来源：雪球App，作者： 郭伟松_鑫鑫投资，（https://xueqiu.com/2524803655/248161720）

互联网界将新产品技术迭代出现的顿悟时刻，形象地称为“Aha！Moment”。

随着 OpenAI 的人工智能语言模型横空出世，互联网界又迎来了一次巨大的Aha时刻。GPT-4算法的强大能力宣告着人工智能不再是概念中的未来，而已是清晰可触的颠覆现有生产力的强大工具。

AI的到来飞速改变着原有的社会发展秩序，在赋予产业链下游无限可能的同时，也带动产业链上游算力需求的快速提升。AI产业链的重塑速度之快令人瞠目结舌，也点燃了A股的人工智能赛道。可以看到2023年第一季度，沪深两市涨幅翻倍的个股中，42家企业有37家都与AI产业链相关：

观察这一轮上涨的AI产业链中的个股，可以发现一些共性特点：

1. 上涨无业绩支撑，大部分企业估值泡沫极大或还处于亏损状态；

2. 多为上市时间较短的新兴企业，流通市值比例小；

3. 相关企业集中分布在创业板和科创板，创业板16家，科创板14家。

总结来看，本轮AI赛道背后的上涨逻辑无关业绩和估值，若过度关注企业基本面，投资者难免心生恐惧不敢参与。但如果认识到AI对各行各业颠覆性的改造能力，将不亚于曾经的互联网和移动互联网革命，就可以更好地理解我们当前正站在一轮全新大牛市运行的中早期这一投资逻辑。

回顾2012-2015年的移动互联网牛市，在4G技术革新以及智能手机普及的背景下，互联网与各行业的融合，引爆了“互联网+”行情，当时作为新兴企业代表的创业板指数于2012年底见底，一直到2015年年中见顶，涨幅接近7倍，时间跨度长达2.5年。

历史总是惊人的相似，这一次的AI牛市也同样背靠着5G技术落地和算法突破的背景，这一次作为新兴科技企业代表的指数变为科创50，于2022年4月见底，对于指数级别的行情来说，当前科创50指数的涨幅和时间跨度都还有很大的空间。

从国家发展层面，AI领域也是我国绝对不能让步的战场。在之前的文章里已经谈过中国崛起背景下中美全面脱钩的必然性，半导体、军工和信创等方面我国必须要实现自主可控。AI作为当前最先进的生产力工具，会给各行业带来指数级别的效率改革。而当前，美国已经占领了先发优势，我国势必要奋力追赶，因为一旦在AI领域再被美国占据全面优势，再谈中国崛起将难上加难。

因此，如果还从企业基本面角度来评估相关标的，视角将会非常滞后。因为不管怎么看，我国在这一领域的科技企业都远远落后于美国相关企业。但也正因为落后，国家才会加大扶持力度，谁有可能突破就全力扶持谁，给予空前的政策和资金支持，鼓励更多种子选手入场，大浪淘沙，直到形成我国完全自主的AI产业链，与美国之间形成两套独立的运行系统。

国家意志在其中扮演了极其重要的作用。所以，参与本轮AI赛道行情，更多需要站在国家层面的高度来自上而下的评估，哪方面薄弱需要强攻，哪方面优势需要放大，哪方面核心需要突破，哪方面应用可以延伸，是我们接下来要重点研究的方向。

我们将AI产业链的各个细分领域进行梳理，总结成以下的产业链全景图：

算法是推动整个AI产业链发展的核心，而AI芯片和数据是算法训练的必要支持。本文将根据以上AI产业链全景图，将整个AI板块分为三大部分介绍：

1. 算法模型及其下游应用

2. AI芯片及其上游半导体产业

3. 数据及其上游数据要素采集及管理

同时，我们会给出各核心板块中的国外领先企业和国内对标企业，通过对标国内外企业的市值差距，来评估国内对标企业的发展空间。

一、算法模型

如果把人工智能的机器学习过程与人类的学习过程进行类比，可以更好的帮助我们理解人工智能模型的形成过程。

一个人的学习成长，通常要先经过漫长的基础通识教育阶段，通过考试的筛选，再逐步深入某个专业领域的学习，在实际工作中通过大量实践获得能力的提升。人工智能学习也不外乎如此，首先需要通过大规模的无标签数据集进行预训练，然后利用有标签的样本及人类反馈进行迭代，最后通过特定任务训练拟合规律，进而掌握技能。

我们按应用范围将算法模型分为通用大模型和垂直应用于某一领域的专用模型。

（一）通用大模型

所谓“量变引起质变”，人工智能模型也是在持续的大样本训练和算法迭代过程中，突然涌现出了令人惊艳的理解能力、推理能力和表达能力。

ChatGPT就是其中的领军代表。GPT是“Generative Pre-trained Transformer”的缩写，其中Generative pre-trained 指给予模型大规模的通用预训练，使其拥有广泛的应用能力，形成通用智能；而Transformer则是一种深度学习架构，即通过编码-解码的一系列过程捕捉字符之间的关系再预测出下一个字符，从而表现出理解语义并给出逻辑回答的能力。

通用大模型最重要的部分就在于这机器的深度学习架构，目前深度学习最具发展前景的两大分支为：CV（计算机视觉）以及NLP（自然语言处理）。二者相互促进协同发展，如同人的感官，视觉、听觉、触觉、嗅觉和味觉共同协作感知和理解周围的世界，机器学习也逐步演化为通过多模态模型来理解数据，比如对于猫一词，不仅要理解猫的文本，也要能够将这些与猫的图像相联系，还可能关联猫的语音，多种模态互相叠加对一个事物形成理解。

大模型的训练需要更大规模的数据和算力，也意味着需要更多人力物力及资金的投入，这也导致AI 大模型成为中美科技巨头间的军备竞赛。

【国外代表企业】：

国外的人工智能模型发展以微软和谷歌作为领军代表

· 微软（OpenAI）：GPT-4

· 谷歌：Bard

（以上链接需要科学上网）

【国内对标企业】：

国内互联网巨头也在加速追赶，相继开放大模型内测，在应用中进行迭代：

· 百度：文心大模型

· 阿里巴巴：通义千问大模型

· 商汤科技：商汤日日新大模型

· 昆仑万维：天工3.5大模型

· 华为：盘古大模型（尚未开放）

· 腾讯控股：混元AI大模型（尚未发布）

各大厂商持续发布中……

大胆预测，过了目前的群雄逐鹿阶段后，为了算力资源最大化，各科技巨头在国家意志的影响下很可能会逐步形成合作模式，形成统一的通用开源模型，支持各行业企业接入。目前来看，国内以百度和阿里巴巴的研发进度最为领先。

（二）垂直专用模型

为了更好适配行业应用需求，更多国内互联网厂商在AI领域的主攻方向为与自身业务垂直相关的专用模型。如：

· 华为：科学计算大模型

· 京东：言犀/ChatJD

· 网易：玉言

· 三六零：360智脑

……

二、模型下游： “AI+应用”赋予各行各业无限可能

（一）AIGC（AI生成内容）

AI给绘画设计、文本生成等内容生产领域带来了极大的效率提升，因此AI也给游戏、影视、媒体、营销及办公等内容行业带来最直接的利好。

【各行业代表企业】：

AI+游戏：昆仑万维、神州泰岳、汤姆猫、吉比特……

AI+影视：上海电影、博汇科技、奥飞娱乐……

AI+传媒：中文在线、果麦文化、中国科传……

AI+营销：分众传媒、蓝色光标、三人行……

AI+办公：金山办公、福昕软件、万兴科技、泛微网络……

（二）AI+ 各行业

AI的到来也推动了大量传统行业的应用革新。

1. AI+医疗：

AI+医疗主要分为两个应用结合方向，一是医疗数字化，AI可以利用大数据辅助医生进行诊断；二是用于辅助创新药研发，运用AI强大的计算能力模拟药物与蛋白作用的过程，迭代优化药物分子，可以大幅提高研发效率，对于高研发投入的创新药企业来说可以大幅降低研发成本，利好落地的想象空间较大。

【医疗数字化代表企业】：久远银海、山大地纬、国药一致、卫宁健康……

【AI+创新药研发代表企业】：首药控股、泽璟制药、百利天恒……

2. AI+金融：

彭博推出500亿参数的金融领域BloombergGPT，拉开了AI+金融大模型军备竞赛的序幕。AI在保险领域也有索赔欺诈检测和自动核保等应用场景。

【代表企业】：同花顺、恒生电子、东方财富、中科软……

3. AI+建筑：

AI对于建筑行业的改造主要集中在前期设计方面，前期设计阶段占据了工程50%左右的设计时间，借助AI工具也会带来极大的效率提升。

【代表企业】：广联达、金桥信息、矩阵股份……

4. AI+工业：

AI与工业的结合主要有识别类、数据建模优化类、知识推理决策类三大核心应用模式，这三大应用模式贯穿整个工业，从研发与规划，到生产过程管控，到经营管理优化，再到产品与服务的整个过程。

【代表企业】：鼎捷软件、宝信软件、赛意信息……

5. AI+教育：

AI+教育的应用场景较泛，如智能教育助手、自学系统、智能评估等，AI带来盈利模式的改进路径还比较不清晰。

【代表企业】：科大讯飞、鸿合科技、佳发教育……

6. AI+能源：

AI的快速分析能力能够助力能源系统实现大规模绿色能源消纳，从信息化角度解决新能源调配问题，提高电力能源系统的安全和高效运行能力。

【代表企业】：龙软科技、远光软件、朗新科技……

7. AI+交通：

AI的决策能力能够协助解决交通工具与交通承载能力之间的协调问题，运用算法协助智能驾驶的实现。

【代表企业】：千方科技

三、MLOps系统

2023年3月16日，中国信通院发布了《人工智能研发运营体系（MLOps）实践指南》。

MLOps 是统一机器学习（ML）、项目研发（Dev）和运营（Ops）过程的一种管理系统，能有效缓解 AI 生产过程的各种管理问题，也被视为助力AI模型落地的铲子工具。目的在于提高 AI 模型生产质效，推动 AI 从满足基本需求的能用转变为满足高效率、高性能的“好用”。

【代表企业】：万达信息、东方国信、启明信息……

一、AI应用芯片

（一）算力芯片

AI 预训练大模型对算力需求极大，中美算法训练之争的背后也是算力规模之争。算力的核心在于算力芯片，由于美国限制半导体技术出口，中国在这一领域的劣势明显。

目前全球最好的算力芯片供应商为英伟达，其在算力领域最先进的A100和H100芯片均被美国政府明文禁止销售给中国企业，只能销售中国特供版的A800和H800，性能约为A100和H100的三分之二。另一家CPU芯片巨头超威半导体（AMD）也通过给予海光信息技术授权的方式迂回进入中国市场。从这一点也可以看出尽管美国政府对中国多加限制，但以英伟达和AMD为代表的国际科技巨头还是不愿意放弃中国市场。

但由于中美脱钩随时可能进一步加剧，国外芯片随时有断供的可能，国内厂商必须寻求国产替代。所以哪怕国产算力芯片还远远落后，但本着谁行谁上的国家意志，国产算力芯片厂商只需要做到国内顶尖，就可以对标美国的英伟达和AMD，给予极高的估值成长空间。

算力芯片可大致分为主芯片CPU和加速芯片GPU、FPGA、ASIC四类：

1. CPU

CPU芯片是计算和控制的核心，所有软件生态的架构都要建立在底层 CPU 架构之上。

由于CPU 是信创中最重要的环节，因此CPU的国产化替代进程开始较早，有六家国产 CPU 厂商获得工信部自主可控的认可。分别为：龙芯中科、天津飞腾（中国长城）、华为鲲鹏、海光信息、申威科技、兆芯集成。其中龙芯和申威属于自研指令集，自主化程度高；飞腾和鲲鹏拥有ARM架构永久授权；海光和兆芯是与海外成立合资公司，获取X86内核技术授权，自主化程度低且成本较高。

【国外代表企业】：超威半导体（AMD)、英特尔（INTC）、高通（QCOM）

【国内对标上市企业】：海光信息、龙芯中科、中国长城

2. GPU（通用）

GPU芯片最初用于图形处理，其在并行计算上的优异性能可以使AI学习大大提速。在加速芯片领域市场份额达到90%，且目前能运行大模型训练的只有GPU。

英伟达和 AMD 形成双寡头垄断，尤其是英伟达占 GPU 市场份额的 70%-80%。国外 GPU 巨头具有丰富的芯片设计经验和技术沉淀，同时具备强大的资金实力，中国短期内无法撼动 GPU 芯片的市场格局。

【国外代表企业】：英伟达（NVDA）、超威半导体（AMD)

【国内对标企业】：寒武纪、海光信息、景嘉微、龙芯中科、航锦科技

3. FPGA（半定制化）

FPGA属于半定制化芯片，可根据具体应用灵活设计结构，从而达到更高效率。

呈现双寡头市场格局，赛灵思和英特尔收购的Altera在国内的市占率高达90%，国内技术差距较大。

【国外代表企业】：赛灵思（XLNX）、英特尔（INTC）

【国内对标企业】：复旦微电、安路科技

4. ASIC（全定制化）

ASIC是完全定制化的芯片，为特定算法应用专门定制以达到最高的计算效率，具备量产优势。

ASIC的市场竞争格局较分散，我国的 ASIC 技术与世界领先水平差距较小，部分领域处于世界前列。但目前ASIC厂商都处于早期的阶段，产品不够成熟，无法大规模的部署。

【国外代表企业】：谷歌TPU

【国内对标企业】：寒武纪、澜起科技

（二）存储芯片

如果以字典作为比喻，一个语言的字典仅包含百字，那么这个语言能表达的意义将非常有限，而若字典中有数万个字，通过排列组合，它就能表达出更丰富的信息。

同理，对于通用大模型来说，能够存储数据的空间越大，其拥有的应对能力就越强。

存储芯片主要由DRAM和NAND Flash两大类组成：

1. DRAM（内存）：即动态随机存取存储器，最为常见的系统内存。内存条是 CPU 与硬盘之间的桥梁，起到数据暂存的作用，可以提升CPU的运算速度。

2. NAND Flash（存储）：属于非易失性存储设备，Flash的内部是MOSFET，是真正存储数据的硬盘单元。

内存和存储两种不同的概念，内存更类似于短时记忆容量，决定了多任务同时运行的快慢，电源断开后数据会消失；而存储硬盘则更像一个数据的图书馆，数据从中输出和载入都需要更长的时间，但却能更长久的保存。

国外的存储芯片巨头三星电子、美光科技和西部数据都属于重资产重周期的商业模式，因此估值都极低。今年4月，我国启动了对美光的安全审查反制措施，大大利好国产存储芯片制造商，说明我国在存储芯片领域是有一定底气的。不过国内真正的存储芯片DRAM龙头长江存储和NAND龙头长鑫存储都未上市。

【国外代表企业】：三星电子（SSNGY）、美光科技（MU）、西部数据（WDC）

【国内对标企业】：兆易创新、东芯股份、北京君正、恒烁股份

3. EEPROM（小规模存储）

EEPROM是非易失性存储里的一个小分支，更适合存储小规模、需要经常修改的数据，如手机摄像头和医疗监测仪等应用场景。

【国外代表企业】：意法半导体（STM）、微芯科技（MCHP）

【国内对标企业】：普冉股份、聚辰股份

4. 存储模组

然而，今年存储板块中上涨幅度最大的两只股票佰维存储和江波龙都属于存储芯片下游的存储模组行业，并非存储芯片里的核心厂家，美光和三星是二者的上游供应商，二者的毛利率和净利率都比较低。

【国内代表企业】：佰维存储、江波龙

（三）光芯片

除了算力和存储，光通信模块也是支持大模型训练的重要部分。通信网络就好像人体的神经系统，决定了信号传输的效率，进而影响模型的反应速度。

其中，光芯片是实现光电信号转换的基础元器件，也是整个光模块产业的核心。

【国外代表企业】：博通（AVGO）、卢门图姆（LITE）

【国内对标企业】：源杰科技、仕佳光子

二、AI芯片上游：半导体制造产业链是取得芯片突破的源头

我国在芯片领域的落后，不仅仅在于设计架构上的落后，更在于半导体基础产业链的落后。材料和设备是半导体产业的基石，一代技术依赖于一代工艺，而一代工艺又依赖一代材料和设备来实现。

（一）三大半导体设备

半导体设备是晶圆制造环节的硬件基础，资本开支在半导体中占比高达70-80%，在整个半导体产业链中占据重要地位。

晶圆制造设备包括光刻设备、刻蚀设备、清洗设备、薄膜沉积设备、离子注入设备、机械抛光设备、封测设备。其中光刻、薄膜沉积和刻蚀为半导体前道制造核心设备，市场规模最大。

1. 光刻设备

光刻设备是美国对我国进行卡脖子的关键环节，包括涂胶显影和光刻机两部分。

荷兰ASML在光刻机领域遥遥领先，拥有全世界最先进的小于7nm精度的光刻机技术。中国通过资源整合和技术研发拼命追赶，目前走在最前端的国产光刻机生产商是上海微电子装备公司，最精密的加工制程可做到28nm，与国际水平还差距甚大。

【国外代表企业】：阿斯麦（ASML）

【国内对标企业】：上海微电子（未上市）

涂胶显影设备也同样呈现巨头垄断局面。东京电子和日本迪恩士为全球龙头，芯源微全球第三，也是国内唯一前道涂胶显影设备供应商。

【国外代表企业】：东京电子（TOELY）

【国内对标企业】：芯源微

2. 薄膜沉积设备及抛光设备

薄膜沉积按照原理不同可以分为物理工艺（PVD）和化学工艺（CVD）。但在先进制程节点下，两者都无法满足相关需求，因此引入原子层沉积工艺 (ALD）作为原有工艺的补充。

全球薄膜沉积设备市场集中度较高，欧美和日本厂商凭借多年经验垄断市场。CVD市场美国应用材料市占率约30%，国内能够补位的龙头企业为拓荆科技，盛美上海也于2022年底交付了首台PECVD设备。而在PVD市场应用材料的市占率高达85%，处于绝对垄断地位，国内主要企业为北方华创。

薄膜沉积的下一个环节为化学机械抛光（CMP），CMP设备市场同样由应用材料垄断，国内华海清科和中电45所自主研发的12英寸CMP设备填补了我国CMP设备市场的空白，已在中芯国际生产线上试用。

【国外代表企业】：应用材料（AMAT）

【国内对标企业】：拓荆科技、北方华创、盛美上海、华海清科

3. 刻蚀设备

刻蚀是利用化学或者物理的方法将晶圆表面附着的不必要的材质进行去除的过程。

全球半导体刻蚀设备市场由美日厂商主导，前三大企业分别是泛林半导体、东京电子和应用材料，全球市占率合计91%。

国内刻蚀领域虽然已经涌现出多家实力雄厚的公司，部分技术已达到国际一流水平，龙头北方华创在ICP刻蚀领域具备优势，已量产28nm制程以上的刻蚀设备，同时已经突破14nm技术，进入中芯国际产线验证阶段。

【国外代表企业】：泛林半导体（Lam Research）、应用材料（AMAT）

【国内对标企业】：北方华创、中微公司

（二）七大半导体材料

种类繁多的芯片生产所需材料构成了半导体材料产业：

晶圆制造环节主要包括7大材料，分别为：硅片、光掩模、光刻胶及其辅助材料、湿电子化学品、电子特气、抛光材料、靶材及其他材料。

1. 硅片

当前全球硅片市场主流产品有8寸和12寸直径的半导体硅片。其中12寸半导体硅片的需求来源于存储芯片、通用处理器芯片和高性能FPGA与ASIC，可应用于云计算和人工智能等高端领域。

在大尺寸领域，日本企业占据主导地位。全球Top 5半导体硅片企业市场份额合计高达94%。我国沪硅产业的12寸硅片已进入中芯国际供应链。

【国外代表企业】：信越化学，日本胜高（SUMCO）

【国内对标企业】：沪硅产业、立昂微

2. 光掩膜版

光掩膜版的功能类似于传统照相机的底片，用光刻机在原材料上刻蚀出相应的图形，把不需要的金属层和胶层洗去，即得到成品。

半导体光掩模竞争格局整体为美日企业主导，TOP3行业集中度为80%，各大厂对于光掩模的生产技术实行严格封锁，所以半导体光掩模市场尤其是精密加工领域垄断严重。国内仅有少数企业如无锡华润、无锡中微能生产0.13μm以上的光掩模；清溢光电量产工艺水平在0.25μm；菲利华生产的基板还需送往日韩进行精磨、镀膜等工序。

【国外代表企业】：福尼克斯（PLAB）

【国内对标企业】：清溢光电、菲利华

3. 光刻胶及其辅助材料

半导体光刻胶是目前国产技术较国外先进技术差距最大的材料，尤其是在高端的KrF和ArF领域，被日本企业垄断，国产化率极低，KrF光刻胶低于5%，ArF光刻胶几乎全部依靠进口。

【国外代表企业】：JSR株式会社

【国内对标企业】：晶瑞电材、上海新阳、南大光电、彤程新材、华懋科技

此外，国内光刻胶产业链中辅助材料相关厂商还包括雅克科技、江化微、七彩化学、万润股份、世名科技、华特气体、新莱应材、盛剑环境、广信材料、八亿时空、飞凯材料等等。

4. 湿电子化学品

湿电子化学品是湿法工艺（主要包括湿法刻蚀、湿法清洗）制程中使用的各种液体化工材料。12寸硅片对湿电子化学品的等级有更高的要求，普遍需要达到G4-G5等级。

目前国内湿电子化学品达到国际标准且具有一定规模生产能力的企业中，技术水平多集中在G3以下（国产化率为80%），G3及以上的湿电子化学品国产化率仅为10%左右，极少数企业个别产品达到G4-G5级别，国产替代空间广阔。

【国外代表企业】：巴斯夫（BASFY）、亚什兰（ASH）

【国内对标企业】：江化微、格林达

5. 电子特气

电子特气是电子工业生产中不可或缺的基础和支撑性材料之一，其使用覆盖了半导体制造的整个过程。

电子特气全球市场由四家企业瓜分，市占率高达94%，相关技术严格封锁，我国进口制约严重。我国企业起步较晚，目前华特气体是国内唯一通过ASML光刻气认证的企业。

【国外代表企业】：空气化工（APD）

【国内对标企业】：华特气体

6. CMP抛光材料

抛光材料包括抛光液、抛光垫和钻石叠。受益于存储芯片向3D方向发展，层数增加给抛光材料带来需求增量。

抛光液全球主流厂商市占率为65%，国内抛光液龙头安集科技占国内12%的市场份额。

【国外代表企业】：卡博特（CBT）

【国内对标企业】：安集科技

抛光垫则是一种疏松多孔的材料，虽然不与硅片直接接触，但其寿命往往只有 45-75 小时，同抛光液一样属于消耗品，需要定时整修和更换。日本和美国在抛光垫领域技术积累深厚，陶氏收购的全球抛光垫龙头罗门哈斯，在国内的市占率高达85%。国内目前仅有以鼎龙股份为代表的企业少量生产中低端产品。

【国外代表企业】：陶氏（DOW）

【国内对标企业】：鼎龙股份

7. 靶材

靶材是薄膜沉积的重要原料。

国际四大半导体靶材企业占据了全球80%的市场份额。国内靶材供应商有江丰电子、有研新材、阿石创、隆华科技等。江丰电子可对标霍尼韦尔，产品包括铝钯、钛靶、铜钯等；有研新材产品则包括12寸高纯金属靶材。

【国外代表企业】：霍尼韦尔（US）

【国内对标企业】：江丰电子、有研新材

（三）半导体设计软件

EDA半导体设计软件是芯片生产环节中的第一环，所以也被称为“芯片之母”。

由于芯片设计更迭速度不断加快，EDA软件公司需要不断加大研发投入，确保技术领先，国际EDA巨头们正是凭借大量的知识产权保持领先地位，EDA禁止售往中国也成为美国直接遏制我国半导体产业发展的有力武器。

【国外代表企业】：新思科技（SNPS）、铿腾电子（CDNS）

【国内对标企业】：华大九天、概伦电子

（四）Chiplet先进封装技术

Chiplet是先进封装技术的代表，先进封装对芯片进行封装级重构，能有效提升系统高功能密度。

Chiplet 实现原理与搭积木相仿，将复杂芯片拆解成一组具有单独功能的小芯片单元 die（裸片），通过die-to-die将模块芯片和底层基础芯片封装组合在一起。通过这种技术模式，10nm工艺制造出来的芯片也完全可以达到7nm芯片的集成度，且研发投入和一次性生产投入则比7nm芯片的投入要少得多，所以Chiplet技术也成为我国短期内解决半导体芯片需求问题的快速解法。

在封装技术领域，中国与国外的技术差距相对较小，给中国的半导体市场带来了产业变革与机遇。

【代表企业】：通富微电、长电科技、甬矽电子

同时，Chiplet技术也降低了芯片的设计门槛，开启了IP芯片化的新型商用模式。当前全球IP市场仍然被英美国家高度垄断，我国IP龙头芯原股份其IP种类的齐备程度也具有一定竞争力。

【国外代表企业】：新思科技（SNPS）、铿腾电子（CDNS）

【国内对标企业】：芯原股份

数据是万物互联、人机交互的基础。

一、数据中心

在数字经济时代，数据中心是像电厂一样重要的基础设施，是数据和算力的重要载体，为AI产业链上下游互联互通提供动力，支撑数据的收集和流转。

互联网数据中心（IDC）就类似于一个超大号的机房，里面有大量专用设备对数据进行集中管理，通过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为客户维持数据运行的稳定。

AI模型训练给数据中心带来需求增量的同时，我国IDC的发展也受益于国家“东数西算”政策，大力支持8个算力枢纽节点的数据中心建设。此外，为了支撑数字经济发展的“高速路”，国家还出台政策部署超算互联网中心建设，构建新型算力网络体系。

【代表企业】：润泽科技、光环新网、数据港、奥飞数据

整体来看，数据中心的硬件可以分为主设备和配套设备两类。主设备包括算力设备、存储设备和通信设备。配套设备主要包括制冷系统和配电系统，保证主设备稳定运转。

（一）算力设备：

服务器是数据中心最基本的设备，每个服务器都相当于是一台高性能计算机，其中集成了算力芯片和各类存储芯片，在前文中已单独拎出来介绍。芯片部分是服务器最大的成本开支，国内的服务器厂商，如浪潮信息，更多充当的是组装厂的角色，核心技术竞争力还是在于芯片部分。

【代表企业】：中科曙光、浪潮信息、紫光股份、拓维信息、工业富联、神州数码

（二）存储设备：

大数据时代，各种各样的数据量逐年激增，也增加了对存储设备的数量及性能需求。

现在主流的计算机存储硬盘分为HDD和SSD两种。HDD就是我们传统的机械硬盘，而SSD是固态硬盘。相较来看，SSD属于半导体存储器，存储速率快体积小，但价格昂贵。

对于数据中心来说，HDD仍然是性价比考虑的主流选择。而SSD目前主要用于高性能需求业务。

【代表企业】：易华录、同有科技

（三）通信设备：

1. 交换机

交换机专门负责设备间的信息配送，如果将数据中心中的各种设备比喻为一座座孤立的城市，那么交换机就是城市之间的高速公路。最常见的交换机类型是以太网交换机，紫光股份旗下子公司新华三为该类型交换机龙头企业。

【以太网交换机代表企业】：紫光股份

2. 光通信/光模块

为了高带宽传输数据，目前数据中心普遍使用光纤替代网线。

【光纤器件代表企业】：光库科技、太辰光

而光模块可以实现光纤通信中的光电转换和电光转换功能，从而实现交换机之间的远距离数据传输，因此光模块也被人称为数据领域的“逆变器”。

光模块的传输速率越高，结构就越复杂，所以高速率光模块（如400GE光模块）价格昂贵，占了数据中心建设成本的大头。

【光模块代表企业】：剑桥科技、新易盛、中际旭创、天孚通信、华工科技、光迅科技

3. CPO技术（光电共封装技术）

随着数据规模快速增长，带宽需求持续提升，数据中心的能耗问题日益凸显。CPO技术就是为了尽可能降低通信设备的工作功耗应运而生。

CPO技术将交换芯片和光模块共同装配在同一个插槽上，通过缩短交换芯片和光引擎间的距离，使得高速电信号能够高质量的在两者之间传输，从而降低通信设备的能耗。

【CPO技术代表企业】：联特科技、博创科技

相比传统的可拔插式光模块的设备，CPO交换机设备整机功耗理想状态下可以降低23%。

【CPO交换机代表企业】：菲菱科思、紫光股份、星网锐捷

而NPO技术 是CPO技术的过渡阶段，相比之下更容易实现，也更具开放性。

【NPO交换机代表企业】：锐捷网络

（四）配套设施：

1. 制冷系统

数据中心的制冷系统能够提高主设备的散热效率。目前数据中心制冷主要包括两种方式：风冷和液冷。

风冷就是采用空调系统，与家用空调类似，相对来说技术成熟且容易维护。而液冷则是采用液体作为冷媒，进行降温散热，由于液体的导热能力是空气的25倍，从能耗的角度来看，液冷可比风冷节约30%-50%的电量。但由于液冷技术需要将设备浸泡在液体中，技术难度较大，仍处于技术探索阶段，真正落地应用的数据中心企业不多。

【风冷代表企业】：申菱环境、佳力图

【液冷代表企业】：英维克

2. 配电系统

数据中心的配电系统包括配电柜、UPS（不间断电源）和柴油发电机组两部分。

为了保证数据运行的稳定，数据中心要保证服务器等设备能够不间断供电，因此紧急供电设备UPS电源在其中就扮演了重要角色。

【UPS电源代表企业】：英威腾、科华数据、科士达

二、数据上游：数据的采集和管理

（一）数据采集

1. AIoT（人工智能物联网）

数据存在于生活的点点滴滴，AIoT融合了AI和IoT，通过物联网生产、收集来自不同维度的海量数据存储于云端，从而实现万物数据化，再应用AI对数据进行分析，借助各类智能终端实现万物智联。

【相关企业】：漫步者、科大讯飞、四川长虹、海信视像、汉王科技……

2. 机器视觉

机器视觉是指使用光学器件进行非接触感知，接收并解释一个来自真实场景的图像，以获取信息并控制机器与流程。即通过机器实现人眼视觉和理解的技术。

实现机器视觉需要两个部分共同协作，先是“视”，即系统的硬件组成部分；二是

“觉”，即系统的视觉处理软件。

【视觉硬件代表企业】：海康威视、大华股份、萤石科技……

【视觉软件代表企业】：海天瑞声、云从科技、罗普特、中科信息、格林深瞳……

（二）数据管理

1. 数据库

海量的数据如同图书馆里的藏书，需要定期整理分类。数据库就是这种能够按照特定数据结构，组织、存储和管理数据的基础软件。

AI的广泛应用会推动数据调用量几何倍数的增长，从而带来对数据库需求的大幅增加。

在传统关系型数据库领域，甲骨文具备国际市场统治地位。我国企业的突破口在于分布式云数据库，国内目前行业龙头达梦数据尚未上市。

【国外代表企业】：甲骨文（ORCL）、IBM

【国内对标企业】：达梦数据（未上市）、海量数据、太极股份、星环科技、创意信息

2. 数据确权

数据确权是数据资产化的基础规则。

如同藏书具有版权，数据也具备权利归属。也就是说数据同样具备价值，能够成为企业的一项重要资产，并且可以进行交易。

数据确权政策大大利好拥有数据资源要素的企业，同时也是以价值激励导向来鼓励数据管理者参与价值创造，促进数据要素往高质量方向发展。

【相关企业】：中文在线、易华录、山大地纬、浙数文化……

3. 数据安全与加密

数据资产的价值越高，数据资产泄露所造成的损失也越高，因此数据安全防护的重要性显著提升。

【相关企业】：浩瀚深度、美亚柏科、数字认证、迪普科技、绿盟科技、亚信安全……

4. 数据交易中心

数据交易中心是国家数据局最为重要的一个辅助平台，为企业提供数据交易，实现数据资产在二级市场的流转变现，将数据资源的利用效率最大化。

目前，各地数据中心主要由国家牵头建设，部分上市企业有参股。

【相关企业】：零点有数、浪潮软件、吉视传媒……

目前AI整体行情的演绎已到达白热化阶段，各板块轮动上涨。

算法端：国内各大厂商新一轮模型发布会即将到来，需要观察各个大厂大模型发展在第一轮内测迭代后是否有突破，推动上下游发展。

应用端：AI应用带来的想象空间无限，各行各业均有可能完全被重塑，受益标的极多，处于低位的标的也较多，需要投资者更多的联想能力。

AI芯片端：算力需求增长是最容易理解的硬逻辑，核心标的涨幅巨大，处于加速上涨阶段，关注后续业绩是否能够改善进入业绩支撑上涨的阶段。同时，部分核心赛道的龙头企业开始酝酿上市，如存储芯片板块的长鑫存储，核心标的池会有所扩充。整个AI芯片产业链的背后，还站着更大的半导体产业链，半导体行业处于复苏周期，相关设备和材料的突破也是看点。

数据端：数字经济建设是今年的政策关键词，需要观测数据中心建设的速度，关注光模块核心标的业绩落地情况，观察数据资产化带来的改变。

$科创50(SH000688)$ $寒武纪-U(SH688256)$ $剑桥科技(SH603083)$ 

本文仅供参考，不构成投资意见

作者：@yyyyee