华夏中证云计算与大数据主题ETF价值分析：把握云计算的时代浪潮

云计算可以使用户随时随地按需从共享资源池中获取存储、计算等资源，在节约本地资源成本的同时提高计算效率，应用场景包括SaaS、PaaS、IaaS等。云计算与大数据和人工智能等产业相互促进、共同发展。 从长期投资价值上看，云计算发展的长期逻辑包括以下四点：其一，政策大力扶持，推动算力基础设施和云计算产业协同发展；其二，芯片国产化替代进程加速，突破技术“卡脖子”同时降低硬件成本；其三，数据中心能耗下降，降低运营成本同时可持续发展；其四，AIGC应用场景广阔，提升云计算长期需求。 从短期边际信息变化上看，最近一段时间云计算板块存在以下三点增量信息：其一，经济复苏环境利好成长风格，防疫放开后生产开工链条有望接续复苏，推动企业利润持续上行，进入成长风格的强势期； 其二，市场流动性充裕环境利好小盘，宏观层面M2高增长、微观层面北上资金持续流入，小盘风格有望保持强势；其三，ChatGPT引发市场持续关注，有助于云计算相关板块价值发现。 中证云计算与大数据主题指数选取主营云计算、大数据和硬件设备的股票。成分股行业分布上集中于IT服务Ⅱ和软件开发；市值分布上以200亿以下小市值为主，但不乏细分板块龙头；营收上稳健增长，估值上PS分布集中于2-5倍；研发费用上大部分公司研发费用占营收比例高于5%，高新技术企业集中。 风险提示：宏观经济复苏不及预期；国产化替代进程不及预期。 1.云计算、大数据与基础设施 1.1.从分布式计算到云计算 云计算可以使用户随时随地按需从共享资源池中获取存储、计算等资源，在节约本地资源成本的同时提高计算效率。从发展路线上，云计算经历了从分布式计算到虚拟化计算、再到边缘计算的发展路径。早期的分布式计算技术主要是将大型计算处理程序分解为若干个小程序，然后通过多部服务器组成的系统进行处理和分析这些小程序得到计算结果。作为云计算核心技术的虚拟化，可以在计算机硬件上创建抽象层，将单个计算机的硬件元素分成多个虚拟计算机，从而大幅提高系统运行效率。 图1：全球云计算服务规模和增速 目前的云计算过程一般需要将需求传导到云服务器上并将结果回传，在一些小型计算任务上的网络时延甚至超过了计算时间本身，由此应运而生的边缘计算可以在边缘节点计算、由云节点调度计算结果从而实现更加高效的计算效率。 图2：云计算与边缘计算 随着信息技术的发展，不论企业与个人，对于实时计算的需求与日俱增。 整体来看，云计算的优势在于：其一，使用便捷、提高企业IT运营效率，降低企业经营成本；其二，资源共享，数据、程序与各种中间件保存在同一组服务器中，减少资源调度成本；其三，根据需求调度资源，避免需求峰值时的资源不足与需求谷值时的资源浪费。与此同时，云计算仍具有较大的发展空间。由于云计算服务大多部署于少数几个大型服务器，安全性、可控性和稳定性成为用户最为关心的问题。此外，供应链完善程度、数据迁移能力和服务标准统一性也对云计算产业发展起到了重要作用。 1.2.从云计算到大数据再到人工智能 云计算的发展离不开大数据，离不开基础设施建设。云计算作为一个高效率、低成本的资源平台，适合于大量数据处理的任务，因而为大数据技术发展和应用提供了解决方案；而大数据的广泛应用为云计算的发展提供了旺盛的需求，促进了云计算服务产业的投资和发展。由于任务性能要求，云计算和大数据服务均部署于大型服务器中，从而推动了计算芯片和存储芯片等硬件设施以及操作系统等软件设施的发展。 图3：云计算、大数据和基础设施建设相互促进 尽管云计算和大数据在应用上有较多交叉，两者之间也存在一定差异，具体体现在：其一，目的不同，云计算的目的是提供进行高效计算的工具，大数据的目的是发掘数据中的信息价值；其二，技术方法不同，云计算着重于硬件资源虚拟化，大数据着重于通过若干统计建模方法进行分类、预测等。 在云计算和大数据发展过程中，人工智能得到了长足的发展。一方面，硬件资源调配和海量数据计算可以借助人工智能方法提高运行效率，从而满足高并发任务下的时效性需求；另一方面，机器学习模型的训练和应用也需要大量数据和算力支撑，云计算和大数据为之提供了良好的发展条件。因此，一个成熟的云计算服务提供商，可以借助海量数据和计算资源、以及人工智能应用经验实现三个领域协同发展。以国外领先云计算服务商AWS为例，目前AWS在云计算、大数据和人工智能等方面均有一些成熟的产品和解决方案，并在各个领域持续发展。 图4：AWS在云计算、大数据、人工智能等领域协同发展 1.3.从IaaS到SaaS 从应用层面上看，根据云服务商提供的产品或服务的不同，云计算的应用场景包括SaaS（Software asa service、软件即服务）、PaaS、IaaS、NaaS等，从而满足不同层次客户的需求。例如，Wind金融终端提供了一种SaaS服务，用户通过客户端程序就可以访问、下载存储于其服务器中的数据。NaaS则主要由移动、联通等电信服务商提供。 图5：云计算应用分层 从云计算的服务对象数量上看，可以划分为公有云、私有云、社区云和混合云，其中公有云指消费者全部为社会公众，私有云指消费者仅来自于一个单位或组织。目前国内云计算市场中公有云占比和增速高于私有云，未来面向全社会的云计算资源将占据主流。 图6：国内公有云占比和增速高于私有云 从国内公有云细分市场发展情况上看，不同类型的云计算服务均保持30%以上的高增长。国内市场过去5年IaaS增速和占比均领先于PaaS和SaaS，这一点与国际市场SaaS占主导的情况有所不同，体现出国内市场SaaS领域仍有相当广阔的发展空间。 图7：国内公有云细分市场发展情况 2.云计算发展长期投资价值 我们从云计算的产业链出发，梳理了4条长期发展逻辑，包括政策端的对云计算、大数据、人工智能产业的扶持政策有助于云计算产业长期发展，成本端的芯片国产化替代和能耗下降均有助于降低建设和经营成本，需求端的AIGC发展浪潮推升对云计算服务的市场需求。 图8：云计算产业发展长期逻辑 2.1.长期逻辑1：政策扶持，算力基础设施和产业协同发展 自2015年以来，在云计算、大数据和人工智能领域，国家有关部门制定了若干支持政策和发展规划文件。对云计算和大数据产业的发展，政策文件明确了产业规模、企业应用和算力的量化指标，使技术落地和产业生态发展更加有的放矢。此外，在大数据相关政策文件中对新建数据中心能耗要求有严格的规定并逐渐趋严，2022年电能使用效率计划降低至1.4，到2025年计划进一步降低至1.3，使得产业发展能够更加符合绿色、高效的发展理念。 表1:云计算、大数据和人工智能相关政策支持 2021年5月公布的《全国一体化大数据中心协同创新体系算力枢纽实施方案》计划在国内8个区域建设国家算力枢纽，形成10大数据中心集群，兼顾计算需求（京津冀、长三角、粤港澳大湾区、成渝）和能源供给（贵州、内蒙古、甘肃、宁夏），大力发展算力基础设施，推进“东数西算”工程。截止2021年底，全球大约三分之一的算力来自于中国。 图9：国家八大算力枢纽和十大数据中心集群 图10：全球算力规模持续增长 2.2.长期逻辑2：芯片国产化替代，突破“卡脖子”、降低硬件成本 云计算基础设施三大件包括计算、存储和网络，其中计算芯片和存储芯片由于较低的国产化率，在成本中占据较大比重，并且容易受到技术“卡脖子”限制而影响云计算相关服务的运营和发展。例如，浪潮信息是我国领先的服务器制造商，其主营业务中服务器及部件的毛利率长期维持在10%-15%之间。 图12：浪潮信息的服务器及部件业务毛利率较低 云计算服务器中主要使用到的芯片包括CPU、GPU、闪存芯片等。尽管芯片领域的市场占有率均集中于国外芯片巨头，国内也有相当一部分企业推出了国产化芯片，包括CPU领域的海光信息、兆芯、龙芯中科、华为鲲鹏、飞腾信息和申威科技，GPU领域的景嘉微、杭锦科技、壁仞科技等，存储芯片领域的长江存储、长鑫存储等。这些国产芯片目前多应用于党政军项目，以实现关键领域芯片先行国产化，随着技术不断完善、产品良率不断提升，在商用领域也将发挥更加重要的作用。 以存储芯片为例，在这一领域，DRAM芯片和NANDFlash芯片为市场主要需求，目前DRAM芯片市场份额集中于三星、SK海力士和美光三家公司，NANDFlash芯片市场份额集中于三星、铠侠、西部数据、SK海力士、美光和英特尔六家公司。国产存储芯片处于起步阶段，长江存储和长鑫存储两家公司分别主攻NANDFlash芯片和DRAM芯片，虽然目前市占率较低，但在国产化替代的浪潮之下，未来有望在国内云计算服务器中发挥更加重要的作用。 图13：存储芯片分类 图14：2020年长江存储在NAND Flash营收占比约1%图15：2020年长鑫存储在DRAM营收占比不足1% 因此，对于国内云计算服务商而言，尽管目前电子领域“卡脖子”问题不断深化，随着国产化芯片替代的推进，长期来看公司受到技术和硬件限制的影响、以及服务器硬件成本将逐步降低，芯片国产化替代的优势将逐步显现。 2.3.长期逻辑3：数据中心能耗下降，降低运营成本同时可持续发展 数据中心对电力的需求很大，主要使用于IT设备耗能和设备散热耗能。 与数据中心耗能结构相似的“矿场”，因为耗能巨大一度受到广泛关注。 截至2021年5月10日，全球比特币挖矿的年耗电量大约是149.37太瓦时。这一数字已经超过马来西亚、乌克兰、瑞典的耗电量。从数据中心运营成本结构上看，电力成本占大部分。因此，通过新模组、新设计降低数据中心耗电水平，有利于数据中心成本持续下降。 图16：数据中心运行成本中大部分为电力成本 除了成本因素以外，能耗降低也更加符合监管要求。我国目前对数据中心的耗能考核主要是PUE指标，即数据中心总能耗与IT设备能耗之比，数值越接近1表明非IT设备耗能越少，即能效水平越好。2019年以来，政策文件对数据中心PUE的要求逐渐严格，新建大型数据中心的PUE上限从1.4逐渐下降至1.25，使数据中心发展符合可持续发展的要求。 图17：对数据中心耗能的政策要求持续收紧 2182087 2.4.长期逻辑4：AIGC应用场景广阔，提升云计算长期需求 2022年下半年以来，互联网两度掀起人工智能生成内容（AIGC）热潮，一是以Stable Diffusion为代表的AI绘画，二是2022年11月发布的ChatGPT。由于AIGC大模型架构具有较强的泛化能力，目前在传媒、电商、工业等诸多领域具有广阔的应用场景。尽管目前仍然存在质量差异、监管、版权等方面的问题，但AIGC的发展潜力是毋庸置疑的。 图18：AIGC应用场景覆盖传媒、电商、影视等多元领域 AIGC技术的发展需要大量的数据和算力支撑，因此大幅推升云计算和大数据的需求 。在阐述了GPT3模型的论文Language Models are Few-Shot Learners中，开发团队表明GPT3模型拥有1750亿个参数、使用了超过45TB的数据量，训练一次消耗的算力资源为3640Pflop/s-days（1 Pflop/s-days相当于每秒执行10^15次运算持续一天，约10^20次运算），消耗的算力资源比以往的模型高出至少一个数量级。 图19：GPT3消耗的算力资源远高于其他语言模型 国内互联网企业、传媒企业等若有意发展AIGC相关产业和生态，首先需要借助海量云计算资源训练或开发的专门的人工智能模型。而由于云计算服务的技术复杂性和硬软件设备的昂贵性，企业一般难以独立负担，而是使用云计算服务商提供的算力资源。这对于国内云计算和大数据相关企业而言带来了长期、大量的需求，有望推动相关企业实现飞跃式发展。 3.云计算短期边际信息变化 3.1.短期边际变化1：经济复苏环境利好成长 在政策扶持、需求扩张、成本下降等长期逻辑的推动下，云计算相关公司的未来成长性较强。我们使用MSCI推出的CNE5版本的成长因子衡量成长风格，因子主要反映了公司过去营收、利润的增长情况。从宏观经济角度上看，当企