云计算科技生态变革深度研究

云计算正进入算力时代

供给端：数据存量增长与计算成本下降推动算力需求增长

 信息技术快速发展与传统产业数据化转型带来大量数据存量。随着云计 算、大数据、物联网、人工智能等信息技术的快速发展和传统产业数字 化的转型，数据量呈现几何级增长，据IDC预测，全球数据总量预计2020 年达到 47 个 ZB，2025 年达到 163 个 ZB，其中预计 2020 年我国数据 量将达到 8060 个 EB，占全球数据总量的 18%。据智研咨询统计，2015 年全球物联网连接数约 60 亿个，预计 2025 年全球物联网连接数将增长 至 270 亿个，物联网设备数量将达到 1000 亿台。连接数的急速增长， 一方面意味着海量数据的产生，另一方面，连接设备往往还需要进行智 能计算，即产生相应的算力需求。

 数据是 AI 学习的基础，算力是必备条件，计算成本下降推动算力需求 增长。人工智能是指通过计算机来模拟人 的某些思维过程和智能行为（如学习、推理、思考、规划等），主要应用 在训练(training)和推理(inference)两个环节。训练需要通过大量的样本 数据训练建立输入输出的映射关系，以此进行推理。在 2010 年后，人 工智能在计算机视觉、语音识别领域取得重大突破，开始步入人工智能 爆发期。据 Tractica 的预测，2025 年人工智能市场规模将达 368 亿美 元。$/GFLOPS 可以衡量计算成本（1GFLOPS=109FLOPS， FLPOS=Floating Point Operations Per Second，每秒十亿次浮点运算 价格），根据 Wikipedia 的数据，$/GFLOPS 的 CAGR 约-37%，2017 年 6 月 AMD Ryzen 结合 AMD VEGA Frontier Edition 将$/GFLOPS 降 至 0.06 美元。海量数据为 AI 训练提供的基础，算力是 AI 推理的必备条 件，快速下降的计算成本为人工智能时代的爆发提供了技术基础，推动 下游应用推广，促使算力需求增长。

算力，即为计算能力。算力于我们而言，并不陌生，小至 PC 电脑， 大至超级计算机，算力其实一直存在我们的生活中，只是过去我们的日 常生活对算力的要求并不高，我们忽略了它。高算力的普及有两个必要 因素，一个是数据，数据是算力的基础，有了海量数据才可更好地进行 推理与学习，另一个是价格，唯有平常百姓负担得起高算力的价格，算 力才有望走进千家万户。

因此，从供给端看，云计算、大数据、物联网、人工智能等信息技 术的快速发展和传统产业的数字化转型，数据量呈现几何级增长，带来 了大量数据存量，同时，快速下降的计算成本也为算力普及做好了经济 铺垫，两者共同推动算力需求的增长。

需求端：业务发展大大提升算力需求

 PC 互联网—移动互联网—物联网的业务发展路径。随着人们需求的逐 渐增多，技术的逐步发展，ICT 行业各类业务接踵而出，遵循着 PC 互 联网—移动互联网—物联网的业务发展路径。在 PC 互联网时代，出现 了以 Yahoo 为代表的搜索引擎，以 QQ 为代表的在线社交软件，以阿里 巴巴为代表的电子商务，网络游戏亦进入大型网游时代；随着智能手机 的普及，3G/4G 网络技术的发展，逐渐由 PC 互联网发展至移动互联网， 在移动互联网时代，社交软件由 QQ 逐渐变成微信，游戏由网游逐渐变 成手游，还有新浪微博、滴滴打车、支付宝、美团团购、映客、抖音等 多种应用软件喷井而出，人们的生活在移动互联网时代更为快速便捷； 当下，我们正面临着一个新的转折点，5G 技术的发展，芯片计算能力 的提升，为万物互联做好了技术铺垫，在物联网时代，我们的生活将实 现智能驾驶、智能家居、智能安防、智慧医疗等等多种大转变。

 未来业务对数据中心的计算要求大幅提升。数据中心是为客户提供带宽、 存储、计算能力等需求的网络基础设施。对各个业务的三大需求进行分 析，我们发现，未来业务对于计算能力的要求正在大幅提升。从带宽的 角度看，搜索引擎仅需要 320kbps 的带宽，在线社交带宽需求约 2mbps， 电子商务带宽需求约 27mbps，而智能驾驶带宽需求约 20gbps，带宽要 求将提升上千倍。从存储的角度看，在线地图存储需求约 28M，在线社 交存储需求约 100M，网络游戏存储需求约 8G，而区块链存储需求将达 到 14G，存储要求翻倍增长；从计算能力的角度看，基因测序工作就是 要通过大规模的计算分析从海量的数据信息中辨识载有的基因及其序列， 最终获取遗传信息，算力要求极高，区块链方面，根据 BTC.com 的数 据，2018 年比特币全网算力将达到 23EB，相比 2010 年，提升超过 20 倍。我们可以看到，对于带宽、存储、计算能力三种需求，有些业务要 求高带宽低存储，比如智能驾驶，有些业务要求低带宽高存储，比如智 慧医疗，但是无论什么类型的业务，未来业务对于数据中心计算能力的 要求均显著提升。

从需求端看，ICT 行业遵循着 PC 互联网—移动互联网—物联网的业务发展路径，业务类型从传统的视频、社交、门户等逐步过渡到以 AI、 区块链、智能驾驶、医疗基因等业务类型，算力需求成为大化差异， 传统业务一般对存储和访问带宽需求要求较高，但对专业算力需求较低， 未来算力需求将成为重点。

算力的安迪-比尔定律

 算力能力的提升与应用能力的提升互为促进，驱动云计算进入算力时代。云计算、大数据、物联网、人工智能等信息技术的快速发展，存量数 据大量增长、算力成本大幅下降，推动了算力能力的提升，与此同时， 业务种类的增多，应用软件的爆发，算力需求大幅增长。算力能力的提 升为应用软件的发展提供了空间，应用能力的提升又对算力能力提出新 要求，算力能力与应用能力互为促进，促使云计算进入算力时代。

 算力的提升与普及，Flops 成本的下降，使相关应用具备了发展基础。 安迪-比尔定律是对 IT 产业中软件和硬件升级换代关系的概括。存量数 据大量增长、算力成本大幅下降，推动了算力能力的提升，与此同时，业务 种类的增多，应用软件的爆发，使得算力需求大幅增长。算力能力的提升为 应用软件的发展提供了空间，而应用能力的提升又对算力能力提出新要求， 算力能力与应用能力互为促进，促使云计算进入算力时代。

算力投资将成为云中心资本开支重点

云算力需求可分为云计算需求和超级计算机需求，其中云计算需求 可分为公有云需求、私有云需求与传统 IT 需求。

 云计算需求是指用户对信息技术方面的需求，具体包括公有云、私 有云以及传统 IT，随着业务发展，计算需求的提升，对 IT 的算力要 求也不断提高；

 超级计算机需求是能够执行一般个人电脑无法处理的大资料量与高 速运算的电脑，多用于国家高科技领域和尖端技术研究，是一个国 家科研实力的体现，它对国家安全，经济和社会发展具有举足轻重 的意义。

全球服务器市场量价齐升，云厂商资本开支加速

 服务器出货量与收入是云计算的先验数据，全球服务器市场量价齐升。云计算领域的先验性指标，可以通过分析服务器市场数据发现 和预判云计算市场趋势。据 IDC 全球服务器季度追踪报告显示，2017 年全球服务器出货量达 1018 万台，同比增长 6.6%，全球服务器收入达 668.9 亿美元，同比增长 13.7%，全球服务器市场的高度景气，收入增 速均超过出货量增速，服务器平均单价在提升，高价值（人工智能）服 务器正在逐步出货。

 服务器下游市场主要是公有云厂商，政务需求占比第二。由于公有云业 务发展快，对中低端用户需求有明显的替代作用，故对服务器市场结构 产生了影响——由互联网运营商集中采购代替了中小企业低端用户的分 散采购。根据 IDC 数据显示，服务器出货至大型云厂商（超过 1000 个 服务器）占比高，达 50%，政务需求次之，占比约 20%。

 云厂商资本开支加速，巨头持续加码。数据存量的增长与业务需求的扩 张促使云厂商加速投资，扩大云计算规模以争抢更多的市场份额。

服务器出货量与收入是云计算的先验数据。因为在云平台建设前期 需要投入服务器等基础设施，所以可以通过分析服务器市场数据发现和 预判云计算市场趋势。根据 IDC 数据，我们发现全球服务器市场呈现高 景气，量价齐升，下游市场主要是公有云厂商。同时，通过分析大型公 有云厂商资本开支情况，我们发现公有云厂商加速算力投资趋势明显。

高性能计算场景普及，云巨头争先布局超算云

 高性能计算场景普及，走进寻常百姓家。高性能计算（High Performance Computing，简称 HPC）多被用于气象、天文、航空、能源等领域的科 学研究中。在云计算大规模推广之前，高性能计算只有国家科研机构和 大型企业才有精力和财力去建设和使用，原因是其初期投资成本高、建 设周期慢。随着科技的进步，中小企业也有高性能计算的需求，但是苦 于各种资源限制，难以获得与需求匹配的计算能力。直到云计算兴起， 通过按需租用、弹性资源等优势能力，帮助用户能够以极低的价格，获 得媲美超级计算机的计算能力。

 云巨头先后布局超算云，抢占新市场。对企业而言，获取高性能计算能 力一般有三种形式：一是自建超算集群，二是租用超算中心的计算资源， 三是购买超算云服务。目前，包括亚马逊 AWS、IBM、阿里云、华为云、 腾讯云等多家云厂商已逐步推出各自的超算云服务。以腾讯超算云为例， 其提供了集合黑石物理服务器、云服务器（CVM）、存储、网络、批量 计算（Batch）、深度学习 DI-X 平台等优势产品的云端高性能计算解决方 案。用户可通过 HPC PaaS 平台按小时购买，也可按月、季、年租用专 属 HPC 集群，减少了集群的建设周期，也不用一次性巨额资金投入， 同时可以根据应用需求创建各种配置的 HPC 群集，比如减少 GPU 服 务器配比，增加 FPGA 服务器等，而且还能在技术革新后，即时使用到 换代机型，用户不用再受限于 HPC 资源，加快研发速度，节约研发成 本。

随着互联网、大数据、人工智能等新兴技术的兴起，企业中越来越 多的计算密集型场景。实际上，在云计算推广前，受制于长建设周期与 高成本，只有科研企业和大型企业才可使用高性能计算。直至云计算的 兴起，按需租用、弹性资源与极低价格使得高性能计算走进寻常百姓家。

各大云厂商也先后推出超算云服务，抢占新市场，高算力服务趋势明显。

2020 年全球公有云算力投资比例将超过 10%

 市场分类：与云算力需求分类一致，将市场分为两大类——云计算与超 级计算。其中，根据云计算需求的客户进行分类，可分为公有云、私有 云与传统 IT。

我们认为，过去超级计算中对算力的投资多，未来云计算的算力投 资将逐步增多，其中公有云算力投资比例增长快，传统 IT 次之。具 体假设比例见图表 27 与图表 28。

据我们测算，至 2020 年，全球云算力投资总规模约 62.32 亿美元。 其中，至 2020 年，云计算算力投资约 39.11 亿美元，超级计算算力 投资约 23.21 亿美元。云计算算力投资中，至 2020 年，公有云算力 投资约 18.33 亿美元，私有云算力投资约 8.01 亿美元，传统 IT 算力 投资约 12.77 亿美元。

2） 全球服务器销售收入：

随着移动互联网红利见顶，近年来服务器销售收入增速放缓，我们 预计 2018-2020 年全球服务器销售收入增速小于 10%。预计至 2020 年，全球服务器销售收入约 771.14 亿美元。其中，至 2020 年，云计算服务器销售收入约 706.14 亿美 元，超级计算服务器销售收入约 65 亿美元。云计算服务器销售中， 至 2020 年，面向公有云的服务器销售收入约 155.97 亿美元，面向 私有云服务器销售收入约 128.12 亿美元，传统 IT 服务器销售收入 约 422.05 亿美元。

……

云产业链将迎来算力时代新机会

移动红利见顶，算力时代由 0 到 1

 云算力投资是云计算领域需求的最新变量，呈现高速增长。云计算可提 供的服务分为存储和计算两大类，在过去的业务中，云计算大多提供存 储服务，随着下游业务类型的不断丰富，未来云厂商的计算服务将愈发 重要。根据我们的测算，至 2020 年全球算力投资总规模有望达到 62.32 亿美元，年复合增长率达 44%，呈现高速增长。同时，云计算算力投资 呈现结构性变化，公有云算力投资比例大幅提升，由 2014 年的 0.01% 提升至 2020 年的 11.75%，公有云厂商大幅增加算力投资，主要原因是 云厂商迎来算力时代，除提供传统的存储服务外，各云厂商逐渐配置其 计算服务能力，增加算力投资。

 云计算产业链已形成较完整的生态系统，上游芯片与下游应用成为算力 时代新空间。云计算产业链主要由上游芯片，中游服务器等设备供应商、 以及下游云平台提供商、应用开发商等组成。经过 10 年的发展，目前 已经形成了较为完整的生态系统，构建了从芯片到终端用户的全产业链 条。算力时代，上游芯片与下游应用开发商将带来新的市场空间。具体 而言，相比通用芯片，专用芯片可提供更加高效的运算能力，其中 ASIC 运算效率高，但通用性较差，GPU 运算效率相对较弱，但通用性好， 我们认为，未来具有较大细分领域需求的 ASIC 芯片有很强的发展前景。 此外，下游应用场景格局也在逐步清晰，智能驾驶与基因测序具有良好 的市场成长性，成为投资热点，技术也更加成熟，有望成为算力时代最 先普及的应用场景，同时受益于比特币的热度，区块链产业逐渐步入人 们视野，相应的技术正蓬勃发展。

从 Facebook、微信每月新增活跃用户数量上，我们可以看到移动 互联网红利已见顶，未来移动互联网发展增速将趋缓，而云算力投资是 云计算领域的最新变量，将不受云计算周期波动，从云算力投资规模上 看，云算力投资年复合增长率可达 44%，至 2020 年有望达到 62 亿美 元，同时，算力投资结构出现变化，公有云算力投资比例大幅提升，至 2020 年将超过 10%。算力时代由 0 至 1 产生增量需求，从产业链的角 度看，上游芯片与下游应用有望打开市场新空间。

加速器芯片打开市场新空间，应用场景广泛

（一） GPU：应用场景广泛，具有较完整的技术生态

GPU 一般指图形处理器（Graphics Processing Unit），用途是将计 算机系统所需要的显示信息进行转换驱动，并向显示器提供行扫描信号， 控制显示器的正确显示，是连接显示器和个人电脑主板的重要元件，也 是“人机对话”的重要设备之一。GPU 擅长大规模、独立的浮点和并行 计算，使显卡削减了对 CPU 的依赖，并实行部分原本 CPU 的工作。

 独立 GPU 呈寡头垄断市场格局，英伟达为行业龙头。GPU 分为集成 GPU和独立GPU，集成GPU是指是集成在CPU或芯片组内部的GPU， 没有独立的显存，共享系统内存作为显存，比如，英特尔的 GPU 基本 为集成显卡芯片，用于英特尔的主板和英特尔的 CPU，随着英特尔主板 及 CPU 而发售，集成 GPU 市场的主要生产厂商有英特尔、英伟达、AMD 等，据 EEFOCUS统计，2016年英特尔集成GPU市场份额达到68.1%； 独立 GPU 是以独立板卡形式存在，可在具备显卡接口的主板上自由插 拔的显卡，具备单独的显存，不占用系统内存，且在技术上于集成 显卡，能够提供更好的显示效果和运行性能，主要生产厂商有英伟达和 AMD，英特尔宣布将于 2020 年进军独立 GPU 市场。

空间大，全球 GPU 开发者数量已达 80 万人。GPU 计算定义了一种全新的超负荷定律。它始于高度专业化的并行处理器， 通过系统设计、系统软件、算法以及优化应用程序的方式持续发展。30 年来，CPU 性能的变化从未脱离摩尔定律，但是 CPU 性能的提升已经 放缓，而 GPU 正以每年 1.1 倍的速度蓬勃发展，如今，全球 GPU 开发 者数量已达 80 万人。随着人工智能的快速发展，应用场景不断拓展， GPU 最先引入深度学习，且具有较为完整的技术生态，开发者可以迅速 获取到深度学习加速算力，降低了深度学习模型从研发到训练加速的整 体开发周期，目前，英伟达保持着地位，随着包括谷歌、脸书、微 软、亚马逊以及百度在内的巨头相继加入决战，未来 GPU 市场发展空 间大。

 GPU 应用领域广泛。大致包括游戏、高性能计算、AI 与区块链等领域。

 在游戏领域，GPU 可凭借其专为图形加速而设计的架构和计算能力，提 供一种更加高效的渲染解决方案，当下诸多好莱坞制作水准的热门游戏 都采用了 GPU，将日常 PC 转变成强大的游戏机；

 在高性能计算领域，利用 GPU 让通用型计算拥有了 GPU 并行处理的能 力，助力超级计算机和云超算中心，使用 GPU 能够使得应用程序获得 超快的运算能力，成为天气预报、材料科学、风洞模拟和基因组学等的 核心；

 在 AI 领域，GPU 计算可以助力深度神经网络所需的运算，使其能够从 庞大的数据中学会识别各种图案，具体而言，在构建自动驾驶汽车时， GPU 服务器能够模拟环境以及汽车的各种传感器探测四周，同时处理模 拟监测数据，在医疗影像分析方面，GPU 提升图像处理速度，加速医疗 影像分析，在制造业方面，使用 GPU 可以构建与训练自主机器人，使 其具有感知、定位、导航和操作等功能，在物流业方面，GPU 的超快浮 点计算性能，能够支持无人机探索危险地带，以及让机器人每天投递数 百万的包裹；

 在区块链领域，使用 GPU 矿机可以提高算力，例如，以太坊、比特币 钻石等加密货币用的是图形算法，所以用显卡计算的速度会高。

（二） FPGA：技术密集型行业，美国垄断全球市场

FPGA（Field-Programmable Gate Array，即现场可编程门阵列）， 是指一切通过软件手段更改、配置器件内部连接结构和逻辑单元，完成 既定设计功能的数字集成电路。FPGA 可随意定制内部逻辑的阵列，并 且可以在用户现场进行即时编程，以修改内部的硬件逻辑，从而实现任 意逻辑功能，具有可编程灵活性高、开发周期短、并行计算效率高等优 点。未来，如果 FPGA 价格到低一定程度，将替代大多数的 ASIC 芯片。 但是，目前制约 FPGA 发展的三大因素主要有：成本、功耗和编程设计。

 技术密集型行业，美国垄断全球市场，国产 FPGA 在中国市场占有率仅 2%，中国基本依赖进口。FPGA 是一个技术密集型的行业，没有坚实的 技术功底，很难形成有竞争力的产品。全球曾经有 60 多家公司先后斥 资数十亿美元研发 FPGA，包括英特尔、IBM、德州仪器、摩托罗拉等 行业巨鳄，但是最终只有位于美国硅谷的四家公司拥有 FPGA 相关技术 ——Xilinx（赛灵思）、Altera（阿尔特拉）、Lattice（莱迪思）、Microsemi(美 高森美)，其中，Xilinx 始终保持着全球 FPGA 的霸主地位。近些年国内 陆续诞生了一些 FPGA 设计公司，且有蒸蒸日上的趋势，但在市场份额 及技术方面和国际巨头差距非常大，还远未达到挑战巨头的实力。 国产 FPGA 在中国市场的占有率仅 2%，中国基本依赖进口。

 Xilinx 与 Altera 占据近 90%全球市场份额，至 2020 年全球 FPGA 市 场规模达 84 亿美元。在 FPGA 领域，Xilinx 和 Altera 长期稳坐第一第 二的位置，两家公司共占有近 90%的市场份额，专利达 6000 多项，根 据 2017 年财报数据显示，Xilinx 和 Altera 分别占有 48%和 41%的市场 份额，剩余市场份额被 Lattice 占据多数。据 Gartner 数据显示，2014 年全球 FPGA 市场总规模达到 50 亿美元，其中中国市场份额有 15 亿美 元，中国市场占全球市场的三分之一，据 Gartner 预测，2015 年至 2020 年全球 FPGA 市场的年复合增长率为 9%，至 2020 年全球 FPGA 市场 规模将达到 84 亿美元。

 主要运用于军事领域，国内发展依靠自主可控，民用市场发展空间大。

（三）ASIC：开发周期长，量产成本低，对下游细分领域需求要求高

 量产成本低，2020 年全球 ASIC 市场规模有望达 46 亿美元。ASIC （Application SrIecific Intergrated Circuits)即专用集成电路，是指应特 定用户要求和特定电子系统的需要而设计、制造的集成电路。具有功耗 低、性能高、开发周期长、量产成本低的特点。根据 Frost & Suliivan 统计，2012 年全球 ASIC 市场规模仅 0.4 亿美元，至 2020 年，有望达 到 46 亿美元。

 开发周期长，大厂参与竞争。目前市场上主流 ASIC 有 TPU 芯片、NPU 芯片、VPU 芯片以及 BPU 芯片，它们分别是由 Google、寒武纪、Intel以及地平线设计生产。由于 ASIC 开发周期长，仅有大厂有资金与实力 进行研发。同时，ASIC 是全定制芯片，在某些特定场景下运行效率最 高，故某些场景下游市场空间足够大时，量产 ASIC 芯片可以实现丰厚 的利润，比如比特大陆，它的 ASIC 芯片是专为矿机挖矿所设计，在区 块链领域具有很强的应用性，据分析公司 Bernstein 的保守估计，2017 年比特大陆经营利润达 30-40 亿美元，这与美国半导体巨头英伟达去年 的经营利润 30 亿美元相当。

加速器芯片使算力时代的高算力需求得以实现，目前，发展较为成 熟的加速器芯片类型有 GPU、FPGA 与 ASIC。

GPU 方面，英伟达是龙头，它通过构建生态增加客户粘性，打造商 业闭环，未来具有很好的发展前景。此外，市占率达 30%的 AMD 也值 得关注，作为唯一同时具备 CPU 和 GPU 生产设计能力的厂商，AMD 选择了低端客户群进行覆盖，产品定位清晰。不仅如此，芯片巨头 Intel 也明确指出将于 2020 年进军 GPU 市场。可见，未来 GPU 的发展前景 广阔。

FPGA 方面，FPGA 芯片的特点在于可编程性，具有较好的灵活性。 因此，从技术上来看，FPGA 的技术壁垒高，多用于军事领域，目前 市场格局较稳定，CR2 的市场份额大于 90%，美国垄断了全球市场。国 内近年来陆续有公司从低端市场突破，实现了国产替代，如紫光同创、 复旦微电子、华微电子、中电科 58 所、航天 772 所所、京微雅格、高 云半导体、上海安路、西安智多晶、上海遨格芯等，国内厂商虽然积累 了一定的技术与产业基础，但仍未能进入主流市场。

ASIC 方面，ASIC 芯片的特点在于高效率、定制化。因为其定制程 度高，所以在特定场景下运行效率高。基于此，ASIC 对下游细分领 域需求有较高要求，因为只有下游市场空间足够大，才可分摊 ASIC 芯 片高昂的设计开发成本，量产 ASIC 芯片才能实现丰厚的利润。比如比 特大陆的矿机 ASIC 芯片，受益于 2017 年比特币的高热度，比特大陆收 入颇丰。国内方面，在 ASIC 芯片领域有较大的发展机会，比如寒武纪 的 NPU、地平线的 BPU、以及比特大陆的 BM1680 等，均有机会在技 术上实现弯道超车。

下游场景：出行智能化与基因测序有望最先实现规模化

（一）出行智能化：千亿市场规模，硬件成本下降加速量产落地

出行智能化是指用 AI 人工智能技术综合彻底替代人的双腿，可分为 步行、短距离出行和长距离出行，具体应用包括代步平衡车、服务机器 人和无人驾驶等。无人驾驶一直是市场上的热门话题，但离其完全实现 仍需要一定时日，在此之前步行、短距离出行同样是需要大量算力去模 拟、判断实时路况。

 2025 年无人驾驶领域可达千亿市场规模。据前瞻研究院统计，无人驾驶 汽车到 2025年可以催生出一个2000 亿至 1.9 万亿美元的市场。至 2035 年全球无人驾驶汽车销量将达到 1180 万辆，2025-2035 年间年复合增 长率为 48.35%，届时中国将占据全球市场 24%的份额。

 无人驾驶 VC 投资正在逐步增多，各领域技术蓬勃发展。无人驾驶汽车 的工作原理简单地讲就是以高精度地图为基础，辅以车载传感设备所收 集的到数据，通过具有深度学习能力的智能算法的识别、运算从而做出 相应决策，并控制车辆达到自行驾驶。从无人驾驶汽车工作原理可以看 出，无人驾驶技术集合了人工智能、环境识别以及车辆制动等多个科技 领域的技术成果，将为汽车、智能芯片、传感器以及地图导航等多个市 场带来全新的产业机遇。根据整理 2017 年无人驾驶领域公司的融资情 况，可见，从投资方来看，已有超过 70 家资本参与到自动驾驶的混战 中。其中，超过 75%为风投机构，剩下 25%左右的参与者是产业基金。 在产业基金中，主机厂、汽车零部件企业、科技公司、互联网公司和出 行企业分食整个市场。无人驾驶的产业进程呈现明显加速状态，竞争逐 渐趋于白热化。

 硬件成本大幅下降，加速无人驾驶量产落地。除了技术门槛需要攻克， 高昂的制造成本也是自动驾驶汽车量产的一大瓶颈。随着技术的不断演 进，硬件成本大幅下降，以激光雷达为例，激光雷达是传感器的一种， 它作为检测装置可以扫描一定范围内的环境，识别人行道和障碍物等， 帮助确定车身与障碍物距离，曾经一个激光雷达的价格高达 8 万美元， 近日 Velodyne 推出 16 线激光雷达，售价仅 8000 美元，价格大幅下降， 技术上，新加坡南洋理工大学的研究团队制造出一种固态激光雷达，成本只有 50 新加坡元（约合 36.7 美元），未来自动驾驶核心部件的成本可能将降低到现有成本的 1/200。制造成本的下降有望加速无人驾驶量产落地。

（二）基因测序：算力要求高，中游低技术壁垒与高市场成长性成为投资热点

基因测序是通过测序设备对脱氧核糖核酸(DNA)的碱基排列顺序进 行测定，从而解读 DNA 的遗传密码，为生命科学研究、临床诊断和治 疗等提供指导的过程。

 产业链上游壁垒高，中游增速最快。基因测序产业链主要由上游基因 测序设备制造厂商、中游测序服务机构及生物信息分析机构和下游医院、 制药企业、高校研究所等构成。从产业链整体上看，产业链上游的基因 测序仪及配套试剂是整个产业链壁垒高的部分，对技术与资金均要求 密集；中游是技术壁垒较低，且对资金投入要求较低，是目前基因测序 产业链中增速

文章题目：云计算科技生态变革深度研究
文章起源：https://www.cdcxhl.com/news/102318.html

成都网站建设公司_创新互联，为您提供网站设计、App设计、移动网站建设、软件开发、ChatGPT、定制开发

广告

声明：本网站发布的内容（图片、视频和文字）以用户投稿、用户转载内容为主，如果涉及侵权请尽快告知，我们将会在第一时间删除。文章观点不代表本网站立场，如需处理请联系客服。电话：028-86922220；邮箱：631063699@qq.com。内容未经允许不得转载，或转载时需注明来源： 创新互联