2 月 27 日晚间，并行科技（839493）发布 2024 年度业绩快报，2024 年预计实现营业收入 65461.73 万元，同比增长 32.07%；归属于上市公司股东的净利润为 1152.87 万元，同比扭亏为盈，扣非净利润为 502.94 万元。公司在深耕超算云服务十八载后，首度在一个完整年度取得盈利。

近年来，并行科技通过共建模式，不仅建设了自有算力，还整合了外部算力中心的优质算力资源，形成了强大的算力服务网络。同时，2024 年国内算力市场的持续高景气度，为并行科技的发展提供了有利的外部环境。公司紧抓市场机遇，凭借自身的技术实力和服务优势，成功切入多个细分领域，为业务规模较大的企业客户提供专业化的行业算力服务解决方案。

一、公司概况

犀牛之星 APP 显示，并行科技成立于 2007 年，是国内领先的超算云服务和算力运营服务提供商，聚焦应用真实运行性能，致力于为用户提供全面、安全、易用、高性价比的超算云服务。公司业务以超算云服务为核心，主要包括通用云、行业云、AI 云服务，同时提供超算云系统集成、超算软件及技术服务等全方位服务。并行科技也是国内第一大独立超算云服务提供商，根据 IDC 数据显示，并行科技市场份额占比已超 30%，是北交所首家以算力服务为主营业务的上市公司。

公司历年来在科技领域获得了多项荣誉，荣获 "CCF 科学技术奖之科技进步杰出奖 "、" 超算云计算服务创新奖 "、" 科技进步一等奖 " 等多项荣誉，并荣获国家 " 专精特新企业 " 荣誉称号。在超算算力持续提升的背景下，公司率先提出 " 互联网 +HPC" 概念，通过全网超大规模算力调度技术，实现了算力资源的智能匹配和高效利用，成功地将云计算与超算技术进行了深度融合，为科研、AI、工业仿真等领域提供了强大的算力支持，大大降低了用户的算力使用成本，同时也极大地提升了算力服务的响应速度和灵活性。同时，公司还自主研发了动态调度算法，实现了跨地域、跨架构（CPU/GPU/ASIC）的算力资源智能匹配，响应时间缩短至毫秒级。此外，并行科技还具备强大的异构兼容能力，能够适配华为昇腾、海光 DCU、英伟达 A100 等主流算力芯片，并兼容 DeepSeek R1、智谱 GLM 等超千亿参数大模型，为用户提供了更为丰富和灵活的算力选择。经过多年的发展，成为超算云服务市场规模和成长性均领先的 " 专精特新 " 中小企业。

二、业绩增长势头强劲

1. 收入逐年高速增长，2024 年扭亏为盈

近年来，随着我国在超算领域科研的快速发展和 AI 等新兴产业的快速发展带来的 AI 云服务需求井喷，公司业务取得了快速发展。营收方面，2020-2023 年公司营收分别为 1.23 亿元、2.2 亿元、3.13 亿元和 4.96 亿元；归母净利润方面，公司归母净利润从 2022 年的 -11448.74 万元减亏至 2023 年的 -8049.95 万元。根据公司业绩快报，2024 年预计实现营业收入 65461.73 万元，同比增长 32.07%；归属于上市公司股东的净利润为 1152.87 万元，同比增长 114.32%。

2024 年，公司业务拓展取得重大突破。在与赛力斯的战略合作中，双方共建的基于混合云的智能研发仿真平台展现出强大的技术整合能力。该平台利用弹性计算能力，使得 CAE（计算机辅助工程）工程师能够实现 " 夕发朝看 " 的工作模式，即在下班前提交计算任务，第二天早上就能获得计算结果。为了满足未来更多车型的研发以及 CAE 的变革，赛力斯将加深与并行科技的合作，筹划更大规模的弹性计算能力。这种 " 算力 + 算法 " 的解决方案模式，正在重塑行业竞争格局。目前公司已在生物医药、新能源、智能制造等领域复制成功经验，形成行业 know-how 与算力服务的深度耦合。

从营收构成来看，2024 年 H1，公司营收为 2.70 亿元，其中超算云服务贡献了 2.59 亿元，同比增长 64.27%，占总营收的绝大部分，并实现了 33.9% 的毛利率。细分来看，通用云、行业云和 AI 云分别实现了不同的增长率，尤其是 AI 云，其营业收入同比激增 319.36%，毛利率也增加了 11.47 个百分点至 27.09%。在 AI 云业务方面，公司针对大规模训练场景，提升基础架构设计和实现能力，优化基础支撑库组件，为用户交付高性能和高可靠性的大规模训练算力；针对推理场景，加强容器等云原生基础支撑，以应用运行特征分析等核心技术推动算力选型和优化，灵活满足高并发高性价比推理需求。

2." 算海计划 " 二期可容纳 10 万卡算力

公司销售费用占营收比例呈现显著下降趋势，从 2021 年的 37.02% 压缩至 2023 年的 22.95%，并在 2024 年前三季度进一步降至 17.01%，规模效应初显。

研发投入方面，2020 年至 2023 年研发投入从 2286.93 万元增长至 4183.76 万元，2024 年前三季度研发费用为 2586.49 万元，公司研发投入重点聚焦算力调度算法优化，通过技术升级降低单位算力服务成本。

从现金流量来看，公司经营活动产生的现金流量净额从 2020 年的 4142.58 万元增长至 2023 年的 6125.37 万元，使公司得以展开大规模算力资产采购。2023 年 11 月至今，公司采购算力资产金额共计约 4.62 亿元。其中设备类采购金额约为 3.52 亿元（服务器 3.51 亿元，存储设备 100 万元），资源类采购（GPU 算力资源）约为 1.1 亿元。

并行科技合作内蒙古算力基地于 2024 年 5 月 15 日正式上线运营，并向算力建设合作伙伴发起号召：共同筹建面向模型训练的大规模单体集群。并行科技合作内蒙古新型算力基地，规划建设 4000 个 20kW 高功率智算机柜，最大可以支持单一集群 6 万卡。" 算海计划 "，寓意纳入所有江河湖泽，海纳百川，旨在打造全国性的算力调度网络。这一计划的实施将进一步优化算力资源的配置和利用效率，降低用户的算力使用成本，推动 AI 技术的普及和应用。可以预见，" 算海计划 " 的成功实施将为并行科技在 AI 算力服务市场中的领先地位提供更为坚实的支撑。

" 算海计划 " 的战略价值超越单纯成本优化，通过打造覆盖全国的算力资源池，并行科技正在建立生态级能力：前端聚合分散算力资源形成规模效应，后端通过智能调度算法提升资产周转效率，巩固了公司在 AI 算力服务市场的领先地位，更为其向 AI 基础设施运营商升级奠定基础。随着算力资源网络效应显现，公司边际成本将持续下行，形成兼具经济性和技术壁垒的竞争优势。" 算海计划 " 二期项目已规划上马，二期将依托单一大集群进行统一管理和调度，可容纳高达 10 万卡的强大算力资源。

三、AI 新基建背景下，算力市场规模将持续扩大

1. 顺应 " 新基建 " 趋势，" 东数西算 " 促进算力基础设施完善升级

在全球数字经济竞争进入算力密度比拼的新阶段，中国超算服务市场正经历从高速增长向高质量发展的关键跃迁。据《经济参考报》，目前我国算力基础设施持续夯实，建成全球最大规模光纤和移动通信网络，推进一体化大数据中心体系、工业互联网大数据中心体系建设，算力产业规模快速增长，近五年平均增速超过 30%，算力规模排名全球第二。但下游用户需求仍存在显著缺口——高校科研机构面临百万亿次计算需求的常态化挑战，智能制造企业遭遇仿真模拟算力成本高企的瓶颈。AI 大模型的兴起，更是驱动算力需求爆炸式增长。据 IDC 测算，2021-2026 年我国智能算力规模的年复合增长率达 52.3%。据国信证券测算，以 1750 亿参数的 ChatGPT 大模型为例，按照一周日访客数量 2500 万、单字消耗 350ms 等标准计算，每天需要 3.04 万片英伟达 A100 GPU 同时计算，才可满足当前 ChatGPT 的访问量。

在 " 新基建 " 的大背景下，" 东数西算 " 工程应运而生，成为破解算力资源时空错配的系统性方案。它通过构建国家枢纽节点，实现了算力资源的优化配置和高效利用。东部沿海地区作为经济发展的龙头，对算力的需求极为旺盛。而西部地区拥有丰富的能源资源和较低的气候温度，为数据中心的建设和运营提供了得天独厚的条件。通过 " 东数西算 " 工程，可以将东部的数据需求与西部的算力资源有效对接，实现算力资源的跨区域流动和共享共用，从而提高算力使用效率，降低算力成本。另一方面，" 东数西算 " 工程的实施也促进了算力基础设施的完善和升级。通过扩大算力设施规模，加强数据中心、超算中心等基础设施建设，提高了算力供给能力。同时，也推动了算力芯片的国产化进程，加强算力标准化建设，提高算力资源的互操作性和可移植性。

2. 算力芯片国产化大势所趋

当前，全球算力需求呈现指数级增长。生成式 AI、自动驾驶、智能制造等新兴技术的爆发，推动算力需求每 3-4 个月翻番。我国算力需求大、国产化率极低，替代空间广阔。中国作为全球第二大算力市场，2024 年智能算力规模规划增长超 100EFLOPS，对应 AI 芯片市场规模达 2600 亿元，其中智能算力将成为主要增量部分。赛道空间巨大但国产化率极低，目前高端 GPU 领域国产化率不足 10%，互联网等商用 AI 芯片几乎完全依赖进口。另一方面，大国 AI 竞争背景下，美国出口管制进一步升级，加剧供应链风险，国产芯片替代的紧迫性提升，迫使国内企业加速技术突围，算力国产化大势所趋。

3、算力需求多元化趋势促使算力规模进一步扩大

算力作为数字经济的基础，其需求正经历着多元化转变。伴随人工智能、工业互联网、元宇宙等前沿技术的爆发式发展，算力需求不再局限于单一的性能导向，而是向多维度价值导向全面演进。这一转变影响了算力服务提供商的技术架构与商业模式，推动了算力规模的进一步扩大。

根据 IDC 与浪潮信息联合发布的《2025 中国人工智能计算力发展评估报告》，我国智能算力规模在 2024 年达到 725.3 百亿亿次 / 秒，同比增速达 74.1%。增幅是同期通用算力增幅（20.6%）的 3 倍以上；市场规模为 190 亿美元，同比增长 86.9%。未来两年，中国智能算力仍将保持高速增长。2025 年，中国智能算力规模将达到 1,037.3 EFLOPS，较 2024 年增长 43%；2026 年，中国智能算力规模将达到 1,460.3 EFLOPS，为 2024 年的两倍。2025 年中国人工智能算力市场规模将达到 259 亿美元，较 2024 年增长 36.2%；2026 年市场规模将达到 337 亿美元，为 2024 年的 1.77 倍。

四、超算云渗透率将逐步提升

1. 超算云渗透率提升

在超算细分场景下，传统自建超算中心长期面临着诸多痛点。重资产投入与回报周期失衡，单中心的建设成本高达数亿元，且硬件迭代周期缩短至 2-3 年，使得投资回报变得愈发不确定。资源利用率与需求波动性之间的冲突也尤为突出，科研与工业场景的算力需求往往呈现脉冲式特征，自建模式导致资源闲置率普遍超过 40%，造成了极大的浪费。此外，技术升级滞后与创新需求激增的矛盾也日益凸显，硬件采购周期长达 6-12 个月，难以匹配 AI 大模型训练等场景的快速迭代需求。同时，运维复杂度与专业化能力缺口也是传统超算中心难以逾越的鸿沟，需要组建跨学科的技术团队，年均运维成本占总投入的 15%-20%，进一步增加了运营压力。

超算云服务的出现，通过 " 算力虚拟化 + 服务弹性化 " 的模式，系统性地破解了上述痛点。用户无需再预置硬件资产，按需付费的模式将固定成本转化为可变成本，初始投入降低了 90% 以上。依托多云互联技术，超算云实现了跨区域算力池的动态调配，资源利用率提升可较传统模式翻倍。云端算力资源的实时更新，支持最新 GPU 架构的即时接入，将技术代差缩短至 3-6 个月。而服务商提供的全生命周期管理，涵盖了硬件维护、安全加固及算法优化，使用户能够专注于核心业务创新，无需再为繁琐的运维工作分心。

开源证券数据显示，中国超算云服务市场渗透率从 2021 年的 10.5% 提升至 2024 年的 17.3%，预计 2025 年将突破 24%。一是下游客户群体的几何级扩容，中小型科研机构与初创企业占比的显著提升，云服务模式将单项目算力成本从百万元级降至十万元级，释放了普惠化的需求。同时，超算云应用从传统科研领域向工业仿真、金融量化等商业场景延伸，行业覆盖率大幅扩展。依托 " 东数西算 " 枢纽节点，中国超算云服务商还积极辐射东南亚、中东等新兴市场，跨境算力订单占比不断增长。二是单客业务采购量的非线性增长也将推动超算云渗透率提升。单个 AI 大模型训练任务算力消耗的指数级膨胀，大模型训练从千亿参数向万亿级演进，驱动客户年均算力采购额大幅增长。服务层级的深化，从基础 IaaS 向 PaaS、SaaS 升级，客单价显著提升。混合云部署的普及，使企业采用 " 核心数据本地化 + 弹性算力云端化 " 的混合架构，超算云采购占比大幅提升，推动了 ARPU（单用户收入）的增长。

根据弗若斯特沙利文，2021 年中国超算云服务市场规模为 20.7 亿元，预计 2025 年将达到 111.9 亿元，2021 年 -2025 年复合增长率达到 52.4%。

2. 集群与云服务技术的融合带来下游的广阔创新

计算机集群技术在计算密集型场景下拥有着广泛的应用，集群技术能够将一组相互独立的服务器，通过网络互联和集群软件系统管理的方式，实现算力资源的拓展与使用，同时大幅降低硬件的配置成本，提高单一服务器的算力资源使用效率。集群技术还可以提高算力资源运行的可靠性，最大化的减小故障损失。

未来随着企业级超算服务的进一步渗透，集群技术与云服务的紧密融合将形成更加灵活的算力资源配置，为超算云服务带来更广阔的创新领域。在智能制造领域，工业级超算云服务通过集群化的实时仿真能力，正在重构产品研发流程。在生命科学领域，超算云服务同样发挥着举足轻重的作用。冷冻电镜数据处理、蛋白质折叠预测等计算任务对算力需求极高，而超算云服务通过提供高性能的计算资源与专业的服务支持，为生命科学领域的研究提供了有力支撑。在智慧医疗领域，神农量子首席科学家林子敬教授于 2022 年开始使用并行科技的超算来做量子化学计算和药物发现，将一站式药物设计平台软件 Prothod 以及生物医药分子结构数据库 PPbank 部署到并行超算云服务平台，为药物设计提供技术服务，这属于智慧医疗产业链中药物研发环节的重要支撑。在元宇宙领域，实时光线追踪、物理引擎模拟等核心技术依赖超大规模 GPU 集群的支持。当这类集群能力通过云服务开放时，将为数字内容创作、虚拟人交互等应用带来前所未有的发展机遇。

五、AI 的爆发式增长驱动算力需求大幅增加

1.AI 的超大规模训练依赖强大的算力支持

在当今人工智能迅猛发展的时代，算力作为支撑 AI 技术进步的基石，其重要性不言而喻。尤其是在 AI 的超大规模训练领域，算力不仅是决定模型训练速度、推理效率以及应用效果的关键因素，更是推动 AI 技术从理论走向实践、从实验室走向产业化的核心。

从最初的简单算法到如今的深度学习、自然语言处理等复杂应用，AI 对算力的需求呈现出爆炸性增长。深度学习模型的训练需要大量的数据输入和复杂的计算过程，这一过程往往耗时极长，对算力的要求极高。以生成式 AI 为例，其模型训练过程需要处理海量的文本数据，通过复杂的神经网络进行特征提取和模式识别，最终生成高质量的文本内容。这一过程不仅需要庞大的存储空间来存储训练数据，更需要强大的算力来支持高速的计算过程。具体来说，生成式 AI 模型的训练涉及以下几个关键步骤：

（1）数据预处理：包括数据收集、清洗、增强与标注等，这些步骤都需要算力支持来完成。例如，数据清洗过程中需要处理缺失值和异常值，数据增强则需要通过图像翻转、旋转等技术来增加数据的多样性，这些操作都需要算力来加速处理过程。

（2）模型设计与训练：选择合适的算法和设计模型结构是训练过程中的重要环节。深度学习模型往往具有复杂的网络结构和大量的参数，训练这些模型需要强大的算力来支持高效的计算过程。同时，为了提高模型的准确性和泛化能力，还需要采用高效的训练策略，如小批量训练、学习率调整等，这些策略同样依赖于算力支持。

（3）模型调优与评估：在模型训练完成后，还需要进行调优和评估工作。通过调整模型参数、优化算法和损失函数等手段进一步提升模型的性能。这一过程同样需要算力支持来完成大量的计算任务。

由此可见，超大规模训练对算力的依赖是全方位的。只有具备足够的算力资源，才能在短时间内完成模型的训练和优化工作，提高模型的准确性和泛化能力。

并行科技于 2020 年推出 AI 云相关的 GPU 算力服务，凭借在大规模并行计算以及大模型训练算力服务领域的技术积累和运营服务经验获得下游优质客户信任，跟随行业趋势快速增长。公司重要的大模型客户主要包括：智谱华章、中科闻歌、瑞莱智慧、虎博网络、澜舟科技、北京智源人工智能研究院等，有望优先受益于行业发展。

2.AI 应用场景普及促进算力需求提升

AI 技术的飞速发展，使得其在各个领域的应用成为可能。从智能制造到智慧城市，从医疗健康到金融服务，AI 的应用场景日益丰富，成为推动社会进步和产业升级的重要力量。AI 的普及与应用，极大地推动了人工智能在云端、边缘端及终端的广泛覆盖与深度融合。在云端，大型云服务提供商通过建立全球性的数据中心网络，提供弹性可扩展的 AI 算力服务，支持大规模模型的训练与部署，为各类企业提供了便捷、高效的 AI 解决方案。在边缘端，随着物联网（IoT）技术的普及，越来越多的智能设备嵌入了 AI 处理能力，实现了数据的即时分析与决策，提升了系统的响应速度与隐私保护能力。而在终端，随着智能手机、智能家居等智能设备的智能化水平不断提升，AI 技术也开始融入其中，为用户提供更加个性化、智能化的服务体验。

由于 AI 技术在各行各业中的深度融合，无处不在的智能应用对算力的需求快速增长，传统的算力基础设施已难以满足大规模数据处理、复杂算法运行以及实时决策支持等需求。在 AI 技术迅猛发展的浪潮中，其广泛的应用场景与日益增长的复杂度对算力基础设施提出了前所未有的升级需求。HPC、GPU、专用 AI 芯片等硬件设施的快速发展，成为支撑这一需求的必要条件。此外，量子计算、光子计算等前沿技术的探索与应用，也使得未来算力基础设施的潜力将更加不可限量，为 AI 的进一步发展奠定坚实基础。IDC 报告预计，2023 年中国人工智能服务器市场规模将达 91 亿美元，同比增长 82.5％，2027 年将达到 134 亿美元，2023-2027 年年复合增长率达 10.7％。

3. 推理算力需求可能是训练的数倍

AI 模型的训练过程，是通过对海量数据进行学习，优化模型参数，使其具备特定任务的处理能力。这一过程无疑需要消耗大量的算力，尤其是在处理复杂任务和大规模数据集时。然而，当模型训练完成并部署到实际应用中时，推理阶段的算力需求开始凸显。推理，即模型根据输入数据生成输出结果的过程，是 AI 技术在实际应用中的核心环节。与训练阶段相比，推理阶段往往需要处理更多的实时数据，且对响应速度有着极高的要求。

（1）DeepSeek 等国产大模型崛起带动推理需求激增

DeepSeek 凭借 " 开源、成本低、性能高 " 迅速出圈火爆全球，正在激活市场热情，导致算力需求仍将加大。DeepSeek 作为高性价比的开源大模型，其出现标志着 AI 技术向更广泛、更深入的应用领域迈进。开源模型的普及降低了 AI 技术的门槛，使得更多企业和开发者能够参与到 AI 应用的开发中来，也对推理算力提出了更高要求。开源模型往往具有更广泛的适用性和更高的灵活性，但它们同样需要强大的推理算力来支持实时、准确的数据处理和决策。

以 DeepSeek 为例，DeepSeek-V3 等开源模型虽降低单任务算力消耗，但推动应用场景数量指数级增长，导致碎片化需求激增。同时，尽管其训练过程可能已经在云端或高性能计算集群中完成，但在实际应用场景中，如智能客服、自动驾驶、智能制造等领域，推理算力需求呈现出快速增长状态。这些应用场景往往要求 AI 模型能够实时处理大量数据，并给出快速、准确的响应。因此，推理算力的强弱直接决定了 AI 应用的实际效果和用户体验。

近期微软、亚马逊、谷歌、Meta 披露业绩，四大科技巨头 2024 年第四季度资本开支合计同比大幅增长 77%，主要支持云计算、AI 等基础设施建设。同时后续资本开支指引积极，海外 CSP 并未因 DeepSeek V3 及 R1 模型推出而放缓资本开支投入的步伐，反而加大相关投入，而国内 CSP 为了保持竞争优势亦有望跟进，增加 AI 领域相关投入。同时 AI 应用场景加速普及，也将反哺算力需求。

（2）云厂商 " 训推一体 " 架构的兴起助推 AI 推理需求

云厂商在不断探索更加高效、灵活的算力服务模式的过程中，" 训推一体 " 架构逐渐成为行业共识。这种架构将训练算力和推理算力整合在一起，通过优化资源配置和调度策略，实现算力的高效利用和成本降低。

" 训推一体 " 架构的兴起也助推了推理算力需求的增长。一方面，AI 应用的不断普及和深入，让越来越多的企业和开发者开始将 AI 模型部署到云端进行推理。这使得云端推理算力需求急剧增加。另一方面，" 训推一体 " 架构要求云厂商在提供训练算力的同时，也要具备强大的推理算力来支持 AI 模型的实际应用。因此，云厂商同时也需要不断升级和优化其算力基础设施，以满足日益增长的推理算力需求。

六、同行业对比

同行业上市公司方面，选取云赛智联（600602）、恒为科技（603496）、奥飞数据（300738）、深信服（300454）、青云科技 -U（688316）为可比公司。

从营收规模来看，并行科技的营收为 4.34 亿元，还有较大发展空间；营收增速方面，恒为科技以 76.76% 的增速领先，并行科技营收增速为 30.35%，属于行业中等水平。从归母净利润来看，并行科技归母净利润 2024 年净利润规模较小，为 301.98 万元，但同比扭亏为盈，归母净利润增速达 105.80%，仅次于恒为科技的 145.87%。销售毛利率为 32.81%，较去年同期增加 7.4 个百分点，这得益于公司规模效应逐渐显现、运营效率持续提升以及算力资源利用率提升。并行科技作为国内超算云领域龙头，在行业内具有经验、技术以及先发优势，且在 AI 领域拥有智谱华章等高质量客户，预计随着在不同下游领域内新客户快速增长，老客户稳定复购，规模效应显现，公司业绩将维持高增长趋势。