供給端:數據存量增長與計算成本下降推動算力需求增長

信息技術快速發展與傳統產業數據化轉型帶來大量數據存量。隨著云計算、大數據、物聯網、人工智能等信息技術的快速發展和傳統產業數字化的轉型，數據量呈現幾何級增長，據IDC預測，全球數據總量預計2020年達到47個ZB，2025年達到163個ZB，其中預計2020年我國數據量將達到8060個EB，占全球數據總量的18%。

據智研咨詢統計，2015年全球物聯網連接數約60億個，預計2025年全球物聯網連接數將增長至270億個，物聯網設備數量將達到1000億臺。

連接數的急速增長，一方面意味著海量數據的產生，另一方面，連接設備往往還需要進行智能計算，即產生相應的算力需求。

數據是AI學習的基礎，算力是必備條件，計算成本下降推動算力需求增長。

人工智能(AI:ArtificialIntelligence)是指通過計算機來模擬人的某些思維過程和智能行為(如學習、推理、思考、規劃等)，主要應用在訓練(training)和推理(inference)兩個環節。

訓練需要通過大量的樣本數據訓練建立輸入輸出的映射關系，以此進行推理。在2010年后，人工智能在計算機視覺、語音識別領域取得重大突破，開始步入人工智能爆發期。

據Tractica的預測，2025年人工智能市場規模將達368億美元。$/GFLOPS可以衡量計算成本(1GFLOPS=109FLOPS，FLPOS=FloatingPointOperationsPerSecond，每秒十億次浮點運算價格)，根據Wikipedia的數據，$/GFLOPS的CAGR約-37%，2017年6月AMDRyzen結合AMDVEGAFrontierEdition將$/GFLOPS降至0.06美元。

海量數據為AI訓練提供的基礎，算力是AI推理的必備條件，快速下降的計算成本為人工智能時代的爆發提供了技術基礎，推動下游應用推廣，促使算力需求增長。

算力，即為計算能力。算力于我們而言，并不陌生，小至PC電腦，大至超級計算機，算力其實一直存在我們的生活中，只是過去我們的日常生活對算力的要求并不高，我們忽略了它。

高算力的普及有兩個必要因素，一個是數據，數據是算力的基礎，有了海量數據才可更好地進行推理與學習，另一個是價格，唯有平常百姓負擔得起高算力的價格，算力才有望走進千家萬戶。

因此，從供給端看，云計算、大數據、物聯網、人工智能等信息技術的快速發展和傳統產業的數字化轉型，數據量呈現幾何級增長，帶來了大量數據存量，同時，快速下降的計算成本也為算力普及做好了經濟鋪墊，兩者共同推動算力需求的增長。

需求端:業務發展大大提升算力需求

PC互聯網—移動互聯網—物聯網的業務發展路徑。

隨著人們需求的逐漸增多，技術的逐步發展，ICT行業各類業務接踵而出，遵循著PC互聯網—移動互聯網—物聯網的業務發展路徑。

在PC互聯網時代，出現了以Yahoo為代表的搜索引擎，以QQ為代表的在線社交軟件，以阿里巴巴為代表的電子商務，網絡游戲亦進入大型網游時代;

隨著智能手機的普及，3G/4G網絡技術的發展，逐漸由PC互聯網發展至移動互聯網，在移動互聯網時代，社交軟件由QQ逐漸變成微信，游戲由網游逐漸變成手游，還有新浪微博、滴滴打車、支付寶、美團團購、映客、抖音等多種應用軟件噴井而出，人們的生活在移動互聯網時代更為快速便捷;

當下，我們正面臨著一個新的轉折點，5G技術的發展，芯片計算能力的提升，為萬物互聯做好了技術鋪墊，在物聯網時代，我們的生活將實現智能駕駛、智能家居、智能安防、智慧醫療等等多種大轉變。

未來業務對數據中心的計算要求大幅提升。

數據中心是為客戶提供帶寬、存儲、計算能力等需求的網絡基礎設施。

對各個業務的三大需求進行分析，我們發現，未來業務對于計算能力的要求正在大幅提升。從帶寬的角度看，搜索引擎僅需要320kbps的帶寬，在線社交帶寬需求約2mbps，電子商務帶寬需求約27mbps，而智能駕駛帶寬需求約20gbps，帶寬要求將提升上千倍。

從存儲的角度看:在線地圖存儲需求約28M，在線社交存儲需求約100M，網絡游戲存儲需求約8G，而區塊鏈存儲需求將達到14G，存儲要求翻倍增長;

從計算能力的角度看:基因測序工作就是要通過大規模的計算分析從海量的數據信息中辨識載有的基因及其序列，最終獲取遺傳信息，算力要求極高，區塊鏈方面，根據BTC.com的數據，2018年比特幣全網算力將達到23EB，相比2010年，提升超過20倍。

我們可以看到，對于帶寬、存儲、計算能力三種需求，有些業務要求高帶寬低存儲，比如智能駕駛，有些業務要求低帶寬高存儲，比如智慧醫療，但是無論什么類型的業務，未來業務對于數據中心計算能力的要求均顯著提升。

從需求端看，ICT行業遵循著PC互聯網—移動互聯網—物聯網的業務發展路徑，業務類型從傳統的視頻、社交、門戶等逐步過渡到以AI、區塊鏈、智能駕駛、醫療基因等業務類型，算力需求成為最大化差異，傳統業務一般對存儲和訪問帶寬需求要求較高，但對專業算力需求較低，未來算力需求將成為重點。

算力的安迪-比爾定律

算力能力的提升與應用能力的提升互為促進，驅動云計算進入算力時代。

安迪-比爾定律是對IT產業中軟件和硬件升級換代關系的概括，原話是“Andygives,Billtakesaway.(安迪提供什么，比爾拿走什么。)”

安迪指英特爾前CEO安迪·格魯夫，比爾指微軟前任CEO比爾·蓋茨。

隨著云計算、大數據、物聯網、人工智能等信息技術的快速發展，存量數據大量增長、算力成本大幅下降，推動了算力能力的提升，與此同時，業務種類的增多，應用軟件的爆發，算力需求大幅增長。

算力能力的提升為應用軟件的發展提供了空間，應用能力的提升又對算力能力提出新要求，算力能力與應用能力互為促進，促使云計算進入算力時代。

算力的提升與普及，Flops成本的下降，使相關應用具備了發展基礎。

超級計算機是計算機中功能最強、運算速度最快、存儲容量最大的一類計算機，多用于國家高科技領域和尖端技術研究。

而今人工智能電腦的運算能力可和2009年世界第一超級計算機的運算速度媲美，加上價格便宜與便攜的外在特征，使更多應用需求擁有的發展基礎。

例如，2018年3月，NVIDIA推出最新小型超算——“NVIDIADGX2”，它采用16塊TeslaV100計算卡并行計算，能夠提供最高達2PFLOPs(2000TPLOPs)的深度計算能力，僅重350磅，售價39.9萬美元。

安迪-比爾定律是對IT產業中軟件和硬件升級換代關系的概括。存量數據大量增長、算力成本大幅下降，推動了算力能力的提升，與此同時，業務種類的增多，應用軟件的爆發，使得算力需求大幅增長。

算力能力的提升為應用軟件的發展提供了空間，而應用能力的提升又對算力能力提出新要求，算力能力與應用能力互為促進，促使云計算進入算力時代。

算力投資將成為云中心資本開支重點

云算力需求可分為云計算需求和超級計算機需求，其中云計算需求可分為公有云需求、私有云需求與傳統IT需求。

云計算需求是指用戶對信息技術方面的需求，具體包括公有云、私有云以及傳統IT，隨著業務發展，計算需求的提升，對IT的算力要求也不斷提高;

超級計算機需求是能夠執行一般個人電腦無法處理的大資料量與高速運算的電腦，多用于國家高科技領域和尖端技術研究，是一個國家科研實力的體現，它對國家安全，經濟和社會發展具有舉足輕重的意義。

全球服務器市場量價齊升，云廠商資本開支加速

服務器出貨量與收入是云計算的先驗數據，全球服務器市場量價齊升。在云平臺建設前期需要投入服務器等基礎設施，所以服務器出貨量與廠商收入是云計算領域的先驗性指標，可以通過分析服務器市場數據發現和預判云計算市場趨勢。

據IDC全球服務器季度追蹤報告顯示，2017年全球服務器出貨量達1018萬臺，同比增長6.6%，全球服務器收入達668.9億美元，同比增長13.7%，全球服務器市場的高度景氣，收入增速均超過出貨量增速，服務器平均單價在提升，高價值(人工智能)服務器正在逐步出貨。

服務器下游市場主要是公有云廠商，政務需求占比第二。

由于公有云業務發展快，對中低端用戶需求有明顯的替代作用，故對服務器市場結構產生了影響—由互聯網運營商集中采購代替了中小企業低端用戶的分散采購。

根據IDC數據顯示，服務器出貨至大型云廠商(超過1000個服務器)占比最高，達50%，政務需求次之，占比約20%。

云廠商資本開支加速，巨頭持續加碼。

數據存量的增長與業務需求的擴張促使云廠商加速投資，擴大云計算規模以爭搶更多的市場份額。

根據各家公司財報披露，亞馬遜2017年設備類資產約372.87億美元，同比增長51.6%，連續五年CAGR為35.5%;

谷歌2017年信息類資產約214.29億美元，同比增長33.2%，連續五年CAGR為18.7%;

阿里2017年電腦與軟件類資產約183.81億元，同比增長38.4%，連續五年CAGR為38.8%；

騰訊2017年電腦類資產約285.04億元，同比增長39.9%，連續五年CAGR為22.1%。

服務器出貨量與收入是云計算的先驗數據。

因為在云平臺建設前期需要投入服務器等基礎設施，所以可以通過分析服務器市場數據發現和預判云計算市場趨勢。根據IDC數據，我們發現全球服務器市場呈現高景氣，量價齊升，下游市場主要是公有云廠商。同時，通過分析大型公有云廠商資本開支情況，我們發現公有云廠商加速算力投資趨勢明顯。

云產業鏈將迎來算力時代新機會

移動紅利見頂，算力時代由0到1

云算力投資是云計算領域需求的最新變量，呈現高速增長。云計算可提供的服務分為存儲和計算兩大類，在過去的業務中，云計算大多提供存儲服務，隨著下游業務類型的不斷豐富，未來云廠商的計算服務將愈發重要。

根據測算，至2020年全球算力投資總規模有望達到62.32億美元，年復合增長率達44%，呈現高速增長。

同時，云計算算力投資呈現結構性變化，公有云算力投資比例大幅提升，由2014年的0.01%提升至2020年的11.75%，公有云廠商大幅增加算力投資，主要原因是云廠商迎來算力時代，除提供傳統的存儲服務外，各云廠商逐漸配置其計算服務能力，增加算力投資。

云算力需求將不會受到云計算周期波動影響，算力時代由0到1。

根據Facebook、騰訊披露的財報，我們看到Facebook與微信的每月新增活躍用戶數連續一年下滑，2017Q4分別同比下降21%與86%，呈現負增長，可見移動互聯網時代已逐漸步入其自身生命周期的成熟期，未來大型公有云廠商購置服務器的增速將逐步趨緩。

然而，云算力需求作為云計算領域的最新需求，未來有望受益于AI物聯網時代的高算力要求，將不會受到云計算周期波動的影響，算力時代從0到1，成為云計算的增量需求。

云計算產業鏈已形成較完整的生態系統，上游芯片與下游應用成為算力時代新空間。

云計算產業鏈主要由上游芯片，中游服務器等設備供應商、以及下游云平臺提供商、應用開發商等組成。

經過10年的發展，目前已經形成了較為完整的生態系統，構建了從芯片到終端用戶的全產業鏈條。算力時代，上游芯片與下游應用開發商將帶來新的市場空間。

具體而言，相比通用芯片，專用芯片可提供更加高效的運算能力，其中ASIC運算效率最高，但通用性較差，GPU運算效率相對較弱，但通用性好，我們認為，未來具有較大細分領域需求的ASIC芯片有很強的發展前景。

此外，下游應用場景格局也在逐步清晰，智能駕駛與基因測序具有良好的市場成長性，成為投資熱點，技術也更加成熟，有望成為算力時代最先普及的應用場景，同時受益于比特幣的熱度，區塊鏈產業逐漸步入人們視野，相應的技術正蓬勃發展。

從Facebook、微信每月新增活躍用戶數量上，我們可以看到移動互聯網紅利已見頂，未來移動互聯網發展增速將趨緩，而云算力投資是云計算領域的最新變量，將不受云計算周期波動;

從云算力投資規模上看：云算力投資年復合增長率可達44%，至2020年有望達到62億美元，同時，算力投資結構出現變化，公有云算力投資比例大幅提升，至2020年將超過10%。算力時代由0至1產生增量需求，從產業鏈的角度看，上游芯片與下游應用有望打開市場新空間。

從算力產業鏈來看：加速器芯片有望顛覆現有格局，應用領域規模化將迎來機會。

加速器芯片使算力時代的高算力需求得以實現，云計算服務器的算力配置模式，將使得CPU+加速器的模塊化能力成為未來主流，加速器芯片的競爭力以及模塊化綜合競爭力成為未來半導體產業競爭的重要因素。

從加速器芯片的幾個類別來看:GPU方面，形成了NVIDIA+AMD七三開的市場格局，NVIDIA深度打造應用場景生態，構建壁壘，而AMD作為同時具備CPU+GPU模塊化能力的廠商，有望在云算力時代顛覆原有服務器芯片產業格局，成為最大贏家;FPGA方面，技術壁壘高，多用于軍事領域，美國廠商壟斷市場，國內處于漸進式突破階段，份額還非常低;ASIC方面對下游細分領域需求量有較高要求，典型如區塊鏈應用，國內廠商發展迅速，ASIC領域是國內廠商有望實現彎道超車的較好選擇。

應用方面，我們著重分析了包括出行智能化、基因測序、區塊鏈、3D渲染等幾種高算力應用場景:出行智能化方面，技術的不斷發展使得無人駕駛的制造成本快速下降，有望加速量產落地，實現產業規模化;基因測序方面，中游測序服務機構、生物信息分析機構具有較低的技術壁壘與良好的市場成長性，成為VC投資熱點，發展潛力大。