当前位置： 轮机 >> 轮机资源 >> 打开算力租赁全新增长极,恒润股份全链条落
（报告出品方/分析师：国盛证券张一鸣刘高畅陈芷婧）
01立足风电产业，开发AI算力全新增长极公司的前身为江阴市恒润法兰有限公司，成立于年，并于年上市。通过近二十年的发展，公司发展成为提供设计、锻造、精加工一站式服务的精密机械制造商，具体涵盖风电法兰、风电轴承、燃气轮机部件等产品。年8月，公司发布公告，宣布与上海六尺科技集团合资成立子公司，收购芜湖六尺%股权，进军算力租赁赛道。
1.1立足风电塔筒法兰，新布局轴承拓展风电产业链
公司主要从事辗制环形锻件、锻制法兰及其他自由锻件等产品的研发、生产和销售，产品主要应用于风电、石化、金属压力容器、机械、船舶、核电等多种行业。近十年以来，公司整体业绩稳步提升。年，受国内大环境影响，风电场开工审慎，实现营收19.45亿元，较年略有下滑。
目前，公司在制造业主要拥有三大类产品：辗制法兰等环形锻件、锻制法兰及其他自由锻件、以及风电轴承。前两者为公司多年投入的传统业务，后者为年新拓展的业务。年，这三类产品分别为公司带来9.98亿元、2.94亿元、1.12亿元的营业收入。
1.辗制环形锻件：
1）辗制环形锻件毛坯的可塑性较强，通过数控机床等精加工设备将其加工成法兰、齿轮、回转支承套圈以及其他环形锻件成品，应用范围较广。
2）技术层面，公司在年实现了风电塔筒法兰从7MW向9MW至12MW的技术升级。
3）年，公司自生产辗制法兰和其他辗制环形锻件.44吨，外购.79吨，实现销售.3吨；营收9.98亿，占据公司总营业收入的51.3%。
2.锻制法兰及其他自由锻件：
1）法兰（Flange）又叫法兰盘或突缘，主要应用于管状部件的连接，应用范围较广，主要应用于金属压力容器、石化及管道、机械、建筑、船舶等多种行业。
2）公司有较大比例锻制法兰出口德国、日本等国家和地区，主要由从事法兰管件产品批发、仓储、零售业务的当地采购商向公司直接采购。
3）年，公司自生产锻制法兰和其他自由锻件.75吨，外购.19吨，实现销售.45吨。
3.风电轴承：
1）轴承是一种被誉为“工业关节”的机械基础件，用于降低机械旋转体运行过程中的摩擦系数，保证机械旋转体的回转精度。
2）风力发电机组的轴承套组主要包括：偏航轴承、变浆轴承以及主轴轴承，属于风力发电的核心零部件。
3）技术层面，年风电轴承实现了从零到套/月的产能爬坡。
4）年，公司自生产风电轴承支（每3支风电轴承能组成1套风电机组用变桨轴承），实现销售量支。
1.2国资背景彰显资金实力，资质全面进入多供应商目录
公司控股股东为济宁市国资委，股权可以追溯至山东省财政厅。
在我国锻造行业中，国有大型综合性锻造企业拥有资金、设备和人才优势，且长期为国家生产重大装备配套锻件，经验非常丰富，在行业内处于主导地位。
在行业竞争格局中，公司有着国资背景带来的资金支持，且经营风格灵活，适应市场能力强，在细分的辗制环形锻件和锻制法兰行业形成了自身独特的竞争优势，建立多家子公司，逐步打通了通风电零部件下游高附加值产品客户端。
扎实的股东背景给公司带来了良好的现金流和资本结构，支持公司进一步扩充产能，发展下游市场。
1）近来年，公司资本结构逐渐改善，资本负债率从年的64.41%下降到了年的21.24%。
2）年，公司完成非公开发行推动业务战略转型升级，规划新建募集资金投资项目“年产5万吨12MW海上风电机组用大型精加工锻件扩能项目”、“年产4,套大型风电轴承生产线项目”、“年产10万吨齿轮深加工项目”。
锻造行业对相应的资质认证要求较高，且客户会根据产品的质量需求，对供应商的人员资质、设备水平、生产条件、检验检测水平和质量控制流程等进行全面评估。
截止至年底，公司已经取得国家质量监督检验检疫总局特种设备制造资格许可证（压力管道元件），还取得了莱茵技术（TUV）ISO:质量体系认证证书、莱茵技术（TUV）欧盟承压设备（PED97/23/EC和AD2）指令中法兰制造许可证（PED和AD证书）、日本JIS证书、法国BV风电法兰工厂认证。
公司同时拥有挪威（DNV）、美国（ABS）、法国（BV）、意大利（RINA）、中国（CCS）、日本（NK）、韩国（KR）和英国（LR）等船级社认证。在以上资质认证的加持下，公司已进入西门子歌美飒、通用电气、维斯塔斯等相关企业的供应商目录。
经过二十多年的发展，公司在企业经营管理、生产质量管理、采购销售管理方面积累了丰富的经验，拥有一支生产技术过硬、管理水平专业、研发能力突出、销售经验丰富的年轻化团队。
未来，公司将从境内外两条线路着手，一方面建设欧洲销售平台，使欧洲市场销售体系更加扁平化，提高公司产品在欧洲市场的竞争力；另一方面在国内通过招聘和引进优秀销售人才，扩大现有销售团队。
1.3多年积累研发制造优势，涉足算力打造全新增长极
作为辗制环形锻件和锻制法兰行业重要供应商，公司在国内同行业中具备较强装备工艺优势及研发优势。
近年来，公司加大研发力度，产品由“静态”锻件向“动态”轴承深加工进行转换，开发风电轴承新产品线。公司全资子公司恒润环锻获批设立“江阴市博士（后）工作站”，助力技术创新。
在雄厚资金实力的支持下，公司顺应数字经济浪潮，步入数字能源算力融合新赛道。
公司于年8月5日发布公告称，与上海六尺科技集团有限公司（简称“六尺科技”）签署《合资经营合同》，共同出资设立上海润六尺科技有限公司（简称“上海润六尺”），并计划于上海、福州经开区、安徽芜湖、山东济宁等地合作建立算力中心，并打造长三角GPU算力中心集群。
年8月31日，公司宣布收购六尺科技持有的芜湖六尺智算科技有限公司（简称“芜湖六尺”）。交易完成后，公司控股子公司上海润六尺将持有芜湖六尺%股权，芜湖六尺成为上海润六尺的全资子公司。
根据公司公告，上海六尺核心团队具有丰富的AI智算中心（GPU算力）建设、运营经验和算力市场资源。团队深耕GPU算力多年，与上游GPU供应厂商英伟达、新华三等有深度合作关系。
02AIGC叠加数字经济浪潮，智能算力已成重要发展基座2.1“东数西算”稳步推进，算力渐成数字经济增长新引擎
近年来，数字经济已成国家级战略规划。
1）数据要素作为数字经济最核心的资源之一，对于推动经济增长具有倍增效应。善用数据生产要素，解放和发展数字化生产力，有助于推动数字经济与实体经济深度融合，实现高质量发展。
2）年1月12日，国务院印发《“十四五”数字经济发展规划》的通知。规划中披露，年，我国数字经济核心产业增加值占国内生产总值（GDP）比重达到7.8%，而到年，数字经济迈向全面扩展期，数字经济核心产业增加值占GDP比重达到10%。
3）目前，数字经济政策加速落地，已成为我国顶层国家级战略规划，涵盖了基础设施、数据要素、产业数字化、数字产业化、公共服务数字化、治理体系、安全体系、国际合作等八大方面。其中，基础设施、数据要素的重要性排在前列的位置。
中央网络安全和信息化委员会于年底发布《“十四五”国家信息化规划》，明确-年将开启新一轮数字经济建设周期。
“东数西算”为数字经济首个抓手，构建全国8大算力枢纽节点。
1）年2月17日，国家发展改革委、中央网信办、工业和信息化部、国家能源局近日联合印发文件，同意在京津冀、长三角、粤港澳大湾区、成渝、内蒙古、贵州、甘肃、宁夏启动建设国家算力枢纽节点，并规划了张家口集群等10个国家数据中心集群。至此，全国一体化大数据中心体系完成总体布局设计，“东数西算”工程正式全面启动。
2）按照全国一体化大数据中心体系布局，8个国家算力枢纽节点将作为我国算力网络的骨干连接点，发展数据中心集群，开展数据中心与网络、云计算、大数据之间的协同建设，并作为国家“东数西算”工程的战略支点，推动算力资源有序向西转移，促进解决东西部算力供需失衡问题。
截至年9月底投资已超过4亿元，我国算力水平仍有较大提升空间。
1）年9月26日，国家发展改革委召开专题新闻发布会，介绍重大基础设施建设有关情况。国家发展改革委高技术司副司长张志华说，自年2月，国家发展改革委会同中央网信办、工业和信息化部、国家能源局等部门，启动实施了“东数西算”工程以来，项目总投资超过4亿元，算力集聚效应初步显现。
2）根据中国智能计算产业联盟牵头发布的《东数西算下新型算力基础设施发展白皮书》，我国人均算力约为GFLOPS，离高算力国家0GFLOPS以上的人均算力水平仍有接近1倍的提升空间。
智能算力顺应新科技发展要求，年渗透率将达到35%。
1）无论是智慧城市还是智能制造、无人驾驶、数字孪生等场景，除了要有数据支撑以外，还要和各领域、各场景的知识模型、机理模型甚至物理模型相叠加，形成基于人工智能的新应用和场景实现。复杂模型、复杂场景势必需要面向AI的算力基础设施，即智算中心。
2）年10月9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、国务院国资委等六部门近日联合印发《算力基础设施高质量发展行动计划》，提出到年，计算力方面，算力规模超过EFLOPS，智能算力占比达到35%，东西部算力平衡协调发展。
2.2AIGC引爆智算需求，集群式算力为大模型训练的核心基座
AIGC浪潮已至，进一步推动对芯片和算力的需求。当下，由于互联网公司、云计算提供商和企业客户都迫切希望将生成式AI应用到自身业务中，算力供应短缺的问题已经成为行业的普遍热点。根据福布斯新闻，马斯克预计，未来GPU需求量还会增至当前的3-5倍之多。
1、训练侧：需要对应数千张H、算力投入或为近亿美元，多模态需求再提升数倍至十倍。
对于大语言模型研发企业而言，其一般具备智能云算力租赁与自行购置算力设施两种方案。
1）算力租赁：据OneFlow测算，单次训练成本约为百万至千万美元/次；而为了模型能够达到理想效果，我们预计其至少需要数十次、近百次的训练，则对应算力总投入约为亿美元级别。
据OneFlow测算，GPT-3单次训练成本约为万美元；对于一些更大的LLM模型，训练成本单次约达到万美元。
基于参数数量和token数量，根据OneFlow估算，GPT-3训练一次的成本约为.8万美元：
每个token的训练成本通常约为6N（而推理成本约为2N），其中N是LLM的参数数量；
假设在训练过程中，模型的FLOPS利用率为46.2%，与在TPUv4芯片上进行训练的PaLM模型（拥有亿参数）一致。
对于一些更大的LLM模型（如拥有亿参数的Gopher和拥有亿参数的PaLM），采用同样的计算公式，可得出，训练成本介于万美元至1万美元之间。
2）自行算力建设：参考GPUUtils报道，GPT3.5同级别模型约需要数千张H；参考快科技给出的3-4万美元/张价格，对应算力投入仍约为近亿美元
GPT3.5同级别模型约需要数千张H进行训练。根据GPUUtils报道，Inflection表示，针对他们与GPT3.5相当的大语言模型，其使用了大约张H进行训练。2）同时，对于初创公司而言，其需要数千张H对大语言模型进行训练，需要几十张或者小几百张H做微调。
考虑H价格约为3-4万美元/张，对用算力投入约为近亿美元。根据快科技报道，H价格约合人民币24万元，对应3-4万美元/张。考虑以Inflection为代表的公司算力投入在张级别，对应总投入或约为近亿美元。
3）多模态：算力需求提升约数倍至十倍，根据GPUUtils报道，GPT4、5或需要数万张GPU芯片
GPT4或对应数万张A，GPT5或对应数万张H。1）根据GPUUtils报道，GPT4有可能是在00-25张A上训练的。而对于GPT5，其可能需要25-50张H进行训练。2）相比GPT3.5约数千张H的需求量，GPT4、GPT5等相对成熟的多模态模型算力需求提升约数倍至十倍级别。
2、推理侧：仅考虑文字问答场景，需要数万张H、对应算力投入数十亿美元。
1）每日访问量：6万。
6月6日，根据科创板日报报道，据SimilarWeb最新数据，4月OpenAI网站访问次数已达到18亿次，则对应每日访问量约为6万次。
2）用户平均访问时长：5分钟。
根据科创板日报报道，每次访问时长约为5分21秒。
3）单个token输出需要的时间：62.5ms；每秒生成token数量：16个。
根据百度智能云的部分案例，在BatchSize为1时，输出8个token大约需要ms；在BatchSize增加到16时，输出8个token大约需要ms。则输出8个token的时间中值约为ms（即0.5秒），即单个token所需要的计算时间约为62.5ms（即0.秒），对应每秒生成token数量约为16个。
4）平均实时并发：.33万个token/s。
6万*（5*60）s*16token/s/(24*60*60)s=.33万个token/s。
5）算力利用率：20%。
Transformer为自回归模型，这意味着在原始状态下，每生成1个新token，都需要将所有输入过的token再次计算。
根据百度智能云技术研究，以B的GPT-3模型，输入0个token，生成个token为例：
Context（即Encoder）阶段的激活Shape为[B,0,]，其中B为batch_size，第二维为输入token数，第三位为hiddensize。
而对于Generation（Decoder）阶段，由于每次输入输出都是固定的1个token，是通过循环多次来产生多个输出token，所以Generation阶段的激活Shape的第二维始终为1，Generation的激活显存占用是远小于Context阶段的。
由此导致，Context是计算密集型的任务，而Generation是访存密集型的任务，这是由于Context的计算量大，但是Generation由于每次都只计算1个token，所以计算量远小于Context，但是权重的访存量确实一致的，所以Generation阶段反而是访存密集型的任务。
这也意味着，在推理阶段，硬件的算力利用率由于受到显存带宽等的限制，会显著较低。
根据百度智能云报道，一般情况下，在线服务的GPU使用率不高，在20%左右。另外，若部署其用户态方案，保证在线服务的SLA相同的情况下，可以将GPU资源利用率提升至35%。
6）峰值倍数：10倍
推理服务一个典型的负载模式是一天中峰谷波动明显，且会出现不可预期的短时间流量激增。根据百度智能云统计，我们假设峰值倍数约为10倍。
7）所需算力总量：5.83*10^19FLOPS。
2*0亿个参数*.33万个token/s*10倍/20%算力利用率=5.83*10^19FLOPS。
8）所需H数量：1.5-6万张。
根据英伟达
转载请注明:http://www.aideyishus.com/lkzp/9070.html
