摩尔线程概念题材|摩尔线程所属行业地域板块

集成电路：集成电路产业包括设计、制造、封装测试三个环节，是整个电子行业的基础。近年来，半导体集成电路产业呈现出芯片供应短缺，更新速度加快，细分市场竞争激烈等特点。

百元股：选取上市公司股价超过100元的予以入选，每日收盘调整板块成份股

GPU：GPU又称图形处理芯片，具有图形绘制、物理模拟、科学运算等多项功能。由于人工智能等新领域强劲增长，利用GPU（全球图形处理器）的大规模处理能力来学习人工智能算法，正在多个行业应用中快速普及。

芯片：芯片是集成了许多晶体管、电容、电阻、电感等元器件以及相关的电路，用来实现某种特定的功能，具有高度集成和小型化的特点。

次新开板：（1）本板块主要追踪次新股上市后六个月内的情况； （2）本板块设定调入调出条件包括：新股上市后6个月内、无涨跌幅限制的暂不计入，特殊情况除外；

SOC芯片：SOC芯片（System on Chip）系统级芯片，是一种将多个芯片功能集成到单个硅芯片上的微芯片。它包含了电子系统的各种组件，例如微处理器CPU、数字信号处理器DSP、图形处理器GPU、存储器、模拟功能、I/O接口、电源管理模块等。

电子设备：(1)电子设备包括计算机、通信和其他电子设备制造业等。 (2)中国电子元件“十二五”规划:2011年7月12日电子元件协会发布《中国电子元件“十二五”规划》。未来五年，我国电子元件行业销售收入总额达到1.88万亿元，年均增长10%。规划提出，到2015年，我国电子元件行业销售收入总额达到1.88万亿元，占我国电子信息产业收入的20%。电子元件总产量超过2.8万亿只，年均增长5.7%，满足国内70%的市场需求，电子元件出口总额达到860亿美元，年均增长10%。 (3)国务院电子产业规划：国务院正式发布《电子信息产业调整和振兴规划》，提出目标：产业发展对GDP增长的贡献不低于0.7个百分点，三年新增就业岗位超过150万个，软件和信息服务收入比重将从12%提高到15%。三大任务：确保计算机、电子元器件、视听产品等骨干产业稳定增长；突破集成电路、新型显示器件、软件等核心产业的关键技术；在通信设备、信息服务、信息技术应用等领域培育新的增长点。七大举措：落实扩大内需措施、加大国家投入、加强政策扶持、完善投融资环境、支持优势企业并购重组、进一步开拓国际市场、强化自主创新能力建设。 (4)“十三五”规划纲要中指出，实施国家大数据战略。把大数据作为基础性战略资源，全面实施促进大数据发展行动，加快推动数据资源共享开放和开发应用，助力产业转型升级和社会治理创新。全面推进重点领域大数据高效采集、有效整合，深化政府数据和社会数据关联分析、融合利用，提高宏观调控、市场监管、社会治理和公共服务精准性和有效性。

AI芯片：即人工智能芯片，狭义上理解它是针对人工智能算法做特殊加速设计的芯片。广义上理解，AI芯片是用于处理人工智能应用中大量计算任务的模块。

科创成长层：科创成长层精准支持技术实现较大突破、商业前景广阔、持续研发投入大、上市时处于未盈利阶段的科技型企业，该板块包括科创板的全部未盈利企业。

次新股：次新股的内涵是伴随着时间的推移而相应变化的。一般来说一个上市公司在上市后的一年之内如果还没有明显扩充股本，基本上就可以归纳为次新股板块。通常，市场把次新股板块看成高送转的发源地。

无人驾驶：无人驾驶汽车是一种智能汽车，主要依靠车内的以计算机系统为主的智能驾驶仪来实现自动驾驶。

融资融券：融资融券是指，投资者向具有融资融券业务资格的证券公司提交保证金，借入资金买入上市证券（融资交易），或借入上市证券并卖出（融券交易）的行为。

大盘：选取每日收市后总市值排名前150的个股作为次日指数成份股予以调入。

北京：暂无该板块的介绍！

算力：算力网络是以网络为中心的融合资源供给，能够根据业务需求灵活调度算力资源，对数据进行就近加速处理、降低时延，提高算力利用效率

一体机：一体机“开箱即用”，是便捷、低门槛的私有化部署方案。智算一体机是面向AI场景设计的集成化计算设备，通常将AI芯片、服务器硬件、算法框架、行业应用软件等深度融合，形成“开箱即用”的智能算力解决方案。

信创：信创，即信息技术应用创新。信创产业的未来将是关键领域的全面安全，实现软硬件全部替换。

人工智能：人工智能（ArtifiCial IntelliGEnce），英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。

AI训练：随着人工智能行业高速发展，模型的复杂度以及算力要求拉动了训练数据需求量的提升