2022通信行业深度研究报告：算力革命泛在、绿色与生态.docx

2022通信行业深度研究报告：算力革命，泛在、绿色与生态1 .投资要件通信板块在经历了5G建设周期后，投资者始终在问三个问题：1、5G的杀手级应用是什么？2、5G驱动的硬件升级还有哪些？是否会在架构上有所创新？3、5G之后通信看什么？总所周知，每一轮的ICT创新革命，均是“通信+计算+存储”三位一体同步升级，5G作为数据传输的“超级高速公路”，必然将匹配更快的“跑车”，当我们将视野从短视频等拓展到AR、VR乃至元宇宙时，其对计算、渲染、A1.的需求将剧增，同时计算能力将从云端向“云一边一端”延伸，多元算力时代即将到来。我国在5G网络建设上取得了领先地位，未来算力资源将成为全球科技领域的新高地，8月31日美国芯片设计公司英伟达称被美国政府要求限制向中国出口两款被用于加速人工智能任务的最新两代旗舰GPU计算芯片A100和H100,似乎也佐证了算力在未来全球科技竞赛中的地位。从终端市场需求来看，在国内外数据流量迅速增长以及公有云蓬勃发展的背景下，近10年来全球算力的增长明显滞后于数据的增长。同时，伴随智能汽车、人工智能、机器学习催生的大量数据需求，算力缺口持续显现。5G网络的不断建设和完善，带动万物互联加速推进，同时更大带宽和更低延时的多场景显现，海量数据持续涌现，数据结构从单一模式变为多模式，非结构化数据日益增加，对海量复杂数据的实时处理要求更高。在未来5-10年将是数据量指数级增长的井喷临界点，算力供给需要持续扩张。未来在自动驾驶、机器人等多个方向，对于算力的消耗会呈指数级增长，深度学习、机器学习的场景越来越丰富，通用芯片和专用芯片的关系会发生动态变化。各大巨头纷纷转向以ARM、FPGA.ASIC等为核心的低功耗计算架构，避免对单一架构的过度依赖。同时，传统以计算为中心的冯氏架构下，在CPU存储之间以及存储和存储间的数据搬运带来了延迟功耗，通过把部分算力下通到存储，在拥有足够好性能器件支撑的前提下，就能减少功耗和延迟，提升芯片的算力。作为支持数字经济以及智能化的核心基座，以数字新基建为代表的算力革命，正在催生出前所未有的新机遇。国内也在着手搭建算力网络，包括东数西算、全光网等。已解决当前网络实时性缺乏保障、宽带不足、能源供给不匹配等问题。同时，在操作系统、服务器高端芯片、算力数据库等领域，依旧较多受外部因素制约，实现国内算力网络资源的自主可控仍然任重道远。2 .算力革命近年来，“算力”两字，随着社会智能化的程度提升，越来越多的被提及。其实“算力”一词并非新鲜事物，从中国古代的算盘到如今的超级计算机，算力作为人类认知能力的延伸，是见证与辅助人类社会实现跨越式发展的重要生产力。面向未来，随着当下智能驾驶、A1.等场景下爆发的百倍算力需求。我们认为，当前以传统计算集群为主的算力发展模式已经不能满足未来需要，一场“由集中到泛在”，“以能源消耗为边界”，“云、边、端一体化”的算力革命已经迫在眉睫。2.1 ,算力的发展2018年诺贝尔经济学奖获得者威廉诺德豪斯将算力定义为“设备根据内部状态的改变，每秒可处理的信息数据量”。目前行业中普遍用“F1.OPS”，即每秒所执行的浮点运算次数，来衡量算力大小。从最原始的算盘到当今的超级计算机，人类社会的算力发展经过了诸多阶段，根据华为算力报告，这些阶段可以划分为人力化、机械化、电气化、集成电路化和当下所展现的移动化。2. 2.算力对全球经济的促进作用算力以及其背后代表的设备链条，是具有高附加值的高科技产业。算力作为一种新技术进步因素脱颖而出，成为挖掘数据要素价值，推动数字经济发展的核心支撑力和驱动力。对于“算力”设备的投资，可以为社会带来从直接到间接的丰厚经济收益。根据2021-2022全球计算力指数评估报告的结论，算力资本可与传统物质资本形成互补效应和协同效应；算力资本增长会产生正网络外部性效应和溢出效应；算力资本对经济发展具有倍增效应。在华为的泛在算力报告中，对算力产生的经济效益做了更加明确的划分，一是直接受益，二是行业杠杆收益，三是国家整体竞争力收益。直接收益，以公有云投资为例，在选取戴尔PowerEDGER940服务器的条件下，以服务器的出厂价25,100美元，云服务器的使用周期为5年，云服务器实现75%利用率，服务器的租金收入118,586美元计算，1美元的投入，可以带来4.7美元的产出。除上述以租金收入计算的直接收入外，随着算力加速部署，各行各业的智能化程度加深，将会为社会带来更加显示显著的额外收益。根据美国劳工部数据，随着智能机器人等基于高算力的智能设备加速应用，未来讲给美国智能制造业带来1700亿美元的额外经济产值提升。同时，根据华为泛在算力报告数据，智能化程度提升，将会为包括制造业。交通业、农业等多个业态带来数倍回报。根据IDC于2021年发布的结论，十五个重点国家的计算力指数平均每提高1点，国家的数字经济和GDP将分别增长3.5%。和1.8%o,预计该趋势在2021-2025年将继续保持。同时，通过针对不同梯队国家的计算力指数和GDP进行进一步的回归分析后，研究发现：当一个国家的计算力指数达到40分以上时，国家的计算力指数每提升1点，其对于GDP增长的推动力将增加到1.5倍，而当计算力指数达到60分以上时，国家的计算指数每提升1点，其对于GDP增长的推动力将提高到3.0倍，对经济的拉动作用变得更加显著。2.3. 算力革命正在发生的原因：供需错配当下，国内投资者对于算力的认识尚处于较为初级的阶段，目光局限于“IDC''+"服务器'两大产业链中，短期由于国内互联网产业“过冬”，2020年IDC行业扩建等影响，国内投资者对于“算力”过剩的担忧影响了对于“算力革命”迫切性的认识。我们认为，一来算力并不能仅用大型IDC需求表征，其只代表集中式算力的规模；二来随着自动驾驶，智能机器人，人工智能等新需求的快速成熟，边缘侧与终端侧算力需求涌现，全球现有算力将快速进入“供不应求”的局面，算力革命已经迫在眉睫。究其根本，“算力革命”爆发的根本原因在于“供需失衡”，供给方面主要受到CPU发展极限、流量成本、碳排放等因素制约，集中式算力的边际性价比正在减弱。需求方面，受到车联网、A1.等同时需要“海量数据处理”+“低延时”的行业带动，算力需求将在未来呈现指数型爆发式增长。供给端1:受到量子隧穿效应影响和商业化成本影响，硅基单核芯片制程将在3nm达到极限。硅基芯片晶体管的栅长在低于3纳米时极易发生量子隧穿效应（其原理为，当栅长缩小到一定程度的时候，即使没有加电压，源极和漏极都接近互通，晶体管便失去了开关的作用，因而无法实现逻辑电路）。因此，通过更加先进的纳米制程工艺提升单核芯片性能将面临技术上的严峻挑战。由于量子隧穿效应的存在，3纳米后，单芯片成本将会急剧上升，根据华为与罗兰贝格数据显示，3纳米制程手机端旗舰级SoC单芯片（以高通骁龙855为例）成本较7纳米显著增加约200美元，高昂的成本将会极大程度制约终端客户需求，最终降低算力供给的增加。即使在能够接受较高成本的大型数据中心等用户中，处理器性能的提升依旧受到制约，受存储、系统、软件限制（性能）和单位算力功耗显著上升（功耗）两大因素影响，芯片核心数量将在128核达到上限。根据罗兰贝格数据，现有的冯诺依曼架构下，通过拟合不同核心数量的芯片计算能力样本数据，我们发现多核处理器随核数增长，算力增长的倍数快速下滑：从2核增至4核时，总算力可提升1.74倍，而当核数由128核增至256核时，总算力水平仅能提升已跌破1.2倍（1.16X）,已显著丧失经济性。供给端2：算力爆发的背景下，网络性能限制和成本将会导致数据中心的算力难以满足复杂场景下的需求。网络带宽及网络时延共同决定了网络信道的传输质量，影响到网络算力的发挥。具体而言，“网络化”算力的使用需要经历终端与云端的数据双向传输过程，这段过程是通过网关、基站、数据中心等不同网节点之间的信道所实现的，其中信道的容量决定了传输的速率（带宽），信道的长度与材质决定了数据传输的时延，两者共同影响了数据传输的效率。供给端3：算力高能耗与全球双碳目标之间的矛盾。随着芯片制成逐渐接近量子隧穿效应发生的制程，当前主流芯片的能效比正在逐渐接近极限。单位算力功耗在过去10多年间经历了显著下降，但随着硅基芯片工艺制程提升的难度凸显，其进一步下探幅度有限，这意味着，等量算力的提升，即将对应等量能耗需求的提升。面对未来百倍的算力需求，高能耗问题将成为人类算力发展过程中的重要瓶颈。同时，随着我国双碳目标的提出，对于数据中心的耗电量，PUE值都提出了更严格的要求，截至2020年底，中国数据中心耗电量已经突破2000亿千瓦时，能耗占全国总用电量的2.7%,随着数据中心进一步扩容，算力需求进一步提升，解决数据中心能耗问题的需求也愈发迫切。在可见的未来，具备低时延特性的核心城市IDC供给将进一步被压缩，如何通过有效的边缘侧处理手段，使得有限的核心城市算力资源得到充分利用，也是本轮“算力革命”急需解决的难题。根据华为泛在算力报告，在人工智能、物联网、区块链、AR/VR四大领域，到2030年，相比2018年，都将出现百倍到千倍的算力需求增长，同时对于网络的延迟也提出了更高的要求。从算力需求看，人工智能技术对于算力的核心拉动点在于未来各应用场景内单设备芯片算力的增长和人工智能技术的行业渗透率的进一步提升，物联网主要通过低算力物联网设备的普及、配套云端计算中心和边缘端计算单元的增加共同拉动算力增长，区块链因安全问题要求的算力持续增长和应用场景的快速普及将带动以云服务器为主的算力增长，VR/AR设备的普及和普及需要的云计算中心和边缘计算设备算力配套将共同推动整体算力的增长。从时延要求看，1.3级别的自动驾驶对于传输时延的要求在10-20毫秒，在进入1.4&1.5级别后，对于传输时延的要求进一步提高到10毫秒以下；使用物联网建设智慧工厂对车间内部的局域网络带宽需要达到Gbps级别，最高时延须控制在5ms-10ms以内；在VR/AR游戏中，端到端的时延至少需要小于20毫秒，才能保证在使用过程中避免感知到明显的图像滞后而导致的眩晕。随着人类对于A1.智能价值、虚拟现实等超大算力、超低时延需求场景和应用的探索愈发深入，当先算力的需求端将会出现指数型爆发，我们将在第五章更加深入的展开讨论这些面向未来的场景需求和他们当下的发展情况。2 .4.算力革命关键词：“泛在”、“绿色”与“生态”基于以上供需矛盾，我们提出了“算力革命”的三大关键词，“泛在”、“绿色”与“生态”。算力革命核心词1：泛在前文提到，在算力需求百倍增长下，由于处理器单核性能与多核提升边际递减存在，大型数据中心的算力提升有限。同时，由于网络性能，带宽成本等制约，对于分布式需求愈发明显。因此，将运算能力进行“泛在”，在边缘侧或者设备本身直接进行，将有效的降低集中式数据中心的负载，同时也能够极大的提升网络的传输能力。算力泛在，我们认为，就是实现“云、边、端”算力的融合，纵观当今算力发展，进入集成电路时代以来，经历了单核，多核，网络化三个阶段，单核受限于芯片性能与成本、多核受限于核心效应边界与功耗，网络化受限于时延与成本。因此，算力泛在，即实现三者的“融合”。算力革命核心词2:绿色前文提到，制约算力供给端的因素之一，是全球双碳趋势下，数据中心高能耗与全球碳中和之前的矛盾，因此我们认为，算力革命的第二个关键词是“绿色”，我们通过芯片和算法实现了如下的等式：能源+算力>价值+热量目前，以GSMA为首的全球移动通信系统协会已开始在此方面积极践行，其在巴黎协定中制定了移动产业气候行动路线图倡议，提出在2050年之前实现温室气体净零排放目标。此后，GSMA下逾50家成员单位（包括沃达丰、西班牙电信等）加入倡议，已陆续开始公布年度能源消耗情况，制定每年的能源消耗削减目标及策略计划，从而实现对其数据中心的能源消耗控制。算力革命中的“绿色”，我们认为应从两方面入手，第一方面，通过更加高效的机房散热设备，探索液冷、海底数据中心等新型散热形式，降低数据中心的PUE水平，实现能源的高效利用。另一方面，要积极提高绿色能源在机房用电中的占比，实现数据中心真正意义上的“碳中和”。我们将在第四章，更加详细的讨论“绿色”这一算力革命方向带来的投资机会。算力革命核心词3:生态算力并非孤立的存在，而是与通信、存储能力并存，服务于各类应用的一体化IT能力。以常见的物联网模组为例,市场认为模组仅是提供单一的无线通信能力，而当下游需求丰富起来之后，模组还需支持操作系统、多媒体、本地算力等应用，且在智能家居、智能汽车、无人机、VR元宇宙等领域的需求各不相同。当然，就算力硬件本身而言，除了芯片夕卜，也需要编程语言、api、各类常用库（如Nvidiacuda）.集群管理等，皆是多年与行业应用共同发展的结果。3 .泛在：“云一边一端”的共存IDC统计数据显示，预计到2025年，创建的数据会达到175ZB,相当于2022年的两倍的的数据量，其中视频为主的非结构化数据将占到80%以上。而其中数据的创建正在更多的趋向于边缘，同样的数据的存储也会向中心和边缘转变，终端的占比会下降。但是数据的处理一直在中心，数据的使用和消费在端侧，就出现了算力错位。算力错位会导致产生大量的算力搬运成本。云计算是现在计算的一个主流，开创了云端算力的模式，把云端算力投射到终端上，当下云计算基于中心的超大规模IDC,计算集中在核心节点，中心化的布局在算力需求进一步大幅提升的背景下可能将遇到瓶颈，需要进一步的发展，所以就产生了下沉的需求。近二十年，以数据为基础、以网络为媒介、以计算为核心的科技以迅雷不及掩耳的速度急速发展，全球进入移动互联网时代，产生的数据量相当于过去数世纪的数据量总和,并持续以指数级的数量增加。2006年亚马逊正式推出EC2服务标志着人类进入了云时代，经过十多年的发展，云服务已经影响到企业和个人生活的方方面面。随着全球范围5G的加速落她、物联网高速的发展以及以云为基础的数字化升级大趋势下，IDC作为核心信息基础设施在需求侧和供给侧均发生边际变化，其作用和价值正在不断凸显。3.1. 国内IDC：行业底部出清，需求曙光初现，反转只欠东风从短期来看，当下受到国内互联网大厂业务收缩，2020年IDC行业建设浪潮影响，近年来，供需格局较弱。不过随着相关平台经济扶持政策出台，以及IDC行业底层并购出清加速，我们认为国内IDC行业正在走出短期困境。从长期来看，随着国内5G网络全面建成，我国DOU长期增长的趋势不会变，随着在4G向5G升级的过程中，长短视频成为新的风口，抖音、火山小视频、快手、B站为首的短视频，以及爱奇艺、腾讯视频为主的长视频逐渐成为新潮流。而直播也发展出了更多形式，以淘宝、拼多多为主的电商逐渐进入直播带货时代，抖音、快手也凭借其在短视频的流量优势涉足电商领域。用户的习惯开始转向以视频和直播为主的应用和媒介，而视频直播又意味着流量相较过去有了数十倍的爆发。3.2. 全球IDC市场：需求持续强劲，景气度存在预期差今年以来，国内投资者对于北美数通产业链景气度预期进行了明显的下修，以光模块为代表的数通产业链标的估值创出历史新低。我们认为，从Q2云厂商资本支出、后续资本支出展望、以及数通产业链各家中报业绩来看，市场对于北美数通的预期存在过分悲观的情况。在宏观不确定性下，龙头大厂依旧逆势加码云基建，说明数字化，云化依10是当下最具潜力的行业赛道。我们认为，从中短期来看，北美数据中心的需求仍然非常旺盛。从云计算业务来看，北美三大云厂商AWS>Goog1.eC1.oudAzureQ2依旧保持了良好的高速增长。AWS营收同比增长33%、Goog1.ec1.oud营收同比增长36%,Azure营收同比增长40%o从设备商角度，尽管英伟达、AMD等公司Q2业绩表现出现了一定程度下滑，但主要原因来自于全球PC需求下降与加密货币市场寒冬。两者的数据中心业务依旧维持了较高的景气度。英伟达数据中心业务Q2营收38.1亿美元,同比增长63.1%,环比增长1%,连续11个季度创历史新高，成为公司第一大业务，从趋势上看将逐渐拉开与游戏业务距离。AMD在Q2实现营收65.5亿美元，同比增长70%,公司于Q2首次公布了数据中心部门的营收，2022Q2数据中心部门营收为15亿美元，同比增长83%,是公司营收增长最快的部门。根据公司公开交流，公司本季度EPYC处理器需求强劲，云计算和企业客户均同比显著增长。在云计算方面，AWS,百度、谷歌、微软Azure和甲骨文在本季度推出了60多个基于第三代EPYC处理器的新实例。我们通过以上三家具有代表性的科技公司近期业绩可以大致看到，数据中心市场景气度依旧保持高位，且根据指引预期来看，未来还将继续保持高景气增长。结合北美头部云厂商一季度增速及云厂商全年资本开支指引，即便下半年面临短期波动，中期北美数据中心产业景气度可见。从长期来看，作为全球云计算的领先市场，同时伴随Meta.苹果等巨头在元宇宙、AR/VR领域的加速探索，北美流量长期增长的态势不会改变，数据中心在作为算力发展的核心支撑，将在全球智能化过程中继续扮演举足轻重的作用。纵观IDC产业投资机会，我们认为当前主要集中在两方面，第一是底部出清的国内优质IDC龙头公司，第二是存在预期差的北美IDC产业链，第三是国产算力芯片、设备厂商。国内优质IDC龙头公司目前已经底部出清，从2020年开始纷纷进行资本运作与产能扩张。同时，随着国内互联网企业基本面出回暖迹象，因此国内IDC的需求端情况有望逐渐改善。目前市场对北美宏观经济情况持谨慎态度，从而影响到2022年中期的北美IDC市场需求。不过，从北美IDC下游主要厂商自2018年以来逐渐爬升的资本开支情况来看，尽管市场担心22H2在美国加息周期中，大厂投资会存在波动，但我们仍对此中长期市场需求持较乐观的态度，一旦加息预期出现拐点（加息周期影响云厂商业务收入，同时不利于中长期加杠杆），北美市场的IDC中下游企业将存在一定的预期差。3.3. 缘计算：方兴未艾，未来可期前文提到，由于未来社会算力爆发下产生的海量数据传输需求，完全依靠IDC提供中心化算力支撑乃是效率较低的选择，无论是智能驾驶对于时延的要求，亦或是传输高清视频图像等带来的大额带宽成本，都将进一步加剧“集中式”与“分布式”需求的错配。在此背景下，边缘计算便成为了传统云端算力的很好补充，云计算聚焦非实时，长周期数据的大数据分析，能够在周期性维护，业务决策支撑等领域发挥特长。边缘计算聚焦实时、短周期数据的分析，能更好的支撑本她业务的实时智能化处理与执行。算力“泛在”的模式也将随着边缘计算的加入得到完善。当前时点，边缘计算产业正处于起步前期，部分行业应用开始涌现并走向成熟，本段将从边缘计算的定义、优势、行业空间、应用案例、产业链玩家、A股相关标的来剖析边缘计算的当前现状与未来机会、边缘计算的定义根据边缘计算产业联盟的定义，边缘计算是在靠近物或者数据源头得到网络边缘侧，融合网络、计算、存储、应用核心能力的开放平台，就近提供边缘智能服务，满足行业数字化在敏捷联接，实时业务、数据优化、应用智能、安全与隐私保护封方面的关键需求。在相关理论加速成熟的同时，行业联盟也在加速建立，目前主流的边缘计算联盟包括了思科、ARM、英特尔、戴尔、微软、普林斯顿大学等6家机构成立的开放雾计算联盟、华为、沈自所、信通院、因特尔、ARM、软通动力等6家机构联合发起成立了边缘计算产业联盟、IEC/1SOJTC1SC41成立的边缘计算研究组、I1.C成立边缘计算技术工作组和IEEE成立的雾计算网络架构工作组等。从功能由简到繁来分析，边缘计算的发展总体可以分为三个结算，即联接、智能、自治。联接阶段，边缘计算主要解决终端及设备的海量、异构与实时连接，网络自动部署与运维，并保证联接的安全、可靠与互操作性。这一阶段的典型应用包括了自动抄表等智能阶段，在该阶段，边缘侧将会引入数据分析与业务自动处理能力，智能化执行蹦迪业务逻辑，大幅提升效率，降低成本。这一阶段的典型应用包括了各种设备的自我状态监测等。自治阶段，在该阶段，随着A1.等技术引入，边缘侧不仅可以自主进行业务逻辑分析与计算，还能够动态实时的自我优化，调整和执行策略，该阶段的典型应用是各类无人工厂和智能化设备。边缘计算的优势我们认为，在5G,A1.物联网等技术与环境的加持下，边缘计算体现出了5大应用价值，分别是低延时、低带宽、更经济的智能、数据可控、高可靠。低时延：低时延是提高用户体验甚至是使得某些应用能够工作的重要因素。一方面,边缘计算通过在网络边缘进行数据处理，降低了因数据在终端和云端之间多跳传输产生的时延。另一方面，利用优化的边缘算力进行数据处理，也比利用有限的终端算力进行数据。低带宽：物联网设备产生的数据具有体量大、价值密度较小的特性。如果把原始数据直接传输到云端进行处理，很大程度上造成网络拥塞，为了保证带宽所需的成本代价也极高。边缘计算对海量原始数据进行预处理和分析挖掘，将产生的高价值洞察传送到云端，极大程度降低了对带宽的依赖。更经济的智能：视频监控、语音识别、图像分析等人工智能应用越来越广泛地被应用于满足行业的业务需求。A1.模型的训练需要非常强大算力的支持，不可避免地要在云端进行。但基于实时数据进行模型推理如果也在云端进行，网络成本会非常高。同时，普通的终端设备无论从算力还是能耗角度都无法支持模型的推理。边缘计算将A1.模型推理卸载到边缘节点，在边缘节点上通过GPU、加速硬件虚拟化等机制提高模型推理的并发能力，以一种经济有效的方式实现应用智能。数据可控：企业往往对将自己的生产数据传输到云端进行处理有很大顾虑。边缘计算能实现敏感数据不出工厂，不出园区，直接在本地对数据进行清洗、预处理、聚合、筛选，避免了数据传输过程中可能的泄露、遗失、篡改等风险。此外，云计算数据中心对数据的安全控制力度并不是十分理想，API访问权限控制以及密钥生成、存储和管理方面的不足都可能造成数据泄漏，并且还可能缺乏必要的数据销毁政策。边缘计算可以实现更可控的本地数据存储和管理，降低数据风险。高可靠：靠近数据生产或者使用的场所往往物理环境复杂、网络条件不稳定、潜在的攻击窗口众多。边缘计算硬件专为严苛的物理环境设计，具有紧凑、坚固、抗高温高湿等物理特性。边缘计算软件平台通过云边协同来保障端到端的S1.A,边缘节点在断网期间能实现自治，继续支撑其上应用的运行，在网络恢复之后，还能自动与云端更新数据、状态。边缘计算软件平台还支持应用跨节点部署及多实例运行等能力，当某个节点发生故障时，可快速实现负载迁移，避免对业务的影响。边缘计算与5G随着5G时代的到来，5G的广连接、低时延、高带宽三大特性完美契合了边缘计算设备需要的网络指标。根据5GPPP发布的白皮书5Gen1.PoWeringVertiCa1.industries5G通过边缘计算技术将应用部署到数据侧，而不是将所有数据发送到集中的数据中心，满足应用的实时性。白皮书认为，智慧工厂、智能电网、智能驾驶、健康医疗、娱乐和数字媒体是未来最具商业规模且排名靠前的边缘计算需求场景，极具典型性，并且运营商也在这些领域与行业客户紧密合作，基于用户需求，共同推动边缘计算的发展，为用户提供安全可靠的边缘计算业务。我们认为，5G对于边缘计算的推动主要在于两方面，一是网络架构的升级，推动边缘计算快速成熟。5G网络将原先4G核心网经云化拆分成5G核心控制层面和核心用户层面，实现了用户面与MEC同时下沉，有利于边缘侧的融合。二是5G后期以小基站为主的部署形式，有望在物理层面加速边缘计算网络的拓展。当前，5G网络下的边缘计算主要分为两类，第一是广域MEC,第二类是局域MECo广域MEC场景低时延业务的百公里传输引入的双向时延低于1ms,但是基于广域MEC的5G公网，已经能够为大量垂直行业提供5G服务。MEC部署在安全可控的汇聚机房是当前运营商广域MEC的主力方案，可用于权衡应用对接、运维复杂度、设备和工程成本等多种因素。局域MEC场景将MEC部署在园区有利于安全与隐私保护高敏感的行业，以满足数据不出园的要求。港口龙门吊的远程操控，钢铁厂的天车远程操控，以及大部分的制造、石化、教育、医疗等园区/厂区都是局域MEC的典型场景。局域MEC部署场景可以满足UR1.1.C超低时延业务，同时支持企业业务数据本地流量卸载（1.Bo）,为园区客户提供本地网络管道。通过增强隔离和认证能力，防止公网非法访问企业内网，构建企业5G私网。边缘计算的行业规模根据IDC数据统计，到2020年，全球有超过500亿的终端与设备联网，未来超过50%的数据需要在网络边缘侧分析。处理与存储。根据思科发布的全球云指数数据，2021年全球产生106ZB的流量，其中数据中心流量仅占21ZB,全球超过70%的流量空间需要边缘侧设备的支持。根据国际数据公司（IDC）发布的全球边缘计算支出报告，预计到2022年，全球在边缘计算方面的支出将达到1760亿美元，比2021年增长14.8%。企业和服务提供商在边缘解决方案的硬件、软件和服务上的支出预计将持续到2025年,这一增长速度将达到近2740亿美元。从她理角度来看，美国将成为优势解决方案的最大投资者，预计到2022年支出将达到765亿美元。西欧和中国将是第二大地区，支出总额分别为306亿美元和208亿美元。在未来五年的预测中,中国将以19.7%的复合年增长率成为支出增长最快的国家，其次是拉美，其复合年增长率为19.4%o边缘计算主流应用当下边缘计算较为成熟的应用主要集中在预测性维护、能效管理、智能制造，面向未来，我们认为自动驾驶、A1.AR/VR等需要高算力、低延时的场景会逐渐成长为边缘计算的主流场景，这些场景我们会在第五节中进行展开。预测性维护传统的维护方式主要是事后维护和预防性维护，事后维护会导致业务中断，预防性维护采用人工例行检修，导致维护成本大幅度上升，以梯联网为例，全球有超过1500万部电梯在网运行，电梯维保和售后服务正式成为电梯行业的“新蓝海”，越来越多的电梯厂商转向整合产业链、依靠维保服务增加企业收入，但电梯通过事后维护和预防性维护的成本很高，且首次维护成功率低于20%o为实现商业模式创新，电梯厂商必须通过数字化改造提升运维效率、降低运维成本。通过引入边缘计算，可以助力电梯厂商从传统的预防性维护升级到新一代实时预测性维护，从而实现产品向服务的价值延申。能效管理随着世界经济的发展，发展需求与能源制约的矛盾愈加明显，能耗水平反映了一个国家或地区的经济发展水平和生活质量，在能源需求日趋紧张的情况下，如何实现建筑能耗量化以及效果评估，降低建筑物（包括空调、路灯照明、办公设备等）运行过程中消耗的能量，从而降低运行成本，同时提高用户使用满意度，满足各大企业从提供产品向提供服务转型，成为各大企业或组织机构最为关注的问题。以路灯为例，世界80%的路灯厂商都准备向智能路灯转型，通过智能路灯节能减排，相关国家和国际组织也逐步在法律中明确建设绿色节能标准，如全球气候组织呼吁十年完成全球路灯智能化改造、实现能耗减半。智能制造随着消费者对产品需求的日益增高，产品的生命周期越来越短，小批量多批次，具有定制化需求的产品生产模式将一定程度替代大批量生产制造模式，先前制造体系严格的分层架构已经无法满足当前的制造需求，以某消费电子类产品的制造生产线为例，采用P1.C+POC的模式构建，由于订单种类增加，单批次数量减少，导致平均每周的切单转产耗时12天；新工艺升级每年至少3次、设备更替每年近百次，导致的控制逻辑/工序操作重置、接口配置耗时约512周，严重影响了新产品上线效率。另外制造智能化也是中国，美国，德国等世界主要制造大国未来10年的发展方向，以中国为例，到2025年，制造业重点领域全面实现智能化，试点示范项目运营成本降低50%,产品生产周期缩短50%,不良品率降低50%,制造智能化首先需要加强制造业ICT系统和OT系统之间的灵活交互，显然先前的制造体系也无法支撑全面智能化。边缘计算能够推动智能制造的实现。边缘计算在工业系统中的具体表现形式是工业CPS系统，该系统在底层通过工业服务适配器，将现场设备封装成web服务；在基础设施层，通过工业无线和工业SDN网络将现场设备以扁平互联网的方式联接到工业数据平台中；在数据平台中，根据产线的工艺和工序模型，通过服务组合对现场设备进行动态管理和组合，并与MES等系统对接。工业CPS系统能够支撑生产计划灵活适应产线资源的变化，旧的制造设备快速替换与新设备上线。4 .绿色：双碳制约下的算力网络算力发展高速发展过程中将不得不面临能耗问题，云端、边缘、终端以及网络传输要求的持续提升，势必带来能耗激增的问题，硅基芯片工艺制程提升的难度凸显，单位算力功耗进一步下探幅度有限，能耗的增长将挑战数字智能时代社会的可持续发展，在双碳大背景下，构建绿色算力网络生态逐渐成为新的挑战和机遇。4.1.算力需求指数及增长，数据中心能耗要求越发严格算力规模持续大规模增长，单位算力功耗逼近极限。功耗是影响算力水平发展的重要因素之一，在单位算力功耗呈现出逐年递减，且正向着极限逼近的态势下，算力的整体量级却仍然随着其广泛的应用而持续大规模增长。一方面必须依托算力的大规模使用以实现智能社会的演进，而另一方面这一进程又必将伴随着碳排放的提升而导致全球气候的不可预测性显著增加，这一双手互博式的矛盾综合体正在引起越来越高的关注。硅基芯片工艺制程提升的难度凸显，单位算力功耗进一步下探幅度有限。随着工艺制程的进步，输出单位算力所需要的功耗水平(W/GF1.OPS)从90纳米制程开始呈现出了指数级下降的趋势，发展到当下7纳米制程的先进处理器芯片时已开始趋近于OWIGF1.0PS,下探难度愈发增大。从原理来看，由于功耗水平下降的核心驱动力来自于芯片制造工艺的低制程化，而这一趋势正受到硅基芯片上晶体管栅长缩减引发的量子隧穿效应挑战，一旦到达临界制程可能将造成晶体管闭合功能的全面无效化。因此在没有新型材料替代的条件下，单位算力功耗难以进一步下降。数据中心用电量占比持续提升，制冷及IT设备占比达80%o在芯片单位算力功耗下降幅度有限的背景下，智能社会应用的广泛普及无可避免，势必导致算力功耗总量的进一步提升。根据工信部数据，随着人工智能、物联网、区块链等技术的发展，我国数据中心总用电量为1609亿千瓦时，占中国全社会用电量的2.35%,已经显著超过上海市2018年全社会用电量。面问未来，数据中心算力将在信息技术产业的大力发展下继续增长，2023年将较2019年增长66%,年均增长率将达到10.64%。从数据中心内部来看，我国数据中心电力成本占运营成本的60%以上，数据中心耗能部分主要包括制冷系统、IT设备、供电系统和照明系统，其中制冷系统和IT设备合计占总能耗的80%o超大型数据中心符合绿色趋势。数据中心PUE优化的一大核心方向在于建立更多超大型（10000个标准机架可共置至少IOOOOO台服务器）和大型数据中心（3000个标准机架可共置放至少30000台服务器），从而带动整体数据中心PUE值优化。超大型/大型数据中心会更加系统她从基础设施和管理系统层面来进行优化，降低功耗，且通常会采用能耗比更加优秀的服务器、数通设备、节能型供电和冷却配套硬件解决方案。4.2.大型化、智能化和散热技术创新是绿色数据中心关键点以百度云计算（阳泉）中心为例，其设计容纳16万台服务器，采用了先进的整机柜服务器，以模块化设计将供电、散热系统与服务器置于同一机柜内，针对每个机柜服务器的实际运行及功耗进行个体化调节，同时辅以高压直流+市电直供的供电模式，实现传极高的能源效率。在数据中心运营管理软件层面，大型数据中心会采用基于A1.的智能化管理系统对供电、冷却系统的运营状态进行自适应的动态化调整。如华为廊坊数据中心所采用的iCoo1.ing数据中心能效解决方案，通过A1.对历史运营数据分析，寻找供电、通风、冷却等影响能耗的不同关键因素，建立预测模型并对相应系统进行动态调整，降低PUE,实现能耗优化。除散热创新外，UDC是数据中心的未来新方向。海底数据中心（简称UDO由岸站、海底光电复合缆、海底分电站及海底数据舱组成，主体结构为罐体结构，电气设备、冷却系统均布置在罐体内部，罐体顶部为海水冷却系统。通过庞大的海水流冷却数据舱，有效降低能耗，单舱PUE可低于1.1,是高效利用海洋资源(海上风能，波浪能、潮汐能)的成功典范，海底IDC解决方案需求将与日俱增，尤其在华南沿海城市，市场潜力无穷。UDC优势主要体现在降低成本上。UDC使用海水冷却，无压缩机运行，能够有效降低能耗，在25MW典型规模情况下，UDC综合成本降低29%,运维成本降低22%,且岸站占地少，只有1/3,不需要冷却塔，罐体内为惰性气体，故障率低，单机柜15-35KW,算力密度高，模块化生产，部署效率高，90天内完成从工厂安装、调试到实际运行。4.3.芯片功耗提升空间有限，低功耗和云边端一体是主旋律芯片领域，ARM和X86架构正在碰撞出更多火花。ARM与×86的竞争本质上是两种不同思路的指令集系统的竞争。指令集系统在发展过程中，分化出复杂指令系统计算(CompIexinstructionsetcomputing,CISC)和精简指令系统计算(Reducedinstructionsetcomputing,RISC),后者被使用在ARM上。RISC是相对于C1.SC而言的，其通过精简指令集来减少硬件设计的复杂程度，同时每条指令集长度均相等，因此可以提升指令集执行效率，所以相同计算量下，效率往往比CISC更高。事实上，Inte1.、AMD的新款x86产品也在向精简指令迈进，仅底层运行CISC指令。功耗压力大，ARM在服务器领域正在兴起。C1.SC的复杂性决定×86架构的CPU需要更高的单核主频、更多的线程才能有更强性能，在摩尔定律逐渐接近瓶颈的现代，x86的芯片设计、制程要求变得苛刻，因此生态变得极为封闭，目前市场仅剩Inte1.、AMD两位玩家。ARM走“众人拾柴火焰高”的路线，2021年已授权530家合作伙伴，授权数量达到1910件。ARM赛道玩家众多，在商用服务器CPU领域，华为海思、凯为半导体、高通、安培和飞腾均有代表性产品。ARM入局服务器领域并非制程工艺、主频&核心数竞赛的结果，而是下游需求转变促使ARM芯片能够在服务器中发光发热。ARM得到云计算大厂青睐，主要有以下几个原因：1）边缘计算及微型IDC需求增加，ARM依靠低成本占据优势。受国际形势及各国加强数据主权的影响，各大云计算厂商都在积极向市场投放微型数据中心，微型数据中心体积相对较小，对能源的需求较低，以便帮助集中式数据中心完成一部分边缘计算任务，同时，边缘计算往往数据多元化、计算负载变化大，因此ARM架构CPU是部署微型数据中心建立分布式业务的更好选择。例如，同代的ARMCorte-A72与x86BroadweII对比单核物理面积，前者仅1.15mm2,是后者的约七分之一。2）ARM架构的“众核”、单线程架构保证了更高的效率。以OracIe公司OC1.云服务的AmPereA1.CPU为例，相比于同代、相似性能x86架构的Inte1.XeOnoPtin1.iZed3,AmpereAI在执行H.264视频处理计算任务时花费1美元处理的帧数提升了98%,相比AMDEPYCE4提升了22%oARM架构CPU拥有更低的单位成本，一是因为ARM的专用计算单元与异构计算技术结合，处理速度更快，二是因为x86架构CPU单核主频高、线程多，处理任务时功耗较高，而x86的多核优化往往难以在不同计算任务中都得到保证。3）异构计算时代到来，ARM的可定制特性获得青睐。在没有云服务的时代，x86这种通用性、兼容性强的架构可以满足绝大部分计算需求，同时，摩尔定律在过去可以持续生效，提升