近期关注到一些股友的评论，对中科曙光的业务、财务方面想要深入了解，我打算从今天开始，开一个系列介绍和解读，以便于各位股友了解。如果内容和数据有表述不准确的地方，或者有任何合理建议，欢迎各位评论指出。
红衫资本创始人曾说过：“下注于赛道，而非赛手。”虽然我认为这句话并不是百分百适用的，但是足以证明行业对于公司以及投资的重要性。因此，本系列内容打算以中科曙光所处行业和产业的研究为开篇，尽量细致讲解中科曙光所在行业、行业地位，以及公司产品在行业中的情况。话不多说，开始介绍。
曙光信息产业股份有限公司（以下简称“中科曙光”）主要从事高端计算机、存储、安全、数据中心产品的研发及制造，同时大力发展数字基础设施建设、智能计算等业务，所处算力基础设施行业。
我们先来看一下整个算力产业链的拆解：
上游：算力基础软硬件；中游：算力网络与平台，包括数据中心、网络、一体化算力网等；下游：算力使用者，也就是终端用户。
算力可以理解为计算机处理信息的能力，就像大脑的思考速度。它决定了设备能多快完成计算机任务，比如玩游戏不卡顿、AI快速识图等。随着人工智能、大数据、工业互联网等新技术规模化应用，全球算力需求呈现指数级增长。截至2024年底，全球通算规模达628EFLOPS（FP32），智算规模达5693EFLOPS（FP16），超算规模为20EFLOPS（FP64）。
在数字经济时代，算力已成为推动社会进步的重要力量。当前我国算力领域呈现出多种技术形态发展并行的趋势，从通用计算到专用加速器，从硬件加速到软件优化，多样化算力技术形态正被开发以满足不同行业和应用场景需求。中国通用算力规模（基于FP64计算）从2020年的39.6EFLOPS持续增长，截止2024年达到71.5EFLOPS，年均复合增速达到12.5%，预计到2028年将达到140.1EFLOPS，显示出强劲的增长态势。算力增长主要得益于国家政策支持、数据中心建设加速以及AI应用的广泛落地。未来几年，随着智能算力需求的进一步释放，通用算力将继续保持高速增长，为数字经济和科技创新提供坚实支撑。
再来看智能算力，中国智能算力规模近年来呈现高速增长态势，从2020年的75EFLOPS（基于FP16）迅速扩张至2024年的725.3EFLOPS，预计到2028年将突破2781.9EFLOPS。这一增长趋势反映出人工智能、大数据和云计算等技术的快速发展对算力需求的强劲拉动。未来几年，随着AI应用的不断深化以及数字经济的持续升级，中国智算基础设施建设将持续加速，推动算力供给能力实现跨越式发展，为智能制造、自动驾驶、智慧城市等领域提供坚实支撑。
通用算力基于CPU架构，适合处理企业IT、云计算等常规任务，如数据库查询、Web服务等。其优势在于通用性强，但面对AI或高性能计算时效率较低；智算依托GPU、TPU等加速芯片，擅长并行计算，可高效训练AI模型（如大语言模型、计算机视觉）。典型场景包括自动驾驶、智能推荐等；超算通过万级CPU/GPU协同，解决气候模拟、核物理等极端复杂问题，但目前成本高且部署集中。
在成长赛道中，持续重点关注能够有长期趋势的方向，阶段性可能会有情绪影响或者节奏暂歇，但大趋势不变的情况下，催化因素会相对较多，且阶段性没有兑现要求，行业的供应链的实际变化能够不断强化需求预期，带来长期的投资机会。目前AI正处于高速发展阶段，全球AI市场维持高景气，长期复合增长强劲。
中国“两会”政府报告重点强调了数字基础设施建设、积极推进数字产业化和产业数字化、积极培育新兴产业和未来产业等七大加速发展领域。党的二十届三中全会也提出要推动实体经济和数字经济的融合发展，为高质量发展提供新动能。在政策的鼓励和引导下，中国企业将人工智能作为产业创新的抓手，加速探究生成式人工智能等先进技术在行业中的应用，越来越多的中国企业正在积极制定和实践人工智能转型战略。
对大型模型及生成式人工智能需求的日益增长，正显著推动中国人工智能算力基础设施的快速发展，促使企业不断升级其硬件配置，通过采购高性能的计算设备、优化数据中心基础设施、提升存储和网络能力等，进一步支持复杂的人工智能运算任务。这一趋势不仅反映了市场对先进人工智能技术的迫切需求，也体现了中国企业在全球人工智能竞赛中的积极布局和投入。
算力基础设施行业是数字经济的核心支撑，涵盖了从硬件设备到软件平台、从数据中心到网络连接的多个领域，产业链覆盖上游的芯片、服务器、存储设备等基础硬件供应商，中游的云计算、数据中心服务、智能计算、边缘计算等算力服务提供商，下游的互联网、金融、政务等多个领域应用用户。2024年，算力基础设施行业在算力多元化、绿色化、国产化三大战略驱动迈入高质量发展攻坚期，技术成熟度与应用普及率显著提高，算力需求从“通用型”向“定制化”转变，行业增速从“规模扩张”转向“价值提升”，形成以智能算力为核心、政策引导为支撑、全产业链协同发展的新格局。
对大型模型及生成式人工智能需求的日益增长，正显著推动中国人工智能算力基础设施的快速发展，促使企业不断升级其硬件配置，通过采购高性能的计算设备、优化数据中心基础设施、提升存储和网络能力等，进一步支持复杂的人工智能运算任务。这一趋势不仅反映了市场对先进人工智能技术的迫切需求，也体现了中国企业在全球人工智能竞赛中的积极布局和投入。
注解：算力常用计量单位是每秒执行的浮点运算次数(FLOPS，1EFLOPS=10^18FLOPS)，数值越大代表综合计算能力越强；FP16（半精度浮点数）、FP32（单精度浮点数）和FP64（双精度浮点数）是计算机中最常用的二进制浮点数存储格式，核心区别在于存储位宽、精度、数值范围和计算成本，通用算力以FP64（基准）、FP32（常用）为主，兼顾高精度计算需求；AI算力以FP16（半精度）、BF16（脑浮点）、INT8（8位整数）为主，牺牲精度换取超高算力，适配AI模型的低精度推理/训练。
