中国电子信息制造行业：人工智能推动算力需求激增，为算力供应链企业维持较好的信用状况提供支撑

　　要点

　　从概念提出到文生视频模型Sora的推出，人工智能发展经历了三次浪潮和两次寒冬，数据资源的体量及可获取性、理论模型的研究探索、数据计算能力的高低是影响其发展的重要因素。随着移动通讯、互联网的发展及普及，快速增长的数据量为人工智能发展提供支撑，算法模型的持续突破创新为人工智能带来发展方向和庞大的算力需求。

　　在算力需求驱动及政策扶持下，我国已形成布局完善的算力基础设施产业链，快速增长的算力需求带动供应链各行业需求增长。具体来看：服务器方面，随着大型云服提供商投资放缓，服务器整机出货量增长放缓，但在人工智能大模型算力需求拉动下，AI服务器出货量呈现快速增长，有望为服务器需求带来新的增长动力。随着AI服务器需求的增长，构成服务器重要零部件的芯片、存储及光模块产品需求也有望提升。其中芯片海外进口的限制为国内芯片厂商发展提供了较大空间，但考虑到AI服务器对芯片性能要求更高，国产AI芯片发展仍需大量研发投入，同时也面临一定研究成果转化失败风险；数据中心AI服务器需求刺激及国内政策推动下，预计将保持稳步投资。

　　近年来算力供应链细分行业业绩表现有所分化，上游半导体存储受整个半导体行业进入下行周期及存储行业产能过剩影响，盈利及经营活动净现金流表现不佳，IDC因前期投资支出较大，盈利有所承压，其余细分行业整体保持良好的业绩增长及经营获现水平；人工智能训练模型带来极大的算力需求，有望为供应链各环节企业提供业绩支撑，同时也带来一定投资支出需求。得益于良好的获现能力以及较优的股权融资能力，样本企业财务杠杆预计将维持较低水平，整体信用表现良好。

　　主要关注因素

　　美国人工智能研究实验室OpenAI相继推出人工智能技术驱动的自然语言处理工具ChatGPT、文生视频大模型Sora，带来新一轮人工智能技术变革。随着一系列大模型的推出，近年来人工智能进入快速发展阶段，并对各行业产生广泛影响。算力作为支撑人工智能技术发展重要因素之一，与其发展尤为紧密。以信息计算能力、网络运输能力、存储能力为核心的算力行业涉及范围广泛，上游涉及芯片、存储等基础硬件和操作系统、运算模型等基础软件，中游包括服务器及网络运营等，下游主要为数据中心。本文将围绕人工智能发展情况，分析其对算力基础设施行业各环节需求拉动作用，分析产业链内样本企业1主要财务表现及信用风险情况。

　　从人工智能发展经历来看，数据资源的体量及可获取性、理论模型的研究探索、数据计算能力的高低是影响其发展的重要因素。随着移动通讯、互联网的发展及普及，快速增长的数据量为人工智能发展提供支撑，算法模型的持续突破创新为人工智能带来发展方向和庞大的算力需求。

　　人工智能（ArtificialIntelligence，AI）是最早由约翰·麦卡锡在1956年的达特茅斯会议上提出的研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学，具体是指利用数字计算机或者由数字计算机控制的机器，模拟、延伸和扩展人类的智能，感知环境、获取知识并使用知识获得出最佳结果的理论、方法、技术和应用系统2。根据功能及应用领域的不同，人工智能可以分类为专用人工智能（ArtificialNarrowIntelligence，ANI）和通用人工智能（ArtificialGeneralSuperIntelligence，AGI），ANI主要设计用来执行特定的任务，在特定领域表现出色，例如谷歌的AlphaGo能够在围棋领域击败世界顶尖人类选手，但不能进行其他活动；相比于ANI，AGI指具有广泛认知能力的机器，能够在多个领域执行任务，具有自我意识、情感理解和创造能力。

　　结合人工智能的演进历程，发展至今大致经历了三次浪潮和两次寒冬。第一次浪潮开始于1956年人工智能概念的提出，在20世纪70年代降温，这一时期的核心在于让机器具备逻辑推理能力，通过推理与搜索尝试开发能够解决代数应用题、证明几何定理等，但在实际应用中涉及的计算量远超当时的计算能力，因此人工智能经历第一次寒冬。第二次浪潮开始于专家系统3的商业化，但随着应用化的深入，该阶段的人工智能出现较大的场景局限性，同时更多的数据和算法模型需求使得人工智能发展进入第二次低迷期。第三次浪潮开始于计算机性能的障碍被逐步克服，深度学习、神经网络等理论的提出引领了这波浪潮；2011年以来，随着深度学习算法的突破、生成对抗网络（GANs）模型的推出，人工智能快速发展。同时，从人工智能的功能上看，经历了AGI-ANI-AGI的发展进程，AGI一直是人工智能发展目标，早期行业内直接以AGI为发展道路，但受限于数据、算法和算力等因素，转向更具可行性的ANI的发展道路，在文本、视觉、声音等多领域持续发展，为实现AGI奠定了基础；近年来以ChatGPT和Sora为代表的多模态大模型的推出提升了人工智能的可迁移性，原局限于单个领域的ANI有了在不同领域间迁移的可能，将AGI重新带回了舞台。