找报告，就上发现报告！云计算的发展正在经历第三次浪潮：第一次浪潮是IaaS，用户是专业IT人员；第二次浪潮是SaaS，用户是销售、财务、HR等专业人员；第三次浪潮是PaaS，用户是IT开发人员，但低代码让人人都能编程，低代码和PaaS结合，让PaaS为每个人赋能，正在引发云计算第三次浪潮。云计算的第三次浪潮市场更广阔，对我们带来的变革更深刻更持久。
“云”——这一虚无缥缈的词让很多人都是丈二和尚摸不着头脑，究竟什么是云计算？它到底有什么用？相比传统计算，它有什么特别之处？报告酱整理了相关报告，梳理出云计算行业的全部面貌，希望为你呈现一个云计算行业全景图，并清晰了解行业的上下游产业链，以及一二级市场的投资机会。
云计算（Cloud Computing）是一种通过网络统一组织和灵活调用各种ICT（Information and Communications Technology）信息资源，实现大规模计算的信息处理方式。说白了，就是一种新型的计算资源获取方式。相比传统计算，云计算的资源获取方式从“买”变成了“租”。
专业解释是：云计算利用分布式计算和虚拟资源管理等技术，通过网络将分散的ICT资源（包括计算与存储、应用运行平台、软件等）集中起来形成共享的资源池，并以动态按需和可度量的方式向用户提供服务。用户可以使用各种形式的终端（如PC、平板电脑、智能手机甚至智能电视等）通过网络获取ICT资源服务。云计算产业由云计算服务业、云计算制造业、基础设施服务业以及支持产业等组成。
①云计算 按服务类型可以分为三类
1）基础设施即服务IaaS(Infrastructure as a service)
2）平台即服务PaaS(platform as a service)
3）软件即服务SaaS(software as a service)
我们可以用自己建房子自己住来类比云计算的三种服务类型。
首先是基础设施即服务IaaS，之前公司要建信息系统，基础设施从哪里来呢？需要自己建机房、服务器、网络以及配套设施。就好比你自己建房子，需要自己买土地，买材料，设计房子结构，建房子。那现在基础设施即服务告诉你，你不用自己 建房子 了，我这有现成的，你直接租就好了。
其次是平台即服务PaaS，之前公司在自己建好信息系统之后，还要自己搭建 *** 作系统、配置环境。就好比你盖好房子之后还要你自己装修房子，那现在平台即服务告诉你，你不用自己 装修 房子了，我这能提供装修服务，你直接买就好了。
最后是软件即服务SaaS，之前公司在把 *** 作系统、环境配置好之后还要自己开发各种应用软件。就好比你房子硬装完成后还要进行 软装 ，配备休闲 娱乐 设施、运动健身设施等等，那现在软件即服务告诉你这些应用设施我这都有现成的，你也可以直接租用的。
分别是公有云、混合云、私有云。
这张图就很好地帮我们解释了云的概念， 公有云强调d性和共享 ，小到1核1G的单一云主机，大到数十万核的计算集群，都可以 按需调配 。
私有云属于安全的专用基础设施，更适合有一定规模而且 对安全性要求较高 的企业与传统的On-Premise（本地部署）模式不同， 私有云强调“云化” ，基于一系列的虚拟化和自动化技术，私有云可以提供类似公有云的“d性”和“敏捷”体验，同时又能提供更灵活的功能和更可控的安全。对使用者来讲， 起步门槛低，灵活可调整，适用于从无到有、快速成长型的企业或者创新业务 。
公有云和私有云组合起来，一部分业务使用公有云，一部分业务使用私有云，这就是混合云。严格来讲， 混合云不是一种云的形态，而是一种部署模式 ，但企业需要一些技术来实现两朵云的统一管理、监控、调度、数据同步等等。与只使用一种形态的云相比，混合云部署更复杂。
按照产业结构来看，云计算产业链的上游供应商为第三方IDC企业，以及包括服务器厂商、网络运营商和网络设备厂商在内的基础设备提供商，同时，IDC厂商也需要向基础设备提供商采购。产业链下游为云生态，包括基础平台和云原生应用等，云计算厂商负责提供IaaS、PaaS和SaaS等服务。
按 服务的类型划分 ，IaaS厂商可以分为服务器供应商、IaaS厂商和专业云计算服务提供商。其中，IaaS厂商又包括了大型IaaS厂商、主流IaaS厂商和运营商。而 专业型云计算服务 提供商细分种类较多，包括了云安全厂商、分发CDN厂商、Docker厂商、云存储厂商、视频云服务厂商以及性能APM厂商。各大IaaS厂商竞争力差距的主要来源于云计算基础服务的创新性、行业解决方案的成熟度以及服务实施效果，因此， 建立整体云生态，聚合产业链上下游合作伙伴，是提高IaaS厂商的市场竞争力的重要途径 。
全球及中国云市场整体呈高速增长；2017年美国占全球5954%的市场份额，其次是欧洲占2150%，亚洲仅占1204%；全球云计算市场SaaS占比约2/3，PaaS市场规模最小；中国云计算市场IaaS占比最大，其次是SaaS，最小是SaaS。
国际云计算发展相对成熟， 公有云是市场的主要构成 。经历了多年的发展之后，行业市场规模依然保持平稳较快增长。Gartner报告显示，2019年公有云市场规模为1883亿美元，同比增长21%；2020-2023年平均增速预计为176%。
国际市场上，SaaS服务所占份额最大。国际云服务市场中，IaaS建设已经增长较为缓慢，SaaS层是市场的主导。其中，SaaS层中，ERP、CRM、办公套件、内容服务和通信协作等应用市场占比排位靠前。
IaaS行业具有超强的“马太效应”，资本壁垒和规模经济（服务器利用率提升以及资源的耦合配置）是最主要的影响因素。2016年中国公有云IaaS市场总容量为100亿元，阿里云一家独大，2017年，排名前五的厂商分别是阿里云、腾讯云、 金山云、中国电信和Ucloud， 合计份额高达68%。
在云计算的渗透过程中，客户首先聚集到了 IaaS 和 SaaS 上，IaaS和SaaS的龙头厂商具备先发优势，所以Salesforce和AWS的市占率在公有云PaaS中是前二。
2017年上半年数据显示，中国PaaS竞争格局， 阿里云以 27%的份额保持压倒性领先 ，Oracle占比 97%，AWS占比 97%，Microsoft占比 68%，IBM占比46%。
PaaS市场TOP5中除阿里云外均为国外厂商，亚马逊、Oracle、IBM等国际巨头纷纷通过中国国内企业合作的方式抢夺中国市场。例如， IBM同世纪互联合作将Bluemix PaaS平台落地中国；Oracle与腾讯云战略合作，将企业级云服务解决方案引入中国，全面覆盖SaaS、PaaS和IaaS三层云服务。
从产商销售比来看，全球SaaS市场，2015年，Salesforce占11%销售比，Microsoft尾随其后，占8%，排第三的为Adobe，占6%；中国SaaS市场，2017年上半年，金蝶占7%，Oracle和微软紧随其后，均为5%。
从服务细分领域市场份额来看，全球SaaS里CRM份额最大，占39%，其次是ERP和网络会议/社交软件，占16%和10%。
随着未来IaaS市场规模的进一步扩大，相关产业生态将广泛受益，推荐从 IDC、服务器、交换机以及光模块 等产业挖掘投资机会。
（1）在IDC领域，云计算需求回暖叠加5G商用将带动流量爆发，第三方IDC服务商成长性确定。在未来IDC超大型化和边缘化进程中，掌握一线城市核心IDC资源、同时拥有较强的扩张能力以及产业议价能力的IDC服务商更能持久稳定发展。
（2）在IT基础设备领域，流量增长带动数据计算、存储、传输、安全等需求快速提升，直接驱动云厂商Capex投入增加，IT基础设施和网络设备作为IaaS的基础与核心，全面开启拐点向上趋势。
相关受益标的包括：通信设备龙头中兴通讯；数据中心交换机及企业级路由器市占率领先的紫光股份；数通及无线业务稳健增长的星网锐捷；中国第一服务器品牌浪潮信息。
（3）在光通信领域，云计算市场与电信市场共振，日益增长的需求持续推动速率的提升，光通信领域400G时代正在开启，产业链即将迎来升级及增量机遇。
光环新网二十年耕耘与发展，积累了丰富的行业经验和数据中心资源，公司在一线城市区域提供安全、高效、便捷、可信赖的企业级IDC和云服务。公司未来将加快IDC产业升级，大力发展云计算业务，不断提升研发、技术、服务水平，以专业性的产品和服务为用户提供互联网一站式综合解决方案。我们认为公司目前不断拓展北京、上海及周边IDC 项目，投产后将会对公司股价产生较大有利影响，同时疫情期间，短期需求增加，公司机柜上架率提升，利好公司。
浪潮信息长期专注于国内服务器市场，2019年市场份额已达到全球第三、中国第一。公司的云计算客户占比高，有望受益于设备国产化率的提升和云资本开支的回升，实现超越行业平均的成长。
浪潮在云计算客户资源、战略定位及生产成本等方面具备竞争优势。1）客户资源优渥：浪潮2011年便明确了云计算战略，在云计算领域具备一定的先发优势，携手头部云厂商积极推动开放计算基础架构，更深度绑定BAT等头部客户。这种对行业的判断领先市场，经过接近10年成长，我们估计公司当前在国内云计算市场份额占比约为50%，云计算客户占公司的收入比例也在60%。2）战略定位灵活：业务集中于服务器市场的浪潮，在低成本和差异化的两极战略象限中，倾向于采取更中位的战略去积极获取市场份额，灵活应对来自品牌厂商和白牌厂商的竞争；3）成本控制有力：浪潮产品ASP约为6000美元，低于其他头部品牌厂商，公司与Intel之间按照战略协议价格采购CPU，以及公司的信息化管理等为公司带来了低价保障。
中科曙光是中国领先的高端服务器生产商，具备全国产化产业链布局及国家研发经费支持，我们认为公司有望受益于服务器需求提升和产业链国产化趋势，实现超越行业的成长。理由如下：服务器市场有望在云资本开支回暖及技术更新迭代的双重驱动下实现快速成长。随着国内疫情有效控制，服务器作为百行百业的数字经济底座将迎来需求全面回暖。服务器上游核心供应商正在推动CPU从14nm向10nm升级，创造下游产品迭代需求。中科曙光在服务器全产业链布局完整，受益于国产化调整及国家对信创产业链的支持。
新华三作为公司核心资产，传统企业网路由器交换机全球领先，同时拓展服务器、存储业务补齐IT全产业链。借势5G网络IT化转型切入运营商数通及新网络（SDN/NFV）市场，业务、技术全面对标思科、华为，空间广阔竞争力突出份额有望再提升。凭借独特优势，布局私有云边缘云、小基站、安防等多个千亿赛道，业务边界扩张：利用超融合技术优势剑指私有云边缘云，与Intel合作布局5G小基站，借力人工智能、云计算、大数据、大安全等网络后端技术积累引领安防智能化。
科创板上市，主要产品包括公有云、私有云、混合云、数据可信流通平台安全屋。中移动是它第四大股东，也是重要的合作伙伴。2019年有15亿的营收，其中约12亿是公有云收入，是比较纯正的云计算服务商。优刻得创始团队对行业风口有较好的把握能力，在细分领域能够形成自己的特色优势，同时公司采取与大型公有云厂商差异化的策略，通过“铁三角”团队实现客户粘性与价值。
主营业务包括信息安全以及云计算。云计算主要向企业级用户提供云终端、桌面云一体机、超融合一体机、软件定义存储、云计算平台、私有云、专属云、混合云等多款产品、服务和解决方案。2019年云计算营收12亿，占比26%。2020年以来，公司发布了5款爆款新品，分别为信息安全领域的访问控制系统aTrust、SangforAccess；云计算领域的ARM超融合；IT基础架构领域的大数据智能平台aBDI、数据库运维平台DMP。
国金证券从“3A”发展看中国云计算产业竞争格局变化
阿里云计算的 社会 经济价值和区域发展评估
IBM云计算行业智慧架构的速度：混合云创造数字业务价值，降低执行风险
并购优塾金山云VS优刻得VS阿里云VS腾讯云：公有云产业链深度梳理
华辰资本云计算研究报告
中信证券计算机行业云计算专题研究：化繁为简，把握核心云
中信证券全球SaaS云计算产业系列报告：国内软件SaaS产业若干关键问题的回答
光环新网-新时代证券首次覆盖报告：新基建浪潮，加速公司IDC业务扩张
紫光股份-华西证券IT产业核心资产，多千亿赛道创新布局
深信服-华西证券细说深信服爆款新品如何炼成
优刻得-中金“优”质赛道兼“刻”苦，光明未来亦可“得”
浪潮信息-中金疫情环境下凸显高确定性，国产品牌服务器龙头向好发展
中科曙光-中金计算产业链和国产化主要受益者
添加发现报告微信号fxbaogao，发现更多精彩
在“新基建”浪潮下，人工智能正成为经济增长的新引擎，各行各业开启智能化升级转型。算力在其中扮演了重要角色，是国家未来竞争力的集中体现。但事实是，在发展的过程中，高速增长的海量数据与更加复杂的模型，正在为算力带来更大的挑战，主要体现为算力不足，效率不高。
算力诚可贵：数据、算法需要更多算力支撑
众所周知，在人工智能发展的三要素中，无论是数据还是算法，都离不开算力的支撑，算力已成为人工智能发展的关键要素。
IDC发布的《数据时代2025》报告显示，2018年全球产生的数据量为33ZB (1ZB=1万亿GB)，到2025年将增长到175ZB，其中，中国将在2025年以486ZB的数据量及278%的占比成为全球最大的数据汇集地。
另据赛迪顾问数据显示，到2030年数据原生产业规模量占整体经济总量的15%，中国数据总量将超过4YB，占全球数据量30%。数据资源已成为关键生产要素，更多的产业通过利用物联网、工业互联网、电商等结构或非结构化数据资源来提取有价值信息，而海量数据的处理与分析对于算力的需求将十分庞大。
算法上，先进模型的参数量和复杂程度正呈现指数级的增长趋势。此前 Open AI 发表的一项研究就显示，每三到四个月，训练这些大型模型所需的计算资源就会翻一番（相比之下，摩尔定律有 18 个月的倍增周期）。2012 至 2018 年间，深度学习前沿研究所需的计算资源更是增加了 30 万倍。
到2020年，深度学习模型对算力的需求达到了每天百亿亿次的计算需求。2020年2月，微软发布了最新的智能感知计算模型Turing-NLG，参数量高达到175亿，使用125POPS AI计算力完成单次训练就需要一天以上。随后，OpenAI又提出了GPT-3模型，参数量更达到1750亿，对算力的消耗达到3640 PetaFLOPS/s-day。而距离GPT-3问世不到一年，更大更复杂的语言模型，即超过一万亿参数的语言模型SwitchTransformer即已问世。
由此可见，高速增长的海量数据与更加复杂的模型，正在给算力带来更大的挑战。如果算力不能快速增长，我们将不得不面临一个糟糕的局面：当规模庞大的数据用于人工智能的训练学习时，数据量将超出内存和处理器的承载上限，整个深度学习训练过程将变得无比漫长，甚至完全无法实现最基本的人工智能。
效率价更高：环境与实际成本高企，提升效率迫在眉睫
在计算工业行业，有个假设是“数字处理会变得越来越便宜”。但斯坦福人工智能研究所副所长克里斯托弗•曼宁表示，对于现有的AI应用来说却不是这样，特别是因为不断增加的研究复杂性和竞争性，使得最前沿模型的训练成本还在不断上升。
根据马萨诸塞大学阿默斯特校区研究人员公布的研究论文显示，以常见的几种大型 AI 模型的训练周期为例，发现该过程可排放超过 626000 磅二氧化碳，几乎是普通 汽车 寿命周期排放量的五倍（其中包括 汽车 本身的制造过程）。
例如自然语言处理中，研究人员研究了该领域中性能取得最大进步的四种模型：Transformer、ELMo、BERT和 GPT-2。研究人员在单个 GPU 上训练了至少一天，以测量其功耗。然后，使用模型原始论文中列出的几项指标来计算整个过程消耗的总能量。
结果显示，训练的计算环境成本与模型大小成正比，然后在使用附加的调整步骤以提高模型的最终精度时呈爆炸式增长，尤其是调整神经网络体系结构以尽可能完成详尽的试验，并优化模型的过程，相关成本非常高，几乎没有性能收益。BERT 模型的碳足迹约为1400 磅二氧化碳，这与一个人来回坐飞机穿越美洲的排放量相当。
此外，研究人员指出，这些数字仅仅是基础，因为培训单一模型所需要的工作还是比较少的，大部分研究人员实践中会从头开发新模型或者为现有模型更改数据集，这都需要更多时间培训和调整，换言之，这会产生更高的能耗。根据测算，构建和测试最终具有价值的模型至少需要在六个月的时间内训练 4789 个模型，换算成碳排放量，超过 78000 磅。而随着 AI 算力的提升，这一问题会更加严重。
另据 Synced 最近的一份报告，华盛顿大学的 Grover 专门用于生成和检测虚假新闻，训练较大的Grover Mega模型的总费用为25万美元；OpenAI 花费了1200万美元来训练它的 GPT-3语言模型；谷歌花费了大约6912美元来训练 BERT，而Facebook针对当前最大的模型进行一轮训练光是电费可能就耗费数百万美元。
对此，Facebook人工智能副总裁杰罗姆•佩森蒂在接受《连线》杂志采访时认为，AI科研成本的持续上涨，或导致我们在该领域的研究碰壁，现在已经到了一个需要从成本效益等方面考虑的地步，我们需要清楚如何从现有的计算力中获得最大的收益。
在我们看来，AI计算系统正在面临计算平台优化设计、复杂异构环境下计算效率、计算框架的高度并行与扩展、AI应用计算性能等挑战。算力的发展对整个计算需求所造成的挑战会变得更大，提高整个AI计算系统的效率迫在眉睫。
最优解：智算中心大势所趋，应从国家公共设施属性做起
正是基于上述算力需求不断增加及所面临的效率提升的需要，作为建设承载巨大AI计算需求的算力中心（数据中心）成为重中之重。
据市场调研机构Synergy Research Group的数据显示，截至到2020年第二季度末，全球超大规模数据中心的数量增长至541个，相比2015年同期增长一倍有余。另外，还有176个数据中心处于计划或建设阶段，但作为传统的数据中心，随之而来的就是能耗和成本的大幅增加。
这里我们仅以国内的数据中心建设为例，现在的数据中心已经有了惊人的耗电量。据《中国数据中心能耗现状白皮书》显示，在中国有 40 万个数据中心，每个数据中心平均耗电 25 万度，总体超过 1000 亿度，这相当于三峡和葛洲坝水电站 1 年发电量的总和。如果折算成碳排放则大概是 9600 万吨，这个数字接近目前中国民航年碳排放量的 3 倍。
但根据国家的标准，到2022年，数据中心平均能耗基本达到国际先进水平，新建大型、超大型数据中心的 PUE（电能使用效率值，越低代表越节能）达到 14 以下。而且北上广深等发达地区对于能耗指标控制还非常严格，这与一二线城市集中的数据中心需求形成矛盾，除了降低 PUE，同等计算能力提升服务器，尤其是数据中心的的计算效率应是正解。
但众所周知的事实是，面对前述庞大的AI计算需求和提升效率的挑战，传统数据中心已经越来越难以承载这样的需求，为此，AI服务器和智算中心应运而生。
与传统的服务器采用单一的CPU不同，AI服务器通常搭载GPU、FPGA、ASIC等加速芯片，利用CPU与加速芯片的组合可以满足高吞吐量互联的需求，为自然语言处理、计算机视觉、语音交互等人工智能应用场景提供强大的算力支持，已经成为人工智能发展的重要支撑力量。
值得一提的是，目前在AI服务器领域，我们已经处于领先的地位。
近日，IDC发布了2020HI《全球人工智能市场半年度追踪报告》，对2020年上半年全球人工智能服务器市场进行数据洞察显示，目前全球半年度人工智能服务器市场规模达559亿美元（约3266亿人民币），其中浪潮以164%的市占率位居全球第一，成为全球AI服务器头号玩家，华为、联想也杀入前5（分别排在第四和第五）。
这里业内也许会好奇，缘何中国会在AI服务器方面领跑全球？
以浪潮为例，自1993年，浪潮成功研制出中国首台小型机服务器以来，经过30年的积累，浪潮已经攻克了高速互联芯片，关键应用主机、核心数据库、云数据中心 *** 作系统等一系列核心技术，在全球服务器高端俱乐部里占有了重要一席。在AI服务器领域，从全球最高密度AGX-2到最高性能的AGX-5，浪潮不断刷新业界最强的人工智能超级服务器的纪录，这是为了满足行业用户对人工智能计算的高性能要求而创造的。浪潮一直认为，行业客户希望获得人工智能的能力，但需要掌握了人工智能落地能力的和技术的公司进行赋能，浪潮就可以很好地扮演这一角色。加快人工智能落地速度，帮助企业用户打开了人工智能应用的大门。
由此看，长期的技术创新积淀、核心技术的掌握以及对于产业和技术的准确判断、研发是领跑的根本。
至于智算中心，去年发布的《智能计算中心规划建设指南》公布了智能计算中心技术架构，基于最新人工智能理论，采用领先的人工智能计算架构，通过算力的生产、聚合、调度和释放四大作业环节，支撑和引领数字经济、智能产业、智慧城市和智慧 社会 应用与生态 健康 发展。
通俗地讲，智慧时代的智算中心就像工业时代的电厂一样，电厂是对外生产电力、配置电力、输送电力、使用电力；同理智算中心是在承载AI算力的生产、聚合、调度和释放过程，让数据进去让智慧出来，这就是智能计算中心的理想目标。
需要说明的是，与传统数据中心不同，“智算中心”不仅把算力高密度地集中在一起，而且要解决调度和有效利用计算资源、数据、算法等问题，更像是从计算器进化到了大脑。此外，其所具有的开放标准，集约高效、普适普惠的特征，不仅能够涵盖融合更多的软硬件技术和产品，而且也极大降低了产业AI化的进入和应用门槛，直至普惠所有人。
其实我们只要仔细观察就会发现，智算中心包含的算力的生产、聚合、调度和释放，可谓集AI能力之大成，具备全栈AI能力。
这里我们不妨再次以浪潮为例，看看何谓全栈AI能力？
比如在算力生产层面，浪潮打造了业内最强最全的AI计算产品阵列。其中，浪潮自研的新一代人工智能服务器NF5488A5在2020年一举打破MLPerf AI推理&训练基准测试19项世界纪录（保证充足的算力，解决了算力提升的需求）；在算力调度层面，浪潮AIStation人工智能开发平台能够为AI模型开发训练与推理部署提供从底层资源到上层业务的全平台全流程管理支持，帮助企业提升资源使用率与开发效率90%以上，加快AI开发应用创新（解决了算力的效率问题）；在聚合算力方面，浪潮持续打造更高效率更低延迟硬件加速设备与优化软件栈；在算力释放上，浪潮AutoML Suite为人工智能客户与开发者提供快速高效开发AI模型的能力，开启AI全自动建模新方式，加速产业化应用。
那么接下来的是，智算中心该遵循怎样的发展路径才能充分发挥它的作用，物尽其用？
IDC调研发现，超过九成的企业正在使用或计划在三年内使用人工智能，其中745%的企业期望在未来可以采用具备公用设施意义的人工智能专用基础设施平台，以降低创新成本，提升算力资源的可获得性。
由此看，智能计算中心建设的公共属性原则在当下和未来就显得尤为重要，即智能计算中心并非是盈利性的基础设施，而是应该是类似于水利系统、水务系统、电力系统的公共性、公益性的基础设施，其将承载智能化的居民生活服务、政务服务智能化。因此，在智能计算中心规划和建设过程中，要做好布局，它不应该通过市场竞争手段来实现，而要体现政府在推进整个 社会 智能化进程的规划、节奏、布局。
总结： 当下，算力成为推动数字经济的根基和我国“新基建“的底座已经成为共识，而如何理性看待其发展中遇到的挑战，在不断高升算力的前提下，提升效率，并采取最佳的发展策略和形式，找到最优解，将成为政府相关部门以及相关企业的重中之重。
欢迎分享，转载请注明来源：内存溢出
微信扫一扫
支付宝扫一扫
评论列表（0条）