日期: 2021 年 8 月 21 日

大数据几大主流技术—-HDFS操作原理

大数据:短时间快速产生大量多种多样有价值的信息。

当前谷歌三大论文:

  •  GFS   ——————–>HDDS分布式文件系统(分布式的存储)
  •  MapReduce————>分布式的处理
  •  BigData——————>HBase  (一种数据库)

解决数据量过大的问题:

1.垂直扩展

2.横向扩展(简单廉价的服务器或者pc端就可以)

Hadoop

Hadoop是由Apache基金会所开发的分布式系统基础架构,是一个能够对大量数据进行分布式处理的软件框架,具有高可靠性,高扩展性,高效性,高容错性,低成本的特点。

Hadoop 由许多元素构成。其*底部是 Hadoop Distributed File System(HDFS),它存储 Hadoop 集群中所有存储节点上的文件。HDFS(对于本文)的上一层是MapReduce 引擎,该引擎由 JobTrackers 和 TaskTrackers 组成。通过对Hadoop分布式计算平台*核心的分布式文件系统HDFS、MapReduce处理过程,以及数据仓库工具Hive和分布式数据库Hbase的介绍,基本涵盖了Hadoop分布式平台的所有技术核心。

YARN

Aache Hadoop YARN是一种新的Hadoop资源管理器,它是一个通用资源管理系统,课为上层应用提供统一的资源管理和调度,它的引入为集群再利用率,资源统一管理和数据共享等方面带来了巨大好处

Hive

hive是基于Hahoop的一个数据仓库工具,可以将结构化的数据文件映射为一张数据库表,并提供简单的sql查询功能,可以将sql语句转换为Mapreduce任务进行运行

HDFS

Hadoop分布式文件系统简称HDFS是运行在通用硬件上的分布式文件系统。是Apache Hadoop Core项目的一部门,它的主要目的是支持以流的形式访问写入的大型文件。它具有高容错性,可以部署在低廉的硬件上,并且提供高吞吐来访问应用程序的数据,适合超大数据集的应用程序。HDFS主从架构主要是有NameNode(主节点),DataNode(从节点),Client


NameNode(主节点)

NameNode是一个通常在HDFS实例中的单独机器上运行的软件,它负责管理文件系统名称空间和控制外部客户机的访问。

1.掌控并管理所有节点,管理元数据(描述数据)

2.接受client的请求

3.与DataNode进行通信

DataNode(从节点)

DataNode也是一个通常在HDF实例中的单独机器上运行的软件,通常以机架的形式组织,机架通过一个交换机将所有系统链接起来。

1.存储数据

2.想NameNode反应

3.响应client的操作

 

SPARK(计算引擎)

Apache Spark是专门大规模数据处理而设计的快熟通用的计算引擎,Spark是所开源的类Hadoop MapReduce的通用并行框架,是基于MapReduce算法实现的分布式计算。

Spark是一个通用引擎,可用它来完成各种各样的运算,包括SQL查询,文本处理,机器学习,而在Spark出现之前,需要借助各种引擎来分别处理这些需求。

Spark 提供了大量的库,包括Spark Core、Spark SQL(可以使用SQL处理)、Spark Streaming(流式处理)、MLlib(机器学习库)、GraphX。 开发者可以在同一个应用程序中无缝组合使用这些库。

 

文件的操作注意事项

以block块的形式将大文件进行相应的存储   (1.x    是64M   2.x/3.x     是128M 切割)

文件线性切割成快(block):偏移量offset (标记切割的位置 byte)

Block分散存储在集群节点中(存在DataNode中)

单一文件Block大小一致,文件与文件可以不一致

Block可以设置副本数,副本分散在不同节点中(副本数默认为三个)

副本数不要超过节点数量

文件上传可以设置Block大小和副本数(Block大小一经设置,不许改变)

只支持一次写入多次读取,同一时刻只有一个写入者(NameNode只许进行一个一个进行)

存储文件操作

1.client将文件进行切割 ,先将计算  文件大小/128M=block块数

2.向NameNode汇报

1)、块数

2)、文件大小

3)、文件权限

4)、文件的属主

5)、文件上传时间

3.client按照块的大小切割(默认128M)

4.client会向NameNode去申请资源

5.NameNode会返回一批负载不高的DataNode给client

6.client向DataNode里面发送block并且做好备份

7.DataNode存放block块之后会向NameNode汇报情况

读取文件的操作

1.NameNodei向client发送一个请求,client接受请求之后,向NameNode申请节点信息(blockid)

2.NameNode会向client发送一些节点信息

3.client获取节点信息之后DataNode拿取数据(就近原则)

 

备份机制

1. 集群内提交    在提交的节点上放置block(主节点所在服务器的从节点)

集群外提交    选择一个负载不高的节点进行存放

2.放置与*个备份不同机架的任意节点上

3.放置在第二个机架不同的节点上

%title插图%num

当存储文件的时候会用到———-pipeline管道

1.NameNode在返回给client一些DataNode的信息

2.client会和这些DataNode形成一个管道,并且将block切割成一个个ackpackage(64k)

3.DataNode会从管道中拿取相应的数据进行存储

4.当存储完成之后,DataNode会向NameNode经行汇报

大数据处理必备的十大工具!

大数据的日益增长,给企业管理大量的数据带来了挑战的同时也带来了一些机遇。下面是用于信息化管理的大数据工具列表:

1.ApacheHive

%title插图%num

Hive是一个建立在hadoop上的开源数据仓库基础设施,通过Hive可以很容易的进行数据的ETL,对数据进行结构化处理,并对Hadoop上大数据文件进行查询和处理等。Hive提供了一种简单的类似SQL的查询语言—HiveQL,这为熟悉SQL语言的用户查询数据提供了方便。

2JaspersoftBI套件

%title插图%num

Jaspersoft包是一个通过数据库列生成报表的开源软件。行业领导者发现Jaspersoft软件是一流的,许多企业已经使用它来将SQL表转化为pdf,,这使每个人都可以在会议上对其进行审议。另外,JasperReports提供了一个连接配置单元来替代HBase。

3.1010data

%title插图%num

1010data创立于2000年,是一个总部设在纽约的分析型云服务,旨在为华尔街的客户提供服务,甚至包括NYSEEuronext、游戏和电信的客户。它在设计上支持可伸缩性的大规模并行处理。它也有它自己的查询语言,支持SQL函数和广泛的查询类型,包括图和时间序列分析。这个私有云的方法减少了客户在基础设施管理和扩展方面的压力。

4.Actian

%title插图%num

Actian之前的名字叫做IngresCorp,它拥有超过一万客户而且正在扩增。它通过Vectorwise以及对ParAccel实现了扩展。这些发展分别导致了ActianVector和ActianMatrix的创建。它有Apache,Cloudera,Hortonworks以及其他发行版本可供选择。

5.PentahoBusinessAnalytics

%title插图%num

从某种意义上说,Pentaho与Jaspersoft相比起来,尽管Pentaho开始于报告生成引擎,但它目前通过简化新来源中获取信息的过程来支持大数据处理。Pentaho的工具可以连接到NoSQL数据库,例如MongoDB和Cassandra。PeterWayner指出,PentahoData(一个更有趣的图形编程界面工具)有很多内置模块,你可以把它们拖放到一个图片上,然后将它们连接起来。

6.KarmasphereStudioandAnalyst

%title插图%num

KarsmasphereStudio是一组构建在Eclipse上的插件,它是一个更易于创建和运行Hadoop任务的专用IDE。在配置一个Hadoop工作时,Karmasphere工具将引导您完成每个步骤并显示部分结果。当出现所有数据处于同一个Hadoop集群的情况时,KarmaspehereAnalyst旨在简化筛选的过程,。

7.Cloudera

%title插图%num

Cloudera正在努力为开源Hadoop,提供支持,同时将数据处理框架延伸到一个全面的“企业数据中心”范畴,这个数据中心可以作为首选目标和管理企业所有数据的中心点。Hadoop可以作为目标数据仓库,高效的数据平台,或现有数据仓库的ETL来源。企业规模可以用作集成Hadoop与传统数据仓库的基础。Cloudera致力于成为数据管理的“重心”。

8.HPVerticaAnalyticsPlatformVersion7

%title插图%num

HP提供了用于加载Hadoop软件发行版所需的参考硬件配置,因为它本身并没有自己的Hadoop版本。计算机行业领袖将其大数据平台架构命名为HAVEn(意为Hadoop,Autonomy,Vertica,EnterpriseSecurityand“n”applications)。惠普在Vertica7版本中增加了一个“FlexZone”,允许用户在定义数据库方案以及相关分析、报告之前探索大型数据集中的数据。这个版本通过使用HCatalog作为元数据存储,与Hadoop集成后为用户提供了一种探索HDFS数据表格视图的方法。

9.TalendOpenStudio

%title插图%num

Talend’s工具用于协助进行数据质量、数据集成和数据管理等方面工作。Talend是一个统一的平台,它通过提供一个统一的,跨企业边界生命周期管理的环境,使数据管理和应用更简单便捷。这种设计可以帮助企业构建灵活、高性能的企业架构,在次架构下,集成并启用百分之百开源服务的分布式应用程序变为可能。

10.ApacheSpark

%title插图%num

ApacheSpark是Hadoop开源生态系统的新成员。它提供了一个比Hive更快的查询引擎,因为它依赖于自己的数据处理框架而不是依靠Hadoop的HDFS服务。同时,它还用于事件流处理、实时查询和机器学习等方面。

5G将改变哪些产业的发展模式?

5G 

5G网络的诞生,代表了未来十年网络发展趋势。从5G技术发展的本质探究技术应用的未来。了解从信息化社会到智能化社会过渡的过程中,5G将*先惠及哪些行业,在未来十年哪些行业将拥有更多机会?

4月3日,“数据星河”系列沙龙,邀请了中国科学院计算机网络信息中心周旭,分享《5G网络发展及行业应用》。

%title插图%num

以下内容为本期“数据星河”系列沙龙嘉宾周旭分享部分实录内容:

5G为万物互联而生

信息化社会正在向智能化社会过渡和发展。如今,我们对智能化四大要素有了基本的概念,即:人工智能(A)、大数据(B)、云计算(C)、物联网(I)。支撑ABCI四大要素的底层技术是网络技术。在今天,当我们谈到网络技术时,离不开移动通信技术。

移动通信技术在社会信息化过程中扮演了非常重要的角色。中国移动通信技术从2G发展至5G,也展现了高速发展的技术水平。

移动和信息技术的快速发展正在推动互联网从消费级向产业级演进。在很多行业领域都应用了物联网终端设备,随着物联网终端设备的指数级增长以及海量数据的产生正在对移动网络设施提出更高的要求。

物联网设备未来会产生海量数据,产生巨大的移动数据处理需求,比如,交通、自动驾驶、航空、智能工厂等领域都将产生巨大的数据,处理数据需要巨大的网络能力支撑。

德勤预测,预计到2030年会有1000亿设备通过移动和无线连入到网络。未来的网络不仅要满足人的需求,还要满足各行各业的需求。

5G应运而生,5G为万物互联而生。以海量物联网链接、增强移动宽带、超可靠低时延三大特征,将成为未来大数据人工智能的基础性技术保障。

%title插图%num

5G技术将驱动超过12万亿元规模应用

我们所了解的5G究竟是什么?它是否是像2G、3G、4G这样的升级?5G不仅仅是4G的简单升级,而是通信技术上质的飞跃。5G究竟有多强?比如,1秒钟下载完一部高清电影;10分钟传输完一家大型医院中所有的X光片。

5G是一个大规模投入的过程,包括大规模天线与毫米波传输、云化核心网与接入网、免授权频段NR-U 5G等在内的关键技术均需要基础设施的支撑。

根据德勤预测,2020年-2035年期间全球5G产业链投资额预计将达到3.6万亿美元,其中中国约占30%,与此同时,由5G技术驱动的全球行业应用将超过12万亿元的销售额。

4G改变生活,5G改变社会

从2015年开始,4G用户开始爆发式增长。如今,或将迈入5G爆发式增长的新时代。如果说4G改变生活,那么5G改变社会。

因为5G在改变人们生活方式同时也在深刻改变社会生产方式。比如,5G可以更好地体验智慧生活:戴上VR眼镜可随时随地进入虚拟空间,将*大程度上提升观影、游戏、参与大型活动赛事等体验,有望成为*受惠的和*快应用的领域。

比如,5G远程操控颅脑手术,高清画面、实时数据传输,为未来医疗模式带来重大变革。比如,自动驾驶,一辆自动驾驶的汽车包含十多种传感器,每秒产生的数据在100MB左右,通过5G网络提高数据处理速度。在未来电力行业的自动检测、农业领域的无人机检测等都将带来*大的改变。不仅是生活方式的改变,也将彻底改变未来产业的发展模式。可以说,5G的应用场景正在从智慧生活和智慧城市,逐步扩展至智慧生产,社会生产方式将发生深刻变革。

数字经济核心科技深度报告:AI+5G是数字时代通用技术平台

核心层:数字经济发展的底层建筑

核心层的范畴及其经济含义

从宏观视角看,核心层是支撑数字经济发展的底层建筑。这个基座主要包括(1)体、 (2)信息技术(IT)、(3)通信技术、(4)智能硬件四个领域。在这一基座中,半导体 作为*本质的计算、存储硬件单元,发挥了砖瓦的作用,支撑数据处理功能的实现,生 产了更多可交互、有价值的数据信息。信息技术相当于基座的架构,通过软件手段赋能 核心层运转,决定了数据传递、价值创造的效率。通信技术是基座建筑中的连接管道, 在核心层中发挥信息传输载体的作用。智能硬件相当于核心层的“网络神经末梢”,通过 人机交互方式获取信息、展示信息,实现经济活动主体与核心层中数据信息的交互,或 是与其他硬件交互、收集新的数据。

%title插图%num

具体而言,核心层技术迭代是数据特殊属性的根基。正是在核心层技术的不断迭代中, 才在软硬件层面实现了信息的存储、计算、传输成本的指数型下降,从而降低了数字经 济活动中的搜索成本、复制成本、传输成本、追踪成本和验证成本。而数据作为数字经 济时代的生产要素,造就了数字经济非竞争性、规模经济、网络效应、范围经济等特殊 微观规律。

半导体是数字经济核心层发展的基石,“摩尔定律”推动产业长期迭代创新。过去 50 年,半导体在价格几乎不变的前提下,单位面积可容纳的元器件数目每隔约 18 个月便会增加一倍(摩尔定律),成为推动生产率提升的重要动力之一。全球半导体 市场主要包括半导体设计,晶圆代工、封测、设计软件(EDA)、设备、半导体材料 等环节。其中美国企业在设计软件、半导体设备等环节占据主导地位。未来,半导 体的发展,会推动(1)云端数据中心算力、(2)AI 算力、(3)5G 上层应用等市场 的快速增长。

信息技术代表数字经济核心层的架构,ABC(人工智能、区块链、云计算)推动社 会数字化转型。PC 时代下,计算机和互联网开始走近个人消费者,搜索引擎、门户 网站、电子商务等网站兴起,人类社会开始真正进入信息时代;而在移动互联网时 代,伴随着智能移动终端的普及,苹果 App Store、谷歌 Play Store 应用商店的快速 发展,使得移动支付、打车、订餐外卖、共享单车等服务的数字化成为可能。自 2015 年英伟达与亚马逊等公司提出“云+AI”概念后,下一代通用计算平台的变革正在发 生。根据 IDC,2019 年全球公有云市场达到 2,334 亿美元(同比增长 26%);根据 Gartner, 2019 年企业软件市场规模达到 4,770 亿美元。

通信技术是数字经济核心层的连接管道,4G 到 5G 改变社会。从 2G 到 5G,信息传 输阻力不断减小,手机通信的带宽 0.1MB/s 提升至*高 10G/s,时延从 500ms 降至 1ms;同时通信流量资费却不断下降。更加好用、便宜的通信技术,催生微信、手 游、移动电商、短视频等新应用,改变了我们生活的方方面面的同时,也不断推动 智能终端的升级换代。展望 5G 时代,高频段、高密度的基站能够处理大量接入信号, 网络的能源利用更加高效,支持海量智能终端的通信需求,我们预计有望实现万物 互联,推动社会变革;而物联网、车联网、卫星互联网等新型连接技术也有望更进 一步发展。根据 Gartner,2019 年全球用于通信服务的开支规模达到 13,720 亿美元;基础设施侧,全球无线网络基础设施市场规模约为 359 亿美元。主设备环节中,华 为、中兴、爱立信和诺基亚形成了四分天下的垄断竞争格局。

智能硬件是数字经济核心层的“神经末梢”,交互方式变革拓展数字技术应用边界。交互方式的升级是智能硬件迭代升级的主线。回顾历史,我们看到从键盘(按动)、 触摸屏(多点触摸)、AI 语音助手(语音),到 ARVR(光学)、脑机接口(神经电信 号),每一轮交互方式的升级均带来交互带宽和数据量的大幅提升,亦不断拓宽数字 技术的应用范围,连接量级正走向万物互联。从科技硬件的演进来看,每 10-15 年 出现一轮大的科技硬件创新周期,我们认为下一个 10 年的接入信号创新周期正在开 启,根据我们预测,2019 年全球智能硬件市场规模约为 8,355 亿美元,以 8%的 CAGR 增长至 2025 年的 13,126 亿美元;其中 AIoT 行业市场规模约为 1,578 亿美元,以 21% 的 CAGR 增长至 2025 年的 4,892 亿美元,超过智能手机。而从广义的 AIoT(AIoT+ 汽车电子)来看,2023 年市场规模就将超过智能手机,其中 TWS、智能手表、智能 音箱、ARVR、智能汽车等品类成长值得期待。

核心层的发展路径

过去三十年,科技行业的通用技术平台经历(1)从主机到个人电脑;(2)从个人电脑到 手机;(3)从手机到 AI 云计算的三次重大迭代。这几次变革中,通信技术从*初的专网, 升级为有线互联网、4G 和 5G;计算架构从*初的集中式,到 PC 和手机的分布计算,由 AI 云计算时代又回归到集中式计算。展望未来,基于分布式架构的区块链+物联网是否成 为云计算之后的通用技术平台受到广泛关注。

每次技术的变革都包括一批重要的科技企业的崛起。这包括主机时代的 IBM,PC 互联网 时代的微软和 Intel(Wintel 联盟),到移动互联网时代的苹果、ARM、谷歌,和 AI 云计 算时代的亚马逊、微软和英伟达。

%title插图%num

主机时代(集中式计算):上世纪 90 年代以前,伴随金融体系 IT 化进程,高可靠性、 高完整性、强一致性的集中式计算得以快速发展,以 IBM 为代表的企业推出的软硬 件一体的大型主机(Mainframe)成为算力的主流,受到金融等大企业的支持,但高 昂的价格限制了其普及。大型机*初是指装在非常大的带框的铁盒子里的大型计算机 系统;随着芯片的集成度越来越高,小型计算机的计算性能逐渐增强,大型机的市场 占有率面临严峻挑战。

PC 时代(分布式计算):上世纪末、本世纪初开始,伴随半导体成本的大幅下降,以 及个人互联网(有线网络为主)的出现,以微软和 Intel 为代表的个人电脑平台开始 普及。Wintel 联盟(Microsoft Windows + IntelCPU)出现,微软和 Intel 推行的软硬件 分离的商业模式成为主流,并逐渐取代了 IBM 在主机时代的主导地位。硬件层面,Intel 在摩尔定律下不断提升 CPU 算力,微软则相应对 Windows 系统快速升级换代。强强 联合推动 PC 行业不断迭代,PC 产品的发展日新月异。

移动互联网时代(分布式计算):2007 年 1 月苹果发布*代 iPhone,开启智能手机 与移动互联网时代。算力载体进一步从固定的电脑端向便携移动的手机端转移。苹果 推行的软硬件一体模式与谷歌推行的安卓操作系统+ARM 芯片的软硬件分离成为两 大主要模式。

人工智能+云计算时代(集中式计算):云计算*早由亚马逊在 2006 年推出,为企业 提供了一种按需索取、按量计费的计算和存储服务,帮助企业应对突发的需求变化, 降低 IT 支出。云计算平台能够汇聚大量数据,并为人工智能发展提供基础,随着技 术的发展,其优势受到重视,AI+Cloud 也逐渐成为通用计算平台。

下一个时代或是区块链+物联网(分布式计算):在人工智能+云计算时代,我们认为 一方面数据的价值不断凸显,已成为数字经济时代的“石油”;另一方面,数据越来 越集中于少数互联网巨头/云计算厂商手中,“数据孤岛”问题日益突出,数据的跨国 界流通也成为科技企业跨国合作的难题之一。我们认为,大数据立法是规范和促进数据使用的先决条件,而由区块链+物联网驱动的数据资产交易平台的建设,有望促进 数据流通、提高数据使用效率,充分发挥数据整合后的潜在价值。

核心层企业在全球经济中占比不断上升

核心层包括硬件、软件、信息和通讯技术等行业,其中硬件领域以半导体和电子制造行 业*为重要。从数字经济的角度理解,核心层是数字经济的重要基础环节。根据中国信数字,我国 2019 年包括互联网在内的数字产业化增加值规模达到 7.1 万亿元,占 GDP 比重达到 7.2%。数字经济核心层既是数字经济的重要组成部分,又是支撑上层平台经济 和行业应用的重要支柱。

过去 10 年,在 4G 移动互联网大发展的背景下,包括硬件制造、软件、信息服务在内的 核心层产业得到快速发展,信息技术行业在实体经济和资本市场的重要性不断彰显。以 美国为例,包含软硬件设备以及互联网企业的美国信息技术公司(相当于下图核心数字 部门和狭义数字经济)在全部美股的市值占比在过去 10 年上升了 15ppt 至 27%,同期能 源行业的总市值占比明显下降。中国市场表现出更为明显的“剪刀差”走势,在全部 A 股+港股+美国中概股市场中的信息技术类企业的市值占比,从 2010 年的 9%,增长 13.4ppt 至 2020 年 7 月的 22.4%;同期能源企业市值占比下滑 16.9ppt。

%title插图%num

%title插图%num

中美差距在哪里?

经过近一个世纪的全球产业转移,目前全球核心层领域的格局基本形成。1)美国在云计 算、互联网服务、软件、半导体等处于全球*地位;2)日韩以电子元器件、半导体为 主,其中日本偏向电子元器件,韩国侧重半导体;3)中国台湾以半导体代工及电子元器 件为主;4)中国大陆以通信设备、电子元器件、互联网服务等为主;5)随近年来产业 转移,越南、印度承接部分组装与零组件业务。

总体来看,经过 30 年发展,在 5G(通信技术)、AI 应用、硬件制造等科技领域中国具备 全球*优势;但半导体、软件等领域中国仍存在较大差距。以下分行业具体阐述。

过去十年,中国在零部件、通信设备、互联网服务能力提升明显。通过对全球四千余家 科技行业上市公司的整理分析,我们看到十年间,中国(含香港)在科技行业各个领域 的收入占比都有所提升,其中通信设备、电子元器件、互联网服务的提升显著,在云计 算、半导体、软件上也有所提升。目前美国在云计算、互联网服务、软件、半导体等环 节上,仍然在全球占据*地位,其中美国公司在半导体环节占据 40%以上的收入份额。

%title插图%num

中国半导体的差距在哪里?

半导体:从芯片产品来看,得益于科创板的设立及华为进口替代需求的带动,过去几年 国内芯片设计公司发展迅速,目前国产芯片设计公司已对主要中低阶产品实现了国产替 代。但是在一些专利/技术壁垒高、资本投入大、行业高度垄断的如处理器(CPU/GPU)、 存储器等领域份额仍然十分有限,高度依赖从美、韩、日等地进口。从产业链环节来看, 国内目前中芯国际与台积电仍有 3 代/约 6 年技术差距,而上游的半导体设备、设计软件 等环节美国企业目前处于垄断地位,国产厂商自给能力薄弱,成为美国制裁华为等中国 企业的主要抓手。

中国云计算落后美国 3-5 年

云计算:规模上,中国厂商(阿里云、腾讯云)公有云全球市场份额占比 9%左右,而美独占 85%左右;结构上,中国云市场 IaaS 占比较高,美国主导的全球云市场则以 SaaS 为主。此外,我们认为不足之处还在于中国云计算企业出海进度较慢,业务主要集中在 国内。

AI:应用*,但基础算法有待提高

AI 应用*,基础算法有待提高。在移动互联网,和安防产业的推动下,人工智能在中 国落地速度*美国,但在基础算法方面落后明显。今日头条/TikTok 在美国的成功,也 部分反映其 AI 推荐算法的优势。Tiktok 已经成为中国企业“出海头牌”,拥有 8 亿海外月 活用户。但是,各国在数据立法和数据伦理(欧洲 GDPR,中国网络安全法等)方面存在 较大差异,是阻碍中国技术形成向外输出的能力的原因之一。全球各地对数据监管的加 强,保护用户隐私、重建数据流通中的信任关系成为监管趋势。

通信:从追赶者到领头羊,实现全产业链*

通信技术(5G):中国在通信标准上经历了从全面落后到突破和反超,在 5G 发展中扮演 愈加重要的角色。通信基础设施建设角度,中国从落后快速赶超,在 4G 时代实现*, 人均移动基站数约达到美国的 5 倍。5G 时期,华为、中兴等企业和三大运营商强势参与 标准制定,在专利数上开始取得*,中国公司在 5G 专利申请数上*,占比达到 33%。但目前,5G 应用(车辆网、物联网等)落地速度较慢,整体生态链还需要进一步扶持。此外,我们认为美国 SpaceX 推进的卫星互联网可能成为颠覆 5G 优势的革命性技术。

电子制造业:中国占约 30%。短期很难替代

电子制造业:中国是全球*大电子制造业大国,贡献全球电子总出口额/进口额的 36%/29%。虽然组装等部分低附加价值环节出现向印度、越南迁移现象,但其中不少是 中国企业应客户要求的迁移,核心技术还在中国企业手里。未来应该大力发展工业互联 网、新材料、精密加工等核心技术,提高中国电子制造业的竞争力。

硬科技创新不足是中国*大的短板

回顾数字经济核心技术的发展历史,我们看到从个人电脑(微软)、智能手机(苹果)到 电动汽车(特斯拉)、AR/VR(Facebook)、商业火箭(SpaceX)等,数次变革几乎都是由 美国企业所主导,我们认为其背后原因包括美国企业全球化的商业模式来支持其高研发 投入,以及对知识产权良好的保护机制。展望未来,我们认为 5G、人工智能、云计算、 区块链、半导体等信息科学技术,与机器人、医疗、航天技术融合发展,催生 AR、无人 驾驶、商业航天等新产品和新业态是科技行业未来十年的发展主线。实现这些变革的核 心技术包括:火箭可回收、认知智能、量子计算、脑机接口、Micro OLED、光波导等。

%title插图%num

我们认为中国厂商在通信技术、机械技术、算法、电商渠道、精密制造等方面能力全面, 未来要在更多核心层领域提升话语权,还需进一步加强研发投入。全球头部的科技企业 研发投入规模和占收比普遍较高,研发是支撑公司形成长期竞争力的核心要素之一。但 我们观察到 2019 年全球科技企业中,FAAMG(Facebook、Amazon、Apple、Microsoft 和 Google)和 Intel 的研发投入均超过 100 亿美元,中国仅华为一家科技企业的研发投入达 到这一规模。中国的科技企业在研发投入占比及规模上仍有提升空间。

%title插图%num

半导体:数字经济发展的基石

半导体如何推动数字经济发展?

半导体沿着摩尔定律发展,成为推动全球算力增长与数字经济的重要动力。1965 年,Intel 联合创始人 Gordon Moore 预测,集成电路上可容纳的元器件数目每隔 12 个月便会增加 一倍,后来摩尔定律被修正为在价格几乎不变的前提下,集成电路上可容纳的元器件数 目每隔约 18 个月便会增加一倍,即单位成本(如 1000 美元)能够买到的算力,每隔约 18 个月可以翻一倍。根据 PCPartPicker 数据,2017 年英特尔的 G3930 处理器已将 1 GFLOPS (每秒 10 亿次的浮点运算数)的算力成本降至 3 美分,而 2007 年 1 GFLOPS 的算力成本 则高达 59 美元,1997 年 1 GFLOPS 的算力成本则达到 48,000 美元。我们看到,在摩尔定 律的指引下,单位算力的成本在过去几十年呈指数级下降,带动个人电脑、智能手机、 AIoT 等终端应用的成本下降与性能升级,更成为推动信息技术发展及全球劳动生产率提 升的关键要素之一。

%title插图%num

计算能力成为数字经济时代的新型生产力。随着社会经济的发展,人均算力随之水涨船 高,我们看到算力与人均 GDP 之间具有高度相关性。算力是数字经济发展的核心动力, 但即便是美国等高算力国家,仍处于智能社会的起步阶段。我们认为,在数字经济时代, 计算能力将成为一种新型生产力,作为推动 AI、物联网、云计算等行业发展的关键动力, 而以处理器为代表的半导体技术则是计算能力能够持续提升的关键所在,也是未来推动 数字经济发展的基石。

%title插图%num

存储器的迭代与容量提升将承载数字时代数据量的爆发式增长。近年来,随着 AI、大数 据、云计算等信息技术的发展及传统行业的数字化转型,以及 AIoT 带来的终端数量快速 上升,全球数据总量呈现几何式增长。根据 IDC 预测,2020 年全球数据总量将达到 44ZB, 其中中国数据量将达到 8060EB,占全球数据总量的 18%。存储器将为数字经济时代数据 容量的爆发式增长提供载体:一方面,随着 3D 结构的兴起以及制程技术的持续迭代,单 位存储颗粒的成本有望不断下降;另一方面,半导体存储器技术将持续迭代,新型存储 材料、架构等技术趋势将带动存储器向大容量、低功耗、高速读写、长保存周期的发展 方向持续演进,以满足不断高速增长的数据存储需求。

半导体行业框架:全球约 4000 亿美金市场,美国企业占据领导地位

行业具有强周期性,科技创新驱动行业成长。从半导体行业销售额及费城半导体指数的 变动趋势来看,全球半导体行业具备明显的周期属性。21 世纪以来,半导体行业总共经 历了三次大的上行周期:*次为 2002-2005 年,互联网泡沫破裂后行业迎来恢复性增 长,叠加 12 英寸晶圆厂扩产潮,行业呈现景气上行;第二次为 2010-2011 年,iPhone 引 领智能手机横空出世,带来半导体需求快速增长;第三次为 2016-2017 年,数据中心及 智能手机需求的快速增长带动存储颗粒需求快速提升。我们认为,下游科技领域创新带 来的增量需求是推动半导体行业进入上行周期的重要动力,根据 WSTS 数据,2019球半导体市场规模为 4,123 亿美元,比 2018 年下滑 12%,我们预计受新冠疫情冲击,短 期内全球半导体行业可能会再度进入下行周期;但长期来看,随着数字经济的兴起,AI、 5G、云计算等需求提升有望推动半导体进入下一个成长周期。

%title插图%num

设计+代工(“Fabless+Foundry”)模式大获成功,逐渐取代 IDM 模式。从产业链环节来 看,全球半导体产业链自上游至下游可分为芯片设计、晶圆代工及封装测试三个主要环 节,并涉及 EDA/IP、半导体设备、半导体材料等领域。从经营模式来看,目前半导体行 业主要采用两种商业模式:其一是以英特尔、三星、海力士等为代表的 IDM(垂直一体 化)模式,其二是以台积电等晶圆代工企业与高通、海思、联发科等设计公司为代表的 “Fablss+Foundry”模式。在行业发展初期,IDM 厂商几乎占据了整个半导体市场,但随 着“Fabless+Foundry”模式的出现与普及,行业的技术门槛与资本要求被大大降低,进 入 21 世纪以来,Fabless 与晶圆代工的行业增速整体超过了 IDM 的行业增速,推动高通、 海思、英伟达等设计公司跻身顶级半导体公司行业,代表着“Fabless+Foundry”模式大 获成功。

%title插图%num

全球前十大半导体企业变迁史:日本半导体公司衰落,美国设计公司崛起。纵观全球前 十大半导体企业的变迁历史,日本半导体在 1980 年代至 2000 年左右,一直保持世界领 先,主要得益于其在 DRAM 等产品上的技术优势。但由于 1)商业模式固守 IDM 模式;2) 对 CPU 投资不足;以及 3)在 DRAM 等传统强项上资本开支决策输给三星等因素,日本 半导体公司逐渐在与台积电和美国设计公司主导的“Fabless+Foundry”模式的竞争中落 于下风,根据 IC Insights 数据,2019 年全球前十大半导体公司中,日本企业仅剩东芝 (Toshiba)一家,而美国企业超过半数,高通、博通、英伟达等设计企业纷纷跻身前十。

全球变局下中国半导体的发展路径

美国主导全球半导体行业,中国产业链国产化取得长足进展。从市场竞争格局来看,美EDA 软件、半导体设备等领域竞争力突出。从芯片产品来看,根据 Gartner 数据, 美国在微处理器领域处于*对领导地位,2019 年市占率高达 98%,并在无线通讯芯片、 模拟、逻辑、MCU、存储器等多个领域具备较强竞争力。经过近年来的努力,中国半导 体企业在多个环节都取得了长足进步。

%title插图%num

从产业链环节来看,

EDA 软件:是一种在计算机的辅助下,用以完成集成电路的功能设计、综合、验证、 物理设计等流程的工具集群,在半导体产业链中,EDA 软件处于上游位置,是芯片 设计的“基石”。根据 ESD Alliance 数据,2019 年全球 EDA 市场规模达到 105 亿美元, 行业被 Synopsys、Cadence、Mentor 三家企业寡头垄断,合计市占率超过 60%。目 前华大九天、概伦电子等国产 EDA 软件厂商已在一些特定领域及部分工具上取得突 破,但在全流程解决方案的能力及与晶圆厂和 IP 公司的产业链配合等方面与海外厂 商存在较大差距,我们认为未来 EDA 软件厂商与代工厂的合作是缩短差距的重要手 段。

半导体设备:是用于半导体制造的设备,根据制造工序可分为光刻、刻蚀、沉积、 离子注入、清洗、过程控制等不同细分品类。根据 Gartner 数据,2019 年全球半导 体制造设备市场规模达到 555 亿美元,总体来看,美国设备厂商占据领导地位,2019 年市场份额达到 41%,AMAT、Lam Research 等企业在刻蚀、沉积、离子注入等关键 环节占据垄断地位。日本设备商市场份额仅次于美国,达到 29%,并在涂胶/显影、 清洗、热处理等领域份额*。目前北方华创、中微、屹唐等国产设备商已在刻蚀、热处理、清洗等领域实现了突破,但长期来看仍需加强区域合作,并在光刻、刻蚀、 沉积、离子注入等关键环节提升国产能力。

半导体材料:主要为半导体制造用的硅片与电子化学品为主,处于产业链的上游, 是半导体产业的重要支撑,根据 SEMI 数据,2019 年全球半导体材料市场规模 521 亿美元,其中晶圆制造材料市场规模为 328 亿美元。半导体材料市场细分品类较多, 各个子板块行业集中度较高,基本为日本、欧美、韩国等少数企业垄断,硅片、光 刻胶、电子特种气体、CMP 抛光垫等关键材料前五大企业市占率均超过 90%。目前 国产材料在靶材、CMP 抛光垫、湿电子化学品等细分品种实现了突破,沪硅产业、 中环等企业在硅片等关键材料环节取得一定进展,我们认为未来有望不断提升国产 化率。

晶圆代工:是一种专门为芯片设计公司提供委托晶圆制造服务,而不自行设计芯片 的运营模式。根据 IC Insights 数据,2019 年全球晶圆代工市场规模达到 576 亿美元, 目前市场呈现台积电寡头垄断的格局,全球市场份额达到 60%,特别是在 14nm 及 以下工艺节点几乎处于*对垄断地位。根据我们测算,2019 年国内晶圆代工厂的市 场份额达到 10%,自给率约为 25%,在先进制程上中芯国际实现了 14nm 的突破, 未来将进一步缩短与国际龙头的差距,在成熟制程上则将受益于半导体国产化机遇 实现快速增长。

封装测试:是指将功能、性能不符合要求的产品筛选出来,并对通过测试的晶圆进 行贴片等加工以保护芯片免受物理、化学损伤,是芯片制造的后道工序。根据 Yole 数据,2019 年全球 IC 封装市场规模为 564 亿美元,行业主要由中国台湾、中国大陆 及美国等企业主导,目前国产封测企业已基本实现进口替代,根据 TrendForce 数据, 2Q20 长电、通富、华天分别位居全球第 3/6/7 名,市占率合计为 26%。

%title插图%num

从芯片产品来看,

计算芯片(CPU、GPU):根据 Gartner 数据,2019 年全球 CPU 市场规模 532 亿美元, GPU 市场规模 74 亿美元,主要用于个人电脑、云计算数据中心等,目前市场基本被 Intel、AMD、英伟达三家美国企业垄断,掌握大量架构与技术专利。CPU 方面,目 前国产 x86 架构 CPU 主要通过建立合资公司来使用 x86 授权生产芯片,经过多年努 力已与国际先进水平差距缩短至 3 年左右,并积*搭建服务器用 ARM 架构 CPU 生 态;GPU 方面,目前国产消费级 GPU 产品仍较为空缺。

存储器(NAND/DRAM):根据 Gartner 数据,2019 年全球存储器市场规模达到 1,095 亿美元,是市值*大的半导体品类,目前市场主要为韩国厂商领导,美国 Micron、 Intel 等公司市占率达到 29%,2019 年来看国产存储器的份额仍然较为有限,但我们看到长江存储的 64 层 NAND、合肥长鑫的 DDR4 DRAM 均已于 3Q19 开始量产,长江 存储 128 层 NAND 也有所突破,未来随着国产厂商的产能进一步释放,我们预计存 储器的国产化率有望快速提升。

应用处理器(Application Processor):根据 Gartner 数据,2019 全球 AP 市场规模达 到 401 亿美元,主要应用场景为智能手机、平板电脑等消费电子 SoC,华为海思麒 麟 SoC 近年来有所发展,目前已经在性能表现上比肩高通、三星、苹果等国际一线 厂商,近年来市场份额也随华为手机的出货量增长快速提升。

微控制器(MCU):根据 Gartner 数据,2019 年全球 MCU 市场规模近 180 亿美元, 主要应用于消费电子、汽车、工控、医疗等领域,并在物联网有广泛应用,Microchip、 TI等美国厂商在 MCU有较强竞争力,市场份额达到 30%,但总体来讲市场较为分散, 近年来国内也涌现出兆易创新、中颖电子等优秀 MCU 厂商,并在物联网、工控等 领域获得较快发展,我们预计国产 MCU 的市占率有望进一步提升。

模拟芯片:根据 WSTS 数据,2019 年全球模拟芯片市场规模达到 542 亿美元,TI、 ADI 等美国厂商份额高达 60%,国产厂商的收入规模仍相对较小,但也涌现出矽力 杰、圣邦、思瑞浦等一批优秀的模拟芯片厂商,近年来收入增速远高于全球模拟行 业平均增速。目前国产模拟芯片在某些消费级电源管理芯片性能上已能够媲美 TI 等 国际厂商,但在高速、高精度数模转换器、车规级模拟 IC 等产品上仍与美国厂商有 所差距,同时在产品线广度上也落后于 TI 等厂商。

无线通讯芯片:主要包含射频前端器件、基带芯片、Wi-Fi 芯片等,美国企业同样处 于*地位,2019 年合计市场份额达到 65%。1)基带主要分为垂直整合和第三方 供应两种模式,主要第三方供应商是美国高通和中国台湾联发科,二者市占率分别 达到 36%/15%,大陆企业海思、展锐市场已经具有一定竞争实力,海思市占率与联 发科基本齐平;2)射频市场主要被美国(Skyworks/Qorvo/Broadcom)及日本(Murata) 企业垄断,但国产厂商已在射频开关、LNA、PA 等领域有所突破。

分立器件:包含二*管、晶体管等,主要为功率半导体,广泛应用于汽车、工控、 新能源等领域,全球市场规模达到 216 亿美元,美国厂商在功率分立器件上同样具 有较强竞争力,2019 年市场份额为 29%,中国厂商近年来竞争力也不断提升,其中 闻泰通过并购安世半导体切入标准品领域,大幅提升了国产厂商份额,此外华润微、 斯达等国产厂商近年来也在自研芯片上有所突破。

传感器:主要包括图像传感器(CMOS/CCD)、MEMS 传感器、指纹识别传感器、温 度传感器等,中国厂商在传感器领域布局较为*,在 CIS、指纹识别传感器等细分 领域处于*地位,其中韦尔股份在 CMOS 图像传感器中排名全球第三,汇顶在指 纹识别传感器处于领导地位,而歌尔等公司在 MEMS 传感器领域也具备一定竞争力。

%title插图%num

全球半导体价值链可能迎来巨大变化。根据 SIA 数据,美国 2019 年在半导体行业的市占 率为 47%,特别在设备、EDA 软件等环节,以及 CPU、GPU 等计算芯片上占据领导地位。我们认为全球化是支撑美国半导体保持全球技术*的基础,美国半导体企业通过服务 全球客户来扩大收入规模,以支撑其进行高昂的研发投入,从而保持技术领导力获取高 额利润,形成正向循环。根据 BCG 预测,在“维持现状”的假设下,未来 2-3 年内美国 半导体企业的市场份额将从 2018 年的 48%下滑至 40%,中国企业的份额将上升 4ppts 到 7%,韩国企业市占率上升 2ppts 到 26%,日本市占率上升 1ppts 到 17%。

%title插图%num

%title插图%num

信息技术:人工智能、区块链、云计算推动数字化转型

信息技术如何推动数字经济发展

数字经济的演进离不开前沿技术的发展迭代,ABC(AI 人工智能+Blockchain 区块链+Cloud 云计算)已成为社会数字化转型的重要科技手段。回顾过去,自 90 年代起计算平台经历 了主机、PC 互联网、移动互联网三个时代的变迁,我们看到大约每 10 年通用计算平台 就会出现一次变革,人们的生产生活方式也会随之产生变化。自 2015 年英伟达与亚马逊 等公司开始提出“云+AI”概念后,下一代通用计算平台的变革正在发生。

%title插图%num

金融交易数字化(主机时代)。大型机自诞生起,就主要为政府部门、金融机构、航 空公司等服务,尤其是促进金融交易数字化中的关键一环。例如,银行业的个人账 户管理、证券行业的无纸化交易等,直到今天都离不开大型机的稳定运行。

信息数字化(PC 时代)。PC 时代下,计算机和互联网开始走进个人消费者。随着搜 索引擎、门户网站、电子商务等网站兴起,新闻资讯、音乐、影视等内容逐渐数字 化,人类社会开始真正进入信息时代。

服务数字化(移动互联网时代)。伴随着智能移动终端的普及,苹果 App Store、谷 歌 Play Store 应用商店的快速发展,使得移动支付、打车、订餐外卖、共享单车等服 务的数字化成为可能。

企业数字化(云计算 AI 时代)。在云计算 AI 时代中,“云+AI”能够构建传输、存储、 计算、分析、自我学习、应用、再传输的闭环生态,实现终端与边缘计算的高效结 合,帮助企业加速数字化升级。

社会数字化(下一代通用计算平台)。物联网将实现万物互联,区块链驱动的数据资 产交易平台,则有望促进数据流通、提高数据使用效率、充分发挥数据价值。我们 认为,在区块链+物联网时代,有望实现真正的社会数字化。

人工智能(AI):AI 改变各行各业,后疫情时代 AI+医疗有望加速

2012 年,AlexNet 在 ImageNet 训练集上图像识别精度取得了重大突破,引发了深度学习 在机器视觉领域的热潮,直接开启了这一轮人工智能发展的新阶段。随着机器视觉技术 的进一步成熟,人、车、物的识别准确率不断提升,*先找到的落地场景是智慧城市。事实上,直到今日智慧城市仍然是人工智能*重要的落地场景之一。2016 年,语音助理 热度高涨,聊天机器人、智能音箱等已经可以做简单的人机对话。2018 年底以后,随着 BERT、XLNet 等自然语言处理(NLP)预训练模型的推出,NLP 的落地开始成为可能,智 能电商客服、文本自动审核等应用初步成熟。

疫情背景下 AI 在医疗、智能机器人、无人驾驶领域发展加速。2020 年在全球抗疫的大 背景下,我们看到,医疗影像辅助诊断、服务机器人、新药开发等 AI 在医疗场景的应用 未来有望加速。与此同时,随着健康码等联系人追踪应用的普及,以及国家明确数据成 为数字经济时代生产要素,如何规范和促进数据使用成为发展人工智能的重要课题。我 们认为,除了加速大数据立法以外,联邦学习、隐私计算等技术手段的普及也是加速后 疫情时代人工智能发展的重要一环。

%title插图%num

中国和美国在人工智能领域优势明显,美国体系比较齐全,从芯片到算法框架到算法到 应用都处于*地位,科技巨头推动人工智能多场景落地;中国互联网产业发达,积累 大量用户数据,部分算法(比如与汉语有关的语义识别等)*美国。展望未来,我们 认为中国有能力比美国发展的更快,因为中国拥有更多的数据、工程师红利、政府更大 力扶持、资本热捧。

从人工智能企业数量来看,美国的 AI 企业从 1991 年开始起步发展,随着技术的不断成 熟,从 2009 年开始高速增长,到 2013 年达到顶峰之后进入行业发展平稳期。中国的 AI 企业相较美国起步较晚,但发展速度很快,从 2011 年开始高速增长,到 2015 年达到顶 峰之后进入平稳期。从时间上看,中国 AI 企业发展阶段相较美国晚 2-3 年,但总体数量 已经可以和美国比肩。从融资额角度来看,CB Insights 数据显示,2017 年全球 AI 初创企 业总融资额达到 150.2 亿美元,同比上升 141%,增长速度很快。虽然中国 AI 企业融资额 在 2016 年还未占到全球的 15%,但在 2017 年已经超越美国,占到全球融资额的 48%。

%title插图%num

区块链(Blockchain):重塑金融基础设施,后疫情时代助力可信经济发展

加密货币:2009 年,比特币的出现使人们对区块链技术产生初步概念。随后,密资产市场,以太币、瑞波币、EOS 等各种加密资产不断涌现。稳定币在保留了加 密货币清结算流程简单、匿名性强等优点的同时,避免了比特币存在的价格相对法 币波动过大的问题,已经成为*重要的加密资产种类之一。但是加密货币的法律地 位目前尚未完全明确,如何解决反洗钱、反恐怖融资等监管和合规问题也一直是各 国监管机构的关注焦点。

Libra 和央行数字货币:Facebook 将稳定币技术与其庞大用户基础结合而推出的 Libra, 对各国的货币主权形成了挑战。Libra 进一步刺激了全球央行加速数字货币研究和商 业落地。目前逐渐形成 1)美国企业 Facebook 主导的 Libra,2)中国人民银行牵头 的 DC/EP,3)瑞典、法国等欧洲各国央行推动的数字货币等三强格局。

联盟链:近来,区块链技术已经不仅局限于加密资产行业,其在清结算、支付、电 子发票、供应链金融、贸易融资等金融场景,以及政务、供应链、医疗、司法、知 识产权等领域开始发挥积*的作用。例如,港交所利用区块链结算系统简化互联互 通下内地股票的北向交易流程;香港金管局和平安合作推出区块链贸易融资技术平 台“贸易联动”,增加贸易参与者之间的信任,降低风险,提高贸易流程中获得融资 的机会;腾讯推出的区块链电子发票拥有防篡改、交易溯源、多方可信协作等特性。

%title插图%num

%title插图%num

数字资产交易平台有望成为区块链下一个重要应用。数字经济的重要性在疫情期间 进一步凸显,我国经济的核心驱动力正在从房地产、能源等有形资源,向数据等无 形资源转变。2020 年 4 月,数据作为一种新型生产要素首次正式出现在我国官方文 件中。成立于 2014 年底的贵阳大数据交易所(Global Big Data Exchange,GBDEx), 是我国乃至全球*家大数据交易所,我们认为这是数据交易服务的重要尝试,有 望激活数据的价值。数字资产既包括数据资产,也包括实物资产所有权或使用权的 数字化凭证。通过区块链搭建数字资产交易平台,可以将资产权利转换为数字通证 在区块链网络上存储、交易,而分布式账本上交易记录不可篡改、可追溯的特性保 证了资产确权的可信度。除此之外,相比中心化的网络,采用区块链作为数字资产 交易平台的底层技术还具有以下两个优势:

通证化实现资产部分所有权,增加市场流动性。通证化使得大件实物资产的部 分所有权成为可能,降低了投资和交易的进入门槛,有助于增加市场流动性。

智能合约能够保障市场规则、提升结算速度。通过将业务逻辑引入智能合约, 能够根据特定条件的满足自动划转资产,实现各类合同的自动执行、自动清偿, 不仅保障了市场各参与方的利益,还提升了交易的结算速度。

区块链作为信息基础设施被列为“新基建”,蕴含 389 亿元潜在市场。区块链是一种不可 篡改的分布式记账技术,其核心技术包括分布式账本(DLT)、密码学、共识机制等 1。本 质上,区块链技术是具有去中心化、不可篡改、可追溯特征的数据存储方式,适合用于 解决跨利益主体之间的互信问题,因而成为支撑不同主体间交互、协作的重要信息基础 设施。在发改委的“新基建”定义中,区块链被列为与人工智能、云计算并列的“新技 术基础设施”,政府层面对区块链给予了高度重视,根据互链脉搏研究院(IPRI)统计数 据显示,截至目前,全国各省的区块链产业园区数量已经达到 35 家(含在建)。据人民 网 2报道,根据中商产业研究院和前瞻产业研究院数据,我国区块链产业规模 2025 年将 达 389 亿元人民币。我们看到,通过区块链实现数字资产的确权和流转,已经在贸易、 版权、医疗、积分等多个领域有项目落地。

云计算(Cloud):数字经济时代的重要基础设施之一

云计算将成为数字经济时代的重要基础设施之一。据信通院,5G 时代,网络将呈现三个 特点:大带宽、低时延与海量连接;同时据 IDC预测,至 2025年全球数据量预计达到 175ZB, 相比 2018 年增加 5.3 倍。据 Marry Meeker 的研究报告显示,自 2017 年起,全球传统数 据中心的市场份额开始下降,更多的份额开始转向云形态的数据中心。我们认为,网速、 连接数、数据量齐升的 5G 时代,对计算的需求量以及时效性都将有所提升。我们预计, 云计算本身的虚拟化、整合一体化、可靠性等特点将助力其在 5G 时代持续推动经济数 字转型,成为重要的基础建设和公共服务之一。

云计算的主要构成和市场规模展望:从基础设施到应用层面,云计算产业链包含了数通 半导体、服务器、交换机、光模块、IDC、IaaS、PaaS、SaaS 服务等核心环节。我们预计 2019-2025 年,各环节的国内市场规模 CAGR 都将达到 10-30%的水平。

%title插图%num

数通半导体:信息的计算、存储、交换都离不开底层半导体。数通市场的半导体主 要包括服务器中的 CPU、GPU、DRAM,交换机中的交换芯片以及光模块中的光电芯 片等。我们预计 2019-2029 年我国数据中心芯片市场规模有望增长 6 倍。

服务器:服务器是一种高性能计算机,在网络环境中为客户端计算机提供特定应用 服务,包括数据的存储、传输、处理和发布。服务器作为网络中的节点,存储、处 理超过 80%的数据和信息,相比于个人计算机,其计算能力、数据处理能力、稳定、 可靠、安全、可拓展、可管理性能均要求更高。我们预计 2019-2029 年我国服务器 市场规模有望增长 3 倍,BAT 等头部云厂商需求将引领成长。

网络设备:交换机和路由器是核心的网络设备。交换机是基于网卡硬件地址识别的 可以完成封装转发数据包功能的网络设备,功能是在给定区域内将数据发送到特定 的地址。路由器将不同网络或网段之间的数据信息进行“翻译”,在一个较大范围内 管理网络的传输。我们预计 2019-2029年我国网络设备市场 CAGR将达到 10%,政务、 教育等行业的数字化转型和互联网行业发展将带动网络设备需求延续。

光模块:光模块是光通信网络的重要组成部分,核心功能是实现光电转换。在光模 块发送端输入一定码率的电信号,经 TOSA 中的驱动芯片处理后,驱动激光器发射 出一定频率的调制光信号,通过光纤传输后到达另一光模块的接收端,由探测器转 换为电信号后,经跨阻放大器和限幅放大器后输出相应码率的电信号。我们预计光 模块市场规模增长表现波动,量升价跌或成中期趋势;在高速光模块迭代的带动下, 我国光模块市场有望不断萌生产业新机遇。

美国厂商占据主导地位,阿里云市占率跻身前三。从全球云计算市场份额来看,美国企 业占据了主导地位,根据 Gartner 的统计,亚马逊、微软与谷歌三家美国厂商分别在 2018 和 2019 年占据约 67%和 68%的市场份额;中国企业中,阿里云在 2018 和 2019 年的全球 云计算市场份额中稳定维持在前三的位置,分别为 8%和 9%,我们认为这表现出了公司 在云计算业务上紧跟世界趋势的态势。虽然中国云计算产业起步与美国相比较晚,在资 本支持上也存在着较为明显的差距,但我们预计随着代表厂商的持续投入和政策的积* 扶持,未来中国云计算产业整体将迎来向上发展的态势。

%title插图%num

新基建带动国内云计算市场发展,助力中国缩短在云计算上的差距。云计算是新基建政 策的重要覆盖领域之一。我们认为,国家将云计算纳入新基建的范围,不仅表现出对于 未来产业上云趋势的肯定,同时也体现出政府希望培育和拉动国内市场的决心;伴随着 新基建政策的逐步落地,我国云计算市场有望进一步加速扩容。我们认为,随着“新基 建”的建设逐步完备,我国基础设施将实现云、管、端的全面升级,其中云端作为新型 基础设施的“大脑”,将持续进行改造以适应终端应用需求。据信通院《云计算发展白皮 书(2019)》,截止 2019 年底,云计算已在政务云、金融云、交通云、能源云、电信云等 领域逐步开始应用。伴随着云计算在不同领域的逐渐铺开,我们预计未来我国公有云市 场结构或将发生变化,由原本以 IaaS 为主的云计算市场逐渐向 IaaS、PaaS、SaaS 多元化 结合的态势发展;同时随着 5G 通信技术的落地,网速、带宽的提升或将拉升云计算的 市场需求,带动云计算资本支出的上量,赋能云计算产业持续向好发展。

通信技术:4G 改变生活,5G 改变社会

通信技术如何推动数字经济发展

数字经济核心层的演进是以通信技术为代表的连接技术的升级。数字经济核心层的进化 首要任务是*简化数字的采集、传输、交换和应用,而其中又以数字的传输为瓶颈,数 据的传输能力直接影响了数字经济的前进步伐。所以不断迭代升级的通信技术聚焦于此, 从传输速率、容量、时延、安全性等多方面完善对底层数据的输送能力。

通信周期的持续演进,推动通信速率倍增,时延大幅下降。从 2G 到 5G,信息传输阻力 不断减小,理论*大下载速率从 0.1MB/s提升至 5G*高的 10G/s,时延从 500ms降至 1ms。有线网方面,根据工信部数据,2013 年我国 8M 以上速率的宽带接入用户占比仅有 22.6%;到了 2019 年底,100M 以上宽带用户的占比已经高达 85.2%。

%title插图%num

通信能力成倍提升的同时,流量资费却不断下降。得益于 2015 年以来“提速降费”的政 策主张,虽然 2013 年以来我国单月的总移动流量使用量快速增长,但单 GB 的流量费用 却得到了很好地控制,从 2013 年的 150 元/GB,至 2020 年 6 月已下降至不到 4 元/GB,7 年内资费下降了 97%。

%title插图%num

通信技术的进步和单位流量资费的下降,向上推动了传输终端的升级,向下为数据和应 用的创新提供了更广阔的空间。2018 年底我国月户均移动流量约为美国的 1.2 倍,2020年 5 月我国月户均移动流量已突破 10GB,人均安装 56 款 App。微信/QQ 代替了早前的 语音或短信,成为我国网上社交的*常用方式,微信的月活人数在 10 亿规模上下,户均 每日使用时长超过 1 小时。游戏市场上,手游市场规模在 2016 年*次超过 PC 端游戏, 目前是端游的 2.1 倍。随着运营商提速降费甚至推出数据无限量套餐,短视频使用量明 显提升,占据人们越来越多的屏幕点亮时间。移动支付市场规模不断提升,主要城市基 本可以实现无货币外出。数字经济进入人们生活的方方面面,这一切都离不开 4G 通信 技术带来的移动网络和智能终端的普及。

通信技术简介:从 2G,4G 到数据中心,物联网,车联网,卫星互联网

从 2G 时代到 5G 时代,连接技术升级使能更多产业应用

2G 时代,移动端通信方式主要是打电话、发短信,无线上网较为受限。3G 时代,无线 上网渗透率提升,数据通信成为手机的重要功能。随着智能手机普及,iOS、安卓操作系 统孕育出社交等移动互联网生态。然而,基站之间通信效率依然较低,视频播放等需要 高速信息传输的应用场景无法实现。4G 时代,语音和数据的传输网络统一,网络更加扁 平化,减少了转发次数。手机网络体验的改善使得智能手机终端覆盖率提升,移动互联 网快速普及。移动端支付、团购、视频直播、共享出行等应用在巨大的人口红利中迅速 崛起,各种消费场景被充分发掘。

然而,4G 时代网络拥塞现象依然存在,在一定区域内,网络能够支持的设备连接数可能 无法满足需求,造成网络瘫痪。5G 时代带宽提升,网络分层,高频段、高密度的基站能 够处理大量接入信号,网络的能源利用更加高效,支持海量智能终端的通信需求,实现 万物互联。同时,更高的可靠性和更低的时延能够支持关键性的实时通信,如自动驾驶、 实时控制等。

%title插图%num

多层次网络架构和无边界零摩擦的新型网络将支持全方位的通信需求,实现 IT 和 CT 融 合。建立多层次立体网络架构的核心是“地面高效率的无线蜂窝网络+光纤网络”,即 5G+ 光纤的双千兆接入能力,从传输速率、接入能力和网络时延层面增升网络通信的质量。同时,卫星互联网能够提供覆盖面更广的通信服务,与地面通信形成互补,丰富网络结 构,实现天地空一体化通信。对于通信基础设施落后地区来说,卫星互联网将有助于弥 合数字鸿沟。*后,新型互联网交换中心的建设将加强各层级网络间互联互通的能力, 降低网络绕转成本,提升网络效率。

5G 基站为新通信技术建设基础,未来 5 年预计将迎来建设高峰。由于 Massive MIMO 技支持,5G 基站的覆盖和 4G 基本一致,下行速率可达 4G 的 5 倍左右。因此我们预计, 如果考虑 5G 覆盖和 4G 覆盖相同,为了达到从 9GB/月(2019A)到 100GB/月(2030E) 的人均流量提升,则基站数量(或单基站容量)需要提升 2.2 倍。

根据此逻辑,中金预计,伴随新基建政策的逐步推行,2020-2022 年为 5G 建设发展期, 5G 基站新增数将在 2022 年达到顶峰,约 150 万站;2023-2028 年 5G 建设逐步放缓,新 增基站数年均 100 万站。5G 建设期内,5G 基站的建设总数约为 800 万站。

%title插图%num

我们认为,5G 建设或将引领行业变革,具体体现为:1)万物互联:类比 4G,5G 同样有 带动流量爆发的技术标准,5G 通过高带宽、低时延等特点有望实现人与物、物与物的连 接,真正进入万物互联网的时代;2)新硬件与应用:我们认为 5G 和 AI 的结合将带来各 类新型的应用,并通过 AIoT 硬件渗透进普通消费者甚至社会的方方面面;3)上云趋势 或被激发:5G 的发展或将改变传统存储和计算的模式,个人用户可以通过网络将数据传 输到云中,本地硬件可能将很大程度地被云端硬件取代。

%title插图%num

物联网产生的本质是寻找被忽视的数据和价值

基于人的连接已经在移动互联网时代得到了充分挖掘,用户层面的大数据也产生了一系 列应用。基于物的连接能够更好地切入使用场景,设备类型、环境、运行状态的数据能 够帮助企业和个人提升效率,创造更多价值。利用传感器数据和设备数据,我们可以对 运行环境、设备状态进行监控,对设备实现远程操控。结合 AI 和大数据,可以对系统做 出预测和预判,对外部事件做出响应。因此,物联网能够重新定义人和物、物与物之间 的关系,创新互动体验,在垂直行业中广泛产生价值。

伴随着网络基础设施的完善和数据处理能力的提升,物联网连接数快速增长,应用开发 不断推进。据工信部,截至 2019 年底,三大运营商物联网连接用户数已达到 12 亿,截 至 2020 年*季度,蜂窝物联网终端用户达到 10.8 亿户。工信部预计 2015 至 2020 年 中国的物联网行业规模年均复合增速将接近 20%,2020 年达到 1.8 万亿元。

%title插图%num

车联网为自动驾驶提供技术支撑,C-V2X 是技术路径

全路况的自动驾驶是汽车电子技术发展的终*目标。为了达到这个目标,智能化和网联 化成为汽车电子技术的两大发展维度。其中网联化则强调车联网概念,推动了汽车同环 境的信息交互,特别在 4G、4G V2X、5G、AI 技术的赋能下,信息的实时性和丰富性将大 大提升。

%title插图%num

汽车网联化同智能化不同的是,智能化强调单车智能,主要基于汽车本身做升级。而车 联网除了对汽车升级,还需要对交通体系基础设施升级,关乎整个社会的交通的效率。同时为了实现不同车厂汽车互联,还需要全国乃至全球的统一通信标准与技术,涉及通 信业、交通业、汽车制造业等多行业,需要政府、标准组织、从业公司等多方面共同推 动落地。汽车联网化的目标是实现 V2X,即汽车同万物的互联。

我们认为车联网是 5G 重要应用场景之一,也是解决目前自动驾驶面临技术瓶颈的重要 技术手段之一。C-V2X 有着不同的技术阶段,针对“X”的不同也有不同的商业模式。而 目前市场依然以普通蜂窝网 V2N 为主,正在向 4G C-V2X 升级,5G C-V2X 是长期趋势,可 能随着智能驾驶的落地同步到来。

%title插图%num

新基建推动我国加速卫星互联网建设

“卫星互联网”有助于完善“天-地立体通信网络”,是未来通信技术发展的方向之一。通信技术发展迅速,已经发展至第五代。但一直是在地面组网,没有实现立体的拓展。展望未来,我们认为,6G 技术或将使人类通信区域从平面拓展至空间,中低轨卫星星座 与地面网络深度融合,将在未来网络演进中不断成熟,形成天、空、地一体化网络。“5G+ 卫星联网=6G”是重要的发展方向。

我们认为卫星互联网的主要商业机会包括(1)卫星互联网+电动车,加速智能驾驶发展;(2)卫星互联网+传感器,加速能源、工业等行业物联网发展;(3)政府、海事、飞机 等企业专网的宽带数据升级。在各国低轨星座的推动下,据 Statista 预计,全球航天经济 规模到 2030 年将达到约 6,000 亿美元;其中,基于卫星互联网的卫星宽带市场将增至 460 亿美元、2020-2030 年之间增长 5 倍,衍生应用市场将增至 990 亿美元、2020-2030 年增 长约 100 倍,为全球商业航天及应用服务企业提供广阔发展空间。

%title插图%num

中国通信技术的发展机会

我们认为,未来 5G 通信技术的变革,除了使网络本身向广覆盖、低时延、大带宽发展外, 也将升级管基建(包括物联网、车联网、卫星互联网等)的整体建设,在此趋势下,我们持续看好 5G 基站、车联网路侧单元、充电桩、智慧杆、工业互联网的投资机会。我们 预计至 2029 年,全球 5G 网络覆盖人口将到达 40 亿人口(2019 年 5 千万人口),全球物 联网连接数达到 150 亿(2019 年 20 亿),我国人均流量达到 100GB/月(2019 年 9GB/月)。

%title插图%num

%title插图%num

中国在通信标准上经历了从全面落后到突破和反超,在 5G 发展中扮演愈加重要的角色。中国从 3G 开始取得突破,伴随着产业链的完善,在当下通信标准 制定上,中国越来越占据主动权。

%title插图%num

5G 时期,华为、中兴等企业和三大运营商强势参与标准制定,在专利数上开始取得*。据德国 IPlytics 公司发布的报告,截至 2020 年 1 月,中国公司在 5G 专利族申请数上*, 占比达到 33%。相较于 4G 专利,华为和中兴在申报数和占比上都有所提升。在 2020 年 7 月冻结的 R16 标准中,中国移动主导完成 15 项技术标准制定,包括高铁场景性能提升、 应对大气波导的远端站干扰消除等;中国电信提交技术提案 3000 余篇,主导完成 10 项 技术标准制定,包括非公共网络组网、移动性增强、5G 性能指标定义与增强等关键标准 领域;中国联通提交技术提案 1000 余篇,主导完成 6 项技术标准制定,包括 NR 2.1GHz 大带宽、从 5G 到 3G 的语音业务连续性、4G 和 5G 基站一致性架构演进等。尽管如此, 中国公司在核心的标准必要专利上仍有一定差距,尤其是高通掌握的 LDPC 编码取得了移 动宽带控制信道的长码和短码标准认定,奠定其在 5G 时代的重要地位。伴随着 2G 和 3G 网络的逐步退网,中国在通信领域将拥有更多技术自主权,推动产业链的发展和升级。

%title插图%num

从通信基础设施建设角度,中国从落后快速赶超,在 4G 时代实现*。中国基础设施 投资金额更高、覆盖率更广,人均移动基站数约达到美国的 5 倍。我国较为重视基站建,工信部于 2004 年组织电信运营商启动“村村通工程”,扩大资本支出,在基站建设的广度和深度上持续提升。相比于美国,我国基站建设成本更低。电信运营商对站点的 获取成本更低。同时,设备自主化、大规模设备生产和采购也有助于降低成本。虽然 3G 牌照发放晚于其他国家,我国在基站建设上实现了快速增长,充分保障移动网络的覆盖 率和稳定性。4G 牌照发放与世界形成同步,基站建设在原有基础上进一步扩大规模,移 动通信质量得到较好保证。5G 部署上,中国基站建设全面*,工信部预计 2020 年 5G 基站数将超过 60 万个,将占全球 5G 基站的一半以上,为行业落地奠定良好的基础。

%title插图%num

同时,中国在用户数、渗透率上均达到较高水平。宽带覆盖率 2015 年后提升较快,100M 网络成为主流,与美国差距迅速缩小。受益于移动终端的普及,移动用户渗透率在 4G 时 代迅速提升,目前基本与美国持平。根据 Speedtest Global Index 的排名,截至 2020 年 9 月 14 日,中国在宽带和移动网速上分别排名第 18 和第 3,网络质量居于前列。2015 年 以来,工信部持续推动提速降费,宽带、专线和流量资费的下调,对于消费者使用习惯 的改变以及移动互联网渗透率的提高有重要影响,低价格、高质量的电信服务推动了数 字经济的发展。

%title插图%num

应用层面上,应用生态日益丰富,5G 布局优势突出。PC、移动端应用系统主要来自美国, 但中国互联网企业凭借人口红利快速扩张,形成了不断丰富的应用生态。中国在互联网 发展早期也借鉴了美国等更成熟市场的商业模式,互联网巨头或多或少都有美国同类产 品的影子,如腾讯 QQ 来自 ICQ,微信来自 messenger,阿里来自 Amazon/ebay,美团来 自 Groupon,百度来自 Google。借助人口红利,互联网企业规模增长迅速,在发展中逐渐探索适合本土市场的运营模式,产生了丰富的创新应用生态。在移动互联网时代,电 信服务的高覆盖率和终端的普及提升了智能终端应用的开发价值,移动互联网生态蓬勃 发展,中国在移动支付、电商、外卖等市场优势明显。

5G 应用生态的建设,中国产业链已经充分布局,我们预计有望取得*。运营商、互联 网巨头纷纷入场、培育生态,在智能抄表、智能照明等领域已形成初步规模。物联网操 作系统层面,华为鸿蒙 OS 和阿里 OS 与 Android things、Google Brillo OS、FreeRTOS 等并 驾齐驱。消费升级推动 5G 在家居健康领域的落地。同时,新基建为 5G 提供了早期的发 展方向,智慧城市、车联网、电力物联网、政务大数据等领域的投资成为下游应用发展 的重要驱动因素。

智能硬件:交互方式变革拓宽数字技术应用边界

消费电子是消费端数字经济及数字互联生活重要载体,重要问题包括:1)消费电子品类 如何沿交互方式升级向 AR/VR、脑机接口、AIOT 继续变革;2)相关市场空间及发展节奏 的相关判断;3)中国在其中的角色,从制造中心走向创新中心。

科技硬件迭代如何推动数字经济发展

AIoT 开启下一个十年科技硬件主线,AR/VR、汽车电子、机器人等拓展数字终端边界

从科技硬件的演进来看,每 10-15 年出现一轮大的科技硬件创新周期,我们认为下一个 10 年的 AIoT 创新周期正在开启。科技硬件的历次变革都在为用户提供更加自然的交互方 式、更为便利的连接。展望未来,我们认为伴随 AI、5G 等基础技术成熟,人机交互方式 正在从图像交互(PC)走向触控交互(触摸屏和移动互联网是智能手机时代的核心驱动 力),并进一步走向语音(TWS/智能音箱)、视觉(ARVR)、神经电信号(脑机接口)等 驱动的自然交互,且连接量级正走向万物互联,新一轮 AIoT 硬件变革的机会已经开启。

%title插图%num

市场规模:2023 年广义 AIoT 市场容量将超越手机

我们认为,随着网络及交互技术提升,未来 AIoT 应用场景将逐步丰富,设备数量将从 PC 时代的亿级、手机时代的十亿级,升级到 AIoT 时代的百亿级,成为后智能机时代消费电 子*大的创新及成长动能。1)根据我们预测,AIoT 行业市场规模将从 2019 年的 1,578 亿美元,以 21%的 CAGR 增长至 2025 年的 4,892 亿美元,超过智能手机;2)从广义的 AIoT(AIoT+汽车电子)来看,2023 年市场规模就将超过智能手机。

%title插图%num

科技硬件供应链重要成长动能:

2021 年可穿戴贡献将超越手机 我们分析 A 股 10 大苹果产业链公司,看到近年来以 TWS 耳机、智能手表、ARVR 为代表 的可穿戴贡献营收比例迅速抬升,从 2017 年的 14%提升至 2020 年的 37%,接近智能手 机的 39%。在苹果一系列新品驱动下,我们预计明年将进一步达到 40%,反超智能手机 的 37%,成为苹果产业链公司*大营收贡献来源。

%title插图%num

科技硬件迭代变革及产业链简介:近 50 年维度,推动电子产业链全球迁移

过去 50 年维度:人机交互方式升级带动电子产业链全球迁移

近一个世纪,在科技硬件经历“大型机、TV 等家电→个人电脑→手机/智能手机→AIoT” 变革的驱动下,全球电子产业沿美国→日本→韩国/中国台湾→中国大陆→东南亚/南亚 的路径不断迁移,当前正处于中国大陆向东南亚、南亚的迁移过程中。

经过近一个世纪的全球产业转移,目前全球电子产业的行业格局基本形成。1)美国在云 计算、互联网服务、软件、半导体等仍处于全球*地位;2)日韩以电子元器件、半导 体为主,其中日本偏向电子元器件、韩国侧重半导体;3)中国台湾以半导体代工及电子 元器件为主;4)中国大陆以通信设备、电子元器件、互联网服务等为主;5)随近年来 产业转移,越南、印度承接部分组装与零组件业务。

过去 10 年维度:智能手机、AIoT 等创新驱动行业成长,中国能力提升显著

回顾过去 10 年电子行业表现,我们看到智能手机、AIoT 等终端的创新与成长是电子行 业*大驱动力,并直接影响到科技硬件行业的盈利表现。

2009-2017:智能手机是主要动力,尤其是 iPhone 4(2010)、iPhone 6(2014)、iPhone X(2017)等品类的创新,外观及光学等核心升级赛道变革明显,对电子板块盈利成 长贡献较大,此外 iPad、初代 AirPods 等创新产品也贡献边际增量。

2018-1H20:智能手机进入平台期甚至出现负增长,电子板块业绩承压,AirPods 等 AIoT 品类崭露头角,成为主要增量来源。

2H20-2025:5G 手机换机周期启动,叠加无线耳机、ARVR、智能汽车等 AIoT 品类创 新动能抬升,我们认为电子行业创新与成长动能将迎来恢复,2H20 苹果硬件创新也 非常值得期待。

%title插图%num

%title插图%num

%title插图%num

供应链模式:从“全球化+Just in Time”为主,但疫情期间弊端显现

当前全球电子产业链主要采取“全球化的生产分工”+“Just in Time 的物流体系”来达到 成本*优。其中:1)全球化:伴随全球产业链分工的加深,全球各电子产业链主要参与 国家/地区已在不同环节建立优势能力,并相应培养出在各自环节*的厂商——我们整 理全球主要手机零部件厂商排名,可见在前 20 位中美国、日本、中国台湾、中国大陆等 均有企业在列;2)Just in Time:*早由 1953 年丰田提出,追求无库存、低库存生产, 以减少成本、提高效率,至今仍被广泛采用。

在疫情中“全球化+Just in Time”模式的风险有所显现。JIT 系统的运转对全球运输、上 下游响应提出很高要求,低库存也使得危机应对能力相应降低。疫情期间,由于跨境运 输受阻、行业普遍未备有足够库存等,需要多个国家配合的电子产业链面临供应挑战。在 2020 年 1-2 季度,我们看到电子行业手机、MLCC、半导体材料、游戏主机等均有阶段 性短缺。

%title插图%num

智能硬件升级下中国机会:工业互联网助力“高韧性”,能力全面契合 AIoT 行业特性

疫情对产业链韧性提出新要求,工业互联网和供应链区域化成为新趋势

疫情中,我们看到中国在内的亚洲区域产业链体现出较高“韧性”,其背后制造业数字化 转型、工业互联网等起到重要作用。我们认为疫后时代,电子产业链存在以下趋势:1) 供应链区域化、本地化;2)制造业数字化、工业互联网进一步发展。

工业互联网基于传统制造支撑体系,融合数据感知、互联互通、先进计算、智能分析等 能力,赋能传统产业的升级。作为新基建的重要组成部分,工业互联网是新一代信息技 术与制造业深度融合的产物,是传统制造体系数字化、网络化和智能化转型的重要手段。

短期看,工业互联网在抗疫中发挥了积*作用,有效实现资源调配、供应链调整、 物资监控等多项愿景。工业互联网在疫情期间发挥的作用主要有:1)发挥供需对接、 资源配置的支撑作用,降低疫情带来的销售下滑和供应链紧张压力;2)推进基于工 业互联网的产融结合创新,缓解企业资金压力;3)运用工业互联网技术进行产能波 动与供应链风险预测;4)借助工业互联网手段开展复工复产情况监测,支撑政府精 准施策。

长期看,工业互联网利于搭建产业多层联动平台,助力企业数字化转型。我们认为, 工业互联网有望实现云端、产业、跨界的三方协同,推动智能化生产、网络化协同、 供应链金融等新模式新业态不断成熟,为经济增长提供新动能。

%title插图%num

中国正从“制造中心”走向“创新中心”,能力全面契合 AIoT 迭代特性

中国能力全面,契合 IoT 快迭代、多种类、碎片化等市场特点。IoT 新品类当前仍大多呈 现小批量、多种类、相对碎片化的市场特点,更加需要的是区域化的全产业链配合、就 近市场、快速反应迭代的能力。目前中国是全球少有的同时具备 5G 通信、机械、算法、 电商渠道、精密制造等核心能力的国家,且已在手机光学(华为)、无人机(大疆)、AIoT (小米)等新品类展现创新能力,疫情期间美团、京东的无人配送亦表现出色。我们期 待 BAT、华为、小米等中国科技企业抓住智能手机之后的 AIoT 硬件创新窗口,在 AR/VR、 无人驾驶、机器人等领域引领变革。

%title插图%num

(报告观点属于原作者,仅供参考。作者:中金公司,黄乐平)

关于 AWR/ASH 故障分析,我有 9 个问题不知当不当问?

问答汇总

Q & A

Q1:event中有哪些是要特别关注的呢?

A1:首先等待事件是有一个分类的,可以通过视图 select distinct WAIT_CLASS from v$event_name 查看到,我们一般比较常见的像

log file sync read by other session
direct path read enq: TM – contention enq: TX – index contention enq: TX – row lock contention latch: cache buffers chains latch: shared pool library cache lock mutex* cursor gc 等待等,

这些基本是我们日常中遇到比较多的,需要详细了解这些等待事件的原理以及为什么出现和怎么避免。

Q2:等待事件分析是不是 AWR 报告分析比较核心的一部分?是不是 AWR 报告分析的钥匙?

A2:基于时间模型分析等待事件是一个非常重要的部分,如果不了解等待事件,那分析 AWR 基本是非常困难的。

Q3:Oracle 标准版没办法收集 AWR,一般查看哪些视图确定性能问题呢?

A3:标准版是没有 AWR 报告的,AWR 其实也是基于底层的视图,一般我们比较关注 v$session v$lock v$active_session_history V$EVENT_HISTOGRAM v$sql 等视图。

Q4:AWR 都需要关注哪些点呢?有没有那种一目了然或者可以很快找到问题点的办法?

A4:其实我上次分享中已经讲到了这些内容,如*开始的章节,首先拿到一份 AWR 报告你要能确认这个库是否有问题,比如 AAS DB TIME DB CPU load profile iops 这些硬性的指标,然后去看 TOP 等待事件,从等待事件中找到问题的线索。

Q5:类似 systemdump 的文件怎么阅读?老师是否有推荐的文档或书籍?除了 systemdump 了,像 Oracle 的一些 errorstack 文件或 trace 文件,怎么弄懂里面的逻辑和函数概念?怎么自学?

A5:Systemstate 市面上书籍不多,MOS 上的文档是一个很好的学习途径,比如 Reading and Understanding Systemstate Dumps (Doc ID 423153.1) ,当然想要熟练读懂 Systemstate,那么需要了解 Oracle 架构原理,另外就是需要熟悉等待事件。

Q6:请问抓取 AWS 一般设置多长时间会好一点呢?

A6:Oracle 默认是一个小时,具体时间根据不同的系统设置,给出的建议也不一样。如果想要细化到时间点去分析问题,针对相关系统我们会建议客户设置为 15 分钟或者 30 分钟一次。

Q7:查询存储过程中使用的 SQL 语句可以共享一下吗?

A7:已在墨天轮提供 ash_proc_trace.sql 脚本下载,点击底部『阅读原文』即可跳转查看。

Q8:top event 中 %dbtime 加起来只有 70% 左右,不会接近 100%,有遇到这种情况吗?

A8:建议提供下 AWR 报告,我们这边可以具体看一下,不接近 100% 或者超过 100% 本身都是可能的。

Q9:log file sync: %dbtime 21.27,请问这该如何处理?

A9:还需要看一下平均等待事件,log file sync 是前台进程等待事件,关注下平均等待时长还有后台进程 lgwr 等待事件、log file paraller write 等待事件平均时长。造成 log file sync 的原因比较多,比如日志写的慢,那么通过 lgwr  时间可以看出来问题,也可能日志 post/pool 算法切换造成的,具体需要结合 AWR 其他相关指标去分析。

有什么办法能在本地快速地把 pdf 分享到 web 服务中吗?

有什么办法能在本地快速地把 pdf 分享到 web 服务中吗?

如题,需要阅读大量学术文献的时候,大部分是 pdf 格式的。

但是由于 chrome 默认打开 pdf 时不加载 js,导致自带的谷歌翻译,还有插件的划词工具都没法用,严重拖慢阅读速度。

有什么办法可以快速地把 pdf 放到网页上,然后让划词功能可以用吗?

requests 的 post 中的 data 如何按顺序进行封装?

requests 的 post 中的 data 如何按顺序进行封装?

假设 data 如下 data={

a = ’11’,

b = ’22’,

c = 某个变量,

d = 另一个变量,

e = ’33’

} 然后我 requests.post 理论来说 他 data 的顺序应该是 a=11&b=22…..依次按顺序,但是我测试抓包发现,他顺序是乱的,特别是变量,他可能会封装成 a=11&c=某个变量&d=另一个变量值&b=22….. 我想让他就按照从上往下的顺序进行封装起来,百度了下也没人问这类的问题,请问有解吗?

Python 图片去除图片水印的问题

Python 图片去除图片水印的问题

代码


def remove_water_footer(path, newPath):
    """
    去除水印
    """
    # https://zhuanlan.zhihu.com/p/138169619
    img=cv2.imread(path,1)
    hight,width,depth=img.shape[0:3]
    height = hight

    #截取
    # cropped = img[int(hight*0.8):hight, int(width*0.7):width]  # 裁剪坐标为[y0:y1, x0:x1]
    #cropped = cropped_img(img,
    #height=height,
    #width=width)
    cropped_size = cropped_img_size(
    height=height,
    width=width)
    cropped = img[cropped_size[0][0]: cropped_size[0][1], cropped_size[1][0]: cropped_size[1][1]]
    cv2.imwrite(newPath, cropped)
    imgSY = cv2.imread(newPath,1)

    #图片二值化处理,把[200,200,200]-[250,250,250]以外的颜色变成 0
    # thresh = cv2.inRange(imgSY,np.array([200,200,200]),np.array([250,250,250]))
    thresh = cv2.inRange(imgSY,np.array([24, 43, 48]),np.array([160,180,190]))
    #创建形状和尺寸的结构元素
    kernel = np.ones((3,3),np.uint8)
    #扩展待修复区域
    hi_mask = cv2.dilate(thresh,kernel,iterations=10)
    specular = cv2.inpaint(imgSY,hi_mask,5,flags=cv2.INPAINT_TELEA)
    cv2.imwrite(newPath, specular)

    #覆盖图片
    imgSY = Image.open(newPath)
    img = Image.open(path)
    # img.paste(imgSY, (int(width*0.7),int(hight*0.8),width,hight))
    img.paste(imgSY, (cropped_size[1][0],cropped_size[0][0],cropped_size[1][1],cropped_size[0][1]))
    img.save(newPath)
    logger.info("去除水印: `{}` => `{}`".format(path, newPath))

我在网上搜的,但是这个样子会留下背景版,如果吧整个水印都删除呢,

也就是指定区域的部分都删除,这种效果该怎么做呢?

Python3.5 版本应该如何快速搭建 web 服务?

Python3.5 版本应该如何快速搭建 web 服务?

如题,生产环境有一套嵌入式 python,基于 3.5 版本不能修改。想要通过 web 服务进行控制,而且*好不依赖第三方库,有什么代码可以快速实现一个基础的基于 http (或者 tcp )进行远程调用的服务吗?

第 1 条附言  ·  2 小时 33 分钟前

贴个条更新一下目前的信息:

1、aiohttp可以在3.5运行,不好用

2、bottle我试了,但是因为内核线程管理策略的原因,平台导致效率应该会比异步低很多,不过应该也堪用。bottle的问题是,本身没法支持ssl协议,http在大量通信的情况下可能出现错误。。。试了试安装旧版本的werkzeug和openssl这些,openssl我没有安装成功

关于 Django 执行单独文件时导入内部包的问题

关于 Django 执行单独文件时导入内部包的问题

.
├── django_web
│   ├── RealTimeData
│   │   ├── init.py
│   │   ├── admin.py
│   │   ├── apps.py
│   │   ├── migrations
│   │   │   ├── 0001_initial.py
│   │   │   ├── init.py
│   │   ├── models.py
│   │   ├── sql_api_test.html
│   │   ├── templates
│   │   │   └── RealTimeData
│   │   │   └── index.html
│   │   ├── tests.py
│   │   ├── urls.py
│   │   └── views.py
│   ├── init.py
│   ├── db.sqlite3
│   ├── django_web
│   │   ├── init.py
│   │   ├── asgi.py
│   │   ├── settings.py
│   │   ├── urls.py
│   │   └── wsgi.py
│   └── manage.py
└── main.py

这是文件结构,同时 main.py 处在一个 django_web 的文件夹下。
现在的问题是:当我单独执行 main.py 文件时,导入 RealTimeData 的模块出现 ModuleNotFoundError 。

然而在配置 DJANGO_SETTINGS_MODULE 时引用 settings 文件是没问题的。sys.path 也包含了 main.py 的父目录的路径。

print(sys.path)
os.environ.setdefault(‘DJANGO_SETTINGS_MODULE’, ‘django_web.django_web.settings’)
django.setup()

from django_web.RealTimeData.models import RowRecord

友情链接: SITEMAP | 旋风加速器官网 | 旋风软件中心 | textarea | 黑洞加速器 | jiaohess | 老王加速器 | 烧饼哥加速器 | 小蓝鸟 | tiktok加速器 | 旋风加速度器 | 旋风加速 | quickq加速器 | 飞驰加速器 | 飞鸟加速器 | 狗急加速器 | hammer加速器 | trafficace | 原子加速器 | 葫芦加速器 | 麦旋风 | 油管加速器 | anycastly | INS加速器 | INS加速器免费版 | 免费vqn加速外网 | 旋风加速器 | 快橙加速器 | 啊哈加速器 | 迷雾通 | 优途加速器 | 海外播 | 坚果加速器 | 海外vqn加速 | 蘑菇加速器 | 毛豆加速器 | 接码平台 | 接码S | 西柚加速器 | 快柠檬加速器 | 黑洞加速 | falemon | 快橙加速器 | anycast加速器 | ibaidu | moneytreeblog | 坚果加速器 | 派币加速器 | 飞鸟加速器 | 毛豆APP | PIKPAK | 安卓vqn免费 | 一元机场加速器 | 一元机场 | 老王加速器 | 黑洞加速器 | 白石山 | 小牛加速器 | 黑洞加速 | 迷雾通官网 | 迷雾通 | 迷雾通加速器 | 十大免费加速神器 | 猎豹加速器 | 蚂蚁加速器 | 坚果加速器 | 黑洞加速 | 银河加速器 | 猎豹加速器 | 海鸥加速器 | 芒果加速器 | 小牛加速器 | 极光加速器 | 黑洞加速 | movabletype中文网 | 猎豹加速器官网 | 烧饼哥加速器官网 | 旋风加速器度器 | 哔咔漫画 | PicACG | 雷霆加速