云計算專題報告在建的數據中心夠用嗎

IDC需求受流量與算量多因素驅動迎新周期4月，阿里云宣布3年投資2000億用于重大核心技術攻堅和面向未來的數據中心建設。在6月9日阿里云峰會上，管理層表示阿里云已有100多萬臺服務器，三年后這一數字將超出300萬臺;同時，還有新型網絡、IDC、芯片等新產品的研發，因此2000億可能還不夠。5月，騰訊云也宣布未來五年將投入5000億元用于新基建進一步布局，同時，將陸續在全國新建多個百萬級服務器規模的大型數據中心。數據中心(IDC)又稱互聯網數據中心，直觀理解就是互聯網機房、機柜和相關設備以及圍繞之上的運營服務，是計算機網絡的關鍵基礎設施，很大程度上決定了網絡服務商向客戶提供服務的規模。云廠商巨頭在IDC領域的“搶跑”，讓行業在新基建主線之上再燃熱點。云計算轉化存量需求IDC是高增長行業。首先需要說明，依據不同的市場規模口徑，數值結果有所不同。根據工信部2015年發布的《電信業務分類目錄(2015年版)》，除傳統的IDC租賃、托管等業務外，云平臺IaaS和PaaS也納入IDC范疇。而中國信通院的數據，2017年國內傳統IDC業務收入為513億元，云服務收入138億元，兩者占比大致為4:1，但后者比例在陸續提升。以下討論市場空間部分不特別區分具體口徑。2019年國內IDC規模達1,563億元，同比增長27%，近年復合增速達37%;并且科智咨詢等機構預測2020年增速提升至29%，規模將超2,000億。雖然增速仍然在高位，但驅動因素已經發生了變化。在上一個周期，IDC下游主要客戶是包括移動互聯網在內的互聯網企業，因滲透率趨于飽，以手機出貨量為表征的整體增速已經放緩(圖表4)。所以，后續IDC的高增長實際已進入新周期，來源于新的行業驅動力因素。我們認為IDC行業新驅動力主要源于兩方面:(1)現有互聯網服務向云計算模式轉化帶來的IDC建設機會;和(2)5G和AI商業化帶來存儲和算力的增量需求。云計算模式下，客戶端的計算和存儲能力被遷移到云端(服務器端)，從而對IDC需求產生顯著推動。企業上云產生對上游基礎設施的新需求，因此IDC的增長很大程度上會與云計算增速調頻。根據中國信通院發布的《云計算發展白皮書(2019)》，2018年我國公有云市場規模為437億元，同比增長65%;預計到2022年市場規模將達到1731億元，2015-2021年的復合增速達50%。公有云細分市場中，與IDC直接相關的IasS領域增長最為快速，市場比重從2012年的15%大幅提升至2018年的62%。私有云方面，2018年市場規模達525億元，同比增長23%，預計到2022年市達到1172億元。5G與AI是增量驅動5G驅動數據存儲需求可以預見，5G時代的數據規模將大幅增長。我們分析，數據浪潮主要來源于三個方面:(1)用戶來源:根據運營商和工信部數據，截止2020年5月底中國5G套餐用戶超5000萬戶，起重工僅中國移動5G套餐累積用戶即達5561萬戶。對比海外，韓國市場同期5G用戶數近700萬戶，占韓國移動用戶數的10%;韓國5G用戶每月的人均流量達28G;(2)應用來源:在5G技術之上，將新涌現高清視頻、VR、云游戲、工業互聯網、智能駕駛等豐富應用場景，為實現這些應用服務，也會產生大量數據;(3)網絡來源:5G網絡中，邊緣計算成為網絡架構的大趨勢之一，數據除了在中心的云端存儲，還需要在邊緣網絡上采集、使用。對應以上數據源，基本上都存在數據存儲需求，包括:(1)用戶的照片、視頻、文檔等個人數據;(2)應用領域的視頻類數據;(3)網絡的5G設備和邊緣計算數據等。這些數據的存儲將直接導致存儲型服務器需求的高速增長，并需要相應的IDC資源去容納。AI商用場景驅動算力部署需求除存儲型服務器之外，IDC還需要面對比例不小的算力型服務器。此類服務器的重要應用就是人工智能。根據互聯網周刊2019年的預計，2020年全球每人將分攤到5,200GB的數據量;其中1/3是大數據的一部分。而這些數據就將成為人工智能的組成部分。相比2017年AlphaGo帶動的深度學習技術浪潮，AI服務器的用武之地從前期的模型訓練、原型探索等技術研發階段，到現在更多用于商業化應用場景，意味著應用覆蓋的用戶規模增長將直接反映到服務器需求規模上來。國際數據中心(同樣簡稱IDC)于2020年6月發布的數據顯示，2019年中國AI服務器出貨量為7.9萬臺，同比增長47%。這一增速遠超通用服務器增速(同期通用服務器市場同比下降4%)。而且，平均每臺服務器配置8.02個GPU加速卡，比2017年的4.31個和2018年的5.10個有加速增長趨勢。其發布的《中國人工智能軟件及應用(2019下半年)跟蹤》報告還顯示，2019年中國人工智能軟件及應用市場規模達28.9億美元。包括硬件在內，整體市場規模達到60億美元;同時，預計到2024年中國人工智能軟件及應用市場規模將達到127.5億美金，2018~2024年的復合增長率達39%。從夠用到緊缺，規劃后的IDC供給量仍存缺口數據中心市場規模的快速擴大，背后是IDC建設的投入加碼。尤其是2019~2020年以來，眾多相關企業加入到IDC市場大軍來，我們開始考慮一個問題——IDC建設浪潮之后，供需關系如何?未來2~3年的IDC資源夠用了嗎?2019年之前，中國有227萬機柜，夠用但區域飽和首先，我們要知道現有的IDC資源數量以及使用率情況。從全球來看，根據中國產業信息網數據，2015-2018年的IDC資源是略有減少的，主要原因是2017年開始出現數據中心大型化、集約化的趨勢。2015年，全球數據中心機柜數為479.7萬個，到2017年達493.3萬個，但2018年的數量小幅減少至489.9萬個。但是中國的情況有所不同。根據賽迪集團的統計數據，2019年中國數據中心數量大約為7.4萬個，大約能占全球數據中心總量的23%。2016-2019年中國數據中心機架數量逐年上升，2019年數據中心機架數量達到227萬架。我們對IDC企業進行了梳理，對重要IDC企業的現有機柜數做了統計，結果如圖表8所示。根據我們的不完全統計，34家重要企業(及政府)現有機柜數為225.7萬個，與賽迪的數據接近。這些IDC企業中，擁有量較多的包括中國電信、中國聯通等。判斷IDC機柜是否夠用的一個核心指標就是上架率(機架空間被使用的比率)。理論上，一個數據中心機房所有機柜都處于被使用的狀態，及上架率達到100%，則意味著該機房滿負荷運轉。再出現新的需求，那么這個機房就“不夠用”了。當然，實際上IDC機房并不會到100%上架率就“飽和”了:

一方面，從類似圖表10的機柜內部可以看到，服務器相關的IT和網絡設備需要較為復雜的聯系，上架率越高，這些設備的維護難度也越大;另一方面，對服務的互聯網客戶來說，IDC企業需要為其提供一定的彈性擴容能力，當它的互聯網服務短期迎來大量新增用戶、流量時，需要在短期內能夠上架新的云端能力。典型的例子就是2020年的疫情期間，典型的線上服務迎來明顯的擴容需求。因此，對于一個數據中心來說，雖然更高的上架率將帶來更多的收益，但當上架率達到一定程度后，機柜就可以認為是“不夠用”了。我們認為這一比例在60-80%左右，視各供應商的策略不同而有區別。根據中國產業信息網的數據，2017年我國數據中心平均上架率為52.8%，與2016年相比均提高5%左右;其中，超大型數據中心上架率為34.4%，大型數據中心上架率54.9%，估計與超大型數據中心在最近幾年開始建設加碼有關。根據工信部2018年數據，全國IDC利用率仍在60%以下。因此數據中心基本處于夠用的狀態。但是，各個區域發展不平衡，核心地區有接近飽和的趨勢。產業信息網數據顯示，河南、浙江、江西、四川、天津等地區上架率在2017年提升到60%以上，西部地區多個省份上架率由15%提升到30%以上，但仍然處于較低水平。同時前瞻產業研究院數據顯示，北上廣深等一線城市數據中心資源最為集中，上架率達到60%~70%，并且受限于地區承載能力，新建IDC數量有所放緩。實際上，中部、西部、東北地區具有土地資源豐富、建設或租金成本較低、網絡質量及運營維護水平較高等優點，適合建立大型及超大型數據中心。但是，這些地區的下游客戶較少，而遠離客戶將增加客戶的響應時效和維護成本，所以存在上架率低的風險。相反，對于互聯網廠商的自建數據中心來說，由于解決了客戶不足的問題，則體現了相對優勢。例如，百度最大的數據中心位于山西省陽泉市，服務器設計裝機規模超過16萬臺;阿里江蘇云計算數據中心在南通簽約，將成為阿里巴巴華東地區最大的云計算中心基地，承載30萬臺服務器。在建與規劃150萬，同增近七成，但仍不夠現有的上架率數據反映的是建成的IDC滿足當時下游客戶需求的程度，從60%左右的上架率可以看到處理原有的業務，IDC是基本夠用但也快要接近飽和。而未來2~3年的IDC資源是否夠用則更多需要看現在在建的和規劃的項目情況。我們梳理了圖表8中對應的34家企業公開的在建和規劃機柜數:在建數量為49.5萬架，規劃數量為99.2萬架，合計約150萬架，相比現有的機柜數量增長約67%(見圖表15)。接近七成的增長反映了行業內企業的大力投入熱情，側面也可以理解，行業認為下游需求將進入爆發增長階段。那么，有了這些“儲備好的”IDC資源之后，是否可以滿足即將到來的新需求呢?我們針對需求做了一個估測。首先考慮存儲型服務器需求:(1)參考標準機柜和服務器規格，假設單機柜提供的存儲能力假設為64TB，假設新增的150萬機柜全部用于存儲，則提供了9600萬TB容量;(2)假設5G時代移動端設備數3億部，按其中100M(0.1G)需要云端存儲假設，則日均存儲數據量新增3000萬GB(3萬TB)。假設個人數據占互聯網數據的10%，則全網日增數據量30萬TB;(3)現有規劃的機柜能夠滿足全網9600/30=320天的存儲需求。以上假設均按保守估計，例如5GIoT時代，個人數據占比應遠小于10%，遠期設備數也大概率會超3億。同時，考慮IDC的建設周期一般在一年以上，再加上算力服務器的需求未計入，因此可以推斷，即使現在規劃的IDC資源增長較大，但仍然遠不夠滿足未來2-3年的需求。判斷:長期缺口存在，三個努力方向通過以上分析，我們可以認為，IDC資源的長期缺口是存在的，而且缺口可能在數倍。那么在以一線城市為主的核心地區對IDC用地審批有所限制的當前，行業應該如何發展才能保障供應呢?我們認為在于盡力加大投建、發展超大規模數據中心、發展高密度機柜等三個方向。加大投建以上統計的是目前規劃的數據中心數量。既然缺口較大，那么可以預見各方都將在后續持續推出投建規劃。統計部分地區已發布的IDC建設提速政策如下。廣東省工信廳6月18日印發的《廣東省5G基站和數據中心(IDC)總體布局規劃(2021-2025)》(以下簡稱“廣東《規劃》”)顯示，截至2019年底，省內已投產使用的數據中心數量約160個(其中超大型、大型和中小型數據中心各占1%、20%和79%)。規劃在建的機架數量約18.5萬個，已投產的機架數量約11.6萬個(折合標準機架數21.8萬個，合計功率545兆瓦)，在用的機架數量約7.2萬個(折合標準機架數13.5萬個，合計功率337兆瓦)，累計服務器數量超過86.4萬臺，數據存儲量約25萬TB，折合占地面積超過800畝，總投資額約700億元。規劃剔除“先提后擴”的建設思路，即先提高上架率，后擴容和新增。單個數據中心項目上架率達到60%后，方可申請擴容和新建項目。根據通知的規劃目標，在全省9個數據中心中，第一階段(2021-2022年)上架率達到65%以上，規劃建設折合標準機架數約47萬個。第二階段(2023-2025年)上架率達75%以上，規劃建設在折合標準機架數累計約100萬個。此規劃印發于圖表14統計時間之后，也是對我們提到的各地將持續推出投建規劃的一個印證。相信在這樣補缺口的政策帶動之下，行業缺口有望通過大力投建逐步得到縮小。超大規模數據中心前文幾處提到大型和超大型數據中心，主要是依據機架數量來界定，在不同的規劃中略有區別(例如廣東《規劃》中將1000-3000架定義為中型數據中心)。超大型數據中心的建設相對起步較晚，一般對土地資源等要求也較高。例如，廣東《規劃》中廣深地區原則上以中小型數據中心建設為主，大型和超大型則在其他地區落地。但是，超大型數據中心因為起步晚、規模大，其上架率也低于行業平均水平，因此能夠在后續發展中提供更有利的IDC資源。隨著超大型數據中心的利用率提升，其供應的服務器數量在整體中的占比也得到相應提升。高密度機柜高密度機柜數據中心是指機柜(42U的19’’標準機架)功率負載在8kW以上，密集擺放，專門用來對大容量存儲、高性能計算(刀片密集型服務器)和功率較大的小型計算機等單位功率系數較高的信息設備配套建設的數據中心。提升機柜密度可以在有限的IDC機房內提升機柜數量和承載的算力、存儲能力。高密度機柜意味著供電能力要求高。在2018年之前的典型IDC設施規劃中，主流電力以10A、12A等為主，單機柜供電20A的電力要求屬于“高端”需求。而根據科智咨詢發布的《2018-2019上海及周邊地區IDC產業發展研究報告》中顯示，2018年上海地區行業客戶對數據中心單機柜供電的采購需求集中在16A以上，有了大幅提升。高密度機柜的技術難度較標準機柜有所提升。當數據中心密度越大，傳統設計的供電、制冷、備災等方案都可能需要改進。否則，一次機柜電源故障，就可能造成以前數倍的損失。因此，高密度機柜如果成為行業趨勢，那么將會對行業公司提出更高的門檻要求。多方共建，誰更受益?在IDC這個快速增長的新周期市場中，參與者顯著增加。那么，目前的格局如何?什么樣的企業能夠在后續的競爭中獲得優勢呢?誰在建設IDC:運營商、互聯網云廠商和獨立第三方參與IDC服務以及增值服務的廠商主要包括三類:(1)電信運營商、(2)互聯網云廠商和(3)中立第三方IDC服務企業。其中，電信運營商即在行業上游提供網絡設施等產品，又在下游使用IDC服務;互聯網行業巨頭進入云計算領域后，即是下游客戶，又開始成為IDC企業(但大部分是自用)，之后還會針對性地為客戶提供托管設施，利用IDC設施將關鍵基礎設施和應用部署到客戶附近。只有第三方企業是專注于數據中心服務和增值服務領域。一個典型的趨勢是鋼鐵企業切入IDC領域，因為此類公司往往面臨原有業態受城市規劃影響而遷出，從而閑置了相應的土地、廠房(可改造IDC機房)、電力能耗指標等，有的還能夠直接對接到自身鋼鐵企業信息化的下游需求。怎樣的IDC公司有優勢?IDC行業被稱為是“數字地產”，往往拿來和商業地產做類比。這是因為典型的數據中心(1)需要商業用地、土建與裝修、電力能源等核心資源，(2)然后通過向終端客戶出租獲取租金(運營)收入