計算機行業(yè)算力深度報告一：算力研究框架-產(chǎn)業(yè)鏈全梳理

光模塊：實現(xiàn)光電信號互相轉(zhuǎn)換，國產(chǎn)廠商占全球市場份額50%以上 27基本定義：光模塊的功能是實現(xiàn)光電轉(zhuǎn)換，是光通信系統(tǒng)的核心器件 27產(chǎn)品分類：分類方式多樣，小型化、高速率、低功耗、低成本是發(fā)展趨勢 27產(chǎn)業(yè)鏈條：上游-元器件等，下-通信設(shè)備制造/數(shù)據(jù)中心/電信運營商 28市場規(guī)模：全球光模塊市場規(guī)模突破百億美元，中國市場約占四分之一 28競爭格局：國產(chǎn)廠商份額不斷提升，占據(jù)全球光模塊市場份額超過29交換機：提供網(wǎng)絡(luò)連接端口，思科獨占全球市場份額40% 29基本定義：交換機為接入它的任意兩個網(wǎng)絡(luò)節(jié)點提供獨享的電信號通路 29產(chǎn)品分類：基于網(wǎng)絡(luò)覆蓋范/基于傳輸速率和介質(zhì)/基于應(yīng)用規(guī)模等 29產(chǎn)業(yè)鏈條：上游-電子元器件，下-數(shù)據(jù)中心等領(lǐng)域 30市場規(guī)模：全球交換機市場規(guī)模達400億美元，我國約占全球市場規(guī)模17% 30競爭格局：思科是全球交換機市場絕對龍頭，華為、新華三、銳捷合計占國內(nèi)市場超過八成 31存儲設(shè)備：國外廠商壟斷全球存儲市場，三星、海力士、美光合計占比超過80% 31基本定義：存儲器是用來存儲程序和各種數(shù)據(jù)信息的記憶部件 31產(chǎn)品分類：和DRAM市場是主要細分市場 31市場規(guī)模：全球市場規(guī)模達600億美元，全球市場規(guī)模近千億美元 32競爭格局：國外廠商壟斷全球存儲市場，三星據(jù)、DRAM市場份額首位 33下游-數(shù)據(jù)中心/云服務(wù)——東數(shù)西算鑄基，算力租賃牽引 33數(shù)據(jù)中心：數(shù)據(jù)存儲和交換的中心，Equinix是全球龍頭 33基本定義：擁有完善的設(shè)備、專業(yè)化的管理、完善的應(yīng)用級服務(wù)的服務(wù)平臺 33產(chǎn)業(yè)鏈條：上游-基礎(chǔ)設(shè)施，中-數(shù)據(jù)中心運營服務(wù)商，下-應(yīng)用行業(yè) 34市場規(guī)模：全球市場達800億美元，國市場規(guī)模在2,500億元左右 34競爭格局：Equinix是全球龍頭，國內(nèi)市場三大運營商合計占比超50% 35云服務(wù)：分布式計算獨占全球市場份額40% 35基本定義：通過網(wǎng)絡(luò)以按需、易擴展的方式獲得所需服務(wù) 35產(chǎn)品分類：基礎(chǔ)設(shè)施即服(IaaS)/平臺即服務(wù)(PaaS)/軟件即服務(wù)(SaaS) 35產(chǎn)業(yè)鏈條：上游-芯片/基礎(chǔ)設(shè)備，中制造商/云服務(wù)提供商，下游-客戶端 36市場規(guī)模：全球云計算規(guī)模達4,000億美元，中國市場模4,500億元 36競爭格局約占全球云計算市場份額40%，國內(nèi)四大云計算廠商占比79% 36投資建議 37風(fēng)險提示 38圖表目錄圖表1：通用人工智能有望開啟第四次工業(yè)革命 6圖表2：1860年起英國煤炭消耗量上行約一個世紀(jì) 7圖表3：1920年起美國原油消耗量大幅上行 7圖表4：三要素：算法是車間工藝，算力是能源動力，數(shù)據(jù)是生產(chǎn)資料 7圖表6：2016年起大模型訓(xùn)練所需FLOPs出現(xiàn)斷點跳躍 8圖表7：訓(xùn)練與AI推理的對比 9圖表8：訓(xùn)練與推理芯片對比 9圖表9：2022-2027年人工智能服務(wù)器推理和訓(xùn)練工作負載預(yù)測 10圖表10：訓(xùn)練端算力需求預(yù)測 10圖表推理端算力需求預(yù)測 10圖表12：算力產(chǎn)業(yè)鏈：上游-芯片/元器件中游-服務(wù)器/網(wǎng)絡(luò)設(shè)備下游-數(shù)據(jù)中心/云服務(wù) 圖表13：算力產(chǎn)業(yè)圖譜：上游-芯片/元器件中游-服務(wù)器/網(wǎng)絡(luò)設(shè)備下游-數(shù)據(jù)中心/云服務(wù) 12圖表14：基本架構(gòu)圖：運算器控制器 13圖表15：主流架構(gòu)對比 14圖表16：產(chǎn)品分類：基于指令集/基于應(yīng)用領(lǐng)域 15圖表17：產(chǎn)業(yè)鏈：上游連接半導(dǎo)體設(shè)備/測試，下游連接整機/設(shè)備/應(yīng)用 15圖表18：2022年全球市場規(guī)模達650億美元 16圖表19：2021年全球微處理器市場規(guī)模高達千億美元 16圖表20：2023年我國微處理器市場規(guī)模預(yù)計在3,000億元左右 16圖表21：2022年Intel與約占全球服務(wù)器市場份額90%以上 17圖表22：2021年Intel約占全球市場規(guī)模半壁江山 17圖表23：2020年日韓系廠商占比全球市場主要市場份額 17圖表24：2022年架構(gòu)占全球市場主導(dǎo)地位 18圖表25：2023年全球市場份額由Intel與AMD兩巨頭占據(jù) 18圖表26：GPU與CPU對比 18圖表27：GPU相比CPU架構(gòu)更重視并行計算 19圖表28：支持多種語言和應(yīng)用程序編程接口 20圖表29：2022年全球GPU達422億美元，未來十年有望保持以上迅猛增長 20圖表30：2023年約占全球GPU市場份額近九成 21圖表31：算力由通用走向定制 21圖表32：2022年全球市場規(guī)模在千億體量，我國約占全球市場33.4% 22圖表33：市場格局及代表廠商 22圖表34：23圖表35：編程LC與改變邏輯電路進而實現(xiàn)不同的功能 23圖表36：2023年全球FPGA市場規(guī)模有望達94億美元 24圖表37：2023年我國FPGA市場規(guī)模有望達250億元 24圖表38：2022年約占全球FPGA市場份額52% 24圖表39：2019年約占我國FPGA市場份額37% 24圖表40：服務(wù)器的分類結(jié)構(gòu) 25圖表41：服務(wù)器產(chǎn)業(yè)鏈：上游連接硬件設(shè)備/軟件產(chǎn)品，下游連接應(yīng)用市場 25圖表42：2022全球服務(wù)器市場規(guī)模高達千億美元，我國約占全球市場規(guī)模四分之一 26圖表43：是全球服務(wù)器主流架構(gòu) 26圖表44：2023年中國服務(wù)器出貨量或達445萬臺 26圖表45：2023年戴爾、浪潮、占據(jù)全球服務(wù)器市場R3 27圖表46：2022年浪潮、新華三、超聚變引領(lǐng)國內(nèi)服務(wù)器市場 27圖表47：光模塊結(jié)構(gòu)示意圖 27圖表48：光模塊分類 28圖表49：光模塊產(chǎn)業(yè)鏈：上游連接元器件供應(yīng)商，下游連接通信設(shè)備制造等領(lǐng)域 28圖表50：2023年全球光模塊市場規(guī)模突破百億美元 29圖表51：2022年我國光模塊市場規(guī)模近億元 29圖表52：2021年全球光模塊市場份額 29圖表53：2022年全球光模塊市占率前中國占據(jù)7家 29圖表54：交換機的分類 30圖表55：交換機產(chǎn)業(yè)鏈：上游連接電子元器件，下游連接數(shù)據(jù)中心等領(lǐng)域 30圖表56：2022年全球交換機市場規(guī)模達億美元 31圖表57：2022年我國交換機市場規(guī)模達億美元 31圖表58：2022年思科是全球交換機市場絕對龍頭 31圖表59：2022年華為、新華三、銳捷合計占國內(nèi)市場超過八成 31圖表60：存儲器主要可分為外部存儲器和內(nèi)部存儲器 32圖表61：和DRAM對比 32圖表62：2022年全球市場規(guī)模近700億美元 33圖表63：2021年全球市場規(guī)模近千億美元 33圖表64：2022年三星占全球市場三分之一份額 33圖表65：2021年三星、海力士、美光壟斷全球市場 33圖表66：產(chǎn)業(yè)鏈：上游連接基礎(chǔ)設(shè)施，下游連接應(yīng)用行業(yè) 34圖表67：全國數(shù)據(jù)中心機架需求預(yù)計將在2025年到1400萬架 34圖表68：2022年全球數(shù)據(jù)中心市場規(guī)模達1300億美元 35圖表69：2023年我國數(shù)據(jù)中心市場規(guī)模在2,500億元左右 35圖表70：2022年Equinix是全球龍頭 35圖表71：2020年三大運營商占據(jù)國內(nèi)市場超份額 35圖表72：云計算產(chǎn)業(yè)鏈：上游連接芯/基礎(chǔ)設(shè)備，下游連接客戶端 36圖表73：2022年全球云計算市場規(guī)模達4,000億美元 36圖表74：2022年我國云計算市場規(guī)模達4,500億元 36圖表75：2022年約占全球云計算市場份額40% 37圖表76：2022年國內(nèi)四大云計算廠商共占市場份額37圖表77：推薦算力產(chǎn)業(yè)相關(guān)的計算機賽道22家主要標(biāo)的 37技術(shù)革命意味著什么？——新一代生產(chǎn)力工具（AGI）問世推動主體能源（算力）需求快速上行曙光：通用人工智能技術(shù)有望啟動第四次工業(yè)革命，算力為主體能源工業(yè)革命的本質(zhì)是以新一代生產(chǎn)力工具的大范圍應(yīng)用為核心，以主體能源為基礎(chǔ)動力的全局性經(jīng)濟范式轉(zhuǎn)型。歷史上共發(fā)生過三次工業(yè)革命，我們認為，本輪通用型人工智能發(fā)展浪潮有望啟動第四次工業(yè)革命：第一次技術(shù)革命：生產(chǎn)力工具：蒸汽機；主體能源類型：煤炭。第二次技術(shù)革命：生產(chǎn)力工具：內(nèi)燃機；主體能源類型：石油。第三次技術(shù)革命：生產(chǎn)力工具：計算機；主體能源類型：電力。第X次工業(yè)革命生產(chǎn)力變革能源動力變革關(guān)鍵事件驅(qū)動第一次第X次工業(yè)革命生產(chǎn)力變革能源動力變革關(guān)鍵事件驅(qū)動第一次蒸汽機煤炭1763~1775年，瓦特在馬修·博爾頓的支持下著手改良蒸汽機；1776年，瓦特設(shè)計的蒸汽機進行商業(yè)化應(yīng)用。1829年，蒸汽動力機車“火箭號”在利物浦到曼徹斯特的鐵路上試驗成功。全國性鐵路網(wǎng)絡(luò)的建設(shè)促進了物流效率的提升與社會分工的加速，進而推動了標(biāo)準(zhǔn)零部件生產(chǎn)的規(guī)模經(jīng)濟雛形誕生。第二次內(nèi)燃機石油1860年，比利時工程師艾蒂安·勒努瓦以蒸汽機為藍本，制成了首臺以天然氣為燃料的燃氣發(fā)動機。1862~1876年，德國工程師尼古拉斯·奧托將內(nèi)燃機的熱效率提升至10%；1876年，奧托制成了四沖程循環(huán)的內(nèi)燃機。1885年，戈特利布·戴姆勒制成了第一臺汽油機，并于次年造出第一輛用汽油機驅(qū)動的汽車。1908年，第一輛T型車從密歇根州底特律的福特工廠下線，福特汽車開啟了大規(guī)模流水線裝配的生產(chǎn)時代，為規(guī)模經(jīng)濟的工廠組織形態(tài)奠基。1924年，意大利建成了世界上第一條高速公路40志著高速公路時代的開始。1956年，美國通過《聯(lián)邦援助公路法案》，開工建設(shè)彼時世界上最大的公路網(wǎng)絡(luò)。第三次計算機電力1943-1945電子數(shù)值積分計算機）完成，這是第一臺完全電子的通用計算機，能夠重新編程以執(zhí)行各種任務(wù)。1971年，全球第一款商用微處理器英特爾微處理器4004問世。1974年，羅伯特·卡恩和文頓·TCP/IP，定義了在電腦網(wǎng)絡(luò)之間傳送報文的方法。1983年，蘋果電腦公司推出全球第一款搭載圖形界面的個人電腦AppleLisa。1990年，蒂姆·伯納斯-PC互聯(lián)網(wǎng)時代。2007年，初代iPhone面世，開啟移動互聯(lián)網(wǎng)時代。兩輪互聯(lián)網(wǎng)革命將實現(xiàn)了全球范圍內(nèi)的信息交流與遠程通訊，降低溝通成本，促使全球人員協(xié)作成為可能。第四次通用人工智能算力1997年，IBM深藍戰(zhàn)勝國際象棋世界冠軍加里·卡斯帕羅夫。2016年，AlphaGo戰(zhàn)勝圍棋世界冠軍李世石。2017年，《AttentionIsAllYouNeed》發(fā)表，Transformer模型問世，后續(xù)成為AI大模型的主流選擇。2022年，OpenAI旗下大語言模型產(chǎn)品ChatGPT問世。2023年，OpenAI旗下多模態(tài)大模型GPT4與Google旗下多模態(tài)大模型Gemini相繼問世。2024年，OpenAI旗下TexttoVideo/Image大模型Sora問世。大模型時代動輒千億參數(shù)的訓(xùn)練需要巨量的算力資源支撐，以GPU為代表的芯片或?qū)⒊蔀橥ㄓ萌斯ぶ悄軙r代的新能源。AI與軟件結(jié)合有望替換文書、設(shè)計與管理勞動工作，AI與硬件結(jié)合以機器人形態(tài)有望取代體力勞動工作。來源：Wikipedia，CarlotaPerez《技術(shù)革命與金融資本——泡沫與黃金時代的動力學(xué)》，中國科學(xué)院《人工智能的歷史、現(xiàn)狀和未來》，押注能源：歷次技術(shù)革命的主體能源需求量受益于生產(chǎn)力解放快速上行歷史上歷次技術(shù)革命所涉及的主體能源都會隨新一代生產(chǎn)力工具廣泛應(yīng)用而呈現(xiàn)能源需求持續(xù)上行的階段，以煤炭和石油兩種一次化石能源為例說明：以瓦特蒸汽機的大范圍應(yīng)用為代表的第二次技術(shù)革命最早在英國展開，后續(xù)逐漸擴散至歐洲大陸和美國。1860年起，英國煤炭消耗量上行約一個世紀(jì)，達峰之后逐漸回落，1860~1920年英國煤炭消耗量的快速爬升主要受益于蒸汽機在鐵路運輸、紡織、制造、采礦等各行業(yè)的廣泛應(yīng)用（1882年以后同時受益于煤電廠的興建。以內(nèi)燃機的大范圍應(yīng)用為代表的第三次技術(shù)革命最早在美國和德國展開，后續(xù)逐漸擴散至歐陸各國。1920年起，美國原油生產(chǎn)量持續(xù)保持高速爬升，1970s，美國國內(nèi)石油開采量放緩，對海外原油進口飆升，國內(nèi)石油需求持續(xù)增長。圖表2：1860年起英國煤炭消耗量上行約一個世紀(jì) 圖表3：1920年起美國原油消耗量大幅上行來源：FT《Britainpasseshistoricmilestonewithfirstdaysofcoal-freepower》，

來源：U.S.EnergyInformationAdministration,AnnualEnergyReview2009，算力需求有望在模型規(guī)模、算法創(chuàng)新、海量數(shù)據(jù)、應(yīng)用落地等多端推動下高增三要素：算法是車間工藝，算力是能源動力，數(shù)據(jù)是生產(chǎn)資料的車間工藝，它定義了如何處理和解釋數(shù)據(jù)。隨著深度學(xué)習(xí)等先進技術(shù)的興起，算法變得越來越復(fù)雜，對計算資源的需求也隨之增加。AICPU、、TPUAI模型訓(xùn)練的速度和效率，是實現(xiàn)模型快速迭代和優(yōu)化的關(guān)鍵。AIAI模型至關(guān)項目成功的關(guān)鍵環(huán)節(jié)。圖表4：AI三要素：算法是車間工藝，算力是能源動力，數(shù)據(jù)是生產(chǎn)資料來源：中華讀書報《智能時代的三要素——數(shù)據(jù)、算法和算力》，算力需求躍遷：模型訓(xùn)練所需增速超過摩爾定律，引發(fā)算力需求高增2010年以前（前深度學(xué)習(xí)時代2010IFLOs（FoatgPointOperationsPerSecond，衡量計算性能的指標(biāo)，特別是在深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)領(lǐng)域中，用來描述硬件設(shè)備在單位時間內(nèi)能夠完成的浮點運算次數(shù)。是評估深度學(xué)習(xí)模型的計算復(fù)雜度和硬件性能的重要指標(biāo)）始終保持穩(wěn)定（指數(shù)級）線性增長。這FLOPs20個月翻一倍，3×104FLOPs2×1014FLOPs。2010205年（深度學(xué)習(xí)時代200IFLOs相2010年代初興起以來，訓(xùn)練計620個月翻一倍的算力供201510到1004×1021FLOPs。2016（大模型時代206IFLOs出現(xiàn)斷點跳躍。2017AttentionNeed》發(fā)表，Transformer模型問世。Transformer架構(gòu)的出現(xiàn)使得模型能夠處理更長的序列和更復(fù)雜的任務(wù)（2017年之后陸續(xù)誕生眾多千億參數(shù)模型，但同時也需要更多的計算資源，算法上的創(chuàng)新推動了對更高計算能力的需求。同時，盡管存在如分布式訓(xùn)練和混合精度訓(xùn)練等提高訓(xùn)練效率的技術(shù)，但這些技術(shù)的應(yīng)用往往需要更多的硬件資源。為了實現(xiàn)大規(guī)模并行處理，需要大量GPUTPU2022年訓(xùn)練大模型的8×1023FLOPs。圖表5：2010AI相比前深度學(xué)習(xí)時代出現(xiàn)斜率突變來源：《ComputeTrendsAcrossThreeErasofMachineLearning》（JaimeSevillaetal.，2022），

圖表6：2016AI出現(xiàn)斷點跳躍來源：《ComputeTrendsAcrossThreeErasofMachineLearning》（JaimeSevillaetal.，2022），備注：藍色虛線代表深度學(xué)習(xí)模型訓(xùn)練所需算力隨時間的變化，紅色虛線代表大模型訓(xùn)練所需算力隨時間的變化算力分類：訓(xùn)練算力推理算力，算力體系逐步完善訓(xùn)練算力：指在訓(xùn)練機器學(xué)習(xí)模型時所需的計算資源。訓(xùn)練過程涉及將模型與訓(xùn)練數(shù)據(jù)進行多次迭代，調(diào)整模型參數(shù)以最小化損失函數(shù)（損失函數(shù)是衡量模型預(yù)測值與實際值之間差異的函數(shù)，反映模型性能越復(fù)雜的模型通常需要越多的訓(xùn)練算力，因為它們有更多的參數(shù)需要進行調(diào)整；使用更大型數(shù)據(jù)集進行訓(xùn)練通常需要更多計算資源，因為需要處理更多的數(shù)據(jù)量；較大的模型或更復(fù)雜的任務(wù)可能需要更多的迭代次數(shù)才能達到收斂，這會增加訓(xùn)練時間和計算資源的需求。推理算力：指執(zhí)行已經(jīng)訓(xùn)練好的模型進行預(yù)測或推理時所需的計算資源。在推理階段，模型不再更新參數(shù)，而是用來對新數(shù)據(jù)進行預(yù)測。這時，算力的需求與模型大小、批處理大?。˙atchSize，是指在深度學(xué)習(xí)中每次輸入的數(shù)據(jù)集大小、硬件配置有密切聯(lián)系。越大的模型通常需要越多的推理算力來執(zhí)行預(yù)測，因為它們具有更多的參數(shù)需要進行計算；推理時的批處理大小也會影響算力需求，較大的批處理大小可能需要更多的內(nèi)存和計算資源來處理；、TPU等硬件的類型和數(shù)量會影響推理的速度和效率，更強大的硬件通?？梢愿斓貓?zhí)行推理任務(wù)。圖表7：AI訓(xùn)練與AI推理的對比來源：MichaelAndersch，訓(xùn)練芯片：用于構(gòu)建神經(jīng)網(wǎng)絡(luò)模型，需要高算力和一定的通用性。推理芯片：利用神經(jīng)網(wǎng)絡(luò)模型進行推理預(yù)測，注重綜合指標(biāo)，單位能耗算力、時延、成本等。場景算力需求精度要求主要產(chǎn)品應(yīng)用場景場景算力需求精度要求主要產(chǎn)品應(yīng)用場景訓(xùn)練高，每個Token的訓(xùn)練成本通常約為6N（N是LLM的參數(shù)數(shù)量）高，一般使用16位、32位浮點甚至64位雙精度數(shù)據(jù)V100、A100、MI200；華為昇騰910；寒武紀(jì)思元290；壁仞B(yǎng)R100等對特定的預(yù)研模成各種任務(wù)推理的推2N較低，一般使用8位或16位整型數(shù)據(jù)英偉達L40、T4、A10、A30；AMDAlveoV70；寒武紀(jì)思100370；1.0頭哥含光800等在已經(jīng)完成訓(xùn)練的模型基礎(chǔ)上，利用輸入數(shù)據(jù)獲得所需要輸出的結(jié)果來源：Nvdia官網(wǎng)，算力規(guī)模：訓(xùn)練/推理對芯片提出不同要求，推理端算力需求有望遠超訓(xùn)練端IDC，202349.4%，預(yù)計全年的占比將達58.7%。隨著訓(xùn)練模型的完善與成熟，模型和應(yīng)用產(chǎn)品逐步進入投產(chǎn)模式，處理推理2027年，國內(nèi)用于推理的工作負載預(yù)72.6%。圖表9：2022-2027年人工智能服務(wù)器推理和訓(xùn)練工作負載預(yù)測41.3%58.4%41.3%58.4%67.7%68.8%70.5%72.6%58.7%41.6%32.3%31.2%29.5%27.4%0%2022 2023E 2024E 2025E 2026E 2027E訓(xùn)練 推理來源：IDC《2023-2024年中國人工智能計算力發(fā)展評估報告》，AI大模型在訓(xùn)練端和推理端都將產(chǎn)生巨量的算力需求：數(shù)量和每訓(xùn)練成本與模型參數(shù)量的關(guān)系分別估算總算力需求，再考慮單張GPUGPUGPUOpenAI發(fā)布的論文《ScalingforNeuralLanguageModels的訓(xùn)練成本通常約為6N，其中N是LLM的參數(shù)數(shù)量。以GPT-3為例，根據(jù)《TrainingCompute-OptimalLanguageModelsGPT31,750億，訓(xùn)3,0006×1,750億×3,000億=3.15×1023FLOs10公式13G-3大模型，且需要在一周以內(nèi)訓(xùn)練完成，則訓(xùn)練端峰值算力需求為3.15×1023FLOPs×2/（7×24×3600）1.041010公式2圖表10：訓(xùn)練端算力需求預(yù)測單個大模型所需算力=6N×訓(xùn)練Tokens數(shù)量（1）訓(xùn)練端峰值算力需求=單模型所需算力×模型數(shù)量÷單次訓(xùn)練秒數(shù)（2）來源：OpenAI《ScalingLawsforNeuralLanguageModels》（JaredKaplanetal.,2020），數(shù)量、每推理成本與模型參數(shù)量的關(guān)系估算推理端總算力需求，同時考慮最大并發(fā)峰OpenAI發(fā)布的論文《ScalingLawsforNeuralLanguageModels中N是LLM的參數(shù)數(shù)量。以為例，據(jù)SimilarWeb，2024年2月ChatGPT16.3億次，假設(shè)每次訪token000個（50個單詞haGT的參數(shù)規(guī)模為2,0002×2000億×1,000×0.56億=2.24×1022次，對應(yīng)1公式（12.4102/246060）26010FLOs1公式25，則最大并發(fā)峰值2.60107FLOs51.3108FLOs1公式3圖表11：推理端算力需求預(yù)測全天計算次數(shù)合計=2N×Tokens數(shù)量×查詢次數(shù)×日活人數(shù)（1）平均每秒所需峰值算力=全天計算次數(shù)合計÷24÷60÷60（2）最大并發(fā)峰值算力=平均每秒所需峰值算力×最大并發(fā)峰值算力乘數(shù)（3）來源：OpenAI《ScalingLawsforNeuralLanguageModels》（JaredKaplanetal.,2020），算力產(chǎn)業(yè)包括上游的芯片及元器件，中游的服務(wù)器與網(wǎng)絡(luò)設(shè)備，下游的數(shù)據(jù)中心及云服務(wù)三部分構(gòu)成，在其中的各個板塊，均已有國產(chǎn)廠商深度布局。產(chǎn)業(yè)鏈模塊具體產(chǎn)品國內(nèi)外代表廠商上游：芯片及元器件CPU國外代表廠商：超微半導(dǎo)體、英特爾、蘋果、高通、三星國內(nèi)代表廠商：上海兆芯、龍芯中科、海思（華為）、平頭哥（阿里）、海光信息、飛騰公司、國芯科技GPU國外代表廠商：超微半導(dǎo)體、英特爾、英偉達國內(nèi)代表廠商：上海兆芯、龍芯中科、壁仞科技、海光信息、景嘉微、沐曦FPGA國外代表廠商：賽靈思、阿爾特拉、萊迪思、美高森美國內(nèi)代表廠商：紫光股份、華微電子、安路科技、高云、復(fù)旦微電、昆侖芯（百度）。ASIC國外代表廠商：谷歌、英特爾國內(nèi)代表廠商：寒武紀(jì)、地平線、海思（華為）、瀾起科技、黑芝麻智能、燧原科技中游：服務(wù)器與網(wǎng)絡(luò)設(shè)備服務(wù)器國外代表廠商：戴爾、惠普、思科、甲骨文產(chǎn)業(yè)鏈模塊具體產(chǎn)品國內(nèi)外代表廠商上游：芯片及元器件CPU國外代表廠商：超微半導(dǎo)體、英特爾、蘋果、高通、三星國內(nèi)代表廠商：上海兆芯、龍芯中科、海思（華為）、平頭哥（阿里）、海光信息、飛騰公司、國芯科技GPU國外代表廠商：超微半導(dǎo)體、英特爾、英偉達國內(nèi)代表廠商：上海兆芯、龍芯中科、壁仞科技、海光信息、景嘉微、沐曦FPGA國外代表廠商：賽靈思、阿爾特拉、萊迪思、美高森美國內(nèi)代表廠商：紫光股份、華微電子、安路科技、高云、復(fù)旦微電、昆侖芯（百度）。ASIC國外代表廠商：谷歌、英特爾國內(nèi)代表廠商：寒武紀(jì)、地平線、海思（華為）、瀾起科技、黑芝麻智能、燧原科技中游：服務(wù)器與網(wǎng)絡(luò)設(shè)備服務(wù)器國外代表廠商：戴爾、惠普、思科、甲骨文國內(nèi)代表廠商：同方股份、聯(lián)想、中科曙光、神州數(shù)碼、中國長城、拓維信息、浪潮信息交換機國外代表廠商：思科國內(nèi)代表廠商：華為、中興、銳捷光模塊國外代表廠商：菲尼薩、魯門特姆國內(nèi)代表廠商：中際旭創(chuàng)、光迅科技存儲設(shè)備國外代表廠商：三星、美光科技國內(nèi)代表廠商：浪潮信息下游：數(shù)據(jù)中心及云服務(wù)數(shù)據(jù)中心國外代表廠商：易昆尼克斯、日本電信、數(shù)字地產(chǎn)國內(nèi)代表廠商：寶信軟件、萬國數(shù)據(jù)、奧飛數(shù)據(jù)、浪潮信息、數(shù)據(jù)港、紫光股份云服務(wù)國外代表廠商：亞馬遜云、微軟云、IBM云、谷歌云國內(nèi)代表廠商：阿里云、華為云、運營商云、潤澤科技、潤健股份、科華數(shù)據(jù)。來源：中國信通院《數(shù)據(jù)中心產(chǎn)業(yè)圖譜研究報告(2022)》，圖表13：算力產(chǎn)業(yè)圖譜：上游-芯片/元器件&中游-服務(wù)器/網(wǎng)絡(luò)設(shè)備&下游-數(shù)據(jù)中心/云服務(wù)來源：中國信通院《數(shù)據(jù)中心產(chǎn)業(yè)圖譜研究報告(2022)》，（注：圖中藍色虛線方框內(nèi)為境外公司，紅色虛線方框內(nèi)為中國公司）CPU：中央處理器，Intel與AMD兩大巨頭占據(jù)x86市場基本定義：CPU負責(zé)解釋計算機指令以及處理計算機軟件中的數(shù)據(jù)CPU是中央處理器（CentralProcessingUnit）的簡稱，采用超大規(guī)模的集成電路組成制CPU包括運算器（算術(shù)邏輯單元、累加寄存器、數(shù)據(jù)緩沖寄存器、狀態(tài)條件寄存器、控制器（指令寄存器、程序計數(shù)器、地址寄存器、指令譯碼器、時序，總線，中斷邏輯控制、高速緩沖存儲器、內(nèi)部數(shù)據(jù)總線、控制總線及狀態(tài)總線輸入/輸出接口等模塊。CPU的主要功能是解釋計算機指令以及處理計算機軟件中的數(shù)據(jù)。指令寄存器（IR）從存儲器或高速緩沖存儲器中取出指令，指令譯碼器（ID）對指令進行譯碼，將指令分解成一系列的微操作，向運算器中能夠進行所需運算的模塊發(fā)送控制命令，從而完成指令的執(zhí)行。圖表14：CPU基本架構(gòu)圖：運算器+控制器來源：中國軟件評測中心·集成電路測評工程技術(shù)中心《CPU技術(shù)與產(chǎn)業(yè)白皮書(2020年)》，分類：基于指令集的CISC與RISC，基于應(yīng)用領(lǐng)域的MPU/MCU/DSPCPUCPU按照指令集可分為CISC（ComplexInstructionSetComputer，復(fù)雜指令集）和RISC（ReducedInstructionSetComputer，精簡指令集）兩大類，CISC型CPU目前主要是X86架構(gòu)，RISC型CPU主要包括ARM、RISC-V、MIPS、POWER架構(gòu)等：CISC（復(fù)雜指令集）的架構(gòu)是一種為了便于編程和提高存儲器訪問效率的芯片設(shè)計體系，包括兩大主要特點：一是使用微代碼，指令集可以直接在微代碼存儲器里執(zhí)行，新設(shè)計的處理器，只需增加較少的晶體管電路就可以執(zhí)行同擁有包括雙運算元格式、寄存器到寄存器、寄存器到存儲器以及存儲器到寄存器的多種指令類型。架構(gòu)：ARM架構(gòu)過去稱作進階精簡指令集機器，是一個32位精簡指令集處理器架構(gòu)，其廣泛地使用在許多嵌入式系統(tǒng)設(shè)計，近年來也因其低功耗多核等特點廣指令集架構(gòu)的主要特點：一是體積小、低功耗、低成本、高性能；二是大量使用寄存器，且大多數(shù)數(shù)據(jù)操作都在寄存器中完成，指令執(zhí)行速度更快；三是尋址方式靈活簡單，執(zhí)行效率高；四是指令長度固定，可通過多流水線方式提高處理效率。架構(gòu)：RISC-V是加州大學(xué)伯克利分校設(shè)計并發(fā)布的一種開源指令集架構(gòu)，Linux，主要應(yīng)用于物聯(lián)網(wǎng)（IoT）領(lǐng)域，但可擴展至高性能計算領(lǐng)域。RISC-VLicense發(fā)布，由于允許衍生設(shè)計和開發(fā)閉RISC-V的IP核，如Si-FiveRISC-V核，部分企RISC-V的MCU芯片等。但整體上，由產(chǎn)業(yè)生態(tài)還比較薄弱，未來的發(fā)展仍有較長一段路要走。架構(gòu)：MIPSMIPS的優(yōu)勢主要1990年代已經(jīng)廣泛使用在服務(wù)器、工作站設(shè)備上。二是在學(xué)術(shù)界影響廣泛，計算機體系結(jié)構(gòu)教材都是以MIPS為實際例子。三是在架構(gòu)授權(quán)方面更為開放，授權(quán)門檻遠低于、ARM，在2019年曾經(jīng)有允許授權(quán)商自行更改設(shè)計、擴展指令，允許二次授權(quán)。架構(gòu)：POWERIBMRISC處理器架構(gòu)，POWER在大型機領(lǐng)域獨具優(yōu)勢。64位架構(gòu)處理器，開始應(yīng)用銅互聯(lián)和絕緣體上硅）技術(shù)。直至POWER9依然追求最高性能，不僅具備亂序執(zhí)行、對稱多處理技術(shù)）的硬件一致性處理。指令集架構(gòu)X86ARMRISC-VMIPSPOWER指令集指令集架構(gòu)X86ARMRISC-VMIPSPOWER指令集CISCRISCRISCRISCRISC發(fā)布時間1978年1985年2010年1981年1990年設(shè)計方英特爾ARM計算機公司加州大學(xué)伯克利分校美普思科技IBM核心應(yīng)用領(lǐng)域主要應(yīng)用于Intel，AMD等PC機，X86服務(wù)器中主要應(yīng)用于移動終端之中，類如手機，平板等主要應(yīng)用于物聯(lián)網(wǎng)領(lǐng)域，可擴展至高性能計算領(lǐng)域主要應(yīng)用于數(shù)字消費、寬體領(lǐng)域大型機領(lǐng)域市占率在PC市場獨霸多年在移動領(lǐng)域占主流起步相對較晚，但發(fā)展很快，在智能穿戴產(chǎn)品上應(yīng)用廣泛兩度易主后，新公司已國際主流應(yīng)用/開/閉源閉源閉源開源閉源閉源顯著特征面向家用，商用領(lǐng)域，性能和兼容性上做得更好面向移動，低積小、功耗高性能低功耗、低成本、靈活可擴展、安全可靠追求高性能追求最高性能來源：Wikipedia，PU按照下游應(yīng)用領(lǐng)域可分為通用微處理器（P,crorocessornt、微控制器（MCU,MicroControllerUnit）和專用處理器：通用微處理器：MPU通常按照面向的市場分為用于服務(wù)器、桌面（/筆記本、超級計算機等。微控制器：MCU。MCU的主100MHzCPU的頻率與規(guī)格做適當(dāng)縮減，并將內(nèi)存、計數(shù)器、、A/D轉(zhuǎn)換、、PLC、DMALCD驅(qū)動電路都整合在單MCU的主頻、功耗都很低，為不同應(yīng)用場合做不同組合控制。諸如在智能制造、工業(yè)控制、智能家居、遙控器消費領(lǐng)域，以及汽車電。專用處理器：專用處理器實現(xiàn)面向某一領(lǐng)域的特定功能。例如數(shù)字信號處理器（gtalgnalrocessor，P進行數(shù)字信號處理運算的微處理器，其主要應(yīng)用是實時快速地實現(xiàn)各種數(shù)字信號處理算法。廣泛應(yīng)用于數(shù)字控制、運動控制等方面。其它專用處理器還有深度學(xué)習(xí)處理器、數(shù)據(jù)庫加速處理器、安全處理器、類腦計算芯片等。圖表16：CPU產(chǎn)品分類：基于指令集/基于應(yīng)用領(lǐng)域來源：中國軟件評測中心·集成電路測評工程技術(shù)中心《CPU技術(shù)與產(chǎn)業(yè)白皮書(2020年)》，產(chǎn)業(yè)鏈條：上游半導(dǎo)體設(shè)備測試，下游-整機廠商行業(yè)解決方案應(yīng)用系統(tǒng)IP服務(wù)，半導(dǎo)CPU的產(chǎn)業(yè)鏈上游企業(yè)多為國外知名廠商，具CPU的產(chǎn)業(yè)鏈下游包括各類整機廠商、終端設(shè)備、網(wǎng)絡(luò)設(shè)備和應(yīng)用系統(tǒng)等，其中最重要的是服務(wù)器、桌面和嵌入式系統(tǒng)等硬件設(shè)備廠商。圖表17：CPU產(chǎn)業(yè)鏈：上游連接EDA/IP/半導(dǎo)體設(shè)備/測試，下游連接整機/設(shè)備/應(yīng)用來源：中國軟件評測中心·集成電路測評工程技術(shù)中心《CPU技術(shù)與產(chǎn)業(yè)白皮書(2020年)》，備注：應(yīng)用系統(tǒng)指的是一種能夠滿足特定業(yè)務(wù)需求和用戶需求的軟件系統(tǒng)，它通過與硬件設(shè)備交互，完成預(yù)先定義的任務(wù)，比如智能家居應(yīng)用系統(tǒng)、智慧農(nóng)業(yè)應(yīng)用系統(tǒng)。市場規(guī)模：全球微處理器市場規(guī)模高達千億美元，我國約占全球市場規(guī)模數(shù)據(jù)，20226502028970億美7%。圖表18：2022年全球CPU市場規(guī)模達650億美元9706509706509008007006005004003002001000202

2028E全球CPU市場規(guī)模（億美元）來源：Yole，Insights，2021PC和智能手機13.3%1,058億美元。2022年全微處理器）6.3%。Insights，2020MPU2,33636.3%。假設(shè)我國占全球市場比重保持不變，20233,382億元。圖表19：2021年全球微處理器市場規(guī)模高達千億美元 圖表20：2023年我國微處理器市場規(guī)模預(yù)計在億元左右1,6001,4001,2001,0000

2019202020212022E2023E2024E2025E2026E

20%15%10%5%0%-5%

4,0003,5003,0002,5002,0001,5001,0000

16.7%1,36413.3%1,0581,1241,2001,1731,2589338006.3%6.7%7.2%8.5%16.7%1,36413.3%1,0581,1241,2001,1731,2589338006.3%6.7%7.2%8.5%-2.2%中國MPU市場規(guī)模（億元） 右軸，%）

45%38.9%39.7%38.9%39.7%40.0% 40.0% 40.0%3,025 3,38227.6%35.9%2,7412,3361,95719.4%1,44017.3%10.4%11.8%35%30%25%20%15%10%5%0%全球微處理器市場規(guī)模（億美元） 右軸，%）

全球占比（右軸，%）來源：ICInsights， 來源：ICInsights，競爭格局：Intel約占全球MPU市場半壁江山，Intel與AMD獨占全球市場CounterpointAnalysis，2022年，Intel70.8%，AMD約占全球服務(wù)器CPU市場份額19.8%，二者合計約占90.6%；2021年，二者合計約占92.5%。圖表21：2022年Intel與AMD約占全球服務(wù)器CPU市場份額90%以上11.7%19.8%11.7%19.8%80.7%70.8%0%2021 2022Intel AMD AWS Ampere 來源：CounterpointAnalysis，據(jù)艾瑞咨詢，2021年，全球MPU（微處理器）市場多被英特爾、蘋果和高通等美系廠21Insight競爭格局中分別位列第八、九位，未來份額有待進一步提升。據(jù)艾瑞咨詢，2020年，歐美及日韓系廠商在全球MCU（微控制器）市場占據(jù)絕對優(yōu)勢，尤其在汽車/車規(guī)級與工控領(lǐng)域的中高端產(chǎn)品線。中穎電子、兆易創(chuàng)新等中國廠商多由消費電子切入，正發(fā)力轉(zhuǎn)型突破以進入中高端市場。圖表22：2021Intel市場規(guī)模半壁江山

圖表23：2020年日韓系廠商占比全球MCU市場主要市場份額其他,14.1%聯(lián)發(fā)科,4.0%

其他,17.1%

瑞薩電子,17.1%AMD,8.9% 高通,9.1% 蘋果,13.0%

英特爾,50.9%

德州儀器,7.3%微芯,12.7%意法半導(dǎo)體,14.5%

14.6%

恩智浦,16.7%來源：艾瑞咨詢《中國半導(dǎo)體IC產(chǎn)業(yè)研究報告(2022年)》， 來源：艾瑞咨詢《中國半導(dǎo)體IC產(chǎn)業(yè)研究報告(2022年)》，90%左右。ARM架構(gòu)的低成本、低功耗、系統(tǒng)通用性、日益加強的性能以及海量終端設(shè)2Arm市場的份額從20201.4%2022的部分市場。據(jù)MercuryResearch，全球x86CPU市場份額由Intel與AMD兩巨頭占據(jù)。2023Q2，Intel約占全球x86CPU市場份額68.4%，AMD約占31.6%。圖表24：2022年x86架構(gòu)占全球市場主導(dǎo)地位 圖表25：2023年全球x86市場份額由Intel與1.40%12.80%98.60%87.20%1.40%12.80%98.60%87.20%100%

2020

2022

100%90%80%70%60%50%40%30%20%10%0%

27.7%27.7%31.4%28.5% 31.3%34.6%31.6%72.3%68.6%71.5% 68.7%65.4%68.4%2022Q1 2022Q2 2022Q3 2022Q4 2023Q1 2023Q2全球PC市場x86架構(gòu)占比 全球PC市場ARM架構(gòu)占比

Intelx86CPU市場份額 x86CPU市場份額來源：億歐智庫， 來源：MercuryResearch，GPU：CUDA大幅降低GPU并行計算的編程難度，NV約占全球市場九成份額基礎(chǔ)定義：CPU側(cè)重低延遲計算，GPU更側(cè)重并行計算GPU一般指圖形處理器GraphcsrocessngntGP，又稱顯示核心、視覺處理器、顯示芯片，是一種專門在個人電腦、工作站、游戲機和一些移動設(shè)備（如平板電腦、智能手機等）上做圖像和圖形相關(guān)運算工作的微處理器。GPUCPU設(shè)計處理的計算任務(wù)的目標(biāo)是不一樣的，CPU是一種低延遲的設(shè)計，GPU更側(cè)重并行計算。通俗地講，CPU可單獨處理復(fù)雜的邏輯運算和不同的數(shù)據(jù)類型，如同GPU是用很多簡單的計算單元去完成大量的10GPU整體結(jié)構(gòu)有很大的區(qū)別。比對角度CPUGPU計算能力具有強大且較少的ALU（ArithmeticLogicUnit，算術(shù)邏輯單元），時鐘頻率很高比對角度CPUGPU計算能力具有強大且較少的ALU（ArithmeticLogicUnit，算術(shù)邏輯單元），時鐘頻率很高有大量的ALU，可以支持并發(fā)的計算線程存儲容量Cache（高速緩存），一L1?L2L3三級高速緩存；L3可Cache很小，緩存的目的不是保存后面需要訪問的數(shù)據(jù)，而是為線程提高服務(wù)的控制邏輯有復(fù)雜的控制邏輯，比如復(fù)雜的流水線（Pipeline）、分支預(yù)測（Branchprediction）、亂序執(zhí)行（Out-of-orderexecution）等沒有復(fù)雜的控制邏輯，沒有分支預(yù)測等組件應(yīng)用領(lǐng)域各種計算任務(wù)，例如操作系統(tǒng)、應(yīng)用程序和各種算法圖形和圖像處理任務(wù)，例如游戲、視頻編輯和計算機視覺；非圖像顯示并涉及大量并行運算的領(lǐng)域，例如AI訓(xùn)練、加密解密、科學(xué)計算來源：因特爾官網(wǎng)，騰訊云，圖表27：GPU相比CPU架構(gòu)更重視并行計算來源：Github，NVDIA，CUDA：大幅降低GPU并行計算的編程難度，實現(xiàn)GPU的通用化DA（oputenfedevcerchtecture，統(tǒng)一計算設(shè)備架構(gòu)，由DIA于2007CGPU來處理計算密集型任務(wù)。因此，從簡單的角度，可以理解為這是一套英偉達提供給開發(fā)人員的編程工具，運用CUDA能省下大量撰寫低階語法的時間，進而直接使用高階語法諸如GPU上的演算法，解決平行運算中復(fù)雜的問題。CUDA平臺包含了一系列工具函數(shù)，有各種功能，如：數(shù)據(jù)索引：從主機端存儲器內(nèi)核函數(shù)：GPU上的計算函數(shù)代碼線程分配:把計算任務(wù)分配到各個線程（定義數(shù)據(jù)存儲的緩存層次：哪些數(shù)據(jù)在離計算單元較近的緩存，哪些在比較遠的全局存儲器設(shè)置流與事件：劃定某些計算節(jié)點，以實現(xiàn)復(fù)雜的任務(wù)圖CUDA具備三點核心優(yōu)勢：高效的并行計算能力：CUDA能夠讓成千上萬的GPU核心同時工作，大幅提高計算速度。CUDA的應(yīng)用幾乎遍及所有需要大量計算的領(lǐng)域。如：科學(xué)研究（在物理、化學(xué)、生物等領(lǐng)域，CUDA能夠加速復(fù)雜的模擬和計算過程。比如，模、深度學(xué)習(xí)（深度學(xué)習(xí)需要處理大量的數(shù)據(jù)和復(fù)雜的計算。使用CUDA、圖像處理（從電影的特效制作到醫(yī)學(xué)圖像的分析，CUDA能夠加速圖像處理的過程，、金融分析（在金融領(lǐng)域，CUDA被用來加）等。強大的生態(tài)支持：NVIDIA提供了豐富的文檔、教程和工具，讓開發(fā)者更容易地開的應(yīng)用。圖表28：CUDA支持多種語言和應(yīng)用程序編程接口來源：NVIDA，市場規(guī)模：2022年全球市場規(guī)模達422億美元，未來十年有望高速增長VerifiedMarketResearch，2021GPU334.7億美元。PrecedenceResearch，2022GPU10CAGR30%以上，2032年全球GPU市場規(guī)模有望達到7,731億美元。圖表29：2022年全球GPU達422億美元，未來十年有望保持30%以上迅猛增長9,0008,0007,0006,0005,0004,0003,0002,0001,000

33.9%34.0%33.9%34.0%34.1%33.3%33.4%33.5%33.6%33.7%33.8%34.2%7,7315,7614,2963,2062,3941,78926.1%1,3381,00233542256375002021 20222023E2024E2025E2026E2027E2028E2029E2030E2031E2032E

25%全球GPU市場規(guī)模（億美元） 右軸，%）來源：VerifiedMarketResearch，PrecedenceResearch，競爭格局：NV約占全球GPU市場份額近九成，AMD與Intel約占據(jù)JCR，2022Q2開始，NV約占全球GPU市場份額80%以上。2023Q2，NV約占全球GPU市場份額高達87%，AMD約占10%，Intel約占3%。圖表30：2023年NV約占全球GPU市場份額近九成15%7%8%10%15%7%8%10%9%80%86%82%88%87%90%80%70%60%50%40%30%20%10%0%202

202

202

202

2023Q2Nvdia AMD Intel來源：JCR，ASIC：算力由通用走向定制，2022年我國市場規(guī)模達億元基礎(chǔ)定義：專用集成電路，算力從通用走向定制ASIC（ApplicationSpecificIntegratedCircuit，專用集成電路）是一種專用芯片，與傳統(tǒng)的通用芯片有一定的差異，是為了某種特定的需求而專門定制的芯片。ASIC芯片的計算能力和計算效率都可以根據(jù)算法需要進行定制，所以ASIC與通用芯片相比，具有以下幾個方面的優(yōu)越性：體積小、功耗低、計算性能高、計算效率高、芯片出貨量越大成本越低。但是缺點也很明顯，只能針對特定的某個或某幾個應(yīng)用場景，一旦算法和流程變更可能導(dǎo)致ASIC無法滿足業(yè)務(wù)需求。圖表31：算力由通用走向定制來源：中國聯(lián)通算力網(wǎng)絡(luò)產(chǎn)業(yè)技術(shù)聯(lián)盟《異構(gòu)算力統(tǒng)一標(biāo)識與服務(wù)白皮書(2021年)》，市場規(guī)模：2022年全球市場規(guī)模在千億體量，我國約占全球市場33.4%MarketMonitor，2022335億元，約占全球市場的33.4%。預(yù)計2028年全球市場有望達1,677億元，22~28年CAGR8.9%。圖表32：2022年全球ASIC市場規(guī)模在千億體量，我國約占全球市場33.4%1,6771,0061,6771,00633502022 2028E全球市場規(guī)模（億元） 中國市場規(guī)模（億元）來源：MarketMonitor，競爭格局：競爭格局開放，自主開發(fā)正當(dāng)時不同于CPU、、FPGA，目前全球市場并未形成明顯的頭部廠商。由開發(fā)周期長，僅有大廠有資金與實力進行研發(fā)。同時，ASIC是全定制芯片，在某些特定場景下運行效率最高，故某些場景下游市場空間足夠大時，量產(chǎn)芯片可ASIC有TPU芯片、芯片、VPU芯片以及BPU芯片，它們分別是由Google、寒武紀(jì)、Intel以及地平線公司設(shè)計生產(chǎn)。在海外，谷歌TU是主導(dǎo)者，國內(nèi)初創(chuàng)芯片企業(yè)（如寒武紀(jì)、比特大陸和地平線，互聯(lián)網(wǎng)巨頭（如百度、華為海思和阿里）在細分領(lǐng)域也有所建樹，目前已經(jīng)取得了一定的成果。圖表33：ASIC市場格局及代表廠商名稱提供商簡介ASICTPUGoogleTPU是谷歌針對自身應(yīng)用專門優(yōu)化的人工智能芯片，該芯片已經(jīng)在AlphaGo中應(yīng)用，并支持TensorFlow機器學(xué)習(xí)框架。NPU寒武紀(jì)NPU是中科院計算所團隊研發(fā)，采用“數(shù)據(jù)驅(qū)動并行計算”的架構(gòu)，可應(yīng)用于手機、安防、可穿戴設(shè)備等終端芯片中。VPUIntelIntel收購的Movidius開發(fā)的Myriad系列VPU專門為計算機視覺進行優(yōu)化，可以用于3D掃描建模、室內(nèi)導(dǎo)航、360度全景視頻等計算機視覺用途。BPU地平線BPU芯片是地平線機器人研發(fā)，該芯片未來會直接應(yīng)用于自身的主要產(chǎn)品中，包括智能駕駛、智能生活和智能城市。BM1680比特大陸2017年其最新發(fā)布的BM1680專用芯片適用于CNN/RNN等深度學(xué)習(xí)網(wǎng)絡(luò)模型的預(yù)測和訓(xùn)練計算加速。來源：因特爾官網(wǎng)，智能計算芯世界，騰訊網(wǎng)，F(xiàn)PGA：現(xiàn)場可編程芯片，Xilinx約占全球市場份額基礎(chǔ)定義：現(xiàn)場可編程的芯片，F(xiàn)PGA（Field-ProgrammableArray，現(xiàn)場可編程門陣列）芯片的最大特點是現(xiàn)場、、DSP、ASIC芯片，在芯片被制造完FPGA芯片在制造完成后，其功能并未固定，用戶可以根據(jù)自己的實際需要，將自己設(shè)計的電路FPGAEDAFPGA芯片進行功能配置，從而將空白的FPGA芯片轉(zhuǎn)化為具有特定功能的集成電路芯片。FPGA的優(yōu)勢有以下四點：1、可重構(gòu)性：可以被重新編程來實現(xiàn)不同的邏輯功能，靈活度高，能適應(yīng)不同的應(yīng)用需求。2、高性能：由于FPGA可以被定制設(shè)計，因此可以實現(xiàn)非常高效的邏輯運算。此外，F(xiàn)PGA通常具有并行計算能力，可以處理大量數(shù)據(jù)，在某些應(yīng)用中比傳統(tǒng)處理器更快。3、低功耗：由于FPGA可以被編程來執(zhí)行特定的任務(wù)，因此能更有效地利用能量，減少功耗。4、實時性：FPGA可以實時處理輸入數(shù)據(jù)，在需要實時響應(yīng)的應(yīng)用中具有很大的優(yōu)勢。FGA芯片由可編程的邏輯單元Logcel，L、輸入輸出單元nputOutputock，IO）和開關(guān)連線陣列（SwitchBox，SB）三個部分構(gòu)成。圖表34：FPGA=LC+IO+SB來源：安路科技招股說明書，功能實現(xiàn)：編程與改變邏輯電路進而實現(xiàn)不同的功能用戶通過對邏輯單元（LC）和開關(guān)陣列（SB）的編程，使FPGA內(nèi)部形成不同的邏輯電路進而實現(xiàn)用戶所需的功能。具體而言，用戶將需要實現(xiàn)的電路功能用硬件描述語言FPGA專用軟件接受用戶的功能描述和目標(biāo)要求后，通過邏輯綜合、布局布線和物理優(yōu)化，最終編譯生成二進制位流數(shù)據(jù)tstream。用戶將位流FPGA芯片上或芯片外的特定存儲空間，F(xiàn)PGA芯片啟動后將位流加載到邏SRAM控制存儲空間，F(xiàn)PGA芯片就實現(xiàn)了用戶期望的特定功能。圖表35：編程LC與SB改變邏輯電路進而實現(xiàn)不同的功能來源：安路科技招股說明書，市場規(guī)模：全球FPGA規(guī)?；蚪賰|美元，中國市場約占37.9%Frost&Sullivan，2023FPGA94億美元，18~23CAGR有望11.7%FPGA25037.9%，18~23CAGR16.7%。圖表36：2023年全球市場規(guī)模有望達94億美元 圖表37：2023年我國市場規(guī)模有望達250億元0

20%17.9%15.7%17.9%15.7%125.816.6%15.3%109.112.8%93.611.1%11.8%79.468.643.448.253.956.860.875.4%.0%16%14%12%10%8%6%4%2%0%

350332.233.1%332.233.1%32.4%290.1249.987.3115.6129.616.0%12.1%150.317.6%208.8176.818.1%19.7%16.1%14.5%65.6250200150100500

全球FPGA市場規(guī)模（億美元） 右軸，%）

中國FPGA市場規(guī)模（億元） 右軸，%）來源：Frost&Sullivan， 來源：Frost&Sullivan，競爭格局：Xilinx約占全球市場份額，安路科技為國產(chǎn)龍頭廠商據(jù)中商產(chǎn)業(yè)研究院，2022年，Xilinx約占全球FPGA市場份額52%，Intel旗下Altera約占35%，Lattice約占5%，Microsemi約占5%，全球市場仍由國外廠商主導(dǎo)。據(jù)Frost&Sullivan，2019年，Xilinx約占我國FPGA市場份額36.6%，國產(chǎn)FPGA龍頭安路科技約占6%，自主開發(fā)空間廣闊。圖表38：2022年Xilinx約占全球市場份額圖表39：2019年Xilinx約占我國市場份額Micosemi,5%萊迪思Lattice,5%

其他,3%

賽靈思Xilinx,52%

安路科技6.0%萊迪思Lattice,23.2%

其他,8.9%

賽靈思Xilinx,36.6%Intel（Altera）,35%

Intel（Altera）,25.3%來源：中商產(chǎn)業(yè)研究院， 來源：Frost&Sullivan，服務(wù)器：管理計算資源的大型計算機，全球市場規(guī)模超千億美元基本定義：服務(wù)器在網(wǎng)絡(luò)中為其它客戶機提供計算或應(yīng)用服務(wù)服務(wù)器是為各類互聯(lián)網(wǎng)用戶提供綜合業(yè)務(wù)的服務(wù)平臺，其功能是為網(wǎng)絡(luò)中的客戶機（如PC機、智能手機、大型系統(tǒng)設(shè)備等終端）提供計算及應(yīng)用服務(wù)。服務(wù)器由處理器、硬盤、內(nèi)存、系統(tǒng)總線等軟硬件構(gòu)成，和通用的計算機架構(gòu)類似，服務(wù)器需為計算機提供高可靠的服務(wù)，因此在處理能力、穩(wěn)定性、可靠性、安全性、可擴展性、可管理性等方面要求較高。產(chǎn)品分類：基于體系架構(gòu)方式/基于應(yīng)用層次/基于用途/基于機箱結(jié)構(gòu)non-x86服務(wù)器；按應(yīng)用層次劃分為入門級服務(wù)器、工作組服務(wù)器、部門級服務(wù)器及企業(yè)級服務(wù)器；按用途劃分為通用型服務(wù)器、專用型服務(wù)器；按服務(wù)器機箱結(jié)構(gòu)劃分為臺式服務(wù)器、機架式服務(wù)器、機柜式服務(wù)器及刀片式服務(wù)器。圖表40：服務(wù)器的分類結(jié)構(gòu)來源：智研咨詢，產(chǎn)業(yè)鏈條：上游-硬件設(shè)備/軟件產(chǎn)品，下游應(yīng)用市場從產(chǎn)業(yè)鏈來看，服務(wù)器行業(yè)上游為原材料及設(shè)備市場，主要包括芯片、硬盤、內(nèi)存等硬件設(shè)備和軟件產(chǎn)品。服務(wù)器行業(yè)下游為應(yīng)用市場，主要有互聯(lián)網(wǎng)、電信、金融、政府、能源和交通等領(lǐng)域。圖表41：服務(wù)器產(chǎn)業(yè)鏈：上游連接硬件設(shè)備/軟件產(chǎn)品，下游連接應(yīng)用市場來源：智研咨詢，市場規(guī)模：2022年全球服務(wù)器市場高達千億美元，我國約占全球市場四分之一Counterpoint，202217%。在公共衛(wèi)生事件后，企業(yè)紛紛向混合云轉(zhuǎn)型，混合云模式推動組織采用AIOps、基礎(chǔ)設(shè)施自動化和邊緣計算等新興技術(shù)，這促使現(xiàn)有基礎(chǔ)設(shè)施升級，為增長提供了動力。據(jù)IDC，20229.1%，約占全球市場的四分之一。圖表42：2022全球服務(wù)器市場規(guī)模高達千億美元，我國約占全球市場規(guī)模四分之一1117932.31117932.3992222.2250.6273.41,0000

2021

2022全球服務(wù)器市場規(guī)模（億美元） 中國服務(wù)器市場規(guī)模（億美元）來源：Counterpoint，IDC，觀研天下，X86仍是全球服務(wù)器主流架構(gòu)。據(jù)華經(jīng)2020826.597.3%。IDC，2021391.18.4%服務(wù)375.12025525.2萬臺。圖表43：X86是全球服務(wù)器主流架構(gòu) 圖表44：2023年中國X86服務(wù)器出貨量或達445萬臺100%

銷售額

銷售量

6005004003002001000

26.1%26.1%525.2483.8445408.4330.4318.1343.9375.1262.18.1%9.1%8.9%9.0%8.7%8.6%-3.7%9.2%2.7%9.2%2.7%90.8%97.3%中國X86服務(wù)器出貨量（萬臺）

30%25%20%15%10%5%0%-5%-10%全球x86服務(wù)器（%） 全球非x86服務(wù)器（%）來源：華經(jīng)產(chǎn)業(yè)研究院， 來源：IDC，競爭格局：戴爾/浪潮/HPE全球市場CR3，浪潮/新華三超聚變引領(lǐng)國內(nèi)市場IDC，20235.0%7.1%，同比3.3%，排名第三。IDC，202228.1%；新華17.2%10.1%55%，占據(jù)國內(nèi)服務(wù)器市場半壁江山。第二陣營品牌處于貼身纏斗之勢。具體來看，寧暢、中興、戴爾、5%左右。圖表45：2023年戴爾、浪潮、HPE占據(jù)全球服務(wù)器市場R3

圖表46：2022年浪潮、新華三、超聚變引領(lǐng)國內(nèi)服務(wù)器市場其他,49.8%

戴爾,11.1%浪潮,9.1%HPE,7.1%超微,5.9%聯(lián)想,4.2%

其他,23.1%聯(lián)想,4.9%戴爾,5.1%中興,5.3%

浪潮,28.1%新華三,超聚變2.5%思科

新華三3.4%

寧暢,6.2%

超聚變10.1%

17.2%寧暢,2.1%

,2.3%

IBM,2.5%來源：IDC《2023年第三季度全球服務(wù)器市場報告》， 來源：IDC《2022年中國服務(wù)器市場跟蹤報告》，以上基本定義：光模塊的功能是實現(xiàn)光電轉(zhuǎn)換，是光通信系統(tǒng)的核心器件光模塊的功能是實現(xiàn)光電轉(zhuǎn)換，是光通信系統(tǒng)的核心器件。光模塊在發(fā)射端（TOSA）通過激光器芯片將電信號轉(zhuǎn)換為光信號，經(jīng)過光纖傳輸至接收端O，在接收端通過探測器芯片將光信號轉(zhuǎn)換為電信號，實現(xiàn)信號傳輸。其中光芯片是決定光通信系統(tǒng)信號傳輸效率和網(wǎng)絡(luò)可靠性的關(guān)鍵。按照功能光芯片可以分為激光器芯片（LD）和探測器芯片（圖表47：光模塊結(jié)構(gòu)示意圖來源：源杰科技招股說明書，產(chǎn)品分類：分類方式多樣，小型化、高速率、低功耗、低成本是發(fā)展趨勢從光模塊分類角度，由于應(yīng)用場景較多需求各異，因而分類方式多樣，命名復(fù)雜。光模塊常見的分類方式包括了封裝類型、速率、距離、激光器類型、探測器類型等。整體而言，小型化、高速率、低功耗、低成本是光模塊整體的發(fā)展趨勢。分類方式類型封裝類型GBIC、分類方式類型封裝類型GBIC、XENPAK、XFP、SFP、SFP+、SFP28、QSFP、QSFP28、CFP、CFP2、QSFP-DD、OSFP等速率10Mbps、100Mbps、155Mbps、622Mbps、1.25Gbps、2.125Gbps、4.25Gbps、10Gbps、25Gbps、50Gbps、100Gbps、400Gbps等波長850nm、1310nm、1490nm、1550nm、CWDM、DWDM等距離100m、300m、550m、10km、20km、40km、80km、120km、160km等調(diào)制格式NRZ、PAM4、DP-QPSK/n-QAM等是否支持WDM灰光模塊（不支持WDM）、彩光模塊（支持WDM）激光器類型垂直腔面發(fā)射激光器（VCSEL）、法布里-珀羅激光器（FP）、分布式反饋激光器（DFB）、電吸收調(diào)制激光器（EML）等來源：華經(jīng)產(chǎn)業(yè)研究院，產(chǎn)業(yè)鏈條：上游-元器件等，下游通信設(shè)備制造數(shù)據(jù)中心/電信運營商光模塊行業(yè)產(chǎn)業(yè)鏈上游為光器件、集成電路芯片、印制電路板等元器件供應(yīng)商。中游是光模塊生產(chǎn)企業(yè)，近年來，中國光模塊企業(yè)不斷進行并購重組，垂直整合產(chǎn)業(yè)鏈，行業(yè)集中度進一步提高，光模塊供應(yīng)商逐漸在全球市場上獲得份額，中國的供應(yīng)商目前在全球以太網(wǎng)光模塊市場占主導(dǎo)地位。光模塊行業(yè)下游主要應(yīng)用于通信設(shè)備制造、數(shù)據(jù)中心、電信運營商等領(lǐng)域。圖表49：光模塊產(chǎn)業(yè)鏈：上游連接元器件供應(yīng)商，下游連接通信設(shè)備制造等領(lǐng)域來源：智研咨詢，市場規(guī)模：全球光模塊市場規(guī)模突破百億美元，中國市場約占四分之一Lightcounting16~192021年受到2020年增速達到21%，市場規(guī)100億美元；20216%2023年，5G產(chǎn)業(yè)持續(xù)滲透和新一輪全球數(shù)據(jù)中心建設(shè)，2024130億美元。5G時代的發(fā)展背景之下，整體通信行業(yè)呈現(xiàn)高景氣運行，以光模塊等為代表的核心市場正在迅速發(fā)展，市場規(guī)模迎來不斷提升。據(jù)華經(jīng)產(chǎn)業(yè)研究院，20212016250.9億415.22億元，2022476.822023年中國光模塊市場規(guī)模有望達到554.5億元。圖表50：2023年全球光模塊市場規(guī)模突破百億美元 圖表51：2022年我國光模塊市場規(guī)模近億元0

30%249.030%249.024%233.221%219.3202.020%168.36%129.2100.5106.9110.9104.59%6%7%83.283.2 4%-6%-10%全球光模塊市場規(guī)模（億美元） 右軸）

6005004003002001000

554.5554.5476.8415.215%16%2021 2022 2023E中國光模塊市場規(guī)模（億元） YoY（%，右軸

17%16%16%15%15%14%來源：Lightcounting， 來源：華經(jīng)產(chǎn)業(yè)研究院，50%國產(chǎn)廠商份額不斷提升。中國光模塊廠商憑借勞動力成本等的優(yōu)勢，在與海外光模塊廠商競爭中不斷占據(jù)上風(fēng)。據(jù)Odmia，2015年，全球前十大光模塊廠商僅光迅科技一家中國企業(yè)，到2021年，光迅科技、中際旭創(chuàng)、海信寬帶、昂納信息進入全球前十，合計占據(jù)全球26%的市場份額。據(jù)Lightcounting，2021年，中際旭創(chuàng)等五家供應(yīng)商進入全球前十，主要廠商相較前一年市場份額均有提升；2022107家，其中中際旭創(chuàng)、Coherent、思科、華為四家廠商占據(jù)全球光模塊市場份額超過50%，中際旭創(chuàng)和Coherent14億美元的收入。圖表52：2021年全球光模塊市場份額 圖表53：2022年全球光模塊市占率前中國占據(jù)7家II-VI,17%其他,32%旭創(chuàng)科技,10%英特爾,3%住友,3% Lumentu,9%昂納,3% 武漢光迅,8%Acacia,5% 海信,5% 博通,5%排名201020162018202120221FinisarFinisarFinisar中際旭創(chuàng)&II-VI中際旭創(chuàng)&Coherent2Opnext海信寬帶中際旭創(chuàng)3Sumitomo光迅科技海信寬帶華為海思Cisco(Acacia)4AvagoAcacia光迅科技Cisco(Acacia)華為海思5SourceFOIT(Avago)FOIT(Avago)海信寬帶光迅科技6FujitsuOclaroLumentumBroadcom海信寬帶7JDSU中際旭創(chuàng)Acacia新易盛新易盛8EmcoreSumitomoIntel光迅科技華工正源9WTDLumentumAOIMolexIntel10NeoPhotonicsSourcePhotonicSumitomoIntelSourcePhotonic來源：Odmia， 來源：Lightcounting，40%基本定義：交換機為接入它的任意兩個網(wǎng)絡(luò)節(jié)點提供獨享的電信號通路交換機是基于以太網(wǎng)進行數(shù)據(jù)傳輸?shù)亩喽丝诰W(wǎng)絡(luò)設(shè)備，每個端口都可以連接到主機或網(wǎng)絡(luò)節(jié)點，主要功能就是根據(jù)接收到數(shù)據(jù)幀中的硬件地址，把數(shù)據(jù)轉(zhuǎn)發(fā)到目的主機或網(wǎng)絡(luò)節(jié)點。交換機相當(dāng)于一臺特殊的計算機，由硬件和軟件組成，包括中央處理器、存儲介質(zhì)、接口電路及操作系統(tǒng)等。產(chǎn)品分類：基于網(wǎng)絡(luò)覆蓋范圍/基于傳輸速率和介質(zhì)/基于應(yīng)用規(guī)模等交換機可根據(jù)網(wǎng)絡(luò)覆蓋范圍、傳輸速率和介質(zhì)、應(yīng)用規(guī)模等進行分類。在各類交換機中，最常見的交換機是以太網(wǎng)交換機。交換機從廣義上還可分為廣域網(wǎng)交換機和局域網(wǎng)交換圖表54：交換機的分類

機，廣域網(wǎng)交換機主要在電信領(lǐng)域中提供通信用的基礎(chǔ)平臺，局域網(wǎng)交換機則用于連接局域網(wǎng)內(nèi)的終端設(shè)備。從傳輸介質(zhì)和傳輸速度上可分為以太網(wǎng)交換機、快速以太網(wǎng)交換機、千兆/萬兆以太網(wǎng)交換機、FDDI交換機、ATM交換機和令牌環(huán)交換機等。從應(yīng)用規(guī)模上可分為企業(yè)級交換機、部門級交換機、工作組交換機等。來源：頭豹咨詢，

產(chǎn)業(yè)鏈條：上游-電子元器件，下游數(shù)據(jù)中心等領(lǐng)域從產(chǎn)業(yè)鏈來看，交換機上游主要是電子元器件行業(yè)，使用的原材料主要包括：芯片、光器件、電源模塊、連接器、線路板、變壓器、阻容等，行業(yè)基本處于充分競爭狀態(tài)，企業(yè)數(shù)量眾多，產(chǎn)能充足，價格穩(wěn)定，供給狀況無重大波動，對交換機發(fā)展不構(gòu)成約束和重大影響。交換機下游可應(yīng)用于數(shù)據(jù)中心等領(lǐng)域。圖表55：交換機產(chǎn)業(yè)鏈：上游連接電子元器件，下游連接數(shù)據(jù)中心等領(lǐng)域來源：智研咨詢，400億美元，我國約占全球市場規(guī)模據(jù)IDC，2022年全球交換機行業(yè)市場規(guī)模達到437億美元，同比增長17.0%，且預(yù)計未來5年的增速穩(wěn)定在4%左右，預(yù)計2027年規(guī)模將達到535億美元。2022年中國交換機市場729.4%202378億美元。圖表56：2022年全球交換機市場規(guī)模達億美元 圖表57：2022年我國交換機市場規(guī)模達億美元17.0%511.417.0%511.4535.4437.0451.4469.4489.89.5%348.1352.9340.9373.33.3%4.0%4.3%4.4%4.7%1.4%-3.4%0

全球交換機市場規(guī)模（億美元） YoY（%，右軸

20%15%10%5%0%-5%

120100800

中國交換機市場規(guī)模（億美元） YoY（%，右軸

20%16.3%17.4%16.3%17.4%105.797.165.771.978.684.390.556.09.4%9.3%8.8%48.148.1 7.3%7.3%7.4%16%14%12%10%8%6%4%2%0%來源：IDC， 來源：IDC，競爭格局：思科是全球交換機市場絕對龍頭，華為、新華三、銳捷合計占國內(nèi)市場超過八成交換機行業(yè)集中度較高，思科、華為、新華三等少數(shù)幾家企業(yè)占據(jù)著絕大部分的市場份額，呈現(xiàn)寡頭競爭的市場格局。據(jù)IDC，全球交換機市場方面，2022年思科是絕對龍頭，市場份額占有率為41.1%；5家龍頭企業(yè)占據(jù)全球市場的70%以上。據(jù)IDC，中國交換機市場前三名企業(yè)占整體市場超過80%。其中華為占比最多，達35.8%，排名第一。其次為新華三，占比約為32.4%，排名第二。星網(wǎng)銳捷排名第三，占比14.6%。圖表58：2022年思科是全球交換機市場絕對龍頭 圖表59：2022年華為、新華三、銳捷合計占國內(nèi)市場超過八成其他,23.3%

中興通訊,2.1%

深信服科技,1.0% 其他,思科,4.8%

華為,35.8%銳捷,2.4%Juniper,3.1%HPE,5.1%新華三,5.4%Arista,9.6%

思科,41.1%華為,10.0%

銳捷,14.6%

新華三,32.4%來源：IDC， 來源：IDC，存儲設(shè)備：國外廠商壟斷全球存儲市場，三星、海力士、美光合計占比超過基本定義：存儲器是用來存儲程序和各種數(shù)據(jù)信息的記憶部件存儲器的工作原理為：通過使用地址編址和電子靜態(tài)存儲技術(shù)實現(xiàn)數(shù)據(jù)的存儲和讀取。存儲器通常被組織成一個二維矩陣，其中每個單元稱為一個存儲位置。在需要讀取或?qū)懭霐?shù)據(jù)時，CPU向存儲器發(fā)送地址信號，通過數(shù)據(jù)總線與存儲器進行數(shù)據(jù)的傳輸。產(chǎn)品分類：和市場是主要細分市場存儲器主要可分為外部存儲器和內(nèi)部存儲器。其中，外部存儲器包含半導(dǎo)體存儲器、磁存儲器和光存儲器，內(nèi)部存儲器包含易失性存儲器和新型非易失性存儲器。按照讀寫方ROM(EEPROM、PROM、EPROM)和閃存存儲介Fash、Fash)。磁存儲器件主要包含磁帶、磁盤。光存儲器件主要包含藍光光盤(BD)(AD、全息存儲、玻璃存儲等。圖表60：存儲器主要可分為外部存儲器和內(nèi)部存儲器來源：頭豹咨詢，WSTS數(shù)據(jù)，全球儲存市場中，DRAM61%的市場份額，NAND36%的市場份額，是最主要的兩大存儲細分市場。圖表61：NAND和DRAM對比對比角度NANDDRAM存儲原理浮柵型電容充放電型讀寫速度較慢極快存儲容量高（GB／TB）中（MB／GB）易失性非易失性易失性分類2DNAND、3DNANDDDR、LPDDR（低功耗）和GDDR應(yīng)用領(lǐng)域2DNAND可用于醫(yī)療、機器人、可穿戴、安防攝像頭、機頂盒等各種IoT設(shè)備；3DNAND多見于數(shù)據(jù)中心、智能手機、PC等DDR主要應(yīng)用于服務(wù)器和PC端；LPDDR主要應(yīng)用于手機端；GDDR主要應(yīng)用于圖像處理領(lǐng)域來源：TechInsights、東芯半導(dǎo)體招股說明書，市場規(guī)模：全球市場規(guī)模達億美元，全球市場規(guī)模近千億美元據(jù)中商產(chǎn)業(yè)研究院，2019年受智能手機終端需求疲軟影響，加之國產(chǎn)企業(yè)實現(xiàn)量產(chǎn)，整5G推動智能手機需求回暖加之等需求穩(wěn)步增長，市場回暖，2021600億美元。預(yù)計隨著物聯(lián)網(wǎng)、自動駕駛等新興產(chǎn)業(yè)智能化推進，存儲芯片需求將出現(xiàn)快速增長。據(jù)TrendForce，2021年，全球DRAM市場規(guī)模達到949億美元，同比增長41.6%。圖表62：2022年全球市場規(guī)模近億美元 圖表63：2021年全球DRAM市場規(guī)模近千億美元0

53953960913.0%24.1%5716006314605.1% 5.2%-24.5%2017 2018 2019 2020 2021 2022E全球市場規(guī)模（億美元） YoY（%，右軸

30%20%10%0%-10%-20%-30%

1,2001,0000

71.9%99799739.1%94941.6%7176257.2%670417-37.3%2016 2017 2018 2019 2020 2021全球DRAM市場規(guī)模（億美元） YoY（%，右軸

80%60%40%20%0%-20%-40%-60%來源：中商產(chǎn)業(yè)研究院， 來源：Statista，TrendForce，競爭格局：國外廠商壟斷全球存儲市場，三星據(jù)、市場份額首位全球存儲市場絕大部分份額由國外廠商占有，呈現(xiàn)寡頭壟斷格局，行業(yè)集中度較高。據(jù)CFM閃存市場數(shù)據(jù)，2022年全球NANDflash市場前三大廠商分別為三星、鎧俠和SK海力士，市場份額分別為33.8%、18.7%和16.7%。Insights，2021市場幾乎由三星、SK海力士和美光所壟斷，分別44%、28%23%。國內(nèi)存儲產(chǎn)業(yè)的重點公司有：長江存儲，在Flash市場份額約占全球1%；長鑫存1000億元；北京君正，其收購的北京矽成在汽車DRAM領(lǐng)域市占率15%居全球第二；兆易創(chuàng)新，產(chǎn)品線Nor+NAND+DRAM全覆蓋，其中全球第三、大陸第一；江波龍，2022年在eMMC2.4%，居全球第八、國內(nèi)廠商第二；瀾起科技，在內(nèi)存接口芯片市場位列全球前二。圖表64：2022年三星占全球市場三分之一份額 圖表65：2021年三星、海力士、美光壟斷全球DRAM市場

美光,

其他,4.4%

三星,33.8%

其他,5.90%美光,22.80%

三星,43.60%SK海力士,16.7%

鎧俠,18.7%

SK海力士,27.70%來源：CFM閃存市場， 來源：ICInsights，數(shù)據(jù)中心：數(shù)據(jù)存儲和交換的中心，Equinix是全球IDC龍頭基本定義：擁有完善的設(shè)備、專業(yè)化的管理、完善的應(yīng)用級服務(wù)的服務(wù)平臺InternetDataCenter，互聯(lián)網(wǎng)數(shù)據(jù)中心。只提供場地和機柜的數(shù)據(jù)中心，一般稱為DC(DataCenter)，而同時提供帶寬服務(wù)的，一般稱互聯(lián)網(wǎng)數(shù)據(jù)中心，InternetDataCenter)，兩者有