算力景气度跟踪：AI服务器订单一览

AI需求叠加政策确定性共振，2024年国内智算缺口23EFLOPS。《算力基础设施高质量发展行动计划》明确顶层算力在未来三年的建设节奏，部署落地确定性高，2023-202 4年智算建设缺口为23EFlops。2025年全国算力目标超过300EFlops，智算比例达到35%，智算算力目标为105EFlops。受制于安全考量，算力部署国产化提上日程，政策性客户有望实现100%国产AI芯片；随着国产芯片的实力逐步提升，行业端商用客户将有望实现逐步向国产化靠拢。 政府：智算中心建设数量破百，加速采购AI服务器部署。根据人民网，随着“东数西算”工程正式启动，我国目前在8个地区建设国家算力枢纽节点，并规划了10个国家数据中心集群，以构建国家算力网络体系。根据IDC圈，截止2023年底智算中心项目为128个，其中83个项目披露规模，规模总和超过7.7万P；2024年共39个智算中心项目已投产。 运营商：三大运营商积极推进算网投资，国产算力日益成熟。运营商走在算力网络建设前线，承担部分地方算力基建任务。三大运营商重心向算力网络建设倾斜，目前中国电信、中国移动已分别就AI算力服务器、智算中心等开展多次总部集采；中国联通总部于2024年首次采购AI服务器。1）横向来看，中国移动/中国电信/中国联通近期计划AI服务器采购量分别为7994台/4175台/2503台；2）纵向来看，中国移动2023-2024年和2024-2025年的AI服务器采购量加速上行；并且中国电信的标包中28亿鲲鹏服务器大单落地，国产服务器比重接近50%。 金融：数智化转型基调奠定，智算中心加快建设。金融客户智算主要服务自身业务，由于AI赋能将会成为银行降本提质增效的优质选择，AI+金融加速落地。其中，大型银行多采取投入大量研发成本自建算力，中小银行尝试算力混合部署，用大型互联网企业或电信设备服务商的大模型算力服务接口，再通过私有化部署的方式开展自有数据的大模型预训练，以华夏银行的标包来看，海外芯片和国产芯片均有需求。 互联网：采购量占据半壁江山，国产芯片助力大模型迭代。根据《中国算力发展指数白皮书（2023年）》，互联网智算占比达到53%，位列第一。面临海外芯片禁令，互联网向国产芯片频频发力，百度为200台服务器订购了1600片昇腾910B芯片并研发昆仑芯，助力大模型迭代。 建议关注：国内AI大模型迭代加速，背后的核心支撑为AI算力，随着算力竞赛开启，AI服务器相关需求旺盛；随着海外芯片禁令发布和信创安全要求，国产算力建设需求饱满，国产AI服务器订单具有高确定性。建议关注华为系AI服务器及芯片相关标的神州数码、软通动力、烽火通信、拓维信息等；及中科院系AI服务器及芯片相关标的海光信息、中科曙光、寒武纪等。 风险提示事件：技术迭代不及预期、行业竞争加剧、研究报告中使用的公开资料可能存在信息滞后或更新不及时的风险。 请务必阅读正文之后的重要声明部分 一、AI需求叠加政策确定性共振，2024年国内智算缺口 23EFLOPS 算力顶层规划明确三年建设节奏，部署落地确定性高。政策端来看，2023年10月8日《算力基础设施高质量发展行动计划》发布，明确算力顶层规划，2023-2024年智算建设缺口为23EFlops。2025年全国算力目标超过300EFlops，智算比例达到35%，智算算力目标为105EFlops。应用领域方面，除了政策性客户，在工业、金融等领域算力渗透率显著提升，医疗、交通等领域应用实现规模化复制推广，能源、教育等领域应用范围进一步扩大。 图表1：算力基础设施高质量发展目标 中国智算市场2026年将达1271.4EFLOPS。根据IDC发布的《2022-2023中国人工智能计算力发展评估报告》，2021年中国智能算力规模达155.2每秒百亿亿次浮点运算（EFLOPS），2022年将达到268.0EFLOPS，预计2026年将达到1271.4EFLOPS，进入每秒十万亿亿次浮点计算（ZFlops）级别，2021-2026年期间中国智能算力规模年复合增长率达52.3%，智能计算需求量增长态势迅猛。 图表2：中国智算市场2026年将达1271.4EFLOPS 目前中国算力市场整体需求稳步增长，但由于美国对AI芯片加大供应限制，出于安全考量，算力部署国产化势在必行，政策性客户有望实现全国产AI芯片；随着国产芯片的实力逐步提升，行业端商用客户将有望实现逐步向国产化靠拢。 二、政府：智算中心建设数量破百，加速采购AI服务器部署 中央、地方政府加速投入算力建设热潮，多个智算中心加速部署。根据人民网，随着“东数西算”工程正式启动，我国目前在8个地区建设国家算力枢纽节点，并规划了10个国家数据中心集群，以构建国家算力网络体系。根据IDC圈，截止2023年底智算中心项目为128个，其中83个项目披露规模，规模总和超过7.7万P；2024年共39个智算中心项目已投产。 图表3：政府智能中心建设 三、运营商：三大运营商积极推进算网投资，国产算力日益成熟 运营商走在算力网络建设前线，承担部分地方算力基建任务。由于算力网络的本质是将分布在各地的算力资源集中起来统一按需调配，让算力实现远端和本地的自如流动，因此对网络搭建和运营调度提出了更高的要求，而运营商本身具备扎实算网资源基础、自身身份特殊性、云网技术融合的优势，因此与云计算时代类似，部分承担地方算力基建和信创任务，加速推进算网融合建设。 运营商加入“算力运动”，积极推进算网投资。三大运营商重心向算力网络建设倾斜，目前中国电信、中国移动已分别就AI算力服务器、智算中心等开展多次总部集采；中国联通总部于2024年首次采购AI服务器。1）中国移动规划2024年算力规划投资475亿元，同比增长21.5%，占资本开支比重为54.4%。2）中国电信：计划2024年在云/算力投资180亿元。3）中国联通：规划2024年总投资650亿元，投资重点转向算网数智业务。 图表4：中国移动2023-2024资本开支投向 图表5：中国电信2023-2024投资结构 三大运营商加速AI服务器采购，订单确定性高。2024年4月18日，中国移动计划2024-2025新型智算中心采购7994台AI服务器及配套产品、以太网交换机60台；中国电信在2023年10月公布2023-2024年采购4175台AI服务器及1182台IB交换机；中国联通在2024年3月发布人工智能服务器集中采购项目资格预审公告，采购AI服务器2503台、关键组网设备RoCE交换机合计688台。 图表6：中国移动/中国电信/中国联通AI服务器相关招标 AI服务器采购量加速上行，国产服务器比重有望抬升。 中国移动2023年至2024年新型智算中心在2023年9月和2024年1月分别采购1204台及1250台人工智能服务器；而在2024年至2025年新型智算中心采购7994台人工智能服务器及配套产品，采购量翻倍增长。 2023年8月20日，中国电信发布《AI算力服务器（2023-2024年）集中采购项目》集中资格预审公告，其中I系列CPU采用Intel至强可扩展处理器，G系列CPU采用鲲鹏处理器，是中国电信首次将AI算力服务器作为一个独立的品类进行集采，国产化比例接近50%。标包3和4（鲲鹏芯片）共28亿，7家入围，鲲鹏服务器大单落地。根据2023年10月13日发布的中标候选人公示，其中华鲲振宇8.63亿（占比31%）、昆仑6.11亿（占比22%）、烽火4.44亿、宝德3.05亿、新华三3.07亿、湘江鲲鹏1.39亿、神州云科1.11亿。 图表7：《AI算力服务器（2023-2024年）集中采购项目》G系列风冷服务器中标候选人 图表8：《AI算力服务器（2023-2024年）集中采购项目》G系列液冷服务器中标候选人 四、金融：数智化转型基调奠定，智算中心加快建设 金融客户智算主要服务自身业务，AI+金融加速落地。金融客户智算中心主要服务自身业务。目前，业界普遍认为AI大模型技术将为金融行业数智化转型带来新一轮变革与创新，工商银行、农业银行、建设银行等国有大行已经率先将AI大模型技术应用到具体业务场景中，招商银行、平安银行、兴业银行、江苏银行等股份制银行及城商行也正积极推动或密切关注AI大模型技术在金融场景的最新应用成效。 AI赋能将会成为银行降本提质增效的优质选择。生成式AI大模型技术能够帮助银行提升服务质量、降低运营成本/增加营收收入、优化风险控制、促进金融创新等，让银行业务更加智能化、数字化、人性化，从而满足客户的多样化需求，提高客户的忠诚度和满意度，增强银行的竞争力和影响力。根据波士顿咨询公司发布的《银行业生成式AI应用报告（2023）》，以一家拥有约两万名员工的区域性国际银行为例，初步梳理该银行前中后台相关部门应用生成式AI的潜力和效益后发现，在首年预计即可为该银行节省约1.5亿美元的成本。 图表9：AI大模型在银行前、中、后台可落地的应用场景 智能算力是银行业开启AI大模型时代的必要条件。即使不从0到1地训练大模型、只是进行精调，也需要一定的高算力资源。另外，如果银行业要求成百上千个AI应用端同时在组织内运行，这将对硬件基础设施的算力、稳定性也提出了更高要求。目前，美国限制对华出口先进的AI算力芯片、国内外算力市场面临着算力供给短缺、多厂商异构算力融合、国产AI生态不足、机房和网络建设等复杂情况，因此，中国银行业需要深化与产界各方的合作，加快算力在金融领域的创新应用，构建多节点并行的分布式算力资源架构，提供跨地域资源高效管理、核心业务多地多活部署能力，为金融业务发展提供更为精准、高效的算力支持。 图表10：银行业AI技术架构蓝图 加码金融机构IT建设投入，对前沿技术的采购需求持续上升。随着我国金融行业的数字化转型进程不断加速，金融机构在技术资金方面的投入呈现持续 请务必阅读正文之后的重要声明部分-14- 上升的趋势。根据艾瑞研究院预测，2024年，国内银行业在技术资金上的投入总额有望突破4000亿元人民币，2020至2024年年复增长率20.13%。 巨额投入不仅加强了金融机构的信息技术基础设施，也为AI在金融领域的应用提供了坚实的底层支持。同时，随着AI等前沿技术与金融业务场景的融合日益紧密，金融机构间科技竞争愈发激烈，对前沿技术的采购需求持续上升。 根据艾瑞研究院预测，2024年，国内银行与保险机构对金融AI与大数据技术的采购支出将达到186亿元，2020至2024年年复增长率24.67%。金融机构在科技领域持续增长的投入，将推动AI+金融市场持续发展，促进金融业数字化转型升级提质增效。 图表11：2020-2024年中国银行机构技术资金投入情况 图表12：2020-2024年中国银行与保险机构前沿科技采购情况 大型银行自建算力，中小银行尝试算力混合部署。随着AI+金融应用的推广，国内银行业纷纷投入资源研发和部署AI服务器，近年智算硬件招标不断。 根据公开信息，为了突破算力瓶颈，大型银行多采取投入大量研发成本自建算力，从而在确保较高的自主性与安全性的同时，还能根据自身业务需求“定制化”研发金融大模型，根据中信银行2023年年度报告披露，其核心业务系统应用服务器、数据库服务器已实现100%国芯替代，数据存储量和算力较三年前提升6倍；而多数中小银行尝试算力混合部署，即在公有云的基础上，用大型互联网企业或电信设备服务商的大模型算力服务接口，再通过私有化部署的方式开展自有数据的大模型预训练。 请务必阅读正文之后的重要声明部分-15- 图表13：国内部分银行智能算力招标情况 智算硬件性能：以华夏银行大语言模型应用系统项目的招标标准为例，华夏银行训练大语言模型需要内置16张英伟达H800 SXM以及96张A800/L40S的X86-intel架构服务器，内置含40张海光DCU（Z100L）的 X86-海光架构服务器，以及内置16张昇腾910B的ARM-鲲鹏架构服务器 与其他网络设备，由此可见，业内大语