2024年算力行业专题研究报告：智算时代，国产算力链迎发展新机遇

一、产业端：算力形态迎改变，大模型带动智算需求激增

（一）算力时代，形态迎结构性转变

算力是衡量计算机系统处理数据能力的指标，根据不同计算形态可分为通用、智能和超 级算力。算力通常用来描述一个系统执行算法、处理信息、进行计算的速度和效率。根 据《智能算力产业发展白皮书》，由于不同应用场景下所需的计算精度不同，算力通常可 以分为：通用算力、智能算力和超级算力，对应的计算模式分别为：基础计算、智能计算 和超级计算。当前，得益于人工智能领域的迅猛进展和政府政策的有力支持，智能算力 的体量及其在总体算力中所占的比重正日益增加，计算需求正逐渐由传统的通用计算模 式转向更为先进的智能计算模式。 （1）通用算力：由 CPU 芯片驱动的服务器所提供的计算能力，不特定于某项专业计算 或应用，而是可以广泛应用于日常的数据处理和分析。通用算力适用于基础通用计算任 务，如云计算、边缘计算等，为移动计算、物联网等提供支持。 （2）智能算力：利用 GPU、FPGA、ASIC 等专为人工智能设计的处理器加速计算平台所 提供的算力，它主要用于 AI 模型的训练和推理过程。智能计算中心能够根据不同业务领 域对算力的具体需求，提供定制化的计算资源。在 AI 模型训练和推理中，处理文本、语 音、图像或视频等任务时，需要单精度、半精度乃至整数精度的智能计算能力。 （3）超级算力：由超级计算机和其它高性能计算(HPC)集群提供的算力，它用于执行科 学前沿领域的复杂计算任务，如行星模拟、药物分子结构设计、基因序列分析、宇宙物 理学、气象学研究、航空航天等，这些领域需要执行大量高精尖的双精度计算。此外，不 同的超级计算机可能采用不同的处理器、加速器和软件框架，这使得其商业化服务的进 入门槛较高。

AI 算力芯片是指专门为 AI 应用设计的处理器芯片，具备并行计算能力以及针对特定神 经网络计算的架构。AI 算力芯片具备高效的计算能力和针对深度学习、机器学习等 AI 任 务的加速性能，通常具有并行计算能力和针对特定神经网络计算的架构，广泛应用于语 音识别、图像处理、自然语言处理等 AI 场景。AI 算力强调使用专门为人工智能算法优 化的硬件加速器，如 GPU、TPU 等。与通用计算任务相比，人工智能算法训练往往需要 处理大量样本数据，单个训练任务的计算量常常以亿级及以上计算规模计量。

当前，主流 AI 算力芯片主要包括以 GPU 为代表的通用芯片、以 ASIC 定制化为代表的 专用芯片以及以 FPGA 为代表的半定制化芯片，其中 GPU 市场最为成熟且应用最广。

GPU（Graphics Processing Unit）：又称图像处理器（显示核心、视觉处理器、显示 芯片），是一种专门用于处理图形和图像计算任务的处理器。GPU 拥有大量的小型处 理核心，可同时处理多个任务，能够高效地执行并行计算。特别地，GPU 无法单独 工作，必须由 CPU 进行控制调用才能工作。 

ASIC（Application Specific Integrated Circuit）：是为专门目的而设计的定制化专用 集成电路，一旦制造完成将不能更改，所以初期成本高、开发周期长、使得进入门 槛高。ASIC 芯片的计算能力和计算效率都可以根据算法需要进行定制，所以 ASIC 与通用芯片相比，具有以下几个方面的优越性：体积小、功耗低、计算性能高、计算 效率高、芯片出货量越大成本越低。近年来涌现出的类似 TPU、NPU、VPU、BPU 等各种芯片，本质上都属于 ASIC。

FPGA（Field Programmable Gate Array）：又称可编程逻辑门阵列，实际上属于 ASIC 的一种特殊形式，是半定制电路芯片。其内部结构由大量的数字（或模拟）电路组 成，解决了定制电路的不足，又克服了原有可编程器件门电路数有限的缺点。相比 于 CPU 和 GPU 数据处理需先读取指令和完成指令译码，FPGA 不采用指令和软件， 是软硬件合一的器件。因而计算效率更高、功耗更低，且更接近 IO（指“输入输出”， 涉及到计算机与外部世界的交互）。

（二）产业信号积极，大模型带动智算需求激增

1、AI 大模型拉动智算需求大幅提升

我国 AI 大模型市场蓬勃发展。根据 IDC 数据，2023 年中国人工智能市场支出规模或为 147.5 亿美元，约占全球总规模 10%。长期看来，AI 技术的创新迭代驱动了应用场景的 进一步落地，以 AIGC、多模态、智能决策等为代表的热点为市场带来了更多想象力和可 能性。同时，“数字化”、“数智化”转型背景下，AI 大模型被政府、企业广泛关注并积极 推动，为我国 AI 市场规模的长期增长奠定了基础。IDC 预计，2026 年中国 AI 市场规模 为 264.4 亿美元，2021-2026 年 CAGR 将超 20%。从行业应用来看，在五年预测期内 AI 支出主要来自专业服务领域的行业用户、政府和金融行业，合计约占市场总量 50%以上。 增长速度来看，银行和地方政府增速最快，五年 CAGR 均超 23%。

AI 大模型具有训练和推理两个阶段。在训练阶段，模型参数和训练数据是大模型的训练 准备，AI 大模型的性能一般会随着模型参数和训练数据量的增加而增加，模型参数达到 一定数量会使 AI 大模型性能取得突破性进步，高质量、干净的数据集对 AI 大模型性能提升作用显著；预训练和微调是 AI 大模型的主要训练方式，充分且高难度的预训练能显 著提高 AI 大模型性能，Prompt、Fine-tune 是目前主要的微调工具。在推理阶段，AI 大 模型会使用前向传播算法、反向传播算法、梯度下降算法等算法生成输出结果，并在过 程中提高模型性能。AI 大模型的训练和推理阶段均具有大量算力需求，随着大模型参数 量的上升，市场算力需求快速提高。

AI 大模型参数激增，推动我国智能算力规模快速增长。当前 AI 技术正加快融入千行百 业，超大规模 AI 模型和海量数据对算力的需求也持续攀升。云游戏、元宇宙、VR/AR 等 新应用场景加速发展，大模型的训练和推理过程进一步带动算力需求爆发，同时也推动 算力需求由通用性 CPU 算力向高性能 GPU 算力发展。据 IDC，2022 年，我国智能算力 规模达 268 EFLOPS，预计 2026 年达 1271.4 EFLOPS，进入每秒十万亿亿次浮点计算 级别，2022-2026 年 CAGR 达 47.6%，远超通用算力增速。

我国智能算力市场份额显著增加，2025 年占比有望达 35%。据信通院数据，截至 2023 年 6 月，智能算力占据我国整体算力的 25.4%，智算规模同比增长 45%，智算增速比整 体算力的增速高 15 个百分点。随着人工智能技术的不断进步，特别是大型 AI 模型的快 速发展，智能算力的需求正在迅猛增长。预计在未来几年内，智能算力的市场份额将显 著增加，到 2025 年，其占比有望达到 35%。

2、AI 服务器，算力重要载体

AI 基础设施建设阶段，人工智能服务器为人工智能市场主力军。人工智能支出可分为硬 件、软件和服务三大部分。据 IDC 统计，现阶段中国市场倾向于首先投资硬件，预计中 国人工智能支出中硬件占比到 2026 年之前将一直保持 50%以上的份额；中国在 AI 硬件 支出份额方面，AI 服务器占最大份额，超过 80%。

人工智能服务器市场增速超过整体人工智能市场增长。据 IDC，2021 年全球/我国 AI 服 务器市场规模分别为 156.3/59.2 亿美元，在 ChatGPT 及相关应用加持下，AI 服务器市场 快速增长。2023 年，我国 AI 服务器市场规模为 91 亿美元，同比增长 82.5%；智能算力 规模或达到 414.1EFLOPS（每秒百亿亿次浮点运算），同比增长 59.3%。IDC 预计 2026 年 全球/我国 AI 服务器市场规模将达 347.1/123.4 亿美元，2021-2026 年 CAGR 为 17.3%/15.8%。

3、AI 芯片，算力供应核心

芯片是服务器的主要成本构成部分。从服务器成本拆分来看，芯片在基础型服务器中约 占总成本的 32%，在高性能或具有更强运算能力的服务器中，芯片相关成本占比可以高 达 50%到 83%。

芯片是算力供应的核心。AI 训练是在个人电脑或者服务器上，利用高性能处理器（如 GPU、 CPU、FPGA、NPU 等）完成模型训练过程。AI 芯片根据其在网络中的位置可以分为云 端 AI 芯片、边缘及终端 AI 芯片。其中，以 GPU 用量最大，据 IDC 数据，预计到 2025 年GPU 仍将占据AI芯片80%市场份额。随着算力中心的增加以及终端应用的逐步落地， 有望带动 AI 芯片需求持续上涨，据中商产业研究院数据，2023 年我国 AI 芯片市场规模 已达 1206 亿元，2024 年有望达到 1412 亿元，2019-2024 年 CAGR 达 64.84%。

2020-2024 年我国 GPU 年复合增速有望超 30%。作为通用型人工智能芯片，GPU 在并 行计算能力方面表现出色，特别适用于需要大量并行计算任务的场景。近年来，国内 GPU 市场正处于快速增长阶段。根据中商产业研究院数据，2023 年中国 GPU 市场规模为 807 亿元，同比增长 32.78%；预测 2024 年中国 GPU 市场规模将增至 1073 亿元，2020-2024 年 CAGR 达 32.8%。作为对照，根据智研咨询，全球人工智能 GPU 市场 2020-2024 年年 复合增速也达到了 30.73%。

按下游分，互联网占据超 5 成比重，安防/政府占据 3 成，2019/2024 年占比无大变化。 按厂商分，据 IDC 数据，2023 年浪潮、新华三、宁畅销售额位居前三，占据了 70%以 上的市场份额；浪潮、坤前、宁畅出货台数位居前三名，占有 50%以上的市场份额。

国内主要芯片国产化率，分类别来看，射频芯片、移动通信终端、模拟芯片、闪存、微 控制器、内存、可编辑逻辑器件的国产化率分别为 40%、24%、15%、5%、3%、1%、 1%。考虑到 GPU 芯片指令集复杂程度相对较低，国产化率预计在 10%左右。

二、政策端：智算上升为国家战略竞争点，中央及地方政府加大政策支持力度

（一）美国政府再升级高端芯片出口限制

美国限制层层加码，短期或影响高端芯片产业发展。近年来，针对芯片、先进计算等领 域，美国通过出口管制、实体清单，法案等方式出台了一系列限制措施，包括调整高性 能芯片受限参数、防止芯片厂商绕过限制等，芯片管制措施持续升级。

（二）国家政策支持，算力自主可控势在必行

普惠大众的智算是 AI 发展的基础资源，算力自主可控势在必行。据国家信息中心数据， 未来 80%的场景都将基于 AI，其中所占据的算力资源将主要由智算中心提供，普惠大众 的智算将要像水、电一样驱动科技发展。AI 是中美两国科技竞争的重要领域，在 AI 的 三大技术：数据、算法、算力中，中国的数据优势较为明显，但是算法和智能算力明显落 后。智能算力的稀缺和昂贵，已成为制约 AI 发展的核心因素。在全球算力竞争日益激烈 的背景下，部分国家或地区通过多种策略实现对算力中心发展的控制，我国算力自主可 控势在必行。

顶层设计，算力基础设施发展目标逐步推进。2023 年 10 月 8 日，工业和信息化部、中 央网信办、教育部、国家卫生健康委、中国人民银行、国务院国资委六部门联合印发《算 力基础设施高质量发展行动计划》，从计算力、运载力、存储力以及应用赋能四个方面提 出了到 2025 年发展量化指标，将全面推动我国算力基础设施高质量发展。

专题会议，奋力打造 AI 大模型产业集群。2 月 19 日，国务院国资委召开“AI 赋能产业 焕新”中央企业人工智能专题推进会，提出中央企业要主动拥抱人工智能带来的深刻变 革，将加快发展新一代人工智能摆在更加突出的位置，不断强化创新策略、应用示范和 人才集聚，打造人工智能产业集群。同时，借助需求规模大、产业配套全、应用场景多等 优势，抢抓人工智能赋能传统产业，加快构建数据驱动、人机协同、跨界融合、共创分享 的智能经济形态。会议再次提及了“AI+专项行动”，要加快构建一批产业多模态优质数 据集，打造从基础设施、算法工具、智能平台到解决方案的大模型赋能产业生态。 会议强调，中央企业要把发展人工智能放在全局工作中统筹规划，深入推进产业焕新， 加快布局和发展人工智能产业。继续夯实发展的基础和底座，将主要资源投入到最需要 的领域，加速建设一批智能算力中心，推动各个央企之间的协同创新。

（三）多地政府细化目标，智算中心建设如火如荼

鼓励适度超前建设，各地政府出台智能算力相关政策。2024 年 3 月，政府工作报告中提 出“适度超前建设数字基础设施，加快形成全国一体化算力体系”。地方政府层面，多个 省市已经响应国家政策，为更好推进算力基础设施建设，北京、河北、宁夏、成都等各省市陆续出台相关政策，科学规划发展方案，确保项目建设与地区经济发展情况相适应。

配合“东数西算”工程，智算中心建设如火如荼。2021 年，国家发改委等四部委联合发 布《全国一体化大数据中心协同创新体系算力枢纽实施方案》，启动实施“东数西算”工 程，构建国家算力网络体系，明确提出在 8 个地区布局全国算力网络国家枢纽节点。沿 着这一算力网络“地图”，各地智算中心正加速建设。2023-2024 年，北京、哈尔滨、成 都、广州、杭州、长春等多地持续发布智算中心相关招标公告，金额大多在亿元以上且 招标单位基本都有国资背景。

智算中心起步算力目标为 100P，布局逐步向中西部拓展。根据国家信息中心与相关部门 于 2023 年 1 月联合发布的《智能计算中心创新发展指南》相关数据，我国超过 30 个城 市正在建设或提出建设智算中心。根据国家信息中心大数据发展部与相关部门于 2024 年 7 月发布的《智能算力产业发展白皮书》，当前已建成的、在建中的和规划的中心数量已 超 40 家。一般智算中心的起步算力目标是 100P，整体布局以东部地区为主，并逐渐向中 西部地区拓展。

各地智算中心建设大多数采取“政府主导+企业承建”模式。政府结合业务需求与企业规 模等因素进行综合考量、选取合适的承建单位。智算中心主要分为“企业自建模式”与 “政府主导+企业承建”模式。智算中心具有高投入、对地方经济发展具有高影响等特点, 因此 30 多座城市的智算中心建设项目大多数由政府主导,并紧密配合“东数西算”等建设 指引的推进节奏,用于支持地方产业 AI 化、AI 产业化以及智能化治理。中科曙光、华为、 百度、商汤、腾讯、阿里、浪潮信息和寒武纪等众多厂商参与建设。

根据 IDC 圈不完全统计，截至 2023 年底，全国带有“智算中心”的项目有 128 个，其中 83 个项目有规模披露，超过 7.7 万 P；不同智算中心的规模差异较大，算力规模一般在 50P、100P、500P、1000P；也有规模高达 12000P 以上。 从项目规模来看，智算中心项目中 63%的项目算力规模小于等于 500P，17.7%的项目算 力规模为 500-1000P，总体呈现小规模、多层次的态势；同时也说明，智算中心处于发展 的探索期，大量企业纷纷进入市场。

2023 年我国算力中心建设规模和数量持续攀升。受益于新质算力基础设施发展机遇，我 国算力中心建设规模不断扩大。根据中国信息通信研究院发布的数据显示，过去三年我 国算力中心的机架数量年复合增速约 30%。截至 2023 年，我国算力中心的机架总规模已 超过 810 万架，算力总规模达到 230EFLOPS，在全球排名中稳居第二，我国在算力基础 设施建设上取得显著成果。

2024 年我国智算中心招投标项目呈逐月递增态势，单体金额规模大幅增长。根据数智前 线数据，2024 年 1-7 月，我国智算中心相关项目中标公告已发布超 140 个。智算中心相 关的招投标项目，呈现逐月递增态势。据不完全统计，至少有 24 个项目中标金额超 1 亿 元，单体金额规模大幅增长。

算力中心服务商积极开拓业务发展新局面。基于不断变化的市场需求，算力服务模式形 成以批发型算力中心服务为主，零售型算力中心服务为辅的格局。算力中心业务除基础 服务外，增值服务在算力中心业务中的比重逐年上升，涵盖了网络安全、数据应用、运 行维护等多个领域，逐渐成为算力中心服务商的核心竞争力。此外，数字化转型和云计 算的快速发展带动了云服务市场的潜力，服务商通过云计算增值服务、云服务和云平台 服务来把握新的市场机遇。

三、国产算力赛道持续高景气，重点关注核心公司

（一）华为：打造全栈自主 AI 基础软硬件

华为在“端、边、云”进行产品布局。昇腾计算提供面向“端、边、云”的全场景 AI 基 础设施。昇腾计算基于华为昇腾系列（HUAWEI Ascend）AI 处理器和基础软件构建 Atlas 人工智能计算解决方案，包括 Atlas 系列模块、板卡、小站、服务器、集群等丰富的产品 形态，打造面向“端、边、云”的全场景 AI 基础设施方案，覆盖深度学习领域推理和训 练全流程。

1、AI 集群

Atlas 900 PoD（型号：9000）

基于华为昇腾 910（32 颗）+鲲鹏 920（64 颗）处理器的 AI 训练集群基础单元，提供最 高 20.48 PFLOPS @FP16 超强 AI 算力。支持机柜单元扩展，最大可拓展至 4096 颗昇腾 910 芯片集群，总算力达 1 EFLOPS @FP16。

Atlas 900 AI 集群

Atlas 900 AI 集群由数千颗昇腾 910 AI 处理器构成，通过华为集群通信库和作业调度平 台，整合 HCCS、 PCIe 4.0 和 100G RoCE 三种高速接口，充分释放昇腾 910 的强大性 能。其总算力达到 256P～1024P FLOPS @FP16。

2、AI 服务器

华为 AI 服务器分为推理服务器和训练服务器：3000 系列和 9000 系列。训练侧，算力精 度要求较高，Atlas 800 训练服务器（型号：9010）基于 Intel 处理器+华为昇腾 910 芯片， 具有超强算力密度、高速网络带宽等特点，AI 算力可达 2.24 PFLOPS @FP16。

3、AI 处理器

华为 AI 处理器有昇腾 310 和昇腾 910 两款：910 支持全场景人工智能应用，昇腾 310 主 要用在边缘计算等低功耗的领域。与英伟达对比，昇腾 910 半精度算力（FP16）达 320TFLOPS，约为英伟达 V100 芯片算力的 2.5 倍，与英伟达 A100 算力（312 TFLOPS， 未采用稀疏技术）水平相当。

（二）海光信息：DCU 开放生态加速推广

海光信息率先实现自主研发和商业化应用。海光信息为我国芯片产业领军企业之一，长 期以来深入布局国产芯片，产品主要包括 CPU 和 DCU 两大类。

海光 DCU 适应国际主流商业计算软件和人工智能软件。与 CPU 相同，海光 DCU 按照 代际进行升级迭代，每代际产品细分为 8000 系列的各个型号。海光 8000 系列具有全精 度浮点数据和各种常见整型数据计算能力，能够充分挖掘应用的并行性，发挥其大规模 并行计算的能力，快速开发高能效的应用程序。 海光 DCU 具备强大的计算能力、高速并行数据处理能力、良好的软件生态环境三大技 术优势，达到国内领先水平。海光 DCU 已经实现了在人工智能、大数据处理、商业计算 等领域的规模化应用，可以用于大模型的训练和推理。公司与头部互联网厂商推出了联 合方案，打造了全国产软硬件一体全栈 AI 基础设施，形成了多个标杆案例。在 AIGC 持 续快速发展的时代背景下，海光 DCU 能够支持全精度模型训练，实现了 LLaMa、GPT、 Bloom、ChatGLM、悟道、紫东太初等为代表的大模型的全面应用，与国内包括文心一言、 通义千问等大模型全面适配，达到国内领先水平。

海光 DCU 已达到同类型高端产品水平。海光 DCU 以 GPGPU 架构为基础，采用“类 CUDA”通用并行计算架构，主要面向大数据处理、商业计算等计算密集型应用领域，以 及人工智能、泛人工智能类运算加速领域。目前，海光 DCU 系列产品深算二号已经发布 并实现商用，可实现在大数据处理、人工智能、商业计算等领域的商业化应用，具有全 精度浮点数据和各种常见整型数据计算能力，性能相对于深算一号实现了翻倍的增长， 深算三号研发顺利推进中。

海光信息营业收入稳定增长，归母净利润持续攀升。2019-2023 年，海光信息营业收入由 3.79 亿元增长至 60.12 亿元，其中得益国产化进程推进，带动海光信息营收高速增长。 2024 年上半年，公司实现营业收入 37.63 亿元，同比增加 44.08%。利润方面，2019-2023 年海光信息归母净利润由-0.83 亿元增长至 12.63 亿元。随着高端处理器产品的产业生态 持续扩展，涉及的行业应用以及新兴人工智能大模型产业逐步增加，2024 年上半年公司 归母净利润达 8.53 亿元，同比增加 25.97%。

（三）寒武纪：云边端一体协同发展

专注人工智能芯片研发，是中国 AI 芯片领域领军企业之一。中科寒武纪是人工智能芯片 领域知名的新兴公司。公司自 2016 年成立，并于 2020 年成功上市，专注于人工智能芯 片产品的研发与技术创新。公司提供全系列、多品类的智能芯片和处理器产品，服务领 域涵盖云端、边缘端以及终端设备，同时拥有能够进行人工智能推理和训练的智能芯片 产品线，为客户提供丰富的芯片产品与软件系统解决方案。此外，作为国内少数掌握先 进集成电路工艺（例如 7nm 技术）下复杂芯片设计经验的企业，公司在行业中占据重要 地位。

产品矩阵完善，提供云边端一体、软硬件协同的人工智能综合解决方案。硬件侧，公司 思元系列产品覆盖 AI 算力行业的计算集群、自动驾驶、边缘计算和 AIOT 设备全领域。 在云端产品方面，寒武纪推出思元 370 芯片、加速卡及训练整机，凭借支持多数据位宽， 超大容量和低功耗特点，为云服务商提供强大算力支持；在边缘端产品方面，寒武纪推 出了思元 220 边缘计算模组，有效处理本地数据，减少延迟，在物联网和智慧城市场景 中广受好评。软件侧，公司提供 IP 授权及软件生态配套研发。近年来，公司积极拥抱生 成式 AI 浪潮。2023 年，公司从底层硬件架构出发，针对自然语言处理、视频图像生成等 软件使用重点场景进行优化，提升产品在编程开发的灵活性、易用性、性能、能耗、面积 等方面的竞争力。

受益于人工智能软件行业蓬勃发展与人工智能芯片产业政策扶持，公司业务营收增长迅 猛。2018 年-2023 年，公司营业收入大幅增长，由 2018 年 1.17 亿元提升至 2023 年 7.09 亿元，CAGR 达 43.38%。受到“实体清单”制裁影响，供应链拖累营收。2023 年营业收 入较 2022 年略微下滑 2.70%；2024 年一季度，公司实现营业总收入 0.26 亿元，同比下 降 65.91%。 伴随着公司技术演进与新产品迭代，公司未来亏损幅度有望收窄。由于公司所处芯片行 业是一项高投入、长周期行业；同时，公司近年来保持高研发投入，支持各芯片产品及 基础软件生态平台研发迭代。自 2018 年起，公司尚未盈利。归母净利润持续亏损，资产 减值损失与信用减值损失较大。2023 年，公司归母净利润亏损 8.48 亿元，较去年同期亏 损收窄 4.08 亿元；2024 年一季度，归母净利润亏损 2.27 亿元，较去年同期亏损收窄 0.28 亿元。

智能计算集群系统是公司营业收入主要来源，占比持续增加。分产品看，公司主要包括 云端产品线，边缘产品线、IP 授权及软件和智能计算集群系统业务。2023 年，公司各产 品线业务营收分别为 0.91 亿元、0.11 亿元、23.38 万元和 6.05 亿元。其中，智能计算集 群系统产品是公司目前主要的销售模式。该系统集成公司自研的云端产品线产品，包含 智能芯片，加速卡及训练整机产品，聚焦人工智能技术在数据中心的各项应用。2023 年， 智能计算集群系统营业收入 6.05 亿元，占比约 85%，2019-2023 年营业收入 CAGR 达 19.53%。 智能计算集群系统毛利率增长稳健，云、边端产品线毛利率波动起伏。2023 年，公司云 端产品线、边缘产品线和智能计算集群系统业务毛利率分别为 60.63%、55.88%和 70.78%。 云端产品侧，2018-2021 年毛利率呈现下降趋势，2022-2023 年，毛利率水平受供应链环 境影响有所波动。边缘产品侧，毛利率先降后升。2020-2021 年，公司新推出 MLU220 芯 片，为抢占头部芯片市场，公司加大销售力度导致边缘产品线毛利率水平下降。智能计 算集群系统侧，下游需求增长与产能供给受限，产品毛利率稳步抬升。

（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）