可恢复性。3.5.3金融行业备份目标架构金融数据中心存储顶层架构白皮书2024-9-29华为保密信息,未经授权禁止扩散第 33页,共 35页采用备份一体机实现，归档介质短期内继续沿用磁带库或采用对象存储，整体架构如上图。1、新购的备份一体机替换原有的备份系统，实现数据中心（生产）数据库、虚拟化、文件和云平台的本地备份，将备份数据归档到磁带库长期留存；2、备份一体机参考原有的复制策略，把备份数据分别复制到数据中心（同城）和数据中心（异地）。业界对于原有备份系统的备份数据迁移有如下三类选择：1、割接：针对保留时间短的数据，使用备份一体机替换现有的备份系统，原有备份系统的备份数据自然过期；2、转储：备份一体机替换现有备份系统后，针对备份系统长期留存的数据，需要将原有备份系统的备份通过测试环境恢复后转储到备份一体机中进行保留。3、复制：备份一体机可以提供备份空间，把该备份空间挂载给原有的备份软件，通过备份软件把备份数据从备份存储中复制到备份一体机的空间中留存。金融数据中心存储顶层架构白皮书2024-9-29华为保密信息,未经授权禁止扩散第 34页,共 35页方案推荐原则：1、备份保留周期小于 1 年的数据，如虚拟化、文件等进行割接；2、备份保留超过 1 年以上的数据，如 DB2 数据库进行转储或复制。方案价值：1、采用备份一体机方式，管理维护和扩容简单；2、架构扁平化：由传统的“客户端-备份服务器-备份存储”三层架构优化为“客户端-备份一体机”的两层备份架构3、通过数据防篡改、侦测分析及后续上线的 Air Gap 安全隔离区等技术，在存储侧应对勒索病毒攻击时，实现可预防、可感知、可恢复，助力数据安全的韧性能力。金融数据中心存储顶层架构白皮书2024-9-29华为保密信息,未经授权禁止扩散第 35页,共 35页4结语结语金融行业数字化、智能化进程不断深入，高可靠高可用的数据存储架构将持续为业务连续、稳定提供保障。
2024-09-29
35页
5星级
消费电子/行业深度分析报告/2024.09.27 请阅读最后一页的重要声明！智能眼镜行业深度 证券研究报告 投资评级投资评级:看好看好(首次首次)最近 12 月市场表现 分析师分析师 张益敏 SAC 证书编号：S0160522070002 相关报告 1.VST：MR 基石技术，助推空间计算时代到来 2023-07-13 2.硬件与生态共振，空间计算平台时代开启 2023-06-17 3.电子行业深度报告 2018-07-02 AI 引领应用侧创新，智能眼镜迎新机遇引领应用侧创新，智能眼镜迎新机遇 核心观点核心观点 智能眼镜是可穿戴市场的下一片蓝海智能眼镜是可穿戴市场的下一片蓝海：全球可穿戴产品市场维持增长趋势，TWS 耳机与智能手表已完成了快速增长，智能眼镜品类目前尚处于快速发展阶段，有望成为可穿戴产品的下一片蓝海。雷朋-Meta 联名款眼镜发售首个季度销量超 30 万，发售两个季度销量超百万，成为智能眼镜品类的首个爆款产品。从产品力的角度分析，时尚的外观 舒适的佩戴体验是眼镜品类的基础，第一视角拍摄 AI 功能抬高了产品发展天花板。AR 眼镜是智能眼镜品类进化的下一个方向眼镜是智能眼镜品类进化的下一个方向：当前的智能眼镜品类具备多模态输入与语音输出能力，AR 眼镜则增加了光学显示功能，增添了多模态输出能力。Meta 作为行业巨头已在 VR 眼镜初步证明了其竞争力，而后续在消费级 AR 眼镜的布局有望推动整个行业销量再上一个平台。从技术层看，反射光波导有望首次迎来大批量量产，带来显示效果的提升，实现对行业发展的再次助力。投资投资建议建议：我们看好智能眼镜品类在 AI 赋能下的长期发展趋势，建议关注品牌/整机 光学 其他核心零部件等产业链核心环节。整机组装：整机组装：歌尔股份（光学亦有布局）、立讯精密、华勤技术、佳禾智能、天键股份、龙旗科技、亿道信息。光学：光学：水晶光电、舜宇光学科技、蓝特光学、华灿光电。SoC：恒玄科技、瑞芯微、全志科技、晶晨股份、炬芯科技。风险提示：风险提示：智能眼镜行业发展不及预期；技术迭代风险；汇率风险；全球竞争风险。表表 1：重点公司投资评级：重点公司投资评级:代码代码 公司公司 总市值总市值（亿（亿元）元）收盘价收盘价（09.27）EPS（元）（元）PE 投资评级投资评级 2023A 2024E 2025E 2023A 2024E 2025E 002241 歌尔股份 715.55 20.94 0.32 0.70 0.99 65.76 29.95 21.06 增持 002475 立讯精密 2,915.90 40.48 1.52 1.89 2.35 26.62 21.43 17.24 增持 002273 水晶光电 240.72 17.31 0.43 0.66 0.79 40.10 26.08 21.80 增持 688608 恒玄科技 212.46 176.98 1.03 2.83 4.49 171.86 62.49 39.42 增持 数据来源：wind 数据，财通证券研究所 -20%-13%-6%1%8%消费电子沪深300上证指数 谨请参阅尾页重要声明及财通证券股票和行业评级标准 2 行业深度分析报告/证券研究报告 1 智能眼镜：可穿戴市场的下一片蓝海智能眼镜：可穿戴市场的下一片蓝海.4 1.1 从主流可穿戴产品空间看智能眼镜：行业处在起步阶段，潜力巨大从主流可穿戴产品空间看智能眼镜：行业处在起步阶段，潜力巨大.4 1.2 从爆品看智能眼镜产品趋势：外观从爆品看智能眼镜产品趋势：外观 舒适是基础，舒适是基础，AI 生态决定上限生态决定上限.6 2 AR 是智能眼镜品类进化的下一步是智能眼镜品类进化的下一步.9 2.1 产品定义：产品定义：VR-虚拟现实，虚拟现实，AR-增强现实增强现实.9 2.2 AR 市场成熟较晚，市场成熟较晚，24 年将迎来巨头的首次入局年将迎来巨头的首次入局.11 2.2.1 AR 的天花板是手机，的天花板是手机，VR 的天花板是的天花板是 PC.11 2.2.2 Meta 入局有望推动入局有望推动 AR 量级再上一个平台量级再上一个平台.12 2.3 反射光波导显示效果佳，有望助力行业发展反射光波导显示效果佳，有望助力行业发展.14 3 投资建议投资建议.21 4 风险提示风险提示.22 图图 1.全球可穿戴设备出货量持续增长全球可穿戴设备出货量持续增长.4 图图 2.全球全球 TWS 耳机出货量实现了快速增长耳机出货量实现了快速增长.4 图图 3.全球智能手表出货量实现了快速增长全球智能手表出货量实现了快速增长.5 图图 4.全球全球 VR 出货量短期承压但未来增长空间大出货量短期承压但未来增长空间大.6 图图 5.全球全球 AR 出货量基数低维持高增趋势出货量基数低维持高增趋势.6 图图 6.雷朋智能眼镜沿用了经典外观设计雷朋智能眼镜沿用了经典外观设计.8 图图 7.2 代眼镜可进行第一视角拍摄代眼镜可进行第一视角拍摄.8 图图 8.2 代眼镜接入代眼镜接入 Meta AI.8 图图 9.眼镜品类发展历程眼镜品类发展历程.9 图图 10.VR 头显显示效果头显显示效果.10 图图 11.AR 眼镜显示效果眼镜显示效果.10 图图 12.AR 比比 VR 市场成熟晚，市场成熟晚，2024 年年 Meta 的入局或是关键性节点的入局或是关键性节点.11 图图 13.科技发展依赖硬件的普及科技发展依赖硬件的普及.12 图图 14.Meta 新款新款 Rayban 眼镜眼镜.12 图图 15.Meta AR 智能眼镜原型机智能眼镜原型机 Orion 采用分体式设计采用分体式设计.13 图图 16.Orion 硬件分析硬件分析.13 内容目录 图表目录 谨请参阅尾页重要声明及财通证券股票和行业评级标准 3 行业深度分析报告/证券研究报告 图图 17.Meta 占据占据 XR 市场多数份额市场多数份额.14 图图 18.2023 年中国年中国 AR 市场主要由市场主要由 AR 独角兽品牌主导独角兽品牌主导.14 图图 19.Meta AR Roadmap 相对清晰相对清晰.14 图图 20.AR/VR 成像原理对比成像原理对比.15 图图 21.衍射光波导（左）与反射光波导（右）成像效果衍射光波导（左）与反射光波导（右）成像效果.19 图图 22.肖特制造的肖特制造的 Lumus 反射波导反射波导.20 表表 1.广义智能眼镜分类广义智能眼镜分类.5 表表 2.Meta 雷朋联名眼镜销量表现优异雷朋联名眼镜销量表现优异.6 表表 3.2 代眼镜相比代眼镜相比 1 代眼镜全方位升级代眼镜全方位升级.7 表表 4.VR/AR 产品形态分类产品形态分类.10 表表 5.2023 年年 AR 新品中光波导方案开始占据一定比例新品中光波导方案开始占据一定比例.16 表表 6.市场主要应用的光学方案市场主要应用的光学方案.18 表表 7.光波导方案对比：反射光波导能形成更好的显示效果光波导方案对比：反射光波导能形成更好的显示效果.19 谨请参阅尾页重要声明及财通证券股票和行业评级标准 4 行业深度分析报告/证券研究报告 1 智能眼镜智能眼镜：可穿戴市场的下一片蓝海可穿戴市场的下一片蓝海 1.1 从从主流可穿戴产品空间主流可穿戴产品空间看智能眼镜：看智能眼镜：行业行业处在起步阶段处在起步阶段，潜力巨大，潜力巨大 以以 TWS 耳机与智能手表为代表的可穿戴产品在过去实现了快速增长耳机与智能手表为代表的可穿戴产品在过去实现了快速增长，是被证明是被证明的亿级可穿戴品类的亿级可穿戴品类。智能手机自 2017 年左右增长见顶，此后进入存量时代，年销量整体下滑，但以 TWS 耳机与智能手表为代表的可穿戴产品作为消费电子创新的代表方向仍旧表现出良好的增长势头。图1.全球可穿戴设备出货量持续增长 数据来源：IDC，财通证券研究所 TWS 耳机实现了快速增长。耳机实现了快速增长。2016 年苹果发布了第一款 TWS 耳机 Airpods，2019年发布第 2 代 Aripods，根据 Canalys 数据，同年全球 TWS 销量也突破 1 亿量级，而 2023 年全球 TWS 耳机出货量达 2.95 亿部，2018-2023 年 CAGR 达44%，实现了快速增长。图2.全球 TWS 耳机出货量实现了快速增长 数据来源：Canalys，中国商产业研究院，财通证券研究所 -50.00%0.00P.000.000.00 0.00%0.00100.00200.00300.00400.00500.00600.00700.00全球可穿戴设备出货量(百万部)增速-50.00%0.00P.000.000.00 0.00.511.522.533.54201820192020202120222023TWS出货量（亿部）增速 谨请参阅尾页重要声明及财通证券股票和行业评级标准 5 行业深度分析报告/证券研究报告 智能手表智能手表也实现了快速增长。也实现了快速增长。2014 年苹果发布第一款 Apple Watch，2016 年发布Apple Watch S1，产品迭代更新开始进入常规节奏。根据 Counterpoint 数据，2021 年全球智能手表出货量达 1.26 亿部，2015-2021 年 CAGR 达 28%，也实现了相对快速的增长。图3.全球智能手表出货量实现了快速增长 数据来源：Counterpoint，华勤技术招股书，财通证券研究所 智能智能眼镜眼镜可能是下一个可能是下一个高增长高增长的可穿戴细分品类的可穿戴细分品类。从广义的分类来看，智能眼镜可分为 VR/AR/AI 眼镜（又可称为狭义的智能眼镜、音频眼镜等），从功能性上看，VRARAI 眼镜，从便携性来看，VRARAI 眼镜。表1.广义智能眼镜分类 VR/MR AR AI 眼镜眼镜 时尚性 低 中高 高 便携性 低 中高 高 重量 较重 较轻 轻 应用场景 观影/游戏/办公 翻译/导航/观影/对话/摄影/提醒等 对话/摄影/提醒等 全天候能力 低 中高 高 代表性产品 Vision Pro、Quest 系列 Xreal 系列 Rayban-Meta 销量 约 1000 万台（2021 年）约 50 万台（2023 年）约 100 万台（2023 年）数据来源：Wellsenn XR 微信公众号，IDC，财通证券研究所 VR 市场相对成熟，市场相对成熟，AR、AI 眼镜尚处于起步阶段。眼镜尚处于起步阶段。VR 目前已经初步实现了快速增长，行业出货量曾达到接近千万量级，但场景仍局限于游戏、观影等重度娱乐场景，有待应用侧进一步突破从而再次向上发展。AR 和 AI 眼镜则处于早期阶段，受制于应用侧与硬件侧的技术等因素，目前基数仍较低，处于发展起步阶段。0.00.00 .000.00.00P.00.00p.0004060801001201402015201620172018201920202021智能手表出货量（百万部）增速 谨请参阅尾页重要声明及财通证券股票和行业评级标准 6 行业深度分析报告/证券研究报告 图4.全球 VR 出货量短期承压但未来增长空间大 图5.全球 AR 出货量基数低维持高增趋势 数据来源：Wellsenn XR 微信公众号，财通证券研究所 数据来源：Wellsenn XR 微信公众号，财通证券研究所 1.2 从从爆品看智能眼镜爆品看智能眼镜产品产品趋势趋势：外观外观 舒适舒适是基础是基础，AI 生态决定上限生态决定上限 Meta 雷朋联名眼镜销量表现优异，雷朋联名眼镜销量表现优异，眼镜品类出现新增长趋势眼镜品类出现新增长趋势。Meta-雷朋联名款1 代智能眼镜 Ray-Ban Stories 销量平平，发售后的两年三个月累计销售 30 万部；2 代智能眼镜 RayBan-Meta 成为爆款产品，在发售后的首个季度销售超 30万部，两个季度销售超 100 万部。该眼镜接入 Meta AI，核心功能在于对话与识物，可作为对话助手回答问题、提供信息，调用摄像头翻译、识别物体的多模态 AI 功能。AI 功能的引入，促使眼镜品类呈现快速增长的势头。表2.Meta 雷朋联名眼镜销量表现优异 Ray-Ban Stories（一代）（一代）Meta Ray-Ban（二代）（二代）发布时间 2021.9 2023.9 销量 生命周期 40 万部，月活不足 10%发售后两个季度卖出超过 100 万部 数据来源：abvr360，财通证券研究所 Meta 雷朋雷朋 2 代联名眼镜相比代联名眼镜相比 1 代升级较多。代升级较多。其中硬件部分升级主要体现在芯片、麦克风、摄像头，芯片的升级是为了带动 AI 功能与更高的摄像头像素，摄像头像素的升级则带来了更好的拍摄直播输出效果，麦克风的升级则提升了拾音准确度，对 AI 语音交互有重要加成作用。软件部分升级主要体现在 2 代接入了Meta 自研的大模型 Llama3，同时直播功能可与 Facebook、Instagram 等 Meta 有的社交平台无缝衔接，打开了全新的应用场景空间。-40.00%-20.00%0.00 .00.00.00.000.000.000.0000100015002000250030003500VR出货量(万台)VR增速0.00P.000.000.00 0.00%0.0000.0050.0000200300400500600AR出货量(万台)AR增速 谨请参阅尾页重要声明及财通证券股票和行业评级标准 7 行业深度分析报告/证券研究报告 表3.2 代眼镜相比 1 代眼镜全方位升级 Ray-Ban Meta Ray-Ban Stories 发布时间 2023.9 2021.9 销量 发售后两个季度卖出超过 100 万部 生命周期 40 万部，月活不足 10%外观 主体延续了 Rayban 经典款 Wayfarer 的外观，比普通太阳镜只重 5g，一二代没有外观区别 主体延续了 Rayban 经典款 Wayfarer 的外观，比普通太阳镜只重 5g，一二代没有外观区别 款式 4 款框型，8 种颜色，共 32 种外观组合 3 款框型，5 种颜色，共 15 种外观组合 重量 镜框 48.6g 镜框 49.3g 镜盒 镜盒 133g，普通太阳镜盒子 总计可供眼镜充电 8 次，32h，充电盒单次充满时间 3.5h 镜盒 195g，圆柱形盒子 总计可供眼镜充电 4 次，12h，充电盒单次充满时间 4h 续航 充满电正常使用续航 4h 单次 75min 充满，22min 充 50%充满电正常使用续航 3h 单次 2h 充满 芯片 高通 AR1Gen1 高通骁龙 4100 麦克风 五个麦克风，对语音命令更加敏感，在嘈杂的环境中工作得非常好 三个麦克风 音频 升级，能力类似 300 元价位的耳机，声音明显更大、声音泄漏更少，低音有所改善 声音质量相对一般，漏音比较多，低音效果不好 Meta AI 接入 Llama3 模型，从而作为对话助手回答问题、提供信息 多模态功能：调用摄像头翻译、识别物体 无 交互方式 两代基本一致，语音 镜腿触控 按钮拍照 拍照键按一次为拍照，长按为录像 两代基本一致，语音 镜腿触控 按钮拍照 拍照键按一次为录像，长按为拍照 隐私 白色 LED 灯，可在拍摄照片或视频时发出指示 白色 LED 灯，可在拍摄照片或视频时发出指示 价格 起价 299 美元，仅比传统眼镜贵 50 美金 起价 299 美元，仅比传统眼镜贵 50 美金 相机 12MPCamera 拍照：30244032 视频：1080P 5MPCamera 拍照：25921944 视频：720P 存储容量 32GB 4GB 拍摄时长 定时拍摄：15,30,60s 定时拍摄：15,30s 长宽比 竖屏：19201440 方形：11841184 防水 有 无 直播功能 有 无 数据来源：abvr360，财通证券研究所 从外观上看，从外观上看，2 代眼镜沿用了雷朋经典款式，满足了基本佩戴需求。代眼镜沿用了雷朋经典款式，满足了基本佩戴需求。雷朋智能眼镜的基本款式、外观、重量和价格基本都是以 Ray-Ban 1950 年代推出的Wayfarer 这一最成功且经典的款式之一作为模板，Ray-Ban 在这方面占据了绝对的主导并为 Meta 提供了产品上最关键的赋能如何让用户习惯且乐于佩戴。谨请参阅尾页重要声明及财通证券股票和行业评级标准 8 行业深度分析报告/证券研究报告 图6.雷朋智能眼镜沿用了经典外观设计 数据来源：abvr360，财通证券研究所 从功能上看，从功能上看，第一视角第一视角拍摄与拍摄与 AI 是主要功能点。是主要功能点。2 代眼镜因摄像头升级为12MP，因此与主流手机摄像清晰度有所接近，从而可实现良好的摄影摄像质量，可随时随地、快速且直观地以第一视角记录生活和信息。2 代眼镜还接入了Meta 的 AI 大模型，可询问天气、时间、体育比赛、新闻结果等日常基础信息，可拍照并识别物体，可推荐衣服、菜品、景点等。图7.2 代眼镜可进行第一视角拍摄 图8.2 代眼镜接入 Meta AI 数据来源：abvr360，财通证券研究所 数据来源：abvr360，财通证券研究所 综上所述，我们认为时尚的外观综上所述，我们认为时尚的外观 良好的佩戴舒适度是良好的佩戴舒适度是 AI 眼镜的基础，而生态眼镜的基础，而生态（拍摄等）（拍摄等） AI 则是重要的功能卖点，因此则是重要的功能卖点，因此雷朋雷朋 Meta 的组合产品能够受到消费的组合产品能够受到消费者的欢迎。者的欢迎。谨请参阅尾页重要声明及财通证券股票和行业评级标准 9 行业深度分析报告/证券研究报告 2 AR 是是智能智能眼镜品类进化的下一步眼镜品类进化的下一步 科技赋能下，科技赋能下，智能眼镜品类发展迅速。智能眼镜品类发展迅速。智能眼镜品类整体沿着音频、拍摄 音频、多模态 AI、AR 的加法路径演进，输入输出模态不断提升，下一个形态将是AR 眼镜。图9.眼镜品类发展历程 数据来源：雷朋官网，bose 官网，青亭网，财通证券研究所 2.1 产品定义：产品定义：VR-虚拟现实，虚拟现实，AR-增强现实增强现实 可穿戴智能可穿戴智能眼镜眼镜设备产品主要包含设备产品主要包含 VR、AR、MR 技术，统称技术，统称 XR。VR（虚拟现实），是实现计算机模拟虚拟环境从而给人以环境沉浸感的技术；VR 头显则是实现这一体验的核心硬件设备，主要形态包括一体机、分体机、VR 盒子。AR（增强现实），是实现虚拟信息与现实世界融合，在现实世界的基础上叠加文字、图片等信息的技术；AR 眼镜是实现这一体验的核心硬件设备，主要形态包括一体机、分体机。MR（混合现实），是当前 VR 加入 VST(视频透视)功能后具备虚实交互能力的技术，与 AR 的区别进一步模糊，因此将具有虚实融合能力的设备统称 MR。XR，是 VR/AR/MR 的统称，在产品定义日益模糊的当下，行业更倾向于以 XR 代称所有类型的设备。谨请参阅尾页重要声明及财通证券股票和行业评级标准 10 行业深度分析报告/证券研究报告 表4.VR/AR 产品形态分类 VR AR 产品形态 一体机 分体机 盒子 一体机 分体机 示意图 简介 头显完整配置 VR所需全部硬件 头显连接 PC/主机，头显负责显示与操控，PC 主机负责运算 自带光学模组的盒子插入手机实现 VR功能 眼镜配置 AR 所需所有硬件 眼镜负责显示操控，外接算力中心 算力中心 头显 PC/主机 手机 眼镜 手机/主机 显示中心 头显 头显 手机 眼镜 眼镜 优势 无需外接设备，便携性高 性能最佳，PC/主机端有丰富的 VR 资源 轻便，成本低 独立性更强 眼镜本体更轻便 劣势 性能不如分体机，轻便性不如盒子；需串流使用 PC 端VR 应用，但体验下降 全套设备配置成本高，有线连接 外置PC 导致诸多不便 性能弱，手机端 VR生态薄弱 轻便性不足 连接线缆不便 代表产品 Quest、PICO 4 HTC VIVE、PS VR CardBoard、三星Gear VR Hololens Nreal Air 数据来源：前瞻经济学人，htc 官网，PICO 官网，新浪 VR，财通证券研究所 图10.VR 头显显示效果 图11.AR 眼镜显示效果 数据来源：Versus，AR 洞察与应用实践白皮书华为，Strategy Analytics，财通证券研究所 数据来源：smzdm，AR 洞察与应用实践白皮书华为，Strategy Analytics，财通证券研究所 谨请参阅尾页重要声明及财通证券股票和行业评级标准 11 行业深度分析报告/证券研究报告 2.2 AR 市场成熟较晚市场成熟较晚，24 年将迎来巨头的首次入局年将迎来巨头的首次入局 AR 市场成熟市场成熟较较晚，晚，2024 年年 Meta 的入局或是关键性节点。的入局或是关键性节点。VR/AR 的首款雏形产品几乎同时在 2012 年启动，但相较于 2021 年就达到千万销量的 VR，AR 当前仍在起量的左侧阶段，核心是 AR 作为轻薄化的产品，对体积的容忍度更低，需要电子 光学两大模块达到可用临界值才具备起量可能。虽然在 2022-2023 年众多创业品牌已验证轻薄化 AR 的量产可能性，但行业缺乏巨头入局带来技术 市场的量能，因此 Meta 在 2024 年 Meta AR 的首次面世是一个关键性验证节点。图12.AR 比 VR 市场成熟晚，2024 年 Meta 的入局或是关键性节点 数据来源：维深 Wellsenn XR，财通证券研究所 2.2.1 AR 的天花板是手机，的天花板是手机，VR 的天花板是的天花板是 PC 手机是手机是 AR 最好的参照物，最好的参照物，PC 是是 VR 最好的参照物。最好的参照物。PC/手机作为计算平台型产品，证明了硬件量级与生态是循环向上关系，突破一定量级后应用会自动聚集。手机以其普及性、便携性及成熟的生态系统，自然成为 AR 技术普及的基石；而PC 则凭借其强大的计算能力和丰富的软件资源，为 VR 技术的深入发展提供了有力支撑。这一过程中，硬件性能的提升与生态系统的繁荣形成了良性循环。VR/AR作为计算与交互领域的新兴力量，更像是将 PC/手机的屏幕前移至眼前，占据更多的视觉空间/强化虚拟世界视觉体验，是升维性质的产品。具体而言，VR/PC 的结合，构建了一个重度计算平台，AR/手机的融合，则打造了一个轻量计算平台，前者性能强、适合深度应用、适合室内固定使用，后者便携性高、应用范围广、适合全天候使用。-40%-20%0 00000400600800100012001400160020162017201820192020202120222023 2024E 2025E 2026EVR（万台）AR（万台）VR-yoyAR-yoy 谨请参阅尾页重要声明及财通证券股票和行业评级标准 12 行业深度分析报告/证券研究报告 图13.科技发展依赖硬件的普及 数据来源：映维网，财通证券研究所 2.2.2 Meta 入局入局有望有望推动推动 AR 量级再上一个平台量级再上一个平台 行业巨头行业巨头 Meta 入局，推动入局，推动智能眼镜产品商业化智能眼镜产品商业化。近年来，Meta 在智能眼镜行业深度布局，Meta-雷朋联名款第 2 代智能眼镜 RayBan-Meta 成为爆款产品，在发售后的首个季度销售超 30 万部，两个季度销售超 100 万部。2024 年 9 月 26日 Meta 在其 Connect 大会发布升级 AI 功能，可无缝接入更多 Meta 旗下应用生态，支持 AI 记忆、视频、实时翻译等更多功能，产品形态上新增透明款。图14.Meta 新款 Rayban 眼镜 数据来源：Theverge，财通证券研究所 谨请参阅尾页重要声明及财通证券股票和行业评级标准 13 行业深度分析报告/证券研究报告 Meta 在在 Connect 大会大会上演示上演示 AR 智能眼镜原型机智能眼镜原型机 Orion。Orion 为分体式设计，采用波导方案设计，重 98g。Orion 能与 Meta 自研的肌电手环相适配，拥有手部跟踪、眼部跟踪、头部追踪等多种交互方式。图15.Meta AR 智能眼镜原型机 Orion 采用分体式设计 数据来源：华尔街见闻，财通证券研究所 Orion 拥有高端的硬件性能。拥有高端的硬件性能。Orion 拥有 7 个传感器，采用 SiC 波导 Micro-LED光机可实现约 70 度视场角，拥有 6DoF 功能，图像可锚定在环境中，支持多窗口显示，支持眼动 手势交互。Meta 表示未来产品将持续提升显示质量，外观尺寸更加小型化，同时进一步降低成本。图16.Orion 硬件分析 数据来源：映维网，财通证券研究所 谨请参阅尾页重要声明及财通证券股票和行业评级标准 14 行业深度分析报告/证券研究报告 Meta 计划于计划于 2027 年公开发布其第一副成熟的年公开发布其第一副成熟的 AR 眼镜。眼镜。Meta 已经在 XR 市场具有较强的竞争力，2Q2024 其市场份额达到 74%，主要由 VR 产品贡献。Meta 计划在 2025 年发布其第一副带显示屏的第三代 Meta-雷朋智能眼镜，配“神经接口”带，允许佩戴者通过手部动作来控制眼镜。未来几年，Meta 计划推出多款 AR 设备，同时加大在 AR 内容开发方面的投入，其余终端品牌如苹果、华为、小米、OPPO、vivo、三星等也有望跟进，当前节点看供给侧的变化具有清晰的持续性。图17.Meta 占据 XR 市场多数份额 图18.2023 年中国 AR 市场主要由 AR 独角兽品牌主导 数据来源：Counterpoint，财通证券研究所 数据来源：IDC，财通证券研究所 图19.Meta AR Roadmap 相对清晰 数据来源：theverge，财通证券研究所 2.3 反射光波导显示效果佳，有望助力行业发展反射光波导显示效果佳，有望助力行业发展 AR 的核心是轻量化，电子元器件已完成小型化，光学是目前核心焦点的核心是轻量化，电子元器件已完成小型化，光学是目前核心焦点。AR 显示需要将现实世界与虚拟世界叠加，同时追求极致的小型化，因此同时需要极高PPI 的屏幕（光机）与极薄的光学方案，AR 的成像系统迭代也主要集中于这两大光学元件。0 00%1Q2023 2Q2023 3Q2023 4Q2023 1Q2024 2Q2024MetaApplePicoSonyOthers31.60#.10.40.70%5.10.10%XREALRayneoRokidInmoHuaweiOthers 谨请参阅尾页重要声明及财通证券股票和行业评级标准 15 行业深度分析报告/证券研究报告 图20.AR/VR 成像原理对比 数据来源：雷锋网，财通证券研究所 BB 方案的方案的 AR 当前仍是主流产品，光波导轻薄化当前仍是主流产品，光波导轻薄化 AR 成重要发展方向。成重要发展方向。根据VR 陀螺不完全统计的 2023 年 AR 新品，Birdbath（简称 BB）光学方案仍是主流形态，但其重量较重，主要应用于观影、游戏等场景，产品定义更接近于头戴近眼大屏显示器。同时各终端品牌已有部分光波导方案的 AR 眼镜推出，产品形态相对更加轻薄化，虽然在显示效果上不如现有 BB 方案产品，但具有了全天候佩戴能力，更有利于增加消费者粘性，并进一步拓宽应用场景的广度。谨请参阅尾页重要声明及财通证券股票和行业评级标准 16 行业深度分析报告/证券研究报告 表5.2023 年 AR 新品中光波导方案开始占据一定比例 产品产品 推出时间推出时间 产品形态产品形态 光显方案光显方案 FOV 单眼分辨率单眼分辨率 重量重量 售价售价 麦耘 maeiyun-xr1 代 1 月 分体式 Micro-OLED Birdbath 双目50 1280 x1440 90g 6999 元(颈部挂主机)nubiaNeovisionGlass 2 月 分体式 Micro-OLED Birdbath 双目43 1920 x1080 799 529 美元 小米无线 AR 眼镜探索版 2 月 一体式 Micro-OLED 自由曲面 不详 不详 126g 未上市(骁龙 XR2)导光棱镜 荣耀观影眼镜 3 月 分体式 Micro-OLED Birdbath 双目46 1920 x1080 80g 2499 元 RokidMax 3 月 分体式 Micro-OLED Birdbath 双目50 1920 x1080 75g 2999 元(选配主机盒子)INMOAir2 4 月 一体式 Micro-OLED 垂直阵 双目显示 640 x400 999 3999 元(紫光展锐W517)列光波导 单目26 雷鸟 AirPlus 5 月 分体式 Micro-OLED Birdbath 双目49 1920 x1080 87g 2499 元(选配主机盒子)nubiaNeoAir 6 月 一体式 单绿 Micro-LED 树脂衍射光波导 双目28 640 x480 50g 未上市 联想晨星 G2light 6 月 分体式 Micro-OLED 自由曲面 不详 1920 x1080 不详 B 端 光学 ARknowA1 7 月 分体式 Micro-OLED 自由曲面 双目 55 1920 x1080 68g 2988 元 钻石 ProR XranyX1 8 月 分体式 Micro-OLED Birdbath 双目46 1920 x1080 89g B 端(标配主机盒子)RokidMaxPro 8 月 分体式 Micro-OLED Birdbath 双目50 1920 x1200 76g 4999 元(选配主机盒子)MinimisGlass 8 月 一体式 Micro-OLED 衍射光波导 双目30 1920 x1080 90g 699 美元(高通QCM2290)联想 LegionGlasses 9 月 分体式 Micro-OLED 自由曲面 不详 1920 x1080 142g 499 美元 XREALAir2 9 月 分体式 Micro-OLED Birdbath 双目46 1920 x1080 729 2499 元(选配主机盒子)XREALAIr2Pro 9 月 分体式 Micro-OLED Birdbath 双目46 1920 x1080 799 2999 元(选配主机盒子)谨请参阅尾页重要声明及财通证券股票和行业评级标准 17 行业深度分析报告/证券研究报告 表5.2023 年 AR 新品中光波导方案开始占据一定比例 产品产品 推出时间推出时间 产品形态产品形态 光显方案光显方案 FOV 单眼分辨率单眼分辨率 重量重量 售价售价 INMOGo 9 月 一体式 单绿 Micro-LED 衍射光 单目30 640 x480 52g 1999 元 波导 Holoswim2S 9 月 一体式 OLED 全息树脂光波导 单目25 128x64 70g 990 元 DreamGlassLeadFLY 9 月 一体式 LCD 自由曲面离轴反射 双目90 1920 x1080 170g 2999 元 雷鸟 x2 10 月 一体式 单绿 Micro-LED 衍射光波 双目 25*640 x480 119g 4999 元(高通骁龙XR2)雷鸟 Air2 10 月 分体式 Micro-OLED Birdbath 双目46 1920 x1080 76g 2499 元(选配主机盒子)INAIRPro 10 月 分体式 Micro-OLED Birdbath 双目51 1920 x1200 80g 3999 元(颈环挂主机)SeerLensTMIIB50R 10 月 分体式 Micro-OLED Birdbath 472 1920 x1080 260g B 端 ProARGlasses 李未可 MetaLensS3 11 月 一体式 单绿 Micro-LED 衍射光 双目30 640 x480 93g 1999 元 波导 NimoGlass 套装 11 月 分体式 不详 双目45 1920 x1080 不详 1299 美元(标配主机盒子)QIDIONE 11 月 一体式 LCoS 阵列光波导 双目30 1280 x720 80g 4999 元(骁龙 W5Gen1)MYVU 11 月 一体式 单绿 Micro-LED 树脂衍射光波导 双目30 640 x480 43g 2499 元 MYVUDiscovery 11 月 一体式 全彩 Micro-LED 树脂衍射光波导 双目30 640 x480 71g 9999 元(骁龙 W5Gen1)谷东科技 C2000 11 月 一体式 Micros-OLED 单目阵列光波导 不详 不详 不详 B 端 中国电信 5GAR 眼镜 12 月 分体式 Micro-OLED Birdbath 双目41 1920 x1080 70g 1999 元 数据来源：VR 陀螺，财通证券研究所 光波导是轻薄化光波导是轻薄化 AR 主流光学方案发展方向主流光学方案发展方向。目前市场上应用较多的光学方案有棱镜、自由曲面、Birdbath 以及光波导方案。棱镜方案由于在体积、视场角和亮度方面的劣势导致其目前逐渐淡出市场。自由曲面方案和 Birdbath 方案对于光学系统设计自由度较高，光学性能提升，且成本可控、工艺成熟，是当前消费级AR 眼镜的主要光学解决方案。光波导方案因其轻薄和光线的高穿透特性可以很 谨请参阅尾页重要声明及财通证券股票和行业评级标准 18 行业深度分析报告/证券研究报告 好地解决视场角与产品体积之间的矛盾，被认为是 AR 眼镜未来主流的发展方向。表6.市场主要应用的光学方案 光学方案光学方案 图示图示 原理原理 工艺工艺 优缺点优缺点 代表产品代表产品 棱镜 LCos 微型投影仪投射出的图像通过棱镜的半透半反结构反射至人眼视网膜中，与现实图像相叠加，形成虚实融合的视觉体验。传统透镜冷加工工艺 优点：成本低 缺点：体积与视场角存在矛盾、显示面积小、观看角度非正前方、画面存在畸变 Google Glass、GLXSS ME、Vuzix M300 等 自由曲面 Micro OLED 采用有一定反射/透射值的自由曲面反射镜。显示器发出的光线直接射至凹面镜/合成器并反射回眼内，外界景物也透过镜面进入人眼，从而实现虚实景物的叠加。传统透镜冷加工工艺 优点：光学设计自由，可实现较大视场角，成本较低 缺点：体积与视场角存在矛盾、镜片上反射图像较强、外观不够自然 耐德佳、Rokid Glass、EpsonBT300、ODG、Nreal Light等 BirdBath Micro OLED 将来自显示源的光线投射至 45 度角的半透半反分光镜上，分光镜的反射透射值（R/T）让用户能同时看到现实世界的物理对象和由显示器生成的数字影像。传统透镜冷加工工艺 优点：可实现较大视场角，成本较低 缺点：镜片较为厚重、透光率较低、亮度较低 HoloLens、Magic Leap One、RokidVision 等 光波导 LCos/DLP 显示模组发出的光线被入耦合器件耦入光波导中，在波导内以全反射的形式向前传播，到达出耦合器件时被耦合出光波导后进入人眼成像。反射：研磨、抛光、镀膜和胶合 衍射：紫外线纳米压印光刻 体全息：全息干涉曝光 优点：轻薄，透光率高 缺点：存在色散问题、技术方案不成熟、生产工艺难度高 North Focals等 数据来源：灵犀微光，elecfans，亮风台 HiAR，新浪 VR，财通证券研究所 反射光波导能形成更好的显示效果。反射光波导能形成更好的显示效果。光波导方案进一步细分可分为几何(反射)/衍射光波导，而衍射光波导可进一步分为表面浮雕光栅与体全息光波导。衍射光波 谨请参阅尾页重要声明及财通证券股票和行业评级标准 19 行业深度分析报告/证券研究报告 导使用衍射原理，光波通过衍射光栅时会产生多级衍射光，衍射光在传播过程中发生干涉和叠加，不同波长的光波在传播过程中发生分离，导致图像分辨率下降和彩虹纹现象。同时光效利用率较低，需要搭配 Micro-LED 等高亮光机，但高分辨率 Micro-LED 目前良率较低，生产成本高，因此限制了衍射光波导最终的成像效果。反射光波导则运用反射原理将光源投射到人眼，避免了衍射光波导中的衍射效应带来的分辨率损失和色散问题。同时反射过程中光线能量损失较小，因此具有较高的亮度和清晰度。但反射光波导对加工工艺要求较高，量产难度高。表7.光波导方案对比：反射光波导能形成更好的显示效果 光波导方案光波导方案 厚度厚度 量产产能量产产能 量产良率量产良率 量产成本量产成本 光效光效 优点优点 缺点缺点 反射光波导 2mm 较低 较低 较高 15%图像质量好 无色散 一维扩瞳 工艺复杂 良率低 衍射光波导 表面浮雕光栅光波导 2mm 中 高 低 0.3%-1%二维扩瞳 光栅设计生产灵活 可大规模量产 彩虹色散问题 设计壁垒高 前期投入大 体全息光波导 2mm 中 低 0.3%-1%二维扩瞳 量产成本低 彩虹色散问题 效率和视场角较低 数据来源：abvr360，映维网，财通证券研究所 图21.衍射光波导（左）与反射光波导（右）成像效果 数据来源：青亭网，财通证券研究所 反射光波导有望反射光波导有望实现首次实现首次量产量产，提升，提升 AR 眼镜成像效果眼镜成像效果。反射光波导具有轻薄、透明度高、视场角大等优点，被认为是 AR 眼镜的理想选择。德国特种玻璃材料公司肖特与 AR 光学方案供应商 Lumus 建立了长期合作关系，并在马来西亚开 谨请参阅尾页重要声明及财通证券股票和行业评级标准 20 行业深度分析报告/证券研究报告 设工厂制造光学元件，增加新的生产设施，并计划进一步扩大马来西亚先进光学中心，有望首次实现反射光波导技术的量产。量产将大幅降低反射光波导的生产成本，使其更加普及和应用于 AR 眼镜中，进一步提升 AR 眼镜的分辨率和用户体验，推动 AR 行业的快速增长。图22.肖特制造的 Lumus 反射波导 数据来源：艾邦 VR 产业资讯，财通证券研究所 谨请参阅尾页重要声明及财通证券股票和行业评级标准 21 行业深度分析报告/证券研究报告 3 投资建议投资建议 我们看好智能眼镜品类在 AI 赋能下的长期发展趋势，建议关注品牌/整机 光学 其他核心零部件等产业链核心环节。整机组装：歌尔股份（光学亦有布局）、立讯精密、华勤技术、佳禾智能、天键股份、龙旗科技、亿道信息。光学：水晶光电、舜宇光学科技、蓝特光学、华灿光电。SoC：恒玄科技、瑞芯微、全志科技、晶晨股份、炬芯科技。谨请参阅尾页重要声明及财通证券股票和行业评级标准 22 行业深度分析报告/证券研究报告 4 风险提示风险提示 智能眼镜行业发展不及预期：智能眼镜行业发展不及预期：智能眼镜行业尚处于早期阶段，短期在巨头入局 AI 的加持下实现了快速增长，但当前销量基数仍较低，长期发展仍有许多不确定性因素。技术迭代风险：技术迭代风险：AR 眼镜在光学路线上仍有不确定性，行业技术迭代较快，若相关产业链公司无法在新技术领域进行及时布局，则有可能无法跟上行业整体的发展步伐。汇率风险：汇率风险：目前在智能眼镜产品布局的公司多为海外科技巨头，国内产业链对海外销售收入可能受到汇率的影响，汇率的波动可能对其业绩造成一定影响。全球竞争风险：全球竞争风险：国内产业链公司当前具备一定的行业竞争力，但考虑地缘政治以及全球竞争的影响，可能导致海外终端品牌对供应链的偏好发生改变，对国内供应链的市场份额或盈利能力造成一定影响。谨请参阅尾页重要声明及财通证券股票和行业评级标准 23 行业深度分析报告/证券研究报告 分析师承诺分析师承诺 作者具有中国证券业协会授予的证券投资咨询执业资格，并注册为证券分析师，具备专业胜任能力，保证报告所采用的数据均来自合规渠道，分析逻辑基于作者的职业理解。本报告清晰地反映了作者的研究观点，力求独立、客观和公正，结论不受任何第三方的授意或影响，作者也不会因本报告中的具体推荐意见或观点而直接或间接收到任何形式的补偿。资质声明资质声明 财通证券股份有限公司具备中国证券监督管理委员会许可的证券投资咨询业务资格。公司评级公司评级 以报告发布日后 6 个月内，证券相对于市场基准指数的涨跌幅为标准：买入：相对同期相关证券市场代表性指数涨幅大于 10%；增持：相对同期相关证券市场代表性指数涨幅在 5%之间；中性：相对同期相关证券市场代表性指数涨幅在-5%5%之间；减持：相对同期相关证券市场代表性指数涨幅小于-5%；无评级：由于我们无法获取必要的资料，或者公司面临无法预见结果的重大不确定性事件，或者其他原因，致使我们无法给出明确的投资评级。A 股市场代表性指数以沪深 300 指数为基准；中国香港市场代表性指数以恒生指数为基准；美国市场代表性指数以标普 500指数为基准。行业评级行业评级 以报告发布日后 6 个月内，行业相对于市场基准指数的涨跌幅为标准：看好：相对表现优于同期相关证券市场代表性指数；中性：相对表现与同期相关证券市场代表性指数持平；看淡：相对表现弱于同期相关证券市场代表性指数。A 股市场代表性指数以沪深 300 指数为基准；中国香港市场代表性指数以恒生指数为基准；美国市场代表性指数以标普 500指数为基准。免责声明免责声明 本报告仅供财通证券股份有限公司的客户使用。本公司不会因接收人收到本报告而视其为本公司的当然客户。本报告的信息来源于已公开的资料，本公司不保证该等信息的准确性、完整性。本报告所载的资料、工具、意见及推测只提供给客户作参考之用，并非作为或被视为出售或购买证券或其他投资标的邀请或向他人作出邀请。本报告所载的资料、意见及推测仅反映本公司于发布本报告当日的判断，本报告所指的证券或投资标的价格、价值及投资收入可能会波动。在不同时期，本公司可发出与本报告所载资料、意见及推测不一致的报告。本公司通过信息隔离墙对可能存在利益冲突的业务部门或关联机构之间的信息流动进行控制。因此，客户应注意，在法律许可的情况下，本公司及其所属关联机构可能会持有报告中提到的公司所发行的证券或期权并进行证券或期权交易，也可能为这些公司提供或者争取提供投资银行、财务顾问或者金融产品等相关服务。在法律许可的情况下，本公司的员工可能担任本报告所提到的公司的董事。本报告中所指的投资及服务可能不适合个别客户，不构成客户私人咨询建议。在任何情况下，本报告中的信息或所表述的意见均不构成对任何人的投资建议。在任何情况下，本公司不对任何人使用本报告中的任何内容所引致的任何损失负任何责任。本报告仅作为客户作出投资决策和公司投资顾问为客户提供投资建议的参考。客户应当独立作出投资决策，而基于本报告作出任何投资决定或就本报告要求任何解释前应咨询所在证券机构投资顾问和服务人员的意见；本报告的版权归本公司所有，未经书面许可，任何机构和个人不得以任何形式翻版、复制、发表或引用，或再次分发给任何其他人，或以任何侵犯本公司版权的其他方式使用。信息披露信息披露
2024-09-29
23页
5星级
请务必阅读正文之后的免责条款部分 1/20 行业研究|有色金属|锡 证券研究报告 锡锡行业研究报告行业研究报告 2024 年 09 月 27 日 半导体景气复苏，半导体景气复苏，锡供需格局锡供需格局持续持续向好向好 锡行业锡行业深度深度报告报告系列系列（一）（一）报告要点：报告要点：供给端：全球锡矿集中，锡资源供给放缓供给端：全球锡矿集中，锡资源供给放缓 锡精矿方面，锡精矿方面，近 10 年全球锡矿年平均产量约 30 万吨，集中于亚洲、非洲、南美洲地区。受去年 8 月缅甸佤邦禁矿政策影响，2024 年 4 月以来中国矿端进口大幅下滑，供应收缩逐步兑现；刚果（金）主要矿山为 Alphamin 公司旗下的 Bisie 锡矿，Mpama South 预计 2024 年有 5000-6000 吨增量。中国是世界上锡资源最丰富的国家之一，集中分布在云南、广西、湖南、内蒙古等地，云南个旧和广西大厂是世界级的超大型锡矿床。精锡精锡方面，方面，2023 年全球精锡产量 37 万吨（同比-2.6%），2024 年上半年产量 17 万吨（同比-6.7%），其中 Q2 产量为9.14 万吨（环比 16.43%）。全球前十大精锡冶炼公司有七家位于亚洲，云南锡业继续保持全球最大精炼锡生产商的地位，秘鲁明苏公司位居第二，未来随着锡矿资源趋于紧缺，行业集中度有望进一步提升。未来随着锡矿资源趋于紧缺，行业集中度有望进一步提升。需求端：锡材应用多样，需求端：锡材应用多样，新兴产业锡需求旺盛新兴产业锡需求旺盛 2023 年全球精炼锡消费量为 36 万吨（同比-2.9%），2024 年上半年消费量 17.6 万吨（同比-1.1%），其中 Q2 消费量为 8.8 万吨，环比下降 0.1%。半导体领域，半导体领域，2024 年半导体行业景气持续复苏，年半导体行业景气持续复苏，带动锡焊带动锡焊料需求增长料需求增长。一季度和二季度各实现销售额 1408 亿美元、1499 亿美元，分别同比增长 17.8%、18.3%，WSTS 最新市场预测将 2024 年半导体市场规模的预测从 5883.64 亿美元上调至 6112.31 亿美元，预计同比增长 16%。光伏领域，光伏领域，全国光伏新增总装机量逐年稳定增长，全国光伏新增总装机量逐年稳定增长，带动光伏焊带用锡量逐年攀升。带动光伏焊带用锡量逐年攀升。2024 年 1-7 月我国光伏新增装机123.53GW，同比增长 27.1%，CPIA 预计今年光伏新增装机量将超过200GW。价格端：锡价偏强运行，锡精矿加工费保持平稳价格端：锡价偏强运行，锡精矿加工费保持平稳 受宏观情绪向好和供给紧张预期影响，受宏观情绪向好和供给紧张预期影响，2024 年初以来年初以来锡价整体偏强锡价整体偏强运行运行。2024 年 1-8 月，沪锡均价为 24.69 万元/吨，相较 2023 年均价上涨 16.25%；LME 锡均价为 29978 美元/吨，相较 2023 年均价上涨15.70%。一季度主要产锡国复产预期不断推迟，叠加部分产锡地区锡锭出口审批政策变化以及需求端逐步企稳向好，锡价小幅上涨；二季度在海外主要经济体降息预期提升的背景下，补库周期和再通胀交易情绪推动主要有色金属价格大幅上涨。加工费方面，加工费方面，2024 年初以来锡精矿加工费基本保持平稳，锡精矿(60%)加工费约 1.1 万/吨，锡精矿(40%)加工费约 1.5 万/吨。投资建议投资建议 全球锡资源储量长期增长有限，行业长期资本开支不足也抑制了锡矿未来供给增量，叠加部分矿区停产等因素影响，原本偏紧的锡矿供应再添不确定性。另一方面，随着半导体行业企稳向上，电子终端产品向更高算力和更强智能化的方向持续发展，焊料需求有望持续复苏，锡供需格局向好，建议重点关注锡业股份、华锡有色、兴业银锡。风险提示风险提示 政策变化风险、市场价格波动风险、安全生产风险、环境保护风险 推荐推荐|首次首次 过去一年市场行情 资料来源：Wind 相关研究报告 报告作者 分析师 马捷 执业证书编号 S0020522080002 电话 021-51097188 邮箱 联系人 王鹏 电话 021-51097188 邮箱 -25%-15%-5%5%9/2512/253/256/259/25SW有色金属沪深300 请务必阅读正文之后的免责条款部分 2/20 目 录 1.供给端：全球锡矿集中，锡资源供给放缓.4 2.需求端：锡材应用多样，新兴产业锡需求旺盛.8 2.1 半导体行业景气复苏，带动锡焊料需求增长.9 2.2 光伏组件产量高速增长，光伏焊带成锡消费增长点.13 3.价格端：锡价偏强运行，锡精矿加工费保持平稳.16 4.锡行业上市公司.18 5.风险提示.19 图表目录 图 1：近 20 年全球锡矿储量（万吨）.4 图 2：2023 年全球锡矿储量区域分布.4 图 3：近 20 年全球锡矿产量（万吨）.4 图 4：2023 年全球锡矿产量区域分布.4 图 5：2019-2023 年国外锡矿主产区产量（吨）.5 图 6：近 20 年中国锡矿产量（万吨）.5 图 7：2020 年中国锡矿产量分布.5 图 8：中国锡矿砂及其精矿进口量及主要国家占比.7 图 9：2023 年至今锡矿砂及其精矿月度进口数量（吨）.7 图 10：全球前十大精锡供应商产量（万吨）.7 图 11：2019-2023 年全球精锡产量及同比.8 图 12：近 6 个季度全球精锡产量及环比.8 图 13：锡金属产业链结构.8 图 14：2019-2023 年全球精锡消费量及同比.9 图 15：近 6 个季度全球精锡消费量及环比.9 图 16：2022 年全球锡消费结构（按应用）.9 图 17：2022 年全球锡消费结构（按地区）.9 图 18：半导体封装示例.10 图 19：晶圆级回流焊设备平面图.10 图 20：全球半导体销售额（亿美元）.11 图 21：全球不同地区半导体季度销售额（亿美元）.11 图 22：全球智能手机季度出货量（百万部）.12 图 23：中国智能手机出货量（万部）.12 图 24：中国新能源汽车产量（万辆）.12 图 25：中国新能源汽车销量（万辆）.12 图 26：2016-2024H1 中国新能源汽车产销量占乘用车比例快速提升（年度）.13 图 27：2023 年初以来中国新能源汽车渗透率快速提升（月度）.13 图 28：光伏焊带横截面.14 请务必阅读正文之后的免责条款部分 3/20 图 29：光伏焊带工作原理.14 图 30：全国光伏新增装机容量（万千瓦）.15 图 31：全国光伏新增装机容量月度统计（万千瓦）.15 图 32：全国光伏组件产量（GW）.15 图 33：LME 锡和沪锡价格走势.16 图 34：LME 锡和沪锡库存（吨）.16 图 35：锡锭(Sn99.90%)价格走势（元/吨）.17 图 36：2023 年以来锡精矿加工费走势（元/吨）.17 表 1：近 2 年全球主要锡矿企业/矿山储量和产量.6 表 2：微电子焊接材料分类.10 表 3：光伏焊带分类.14 请务必阅读正文之后的免责条款部分 4/20 1.供给端：供给端：全球锡矿集中全球锡矿集中，锡资源供给放缓锡资源供给放缓 储量端，储量端，全球锡资源总量呈下降趋势。全球锡资源总量呈下降趋势。随着全球经济一体化逐渐深入，发展中国家经济增长后势强劲，锡矿消耗量维持高位。据美国地质调查局（USGS）统计，近 20年全球锡资源储量不断收缩，2023 年储量约为 430 万吨，同比下降 6.5%，为近 20年最低位。全球分布来看，锡矿储量集中度较高。全球分布来看，锡矿储量集中度较高。2023 年中国锡矿储量全球第一，锡矿储量达110 万吨，占全球储量约 26%，其次缅甸储量 70 万吨，占比约 16%。随后澳大利亚、俄罗斯、巴西、玻利维亚和秘鲁锡矿资源储量分别为 62 万吨、46 万吨、42 万吨、40 万吨、13 万吨，前七占全球锡资源储量近 90%。图图 1：近：近 20 年全球锡矿储量（万吨）年全球锡矿储量（万吨）图图 2：2023 年全球锡矿储量区域分布年全球锡矿储量区域分布 资料来源：USGS，国元证券研究所 资料来源：USGS，国元证券研究所 图图 3：近：近 20 年全球锡矿产量（万吨）年全球锡矿产量（万吨）图图 4：2023 年全球锡矿产量区域分布年全球锡矿产量区域分布 资料来源：USGS，国元证券研究所 资料来源：USGS，国元证券研究所 产量端，近产量端，近 10 年年全球锡矿全球锡矿年平均产量约年平均产量约 30 万吨，且集中于亚洲、非洲、南美洲地万吨，且集中于亚洲、非洲、南美洲地区区。根据美国地质调查局（USGS）数据，2023 年全球锡矿产量为 29 万吨，同比下降 5.5%。分区域看，产量前五的国家分别为中国、缅甸、印度尼西亚、秘鲁、刚果-10%-5%0%5 0020030040050060070020042005200620072008200920102011201220132014201520162017201820192020202120222023全球锡储量（万吨）同比26%9%3%3%8%中国缅甸澳大利亚俄罗斯巴西玻利维亚刚果（金）秘鲁其他-20%-15%-10%-5%0%5 %010152025303520042005200620072008200920102011201220132014201520162017201820192020202120222023全球锡矿产量（万吨）同比23%8%7%6%6%中国缅甸印度尼西亚秘鲁刚果（金）巴西玻利维亚其他 请务必阅读正文之后的免责条款部分 5/20 （金），产量分别为：6.8 万吨、5.4 万吨、5.2 万吨、2.3 万吨、1.9 万吨。其中，中国、缅甸、印度尼西亚产量占比分别达到 23%、19%、18%，缅甸锡矿产量增速较快，2023 年锡矿产量已经超过印度尼西亚，位列全球第二位。图图 5：2019-2023 年国外锡矿主产区产量（吨）年国外锡矿主产区产量（吨）资料来源：USGS，国元证券研究所 中国中国锡矿储量丰富，分布锡矿储量丰富，分布也也较为集中。较为集中。我国是世界上锡资源最丰富的国家之一，集中分布在云南、广西、湖南、内蒙古、江西等地，主要矿床有云南个旧锡矿、云南都龙锡矿、广西大厂锡矿、广西珊瑚锡矿、广西水岩坝锡矿、湖南香花岭锡矿、湖南红旗岭锡矿等。其中，云南个旧和广西大厂是世界级的超大型锡矿床，且开发较早，矿体开采条件及水文地质条件较好，资源集中，有利于规模采选及冶炼加工。根据中国有色金属工业年鉴统计，2020 年产量前五的省份分别为云南、江西、湖南、广西、内蒙古，产量占比分别为：55.3%、24.6%、11.2%、4.8%、2.8%。受矿山品位下降、生产安全、政策等多方面因素影响，我国整体锡矿产量有下降趋势。图图 6：近：近 20 年中国锡矿产量（万吨）年中国锡矿产量（万吨）图图 7：2020 年中国锡矿产量分布年中国锡矿产量分布 资料来源：USGS，国元证券研究所 资料来源：中国有色金属工业年鉴，国元证券研究所 010,00020,00030,00040,00050,00060,00070,00080,00090,00020192020202120222023缅甸印度尼西亚秘鲁刚果（金）玻利维亚巴西-40%-20%0 000468101214162004 2006 2008 2010 2012 2014 2016 2018 2020 2022中国锡矿产量（万吨）同比55.3$.6.2%4.8%2.8%云南江西湖南广西内蒙古 请务必阅读正文之后的免责条款部分 6/20 国内主要锡矿企业有锡业股份、华锡有色、兴业银锡等。2023 年，锡业股份矿山产量为 31958 吨，储量为 64.64 万吨；华锡有色矿山产量为 6500 吨，储量为 17.9 万吨；兴业银锡旗下的银漫矿业产量为 7769 吨，储量为 19.1 万吨。国外方面，印尼的主要锡矿在天马公司旗下，2023 年锡矿产量为 14855 吨，同比下降 26%，储量 33.9 万吨，同比增加 1.5%。缅甸的锡矿主要为佤邦曼相、邦阳锡矿。由于矿石品位下降，缅甸锡产量 2017-2019年明显下滑，分别为 67500 吨、54600 吨、42000 吨。受去年 8 月缅甸佤邦禁矿政策影响，2024 年 4 月以来中国矿端进口大幅下滑，供应收缩逐步兑现。秘鲁的主要矿山为 Misur 公司旗下的圣拉斐尔锡矿，该锡矿 2023 年产量为 20900吨，储量为 14.9 万吨。刚果（金）的主要矿山为 Alphamin 公司旗下的 Bisie 锡矿，在产的 Mpama North 2023 年产量为 12568 吨，Mpama South 预计 2024 年有 5000-6000 吨增量。表表 1：近：近 2 年全球主要锡矿企业年全球主要锡矿企业/矿山储量和产量矿山储量和产量 国家国家 矿企矿企/矿矿山山 产量产量（吨）（吨）储量储量（万吨）（万吨）2022 年年 2023 年年 2022 年年 2023 年年 中国 锡业股份（大屯、老厂、卡房、华联锌铟）34383 31958 66.7 64.6 华锡有色（高峰、铜坑）5289 6500-17.9 兴业银锡（银漫矿业）3042 7769 19.6 19.1 印尼 天马公司（陆地砂矿、滨海砂矿）20079 14855 33.4 33.9 缅甸 佤邦曼象矿区 40000 8 月停产-秘鲁 明苏公司（圣拉斐尔锡矿）22947 20900 13.1 14.9 明苏公司（B2 尾矿）5284 5328 5.7 5.0 巴西 明苏公司（Pitinga 矿山）6322 5599 29.2 27.9 刚果（金）Alphamin 公司（Bisie 锡矿：Mpama North）12493 12568-Alphamin 公司（Bisie 锡矿：Mpama South）2024 年预计有 5000-6000 吨增量-玻利维亚 玻利维亚矿业公司（Huanuni 锡矿、Colquiri 锌锡矿）17613 16827-澳大利亚 Metals X（雷尼森贝尔锡矿）-9532-12.2 Metals X（雷尼森贝尔尾矿）预计年产 5400 吨-9.9 资料来源：各公司公告，SMM，国元证券研究所 根据海关总署统计，我国锡矿砂及其精矿进口主要来自缅甸、刚果（金）、玻利维亚等国家。在缅甸佤邦禁矿政策前，我国锡矿砂及其精矿进口数量中缅甸占比一度达到85%，2023 年和 2022 年全年缅甸占比分别为 72.51%、76.88%。2024 年 4 月以来，随着缅甸矿的库存数量大幅缩减，中国锡精矿进口数量下滑明显，6 月缅甸矿占比降低至 32%，7 月进口缅甸矿 6838 吨，环比增加 65.8%，占比为 45.38%。刚果（金）锡精矿供应快速提升。刚果（金）锡精矿供应快速提升。2024 年 7 月，中国从刚果（金）进口锡矿砂及其 请务必阅读正文之后的免责条款部分 7/20 精矿数量为4929吨，环比增加52.4%。2023年和2022年进口占比分别为11.08%、9.71%，2024 年 4-7 月提升明显，分别为 25.38%、24.45%、25.23%、32.71%。图图 8：中国锡矿砂及其精矿进口中国锡矿砂及其精矿进口量及主要国家占比量及主要国家占比 图图 9：2023 年至今锡矿砂及年至今锡矿砂及其其精矿月度进口数量精矿月度进口数量（吨吨）资料来源：海关总署，国元证券研究所 资料来源：海关总署，国元证券研究所 冶炼端，冶炼端，2023 年全球精炼锡产量为 37 万吨，较 2022 年 38 万吨下降 2.6%；2024年上半年全球精炼锡产量 17 万吨，同比下降 6.7%，其中 Q2 产量为 9.14 万吨，环比增长 16.43%。全球前十大精锡冶炼公司 2023 年产量合计 21.96 万吨，占全球精锡产量的 59%，其中有七家分布在亚洲，前两大生产商保持不变，云南锡业继续保持全球最大精炼锡生产商的地位，秘鲁明苏公司（Minsur）位居第二。未来随着锡矿未来随着锡矿资源趋于紧缺，行业集中度有望进一步提升。资源趋于紧缺，行业集中度有望进一步提升。图图 10：全球前十大精锡供应商产量（万吨）：全球前十大精锡供应商产量（万吨）资料来源：ITA，锡业股份公告，国元证券研究所 0 0Pp0,00010,00015,00020,00025,00030,00035,000进口量（吨）缅甸占比刚果（金）占比05,00010,00015,00020,00025,00030,00035,00012345678910111220242023012345678920232022 请务必阅读正文之后的免责条款部分 8/20 图图 11：2019-2023 年全球精锡产量及同比年全球精锡产量及同比 图图 12：近：近 6 个季度全球精锡产量及环比个季度全球精锡产量及环比 资料来源：ITA，国元证券研究所 资料来源：ITA，国元证券研究所 2.需求端：锡材应用多样，需求端：锡材应用多样，新兴产业新兴产业锡锡需求旺盛需求旺盛 锡金属作为航空航天、电子信息、高端装备制造、国防军工、海洋工程等领域必不可少的基础关键材料，拥有良好的锡金属资源储量能够为我国国防建设和国民经济发展提供重要的战略支撑。锡作为电子焊接材料的不可替代品，也是电子工业的重要基石，保障我国锡金属制造业中下游产业链的供给稳定性和安全性。锡产业链上游是对含锡的原矿进行采、选、冶及回收，产出精锡；中游是将精锡加工成焊料、锡化学品、镀锡板、锡合金等关键基础材料；下游应用领域包括电子信息、新能源、航空航天、工业装备、医药、农业等。图图 13：锡金属产业链结构：锡金属产业链结构 锡矿山锡精矿锡锭锡焊料镀化工马口铁铅酸电池锡合金勘探采选冶炼精加工电子信息新能源航空航天工业装备应用领域上游中游下游 资料来源：锡业股份公告，国元证券研究所 锡金属的应用中传统锡金属制品（如锡阳极棒、锡粒、锡球、锡粉、锡铅焊料等）主要应用于 5G 通讯、电子工业、电镀等领域；精深加工锡材料产品（如锡工艺品、锡铟靶材、锡铝靶材、预成型焊片、锡箔、焊丝等）主要应用于电子电气、航空航天、汽车工业等领域；锡精细化工产品（如辛酸亚锡、草酸亚锡、二氧化锡、硫化锡/亚-10%-5%0%51015202530354020192020202120222023全球精锡产量（左轴，万吨）同比（右轴）-25%-20%-15%-10%-5%0%5 %046810122023Q12023Q22023Q32023Q42024Q12024Q2全球精锡产量（左轴，万吨）环比（右轴）请务必阅读正文之后的免责条款部分 9/20 锡、ITO 粉/靶等）主要应用于塑料、农业、医药、新型显示、轨道交通等领域。图图 14：2019-2023 年全球精锡消费量及同比年全球精锡消费量及同比 图图 15：近：近 6 个季度全球精锡消费量及环比个季度全球精锡消费量及环比 资料来源：ITA，国元证券研究所 资料来源：ITA，国元证券研究所 根据 ITA 数据，2023 年全球精炼锡消费量为 36.0 万吨，较 2022 年 37.1 万吨下降2.9%；2024 年上半年全球精炼锡消费量 17.6 万吨，同比下降 1.1%，其中 Q2 消费量为 8.8 万吨，环比下降 0.1%。从消费结构看，锡焊料占比最高，2022 年占比为 48%，后面依次是锡化工、马口铁、铅酸电池、锡铜合金，占比分别为 17%、12%、8%、7%。从地区结构看，全球锡消费地区主要集中在亚洲，其中中国占比最多，2022 年全球锡消费有 70%来自亚洲地区，中国消费占比为 46%，美洲和欧洲占比分别为 15%、14%。图图 16：2022 年全球锡消费结构（按应用）年全球锡消费结构（按应用）图图 17：2022 年全球锡消费结构（按地区）年全球锡消费结构（按地区）资料来源：ITA，国元证券研究所 资料来源：ITA，国元证券研究所 2.1 半导体行业景气复苏，带动锡焊料需求增长半导体行业景气复苏，带动锡焊料需求增长 微电子焊接材料作为电子材料行业的重要基础材料之一，下游应用领域覆盖消费电子、LED、智能家电、通信、计算机、工业控制、光伏、半导体、汽车电子、安防等多个行业，具有“小产品、大市场”的特点。在半导体封装中，在半导体封装中，锡焊料锡焊料被用于连接封装和印刷电路板；在倒片封装中，焊锡被用于被用于连接封装和印刷电路板；在倒片封装中，焊锡被用于连接芯片和基板。连接芯片和基板。在扇入型晶圆级芯片封装中，合格晶圆首先将进入封装生产线。通-6%-4%-2%0%2%4%6%8101520253035404520192020202120222023全球精锡消费量（左轴，万吨）同比（右轴）-10%-8%-6%-4%-2%0%2%4%6%823456789102023Q12023Q22023Q32023Q42024Q12024Q2全球精锡消费量（左轴，万吨）环比（右轴）48%8%7%8%锡焊料锡化工马口铁铅酸电池锡铜合金其他领域46$%1%中国亚洲其他地区美洲欧洲其他地区 请务必阅读正文之后的免责条款部分 10/20 过溅射工艺在晶圆表面制备一层金属膜，并在金属膜上涂覆一层较厚的光刻胶。通过光刻工艺在光刻胶上绘制电路图案，再利用铜电镀工艺在曝光区域形成金属引线。随后去除光刻胶，并利用化学刻蚀工艺去除多余的薄金属膜，然后在晶圆表面制备绝缘层，并利用光刻工艺去除锡球放置区域的绝缘层。利用光刻工艺在绝缘层上绘制电路图案后，通过植球工艺使锡球附着于绝缘层，在植球过程中，需要将锡球附着到晶圆级芯片封装体上。植球安装完成后，封装流程结束。图图 18：半导体封装示例半导体封装示例 图图 19：晶圆级回流焊设备平面图晶圆级回流焊设备平面图 资料来源：半导体后端工艺SK 海力士，国元证券研究所 资料来源：半导体后端工艺SK 海力士，国元证券研究所 微电子焊接材料主要使用在微电子焊接材料主要使用在 SMT、DIP 工艺中。工艺中。SMT 工艺中使用的微电子焊接材料主要为锡膏，锡膏的性能关键取决于产品的配方。DIP 工艺中会使用到焊锡条、焊锡丝、助焊剂、清洗剂等产品。尽管当前 SMT 回流焊技术已成为行业主流，但由于实际生产中仍需配套传统插件、波峰焊接（DIP）的工艺，焊锡条、焊锡丝仍然是当前微电子焊接材料用量较大的产品。表表 2：微电子焊接材料微电子焊接材料分类分类 分类分类 焊料组分焊料组分 低温焊料 锡铋系合金、锡铟系合金 中温焊料 锡锌系合金、锡铜系合金、锡银铜系合金 高温焊料 锡锑系合金、锡金系合金 资料来源：唯特偶招股说明书，国元证券研究所 就组成成分而言，微电子焊接材料已由传统的锡铅合金电子焊接材料，发展为低温焊料（锡铋系合金、锡铟系合金）、中温焊料（锡锌系合金、锡铜系合金、锡银铜系合金）以及高温焊料（锡锑系合金、锡金系合金）等多种系列的合金焊料。其中，以锡其中，以锡银铜系合金、锡铋系合金为主要的电子装联焊接材料。银铜系合金、锡铋系合金为主要的电子装联焊接材料。随着电子材料行业持续快速发展以及下游电子器件逐渐向小型化、轻薄化、低成本化的方向发展，微电子焊接技术也在不断拓展，尤其是回流焊技术的广泛应用，带来的是锡膏产品在微电子焊接材料中的比重逐步提升。国内生产焊锡丝、焊锡条的企业众多，但市场份额相对较为集中。国内生产焊锡丝、焊锡条的企业众多，但市场份额相对较为集中。据中国电子材料行业协会电子锡焊料材料分会，国内焊锡丝、焊锡条市场中，本土代表性企业主要有锡业股份、千岛锡业、浙江强力、亿铖达、升贸科技、唯特偶、同方新材料等，占据了市场 50%左右的份额；外资企业主要有美国爱法、日本千住、美国铟泰、日本田村 请务必阅读正文之后的免责条款部分 11/20 等，占据 20%左右的市场份额。近年来，近年来，全球全球半导体市场规模半导体市场规模总体呈增长态势。总体呈增长态势。根据 WSTS 统计，2016-2023 年全球半导体销售额年均复合增速为 6.5%，2023 年销售额为 5269 亿美元，同比下降8.2%；2024 年半导体行业景气持续复苏，一季度和二季度各实现销售额 1408 亿美元、1499 亿美元，分别同比增长 17.8%、18.3%。2024 年年 6 月，月，WSTS 发布了最新市场预测，发布了最新市场预测，将将 2024 年半导体市场规模的预测从年半导体市场规模的预测从5883.64 亿美元上调至亿美元上调至 6112.31 亿美元，亿美元，预计同比增长预计同比增长 16%，主要受到存储半导体，主要受到存储半导体和逻辑半导体领域的推动。和逻辑半导体领域的推动。其中，存储芯片已逐步走出 2023 年的产业低谷期，产品价格不断上升，上游原厂开工率也在一定程度上恢复，将带动这部分市场规模实现76.8%的巨大同比涨幅。逻辑半导体方面，受益于 AI 算力芯片的持续需求，相关市场规模也将较去年增长 10.7%。图图 20：全球半导体销售额（亿美元）全球半导体销售额（亿美元）图图 21：全球不同地区半导体全球不同地区半导体季度销售额季度销售额（亿美元）（亿美元）资料来源：WSTS，国元证券研究所 资料来源：WSTS，国元证券研究所 分区域来看，中国是最大的半导体市场，分区域来看，中国是最大的半导体市场，2023 年年半导体半导体销售额为销售额为 1519 亿美元，占亿美元，占全球市场的全球市场的 29%。2024 年上半年，中国半导体销售额为 872 亿美元，占全球市场的30%，美洲、欧洲、日本销售额分别为 827 亿美元、255 亿美元、220 亿美元，占比分别为 28.4%、8.8%、7.6%。上半年美洲地区增速快，一季度和上半年美洲地区增速快，一季度和二二季度各实现季度各实现销售销售额额 384 亿美元、亿美元、443 亿美元，分别同比增长亿美元，分别同比增长 33%、43%。消费电子方面，2023 年中国智能手机总体出货量 2.8 亿部，同比增长 4.8%。2024年第二季度，全球智能手机市场出货量达 2.85 亿台，同比增长 7.6%，为连续四个季度正增长。全球折叠屏智能手机出货量同比增长全球折叠屏智能手机出货量同比增长 85%。CINNO Research 数据显示，2024 年第二季度中国市场折叠屏手机销量达 262 万部，同比增长 125%，环比增长 11%，同比、环比双增长，已连续第四个季度保持三位数同比增长幅度；上半年累计销量达498 万部，同比增长 121%，渗透率 3.6%，对比去年同期 1.7%的渗透率上升 1.8 个百分点，在 5000 元以上高端市场份额达到 13%。-15%-10%-5%0%5 %0,0002,0003,0004,0005,0006,0007,0008,000全球半导体销售额（亿美元）同比02004006008001,0001,2001,4001,60022Q1 22Q2 22Q3 22Q4 23Q1 23Q2 23Q3 23Q4 24Q1 24Q2中国美洲欧洲日本其他 请务必阅读正文之后的免责条款部分 12/20 图图 22：全球智能手机季度出货量（百万部）：全球智能手机季度出货量（百万部）图图 23：中国智能手机出货量（万部）：中国智能手机出货量（万部）资料来源：IDC，国元证券研究所 资料来源：Wind，国元证券研究所 新能源汽车方面，根据乘联会数据，2023 年国内新能源汽车产销分别完成 893.1 万辆和 888.0 万辆，同比分别增长 33.9%和 36.7%；2024 年上半年，国内新能源汽车产销分别完成 457.4 万辆和 461.8 万辆，同比分别增长 28.7%和 30.3%。近年来，中国新能源汽车产销量占乘用车比例快速提高，2021-2024H1 新能源汽车产量占比分别为 15.54%、28.15%、34.61%、39.18%，销量占比分别为 16.21%、31.23%、40.46%、46.50%。图图 24：中国新能源汽车产量（万辆）：中国新能源汽车产量（万辆）图图 25：中国新能源汽车销量（万辆）：中国新能源汽车销量（万辆）资料来源：乘联会，国元证券研究所 资料来源：乘联会，国元证券研究所 今年 7 月，我国新能源乘用车销量达 87.8 万辆，月度市场渗透率首次超过 50%，达到 51.1%。2023 年以来，新能源乘用车渗透率呈现持续增长趋势，从 2023 年 1 月的 25.6%增长至今年 7 月的 51.1%，一直保持高位。特别是在车市进入传统淡季、产销节奏放缓的背景下，新能源汽车月销量仍保持较快增长趋势。新能源汽车产品智能化及充换电设施的不断完善，为新能源汽车市场的持续拓展提供了韧性。受插电混动技术和增程技术取得突破及国家提高汽车报废更新补贴标准的影响，后续乘用车存量市场的换购、增购需求有望得到进一步释放。随着随着汽车汽车电动电动化及化及智能化的持续智能化的持续提升提升，新能源汽车所需，新能源汽车所需的的电子焊料电子焊料有望进一步带动锡需求有望进一步带动锡需求增长。增长。-20%-15%-10%-5%0%5010015020025030035022Q322Q423Q123Q223Q323Q424Q124Q2全球智能手机季度出货量季度同比-30%-25%-20%-15%-10%-5%0%5 %00200300400500600中国智能手机出货量同比-50%0P00 0%0002003004005006007008009001,000中国新能源汽车产量（万辆）同比-50%0P00 0002003004005006007008009001,000中国新能源汽车销量（万辆）同比 请务必阅读正文之后的免责条款部分 13/20 图图 26：2016-2024H1 中国新能源汽车产销量占乘用车比例快速提升（年度）中国新能源汽车产销量占乘用车比例快速提升（年度）资料来源：乘联会，国元证券研究所 图图 27：2023 年初以来中国新能源汽车渗透率快速提升（月度）年初以来中国新能源汽车渗透率快速提升（月度）资料来源：乘联会，国元证券研究所 2.2 光伏组件产量高速增长，光伏焊带成锡消费增长点光伏组件产量高速增长，光伏焊带成锡消费增长点 光伏焊带是光伏组件的重要组成部分，属于电气连接部件，应用于光伏电池片的串联或并联，发挥导电聚电的重要作用，以提升光伏组件的输出电压和功率。光伏焊带是光伏组件焊接过程中的重要材料，其品质优劣直接影响光伏组件电流的收集效率，对光伏组件功率和光伏发电系统效率的影响较大。光伏焊带由基材和表面涂层构成：（1）基材是不同尺寸的铜材，并要求规格尺寸精确、0%5 %05EP 1620172018201920202021202220232024H1新能源产量占比新能源销量占比0.0.0 .00.0.0P.0.000,0001,000,0001,500,0002,000,0002,500,000新能源汽车销量（辆）乘用车销量（辆）新能源汽车渗透率 请务必阅读正文之后的免责条款部分 14/20 导电性能好，具有一定的强度；（2）表面涂层可利用电镀法、真空沉积法、喷涂法或热浸涂法等特殊工艺，将锡合金等涂层材料，按一定成分比例和厚度均匀地覆裹在铜基材表面。因为铜基材本身没有良好的焊接性能，锡合金层的主要作用是让光伏焊带满足可焊性，并且将光伏焊带牢固地焊接在电池片的主栅线上，从而起到良好的电流导流作用。光伏焊带的性能不仅会影响光伏组件中由光生伏特效应所产生电流的收光伏焊带的性能不仅会影响光伏组件中由光生伏特效应所产生电流的收集和传导效率，而且对光伏组件的服役寿命也有至关重要的影响。集和传导效率，而且对光伏组件的服役寿命也有至关重要的影响。图图 28：光伏焊带横截面光伏焊带横截面 图图 29：光伏焊带工作原理光伏焊带工作原理 资料来源：宇邦新材招股说明书，国元证券研究所 资料来源：宇邦新材招股说明书，国元证券研究所 根据光伏焊带的性能及适用领域，光伏焊带可以分为互连焊带和汇流焊带。互连焊带是用于连接光伏电池片，收集、传输光伏电池片电流的涂锡焊带，主要包括常规互连焊带、异形焊带、低温焊带、低电阻焊带、超薄超窄焊带、MBB 焊带等；汇流焊带是用于连接光伏电池串及接线盒，传输光伏电池串电流的涂锡焊带，主要包括常规汇流焊带、折弯焊带、黑色焊带、叠瓦焊带、冲孔焊带等。表表 3：光伏焊带分类：光伏焊带分类 类型类型 光伏焊带分类光伏焊带分类 细分类型细分类型 应用应用 互联焊带 常规焊带 常规组件 异形焊带 多栅组件 低温焊带 HJT 组件 低电阻焊带 常规组件 超薄超窄焊带 拼片组件 MBB 焊带 多栅组件 汇流焊带 常规汇流焊带 常规组件 折弯焊带 常规组件 黑色焊带 全黑组件 叠瓦焊带 叠瓦组件 冲孔焊带 叠片组件 资料来源：中商情报网，国元证券研究所 光伏焊带作为组件辅材之一，其占光伏组件成本的比例约为光伏焊带作为组件辅材之一，其占光伏组件成本的比例约为 2%左右。从成本角度看，左右。从成本角度看，光伏焊带的原材料主要为铜材和锡合金，直接材料成本占比超过光伏焊带的原材料主要为铜材和锡合金，直接材料成本占比超过 90%。近年来，光。近年来，光伏焊带产品毛利率水平趋于稳定，焊带产品的成本刚性导致价格下降空间有限。伏焊带产品毛利率水平趋于稳定，焊带产品的成本刚性导致价格下降空间有限。请务必阅读正文之后的免责条款部分 15/20 图图 30：全国光伏新增装机容量全国光伏新增装机容量（万千瓦）（万千瓦）图图 31：全国光伏新增装机容量全国光伏新增装机容量月度统计（万千瓦）月度统计（万千瓦）资料来源：国家能源局，国元证券研究所 资料来源：国家能源局，国元证券研究所 光伏焊带行业与下游光伏组件行业的发展密切相关，下游光伏组件行业对光伏焊带行业的发展具有较大的牵引和驱动作用。根据国家能源家统计，从 2019 年到 2023年，全国光伏新增装机量年均复合增长率为 63.71%，2023 年新增装机量为216.30GW，同比增长 147.46%。2024 年上半年新增装机量为 102.48GW，同比增长 30.68%。8 月 23 日，国家能源局发布 1-7 月份全国电力工业统计数据，2024 年 1-7 月，我国光伏新增装机123.53GW，同比增长 27.1%，7 月光伏新增 21.05GW，同比增长 12.3%。中国光伏行业协会（CPIA）预计，2024 年光伏新增装机量将超过 200GW，累计装机有望超过 810GW。图图 32：全国光伏组件产量（全国光伏组件产量（GW）资料来源：CPIA，国元证券研究所 我国光伏组件产量也保持高速增长，2019-2023 年年均复合增长率为 50%。据 CPIA数据，2023 年全国组件产量达到 499GW，同比增长 69.3%，以晶硅组件为主，预计 2024 年组件产量将超过 750GW。按照 1GW 光伏组件需主流光伏焊带约 450 吨计算，2024 年光伏焊带的使用量将达到为 33.75 万吨。-60%-40%-20%0 0000,00010,00015,00020,00025,000201920202021202220232024H1全国光伏新增装机容量（万千瓦）同比01,0002,0003,0004,0005,0006,0001-2月 3月4月5月6月7月8月9月 10月 11月 12月202320240 0Pp00200300400500600700800201920202021202220232024E全国光伏组件产量（GW）同比 请务必阅读正文之后的免责条款部分 16/20 全国光伏新增总装机量逐年稳定增长，带动光伏焊带用锡量逐年攀升。光伏焊带表全国光伏新增总装机量逐年稳定增长，带动光伏焊带用锡量逐年攀升。光伏焊带表面涂层由锡合金构成，焊带性能优劣将影响光伏组件电流传导效率，因此光伏焊带面涂层由锡合金构成，焊带性能优劣将影响光伏组件电流传导效率，因此光伏焊带带来锡消费新的增量。带来锡消费新的增量。3.价格端：价格端：锡价偏强运行，锡精矿加工费保持平稳锡价偏强运行，锡精矿加工费保持平稳 受宏观情绪向好和供给紧张预期影响，受宏观情绪向好和供给紧张预期影响，2024 年年初以来初以来锡价整体偏强运行。锡价整体偏强运行。一季度主要产锡国复产预期不断推迟，叠加部分产锡地区锡锭出口审批政策变化，以及需求端逐步企稳向好，锡价稳步小幅上涨。进入二季度，在海外主要经济体降息预期提升的背景下，补库周期和再通胀交易情绪推动主要有色金属价格大幅上涨，在基本面支撑与宏观情绪共振下锡价大幅上行，7 月锡价小幅回落，但整体偏强震荡运行。图图 33：LME 锡锡和沪锡价格走势和沪锡价格走势 资料来源：Wind，国元证券研究所 图图 34：LME 锡锡和沪锡库存（吨）和沪锡库存（吨）资料来源：Wind，国元证券研究所 050,000100,000150,000200,000250,000300,000350,000400,000450,000010,00020,00030,00040,00050,00060,0002019-01-022020-01-022021-01-022022-01-022023-01-022024-01-02LME锡（美元/吨，左轴）沪锡（元/吨，右轴）05,00010,00015,00020,00025,0002019-01-042020-01-042021-01-042022-01-042023-01-042024-01-04LME锡沪锡 请务必阅读正文之后的免责条款部分 17/20 2024 年 1-8 月，沪锡均价为 24.69 万元/吨，相较 2023 年均价上涨 16.25%；截至2024 年 9 月 6 日，沪锡收盘价为 25.38 万元/吨，相较 2024 年初上涨 20.44%。LME锡 1-8 月均价为 29978 美元/吨，相较 2023 年均价上涨 15.70%；截至 2024 年 9 月6 日，LME 锡收盘价为 30840 美元/吨，相较 2024 年初上涨 22.58%。2024 年初以来年初以来 LME 锡锡库存库存下降，沪锡库存增加。下降，沪锡库存增加。截至 2024 年 9 月 6 日，沪锡库存 9794 吨，较 8 月 30 日下降 9.41%，较年初增加 52.98%；LME 锡库存 4685 吨，较 8 月 30 日增加 1.19%，较年初下降 37.11%。图图 35：锡锭：锡锭(Sn99.90%)价格走势（元价格走势（元/吨）吨）资料来源：SMM，国元证券研究所 图图 36：2023 年以来锡精矿加工费走势（元年以来锡精矿加工费走势（元/吨）吨）资料来源：iFinD，国元证券研究所 050,000100,000150,000200,000250,000300,000350,000400,0002019-01-022020-01-022021-01-022022-01-022023-01-022024-01-02锡锭(Sn99.90%)平均价02,0004,0006,0008,00010,00012,00014,00016,00018,00020,000锡精矿(60%)加工费锡精矿(40%)加工费 请务必阅读正文之后的免责条款部分 18/20 锡锭锡锭价格价格方面，方面，根据上海有色数据，2024 年 1-8 月锡锭均价为 24.63 万元/吨，相较2023 年均价上涨 15.95%；截至 2024 年 9 月 6 日，锡锭价格为 25.05 万元/吨，相较 2024 年初上涨 20.00%。加工费方面，加工费方面，2024 年初以来锡精矿加工费基本保持平稳，锡精矿(60%)加工费约 1.1 万/吨，锡精矿(40%)加工费约 1.5 万/吨。4.锡行业上市公司锡行业上市公司 锡作为稀有金属，地壳含量较低，可用资源有限，资源稀缺性及战略性日益凸显。由于全球锡资源储量长期增长程度有限，部分传统主产国对于锡资源的政策也在不断变动，加之部分矿区罢工、停产等因素影响，使得原本偏紧的锡矿供应再添不确定性。叠加长期以来行业资本开支不足，导致勘查成果有限，抑制锡矿未来供给增量。预计随着半导体周期逐步企稳向上，焊料需求有望持续复苏，电子终端产品向更高算力和更强智能化的方向持续发展，锡金属作为“电子胶水”的作用也将持续凸显，建议重点关注锡业股份、华锡有色、兴业银锡。锡业股份锡业股份：公司形成了锡、铜、锌、铟等金属矿的勘探、开采、选矿、冶炼及锡材、锡化工有色金属深加工（重要参股公司主要业务）的产业格局，拥有着锡行业内丰富的资源、最完整的产业链以及齐全的门类，为我国最大的锡生产加工基地。公司拥有的锡资源储量和铟资源储量成就了公司锡、铟双龙头产业地位，公司锡资源生产基地个旧地区是中国锡资源最集中的地区之一，素有世界“锡都”美誉。2023 年公司实现营业收入 423.59 亿元，同比下降 18.54%，实现归母净利润 14.08亿元，同比增长 4.61%。2024 年上半年实现营收 187.75 亿元，同比下降 17.77%，归母净利润 8.00 亿元，同比增长 16.35%。华锡有色华锡有色：公司主营业务为有色金属勘探、开采、选矿以及工程监理等业务，主要产品为锡、锌、铅锑、铅、铜精矿和锡、铟等深加工产品，以及通过委外加工的方式生产出锡锭、锌锭。公司生产出来的锡精矿、锌精矿主要用于委托加工生产出锡锭、锌锭后对外销售，铅锑精矿、锌精矿、铜精矿、铅精矿直接对外销售。公司高峰锡矿开采的主矿体100 105 号矿体是世界上罕见的特大型特富锡多金属矿体，伴生矿种多，品位高。2023 年公司实现营业收入 29.24 亿元，同比增长 396.33%，实现归母净利润 3.14亿元，同比增长 1629.78%。2024 年上半年实现营收 22.54 亿元，同比增长 76.58%，归母净利润 3.49 亿元，同比增长 135.02%。兴业银锡兴业银锡：公司的主营业务为有色金属及贵金属采选与冶炼，上市公司自身为控股型公司，不从事采矿生产业务，下属 15 家子公司，可分为采掘板块、冶炼板块、投资板块、贸易板块、研发板块等五大板块。公司拥有的矿产资源丰富，储量规模较大，品位较高，具有较强的资源优势，其中融冠矿业为所在地的龙头企业，银漫矿业为国内最大的白银生产矿山之一，均具有较强的盈利能力。请务必阅读正文之后的免责条款部分 19/20 2023 年公司实现营业收入 37.06 亿元，同比增长 77.67%，实现归母净利润 9.69 亿元，同比增长 457.41%。2024 年上半年实现营收 21.98 亿元，同比增长 76.42%，归母净利润 8.83 亿元，同比增长 566.43%。5.风险提示风险提示 政策变化风险政策变化风险：我国矿产资源均属国有，国家实行采矿权、探矿权有偿取得制度。矿产经营企业必须取得采矿权、探矿权的许可证后才能在许可期内在规定范围内进行采矿或探矿活动。若相关矿产政策发生变化，可能对相关上市公司生产经营产生一定影响。市场价格波动风险：市场价格波动风险：有色金属属于大宗商品，其价格受国际有色金属价格波动以及国家宏观经济的影响程度较大。有色金属属于周期性较强的行业，如果市场未来发生较大变化而导致产品价格出现较大波动，特别是大幅下跌的情况，将对相关上市公司的盈利能力造成重大不利影响。安全生产风险安全生产风险：自然灾害、设备故障、人为失误都会造成安全隐患。由于采矿活动会对矿体及周围岩层地质结构造成不同程度的破坏，采矿过程中可能存在片帮、冒顶、塌陷等情况，存在安全生产风险。环境保护风险环境保护风险：在矿产资源采、选过程中伴有可能影响环境的废弃物，如废石、废渣的排放。矿产资源的开采，不仅会产生粉尘及固体废物污染，还可能导致地貌变化、植被破坏、水土流失等现象的发生，进而影响到生态环境的平衡。上述事项的发生可能对相关上市公司的业务前景、财务状况及经营业绩造成重大不利影响。投资评级说明（1）公司评级定义）公司评级定义（2）行业评级定义）行业评级定义 买入 股价涨幅优于基准指数 15%以上 推荐 行业指数表现优于基准指数 10%以上 中性 行业指数表现相对基准指数介于-10%之间 回避 行业指数表现劣于基准指数 10%以上 增持 股价涨幅相对基准指数介于 5%与 15%之间 持有 股价涨幅相对基准指数介于-5%与 5%之间 卖出 股价涨幅劣于基准指数 5%以上 备注：评级标准为报告发布日后的 6 个月内公司股价（或行业指数）相对同期基准指数的相对市场表现，其中 A 股市场基准为沪深 300指数，香港市场基准为恒生指数，美国市场基准为标普 500 指数或纳斯达克指数，新三板基准指数为三板成指（针对协议转让标的）或三板做市指数（针对做市转让标的），北交所基准指数为北证 50 指数。分析师声明 作者具有中国证券业协会授予的证券投资咨询执业资格或相当的专业胜任能力，以勤勉的职业态度，独立、客观地出具本报告。本人承诺报告所采用的数据均来自合规渠道，分析逻辑基于作者的职业操守和专业能力，本报告清晰准确地反映了本人的研究观点并通过合理判断得出结论，结论不受任何第三方的授意、影响，特此声明。证券投资咨询业务的说明 根据中国证监会颁发的 经营证券业务许可证（Z23834000），国元证券股份有限公司具备中国证监会核准的证券投资咨询业务资格。证券投资咨询业务是指取得监管部门颁发的相关资格的机构及其咨询人员为证券投资者或客户提供证券投资的相关信息、分析、预测或建议，并直接或间接收取服务费用的活动。证券研究报告是证券投资咨询业务的一种基本形式，指证券公司、证券投资咨询机构对证券及证券相关产品的价值、市场走势或者相关影响因素进行分析，形成证券估值、投资评级等投资分析意见，制作证券研究报告，并向客户发布的行为。法律声明 本报告由国元证券股份有限公司（以下简称“本公司”）在中华人民共和国境内（台湾、香港、澳门地区除外）发布，仅供本公司的客户使用。本公司不会因接收人收到本报告而视其为客户。若国元证券以外的金融机构或任何第三方机构发送本报告，则由该金融机构或第三方机构独自为此发送行为负责。本报告不构成国元证券向发送本报告的金融机构或第三方机构之客户提供的投资建议，国元证券及其员工亦不为上述金融机构或第三方机构之客户因使用本报告或报告载述的内容引起的直接或连带损失承担任何责任。本报告是基于本公司认为可靠的已公开信息，但本公司不保证该等信息的准确性或完整性。本报告所载的信息、资料、分析工具、意见及推测只提供给客户作参考之用，并非作为或被视为出售或购买证券或其他投资标的的投资建议或要约邀请。本报告所指的证券或投资标的的价格、价值及投资收入可能会波动。在不同时期，本公司可发出与本报告所载资料、意见及推测不一致的报告。本公司建议客户应考虑本报告的任何意见或建议是否符合其特定状况，以及（若有必要）咨询独立投资顾问。在法律许可的情况下，本公司及其所属关联机构可能会持有本报告中所提到的公司所发行的证券头寸并进行交易，还可能为这些公司提供或争取投资银行业务服务或其他服务，上述交易与服务可能与本报告中的意见与建议存在不一致的决策。免责条款 本报告是为特定客户和其他专业人士提供的参考资料。文中所有内容均代表个人观点。本公司力求报告内容的准确可靠，但并不对报告内容及所引用资料的准确性和完整性作出任何承诺和保证。本公司不会承担因使用本报告而产生的法律责任。本报告版权归国元证券所有，未经授权不得复印、转发或向特定读者群以外的人士传阅，如需引用或转载本报告，务必与本公司研究所联系并获得许可。网址： 国元证券研究所 合肥合肥 上海上海 北京北京 地址：安徽省合肥市梅山路 18 号安徽国际金融中心 A 座国元证券 地址：上海市浦东新区民生路 1199 号证大五道口广场 16 楼国元证券 地址：北京市东城区东直门外大街 46 号天恒大厦 A 座 21 层国元证券 邮编：230000 邮编：200135 邮编：100027
2024-09-29
20页
5星级
请认真阅读文后免责条款请认真阅读文后免责条款计算机计算机报告日期：报告日期：2024 年年 09 月月 27 日日多重因素催化下，车路云一体化迎来发展机遇多重因素催化下，车路云一体化迎来发展机遇计算机计算机行业深度报告行业深度报告华龙证券研究所华龙证券研究所投资评级：投资评级：推荐推荐（维持维持）最近一年走势最近一年走势分析师：孙伯文执业证书编号：S0230523080004邮箱：联系人：朱凌萱执业证书编号：S0230124010005邮箱：相关阅读相关阅读信创再迎政策催化，关注细分赛道布局机会计算机行业周报2024.09.23收入增长利润承压，关注细分赛道复苏节奏计算机行业 2024 年中报综述2024.09.20海外映射 国内技术进步，关注 AI 产业 布 局 机 会 计 算 机 行 业 周 报 2024.09.19摘要：摘要：政策端政策端：利好政策频出利好政策频出，产业向规范化发展产业向规范化发展。政策是我国自动驾驶发展的主要驱动因素之一，近年来，我国自动驾驶领域的上层制度建设不断完善，相关法律法规不断出台。时间节点上，2025年有望成为我国自动驾驶向标准化、体系化发展的重要一年。在相关政策指导下，部分试点城市率先开启布局车路云一体化，项目投资金额及项目招标数量显著提升。襄阳、福州、鄂尔多斯等地陆续推进“车路云一体化”建设与规划工作，相关项目相继获得审批。在政策引导下，产业链上下游有望形成合力，投资力度有望加大。技术端技术端：主流自动驾驶技术路线的分歧与共识主流自动驾驶技术路线的分歧与共识。传统的驾驶辅助系统（ADAS）具有局限性，即便是人工智能算法替代规则模型，单车的智能化仍存在遮挡物和感知盲区的问题，存在安全隐患。有别于单车智能技术路线，车路云协同一体化以路侧设施、车载系统、通信网络以及云平台的协同作为自动驾驶的技术路线，融合了智能的车和路，实施车车、车路信息实时交互。能够有效提高自动驾驶安全性。成本端成本端：规避单车智能的高成本问题规避单车智能的高成本问题。我国自动驾驶技术起步较晚，而自动驾驶系统的效果和行驶的公里数和时长等方面成显著正比，中国仅靠发展单车智能或难以在短期内实现技术超越。而在新基建的推动下，车路协同有望进入快速发展阶段，降低自动驾驶的复杂度和车载成本，弥补中国在单车智能发展方面的不足，成为中国特色的发展道路，甚至率先实现 L4-L5 级高等级公路自动驾驶技术的大规模商业化落地。商业化商业化：Robotaxi 先行先行，自动驾驶商业模式有望加速落地自动驾驶商业模式有望加速落地。国内方面，百度萝卜快跑领跑国内 Robotaxi，2024 年第一季度，百度旗下萝卜快跑平台累计订单已经超过了 600 万单，当季度订单量同比增长了 25%，跨越收支平衡点可期。在 2025 年前后，自动驾驶技术支持的出行服务成本有望与司机成本持平。我们认为2025 年有望成为自动驾驶商业化发展的关键转折点，也可能意味着自动驾驶技术在经济性上具备了与传统人力驾驶相竞争的实力。路侧设备有望由路侧设备有望由“点点”向向“面面”铺开铺开。据工信部数据，截至 2024年 7 月，全国共建设 17 个国家级智能网联汽车测试区、7 个车联网先导区，开放测试道路 32000 多公里，测试里程超过 1.2 亿公证券研究报告证券研究报告行业研究报告行业研究报告请认真阅读文后免责条款里，各地智能化路侧单元（RSU）部署超过 8700 套，多地开展云控基础平台建设。路侧基础设施建设有望从车路云试点城市逐步铺开，实现由“点”到“面”的拓展。我们认为，以全国城市信号灯交叉路口实现 RSU 全覆盖及全国城市道路路段 RSU 覆盖率达到 70%计算，我国 RSU 市场规模可达约 723 亿市场规模。投资投资建议建议：我们认为，随着科技的进步和成本的降低，政策的支持将进一步推动 Robotaxi 的商业化进程。在技术层面，高阶自动驾驶技术的普及正在加速，AI 的持续赋能使其更加智能；成本层面，车辆制造和运营成本预计将持续下降；政策层面，支持自动驾驶商业化的政策正在不断出台。多重因素推动下，车路云一体化进程有望迎来加速阶段，维持计算机行业“推荐推荐”评级。我们建议关注那些在技术储备和产业经验方面具有优势的公司，包括万集科技（300552.SZ）、通行宝（301339.SZ）、信息发展（300469.SZ）、高新兴（300098.SZ）、中科创达（300496.SZ）、锐明技术（002970.SZ）等。风险提示：风险提示：车路云协同一体化投资不及预期；路侧设备推进不及预期；行业竞争加剧；自动驾驶推广速度不及预期；相关政策出台不及预期。表：重点关注公司及盈利预测表：重点关注公司及盈利预测股票代码股票代码股票简称股票简称2024/09/26EPS（元）（元）PE投资投资评级评级股价（元）股价（元）2023A2024E2025E2026E2023A2024E2025E2026E002970.SZ锐明技术30.860.591.161.642.2052.326.518.814.0未评级300098.SZ高新兴4.12-0.060.040.060.09-68.7115.463.946.7未评级300469.SZ信息发展14.43-0.79-0.380.390.81-18.3-37.737.317.8未评级300496.SZ中科创达39.011.021.051.421.9038.437.227.420.6未评级300552.SZ万集科技29.83-1.81-0.030.751.52-16.5-1129.940.019.7未评级301339.SZ通行宝18.340.470.590.780.9939.131.323.618.5未评级数据来源：数据来源：Wind，华龙证券研究所，华龙证券研究所行业研究报告行业研究报告请认真阅读文后免责条款内容目录内容目录1 政策端：利好政策频出，产业生态持续构建政策端：利好政策频出，产业生态持续构建.11.1 我国自动驾驶政策沿革.11.2 各地启动车路云一体化项目，产业链上下游有望形成合力.21.3 从 L3 级测试牌照发放到上路通行试点，高级别自动驾驶有望加速到来.32 技术端：车路云一体化或是扬长避短之路技术端：车路云一体化或是扬长避短之路.42.1 三种自动驾驶技术路径的分歧与共识.42.1.1 谷歌派：传感器 AI 预构建地图.42.1.2 特斯拉派：以视觉感知为主要感知设备的自动驾驶系统.62.1.3 车路云协同一体化：路侧智能替代部分车侧智能.73 成本端：从单车智能向车路云一体化变革具有必然性成本端：从单车智能向车路云一体化变革具有必然性.83.1 单车智能发展存在安全隐患和高成本两大瓶颈.83.2 我国自动驾驶起步较晚，发展路侧智能能够规避单车智能带来的高成本难题，从而实现弯道超车.94 商业化：百度萝卜快跑领航国内商业化：百度萝卜快跑领航国内 Robotaxi，关注盈亏平衡点的到来，关注盈亏平衡点的到来.105 路侧基础设施建设正当时路侧基础设施建设正当时.125.1 路侧设备 RSU 正处于全面铺开的关键时期.125.2 全国城市中路侧设备 RSU 市场规模测算.136 投资建议投资建议.147 风险提示风险提示.15图目录图目录图 1：预构建地图.4图 2：传感器扫描.4图 3：预测行动轨迹.5图 4：规划路线.5图 5：第五代 Waymo 传感器系统.6图 6：特斯拉 FSD.7图 7：特斯拉 FSD 系统通过 AI 建模.7图 8：车路云一体化系统.8图 9：车路云数据交互路径.8图 10：全球车联网产业布局及优势.9图 11：C-V2X 在车路云协同两阶段的三个应用场景.10图 12：自动驾驶技术促进出行服务成本降低.11图 13：自动驾驶技术促进出行服务成本降低.11图 14：L4 级自动驾驶的大模型 ApolloADFM.12图 15：百度萝卜快跑 Robotaxi.12图 16：交叉路口场景下路侧设备部署示意图.13图 17：道路场景下路侧设备部署示意图.13行业研究报告行业研究报告请认真阅读文后免责条款表目录表目录表 1：我国自动驾驶政策及行业标准梳理（部分）.1表 2：2024 年以来部分城市车路云一体化建设项目进展.2表 3：全国首批 9 家开展 L3 级自动驾驶上路通行试点的车企.3表 4：全国城市路侧设备 RSU 远期市场规模测算.14行业研究报告行业研究报告请认真阅读文后免责条款11 政策端：利好政策频出，产业生态持续构建政策端：利好政策频出，产业生态持续构建1.1 我国自动驾驶政策沿革我国自动驾驶政策沿革政策是我国自动驾驶发展的主要驱动因素之一，近年来，我国自动驾驶领域的上层制度建设不断完善，相关法律法规不断出台。时间节点上，2025 年有望成为我国自动驾驶向标准化、体系化发展的重要一年。2024 年初，工信部等五部门联合发布了关于开展智能网联汽车“车路云一体化”应用试点工作的通知，探索基于车、路、云、网、图等高效协同的自动驾驶技术多场景应用，加快智能网联汽车技术突破和产业化发展。2024 年 6 月 24 日，国家发展改革委等部门印发关于打造消费新场景培育消费新增长点的措施的通知（下称“通知”）。通知中提出，要拓展汽车消费新场景，稳步推进自动驾驶商业化落地运营，打造高阶智能驾驶新场景。同时，开展智能汽车“车路云一体化”应用试点和城市汽车流通消费改革试点。2024 年 7 月 3 日，工信部等五部门发布关于公布智能网联汽车“车路云一体化”应用试点城市名单的通知，确定 20 个城市（联合体）为智能网联汽车“车路云一体化”应用试点城市。我们认为试点城市的确定是各地车路云项目落地的序幕，未来多地有望加快相关项目的招标工作。表表 1：我国自动驾驶政策及行业标准梳理（部分）我国自动驾驶政策及行业标准梳理（部分）时间时间发布部门发布部门政策政策内容内容2020 年 2 月国家发展改革委等 11 个部门智能汽车创新发展战略到 2025 年，中国标准智能汽车的技术创新、产业生态、基础设施、法规标准、产品监管和网络安全体系基本形成。实现有条件自动驾驶的智能汽车达到规模化生产，实现高度自动驾驶的智能汽车在特定环境下市场化应用。智能交通系统和智慧城市相关设施建设取得积极进展，车用无线通信网络（LTE-V2X 等）实现区域覆盖，新一代车用无线通信网络（5G-V2X）在部分城市、高速公路逐步开展应用，高精度时空基准服务网络实现全覆盖。2020 年 12 月交通运输部关于促进道路交通自动驾驶技术发展和应用的指导意见到 2025 年，自动驾驶基础理论研究取得积极进展，道路基础设施智能化、车路协同等关键技术及产品研发和测试验证取得重要突破；出台一批自动驾驶方面的基础性、关键性标准；建成一批国家级自动驾驶测试基地和先导应用示范工程，在部分场景实现规模化应用，推动自动驾驶技术产业化落地。2021 年 8 月国家市场监督管理总局、中国汽车驾驶自动化分级驾驶自动化分为五个等级：0 级为应急辅助；1级为部分驾驶辅助；2 级为组合驾驶辅助；3 级行业研究报告行业研究报告请认真阅读文后免责条款2时间时间发布部门发布部门政策政策内容内容国家标准化管理委员会为有条件自动驾驶；4 级为高度自动驾驶；5 级为完全自动驾驶。2023 年 7 月工业和信息化部、国家标准化管理委员会国家车联网产业标准体系建设指南（智能网联汽车）（2023 版）提出两阶段发展目标：第一阶段到 2025 年，系统形成能够支撑组合驾驶辅助和自动驾驶通用功能的智能网联汽车标准体系；第二阶段到2030 年，全面形成能够支撑实现单车智能和网联赋能协同发展的智能网联汽车标准体系。2024 年 1 月工信部等五部门关于开展智能网联汽车“车路云一体化”应用试点工作的通知试点期为 20242026 年。1）建设智能化路侧基础设施。实现试点区域 5G 通信网络全覆盖，部署 LTE-V2X 直连通信路侧单元（RSU）等在内的 C-V2X 基础设施。开展交通信号机和交通标志标识等联网改造，实现联网率 90%以上。2）提升车载终端装配率。分类施策逐步提升车端联网率，试点运行车辆 100%安装 C-V2X 车载终端和车辆数字身份证书载体；鼓励对城市公交车、公务车、出租车等公共领域存量车进行C-V2X 车载终端搭载改造，新车车载终端搭载率达 50%；鼓励试点城市内新销售具备 L2 级及以上自动驾驶功能的量产车辆搭载 C-V2X 车载终端；支持车载终端与城市级平台互联互通。2024 年 7 月工信部等五部门关于公布智能网联汽车“车路云一体化”应用试点城市名单的通知确定包括北京、上海、重庆在内的 20 个城市（联合体）为智能网联汽车“车路云一体化”应用试点城市。资料资料来源：交通运输部来源：交通运输部、工信部、国家发改委、工信部、国家发改委、国家市场监督管理总局、中国国家标准化管理委员会国家市场监督管理总局、中国国家标准化管理委员会，华龙证，华龙证券研究所券研究所1.2 各地启动车路云一体化项目，产业链上下游有望形成合力各地启动车路云一体化项目，产业链上下游有望形成合力在相关政策指导下，部分试点城市纷纷开启布局车路云一体化，项目投资金额及项目招标数量显著提升。2024 年 5 月，北京市投资额近百亿元“车路云一体化”项目，新型基础设施建设项目双智专网建设工程启动招标，通过城市智慧化改造加速产业落地；武汉“车路云”一体化重大示范项目已获市发改委批准，备案金额为170 亿，拟于 6 月份开工。同时，襄阳、福州、鄂尔多斯等地也在陆续推进“车路云一体化”建设与规划工作，相关项目相继获得审批。在政策引导下，产业链上下游有望形成合力，投资力度有望加大。表表 2：2024 年以来部分城市车路云一体化建设项目进展年以来部分城市车路云一体化建设项目进展时间时间城市城市项目内容项目内容2024 年 5 月 31 日北京市北京市车路云一体化新型基础设施建设项目（初步设计、施工图设计）招标公告项目开启招标，选取 2324 平方公里范围内约 6050 个道路路口开展建设，以行业研究报告行业研究报告请认真阅读文后免责条款3时间时间城市城市项目内容项目内容及除上述道路路口外项目双智专网网络中心的建设和改造，投资额达 99.4 亿元。2024 年 4 月 23 日 鄂尔多斯市鄂尔多斯市新能源智能网联汽车示范应用和产业发展三年行动计划发布，提出开展基础设施建设行动，实现主要区域 90%路口信号机和交通标志标识联网，促进车路云一体化融合发展。开展商业模式创新行动，探索出行、物流、矿山等场景商业闭环路径，构建稳定可信的车路云一体化基础设施运营模式，打造具有行业引领性的标杆项目。开展产业高质量发展行动，构建运营服务、核心零部件及整车产业生态集群，实现智能网联相关产业年产值突破 300 亿元。2024 年 6 月 3 日福州市福州智能网联车路云一体化启动区示范建设审批类项目公示。2024 年 5 月 6 日襄阳市湖北省经信厅批复 59055925MHz 车联网直连通信频率使用许可函，标志着襄阳可正式开展车联网（智能网联汽车）直连通信频率试验。此次批复的车联网直连通信试验频率将适用于以二广高速、福银高速、绕城高速合围内的樊城区、襄城区、高新区、襄州区以及东津新区等中心城区范围内的 448 个主要交通路口，覆盖面积约 700 平方公里，双向道路里程约 940 公里，涉及频率使用的设备包括路侧通信单元（RSU）498 台，车载智能终端 3000 台。资料资料来源：北京市公共资源综合交易系统，鄂尔多斯市工信局，财联社，湖北省发改委，华龙证券研究所来源：北京市公共资源综合交易系统，鄂尔多斯市工信局，财联社，湖北省发改委，华龙证券研究所1.3 从从 L3 级测试牌照发放到上路通行试点，高级别自动驾驶有望加速到级测试牌照发放到上路通行试点，高级别自动驾驶有望加速到来来2023 年底，国内首批有条件自动驾驶（L3 级）高速公路道路测试牌照正式发放，包括宝马、奔驰、阿维塔、深蓝，奔驰、极狐、宝马、智己、赛力斯在内的多家车企获得测试牌照。时隔仅半年，2024 年 6 月，进入智能网联汽车准入和上路通行试点联合体基本信息发布，公布了全国首批 9 家开展 L3 级自动驾驶上路通行试点的车企，首批车型包括乘用车、货车和客车，运行所在地包括北京、重庆、深圳、上海等城市。我们认为从首批L3 级自动驾驶高速公路道路测试牌照发放到首批L3 级自动驾驶上路通行试点城市公布时间间隔较短，技术验证节奏有望加快，高级别自动驾驶时代有望加速到来。表表 3：全国首批全国首批 9 家开展家开展 L3 级自动驾驶上路通行试点的车企级自动驾驶上路通行试点的车企汽车生产企业汽车生产企业使用主体使用主体车辆运行所在城市车辆运行所在城市产品类别产品类别重庆长安汽车股份有限公司重庆长安车联科技有限公司重庆市乘用车比亚迪汽车工业有限公司深圳市东潮出行科技有限公司广东省深圳市乘用车广汽乘用车有限公司广汽祺宸科技有限公司广东省广州市乘用车上海汽车集团股份有限公司上海赛可出行科技服务有限公司上海市乘用车北汽蓝谷麦格纳汽车有限公司北京出行汽车服务有限公司北京市乘用车中国第一汽车集团有限公司一汽出行科技有限公司北京市乘用车上汽红岩汽车有限公司上海友道智途科技有限公司海南省儋州市货车宇通客车股份有限公司郑州市公共交通集团有限公司河南省郑州市客车蔚来汽车科技（安徽）有限公司上海蔚来汽车有限公司上海市乘用车资料资料来源：来源：工信部工信部，华龙证券研究所，华龙证券研究所行业研究报告行业研究报告请认真阅读文后免责条款42 技术端：车路云一体化或是扬长避短之路技术端：车路云一体化或是扬长避短之路2.1 三种自动驾驶技术路径的分歧与共识三种自动驾驶技术路径的分歧与共识2.1.1 谷歌派：传感器谷歌派：传感器 AI 预构建地图预构建地图Google 的无人驾驶项目于 2009 年正式启动，2016 年谷歌无人驾驶项目独立为谷歌母公司 Alphabet 旗下子公司 Waymo。Waymo 的自动驾驶技术路线可以理解为一种单车智能技术路线，即时通过传感器、处理器和控制器去感知识别、做出决策并进行控制。Waymo 自动驾驶的主要环节包括：预构建 3D 地图、读取道路信息、预测运动路径、规划路径。预构建预构建 3D 地图地图：在汽车驶入任何位置之前，Waymo 会构建详细的三维地图，突出显示道路轮廓、路缘石和人行道、车道标记、人行横道、交通信号灯、停车标志和其他道路特征等信息。Waymo 的车辆不完全依赖GPS，而是将其预构建的地图与实时传感器数据进行交叉引用，并结合人工智能算法来精确确定其在道路上的位置。扫描周围运动物体扫描周围运动物体，读取道路信息读取道路信息：Waymo 的传感器和软件会持续扫描车辆周围的物体，包括行人、骑自行车的人、车辆、道路施工、障碍物等，并持续读取交通控制，包括交通信号灯颜色、铁路道口闸口到临时停车标志。预测道路上运动物体的轨迹预测道路上运动物体的轨迹：Waymo 的软件会根据道路上的每一个动态物体当前的速度和轨迹预测未来的运动路径。该软件系统会考虑到车辆的移动方式与骑自行车的人或行人不同，也会考虑不断变化的路况（例如前方车道堵塞）如何影响周围其他人的行为。规划路径和应对变化规划路径和应对变化：Waymo 的软件会综合考虑所有信息，然后判断和选择在行驶中安全前进所需的确切轨迹、速度、车道和转向操作。图图 1：预构建地图预构建地图图图 2：传感器扫描传感器扫描资料资料来源：来源：Waymo，华龙证券研究所华龙证券研究所资料资料来源：来源：Waymo，华龙证券研究所华龙证券研究所行业研究报告行业研究报告请认真阅读文后免责条款5为具体实现上述自动驾驶各环节，第五代 Waymo Driver 自动驾驶系统由激光雷达系统、传感器系统、视觉系统和软件系统组成。激光雷达系统激光雷达系统（LIDAR）：Waymo 的系统包括三种类型的激光雷达：一种是短程激光雷达，直接提供车辆周围不间断的视野，一种是高分辨率的中程激光雷达，另一种是远程激光雷达，可以看到几乎三个足球场（300米）以外的地方。激光雷达可以昼夜工作，每秒 360 度发射数百万个激光脉冲，并测量从表面反射并返回车辆所需的时间。视觉（相机）系统：视觉（相机）系统：Waymo 的视觉系统由几组高分辨率摄像头组成，用于在日光和弱光条件下的远距离工作，其设计目的是像人类一样在环境中观察世界，但同时具有 360 度视野，而不是人类驾驶员的 120 度视野。由于 Waymo 的高分辨率视觉系统可以检测颜色，所以它可以帮助系统发现交通信号灯、建筑区、校车和紧急车辆的闪光灯。雷达系统（雷达系统（RADAR):使用无线电波（通常在微波或毫米波频段）发射信号来感知物体和运动。这些波长能够在雨滴等物体周围传播，使雷达在白天或黑夜的雨、雾和雪中都能有效。Waymo 的雷达系统具有连续的360 度视图，因此它可以跟踪车辆前方、后方和两侧道路运动物体的速度。补充传感器补充传感器：Waymo 车辆还配备了许多额外的传感器，包括音频检测系统，可以听到数百英尺外的警察和紧急车辆警报器；以及 GPS，以补充车辆在世界上的物理位置信息。图图 3：预测行动轨迹预测行动轨迹图图 4：规划路线规划路线资料资料来源：来源：Waymo，华龙证券研究所华龙证券研究所资料资料来源：来源：Waymo，华龙证券研究所华龙证券研究所行业研究报告行业研究报告请认真阅读文后免责条款6图图 5：第五代第五代 Waymo 传感器系统传感器系统资料资料来源：来源：Waymo 官网，官网，华龙证券研究所华龙证券研究所自动驾驶软件自动驾驶软件：以自动驾驶软件充当车辆的“大脑”。Waymo 已通过超过 200 万英里的模拟驾驶和超 2000 万英里的道路驾驶经验来训练软件。Waymo 的自动驾驶软件能够理解物体是什么以及物体可能如何移动，进而判断这些对车辆行驶的影响，也就是感知、行为预测和规划。2.1.2 特斯拉派：以视觉感知为主要感知设备的自动驾驶系统特斯拉派：以视觉感知为主要感知设备的自动驾驶系统特斯拉的自动驾驶是基于摄像头的纯视觉识别系统实现的单车智能FSD 系统。AI、大数据和计算是 FSD 的三大特征。首先，特斯拉采用AI 进行自动驾驶系统建模，也通过 AI 提高自动驾驶系统路况判断的准确度。其次，在计算硬件投入上，据特斯拉 2023 年官方数据，特斯拉已将1.4 万个 GPU 投入到自动驾驶的训练和标记中，其中用于自动驾驶模型训练的有 1 万个 GPU，用于自动标记的有 4 千个 GPU。同时，数据处理上，特斯拉的纯视觉自动驾驶系统依赖大量的视觉视频数据录入、分析和训练。据特斯拉 2023 年披露的数据，视频数据处理和存储方面采用了 30PB 分布式视频高速缓冲处理器，能够支持每天 50 万视频缓存和每秒 40 万视频实例处理。行业研究报告行业研究报告请认真阅读文后免责条款72.1.3 车路车路云云协同协同一体化一体化：路侧智能替代部分车侧智能：路侧智能替代部分车侧智能有别于传统单车智能技术路线，车路云协同一体化以路侧设施、车载系统、通信网络以及云平台的协同作为自动驾驶的技术路线。车路云协同方案采用无线通信和互联网技术，融合了智能的车和路，实施车车、车路信息实时交互。按组成要素划分，车路云一体化系统包括：1）车辆与驾驶：接收路侧、云端信息，进行决策和控制。2）路侧基础设施：包括感知、通信、计算类基础设施及交通附属设施，为云控基础平台采集动态交通数据，并向车辆及交通参与者提供交通信号等相关信息。3）云控平台：由“1”个云控基础平台及其所支撑的“N”个应用平台组成。其中，云控基础平台会基于相关数据的采集、存储与处理，为网联汽车、区域交通交管部门以及产业链其他企事业单位等提供支撑。应用平台则包括城市智能网联汽车安全监测、智慧公交、智慧乘用车、自动泊车、交通管理、场景仿真等应用平台。4）相关支撑平台：提供其他各类信息，如高精度地图、卫星导航、气象信息、交通路网监测与运行监管信息等。图图 6：特斯拉特斯拉 FSD图图 7：特斯拉特斯拉 FSD 系统通过系统通过 AI 建模建模资料资料来源：来源：特斯拉官网，特斯拉官网，华龙证券研究所华龙证券研究所资料资料来源：来源：特斯拉官网，特斯拉官网，华龙证券研究所华龙证券研究所行业研究报告行业研究报告请认真阅读文后免责条款83 成本端：从单车智能向车路云一体化变革具有必然性成本端：从单车智能向车路云一体化变革具有必然性3.1 单车智能发展存在安全隐患和高成本两大瓶颈单车智能发展存在安全隐患和高成本两大瓶颈参考谷歌、特斯拉单车智能技术实现路径，AI 辅助自动驾驶决策是现阶段提高自动驾驶安全性的必由之路之一。而 AI 带来的算法提升尚有技术局限性，加之端侧算力投入与算法精确度几乎成正比，因此边际成本将成为单车智能的主要制约因素。首先，传统的驾驶辅助系统（ADAS）具有局限性，低阶 ADAS 系统主要归基于规则的模型构成，基于特定条件触发相应机制，但是对于 L3及以上的高等级自动驾驶，在复杂的城市道路中，传统 ADAS 无法穷尽每一种路况下发生的每一种可能，规则模型必将被基于人工智能的自动驾驶算法替代，让 AI 学习人的驾驶习惯，提高场景的丰富度。但即便是人工智能算法替代规则模型，单车的智能化仍存在遮挡物和感知盲区的问题，存在安全隐患。其次，时间成本和测试成本也是单车智能发展的瓶颈。谷歌旗下自动驾驶公司 Waymo 已经耗时 10 年进行测试，累计进行了超过 200 万英里的模拟驾驶和超 2000 万英里的道路驾驶。除了依赖大量数据和测试实验，发展单车智能自动驾驶还对车载传感器和计算平台要求高，参考特斯拉单车智能技术实现过程，使用 AI 技术提高软件算法精度需要较高的端侧算力投入。图图 8：车路云一体化系统车路云一体化系统图图 9：车路云数据交互路径车路云数据交互路径资料资料来源：来源：中国智能网联汽车联盟，中国智能网联汽车联盟，华龙证券研究所华龙证券研究所资料资料来源：来源：中国智能网联汽车联盟，中国智能网联汽车联盟，华龙证券研究所华龙证券研究所行业研究报告行业研究报告请认真阅读文后免责条款93.2 我国自动驾驶起步较晚，发展路侧智能能够规避单车智能带来的高成我国自动驾驶起步较晚，发展路侧智能能够规避单车智能带来的高成本难题，从而实现弯道超车本难题，从而实现弯道超车未来中国有望通过车路云协同实现自动驾驶领域的“弯道超车”。在安全性问题上，车路云一体化能够实现车辆联网和实时的信息交互，在一定程度上削弱单车智能的局限性。目前，国际上主流的车联网无线通信技术有 DSRC（IEEE 802.11p）和 C-V2X 两条技术路线。C-V2X 既可实现长距离和更大范围的通信，也可实现车与车、车与路间的短距离通信，近年来已成为后起之秀并在世界范围内获得认可。C-V2X 在技术先进性、高可靠性和低时延等性能后续演进等方面更具优势。通过 V2V（汽车对汽车通信）、V2I（汽车对基础设施）、V2N（汽车对互联网通信）和 V2P（汽车对行人通信），车辆和驾驶者能够获取超视距或者非视距范围内的交通参与者状态和意图，从而解决单车智能化存在遮挡物和感知盲区等问题。我国自动驾驶技术起步较晚，而自动驾驶系统的效果和行驶的公里数和时长等方面成显著正比，中国仅靠发展单车智能或难以在短期内实现技术超越。而在新基建的推动下，车路协同有望进入快速发展阶段，降低自动驾驶的复杂度和车载成本，弥补中国在单车智能发展方面的不足，成为中国特色的发展道路，甚至超越美国率先实现 L4-L5 级高等级公路自动驾驶技术的大规模商业化落地。图图 10：全球车联网产业布局及优势全球车联网产业布局及优势资料资料来源：来源：中国通信学会，中国通信学会，华龙证券研究所华龙证券研究所近年来，我国通信、卫星互联网产业快速发展，公路总里程和公路网密度快速增长，有望为车路云一体化提供较为坚实的基础设施保障。云端：以华为为代表的通信企业在 5G 技术方面世界领先，且 4G 和行业研究报告行业研究报告请认真阅读文后免责条款105G 基站数量多，覆盖广。中国正大力推行 5G 网络、物联网、卫星互联网、数据中心、智能交通基础设施等新型基础设施建设。北斗卫星导航系统可提供全国范围内的高精度时空服务。全球车联网产业中，多国已经开始C-V2X 美国在佐治亚州、密歇根州科罗拉多州、加利福尼亚州等多个地区已经开展了大规模 C-V2X 相关测试活动；日本在多个城市内探索 C-V2X具体应用。韩国 K-City 已建成，针对 C-V2X 进行测试。全球范围内对C-V2X 重视程度日渐提高，我国在 C-V2X 技术方面走在前列。图图 11：C-V2X 在车路云协同两阶段的三个应用场景在车路云协同两阶段的三个应用场景资料资料来源：来源：中国通信学会，中国通信学会，华龙证券研究所华龙证券研究所路侧：基础设施建设方面，我国高速公路网快速发展、规模位居世界首位。路侧设备铺开潜在市场广阔，基础设施建设方面的特性将有力推动车路协同的发展。4 商业化：百度萝卜快跑领航国内商业化：百度萝卜快跑领航国内 Robotaxi，关注盈亏平衡点，关注盈亏平衡点的到来的到来降本增效助推新出行方式降本增效助推新出行方式，Robotaxi 出行市场有望达到万亿级别出行市场有望达到万亿级别。据麦肯锡测算，自动驾驶将提升个人安全系数，可减少 90%以上的事故，且平均每天可为司机节约 50 分钟的时间。成本方面，随着技术的进步和规模效应的显现，到 2030 年，自动驾驶有望推动每公里出行服务成本下降约40%，即从 2016 年的约 0.60 美元/公里下降到约 0.25 美元/公里。相反，受劳动力成本的上升、福利待遇的提高等因素影响，人类司机成本却可能从2016 年的约 0.35 美元/公里小幅上升到 2030 年的约 0.40 美元/公里。预计在 2025 年前后，自动驾驶技术支持的出行服务成本将与司机成本持平。我们认为 2025 年有望成为自动驾驶商业化发展的关键转折点，也可能意味着自动驾驶技术在经济性上具备了与传统人力驾驶相竞争的实力。行业研究报告行业研究报告请认真阅读文后免责条款11图图 12：自动驾驶技术促进出行服务成本降低自动驾驶技术促进出行服务成本降低资料资料来源：来源：麦肯锡，麦肯锡，华龙证券研究所华龙证券研究所图图 13：自动驾驶技术促进出行服务成本降低自动驾驶技术促进出行服务成本降低资料资料来源：来源：麦肯锡，麦肯锡，华龙证券研究所华龙证券研究所百度萝卜快跑领跑国内百度萝卜快跑领跑国内 Robotaxi，跨越收支平衡点可期跨越收支平衡点可期。萝卜快跑于2021 年 8 月上线，至今仅三年的时间。技术上，在 2024 年 5 月 15 日的百度 Apollo Day 上，百度 Apollo 发布了全球首个支持 L4 级别无人驾驶应用的自动驾驶大模型 ApolloADFM，同时上新了搭载百度第六代智能化系统解决方案、价格 20 万元的萝卜快跑第六代无人车（2021 年百度 Apollo 无人驾驶车量产价为 40 万元）。无人驾驶车单车成本下降将有助于降低Robotaxi 的整体运营成本，提高盈利能力，加速收支平衡点的到来。行业研究报告行业研究报告请认真阅读文后免责条款12订单方面，根据 2024 年百度第一季度财务数据，百度旗下萝卜快跑平台累计订单已经超过了600万单，当季度订单量82.6万单，同比增长了25%。百度官方目标是到 2024 年底，萝卜快跑在武汉实现收支平衡，并在 2025年全面进入盈利期。我们认为随着 Robotaxi 技术的成熟和安全性的提高，用户对 Robotaxi 的接受度也在逐渐提高。百度萝卜快跑的订单量在飞速增长，表明用户对 Robotaxi 的需求正在上升。5 路侧基础设施建设正当时路侧基础设施建设正当时5.1 路侧路侧设备设备 RSU 正处于全面铺开的关键时期正处于全面铺开的关键时期按使用场景划分，RSU 可分为路口 RSU 和道路 RSU。其中，路口 RSU主要应用于交通路口，用于实现车路互联互通、交通信号实时交互等功能，辅助驾驶员进行驾驶，保障交通安全。而道路 RSU 则应用于道路沿线，用于采集道路状况、交通状况等信息，并通过通讯网络与路侧感知设备、交通信号灯、电子标牌等终端通信。在功能上，路口 RSU 更侧重于交通信号控制、交通流信息采集、交通违法监测记录等功能，以优化交通信号灯调整，达到优化车流的目的。而道路 RSU 则更侧重于提供和汽车的通信中继，与边缘云、交通大脑相连或内置边缘计算设施，完成连接和计算的综合管理。据工信部数据，截至 2024 年 7 月，全国共建设 17 个国家级智能网联汽车测试区、7 个车联网先导区，开放测试道路 32000 多公里，测试里程超过 1.2 亿公里，各地智能化路侧单元（RSU）部署超过 8700 套，多地开展云控基础平台建设。路侧基础设施建设有望从车路云试点城市逐步铺开，实现由“点”到“面”的拓展。图图 14：L4 级自动驾驶的大模型级自动驾驶的大模型 Apollo ADFM图图 15：百度萝卜快跑百度萝卜快跑 Robotaxi资料资料来源：来源：百度百度 Apollo 官网，官网，华龙证券研究所华龙证券研究所资料资料来源：来源：百度萝卜快跑官网，百度萝卜快跑官网，华龙证券研究所华龙证券研究所行业研究报告行业研究报告请认真阅读文后免责条款135.2 全国城市中路侧设备全国城市中路侧设备 RSU 市场规模测算市场规模测算根据智慧公路车路协同路侧设施建设及应用技术指南，平面交叉口布署应按照单个路口不少于 1 台 RSU 设备布署；路段布署间距应500m；布署时应尽量与交通信号控制设施、监测设施共杆。按照此标准推算，我们认为路侧设备配置需求为：每个信号灯控交叉路口需要一个路口RSU 设备且每 0.5 公里路段需配备一个道路 RSU 设备。在具体推进中，路口场景在道路交通中所包含的信息量大，信息价值也更为关键。因此，RSU有望优先在路口场景中提高渗透率。基于以上分析，我们以全国路口 RSU全覆盖、全国城市道路 RSU 实现 70%覆盖率为远期目标对 RSU 的市场规模进行了初步估算。（1）路口场景下，RSU 的功能更为复杂，产品价值量也更高。估算全国大概有 39 万个灯控路口，按每个灯控路口设置一个 RSU 估算，路口 RSU需求量为 39 万个。（2）路段场景下，RSU 的功能设计要求较为简单，产品价值量相对较低。2022 年我国城市道路和桥梁全长约 55 万公里，按照 70%的覆盖率及每公里 2 个 RSU 的需求量估算，需要 77 万个路段 RSU。（3）按相关厂商销售额及销售量估算，2023 年 RSU 平均价格大约为6.2 万元/个。图图 16：交叉路口场景下路侧设备部署示意图交叉路口场景下路侧设备部署示意图图图 17：道路场景下路侧设备部署示意图道路场景下路侧设备部署示意图资料资料来源：来源：江苏省交通运输厅，江苏省交通运输厅，华龙证券研究所华龙证券研究所资料资料来源：来源：江苏省交通运输厅，江苏省交通运输厅，华龙证券研究所华龙证券研究所行业研究报告行业研究报告请认真阅读文后免责条款14表表 4：全国城市路侧设备全国城市路侧设备 RSU 远期市场规模测算远期市场规模测算使用场景使用场景价值量价值量覆盖范围（假设）覆盖范围（假设）需求量（估计）需求量（估计）路口估算平均约 6.2 万元/个城市道路全覆盖39 万个道路城市道路 70%的渗透率77 万个总市场规模723 亿元数据来源：华龙证券研究所数据来源：华龙证券研究所我们认为随着车路云建设示范区在城市中从点向面铺开，城市内部道路的路侧基础设施建设有望先于高速路段展开，以全国城市信号灯交叉路口实现 RSU 全覆盖及全国城市道路路段 RSU 覆盖率达到 70%计算，我国城市道路路侧智能建设中，RSU 市场规模可达约 723 亿元市场规模。6 投资建议投资建议我们认为，随着科技的进步和成本的降低，政策的支持将进一步推动Robotaxi 的商业化进程。在技术层面，高阶自动驾驶技术的普及正在加速，AI 的持续赋能使其更加智能；成本层面，车辆制造和运营成本预计将持续下降；政策层面，支持自动驾驶商业化的政策正在不断出台。多重因素推动下，车路云一体化进程有望迎来加速阶段，维持计算机行业“推荐推荐”评级。我们建议关注那些在技术储备和产业经验方面具有优势的公司，包括万集科技（300552.SZ）、通行宝（301339.SZ）、信息发展（300469.SZ）、高新兴（300098.SZ）、中科创达（300496.SZ）、锐明技术（002970.SZ）等。表表 5：重点关注公司及盈利预测：重点关注公司及盈利预测股票代码股票代码股票简称股票简称2024/09/26EPS（元）（元）PE投资投资评级评级股价（元）股价（元）2023A2024E2025E2026E2023A2024E2025E2026E002970.SZ锐明技术30.860.591.161.642.2052.326.518.814.0未评级300098.SZ高新兴4.12-0.060.040.060.09-68.7115.463.946.7未评级300469.SZ信息发展14.43-0.79-0.380.390.81-18.3-37.737.317.8未评级300496.SZ中科创达39.011.021.051.421.9038.437.227.420.6未评级300552.SZ万集科技29.83-1.81-0.030.751.52-16.5-1129.940.019.7未评级301339.SZ通行宝18.340.470.590.780.9939.131.323.618.5未评级数据来源：数据来源：Wind，华龙证券研究所，华龙证券研究所行业研究报告行业研究报告请认真阅读文后免责条款157 风险提示风险提示（1）车路云协同一体化投资车路云协同一体化投资不及预期不及预期。相关项目落地速度和投资力度高度相关（2）路侧设备推进路侧设备推进不及预期不及预期。路侧设备推进是车路云协同一体化发展的关键环节之一。（3）行业竞争加剧。行业竞争加剧。可能导致整体毛利率下滑。（4）自动驾驶推广速度自动驾驶推广速度不及预期不及预期。商业化推进节奏对车路云基础设施的利用率有直接影响。（5）相关政策出台相关政策出台不及预期。不及预期。行业发展需政策引导。免责及评级说明部分免责及评级说明部分分析师声明：分析师声明：本人具有中国证券业协会授予的证券投资咨询执业资格并注册为证券分析师，以勤勉尽责的职业态度，独立、客观、公正地出具本报告。不受本公司相关业务部门、证券发行人士、上市公司、基金管理公司、资产管理公司等利益相关者的干涉和影响。本报告清晰准确地反映了本人的研究观点。本人在预测证券品种的走势或对投资证券的可行性提出建议时，已按要求进行相应的信息披露，在自己所知情的范围内本公司、本人以及财产上的利害关系人与所评价或推荐的证券不存在利害关系。本人不会因本报告中的具体推荐意见或观点而直接或间接收到任何形式的补偿。据此入市，风险自担。投资评级说明：投资评级说明：投资建议的评级标准投资建议的评级标准类别类别评级评级说明说明报告中投资建议所涉及的评级分为股票评级和行业评级（另有说明的除外）。评级标准为报告发布日后的 6-12 个月内公司股价（或行业指数）相对同期相关证券市场代表性指数的涨跌幅。其中：A 股市场以沪深 300 指数为基准。股票评级买入股票价格变动相对沪深 300 指数涨幅在 10%以上增持股票价格变动相对沪深 300 指数涨幅在 5%至 10%之间中性股票价格变动相对沪深 300 指数涨跌幅在-5%至 5%之间减持股票价格变动相对沪深 300 指数跌幅在-10%至-5%之间卖出股票价格变动相对沪深 300 指数跌幅在-10%以上行业评级推荐基本面向好，行业指数领先沪深 300 指数中性基本面稳定，行业指数跟随沪深 300 指数回避基本面向淡，行业指数落后沪深 300 指数免责声明：免责声明：本报告的风险等级评定为 R4，仅供符合华龙证券股份有限公司（以下简称“本公司”）投资者适当性管理要求的客户（C4 及以上风险等级）参考使用。本公司不会因为任何机构或个人接收到报告而视其为当然客户。本报告信息均来源于公开资料，本公司对这些信息的准确性和完整性不作任何保证。本报告所载的意见、评估及预测仅反映报告发布当日的观点和判断。在不同时期，本公司可能会发出与本报告所载意见、评估及预测不一致的研究报告，但本公司没有义务和责任及时更新本报告所涉及的内容并通知客户。同时，本报告所指的证券或投资标的的价格、价值及投资收入可能会波动。以往表现并不能指引未来，未来回报并不能得到保证，并存在损失本金的可能。本报告仅为参考之用，并不构成对具体证券或金融工具在具体价位、具体时点、具体市场表现的投资建议，也不构成对所述金融产品、产品发行或管理人作出任何形式的保证。在任何情况下，本公司仅承诺以勤勉的职业态度，独立、客观地出具本报告以供投资者参考，但不就本报告中的任何内容对任何投资做出任何形式的承诺或担保。据此投资所造成的任何一切后果或损失，本公司及相关研究人员均不承担任何形式的法律责任。在法律许可的情况下，本公司及所属关联机构可能会持有报告中提及的公司所发行证券的头寸并进行证券交易，也可能为这些公司提供或正在争取提供投资银行、财务顾问或金融产品等相关服务。本公司的资产管理部门、自营部门以及其他投资业务部门可能独立做出与本报告中的意见或建议不一致的投资决策。本公司的员工可能担任本报告所提及的公司的董事。客户应充分考虑可能存在的利益冲突，勿将本报告作为投资决策的唯一参考依据。版权声明：版权声明：本报告版权归华龙证券股份有限公司所有，本公司对本报告保留一切权利。未经本公司事先书面授权，本报告的任何部分均不得以任何方式制作任何形式的拷贝、复印件或复制品，或再次分发给任何其他人，或以任何侵犯本公司版权的其他方式使用。华龙证券研究所华龙证券研究所北京北京兰州兰州上海上海深圳深圳地址：北京市东城区安定门外大街 189 号天鸿宝景大厦西配楼 F4 层邮编：100033地址：兰州市城关区东岗西路638 号文化大厦 21 楼邮编：730030电话：0931-4635761地址：上海市浦东新区浦东大道 720 号 11 楼邮编：200000地址：深圳市福田区民田路178 号华融大厦辅楼 2 层邮编：518046
2024-09-29
20页
5星级
请务必阅读正文之后的免责声明及其项下所有内容证券研究报告证券研究报告|20242024年年0909月月2727日日新质生产力系列专题（七）新质生产力系列专题（七）科技股盈利提升之路有哪些？科技股盈利提升之路有哪些？核心观点核心观点策略策略研究研究策略深度策略深度证券分析师：陈锐证券分析师：陈锐证券分析师：王开证券分析师：王开0755-81981573021-S0980516110001S0980521030001联系人：李晨光联系人：李晨光010-基础数据中小板/月涨跌幅(%)5989.43/15.48创业板/月涨跌幅(%)1885.49/23.17AH 股价差指数143.15A 股总/流通市值(万亿元)69.38/63.82市场走势资料来源：Wind、国信证券经济研究所整理相关研究报告全球科技投资范式复盘与展望系列（一）-四轮全球科技股周期与 A 股映射 2024-09-27海外镜鉴系列（二十二）-英国市场投资观察 2024-09-22策略实操专题（十四）-上市公司“赚钱”与“花钱”的结构变迁 2024-09-102024 年中报深度解析(一):景气修复的路径与波折 2024-08-31价值投资新范式(二):现金奶牛的前世今生 2024-08-29科技型企业作为科技创新的主体科技型企业作为科技创新的主体，聚焦硬科技发展聚焦硬科技发展，在推动新质生产力发展在推动新质生产力发展过程中扮演重要角色过程中扮演重要角色。在中美两国的科技股对比中，可以看到一些明显的差异和趋势。美国的科技股，尤其是大型科技股，在市值和全球影响力方面占据领先地位，而中国的科技股则凭借后发优势处在赶超路径中。随着中国在全球科技产业链中的地位提升，中国科技股的中长期回报潜力正在增加，正展现出强劲的增长势头和投资吸引力。中国科技股加速追赶中国科技股加速追赶，政策持续呵护政策持续呵护，盈利持续性显著增强盈利持续性显著增强，估值有望得到估值有望得到重塑重塑。(1)截至2024年8 月，美国市值最大的前100 家科技股，总市值占SPX成分股总市值的56.3%。中国市值最大的前100家科技股，总市值占中证A500成分股总市值的19.3%。(2)在净利润和净资产规模方面，美国科技股在SPX成份股的占比已经高达3-4成，而中国科技股的占比不足1 成，具有较大的成长空间。(3)近 10 年,中国科技股ROE 持续增长，盈利能力逐渐超过传统企业，截至2023 年科技股ROE 高出其他股2.1个百分点。(4)中国科技股的净利润和净资产规模占比呈增长趋势，从期初2014 年的2.9%和4.1%的占比提升至期末2023 年的9.7%和8.1%。美国科技股的发展成就是众多因素共同作用的结果美国科技股的发展成就是众多因素共同作用的结果，其中产业政策的引领作其中产业政策的引领作用至关重要用至关重要。有效的产业政策应具备以下特点：在市场经济里，政府应积极作为，弥补市场失灵问题，为市场主体提供助力。一是普惠性，产业政策应该对行业内所有企业一视同仁，提供平等的支持和机会；二是竞争性，政策应该倾向于支持竞争激烈的行业，而不是已经形成垄断的行业；三是适度性，产业政策的力度应该适中，避免矫枉过正。同时，在产业政策落地时，产业政策应做到精准高效，与产业生命周期的演变同步，从直接扶持向营造优质市场环境转变。产业政策布局方向产业政策布局方向产业政策应注重供给侧和需求侧的协同发展产业政策应注重供给侧和需求侧的协同发展，两者不可两者不可偏废偏废。一是基于科学发现端的“供给侧”路径，即通过创新和技术进步创造新供给，在新供给的带动下创造新的需求，这些产业多为未来产业，处于技术研发和验证阶段，产业政策为产业的萌芽期提供关键的支持，帮助产业克服起步阶段的挑战。二是着眼于市场需求端的“需求侧”路径，这类产业政策以支持新兴产业为主，以提升产业的全要素生产率为主要目的，是支撑短期经济增长的主要动力。新质生产力发展有望促进科技股盈利提升新质生产力发展有望促进科技股盈利提升。一方面，精准适度的产业政策能够提振市场信心，减小风险溢价水平；另一方面，产业政策起到托底作用，增强了企业的盈利能力和市场预期，分子端及分母端共振促进科技股估值的稳步提升。在新质生产力发展的背景下，推荐关注如下领域：(1)未来产业关注技术突破行业的主题投资机遇；(2)新兴产业关注渗透率快速提升及出海布局的产业；(3)传统产业传统产业数字化转型。风险提示风险提示：海外货币政策路径不确定性的风险；本报告为历史分析报告，仅作为中美股市细分领域的对照，不构成任何对市场走势的判断或建议；文中涉及的个股仅作为梳理列举，不作为任何投资推荐依据。请务必阅读正文之后的免责声明及其项下所有内容证券研究报告证券研究报告2内容目录内容目录1 1 中美科技股盈利对比中美科技股盈利对比.5 51.1 美国科技股的样本选择.51.2 中国科技股的样本选择.61.3 中美科技股盈利能力的现状比较.72 2 中美科技股盈利能力的变迁历程中美科技股盈利能力的变迁历程.8 82.1 美国科技股盈利能力的历史分析.82.2 中国科技股盈利能力的历史分析.112.3 中美科技板块盈利分化原因阐述.133 3 新质生产力视角看科技股盈利提升路径新质生产力视角看科技股盈利提升路径.14143.1 海外产业政策看科技股盈利提振.143.2 什么样的产业政策是真实有效的.183.3 如何让科技股拔估值.19风险提示风险提示.2424请务必阅读正文之后的免责声明及其项下所有内容证券研究报告证券研究报告3图表图表目录目录图1：中国科技股分布情况.6图2：美国科技股分布情况.6图3：中美科技型企业成立平均年限.8图4：中国科技股所处生命周期阶段.8图5：美国科技股与其他股票的盈利能力比较.9图6：美国科技股净利润和净资产占比.10图7：美国科技股净利润和净资产增长.10图8：美国其他股净利润和净资产增长.10图9：中国科技股与其他股票的盈利能力比较.11图10：中国科技股净利润和净资产占比.12图11：中国科技股净利润和净资产增长.12图12：中国其他股净利润和净资产增长.12图13：二战后美国产业政策演进.14图14：美国研发支出投入总额(亿美元)及投入强度(%).14图15：美国不同类型研发投入占比.14图16：奥巴马政府时期国家创新战略.15图17：特朗普政府时期美国科技战略的重点领域.16图18：2009 年至今美股各行业平均涨跌幅.16图19：SPX500 信息指数估值与盈利分解.16图20：欧盟产业政策演进.17图21：欧盟部分未达预期的产业政策.17图22：产业政策应在产业发展的导入期和成长期进入.18图23：产业政策应注重供给侧和需求侧的协同发展.19图24：产业政策对科技股估值提升的影响.20图25：近期重要会议及政策文件中关于新质生产力的相关表述.20图26：科技板块投资机遇初显.21图27：未来产业标志性产品.21图28：数字经济产业链.23图29：数字经济占比及增速.23请务必阅读正文之后的免责声明及其项下所有内容证券研究报告证券研究报告4表1：纳斯达克 100 和 SPX 指数成分股总市值分布（截至 2024 年 8 月末）.5表2：中美科技股盈利能力的现状比较.7请务必阅读正文之后的免责声明及其项下所有内容证券研究报告证券研究报告51 1 中美科技股盈利对比中美科技股盈利对比科技创新能够催生新产业科技创新能够催生新产业、新模式新模式、新动能新动能，是发展新质生产力的核心要素是发展新质生产力的核心要素，科科技型企业作为科技创新的主体技型企业作为科技创新的主体，聚焦硬科技发展聚焦硬科技发展，在推动新质生产力发展过程中在推动新质生产力发展过程中扮演重要角色。扮演重要角色。新质生产力在近期重大会议及政策文件中被反复提及，新质生产力建设已经成为当下及今后一段时间内产业政策主线，而科技型企业作为科技创新的主体，聚焦硬科技发展，是推动新质生产力发展重要动力，政策端不断释放积极信号，呵护有力，预计未来科技板块将继续获得政策倾斜和支持，增强盈利的可持续性，并可能重塑科技股的估值。在中美两国的科技股对比中，可以看到一些明显的差异和趋势。美国的科技股，尤其是大型科技股，在市值和全球影响力方面占据领先地位，而中国的科技股则在追赶之中。随着中国在全球科技产业链中的地位提升，中国科技股的中长期回报潜力正在增加，正展现出强劲的增长势头和投资吸引力。1.11.1 美国科技股的样本选择美国科技股的样本选择美国纳斯达克指数虽然能代表美国的科技股指数，但实际上其成分股中仍然包含有非科技股标的。以纳斯达克 100 为例，该指数是由 100 只最大的纳斯达克市场上市的非金融公司组成，截至 2024 年 8 月末，该指数成份股总市值中有超 7 成在科技股成色最高的信息技术行业，但仍存在少量非科技股，比如可选消费行业里的星巴克（STARBUCKS）、万豪国际(MARRIOTTINTL)，同时该指数包含的日常消费、能源、公用事业、房地产等行业中科技股比例也都非常低。因此有必要重新筛选一批美股科技股标的，作为美国科技股的代表。从美国全市场来看，以 SPX 指数为例，截至 2024 年 8 月末，其成份股中信息技术行业的总市值占比为 38%，可选消费和医疗保健行业的总市值占比均超过 10%，这3 个行业的总市值占比之和高达 62%，同时美国市值最大的科技股都是在这个行业，比如苹果、微软、英伟达、谷歌、脸书属于信息技术行业，亚马逊、特斯拉属于可选消费行业，礼来属于医疗保健行业。因此我们可以在 SPX 的这 3 个行业中筛选美股科技股。考虑到中国 A 股市场的市值最大的科技股宁德时代属于工业行业，因此我们将美国科技股的筛选锁定在信息技术、可选消费、医疗保健和工业行业。表1：纳斯达克 100 和 SPX 指数成分股总市值分布（截至 2024 年 8 月末）纳斯达克纳斯达克 100100 成份股成份股SPXSPX 成份股成份股一级行业一级行业行业总市值（亿）行业总市值（亿）行业市值占比行业市值占比行业总市值行业总市值（亿）（亿）行业市值占比行业市值占比信息技术信息技术17533970.89175338.44%金融金融/6262012.55%可选消费可选消费3737315.11Y30111.89%医疗保健医疗保健116974.73W88411.60%工业工业59442.4079897.62%日常消费日常消费90463.6623756.49%能源能源6970.287993.37%公用事业公用事业18710.762452.45%房地产房地产7530.302762.26%材料材料22840.920632.22%电信服务电信服务23190.94U041.10%合计合计247323/498810/资料来源：万得，国信证券经济研究所整理请务必阅读正文之后的免责声明及其项下所有内容证券研究报告证券研究报告6在 SPX 指数成份股中，我们选择市值最大的 100 家上市公司，作为研究样本，样本公司总市值占比 56.3%。研究样本股中，信息技术、可选消费、医疗保健和工业行业的市值占比分别为 65.8%、11.3%、16.9%、6.1%，其中，医疗保健行业中的科技股占比较高，因此其科技股市值占比明显高于可选消费。1.21.2 中国科技股的样本选择中国科技股的样本选择中国的创业板指数或者科创板指数虽然科技股成色高，但跟纳斯达克 100 指数类似，也包含有非科技股。更为重要的是，一些市值较大的科技股并没有在创业板或科创板指数中，比如比亚迪、立讯精密、海康威视等。目前一些常用的没有行业限制（比如中证生科）或企业属性限制（比如央企科技引领、央企科技创新）的科技股指数中，科技股覆盖范围同样也不全，比如在跟踪基金规模最大的科技龙头（931087.CSI）、科技 100（931187.CSI）、中证科技（931186.CSI）和科技 50（931380.CSI）指数的成份股中都没有比亚迪、阳光电源等标的，宁德时代也仅在中证科技指数的成份股中，其他 3 个指数的成份股都不包含宁德时代。本报告参照前文美国科技股的筛选方法，从中国中证 A500 指数中的信息技术、可选消费、医疗保健和工业行业板块中，选取总市值最大的 100 家科技股作为研究样本，其中，100 家科技股市值占比为 19.3%。在这 100 家中国科技股中，信息技术、可选消费、医疗保健和工业行业的市值占比分别为 47.3%、9.2%、18.2%、25.3%。对比美国科技股，我们发现中国科技股中信息技术行业的市值占比显著低于美国，而工业行业的市值占比则显著高于美国。在可选消费和医疗保健行业方面，中美两国科技股的市值占比则相对接近。图1：中国科技股分布情况图2：美国科技股分布情况资料来源：万得，国信证券经济研究所整理资料来源：万得，国信证券经济研究所整理考虑到中证 A500 成份股中部分企业的股本并非都在中国 A 股市场，比如中国移动和中国海油的 A 股市值占比分别仅为 4.2%和 6.3%，我们统计 A 股市值的情况，结果显示，上述 100 家中国科技股的 A 股市值占比为 21.6%，略大于总市值占比的19.3%。这 100 家中国科技股的信息技术、可选消费、医疗保健和工业行业的 A股市值占比分别为 47.2%、6.7%、19.2%、27.0%，与总市值占比的结论相差不大。因此中国科技股的上述市场结构的相关结论不变。请务必阅读正文之后的免责声明及其项下所有内容证券研究报告证券研究报告71.31.3 中美科技股盈利能力的现状比较中美科技股盈利能力的现状比较截至 2024 年 8 月末，SPX 成份股最近 1 年的整体 ROE 为 18.2%，其中前 100 家市值最大的美国科技股的整体 ROE 为 25.8%，明显高于其他成份股的整体 ROE。而中国中证 A500 成份股最近 1 年的整体 ROE 为 9.7%，其中 100 家市值最大的中国科技股的整体 ROE 为 10.3%，略高于其他成份股的整体 ROE（9.6%）。采用 A 股股本加权来计算 ROE，结论与总股本加权的算法差异很小，不影响结论。从中美 ROE 的比较来看，SPX 成份股的整体 ROE 比中证 A500 高出 8.5 个百分点，其中美国前 100 家市值最大的科技股 ROE 比中国高出 15.5 个百分点，其他股的ROE 则比中国高出 5.3 个百分点。可见，美国大型科技股的盈利能力要远高于中国科技股。从平均 ROE1来看，结论也是一致的，相比于其他股，中美科技股 ROE 的差距明显更大。SPX 成份股的平均 ROE 比中证 A500 高出 8.4 个百分点，其中美国前 100 家市值最大的科技股 ROE 比中国高出 11.1 个百分点，其他股的 ROE 则比中国高出7.6 个百分点。再来看看 ROE 的组成部分净利润和净资产在科技股和其他股的分布情况。美国前100 家市值最大的科技股的净利润占 SPX 成份股净利润总和的 42.6%，净资产则占到 30.1%，而中国前 100 家市值最大的科技股的净利润占比仅 8.6%，净资产占比也仅 9.0%。即使采用 A 股股本加权的方法来计算，中国科技股的净利润和净资产占比分别也只有 10.0%和 9.1%，远低于美国科技股。表2：中美科技股盈利能力的现状比较整体 ROE平均 ROE美国中国中国美国中国总股本加权总股本加权A 股股本加权科技科技25.8.3.4.1.0%其他其他14.9%9.6%9.4.9%8.3%整体整体18.2%9.7%9.5.2%8.8%资料来源：万得，国信证券经济研究所整理综上，从目前中美科技股的现状对比来看，相对于其他股盈利能力之间的差距，中国大型科技股盈利能力与美国大型科技股的差距要更加明显。美国大型科技股的盈利和净资产规模在 SPX 成份股的占比已经高达 3-4 成，而中国大型科技股的盈利和净资产规模在中证 A500 成分股的占比还不足 1 成，远低于美国科技股。究其原因，美国科技型多处于成熟期，公司成立年限较长，平均成立年限为 51年，美国科技公司大都经历了上一轮科技革命的洗礼，并且在此过程中构筑形成了护城河，这些公司拥有稳定的存量资产和持续盈利的能力，并且重视创新的增量，通过不断的技术创新和研发投入，推动企业持续转型和升级，从而保持其在行业中的领先地位。相比之下，中国科技公司平均成立年限仅为 24 年，许多企业正处于成长早期阶段，正经历行业的持续出清，企业整体盈利能力不及成熟期企业。此外，美国产业政策的引领作用也不容忽视，拜登政府自上台以来，明确提出“现代产业战略”，重点扶植对经济增长推动作用较强的关键产业，并制定相关法案加大对关键产业的政府投资和补贴力度，科技型企业融资渠道畅通多元，1平均 ROE 为样本股 ROE 的中位数，在统计 ROE 中位数时，若（SPX 成份股）净资产小于 0，则根据其净利润的正负来重新设定其 ROE 来参与 ROE 中位数的统计。如果净利润大（小）于 0，则 ROE 设置为正（负）无穷大。请务必阅读正文之后的免责声明及其项下所有内容证券研究报告证券研究报告8有效支持科技型企业度过初创期和成长期。与此同时，拜登政府注重政企之间的良性互动，与企业建立了高效的沟通交流机制，产业政策精准而高效。展望未来，在新质生产力加速发展的背景下，在产业政策的持续呵护下，随着中国科技企业的持续创新和市场竞争力的增强，预期其 ROE 水平将逐步提升，中美科技股之间差距将逐渐缩小。图3：中美科技型企业成立平均年限图4：中国科技股所处生命周期阶段资料来源：万得，国信证券经济研究所整理资料来源：万得，国信证券经济研究所整理2 2 中美科技股盈利能力的变迁历程中美科技股盈利能力的变迁历程2.12.1 美国科技股盈利能力的历史分析美国科技股盈利能力的历史分析考虑到美股各个股票有不同的财年，这里采用截至每年 3 月末公布的最近 4 个季度的财报数据来计算上一年股票的盈利能力。以上述 100 家大型科技股截至 2024年 3 月末公布的财报数据为例，有 80 家报告截止日期为 2023 年 12 月，有 2 家为2023 年 10 月，5 家为 2023 年 11 月，其余 13 家为 2024 年 1 月。因此采用截至2024 年 3 月末公布的财报数据来计算 2023 年的盈利情况的偏差很小。从最近 10 年各年的 ROE 来看，美国大型科技股也是远高于其他股的，平均比其他股的 ROE 高出 10.1 个百分点。美国大型科技股与其他股 ROE 差距最小（大）是2017（2020）年，相差 3.4（15.1）个百分点。请务必阅读正文之后的免责声明及其项下所有内容证券研究报告证券研究报告9图5：美国科技股与其他股票的盈利能力比较资料来源：万得，国信证券经济研究所整理美国大型科技股 ROE 没有明显的随时间单调变化的趋势，主要是 2014-2017 年这前 4 年的平均 ROE（19.3%）要明显小于 2018-2023 年者后 6 年的平均 ROE（25.2%）。这与美国减税政策有关。其他股 ROE 的变化也是类似规律，2014-2019 年这前 6年的平均 ROE 为 12.3%，小于 2021-2023 年之后 3 年 15.7%的平均 ROE，2020 年则是受疫情影响，ROE 低至 6.9%。美国大型科技股与其他股的 ROE 差距也没有明显趋势变化，2018-2021 这 4 年差距最大的是，平均为 12.8 个百分点。最近 2 年（2022-2023）的 ROE 差距平均为9.7 个百分点，仅略高于 2014-2016 年这 3 年平均 8.9 个百分点的 ROE 差距。最近 10 年，美国大型科技股的净利润和净资产占比基本维持稳定。净资产占比平均为 25.2%，2018 年净资产占比最低，为 23.0%，随后逐年增加至 29.4%，每年提升幅度不大。净利润占比除 2020 年高达 51.8%外，其他各年也都较为稳定，平均为 36.5%，最近 3 年也存在逐年略增的趋势。请务必阅读正文之后的免责声明及其项下所有内容证券研究报告证券研究报告10图6：美国科技股净利润和净资产占比资料来源：万得，国信证券经济研究所整理从净利润和净资产的可比2累计对数增长率来看，美国科技股的净资产是稳步增长的，2023 年的对数净资产相对于 2014 年增长了 62.1%，而净利润的增长波动性相对较大，但同期对数净利润增长了 85.1%，高于对数净资产的增长。图7：美国科技股净利润和净资产增长图8：美国其他股净利润和净资产增长资料来源：万得，国信证券经济研究所整理资料来源：万得，国信证券经济研究所整理当期净利润和净资产的累计对数增长率之间的差距，反映了当期 ROE 相对于期初ROE 的增长变化。2017 年净利润的累计对数增长率为-12.3%，相对于当期净资产10.4%的累计对数增长率下跌明显，因此 2017 年的 ROE 相对于期初 2014 年的 ROE有明显下降。同样的，2021 年净利润的累计对数增长率为 82.6%，虽然略低于 2023年的 85.1%，但 2023 年净资产的累计对数增长率为 62.1%，明显高于 2021 年的2当期可比增长率的计算是统计上一期也是成份股的标的当期净利润（净资产）之和相对于上一期的增长率，这种算法剔除了成份股变动的影响。请务必阅读正文之后的免责声明及其项下所有内容证券研究报告证券研究报告1144.4%，因此 2021 年的 ROE 是最高的。其他股的净资产也是稳步增长的，2023 年的累计对数增长率为 29.0%，但远低于科技股（62.1%）。其他股净利润的增长波动性更大，2020 年受疫情影响，累计对数收益率由前 1 年的 30.8%下降至-32.4%，而同期科技股的净利润是增长的。2017 年，其他股净利润的累计对数增长率超过了科技股，这也是其 ROE 与科技股的差距最小的一年。净利润和净资产的累计对数增长率之间的差距最大发生在2021 年，这也是其他股 2017 年 ROE 最高的原因。2.22.2 中国科技股盈利能力的历史分析中国科技股盈利能力的历史分析中国科技股盈利能力稳步提升，2014 年至今，中国科技股平均 ROE 与其他股平均ROE，分别为 10.5%和 11.1%，两者之间差距较小。其中 2014 年科技股的 ROE 为9.3%，低于同期其他股 ROE，此后科技股 ROE 稳步增长。自 2020 年起，科技股的ROE 实现了对其他股 ROE 的反超，2023 年，科技股的 ROE 提升至 11.9%，较同期其他行业股票高出 2.1 个百分点，科技股的盈利能力和市场竞争力稳步提升。图9：中国科技股与其他股票的盈利能力比较资料来源：万得，国信证券经济研究所整理值得注意的是，科技股与其他股的 ROE 差距呈现出随时间递增的趋势。在 2014至 2018 年的前五年中，科技股的平均 ROE 比其他类型股票低 2.7 个百分点。然而，在近五年（2019-2023）中，科技股的平均 ROE 反超其他类型股票 1.3 个百分点。特别是在近三年（2021-2023），科技股的平均 ROE 达到 12.6%，创下了近十年来的历史新高，比其他类型股票的平均 ROE 高出 2.2 个百分点。在过去十年中，科技股的净利润和净资产占比也呈现出明显的增长趋势。2014 年，科技股的净利润和净资产占比较低，分别为 2.9%和 4.1%。然而，到了 2023 年，这些比例已显著提升至 9.7%和 8.1%，分别增长了 6.9 个百分点和 4.0 个百分点。随着技术创新的不断推进，预计科技型企业市场竞争力将逐渐增强，持续在盈利能力和市场影响力方面保持领先地位。请务必阅读正文之后的免责声明及其项下所有内容证券研究报告证券研究报告12图10：中国科技股净利润和净资产占比资料来源：万得，国信证券经济研究所整理中国科技股净资产及净利润稳健增长，截至 2023 年，科技股的对数净资产增长率达到了 150.8%，显示出资产规模的显著扩大；而净利润的增长轨迹则呈现出一定的波动性，2018 年，受中美贸易摩擦的影响，美国单方面脱钩断链，对科技股的盈利能力造成一定程度负面冲击，对数净利润同比下降，随后快速恢复。但是，自 2021 年起，科技股净利润增速开始逐步放缓，其中 2021 年净利润增速为 40.5%，而 2022 和 2023 年仅为 21.6%和 1.6%。图11：中国科技股净利润和净资产增长图12：中国其他股净利润和净资产增长资料来源：万得，国信证券经济研究所整理资料来源：万得，国信证券经济研究所整理2015-2018 年净利润的累计对数增长率与净资产相差不大，因此这几年 ROE 相对于期初变化不大。2019-2022 年，净利润的增长率明显高于净资产，因此这几年的 ROE 的提升较为明显。不过 2023 年净利润的增长率开始低于净资产，ROE 出现同比下降的迹象。其他股的净资产也是稳步增长的，2023 年的累计对数增长率为 92.9%，但远低于科技股（150.8%）。其他股净利润增长的波动性相对于科技股来说较小，最低和请务必阅读正文之后的免责声明及其项下所有内容证券研究报告证券研究报告13最高对数增长率分别为-1.7%和 19.8%，而科技股的分别为-11.6%和 56.9%。与科技股类似，近些年净利润的增长明显放缓，2021 年为 19.8%，而 2022 和 2023 年仅为 4.4%和-1.6%。其他股净利润的累计对数增长率长期低于净资产，因此各年的 ROE 都低于期初2014 年。虽然净利润在 2017 年和 2021 年的增长率高于净资产，但这 2 年的 ROE也仅是略微回升。近些年净资产的对数增长率虽然有所下降，但净利润的增长下降更为明显，导致近些年 ROE 存在缓慢下跌的趋势。2.32.3 中美科技板块盈利分化原因阐述中美科技板块盈利分化原因阐述综上，本报告基于目前（截至 2024 年 8 月）美国 SPX 和中证 A500 指数成分股，各选出 100 家市值最大的科技股进行盈利能力的比较，主要结论如下：第一，本报告筛选科技股，将行业设定在信息技术、可选消费、医疗保健和工业中。截至 2024 年 8 月，美国市值最大的前 100 家科技股，总市值占 SPX 成分股总市值的 56.3%。上述 4 个行业的市值占比分别为 65.8%、11.3%、16.9%、6.1%，医疗保健行业占比明显高于可选消费。而中国市值最大的前 100 家科技股，总市值占中证 A500 成分股总市值的 19.3%，远低于美国科技股。上述 4 个行业的市值占比分别为 47.3%、9.2%、18.2%、25.3%，信息技术行业的市值占比明显低于美国，但工业行业的市值占比则明显高于美国。第二，截至 2024 年 8 月，SPX 指数中科技股的整体 ROE 显著高于其他成份股 ROE。相比之下，中国科技股的整体 ROE 为 10.3%，仅略高于其他成份股 9.6%的平均 ROE。同时在净利润和净资产规模方面，中美科技股之间也存在一定的差异，美国科技股净利润及净资产占据总体的 30%-40%，而中国科技股净利润和净资产占比则不足 10%第三，从最近 10 年的变化来看，美国科技股的 ROE 以及科技股与其他股的 ROE差距都没有明显地随时间单调变化的趋势，只是受美国减税政策影响，科技股最近 6 年的平均 ROE 要明显高于前 4 年。而中国科技股的 ROE 存在一定程度的增长趋势，最近 5 年的 ROE 相较于前 5 年有所提升。在与其他股的 ROE 差距方面，这种随时间递增的趋势更为明显，期初科技股 ROE 比其他股低 4.2 个百分点，随后ROE 差距逐渐缩小，近些年更是实现了反超，截至 2023 年科技股 ROE 高出其他股2.1 个百分点。第四，最近 10 年，美国科技股的净利润和净资产的规模占比基本维持稳定，仅2020 年受疫情影响，其他股的盈利相对于科技股大幅下降，导致科技股净利润占比明显高于其他年份。而中国科技股的净利润和净资产规模占比存在着明显的增长趋势，从期初 2014 年的 2.9%和 4.1%的占比提升至期末 2023 年的 9.7%和 8.1%。第五，2014-2023 年，美国科技股净利润和净资产的对数增长率分别为 85.1%、62.1%，而中国科技股则为 171.5%和 150.8%。虽然中国科技股的净利润增长远高于美国，但中美科技股净利润和净资产增长率之间的差距并没有太大变化，因此这些年中国科技股 ROE 与美国的差距并没有缩小，期初和期末中美科技股 ROE 分别相差 11.5 和 13.3 个百分点。仅 2017 年中美科技股 ROE 差距出现了明显的缩小，为 5.9 个百分点，这主要是由于美国科技股净利润的累计增长转负所致。请务必阅读正文之后的免责声明及其项下所有内容证券研究报告证券研究报告143 3 新质生产力视角看科技股盈利提升路径新质生产力视角看科技股盈利提升路径3 3.1 1 海外产业政策看科技股盈利提振海外产业政策看科技股盈利提振美国科技型企业的发展得益于其科技战略规划和产业政策支持美国科技型企业的发展得益于其科技战略规划和产业政策支持。第二次世界大战是全球科技竞争格局的重要转折点，美国借此机会逐步确立了其在全球科技领域的领先地位。二战后，美国政府根据国家发展的需要，不断调整其产业政策，产业政策的核心从最初以国家安全为主导的基础研究，到后来的产业创新与技术传播，再到应对社会挑战和人才培养，产业政策的落脚点也逐步从巩固国防，向促进科技创新和经济发展转变，美国政府通过颁布一系列法案，逐步构建起一个以创新政策为核心的产业政策体系。这一时期，产业政策的推出遵循“小政府、大市场”理念，产业政策多以支持服务性的政策为主，官方部门直接干预相对较少。图13：二战后美国产业政策演进资料来源：沈梓鑫,江飞涛.美国产业政策的真相:历史透视、理论探讨与现实追踪J.经济社会体制比较,2019(06):92-103，国信证券经济研究所整理2008 年后，受金融危机的影响，美国政府开始重新审视自身的产业发展战略，美国产业政策也就此发生转向，此后美国研发投入和研发强度在政府的支持之下屡创新高，进一步强化了美国在全球的科技创新引领地位。金融危机爆发后，由于美国经济发展长期脱实向虚，产业空心化导致美国陷入高失业率和经济衰退的双重窘境。奥巴马政府为扭转经济发展颓势，强调了“振兴制造业”必要性，并以此为基础，实施“再工业化战略”，促进美国经济向实体经济回归。图14：美国研发支出投入总额(亿美元)及投入强度(%)图15：美国不同类型研发投入占比资料来源：万得，国信证券经济研究所整理资料来源：万得，国信证券经济研究所整理请务必阅读正文之后的免责声明及其项下所有内容证券研究报告证券研究报告15奥巴马政府时期先后三次发布了国家创新战略，并以此战略为核心形成了科技产业政策框架。在此期间，根据其创新发展战略，政府在科技创新和产业发展中的重要作用被提到空前高度，明确提出政府是创新主要服务者，并提出了包括建设创新基础设施、推动私营部门创新和催生国家重点领域优先突破等具体措施以提升政府服务创新的能力。在奥巴马政府的任期内，美国政府在科技创新领域的角色经历了显著的转变。通过制定和执行一系列产业政策，政府逐渐转型成为科技创新的重要推动力量。这些产业政策不仅在当时促进了科技的进步和产业的发展，而且得到后续政府的沿袭。一方面，奥巴马政府重视对基础研究等基本创新要素投入，将科技创新视为重振经济的重要抓手，自 2008 年起，在美国政府推动下，美国研发支出快速增长，2008 年美国研发支出总额为 405 亿美元，到了 2022 年美国研发支出总额翻一番，达到 886 亿美元。另一方面，奥巴马政府同时注重对前沿科技的创新布局，以此作为技术储备，谋求经济长期增长，并先后发布了“先进制造业战略计划”“国家机器人技术计划”“材料基因组计划”“脑计划-推进创新神经技术脑研究计划”“清洁能源计划”等。图16：奥巴马政府时期国家创新战略战略战略政策目标政策目标产业政策产业政策重点领域重点领域最终目标最终目标国家创新战略-推动可持续增长和高质量就业(1)恢复美国在基础研究中的全球领先地位；(2)以21世纪的知识和技能教育下一代，培养世界级的劳动力人才；(3)建立领先的物质基础设施；(4)开发先进的信息技术生态系统。(1)促进美国出口;(2)支持将资源分配给有前景的开放性资本市场;(3)鼓励高增长和创新型企业家活动;(4)提高公共部门的创新活动和支持社区创新。(1)推动一场清洁能源的革命;(2)支持先进车辆技术;(3)引导医疗先进技术的突破;(4)解决 21世纪的“重大挑战”确保可持续增长和高质量就业，催化国家优先技术的突破，建设一个创新型政府国家创新战略-确保美国的经济增长与繁荣(1)以21 世纪的知识和技能教育下一代，培养世界级的劳动力人才；(2)加强和扩大美国在基础研究中的领先地位；(3)建立领先的物质基础设施；(4)开发先进的信息技术生态系统(1)依靠研发和试验抵税政策来加速商业创新;(2)通过有效的知识产权政策来促进在创造力上的投资;(3)鼓励高增长和创新型企业家活动;(4)促进创新的、开放的竞争性市场。(1)推动一场清洁能源的革命;(2)加速生物技术、纳米技术和先进制造业技术的进步;(3)空间技术运用实现突破;(4)引导医疗技术的突破;(5)促进创新的、开放的竞争性市场确保可持续增长和高质量就业，催化国家优先技术的突破，建设一个创新型政府国家创新战略(1)在基础研究中进行世界领先的投资；(2)鼓励推行高质量的STEM教育；(3)清晰化引入移民推动创新经济的道路；(4)建立领先的21世纪物质基础设施；(5)建立新一代的数字基础设施。(1)增强私人部门的创新动;(2)为国家创新者助力;(3)创造高质量就业和持续经济增长(1)应对重大挑战;(2)用精准医疗靶向疾病;(3)通过BRAIN计划加速新神经技术的发展;(4)推动医疗保健领域的突破性创新;(5)使用先进车辆技术,降低死亡率;(6)建设智慧城市；(7)促进清洁能源技术，和提高能源效率；(8)实现教育软件技术革命；(9)发展突破性空间能力;(10)追求计算的新前沿;(11)利用创新结束2030年全球极端贫困。创造高质量就业和持续的 经济增长，催化国家优先技术领域突破，打造一个以民为本的创新型政府资料来源：沈梓鑫,江飞涛.美国产业政策的真相:历史透视、理论探讨与现实追踪J.经济社会体制比较,2019(06):92-103，国信证券经济研究所整理特朗普沿袭了奥巴马在新兴技术和前沿技术领域的布局，科技性产业政策总体遵循“自强”与“弱他”的理念。一方面，美国在此期间，科研投入持续增长，政府激励企业创新，特朗普政府在各财年研发预算提案中都主张削减基础研究等非国防研发支出，同时大规模降低企业所得税税率，以此推动企业增加研发支出。另一方面，重视新兴技术研发,促进未来产业发展。2020 年 10 月，美国白宫发布关键与新兴技术国家战略，明确列出了先进制造人工智能和量子信息科学等20 项对美国未来发展至关重要的技术领域。拜登政府的科技性产业政策大体上是对特朗普政府产业政策的延续，一方面，积极振兴国家创新基础，增加研发支出，研发强度进一步提升，2022 年，美国研发支出占 GDP 比重达到 3.44%，同时注重对创新主题的税收激励，2021 年颁布的 美国创新与就业法案提高了新企业与小型企业税收抵免的最高限额，将比例从原来的 14%提高到了 20%。另一方面，拜登政府注重对未来技术的布局，重视人工智能、半导体芯片、5G 通信技术、生物技术、量子计算等领域的发展。请务必阅读正文之后的免责声明及其项下所有内容证券研究报告证券研究报告16图17：特朗普政府时期美国科技战略的重点领域领域领域技术重点技术重点关键与新兴技术群关键与新兴技术群经济安全人工智能、量子信息科学、先进网络通信(5G)、先进制造、先进计算生物技术、物联网、自主系统、能量存储、机器学习、半导体军事安全人工智能、生物技术、自动化、网络、定向能、控制和通信、微电子、量子科学、高超音速技术、5G、导弹跟踪能力、导弹防御能力、现代战略或慑、先进计算、关键矿物生产与回收国土安全边境监视、侦查、执法国民健康传染病建模、预测、预防、治疗;生物医学能源/环境安全核能、可再生能源、化石能源等清洁能源;监测、预测建模、海洋勘探、天气预报与自然灾害防治空间宇宙月球和火星的探索、空间核系统、空间制造和组装人工智能、量子信息、科学、先进网络通信(5G)、先进计算、半导体与微电子、自主系统、生物技术资料来源：黄钊龙.特朗普政府时期美国科技战略解析J.南开学报(哲学社会科学版),2022,(03):86-94，国信证券经济研究所整理盈利持续增长催生科技股结构性行情盈利持续增长催生科技股结构性行情。2009 年后，在科技产业政策的支持下，科技和互联网公司盈利大幅提升，以信息技术为代表的科技板块超额收益加速上行，2009 年至今，信息技术板块公司平均涨幅超六倍，远高于其他行业。在此期间，诞生了 META、亚马逊、谷歌，奈飞等一大批科技巨头，苹果、微软、英伟达等科技巨头总市值先后突破万亿美元，截至目前，美股市值最大的 20 家上市公司中，8 家为信息技术或是通讯业务板块上市公司，从驱动因素来看，这些科技企业股价上涨主要受盈利增长带动，而估值的提升对股价的贡献较小。图18：2009 年至今美股各行业平均涨跌幅图19：SPX500 信息指数估值与盈利分解资料来源：万得，国信证券经济研究所整理资料来源：万得，国信证券经济研究所整理欧盟产业政策形成了横向政策和部门政策有机结合的基本框架。横向政策一直是欧盟产业政策的核心和主要内容,部门政策也是横向政策在各个部门的具体运用,根据具体部门的特点和需求安排相应的横向政策,即根据各部门结构问题、调整要求和发展目标创造必备的制度条件、外部环境,并不是直接干预。欧盟产业政策仍然是一种市场经济导向或市场友好型的产业政策,属于市场弥补型产业政策。强化国家干预不等于强化贸易保护，为了抢占科技高地而发挥政府机制的优势作用，是世界各国政府的普遍选择。请务必阅读正文之后的免责声明及其项下所有内容证券研究报告证券研究报告17图20：欧盟产业政策演进阶段阶段启动与尝试初期启动与尝试初期产业政策转型时期产业政策转型时期产业政策调整完善期产业政策调整完善期新产业政策体系发展和完善期新产业政策体系发展和完善期产业政策的政府干预强化期产业政策的政府干预强化期时间20世纪50年 代20世纪80年代中期20 世纪 90 年代-21世纪初21世纪初-2008年2009-2017年2017至今政策1951 年 签署巴黎条约以保障煤、钢供应,1957年签署罗马条约以建立关税同盟与共同市场1990年产业政策通报,签署马斯特里赫特条约2002、2004和2005年产业政策通报,横向产业政策与行业特征相结合的矩阵式的产业政策“欧洲 2020”战略,产业政策通报，“矩阵”式的产业政策方法十某些部门可补充性的措施法德产业政策的宜言、欧洲五年计划战略规划 2019-2024新欧洲工业战略定位确保煤炭和钢铁供应，建立共同市场构建产业创新发展的框架性条件,培养欧洲工业的竞争力为产业与企业发展和创新提供有利的框架性条件构筑利于提高创新与生产率的框架条件,促进竞争力的提升占领全球科技高地、提高欧盟在全球产业的竞争力和地缘政治角逐的战略自主性手段投资计划、配额、最低价格和贸易保护；减少关税,限制补贴，废除非关税壁垒通过横向政策提高欧洲竞争力横向政策:制度手段和预算手段;部门政策产业政策与创新政策环境政策相结合竞争政策、科技政策和创新政策相结合特征集中于特定领域的强干预性，以防御性政策为主从传统的干预性政策转向以横向产业政策为主，市场开放性、横向性和辅助性新产业政策体系及其理念形成。本质上仍是具有横向性质与市场导向的进入战略层面,兼具横向产业政策与特定部门自身特点，危机时个别部门的挽救与贸易保护大密度、大力度地推出产业政策新政,政策模式转向国家干预经济模式资料来源：马秀贞.欧盟产业政策的演进、阶段性特征及其镜鉴J.中共青岛市委党校.青岛行政学院学报,2024,(04):76-83，国信证券经济研究所整理欧美等在培育新兴产业和未来产业频繁运用产业政策或类似的政策工具，这些政策措施和激励机制聚焦于科技创新到商业化落地的方方面面，包括技术发展战略拟定、技术路线识别、构建产学研体系、优化融资环境等。政策手段主要包括提供资金支持，税收减免，建立国家级创新服务平台，优化人才培养体系等。但是在实际的实施过程中，欧盟的部分产业政策未能起到预期效果，为我们提供一定的警示作用。图21：欧盟部分未达预期的产业政策项目项目领域领域概述概述Minitel互联网接入Minitel是法国在上世纪80-90年代自主开发的早期互联网版本的尝试，终端免费发放，最终让大约2500万法国公民可以使用银行账户、黄页和其他各种服务。然而，Minitel的运作模式一个中心化且封闭的网络环境，终究未能与全球互联网的广泛开放性相抗衡，无法为用户带来同等丰富多元的体验。此外，Minitel用户还需承担不菲的费用。考虑到通货膨胀，使用Minitel的费用高达每小时22.95美元，这一高昂成本成为了该技术的一大短板。法国政府在2012年决定淘汰Minitel服务时，已累计投入了数千亿法国法郎用于该技术的开发与维护。GalileoGPS在1999年，欧盟启动了一项公私合作计划，目的是建立欧洲自己的全球定位服务系统Galileo。然而，不到三年的时间，该项目几乎面临失败，尽管如此，欧盟还是决定继续投资，为Galileo计划拨款高达50亿美元。到了2006年，原本的公私合作伙伴关系解体，该项目正式转为国有。在经历了数十亿美元的成本超支和一系列战略失误之后，Galileo终于在2011年发射了卫星进行验证测试，但直到2019年，这些卫星才开始全面投入使用。这个项目比原计划推迟了12年，成本也膨胀到了最初的三倍，而且并没有为欧洲大陆带来多少新技术。Quaero搜索引擎2008年，德国和法国联手启动Quaero项目，这是一个投资高达4亿美元的搜索引擎，一度被誉为“谷歌杀手”。该项目的初衷是创建一种能够与美国科技巨头相抗衡的搜索引擎服务。然而，不到一年时间，法德之间的合作关系便开始出现裂痕。到了2013年，Quaero项目正式宣告终止，没有留下任何搜索引擎的成果，却耗费了数亿欧元的资金。Airbnb在线平台法国政府计划开发自己版本的Airbnb和B，但这一愿景必须与Airbnb给法国带来的利益以及运营法国版Airbnb的成本进行权衡。根据Airbnb进行的一项研究，仅2015年，该公司就贡献了25亿欧元的经济活动总量，提供了13300个工作岗位，并增加了旅行者返回法国的可能性。同时，有23%的Airbnb房客表示，如果不是因为可以选择使用Airbnb，他们就不会去法国旅游。资料来源：Discourse，国信证券经济研究所整理请务必阅读正文之后的免责声明及其项下所有内容证券研究报告证券研究报告183.23.2 什么样的产业政策是真实有效的什么样的产业政策是真实有效的欧美在推动科技创新方面的产业政策经验欧美在推动科技创新方面的产业政策经验值得借鉴值得借鉴。美国政府一方面增加技术研发投入，重点扶植对经济发展、产业竞争和国家安全有重大意义的新兴关键产业，制定相关法案加大对关键产业的政府投资和补贴力度，同时积极布局科技创新的应用研究和商业化早期阶段，主动分担技术创新过程中的风险；另一方面，通过完善技术创新公共服务体系，政府注重于产业界的互动，构建起了一套“自上而下”和“自下而上”的良性互动关系，确保产业政策精准高效的同时打造了良好的市场环境。欧盟的产业政策则是一种市场经济导向型产业政策，政府通过积极作为弥补市场失灵问题，引导社会资源向科技领域配置，但是，部分欧盟产业政策过于强调政府的作用，过度将资源投向特定公司或技术方向，这种过度集中可能导致资源的巨大浪费，是部分产业政策失效的根本原因。综合美国和欧盟产业政策的成功经验综合美国和欧盟产业政策的成功经验，有效的产业政策应具备以下特点有效的产业政策应具备以下特点：在市场经济里，政府应积极作为，弥补市场失灵问题，为市场主体提供助力。一是普惠性，产业政策应该对行业内所有企业一视同仁，提供平等的支持和机会，避免特定企业或少数企业获得过多优势，促进整个行业的健康发展；二是竞争性，政策应该倾向于支持竞争激烈的行业，而不是已经形成垄断的行业。在竞争激烈的行业中，产业政策可以通过提供公平的竞争环境，促进创新和效率的提升；三是适度性，产业政策的力度应该适中，避免矫枉过正，过度干预导致产能过剩或其他负面后果。政策应该根据行业的发展阶段和市场状况灵活调整，同时明确退出机制，当产业目标达成或市场条件变化时，能够逐步减少政策支持，让市场机制重新发挥主导作用。图22：产业政策应在产业发展的导入期和成长期进入资料来源：万得，国信证券经济研究所整理在产业政策落地时在产业政策落地时，产业政策应做到精准高效产业政策应做到精准高效，与产业生命周期的演变同步与产业生命周期的演变同步，从从直接扶持向营造优质市场环境转变。直接扶持向营造优质市场环境转变。产业政策可以区分三类，一是结构性政策，结构性政策侧重于解决经济结构性问题，如促进特定产业的发展、改善产业间的协调关系、优化资源配置等，结构性政策往往针对特定的经济领域或产业，通过政策引导和支持，促进产业结构的优化和升级。二是功能性政策，这类政策侧重于通过政策手段实现市场功能的改善和提升，如通过基础设施建设、技术创新和人力资本投资等，降低社会交易成本，创造有效率的市场环境，使市场功能得到请务必阅读正文之后的免责声明及其项下所有内容证券研究报告证券研究报告19更好地发挥；第三类政策则兼具以上两种产业政策的特点。那么，从一个产业的生命周期演进过程来看，产业政策需要在产业的初创期和成长期介入，政府采用补贴及税收优惠等手段弥补市场失灵问题。具体而言，处于初创期的产业需要第一类产业政策予以呵护和扶持，随着产业逐渐发展，具备一定的造血能力时，第一类产业政策应开始向第二类产业政策过渡，政策定位的角色应逐步转变，从直接扶持产业发展，转向创造条件，让市场力量发挥更大的作用，从而避免行业内的过度竞争和产能过剩。3.33.3 如何让科技股拔估值如何让科技股拔估值产业政策的本质是把政府和市场有效地组织起来产业政策的本质是把政府和市场有效地组织起来，其核心是保护市场其核心是保护市场，分担技术分担技术研发到商业化的成本和风险研发到商业化的成本和风险。产业政策的目的就是让市场得到国家力量的支持，依据外部性和要素禀赋建立产业集群和生态圈，不断促进产业升级、提高竞争优势，从而增强经济增长、技术创新和国际贸易竞争力。通过前述对欧美国家产业政策的复盘和回顾，产业政策对科技型企业的估值主要作用于两个方面，一是直接给予科技型企业税收减免等优惠政策，直接提振其业绩水平，二是政策的介入在一定程度上为科技型企业提供了稳定性保障，这有助于缓解投资者对于科技创新风险的担忧。政策的托底作用增强了投资者对企业未来盈利潜力的信心，从而提高了企业的投资吸引力，并降低了投资者对企业所要求的必要回报率。这种信心的增强，对于吸引长期和稳定的投资至关重要，它有助于企业在资本市场上获得更有利的估值。产业政策布局方向产业政策布局方向产业政策应产业政策应注重注重供给侧和需求侧的协同发展，两者不可偏供给侧和需求侧的协同发展，两者不可偏废废。一是基于科学发现端的“供给侧”路径，所谓“供给侧”路径，就是通过创新和技术进步创造新供给，在新供给的带动下创造新的需求，这些产业多为未来产业，处于技术研发和验证阶段，产业政策为产业的萌芽期提供关键的支持，帮助产业克服起步阶段的挑战，即所谓的“死亡谷”，具体的实施路径包括：从基础研究出发，经过应用基础研究、关键技术研发、工程化集成与验证，最终实现商业化应用。二是着眼于市场需求端的“需求侧”路径，这类产业政策以支持新兴产业为主，以提升产业的全要素生产率为主要目的，是支撑短期经济增长的主要动力，但为了预防产能过剩的风险，产业政策需要在适当的时机有序退出，具体的实现路径为市场洞见一产品或项目策划-产品开发一科学研究支撑一工程化集成与验证-商业化应用。图23：产业政策应注重供给侧和需求侧的协同发展资料来源：钱翰博,马祥涛,赵青,等.美国科技政策演化对创新体系的作用分析及相关思考J.科技中国,2023,(10):28-31，国信证券经济研究所整理请务必阅读正文之后的免责声明及其项下所有内容证券研究报告证券研究报告20产业政策进入时点产业政策进入时点产业政策应在科技型企业尚处初创期和成长期时予以支持产业政策应在科技型企业尚处初创期和成长期时予以支持。一方面，精准适度的产业政策能够提振市场信心，消解市场对于科技型企业前景不确定性的忧虑，从而降低分母端投资者所要求的必要回报率，减小风险溢价水平；另一方面，产业政策起到托底作用，产业政策通过提供必要的财政补贴和税收优惠等支持，增强了企业的盈利能力和市场预期。简言之，有效的产业政策能够在优化分母端投资回报率的同时提升分子端企业盈利，分子端及分母端共振促进科技股估值的稳步提升。图24：产业政策对科技股估值提升的影响资料来源：万得，国信证券经济研究所整理新质生产力视角下科技股投资机遇初显新质生产力视角下科技股投资机遇初显，自 2023 年中央经济工作会议以来，新质生产力在重要会议和政策文件中被反复提及，产业政策也围绕着新质生产力建设展开，2024 上半年，以电子、汽车、通信为代表的科技板块业绩显著增长，在培育新质生产力的背景下，科技板块有望迎来新的增长机遇，同时，美联储开启降息周期，为科技板块估值修复提供了利好。市场交易策略可能会从风险偏好下行的稳健类债资产，转向分子端长期盈利改善的“新质资产”，科技板块的投资潜力逐渐显现，有望带动新一轮的结构性行情。图25：近期重要会议及政策文件中关于新质生产力的相关表述资料来源：中国政府网，国信证券经济研究所整理产业政策利好科技板块估值提升产业政策利好科技板块估值提升，从分子端来看，近期重要的政策会议文件均提出财政政策要落实好结构性减税降费，重点支持科技创新和制造业的发展，这将切实降低科技型企业的成本，提振其盈利能力；货币政策方面则是发挥结构功能，引导机构对科技创新等方面的支持力度，有效拓宽了科技型企业的融资渠道，降低了其面临的融资约束；从分母端看，新质生产力从提出后，范围持续聚焦到重点的新兴产业及未来产业方面，同时产业政策注重营造良好的创新环境，产业政请务必阅读正文之后的免责声明及其项下所有内容证券研究报告证券研究报告21策的呵护有力将有效提振投资者信心，减少科技型企业的风险溢价水平。分子端与分母端的共振将有助于科技型企业估值提升。图26：科技板块投资机遇初显资料来源：中国政府网，国信证券经济研究所整理(1)(1)未来产业未来产业关注技术突破行业的主题投关注技术突破行业的主题投资机遇资机遇未来产业由前沿技术驱动，当前处于孕育萌发阶段或产业化初期，是具有显著战略性、引领性、颠覆性和不确定性的前瞻性新兴产业。大力发展未来产业，是引领科技进步、带动产业升级、培育新质生产力的战略选择。未来产业目前仍在技术研发或论证阶段，短期内难以为企业带来业绩提升，推荐关注短期技术突破行业的主题投资机遇。2024 年 1 月，工信部等七部门联合发布 关于推动未来产业创新发展的实施意见，提出了未来产业的六大发展方向，即未来制造、未来信息、未来材料、未来能源、未来空间和未来健康，并提出打造标志性产品：一是下一代智能终端；二是信息服务产品；三是未来高端装备。并强调到 2025 年，未来产业技术创新、产业培育、安全治理等全面发展，部分领域达到国际先进水平，产业规模稳步提升。建设一批未来产业孵化器和先导区，突破百项前沿关键核心技术，形成百项标志性产品，打造百家领军企业，开拓百项典型应用场景，制定百项关键标准，培育百家专业服务机构，初步形成符合我国实际的未来产业发展模式。图27：未来产业标志性产品标志性产品标志性产品概述概述下一代智能终端发展适应通用智能趋势的工业终端产品，支撑工业生产提质增效，赋能新型工业化。发展量大面广、智能便捷、沉浸体验的消费级终端，满足数字生活、数字文化、公共服务等新需求。打造智能适老的医疗健康终端，提升人民群众生命健康质量。突破高级别智能网联汽车、元宇宙入口等具有爆发潜能的超级终端，构筑产业竞争新优势。信息服务产品发展下一代操作系统，构筑安全可靠的数字底座。推广开源技术，建设开源社区，构建开源生态体系。探索以区块链为核心技术、以数据为关键要素，构建下一代互联网创新应用和数字化生态。面向新一代移动信息网络、类脑智能等加快软件产品研发，鼓励新产品示范应用，激发信息服务潜能。未来高端装备面向国家重大战略需求和人民美好生活需要，加快实施重大技术装备攻关工程，突破人形机器人、量子计算机、超高速列车、下一代大飞机、绿色智能船舶、无人船艇等高端装备产品，以整机带动新技术产业化落地，打造全球领先的高端装备体系。深入实施产业基础再造工程，补齐基础元器件、基础零部件、基础材料、基础工艺和基础软件等短板，夯实未来产业发展根基。资料来源：中国政府网，国信证券经济研究所整理(2)(2)新兴产业新兴产业关注渗透率快速提升及出海布局的关注渗透率快速提升及出海布局的产业产业战略性新兴产业是短期内推动新质生产力发展的重要力量，发展战略性新兴产业请务必阅读正文之后的免责声明及其项下所有内容证券研究报告证券研究报告22已成为世界主要国家抢占新一轮经济和科技发展制高点的重大战略。早在 2010年，国务院便出台国务院关于加快培育和发展战略性新兴产业的决定，提出节能环保、新一代信息技术、生物、高端装备制造、新能源、新材料、新能源汽车七大产业用 20 年达世界先进水平。经过十余年的发展，部分新兴产业经历快速发展，已经从成长期步入成熟期，部分产业开始面临产能过剩的问题，曾经的新兴产业诸如光伏及新能源汽车等行业，已经建立起高效协同的产业体系，陆续开始卷技术、卷价格，利润空间被持续压缩，在此背景下，企业出海开辟产业发展新蓝海，是化解当前过剩产能，寻求企业利润增长点的突破口，中资企业出海也由企业的“选修课”成为“必修课”，根据 Beyondclick 发布的2023 年中国企业出海信心报告，87.6%的被调研企业对布局海外业务表现出积极心态，超六成企业有海外业务拓展计划，其中新锐出海企业展示出的信心更强。新兴产业的边界并非一成不变，新能源、绿色环保等产业被提及的频率逐渐减少，而新一代信息技术、人工智能、航空航天等产业则受到越来越多的关注，被认为是未来经济增长的新引擎。这些产业已经从初创期过渡到成长期，渗透率正在快速提升。政策的支持，包括财政资金的投入、税收优惠、创新平台的建设等，都在为这些产业的成长提供强有力的支撑。随着技术的进步和市场的成熟，预计这些产业将在未来发挥更加重要的作用，并可能成为推动新质生产力发展的关键力量。(3)(3)传统产业传统产业数字经济与实体经济深度融合数字经济与实体经济深度融合传统产业转型升级同样是新质生产力建设的重要一环，关键在于数字经济与传统经济深度融合，进而提高传统产业的全要素生产率。我国传统产业陆续步入成熟期和衰退期，大部分产业面临产能过剩的问题，缺乏议价权，行业盈利水平长期偏低。在传统产业转型升级的背景下，推荐关注数字经济上下游产业链的投资机会。数字经济即直接或间接利用数字要素配置资源，推动生产率提升的新经济形态。根据中国信通院发布的中国数字经济发展研究报告，数字经济具体包括四大部分：一是数字产业化，即信息通信产业，具体包括电子信息制造业、电信业、软件和信息技术服务业、互联网行业等;二是产业数字化，即传统产业应用数字技术所带来的产出增加和效率提升部分，包括但不限于智能制造、车联网、平台经济等融合型新产业新模式新业态:三是数字化治理，包括但不限于多元治理，以“数字技术 治理”为典型特征的技管结合，以及数字化公共服务等;四是数据价值化，包括但不限于数据采集、数据标准、数据确权、数据标注、数据定价、数据交易、数据流转、数据保护等。数字经济与传统经济的深度融合，支撑了我国新质生产力的发展壮大。在供给侧，数字技术的广泛应用，可有效促进传统产业全要素生产率提升，降低传统产业对有形资源的消耗，为经济发展提质增效。在需求侧，数字经济推动消费方式的转变，有效扩大市场需求，为经济发展扩容增量。据中国信通院统计，2023 年我国数字经济规模已经达到 54 万亿元，占 GDP 比重达 42.8%，我国 5G、人工智能等技术创新持续取得突破，数据要素市场加快建设，数字经济产业体系不断完善，同时，人工智能、大数据等技术的发展将进一步推动数字经济与传统经济的融合发展，带动全要素生产率的持续提升。请务必阅读正文之后的免责声明及其项下所有内容证券研究报告证券研究报告23图28：数字经济产业链图29：数字经济占比及增速数数字字经经济济行行业业细细分分行行业业数字产品制造业计算机制造、通讯及雷达设备制造、数字媒体设备制造、智能设备制造、电子元器件及设备制其他数字产品制造业数字产品服务业数字产品批发、数字产品零售、数字产品租赁、数字产品维修、其他数字产品服务业数字技术应用业软件开发、电信、广播电视、互联网相关服务、信息技术服务、其他数字技术应用业数字要素驱动业互联网平台、互联网批发零售、互联网金融、数字内容与媒体、信息基础设施建设、数据资源与产权交易、其他数字要素驱动业产业数字化数字化效率提升业智慧农业、智能制造、智能交通、智慧物流、数字金融、其他数字金融、数字商贸、数字社会、数字政府、其他数字化效率提升数字经济核心产业资料来源：上奇研究院，国信证券经济研究所整理资料来源：中国信通院，国信证券经济研究所整理请务必阅读正文之后的免责声明及其项下所有内容证券研究报告证券研究报告24风险提示风险提示1.1.海外货币政策路径不确定性的风险；2.2.本报告为历史分析报告，仅作为中美股市细分领域的对照，不构成任何对市场走势的判断或建议；3.3.文中涉及的个股仅作为梳理列举，不作为任何投资推荐依据。证券研究报告证券研究报告免责声明免责声明分析师声明分析师声明作者保证报告所采用的数据均来自合规渠道；分析逻辑基于作者的职业理解，通过合理判断并得出结论，力求独立、客观、公正，结论不受任何第三方的授意或影响；作者在过去、现在或未来未就其研究报告所提供的具体建议或所表述的意见直接或间接收取任何报酬，特此声明。国信证券投资评级国信证券投资评级投资评级标准投资评级标准类别类别级别级别说明说明报告中投资建议所涉及的评级（如有）分为股票评级和行业评级（另有说明的除外）。评级标准为报告发布日后 6 到 12 个月内的相对市场表现，也即报告发布日后的6到12个月内公司股价（或行业指数）相对同期相关证券市场代表性指数的涨跌幅作为基准。A 股市场以沪深 300 指数（000300.SH）作为基准；新三板市场以三板成指（899001.CSI）为基准；香港市场以恒生指数(HSI.HI)作为基准；美国市场以标普 500 指数(SPX.GI)或纳斯达克指数（IXIC.GI）为基准。股票投资评级优于大市股价表现优于市场代表性指数 10%以上中性股价表现介于市场代表性指数10%之间弱于大市股价表现弱于市场代表性指数 10%以上无评级股价与市场代表性指数相比无明确观点行业投资评级优于大市行业指数表现优于市场代表性指数 10%以上中性行业指数表现介于市场代表性指数10%之间弱于大市行业指数表现弱于市场代表性指数 10%以上重要声明重要声明本报告由国信证券股份有限公司（已具备中国证监会许可的证券投资咨询业务资格）制作；报告版权归国信证券股份有限公司（以下简称“我公司”）所有。本报告仅供我公司客户使用，本公司不会因接收人收到本报告而视其为客户。未经书面许可，任何机构和个人不得以任何形式使用、复制或传播。任何有关本报告的摘要或节选都不代表本报告正式完整的观点，一切须以我公司向客户发布的本报告完整版本为准。本报告基于已公开的资料或信息撰写，但我公司不保证该资料及信息的完整性、准确性。本报告所载的信息、资料、建议及推测仅反映我公司于本报告公开发布当日的判断，在不同时期，我公司可能撰写并发布与本报告所载资料、建议及推测不一致的报告。我公司不保证本报告所含信息及资料处于最新状态；我公司可能随时补充、更新和修订有关信息及资料，投资者应当自行关注相关更新和修订内容。我公司或关联机构可能会持有本报告中所提到的公司所发行的证券并进行交易，还可能为这些公司提供或争取提供投资银行、财务顾问或金融产品等相关服务。本公司的资产管理部门、自营部门以及其他投资业务部门可能独立做出与本报告中意见或建议不一致的投资决策。本报告仅供参考之用，不构成出售或购买证券或其他投资标的要约或邀请。在任何情况下，本报告中的信息和意见均不构成对任何个人的投资建议。任何形式的分享证券投资收益或者分担证券投资损失的书面或口头承诺均为无效。投资者应结合自己的投资目标和财务状况自行判断是否采用本报告所载内容和信息并自行承担风险，我公司及雇员对投资者使用本报告及其内容而造成的一切后果不承担任何法律责任。证券投资咨询业务的说明证券投资咨询业务的说明本公司具备中国证监会核准的证券投资咨询业务资格。证券投资咨询，是指从事证券投资咨询业务的机构及其投资咨询人员以下列形式为证券投资人或者客户提供证券投资分析、预测或者建议等直接或者间接有偿咨询服务的活动：接受投资人或者客户委托，提供证券投资咨询服务；举办有关证券投资咨询的讲座、报告会、分析会等；在报刊上发表证券投资咨询的文章、评论、报告，以及通过电台、电视台等公众传播媒体提供证券投资咨询服务；通过电话、传真、电脑网络等电信设备系统，提供证券投资咨询服务；中国证监会认定的其他形式。发布证券研究报告是证券投资咨询业务的一种基本形式，指证券公司、证券投资咨询机构对证券及证券相关产品的价值、市场走势或者相关影响因素进行分析，形成证券估值、投资评级等投资分析意见，制作证券研究报告，并向客户发布的行为。证券研究报告证券研究报告国信证券经济研究所国信证券经济研究所深圳深圳深圳市福田区福华一路 125 号国信金融大厦 36 层邮编：518046总机：0755-82130833上海上海上海浦东民生路 1199 弄证大五道口广场 1 号楼 12 层邮编：200135北京北京北京西城区金融大街兴盛街 6 号国信证券 9 层邮编：100032
2024-09-29
26页
5星级
证券研究报证券研究报告告 证监会审核华创证券投资咨询业务资格批文号：证监许可（2009）1210号 行业研究行业研究 电子电子 2024 年年 09 月月 28 日日 电子行业深度研究报告 推荐推荐（维持）（维持）Scaling law 依然有效依然有效，自研，自研 AI 芯片后劲十足芯片后劲十足 Scaling law 依然有效依然有效，AI 自研应需而生自研应需而生。ChatGPT 掀起新一轮 AI 产业浪潮，预训练测 Scaling law 仍然有效，推理侧 Scaling law 刚崭露头角，AI 算力有望维持高增长。全球科技龙头纷纷想抓住此轮 AI 浪潮的发展机遇，资本开支快速增长，但 AI 投入尚未得到明显回报，置身于是否加码 AI 投资的两难境地，自研 AI 芯片具备降本增效、提高自身竞争力等优势，AI 自研应需而生。英伟达深耕英伟达深耕 AI 产业十多载，在产业十多载，在 GPU/网络网络/软件三方面筑建深厚壁垒软件三方面筑建深厚壁垒。英伟达抓住以深度学习、大模型为核心技术的 AI 技术变革机遇，针对 AI 模型的大规模并行计算需求，在 GPU、高速互连领域深度布局。其中，单 GPU 节点算力凭借着在结构、核心数等方面进行能力提升，过往 8 年内算力增长超千倍；在高速互连领域，英伟达在片间、Scale Up 和 Scale Out 网络域均提出相应解决方案。这些努力最终促使英伟达在 AI 系统领域构建了深厚的护城河。若想取代甚至超越英伟达需要在 AI 加速器、高速互连等多方面取得突破。AI 产业群雄并起，自研产业群雄并起，自研 AI 有望提速有望提速。面对英伟达在 AI 算力领域的领导地位，以北美云厂商为首的科技企业，在算力芯片、高速互连等领域进行前瞻布局。其中，在 AI 自研芯片领域，亚马逊、微软、Meta 等超大规模 AI 客户联合 Broadcom、Marvell 等芯片厂商，加快 AI 芯片推出速度；在 Scale Up网络，以 AMD、博通为首的科技玩家，构建 UALink 高速互连开放标准，提供了复制 NVlink 高速互连的路径，聚合全产业资源，加速追赶 NVlink。在Scale Out 网络，以太网凭借着生态优势、齐备的产业链和较高的性价比，得到了亚马逊、Meta、字节跳动等科技巨头们的青睐，超以太网联盟和英伟达Spectrum-X 平台两大阵营均在该领域发力，推动以太网 AI 网络快速发展。未来基于以太网的 AI 网络有望成为主流解决方案。随着非英伟达阵营在 AI 加速器、高速互连等领域不断取得突破，AI 自研方案有望加速落地。投资建议投资建议：AI 算力需求推动 AI 服务器、高速交换机用 PCB 需求维持高增长，相关公司有望深度受益。具体如下：（1）沪电股份：）沪电股份：公司深耕北美客户，AI 业务加速放量，800G 交换机有望与 AI 服务器共振向上。（2）生益电）生益电子：子：公司深耕数通板行业十多载，成功开发了包括亚马逊在内的多家服务器客户，AI 配套的主板及加速卡项目均已经进入量产阶段；800G 交换机产品已经小批量交付，有望开始放量。（3）胜宏科技：）胜宏科技：公司前瞻布局 HDI 领域，AI 多业务条线进展顺利，有望深度受益于 AI 服务器用 HDI 需求提升。风险提示风险提示：AI 产业发展不及预期、行业竞争格局加剧、产品导入不及预期、新技术迭代风险、原材料价格大幅上涨。重点公司盈利预测、估值及投资评级重点公司盈利预测、估值及投资评级 EPS（元）（元）PE（倍）（倍）PB（倍）（倍）简称简称 股价（元）股价（元）2024E 2025E 2026E 2024E 2025E 2026E 2024E 评级评级 沪电股份 36.52 1.38 1.86 2.08 26.50 19.67 17.59 6.10 强推 生益电子 21.49 0.22 0.66 0.98 96.11 32.80 21.91 4.29 推荐 胜宏科技 34.00 1.45 2.33 3.13 23.39 14.60 10.86 3.34 强推 资料来源：Wind，华创证券预测 注：股价为2024年9月27日收盘价 证券分析师：熊翊宇证券分析师：熊翊宇 邮箱： 执业编号：S0360520060001 证券分析师：耿琛证券分析师：耿琛 电话：0755-82755859 邮箱： 执业编号：S0360517100004 证券分析师：岳阳证券分析师：岳阳 邮箱： 执业编号：S0360521120002 联系人：董邦宜联系人：董邦宜 邮箱： 行业基本数据行业基本数据 占比%股票家数(只)467 0.06 总市值(亿元)60,142.35 7.27 流通市值(亿元)47,521.91 7.31 相对指数表现相对指数表现%1M 6M 12M 绝对表现 11.7%5.5%-2.7%相对表现-0.4%-0.2%-2.8%相关研究报相关研究报告告 消费电子行业重大事项点评：国内外大厂加速布局，AI 眼镜或将成为下一代 AI 最佳落地终端之一 2024-08-15 电子行业 2023年报及 2024年一季报总结：AI赛道从云侧向端侧加速布局，驱动电子行业迎来复苏 2024-05-26 消费电子行业深度研究报告：潜望式镜头引领智能手机光学创新，产业链相关标的有望受益 2024-04-25 -24%-12%-1#/0923/1224/0224/0524/0724/092023-09-272024-09-27电子沪深300华创证券研究华创证券研究所所 电子行业深度研究报告电子行业深度研究报告 证监会审核华创证券投资咨询业务资格批文号：证监许可（2009）1210号 投资投资主题主题 报告亮点报告亮点 AI 技术技术底层原理解构，揭开底层原理解构，揭开 AI 算力基础设施面纱算力基础设施面纱。本文梳理了 AI 技术的演进趋势，揭示了 AI 算力本质上是一种大规模并行计算，并通过对英伟达在 GPU/高速互连领域的布局进行解构，指出了 AI 算力硬件产品的升级迭代的方向。AI 产业群雄并起，产业群雄并起，AI 自研自研有望提速有望提速。本文指出了头部科技企业面临是否加码 AI 基础设施的两难境遇，AI 自研应需而生。通过 AI 头部玩家在 AI 加速器、高速互连领域布局的分析，与前文 AI 算力需求、英伟达 AI 产业布局遥相呼应，可以看出 AI 自研逐步走上正轨，有望迎来快速发展期。投资逻辑投资逻辑 AI 产业产业快速快速发展，发展，有望有望推动推动数通板数通板行业迎来量价齐升行业迎来量价齐升。本文从 AI 技术底层原理出发，对 AI 产业头部玩家英伟达进行解构，分析非英伟达阵营在 AI 产业的进展，结合当前科技企业的境遇，推断出 AI 自研芯片有望迎来快速增长黄金期，数通板行业有望迎来量价齐升，相关 PCB 企业有望深度受益。电子行业深度研究报告电子行业深度研究报告 证监会审核华创证券投资咨询业务资格批文号：证监许可（2009）1210号 3 目目 录录 一、一、大模型大模型 Scaling 仍在持续，推动大规模并行计算仍在持续，推动大规模并行计算.7（一）GPU与深度学习相辅相成，开启新一轮 AI浪潮.7（二）AI大模型掀起新一轮 AI技术变革，大规模分布式 AI算力需求迫切.9 二、二、解构英伟达解构英伟达 AI 布局，探寻布局，探寻 AI 产业发展方向产业发展方向.13（一）GPU算力提升之路：微结构提升或有望成为算力提升主要途径.14（二）高速互连：构建全系列高速互连系统，打造 AI超级计算机.16 1、NVLink：从内部高速互连走向超级网络.18 2、IB 交换机：构建无损的 RDMA网络，支持 Scale Out网络互连.26 三、三、AI 产业群雄并起，产业群雄并起，AI 自研后劲十足自研后劲十足.28（一）AI自研芯片：AI算力成为核心要素，科技巨头追求自主可控.28（二）UALink：UALink 打造开放高速互连标准，旨在打破英伟达 NVlink垄断.31（三）以太网：以太网优势日益凸显，加速广泛部署于 AI算力中心.32 四、四、相关公司相关公司.38（一）沪电股份：AI业务加速放量，800G交换机有望与 AI服务器共振向上.38（二）生益电子：AI服务器大批量交付，800G交换机产品有望放量.38（三）胜宏科技：前瞻布局 HDI领域，深度受益于 AI服务器用 HDI需求提升.38 五、五、风险提示风险提示.39 电子行业深度研究报告电子行业深度研究报告 证监会审核华创证券投资咨询业务资格批文号：证监许可（2009）1210号 4 图表目录图表目录 图表 1 深度学习通过嵌套映射来学习复杂概念.7 图表 2 深度学习是一种特定的机器学习.7 图表 3 深度神经网络前向传播过程.8 图表 4 深度神经网络反向传播过程.8 图表 5 CPU与 GPU架构对比.9 图表 6 芯片架构设计三大目标：带宽（Bandwidth）、延时（Latency）和吞吐量（Throughput）.9 图表 7 AI算力需求增长速度远超硬件算力提升速度.10 图表 8 分布式计算与单节点计算对比.10 图表 9 AI模型分布式并行策略.11 图表 10 模型训练时，张量并行的通信流量远高于流水线和数据并行.11 图表 11 大模型训练中常用的混合并行训练策略.12 图表 12 AI集群的典型架构.13 图表 13 AI大模型训练基本过程.13 图表 14 英伟达的三大支柱系统和网络、硬件和软件.14 图表 15 GPU 架构发展之路.15 图表 16 V100的 44矩阵乘法比 P100快 12倍.15 图表 17 Transformer引擎自动处理数据精度.15 图表 18 H100相比 A100性能提升 6倍主要源自架构创新.16 图表 19 Transformer 模型大小随不同用例呈指数级增长.16 图表 20 过往 8年时间单 GPU算力提升 1000倍.16 图表 21 AI算力三种网络.17 图表 22 Scale Up和 Scale Out网络对比.17 图表 23 GPU 之间 PCIe通信需要通过 CPU.18 图表 24 GPU 之间使用 NVLink 通信无需通过 CPU.18 图表 25 历代 NVlink情况.18 图表 26 H200八卡服务器配置 4颗 NVSwitch芯片.19 图表 27 历代 NVSwitch芯片情况.19 图表 28 历代 NVSwitch芯片情况.19 图表 29 多 GPU之间通信是否使用 NVSwtich芯片.19 图表 30 不使用 NVSwitch芯片将导致需要花费更多的时间用于通信.19 图表 31 是否使用 NVSwtich芯片的 GPU之间通信带宽速度比较.20 图表 32 GPU 并行计算中涉及数据交换和并行计算.20 电子行业深度研究报告电子行业深度研究报告 证监会审核华创证券投资咨询业务资格批文号：证监许可（2009）1210号 5 图表 33 NVSwitch 的 SHARP 功能可以提升通信效率，加速计算过程.20 图表 34 NVLink交换机.21 图表 35 NVLink网络与 NVLink 对比.21 图表 36 NVLink交换机构建 SuperPOD.22 图表 37 NVLink网络与 IB网络对比.22 图表 38 NVlink网络在通信密集任务下性能优势更加明显.23 图表 39 NVLink-C2C技术.23 图表 40 GH200 Superchip芯片结构及 GPU、CPU之间内存访问通道.24 图表 41 NVLink C2C 大幅加快推理速度.24 图表 42 GB200 NVL72 机柜.24 图表 43 Compute Tray.25 图表 44 Switch Tray.25 图表 45 GB200 NVL72 Compute Tray 和 Switch Tray的结构.25 图表 46 B200 GPU芯片.26 图表 47 第五代 NVLink 交换芯片.26 图表 48 AI网络与传统数据中心网络需求对比.26 图表 49 RDMA和传统 TCP/IP 比较.26 图表 50 RDMA相比传统以太网有更高的带宽.26 图表 51 RDMA相比传统以太网有更低的延迟.26 图表 52 不同 RDMA协议栈.27 图表 53 IB、iWARP和 RoCE对比.27 图表 54 英伟达在 GPU、CUDA和 Networking构建深厚的护城河.28 图表 55 北美科技厂商资本开支快速增长（亿美元）.29 图表 56 ASIC受到云厂商的青睐.29 图表 57 北美云厂商纷纷推出自研 AI芯片.29 图表 58 定制化 AI芯片满足客户三大需求.30 图表 59 Marvell 预计 2028年全球 Accelerated custom compute 市场规模将达到 429亿美元.31 图表 60 搭载 ASIC自研芯片 AI Server 出货占比逐步走高.31 图表 61 UAlink创建 Scale Up网络.32 图表 62 AI数据中心与传统的 CPU 数据中心所面临场景有所不同.33 图表 63 以太网已经被用于部署大规模 AI集群.33 图表 64 AI头部玩家纷纷布局基于以太网的 AI网络.33 图表 65 全球生成式 AI数据中心以太网交换机市场规模预计迎来高速发展.34 图表 66 超以太网联盟成员众多，聚集了 AI产业头部玩家.34 电子行业深度研究报告电子行业深度研究报告 证监会审核华创证券投资咨询业务资格批文号：证监许可（2009）1210号 6 图表 67 UEC 相比 RDMA有多个方面进行了优化.34 图表 68 Spectrum-X平台相对于传统以太网的表现有大幅提升.35 图表 69 英伟达计划 Spectrum-X平台用于构建百万级别 GPU的 AI网络.35 图表 70 不同类型交换机对比.36 图表 71 Arista、ODM直销交换机在全球以太网交换机中占比持续提升.36 图表 72 Arista高速交换机市场份额逐步逼近 Cisco.37 图表 73 2023年 Arista高速交换机端口出货量超过 Cisco.37 电子行业深度研究报告电子行业深度研究报告 证监会审核华创证券投资咨询业务资格批文号：证监许可（2009）1210号 7 一、一、大模型大模型 Scaling 仍在持续仍在持续，推动大规模并行计算推动大规模并行计算（一）（一）GPU 与深度学习相辅相成，开启新一轮与深度学习相辅相成，开启新一轮 AI 浪潮浪潮 深度学习开启新一轮深度学习开启新一轮 AI 浪潮浪潮，大模型接续发力，大模型接续发力。2006年图灵奖得主 Hinton在Science提出了深度神经网络，掀起了基于深度学习的新一轮 AI 浪潮，奠定了大模型发展的基础。深度学习兴起的背景是计算能力的提高和大数据时代的到临，能够让机器自动地从原始数据中学习。从原始数据中提取高层次、抽象的特征是非常困难的。深度学习另辟蹊径，让计算机通过比较简单概念来构建复杂的概念，能够让计算机从经验和数据中得到提高的技术，在计算机视觉、自然语言处理等领域取得了一定的成果。深度学习早期主要用于解决机器学习中的表示学习的问题，但是由于其强大的能力，逐渐被用于解决一些通用人工智能的问题，如推理、决策等，当前主流的大模型技术本质上是由深度学习的延伸发展而来的。图表图表 1 深度学习通过嵌套映射来学习复杂概念深度学习通过嵌套映射来学习复杂概念 图表图表 2 深度学习是一种特定的机器学习深度学习是一种特定的机器学习 资料来源：Ian Goodfellowd等Deep Learning 资料来源：Ian Goodfellowd等Deep Learning 深度学习深度学习训练、推理过程需要训练、推理过程需要大量大量并行并行运算。运算。深度学习广泛应用的模型是神经网络，主要是因为神经网络能够使用反向误差传播算法，可以很好地解决贡献度问题。深度学习狭义上就是很多层神经网络。深度神经网络通过训练以后用于推理任务，其中训练过程主要是让模型通过输入的数据不断学习，即调整模型的参数，包含前向传播和反向传播2 个过程；推理过程主要是指训练好的模型对输入数据进行预测，仅包含前向传播过程。不论是前向传播还是反向传播均需要大量的并行运算。电子行业深度研究报告电子行业深度研究报告 证监会审核华创证券投资咨询业务资格批文号：证监许可（2009）1210号 8 图表图表 3 深度神经网络前向传播过程深度神经网络前向传播过程 图表图表 4 深度神经网络反向传播过程深度神经网络反向传播过程 资料来源：鲁蔚征秦续业Python数据科学加速 资料来源：鲁蔚征秦续业Python数据科学加速 GPU 采用高度并行架构，采用高度并行架构，适用于深度学习大规模并行计算适用于深度学习大规模并行计算。CPU 用于处理操作系统、应用程序运行中各类计算任务，需要很强的通用性；GPU可以更高效地处理并行运算任务。从架构上看，CPU与 GPU主要存在几大区别：（1）并行处理能力：并行处理能力：CPU 拥有较少的计算单元（ALU），但是具有复杂的控制单元（Control），擅长逻辑控制和串行计算。GPU 拥有大量的计算单元（ALU）和线程（Thread），大量 ALU 可以实现大的计算吞吐量，超配线程可以同时处理多个任务，能够较好处理内存延时问题，从而专注于大规模并行计算。（2）内存架构：内存架构：CPU 拥有较大的 Cache，可以缓存大量后续可能需要访问的数据，从而降低读取数据的时间。GPU 缓存很少，且其缓存目的与 CPU 不同，是为更多的线程服务的，如果有很多线程需要访问一个相同的数据，缓存会合并访问需求然后去访问 DRMA，获取数据后再发到对应的线程。GPU 拥有更多的寄存器能够支持大量的线程。（3）指令集：指令集：CPU 的指令集通用性更强，适合执行各类任务；GPU 的指令集主要用于图形处理和通用计算。CPU 可以在不同的指令集之间快速切换，而 GPU 只是获取大量相同的指令并进行高速推送。（4）功耗和散热：功耗和散热：CPU 功耗相对较低，散热要求也相对较低；GPU 由于其高度并行特性，其功耗通常相对较高，需要更好的散热系统来保证稳定运行。电子行业深度研究报告电子行业深度研究报告 证监会审核华创证券投资咨询业务资格批文号：证监许可（2009）1210号 9 图表图表 5 CPU 与与 GPU 架构对比架构对比 资料来源：Github GPU 追求高吞吐量，追求高吞吐量，CPU 追求低延时。追求低延时。GPU 与 CPU 的架构之间的差异是因为追求不同的目标。GPU的设计目标是最大化吞吐量，相比单个任务执行的速度，其更关心多任务的并行度，允许一次将尽可能多的任务送到 GPU，然后通过大量的 Core 并行处理任务。CPU 以序列化地方式处理任务，其目标是在尽可能低的延迟下完成任务，同时保持任务之间快速切换的能力。图表图表 6 芯片架构设计三大目标：带宽（芯片架构设计三大目标：带宽（Bandwidth）、延时（）、延时（Latency）和吞吐）和吞吐量量（Throughput）资料来源：Github（二）（二）AI 大模型掀起新一轮大模型掀起新一轮 AI 技术变革，大规模分布式技术变革，大规模分布式 AI 算力需求迫切算力需求迫切 AI 算力需求增长迅速，算力需求增长迅速，拉动大规模分布式拉动大规模分布式 AI 算力基础设施需求算力基础设施需求快速增长快速增长。深度学习掀起新一轮 AI 浪潮，算法、算力和数据三大要素协同迭代，推动 AI 模型能力不断提升。在过去十多年时间里，受限于摩尔定律，CPU/GPU/TPU 等处理器的算力增长速度远不及 AI 算力需求增长速度。面对迅速增长的 AI 算力需求，大规模分布式计算能够将复杂的任务分解到单个处理器上，用以解决单芯片性能不足的问题。未来随着大模型的广泛使用，大规模分布式 AI算力需求有望持续高增长。电子行业深度研究报告电子行业深度研究报告 证监会审核华创证券投资咨询业务资格批文号：证监许可（2009）1210号 10 图表图表 7 AI 算力需求增长速度远超硬件算力提升速度算力需求增长速度远超硬件算力提升速度 资料来源：麦络等机器学习系统：设计与实现 图表图表 8 分布式计算与单节点计算对比分布式计算与单节点计算对比 资料来源：麦洛等机器学习系统：设计和实现 深度学习算法并行运行三大方式：数据并行、流水线并行和张量并行。（1）数据并行数据并行：数据并行可以解决单节点算力不足的问题。该并行方式使用多个并行设备来加速训练，每个设备上部署相同的模型，将训练数据划分到不同设备上。各设备利用本地训练数据进行训练，完成前向传播和反向传播。在反向传播过程中，不同设备上的模型会生成局部梯度，需要对不同设备上相对应的局部梯度进行聚合，计算平均梯度，然后利用平均梯度更新模型参数，从而确保各设备上模型的参数是一致的。该聚合过程往往由集合通信 AllReduce 操作完成，通信的数据量规模和模型参数规模成正比，对于千亿、万亿规模参数的大模型来说通信数据量是很大的。（2）流水线流水线并行：并行：深度神经网络由多层神经网络组成，大模型广泛采用的 Transformer模型架构也是如此。流水线并行是将多层神经网络切分成多个阶段，再把不同阶段映射到不同设备上，使得不同设备去计算神经网络的不同部分。正向传播时，每个阶段的计算节点完成计算之后将结果传送到下一阶段的计算节点，同时，下一阶段的计算节点接收上一阶段计算节点的结果并开始计算；反向传播时，当最后一个计算节点的梯度算完以后，将结果发送给上一阶段计算节点，同时，上一阶段计算节点接收最后一个阶段计 电子行业深度研究报告电子行业深度研究报告 证监会审核华创证券投资咨询业务资格批文号：证监许可（2009）1210号 11 算节点梯度的结果，并进行本阶段的梯度计算，然后继续往前传播。该并行策略让每个设备只需计算模型的一部分，可以解决单计算节点内存不足的问题，不过其需要不同计算节点之间进行数据传输，传输的内容包括正向计算的激活值和反向计算的梯度值。这种通信在一个迭代里至少会发生几十次，但通信量一般不大，对网络的性能要求相对较低。（3）张量并行：）张量并行：该并行方式是联合多个计算节点同时做一个张量运算，如：矩阵乘法。单个计算节点对局部的张量进行计算，然后对多个计算节点做全局的 AllReduce 同步。张量计算结果的大小不仅和模型参数规模有关，还和训练使用的数据 batchsize相关，通常都非常大，并且在一次迭代里会发生很多 AllReduce。因此，张量并行对网络带宽的需求最大。图表图表 9 AI 模型分布式并行策略模型分布式并行策略 资料来源：百度智能云开发者中心 考虑三大并行策略的特点，在训练大模型时通常混合采用三种并行策略。首先，单节点内部多张 GPU 卡之间优先采用张量并行，充分利用单节点内部 GPU 之间 NVLink 高带宽通信能力。其次，当模型过大时，超出了单节点的内存空间，因此在多节点之间使用流水线并行策略。最后，为了进一步加快模型训练速度，使用数据并行策略。图表图表 10 模型训练时，张量并行的通信流量远高于流水线和数据并行模型训练时，张量并行的通信流量远高于流水线和数据并行 资料来源：Wenxue Li等Understanding Communication characteristics of distributed training 电子行业深度研究报告电子行业深度研究报告 证监会审核华创证券投资咨询业务资格批文号：证监许可（2009）1210号 12 图表图表 11 大模型训练中常用的混合并行训练策略大模型训练中常用的混合并行训练策略 资料来源：百度智能云开发者中心 电子行业深度研究报告电子行业深度研究报告 证监会审核华创证券投资咨询业务资格批文号：证监许可（2009）1210号 13 二、二、解构英伟达解构英伟达 AI 布局，布局，探寻探寻 AI 产业发展方向产业发展方向 AI 算力集群通常由算力集群通常由 AI 服务器、高速交换机构成。服务器、高速交换机构成。AI 加速器是 AI 算力的最小单元，一台服务器通常包含多个加速器。为了方便管理，多台服务器组成一个机柜，并通过架顶交换机进行互连。在架顶交换机满载的情况下，可以通过在架顶交换机间增加骨干交换机（Spine Switch）进一步接入新的机柜。最终，完成对成千上万个加速器互连，利用上文所述的三种并行策略：张量并行、流水线并行和数据并行来提供大规模分布式 AI算力，容纳更大的模型和数据，加快训练和推理速度。在 AI 大模型训练过程中，前向计算、反向计算和通信占据了主要时间，因此为了加快训练速度需要在算力、运力上同步进行提升。图表图表 12 AI 集群的典型架构集群的典型架构 资料来源：麦洛等机器学习系统：设计和实现 图表图表 13 AI 大模型训练基本过程大模型训练基本过程 资料来源：段晓东等面向智算中心的新型以太网需求与关键技术 英伟达英伟达在系统和网络、硬件和软件进行在系统和网络、硬件和软件进行全全方位方位布局，构建布局，构建深厚竞争壁垒。深厚竞争壁垒。在计算芯片方面，英伟达布局了 CPU、GPU 以及 CPU-GPU SuperChip 等产品；在网络领域，英伟达构建了两种类型的网络：一种是 NVLink 总线域网络，用于算力 Scale Up 扩展；另一种是 InfiniBand 和 Ethernet 网络，用于算力 Scale Out 扩展，其中基于 InfiniBand 的Quantum产品用于构建 AI Factory，基于 Ethernet的 Spectrum 用于构建 AI Cloud。此外，英伟达开发了以 CUDA 为核心的软件架构，与其硬件进行配套使用，从而更好地发挥硬件的性能。英伟达凭借其在系统和网络、硬件和软件的全方位布局，使其在 AI 生态 电子行业深度研究报告电子行业深度研究报告 证监会审核华创证券投资咨询业务资格批文号：证监许可（2009）1210号 14 牢牢占据主导地位。图表图表 14 英伟达的三大支柱英伟达的三大支柱系统和网络、硬件和软件系统和网络、硬件和软件 资料来源：Doug OLaughlin The Coming Wave of AI,and How Nvidia Dominates，fabricatedknowledge（一）（一）GPU 算力提升之路算力提升之路：微结构提升或有望成为算力提升主要途径：微结构提升或有望成为算力提升主要途径（1）CUDA Core 阶段阶段：2010年，英伟达在 Fermi 架构中，英伟达对处理核心进行了改进和调整，引入了新的设计特性如：更好的调度和管理机制、更高效内存访问以及更多的可编程功能。在 Fermi 架构之后，硬件层面上 GPU 的处理核心为 CUDA Core，软件层面上使用 CUDA（计算统一设备架构）充分发挥 GPU 的性能。CUDA Core 主要用于并行计算，理论上 CUDA Core越多，算力也就越强，因此在随后的 Kepler、Maxwell架构上大量增加 CUDA Core。（2）Tensor Core 阶段：阶段：2016 年，英伟达推出 Pascal 架构，其 GPU 开始朝着深度学习方向发展；2017年，推出 Volta架构，新引入了 Tensor Core模块，该模块可实现混合精度计算，动态调整算力，从而在保持准确性和提供更强安全性的同时提高吞吐量。在随后的每一次架构中不断对 Tensor Core进行优化。（3）Transformer 引 擎引 擎 阶 段阶 段：2022 年，英 伟 达 推 出 Hopper 架 构，并 引 入 了Transformer 引擎，可以显著加快 AI 算力，用于应对日益增加的模型参数。H100 的Transformer Engine使用 NVIDIA 第四代 Tensor Core技术，旨在加速由 Transformer 作为基础模块构建的模型训练速度。这些 Tensor Core可以应用混合的 FP8和 FP16格式，从而显著加速 Transformer 的 AI 计算。2024 年，英伟达推出 Blackwell 架构，推出了第二代 Transforer 引擎，将定制的 Blackwell Tensor Core 技术与 NVIDIA TensorRT-LLM 和 NeMo框架创新相结合，可以加速大语言模型和专家混合模型的推理和训练。电子行业深度研究报告电子行业深度研究报告 证监会审核华创证券投资咨询业务资格批文号：证监许可（2009）1210号 15 图表图表 15 GPU 架构发展之路架构发展之路 架构名称架构名称 Fermi Kepler Maxwell Pascal Volta Turing Ampere Hopper 发布时间 2010 2012 2014 2016 2017 2018 2020 2022 核心参数 16个 SM，每个 SM包含32个 CUDA Cores，一共512 CUDA Cores 15个 SMX，每个 SMX 包括 192个FP32 64个FP64 CUDA Cores 16个 SM，每个 SM包括 4个处理块，每个处理块包括32个 CUDA Cores 8 个LD/ST Unit 8 SFU GP100有 60个 SM，每个SM包括 64个 CUDA Cores，32个DP Cores 80个 SM，每个 SM包括32个FP64 64 Int32 64 FP32 8个Tensor Cores 102核心 92个 SM，SM重新设计，每个 SM包含64个Int32 64个FP32 8个Tensor Cores 108个 SM，每个 SM包含64个FP32 64个INT32 32个FP64 4个Tensor Cores 132个 SM，每个 SM包括128个FP32 64个INT32 64个FP64 4个Tensor Cores 特点&优势 首个完整GPU计算架构，支持与共享存储结合的Cache层次GPU架构，支持 ECC GPU架构 游戏性能大幅提升，首次支持 GPU Direct技术 每组 SM单元从 192个减少到每组 128个，每个SMM单元拥有更多逻辑控制电路 NVLink第一代，双向互联带宽160GB/s，P100拥有 56个 SM HBM NVLink2.0，Tensor Cores第一代，支持AI 运算 Tensor Cores2.0，RT Core第一代 Tensor Core3.0，RT Core2.0，NV Link3.0，结构稀疏性矩阵MIG1.0 Tensor Core4.0，NVLink4.0，结构稀疏性矩阵 MIG2.0 纳米制程 40/28nm 30亿晶体管 28nm 71 亿晶体管 28nm 80亿晶体管 16nm 153亿晶体管 12nm 211亿晶体管 12nm 186亿晶体管 7nm 283亿晶体管 4nm 800亿晶体管 代表型号 Quadro 7000 K80 K40M M5000 M4000GTX 9XX系列 P100 P6000 TTX1080 V100 TiTan T4，2080TI RTX 5000 A100 系列 H100 资料来源：Github，华创证券 图表图表 16 V100 的的 44 矩阵乘法比矩阵乘法比 P100 快快 12 倍倍 图表图表 17 Transformer 引擎引擎自动处理数据精度自动处理数据精度 资料来源：英伟达官网 资料来源：英伟达官网 通过对英伟达历代 GPU 发展历程分析，我们可以知道其性能主要提升来自以下几个方面：（1）CUDA Core、Tensor Core等新架构的提出；（2）CUDA Core、Tensor Core等核心数的提升；（3）专门为大语言模型和混合专家模型设计的 Transformer 引擎。以 H100相比 A100的进步为例，H100的提升源自以下几个方面：（1）H100配备 132个 SM，比A100的 108个 SM增加了 22%；（2）采用新的第四代 Tensor Core，每个 H100 SM的速度提升了 2 倍；（3）Tensor Core 采用新的 FP8 数据格式和相应的 Transformer 引擎将性能提升 2 倍；（4）H100的时钟频率将性能提升 1.3倍。究其背后的原因，我们认为是随 电子行业深度研究报告电子行业深度研究报告 证监会审核华创证券投资咨询业务资格批文号：证监许可（2009）1210号 16 着深度学习成为 AI 的主流技术，Transformer 成为大模型的基础架构，AI 模型并行计算的基础范式日渐趋于稳定，从而可以在硬件层面上针对广泛使用的算法进行微架构设计，推动算力不断提升。未来随着 AI 技术逐步趋于成熟，相关架构可能会趋于统一，届时硬件层面上针对算法定制化设计或许是 AI芯片算力提升的主要方向。图表图表 18 H100 相比相比 A100 性能提升性能提升 6 倍主要源自倍主要源自架构创新架构创新 资料来源：英伟达官网 图表图表 19 Transformer 模型大小随不同用例呈指数级增长模型大小随不同用例呈指数级增长 图表图表 20 过往过往 8 年时间单年时间单 GPU 算力提升算力提升 1000 倍倍 资料来源：英伟达官网 资料来源：英伟达官网（二）（二）高速互连高速互连：构建全系列高速互连系统，打造：构建全系列高速互连系统，打造 AI 超级计算机超级计算机 单芯片算力和内存有限，无法承载大模型，通过多种互连技术将多颗算力芯片互连在一起提供大规模的算力、内存。GPU 互连主要分为业务互连、Scale Up 网络互连和 Scale Out互连，各自承载的业务流各不相同，具体细分来看：业务网络互连：业务网络互连：承载的是诸如需要计算的输入数据，输出结果，以及在各类存储系统中 电子行业深度研究报告电子行业深度研究报告 证监会审核华创证券投资咨询业务资格批文号：证监许可（2009）1210号 17 的模型参数、checkpoint 等。需要进行极大范围的互连，并且和云上的存储、业务接口等互通，采用以太网技术，通常支持各类 RDMA。Scale Out 网络互连：网络互连：训练的 DP、PP并行计算切分流程，通常要把集群横向扩展到超多的 GPU 机柜，当前的训练规模已经发展到 10w 卡，目前国际的标准趋势是，采用专门优化的以太网技术 UEC（Ultra Ethernet Consortium）协议。Scale Up 网络互连：网络互连：以推理的大显存并行计算流量和训练的张量并行（TP）以及专家并行（MoE）流量为主，有在网计算的需求（可以对 All reduce 在 Switch 节点上进行加速）。在一定规模内互连，由于其对于性能的超高要求，采用专门设计的协议，比如NVIDIA 的 NVlink 及 NVSwitch 技术，另外一个近期成立的协议联盟是 UALink(Ultra Accelerator Link)，由AMD、Broadcom、Cisco、Google、HPE、Intel、Meta和Microsoft 共同发起，目前在行业内得到了广泛响应。图表图表 21 AI 算力三种网络算力三种网络 资料来源：半导体行业观察公众号 图表图表 22 Scale Up 和和 Scale Out 网络对比网络对比 Scale Up Scale Out 典型协议 NVLink、UALink InfiniBand、UEC 芯片连接方案 GPU直出 GPU外置网卡 流量类型 如集合通信 TP、EP 如集合通信 DP、PP 数据流特点 极度延迟敏感、带宽需求极大 单次通信数据块较大 典型通信语义 内存 load/store、内存 DMA RDMA 单节点典型带宽 TB/s级 百 GB/s 级 互连区域 机柜级 集群级 资料来源：半导体行业观察公众号，华创证券 电子行业深度研究报告电子行业深度研究报告 证监会审核华创证券投资咨询业务资格批文号：证监许可（2009）1210号 18 1、NVLink：从内部高速互连走向超级网络：从内部高速互连走向超级网络 （1）NVLink：支持：支持 GPU 之间的高速数据传输和协同工作之间的高速数据传输和协同工作 随着 AI 算力需求不断增长，多 GPU 并行成为一种趋势，可以支撑大模型的训练和推理。对于多 GPU 系统而言，一个关键的挑战是如何实现 GPU 之间的高速数据传输和协同工作。然而，传统的 PCIe 总线由于带宽限制和延迟问题，已经无法满足 GPU 之间通信的需求。2018 年，英伟达推出了 NVLink 用于解决该问题。它允许 GPU 之间以点对点方式进行通信，绕过传统的 PCIe 总线，实现了更高的带宽和更低的延迟，为多 GPU 系统提供更高的性能和效率。单个 GPU 的 NVLink 带宽从 Pascal 架构的 160GB/s，提升到Blackwell架构的 1800GB/s。图表图表 23 GPU 之间之间 PCIe 通信需要通过通信需要通过 CPU 图表图表 24 GPU 之间使用之间使用 NVLink 通信无需通过通信无需通过 CPU 资料来源：远川科技评论，转引自与非网 资料来源：远川科技评论，转引自与非网 图表图表 25 历代历代 NVlink 情况情况 First Generation Second Generation Third Generation Fourth Generation Fifth Generation NVLink bandwidth per GPU 160GB/s 300GB/s 600GB/s 900GB/s 1800GB/s Maximum Number of Links per GPU 4 6 12 18 18 Supported NVIDIA Architectures Pascal Volta Ampere Hopper Blackwell 资料来源：英伟达官网，华创证券（2）NVSwitch芯片：提高通信速度，加速计算过程 第一代 NVSwitch 与英伟达 V100 GPU 和第二代 NVLink 一起推出，可以连接多个NVLink，实现在单个机架内和多个机架间以 NVLink 的最高速度进行多对多 GPU 通信。自第三代 NVSwitch 起，NVSwitch 芯片具备 SHARP 加速功能，可以提升通信效率、加快计算过程。电子行业深度研究报告电子行业深度研究报告 证监会审核华创证券投资咨询业务资格批文号：证监许可（2009）1210号 19 图表图表 26 H200 八卡服务器配置八卡服务器配置 4 颗颗 NVSwitch 芯片芯片 图表图表 27 历代历代 NVSwitch 芯片情况芯片情况 资料来源：英伟达官网 资料来源：英伟达THE NVLINK-NETWORK SWITCH:NVIDIAS SWITCH CHIP FOR HIGH COMMUNICATION-BANDWIDTH SUPERPODS，转引自Hotchips官网 图表图表 28 历代历代 NVSwitch 芯片情况芯片情况 First Generation Second Generation Third Generation Fourth Generation Number of GPUs with direct connection within a NVLink domain Up to 8 Up to 8 Up to 8 Up to 576 NVSwitch GPU-TO-GPU bandwidth 300GB/s 600GB/s 900GB/s 1800GB/s Total aggregate bandwidth 2.4TB/s 4.8TB/s 7.2TB/s 1PB/s Supported NVIDIA architectures Volta Ampere Hopper Blackwell 资料来源：英伟达官网，华创证券 以 H200 八卡服务器为例，如果不使用 NVSwtich 芯片，成本会降低一些，但是每个GPU必须将 900 GB/s的连接分成 7 个专用的 128 GB/s 的连接，与其他 7张 GPU进行点对点连接。这意味着 GPU 通信的速度取决于通信的 GPU 数量。若借助 NVSwitch 芯片，服务器中的每个 GPU 都能以 900 GB/s 的速度与其他任何 GPU 同时进行通信。NVSwitch是无阻塞的，使得 GPU 之间通信的峰值速率与通信的 GPU数量无关。图表图表 29 多多 GPU 之间通信是否使用之间通信是否使用 NVSwtich 芯片芯片 图表图表 30 不使用不使用 NVSwitch 芯片将导致需要花费更多的芯片将导致需要花费更多的时间用于通信时间用于通信 资料来源：英伟达官网 资料来源：英伟达官网 电子行业深度研究报告电子行业深度研究报告 证监会审核华创证券投资咨询业务资格批文号：证监许可（2009）1210号 20 图表图表 31 是否使用是否使用 NVSwtich 芯片的芯片的 GPU 之间之间通信通信带宽速度比较带宽速度比较 GPU 数量数量 点对点带宽点对点带宽 NVSwitch带宽带宽 2 128GB/s 900 GB/s 4 3 x 128GB/s 900 GB/s 8 7 x 128GB/s 900 GB/s 资料来源：英伟达官网，华创证券 NVSwitch3 芯片新引入了 SHARP 功能，可以对多个 GPU 单元的计算结果进行聚合和更新，从而减少网络数据包并提高计算性能。图表图表 32 GPU 并行计算中涉及数据交换和并行计算并行计算中涉及数据交换和并行计算 资料来源：英伟达THE NVLINK-NETWORK SWITCH:NVIDIAS SWITCH CHIP FOR HIGH COMMUNICATION-BANDWIDTH SUPERPODS，转引自Hotchips官网 图表图表 33 NVSwitch 的的 SHARP 功能功能可以可以提升通信效率，加速计算过程提升通信效率，加速计算过程 资料来源：英伟达THE NVLINK-NETWORK SWITCH:NVIDIAS SWITCH CHIP FOR HIGH COMMUNICATION-BANDWIDTH SUPERPODS，转引自Hotchips官网 电子行业深度研究报告电子行业深度研究报告 证监会审核华创证券投资咨询业务资格批文号：证监许可（2009）1210号 21 （3）NVLink 交换机：构建 NVLink 网络 2022 年，英伟达将 NVSwitch 芯片独立出来，并制作成 NVLink 交换机，可以在单个机架内和多个机架间连接成 NVLink 网络，可以解决 GPU 之间的高速通信带宽和效率问题。每个服务器都有独立的地址空间，为 NVLink 网络中的 GPU 提供数据传输、隔离和安全保护。当系统启动时，NVLink 网络通过软件 API 自动建立连接，并可以在运行过程中更改地址。图表图表 34 NVLink交换机交换机 资料来源：英伟达THE NVLINK-NETWORK SWITCH:NVIDIAS SWITCH CHIP FOR HIGH COMMUNICATION-BANDWIDTH SUPERPODS，转引自Hotchips官网 图表图表 35 NVLink网络与网络与 NVLink 对比对比 资料来源：英伟达THE NVLINK-NETWORK SWITCH:NVIDIAS SWITCH CHIP FOR HIGH COMMUNICATION-BANDWIDTH SUPERPODS，转引自Hotchips官网 InfiniBand 网络和 NVLink 网络是在高性能计算和数据中心应用中使用的两种不同的网络技术。它们有以下区别：架构和设计：架构和设计：InfiniBand 网络是一种采用多通道、高速串行连接的开放标准网络技术，支持点对点和多播通信。NVLink 网络是由英伟达（NVIDIA）开发的专有技术，旨在实现 GPU 之间的高速直连。应用场景：应用场景：InfiniBand 网络广泛应用于高性能计算集群和大规模数据中心，主要用于Scale Out 网络。NVLink 网络主要用于大规模 GPU 集群、HPC 等领域，主要用于 Scale 电子行业深度研究报告电子行业深度研究报告 证监会审核华创证券投资咨询业务资格批文号：证监许可（2009）1210号 22 Up网络。带宽和延迟：带宽和延迟：InfiniBand 网络提供高带宽和低延迟的通信，提供更高的吞吐量和更短的传输延迟。NVLink 网络为 GPU 之间提供更高的带宽和更低的延迟，以支持快速数据交换和协同计算。对于通信强度较高的工作负载，对于通信强度较高的工作负载，NVLink 网络的性能优势非常显著。网络的性能优势非常显著。在 HPC 中，Lattice QCD 和 8K 3D FFT 等工作负载获得了显著优势，因为 HPC SDK 和 Magnum IO 中的通信库中设计了多节点扩展功能。NVLink 网络在训练大型语言模型或具有大型嵌入表的推荐系统时也能提供显著的性能提升。图表图表 36 NVLink交换机构建交换机构建 SuperPOD 资料来源：英伟达THE NVLINK-NETWORK SWITCH:NVIDIAS SWITCH CHIP FOR HIGH COMMUNICATION-BANDWIDTH SUPERPODS，转引自Hotchips官网 图表图表 37 NVLink网络与网络与 IB 网络对比网络对比 资料来源：英伟达THE NVLINK-NETWORK SWITCH:NVIDIAS SWITCH CHIP FOR HIGH COMMUNICATION-BANDWIDTH SUPERPODS，转引自Hotchips官网 电子行业深度研究报告电子行业深度研究报告 证监会审核华创证券投资咨询业务资格批文号：证监许可（2009）1210号 23 图表图表 38 NVlink 网络在通信密集任务下性能优势更加明显网络在通信密集任务下性能优势更加明显 资料来源：英伟达THE NVLINK-NETWORK SWITCH:NVIDIAS SWITCH CHIP FOR HIGH COMMUNICATION-BANDWIDTH SUPERPODS，转引自Hotchips官网 （4）NVLink C2C：CPU与 GPU互连，大幅增加了 GPU可用内存容量 2022 年，推出 NVIDIA NVLink-C2C，这是一种超快速的芯片到芯片、裸片到裸片的互连技术，将支持定制裸片与 NVIDIA GPU、CPU、DPU、NIC 和 SOC 之间实现一致的互连，助力数据中心打造新一代的系统级集成。借助先进的封装技术，NVIDIA NVLink-C2C 互连链路的能效最多可比 NVIDIA 芯片上的 PCIe Gen 5 高出 25 倍，面积效率高出 90 倍，可实现每秒 900 GB 乃至更高的一致互联带宽。NVLink-C2C主要优势包括：高带宽、低延迟、低功耗高密度、支持多种行业标准等。图表图表 39 NVLink-C2C 技术技术 资料来源：英伟达官网 以 GH200 为例，高带宽 NVLink-C2C 上的扩展 GPU 内存功能使 GPU 能够高效地访问所有系统内存。所有 GPU都能通过 GPU-GPU NVLink或 NVLink-C2C访问所有可用的内存资源，包括 LPDDR5X 和 HBM3。推理大型语言模型（LLM）需要大量内存来存储模型权重和推理过程中的中间结果。随着推理批量大小的增加，为满足对 LLM 日益增长的需求，内存需求也随之增加。为了解决内存需求，可以扩展到多个 GPU 或使用CPU 内存来卸载部分模型层。然而，使用 x86 CPU 时，访问系统内存进行张量卸载可能会受到 PCIe 的瓶颈限制。NVIDIA 的 NVLink-C2C 为 Hopper GPU 提供了对 电子行业深度研究报告电子行业深度研究报告 证监会审核华创证券投资咨询业务资格批文号：证监许可（2009）1210号 24 LPDDR5X 内存的高带宽访问，这显著减少了张量卸载执行时间，使得 LLM 的推理能够以 GPU 的吞吐量进行。根据性能模拟结果，当批量大小为 1 时，配备 HBM3 的GH200 在 LLM 推理性能上提高了 2 倍，因为 GH200 中 HBM3 的 GPU 内存带宽高于H100 PCIe GPU。随着批量大小的增加，推理所需的内存量也在增加。在批量大小为 4时，基于 PCIe 的推理解决方案性能下降，因为 PCIe 成为主要瓶颈，而 GH200 的NVLink-C2C 则能够以高带宽向 H100 GPU 传输数据，相比于 PCIe 的方案提供了 4.5 倍的吞吐量。图表图表 40 GH200 Superchip 芯片结构及芯片结构及 GPU、CPU 之间之间内存访问通道内存访问通道 图表图表 41 NVLink C2C 大幅加快推理速度大幅加快推理速度 资料来源：英伟达官网 资料来源：英伟达官网（5）GB200：NVlink 集大成者，高速互连打造超级集大成者，高速互连打造超级 AI 计算机计算机 GB200支持 NVlink域中 36颗和 72颗 GPU，分别构成 GB200 NVL36 和 GB200 NVL 72机柜。GB200 NVL36/72机柜主要由 Computer Tray和 Switch Tray构成。图表图表 42 GB200 NVL72 机柜机柜 资料来源：英伟达，转引自hardwarezone 电子行业深度研究报告电子行业深度研究报告 证监会审核华创证券投资咨询业务资格批文号：证监许可（2009）1210号 25 图表图表 43 Compute Tray 图表图表 44 Switch Tray 资料来源：英伟达官网 资料来源：英伟达官网 以 NVL72 机柜为例，其包含 18 个 Computer Tray和 9 个 Switch Tray。其中，Computer Tray 包含 2 块 Grace Blackwell 超级芯片，每块超级芯片包含 1 个 Grace CPU 与 2 个Blackwell GPU，CPU与 GPU之间通过 NVLink-Chip-to-Chip（C2C）接口进行互连，该接口提供 900GB/s 的双向带宽。单颗 GPU 配置 192GB HBM3e 内存，单颗 CPU 配置480GB LPDDR5X 内存。通过 NVLink C2C 高速连接，单个 Computer Tray 可提供 1.7 TB 的快速内存，应用程序可以一致地访问统一内存空间。这简化了编程并满足万亿参数 LLM、多模态模型等大容量内存的需求。Switch Tray 即 NVLink 交换机，主要用于构建 GPU 之间高速互连的 NVlink 网络，让GPU 之间能够进行高速通信并且支持 SHARP 网络计算，从而让多个 GPU 之间能够共享更大的内存空间。每个 NVLink Swtich Tray 提供 144 个 100 GB 的 NVLink 端口，因此 9 个 Switch Tray可完全连接 72个 Blackwell GPU 上的 18个 NVLink端口。GB200采用了第五代 NVLink，单个 NVLink 域中连接多达 576 个 GPU，总带宽超过 1 PB/s，快速内存为 240TB，能够实现更高性能的加速计算。图表图表 45 GB200 NVL72 Compute Tray 和和 Switch Tray 的结构的结构 资料来源：英伟达，转引自hardwarezone 电子行业深度研究报告电子行业深度研究报告 证监会审核华创证券投资咨询业务资格批文号：证监许可（2009）1210号 26 图表图表 46 B200 GPU 芯片芯片 图表图表 47 第五代第五代 NVLink交换芯片交换芯片 资料来源：英伟达，转引自hardwarezone 资料来源：英伟达，转引自hardwarezone 2、IB 交换机：构建无损的交换机：构建无损的 RDMA 网络，支持网络，支持 Scale Out 网络互连网络互连 RDMA 可以显著提高传输效率，满足可以显著提高传输效率，满足 AI 网络高吞吐、低延迟网络高吞吐、低延迟等等要求。要求。AI 算力网络流量与传统数据中心流量迥然不同，其具有超大流量、超低时延、零容忍丢包和严格时间同步等特点。传统的传输控制协议/互联网协议需要靠内核发送消息进行网络通信，在数据传输过程中存在较高的数据移动和复制开销，降低了数据传输效率。与之形成对比的 RDMA 协议能够通过网络接口访问内存数据，不经过内核，具有高吞吐、低延迟、无 CPU 占用等优点，可以提升数据传输效率。图表图表 48 AI 网络与传统数据中心网络需求对比网络与传统数据中心网络需求对比 图表图表 49 RDMA 和传统和传统 TCP/IP 比较比较 资料来源：英伟达NVIDIA Spectrum-X Network Platform Architecture 资料来源：华为官网 图表图表 50 RDMA 相比传统以太网有更高的带宽相比传统以太网有更高的带宽 图表图表 51 RDMA 相比传统以太网有更低的延迟相比传统以太网有更低的延迟 资料来源：英伟达官网 资料来源：英伟达官网 电子行业深度研究报告电子行业深度研究报告 证监会审核华创证券投资咨询业务资格批文号：证监许可（2009）1210号 27 RDMA 主要包含 3 种协议：InfiniBand（IB）、基于以太网的 RDMA（RoCE）和基于TPC/IP 协议栈的 RDMA（iWARP）。IB：专为高性能计算从链路层到传输层定制了全新的架构，具备高带宽、低延迟和无损的特征。不过，IB 体系独立封闭，需要采用专用的交换机、网卡、线缆等，不能和现有的以太网设备兼容，采购成本相对高昂。RoCE：RoCE 是基于以太网协议栈进行拓展，能够支持 RDMA 操作。RoCE 当前有 2个主要版本：RoCE v1和 RoCE v2。RoCE v1不能支持路由，也没有拥塞控制机制，难以在数据中心中使用。RoCE v2是 RoCE v1的改良版本，支持路由并定义了拥塞控制机制。RoCE 在性能上较 IB 有所降低，但是其性价比更高，在一些超大规模数据中心商用部署。不过，RoCE v2 标准是 UDP 协议，虽然其效率比较高，但不具备类似 TCP 协议的重传机制等来保障可靠传输，一旦出现丢包，必须依靠上层应用发现后再做重传，这样会极大降低 RDMA的传输效率。iWARP：该技术是基于 TCP 协议，在有损网络场景相比 IB 和 RoCE v2具有更好的可靠性，但是大量 TCP连接会耗费很多的内存资源，且其复制的流控制会导致性能问题，导致其并未能大规模推广使用。图表图表 52 不同不同 RDMA 协议栈协议栈 资料来源：唐宏等 生成式大模型承载网络架构与关键技术探索 总之，IB 可以提供卓越的性能、低延迟和可扩展性，在高性能计算领域表现出色并占据较大优势。相比之下，RoCE由于更容易利用现有以太网基础设施，具有较低的成本，受到科技巨头们的青睐。图表图表 53 IB、iWARP 和和 RoCE 对比对比 InfiniBand iWARP RoCE 性能 最好 稍差(受 TCP 影响)与 InfiniBand相当 成本 高 中 低 稳定性 好 差 较好 交换机 IB交换机 以太网交换机 以太网交换机 资料来源：华为官网，华创证券 电子行业深度研究报告电子行业深度研究报告 证监会审核华创证券投资咨询业务资格批文号：证监许可（2009）1210号 28 三、三、AI 产业产业群雄并起，群雄并起，AI 自研自研后劲十足后劲十足 英伟达一家独大，产业巨头并起而抗之英伟达一家独大，产业巨头并起而抗之。AI 本质上是一个并行计算的问题，提升单个节点的算力及构建高速的互连系统是尤为关键。英伟达由于其早期布局 GPU，及时地抓住了此轮以深度学习为技术代表的 AI 技术发展浪潮，其单个 GPU 算力不断提升，并开发了 NVLink、IB 交换机等配套的产品，以及 CUDA 等软件生态的持续完善，促使大规模 AI 算力按照黄氏定律的趋势快速演进，凭借着其在 GPU、网络和系统、软件三个方面的布局，在 AI产业链中占据了主导地位。图表图表 54 英伟达在英伟达在 GPU、CUDA和和 Networking 构建构建深厚的深厚的护城河护城河 资料来源：Fabricated Knowledge 随着 ChatGPT 掀起的大模型 AI 浪潮兴起，AI 算力需求大幅跃升，全球科技龙头均不希望在 AI 竞赛中处于劣势地位，甚至想在此轮 AI 浪潮中拔得头筹，进而在此轮 AI 浪潮中获取更大的利益，促使英伟达 AI 算力卡呈现供不应求的局面。面对紧缺的 AI 算力产品供应、高昂的资本开支以及尚未见顶的 AI 算力需求，云厂商未雨绸缪、纷纷想把握住 AI 算力的主动权，进而在 AI 浪潮中取得更大的优势。以谷歌、博通、亚马逊、AMD、微软、Meta、Marvell 等为首的北美科技巨头企业，试图在 AI 芯片、高速互连领域逐个对英伟达体系进行突破，非英伟达体系的 AI 算力产业正在崛起，未来有望取得一定的市场份额。（一）（一）AI 自研芯片自研芯片：AI 算力成为核心要素，科技巨头追求自主可控算力成为核心要素，科技巨头追求自主可控 AI 自研芯片众望所归，北美巨头自研芯片众望所归，北美巨头加码投入加码投入。ChatGPT 掀起新一轮的 AI 发展浪潮，大模型的性能遵守 Scaling law法则即大模型的最终性能主要与计算量、模型参数量和训练数据量三者的大小相关，AI 算力成为此轮 AI 发展的核心驱动力。北美科技巨头纷纷加码AI 基础设施，面临着资本开支快速增长带来的财务压力，但又表示当前不投 AI 算力的风险大于过度投资 AI 算力的风险，北美巨头如不采取措施可能限于两难境地，AI 自研 电子行业深度研究报告电子行业深度研究报告 证监会审核华创证券投资咨询业务资格批文号：证监许可（2009）1210号 29 芯片或有望成为破局之道。图表图表 55 北美科技厂商资本开支快速增长北美科技厂商资本开支快速增长（亿美元）（亿美元）资料来源：Bloomberg，华创证券 AI 自研芯片自研芯片优势明显优势明显，北美科技巨头陆续推出自研产品北美科技巨头陆续推出自研产品。AI 自研芯片应需而生：（1）降本增效：降本增效：自研 AI 芯片具有更高的性价比，可以在一定程度上减少资本开支，而且能够让科技巨头公司相对于英伟达、AMD 等 GPU 厂商拥有一定的议价权。（2）供应安全：）供应安全：AI自研芯片开拓了新的算力供应渠道，可以一定程度上降低 GPU 芯片供应受限的风险。（3）自主可控：）自主可控：自研 AI 芯片可以更加灵活地控制技术路线和发展节奏，避免受到供应商或者合作伙伴的限制和影响。（4）增强竞争优势增强竞争优势：科技巨头可以通过自研 AI 芯片打造自己的核心竞争力，从而提高其在 AI 领域的话语权和影响力。在规模及成本等多种因素考量下，北美云厂商 Google、AWS、Microsoft、Meta 等有逐年扩大采用自研ASIC 趋势，先后推出自研 AI 芯片，未来几年自研 AI 芯片有望迎来快速发展的黄金期。图表图表 56 ASIC 受到云厂商的青睐受到云厂商的青睐 灵活度灵活度 计算能力计算能力 能耗能耗 主要玩家主要玩家 GPU 通用型 高 中 英伟达、AMD、海光信息等 FPGA 半定制化 高 高 赛灵思、英特尔等 ASIC 定制化 高 低 谷歌、英特尔、华为、寒武纪等 资料来源：Trendforce，华创证券 图表图表 57 北美云厂商纷纷推出自研北美云厂商纷纷推出自研 AI 芯片芯片 Microsoft Google Amazon Meta Chip Maia 100 TPU v5e Inferentia2 MTIA v1 Launch Date November,2023 August,2023 Early 2023 2025 IP ARM ARM ARM RISC-V Process Technology TSMC 5nm TSMC 5nm TSMC 7nm TSMC 7nm Transistor Count 105 billion INT8 393 TOPS 102.4 TOPS-20%0 00002003004005006002016Q12016Q22016Q32016Q42017Q12017Q22017Q32017Q42018Q12018Q22018Q32018Q42019Q12019Q22019Q32019Q42020Q12020Q22020Q32020Q42021Q12021Q22021Q32021Q42022Q12022Q22022Q32022Q42023Q12023Q22023Q32023Q42024Q12024Q2AmazonMicrosoftGoogleMetaYoY 电子行业深度研究报告电子行业深度研究报告 证监会审核华创证券投资咨询业务资格批文号：证监许可（2009）1210号 30 FP16 51.2 TFLOPS BF16 197 TFLOPS Memory LPDDR5 TDP 25W Main Packaging Technology CoWoS CoWoS CoWoS-S 2D Collaborating Partners Global Unichip Corp Broadcom Alchip Technologies Andes Technology Application Training/lnference lnference lnference Training/lnference LLM GPT-3.5、GPT-4 BERT、PaLM、LaMDA Titan FM Llama、Llama2 资料来源：Trendforce，华创证券 图表图表 58 定制化定制化 AI 芯片满足客户三大需求芯片满足客户三大需求 资料来源：BroadcomEnabling AI Infrastructure 全球两大全球两大 AI 定制芯片玩家对其定制定制芯片玩家对其定制 AI 芯片业务展望乐观。芯片业务展望乐观。博通在 2024 年 9 月 5 日的业绩说明会上表示，FY2024Q3 其定制 AI 加速器业务同比增长 3.5 倍，对 AI 业务增长保持乐观，并将 FY2024 年 AI 营收指引从先前的 110 亿美元调整到 120 亿美元，预计FY2025 AI 业务将保持强劲增长；长期来看，公司认为其超大规模客户有更多的 AI 算力需求，有望加快 AI 芯片地部署。Marvell 在 2024 年 4 月 Accelerated Infrastructure for the AI Era上预计 FY2025 其 Custom Compute 和 Connectivity 业务营收有望达到 15亿美金；目前正在为 2 家客户定制 AI芯片；表示 2023年全球 Accelerated custom compute 市场规模为 66 亿美元，预计 2028 年将达到 429 亿美元；在 2024 年 8 月 29 日业绩说明会上表示，AI 定制芯片进展顺利，2 颗芯片已经进入量产；鉴于公司 AI 业务在FY2025H1 增长强劲，FY2025H2 有望加速增长，预计 FY2025 年 AI 业务收入将超过公司此前在 AI活动中的指引，并预计 AI定制项目将继续增加。电子行业深度研究报告电子行业深度研究报告 证监会审核华创证券投资咨询业务资格批文号：证监许可（2009）1210号 31 图表图表 59 Marvell预计预计 2028 年全球年全球 Accelerated custom compute 市场规模将达到市场规模将达到 429 亿亿美元美元 资料来源：MarvellAccelerated Infrastructure for the AI Era 海内外科技巨头扩大自研海内外科技巨头扩大自研 ASIC，ASIC 服务器占比逐年提高。服务器占比逐年提高。据 Trendforce数据，北美云厂商亚马逊、Meta 等持续扩大自研 ASIC，中国本土企业阿里巴巴、百度、华为等积极布局自主 ASIC 方案，促使 ASIC 服务器占整体 AI 服务器的占比在 2024 年预计提升至 25%左右。图表图表 60 搭载搭载 ASIC 自研芯片自研芯片 AI Server 出货占比逐步走高出货占比逐步走高 资料来源：Trendforce公众号，华创证券（二）（二）UALink：UALink打造开放高速互连标准，旨在打破英伟达打造开放高速互连标准，旨在打破英伟达 NVlink 垄断垄断 科技巨头组团科技巨头组团打造打造 UALink，旨在旨在取取代代英伟达英伟达 NVlink。2024 年 5 月，AMD、博通、思科、Google、惠普、英特尔、Meta 和微软宣布他们已经为 AI 数据中心制定了新的互连技术 UALink（Ultra Accelerator Link），建立 AI 加速器间高速低延迟的开放通信标准，以打破英伟达 NVlink的垄断。UALink 将通过以下方式提高性能：低延迟和高带宽：低延迟和高带宽：通过 Infinity Fabric 协议，UALink 将实现低延迟和高带宽的互连，适用于 AI和 ML集群中的高性能计算需求。大规模扩展：大规模扩展：UALink 1.0 版规范将允许在 AI容器组中连接不超过 1024个加速器，67.6e.5c.6%5.7%7.3%8.1%3.1%3.0%2.9#.6$.1%.3%0 00 2220232024FNvidiaAMD（含Xilinx）Intel(含Altela)Others 电子行业深度研究报告电子行业深度研究报告 证监会审核华创证券投资咨询业务资格批文号：证监许可（2009）1210号 32 支持在容器组中挂载到加速器（例如 GPU）的内存之间进行直接加载和存储。开放性和兼容性：开放性和兼容性：UALink 联盟旨在创建一个开放的行业标准，允许多家公司为整个生态系统增加价值，从而避免技术垄断。图表图表 61 UAlink 创建创建 Scale Up 网络网络 资料来源：nextplatform官网 UALink 的最大潜在受益者可能包括微软、的最大潜在受益者可能包括微软、亚马逊、亚马逊、谷歌和谷歌和 Meta 等科技巨头。等科技巨头。这些公司已经投入大量资金购买英伟达 GPU 以支持云服务和 AI 模型训练、推理，并期望摆脱对英伟达的依赖，已经陆续推出 AI 自研芯片。UALink 提供了一条复制 NVLink 和NVSwitch 功能的途径，可以促进彼此之间进行合作与成果共享，从而有望加快自研 AI芯片的进度，逐步降低对英伟达的依赖程度。（三）（三）以太网以太网：以太网优势日益凸显，加速广泛部署于以太网优势日益凸显，加速广泛部署于 AI 算力中心算力中心 以太网以太网未来未来有望成为有望成为 AI 网络网络的主流的主流方案，超以太网联盟和英伟达方案，超以太网联盟和英伟达 Spectrum-X 两大阵两大阵营初步形成营初步形成。以太网是 IP 网络最成熟和主流的技术，被广泛应用于园区网络、数据中心和云计算环境以及广域网等场景，具备开放的生态系统，使用标准的以太网设备、线缆和接口卡等，具备性价比高，后期维护成本低等优势，然而其在延时、带宽等方面逊于 IB 网络。不过，通过专门针对 AI 网络进行优化，以太网能够满足 AI 网络的严格要求，并且能够支持更大的域，头部玩家正在使用以太网来构建 AI 基础设施，如：AWS 将以太网用于其生成式 AI 基础设施，为配备 Trainium2 GPU 的 Ultracluster2（以太网）配备了 60K GPU 规模。Meta 正在使用以太网构建其 GenAI 基础设施，其中包含一个 24K GPU 集群。字节跳动已使用以太网部署了一个拥有 10K GPU 的 AI 集群。未来随着 AI 算力的快速增长，性价比更高、生态开放的以太网有望成为主流的 AI 网络方案，目前超以太网联盟（UEC）和英伟达 Spectrum-X平台两大阵营竞相发力。电子行业深度研究报告电子行业深度研究报告 证监会审核华创证券投资咨询业务资格批文号：证监许可（2009）1210号 33 图表图表 62 AI 数据中心与传统的数据中心与传统的 CPU 数据中心所面临场景有所不同数据中心所面临场景有所不同 资料来源：Arista Arista Data-Driven Solutions(2024M7)图表图表 63 以太网已经被用于部署大规模以太网已经被用于部署大规模 AI 集群集群 图表图表 64 AI 头部玩家纷纷布局基于以太网的头部玩家纷纷布局基于以太网的 AI 网络网络 资料来源：BroadcomEnabling AI Infrastructure 资料来源：BroadcomEnabling AI Infrastructure 新一代 AI 以太网技术不仅保留了成本优势，还具备灵活性和开放性，并利用强大的以太网生态系统，有望成为 AI 时代的全新网络架构。AI 以太网技术通过动态路由、智能调度和高级拥塞控制等创新，满足了 AI 应用对高带宽、低延迟和高可靠性的严苛要求，重塑了其在现代数据中心中的价值。随着网络设备商、AI 芯片制造商以及互联网企业对以太网技术的持续投入，各种 AI 以太网技术百花齐放。IDC 预测，生成式 AI 数据中心以太网交换机市场将以 70%的年复合增长率呈指数级增长，将从 2023 年的 6.4 亿美元增长到 2028年的 90.7亿美元。电子行业深度研究报告电子行业深度研究报告 证监会审核华创证券投资咨询业务资格批文号：证监许可（2009）1210号 34 图表图表 65 全球生成式全球生成式 AI 数据中心以太网交换机市场规模预计迎来高速数据中心以太网交换机市场规模预计迎来高速发展发展 资料来源：IDC 超以太网联盟由 AMD、Arista、博通、思科等硬件厂商以及微软、Meta 等云厂商牵头成立，利用以太网的生态优势，致力于打造满足 AI 和 HPC 网络需求的新一代标准用于取代 RoCE 协议超以太网联盟，创建一个“基于以太网的完整通信堆栈架构”，提高网络吞吐量、降低延迟，增强网络的可靠性和稳定性，为人工智能和高性能计算等领域的发展提供更加坚实的网络基础，同时保留以太网/IP 生态系统的优势。UEC 的目标是提供一个完整的通信协议栈，解决跨越多个协议层的技术问题，并提供易于配置和管理的解决方案。UEC利用其成员在大规模部署 AI和 HPC工作负载方面的丰富经验，提供了一个全面且令人信服的解决方案。图表图表 66 超以太网联盟成员众多，聚集了超以太网联盟成员众多，聚集了 AI 产业头部玩产业头部玩家家 图表图表 67 UEC 相比相比 RDMA 有多个方面有多个方面进行了优化进行了优化 资料来源：techpowerup 资料来源：Broadcom、转引自gaitpu 英伟达 Spectrum-X 使用 NVIDIA BlueField-3 SuperNIC 网卡与 NVIDIA Spectrum-4 交换机协同工作，并特别增强了数据中心环境中的 GPU 到 GPU 通信（也称为东西向网络流量），在拥塞控制、无损网络和负载均衡方面进行了优化，使得其能支持加速计算的严格要求，具体如下：基于遥测的拥塞控制基于遥测的拥塞控制：通过将高频遥测探针与流量测量相结合，Spectrum-X 拥塞控制可确保工作负载得到保护，并确保网络提供性能隔离。这意味着各种类型的 AI 工作负载 电子行业深度研究报告电子行业深度研究报告 证监会审核华创证券投资咨询业务资格批文号：证监许可（2009）1210号 35 可以同时在共享基础设施上运行，而不会对彼此性能产生负面影响。无损网络：无损网络：Spectrum-X 将配置网络实现无损，从而确保不丢弃数据包并最大限度地降低尾延迟。尾延迟是指一组并行任务中速度最慢的任务所经历的延迟，这将决定操作的整体完成时间。动态负载均衡动态负载均衡：Spectrum-X 使用细粒度动态路由来最大限度地提高网络利用率，并确保以太网的最高有效带宽。动态路由通过在整个网络中实现逐包负载均衡，避免了传统以太网中静态路由（等价多路径，即 ECMP）或 flowlet 路由的陷阱，而无需深度缓冲区或突发吸收。由于负载均衡意味着数据包可以乱序地到达目的地，NVIDIA BlueField-3 SuperNIC 则确保重新排序数据包，并将其放置在主机内存中，从而对应用程序透明。图表图表 68 Spectrum-X平台相对于传统以太网平台相对于传统以太网的表现有大幅提升的表现有大幅提升 资料来源：英伟达、转引自txrjy 图表图表 69 英伟达计划英伟达计划 Spectrum-X平台用于构建百万级别平台用于构建百万级别 GPU 的的 AI 网络网络 资料来源：英伟达官网 电子行业深度研究报告电子行业深度研究报告 证监会审核华创证券投资咨询业务资格批文号：证监许可（2009）1210号 36 随着 AI 产业迅速发展，AI 算力、运力需求大幅提升，数据网络需要具备更强的稳定性、高性能、高可控以及低成本等特性，传统品牌交换机不同设备厂商互通性偏低，网络运维难度大，管控不能统一，一旦发生错误也很难实现快速定位，并且不利于未来的设备升级和功能扩展。白盒交换机、裸机交换机以更低成本、更高开放性等优势，受到众多大型云厂商的青睐，未来数据中心交换机有望进一步白盒化、裸机化。其中，裸机交换机仅提供裸机交换机，白盒交换机提供裸机交换机和操作系统。裸机交换机相比白盒交换机更有成本优势，这一优势根本上是由售后服务剥离所带来的，适用于海外数据中心龙头厂商如：亚马逊、谷歌、Meta等。图表图表 70 不同类型交换机对比不同类型交换机对比 对比对比 品牌交换机品牌交换机 白盒交换机白盒交换机 裸机交换机裸机交换机 定义 包含硬件、软件和操作系统,且 NOS 对用户封闭 包含硬件和基本网络操作 系统(预安装 NOS)裸机交换机 产品价格 高 中 低 硬件组成 品牌组件 商用元器件(含 ASIC)商用元器件(含 ASIC)网络操作系统 品牌交换软件 预装厂商或第三方 0S软件 无 是否可编程 否 是 是 商业模式 整机出售 整机出售(可贴牌)需客户自研或另购软件 典型厂商代表 Cisco、华为、H3C Arista、星网锐捷、Jumniper Accton 适用场景 用于多种网络环境，如企业、数据中心、运营商等 主要用于大型云数据中心等特定场景 资料来源：华经情报网，亿渡数据2022年中国交换机行业短报告，华创证券 白盒交换机、白盒交换机、ODM 直销直销交换机交换机销售额销售额快速增长，份额仍在提升。快速增长，份额仍在提升。IDC 数据显示数据显示2024Q2 年全球以太网交换机市场规模达到 102 亿美元，同比-14.1%，环比 15.4%。其中，数据中心部分市场收入同比 7.6%，环比 15.8%。白盒交换机代表厂商 Arista 以太网交换机 2024Q2 收入（其中 90.2%来自数据中心）同比 12.4%，环比 7.0%，使该公司 2024Q2 的市场份额达到 13.5%，较 2023 年全年份额 11.1%有所提升；其在高速交换机的市场份额逐步提高，后续或有望超过传统交换机龙头 Cisco。ODM 直销交换机2024Q2 收入同比 66.9%，占数据中心细分市场收入的 19.1%，较 2023 年全年份额14.3%有所提升。图表图表 71 Arista、ODM 直销交换机在全球以太网交换机中占比持续提升直销交换机在全球以太网交换机中占比持续提升 资料来源：IDC 电子行业深度研究报告电子行业深度研究报告 证监会审核华创证券投资咨询业务资格批文号：证监许可（2009）1210号 37 图表图表 72 Arista 高速交换机市场份额高速交换机市场份额逐步逼近逐步逼近 Cisco 图表图表 73 2023 年年 Arista 高速交换机端口出货量高速交换机端口出货量超过超过Cisco 资料来源：Crehan Research Data Center Switch Market Share Report 4Q23，转引自Arista Investor Presentation（2024.5），华创证券 资料来源：Crehan Research Data Center Switch Market Share Report 4Q23，转引自Arista Investor Presentation（2024.5），华创证券 注：图中为出货量份额 0.0.0 .00.0.0P.0.0p.0.0.0 12 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023AristaCisco0.0.0 .00.0.0P.0.0p.0.0 12 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023AristaCisco 电子行业深度研究报告电子行业深度研究报告 证监会审核华创证券投资咨询业务资格批文号：证监许可（2009）1210号 38 四、四、相关公司相关公司（一）（一）沪电股份：沪电股份：AI 业务加速放量，业务加速放量，800G交换机有望与交换机有望与 AI 服务器共振向上服务器共振向上 AI 服务器仍在持续迭代，芯片升级有望带动 PCB 制程规格同步升级，ASP 有望稳步提升。在网络市场，800G 交换机已经开始放量渗透，公司产品也已实现量产，高端产品放量有望带动数通板业务毛利率持续提升。盈利预测及投资评级盈利预测及投资评级：公司深耕北美客户，有望充分享受算力市场高增红利，考虑 24年 800G 交换机开启渗透，我们预计 24-26年盈利预测为 26.39/35.56/39.77亿元。当前向下有估值保护，向上业绩有机会超预期，AI 应用创新有望带动板块估值提升，考虑同行可比公司中际旭创、深南电路估值及自身历史估值中枢，给予 25 年 30X 目标估值，目标价维持为 55.8元，维持“强推”评级。（二）（二）生益电子生益电子：AI 服务器大批量交付，服务器大批量交付，800G交交换机产品有望放量换机产品有望放量 AI 服务器：服务器：公司已经完成多个客户的项目认证，24H1 实现了批量交付；正在积极配合客户进行下一代产品的开发；AI 服务器客户亚马逊 24Q2 业绩交流会表示 AI 自研芯片需求旺盛。800G交换机：交换机：公司已经获得了多个客户认证，并在 24H1实现了小批量交付，未来随着 800G产品放量，有望推动公司业绩加速上行。盈利预测及投资评级盈利预测及投资评级：公司具备一流技术、产品和客户，有望深度受益于此轮 AI 产业的高速发展。公司 Q2业绩实现同环比大幅改善，考虑公司 AI服务器及交换机业务的增长，我们预计公司 24-26年盈利预测 1.86/5.45/8.16 亿元。考虑公司处在业绩拐点的高速增长期，伴随需求端快速放量，高经营杠杆下盈利弹性有望持续超预期，维持“推荐”评级。（三）（三）胜宏科技胜宏科技：前瞻布局前瞻布局 HDI 领域，深度受益于领域，深度受益于 AI 服务器用服务器用 HDI 需求提升需求提升 公司在服务器 PCB 领域公司前瞻布局，拥有客户、产品、制造能力（HDI）和海外布局等优势：（1）客户方面：公司与头部玩家英伟达、AMD、微软、思科等达成合作关系；（2）产品方面：公司 AI 数据中心 5 阶、6 阶 HDI 以及 28 层加速卡产品顺利量产；（3）技术实力：公司前瞻布局 HDI 领域，2019 年 HDI 一期工厂投产，2023 年实现 14 层Anylayer HDI板量产，目前实现 6 阶 HDI量产。盈利预测及投资评级盈利预测及投资评级：公司 AI 多业务条线进展顺利，我们预计 24-26 年盈利预测12.54/20.09/27.02 亿元，参考可比公司沪电股份、深南电路、世运电路，给予公司 25 年20X目标 PE，目标价 46.6元，维持“强推”评级。电子行业深度研究报告电子行业深度研究报告 证监会审核华创证券投资咨询业务资格批文号：证监许可（2009）1210号 39 五、五、风险提示风险提示 AI 产业发展不及预期、行业竞争格局加剧、产品导入不及预期、新技术迭代风险、原材料价格大幅上涨。电子行业深度研究报告电子行业深度研究报告 证监会审核华创证券投资咨询业务资格批文号：证监许可（2009）1210号 40 电子组团队介绍电子组团队介绍 副所长、前沿科技研究中心负责人：耿琛副所长、前沿科技研究中心负责人：耿琛 美国新墨西哥大学计算机硕士。曾任新加坡国立大计算机学院研究员，中投证券、中泰证券研究所电子分析师。2019年带领团队获得新财富电子行业第五名，2016 年新财富电子行业第五名团队核心成员，2017 年加入华创证券研究所。联席首席研究员：岳阳联席首席研究员：岳阳 上海交通大学硕士。2019年加入华创证券研究所。高级分析师：熊翊宇高级分析师：熊翊宇 复旦大学金融学硕士，3年买方研究经验，曾任西南证券电子行业研究员，2020年加入华创证券研究所。研究员：吴鑫研究员：吴鑫 复旦大学资产评估硕士，1 年买方研究经验。2022年加入华创证券研究所。研究员：高远研究员：高远 西南财经大学硕士。2022年加入华创证券研究所。研究员：姚德昌研究员：姚德昌 同济大学硕士。2021 年加入华创证券研究所。助理研究员：张文瑶助理研究员：张文瑶 哈尔滨工业大学硕士。2023 年加入华创证券研究所。助理研究员：蔡坤助理研究员：蔡坤 香港浸会大学硕士。2023年加入华创证券研究所。助理研究员：卢依雯助理研究员：卢依雯 北京大学金融硕士。2024年加入华创证券研究所。助理研究员：张雅轩助理研究员：张雅轩 美国康奈尔大学硕士。2024 年加入华创证券研究所。研究员：董邦宜研究员：董邦宜 北京交通大学计算机硕士，3年 AI算法开发经验，曾任开源证券电子行业研究员。2024 年加入华创证券研究所。电子行业深度研究报告电子行业深度研究报告 证监会审核华创证券投资咨询业务资格批文号：证监许可（2009）1210号 42 华创行业公司投资评级体系华创行业公司投资评级体系 基准指数说明：基准指数说明：A股市场基准为沪深 300指数，香港市场基准为恒生指数，美国市场基准为标普 500/纳斯达克指数。公司投资评级说明：公司投资评级说明：强推：预期未来 6个月内超越基准指数 20%以上；推荐：预期未来 6个月内超越基准指数 10 %；中性：预期未来 6个月内相对基准指数变动幅度在-10%之间；回避：预期未来 6个月内相对基准指数跌幅在 10 %之间。行业投资评级说明：行业投资评级说明：推荐：预期未来 3-6个月内该行业指数涨幅超过基准指数 5%以上；中性：预期未来 3-6个月内该行业指数变动幅度相对基准指数-5%5%；回避：预期未来 3-6个月内该行业指数跌幅超过基准指数 5%以上。分析师声分析师声明明 每位负责撰写本研究报告全部或部分内容的分析师在此作以下声明：分析师在本报告中对所提及的证券或发行人发表的任何建议和观点均准确地反映了其个人对该证券或发行人的看法和判断；分析师对任何其他券商发布的所有可能存在雷同的研究报告不负有任何直接或者间接的可能责任。免责声明免责声明 本报告仅供华创证券有限责任公司（以下简称“本公司”）的客户使用。本公司不会因接收人收到本报告而视其为客户。本报告所载资料的来源被认为是可靠的，但本公司不保证其准确性或完整性。本报告所载的资料、意见及推测仅反映本公司于发布本报告当日的判断。在不同时期，本公司可发出与本报告所载资料、意见及推测不一致的报告。本公司在知晓范围内履行披露义务。报告中的内容和意见仅供参考，并不构成本公司对具体证券买卖的出价或询价。本报告所载信息不构成对所涉及证券的个人投资建议，也未考虑到个别客户特殊的投资目标、财务状况或需求。客户应考虑本报告中的任何意见或建议是否符合其特定状况，自主作出投资决策并自行承担投资风险，任何形式的分享证券投资收益或者分担证券投资损失的书面或口头承诺均为无效。本报告中提及的投资价格和价值以及这些投资带来的预期收入可能会波动。本报告版权仅为本公司所有，本公司对本报告保留一切权利。未经本公司事先书面许可，任何机构和个人不得以任何形式翻版、复制、发表、转发或引用本报告的任何部分。如征得本公司许可进行引用、刊发的，需在允许的范围内使用，并注明出处为“华创证券研究”，且不得对本报告进行任何有悖原意的引用、删节和修改。证券市场是一个风险无时不在的市场，请您务必对盈亏风险有清醒的认识，认真考虑是否进行证券交易。市场有风险，投资需谨慎。华创证券研究所华创证券研究所 北京总部北京总部 广深分部广深分部 上海分部上海分部 地址：北京市西城区锦什坊街 26 号 恒奥中心 C 座 3A 地址：深圳市福田区香梅路 1061 号 中投国际商务中心 A 座 19 楼 地址：上海市浦东新区花园石桥路 33 号 花旗大厦 12 层 邮编：100033 邮编：518034 邮编：200120 传真：010-66500801 传真：0755-82027731 传真：021-20572500 会议室：010-66500900 会议室：0755-82828562 会议室：021-20572522
2024-09-29
41页
5星级
请认真阅读文后免责条款请认真阅读文后免责条款计算机计算机报告日期：报告日期：2024 年年 09 月月 27 日日多重因素催化下，车路云一体化迎来发展机遇多重因素催化下，车路云一体化迎来发展机遇计算机计算机行业深度报告行业深度报告华龙证券研究所华龙证券研究所投资评级：投资评级：推荐推荐（维持维持）最近一年走势最近一年走势分析师：孙伯文执业证书编号：S0230523080004邮箱：联系人：朱凌萱执业证书编号：S0230124010005邮箱：相关阅读相关阅读信创再迎政策催化，关注细分赛道布局机会计算机行业周报2024.09.23收入增长利润承压，关注细分赛道复苏节奏计算机行业 2024 年中报综述2024.09.20海外映射 国内技术进步，关注 AI 产业 布 局 机 会 计 算 机 行 业 周 报 2024.09.19摘要：摘要：政策端政策端：利好政策频出利好政策频出，产业向规范化发展产业向规范化发展。政策是我国自动驾驶发展的主要驱动因素之一，近年来，我国自动驾驶领域的上层制度建设不断完善，相关法律法规不断出台。时间节点上，2025年有望成为我国自动驾驶向标准化、体系化发展的重要一年。在相关政策指导下，部分试点城市率先开启布局车路云一体化，项目投资金额及项目招标数量显著提升。襄阳、福州、鄂尔多斯等地陆续推进“车路云一体化”建设与规划工作，相关项目相继获得审批。在政策引导下，产业链上下游有望形成合力，投资力度有望加大。技术端技术端：主流自动驾驶技术路线的分歧与共识主流自动驾驶技术路线的分歧与共识。传统的驾驶辅助系统（ADAS）具有局限性，即便是人工智能算法替代规则模型，单车的智能化仍存在遮挡物和感知盲区的问题，存在安全隐患。有别于单车智能技术路线，车路云协同一体化以路侧设施、车载系统、通信网络以及云平台的协同作为自动驾驶的技术路线，融合了智能的车和路，实施车车、车路信息实时交互。能够有效提高自动驾驶安全性。成本端成本端：规避单车智能的高成本问题规避单车智能的高成本问题。我国自动驾驶技术起步较晚，而自动驾驶系统的效果和行驶的公里数和时长等方面成显著正比，中国仅靠发展单车智能或难以在短期内实现技术超越。而在新基建的推动下，车路协同有望进入快速发展阶段，降低自动驾驶的复杂度和车载成本，弥补中国在单车智能发展方面的不足，成为中国特色的发展道路，甚至率先实现 L4-L5 级高等级公路自动驾驶技术的大规模商业化落地。商业化商业化：Robotaxi 先行先行，自动驾驶商业模式有望加速落地自动驾驶商业模式有望加速落地。国内方面，百度萝卜快跑领跑国内 Robotaxi，2024 年第一季度，百度旗下萝卜快跑平台累计订单已经超过了 600 万单，当季度订单量同比增长了 25%，跨越收支平衡点可期。在 2025 年前后，自动驾驶技术支持的出行服务成本有望与司机成本持平。我们认为2025 年有望成为自动驾驶商业化发展的关键转折点，也可能意味着自动驾驶技术在经济性上具备了与传统人力驾驶相竞争的实力。路侧设备有望由路侧设备有望由“点点”向向“面面”铺开铺开。据工信部数据，截至 2024年 7 月，全国共建设 17 个国家级智能网联汽车测试区、7 个车联网先导区，开放测试道路 32000 多公里，测试里程超过 1.2 亿公证券研究报告证券研究报告行业研究报告行业研究报告请认真阅读文后免责条款里，各地智能化路侧单元（RSU）部署超过 8700 套，多地开展云控基础平台建设。路侧基础设施建设有望从车路云试点城市逐步铺开，实现由“点”到“面”的拓展。我们认为，以全国城市信号灯交叉路口实现 RSU 全覆盖及全国城市道路路段 RSU 覆盖率达到 70%计算，我国 RSU 市场规模可达约 723 亿市场规模。投资投资建议建议：我们认为，随着科技的进步和成本的降低，政策的支持将进一步推动 Robotaxi 的商业化进程。在技术层面，高阶自动驾驶技术的普及正在加速，AI 的持续赋能使其更加智能；成本层面，车辆制造和运营成本预计将持续下降；政策层面，支持自动驾驶商业化的政策正在不断出台。多重因素推动下，车路云一体化进程有望迎来加速阶段，维持计算机行业“推荐推荐”评级。我们建议关注那些在技术储备和产业经验方面具有优势的公司，包括万集科技（300552.SZ）、通行宝（301339.SZ）、信息发展（300469.SZ）、高新兴（300098.SZ）、中科创达（300496.SZ）、锐明技术（002970.SZ）等。风险提示：风险提示：车路云协同一体化投资不及预期；路侧设备推进不及预期；行业竞争加剧；自动驾驶推广速度不及预期；相关政策出台不及预期。表：重点关注公司及盈利预测表：重点关注公司及盈利预测股票代码股票代码股票简称股票简称2024/09/26EPS（元）（元）PE投资投资评级评级股价（元）股价（元）2023A2024E2025E2026E2023A2024E2025E2026E002970.SZ锐明技术30.860.591.161.642.2052.326.518.814.0未评级300098.SZ高新兴4.12-0.060.040.060.09-68.7115.463.946.7未评级300469.SZ信息发展14.43-0.79-0.380.390.81-18.3-37.737.317.8未评级300496.SZ中科创达39.011.021.051.421.9038.437.227.420.6未评级300552.SZ万集科技29.83-1.81-0.030.751.52-16.5-1129.940.019.7未评级301339.SZ通行宝18.340.470.590.780.9939.131.323.618.5未评级数据来源：数据来源：Wind，华龙证券研究所，华龙证券研究所行业研究报告行业研究报告请认真阅读文后免责条款内容目录内容目录1 政策端：利好政策频出，产业生态持续构建政策端：利好政策频出，产业生态持续构建.11.1 我国自动驾驶政策沿革.11.2 各地启动车路云一体化项目，产业链上下游有望形成合力.21.3 从 L3 级测试牌照发放到上路通行试点，高级别自动驾驶有望加速到来.32 技术端：车路云一体化或是扬长避短之路技术端：车路云一体化或是扬长避短之路.42.1 三种自动驾驶技术路径的分歧与共识.42.1.1 谷歌派：传感器 AI 预构建地图.42.1.2 特斯拉派：以视觉感知为主要感知设备的自动驾驶系统.62.1.3 车路云协同一体化：路侧智能替代部分车侧智能.73 成本端：从单车智能向车路云一体化变革具有必然性成本端：从单车智能向车路云一体化变革具有必然性.83.1 单车智能发展存在安全隐患和高成本两大瓶颈.83.2 我国自动驾驶起步较晚，发展路侧智能能够规避单车智能带来的高成本难题，从而实现弯道超车.94 商业化：百度萝卜快跑领航国内商业化：百度萝卜快跑领航国内 Robotaxi，关注盈亏平衡点的到来，关注盈亏平衡点的到来.105 路侧基础设施建设正当时路侧基础设施建设正当时.125.1 路侧设备 RSU 正处于全面铺开的关键时期.125.2 全国城市中路侧设备 RSU 市场规模测算.136 投资建议投资建议.147 风险提示风险提示.15图目录图目录图 1：预构建地图.4图 2：传感器扫描.4图 3：预测行动轨迹.5图 4：规划路线.5图 5：第五代 Waymo 传感器系统.6图 6：特斯拉 FSD.7图 7：特斯拉 FSD 系统通过 AI 建模.7图 8：车路云一体化系统.8图 9：车路云数据交互路径.8图 10：全球车联网产业布局及优势.9图 11：C-V2X 在车路云协同两阶段的三个应用场景.10图 12：自动驾驶技术促进出行服务成本降低.11图 13：自动驾驶技术促进出行服务成本降低.11图 14：L4 级自动驾驶的大模型 ApolloADFM.12图 15：百度萝卜快跑 Robotaxi.12图 16：交叉路口场景下路侧设备部署示意图.13图 17：道路场景下路侧设备部署示意图.13行业研究报告行业研究报告请认真阅读文后免责条款表目录表目录表 1：我国自动驾驶政策及行业标准梳理（部分）.1表 2：2024 年以来部分城市车路云一体化建设项目进展.2表 3：全国首批 9 家开展 L3 级自动驾驶上路通行试点的车企.3表 4：全国城市路侧设备 RSU 远期市场规模测算.14行业研究报告行业研究报告请认真阅读文后免责条款11 政策端：利好政策频出，产业生态持续构建政策端：利好政策频出，产业生态持续构建1.1 我国自动驾驶政策沿革我国自动驾驶政策沿革政策是我国自动驾驶发展的主要驱动因素之一，近年来，我国自动驾驶领域的上层制度建设不断完善，相关法律法规不断出台。时间节点上，2025 年有望成为我国自动驾驶向标准化、体系化发展的重要一年。2024 年初，工信部等五部门联合发布了关于开展智能网联汽车“车路云一体化”应用试点工作的通知，探索基于车、路、云、网、图等高效协同的自动驾驶技术多场景应用，加快智能网联汽车技术突破和产业化发展。2024 年 6 月 24 日，国家发展改革委等部门印发关于打造消费新场景培育消费新增长点的措施的通知（下称“通知”）。通知中提出，要拓展汽车消费新场景，稳步推进自动驾驶商业化落地运营，打造高阶智能驾驶新场景。同时，开展智能汽车“车路云一体化”应用试点和城市汽车流通消费改革试点。2024 年 7 月 3 日，工信部等五部门发布关于公布智能网联汽车“车路云一体化”应用试点城市名单的通知，确定 20 个城市（联合体）为智能网联汽车“车路云一体化”应用试点城市。我们认为试点城市的确定是各地车路云项目落地的序幕，未来多地有望加快相关项目的招标工作。表表 1：我国自动驾驶政策及行业标准梳理（部分）我国自动驾驶政策及行业标准梳理（部分）时间时间发布部门发布部门政策政策内容内容2020 年 2 月国家发展改革委等 11 个部门智能汽车创新发展战略到 2025 年，中国标准智能汽车的技术创新、产业生态、基础设施、法规标准、产品监管和网络安全体系基本形成。实现有条件自动驾驶的智能汽车达到规模化生产，实现高度自动驾驶的智能汽车在特定环境下市场化应用。智能交通系统和智慧城市相关设施建设取得积极进展，车用无线通信网络（LTE-V2X 等）实现区域覆盖，新一代车用无线通信网络（5G-V2X）在部分城市、高速公路逐步开展应用，高精度时空基准服务网络实现全覆盖。2020 年 12 月交通运输部关于促进道路交通自动驾驶技术发展和应用的指导意见到 2025 年，自动驾驶基础理论研究取得积极进展，道路基础设施智能化、车路协同等关键技术及产品研发和测试验证取得重要突破；出台一批自动驾驶方面的基础性、关键性标准；建成一批国家级自动驾驶测试基地和先导应用示范工程，在部分场景实现规模化应用，推动自动驾驶技术产业化落地。2021 年 8 月国家市场监督管理总局、中国汽车驾驶自动化分级驾驶自动化分为五个等级：0 级为应急辅助；1级为部分驾驶辅助；2 级为组合驾驶辅助；3 级行业研究报告行业研究报告请认真阅读文后免责条款2时间时间发布部门发布部门政策政策内容内容国家标准化管理委员会为有条件自动驾驶；4 级为高度自动驾驶；5 级为完全自动驾驶。2023 年 7 月工业和信息化部、国家标准化管理委员会国家车联网产业标准体系建设指南（智能网联汽车）（2023 版）提出两阶段发展目标：第一阶段到 2025 年，系统形成能够支撑组合驾驶辅助和自动驾驶通用功能的智能网联汽车标准体系；第二阶段到2030 年，全面形成能够支撑实现单车智能和网联赋能协同发展的智能网联汽车标准体系。2024 年 1 月工信部等五部门关于开展智能网联汽车“车路云一体化”应用试点工作的通知试点期为 20242026 年。1）建设智能化路侧基础设施。实现试点区域 5G 通信网络全覆盖，部署 LTE-V2X 直连通信路侧单元（RSU）等在内的 C-V2X 基础设施。开展交通信号机和交通标志标识等联网改造，实现联网率 90%以上。2）提升车载终端装配率。分类施策逐步提升车端联网率，试点运行车辆 100%安装 C-V2X 车载终端和车辆数字身份证书载体；鼓励对城市公交车、公务车、出租车等公共领域存量车进行C-V2X 车载终端搭载改造，新车车载终端搭载率达 50%；鼓励试点城市内新销售具备 L2 级及以上自动驾驶功能的量产车辆搭载 C-V2X 车载终端；支持车载终端与城市级平台互联互通。2024 年 7 月工信部等五部门关于公布智能网联汽车“车路云一体化”应用试点城市名单的通知确定包括北京、上海、重庆在内的 20 个城市（联合体）为智能网联汽车“车路云一体化”应用试点城市。资料资料来源：交通运输部来源：交通运输部、工信部、国家发改委、工信部、国家发改委、国家市场监督管理总局、中国国家标准化管理委员会国家市场监督管理总局、中国国家标准化管理委员会，华龙证，华龙证券研究所券研究所1.2 各地启动车路云一体化项目，产业链上下游有望形成合力各地启动车路云一体化项目，产业链上下游有望形成合力在相关政策指导下，部分试点城市纷纷开启布局车路云一体化，项目投资金额及项目招标数量显著提升。2024 年 5 月，北京市投资额近百亿元“车路云一体化”项目，新型基础设施建设项目双智专网建设工程启动招标，通过城市智慧化改造加速产业落地；武汉“车路云”一体化重大示范项目已获市发改委批准，备案金额为170 亿，拟于 6 月份开工。同时，襄阳、福州、鄂尔多斯等地也在陆续推进“车路云一体化”建设与规划工作，相关项目相继获得审批。在政策引导下，产业链上下游有望形成合力，投资力度有望加大。表表 2：2024 年以来部分城市车路云一体化建设项目进展年以来部分城市车路云一体化建设项目进展时间时间城市城市项目内容项目内容2024 年 5 月 31 日北京市北京市车路云一体化新型基础设施建设项目（初步设计、施工图设计）招标公告项目开启招标，选取 2324 平方公里范围内约 6050 个道路路口开展建设，以行业研究报告行业研究报告请认真阅读文后免责条款3时间时间城市城市项目内容项目内容及除上述道路路口外项目双智专网网络中心的建设和改造，投资额达 99.4 亿元。2024 年 4 月 23 日 鄂尔多斯市鄂尔多斯市新能源智能网联汽车示范应用和产业发展三年行动计划发布，提出开展基础设施建设行动，实现主要区域 90%路口信号机和交通标志标识联网，促进车路云一体化融合发展。开展商业模式创新行动，探索出行、物流、矿山等场景商业闭环路径，构建稳定可信的车路云一体化基础设施运营模式，打造具有行业引领性的标杆项目。开展产业高质量发展行动，构建运营服务、核心零部件及整车产业生态集群，实现智能网联相关产业年产值突破 300 亿元。2024 年 6 月 3 日福州市福州智能网联车路云一体化启动区示范建设审批类项目公示。2024 年 5 月 6 日襄阳市湖北省经信厅批复 59055925MHz 车联网直连通信频率使用许可函，标志着襄阳可正式开展车联网（智能网联汽车）直连通信频率试验。此次批复的车联网直连通信试验频率将适用于以二广高速、福银高速、绕城高速合围内的樊城区、襄城区、高新区、襄州区以及东津新区等中心城区范围内的 448 个主要交通路口，覆盖面积约 700 平方公里，双向道路里程约 940 公里，涉及频率使用的设备包括路侧通信单元（RSU）498 台，车载智能终端 3000 台。资料资料来源：北京市公共资源综合交易系统，鄂尔多斯市工信局，财联社，湖北省发改委，华龙证券研究所来源：北京市公共资源综合交易系统，鄂尔多斯市工信局，财联社，湖北省发改委，华龙证券研究所1.3 从从 L3 级测试牌照发放到上路通行试点，高级别自动驾驶有望加速到级测试牌照发放到上路通行试点，高级别自动驾驶有望加速到来来2023 年底，国内首批有条件自动驾驶（L3 级）高速公路道路测试牌照正式发放，包括宝马、奔驰、阿维塔、深蓝，奔驰、极狐、宝马、智己、赛力斯在内的多家车企获得测试牌照。时隔仅半年，2024 年 6 月，进入智能网联汽车准入和上路通行试点联合体基本信息发布，公布了全国首批 9 家开展 L3 级自动驾驶上路通行试点的车企，首批车型包括乘用车、货车和客车，运行所在地包括北京、重庆、深圳、上海等城市。我们认为从首批L3 级自动驾驶高速公路道路测试牌照发放到首批L3 级自动驾驶上路通行试点城市公布时间间隔较短，技术验证节奏有望加快，高级别自动驾驶时代有望加速到来。表表 3：全国首批全国首批 9 家开展家开展 L3 级自动驾驶上路通行试点的车企级自动驾驶上路通行试点的车企汽车生产企业汽车生产企业使用主体使用主体车辆运行所在城市车辆运行所在城市产品类别产品类别重庆长安汽车股份有限公司重庆长安车联科技有限公司重庆市乘用车比亚迪汽车工业有限公司深圳市东潮出行科技有限公司广东省深圳市乘用车广汽乘用车有限公司广汽祺宸科技有限公司广东省广州市乘用车上海汽车集团股份有限公司上海赛可出行科技服务有限公司上海市乘用车北汽蓝谷麦格纳汽车有限公司北京出行汽车服务有限公司北京市乘用车中国第一汽车集团有限公司一汽出行科技有限公司北京市乘用车上汽红岩汽车有限公司上海友道智途科技有限公司海南省儋州市货车宇通客车股份有限公司郑州市公共交通集团有限公司河南省郑州市客车蔚来汽车科技（安徽）有限公司上海蔚来汽车有限公司上海市乘用车资料资料来源：来源：工信部工信部，华龙证券研究所，华龙证券研究所行业研究报告行业研究报告请认真阅读文后免责条款42 技术端：车路云一体化或是扬长避短之路技术端：车路云一体化或是扬长避短之路2.1 三种自动驾驶技术路径的分歧与共识三种自动驾驶技术路径的分歧与共识2.1.1 谷歌派：传感器谷歌派：传感器 AI 预构建地图预构建地图Google 的无人驾驶项目于 2009 年正式启动，2016 年谷歌无人驾驶项目独立为谷歌母公司 Alphabet 旗下子公司 Waymo。Waymo 的自动驾驶技术路线可以理解为一种单车智能技术路线，即时通过传感器、处理器和控制器去感知识别、做出决策并进行控制。Waymo 自动驾驶的主要环节包括：预构建 3D 地图、读取道路信息、预测运动路径、规划路径。预构建预构建 3D 地图地图：在汽车驶入任何位置之前，Waymo 会构建详细的三维地图，突出显示道路轮廓、路缘石和人行道、车道标记、人行横道、交通信号灯、停车标志和其他道路特征等信息。Waymo 的车辆不完全依赖GPS，而是将其预构建的地图与实时传感器数据进行交叉引用，并结合人工智能算法来精确确定其在道路上的位置。扫描周围运动物体扫描周围运动物体，读取道路信息读取道路信息：Waymo 的传感器和软件会持续扫描车辆周围的物体，包括行人、骑自行车的人、车辆、道路施工、障碍物等，并持续读取交通控制，包括交通信号灯颜色、铁路道口闸口到临时停车标志。预测道路上运动物体的轨迹预测道路上运动物体的轨迹：Waymo 的软件会根据道路上的每一个动态物体当前的速度和轨迹预测未来的运动路径。该软件系统会考虑到车辆的移动方式与骑自行车的人或行人不同，也会考虑不断变化的路况（例如前方车道堵塞）如何影响周围其他人的行为。规划路径和应对变化规划路径和应对变化：Waymo 的软件会综合考虑所有信息，然后判断和选择在行驶中安全前进所需的确切轨迹、速度、车道和转向操作。图图 1：预构建地图预构建地图图图 2：传感器扫描传感器扫描资料资料来源：来源：Waymo，华龙证券研究所华龙证券研究所资料资料来源：来源：Waymo，华龙证券研究所华龙证券研究所行业研究报告行业研究报告请认真阅读文后免责条款5为具体实现上述自动驾驶各环节，第五代 Waymo Driver 自动驾驶系统由激光雷达系统、传感器系统、视觉系统和软件系统组成。激光雷达系统激光雷达系统（LIDAR）：Waymo 的系统包括三种类型的激光雷达：一种是短程激光雷达，直接提供车辆周围不间断的视野，一种是高分辨率的中程激光雷达，另一种是远程激光雷达，可以看到几乎三个足球场（300米）以外的地方。激光雷达可以昼夜工作，每秒 360 度发射数百万个激光脉冲，并测量从表面反射并返回车辆所需的时间。视觉（相机）系统：视觉（相机）系统：Waymo 的视觉系统由几组高分辨率摄像头组成，用于在日光和弱光条件下的远距离工作，其设计目的是像人类一样在环境中观察世界，但同时具有 360 度视野，而不是人类驾驶员的 120 度视野。由于 Waymo 的高分辨率视觉系统可以检测颜色，所以它可以帮助系统发现交通信号灯、建筑区、校车和紧急车辆的闪光灯。雷达系统（雷达系统（RADAR):使用无线电波（通常在微波或毫米波频段）发射信号来感知物体和运动。这些波长能够在雨滴等物体周围传播，使雷达在白天或黑夜的雨、雾和雪中都能有效。Waymo 的雷达系统具有连续的360 度视图，因此它可以跟踪车辆前方、后方和两侧道路运动物体的速度。补充传感器补充传感器：Waymo 车辆还配备了许多额外的传感器，包括音频检测系统，可以听到数百英尺外的警察和紧急车辆警报器；以及 GPS，以补充车辆在世界上的物理位置信息。图图 3：预测行动轨迹预测行动轨迹图图 4：规划路线规划路线资料资料来源：来源：Waymo，华龙证券研究所华龙证券研究所资料资料来源：来源：Waymo，华龙证券研究所华龙证券研究所行业研究报告行业研究报告请认真阅读文后免责条款6图图 5：第五代第五代 Waymo 传感器系统传感器系统资料资料来源：来源：Waymo 官网，官网，华龙证券研究所华龙证券研究所自动驾驶软件自动驾驶软件：以自动驾驶软件充当车辆的“大脑”。Waymo 已通过超过 200 万英里的模拟驾驶和超 2000 万英里的道路驾驶经验来训练软件。Waymo 的自动驾驶软件能够理解物体是什么以及物体可能如何移动，进而判断这些对车辆行驶的影响，也就是感知、行为预测和规划。2.1.2 特斯拉派：以视觉感知为主要感知设备的自动驾驶系统特斯拉派：以视觉感知为主要感知设备的自动驾驶系统特斯拉的自动驾驶是基于摄像头的纯视觉识别系统实现的单车智能FSD 系统。AI、大数据和计算是 FSD 的三大特征。首先，特斯拉采用AI 进行自动驾驶系统建模，也通过 AI 提高自动驾驶系统路况判断的准确度。其次，在计算硬件投入上，据特斯拉 2023 年官方数据，特斯拉已将1.4 万个 GPU 投入到自动驾驶的训练和标记中，其中用于自动驾驶模型训练的有 1 万个 GPU，用于自动标记的有 4 千个 GPU。同时，数据处理上，特斯拉的纯视觉自动驾驶系统依赖大量的视觉视频数据录入、分析和训练。据特斯拉 2023 年披露的数据，视频数据处理和存储方面采用了 30PB 分布式视频高速缓冲处理器，能够支持每天 50 万视频缓存和每秒 40 万视频实例处理。行业研究报告行业研究报告请认真阅读文后免责条款72.1.3 车路车路云云协同协同一体化一体化：路侧智能替代部分车侧智能：路侧智能替代部分车侧智能有别于传统单车智能技术路线，车路云协同一体化以路侧设施、车载系统、通信网络以及云平台的协同作为自动驾驶的技术路线。车路云协同方案采用无线通信和互联网技术，融合了智能的车和路，实施车车、车路信息实时交互。按组成要素划分，车路云一体化系统包括：1）车辆与驾驶：接收路侧、云端信息，进行决策和控制。2）路侧基础设施：包括感知、通信、计算类基础设施及交通附属设施，为云控基础平台采集动态交通数据，并向车辆及交通参与者提供交通信号等相关信息。3）云控平台：由“1”个云控基础平台及其所支撑的“N”个应用平台组成。其中，云控基础平台会基于相关数据的采集、存储与处理，为网联汽车、区域交通交管部门以及产业链其他企事业单位等提供支撑。应用平台则包括城市智能网联汽车安全监测、智慧公交、智慧乘用车、自动泊车、交通管理、场景仿真等应用平台。4）相关支撑平台：提供其他各类信息，如高精度地图、卫星导航、气象信息、交通路网监测与运行监管信息等。图图 6：特斯拉特斯拉 FSD图图 7：特斯拉特斯拉 FSD 系统通过系统通过 AI 建模建模资料资料来源：来源：特斯拉官网，特斯拉官网，华龙证券研究所华龙证券研究所资料资料来源：来源：特斯拉官网，特斯拉官网，华龙证券研究所华龙证券研究所行业研究报告行业研究报告请认真阅读文后免责条款83 成本端：从单车智能向车路云一体化变革具有必然性成本端：从单车智能向车路云一体化变革具有必然性3.1 单车智能发展存在安全隐患和高成本两大瓶颈单车智能发展存在安全隐患和高成本两大瓶颈参考谷歌、特斯拉单车智能技术实现路径，AI 辅助自动驾驶决策是现阶段提高自动驾驶安全性的必由之路之一。而 AI 带来的算法提升尚有技术局限性，加之端侧算力投入与算法精确度几乎成正比，因此边际成本将成为单车智能的主要制约因素。首先，传统的驾驶辅助系统（ADAS）具有局限性，低阶 ADAS 系统主要归基于规则的模型构成，基于特定条件触发相应机制，但是对于 L3及以上的高等级自动驾驶，在复杂的城市道路中，传统 ADAS 无法穷尽每一种路况下发生的每一种可能，规则模型必将被基于人工智能的自动驾驶算法替代，让 AI 学习人的驾驶习惯，提高场景的丰富度。但即便是人工智能算法替代规则模型，单车的智能化仍存在遮挡物和感知盲区的问题，存在安全隐患。其次，时间成本和测试成本也是单车智能发展的瓶颈。谷歌旗下自动驾驶公司 Waymo 已经耗时 10 年进行测试，累计进行了超过 200 万英里的模拟驾驶和超 2000 万英里的道路驾驶。除了依赖大量数据和测试实验，发展单车智能自动驾驶还对车载传感器和计算平台要求高，参考特斯拉单车智能技术实现过程，使用 AI 技术提高软件算法精度需要较高的端侧算力投入。图图 8：车路云一体化系统车路云一体化系统图图 9：车路云数据交互路径车路云数据交互路径资料资料来源：来源：中国智能网联汽车联盟，中国智能网联汽车联盟，华龙证券研究所华龙证券研究所资料资料来源：来源：中国智能网联汽车联盟，中国智能网联汽车联盟，华龙证券研究所华龙证券研究所行业研究报告行业研究报告请认真阅读文后免责条款93.2 我国自动驾驶起步较晚，发展路侧智能能够规避单车智能带来的高成我国自动驾驶起步较晚，发展路侧智能能够规避单车智能带来的高成本难题，从而实现弯道超车本难题，从而实现弯道超车未来中国有望通过车路云协同实现自动驾驶领域的“弯道超车”。在安全性问题上，车路云一体化能够实现车辆联网和实时的信息交互，在一定程度上削弱单车智能的局限性。目前，国际上主流的车联网无线通信技术有 DSRC（IEEE 802.11p）和 C-V2X 两条技术路线。C-V2X 既可实现长距离和更大范围的通信，也可实现车与车、车与路间的短距离通信，近年来已成为后起之秀并在世界范围内获得认可。C-V2X 在技术先进性、高可靠性和低时延等性能后续演进等方面更具优势。通过 V2V（汽车对汽车通信）、V2I（汽车对基础设施）、V2N（汽车对互联网通信）和 V2P（汽车对行人通信），车辆和驾驶者能够获取超视距或者非视距范围内的交通参与者状态和意图，从而解决单车智能化存在遮挡物和感知盲区等问题。我国自动驾驶技术起步较晚，而自动驾驶系统的效果和行驶的公里数和时长等方面成显著正比，中国仅靠发展单车智能或难以在短期内实现技术超越。而在新基建的推动下，车路协同有望进入快速发展阶段，降低自动驾驶的复杂度和车载成本，弥补中国在单车智能发展方面的不足，成为中国特色的发展道路，甚至超越美国率先实现 L4-L5 级高等级公路自动驾驶技术的大规模商业化落地。图图 10：全球车联网产业布局及优势全球车联网产业布局及优势资料资料来源：来源：中国通信学会，中国通信学会，华龙证券研究所华龙证券研究所近年来，我国通信、卫星互联网产业快速发展，公路总里程和公路网密度快速增长，有望为车路云一体化提供较为坚实的基础设施保障。云端：以华为为代表的通信企业在 5G 技术方面世界领先，且 4G 和行业研究报告行业研究报告请认真阅读文后免责条款105G 基站数量多，覆盖广。中国正大力推行 5G 网络、物联网、卫星互联网、数据中心、智能交通基础设施等新型基础设施建设。北斗卫星导航系统可提供全国范围内的高精度时空服务。全球车联网产业中，多国已经开始C-V2X 美国在佐治亚州、密歇根州科罗拉多州、加利福尼亚州等多个地区已经开展了大规模 C-V2X 相关测试活动；日本在多个城市内探索 C-V2X具体应用。韩国 K-City 已建成，针对 C-V2X 进行测试。全球范围内对C-V2X 重视程度日渐提高，我国在 C-V2X 技术方面走在前列。图图 11：C-V2X 在车路云协同两阶段的三个应用场景在车路云协同两阶段的三个应用场景资料资料来源：来源：中国通信学会，中国通信学会，华龙证券研究所华龙证券研究所路侧：基础设施建设方面，我国高速公路网快速发展、规模位居世界首位。路侧设备铺开潜在市场广阔，基础设施建设方面的特性将有力推动车路协同的发展。4 商业化：百度萝卜快跑领航国内商业化：百度萝卜快跑领航国内 Robotaxi，关注盈亏平衡点，关注盈亏平衡点的到来的到来降本增效助推新出行方式降本增效助推新出行方式，Robotaxi 出行市场有望达到万亿级别出行市场有望达到万亿级别。据麦肯锡测算，自动驾驶将提升个人安全系数，可减少 90%以上的事故，且平均每天可为司机节约 50 分钟的时间。成本方面，随着技术的进步和规模效应的显现，到 2030 年，自动驾驶有望推动每公里出行服务成本下降约40%，即从 2016 年的约 0.60 美元/公里下降到约 0.25 美元/公里。相反，受劳动力成本的上升、福利待遇的提高等因素影响，人类司机成本却可能从2016 年的约 0.35 美元/公里小幅上升到 2030 年的约 0.40 美元/公里。预计在 2025 年前后，自动驾驶技术支持的出行服务成本将与司机成本持平。我们认为 2025 年有望成为自动驾驶商业化发展的关键转折点，也可能意味着自动驾驶技术在经济性上具备了与传统人力驾驶相竞争的实力。行业研究报告行业研究报告请认真阅读文后免责条款11图图 12：自动驾驶技术促进出行服务成本降低自动驾驶技术促进出行服务成本降低资料资料来源：来源：麦肯锡，麦肯锡，华龙证券研究所华龙证券研究所图图 13：自动驾驶技术促进出行服务成本降低自动驾驶技术促进出行服务成本降低资料资料来源：来源：麦肯锡，麦肯锡，华龙证券研究所华龙证券研究所百度萝卜快跑领跑国内百度萝卜快跑领跑国内 Robotaxi，跨越收支平衡点可期跨越收支平衡点可期。萝卜快跑于2021 年 8 月上线，至今仅三年的时间。技术上，在 2024 年 5 月 15 日的百度 Apollo Day 上，百度 Apollo 发布了全球首个支持 L4 级别无人驾驶应用的自动驾驶大模型 ApolloADFM，同时上新了搭载百度第六代智能化系统解决方案、价格 20 万元的萝卜快跑第六代无人车（2021 年百度 Apollo 无人驾驶车量产价为 40 万元）。无人驾驶车单车成本下降将有助于降低Robotaxi 的整体运营成本，提高盈利能力，加速收支平衡点的到来。行业研究报告行业研究报告请认真阅读文后免责条款12订单方面，根据 2024 年百度第一季度财务数据，百度旗下萝卜快跑平台累计订单已经超过了600万单，当季度订单量82.6万单，同比增长了25%。百度官方目标是到 2024 年底，萝卜快跑在武汉实现收支平衡，并在 2025年全面进入盈利期。我们认为随着 Robotaxi 技术的成熟和安全性的提高，用户对 Robotaxi 的接受度也在逐渐提高。百度萝卜快跑的订单量在飞速增长，表明用户对 Robotaxi 的需求正在上升。5 路侧基础设施建设正当时路侧基础设施建设正当时5.1 路侧路侧设备设备 RSU 正处于全面铺开的关键时期正处于全面铺开的关键时期按使用场景划分，RSU 可分为路口 RSU 和道路 RSU。其中，路口 RSU主要应用于交通路口，用于实现车路互联互通、交通信号实时交互等功能，辅助驾驶员进行驾驶，保障交通安全。而道路 RSU 则应用于道路沿线，用于采集道路状况、交通状况等信息，并通过通讯网络与路侧感知设备、交通信号灯、电子标牌等终端通信。在功能上，路口 RSU 更侧重于交通信号控制、交通流信息采集、交通违法监测记录等功能，以优化交通信号灯调整，达到优化车流的目的。而道路 RSU 则更侧重于提供和汽车的通信中继，与边缘云、交通大脑相连或内置边缘计算设施，完成连接和计算的综合管理。据工信部数据，截至 2024 年 7 月，全国共建设 17 个国家级智能网联汽车测试区、7 个车联网先导区，开放测试道路 32000 多公里，测试里程超过 1.2 亿公里，各地智能化路侧单元（RSU）部署超过 8700 套，多地开展云控基础平台建设。路侧基础设施建设有望从车路云试点城市逐步铺开，实现由“点”到“面”的拓展。图图 14：L4 级自动驾驶的大模型级自动驾驶的大模型 Apollo ADFM图图 15：百度萝卜快跑百度萝卜快跑 Robotaxi资料资料来源：来源：百度百度 Apollo 官网，官网，华龙证券研究所华龙证券研究所资料资料来源：来源：百度萝卜快跑官网，百度萝卜快跑官网，华龙证券研究所华龙证券研究所行业研究报告行业研究报告请认真阅读文后免责条款135.2 全国城市中路侧设备全国城市中路侧设备 RSU 市场规模测算市场规模测算根据智慧公路车路协同路侧设施建设及应用技术指南，平面交叉口布署应按照单个路口不少于 1 台 RSU 设备布署；路段布署间距应500m；布署时应尽量与交通信号控制设施、监测设施共杆。按照此标准推算，我们认为路侧设备配置需求为：每个信号灯控交叉路口需要一个路口RSU 设备且每 0.5 公里路段需配备一个道路 RSU 设备。在具体推进中，路口场景在道路交通中所包含的信息量大，信息价值也更为关键。因此，RSU有望优先在路口场景中提高渗透率。基于以上分析，我们以全国路口 RSU全覆盖、全国城市道路 RSU 实现 70%覆盖率为远期目标对 RSU 的市场规模进行了初步估算。（1）路口场景下，RSU 的功能更为复杂，产品价值量也更高。估算全国大概有 39 万个灯控路口，按每个灯控路口设置一个 RSU 估算，路口 RSU需求量为 39 万个。（2）路段场景下，RSU 的功能设计要求较为简单，产品价值量相对较低。2022 年我国城市道路和桥梁全长约 55 万公里，按照 70%的覆盖率及每公里 2 个 RSU 的需求量估算，需要 77 万个路段 RSU。（3）按相关厂商销售额及销售量估算，2023 年 RSU 平均价格大约为6.2 万元/个。图图 16：交叉路口场景下路侧设备部署示意图交叉路口场景下路侧设备部署示意图图图 17：道路场景下路侧设备部署示意图道路场景下路侧设备部署示意图资料资料来源：来源：江苏省交通运输厅，江苏省交通运输厅，华龙证券研究所华龙证券研究所资料资料来源：来源：江苏省交通运输厅，江苏省交通运输厅，华龙证券研究所华龙证券研究所行业研究报告行业研究报告请认真阅读文后免责条款14表表 4：全国城市路侧设备全国城市路侧设备 RSU 远期市场规模测算远期市场规模测算使用场景使用场景价值量价值量覆盖范围（假设）覆盖范围（假设）需求量（估计）需求量（估计）路口估算平均约 6.2 万元/个城市道路全覆盖39 万个道路城市道路 70%的渗透率77 万个总市场规模723 亿元数据来源：华龙证券研究所数据来源：华龙证券研究所我们认为随着车路云建设示范区在城市中从点向面铺开，城市内部道路的路侧基础设施建设有望先于高速路段展开，以全国城市信号灯交叉路口实现 RSU 全覆盖及全国城市道路路段 RSU 覆盖率达到 70%计算，我国城市道路路侧智能建设中，RSU 市场规模可达约 723 亿元市场规模。6 投资建议投资建议我们认为，随着科技的进步和成本的降低，政策的支持将进一步推动Robotaxi 的商业化进程。在技术层面，高阶自动驾驶技术的普及正在加速，AI 的持续赋能使其更加智能；成本层面，车辆制造和运营成本预计将持续下降；政策层面，支持自动驾驶商业化的政策正在不断出台。多重因素推动下，车路云一体化进程有望迎来加速阶段，维持计算机行业“推荐推荐”评级。我们建议关注那些在技术储备和产业经验方面具有优势的公司，包括万集科技（300552.SZ）、通行宝（301339.SZ）、信息发展（300469.SZ）、高新兴（300098.SZ）、中科创达（300496.SZ）、锐明技术（002970.SZ）等。表表 5：重点关注公司及盈利预测：重点关注公司及盈利预测股票代码股票代码股票简称股票简称2024/09/26EPS（元）（元）PE投资投资评级评级股价（元）股价（元）2023A2024E2025E2026E2023A2024E2025E2026E002970.SZ锐明技术30.860.591.161.642.2052.326.518.814.0未评级300098.SZ高新兴4.12-0.060.040.060.09-68.7115.463.946.7未评级300469.SZ信息发展14.43-0.79-0.380.390.81-18.3-37.737.317.8未评级300496.SZ中科创达39.011.021.051.421.9038.437.227.420.6未评级300552.SZ万集科技29.83-1.81-0.030.751.52-16.5-1129.940.019.7未评级301339.SZ通行宝18.340.470.590.780.9939.131.323.618.5未评级数据来源：数据来源：Wind，华龙证券研究所，华龙证券研究所行业研究报告行业研究报告请认真阅读文后免责条款157 风险提示风险提示（1）车路云协同一体化投资车路云协同一体化投资不及预期不及预期。相关项目落地速度和投资力度高度相关（2）路侧设备推进路侧设备推进不及预期不及预期。路侧设备推进是车路云协同一体化发展的关键环节之一。（3）行业竞争加剧。行业竞争加剧。可能导致整体毛利率下滑。（4）自动驾驶推广速度自动驾驶推广速度不及预期不及预期。商业化推进节奏对车路云基础设施的利用率有直接影响。（5）相关政策出台相关政策出台不及预期。不及预期。行业发展需政策引导。免责及评级说明部分免责及评级说明部分分析师声明：分析师声明：本人具有中国证券业协会授予的证券投资咨询执业资格并注册为证券分析师，以勤勉尽责的职业态度，独立、客观、公正地出具本报告。不受本公司相关业务部门、证券发行人士、上市公司、基金管理公司、资产管理公司等利益相关者的干涉和影响。本报告清晰准确地反映了本人的研究观点。本人在预测证券品种的走势或对投资证券的可行性提出建议时，已按要求进行相应的信息披露，在自己所知情的范围内本公司、本人以及财产上的利害关系人与所评价或推荐的证券不存在利害关系。本人不会因本报告中的具体推荐意见或观点而直接或间接收到任何形式的补偿。据此入市，风险自担。投资评级说明：投资评级说明：投资建议的评级标准投资建议的评级标准类别类别评级评级说明说明报告中投资建议所涉及的评级分为股票评级和行业评级（另有说明的除外）。评级标准为报告发布日后的 6-12 个月内公司股价（或行业指数）相对同期相关证券市场代表性指数的涨跌幅。其中：A 股市场以沪深 300 指数为基准。股票评级买入股票价格变动相对沪深 300 指数涨幅在 10%以上增持股票价格变动相对沪深 300 指数涨幅在 5%至 10%之间中性股票价格变动相对沪深 300 指数涨跌幅在-5%至 5%之间减持股票价格变动相对沪深 300 指数跌幅在-10%至-5%之间卖出股票价格变动相对沪深 300 指数跌幅在-10%以上行业评级推荐基本面向好，行业指数领先沪深 300 指数中性基本面稳定，行业指数跟随沪深 300 指数回避基本面向淡，行业指数落后沪深 300 指数免责声明：免责声明：本报告的风险等级评定为 R4，仅供符合华龙证券股份有限公司（以下简称“本公司”）投资者适当性管理要求的客户（C4 及以上风险等级）参考使用。本公司不会因为任何机构或个人接收到报告而视其为当然客户。本报告信息均来源于公开资料，本公司对这些信息的准确性和完整性不作任何保证。本报告所载的意见、评估及预测仅反映报告发布当日的观点和判断。在不同时期，本公司可能会发出与本报告所载意见、评估及预测不一致的研究报告，但本公司没有义务和责任及时更新本报告所涉及的内容并通知客户。同时，本报告所指的证券或投资标的的价格、价值及投资收入可能会波动。以往表现并不能指引未来，未来回报并不能得到保证，并存在损失本金的可能。本报告仅为参考之用，并不构成对具体证券或金融工具在具体价位、具体时点、具体市场表现的投资建议，也不构成对所述金融产品、产品发行或管理人作出任何形式的保证。在任何情况下，本公司仅承诺以勤勉的职业态度，独立、客观地出具本报告以供投资者参考，但不就本报告中的任何内容对任何投资做出任何形式的承诺或担保。据此投资所造成的任何一切后果或损失，本公司及相关研究人员均不承担任何形式的法律责任。在法律许可的情况下，本公司及所属关联机构可能会持有报告中提及的公司所发行证券的头寸并进行证券交易，也可能为这些公司提供或正在争取提供投资银行、财务顾问或金融产品等相关服务。本公司的资产管理部门、自营部门以及其他投资业务部门可能独立做出与本报告中的意见或建议不一致的投资决策。本公司的员工可能担任本报告所提及的公司的董事。客户应充分考虑可能存在的利益冲突，勿将本报告作为投资决策的唯一参考依据。版权声明：版权声明：本报告版权归华龙证券股份有限公司所有，本公司对本报告保留一切权利。未经本公司事先书面授权，本报告的任何部分均不得以任何方式制作任何形式的拷贝、复印件或复制品，或再次分发给任何其他人，或以任何侵犯本公司版权的其他方式使用。华龙证券研究所华龙证券研究所北京北京兰州兰州上海上海深圳深圳地址：北京市东城区安定门外大街 189 号天鸿宝景大厦西配楼 F4 层邮编：100033地址：兰州市城关区东岗西路638 号文化大厦 21 楼邮编：730030电话：0931-4635761地址：上海市浦东新区浦东大道 720 号 11 楼邮编：200000地址：深圳市福田区民田路178 号华融大厦辅楼 2 层邮编：518046
2024-09-29
20页
5星级
中国科学院大学网络创新与发展研究中心RESEARCH INSTITUTE OF CHINAINFO 1OO信百会研究院2024年9月White Paper on the Development and Applicationof Universal Computing Root Technology通用计算根技术发展与应用白皮书摩尔定律是通用计算发展的主线，但如果只有计算性能的提升，还不足以支撑通用计算的成功。通用计算的发展并非是一个线性增长的直线进程，而是与专用计算密切关联不断交会互促互鉴。1987年，原日立公司从1946年世界上第一台电子计算机ENIAC诞生开始，信息技术不断加速发展，经历了多个发展阶段，已成为一个庞大的技术体系。信息产品和服务在技术驱动和应用拉动的双重作用下，造就了无数商业奇迹，创造了巨大的经济价值。信息产业成为最重要的产业门类之一，丰富和拓展了人类经济活动的历史和边界。信息技术的应用由浅入深，各种信息产品从辅助人的计算劳动，发展到能够辅助或替代部分人的智力劳动和决策活动。时至今日，算力建设风起云涌，计算从促进生产力的工具，正在逐步转变为新质生产力本身。信息化进程波澜壮阔，一个以计算能力为基础的感知万物、连接万物、为万物赋智的智能时代正加速到来，日益清晰地出现在我们眼前。在计算技术发展的历程中，始终存在着通用和专用两种产品定位和研发导向。专用计算的优点是对特定问题计算效率高、工作更快、功耗更低，而缺点在于灵活性不足，仅适用于一种场景，应用范围窄。早期的电子计算机都是为特定算法量身定制的，很难适应其他算法。比如ENIAC虽然在理论上是通用计算机，但它主要用于计算火炮的弹道射程表，如果需要计算不同的问题，就必须依靠人工调整接线来改变电路结构。冯诺依曼架构的出现改变了这种局面，使计算机可以在通用硬件平台上执行多种不同的算法，奠定了通用计算的基础。通用计算的优点是实现了软件和硬件的解耦。硬件工程师可以不用关心具体场景，集中精力做好处理器的微架构和实现；软件工程师可以不用关心硬件细节，专注于软件编程，从而降低了开发的难度，使得软硬件都能实现轻装上阵。2017年图灵奖的获得者John Hennessy和David Patterson曾提出计算机体系结构的五个时代，即晶体管无指令集时代、小规模和中等规模集成电路时代指令集架构出现、大规模和超大规模集成电路时代CISC和RISC的竞争、超大规模集成电路的多核处理器并行时代、超大规模的领域专用处理器（DSA）时代。从这个阶段划分可以看到，从大规模集成电路时代开始，通用计算就成为整个计算技术发展的主线，占据了压倒性的优势。这是供应和需求两方在技术、成本等多种现实因素约束下共同做出的最优选择，并在此基础上构建了今天体量庞大蓬勃兴盛的信息技术产业群。回顾信息技术产业的发展历程，没有任何一个理论，能比1965年提出的摩尔定律更准确地刻画了通用计算产业发展的基本特征，更深刻地揭示了通用计算发展的内在机制。产业界沿着摩尔定律的预期和愿景经历了几十年的快速增长，晶体管密度和处理器性能获得了数百亿倍的提升，造就了一代又一代通用计算发展高峰，使得信息技术的革命性作用成为可能。美国麻省理工学院Neil C.Thompson认为，计算技术是美国繁荣的最大贡献者之一，自1974年以来美国总生产力增长的三分之一来自信息技术，没有任何其它技术的进步速度和带动作用能与之相比。01通用计算是信息技术发展进步的主轴总工程师牧本次生(Tsugio Makimoto)提出，集成电路发展过程中，芯片产品总是在“标准化”与“定制化”之间交替摆动，大概每十年波动一次。牧本波动（Makimotos Wave）揭示了产业界始终在围绕计算的性能、功耗、适用性和灵活性等各方面能力的提升进行多方面的探索，并最终体现为通用计算的功能不断丰富，技术升级换代，多种路线并存，成为全球信息化发展的技术底座。总工程师牧本次生(Tsugio Makimoto)提出，集成电路发展过程中，芯片产品总是在“标准化”与“定制化”之间交替摆动，大概每十年波动一次。牧本波动（Makimotos Wave）揭示了产业界始终在围绕计算的性能、功耗、适用性和灵活性等各方面能力的提升进行多方面的探索，并最终体现为通用计算的功能不断丰富，技术升级换代，多种路线并存，成为全球信息化发展的技术底座。从现代经济增长理论的视角看，技术进步是经济增长的源泉之一，而长期的经济增长是由少数几种关键技术所推动的，这也就是斯坦福大学Bresnahan和特拉维夫大学Trajtenberg在1992年首次提出的通用目的技术（General Purpose Technology，简称GPT）。区别于仅用于某些具体用途的专用目的技术（Specific Purpose Technology），GPT的应用范围通常十分广泛，因而它们对经济的作用是整体性的。例如，蒸汽机、电力技术、计算机就是最典型的通用目的技术。通用目的技术有三个基本特性。一是普遍适用性(Pervasiveness)，指该技术能广泛应用到各行各业，不存在明显的局限。二是动态演进性(Technological Dynamism)，指该技术具有很大的发展空间和很快的进步速度，同时随着时间的推移，使用成本不断降低。三是创新互补性(Innovational Complementarities)，指该技术在提高了应用部门的研发效率和生产收益之后，还会反过来促进该技术自身的进步，形成互相促进的良性循环。对照经济学视角的分析，我们可以看出，在计算机技术体系中，正是通用计算技术最符合通用目的技术的以上特征。这很好地解释了为什么是通用计算路线成为了迄今计算技术发展的主流和基础，而且只要通用计算技术继续保持不断自我革新，不断丰富完善保持竞争力，还将成为未来计算机技术发展的中流砥柱，为经济增长带来动力。在信息技术产业发展的大部分时间里，技术的发展和产业的兴盛主要发生在美国，美国成为全球主要的信息技术产品和服务供应方。总体来看美国信息技术产业发展的模式，可以总结为在开放环境下面向前沿问题，集聚全球人才、依靠全球资源、占据全球市场、获取全球红利。近年来随着全球化和信息化发展出现新的形势，美国继续靠这种开放条件下的发展战略来维持领先地位遇到了一些困难和挑战，也就带来了美国向产业政策的转变和回归，主要体现在直接干预经济活动的政策明显增多，以推动产业本土化和加强供应链韧性与安全为主要目标。改革开放以来，我国充分抓住了全球产业分工重组的机会融入全球经济体系中，以前无古人的方式很好地发挥了自己的作用，为全球的经济繁荣作出了巨大的贡献，成为世界经济体系中不可或缺的重要一环。与此同时，我们敏锐地抓住了信息化发展的机会，利用信息技术的经济增长倍增器、发展方式转换器和产业升级助推器的作用有效提升了增长速度、改善了经济结构，提升了发展质量。我国已成长为全球第二大经济体，也培育出了极具竞争力的信息技术产业，拥有了一批全球知名的企业，为满足这些企业向产业链、价值链上游的提升，进入通用计算根技术领域是产业界在市场规律作用下自然而然的选择。02通用计算已成为大国满足发展和安全需求的竞争焦点美国产业政策的回归和复兴对各国起到了示范带动效应，欧盟、英国、日本等西方国家和地区也纷纷出台产业政策，通用计算技术已成为世界各国从发展和安全角度双重关注的焦点。在具体措施上，各国也都采取了自由市场和产业政策两手并重的策略。我国作为后发的国家，更是需要将发展和安全统筹起来考虑，探索产业政策配置资源和市场化配置资源两种方式的更有效融合，加快取得通用计算技术的突破，有效保障我国的发展空间和产业安全。2014年中央网络安全和信息化领导小组第一次会议上，习近平总书记提出“努力把我国建设成为网络强国”的目标，指出“没有网络安全就没有国家安全，没有信息化就没有现代化”。2018年在全国网络安全和信息化工作会议上，习近平总书记指出：“从社会发展史看，人类经历了农业革命、工业革命，正在经历信息革命”“信息化为中华民族带来了千载难逢的机遇”“我们必须抓住信息化发展的历史机遇。这一系列重要论述，奏响了对信息化发展认识的时代最强音。信息技术在我国广泛应用带来的变化，一言以蔽之，就是加速走向信息化时代。我国发展面临的主要课题，就是如何更好利用信息技术的机遇、驾驭信息化发展带来的冲击和变革，加快我们发展的步伐。我国信息化建设始于上世纪八十年代，从起步阶段的三金工程，到“开发信息资源，服务四化建设”，从“四个现代化，哪一化都离不开信息化”，到“五化并举，两化融合”，走过了一条认识不断加深，效果不断凸显，不断超越局限的路径。从工业革命的视角来认识信息化，首先离不开源头的科技革命，只有在科技革命中抢占先机，使得生产力和经济水平得到大发展，才能跻身强国之列。对应于信息化时代的革命性技术突破，其源头和根本无疑是通用计算技术。过去几十年我国推动信息化发展的历程如果说还有什么不足，那就是主要依赖引进的西方技术，一定程度上影响了各界以信息化来实现现代化的信心和决心。在未来的信息化时代，通过增强通用计算领域的话语权，做出原生贡献，将最有力地提升举国上下发展信息化的决心和信心，引领我国信息化发展进入原生新时代。信百会研究院专家指导委员会主任，原工业和信息化部副部长 杨学山自从2018年特朗普政府对我国发起贸易战以来，社会各界提出了很多观点。对于中国这样一个市场规模巨大、产业门类齐全、治理能力完备的经济体来说，外界环境的影响是次要的，真正决定中国发展成败的是我们是否能围绕自身发展需求制定正确目标，集中一切可利用的资源办好自己的事。经过几年来的实践，越来越多的人认识到，无论国外是否对我们进行打压，中国自身的发展需求和安全需求都要求我们必须掌握通用计算根技术。国外的打压并不是我们进入通用计算领域的主要原因，而只是加快了这一进程，断供措施也不是阻碍我们发展通用计算根技术的根本困难，而只是起到了减缓进步速度的效果。基于以上这些认识，我们就能在讨论通用计算技术发展的问题时，保持一种客观、务实、坚定、自信的心态，以我为主地制定计划采取措施，避免被外界因素主导，避免被急躁或悲观情绪影响，避免做出单一、片面、极端的判断。03以通用计算突破带动我国快速进入信息化高质量发展新时代在人类历史发展过程中，我们在不断地认识和改造这个世界。技术的突破和创新，是驱动各个行业健康发展的原动力。我们会想起对各个行业都产生深远影响的一些通用技术。比如驱动第一次工业革命的蒸汽机技术，驱动第二次工业革命的电力技术，驱动第三次工业革命的计算机技术。这些通用技术是驱动工业革命的核心动力，它不单能够产生巨大的增量市场，同时也会对当前各个行业的边界和社会分工的秩序产生决定性的影响。我们正身处一个前所未有的数字化时代，随着技术的迅猛发展并落地，需要加速推进人工智能走深向实，服务多行业智能化升级。2023年，中共中央、国务院印发了数字中国建设整体布局规划的发布，标志着中国迈向一个全新的智算时代，这个时代以更高效的计算、更智能的推理和更敏捷的内容生成为核心，重新定义了生产力和生产组织形态。计算成为产业发展的新质生产力，带来新价值的创造，通用计算作为智能世界的基石，发挥着关键作用。数字技术的广泛应用也带来了基础设施的升级。新的技术设施正在逐步建立和完善，包括云计算、大数据、物联网等。这些基础设施的发展为人工智能提供了强大的支撑，使得AI技术能够更好地应用到实际场景中，实现更高效、更智能的生产和服务。通用计算是智能计算的基础，通用计算的深度和广度决定其发展的高度和速度，未来两者融合将是重要趋势。我们期待“通用计算根技术”能够像参天大树的根系一样，深埋土壤，牢牢支撑智能世界的繁盛。希望通过本白皮书，能够为学术界、产业界乃至政策制定者提供有价值的参考和启示，共同开启计算技术新的篇章，为更先进的世界而计算。鲲鹏已成为中国数字化转型、智能化升级首选，覆盖全行业对通用计算需求，构筑自主创新的ICT数字基础设施算力底座。华为聚焦在自己擅长的产品技术领域，深耕“根”技术；同时发展“根”生态，聚合伙伴，实现与伙伴的协同合作、共同增长，共赢智能时代的大机遇。华为董事、ICT产品与解决方案总裁 杨超斌放眼当下，第四次工业革命的大潮方兴未艾，数字化和智能化成为这一轮产业革命的“双引擎”。随着数字化转型深入行业，计算技术已成为推动社会进步和经济发展的关键力量。通用计算作为计算技术的基石，支撑了当下科技和产业的创新，其重要性日益凸显。在技术发展的历程中，我们见证了无数创新的诞生与成长。从最初的大型机到个人电脑，再到今天的智能手机和可穿戴设备，计算设备的性能不断提升，形态不断演变。与此同时，计算技术的普及也催生了新的商业模式和服务模式，为经济增长注入了新的活力。我们必须认识到，通用计算根技术作为信息技术产业中最为重要的核心技术，引领产业发展、建设繁荣生态、催生技术创新、丰富场景应用。可谓是连接现实世界与数智世界的桥梁，是实现智能化、网络化、服务化的关键支撑。从云计算到边缘计算，从大数据到人工智能，从物联网到区块链，以通用计算为基座的应用已经渗透到社会的每一个角落，成为推动各行各业转型升级的强大动力。随着国家在计算产业的一系列政策推进，国产处理器和操作系统正在迎头赶上，市场占比逐步攀升。鲲鹏计算基于自主创新的国产内核与基础软硬件，从2019年正式起航，在产业伙伴的共同努力下，已经构筑了完整的基础软硬件生态和人才发展体系，并在政府、金融、电信、电力、交通、互联网等各个行业实现了大规模的商用部署，为各行业的数字化变革和应用创新提供了强大、稳定、安全的算力支持。随着5G、6G等新一代通信技术的商用化，以及量子计算、神经网络等前沿技术的突破，我们将进入一个全新的计算时代。在这个时代，计算将更加开放、智能、高效、安全，为人类社会的发展提供更加强大的动力。在此，我谨代表中国计算机行业协会，对所有参与本白皮书编写的专家和工作人员表示衷心的感谢。我们期待与各界同仁携手合作，为更先进的数智世界而计算，使命必达！中国计算机行业协会副会长、华为计算产品线总裁 张熙伟01 0102 03 04 04 05 0603 07 08 090910呈现多技术路线并行、百花齐放格局已进入全面产业化阶段，软硬件齐头并进行业应用深度不断深化，应用领域日益广泛以原生根技术为基础进入自主软硬件体系化发展阶段CPU芯片及指令集架构向多样化发展操作系统由通用走向泛在异构融合开启通用计算的新篇章通用计算服务器从通用走向全面041 11213 13 141515151717051819 19 192020政务教务农业能源制造业交通运输信息通信业金融互联网面向更广阔的全球市场进行布局面向未来推动异构计算融合发展构建更加开放互利的产业生态模式以全流程内生安全能力保障用户权益以绿色集约的通用计算集群支撑大规模算力需求01通用计算根技术概述0101根技术是产业技术体系的基础，其发展进步的活力持续为整个技术生态提供着滋养，决定着技术树的“荣枯”。根技术的创新迭代，往往具有颠覆性、突破性，对相关产业领域产生重大影响，可以重塑竞争格局，具有典型的外溢效应。与其它技术相比，根技术的竞争更加激烈，也更加复杂。通用计算根技术是信息技术产业中最为重要的核心技术，包括CPU、操作系统等。通用计算产业是以CPU、操作系统等根技术为核心的产业，包含了部件、服务器、集群、中间件、数据库等其他基础软硬件，是围绕通用计算根技术而生长出的主干产业。总体而言，从边缘设备到各种信息终端再到大型数据中心，现代社会的每一个环节都依赖于通用计算这一强大的计算平台。随着技术的进步，通用计算根技术的发展已成为衡量一个国家技术实力和数字经济竞争力的主要指标。通用计算根技术具备引领性强、生态丰富、技术多元、软硬协同、应用泛在的基本特征：02引领性强生态丰富技术多元软硬协同应用泛在通用计算根技术具有重大引领带动作用，是智能计算、超级计算等计算产业发展的核心基础，是信息技术产业乃至国民经济长远发展的战略基石。通用计算根技术能够支撑一个丰富和多样化的生态系统，通过开放、共享和协作，实现硬件制造商、软件开发商、云服务提供商、高校科研院所和开发者社区等的紧密合作。通用计算根技术在CPU上已形成x86、ARM、RISC-V等多种指令集架构并行的技术路线，在操作系统上已形成Windows、Linux等路线。通用计算根技术坚持“软件先行、硬件联动”发展理念，强调硬件产生算力、软件释放算力，通过软硬协同、全栈优化，提升计算整体性能，以适应不断变化的技术环境和市场需求。通用计算根技术在云、边、端之间敏捷响应不同产业级别的算力需求，赋能党政、金融、电信、交通、电力、互联网、石油、航空航天、教育、医疗及农业等行业全面实现数智化转型升级。通用计算根技术概述0102中国通用计算根技术发展现状及格局03通用计算是数字经济时代新的生产力，万物智能时代对计算的需求呈百千倍递增，人工智能的快速崛起，推动我国形成体系较完整、规模体量庞大、创新活跃的通用计算产业。从通用计算技术体系来看，上层主要是数据库、加速库、编译器等应用软件，以及操作系统等系统软件；中层则为服务器及集群、整机及部件、主板架构、IO互联等指令集体系结构（ISA）以及硬件；下层是微架构、EDA工具等。当前，中国服务器操作系统主要包括Windows和Linux两大技术路线。受益于技术环境的变化，以Linux为代表的开源操作系统逐渐成为服务器操作系统市场受欢迎的主流产品。近年来，国产操作系统在党政、金融、交通、能源、电信等领域应用日益广泛，在核心业务领域渗透率不断提升。其中，银河麒麟、统信UOS为两大具有代表性的国产操作系统。现阶段，以麒麟、统信为核心的国产操作系统体系已经初步建立，党政关键领域的国产操作系统普及基本完成，金融、教育等行业开始试点推广，未来逐步向消费级市场拓展，市场增长潜力巨大。2023年，欧拉（openEuler）操作系统在中国服务器操作系统市场份额占比达到36.8%左右，累计装机量超过610万套。图1 通用计算技术体系示意图数据库加速库编译器操作系统集群整机及部件主板架构IO互联芯片微架构EDA工具进入数字经济时代，芯片已成为提供算力的关键硬件。长期以来，我国在芯片领域，特别是CPU等高端芯片领域缺乏主动权，90%以上的高端芯片依赖进口，这也是我国当前最严重的“卡脖子”问题之一。为了推动和支持芯片产业发展，近些年我国陆续发布一系列产业扶持政策，通过重大工程的应用拉动，促进了国产CPU的快速发展。截至目前，国产CPU已形成多条路线发展的模式，包括x86技术授权路线的海光信息和兆芯，ARM指令集授权路线的华为鲲鹏和飞腾，RISC-V指令集路线的微芯、中科院计算技术研究所，以及自研指令集路线的龙芯和申威等。其中，x86技术路线性能高，生态兼容x86架构；ARM架构技术路线具备指令集精简、功耗低、性能高的特点；RISC-V是一个围绕极简指令集的开源架构体系，具备架构简单、模块化设计、可扩展、自由定制等突出特点；自研指令集路线的自主设计程度较高，正在从专用市场向公开市场扩张。04中国通用计算根技术发展现状及格局多样化场景化需求催生通用计算根技术性能不断创新，同时也驱动通用计算根技术在金融、电信、互联网等行业应用更加深入，目前国产服务器已从政务应用扩展到教育、科研等领域，覆盖了第一、第二、第三产业的众多行业。从行业结构分布来看，2023年互联网、电信、金融是中国服务器市场规模占比前三的应用行业，三个行业占比之和超过60%。伴随着金融信创试点机制的推进以及各项政策的加持，金融行业服务器需求快速打开，中国x86和ARM架构服务器成为金融机构服务器采购的主流。2023年，金融行业是中国服务器市场增速最快的应用行业，销售额达到225.8亿元，占整个中国服务器市场份额的12.8%。经过多年探索，我国通用计算相关各方已形成产业化发展的共识，无论是起源于大学还是科研院所，无论是CPU还是操作系统，各条技术路线都形成了以市场化主体来推进、以市场需求来引导的局面。随着算力加速向各行业各领域渗透，以及互联网、大数据、人工智能等与实体经济深度融合，行业算力需求快速增长进而带动中国通用计算市场保持稳步增长。作为通用计算产业中的重要组成部分，服务器产业规模的快速扩大从侧面反映了我国通用计算产业良好发展势头。2023年，中国服务器市场销售额达到1764.3亿元，同比增长6.8%。未来三年，预计中国服务器市场销售额将以7.9%的复合增长率继续增长，到2026年市场规模将达到2219.8亿元。以ARM架构为代表的非x86服务器，如鲲鹏系服务器、飞腾系服务器，虽起步较晚，凭借功耗低、效率高等性能优势，市场开拓能力逐步增强，市场规模稳步提升。2023年，非x86服务器市场规模提升至257.6亿元，同比增长49.1%，市场占比稳步提升。随着欧拉（openEuler）操作系统的全面开源，引发了中国服务器操作系统发展的质变，推动了整个行业进入加速发展阶段。05中国通用计算根技术发展现状及格局06CPU和操作系统是信息技术的核心，以原生操作系统和CPU为核心，可以打造蓬勃的基础软件生态，以持续赋能上层应用、激活下层芯片产业，对整个计算产业的发展有重要意义。目前，云原生和开源项目的涌现以及国内一批互联网企业对原生根技术的支持，使我国原生根技术生态开始初具雏形，走上发展的快车道。国产CPU、服务器、操作系统、中间件、加速库、数据库、办公套件等基础软硬件产品成熟度与国际主流产品差距显著缩小，安全可靠信息系统也基本实现了关键技术的突破。2024年初，鲲鹏原生开发计划全面启动：基于鲲鹏硬件 openEuler 鲲鹏开发套件DevKit 鲲鹏应用使能套件BoostKit，实现1套代码 1条流水线构建多平台版本，助力伙伴持续且首发性能领先的商用版本。此外，鲲鹏原生开发也提供全方位的安全保障体系：DevKit针对病毒/安全编译选项、安全配置、密钥和信息泄露、典型编码问题等进行安全检查和扫描，确保版本安全；BoostKit机密计算核心组件通过CC EAL4 、支持可信计算3.0、国密解决方案通过等保三级密评，以及openEuler领先的CVE漏洞管理和修复体系确保全系统安全。以大模型为代表的人工智能技术是当前技术发展的重要方向，openEuler通过异构资源统一管理与调度，实现CPU和XPU的深度融合，打通通用算力和AI算力，有效提升大模型训练和推理效率。与openEuler相配合，2023年openGauss系数据库在线下集中式新增数据库场景的市场份额占到了21.9%，已规模应用于金融、运营商、制造、政府等关键基础行业。中国通用计算根技术发展现状及格局0103通用计算根技术创新态势07ICT技术的蓬勃发展加速计算应用创新，面对自动驾驶、云游戏、智能制造、人工智能、物联网等应用场景的多样化和数据类型的多元化趋势，传统单一架构难以满足数据处理和用户体验要求，对计算平台提出新的挑战，驱动计算架构向多样性发展，如在高计算性、可扩展性和低功耗等方向持续迭代和创新，以满足多样化的行业场景应用需求。目前全球市场上CPU指令集架构可分为x86架构、ARM架构、MIPS架构以及RISC-V架构等，服务器端市场份额占比较大的是x86和ARM架构。IDC报告显示，以Intel和AMD作为主力的x86全球市场占有率在2020年至2023年间下滑了7.4%。与此同时，ARM技术路线则迎来了高速增长，逐步从端侧主力开始向数据中心侧扩张，2020-2023年收入增长91%。近年来，随着鲲鹏系服务器以及飞腾系服务器生态的不断成熟，具备大规模算力供给能力，ARM技术路线体现了良好发展潜力。2023年，在中国服务器市场，以鲲鹏为主的ARM路线占比达到14.2%，逐渐接近市场占有率拐点。操作系统是计算系统的核心，也是信息技术产业生态的核心。在计算机出现的早期，操作系统与硬件绑定，专用专属。通用操作系统出现后开启了通用计算的时代，有效扩大了计算机的应用，带来了通用计算的大发展，戈登贝尔将其总结为“贝尔定律”，即计算设备约每10年完成1次升级换代，设备数和用户数均增加至少1个数量级。这种设备数量的增长和应用的扩展带来新的创新空间，带动操作系统在通用化方向上进一步升级换代，不断形成新的操作系统生态。随着计算设备的多样化发展和在各领域的深入应用，泛在计算（ubiquitous computing）的需求正在兴起，计算的环境更多变、需求更多样、场景更复杂，相应要求操作系统具有更强的动态适配能力、泛在互联能力和自然交互能力。过去几十年，操作系统的发展方向：一是向下管理各种硬件资源，不断提高对计算资源的利用和调度效率；二是向上为用户和应用程序提供接口和服务支持；三是横向不断扩展新的功能以满足通用计算越来越多的应用场景。ARM也在成为全球超算行业的主流选择之一。德国、法国、瑞士、日本、美国都在建设或已建成基于ARM CPU的E级超算。近年来，国内厂商在通用操作系统方面后起发力，涌现出了麒麟软件、统信软件、麒麟信安等一批领军企业。其中，openEuler操作系统的全面开源，引发了中国服务器操作系统发展的质变，逐渐打破国外操作系统的现有市场垄断格局。目前，已经有多家操作系统厂商开发基于openEuler的商用发行版，如统信、普华、麒麟、中科创达等。此外，三大运营商（中国电信、中国联通、中国移动）也开发了基于openEuler的自用操作系统。openEuler作为支持多样性算力的操作系统，架构上支持x86，ARM，RISC-V，LoongArch，SW64，Power PC等，对于国内市场上主流的Intel、AMD、鲲鹏、飞腾、兆芯、龙芯、海光、申威等芯片都有完整的支持，同时也支持NPU、GPU和DPU等多种异构算力，建立了完整的硬件、软件兼容性测试规范。08通用计算根技术创新态势图灵奖获得者John Hennessy将计算机体系结构划分为五个阶段。即：第一代，晶体管时代，指令集架构出现之前，计算机架构各不相同；第二代，小规模和中等规模集成电路时代，出现支持指令集架构的CPU处理器；第三代，大规模和超大规模集成电路时代，指令级并行以及CISC和RISC混战；第四代，超大规模集成电路的多核处理器并行时代；第五代，超大规模的领域专用处理器（DSA）时代。这五个阶段的划分体现了通用计算沿着算力性能越来越强和灵活性越来越高两个方向发展。计算模式越多样，越需要通用性较强的灵活计算平台，系统算力需求越高，越需要专用的定制计算平台。面向实际需求的解决方案是使用多种不同的处理器组成通用性较强的整体系统，为不同类型的计算任务匹配最合适的计算处理器类型，通过工作任务专业分工，实现系统整体性能最优。异构融合是实现通用性与高性能统一的主要手段，在此基础上，各类处理器架构逐步由定制化、碎片化走向收敛和开放，基础组件在纵向的单个异构软硬件系统栈的基础上进行横向整合和优化，通过异构融合全栈协同优化更好地利用硬件资源，提高系统整体性能和效率，为实现更加强大的系统奠定基础。智能计算是利用深度学习（DL）等技术，通过对数据的智能分析和决策支持，满足特定领域的需求，是当前计算领域发展最快的分支领域。通用计算是智能计算的基础，通用计算的深度和广度决定了智能计算发展的高度和速度。随着人工智能技术的快速发展，当前的智能计算已走向异构融合全栈协同优化。随着智能计算的进一步发展成熟，未来和通用计算的融合将是重要趋势。近年来，国内厂商在通用操作系统方面后起发力，涌现出了麒麟软件、统信软件、麒麟信安等一批领军企业。其中，openEuler操作系统的全面开源，引发了中国服务器操作系统发展的质变，逐渐打破国外操作系统的现有市场垄断格局。目前，已经有多家操作系统厂商开发基于openEuler的商用发行版，如统信、普华、麒麟、中科创达等。此外，三大运营商（中国电信、中国联通、中国移动）也开发了基于openEuler的自用操作系统。openEuler作为支持多样性算力的操作系统，架构上支持x86，ARM，RISC-V，LoongArch，SW64，Power PC等，对于国内市场上主流的Intel、AMD、鲲鹏、飞腾、兆芯、龙芯、海光、申威等芯片都有完整的在软硬件技术的全面进步和深度融合作用下，通用计算服务器的进步呈现多点开花态势，沿着多核、异构、安全、高能效、原生、集群化等多个方向全面发展。处理器作为服务器的核心部件，其性能基本决定了通用服务器的整体性能。近几年半导体制程提升速度放缓、虚机技术及其应用市场不断扩大等外部条件下，通用计算服务器处理器向更多的核数以及更强的并行处理能力方向发展。当前主流服务器处理器核数在96核以下，下一代高性能服务器核数会突破100核，以此支撑服务器性能提升需求。支持，同时也支持NPU、GPU和DPU等多种异构算力，建立了完整的硬件、软件兼容性测试规范。服务器性能依靠处理器性能提升的同时也为异构加速硬件提供了空间，通用计算服务器将采用硬件加速技术，如DPU、NPU、GPU、FPGA等，这些硬件加速器可以与服务器的CPU协同工作，提高服务器的不同场景下的整体性能。处理器性能提升的同时，功耗也在急速加大，当前主流服务器处理器功耗在300W左右，下一代预计将达到500W左右。为解决日益突出的能耗问题，需要从芯片到整机、数据中心，全面采用更加先进的节能技术。跟传统的风冷系统相比，液冷改善了主设备的散热方式，散热效率更高，更节能、噪声更低等优点，液冷服务器将是数据中心在AI大趋势和“双碳”背景下的重要解决方案。鲲鹏天成液冷整机柜服务器创新性地采用水电网三总线设计，做到水电分离、节点全盲插，PUE小于等于1.15。09通用计算根技术创新态势服务器能力的全面提升，依靠关键部件的技术创新。SSD固态硬盘以高性能低功耗的特性在热数据和温数据场景已替代HDD成为主流的存储设备。网卡传输速率迈向100Gbps，且未来快速向200Gbps与400Gbps发展。华为SSD具有高性能、高可维护的特性，并针对应用场景提供智能多流、Burst GC等场景化加速能力。华为推出的标准网卡、智能网卡、DPU卡，具有灵活的可编程在网算力、开放的异构编程框架，满足快速发展的网络需求。安全问题一直是计算领域高度关注的重点，近年越来越多、越来越全面的企业和个人数据被存储在服务器中。鲲鹏内置国密、RSA等主流加解密硬件引擎、内置高安可信根、支持带内 带外双根安全启动、支持软件升级签名校验、机密计算方案，可以有效发现和抵御各类攻击，篡改等非法行为。随着AI、超算等规模化算力应用的加速发展，单台设备已经不能满足业务对计算性能的需要，需要数十到数千台的服务器高效协同。相比传统数据中心，集群化数据中心要求业务调度、设备管理、集群本身的可靠性，服务器内部件之间和数据中心服务器之间的通信带宽、速率、延迟要求越来越高，新的互联协议加速发展，例如NVlink、Intel/AMD的UALink。鲲鹏推出了适用于集群的全套调度、管理调优能力，同时发挥原生算、网、存的协同能力，可以极大的提升集群应用性能。鲲鹏服务器在兼容上述开放协议的同时，也自研HCCS、灵衢等接口总线技术，进一步降低设备间的通信延迟，提升访问效率。10通用计算根技术创新态势0104通用计算根技术应用场景11加强数字政府建设是建设网络强国、数字中国的基础性和先导性工程，对数字经济发展、数字社会建设、数字生态营造都具有引领意义。党的十八大以来，各级政府业务信息系统建设和应用成效显著，数据共享和开发利用取得积极进展，一体化政务服务和监管效能大幅提升，“最多跑一次”“一网通办”“一网统管”“一网协同”“接诉即办”等创新实践不断涌现，数字技术在新冠肺炎疫情防控中发挥重要支撑作用，数字治理成效不断显现，这些都离不开通用计算技术的有力支撑。通用计算技术的快速发展和广泛应用，从根本上改变了传统经济的生产方式和商业模式，全面渗透和深刻影响生产、分配、流通、消费、进出口等各个环节，引领劳动力、资本、土地、知识、技术、管理、数据等要素网络化共享、集约化整合、协作化开发和高效化利用，为经济社会发展注入了新活力。随着我国算力规模的持续扩大，数字技术与实体经济深度融合，算力已成为“水电煤”一样支撑经济社会发展新的关键生产力。从政务到教育科研，从农业到工业，从金融到互联网，算力正加速向各行业各领域渗透，在国民经济各个领域得到广泛应用。通用计算为政务领域数字化提供了高安全性保障的算力基础设施通过建设大数据通用计算平台，可以提升各类应用获取数据服务的标准化和规范化，实现“数据即服务”。政务服务类别激增，用户规模庞大，服务体验要求高，需要对海量数据进行聚合和关联分析，需要强大计算能力与内存宽带支持。政务系统数字化转型加快，催生了大流量、低时延、高可靠应用场景需求，对算力基础设施的负载能力和计算效率要求高。综合大数据、物联网等技术，智慧城市产生更多高并发、大流量、低时延数据处理需求，对算力基础设施提出新的要求。同时，由于政务工作内容和流程关系到国家的主权、安全和公众利益，安全实施和保障极端重要，对服务器的安全性要求相比较其他行业更高。鲲鹏系服务器实现了CPU技术路线的创新以及服务器整机产品的自主演进，能够更好满足政务对于安全性要求，鲲鹏生态提供了完善的安全保障措施，包括数据加密、访问控制等。政务云服务体系为政务领域数字化提供保障随着政府数字化转型加快，电子政务在政府内部以及政府部门之间应用的渗透率不断提升，综合管理系统、OA系统、邮件系统等内部应用场景以及公文交换系统、政务服务网、政府门户等对外应用对数据资源的汇聚、处理、分析需求均不断提升。鲲鹏处理器多核高并发、大内存和高内存带宽等技术特征，在满足多样化电子政务场景对计算基础设施提出的更高处理能力要求外，提供了安全、更具性价比的解决方案，为打造协同高效的政务服务体系提供基础支撑。基于鲲鹏处理器、鲲鹏服务器构建的鲲鹏政务云成为赋能各类型政务应用高效运行的新一代数字底座。下一步，通用计算领域将加快技术融合，构建“数网云”一体融合的智能化政务云平台体系，提供集约共享的算力算法支撑能力，满足云计算、大数据、人工智能等新技术应用需求。12通用计算根技术应用场景建设教育强国是关系中华民族伟大复兴的基础工程。教育信息化是教育现代化的基本内涵和显著特征，也是“教育现代化2035”的重点内容和重要标志。以教育信息化支撑引领教育现代化，是新时代我国教育改革发展的战略选择，对于构建教育强国和人力资源强国具有重要意义。教育信息化是教育系统性变革的内生变量。通用计算技术的支撑和引领，可推动教育理念更新、模式变革、体系重构，不断提升我国教育信息化发展水平，并为国际教育发展提供中国智慧和中国方案。我国农业正从人力畜力为主要特征的传统农业向以机械化和信息化为主要支撑的现代农业转变，农村已经进入利用数字技术来变革传统生产方式和生活消费模式，构建新业态的历史阶段，农业创新能力持续提升。推进国家治理体系和治理能力现代化、适应人民日益增长的美好生活需要，对数字政府建设提出了新的更高要求。通用计算技术将统筹推进技术融合、业务融合、数据融合，提升跨层级、跨地域、跨系统、跨部门、跨业务的协同管理和服务水平，促进数字政府建设与数字经济、数字社会协调发展。通用计算为教育信息化提供强大的基础算力支撑高等学校是我国创新发展强有力的驱动力量。高校科研需要大量的计算资源和数据存储空间，而算力平台可以为高校研究人员提供高效、可靠的科学研究环境。在科学研究中，算力服务可以为高校提供大量的计算资源，人们可以在云端进行模拟、计算等处理，进一步提高研究效率和研究成果质量。科研算力的提升和飞跃，使得研究人员有机会探索和尝试各种新事物，有助于加快解决人们面临的各种棘手问题。面向未来，高校算力建设的持续投入很关键，而创新是持续发展的前提。基于鲲鹏打造的复旦大学CFFF专用计算平台作为上海电信与复旦大学赋能教育科研的数字基座，是目前国内最大的高校科研公共算力平台项目。这是基于算力赋能教育发展的一次重大尝试，为各大高校科研领域信息技术应用创新平台的开拓奠定了基石。通用计算技术应用支撑农业数字化变革“十四五”全国农业农村信息化发展规划将提升农业生产保障能力作为主要任务，提出优先发展智慧种业，构建数字化育种平台，探索“表型 基因型”的智能育种技术体系，加快“经验育种”向“精确育种”转变。华中农业大学“天权一体机”是基于鲲鹏高性能计算打造出的自主创新的猪基因组育种计算平台，充分发挥了全栈自研优势，基于天权算法工具，利用汇编优化、指令向量化优化、数据预期、循环展开、内存多层级优化等技术手段，释放最佳计算性能。平台在硬件层面选择鲲鹏服务器，在软件层选择基于openEuler的麒麟操作系统，并使用毕昇编译器和鲲鹏数学库进行全栈的优化，显著提升了基因组育种数据处理和计算的能力。13通用计算根技术应用场景以数据化管理、精准农业、智慧农机、绿色生产、农业供应链管理、定制化服务为主要特征的智慧农业，正日益成为最活跃的农业新质生产力。通用计算技术已经在农业科技创新方面发挥了重要作用，未来还将在更多领域深化应用，在智慧农业、美丽乡村等方面发挥支撑和保障作用。能源是人类文明进步的重要物质基础和动力。当今世界，新一轮科技革命和产业变革深入发展，新能源和信息技术紧密融合，生产生活方式加快转向低碳化、智能化，能源体系和发展模式正在进入非化石能源主导的崭新阶段。以通用计算技术为支撑，加快构建现代能源体系是保障国家能源安全，力争如期实现碳达峰、碳中和的内在要求。能源产业与数字技术融合发展是新时代推动我国能源产业链现代化的重要引擎，有效提升能源数字化智能化发展水平，促进能源数字经济和绿色低碳循环经济发展，构建清洁低碳、安全高效的能源体系，为积极稳妥推进碳达峰碳中和提供有力支撑。通用计算为能源领域企业转型升级提供解决方案和基础支撑通过数字化智能化技术融合应用，急用先行、先易后难，分行业、分环节、分阶段补齐转型发展短板，为能源高质量发展提供有效支撑。充分整合内外部资源，利用通用计算技术，围绕业务流程、数据的互动创新，持续提升企业的核心竞争力，构建可持续的竞争优势。如在石化领域，通过提升信息基础设施自主创新程度，打造范围涵盖总部各数据中心，场景包括云资源池扩容、办公系统服务器、桌面云服务器等的数字化基础设施，有效保障了中国石化关键业务的安全运行。通过自主创新满足能源领域的多样化应用需求如在电力领域，电力生产、运输、配送和消费等环节需要高效、安全、绿色、创新的加速解决方案，对底层算力底座提出更高的要求；电力行业需要处理大量的实时数据和监控信息，包括电网状态、负荷情况、能源消耗等；电力业务信息系统涉及电力信息基础平台、业务应用和保障体系，需要为电力生产自动化和电力企业管理系统的信息传输和业务集成提供基础支撑。鲲鹏系服务器针对上述需求提供了强力支撑，为电力信息集成与分析提供更夯实的计算支撑。如南方电网选择在电力系统的“神经中枢”电网调度系统中部署鲲鹏全栈方案，支撑电力二次系统多专业、多层级自主创新，调度云主备节点有效支撑了异构节点间资源的统一调度，同时控制功耗和转发时延明显降低，监视测量精度显著提升，逐步实现了产业链供应链自主创新。14通用计算根技术应用场景制造业是实体经济的主体。互联网、大数据、人工智能等新一代信息技术与制造业融合发展，有助于充分释放我国制造大国和网络大国的叠加、聚合、倍增效应，构建形成以数据为核心驱动要素的新型工业体系，以信息流带动技术流、资金流、人才流、物资流，改善产业结构、增强转型动力，提高资源配置效率和全要素生产率，实现实体经济发展内生动力和活力的根本性变化。通过深化新一代信息技术在制造领域的融合应用，推动制造业沿着数字化、网络化、智能化方向演进升级，对于加速我国制造强国与网络强国建设，实现经济高质量发展具有重要意义。工业制造数字化转型加速物联网、云计算、机器视觉、工业AI等新技术的应用，并要求精益化制造管理，对于通用算力提出了更高的要求。此外，海量工业设备需要实现互联、互通、互操作，以及标准化和平台化，需要具有实时、短周期数据分析和满足安全与隐私保护要求的边缘计算能力。制造业是我国立国之本、强国之基。通用计算技术加速在制造业全要素、全产业链、全价值链渗透融合，将持续引发技术经济模式、生产制造方式、产业组织形态的根本性变革。传统交通运输面临着非常严峻的挑战，无论是城市化发展带来的城市道路承载能力不足，还是货物运输量激增与物流基础设施建设滞后的矛盾，以及控制温室气体排放对传统运输模式高能耗高排放带来的压力，都表明传统交通模式已难以为继。需要通过数字化改造，提升资源配置效率，降低运营成本，提升行业竞争力和服务能力，实现高质量发展。党的二十届三中全会提出，要加快新一代信息技术全方位全链条普及应用，推进传统基础设施数字化改造，深化综合交通运输体系改革。交通运输部发布的数字交通“十四五”发展规划提出，要打造综合交通运输“数据大脑”，构建交通新型融合基础设施网络、部署北斗5G等信息基础设施应用网络、建设一体衔接的数字出行网络、建设多式联运的智慧物流网络、升级现代化行业管理信息网络，培育数字交通创新发展体系，构建网络安全综合防范体系。通用计算为制造业数字化转型提供了广泛支持当前，通用计算在制造领域的应用已经覆盖汽车与装备制造、矿业有色、钢铁、半导体等领域，形成相对完整的办公系统、信息管理系统、应用与决策分析系统以及工业软件解决方案。比如针对矿山行业面临的安全生产、生态保护、产业转型升级等挑战，通过云计算、大数据、人工智能等数字技术的应用，建设智能矿山。山东黄金三山岛金矿建成全国第一个基于鲲鹏和HCSO的边云协同和大数据的智能矿山解决方案,构建了“一云一湖一平台”，借助华为数字化集成平台，三山岛金矿实现了内部生产系统、管理系统、安全系统、自动化控制等众多“烟囱”式应用和数据的全联接，并形成了统一标准的数据湖。15通用计算根技术应用场景未来，通用计算技术将深度赋能交通基础设施，精准感知、精确分析、精细管理和精心服务能力全面提升，成为加快建设交通强国的有力支撑。信息通信业是构建国家新型数字基础设施、提供网络和信息服务、全面支撑经济社会发展的战略性、基础性和先导性行业。我国信息通信基础设施已从以信息传输为核心的传统电信网络设施，拓展为融感知、传输、存储、计算、处理为一体的，包括“双千兆”网络等新一代通信网络基础设施、数据中心等数据和算力设施、工业互联网等融合基础设施在内的新型数字基础设施体系。网络和信息服务也从电信服务、互联网信息服务、物联网服务、卫星通信服务、云计算及大数据等面向政企和公众用户开展的各类服务，向工业云服务、智慧医疗、智能交通等数字化生产和数字化治理服务新业态扩展。我国通信产业“十四五”规划提出，要基本建成高速泛在、集成互联、智能绿色、安全可靠的新型数字基础设施，新兴业态蓬勃发展，赋能经济社会数字化转型升级的能力全面提升。通用计算技术的应用为通信服务业的转型升级提供了必不可少的动力和工具。通用计算为智慧交通提供应用支撑随着物联网、5G、云计算、人工智能等新一代信息技术的发展，数字化技术在优化出行服务等方面发挥了越来越重要的作用。比如自全国取消高速公路省界收费站以来，高速公路全国“一张网”已全面铺开，不同车型通行费稽核工作日益复杂化、多样化。鲲鹏的“部级稽核工单自动处理系统”为高速公路路段运营单位提供“稽核工单全流程自动化处理”的软硬一体化解决方案。通过打造高速稽核RPA工单机器人一体机，深度集成机器人流程自动化技术和稽核业务相关算法，与硬件底层鲲鹏处理器进行深度联合调试与适配，自动化完成各类软件系统的工作和业务处理，实现“部级工单快捷查询、证据链自动收集、逃费金额智能测算、稽核结论自动保存”等功能，代替稽核人员操作电脑，准确、高效地实现稽核工单全流程自动化处理。稽核工单处理效率提升了10-20倍，助推实现高速公路自由流收费稽核业务流的全闭环。通用计算技术为通信服务领域计算基础设施提供保障通信服务行业业务系统复杂，技术难度较大，通信基础设施数量多，用户基数大，存在大规模的用户同时接入和通信需求。通信服务行业要求通信设备具备提供持续稳定通信服务的能力，确保用户能够进行语音通话、数据传输和互联网访问，避免通信中断或服务中断。同时要求具备保护用户通信的安全和隐私以及日常运维、故障恢复等服务能力。一个稳定、可靠、灵活、高效的基础设施架构，是运营商可持续发展的关键。运营商业务创新驱动多样性计算架构演进，带来丰富创新业务和海量数据，传统单一计算架构无法满足极致性能要求，需要构筑包括x86、ARM、NPU、GPU等为基础的多样性计算底座。当前，在我国通信服务行业服务器市场，国内CPU技术路线的服务器产品占比已超过四成，其中鲲鹏系服务器具备较好市场竞争力，市场占有率超过61.2%。在中国移动2024年PC服务器产品集中采购招标公告中，国内CPU服务器总采购数约15万台，占总体比重58.8%，其中ARM架构服务器主要以鲲鹏系服务器为主，采购总数量为9.61万台。此次招标ARM架构服务器与X86架构服务器招投标数量比例1.87:1，实现了国内ARM架构服务器份额的超越。16通用计算根技术应用场景中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要明确提出，稳妥发展金融科技，加快金融机构数字化转型。工业和信息化部、中国人民银行等六部门联合印发的算力基础设施高质量发展行动计划指出，到2025年，在应用赋能方面，打造一批算力新业务、新模式、新业态，工业、金融等领域算力渗透率显著提升。未来，通信服务业还将以通用计算技术为底座，构建以技术创新为驱动、以新一代通信网络为基础、以数据和算力设施为核心、以融合基础设施为突破的新型数字基础设施体系，实现行业高质量发展。通信服务行业业务系统复杂，技术难度较大，通信基础设施数量多，用户基数大，存在大规模的用户同时接入和通信需求。通信服务行业要求通信设备具备提供持续稳定通信服务的能力，确保用户能够进行语音通话、数据传输和互联网访问，避免通信中断或服务中断。同时要求具备保护用户通信的安全和隐私以及日常运维、故障恢复等服务能力。一个稳定、可靠、灵活、高效的基础设施架构，是运营商可持续发展的关键。运营商业务创新驱动多样性计算架构演进，带来丰富创新业务和海量数据，传统单一计算架构无法满足极致性能要求，需要构筑包括x86、ARM、NPU、GPU等为基础的多样性计算底座。当前，在我国通信服务行业服务器市场，国内CPU技术路线的服务器产品占比已超过四成，其中鲲鹏系服务器具备较好市场竞争力，市场占有率超过61.2%。在中国移动2024年PC服务器产品集中采购招标公告中，国内CPU服务器总采购数约15万台，占总体比重58.8%，其中ARM架构服务器主要以鲲鹏系服务器为主，采购总数量为9.61万台。此次招标ARM架构服务器与X86架构服务器招投标数量比例1.87:1，实现了国内ARM架构服务器份额的超越。通用计算赋能行业转型升级，提升通信服务领域计算性能、业务性能及安全性能通用计算技术的应用，为电信企业从提供单一的通信服务转向为提供多元化综合服务，赋能电信企业加速向科技企业转型升级。通用计算为通信服务领域推进多样性算力创新部署，构建多样算力平面。如中移在线作为中国移动线上渠道的生产运营者、在线服务的全网提供者、全网生态合作运营的支撑者、智能化营销服务能力的构建者，通过推动营销服务的数智化转型，为中国移动9.75亿个人客户、2.44亿家庭客户、2320万政企客户提供线上营销服务，信息化复杂度高、业务系统复杂、角色繁多、适配难度高，需要极致性能平台保障优质服务。中移在线结合自身需求和外部环境变化，运用鲲鹏软硬件，保障了业务的安全可靠，数据探索、即席查询等场景秒级响应，呼叫平台音频编解码性能提升20%，智能语音离线转写效率提升15.7%，实现了业务性能大幅提升。该案例也成为运营商行业全栈自主创新标杆。数字技术创新为金融业提供算力保障数字技术创新推动金融业算力爆发式增长，通用计算在金融领域的创新应用愈加深化，从内部管理系统到核心业务系统，都离不开通用计算提供的基础服务，其带来的变革将极大地改变银行等金融机构的生产及服务模式，促进各类金融场景服务效率的提升。2023年，鲲鹏服务器已支撑300多家金融试点单位及非试点单位的规模落地，覆盖客户范围广、数量多、业务场景涉及核心系统，其高性能、高安全、高可靠的优势得到了广大金融客户的充分认可。例如，中国建设银行率先与华为合作，鲲鹏软硬件应用到信用卡核心系统中，实现其首次在国内金融核心系统中的商用。系统上线后，目前已支持建设银行过亿级别的客户数交易，整体系统性能较原有系统提高12%。经过一段时间的商用环境验证，其稳定性和安全性满足金融核心系统的各项指标要求，使中国建设银行走出国外封闭技术的风险。17通用计算根技术应用场景在数字经济的背景下，现代金融服务体系以数据为关键生产要素、以科技为核心生产工具、以平台生态为主要生产方式，需要一个类似于计算机操作系统的金融操作系统，向下对接大量设备、海量数据，向上支撑金融数字化转型的快速开发与部署，实现数据的可信共享、资源的合理配置、服务的质量提升。通用计算根技术作为金融操作系统的关键组成，提供了可持续、可靠的长稳算力，满足金融领域丰富的业务应用场景需要，快速响应银行场景化、生态化的金融业务需求，助力行业信创工作的全面推进。随着互联网业务的高速发展，互联网在经济社会发展中的重要作用更加凸显，网络购物、网络视频、游戏、生活服务、在线教育及在线政务应用蓬勃发展，也已成为人们生活中不可或缺的重要内容。互联网行业灵活性、可变性要求高，行业应用进化速度极快，对数据处理、模型训练的需求不断提升，是通用计算需求最大的行业。互联网行业头部效应明显，10%的客户占据了90%以上的流量，头部客户对计算能力的理解比任何其他行业都要深刻，对稳定性和性价比的要求都达到了极致水平。未来十年，随着以5G、AI、区块链和云计算等为代表的新一代信息技术在互联网行业被广泛应用，互联网行业通用计算技术发展将呈现三大趋势，即业务更加多元化、智能化，联接技术向着全光化演进，数据中心向多云架构发展。通用计算技术为互联网领域提供强大的算力平台和自主创新支持算网协同已经成为互联网产业发展的重要趋势和方向，通过网络连接多源异构、海量泛在的算力，实现资源高效调度、设施绿色低碳、算力灵活供给以及服务智能随需，推动互联网产业向多元化、智能化方向发展。鲲鹏构建自主创新算力平台，涵盖计算、操作系统、数据库等基础软硬件，核心产品针对其基础软硬件进行专门优化，实现了广泛应用。基于平台联合创新，并拓展数据库能力，落地对话机器人等AI应用。目前，基于其分布式存储性能大幅提升，智能服务快速产品化，辅助超过2万客服坐席，累计服务5.8亿用户和数十万商家。18通用计算根技术应用场景0104通用计算根技术发展展望19通用计算根技术的发展，符合通用目的技术的特点，也就是技术进步与市场扩大形成互相强化的良性循环，表现为自我驱动不断加速发展。因而只有面向全球市场布局的技术，才能充分享受全球市场的反哺，获得更快的进步发展速度，培育出最具竞争力的产品。我国市场只是孕育通用计算根技术的起点，在这片市场里孕育出来的技术必须从一开始就瞄准全球市场。从国家层面看，任何一个有志于抓住技术发展机遇引领产业革命的国家，都必须实现重大技术突破，定义和创造代表性的新产品，形成产业集群优势，解决人类生存发展的重大需求。通用计算根技术无疑是信息化时代产业革命的核心，如果不能对全球产业起到带动作用，造福于全球用户，就谈不上是真正的科技和产业革命。执行单项任务的强大性能和执行多样任务的灵活通用，是通用计算根技术发展的两大方向，各项技术的融合是兼顾这两个要求的主要方式。为满足更多应用场景的需求，除了处理器性能大幅提升，计算机体系架构也在不断融合发展。近年来，AR、VR、人工智能等应用走向落地普及，数据规模、算法复杂度以及算力需求爆发式增长，各类加速处理器纷纷涌现，基于CPU XPU的异构计算系统逐渐成为主流架构。异构融合计算是通用计算根技术现阶段发展的重要方向，它将多种不同类型、不同架构的处理器组织在一起，以实现更高性能、更低能耗和更广泛应用的计算。在异构并行处理器的基础上，将处理器、硬件设备、操作系统、编程框架、编程语言、网络协议、数据中心等不同层次、不同类型的计算技术进行整合优化，可以实现多种异构计算资源的高效利用。通用计算根技术的发展，从来都不是单一的技术进步过程，而是在产业化背景下技术进步与发展机制的双重进步。通用目的技术的三大特征解释了这一进步的内在机制，摩尔定律的提出很好地描述了这一进步的外在表现。在不同的技术发展和产业化阶段，在市场为导向的逻辑驱使下，不同时代的领军企业分别设计了不同的技术路线和商业模式，形成了今天我们看到的多个通用计算发展模式共存的现状，大大丰富了用户的选择。由于信息技术领域存在很明显的先发优势，后来者一般都是通过开辟新的领域创造新的模式来实现超越，因此越晚出现的技术路线，越强调开放普惠，意图通过吸引更多的参与者，在更大范围内集聚人才和市场资源，获得与先发者竞争的优势。封闭与开放，分别适用于解决不同类型的问题。在面向全球开放市场竞争的前提下，我们现阶段还应加强开放生态的建设，既要破除外界强加给我们的限制，也要破除我们自身给自己施加的限制。20通用计算根技术发展展望作为一个边发展边应用的技术，通用计算根技术发展和应用的过程，也是一个各种安全事件不断发生，产品安全性能不断提升的过程，积累了无数惨痛的教训。在技术快速进步的阶段，人们更多关注技术能否满足业务需求的问题，安全问题往往通过亡羊补牢的思路来解决。但今天的市场形势已截然不同，一方面用户在面对高度复杂的信息系统和产业化的攻击能力面前，保障自身安全的技术能力已处于非常弱势的地位；另一方面市场上可供选择的平台和技术越来越多，用户的选择对于市场走向起到越来越明显的主导作用。自2022年以来，欧美国家正积极推动网络安全、数据安全责任“左移”，即将网络安全问题前置处理，要求数字产品的制造者、数字应用的开发者承担更大的安全责任，最终从用户角度，实现“安全不应该是一种奢侈的选择，而应该是用户无需协商或支付更多费用就可获得的权利”。无论是从技术和产品自身发展方向，还是从市场需求和法规约束角度，新的通用计算技术和产品都必须把安全性作为首要要求。确保用户使用体验，保障用户权益已成为新一代通用计算根技术能否在市场上取得成功最重要的能力，更是取得全球用户信任进入全球市场的基本要求。伴随着数字经济的快速发展，带来了对通用算力的强烈需求，算力正在成为推动数字经济发展的关键资源，算力基础设施成为新基建的重要组成部分，尤其是在云计算、大数据、人工智能、机器学习等领域，这要求各地能够提供更高的计算能力、更快的处理速度。随着对环境影响的关注增加，绿色高效成为算力基础设施建设的关键诉求，这要求在提升计算性能的同时，降低能耗以减少数据中心运营成本，降低对环境的影响，因此能效比成为衡量通用计算的重要指标，未来将更加注重能源效率，采用先进的冷却技术、优化的硬件设计和智能的能源管理系统来降低能耗。对计算效率和能源效率的追求，驱动算力建设正在走向集群模式建设。与此同时，国家也提出了“碳达峰碳中和”目标，为匹配“双碳”要求、实现资源的高效利用，需要以集中化建设、集约化使用的方式，集中建设绿色高效的通用计算集群，满足日益增长的计算需求，实现环境的可持续发展，使能数字经济的高质量发展。21通用计算根技术发展展望免责声明本文档可能含有预测信息，包括但不限于有关未来的财务、运营、产品系列、新技术等信息。由于实践中存在很多不确定因素，可能导致实际结果与预测信息有很大的差别。因此，本文档信息仅供参考，不构成任何要约或承诺，信百会研究院、中国科学院大学网络创新与发展研究中心、全球计算联盟、中国计算机行业协会、华为技术有限公司，不对您在本文档基础上做出的任何行为承担责任，也可能不经通知修改上述信息，恕不另行通知。版权所有 参编单位所有。保留一切权利。非经参编单位书面同意，任何单位和个人不得擅自摘抄、复制本手册内容的部分或全部，并不得以任何形式传播。商标声明是华为技术有限公司的商标或者注册商标。在本手册中以及本手册描述的产品中，出现的其他商标、产品名称、服务名称以及公司名称，由其各自的所有人拥有。是全球计算联盟的商标或者注册商标。是北京信百会信息经济研究院的商标或注册商标。RESEARCH INSTITUTE OF CHINAINFO 1OO信百会研究院是中国计算机行业协会的商标或者注册商标。
2024-09-28
31页
5星级
1中国信息通信研究院中国电信股份有限公司研究院中国移动通信研究院（中移智库）中国联合网络通信有限公司研究院2024年9月No.202408电信业发展蓝皮书电信业发展蓝皮书-智能化发展智能化发展(2022024 4 年年)版权声明版权声明本蓝皮书版权属于中国信息通信研究院、中国电信股份有限公司研究院、中国移动通信研究院（中移智库）、中国联合网络通信有限公司研究院，并受法律保护。转载、摘编或利用其它方式使用本蓝皮书文字或者观点的，应注明“来源：中国信息通信研究院、中国电信股份有限公司研究院、中国移动通信研究院（中移智库）、中国联合网络通信有限公司研究院”。违反上述声明者，编者将追究其相关法律责任。本蓝皮书版权属于中国信息通信研究院、中国电信股份有限公司研究院、中国移动通信研究院（中移智库）、中国联合网络通信有限公司研究院，并受法律保护。转载、摘编或利用其它方式使用本蓝皮书文字或者观点的，应注明“来源：中国信息通信研究院、中国电信股份有限公司研究院、中国移动通信研究院（中移智库）、中国联合网络通信有限公司研究院”。违反上述声明者，编者将追究其相关法律责任。更名声明更名声明原“集智”白皮书更名为“集智”蓝皮书。“集智”蓝皮书将继续秉承原有的编撰理念和高质量标准，致力于提供有价值的信息和洞见。原“集智”白皮书更名为“集智”蓝皮书。“集智”蓝皮书将继续秉承原有的编撰理念和高质量标准，致力于提供有价值的信息和洞见。前言前言关于电信业，过去十多年，电信业在转型中发展，在发展中转型，从话音转向流量、全业务，再转向数字化，不断贯彻新发展理念，采纳新技术，突破发展瓶颈，服务能力、竞争能力、价值贡献不断增强。但当前，电信业增长出现阶段性、周期性放缓，呈现出再次转型升级的“紧迫性”。关于智能化，我国 2024 年政府工作报告明确提出开展“人工智能 ”行动，网络化、数字化、智能化成为发展新质生产力的关键着力点。此前电信运营企业已经在同步推进数字化、智能化，判别式人工智能技术被应用于部分生产环节，但智能化水平有限。当前新一代人工智能技术产品在意图理解、多模态交互、内容生成等能力方面表现突出，展现出更具通用性、颠覆性的发展潜能，有效激发了经济社会的智能化需求，也赋予电信业再次转型升级的“可能性”。电信业阶段性转型、人工智能突破式发展、国家数字化智能化深入推进等趋势叠加影响下，智能化将成为电信业转型发展的重要方向，推动电信业进入数字化转型的高级阶段。智能化的过程体现为三个方面：一是智能化将成为电信业继网络化、数字化之后，对经济社会赋能的又一核心价值；二是人工智能将成为移动通信、固定宽带、IDC、云计算、集成服务等核心业务增长的关键驱动因素；三是人工智能技术应用对电信运营企业生产经营管理的提质增效作用将愈发增强，企业自身的智能化水平也将更高。未来，电信运营企业以人工智能作为重要引擎打造新质生产力，通过对内注智、对外赋智，将实现电信业价值定位、电信业发展动力的两个核心变革。蓝皮书洞察出全球领先电信运营企业正积极做出智能化战略部署，但具体方向和路径存在一定差异。关于我国进展情况，蓝皮书通过调研访谈、案例征集，总结出当前我国电信运营企业在基础设施、业务产品、网络建维、营销服务、经营管理五个方面的智能化路径及进展成效，总结新一代人工智能技术应用出现的新变化，并研判未来方向，为行业企业智能化发展提供参考借鉴。总体来看，我国电信业智能化已经取得了一定的产品级、场景级突破，但仍然处于“点状”“线状”探索的初级阶段。未来，随着新一代人工智能技术的发展，电信运营企业内外部应用推广人工智能的范畴和深度增加，我国电信业智能化将出现“点线面体”联动，为培育和发展新质生产力注入新活力、提供新动能。在此过程中，我国电信业智能化面临八大挑战和难点问题，包括大模型应用落地复杂度高、大模型商业闭环亟待建立、算力基础设施运营存在较大技术和商业挑战等。电信运营企业需谋划实施智能化战略、统筹好发展与安全、做实核心能力重塑、激发组织整体效能，行业需统筹推进优化“人工智能 电信业”政策环境，建立健全人工智能标准体系，促进数据资源流通与开发利用，构建开放有序创新体系。蓝皮书围绕着“为什么”、“是什么”、“怎么做”的逻辑就“智能化发展”展开分析。当然，电信业智能化发展空间巨大，其发展方向、路径尚处在探索期，本蓝皮书仅聚焦到重点方向，其中观点也是就当前认知水平提出，有诸多不足之处，敬请批评指正。目录目录一、电信业再次迎来转型升级关键期.1（一）电信业发展呈现出转型升级的可行性和紧迫性.1（二）国家战略和技术演进赋予电信业再次转型升级的可能性.5二、智能化成为电信业转型发展重要方向.8（一）电信业智能化过程体现为三个方面.9（二）电信业智能化结果体现为两大变革.10三、全球电信业智能化发展呈现差异性和一致性.12（一）全球电信运营企业智能化战略大致分为三类.13（二）全球电信运营企业智能化发展均强化创新驱动.14四、我国电信运营企业体系化推进智能化发展.16（一）构建新型信息基础设施，赋能 AI 创新发展.17（二）加快业务智能化，创新产品形态与功能.21（三）升级智能建维，提升网络运营效益效率.28（四）深度融合 AI 与营销服务，提升客户运营效率.33（五）创新经营管理 AI 应用，提升内部生产效率.38五、我国电信行业企业智能化发展建议.44（一）挑战和难点问题.45（二）企业发展建议.47（三）行业发展建议.49图 目 录图 1 电信业收入增速的“周期性”特征.2图 2 全球 Top10 电信运营企业 2011-2024Q2 收入增速.3图 3 全球 Top10 电信运营企业 2011-2024Q1CAPEX 营收占比.4图 4 全球 Top10 电信运营企业 2011-2024Q1OPEX 营收占比.5图 5 智能技术与电信业的互促关系.9图 6 全球电信运营企业的智能化战略分类.13图 7 电信业智能化变革路径示意图.17电信业发展蓝皮书智能化发展（2024 年）1一、电信业再次迎来转型升级关键期进入“十四五”以来，我国电信业把握 5G、产业数字化发展机遇，深入推进数字化转型，阶段性成果显著。但当前流量、数字化新业务对行业增长的拉动效应减弱，收入增速下行压力加大，电信业发展再次进入“瓶颈期”。与之同时，国家提出“加快形成新质生产力”的战略部署，以人工智能（下文简称 AI）为代表的新一代信息通信技术演进，正孕育着新机遇，电信业再次迎来转型升级关键期。（一）电信业发展呈现出转型升级的可行性和紧迫性（一）电信业发展呈现出转型升级的可行性和紧迫性1.电信业发展阶段性成效显著，奠定持续发展基础受技术创新、业务升级、市场竞争等多重因素影响，电信业发展呈现明显的周期性特征（如图 1）。在消费互联网时代和产业数字化时代，网络、算力等新型信息基础设施1呈现云化、融合化、智能化趋势，信息通信业务呈现多元化、专业化趋势，信息通信产业生态呈现碎片化、融合化趋势2，我国电信运营企业3深入推进流量经营转型、全业务经营转型、数字化转型，电信业收入总体保持增长态势。“十三五”期间，我国电信业收入年度复合增长率为 3.86%，“十四五”以来提升至 7.30%4，净利率维持在 9.5%以上5。1新型信息基础设施包括网络基础设施、算力基础设施、新技术设施等，其内容涵盖了云计算基础设施（云计算系统所需的计算资源、存储资源、网络资源的集合），考虑到云计算并非本报告论述重心，为了简化表述，本报告不单独列示云计算基础设施2参考资料：中国信息通信研究院，电信业数字化转型发展白皮书（2022 年）3备注：如无特殊说明，本报告中电信运营企业指中国电信、中国移动、中国联通4数据来源：工信部通信业统计公报5备注：根据中国电信、中国移动、中国联通公开财报数据计算得出电信业发展蓝皮书智能化发展（2024 年）2来源：中国信息通信研究院图 1 电信业收入增速的“周期性”特征我国电信业服务能力、创新能力、数字化能力、经济社会贡献不断增强，为持续发展奠定坚实基础。服务能力方面，我国拥有全球最大的国内基础电信网络，服务了全球最多人口，截至 2023 年我国移动电话普及率为 122.5 部/百人，蜂窝物联网用户数占移动网终端连接数的比重达 57.5%，全球领先。创新能力方面，根据欧盟执委会发布的2023 年欧盟工业研发投资记分牌，中国移动、中国电信、中国联通研发投入规模在全球排名前 2500 中，分别位居第 78、162、174 位，高于全球领先电信运营企业平均水平。数字化能力方面，2023年我国电信运营企业网络自动化、智能化水平均已达到 L3，2025 年向 L4 迈进，均已获得数据管理能力最高级优化级（DCMM5）认证，并且面向垂直行业积累了一定的专业数据、知识、生态资源和组织人才。价值贡献方面，电信运营企业积极推进从网络基础设施服务向算力基础设施服务延伸，成为推动经济社会数字化发展的主力军。根据电信业发展蓝皮书智能化发展（2024 年）3已跟踪全国政企数字化市场公开招标信息统计数据6来看，2023 年电信运营企业中标金额占比达到 13.3%。2.电信业增长出现阶段性放缓，亟待培育新动能受全球经济尚未出现转机、移动通信用户普及见顶、5G 红利消退等影响，全球电信业收入增长乏力。2024 年第一季度全球 Top10已知电信运营企业中有 70%收入同比增速低于 3%，第二季度则全部低于 3%（如图 2）。2024 年上半年我国电信业收入增速 3%，同比下降近 3.2 个百分点，移动数据流量业务收入同比下降 2.3%，收入基本盘受到影响；智慧家庭、产业数字化等新业务7收入增速 9%，较 2023年下降 8.4 个百分点。与之同时，电信运营企业应收账款持续增加，债务问题初现端倪，经营风险有所加大。来源：中国信息通信研究院图 2 全球 Top10 电信运营企业 2011-2024Q2 收入增速86数据来源：剑鱼标讯7备注：新业务指非传统通信类业务，包括电子商务、内容媒体，IPTV、视频监控、家庭云等智慧家庭服务和应用，以及面向政企客户提供的 IDC、物联网、云计算、大数据、IT 集成服务等产业数字化业务。8数据来源：TeleGeography电信业发展蓝皮书智能化发展（2024 年）4网络运维挑战、运营成本压力不断加大。全业务、产业数字化业务的迅猛发展，对网络提出了高速泛在、安全稳定、灵活弹性等方面的要求，电信运营企业统筹推进规模覆盖、技术升级、网络软件化、云网融合等方面工作。由此带来基础电信网络复杂度急剧上升,电信运营企业的网络规、建、运、维、优难度显著增大，网络运维成本居高不下。根据 TeleGeography 数据，全球 Top10 电信运营企业资本支出 CAPEX 营收占比维持在 15%左右（如图 3），而 OPEX 营收占比维持在 85%左右，中国电信、中国移动、中国联通 2023 年 OPEX 营收占比分别为 93%、87%、96%（如图 4）。来源：中国信息通信研究院图 3 全球 Top10 电信运营企业 2011-2024Q1CAPEX 营收占比99数据来源：TeleGeography电信业发展蓝皮书智能化发展（2024 年）5来源：中国信息通信研究院图 4 全球 Top10 电信运营企业 2011-2024Q1OPEX 营收占比10（二）国家战略和技术演进赋予电信业再次转型升级（二）国家战略和技术演进赋予电信业再次转型升级的可能性的可能性1.网络化、数字化、智能化是国家发展新质生产力的关键着力点，电信运营企业转型发展的路径更加丰富新一代 AI 技术产品实现突破式发展，带动信息通信技术产业展现出更强的生产力。当前，以生成式人工智能（GenAI）、通用人工智能（AGI）、智能机器人等为代表的新一代 AI 技术产品实现突破式发展，初步展现出了优化人机交互方式、提升数字世界生产效率的技术能力。未来，随着新一代 AI 技术渗透规模和深度的不断加大，信息通信技术产业将全面作用于劳动力、劳动资料和劳动对象，带动经济社会生产生活方式变革、社会分工变革和效率效益提升。高盛2023 年预测 GenAI 未来 10 年将推动全球 GDP 增长 7%。在上述技术背景下，我国将网络化、数字化、智能化作为发展新质生产力的关键着力点。AI 成为国家发展新质生产力的重要引擎，10数据来源：TeleGeography电信业发展蓝皮书智能化发展（2024 年）6也是发展新质生产力的主要阵地。习近平总书记在二十届中央政治局第十一次集体学习中强调，“要围绕推进新型工业化和加快建设制造强国、质量强国、网络强国、数字中国等战略任务”，“要大力发展数字经济，促进数字经济和实体经济深度融合，打造具有国际竞争力的数字产业集群”。党二十届三中全会通过的中共中央关于进一步全面深化改革推进中国式现代化的决定强调，“健全促进实体经济和数字经济深度融合制度”，“完善促进数字产业化和产业数字化政策体系”。2024 年政府工作报告明确提出开展“人工智能 ”行动。在此过程中，电信运营企业转型发展的路径更加丰富。产业数字化时期，我国电信运营企业把握机遇，积极从网络化服务向数字化服务延伸。在智能化时代，面对 AI 技术更广泛的渗透、更深度应用的大趋势，电信运营企业需要再次做出战略决策，革新基础设施、业务产品，以满足经济社会更广泛、更深层次的智能化需求。2.新一代 AI 技术产品将有效激发经济社会整体信息总量和流动性，孕育信息通信服务发展新机遇经济社会整体信息总量和流动性决定着信息通信业发展空间，而新一代 AI 技术产品发展将助力整体信息总量和流动性提升，成为信息通信业发展的关键驱动。释放数据要素价值作用需要数据采集、传输、存储、加工、分析、控制等闭环协同，新一代 AI 技术产品极大提升了数据分析、数据驱动环节的效率效能，使数据的价值作用得到了更广泛的认可，将进一步激发经济社会各方面对数据生产、数据流电信业发展蓝皮书智能化发展（2024 年）7通、数据治理、数据应用的需求，进而让数据成为支撑经济社会网络化、数字化、智能化发展的关键要素，提升经济社会整体信息总量和流动性。新一代 AI 技术产品发展驱动经济社会网络化、数字化、智能化需求变革。一是新型信息基础设施需求规模激增，根据 IDC 最新数据，2023 年我国智算服务市场规模达到 194.2 亿元，同比增长 72.5%。二是网络基础设施性能要求极大提升，表现为对超大带宽、超高吞吐量、超低时延及抖动、超高可靠性与安全性、超大规模组网与扩展性、网络智能化部署与运营等方面的要求。三是需求满足方式和交付形态多样化，算力基础设施租赁服务、模型即服务（MaaS）、AI 助手（Agent）、AI 终端、AI 应用解决方案等产品形态已经初步显现，基础设施租赁费、用户订阅费、集成服务费、API 调用服务费、终端设备购置费等商业模式也初步形成。四是 AI 助手、AI 终端将成为客户交互的重要界面和新的流量入口，智能机器将成为购买商品和服务的非人类经济行为体。在此背景下，智能交互入口、大模型与框架、算力基础设施、芯片等成为战略高地。随着数智技术产品的快速迭代革新，信息通信产业细分市场结构、价值分布也将被重构，产业生态主体格局或将出现变革。在此过程中，电信运营企业再次迎来发展新机遇。电信运营企业可以通过创新算力基础设施租赁服务、模型即服务（MaaS）、AI 助手（Agent）、AI 终端、AI 应用解决方案等新业务模式和新产品形态，助力经济社会获得数据赋能、人机协同、自动自主、全局协同等智能电信业发展蓝皮书智能化发展（2024 年）8化能力，以此实现流量、专线、物联网、IDC、云计算、大数据、集成服务等业务收入的可持续增长。3.AI 技术应用赋予电信运营企业自身降本增效新路径，助力电信运营企业保障自身利润空间随着新一代 AI 技术产品升级，AI 技术的意图理解、多模态交互、内容生成、知识增强、数据赋能等能力不断增强。电信运营企业可以通过两条路径实现降本增效：一是利用 AI 技术应用，减少和替代企业生产经营管理单元中一些重复和繁琐的工作，例如文档管理、文档翻译、会议总结、表单管理等；二是利用 AI 综合多角度、多层次、多维度信息，开展知识汇聚、学习、判断等工作，例如网络运维诊断调度、客户咨询问答、营销方案设计、法务知识问答等。根据麦肯锡报告，GenAI 通过作用于电信运营企业的营销推广、客户运营、供应链管理等环节，能够为电信行业创造 600-1000 亿美元价值空间，行业收入占比在 2.3-3.7%之间11。二、智能化成为电信业转型发展重要方向在电信业阶段性转型、人工智能突破式发展、国家数字化智能化深入推进等形势交叠的大背景下，电信运营企业积极融入智能化浪潮，加深与智能技术发展的双向互促，加强对内注智、对外赋智，推动打造新质生产力。在此过程中，电信业的行业价值定位和自身发展驱动将发生变革。11数据来源：麦肯锡，The economic potential of generativeAI，2023 年 6 月电信业发展蓝皮书智能化发展（2024 年）9（一）电信业智能化过程体现为三个方面（一）电信业智能化过程体现为三个方面智能技术与电信业存在双向互促关系（如图 5）。一方面，云网智联能够支撑 AI 突破应用，打开了云与算力服务、智能应用服务的新赛道，为电信业收入增长注入新动能，同时还为电信业赋能全社会新质生产力发展提供新的技术路径。另一方面，AI 与电信业生产运营场景的深度结合，使 AI 技术渗透到电信业各环节中，实现“人工智能 电信业”创新发展的正反馈、正循环。无论是电信业支撑 AI创新发展，还是 AI 赋能电信业生产力提升，都在深刻改变电信业的要素投入结构，推动电信业加快智能化创新，支撑社会福祉和经济发展水平提升。来源：中国信息通信研究院图 5 智能技术与电信业的互促关系在上述双向互促关系的影响下，电信业将实现智能化发展。智能化的过程体现为三个方面：一是智能化将成为电信业继网络化、数字化之后，对经济社会赋能的又一核心价值；二是人工智能将成为移动通信、固定宽带、IDC、云计算、集成服务等核心业务增长的关键驱电信业发展蓝皮书智能化发展（2024 年）10动要素；三是人工智能对电信运营企业生产经营管理的提质增效作用将愈发增强，电信运营企业自身智能化水平也将更高。（二）电信业智能化结果体现为两大变革（二）电信业智能化结果体现为两大变革电信业主动推进智能化发展，最终结果将呈现在宏观、微观两个层面的变革：宏观层面实现行业价值再定位，电信业务将通过重构基础设施、革新业务产品，实现对经济社会的价值贡献拓展；微观层面实现发展驱动变革，电信业将突破规模驱动、资源驱动的传统增长模式，创新智能化的生产经营方式，打造创新驱动、数智驱动的新型增长模式。1.价值贡献从网络化、数字化向智能化拓展大模型促进了 AI 的工业化，也激发了海量的数据和算力资源需求，促使电信业转变运营对象，更新核心能力，变革运营模式。电信业对经济和社会的价值贡献从网络基础设施扩展至算力基础设施、数智业务层面，战略性、基础性、先导性的战略定位在智能化时代拥有了新内涵。随着基础设施内涵扩充，电信业投资结构、关键技术、运维管理方式等也在悄然发生变化投资向算力基础设施倾斜，算、存、运融合一体化成为关键技术趋势，存算资源成为运维重点，这些变化正在重塑电信运营企业面向未来的核心能力。AI 大模型仍然处于快速发展中，通用基础模型、行业垂直模型的训练与推理应用仍处于前期渗透阶段，数据与算力需求尚未完全释放，未来新型信息基础设施需求将会保持旺盛态势，电信业在转型新型信息基础设施运营的道路上势必将越行越远。电信业发展蓝皮书智能化发展（2024 年）11电信业选择 AI 作为发展新赛道既是主动作为，也是顺应 AI 向基础服务下沉的大趋势。信息通信行业发展的普遍规律是，上层应用百花齐放，底层基础和平台逐渐趋于大一统或少数巨头的竞争，以满足经济性、规模性、安全性等要求。借势 AI 技术发展，电信运营企业正在力图重塑自身科技企业形象，加大科技创新投入，攻坚原创技术，依托数据平台、技术平台以及提供国产开发框架和算力适配等创新支持，致力于成为 AI 技术发展重要推动者和参与者。在上层应用扩散与底层基础收敛过程中，信息通信产业结构进一步分化、融合、重组，电信业也将在产业组织重塑过程中重新升级自身的产业地位，突破连接层限制，实现在产业结构中的纵向收缩或扩张。2.自身发展从规模驱动、资源驱动向创新驱动、数智驱动升级AI 技术持续迭代创新为电信业突破规模驱动的传统增长模式，打造创新驱动的新型增长模式提供了新契机。在 AI 技术和产品创新过程中，电信业构建自有基础模型和行业模型能力，一定程度上减少对技术供应商的路径依赖，从连接层向平台层、应用层、内容层的价值突破，实现商业模式创新，“价值创造”能力显著提升。AI 技术将增厚传统业务价值，提升网络效益。长久以来，电信业的价值创造基础是通信网络。电信业的价值主要体现在数据的连接与传输层面，对信息化社会发挥支柱作用。AI 与电信业的融合助力传统电信业务创新，带动传统电信业务产品向着功能更高级、服务体验更优质、综合附加值更高等方向演变，涌现出“AI 新通话”等电电信业发展蓝皮书智能化发展（2024 年）12信业务新形态，焕发网络价值提升新空间。同时，AI 的广泛应用，也将激发网络使用规模，间接改善网络效益。AI 赋能生产经营管理，助力电信运营企业基于数智驱动实现效率提升。电信业积极主动拥抱 AI 技术应用，借助 AI 技术提升生产力水平，增强行业发展韧性，帮助全行业突破网络价值低、成本控制难的双重困境。结合电信业价值链特点，“AI ”为电信业带来的改善性提升主要体现在三个方面。一是 AI 赋能基础设施全环节管理，通过在基础设施规、建、运、维、优全过程中融入 AI、大数据等技术手段，提高精准投资、精益建设、智慧运维水平，提升资源效益，改善网络体验。二是 AI 赋能客户全周期精细化运营，基于大模型、数字人等新型技术能力，提升服务精准性，创新服务界面，优化服务流程，实现智能推荐、智能服务、智能调度，改善售前、售中、售后客户服务体验。三是 AI 赋能企业管理管控能力提升，建立数据驱动的经营管理模式，应用 AI 新技术提高数据治理、精准决策能力，提升现代化管理水平，提升企业竞争力。三、全球电信业智能化发展呈现差异性和一致性当前全球电信运营企业在各自发展战略的统领下，从不同层面开展了不同程度的智能化发展探索。但面向 AI，全球领先电信运营企业做出的智能化战略决策存在一定差异，主要体现在战略定位、业务布局、基础设施布局、自有能力布局等方面。总体来看，全球领先电信运营企业均将创新驱动作为关键着力点，通过加大资源投入、深化组织变革、完善创新机制、强化资本运作、做好生态运营等举措，确电信业发展蓝皮书智能化发展（2024 年）13保智能化战略落地。（一）全球电信运营企业智能化战略大致分为三类（一）全球电信运营企业智能化战略大致分为三类当前 AI 已经成为全球电信运营企业关注重点。GSMA（全球移动通信系统协会）在 2024 年世界移动通信大会（MWC 2024）上的调查显示，全球领先电信运营企业对 AI 的关注度最高，甚至超过了前期热点领域政企数字化服务和 5G/5G-A/6G。放眼全球电信业，由于外部产业环境和自身发展基础不同，各国电信运营企业在推进智能化过程中的路线选择和深入程度显现出一定差异。根据服务能力自建范畴和基础设施自建范畴，电信运营企业的智能化战略大致可以分为三个层次（如图 6）。来源：中国信息通信研究院图 6 全球电信运营企业的智能化战略分类一是战略优化。以 AT&T、Verizon 等为代表的电信运营企业，电信业发展蓝皮书智能化发展（2024 年）14面向智能化，聚焦网络基础设施服务商定位，优化网络基础设施技术路线和资源布局，支撑上层应用产品创新，吃透网络价值。战略优化路径下，电信运营企业主要以 AI 使用者的身份推进智能化升级，提高自身生产经营效率。二是战略延伸，以 Telefonica、Vodafone 等为代表的电信运营企业，面向智能化，积极从网络化、数字化服务提供商向智能化服务提供商升级，与基础大模型公司、专业模型公司、算力基础设施提供商等生态合作伙伴联合提供行业数字化、智能化解决方案。三是战略变革。以中国电信、中国移动、中国联通、SKT、NTT、LG U 等为代表的电信运营企业，面向智能化，投资建设算力基础设施，明确基础大模型或专业大模型研发布局，甚至布局 AI 芯片、终端、设备模组等，并整合自有和生态资源能力，面向消费者、政企客户提供智能化、软硬件一体化服务。（二）全球电信运营企业智能化发展均强化创新驱动（二）全球电信运营企业智能化发展均强化创新驱动智能化发展需要推进自有能力升级、革新，强化创新驱动。为此，全球领先电信运营企业通过一系列举措，确保智能化战略落地。一是加大资源投入。企业需要以转型战略为牵引，调优资源配置，支撑保障转型战略有效落地。NTT 在 2023 年明确将在 5 年内投资约500 多亿美元用于 AI、数据中心和其他增长领域，其中至少约 100亿美元用于扩大和升级数据中心，至少 200 亿美元用于包括 AI 和机器人在内的新业务。LG U 计划 2024 年内在 AI 领域投资超过 1.4 亿电信业发展蓝皮书智能化发展（2024 年）15美元，比较 2023 年增加 30%至 40。SKT 在 2023 年明确提出未来五年内 AI 相关投资的比例将从过去五年的 12%增加到未来五年的33。二是深化组织变革。企业需要规划智能化能力体系，并明确核心能力建设的责任组织，优化各责任组织之间的协同机制，从而保障核心能力体系能够端到端协同联动。中国电信在 2023 年 12 月成立了人工智能科技公司，致力于 AI 领域核心技术攻坚，为用户提供 AI 解决方案。目前，已成功自研星辰语音大模型、星辰视觉大模型、星海智文知识库等创新成果14。中国联通创新总部集约、联合省分共建、省分优质模型孵化三种研发方式，充分激活调动各类人才，发挥总部、省分所长，形成大数据模型研发合力15。三是完善创新机制。AI 属于技术密集型领域，企业需要不断提升科技创新能力、优化科技创新机制。中国移动将“九天”人工智能研究院，打造成中国移动科技创新“特区”。通过自主管理充分授权、研发生产高效协同、特创人才培育机制、特色薪酬激励体系、特定考核评价导向、特有创新宽容文化等系列举措措施，激发科技人才创新活力，增强创新发展动力16。四是强化资本运作。资本运作是快速补齐智能化能力体系的关键路径。SKT 公司于 2024 年 8 月向美国生成式人工智能公司 Anthropic12资料来源：公开新闻信息13资料来源：公开新闻信息14资料来源：公开新闻信息15资料来源：中国联合网络通信有限公司软件研究院16资料来源：公开新闻信息电信业发展蓝皮书智能化发展（2024 年）16追加投资 1 亿美元，用于打造电信行业的 AI 客服。该公司还向美国人工智能数据中心解决方案提供商 Smart Global Holdings（SGH）投资 2 亿美元，以进军全球 AI 数据中心市场17。软银继 2016 年收购英国半导体公司 ARM 之后，在 2024 年 7 月又收购英国 AI 芯片独角兽Graphcore，进一步加强其在芯片和 AI 方面的布局18。五是做好生态运营。智能化市场拓展、产品交付、能力体系复杂度较大，涉及环节较多，企业必须通过构建合作生态，扩大与市场客户、产品应用的“触点”。Vodafone 与微软在 2024 年初达成一项为期 10 年的广泛合作伙伴关系，联合微软为客户提供 AI 服务；微软则将投资 Vodafone 的托管物联网连接平台，支撑 Vodafone 数据中心现代化改造，加快其云化转型19。中国移动 2024 年 7 月启动五个“100”人工智能生态计划，包括“开放百大 AI 场景、集结百大合作伙伴、设立百亿权益扶持、开放百大技术要素、打造百万级智能体”，通过赋能生态，重塑自身发展能力，奠定行业生态位20。四、我国电信运营企业体系化推进智能化发展我国电信运营企业智能化发展路径的体系性更强，更为全面（如图 7），在应用范畴、应用效果等方面也相对领先，已经取得一定的场景级、产品级发展成效。新一代 AI 技术产品的应用，也在一定程度上有效提升了我国电信运营企业在各个环节的智能化水平。17资料来源：公开新闻信息18资料来源：公开新闻信息19资料来源：公开新闻信息20资料来源：公开新闻信息电信业发展蓝皮书智能化发展（2024 年）17来源：中国信息通信研究院图 7 电信业智能化变革路径示意图（一）构建新型信息基础设施，赋能 AI 创新发展（一）构建新型信息基础设施，赋能 AI 创新发展面对经济社会数智化转型发展需要，我国电信业果断切入智能化赛道，大举布局算力基础设施，构建算力网络，研发算力调配平台，实现算力基础设施和平台服务的跨越式发展。同时，深入推进网络、算力基础设施深度融合，打造计算、存储、网络资源统一编排能力，满足智能业务对网络、存力、算力灵活泛在、弹性敏捷、智能随机应用需求，有力支撑“东数西算”工程稳步推进。1.打造体系化算力基础设施格局算力基础设施成为电信运营企业新的投资重点，投资结构日益向存力、算力资源倾斜。在“东数西算”工程引领下，存力、算力资源分布向高水平“集群”转变，逐步形成热点集约、跨区辐射、边缘覆电信业发展蓝皮书智能化发展（2024 年）18盖的算力基础设施体系。在功能性能方面，顺应 AI 大发展趋势，“通算为主”正在向“通算、智算、超算集成”转变，以支撑多样化、个性化、极致化的存算需求。智算中心作为智算算力的主要基础设施，成为算力供应的重要依托，电信运营企业纷纷搭建自己的智算体系，加快推进算力布局，整体算力规模迅速扩大。其中，中国电信逐步完善“2 4 31 X O”多层次算力布局，在京津冀、长三角地区建设两大国产化万卡智算集群，西部地区打造大规模绿色智算池21。中国移动“4 N 31 X”数据中心覆盖全量国家算力枢纽节点，同时加快“N X”智算中心布局（N为智算中心节点，X 为边缘节点），其呼和浩特智算中心和哈尔滨智算中心分别是全球电信运营企业最大单体智算中心、最大单集群智算中心22。中国联通围绕“5 4 31 X”算力资源布局，完善多级架构，算力中心覆盖国家 8 大枢纽节点和 31 省，骨干云池城市覆盖超 230城23。2.深化算网融合增强算力服务保障算力集群化发展和算力规模扩张，带来了算力使用新的难题，网络带宽、网络时延、网络可靠性、网络成本等成为算力供给的新制约因素。针对上述痛点，电信运营企业打造超大带宽、超低时延、泛在接入、安全可信、智能管控的全光直连网络，加快“东中西”“云边端”“通智超量”深度融合，推进算力枢纽节点间 400G/800G 全光21资料来源：公开新闻信息22资料来源：中国移动通信研究院（中移智库）23资料来源：公开新闻信息电信业发展蓝皮书智能化发展（2024 年）19高速直连，形成重点省市区域范围的“算力时延圈”，提供强大的数据传输、处理能力和高效、稳定的算力服务保障，支撑和引领多地域、多厂家、多平台间算力与网络资源调度，支持复杂科学计算、AI 大模型训练等场景应用。案例：中国联通搭建粤港澳大湾区 T 级算力专网案例：中国联通搭建粤港澳大湾区 T 级算力专网2424依托 800G、C6T L6T、OXC、运力地图等技术，实现最大单纤 96T 超大容量，超核算力圈 1ms-核心算力圈 2ms-边缘算力圈 3ms可达和互联互通，满足毫秒必争的极致体验需求。基于算力专网实现集计算、网络、存储一体化的“粤港澳大湾区算网调度平台”，全方位提升资源调度灵活性与效率，形成多项专利；基于算力专网实现鹏城实验室、广州超算中心、深圳超算中心、韶关算力枢纽等湾区内多个超/智算大型算力节点联网并网，完成鹏城实验室至广州超算中心间基于 T 级带宽的 AI 超智算协同计算验证、跨域大模型训/推一体化的技术验证。3.搭建集成平台赋能智能化创新建设数据平台、数联网，提供数据支持。电信运营企业依托基础设施和自身海量数据资源优势，建设新型数联网基础设施，为大模型提供安全合规的数据共享、数据流通和数据交易服务。如中国移动在7 家数据交易所、8 个行业落地部署数联网25，在已沉淀的 2000PB 海量数据基础上，清洗、精标形成超 5 万亿 tokens 高质量数据集，携手产业汇聚、共享高质量行业数据集，打造面向大模型的数据供给平台，24资料来源：中国联合网络通信有限公司广东省分公司25资料来源：中国移动通信研究院（中移智库）电信业发展蓝皮书智能化发展（2024 年）20提供数据清洗、精标、供给等一站式服务，输出多语言、多类型、多模态的大模型高质量训练数据集 200 个，助力 AI 产业发展。打造工具平台，赋能技术创新。AI 平台是承载大模型推理、开发、应用工具于一体的平台载体。AI 平台强大的计算资源、高效的算法优化、灵活的模型部署以及丰富的应用场景支持，能够对 AI 技术的快速发展和广泛应用起到重要推动作用。电信运营企业依托技术创新能力及丰富应用场景优势，构建 AI 技术平台，以满足日益增长的对大规模模型训练和推理能力的需求。例如，中国电信发布星辰语音、语义、视觉、多模态基础大模型，完成算法及服务双备案，是目前央企首家且唯一开源的通用大模型，新版星辰 52B 语义大模型在通用能力上超越 GPT-3.5-Turbo26。中国移动“九天”人工智能平台提供从基础设施、核心算法能力到智能化应用的全栈人工智能服务，支持大小模型训练、微调、压缩、部署、推理、外挂知识库以及国产算力迁移等“全链路”工具，通过九天生态汇聚平台广泛汇聚模型、数据、AI 应用等优质要素，向产业开放一站式模型训推服务27。构建协同平台，加速行业应用。通过联合行业企业建设协同创新平台，针对国产适配、联合训练、场景落地等开展产学研协同攻关，加速大模型应用落地。如中国移动在国家发改委和国务院国资委指导下牵头成立“中央企业人工智能协同创新平台”，通过组织央企和产学研各界开展协同攻关，共同打造 AI 领域标志性成果，推进中央企26资料来源：中国电信股份有限公司研究院27资料来源：中国移动通信研究院（中移智库）电信业发展蓝皮书智能化发展（2024 年）21业人工智能科技创新，加速各行业智能化转型28；中国联通探索和推进 IT 基础设施与 AI 算力服务器的国产化适配，实现从底层算力资源的构建、操作系统的定制，到 AI 平台的搭建、深度学习框架的优化，直至模型算法的全链路的国产化适配，形成 6 套基于国产 AI 开发框架的解决方案，服务于 16 家企业或科研机构29。（二）加快业务智能化，创新产品形态与功能（二）加快业务智能化，创新产品形态与功能AI 加快渗透到生产生活的各个领域，为电信业业务形态和商业模式升级注入新动能。电信运营企业结合自身业务布局和资源禀赋，利用 AI 技术赋能发展，有侧重地推进大众市场和政企市场业务革新。当前，AI 赋能的业务革新仍处于碎片化发展阶段，仅在部分业务、甚至是部分功能的升级中展现。未来随着电信运营企业科技创新的不断推进，AI 与业务的融合范畴也将不断深化拓展。1.聚焦功能升级和流量入口，推进大众市场业务革新便利性和易用性是消费者的核心需求，AI 赋能的业务和产品创新升级主要聚焦效率提升和娱乐消遣等用户体验相关方向，体现在三个方面：一是以AI助手为代表的业务形态革新，ChatGPT、character.ai、文心一言、豆包、通义千问等 AI 助手具备多模态能力，可实现多轮对话、文本理解与创作、数理逻辑推理、角色扮演等功能；二是多样化、碎片化的 GenAI 原生业务，包括用于设计、写作、编程等的 AI图片、AI 视频、AI 音频、文字编辑等 AI 生成工具；三是传统 OTT28资料来源：中国移动通信研究院（中移智库）29资料来源：中国联合网络通信有限公司软件研究院电信业发展蓝皮书智能化发展（2024 年）22应用智能化升级，包括教育领域的定制化指导、混合学习功能，健康领域的健康咨询和监控管理等，未来游戏、影视、阅读、家居等也是智能化升级的重要方向。相比互联网企业的业务升级方向，电信运营企业面向大众市场的业务产品创新展现出一定的独特性，电信运营企业较少为大众市场用户直接提供 GenAI 原生应用，其业务产品革新的重点主要聚焦已有数字化业务的智能化升级。目前只有极少的案例通过 AI 助手、AI 终端等新业务，部署新一代流量入口。具体来看：第一，利用 AI 技术促使大众市场业务更加智慧化。视频彩铃、5G 通话等电信服务，新增 AI 彩铃和内容制作、智能翻译和速记等功能，提升用户通话体验。同时，元宇宙、智能家居、互联网电视等生活服务基于大模型等技术，实现内容更加生动、更符合用户个人偏好，交互方式也进一步优化。例如，中国移动咪咕公司发布 AI 视频观赛新产品，在比赛进行时自动生成赛事内容解说，AI 球星点亮一键追踪球星动态30。值得注意的是，AI 对此类业务的影响主要在于业务升级，实现功能的更加完善和智能，尚未实现根本上的业务模式、商业模式创新。第二，探索 AI 聊天、AI 助手等服务形态，推进终端、应用颠覆式变革。AI 助手从语音问答，到垂直整合端侧应用，使用户一个指令可以调动多个 APP 自动解决需求，提供一站式服务。如中国电信推出了 AI 手机麦芒 30，该款手机搭载中国电信自研星辰大模型，具30资料来源：公开新闻信息电信业发展蓝皮书智能化发展（2024 年）23有 AI 智慧相机、AI 识屏、智能问答、智能搜图、智能绘图以及智能云笔记等功能。无论是对 AI 助手还是 AI 终端的探索，电信运营企业均旨在把握新的流量入口，抢占 AI 价值化的先机31。值得注意的是，已有数字化业务的智能化升级，尽管较难形成直接收入，但能带来用户数量增长和活跃度的激发，间接实现收益增长。长远来看，AI 相关业务、终端、场景的创新能够在一定程度上刺激用户的流量使用，带来传统通信服务新的增长契机，电信运营企业也可为个性化视频制作等内容生成类业务对应提供 QoS 差异化服务。2.基于 AI 大模型创新，探索政企市场新业态新模式面向政企市场，电信运营企业开展基础大模型和行业大模型的研发和探索，以更好地赋能行业。例如中国电信星辰大模型面向政务、工业等行业推出 32 个行业大模型，在物流、钢铁等十余个行业落地应用，赋能六百多家行业大客户32。中国移动“九天众擎”基座大模型构建网络、客服、家庭、政务、出行、医疗、工业、综治、企业通话等数十个行业的“大模型谱系”33。通过大模型开发训练以及平台化建设，电信运营企业政企市场业务产品革新展现出业务产品形态和商业模式拓展，以及定制化项目开发运营服务价值升级。具体来看：MaaS、AI 基础数据服务、智算服务等新业态涌现，商业模式进一步丰富。MaaS 方面，电信运营企业打造高可用跨域模型训练、弹31资料来源：公开新闻信息32资料来源：公开新闻信息33资料来源：公开新闻信息电信业发展蓝皮书智能化发展（2024 年）24性算力、敏捷网络等 MaaS 一体化服务平台，将 AI 算法模型部署在云端，使大模型变成可服务化的产品，为客户提供模型和计算资源结合的服务。MaaS 是 AI 在政企市场商业化的重要路径，通过 API 接口调用即可使用，实现按调用次数、点击量、训练次数收费等盈利模式。AI 基础数据服务方面，针对数据来源、格式、维度多样性带来的数据融合问题，集合大模型和先进算法，对数据进行收集、预处理，支撑客户构建多模态高质量数据集能力，进一步用于大模型研发和迭代训练。智算服务方面，电信运营企业积极构建自身的智算资源优势，为政企市场提供一站式智能算力服务。如中国电信打造天翼云智能计算平台“云骁”，聚焦智算、超算、通算多样化算力服务，为客户提供适应 AI 场景的极致算力和高效运维工具34。案例：中国电信打造息壤一体化智算服务体系案例：中国电信打造息壤一体化智算服务体系35中国电信打造“算力平台数据模型应用”五位一体的息壤一体化智算服务体系，并全方位开放能力和加强生态合作，为AI 开发者提供“供得上、用得起、用得好”的智算服务。在算力方面，建成上海、北京两个单集群万卡资源池，自建算力达 21EFLOPS；通过息壤接入第三方算力，已招募 40 家算力合作伙伴，可调度各类算力 23EFLOPS。在平台方面，提供算网调度服务、异构计算服务、一站式的训推服务以及模型应用生态；具备国产化环境 IaaS PaaS 一体化产品解决方案能力，成为业界首个34资料来源：公开新闻信息35资料来源：中电信人工智能科技（北京）有限公司电信业发展蓝皮书智能化发展（2024 年）25实现国产芯万卡并行训练的服务商。在数据方面，汇聚中国电信自有多模态高质量数据集，同时引入多领域第三方数据集，为大模型训练提供高质量多模态数据资源。在模型方面，预置中国电信星辰系列大模型，引入 23 个开源模型和 4 个闭源模型，并加强生态模型适配，提供丰富的模型库。在应用方面，汇聚第三方应用，形成以多模态 AI 应用为核心的场景化 AI 应用生态。案例：中国移动构建“九天”人工智能基座案例：中国移动构建“九天”人工智能基座36中国移动依托万卡级智算集群、千亿多模态大模型、汇聚百大要素的生态平台，构建了大算力、大模型、大数据、大平台四位一体的“九天”人工智能基座。智算服务方面，初步建成规模全面和技术领先的全国性算力网络。建成智算网络新集群，并依托“算网大脑”纳管自有、边缘及三方算力，支持通智边一体化智能调度。打造跨行业、跨区域、跨主体的数据流通基础设施“数联网”，促进数据要素流通治理。模型供给方面，自主研发“1 N”通/专大模型体系、千亿参数多模态大模型，支持语言、视觉、语音、结构化数据、多模态等全模态，具备复杂系统智能化、全模态多信源、聚焦行业、安全可信可控四个特点，已开源 139 亿参数语言大模型。在行业定向增强方面，预训练引入了 10%的行业知识数据。在安全可信度方面，是通过国家双备案的首个央企研发大模型，并获得中国软件测评中心安全测评的最高等级 A 级证36资料来源：中国移动通信研究院（中移智库）电信业发展蓝皮书智能化发展（2024 年）26书。MaaS 方面，依托九天生态汇聚平台开放超 50 个“自有 开源 生态”主流大模型、超 50 个数据集、超 50 个 AI 应用，提供一站式模型训推服务、一键智能体生成功能，提升产业效能。垂直行业应用场景智能化引导下，定制化项目开发运营服务价值升级。电信运营企业的行业数字化应用已覆盖金融、医疗、工业、零售、政务等众多行业领域，在大模型加持下，除推动原有行业应用场景的升级外，还进一步引导定制化项目创新升级，同时还形成了一系列 GenAI 原生应用场景。这一过程中，电信运营企业通过不断深入对市场需求的理解，更好地把握大模型对场景赋能的方式。在中国信通院、通信产业报报社联合开展的“人工智能 电信业”领航先锋案例征集活动中，电信运营企业申报的政企市场业务相关案例在政务热线和基层治理、医疗行业的传染病风险识别预警、工业领域图像质检等行业应用中，已经显现出一定的创新活力。案例：中国电信政务大模型赋能“粤省心”政务服务平台案例：中国电信政务大模型赋能“粤省心”政务服务平台3737中国电信政务大模型提供面向市民端、坐席端和政府决策端的三大智能化场景。面向市民端，基于大模型的在线智能客服提供更好问答体验，减少市民排队等待时间，同时提供政务服务导办功能，通过边问边办的方式指引市民完成办事流程；面向坐席端，为坐席全流程智能化赋能，提供知识推荐、智能填单、智能派单、智能质检、智能回访等能力，提高坐席人效；面向政府决策端，通过工单信息挖掘，提供辅助决策和分析研判能力，快速发现苗头热点事37资料来源：中国电信股份有限公司研究院电信业发展蓝皮书智能化发展（2024 年）27件，帮助政府更好地做出分析和决策。中国电信政务大模型利用广东“粤省心”政务服务知识库及省市政策文档作为大规模语料库，通过模型微调，更好适配政务场景和当地政务知识。结合政务服务流程进行工程化适配开发，使大模型具备更加贴合服务场景的问答交互能力。目前，“粤省心”回复准确率达到 90%以上，有效提升了用户体验和政府服务效率。在热线端，政务大模型的运用减少了热线服务中人工参与程度，有效缓解了粤省心热线量逐年递增带来的人员扩充压力。案例：中国移动大模型赋能面向政企市场融合创新案例：中国移动大模型赋能面向政企市场融合创新38大模型赋能政务服务：大模型赋能政务服务：基于九天海算政务大模型的政务智能客服为黑龙江省 3100万百姓提供智能化服务，截至目前，已完成10.71万次线上问答服务，覆盖包括政府服务、医疗保健、教育、交通、金融等各个行业和领域，问答好评率达 98.7%。大模型赋能工业质检：大模型赋能工业质检：九天人工智能大模型赋能福建纺织企业开展 AI 视觉识别检测，高效检测布匹瑕疵，联动生产管理系统、配置停机策略，某纺织企业瑕疵检出准确率从 70%提升至 90%，预计每年可节省成本数百万元，有效提升产品质量和生产效率。大模型赋能制造安全：大模型赋能制造安全：基于九天大模型训练安全大模型，进行多源数据的融合分析，实现实时、准确的风险预警和解决方案指导，实现高效的事故追溯，全面分析员工行为，构建虚拟培训场景，大38资料来源：中国移动通信研究院（中移智库）电信业发展蓝皮书智能化发展（2024 年）28大提高安全管理的效率和响应速度。大模型赋能农业服务：大模型赋能农业服务：基于九天大模型打造的农技问答在河南兰考高标准农田项目应用，为农户提供便捷高效的农业知识问答服务，实现农业生产的智能化管理，覆盖农田规模超过 10 万亩，成为全国高标准农田建设的标杆。相较于大众市场，我国电信运营企业对政企市场业务产品智能化拓展表现得更为积极。目前，三大电信运营企业均已开发了基础大模型，并致力于行业大模型部署，将“基础设施 平台 服务”的一体化服务作为主要发展模式。未来，基础大模型的逐渐强大可能将带来产业数字化服务方式和商业模式的进一步变革，电信运营企业需要在变革中发挥引领、支撑、带动作用。（三）升级智能建维，提升网络运营效益效率（三）升级智能建维，提升网络运营效益效率网络是电信业的核心资产，面向网络全生命周期的 AI 应用，对于改善电信业生产效益效率具有至关重要的作用。在大模型等 AI 技术的赋能下，网络规、建、运、维、优效益效率得到显著优化。1.智能化赋能网络规划建设更加精准高效AI 赋能网络规划。5G 高频段、低穿透能力的特性对无线网络规划提出了更高要求，预期的网络速度和覆盖范围需要建设更多数量的基站，这导致了 5G 投资成本显著增加。借助 AI 技术发展，结合 4G网络大数据与链路差异算法，让 5G 网络规划变得更加精准高效，这不仅降低了投资成本，提升了网络覆盖效率，也可更加便捷地响应市场需求，优化用户体验，显著提升经济效益和社会效益。如中国联通电信业发展蓝皮书智能化发展（2024 年）29泉州市分公司39基于 4G 大数据和创新算法，采用链路预算、机器学习算法、射线追踪等技术，实现 5G 网络高效精准规划，覆盖 608.7平方公里区域，规划基站 2193 个，大幅降低投资成本，显著提升规划效率，为 5G 网络的快速部署提供有力支持。AI 赋能工程建设。网络建设工程普遍实行“人工现场管理、线下验收、手工结算”的低效管理模式，手段落后、问题突出，长期存在施工监管和验收不规范、不到位、效率低、廉洁风险易发等痛点问题。通过 AI、高清云视频等新兴技术与通信工程建设标准、流程、数据、管理深度融合，打造全流程拉通的工程建设管理数智化运营平台，构建施工远程监管、质量远程验收、工程量远程核验、系统自动结算等功能，依托平台工具，建立全新建设业务流程，实现工程建设管理的可视化、标准化、智能化转型升级。案例：中国联通 AI 赋能通信工程建设管理数智化转型案例：中国联通 AI 赋能通信工程建设管理数智化转型4040中国联通广东分公司将 AI、高清云视频等新兴技术与通信工程建设的标准、流程、数据以及管理模式深度融合，打造“全流程拉通”建设管理数智化运营平台-AI 远程质检平台，实现高危施工远程监管、工程质量远程验收、工程量远程核验、乙供材核验、竣工资料自动输出、系统自动结算 6 大功能，以全新的平台工具手段为基础，建立全新的建设业务流程，改变通信工程的施工、验收、结算和组织方式，工程建设管理实现可视化、智能化、标准化、自动39资料来源：中国联合网络通信有限公司泉州市分公司40资料来源：中国联合网络通信有限公司广东分公司电信业发展蓝皮书智能化发展（2024 年）30化，实现通信工程建设管理数智化转型升级。平台成熟运营 3 年，累计远程监管超 3 万站、验收结算超 7 万站，产生良好经济、社会效益，每年节支增效超亿元。2.智能化赋能网络运行更加顺畅安全AI 赋能网络运行优化。一是网络运行方面，3GPP 定义了 NWDAF（网络数据分析功能），将数据采集、模型训练、推理分析等 AI 基本能力引入网络运行机制，实现核心网智能化演进。基于 3GPP 的定义，NWDAF 与业务智能运行深度融合，实现逐用户、逐业务的实时数据采集、智能感知、分析推理、决策闭环，为智能业务体验感知与保障提供新思路。例如，中国联通联合上海诺基亚贝尔打造移动网络端到端业务感知评价和自动化保障体系41，以建立“感知、分析、决策、执行和评估”端到端全流程自智为核心，构建意图驱动、跨层跨域的差异化用户体验评估和问题处理机制，打通体验管理与网络管理接口，建立“网络问题处理闭环，客服评价解决效果闭环”双闭环，实现客户感知和网络质量双提升。二是网络配置方面，近年来全球发生多起由于人为引入配置错误导致的 IP 网络重大事故，凸显网络配置工作的高危特征。借助既有的配置规范和现网配置，通过大模型算法自动生成配置模板，并依据维护手册和配置命令手册，构建微调语料，实现智能稽核，增强业务配置和保障、网络安全，提升网络的灵活性和响应能力，同时减少人力依赖，降低长期运维成本。如中国电41资料来源：中国联通智网创新中心电信业发展蓝皮书智能化发展（2024 年）31信江苏分公司42利用 Drain 算法，基于现网高质量配置，自动生成配置模板，再辅以规范 prompt 作为语料，实现大模型稽核能力，在实际生产运营过程中，异常配置召回率达到 94%，精确率达到 85%，智能稽核逐步嵌入变更操作流程中，实现设备“不带病割接”的目标。AI 赋能网络安全保障。通过“大模型 小模型 安全工具”的协同模式构建安全行业垂直领域大模型，专注安全运营、安全攻防、安全代码开发等，赋能基础网络安全、内容安全、数据安全和业务安全领域，以智能化自动化方式增强安全防御能力。例如，联通在线信息科技有限公司依托深度伪造内容检测及防范 GenAI 诈骗的反诈大模型系统，提高针对变脸、变声等伪造攻击，提高识别精度和泛化能力，提升电信网络的安全性，保护用户信息和通信安全，增强电信网络安全服务水平和用户满意度43。AI 赋能网络能源效率。基站高能耗问题、现有运维系统缺乏有效的能耗管理和优化手段是电信业迫切需要解决的典型问题。通过引入 AI 智能体和大模型技术，简化运维流程，提高智能化管控，大幅降低运维成本，提高节能效率。此外，通过引入基于意图的节能技术，在特定场景下决定如何启用特定的能源节约特性，并在实现意图的同时执行这些策略，有助于更高效的节能，并确保关键性能指标的稳定性和提升。3.智能化赋能网络维护更加智能快捷自动化巡检。基于预设的自动化流程编排工具，接入 AI 能力自42资料来源：中国电信江苏分公司智能云网调度运营中心43资料来源：联通在线信息科技有限公司电信业发展蓝皮书智能化发展（2024 年）32动生成巡检脚本，打造智慧巡检 AI 智能体，自动监控门户网站、主机运行状态、网络状况，生成相关巡检报告，实时发送给网络运维人员，提高信息透明度与故障处理及时率。例如，安徽移动引入 AR 技术和机器视觉算法，实现设备对象和环境对象的实时精准检测，有效提高人员信息采集效率及审核准确率，规范现场作业动作和质量，减少漏报和误报等问题，巡检效率提升 50%以上44。网络运维智能分析。引入大模型学习并理解专业运维知识，通过机器学习算法对海量日志、监控数据进行分析，自动识别异常行为，预测潜在故障，实现从被动响应到主动预防的转变。结合现场工程师的多模态交互输入和实时网络数据分析，以文图形式指导工程师进行端到端的自主高效故障排查和修复。依托区块链去中心化、不可篡改和透明性，将网络与主机巡检数据、运维操作记录实时上链存储，实现运维数据的安全存储与可信追溯。例如，中国电信立足于“懂网络、懂运营、三力定位”愿景，打造了“一五四”启明网络大模型，“一”指聚焦一个领域，即信息通信领域，对内赋能生产，对外服务社会；“五”指覆盖网络规、建、维、优、营全生命周期五大类场景；“四”是构建算法、知识/数据、算力、服务的四类特征，贯通网络大模型语料准备、预训练、全参精调、反馈优化、推理部署的全流程。目前，中国电信完全自主研发的网络大模型已在企业内部成熟应用，提高故障处理效率 30%以上45。浙江移动杭州分公司基于大规模模型预训练和专业运维知识，打造了无线网络基站运维智能助手。该智能助手可44资料来源：中国移动通信集团安徽有限公司，华为技术有限公司45资料来源：中国电信股份有限公司研究院电信业发展蓝皮书智能化发展（2024 年）33以结合现场工程师的多模态交互输入和实时网络数据分析，以文图形式指导工程师进行端到端的自主高效故障排查和修复，单人每月可以节省大约 104-125 小时46。（四）深度融合 AI 与营销服务，提升客户运营效率（四）深度融合 AI 与营销服务，提升客户运营效率电信运营企业在经营过程中积累了海量用户数据，加上多年数字化转型实践经验，已经具备了一定的 AI 技术应用基础。伴随 GenAI的快速发展，电信运营企业开始在个性化推荐、智能体服务、智能服务支撑等方向开展广泛探索应用，并进一步将营销服务智能化转化为产品提供对外服务。1.借助 AI 大模型开展智能营销大数据、大模型等技术能够识别和提取客户数据中的关键信息，帮助电信运营企业提升对用户偏好的认识和理解。通过理解输入的数据文件和相关问题，实时分析用户在线行为、通信消费历史、社交媒体活动等多维数据信息，更精准地识别群体特征，实现客户深度细分。其中，标签体系的建设至关重要，通过挖掘用户个人、家庭、位置、上网动作等信息，刻画出用户属性、偏好、位置、行为、感知等特征，以标签的形式综合勾勒出客户的全貌，形成用户画像。基于海量用户数据的深度学习和分析，构建出精准的用户画像，快速捕捉营销机会。将 BSS、OSS、第三方公开融合数据与 AI 结合，从用户属性和画像标签出发，识别和理解用户不同行为的含义，给出针对性的定制连接服务和营销方案，以及更有效的营销策略，包括制46资料来源：中国移动通信集团浙江有限公司杭州分公司，华为技术有限公司电信业发展蓝皮书智能化发展（2024 年）34定个性化优惠措施，向用户推荐合适的个性化的服务套餐、优惠活动或新产品等。AI 赋能下的精准营销，助力电信运营企业提高获客效率，提升单用户价值。案例：中移动信息技术公司 AI 导购数字人助手案例：中移动信息技术公司 AI 导购数字人助手4747AI 导购数字人基于中国移动九天大模型基座、高质量数据、面向营销领域的行业大模型、中国移动自助服务终端设备，采用数字人虚拟形象、语音生成等技术，面向用户提供流畅简约的业务办理交互体验。通过多源文本提取和分级标题抽取，精准捕捉和组织信息，利用关键词抽取技术，AI 导购数字人助手可以实现快速定位客户需求，围绕个性化推荐、智能问答、服务策略优化等功能，通过“语音办”、“指尖办”模式为客户提供有情感的自助业务咨询与办理，为一线人员提供实时、精准的营销支持，同时为渠道运营管理人员提供基于大数据模型分析的运营决策支撑。目前AI导购数字人助手工具已在辽宁等12省公司一线厅店进行试点应用，推广500家自营厅店应用过程中收集和分析互动数据，对意图识别、个性推荐算法及服务流程进行了持续优化。通过试点推广，AI 导购数字人助手现已实现超 7.2 万家渠道覆盖，赋能一线业务办理缓解厅店人员压力，营销效率大幅提高，进店客户满意度显著提升。基于 GenAI 实现营销方案自动生成，带来营销服务智能化更大的想象空间。电信运营企业尝试利用 GenAI 来制作营销信息和内容，47资料来源：中国移动集团信息技术中心（中移动信息技术有限公司）电信业发展蓝皮书智能化发展（2024 年）35根据目标受众的兴趣和行为，创建线上内容的标题、摘要、关键字和内容，既能精准把握客户需求点，又具备多样性和创新性，同时还提升了内容对用户的吸引力，从而进一步提高营销活动的转化率。案例：天津移动数智化运营体系营销策略生成应用案例：天津移动数智化运营体系营销策略生成应用4848天津移动打造霍尔 HAL 数智化运营体系，通过“场景视图建设、策略自动匹配、价格动态调整、个性话术生成、调度自动派单、触点协同执行”六大关键环节，创新智能调度 AI 模式。在个性化推荐方面，霍尔 HAL 能够深度分析用户数据，精准捕捉用户通信行为、流量使用等数据，为不同用户群体制定差异化价格策略，满足其个性化需求。还可智能化生成营销话术，以自然语言交互方式，将领域知识库、内容库与大模型结合，提供业务咨询、查询和办理服务。同时，通过预训练模型实现情感分析，识别潜在负面情绪，为企业提供服务改进建议。霍尔 HAL 数智化运营体系已在中移铁通、中移在线、天津移动的多部门应用推广，并拓展到中国移动 31 个省公司，服务 3 大类 12 类子业务场景调度。2.依托 AI 智能体提升客户服务电信运营企业客户服务智能化主要将 GenAI 集成到在线客服系统中，通过对复杂自然语言的理解和生成、对话上下文的理解和跟踪、不同语言风格的学习和模拟等，为客户提供即时、准确的问答服务，提升客服代表效率。结合 GenAI 创建的智能聊天机器人和虚拟客服，48资料来源：中国移动通信集团天津有限公司电信业发展蓝皮书智能化发展（2024 年）36在自然语言处理、对话管理系统、上下文题解和对轮对话的支持下，能够更快地解决客户问题，减少等待时间，提供更加人性化和高效的客户服务体验。案例：中国电信“谛听”客服智能体案例：中国电信“谛听”客服智能体49中国电信利用 AI 思路重塑客服流程，打造“谛听”客服智能体，将大模型能力融入智能客服应答流程，助推拟人化的服务能力建设，指导客服坐席为客户提供有温度的专家服务体验。“谛听”客服智能体通过客户复杂意图及关键信息在线识别、自动适配服务方案，自动执行服务动作，并向客服坐席在线精准推送服务话术。在复杂意图及关键信息识别方面，采用大小模型协同、多智能体混编技术，提升识别意图和关键信息的精准率；在服务方案执行方面，通过可视化服务编排、大规模并行处理技术，实现服务方案图谱建模，快速沉淀客服专家优秀经验；并通过数据回流，实现效果评估和自主学习，进而持续优化模型及服务方案，达到越用越聪明的效果。“谛听”客服智能体实现客户诉求一解率的提升并有效压降客服坐席服务时长，平均每轮通话减少 30%信息梳理确认环节，每轮万号通话时长减少 40%，提高了客户服务满意率，缓解了客服坐席压力。此外，智能化客户服务还可以通过分析客户的反馈和行为，帮助电信运营企业更好地理解客户需求和偏好。这种深入的客户洞察对于优化产品和服务至关重要。电信运营企业可以根据洞察信息调整服务49资料来源：中电信人工智能科技（北京）有限公司、中国电信股份有限公司湖北分公司电信业发展蓝皮书智能化发展（2024 年）37策略，提供更符合客户期望的产品和服务。未来，电信运营企业可以更进一步将智能化客户服务作为产品提供给行业客户。3.AI 大模型助力装维管理智能化电信运营企业在装维环节的智能化主要体现在：大模型对装维任务的自动化处理、技术和服务支持、操作规范性和安全性管理等方面的赋能。通过构建装维知识库、导入历史装维沟通语料，实现装维任务高效解析、秒级响应，解决常见问题，引导装维人员完成工单处理。通过对装维人员入户交互过程的录音资料分析，实现装维操作规范性和安全性管理。案例：科大讯飞案例：科大讯飞 AI 装维解决方案装维解决方案50科大讯飞依托讯飞星火大模型底座，采用多模态交互、语音大模型等核心技术，打造 AI 装维“智检、智约、智访、智答”四智解决方案。“智约”为智能上门预约，通过智能对话的形式收集上门服务所需的信息，如服务类型、联系方式、地址等，减少人工介入，并对预约信息集中管理。“智检”是综合性的服务质量管理和提升系统，涵盖装维服务从预约到完成的各个关键环节，通过拾音设备录制入户交互过程，主要保障服务过程的专业性、规范性以及是否遵循服务和随销的最佳实践。“智答”通过打造家客装维智能助手，实现装维问题精准问答、自助排障及修复。“智访”包括装后即访、七日调访、存量关怀、义诊调访，及时、全面、精准地了解用户的需求和反馈。方案已在中国电信、中国联通、中国移动等50资料来源：科大讯飞股份有限公司电信业发展蓝皮书智能化发展（2024 年）3820 家省级公司实施，取得平均宽带用户投诉率下降 30%，满意度环比提升 20%，综调人员成本节约平均 503 万/年的良好应用效果。（五）创新经营管理 AI 应用，提升内部生产效率（五）创新经营管理 AI 应用，提升内部生产效率新一代 AI 技术基于意图理解、多模态交互、内容生成等技术能力，赋予电信运营企业降本增效新方向。电信运营企业可以通过创新应用 AI，提升生产经营效率，倒逼生产经营流程制度体系改革。但因经营管理 AI 模型训练复杂度较高，所以目前，经营管理领域 AI应用场景具有“多而小”的特点。未来，AI 技术能力的提升和应用的深化，或将改变电信运营企业内部管理层次和决策方式，倒逼企业内部劳动生产关系、资源分配关系变革。1.小场景推广 AI 办公管理小工具面向经营分析、财务管理、供应链管理、集成研发、法务管理、审计、政策咨询、表单管理、公文写作、文档翻译总结等办公场景，创新 AI 智能体、数字员工、系统平台、办公小工具等不同载体形式的 AI 应用，提升生产经营效率。案例：案例：AI 经营管理融合应用创新实践经营管理融合应用创新实践AI 经营分析。中国电信开发经分大模型 TeleBI，应用大模型理解意图和生成 SQL，小模型推进实体识别及增强分析，实现优质数据内容快速查询和获取、数据内容智能推荐、可视化图表自动生成等功能，固定报告撰写、临时报告撰写提效 60%以上51。51资料来源：中电信人工智能科技（北京）有限公司电信业发展蓝皮书智能化发展（2024 年）39AI 财务管理。中国移动打造智慧能力平台和数据服务平台，聚焦效率，开展财务机器人建设，挖掘基于光学字符识别的发票智能识别能力，实施智慧报账工程；聚焦风控，开展财务智能风险预警平台建设，实现横向跨单位、纵向跨时期、多系统多业务的风险稽核比对，全面评估、预警、跟踪存在风险的业务场景和业务操作；聚焦价值，逐步形成涵盖数据集成、数据清洗、数据处理、数据建模、数据应用等功能的财务综合分析平台52。AI 供应链管理。传统供应链领域服务支撑工作繁杂，供应链合规管理面临新的挑战。为此，中国移动自主研发了供应链行业大模型，面向“智慧采购、智慧运营、智慧合规、智慧仓储物流”四个核心场景进行能力开发。2024 年，供应链大模型已实现评审现场 AI 采购数字人、评审现场音视频监控、智能问数、智能问答、智慧辅助评审、文件合规性审核等场景落地实现，相关指标达到业界领先水平53。AI 研发管理。中国联通基于联通元景大模型，研究代码训练、微调算法和策略，实现人工智能与电信行业场景化的模型训练，构建出一套应用于电信行业软件研发生命周期的场景化模型。该模型具备对编程的理解分析以及生成联通技术代码的能力，能够对接代码助手、低代码平台，提高软件开发效率、质量54。AI 法务管理。山东移动积极探索数字化、智能化赋能企业法务管理，推进 AI 合规管理、案件管理、合同用印、法律咨询、证照管52资料来源：中国移动通信研究院（中移智库），公开新闻信息53资料来源：中国移动集团信息技术中心（中移动信息技术有限公司）54资料来源：中国联通软件研究院电信业发展蓝皮书智能化发展（2024 年）40理，提供多模态宣传广告智能审核、辅助预测案件结果、自动生成法律意见书、智慧用印稽核、智能分析并生成法律建议、资质证照智能追溯等功能，实现合规审核时长下降 93.3%，全省预计节约合规审核人工成本共计 125 万/年，降低法律事务处理时长约 66.7%，预计节约服务费用 80 万/年55。AI 智慧审计。通过充分运用 AI、RPA、5G、XR 等先进技术，中国移动打造了建设项目审计管理系统及智慧踏勘 APP、在线编审等一系列数智化产品，将公司云网能力引入到审计工作中，聚焦工程审计领域造价审核、工程量审核核心环节，运用智能选点、自动审减等功能，充分赋能一线审计人员“云上作业”，缩短踏勘环节时长 30%以上，提升造价审核效率约 40V。案例：案例：AI 办公融合应用创新实践办公融合应用创新实践AI 办公助理。中国联通研发元景办公大模型，全面挖掘 AI“听、说、读、写”潜力，构建综合办公场景下的智能助理，提供数字名片、AI 解图、AI 扫描、实时转写、智能会议、咨询辅助、阅读辅助、写作辅助和工作随记等 11 项智能化功能57。AI 公文写作。云南移动通过分析汇总常见公文历年来出现过的各类规范问题，并将问题进行分类整理，交由 AI 模型进行训练学习，最终实现了行文格式错误等问题的自动识别和提醒功能。目前，AI55资料来源：中国移动通信集团山东有限公司56资料来源：中国移动通信研究院（中移智库），公开新闻信息57资料来源：中国联通人工智能创新中心电信业发展蓝皮书智能化发展（2024 年）41智慧公文规范性检测能力已在公司 OA 系统真实生产环境部署，日均调用量为 177 次58。AI 表单管理。山东移动开发多模态 AI 办公助手，设计了智能表单管理模块，已实现差旅、用印、保修等一百余种工单类型的精准检索和自动填报成功功能，实现人工处理和填写时间减少 50%，错误率降低 20%，极大地提升了办公的效率和准确性，以及跨平台表单管理59。2.AI 推进运维全流程变革基于新一代 AI 技术，加强数字化系统自动自主收集、解决、复盘、分析、优化能力，改善人机交互方式，提高生产经营人员及 IT系统运维人员反馈问题的便利性，优化或重构 IT 系统运维流程，实现 IT 系统快速响应和高效支撑，提升用户体验，降低运维成本投入。案例：中国联通全域智慧运维创新实践案例：中国联通全域智慧运维创新实践60中国联通构建的全域数智化在线咨询平台，深度融合了 LLM、AIAgent、RPA 和 IM 等前沿技术，旨在解决企业在 IT 生产运维过程中遇到的服务体验不佳、支撑效率低下、运维效益下降等难题。平台具备三大核心能力。首先，构建了轻量化的 IT 咨询服务入口，可快速嵌入到 Web、APP 等多种渠道，并支持多模态信息输入；其次，构建了端到端的实时在线服务流程，能够高效调动各级支撑专家，为一线提供高效服务；最后，引入 LLM、AI Agent 等技术，实58资料来源：中国移动通信集团云南有限公司59资料来源：中国移动通信集团山东有限公司60资料来源：中国联合网络通信有限公司软件研究院电信业发展蓝皮书智能化发展（2024 年）42现智能响应一线、智能调用工具、智能分析问题等能力，助力 IT 生产运维提质增效。目前，平台已服务于公司近 20 万名员工，确保“1555N”数智能力体系高效运行。入口已嵌入到 113 套业务系统，所受理的问题量占比达到 84.3%。同时，管理着近 1500 支运维团队，助力公司建立横向连接各业务域、纵向贯穿各层级组织的一体化四级协同体系。当前平均问题处理时长环比下降了 44.9%，问题处理不满意率环比降低了73.5%。智能处理问题量比例达到 41.7%，每年在此方面可节省约 1000万的运营成本。与此同时，对外赋智、对内用智也在倒逼电信运营企业自身 IT运营能力升级。电信运营企业加速提升自有数据治理能力，构建数据要素流通体系，这也成为了电信企业自身能力产品化的重要方向。案例：中国电信建设案例：中国电信建设 DT AI 一站式研发治理平台一站式研发治理平台61中国电信融合大数据 AI 能力，自主研发企业级一站式智能化DT AI 研发治理平台，充分发掘数据价值，推进数据智能化，构建新质生产力，具备多模态、低代码、大模型辅助作业、增强分析、内生数据安全等特色能力。该平台具备数据交换、数据研发、数据治理、数据服务、运营监控、数据安全等核心能力，实现 AI 辅助的采、存、算、用、管全链路数据治理。数据交换方面，支持 40 业界主流数据源采集，支持文本、图片、音频、视频等多模态数据的采集，支持视频流拉61资料来源：中电信人工智能科技（北京）有限公司电信业发展蓝皮书智能化发展（2024 年）43流抽帧等 10 预处理能力；数据研发方面，同时支持大数据和 AI任务低代码研发，支持 80 业界通用计算算子，支持摘要提取、向量化转换、向量关联分析等多模态研发，支持 AI 辅助代码纠错，支持上万人并行作业、百万级任务；数据治理方面，支持多模态数据资产管理、智能化落标推荐、智能化质量规则配置等融 AI 能力，并具备以“精品模型”为牵引、“模型复用度”为核心的数据治理方法论。DT AI 一站式研发治理平台覆盖数据采集入湖、数据加工处理、数据存储、数据共享全流程具备完善的数据模型在线开发、数据仓库管理、任务统一编排与统一调度、IAAS/PAAS/SAAS/DAAS运营监控、数据质量稽核等能力，当前日均入湖数据量 1PB ，数据总存储量 100PB 。案例：中国移动加快推进数据高质量供给案例：中国移动加快推进数据高质量供给6262中国移动高度重视数据要素价值释放，立足海量数据资源禀赋及丰富应用场景优势，聚力完善数据治理体系，加快推进数据高质量供给。一是推进数据标准制定，积极参与国家高质量数据集分类分级标准、AI 数据集格式标准制定工作，推动形成行业统一的“数据目录”，实现数据标准化和共享复用。二是持续提质大数据供给，在已沉淀的 2000PB 海量数据基础上，自主清洗、精标形成超 5 万亿62资料来源：中国移动通信研究院（中移智库），公开新闻信息电信业发展蓝皮书智能化发展（2024 年）44tokens 高质量数据集，并进一步携手产业汇聚、共享高质量行业数据集。三是推进数据技术创新，发挥科技创新引领作用，带动产业链上下游，攻关湖仓一体、数据编织、分布式协同计算等关键技术，提升海量、多源、异构数据的处理效能。四是推进数据安全开放，围绕数据要素“采-传-存-算-供”全链条，加强数据分级分类自动化、攻击追溯、密码保护等，构建安全内生的数据供给体系。中国移动还构建了全球规模最大的通信服务数据集群梧桐大数据平台，集群规模超 8.4 万台，沉淀核心数据资产超 2000PB，年调用量达千亿次。已建成多语言、多类型、多模态的大模型高质量训练数据集 200 个，总量 596.5TB，自主清洗、精标形成超 5 万亿 tokens 高质量数据集，提供数据清洗、精标、供给等一站式服务，助力 AI 产业发展。五、我国电信业智能化发展建议智能化是电信业发展重要方向，当前电信运营企业智能化仍然处于“点状”“线状”探索的初级阶段。未来，随着新一代 AI 技术产业的发展，电信运营企业内外部应用推广 AI 的范畴和深度增加，电信业智能化将实现“点线面体”联动，为培育和发展新质生产力注入新活力、提供新动能。在此过程中，我们必须看到电信业智能化发展面临八大挑战和难点问题。电信运营企业需要谋划实施智能化战略、统筹好发展与安全、做实核心能力重塑、激发组织整体效能；电信业需要统筹优化“人工智能 电信业”政策环境，建立健全 AI 标准体系，促进数据资源流通与开发利用，构建开放有序的创新体系。电信业发展蓝皮书智能化发展（2024 年）45（一）挑战和难点问题（一）挑战和难点问题一是大模型应用落地复杂度高。大模型尚不能完全满足可解释、确定性、实时性、动态性等场景需要。此外，大模型的应用落实，需要采用“大模型 小模型”的技术路线，以及物联感知、平台建设、数据治理、运营管理、风险管控等体系化支撑保障。另外，定制化开发、部署成本居高不下，也不利于规模化推广。二是大模型商业闭环亟待建立。大模型技术产品研发需要高能力、高投资，如芯片能力、智算集群能力、大模型训练能力、产业生态构建能力、人才梯队管理培育能力等。据美国大模型独角兽企业联合创始人兼首席执行官 Dario Amodei 预测，未来三年模型训练成本会快速膨胀至 100 亿美元，甚至是 1000 亿美元63。但新一代 AI 技术目前多处于萌芽期、预期膨胀期64，未来市场规模、生态格局存在较高不确定性，商业闭环亟待建立。三是算力基础设施运营存在较大技术和商业挑战。技术层面，我国算力芯片和计算框架多且弱，算力分散、集中度差，算力服务互联难、调度能力弱，数据、应用迁移困难。商业层面，算力基础设施建设运营需要高投入，且从市场发展情况看，算力基础设施特别是智算中心与大模型强捆绑，市场竞争激烈。短时间内电信运营企业并不具备成本优势或技术优势，存在较大经营风险。四是高质量数据短缺。数据是模型训练的基本要素，AI 走向专业领域、提升专业能力，需要高质量的专业数据资源作为支撑，但根63参考资料：公开新闻信息64参考来源：Gartner，2024 年人工智能技术成熟度曲线电信业发展蓝皮书智能化发展（2024 年）46据研究机构 EpochAI 的预测，高质量的语言数据存量将在 2026 年耗尽。一方面，数据流通、共享仍然存在诸多卡点、堵点、难点问题，行业、企业数据流通交易体系仍不完善，制约了 AI 模型训练和效能发挥。另一方面，数据质量和数据安全仍需提升，数据污染、数据泄露等问题都会对 AI 模型训练的准确性和可靠性产生负面影响。五是产业链整体效能待激发。AI 技术效能显现需要数据感知采集、数据连接、数据分析（数据集构建、模型构建、数据计算）、自动控制等全环节协同联动。但我国在传感器、智算芯片、算内网络互联、工控系统等环节存在明显短板，在数据资源挖掘、单机和集群整体效能激发等环节存在较大难度，增加了大量的国产化适配和基础设施运维工作。此外，面向垂直行业的应用场景挖掘、方案设计、数据集构建等生态体系有待补齐。六是潜在竞争风险加剧。大模型“百家争鸣”，龙头互联网公司、三大电信运营企业、龙头设备厂商均在开发训练基础大模型。同时，基础大模型与算力基础设施强捆绑，将产业数字化时代的竞争延续到智能化时代。引导市场健康、有序发展，避免出现“价格战”、“过度外包”、“成本换收入”等粗放式竞争行为，对于构建我国信息通信行业整体竞争力至关重要。七是高端人才稀缺。万卡智算集群、大模型训练等相关核心竞争力构建，均依赖于 AI 高端人才和骨干人员。有调查显示，高达 91.3%的受访企业面临 AI 人才缺乏的问题65，AI 数据工程师、AI 机器人工65资料来源：艾媒咨询，2024 年中国企业智能化发展人才需求调研电信业发展蓝皮书智能化发展（2024 年）47程师、AI 算法工程师、AI 产品经理、AI 教育培训人员五类岗位人才缺口较大。在智能化发展的进程中，电信运营企业 AI 高端人才短缺的问题愈发凸显，AI 人才的规划和布局、顶尖人才吸引、人才特区建设等工作仍显不足。八是大模型应用带来新的安全风险。当前，大模型应用的安全风险主要包括数据使用的合法性和偏差问题，大模型系统的可理解和可解释性，以及产生有害内容、生成错误信息、滥用实施违法活动等法律和伦理问题。企业需要加强安全管控，保障数据隐私与安全、系统可解释性、可信性和透明度，确保数据安全合规，防范法律与道德风险。（二）企业发展建议（二）企业发展建议谋划实施智能化战略。智能化是大势所趋，是电信业发展的新方向。电信运营企业要坚定推进从数字化向智能化升级，及早研究制定智能化发展战略。强化网络基础设施“基础性”功能定位，构建智能机器人、车联网等细分领域专用网络，突破多元算力中心互联、云边端协同、XR/VR 应用等方面的网络传输难点问题，以更加开放的思维和态度带动终端、应用、内容繁荣发展，激发网络连接需求；做强云与算力基础设施生态，落实国家“东数西算”战略，促进多元算力互联互通，面向客户提供算网一体化服务；推进“人工智能 ”上层产品应用创新单元的独立运营，应以市场化方式激发其创新活力。统筹好发展与安全。坚持“以人为本”、“智能向善”的基本原则，建立科技伦理审查和监管制度，确保 AI 始终朝着增进人民、企电信业发展蓝皮书智能化发展（2024 年）48业员工共同福祉的方向发展，积极推进提高全民 AI 素养，避免出现新的数字鸿沟。不断提高 AI 可解释性和可预测性，提升数据真实性和准确性，打造可审核、可监督、可追溯、可信赖的 AI 应用、系统。建立风险等级测试评估体系，实施敏捷治理，分类分级管理，快速有效响应。建立健全规章制度，保障 AI 研发和应用中的个人隐私与数据安全，防止窃取、篡改、泄露和其他非法收集利用个人信息、数据的行为。做实核心能力重塑。业务布局、能力布局在一定程度上决定了企业的收入规模、利润空间。产业数字化时期，提升对数智化市场需求的理解与产品开发能力，完善、建强 DICT 项目售前、售中、售后能力链条，成为提高电信运营企业提高利润率的必要条件。面向 AI，电信运营企业再次迎来重塑核心能力的挑战，应做好 AI DICT 自有核心能力体系布局规划，明确自建、合建、外包的界面，制定阶段性建设路径，配置相应资源、机制，推动全员 AI 能力升级，将自有核心能力建设做实、做好。激发组织整体效能。AI 推动电信运营企业组织运营体系变革，并对其复杂组织管理能力提出挑战。短期来看，技术、基础设施、大模型、专业模型、产品应用、数据资源等 AI 相关要素、工作任务都需要组织承接落地；长期来看，AI 技术工具应用将会倒逼电信运营企业改革生产经营流程制度，甚至改变内部管理层级和决策方式、资源分配关系等。为此，建议电信运营企业做好组织布局规划，建立涵盖市场、产品、基础资源能力单元等在内的敏捷协同机制，有效激发电信业发展蓝皮书智能化发展（2024 年）49组织的整体效能。（三）行业发展建议（三）行业发展建议优化“人工智能 电信业”政策环境。通过制定专项行动计划，打造试点示范、典型案例等方式，引导电信运营企业关注核心能力构建与长期价值提升，鼓励其以更加开放的思路和态度推进“人工智能 ”，协同创新 AI 终端、应用、服务新形态和新模式，强化行业模型研发与落地。引导电信运营企业打造高带宽、零丢包、超低时延、高可靠性的智算中心网络，促进基础设施互联互通、协同计算，提升规、建、运、维、优效率，改善客户服务体验感知。引导电信运营企业经营管理智能化升级，推进组织、流程、制度体系再造。创新人才机制，加快国际 AI 高端人才、骨干人才引入和回流，强化校企合作，扩大电信行业 AI 人才供给。建立健全“人工智能 电信业”标准体系。落实工业和信息化部、中央网信办、国家发展改革委、国家标准委等四部门联合印发的国家人工智能产业综合标准化体系建设指南（2024 版）要求，积极建立健全“人工智能 电信业”标准体系，鼓励电信运营企业积极参与到人工智能基础共性、基础支撑、关键技术、智能产品与服务、赋能新型工业化、行业应用、安全/治理等标准体系制定工作中。深化“人工智能 电信业”标准国际交流与合作，注重国际国内标准协同性，积极参与相关标准研究制定工作。充分发挥标准的引领作用，促进异业同业合作共进。促进数据资源开发。鼓励电信运营企业与传统行业龙头企业联合电信业发展蓝皮书智能化发展（2024 年）50创新，汇聚双方数据资源能力，推进基础大模型 专业模型研发，加快大模型研发成果转化。鼓励电信运营企业提升数据资源治理能力，推动数据分类分级管理。鼓励隐私计算、数据空间、区块链、数联网等技术创新，奠定有利于数据“供得出、流得动、用得好、保安全”的技术基础。鼓励电信运营企业探索数据资产定价机制，逐步完善数据定价体系。构建开放有序创新体系。加大政策、资源支撑，做好强链补链，引导产业合作和产业链协同发力，避免出现个别环节重复资源投入。鼓励龙头企业发挥引领带动作用，促进大中小企业融通发展，深化新一代信息技术集成创新和融合应用。鼓励开源社区、开发者平台等新型协作平台发展，培育大中小企业和社会开发者开放协作的数字产业创新生态，带动创新型企业快速壮大。完善科技成果转化和产业化服务保障，加快创新技术的工程化、产业化。坚持开放发展，加强“人工智能 电信业”科技创新和产业发展的国际合作，主动融入全球生态。电信业发展蓝皮书智能化发展（2024 年）51附录：附录：4G/5G，4th Generation Mobile Communication Technology，第四代移动通信技术，5th Generation Mobile Communication Technology，第五代移动通信技术AGI，Artificial General Intelligence，通用人工智能APP，Application，应用程序B/M/D 域，域，Business/Management/Data Support System，业务域/管理域/数据域B2B，Business-to-Business，面向政企客户提供信息通信服务BSS，Business Support System，业务支撑系统CAPEX，Capital Expenditure，资本性支出DaaS，Data as a Service，数据即服务DCMM，Data Management Capability Maturity Model，数据管理能力成熟度评估模型DICT，IT CT DT，大数据时代 DT 与 IT、CT 的深度融合DT，Data Technology，数据技术GenAI，GenerativeArtificial Intelligence，生成式人工智能GDP，Gross Domestic Product，国内生产总值GPT，Generative Pre-trained Transformer，OpenAI 开发的基于Transformer 架构的生成式预训练模型IaaS，Infrastructure as a Service，基础设施即服务IP，Internet Protocol，网际互连协议电信业发展蓝皮书智能化发展（2024 年）52IT，Information Technology，信息技术MaaS，Model as a Service，模型即服务MR/MDT，Measurement Report/Minimization of Drive Tests，测量报告/最小化路测MWC，Mobile World Congress，世界移动通信大会NWDAF，Network DataAnalytics Function，网络数据分析功能OA，OfficeAutomation，办公自动化OCR，Optical Character Recognition，光学字符识别OPEX，Operating Expenses，经营性支出OSS，Operation Support System，运营支撑系统OTT，Over The Top，通过互联网向用户提供各种应用服务OXC，Optical Cross Connect，光交叉连接PaaS，Platform as a Service，平台即服务PB，Petabyte，拍字节QoS，Quality of Service，服务质量RPA，Robotic ProcessAutomation，机器人流程自动化SaaS，Software as a Service，软件即服务SQL，Structured Query Language，结构化查询语言T，Trillionbyte，太字节XR，Extended Reality，扩展现实电信业发展蓝皮书智能化发展（2024 年）53中国信息通信研究院地址：北京市海淀区花园北路 52 号邮编：100191电话：010-68033649传真：010-62304980网址：
2024-09-28
59页
5星级
中国信息通信研究院政策与经济研究所2024年9月数据价值化与数据要素市场数据价值化与数据要素市场发展报告发展报告(2022024 4 年年)数据价值化与数据要素市场数据价值化与数据要素市场发展报告发展报告(2022024 4 年年)中国信息通信研究院政策与经济研究所2024年9月版权声明版权声明本报告版权属于中国信息通信研究院，并受法律保护。转载、摘编或利用其它方式使用本报告文字或者观点的，应注明“来源：中国信息通信研究院”。违反上述声明者，本院将追究其相关法律责任。本报告版权属于中国信息通信研究院，并受法律保护。转载、摘编或利用其它方式使用本报告文字或者观点的，应注明“来源：中国信息通信研究院”。违反上述声明者，本院将追究其相关法律责任。前言前言近年来，习近平总书记围绕“发挥数据的基础资源作用和创新引擎作用”做出多项重要战略部署，党的二十届三中全会再一次对加快全国一体化数据要素市场建设，完善数据要素市场制度规则等提出新要求。去年 10 月，国家数据局正式挂牌成立，在数据要素市场化配置改革、数据基础制度体系建设、数据创新应用等方面取得了积极进展。本报告围绕“新理论、新进展、新价值、新对策”，从经济学角度出发分析数据要素市场类型、特征和价值释放路径，梳理数据资源化、资产化、资本化价值释放现状，分析数据要素赋能经济及产业发展路径和能力，为未来加快完善数据要素市场体系，释放数据要素价值提出政策建议。新理论：提出四类数据要素市场，明确各类市场数据要素价值释放路径。本报告通过对市场竞争程度及交易成本高低的区分，将数据要素市场分为“低交易成本竞争型市场、低交易成本垄断型市场、高交易成本垄断型市场和高交易成本竞争型市场”。根据市场特点和发展程度的不同，报告认为各类市场在数据资源化、资产化和资本化阶段中的发展重点和环节也存在差异。新进展：数据价值化与数据要素市场进入发展提速期。在数据资源化方面，数据基础设施建设夯实数据开发利用的技术底座，覆盖数据采集、标注、分析、存储等全生命周期的基础设施和管理链条不断完善，有效提升数据供给质量。在数据资产化方面，数据资产登记及数据资源入表助推产权确认，数据交易规模持续扩大，市场活跃度提升，收益分配机制探索为多元主体利益分配提供保障。在数据资本化方面，数据信贷服务、数据作价入股和个人数据信托等开拓数据资本化新蓝海，繁荣金融市场。新价值：数据通过提高配置效率、规模效率和技术效率提升全要素生产率，推动经济增长。2023 年，我国数据经济贡献度为 2.05%，比 2022 年增长 0.99 个百分点。数据应用推动行业革新，在工业制造、现代农业、交通运输、金融服务、医疗健康、绿色低碳等行业形成数据赋能路径，第一产业、第二产业、第三产业数据经济贡献度分别为 1.01%、1.96%、2.43%，数据驱动经济增长能力初步显现。新对策：充分调动市场活力，挖掘市场潜能。报告建议，要完善数据产权、市场准入、公平竞争、数据安全治理等制度。要立足数据要素市场特征，分类推动数据要素市场建设。要扶持数据产业发展，加速数据要素应用和实践探索，实现数据要素价值充分释放。目录目录一、新理论：数据要素价值释放的经济学分析.1（一）从稀缺性看数据要素特征.1（二）数据要素市场化配置理论.4（三）数据要素市场分类及特征.8（四）数据要素价值释放路径和框架.13二、新进展：数据价值化与数据要素市场进入发展提速期.16（一）顶层谋划，数据要素管理体系逐步完善.16（二）数据资源化纵深推进，各类主体显活力.17（三）数据资产化聚力攻坚，市场化配置加速.19（四）数据资本化持续探索，创新金融新模式.22三、新价值：数据要素赋能经济发展作用初显.23（一）数据提升全要素生产率，赋能经济增长.24（二）数据应用推动行业革新，实现高质量发展.27四、新对策：数据价值化与数据要素市场发展建议.32（一）聚焦数据要素市场化配置，完善数据制度体系.32（二）立足数据要素市场特征，形成特色发展路径.34（三）扶持数据服务产业发展，支撑数据价值释放.36（四）鼓励数据要素实践应用，激发企业创新活力.37图 目 录图 目 录图 1数据、数据资源与数据要素.1图 2企业数据要素市场化配置示意图.6图 3数据要素市场分类.11图 4数据要素价值释放路径.13图 5数据要素推动经济增长机理.24图 620212023 年数据经济贡献度.26图 720212023 年三产数据经济贡献度.27表 目 录表 目 录表 1数据要素市场化配置对象.7表 2数据要素市场分类及特征.13数据价值化与数据要素市场发展报告（2024 年）1一、一、新理论：数据要素价值释放的经济学分析（一）从稀缺性看数据要素特征（一）从稀缺性看数据要素特征稀缺性是经济学基本原理之一，是指资源因无法满足人类社会不断扩大的需求，或无法实现空间上的均匀分布而呈现出稀缺状态，即资源有限而需求无限的经济现象。稀缺性导致人们需要做出选择，以确定如何最有效地利用有限资源。数据是否稀缺呢？在分析数据稀缺性之前，我们首先需要厘清几个概念，即数据、数据资源和数据要素。数据指杂乱无章的原始电子记录。数据资源指经过处理后，有使用价值的数据。数据要素指可以交易或投入生产，有价值的数据资源。数据资源有使用价值，数据要素兼具使用价值和价值。来源：中国信息通信研究院图 1 数据、数据资源与数据要素其中，数据不稀缺。一是数据可以无限生产，随着数字技术加速渗透到经济社会方方面面，数据伴随着人类行为、设备运转、政府履职等随时产生，数据流通能力强，随着数据共享可以实现指数级增长，传播链条越长，数据量愈发庞大。二是数据具有非竞争性、非排他性特征，数据尚未被开发，其潜在价值具有不确定性，一个人使用数据数据价值化与数据要素市场发展报告（2024 年）2并不会排斥和阻止其他人使用相同的数据，数据可被多个主体同时或者顺序地使用，且不会影响彼此的效果。数据资源有限稀缺。一是数据资源边际成本不为零。数据成为数据资源的过程，经历数据加工、存储、管理等流程，耗费人力、时间和资金等资源，投入大量资本，特别是对于大规模或复杂的数据集，投入成本更加高昂。二是数据资源具有部分排他性和部分竞争性，数据资源具有使用价值，不同主体、不同部门或业务单元可能将数据资源视为未来可变现的资产，不愿与其他主体分享数据。数据要素具有稀缺性。一是数据要素具有强外部性。数据要素是高质量的数据资源，具有使用价值和价值，挖掘数据要素价值，有利于提高资源配置效率，创造新产业新模式，实现对经济发展的倍增效应。二是数据要素具有强竞争性和强排他性。数据要素价值含量高，被认为一种资产，一种权力，具有较强的竞争性和排他性。数据要素的持有者，在收益未达预期时，不愿与更多人分享和复用，会采用多种手段保护数据不被泄露，并限制其他人访问数据，这些限制导致数据要素变得稀缺。因此，数据要素区别于传统要素的重要表现是其特征动态变化。这种特征的动态变化使得数据要素的确权、定价和交易流转极为困难。由于数据是没有价值的，但数据要素具有使用价值和价值，若将产权归属于产生原始数据的个人或组织，对开发利用数据，使之成为数据要素的组织极不公平。如，倘若将个人在平台产生数据所有权归属于个人，单个个人数据无价值，同时，平台企业会选择不再收集和存储数据价值化与数据要素市场发展报告（2024 年）3数据，海量数据的价值无法释放，数据要素难以实现有效率生产。因此，数据要素发展需要兼顾多方主体利益，以政府激励性措施，市场化配置手段，实现多方主体激励相容。此外，无论是数据、数据资源还是数据要素，都具有虚拟性、可复制性、复用性、增值性、异质性等特征，这些特征也为数据要素这一新型要素的管理和治理带来新的挑战。如，虚拟性是指数据的存在状态是无形的，以文字、声音、图像、视频等作为存在形式。数据虚拟性特征一是导致数据的非消耗性，即数据不会在使用过程中被磨损或消耗掉；二是导致数据监管困难，数据流通突破了地域限制，可在短时间内进行跨地域流转，隐匿性强；三是导致数据流转复杂化，数据需求方无法准确判断数据真实性、数据质量等，交易双方的信任危机影响着价值评估及交易谈判。可复制性是指数据能够以远低于生产费用的成本进行复制，且能够被其他主体同时获取。一是数据复制后被多方主体持有，难以确定数据源头，导致确权困难；二是数据被复制后，数据价值可能面临贬值，数据交易面临风险，导致定价困难；三是数据易被复制，使数据流通交易、数据治理等过程，面临高额数据保护、数据保密成本。复用性是数据在存储允许的前提下重复使用、多次开发，开发后不会被消耗，可多次循环使用。数据复用性一是导致数据产品流转与价值流转分离，数据即使完成产品流转，原持有者仍可使用数据创造价值；二是引发新的数据产权不清问题，数据在多次使用过程中产生不同衍生数据，产权归属复杂化；三是增加收益分配难度，随着多次数据价值化与数据要素市场发展报告（2024 年）4开发应用，数据价值由不同环节的不同主体创造形成的，贡献难衡量。异质性指由于数据结构异质、搜集主体各不相同、价值高度依赖使用场景等带来的价值含量不同，一个比特数据跟另外一个比特数据包含的价值通常是完全不同的。数据异质性导致数据公允价值难确定，同一数据对不同使用者在不同使用时间和不同应用场景所产生的价值并不相同，难以为交易双方提供统一的市场价值参考。（二）数据要素市场化配置理论（二）数据要素市场化配置理论通过对数据要素的特征分析，我们可以发现，数据要素具有稀缺性，兼具了使用价值和价值，可以通过交换实现资源的配置和价值的变现，因此数据要素具有商品属性。市场经济的本质是商品经济，通过市场机制发挥市场配置资源的决定性作用。数据要素市场化配置就是尊重市场经济规律，凭借市场机制来实现数据要素在结构、时空等的有效安排，以获取最佳的经济效益。宏观看，数据要素市场化配置是建设统一开放、竞争有序市场体系的内在要求。理论方面，完善数据要素市场化配置体制机制，有利于数据要素更好地按照效益最大化和效率最大化的原则进行分配，实现要素自由流动、价格反应灵活、竞争公平有序，提高数据要素配置效率，推动数据要素被重复开发利用，更大范围地提高数据要素生产力，激发全社会创造力和市场活力，推动经济高质量发展。数据要素市场化配置改革是坚持和完善社会主义基本经济制度和社会主义市场经济体制的重要内容。社会主义市场经济通过利益机制引导要素自主有序流动的，并通过要素边际生产力水平显示要素配置效率。通过数据价值化与数据要素市场发展报告（2024 年）5数据要素的市场化配置，有利于将数据要素从边际生产力水平低的部门流动出来，投向边际生产力水平高的部门，提高整体生产力的水平。政策方面，自 2019 年党的十九届四中全会首次将数据列为与劳动、资本、土地、知识、技术、管理并列的生产要素之后，我国宏观政策导向便由“大数据”产业发展转向“生产要素”配置。2020 年 4 月，中共中央、国务院发布关于构建更加完善的要素市场化配置体制机制的意见，提出“加快培育数据要素市场”的要求与任务。2021年 3 月，中华人民共和国国民经济和社会发展第十四个五年规划和2035 年远景目标纲要提出，要对完善数据要素产权性质、建立数据资源产权相关基础制度和标准规范、培育数据交易平台和市场主体等作出战略部署，并着重指出要激活数据要素潜能。2023 年 2 月，中共中央、国务院印发了数字中国建设整体布局规划，区分了公共数据和商业数据。对于公共数据，强调汇聚利用、建立数据资源库等措施，对于商业数据，则强调市场化配置。2024 年 7 月，党的二十届三中全会中共中央关于进一步全面深化改革 推进中国式现代化的决定明确要求“培育全国一体化技术和数据市场”。微观看，数据要素市场化配置是企业实现利益最大化的必然选择。聚焦到企业这一微观个体，可将企业自身所持有的数据资源分为三类。如图 2，企业 A 及企业 B 持有不可供给数据、企业内部应用数据和其他数据三类数据，图中分别用、所示。其中，不可供给数据，即敏感数据或者脏数据。敏感数据一般涉及企业商业秘密，是企业不希望公开的数据，如风险管理数据、网络结构数据等；脏数据是数据价值化与数据要素市场发展报告（2024 年）6不具有使用价值的数据。企业内部应用数据，即用于企业自身决策管理的数据。如企业通过监控和分析企业内部运营数据，包括生产设备数据、供应链数据、人力资源数据等，发现生产经营过程中的问题和瓶颈，并采取相应的措施进行改进和优化。其他数据，这部分数据既不涉及数据安全问题，也对企业自身无用。在十九届四中全会将“数据”列为生产要素之前，我国通过国家大数据战略，指引企业对数据开发应用开展了长期探索。也就是 2019 年之前，企业主要关注提升企业内部应用数据的能力，拓展可使用数据规模，提升该部分数据使用价值。但受制于企业技术能力、数据管理能力不佳、数据数量及质量不足等原因，内部数据开发应用有限。同时，企业数字化转型过程需求更多数据，存在数据需求缺口，即图中 Da和 Db。因此，企业迫切需要通过数据要素市场化配置，将自身富裕的数据供给出去变现获利，同时从市场获得需求的数据。数据要素市场化配置解决了企业日益增长的数据需求同富余数据生产力供给不出的矛盾。来源：中国信息通信研究院图 2 企业数据要素市场化配置示意图数据价值化与数据要素市场发展报告（2024 年）7综上，数据要素市场化配置具有重要性和必要性。那么，数据要素市场配置的对象是什么？可以用什么方式进行配置呢？数据要素市场化配置的对象包括数据集、数据产品、数据服务等。以企业 A 为例，其参与配置的是阴影部分。中敏感数据涉及安全和隐私，不可提供，脏数据的提供无意义，数据内部应用数据是企业已探索的高价值数据，企业有意愿对外提供其中的部分。因此，A企业供给到市场上的主要是中部分及，配置的内容包括数据集、数据产品及数据服务。其中，数据集有原始数据集和脱敏数据集，原始数据集是原始状态的数据集合，脱敏数据集是经过匿名化处理的数据集。这两类数据集只经过简单加工处理，未根据数据买方需求进行定制。如，商安信为用户提供全球企业的各种关键数据集，包括注册信息、财务状况、股权结构、信用评级、贸易动态和公众舆论等。数据产品是利用数据挖掘、机器学习等技术进行数据加工、处理和分析，形成可为需求方创造价值的一种产品形式。如，商安信依托其 219 个国家和 3.7 亿家企业的庞大数据库，为用户提供的目标企业商业信用报告。数据服务是针对性地提供数据解决方案，包括数据处理服务、数据应用服务和数据分析工具服务等。数据产品是经过开发加工的，面向应用场景形成的交付物，而数据服务是一种解决方案。表 1 数据要素市场化配置对象对象对象定义定义表现形式表现形式数据集有一定主题的、可满足用户需求的数据集合离线数据包，API，信息库，数据更新服务，查询，评分/评级、指数等数据产品根据客户定制化需求，将数据加工分析形成数据处理结果产业图谱、客群画像，研究产品/报告，评估/评分，指标，查询等数据价值化与数据要素市场发展报告（2024 年）8来源：中国信息通信研究院数据要素市场化配置改革是现阶段政府施策的主线，主要通过市场机制完成。数据要素市场化配置要求数据要素能够在社会成员和生产部门间自由流通，并通过市场评价贡献、由贡献决定报酬的机制进一步激发数据的投入，包括数据产权激励机制、主体利益激励机制、数据市场运行机制和法律监管治理机制等的建立。第一，以数据产权激励机制解决数据确权难题。产权激励是市场主体活力的基础，归属清晰、权责明确、保护严格、流转顺畅的数据产权制度，有利于把人们参与市场经济活动的努力和财产性权利紧密联系在一起。第二，以主体利益激励机制解决激励相容难题。数据要素市场涉及主体更加复杂，需要兼顾多方市场主体利益，健全数据要素由市场评价贡献、按贡献决定报酬的收益分配机制，兼顾效率和公平。第三，以数据市场运行机制解决数据流通难题。价格机制是核心，数据要素价格市场化不足、价格失真就可能导致数据要素错配。供求机制激励激发企业供数用数活力，实现资源要素的优化高效配置。竞争机制保障数据资源要素跨地域、跨行业、跨企业公平有序地进入与退出。第四，以法律监管治理机制解决数据安全难题，按照包容审慎原则，建立适合数据要素发展的法律法规，维护公平竞争，保护数据安全，打造市场化、法治化、国际化的数据要素配置环境。（三）数据要素市场分类及特征（三）数据要素市场分类及特征数据要素市场化配置的过程形成数据要素市场，数据要素市场既数据服务使用软件、算法、模型等工具，形成数据解决方案数据分析和挖掘、归集、治理、清洗和整理等数据价值化与数据要素市场发展报告（2024 年）9包括市场化配置过程中的交易关系或买卖关系，也包括这些交易的场所或领域。不同的交易关系、竞争关系或合作关系形成不同的市场结构，不同的市场结构决定了企业行为和市场运行方式，引导着市场进入、定价、交易等决策。竞争程度可以看出企业为取得较好的市场条件、获得更多资源而形成的市场关系，通过市场中买者和卖者的数量以及产品差别的大小等来分析市场结构。主要有两类：一类偏垄断型，这类企业可以独自控制或者与少数企业一起控制某一市场。数据要素市场中，偏垄断型的市场结构主要集中于公共数据、平台数据等。其中，公共数据的持有者是政府及公共事业单位，对数据具备较强的控制和管理能力；平台数据的垄断性是由其庞大用户数量形成规模经济效益催生的。一类偏竞争型，这类企业需要同时争夺同一市场。数据要素市场中，偏竞争型的市场结构主要集中于数据服务企业、小微企业等。其中，数据服务企业数目众多，商业化程度高，提供和销售有差别的数据服务，竞争性强；小微企业规模比较小，进入和退出一个数据要素市场比较容易，其交易行为对市场的影响也较小。在一个趋向竞争型的市场环境中，企业会通过价格、提高服务质量、推出创新产品等举措吸引客户并保持竞争优势，有利于促进资源的有效配置、推动技术创新、提高产品质量，通常更有利于经济发展和社会福利提升。交易成本指交易活动的参与者为达成交易而发生的直接消耗，如信息搜寻费用、交易谈判费用、质量测量和价值评估费用、合同履行数据价值化与数据要素市场发展报告（2024 年）10费用等。交易成本与市场密切相关，可以影响市场运作效率及参与者决策。交易成本高的商品包括涉及法律或监管要求的、低流动性的、个性化定制的商品等。数据要素市场中，交易成本相对较高的市场主要是涉及数据安全、商业机密及个人隐私等强监管的数据，及流动壁垒较高的数据类型。强监管性数据一般由于数据保护法规，数据安全和隐私泄漏风险而导致交易成本较高。如，公安数据存在严格的数据保护法规和隐私法规，其数据的流通和处理必须符合特定的标准和程序。低流动性数据往往由于技术壁垒、利益保护等因素形成数据孤岛。如，由于数据格式不兼容、数据接口不开放、数据标准不统一等技术因素，导致工业数据共享和交换较为困难。交易成本低的商品一般标准化程度较高，有专门的交易市场，供需双方匹配相对容易。如，金融行业存在大量的信息交换和共享需求，为确保不同金融机构之间的数据可以互相理解和交换，金融行业数据标准化进程较早，金融数据的交换效率较高，交易成本相对其他数据更低。交易成本低的市场通常更有利于增强企业活力和商品流动性，提高资源配置效率。如图 3 所示，通过对竞争程度及交易成本高低的区分，可以将数据要素市场分为四类。数据价值化与数据要素市场发展报告（2024 年）11来源：中国信息通信研究院图 3 数据要素市场分类 低交易成本竞争型市场。这类市场是理想的市场，通常具有较高的数据流动性、市场透明度和主体活跃度，往往具有较大的市场规模，相对较低的准入门槛，更高的市场运行效率。主要包含两种，一是数据流通交易起步较早，规模较大的数据类型，如金融业是信息密集型行业，金融市场的高度竞争和飞速发展，也促进了金融数据技术和应用的快速发展，数据流动性强，企业数据应用活跃。另一类是数据服务产业，包括数据产品开发、数据资产管理数据治理、数据安全、数据交付以及数据发布等数商，据上海市数交所统计，自 2013年至 2023 年，中国数商企业数量从约 11 万家增长到超过 100 万家。众多中小企业积极参与布局，市场活力迸发。低交易成本垄断型市场。这类市场的供给者较少，处于市场主导地位，有较大市场份额和影响力。由于供给者本身有公共服务职数据价值化与数据要素市场发展报告（2024 年）12能，或因其主营业务能够以较低的成本提供数据产品或服务，该市场中的交易成本也相对较低。主要包含三类，一是政府及企事业单位掌握的敏感级较低的数据，此类数据的共享开放、开发利用有利于充分激活数据要素价值。二是平台数据，因其技术和数据汇集后产生规模经济效益，使其能够以低成本进行数据产品和服务的供给。三是由主营商品的垄断性市场而衍生出的数据产品，如电力数据、通信数据等。高交易成本垄断型市场。由于技术门槛、法律法规限制等的限制，使得此类市场进入门槛极高，交易成本较高。此类市场主要是敏感级较高的公共数据，这些数据掌握在公共部门手中，可能涉及个人隐私、敏感信息，甚至涉及国家安全等，因此在流通过程中需要考虑数据隐私和安全保护，为安全流通需要付出大量成本。高交易成本竞争型市场。此类市场尽管有较多的主体持有数据，但交易流通的过程需要付出较高成本。主要有三类，一是高度规制的数据，如个人数据的流通从事需要符合严格的安全保护法规，导致较高的交易成本。二是交易量较小或信息不对称的市场，买卖双方难以找到匹配的交易对手，为了规避风险而支付更高的费用，从而导致交易成本的增加。如农业生产涉及土壤、气候、作物、水资源等多个方面，而这些数据通常由不同的部门、机构或个人收集，导致数据来源分散，目前市场交易量较小，交易成本高。三是存在流通技术壁垒的数据，如工业数据散落在各种工业企业内部，数据量庞大，但由于不同工业设备和系统可能使用不同的技术标准和通信协议，导致数据在不同系统之间传输和解释困难。数据价值化与数据要素市场发展报告（2024 年）13表 2 数据要素市场分类及特征市场类型市场类型市场主要特征市场主要特征低交易成本竞争型市场市场规模大、进入门槛低、市场效率高低交易成本垄断型市场市场集中度高、有主导企业、部分承担公共服务职能高交易成本垄断型市场进入门槛极高、数据安全要求极高高交易成本竞争型市场市场主体分散、数据流通壁垒高来源：中国信息通信研究院（四）数据要素价值释放路径和框架（四）数据要素价值释放路径和框架数据要素价值化可以分为三个阶段，即为数据资源化、数据资产化、数据资本化。、四类市场都可经历数据资源化、数据资产化、数据资本化，实现要素价值释放，但每类市场的特点和发展程度不同，发展重点、发展环节也有差异。来源：中国信息通信研究院图 4 数据要素价值释放路径数据资源化阶段，使无序、混乱的原始数据成为有序、有使用价值的数据资源。包括质量提升过程，通过数据采集、整理、聚合、分数据价值化与数据要素市场发展报告（2024 年）14析等，对原始数据进行加工，最后形成可采、可见、互通、可信的高质量数据；也包括数据应用过程，在数据赋能业务效率改善中实现数据潜在价值。由于低交易成本竞争型市场发展相对成熟，数据资源化程度较好，各类数据服务商积极推动数据采集存储、集成处理、加工分析，已在场景应用挖掘，如研发设计、柔性生产、智能制造、精准营销、市场推广、企业管理等方面进行较为领先的探索。在低交易成本垄断型市场中，数据的集中程度高，价值潜力大，政府、平台企业、龙头企业等基于其市场规模优势推动实现数据集成、数据标准化及对大规模数据集的数据治理是该市场在现阶段关注的重点。高交易成本垄断型市场对数据安全要求极高，此类市场在数据市场化配置过程中首先要保证不踩数据安全红线，以免造成危害国家安全等严重后果。因此，数据资源化的重点是通过技术手段对数据进行加工处理，通过产品开发、模型供给等形式，形成可用不可见的数据产品。高交易成本竞争型市场中，数据分散，数据流通壁垒高，如何将此类数据进行高效合规的数据采集，如何将小数据通过传输汇聚，用何种方式及在何地点进行数据存储是市场推动资源化的关键。数据资产化是数据通过流通交易给使用者或所有者带来经济利益的过程。包括数据确权、数据流通交易和数据收益分配等。其中，当前数据确权的重点是对“数据二十条”中数据资源持有权、数据加工使用权、数据产品经营权“三权”进行法律制定及落地实践，并探索数据资产登记的方法。数据流通交易包括流通交易主体、流通交易场所、市场规则与治理、市场参与主体及数据跨境等。数据收益分配数据价值化与数据要素市场发展报告（2024 年）15包括数据价值评估及激励机制的设计。立足实际，低交易成本竞争型市场在资产化阶段的发展重点在于创新数据产品，适应多元化的数据需求，促进数据要素的供需匹配，让数据交易“有米下锅”“有数有市”。低交易成本垄断型市场的重点是建设数据流通基础设施，通过基础设施建设，降低数据搜索成本、复制成本、追踪成本和验证成本，积极承担公益职能、强调公共属性，提供规范、普惠的数据流通基础服务，引领企业数据和行业数据流通汇聚，推动数据要素市场建设。高交易成本垄断型市场需以数据开放共享、数据产品开发运营等模式，确保数据安全，并定期维护和更新高度可利用和具有价值的数据资源，强化供给能力，向市场和社会提供公共数据产品和服务，提高供给数量和质量，提升数据资源配置的有效性。在高交易成本竞争型市场中，数据流通基础设施建设是关键，为不同行业、不同地区、不同主体提供可信的数据共享、开放、流通环境，支撑后续数据处理、应用、运营、安全保障等全流程。数据资本化主要包括数据信贷融资与数据证券化。数据信贷融资是用数据资产作为信用担保获得融通资金的一种方式，如数据质押融资。数据证券化是以数据未来收入预期的贴现值为内在价值创造权证以获得资本，如 IPO、重组并购、D-ABS 等。数据资本化是数据要素与资本要素两者协同互促的产物，既表现为金融产品创新，也表现为数据价值实现方式创新。从数据的角度来看，它提供了一种提升数据流动性、开发数据价值的新方式，有利于促进数据要素社会化配置，提升数据要素整体价值创造能力，是四类市场中推动数据要素价值化数据价值化与数据要素市场发展报告（2024 年）16发展的高级阶段。二、新进展：数据价值化与数据要素市场进入发展提速期（一）顶层谋划，数据要素管理体系逐步完善（一）顶层谋划，数据要素管理体系逐步完善为更好构建以数据为关键要素的数字经济，党中央、国务院高度重视培育数据要素市场，发布多项政策文件推动数据价值发挥。行业部委协同发力，深化细化“数据二十条”政策精神。2022年 11 月，国家知识产权局发布国家知识产权局办公室关于确定数据知识产权工作试点地方的通知，在北京、上海、深圳等八个省、市开展数据知识产权试点工作；财政部先后发布企业数据资源相关会计处理暂行规定数据资产评估指导意见关于加强数据资产管理的指导意见，引领推动数据资源登记和资产价值合法确认，江西、贵州等地以此为指引，从数据资源公证、资产登记、产品登记等方面加速推进数据要素确权；工信部、民航局等印发工业领域数据安全标准体系建设指南（2023 版）和民航数据管理办法（征求意见稿），引导规范行业数据开发利用。国家、地方组建数据管理机构，探索数据管理模式。2023 年 10月，国家数据局挂牌成立，明确其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、数字社会规划和建设等的主要职责。地方政府与中央主动对齐，推动省、市级数据局成立。截至报告期，31 个省（区、市）和新疆兵团均已完成数据管理机构组建，其中，独立设置机构 26 个，加挂牌子 6 个。数据价值化与数据要素市场发展报告（2024 年）17（二）数据资源化纵深推进，各类主体显活力（二）数据资源化纵深推进，各类主体显活力1.数据基础设施成为数据资源开发利用的新型技术底座数据基础设施是从数据要素价值释放的角度出发，在网络、算力等设施的支持下，面向社会提供一体化数据汇聚、处理、流通、应用、运营、安全保障服务的一类新型基础设施，是覆盖硬件、软件、标准规范、机制设计等在内的有机整体。数据空间打造多主体参与的数据流通可信环境。数据空间是一种保障数据共享、流通和应用的分布式可信数据流通基础设施，互联网龙头企业基于自身技术基础积极探索数据空间方案，例如华为云交换数据空间 EDS、腾讯云数链通数据共享平台、百度以区块链为核心的数据安全流通解决方案等，此外，中国移动的数联网服务平台 DSSN、中国电信的数据要素融通服务平台“灵泽”等均为企业搭建数据共享流通技术空间的有益实践。数据沙盒成数据监管重要基础设施方案。数据沙盒（沙箱）是基于软件或软硬件形式提供的一种安全计算环境，主要通过物理隔离或逻辑隔离来保护数据。2024 年 1 月，江苏出台“江苏数据二十条”，探索建立数据沙箱容错纠错和数据安全应急处置机制。4 月，北京建立人工智能数据训练基地监管沙盒机制，聚焦自动驾驶、数据交易等业务场景开展全链条沙盒监管运用。同期，杭州中国数谷推出数据要素“改革沙盒”，构建数据制度空间，通过技术手段和监管制度，在可控的范围之内实行入盒企业容错纠错机制。2.数据全生命周期价值管理链呈现规范化、精细化趋势随着新一代人工智能大模型对大规模、高质量数据集的需求日益数据价值化与数据要素市场发展报告（2024 年）18攀升，数据资源化进程加快。数据采集在重点行业形成规范化指引。外汇管理局、交通运输部先后印发关于航标数据、外汇金融数据的采集规范，部分地区政府、行业协会出台公共数据及相关行业数据的采集规范，促进数据采集程序和方式标准化。数据标注由国家发布试点加速推进。2024 年全国数据工作会议明确开展数据标注基地试点工作，支撑促进人工智能产业生态发展，5 月，国家数据局发布四川成都、辽宁沈阳等 7 家数据标注基地试点城市。数据分析技术加速成熟。自然语言处理、数据挖掘、数据可视化、数据融合计算等数据处理和分析技术不断优化，海量数据价值提取呈现自动化、标准化发展态势，将无形的数据转换为有形的数据产品。数据存储市场蓬勃发展。据IDC，2023 年中国企业级存储市场规模为 66 亿美元，占全球份额19.2%。随着人工智能快速发展，数据库作为数据存储的重要形式，由周边系统向核心系统逐步升级，不断推动组织数智化转型提质增效。3.政企协同发力，提升高质量公共数据资源的供给能力政务数据开放有序推进，开放数量和维度增加。2022 年，全国一体化政务数据共享枢纽发布各类数据资源 1.5 万类，累计支撑共享调用超过 5000 亿次。截至 2023 年 8 月，我国共有 226 个省级和城市地方政府上线数据开放平台，其中省级平台 22 个，城市平台 204 个，开放数据重点集中在企业注册登记、气象、卫生等领域。以上海、深圳为例，截至 2024 年 9 月，上海市公共数据开放平台已开放 51 个数据部门，共计约 20 亿条数据；深圳政府数据开放平台已开放 49 个市级部门/区，共计 28 亿余条数据。数据价值化与数据要素市场发展报告（2024 年）19授权运营成公共数据开发利用主要方式。根据“数据二十条”三权结构性分置理念，公共数据持有方依法依规将数据开发使用权和产品经营权授予符合要求的机构或企业，对原始数据进行一级开发，形成合规的数据产品和服务。行业部委持续发力，人社、民航、高法、气象等典型行业通过 PPP、政府购买服务、设立专门机构等方式，逐渐形成专业化、精细化的授权运营局面。各地授权运营探索加快，部分地区在公共数据授权方面已形成制度安排，截至 2023 年底，浙江、江苏、广东、贵州、海南等 22 个省级行政区，深圳、杭州、济南等4 个副省级市已出台相关条例办法。实践层面，全国范围内已成立、重组省市两级数据集团 40 余家，作为公共数据运营机构，承担当地公共数据治理、加工、运营和平台建设等工作。（三）数据资产化聚力攻坚，市场化配置加速（三）数据资产化聚力攻坚，市场化配置加速1.数据登记和入表工作开展，助推数据权属确认数据登记服务多样化开展。数据登记制度是保障数据产权收益的主要制度之一，部分地区尝试形成登记规则指引。浙江、北京、山东、江苏出台数据知识产权登记管理办法，广西、深圳、温州出台数据产权登记管理办法，贵州、安徽、海南、广东、大理、南京出台数据要素、数据资源、数据产品、数据资产相关的登记管理办法。在实践中，部分地区依托当地数交所、授权运营平台开展数据资产登记服务，并颁发凭证。2023 年 11 月，广东数交所为惠农网的“惠农农产品行情价格”数据产品颁发数据资产登记凭证，同期，北京国际大数据交易所颁发国内邮政快递业首张数据资产登记凭证。上海数交所上线数据数据价值化与数据要素市场发展报告（2024 年）20产品登记大厅，截至 9 月已有 1637 个产品完成登记，其中金融服务领域已有 1172 项产品完成登记。数据资产入表进入实践落地阶段。以国有企业为主的市场主体先行先试，涌现出一批企业数据资产入表实践案例。2023 年 8 月，江西省数据资源登记平台投入运行，并于次年成功实现全链路合规公证模式数据资产入表。2024 年 1 月，成都数据集团基于公共数据运营服务平台产生的数据已完成资产评估入表，南京公共交通集团已完成约 700 亿条公交数据资源的资产化并表工作。3 月，山东高速集团以 351 万元入账路网车流量、科技平台数据监测等三项数据产品。2.数据流通交易规模扩大，市场活跃度有效提升数据要素市场呈现场内和场外多种形式结合、并行发展态势。场内交易规模快速增长，交易场景覆盖多个领域。2023 年，广东省场内数据交易额近 80 亿元，其中，深圳数据交易所年交易额超 50 亿元，保持全国领先，北京、贵阳场内交易金额均已突破 20 亿元。场景打造方面，深数所已累计打造 165 个应用场景，生态合作机构突破 900家，广州数据交易所交易场景覆盖金融、陶瓷、农林牧渔、电力等24 个行业，其中陶瓷行业数据空间覆盖 13 个省市，支撑实体交易金额突破 36 亿。场外数据流通模式不断创新。场外数据流通一般没有明确的数据产品交割形式，而是通过企业间数据共享、平台企业定制化服务、数字化项目置换等形式实现数据交互利用，辅助企业日常业务开展和经营决策。目前，数据交互利用以 API 接口调用的形式为主，实现不同系统间数据的共享、交换和迁移。数据价格形成机制研究加数据价值化与数据要素市场发展报告（2024 年）21快。各界针对数据的估值与定价已形成系列研究成果，涵盖定价标准、模型、策略等方面。2023 年 2 月，贵阳大数据交易所上线数据产品交易价格计算器，为企业提供了基于成本角度的交易定价参考。3.收益分配机制加速探索，保障数据持有方权利数据作为关键要素参与生产，产生的收益涉及持有方、加工处理方、使用方等不同主体，合理规范的收益分配机制是推动数据资源增值利用的重要激励。公共数据运营收益呈现多种反哺形式。主要包括财政利益返还、成本补偿、数据产品和服务反哺、技术反哺、政治认可和社会荣誉、政府专项基金等形式。杭州、长沙、温州等市级层面的地方规范性文件中提出将公共数据授权运营取得的收入合理反哺财政预算收入，形成“数据财政”可行性初探。长春采取市场主体与公共数据授权运营单位签署数据服务使用协议并支付年费的形式完成数源部门利益返还。成都、广州等地的数据集团整合了当地数字政府业务，通过引导外部数据和技术流入，助力政府部门提升治理和公共服务水平，具体做法包括提供云服务、云资源统采共用等。个人缺乏直接参与数据要素收益分配的有效途径。个人用户参与数据要素收益分配一般包括免费服务形式的利益补偿和个人信息交易获利。现阶段，针对个人行为轨迹和偏好等信息在平台上产生的额外经济收益，个人用户作为原始数据提供者尚无资格和有效渠道参与分配，而是通常以消费者身份免费使用平台的服务。2023 年 7 月，北京出台政策推动个人数据托管使用，鼓励个人以按次、按年等方式获得个人数据使用产生的收益。同年 9 月，全国首笔个人数据合规流转交易在贵阳数据价值化与数据要素市场发展报告（2024 年）22大数据交易所内完成，交易标的为个人简历数据。（四）数据资本化持续探索，创新金融新模式（四）数据资本化持续探索，创新金融新模式1.数据信贷服务拓宽中小微企业融资渠道近年内，银行基于数据信贷服务产品，积极为企业提供信贷融资支持。例如上海“数易贷”、温州“信贷数据宝”、苏州“数商贷”等。2023 年 4 月，由深圳数据交易所对接第三方评估机构和光大银行，通过数据产品合规审核、数据商资质审核、数据资产定价估值等业务，助力相关企业获 1000 万元授信额度。10 月，湖北搭建“数据增信”平台，运用大数据、区块链、人工智能等技术为企业经营和财务活动画像，推动金融机构利用数据增信替代抵押担保等传统增信模式，提高小微贷款获客率、降低贷款门槛和贷款风险。2024 年 3 月，湖南基于当地黄牛产业链的数据产品，实现乡村振兴数据资产融资，授信额度为 1000 万元，为地方特色产业的数据流通和价值变现提供新思路。2.数据作价入股成非货币财产投资新方式国资委 2024 年 1 月发布关于优化中央企业资产评估管理有关事项的通知，确认数据资产可以作价出资入股，结合财政部针对数据资产入表和管理所颁布的政策文件，数据资产作为非货币财产用以出资入股已具备法律支撑。温州、北京先后出台地方工作方案，支持探索数据作价入股等数据资产多元化价值流通路径。2023 年 9 月，青岛已成功落地数据作价入股，标的数据资产在通过合规审查后进行登记，由第三方专业评估机构出具质量评估报告，由华通智研院、北数据价值化与数据要素市场发展报告（2024 年）23岸数科和翼方健数三方结合资金、管理、技术等其他出资方式成立合资公司，实现数据资产的作价入股。数据资产作为初始资本，对企业积极组织数据治理、充分挖掘数据价值形成显著激励。3.数据信托打开个人数据价值释放新思路个人数据信托理论的出发点在于保护数据主体的个人信息权益不受侵害的同时发掘个人数据的经济价值。发达国家针对个人数据信托治理已建立较为成熟的商业应用模式，例如美国的“信息受托人”、英国的“MiData”和新加坡“SingPass”概念。2023 年 4 月，全国首例个人数据信托在贵阳实现，此次交易在个人用户知情且明确授权的情况下，将简历数据通过数据信托的方式托管给贵阳大数据交易所，由贵数所委托给数据中介进行运营，个人用户在简历数据交易流转结束后获得利润分成。2024 年 1 月，北京国际大数据交易所上线“数据授权平台”试点项目，其业务模式为个人数据信托，个人用户通过微信小程序实现对个人信息使用有效管理，可以选择特定数据主动授权给他人的方式允许数据被查询使用，且不必对是否提供数据进行重复判断，为我国个人数据交易提供重要参考。三、新价值：数据要素赋能经济发展作用初显我国数据资源化、数据资产化、数据资本化均取得积极进展，为数据价值化和数据要素市场发展夯实基础，数据要素加速赋能经济增长和社会发展。数据价值化与数据要素市场发展报告（2024 年）24（一）数据提升全要素生产率，赋能经济增长（一）数据提升全要素生产率，赋能经济增长党的二十届三中全会决定要求，加快形成同新质生产力更相适应的生产关系，促进各类先进生产要素向发展新质生产力集聚，大幅提升全要素生产率。数据作为新型生产要素，既能直接通过流通交易创造价值，又与其他生产要素融合，降低交易成本，形成规模经济和范围经济，以配置效率、规模效率和技术效率提升全要素生产率，赋能新质生产力，推动经济增长。来源：中国信息通信研究院图 5 数据要素推动经济增长机理一是提高配置效率。数据推动土地、资本、劳动、技术等生产要素优化组合，在市场机制作用下推动各类要素便捷化流动、网络化共享、系统化整合、协作化开发和高效化利用，降低信息不对称性，减少交易成本，推动各类优质生产要素以更高的效率流向高生产效率、高边际产出的企业和行业，流向关键核心领域，促进经济产出、结构、技术和福利持续改善。如，制造业企业通过对历史生产数据的分析，数据价值化与数据要素市场发展报告（2024 年）25实现生产资料的及时购买、各环节机器设备购入或租用的决策部署，以及专业技术人才的引进和员工新技能更新等，实现各类要素的有效聚合，进而提升生产效率。二是提高规模效率。要素规模效应是通过适度扩大生产要素投入规模，集合各类生产要素，产生更优的经济效益，形成新的竞争优势。数据要素价值是在不断流通复用中释放的，通过数据流通汇聚，不同类型、不同维度的数据融合，规模扩大，在不同主体、不同场景、不同领域复用，推动各行业知识融通，产生新知识，孕育新产品、新服务，催生新产业、新模式，创造新的价值增量，培育经济增长新动能。如，山西数据流量谷吸引 750 余家数字经济企业入驻，推动产业链上下游企业数据互联互通，形成规模效应，成为产业集群，通过集群效应吸引资金和劳动力，截至 2024 年 3 月，园区数据要素流通交易规模突破 43 亿元，企业累计营收超 352 亿元，平均每 1 元的数据要素投入带来了近 8.2 元的经济产出。三是提高技术效率。伴随高性能算力、智能算法等技术的迅速发展，在海量数据的驱动下，科学研究范式得以由传统的假设驱动向基于科学数据进行探索的数据密集型范式转变。数据要素增强创新研发能力，提升科技创新能力，推动 AI 大模型技术及行业应用实现突破。模型演进与数据规模呈显著正相关，如 GPT-3 的训练数据约 750GB，而 GPT-4 训练数据在此基础上暴涨三十余倍，实现了速度和性能的全方位提升。行业人工智能应用与大规模数据训练紧密相关，如在自动数据价值化与数据要素市场发展报告（2024 年）26驾驶汽车中，车载传感器收集的道路条件、交通流量、行人信息等数据，训练 AI 系统，使其能够做出快速而准确的驾驶决策。数据要素提升配置效率、规模效率和技术效率，带来全要素生产率的提高，开辟经济增长的新空间，创造新产业新模式，实现对经济发展的倍增效应，成为驱动经济发展的新力量。根据中国信通院测算，2023 年，我国数据经济贡献度为 2.05%，比 2022 年增长 0.99 个百分点，数据经济贡献度衡量数据对国民经济收入的贡献率，由此可见，数据驱动经济增长能力已经初步显现。来源：中国信息通信研究院图 620212023 年数据经济贡献度分产业看，第一产业、第二产业、第三产业数据经济贡献度分别为 1.01%、1.96%、2.43%，与 2022 年比，分别增长 0.69、1.30 和 0.74个百分点，其中，第三产业持续保持数据开发利用优势。依托各类数字基础设施及互联网平台，第三产业企业通过数据接口、埋点、网络日志、网络爬虫等方式采集数据，形成数据资源禀赋优势，数据开发数据价值化与数据要素市场发展报告（2024 年）27利用起步早，数据要素赋能效果初显。同时，随着信息化与工业化融合走深向实，第二产业数字技术应用水平提升，基于网络连接、智能感知的机器设备产生大量数据，通过传感器、条形码、摄像头等设备的收集，第二产业也汇集了大量数据，数据开发利用取得一定成效。来源：中国信息通信研究院图 7 20212023 年三产数据经济贡献度（二）数据应用推动行业革新，实现高质量发展（二）数据应用推动行业革新，实现高质量发展数据正推动我国产业由低技术水平、低附加值状态逐步向高新技术、高附加值状态演变。一是生产要素结构发生变革，呈现出从“劳动密集资本密集技术密集知识密集数据密集”的发展变化态势。二是产品和服务结构发生变革，即产业在技术进步基础上逐步向着更贴近消费者、更专业、更灵活的方向转变，而这种产业结构的转变离不开大量知识和数据的支撑。三是同一产业内部企业，在原有竞数据价值化与数据要素市场发展报告（2024 年）28争规范下，积极主动探索数据本身可能带来的新业务场景和新利润增长点，寻找数据价值有效释放路径。数据要素加速赋能工业制造，助力提升制造业研发效率，实现产业链供应链高效协同。我国基于网络连接、智能感知的工业机器设备产生了大量数据资源，但面对工业化使命、困难和压力的升级，工业企业正在寻找新路径，实现工业质量、效率和动力变革。从企业端看，通过推动产品全生命周期数据融合，打造基于数据的新技术、新产品研发范式，解决研发验证成本高、周期长、成果转化率低等问题，推动自主创新成为企业发展的根本驱动力。如华中数控通过中试平台加快推动企业研究成果转化，陆续建成了中试车间和测试车间，通过数据分析、测试验证等，帮助用户将研发周期从两年缩短到半年左右，保证产品在量产前达到设计要求。从产业端看，通过打通产业链上下游数据壁垒，提升产业链韧性，增强抗风险能力。山东于 2023 年 6月出台山东省工业大数据中心体系协同建设 2023 年行动方案，探索建设国家工业互联网大数据中心体系，布局全省工业数据“一张网”，为产业链整体能力提升提供服务支撑。四川长虹电器股份有限公司通过建立工业数据空间，打通电子信息产业链上下游企业间测试、生产、库存、应付账款、供应商资信和历史交易记录等数据，推动对账用时降低 99.72%，赋能产值超 90 亿元。数据要素加速赋能现代农业，解决产销难题，形成智慧农业新模式。从生产端看，农业生产受自然环境变化和生物生命规律影响较大，生产能力和抗风险能力提升是农业生产最迫切需要解决的问题。农业数据价值化与数据要素市场发展报告（2024 年）29企业通过采集分析气象、土壤、生物等数据，实现精准种植和检测预警，减少外部环境对农作物的干扰。江苏省互联网农业发展中心依托政务数据共享平台，采集汇聚农情、植保、气象、基础空间等数据，对超 2 亿亩稻麦实现病害常态化风险监测预警，近三年，年均挽回稻麦损失共计 200 万吨，直接经济损失 49.8 亿元。从消费端看，受农产品市场供需不平衡、信息不对称、产地封闭性强、物流配送难等影响，农产品销售的“最后一公里”面临挑战。数据要素赋能下，农产品电商、“农业 直播”等新模式快速发展，打通供应链数据，提高供应链透明度，优化供需对接，为农民打开新的销售渠道。京东农产品交易平台打破传统农产品交易地理隔阂，帮助商家发布产品数据，让买家便捷浏览、购买和结算，实现了交易全链路的线上化。数据要素加速赋能交通运输，提升运输效率，催生多样化数字物流场景。物流运输方面，我国物流种类多样，但不同物流方式涉及主体数量庞杂、差异较大，物流信息不对称、不透明导致物流效率低，信息追踪难，订舱操作繁琐等。通过汇聚全链条物流数据，可提升管理调度能力和运输效率，实现企业降本增效。舟山市港航和口岸管理局、中国电信舟山分公司建设了江海联运数字化平台，通过对舟山市与张家港、江阴南京、武汉、重庆等 25 个长江物流节点城市的海关、海事、边检港航等政府部门数据，以及船舶自动识别系统数据、气象数据、海图数据等专业第三方数据的汇聚、分析和综合应用，推动江海直达配送每航次物流周期缩短 4 天以上、中转损耗减少 7 万元，大幅提高长江黄金水道运输效能。城市交通方面，我国城镇化快速发展，数据价值化与数据要素市场发展报告（2024 年）30机动车保有量持续提升，但受路况信息反馈和车流预警不足、交通管理应急疏通能力弱等影响，城市交通拥堵情况愈发严重。通过城市交通数据汇聚分析，可优化城市交通治理、提升通行效率。2023 年，中国电信在雄安新区容东片区建成规模化区域级数字道路，通过监测分析雷达和智能摄像头等智能感知设备采集的数据，推动多个交叉路口信控系统优化，大幅提高了车辆通行效率。重庆公交控股有限公司通过人员、车辆、站台、线路、停车场等多类数据感知互联，打造远程集中调度、多方式车辆监控、车辆到站时间预测、运营日报自动生成等数字化应用，实现人车供需匹配。数据要素加速赋能金融服务，推动金融服务模式创新，解决企业融资难题。从内部看，服务效率、质量，以及优良的风险防控能力是金融行业发展的核心竞争力。当前，金融行业内部数据整合和共享逐步推进，大数据、人工智能等新技术在金融领域得到广泛应用，金融服务的智能化和个性化水平不断提升，风险防控能力迅速增强。中国邮政储蓄银行创新打造不同场景下的信贷全流程智能风控方案，基于历史交易数据进行授信、基于实时交易数据进行用信、基于贷后经营及履约数据进行预警，风控方案覆盖各场景各环节风险点。从外部看，金融数据可与农业、医保、交通等多源数据融合，提升资源配置效率，解决企业信贷难题。网商银行、蚂蚁集团和农业农村部大数据中心合作，汇集遥感识别数据、农户个人授权数据，以及农村土地基础数据、承包数据等公共数据，建立新型农业信用贷款授信评估体系，提升金融服务对农户的授信范围和额度，提升金融服务机构风险防范能力。数据价值化与数据要素市场发展报告（2024 年）31数据要素加速赋能医疗健康，提高医疗资源利用效率，提升服务质量。研发方面，药物和临床试验数据可提升新药研发效率，降低研发成本。北京市计算中心通过多渠道、合规收集海量药物研发关键数据，建立专业的新药研发数据集，并基于人工智能算法对药物数据集进行数据挖掘和药物特征提取，现已服务新药研发项目 100 余项，有效降低新药研发周期。服务方面，医疗机构间数据的互联互通，可有效提升医疗检验数据标准化和互认程度，提高患者转诊、转院效率，降低成本。浙江省建立覆盖省市的医学检查检验结果互认共享平台，推动数据互联互通，实现检查检验结果跨医院、跨层级、跨区域智能检索、即时调阅、互认共享。截至 2024 年 3 月，累计节省医疗费用12 亿元。融合方面，“金融 医疗”数据融合，实现医保和商保一站式结算，“医疗 养老”数据融合，助推健康养老服务体系建设。广州红山医院将老人家中烟雾警报器、浸水警报器、紧急呼叫按钮、心率呼吸监测等设备与社区、医院进行数据对接，24 小时监测异常情况，保障居民生命安全。数据要素加速赋能绿色低碳，提升能源利用效率，优化管理能力。能源利用方面，依托数据推动构建清洁低碳、安全高效的新型能源体系，实现经济社会绿色低碳转型。国家电网通过建设能源大数据应用平台，搭建与省级能源大数据中心、当地政府部门、电力企业、供用能企业、新能源电站，以及国内外权威数据机构等的数据传输通道，实现分地区、分行业、重点企业的常态化监测和高频碳排放数据核算，助力政府实现能耗“双控”。自应用以来，助力减少碳排放 1017 万数据价值化与数据要素市场发展报告（2024 年）32吨，间接为企业节约成本约 5 亿元。污染管理方面，以水环境污染为例，通过汇聚和分析水环境数据，可解决当前动态监控和精准防控不足等共性问题。四川省生态环境监测总站汇聚污染、土壤、现场地勘、人口、气象、水文等数据，基于数字孪生技术支撑管理部门开展流域地表水环境监测管理、资源调配和业务应用，主要污染物预报准确率超过 75%。数据要素加速赋能文化旅游，推广中国特色文化，优化旅游质量。文化方面，中华文化数据库加速构建，实现文化遗产的永久性保存和活态化传承。敦煌研究院采集形成 7 处大遗址、250 个洞窟结构和 60余身彩塑的三维重建数字档案，以及 180 多个洞窟壁画数字化成果，打造数据资源共享平台“数字敦煌开放素材库”，利用区块链、数字水印等版权保护技术，鼓励用户利用素材进行二次创作，助力提升敦煌石窟保护、艺术传承及文化推广。旅游方面，数据为文旅产业转型升级提供了管理和决策依据，推动旅游治理能力和服务水平提升。中国联通通过自身数据和消费、交通、气象等多源数据的汇聚融合，打造文旅大数据平台，支撑各级文旅管理机构开展旅游态势、文旅消费监测和文旅管理决策。同时，通过打通景区内部多个系统，精准预测景区客流，辅助景区开展拥堵治理和指挥调度。四、新对策：数据价值化与数据要素市场发展建议（一）聚焦数据要素市场化配置，完善数据制度体系（一）聚焦数据要素市场化配置，完善数据制度体系1.推动数据产权制度落地一是构建全国一体化数据产权登记体系。研究出台国家数据产数据价值化与数据要素市场发展报告（2024 年）33权登记管理办法，建设互联互通的数据产权登记平台，有机融合数据产权登记管理、服务提供、技术平台等相关组织，构建统一的数据产权登记体系，落实“一地登记，全国共享”的数据产权登记流通机制。二是开展“三权”试点。选取北京、上海、深圳等地区开展三权确认及权利流转试点，在实践中探索三类权利的属性、边界及主体的权利和义务，完善数据授权机制。根据“三权”试点情况总结经验，研提数据法，逐步推动纳入我国法律体系。三是探索新型数据权利。区分数据类型设置数据产权制度，探索更加多样化的数据产权，如收益权、剩余追索权等，成熟一种，推进一种，为数据要素市场化发展留下充足的制度空间。2.完善数据要素市场制度一是全面完善数据市场准入制度。建立数据要素流通准入标准，完善数据要素市场主体准入机制。全面实施数据市场准入负面清单制度，建立市场准入负面清单动态调整机制和第三方评估机制。二是全面落实公平竞争制度。完善数据市场竞争政策框架，修订完善公平竞争审查实施细则，建立健全第三方审查和评估机制。建立违反数据市场公平竞争问题举报、申诉和司法渠道，加强和改进反垄断和反不正当竞争执法。三是打造数据信用制度。打造数据交易市场社会信用体系，逐步完善数据交易中失信行为认定、失信惩戒、异议处理和信用修复等机制。强化数据创建流通应用的全生命周期信用监管，将违规操作的市场主体纳入黑名单。四是加快建立数据跨境流通规则。探索数据“可用不可见”跨境流通环境，探索通过“监管沙箱”等方式提数据价值化与数据要素市场发展报告（2024 年）34供符合监管要求的数据跨境传输技术和设施。3.健全数据安全治理制度一是强化标准引领。加快探索数据定价标准，和数据交易计量单位标准。推进数据标准化体系建设，建立数据格式、接口、存储等软硬件通用标准，数据登记、数据交易、数据共享、数据服务等环节通用规范，并利用信息模型库等技术手段推动数据格式标准化落地。二是完善协同治理体系。设立联席数据治理协调机构，重点解决跨领域、跨层级的数据治理问题，发挥政府、企业、社会组织等多元主体治理功能，探索多主体协同治理。三是强化数据监管能力。加强对违规私自收集、过度收集、超范围收集用户数据行为，及 App 强制授权、过度索权等现象的监管。强化涉及国家安全的数据管理规范，对涉及公共安全的数据传播、管理、保护、监管、调控等，国家拥有通过技术手段进行安全管理的权力。（二）立足数据要素市场特征，形成特色发展路径（二）立足数据要素市场特征，形成特色发展路径1.鼓励数据基础好的行业率先应用数据鼓励金融等数据基础资源好，技术利用率高的行业或企业，开展数据采集、汇聚和分析工作，增加高质量数据资源供给。鼓励此类行业或企业将数据充分用于自身管理运营，提升行业服务水平，创新服务方式。推动此类行业或企业将自身数据与工业、农业、医疗、交通等多领域数据融合，共同探索数据开发利用新场景、新模式。支持此类行业或企业加大对人工智能、区块链、隐私计算、云计算、可信数据空间等技术应用程度，推动数据与技术充分融合，进一步优化提升数据价值化与数据要素市场发展报告（2024 年）35数据分析和安全保障能力。2.推动数据规模大价值高的行业扩大数据开放一是支持各地区各部门加快公共数据开发开放力度。用好公共数据共享、开放和授权使用三类方式，推动公共部门将与民生紧密相关、社会需求迫切的数据优先开放，扩大公共数据供给规模，释放公共数据资源红利。二是推动电力、信息通信等行业内数据汇聚共享与安全流通。结合自身业务实践和市场需求，辅以自身数据加工和技术服务能力，推动数据资源和数据产品流通应用。三是加强互联网企业数据开放共享。率先开放一批数据价值高、市场需求密切的公共属性数据，打造数据共享平台，有偿开放一批业务领域数据。3.优先保障高敏感行业数据开发利用安全一是针对关键数据强化监管。针对公共部门，以及工业、交通等行业中，涉及国家安全、公共利益的数据，以及个人、组织合法权益的数据，强化数据开发利用安全保障。二是推动数据分类分级工作。各行业和主管部门要持续做好数据分类分级工作，指导各部门、各企业统筹部署防护策略，对不同级别数据进行差异化管理，合理配置安全资源。三是运用新技术保障数据安全。推动各部门、各企业积极拥抱区块链、隐私计算等新技术和新基础设施，进一步提升数据安全保护软硬件能力。四是开展数据安全评估工作。各行业和主管部门要规范有序开展数据安全风险评估工作，针对评估结果定期进行整改，全面提升数据安全保障能力。数据价值化与数据要素市场发展报告（2024 年）364.推动主体丰富的行业打破数据流通壁垒一是建立行业数据平台。在农业、工业等产业链条较长、涉及部门或主体较丰富的行业，优先推动建立行业数据平台，实现数据跨主体、跨部门互联互通。二是建立部门间数据沟通渠道和共享机制。统一行业数据采集、加工处理、应用等数据标准和规范，明确潜在安全风险、争议及责任问题。三是强化平台可适用性。丰富数据平台功能和适用范围，推动形成一站式、便捷化、智能化的数据分析服务。（三）扶持数据服务产业发展，支撑数据价值释放（三）扶持数据服务产业发展，支撑数据价值释放1.培育壮大两类企业主体，激发产业链各环节潜能一是健全数据要素型企业孵化培养体系。重点扶植技术创新代表性企业，识别具备成长潜力的初创企业，打造细分领域标杆企业。二是培育数据基础设施企业。面向算力网络、可信流通、应用创新，培育一批数据基础设施企业，提高数据要素应用支撑能力，鼓励传统IDC 企业向数据基础设施企业转型发展。三是鼓励龙头企业、重点企业发挥示范引领作用。中小企业广泛参与，围绕全生命周期价值链进一步延链补链强链。四是用好财政金融工具。类比“硬科技”类高新技术企业，充分利用现行财政补贴、税收加计抵减优惠等政策，为数据企业主体提供财税综合支持。2.创新数据服务模式和业态，支撑数据产业高质量发展一是在有条件的地区和部门试点推进首席数据官制度。统筹实施数据普查登记、规范采集、加工处理、标准规范执行、质量管理、安全管控、绩效评估等工作。二是建立数据经纪人、数据交易所管理体数据价值化与数据要素市场发展报告（2024 年）37系。开展数据经纪人常态化技术监测与评估。优化数据产品供需对接和流通环境，推动行业级交易所认定，突出国家级交易所公共属性和监管功能，鼓励数据服务商、数据交易机构等依托可信数据空间开展数据共享流通应用。三是大力培育各类服务型数商和第三方专业服务机构。在资源集成、质量治理、撮合交付、交易仲裁等环节提供合规的专业性服务，提高数据要素应用支撑与服务能力。四是推动政产学研各界紧密合作。创新数据基础设施技术解决方案，探索数据流通治理和开发利用新模式，繁荣数据开发利用产业生态。3.优化大数据公共服务，推动数据产业集群化发展面向数据价值化各细分领域培植数据开发利用实体，形成多元产业生态。深入推进智慧城市和数字政府建设场景开放，建立公共数据资源开发应用场景库。深化工业大数据开发利用，提升生产线物联网数据实时分析、三维产品数字孪生和设备预测性分析等数据应用水平。加快推动数据基础设施布局，推动全国一体化算力网建设，深入开展大数据产业发展合作，充分发挥龙头企业虹吸效应。打造一批协同互补、特色发展、具有国际竞争力的数据产业集聚区，创新探索公共数据与集群企业数据融合的应用场景，实现数据要素红利向产业发展能力的转化。（四）鼓励数据要素实践应用，激发企业创新活力（四）鼓励数据要素实践应用，激发企业创新活力1.持续提升企业数字应用和管理能力一是强化数据赋能中小企业转型。鼓励数据商丰富数据产品供给，推动数据与云计算、工业互联网、大模型等相关技术产业充分融合，数据价值化与数据要素市场发展报告（2024 年）38对中小企业数据应用进行分级分类、精准扶持。二是推动企业提升数据管理能力。开展数据管理能力成熟度评估，规范数据资源管理，激发数据要素潜力。开展自主开源框架、组件和工具的研发，发展大数据开源社区，培育开源生态，全面赋能企业数据分析、应用和治理。加快智能技术产品工程化落地，打造数智化企业，精准快速响应客户需求和市场变化。三是有序推动企业数据资源入表。鼓励探索数据资源会计核算的确认、计量、列示和披露等相关方法，打造一批优秀样板案例。2.面向难点堵点探索数据应用新场景一是推进数据要素应用示范项目。鼓励和支持行业针对自身发展难点、堵点，探索数据要素协同应用场景，挖掘数据复用、融合场景，形成商业模式清晰、应用成果显著、可复制性强的数据要素应用示范项目，以点带面、纵深推进重点行业规模化应用。二是开展数据空间试点示范。面向工业、金融、医疗等重点行业开展数据空间试点，支持龙头、链主企业建立行业空间，面向行业典型场景建设测试床，鼓励数据商、数据交易机构等依托数据空间开展数据交易服务，形成一系列可复制可分享的经验和模式。3.推动行业全方位营造用数良好氛围一是建立容错免责的数据要素流通激励机制。设立容错免责“绿灯区”，推动各行各业积极参与数据要素市场建设。鼓励银行业和金融机构以支持数据开发利用为重点，在专项额度、审批权限、产品创新等方面争取政策倾斜，提高企业治数积极性。二是鼓励金融产品创数据价值化与数据要素市场发展报告（2024 年）39新。推动保险机构围绕数据资源全生命周期价值化提供保险创新产品。鼓励探索数据资产证券化、股份化等创新融资方式，支持科技创新企业多渠道开展融资。三是支持发展数据人才。推动产教深度融合，鼓励打造数据领域专业人才继续教育基地，定期开展系列培训和评估认定工作，培养兼具专业能力和数据素养的复合型人才。1
2024-09-27
46页
5星级
智算中心基础设施演进白皮书智算中心基础设施演进白皮书12序言近两年来，我们目睹了人工智能（AI）以惊人的速度发展和不断成熟，它正在改变我们的生活、工作和与技术交互的 方式，它将会彻底改变从医疗、金融到交通和娱乐等众多行业。以ChatGPT为代表的生成式人工智能（AIGC）因其显著的进步和广泛的应用范围而引起各行各业极大的关注。它能够生成与人类语言非常相似的文本，生成高清图片，视频，影片，甚至编程，颠覆了大众对人工智能（AI）的传统认知，吸引了普通大众乃至各个领域的专家的重点关注。随着人工智能（AI）应用变得越来越普遍和具有影响力，其对算力的需求也随之快速增长，人工智能（AI）业务负载也正在成为数据中心负载的重要组成部分，并且要求必须以集群的方式进行部署。因此，机柜的功率密度和数据中心的规模将大幅提升，给数据中心物理基础设施（包括供配电、制冷等）带来颠覆性的挑战。换句话说，这意味着人工智能（AI）将颠覆通算中心（传统数据中心）的设计和运营。为应对这些挑战，我们需要重新思考数据中心从IT层面到物理基础设施层面的规划和设计，从而建设出可以适应未来IT技术不断发展的具有弹性和可扩展性的智算中心（AIDC）。维谛技术作为英伟达（NVIDIA）官方认可的解决方案合作伙伴，很早就开始关注智算中心（AIDC）中的物理设施基础架构未来究竟会有哪些颠覆性的变革。回顾数据中心行业过去30年的发展，其基础设施层面的发展基本遵循一个 线性的功耗密度提升和智能化提升的模式，维谛技术在此过程中，一直以技术和质量来引领全球行业的发展。但是从2024年的年初开始，人工智能（AI）的发展进入类似于指数的增长曲线，从单个GPU的计算能力到集群的规模，从单机柜的功率密度到液冷的普及速度，似乎都被按下了加速键，数据中心行业正在经历一个自己的“寒武纪”。面对如此快速 变化的时代，市场和行业的信息和经验也都是碎片化的，国家之间、企业之间、个人之间也都存在着巨大的信息壁垒，产业生态和技术格局存在着重大的不确定性。作为数据中心行业的全球领先企业，维谛技术希望通过一种创新的形式，通过 收集市场上分散的经验和信息，整理出智算中心（AIDC）的机电系统架构演进趋势和挑战，从而做出一个系统性和中立性的分析和预测，希望通过提炼出的观点和意见，能够对数据中心行业的上下游起到一定的归纳和参考意义，对数据中心 行业的健康发展有一定的促进作用。而深知社（DeepKnowledge Community）作为中国具有号召力的国际化数据中心产业工程师社群，同样在这段时间里也在思考此类问题。经过与维谛技术深度沟通后，受维谛技术委托，由深知社对智算中心基础设施演进白皮书做系统的行业调研、分析、提炼以及白皮书撰写。因此，深知社于2024年4月-6月，对国内业已实施的智算中心、超算中心的近50位一线资深技术专家进行深度访谈和调研，并结合深知社海量的全球动态深度知识库，由DKI（DeepKnowledge Intelligence）研究员团队执笔，进行本次 白皮书的撰写。这本白皮书访谈、调研和写作的专家和工程师均以个人名义参与，使得这本白皮书能够最大程度以中立、系统和开放的角度，深度还原中国数据中心工程师群体对智算中心（AIDC）机电架构演进和发展的经验和判断。致谢感谢智算中心基础设施演进白皮书撰写组成员（排名不分先后）：维 谛 技 术 编 委 组：顾 华、张 迪、雷 爱 民、赵 玉 山、王 腾 江、谭 红 丽、王 安 林、李 朝 辉、赵 呈 涛、王 超、郭 昊、刘东泽、李旭、韩会先、邹宇飞、姜峰等。深知社编委组：高昆、董卫卫、陈淼、王谋锐、高晓明等。以及在白皮书撰写过程中，通过深谈会、特约访谈等形式分享专业观点和经验的行业专家们：李典林、井汤博、何建、杨瑛洁、沈诚、王宁、夏忠谋、王强、陶志峰、唐虎、王洪涛、李巍、刘凯、肖军、李振江、刘阳迁、符晓、肖波、苏志勇、方黎达、师宇清、陈必成、丁海峰、叶飞、林密、张双华、于淼、杜华锐等。感谢你们的辛苦付出和努力，白皮书的每一个知识点的落实离不开你们的付出。希望智算中心基础设施演进白皮书可以为通算中心（传统数据中心）向智算中心（AIDC）的演进过渡中贡献出 一份力量！智算中心基础设施演进白皮书34序言的最后，必须要感谢维谛技术编委组的专家团队对深知社的调研和写作过程的大力支持，维谛技术的行业 大局观、产业生态观、技术发展观同样给此次白皮书的访谈对象和DKI研究员团队留下深刻的印象。希望各位数据中心同行在阅读完这本白皮书之后，对于AIDC的演进趋势有更多、更深、更系统的理解。因水平和 经验有限，这本白皮书一定会有一些不足甚至错误之处，如您有任何意见或疑问，也请随时与深知社取得联系（微信 公众号：DeepKnowledge，或官网网站），我们将认真听取您的反馈和意见，在未来不断提升。深知社编委组2024年8月目录一.智算中心的演进分析1.1 智能算力的发展情况概述 1.2 智算芯片结构演进1.3 智算用户侧诉求演进1.4 机柜功耗高密度化演进1.5 静态负载向动态负载演进二.智算中心选址与规划 2.1 智算中心选址2.2 智算中心建筑形式 2.3 智算中心建筑布局 2.4 智算中心房间功能需求 2.5 智算中心装饰装修需求 2.6 已有建筑改造为智算中心 三.智算中心电气链路架构挑战及演进趋势3.1 智算中心电气链路的挑战3.1.1 电力能源接入挑战3.1.2 配电与IT机房的面积比挑战3.1.3 电能利用率挑战3.1.4 能源利用效率（PUE）挑战3.1.5 服务器电源形式挑战3.1.6 智算负载分级供电的挑战3.1.7 末端配电方式挑战3.1.8 负载动态冲击挑战3.1.9 环境温度突变挑战3.2 智算中心供配电系统的演进趋势 “智算电能管理链”3.2.1 电力能源系统向“算电协同”演进3.2.2 简化供电系统架构演进3.2.3 智算负载分级供电演进3.2.4 预制电力模组演进3.2.5 UPS向MW级，超高效及高密化演进3.2.6 锂进铅退/储备一体演进66 88911121213 13 14 14 15161616161717171818191919192023232425智算中心基础设施演进白皮书56一.智算中心的演进分析过去的十几年，是通算中心（传统数据中心）（见附录名词解释）快速发展的阶段，主要以云计算为主。随着生成式 人工智能（AIDC）（见附录名词解释）的横空出世，人工智能（AI）（见附录名词解释）在医疗、金融、制造业、零售业和交通 运输等领域产生了广泛的应用需求，通算中心（传统数据中心）已经逐渐无法满足日益增长的计算需求，智算中心（AIDC）（见附录名词解释）应运而生，它支持大规模的数据处理、机器学习、深度学习和其他智能算法的运算需求，得益于人工 智能的革命性发展，智算中心的规模和处理能力正在呈指数级增长，以满足日益增长的算力需求。智算中心已成为通算 中心（传统数据中心）升级发展的必然趋势。本章节结合目前智能算力的发展情况，对智算中心（AIDC）在芯片结构演进、用户侧诉求演进、高密度化演进、负载 特性演进等进行分析和总结，作为规划选址、电力系统、制冷系统及预制化等后续章节的依据和基础。1.1 智能算力的发展情况概述算力发展：随着数字经济时代的到来，数据成为新的生产资料，而算力则成为新的生产力。在万物互联的背景下，数据量爆炸式增长，对算力的需求达到前所未有的高度。从城市到家庭到个人，从政府到行业到企业，以及新能源汽车智能化操控、短视频内容推荐、电商平台个性化推荐等，每个生活和生产场景均离不开算力对信息的处理，算力已成为社会发展的重要动能。可以预见，算力将无处不在，算力服务也将像水、电一样，成为一种社会基础设施。算力分类：按照系统构成、技术特征和应用领域的差异，算力可分为三类：通用算力、超算算力和智能算力（见附录 名词解释）。由于超算中心属于高度定制化的算力中心，不在本白皮书的讨论范围内。本白皮书将重点讨论通用算力中心（简称 通算中心，即传统数据中心）向人工智能（AI）算力中心（简称智算中心）的演进。智算业务：智算业务在应用中包括两个环节：训练和推理（见附录名词解释）。智算业务发展趋势：根据IDC的统计数据（见图1），2022年部署的智算算力里，训练算力占比为41.5%，推理算力 占比达到58.5%；预计到2026年，推理算力的占比将会提升到62.2%，训练算力降低到37.8%。这种趋势也符合智算被 广泛应用的科学的比例变化，而随着推理算力的普及，生成式人工智能（AIGC）的应用将引起范式革命（见附录名词 解释）（见图2）。目录3.2.7 末端电压等级提升及全直流系统演进3.2.8 SST的前沿应用探索 3.2.9 包间白地板交付方式的演进 3.2.10 融合末端配电方式的演进 3.3 新能源、储能在智算中心的应用分析 3.3.1 新能源在智算中心应用是必然趋势 3.3.2 新能源发电在智算中心消纳仍面临诸多挑战 3.3.3 储能系统在智算中心应用的多重价值 3.4 智算电能管理链 四.智算中心制冷系统架构 4.1 制冷技术发展趋势 4.2 制冷系统架构的分类及方案 4.2.1 芯片侧 4.2.2 机柜侧/末端空调侧(风冷技术)4.2.3 机柜侧/末端空调侧(液冷技术)4.2.4 冷源侧 4.3 制冷技术应用评估 4.4 智算中心制冷应对策略 五.智算中心预制模块化技术的应用分析 5.1 智算中心预制模块化技术发展趋势 5.2 电气预制模块化趋势 5.3 制冷预制模块化趋势 5.4 智算中心预制模块化趋势 5.5 预制模块化技术的应用与挑战 六.总结与展望 七.附录 7.1 名词解释 7.2 主要作者介绍 7.3 版权声明 2627 2828 30 30 31 3233343435 36 3741 4243 45 4646 474950 51525454 56 57 智算中心基础设施演进白皮书78其中智能算力规模达到70EFLOPS。“东数西算”干线光缆规划已超过180条，骨干网互联带宽扩容到40T，全国算力枢纽节点时延20ms时延圈已经覆盖全国主要城市。1.2 智算芯片结构演进智算算力（智算中心）和通用算力（传统数据中心）在服务器芯片结构上存在本质的差异。通用算力芯片架构相对单一，主要以CPU为算力核心，基于CPU和云存储集群提供的相关云服务，通常由多个物理 服务器组成，通过网络连接形成一个虚拟化的计算环境。智算算力则通常采用芯片异构计算架构，结合CPU、GPU、NPU、TPU等（见附录名词解释）多种芯片，形成高并发的 分布式计算系统，应用于神经网络模型的训练及推理等。除算力芯片外，智算中心的存储芯片也存在差异化的需求，例如更大的DRAM和NAND容量，以及存算一体技术的 应用，以解决冯诺依曼架构中的存储墙问题等。从芯片结构演进来看，通算中心（传统数据中心）侧重于通用计算任务的性价比和灵活性，而智算中心注重人工智能（AI）类型的特定计算需求及运算效率，并要求具有强大的图形处理功能，需要制定人工智能（AI）算力硬件和存储解决 方案，以满足其人工智能（AI）高性能计算需求。1.3 智算用户侧诉求演进通用算力（传统数据中心）的用户侧诉求经过长期不断的发展和梳理，已逐渐趋于成熟和稳定，而智算中心用户侧 诉求则主要是基于算力业务开展带来的诸多挑战。通算中心最初的用户诉求主要来自于一些特定的应用，诸如：电子邮件、社交媒体和员工工资发放等。后来随着云 计算的快速发展，越来越多的关键应用迁移到云端，数据中心建设的规模也越来越大，通算中心对时延、带宽、可用性 以及安全性等有了更高的要求。为了满足更高的标准和要求，通算中心通常选择引入双路市电，采用柴油发电机作为市电中断后的应急电源，并配备不间断电源UPS，从而确保系统的持续运行，随着“碳中和、碳达峰”的目标制定，通算中心 开始对极致PUE、降低数据中心的总拥有成本进行持续要求。智算中心的用户诉求则来自于智算训练业务。为确保大模型训练的效率和成本最优，智算训练业务需要建立高度集中化的GPU集群。这是因为，基于GPU的分布式工作原理，如果需要在减少训练时间的同时降低训练的成本，那么，必须在更小的物理空间内部署更多的GPU服务器，从而突破分布式计算因带宽和传输距离产生的运算瓶颈，提高集群算效，因此，智算训练业务需要建立高度集中化的GPU集群。100 %0内容数量2020202120222023202420252026训练推理内容制作模式专业制作PGC用户制作UGCAI辅助用户制作AIUGCAIGC 图1：云端推理占比逐步提升 图2：生成式人工智能AIGC引发范式革命数据来源：IDC,中信建投，腾讯研究院市场表现：根据PrecedenceResearch市场预测（见图3），从2023年至2030年，全球人工智能（AI）市场有望实现 超过35%的复合增长率。图3：人工智能（AI）全球市场规模及预测（单位：亿元人民币） 38.2b678624118791637722598312094314059686826511145542021 2022 20232024E2025E 2026E 2027E2028E2029E2030E数据来源：PrecedenceResearch智算中心国内外市场发展情况y中国：云计算、大数据以及物联网等企业在智算中心逐步摸索和推广应用阶段y美国：凭借在云计算、大数据等先进技术上的优势和研发能力，在智算中心技术的创新和应用方面取得显著成就y欧洲：如英国、法国和德国，基于机器翻译、自动驾驶等研发需求，为各类企业提供高效稳定的智算中心服务y新兴市场：如马来西亚、印度、巴西等国家在积极布局智算中心产业近年来，我国智算产业随着算力产业的发展快速增长，政府鼓励企业进行智算中心技术研发与服务能力的提升，智算中心应用与产业化成果显著。2024年政府工作报告中明确提出：适度超前建设数字基础设施，加快形成全国一体化算力体系，培育算力产业生态。数据显示：截至2023年底，我国算力总规模达到230EFLOPS，即每秒230百亿亿次浮点运算，智算中心基础设施演进白皮书910图5：不同规格服务器架构对应参数表风冷机柜y国产GPU，以华为910B为例，单机柜部署2台风冷智算服务器，功耗约11.2kWy英伟达（NVIDIA）以HGX服务器为例，HGX是NVIDIA的高性能服务器，通常一台机器包含8个或4个GPU，以8个H100为例，单台服务器功耗约10.2kW，若选用B200芯片，单台服务器设计功耗14.3kW。在智算中心的 规划中，通常会考虑到IB线缆等综合成本，单机柜部署2台HGX风冷智算服务器，含上IB交换机等，单机柜功耗高达24kW左右液冷机柜y国产GPU，单机柜8台液冷智算服务器，总功耗约42.4kW。y英伟达（NVIDIA）GPU，从NVL32机柜到NVL72机柜，单机柜部署4台服务器至9台服务器，GPU数量从32颗到72颗，总功耗也从44kW（为推测的数据）增加到120kW。因此，单机柜功耗从通算中心（传统数据中心）的46KW的逐渐增加至智算中心（AIDC）的2040kW，未来逐步 发展至40120kW甚至还要更高，智算中心机柜呈现高密度化趋势。这将导致智算中心在IT负载和市电引入规模上大大高于 通算中心，也意味着将消耗更多的能源，同时也对资源产生众多新的需求，这些内容在接下来的章节中将会进行详细描述。在功能方面，智算用户更注重数据的智能处理和应用，提供个性化的服务；在硬件上，智算用户注重更多地使用GPU专用芯片；在软件上，智算用户注重更加高效的分配计算任务；在管理和运维方面，智算用户要求自动化程度更高，更加 注重资源的挖潜和最优利用。基于以上智算中心用户在高度集中化的GPU集群、功能、硬件、软件以及管理和运维方面的诉求，智算中心面临 因此带来的诸多变革和挑战，这些挑战和对应的解决方案，在接下来的章节中将会进行详细描述。1.4 机柜功耗高密度化演进如以上章节所述，智算训练需要建立高度集中化的GPU集群，而智算中心GPU芯片的算力在不断提升，目前H100/H200/H800等芯片TDP设计功耗已达700W（见图4），2024年3月GTC大会最新发布的B200达1000W，GB200已达到2700kW功耗。伴随着智算中心芯片功耗的提升，其自身的散热功耗也在不断攀升，智算中心中单机柜的热密度大幅度的快速提升，因此，智算中心将面临单机柜功耗高密化的挑战。通常人工智能（AI）服务器（见图5）由8卡GPU或NPU模组构成，基于上述芯片的功耗数值，可以确定每台人工智能（AI）服务器的功耗在5kW10kW。进一步由服务器组成整体机柜时，机柜的功率密度将达到40kW以上。以英伟达（NVIDIA）为例，DGX架构8卡GPU H100服务器额定功耗为10.2kW，安装4台服务器的风冷机柜功耗为42kW。新一代的GB200架构中，NVL36机柜功率密度为72kW，NVL72液冷机柜功率密度则为120kW。图4：不同芯片架构对应参数表架构A100H100H200GH200B100B200Full B200GB200AmpereHopperBlackwell显存大小80GB80GB141GB96/144GB180/192GB180/192GB192GB384GB显存宽带2TB/s3.35TB/s4.8TB/s4/4.9TB/s8TB/s8TB/s8TB/s16TB/sFP16稠密算力（FLOPS）312T1P1P1P1.75P2.25P2.5P5PINT8稠密算力（OPS）624T2P2P2P3.5P4.5P5P10PFP8稠密算力（FLOPS）X2P2P2P3.5P4.5P5P10PFP6稠密算力（FLOPS）XXXX3.5P4.5P5P10PFP4稠密算力（FLOPS）XXXX7P9P10P20PNVLink宽带600GB/s900GB/s900GB/s900GB/s1.8TB/s1.8TB/s1.8TB/s3.6TB/s功耗400W700W700W1000W700W1000W1200W2700W备注1个Die1个Die1个Die1个Grace CPU1个H200 CPU2个Die2个Die2个Die1个Grace CPU2个Blackwell CPU架构HGX A100HGX H100HGX H200HGX B100HGX B2008 x A100 SXM8 x H100 SXM8 x H200 SXM8 x B100 SXM8 x B200 SXMAmpereHopperBlackwell显存大小640GB1.1TB1.1TB1.44/1.5TB1.44/1.5TB显存宽带8 x 2TB/s8 x3.35TB/s8 x 4.8TB/s8 x 8TB/s8 x 8TB/sFP16稠密算力（FLOPS）2.4P8P8P14P18PINT8稠密算力（OPS）4.8P16P16P28P36PFP8稠密算力（FLOPS）X16P16P28P36PFP6稠密算力（FLOPS）XXX28P36PFP4稠密算力（FLOPS）XXX56P72PGPU-to-GPU宽带600GB/s900GB/s900GB/s1.8TB/s1.8TB/sNVLink宽带4.8TB/s7.2TB/s7.2TB/s14.4TB/s14.4TB/s以太网网络200Gb/s400Gb/s 200Gb/s400Gb/s 200Gb/s2 x 400Gb/s2 x 400Gb/sIB网络8 x 200Gb/s8 x 400Gb/s8 x 400Gb/s8 x 400Gb/s8 x 400Gb/sGPU功耗3.2kW5.6kW5.6kW5.6kW8kW总功耗6.5kW10.2kW10.2kW10.2kW14.3kW备注ConnectX-6 NICConnectX-7 NICConnectX-7 NICBlueField-3 DPUConnectX-7 NICBlueField-3 DPUConnectX-7 NIC智算中心基础设施演进白皮书11121.5 静态负载向动态负载演进通算中心（传统数据中心）上线运行以后，负载相对比较平稳，很少有极端情况负载波峰或谷底出现，而智算中心的 负载运行特点是不断进行训练任务来进行高速运算，当它开始训练任务时，负载将会迅速上升到比较高的功耗值，甚至会达到负载的极限值，而等到这次训练任务结束以后，它的负载又会迅速下降，降到最低值。由此可以得出结论，智算中心的负载波动情况非常大，呈现出新的动态负载特性（见图6）。新的动态负载特性主要表现为周期性、大幅度、并发性、瞬时冲击等，这种特性对于智算中心的配电和制冷都是一个很大的挑战。y周期性：智算负载呈现周期性波动，波动频率从分钟级到小时级不等y大幅度：智算负载功耗波动幅度可能超过额定功耗的80%，即智算中心的负载功耗可能从10%快速突变至80%，甚至100%y并发性：人工智能（AI）大模型具有并发运算的特点，故整体集群性总功耗呈现出动态快速变化y瞬时冲击：某些算力模型可能出现400us50ms左右的负载冲击，幅度可能达到额定负载功耗的150%，它取决于POD运算模型及软件算法图6：典型AI算力集群负载动态功耗曲线图（kW）16001400120010008006004002000 t（s）Load profileStep to 150%load10%idle load100se line load30 sec period综上所述，智算中心的演进从芯片结构演进、用户侧诉求演进、高密度化演进以及负载特性演进，都将对通算中心（传统数据中心）的基础设施（电气、制冷等）带来颠覆性的变革，对智算中心的基础设施（电气、制冷等）解决方案也 提出新的挑战。接下来的章节，将分别从选址规划、电气架构和制冷系统架构等架构维度，探讨如何应对智算中心的新挑战以及演进趋势。二.智算中心选址与规划通算中心（传统数据中心）的选址与规划经过多年的发展已比较完善、成熟和标准化，智算中心选址与规划和通算 中心相比有哪些特殊差异？本章节将从智算中心选址、建筑形式、建筑布局、房间功能、装饰装修以及已有建筑的改造 这几个方面进行考量。2.1 智算中心选址通算中心（传统数据中心）的选址通常选在经济发达的城市及周边区域，靠近终端客户，可以有效降低网络时延。近年来，在国内政策的不断调节下，逐渐推动数据中心选址到气候更加适宜、土地更加充沛且电价更加便宜的地区。这是由于数据中心的选址与电力成本之间紧密相关，东部核心城市火电的发电和传输成本较高，导致总体能源成本 也相对较高，而西部偏远地区由于发电量远远大于用电量，且可再生能源富集，电价相对较低，气候条件自然冷源更丰富且土地更充足。智算中心的选址会趋向于靠近终端客户的核心城市还是资源丰富的偏远地区？近年来，人们发现电网传输电能的成本要比传输信息的成本还要高，运电不如运信息更高效，因此，大型数据中心 选址更趋向于在电能充沛且价低的内蒙、宁夏、甘肃等西部地区。目前一些经济发达的核心城市由于产业密集、科技创新活跃，对智算中心的需求较为旺盛。然而，这些地区由于存在严格的能耗指标，导致算力部署面临困难。因此，在智算中心选址初期，考虑到交通便利、人才招聘、运维便捷性等因素，通常选择靠近核心城市或其周边的 区域更有利。然而，随着智算中心电力需求的不断增长，电力供应压力逐渐加大，同时也为了逐步响应国家政策，智算中心的选址将会转向偏远但可再生能源富集的地区。这些偏远地区在能源、电价、气候和政策方面的优势，可以降低智算中心的建设和运营成本，提高智算中心的市场竞争力。另外，智算中心选址的决策，并非只关注电价，还需全面考量整体资源设施（如水资源是否充沛）、政策环境、市场 需求等多重因素，以寻找经济活动丰富与能源费用的平衡点。同时，还要关注人才资源、运维便捷性、团队成熟度等关键因素，以确保智算中心能够顺利落地并发挥最大效益。特别对于服务科研、教育、医疗等公共领域的智算中心，在选址时还需特别关注周边环境要求和建造要求，以确保其能够安全、稳定地服务于社会。对于分布式智算中心（通常用于推理），因其需要通过网络进行紧密协同和数据传输，所以网络资源也是其选址考量的主要因素之一。智算中心基础设施演进白皮书1314综上所述，智算中心的选址，首先优先考虑新能源资源丰富、能源利用条件良好、网络资源良好，并接近核心城市或其周边的区域的地区，其次综合考量整体资源设施、政策环境、市场需求等多重因素，最后核算经济与能源费用的平衡点。2.2 智算中心建筑形式近年来，相对于传统的多层建筑，出现了一种大平层建筑形式，这种建筑方式可以通过预制模块化实现快速交付，并充分利用自然冷源提高制冷效率。典型的通算中心（传统数据中心）为云厂商和互联网公司规划的云数据中心，这些通算中心重点关注交付周期、运营成本和可扩展性，因此大平层建筑方式在一些中大型数据中心园区中得以广泛应用。智算中心的建筑形式优先选用大平层还是多层建筑呢？智算中心在规划时需要更多的考虑网络组网传输的要求，对于面向训练业务的智算中心，对网络方面有着更高的 要求，必须充分考虑支撑网络。和通算中心（传统数据中心）相比，智算中心的网络带宽收敛比低至1:1，存在大量的异构技术核心，东西向通信流量更大，对抖动、可用性、高吞吐、低时延数据访问的要求更高。尽管通信的时延主要来自于转发过程，与物理距离的关联度相对较低，但因为大平层建筑形式的容积率低，设备布置相对分散，可能导致不同区域内的设备间通信时延受到物理距离的影响，造成无法满足智算中心对高速网络的要求。同样，基于智算中心网络组网传输的要求，智算中心在集群规划时，需要在智算服务器和交换机之间采用尽可能短的传输距离，此需求可在多层建筑中通过相邻楼层间竖向打通的方式得以满足，因此，多层建筑可以更好地满足网络带宽、抖动、可用性、高吞吐、低时延数据访问的高标准要求，更适合大规模智算中心集群的部署。2.3 智算中心建筑布局通算中心（传统数据中心）一直追求通过尽可能的降低制冷用电的CLF（Cooling Load Factor）,进而提高能源效率PUE（Power Usage Effectiveness），从而提高可用的IT容量。通常可通过改善房间布局来提升场地利用率和降低配电损耗，实现可以安装更多的服务器。而智算中心则追求高算力和高算效，通过优化网络架构和提升服务器ITUE（IT设备利用效率）和ITEE（IT设备能效）。如何通过优化建筑布局从而提高智算中心算力和算效？优化建筑布局对提高智算中心算力和算效有很大的作用。首先，集群组网及传输的布局需更加紧凑。如以上章节所述，智算中心对网络组网和传输有很高的要求，因此智算 中心将打破通算中心（传统数据中心）的建筑层高、承重、管线穿楼层等限制，从而做到服务器集群组网及传输的布局 更加紧凑。另外，当采取不同路由回路以保障网络弹性时，需要注意不同路由的距离和物理隔离，比如穿越楼板实现垂直网络规划和部署，目前已成为智算中心应用的趋势。当然，这样做法的同时必须满足当地消防要求，并采取相应的漏水 封堵措施。另外，在层高和承重方面，智算中心也提出了相应的提升要求。层高方面，采用风冷或风液混合制冷方案的智算中心，由于智算中心的功率密度更高，单位空间内需要部署更多的 管线，因此对层高提出更高要求，通常智算中心的层高普遍在5.06.5米。承重方面，TIA-942-C标准对Rated-3和Rated-4级对数据中心楼层活载荷的要求是不低于12KN/M，而对于智算 中心来说，对楼层活载荷的要求可能会更高，例如为部署液冷，楼层活载荷的要求达到18KN/M甚至更高。2.4 智算中心房间功能需求通算中心（传统数据中心）对房间功能需求，一般会设置主机房、辅助区、支持区、行政管理区等功能空间，并考虑 员工及客户派驻人员的休息、餐饮住宿、办公和会议室等需求。而对于智算中心，则更注重功率密度、制冷需求、配电支持、网络配置、物理隔离和多功能需求等方面的功能规划。智算中心在房间功能划分上有哪些特殊需求？如以上章节所述，智算中心机柜呈现高密度化趋势，因此智算中心的制冷和配电支持区域的需求也会相应增大，同样，辅助区、支持区、行政管理区、运维操作和仓库等区域的面积根据需求相应的增加。因此，智算中心，特别是面向训练型业务类型的智算中心，相同的服务器数量需要更多的网络交换机和直连铜缆（DAC）以及有源光缆（AOC），因此，在规划设备工艺时，应充分考虑机柜的宽度、配线架以及光缆、电缆走线架的要求，并以此为依据对房间功能进行划分。另外，智算中心应预留合理储存备品备件的房间，规划出ICT设备的安装和调试的空间，保证房间内环境满足储存和测试正常运行的要求。同时，房间规划上可能会设置更多的功能区，以展示智算中心的技术先进性和创新成果，比如互动体验区、展示区和休息区等。2.5 智算中心装饰装修需求智算中心在装修的维护结构，节能措施，地板高度，装修材料，防止水溢渗透等方面面临新的挑战。随着通算中心 向着智算中心的演进，智算中心的装饰装修风格也在不断演变，并与其功能和特性更加紧密相关。智算中心基础设施演进白皮书1516智算中心的装饰装修系统，除为满足智算中心适当的通风、散热和防尘而设计的功能需求外，更加注重强化结构安全性、选用防水耐腐蚀材料、优化安装维护便利性，以及更加注重环保节能。以典型的智算中心风液混合方案为例，它在原有精密空调的基础上，增加服务器内冷板、液体制冷剂、分液管、液冷 分配单元（CDU）、泵、过滤和净化装置、控制系统等，所以在风液混合方案内，为保障地板下液冷管路的维护，地板高度需根据管路和泵阀尺寸确定，建议不低于1m，并设置漏液检测和压力感应装置。当然，管路和泵阀也可以放在机柜通道 顶部，降低地板高度要求，也更有利于维护检修，同时避免影响下送风系统的通风效果。另外，在智算中心装修过程中，需要面对复杂的管线布局，做好安全防护措施，严格控制环境参数，以及采用节能 材料和系统，满足绿色环保标准，减少对环境的负面影响，降低建造和装修材料的碳足迹。2.6 已有建筑改造为智算中心通算中心（传统数据中心）向智算中心的演进，除新建的方式外，还可通过对原有建筑进行改造的方式升级为智算 中心。如何改造已有的通算建筑以便适用于智算中心，是一个极具意义的课题，需根据业务系统的规模、现有土地、建筑条件、交付周期及商务条件等多种因素采取相应策略。首先，改造前要充分考虑，改造后投入运营可能因噪音、制冷等影响因素带来的挑战。面向训练型业务负载改造时，因智算服务器（风冷）风扇速度的提高，噪音将成为影响运维人员工作环境的因素之一。因为任务加载时噪音可能超过 90分贝，现场人员可能面临长期在高噪因工况下的职业伤害风险，改造时宜考虑墙壁安装吸音材料进行部分降噪，并在 运营后为运维人员配备耳塞等装备。其次，对于面向推理业务负载的智算中心，由于其规模相对较小，则可以考虑对部署在已有的数据中心内改造，或对边缘数据中心改造。另外，改造方案还需要考虑通过加固和扩建等方式以满足智算中心承重的要求。在改造过程中，冷板液冷系统的改动比浸没式液冷的改动较小。浸没液冷系统的加固改造成本较高，加固成本甚至 可能会超过新建成本。总的来说，智算中心的选址和规划是一个多方面考量的过程，需要精心设计策划，以确保智算中心的高效交付使用。上述章节内容中，建筑形式和布局是否便于维护和扩展，房间功能是否按技术操作需求划分明确，装修是否兼顾安全和实用性，对现有建筑的改造是否可以提升结构和系统以满足智算中心的特定要求，这些综合考量确保智算中心能够 适应技术更新，实现长期的稳定运行和可持续发展。三.智算中心电气链路架构挑战及演进趋势接下来，本章节将从系统层面深入探讨智算中心（AIDC）与通算中心（传统数据中心）在电力系统架构方面的差异。随着人工智能（AI）技术对计算资源和电力消耗的需求不断增长，智算中心对电力系统的稳定性、可靠性和效率提出了更高的要求。智算中心正颠覆性的改变通算中心的电力系统架构，这些影响使得智算中心很难再遵循通算中心之前总结的规律和标准，特别对于超前建设的人工智能（AI）数字基础设施提出更高的挑战。3.1 智算中心电气链路的挑战3.1.1 电力能源接入挑战在通算中心时代（传统数据中心），以某大厂 一栋数据机房楼为例，约2万台服务器，1020多台机柜，单机柜功耗在12kW以上，组成IT总容量约12.9MW的一栋标准数据机房楼，其电力容量大概在20MVA左右，通常由市政公共变电站 引来四路10kV电源，多数情况下会分期建设，因此对区域电网的整体压力不是很大。在智算中心时代，以英伟达（NVIDIA）H100的DGX架构8卡GPU服务器为例，部署一个1024台服务器的万卡算力 集群，单机柜同样按12kW考虑，加上制冷等辅助用电，需要1520MVA的电力容量。那么一栋10万卡的算力集群建筑，单栋建筑的用电规模则达到100兆瓦以上，因此，过去市政公共变电站的10kV电源输出间隔很难满足百兆瓦以上所需 线路的数量，并且多路10kV长距离输电线路的经济性不高，需要自建110kV或接入更高电压等级的电网。随着智算芯片密度的持续增加，园区的用电规模可以达到200MW，甚至攀升至300500MW的水平，因此需要接入220kV甚至更高电压等级的电网，这对区域电网的压力呈指数级上升。因此，相比于通算中心，智算中心的拓展瓶颈已经从机柜数量的物理空间问题，转变为能源供给问题，智算中心园区的算力容量上限不再是芯片算力的上限，而是发电厂和电网容量的上限。在满足算力容量需求下，如何匹配电力能源接入，并实现绿色发展，成为智算中心面临的重大挑战。为解决这样的 问题，与智算中心基础设施需求配套的电力能源系统应运而生。3.1.2 配电与IT机房的面积比挑战随着智算中心机柜呈现高密度化趋势，给数据机房的供配电整体占地空间带来巨大挑战。根据通算中心（传统数据中心）的规划建设经验，单机柜功耗在2.5kW-5kW的情况下，供配电系统占地面积通常为IT智算中心基础设施演进白皮书1718设备占地面积的1/4左右；当单机柜功耗提升到8kW左右时，供配电系统占地面积将达到IT设备占地面积的1/2左右；当单机柜密度提升到16kW，供配电系统占地面积将与IT设备占地面积几乎相同。因此，随着智算中心的单机柜功率密度的快速提升，变配电室面积必然随之大幅度增加，智算中心的建设方案需要 考虑供电系统更多的占地面积。3.1.3 电能利用率挑战在通算中心（传统数据中心）时代，为追求数据中心运营环境的极高可用性，2N配电架构是最常见的供电设计方案，这种架构以其建设简单、维护便捷的优势得到业内广泛认可，占据中国数据中心整体规划设计的主流。但随着智算中心对算力需求的不断提升，以及对成本效益和空间效率的追求，供电效率低成为传统2N架构面临的 主要问题，因此，简化配电架构设计以提升系统利用率、降低占地面积、最大程度地提升算力成为智算中心一大挑战。3.1.4 能源利用效率（PUE）挑战在智算中心运行着大量高效GPU服务器和存储设备，这些IT设备自身需要大量的电力来支持其运行，此外，为保持 这些IT设备的稳定运行和数据处理的高效性，智算中心还需要匹配制冷系统，这些配套的制冷系统同样需要增加智算中心的能源消耗。庞大的算力规模部署，意味着消耗更多的能源，智算中心也正在成为中国电力系统的最大变量之一。作为能源消耗 大户，智算中心的能源利用效率（PUE）降低需求尤为迫切。能源利用效率（PUE）的降低意味着用更少的电力完成更多的任务，也意味着相同的规模，可以用更少的能源实现，同时也满足节能降碳需求。因此，随着智算中心规模的不断提升，对智算中心能源利用效率（PUE）将会提出更高的要求。3.1.5 服务器电源形式挑战对数据中心行业而言，服务器电源是数据中心供电系统建设的核心。在通算中心（传统数据中心）时代，通用CPU服务器电源功耗较小，通常在300700瓦之间，常见电源冗余技术为1 1冗余形式。随着人工智能（AI）算力GPU芯片功耗的提升，先进人工智能（AI）服务器功耗持续升级。以英伟达（NVIDIA）服务器的电源结构为例，英伟达（NVIDIA）DGXH100服务器，8U机架安装，输入电压:200-240V交流电，电源规格:最大10.2kW，200-240V3300W，16A，50-60Hz。DGXH100服务器电源架构是N 2的电源冗余的架构（见图7），正常需要配置6个IECC20接口的开关电源。如果采用传统的末端配电架构，机柜内配置左右共两个PDU电源，左右PDU电源分别接三个开关电源，当其中一路PDU电源中断，服务器仅剩余三个电源工作，DGXH100服务器则会宕机。因此，末端配电需要配置三条PDU电源，全链路三路独立电源是较为合理和推荐的方案。另外，不同厂家的算力服务器电源存在的兼容性问题，也是对智算中心基础设施建设提出的挑战。图7：N 2电源配置示意图3.1.6 智算负载分级供电的挑战为确保通算中心（传统数据中心）负载的连续性供电，通算中心通常采用来自两个不同变电站的两路市电作为电源，采用柴油发电机作为本项目的备用电源。当某路市电故障，另一路市电能迅速接入，当两路市电完全中断时，柴油发电机自动启动供电，同时配置不间断电源UPS和电池，确保柴发启动前的电力系统不会中断。和通算中心不同，智算中心的供电连续性要求已发生变化，并不是所有负载都需要不间断供电。智算中心的推理业务负载属于关键型负载，如推理、存储与云服务等仍需配置后备电源，而训练业务则属于可间断负载。当发生故障或断电，训练业务负载将模型保存为“检查点”，电源恢复后可以从中断点继续运行，因此，智算中心的训练业务负载对业务连续性，容错性和可用性的诉求也发生改变。相较于昂贵的服务器成本，平衡不间断电源供电的成本与服务器因断电损坏的 潜在风险是智算中心面临的新挑战。3.1.7 末端配电方式挑战随着智算集群规模增长，单机柜容量已攀升至上百千瓦。2024年3月英伟达（NVIDIA）发布DGXNVL72机柜，由36块GB200AI加速卡（由72块GPU和32块CPU）组成，使得单机柜功耗达到120kW。智算中心基础设施演进白皮书1920更高的机柜功耗意味着更大容量的电力需求，末端配电设施如何支撑大容量机柜供电？这些变化将对末端配电的 物理基础设施提出新的挑战。3.1.8 负载动态冲击挑战如以上所述，智算中心负载特性呈现出周期性、大幅度、并发性、瞬时冲击等动态负载特性，智算中心负载的这些动态特性将对智算中心供配电链路，如油机、不间断电源、服务电源等关键环节提出新的挑战。智算中心负载特性分析详见“1.5 静态负载向动态负载演进”章节。3.1.9 环境温度突变挑战在通算时代（传统数据中心），由于其服务器密度较低，散热需求相对较小，因此制冷系统通常可以较为轻松地维持稳定的温度环境，因此温度变化速率相对较慢，电气设备在这样的环境温度变化下能够保持其性能稳定。在智算中心时代，由于服务器负载功率密度高，且呈现出新的动态负载特性，当智算服务器高负载运行且动态快速 增加时，会快速产生大量的热量，因此其散热需求更大，制冷系统需要快速响应，但是制冷系统需要一定的反应时间，并且制冷系统很难在短时内达到其效率极限，这将导致周围环境温度快速上升。紧接着，制冷系统为维持温度稳定，会 全功率送冷，这又会导致周围环境温度快速下降。这种环境温度的快速变化会给电气元器件带来更大的热应力，可能 导致电子元器件的性能发生明显变化，影响设备的绝缘性能，降低电子元器件的可靠性，比如降低器件的灵敏度、需要 降容使用等，增加故障事件发生的概率。3.2 智算中心供配电系统的演进趋势 “智算电能管理链”如以上章节所述，相对于通算中心（传统数据中心），智算中心在电气整体链路方面面临着一系列挑战，包括单机柜 功耗的显著提升、电力能源的接入问题、配电与IT机房的面积比、架构电能利用率、能效、智算负载分级、末端配电方式、负载动态冲击以及环境温度突变等挑战。应对这些挑战，仅在供配电系统单一环节进行局部优化难以解决，需要智算中心电气系统在全链路进行协同演进，构筑“智算电能管理链”。3.2.1 电力能源系统向“算电协同”演进面对电力能源接入的挑战，智算中心的演进趋势是向“算电协同”演进。相较于传统数据中心，智算中心在能源消耗方面呈现出显著的量级差异，这使得其更加注重可持续发展。具体策略 比如，智算中心的选址优先考虑新能源资源丰富、能源利用条件良好的地区。统筹智算中心发展需求和新能源资源禀赋，科学整合源荷储资源，开展算力、电力基础设施协同规划布局。探索新能源就近供电、聚合交易、就地消纳的“绿电聚合 供应”模式。整合调节资源，提升算力与电力协同运行，提高数据中心绿电占比，降低电网保障容量需求，探索光热发电与风电、光伏发电联营的绿电稳定供应模式。智算中心有较为明显的极限算力工况和平时算力工况，此运行特点可以保证智算中心充分利用绿电储能技术。当智算中心处在极限算力工况时，市电系统与绿电系统可以并行为其提供电力资源。当智算中心处在平时算力工况时，可以优选绿电储能系统为计算节点设备提供电力资源。但是对于新能源发电占比较高的电网，其稳定性易受新能源波动性的影响，市电的不稳定成为潜在风险点。因此，拥有自有可控的本地电源对于园区来说更为可靠。除依赖传统的发电机和不间断电源UPS、电池，还应有效利用局部区域内的各类可控能源，如小型水力发电、小型核反应堆（SMR）、氢燃料电池等，形成综合能源供应的资源池，不仅可提升 备用电源容量的利用效率，更能确保电能足质足量供应。新能源接入条件不佳的区域，在政策允许的情况下，智算中心可以与其他能源用户或能源供应商进行绿电交易、绿证交易、碳交易等能源交易和共享，既能以市场化手段支撑自身低碳转型，又能实现能源的互利共赢和最大化利用。3.2.2 简化供电系统架构演进如以上章节所述，随着智算中心功率密度的快速提升，配电室面积的占比也将显著增加。因此可以想象，在一个多层建筑中，智算中心将会形成类似金字塔的结构，底层配置大量配电设备，上层相对稀疏地摆放少量高性能服务器机柜。供电设备占地面积大，供电效率低是通算中心（传统数据中心）2N架构面临的问题，因此智算中心需要简化配电架构设计以提升系统利用率，降低配电设备的占地面积，DR（DistributedRedundancy）/RR（ReserveRedundancy）/N 1 简化架构将得到进一步的推广和应用。简化架构的本质，是在算力一定的前提下减少市电容量需求，或者在市电容量一定的前提下，最大程度地提升算力。与传统2N架构相比，DR架构（见图8）和RR架构（见图9），在简化架构供电系统的利用率明显提升，DR/RR架构的建设成本和运行成本也比2N架构降低10%，配电设备数量和占地空间明显减少。智算中心基础设施演进白皮书2122 图8：DR供电系统架构示意图 图9：RR供电系统架构示意图DR架构：属于“手拉手”结构，每台变压器10kV进线均采用双电源系统切换，组成三套独立的系统，每套系统都可以作为备份的冗余，末端的负载，由不间断电源UPS交叉供电，变压器负载率在66%以下，任何一套系统的故障都不影响 系统的运行，可用性能99.998%。DR架构在海外数据中心使用较多，国内较少使用。DR架构中配电设备使用减少接近25%，电源设备成本低。但由于设备和电缆路由难以实现物理隔离，发生故障时负载分别转移到其他电源，故障定位时间较长。RR架构：有一套固定的设备作为冗余备用系统，这套系统正常是不工作的。主用系统长期满载，备用系统处于长期 空载，当任何一套主用系统断电或维修时，它所承担的负载由备用系统带载。RR架构属于N 1配置，建设成本低，可用性99.995%，可靠性满足基本要求。设备和电缆路由可以实现物理隔离，但系统架构复杂、运维难度偏高。RR架构在三大通信运营商的通信机房较多使用，而数据中心使用较少。RR架构可以使智算中心的供电系统的利用率从50%提升到N/（N 1），同时将占地面积减少（N-1）/2N。实际上，只要在规划设计阶段做好负载分配，无论DR架构还是RR架构，其可维护性和可用性都是比较高的，其可用性均在99.99%以上。以传统2N架构为基准，单位面积下，DR架构算力提升33%，RR架构算力提升50%。如果选用一些非存储和通信的算力设备可能会进一步降低冗余度，这种情况下，采用备电模块级的N 1架构来替代DR/RR（双路冗余或完全冗余）架构，甚至取消冗余的组件和电池，这样简化配电架构将助力智算中心在有限的空间内 实现更大的算力。例如，如果采用英伟达（NVIDIA）DGXH100服务器，其电源架构是N 2的电源冗余的架构，基于服务器这样的 架构，DR架构更适用于DGXH100这样的服务器电源结构。自建项目：则采用DR/RR/N 1简化架构成本更低、效率更高，占用空间更小，并且通过减少冗余组件的数量和优化 电力分配，减少非必要组件宕机风险。第三方租赁项目：简化配电架构可能影响对潜在租户的吸引力，需要在简化配电架构的成本效益与吸引更多租户的 商业模式之间进行权衡。此外，锂电池替代铅酸电池和一体化电源方案也是智算中心集成度提升的一个明显趋势，以应对智算中心供配电面积占比过大的挑战。综上所述，智算中心的供电架构将由2N向混合简化架构演进，针对不同负载、不同场景和不同客户选择不同架构进行适配（见图10）。10kV ATS变压器UPSIT负载10kV ATS变压器UPSIT负载10kV ATS变压器UPSIT负载市电电源10kV配电备用电源市电电源10kV配电IT负载10kV ATS变压器UPSIT负载10kV ATS变压器UPSIT负载10kV ATS变压器UPSIT负载市电电源10kV配电备用电源市电电源10kV配电智算中心基础设施演进白皮书23241200mm600mm10kV ATS变压器变压器UPSUPSIT负载IT负载IT负载市电电源A3市电电源A3市电电源A2市电电源A2市电电源A1市电电源A110kV配电10kV配电10kV配电10kV配电10kV配电10kV配电动力辅助负载变压器UPS变压器UPS变压器UPS智算中心 包间1图10：智算中心2N 3DR混合供电架构示意图3.2.3 智算负载分级供电演进如以上章节所述，智算中心的训练业务负载属于可间断负载，因此，智算中心的训练业务负载对业务连续性、容错性和可用性的诉求发生改变，并不是所有负载都需要不间断和柴发后备电源。相较于昂贵的服务器成本，智算中心需要平衡后备电源供电的成本与服务器因断电损坏的潜在风险。智算中心在选择备电模型时，需要根据自身的风险承受能力进行决策，尤其是第三方租赁的智算中心，提供菜单式的分级供电可用性的服务等级协议（SLA）可能是一个可以平衡成本和风险的途径。3.2.4 预制电力模组演进采用预制电力模组将中压柜、变压器、不间断电源UPS、高压直流（HVDC）（见附录名词解释）、馈电等预制集成 交付，可减少电力室面积高达40%，交付周期缩短70%，实现更高的利用率、可扩展性和更快的部署，是智算中心电气链路演进的重要趋势之一。详见“5.2 电气预制模块化趋势”。3.2.5 UPS向MW级，超高效及高密化演进近年来，国家陆续发布UPS相关政策，引导UPS技术发展，2022年工信部发布的国家工业和信息化领域节能 技术装备推荐目录（2022年版）便将大功率模块化UPS作为数据中心机房整体模块化解决方案的重要产品之一。2024年5月，工信部发布国家工业和信息化领域节能降碳技术装备推荐目录（2024年版），其中数据中心节能降碳 技术提到重点发展高频、大功率、模块化UPS技术。目前通算中心（传统数据中心）主流UPS容量为400kVA/500kVA/600kVA，智算中心向MW级，超高效及高密化演进。由于智算数据中心IT系统功率快速提升，现有2500kVA变压器在占地及系统容量上不具备优势，变压器容量出现 向3150kVA及更大容量变化趋势，考虑到UPS并机台数限制，现有600kVA UPS主机在适配更大并机系统容量上面临 挑战。UPS单机容量由600kVA提升至1MVA及1.2MVA，减少并机台数，同时可进一步节省系统占地及后期运维成本，成为演进的趋势。同时，UPS需要持续提升功率密度，减小设备占地，以改善供配电设备辅助占比。以600kVA UPS为例，业界常规占地宽度一边为1200mm，但业界已有头部厂商通过架构及器件创新，将宽度缩减至600mm，功率密度提升100%，占地面积下降50%。（见图11）图11：600kVA UPS功率密度提升UPS高密化的基础是提升UPS能效，通过能效提升减小UPS发热量来应对UPS高密化带来的发热挑战，随着大 功率SIC器件的不断成熟及成本下降，UPS将采用SIC器件替代传统开关器件（见图12），运行效率可提升至97.5%以上，相对于传统96%效率UPS，UPS单台主机发热量可降低37.5%以上。智算中心基础设施演进白皮书2526图12：采用SIC器件的超高效UPS典型效率曲线(效率)98.00.50.00.50.00.50.84.30.67.24%0 00%(负载率)3.2.6 不间断电源系统储备一体演进.锂进铅退目前通算中心（传统数据中心）中铅酸电池仍然是主流，但随着智算中心电力的面积占比不断增加，与不间断电源 配套的电池室面积也在相应同步增加，有必要对电池选型进一步研判。2023年12月，中国建筑节能协会正式发布数据中心锂离子电池室设计标准，为锂电池在数据中心行业的规范化和规模化应用奠定基础。锂电池作为一种节能环保的电池技术，凭借占地面积小、能量密度高、承重要求低、循环寿命长、维护成本低等显著 优势，将逐步取代铅酸电池，成为智算中心的首选。行业内UPS头部厂商已全面兼容锂电池储能技术，利用数据中心UPS满载15分钟备电时间，以及UPS备电容量的 实际冗余进行相应的削峰填谷，无需改变供电结构，也不会额外增加制冷系统和EMS系统，在节能模式下效率高达99%，进一步降低能耗，显著提升了运营效率。.储备一体对于智算负载动态特性的调优适配UPS主机与锂电的储备融合，对于功率流的精准管理，将大幅降低GPU集群负载动态波动对于油机及电网的影响。在海外某大型智算中心的实际测试中，可以看到当UPS前端转为油机供电时，由于负载的大幅持续波动，油机的 输出端出现了明显的电压幅值及频率波动。（见图13）图13：市电与油机两种模式下UPS带智算负载的测试波形 市电模式 油机模式借助锂电池的高循环寿命，并结合UPS储备功能，通过精确的控制市电与电池的功率配比，实现UPS输入功率的 缓升缓降，减小智算负载动态特性对于油机的冲击，提升系统运行可靠性。3.2.7 末端电压等级提升及全直流系统演进随着智算中心单机柜功率密度的提升，供电系统优化的关注点将转向更高电压等级，以解决导体截面积过大，更多的材料和更大的体积的问题。同时，电压等级的升高也会带来远距离输电的优势，这将会引发数据中心设计架构上颠覆性的变革。通算中心（传统数据中心）在供电系统选择上，常见两种方案：AC400V不间断电源（UPS）和DC240V高压直流（HVDC）。这两项技术经过多年的市场考验，已证明其技术可行性，市场接受度较高，产业链较为成熟。但对于高密度、高效率的智算中心而言，由于智算服务器之间连接的光缆已经占用过多机柜的走线空间，探索更高电压的应用可以减少电源线占用的空间，带来潜在的性能提升和成本节约，这也更符合可持续发展的要求。再考虑到未来智算中心中直流设备（光伏、储能、电池、IT服务器、直流充电桩、直流照明和空调设备等）的比重将 越来越大，有必要建立一套兼容的全直流供电架构，这将有助于数据中心及周边新能源、储能的广泛接入，并支持负载侧的智能化调控。97.52%智算中心基础设施演进白皮书2728电压的提升确实是一个趋势，但同时也应该看到电压提升带来的一些风险，如单体产品的可靠性降低、短路和弧闪的风险增加，以及人身操作安全等问题。在选择供电方案时要综合考虑这些因素，并确保产业链整合、标准制定以及市场 接受度等方面的完善。此外，未来可能会向10kV交流转低压直流的全直流供电模式演进。全直流的供电模式是一种全新的供电架构，是 供电系统将来发展的一个方向，可以减少交直流变换的环节，因此供电效率将会更高。这种全直流供电架构将10kV交流输入转换为750V、400V、240V直流，750V直流用于接入分布式电源和储能以及 直流空调室外机组用电，400V直流为空调室内机组等直流设备供电，240V直流为照明、IT服务器等直流负载供电，实现全直流供电架构（见图14）。这种全直流供电模式可以很好地适配新能源供电，光伏、储能、充电桩等可以快速接入全直流系统，减少交直流变换的环节，提升供电效率。图14：全直流供电架构示意图MV GridSSTPower shelfEnergy StorageSolar PowerWind PowerMV Generators10kVac48Vdc800VdcATSGridMV400800VdcBatteryDC CoolingAC load1000/Vdc350900VdcSolarFuel cell9980Vac750VdcHVDC 97kVacDC/DC(MPPT)DC/DCDC/DCDC/ACDC/DCH20248VdcPSU shelf0.8Vdc98%BUSServer3.2.8 SST的前沿应用探索随着数据中心节能减碳力度的加大，尤其是“零碳”、“近零排放”等发展趋势下，新能源将成为数据中心未来电力 能源的基础。新能源是直流供电系统，其具有控制快速灵活、系统效率高、供电容量大、线路损耗小、电能质量高、具有 无功补偿能力等优点，更适合于分布式电源、储能装置和直流负载的灵活接入，是数据中心电源系统发展的重要方向。为解决智算中心的新能源供给问题，提升空间利用效率，经过多年技术发展，高压直流（HVDC）、巴拿马电源以及 固态变压器（SST）（见附录名词解释）等10kV中压直流电源解决方案不断涌现固态变压器（SST）也称为“能源路由器”，在基于直流电网区域架构中，适用于微电网的直流用电场景。固态变压器（SST）不仅在中压之间具有高频隔离的直流或交流接口，可实现局部自治的单向或双向潮流，还具有电能管理、能源 管理以及故障管理的能力，支持不同直流发电单元、储能系统和用电单元之间、不同用电电压之间的电力交互。直流环节的固态变压器（SST）结构（见图15），不仅可以在原方接入直流设备，如储能电池、光伏电站等，还能同时在副方为直流、交流设备提供稳定的电能供给。利用这一特性，可解决新能源引入后智算中心供电架构面临的诸多问题。图15：直流环节固态变压器（SST）图需要特别说明的是，固态变压器（SST）由于存在电压制式及拓扑器件成熟度问题，在可靠性，可维护性及使用规范 方面面临着挑战，现在仍以试点为主，需要业界产品生态的进一步完善。3.2.9 包间白地板交付方式的演进在智算中心建设时，经常遇到没有明确GPU芯片型号的情况，但同时又需要兼容未来发展，避免后续改造性资金 浪费，采用包间白地板交付的方式，以不变应万变是一种可行的策略。智算中心从明确采购某型号的GPU芯片，至GPU芯片交付，中间的时间间隔较长，白地板交付方式可利用此时间差 进行基础设施的部署，从而保障项目的整体交付进度。3.2.10 融合末端配电方式的演进随着智算集群规模的增长，智算中心的单机柜功耗已迅速攀升至上百千瓦，导致智算中心单机柜功耗并非都是固定的，在10130kW之间都有分布，采用单一的末端配电架构已无法适配智算中心弹性较大的机柜功耗，需要采用融合的 末端配电方式。传统的列头柜方式需要占用一个IT机柜的位置，而智能母线（见图16）系统采用沿机柜排布，不占用机柜面积，可显著提升空间利用率。同时，其模块化结构和即插即用的特性可简化安装和维护流程，降低长期运维成本，并且智能 母线的铜排使用寿命要高于导线寿命。因此，传统列头柜 电缆敷设的方式难以适应智算中心需求快速变化的需求，为灵活适应未来服务器应用的变化，低压输出侧将逐渐转变为大母线与小母线相结合的方式。智能母线这种方案具有 高弹性、节省占地、快速部署、高可靠性及易维护等优点，特别适用于智算中心高密度、需求不明确的场景。智算中心基础设施演进白皮书29303.3 新能源、储能在智算中心的应用分析相较于通算中心（传统数据中心），智算中心和在能源消耗方面呈现出显著的量级差异，这使得智算中心更加注重 可持续发展问题。同时，智算中心的供电容量不足问题也愈发凸显，因此新能源的利用变得至关重要。本章节将重点分析智算中心采用新能源与储能的必然性、面临的挑战以及潜在的收益。关于新能源、可再生能源、储能的概念（见附录名词解释）。3.3.1 新能源在智算中心应用是必然趋势光伏和储能具有更短的开发周期，可以更好的满足智算应用井喷的电力需求，同时也有助于对能源的高效利用，实现智算中心的绿色发展。以下是新能源在智算中心应用的一些具体的方法和手段：y智算中心的选址优先考虑新能源资源丰富、能源利用条件良好的地区。这不仅有助于智算中心降低运营过程中的碳排放，符合可持续发展理念，也符合政府对绿色发展的政策导向，有助于智算中心在未来获得更多政策支持和市场机遇y由于现场部署光伏板的方式无法满足智算中心大规模用电的需求，因此，集成度更高的源端 新能源发电场站（以下简称“能源站场”），成为满足智算中心电力需求的重要选择。通过对局部区域内的各类可控能源场站进行全面的评估，包括能源的种类、规模、稳定性、可持续性等因素。根据评估结果，将不同能源进行有效整合，形成局部区域内综合能源供应的资源池，保障能源供应的稳定和高效y在局部区域内建设分布式能源系统，如分布式光伏、储能等，与智算中心的能源管理系统进行对接，构建能源 微电网。但由于新能源多为直流电，因此需要特定的方式将其接入电网。可以将直流电转换为交流电后接入交流电网，也可通过直流耦合接入直流电网。在选择微电网新能源接入方式时，需要综合考虑应用场景、技术条件和经济成本等因素y在政策允许的情况下，智算中心可以与区域内的其它能源用户或供应商进行能源交易和共享。例如将本地的光伏电量优先存在储能系统中，通过需求侧响应、电力辅助服务、电力现货交易、补贴等形式，参与能源平台交易，实现能源的互利共赢和最大化利用。通过综合运用上述策略和方法，智算中心能够充分挖掘区域内各类可控能源的潜力，建立负载预测模型，依据用能 行为和用能状态进行能源错峰管理，构建一个综合能源供应的资源池，实现能源利用的最大化。这样不仅有助于实现能源的高效利用，降低智算中心的运营成本，还能提升环境效益，同时推动可持续发展，为企业的竞争力提升提供有力保障。智算中心对末端配电需求的不断提升，传统单相rPDU已难以胜任更高功率的应用场景。相比之下，三相rPDU可提供更高的功率支持，但也使服务器的电源分配变得更加复杂，特别是三相负载平衡问题需要重点关注，因此配备监控功能显得尤为重要。监控型三相rPDU通过实时监控电流、电压等关键参数，优化电源分配，确保三相负载平衡，从而提升供电的稳定性和安全性。同时，监控功能为运维人员提供详尽的数据分析与故障预警，有效提升管理效率和系统可靠性。还需注意的是，三相rPDU的尺寸较传统单相rPDU更大，加之智算服务器深度和液冷分液器的安装，进一步压缩了 机柜背面的安装空间。因此，选购rPDU时需考虑rPDU的安装空间和安装方式。如空间不足，建议选择横装水平PDU，以适应有限空间，确保合理布局和安装便捷。对于智算中心不同的单机柜功耗，建议的解决策略：y单机柜1020kW：采用列头柜 电缆 2条/4条单相PDU电源的配电方式即可满足需求y单机柜2040kW：若采用8条单相PDU电源的配电方式，需要着重解决电源线数量众多导致的服务器检修不便及检修时造成二次故障的问题，而采用列头柜 电缆/智能中功率母线 横装近端三相PDU电源的配电方式更为 适配此功耗段的机柜 y单机柜功耗120140kW：此功耗段机柜为前瞻性、探索性的人工智能(AI)整机柜交付方式，目前有两个比较 主流的解决方案，其一是采用大母线/智能中功率母线 铜排/工业连接器 预制大容量模块RACKBUSWAY的 方案，单条RACKBUSWAY可以达到120200A三相电流，服务器和RACKBUSWAY采用常规C13和C19插头 电源线直接连接。另外一种是采用集中式PSU（见图17）的Powershelf BUSBAR方案，将服务器电源与服务器解耦，BUSBAR与电源采用铜排连接，与服务器采用盲插连接 图17：集中式PSU图16：智能电母线智算中心基础设施演进白皮书31323.3.2 新能源发电在智算中心消纳仍面临诸多挑战新能源发电在智算中心消纳面临诸多挑战，其随机性、波动性和低能量密度的特性限制其稳定供电能力，与智算中心 稳定供电的需求相悖，因此，新能源难以单独承担起智算中心电源供应的责任，必须与其它稳定的能源形式相结合。例如氢能，虽然它能效高、供电稳定，但在技术、安全、运输等方面的实施标准更高，在高度重视安全性的智算中心，广泛应用还欠缺相应条件。另外，新能源的并网、储能、智能调度技术，政府补贴、电价和能源政策尚待进一步完善。新能源发电在智算中心的消纳中，如何克服上述多方面的难题，以下是一些建议：y在建筑物和园区拥有丰富空间资源的智算中心，适宜发展本地能源发电设施1.办公和基础设施的用电由园区光伏发电系统供应，多余电量在园区内储存以备后用，当储电能力达到极限后，可向城市电网输送2.在天燃气供应网络完善区域的智算中心，通过冷、热、电三联供等方式，分布式燃气供能系统可以实现能源的梯级利用，进一步提高能源的综合利用效率3.在一些小型的智算中心，模块化氢燃料电池、小型模块化核反应堆等技术也是实现能源供给优化的有效手段y在新能源接入时，必须重新设计配电架构，以避免多种新能源发电的混合系统中，由于配置很多电力电子设备而导致的电能质量问题。例如：在新能源接入点与智算中心配电系统之间使用隔离变压器或电力电子装置，将新能源产生的谐波与系统隔离；通过合理设置电缆长度、截面和连接方式，减少谐波电流的传输，确保系统 关键节点的电压、频率、畸变率等参数处于稳定状态y使用仿真分析软件来辅助电力系统设计，将新能源发电功耗预测按照不同尺度精细化设计，例如：按照时间尺度进行短、中、长期预测，按照空间尺度分为单区域预测、单场站预测，以消除分布式光伏、风电等能源波动对电能稳定性的影响，实现高效利用y采用多种能耗管理策略，有效降低碳排放并减少电价成本。例如：通过优化调度和需求响应策略，作为可调载荷参与电力需求侧响应，提高能源利用效率并优化新型电力系统的资源配置；利用市场手段促进本地发电资源优化配置，作为电力调度机构、电力市场之间的中介，参与主能量市场、辅助服务市场，参与多种电力市场的运营模式及其调度框架，从被动的消费者逐步转变为主动的产销者y面对新能源发电的不稳定性，需要运维团队更强的系统监控和调节能力，综合考虑不同新能源的发电特性、储能设备的充放电状态以及智算中心的用电需求，制定合理的能源调度策略，确保能源的高效利用和系统的稳定运行y另外，新能源和储能技术能否在智算中心中得到广泛应用，还取决于技术和产业的成熟度和适用的场景。只有 经过全面评估，并确保技术与场景相匹配，新能源和储能技术才能为智算中心带来实际效益3.3.3 储能系统在智算中心应用的多重价值由于受到空间限制的影响，在智算中心部署储能系统的规模很难做大。但是，由于储能系统有能力根据时间变化 提供额外能源，这与智算中心用电负载随气候变化的特点相匹配，因此，可以与智算中心的基础架构融合，提高智算中心的IT和外电转化率，替代一部分不间断电源UPS备电设备，发挥额外的经济收益，收益甚至远大于常规本地光储一体本身带来的经济收益。配置储能为智算中心带来的关键收益：y配置储能系统可以获得额外的备用电源。独立于传统供电系统运行的储能系统，在电力不足或其他紧急情况下，仍可持续提供额外的电力供应。例如，在改造的智算中心中，当配电容量不足且用电功耗大于变压器容量时，短期内可通过额外的储能设施快速放电来“增峰”，满足负载电能高峰值的需量要求，进而在短期内延缓输电 设备的扩容周期和降低资金投入；在面对智算负载的波动性时，通过对储能系统进行精准控制，可以最大化地 利用储能系统的调峰能力，从而避免电网或油机的过载冲击，以及因电力不足而导致的运算中断的风险y减少对柴油发电机的依赖。智算中心作为能源消耗大户，其环境影响和碳排放问题也日益受到关注。柴油发电机在运行过程中对环境造成一定的污染，而储能系统大多基于可再生能源（如太阳能、风能等）进行充电，能量 转换效率更高，更加有助于减少温室气体排放。储能系统可以储存多余的电能，并在电力需求高峰或电网故障 时进行可靠释放，从而减少对柴油发电机等备用电源的依赖和需求y参与储备电网服务。储能还可以为智算中心运营提供节能和创收的机会。未来随着越来越多的激励措施，支持 储能参与电网活动，例如减税和退税等，智算中心将更积极地参与能源市场的交易和竞争，以寻找最优的电力 供应方案。随着锂电池价格的持续下降，这种趋势将更加明显。结合分布式能源、储能、不间断电源UPS、发电机和自有变电站，未来的智算中心将可能成为能源站。这些能源站将积极参与储备电网服务，为电网提供调峰、调频等辅助服务，从而降低运营成本并有可能创造额外的收入y增加可再生能源的使用。智算中心由于耗电更多，对电价也更加敏感。而从2024年4月1日起，电网将不再“全额收购”新能源发电，更多的新能源发电需要通过市场化交易来消纳，这可能会导致电价波动变得更加频繁，进而影响能源成本。如果智算中心能够有效地利用储能设施来平衡这种供需差异，不仅可以提高其能源自给自足的能力，降低能源成本，同时也能够优化和增加可再生能源的使用效率以上是配置储能系统给智算中心带来的好处，包括提供弹性、环境可持续性以及降低能源成本，这也使得储能系统 成为众多智算中心值得考虑的技术。然而，部署储能的投资回报率（ROI）在很大程度上取决于具体用例、负载曲线、当地市场条件和其他因素。因此，储能系统需要根据特定的输入场景和运行模型，从而准确预测财务回报或投资回报率。智算中心基础设施演进白皮书3334智算电能管理链电力能源接入 及油机供电 架构中低压配电柜 不间断电源后备 电池列头 末端机柜 服务器 供电演进方案算电协调,新能源 接入DR、PR 供电架构预制 电力模组SST 全直流 架构MW级 大功率UPSUPS 超高效 及高密化UPS 储备一体,功率流 管理高倍率 磷酸铁锂 电池智能 中功率 母线PSU 集中式 机柜供电三相 智能型 rPDU客户价值提升点降低初投资提升电能 利用率提升能效节省占地快速交付降低TCO机柜功率 弹性适配AI动态负载特性适应绿色低碳H202电网新能源油机中压柜预制式电力模组&高密UPS&锂电柔性 智能母线PSU供电 整体柜3.4 智算电能管理链如以上章节所述，智算中心对电气链路的挑战及演变趋势，根据与IT电气环节距离的从近到远，主要包含列头 配电、UPS输出配电、不间断电源UPS，UPS输入配电，10kV变压器，油机（低压），中压柜，油机（高压），各个环节对于智算中心的客户价值分析及演进方案如下表所示：四.智算中心制冷系统架构4.1 制冷技术发展趋势如以上章节所述，智算中心的单机柜功耗已经有大幅提升。从单机柜2030KW，到单机柜4050kW，到单机柜 70132kW，以及未来可能达到的的200kW超高功率密度单机柜，智算中心呈现加速高密化的趋势。（见图18）图18：OMDIA咨询公司预测值（2023年）传统机柜功率密度1OMDIA Data Center Capacity Report 20231代AI训练模型2020-202312代AI训练模型2022-202513代AI训练模型2022-20251房间级风冷空调远端送风型式的散热能力上限为单机柜25kW，当单机柜功耗超过25kW时，房间级风冷空调 很难满足服务器的散热需求。对于单机柜功耗在2580kW的高密度散热需求,可采用列间空调、背板式风冷、薄板风墙等近端送风或冷板液冷 技术，其中液冷技术因具有高效散热、低能耗、低噪声、占地面积小等突出的优势，成为智算中心制冷系统的优先选择。现阶段风冷高密和液冷高密方案并存，液冷采用冷板式液冷的型式居多，至于选择风液混合还是全风冷则取决于不同的需求及项目条件。本白皮书将会针对不同技术的应用特性来分析其适合的应用场景（见图19）。或智算中心基础设施演进白皮书3536冷链类别技术方案应用特性系统描述芯片侧风冷芯片（TDP1000W）风冷服务器（风扇）风冷芯片 解热上限处理过的冷空气通过并对服务器制冷液冷芯片（TDP1000W）单相冷板 制冷水/冷冻水风冷与液冷的应用 过渡区采 用 泵 驱 动 制 冷 液 流 过 芯片 背 部 的 冷 板 通道，制冷液在通道内通过板壁与芯片进行换热，带走芯片的热量。换热后的制冷液在换热模块中散热制冷液冷芯片（1000WTDP2000W）单相冷板 冷冻水/制冷水单相冷板液冷芯片 解热上限采 用 泵 驱 动 制 冷 液 流 过 芯片 背 部 的 冷 板 通道，制冷液在通道内通过板壁与芯片进行换热，带走芯片的热量。换热后的制冷液在换热模块中散热制冷液冷芯片（TDP2000W）两相冷板/耦合液冷相变 冷板液冷相变冷板：利用液泵驱动液态冷媒进入芯片 背部的冷板，吸热后蒸发成气态，再利用水冷 冷 凝 器 制 冷 成 液 态 并 将 热 量 排 入 制 冷 水 系统。一次侧可以采用冷冻水耦合液冷：芯片部分采用相变冷板带走热量，服务器内剩余部分元器件通过浸没液冷带走 热量图19：制冷技术演进路示意图IT侧散热技术机房侧散热技术4060kW左右开始考虑液冷,但根据服务器或芯片的不同，液冷可能会更早开始使用极高密度80kW低密度 10kW中密度10 25kW高密度25 80kW房间级风冷直膨冷冻水背板冷板液冷 单相 浸没液冷 单相 相变 相变 4.2 制冷系统架构的分类及方案本白皮书对制冷系统架构的建议是：宜遵循从芯片(服务器)侧机柜侧末端空调侧冷源侧的整条冷链的系统化 解决方案（见图20）。同时，对不同种类的技术方案进行对比，分析其应用特性，建议合适的应用场景，最终选择出最合理的空调制冷方案。图20：冷链系统化解决方示意图服务器芯片数据中心设施服务器/机架集热列间/房间集热设施/户外散热4.2.1芯片侧风冷芯片解热上限为TDP1000W，单相冷板液冷芯片解热上限为TDP2000W，TDP超过2000W需采用相变 液冷。列间级风液混合将成为大多数高密设计的标准，因为1030%热量仍然需要 风冷进行散热智算中心基础设施演进白皮书3738冷链类别技术方案应用特性系统描述机柜侧空调侧风冷低密度（单机柜10kW）风冷房间空调适用多层建筑。水资源紧缺地区采用氟泵风墙或 下送 风；水资 源 丰富 地区 采 用 水冷双冷源风墙或下送风。超大 规模采用冷冻水风墙或下送风低 功 率 密度 项目，多为 传 统 低 功耗段服务器，多采用风冷房间级空调部署，包括氟泵变频房间级空调、水冷双冷源房间级空调、冷冻 水房间 级 空 调 等。以 封 闭 冷通道下送风和封闭热通道水平送风为主风冷低密度（单机柜10kW）风冷列间空调适用于微模块产品配套，常见于 多机房分散布局项目或机房高度受限类项目或分期使用类项目常 规 方 案 为：一 拖 一风 冷列 间 单独部署和一拖多多联方案部署多联 方案可有效减少室内外机 连管的初投资单个 包 间 模 块 数 量 少 时，多联 方案通常为水氟主机或全变频 氟泵涡旋压缩机多联部署方案；单个包间模块数量较多时，可采用大颗粒度磁悬浮相变多联方案部署风冷低密度（单机柜10kW）预制化空调适用于1层或2层大平层建筑条件的项目主要为一 体化氟泵空调和风侧 间接蒸发制冷空调两种产品技术方案，在 水资源 紧 缺 地区 推 荐 采 用 一 体化 氟 泵 方 案，水资 源 丰富的地区两种方案均可部署4.2.2机柜侧/末端空调侧(风冷技术)y风冷低密度（单机柜10kW）1.1-2层大平层建筑，可采用预制化空调2.3层及以上建筑，可采用远端水平送风或下送风形式的房间级精密空调3.微模块内配套列间空调冷链类别技术方案应用特性系统描述机柜侧空调侧风冷中密度（单机柜1025kW）风冷房间级精密空调（远端送风方式）可解决25kW单机柜功率密度散热冷热通道宽度根据机柜功率密度灵活变化。可采用双冷源风墙、冷冻水风墙、风冷氟泵 风墙等形式，采用预冷 补冷形式的风墙，能有效助力机房实现低PUE值风冷中密度（单机柜1025kW）风冷型列间空调适用于微 模块 产品配套，常见于多机房分 散 布 局 项 目 或 机 房 高 度 受 限 类 项目或分期使 用类项目常规方案为：一拖一风冷列间单独部署、一拖多风冷列间多联方案部署多联方案可有效减少室内外机连管的初投资。单个包间模块数量少时，多联方案为水氟主机或全变频氟泵涡旋压缩机多联部署方案；单个包间模块数量较多时，可采用大颗粒度磁悬浮相变多联方案部署风冷中密度（单机柜1025kW）预制化一体式空调预制化一体式空调，通 常 为 远 端 风 墙 送 风 形 式，可 解 决 单 机 柜2 5 k W 散 热 场景需求适用于1-2层大平层建筑主要为一体化氟泵、间接蒸发冷、预制化双冷源等方案水资源紧缺地区优先采用一体化氟泵方案，水资源丰富地区三种方案均可部署预 制 化 空 调 通 常 为 远 端 风 墙 送 风 形 式，可解决单机柜25kW散热场景需求风冷中密度（单机柜1025kW）风冷背板式空调适 用于有局部热 点特 性的机 柜场景，以 及低密度 风冷机柜改造扩容的场景背板空调可采用冷冻水背板空调或氟冷背板空调背板空调方案将整个机房规划为大冷池，背板和服务器之间自密封形成热通道冷冻水背板通常采用环管供水进行备份，前端配置CDU进行水温调节氟背板采用模块之间交叉备份方式进行备份，降低主机宕机的影响范围y风冷中密度（单机柜1025kW）1.远端水平送风方式可解决风冷25kW单机柜功率密度散热2.1-2层大平层建筑，可采用预制化空调3.3层及以上建筑，推荐采用房间级空调（远端水平送风方式）4.微模块内配套列间空调5.改造项目或为实现高出柜率，可采用背板空调形式智算中心基础设施演进白皮书3940单机柜功率密度模型场景冷备份下，机组最高送风温度CFD仿真图（仿真结果均满足GB 50174-2017中冷通道1827要求）23kW房间级精密空调（远端水平送风）18kW预制化一体式空调（远端水平送风）35kW列间空调（近端送风）40kW薄板风墙精密空调（近端送风）y风冷极高密度（单机柜80kW）1.80kW及以上的极高密风冷场景，可采用冷冻水背板形式，但需增加背板门宽度和高度尺寸，因而需增加机柜尺寸y风冷高密度（单机柜2580kW）1.45kW高密度机柜可采用近端风墙精密空调2.列间空调在一对一模式时可解决风冷60kW单机柜功率密度散热3.更高功率密或更高出柜率度则需采用冷冻水背板空调冷链类别技术方案应用特性系统描述机柜侧空调侧风冷高密度（单机柜2580kW）风冷房间级精密空调（近端风墙送风）近端风 墙空调最大满足45kW的高密度机柜散热需求冷冻水型 近端薄板 风 墙可解决最大45kW 单机柜功率密度散热，模块化产品技术易于部署，同时该方案的气流组织相对更好。风冷高密度（单机柜2580kW）风冷列间空调风冷列间空调可解决60kW以内的高功率密度散热需求风冷列间空调，更高 功率密度散热可采用 多对一的列间空调方案，但出柜率会大大降低风冷高密度（单机柜2580kW）风冷背板空调大冷量背板空调多为冷冻水背板，常规机 柜背 板门尺寸的背 板 空 调 可 解 决 5070kW高功率密度散热需求背板传热量随着进风温度升高而增加,随着 冷冻水流量增加而增加,背板换热量基本不会受到机柜内部服务器布置均匀性的影响冷链类别技术方案应用特性系统描述空调侧风冷极高密度（单机柜80kW）风冷背板空调为风冷技术 散热能力的上限，最大支持8 0 k W 高 功 率 密度 散热极高密风冷散热，机柜尺寸更大，采用冷冻水背板，需增加背板门宽度和高度尺寸下表为部分风冷高密度场景下房间级精密空调（远端水平送风）、预制化一体式空调（远端水平送风）、列间空调（近端送风）、薄板风墙精密空调（近端送风）的仿真模拟图对比：智算中心基础设施演进白皮书4142冷链类别技术方案应用特性系统描述机柜侧空调侧液冷低密度（单机柜10kW）冷板液冷CDU为冷板液冷和浸没式液冷的制冷液提供热交换器，调节制冷液温度和流量。在复杂环境中部署间接或直接液冷设备时，CDU可为局部制冷液输送和排热提供完整的解决方案。在全液冷环境中支持直接液冷方案时，CDU需搭配散热系统使用。CDU与热管背板一起使用时，通常会采用冷水机组提供的低温冷水来对热管背板进行制冷y在规模小的应用场景，可采用风 液 C D U 或 者 分布 式 C D U 方案y在数据中心扩容改造场景，宜采用风液混合式CDU方案y在新建的中大型智算中心的 空调系统，更宜采用液-液热 交换CDU方案低密度液冷通常为多节点CPU液冷或单节点GPU液冷，推荐采用风液CDU方案，简化部署方案，减少初投资浸没液冷低功率密度浸没通常为一体机浸没液冷方案，简化部署，减少初投资液冷中密度（单机柜1025kW）冷板液冷边缘机房和算力试点项目，多采用分布式CDU或风液型集中式CDU。大规模液冷部署多采用集中式中颗粒度液液CDU浸没液冷多采用单相浸没液冷方案液冷高密度（单机柜2580kW）冷板液冷边缘机房和算力试点项目，多采用分布式CDU或风液型集中式CDU。大规模液冷部署多采用集中式大颗粒度液液CDU浸没液冷可采用单相浸没液冷或相变浸没液冷解决方案液冷极高密度（单机柜80kW）冷板液冷边缘机房或算力试点项目，多采用分布式CDU或风液型集中式CDU大规模液冷部署多采用集中式大颗粒度液-液CDU。可采用单相冷板液冷或相变冷板液冷，当前单相冷板液冷可解决单机柜132kW散热，相变冷板液冷可解决单机柜160kW散 热，而耦合 液 冷可解 决单 机 柜200kW散热浸没液冷可采用相变 浸 没 液 冷，此 方法可 最大化制冷液的热传导特性，也是最高效节能的液冷方式4.2.3机柜侧/末端空调侧（液冷技术）部署密度极高的机柜时采用液冷是大势所趋，但在选择液冷技术方案时，由于10-30%热量仍然需要风冷进行散热，因此风液混合将成为大多数高密设计的标准。y液冷全密度应用场景1.边缘计算场景，宜采用风液CDU或者分布式CDU2.企业级应用场景，宜采用中颗粒度集中式液液CDU3.人工智能（AI）大规模集群场景，宜采用大颗粒度集中式的CDU4.改造场景时，宜采用风液CDU对现有风冷机房进行风改液改造，并充分利用原有风冷空调设备4.2.4冷源侧芯片供液温度在ASHRAE标准的W17/W27/W32类别时，液冷CDU建议采用冷冻水冷源模式；芯片供液温度在ASHRAE标准的W40/W45/W 类别时，液冷CDU可采用闭式系统的冷却水作为冷源。是否采用冷冻水作为冷源，取决于服务器供液温度，以及一次侧与二次侧系统的逼近度ATD。冷链类别技术方案应用特性系统描述机柜侧空调侧风冷冷源风冷冷凝器风冷系统：常规系统选用风冷冷凝器，追求系统高效则宜采用蒸发式冷凝器液 冷系 统：适 用于改 造 场 景下，分 体 式 室 内冷 机 的冷 源 方案风冷冷凝器是一种用于制冷和冷凝蒸汽的热交换器，不需要水源，环保且高效，是常规室外方案蒸发式冷凝器多用于磁悬浮多联系统室外冷源冷冻水冷源（出水温度围525）风冷螺杆风冷系统：全场景适配各种冷冻水末端液 冷系 统：芯片 供 液 温 度 在ASHRAE标准的W17/W27/W32类 别时的应 用场景，可 同时作为风冷及液冷系统冷源多用于冷冻水末端冷源，或冷板液冷进水温度要求较低时的冷源方案风冷系统：系统简单，适用于水资源匮乏的地区水冷系统：系统能效高，适合于大型数据中心，可采用模块化集成式冷水机房产品方案，方便运输及部署水冷螺杆风冷磁悬浮水冷普通离心水冷磁悬浮水冷冷源（出水温度围3228）干冷器风冷系统：主要适配水冷空调和双冷源空调的冷源设备液 冷系 统：芯片 供 液 温 度 在ASHRAE标准的W40/W45/W 类 别 时 的 应 用 场 景，可 同时作为风冷及液冷系统冷源多用冷冻水末端冷源（如水冷双冷源、水冷变频空调等），或冷板液冷进水温度要求较高的冷源方案开式制冷塔闭式制冷塔智算中心基础设施演进白皮书4344冷链类别技术方案客户关注因素高可 靠性高能效低初 投资高出 柜率低屋顶占用率低噪音调节 范围广建筑兼容性优芯片侧风冷（TDP1000W）风冷芯片/液冷芯片（TDP1000W）单相冷板 冷却水/冷冻水/液冷芯片（1000TDP2000W）相变冷板/耦合液冷/机柜侧空调侧风冷低密度（10kW）风冷房间空调/风冷列间空调/预制化空调/风冷中密度（1025kW）风冷房间空调 远端水平送风/风冷列间空调/预制化空调/风冷背板空调/风冷高密度（2580kW）风冷列间空调/风冷背板空调/风冷近端 风墙空调/风冷极高密度（80kW）风冷背板空调/4.3 制冷技术应用评估以上总结的制冷技术均有着不同的应用特点及应用场景，下面将从用户关注的要素点出发，从技术可靠性、运行 能效、初投资、出柜率、占地空间、噪声程度、柔性调节以及对建筑条件要求等方面对各类技术进行对比评估（见图21）。图21：用户关注要素技术路线对比图冷链类别技术方案客户关注因素高可 靠性高能效低初 投资高出 柜率低屋顶占用率低噪音调节 范围广建筑兼容性优机柜侧空调侧液冷低密度（10kW）冷板液冷/浸没液冷/液冷中密度（1025kW）冷板液冷/浸没液冷/液冷高密度（2580kW）冷板液冷/浸没液冷/冷源侧风冷冷源风冷冷凝器/蒸发式冷凝器/冷冻水冷源风冷螺杆/水冷螺杆/风冷磁悬浮/水冷普通离心/水冷磁悬浮/水冷冷源干冷器/开式冷却塔/闭式冷却塔/续表智算中心基础设施演进白皮书45464.4 智算中心制冷应对策略如以上章节所述，智算中心负载特性呈现出周期性、大幅度、并发性、瞬时冲击等动态负载特性，那么针对智算中心 动态负载特性的制冷解决方案，建议从两方面考虑：y提高制冷系统的响应速度1.硬件方面，可以选用高精度传感器2.软件方面以PID（Proportional Integral Derivative）控制为例，可以适当增大P、D并减小I，这样系统的响应 速度会加快。但需要注意的是，调节速度变快后，容易引起制冷系统的震荡和超调，因此需根据实际情况合理设置并反复调试验证后再投入应用3.可以通过功耗变化控制制冷设备输出，提前适应负载变化y采用人工智能（AI）预测性控制技术基于人工智能（AI）负载预测算法，可以根据智算的任务计划来预测数据中心未来的负载趋势变化。通过对比负载预测结果和负载实时数据，指导空调提前进行预调，确保在负载高峰或低谷到来之前已经调整到最佳 运行状态，从而实现快速响应y连续制冷对于有条件的智算中心，建议采用在线式蓄冷系统，并对关键设备配备足够容量的不间断电源UPS来实现 连续制冷，最大限度保证连续制冷。与风冷系统不同的是，液冷系统CDU，必须配备UPS实现不间断供冷。风冷 系统的大冷池具有热缓冲能力，液冷芯片内的流体几乎没有热缓冲能力，突发的供电故障会使得液冷服务器芯片瞬间升温而宕机y定制化制冷解决方案智算时代的制冷系统面临着芯片及服务器多样性、通算与智算相结合以及快速迭代更新的各种应用挑战，因此 既有的制冷技术应用经验并不一定继续有效，对制冷产品的选择也不应是单一维度的评估及考虑综上所述，针对芯片（服务器）侧、机柜侧、末端空调侧、冷源侧的整条冷链，结合不同种类的技术方案、不同的应用 场景进行对比，从而制定出最合理的空调制冷方案。因此，在智算中心建设初期，建议选择在数据中心热管理方面拥有深厚专业知识，且具有全链条专业技术能力的服务型制造商来参与项目的规划设计，形成项目最适宜的定制化解决方案。随着技术的进步，未来可能会出现更多创新性的解决方案，进一步提升供配电模块与制冷系统的集成度及系统 效能。五.智算中心预制模块化技术的应用分析人工智能（AI）技术加速驱动智算中心的建设与发展，同时也对智算中心的建造模式提出更多要求。通算中心（传统数据中心）具有较高的通用性特点，其项目规划设计的考虑要素为用地指标、电力容量、资金预算等 因素，在建设过程中多数采用标准化的基础设施产品。而智算中心的建设模式面临着人工智能（AI）芯片/服务器多样性 所带来的定制化需求，在建设初期需要提供更加针对性的整体解决方案，以及更快速、更完整的服务体系。但传统工程化的建造模式较难全面适应新兴的建设需要。预制模块化技术在实现数据中心的“去工程化”的同时，可以满足数据中心的 快速部署、性能的可预测性，以及降低数据中心现场施工所带来的人为失误。因此，预制模块化技术目前已成为智算中心行业发展的核心趋势之一。5.1 智算中心预制模块化技术发展趋势从智算中心的业务启动开始，如何对其近期和长期成本曲线做到更多的掌控，以便能选择最适合其业务需求的运营 成本模型，并在新的算力上线时提供可预测和透明的成本结构，是智算中心重点考虑的问题。因此，成本确定性及灵活 可扩容性将是衡量智算中心业务可行性及可持续发展的的重要标准之一。选择基于整体解决方案的预制模块化技术，因其支持模块化系统设计和定制化生产交付，使得智算中心项目可以 根据需求进行灵活扩展和升级，并更容易实现可定制化。通过添加、替换或升级预制化组件，可以快速调整系统规模和 性能，适应不断变化的智算业务需求。另外，模块化产品的多样性，可以根据智算中心项目的能源条件及智算负载特性，针对性的选配或开发适合的功能 模块（例如，水/地源热泵模块、余热回收模块、储能模块等），通过优化组合实现初期投资、分期建设以及运营成本的最佳平衡组合。同时也可以根据定性、定量的功能模块配置，推算出智算中心项目能支持的最大算力上限，对项目初期的决策具有重要指导意义。相较于通算中心（传统数据中心）12-15个月的建设周期，智算中心的交付需求时间在3-9个月，未来甚至会变得更短。因此项目建设需简化流程，并行开展不同阶段的任务，以便能加快建设进度。预制模块化技术在智算中心项目中大范围的使用，可有效加快建设进度。预制模块化技术将建造过程从现场搭建 转移到工厂生产线进行，因其不受场地空间及设备现场安装工序的限制，可实现多模块的并行生产和流水线式的撬装 总成，以批量化和标准化的方式生产数据中心模块、功能设备模块（例如，电力模块、空调模块等）、软件环境等组件，通过标准化生产和工程化管理，大幅缩短智算中心的建设周期。预制模块化技术在项目启动之初，在项目完成规划及方案设计时，便可启动生产流程，并与施工现场工作并行进行，加快项目实施进度。智算中心基础设施演进白皮书4748中压柜10/0.4kV低压配电柜UPS 输入UPSUPS 输出精密配电IT 负载电网油机电网油机另外，在工厂环境下进行生产可以严格控制质量标准，减少施工缺陷和人为错误，提升建造质量和可靠性。如结合 基于制造业的物联网技术应用，使得模块产品的各部件可以实现从生产到运维的全生命周期可追溯，有助于减少后期 维护成本及维修更换时间，延长智算中心的整体使用寿命。另外，由于土地成本上升、劳动力短缺以及能源电力限制等因素的影响，智算中心的建设成本与落地难度持续增加。传统以高可靠性为核心的建设标准，已不能继续适应快速迭代的智算中心项目对投资回报周期的要求。因此，一方面需 考虑采用更加适合的建设标准以及成本更优的建造方式，另一方面需考虑初期项目投资，除服务器设备以外的设备复用性及可回收性，以应对智算中心业务的挑战。预制模块化技术通过规模化生产和优化供应链管理实现建造成本的降低，减少在传统工程模式中的人力成本、材料浪费等的额外开支，相比于传统现场建造，模块化产品的可移动性以及二十年的设备舱使用寿命，例如电源模块、柴发模块及冷源模块等设备，为项目升级、迁移及改造等创造了可行性，因此，预制 模块化技术可以实现模块产品的回收改造及再利用，降低项目全生命周期的综合成本。同时，预制模块化技术也为融资 租赁等新型业务模式创造可行性，一定程度上可以减少项目建设初期的投资压力。人工智能（AI）的需求是全球化的，这使得智算中心基础设施业务也是国际化的。根据出海企业的分享经验，海外项目的交付，往往需要雇用较多的本地员工，人才多元化的情况下呈现出不同的文化背景和习俗差异，比如不同的语言表达、工作和管理习惯，以及对商业的理解，最终导致项目上沟通和管理上的困难。在短期内无法有效克服上述困难的情况下，可考虑将更多的生产作业量选择在国内提前完成。采用预制模块化技术，一方面采用集装箱型式的预制模块化产品有着天然的运输便利性；另一方面，工厂高度预制化集成能够大幅减少现场工作量及作业时间，降低施工现场的不确定性与 风险。在项目实施现场，预制模块产品按照标准化作业规程进行模块拼装，逐个泊位，以便能够应对天气变化、人员流动等不确定因素，更好的实现对项目风险管控。值得一提的是，根据AFCOM（计算机操作管理协会）2024年度研究报告显示，在对新建数据中心的受访者调研中 发现，其认为最有可能采用预制化的部分是电气预制模块化（78%）和制冷预制模块化（72%）。接下来，将分别对电气 预制模块化和制冷预制模块化这两部分展开分析。5.2 电气预制模块化趋势预制化供配电电力模组是电气预制模块化的重要应用之一，也是一种应对智算中心变配电室、IT包间面积比激增的 有利措施。通算中心（传统数据中心）的供配电系统普遍采用传统分散式供配电结构（见图22）。电力室分为高压室、变配电室、低压室、不间断电源UPS、高压直流（HVDC）室等，类型多且布局分散，占用面积大。电源设备由不同的厂家生产，高压柜、低压柜、交/直流不间断电源系统分散部署在不同的机房。供配电系统的一次和二次线缆都需要现场连接，即使是相邻的配电柜进出线也 需要上下翻折，线缆线路长、损耗大，后续的线缆检修和系统扩容难度高。智算中心的供配电系统更多的采用预制化供配电电力模组结构（见图23），预制化供配电电力模组将中压柜、变压器、UPS、高压直流（HVDC）、制冷、馈电等预制集成交付（见图24），减少电力室面积高达30%，交付周期可 缩短50%，实现更高的利用率、可扩展性和更快的部署。另外，针对智算中心扩容需求，项目在前期规划预留出设备的部署空间，针对扩容所增加的用电设备，将其相关的配电柜、动力柜、控制柜等设置于室外型电力方舱（见图25），做到精准 匹配。预制供配电模组在工厂进行预装，采用标准化设计和专业测试，这也意味着组件设备更少、维护人员要求也低，同时也降低施工过程中的碳排放。图22：传统分散式供配电结构图图23：预制化供配电模组结构图 图24：预制化供配电电力模组示意图 图25：室外型电力方舱方案示意图中压柜预制化供配电电力模组智能中功率母线智算中心基础设施演进白皮书4950机柜级行级&房间级预制模块化数据中心5.3 制冷预制模块化趋势数据中心的制冷系统按照制冷方法分为机械制冷和自然制冷。机械制冷液体汽化制冷、气体膨胀制冷、温差制冷。自然制冷包括蒸发冷却技术、热管冷却技术、直接新风冷却技术、氟泵冷却技术等。基于以上分类，空调系统可根据功能段被划分为不同的独立模块，如制冷模块、通风模块、预制管组、换热模块、水力模块、控制模块等。这些模块可在 工厂内进行预制，实现快速组装和拆卸，便于安装、维护和升级。智算中心的制冷预制模块化仍要满足高负载、高可靠性的要求，因此预制模块化设计需要综合考虑多种因素，如制冷量、气流组织、散热效率等，并且考虑到大型的制冷预制模块在运输过程中可能受到的道路条件、运输工具等限制，需要拟定特殊设备的运输方案。同样，在安装现场，也需要精确的定位和吊装设备，确保模块的准确安装。因此，制冷预制模块化需要通过建筑空间设计、空调系统设计、电气设计等多专业的协同工作，优化系统布局和模块设计，提高设计的合理性和可行性，并利用先进的模拟软件进行性能仿真分析，提前发现和解决潜在问题，同时采用特殊的运输工装和吊装设备，提高运输和安装的效率和安全性，例如采用可拆卸式的模块结构，在运输时进行拆分，到现场后再进行组装。具有代表性的有预制模块化高效机房（见图26）和模块化液冷外部冷源模块（见图27）。预制模块化高效机房是将冷冻水系统中的冷水机组、冷冻机制冷水泵、制冷塔、板换、配电机控制柜等主要设备在 工厂内成套集成，布置在定制模块化设备舱中，在工厂内完成FAT（工厂验收测试）测试后，运往现场与管道连接，实现 快速部署。模块化液冷外部冷源系统模块是将液冷系统的一次侧系统中的制冷塔、循环水泵、软水系统、定压补水、管路辅件、控制系统在工厂内模组化，在工厂内完成FAT（工厂验收测试）测试后，运往现场与管道及电缆连接，实现快速部署。图26：某代表性模块化高效机房示意图 图27：某代表性模块化液冷外部冷源模块示意图5.4 智算中心预制模块化趋势智算中心预制模块化技术的发展演进，根本目的是为能够全面满足人工智能（AI）工作负载的电能和热管理需求，搭建安全稳定的负载运行环境，并快速部署要求。因此，需要智算中心预制模块化解决方案是一个结合基础设施、服务和软件的解决方案组合，通过优化电气系统与制冷系统之间的协同工作来达到以上目的。这种组合不仅有助于提高数据中心的整体效率，降低运营成本，而且还符合绿色节能降耗的发展趋势。这种多系统融合的预制模块化解决方案（见图28），按规模可分为：y机柜级推理与边缘人工智能（AI）（70kW/柜），适用于需要快速设置且空间有限的场景，例如远程办公室、分支 机构、边缘计算站点等y行级&房间级企业和数据中心（40100kW/柜），适用于人工智能(AI)实验室、推理及模型训练以及既有数据 中心的空白间y基础设施&数据中心级（132kW/柜），为整体预制模块化数据中心，适用于人工智能(AI)大模型训练及人工智能（AI）数据中心图28：预制模块化解决方案分类智算中心基础设施演进白皮书51525.5 预制模块化技术的应用与挑战智算中心快速扩张及迭代带来的能耗、环境等问题，势必会迎来相比通算中心（传统数据中心）更为严格的行业监管及地区限制，因此，未来智算中心的建设需要从多维度支持其可持续发展。y采用预制模块化技术有助于减少施工现场的噪音、污染和能耗，同时在工厂环境下进行精确的计划和确的资源利用，可最大程度地减少浪费和损耗y模块化产品亦具有升级、转移及回收等特性，有助于提高资源利用效率，降低对环境的影响根据预测，模块化产品最多可降低智算中心项目三分之二的碳足迹，支持可持续发展的建造模式，助力项目的 立项与审批当下预制模块化技术发展的最大挑战是缺乏统一的行业标准。各个制造商在进行装配式建筑时采用不同的构件尺寸和连接方式,导致采用的模块无法互通、组合和替换。在项目建设初期，考虑到构件生产、运输和安装等诸多因素，要求在确认相关产品设计时投入更多的时间和精力。另外在面对不同的技术路线及制造体系的预制化技术产品时，智算中心需要更多的标准及规则把品牌多、种类多、数量多的设备进行标准化和定制化，并探索自动化及智慧运维场景，以便更好的 评估预制模块化技术，选择出适合其项目特性的预制模块化产品。需要强调的是，预制模块化技术的核心并非模块化产品的生产制造本身，而在于多专业融合的技术服务，即对项目 需求的掌控，以及在项目全过程的深度参与。建议在项目筹划阶段，可以更多的考虑选择拥有全面技术体系的服务型 制造商，共同探讨项目的既定目标及实施计划，以便在相应的决策后可以快速优质的完成交钥匙项目。另外需特别注意，在不同国家地区应用预制化技术时应提前了解项目地的法律、政策及规范等，例如当地是否 对进口设备的种类及金额有管制要求、是否涉及有强制性认证要求的产品等等。另外在东南亚等国家，对室外集装箱放置超过2年的要求需按建筑物报批及报建，要做好提前的沟通及应对。六.总结与展望人工智能（AI）的快速发展，使得智算中心（主要是训练业务）的机柜功率密度和集群规模迅速增加，这些变化 呈指数级增长，正在颠覆性的改变通算中心（传统数据中心）在选址和空间规划、机电系统方面的设计方法和理念。为设计相对前瞻性的智算中心以满足未来的业务需求，从业者需要密切关注IT技术（芯片、服务器、集群）的发展和采用本白皮书所推荐的设计方法。本章节将展望一下未来的技术和设计方法，从而应对由于人工智能（AI）发展所带来的挑战。y智算中心需要更适合的标准来指导产业健康有序发展 即使是智算中心以追求极致算力为核心业务目标而非 连续性，但因为智算服务器昂贵的造价和水进入服务器内部（冷板式液冷），使得智算中心对暖通系统可靠性的要求开始超过供电系统。国际上通行的数据中心可靠性标准中，目前主流是Uptime的Tier分级和TIA-942的Rated等级，均是由低到高分为1级-4级可靠性等级。但与Uptime不同，TIA-942可以分别针对暖通系统（例如 液冷或风墙）和电气系统（例如电力模块）单独定义其Rated可靠性等级。这样在不同的智算场景下，电气系统和暖通系统可以根据业务要求、市电质量，灵活的对暖通和电气系统提出不同的等级要求。随着液冷的普及，特别是冷板式液冷的可靠性要求将成为智算中心的核心安全要求，或许将出现新的R3 提法，即液冷R4而电气R3，与通算年代（传统数据中心）的T3 （电气T4而暖通T3）有一定的相似性y供电深入负载中心 由于集群规模越来越大，对供电的容量需求也越来越大，传统的供配电链路设计存在占地面积大、距离长、损耗大等缺点，未来配电链路的设计将深入负载中心，即配电室与IT机房靠近部署，将中压 通过大母线接到IT机房，然后通过小母线进行末端配电。这可以减少线缆的使用和缩短安装时间，同时减少 开关柜的数量y核能等新能源广泛应用 在智算中心大规模集群的用电需求爆发式增长背景下，以及“碳中和、碳达峰”的 目标下，核能可以提供持续、低碳的电力供应解决方案，未来具有广阔的发展前景yDR/RR/N 1配电架构上升 智算中心的业务需求不再需要极端的2N冗余，可以容忍一定程度服务中断。智算中心的智能化管理、高可靠性的硬件和软件组件，不采用2N架构，采用DR/RR/N 1配电架构满足也能达到 所需的系统可靠性水平。因此，在此基础上，从经济性考虑，DR/RR/N 1配电架构呈现上升趋势y算电协同：绿电聚合 智算中心对算力和电力的需求急剧增加，同时，提高能源效率和降低能耗，构建全国 统一的算力网络，实现算力资源的优化配置和调度，而且，智算中心的运营成本中电力费用占有很大比例，算电 协同可以有效降低运营成本。因此，算电协同发展已成为必然趋势y母线（Busbar）作为末端配电的首选 当机柜功率密度超过120千瓦时，传统的机柜配电条形插座在末端配电方面变得不切实际（供电容量和安装空间的限制）。这时，整机柜服务器所采用的48V母线Busbar 电源框（PSU）或者独立的电源柜将成为末端配电的首选智算中心基础设施演进白皮书5354y全液冷方式 风液混合是目前解决高功耗芯片和机柜制冷的主要手段，但是，随着机柜功率密度的进一步 增加，以及机柜背部空间更多地用于网络连接，采用风冷对其它器件（除GPU等加速器）进行制冷将变的不可行，这时需要考虑采用全液冷的方式，可以是全冷板，全浸没，或者冷板 浸没的方式y液冷新型制冷剂 液冷技术已逐渐成为智算中心高密度散热的最佳解决方案之一，但是目前对液冷制冷剂 要求较高，导致液冷制冷剂成本居高不下，液冷新型制冷剂的革新将是液冷技术革新的主要方向之一，比如 用普通水作为液冷制冷剂的解决方案y固态技术的进步 传统变压器体积大，占用空间也大，不利于智算中心IT与配电空间的匹配和规划。同时，传统变压器只能采用交流供电，不利于对可再生能源的集成和使用。固态变压器（SST）小巧轻便，同时可以 在交直流之间进行转换，可以解决传统变压器面临的挑战。相较于通算中心（传统数据中心），智算中心的电流 要大的多，所以及时切断故障电流来控制弧闪的能量密度和保障人员安全变得尤为重要，固态断路器通过使用 半导体来接通或切断电流，速度更快，可以有效地控制故障电流y更多分布式能源与可再生能源 随着人工智能(AI)集群的不断增大增多，智算中心无论在市电引入的容量 方面，还是在可再生能源使用的占比方面，都会有更高的要求。氢燃料电池和小型模块化核反应堆（SMR）在 补充能源供给与提高可再生能源使用比例方面是非常好的选择，将具有越来越好的前景附：名词解释1.人工智能（Artificial Intelligence，简称AI）：研究和开发使机器模拟人类认知功能，如学习、推理、感知、交流和解决问题的技术领域2.通算中心：即传统数据中心，是指以通用计算任务为主的数据中心，没有特定的指向，是进行各种计算任务的基础3.智算中心（Artificial Intelligence Data Center，简称AIDC）：人工智能（AI）算力中心的简称，是一种专门为人工智能（AI）的大规模数据训练、推理模型典型应用场景提供高性能计算资源的数据中心4.生成式人工智能（Artificial Intelligence Generated Content，简称AIGC）：是一种利用AI人工智能技术自动生成文本、图像、视频、音频等多种形式的技术形态，它涵盖自然语言处理（NLP）、计算机视觉（CV）、音频处理等多个领域5.范式革命：是指在科学领域中，当现有的理论体系（范式）无法解释新的观测结果或存在严重矛盾时，科学界经历的一次根本性的理论变革过程。这一过程最终导致新的理论体系取代旧有范式，推动科学知识的进步和发展6.通用算力（General-Purpose Computing Power）：指的是可以执行各种计算任务的计算能力，不特定于某一种 类 型的计算或应 用。通常由CPU（中央 处 理单元）提 供，适 用于广泛的应 用，包括日常办公软件、网页 浏览、视频播放等7.智能算力（Intelligent Computing Power）：指的是专门设计用于处理人工智能（AI）和机器学习（ML）任的 计算能力。通常由GPU（图形处理单元）、TPU（张量处理单元）或FPGA（现场可编程门阵列）等专用硬件 提供，适合进行大量的数学运算，如矩阵乘法等8.超算算力（Super Computing Power）：指的是由超级计算机提供的极其强大的计算能力，通常由成千上万的CPU和/或GPU核心组成，提供极高的计算速度和数据处理能力，通常用于气候模拟、天体物理学模拟、基因 组学研究、密码学、药物发现等领域9.训练（Training）：是指通过一定的算法模型，建立一个复杂的神经网络模型并通过特定参数和海量数量的 训练，让算法形成一种智能的识别体系10.推理（Inferencing/Reasoning）：是指利用训练好的模型与实际的应用建立一个闭环系统，通过与用户的交互交付模型识别的结果，推理需要大量的边缘算力部署，确保应用的广泛性和大数据的多样化11.CPU（Central Processing Unit）：中央处理器，是计算机的主要处理单元，负责执行程序指令、处理数据和 控制计算机的其他硬件部件智算中心基础设施演进白皮书555612.GPU（Graphics Processing Unit）：图形处理单元，用于大规模并行计算，如图形渲染、科学计算、深度学习等13.NPU（Neural Processing Unit）：神经网络处理单元，专门设计用于加速机器学习任务，尤其是深度学习算法14.TPU（Tensor Processing Unit）：张量处理单元，由Google开发，专门用于加速TensorFlow框架下的机器 学习工作负载，执行TensorFlow模型的训练和推理15.英伟达（NVIDIA）：是全球领先的图形处理器（GPU）制造商，因其在GPU技术、市场领导地位、性能优势、软件和硬件的紧密结合以及行业合作与支持等方面的综合优势，在算力需求中占据重要地位16.新能源（Newenergy）：通常指的是相对于传统能源（如煤炭、石油和天然气）而言，那些技术较新、开发利用时间较短的能源形式。包括太阳能、风能、生物质能、地热能、海洋能等，具有较低的污染排放17.可再生能源（Renewableenergy）：是新能源的重要组成部分，可再生能源指那些来源于自然界，可以不断再生的能源，其特点是取之不尽、用之不竭，主要包括太阳能、风能、水能（包括潮汐能）、生物质能、地热能等18.储能（Energystorage）：是指通过某种方式将能量存储起来，在需要时释放19.高压直流（High Voltage Direct Current，简称HVDC）：是一种电力传输技术，它通过整流器将交流电变换 为直流电形式，再通过逆变器将直流电变换为交流电，从而实现电能传输和电网互联。HVDC系统通常由两个 换流站和直流输电线组成，换流站与两端的交流系统相连接，能够实现电能等级和方向的快速精确控制，提高 电网性能和效率20.固态变压器（Solid State Transformer，简称SST）:是一种集成电力电子变换技术和高频变压器的先进电力 设备，它能够实现电压变换、电气隔离和无功功率补偿，与传统变压器相比，SST体积更小、效率更高，并且能够适应智能电网的需求主要作者介绍董卫卫，深知社联合创始人、高级运营总监，毕业于北京大学。长期从事数据中心规划、设计和售前工作，主导规划、设计、建设多个大型数据中心以及液冷数据 中心，致力于推动数据中心行业绿色、创新技术的应用。在数据中心规划、设计、售前、全过程咨询、液冷技术等领域有着丰富的项目经验。陈淼，深知社首席研究员，毕业于英国谢菲尔德大学，系统工程工学硕士。长期从事控制系统工程、机电工程全过程咨询顾问及模块化机电产品开发。在模块化高效制冷 机房、余热回收系统及液冷外部冷源系统等领域有着丰富的项目实施经验。王谋锐，深知社高级研究员，高级电气工程师。长期从事于数据中心机房规划、建设、交付及机房咨询规划、售前等工作。对主流互联网数据中心 定制化设计交付、数据中心全生命服务有着丰富的项目经验。智算中心基础设施演进白皮书57深知社深知社官网：D意见反馈感谢您阅读智算中心基础设施演进白皮书！我们衷心地希望您能够在百忙之中对我们的工作和报告提出宝贵的意见和建议。维谛技术有限公司售前热线：400-887-6526维谛官网：V版权声明本白皮书完整版权属于维谛技术，维谛技术和深知社共同拥有发行权，并受法律保护。凡是需要在转载、摘编或利用其它方式使用本白皮书成果中的文字或者观点的，均需要预先获得维谛技术的书面 许可，并注明来源：“智算中心基础设施演进白皮书”。未经书面同意而实施的剽窃、复制、修改、销售、改编、汇编和翻译出版等侵权行为，将追究其法律责任。官方公众号免责声明尽管本公司已采取一切预防措施以确保信息的准确性和完整性，但本文件信息可能包含财务、运营、产品系列、新技术等关于未来的预测信息，该预测具有不确定性，可能与实际结果有差别，本公司不对信息的任何错误或遗漏负责。本文件信息仅供参考，不构成任何要约或承诺。本文件信息如有变更，恕不另行通知。Vertiv和Vertiv标识是维谛技术的商品商标和服务商标。维谛技术2024年版权所有。E-X621*-0924维谛技术有限公司深圳市南山区学苑大道 1001 号南山智园 B2 栋电话：（0755）86010808邮编：518055售前热线：400-887-6526售后热线：400-887-6510
2024-09-27
31页
5星级
版权声明版权声明2024 年数据要素生态指数（城市）评估报告由国脉研究院联合行业多家机构联合发布，受法律保护。未经授权，不得以任何方式复制、抄袭、影印、翻译本文档的任何部分。凡转载或引用本文的观点、数据，请注明“来源：国脉研究院”。违反上述声明的行为，评估机构将追究其相关法律责任。参编单位参编单位（排名不分先后）国脉研究院中国信息协会中国人民大学数据要素研发中心北京大学公共政策研究中心北京国脉互联信息顾问有限公司浙商通联（杭州）科技有限公司浙江省数字经济学会数据要素专委会专家指导专家指导高新民 王金平 赖茂生 姜奇平 郑爱军评估小组评估小组孙泽红蒲琰莉马咸存孙奥张燕兰奎永秀李凯王虎王路燕陈奕霖李思聪苗卉龙艳华潘超巧马春亮夏乐前言前言2019 年，十九届四中全会首次提出数据参与分配，标志着我国进入数字经济红利大规模释放的时代。2020 年中共中央 国务院关于构建更加完善的要素市场化配置体制机制的意见正式将数据纳入生产要素范围，从数据供给、价值提升、数据安全等角度加快培育数据要素市场。2024 年中共中央关于进一步全面深化改革、推进中国式现代化的决定明确提出，加快构建促进数字经济发展体制机制，完善促进数字产业化和产业数字化政策体系。在此背景下，如何更好推进数据要素市场化配置改革，让数据“供得出、流得动、用得好、保安全”，成为培育数字经济、发展新质生产力的重要议题。2024 年数据要素生态指数（城市）评估报告（以下简称“本报告”）紧扣数据要素市场化配置改革主线，从政策环境、供给环境、流通环境、应用环境拓展到综合保障环境，刻画当前数据产业的整体表现，通过指数以及典型城市在关键指标方面的特色亮点，展现数据要素产业布局与发展优势，希望能为各级数据主管部门和产业界推进数据空间建设、数据要素市场化改革提供有价值的参考。主要结论主要结论数据要素生态指数（城市）设置政策环境、供给环境、流通环境、应用环境、综合保障环境 5 个一级指标、14 个二级指标、28 个三级指标，对省会城市、直辖市、计划单列市共 36 个代表性城市进行评估，得出的主要结论如下：1.总指数。1.总指数。数据要素生态指数总指数为 43.31，各城市的数据要素市场生态总体上处于起步发展阶段，高质量数据供给还需进一步提升，数据要素配套政策还需不断优化完善。2.城市梯队。2.城市梯队。北京、上海、杭州、广州、深圳等 5 个城市居于领跑者，青岛、宁波、成都等 11 个城市为跟随者，合肥、长春等 12个城市为探索者阵营，兰州、海口、南昌等 8 个城市形成第四梯队。3.数商培育。3.数商培育。目前各类数商大多已具备数据要素化核心环节的服务能力，正在进行数据流通交易相关服务的尝试，但因交易标准难统一、生态不健全、客户难转化等原因，导致业务尚未形成规模。4.数据交易市场。4.数据交易市场。各数交所规模存在较大差异，深数所交易市场已达百亿元规模，贵数所、广数所、北数所交易额在 50 亿元左右，上数所、杭数所、郑州数据交易中心交易额在 20 亿元左右，天津、重庆、长春的数据交易中心交易额在 3 亿元左右，合肥、青岛、南京及济南数据交易中心交易规模不足 1 亿。5.数据创新载体。5.数据创新载体。75%的城市建设了各类数据要素创新载体，创新载体主要采取由地方政府牵头，金融、数商、法律、咨询服务等领域的企业和机构联盟共同组建。I目录目录一、发展现状与地方实践.-1-(一)产业发展现状.-1-(二)地方探索实践.-3-二、指数构建与评估实施.-6-(一)内涵定位.-6-(二)指数模型.-6-(三)指标体系.-7-(四)指数评估.-8-三、数据要素生态指数评估总体情况.-11-(一)总体指数.-11-(二)城市梯队分析.-13-(三)数商培育分析.-17-(四)数据交易分析.-20-(五)创新载体分析.-25-四、数据要素生态一级指标评估情况.-27-(一)政策环境分析.-27-(二)供给环境分析.-30-(三)流通环境分析.-33-(四)应用环境分析.-36-(五)综合保障体系分析.-39-五、数据要素生态建设典型城市案例.-43-II(一)北京市：数据开发利用模式创新.-43-(二)上海市：数据交易规则先行先试.-44-(三)杭州市：数据产业跨领域 IP 共建.-46-(四)广州市：“运商分离”深挖数据富矿.-48-(五)深圳市：首创动态合规体系.-50-(六)宁波市：数据赋能全域数字化转型.-51-(七)成都市：打造平台护航数据运营.-53-(八)厦门市：数字信用多场景应用.-54-六、数据要素生态建设与展望.-56-(一)推动数据基础制度落地见效，将数据红利转化为产业动能-56-(二)强化一体化数据市场建设，推动数据资源高效供给.-56-(三)构建多元化数据流通模式，提升数字经济竞争力.-57-(四)推进数据创新载体建设，拓展数据应用场景.-57-III图目录图目录图 1 数据要素生态指数“五力模型”.-7-图 2 2024 年数据要素生态指数（城市）指标体系.-7-图 3 2024 年数据要素生态指数（城市）总指数图.-12-图 4 2024 年数据要素生态指数（城市）一级指标得分.-13-图 5 2024 年数据要素生态指数（城市）城市得分.-14-图 6 参评城市培育发展数商数量梯队情况.-18-图 7 参评城市所属数交所入驻数商情况.-19-图 8 参评城市打造数据基地、开展数商引培工作的情况.-20-图 9 部分参评城市所属数交所交易情况.-21-图 10 参评城市制定出台数据交易规则的情况.-22-图 11 参评城市所属数交所数据产品场景标签.-24-图 12 参评城市创新载体指标城市梯队得分情况.-25-图 13 一级指标“政策环境”得分情况.-28-图 14 参评城市出台数据领域政策的占比情况.-29-图 15“数据安全监管”二级指标得分情况.-30-图 16 一级指标“供给环境”得分情况.-31-图 17 一级指标“流通环境”得分情况.-34-图 18 参评城市开展数据增值服务的情况.-36-图 19 一级指标“应用环境”得分情况.-37-图 20“开发利用”二级指标平均得分情况.-38-图 21 一级指标“综合保障环境”指标得分情况.-41-IV图 22 杭州市“三数一链”架构.-47-图 23 广州市一所多基地多平台架构图.-49-图 24 深圳市行业数据专区展示.-51-图 25 成都市公共数据运营服务平台.-53-图 26 成都市政府数据授权运营机制结构图.-54-图 27 厦门市民个人信用“白鹭分”服务平台.-55-V表目录表目录表 1 部分城市出台的数据要素政策文件.-15-表 2 部分参评城市“数据要素”大赛新增赛道情况.-16-表 3 部分参评城市建设行业数据流通平台的情况.-22-表 4 部分参评城市创新载体建设情况.-26-表 5“公共数据供给”二级指标前十城市情况.-32-表 6 参评城市入选第一批“数据要素”典型案例的情况.-39-表 7 综合排名前十城市推进综合保障的情况.-41-表 8 部分参评城市数据要素统计核算体系情况.-42-1-一、发展现状与地方实践(一)产业发展现状1.制度框架日趋完善，指导产业发展壮大一、发展现状与地方实践(一)产业发展现状1.制度框架日趋完善，指导产业发展壮大数据作为新型生产要素已经深刻融入经济社会各领域，我国出台多项政策文件，高度重视培育数据要素市场。2019 年，十九届四中全会首次提出数据作为生产要素。2020 年 4 月，中共中央、国务院印发关于构建更加完善的要素市场化配置体制机制的意见，要求加快培育数据要素市场。2022 年 12 月，“数据二十条”从数据产权、流通交易、收益分配、安全治理四个方面构建我国数据基础制度体系。2023年12月，发布 “数据要素”三年行动计划（2024-2026年），推动数据要素发挥乘数效应，赋能经济社会发展。2024 年7 月，国家数据局表示将以制度建设为主线，陆续推出数据产权、数据流通、收益分配、安全治理、公共数据开发利用、企业数据开发利用、数字经济高质量发展、数据基础设施建设指引等八项制度文件。2.技术应用融合创新，推动产业升级迭2.技术应用融合创新，推动产业升级迭代代数据要素作为数字经济核心正在重塑我国经济和产业格局，已成为拉动我国数字经济高质量发展的重要引擎。2023 年，我国数字经济规模达到 53.9 万亿元，占 GDP 比重达到 42.8%；2023 年数字经济核心产业增加值估计超过 12 万亿元，占 GDP 比重 10%。数据要素通过产业数字化和数字产业化双重路径，为经济增长注入了强大的动力，2023 年，数字产业化、产业数字化占数字经济的比重分别-2-为 18.7%和 81.3%，数字经济的赋能作用、融合能力得到进一步发挥。数据生产规模增长迅速，2023 年全国数字生产总量达 32.85ZB，同比增长 22.44%，预计 2024 年数据生产量增长将超 25%。数据存储满足需求，2023 年我国数据存储总空间为 2.93ZB，累计数据存储总量为 1.73ZB，存储空间利用率为 59%。算力规模世界领先，达到230EFLOPS，位居全球第二，高性能计算持续处于全球第一梯队，先进计算、人工智能等关键核心技术不断取得突破。3.市场活力持续多元，加速数据高效流通3.市场活力持续多元，加速数据高效流通数据流通是释放数据价值的关键环节，在政策环境和经济环境的支持下，数据交易市场呈现出高速增长态势。上数所发布的中国数据交易市场研究分析报告（2023 年）显示，预计 2021 年至2023 年，数据交易行业规模将由 617.6 亿元增长至 1198.5 亿元，年增长率高达 39.3%。各地积极开展数据要素交易实践，截至目前，全国数据交易机构已达 80 家，金融、互联网、通信、制造业等领域数据需求较大且交易量增长较快，场内交易探索逐渐走深走实，场外交易较为活跃。数商企业数量超过 100 万家，技术型数商、服务型数商、应用型数商蓬勃发展，数据要素交易服务生态渐次形成。数据应用场景加速落地，公共数据开放量同比增长超 16%，各地授权运营创新探索，政企数据融合不断深入，数据应用场景逐渐丰富。4.安全保障日益强化，确保产业健康发展4.安全保障日益强化，确保产业健康发展2023 年 10 月，国家数据局正式成立，各地相继建立了数据管理机构，统筹管理、协调发展的数据管理体制机制逐渐完善，数据要-3-素市场化配置改革步伐进一步加快。出台激励政策，利用财政资金或产业基金支持数据服务产业发展。开展数字人才培育工作，从产业、企业、高校等层面入手，通过专项行动、首席数据官制度、培训、技能竞赛、产教融合等方式推动数字人才培养。积极推动“数据要素”行动，国家数据局会同多部门先后发布了两批 48 个“数据要素”典型案例，各地也积极开展数据要素应用典型案例评选，充分发挥典型案例示范引领作用。赛事贯穿全年，包含“多场地方分赛、1 场总决赛”，为数据要素应用典型成果、优秀团队搭建展示平台，推动释放数据要素价值。多渠道宣传推广，多地依托各类数据要素相关会议、论坛和活动等，积极发布典型案例，促进经验分享和交流合作，为不断释放数据要素价值营造更广阔的空间。(二)地方探索实践1.各地数据要素市场政策密集出台(二)地方探索实践1.各地数据要素市场政策密集出台“数据二十条”正式发布后，地方版“数据二十条”陆续出炉，各地因地制宜探索细化数据基础制度，先行先试构建市场，抢占先机培育产业。总体而言，地方政策体现了促发展的主基调，在总体框架基础上，结合区域实际情况，明确数据要素发展中的主攻方向。比如，上海发布立足数字经济新赛道推动数据要素产业创新发展行动方案（20232025 年），提出打造国家数据交易所；北京提出培育一批数据要素型领军企业，建立供需高效匹配的多层次数据交易市场。同时，数据要素流通卡依然面临诸多挑战，在公共数据入市交易方面，公共数据如何变成可交易的数据产品和服务，其相-4-关实施主体、入市标准、合规机制、安全监管、收益分配以及激励措施等仍需进一步细化；在数据流通的整体性和区域性边界方面，数据若以地域为核心流动，可能导致新的“数据孤岛”，亟待培育全国一体化数据市场。2.多地布局数据要素产业集聚发展2.多地布局数据要素产业集聚发展当前，数字经济已成为各地产业升级、优化经济结构的关键领域。地方通过数据产业集聚区、搭建数据要素整合平台等，推动地方数据资源整合、数据服务开发、数据交易市场，打造协同互补、特色发展、具有国际竞争力的数据产业聚集区。同时，各地在数据要素产业集聚发展方面的情况也存在明显差异。经济发达地区凭借自身技术、产业和人才优势，在数据资源整合、数据交易市场构建、数据安全治理等方面具有一定先发优势。比如，上海、广东、浙江等省市在数据产业生态构建、数据交易体系完善方面已走在全国前列，积极促进数据与实体经济的深度融合，致力于建设具有国际影响力的产业集聚区，中西部地区由于数据基础设施相对薄弱、数据产业链不完善、人才储备不足，数据要素市场化进展较为缓慢。这表明在推进数据要素市场化改革中，区域之间需要进一步加强合作，优化资源配置，促进数据要素的整体流通。3.以数据基础设施为载体驱动市场繁荣3.以数据基础设施为载体驱动市场繁荣截至目前，全国共有 20 余个省（区、市）开展了数据交易场所、交易公司组建工作，地方主管部门负责本地区数据交易场所建设，制定地区性数据交易场所建设实施方案，研究出台配套政策措施。-5-场内数据产品交易覆盖面持续扩展，覆盖金融、互联网、医疗健康、交通运输等多领域，各地交易场所，积极引入和应用先进数字技术，创新数据供需匹配模式和交易模式，呈现出特色化、多样化的模式。例如，北京推动形成标准化、规范化的数据交易市场，上海逐步形成数据跨境流通的新格局，广东依托工业互联网数据服务，积极推进制造业数字化转型，赋能地方传统产业。各地数据产业集聚仍然面临着挑战，一是数据要素市场化水平较低，数据交易规模较小，数据产权相关法规尚需明确，市场参与主体权责仍需明晰；二是数据产业链生态不够完善，高质量数据资源供给不足，数据应用场景不够丰富，打造数据要素产业集群仍然面临数据壁垒、数据要素制度体系尚不健全和数据要素安全保障等制约因素依然存在。4.建设创新中心赋能区域数据产业生态4.建设创新中心赋能区域数据产业生态目前，各地相继揭牌成立数据要素平台创新载体，以政产学研用等多元化合作模式，构建创新中心、数据服务工作站等，推动数据资产合规利用创新，驱动数据产业集聚发展。在业务上，主要形成集数据归集、治理、流通和交易于一体的全产业链条；在组建模式上，主要采取产学研用一体化和政企合作模式。以北京为例，北京建立了数据（数字）资产流通创新中心，打造数据要素配置枢纽高地，推动数字资产的流通模式不断演进。沪苏浙皖联建“能力中心”，赋能企业数字化转型；广州惠州、四川成都等地已建、筹建数据要素赋能中心，力争在数据制度创新方面形成地方典范；南京成立了数据要素创新中心，促进数据要素流通，提供一站式服务；-6-上海揭牌了数据要素价格机制创新中心，推动数据要素价格监测。二、指数构建与评估实施(一)内涵定位二、指数构建与评估实施(一)内涵定位数据要素生态指数（Data Element Ecosystem Index），简称“DEEI”，是指反映区域和城市等被评价区域在数据要素市场化配置改革和数据产业发展状况方面一系列指数的综合。我国数据要素市场的发展历程，是数字化转型的缩影，也是以政策为引领，驱动数据供给、流通交易以及赋能场景应用的集中展示。数据要素生态是当前我国数据产业发展情况的综合体现，是承载数据要素基础制度建设、数据供给场景建设、数据开发利用的重要指标，是地方推动数据产业集聚发展、繁荣数据市场、培育数商新主体、大力发展新质生产力的重要平台。数据要素生态的繁荣发展在当前数据事业整体布局下发挥出重要作用，用发展的视角观察产业趋势、分析面临的挑战和问题，有助于为全国、各地区推动数据产业、建设数据空间、优化数据交易场所布局等提供有力支撑。(二)指数模型(二)指数模型我国数据要素市场的快速发展，得益于多重因素的共同作用，其中政策是关键驱动因素，近年来国家通过出台一系列政策文件，明确数据新型要素的战略地位。数据供给和流通是核心动力，是发挥乘数效应的重要变量。数据价值挖掘归根结底要以实际应用需求为导向，通过千行百业的场景激发数据潜能。综合保障环境支撑数据要素市场健康可持续发展。-7-图 1 数据要素生态指数“五力模型”(三)指标体系(三)指标体系本指数指标围绕“五力”模型，将政策环境、供给环境、流通环境、应用环境、综合保障环境 5 个一级指标进一步细化分解为 14个二级指标，再在二级指标基础上细化分解形成 28 个三级指标，由此构建 2024 年数据要素生态指数（城市）的指标体系。图 2 2024 年数据要素生态指数（城市）指标体系“政策环境”作为引领性指标，侧重政策法规和数据安全监督，通过顶层设计、制度创新、标准应用，安全规制、数据分级分类、-8-数据监管，评估政府对区域发展数据生态的力度。“供给环境”属于发展性指标，侧重数据基础设施、公共数据供给和企业数据供给，在三级指标上，共设置 6 个三级指标，以可信数据基础设施、数据要素创新载体、高质量数据集、授权运营、企业数字化转型、领域“线头”数商评估地方推动数据高质量供给的整体成效。“流通环境”是发展性指标，侧重主体培育、数据资产化、数据交易和数据增值化，涵盖数商引培、数据资产入表、交易规则、行业数据流通交易平台、数据产品、数据增值服务 6 个三级指标，评估数据要素可信可计量的合规高效流通情况。“应用环境”属于发展性指标，包含开发利用、融合应用、典型场景 3 个二级指标，由公共数据开发利用、企业数据开发利用、个人数据开发利用、数据融合应用、典型案例 5 个三级指标组成，总结评估各地在数据开发利用方面的典型场景。“综合保障环境”为基础性指标，包含支撑保障、成效推广 2个二级指标，包含组织保障、数字人才培育、激励政策、数据产业成效、宣传推广 5 个三级指标，以观察地方发展数据要素产业的综合配套力度。(四)指数评估1.评估原则(四)指数评估1.评估原则一致性原则。指数在内涵、评估方向等方面与当前数据要素市场化配置改革主线保持一致，着重从数据基础制度建设、流通交易、-9-安全治理、公共数据与企业数据开发利用、数字经济高质量发展、数据基础设施建设等视角构建指数指标。典型性原则。典型性主要体现在两个方面：一是评估范围，将省会城市、直辖市、计划单列市共 36 个代表性城市纳入本次评估；二是指标层次，构建包含引领型、发展型、基础型的指标体系，引领和基础型指标从布局实施角度评生态的质量，发展指标从成效角度看生态的优劣。整体性原则。遵循数据要素产业生态基本规律，突出数据领域的重点工作有呼应、重点任务有涉及、重点数据有采集，重点数据按照数据可采集、可测量原则，在确保指标含义清晰的基础上，以客观数据反映数据要素市场的发展水平。2.评估范围2.评估范围指数评估将省会城市、直辖市、计划单列市共 36 个代表性城市纳入评估范围。一方面，直辖市 计划单列市具有显著的对外影响力和经济实力，拥有比较完善的数据基础设施、高水平的人才储备和产业结构。另一方面，通过省会城市观察不同区域数据要素发展水平的差异，获得更准确、全面的城市数据要素生态情况。3.数据来源3.数据来源指数评估的采集数据主要来自公开渠道，来源主要有三个方面，一是公开的资料和数据，主要包括各地方政府颁发的有关数据要素的政策文件、调研数据等；二是相关领域数据，主要包括国家及地方关于数据要素产业发展的研究报告、评估报告、数据分析以及网-10-络公开资料；三是沉淀数据，包括指数研究机构历年沉淀的相关数据和通过人工智能采集挖掘的数据。特别说明：数商数量、数交所交易额、高质量数据集等，均以可公开采集、统计的数据为准，并不包含地方政府统计、尚未公开的行业类数据。另，典型城市案例由评估组根据评估过程材料、对应指标提炼整理，并不代表某城市在该领域的全貌特别说明：数商数量、数交所交易额、高质量数据集等，均以可公开采集、统计的数据为准，并不包含地方政府统计、尚未公开的行业类数据。另，典型城市案例由评估组根据评估过程材料、对应指标提炼整理，并不代表某城市在该领域的全貌。4.评估方法4.评估方法指标赋权采取专家打分法，组织行业专家对指标体系三级指标权重进行打分，指标体系权重总分为 100。关于指标得分，采用综合分析法和加权平均法进行分值处理。为方便实现城市分值的比较，同时避免指标数据变化过大而导致分析结果的突变，首先对原始数据进行规范化处理，再运用综合评价法进一步分析相关指标。针对具体的三级指标根据重要性由低到高给出 1-8 分（非常不重要到非常重要），在所有专家组成员打分完毕之后，最终该指标的权重由以下公式决定：100/111ij ninimjijjCCC式中：i：第 i 位专家j j：第 j 个指标Cij：第 i 位专家组成员为第 j 个指标的评分n：专家组成员总数-11-m：指标总数本评估采用总分为百分制对各个城市数据要素生态水平进行测算，即某个城市的指标得分为该城市所有指标的分值相加。采用统一的分数测算方式可以直观分析该城市在参评城市中占据的位置，也可根据各指标分析该城市目前发展较好的领域和较为薄弱的领域。mjffDD1式中：Df：f 城市的得分f：第 f 个城市j：第 j 个指标Djf：第 j 个指标第 f 城市的分值.m：指标总数三、数据要素生态指数评估总体情况(一)总体指数三、数据要素生态指数评估总体情况(一)总体指数2024 年数据要素生态指数（城市）总指数为 43.31 分。从 5 个一级指标来看，“政策环境”为 9.40 分（权重 25 分）、“供给环境”为 9.13 分（权重 20 分）、“流通环境”为 10.04 分（权重 20 分）、“应用环境”为 4.60 分（权重 15 分）、“综合保障环境”为 10.14分（权重 20 分），一方面反映出数据要素市场化配置改革加速，同时发展差距较大。-12-图 3 2024 年数据要素生态指数（城市）总指数图数据来源：数据要素生态指数（城市）评估采集整理，2024.09综合保障环境、流通环境得分较高，多层次保障体系初步建立，数据交易流通规模不断扩大；供给环境、政策环境得分次之，高质量数据供给还需进一步提升，数据要素配套政策还需不断优化完善；应用环境得分相对较低，政企数据融合不断深入，数字化转型带动应用场景加速落地，但仍存在薄弱环节。-13-图 4 2024 年数据要素生态指数（城市）一级指标得分数据来源：数据要素生态指数（城市）评估采集整理，2024.09(二)城市梯队分析(二)城市梯队分析在不断推进数据要素市场改革、落实现代化建设目标的时代背景下，城市是数据要素发展的“主战场”。从评估来看，北京、上海、杭州、广州、深圳等 5 个城市居于领跑者，综合实力远超过其他城市；青岛、宁波、成都等 11 个城市为跟随者，合肥、长春等 12个城市为探索者阵营，正在数据要素市场化配置改革方面作出积极努力，展现出各自的发展特色和区域优势；兰州、海口、南昌等 8个城市组成第四梯队，在培育数据要素市场方面目前还处于起步阶段。-14-图 5 2024 年数据要素生态指数（城市）城市得分数据来源：数据要素生态指数（城市）评估采集整理，2024.09-15-评估结果发现，多地在城市全域数字化转型建设中注重发挥数据要素价值，密集发布促进数据要素发展有关政策举措。53%的参评城市出台数据要素顶层设计，重视数据要素市场化配置，充分发挥数据要素“倍增器”作用，推动数据要素全流程改革创新，为城市数字化转型、经济高质量发展提供有力支撑。持续推进城市全域数字化转型，加快发展新质生产力，还需乘势而上、久久为功，把握好整体推进与重点突破、顶层设计与实践探索的关系，推动数据基础制度探索突破。表 1 部分城市出台的数据要素政策文件数据来源：数据要素生态指数（城市）评估采集整理，2024.09序号序号城市城市政策名称政策名称1北京关于更好发挥数据要素作用进一步加快发展数字经济的实施意见2上海立足数字经济新赛道推动数据要素产业创新发展行动方案（2023-2025年）3重庆重庆市数据要素市场化配置改革行动方案4宁波宁波市关于促进数据要素市场高质量发展的若干政策（征求意见稿）5青岛青岛市数据要素市场化配置改革三年行动方案6厦门厦门市加快推进数据要素市场化配置改革实施方案（试行）7大连大连市贯彻落实中共中央、国务院关于构建更加完善的要素市场化配置体制机制的意见实施方案8呼和浩特呼和浩特市人民政府关于印发构建数据基础制度更好发挥数据要素作用实施方案的通知9沈阳沈阳市“数据要素工业制造”行动计划（2024-2026 年）10南京南京市人民政府办公厅关于推进数据基础制度建设更好发挥数据要素作用的实施意见11杭州杭州市关于高标准建设“中国数谷”促进数据要素流通的实施意见-16-序号序号城市城市政策名称政策名称12合肥合肥市发挥数据要素作用推动高质量发展行动方案13福州福州市加快推进数据要素市场化改革实施方案14济南济南市推动数据要素市场化配置改革加快数字经济发展行动方案（2024-2025 年）15郑州郑州市数据要素市场化配置改革行动计划(20232025 年）16武汉武汉市数据要素市场化配置改革三年行动计划（20232025 年）17广州广州市人民政府关于印发广州市数据要素市场化配置改革行动方案的通知18成都成都市深化数据要素市场化配置改革建设国家数据要素综合试验区工作方案（征求意见稿）通过对参评城市“数据要素”大赛地方赛道统计显示，各城市按照省级部署要求，围绕 “数据要素”三年行动计划（2024-2026年）的 12 个行业领域，对应设置赛道。在此基础上，地方注重结合发展实际，设置特色赛道，通过“数据要素”大赛进一步驱动城市数据要素的应用和发展。表 2 部分参评城市“数据要素”大赛新增赛道情况数据来源：数据要素生态指数（城市）评估采集整理，2024.09序号序号城市城市新增数量新增数量新增赛道新增赛道备注备注1北京4社区服务、政务服务、区域协同、教育教学2上海4智慧出行、智慧生活、智慧环境、智慧经济3杭州1数据治理与安全赛道4厦门1智慧海洋依据省级5济南1数字机关6贵阳3现代山地农业、算力应用、数据流通依据省级-17-序号序号城市城市新增数量新增数量新增赛道新增赛道备注备注7天津1京津冀区域协同赛道8武汉1乡村振兴依据省级9合肥2空天信息、算力应用依据省级10福州1智慧海洋依据省级11长沙2城市治理与公共安全12太原4能源低碳、算力服务、数字治理、民生服务依据省级13石家庄1京津冀区域协同赛道依据省级14南宁2社会赛道、高校赛道（广西教育行业 C 类赛事）依据省级15海口2自贸港特色服务自选赛道、高校在校生特色专场依据省级16南昌1数据开放创新应用依据省级17银川3现代教育、水利应用、通用赛道依据省级18昆明1综合赛道依据省级19拉萨2特色产业、公共服务依据省级(三)数商培育分析(三)数商培育分析在推进数据要素市场化配置的过程中，特别是在丰富完善数据基础制度、推动数据基础设施建设、促进数据流通和开发利用等方面，数商扮演着重要的角色，发挥着关键的作用。从行业现状来看，数商加快培育，挑战与机遇并存数商加快培育，挑战与机遇并存。近 10 年来，我国数商企业数量从11 万家增长到超过 100 万家，技术型数商、服务型数商、应用型数商蓬勃发展。从评估来看，通过参评城市数据交易所入驻数商数量与数据要素生态指数情况发现，深圳、广州、上海、北京、杭州处-18-于第一梯队，郑州、南京、贵阳、天津、武汉、重庆、青岛、济南处于第二梯队，合肥、长春处于第三梯队。图 6 参评城市培育发展数商数量梯队情况数据来源：数据要素生态指数（城市）评估采集整理，2024.09通过对参评城市数交所入驻数商数量的统计显示，各数交所入驻数商数量众多，截至 24 年 8 月，深数所超 3406 家，广数所超 2500家，贵阳、郑州、南京在 800 家左右，北京、上海、武汉均超过 500家。目前各类数商大多已具备数据要素化核心环节的服务能力，正在进行数据流通交易相关服务的尝试，但因交易标准难统一、生态不健全、客户难转化等原因，导致业务尚未形成规模。各城市应关注数商结构，以实现数商生态健康、均衡发展，让数商积极参与“数据要素 x”行动，促进我国数据基础资源优势转化为经济发展新优势，推动数据在不同场景中发挥出千姿百态的乘数效应。-19-图 7 参评城市所属数交所入驻数商情况数据来源：数据要素生态指数（城市）评估采集整理，2024.09通过“数商引培”指标评估结果发现，80.56%的参评城市已打造数据要素、数字经济、大数据等产业园，55.56%的参评城市通过沙龙、大赛、主题活动开展数商引培活动。各地积极依托特色产业基础，全力打造数据要素特色产业园，大力促进实体经济与数字经济深度融合发展，培育高质量的专业数商企业，推动产业生态环境不断优化。-20-图 8 参评城市打造数据基地、开展数商引培工作的情况数据来源：数据要素生态指数（城市）评估采集整理，2024.09(四)数据交易分析(四)数据交易分析从行业现状来看，全国共设立了 80 多家数据交易所或数据交易中心，数据交易机构同质化竞争现象突出，大多数交易所运营发展困难重重，交易活跃度未达预期。从评估来看，通过“交易规则”“行业数据流通交易平台”“数据产品”指标以及城市数据交易所交易额、上架产品数量等数据发现，数据交易市场活跃，规范发展已成必然趋势。各数交所规模存在较大差异，深数所交易市场已达百亿元规模，贵数所、广数所、北数所交易额在 50 亿元左右，上数所、杭数所、郑州数据交易中心交易额在 20 亿元左右，天津、重庆、-21-长春的数据交易中心交易额在 3 亿元左右，合肥、青岛、南京及济南数据交易中心交易规模不足 1 亿。图 9 部分参评城市所属数交所交易情况数据来源：数据要素生态指数（城市）评估采集整理，截止2024.09数据交易规则差异是数据高效流通的主要挑战。通过对参评城市是否制定数据交易规则的统计显示，建立数交所的城市中超过六成制定了区域或城市级的数据交易规则和制度。近年来全国各地陆续设立数据交易所，但在功能定位、产品供给、规则机制等方面还难以满足不断增长的数据交易需求。同时交易规则和数据交易安全评价机制不统一、交易制度差异、定价机制复杂等行业问题突出，进一步明确数据交易规则及标准，统筹布局多层级数据交易场所，-22-才能从根本上激活海量数据资源，促进数据要素充分流通和数字经济的高速发展。图 10 参评城市制定出台数据交易规则的情况数据来源：数据要素生态指数（城市）评估采集整理，2024.09在各地探索多样化多层次数据流通交易市场体系的背景下，各城市也注重发挥行业数据基础优势，为数据流通探索可复制、可推广的路径。参评城市中，杭州、宁波、重庆、天津、合肥等城市通过建立行业数据流通平台，通过政策引导，吸引企业接入平台开展数据流通和交易，进一步推动数据高效利用。表 3 部分参评城市建设行业数据流通平台的情况数据来源：数据要素生态指数（城市）评估采集整理，2024.09序号序号城市城市行业数据流通平台特点行业数据流通平台特点1宁波建成全国首个港航物流数据交易中心宁波航交所港航物流领域数据流通平台，建成纺织服装数据流通平台。2深圳深圳数据交易所设有数据要素12 个领域数据专区，低空经济专区、能-23-序号序号城市城市行业数据流通平台特点行业数据流通平台特点源数据专区等 23 个其他行业数据专区，贵数所算力专题、华东数交物流数据专题等 7 个互联互通专题，东湖大数据工作站、数字新疆工作站等 8个数据要素服务站。3青岛建成全国首个海洋数据交易平台；青岛大数据交易中心设有影视数据专区、时空大数据专区、工业数据专区。4贵阳贵阳大数据交易中心设有气象数据专区、电力数据专区、乡村振兴数据专区、交通数据专区、地理信息数据专区、政府数据开放专区、政务大数据专区、蚂蚁数科服务专区等 14 个专区，同时打造了全国首个移动数据专区、水文数据专区、电信数据专区。5郑州郑州数据交易平台设置移动数据专区、金融数据服务专区、政务数据服务专区、双碳数据服务专区、交通物流数据中心、遥感数据中心等 13 个特色专区；首创“行业数据专区、地市数据专区、企业数据旗舰店”的运营新模式，分类汇聚产品。6重庆西部数据交易中心设有跨境专区、长寿专区、金融专区、汽车专区、农业专区、AI 算力专区，同时打造了全国首个低空经济数据交易专区。7武汉武汉东湖大数据交易平台-AI 行业、数字政府、能源互联网、保险科技、产业赋能。8上海在上数所开设产业数据、公路交通数据、知识资源数据、中西医重大疾病数据等 4 个数据行业创新中心。9广州广数所开设陶瓷、能源、农业、可信 AI 样本等 4 个行业数据专区。10杭数杭数所开设工业制造、交通运输、科技创新、现代农业等 4 个行业数据专区。11天津北方大数据交易平台制造业、交通、金融、农业等 4 个应用行业。12沈阳建设沈阳水务数据资产交易服务平台；打造大数据流通与开放中西、大数据流通与交易技术国家工程实验室两大中心，将为沈阳大数据产业链条的完善和竞争力的提升，起到积极推动作用。通过对参评城市设立数交所的产品标签统计来看，场景分类界定不统一，数交所自行分类、定义场景，存在概念划分不一、颗粒-24-度不一、场景众多，标签词众多的现象。根据产品应用场景标签数据，综合评估排名前十的城市推出的标签化数据产品覆盖信用服务、金融服务、交通出行、信息传输、通信服务、企业工商、工业制造、农林渔业、商贸流通、医疗健康，其中信用服务场景有 3807 个数据产品，金融服务场景有 2549 个数据产品。数据跨域流通交易是营造数据要素生态的关键举措。通过评估资料研判，不同数交所的重点场景有一定差异，有地域特点或行业倾向性，如西部数据交易中心 84%产品为信用类产品、深数所 50%为信息传输类产品、上数所 33%产品为金融场景产品。这表明一家地方数交所难以全面满足本地用数需求，从全国一体化技术和数据市场角度，需要进一步促进数所跨域合作，营造数据要素产业生态。图 11 参评城市所属数交所数据产品场景标签数据来源：数据要素生态指数（城市）评估采集整理，2024.09-25-(五)创新载体分析(五)创新载体分析目前，我国各大城市主要围绕建设创新中心、创新实验室、数据要素产业园区、数据服务联盟等，探索数据要素市场发展模式和实施路径。通过“数据要素创新载体”指标评估和数据要素产业园发展情况分析发现，创新载体建设类型多样性与数据要素生态指数总体得分基本正相关，北上杭广深领跑者梯队“数据要素创新载体”指标平均得分处于领先地位，得分率 66.5%，跟随者城市梯队得分略高于指标平均得分，位于探索者和起步者梯队的城市得分低于指标平均得分，有待构建平台凝聚共识，注重发挥数据创新引领作用。图 12 参评城市创新载体指标城市梯队得分情况数据来源：数据要素生态指数（城市）评估采集整理，2024.09各地探索建设多样性创新载体。通过对参评城市是否建设数据-26-要素创新载体、建设数据要素创新载体类型等情况统计分析发现，75%的参评城市建设了数据要素创新载体，北京、上海、杭州、广州、深圳、宁波等 11 个城市建立了创新中心、创新实验室等多样性的创新载体。这一数据比例彰显了发展基础好的城市更注重数据要素创新载体建设。结合参评城市建设的载体属性来看，创新载体采取多元化建设模式，创新载体主要采取由地方政府牵头，金融、数商、法律等领域专业知识背景的企业和机构联盟共同组建的建设模式，为数据要素领域创新探索提供平台和支撑。表 4 部分参评城市创新载体建设情况数据来源：数据要素生态指数（城市）评估采集整理，2024.09序号序号城市城市创新载体创新载体指导（牵头）指导（牵头）联合生态联合生态组建模式组建模式1北京数据要素联合创新实验室北京市西城区人民政府中国电信集团有限公司数据发展中心、天翼电子商务有限公司等政企合作2上海数据要素价格机制创新中心国家发展改革委价格监测中心、价格成本和认证中心上海数据集团政企合作3深圳数据要素服务工作站深圳市大鹏新区政务服务和数据管理局深圳数据交易所等四方政企合作4深圳福田区数据要素全生态产业园福田区发展和改革局深圳数据交易所、粤港澳大湾区大数据研究院等资供产销用生态闭环5成都数据要素流通实验室成都数据集团清华交叉信息研究院、天府绛溪实验室政企合作6南京南京数据要素创新中心南京市政府、南京市数据局南京市、区政府、南京数据要素创新中心政产学研用一体7哈尔滨数据要素联合实验室哈尔滨市大数据中心新华网政企合作-27-序号序号城市城市创新载体创新载体指导（牵头）指导（牵头）联合生态联合生态组建模式组建模式8太原数字经济场景创新中心太原市数据局小店区人民政府主办、山西数商集团、太原市数商协会政企合作9惠州数据要素创新中心惠州市政务服务和数据管理局惠州农村商业银行股份有限公司、北京国脉互联信息顾问有限公司等政产学研用一体10荆门数据要素科创中心荆门市数据局软通智慧、智城公司政产学研用一体四、数据要素生态一级指标评估情况(一)政策环境分析四、数据要素生态一级指标评估情况(一)政策环境分析“政策环境”指标权重 25 分，北上广杭得分超过 15 分，位列该一级指标前列。整体来看，各城市注重先立后破健全数据基础制度，重视数据安全监管，构建适应数据要素特征、符合市场规律、切合发展需要的基础制度成为地方推动数据要素市场化的主要着力点。-28-图 13 一级指标“政策环境”得分情况数据来源：数据要素生态指数（城市）评估采集整理，2024.09-29-政策法规支撑方面，评估组在综合研判各地数据要素发展政策的基础上，重点对地方政府开展制度创新的工作进行针对性研判。从发布政策所属的领域来看，关于数字经济高质量发展的政策占比最高，达到 77.78%，有 22 个参评城市制定出台关于数据流通的政策，占比达到 61.11%，而关于数据产权、收益分配和企业数据开发利用的政策整体偏少。图 14 参评城市出台数据领域政策的占比情况数据来源：数据要素生态指数（城市）评估采集整理，2024.09党的二十届三中全会明确提出“提升数据安全治理监管能力”，只有做好数据安全保护与有序使用之间的平衡，才能有效防范数据泄露、窃取、篡改、滥用等给个人、企业、社会乃至国家利益带来损害。从参评城市的得分情况来看，权重为 10 分的“数据安全监管”-30-二级指标，有 13 个城市得分率超过 44%，另有 23 个城市权重占比平均为 26%，健全数据安全的监管制度体系尤为紧迫。图 15“数据安全监管”二级指标得分情况数据来源：数据要素生态指数（城市）评估采集整理，2024.09(二)供给环境分析(二)供给环境分析在数据要素市场还处于“做大蛋糕”的阶段，数据流通交易的规模、供给效率、规则等需要加快创新。从评估结果来看，供给环境平均得分 9.13 分，16 个城市得分高于平均得分，上海、北京等 7个城市处于第一梯队。长春、福州等 20 个城市得分低于平均得分，得分最高城市与得分最低城市之间得分相差 12.2 分。相当数量的参评城市有待以流通驱动数据供给能力建设，着力破解数据运营难题。-31-图 16 一级指标“供给环境”得分情况数据来源：数据要素生态指数（城市）评估采集整理，2024.09-32-大多数参评城市建设了数据要素创新载体，利用隐私技术、区块链等技术探索打造可信数据基础设施。在综合评估前十城市中，均探索建设可信数据基础设施。在功能方面，十个城市均注重数据流通可信设施建设。通过打造安全可信流通环境，深化数据空间、隐私计算、联邦学习、区块链、数据沙箱等技术应用，建设重点行业和领域数据流通平台，增强数据利用可信、可控、可计量能力，成为地方优化数据流通环境的重要评估项。在公共数据供给方面，各大城市主要依托数据开放平台开展公共数据开放。对比该二级指标评估前十城市的几组数据发现，在有下载量的数据集与总体数据集的占比方面，占比率普遍较高，而从下载次数而言，通过下载次数超过 10 次与有下载量的开放数据集占比来看，数据下载复用与产品化能力还有待继续提升。表 5“公共数据供给”二级指标前十城市情况数据来源：数据要素生态指数（城市）评估采集整理，2024.09城市公共数据供给得分（8）开放数据集数量下载量占比高质量数据集占比建立公共数据授权运营平台北京7.63194 个94.10.80%是青岛7.63460 个98.40.70%是成都7.67327 个96.04.00%是宁波7.41601 个99.60g.90%是济南7.33550 个90.00.00%是广州71482 个99.20.50%是厦门6.8533 个73.40R.40%是-33-城市公共数据供给得分（8）开放数据集数量下载量占比高质量数据集占比建立公共数据授权运营平台上海6.54660 个83.60.00%是杭州6.33421 个83.00 x.90%是南京5.52702 个79.60!.10%正在建设从该指标的整体评估来看，具有两个特点，一是各地数据供给质量和能力差异显著。北上广深等城市开放数据集均上千，有下载量的数据占比在 80%以上，高质量数据占比在 60%以上，长沙、呼和浩特、长春等城市数据开放量在几十。重庆市开放了 15804 个，但有下载量的数据占比仅占 0.25%。二是扩大数据授权运营领域是共性挑战。目前，数据授权运营的领域主要集中在金融、交通、医疗等，众多其他领域仍处在探索的初级阶段。(三)流通环境分析(三)流通环境分析为加速释放数据要素价值，促进数据要素流通，各地方积极引进和培育数商，统筹构建市场交易场所，上架数据产品，打造行业数据专区、行业流通平台，以解决行业发展难题。从该指标整体评估结果来看，平均得分 10.04 分，有超过 20 个城市的得分高于平均分，北京、宁波居前两位，青岛、上海、深圳、杭州、重庆、郑州流通环境指数均超过 14 分。在平均分以上的参评城市之间差距较小，指数分布较均匀。-34-图 17 一级指标“流通环境”得分情况数据来源：数据要素生态指数（城市）评估采集整理，2024.09-35-数据资产评估方面，综合评估前十五的城市相继开展数据资产的合规评估和质量评估。评估城市主要在国央企数据资产估值和数据产权规范管理两方面发力，比如上海、深圳等地出台文件规范数据资产评估工作。在落实数据产权方面，比如深圳推出深圳市数据产权登记管理暂行办法，统筹规范数据产权登记行为；武汉印发关于加强数据资产管理的指导意见，推动房管数据产品实现数据资产入表；青岛揭牌数据资产登记评价中心，建立数据资产登记评价相关制度体系。数据增值服务方面，主要从数据应用场景、数据资产质押融资、融资对接和需求侧对接四个方面，总结参评城市的探索情况。有 31个城市设计数据应用场景，占比达 86.11%；值得关注的是，只有占比 41.67%的参评城市开展了数据供需对接，已开展此项工作的城市主要以专场座谈、供需平台建设、大赛、跨区域合作等形式推动。以城市为整体单元，进一步加强与各重点行业部门、关键信息基础设施运营单位和社会资源力量的资源共享、优势互补，健全常态化数据供需对接机制，是形成数据增值合力的关键。-36-图 18 参评城市开展数据增值服务的情况数据来源：数据要素生态指数（城市）评估采集整理，2024.09(四)应用环境分析(四)应用环境分析数据应用场景是数据要素的来源，也是数据价值的落脚点。权重为 15 分的一级指标“应用环境”平均得分率为 4.6 分，得分率 30%，在全部一级指标中，该平均得分率最低。从城市表现来看，杭州、上海、南京等 8 个城市处于第一梯队，其中杭州市在数据应用方面综合实力较为突出，在激活数据要素潜能的数据应用方面，杭州具备更为深厚的基础和先发优势。-37-图 19 一级指标“应用环境”得分情况数据来源：数据要素生态指数（城市）评估采集整理，2024.09-38-在数据开发利用方面，公共数据开发利用得分率 58%，高于企业数据开发利用 40%和个人数据开发利用 35%的得分率，据统计，全国已建 226 个地方公共数据开放平台，开放的有效数据集目前超过 34万个。公共数据应用环境能进一步驱动企业和个人数据的规范发展，本质上是政府数字治理的创新。无论是公共数据还是企业数据、个人数据,都面临采集归集、确权授权、流通交易、开发利用、安全保护等全生命周期治理难题,需要借助数字技术和工具提高治理水平。图 20“开发利用”二级指标平均得分情况数据来源：数据要素生态指数（城市）评估采集整理，2024.09在融合应用方面，大多数城市开展了数据融合应用。权重为 5分的该二级指标平均得分 1.74 分，16 个城市得分超过平均得分，杭州、上海、深圳、天津等城市较为领先。通过融合应用形成的典型案例方面，参评城市中，北京、上海等 7 个城市有相关案例入选国家数据局第一批“数据要素”典型案例，覆盖 9 个领域。其中合-39-肥入选 3 个案例，覆盖科技创新、医疗健康、绿色低碳 3 个领域，北京在工业制造、科技创新两个领域入选 2 个案例。表 6 参评城市入选第一批“数据要素”典型案例的情况数据来源：数据要素生态指数（城市）评估采集整理，2024.09序号序号城市城市领域领域典型案例名称典型案例名称1北京工业制造、科技创新2 个案例：数据要素驱动多式联运运输装备数智协同制造；高质量药物数据集提高新药研发质效2上海商贸流通1 个案例：产业链数据融合应用助力提升大宗商品国内市场流通效率和国际定价话语权3南京现代农业1 个案例：多源数据融合提升稻麦重大病害监测预警能力4杭州金融服务1 个案例：融合农业农村大数据和遥感风控数据助力“三农”数字普惠金融服务5合肥科技创新、医疗健康、绿色低碳3 个案例：合肥机数量子科技有限公司的科技创新案例；讯飞医疗科技股份有限公司的医疗健康案例；合肥市生态环境局的绿色低碳案例6福州应急管理1 个案例：强化大数据应用构建数字应急体系7武汉文化旅游1 个案例：全国出版图书数据协同与融合创新应用(五)综合保障体系分析(五)综合保障体系分析目前，各大城市围绕数据要素组织机构建设、数字人才培育、资金保障、宣传推广等构建综合保障环境，构建多层次保障体系，以数据带动数字经济发展。从行业现状看，国家数据局挂牌成立后，31 个省（区、市）和新疆兵团均完成机构组建，各地陆续开展数字人才培育工作，出台数据要素发展激励政策，多渠道开展宣传推广工作。从评估结果来看，一级指标“综合保障环境”平均得分 10.14分，得分率为 50.71%，18 个城市的得分高于平均分，其中最高为北-40-京市的 15.4 分，深圳、杭州、厦门、上海、广州、济南紧随其后，得分均高于 13 分。南昌、海口、西安等 10 个城市得分相对较低。-41-图 21 一级指标“综合保障环境”指标得分情况数据来源：数据要素生态指数（城市）评估采集整理，2024.09支撑保障方面，大部分参评城市从政策保障角度成立领导小组、专班，从发展角度牵头成立协会、联盟、创新中心等机构，出台数据要素激励政策，开展数字人才培育工作。在综合排名前十的城市中，均设立了数据发展机构，广州、深圳、青岛、宁波成立专班，设置行业协会，围绕部门协同、政企合作，联合部门、地区和经营主体开展专项行动。另外，90%的城市推行首席数据官制度，比如北京、上海等城市鼓励设立企业首席数据官，厦门建立市区两级一体联动的首席数据官制度。表 7 综合排名前十城市推进综合保障的情况数据来源：数据要素生态指数（城市）评估采集整理，2024.09城市城市数据相关组织机构数据相关组织机构推行首席数据官制度情况推行首席数据官制度情况北京北京市大数据工作推进小组推行政府首席数据官制度鼓励企业设立首席数据官上海上海市数据交易指导委员会鼓励各区、各部门、各企业事业单位建立首席数据官制度杭州数智杭州建设工作领导小组开展市直部门、市属国有企业参与的首席数据官培训广州数据要素行业协会印发广州市推行首席数据官制度试点实施方案，市各有关部门（含公共企事业单位）设部门首席数据官一名；逐步推广企业首席数据官制度深圳数据要素产业化专委会、数据要素发展协会印发深圳市首席数据官制度试点实施方案青岛跨行业数据要素发展共同体2024 年度企业首席数据官制度试点示范工作开展宁波数据要素市场化配置改革工作专班举行企业首席数据官高峰论坛政府首席数据官与数据专员制度-42-城市城市数据相关组织机构数据相关组织机构推行首席数据官制度情况推行首席数据官制度情况成都大数据协会联席会议西部首席数据官（成都）联络会成立，完善企业首席数据官制度建设厦门大数据产业协会建立市区两级、一体联动的首席数据官制度重庆重庆市大数据应用发展管理局开展首席数据官培训成效推广方面，一方面参评城市积极开展数据要素宣传推广工作，另一方面注重数据产业发展成效，在核算体系、产业增加值等多方发力。在对参评城市“形成数据产业统计核算体系”方面，有11 个城市提出开展探索数据要素统计核算体系，其中深圳市举办数据要素统计核算业务培训，广州市较早开始该领域探索。表 8 部分参评城市数据要素统计核算体系情况数据来源：数据要素生态指数（城市）评估采集整理，2024.09序号序号城市城市推进数据要素统计核算体系情况推进数据要素统计核算体系情况1北京探索推进数据要素统计核算2天津天津市数字经济综合统计报表制度发布实施3上海探索构建数据要素国民经济统计核算制度，在浦东试点并逐步在全市范围内推广4深圳举办数据要素统计核算业务培训5厦门开展数据要素统计核算制度研究报告6石家庄“44”现代产业增加值核算办法（试行）正式印发7杭州探索建立数据要素统计核算体系8郑州鼓励探索数据生产要素统计核算9武汉探索建立数据生产要素统计核算制度-43-序号序号城市城市推进数据要素统计核算体系情况推进数据要素统计核算体系情况10广州探索建立数据要素配置的统计核算指标体系11成都探索建立数据要素统计核算制度从该指标的整体评估来看，具有 3 个特点。一是一是多维度保障体系初步建立。各大城市围绕组织保障、数字人才培育和激励扶持政策着手，推动建立数据要素发展保障体系。北京、上海、杭州、广州、深圳等城市设立了数据相关机构，通过推行首席数官制度、技能竞赛等方式开展数字人才培育工作，出台发布数据要素激励扶持政策，多维度建立保障体系。二是二是以“数据要素”提升宣传推广力度。各大城市积极开展“数据要素”案例征集、赛事，利用线上线下多类新闻媒体渠道宣传数据要素工作开展情况。北京、上海、杭州等城市采用多种方式加大宣传力度，西安、兰州、西宁等西部城市主要以“数据要素”赛事为依托，促进经验交流。三是三是数据要素统计核算体系建立是共性挑战。目前数据已成为现代经济的重要组成部分，数据要素无形性、复杂性等特点，导致传统的统计方法和技术难以准确衡量其价值。五、数据要素生态建设典型城市案例(一)北京市：数据开发利用模式创新五、数据要素生态建设典型城市案例(一)北京市：数据开发利用模式创新数据运营是释放数据价值、进入数据要素市场的能力基础。各地方建立数据交易市场，组建地方数据运营平台，积极开展数据要素试点示范。北京发布了北京人工智能数据运营平台，平台在实现数据的汇聚管理、处理与加工等功能基础上，能够提供多种模态的-44-数据标注功能，支持多种数据汇聚和使用形式。平台创新提出“积分共享”数据运营模式，同时支持开源开放、数算一体数据运营模式。创新提出三种数据运营模式。创新提出三种数据运营模式。北京市人工智能数据运营平台支持“开源开放”“积分共享”“数算一体”三种运营模式。“开源开放”模式“开源开放”模式，允许用户在遵守使用协议的前提下自由下载使用，有意向互换高质量数据集的主体，可以参与构建数据池，合作共建、共享数据集。“积分共享”模式“积分共享”模式，面向数据工作组内的成员，根据数据贡献实行积分制，即成员单位贡献数据，按照计分标准获取相应积分，同时获得共享数据的权益。“数算一体”模式，“数算一体”模式，针对高价值数据，仅在平台上进行数据加工、训练使用，保证数据不出安全域。多种方式促进数据共享汇聚。多种方式促进数据共享汇聚。打造“共建-共享”积分适用数据互助模式，以积分共享机制，鼓励企业贡献数据，从高质量数据池中选择兑换数据，截至 2024 年 5 月，已经有近 30 家企业加入积分“共建-共享”联盟。另外，上线北京市人工智能数据运营平台，截至 2024 年 6 月已汇聚 700 万亿字节的通用数据集和 4.33 万亿字节的行业数据集。(二)上海市：数据交易规则先行先试(二)上海市：数据交易规则先行先试在国家大力支持、省市积极探索、企业开拓创新等多方共同努力下，数据要素市场建设正在加快探索的步伐。但由于数据要素具有易复制性、产权归属复杂等特点，且涉及信息安全和个人隐私，-45-较之于传统要素其流通更为复杂。因此，进一步规范数据交易规则体系，建设合规高效、安全有序的数据交易规则体系成为破局的关键之策，将为数据要素市场高质量发展提供强有力的支撑。上海数交所结合数据交易实际，发布全球首个数据交易所交易规则体系上海数据交易所交易规则体系（2024），搭建了“办法规范指引”三个层级的交易制度结构，以上海数据交易所数据交易管理办法作为全局性的统领文件，归集为“主体管理交易管理运营管理纠纷解决”四大模块，回应数据交易的市场发展及管理需求；细化九项规范，推出特色的数据交易服务栏目，并以指导交易实践为目的，推出六项指引，从顶层设计到操作指引，着力打造适应数据要素市场发展规律的交易规范体系。强化合规指引方面强化合规指引方面，上海数交所发布上海数据交易所数据交易安全合规指引及配套清单，明确了数据交易的合规操作路径。上海数据发展科技有限公司研发自动化、标准化的数据产品合规评估工具，面向数据交易市场的参与主体，提供全流程数据交易安全评估服务，帮助评估方缩短评估周期，降低合规评估成本，提升合规安全评估效率。纠纷争议解决机制探索方面纠纷争议解决机制探索方面，上海数交所联合北京大学法学院共同发布数据交易安全港白皮书，创造性提出了 2 2 的安全港规则，即“合规技术”与“法律规则”相结合，“主动投入”与“预期免责”相结合，通过数据交易场所这一监管环境为降低市场主体在创新性、探索性、大规模数据交易场景中的法律风险提供解决方-46-案。数据跨境流动规则体系探索方面数据跨境流动规则体系探索方面，上海数交所携手商务部国际贸易经济合作研究院共同描绘了全球数据跨境流动规则全景图，从国际组织、国际贸易协定、经济体三个层次切入，聚焦十大国际机制安排与十二大经济体，分析其关于数据跨境流动的规则与特点，并研判未来规则发展趋势。(三)杭州市：数据产业跨领域(三)杭州市：数据产业跨领域 IP 共建共建近年来，全国各地数据产业集聚区陆续建设，相关配套政策不断落实和完善，这是我国数据要素市场迈入产业化道路的主要路径和创新探索，也是推动国家科技创新和产业升级的重要引擎。杭州市聚焦“促进数据要素合规高效流通使用，赋能实体经济”工作主线，以数据要素改革为动力牵引，围绕数据流通使用中存在的交易过程规范难、安全高效流通难、交易合规难、全链路存证互认难、机制规则建设难等突出问题，创新打造“数谷”数据产业集聚区，实现“制度、规则、市场、生态”四维一体协同发力。-47-图 22 杭州市“三数一链”架构来源：国家数据局公开发布资料构建“三数一链”框架体系。构建“三数一链”框架体系。初步构建由数据交易机构、数据交易专网、数据交易凭证、区块链跨链互认机制构成的“三数一链”数据可信流通基础设施框架和治理体系。已在金融、生物医药、多媒体等行业的 6 个场景中应用，并率先在商圈客群洞察等场景中完成应用贯通。启动“数谷”建设至 2024 年 6 月底，浙江大数据交易中心、杭州数据交易所累计上架数据产品 2168 个，注册数商 1314 家，累计登记交易金额 40.2 亿元。数据要素流通机制建设先行先试。数据要素流通机制建设先行先试。发布数据要素“改革沙盒”试点方案及首批 21 家试点企业，揭牌成立数据要素合规中心、合规委员会，建立部门联席会议机制。杭州市发布关于高标准建设“数-48-谷”促进数据要素流通的实施意见，杭州高新区（滨江）发布关于促进数据要素产业高质量发展的实施意见（试行），政策赋能数据要素经营主体培育，促进数据要素价值释放。探索建立数据要素“改革沙盒”机制。探索建立数据要素“改革沙盒”机制。由于法律和规则层面对数据流通的具体要求还不够明确、合法与非法边界还不够清晰，导致数商企业仍普遍存在“不愿流通”“不敢流通”的顾虑等问题，“数谷”政产学研各方联动，针对数商企业所关心的公开数据加工确权、数据流通链式授权、善意取得风险隔离等问题，提出了“改革沙盒”模式，探索数据流通规则解决方案，打造有利于数据产业发展的包容审慎监管环境。(四)广州市：“运商分离”深挖数据富矿(四)广州市：“运商分离”深挖数据富矿数据已成为继土地、劳动、资本之后又一重要生产要素，蕴含着巨大价值，各地区探索建立数据交易所，梳理上架数据产品，探索数据交易。广州市建立广州数据交易所，以“一所多基地多平台”服务模式，多渠道汇聚产业数据，开发数据场景，首创“运商分离”模式防止垄断，培育公平竞争的数据开发利用生态，创造公平的数据流通交易市场。-49-图 23 广州市一所多基地多平台架构图来源：广州市数据交易所，2024.9多基地多渠道汇聚发布产业数据。多基地多渠道汇聚发布产业数据。广州数据交易所采用“一所多基地多平台”的模式，建立佛山、湛江、惠州、拉萨 4 家服务基地，根据当地特色，挖掘产业链数据，开发场景应用。在佛山主要面向智慧制造，重点覆盖陶瓷、环保、金融、建筑等产业；在湛江面向智慧海洋；在惠州面向智慧金融；在拉萨以智慧农牧业为主，覆盖牦牛、虫草、冰川水等产业资源。首创“运商分离”模式培育公平竞争生态。首创“运商分离”模式培育公平竞争生态。广州首创公共数据运营“运商分离”模式，将公共数据运营机构与数据商功能分离，公共数据运营机构不得从事可能影响数据商公平公正准入的活动及由数据商开展的相关营利性活动。以“运商分离”模式防止垄断，培育公平竞争的公共数据开发利用生态，进而激发市场创新活力，创造更加公平、更有活力的市场环境。优化数据要素市场配置促进数据交易规模优化数据要素市场配置促进数据交易规模。广州市首创数据经纪人制度，以中介机构角色，发现数据价值，组织数据交易，保障-50-数据交易公平，充分挖掘数据价值。同时，广州市重点关注陶瓷、环保、汽车等传统产业，创新上架“交易证据链证书”等产品。以数据产品为桥梁，连通数据与应用产品，提升数据交易规模，截至2024 年上半年，广州数据交易所累计发展会员超 2500 家，交易笔数累计超 1 万笔，交易金额突破 45 亿元，进场标的超 2000 项。数据交易规模在各大城市中位居前列。(五)深圳市：首创动态合规体系(五)深圳市：首创动态合规体系数字时代，数据要素的高效流转和有效应用已成为众多行业数字化转型的基础保障。同时，合规高效、安全有序的数据交易规则体系是数据要素流通的重要保障。深圳市不断探索数据交易市场建设，建成数据交易所，细分设置多类型行业数据专区，首创“动态合规体系”，为全国数据要素市场化配置、数据交易和数据价值发现探索路径，发挥先行示范作用。深数所细分领域设立数据专区。深数所细分领域设立数据专区。“数据二十条”明确提出，构建多层次市场交易体系，推动区域性、行业性数据流通使用。深圳市紧跟国家政策，在深圳数据交易所设立数据要素12 个领域数据专区，低空经济专区、数据资产化等 23 个行业场景专区，贵数所算力专题、华东数交物流数据专题等 7 个互联互通专题，东湖大数据工作站、数字新疆工作站等 8 个数据要素服务站，促进政企数据融合应用，推动数据专题跨区域互联互通，充分释放数据要素价值。-51-图 24 深圳市行业数据专区展示来源：深圳市数据交易所深数所首创“动态合规体系”。深数所首创“动态合规体系”。为破解“确权难、定价难、互信难、入场难、监管难”，打造安全合规的数据交易场所，深数所通过机制和制度创新，将信用制度引入数据交易合规体系的建设中，首创“动态合规体系”。对交易主体和律所等第三方服务商进行动态评级，建立统一的信用标准，为企业的数字资产带来信誉增值，有助于倒逼场外不合规、低质量的数据交易转向场内。(六)宁波市：数据赋能全域数字化转型(六)宁波市：数据赋能全域数字化转型实景三维中国是真实、立体、时序化反映和表达生态空间的时空信息，是数字中国框架构建的核心要素和重要内容，是新型基础测绘的标准化产品，为经济社会发展和各部门信息化提供统一的空间基底。宁波市资规局、海曙区数据局、海曙资规分局采用“共建共用共创”模式，以实景三维数据为空间底板，打通时空地理信息-52-与基础公共数据的壁垒，持续推进集成融合的“一图四库”（1 张专曙地图 实有人口库、法人库、AI 事件库和公共视频监控库等 4 个基础库）区级时空公共数据资源平台，有效支撑基层治理需求，助力推进市域社会治理现代化。夯实数据基础，打造基层治理数字孪生底座。夯实数据基础，打造基层治理数字孪生底座。以实景三维数据为底板，汇聚海曙辖区内 28 万幢建筑实体、4.5 万兴趣点、22 万标准地址、121 万自然人、14 万企业与 7 万路视频监控数据，构建“一图四库”（时空一张图、人口库、法人库、AI 事件库和视频库）。接入 6 个政务部门重大专题系统及 70 余类专题业务数据，对接国家、省、市政务数据共享平台，回流人口全生命周期数据及纳税、经营等企业信息，刻画人、企精细数字画像，扩充政务数据本体。立足时空连接，构建“政、物、空”数据融通体系。立足时空连接，构建“政、物、空”数据融通体系。围绕人、地、事、物、组织等基层治理核心实体对象，开展“一数一源一标准”治理。依据统一的时空基准，以实景三维为基础、地理实体为核心、空间编码为纽带，引入 BERT 大模型对地址语义进行建模学习，实现人、企、物等非空间数据的精准上图。建立“省市回流区级治理反哺反馈”数据循环体系，实现跨领域、跨维度数据融通更新。建立三维楼盘，实现基层事务“孪生上楼”。建立三维楼盘，实现基层事务“孪生上楼”。以建筑实体为底座，基于 Vue3.2 创建施工架构，自主研发分层分户功能组件，构建三维实景楼盘表，穿透“区、街道（镇、乡）、社区、网格、幢、户”六个管理层级，实现空间快速查询统计，以三维化、实体化空-53-间信息服务满足基层精细化管理需求。(七)成都市：打造平台护航数据运营(七)成都市：打造平台护航数据运营公共数据授权运营是推进公共数据开发利用和价值生成的重要方式，也是激活全社会数据要素市场的关键抓手。在具体实践落地过程中面临着机制规范不完善、公共数据安全保障难度大等问题。成都市率先出台政府数据授权运营的管理办法，组建国资载体开展政府数据授权运营，打造政府数据运营服务平台。采用统一授权集约化运营模式，让数据“管得实”“供得出”。采用统一授权集约化运营模式，让数据“管得实”“供得出”。统一授权一级开发主体，由市政府授权本地国资企业作为数据要素市场一级开发主体；搭建全国首个公共数据运营服务平台成都市公共数据运营服务平台，面向技术型、应用型数商，提供一级公共数据产品。图 25 成都市公共数据运营服务平台来源：成都市公共数据运营服务平台-54-健全数据授权运营机制。健全数据授权运营机制。成都市政府数据授权运营机制主要包括 4 个层面、8 个机制。权益层确保各方参与主体的权益保障，并设有激励机制，调动参与主体积极性；数据层通过市场收集数据需求；平台层从技术上保证政府数据运营的安全；管理层负责政府数据授权运营的体制和权责关系。图 26 成都市政府数据授权运营机制结构图创新数据申请与授权闭环机制。创新数据申请与授权闭环机制。成都数据集团常态化梳理挖掘社会机构在金融科技、企业内控、创投估值等领域的数据需求，创建“需求收集-数据申请-授权确认-数据交付-数据利用-终止授权”的数据申请与授权闭环机制。(八)厦门市：数字信用多场景应用(八)厦门市：数字信用多场景应用党的二十大报告中，将社会信用制度与产权保护、市场准入、公平竞争等一起纳入社会主义市场经济的基础制度。厦门市民个人信用“白鹭分”归集市各政务、公共事业部门数据，从基础信息、-55-守信正向、失信违约、信用修复、用信行为五个指标设计市民信用评分模型，描绘市民个人信用画像，并计算得出的市民个人信用分数，通过“信用 政务”“信用 民生”构建“守信激励”氛围，提升市民信用感知，服务“信用厦门”建设，优化营商环境。图 27 厦门市民个人信用“白鹭分”服务平台来源：“i厦门”一站式惠民服务平台多场景应用，让市民感受信用便利。多场景应用，让市民感受信用便利。自 2018 年发布以来，个人信用白鹭分已推出“信用就医”“信用借阅”“信用停车”“政务优先办理”等 95 个应用场景，覆盖医疗、出行、政务、体育、法律、旅游等多个领域，为市民提供信用免押、先享后付、折扣优惠、容缺办理等服务。经过 5 年多的诚信积累，个人信用白鹭分累计注册用户达 300 万人，用信次数突破 4471 万次，信用免押等惠民金额超11 亿元。-56-持续探索信用 金融、信用 消费等领域，积极扩大服务覆盖面。持续探索信用 金融、信用 消费等领域，积极扩大服务覆盖面。厦门市通过有效整合个人信用白鹭分政务数据和第三方信用数据，实现对新市民身份精准识别、信用状况精准画像，进而为新市民群体提供创业、消费、住房、教育、医疗等领域的贷款、保险特色金融产品，提高新市民金融服务的便利度、获得感。个人信用白鹭分积极“走出厦门”，形成跨城市互认机制。个人信用白鹭分积极“走出厦门”，形成跨城市互认机制。已与杭州、宁波、海南、黄石等 9 个城市建立信用分互认共享机制，实现跨区域场景互通，为市民在跨城市旅游、工作提供信用便利和优惠福利，促进旅游发展的同时，进一步提升市民的守信获得感，实现“诚信者行天下”。六、数据要素生态建设与展望(一)推动数据基础制度落地见效，将数据红利转化为产业动能六、数据要素生态建设与展望(一)推动数据基础制度落地见效，将数据红利转化为产业动能数据基础制度作为数字中国建设的重要制度安排，需要统筹推进数据产权、流通交易、收益分配和安全治理。一方面，在公共数据授权运营、数据产权登记、数据资产化等方面开展实践探索，对公共数据资产凭证、公共数据专区等创新模式加大推广力度，在数据要素基础制度的关键领域形成示范创新。另一方面，加强对数据基础设施建设和数据流通的监管，通过监管水平提升，规范数据市场秩序，保障行业的健康发展。同时，加快制定统一的数据标准和规范，促进不同系统间的数据互操作性，共建优质的数据空间。(二)强化一体化数据市场建设，推动数据资源高效供给(二)强化一体化数据市场建设，推动数据资源高效供给当前，聚焦数据流通利用环节，各地按照国家数据局部署，自-57-上而下谋划数据流通利用基础设施工程项目，以真实场景牵引技术进步，但在数据跨部门、跨层级、跨区域、跨主体流通的过程中仍存在卡点。一方面建立公共数据资源登记制度、授权运营规范以及相应的信息披露机制，将授权运营作为共享开放的重要补充，带动数据型企业积极参与，形成良性互动。另一方面在数据市场化流通层面，形成数据确权、定价、交易、安全、增值协作等层面的监管标准和规范运行，形成公共数据与社会数据融合应用的创新生态。(三)构建多元化数据流通模式，提升数字经济竞争力(三)构建多元化数据流通模式，提升数字经济竞争力数据流通存在多层次多元化形态，推进数据要素充分流通，既要构筑坚实的数据基础设施，也要清除数据流通障碍，还要突破数据流通的难点。一方面围绕数交所、数商、第三方专业服务机构，从交易模式、流通基础设施等方面出台专项建设指南，不断激发市场活力。另一方面发挥数据要素的纽带作用和创新引擎作用，加强全产业链上下游的数据融通，形成以产业链龙头企业为主导、上下游企业协同转型的数据流通利用体系。探索私域数据开发利用、数据空间建设、数据治理创新，携手企业、科研机构以及生态合作伙伴，以高效的数据基础设施确保数据有效流通与利用。(四)推进数据创新载体建设，拓展数据应用场景(四)推进数据创新载体建设，拓展数据应用场景当前，数据要素市场已进入快速发展阶段，各地积极开展数据要素相关载体搭建，数据要素创新中心作为重要载体之一，是地方开展数据市场化改革与发展新质生产力的融合型平台。一方面，推动成立数据要素创新中心，采用政产学研用协同联动模式，通过政-58-府、产业界、学术界和研究机构的紧密配合，共同推进创新中心的建设和发展。另一方面，将创新中心作为孵化中心，加强在公共数据和企业数据融合领域的探索，推动数实融合。-59-附件：国脉互联简介创立于 2005 年，是数字化顶层设计领军企业和数据治理优质服务商。作为中国政企数字化转型咨询服务创新型企业，公司始终秉持“专家、专业、专注”的服务理念，将 AI 大模型技术深度融入政务服务、城市治理及数据服务等垂直细分领域中，构建基于大模型应用的服务底座，以满足客户在不同场景下的多样化需求。注重创新与可持续发展，持续迭代数据技术服务能级，推进数据质量评估模型、项目场景数据管理与评估模型、企业数据资产价值评估知识图谱、政企画像知识图谱等在政务、城市治理、国央企数字化转型等领域应用。国脉研究院作为国脉互联旗下综合性战略研究机构，是国家标准委成员单位，为国家、省市制定行业标准。集课题研究、规划评估、数据治理、试点推广、品牌会议、认证培训于一体，以前瞻视野、探索精神和最佳实践，聚焦政府数字化、智能化领域，致力为行业研究、产业发展和政策制定等提供前沿资讯、研究支撑、决策参考，每年五份公益报告和五大评估活动，为中国信息化发展、数字化转型贡献智库力量。-60-欢迎垂询咨询热线：400-001-9700北京：13681066186、15611077119上海：021-50909337舟山：0580-8166966海口：18565591764杭州：0571-86630353广州：020-37958161深圳：13522763263成都：19938113550宁波：0574-27830655长沙：18874932287济南：15210735502兰州：13552145677厦门：13306805665呼和浩特：18511334019石家庄：0311-67501282西宁：0971-6285860南昌：0791-88863123国脉互联官网：www.i-国脉互联官方邮箱：国脉互联官方微信：igovmade国脉研究院官方微信：ethinktank电子政务智库官方微信：come2egovdata 资产官方微信：gh_65ec1dfb1646国脉智慧成就客户提升绩效创新价值国脉智慧成就客户提升绩效创新价值
2024-09-27
70页
5星级
中国信息通信研究院知识产权与创新发展中心 2024年9月 全球 5G 标准必要专利 及标准提案研究报告 全球 5G 标准必要专利 及标准提案研究报告(2024 年)(2024 年)版权声明版权声明本报告版权属于中国信息通信研究院，并受法律保护。转载、摘编或利用其它方式使用本报告文字或者观点的，应注明“来源：中国信息通信研究院”。违反上述声明者，本院将追究其相关法律责任。本报告版权属于中国信息通信研究院，并受法律保护。转载、摘编或利用其它方式使用本报告文字或者观点的，应注明“来源：中国信息通信研究院”。违反上述声明者，本院将追究其相关法律责任。前前 言言 自2021年3GPP立项通过5G标准Rel-18版本的首批项目以来，5G 正式进入 5G 演进（简称“5G-Advanced”）的新阶段。今年 6 月，5G-Advanced 的第一个标准版本 Rel-18 已正式冻结。5G-Advanced 的第二个标准版本 Rel-19 的标准制定工作正在全面开展中。5G 经过五年的商用，逐渐成为推动人类社会数字化转型升级的关键支撑。根据移动通信全球行业组织（GSMA）和 TD 产业联盟（TDIA）的统计，截至 2024 年 6 月，全球 119 个国家和地区的 320个运营商推出了商用 5G 网络，全球 5G 基站部署总量达到 594 万个，5G 用户规模超过了 18.7 亿。随着首个 5G-Advanced 标准的冻结，全球重要的电信运营商已开启 5G-Advanced 商用冲刺阶段。面向未来，随着 5G-Advanced 与 AI、AR/VR、算力网络、卫星通信等的跨界技术创新，5G 应用将广泛赋能经济社会各行业转型发展，促进数字经济与实体经济深度融合。随着 5G 技术在全球范围内各行各业的广泛应用，5G 标准必要专利许可活动活跃且影响广泛，多种许可模式并存。同时，5G 标准必要专利纠纷在全球范围内愈演愈烈，并已显现出向通信相关垂直行业扩散的趋势。基于以上背景，围绕标准必要专利声明和标准提案开展全球 5G标准必要专利活动的追踪和研究工作，对掌握产业主体竞争格局，支撑政策法规建设和构建全球产业创新发展良性生态等方面具有重要意义。为研究全球最新的 5G 标准必要专利声明和标准提案情况，中 国信息通信研究院知识产权与创新发展中心在 2023 年发布的全球5G 标准必要专利及标准提案研究报告（2023 年）基础上，编写了全球 5G 标准必要专利及标准提案研究报告（2024 年）。本报告基于截至 2024 年 3 月 31 日 ETSI 专利数据库中的全部 5G 声明专利及其同族扩展专利，从专利声明趋势、声明专利法律状态、多国授权专利量和主要声明企业等维度进行了统计分析，以展示全球 5G 标准必要专利活动的情况。此外，本报告基于截至 2024 年 3 月 31 日 3GPP网站中的全部 5G 提案，分析了 5G 提案趋势、工作组提案分布、参会主体的提案量和通过提案的情况，以期从提案的视角展示全球 5G标准化的创新情况。目目 录录 一、5G 发展及 5G 标准必要专利活动现状.1（一）5G 标准化进程.1（二）全球 5G 商用情况.4（三）5G 标准必要专利许可现状.5（四）5G 标准必要专利纠纷现状.7 二、5G 标准及 5G 标准必要专利声明数据来源说明.8（一）标准必要专利定义.8（二）5G 标准来源.8（三）5G 标准必要专利声明数据来源.9（四）5G 标准必要专利声明数据处理说明.10 三、5G 标准必要专利声明数据分析.11（一）声明专利概述.11（二）声明趋势分析.11（三）法律状态分析.12（四）优先权年分析.13（五）主要声明企业分析.14 四、5G 提案统计分析.20（一）提案统计概述.20（二）提案年度分布.21（三）工作组统计.22（四）参会主体统计.25（五）通过提案统计.26 五、总结.28 图图 目目 录录 图 1 5G-Advanced 移动网络价值场景.1 图 2 5G 标准必要专利年度声明趋势.11 图 3 声明企业年度增长趋势.12 图 4 5G 标准必要专利法律状态分布.13 图 5 5G 有效全球专利族优先权年趋势分布.14 图 6 有效全球专利族排名前十位的企业.15 图 7 有效全球专利族排名前十位企业的有效全球专利族占比情况.16 图 8 有效全球专利族排名前十位企业的授权专利族占比情况.17 图 9 有效全球专利族排名前十位企业的 IP5 任一授权族/多国授权族占比情况.18 图 10 有效全球专利族排名前十位企业的中美欧三方专利族占比情况.18 图 11 有效全球专利族排名前十位企业的 5G only 族占比情况.19 图 12 有效全球专利族排名前十位企业的 5G only 族和非 5G only 族分布情况 20 图 13 3GPP 各技术规范组的 5G 提案数量及占比.21 图 14 5G 提案年度趋势分布.22 图 15 各工作组的 5G 提案分布.25 图 16 5G 提案贡献度排名前十位的参会主体.26 图 17 5G 各工作组提案通过率分布.27 图 18 5G 提案贡献度排名前十位参会主体的通过提案占比.27 表表 目目 录录 表 1 5G-Advanced 网络能力的关键指标.3 全球 5G 标准必要专利及标准提案研究报告（2024 年）1 一、5G 发展及 5G 标准必要专利活动现状（一）（一）5G标准化进程标准化进程 自 2017 年启动 5G 标准制定工作以来，3GPP 已于 2022 年 6 月完成 5G 标准第一阶段的制定工作。2021 年，3GPP 立项通过 5G 标准 Rel-18 版本的首批项目，标志着 5G 正式进入 5G 演进（简称“5G-Advanced”）的第二阶段。今年 6 月，5G-Advanced 的第一个标准版本 Rel-18 已正式冻结。5G-Advanced 的第二个标准版本 Rel-19 的标准制定工作正在全面开展中。5G-Advanced 的制定旨在围绕“万兆泛在体验，千亿智慧联接，超能绿色业态”的愿景1，为千行百业数智化转型提供重要支撑。5G-Advanced 在提升无线带宽效率的基础上，将在新媒体、新连接、新能力等维度的应用场景和网络能力进行拓展。来源：IMT-2020（5G）推进组 图 1 5G-Advanced 移动网络价值场景 1 参见 IMT-2020（5G）推进组5G-Advanced 场景需求与关键技术白皮书。全球 5G 标准必要专利及标准提案研究报告（2024 年）2 5G-Advanced 的新媒体价值场景包括新兴媒体业务、新通话业务和云上业务等。5G-Advanced 的高带宽低时延传输能力将为高清视频、沉浸式游戏、AR/VR 等新兴媒体业务类型提供重要的网络承载。结合 AI、AR/VR 等技术，5G-Advanced 将推动运营商的通话业务向着智能化、交互化、沉浸化的方向发展。通过将本地的存储、计算、渲染等部分或全部迁移到云上，5G-Advanced 将催生出以云游戏和云手机为代表的云上业务，降低对终端设备的硬件和算力的要求，丰富终端用户的业务体验。5G-Advanced 的新连接价值场景包括无源物联、工业物联、卫星通信、移动个人网络、多接入连接、邻近服务增强和低空经济等。新型无源物联技术，允许物联设备无需外部电源供电，利用 5G-Advanced 蜂窝基站同标签直连或经中继反向散射通信，满足更复杂场景的组网需求，是对现有有源物联技术的重要补充。5G-Advanced的 5G 专用网络、5G 确定性网络、高精授时、工业以太网等技术将为工厂机器视觉、矿业远程控制、智慧港口自动化巡检、电力行业配电自动化等制造业的创新和应用提供支撑。5G-Advanced 的非地面网络NTN 技术将在地面网络未部署区域或地面网络访问受限时，提供必要的通信连接，满足与目前地面蜂窝网络差异化的服务需求，实现天空地一体化通信。5G-Advanced 支持非 3GPP 移动无线接入和固定接入等接入方式，通过统一的接入机制接入到 5G 等 3GPP 系统的网络中，最大程度实现多接入连接场景。5G-Advanced的邻近服务（ProSe）增强技术，面向日益突出的车联网等场景，解决端到端通信延迟和网全球 5G 标准必要专利及标准提案研究报告（2024 年）3 络覆盖等问题。5G-Advanced 提供的高可靠低时延、大带宽、广连接和高安全等特性，将丰富包括无人机、电动垂直起降飞行器（eVTOL）等低空飞行器的应用场景，推动低空经济的快速增长。5G-Advanced 的新能力价值场景包括智能化、通感一体、新定位和网络共享等。5G-Advanced 的无线接入网（RAN）和核心网网元实体的智能化将实现网络的降本、增效、提质。5G-Advanced 通感一体技术通过融合通信和感知两种功能，赋予通信网络感知环境的能力，为智慧交通、社会治理等场景提供了更加高效的解决方案。5G-Advanced 的定位增强技术将更好地支持更多垂直行业所需要的高精度和低延迟定位服务。5G-Advanced 还将为建设方和使用方等不同角色的多个运营商提供网络共享机制，提高 5G 网络的覆盖率，降低 5G网络的建设和运营成本。IMT-2020（5G）推进组提出 5G-Advanced 网络能力由速率、绿色、网络 AI、空口 AI、感知、定位和物联等七个关键指标衡量。表 1 5G-Advanced 网络能力的关键指标 序号序号 网络能力网络能力 关键指标关键指标 1 速率 下行 10Gbps；上行 1Gbps 2 绿色 10 倍比特能效 3 网络 AI Level 4/5 4 空口 AI 内生智能 5 感知 广域亚米精度 6 定位 厘米级 7 物联 10,000,000 连接/km2 来源：IMT-2020（5G）推进组 全球 5G 标准必要专利及标准提案研究报告（2024 年）4（二）（二）全球全球5G商用情况商用情况 5G 商用范围从主流通信发达地区向欠发达地区不断拓展，5G 基础设施建设规模不断扩大。根据移动通信全球行业组织（GSMA）和TD 产业联盟（TDIA）的统计，截至 2024 年 6 月，全球 119 个国家和地区的 320 个运营商推出了商用 5G 网络，全球 176 个国家和地区的 614 家运营商正在投资部署或者计划投资部署 5G 网络。全球 5G基站部署总量达到 594 万个，同比增长 32.6%。据预测，到 2029 年，全球 5G 连接预计将占移动连接的一半以上，到 2030 年，5G 连接数将达到 55 亿个。中国的 5G 基站建设规模和 5G 连接量位居全球前列。根据中华人民共和国工业和信息化部的数据，截至 2024 年 6 月，中国已建成 5G 基站 391.7 万个，比上年末净增 54 万个，占全国移动基站总数的 33%，占全球 5G 基站部署量的 66%。5G 网络已覆盖所有地级市城区、县城城区，超 90%的 5G 基站实现共建共享，5G 网络正加快向集约高效、绿色低碳发展。GSMA 预测到 2024 年年底，中国的 5G 连接数将突破 10 亿，成为全球最大的移动通信市场，到2030 年，中国的 5G 连接将占全球总数的近三分之一。5G 用户和终端整体规模增长迅速，非移动电话终端和用户规模快速扩张。据 TDIA 统计，截至 2024 年 6 月，全球 5G 用户规模已经超过 18.7 亿。全球 5G 终端达到 3720 款，其中包括客户驻地设备（CPE）、车载单元、AR/VR 眼镜、无人机、机器人等在内的非手机终端 1878 款，占比超过 50%，5G 终端用途呈现多样化发展趋势。全球发布 5G 终端的厂商达到 622 家，发布非智能手机 5G 终端的厂商全球 5G 标准必要专利及标准提案研究报告（2024 年）5 远超过智能手机 5G 终端的厂商。中国 5G 用户规模持续扩张，根据中国工信部的数据，截至 2024 年 6 月底，中国 5G 用户达到 9.27 亿，同比增长 37.1%，占全球 5G 用户数的 49.6%。中国共有 425 家终端厂商的 1725 款 5G 终端获得进网许可证。5G 对各行各业的赋能作用日益显现，行业应用与融合案例层出不穷。5G 应用成熟领域不断走深，新兴领域应用占比不断提升。从5G 赋能的行业分布来看，除智慧城市、工业制造等 5G 应用成熟领域外，在水利、海洋、轨道交通等新兴领域创新应用也加速成熟。根据中国工信部数据，中国 5G 行业虚拟专网已达到 3.16 万个，5G 行业应用已经覆盖了国民经济 97 个大类中的 71 个，5G 应用案例超过 9.4万个。随着首个 5G-Advanced 标准的冻结，2024 年将成为 5G-Advanced商用元年。全球重要的电信运营商已开启 5G-Advanced 商用冲刺阶段。根据 GSMA 预测，超 50的运营商计划在首个 5G-Advanced 标准发布后一年内部署5G-Advanced网络。面向未来，随着5G-Advanced与 AI、AR/VR、算力网络、卫星通信等的跨界技术创新，5G 应用将广泛赋能经济社会各行业转型发展，促进数字经济与实体经济深度融合。（三）（三）5G标准必要专利许可现状标准必要专利许可现状 随着 5G 技术在全球范围内的广泛应用，5G 标准必要专利许可活动活跃且影响广泛，多种许可模式并存。在 5G 移动终端领域，全球重要的产业主体积极通过双边谈判达全球 5G 标准必要专利及标准提案研究报告（2024 年）6 成标准必要专利许可协议。2021 年 5 月，爱立信与三星达成了一项多年期的全球专利许可协议，包括 5G 等蜂窝技术的全球专利交叉许可。2023 年 1 月，诺基亚与三星签署涵盖 5G 专利许可协议。苹果公司在 2022 年 12 月和 2023 年 7 月分别与爱立信和诺基亚签订了长期5G 专利全球许可协议。此外，苹果公司已将与高通的 5G 调制解调器专利许可协议延长，新协议将延续到 2027 年 3 月。荣耀、OPPO 和VIVO 先后在 2024 年年初与诺基亚签署了 5G 专利交叉许可协议。2024 年 3 月，中兴通讯宣布与 VIVO 签订了全球专利交叉许可协议。除了通信企业双边谈判模式，专利池模式也是 5G 移动终端领域专利许可模式之一。2022 年 12 月，专利运营机构 Sisvel 公布新的 5G多模专利池，旨在为专利池中专利所有人拥有的 2G、3G、4G 和/或5G 标准必要专利的使用提供单一的许可解决方案。2023 年 6 月，Sisvel 宣布与微软公司就 Sisvel 5G 多模计划达成专利许可协议，微软成为 Sisvel 5G 多模计划的被许可方。在智能网联汽车领域，Avanci 专利池推出 5G 车辆平台，允许汽车制造商通过单一的许可协议获得多家公司的 5G 标准必要专利的使用权，以此吸引专利持有人和汽车制造商的加入。Avanci 的 5G 车辆平台许可费从 4G 时的每车 20 美元增长至 32 美元，增幅 60%。在物联网领域，各类型的物联网设备的许可费率一般根据技术为设备带来的价值而不同。Sisvel 和 Avanci 等专利运营机构已先后公布了其 Cellular-IoT（蜂窝物联网）专利池或物联网许可平台的许可费率。全球 5G 标准必要专利及标准提案研究报告（2024 年）7（四）（四）5G标准必要专利纠纷现状标准必要专利纠纷现状 5G 商用以来，随着通信企业间签订的 4G 专利许可协议陆续到期，涵盖 5G 技术的新的专利许可谈判全面展开，5G 标准必要专利纠纷在全球范围愈演愈烈。早在 2019 年，InterDigital 对联想提起诉讼，诉讼涉及 3G、4G 和5G 标准必要专利。经过多次审判，英格兰和威尔士高等法院于 2023年 3 月就此案做出判决。根据判决，英国高等法院确认了 InterDigital所持有的 3G、4G 和 5G 标准必要专利组合，同时也对联想应支付的专利使用费做出了判决。2021 年 7 月起，OPPO 与诺基亚在德国、中国、印度、巴西等全球十余个国家和地区，围绕 5G 标准必要专利的专利侵权、无效和许可费率等展开诉讼，直到双方在今年 1 月达成许可协议。2021 年 10 月起，爱立信和苹果双方在美国德克萨斯东部地区法院和国际贸易委员会(ITC)提起专利诉讼，在 2022 年 12 月达成和解。2022 年 3 月，美国 G 通信公司以三星等公司侵犯其 5G 相关专利为由，在美国法院向三星等公司发起诉讼。2024 年 1 月，美国法院作出判决，认定三星侵犯了美国 G 通信公司的两项专利，并要求三星赔偿高达 1.42 亿美元的许可费。2023 年 4 月，苹果公司与上海朗帛公司发生 5G 专利纠纷，苹果公司向国家知识产权局发起了对上海朗帛相关专利的无效宣告请求。进入 5G 时代，各国法院积极就 5G 标准必要专利全球许可费率作出判决。2023 年 3 月，英格兰和威尔士高等法院就“InterDigital 诉全球 5G 标准必要专利及标准提案研究报告（2024 年）8 联想”案做出的判决，被认为是全球首个涉及 5G 标准必要专利的全球 FRAND 费率的判决。2023 年 12 月，中国重庆市第一中级人民法院就 OPPO 诉诺基亚标准必要专利使用费纠纷一案作出一审判决，首次确定了手机行业 5G 标准全球累积费率，这对全球 5G 专利许可费率的确定具有重要的指导意义。随着 5G 技术在垂直行业的广泛应用和深入赋能，5G 标准必要专利纠纷已显现出向通信行业相关的垂直行业扩散的趋势。自 2019年起，在全球范围内陆续发生了戴姆勒与诺基亚、德国电子公司 Bury与诺基亚、大陆汽车系统公司与专利许可平台 Avanci 及其联盟成员诺基亚等、汽车巨头联合起诉高通等与 5G 专利相关的诉讼案件。围绕标准必要专利许可的 FRAND 原则，通信专利权人和专利实施者在通信相关垂直领域的标准必要专利许可和诉讼活动预计将变得活跃。特别是在全球化运营的网联汽车、物联网等领域专利池的推进下，预计 5G 通信技术贡献价值较大的垂直领域的专利诉讼将呈现出增长的态势。二、5G 标准及 5G 标准必要专利声明数据来源说明（一）（一）标准必要专利定义标准必要专利定义 概括来说，标准必要专利（Standard Essential Patent，简称“SEP”）是指标准规定的技术在专利的保护范围之内，在实施标准时所必须实施的专利，有时也简称标准专利。其中，标准包括国际标准、国家标准和行业标准等。（二）（二）5G标准来源标准来源 全球 5G 标准必要专利及标准提案研究报告（2024 年）9“第三代合作伙伴计划”（3rd Generation Partnership Project，简称“3GPP”）是一个成立于 1998 年的标准化项目，由全球主要国家和地区的组织伙伴合作推进，这些组织伙伴包括欧洲的 ETSI2、中国的 CCSA3、韩国的 TTA4、日本的 ARIB5和 TTC6、美国的 ATIS7和印度的 TSDSI8。3GPP 制定的国际标准由这些组织伙伴转变为国家或地区标准。在 2020 年 7 月 9 日国际电信联盟无线通信部门 5D 工作组（International Telecommunication Union-Radiocommunication Working Party，简称“ITU-R WP 5D”）举办的会议上，3GPP 制定的 5G 标准被认可为全球唯一的 5G 标准。因此，本报告以 3GPP 制定的 5G 标准作为标准来源。（三）（三）5G标准必要专利声明数据来源标准必要专利声明数据来源 根据 3GPP 的知识产权政策9，3GPP 成员有义务向组织伙伴告知成员所知的标准必要专利。作为 3GPP 的组织伙伴之一，ETSI 的知识产权政策鼓励成员对其认为的标准必要专利进行声明。同时，ETSI 具有相应的专利声明机制、流程和数据库，用于管理和公开各成员声明的标准必要专利信息。通常情况下，成员如果认为自己持有相关标准的标准必要专利并愿意向公众公开，即可在 ETSI 进行标准必要专利声明。不排除部分在通信领域有较多创新贡献的产业主体出于自身考 2 ETSI：欧洲电信标准化协会（European Telecommunication Standards Institute）。3 CCSA：中国标准化协会（China Communications Standards Association）。4 TTA：电信技术委员会（Telecommunications Technology Association）。5 ARIB：日本无线工业及商贸联合会（The Association of Radio Industries and Businesses）。6 TTC：电信技术委员会（Telecommunication Technology Committee）。7 ATIS：世界无线通讯解决方案联盟（The Alliance for Telecommunications Industry Solutions）。8 TSDSI：电信标准开发协会（Telecommunications Standards Development Society）。9 参见 http:/www.3gpp.org/3gpp-calendar/89-call-for-ipr-meetings。全球 5G 标准必要专利及标准提案研究报告（2024 年）10 虑不进行声明，但这并不代表该产业主体在该领域的创新贡献不突出。ETSI 专利数据库拥有目前相对最全的 3G、4G、5G 等代系移动通信标准的标准必要专利声明数据，ETSI 专利数据库中的 5G 专利声明信息可作为全球 5G 标准必要专利活动分析的原始数据来源。因此，本报告以各成员在 ETSI 专利数据库声明的 5G 专利作为统计分析对象，声明时间限定在 2017 年 1 月 1 日至 2024 年 3 月 31 日。本报告仅对在 ETSI 专利数据库声明了 5G 专利的产业主体的创新情况开展研究，不包括未进行声明的产业主体。（四）（四）5G标准必要专利声明数据处理说明标准必要专利声明数据处理说明 ETSI 专利数据库允许通过下载动态报告（Dynamic Report）10的方式获取期望声明时间或产业主体的标准必要专利声明数据，但从ETSI 专利数据库直接下载的动态报告存在一件专利号码重复声明、声明号码为优先权号、专利申请号或者公开号不完整、不规范等问题，因此需要对下载的专利数据进行删除重复值、规范格式以及剔除无效申请号等数据处理操作。研究组通过以下步骤开展数据处理操作：首先，在 ETSI 专利数据库下载全部声明专利的动态报告；其次，利用动态报告中的“ETSI Projects”字段和“Standards”字段筛选出 5G 声明专利；再次，对 5G声明专利进行字段合并，并通过改写等方式规范申请号、公开号和优先权号；最后，将规范后的申请号或者公开号导入专利检索数据库，获得已公开的 5G 声明专利的全部同族扩展专利。10 ETSI 专利数据库的动态报告具体参见 https:/ipr.etsi.org/DynamicReporting.aspx。全球 5G 标准必要专利及标准提案研究报告（2024 年）11 需要说明的是，数据处理后的 5G 声明专利并未经过对标分析。三、5G 标准必要专利声明数据分析（一）（一）声明专利概述 声明专利概述 截至 2024 年 3 月 31 日，全球声明的 5G 标准必要专利超过 11.4万件，其中，在德温特全球专利检索数据库中检索到的专利将近 10.3万件，经 INPADOC 同族扩展的有效全球专利族超过 7.28 万项。（二）（二）声明趋势分析 声明趋势分析 从声明趋势11来看，从 5G 标准制定的元年 2017 年起，通信企业便开始声明 5G 标准必要专利。随着 5G 第一阶段的 Rel-15、Rel-16和 Rel-17 标准版本制定工作的持续推进，2018 年至 2021 年的 5G 标准必要专利声明量呈现持续增长的态势。来源：中国信息通信研究院 图 2 5G 标准必要专利年度声明趋势 随着 5G 从第一阶段正式进入到 5G-Advanced 演进阶段，5G 标 11 当一件专利在不同年份重复声明多次时，按照这件专利最新的声明年进行统计分析。050001000015000200002500020172018201920202021202220232024单位：件全球 5G 标准必要专利及标准提案研究报告（2024 年）12 准必要专利声明量也呈现出平稳增长态势。2022 年 5G 标准必要专利声明量略低于 2021 年。2023 年整体声明数量超过 2 万件，是 5G 标准必要专利声明量最多的年份。二十余家企业在 2017 年声明 5G 标准必要专利。从 2018 年起，每年都有新的企业开展 5G 标准必要专利声明，其中，2019 年、2020年和 2023 年新增声明企业的数量超过 10 家。以 2023 年为例，本年度新增声明的企业有 KDDI、Toshiba 等。随着 5G 标准制定的推进，越来越多的企业参与 5G 标准必要专利声明中来，且在 5G 标准进入5G-Advanced 阶段后，声明企业数量仍保持较大幅度增加。这体现出声明 5G 标准必要专利已经成为企业知识产权战略的重要组成部分。来源：中国信息通信研究院 图 3 声明企业年度增长趋势（三）（三）法律状态分析 法律状态分析 在德温特全球专利检索数据库检索到的全部专利中，46.46%的专利处于“授权”状态，这一定程度上反映出声明的 5G 标准必要专利02040608010020172018201920202021202220232024.03声明企业数量年度新增声明企业数量全球 5G 标准必要专利及标准提案研究报告（2024 年）13 整体上创新质量较高。29.41%的专利处于“公开”状态12，24.13%的专利已经处于“失效”状态。来源：中国信息通信研究院 图 4 5G 标准必要专利法律状态分布（四）（四）优先权年分析 优先权年分析 2016 年起，3GPP 全面开展 5G 技术研究，超过 70%的 5G 有效全球专利族在 2016 年后申请。2019 年的有效全球专利族数量最多，其次是 2020 年、2017 年和 2018 年。5G 有效全球专利族的优先权年趋势和标准制定的进程相匹配。此外，有一定比例的 5G 有效全球专利族在 2016 年之前申请，这反映了移动通信技术所具有的继承性和相似性。12“公开”状态是指专利申请已被公开，但尚未获得授权。公开,29.41%失效,24.13%授权,46.46%公开失效授权全球 5G 标准必要专利及标准提案研究报告（2024 年）14 来源：中国信息通信研究院 图 5 5G 有效全球专利族优先权年趋势分布（五）（五）主要声明企业分析主要声明企业分析 在 ETSI 进行 5G 标准必要专利声明的产业主体中，排名前十位企业的有效全球专利族数量占比超过全部专利族数量的 71%。排名前十位企业的 5G 标准必要专利活动基本体现了全球 5G 标准必要专利活动的主要趋势。下图展示的是有效全球专利族排名前十位企业的授权专利族13和公开专利族14的分布情况。13 授权专利族是指有效全球专利族中至少具有一件授权专利。14 公开专利族是指有效全球专利族尚未有授权专利。0200040006000800010000120002005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023 2024单位：项全球 5G 标准必要专利及标准提案研究报告（2024 年）15 来源：中国信息通信研究院 图 6 有效全球专利族排名前十位的企业 企业的 5G 有效全球专利族占比是衡量企业在全球 5G 技术领域竞争力的重要指标，它一定程度上反映了企业在 5G 技术创新、研发投入以及标准制定中的地位和影响力。华为的有效全球专利族数量占比为 12.42%，排名第一位；高通排在第二位，其占比为 9.43%；LG排在第三位，其占比为 8.25%。排名第四位至第十位的企业依次是三0200040006000800010000华为QualcommLGSamsung中兴EricssonNokia小米OPPO大唐单位：项授权专利族公开专利族全球 5G 标准必要专利及标准提案研究报告（2024 年）16 星、中兴、爱立信、诺基亚、小米、OPPO 和大唐。值得注意的是，全球各国家/地区的运营商普遍较少出现在 5G 标准必要专利声明活动行列，但这并不代表运营商不持有 5G 标准必要专利。来源：中国信息通信研究院 图 7 有效全球专利族排名前十位企业的有效全球专利族占比情况 在有效全球专利族中，授权专利族的占比达到 70%。下图展示了有效全球专利族排名前十位企业的授权专利族占比情况，授权专利族排名前十位的企业依次是华为（15.52%）、高通（9.52%）、LG（8.30%）、三星（8.13%）、中兴（7.05%）、爱立信（7.01%）、诺基亚（6.40%）、OPPO（5.21%）、大唐（4.48%）和小米（3.00%）。有效全球专利族排名前十位的企业同样在授权专利族排名中处于领先地位。排名排名TOP10专利权人TOP10专利权人有效全球专利族占比有效全球专利族占比1华为12.42%2Qualcomm9.43%3LG8.25%4Samsung8.17%5中兴6.97nricsson6.86%7Nokia6.69%8小米4.62%9OPPO4.36大唐3.78%全球 5G 标准必要专利及标准提案研究报告（2024 年）17 来源：中国信息通信研究院 图 8 有效全球专利族排名前十位企业的授权专利族占比情况 在全部授权专利族中，具有经中国国家知识产权局、欧洲专利局、美国专利商标局、日本专利局或韩国专利局（简称“IP5 局”）任一局授权的专利族占比高达 99%，即只有不到 1%的授权专利族中的授权专利没有在中美欧日韩 5 局获得授权。这反映了创新主体在全球专利布局过程中重视对中美欧日韩等 5G 市场领先的国家和地区的专利布局。在企业的 IP5 局任一授权专利族占比方面，华为的占比为 15.53%，排在第一位；高通排名第二位，占比为 9.53%。第三位至第十位的企业依次是 LG（8.31%）、三星（8.13%）、中兴（7.06%）、爱立信（7.01%）、诺基亚（6.39%）、OPPO（5.21%）、大唐（4.48%）、和小米（3.00%）。中国国家知识产权局、欧洲专利局和美国专利商标局是 5G 专利申请活动最为活跃的三局。在企业的中、美、欧授权专利族占比方面，华为、高通、中兴、三星和 OPPO 在中国国家知识产权局的授权专利族占比更高；华为、高通、爱立信、三星和诺基亚在欧洲专利局的授权专利族占比更高；华为、高通、LG、三星和爱立信在美国专利商标排名排名TOP10专利权人TOP10专利权人有效授权专利族占比有效授权专利族占比1华为15.52%2Qualcomm9.52%3LG8.30%4Samsung8.13%5中兴7.05nricsson7.01%7Nokia6.40%8小米3.00%9OPPO5.21大唐4.48%全球 5G 标准必要专利及标准提案研究报告（2024 年）18 局的授权专利族占比更高。来源：中国信息通信研究院 图 9 有效全球专利族排名前十位企业的 IP5 任一授权族/多国授权族占比情况 中美欧三方专利族是指同时具有中国国家知识产权局、美国专利商标局和欧洲专利局授权专利的专利族。考虑到全球 5G 市场规模和PCT 专利申请情况，中美欧三方专利族在一定程度上可以评价 5G 专利族的重要程度。统计结果显示，中美欧三方专利族占全部授权专利族的 57.99%。在企业的中美欧三方专利族占比方面，其中华为的占比为 18.45%，其他企业依次为高通（14.54%）、三星（7.54%）、爱立信（7.42%）、诺基亚（6.38%）、LG（5.60%）、中兴（5.13%）、OPPO（5.07%）、大唐（3.14%）和小米（2.22%）。来源：中国信息通信研究院 图 10 有效全球专利族排名前十位企业的中美欧三方专利族占比情况 排名排名TOP10专利权人TOP10专利权人IP5任一授权族占比IP5任一授权族占比中国授权专利族占比中国授权专利族占比EP授权专利族占比EP授权专利族占比美国授权专利族占比美国授权专利族占比1华为15.53.76.48.01%2Qualcomm9.53.61.73.53%3LG8.31%4.58%6.00.03%4Samsung8.13%6.24%8.34%9.65%5中兴7.06%8.71%4.88%4.45nricsson7.01%5.38.11%8.43%7Nokia6.39%4.96%8.19%7.22%8小米3.00%3.63%2.12%2.79%9OPPO5.21%6.16%4.56%3.93大唐4.48%5.56%2.79%2.29%排名排名TOP10专利权人TOP10专利权人中美欧同时授权族占比中美欧同时授权族占比1华为18.45%2Qualcomm14.54%3LG5.60%4Samsung7.54%5中兴5.13nricsson7.42%7Nokia6.38%8小米2.22%9OPPO5.07大唐3.14%全球 5G 标准必要专利及标准提案研究报告（2024 年）19 由于移动通信技术具有继承性和相似性，企业在声明标准必要专利时，存在将一件专利重复声明为 2G/3G/4G/5G 不同代系标准的情形。5G only 专利族是指只包含声明为 5G 标准必要专利的专利族，通常可以认为 5G only 专利族是针对 5G 新引入技术进行的创新。从声明数据来看，5G only 专利族占全部有效全球专利族的 79.6%。下图展示了企业的 5G only 专利族占比情况，其中华为的 5G only 专利族占比为 13.03%；高通排名第二位，占比为 9.80%；LG 排在第三位，占比为 8.02%。其他企业依次是爱立信（7.15%）、三星（7.03%）、中兴（5.98%）、诺基亚（5.63%）、小米（5.36%）、OPPO（5.05%）和大唐（3.88%）。相比于有效全球专利族占比，小米和 OPPO 等公司的 5G only 族占比有所提升，这与这些企业在 5G 标准制定中加大研发投入有关。来源：中国信息通信研究院 图 11 有效全球专利族排名前十位企业的 5G only 族占比情况 下图展示的是有效全球专利族排名前十位企业的 5G only 族和非5G only 族的分布情况。排名排名TOP10专利权人TOP10专利权人5G only族占比5G only族占比1华为13.03%2Qualcomm9.80%3LG8.02%4Samsung7.03%5中兴5.98nricsson7.15%7Nokia5.63%8小米5.36%9OPPO5.05大唐3.88%全球 5G 标准必要专利及标准提案研究报告（2024 年）20 来源：中国信息通信研究院 图 12 有效全球专利族排名前十位企业的 5G only 族和非 5G only 族分布情况 四、5G 提案统计分析（一）（一）提案统计概述提案统计概述 3GPP 的标准制定工作由三大技术规范组 TSG RAN、TSG SA 和TSG CT 协作推进，每个技术规范组下面又设置多个负责承担具体任务的工作组（WG）。参与 5G 标准制定并向 3GPP 贡献自身的技术方0200040006000800010000华为QualcommLGSamsung中兴EricssonNokia小米OPPO大唐单位：项5G only族非5Gonly族全球 5G 标准必要专利及标准提案研究报告（2024 年）21 案是参会主体拥有5G标准必要专利的基础。在5G的标准化进程中，参会主体通过向 3GPP 提交提案的方式来推进 5G 的标准化工作。研究组通过以下步骤获取 5G 提案：首先，从 3GPP 官网15下载TSG RAN、TSG SA 和 TSG CT 全部会议的 Tdoc list，并从中提取 5G提案数据；其次，对提案进行去重，去除 Withdrawn 和 Revised 类型的提案；最后，进行公司规范后获得用于统计的 5G 提案数据。5G 提案统计范围包括 Rel-14 到 Rel-19 的所有 Study Item 和 Work Item 的提案，工作组包括 RAN1 至 RAN5、SA1 至 SA6、CT1、CT3、CT4和 CT6。基于对 5G 提案的年度分布、工作组、参会主体和提案通过率等维度的统计分析结果，反映 5G 标准化的基本情况以及参会主体对 5G 标准的贡献情况。截至 2024 年 3 月 31 日，参会主体向 3GPP 提交的 5G 提案总量超过 40 万件。其中，TSG RAN、TSG SA 和 TSG CT 的提案数量占比分别为 68.59%、21.50%和 9.91%。TSG RAN 的提案量之所以如此庞大，这与无线接入技术作为每一代移动通信系统的核心部分，同时也是技术创新的高发地，涉及的技术细节多和复杂性高存在关系。来源：中国信息通信研究院 图 13 3GPP 各技术规范组的 5G 提案数量及占比（二）（二）提案年度分布 提案年度分布 15 参见 https:/www.3gpp.org/ftp/。技术规范组技术规范组提案数量提案数量占比占比RAN27449868.59%SA8602621.50%CT396789.91%全球 5G 标准必要专利及标准提案研究报告（2024 年）22 从 5G 提案提交年度趋势来看，最早的 5G 提案出现在 2015 年，TSG SA 率先开始了 5G 系统架构的研究。2016 年，RAN 启动了 Rel-14 的 5G 需求和技术方案研究工作。从 2017 年开始，随着 5G 标准版本从 Rel-15 向 Rel-19 的不断演进，各技术规范组的提案数量基本呈现攀升的态势。随着 5G 进入 5G-Advanced 演进阶段，2023 年度各技术规范组的提案数量均达到了峰值。一方面，5G 技术具有高速率、低时延、大连接等特点，正在广泛应用于智能制造、智慧城市、自动驾驶、在线医疗、远程教育等领域。随着 5G 和更多垂直行业的深度融合，应用对 5G 技术的创新需求也在快速增长，这也催生出大量新的 5G 提案。另一方面，企业越来越重视对标准制定的参与深度，期望在标准制定中占据有利地位，从而提高全球市场竞争力，这也促使企业更加积极地提交 5G 提案。来源：中国信息通信研究院 图 14 5G 提案年度趋势分布（三）（三）工作组统计 工作组统计 从 TSG RAN 规范组下的各工作组的提案量来看，RAN4 工作组8474244053612435992320633869444385465767785332217564238465966287031146715854186504295142555683394437565807787859519542015201620172018201920202021202220232024RANSACT全球 5G 标准必要专利及标准提案研究报告（2024 年）23 的提案量最多，达到 77809 件。提案主要涉及射频方面的技术，包括射频指标、接收机解调指标和无线资源管理指标定义等，用于确保 5G网络的射频性能和无线资源管理的有效性。RAN1 工作组的提案量达到 74122 件，提案主要涉及无线接口物理层技术，涵盖了 5G NR 的物理层传输资源结构、信道编码、调制方式、物理层过程等多个方面，用于保证 5G 网络的基础性能指标。RAN2 工作组的提案量达到 67485件，提案涉及无线接口的第二层（如 MAC 层和 RLC 层）和第三层（如 RRC 层）的技术，涵盖了数据的调度、控制和信令处理等操作，用于保证 5G 网络无线接口的高效、可靠运行。RAN3 工作组的提案量达到 32138 件，提案主要涉及 RAN 中的节点之间的接口（如 Xn接口）以及 RAN 和核心网之间的接口（如 NG 接口）的技术，实现不同网络实体之间精细的交互控制和数据传输，提升网络的整体性能、移动性和可靠性。RAN5 工作组的提案量在 TSG RAN 规范组中相对最少，不过也超过了 2 万件，提案主要涉及终端一致性测试的相关技术。通过一致性测试，确保不同厂商的设备在实际应用中能够达到标准化的性能要求，保障终端质量和互操作性。从 TSG SA 规范组下的各工作组的提案量来看，SA2 工作组的提案量最多，达到 38160 件。提案主要涉及 5G 网络架构、协议和接口的技术，包括网络实体之间的交互协议、网络切片、网络功能和服务等，用于保证不同网络实体之间的无缝协作和保障 5G 网络的性能和效率。SA3 工作组的提案量达到 17925 件。提案主要涉及 5G 网络安全和隐私保护相关的技术，包括确定安全性和保密性要求，以及安全全球 5G 标准必要专利及标准提案研究报告（2024 年）24 性体系结构和协议等，使得 5G 网络在开放和非信任环境中能够提供全面的安全保障。SA5 工作组的提案量达到 14945 件。提案主要涉及电信管理、策略控制架构和需求的技术，包括策略决策、策略执行、计费、用户身份验证等，用于确保网络资源的有效管理，支持灵活的计费和服务策略。SA4、SA6 和 SA1 的提案量均在 5000 件左右，分别涉及语音、音频、视频或其他媒体的多媒体服务，支持关键通信和其他应用程序的应用层功能元素和接口的第二阶段技术，以及确定5G 的服务和功能要求等。从 TSG CT 规范组下的各工作组的提案量来看，CT1 工作组的提案量最多，达到 16379 件。提案主要涉及核心网架构的基础设计、核心网与其他网络组件之间的接口等技术，主要用于实现 5G 核心网的整体架构稳定、高效且可扩展。CT3 工作组的提案量次之，达到 11364件。这些提案主要涉及核心网中特定接口协议的详细设计和实现等技术，用于实现核心网的各网络组件之间能够顺畅、准确地交互，从而支持各种复杂业务的开展。CT4 工作组的提案量达到 10991 件。提案主要涉及核心网内的编号、寻址和识别，访问和移动性管理，会话管理等技术。CT6 工作组的提案量相对较少，只有 900 余件。提案主要涉及 3GPP 安全访问应用（如智能卡应用）和相关测试技术。全球 5G 标准必要专利及标准提案研究报告（2024 年）25 来源：中国信息通信研究院 图 15 各工作组的 5G 提案分布（四）（四）参会主体统计 参会主体统计 基于 5G 提案量占比的提案贡献度，直观反映了企业在 5G 标准化过程中的参与积极性和贡献程度，也在一定程度上反映了企业的5G 技术研发投入和技术创新实力。提案贡献度排名前十位参会主体的提案总量占全部 5G 提案的 70.36%。华为的 5G 提案贡献度为16.92%，排名第一；爱立信的占比是 13.41%，排名第二；诺基亚以9.76%的占比排在第三。其余排名前十位的参会主体分别是中兴、高通、三星、大唐、Intel、中国移动和 VIVO。7412267485321387780922943491438160179255075149455007163791136410991944RAN1RAN2RAN3RAN4RAN5SA1SA2SA3SA4SA5SA6CT1CT3CT4CT6RANSACT全球 5G 标准必要专利及标准提案研究报告（2024 年）26 来源：中国信息通信研究院 图 16 5G 提案贡献度排名前十位的参会主体（五）（五）通过提案统计 通过提案统计 在 3GPP 会议上通过的 5G 提案表示 3GPP 已采纳该提案中的技术方案，提案通过率在一定程度上可以体现参会主体将自身的技术方案写入标准的情况。5G 提案的整体通过率约为 36.5%，其中，TSG RAN、TSG SA 和TSG CT 的提案通过率分别约为 26.7%、51.0%和 72.3%。对于 TSG RAN 技术规范组，工作组 RAN5 到 RAN1，提案通过率依次降低。通过对 RAN1 会议纪要的分析可知，RAN1 的大部分结论基于会议讨论的方式形成，RAN1 提案的通过情况并不能很好地体现参会主体的技术方案写入标准的情况。对于 TSG SA 技术规范组，工作组 SA1、SA4、SA5 和 SA6 的提案通过率相对较高，在 60%到 70%之间；工作组 SA2 和 SA3 的提案通过率相对较低，在 40%到 50%之间。对于TSG CT 技术规范组，各工作组的提案通过率整体较高，均在 60%到80%之间。排名排名TOP10参会主体TOP10参会主体提案贡献占比提案贡献占比1华为16.92.ricsson13.41%3Nokia9.76%4中兴6.03%5Qualcomm5.83%6Samsung5.45%7大唐3.90%8Intel3.09%9中国移动3.01VIVO2.96%全球 5G 标准必要专利及标准提案研究报告（2024 年）27 来源：中国信息通信研究院 图 17 5G 各工作组提案通过率分布 在提案贡献度排名前十位的参会主体中，华为通过提案的占比为20.76%；爱立信的占比是 15.61%，排名第二；诺基亚以 11.73%的占比排名第三。其他企业依次是高通（5.70%）、中兴（5.25%）、三星（4.27%）、中国移动（3.30%）、大唐（2.84%）、Intel（2.21%）、VIVO（1.81%）。来源：中国信息通信研究院 图 18 5G 提案贡献度排名前十位参会主体的通过提案占比 0 0Pp0%RAN1RAN2RAN3RAN4RAN5CT1CT3CT4CT6SA1SA2SA3SA4SA5SA6通过未通过排名排名TOP10参会主体TOP10参会主体通过提案占比通过提案占比1华为20.76.ricsson15.61%3Nokia11.73%4中兴5.25%5Qualcomm5.70%6Samsung4.27%7大唐2.84%8Intel2.21%9中国移动3.30VIVO1.81%全球 5G 标准必要专利及标准提案研究报告（2024 年）28 五、总结 本报告首先分析了 5G 标准、市场发展及 5G 标准必要专利活动现状。5G-Advanced 的首个标准版本已正式冻结，2024 年将成为 5G-Advanced 商用元年。全球重要的电信运营商纷纷加快 5G-Advanced商用步伐。5G-Advanced 将在新媒体、新连接、新能力等维度的应用场景和网络能力进行拓展。在全球范围内，5G 基础设施建设规模不断扩大，全球 5G 连接占移动连接的比重不断提高，5G 用户和终端整体规模增长迅速，非移动电话终端和用户规模快速扩张。中国的 5G基站建设规模、5G 连接规模和 5G 用户规模均位居全球前列。5G 对各行各业的赋能作用日益显现，行业应用与融合案例不断涌现。随着 5G 技术在全球范围内的广泛应用，5G 标准必要专利许可活动活跃且影响广泛，多种许可模式并存，5G 标准必要专利纠纷在全球范围内愈演愈烈。随着 5G 技术在垂直行业的广泛应用和深入赋能，预计在 5G 通信技术贡献价值较大的垂直领域，标准必要专利活动也将更加活跃。本报告以 ETSI 专利数据库中的 5G 标准必要声明专利和 3GPP网站中的 5G 提案作为基础数据来源，重点通过对 5G 标准必要专利声明情况和 5G 提案情况开展多维度的统计分析，以展示全球 5G 创新活动。在 5G 标准必要专利声明数据方面，截至 2024 年 3 月 31 日，全球声明的 5G 标准必要专利超过 11.4 万件，有效全球专利族超过 7.28万项，年度声明量呈现逐年攀升的态势。2023 年是 5G 标准必要专利全球 5G 标准必要专利及标准提案研究报告（2024 年）29 声明量最多的年份，整体声明数量超过 2 万件。在 5G 标准制定的进程中，参与 5G 标准必要专利声明的企业数量保持逐年增加的态势。随着 5G Rel-19 标准制定工作的开展，预计未来 5G 技术领域仍然具有较高的创新活跃度和技术研发活跃性。超过 46%的声明专利处于“授权”状态。在全部授权专利族中，具有经 IP5 局任一局授权的专利族占比高达 99%，反映了声明企业对中美欧日韩等 5G 发展领先的市场的重视程度。5G only 专利族占全部有效全球专利族的 79.6%。有效全球专利族数量排名前十位的企业依次是华为、高通、LG、三星、中兴、爱立信、诺基亚、小米、OPPO 和大唐，排名前十位企业的有效全球专利族数量占比超过全部专利族数量的 71%。有效全球专利族排名前十位的企业同样在授权专利族排名中处于领先地位，但在 IP5 局任一授权族占比、中美欧授权专利族占比以及 5G only 专利族占比的具体排名中存在部分位次变化。在 5G 提案数据方面，截至 2024 年 3 月 31 日，参会主体向 3GPP提交的 5G 提案总量超过 40 万件。在 2023 年，各技术规范组的提案数量均达到了新的峰值。技术规范组 TSG RAN、TSG SA 和 TSG CT的提案数量占比分别为 68.59%、21.50%和 9.91%。虽然 TSG RAN 的 5G 提案量最多，但 TSG RAN 的整体提案通过率远低于其他两个技术规范组。TSG RAN、TSG SA 和 TSG CT 的提案通过率分别约为 26.7%、51.0%和 72.3%。5G 提案的整体通过率约为 36.5%。技术规范组 TSG RAN 的工作组 RAN5 到 RAN1，提案全球 5G 标准必要专利及标准提案研究报告（2024 年）30 通过率依次降低。技术规范组 TSG SA 的工作组 SA1、SA4、SA5 和SA6 的提案通过率，相较于工作组 SA2 和 SA3 更高，在 60%到 70%之间。技术规范组TSG CT的各工作组的提案通过率整体较高，在60%到 80%之间。5G 提案贡献度排名前十位参会主体的提案总量占全部 5G 提案的70.36%。5G提案贡献度排名前十位参会主体分别为华为、爱立信、诺基亚、中兴、高通、三星、大唐、Intel、中国移动和 VIVO。5G 提案贡献度排名前十位参会主体在 5G 通过提案占比方面也处于领先的地位。本报告的结果可一定程度上体现全球 5G 技术创新活动的发展情况。同时需要说明的是，不排除部分在通信领域有较多创新贡献的产业主体出于自身考虑不进行声明，这并不代表该产业主体在该领域的创新贡献不突出，并且报告中的专利并未经过对标分析，并不能代表在 5G 标准中真正的标准必要专利的分布情况。后续研究组将不定期发布 5G 报告，以跟踪 5G 领域创新活动的最新发展动向。中国信息通信研究院 知识产权与创新发展中心 中国信息通信研究院 知识产权与创新发展中心 地址：北京市海淀区花园北路地址：北京市海淀区花园北路52号号 邮编：邮编：100191 电话：电话：010-62304259 传真：传真：010-62304101 网址：网址：
2024-09-27
37页
5星级
中国信息通信研究院产业与规划研究所 2024年9月 数据要素与先进存储数据要素与先进存储 融合发展研究报告融合发展研究报告 版权声明版权声明本报告本报告版权属于版权属于中国信息通信研究院中国信息通信研究院，并受法律保护，并受法律保护。转载、摘编或利用其它方式使用转载、摘编或利用其它方式使用本报告文字或者观点的，应本报告文字或者观点的，应注明注明“来源：来源：中国信息通信研究院”中国信息通信研究院”。违反上述声明者，本。违反上述声明者，本院院将追究其相关法律责任。将追究其相关法律责任。前前 言言 数据作为新型生产要素，是基础性和战略性资源，也是发展新质生产力的重要基础。世界各国高度重视数据价值释放，争相抢占数据资源新高地，塑造国家竞争新优势。我国率先将数据列入生产要素，率先构建数据交易场所，率先开展数据资产入表，引领全球数据要素市场发展潮流。新技术、新模式、新基建带来数据要素领域的新发展。以人工智能为代表的新技术加快数据要素价值释放。随着人工智能大模型的到来，冷数据逐渐变热，也产生了更多热数据。大模型训练数据源深度持续拓展，数据存储周期显著加长。人工智能大模型对高质量数据集也提出了新要求，数据集的质量影响人工智能的智商，人工智能大模型的训练和推理越来越依赖高质量数据集的提供和先进存储的支撑。数据资产化带来“数据信贷”“数据信托”等数据要素价值化新模式的探索，为数据要素价值释放创造了基础条件。数据要素促进金融市场发展，数据抵押贷款、数据信托等金融产品反过来又拓展了数据要素的应用场景。数据资产流通交易也带来了数据副本量的快速增加。数据已成为数字经济时代最重要的资产之一。正如金融资产存在银行保险箱里一样，数据资产也需要有安全可靠的保险库。先进存储设施正是存储数据资产的保险库，是存储数据资产的最重要的基础设施，为数据的资产化、产权化提供坚强保障。数据基础设施是典型的新基建，与数据要素如影随形、相生相伴、相辅相成，但二者也是矛和盾的关系。数据基础设施是数据“供得出、流得动、用得好、保安全”的关键载体。数据基础设施的建设为数据的全生命周期管理构筑了坚实支撑。存储设施与网络、算力、数据采集、数据流通、数据安全等设施共同构成数据基础设施的“六个底座”，是“六位一体”的关系。特别是，数据和存储设施的关系就像水和瓶子一样，随着水流量的大规模增加，需要更大容量的瓶子，且这个瓶子不能存在瓶颈。“瓶能装水亦能覆水”，“覆水难收”，瓶子要坚固。同时，也要尽可能实现节能环保。反之，随着瓶子容量、质量的提高，会带动更大规模水流量的产生，对瓶子的要求又进一步提高。如此往复，呈螺旋上升之势。为进一步促进数据要素领域发展，应建设高质量数据集，强化新型人工智能存储创新与应用；分步推动数据资产入表，优化数据资产评估体系；加快建设先进存储设施，优化我国数据基础设施建设布局，将数据基础设施打造成促进数据要素发展的坚强底座。目目 录录 一、数据要素发展势头强劲，成为经济社会新动能.1（一）我国数据要素领域面临重大发展机遇.1（二）我国数据存储领域呈现快速发展态势.3（三）新技术新模式新基建促进数据要素新发展.5 二、数据要素与人工智能相互促进，先进存储奠定坚实基础.7（一）人工智能加速数据要素升温，冷数据向温热数据转变.7（二）人工智能提升数据存储价值，数据保存周期显著加长.8（三）高质量数据集助力人工智能，先进存储加速数据归集.9（四）人工智能对存储提出高要求，新型人工智能存储取得突破.10 三、数据资产化推动数据要素价值释放，先进存储成为数据资产保险库.11（一）数据资产评估入表和产权登记取得重要突破.12（二）数据资产流通交易带来数据副本量快速增加.15（三）先进存储为数据资产提供安全可靠的保险库.16 四、先进存储设施是数据基础设施的关键一环.17（一）数据基础设施是关键性载体，存储是“六个底座”之一.17（二）数据基础设施建设提速提质，先进存储占比不断提升.19（三）存力中心建设成为典型模式，各地建设取得重要成效.22 五、发展建议.24（一）推进高质量数据集建设，强化新型人工智能存储创新应用.24（二）完善数据资产评估体系，增加数据资产的存储安全性评估.24（三）加快建设先进存储设施，优化我国数据基础设施建设布局.25 图图 目目 录录 图 1 数据使用范围与对应的数据副本量增加情况.16 图 2 数据基础设施组成部分.19 图 3 2019 年-2023 年我国数据中心机架数.21 图 4 2021 年-2025 年我国存储总量及先进存储占比.22 数据要素与先进存储融合发展研究报告 1 党的十九届四中全会将数据列入生产要素，提出“健全劳动、资本、土地、知识、技术、管理、数据等生产要素由市场评价贡献、按贡献决定报酬的机制”。这是全球范围内首次将“数据”明确作为生产要素，是巨大的理论创新，具有里程碑意义。数据作为新型生产要素，与各类新技术、新模式、新基建紧密相关、相辅相成。特别是，数据要素与数据基础设施相互依存、相互促进。其中，作为数据基础设施重要组成部分，先进存储设施代表存储领域未来发展方向，具有大容量、高效率、高可靠和绿色低碳等特点。先进存储具有的这些优势为数据要素发展奠定了坚实基础。所谓先进存储是指应用全闪存阵列、SSD 等先进存储部件，采用存算分离、高密等先进技术，单位容量数据操作能力达到万 IOPS（每秒读写次数）以上的存储模块1。一、数据要素发展势头强劲，成为经济社会新动能（一）我国数据要素领域面临重大发展机遇（一）我国数据要素领域面临重大发展机遇 各国积极推动数据价值释放，数据成为国家基础性战略性资源。当前，全球数据量井喷式增长，数据已融入生产生活各方面，深刻影响并重构着经济社会运行和社会治理，成为影响国家未来发展的关键资源。据 IDC 预测，2024 年全球将生成 159.2ZB 数据，2028 年将增加一倍以上，达到 384.6ZB，复合增长率为 24.4%。全球各国很早就认识到数据的战略地位。美国最先发布大数据研究和发展倡议，引发全球大数据发展浪潮，并以“政府引导、企业参与、市场运作”的模式为主，投入大量资金用于数据基础设施建设。欧盟率先发布数据战略，并于 2022 年 4 月通过数据治理法案，作为落实战略的具体举措。为充分发挥海量数据对经济发展的促进作用，提高数据应用 1来源：工业和信息化部等六部门关于印发的通知 数据要素与先进存储融合发展研究报告 2 水平，释放数据要素价值，各国围绕推进数据基础设施建设、构建数据可信流通环境、完善数据法律法规、加强数据领域国际合作等方面，全方位加快布局建设，争相抢占数据资源新高地，塑造国家竞争新优势。我国数据要素政策持续出台，数据基础制度体系不断完善。我国高度重视数据领域高质量发展，出台了一系列推动数据要素体系化建设的政策文件，为推动数据要素价值释放提供了指引。2022 年 12 月，党中央、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”），系统性布局数据基础制度体系的“四梁八柱”，绘制数据要素发展的长远蓝图。为贯彻落实“数据二十条”，国家数据局等十七个部门联合印发“数据要素”三年行动计划（20242026 年），提出数据要素发展总体目标和十二项重点行动，推动数据要素发挥乘数效应，赋能经济社会发展。财政部出台关于加强数据资产管理的指导意见，明确了依法合规管理数据资产、明晰数据资产权责关系、完善数据资产相关标准、加强数据资产使用管理、稳妥推动数据资产开发利用、健全数据资产价值评估体系等 12 个方面的主要任务。我国数据基础制度体系加快推进建设，统筹管理、协调发展的体制机制进一步完善。各地区数据管理机构纷纷设立，数据工作体系初步形成。为深入贯彻党中央和国务院关于数据工作的决策部署，2023 年 10 月，国家数据局正式挂牌成立，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、数字社会规划和建设等。从地方层面看，近些年来，31 个省（区、市）和新疆生产建设兵团陆续完成数据管理机构的组建工作，初步形成了上下联动、横向协同的全国数据工作体系。数据管理体制机制的建设加快推动了数据要素与先进存储融合发展研究报告 3 数据基础制度构建，是抓抢数字经济发展先机、打造经济发展新动能的重要举措。各行业持续推动数字化转型，数据要素乘数效应加速显现。数据要素领域建设的核心目标是深化数据融合应用，推动数据要素进一步赋能，强化数据在提高生产效率与资源配置效率方面的作用，培育新质生产力。2024 年，国家数据局联合多部门先后发布两批共 48 个“数据要素”典型案例，推动发挥数据在解决行业发展难题、促进行业效益提升等方面的重要作用，释放数据要素价值。目前，数据要素已在各行业开展了众多应用，如金融行业基于企业用电数据，经过脱敏、深度分析，掌握企业用电行为、用电缴费、用电水平、用电趋势等特征内容，为银行在信贷反欺诈、辅助授信、贷后预警等方面提供决策参考。数据要素已经成为赋能各行业数字化转型和智能化升级的重要基础。通过测算数据开发对经济增长的贡献度，可以看出，2022 年第一、二、三产中数据对经济贡献度分别为 0.32%、0.65%、1.69%，较2021 年分别增长 0.25%、0.49%、0.62%2，数据对经济增长的驱动效应逐步体现并加强。（二）（二）我国我国数据数据存储存储领域领域呈现快速发展呈现快速发展态态势势 伴随人工智能、大数据等技术的高速发展，数据量呈指数级增长，海量数据对存储提出了更高的要求。我国加快发展存储产业，特别是先进存储技术成为重要发展方向，各地纷纷加快部署先进存储设施以提升数据存储和处理能力。从存储政策方面看，我国各级政府积极制定出台产业发展政策。国家层面，工业和信息化部等 6 部门于 2023 年联合印发的算力基 2数据来源：2024 年中国信通院数字经济与工业经济领域深度观察 数据要素与先进存储融合发展研究报告 4 础设施高质量发展行动计划 提出，到2025年，存储总量超过1800EB，先进存储容量占比达到 30%以上。截至 2023 年底，我国存力规模达到约 1.2ZB3，其中，先进存储容量占比超过 25%。未来，我国存储容量将继续快速增长。2023 年 12 月，国家发展改革委等部门发布的 关于深入实施“东数西算”工程加快构建全国一体化算力网的实施意见提出，加快全闪存储等先进技术部署应用，推动西部地区承接全国范围的存储备份、离线分析等业务。地方层面，深圳市工业和信息化局发布深圳市算力基础设施高质量发展行动计划(2024-2025)，提出大力发展先进存储技术，并鼓励存算并举，规划建设与计算相匹配的存储体系。上海市智能算力基础设施高质量发展“算力浦江”智算行动实施方案（2024-2025 年）提出，以“先进介质、高效架构、兼容生态、安全可信”为支撑，在智算中心内加快部署下一代先进存储技术。山东、广西、宁夏、湖南等地也提出了先进存储建设目标，以提升数据存储和处理能力，满足日益增长的存储和处理需求。从存储产业方面看，我国存储产业规模较大。存储产业上游包含存储芯片与元器件，例如 NAND Flash（SSD 颗粒）、DRAM（动态随机存取存储器）等，中游包含存储整机和存储系统,下游是应用与服务。据 IDC、Gartner 等第三方机构预测,到 2025 年,我国存储产业规模将超万亿元，上游产业链超过 2600 亿元,中下游超过 8000 亿元。我国存储产业规模庞大，具有广阔的发展空间。从存储技术方面看，我国数据存储介质研发、存储整机及系统产业领域已达到较高水平。存储介质领域，我国的NAND Flash和DRAM芯片已跻身全球主流水平。存储整机领域，国内存储厂商百花齐放，在全闪存储、分布式存储、备份存储、存储内生安全、统一文件系统、3数据来源：数字中国发展报告（2023 年）数据要素与先进存储融合发展研究报告 5 数据编织、数据湖等存储技术领域已经具备国际竞争力。未来，存储技术将继续向“大容量、高性能、高效架构、安全可靠、绿色低碳”方向发展。当然，我国存储领域也面临发展难题。主要包括新型人工智能存储技术研发有待进一步加强、存储与其他数据基础设施协同不够、先进存储设施建设步伐较慢等问题。例如，根据 IDC 数据，当前美国先进闪存在存储市场中的占比为 53%，相比之下，我国的同类产品占比为 18.2%，是全球平均水平的一半。因此，应发挥政策引导作用，加快我国存储产业发展，为网络强国、数据强国建设提供强有力支撑。（三三）新技术新模式新基建促进数据要素新发展）新技术新模式新基建促进数据要素新发展 数据要素与行业新技术（以人工智能为代表）、新模式（以数据资产抵押贷款、信托等数据要素价值化新模式为代表）、新基建（以数据基础设施为代表）具有密切关系，这些新技术、新模式、新基建共同促进数据要素领域的新发展。数据要素与人工智能之间联系紧密、相互促进。一是数据要素是人工智能发展的基础。例如 GPT 系列大模型具有大规模参数和强大的计算能力，其训练和推理过程需要海量的数据进行支撑。这些数据涵盖了文本、图像、语音等多种模态，为模型提供了丰富的学习素材。并且，数据的质量影响人工智能的智商。高质量的数据对于大模型的性能至关重要，数据的准确性、完整性和多样性直接影响模型的训练效果和泛化能力。二是人工智能推动数据要素的应用与挖掘。人工智能大模型通过深度学习技术，能够从海量数据中自动抽取和展现知识。这种能力使得数据要素中的隐藏价值得以被挖掘和利用，为各行业的智能化转型提供有力支持。大模型能够处理多种模态的数据，这种多模态融合的能力使得数据要素在跨领域、跨场景的应用中更加灵活和数据要素与先进存储融合发展研究报告 6 高效。三是数据要素与人工智能协同发展。数据要素和人工智能大模型在发展中相互促进。一方面，高质量的数据推动了大模型技术的不断进步；另一方面，大模型技术的成熟又进一步提升了数据要素的应用价值。随着技术的不断发展，数据要素与大模型之间的融合创新将成为新的趋势。例如，在智能制造、智慧医疗等领域，数据要素与大模型的结合催生出一系列新的应用场景和商业模式。数据要素价值化过程中形成了数据资产抵押贷款、数据信托等新模式。一是数据要素的价值化包括资源化、资产化、资本化三个阶段。数据要素经过数据采集、处理、分析和应用，形成具有经济价值和社会价值的数据资源，进而推动数据资产化、资本化进程。二是数据要素促进金融市场发展。依托数据资源形成的数据抵押贷款、数据信托等新模式，不仅丰富了金融产品的种类，也提高了金融服务的效率。三是数据抵押贷款、数据信托等金融产品拓展了数据要素的应用场景。通过创新数据资产的利用方式和融资渠道，可以提高数据要素的价值转化效率，为数据要素的应用和市场化配置提供更加便捷和高效的途径。数据要素与数据基础设施如影随形、相生相伴、相辅相成、相互影响。一是数据基础设施是支撑数据收集、存储、处理、分析和传输的物理和逻辑设施的总和。它包括了网络设施、算力设施、存储设施、数据采集设施、数据流通设施、数据安全设施等，是数据要素得以产生、流动、整合和应用的必要环境。二是数据要素与数据基础设施相互成就。没有数据基础设施的支撑，数据要素将无法被承载和利用。反过来，没有数据要素的产生、流动和应用，数据基础设施也就没有存在的意义。三是数据要素与数据基础设施也存在矛和盾的关系。随着整个社会数字化水平不断提升，数据采集需求大量增加，数据量呈数据要素与先进存储融合发展研究报告 7 指数级增长，这对网络带宽、算力、存储、流通、安全等数据基础设施建设提出更高要求。数据基础设施的不断升级又会促进数据要素更大规模地产生、流动和存储。例如，数据和存储设施的关系就像水和瓶子一样，随着水流量的大规模增加，需要更大容量的瓶子。这个瓶子的瓶口不能存在瓶颈，需要确保水能够快速流入流出。“瓶能装水亦能覆水”，并且“覆水难收”，因此，装水的瓶子需要更加坚固，使用这个瓶子也需要尽可能实现节能环保。综上，装水（数据）的瓶子（存储设施）需要具备大容量、高效率、安全可靠和绿色低碳等特点。二、数据要素与人工智能相互促进，先进存储奠定坚实基础 数据是人工智能发展的三大核心要素之一，并已成为影响人工智能大模型效果的关键因素。人工智能大模型快速迭代创新，对数据的实时性、存储周期等也提出更高更复杂的要求，也促进了数据要素应用效能释放。（一）人工智能加速数据要素升温，冷数据向温热数（一）人工智能加速数据要素升温，冷数据向温热数据转变据转变 人工智能大模型推动冷数据变温变热。随着大模型参数规模越来越巨量化，训练所需数据资源体量也急剧增长。以 OpenAI 的 GPT 系列模型为例，GPT-1 数据集约为 4.8GB，GPT-2 数据集约为 40GB，而 GPT-3 数据集规模已超过 500GB。据相关研究4表明，互联网上可用的高质量文本
报告分类
新质生产力
ChatGPT
新能源汽车
大模型
Sora
机器人
微短剧
芯片
薪酬
白皮书
低空经济
数据要素
创新药
人工智能
AI产业
信息科技
互联网
消费经济
汽车交通
电商零售
传媒娱乐
医药健康
投资金融
能源环境
地产建筑
传统产业
英文报告
其它
