股价表现与资金流向 - 8月22日盘中股价上涨2%至27.50元/股，成交额3.86亿元，换手率3.51%，总市值125.48亿元 [1] - 主力资金净流出65.15万元，特大单买卖占比分别为5.05%和4.48%，大单买卖占比分别为19.87%和20.61% [1] - 年内股价累计上涨96.71%，近5日/20日/60日分别上涨4.44%、4.25%和35.53% [1] - 年内8次登上龙虎榜，最近2月14日净买入1791.86万元，买卖总额占比分别为6.49%和6.15% [1] 公司基本面 - 主营业务为第三方云计算服务，收入构成：公有云50.63%、混合云35.41%、云通信8.26%、私有云2.75%、边缘云1.05% [2] - 2025年上半年营业收入7.91亿元，同比增长8.37%，归母净利润亏损7964.84万元但同比收窄26.56% [2] - 股东户数4.02万户，较上期减少2.53%，人均流通股10083股，较上期增加3.42% [2] 股东结构与机构持仓 - A股上市后累计派现2112.66万元，近三年未进行分红 [3] - 博时上证科创板人工智能ETF持股366.05万股（较上期增持133.97万股），位列第六大流通股东 [3] - 国融融盛龙头严选混合A持股203.63万股（持股不变），广发科技创新混合A退出十大股东行列 [3] 行业属性 - 所属申万行业为计算机-IT服务Ⅱ-IT服务Ⅲ [2] - 概念板块涵盖增持回购、AI训练、融资融券、中盘及DeepSeek概念等 [2]

市场核心数据 - 2024下半年中国边缘云市场规模达73.9亿元人民币，同比增长18.6% [1] - 细分市场构成：边缘公有云服务37.9亿元、边缘专属云服务14.4亿元、边缘云解决方案21.6亿元 [1] - 核心增长动力来自互联网音视频分发、AI训练推理、云游戏及行业客户IT架构迁移 [1] - 预计2024-2029年市场年均复合增长率20.3% [7] 行业发展背景 - 云计算客户已具备协同使用超大规模数据中心与分布式边缘资源的能力 [2] - 生成式AI需求加速边缘服务采用，预计2027年80%的CIO将依赖云服务商提供的边缘服务 [2] - 边缘节点完成轻量级模型训练/推理成为客户新焦点，抵消互联网行业传统需求放缓影响 [3] 技术发展现状 - 边缘异构算力应用仍处早期阶段，多数形态无法直接支持大模型场景 [3] - 头部服务商正通过两种路径布局：建设大模型API聚合平台、强化边缘AI生态合作 [3][4] - 边缘节点优势包括低延迟、网络成本低、分布广泛，适合快速部署推理服务 [3] 主要服务商布局 - 边缘公有云服务商包括阿里云ENS、移动云EIC、百度BEC、天翼云ECX等16家 [6] - 边缘专属云服务商涵盖阿里云ACK@Edge、腾讯云TKE Edge、AWS ECS Anywhere等15家 [6] - 边缘云软件平台供应商包括移动云EISP、阿里云边缘计算、百度BIE等14家 [6] 未来趋势展望 - 边缘AI和出海场景将带来数十亿增量空间，可能重塑市场格局 [9] - 边缘云在海外IT架构建设、本地化AI服务方面展现独特优势 [9] - 多模态大模型服务若在C端普及，边缘云将有效缓解核心机房带宽压力 [9]

边缘云技术革命 - 边缘云突破传统集中式计算模式 将数据处理能力下沉至网络边缘 实现数据快速响应和处理 [1] - 在AI大模型竞争中 行业焦点从训练阶段转向AI推理 边缘云成为新竞争焦点 [1] - 边缘云靠近节点 可提升数据交互和AI推理即时性与效率 同时保障信息安全 [1][5] AI推理需求爆发 - AI推理计算需求可能是训练需求的10倍甚至更多 企业更关注"后训练"阶段部署问题 [1] - 巴克莱报告指出 AI推理计算需求预计占通用人工智能总计算需求的70%以上 达训练需求的4.5倍 [3] - 英伟达创始人预测 推理算力需求规模增长将"轻松超过去年估计的100倍" [3] 行业技术动态 - OpenAI推出O1推理模型 Anthropic上线依赖推理的Agent功能 DeepSeek R1推理模型引发全球关注 [3] - DeepSeek采用跨节点专家并行模式 通过全面开源将AI推理资源池成本降至百卡/千卡范围 [4] - DeepSeek轻量灵活的部署方式已获科技、金融、政务等多行业接入 推动端侧AI爆发 [4] 边缘云核心优势 - 边缘云地理分布广泛 缩短交互链路 降低数据传输开销和成本 [5] - 边缘云节点容量大、健壮性强 结合边缘推理可支持企业数字化和智能化转型 [5] - 边缘侧提供额外能力如边缘缓存和安全防护 增强模型部署安全性 [5] 市场竞争要素 - 未来竞争核心在于成本/性能计算 包括推理成本、延迟和吞吐量 [6] - 边缘推理靠近终端用户和数据源 可提升用户体验和效率 同时满足"数据主权"需求 [6] - AI行业投资已开始转向推理 推理效率需综合评估吞吐量、时延和成本 [6]