计算机行业周报：数据要素将迎来催化

股票研究 2023.07.30 数据要素将迎来催化 行 业李沐华(分析师)李博伦(分析师) 报 周010-839397970755-23976516 limuhua@gtjas.comlibolun@gtjas.com 证书编号S0880519080009S0880520020004 本报告导读： 我们认为2023年最可能接棒AI成为计算机主线的主题就是数据要素，随着国家大数据局局长到任，未来行业将迎来催化。 摘要： 核心观点：数据要素产业主题新、想象空间大、产业覆盖面广，随着大数据领导到任，叠加顶层设计逐步成熟，公众数据及一网统管等领域的政府侧应用将率先爆发。对于计算机板块，在短期没有景气度的时候，投资者会追求确定性和低估值，因此2023年上半年以来市场 行情出现了明显的主题轮动。但我们认为如果没有人工智能，数据要素仍能接棒AI成为另一条投资主线。因为数据要素主题新、想象空间大、产业覆盖面广，鉴于当前市场还未充分接受数据要素投资逻辑，因此之后的投资机会犹存；1998年房改政策导致了房地产开发商这 研 证个行业的出现，且拉动了GDP、派生了信用，从而贡献了经济增长。券我们认为数据要素在经济贡献上也有相同的正向促进作用。另外，国家大数据局局长刚刚到任，顶层设计与地方政策与行动正在逐步推开 及落实，未来行业催化十分可期。在数据要素的具体应用上，我们认究为公共数据的变现阻碍相对较小，因为该数据掌握在政府手里，具有报好确权、好统筹、好规划、收益好分配等特点。 告投资建议：推荐布局数据要素以及各个垂直领域有数据壁垒的计算机 公司，推荐标的：数字政通、久远银海、深桑达A、太极股份、新点 软件。 行情复盘：上周（7.24-7.30），上证综指上涨3.42%，创业板指上涨2.61%，申万计算机指数上涨1.79%，排名第17/31。上周计算机板块涨幅有所回升。 行业更新：AI芯片分为GPU，FPGA，ASIC和类脑芯片四大类，国内与海外在AI芯片应用上存在明显差异，海外更加商业化，而国内政府侧应用冲在最前；国内AI芯片公司研究需要考虑四大要素，即 团队经验、长久的时间成本、人才、资金成本；由于国内政府侧需求强劲，所以中小专用模型发展潜力巨大，匹配国产算力将来大有可为；GPT的成功给国内各行业提供了较好数据运作范式，即数据要打通各个行业，然后再去做专用模型才是真AI，所以数据要素有效流通是大模型赋能实体产业的必要前提。 风险提示：下游需求不及预期的风险；核心元器件受制裁的风险；市场竞争加剧的风险 计算机 评级：增持 上次评级:增持 细分行业评级 相关报告 《威胁情报市场正在兴起》2023.07.28 《微软Copilot定价超预期，AI办公空间 再跃升》2023.07.19 《华为昇腾算力快速发展，带来产业投资机会》2023.07.16 《《生成式人工智能服务管理暂行办法》发布，助力AI健康发展》2023.07.14 《CEC与华为深度合作，信创进入新阶段》2023.07.13 目录 1.数据要素催化来临，公共数据应用将率先发力3 2.计算机板块行情回顾4 3.细分行业更新4 3.1.国内外AI芯片应用领域差异显著4 3.2.国内AI芯片公司研究需要考虑四大要素5 3.3.国内政府侧需求强劲，中小专用模型发展潜力巨大6 3.4.数据要素有效流通是大模型赋能实体产业的必要前提7 4.风险提示7 1.数据要素催化来临，公共数据应用将率先发力 计算机主题投资机会将贯穿全年。复盘2023年上半年行情，对于计算机板块，根据“成长股投资的不可能三角”相关理论，在短期没有景气度的时候，投资者会追求确定性和低估值，因此2023年上半年以来 市场行情出现了明显的主题轮动。市场在主线上由乐观者定价，反复轮动各个相对低估值的品种，例如从大视角来看，AI、数据要素、信创三条线之间的轮动现象十分明显。因此，在当前AI行情背景下，探讨如果没有AI下的计算机投资十分必要。 如果没有AI，数据要素仍能接棒AI成为计算机的另一条投资主线，而信创产业则存在一定挑战。对于数据要素领域，它也具备了AI的主题投资条件，例如主题新、想象空间大、产业覆盖面广，但鉴于当前市 场还未充分接受数据要素投资逻辑，因此之后机会犹存。而信创当前遇到一些问题挑战，尚待相关政策出台来解决问题，从而回到原来预设的轨道上，因此信创将是一个悲观预期的修复，而不是一个乐观预期的持续抬升。因此，我们认为2023年最可能接棒AI成为计算机主线的主题就是数据要素。 首任数据据局长上马，数据要素的催化正在来临。针对数据要素领域，当前市场最关注的点是国家大数据局领导就位情况，而在7月28日收盘后，确认第一任数据局局长由中国联通董事长刘烈宏担任。数 据要素和1998年房改是同样重要、同样轰动的变化，1998年房改政策导致了房地产开发商这个行业的出现，且拉动了GDP、派生了信用，从而贡献了经济增长。我们认为数据要素也有相同的作用，而相比于房改，数据要素的创新并没有可以参照的成功范式，因此我们判断后续政策的出台将会是自下而上的模式，即以地区、行业两个维度去试点征求意见，最后再汇总形成顶层设计。预计在未来的两个月内，各地都将相继指定相关数据条例先行试点的地区，例如广州，同时垂直行业监管部门如央行也发布了相关《数据条例》，未来的行业催化十分可期。 数据要素是计算机行业的商业模式升级的重要契机。传统上诸多计算机公司下游客户都是政府或者事业单位，而地方财政的主要来源是土地出让金，因此计算机公司业绩也受到该类财政因素影响。数据要素 以“数据财政”替代“土地财政”，是计算机行业的一次商业模式升级机会，因为在各个系统中产生的数据，最后可以成为反哺这个系统的有效养分。我们认为未来计算机行业能否兑现业绩，就要重点把握数据要素的推进情况，倘若最后能够形成一个“数据—项目”的闭环，则计算机行业的作用就从降本变成了创收，从而优化行业的投资逻辑。 公共数据和“一网统管”平台是数据要素初期建设的重要落脚点。相较于个人数据而言，公共数据的变现阻碍相对较小，因为该数据掌握在政府手里，具有好确权、好统筹、好规划、收益好分配等特点。再 者，数据作为财政的补充也是数据要素产业发展的初衷，因此我们认为公共数据所形成的数据产品是数据要素领域最先落地的领域。所 以，我们看好参与建设“一网统管”以及各个垂直领域有数据壁垒的公司，它们将会是数据的第一批“开发商”。另外，鉴于国务院正式印发了《关于构建数据基础制度更好发挥数据要素作用的意见》(简称 《数据二十条》),明确提出探索数据资产入表新模式，因此我们也看好掌握数据、能直接增厚财务报表的国企。 投资建议：推荐布局数据要素以及各个垂直领域有数据壁垒的计算机公司，推荐标的：数字政通、久远银海、深桑达A、太极股份、新点软件。 表1:推荐标的盈利预测 股票名称 评级 （20230728） 2022A 2023E 2024E 2022A 2023E 2024E 数字政通 18.72 0.51 0.69 0.93 36.71 27.13 20.13 增持 久远银海 30.74 0.45 0.66 0.82 68.31 32.02 24.40 增持 深桑达A 29.4 -0.14 0.34 0.71 -206.32 86.47 41.41 增持 太极股份 40.39 0.65 0.9 1.24 62.10 44.88 32.57 增持 新点软件 46.17 1.74 2.32 3.14 26.53 19.90 14.70 增持 股价 EPS（元/股）PE（倍） 数据来源：Wind，国泰君安证券研究 2.计算机板块行情回顾 上周（7.24-7.30），上证综指上涨3.42%，创业板指上涨2.61%，申万计算机指数上涨1.79%，排名第17/31。上周计算机板块涨幅有所回升。 图1：计算机板块上周涨幅有所回升 14.0% 12.0% 10.0% 8.0% 6.0% 4.0% 2.0% 非银金融房地产钢铁 建筑材料 银行食品饮料美容护理 综合轻工制造建筑装饰 汽车家用电器商贸零售交通运输医药生物 煤炭计算机纺织服饰 环保有色金属社会服务电力设备石油石化基础化工机械设备国防军工农林牧渔公用事业 通信电子 传媒 0.0% -2.0% -4.0% 资料来源：Wind，国泰君安证券研究 3.细分行业更新 3.1.国内外AI芯片应用领域差异显著 GPU用到AI领域，便是AI芯片的概念范畴。无论是国外GPT等通用模 型，还是国内开发的各类专属模型，其底座均使用了异构GPU算力。把GPU应用到人工智能领域，即为AI芯片。 AI芯片大概分四类：GPU，FPGA，ASIC和类脑芯片。类脑目前还在实验室研究阶段，市场销售比较多的是前三类，大模型背景下，GPU和ASIC出货量最多。国内在大模型出来之前，AI芯片公司更多关注 ASIC，因为GPU的研发难度较高，而ASIC具备算力小、成本低、专用性强的特点。 AI应用海外内差异较大。大模型出来以后，国内外GPU算力落地的行业具有一定差异性。海外和国内的区别在于海外在商业市场落地较快，海外更多是商业化的应用，例如德国公司在研发上已经在用英伟 达GPU算力集群、通用模型以及化工行业的专属模型，去做化学材料的加速创新研发。而国内层面，虽然互联网厂商们一直在储备英伟达芯片，但真正在B端能产生实际应用的场景反而在政府侧。 在数字化、信息化层面，政府相关应用会率先布局。而其他国家政府没有中国在这方面效率高，我国公共安全政务部门当前对GPU算力也 开始格外关注。工信部副部长张云明在2023中国算力（基础设施）大会新闻发布会上介绍称，近�年，我国数据中心机架数量年复合增长率超过30%，截至2022年底，在用标准机架超过650万架，算力总规模达180EFLOPS，仅次于美国，存力总规模超过1000EB（1万亿GB）。另外，考虑到信息安全的问题，工信部会上也表示，要增强自主创新能力，推进计算架构、计算方式和算法创新，加强CPU、GPU和服务器等重点产品研发，加速新技术、新产品落地应用，同时围绕算力相关软硬件生态体系建设，加强硬件、基础软件、应用软件等适配协同，加强算力网络监测。因此可以看到，国内政府端的大需求是和互联网厂商同步的。 3.2.国内AI芯片公司研究需要考虑四大要素 国内芯片公司的产品迫切需要市场营销。国内产品像华为海思，在客 户侧的号召力依旧赶不上Intel、英伟达。所以，产品再优秀，依旧需要市场销售去在客户侧做大量基础工作。芯片产业是一个全球产业 链，芯片生态圈仅仅靠国内是难以自主循环的。国内最擅长的是芯片 设计，但是上游EDA软件到下游工厂光刻机以及光刻胶的生产等等在国内都受到了限制，例如目前这些材料一旦到了生产28纳米以下的芯片，国内就存在诸多尚待攻克的技术难点，但在中低端的产业链自给自足上是可以得到保证的，可以一旦制程比较先进，受限制的影响就会更加明显。 国产AI芯片，除了CPU之外，更多是生产ASIC这种小芯片。当前这些边缘芯片起家的公司依旧是“小而美”的公司，这些公司均有自己 专注的行业，然后芯片一代代往下迭代、量产，这种模式虽然可圈可点，但在大模型背景下，GPU或GPGPU越发成为刚需，真正能做出GPU或GPGPU的厂家数量就十分稀有，而且做GPU芯片难度比ASIC要高出很多，从而带来产业竞争力的局限。 衡量一个优秀的AI芯片企业有四个方面的核心因素，团队经验是第一要素。GPGPU或者GPU的研发不仅仅需要人才与资金，更重要的是团队 一定要有做过GPU的经验，即有设计、量产及迭代的经验。再者，无论是上市公司或者初创企业，技术路线不能犯错，因为技术路线错误是致命性的，所以公司团队要团结，技术路线也必须要稳定。 长久的时间成本是第二要素。GPGPU芯片团队大概需要1000人左右，研发顺利下至少也要两年才能做出一颗芯片，如果要做大模型训推一 体的大芯片，则至少3年才能把