2024年计算机行业算力深度报告：产业链全梳理

1. 算力——AI大模型时代的能源动力

1.1 技术革命意味着什么？——新一代生产力工具（AGI）问世推动主体能源（算力）需 求快速上行

1.1.1 AGI 曙光：通用人工智能技术有望启动第四次工业革命，算力为主体能源

工业革命的本质是以新一代生产力工具的大范围应用为核心，以主体能源为基础动力的 全局性经济范式转型。历史上共发生过三次工业革命，我们认为，本轮通用型人工智能 发展浪潮有望启动第四次工业革命： 第一次技术革命：生产力工具：蒸汽机；主体能源类型：煤炭。 第二次技术革命：生产力工具：内燃机；主体能源类型：石油。 第三次技术革命：生产力工具：计算机；主体能源类型：电力。 第四次技术革命：生产力工具：通用人工智能；主体能源类型：算力。

1.1.2 押注能源：历次技术革命的主体能源需求量受益于生产力解放快速上行

历史上历次技术革命所涉及的主体能源都会随新一代生产力工具广泛应用而呈现能源需 求持续上行的阶段，以煤炭和石油两种一次化石能源为例说明：

以瓦特蒸汽机的大范围应用为代表的第二次技术革命最早在英国展开，后续逐渐扩 散至欧洲大陆和美国。1860 年起，英国煤炭消耗量上行约一个世纪，达峰之后逐渐 回落，1860~1920 年英国煤炭消耗量的快速爬升主要受益于蒸汽机在铁路运输、纺 织、制造、采矿等各行业的广泛应用（1882 年以后同时受益于煤电厂的兴建）。

以内燃机的大范围应用为代表的第三次技术革命最早在美国和德国展开，后续逐渐 扩散至欧陆各国。1920 年起，美国原油生产量持续保持高速爬升，1970s，美国国 内石油开采量放缓，对海外原油进口飙升，国内石油需求持续增长。

1.2 AI 算力需求有望在模型规模、算法创新、海量数据、应用落地等多端推动下高增

1.2.1 AI 三要素：算法是车间工艺，算力是能源动力，数据是生产资料

算法：算法是 AI 的车间工艺，它定义了如何处理和解释数据。随着深度学习等先进 技术的兴起，算法变得越来越复杂，对计算资源的需求也随之增加。

算力：算力是 AI 的能源动力，是执行算法所需的硬件资源。它包括 CPU、GPU、 TPU 等处理器。算力的提升直接关系到 AI 模型训练的速度和效率，是实现模型快 速迭代和优化的关键。

数据：数据是 AI 的生产资料，高质量的数据集对于训练出准确可靠的 AI 模型至关 重要。数据的收集、处理和分析是 AI项目成功的关键环节。

1.2.2 算力需求跃迁：AI 模型训练所需 FLOPs 增速超过摩尔定律，引发算力需求高增

2010 年以前（前深度学习时代）：2010 年以前，AI模型训练所需 FLOPs（Floating Point Operations Per Second，衡量计算性能的指标，特别是在深度学习和神经网 络领域中，用来描述硬件设备在单位时间内能够完成的浮点运算次数。是评估深度 学习模型的计算复杂度和硬件性能的重要指标）始终保持稳定（指数级）线性增长。 这一阶段 AI 模型训练所需 FLOPs 增长与摩尔定律保持一致，大约每 20 个月翻一 倍，算力需求从 3×104 FLOPs 增长到 2×1014 FLOPs。

2010~2015 年（深度学习时代）：2010 年起，AI 深度学习模型训练所需 FLOPs 相 对前深度学习时代出现斜率突变。自从深度学习在 2010 年代初兴起以来，训练计 算的规模加速增长，大约每 6 个月翻倍，远超摩尔定律每 20 个月翻一倍的算力供 给。到 2015 年底，随着大型机器学习模型的开发，训练计算的需求增长了 10 到 100 倍，算力需求总规模达到 4×1021 FLOPs。

2016 年至今（大模型时代）：2016 年起，AI 大模型训练所需 FLOPs 出现断点跳跃。 2017 年，《Attention Is All You Need》发表，Transformer 模型问世。Transformer 架构的出现使得模型能够处理更长的序列和更复杂的任务（2017 年之后陆续诞生众 多千亿参数模型），但同时也需要更多的计算资源，算法上的创新推动了对更高计算 能力的需求。同时，尽管存在如分布式训练和混合精度训练等提高训练效率的技术， 但这些技术的应用往往需要更多的硬件资源。为了实现大规模并行处理，需要大量 的 GPU 或 TPU 资源，这进一步加剧了对算力的非线性需求，2022 年训练大模型 的算力需求达到了 8×1023 FLOPs。

1.2.3 算力分类：训练算力+推理算力，算力体系逐步完善

训练算力：指在训练机器学习模型时所需的计算资源。训练过程涉及将模型与训练数据 进行多次迭代，调整模型参数以最小化损失函数（损失函数是衡量模型预测值与实际值 之间差异的函数，反映模型性能）。所需训练算力的大小与模型复杂度、数据集大小和迭 代次数有关。 越复杂的模型通常需要越多的训练算力，因为它们有更多的参数需要进行调整； 使用更大型数据集进行训练通常需要更多计算资源，因为需要处理更多的数据量； 较大的模型或更复杂的任务可能需要更多的迭代次数才能达到收敛，这会增加训练 时间和计算资源的需求。

推理算力：指执行已经训练好的模型进行预测或推理时所需的计算资源。在推理阶段， 模型不再更新参数，而是用来对新数据进行预测。这时，算力的需求与模型大小、批处 理大小（Batch Size，是指在深度学习中每次输入的数据集大小）、硬件配置有密切联系。 越大的模型通常需要越多的推理算力来执行预测，因为它们具有更多的参数需要进 行计算； 推理时的批处理大小也会影响算力需求，较大的批处理大小可能需要更多的内存和 计算资源来处理； GPU、TPU 等硬件的类型和数量会影响推理的速度和效率，更强大的硬件通常可以 更快地执行推理任务。

训练芯片：用于构建神经网络模型，需要高算力和一定的通用性。 推理芯片：利用神经网络模型进行推理预测，注重综合指标，单位能耗算力、时延、 成本等。

1.2.4 算力规模：训练/推理对 AI 芯片提出不同要求，推理端算力需求有望远超训练端

据 IDC，2023 上半年国内训练工作负载的服务器占比达到 49.4%，预计全年的占比将达 到 58.7%。随着训练模型的完善与成熟，模型和应用产品逐步进入投产模式，处理推理 工作负载的人工智能服务器占比将随之攀升，到 2027 年，国内用于推理的工作负载预 计将达到 72.6%。

AI大模型在训练端和推理端都将产生巨量的算力需求：

训练端算力需求的测算：从模型的参数规模入手，根据训练大模型所需的 Token 数 量和每 Token 训练成本与模型参数量的关系分别估算总算力需求，再考虑单张 GPU 算力和 GPU 集群的算力利用率推导得出 GPU 总需求。其中，参考 OpenAI 发布的论文《Scaling Laws for Neural Language Models》中的分析，每个 Token 的训练成本通常约为 6N，其中 N 是 LLM 的参数数量。以 GPT-3 为例，根据 《Training Compute-Optimal Language Models》，GPT3 的参数量为 1,750 亿，训 练 Tokens 为 3,000 亿，该模型训练算力总需求为 6×1,750 亿×3,000 亿=3.15×1023 FLOPs，对应图表 10 公式（1）。假如目前要同时 3 个 GPT-3 大模型，且需要在一 周以内训练完成，则训练端峰值算力需求为 3.15×1023 FLOPs×2/（7×24×3600） =1.04×1018，对应图表 10 公式（2）。

推理端算力需求的测算：根据大模型日活用户人数、每人平均查询 Token 数量、每 Token 推理成本与模型参数量的关系估算推理端总算力需求，同时考虑最大并发峰 值的算力乘数为高并发提供冗余。其中，参考 OpenAI 发布的论文《Scaling Laws for Neural Language Models》中的分析，每个 Token 的推理成本通常约为 2N，其 中 N 是 LLM 的参数数量。

2. 透视算力产业链——上游：芯片/元器件→中游：服务器/网络设施→下游：IDC/云服务

算力产业包括上游的芯片及元器件，中游的服务器与网络设备，下游的数据中心及云服 务三部分构成，在其中的各个板块，均已有国产厂商深度布局。

3. 上游-芯片/元器件——异构算力蓬勃发展，国产替代空间广阔

3.1 CPU：中央处理器，Intel 与 AMD 两大巨头占据 x86 CPU 市场

3.1.1 基本定义：CPU 负责解释计算机指令以及处理计算机软件中的数据

CPU 是中央处理器（Central Processing Unit）的简称，采用超大规模的集成电路组成 制造，是计算机的运算核心和控制核心。CPU 包括运算器（算术逻辑单元、累加寄存器、 数据缓冲寄存器、状态条件寄存器）、控制器（指令寄存器、程序计数器、地址寄存器、 指令译码器、时序，总线，中断逻辑控制）、高速缓冲存储器、内部数据总线、控制总线 及状态总线输入/输出接口等模块。 CPU 的主要功能是解释计算机指令以及处理计算机软件中的数据。指令寄存器（IR）从 存储器或高速缓冲存储器中取出指令，指令译码器（ID）对指令进行译码，将指令分解 成一系列的微操作，向运算器中能够进行所需运算的模块发送控制命令，从而完成指令 的执行。

3.1.2 CPU 分类：基于指令集的 CISC 与 RISC，基于应用领域的 MPU/MCU/DSP

指令集是 CPU 所执行指令的二进制编码方法，是软件和硬件的接口规范。CPU 按照指 令集可分为 CISC （Complex Instruction Set Computer ，复杂指令集）和 RISC （Reduced Instruction Set Computer，精简指令集）两大类，CISC 型 CPU 目前主要 是 X86 架构，RISC 型 CPU 主要包括 ARM、RISC-V、MIPS、POWER 架构等：

X86：基于 CISC（复杂指令集）的 X86 架构是一种为了便于编程和提高存储器访 问效率的芯片设计体系，包括两大主要特点：一是使用微代码，指令集可以直接在 微代码存储器里执行，新设计的处理器，只需增加较少的晶体管电路就可以执行同 样的指令集，也可以很快地编写新的指令集程式；二是拥有庞大的指令集，X86 拥 有包括双运算元格式、寄存器到寄存器、寄存器到存储器以及存储器到寄存器的多 种指令类型。

ARM 架构：ARM 架构过去称作进阶精简指令集机器，是一个 32 位精简指令集处 理器架构，其广泛地使用在许多嵌入式系统设计，近年来也因其低功耗多核等特点 广泛应用在数据中心服务器市场。早期 ARM 指令集架构的主要特点：一是体积小、 低功耗、低成本、高性能；二是大量使用寄存器，且大多数数据操作都在寄存器中 完成，指令执行速度更快；三是寻址方式灵活简单，执行效率高；四是指令长度固 定，可通过多流水线方式提高处理效率。

RISC-V 架构：RISC-V 是加州大学伯克利分校设计并发布的一种开源指令集架构， 其目标是成为指令集架构领域的 Linux，主要应用于物联网（IoT）领域，但可扩展 至高性能计算领域。RISC-V 采用 BSD License 发布，由于允许衍生设计和开发闭 源，吸引了一大批公司的关注，目前已有不少公司开发基于 RISC-V 的 IP 核，如 Si-Five、台湾晶心、阿里平头哥等已可提供基于 RISC-V 的处理器 IP 核，部分企 业如兆易创新、北京君正等已开发出基于 RISC-V 的 MCU 芯片等。但整体上，由 于 RISC-V 产业生态还比较薄弱，未来的发展仍有较长一段路要走。

MIPS 架构：MIPS 是高效精简指令集计算机体系结构中的一种，MIPS 的优势主要 有三点：一是发展历史早，MIPS 在 1990 年代已经广泛使用在服务器、工作站设备 上。二是在学术界影响广泛，计算机体系结构教材都是以 MIPS 为实际例子。三是 MIPS 在架构授权方面更为开放，授权门槛远低于 X86、ARM，在 2019 年曾经有 开放授权的实际动作，并且 MIPS 允许授权商自行更改设计、扩展指令，允许二次 授权。

POWER 架构：POWER 架构是由 IBM 设计的一种 RISC 处理器架构，POWER 在 大型机领域独具优势。POWER3 是全球首款 64 位架构处理器，开始应用铜互联和 SOI（绝缘体上硅）技术。直至 POWER 9 依然追求最高性能，不仅具备乱序执行、 智能线程等技术，还实现了 SMP（对称多处理技术）的硬件一致性处理。

CPU 按照下游应用领域可分为通用微处理器（MPU, Micro Processor Unit）、微控制器 （MCU, Micro Controller Unit）和专用处理器：

通用微处理器：MPU 通常按照面向的市场分为用于服务器、桌面（台式机/笔记本）、 超级计算机等。

微控制器：MCU 微控制单元，是用于控制类应用的低性能、低功耗 CPU。MCU的 主频一般低于 100MHz，是把 CPU 的频率与规格做适当缩减，并将内存、计数器、 USB、A/D 转换、UART、PLC、DMA 等周边接口，甚至 LCD 驱动电路都整合在 单一芯片上，形成的芯片级计算机。MCU的主频、功耗都很低，为不同应用场合做 不同组合控制。诸如在智能制造、工业控制、智能家居、遥控器消费领域，以及汽 车电子、工业上的步进马达、机器手臂的控制等，都大量使用 MCU。

专用处理器：专用处理器实现面向某一领域的特定功能。例如数字信号处理器 （DSP，Digital Signal Processor），DSP 芯片也称数字信号处理器，是一种专用于 进行数字信号处理运算的微处理器，其主要应用是实时快速地实现各种数字信号处 理算法。DSP 广泛应用于数字控制、运动控制等方面。其它专用处理器还有深度学 习处理器、数据库加速处理器、安全处理器、类脑计算芯片等。

3.1.3 产业链条：上游-EDA/IP/半导体设备/测试，下游-整机厂商/行业解决方案/应用系 统

CPU 的产业链上游包括支撑集成电路设计和制造的 EDA 辅助设计工具和 IP 服务，半导 体制造设备、芯片生产测试流程。目前 CPU 的产业链上游企业多为国外知名厂商，具 有垄断优势，国产化程度较低。CPU 的产业链下游包括各类整机厂商、终端设备、网络 设备和应用系统等，其中最重要的是服务器、桌面和嵌入式系统等硬件设备厂商。

3.1.4 市场规模：全球微处理器市场规模高达千亿美元，我国约占全球市场规模 40%

根 Yole 数据，2022 年全球 CPU市场规模为 650 亿美元，预计 2028 年增长到 970 亿美 元，年复合增长率为 7%。

据 IC Insights，2021 年，得益于公共卫生事件期间的封控驱动了市场对 PC 和智能手机 的需求，全球微处理器总销售额保持 13.3%的强劲增长，高达 1,058 亿美元。2022 年全 球 MPU（微处理器）总销售额有望增长 6.3%。 据 IC Insights，2020 年，我国 MPU 市场规模达到 2,336 亿元，约占全球规模的 36.3%。 假设我国占全球市场比重保持不变，2023 年我国 MPU市场规模有望达 3,382 亿元。

3.1.5 竞争格局：Intel 约占全球 MPU 市场半壁江山，Intel 与 AMD 独占 x86 全球市场

据 Counterpoint Analysis，2022 年，Intel 约占全球服务器 CPU市场份额 70.8%，AMD 约占全球服务器 CPU 市场份额 19.8%，二者合计约占 90.6%；2021 年，二者合计约占 92.5%。

据艾瑞咨询，2021 年，全球 MPU（微处理器）市场多被英特尔、苹果和高通等美系厂 商占据。中国厂商，如紫光展锐与华为海思已逐步走进国际视野，在 21 年 IC Insight 竞 争格局中分别位列第八、九位，未来份额有待进一步提升。 据艾瑞咨询，2020 年，欧美及日韩系厂商在全球 MCU（微控制器）市场占据绝对优势， 尤其在汽车/车规级与工控领域的中高端产品线。中颖电子、兆易创新等中国厂商多由消 费电子切入，正发力转型突破以进入中高端市场。

根据指令集架构区分，全球 PC 市场中 x86 架构占绝对主导地位，市占率在 90%左右。 但得益于 ARM 架构的低成本、低功耗、系统通用性、日益加强的性能以及海量终端设 备生态，未来有巨大的市场增长潜力。在过去 2 年， Arm 架构在全球 PC 市场的份额从 2020 年的 1.4%增长至 2022 年的 12.8%，蚕食 x86 PC 的部分市场。 据 Mercury Research，全球 x86 CPU市场份额由 Intel 与 AMD 两巨头占据。2023Q2， Intel 约占全球 x86 CPU市场份额 68.4%，AMD 约占 31.6%。

3.2 GPU：CUDA大幅降低 GPU 并行计算的编程难度，NV 约占全球市场九成份额

3.2.1 基础定义：CPU 侧重低延迟计算，GPU 更侧重并行计算

GPU 一般指图形处理器（Graphics Processing Unit，缩写 GPU），又称显示核心、视 觉处理器、显示芯片，是一种专门在个人电脑、工作站、游戏机和一些移动设备（如平 板电脑、智能手机等）上做图像和图形相关运算工作的微处理器。 GPU与 CPU设计处理的计算任务的目标是不一样的，CPU是一种低延迟的设计，GPU 更侧重并行计算。通俗地讲，CPU 可单独处理复杂的逻辑运算和不同的数据类型，如同 一位教授单独去解一道复杂的高数题，而 GPU 是用很多简单的计算单元去完成大量的 计算任务，如同一百名小学生分别独立计算 10 以内的加减法。因此，CPU和 GPU整体 结构有很大的区别。

3.2.2 CUDA：大幅降低 GPU 并行计算的编程难度，实现 GPU 的通用化

CUDA（Compute Unified Device Architecture，统一计算设备架构），由 NVIDIA 于 2007 年开发，CUDA 可以让开发者能够用类似 C 语言的方式编写程序，让 GPU 来处理 计算密集型任务。因此，从简单的角度，可以理解为这是一套英伟达提供给开发人员的 编程工具，运用 CUDA 能省下大量撰写低阶语法的时间，进而直接使用高阶语法诸如 C++或 Java 等来编写应用于通用 GPU上的演算法，解决平行运算中复杂的问题。 CUDA 平台包含了一系列工具函数，有各种功能，如： 数据索引：从主机端(CPU)存储器获取数据，到相应的设备端(GPU)存储器 。 内核函数：GPU上的计算函数代码 。 线程分配: 把计算任务分配到各个线程（对应硬件单元里的 SP） 。 定义数据存储的缓存层次：哪些数据在离计算单元较近的缓存，哪些在比较远的全 局存储器 。设置流与事件：划定某些计算节点，以实现复杂的任务图。

CUDA 具备三点核心优势： 高效的并行计算能力：CUDA 能够让成千上万的 GPU 核心同时工作，大幅提高计 算速度。 广泛的应用场景： CUDA 的应用几乎遍及所有需要大量计算的领域。如：科学研究 （在物理、化学、生物等领域，CUDA 能够加速复杂的模拟和计算过程。比如，模 拟宇宙的起源、分析大量的基因序列等。）、深度学习（深度学习需要处理大量的数 据和复杂的计算。使用 CUDA，训练神经网络的时间可以从几周缩短到几小时。）、 图像处理（从电影的特效制作到医学图像的分析，CUDA 能够加速图像处理的过程， 让复杂的图像分析变得更加快速和准确。）、金融分析（在金融领域，CUDA 被用来 加速风险分析、市场模拟等计算密集型任务，帮助分析师更快地做出决策。）等。 强大的生态支持：NVIDIA 提供了丰富的文档、教程和工具，让开发者更容易地开 发基于 CUDA 的应用。

3.2.3 市场规模：2022 年全球 GPU 市场规模达 422 亿美元，未来十年有望高速增长

据 Verified Market Research，2021 年，全球 GPU市场规模高达 334.7 亿美元。 据 Precedence Research，2022 年，全球 GPU市场规模未来 10 年 CAGR 有望保持 30% 以上，2032 年全球 GPU市场规模有望达到 7,731 亿美元。

3.2.4 竞争格局：NV 约占全球 GPU 市场份额近九成，AMD 与 Intel 约占 10%

据 JCR，2022Q2 开始，NV 约占全球 GPU 市场份额 80%以上。2023Q2，NV 约占全 球 GPU市场份额高达 87%，AMD 约占 10%，Intel 约占 3%。

3.3 ASIC：算力由通用走向定制，2022 年我国 ASIC 市场规模达 335 亿元

3.3.1 基础定义：专用集成电路，算力从通用走向定制

ASIC（Application Specific Integrated Circuit，专用集成电路）是一种专用芯片，与传统 的通用芯片有一定的差异，是为了某种特定的需求而专门定制的芯片。ASIC 芯片的计算 能力和计算效率都可以根据算法需要进行定制，所以 ASIC 与通用芯片相比，具有以下 几个方面的优越性：体积小、功耗低、计算性能高、计算效率高、芯片出货量越大成本 越低。但是缺点也很明显，只能针对特定的某个或某几个应用场景，一旦算法和流程变 更可能导致 ASIC 无法满足业务需求。

3.3.2 市场规模：2022 年全球 ASIC 市场规模在千亿体量，我国约占全球市场 33.4%

据 Market Monitor，2022 年，全球 ASIC 市场规模在千亿体量，我国市场规模约在 335 亿元，约占全球市场的 33.4%。预计 2028 年全球市场有望达 1,677 亿元，22~28 年 CAGR 或达 8.9%。

3.3.3 竞争格局：竞争格局开放，国产替代正当时

ASIC 不同于 CPU、GPU、FPGA，目前全球 ASIC 市场并未形成明显的头部厂商。由 于 ASIC 开发周期长，仅有大厂有资金与实力进行研发。同时，ASIC 是全定制芯片，在 某些特定场景下运行效率最高，故某些场景下游市场空间足够大时，量产 ASIC 芯片可 以实现丰厚的利润。目前市场上主流 ASIC 有 TPU 芯片、NPU 芯片、VPU 芯片以及 BPU 芯片，它们分别是由 Google、寒武纪、Intel 以及地平线公司设计生产。在海外， 谷歌 TPU 是主导者，国内初创芯片企业（如寒武纪、比特大陆和地平线），互联网巨头 （如百度、华为海思和阿里）在细分领域也有所建树，目前已经取得了一定的成果。

3.4 FPGA：现场可编程芯片，Xilinx 约占全球市场份额 52%

3.4.1 基础定义：现场可编程的芯片，FPGA=LC+IO+SB

FPGA（Field-Programmable Gate Array，现场可编程门阵列）芯片的最大特点是现场 可编程性。无论是 CPU、GPU、DSP、Memory 还是各类 ASIC 芯片，在芯片被制造完 成之后，其芯片的功能就已被固定，用户无法对其硬件功能进行任何修改，而 FPGA 芯 片在制造完成后，其功能并未固定，用户可以根据自己的实际需要，将自己设计的电路 通过 FPGA 芯片公司提供的专用 EDA 软件对 FPGA 芯片进行功能配置，从而将空白的 FPGA 芯片转化为具有特定功能的集成电路芯片。 FPGA 的优势有以下四点：1、可重构性：可以被重新编程来实现不同的逻辑功能，灵活 度高，能适应不同的应用需求。2、高性能：由于 FPGA 可以被定制设计，因此可以实 现非常高效的逻辑运算。此外，FPGA 通常具有并行计算能力，可以处理大量数据，在 某些应用中比传统处理器更快。3、低功耗：由于 FPGA 可以被编程来执行特定的任务，因此能更有效地利用能量，减少功耗。4、实时性：FPGA 可以实时处理输入数据，在需 要实时响应的应用中具有很大的优势。 FPGA 芯片由可编程的逻辑单元（LogicCell，LC）、输入输出单元（InputOutputBlock， IO）和开关连线阵列（SwitchBox，SB）三个部分构成。

3.4.2 功能实现：编程 LC 与 SB 改变逻辑电路进而实现不同的功能

用户通过对逻辑单元（LC）和开关阵列（SB）的编程，使 FPGA 内部形成不同的逻辑 电路进而实现用户所需的功能。具体而言，用户将需要实现的电路功能用硬件描述语言 进行描述，配套的 FPGA 专用 EDA 软件接受用户的功能描述和目标要求后，通过逻辑 综合、布局布线和物理优化，最终编译生成二进制位流数据（Bitstream）。用户将位流 数据存放在 FPGA 芯片上或芯片外的特定存储空间，FPGA 芯片启动后将位流加载到逻 辑单元的 SRAM 数据存储空间和开关连线的 SRAM 控制存储空间，FPGA 芯片就实现 了用户期望的特定功能。

3.4.3 市场规模：全球 FPGA规模或近百亿美元，中国市场约占 37.9%

据 Frost&Sullivan，2023 年全球 FPGA 市场规模有望达 94 亿美元，18~23 年 CAGR 有 望达 11.7%；同年，我国 FPGA 市场规模有望达 250 亿元，约占全球市场规模的 37.9%， 18~23 年 CAGR 有望达 16.7%。

3.4.4 竞争格局：Xilinx 约占全球 FPGA市场份额 52%，安路科技为国产龙头厂商

据中商产业研究院，2022 年，Xilinx 约占全球 FPGA 市场份额 52%，Intel 旗下 Altera 约占 35%，Lattice 约占 5%，Microsemi 约占 5%，全球市场仍由国外厂商主导。 据 Frost&Sullivan，2019 年，Xilinx 约占我国 FPGA 市场份额 36.6%，国产 FPGA 龙头 安路科技约占 6%，国产替代空间广阔。

4. 中游-服务器/网络设备——国内服务器厂商领军全球，光模块市场份额迅速提升

4.1 服务器：管理计算资源的大型计算机，全球市场规模超千亿美元

4.1.1 基本定义：服务器在网络中为其它客户机提供计算或应用服务

服务器是为各类互联网用户提供综合业务的服务平台，其功能是为网络中的客户机（如 PC 机、智能手机、大型系统设备等终端）提供计算及应用服务。 服务器由处理器、硬盘、内存、系统总线等软硬件构成，和通用的计算机架构类似，服 务器需为计算机提供高可靠的服务，因此在处理能力、稳定性、可靠性、安全性、可扩 展性、可管理性等方面要求较高。

4.1.2 产品分类：基于体系架构方式/基于应用层次/基于用途/基于机箱结构

服务器按照体系架构方式划分为 x86 服务器及 non-x86 服务器；按应用层次划分为入门 级服务器、工作组服务器、部门级服务器及企业级服务器；按用途划分为通用型服务器、 专用型服务器；按服务器机箱结构划分为台式服务器、机架式服务器、机柜式服务器及 刀片式服务器。

4.1.3 产业链条：上游-硬件设备/软件产品，下游-应用市场

从产业链来看，服务器行业上游为原材料及设备市场，主要包括芯片、硬盘、内存等硬 件设备和软件产品。服务器行业下游为应用市场，主要有互联网、电信、金融、政府、 能源和交通等领域。

4.1.4 市场规模：2022 年全球服务器市场高达千亿美元，我国约占全球市场四分之一

据 Counterpoint，2022 年全球服务器市场将达到 1,117 亿美元，同比增长 17%。在公共 卫生事件后，企业纷纷向混合云转型，混合云模式推动组织采用 AIOps、基础设施自动 化和边缘计算等新兴技术，这促使现有基础设施升级，为增长提供了动力。据 IDC， 2022 年我国服务器市场规模约在 273 亿元，同比增长 9.1%，约占全球市场的四分之一。

由于 X86 架构起步早，具备成熟生态优势，目前 X86 仍是全球服务器主流架构。据华经 产业研究院， 2020 年全球 X86 服务器销售额 826.5 亿美元，占比达到 90.8%，销售量 占比达到 97.3%。 据 IDC，2021 年，中国服务器出货量达到 391.1 万台，同比增长 8.4%，其中 X86 服务 器出货量达到 375.1 万台。预计 2025 年中国 X86 服务器出货量将达到 525.2 万台。

4.1.5 竞争格局：戴尔/浪潮/HPE 全球市场 CR3，浪潮/新华三/超聚变引领国内市场

据 IDC，2023 年第三季度，戴尔在全球服务器市场上位居榜首，市场占比达到 11.1%， 同比减少 5.0%；浪潮信息市场占比 9.1%，同比增加 1.6%；HPE 市场份额 7.1%，同比 减少 3.3%，排名第三。 据 IDC，2022 年，中国服务器市场排名前三的厂商依次为浪潮，市场占比 28.1%；新华 三，市场占比 17.2%；超聚变，市场占比 10.1%，三者合计占比达到 55%，占据国内服 务器市场半壁江山。第二阵营品牌处于贴身缠斗之势。具体来看，宁畅、中兴、戴尔、 联想等品牌市场占比均在 5%左右。

4.2 光模块：实现光电信号互相转换，国产厂商占全球市场份额 50%以上

4.2.1 基本定义：光模块的功能是实现光电转换，是光通信系统的核心器件

光模块的功能是实现光电转换，是光通信系统的核心器件。光模块在发射端（TOSA） 通过激光器芯片将电信号转换为光信号，经过光纤传输至接收端（ROSA），在接收端通 过探测器芯片将光信号转换为电信号，实现信号传输。其中光芯片是决定光通信系统信 号传输效率和网络可靠性的关键。按照功能光芯片可以分为激光器芯片（LD）和探测器 芯片（PD）。

4.2.2 产品分类：分类方式多样，小型化、高速率、低功耗、低成本是发展趋势

从光模块分类角度，由于应用场景较多需求各异，因而分类方式多样，命名复杂。光模 块常见的分类方式包括了封装类型、速率、距离、激光器类型、探测器类型等。整体而 言，小型化、高速率、低功耗、低成本是光模块整体的发展趋势。

4.2.3 产业链条：上游-元器件等，下游-通信设备制造/数据中心/电信运营商

光模块行业产业链上游为光器件、集成电路芯片、印制电路板等元器件供应商。中游是 光模块生产企业，近年来，中国光模块企业不断进行并购重组，垂直整合产业链，行业 集中度进一步提高，光模块供应商逐渐在全球市场上获得份额，中国的供应商目前在全 球以太网光模块市场占主导地位。光模块行业下游主要应用于通信设备制造、数据中心、 电信运营商等领域。

4.2.4 市场规模：全球光模块市场规模突破百亿美元，中国市场约占四分之一

据 Lightcounting，全球光模块市场规模在 16~19 年增速放缓，但在 20 年和 21 年受到 居家学习、办公的网络需求驱动，恢复高速增长态势。2020 年增速达到 21%，市场规 模突破 100 亿美元；2021 年增速达到 6%，市场规模达到 107 亿美元。但在 2023 年， 随着电信运营商资本开支减少、云计算公司在经历了几年两位数的增长后资本开支增长 率放缓，2023 年光模块市场小幅下降。未来随着 5G 产业持续渗透和新一轮全球数据中 心建设，2024 年全球光模块市场规模预计达到 130 亿美元。 目前国内计算和存储能力的需求不断增加，同时在当前 5G 时代的发展背景之下，整体 通信行业呈现高景气运行，以光模块等为代表的核心市场正在迅速发展，市场规模迎来 不断提升。据华经产业研究院，2021 年我国光模块行业市场规模从 2016 年的 250.9 亿 元增长至 415.22 亿元，2022 年市场规模约为 476.82 亿元，预计 2023 年中国光模块市 场规模有望达到 554.5 亿元。

4.2.5 竞争格局：国产厂商份额不断提升，占据全球光模块市场份额超过 50%

国产厂商份额不断提升。中国光模块厂商凭借劳动力成本等的优势，在与海外光模块厂 商竞争中不断占据上风。据 Odmia，2015 年，全球前十大光模块厂商仅光迅科技一家 中国企业，到 2021 年，光迅科技、中际旭创、海信宽带、昂纳信息进入全球前十，合 计占据全球 26%的市场份额。 据 Lightcounting，2021 年，中际旭创等五家供应商进入全球前十，主要厂商相较前一 年市场份额均有提升；2022 年，光模块全球市前 10 名中国占据 7 家，其中中际旭创、 Coherent、思科、华为四家厂商占据全球光模块市场份额超过 50%，中际旭创和 Coherent 分别获得近 14 亿美元的收入。

4.3 交换机：提供网络连接端口，思科独占全球市场份额 40%

4.3.1 基本定义：交换机为接入它的任意两个网络节点提供独享的电信号通路

交换机是基于以太网进行数据传输的多端口网络设备，每个端口都可以连接到主机或网 络节点，主要功能就是根据接收到数据帧中的硬件地址，把数据转发到目的主机或网络 节点。交换机相当于一台特殊的计算机，由硬件和软件组成，包括中央处理器、存储介 质、接口电路及操作系统等。

4.3.2 产品分类：基于网络覆盖范围/基于传输速率和介质/基于应用规模等

交换机可根据网络覆盖范围、传输速率和介质、应用规模等进行分类。在各类交换机中， 最常见的交换机是以太网交换机。交换机从广义上还可分为广域网交换机和局域网交换机，广域网交换机主要在电信领域中提供通信用的基础平台，局域网交换机则用于连接 局域网内的终端设备。从传输介质和传输速度上可分为以太网交换机、快速以太网交换 机、千兆/万兆以太网交换机、FDDI 交换机、ATM 交换机和令牌环交换机等。从应用规 模上可分为企业级交换机、部门级交换机、工作组交换机等。

4.3.3 产业链条：上游-电子元器件，下游-数据中心等领域

从产业链来看，交换机上游主要是电子元器件行业，使用的原材料主要包括：芯片、光 器件、电源模块、连接器、线路板、变压器、阻容等，行业基本处于充分竞争状态，企 业数量众多，产能充足，价格稳定，供给状况无重大波动，对交换机发展不构成约束和 重大影响。交换机下游可应用于数据中心等领域。

4.3.4 市场规模：全球交换机市场规模达 400 亿美元，我国约占全球市场规模 17%

据 IDC，2022 年全球交换机行业市场规模达到 437 亿美元，同比增长 17.0%，且预计 未来 5 年的增速稳定在 4%左右，预计 2027 年规模将达到 535 亿美元。 据 IDC，近年来，中国交换机市场规模一直保持稳定增长趋势。2022 年中国交换机市场 约为 72 亿美元，同比增长 9.4%。预计 2023 年将进一步增长至 78 亿美元。

4.3.5 竞争格局：思科是全球交换机市场绝对龙头，华为、新华三、锐捷合计占国内市 场超过八成

交换机行业集中度较高，思科、华为、新华三等少数几家企业占据着绝大部分的市场份 额，呈现寡头竞争的市场格局。 据 IDC，全球交换机市场方面， 2022 年思科是绝对龙头，市场份额占有率为 41.1%；5 家龙头企业占据全球市场的 70%以上。 据 IDC，中国交换机市场前三名企业占整体市场超过 80%。其中华为占比最多，达 35.8%，排名第一。其次为新华三，占比约为 32.4%，排名第二。星网锐捷排名第三， 占比 14.6%。

4.4 存储设备：国外厂商垄断全球存储市场，三星、海力士、美光合计占比超过 80%

4.4.1 基本定义：存储器是用来存储程序和各种数据信息的记忆部件

存储器的工作原理为：通过使用地址编址和电子静态存储技术实现数据的存储和读取。 存储器通常被组织成一个二维矩阵，其中每个单元称为一个存储位置。在需要读取或写 入数据时，CPU向存储器发送地址信号，通过数据总线与存储器进行数据的传输。

4.4.2 产品分类： NAND 和 DRAM 市场是主要细分市场

存储器主要可分为外部存储器和内部存储器。其中，外部存储器包含半导体存储器、磁 存储器和光存储器，内部存储器包含易失性存储器和新型非易失性存储器。按照读写方 式，半导体存储器可分为只读存储器 ROM (EEPROM、PROM、EPROM)和闪存存储介 质 (NOR Fash、NAND Fash) 。磁存储器件主要包含磁带、磁盘。光存储器件主要包含 蓝光光盘(BD) 、归档光盘 (AD) 、全息存储、玻璃存储等。

据 WSTS 数据，全球储存市场中，DRAM 占据 61%的市场份额，NAND 占据 36%的市 场份额，是最主要的两大存储细分市场。

4.4.3 市场规模：全球 NAND 市场规模达 600 亿美元，全球 DRAM 市场规模近千亿美 元

据中商产业研究院，2019 年受智能手机终端需求疲软影响，加之国产企业实现量产，整 体价格下降，全球 NAND 市场规模出现较大下降，随着 5G 推动智能手机需求回暖加之 PC 等需求稳步增长，市场回暖，2021 年全球 NAND 市场规模达 600 亿美元。预计随着物联网、自动驾驶等新兴产业智能化推进，存储芯片需求将出现快速增长。 据 Trend Force，2021 年，全球 DRAM 市场规模达到 949 亿美元，同比增长 41.6%。

4.4.4 竞争格局：国外厂商垄断全球存储市场，三星据 NAND、DRAM 市场份额首位

全球存储市场绝大部分份额由国外厂商占有，呈现寡头垄断格局，行业集中度较高。 据 CFM 闪存市场数据，2022 年全球 NAND flash 市场前三大厂商分别为三星、铠侠和 SK 海力士，市场份额分别为 33.8%、18.7%和 16.7%。 根据 IC Insights，2021 年全球 DRAM 市场几乎由三星、SK 海力士和美光所垄断，分别 占比 44%、28%和 23%。 国内存储产业的重点公司有：长江存储，在 NAND Flash 市场份额约占全球 1%；长鑫 存储，中国 DRAM 龙头企业，计划于今年在科创板上市，估值不低于 1000 亿元；北京 君正，其收购的北京矽成在汽车 DRAM 领域市占率 15%居全球第二；兆易创新，产品 线 Nor+NAND+DRAM 全覆盖，其中 Nor 全球第三、大陆第一；江波龙，2022 年在 eMMC 及 UFS 市场份额位列全球第六；佰维存储，在 eMMC 及 UFS 全球市占率 2.4%， 居全球第八、国内厂商第二；澜起科技，在内存接口芯片市场位列全球前二。

5. 下游-数据中心/云服务——东数西算铸基，算力租赁牵引

5.1 数据中心：数据存储和交换的中心，Equinix 是全球 IDC 龙头

5.1.1 基本定义：拥有完善的设备、专业化的管理、完善的应用级服务的服务平台

IDC 全称为 Internet Data Center，互联网数据中心。只提供场地和机柜的数据中心，一 般称为 DC(Data Center)，而同时提供带宽服务的，一般称 IDC(互联网数据中心， Internet Data Center)，两者有时不作严格区分。IDC 是指一种拥有完善的设备(包括高速互联网接入带宽、高性能局域网络、安全可靠的机房环境等)、专业化的管理、完善的 应用级服务的服务平台。在 IDC 平台基础上，IDC 服务商为企业和 ISP、ICP、ASP 等 客户提供互联网基础平台服务以及各种增值服务。

5.1.2 产业链条：上游-基础设施，中游-数据中心运营服务商，下游-应用行业

数据中心产业链中，上游为基础设施主要包括 IT 设备、非 IT 设备、软件及建设工程； 中游为数据中心运营服务商；下游为应用行业，主要包括互联网行业、金融业、软件业 及制造业等。

5.1.3 市场规模：全球 IDC 市场达 800 亿美元，我国 IDC 市场规模在 2,500 亿元左右

2022 年 2 月，“东数西算”工程正式拉开了构建全国一体化大数据中心体系的大幕。随 着 8 大国家算力枢纽节点建设方案均进入深化实施阶段，全国数据中心机架规模逐步增 长。根据相关统计数据，截止 2021 年底，全国在用数据中心机架规模达 520 万架，其 中大型以上数据中心机架规模约为 420 万架（按 2.5Kw标准机架统计），预计至 2025 年 “十四五”规划期末，拟实现数据中心机架规模增长至 1400 万架，规模总量翻两倍， 总增量投资约 7000 亿元。

从全球市场来看，全球数据中心产业规模在 2022 年达到 1308 亿美元，2019-2022 年 CAGR 约 20%。 受新基建、数字化转型及数字中国远景目标等国家政策促进及企业降本增效需求的驱动， 我国数据中心市场规模持续高速增长。2021 年，我国数据中心市场规模达到 1500 亿元， 近五年 CAGR 达到 29.96%。随着我国各地区、各行业数字化转型的深入推进，我国数 据中心市场规模将保持持续增长态势，预计 2023 年市场规模将达到 2470 亿元。

5.1.4 竞争格局：Equinix 是全球 IDC 龙头，国内市场三大运营商合计占比超 50%

全球 IDC 企业的竞争格局中，美国第三方数据中心 Equinix 公司是全球数据中心的龙头 企业，2022 年 Q2，该公司全球市场份额占比达 13%。其次是 Digtal Realty Trust 公司， 同样位于美国，市场份额占比约 11%，NTT 排名第三，在全球 IDC 市场占有 6%的份额。 中国运营商合计在国际市场占有 13%的市场份额。 据 IDC，2020 年我国数据中心市场格局以运营商数据中心为主，凭借其网络带宽和机房 资源优势，三大电信运营商市场份额占比超 50%；万国数据、世纪互联、光环新网等第 三方数据中心近年来逐渐兴起，满足核心城市的数据中心需求，弥补供需缺口。

5.2 云服务：分布式计算，AWS 独占全球市场份额 40%

5.2.1 基本定义：通过网络以按需、易扩展的方式获得所需服务

云服务，即云计算服务，是一种按使用量付费的模式，这种模式提供可用的、便捷的、 按需的网络访问， 进入可配置的计算资源共享池（资源包括网络，服务器，存储，应用 软件，服务），这些资源能够被快速提供，只需投入很少的管理工作，或与服务供应商进 行很少的交互。

5.2.2 产品分类：基础设施即服务(IaaS)/ 平台即服务(PaaS)/ 软件即服务(SaaS)

云计算的服务类型通常可分为三类，即基础设施即服务(IaaS)、平台即服务(PaaS)和软 件即服务(SaaS)。 基础设施即服务（IaaS），向云计算提供商的个人或组织提供虚拟化计算资源，如 虚拟机、存储、网络和操作系统。 平台即服务(PaaS)，为开发人员提供通过全球互联网构建应用程序和服务的平台， PaaS 为开发、测试和管理软件应用程序提供按需开发环境。软件即服务(SaaS)，通过互联网提供按需软件付费应用程序，云计算提供商托管和 管理软件应用程序，并允许其用户连接到应用程序并通过全球互联网访问应用程序。

5.2.3 产业链条：上游-芯片/基础设备，中游-IDC 制造商/云服务提供商，下游-客户端

云计算行业产业链的上游是芯片厂商和基础设备提供商，包括芯片、服务器、路由器、 交换机等；中游参与者则是 IDC 制造商和云服务提供商，包括 IaaS、PaaS、SaaS；下 游则是对应的最终客户端，包括互联网、金融等行业的政府客户、企业客户以及个人用 户等。

5.2.4 市场规模：全球云计算规模达 4,000 亿美元，中国市场规模 4,500 亿元

据中国信通院，2021 年全球云计算市场规模达到 3,305 亿美元，同比增长 32.44%。初 步统计 2022 年全球云计算市场规模 4053 亿美元，增幅 22.6%。 中国云计算产业正处蓬勃发展阶段。据智研咨询，2021 年中国云计算市场规模达 3,410 亿元，增速 53.1%。初步统计 2022 年中国云计算市场规模达到 4552.4 亿元，增长 33.5%。

5.2.5 竞争格局：AWS 约占全球云计算市场份额 40%，国内四大云计算厂商占比 79%

据 Gartner，全球云计算市场竞争格局为一超多强，2022 年 AWS 在全球云基础设施服 务市场份额为 40%，保持行业第一位置，Azure、阿里云、谷歌云分别占据第二至四位， 分别占比 21.5%、7.7%、7.5%。 据 Canalys，2022 年国内前四大云计算厂商分别为阿里云、华为云、腾讯云和百度智能 云，占云服务客户支出总额的 79%。阿里云在 2022 年仍然排在第一位，市场份额 36%；华为云以 19%的市场份额排名第二，每年增长 13%，领先于整体市场增长；腾讯云排名 第三，市场份额 16%，受到内部业务重组的影响，收入规模增长放缓；百度智能云市场 份额占比 9%，同比增长 11%。

编辑：火腿肠