來源：智東西
看點：復盤 Nvidia 發(fā)展歷程，發(fā)掘 Nvidia 成功要素，為中國計算芯片行業(yè)發(fā)展提供借鑒。
英偉達（Nvidia）成立于 1993 年，目前是全球最大的獨立 GPU 供應商，也是 AI芯片市場的領軍者。上市初期，Nvidia GPU 主要專注 PC 圖形業(yè)務，公司產品與 PC 出貨存在較高程度的綁定，以 OEM 形式銷售顯卡也是公司重要的收入來源之一。經濟危機后，隨著智能手機、平板電腦等消費電子新應用的興起，終端需求呈現多元化，全球 PC 出貨量開始進入下行通道，Nvidia 開始將業(yè)務重心轉向高端游戲卡市場。
2009 年起，公司幾乎每兩年刷新一次游戲 GPU 架構，優(yōu)異的硬件性能和良好的兼容性使其逐漸擴大了對 AMD 的市占率領先優(yōu)勢，一度在 PC 獨顯市場將 AMD 市占率壓制在 20%以下。2010-2015年，公司游戲 GPU 出貨量年復合增速為 9%，2013-2018 年年復合增速上升至 14%。同時，借助平均銷售單價強勢上升，公司 2010-2015 年游戲業(yè)務收入實現了 21%的復合增速，而 2013-2018 年這一數字更攀升至 29%。
本期的智能內參，我們推薦中金公司的研究報告《英偉達：從繪圖到計算，從 GPU 到 AI 芯片》，復盤 Nvidia 發(fā)展歷程，發(fā)掘 Nvidia 成功要素，為中國計算芯片行業(yè)發(fā)展提供借鑒。
本期內參來源：中金公司
原標題：《英偉達：從繪圖到計算，從 GPU 到 AI 芯片》
作者：黃樂平、 丁寧 、 成喬升 分析師。
GPU 核彈的二十年輝煌史
英偉達（Nvidia Corporation， NVDA US）成立于 1993 年 1 月，創(chuàng)始人為 LSI Logic 走出的Jenson Huang（黃仁勛）及來自于 Sun Microsystem 的兩位工程師 Chris Malachowsky 和Curtis Priem，現已成為全球可編程圖形處理技術的領袖，并在未來 AI 時代所需的高性能計算領域取得了良好的先發(fā)優(yōu)勢。公司于成立初期（1993-1997）相繼發(fā)布了 NV1 及 Riva系列圖形顯示芯片，但并未獲得良好的市場認可。
1998-2007，開啟發(fā)展之路，迂回中前進。1998 年，公司于臺積電正式建立策略聯盟伙伴關系，以無晶圓（Fabless）模式的英偉達在奠定產能及工藝基礎的同時，也與臺積電一并開啟了自己的發(fā)展之路。1999 年公司在 NASDAQ 上市，發(fā)行時市值 2.3 億美元左右。同年，英偉達推出 GeForce 256——世界上第一款功能齊全，可從真正意義上替代 CPU 渲染的圖形處理單元（GPU）就此誕生。2000 年公司收購九十年代末至二十世紀初的顯卡芯片領導者 3dfx，技術儲備得到進一步壯大。
但 2002 年后，公司與微軟在 Xbox 圖形芯片上失敗的合作經歷使其收入出現下滑，DirectX 9 的兼容性問題也是其產品競爭力被在與 AMD 競爭中落敗。然而，通過不懈的努力，Nvidia 最終爭取到了 Sony PS3 的訂單，并與 Intel 達成了交叉授權協議，重回增長軌道。2007 年英偉達收入超過 40 億美元，相比上市時成長了近 5 倍。
2008-2009：上市后首度受挫，但迅速恢復。2008 年受到全球經濟危機影響，半導體行業(yè)也在互聯網泡沫后再度受到重挫，Nvidia 業(yè)務同樣受到影響。此外，CUDA 的推出使 Nvidia必須在 GPU 設計中增加相關邏輯電路, 使得芯片面積增大、散熱增加、故障率增高，G84/G86 核心的產品出現了過熱而導致花屏的“顯卡門”事件，Nvidia 也因此付出了近 2億美元的一次性支出代價，來解決產品質量問題。2009 年隨著 Fermi 架構 GPU 推出，公司經營得以快速恢復。
2009-2016，聚焦高端游戲市場，實現收入對超威半導體（AMD）的超越，并同步發(fā)展GPU 通用計算。在經濟危機過后，筆電、平板等多元化應用分散了 PC 的需求，PC 及 PC獨立顯卡出貨量均開始呈下滑趨勢。英偉達則將戰(zhàn)略中心轉移至高端游戲卡市場，加快GPU 架構的迭代速度，實現與 PC 市場成功解綁。
與此同時，2015 年公司營業(yè)收入成長至 50 億美金左右，總市值突破 150 億美元，實現對 AMD 的反超。與此同時，用于運算的 Tesla 顯卡也隨著 GPU 架構的升級得到不斷更新，為后期數據中心業(yè)務發(fā)力做出了充足的儲備。
2016-2019：數據中心業(yè)務發(fā)力，虛擬貨幣挖礦潮及自動駕駛美好藍圖推動公司市值爆發(fā)式增長，但隨后又經歷第二次重大挫折。進入 2016 年后，半導體行業(yè)迎來數據中心建設驅動的新一輪成長周期。
隨著云數據中心數量及計算任務需求不斷上升，Nvidia 的通用計算 GPU（GPGPU）迎來收獲季。公司數據中心業(yè)務收入單季度增速一度超過 100%，且強勢一直維持至了七個季度之久（2QFY17-4QFY18）。加之數字貨幣價格暴漲，資本市場對自動駕駛預期持續(xù)走高使英偉達市值快速爬升，巔峰時一度突破 1500 億美元，是上市時的近 300 倍。FY2018（截止于 2018/1/31）公司收入 97 億美元，相比 2015 年又翻了一番。
而進入 2018 年，半導體行業(yè)周期轉為下行，比特幣退潮、AI 相關應用預期大打折扣等利空因素導致英偉達股價市值腰斬，單季度收入也出現 20%以上同比下滑，公司遭遇上市后第二次重大挫折。目前，隨著支持實時光線追蹤的 Turing 架構顯卡上市，公司再度聚焦游戲主業(yè)，經營狀況逐漸從底部走出。
自上市以來，Nvidia 業(yè)績及股價表現大幅跑贏行業(yè)。盡管發(fā)展中歷經多次起落，作為硬件市場的一枚“核彈”，Nvidia 仍然憑借其強大的內生增長使收入及凈利潤增速大幅跑贏可比公司。1999-2018 年間，Nvidia 實現了 19.9%/27.4%的收入/凈利潤年復合增速。
行業(yè)平均來看，全球半導體行業(yè)銷售額（不含存儲）1999-2018 年間的年復合增長僅為 5.2%；可比公司來看，全球第一大半導體公司英特爾（Intel）收入/凈利潤復合增速為 4.7%/5.3%，同業(yè)者超微半導體（AMD）收入復合增速為 4.4%，均大幅跑輸 Nvidia。
此外，公司在自身不斷創(chuàng)造價值的同時也為二級市場投資者帶來了豐厚的回報：相比費城半導體指數（SOX）、Intel 及 AMD 近 20 年來的僅一倍股價上漲，Nvidia 自 2000 年至今實現了 50 倍的漲幅，也成為了資本市場中的一枚“核彈”。
Nvidia 自上市以來研發(fā)投入絕對值呈現持續(xù)增長，單季度研發(fā)費用率平均值超 20%。目前公司最新財季研發(fā)費用已經超過 7 億美元，是 AMD 的一倍之多。AMD 在未剝離GlobalFoundries 時采用 IDM 模式經營，因此研發(fā)費用率及研發(fā)費用絕對值在前期領先于Nvidia，但 Nvidia 在 2011 年后完成了反超。
值得注意的是，AMD 的研發(fā)費用被分配于GPU及 CPU兩種產品上，而 Nvidia基本上將全部的研發(fā)投入用于 GPU產品（歷史年份 Tegra處理器收入占比均不足 20%），投入力度可見一斑。
長期研發(fā)投入與積累使公司產品技術壁壘及競爭力得以充分提升，利好盈利能力成長。通過觀察公司上市以來的毛利率，及營業(yè)利潤率變化情況來看，剔除經濟危機時期影響，Nvidia 的利潤率基本保持上行。與同業(yè)者相比，Nvidia 的利潤率表現也十分優(yōu)秀，根據市場一致預期，2019 年公司毛利率有望與 Intel 達到同一水平。
AI 芯片的領導地位是如何煉成的
1、 第一階段：從 PC 圖形芯片到游戲顯卡
在 GPU 推出初期，由于市場終端應用以 PC 為主，筆記本及平板的普及度尚低，Nvidia的產品與 PC 出貨存在較高程度的綁定，以 OEM 形式銷售顯卡也是公司重要的收入來源之一。但是，隨著半導體行業(yè)發(fā)展，終端應用趨于多元化，PC 市場熱度從 2012 年起開始出現明顯下降。
根據 Gartner 統計，全球 PC 出貨量從 1Q12 起基本呈現同比負增長趨勢。此外，隨著集成顯卡性能的提升，獨立桌面顯卡出貨情況也開始出現衰退。在此市場環(huán)境下，Nvidia 將自身的戰(zhàn)略核心轉移至高端游戲卡領域。
根據公司披露，2010-2015年在全球 PC 市場逐步倒退的情況下，Nvidia 游戲顯卡出貨量 5 年實現 9%的年復合增長，銷售均價及收入分別呈現 11%/21%的年復合增長，成功與下行的行業(yè)趨勢實現剝離。
而若以 2013-2018 年為時間區(qū)間計算，公司游戲顯卡出貨量、銷售均價及收入的年復合增長率達到 14%/14%/29%，表現十分優(yōu)異。正確的戰(zhàn)略轉型使 Nvidia 游戲業(yè)務銷售收入在FY2019（截止于 2019/1/31）一舉達到 62.5 億美元，是 FY2015 的三倍之多。
收入結構拆分來看，FY2014（截止于 2014/01/31）公司來自于游戲業(yè)務的收入占比為 37%，而 OEM/IP 收入占比與游戲業(yè)務持平，公司業(yè)績與全球 PC 整機出貨情況仍有比較高的綁定關聯度。隨著 Nvidia 戰(zhàn)略重心的轉移，FY2019（截止于 2019/1/31）公司游戲業(yè)務已經為其貢獻了過半營收，而 OEM/IP 業(yè)務收入占比下降至僅 6%。
放眼高端、深耕游戲卡的市場戰(zhàn)略也讓 Nvidia 著實取得了成功。自 2009 年起，Nvidia 幾乎每兩年翻新一次其 GPU 架構，從 2010 年的 Fermi 到 2018 年的 Turing 已經經歷了四次迭代（計算卡的 Volta 架構不計入在內）。盡管 AMD 產品的平面圖像清晰度更占優(yōu)，但為了良好支持游戲應用，更勝于 3D 渲染能力和軟件優(yōu)化的 Nvidia GPU 還是精準抓住了用戶的需求，公司市占率從 1H10 的 50%一路提升，曾一度將 AMD 在獨立顯卡市場的市場份額壓制在 20%以下。
從 Steam 游戲平臺的調查數據來看，Nvidia 游戲 GPU 在消費者中的偏好度在近三年來也逐步提升，目前已經以大規(guī)模優(yōu)優(yōu)勢擊敗 AMD 及 Intel，2018 年采用 N 卡進行游戲的玩家占比已超過 75%。此外，我們看到，更具備性價比的 AMD RaedonGPU 并未得到大規(guī)模的市場認可，反而售價高昂的 Nvidia GPU 獲得了更好的用戶粘性，反映出 Nvidia 產品優(yōu)異的實際體驗。
強勁的游戲業(yè)務為 Nvidia 創(chuàng)造了確定的業(yè)績增長與健康的現金流。我們認為，在數據中心業(yè)務還未真正開始爆發(fā)式增長前，Nvidia 正是靠著游戲市場的成功，為公司大力研發(fā)通用計算型 GPU 及 AI 相關應用提供了堅實的后盾，在 Nvidia 練就 AI 芯片市場王者地位的道路上，游戲業(yè)務功不可沒。
2、第二階段：軟硬件結合構筑 AI 芯片龍頭地位
CUDA 是頗具遇見性的發(fā)明，但起初經歷眾多艱辛。事實上，在游戲業(yè)務蓬勃發(fā)展的同時，Nvidia 在很早就開始頗具先見性地著手將 GPU 用于通用計算的問題。GPU 由于最初面對的是圖形應用，處理的是高度統一、大規(guī)模相互無依賴的數據，因此結構中包含大量的算數邏輯單元（ALU），并行運算能力強。十余年前，Nvidia 首席科學家 David Kirk 就在考慮是否可以賦予 GPU 合適的編程模型，將豐富的并行運算資源分享給開發(fā)者，使 PC 的計算性能大大提升，這一思想最終得到了 Nvidia CEO Jensen Huang 的采納。
因此，Nvidia 開始投入大量資源，在 2006 年研發(fā)出了能夠讓 GPU 計算變得通用化的 CUDA（Compute Unified Device Architecture）技術，并讓未來每一顆 GPU 都支持 CUDA。2007年，Nvidia 推出了第一代 Tesla 大規(guī)模并行運算芯片（并不具備繪圖能力）專注通用計算。
當時，加入由于必須在硬件設計中增加相關 CUDA 邏輯電路，使得 GPU die size 增大、散熱增加、成本上升、故障率增高，之后還出現了 GF84/86 系列芯片的“顯卡門事件”；同時，還要保證每款產品的軟件驅動都支持 CUDA，這對 Nvidia 的工程師來說是巨大的工作量。但公司全員通過不懈的努力，順利度過了艱苦期。
在完成 CUDA 的開發(fā)后，英偉達開始積極構建通用計算系統生態(tài)。Tesla 系列 GPU 自 2007年推出后得到了持續(xù)的發(fā)展更新，成為 Nvidia 在實現通用計算中的硬件基礎。與 GeForce、Quadro 等產品線不同，Tesla 系列 GPU 通過優(yōu)化架構設計，最大限度發(fā)揮計算能力，而沒有繪圖功能。近幾年，針對日益攀升的算力需求，Nvidia 又推出了 DGX 系列超級計算機，豐富硬件支持。
為更好的服務 AI 普及后的深度學習應用，NVIDIA 開發(fā)了用于深度神經網絡的 GPU 加速庫 cuDNN，在保證性能和易用性的同時盡可能降低內存占用，cuDNN 還可以集成到更高級別的機器學習框架中（比如 caffe）；TensorRT 是 Nvidia 開發(fā)的深度推理學習工具（本質是 C++庫），可加速 TensorFlow 推理，使 Tesla P40/P4/T40 等硬件性能在深度學習中得到更好發(fā)揮；而 DeepStream 是通過借助 NVIDIA Tesla GPU 的硬件特性（如優(yōu)異的解碼性能、可通過降低精度加速推理、低功耗等），幫助開發(fā)人員快速構建高效、高性能的視頻分析的應用程序。
除了上述內容之外，Nvidia 也針對高性能計算、數據中心管理提供了軟件、開發(fā)者工具及庫，通用計算生態(tài)系統逐步完善。上述配套系統加強了 Nvidia GPU 的競爭力。
強大的硬件性能及良好的生態(tài)使 Nvidia 成為 AI 的領路人，借行業(yè)東風，2016 年起數據中心業(yè)務開始爆發(fā)式增長。半導體行業(yè)在經歷了智能手機及消費電子驅動的周期后，迎來數據中心引領發(fā)展的時代，CISCO 預計，2016-21 年全球數據中心負載將成長近三倍。云數據中心/超級數據中心的加速建設、AI 深度學習及高性能計算等應用在云端落地助力在硬件算力及生態(tài)環(huán)境兩方面具有充足儲備的 Nvidia 乘勢而上，于數據中心 GPU 市場力拔頭籌。
自 2016 年起（對應英偉達 FY17），公司數據中心業(yè)務收入一路攀升，同比增長率連續(xù)七個季度（2QFY17-4QFY18）超 100%。與公司其余業(yè)務線比較來看，數據中心業(yè)務增速領先一直持續(xù)了兩年時間，增速基本為游戲業(yè)務的 2-3 倍。
Nvidia GPU 在全球主要云廠商中獲得了極大的認可。根據 Liftr 于 2019 年 5 月的調查數據顯示，在阿里云、AWS、微軟 Azure 及 Google Cloud 中，Tesla 系列 GPU 的市場占有率相比 AMD （產品主要為 FirePro S7150 工作站級 GPU）、Xilinx（產品主要為 Virtex Ultrascale+VU9P FPGA）及 Intel（產品主要為 Arria 10 GX 1150 FPGA）大幅領先，且覆蓋 Kepler 架構至 Volta 架構的四代產品，充分說明 Nvidia Tesla 系列 GPU 在通用計算市場的強大競爭力。目前云端 AI 訓練及推理任務均離不開 Nvidia GPU 的支持。
FY2019（截止于 2019/1/31）英偉達數據中心業(yè)務收入占比已經達到 26%，成為游戲業(yè)務外公司的最重要的增長點，公司 AI 芯片龍頭地位已經形成。
3、第三階段：遭遇挫折，估值收縮，市值減半
幣價大跌是英偉達股價在二級市場受到重挫的直接導火索。在數據中心業(yè)務成長同時，一種被稱之為“數字貨幣”的加密資產也在逐漸被人們所熟悉和認可。2017 年起，區(qū)塊獎勵減半，避險貨幣屬性增加更推動了數字貨幣價格的上漲，比特幣價格曾一度接近20,000 美元大關，以太幣價格也突破了 1,400 美元。市場近乎瘋狂的“炒幣熱潮”也對半導體行業(yè)需求端造成了短期內的強勁拉動。由于 GPU 架構內含有多個流處理器，非常適合進行簡單而重復的運算，這與數字貨幣“挖礦”需求高度重合。高性能游戲 GPU 便被賦予了“挖礦芯片”的屬性，渠道內更出現了一卡難求的情況。
之后加密貨幣市場進入寒冬，隨著幣價遠不及去年創(chuàng)下的高價位，以及新幣開采成本持續(xù)攀升，越來越多的礦商出售挖礦設備，導致二手游戲 GPU 涌入市場，其中便包括 Nvidia的 Pascal GPU。迅速攀升的渠道庫存極大的影響了 Nvidia 游戲 GPU 的銷售，先前幾季的銷售高增量迅速向渠道回吐。這一環(huán)境變化使 Nvidia 猝不及防，不得不交出 3QFY19（截止于 2018/10/31）業(yè)績及指引均低于預期的答卷，導致股價在一個交易日內蒸發(fā) 230 億美元。
AI 及自動駕駛市場預期樂觀度下降，導致估值收縮影響股價。數據中心資本開支在經歷了自 2016 年起的激進擴張后，2018 年下半年起進入消化期，全球數據中心硬件庫存水平也攀升至高位，致使半導體行業(yè)需求端疲軟，部分地區(qū)數據中心客戶采購甚至出現停滯。Nvidia 數據中心業(yè)務收入因此受到較大影響，增速嚴重放緩，并逐漸出現單季度負增長。行業(yè)性的需求疲軟使投資者意識到，雖然堅持看好 AI 長期為數據中心行業(yè)帶來的結構性增長是正確的，但目前資本市場對于 AI 在數據中心迅速落地，并強勁拉動半導體需求的一致預期有些為時過早。
此外，總體來說，2018 年自動駕駛行業(yè)并沒有取得實質性突破，且整個行業(yè)都被聚焦于3 月 Uber 無人車出現意外致行人喪生一案上。調查顯示，測試車雖然檢測到了路邊的行人，但反應時間長達 6 秒，且安全員當時并沒有集中注意力，導致了悲劇的發(fā)生。
該事件證明，Uber 自動駕駛車的傳感器與計算機系統顯然還不能在生死攸關的時刻做到百分之百可靠。另外，Waymo 與 Cruise 在路測中也遇到了不同程度的問題。上述事件的發(fā)生，導致自動駕駛行業(yè)的發(fā)展現狀受到投資者質疑，加之監(jiān)管機構對安全的愈發(fā)重視，汽車真正走向自動駕駛的時間點更變成了一個未知數。Nvidia 汽車業(yè)務也因此并未實現高速增長4QFY18/1QFY19 兩季表現甚至與去年同期幾乎持平。
4、 第四階段：游戲、數據中心、自動駕駛“三駕馬車”助力公司邁向千億美金市場
電子競技為臺式機游戲市場帶來成長空間。電子競技被新生代游戲玩家所追捧。根據Newzoo 預計，在 2020 年全球電子競技觀眾數量將超過 5 億，PC 游戲玩家將有望增長至3.5 億。電子競技對于每秒傳輸幀數（Frames per second，FPS）的需求繼續(xù)增加，有望推動公司高端游戲卡銷售，繼續(xù)拉動公司游戲業(yè)務實現增長。
Nvidia GPU 在電子競技市場的滲透率目前仍然偏低。雖然電子競技的觀眾數量在持續(xù)提升，但觀眾中真正玩游戲并為滿足游戲配置需求而購買 Nvidia GPU 的人數占比并不高。根據 Newzoo 預計，2017 年 5 月份僅有 58%的“狂熱”電子競技觀眾玩他們平常所觀看的游戲。這當中只有一半的人使用臺式機，而其中又有一半的熱門游戲對 GPU 的配置要求并不高，這些游戲使用算力較低的集成式 GPU 就已經能夠獲得較好的游戲體驗。獨立高端游戲卡的發(fā)展空間依然廣闊，有望在未來繼續(xù)推動公司收入規(guī)模擴大。
Nvidia 在 VR 市場布局較好。Nvidia 是少數建立了 VR 生態(tài)的公司之一。Nvidia 通過 HolodeckVR 平臺助力于設計師大型 3D 模型的協同開發(fā)。和 PC 游戲類似，性能對于 VR 設備至關重要。目前 PC 游戲對畫面的配置要求平均是 30FPS 幀率、 1920×1080 分辨率。Nvidia認為 VR 設備最低的配置要求是前者的 7 倍（即 90FPS 幀率、3024×1680 分辨率），推薦的配置要求是前者的 20 倍。
VR 設備的高性能需求將使得 Nvidia 產品進一步高端化。公司計劃將 GeForce GTX 1060 或者更高端的 GPU 用于具備 VR 功能的臺式機或者筆記本。Nvidia 的 GeForce GTX 1060 目前的售價為 299 美元，性能更強大的 GeForce GTX 1070 和 1080 目前的售價則分別為 449 美元和 699 美元。而市場上分離式 GPU 目前的平均售價僅約 94 美元。
Nvidia 率先推出光線追蹤 GPU。光線追蹤算法通過計算光線照射的位置，模擬彼此相互作用的效果，就像人眼看到真實的光線、陰影和反射一樣，以實現更逼真的陰影和反射，大幅改善半透明和散射效果。過去，光線追蹤算法由于需要消耗大量的算力，僅僅被應用于電影和電視節(jié)目的后期渲染。2018 年，Nvidia 在 Gamescom 上發(fā)布 Turing 架構 GPU后，光線追蹤算法開始被應用于 PC 游戲上。
光線追蹤技術有望繼續(xù)給公司游戲收入帶來成長空間。目前，《戰(zhàn)場 5》（光線追蹤反射）、《地鐵：離去》（光線追蹤、全局照明）、《古墓麗影》（陰影光線追蹤）等游戲已經支持光線追蹤效果�！顿惒┡罂� 2077》、《使命召喚：現代戰(zhàn)爭》等游戲已經確定采用光線追蹤效果。我們預計，未來會有更多的游戲開發(fā)商加入到光線追蹤的陣營中。目前 Turing 架構顯卡的用戶基數仍然較低，Nvidia 預計未來更多客戶將會趨向選擇高端顯卡。
1）數據中心業(yè)務展望
Nvidia 預計到 2023 年數據中心業(yè)務面對的市場規(guī)模將達到 500 億美元。其中，高性能計算市場規(guī)模將達到 100 億美元，超大規(guī)模&消費互聯網市場規(guī)模將達到 200 億美元，云計算市場規(guī)模將達到 200 億美元。公司計劃通過新一代加速計算平臺的推出和生態(tài)環(huán)境的擴張來保持和市場同步的增長率。
高性能硬件大幅降低總體擁有成本，創(chuàng)造長期商業(yè)機會。Nvidia 數據中心業(yè)務可以分為高性能計算、人工智能和深度學習以及可視化三大部分。目前，Nvidia 數據中心業(yè)務約50%的收入來自于人工智能和機器學習，約 40%的收入來自于高性能計算。GPU 對于上述應用的優(yōu)化加速可以使終端客戶以較低的成本獲得與傳統 CPU 同樣的性能輸出，成本的節(jié)約是 GPGPU 商業(yè)化的長期驅動力。
Nvidia 數據中心業(yè)務將受益于數據中心的“云化”，在深度學習領域進一步保持領先地位，云端訓練/推斷齊頭并進。目前，一些公司最重要的商業(yè)數據已經實現“上云”。不過，這些數據潛在的商業(yè)價值仍亟待高性能計算進行挖掘。Nvidia GPU 算力強大，能夠較好地滿足這一要求。憑借強大的并行計算能力，Nvidia GPU 在云端 AI 訓練芯片中已經有著較強的壟斷地位。2018年上半年，Microsoft Azure就宣布了將通過 Tesla V100提供深度學習云服務，Amazon、IBM、Oracle 和 Google 云也同期宣布通過 V100 來支持深度學習數據集訓練。
推斷芯片方面，Nvidia 也在 3Q18 發(fā)布了共有 320 個 Turing Tensor Core 及 2560 個 CUDA核心的 Tesla T4 芯片，其在運行同等環(huán)境的語言推理任務上，將比上一代 P4 芯片快 3.5倍，與此同時，Nvidia 還推出了用于優(yōu)化深度學習模式的 TensorRT 軟件來構建生態(tài)配合云端推理。
目前眾多競爭者繼 Google TPU 后開始加入云端 AI 芯片市場競爭，如 Intel 推出了 Nervana神經網絡處理器 NNP-T/NNT-I 用于云端訓練/推理，華為推出了“昇騰”系列芯片用于云端訓練/推理，而阿里平頭哥也推出了“含光”系列芯片用于云端推理，三者均有不俗的性能表現。但我們認為，Nvidia 憑借良好的先發(fā)優(yōu)勢，硬件優(yōu)異的性能和生態(tài)系統的兼容性，在數據中心 AI 芯片逾 500 億美金市場的訓練端仍有望保持強勁的競爭實力；而在推理端，部分非未自研 AI 芯片的云廠商是公司的主戰(zhàn)場。
2）自動駕駛業(yè)務展望
Nvidia 自動駕駛業(yè)務由車載娛樂系統、ADAS 系統和自動駕駛系統三大部分構成。目前，車載娛樂系統和 ADAS 系統是公司該業(yè)務的主要收入來源，自動駕駛系統則是未來收入的巨大增長點。
較高程度的自動駕駛預計將在 2025 年到來。根據 Gartner 的預測，到達 SAE 定義的 Level5 級別自動駕駛主要分為三大階段。第一階段包括 Level 0 和 Level 1 級別的自動駕駛，這一階段駕駛員仍承擔全部或絕大多數的駕駛任務。第二階段包括 Level 2 和 Level 3 級別的自動駕駛，這一階段駕駛員將部分從重復性的駕駛操作中解放出來。最終，第三階段將實現完全自動駕駛，駕駛員將幾乎不涉及任何操作。
Gartner 預計第一階段將于 2022 年結束，第二階段為 2022 年至 2025 年，第三階段將于 2025 年到來。
自動駕駛技術目前處于第一階段向第二階段的過渡，未來可期。Tesla、GM、BMW 等廠商均已經推出了搭載有自動導航模式的汽車，Audi 在 2017 年 7 月宣布已經成功研制出了Level 3 級別的自動駕駛汽車。大部分的汽車廠商目前均有在研發(fā)自動駕駛技術，相關廠商預計將在 2020、2021 年左右開始量產半自動駕駛汽車。
第三階段到來后自動駕駛系統有望成為 Nvidia 自動駕駛業(yè)務主要增長動力。根據 iHS 的預測，CY2021 完全自動駕駛汽車的銷售數量為 5.1 萬輛，而這一數量將迅速增長至 2040年的 3300 萬輛。Nvidia 預計，到 2035 年所有的汽車均將實現 Level 2 到 Level 5 不等的自動駕駛程度。
基于 ABI Research 的數據，Nvidia 預測，到 2035 年全球將有 1 億輛自動駕駛汽車和 1000 萬輛無人自動駕駛出租車，市場規(guī)模將達到 600 億美元。在此之前，Nvidia自動駕駛業(yè)務的收入構成將和現在類似，即主要為車載娛樂系統和 ADAS 系統。而隨著Level 4 和 Level 5 級別自動駕駛的到來，Nvidia 目前所積累的技術未來有望幫助公司獲得較大的市場份額。
對中國計算芯片行業(yè)的啟示
目前中國在計算芯片領域快速進步，但仍與海外存在巨大差距。根據中國半導體行業(yè)協會的數據，2018 年中國共有 1,698 家設計企業(yè)，數量同比增長 23%，但銷售過億元的企業(yè)僅為 208 家，集中度不足，具有絕對實力的公司數目尚少。按產品領域分布來看，終端應用為計算機的設計企業(yè)數量由 2017 年的 85 家上升至 2018 年的 109 家，銷售額大幅提升 180.18%至 359.41 億元，占到中國設計行業(yè)市場銷售總額的 13.95%。
倘若與 Nvidia相比，2018 年中國終端領域為計算機的芯片設計企業(yè)收入總和還不及 Nvidia 的一半（Nvidia FY19 收入為 117.6 億美元）。從產品上來看，2018 年天津海光研發(fā)的兼容 X86 服務器的 CPU 流片成功，進入小批量量產；桌面市場中，上海兆芯推出了國內首款支持 DDR4的 CPU 產品 ZX-D，包含 4 核心和 8 核心兩個版本，首批產品主要被上海市政府采購。因此上述二者均還未能實現大規(guī)模商用。GPU 方面，我國的基礎更顯薄弱，上市公司中景嘉微具有自主研發(fā) GPU 并產業(yè)化的能力，但目前主要銷往軍用市場。
持續(xù)的研發(fā)投入是弱者后發(fā)制人的必由之路，也是強者恒強的不二法門。作為輕資產運營的 Fabless 行業(yè)，研發(fā)投入是永遠的重點。橫向對比 A 股目前上市的芯片設計企業(yè)，相對優(yōu)質的標的基本保持了 15%以上的研發(fā)費用率，頭部廠商如匯頂科技（603160.SH）的研發(fā)費用率超過 20%。
與模擬芯片不同，計算芯片屬于數字芯片的一部分，數字芯片產品生命周期短、迭代速度快是一大特點，只有持續(xù)的研發(fā)投入才能確保產品的競爭力，獲得理想的利潤率。參照我們前文的分析，Nvidia 自上市以來，研發(fā)費用絕對值幾乎呈一路上升趨勢，與收入同步成長。
即便在行業(yè)下行周期，公司也并沒有削減研發(fā)投入的力度。計算芯片是設計業(yè)中市場規(guī)模最大、技術壁壘最強的行業(yè)，中國計算芯片廠商作為行業(yè)的后進入者起步艱難，只有大力的投入研發(fā)，來呈現差異化的產品，才能把握住“國產替代”的發(fā)展契機。
軟硬件結合戰(zhàn)略提供良好生態(tài)環(huán)境，增強客戶粘性與認可度�；仡� Nvidia 近 20 年來的發(fā)展，我們發(fā)現，其在不斷刷新硬件性能極限的同時，也在全力投入軟件研發(fā)，配合其硬件構建一套兼容性高、易用性強的生態(tài)系統，即以 CUDA 平臺為核心的 GPU 通用計算解決方案。
相比開源的 OpenCL，CUDA 凝聚了更專業(yè)的 Nvidia 工程師團隊的辛勤努力，針對自身產品做出的優(yōu)化發(fā)揮了 Nvidia GPU 最大的效能，其更少的缺陷和及時的更新修復也增強了客戶的粘性與購買偏好——單單從 GPU 架構上來看，Nvidia 產品的單精度計算力并不強于 AMD，相對售價也偏高。我們認為，盡管中國計算芯片廠商在仍處于發(fā)展初期，但更不應忽視配套軟件的開發(fā)，軟硬件結合齊頭并進才能取得屬于自身的一席之地。
數據中心及云計算成為未來最重要增長點。按市值計算，目前全球科技公司中排名前 4位中有 3 家主營業(yè)務均屬于互聯網/云計算/數據中心行業(yè)（MSFT/GOOG/AMZN），反映資本市場對該行業(yè)的強烈看好，蓬勃發(fā)展的互聯網/云計算/數據中心也將為半導體行業(yè)帶來巨大的潛在市場增長。FY2016-FY2019，Nvidia 數據中心業(yè)務收入從 3.4 億美元增長至29.3 億美元，CAGR 達 105%，超過游戲業(yè)務（CAGR~30%）三倍之多。
根據 iHS 數據，盡管目前無線通訊仍然是半導體行業(yè)終端因公占比最高的一環(huán)，但在 2017-2022 年間，數據處理任務相關半導體市場將保持高個位數的增長。中國的互聯網企業(yè)、云廠商及超級數據中心（如阿里、騰訊、百度等）在全球同樣擁有重要地位，其云端硬件市場國產替代空間可觀。我們認為中國本土芯片設計廠商應全力把握與數據中心、云計算等行業(yè)共同成長的機會。
智東西認為，GPU在“深度學習”領域發(fā)揮著巨大的作用，因為GPU可以平行處理大量瑣碎信息。深度學習所依賴的是神經系統網絡——與人類大腦神經高度相似的網絡——而這種網絡出現的目的，就是要在高速的狀態(tài)下分析海量的數據。GPU對于人工智能領域具有重大意義。英偉達制造的圖形處理器(GPU)專門用于在個人電腦、工作站、游戲機和一些移動設備上進行圖像運算工作，是顯示卡的“心臟”。在這波人工智能浪潮中，公司正從一家顯卡供應商轉變?yōu)槿斯ぶ悄芊⻊掌鞴⿷�。并且，可以預見不遠的未來，英偉達會成為一家人工智能硬件巨頭。縱觀英偉達公司的發(fā)展史，學習其成功經驗，不僅對我國AI行業(yè)，甚至對整個半導體行業(yè)都有重大意義。
關注手機移動微站
3488
如何用39天創(chuàng)造一個電子煙品牌 