北京并行科技股份有限公司（920493.BJ）深度研报

一、企业速览

企业基础信息：维度：数据；公司名称：北京并行科技股份有限公司；地区：北京市海淀区；行业方向：工业软件与信息服务（电子信息与数字技术产业链）；成立时间：2007-02-15；注册资本：5970.9405万元；员工规模：228人；专利数量：45件；专精特新批次：第六批（2024年）。

并行科技是一家以算力调度和云服务为核心的技术型公司，在“电子信息与数字技术”产业链中位于“数字软件与工业服务”环节，主要为AI训练、高端制造仿真、科研计算等场景提供算力基础设施之上的调度与服务平台。

二、主营产品与产业链定位

产品体系

并行科技的产品线覆盖从底层算力管理到上层应用交付的全链条：

• 并行智算云：面向AI训练和推理的GPU算力云服务
• 并行智造云：针对CAE/CAD工业仿真场景的云端平台
• 并行超算云：面向科研计算（气象、生命科学、地球物理）的高性能计算环境
• 设计仿真云：面向制造业研发设计环节的轻量化仿真平台
• 算力调度软件：底层核心软件，实现多集群、多资源池的弹性调度

根据官网披露及公开资料，公司依托“并行算网”技术架构，将分散的算力资源（GPU服务器、CPU服务器）通过调度软件整合成统一资源池，按需分配给终端用户。其核心能力在于解决算力利用率低、使用门槛高的问题——这是AI和高性能计算行业长期存在的瓶颈。

产业链位置：上游与下游的具体关系

在“电子信息与数字技术”产业链中，“数字软件与工业服务”环节处于算力基础设施（硬件）与行业应用（终端）之间的衔接层：

• 上游：
• GPU/CPU服务器：典型依赖英伟达H100/A100、AMD MI系列、华为昇腾、寒武纪思元等硬件计算单元。
• 数据中心基础设施：包括机房、冷却系统、电力（行业共识：典型数据中心PUE值在1.2-1.4之间）。
• 网络设备：InfiniBand或RoCE v2高速互联网络（行业共识：典型带宽为400Gbps/800Gbps）。
• 操作系统与基础软件：基于Linux内核的深度定制调度层。

• 下游：
• AI企业：大模型训练、推理服务需求方（如采用LoRA微调等方案的企业）。
• 制造业：汽车主机厂、航空航天企业使用CAE仿真进行碰撞测试、流体力学分析（典型客户如车企研发中心）。
• 科研院所：气象局、生命科学实验室、地球物理研究所等超算用户。
• 教育机构：高校计算机学院、人工智能学院的科研集群。

并行科技所在的“算力调度与云服务”环节，本质上是在上游昂贵的硬件资产与下游碎片化的算力需求之间，提供资源池化、弹性伸缩、应用适配的中间层服务。其业务模式决定了这是一个重技术整合、轻硬件持有的轻资产赛道。

三、核心工序与技术依赖

关键研发/技术工序

对于算力调度和云服务类企业，核心能力体现在以下技术环节（行业共识）：

1. 多集群资源抽象与虚拟化

将不同供应商、不同代际的GPU/CPU节点统一纳管。典型做法是通过容器化技术（如Kubernetes + Volcano调度器）进行资源抽象。该环节对虚拟化开销要求严格：调度层额外算力消耗通常需控制在总资源的3%以内（行业共识）。

2. 并行计算框架适配

需要针对主流计算框架（如PyTorch、TensorFlow、MindSpore、PaddlePaddle）进行深度优化。核心参数包括：跨节点通信延迟需控制在微秒级；多GPU之间的AllReduce带宽利用率需达到InfiniBand理论带宽的90%+。

3. 智能资源调度算法

基于用户作业特征（计算密集型/数据密集型）、优先级、资源余量，实现动态binpacking。典型指标：集群利用率从行业平均的30%-40%提升至60%-80%（行业共识）。

4. 多租户安全隔离

在共享资源池中实现用户级安全隔离，包括网络隔离（VPC+VxLAN）、存储隔离（权限元数据管理）、计算隔离（cgroup + GPU MPS）。典型安全等级需满足等保二级或以上（行业共识）。

5. 计费与运营系统

支持按秒级计费、实时费用预估、预算管理。这是算力云服务商业化的基石。

上游关键原材料和设备的典型来源

并行科技在该环节的具体定位

基于公司主营（并行智算云、并行智造云）和45件专利布局，并行科技的核心定位是算力调度软件的集成商与云服务运营商。其价值主张在于降低用户使用超算和GPU集群的技术门槛，而非自研硬件或基础大模型。与大型云厂商（如阿里云、华为云）相比，并行科技更专注于垂直行业优化（如生命科学、制造业仿真），产品或具备更细的领域Know-how。

四、竞争格局

主要竞争对手

竞争维度

全国同产业链位置（数字软件与工业服务）的专精特新企业共1578家，竞争集中在以下三个维度：

1. 算力资源规模与价格：以GPU卡数运营体量和终端定价竞争。大型厂商（如中科曙光）可凭借自建数据中心摊薄边际成本，而中小型厂商依赖第三方机房租赁，议价能力有限。

2. 行业定制化深度：在CAE、气象、生命科学等垂直场景中，需与行业软件（如ANSYS、ABAQUS、GROMACS）形成深度适配优化体验。这是中小专精特新企业可能的差异化优势区。

3. 客户黏性与服务：用户对算力云服务的切换成本中等——核心原因是数据迁移、模型训练中断的经济损失较大。典型企业客户验证周期通常在3-6个月（行业共识）。

专利维度的相对位置

并行科技专利数量为45件，而全国同行业专精特新企业专利中位数为89件。并行科技在专利规模上处于中位线以下。考虑到公司上市前年总开销较小、研发人员编制有限（228人），专利密度较低可能是受限于团队规模和成立时间（2007年成立，但前期业务重心在超算运维而非自研）。 专利方向结合其产品线（智算云、调度软件），推测集中在算力调度算法、容器化部署方法、作业管理平台等方面。

五、护城河判断

技术壁垒

45件专利反映的技术密度在行业平均水平以下。结合经营范围（信息处理和存储支持服务），判断并行科技在算力调度的算法和高性能网络优化领域有一定积累，但专利数量远低于行业头部（如中科曙光持有专利上千件）。整体技术壁垒偏弱——其对上游硬件（GPU）和基础软件（开源K8s）的依赖度高，核心技术层价值可能被云巨头和硬件厂商的双向挤压。

客户壁垒

数字软件与工业服务行业的客户切换成本中等偏高（行业共识）：典型数据显示，企业级用户一旦完成模型训练任务的数据迁移和作业环境配置，重新适配新平台的周期约3-6个月；部分行业软件（如CAE仿真）的许可证绑定会进一步增加迁移难度。但若用户是临时、弹性的算力需求，切换成本可忽略。

规模壁垒

228人的团队对应一个中型软件企业的研发+运维编制，典型配置技术研发约60-80人、运维支持（7x24小时）约40-50人、销售与市场约60人、管理与行政其余。该规模支撑的算力运营体量估计在千卡级别（行业共识：典型人效比约50-100万元/人/年）。与云巨头（如阿里云、华为云数千人团队）相比，规模限制决定了无法覆盖大量定制化需求，但保持了灵活性和成本优势。

认定价值

第六批专精特新小巨人认定在2024年发布，是政策从“遴选”转向“培育+扶持”的批次。对并行科技而言，认定价值体现在：

• 融资倾斜：银行专项信用贷款额度、北交所再融资便利。
• 品牌背书：在政府和大型央国企（如中科院、气象局）的招投标中获得加分。
• 政策补贴：可能获得研发费用加计扣除、人才引进指标（具体金额视地方政策未披露）。

但第六批的认定标准放宽了规模门槛（更注重“细分赛道市占率”），因此含金量略低于前几批。

六、风险与机会

行业风险

1. GPU供应紧张与地缘政治风险：英伟达高性能GPU（A100/H100）对华出口持续受限，导致国产替代（如华为昇腾910B、寒武纪思元590）供不应求且价格较高。并行科技作为中间层服务商，一方面被迫接受硬件成本上涨，另一方面需适配国产GPU生态造成的额外的成本和人力支出。

2. 大型云厂商的垂直整合压力：阿里云、华为云、腾讯云等正在将算力调度能力原生集成至其公有云平台（如阿里云的PAI、华为云的ModelArts）。这些云厂商凭借庞大的客户基数和规模效应，可能以“免费调度功能+便宜GPU”的方式挤压独立调度服务商的生存空间。

3. 客户自建算力趋势：部分大型AI企业和科研院所开始自建小型智算中心（如“百卡集群”）。若自建成本持续下降，云上租用算力的需求增速可能放缓。

公司风险

1. 员工规模与研发投入受限：228人的团队在多行业（AI、制造、科研）同时提供定制化服务，资源持续承压。专利申请量（45件）低于行业均值（89件），暗示技术积累速度可能不足以支撑长期护城河。

2. 资本结构与亏损压力：公司以“互联网信息服务”为主接入北交所，但通常在这一行业的初创企业会在扩展期持续投入研发与服务器租赁，财务报表上存在一定时间段的亏损风险（具体财务数据未披露，不推断）。

3. 单一赛道依赖：公司业务收入对“AI训练”的依赖度较高（公开资料显示“人工智能领域需求上升推动了业务发展”），而AI训练市场的变化（如模型训练从“大模型”转向“小模型”）可能导致客户算力需求结构变化，进而影响公司收入。

机会窗口

1. 具身智能产业链爆发：公开资料显示公司已亮相具身智能大会，推出全栈算力解决方案。具身智能（人形机器人、自动驾驶）对实时推理算力与低延迟网络提出确定性需求。若公司能率先在“机器人场景的轻量化算力调度”形成标杆，有望抢占蓝海市场。

2. 工业软件国产替代政策支持：制造业国产替代政策持续推进，国产CAE/CFD软件（如安世亚太的PERA SIM、中望软件的中望3D）的用户规模扩大。这类国产软件与并行科技的“并行智造云”存在天然生态绑定机会——通过预装运行环境、优化底层调度，双方可能形成互惠关系，从而绑定客户，建立粘性。