云计算科技生态变革深度研究之一：算力时代云计算的巨变.pdf

请务必阅读正文之后的 重要声明 部分 Table_Industry 证券研究报告 /行业深度 报告 2018 年 09 月 07 日 通信 算力时代云计算的巨变 -云计算科技生态变革深度研究之一 Table_Main Table_Title 评级：增持（维持） 分析师：吴友文 执业证书编号： S0740518050001 电话： 021-20315728 Email： wuywr.qlzq 基本状况 上市公司数 125 行业总市值 (百万元 ) 1413892.28 行业流通市值 (百万元 ) 802951.20 Table_QuotePic 行业 -市场走势对比 公司持有该股票比例 Table_Report 相关报告 云计算驱动下的 ICT 变革与投资机遇 2018-06-27 通信行业 2018 中期策略：深挖自主可控与创新驱动的机遇 2018-06-02 通信行业自主可控深度研究系列之一：无线上游的进击和 5G 的历史使命 2018-06-14 通信自主可控深度研究系列之二：借势需求实现传输固网上游“芯”突破 2018-08-12 光环新网 -300383-业绩符合预期，设立子公司提升 AWS 本地化服务能力 2018-08-15 通信行业周报：云计算将锁定更多长期合约， 5G 商用临近 2018-08-05 通信行业周报： AWS&Azure 云业务高增长，持续看好云计算产业链 2018-07-27 网宿科技 -300017-中报基本符合预期，重点布局边缘计算 - 2018-07-15 通信行业 5G 深度研究系列之一：从频谱规划看 5G 进展和机遇 2018-07-25 通信行业网络可视化专题报告：商业需求 与 政 府 需 求 共 振 推 动 景 气 加 速 2018-05-29 Table_Summary 投资要点 云计算高速发展，公有云和私有云渗透率快速提升，在量变的趋势下， 云计算中心 对科技需求的路径发生变化，我们从云算力需求变革、交换机需求变革、服务器需求变革三大创新视角深度解析，理解云变革时代的新机遇 ，本篇是系列一。 云计算正进入算力时代 。 云计算、大数据、物联网、人工智能等信息技术的快速发展与 传统产业的数字化转型， 推动数据量呈现几何级增长，带来了大量可处理数据存量和知识。 而算力成本 急剧下降， NVIDIA 最新的 DGX-2 人工智能电脑 2PFlops 的算力能力，已经相当于 2009 年全球排名第一的超算中心算力 ，并且从 GPU 领域来看算力能力每年提升 1.1 倍 。 快速下降 的计算成本也为算力应用做好了经济铺垫。而从 PC 互联网 移动互联网 物联网的业务发展路径 来看，以带宽、存储为核心特征的云计算数据中心业务，未来将新增 大量 必须依托专用算力配置的业务类型，包括 AI、智能驾驶、区块链、 基因科学、视频构建等，推动云计算中 心再一次的深刻变革。我们认为，随着算力成本快速下降，对存量数据和知识的智能应用业务将进入爆发阶段，推动云计算进入算力配置时代。 2020 年全球公有云算力投资比例 将 超过 10%，成为资本开支重点 。 据 IDC 数据，全球服务器市场 总体呈现高景气，量价齐升，下游市场主要是公有云厂商。 通过分析大型公有云厂商资本开支情况 ，公有云厂商加速算力投资趋势明显。 传统大型算力需求主要通过超算中心的方式来实现，主要依托国家和大型机构投资， 最近三年各大型公有云厂商包括 Amazon、阿里巴巴均推出 HPC 超算业务，其战略布局云计算算力业务的方向明确。据我们测算，未来算力投资结构将发生变化，公有云算力投资比例从 2014 年的 0.01%增长至 2020 年的 11.75%， 除了提供传统的存储 服务外，各云厂商逐渐配置其计算能力，增加算力投资 ，同时私有云和传统 IT 领域的算力配置也将逐步成为标配 。 据我们测算，至 2020 年全球云计算算力投资总规模可达 62.32 亿美元，年复合增长率达 44%，呈现高速增长。我们认为，从 Facebook 和微信的新增活跃用户增速来看，尽管未来大型公有云厂商购置服务器的增速有可能逐步趋缓，但 云算力需求 属于从 0 到 1， 将不会受到云计算周期波 动影响 ， 将 成为云计算持续提升渗透率过程中带来的崭新产业机遇。 从算力产业链来看，加速器芯片有望颠覆现有格局，应用领域规模化将迎来机会 。 加速器芯片使算力时代的高算力需求得以实现， 云计算服务器的算力配置模式，将使得 CPU+加速器的模块化能力成为未来主流，加速器芯片的竞争力以及模块化综合竞争力成为未来半导体产业竞争的重要因素。 从加速器芯片 的几个类别来看： GPU 方面 ，形成了 NVIDIA+AMD 七三开的市场格局， NVIDIA 深度打造应用场景生态，构建壁垒，而 AMD 作为同时具备 CPU+GPU 模块化能力的厂商 ，有望在 云算力时代颠覆原有服务器芯片产业格局 ， 成为最大赢家 ； FPGA 方面，技术壁垒高，多用于军事领域，美国 厂商垄断市场，国内处于渐进式突破阶段 ， 份额还非常低； ASIC 方面 对下游细分领域需 求量有较高要求，典型如区块链应用，国内厂商发展迅速 ， ASIC 领域是国内厂商 有望实现弯道超车 的较好选择 。 应用方面， 我们着重分析了 包括出行智能化、基因测序、区块链、 3D 渲染等几 种 高算力应用场景： 出行智能化方面 ，技术的不断发展使 得无人驾驶的制造成本快速下降，有望加速量产落地，实现产业规模化； 基因测序方面 ，中游 测序服务机构、生物信息分析机 构具有较低的技术壁垒与良好的市场成长性，成为 VC 投资热点，发展潜力大。 投资建议 ： 算力时代的云计算将产生巨变，为上下游产业链的带来新机遇。 我们判断，云计算算力时代的最大赢家将是 AMD（ AMD.O） ， 服务器芯片需求的 CPU+加速器标配模式 将使得公司凸显其在 CPU 和GPU 双重领域的唯一地位 。 NVIDIA（ NVDA.O） 持续构建了体系化的生态壁垒，仍然是 AI 算力龙头企业。国内可重点关注向港交所提交 IPO申请的区块链芯片商 嘉楠耘智、亿邦国际（ H00900.HK）， 以及 比特大陆， 和 A 股的 GPU 厂商 景嘉微 （ 300474.SZ）。 而中游 AI 服务器领域重点关注规模化的 OEM 类厂商 浪潮信息（ 000977.SZ） 与自主可控相关的 中科曙光（ 603019.SH）。 下游可关注 亚马逊（ AMZN.O）、阿里巴巴（ BABA.N）， 以及和算力运营相关的 Switch（ SWCH.N）、光环新网（ 300383.SZ） 等。 风险提示 ： 关键技术的发展受阻；核心科技公司的人才流失；产品化与商请务必阅读正文之后的 重要声明 部分 - 2 - 行业深度 研究 业化不及预期；市场估值过高。 请务必阅读正文之后的 重要声明 部分 - 3 - 行业深度 研究 内容目录 云计算正进入算力时代 . - 6 - 供给端：数据存量增长与计算成本下降推动算力需求增长 . - 6 - 需求端：业务发展大大提升算力需求 . - 7 - 算力的安迪 -比尔定律 . - 9 - 算力投资将成为云中心资本开支重点 . - 11 - 全球服务器市场量价齐升，云厂商资本开支加速 . - 11 - 高性能计算场景普及，云巨头争先布局超算云 . - 14 - 2020 年全球公有云算力投资比例将超过 10% . - 15 - 云产业链将迎来算力时代新机会 . - 21 - 移动红利见顶，算力时代由 0 到 1 . - 21 - 加速器芯片打开市场新空间，应用场景广泛 . - 24 - 下游场景：出行智能化与基因测序有望最先实现规模化 . - 32 - 投资建议 . - 44 - 风险提示 . - 46 - 图表目录 图表 1：全球数据量及预测 . - 6 - 图表 2：全球物联网连接数增长预测 . - 6 - 图表 3：全球人工 智能市场规模（单位：百万美元） . - 6 - 图表 4：不断下降的计算成本 . - 6 - 图表 5： ICT 行业业务发展路径 . - 7 - 图表 6：各业务计算能力与带宽要求 . - 8 - 图表 7：各业务计算能力与存储要求 . - 8 - 图表 8：算力的安 迪 -比尔定律 . - 9 - 图表 9：过去 120 年计算能力（单位：秒 /美元 /算力） . - 9 - 图表 10：历年全球超级计算机 TOP1FLOPS . - 9 - 图表 11：世界最大 GPU NVIDIADGX-2 . - 10 - 图表 12： NVIDIADGX-2 参数 . - 10 - 图表 13：云 算力需求的分类 . - 11 - 图表 14：全球服务器出货量（万台） . - 12 - 图表 15：全球服务器收入（亿美元） . - 12 - 图表 16： 2017 年中国服务器下游市场 (出货量）占比 . - 12 - 图表 17： 2017 年中国服务器下游市场 (营收）占比 . - 12 - 图表 18：亚马逊设备类资产（亿美元）及增长 . - 13 - 请务必阅读正文之后的 重要声明 部分 - 4 - 行业深度 研究 图表 19：谷歌信息类资产（亿美元）及增长 . - 13 - 图表 20：阿里电脑与软件类资产（亿元）及增长 . - 13 - 图表 21：腾讯电脑类资产（亿元）及增长 . - 13 - 图表 22：云厂商超算云服务业务布局 . - 14 - 图表 23：英伟达数据中心业务收入（单位：亿美元） . - 15 - 图表 24： 2017 年独立 GPU 市场格局 . - 15 - 图表 25：全球公有云与私有云云化比例 . - 15 - 图表 26：细 分市场服务器销售收入增速 . - 15 - 图表 27：细分市场算力投资分布 . - 15 - 图表 28：细分市场算力投资增速 . - 15 - 图表 29：英伟达数据中心业务分类及市场份额 . - 16 - 图表 30： 2014-2020 年全球云算力投资总规模 . - 17 - 图表 31： 2014-2020 年全球服务器销售收入及增速 . - 18 - 图表 32：云算力投资比例及结构 . - 19 - 图表 33：全球云算力投资总规模（亿美元）与云算力投资比例 . - 20 - 图表 34：全球云计算算力投资规模及分布 . - 21 - 图表 35：云计算算力投资比例 . - 21 - 图表 36： Facebook 新增月活跃用户数 . - 22 - 图表 37：微信新增月活跃用户数 . - 22 - 图表 38：云计算产业链 . - 23 - 图表 39： GPU 市场格局 . - 24 - 图表 40： GPU 生产厂商概况 . - 25 - 图表 41： GPU 40 年间的趋势数据 . - 26 - 图表 42： GPU 的应用领域 . - 27 - 图表 43： FPGA 的优点与限制因素 . - 28 - 图表 44： FPGA 四大巨头概况 . - 28 - 图表 45： FPGA 市场格局 . - 29 - 图表 46： FPGA 市场空间（单位：十亿美元） . - 29 - 图表 47： FPGA 的应用领域 . - 30 - 图表 48： ASIC 的性能特点 . - 30 - 图表 49： ASIC 的 市场空间（单位：十亿美元） . - 30 - 图表 50： ASIC 市场格局 . - 31 - 图表 51：出行智能化的场景 . - 32 - 图表 52：全球自动驾驶市场规模 . - 32 - 图表 53： 2017 年无人驾驶领域公司融资情况 . - 33 - 请务必阅读正文之后的 重要声明 部分 - 5 - 行业深度 研究 图表 54：国内外主要的激光雷达企业概况 . - 34 - 图表 55：基因测序产业链及相关公司 . - 35 - 图表 56：全球基因测序市场规模（单位：亿美元） . - 36 - 图表 57： 2017 年全球基因测序仪竞争格局 . - 36 - 图表 58：全球基因测序公司概况 . - 36 - 图表 59：我国基因测序市场规模（单位：亿元） . - 37 - 图表 60：我国不孕不育率持续提升 . - 37 - 图表 61： 2017 年中国基因测序领域投融资案例 . - 38 - 图表 62：区块链的应用场景 . - 38 - 图表 63：全球区块链 市场规模（单位：亿美元） . - 39 - 图表 64：全球区块链硬件市场规模（单位：亿元） . - 39 - 图表 65：区块链行业应用场景面临的挑战 . - 39 - 图表 66： CPU、 GPU、 ASIC 挖矿性能对比 . - 40 - 图表 67：比特币矿机生产厂商概况 . - 41 - 图表 68： 3D 渲染制作过程 . - 41 - 图表 69：全球可视化和 3D 渲染软件市场规模（单位：亿美元） . - 42 - 图表 70：按公司规模、不同层面及地区分析可视化 3D 渲染软件市场 . - 42 - 图表 71：云计算产业链相关公司 . - 45 - 请务必阅读正文之后的 重要声明 部分 - 6 - 行业深度 研究 云计算正进入算力时代 供给 端 ： 数据存量增长与计算成本 下降推动算力 需求 增长 信息技术 快速发展与传统产业数据化转型 带来 大量 数据 存量 。 随着云计算、大数据、物联网、人工智能等信息技术的快速发展和传统产业数字化的转型，数据量呈现几何级增长，据 IDC 预测，全球数据总量预计 2020年达到 47 个 ZB， 2025 年达到 163 个 ZB，其中预计 2020 年我国数据量将达到 8060 个 EB，占全球数据总量的 18%。 据 智研 咨询统计， 2015年全球物联网连接数约 60 亿个，预计 2025 年 全球物联网连接数 将增长至 270 亿个 ，物联网设备数量 将达到 1000 亿台 。 连接数 的急速增长，一方面意味着海量数据的产生，另一方面， 连接设备往往 还需要进行智能计算 ，即产生相应的算力需求。 图 表 1： 全球数据量及预测 图表 2： 全球物联网连接数增长预测 来源： IDC， 中泰证券研究所 来源： 智研咨询 ， 中泰证券研究所 数据是 AI 学习的基础，算力是必备条件 ，计算成本下降推动算力需求增长。 人工智能 （ AI： Artificial Intelligence） 是指通过 计算 机来模拟人的某些思维过程和智能行为（如学习、推理、思考、规划等）， 主要应用在训练 (training)和推理 (inference)两个环节 。训练需要通过大量的样本数据训练建立输入输出的映射关系，以此进行推理。在 2010 年后，人工智能在计算机视觉、语音识别领域取得重大突破，开始步入人工智能爆发期。 据 Tractica 的预测， 2025 年人工智能市场规模将达 368 亿美元。 $/GFLOPS 可以衡量计算成本（ 1GFLOPS=109FLOPS，FLPOS=Floating Point Operations Per Second，每秒十亿次浮点运算价格），根据 Wikipedia 的数据， $/GFLOPS 的 CAGR 约 -37%， 2017年 6 月 AMD Ryzen 结合 AMD VEGA Frontier Edition 将 $/GFLOPS 降至 0.06 美元。 海量数据为 AI 训练提供的基础，算力是 AI 推理的必备条件，快速下降的计算成本为人工智能时代的爆发提供了技术基础 ， 推动下游应用 推广 ，促使算力需求增长。 图表 3： 全球人工智能市场规模 （单位：百万美元） 图表 4： 不断下降的计算成本 请务必阅读正文之后的 重要声明 部分 - 7 - 行业深度 研究 来源： Tractica， 中泰证券研究所 来源： Wikipedia， 中泰证券研究所 算力，即为计算能力。算力于我们而言，并不陌生，小至 PC 电脑，大至超级计算机，算力其实一直 存在我们的生活中，只是过去我们的日常生活对算力的要求并不高， 我们忽略了它。高算力的普及有两个必要因素，一个是数据，数据是算力的基础，有了海量数据才可更好地进行推理与学习，另一个是价格，唯有平常百姓负担得起高算力的价格，算力才有望走进千家万户。 因此，从供给端看，云计算、大数据、物联网、人工智能等信息技术的快速发展和传统产业的数字化转型，数据量呈现几何级增长，带来了大量数据存量，同时，快速下降 的计算成本也为算力普 及做好了经济铺垫，两者共同推动算力需求的 增长。 需求 端 ：业务 发展大大提升算力需求 PC 互联网 移动互联网 物联网的业务发展路径。 随着人们需求的逐渐增多，技术的逐步发展， ICT 行业各类业务接踵而出，遵循着 PC 互联网 移动互联网 物联网的业务发展路径 。在 PC 互联网时代，出现了以 Yahoo 为代表的搜索引擎，以 QQ 为代表的在线社交软件 ，以阿里巴巴为代表的电子商务，网络游戏亦 进入大型网游时代；随着智能手机的普及， 3G/4G 网络技术的发展， 逐渐由 PC 互联网发展 至移动互联网，在移动互联网时代，社交软件由 QQ 逐渐变成微信，游戏由网游逐渐变成手游，还有新浪微博 、滴滴打车、支付宝、美团团购、映客、抖音等多种应用软件喷井而出，人们的生活在移动互联网时代更为快速便捷；当下，我们正面临着一个新的转折点， 5G 技术的发展，芯片计算能力的提升，为万物互联做好了技术铺垫，在物联网时代，我们的生活将实现智能驾驶、智能家居、智能安防、智慧医疗等等多种大转变。 图表 5： ICT 行业 业务发展路径 请务必阅读正文之后的 重要声明 部分 - 8 - 行业深度 研究 来源：中泰证券研究所 未来业务对 数据中心的计算 要求大幅提升。 数据中心是为客户提供带宽、存储、计算能力等需求的网络基础设施。 对各个业务的三大需求进行分析，我们发现，未来业务对于计算能力的要求正在大幅提升。 从带宽的角度看 ，搜索引擎仅需要 320kbps 的带宽，在线社交带宽需求约 2mbps，电子商务带宽需求约 27mbps，而智能驾驶带宽需求约 20gbps，带宽要求将提升上千倍。 从存储的角度看 ，在线地图存储需求约 28M，在线社交存储需求约 100M，网络游戏存储需求约 8G，而区块链存储需求将达到 14G，存储要求翻倍增长； 从计算能力的角度看 ， 基因测序工作就是要通过大规模的计算分析从海量的数据信息中辨识载有的基因及其序列，最终获取遗传信息 ，算 力要求极高，区块链方面，根据 BTC 的数据， 2018 年比特币全网算力将达到 23EB，相比 2010 年，提升超过 20倍。我们可以看到，对于带宽、存储、计算能力三种需求，有些业务要求高带宽低存储，比如智能驾驶，有些业务要求低带宽高存储，比如智慧医疗，但是无论什么类型的业务，未来业务对于数据中心计算能力的要求均显著提升。 图表 6： 各业务计算能力与带宽要求 图表 7： 各业务计算能力与存储要求 来源：中泰证券研究所 来源：中泰证券研究所 从需求端看， ICT 行业遵循着 PC 互联网 移动互联网 物联网的请务必阅读正文之后的 重要声明 部分 - 9 - 行业深度 研究 业务发展路径，业务类型从传统的视频、社交、门户等逐步过渡到以 AI、区块链、智能驾驶、医疗基因等业务类型，算力需求成 为 最大化差异，传统业务一般对存储和访问带宽需求要求较高，但对专业算力需求较低，未来 算力需求 将成为重点。 算力的安迪 -比尔定律 算力能力的提升与应用能力的提升互为促进，驱动云计算进入算力时代。安迪 -比尔定律是对 IT 产业中软件和硬件升级换代关系的概括，原话是“ Andy gives, Bill takes away.(安迪提供什么，比尔拿走什么。 )”安迪指英特尔前 CEO 安迪格鲁夫，比尔指微软前任 CEO 比尔盖茨。 随着云计算、大数据、物联网、人工智能等信息技术的快速发展 ，存量数据大量增长、算力成本大幅下降，推动了算力能力的提升，与此同时，业务种类的增多，应用软件的爆发，算力需求大幅增长 。算力能力的提升为应用软件的发展提供了空间，应用能力的提升又对算力能力提出新要求，算力能力与应用能力互为促进，促使云计算进入算力时代。 图表 8： 算力的安迪 -比尔定律 图表 9： 过去 120 年计算能力（单位：秒 /美元 /算力） 来源：中泰证券研究所 来源： RayKurzweil,DFJ,中泰证券研究所 算力的提升与普及， Flops 成本的下降，使相关应用具备了发展基础 。超级计算机是计算机中功能最强、运算速度最快、存储容量最大的一类计算机，多用于国家高科技领域和尖端技术研究 。 而今人工智能电脑的运算能力可和 2009 年世界第一超级计算机的运算速度媲美，加上价格便宜与便携的外在特征，使更多应用需求拥有的发展基础。例如， 2018年 3 月， NVIDIA 推出最新小型超算 “ NVIDIA DGX2”，它 采用 16块 Tesla V100 计算卡并行计算，能够提供最高达 2 PFLOPs(2000 TPLOPs)的深度计算能力 ，仅重 350 磅，售价 39.9 万美元 。 图表 10： 历年全球超级计算机 TOP1FLOPS 请务必阅读正文之后的 重要声明 部分 - 10 - 行业深度 研究 来源： 公开 资料整理， 中泰证券研究所 图表 11： 世界最大 GPU NVIDIADGX-2 图表 12： NVIDIADGX-2 参数 来源： 英伟达， 中泰证券研究所 来源： 英伟达， 中泰证券研究所 安迪 -比尔定律是对 IT 产业中软件和硬件升级换代关系的概括 。存量数据大量增长、算力成本大幅下降，推动了算力能力的提升，与此同时，业务种类的增多，应用软件的爆发， 使得 算力需求大幅增长。算力能力的提升为应用软件的发展提供了空间， 而应用能力的提升又对算力能力提出新要求，算力能力与应用能力互为 促进，促使云计算进入算力时代。