算力與經濟

1. 中國算力總規模居全球前列，這對相關行業意味著什麼

中國算力總規模居全球前列，這對相關行業意味著什麼首先是有利於中國的經濟發展，其次是有利於企業的長期發展，再者就是有利於深化科技的改革，另外就是有利於加強中國范圍內的長期合作渠道。需要從以下四方面來闡述分析中國算力總規模居全球前列，這對相關行業意味著什麼。

一、有利於中國的經濟發展

首先是有利於中國的經濟發展 ，之所以有利於中國的經濟發展就是這樣子算力可以在不同程度的方面加強中國的經濟建設，並且使得算力的發展有一個全新的平台方式來發展對應的商業模式。

中國應該做到的注意事項：

應該加強中國多方面的算力建設，這樣子有利於促進經濟的增長，並且使得中國的發展越來越高質量，同時可以促進中國長期發展戰略目標。

2. 我國算力規模已在全球排名第二，「算力」對於數字經濟的發展有哪些幫助

據了解，我國在算力規模上已經位於全球排名第二，因為1我國的的算力產業在近些年的發展迅速，像雲計算，大數據和人工智慧這方面的技術，我國在全球范圍內才居於比較優秀的一方，而且我國在數字經濟上因為算力規模的龐大發展也非常迅速，“算力”對於數字經濟發展來說是必不可少的一項技術，它顯然已經成為了我國在數字經濟方面發展的一項新動能，推動和支撐我國在數字經濟方面的不斷發展。

總之，我國在算力規模達到全球排名第二後，“算力”給予了我國在數字經濟的發展給予了很大幫助，不僅是在發展上，也促進了數字經濟在產業方面發揮其作用，幫助我國在數字經濟方面提升，使其更加產業化，規模化和專業化。

3. 為什麼說「算力」是新基建核心一環

數字化轉型的基礎，就是「新基建」。新基建將覆蓋包括區塊鏈在內的新技術基礎設施，算力將成為新生產力。聯接和計算是新基建的兩個核心，一是聯接網路、平台，二是計算，包括算力、演算法。圍繞新基建，算力是核心、數據是要素。「計算力」以數據中心作為其存在方式，扮演數字經濟「發動機」的角色，計算正和水、電一樣成為最基本的社會基礎設施，計算力就是生產力。你可以多關注一下XnMatrix這個平台，他們所做的去中心化雲計算技術行業領先。

4. 過來了解下什麼是「算力」

      最近接觸一個基金名稱裡面有「算力」二字，本以為只是一個名字而已，不查不知道，一查嚇一跳。「算力」竟然已經成為了一個火爆的新概念。

      算力，又稱「計算力」，從狹義上看，算力就是數據的處理能力，是設備通過處理數據，實現特定結果輸出的計算能力，算力數值越大，代表綜合計算能力越強。從廣義上看，算力可以表達為算力是數字經濟時代新的生產力，是支撐數字經濟發展的堅實基礎，也將是國民經濟發展的重要引擎。它廣泛存在於計算機、手機、PC等硬體設備中，如果沒有算力，這些軟硬體都不能正常使用。算力已經成為了全球戰略競爭新的聚焦點，一個國家算力水平的高低基本與經濟發展水平呈正相關水平。因為數字經濟時代的關鍵資源是數據、算力和演算法，其中數據是新的生產資料，算力是新生產力，演算法是新的生產關系，這些構成了數字經濟時代最基本的生產基石。

        算力分為算力環境、算力規模和算力應用。其中算力環境是指網路環境和算力投入等因素，這些是為算力的發展提供堅實的支撐。算力規模包含基礎算力、智能算力和超算能力，這些又分別提供基礎通用計算、人工智慧計算和科學工程計算。算力應用是主要包括消費應用和行業應用，消費和行業應用帶來了對算力規模、算力能力等需求的快速提升，算力的進步會反向推動了應用。例如當前我們所接觸和使用的5G、物聯網、雲計算、大數據、人工智慧和區塊鏈等等。

        算力已成為數字經濟的新引擎，主要表現在哪些方面呢？

1、算力直接帶動數字產業化的發展。在數字核心企業，例如亞馬遜、微軟、谷歌等等這些互聯網行業，算力是投資最大的，這三個企業每個季度投入的資本支出總額超過250億美元，基本都是用於布局大規模的數據中心，支撐著互聯網技術加速向電商、服務業、支付等領域滲透。還有電子信息製造業、電信業、軟體業等等，都是數字產業化發展的重要部分，和算力的發展息息相關。

2、算力直接賦能國民經濟發展。隨著我國5G覆蓋率的不斷提升，我國對算力的投資也在不斷提升，據悉，2020年我國的IT支出規模是2萬億，直接帶動經濟總產出1.7萬億，間接帶動經濟總產出6.3萬億，即在算力中每投入1元。會帶動3—4元的經濟產出。而且我國消費和應用算力的需求在迅猛增長，單單是互聯網對於算力的需求就大概占整體算力的50%的份額，電信和金融領域對算力的應用也處於行業領先水平。

        總之，抓好算力的發展就是抓好數字經濟與實體經濟融合發展的機會，就是為「一帶一路」合作做出貢獻。抓好計算機產業鏈供應鏈的長板，就是將強了重要產品和核心技術之間的融合發展，增強我國內在的創新能力的發展。

5. 算力產業是實體經濟嗎

算力產業不是實體經濟。算力產業是數字經濟伍困稿中的一種，主要依託於計算機技術和互聯網技術，通過集中計算資源和數據資產，為各種應用提供計算腔孝支持、數據處尺碧理和存儲等服務。

6. 東數西算是開啟算力時代的世紀工程，這項工程在未來會給我們帶來哪些改變

這樣的話可以帶動南方和北方的經濟發展，可以完成資源互助，之後可以帶動中國數字經濟的發展，更好的推行區域經濟，之後也可以帶動it行業的發展和進步，資源可以完成優勢互補，綠色發展空間會變得越來越大。

7. 我國算力規模已在世界排名第二位，這對未來的數字經濟領域有哪些影響

這對於未來的數字經濟領域有特別大的影響，這就能夠提供特別好的基礎，也能夠提供技術方面的支持，而且也能夠有利於這方面的發展，能夠拓展特別好的市場，也能夠有很好的發展前景。

8. 全球算力競爭加劇，我國 ICT 建設駛入快車道

（報告出品方/分析師：銀河證券研究院 趙良畢）

報告原標題： 通信行業深度報告：ICT「雙碳」新基建，IDC 溫控新機遇

（一）算力建設關乎數字經濟發展，各國均不斷發力

加快培育數據要素市場，全球算力競爭不斷提升。 2020 年 4 月 9 日，《中共中央、國務院關於構建更加完善的要素市場化配置體制機制的意見》中，數據首次作為一種新型生產要素在文件中出現，與土地、勞動力、資本和技術等傳統要素並列。計算力已經與國家經濟息息相關。

IDC&清華產業研究院聯合發布的《2021-2022 全球計算力指數評估報告》表明，計算力是數字經濟時代的關鍵生成要素：

（1）從 2016-2025 年的整體趨勢及預測來看，各個國家的數字經濟占 GDP 的比重持續提升，預計 2025 年佔比將達到 41.5%。

（2）計算力作為數字經濟時代的關鍵生產力要素，已經成為挖掘數據要素價值，推動數字經濟發展的核心支撐力和驅動力。

（3）國家計算力指數與 GDP 的走勢呈現出了顯著的正相關。評估結果顯示十五個重點國家的計算力指數平均每提高 1 點，國家的數字經濟和 GDP 將分別增長 3.5%和 1.8%，預計該趨勢在 2021-2025 年將繼續保持。同時，通過針對不同梯隊國家的計算力指數和 GDP 進行進一步的回歸分析後，研究發現：當一個國家的計算力指數達到 40 分以上時，國家的計算力指數每提升 1 點，其對於 GDP 增長的推動力將增加到 1.5 倍，而當計算力指數達到 60 分以上時，國家的計算力指數每提升 1 點，其對於 GDP 增長的推動力將提高到 3.0 倍，對經濟的拉動作用變得更加顯著。

數字化進程不斷推進，發展中國家經濟增速較高。 根據 IDC 數據顯示，2016 年到 2025 年，數字經濟佔比不斷提升，全球數字經濟佔比2025E為41%，其中發達國家數字經濟佔比為48.10%，比發展中國家高 17.8 個百分點。中美兩國計算力指數綜合評估較高，中國計算力發展水平漲幅達 13.5%，處於較高增長水平。總體來看，數字經濟為各國 GDP 總量貢獻不斷提升，算力提升推動數字經濟向好發展。

全球公有雲用戶市場保持增長，IT 側資本開支不斷增加。 雲是推動企業數字化轉型升級的重要驅動力, 企業不斷增加對移動技術、協作以及其他遠程工作技術和基礎架構的投資。預計到 2023 年，用戶支出將達到近 6000 億美元，雲將佔全球企業 IT 消費市場的 14.2%。其中軟體化服務（SaaS）是最大的細分市場，預計該市場在 2023E 用戶支出增長至 2080.80 億美元，相比 2021 年增長 36.73%；雲基礎建設（IaaS）將達到 1562.76 億美元，相比 2021 年增長 70.53%。為了獲得數字經濟時代的比較優勢，全球主要國家在數據中心的建設上進行了大規模投資，全球經濟受到新冠疫情的嚴重影響下，數據中心的建設保持了較高增速，預計在未來幾年雲服務提供商與電信公司之間的合作日益增加，全球雲市場有望進一步增長。

中國 IDC 市場規模增速較快，目前處於高速發展期。 受益於我國「新基建」戰略提出和持續攀升的互聯網流量，2021 年數據中心建設規模不斷增長。根據中國信通院數據，我國 2021年 IDC 行業規模約 1500.2 億元，近 5 年中國 IDC 市場年均復合增速約達 30%，領先於全球 IDC市場增速，其中近三年中國 IDC 市場具有高增速。我國 IDC 行業增速較快主要系我國 5G 建設持續推進，5G 應用項目多點開花不斷落地，預計到 2025 年，我國數據中心市場規模達到 5952億元。隨著數字經濟「東數西算」工程加速推進、互聯網和雲計算大客戶需求不斷擴張及數據中心在物聯網、人工智慧等領域的廣泛應用，數據中心行業發展前景廣闊，有望保持高速增長。

IDC 機櫃數量不斷增長，中國東部地區 IDC 中心較多。 2021 年 IDC 的機櫃量增長了 99.15萬架，增速為 30%，機櫃量總數達到 415.06 萬架，年度增長率達到 31.39%。隨著 5G 時代數字經濟向 社會 各領域持續滲透，數據量爆炸式增長使得全 社會 對算力需求提升，預計每年仍將以20%以上速度高增，有望打開市場新空間。目前我國大部分數據中心集中在東部及沿海地區，根據 CDCC 數據，2021 年華東、華北、華南三地區機櫃數佔全國總數的 79%，而東北、西北地區佔比相對較低。

我國東部地區 IDC 上架率較高，西部地區加速建設。 目前 IDC 機房在我國東西部呈現差異較大發展，體現東密西疏、東熱西冷的特點。2021 年新增機櫃對比可知，東部及沿海地區數據中心上架率高，西部上架率較低。2021 年華東、華北、華南三地上架率約 60%-70%，而東北、西北、西南及華中上架率僅有 30%-40%。在政策布局方面，國家不斷推進數字經濟發展，形成以數據為紐帶的區域協調發展新格局。對於網路時延要求不高的業務，率先向西部轉移建設，由於西部地區氣溫較低優勢突出，實施「東數西算」有利於數據中心提高能效，西部地區產業跨越式發展，促進區域經濟有效增長。

（二）數字經濟政策護航，「東數西算」工程建設有望超預期

把握數字化發展機遇，拓展經濟發展新空間。2022 年 1 月，國務院發布《「十四五」數字經濟發展規劃》，規劃強調數字經濟是繼農業經濟、工業經濟之後的主要經濟形態，是以數據資源為關鍵要素，以現代信息網路為主要載體，以信息通信技術融合應用、全要素數字化轉型為重要推動力，促進公平與效率更加統一的新經濟形態。同時，規劃明確提出到 2025 年，數字經濟邁向全面擴展期，數字經濟核心產業增加值占 GDP 比重達到 10%。基於上述規劃，2022年 5 月 26 日，工信部在 2022 年中國國際大數據產業博覽會上指出，堅持適度超前建設數字基礎設施，加快工業互聯網、車聯網等布局。

推進綠色數據中心建設，提升數據中心可再生能源利用率。 我國能源結構正處在不斷優化的過程中，新能源地區分布不均衡，特別是水力、光伏、風能，主要集中在中西部地區，而使用端主要在東部沿海地區，雖然通過「西電東送」工程部分緩解了東部地區用電緊張問題，但是作為高耗能的數據中心產業，協調東西部發展布局、降低能耗就十分必要。全國各省市、地區相繼出台了各種強調數據中心綠色、節能的政策要求，進而促進能源生產、運輸、消費等各環節智能化升級，催化能源行業低碳轉型。

東西部資源高效匹配，建立全國一體化協同創新體系。 「東數西算」工程是我國繼「南水北調」、「西氣東輸」、「西電東送」之後的又一項重大的國家戰略工程，將東部海量數據有序引導到西部，優化數據中心建設布局，縮小東西部經濟差異，促進東西部協同發展。2022 年 2 月17 日，國家發改委、中央網信辦、工業和信息化部、國家能源局聯合印發通知，同意在京津冀、長三角、粵港澳大灣區、成渝、內蒙古、貴州、甘肅、寧夏等 8 地啟動建設國家算力樞紐節點，並規劃了 10 個國家數據中心集群。全國一體化大數據中心體系完成總體布局設計，「東數西算」工程正式全面啟動。國家以「東數西算」為依託，持續推進數據中心與算力、雲、網路、數據要素、數據應用和安全等協同發展，形成以數據為紐帶的區域協調發展新格局，助力數字經濟不斷發展。

全球算力網路競爭力凸顯，ICT 產業鏈有望迎來發展新空間。 通過全國一體化的數據中心布局建設，擴大算力設施規模，提高算力使用效率，實現全國算力規模化、集約化發展，有望進一步提升國家算力水平和全球競爭能力。同時，擴大數據中心在中西部地區覆蓋，能夠就近消納中西部地區新型綠色能源，持續優化數據中心能源使用效率。通過算力樞紐和數據中心集群建設，將有力帶動相關產業上下游投資，促進東西部數據流通、價值傳遞，延展東部發展空間，推進西部大開發形成全國均衡發展新格局。

（三）雙碳減排目標明確，綠色節能成為發展必需

能源變革不斷創新升級，低碳轉型融入 社會 經濟發展。 自上個世紀人類逐漸認識到碳排放造成的不利影響，各國政府和國際組織不斷進行合作，經過不懈努力、廣泛磋商，在聯合國和世界氣候大會的框架下達成了一系列重要共識，形成了《聯合國氣候變化框架公約》（1992 年簽署，1994 年生效）、《京都議定書》（1997 年達成，2005 年生效）和《巴黎協定》（2015年達成，2016 年生效）等文件，其中《巴黎協定》規定了「把全球平均氣溫升幅控制在工業化前水平以上低於 2 以內」的基礎目標和「將氣溫升幅限制在工業化前水平以上 1.5 之內」的努力目標。

推動能源革命，落實碳達峰行動方案。 為了達到《巴黎協定》所規定的目標，我國政府也提出了切合我國實際的雙碳行動計劃，2020 年 9 月 22 日，我國在第七十五屆聯合國大會上宣布，中國力爭 2030 年前二氧化碳排放達到峰值，努力爭取 2060 年前實現碳中和目標。中國的「雙碳」目標正式確立，展現了中國政府應對全球氣候變化問題上的決心和信心。同時 2021年度《政府工作報告》中指出：扎實做好碳達峰、碳中和各項工作，制定 2030 年前碳排放達峰行動方案。優化產業結構和能源結構。推動煤炭清潔高效利用，大力發展新能源，在確保安全的前提下積極有序發展核電。擴大環境保護、節能節水等企業所得稅優惠目錄范圍，促進新型節能環保技術、裝備和產品研發應用，培育壯大節能環保產業，推動資源節約高效利用。落實 2030 年應對氣候變化國家自主貢獻目標。加快發展方式綠色轉型，協同推進經濟高質量發展和生態環境高水平保護，單位國內生產總值能耗和二氧化碳排放分別降低 13.5%、18%。

聚焦數據中心低碳發展，實現雙碳方式產業發展。 在雙碳背景下，「東數西算」工程中數據中心西部遷移，PUE 值有望降低帶來能耗電量高效利用。能源高效節能、革新升級已是大勢所趨和必然要求。

（一）數據中心能耗突出，綠色節能是發展趨勢

綠電成為發展趨勢，低碳發展中發揮重要作用。 隨著大力發展數據中心產業，數據中心能耗在國民經濟中的佔比也在不斷提高。研究表明，預計 2025 年，數據中心能耗總量將達到 3952億 kW·h，佔全 社會 用電總量的 4.05%，比例逐年攀升。整體來看，由伺服器、存儲和網路通信設備等所構成的 IT 設備系統所產生的功耗約占數據中心總功耗的 45%。空調系統同樣是數據中心提高能源效率的重點環節，所產生的功耗約占數據中心總功耗的 40%。降 PUE 將成為未來發展趨勢，主要從製冷方面入手。

數據中心碳排放不斷控制，PUE 值不斷改善。 根據國家能源局 2020 年全國電力工業統計數據 6000 千瓦及以上電廠供電標准煤耗每度電用煤 305.5 克，二氧化碳排放量按每噸標煤排放 2.7 噸二氧化碳來計算，2021 年全國數據中心二氧化碳排放量 7830 萬噸，2030 年預計排放約 1.5 億噸二氧化碳。

量化指標評估數據中心能源效率。 為評價數據中心的能效問題，目前廣泛採用 PUE（Power Usage Effectiveness）作為重要的評價指標，指標是數據中心消耗的所有能源與 IT 負載消耗的能源的比值。PUE 通常以年度為計量區間，其中數據中心總能耗包括 IT 設備能耗和製冷、配電等系統的能耗，其值大於 1，越接近 1 表明非 IT 設備耗能越少，即能效水平越好。

數據中心空調系統及伺服器系統能耗佔比較大。 數據中心的耗能部分主要包括 IT 設備、製冷系統、供配電系統、照明系統及其他設施(包括安防設備、滅火、防水、感測器以及相關數據中心建築的管理系統等)。整體來看，由伺服器、存儲和網路通信設備等所構成的 IT 設備系統所產生的功耗約占數據中心總功耗的 45%。其中伺服器系統約占 50%，存儲系統約占 35%，網路通信設備約占 15%。空調系統仍然是數據中心提高能源效率的重點環節，它所產生的功耗約占數據中心總功耗的 40%。電源系統和照明系統分別占數據中心總耗電量的 10%和 5%。

（三）溫控系統持續優化，節能技術變革打開新機遇

溫控系統多元化趨勢，節能技術不斷突破。 當前主流的製冷方式包括風冷、水冷、間接蒸發冷卻和液冷技術，根據數據中心規模、環境特點選擇合適的製冷技術。提高數據中心的能效，尤其是空調製冷系統的能效成為研究重點。目前，數據中心空調製冷能效比的提升主要從液冷和自然冷源兩方面入手。從製冷方式來看，風冷將逐漸被安裝靈活、效率更高的液冷方式所取代。液冷技術目前應用於 5G 場景，通常對骨幹網 OTN 設備、承載網設備以及 5G BBU 設備進行液冷，採用液冷技術可以通過液體將發熱元件熱量帶走，實現伺服器的自然散熱，相互傳統製冷方法，液冷技術更為高效節能。

冷卻系統不斷優化。 為了客觀評價這些製冷技術以便進一步提高節能減排效率，中國製冷學會數據中心冷卻工作組研究認為：採用數據中心冷卻系統綜合性能系數（GCOP）作為評價指標更為合理。

其中，GCOP 為數據中心冷卻系統綜合性能系數指標，用於評價數據中心冷卻系統的能效。為數據中心總能耗，其中不僅包括數據中心市電供電量，也包括數據中心配置的發電機的供電量。為製冷系統能耗，包括機房外製冷系統的能耗，另外包括 UPS 供電的製冷風扇、關鍵泵以及設備機櫃內風扇等製冷設備產生的能耗。

實際情況中，為了使能效評價結果更具有說服力與可比較性。冷卻工作組建議使用數據中心全年平均綜合性能系統數的（GCOPA）指標和特定工況下數據中心冷卻系統綜合性能系數（GCOPS）作為評價標准。

冷卻工作組根據上述標准針對來自內蒙古呼和浩特、廣東深圳、河北廊坊等地的高效數據中心進行分析。這些數據中心分布在不同建築氣候區，使用了不同系統形式和運行策略，例如高效末端、自然冷卻、AI 控制的運行優化等。數據表明西部地區建設新型數據中心製冷能耗較優。我國數據中心冷卻系統能效存在極大差異，提升我國數據中心冷卻系統的能效意義較大，冷卻系統仍存在巨大的節能潛力。

數據中心容量不斷擴充，中美兩國貢獻較多。 根據 Synergy Research Group 的最新數據顯示，由大型供應商運營的大型數據中心數量已增至 700 家，而以關鍵 IT 負載衡量，美國占這些數據中心容量的 49%，中國是繼美國之後對超大型數據中心容量貢獻第二大的國家，占總量的 15%。其餘的產能分布在亞太地區(13%)、EMEA 地區(19%)和加拿大/拉丁美洲(4%)。超大規模數據中心數量翻一番用了五年時間，但容量翻番用了不到四年時間。

空調系統建設成本較多。 根據IBM數據，數據中心的建設成本中空調系統的佔比為16.7%。總體來說，2021 年數據中心基礎設施設備總支出為 1850 億美元，能源方面建設資本開支占較大份額，能源建設及利用效率有望進一步提升。

數據中心資本穩步增長，溫控市場打開新空間。 根據 Synergy Research 的數據，2021年數據中心基礎設施設備總支出（包括雲/非雲硬體和軟體）為 1850 億美元，公有雲基礎設施設備支出佔比為 47%。面向硬體的伺服器、存儲和網路合計占數據中心基礎設施市場的 77%。

操作系統、虛擬化軟體、雲管理和網路安全佔了其餘部分。參照 2021 年全球數據中心資本開支增長 10%的現實，假設未來 4 年數據中心每年資本開支保持增長 10%，我國數據中心溫控系統市場規模 2021 年為 301 億元，可在 2025 年達到 441 億元。

（一）英維克：打造溫控全產業鏈，行業高景氣領跑者受益

國內技術領先的精密溫控龍頭，聚焦精密溫控節能產品和解決方案。 公司自成立以來，一直專注於數據機房等精密環境控制技術的研發，致力於為雲計算數據中心、通信網路、物聯網的基礎架構及各種專業環境控制領域提供解決方案，「東數西算」項目中提供節能技術。

公司營業收入高速增長，盈利能力表現良好。 2022Q1，公司實現營收 4.00 億元，同比增長 17.10%，歸母凈利潤 0.13 億元，同比下降 59.26%，主要受原材料價格上漲、疫情反復等因素影響。2021 年英維克實現營業收入 22.28 億元，同比增長 29.71%，自 2017 年以來 CAGR 達34.65%，主要是由於機房溫控一些大項目驗收確認，以及機櫃溫控節能產品收入增長。受益於整個行業的景氣度，全年實現歸母凈利潤 2.05 億元，同比增長 12.86%，自 2017 年以來 CAGR達 24.25%，主要源自數據中心及戶外機櫃空調業務的持續增長。

公司毛利率總體穩定，未來有望止跌回升。 2021 年公司銷售毛利率為 29.35%，同比下降9.50%，主要原因繫上游原材料成本提升，公司整體盈利能力承壓。凈利率總體有所下降，銷售凈利率為 8.92%，同比下降 15.85%。隨著公司持續數據機房等精密環境控制技術的研發，技術平台得到復用，規模效應愈發顯著，公司未來毛利率及凈利率有望企穩回升。

蒸發冷卻、液冷技術為未來發展趨勢，公司技術儲備充足，產品系列覆蓋全面。 目前國內數據中心溫控方式仍然以風冷、冷凍水為主，由於熱密度、耗能的提升，傳統方案已經不能滿足市場需求，散熱方式逐漸從傳統風冷模式發展到背板空調、液冷等新型散熱方式，數據中心冷卻系統呈現出冷卻設備貼近伺服器、核心發熱設備的趨勢，液冷、蒸發冷卻技術優勢明顯。

研發投入持續增加提升核心競爭力，溫控系統不斷優化。 公司以技術創新作為企業發展的主要驅動力，不斷加大研發投入。雖然受到上游原材料價格急速上漲和疫情反復的不利影響，公司始終堅持加大研發力度，為公司後續發展提供技術支撐。英維克作為細分行業龍頭，及時捕捉市場發展動向，以技術創新作為企業發展的主要驅動力。

公司產品線豐富，方案靈活凸顯競爭優勢。 英維克的機房溫控節能產品主要針對數據中心、伺服器機房、通信機房、高精度實驗室等領域的房間級專用溫控節能解決方案，用於對設備機房或實驗室空間的精密溫濕度和潔凈度的控制調節。其中包括 CyberMate 機房專用空調&實驗室專用空調、iFreecooling 多聯式泵循環自然冷卻機組、XRow 列間空調、XFlex 模塊化間接蒸發冷卻機組、XStorm 直接蒸發式高效風牆冷卻系統、XSpace 微模塊數據中心、XRack 微模塊機櫃解決方案、XGlacier 液冷溫控系統等產品與解決方案。

公司的產品直接或通過系統集成商提供給數據中心業主、IDC 運營商、大型互聯網公司，歷年來公司已為騰訊、阿里巴巴、秦淮數據、萬國數據、數據港、中國移動、中國電信、中國聯通等用戶的大型數據中心提供了大量高效節能的製冷產品及系統。此外，英維克還提供機櫃溫控節能產品主要針對無線通信基站、儲能電站、智能電網各級輸配電設備櫃、電動 汽車 充電樁、ETC 門架系統等戶外機櫃或集裝箱的應用場合提供溫控節能解決方案，以及用於智能製造設備的機櫃溫控產品。

（二）佳力圖：運營商市場企穩互聯網市場突破，業績有望邊際改善

精密環境溫控龍頭，打造恆溫恆濕解決方案。 公司產品應用於數據中心機房、通信基站以及其他恆溫恆濕等精密環境，公司客戶涵蓋政府部門以及通信、金融、互聯網、醫療、軌道交通、航空、能源等眾多行業。公司產品服務於中國電信、中國聯通、中國移動、華為等知名企業。目前，公司擁有精密空調設備、冷水機組兩大類產品，十三個系列產品線，產品的先進性、可靠性以及節能環保的優勢在行業中始終保持主導地位，同時公司依託在環境控制技術和節能技術方面的優勢，為數據中心提供節能改造服務。

公司營業收入保持增長，凈利潤有所下滑。2022Q1，公司實現營收 1.22 億元，同比下降10.69%，歸母凈利潤 0.14 億元，同比下降 36.68%，主要受原材料價格上漲、疫情反復、競爭加劇等因素影響。

2021 年佳力圖實現營業收入 6.67 億元，同比增長 6.68%，自 2017 年以來CAGR 達 9.73%，全年實現歸母凈利潤 0.85 億元，同比下滑 26.35%，2021 年，公司主要是受到以下因素影響導致利潤下滑，（1）南京疫情停工待產、限電限產、疫情延時交付驗收的各種困難；（2）隨著市場規模的不斷擴大，國內機房空調市場競爭較激烈；（3）原材料價格特別是大宗商品價格持續上漲，原材料成本占公司營業成本平均比例達 70%以上，是公司產品成本的主要組成部分，銅、鍍鋅鋼板在 2021 年度一直呈現上漲趨勢，采購價格較 2020 年上漲了 20%-40%，導致公司成本呈現大比例增長。

圖 17. 公司受多因素影響毛利率有所下降（單位：%）

公司精密環境領域產品豐富，技術先進。 公司產品應用於數據中心機房、通信基站以及其他恆溫恆濕等精密環境，公司客戶涵蓋政府部門以及通信、金融、互聯網、醫療、軌道交通、航空、能源等眾多行業。公司產品服務於中國電信、中國聯通、中國移動、華為等知名企業。

目前，公司擁有精密空調設備、冷水機組兩大類產品，十三個系列產品線，產品的先進性、可靠性以及節能環保的優勢在行業中始終保持主導地位，同時公司依託在環境控制技術和節能技術方面的優勢，為數據中心提供節能改造服務。

研發投入不斷投入，空調效率持續提升。 雖然受到上游原材料價格急速上漲和疫情反復的不利影響，公司始終保持加強技術研發團隊建設，加強與高等院校、行業專家等機構、人士的合作，推動尖端理論研究和實踐，依託現有的研發體系，充分發揮節能控制方面的技術優勢，加快機房智能節能管理系統的研製，進一步提高公司產品的性能指標，加強在空調換熱器效率提升、供配電技術方面的基礎性研究實力，全面提升公司在機房環境控制一體化解決方案方面的創新能力。

公司核心技術不斷凸顯。 2021 年末公司擁有的核心技術有 36 項，同時有包含帶封閉式高效冷卻循環的通信模塊、數據中心冷凍站集中控制系統、機房空調 VRF 系統、CPU 液冷技術、VRF 技術在機房空調領域的初級應用等 28 項在研項目。

（三）其他節能相關公司情況

申菱環境是國內提供人工環境調控整體解決方案的領先企業，服務場景數值中心、電力、化工、能源、軌道交通、環保、軍工等領域。產品主要可分為數據服務空調、工業空調、特種空調三部分。公司是華為數據服務空調的主要供應商，與華為存在多年合作關系。除了華為業務的快速增長，也獲得了騰訊等互聯網龍頭企業的認可。此外，申菱環境在儲能方面也有布局。

依米康致力於在通信機房、數據中心、智慧建設以及能源管理領域為客戶提供產品和整體解決方案，包括從硬體到軟體，從室內精密空調到室外磁懸浮主機，從一體機和微模塊到大型數據中心的設計、生產和運維服務，助力客戶面對能源和生態挑戰。公司信息數據領域的關鍵設備、智能工程、物聯軟體、智慧服務四大板塊業務均可為數據中心產業鏈提供產品及服務。

高瀾股份是國內領先的純水冷卻設備專業供應商，是國家級專精特新「小巨人」企業，從大功率電力電子裝置用純水冷卻設備及控制系統起家，產品廣泛應用於發電、輸電、配電及用電各個環節電力電子裝置。2020 年以來，通過企業並購，其新能源 汽車 業務收入大幅提升，動力電池熱管理產品、新能源 汽車 電子製造產品收入占總營收比重均大幅上漲，合計收入占總營收比重達到 48.88%，首次超過純水冷卻設備成為公司第一大收入來源。

節能技術突破不及預期導致供給端產能釋放緩；

原材料短缺及價格上漲；

市場競爭加劇；

下游數據中心市場增速不及預期。

9. 在智能時代，數據，算力演算法，是構成了這一經濟時代的基石

近代三次工業技術革命分別是

1、第一次工業革命，又叫產業革命，是指資本主義由工場手工業過渡到大機器生產，在生產領域和 社會 關繫上引起了根本性變化。

2、第二次工業革命，19世紀中期，歐洲國家和美國、日本的資產階級革命或改革的完成，促進了經濟的發展。19世紀60年代後期，開始第二次工業革命。人類進入了「電氣時代」。

3、第三次 科技 革命，20世紀四五十年代以來，在原子能、電子計算機、徽電子技術、航天技術、分子生物學和遺傳工程等領域取得的重大突破，標志著的科學技術的到來，這次科學技術在人類 歷史 上被稱為第三次技術革命。

歷史 是有周期性的，第四次 工業技術革命就在眼前，行業不外呼在那幾個， 歷史 技術革命浪潮帶來的改變關乎國家命運更關乎你我他！

在智能時代，

「數據」是新的生產資料，

「算力」是新生產力，

「演算法」是新生產關系，

構成了這一經濟時代的基石。

10. 算力可貴，效率價高：智算中心憑啥是築基新基建的最優解

在「新基建」浪潮下，人工智慧正成為經濟增長的新引擎，各行各業開啟智能化升級轉型。算力在其中扮演了重要角色，是國家未來競爭力的集中體現。但事實是，在發展的過程中，高速增長的海量數據與更加復雜的模型，正在為算力帶來更大的挑戰，主要體現為算力不足，效率不高。

算力誠可貴：數據、演算法需要更多算力支撐

眾所周知，在人工智慧發展的三要素中，無論是數據還是演算法，都離不開算力的支撐，算力已成為人工智慧發展的關鍵要素。

IDC發布的《數據時代2025》報告顯示，2018年全球產生的數據量為33ZB (1ZB=1萬億GB)，到2025年將增長到175ZB，其中，中國將在2025年以48.6ZB的數據量及27.8%的佔比成為全球最大的數據匯集地。

另據賽迪顧問數據顯示，到2030年數據原生產業規模量占整體經濟總量的15%，中國數據總量將超過4YB，佔全球數據量30%。數據資源已成為關鍵生產要素，更多的產業通過利用物聯網、工業互聯網、電商等結構或非結構化數據資源來提取有價值信息，而海量數據的處理與分析對於算力的需求將十分龐大。

演算法上，先進模型的參數量和復雜程度正呈現指數級的增長趨勢。此前 Open AI 發表的一項研究就顯示，每三到四個月，訓練這些大型模型所需的計算資源就會翻一番（相比之下，摩爾定律有 18 個月的倍增周期）。2012 至 2018 年間，深度學習前沿研究所需的計算資源更是增加了 30 萬倍。

到2020年，深度學習模型對算力的需求達到了每天百億億次的計算需求。2020年2月，微軟發布了最新的智能感知計算模型Turing-NLG，參數量高達到175億，使用125POPS AI計算力完成單次訓練就需要一天以上。隨後，OpenAI又提出了GPT-3模型，參數量更達到1750億，對算力的消耗達到3640 PetaFLOPS/s-day。而距離GPT-3問世不到一年，更大更復雜的語言模型，即超過一萬億參數的語言模型SwitchTransformer即已問世。

由此可見，高速增長的海量數據與更加復雜的模型，正在給算力帶來更大的挑戰。如果算力不能快速增長，我們將不得不面臨一個糟糕的局面：當規模龐大的數據用於人工智慧的訓練學習時，數據量將超出內存和處理器的承載上限，整個深度學習訓練過程將變得無比漫長，甚至完全無法實現最基本的人工智慧。

效率價更高：環境與實際成本高企，提升效率迫在眉睫

在計算工業行業，有個假設是「數字處理會變得越來越便宜」。但斯坦福人工智慧研究所副所長克里斯托弗•曼寧表示，對於現有的AI應用來說卻不是這樣，特別是因為不斷增加的研究復雜性和競爭性，使得最前沿模型的訓練成本還在不斷上升。

根據馬薩諸塞大學阿默斯特校區研究人員公布的研究論文顯示，以常見的幾種大型 AI 模型的訓練周期為例，發現該過程可排放超過 626000 磅二氧化碳，幾乎是普通 汽車 壽命周期排放量的五倍（其中包括 汽車 本身的製造過程）。

例如自然語言處理中，研究人員研究了該領域中性能取得最大進步的四種模型：Transformer、ELMo、BERT和 GPT-2。研究人員在單個 GPU 上訓練了至少一天，以測量其功耗。然後，使用模型原始論文中列出的幾項指標來計算整個過程消耗的總能量。

結果顯示，訓練的計算環境成本與模型大小成正比，然後在使用附加的調整步驟以提高模型的最終精度時呈爆炸式增長，尤其是調整神經網路體系結構以盡可能完成詳盡的試驗，並優化模型的過程，相關成本非常高，幾乎沒有性能收益。BERT 模型的碳足跡約為1400 磅二氧化碳，這與一個人來回坐飛機穿越美洲的排放量相當。

此外，研究人員指出，這些數字僅僅是基礎，因為培訓單一模型所需要的工作還是比較少的，大部分研究人員實踐中會從頭開發新模型或者為現有模型更改數據集，這都需要更多時間培訓和調整，換言之，這會產生更高的能耗。根據測算，構建和測試最終具有價值的模型至少需要在六個月的時間內訓練 4789 個模型，換算成碳排放量，超過 78000 磅。而隨著 AI 算力的提升，這一問題會更加嚴重。

另據 Synced 最近的一份報告，華盛頓大學的 Grover 專門用於生成和檢測虛假新聞，訓練較大的Grover Mega模型的總費用為2.5萬美元；OpenAI 花費了1200萬美元來訓練它的 GPT-3語言模型；谷歌花費了大約6912美元來訓練 BERT，而Facebook針對當前最大的模型進行一輪訓練光是電費可能就耗費數百萬美元。

對此，Facebook人工智慧副總裁傑羅姆•佩森蒂在接受《連線》雜志采訪時認為，AI科研成本的持續上漲，或導致我們在該領域的研究碰壁，現在已經到了一個需要從成本效益等方面考慮的地步，我們需要清楚如何從現有的計算力中獲得最大的收益。

在我們看來，AI計算系統正在面臨計算平台優化設計、復雜異構環境下計算效率、計算框架的高度並行與擴展、AI應用計算性能等挑戰。算力的發展對整個計算需求所造成的挑戰會變得更大，提高整個AI計算系統的效率迫在眉睫。

最優解：智算中心大勢所趨，應從國家公共設施屬性做起

正是基於上述算力需求不斷增加及所面臨的效率提升的需要，作為建設承載巨大AI計算需求的算力中心（數據中心）成為重中之重。

據市場調研機構Synergy Research Group的數據顯示，截至到2020年第二季度末，全球超大規模數據中心的數量增長至541個，相比2015年同期增長一倍有餘。另外，還有176個數據中心處於計劃或建設階段，但作為傳統的數據中心，隨之而來的就是能耗和成本的大幅增加。

這里我們僅以國內的數據中心建設為例，現在的數據中心已經有了驚人的耗電量。據《中國數據中心能耗現狀白皮書》顯示，在中國有 40 萬個數據中心，每個數據中心平均耗電 25 萬度，總體超過 1000 億度，這相當於三峽和葛洲壩水電站 1 年發電量的總和。如果折算成碳排放則大概是 9600 萬噸，這個數字接近目前中國民航年碳排放量的 3 倍。

但根據國家的標准，到2022年，數據中心平均能耗基本達到國際先進水平，新建大型、超大型數據中心的 PUE（電能使用效率值，越低代表越節能）達到 1.4 以下。而且北上廣深等發達地區對於能耗指標控制還非常嚴格，這與一二線城市集中的數據中心需求形成矛盾，除了降低 PUE，同等計算能力提升伺服器，尤其是數據中心的的計算效率應是正解。

但眾所周知的事實是，面對前述龐大的AI計算需求和提升效率的挑戰，傳統數據中心已經越來越難以承載這樣的需求，為此，AI伺服器和智算中心應運而生。

與傳統的伺服器採用單一的CPU不同，AI伺服器通常搭載GPU、FPGA、ASIC等加速晶元，利用CPU與加速晶元的組合可以滿足高吞吐量互聯的需求，為自然語言處理、計算機視覺、語音交互等人工智慧應用場景提供強大的算力支持，已經成為人工智慧發展的重要支撐力量。

值得一提的是，目前在AI伺服器領域，我們已經處於領先的地位。

近日，IDC發布了2020HI《全球人工智慧市場半年度追蹤報告》，對2020年上半年全球人工智慧伺服器市場進行數據洞察顯示，目前全球半年度人工智慧伺服器市場規模達55.9億美元（約326.6億人民幣），其中浪潮以16.4%的市佔率位居全球第一，成為全球AI伺服器頭號玩家，華為、聯想也殺入前5（分別排在第四和第五）。

這里業內也許會好奇，緣何中國會在AI伺服器方面領跑全球？

以浪潮為例，自1993年，浪潮成功研製出中國首台小型機伺服器以來，經過30年的積累，浪潮已經攻克了高速互聯晶元，關鍵應用主機、核心資料庫、雲數據中心操作系統等一系列核心技術，在全球伺服器高端俱樂部里佔有了重要一席。在AI伺服器領域，從全球最高密度AGX-2到最高性能的AGX-5，浪潮不斷刷新業界最強的人工智慧超級伺服器的紀錄，這是為了滿足行業用戶對人工智慧計算的高性能要求而創造的。浪潮一直認為，行業客戶希望獲得人工智慧的能力，但需要掌握了人工智慧落地能力的和技術的公司進行賦能，浪潮就可以很好地扮演這一角色。加快人工智慧落地速度，幫助企業用戶打開了人工智慧應用的大門。

由此看，長期的技術創新積淀、核心技術的掌握以及對於產業和技術的准確判斷、研發是領跑的根本。

至於智算中心，去年發布的《智能計算中心規劃建設指南》公布了智能計算中心技術架構，基於最新人工智慧理論，採用領先的人工智慧計算架構，通過算力的生產、聚合、調度和釋放四大作業環節，支撐和引領數字經濟、智能產業、智慧城市和智慧 社會 應用與生態 健康 發展。

通俗地講，智慧時代的智算中心就像工業時代的電廠一樣，電廠是對外生產電力、配置電力、輸送電力、使用電力；同理智算中心是在承載AI算力的生產、聚合、調度和釋放過程，讓數據進去讓智慧出來，這就是智能計算中心的理想目標。

需要說明的是，與傳統數據中心不同，「智算中心」不僅把算力高密度地集中在一起，而且要解決調度和有效利用計算資源、數據、演算法等問題，更像是從計算器進化到了大腦。此外，其所具有的開放標准，集約高效、普適普惠的特徵，不僅能夠涵蓋融合更多的軟硬體技術和產品，而且也極大降低了產業AI化的進入和應用門檻，直至普惠所有人。

其實我們只要仔細觀察就會發現，智算中心包含的算力的生產、聚合、調度和釋放，可謂集AI能力之大成，具備全棧AI能力。

這里我們不妨再次以浪潮為例，看看何謂全棧AI能力？

比如在算力生產層面，浪潮打造了業內最強最全的AI計算產品陣列。其中，浪潮自研的新一代人工智慧伺服器NF5488A5在2020年一舉打破MLPerf AI推理&訓練基準測試19項世界紀錄（保證充足的算力，解決了算力提升的需求）；在算力調度層面，浪潮AIStation人工智慧開發平台能夠為AI模型開發訓練與推理部署提供從底層資源到上層業務的全平台全流程管理支持，幫助企業提升資源使用率與開發效率90%以上，加快AI開發應用創新（解決了算力的效率問題）；在聚合算力方面，浪潮持續打造更高效率更低延遲硬體加速設備與優化軟體棧；在算力釋放上，浪潮AutoML Suite為人工智慧客戶與開發者提供快速高效開發AI模型的能力，開啟AI全自動建模新方式，加速產業化應用。

那麼接下來的是，智算中心該遵循怎樣的發展路徑才能充分發揮它的作用，物盡其用？

IDC調研發現，超過九成的企業正在使用或計劃在三年內使用人工智慧，其中74.5%的企業期望在未來可以採用具備公用設施意義的人工智慧專用基礎設施平台，以降低創新成本，提升算力資源的可獲得性。

由此看，智能計算中心建設的公共屬性原則在當下和未來就顯得尤為重要，即智能計算中心並非是盈利性的基礎設施，而是應該是類似於水利系統、水務系統、電力系統的公共性、公益性的基礎設施，其將承載智能化的居民生活服務、政務服務智能化。因此，在智能計算中心規劃和建設過程中，要做好布局，它不應該通過市場競爭手段來實現，而要體現政府在推進整個 社會 智能化進程的規劃、節奏、布局。

總結： 當下，算力成為推動數字經濟的根基和我國「新基建「的底座已經成為共識，而如何理性看待其發展中遇到的挑戰，在不斷高升算力的前提下，提升效率，並採取最佳的發展策略和形式，找到最優解，將成為政府相關部門以及相關企業的重中之重。