通信行業(yè)深度研究報(bào)告

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

1、5G的殺手級(jí)應(yīng)用是什么？

2、5G驅(qū)動(dòng)的硬件升級(jí)還有哪些？是否會(huì)在架構(gòu)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(jì)算+存儲(chǔ)”三位一體同步升級(jí)，5G作為數(shù)據(jù)傳輸?shù)摹俺?jí)高速公路”，必然將匹配更快的“跑車”，當(dāng)我們將視野從短視頻等拓展到AR、VR乃至元宇宙時(shí)，其對(duì)計(jì)算、渲染、AI的需求將劇增，同時(shí)計(jì)算能力將從云端向“云—邊—端”延伸，多元算力時(shí)代即將到來。中國在5G網(wǎng)絡(luò)建設(shè)上取得了領(lǐng)先地位，未來算力資源將成為全球科技領(lǐng)域的新高地，8月31日美國芯片設(shè)計(jì)公司英偉達(dá)

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(wù)的最新兩代旗艦GPU計(jì)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(nèi)外數(shù)據(jù)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(shù)據(jù)的增長。同時(shí)，伴隨智能汽車、人工智能、機(jī)器學(xué)習(xí)催生的大量數(shù)據(jù)需求，算力缺口持續(xù)顯現(xiàn)。5G網(wǎng)絡(luò)的不斷建設(shè)和完善，帶動(dòng)萬物互聯(lián)加速推進(jìn)，同時(shí)更大帶寬和更低延時(shí)的多場景顯現(xiàn)，海量數(shù)據(jù)持續(xù)涌現(xiàn)，數(shù)據(jù)結(jié)構(gòu)從單一模式變?yōu)槎嗄Ｊ?，非結(jié)構(gòu)化數(shù)據(jù)日益增加，對(duì)海量復(fù)雜數(shù)據(jù)的實(shí)時(shí)處理要求更高。在未來5-10年將是數(shù)據(jù)量指數(shù)級(jí)增長的井噴臨界點(diǎn)，算力供給需要持續(xù)擴(kuò)張。未來在自動(dòng)駕駛、機(jī)器人等多個(gè)方向，對(duì)于算力的消耗會(huì)呈指數(shù)級(jí)增長，深度學(xué)習(xí)、機(jī)器學(xué)習(xí)的場景越來越豐富，通用芯片和專用芯片的關(guān)系會(huì)發(fā)生動(dòng)態(tài)變化。各大巨頭紛紛轉(zhuǎn)向以ARM、FPGA、ASIC等為核心的低功耗計(jì)算架構(gòu)，避免對(duì)單一架構(gòu)的過度依賴。同時(shí)，傳統(tǒng)以計(jì)算為中心的馮氏架構(gòu)下，在CPU存儲(chǔ)之間以及存儲(chǔ)和存儲(chǔ)間的數(shù)據(jù)搬運(yùn)帶來了延遲功耗，通過把部分算力下通到存儲(chǔ)，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?jǐn)?shù)字經(jīng)濟(jì)以及智能化的核心基座，以數(shù)字新基建為代表的算力革命，正在催生出前所未有的新機(jī)遇。國內(nèi)也在著手搭建算力網(wǎng)絡(luò)，包括東數(shù)西算、全光網(wǎng)等。已解決當(dāng)前網(wǎng)絡(luò)實(shí)時(shí)性缺乏保障、寬帶不足、能源供給不匹配等問題。同時(shí)，在操作系統(tǒng)、服務(wù)器高端芯片、算力數(shù)據(jù)庫等領(lǐng)域，依舊較多受外部因素制約，實(shí)現(xiàn)國內(nèi)算力網(wǎng)絡(luò)資源的自主可控仍然任重道遠(yuǎn)。2.算力革命近年來，“算力”兩字，隨著社會(huì)智能化的程度提升，越來越多的被提及。其實(shí)“算力”

一詞并非新鮮事物，從中國古代的算盤到如今的超級(jí)計(jì)算機(jī)，算力作為人類認(rèn)知能力的延伸，是見證與輔助人類社會(huì)實(shí)現(xiàn)跨越式發(fā)展的重要生產(chǎn)力。面向未來，隨著當(dāng)下智能駕駛、AI等場景下爆發(fā)的百倍算力需求。我們認(rèn)為，當(dāng)前以傳統(tǒng)計(jì)算集群為主的算力發(fā)展模式已經(jīng)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(jīng)迫在眉睫。2.1.算力的發(fā)展2018年諾貝爾經(jīng)濟(jì)學(xué)獎(jiǎng)獲得者威廉·諾德豪斯將算力定義為“設(shè)備根據(jù)內(nèi)部狀態(tài)的改變，每秒可處理的信息數(shù)據(jù)量”。目前行業(yè)中普遍用“FLOPS”，即每秒所執(zhí)行的浮點(diǎn)運(yùn)算次數(shù)，來衡量算力大小。從最原始的算盤到當(dāng)今的超級(jí)計(jì)算機(jī)，人類社會(huì)的算力發(fā)展經(jīng)過了諸多階段，根據(jù)華為算力報(bào)告，這些階段可以劃分為人力化、機(jī)械化、電氣化、集成電路化和當(dāng)下所展現(xiàn)的移動(dòng)化。2.2.算力對(duì)全球經(jīng)濟(jì)的促進(jìn)作用算力以及其背后代表的設(shè)備鏈條，是具有高附加值的高科技產(chǎn)業(yè)。算力作為一種新技術(shù)進(jìn)步因素脫穎而出，成為挖掘數(shù)據(jù)要素價(jià)值，推動(dòng)數(shù)字經(jīng)濟(jì)發(fā)展的核心支撐力和驅(qū)動(dòng)力。對(duì)于“算力”設(shè)備的投資，可以為社會(huì)帶來從直接到間接的豐厚經(jīng)濟(jì)收益。根據(jù)2021-2022全球計(jì)算力指數(shù)評(píng)估報(bào)告的結(jié)論，算力資本可與傳統(tǒng)物質(zhì)資本形成互補(bǔ)效應(yīng)和協(xié)同效應(yīng)；算力資本增長會(huì)產(chǎn)生正網(wǎng)絡(luò)外部性效應(yīng)和溢出效應(yīng)；算力資本對(duì)經(jīng)濟(jì)發(fā)展具有倍增效應(yīng)。在華為的泛在算力報(bào)告中，對(duì)算力產(chǎn)生的經(jīng)濟(jì)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(wù)器的條件下，以服務(wù)器的出廠價(jià)25,100美元，云服務(wù)器的使用周期為5年，云服務(wù)器實(shí)現(xiàn)75%利用率，服務(wù)器的租金收入118,586美元計(jì)算，1美元的投入，可以帶來4.7美元的產(chǎn)出。除上述以租金收入計(jì)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(huì)為社會(huì)帶來更加顯示顯著的額外收益。根據(jù)美國勞工部數(shù)據(jù)，隨著智能機(jī)器人等基于高算力的智能設(shè)備加速應(yīng)用，未來講給美國智能制造業(yè)帶來1700億美元的額外經(jīng)濟(jì)產(chǎn)值提升。同時(shí)，根據(jù)華為泛在算力報(bào)告數(shù)據(jù)，智能化程度提升，將會(huì)為包括制造業(yè)。交通業(yè)、農(nóng)業(yè)等多個(gè)業(yè)態(tài)帶來數(shù)倍回報(bào)。根據(jù)IDC于2021年發(fā)布的結(jié)論，十五個(gè)重點(diǎn)國家的計(jì)算力指數(shù)平均每提高1點(diǎn)，國家的數(shù)字經(jīng)濟(jì)和GDP將分別增長3.5‰和1.8‰，預(yù)計(jì)該趨勢在2021-2025年將繼續(xù)保持。同時(shí)，通過針對(duì)不同梯隊(duì)國家的計(jì)算力指數(shù)和GDP進(jìn)行進(jìn)一步的回歸分析后，研究發(fā)現(xiàn)：

當(dāng)一個(gè)國家的計(jì)算力指數(shù)達(dá)到40分以上時(shí)，國家的計(jì)算力指數(shù)每提升1點(diǎn)，其對(duì)于GDP增長的推動(dòng)力將增加到1.5倍，而當(dāng)計(jì)算力指數(shù)達(dá)到60分以上時(shí)，國家的計(jì)算指數(shù)每提升1點(diǎn)，其對(duì)于GDP增長的推動(dòng)力將提高到3.0倍，對(duì)經(jīng)濟(jì)的拉動(dòng)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(cuò)配當(dāng)下，國內(nèi)投資者對(duì)于算力的認(rèn)識(shí)尚處于較為初級(jí)的階段，目光局限于“IDC”+“服務(wù)器”兩大產(chǎn)業(yè)鏈中，短期由于國內(nèi)互聯(lián)網(wǎng)產(chǎn)業(yè)“過冬”，2020年IDC行業(yè)擴(kuò)建等影響，國內(nèi)投資者對(duì)于“算力”過剩的擔(dān)憂影響了對(duì)于“算力革命”迫切性的認(rèn)識(shí)。我們認(rèn)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(dòng)駕駛，智能機(jī)器人，人工智能等新需求的快速成熟，邊緣側(cè)與終端側(cè)算力需求涌現(xiàn)，全球現(xiàn)有算力將快速進(jìn)入“供不應(yīng)求”的局面，算力革命已經(jīng)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(jià)比正在減弱。需求方面，受到車聯(lián)網(wǎng)、AI等同時(shí)需要“海量數(shù)據(jù)處理”+“低延時(shí)”的行業(yè)帶動(dòng)，算力需求將在未來呈現(xiàn)指數(shù)型爆發(fā)式增長。供給端1：受到量子隧穿效應(yīng)影響和商業(yè)化成本影響，硅基單核芯片制程將在3nm達(dá)到極限。硅基芯片晶體管的柵長在低于3納米時(shí)極易發(fā)生量子隧穿效應(yīng)（其原理為，當(dāng)柵長縮小到一定程度的時(shí)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(guān)的作用，因而無法實(shí)現(xiàn)邏輯電路）。因此，通過更加先進(jìn)的納米制程工藝提升單核芯片性能將面臨技術(shù)上的嚴(yán)峻挑戰(zhàn)。由于量子隧穿效應(yīng)的存在，3納米后，單芯片成本將會(huì)急劇上升，根據(jù)華為與羅蘭貝格數(shù)據(jù)顯示，3納米制程手機(jī)端旗艦級(jí)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(huì)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(shù)據(jù)中心等用戶中，處理器性能的提升依舊受到制約，受存儲(chǔ)、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(shù)量將在128核達(dá)到上限。根據(jù)羅蘭貝格數(shù)據(jù)，現(xiàn)有的馮·諾依曼架構(gòu)下，通過擬合不同核心數(shù)量的芯片計(jì)算能力樣本數(shù)據(jù)，我們發(fā)現(xiàn)多核處理器隨核數(shù)增長，算力增長的倍數(shù)快速下滑：從2核增至4核時(shí)，總算力可提升1.74倍，而當(dāng)核數(shù)由128核增至256核時(shí)，總算力水平僅能提升已跌破1.2倍（1.16X），已顯著喪失經(jīng)濟(jì)性。供給端2：算力爆發(fā)的背景下，網(wǎng)絡(luò)性能限制和成本將會(huì)導(dǎo)致數(shù)據(jù)中心的算力難以滿足復(fù)雜場景下的需求。網(wǎng)絡(luò)帶寬及網(wǎng)絡(luò)時(shí)延共同決定了網(wǎng)絡(luò)信道的傳輸質(zhì)量，影響到網(wǎng)絡(luò)算力的發(fā)揮。具體而言，“網(wǎng)絡(luò)化”算力的使用需要經(jīng)歷終端與云端的數(shù)據(jù)雙向傳輸過程，這段過程是通過網(wǎng)關(guān)、基站、數(shù)據(jù)中心等不同網(wǎng)節(jié)點(diǎn)之間的信道所實(shí)現(xiàn)的，其中信道的容量決定了傳輸?shù)乃俾剩◣挘?，信道的長度與材質(zhì)決定了數(shù)據(jù)傳輸?shù)臅r(shí)延，兩者共同影響了數(shù)據(jù)傳輸?shù)男?。供給端3：算力高能耗與全球雙碳目標(biāo)之間的矛盾。隨著芯片制成逐漸接近量子隧穿效應(yīng)發(fā)生的制程，當(dāng)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(jīng)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(jìn)一步下探幅度有限，這意味著，等量算力的提升，即將對(duì)應(yīng)等量能耗需求的提升。面對(duì)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(shí)，隨著中國雙碳目標(biāo)的提出，對(duì)于數(shù)據(jù)中心的耗電量，PUE值都提出了更嚴(yán)格的要求，截至2020年底，中國數(shù)據(jù)中心耗電量已經(jīng)突破2000億千瓦時(shí)，能耗占全國總用電量的2.7%，隨著數(shù)據(jù)中心進(jìn)一步擴(kuò)容，算力需求進(jìn)一步提升，解決數(shù)據(jù)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(shí)延特性的核心城市IDC供給將進(jìn)一步被壓縮，如何通過有效的邊緣側(cè)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(jù)華為泛在算力報(bào)告，在人工智能、物聯(lián)網(wǎng)、區(qū)塊鏈、AR/VR四大領(lǐng)域，到2030年，相比2018年，都將出現(xiàn)百倍到千倍的算力需求增長，同時(shí)對(duì)于網(wǎng)絡(luò)的延遲也提出了更高的要求。從算力需求看，人工智能技術(shù)對(duì)于算力的核心拉動(dòng)點(diǎn)在于未來各應(yīng)用場景內(nèi)單設(shè)備芯片算力的增長和人工智能技術(shù)的行業(yè)滲透率的進(jìn)一步提升，物聯(lián)網(wǎng)主要通過低算力物聯(lián)網(wǎng)設(shè)備的普及、配套云端計(jì)算中心和邊緣端計(jì)算單元的增加共同拉動(dòng)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(yīng)用場景的快速普及將帶動(dòng)以云服務(wù)器為主的算力增長，VR/AR設(shè)備的普及和普及需要的云計(jì)算中心和邊緣計(jì)算設(shè)備算力配套將共同推動(dòng)整體算力的增長。從時(shí)延要求看，L3級(jí)別的自動(dòng)駕駛對(duì)于傳輸時(shí)延的要求在10-20毫秒，在進(jìn)入L4&L5級(jí)別后，對(duì)于傳輸時(shí)延的要求進(jìn)一步提高到10毫秒以下；使用物聯(lián)網(wǎng)建設(shè)智慧工廠對(duì)車間內(nèi)部的局域網(wǎng)絡(luò)帶寬需要達(dá)到Gbps級(jí)別，最高時(shí)延須控制在5ms-10ms以內(nèi)；在VR/AR游戲中，端到端的時(shí)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(dǎo)致的眩暈。隨著人類對(duì)于AI、智能價(jià)值、虛擬現(xiàn)實(shí)等超大算力、超低時(shí)延需求場景和應(yīng)用的探索愈發(fā)深入，當(dāng)先算力的需求端將會(huì)出現(xiàn)指數(shù)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(dāng)下的發(fā)展情況。2.4.算力革命關(guān)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(guān)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(shù)據(jù)中心的算力提升有限。同時(shí)，由于網(wǎng)絡(luò)性能，帶寬成本等制約，對(duì)于分布式需求愈發(fā)明顯。因此，將運(yùn)算能力進(jìn)行“泛在”，在邊緣側(cè)或者設(shè)備本身直接進(jìn)行，將有效的降低集中式數(shù)據(jù)中心的負(fù)載，同時(shí)也能夠極大的提升網(wǎng)絡(luò)的傳輸能力。算力泛在，我們認(rèn)為，就是實(shí)現(xiàn)“云、邊、端”算力的融合，縱觀當(dāng)今算力發(fā)展，進(jìn)入集成電路時(shí)代以來，經(jīng)歷了單核，多核，網(wǎng)絡(luò)化三個(gè)階段，單核受限于芯片性能與成本、多核受限于核心效應(yīng)邊界與功耗，網(wǎng)絡(luò)化受限于時(shí)延與成本。因此，算力泛在，即實(shí)現(xiàn)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(shù)據(jù)中心高能耗與全球碳中和之前的矛盾，因此我們認(rèn)為，算力革命的第二個(gè)關(guān)鍵詞是“綠色”，我們通過芯片和算法實(shí)現(xiàn)了如下的等式：能源+算力——>價(jià)值+熱量目前，以GSMA為首的全球移動(dòng)通信系統(tǒng)協(xié)會(huì)已開始在此方面積極踐行，其在巴黎協(xié)定中制定了移動(dòng)產(chǎn)業(yè)氣候行動(dòng)路線圖倡議，提出在2050年之前實(shí)現(xiàn)溫室氣體凈零排放目標(biāo)。此后，GSMA下逾50家成員單位（包括沃達(dá)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(biāo)及策略計(jì)劃，從而實(shí)現(xiàn)對(duì)其數(shù)據(jù)中心的能源消耗控制。算力革命中的“綠色”，我們認(rèn)為應(yīng)從兩方面入手，第一方面，通過更加高效的機(jī)房散熱設(shè)備，探索液冷、海底數(shù)據(jù)中心等新型散熱形式，降低數(shù)據(jù)中心的PUE水平，實(shí)現(xiàn)能源的高效利用。另一方面，要積極提高綠色能源在機(jī)房用電中的占比，實(shí)現(xiàn)數(shù)據(jù)中心真正意義上的“碳中和”。我們將在第四章，更加詳細(xì)的討論“綠色”這一算力革命方向帶來的投資機(jī)會(huì)。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(chǔ)能力并存，服務(wù)于各類應(yīng)用的一體化IT能力。以常見的物聯(lián)網(wǎng)模組為例，市場認(rèn)為模組僅是提供單一的無線通信能力，而當(dāng)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(yīng)用，且在智能家居、智能汽車、無人機(jī)、VR元宇宙等領(lǐng)域的需求各不相同。當(dāng)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(yīng)用共同發(fā)展的結(jié)果。3.泛在：“云—邊—端”的共存IDC統(tǒng)計(jì)數(shù)據(jù)顯示，預(yù)計(jì)到2025年，創(chuàng)建的數(shù)據(jù)會(huì)達(dá)到175ZB，相當(dāng)于2022年的兩倍的的數(shù)據(jù)量，其中視頻為主的非結(jié)構(gòu)化數(shù)據(jù)將占到80%以上。而其中數(shù)據(jù)的創(chuàng)建正在更多的趨向于邊緣，同樣的數(shù)據(jù)的存儲(chǔ)也會(huì)向中心和邊緣轉(zhuǎn)變，終端的占比會(huì)下降。但是數(shù)據(jù)的處理一直在中心，數(shù)據(jù)的使用和消費(fèi)在端側(cè)，就出現(xiàn)了算力錯(cuò)位。算力錯(cuò)位會(huì)導(dǎo)致產(chǎn)生大量的算力搬運(yùn)成本。云計(jì)算是現(xiàn)在計(jì)算的一個(gè)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(dāng)下云計(jì)算基于中心的超大規(guī)模IDC，計(jì)算集中在核心節(jié)點(diǎn)，中心化的布局在算力需求進(jìn)一步大幅提升的背景下可能將遇到瓶頸，需要進(jìn)一步的發(fā)展，所以就產(chǎn)生了下沉的需求。近二十年，以數(shù)據(jù)為基礎(chǔ)、以網(wǎng)絡(luò)為媒介、以計(jì)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(jìn)入移動(dòng)互聯(lián)網(wǎng)時(shí)代，產(chǎn)生的數(shù)據(jù)量相當(dāng)于過去數(shù)世紀(jì)的數(shù)據(jù)量總和，并持續(xù)以指數(shù)級(jí)的數(shù)量增加。2006年亞馬遜正式推出EC2服務(wù)標(biāo)志著人類進(jìn)入了云時(shí)代，經(jīng)過十多年的發(fā)展，云服務(wù)已經(jīng)影響到企業(yè)和個(gè)人生活的方方面面。隨著全球范圍5G的加速落地、物聯(lián)網(wǎng)高速的發(fā)展以及以云為基礎(chǔ)的數(shù)字化升級(jí)大趨勢下，IDC作為核心信息基礎(chǔ)設(shè)施在需求側(cè)和供給側(cè)均發(fā)生邊際變化，其作用和價(jià)值正在不斷凸顯。3.1.國內(nèi)IDC：行業(yè)底部出清，需求曙光初現(xiàn)，反轉(zhuǎn)只欠東風(fēng)從短期來看，當(dāng)下受到國內(nèi)互聯(lián)網(wǎng)大廠業(yè)務(wù)收縮，2020年IDC行業(yè)建設(shè)浪潮影響，近年來，供需格局較弱。不過隨著相關(guān)平臺(tái)經(jīng)濟(jì)扶持政策出臺(tái)，以及IDC行業(yè)底層并購出清加速，我們認(rèn)為國內(nèi)IDC行業(yè)正在走出短期困境。從長期來看，隨著國內(nèi)5G網(wǎng)絡(luò)全面建成，中國DOU長期增長的趨勢不會(huì)變，隨著在4G向5G升級(jí)的過程中，長短視頻成為新的風(fēng)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(jìn)入直播帶貨時(shí)代，抖音、快手也憑借其在短視頻的流量優(yōu)勢涉足電商領(lǐng)域。用戶的習(xí)慣開始轉(zhuǎn)向以視頻和直播為主的應(yīng)用和媒介，而視頻直播又意味著流量相較過去有了數(shù)十倍的爆發(fā)。3.2.全球IDC市場：需求持續(xù)強(qiáng)勁，景氣度存在預(yù)期差今年以來，國內(nèi)投資者對(duì)于北美數(shù)通產(chǎn)業(yè)鏈景氣度預(yù)期進(jìn)行了明顯的下修，以光模塊為代表的數(shù)通產(chǎn)業(yè)鏈標(biāo)的估值創(chuàng)出歷史新低。我們認(rèn)為，從Q2云廠商資本支出、后續(xù)資本支出展望、以及數(shù)通產(chǎn)業(yè)鏈各家中報(bào)業(yè)績來看，市場對(duì)于北美數(shù)通的預(yù)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(shù)字化，云化依舊是當(dāng)下最具潛力的行業(yè)賽道。我們認(rèn)為，從中短期來看，北美數(shù)據(jù)中心的需求仍然非常旺盛。從云計(jì)算業(yè)務(wù)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(shè)備商角度，盡管英偉達(dá)、AMD等公司Q2業(yè)績表現(xiàn)出現(xiàn)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(shù)據(jù)中心業(yè)務(wù)依舊維持了較高的景氣度。英偉達(dá)數(shù)據(jù)中心業(yè)務(wù)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(gè)季度創(chuàng)歷史新高，成為公司第一大業(yè)務(wù)，從趨勢上看將逐漸拉開與游戲業(yè)務(wù)距離。AMD在Q2實(shí)現(xiàn)營收65.5億美元，同比增長70%，公司于Q2首次公布了數(shù)據(jù)中心部門的營收，2022Q2數(shù)據(jù)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(jù)公司公開交流，公司本季度EPYC處理器需求強(qiáng)勁，云計(jì)算和企業(yè)客戶均同比顯著增長。在云計(jì)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(gè)基于第三代EPYC處理器的新實(shí)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(shù)據(jù)中心市場景氣度依舊保持高位，且根據(jù)指引預(yù)期來看，未來還將繼續(xù)保持高景氣增長。結(jié)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(dòng)，中期北美數(shù)據(jù)中心產(chǎn)業(yè)景氣度可見。從長期來看，作為全球云計(jì)算的領(lǐng)先市場，同時(shí)伴隨Meta、蘋果等巨頭在元宇宙、AR/VR領(lǐng)域的加速探索，北美流量長期增長的態(tài)勢不會(huì)改變，數(shù)據(jù)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?？v觀IDC產(chǎn)業(yè)投資機(jī)會(huì)，我們認(rèn)為當(dāng)前主要集中在兩方面，第一是底部出清的國內(nèi)優(yōu)質(zhì)IDC龍頭公司，第二是存在預(yù)期差的北美IDC產(chǎn)業(yè)鏈，第三是國產(chǎn)算力芯片、設(shè)備廠商。國內(nèi)優(yōu)質(zhì)IDC龍頭公司目前已經(jīng)底部出清，從2020年開始紛紛進(jìn)行資本運(yùn)作與產(chǎn)能擴(kuò)張。同時(shí)，隨著國內(nèi)互聯(lián)網(wǎng)企業(yè)基本面出回暖跡象，因此國內(nèi)IDC的需求端情況有望逐漸改善。目前市場對(duì)北美宏觀經(jīng)濟(jì)情況持謹(jǐn)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(dān)心22H2在美國加息周期中，大廠投資會(huì)存在波動(dòng)，但我們?nèi)詫?duì)此中長期市場需求持較樂觀的態(tài)度，一旦加息預(yù)期出現(xiàn)拐點(diǎn)（加息周期影響云廠商業(yè)務(wù)收入，同時(shí)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(yù)期差。3.3邊緣計(jì)算：方興未艾，未來可期前文提到，由于未來社會(huì)算力爆發(fā)下產(chǎn)生的海量數(shù)據(jù)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(duì)于時(shí)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(jìn)一步加劇“集中式”與“分布式”需求的錯(cuò)配。在此背景下，邊緣計(jì)算便成為了傳統(tǒng)云端算力的很好補(bǔ)充，云計(jì)算聚焦非實(shí)時(shí)，長周期數(shù)據(jù)的大數(shù)據(jù)分析，能夠在周期性維護(hù)，業(yè)務(wù)決策支撐等領(lǐng)域發(fā)揮特長。邊緣計(jì)算聚焦實(shí)時(shí)、短周期數(shù)據(jù)的分析，能更好的支撐本地業(yè)務(wù)的實(shí)時(shí)智能化處理與執(zhí)行。算力“泛在”的模式也將隨著邊緣計(jì)算的加入得到完善。當(dāng)前時(shí)點(diǎn)，邊緣計(jì)算產(chǎn)業(yè)正處于起步前期，部分行業(yè)應(yīng)用開始涌現(xiàn)并走向成熟，本段將從邊緣計(jì)算的定義、優(yōu)勢、行業(yè)空間、應(yīng)用案例、產(chǎn)業(yè)鏈玩家、A股相關(guān)標(biāo)的來剖析邊緣計(jì)算的當(dāng)前現(xiàn)狀與未來機(jī)會(huì)、邊緣計(jì)算的定義根據(jù)邊緣計(jì)算產(chǎn)業(yè)聯(lián)盟的定義，邊緣計(jì)算是在靠近物或者數(shù)據(jù)源頭得到網(wǎng)絡(luò)邊緣側(cè)，融合網(wǎng)絡(luò)、計(jì)算、存儲(chǔ)、應(yīng)用核心能力的開放平臺(tái)，就近提供邊緣智能服務(wù)，滿足行業(yè)數(shù)字化在敏捷聯(lián)接，實(shí)時(shí)業(yè)務(wù)、數(shù)據(jù)優(yōu)化、應(yīng)用智能、安全與隱私保護(hù)封方面的關(guān)鍵需求。在相關(guān)理論加速成熟的同時(shí)，行業(yè)聯(lián)盟也在加速建立，目前主流的邊緣計(jì)算聯(lián)盟包括了

思科、ARM、英特爾、戴爾、微軟、普林斯頓大學(xué)等6家機(jī)構(gòu)成立的開放霧計(jì)算聯(lián)盟、華為、沈自所、信通院、因特爾、ARM、軟通動(dòng)力等6家機(jī)構(gòu)聯(lián)合發(fā)起成立了邊緣計(jì)算產(chǎn)業(yè)聯(lián)盟、IEC/ISOJTC1SC41成立的邊緣計(jì)算研究組、IIC成立邊緣計(jì)算技術(shù)工作組和IEEE成立的霧計(jì)算網(wǎng)絡(luò)架構(gòu)工作組等。從功能由簡到繁來分析，邊緣計(jì)算的發(fā)展總體可以分為三個(gè)結(jié)算，即聯(lián)接、智能、自治。聯(lián)接階段，邊緣計(jì)算主要解決終端及設(shè)備的海量、異構(gòu)與實(shí)時(shí)連接，網(wǎng)絡(luò)自動(dòng)部署與運(yùn)維，并保證聯(lián)接的安全、可靠與互操作性。這一階段的典型應(yīng)用包括了自動(dòng)抄表等智能階段，在該階段，邊緣側(cè)將會(huì)引入數(shù)據(jù)分析與業(yè)務(wù)自動(dòng)處理能力，智能化執(zhí)行蹦迪業(yè)務(wù)邏輯，大幅提升效率，降低成本。這一階段的典型應(yīng)用包括了各種設(shè)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(shù)引入，邊緣側(cè)不僅可以自主進(jìn)行業(yè)務(wù)邏輯分析與計(jì)算，還能夠動(dòng)態(tài)實(shí)時(shí)的自我優(yōu)化，調(diào)整和執(zhí)行策略，該階段的典型應(yīng)用是各類無人工廠和智能化設(shè)備。邊緣計(jì)算的優(yōu)勢我們認(rèn)為，在5G，AI、物聯(lián)網(wǎng)等技術(shù)與環(huán)境的加持下，邊緣計(jì)算體現(xiàn)出了5大應(yīng)用價(jià)值，分別是低延時(shí)、低帶寬、更經(jīng)濟(jì)的智能、數(shù)據(jù)可控、高可靠。低時(shí)延：低時(shí)延是提高用戶體驗(yàn)甚至是使得某些應(yīng)用能夠工作的重要因素。一方面，邊緣計(jì)算通過在網(wǎng)絡(luò)邊緣進(jìn)行數(shù)據(jù)處理，降低了因數(shù)據(jù)在終端和云端之間多跳傳輸產(chǎn)生的時(shí)延。另一方面，利用優(yōu)化的邊緣算力進(jìn)行數(shù)據(jù)處理，也比利用有限的終端算力進(jìn)行數(shù)據(jù)。低帶寬：物聯(lián)網(wǎng)設(shè)備產(chǎn)生的數(shù)據(jù)具有體量大、價(jià)值密度較小的特性。如果把原始數(shù)據(jù)直接傳輸?shù)皆贫诉M(jìn)行處理，很大程度上造成網(wǎng)絡(luò)擁塞，為了保證帶寬所需的成本代價(jià)也極高。邊緣計(jì)算對(duì)海量原始數(shù)據(jù)進(jìn)行預(yù)處理和分析挖掘，將產(chǎn)生的高價(jià)值洞察傳送到云端，極大程度降低了對(duì)帶寬的依賴。更經(jīng)濟(jì)的智能：視頻監(jiān)控、語音識(shí)別、圖像分析等人工智能應(yīng)用越來越廣泛地被應(yīng)用于滿足行業(yè)的業(yè)務(wù)需求。AI模型的訓(xùn)練需要非常強(qiáng)大算力的支持，不可避免地要在云端進(jìn)行。但基于實(shí)時(shí)數(shù)據(jù)進(jìn)行模型推理如果也在云端進(jìn)行，網(wǎng)絡(luò)成本會(huì)非常高。同時(shí)，普通的終端設(shè)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(jì)算將AI模型推理卸載到邊緣節(jié)點(diǎn)，在邊緣節(jié)點(diǎn)上通過GPU、加速硬件虛擬化等機(jī)制提高模型推理的并發(fā)能力，以一種經(jīng)濟(jì)有效的方式實(shí)現(xiàn)應(yīng)用智能。數(shù)據(jù)可控：企業(yè)往往對(duì)將自己的生產(chǎn)數(shù)據(jù)傳輸?shù)皆贫诉M(jìn)行處理有很大顧慮。邊緣計(jì)算能實(shí)現(xiàn)敏感數(shù)據(jù)不出工廠，不出園區(qū)，直接在本地對(duì)數(shù)據(jù)進(jìn)行清洗、預(yù)處理、聚合、篩選，避免了數(shù)據(jù)傳輸過程中可能的泄露、遺失、篡改等風(fēng)險(xiǎn)。此外，云計(jì)算數(shù)據(jù)中心對(duì)數(shù)據(jù)的安全控制力度并不是十分理想，API訪問權(quán)限控制以及密鑰生成、存儲(chǔ)和管理方面的不足都可能造成數(shù)據(jù)泄漏，并且還可能缺乏必要的數(shù)據(jù)銷毀政策。邊緣計(jì)算可以實(shí)現(xiàn)更可控的本地?cái)?shù)據(jù)存儲(chǔ)和管理，降低數(shù)據(jù)風(fēng)險(xiǎn)。高可靠：靠近數(shù)據(jù)生產(chǎn)或者使用的場所往往物理環(huán)境復(fù)雜、網(wǎng)絡(luò)條件不穩(wěn)定、潛在的攻擊窗口眾多。邊緣計(jì)算硬件專為嚴(yán)苛的物理環(huán)境設(shè)計(jì)，具有緊湊、堅(jiān)固、抗高溫高濕等物理特性。邊緣計(jì)算軟件平臺(tái)通過云邊協(xié)同來保障端到端的SLA，邊緣節(jié)點(diǎn)在斷網(wǎng)期間能實(shí)現(xiàn)自治，繼續(xù)支撐其上應(yīng)用的運(yùn)行，在網(wǎng)絡(luò)恢復(fù)之后，還能自動(dòng)與云端更新數(shù)據(jù)、狀態(tài)。邊緣計(jì)算軟件平臺(tái)還支持應(yīng)用跨節(jié)點(diǎn)部署及多實(shí)例運(yùn)行等能力，當(dāng)某個(gè)節(jié)點(diǎn)發(fā)生故障時(shí)，可快速實(shí)現(xiàn)負(fù)載遷移，避免對(duì)業(yè)務(wù)的影響。邊緣計(jì)算與5G隨著5G時(shí)代的到來，5G的廣連接、低時(shí)延、高帶寬三大特性完美契合了邊緣計(jì)算設(shè)備需要的網(wǎng)絡(luò)指標(biāo)。根據(jù)5GPPP發(fā)布的白皮書5Gempoweringverticalindustries5G通過邊緣計(jì)算技術(shù)將應(yīng)用部署到數(shù)據(jù)側(cè)，而不是將所有數(shù)據(jù)發(fā)送到集中的數(shù)據(jù)中心，滿足應(yīng)用的實(shí)時(shí)性。白皮書認(rèn)為，智慧工廠、智能電網(wǎng)、智能駕駛、健康醫(yī)療、娛樂和數(shù)字媒體是未來最具商業(yè)規(guī)模且排名靠前的邊緣計(jì)算需求場景，極具典型性，并且運(yùn)營商也在這些領(lǐng)域與行業(yè)客戶緊密合作，基于用戶需求，共同推動(dòng)邊緣計(jì)算的發(fā)展，為用戶提供安全可靠的邊緣計(jì)算業(yè)務(wù)。我們認(rèn)為，5G對(duì)于邊緣計(jì)算的推動(dòng)主要在于兩方面，一是網(wǎng)絡(luò)架構(gòu)的升級(jí)，推動(dòng)邊緣計(jì)算快速成熟。5G網(wǎng)絡(luò)將原先4G核心網(wǎng)經(jīng)云化拆分成5G核心控制層面和核心用戶層面，實(shí)現(xiàn)了用戶面與MEC同時(shí)下沉，有利于邊緣側(cè)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(jì)算網(wǎng)絡(luò)的拓展。當(dāng)前，5G網(wǎng)絡(luò)下的邊緣計(jì)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(shí)延業(yè)務(wù)的百公里傳輸引入的雙向時(shí)延低于1ms，但是基于廣域MEC的5G公網(wǎng)，已經(jīng)能夠?yàn)榇罅看怪毙袠I(yè)提供5G服務(wù)。MEC部署在安全可控的匯聚機(jī)房是當(dāng)前運(yùn)營商廣域MEC的主力方案，可用于權(quán)衡應(yīng)用對(duì)接、運(yùn)維復(fù)雜度、設(shè)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(hù)高敏感的行業(yè)，以滿足數(shù)據(jù)不出園的要求。港口龍門吊的遠(yuǎn)程操控，鋼鐵廠的天車遠(yuǎn)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(shí)延業(yè)務(wù)，同時(shí)支持企業(yè)業(yè)務(wù)數(shù)據(jù)本地流量卸載（LBO），為園區(qū)客戶提供本地網(wǎng)絡(luò)管道。通過增強(qiáng)隔離和認(rèn)證能力，防止公網(wǎng)非法訪問企業(yè)內(nèi)網(wǎng)，構(gòu)建企業(yè)5G私網(wǎng)。邊緣計(jì)算的行業(yè)規(guī)模根據(jù)IDC數(shù)據(jù)統(tǒng)計(jì)，到2020年，全球有超過500億的終端與設(shè)備聯(lián)網(wǎng)，未來超過50%的數(shù)據(jù)需要在網(wǎng)絡(luò)邊緣側(cè)分析。處理與存儲(chǔ)。根據(jù)思科發(fā)布的全球云指數(shù)數(shù)據(jù)，2021年全球產(chǎn)生106ZB的流量，其中數(shù)據(jù)中心流量僅占21ZB，全球超過70%的流量空間需要邊緣側(cè)設(shè)備的支持。根據(jù)國際數(shù)據(jù)公司(IDC)發(fā)布的全球邊緣計(jì)算支出報(bào)告，預(yù)計(jì)到2022年，全球在邊緣計(jì)算方面的支出將達(dá)到1760億美元，比2021年增長14.8%。企業(yè)和服務(wù)提供商在邊緣解決方案的硬件、軟件和服務(wù)上的支出預(yù)計(jì)將持續(xù)到2025年，這一增長速度將達(dá)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(yù)計(jì)到2022年支出將達(dá)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(yù)測中，中國將以19.7%的復(fù)合年增長率成為支出增長最快的國家，其次是拉美，其復(fù)合年增長率為19.4%。邊緣計(jì)算主流應(yīng)用當(dāng)下邊緣計(jì)算較為成熟的應(yīng)用主要集中在預(yù)測性維護(hù)、能效管理、智能制造，面向未來，我們認(rèn)為自動(dòng)駕駛、AI、AR/VR等需要高算力、低延時(shí)的場景會(huì)逐漸成長為邊緣計(jì)算的主流場景，這些場景我們會(huì)在第五節(jié)中進(jìn)行展開。預(yù)測性維護(hù)傳統(tǒng)的維護(hù)方式主要是事后維護(hù)和預(yù)防性維護(hù)，事后維護(hù)會(huì)導(dǎo)致業(yè)務(wù)中斷，預(yù)防性維護(hù)采用人工例行檢修，導(dǎo)致維護(hù)成本大幅度上升，以梯聯(lián)網(wǎng)為例，全球有超過1500萬部電梯在網(wǎng)運(yùn)行，電梯維保和售后服務(wù)正式成為電梯行業(yè)的“新藍(lán)?！?，越來越多的電梯廠商轉(zhuǎn)向整合產(chǎn)業(yè)鏈、依靠維保服務(wù)增加企業(yè)收入，但電梯通過事后維護(hù)和預(yù)防性維護(hù)的成本很高，且首次維護(hù)成功率低于20%。為實(shí)現(xiàn)商業(yè)模式創(chuàng)新，電梯廠商必須通過數(shù)字化改造提升運(yùn)維效率、降低運(yùn)維成本。通過引入邊緣計(jì)算，可以助力電梯廠商從傳統(tǒng)的預(yù)防性維護(hù)升級(jí)到新一代實(shí)時(shí)預(yù)測性維護(hù)，從而實(shí)現(xiàn)產(chǎn)品向服務(wù)的價(jià)值延申。能效管理隨著世界經(jīng)濟(jì)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(gè)國家或地區(qū)的經(jīng)濟(jì)發(fā)展水平和生活質(zhì)量，在能源需求日趨緊張的情況下，如何實(shí)現(xiàn)建筑能耗量化以及效果評(píng)估，降低建筑物（包括空調(diào)、路燈照明、辦公設(shè)備等）運(yùn)行過程中消耗的能量，從而降低運(yùn)行成本，同時(shí)提高用戶使用滿意度，滿足各大企業(yè)從提供產(chǎn)品向提供服務(wù)轉(zhuǎn)型，成為各大企業(yè)或組織機(jī)構(gòu)最為關(guān)注的問題。以路燈為例，世界80%的路燈廠商都準(zhǔn)備向智能路燈轉(zhuǎn)型，通過智能路燈節(jié)能減排，相關(guān)國家和國際組織也逐步在法律中明確建設(shè)綠色節(jié)能標(biāo)準(zhǔn)，如全球氣候組織呼吁十年完成全球路燈智能化改造、實(shí)現(xiàn)能耗減半。智能制造隨著消費(fèi)者對(duì)產(chǎn)品需求的日益增高，產(chǎn)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(chǎn)品生產(chǎn)模式將一定程度替代大批量生產(chǎn)制造模式，先前制造體系嚴(yán)格的分層架構(gòu)已經(jīng)無法滿足當(dāng)前的制造需求，以某消費(fèi)電子類產(chǎn)品的制造生產(chǎn)線為例，采用PLC+POC的模式構(gòu)建，由于訂單種類增加，單批次數(shù)量減少，導(dǎo)致平均每周的切單轉(zhuǎn)產(chǎn)耗時(shí)1~2天；新工藝升級(jí)每年至少3次、設(shè)備更替每年近百次，導(dǎo)致的控制邏輯/工序操作重置、接口配置耗時(shí)約5~12周，嚴(yán)重影響了新產(chǎn)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(diǎn)領(lǐng)域全面實(shí)現(xiàn)智能化，試點(diǎn)示范項(xiàng)目運(yùn)營成本降低50%，產(chǎn)品生產(chǎn)周期縮短50%，不良品率降低50%，制造智能化首先需要加強(qiáng)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(jì)算能夠推動(dòng)智能制造的實(shí)現(xiàn)。邊緣計(jì)算在工業(yè)系統(tǒng)中的具體表現(xiàn)形式是工業(yè)CPS系統(tǒng)，該系統(tǒng)在底層通過工業(yè)服務(wù)適配器，將現(xiàn)場設(shè)備封裝成web服務(wù)；在基礎(chǔ)設(shè)施層，通過工業(yè)無線和工業(yè)SDN網(wǎng)絡(luò)將現(xiàn)場設(shè)備以扁平互聯(lián)網(wǎng)的方式聯(lián)接到工業(yè)數(shù)據(jù)平臺(tái)中；

在數(shù)據(jù)平臺(tái)中，根據(jù)產(chǎn)線的工藝和工序模型，通過服務(wù)組合對(duì)現(xiàn)場設(shè)備進(jìn)行動(dòng)態(tài)管理和組合，并與MES等系統(tǒng)對(duì)接。工業(yè)CPS系統(tǒng)能夠支撐生產(chǎn)計(jì)劃靈活適應(yīng)產(chǎn)線資源的變化，舊的制造設(shè)備快速替換與新設(shè)備上線。4.綠色：雙碳制約下的算力網(wǎng)絡(luò)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(wǎng)絡(luò)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(jìn)一步下探幅度有限，能耗的增長將挑戰(zhàn)數(shù)字智能時(shí)代社會(huì)的可持續(xù)發(fā)展，在雙碳大背景下，構(gòu)建綠色算力網(wǎng)絡(luò)生態(tài)逐漸成為新的挑戰(zhàn)和機(jī)遇。4.1.算力需求指數(shù)及增長，數(shù)據(jù)中心能耗要求越發(fā)嚴(yán)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(xiàn)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(jí)卻仍然隨著其廣泛的應(yīng)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(shí)現(xiàn)智能社會(huì)的演進(jìn)，而另一方面這一進(jìn)程又必將伴隨著碳排放的提升而導(dǎo)致全球氣候的不可預(yù)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(guān)注。硅基芯片工藝制程提升的難度凸顯，單位算力功耗進(jìn)一步下探幅度有限。隨著工藝制程的進(jìn)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(xiàn)出了指數(shù)級(jí)下降的趨勢，發(fā)展到當(dāng)下7納米制程的先進(jìn)處理器芯片時(shí)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(qū)動(dòng)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(yīng)挑戰(zhàn)，一旦到達(dá)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(jìn)一步下降。數(shù)據(jù)中心用電量占比持續(xù)提升，制冷及IT設(shè)備占比達(dá)80%。在芯片單位算力功耗下降幅度有限的背景下，智能社會(huì)應(yīng)用的廣泛普及無可避免，勢必導(dǎo)致算力功耗總量的進(jìn)一步提升。根據(jù)工信部數(shù)據(jù)，隨著人工智能、物聯(lián)網(wǎng)、區(qū)塊鏈等技術(shù)的發(fā)展，中國數(shù)據(jù)中心總用電量為1609億千瓦時(shí)，占中國全社會(huì)用電量的2.35%，已經(jīng)顯著超過上海市2018年全社會(huì)用電量。面問未來，數(shù)據(jù)中心算力將在信息技術(shù)產(chǎn)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(dá)到10.64%。從數(shù)據(jù)中心內(nèi)部來看，中國數(shù)據(jù)中心電力成本占運(yùn)營成本的60%以上，數(shù)據(jù)中心耗能部分主要包括制冷系統(tǒng)、IT設(shè)備、供電系統(tǒng)和照明系統(tǒng)，其中制冷系統(tǒng)和IT設(shè)備合計(jì)占總能耗的80%。超大型數(shù)據(jù)中心符合綠色趨勢。數(shù)據(jù)中心PUE優(yōu)化的一大核心方向在于建立更多超大型(>10000個(gè)標(biāo)準(zhǔn)機(jī)架可共置至少100000臺(tái)服務(wù)器）和大型數(shù)據(jù)中心(>3000個(gè)標(biāo)準(zhǔn)機(jī)架可共置放至少30000臺(tái)服務(wù)器），從而帶動(dòng)整體數(shù)據(jù)中心PUE值優(yōu)化。超大型/大型數(shù)據(jù)中心會(huì)更加系統(tǒng)地從基礎(chǔ)設(shè)施和管理系統(tǒng)層面來進(jìn)行優(yōu)化，降低功耗，且通常會(huì)采用能耗比更加優(yōu)秀的服務(wù)器、數(shù)通設(shè)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(shù)創(chuàng)新是綠色數(shù)據(jù)中心關(guān)鍵點(diǎn)以百度云計(jì)算（陽泉）中心為例，其設(shè)計(jì)容納16萬臺(tái)服務(wù)器，采用了先進(jìn)的整機(jī)柜服務(wù)器，以模塊化設(shè)計(jì)將供電、散熱系統(tǒng)與服務(wù)器置于同一機(jī)柜內(nèi)，針對(duì)每個(gè)機(jī)柜服務(wù)器的實(shí)際運(yùn)行及功耗進(jìn)行個(gè)體化調(diào)節(jié)，同時(shí)輔以高壓直流＋市電直供的供電模式，實(shí)現(xiàn)傳極高的能源效率。在數(shù)據(jù)中心運(yùn)營管理軟件層面，大型數(shù)據(jù)中心會(huì)采用基于Al的智能化管理系統(tǒng)對(duì)供電、冷卻系統(tǒng)的運(yùn)營狀態(tài)進(jìn)行自適應(yīng)的動(dòng)態(tài)化調(diào)整。如華為廊坊數(shù)據(jù)中心所采用的iCooling數(shù)據(jù)中心能效解決方案，通過AI對(duì)歷史運(yùn)營數(shù)據(jù)分析，尋找供電、通風(fēng)、冷卻等影響能耗的不同關(guān)鍵因素，建立預(yù)測模型并對(duì)相應(yīng)系統(tǒng)進(jìn)行動(dòng)態(tài)調(diào)整，降低PUE，實(shí)現(xiàn)能耗優(yōu)化。除散熱創(chuàng)新外，UDC是數(shù)據(jù)中心的未來新方向。海底數(shù)據(jù)中心（簡稱UDC）由岸站、海底光電復(fù)合纜、海底分電站及海底數(shù)據(jù)艙組成，主體結(jié)構(gòu)為罐體結(jié)構(gòu)，電氣設(shè)備、冷卻系統(tǒng)均布置在罐體內(nèi)部，罐體頂部為海水冷卻系統(tǒng)。通過龐大的海水流冷卻數(shù)據(jù)艙，有效降低能耗，單艙P(yáng)UE可低于1.1，是高效利用海洋資源（海上風(fēng)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(xiàn)在降低成本上。UDC使用海水冷卻，無壓縮機(jī)運(yùn)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(yùn)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(nèi)為惰性氣體，故障率低，單機(jī)柜15-35KW，算力密度高，模塊化生產(chǎn)，部署效率高，90天內(nèi)完成從工廠安裝、調(diào)試到實(shí)際運(yùn)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(lǐng)域，ARM和X86架構(gòu)正在碰撞出更多火花。ARM與x86的競爭本質(zhì)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(fù)雜指令系統(tǒng)計(jì)算

（Complexinstructionsetcomputing,CISC）和精簡指令系統(tǒng)計(jì)算（Reducedinstructionsetcomputing,RISC），后者被使用在ARM上。RISC是相對(duì)于CISC而言的，其通過精簡指令集來減少硬件設(shè)計(jì)的復(fù)雜程度，同時(shí)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(jì)算量下，效率往往比CISC更高。事實(shí)上，Intel、AMD的新款x86產(chǎn)品也在向精簡指令邁進(jìn)，僅底層運(yùn)行CISC指令。功耗壓力大，ARM在服務(wù)器領(lǐng)域正在興起。CISC的復(fù)雜性決定x86架構(gòu)的CPU需要更高的單核主頻、更多的線程才能有更強(qiáng)性能，在摩爾定律逐漸接近瓶頸的現(xiàn)代，x86的芯片設(shè)計(jì)、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(quán)530家合作伙伴，授權(quán)數(shù)量達(dá)到1910件。ARM賽道玩家眾多，在商用服務(wù)器CPU領(lǐng)域，華為海思、凱為半導(dǎo)體、高通、安培和飛騰均有代表性產(chǎn)品。ARM入局服務(wù)器領(lǐng)域并非制程工藝、主頻&核心數(shù)競賽的結(jié)果，而是下游需求轉(zhuǎn)變促使ARM芯片能夠在服務(wù)器中發(fā)光發(fā)熱。ARM得到云計(jì)算大廠青睞，主要有以下幾個(gè)原因：

1）邊緣計(jì)算及微型IDC需求增加，ARM依靠低成本占據(jù)優(yōu)勢。受國際形勢及各國加強(qiáng)數(shù)據(jù)主權(quán)的影響，各大云計(jì)算廠商都在積極向市場投放微型數(shù)據(jù)中心，微型數(shù)據(jù)中心體積相對(duì)較小，對(duì)能源的需求較低，以便幫助集中式數(shù)據(jù)中心完成一部分邊緣計(jì)算任務(wù)，同時(shí)，邊緣計(jì)算往往數(shù)據(jù)多元化、計(jì)算負(fù)載變化大，因此ARM架構(gòu)CPU是部署微型數(shù)據(jù)中心建立分布式業(yè)務(wù)的更好選擇。例如，同代的ARMCortex-A72與x86Broadwell對(duì)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(gòu)的“眾核”、單線程架構(gòu)保證了更高的效率。以O(shè)racle公司OCI云服務(wù)的AmpereA1CPU為例，相比于同代、相似性能x86架構(gòu)的IntelXeonOptimized3，AmpereA1在執(zhí)行H.264視頻處理計(jì)算任務(wù)時(shí)花費(fèi)1美元處理的幀數(shù)提升了98%，相比AMDEPYCE4提升了22%。ARM架構(gòu)CPU擁有更低的單位成本，一是因?yàn)锳RM的專用計(jì)算單元與異構(gòu)計(jì)算技術(shù)結(jié)合，處理速