报告行业投资评级 华为公司给出了 HiSec Endpoint 智能终端安全系统的行业投资评级。[8] 报告的核心观点 1. 网络安全建设面临的挑战包括未知威胁不断涌现、威胁事件无法溯源、缺乏统筹分析能力等。[9][10][13] 2. HiSec Endpoint 智能终端安全系统通过全栈数据采集、威胁检测和溯源处置等功能,提供了威胁感知全、威胁检测准、威胁处置优的优势。[19][27][30] 3. 该系统采用了第三代反病毒引擎、威胁溯源图引擎等核心技术,能够有效检测和处置勒索、挖矿、无文件攻击等各类高级威胁。[28][54][64][74] 报告内容总结 1. 网络安全建设面临的挑战 - 未知威胁不断涌现,传统防护方式无法应对 [9][11] - 威胁事件无法溯源,难以制定有效防御策略 [12] - 缺乏统筹分析能力,难以形成全链路防御 [13] 2. HiSec Endpoint 智能终端安全系统的优势 - 全栈数据采集,实现威胁感知全 [19][20][21][22][23][24][25][26] - 第三代反病毒引擎和威胁溯源图引擎,提升威胁检测准确性 [28][29] - 联动边界防护和响应服务,实现威胁处置优 [30] 3. 核心技术和典型应用场景 - 勒索防护:诱饵捕获、文件防篡改、备份恢复等 [83][84] - 挖矿防护:基于AI的检测、内存溯源、一键处置 [61][62][63][64][65][66][67][68][69][70] - 无文件攻击防护:脚本基线、内存分析等 [71][72][73][74][75][76] - 病毒查杀:第三代反病毒引擎 [41][42][43]

行业投资评级 报告给出了行业的积极评级。[1] 报告的核心观点 1) 智能化已经成为全社会未来10年的主要发展方向,中国、欧盟、美国都发布了新的愿景。[6] 2) 行业智能化对企业网络的改造提出了明确的要求,需要加快工业设备网络化改造、推进企业内网升级,推动IT网络与OT网络融合。[6] 3) 生成式人工智能成为使能行业智能化的关键要素之一,网络作为连接算力基础设施的"管道"对算力的高效利用起至关重要的作用。[6] 4) 全球领先电信运营商纷纷探索"联接+"的业务发展方向,面向工业、金融、健康、能源、农业的B2B、云、IoT场景将成为未来最具发展潜力的领域。[7] 5) 2030年通信网络将从连接百亿人向连接千亿物的方向发展,网络规模持续增长、物联场景对网络提出更高要求、能效瓶颈等是未来10年的主要挑战。[8][9] 行业发展目录 1. 产业趋势 [6][7][8][9] 2. 未来网络场景 [11][12][13][14][15][16][17][19][20][29][32][33][34] - 下一代人机交互网络 [12][13][14][15][16][17] - 住行合一网络 [29][32][33][34] - 空天地全域立体网 [34][35][36][55][56][57] - 工业互联网 [37][38][39] - 算力网络 [40][41][42][43] - 自智网络 [44][45][46] 3. 未来网络关键技术特征 [49][50][51][52][53][54][58][59][60][61][62][63][64][65][66][67][68][69][70][71][72][73][74][75][76] - 立体超宽网络 [53][54][55] - 确定性体验 [57][58][59] - 智能原生 [60][61][63][64][65] - 通信感知融合 [66][67][68] - 安全可信 [69][70][71] - 绿色低碳 [72][73][74]

行业投资评级 报告给予行业"看好"评级。[1] 报告的核心观点 1) 云计算将无处不在,到2030年约30亿智能设备端侧算力将上云。[6] 2) 人工智能将无所不及,15亿企业员工将拥有自己的智能助手,80%的企业应用基于AI开发或重构。[6] 3) 物理世界将被重塑,三维空间数据量将是现在的106倍,约5亿人进入虚实结合的空间计算世界。[6] 行业发展方向 1) 制药行业:AI技术将大幅提升创新药设计成功率和研发效率。[8][9] 2) 气象行业:数据驱动的气象大模型将预报计算时间缩短1万倍,提升预报精度50%。[10][11] 3) 金融行业:基于大模型的"即时预测"(Now-Casting)将使30%经济指标实现即时精准预测。[12] 4) 政府行业:多学科人工智能支持团队和智能助理将覆盖100%被服务的民众和企业。[13] 5) 教育行业:全球1500万"数智教师"将与学校教师协同工作,实现人机共教共学共育。[14] 6) 零售行业:AI驱动的端到端数智化将使库存周转率提升2.5~4倍。[15] 7) Web3.0行业:去中心化应用将在各行各业加速渗透,零知识证明将使应用成本降低10倍。[16] 8) 能源行业:能源云"操作系统"将实现全网智能化,减少10%温室气体排放。[17] 9) 娱乐行业:70%媒体内容将由AI生成,个性化内容市场规模将达5000亿美元。[18] 10) 工业行业:产业链多智能体互联将使供应链成本降低50%,订单履行周期缩短70%。[19] 11) 汽车行业:人车交互智能化个性化将使云端算力需求达500EFLOP/s。[20][21] 12) 低空经济:绿色城市、智慧交通、无人货运等将为全球带来50万亿美元的经济增量。[22]

行业投资评级 报告给出了行业的积极评级。[1] 报告的核心观点 1) 算力需求将在未来10年内呈现百倍增长，算力分布将进一步极化。[13][14] 2) 算力的规模和效率已成为国家和企业的核心竞争力。[14] 3) AI驱动数据中心发生全面革命，AI计算算力成为数据中心发展的最大驱动力。[15] 4) 数据中心的产业标签从高耗能转变为绿色发展使能器。[16] 5) 数据中心将超出物理数据中心边界，多流协同的数据中心普及化。[18] 6) 系统级创新成为数据中心技术发展的主流。[19] 未来场景与创新方向 1) AI for All，创造新生产力 [24] 2) 科研第四范式，以数据密集型计算探索未知 [26] 3) 空间互联网，带来多维虚实交互体验 [29] 4) 行业数字孪生，推动智能升级 [30] 5) 普惠云原生,消除企业数字鸿沟 [31] 6) 系统化多流协同，提升能效 [32] 7) 多级化软硬协同，提升算效 [34] 8) 无损化网业协同，提升运效 [35] 9) 社会化数据协同，提升数效 [38] 10) 智能化人机协同, 提升人效 [39]

行业投资评级 无相关内容。 报告的核心观点 1) 通讯行业从 2G 逐步走向 5G，ICT 服务和软件行业也经历了标准化，工具化，数字化的代际升级；随着 Gen AI，数字孪生等新技术的兴起，从数字化到智能化已成为行业共识。[2] 2) 未来十年，千行百业的智能化转型类似 20 世纪的工业革命，Gen AI 是和蒸汽机，电灯一样伟大的发明，第一次让机器像人脑一样学习和思考，这是跨时代的改变生产力的历史进程。[2] 3) 要将每一代新技术、新范式引入生产环境，释放新的生产力，都需做到在现有业务生产环境和谐共生基础上持续平滑演进，能对"复杂性和不确定性"有效管控。[5] 4) 2030年，连接从"万物互联"到"万物智联"，无人出行，工业制造等将成为现实，基于"机械臂，机械手"的黑灯工厂，无人矿山随着行业智能化成为企业刚需。[8] 5) 未来网络规划需要兼容传统"人"和面向未来"机器"的传播模型，实现 SLA 的高可靠性。[10][11] 6) 集群随 Scaling law 规模越来越大，全栈 DC L1&L2 联动 AI 节能和高 MFU 规划将成为智算中心刚需。[12][13][14] 7) 从面向"网络"到面向"业务的运维"将成为未来新趋势，需要构建基于业务的数字孪生系统。[17][18][19][20] 8) 从"人等网络"到"网络等人"的网络优化模式将取代传统方式，通过数字孪生和智能优化Agent实现。[25][26] 9) 数字化营销将持续向"数字人"智能营销演进，客服中心将从"成本中心"逐步走向"效益中心"。[30][31][32] 10) 从"人找知识"到"知识找人"的赋能模式将实现，基于知识管理系统和知识助理的加持。[36][37][38] 分组总结 行业发展趋势 1) 通讯行业和ICT服务软件行业正经历数字化向智能化的转型,Gen AI等新技术正在引发跨时代的生产力变革。[2][3] 2) 未来十年,智能化转型将成为千行百业的共同趋势,无人出行、智能制造等新场景将成为现实。[4][8] 网络架构与运维 1) 未来网络规划需要兼顾传统"人"和未来"机器"的需求,实现高可靠的SLA。[10][11] 2) 随着算力集群规模的指数级增长,全栈优化和高可用成为刚需,需要构建基于系统工程的集成服务。[12][13][14][19][20] 3) 从"网络"到"业务"的运维模式转变,需要基于数字孪生的智能运维体系。[17][18] 4) 从"人等网络"到"网络等人"的优化模式将取代传统方式,实现智能优化。[25][26] 数字化转型 1) 数字化营销将向"数字人"智能营销演进,客服中心将从"成本中心"转向"效益中心"。[30][31][32] 2) 从"人找知识"到"知识找人"的赋能模式将实现,基于知识管理系统和知识助理。[36][37][38]

报告行业投资评级 报告给出了行业的"买入"评级。[1] 报告的核心观点 1) 计算作为智能世界的基石,将持续推动社会经济发展和科学进步。[9] 2) 2030年,计算将帮助人类跨入智能世界,开启一个与大航海时代、工业革命时代、宇航时代等具有同样历史地位的新时代。[3] 3) 计算将在更聪明的AI、更普惠的AI、更纵深的感知、超越现实的体验、更精确地探索未知、更准确地模拟现实、数据驱动的业务创新、更高效的运营效率等方面发挥重要作用。[11][12][13][14][15][16][17][18][19][20][21][22][23][24] 分组1 - 计算将推动智能交通和自动驾驶的发展,提升交通效率和安全性。[12][13] - 计算将支持智慧城市的建设,提高城市管理和公共服务的效率。[14] - 计算将应用于精准医疗和新药探索,提升医疗服务质量和效率。[16][17][38] 分组2 - 计算将推动个性化教育,提高学习效率和学生发展。[18] - 计算将赋能智能制造,提升生产效率和产品质量。[22][24] - 计算将支持数字孪生技术,提高产品设计、制造和仿真的效率。[107][116][117][118] 分组3 - 计算将实现多样性计算,满足不同应用场景的算力需求。[100][101][102][103][104][105] - 计算将实现多维协同,打造虚实融合的智能世界。[108][109][110][111][112][113][114][115] - 计算将在物理层面实现突破,提升计算能效和存储密度。[123][124][125][126][127][128][129][130][131][132][133][134]

报告行业投资评级 未提及 报告的核心观点 - 减碳成全球确定性趋势，可再生能源将成重要能源供给方式，风光发电成本竞争力强，技术驱动清洁能源发展，数字技术使能源系统智能化，新能源基础设施将成智能时代能源底座，各领域基础设施发展带来变革与机遇，但新能源发展面临质量和安全挑战 [2][3][4][29] 根据相关目录分别进行总结 减碳成为全球确定性趋势 - 人类活动致温室气体排放达历史最高，二氧化碳含量比过去65万年平均水平高27%，《巴黎协定》明确碳中和目标，COP28会议启动“结束化石燃料”时代，超150个国家提出减碳承诺 [2][3] - 各国提出能源改革发展和温室气体控制目标，如中国2030年新增能源需求靠清洁能源，欧盟2030年温室气体净排放量至少减55%，美国2030年温室气体排放量较2005年减50%-52% [3] 可再生能源将成为最重要的能源供给方式 - 全球能源需求大增，化石能源消费占比超85%且储量有限，发展可再生能源是可持续发展之路，《2030年可持续发展议程》设定能源发展目标 [4] - 各国制定可再生能源发展战略和规划，如印度2031 - 2032年可再生能源累计装机达596.3GW，越南2030年可再生能源发电量比重达30.9% - 39.2%，预计2030年全球可再生能源发电占比达65% [4][5] 风光发电成本竞争力优势明显 - 风电、光伏发电成本因技术创新大幅下降，2009 - 2019年光伏度电成本降89%，而化石燃料上网电价成本几乎不变，未来光伏度电成本将持续下降 [5] - 风电和光伏生产灵活性高，突破资源禀赋限制，分布式光伏投资吸引力提升，海上风电成新趋势，预计2030年光伏累计装机容量接近6000GW [6] 技术驱动清洁能源快速发展 - 构建以电力电子设备为基础的新型能源系统是能源产业变革方向，电力电子设备在电能发输配用各环节发挥关键价值 [7] - 新型功率半导体应用需求大幅提升，碳化硅器件市场规模将高速增长，预计2030年光伏逆变器碳化硅渗透率超70% [8] - 数字技术使能源系统智能化，推动能源格局变革，预计2030年光伏电站应用AI技术比例达90% [9] 新能源基础设施将成为智能时代的能源底座 - 未来十年可再生能源成新增能源主力，能源系统将形成能源云“操作系统”，预计2030年可再生能源发电占比超65%，能源消费侧电气化率达30% [10] 新型电力系统能源基础设施 - “光伏平价”走向“光储平价”，预计2030年光伏发电LCOE度电成本低至0.01美元，全球储能年度新增装机超140GW [11] - 光风储发电机技术提升新能源系统运行支撑和并网友好性能，使新能源成优质电源 [12] - 数字化和AI技术在电力系统广泛应用，支撑智慧能源系统实现，预计2030年光伏电站应用AI技术比例达90% [13] - 能源云融合能量流和信息流，实现跨时间、空间尺度协同，让能源生产消费关系更具弹性 [14][15] 新型电动出行能源基础设施 - 新能源汽车发展超预期，2023 - 2033年全球电动汽车充电量将增长8倍，充电网络是汽车电动化底座，但存在充电焦虑问题 [16] - “超充、液冷、智能”充电网络全面普及，预计2030年超充车型保有量超60%，全液冷架构带来高质量、长寿命、广覆盖价值，充电网络实现“云站桩车”四层深度协同 [17][18][19] - 电动汽车与能源系统深度融合互动，成为可调节资源，预计2030年电动汽车年充电量超1.1万亿度 [20] 新型数字产业能源基础设施 - 数据中心绿色低碳化迫在眉睫，其绿色低碳进程能赋能传统产业，预计到2030年，全球ICT行业碳排放占比1.97%，但可帮助减少全球总碳排放20% [21][22] - 未来十年，超80%的ICT能源基础设施将采用绿能供电，通信站点分布式光伏或成主力供电形式，数据中心采用清洁能源直供模式 [23] - 安全可靠是ICT基础设施本质需求，需构建端到端全链保障机制，AI技术提升其可靠性 [24][25] - ICT能源基础设施全面架构重构，融合极简、智能高效，AI技术提升数据中心运营效率、降低能耗、增强安全性 [25] 新能源发展的关键挑战 - 大量电力电子设备使用对新能源电站并网和运营安全带来挑战，需关注设备质量，融合创新技术保障安全 [26][27] - 储能系统规模化应用对储能电站安全带来挑战，需保证储能产品高质量，推动安全标准规范制定与实施 [28]

报告行业投资评级 报告未提供行业投资评级。 报告的核心观点 1) 数字化技术正在深刻改变人类生产生活方式,推动社会进入智能世界阶段。[8] 2) 未来10年,数据的年复合增长率接近40%,数据类型呈现多样化,需要多元化的存储介质来应对。[46] 3) 以数据为中心的体系架构将取代以CPU为中心的传统架构,实现存算分离和存算一体,提升数据处理效率。[67][69][73] 4) 数据内生安全将成为数据基础设施的基础能力,需要在主动数据保护、数据零拷贝、零信任存储等方向持续突破。[80][84][87] 5) 智能数据编织可以实现跨域数据协同和自动化数据编排,提升数据流动效率。[91][92][98] 6) 数据即应用意味着数据存储将具备数据感知、数据理解、新型数据服务等能力,支撑数据服务走向千行百业。[102][103][104] 7) 可持续存储需要从芯片、介质及网络全方面减少能耗,实现每比特最优能效和最少碳排放。[109][110][114] 分类总结 1. 未来数据存储场景 - 医疗、食品、住房、交通、城市、企业、能源等领域的数字化转型 [8][9][11][12][13][15][17] - 数字经济发展推动社会进入YB数据时代 [32][33][34] 2. 数据存储2030的关键特征 - 先进介质应用:多元化介质应用创新,提升容量密度和能效 [46][47][48][51][53][54][58] - 以数据为中心的体系架构:存算分离、存算一体、集群存储 [67][69][73][78] - 数据内生安全:主动数据保护、数据零拷贝、零信任存储 [80][84][87] - 智能数据编织:自动化数据编排、跨域数据协同、高效存力网络 [91][92][98] - 数据即应用:泛在化、多样化内涵、认知存储 [102][103][104] - 可持续存储:系统级节能、数据传输能效提升、芯片级节能、绿色集约标准 [109][110][114][122]

纪要涉及的行业或公司 无 纪要提到的核心观点和论据 无 其他重要但是可能被忽略的内容 [1] 会议中强调，嘉宾的发言内容仅代表其个人观点，国胜证券研究人员的发言内容仅代表当日的判断，具体请参见完整版的研究报告。 [2] 会议中提到，未经国胜证券事件书面许可，任何机构或客人严禁录音、转发及相关解读。 [3] 会议中强调，涉嫌违反上述情形的，我们将保留追究相关方法律责任的权利。

报告行业投资评级 无相关内容。 报告的核心观点 园区网络发展面临新挑战 [20][21][22][23] - 园区网络包含有线网络和无线网络,随着新技术的不断落地,园区网络的范畴和职能正在快速演进。园区网络需要从被动的哑管道向使能万物互联的开放NaaS(Network-as-a-Service)服务进行演进。 - 企业数字化转型面临的最大网络方面的挑战分别来自于网络安全、网络架构不够敏捷以及网络不够自动化和智能化。 核心技术突破带来新思路 [32][33][34][35][36][37][38][39][40][41][42][43][44][45][46][47] - 数字孪生和人工智能是两个最基础的技术领域,这两个领域的根技术已逐步成熟,为网络自治的进程带来新的思路。 - 网络数字孪生、智能终端识别、配置综合、网络演算、智能无线射频调优、随流检测等关键技术的突破,为实现园区网络的自动化和智能化提供了技术支撑。 园区自动驾驶网络时代已开启 [47] - 以园区网络的实际业务痛点为标靶,通过根技术和关键技术的逐一突破,园区自动驾驶网络时代的大门已为我们开启。 根据相关目录分别进行总结 园区自动驾驶网络愿景 [49][50] - 电信管理论坛TMF提出了"单域自治、跨域协同"的三层框架与四个闭环,定义了自动驾驶网络L1到L5的高阶分级标准。 - 华为结合自身实践并广泛听取产业组织、标准组织,以及客户意见和建议,推出园区网络自动驾驶解决方案,旨在通过大数据、AI等技术提升网络管理的自动化和智能化水平。 园区自动驾驶网络分级 [54][55][56][57] - 华为提出了园区自动驾驶网络的五个等级,从人工和系统的协作关系来定义,分别为:人工管理、辅助管理、部分自治网络、高度自治网络和全自治网络。 园区自动驾驶网络关键能力特征 [58] - 园区网络自动驾驶根据业务全流程分为"规一建一维一优"四个阶段,在每个阶段根据业务生命周期又细分为"规划设计、部署开通、业务发放、网络变更、监控排障、调参优化"六个环节,并定义了不同等级所应具备的关键能力。 园区自动驾驶网络方案架构 [59][60][61][62][65][66] - 华为园区自动驾驶网络总体解决方案架构主要分为园区网络基础设施、园区网络智能管控单元、云端AI三部分。 - 园区网络智能管控单元集管理、控制、分析为一体,以数字孪生为基础底座,内含意图驱动、网络演算、自动配置、监控分析、智能决策五大功能组件。 典型应用场景 [74][75] - 华为园区自动驾驶网络解决方案以用户意图为驱动,以数字孪生为基础,提供了极简网络设计、自动网络部署、敏捷策略变更、智能终端管理、最佳应用体验、极速故障闭环、智能网络调优、智能流量选路等典型应用场景。