2024年并行科技研究報告：超算云龍頭布局AI算力第二曲線_技術與算力資源鞏固領先壁壘1、看點一：超算云深厚積累，行業云+AI云促營收持續高增1.1、發展：已接入超8萬臺服務器，超算云服務營收四年CAGR61%并行科技成立于2007年，是國內領先的超算云服務和算力運營服務提供商，聚焦應用真實運行性能，致力于為用戶提供全面、安全、易用、高性價比的超算云服務。公司主要服務包括并行通用超算云、并行行業云、并行AI云等。同時，公司為用戶提供超算軟件及技術服務、超算云系統集成、超算會議及其他服務，打造超算云服務生態閉環，全方位服務用戶。作為中國國家網格服務公司和雙軟企業，公司積極參與國家“算力網絡”建設，結合國內大批優質算力資源，共計接入超80000臺服務器，總計算力超1000PFlops，存儲資源超800PB，為超過20個應用行業用戶提供“多、快、好、省”的超算云服務，推動算力資源從“可用”向“好用”發展。2023年實現營收4.96億元（+58%），2018-2023年5年營收CAGR達41%。從產品結構看，超算軟件與技術服務銷售收入占比有所下降，超算云服務銷售收入占比提高，核心業務超算云服務營收增長迅速。公司以云服務的方式提供超算算力，擁有靈活計價、彈性擴容、算力調配靈活、用戶交互體驗好等優勢，可有效地滿足客戶優化任務排期、縮短計算周期、隨時擴充算力資源以及多樣化資源配置的需求。2023年毛利率略微下降至26%，其中核心業務超算云服務毛利率為27%，2020年-2023年毛利率出現了一定程度下滑。受到市場活躍度暫時性下降等外部環境影響，公司2022年度超算云服務自有算力利用率相對較低，進而拉低了各項細分業務的毛利率。對于并行通用超算云，作為公司相對成熟的業務，未來隨著公司自有算力資源建設的逐漸完成，毛利率將逐漸保持穩定。對于并行行業云及并行AI云，是公司大力開拓的新產品及服務，將從研發、銷售、運營等方面積極發展，擴展各類行業用戶的超算云使用場景，結合歷史數據及市場分析，并行行業云及并行AI云業務的毛利率將在歷史數據的基礎上穩健提升。2016到2023年期間費用率呈現下降趨勢，由2016年的149.36%下降至2023年的43%。整體費用率的下降主要由管理費用率的下降驅動，管理費用率由2016年的116.79%下降至2023年的9.66%；銷售費用率整體保持穩定，2023年也有較大下降。研發費用率也同樣發生了一定程度的下降。2023年凈利率為-16%實現顯著回升，歸母凈利潤為-8050萬元（+29%）。超算云服務市場目前處于成長期，超算云服務收入規模處于逐步攀升的過程中，公司收入規模達到較高水平需要一定時間，因此在業務發展前期大力招聘銷售人員，積極開展市場培育、用戶教育及營銷推廣活動，新用戶數量快速增加，致使公司銷售、管理等費用持續較高，尚需一定過程實現扭虧。1.2、業務：AI云引領增長，超算云整體收入2023年達4.14億元公司主營業務按產品或服務劃分可主要劃分為四類：超算云服務、超算云系統集成、超算軟件與技術服務、超算會議及其他服務。從產品收入結構來看，2022年超算云服務為主要創收模塊，營收2.67億元，2023年進一步增長55%至4.14億元。公司主要商業模式為通過SaaS系統向高等院校、科研院所、企業等出租高性能CPU及GPU服務，按照租用的CPU核數/GPU卡數乘以租用時間進行收費。同時，公司也通過提供超算云服務解決方案、提供分析軟件、開辦超算會議等方式延長其超算云服務的營收鏈條。超算云服務：并行超算云、并行行業云、并行AI云并行超算云服務面向各應用領域、各行業的科研計算用戶，以云計算的方式向其提供高性能CPU、GPU算力資源和相關IT服務。根據使用算力資源的差異、是否將計算任務接入用戶的業務流程、是否有行業應用支持等方面，公司超算云服務分為并行通用超算云、并行行業云、并行AI云三類業務。超算云服務收入主要包括并行通用超算云、并行行業云、并行AI云，三類業務覆蓋了不同超算服務細分類別及面向客戶群體的差異。超算用戶主要分為兩類，第一類是科研和開發類的用戶，以科研、教育、行業用戶為主，主要服務內容包括開發、調試、測試、調優、小規模計算和對應的數據存儲；第二類是工程模擬仿真類用戶，主要服務內容以前處理、大型計算、后處理、可視化、應用運行特征分析和優化為主。公司以PaaS層為基礎構建SaaS化平臺，將超算應用實現服務化封裝，進而面向不同行業客戶提供與其所在行業相匹配的超算應用。計算用戶可通過公司提供的PaaS層服務在云計算環境下使用算力資源，通過API端口或使用公司提供的并行超算云桌面等上傳下載自身作業，完成計算任務。公司支持獨立軟件開發商在PaaS層基礎上構建SaaS化應用，并在標準應用基礎上進行二次開發。通過該合作模式，獨立軟件開發商可利用公司豐富的用戶資源進行推廣，培養用戶使用習慣，有力促進國產工業軟件的發展，同時，公司可進一步豐富SaaS化應用矩陣，形成良好的平臺生態，增強未來面向更多行業輸出超算解決方案的能力，實現互利共贏。（1）并行通用超算云并行通用超算云基于連接各大超算集群的“中國超算算力網絡”和自主研發的服務平臺，面向物理、化學、材料、航天、航空、力學、氣象、海洋、能源、汽車、生物等各領域廣大計算用戶，通過自身具備的算力資源智能調度技術，向用戶提供CPU算力資源。并行通用超算云服務支持命令行操作，保持用戶使用習慣。針對不擅長命令行操作的用戶，可通過應用中心集成的眾多SaaS化超算應用軟件進行提交。在使用過程中，基于公司的應用全生命周期監控與分析技術，用戶可在線查看作業運行狀態，優化應用使用，提高作業效率，并可通過移動端應用時刻了解作業狀態。計算完成后，用戶可在線完成結果數據的二維/三維遠程可視化處理。（2）并行行業云并行行業云在并行通用超算云的基礎上增加了業務系統對接、提供專線鏈路等物理層、系統層、應用層的專業化服務等以滿足用戶需求，提供整體解決方案。面向在超算云上構建業務系統的行業客戶，并行行業云服務可根據業務系統需求，提供專線鏈路、安全的專有超算云基礎設施，提供高性價比資源；提供多模式API、異步消息隊列、智能區域調度等PaaS平臺級開發接口，快速滿足文件管理、數據傳輸、作業調度和作業監控等業務需求，確保業務高效開發移植上超算云；公司可在業務開發、移植上超算云的過程中，為客戶提供研發級支持；公司專有的研發資源亦為客戶提供業務組件開發技術服務，滿足業務系統上超算云的定制需求。并行行業云可針對不同行業客戶痛點定制專門解決方案，如氣象海洋超算云解決方案、生命科學行業云解決方案、高端制造行業云解決方案、企業級HPC超算云解決方案、院校級HPC超算云解決方案等。（3）并行AI云并行AI云面向高校、科研院所、行業用戶等在AI深度學習和科學計算等方向的GPU算力資源需求，提供高性能GPU算力資源及相關PaaS服務。并行AI云可應用到人工智能及高性能計算等場景,可靈活地滿足相關人工智能技術研究在訓練和推理階段對GPU算力資源復雜多樣需求。并行AI超算云裸金屬集群為GPU高性能計算場景鍛造，提供最新架構GPU卡，以裸金屬形態輸出，消除虛擬化性能損耗；提供高速互聯、高性能并行存儲，支持大規模并行；基于大規模集群架構提供豐富的GPU隊列資源池，可根據業務需要便捷彈性獲取大規模資源，滿足大規模計算需求。超算云系統集成受益于公司在行業的長期積淀以及較好的上游硬件廠商資源，公司為存在自建數據中心等需求的客戶，提供基于高性能計算、人工智能計算的生命周期的軟硬件產品和服務，主要包括架構設計、設備選型、平臺建設等整體解決方案。超算軟件及技術服務（1）超算軟件銷售并行科技超算軟件開發主要涉及產品包括自研軟件、定制軟件及代理軟件。公司軟件產品包括Paramon、Paratune、ParaCloud等，功能涵蓋應用特征收集、應用特征分析、應用特征優化、應用特征數據庫應用、集群管理、資源調度等環節。（2）技術服務為客戶提供高性能計算全棧式運維服務，針對不同用戶不同層次的運維服務需求，為用戶提供開發運維、在線運維、巡檢運維和駐場運維服務。方案集合了線上和線下模式，可為用戶提供切合高性能計算行業的7×24小時全時段的運維服務。超算會議及其他服務公司已連續協辦多屆全國高性能計算學術年會（HPCChina）并承辦全國并行應用挑戰賽（PAC）及各類國內超算領域競賽、培訓等。全國高性能計算學術年會（HPCChina）作為超算領域全球最具影響力的三大盛會之一，幫助公司在業內樹立品牌，各類競賽及培訓亦有助于培養中國超算人才，提高公司行業影響力。公司超算會議收入主要來自于舉辦HPCChina、PAC等會議、賽事、培訓所收取的會議注冊費、企業贊助收入、展位費等；成本主要包括場地租賃費用、賽事宣傳及營銷費用、賽事獎金以及支付給中國計算機學會的合作費用等。以HPCChina2023為例，參會費用根據參會者類別在1000-3000元不等。1.3、客戶：主要面向高等院校及科研院所，積極拓展企業AI領域用戶公司整體客戶集中度較低，2023H1前五大客戶營收占總營收的比例為26.44%，相比2022年的16.7%有所上升。2020年以來，清華大學持續作為公司前五大客戶。公司通過營銷系統CRM管理模塊進行客戶信息錄入及營銷記錄，以實現高效、全面、完善的客戶資源管理。超算云業務以預為主，針對部分優質企業客戶，公司存在后模式，即客戶根據需求可在一定額度內消耗核/卡時，到達額度后，由銷售人員負責溝通回款工作。公司超算云業務的計費依賴于核心業務系統，超算云用戶可通過其賬戶自行登錄查詢消費情況，公司按月發送賬單至用戶。服務群體主要為高等院校、科研院所、企業用戶等。其中企業用戶增長較快，2023H1占比達到24%。公司個人客戶數量較多，但營收占比較低，僅為0.07%。在算力分布上，高等院校為CPU算力資源的使用主力，2022年度使用CPU算力150984萬核時，占總比重的58.16%；在GPU算力資源方面，企業則為使用主力，2022年度使用GPU算力資源使用達4476880卡時，占總比重的50.41%。1.4、技術：重點布局集群調度技術，獲中國電子學會科技進步一等獎等榮譽公司多年來專注于超算云領域，位于中國超算云行業的第一梯隊，在行業服務創新與技術應用等方面具有極高的美譽度。專注研發，通過核心技術驅動營收增長經過多年的行業探索，公司形成了大規模分布式超算集群運行數據采集與分析技術、應用全生命周期監控與分析技術、多地域跨網絡跨集群的云調度技術、集群內智能調度技術、超算業務化計算支撐平臺及其相關技術、應用軟件SaaS化平臺技術、應用優化技術等核心技術。公司科研聲譽良好：獲得多項獎項并參與國家重要研發公司重視技術創新和人才引進，擁有行業領先的技術實力，截至2023年6月30日，公司及其子公司已擁有25項發明專利，2項外觀設計專利及130項已登記的計算機軟件著作權。自成立以來，公司憑借領先的行業地位和突出的技術優勢榮獲諸多超算云領域的專業獎項和榮譽。公司在加強自身研發實力的同時，與其他單位、有關高校開展合作，積極參與多項國家級科研課題。公司自主研發大規模分布式超算集群運行數據采集與分析技術，擁有提供公共服務的超算業務化計算支撐平臺及其相關技術，并且建立了國內領先的超算應用軟件SaaS服務平臺。算力資源調度及用戶真實應用體驗提升方面，并行科技擁有包括多地域跨網絡跨集群的算力資源智能調度技術、集群內算力資源智能調度技術、超算業務化計算支撐平臺及其相關技術、應用全生命周期監控與分析技術等在內的全部核心技術。上述技術優勢有助于公司在市場競爭中搶占先機。2、看點二：發力AI智算大藍海，外采+共建模式打造海量可用資源2.1、趨勢：AI大模型引領算力服務商發展，GPU基建建設加速擴張隨著AI產業快速發展，2024年全球AI發展步入深化新階段，從上游芯片到下游應用均持續進展，而近期OpenAI首次進軍AI視頻生成領域，推出文生視頻產品Sora引發全球關注。據OpenAI介紹，Sora使用Transformer架構，可根據文本指令創建現實且富有想象力的場景，生成多種風格、不同畫幅、最長為一分鐘的高清視頻。Sora還能夠根據靜態圖像生成視頻，擴展現有視頻或填充缺失的幀。Sora被認為是AGI（通用人工智能）的又一個里程碑時刻，并不只是因為AI生成的視頻時間更長、清晰度更高，而是OpenAI已經超越過去AIGC的能力，可以生成與真實物理世界相關的視頻內容。在OpenAI官方出具的技術報告中，對Sora的定位為“作為世界模擬器的視頻生成模型”，“擴展視頻生成模型是構建物理世界通用模擬器的一條可行之路。隨著文本生成大模型和圖像生成大模型相繼走向成熟，目前行業已經涌現了一批日益成熟的應用模式，而Sora的發布意味著視頻生成應用的成熟已經步入了一個新的節點，AIGC已經加速邁入視頻生成階段。據甲子光年預測，2024-2025年各模態的AI將在各賽道全面走向深化成熟階段，因此AI模型訓練、推理等算力需求也將會隨之得到進一步釋放。云計算行業作為最重要的基礎設施產業之一對下游增長起到關鍵的促進作用，據中國信息通信院發布的《中國算力發展指數白皮書（2022年）》測算，算力每投入1元，將帶動3-4元的經濟產出；而隨著人工智能、數字孿生、元宇宙等新興領域的崛起，各類算力需求規模正快速增長，其中GPU算力對應“智能算力”的主要部分，將首先受益發展。智能算力即人工智能算力，由GPU（圖形處理器）、ASIC（專用集成電路）、FPGA（現場可編程邏輯門陣列）、NPU（神經網絡處理器）等各類專用芯片承擔人工智能場景應用的計算，在專門應用下具有性能更優、能耗更低等優點。2023年10月，工業和信息化部、中央網信辦、教育部、國家衛生健康委、中國人民銀行、國務院國資委等六部門聯合印發《算力基礎設施高質量發展行動計劃》，提出到2025年實現國內算力規模超300EFLOPS，其中智能算力占比達到35%（105EFLOPS）。當下全球智能算力快速增長，據中國信通院數據，2022年底全球算力總規模達到650EFLOPS，其中通用算力規模為498EFLOPS，智能算力規模為142EFLOPS，超算算力規模為10EFLOPS；智能算力規模同比增長25.7%，規模占比達21.9%。國內市場方面，2022年算力總規模為180EFLOPS，排名全球第二，其中通用算力規模為137EFLOPS，智能算力規模為41EFLOPS，超算算力規模為2EFLOPS。中國智能算力同比增長41.4%，規模占比達22.8%。按照六部門聯合印發《算力基礎設施高質量發展行動計劃》對2025年智能算力建成105EFLOPS的規劃，預計2022-2025實現36.8%CAGR。智能算力在AI深度學習中的應用主要體現在以下幾個方面：一是訓練模型，深度學習模型具有復雜的結構和大量的參數，需要大量的計算資源進行訓練，智能算力通過GPU、TPU等高性能的計算設備，加速深度學習模型的訓練過程。二是推斷推理，智能算力通過高性能計算設備和專門的推理芯片加速深度學習模型的推斷過程，提高了模型的實時性和穩定性。三是模型優化，通過智能算力可以對模型進行自動化的超參數調優、網絡結構搜索、模型剪枝等操作，進一步提高模型的精度和效率。GPU芯片多用于圖形圖像處理、復雜的數學計算等場景，可較好支持高度并行的工作負載，常用于數據中心的模型訓練，也可以用于邊緣側和端側的推理工作負載。2021年中國仍以GPU為主實現數據中心計算加速，據IDC測算GPU市場占有率近90%，而ASIC、FPGA、NPU等非GPU芯片市場占有率超過10%，其中NPU芯片設計邏輯更為簡單，常用于邊側和端側的模型推理，并生成結果，在處理推理工作負載時，具有顯著的能耗節約優勢，因此增長較快。從工作負載角度而言，據IDC數據，2021年中國數據中心用于推理的AI服務器占比已達57.6%，預計2026年這一比例超過6成。伴隨企業人工智能應用成熟度逐步遞增，企業將把精力更多從人工智能訓練轉移到人工智能推理工作負載上，這意味著人工智能模型將逐步進入廣泛投產模式，因此智算中心的基礎設施規劃和運營支出規劃更加需要追求服務器利用率提升和性能利用率的提升，以實現更好經濟性。大模型的高效訓練通常需要具備千卡以上高算力AI芯片（GPU為主）構成的AI服務器集群支撐。在全球科技企業加大投入生成式AI研發和應用的大背景下，配置高算力AI芯片的AI服務器需求也不斷高漲。隨著市場對AI計算力需求的不斷攀升，全球已有上百家公司投入新型AI加速芯片的開發，AI計算芯片多元化趨勢愈發顯著，但在推向產業落地的過程中，依然存在大量的定制化工作以及現有標準未能完全覆蓋的領域，包括多元AI芯片適配、AI算力資源管理和調度、數據整合及加速、深度學習開發環境部署等多個方面。英偉達高性能GPU為代表的AI訓練/推理硬件成為當下算力建設的核心資源，隨著大模型等場景對算力需求的高速增長，英偉達顯卡以及網絡通信硬件在各方向均快速迭代，顯卡資源成為核心能力。IDC預測，全球AI計算市場規模將從2022年的195.0億美元增長到2026年的346.6億美元；其中生成式AI（AIGC）計算市場增速遙遙領先，預計2022-2026年實現90%以上CAGR。下游需求也將帶動AI服務器增量，IDC數據顯示2021年全球AI服務器市場同比增長39.1%，其中中國市場增長至59.22億美元。預計到2026年，全球人工智能服務器市場將達到347億美元，將占整個服務器市場的21.7%，較2022年的16.6%占比持續提升，且中國市場預計將達123.37億美元。據IDC數據，2021年浪潮信息、戴爾、HPE分別以20.9%、13.0%、9.2%的市占率位列全球前三，三家廠商總市場份額占比達43.1%。國內外廠商布局加速了AI云市場增長。據IDC數據，2021年國內專用于人工智能的公有云服務市場規模達到44.1億元人民幣，占整體人工智能軟件市場的13.4%，增速遠超人工智能軟件整體市場增速；2022年在AI市場整體遇冷背景下，國內人工智能公有云服務市場規模增長80.6%至79.7億元，計算機視覺占據約一半市場份額。另一方面，IDC也預計AI私有化部署仍是市場主流。2.2、增量：發力算力租賃服務，加大算力資源購置區別于CPU算力，智算中心聚焦于GPU算力，用以支持廣泛的計算密集型應用場景，從單卡到萬卡集群均可實現，核心價值在于提供高性能的、可擴展的算力資源，以滿足多樣化的計算需求。不同于過去CPU場景較多自建，目前業內自建GPU算力資源廠商較少，需要第三方算力服務商為有高性能需求的客戶提供算力云租賃服務，幫助用戶擺脫自建基礎設施的負擔，提供性價比優越的服務。具體業務模式包括兩類，一是云計算模式，應對推理需求為主；二是超算模式，應對大型模型訓練為主。智算需求增長背景下，云計算服務廠商基于AI服務器等算力基建，能提供更豐富的算力支持，如百度、騰訊、阿里等互聯網巨頭及各家專門服務商通過aaS（asaService）服務提供AI平臺和AI服務，從而實現快速的產品迭代能力和豐富的場景化人工智能能力；2023年3月英偉達也親自推出算力租賃服務方案“DGX云”，與微軟云、谷歌云、甲骨文等全球頂級云服務商共同打造，企業可以直接線上按月租用英偉達DGXAI超級集群，靈活租用算力服務。按照英偉達官方對一個1.6萬卡超大規模智算中心按照運營4年的計算：成本端：需要投入10億美元建設和運營成本，其中數據中心基建投資和運營維護成本（約占一半）、GPU購置成本（約占40%）是關鍵。收入端：按照每張GPU每小時定價4美元計算，4年共可收入25億美元，其中提升算力利用率、實現集群性能調優是算力租賃廠商核心競爭力的體現。按照實現15%算力利用率提升、實現25%集群性能調優來預測，預計這兩方面提升分別將在收入中占到3.5億美元、6億美元價值量。云服務場景下的算力調優是應對客戶不同需求場景下，實現性能調度極致優化的能力，涉及到軟件、網絡架構等多元層面的調試、優化，考驗綜合服務能力和技術積累。并行科技可向客戶提供針對性優化措施，比如分析改進應用程序計算負載設計，充分利用GPU資源；深度挖掘性能瓶頸點，提供針對性的優化解決方案。算力租賃作為AI算力供不應求下涌現的市場新興概念，廣義上可以指所有提供云租賃業務的算力服務和經營方式，即囊括了各類對算力用量或服務器租用時間等要素進行計費的模式，如各類型的公有云、私有云；而從狹義上看，則特指面向確定性的客戶需求采用類似“項目制”、“合同制”的方式進行算力建設和方案集成，但最終不轉讓算力資源所有權而是對客戶進行租賃計費的模式。從技術的實現角度來看，算力租賃本身并沒有什么特殊性，同樣是經由云平臺構建來向客戶提供云上的彈性算力服務，因此許多市場觀點用廣義的“租賃”概念對其進行泛化理解則顯得具有一定迷惑性，因為本質上絕大多數算力云的服務過程中都具備“租賃”的特點，但并不都等同于算力租賃，因為后者更多體現為算力云的一種特殊商業模式。并行AI云GPU收費上升，通用超算云與行業云收費穩定?；贑PU的服務，如并行通用超算云及并行行業云整體收費穩定，而基于GPU的并行AI云收費逐漸上升。并行科技逐漸加大了對于算力資源的投入，2022年，算力資源成為占全部采購額度中占比最大的部分，約占40.23%；2023H1仍是最大采購項目。公司采購的主要內容分為設備類采購、資源類采購及其他采購。設備類采購主要包括針對共建集群和部分行業云項目所需的設備采購，包括服務器、存儲、網絡設備等；資源類采購包括并行超算云服務開展所需的CPU算力資源、GPU算力資源、互聯網帶寬等相關資源；其他類采購主要包括技術服務、辦公物資、超算云系統集成及超算軟件銷售所需的軟硬件設備等。隨著AI算力需求不斷提升，公司加快了GPU算力布局。2023年11-12月期間即披露了317臺AI服務器以及4套存儲設備的采購，供應渠道豐富多元，包括聯想、坤前、神州數碼、新華三旗下紫光華山等知名廠商。2.3、模式：共建+外采打造領先公有云，整合華為云等資源實現降本增效在發展超算業務過程中，公司率先提出“互聯網+HPC”概念，將云計算和互聯網領域的最新技術引入超算領域，建立其在超算公有云領域的“中國超算算力網絡”，這一領域的積累將持續助力AI智算業務發展。如2024年2月公司攜手華為云共筑智算產業創新生態，與華為云宣布正式達成框架合作協議，各方將在AI算力、AI大模型及通用HPC算力等領域展開全面合作。華為開發者大會2023（Cloud）上，華為正式發布了盤古大模型3.0和昇騰AI云服務。華為昇騰AI云服務千卡訓練30天長穩率達到90%，為業界提供穩定可靠的AI算力，依托貴安、烏蘭察布、蕪湖3大AI云算力中心，憑借其在高性能、高效能、高性價比等方面的突出優勢，為企業提供卓越的AI算力服務。本次合作，將使并行科技現有算力資源池再度擴容，華為云全球化的云上算力資源，將通過并行科技的算力資源網絡服務更多用戶，打造完善、高效、優質的云上科研環境，推動國內AI發展提質增速，應對不斷升級的行業競爭?；仡櫚l展超算業務的過程，公司將包括國家超級計算廣州中心、無錫中心、濟南中心等多家超算中心的超算集群接入并行超算網格云平臺，通過多地域跨網絡跨集群的算力資源智能調度技術，將傳統的用戶應用計算搬遷到云環境中，然后將任務結果數據返回給用戶。公司獨創跨地域、跨分區的統一超算云算力網絡平臺，整合不同類型、不同架構的算力資源，面向用戶提供統一的使用界面，實現多超算應用級統一智能調度。公司獨創的在大規模異構超算集群系統內實現消息傳遞型作業的容器化封裝和智能調度技術，支持經典超算作業調度和容器化作業調度，同時支持同步多線程、裸金屬核心以及GPU資源調度模式。同時，公司通過大規模分布式超算集群運行數據采集與分析技術，對集群的運行情況進行實時監測與分析，根據算力資源的占用情況，對空閑資源進行實時優化調度，有效提高資源使用率，充分滿足科研及企業用戶需求。公司自2015年起與國家超級計算廣州中心合作開展超算云業務，保持了長期穩定的合作關系，近年來內采購金額呈逐年下降趨勢，主要原因系公司通過共建模式獲取的自有算力資源逐年增加，減少了對外采算力資源的依賴所致。公司主要算力云服務提供模式為共建模式，2022年共建模式服務能力按CPU核時占比為91%。直接采購模式下，公司按照用戶潛在算力需求向外部算力資源供應商采購算力資源。共建集群模式下，公司租賃IDC機柜，自行購買交換機、服務器等設備在IDC構建集群，充分利用公司在超算中心運營方面的優勢，通過不同分區、不同規格資源的調度和運營策略充分滿足客戶的各項需求，構建自有算力資源池。超算集群相關設備所有權歸屬于公司所有，IDC服務商僅提供機柜及相關運維服務，保證超算集群運行物理環境穩定。公司逐步加大了對專用設備的采購以豐富共建模式下自有算力資源池，至2021年，公司以共建模式提供的超算云服務收入占總體超算云服務收入的比例已超過70%。共建模式的主要成本為固定資產折舊、IDC租賃費等，與外購模式按實際消耗外部算力結轉算力成本相比，具有較為平穩的特點，由于公司超算云服務具有一定季節性，第四季度普遍實現收入較多，2020-2022年第四季度占超算云服務全年收入的比例分別為37.56%、35.96%和31.89%，從而共建模式下毛利率偏高，進而影響整體毛利率亦呈現該趨勢。公司2022年以來大力開展共建模式優化自有算力資源池，目前內實現了由外采算力模式向共建模式的過渡，以并行通用超算云為例，2020-2022年共建模式下形成的收入分別為4437.80萬元、10158.77萬元和13166.95萬元，占比分別為51.62%、78.53%和81.27%，隨著共建模式的逐步成型，公司超算云業務綜合毛利率及細分業務并行通用超算云和并行行業云毛利率均受一定影響，并行AI云由于涉及共建模式較少，因此基本不受共建模式影響。3、看點三：第三方超算服務份額第一，異構超算、算網等趨勢帶動增量3.1、空間：2022年超算云市場規模達33.2億元，CAGR為52.4%3.1.1、尖端超算面向國家項目，業務超算、通用超算需求持續增長超算云服務根據核心需求與經濟性要求主要可以分為三類，包括尖端超算、通用超算和業務超算。在超算云未來增長中，業務超算與人工智能超算將帶來主要增長。1）人工智能超算逐步興起，指大數據學習、人工智能算法模擬與優化、多類型數據分析與編解碼場景下運用的超算服務。在人工智能的深度學習框架中，有著眾多圖像、神經網絡、NLP、富媒體識別等復雜運算場景，相比傳統的CPU，GPU能夠提供更有效率的超算解決方案。2）業務超算主要應用于企業業務的可靠性優化和成本優化，應用場景主要包括芯片仿真、汽車機械、金融經濟、多媒體渲染等。業務超算用戶出于商業盈利的考慮，通常對超算服務的經濟性及投入產出比的要求較高，其中超算云服務憑借更加靈活的機制，對業務超算用戶存在較大的吸引力。隨著超算服務的滲透率不斷提高，其客戶類型愈發豐富。隨著超算服務市場的不斷下沉，下游客戶對超算服務的性價比追求以及可用性要求不斷提高，對廠商的算力調度以及超算SaaS的可用性提出了新的要求。據沙利文數據，2021年超算服務市場規模約為196.6億元，并預計在2025年達到466億元，2021年-2025年CAGR為24.1%。其中，增長主要由業務超算與人工智能超算帶動。2021年業務超算市場規模為85.6億元，并預計在2025年達到233.2億元，2021年-2025年CAGR為28.5%；2022年人工智能超算市場規模為38.3億元，并預計在2025年達到121.1億元，2021年-2025年CAGR為33.3%。中國超算云服務市場目前仍然處于早期階段，2021年中國超算云服務市場規模為20.7億元，預計2025年將達到111.9億元，2021年-2025年復合增長率達到52.5%，為中國整體超算服務的商業化和市場拓展提供較大動能。其中，業務超算云服務與人工智能超算云的增長將引領超算云服務的增長。2021年中國超算云服務市場滲透率僅為10.5%。縱觀中國超算服務的整體行業發展，尖端超算主要由國家主導并投資建設，為攻克各項行業技術難關提供性能極高的超算服務；超算云服務市場的核心下游場景則需要兼顧服務質量和服務性價比的雙重要求。3.1.2、超算異構架構發展促進超算云通用性與適用性，DPU推動云服務發展加速超算異構架構發展促進超算云通用性與適用性超算系統可以分為軟件系統和硬件系統兩部分。超級計算機硬件系統主要由高速運算系統、高速互連通信網絡系統、存儲系統(I/O管理結點和I/O存儲結點)、維護監控系統、電源系統、冷卻系統和結構組裝設計等部分組成。超級計算機的發展從串行到并行，從同構到異構，未來會發展到超異構。第一階段，串行計算。單核CPU和ASIC等都屬于串行計算。第二階段，同構并行計算。CPU多核并行和GPU數以千計眾核并行均屬于同構并行計算。第三階段，異構并行計算。CPU+GPU、CPU+FPGA、CPU+DSA以及SOC都屬于異構并行計算。隨著未來走向第四階段，超異構并行架構將把眾多的CPU+xPU“有機”集成起來，形成超異構。歷史上，超級計算機的計算節點只有CPU，后來研究人員發現GPU在計算加速上有天然優勢，于是開始將GPU加入到超級計算機上，“CPU+GPU”和“CPU+協處理器”的組合被稱為異構計算。隨著各類芯片技術的成熟，未來更多專用芯片也會被加入到超級計算機上。超算通過異構多態復合的計算架構，可以促使傳統架構中的資源、數據、應用孤島走向融合。即構建一個統一的異構融合體系，通過統一的業務調度平臺，調度CPU、GPU及其他的專用算力；同時，通過統一的應用平臺，來管理豐富的超算應用；通過統一的數據基座，來承載數據資產，打破數據孤島，實現“底座不動、數據不遷”，優化TCO投入，提升投資回報。系統越來越復雜，需要選擇越來越靈活的處理器；而性能挑戰越來越大，廠商需要選擇定制加速的處理器。這產生了一大矛盾：單一處理器無法兼顧性能和靈活性。CPU靈活性很好，在符合性能要求的情況下，在云計算、邊緣計算等復雜計算場景，CPU是最優的處理器。但受限于CPU的性能瓶頸，以及對算力需求的持續不斷上升，CPU逐漸成為了非主流的算力芯片。CPU+xPU的異構計算，由于主要算力是由xPU完成，因此，xPU的性能/靈活性特征，決定了整個異構計算的性能、靈活性特征：（1）CPU+GPU的異構計算。雖然在足夠靈活的基礎上，能夠滿足（相對CPU的）數量級的性能提升，但算力效率仍然無法極致。（2）CPU+DSA的異構計算。由于DSA的靈活性較低，因此不適合應用層加速。典型案例是AI，目前主要是由基于CPU+GPU完成訓練和部分推理，DSA架構的AI芯片目前還沒有大范圍落地。HPC芯片效能提高為超算云增長提供基礎基于云計算的HPC芯片將快速增長。尤其是在低端高性能計算市場，部分內部部署HPC支出轉移到云計算領域。云計算的增長速度為內部部署速度的三倍。云服務HPC預計在2026年占去HPC市場規模的22%。除了傳統的作為HPC芯