通信行業(yè)深度研究報告

通信行業(yè)深度研究報告1.投資要件通信板塊在經歷了5G建設周期后，投資者始終在問三個問題：

1、5G的殺手級應用是什么？

2、5G驅動的硬件升級還有哪些？是否會在架構上有所創(chuàng)新？

3、5G之后通信看什么？總所周知，每一輪的ICT創(chuàng)新革命，均是“通信+計算+存儲”三位一體同步升級，5G作為數據傳輸的“超級高速公路”，必然將匹配更快的“跑車”，當我們將視野從短視頻等拓展到AR、VR乃至元宇宙時，其對計算、渲染、AI的需求將劇增，同時計算能力將從云端向“云—邊—端”延伸，多元算力時代即將到來。中國在5G網絡建設上取得了領先地位，未來算力資源將成為全球科技領域的新高地，8月31日美國芯片設計公司英偉達

稱被美國政府要求限制向中國出口兩款被用于加速人工智能任務的最新兩代旗艦GPU計算芯片A100和H100，似乎也佐證了算力在未來全球科技競賽中的地位。從終端市場需求來看，在國內外數據流量迅速增長以及公有云蓬勃發(fā)展的背景下，近10年來全球算力的增長明顯滯后于數據的增長。同時，伴隨智能汽車、人工智能、機器學習催生的大量數據需求，算力缺口持續(xù)顯現。5G網絡的不斷建設和完善，帶動萬物互聯加速推進，同時更大帶寬和更低延時的多場景顯現，海量數據持續(xù)涌現，數據結構從單一模式變?yōu)槎嗄Ｊ?，非結構化數據日益增加，對海量復雜數據的實時處理要求更高。在未來5-10年將是數據量指數級增長的井噴臨界點，算力供給需要持續(xù)擴張。未來在自動駕駛、機器人等多個方向，對于算力的消耗會呈指數級增長，深度學習、機器學習的場景越來越豐富，通用芯片和專用芯片的關系會發(fā)生動態(tài)變化。各大巨頭紛紛轉向以ARM、FPGA、ASIC等為核心的低功耗計算架構，避免對單一架構的過度依賴。同時，傳統(tǒng)以計算為中心的馮氏架構下，在CPU存儲之間以及存儲和存儲間的數據搬運帶來了延遲功耗，通過把部分算力下通到存儲，在擁有足夠好性能器件支撐的前提下，就能減少功耗和延遲，提升芯片的算力。作為支持數字經濟以及智能化的核心基座，以數字新基建為代表的算力革命，正在催生出前所未有的新機遇。國內也在著手搭建算力網絡，包括東數西算、全光網等。已解決當前網絡實時性缺乏保障、寬帶不足、能源供給不匹配等問題。同時，在操作系統(tǒng)、服務器高端芯片、算力數據庫等領域，依舊較多受外部因素制約，實現國內算力網絡資源的自主可控仍然任重道遠。2.算力革命近年來，“算力”兩字，隨著社會智能化的程度提升，越來越多的被提及。其實“算力”

一詞并非新鮮事物，從中國古代的算盤到如今的超級計算機，算力作為人類認知能力的延伸，是見證與輔助人類社會實現跨越式發(fā)展的重要生產力。面向未來，隨著當下智能駕駛、AI等場景下爆發(fā)的百倍算力需求。我們認為，當前以傳統(tǒng)計算集群為主的算力發(fā)展模式已經不能滿足未來需要，一場“由集中到泛在”，“以能源消耗為邊界”，“云、邊、端一體化”的算力革命已經迫在眉睫。2.1.算力的發(fā)展2018年諾貝爾經濟學獎獲得者威廉·諾德豪斯將算力定義為“設備根據內部狀態(tài)的改變，每秒可處理的信息數據量”。目前行業(yè)中普遍用“FLOPS”，即每秒所執(zhí)行的浮點運算次數，來衡量算力大小。從最原始的算盤到當今的超級計算機，人類社會的算力發(fā)展經過了諸多階段，根據華為算力報告，這些階段可以劃分為人力化、機械化、電氣化、集成電路化和當下所展現的移動化。2.2.算力對全球經濟的促進作用算力以及其背后代表的設備鏈條，是具有高附加值的高科技產業(yè)。算力作為一種新技術進步因素脫穎而出，成為挖掘數據要素價值，推動數字經濟發(fā)展的核心支撐力和驅動力。對于“算力”設備的投資，可以為社會帶來從直接到間接的豐厚經濟收益。根據2021-2022全球計算力指數評估報告的結論，算力資本可與傳統(tǒng)物質資本形成互補效應和協同效應；算力資本增長會產生正網絡外部性效應和溢出效應；算力資本對經濟發(fā)展具有倍增效應。在華為的泛在算力報告中，對算力產生的經濟效益做了更加明確的劃分，一是直接受益，二是行業(yè)杠桿收益，三是國家整體競爭力收益。直接收益，以公有云投資為例，在選取戴爾

PowerEDGER940服務器的條件下，以服務器的出廠價25,100美元，云服務器的使用周期為5年，云服務器實現75%利用率，服務器的租金收入118,586美元計算，1美元的投入，可以帶來4.7美元的產出。除上述以租金收入計算的直接收入外，隨著算力加速部署，各行各業(yè)的智能化程度加深，將會為社會帶來更加顯示顯著的額外收益。根據美國勞工部數據，隨著智能機器人等基于高算力的智能設備加速應用，未來講給美國智能制造業(yè)帶來1700億美元的額外經濟產值提升。同時，根據華為泛在算力報告數據，智能化程度提升，將會為包括制造業(yè)。交通業(yè)、農業(yè)等多個業(yè)態(tài)帶來數倍回報。根據IDC于2021年發(fā)布的結論，十五個重點國家的計算力指數平均每提高1點，國家的數字經濟和GDP將分別增長3.5‰和1.8‰，預計該趨勢在2021-2025年將繼續(xù)保持。同時，通過針對不同梯隊國家的計算力指數和GDP進行進一步的回歸分析后，研究發(fā)現：

當一個國家的計算力指數達到40分以上時，國家的計算力指數每提升1點，其對于GDP增長的推動力將增加到1.5倍，而當計算力指數達到60分以上時，國家的計算指數每提升1點，其對于GDP增長的推動力將提高到3.0倍，對經濟的拉動作用變得更加顯著。2.3.算力革命正在發(fā)生的原因：供需錯配當下，國內投資者對于算力的認識尚處于較為初級的階段，目光局限于“IDC”+“服務器”兩大產業(yè)鏈中，短期由于國內互聯網產業(yè)“過冬”，2020年IDC行業(yè)擴建等影響，國內投資者對于“算力”過剩的擔憂影響了對于“算力革命”迫切性的認識。我們認為，一來算力并不能僅用大型IDC需求表征，其只代表集中式算力的規(guī)模；二來隨著自動駕駛，智能機器人，人工智能等新需求的快速成熟，邊緣側與終端側算力需求涌現，全球現有算力將快速進入“供不應求”的局面，算力革命已經迫在眉睫。究其根本，“算力革命”爆發(fā)的根本原因在于“供需失衡”，供給方面主要受到CPU發(fā)展極限、流量成本、碳排放等因素制約，集中式算力的邊際性價比正在減弱。需求方面，受到車聯網、AI等同時需要“海量數據處理”+“低延時”的行業(yè)帶動，算力需求將在未來呈現指數型爆發(fā)式增長。供給端1：受到量子隧穿效應影響和商業(yè)化成本影響，硅基單核芯片制程將在3nm達到極限。硅基芯片晶體管的柵長在低于3納米時極易發(fā)生量子隧穿效應（其原理為，當柵長縮小到一定程度的時候，即使沒有加電壓，源極和漏極都接近互通，晶體管便失去了開關的作用，因而無法實現邏輯電路）。因此，通過更加先進的納米制程工藝提升單核芯片性能將面臨技術上的嚴峻挑戰(zhàn)。由于量子隧穿效應的存在，3納米后，單芯片成本將會急劇上升，根據華為與羅蘭貝格數據顯示，3納米制程手機端旗艦級SoC單芯片（以高通驍龍855為例）成本較7納米顯著增加約200美元，高昂的成本將會極大程度制約終端客戶需求，最終降低算力供給的增加。即使在能夠接受較高成本的大型數據中心等用戶中，處理器性能的提升依舊受到制約，受存儲、系統(tǒng)、軟件限制（性能）和單位算力功耗顯著上升（功耗）兩大因素影響，芯片核心數量將在128核達到上限。根據羅蘭貝格數據，現有的馮·諾依曼架構下，通過擬合不同核心數量的芯片計算能力樣本數據，我們發(fā)現多核處理器隨核數增長，算力增長的倍數快速下滑：從2核增至4核時，總算力可提升1.74倍，而當核數由128核增至256核時，總算力水平僅能提升已跌破1.2倍（1.16X），已顯著喪失經濟性。供給端2：算力爆發(fā)的背景下，網絡性能限制和成本將會導致數據中心的算力難以滿足復雜場景下的需求。網絡帶寬及網絡時延共同決定了網絡信道的傳輸質量，影響到網絡算力的發(fā)揮。具體而言，“網絡化”算力的使用需要經歷終端與云端的數據雙向傳輸過程，這段過程是通過網關、基站、數據中心等不同網節(jié)點之間的信道所實現的，其中信道的容量決定了傳輸的速率（帶寬），信道的長度與材質決定了數據傳輸的時延，兩者共同影響了數據傳輸的效率。供給端3：算力高能耗與全球雙碳目標之間的矛盾。隨著芯片制成逐漸接近量子隧穿效應發(fā)生的制程，當前主流芯片的能效比正在逐漸接近極限。單位算力功耗在過去10多年間經歷了顯著下降，但隨著硅基芯片工藝制程提升的難度凸顯，其進一步下探幅度有限，這意味著，等量算力的提升，即將對應等量能耗需求的提升。面對未來百倍的算力需求，高能耗問題將成為人類算力發(fā)展過程中的重要瓶頸。同時，隨著中國雙碳目標的提出，對于數據中心的耗電量，PUE值都提出了更嚴格的要求，截至2020年底，中國數據中心耗電量已經突破2000億千瓦時，能耗占全國總用電量的2.7%，隨著數據中心進一步擴容，算力需求進一步提升，解決數據中心能耗問題的需求也愈發(fā)迫切。在可見的未來，具備低時延特性的核心城市IDC供給將進一步被壓縮，如何通過有效的邊緣側處理手段，使得有限的核心城市算力資源得到充分利用，也是本輪“算力革命”急需解決的難題。根據華為泛在算力報告，在人工智能、物聯網、區(qū)塊鏈、AR/VR四大領域，到2030年，相比2018年，都將出現百倍到千倍的算力需求增長，同時對于網絡的延遲也提出了更高的要求。從算力需求看，人工智能技術對于算力的核心拉動點在于未來各應用場景內單設備芯片算力的增長和人工智能技術的行業(yè)滲透率的進一步提升，物聯網主要通過低算力物聯網設備的普及、配套云端計算中心和邊緣端計算單元的增加共同拉動算力增長，區(qū)塊鏈因安全問題要求的算力持續(xù)增長和應用場景的快速普及將帶動以云服務器為主的算力增長，VR/AR設備的普及和普及需要的云計算中心和邊緣計算設備算力配套將共同推動整體算力的增長。從時延要求看，L3級別的自動駕駛對于傳輸時延的要求在10-20毫秒，在進入L4&L5級別后，對于傳輸時延的要求進一步提高到10毫秒以下；使用物聯網建設智慧工廠對車間內部的局域網絡帶寬需要達到Gbps級別，最高時延須控制在5ms-10ms以內；在VR/AR游戲中，端到端的時延至少需要小于20毫秒，才能保證在使用過程中避免感知到明顯的圖像滯后而導致的眩暈。隨著人類對于AI、智能價值、虛擬現實等超大算力、超低時延需求場景和應用的探索愈發(fā)深入，當先算力的需求端將會出現指數型爆發(fā)，我們將在第五章更加深入的展開討論這些面向未來的場景需求和他們當下的發(fā)展情況。2.4.算力革命關鍵詞：“泛在”、“綠色”與“生態(tài)”基于以上供需矛盾，我們提出了“算力革命”的三大關鍵詞，“泛在”、“綠色”與“生態(tài)”。算力革命核心詞1：泛在前文提到，在算力需求百倍增長下，由于處理器單核性能與多核提升邊際遞減存在，大型數據中心的算力提升有限。同時，由于網絡性能，帶寬成本等制約，對于分布式需求愈發(fā)明顯。因此，將運算能力進行“泛在”，在邊緣側或者設備本身直接進行，將有效的降低集中式數據中心的負載，同時也能夠極大的提升網絡的傳輸能力。算力泛在，我們認為，就是實現“云、邊、端”算力的融合，縱觀當今算力發(fā)展，進入集成電路時代以來，經歷了單核，多核，網絡化三個階段，單核受限于芯片性能與成本、多核受限于核心效應邊界與功耗，網絡化受限于時延與成本。因此，算力泛在，即實現三者的“融合”。算力革命核心詞2：綠色前文提到，制約算力供給端的因素之一，是全球雙碳趨勢下，數據中心高能耗與全球碳中和之前的矛盾，因此我們認為，算力革命的第二個關鍵詞是“綠色”，我們通過芯片和算法實現了如下的等式：能源+算力——>價值+熱量目前，以GSMA為首的全球移動通信系統(tǒng)協會已開始在此方面積極踐行，其在巴黎協定中制定了移動產業(yè)氣候行動路線圖倡議，提出在2050年之前實現溫室氣體凈零排放目標。此后，GSMA下逾50家成員單位（包括沃達豐、西班牙電信等）加入倡議，已陸續(xù)開始公布年度能源消耗情況，制定每年的能源消耗削減目標及策略計劃，從而實現對其數據中心的能源消耗控制。算力革命中的“綠色”，我們認為應從兩方面入手，第一方面，通過更加高效的機房散熱設備，探索液冷、海底數據中心等新型散熱形式，降低數據中心的PUE水平，實現能源的高效利用。另一方面，要積極提高綠色能源在機房用電中的占比，實現數據中心真正意義上的“碳中和”。我們將在第四章，更加詳細的討論“綠色”這一算力革命方向帶來的投資機會。算力革命核心詞3：生態(tài)算力并非孤立的存在，而是與通信、存儲能力并存，服務于各類應用的一體化IT能力。以常見的物聯網模組為例，市場認為模組僅是提供單一的無線通信能力，而當下游需求豐富起來之后，模組還需支持操作系統(tǒng)、多媒體、本地算力等應用，且在智能家居、智能汽車、無人機、VR元宇宙等領域的需求各不相同。當然，就算力硬件本身而言，除了芯片外，也需要編程語言、API、各類常用庫（如NVIDIACUDA）、集群管理等，皆是多年與行業(yè)應用共同發(fā)展的結果。3.泛在：“云—邊—端”的共存IDC統(tǒng)計數據顯示，預計到2025年，創(chuàng)建的數據會達到175ZB，相當于2022年的兩倍的的數據量，其中視頻為主的非結構化數據將占到80%以上。而其中數據的創(chuàng)建正在更多的趨向于邊緣，同樣的數據的存儲也會向中心和邊緣轉變，終端的占比會下降。但是數據的處理一直在中心，數據的使用和消費在端側，就出現了算力錯位。算力錯位會導致產生大量的算力搬運成本。云計算是現在計算的一個主流，開創(chuàng)了云端算力的模式，把云端算力投射到終端上，當下云計算基于中心的超大規(guī)模IDC，計算集中在核心節(jié)點，中心化的布局在算力需求進一步大幅提升的背景下可能將遇到瓶頸，需要進一步的發(fā)展，所以就產生了下沉的需求。近二十年，以數據為基礎、以網絡為媒介、以計算為核心的科技以迅雷不及掩耳的速度急速發(fā)展，全球進入移動互聯網時代，產生的數據量相當于過去數世紀的數據量總和，并持續(xù)以指數級的數量增加。2006年亞馬遜正式推出EC2服務標志著人類進入了云時代，經過十多年的發(fā)展，云服務已經影響到企業(yè)和個人生活的方方面面。隨著全球范圍5G的加速落地、物聯網高速的發(fā)展以及以云為基礎的數字化升級大趨勢下，IDC作為核心信息基礎設施在需求側和供給側均發(fā)生邊際變化，其作用和價值正在不斷凸顯。3.1.國內IDC：行業(yè)底部出清，需求曙光初現，反轉只欠東風從短期來看，當下受到國內互聯網大廠業(yè)務收縮，2020年IDC行業(yè)建設浪潮影響，近年來，供需格局較弱。不過隨著相關平臺經濟扶持政策出臺，以及IDC行業(yè)底層并購出清加速，我們認為國內IDC行業(yè)正在走出短期困境。從長期來看，隨著國內5G網絡全面建成，中國DOU長期增長的趨勢不會變，隨著在4G向5G升級的過程中，長短視頻成為新的風口，抖音、火山小視頻、快手、B站為首的短視頻，以及愛奇藝、騰訊視頻為主的長視頻逐漸成為新潮流。而直播也發(fā)展出了更多形式，以淘寶、拼多多為主的電商逐漸進入直播帶貨時代，抖音、快手也憑借其在短視頻的流量優(yōu)勢涉足電商領域。用戶的習慣開始轉向以視頻和直播為主的應用和媒介，而視頻直播又意味著流量相較過去有了數十倍的爆發(fā)。3.2.全球IDC市場：需求持續(xù)強勁，景氣度存在預期差今年以來，國內投資者對于北美數通產業(yè)鏈景氣度預期進行了明顯的下修，以光模塊為代表的數通產業(yè)鏈標的估值創(chuàng)出歷史新低。我們認為，從Q2云廠商資本支出、后續(xù)資本支出展望、以及數通產業(yè)鏈各家中報業(yè)績來看，市場對于北美數通的預期存在過分悲觀的情況。在宏觀不確定性下，龍頭大廠依舊逆勢加碼云基建，說明數字化，云化依舊是當下最具潛力的行業(yè)賽道。我們認為，從中短期來看，北美數據中心的需求仍然非常旺盛。從云計算業(yè)務來看，北美三大云廠商AWS、GoogleCloud、AzureQ2依舊保持了良好的高速增長。AWS營收同比增長33%、Googlecloud營收同比增長36%，Azure營收同比增長40%。從設備商角度，盡管英偉達、AMD等公司Q2業(yè)績表現出現了一定程度下滑，但主要原因來自于全球PC需求下降與加密貨幣市場寒冬。兩者的數據中心業(yè)務依舊維持了較高的景氣度。英偉達數據中心業(yè)務Q2營收38.1億美元，同比增長63.1%，環(huán)比增長1%，連續(xù)11個季度創(chuàng)歷史新高，成為公司第一大業(yè)務，從趨勢上看將逐漸拉開與游戲業(yè)務距離。AMD在Q2實現營收65.5億美元，同比增長70%，公司于Q2首次公布了數據中心部門的營收，2022Q2數據中心部門營收為15億美元，同比增長83%，是公司營收增長最快的部門。根據公司公開交流，公司本季度EPYC處理器需求強勁，云計算和企業(yè)客戶均同比顯著增長。在云計算方面，AWS、百度、谷歌、微軟Azure和甲骨文在本季度推出了60多個基于第三代EPYC處理器的新實例。我們通過以上三家具有代表性的科技公司近期業(yè)績可以大致看到，數據中心市場景氣度依舊保持高位，且根據指引預期來看，未來還將繼續(xù)保持高景氣增長。結合北美頭部云廠商一季度增速及云廠商全年資本開支指引，即便下半年面臨短期波動，中期北美數據中心產業(yè)景氣度可見。從長期來看，作為全球云計算的領先市場，同時伴隨Meta、蘋果等巨頭在元宇宙、AR/VR領域的加速探索，北美流量長期增長的態(tài)勢不會改變，數據中心在作為算力發(fā)展的核心支撐，將在全球智能化過程中繼續(xù)扮演舉足輕重的作用。縱觀IDC產業(yè)投資機會，我們認為當前主要集中在兩方面，第一是底部出清的國內優(yōu)質IDC龍頭公司，第二是存在預期差的北美IDC產業(yè)鏈，第三是國產算力芯片、設備廠商。國內優(yōu)質IDC龍頭公司目前已經底部出清，從2020年開始紛紛進行資本運作與產能擴張。同時，隨著國內互聯網企業(yè)基本面出回暖跡象，因此國內IDC的需求端情況有望逐漸改善。目前市場對北美宏觀經濟情況持謹慎態(tài)度，從而影響到2022年中期的北美IDC市場需求。不過，從北美IDC下游主要廠商自2018年以來逐漸爬升的資本開支情況來看，盡管市場擔心22H2在美國加息周期中，大廠投資會存在波動，但我們仍對此中長期市場需求持較樂觀的態(tài)度，一旦加息預期出現拐點（加息周期影響云廠商業(yè)務收入，同時不利于中長期加杠桿），北美市場的IDC中下游企業(yè)將存在一定的預期差。3.3邊緣計算：方興未艾，未來可期前文提到，由于未來社會算力爆發(fā)下產生的海量數據傳輸需求，完全依靠IDC提供中心化算力支撐乃是效率較低的選擇，無論是智能駕駛對于時延的要求，亦或是傳輸高清視頻圖像等帶來的大額帶寬成本，都將進一步加劇“集中式”與“分布式”需求的錯配。在此背景下，邊緣計算便成為了傳統(tǒng)云端算力的很好補充，云計算聚焦非實時，長周期數據的大數據分析，能夠在周期性維護，業(yè)務決策支撐等領域發(fā)揮特長。邊緣計算聚焦實時、短周期數據的分析，能更好的支撐本地業(yè)務的實時智能化處理與執(zhí)行。算力“泛在”的模式也將隨著邊緣計算的加入得到完善。當前時點，邊緣計算產業(yè)正處于起步前期，部分行業(yè)應用開始涌現并走向成熟，本段將從邊緣計算的定義、優(yōu)勢、行業(yè)空間、應用案例、產業(yè)鏈玩家、A股相關標的來剖析邊緣計算的當前現狀與未來機會、邊緣計算的定義根據邊緣計算產業(yè)聯盟的定義，邊緣計算是在靠近物或者數據源頭得到網絡邊緣側，融合網絡、計算、存儲、應用核心能力的開放平臺，就近提供邊緣智能服務，滿足行業(yè)數字化在敏捷聯接，實時業(yè)務、數據優(yōu)化、應用智能、安全與隱私保護封方面的關鍵需求。在相關理論加速成熟的同時，行業(yè)聯盟也在加速建立，目前主流的邊緣計算聯盟包括了

思科、ARM、英特爾、戴爾、微軟、普林斯頓大學等6家機構成立的開放霧計算聯盟、華為、沈自所、信通院、因特爾、ARM、軟通動力等6家機構聯合發(fā)起成立了邊緣計算產業(yè)聯盟、IEC/ISOJTC1SC41成立的邊緣計算研究組、IIC成立邊緣計算技術工作組和IEEE成立的霧計算網絡架構工作組等。從功能由簡到繁來分析，邊緣計算的發(fā)展總體可以分為三個結算，即聯接、智能、自治。聯接階段，邊緣計算主要解決終端及設備的海量、異構與實時連接，網絡自動部署與運維，并保證聯接的安全、可靠與互操作性。這一階段的典型應用包括了自動抄表等智能階段，在該階段，邊緣側將會引入數據分析與業(yè)務自動處理能力，智能化執(zhí)行蹦迪業(yè)務邏輯，大幅提升效率，降低成本。這一階段的典型應用包括了各種設備的自我狀態(tài)監(jiān)測等。自治階段，在該階段，隨著AI等技術引入，邊緣側不僅可以自主進行業(yè)務邏輯分析與計算，還能夠動態(tài)實時的自我優(yōu)化，調整和執(zhí)行策略，該階段的典型應用是各類無人工廠和智能化設備。邊緣計算的優(yōu)勢我們認為，在5G，AI、物聯網等技術與環(huán)境的加持下，邊緣計算體現出了5大應用價值，分別是低延時、低帶寬、更經濟的智能、數據可控、高可靠。低時延：低時延是提高用戶體驗甚至是使得某些應用能夠工作的重要因素。一方面，邊緣計算通過在網絡邊緣進行數據處理，降低了因數據在終端和云端之間多跳傳輸產生的時延。另一方面，利用優(yōu)化的邊緣算力進行數據處理，也比利用有限的終端算力進行數據。低帶寬：物聯網設備產生的數據具有體量大、價值密度較小的特性。如果把原始數據直接傳輸到云端進行處理，很大程度上造成網絡擁塞，為了保證帶寬所需的成本代價也極高。邊緣計算對海量原始數據進行預處理和分析挖掘，將產生的高價值洞察傳送到云端，極大程度降低了對帶寬的依賴。更經濟的智能：視頻監(jiān)控、語音識別、圖像分析等人工智能應用越來越廣泛地被應用于滿足行業(yè)的業(yè)務需求。AI模型的訓練需要非常強大算力的支持，不可避免地要在云端進行。但基于實時數據進行模型推理如果也在云端進行，網絡成本會非常高。同時，普通的終端設備無論從算力還是能耗角度都無法支持模型的推理。邊緣計算將AI模型推理卸載到邊緣節(jié)點，在邊緣節(jié)點上通過GPU、加速硬件虛擬化等機制提高模型推理的并發(fā)能力，以一種經濟有效的方式實現應用智能。數據可控：企業(yè)往往對將自己的生產數據傳輸到云端進行處理有很大顧慮。邊緣計算能實現敏感數據不出工廠，不出園區(qū)，直接在本地對數據進行清洗、預處理、聚合、篩選，避免了數據傳輸過程中可能的泄露、遺失、篡改等風險。此外，云計算數據中心對數據的安全控制力度并不是十分理想，API訪問權限控制以及密鑰生成、存儲和管理方面的不足都可能造成數據泄漏，并且還可能缺乏必要的數據銷毀政策。邊緣計算可以實現更可控的本地數據存儲和管理，降低數據風險。高可靠：靠近數據生產或者使用的場所往往物理環(huán)境復雜、網絡條件不穩(wěn)定、潛在的攻擊窗口眾多。邊緣計算硬件專為嚴苛的物理環(huán)境設計，具有緊湊、堅固、抗高溫高濕等物理特性。邊緣計算軟件平臺通過云邊協同來保障端到端的SLA，邊緣節(jié)點在斷網期間能實現自治，繼續(xù)支撐其上應用的運行，在網絡恢復之后，還能自動與云端更新數據、狀態(tài)。邊緣計算軟件平臺還支持應用跨節(jié)點部署及多實例運行等能力，當某個節(jié)點發(fā)生故障時，可快速實現負載遷移，避免對業(yè)務的影響。邊緣計算與5G隨著5G時代的到來，5G的廣連接、低時延、高帶寬三大特性完美契合了邊緣計算設備需要的網絡指標。根據5GPPP發(fā)布的白皮書5Gempoweringverticalindustries5G通過邊緣計算技術將應用部署到數據側，而不是將所有數據發(fā)送到集中的數據中心，滿足應用的實時性。白皮書認為，智慧工廠、智能電網、智能駕駛、健康醫(yī)療、娛樂和數字媒體是未來最具商業(yè)規(guī)模且排名靠前的邊緣計算需求場景，極具典型性，并且運營商也在這些領域與行業(yè)客戶緊密合作，基于用戶需求，共同推動邊緣計算的發(fā)展，為用戶提供安全可靠的邊緣計算業(yè)務。我們認為，5G對于邊緣計算的推動主要在于兩方面，一是網絡架構的升級，推動邊緣計算快速成熟。5G網絡將原先4G核心網經云化拆分成5G核心控制層面和核心用戶層面，實現了用戶面與MEC同時下沉，有利于邊緣側的融合。二是5G后期以小基站為主的部署形式，有望在物理層面加速邊緣計算網絡的拓展。當前，5G網絡下的邊緣計算主要分為兩類，第一是廣域MEC，第二類是局域MEC。廣域MEC場景低時延業(yè)務的百公里傳輸引入的雙向時延低于1ms，但是基于廣域MEC的5G公網，已經能夠為大量垂直行業(yè)提供5G服務。MEC部署在安全可控的匯聚機房是當前運營商廣域MEC的主力方案，可用于權衡應用對接、運維復雜度、設備和工程成本等多種因素。局域MEC場景將MEC部署在園區(qū)有利于安全與隱私保護高敏感的行業(yè)，以滿足數據不出園的要求。港口龍門吊的遠程操控，鋼鐵廠的天車遠程操控，以及大部分的制造、石化、教育、醫(yī)療等園區(qū)/廠區(qū)都是局域MEC的典型場景。局域MEC部署場景可以滿足URLLC超低時延業(yè)務，同時支持企業(yè)業(yè)務數據本地流量卸載（LBO），為園區(qū)客戶提供本地網絡管道。通過增強隔離和認證能力，防止公網非法訪問企業(yè)內網，構建企業(yè)5G私網。邊緣計算的行業(yè)規(guī)模根據IDC數據統(tǒng)計，到2020年，全球有超過500億的終端與設備聯網，未來超過50%的數據需要在網絡邊緣側分析。處理與存儲。根據思科發(fā)布的全球云指數數據，2021年全球產生106ZB的流量，其中數據中心流量僅占21ZB，全球超過70%的流量空間需要邊緣側設備的支持。根據國際數據公司(IDC)發(fā)布的全球邊緣計算支出報告，預計到2022年，全球在邊緣計算方面的支出將達到1760億美元，比2021年增長14.8%。企業(yè)和服務提供商在邊緣解決方案的硬件、軟件和服務上的支出預計將持續(xù)到2025年，這一增長速度將達到近2740億美元。從地理角度來看，美國將成為優(yōu)勢解決方案的最大投資者，預計到2022年支出將達到765億美元。西歐和中國將是第二大地區(qū)，支出總額分別為306億美元和208億美元。在未來五年的預測中，中國將以19.7%的復合年增長率成為支出增長最快的國家，其次是拉美，其復合年增長率為19.4%。邊緣計算主流應用當下邊緣計算較為成熟的應用主要集中在預測性維護、能效管理、智能制造，面向未來，我們認為自動駕駛、AI、AR/VR等需要高算力、低延時的場景會逐漸成長為邊緣計算的主流場景，這些場景我們會在第五節(jié)中進行展開。預測性維護傳統(tǒng)的維護方式主要是事后維護和預防性維護，事后維護會導致業(yè)務中斷，預防性維護采用人工例行檢修，導致維護成本大幅度上升，以梯聯網為例，全球有超過1500萬部電梯在網運行，電梯維保和售后服務正式成為電梯行業(yè)的“新藍?！?，越來越多的電梯廠商轉向整合產業(yè)鏈、依靠維保服務增加企業(yè)收入，但電梯通過事后維護和預防性維護的成本很高，且首次維護成功率低于20%。為實現商業(yè)模式創(chuàng)新，電梯廠商必須通過數字化改造提升運維效率、降低運維成本。通過引入邊緣計算，可以助力電梯廠商從傳統(tǒng)的預防性維護升級到新一代實時預測性維護，從而實現產品向服務的價值延申。能效管理隨著世界經濟的發(fā)展，發(fā)展需求與能源制約的矛盾愈加明顯，能耗水平反映了一個國家或地區(qū)的經濟發(fā)展水平和生活質量，在能源需求日趨緊張的情況下，如何實現建筑能耗量化以及效果評估，降低建筑物（包括空調、路燈照明、辦公設備等）運行過程中消耗的能量，從而降低運行成本，同時提高用戶使用滿意度，滿足各大企業(yè)從提供產品向提供服務轉型，成為各大企業(yè)或組織機構最為關注的問題。以路燈為例，世界80%的路燈廠商都準備向智能路燈轉型，通過智能路燈節(jié)能減排，相關國家和國際組織也逐步在法律中明確建設綠色節(jié)能標準，如全球氣候組織呼吁十年完成全球路燈智能化改造、實現能耗減半。智能制造隨著消費者對產品需求的日益增高，產品的生命周期越來越短，小批量多批次，具有定制化需求的產品生產模式將一定程度替代大批量生產制造模式，先前制造體系嚴格的分層架構已經無法滿足當前的制造需求，以某消費電子類產品的制造生產線為例，采用PLC+POC的模式構建，由于訂單種類增加，單批次數量減少，導致平均每周的切單轉產耗時1~2天；新工藝升級每年至少3次、設備更替每年近百次，導致的控制邏輯/工序操作重置、接口配置耗時約5~12周，嚴重影響了新產品上線效率。另外制造智能化也是中國，美國，德國等世界主要制造大國未來10年的發(fā)展方向，以中國為例，到2025年，制造業(yè)重點領域全面實現智能化，試點示范項目運營成本降低50%，產品生產周期縮短50%，不良品率降低50%，制造智能化首先需要加強制造業(yè)ICT系統(tǒng)和OT系統(tǒng)之間的靈活交互，顯然先前的制造體系也無法支撐全面智能化。邊緣計算能夠推動智能制造的實現。邊緣計算在工業(yè)系統(tǒng)中的具體表現形式是工業(yè)CPS系統(tǒng)，該系統(tǒng)在底層通過工業(yè)服務適配器，將現場設備封裝成web服務；在基礎設施層，通過工業(yè)無線和工業(yè)SDN網絡將現場設備以扁平互聯網的方式聯接到工業(yè)數據平臺中；

在數據平臺中，根據產線的工藝和工序模型，通過服務組合對現場設備進行動態(tài)管理和組合，并與MES等系統(tǒng)對接。工業(yè)CPS系統(tǒng)能夠支撐生產計劃靈活適應產線資源的變化，舊的制造設備快速替換與新設備上線。4.綠色：雙碳制約下的算力網絡算力發(fā)展高速發(fā)展過程中將不得不面臨能耗問題，云端、邊緣、終端以及網絡傳輸要求的持續(xù)提升，勢必帶來能耗激增的問題，硅基芯片工藝制程提升的難度凸顯，單位算力功耗進一步下探幅度有限，能耗的增長將挑戰(zhàn)數字智能時代社會的可持續(xù)發(fā)展，在雙碳大背景下，構建綠色算力網絡生態(tài)逐漸成為新的挑戰(zhàn)和機遇。4.1.算力需求指數及增長，數據中心能耗要求越發(fā)嚴格算力規(guī)模持續(xù)大規(guī)模增長，單位算力功耗逼近極限。功耗是影響算力水平發(fā)展的重要因素之一，在單位算力功耗呈現出逐年遞減，且正向著極限逼近的態(tài)勢下，算力的整體量級卻仍然隨著其廣泛的應用而持續(xù)大規(guī)模增長。一方面必須依托算力的大規(guī)模使用以實現智能社會的演進，而另一方面這一進程又必將伴隨著碳排放的提升而導致全球氣候的不可預測性顯著增加，這一雙手互博式的矛盾綜合體正在引起越來越高的關注。硅基芯片工藝制程提升的難度凸顯，單位算力功耗進一步下探幅度有限。隨著工藝制程的進步，輸出單位算力所需要的功耗水平(W/GFLOPS)從90納米制程開始呈現出了指數級下降的趨勢，發(fā)展到當下7納米制程的先進處理器芯片時已開始趨近于ОWIGFLOPS，下探難度愈發(fā)增大。從原理來看，由于功耗水平下降的核心驅動力來自于芯片制造工藝的低制程化，而這一趨勢正受到硅基芯片上晶體管柵長縮減引發(fā)的量子隧穿效應挑戰(zhàn)，一旦到達臨界制程可能將造成晶體管閉合功能的全面無效化。因此在沒有新型材料替代的條件下，單位算力功耗難以進一步下降。數據中心用電量占比持續(xù)提升，制冷及IT設備占比達80%。在芯片單位算力功耗下降幅度有限的背景下，智能社會應用的廣泛普及無可避免，勢必導致算力功耗總量的進一步提升。根據工信部數據，隨著人工智能、物聯網、區(qū)塊鏈等技術的發(fā)展，中國數據中心總用電量為1609億千瓦時，占中國全社會用電量的2.35%，已經顯著超過上海市2018年全社會用電量。面問未來，數據中心算力將在信息技術產業(yè)的大力發(fā)展下繼續(xù)增長，2023年將較2019年增長66%，年均增長率將達到10.64%。從數據中心內部來看，中國數據中心電力成本占運營成本的60%以上，數據中心耗能部分主要包括制冷系統(tǒng)、IT設備、供電系統(tǒng)和照明系統(tǒng)，其中制冷系統(tǒng)和IT設備合計占總能耗的80%。超大型數據中心符合綠色趨勢。數據中心PUE優(yōu)化的一大核心方向在于建立更多超大型(>10000個標準機架可共置至少100000臺服務器）和大型數據中心(>3000個標準機架可共置放至少30000臺服務器），從而帶動整體數據中心PUE值優(yōu)化。超大型/大型數據中心會更加系統(tǒng)地從基礎設施和管理系統(tǒng)層面來進行優(yōu)化，降低功耗，且通常會采用能耗比更加優(yōu)秀的服務器、數通設備、節(jié)能型供電和冷卻配套硬件解決方案。4.2.大型化、智能化和散熱技術創(chuàng)新是綠色數據中心關鍵點以百度云計算（陽泉）中心為例，其設計容納16萬臺服務器，采用了先進的整機柜服務器，以模塊化設計將供電、散熱系統(tǒng)與服務器置于同一機柜內，針對每個機柜服務器的實際運行及功耗進行個體化調節(jié)，同時輔以高壓直流＋市電直供的供電模式，實現傳極高的能源效率。在數據中心運營管理軟件層面，大型數據中心會采用基于Al的智能化管理系統(tǒng)對供電、冷卻系統(tǒng)的運營狀態(tài)進行自適應的動態(tài)化調整。如華為廊坊數據中心所采用的iCooling數據中心能效解決方案，通過AI對歷史運營數據分析，尋找供電、通風、冷卻等影響能耗的不同關鍵因素，建立預測模型并對相應系統(tǒng)進行動態(tài)調整，降低PUE，實現能耗優(yōu)化。除散熱創(chuàng)新外，UDC是數據中心的未來新方向。海底數據中心（簡稱UDC）由岸站、海底光電復合纜、海底分電站及海底數據艙組成，主體結構為罐體結構，電氣設備、冷卻系統(tǒng)均布置在罐體內部，罐體頂部為海水冷卻系統(tǒng)。通過龐大的海水流冷卻數據艙，有效降低能耗，單艙PUE可低于1.1，是高效利用海洋資源（海上風能，波浪能、潮汐能）的成功典范，海底IDC解決方案需求將與日俱增，尤其在華南沿海城市，市場潛力無窮。UDC優(yōu)勢主要體現在降低成本上。UDC使用海水冷卻，無壓縮機運行，能夠有效降低能耗，在25MW典型規(guī)模情況下，UDC綜合成本降低29%，運維成本降低22%，且岸站占地少，只有1/3，不需要冷卻塔，罐體內為惰性氣體，故障率低，單機柜15-35KW，算力密度高，模塊化生產，部署效率高，90天內完成從工廠安裝、調試到實際運行。4.3.芯片功耗提升空間有限，低功耗和云邊端一體是主旋律芯片領域，ARM和X86架構正在碰撞出更多火花。ARM與x86的競爭本質上是兩種不同思路的指令集系統(tǒng)的競爭。指令集系統(tǒng)在發(fā)展過程中，分化出復雜指令系統(tǒng)計算

（Complexinstructionsetcomputing,CISC）和精簡指令系統(tǒng)計算（Reducedinstructionsetcomputing,RISC），后者被使用在ARM上。RISC是相對于CISC而言的，其通過精簡指令集來減少硬件設計的復雜程度，同時每條指令集長度均相等，因此可以提升指令集執(zhí)行效率，所以相同計算量下，效率往往比CISC更高。事實上，Intel、AMD的新款x86產品也在向精簡指令邁進，僅底層運行CISC指令。功耗壓力大，ARM在服務器領域正在興起。CISC的復雜性決定x86架構的CPU需要更高的單核主頻、更多的線程才能有更強性能，在摩爾定律逐漸接近瓶頸的現代，x86的芯片設計、制程要求變得苛刻，因此生態(tài)變得極為封閉，目前市場僅剩Intel、AMD兩位玩家。ARM走“眾人拾柴火焰高”的路線，2021年已授權530家合作伙伴，授權數量達到1910件。ARM賽道玩家眾多，在商用服務器CPU領域，華為海思、凱為半導體、高通、安培和飛騰均有代表性產品。ARM入局服務器領域并非制程工藝、主頻&核心數競賽的結果，而是下游需求轉變促使ARM芯片能夠在服務器中發(fā)光發(fā)熱。ARM得到云計算大廠青睞，主要有以下幾個原因：

1）邊緣計算及微型IDC需求增加，ARM依靠低成本占據優(yōu)勢。受國際形勢及各國加強數據主權的影響，各大云計算廠商都在積極向市場投放微型數據中心，微型數據中心體積相對較小，對能源的需求較低，以便幫助集中式數據中心完成一部分邊緣計算任務，同時，邊緣計算往往數據多元化、計算負載變化大，因此ARM架構CPU是部署微型數據中心建立分布式業(yè)務的更好選擇。例如，同代的ARMCortex-A72與x86Broadwell對比單核物理面積，前者僅1.15mm2，是后者的約七分之一。2）ARM架構的“眾核”、單線程架構保證了更高的效率。以Oracle公司OCI云服務的AmpereA1CPU為例，相比于同代、相似性能x86架構的IntelXeonOptimized3，AmpereA1在執(zhí)行H.264視頻處理計算任務時花費1美元處理的幀數提升了98%，相比AMDEPYCE4提升了22%。ARM架構CPU擁有更低的單位成本，一是因為ARM的專用計算單元與異構計算技術結合，處理速