
大数据十三五蓝图倒计时 15股绝对低估
工信部信息化和软件服务业司司长陈伟10日在接受记者采访时说,工信部正在制定《大数据产业“十三五”发展规划》,支持大数据技术和产业创新发展,提升大产业支撑能力,培育新业态新模式。
近日,国务院印发《促进大数据发展行动纲要》,这为我国大数据发展进行了顶层设计和统筹部署,工信部主要负责大数据产业发展以及应用示范相关工作。陈伟说,除制定《大数据产业“十三五”发展规划》外,工信部还将出台促进大数据产业发展的推进计划,促进规划、标准、技术、产业、安全、应用的协同发展。
据介绍,工信部将组织实施“大数据关键技术及产品研发与产业化工程”,通过相关项目和资金引导和支持关键技术产品研发及产业化,同时开发面向工业、电信、金融、交通、医疗等数据密集型行业的大数据应用解决方案。
“要促进大数据与其他产业的融合发展,着力发展工业大数据,加强产业生态体系建设。”陈伟说。
他说,围绕落实中国制造2025,支持开发工业大数据解决方案,利用大数据培育发展制造业新业态,开展工业大数据创新应用试点。同时,促进大数据、云计算、工业互联网、3D打印、个性化定制等的融合集成,推动制造模式变革和工业转型升级。
据介绍,目前,工信部已经指导全国信息技术标准化委员会组建由130余家单位构成的大数据标准工作组,组织起草了《大数据标准化白皮书》,制定大数据标准体系,已经开展数据质量、数据安全、数据开放共享和交易等方面的多项国家标准的立项和研制工作。上海证券报
成立产业基金,发力云计算和大数据应用:基金计划投资于云计算中心项目,以及大数据、云计算、物联网、智慧城市等相关产业链的上下游公司。包括以下几个方向:(1)智慧城市项目;(2)云计算周边配套产品项目;(3)中科院先进计算创新产业联盟相关项目;(4)产业链上下游潜在的行业并购及投资机会;(5)前沿科技领域的风险投资机会。公司以硬件起家,成立基金发力云计算和大数据应用,既是产业链条的延伸,也是围绕自身打造生态圈,拓展技术应用范围的途径。
业绩上涨受益于软硬件国产化进程:随着国家对网络安全和自主可控重视程度的提高,公司主营业务较去年同期有较大增长,高端计算机目前国内仅有国防科技大学和中科曙光能够制造,在一定程度上造成了技术的罕有性,而且高端性能服务器不同于低端的X86服务器,目前尚处于蓝海领域,国外的高性能竞争对手例如IBM等公司由于国产化的进程基本不可能再入围中国的招标,我们认为,具有资本市场和技术实力双重优势的中科曙光理应获得溢价。
芯片国产化,龙芯系列初显威力:在整个计算机的产业链中,我们看到微软和INTEL占据了主导性的优势,这也是为什么它们是最具有价值的两类公司,普通PC和低端服务器的价值沦为产业链下游,仅有供应链成本控制的价值,INTEL一家公司获得了70%的利润。我们看到,公司推出的自主可控的高性能芯片龙芯家族包含龙芯桌面计算机、龙芯机架式服务器、龙芯存储服务器、龙芯刀片服务器、龙芯防火墙、龙芯负载均衡、龙芯堡垒主机等自主可控的硬件平台,并且公司新推出基于龙芯3B-2000处理器的服务器产品。根据我们的深度报告《IT安全是和平时期国家安全的制高点》中所指出的,龙芯3B-1500已经达到可以商用的级别,其SPEC性能目前相当于INTEL二代i5系列的性能,此次推出的3B2000相对于上一代的产品,功耗和主频相当,但是性能获得了成倍的提升,这对于商业服务器来说是一次质的飞跃。另外,不同于桌面电脑,服务器一般采用linux操作系统,我们可以说,在国产化进程中,龙芯的应用不存在系统上的瓶颈,在芯片国产化的进程下,芯片业务爆发指日可待。
高端计算机及信息系统领域的佼佼者:公司始终专注于高性能计算机、通用服务器及存储产品的研究、开发与生产制造,并围绕高端计算机提供软件开发、系统集成与技术服务。2009-2014年公司连续6年蝉联中国高性能计算机TOP100排行榜市场份额第一。公司具有非常高的竞争门槛,全球超级计算机提供商寥寥无几。2014年作为核心业务的高性能计算机收入占比为33%,毛利占比41%。
倚中科院之势,成就“第二个联想”:在“棱镜门”余波未消的今天,国家对于信息安全的重视程度越来越高,政府自主信息化建设为高端计算机国产化提供了广阔的空间。中科院做为我国IT产业支柱机构,其IT资产非常丰富,既有计算所的CPU“龙芯”,又有软件所的国产核心操系统软件,所以中科院的IT资产丰富且具强大竞争力。中科院院长多次提出要把曙光培养成第二个联想。目前,中科院已经让曙光联合中科院其他科研院所成立产业创新联盟,共同探索新方向和产业化。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11