2023年数字经济板块转债梳理 什么是数字经济？

1.数字经济板块概览

什么是数字经济？

从“两化”到“五化”，数字经济的概念和内涵不断丰富。数字经济是指通过数字技 术与实体经济深度融合，不断提高经济社会的数字化、网络化、智能化水平，加速重构经 济发展与治理模式的新型经济形态。最初业界和学术界更关注数字经济的产业维度，将其 定义为“两化”，即数字产业化和产业数字化。中国信通院发布的《2021 年中国数字经济 发展白皮书》将数字经济概括为“四化”，把数字化治理和数据价值化纳入数字经济框架。 赛迪顾问公司在其发布的《2021 中国数字经济城市发展白皮书》中将数字化基础设施这 一概念也作为数字经济发展的核心内容之一，将数字经济的内涵概括：“五化”，即数字产 业化、产业数字化、数字化治理、数据价值化、数字化基础设施。

数字经济相关政策盘点

数字经济发展政策深入至具体领域，科学布局助力数字经济精细化发展。2015 年 10 月 29 日《中共中央关于制定国民经济和社会发展第十三个五年规划的建议》首次在顶层 设计层面开始布局数字经济，提出实施国家大数据战略，推进数据资源开放共享。随后， 2017 年 12 月 8 日的中共中央政治局第二次集体学习又提出推动实施国家大数据战略。 2019 年 8 月至 10 月发布实施的一系列政策，进一步规范数字经济平台市场秩序、推进国 家数字经济创新发展试验区建设、推动数字政府建设。2020 年 3 月至 7 月出台的政策从 培育数字经济新产业、新业态和新模式，加快数据要素市场发展等方面加快推进产业数字 化转型和数字产业化发展。2021 年以来，我国又在数字经济领域就业创业、数字经济知 识产权转移转化体制机制等方面完善并布局数字经济。《“十四五”数字经济发展规划》确立我国数字经济的具体发展目标，提出到 2025 年，数字经济核心产业增加值占 GDP 比重 达到 10%，并细化政策举措，推动数字经济重点领域的技术突破。《数字中国建设整体布 局规划》再度从顶层设计上细化数字经济的发展框架，进行有针对性的科学布局。

从数字经济到数字中国，“2522”框架助力优化数字化发展。2023 年 2 月 27 日中共中 央、国务院印发的《数字中国建设整体布局规划》提出数字中国的建设目标：到 2025 年， 基本形成横向打通、纵向贯通、协调有力的一体化推进格局，数字中国建设取得重要进展； 到 2035 年，数字化发展水平进入世界前列，数字中国建设取得重大成就。数字中国建设 按照“2522”的整体框架进行布局，即夯实数字基础设施和数据资源体系“两大基础”， 推进数字技术与经济、政治、文化、社会、生态文明建设“五位一体”深度融合，强化数 字技术创新体系和数字安全屏障“两大能力”，优化数字化发展国内国际“两个环境”。“2522” 框架为数字经济的发展和数字中国的建设指引了方向，为中国数字经济的发展描绘出清晰 宏伟的蓝图。

2.重点关注三条投资主线

信创是数字经济的基础，产业信息化是数字经济的产业应用表现，人工智能是重要的 技术变革。从投资维度看，数字经济可以重点分为三条主线：一是信创，主要更加偏向于 IT 底层的基础软硬件，在技术制裁事件频发的时代背景下，科技自立自强成为关键；二是 产业信息化，产业信息化是数字技术应用最基本的场景，具体又可包括工业软件、电力信 息化、金融信息化、医疗信息化和政务信息化等细分领域；三是人工智能，与传统的“互 联网+”有着本质区别，是贯穿数字经济最重要的技术变革，近期 ChatGPT 掀起新一轮 AIGC 热潮，业界和学界跟进布局相关产业。

主线一：信创

技术制裁事件频发，科技自立自强成为关键。2022 年，美国发布多项政策对中国的 芯片产业进行技术制裁：8 月 9 日，拜登签署《芯片与科学法案》；10 月 7 日，美国商务 部工业与安全局公布《对向中国出口的先进计算和半导体制造物项实施新的出口管制》。 这些政策在限制中国芯片产业的发展的同时，很可能会进一步影响到相关领域高科技产业 的创新和发展。面对严峻复杂的国际环境，中国高度重视自主创新和科技自立自强，在《中 共中央关于制定国民经济和社会发展第十四个五年规划和二〇三五年远景目标的建议》中 提出要坚持创新在我国现代化建设全局中的核心地位，把科技自立自强作为国家发展的战 略支撑，坚持走自主创新的发展道路。

信创产业逐步由党政信创向行业信创过渡，信创产业市场规模持续扩张。信创产业即 信息技术应用创新产业，包含从 IT 底层的基础软硬件到上层应用软件的全产业链，具体而 言主要由基础硬件、基础软件、应用软件、信息安全 4 部分构成。为摆脱上游核心技术受 制于人的现状，2018 年，我国正式将信创行业纳入国家战略，提出“2+8”发展体系，“2” 是指党、政，“8”是指关乎国计民生的金融、电力、电信、石油、交通、教育、医疗、航 空航天八大行业。2020 年，信创产业开始由党政逐渐向其他行业过度，金融、电信行业 信创率先实现规模化应用。根据艾媒咨询数据，2021 年，中国信创产业市场规模为 13758.8 亿元，该机构预计 2023 年有望达到 20961.9 亿元。伴随着信创产业规模的不断扩张和我 国相关支持政策的落地，信创在我国传统行业中的广度和深度或将持续增加，有望在我国 产业数字化转型和数字经济发展进程之中发挥重要作用。

主线二：产业信息化

工业软件

工业软件是现代工业的“灵魂”。工业软件是指主要用于工业领域，为提高工业企业 设计开发、生产制造、经营管理、运维服务水平以及提升工业产品价值的软件与系统。工 业软件几乎涵盖了工业产品整个生命周期。本质上，工业软件是以数字化和系统化的形式 将经过长期积累沉淀的工业技术、工艺经验、制造方法呈现出来的软件，是现代工业制造 经验的凝结，其成熟度在一定程度上能够代表一个国家工业化发展的水平。

我国工业软件类别齐全但发展不均衡，研发设计类工业软件份额有待提升。根据产品 生命周期发展的不同阶段可以将工业软件可分为 4 大类别：研发设计类、生产制造类、经 营管理类和运维服务类。《中国工业软件产业白皮书 2020》（中国工业技术软件化产业联 盟）的数据显示，2019 年，我国研发设计类工业软件依赖进口的比例高达 95%，国产研 发设计类工业产品主要应用于功能简单、复杂度低的领域。国产生产制造类软件在国内市 场的占有率为 50%，在一些细分领域中有一定的优势，但高端领域仍有待突破；经营管理 类软件占据的国内市场份额最高，为 70%，但大部分仍集中于国内的中低端市场。国产运 维服务类软件主要应用于基础领域，欠缺成熟工程的应用。总体来看，我国工业软件类别 齐全，覆盖整个产品生命周期，但在国内的市占率差异较大，发展不平衡，并且普遍缺乏在高端产业领域的布局，未来还应当加大研发投入力度，积极布局核心科技领域的重点技 术项目。

国内工业软件产业规模在全球中占比小，但增速高于全球水平，增长潜能大。国内工 业软件产业规模在全球中占比小，但增速高于全球水平，增长潜能较大。2012 年以来， 全球工业软件行业市场规模稳步提升，中国工业软件市场也表现出蓬勃发展的态势。根据 赛迪智库、中国工业技术软件化产业联盟等机构统计，2012-2021 年全球工业软件市场规 模由 2850 亿美元上升至 4561 亿美元，年均复合增长率为 5.4%。2021 年国内工业软件市 场规模为 2414 亿元，占全球工业软件市场规模的比重约为 8%，但国内工业软件规模增速 较快，2012-2021 年的年均复合增长率为 14.2%，有较大的发展空间和增长潜能。

电力信息化

电力体制改革促市场交易电量不断上升，电力信息化需求或将持续增加。2015 年国 务院印发《关于进一步深化电力体制改革的若干意见》提出坚持电力市场化改革，在发电 侧和售电侧开展有效竞争，培育独立的市场主体，着力构建主体多元、竞争有序的电力交 易格局，形成适应市场要求的电价机制，激发企业内在活力，使市场在资源配置中起决定 性作用。自此，我国电力体制改革进入快车道，2015 至 2022 年我国电力市场交易电量由 7221 亿千瓦时上升至 52500 亿千瓦时，年均复合增长率高达 32.8%，全国市场交易电量占全社会用电总量的比重由 13.0%上升至 60.8%，全国电力市场化交易规模再上新台阶。 伴随着电力市场化交易规模的上升，电力交易端主体或将增加电力交易辅助决策系统方面 的投入，电力供给端主体也需要建立全国及各省的电力市场交易结算技术支持平台，电力 信息化需求有望持续攀升。

金融信息化

政策利好金融信息化发展，资本市场改革为金融信息化带来增量需求。2019 年之后， 各类促进金融科技发展以及银行、保险业数字化转型的政策频出。2019 年中国人民银行 出台的《金融科技（FinTech）发展规划（2019-2021 年）》提出，到 2021 年进一步增强 金融业科技应用能力，实现金融与科技深度融合、协调发展，明显增强人民群众对数字化、 网络化、智能化金融产品和服务的满意度，使我国金融科技发展居于国际领先水平。 2021 年出台的《金融科技（FinTech）发展规划（2022-2025 年）》又进一步提出， 力争到 2025 年，整体水平与核心竞争力实现跨越式提升，数据要素价值充分释放、金融 科技治理体系日臻完善、关键核心技术应用更为深化、数字基础设施建设更加先进，有力 支撑创新驱动发展、数字经济、乡村振兴、碳达峰碳中和等战略实施，走出具有中国特色 与国际接轨的金融数字化之路。可以看出，我国金融科技发展目标不断细化，从最初的宏 观发展框架逐渐聚焦到具体的应用领域，未来金融数字化发展有望迈上新台阶。与此同时， 全面注册制改革的启动亦将为金融信息化市场带来增量空间，金融信息化景气度有望持续 提升。

医疗信息化

信息化政策的出台营造新环境，数字技术的发展进步创造新机遇。2021 年以来，我 国出台多项政策有条不紊地加快医疗信息化的建设，从加强医保信息化、电子病历、远程 医疗、医联体互联互通建设，到中药信息化、护理信息化建设，医疗信息化的建设逐步由 浅入深，层层推进。除了政策的支持以外，大数据、人工智能、物联网、云计算等数字技 术的发展进步也为医疗信息化建设奠定了坚实的基础，为疫情检测分析、远程会诊、移动 救治等业务的发展创造了良好的条件，医疗信息化建设治理有望不断提升。

政务信息化

全国一体化政务大数据体系建设加快电子政务向智慧政务转型，提升政务信息化水平。 2022 年 10 月国务院发布《全国一体化政务大数据体系建设指南》，就加强数字政府建设、 加快推进全国一体化政务大数据体系建设作出安排。提出全国一体化政务大数据体系包括 管理机制、标准规范、安全保障三大支撑和“1+32+N”三类平台，其中“1”是指国家政 务大数据平台，“32”是指省级政务数据平台，“N”是指国务院有关部门的政务数据平台。 并指出要重点从统筹管理、数据目录、数据资源、共享交换、数据服务、算力设施、标准 规范、安全保障等 8 个方面，组织推进全国一体化政务大数据体系建设。《建设指南》为 我国政务大数据体系建设构建了清晰的发展框架和详细的任务清单，为政务大数据管理体 系建设指明了方向，为破解制约数字政府建设的共享难、协同难等问题提供了思路，有利 于加快电子政务向智慧政务的转变，开创了数字政府建设的新篇章，未来政务信息化的发 展节奏有望加快。

主线三：人工智能

AIGC

AIGC 历经三阶段共 70 余年的发展，从模仿复制转变为创造应用。AIGC 即生成式 AI，是指利用人工智能技术生成内容。结合人工智能的发展历程，AIGC 的发展可以分为 三个阶段：（1）20 世纪 50 年代至 90 年代中期，科技水平较为有限，AIGC 处于萌芽阶段， 限于小范围内的实验。（2）20 世纪 90 年代中期至 21 世纪 10 年代中期，随着深度学习算 法的突破和算力设备性能的提升，人工智能不断发展，但 AIGC 仍受限于算法瓶颈和规则、 模板的局限性，无法进行真正的内容生成和创新。（3）21 世纪 10 年代中期至今，深度学 习算法不断迭代，AIGC 进入创新发展阶段，广泛应用于文本、音乐、图片、视频等领域 之中，2022 年 ChatGPT 的问世使 AIGC 得到更广泛的应用。随着人工智能技术的发展， AIGC 由小范围实验性转变为大规模应用，由简单的模仿和复制升级为制造和创新，未来 随着研究的不断深入 AIGC 还有望持续发展和演进。

ChatGPT 掀起新一轮 AIGC 热潮，业界和学界跟进布局相关产业。ChatGPT 是 OpenAI 于 2022 年 11 月 30 日推出的人工智能聊天机器人工具，自推出后活跃用户数迅 速增长。ChatGPT 作为一款聊天机器人，不仅能够学习和理解人类的语言，与用户进行沟 通和交流，还能够根据用户的需求进行数据处理、信息整合、代码编写等工作。ChatGPT 的推出掀起了人工智能 AIGC 领域的技术浪潮，业界和学界纷纷开展类 ChatGPT 技术的 研发和布局，有助于加速科技型企业的数字化发展，以及传统产业的数字化转型。

大型语言模型输入世界知识，海量参数与训练数据赋能 GPT 系列模型。ChatGPT 是 基于 GPT3.5 架构的大型语言模型并且能够通过强化学习进行训练以实现自身功能。大型 语言模型（LLM，Large Language Model）是一种深度学习算法，能够在海量的数据之中 学习各类知识，可以通过大规模数据集训练来学习识别、总结、翻译、预测和生成文本及 其他内容，规模大和能够自主学习是其重要的特征。同 2018 年 OpenAI 推出的 GPT-1 相 比，GPT-3 并没有划时代的突破性创新，其最大的变化在于参数量和训练数据量的大规模 扩张，数据量的增加能够扩充其知识的容量，提升生成文本的精准度，更好地解决各种各 样的实际问题。

人类反馈强化学习注入人类偏好，三阶段循环训练不断优化 ChatGPT 模型。人类反 馈强化学习（RLHF）是强化学习（RL）的一个扩展，它通过获取人类的反馈信息优化自 身的语言模型，为机器提供一种互动式的学习过程。ChatGPT 的训练步骤主要可以分为三 个阶段，首先，以监督学习的方式对 GPT3 进行调整，进而得到一个原始模型。在调整的 过程中需要在问题库中提取问题，由标注人员给出相应的回答，以此来创建人类偏好数据。 其次，要训练一个反馈模型。针对同一个问题让原始模型输出多个答案，再由标注员按照 “人类偏好标准”对答案进行排序。最后，训练一个打分模型对原始模型的结果进行打分。 在训练的过程之中，如果原始模型输出的结果在打分模型中的得分较低时，模型将会被要 求重新学习。如此循环往复，直至原始模型完全掌握人类偏好，最终发展为 ChatGPT。

由语言模式升级为大型多模态模型，GPT-4 应用场景更为丰富。2023 年 3 月 14 日， OpenAI 正式发布 GPT-4 模型。GPT-4 作为大型多模态模型，相较于 GPT-3.5，在各个方 面的性能有较大的提升。1）GPT-4 接受图像和文本输入，并产生文本输出，拥有从图像 中提取信息，并进行逻辑分析和推理的能力。如能够发现图片的不同寻常之处、理解图片 中的笑点等。2）GPT-4 在各类专业测试及学术水平测试中的表现明显优于 GPT-3.5。如 在美国大学入学的数学考试之中，GPT-4 获得 700 分，GPT-4（no vision）获得 690 分， 而 GPT-3.5 获得 590 分，明显低于 GPT-4 的得分。3）GPT-4 的文本输入限制提升由 3000 字提升至 2.5 万字，能够对长文本进行分析和处理并进行拓展对话。如可以归纳总结论文 的摘要，回答与论文相关的问题。我们认为，GPT-4 的推出和应用将人工智能的发展带到 一个新的历史高度，数字经济建设有望迎来重大的技术突破和广阔的发展空间。

算力需求持续上升，AI 芯片有望加速成长。AI 芯片是对人工智能算法做出特殊加速 设计的芯片，“CPU+XPU”的异构形式加速了 AI 产品的运算效率，这里的 XPU 即代指 AI 芯片。传统的 CPU 主要负责控制和管理整个计算机系统，计算能力、任务处理能力均 较为有限，而包括 GPU、FPGA、ASIC 与类脑芯片在内的 XPU 具备更强的运算能力。AI 芯片是AI算力的核心，AI芯片的需求量会受到AI算力需求的影响。对1746亿参数的GPT-3模型进行训练需要消耗大量的算力资源，根据 Lambda，使用训练一次 1746 亿参数的 GPT-3 模型需要花费的算力成本超过 460 万美元。而大型多模态模型 GPT-4 有着对分析、 描述图像的能力以及更强的逻辑分析、推理能力，因而会对算力有着更高的需求。艾瑞咨 询数据显示，2022 年，中国 AI 芯片市场规模约为 385 亿元，且预计 2024 年 AI 芯片市场 规模有望达到 827 亿元。我们认为，随着 GPT 系列产品的升级、AI 应用的普及，算力需 求有望大规模扩张，并带动 AI 芯片持续高速成长。

后摩尔时代 Chiplet 脱颖而出，有望成为 AI 芯片发展新趋势。戈登·摩尔于 1965 年 提出，半导体芯片上集成的晶体管数量每 18~24 个月增加一倍，在随后的五十多年时间里， 微电子等相关技术跟随摩尔定律快速发展。随着半导体工艺进入 28 纳米节点后，新工艺 的研发成本呈指数级上涨，芯片迭代升级的难度越来越大，片上系统 SoC 的研发面临困境， 半导体业进入后摩尔时代。AIGC 等 AI 技术的快速发展不断提升对芯片算力的需求，芯片 工艺的升级迫在眉睫。Chiplet 的出现满足了厂商对 AI 芯片低成本、高性能、低功耗的需 求，破解了当前芯片技术发展过程中的难题，为芯片行业的发展带来变革，或将成为 AI 芯片演进的重要方向。

边缘 AI

边缘 AI 步入膨胀期，远离云端保证计算及时性和存储安全性。根据 Gartner 发布的 2022 年 Gartner 人工智能（AI）技术成熟度曲线显示，在多项人工智能技术中，边缘 AI、 生成式 AI 等目前正处于膨胀期，且预计在未来 2 到 5 年内成为主流创新型技术。边缘 AI 是指以直接在边缘设备上运行的机器学习算法的形式来使用人工智能。边缘 AI 的计算位于 网络边缘的用户附近，处于靠近数据的位置，而不在云计算设施或私人数据中心之中。这 里的网络边缘可以表示任何位置，例如零售商店、医院、工厂或手机等电子设备。 边缘 AI 远离云端的特性使其具备两大核心优势，一是实时的数据计算和处理能力，这 种能力使物联网设备和传感器所在的边缘具备事件的快速判断和响应能力。如在自动驾驶 汽车的应用中，边缘 AI 能够在几毫秒的时间内处理数据，防止意外事故的发生。二是能够 提升用户存储数据的安全性，边缘 AI 可以在本地进行数据的处理和存储活动，上传至云端 的数据较少，用户数据被盗风险降低，安全性得到大幅提升。

算力与能耗限制有望实现突破，高性能边缘 AI 或将实现边缘落地。边缘 AI 自身的特 性使其在算力和能耗上受到限制，应用大模型的高性能 AI 对算力和功耗的要求较高，这致 使其难以在边缘侧进行实际应用，通常只能在云端运行。伴随自动驾驶、工业制造、云游 戏等场景的拓展，AI 处理中心将从云端逐步下移至边缘侧，低性能边缘 AI 或将得到广泛 的应用。与此同时随着数字技术的进步，高性能边缘 AI 也有望步入市场。近期华为、高通 两家科技型企业相继推出边缘 AI 产品，中信证券研究部计算机组认为，华为与高通一定程 度上验证了高性能边缘 AI 的可行性，并且表明通过模型压缩+联网智能的方式有望在边缘 端实现 AI 大模型的体验。如何在限定的功耗下完成更多的 AI 处理，并逐步突破高性能侧 端 AI 成为未来边缘 AI 的发展重点。

决策智能

结合运筹优化和机器学习算法，助力 AI 于不确定环境中进行决策。决策智能以运筹 算法为基础，融合机器学习技术，在不确定的环境之中做出决策，并根据反馈评估、测算 结果来进行分类诊断、时序预测和策略优化。狭义的决策智能是一类优化问题，仅指在多 种可能的决策之中做出最佳的选择。这种优化技术有广阔的应用场景，但由于落地难度较 大、解决复杂问题时要使用求解器，目前尚处于起步阶段。广义的决策智能泛指能够指导 人更科学、准确地做出判断的 AI 产品，以分析和预测的结果为基础，结合对不确定环境的 把握形成最终决策，主要使用机器学习、NLP、知识图谱技术等技术以形成场景化的解决 方案。

决策智能发展正当时，或将成为产业供应链数智化转型的新引擎。我国《十四五规划 纲要》明确提出要提升产业链供应链现代化水平，促进数字技术与实体经济深度融合，赋 能传统产业转型升级，催生新产业新业态新模式，壮大经济发展新引擎。目前，我国工业 体系门类齐全，产业链较为完善，但供应链存在效率低、成本高等明显不足之处，借助决 策智能的运筹优化和机器学习算法，实现制造业供应链的智能决策和高效管理，推动制造 业供应链的数智化转型能够有效破解当前的困境。一种可行的整体方案主要包括优化求解 器、智能决策技术中台和智能决策优化系统三个层次，这种整体智能决策方案有助于解决 制造企业所面对的复杂繁琐的供应链决策问题，提升制造业供应链数智化水平，为制造业 提质增效和数字化转型提供了新动力。

3.转债个券汇总

截止 2023 年 3 月 31 日，数字板块共有 60 只已发转债，15 只待发转债。数字经济 板块转债缺乏拉动主线行情的核心标的，但是仍然存在不少数字经济衍生赛道。根据中信 证券研究部策略组观点，数字经济产业逻辑或成为年度级别主线，随着 ChatGPT 的出现 以及其展现出来的极快的技术迭代能力和极强的产业延展和渗透能力，市场对其的认知也 从纯主题性机会转变为可能有极大量级的配置型机会，并且随着时间推移还可能朝着有足 够大资金容载量的赛道级机会演化。同时叠加国内数据要素改革、信创持续推进以及科技 自主可控，其带来的机会不断向上游芯片、云计算等基础设施层扩散，同时也向下游图像 视频、办公、教育、医疗、金融等应用领域扩散。结合转债转股溢价率和 YTM 来看，目 前性价比较高的个券有：山石转债、淳中转债、奥飞转债、新致转债、立昂转债、宏图转 债、风语转债、景 20 转债、环旭转债、世运转债、银信转债、南电转债、超声转债、科 蓝转债、明电转债、聚飞转债、道通转债、朗科转债、捷捷转债、英力转债、多伦转债。

编辑：999感冒灵