风险提示点：先正达650亿募资规模沪市主板上市过会本周五盘后上交所公告称，上交所上市审核委员会定于2023年6月16日（下周五）召开2023年第53次上市审核委员会审议会议，审议的发行人为先正达集团股份有限公司（首发）（下称先正达）。
理论上，我们应该对我国大型农业科技企业的发展持支持态度。但是从癌股本身的市场性质来看，这个抽水机的体量太大——先正达募资规模为650亿元，若上市成功，将创造10年来A股募资规模历史。懂的都懂，A股上市公司密集期，往往不是借助大牛市行情，就是行情很受伤。在当下这种行情下，突然一下来这么一个操作，估计有较大概率，下周大A市场会给一个反馈——用脚投票。至于对主板还是双创影响更大，我个人认为，对双创的杀伤力，还不如大摩PK天风对新能源企业的估值，来得更大一些。（至于什么沪指和双创的技术分析，这里就免了，反正不少朋友们都是老韭菜股民了~）细分一下，盲测来一个“软件应用层面走分化”+“硬件看消息与基本面结合，逐步兑现行业周期景气度转折点观点”。
软件端，游戏传媒文化影视啥的，不是很建议去中长期持有。一方面是游戏股现在处于高位杀下，前期有太多的资金获利盘要走，另一方面是AIGC的降本增效赋能，会通过Q2季报和中报，给一个分化方向，大概就是旱的旱是，涝的涝死。如果身边有（重度）游戏（尤其是手游）爱好者，最好是流行游戏的肝帝或氪金玩家朋友，多问问他们，对于游戏板块的后市分化，有很大的参考价值。文化影视这块，反正能炒的逻辑都出来了，我也想编不出来新的。看看盘面，大佬们感觉出货还没有结束，也是一篇高位票。
边缘计算这个题材，可以建议多看一下，最近一周多一直在维持热度。结合之前说的，什么算力底座，算力租赁，国家数据中心，还有深圳1,000亿AI基金群等等，或许还能炒。本周也会给大家简单说明一下，什么是“边缘计算”。
关于这块最近卖方机构出的报告或者小作文并不多，估计这块硬件端最后回归服务器，甚至运算芯片，软件端则是与各类大模型结合，单独的“市场创新点”有限。除了上面给大家整理的这个，财联社近期出品的导图，我看专业类论坛和文章中，提到比较多的是东土科技和寒武纪。硬件端，本周给了3个消息：1）北方华创订单说；2）WSTS再度下调2023年全球半导体市场规模预期；3）上海微电子正在公关28nm制程，或将在明年交付国产第一台28nm的immersion式光刻机（估计是华泰YY出来的研报，28nm是在进程中，但有那么快的速度么？还是要等官方回复）。
关于半导体产业链周期景气度的中观基本面，可以去看发过的文章，那个是截止当时所有自己撰写的产业链相关研报的内容精选汇总。
（图：全球主要半导体设备厂商营收变化趋势（百万美元）；来源：Bloomberg）
对于WSTS的那个消息，可以关注“中国市场芯片销售额环比增长2.9%，明显高于其他市场”这点。AI发展+国产替代化必然趋势，结合全球产业链景气度，中长期趋势上基本上也没啥大问题的。
（图：北方华创上市至今的股价历史走势（前复权；对数坐标系））
（下周的短期走势，半导体设备不一定会非常强，甚至还有波动性——考虑到市场情绪和中美关系等变量，这周五工作中，我自己上午是刚刚报告推了一些国产半导体设备标的。另外本周文章也会给大家，介绍几个重点的半导体设备国产化核心企业。）边缘计算，又称边缘运算，英文为Edge-Computing，指的是一种在物理上靠近数据源头的网络边缘检测，融合网络、计算、存储、应用核心能力的开放平台，就近提供边缘智能服务的分散式运算架构。
简单来说，它的出现，是为了弥补云计算的不足，通过将服务器放置在本地设备附近网络，降低系统的处理负载，解决数据传输的延迟问题。在国内不少专业论坛上，提到如何理解边缘计算时，往往会使用上面的“章鱼图”做形象比喻：章鱼是用“腿”来思考问题并就地解决问题，大脑中有40%神经元相当云计算中心，触手有60%神经元相当于边缘结点。（注：关于“边缘计算”的基础，“云计算”的概念，就不在本文中专门说明：1）看了一下2021年初写过的报告，即使是翻新后整体的文字量也很大；2）又不是专门写研报，大家“云”了这么多，应该对“云”概念都有一个基础认知。）【为什么需要边缘计算，或者说边缘计算是为了解决云计算的什么问题？】如果把边缘计算的定义给通俗化，可以这么认为：边缘计算本质上是一种服务，就类似于云计算、大数据服务，但这种服务非常靠近用户。之所以“靠近”，目的就是为了让用户感觉到刷什么内容都特别快。
（边缘计算vs.云计算——运行模式对比）
边缘计算要解决的是传统云计算（或者说是中央计算）模式下存在的高延迟、网络不稳定和低带宽问题。因此，业内也认为，边缘计算的概念脱胎于云计算，是一种人工智能大发展时代下的，数据处理模式（设备部署）发展模式。
随着人工智能的发展，未来需要被处理的数据量会原来越庞大。
据IDC（国际数据公司）预测，包括硬件、软件和服务在内的全球人工智能市场预计将以每年近19%的速度增长，到2026年将达到9,000亿美元。全球数据圈（每年被创建、采集或复制的数据体量）将从2018年的32ZB增至2025年的175ZB，增幅超过5倍。中国数据圈增速最为迅速：2018年，中国数据圈占全球数据圈的比例为23.4%（7.6ZB），至2025年将增至175ZB，占全球数据圈的27.8%，成为全球最大的数据圈。
（图：边缘计算在全局大数据计算中的位置）
举2个例子：1）以波音787为例，其每一个飞行来回可产生TB级的数据，美国每个月收集360万次飞行记录；监视所有飞机中的25,000个引擎，每个引擎一天产生588GB的数据。但飞机与地面上的卫星或基站之间的带宽并不足够大，不能进行有效的数据传输；2）风力发电机装有测量风速、螺距、油温等多种传感器，每隔几毫秒测一次，用于检测叶片、变速箱、变频器等的磨损程度，一个具有500个风机的风场一年会产生2PB的数据。（注：1PB等于1,024TB，1TB等于1,024GB）
这类庞大的数据量，如果全部实时上传到对应的云计算中心，无论从算力还是带宽的角度，都是一个很高的要求，更不要说由于延迟而产生的即时响应问题。边缘计算概念最初的提出，就是为了通过在数据源的附近部署数据设备，通过算法即时反馈决策，过滤绝大部分的数据，有效降低云端的负荷，使得海量连接和海量数据处理成为可能。业界定义的边缘计算的分层结构，主要引用 Gartner、IDC。Gartner 定义的分层结构如下图所示：Endpoint > Near edge > Far edge > Cloud > Enterprise。
其中，1）Near Edge：非标准服务器或设备，在距离端侧最近的地方；2）Far Edge：标准的IDC，可以分三种类型——IDC（为主）、MEC、CDN 等。相对来说，计算能力比较强，比如运营商的机房、云服务提供商的级联机房等等；3）Cloud：公共云或专有元服务，特征为资源集中、中心化管理。
其中：1）Heavy Edge：数据中心维度；集中式计算平台；CDN，自建 IDC；2）Light Edge：低功耗计算平台，适用于工业控制，数据处理、传输等物联网场景。通过上述的两个定义，不难发现它们之间是一个相互依存，相互关联的关系，也从另一面证明了，边缘计算脱胎于云计算，不是云计算概念的替代品，而是一种相互补充、相互关联的发展关系。
总结来看，边缘计算具备以上几个优点。归纳了一下一些专业论坛上文章的内容，简单来看，边缘计算有这3个发展推动力（或者也可以被延伸至发展方向导向）：从云服务推动、从物联网中提出、从数据消费者到生产者。
前2点，其实已经能通过我们的两个例子去说明。如果与当前市场的热点结合，那么这两点也能映射到智能驾驶上。不仅是飞机飞行的数据很大，在未来汽车发展足够智能化之后，大量的智能座舱汇集的实时交通数据信息，很可能不必飞行数据要小多少。
（图：边缘计算在智能驾驶领域的应用模式）
部分业内人士认为，自动驾驶的汽车，至少每秒能产生一千兆字节的数据。智能座舱AI需要实时处理车辆做出正确的实时的决定，如果将所有数据发送到云进行处理，则响应时间过长，会让自动驾驶的危险系数直线提升。第三点相对来说，更有趣一些：它与我们目前最火热的那些事物（ChatGPT、流量经济等）息息相关。随手拍个照、拍个视频上传，已经融入了我们的生活习惯。短视频发布，直播带货，已然成为一种新的、不可阻挡的商业发展模式。只不过，我们没有去想过，全世界大量的人在这么玩，造成的数据传输量有多大。对以OpenAI的ChatGPT为典型的模式的算力存力测算数据，我放在了上周的文章（整理过往系列研报内容）里面。这里提一下，我看到的，对流媒体平台的一个简单测算。
（图：边缘计算的范式）
根据专业论坛上的内容（援引自一些国外最新的研究论文），每一分钟，在YouTube上，用户上传72小时的新视频内容；脸谱网用户分享近250万条内容；Twitter用户推特近300,000次；Instagram用户发布近220,000张新照片。目前为了解决这种海量数据占用带宽情况，几个平台通常都会在视频剪辑应该被降级并在上传到云之前，调整到边缘处，来选择合适分辨率，尽量降低全高清带来的数据负担。同样这个思维，也被应用在城市监控的视频分析中。智慧城市概念的基础之一，就是AI可以“看到”整个城市，它的“眼睛”就是“CCTV”。和流量平台一样，把所有摄像头拍到的东西实时传送，数据量也极为庞大，并且还有在大量数据网络传输中的私密性隐患问题。通过边缘计算模式，让云中心下放相关请求，各个边缘结点对请求结合本地视频数据进行处理，然后只返回相关结果给云中心，这样既降低了网络流量， 也在一定程度上保证了用户的隐私。比如，有小朋友走丢了，云中心可以下放找小孩儿这个请求到各个边缘结点，边缘结点结合本地的数据进行处理，然后返回是否找到小孩儿这个结果。相比把所有视频上传到云中心，并让云中心去解决，这种方式能够更快的解决问题。还有更简单的应用场景：比如网购（Online-Shopping）。最早的网购，我们是通过PC（个人电脑）购物网站，然后下单购买。那个时候PC机少，网购平台也少。现在别说网页网购，大量的App，还有直播带货，让网购迅速飙升为一个沉重的数据负担。如果将消费者的购买操作（商品的增删改查），下放到边缘结点进行，最后再将最终结果上传至云中心，能够极大提高响应速度，通过减少延迟来提高户体验。边缘AI=边缘计算+人工智能，这个概念的出现，应该是“边缘计算”概念还相对模糊，且已经有不少人在说人工智能时，算是一个国内创造的合成概念点。其核心无非就是，我们前面说的边缘计算比较泛，它想说明如何在硬件设备上本地处理的AI算法，可以在没有网络连接的情况下处理数据，实现在无需流式传输或在云端数据存储的情况下进行数据创建等操作。最后，这个概念被融入当前的边缘计算概念中，以“云计算+边缘计算”的方式成为大AI概念中的一个小点。
本质上，就是对“机器学习”（Machine-Learning，ML）的数据使用和处理场景优化。目前存在的机器学习，从处理的时空地点划分为3种形态：云端ML、边缘ML和Tiny ML。Tiny ML是针对占比超过95%以上的物联网实时数据处理场景。
云端和边缘端ML已经被广泛应用在我们的生活中，如人脸门禁、摄像头行为识别、智能家电等。TinyML的设备包括智能摄像头、远程监控设备、可穿戴设备、音频采集硬件以及各种传感器等，据相关行业研究报告，预计2025年全球物联网设备（包括蜂窝及非蜂窝）联网数量将达到252 亿个。这是一个A股市场上，随着AI、边缘计算等关键词概念点火热之后，再度创造出来一的概念点（促发点是2023年4月10日商汤于其技术交流日上正式发布“日日新SenseNova”大模型体）。其实它就是人工智能数据中心（A=AI，人工智能；IDC =Internet Data Center，互联网数据中心）。大致内容是说，“日日新SenseNova”大模型体系是一个全栈大模型研发体系，在多个场景中落地人工智能（为政企客户提供了多个API接口与服务，括图片生成、自然语言生成、视觉感知通用任务与标注服务等，数据格式不仅包含文本，同时包含2D/3D虚拟建模数据）。同时，商汤科技又开发了AI大装置SenseCore，提供涵盖自动化数据标注、自定义大模型并行训练、模型增量训练、模型推理部署、开发者效率提升等多种大模型即服务（Model-as-a-Service）。AI大装置核心在于AI算力中心（AIDC），其计算峰值速度将达到3,740 Petaflop/s（每秒进行1千万亿次浮点运算）。作为参照，OpenAI开发的ChatGPT需要算力3,640 PF-days（每秒计算一千万亿次，需要计算3640天），理论上看，基于2.7万块GPU，可支持最多20个千亿参数量超大模型并行训练的商汤临港AIDC项目，在一天内即可完成相关运算。根据一些专业类文章，目前边缘计算的主要玩家，大致可以分为：云计算巨头、传统设备巨头、CDN巨头、运营商、核心研究机构和产业联盟。
这里面需要关注的信息点是，以核心研究机构为中心，世界几大主要政治经济体都建立了自己的边缘计算产业联盟，正式表明边缘计算生态发展正式进入关键落地阶段。概念命名越来越骚气，有云计算就能给一个雾计算。所谓的雾计算，指的是在由于边缘设备计算限制而无法处理边缘数据的情况下，允许在云和边缘之间的计算层中临时存储和分析数据。边缘计算不依赖于雾计算。雾计算只是帮助公司在某些边缘计算场景中获得更高速度、性能和效率的附加选项。从雾中，相关数据可以被发送到云服务器，以便长期存储和未来分析和使用。通过不将所有边缘设备数据发送到中央数据中心进行处理，雾计算允许公司减少其云服务器上的一些负载，这有助于优化IT效率。比如，假设一家建筑管理公司使用智能设备来自动控制其所有建筑中的温度控制、通风、照明、洒水装置以及火灾和安全警报。该公司不是让这些传感器不断向主数据中心传输数据，而是在每栋建筑的控制室中安装一台服务器来管理即时问题，并且只在网络流量和计算资源超出容量时才向主数据中心发送聚合数据。该雾计算层允许公司在不牺牲性能的情况下最大化其IT效率。
【边缘计算硬件特点——耐用可靠，能够承受极端天气、环境和机械条件】
【什么是“云原生”和“云边一体”？（本节资料来源：哔哩哔哩-阿里技术）】云原⽣是一套开放、标准的技术体系。基于云原生技术体系，可以为用户敏捷的构建和运行高弹性、容错性好、易于管理的一套业务系统。整个技术体系有很多热门技术，如 Cloud Native、Serverless、Kubernetes、Container、Docker 等等，业界广泛使用的这些技术。云边一体云原生基础设施，是在云端做管控、边缘自治的云原生系统。在中心这一侧，可以提供原生的云中心的管控能力和产品化能力，例如利用 Kubernetes+存储/+AI/+大数据等能力可以在中心提供出来；中心的这些能力通过管控通道，下沉到边缘计算，比如标准化的 CDN、 Infrastructure 、Edge、ENS，或者是上图右边的智慧工厂、智慧园区、楼宇、机场等等的设备网关；在边缘，可以就近接入各种设备，比如传感器、视频、控制器等等，可以支持各种通讯设备接入。这样便形成了云边端一体化的云原生基础设施。
云计算擅长需要海量可扩展存储能力，非实时且周期相对较长的数据处理和分析，而边缘计算脱胎于云计算，它擅长的是局部短周期数据的实时处理和分析，云计算与边缘计算之间不是替代关系，而是互相协同的关系，二者之间紧密结合才能更好地满足各种需求场景的匹配。云边一体的价值：1）为用户在任何基础设施上提供和云上一致的功能和体验，实现云边端一体化的应用；2）利用容器的隔离性，利用系统的流量控制、网络策略等能力，保证运行在边缘上业务的安全性；3）通过容器化，通过容器和资源之间的解耦，对异构资源的支持上能够有很好的适配。文尾福利【华夏基金重点覆盖行业2023年中期策略】
本文内容纯属个人观点分享，依据客观市场资料、公开信息以及数据，所做的资料整合与合理客观分析，不含任何投资理财导向以及其他意图！市场有风险，投资需谨慎！ 
