《科技行業周期探索之八：AI時代的三個案例公司微軟、AMD、英偉達-250117（42頁）.pdf》由會員分享，可在線閱讀，更多相關《科技行業周期探索之八：AI時代的三個案例公司微軟、AMD、英偉達-250117（42頁）.pdf（42頁珍藏版）》請在三個皮匠報告上搜索。

1、請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告|20252025年年0101月月1717日日中性中性科技周期探索之八科技周期探索之八AIAI 時代的三個案例公司：微軟、時代的三個案例公司：微軟、AMDAMD、英偉達、英偉達核心觀點核心觀點行業研究行業研究海外市場專題海外市場專題美股美股中性中性維持維持證券分析師：王學恒證券分析師：王學恒010-S0980514030002市場走勢資料來源：Wind、國信證券經濟研究所整理相關研究報告美元債雙周報（25 年第 2 周）-非農數據強勢，美債利率臨近4.8%2025-01-13美股市場速覽-加倉窗口或將在近期出現 2025-01

2、-12美股市場速覽-特斯拉有所回撤，小盤風格較優 2025-01-05美元債雙周報（24 年第 53 周）-美聯儲鷹派降息，美債利率高位徘徊 2024-12-30美股市場速覽-算力芯片巨頭表現強勁 2024-12-29微軟：微軟：AIAI應用的領跑者應用的領跑者2000 年后的微軟經歷了十四年的鮑爾默時代，雖然這一時期微軟的收入翻了 3.8 倍，利潤翻了 2.3 倍，但由于錯失了移動互聯網卡位，其估值從 64 倍回到了最低僅有 10 倍。納德拉接任后，一是打破了 Windows 的圍墻花園，使微軟變得更加開放；二是加碼云計算，將云計算打造成為微軟的新增長點；三是押注了 AI 的投資，尤其是在

3、OPENAI 上的大比例持股使得微軟第一時間釋放了大模型的能力，推廣出一系列的 AI 新產品與服務，贏得先發優勢。從過去 10 年股價翻了 10 倍來看，公司已經獲得了轉型的成功,未來自研+投資 OPENAI 兩條腿走路為其提供了更強的保障。AMDAMD：輕裝出發的挑戰者：輕裝出發的挑戰者AMD 從創始人桑德斯退休后，經歷了四任 CEO：魯伊茲收購了 ATI，為后續 AMD 進軍 GPU 領域埋下了伏筆，但也因為收購價格過高使得 AMD 陷入巨大的財務壓力；梅耶時代剝離了格羅方德，這讓 AMD 變成了輕資產公司；里德時代則是面向低功耗與游戲市場轉型，雖然務實但無法被股東理解；終于蘇姿豐的到來將

4、公司帶入到再次騰飛的局面中。在蘇姿豐時代，定位高性能計算提升了 AMD 的品牌，同時 Zen 架構的出現以及臺積電的代工，讓 AMD 在 CPU 市場對英特爾競爭開始占優，加之服務器市場的成功，市場份額被一步步奪回。有了 CPU 的成功案例，公司開始通過研發與收購，快速布局到 GPU 市場上，2024 年 AI 芯片收入預計超過 50 億美元。雖然進步很快，但由于英偉達的優勢過于明顯，因此市場對 AMD 在 AI 芯片市場未來份額能否達到像 CPU 那樣高顯然還有存疑，仍需要更多的觀察。英偉達：摩爾定律的延續者英偉達：摩爾定律的延續者在互聯網泡沫時期就存在，并還由創始人執掌的公司，英偉達絕對是

5、重要的一個。公司 2006 年開發出 CUDA，對手看不懂，股東也不理解，但最終 CUDA 的巨大成功帶給公司的回報不僅是收入，而是將英偉達定位成了接替英特爾成為“摩爾定律”的延續者。正是因為有著“指數型思維”，英偉達此后的種種工作都圍繞著最大化地推動算力進步為目標：從兩年一代的 GPU 架構，到 NVSwitch、NVLink綜合提升全棧能力，其在 GPU 的市場份額始終保持在 80%以上，留給競爭對手的機會少之又少。在 AGI 到來之前，英偉達依然充滿了機會，但期間若遭遇經濟周期下行，其“靠客戶競爭以獲得產品溢價”的局面可能變化，可能帶來毛利率的短期波動。風險提示：風險提示：地緣政治的不確

6、定性，美聯儲降息幅度的不確定性，部分行業競爭格局的不確定性。請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告2內容目錄內容目錄微軟：微軟：AIAI 應用的領跑者應用的領跑者.5 5鮑爾默時期（2000-2014 年）：失去的移動互聯網.5納德拉早期（2014-2018 年）：打破圍墻花園.6加碼云計算（2018-2022 年）：Azure 乘風起.10AI 再出發（2023-2024 年）：押注 OpenAI.13AMDAMD：輕裝出發（：輕裝出發（fablessfabless）的挑戰者）的挑戰者.1717魯伊茲時代（Hector Ruiz，任期 2000-2008 年）：

7、收購 ATI.17梅耶時代（Derrick Meyer，任期 2008-2011 年）：剝離格羅方德.18里德時代（Rory Read，任期 2011-2014 年）：面向低功耗與游戲市場轉型.18蘇姿豐時代（Lisa Su，任期 2014-今）：再次騰飛.19英偉達：摩爾定律的延續者英偉達：摩爾定律的延續者.2626CUDA 標志著“指數型思維”的思想延續（2006 年）.26不冷不熱的移動互聯網嘗試（2010-2015 年）.27云計算潮流中嶄露頭角（2016-2019 年）.30摩爾定律的延續者（2020 年-今）.32如何看待英偉達的未來？.36風險提示風險提示.4040hYcZjVp

8、YmUoPnP8OaOaQnPmMtRqNfQmMrQeRrQqP6MmMwPMYoNvMwMtRmQ請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告3圖表圖表目錄目錄圖1：鮑爾默直到卸任 CEO，微軟公司的股價也沒有能夠創新高.5圖2：鮑爾默時期微軟公司的收入與利潤（十億美元）.5圖3：鮑爾默時期的微軟公司市盈率.6圖4：我的世界（Minecraft）.7圖5：雷德蒙德園區（我的世界版）.7圖6：Windows 10（2015）.8圖7：2016 年微軟收購領英.8圖8：2018 年微軟收購 GitHub.9圖9：消除部門之間的爭斗是納德拉的目標.9圖10：2017-20

9、24 財年，微軟三大業務板塊的收入增速.10圖11：2016-2024 財年，微軟三大業務板塊的占收比.11圖12：2018-2024 年云計算企業市場份額.12圖13：索尼（SONY.N）股價.13圖14：幾個平臺的比較.15圖15：2016-2024 財年微軟的收入與利潤，十億美元.16圖16：2000-2015 年，AMD 收入及利潤（百萬美元）.19圖17：2015-2023 年，AMD 收入及利潤（百萬美元）.20圖18：2012-2024 全球 CPU 市場份額.21圖19：英偉達的發展簡史.26圖20：英偉達的員工人數.27圖21：英偉達 GPU 在 10 年的時間里，AI 推理

10、速度提升了 1000 倍.28圖22：2002-2016 財年（移動互聯網時代）英偉達的收入與利潤，百萬美元.29圖23：英偉達 DGX-1 服務器.30圖24：包含了 5 個 DGX-1 的超級計算機的機架.30圖25：實時光影效果.31圖26：未加實時光影效果.31圖27：BERT 模型訓練與推理比較.32圖28：四年來 HPC 性能提升 11 倍.33圖29：生成式 AI 性能與網絡技術的關系.33圖30：英偉達網絡側三大關鍵技術.33圖31：英偉達加速平臺.34圖32：2016-2024 財年英偉達的收入結構.35圖33：2016-2024 財年英偉達的收入與利潤（百萬美元）.36圖3

11、4：過去 8 年中，英偉達的 AI 算力翻了 1000 倍.38請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告4表1：納德拉的簡歷.7表2：OpenAI 的員工人數.13表3：2017 年以來，AMD 與英特爾 CPU 售價比較.21表4：AMD 的 Zen 架構家族.23表5：AMD 的 AI 芯片 Instinct 系列.24表6：AMD 收入結構說明.24表7：英偉達通用 GPU 的架構.27表8：部分英偉達 GPU 的 CUDA 核心數.28表9：英偉達 AI 推理部分芯片的發行時間.30表10：NVLink 不同標準的比較.31表11：英偉達 2015 年之后的

12、各板塊收入（百萬美元）.32表12：部分公司財報季的資本開支（億美元）.39請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告5微軟：微軟：AIAI 應用的領跑者應用的領跑者鮑爾默時期（鮑爾默時期（2000-20142000-2014 年）：失去的移動互聯網年）：失去的移動互聯網華爾街評價一個公司的 CEO 優秀與否并不是收入和利潤，而是股價。2000 年 1 月 13 日，鮑爾默正式被任命為首席執行官，直到 2014 年 2 月 4 日正式卸任，在 14 年的時間里，微軟公司市值始終無法逾越科網泡沫的高點。這使得市場逐漸對鮑爾默領導下的微軟失去了耐心。鮑爾默甚至被 BBC

13、評為 2013 年最差CEO 之一。2012 年 5 月，亞當哈通在福布斯雜志的專欄中將鮑爾默描述為“美國大型上市公司中最糟糕的首席執行官”，并表示他“將微軟趕出了增長最快、利潤最豐厚的科技市場（移動音樂、耳機和平板電腦）”。圖1：鮑爾默直到卸任 CEO，微軟公司的股價也沒有能夠創新高資料來源：wind，國信證券經濟研究所整理鮑爾默時期，微軟公司的收入翻了 3.8 倍，相當于年化增速 10%；利潤翻了 2.3倍，年化增速 6%。這個成績要好于通用電氣的韋爾奇和 IBM 的郭士納。圖2：鮑爾默時期微軟公司的收入與利潤（十億美元）資料來源：Factset，國信證券經濟研究所整理但問題在于，這一期間

14、微軟幾乎在與蘋果、谷歌的較量中，完美地輸掉了移動互聯網的戰役。我們曾在2002-2016 年：移動互聯網的大時代中介紹，Windows請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告6Mobile 是微軟在 1996 年發布的手機操作系統，當時命名 Windows CE，后來經過了幾個版本的迭代與改名，于 2003 年正式命名為 Windows Mobile。這要比喬布斯開發 iPhone，以及谷歌開發安卓要早得多，但最終因為產品設計力不夠，體驗不好而與移動互聯網大潮失之交臂。一邊是蘋果的新 Mac、iPod、iPhone、iPad、App Store 在消費電子領域、移動

15、互聯網領域高歌猛進，一邊是 Windows Mobile 手機份額被蠶食，加之鮑爾默時期的Surface 筆記本尚未有今天的影響力，因此微軟公司讓投資者看不到更大的希望在哪里。這導致了其市盈率從 1999 年的 64 倍左右跌落至 2011 年的 10 倍10倍 PE 的科技股是不多見的，除非投資人已經對公司不抱有成長的希望。圖3：鮑爾默時期的微軟公司市盈率資料來源：Factset，國信證券經濟研究所整理鮑爾默與蓋茨是哈佛大學的同學，他的專業是數學與經濟學，蓋茨在成立微軟不久，認為公司需要一個人去專心運營商務，于是 1980 年他說服了鮑爾默加入了微軟。2000 年鮑爾默接替蓋茨管理微軟，從資

16、歷上講，他領到過運營、操作系統開發以及銷售和支持，已經是微軟的絕對資深員工與實際的二號人物。雖然蓋茨對軟件行業的發展直覺和敏銳度是一流的，但微軟在硬件上始終缺乏突破，此時的蓋茨也好，鮑爾默也好，都缺乏硬件產品化的成功案例。從鮑爾默的履歷上來看，他擅長的是營銷與運營，而非產品設計與開發。我們曾在案例篇：移動互聯網的十倍股和百倍股中提及，雖說成功公司的路徑各有不同，但公司的創始人的產品能力是卓越的，例如蘋果的喬布斯，亞馬遜的貝佐斯，奈飛的哈斯汀斯，騰訊的馬化騰，臉書的扎克伯格，谷歌的佩奇和布林，Salesforce 的貝尼奧夫。因此當鮑爾默遇到同時期的喬布斯與佩奇和布林，其在產品上的前瞻力注定略遜

17、一籌，這也算反向佐證了“成功的科技企業必然需要一個優秀的產品帶頭人”。鮑爾默執政期間，微軟斥巨資收購的雅虎與諾基亞，回頭看都屬于創新浪潮前的平臺，并沒有給公司帶來質的改變。反倒是微軟 2007 年投資了臉書獲得了不錯的投資收益，但投資比例又過低，僅占 1.6%。納德拉納德拉早期（早期（2014-20182014-2018 年）：打破圍墻花園年）：打破圍墻花園印度裔高管薩蒂亞納德拉2014年接替史蒂夫鮑爾默擔任CEO成為了微軟的一個轉折點。納德拉是電氣工程學士和計算機碩士，畢業先在 SUN 公司工作兩年，并于 1992 年加入微軟。請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究

18、報告7他曾歷任商業解決方案副總裁（2001-2006）、在線服務高級副總裁（2007-2011）、服務器和工具部門總裁（2011-2014）。從納德拉的履歷中可以看出，他是典型的工科背景，且在微軟的所有經歷都是產品端，因此其更了解產品。同時，他在 CEO之前的最后一個崗位是 Azure 云平臺的總裁，這也是他未來要加碼的方向，或者說這恰恰是蓋茨與鮑爾默選中納德拉的原因。表1：納德拉的簡歷時間時間職務職務主要經歷主要經歷2014-2014-CEO領導微軟向云端優先、移動優先的轉型，并監督了多家公司的收購，包括 LinkedIn 和 GitHub。2011-20142011-2014服務器和工具總

19、裁負責管理 Azure 云平臺以及適用于公司數據中心的產品，Windows server 和 SQL server 數據庫。2007-20112007-2011微軟在線服務高級副總裁負責 Bing、微軟 Office、Xbox live 和其他商業軟件。2001-20062001-2006微軟商業解決方案副總裁微軟商務平臺的開發，包括微軟 Commerce Server 和微軟 BizTalk Server，Great Plains，Dynamics。2000-20012000-2001bCentral 副總裁面向小型企業的網絡服務，包括托管網站和電子郵件。1992-20001992-2000

20、工程師從 SUN 公司跳槽加入微軟，參與的首批項目包括不成功的互動電視產品和 Windows NT 操作系統。1990-19921990-1992工程師畢業后第一份工作在 SUN 公司資料來源：微軟，國信證券經濟研究所整理作為公司的掌舵人，光有產品的敏銳度是不夠的，戰略方向感是更為重要的。在納德拉 2017 年的個人新書刷新：重新發現微軟靈魂并為每個人暢想更美好未來的探索中，納德拉提及他最看好的三個方向：混合現實、量子計算、人工智能。事實證明，他正是領導微軟公司在一步步地向著這些目標邁進。2014 年 2 月，我的世界（Minecraft）注冊用戶達到 1 億，其中許多用戶都是兒童，代表了最新

21、一代的游戲玩家和軟件用戶。2014 年 9 月，斥資 25 億美元收購Mojang（Minecraft 的開發公司）為微軟的產品提供了龐大的潛在客戶群，這是微軟自納德拉上任后的首次重大收購。微軟將該游戲擴展到 Xbox 之外，增加了新功能和內容，并推出了專為課堂使用的教育版“我的世界”。為了展示該游戲的多種潛在用途，微軟在其華盛頓州雷德蒙德園區內推出了一個“我的世界”版本，以便員工可以了解該設施的升級情況。圖4：我的世界（Minecraft）圖5：雷德蒙德園區（我的世界版）資料來源：M，國信證券經濟研究所整理資料來源：微軟，國信證券經濟研究所整理2015 年 7 月，微軟推出了 Windows

22、 10，這是其桌面操作系統 Windows 8.1 的后續版本。它帶來了新功能，包括 Cortana 智能助手、Edge 瀏覽器、Xbox 游戲流媒體功能、新的生物識別登錄選項以及在平板電腦或智能手機模式與桌面模式之間切換。Windows 10 推出四周就已覆蓋 7500 萬臺設備，超過了微軟之前的所有發布版本。請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告82016 年 9 月，微軟人工智能研究院成立，它匯集了 5000 余名計算機科學家及工程師，拓展公司的人工智能領域力量。團隊由沈向陽（Harry Shum）領導，還包括信息平臺團隊、Cortana 和 Bing 團隊

23、，以及環境計算和機器人團隊。這標志了在納德拉接任微軟 2 年之后，其在 AI 方向加大投資的決心已經得到了董事會的認可。2017 年 9 月，蓋茨在評價納德拉時提及：“他正在對人工智能和云計算等幾項關鍵技術進行大舉投資，微軟將在這些技術上脫穎而出?！?016 年 12 月，微軟斥資 262 億美元收購 LinkedIn，目標是發展專業社交網站，并將其與微軟的企業軟件整合在一起。這次收購讓微軟能夠接觸到 LinkedIn 龐大的用戶群。由于在我們的劃分中，2016 年是移動互聯網周期的結束，也是人工智能時代的開始，移 動 互 聯 網 中 最 大 的 殺 手 級 應 用 莫 過 于 社 交，類 似

24、 于 微 信、Facebook/WhatsApp，由于谷歌收購了 YouTube 且有了安卓系統，蘋果則是占據了iOS 并形成強大 App Store，微軟收購 LinkedIn 總算是“趕了個晚集”，彌補了遺憾。2016 年微軟收購 LinkedIn 時，它的用戶數不足 5 億，2024 年用戶數已經突破 10 億。收入上，2017 財年 LinkedIn 收入僅為 22.7 億美元，到了 2024 財年收入則增長至 163 億美元，年化復合增速為 14.3%，這還不算其帶來了巨大的網絡效應與整合效應，因此這是一筆相當成功的收購，尤其比起來鮑爾默時期對雅虎與諾基亞的收購。圖6：Windows

25、 10（2015）圖7：2016 年微軟收購領英資料來源：微軟，國信證券經濟研究所整理資料來源：微軟，國信證券經濟研究所整理2018 年 6 月，微軟宣布以 75 億美元的價格收購 GitHub。GitHub 是一個在線軟件源代碼托管服務平臺，用于公開程序或軟件的代碼。微軟的收購采取了包容的態度，GitHub 與 LinkedIn 類似，繼續作為社區，平臺和業務獨立運作。GitHub 的蓬勃發展并不是因為微軟大力營銷和銷售它，而是因為微軟堅持 GitHub 保留其開源精神和開發者至上的文化。雖然當時從財務的角度，這筆收購顯得過于“慷慨”，但對于微軟而言，接觸每天使用 GitHub 代碼庫產品的

26、大量開發者，這樣他們就可以被引導到微軟的開發者環境中，真正的意義是在這里。納德拉在 2021 年曾表示：“我們提供最受歡迎的工具，幫助開發人員快速從創意到代碼，再從代碼到云。Visual Studio 每月擁有超過 2500 萬活躍用戶，GitHub 擁有近 6500 萬開發人員，在過去的 12 個月中，使用 GitHub 的月活躍組織數量增加了 70%?！闭垊毡亻喿x正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告9圖8：2018 年微軟收購 GitHub圖9：消除部門之間的爭斗是納德拉的目標資料來源：微軟，國信證券經濟研究所整理資料來源：，國信證券經濟研究所整理納德拉接任微軟時，微

27、軟最大的詬病是其產品的封閉性。眾所周知，微軟捍衛其專有的 Windows 和 Office 軟件，并譴責開源替代品。2011 年以諷刺科技漫畫聞名的設計師馬努科內特發布了在微軟內部的山頭林立，互相敵對的漫畫。納德拉上任則賦予了微軟新的目標：微軟的存在是為了“讓地球上的每個人和每個組織都能取得更大的成就”，這寓意著微軟將成為一家以人為本的公司，而不是一家產品公司。微軟首席營銷官克里斯卡波塞拉表示：“我們從一種無所不知的文化轉變為一種無所不學的文化。我們現在所做的一切都植根于成長型思維?！边@種強調“同理心”，提出要對員工和客戶保持開放與尊重，改善企業文化和組織架構，消除內部的隔閡，鼓勵協作與溝通，

28、逐漸成了公司的主旋律。2014 年 3 月，微軟推出的 Office for iPad 為用戶帶來了 Word 和 PowerPoint 等跨設備應用。此次發布包括適用于 iPhone 的 Office 新功能和適用于 iPad 的更新應用，隨后不久又推出了適用于 Android 的 Office。納德拉在擔任 CEO 后的首次公開演講中宣稱，“云計算和移動的神奇結合”，并表示微軟“絕對致力于讓我們的應用程序跨平臺運行”?？缙脚_開發應用，雖然是 Windows 前進的一小步，但是卻是公司從封閉走向合作與開放的開始。以下是 Windows 逐步走向開放的一些案例：2017 年，微軟與 Dell

29、合作推出基于 Windows 的 Dell Latitude 系列筆記本電腦；2017 年，微軟與 Amazon 合作推出基于 Azure 的 AWS 云服務；2018 年，微軟宣布開放 Windows API，允許開發者使用 Windows API 開發應用程序；2018 年，微軟宣布與 Box 合作推出基于 Azure 的 Box 云存儲服務；2018 年，微軟宣布與 VMware 合作推出基于 Azure 的 VMware 云服務；2019 年，微軟宣布與甲骨文合作推出基于 Azure 的甲骨文云服務；2019 年，微軟宣布與 Google 合作推出基于 Chrome OS 的 Wind

30、ows 應用程序，該合作允許用戶在 Chrome OS 上運行 Windows 應用程序，擴大了 Windows 的應用場景；2019 年，微軟宣布與 Linux 基金會合作推出基于 Linux 的 Windows Subsystem for請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告10Linux（WSL）。WSL 允許用戶在 Windows 上運行 Linux 應用程序，提高了 Windows的靈活性和可擴展性；2019 年，微軟將 Windows Calculator 開源，允許開發者在 GitHub 上貢獻代碼和參與開發，這是微軟首次將 Windows 組件開源

31、。加碼云計算（加碼云計算（2018-20222018-2022 年）：年）：AzureAzure 乘風起乘風起在微軟財報中，有三部分內容：智能云（智能云（IntelligentIntelligent CloudCloud）：包括 Azure（微軟的云計算平臺，提供計算、存儲、數據庫、安全、網絡等服務）、Azure Stack（一個混合云平臺，允許客戶在自己的數據中心或云端環境中運行 Azure 服務）、Microsoft Azure AI（基于云的人工智能平臺（基于云的物聯網平臺，提供設備管理、數據分析、安全等服務），提供機器學習、自然語言處理、計算機視覺等服務）、Microsoft Azur

32、e IoT、PowerApps（低代碼開發平臺，允許用戶創建自定義的商業應用程序）、Power Automate（自動化平臺，允許用戶自動化商業流程和任務）、Microsoft 365 Security（安全解決方案，提供身份驗證、訪問控制、威脅防護等服務）、Microsoft 365Compliance（合規性解決方案，提供數據保護、隱私保護、法規遵從等服務）；生產力和商業流程（生產力和商業流程（ProductivityProductivity&BusinessBusiness ProcessesProcesses）：包括 Office 軟件、Microsoft 365、Dynamics 3

33、65（ERP 和 CRM）、LinkedIn、Skype for Business、Microsoft Teams（團隊協作平臺）、OneDrive（云存儲）、Outlook；個人計算個人計算（MoreMore PersonalPersonal ComputingComputing）：包括 Windows、Surface 電腦、游戲（Xbox游戲機、Xbox 游戲軟件和服務、Xbox Live 在線游戲服務）、搜索與廣告（包括Bing 搜索引擎和 Microsoft Advertising 廣告服務等業務）、應用商店。圖10：2017-2024 財年，微軟三大業務板塊的收入增速資料來源：Fac

34、tset，國信證券經濟研究所整理其中，支撐微軟在 2018 年以后增長最快的是云計算，其核心是 Microsoft Azure。Azure 平臺于 2010 年 2 月正式推出，當時的名稱為 Azure Service Platform，包含 Azure 云計算、Azure 存儲、SQL Azure 與 AppFabric 四種服務，且僅提供 PaaS。2011 年納德拉成為了服務器和工具部門的總裁之后，Azure 在 2012 年進步很快：更新管理接口，采用 HTML5 技術；發行 IaaS，包含虛擬機與虛擬網絡；發行 Website服務，并首次支持.NET 以外的平臺；發行 Media S

35、ervice 服務。到了 2014 年下半年 Azure 發行了 Mobile Service，提供移動應用必須的后臺服務，包含資料、請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告11識別、通知以及 API 等。2014 年納德拉成為 CEO 當年，Windows Azure 更名為 Microsoft Azure，以修正其市場方向，也為了讓外界不再認為 Azure 只能運行 Windows 操作系統；2015 年微軟將 Website 與 Mobile Service 合并，并新增 API App 與 Logic App 合稱為Azure App Services；還推

36、出了 Azure Application Insights 以支持應用程序層級的監測數據能力；新增 Azure DNS 以支持 DNS 托管、Azure Search 支持搜索能力等。2016年微軟推出Azure Functions（函數服務）以支持無服務器（Serverless）的應用，成為繼 AWS Lambda 與 Google CloudFunction 之后的第三個具備無服務器應用程序開發能力的主流云供應商，同時也推出了 Service Fabric 以支持微服務（Microservices）的開發。由于 2016 年之后云計算行業處在大發展時期，加之納德拉很清楚微軟不能錯過這個巨大

37、的機會，因此微軟也大踏步投入云計算。除了增加基礎設施，增加應用功能，前述開放策略也為微軟贏得了多個高質量合作伙伴。到了 2018 年，微軟宣布了 54 個 Azure 區域，比任何其他云提供商都多，服務范圍覆蓋全球 140 個國家。此次擴張鞏固了該公司作為云計算全球領導者的地位。微軟增加了近 500 項新的Azure 功能，推出了首創的混合和云到邊緣解決方案 Azure Stack（混合云）和Azure Sphere（物聯網），并達成了創紀錄的數百萬美元的商業云協議。云計算在 2016 年占收比為 27.2%，是最小一個業務板塊，到了 2024 年占收比來到了 43%，成為最大的業務板塊。20

38、18 年-2022 年，云計算業務連續四年加速增長。圖11：2016-2024 財年，微軟三大業務板塊的占收比資料來源：Factset，國信證券經濟研究所整理Azure 和 AWS 都是云計算巨頭，各有其優勢。但 Azure 作為后發者，其在幾個方面上表現出一定的優勢，包括：混合云策略：Azure 提供了混合云策略，允許客戶在自己的數據中心、Azure 云端和其他云平臺之間進行選擇和集成；企業軟件整合：Azure 提供了與 Microsoft 企業軟件的緊密整合，例如 Office 365、Dynamics 365 等；開發者體驗：Azure 提供了友好的開發者體驗，例如 Visual Stu

39、dio、Azure DevOps請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告12等；AI 和機器學習：Azure 提供了基于 AI 和機器學習的云計算服務，例如 AzureMachine Learning、Azure Cognitive Services 等。此外，Azure 在 2020 年發布了 Azure Arc，加強了混合云和邊緣計算領域，同年發布了 Power Platform，加強了低代碼開發和商業應用領域；2021 年收購了Nuance Communications，標志著公司在人工智能和自然語言處理領域的擴展；2022 年發布了 Cloud for Su

40、stainability，加強了可持續發展和環境保護領域?？偨Y下來，從 2018 年 Azure 的市場份額從 15%逐步攀升至 2023 年的 24%，這是納德拉接管微軟后最成功的例證。圖12：2018-2024 年云計算企業市場份額資料來源：Synergy research，國信證券經濟研究所整理2023 年 10 月，微軟也完成動視暴雪的收購，斥資共 687 億美元，耗時 22 個月。由于動視暴雪是世界上頂尖的游戲公司，收購這么大規模的游戲公司要通過各國的反壟斷審查，阻力較大的是美國、歐洲與英國。為了打消英國監管機構的顧慮，微軟把動視暴雪持有的云游戲版權出售給法國的育碧（Ubisoft）

41、。收購動視暴雪是微軟游戲整合趨勢的一部分，它擁有的著名特許經營權包括使命召喚、暗黑破壞神和魔獸世界，收購動視暴雪后，微軟成為全球收入第三大的游戲公司。游戲行業預計到 2030 年將增長至 5000 億美元以上，收購動視暴雪可能會為微軟帶來豐厚利潤。從短期來看，動視暴雪的游戲加入 Xbox庫和其他平臺將為微軟的游戲收入帶來適度提升。動視暴雪每月活躍用戶數為 3.56 億，尤其隨著游戲從主機轉向移動設備，動視暴雪的移動用戶對微軟至關重要。展望未來，由于游戲是元宇宙的一個天然特性，這和納德拉心中三大方向“元宇宙、量子計算、人工智能”相匹配。納德拉評價收購動視暴雪時說：“當我想到動視暴雪的產品組合時，

42、它為我們提供了覆蓋 PC 和游戲機的大量資產，當然還有覆蓋移動端，這是我們以前從未有過的?，F在我們既有內容，又有能力訪問人們玩游戲的所有傳統高規模平臺，即游請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告13戲機、PC 和移動設備?！睆氖袌龇答亖砜?，2022 年 1 月 18 日，微軟宣布收購動視暴雪后，索尼公司股價當日下跌了 7.2%（日股則下跌了 12.8%），在后續，索尼公司的股價（美股）2年后依然沒有回到曾經的位置。這說明微軟對動視暴雪的收購影響了行業競爭格局，這種預期進而影響了索尼的估值水平。圖13：索尼（SONY.N）股價資料來源：wind，國信證券經濟研究所整

43、理最后，按照微軟對 LinkedIn 及 GitHub 的管理方式，動視暴雪也將獲得相對較大的自主權，在收購協議中，微軟承諾將尊重動視暴雪的文化和獨立性，并允許其繼續發展和運營自己的游戲業務。因此，動視暴雪將繼續相對獨立地經營自己的業務，同時也將受益于微軟的資源和支持，這將使得動視暴雪能夠更好地發展和擴展自己的游戲業務，并為玩家提供更多的游戲選擇和體驗。AIAI 再出發（再出發（2023-20242023-2024 年）：押注年）：押注 OpenAIOpenAI2022 年 11 月，OpenAI 公司的 ChatGPT 3.5 橫空出世，這顛覆了人們對語言模型的認知。它憑借著如此流暢、絲滑的

44、輸出，開啟了大模型（Transformer 架構）時代的新征途。表2：OpenAI 的員工人數年年員工人數員工人數增長（數量）增長（數量）同比同比（）（）2015201510-201620162515150%20172017452080%20182018803577.8%201920191507087.5%2020202025010066.7%202120213005020%202220223757525%20232023770395105.3%202420243,5312,761358.6%資料來源：seo.ai，國信證券經濟研究所整理OpenAI 公司成立于 2015 年 12 月，總部位

45、于舊金山，它起步于非盈利組織，籌資主要是捐款，盡管其捐助人承諾捐款 10 億美元，但是截至 2019 年，實際募集到的捐款總額僅為 1.3 億美元。請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告14在我們的報告2016-2030 年：通用人工智能時代的到來中曾介紹，2017 年transformer 論文發布，到谷歌開發出 BERT 模型，OpenAI 也敏銳地發現出這是一條新路，并于 2018 年 6 月與 2019 年 2 月，研發了 ChatGPT 1.0 與 ChatGPT 2.0。隨著對 LLM 的理解，他們發現只接受捐款的方式很難承受得起巨大的機器學習投入，因

46、此在 2019 年，OpenAI 從非營利性組織轉型為“有上限”的營利性組織。OpenAI 稱有上限的利潤模式使 OpenAI 能夠合法地吸引風投，還可以向員工授予公司股份。但問題是，這涉及到 OpenAI 的初衷，2015 年，作為非營利組織，OpenAI 的定位是：1、OpenAI 是一家非營利性人工智能研究公司；2、目標是以最有可能造福全人類的方式推進數字智能，不受產生財務回報需求的限制；3、由于研究不受財務義務的限制，公司可以更好地專注于對人類的積極影響。當時對 OpenAI 支持最大的馬斯克是想打造出一個真正的“OPEN 的 AI”，以區別于谷歌的“封閉的 AI”，所以才取了這個名字

47、。而當 OpenAI 真的打開了“潘多拉”魔盒，看到了通往 AGI 的巨大機會之后，它的諸多參與者，又希望將 OpenAI變成一家盈利公司以獲得更多的融資或者上市。奧特曼加入的一年實際上就是從公司的從非營利化到盈利化轉折的一年。但是OpenAI 引入微軟 130 億美元的投資又是個權宜模式，這種非盈利組織再控股一個盈利實體的架構是較為特殊的，有諸多的約束。但如果直接轉向營利組織，董事會又表示強烈的反對。隨著公司的不斷擴大，這種矛盾越來越激烈，2023 年 11 月份，奧特曼先被董事會罷黜，之后微軟則支持了奧特曼的回歸。2024 年 10 月，OpenAI 融資 66 億美元，投后估值1570億

48、美元，短短9個月時間公司估值接近翻倍，融資由Thrive Capital領投，微軟繼續參投，英偉達、軟銀都首次投資 OpenAI，其他投資方還包括 KhoslaVentures、Altimeter Capital、富達、Tiger Global、阿聯酋投資公司 MGX 等。2024 年 12 月，OPENAI 公司宣布重組，公司正式一分為二：一部分是非營利機構，另一部分轉型為特拉華州公共利益公司（PBC）。OpenAI 是一個典型的在遇到巨大的發展機遇后發生了初衷改變的公司，于是無論從管理層還是公司的核心員工，都因為這種轉變而受到影響，堅持公益初衷的員工逐漸離職，堅持公益初衷的董事會則反對盈利

49、化轉變，而期望資本助力的投資人與奧特曼則極力想實現盈利化的轉變，這個對抗使得公司發生了本不必要的巨大內耗。對于微軟而言，在投資 OpenAI 后獲益頗豐。一來其協議保障了微軟公司可以較快的收回成本，包括：1、與 OpenAI 形成獨家合作伙伴關系，以開發和商業化 AI 技術，包括 OpenAI 的語言模型和其他 AI 工具；2、OpenAI 將其 AI 模型與微軟的 Azure 云計算平臺集成，使開發者更容易構建和部署 AI 驅動的應用程序；3、微軟有權獲得 OpenAI 高達 75%的利潤，直到其收回 130 億美元的投資；4、OpenAI 累計利潤達到 920 億美元之后，微軟的分紅比例下

50、降，剩余部分利潤由其他風險投資者和 OpenAI 的員工分享；5、當利潤達到 1500 億美元之后，微軟和其他風險投資者的股權將無償轉讓給 OpenAI 的非營利基金。二來是在與 OpenAI 合作的過程中，微軟既學習了 OpenAI 以及大模型的開發現狀，請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告15又推出了多種 AI 產品，包括 Microsoft Copilot 于 2023 年推出，明顯拉動了微軟各個業務條線的收入增速。微軟通過將 OpenAI 集成到其產品和服務中，尤其是從其云業務中，云托管服務的需求支持 Azure OpenAI 與每家公司的應用程序和軟件

51、的集成。此外，CRM、會計和網絡安全、Bing、ERP、Office、編程軟件和操作系統中集成 OpenAI 模型方面比競爭對手更具優勢。悲觀的人，經常提到一些問題：例如桌面 AI 代碼質量問題、錯誤率仍高、安全性不高；云 AI 則缺乏廣泛的語言支持、需要大量的數據和訓練；行業 AI 則缺乏對行業應用的廣泛支持，功能尚簡單等等，但這些問題都將伴隨大模型的優化，成本的降低，Agent 的數量增加而被改善。換句話說，這也是大模型未來的潛力與想象力之所在。著眼未來，很大程度上的變化是，之于移動互聯網的 IOS 與安卓，到底現在的大模型稱之為“平臺”，還是類似 Azure MaaS、Vertex AI

52、、Meta AI、Bedrock 才稱之為“平臺”，倘若是在 LLM 層之上的平臺越強，則他們可以集合更多的 LLM；倘若 LLM 是稀缺資源，則它們的強大更能促使各個平臺向它們靠攏。例如，谷歌目前的思路是垂直一體化思路，即從應用到芯片都自己開發，希望做成 AI 時代的“蘋果”；而其他公司要么擺脫不了英偉達的芯片能力，要么在除了 AI 平臺之外的某個環節是開放的。但有一點是肯定的，要么平臺強，要么大模型強，最好是兩者都強，才能在未來AI 的競技場上提高勝率。圖14：幾個平臺的比較資料來源：，國信證券經濟研究所整理對于微軟來講，其機會是不言而喻的納德拉一直以來的重視，連續多年的投入，OPENAI

53、 的先機，產品線與 AI 結合的經驗.目前 OpenAI 已經轉成盈利架構，然而這相當于它不再是從前那個研究型公司，而短期估值較高的它，可能將為了盈利，而不會再對隱私保護、AI 發展安全性的那么重視，而是全力實現商業化，未來一旦出隱私、AI 安全等問題，可能對公司的品牌影響與信任度會構成新的壓力。無論如何，2016 年以來，市值翻了 10 倍的微軟，證實了納德拉的眼光和執行力。他沒有在硬件上繼續同蘋果、安卓糾纏，而是把精力放在了云計算和 AI 上，這使得微軟在云計算上贏得了新的機遇，同時在 AI 上也占領了先機。此外，他對微軟的文化重塑，以及對外合作包容的態度的變化也順應了時代發展的需要。請務

54、必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告16圖15：2016-2024 財年微軟的收入與利潤，十億美元資料來源：Factset，國信證券經濟研究所整理請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告17AMDAMD：輕裝出發（：輕裝出發（fablessfabless）的挑戰者）的挑戰者桑德斯是 AMD 的創始人，在他帶領下的 30 多年時間里，AMD 成為了英特爾的替代公司，經常是一些客戶的第二供應商，在 2000 年科網泡沫時，市值也曾摸到過近150 億美元，但桑德斯此時已經 64 歲了，他決定挑選接班人。魯伊茲時代（魯伊茲時代（HectorHec

55、tor RuizRuiz，任期，任期 2000-20082000-2008 年）：收購年）：收購 ATIATI桑德斯看中了魯伊茲（Hector Ruiz）他在德州儀器公司工作了六年，在摩托羅拉公司工作了 22 年，后來升任摩托羅拉半導體產品部門總裁。魯伊茲在 2000年加盟 AMD，任 COO，并于 2002 年接替桑德斯擔任 CEO，2004 年被任命為董事會主席。魯伊茲為 AMD 做了幾件重要的工作：一是在 64 位芯片上取得突破。2003 年 4 月 AMD 早于英特爾發布了 64 位服務器芯片 Opteron，這讓 AMD 成功進入高端服務器市場，其服務器市場份額也從 2005 年的

56、5-7%提升到了 2006 年的 22%；2003 年 9 月，AMD 發布了 64 位 PC 芯片 Athlon 64，其后又推出主打游戲性能的 Athlon 64 FX，兩者的性能不輸于奔騰 4，甚至某些方面超越了奔騰，且性價比更高。英特爾此時尚未推出 64 位芯片，它們使用了多種手段與 AMD 競爭：包括宣傳 64位芯片不成熟；與主要的制造商簽訂排他性協議；提供補貼和激勵措施，鼓勵 OEM廠商購買和推廣其產品；對 AMD 提起專利侵權訴訟，通過法律手段限制 AMD 的技術發展。其最后的結果是，AMD 反過來起訴英特爾利用壟斷地位不正當競爭，最終雖然在2009 年，AMD 和英特爾最終達成

57、和解，英特爾同意停止向企業提供回扣并向 AMD支付 12.5 億美元的賠償金，但時隔多年 AMD 一路失去的市場份額卻無法找回。二是收購了 ATI。2006 年 7 月，AMD 宣布以 54 億美元收購 ATI 公司，其中 42 億美元為現金，摩根斯坦利為 AMD 提供了 25 億美元的貸款以完成交易。魯伊茲考慮的是通過收購 ATI 進入到顯卡市場，事實證明這個方向是正確的，但其在收購案中使用了過多的現金，加之在與 ATI 公司的整合遇到文化差異、大客戶訂單丟失、技術整合時間長等問題，整合進度不及市場預期，以至于公司連續 7 個季度虧損，這也成為魯伊茲引咎辭職的導火索。三是巴薩羅那芯片問題。2

58、007 年，AMD 公司推出了 64 位服務器芯片巴塞羅那。但是犯了一個錯誤（三級緩存缺陷），這會引發服務器的死鎖。但當時由于芯片硬件已經沒法改動，只能通過軟件打補丁的方式解決，而代價是導致 5%到 20%的性能損失，這與此前公司宣傳的“比同類英特爾至強雙處理器表現出 40%的性能優勢”不相符。而此時英特爾已經推出了多款高性能的四核處理器，如 Xeon 系列。相較下來，巴塞羅那芯片的問題影響了 AMD 的品牌形象和市場信心，其服務器市場份額從 2006 年巔峰時期 23%跌至 2008 年的 10-12%之間。四是推動格羅方德的剝離。晶圓代工是重資產的商業模式。2008 年的 AMD 已經無法

59、在 ATI 與代工雙管齊下了。相較下來，公司希望走 fabless 模式。魯伊茲在任上推動了格羅方德的剝離，2008 年 7 月他辭去了 CEO。2009 年 3 月，AMD 將格羅方德出售給阿布扎比先進技術投資公司（ATIC）和穆巴達拉發展公司（Mubadala），辭職的魯伊茲任格羅方德的董事長，這為 AMD 的輕資產化以及未來與臺積電的合作奠定了基礎。請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告18梅耶時代（梅耶時代（DerrickDerrick MeyerMeyer，任期，任期 2008-20112008-2011 年）：剝離格羅方年）：剝離格羅方德德梅耶是魯伊茲

60、時期的 COO，魯伊茲辭職后，他成為了 CEO。梅耶將公司的重點放在個人電腦和數據中心服務器市場上。盡管 2010 年之后，移動端的增長爆發，但是梅耶解釋說，移動和消費電子市場的不斷增長不會使傳統市場萎縮。這個背景主要是因為當時的 AMD 還在虧損中，公司還在急于扭虧，所以無法在 PC 端、移動端大舉投入研發。梅耶在任 3 年的主要貢獻有：1、2009 年完成了前述的對格羅方德的剝離，使得 AMD 有機會選擇與臺積電合作，公司不需要再背負沉重的代工資產以及投入巨額的世代升級費用，轉而專注投入研發；2、剝離 ATI 公司的手機與電視業務，集中資源和精力在核心的高性能計算和圖形市場上；3、推出三款

61、重要產品，包括 2008 年的 PhenomII 處理器，2009 年的 Athlon II處理器，以及 Radeon HD 5000 系列顯卡。許多專業媒體和評測網站對 Radeon HD5000 系列給予了高度評價，特別稱贊其在 DirectX 11 游戲中的表現和能效比。2009 年-2010 年，憑借 AMD 的多款產品的發布，AMD 的股票反彈了 5 倍，但是隨著歐債危機的到來，加之公司專心耕耘 PC 業務與顯卡業務，使得在移動互聯網側并未有多大建樹。股價隨之也大幅回調，2011 年梅耶辭職，業界認為是董事會認為梅耶在移動互聯網端的布局過于謹慎。平心而論，梅耶上任后止住了 AMD 的

62、失血，讓公司在 2009-2011 年連續三年盈利，而且聚焦了最可能快速做強的產品線 PC 與顯卡，可以說表現是不俗的。但是隨著蘋果、安卓手機的大爆發，資本市場認為只有移動端才代表未來，股東們想乘風移動互聯網，梅耶則認為而大規模多管齊下投入研發則短期見不到回報，飯要一口一口吃，這種矛盾最后導致他在 2011 年 1 月份辭去了 CEO。從這個案例可以看出，股東們最大的關心是市值。而在市值成長的路上稍有顛簸，他們的耐心就可能快速消失。里德時代里德時代（RoryRory ReadRead，任期任期 2011-20142011-2014 年年）：面向低功耗與游戲面向低功耗與游戲市場轉型市場轉型里德在

63、 IBM 工作了 23 年，在來 AMD 之前在聯想任總裁兼首席運營官。2011 年 8月里德被任命為總裁兼 CEO，并擔任公司董事會成員。里德接任 CEO 時期，AMD 正面臨嚴峻的市場挑戰，包括 PC 市場需求下滑、與英特爾競爭加劇等，且公司 95%的收入都在 PC 市場。他決定減少對傳統 PC 市場的依賴，轉向更為多元化的市場，特別是移動設備和云計算領域。里德實施了多項成本節約措施，包括裁員千人，以減少開支并提高公司的財務穩定性，同時在 2012 年發布了推出了 Trinity APU，這是 AMD 首款集成高性能 CPU和 GPU 的處理器，標志著公司在融合架構上的重要進展。由于收購了

64、 ATI，因此APU 相當于將 AMD 的獨特定位（CPU+GPU）與價值凸顯出來。2013 年，公司發布了 Kabini 和 Temash 處理器，Kabini 主要面向筆記本電腦和平板電腦市場，主打低功耗，低成本；后者面向游戲電腦和工作站市場。同年，公請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告19司推出了基于 Jaguar 核心的 Opteron 處理器，這是 AMD 首次推出專門針對低功耗服務器市場的處理器。此外，里德開始將半定制業務提升為公司的重要戰略方向之一。2012 年，公司贏得了 PlayStation 4 和 Xbox One 的合同，兩者采用了基于

65、Jaguar 架構的 8 核 CPU和 GCN 架構的 GPU。由于 PS4 和 Xbox One 的市場表現出色，為 AMD 帶來了穩定的收入來源，這兩款游戲機的成功也進一步鞏固了 AMD 在游戲機市場的地位。2013 年 9 月，AMD 發布的基于 Hawaii 芯片的 GPU 產品線也表現不俗（對標英偉達GeForce GTX 980 和 GTX 970），在 2014 年占據了全球 GPU 市場的約 30%的份額。圖16：2000-2015 年，AMD 收入及利潤（百萬美元）資料來源：Factset，國信證券經濟研究所整理里德還有一個重要貢獻，就是 2012 年他將蘇姿豐帶入 AMD。

66、2014 年，里德離職，蘇姿豐接任 CEO。雖然三年時間 AMD 并未大踏步前進，但是它逐漸在產品線上找到了新的方向，特別是低功耗技術與新興市場的拓展，為 AMD 后續在移動設備和數據中心市場的成功奠定了基礎。蘇姿豐時代（蘇姿豐時代（LisaLisa SuSu，任期，任期 2014-2014-今）：再次騰飛今）：再次騰飛終于，AMD 迎來了蘇姿豐時代。蘇姿豐出生于臺灣，兒時移居美國。在麻省理工學院獲得三個學位后，她曾在德州儀器、IBM 和飛思卡爾半導體公司任職。在擔任 IBM 半導體研發中心副總裁期間，她因開發絕緣體上硅半導體制造技術和更高效的半導體芯片而聞名。因此，蘇姿豐是典型的技術出身的管

67、理層。蘇姿豐于 2012 年加入 AMD，擔任過 AMD 全球業務高級副總裁和 COO，并于 2014年 10 月被任命為 CEO。2023 年，蘇姿豐在福布斯“全球 100 位最具影響力女性”榜單中排名第 49 位。在財富雜志 2023 年最具影響力女性榜單中排名第12 位。時代雜志將她列入 2024 年“人工智能領域最具影響力的 100 人”榜單。請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告20圖17：2015-2023 年，AMD 收入及利潤（百萬美元）資料來源：Factset，國信證券經濟研究所整理從蘇姿豐接任 AMD 開始到 2024 年，AMD 的股價最大上

68、漲了 80 倍，目前穩定在 50倍左右。在她領導下的 AMD 再次騰飛，甚至締造了其諸多前任都未能達到的歷史高度，一個最重要的變化是，AMD 從第二梯隊的“跟隨者”，逐漸躍入第一梯隊。在這個躍升的過程中，可以分成三個階段：1 1、“ZENZEN”架構（架構（2015-20182015-2018 年）年）AMD 的股價在 2015 年創下新低，原因包括英偉達與英特爾的競爭壓力、公司的庫存問題也凸顯。剛上任的蘇姿豐提出，公司應該專注于利潤率更高、增長機會更高的市場。當時當時 AMDAMD 規劃了三大增長市場：游戲、沉浸式平臺和數據中心市場規劃了三大增長市場：游戲、沉浸式平臺和數據中心市場。同時提出

69、 AMD 應避免進入利潤率低的市場，如移動（智能手機/平板電腦）或物聯網領域，因為盡管這些領域雖然增長迅速，但競爭對手已經太多，這些競爭對手要么擁有成本控制能力（聯發科），要么擁有資金雄厚（英特爾），可以將利潤率壓低到 AMD 無法維持的水平。同樣，AMD 正在努力減少其在低端 PC 市場的份額，因為該市場的利潤率也很低，再加上前景不佳，AMD 因該市場需求大幅下降而遭受重創。其中，沉浸式平臺主要指的是 AR/VR，但其后這個方向慢慢在發展過程中被擱置。蘇姿豐的大方向非常正確。前三任 CEO 總體上從都是“騰籠換鳥”，沒有人敢從提升利潤率的角度來思考：因為高利潤率對一個科技公司至關重要，因為高

70、利潤率很大程度上代表了技術領先，但當時的 AMD 還沒有底氣能夠拿出最先進的技術以打動市場。這就不得不提到 Zen 架構。Zen 架構于 2012 年開始投入研發，到 2017 年正式面世，期間經歷了 5 年的時間。它是一種全新架構，與以往架構的不同是：它具有更高的性能、更低的功耗和更好的可擴展性。AMD 在全球范圍內調集了數千名工程師和技術專家，參與 Zen 架構的研發工作，這些團隊分布在北美、中國、印度等地，涵蓋了 CPU 設計、GPU 設計、軟件開發等多個領域。我們在此前的報告曾提及，英特爾對 AMD 的市場主導地位隨著“酷?！逼放频耐瞥?，以及“滴答（Tick-tock）”發布策略的成功

71、推出而不斷增強，該模式最著名的是每年在新的 CPU 架構和新的制造節點之間交替。英特爾遵循該發布節奏近十年，從酷睿于 2006 年首次推出 65 nm 的 Conroe 架構開始，一直持續到 14 nm 的Broadwell 架構，從 Broadwell 開始，其在 2014 年的發布計劃推遲了一年到 2015年的 Q3，這宣告了“滴答”模式的終結。這件事對 AMD 來說至關重要，因為英特爾無法進一步維持“滴答”模式，對于 AMD 的銳龍 CPU 以及整個 Zen 架構的成功請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告21提供了新的市場機遇。在經歷了 2015-2016

72、 相對低谷的兩年后，Zen 架構于 2017 年 2 月首次推出，首發于第一代銳龍（Ryzen）CPU。該架構用于也用于銳龍（臺式機和移動設備）、銳龍 Threadripper（工作站和高端臺式機）和 Epyc（服務器）?；?Zen 架構的 Ryzen 處理器正式推出，性能大幅提升，例如 Ryzen 7 1800X 的性能略優于 Core i7-6900K，但價格只是酷睿的一半，且 Ryzen 在能效方面也有優勢，因此 AMD 從 2017 年開始，開始重新奪回 CPU 市場份額。圖18：2012-2024 全球 CPU 市場份額資料來源：，國信證券經濟研究所整理尤其是基于 Zen 的服務器

73、芯片 EPYC 發布后，AMD 獲得了惠普、戴爾、SuperMicro、賽靈思、VMWare、Red Hat、微軟等多個客戶的支持，第二代 EPYC 定位為數據中心和云，也迅速贏得了業界的廣泛好評，谷歌也成為客戶。2014 年 Q4 蘇姿豐上任時，AMD 在服務器芯片份額僅為 1.1%，2018 年則升至 3.7%。此時，蘇姿豐的戰略也逐漸清晰且自信，她認為高性能計算和數據中心是公司更為清晰的未來戰略。下表是 AMD 的 Zen 架構主要 CPU 與英特爾的比較，可以看出，在 2017 年發布的第一年，兩者的價格幾乎相差一半，而隨后由于 Zen 的性能和口碑開始被市場認同，英特爾大幅降價，兩者

74、的價格差距快速縮小，甚至在 2020 年，AMD 售價還略超過了英特爾。表3：2017 年以來，AMD 與英特爾 CPU 售價比較ZenZen 世代世代ZenZenZen+Zen+ZenZen 2 2ZenZen 3 3ZenZen 3+3+ZenZen 4 4ZenZen 5 5年份2017201820192020202220232024AMDRyzen 7 1800XRyzen 7 2700XRyzen 9 3900XRyzen 9 5900X Ryzen 7 5800X3DRyzen 9 7950XAMD Ryzen 9 9950X制程工藝14nm12nm7nm7nm7nm5nm4nm格

75、羅方德格羅方德臺積電臺積電臺積電臺積電臺積電價格，美元499329499549449549649INTELCore i7-6900KCore i7-8700KCore i9-9900KCore i9-10900KCore i9-12900KCore i9-13900KCore Ultra 9 185H制程工藝14nm14nm+14nm+14nm+Intel 7Intel 7Intel 4價格，美元1089359499488589589640價格差（英特爾-AMD）590300-611404041資料來源：英特爾，AMD，國信證券經濟研究所整理請務必閱讀正文之后的免責聲明及其項下所有內容證券研究

76、報告證券研究報告222 2、臺積電代工（臺積電代工（2019-20212019-2021 年）年）終于在剝離了格羅方德之后，從 Zen 2 開始，AMD 開始選擇臺積電代工 7nm 制程的 CPU，這對 AMD 的產品又有了巨大的性能提升。由于英特爾的大部分高端處理器，如 Core i7、i9 以及服務器用的 Xeon 處理器，仍然主要由英特爾自己制造。這些處理器采用英特爾的制程工藝，如 Intel 4（原 7 納米改進）、Intel 7（原10 納米改進）等，因此英特爾在制程上的瓶頸成為影響公司芯片性能表現的“短木板”。從 2019 年開始，AMD 將代工從格羅方德轉向臺積電之后，可以看出，

77、Zen 的制程工藝始終領先英特爾 1-2 代。Zen 2、Zen 3、Zen 3+采用了 7nm 制程，而當時的Core i9-9900k、10900k 制程還停留在 14nm 的改進版，12900k 則是采用 10nm 工藝（Intel 7）；Zen 4 采用了 5nm 制程，Core i9-13900k 則采用 10nm 工藝（Intel7），直到 2013 年 12 月份，英特爾發布的 Core Ultra 系列芯片才升級到了 7nm工藝（Intel 4）。2019 年，Zen 2 架構的銳龍 3000 發布，服務器芯片霄龍（EPYC）第二代發布；2020年銳龍 4000 發布，它針對筆

78、記本市場，同時服務器芯片采用 Zen 3 的霄龍米蘭（EPYC Milan）第三代發布。由于制程上的領先，AMD 在高性能、低功耗以及集成化 APU（CPU+顯卡）的優勢逐漸顯露，2019-2021 其市場份額也大幅增長。CPU 份額從 2019 年的 14%提升至 2021年的 25%，收入從 2019 年的 67 億美元大幅提升至 2021 年的 164 億美元，利潤從2019 年的 3.4 億美元，提升至 2021 年的 31.6 億美元，股價從 2018 年的低點計算，三年翻了 10 倍左右。如果說，2015-2018 年，AMD 股價上漲了 5 倍主要是歸功于 Zen 架構的誕生，那

79、么2019-2021 年，AMD 的股價上漲 10 倍則是歸于 Zen 架構與臺積電制程結合下迸發出的巨大優勢，在這三年中，公司大幅修復了現金流量表，同時員工人數也從不到 10000 人恢復到了 15000 人。請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告23表4：AMD 的 Zen 架構家族架構架構芯片芯片發布時間發布時間面向市場面向市場ZenZen 1 1Ryzen 1000 系列（Summit Ridge）2017桌面Threadripper 1000 系列（Whitehaven）2017桌面Ryzen 2000 系列（Raven Ridge）2018桌面、移動R

80、yzen 3000 系列（Dal）2019-2020移動V1000 系列（Great Horned Owl）2018嵌入式R1000 系列（Banded Kestrel）2019-2020嵌入式Epyc 7001 系列（Naples）2017服務器Zen+Zen+Ryzen 2000 系列（Pinnacle Ridge）2018桌面Threadripper 2000 系列（Colfax）2018桌面Ryzen 3000 系列（Picasso）2018桌面、移動R2000 系列（River Hawk）2022嵌入式ZenZen 2 2Ryzen 3000 系列（Matisse）2019桌面Thr

81、eadripper 3000 系列（Castle Peak）2020桌面Ryzen 4000 系列（Renoir）2021-2022桌面、移動Ryzen 5000 系列（Lucienne）2021移動Ryzen 7000 系列（Mendocino）2022移動V2000 系列（Grey Hawk）2020嵌入式Epyc 7002 系列（Rome）2019服務器ZenZen 3 3Ryzen 5000 系列（Vermeer）2021-2024桌面Ryzen 5000 系列（Cezanne）2021-2024桌面、移動Threadripper 5000 系列（Chagall）2022桌面Ryzen

82、 7000 系列（Barcelo-R）2023移動V3000 系列2022嵌入式Epyc 7003 系列（Milan）2021服務器ZenZen 3+3+Ryzen 6000 系列（Rembrandt）2022移動Ryzen 7000 系列（Rembrandt-R）2023移動ZenZen 4 4Ryzen 7000 系列（Raphael）2022-2023桌面Threadripper 7000 系列（Storm Peak）2023桌面Ryzen 8000 系列（Phoenix）2024桌面Ryzen 7000 系列（Phoenix）2023移動Ryzen 7000 系列（Dragon Ran

83、ge）2023移動Ryzen 8000 系列（Hawk Point）2023移動Ryzen Z1 系列2023游戲機Ryzen Embedded 7000 系列2023嵌入式Epyc 9004 系列（Genoa）2022服務器Epyc 9004 系列（Bergamo）2023服務器Epyc 8004 系列（Siena）2023服務器ZenZen 5 5Ryzen 9000 系列（Granite Ridge）2024桌面Ryzen AI 300 系列（Strix Point）2024移動Epyc 9005 系列（Turin）2024服務器資料來源：AMD，國信證券經濟研究所3 3、發力人工智能（

84、發力人工智能（2022-20242022-2024 年）年）EPYC 服務器系列的成功，讓 AMD 更加堅信，只有通過技術創新來提升產品的競爭力，讓客戶之間有口碑認同，才能不斷地提升市場份額，而再投入更多的研發以促進創新?；蛘哒f，從蘇姿豐開始，AMD 慢慢找到了這種可以清晰的、持續的、自我強化的戰略，他們將技術創新的方向瞄準到高性能運算（High Performance），那么就不能不提到 AI 芯片市場的巨大機會。由于競爭對手英偉達早在 2006 年就推出了 CUDA，在十幾年間，英偉達 GPU 早已構筑出寬廣的護城河。AMD Instinct 是 AMD 的數據中心 GPU 品牌。它在 2

85、016 年取代了 AMD 的 FirePro S品牌。與消費級 Radeon 相比，Instinct 產品線面向的是加速深度學習、人工神請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告24經網絡和高性能計算/GPGPU 應用。從 2020 年開始，AMD 的 CDNA 架構（Compute Data Node Architecture）替代了GCN（Graphics Core Next）架構，CDNA 架構擁有更高的計算密度和能效、增強的內存子系統，支持 HBM3，優化了優化的數據路徑和互連，具有高級計算特性，增加了硬件加速功能，也得到了 AMD 的 ROCm（Radeon

86、 Open Compute）開源平臺的全面支持，提供了豐富的開發工具和庫，方便開發者進行高性能計算和 AI 應用的開發，同時在可擴展性和模塊化設計也有考慮。這些優勢使得 CDNA 架構能夠更好地滿足現代計算和 AI 應用的需求。表5：AMD 的 AI 芯片 Instinct 系列芯片芯片發布時間發布時間架構架構制程制程計算單計算單元元內存內存FP32FP32 算力算力功耗功耗 W WMI6MI62016GCN 414nm3616GB GDDR55.7 TFLOPS150MI8MI82016GCN 328nm644GB HBM8.2 TFLOPS175MI25MI252016GCN 514nm6

87、416GB HBM 212.3 TFLOPS300MI50MI502018GCN 57nm6016GB HBM 213.3 TFLOPS300MI60MI602018GCN 57nm6432GB HBM 214.7 TFLOPS300MI100MI1002020CDNA7nm12032GB HBM 223.1 TFLOPS300MI210MI2102022CDNA26nm10464GB HBM2e22.6 TFLOPS300MI250MI2502021CDNA26nm208 128 GB HBM2e45.3 TFLOPS560MI250XMI250X2021CDNA26nm220 128 GB

88、 HBM2e47.9 TFLOPS560MI300AMI300A2023CDNA35-6nm228128 GB HBM3122.6 TFLOPS550MI300XMI300X2023CDNA35-6nm304192 GB HBM3122.6 TFLOPS550MI325XMI325X2024CDNA34-5nm304288 GB HBM3163.4 TFLOPS750MI350XMI350X2025eCDNA43nm288 GB HBM3eMI400XMI400X2026e資料來源：AMD，國信證券經濟研究所整理由于在 2022 年 Chat GPT 3.5 的出現，全面引爆了 AI 芯片市場

89、，使得積累多年的英偉達收入增長一騎絕塵。AMD 也在 2023 年發布了 MI 300X 芯片，并在 2024 年取得了非常豐厚的回報。2024 年 Q2，公司數據增速 28.34 億美元，同比增長 115%。以 AI 芯片為例，2023 年 10 月公司預期 2024 年 AI 芯片收入為 20 億美元，2024年 1 月預期提升至 35 億美元，2024 年 7 月又提升至 45 億美元，2024 年三季報后又近一步提升至 50 億美元。表6：AMD 收入結構說明業務分項業務分項說明說明子項目子項目1.數據中心數據中心、云計算和企業服務器相關的產品和服務服務器 CPU（EPYC 系列）數據

90、中心 GPU（Radeon Instinct 系列）存儲產品（SSD 等）數據中心相關軟件和服務2.游戲游戲相關的產品和服務，包括圖形卡、游戲主機和游戲軟件。圖形卡（Radeon RX 系列、Radeon Pro 系列）游戲主機（半定制 GPU 游戲主機，如 PlayStation、Xbox 等）游戲相關軟件和服務3.嵌入式嵌入式系統相關的產品和服務，包括 CPU、GPU、微控制器和其他嵌入式產品。嵌入式 CPU（Ryzen 嵌入式系列、EPYC 嵌入式系列）嵌入式 GPU（Radeon E 系列等）微控制器（MCU）和其他嵌入式產品嵌入式相關軟件和服務4.客戶端AMD 與客戶端計算相關的產品

91、和服務，包括臺式機和筆記本電腦的 CPU，以及與客戶端相關的軟件和服務。桌面 CPU（Ryzen 系列、Athlon 系列）筆記本 CPU（Ryzen 系列、Athlon 系列）客戶端相關軟件和服務資料來源：AMD，國信證券經濟研究所整理AMD 在 2024 年預告了 MI350 系列，以對標英偉達 Blackwell 系列，其性能提升高達驚人的 3500%，預期將在 2025 年下半年發布。蘇姿豐估計，AI 芯片市場規模將請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告25以超過 60%的 CAGR 增長，并于 2028 年達到 5000 億美元。目前，AMD 在服務器

92、CPU 市場份額 EPYC 系列已經超過 25%，但 AI 芯片市場份額僅為 4-7%左右（英偉達 90%+），倘若在 2028 年，其份額可以像 EPYC 系列那樣達到20%左右，那么光 AI 芯片就有 1000 億美元收入。但截止 2024 年 Q3，AMD 在 AI芯片市場的份額僅為 5%，因此市場還不敢過度樂觀認為這一目標能夠輕易實現。過去 5 年，市場給 AMD 的平均市盈率不夠穩定，市銷率大約在 9 倍左右。英偉達的成功不僅僅在于其芯片，更在于其軟件棧 CUDA 的成功，CUDA 已成為人工智能開發者的標準語言。CUDA 允許軟件開發者使用英偉達 GPU 加速并行通用計算，不兼容

93、AMD 以及英特爾。面對領先的英偉達以及 CUDA，AMD 的芯片與 ROCm誕生于 2016 年，整整晚了 10 年，ROCm 是免費、自由和開源的軟件。近一年來，AMD 打通了所有主要 AI 開發平臺，獲取了 PyTorch 的零日更新支持及 Triton 的AMD 硬件兼容。此外，在收購的路上，最近幾年 AMD 也是大動作不斷。比較重要的收購包括：1、2022 年 2 月完成對賽靈思（Xilinx）的收購，最終價值為 498 億美元。該并購強化了 AMD 在高性能計算領域的地位，并為其帶來了在數據中心、邊緣計算以及其他高性能計算應用領域的更多機會；2、2022 年 4 月宣布 19 億美

94、元收購 Pensando，它的分布式服務平臺包括一個高性能的、完全可編程的分組處理器和全面的軟件棧，可以加速云計算、企業和邊緣應用的網絡、安全、存儲和其他服務?？蛻舭ǜ呤?、IBM 云、微軟 Azure 和甲骨文云；3、2024 年 7 月宣布將以 6.65 億美元全現金收購 Silo AI。Silo AI 是歐洲最大的私人人工智能（AI）實驗室，業務遍及歐洲和北美。此次收購代表了 AMD 基于開放標準并與全球 AI 生態系統建立強有力的合作伙伴關系，并提供端到端 AI 解決方案的戰略又邁出了重要一步；4、2024 年 8 月，宣布以 49 億美元收購 ZT Systems。此次收購將增強 A

95、MD 在數據中心 AI 系統和客戶支持方面的能力，同時公司希望布局人工智能軟件堆棧，AMD將把各種元素結合在一起，提供一個真正的人工智能解決方案路線圖。2016 年之后，“tick-tock”止步不前的英特爾暗示了芯片制造領域重資產模式的受阻，也使得其想通過收購 Altera 并未達到預想的效果。而英偉達與剝離了格羅方德的 AMD 則是憑借著輕資產模式發展迅猛，其最高市值已經超過了 3600 億美元，而宿敵英特爾則跌破了 1000 億美元。AMD 得以在穩固 CPU 市場之后，開始像當年投入 Zen 架構一樣，一點點縮短在 AI市場上與英偉達的差距?？紤]到未來三五年，大模型將走向十萬億、百萬億

96、參數級別，其算力潛力需求巨大而客戶會不得不更多考慮性價比因素，因此從這個角度說，居第二的 AMD 只要不掉隊，憑借性價比的優勢，如果在客戶認同上能明顯縮小與英偉達的差距，則會獲得更大的空間。請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告26英偉達：摩爾定律的延續者英偉達：摩爾定律的延續者CUDACUDA 標志著標志著“指數型思維指數型思維”的思想延續（的思想延續（20062006 年）年）與其他案例不同，英偉達的 1993 年成立，創始人黃仁勛一直擔任公司的 CEO。到2024 年，他已經執掌公司 31 年。我們知道，喬布斯領導下的蘋果，蓋茨領導下的微軟，格魯夫/摩爾博士

97、領導下的英特爾，佩奇領導下的谷歌，戴爾領導下的戴爾電腦.以及我們在移動互聯網案例篇中舉到的諸多例子都表示，初代創始人熟悉行業的來龍去脈，同時他們對技術或者產品敏銳，也非常了解自己公司的優點與不足。因此在他們領導下的公司，大多數案例都是成功的。而等到二代、三代 CEO，有的好，有的一般，但總體來說遇到杰出 CEO 的概率不高，他們很難超過創始 CEO 的水平。黃仁勛 1963 年出生在臺南，9 歲赴美學習，1984 年于俄勒岡州立大學獲取電機工程學士學位，1992 年于斯坦福大學獲取電子工程學碩士學位。1983 年黃仁勛在AMD 擔任微處理器硬件工程師，1985 年至 1993 年，他在 LSI

98、 Logic 擔任核心硬件設計總監。并于 1993 年與 Chris Malachowsky（目前依然在公司任職）和 CurtisPriem（2003 年從英偉達退休）共同創辦了英偉達，并任 CEO。圖19：英偉達的發展簡史資料來源：英偉達，國信證券經濟研究所整理我們在科技周期探索之三：1974-1987 年：個人電腦時代的到來中的總結曾提及：千萬不要忽視“指數型思維的人或者公司”。當時提到的案例是有著摩爾博士掌舵的英特爾，在他的任期中，英特爾的股票翻了上百倍，而他退休之后英特爾就很難找回當初的狀態。黃仁勛和英偉達，就是又一個具備“指數型思維的人或者公司”。甚至說就是因為英偉達的存在，GPU

99、接替了 CPU，才讓摩爾定律曲線得以延伸到現在也不為過。從 2006 年 CUDA 推出之后，英偉達就不再是一家顯卡公司，它成為了通用 GPU 的供應商。由于當時的 CUDA 思想過早，導致了業界好多年都沒有看懂，也沒有試著模仿直到 2016 年 AMD 才開發了自己的 ROCm，2019 年英特爾的 oneAPI 正式版才推出。因此說，CUDA 的推出，以及通用 GPU 架構的出現，是英偉達的重要壯舉。請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告27在成績面前，人們都容易歸功于 CEO 的戰略；但 2008 年金融危機時期，盡管面臨經濟危機，CUDA 的推出被視為“巨

100、大的豪賭”，當時公司的股價從高點跌去了 80%，市值僅存 40 億美元，但英偉達依然堅持技術創新，保住了 CUDA 這顆冉冉升起的新星。經歷科網泡沫、金融危機、歐債危機、新冠疫情，英偉達從來沒有“凈裁員”，員工人數一直在增加，這在納斯達克是極為罕見的充分說明管理層高度的前瞻性和面對創新不確定性下的定力。圖20：英偉達的員工人數資料來源：英偉達，國信證券經濟研究所整理從 2006 年的 Tesla 架構到 2010 年的 Fermi 架構，英偉達與 AI 的關系還沒有很大，主要是在摸索通用 GPU 的一些基礎性能，包括統一著色器、增加 CUDA 核心，以及支持 DirectX 11 的架構等等。

101、不冷不熱的移動互聯網嘗試（不冷不熱的移動互聯網嘗試（2010-20152010-2015 年）年）到了 2011 年，橡樹嶺國家實驗室在建造超級計算機 Titan（泰坦）時，大量采購了英偉達的 GPU，泰坦成為世界上第一臺使用通用 GPU 的超級計算機。整臺泰坦共 計 18688 顆 CPU 和 相 同 數 量 的 GPU，在 2012 年 11 月 的 測 試 中 獲 取17.59petaFLOPS 的成績，直到 2013 年 6 月在 Top500 位列第一的排名被中國的天河二號取代。泰坦的成功，使得英偉達成為 GPU 行業的一張名片。表7：英偉達通用 GPU 的架構架構名稱架構名稱發布時

102、間發布時間制程工藝制程工藝代表型號代表型號功率范圍功率范圍說明說明TeslaTesla2006 年90nmGeForce 8800 GTX175W引入統一著色器架構TeslaTesla2008 年65nm/55nmGeForce GTX 280236W增強了 CUDA 核心FermiFermi2010 年40nmGeForce GTX 480250W第一個支持 DirectX 11 的架構KeplerKepler2012 年28nmGeForce GTX 680195W提升了能效比MaxwellMaxwell2014 年28nmGeForce GTX 980 Ti250W優化內存帶寬Pasca

103、lPascal2016 年16nmGeForce GTX 1080 Ti250W高性能與能效VoltaVolta2017 年12nmTesla V100300W面向數據中心，首次引入 Tensor Core，專注于深度學習和 AI 應用TuringTuring2018 年12nmGeForce RTX 2080 Ti250W引入了 RT Core，支持實時光線追蹤AmpereAmpere2020 年8nmGeForce RTX 3090350W支持 RTX IOHopperHopper2022 年4nmH100700W專為 AI 和數據中心設計BlackwellBlackwell2024 年

104、3 月3nmGB2001000W專為 AI 和 HPC 設計，支持 HBM3E 顯存，具有高帶寬和低功耗特性。資料來源：英偉達，國信證券經濟研究所整理請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告282012 年，AlexNet 在 ImageNet 挑戰賽中取得了突破性成績，這一成就的背后是英偉達 GPU 的支持。AlexNet 使用的是英偉達 GTX 580 GPU，基于 Fermi 架構。Kepler 架構是英偉達在 2012 年推出的 GPU 架構，相較于前一代的 Fermi 架構，它在多個方面進行了顯著改進，提供了更高的能效和更強的計算能力，下圖可見，基于 Ke

105、pler 架構的 GeForce GTX 680，其 CUDA 核心數高達 1536 個，是 GTX 580的 3 倍。表8：部分英偉達 GPU 的 CUDA 核心數GPUGPU 型號型號發布時間發布時間制程工藝（納米）制程工藝（納米）CUDACUDA 核心數核心數GeForceGeForce 88008800 GTXGTX2006 年 11 月90不適用GeForceGeForce GTXGTX 2802802008 年 6 月65240GeForceGeForce GTXGTX 4804802010 年 4 月40480GeForceGeForce GTXGTX 5805802010 年

106、11 月40512GeForceGeForce GTXGTX 6806802012 年 3 月281536GeForceGeForce GTXGTX 7807802013 年 5 月282304GeForceGeForce GTXGTX 9809802014 年 9 月282048GeForceGeForce GTXGTX 108010802016 年 5 月162560GeForceGeForce RTXRTX 20802080 TiTi2018 年 9 月124352GeForceGeForce RTXRTX 309030902020 年 9 月810496H100H1002022 年 3

107、 月414592資料來源：英偉達，國信證券經濟研究所整理從 2012 年開始，英偉達開始統計 AI 推理速度的快速進化。圖21：英偉達 GPU 在 10 年的時間里，AI 推理速度提升了 1000 倍資料來源：英偉達，國信證券經濟研究所整理基于 Kepler 架構的 K20X（從這里開始，芯片的首字母就是架構名稱的首字母）的 CUDA 核心數達到了 2688 個。2015 年，公司發布了 Maxwell 架構，它的主要變化是優化了內存帶寬，與 K20X 一樣，它們同屬于 28nm 制程。請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告29在這一段時間里，英偉達從收入、利潤上

108、并未有較大的變化。當時的風口在移動互聯網側，公司的確在 2010 年發布了自己的移動互聯網芯片 Tegra，該系列處理器是針對移動設備設計的系統級芯片（SoC），應用在智能手機、平板電腦、汽車信息娛樂系統和其他移動設備上，但總體上并沒有實現預期的快速增長，原因是：1、競爭對手強大：高通、三星、蘋果等公司在移動處理器市場上擁有強大的技術和市場份額。高通的 Snapdragon 系列處理器在性能、功耗管理和生態系統支持方面表現優秀，吸引了大量 OEM 廠商；2、缺乏 CPU 的積累：雖然 Tegra 處理器在圖形處理能力方面表現出色，但在 CPU性能上與競爭對手相比存在一定差距，特別是在多任務處理

109、和復雜應用方面?；蛘哒f，英偉達是顯卡出身的企業，它的優勢在高性能運算市場，而此時的平板、手機追求的不是高功耗下的性能，而是在低耗電下的性能，因為隨著手機與平板屏幕越來越大，而尺寸越做越薄，手機企業沒有余地再將過多資源分配給圖形處理了；3、缺乏生態的支持：同樣，摩托羅拉、HTC 和 LG 這些企業不會一下子切換到英偉達，而缺乏長期穩定的 OEM 合作伙伴關系影響了 Tegra 的市場推廣；因此說，移動互聯網浪潮下的紅利不可能看到了才去爭取，而像喬布斯那樣，從 iPod 時代就已經開始默默地努力，而在 10 年之后大放異彩。盡管 Tegra 在傳統移動設備市場上表現平平，但在汽車信息娛樂系統和自動

110、駕駛領域取得了顯著成功。例如，特斯拉和多家高端汽車品牌采用了 Tegra 芯片，因為在汽車的體積下，耗電并不是問題，而性能是企業更關心的，這與數據中心的場景是很相似的，這里是英偉達的強項。此外，2015 年英偉達發布了嵌入式芯片 Jetson 系列（Maxwell 架構），它針對邊緣計算和嵌入式系統設計的模塊化計算機，應用于機器人、無人機、智能攝像頭等設備。Jetson 系列也算是成功的，因為它為英偉達的邊緣運算提供了廣闊的市場空間，包括機器人、無人機、工業自動化、智能交通、醫療健康、零售物流、智慧城市、農業等領域，比如亞馬遜的配送機器人 Scout 使用了 Jetson Xavier NX模

111、塊，博世的智能工廠解決方案中使用了 Jetson 系列模塊。這也將是英偉達在未來 AI 行業落地的一個有效的抓手。圖22：2002-2016 財年（移動互聯網時代）英偉達的收入與利潤，百萬美元資料來源：Factset（英偉達財報在 1 月發布，因此財報年-1 對應的是自然年，如 2016 年報對應的 2015 年），國信證券經濟研究所整理請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告30云計算潮流中嶄露頭角（云計算潮流中嶄露頭角（2016-20192016-2019 年）年）到了 2016 年，正值谷歌的 Alpha Go 橫空出世，機器學習也成為席卷 AI 界的新潮流。

112、英偉達重要的 Pascal（帕斯卡）架構的 P100 芯片誕生了，它的制程達到了16nm，CUDA 核心數達到了 3584，其在 INT 8 的算力達到了 21.2TOPS，是 M40 的 3倍以上。表9：英偉達 AI 推理部分芯片的發行時間芯片型號芯片型號發行時間發行時間架構架構制程工藝制程工藝CUDACUDA 核心核心功率（功率（W W）發行價格（美元）發行價格（美元）K20XK20X2012 年Kepler28nm26882353199M40M402015 年Maxwell28nm30722504899P100P1002016 年Pascal16nm3584250-3005600V100

113、V1002017 年Volta12nm5120300-3506999Q8000Q80002018 年Tesla55nm460823612999A100A1002020 年Ampere7nm6912250-40019900H100H1002022 年Hopper4nm1459270025,000-30,000H200H2002023 年Hopper4nmNA70040000資料來源：英偉達，國信證券經濟研究所整理2016 年 4 月，英偉達發布了 DGX 服務器。其中 DGX-1 服務器配備 8 個基于 Pascal或 Volta 子卡的 GPU，總共 128GB HBM2 內存，通過 NVLi

114、nk 網狀網絡連接。與之前的架構相比，Pascal 架構在深度學習任務上提供了 10 倍以上的性能提升，極大地加速了訓練過程。DGX-1 預裝了優化的深度學習軟件，包括英偉達 DIGITS 和cuDNN，使得研究人員和能夠快速而輕松地訓練深度神經網絡。圖23：英偉達 DGX-1 服務器圖24：包含了 5 個 DGX-1 的超級計算機的機架資料來源：英偉達，國信證券經濟研究所整理資料來源：維基百科，國信證券經濟研究所整理值得注意的是，NVLink 在 2016 年發布的 DGX 第一次被使用，它是 Nvidia 開發的有線串行多通道近距離通信鏈路。傳統個人電腦的 PCI 接口是串行的，而 NVL

115、ink使用網狀網絡，對并行運算支持得更好。由于 PCI 是由 PCI-SIG 聯盟（外圍組件互連小組，一個電子行業聯盟）維護，它沿襲的是 PC 個人電腦主線的標準，無論在組網方式上，還是在傳輸速率上，都達不到日益增長的機器學習的需要，因此 NVLink 不斷迭代，其傳輸速率已經由 2016年的 20 Gbits/s 增長到 2024 年的 100 Gbits/s，規劃中的 Blackwell 架構則是支持 200 Gbits/s。請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告31表10：NVLink 不同標準的比較互聯標準互聯標準傳輸速率傳輸速率單向單通道單向單通道載荷率

116、載荷率實現架構實現架構PCIePCIe 3.x3.x8 GT/s約 1 GB/sPascal，Volta，TuringPCIePCIe 4.04.016 GT/s約 2 GB/sVolta on Xavier，AmperePCIePCIe 5.05.032 GT/s約 4 GB/sHopperPCIePCIe 6.06.064 GT/s約 8 GB/sBlackwellNVLinkNVLink 1.01.020 Gbit/s約 2.5 GB/sPascal，NVLinkNVLink 2.02.025 Gbit/s約 3.125 GB/sVolta，NVSwitch for VoltaNVLin

117、kNVLink 3.03.050 Gbit/s約 6.25 GB/sAmpere，NVSwitch for AmpereNVLinkNVLink 4.04.0100 Gbit/s約 12.5 GB/sHopper，Nvidia Grace Datacenter/Server CPU，NVSwitch for HopperNVLinkNVLink 5.05.0200 Gbit/s約 25 GB/sBlackwell，Nvidia Grace Datacenter/Server CPU，NVSwitch for Blackwell資料來源：維基百科，國信證券經濟研究所整理如果說 2016 年的 P

118、ascal 架構在計算性能上有顯著提升，同時支持英偉達的NVLink 1.0，增強了 GPU 之間的通信能力是它的亮點，那么 2017 年發布的 Volta架構的賣點則是引入了引入了 TensorTensor CoreCore，這是英偉達開發的一種專門硬件加速器，這是英偉達開發的一種專門硬件加速器。它通過混合精度計算技術，結合使用 FP16 和 FP32 數據格式，實現了在保持模型精度的同時大幅提升計算效率的目標，同時，Tensor Core 專門設計用于加速矩陣乘法運算，這是深度學習中最常見的操作之一。Tensor Core 的出現使得深度學習模型的訓練和推理速度得到了顯著提升，特別是在處理

119、大規模數據集和復雜模型時表現出色。此外，Volta 架構支持更高的內存帶寬，特別是通過 NVLink 2.0和 HBM2，顯著提升了數據傳輸速度。2018 年英偉達發布了 Turing 架構，Turing 架構引入了 RTRT CoreCore，實現了實時光，實現了實時光線追蹤線追蹤，顯著提高了圖形渲染的質量和真實性，這是它最大的特色。同時，Turing架構對 Tensor Core 進行了增強，支持 AI 推理和訓練，加速了深度學習任務。這些進步使得 Turing 架構在圖形渲染和 AI 計算領域都取得了顯著的成果，為后續的架構創新奠定了基礎。圖25：實時光影效果圖26：未加實時光影效果資料

120、來源：英偉達，國信證券經濟研究所整理資料來源：英偉達，國信證券經濟研究所整理2016 年開始，按照我們的劃分，時代從移動互聯網進入到人工智能時期的上半場，而上半場顯著的特征是云計算的興起。當時二級市場非常靚麗的企業是亞馬遜，因為它的云計算以 50%左右的年化增長率在高速發展。因此，在這一時期，作為已經積累的豐富產品的供應商英偉達，其數據中心的業務開始嶄露頭角，且為公司的主營收入帶來了可觀的增長。下表可見，英偉達數據中心產品從 2016 財報（2015 年）的 33.9 億美元增長到 2020財報（2019 年）的 298 億美元，4 年復合增速高達 72%，成為公司產品線中當之無愧的最重要的增

121、長點。請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告32此外，在這一時期，公司的智能駕駛 GPU 也獲得了較快的增長，復合增速達到了21.6%，是增速第二高的產品線。表11：英偉達 2015 年之后的各板塊收入（百萬美元）自然年自然年201520152016201620172017201820182019201920202020202120212022202220232023 2015-20202015-2020 2015-20232015-2023財報年財報年20162016201720172018201820192019202020202021202120222022

122、2023202320242024CAGRCAGRCAGRCAGR游戲游戲 GPUGPU 和相關產品和相關產品2818004060005513006246005518007759001246200906700104470018.3%17.8%專業視覺設計專業視覺設計 GPUGPU75000835009340011300012120010530021110015440015530012.7%9.5%智能駕智能駕駛駛 GPGPU U 及相關產品及相關產品320004870055800641007000053600566009030010910021.6%16.6%數據中心產品數據中心產品339008

123、300019320029320029830066960010613001500500475250072.2%85.5%其他業務其他業務7830069800777007670050500631001162004550030600(10.4%)(11.1%)資料來源：wind，國信證券經濟研究所摩爾定律的延續者（摩爾定律的延續者（20202020 年年-今）今）2020 年，英偉達最重要的架構之一 Ampere 架構發布了。它引入了第二代 RT Core和第三代 Tensor Core，大幅增強了光線追蹤和人工智能計算能力，對于游戲和專業應用中的實時渲染、物理模擬和 AI 推理有著顯著提升?；?

124、Ampere 架構的A100 GPU 實現的第三代 NVIDIA 高速 NVLink 互連和新的 NVSwitch 顯著增強了多GPU 的可擴展性、性能和可靠性。第三代 NVLink 的數據速率為 50 Gbit/秒，是V100 的 2 倍。A100 還發布了一種新的架構 MIG（Multi-Instance GPU），這是一種硬件虛擬化技術，它允許將單個 GPU 劃分為多個獨立的 GPU 實例。每個實例都擁有自己的高帶寬顯存、緩存和計算核心，從而可以在單個 GPU 上并行運行多個工作負載，如推理、訓練和 HPC 等，同時保持延遲和吞吐量的穩定性。當時谷歌的 BERT 模型的知名度更高，甚至

125、OPENAI 也以 BERT 模型作為標桿企業來對比，因此 A100 對比了在 BERT 模型上的訓練與推理速度。它在 FP32 精度下是V100 訓練速度的 6 倍，借助 MIG 技術在推理上 A100 速度可提升 7 倍。與 CPU 相比，在 BERT 等先進的對話式 AI 模型上，A100 可將推理吞吐量提升 249 倍。圖27：BERT 模型訓練與推理比較資料來源：英偉達，國信證券經濟研究所整理請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告33此外，HPC（高性能計算）性能是指計算機系統在執行復雜、高負載計算任務時的表現。應用場景主要是大量計算資源的科學和工程領域

126、，如天氣預報、基因組學、流體力學仿真、材料科學、金融建模等。圖28：四年來 HPC 性能提升 11 倍資料來源：英偉達，國信證券經濟研究所整理由于英偉達在 2019 年并購了 Mellanox，它的產品基于 InfiniBand 和以太網技術，Mellanox 為高性能計算、數據中心、云計算、計算機數據存儲和金融服務等市場提供適配器、交換機、軟件、電纜和硅片。因為以太網是有損網絡，而 InfiniBand是無損網絡，InfiniBand 的速度天然比以太網速度更快。2022 年 400G 的InfiniBand 產品發布，2024 年 800G 的 InfiniBand 產品發布，2024 年

127、英偉達宣布 2025 年將發布 1600G 的 InfiniBand 產品?？梢?，此時的英偉達已經不再只關心 GPU 的速度，而是從平臺層面上來審視“短木板”的每一個環節并逐一增強。包括 GPU 的 CUDA 核心、tensor 核心、光線追蹤核心；網絡側的 NVLink，NVswitch，InfiniBand、Spectrum-X；以及軟件堆棧與工具 CUDA 平臺、cuDNN、cuBLAS、cuFTT 等，NVIDIA Deep Learning SDK，NVIDIANGC；專用硬件包括 DGX 系列、Jetson 系列。圖29：生成式 AI 性能與網絡技術的關系圖30：英偉達網絡側三大關

128、鍵技術資料來源：英偉達，國信證券經濟研究所整理資料來源：英偉達，國信證券經濟研究所整理從此時開始，英偉達已經逐漸脫離了硬件公司的定位。英偉達應用深度學習研究請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告34副總裁 Bryan Catanzaro 所說，“很多人不知道這一點，但 Nvidia 的軟件工程師比硬件工程師還多?！痹傧到y點說，黃仁勛則認為：“公司的目標是建立一個架構，一個可以無處不在的平臺；英偉達不是硬件公司，而是軟件公司，更是個提供數據中心的全棧公司?！毕聢D可見，英偉達的加速平臺，涉及到了芯片、網絡、系統、軟件和算法方面的創新。圖31：英偉達加速平臺資料來源：英

129、偉達，國信證券經濟研究所整理2020 年，正值全球的新冠疫情蔓延，大量的企業有辦公需求，因此當年的電腦升級、數據中心擴容需求很大。加之 A100 的表現實在是驚艷，也獲得了客戶的大量訂單，英偉達的各條業務線也是突飛猛進。其中，游戲 GPU 和相關產品同比增長了 40.6%，數據中心更是大幅增長了驚人的 124.5%！在 2020 年-2021 年，市場多少分不清到底是新冠疫情帶來的數據中心擴容需求，還是云計算或者 AI 驅動帶來的擴容需求?；仡^來看，新冠疫情帶來的需求在個人電腦產品側只維持了兩年（2020-2021 年），而由 AI 驅動的數據中心需求其實從2020 年就開始發力了。從那以后，

130、英偉達的數據中心產品在收入中的占比一直提升、提升、再提升，到了 2024 財年，其占收比已經高達驚人的 78%！遙遙領先于其他產品線。請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告35圖32：2016-2024 財年英偉達的收入結構資料來源：wind（英偉達財報發布在 1 月，財報年份-1 對應的是自然年，如 2016 年報對應的 2015 年），國信證券經濟研究所整理2022 年，公司發布了 Hopper 架構，Hopper 采用 4nm 工藝制造，擁有超過 800 億個晶體管，核心產品是英偉達 H200 和 H100 Tensor Core GPU，并在生成式 AI

131、訓練和推理方面實現了比上一代更高水平的加速。它有五項突破性創新：1、針對針對 TransformerTransformer 模型優化模型優化：Hopper 架構通過 Transformer Engine 推進了Tensor Core 技術，Hopper Tensor Core 能夠應用混合 FP8 和 FP16 精度，從而顯著加速 Transformer 的 AI 計算，將 TF32、FP64、FP16 和 INT8 精度的 FLOPS 提高了三倍；2、更快的網絡更快的網絡：第四代 NVLink 可以使用英偉達 DGX 和 HGX 服務器擴展多 GPU 輸入和輸出，每個 GPU 雙向傳輸速度為

132、 900 GB/s，是 PCIe Gen5 帶寬的 7 倍多。第三代 NVSwitch 與上一代 A100 相比，在 8 個 H200 或 H100 GPU 服務器內可將吞吐量提高 2 倍。帶有 NVLink 交換機系統的 DGX GH200 系統支持多達 256 個連接的H200 集群；3、機密機密計算計算：Hopper 架構推出了世界上第一個具有機密計算功能的加速計算平臺。用戶可以在本地、云端或邊緣運行應用程序，并確保未經授權的實體在使用時無法查看或修改應用程序代碼和數據；4、第二第二代代MIGMIG：Hopper架構通過在最多七個GPU實例的虛擬化環境中支持多租戶、多用戶配置。借助 Ho

133、pper 的并發 MIG 分析，管理員可以監控合適大小的 GPU 加速并優化用戶的資源分配。對于工作量較小的研究人員，他們可以選擇使用 MIG 來安全地隔離部分 GPU，而不是租用完整的 CSP 實例；5、動態規劃動態規劃：與傳統的雙插槽 CPU 服務器相比，Hopper 的 DPX 指令可將動態規劃算法的速度提高 40 倍，與 Ampere 架構相比，可將動態規劃算法的速度提高 7倍。這可顯著加快疾病診斷、路由優化甚至圖形分析的速度。此外，2022 年末，正趕上 Chat GPT3.5 發布后產生了席卷全球的熱度，AI 炙手可熱，而 A100、H100 與 H200，成了無數巨頭在資本開支中

134、的首要選擇。英偉達的收入更實現了爆發式的增長！下圖可見，英偉達從 2022 財年收入開始繼續加速增長，其中 2023 財年的收入與2022 財年相近，但結構差別很大，其中游戲 GPU 和相關產品線收入下滑 27.2%，但是數據中心產品線則增長了 41.4%，因此 2023 年總收入持平；2024 財年數據中心增長達到了驚人的 216.7%！2024 財年總收入也達到了 600 億美元，利潤更是逼近了 300 億美元。請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告36圖33：2016-2024 財年英偉達的收入與利潤（百萬美元）資料來源：Factset，國信證券經濟研究所整

135、理2024 年 3 月，英偉達發布了 Blackwell 架構，Blackwell 架構 GPU 具有 2080 億個晶體管，采用專門定制的 4nm 工藝制造。它的第二代 Transformer 引擎使得基于Transformer 的大模型在訓練上速度更快，在 FP4 精度下，其推理性能比 Hopper提高了 30 倍，AI 性能比 Hopper 架構提高了 5 倍。網絡側的第五代 NVLink 也使得 GPU 之間的傳送速度更快。此外，市場預期 GB300 將在 2025 年 Q2 發布。它或將繼續采用臺積電 4 納米工藝制程，同時針對計算芯片進行了優化設計，其算力性能相較 B200 可能再

136、提升 50%。如何看待英偉達的未來？如何看待英偉達的未來？第一，英偉達是一家指數級思維的公司。第一，英偉達是一家指數級思維的公司。黃仁勛曾經說：市場的定義者（Market maker）從來不考慮市場份額。因此這就是為什么有人問黃仁勛：某某公司也在做 GPU，它們對你們有挑戰嗎？他總是回答：這是不一樣的概念。別人做的是產品，而英偉達做的是平臺。平臺就像一個飛輪，英偉達審視并強化飛輪的每一個部分。今年 62 歲的黃仁勛見過科網泡沫的瘋狂，也經歷過泡沫破裂后的低谷，他敏銳地捕捉到了開發人員使用 GPU 來做并行運算的需求，因此投入大量研發在 CUDA 的開發，即便遭遇市場的不理解和金融危機依然沒有動

137、搖他的想法。在移動互聯網機會來臨時，公司也沒有過格的 all in 移動端，而是有選擇性地拓展，因為公司深知大功耗才是自己的優勢。提到摩爾定律，他的評價是：2000 年前后的 CPU 與軟件是分離的，軟件應用企業等待著 CPU 的突破，然后軟件再跟上。而 GPU 則不同，算力的表現本身有硬件上的努力，更有軟件、算法、流程、API 等各方面的進步。甚至人們將這些主張稱之為“黃氏定律”即，GPU 將推動 AI 性能實現逐年翻倍。在這樣的背景下，英偉達對并行運算、AI 運算發生在行業中的各種環境變化了如指掌并成竹在胸。他們思考的永遠是：如果我們繼續保持下一代架構能夠在 AI性能上提升 4 倍以上（假

138、定 2 年一個新架構），那么目前制約這個飛輪最大的短板在哪里？如何解決這個短板？自研還是并購？如何將這些能力有機地整合起來？目前公司有 32000 人，黃仁勛期望未來英偉達員工人數能夠突破 50000 人，而且他對 AI 是樂觀的，他認為未來公司的 50000 人背后，可能是 1 億個各種人工請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告37智能助手在支撐，這樣會給公司勞動生產率更大的提升空間。黃仁勛在 2021 年和 2024 年被列入時代雜志年度 100 強榜單，這是時代雜志每年評選的全球 100 位最具影響力人物之一；2023 年 12 月被經濟學人評為 2023

139、年最佳首席執行官；2024 年 2 月他因“高性能圖形處理單元推動了人工智能革命”而當選美國國家工程院院士。如前文所說，英偉達的核心競爭力早已不再是 GPU 本身，而是一種系統性的、平臺性的核心競爭力。從硬件設計，到 CUDA 軟件、庫，到網絡整合.簡而言之，這是一種端到端的堆棧綜合實力。因此，當將這些能力聚集到一塊兒的時候，我們很難發現英偉達短期的對手在哪里，相信它在未來相當時間依然將領導算力革命。第二，英偉達的天花板在哪里？第二，英偉達的天花板在哪里？現在的 AI 競爭，如同一群探險家在沙漠中走了很久，突然間在遙遠的天邊看到了綠洲，請問，探險家什么反應？假如一個人對其他人說，你們等著，我去

140、探探路，其他人多半會說，為什么不是我去探路，你們等著？當通用人工智能（AGI）的夢想被點燃那一刻，就好比那充滿生機的綠洲景象映入了探險家的眼里。探險家就像諸多科技巨頭，有誰能抵制住沙漠中的綠洲（AGI）的巨大誘惑呢？我們在報告科技周期探索之七，2016-2030 年：通用人工智能時代的到來中提及，2027-2029 年，是 OPENAI，馬斯克，黃仁勛預測的 AGI 時代到來的大約時間。其路徑是：如果 1 萬億參數（ChatGPT 4）的大模型代表了“聰明的高中生”，而一年半之后，大約是 2025 年底-2026 年初的 10 萬億級參數的大模型代表了“博士生”，那么再一年半之后的 100 萬

141、億參數大模型，可能將數倍聰明于博士，同時模型參數也來到了人類神經突觸量級(100 萬億-1000 萬億）。那么我們基本可以將那個時間認同為通用性人工智能時代的開始。想想會發生什么？可能在“博士”水平下，人工智能就已經可以在千行百業輔助人類從事各種工作，而 AGI 時代，它的能力會到一種怎樣的水平，涌現的能力會多到什么程度呢？這就是科技界目前的處境隱約看到綠洲，但直到走近它之前，我們無法預測那里有什么！但這種憧憬在心里卻如此躁動，如此熱切！在這個情境里，不同的探險家的行為就像軍備競賽，他們都希望盡快到達綠洲。我們來初步做個計算，假如端到端訓練 AI 大模型的理論訓練時間用公式來表示：E_t=8*

142、T*P/(n*X)其中 E_t 為訓練時長（秒），T 為訓練數據的 Token 數，P 為模型參數量，n 為 GPU的數量，X 則為每個 GPU 的算力。例如，Chat GPT 3.0，模型參數為 1750 億，訓練 token 大約為 3000 億，按照 A100GPU 理論最大 AI 計算性能 620 TFLOPS/s 的算力，訓練該模型只要 100 塊 A100，80 天的時間。到了 Chat GPT 4.0，模型參數為 1.8 萬億，訓練 token 大約到了 13 萬億，按照H100 GPU理論最大AI計算性能4000 TFLOPS/s的算力，訓練該模型要8000塊H100，68 天

143、的時間。當然，這是理論上的時間，實際上操作中可能有偏差，因此黃仁勛提到“訓練一個 1.8 萬億參數量的 GPT 模型，需要 8000 張 Hopper GPU，消耗 15兆瓦的電力，連續跑上 90 天”，這與我們理論上的測算相似。請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告38倘若下一代大模型，參數是 10 萬億級的，其每個參數訓練的 token 是 5-10 個（一般說來要訓練到 20 個 token/每參數，模型達到較優的狀態，但由于 Chat GPT 4.0這個數字為 7.2，因此我們假定 5-10），則 8000 塊 H100 跑下來時間就長得多了，要 1400

144、-2800 天！若換成理論算力在 20Peta FLOPS（20000T FLOPS）的 BlackwellGPU，計算時間也要 280-560 天！如果我們認為 90 天是一個可以接受的訓練時間的話，也就是說，30000-50000 塊 GB200 才是能駕馭 10 萬億參數大模型的基礎配置?，F在你可能意識到了，隨著大模型參數翻上 10 倍，則對應的計算量大約翻 100倍（在每個參數訓練 token 數一樣的情形下）。圖34：過去 8 年中，英偉達的 AI 算力翻了 1000 倍資料來源：英偉達，國信證券經濟研究所整理因此，假定再下一代大模型，即我們之前討論的相當于通用人工智能的 100 萬

145、億參數問世時，倘若這個時間窗口依然在 3-4 年之后（平均 1.5-2 年迭代一個新量級大模型），即 2027-2028 年前后，我們需要的訓練的運算量將是下一個版本的100 倍，或者 Chat GPT 4.0 的 10000 倍。按照英偉達 2024 年發布的 Blackwell 的 AI 算力較 Hopper 提升了 5 倍，假定 2026年英偉達的下一個框架比Blackwell提升4-5倍，2028年再下一代框架再提升4-5倍（大約維持目前的 AI 算力每年翻倍的能力），那么相較于 Chat GPT 4.0 所需的 GPU 的數量，也需要提升 10000/25=400 倍！也就是說，到了

146、 2028 年，我們用當時最先進的英偉達 GPU，90 天完成一個百萬億參數大模型的訓練，所需的 GPU數量是 20 萬塊-40 萬塊?；蛘哒f，假定英偉達 AI 算力提升的速度是每 2 年 5 倍的話，那么企業每 2 年所要購買的 GPU 數量將是此前的 20 倍！2024 年 9 月，甲骨文的老板埃里克森提到：未來 4 到 5 年內，任何想參與這場大模型競賽的企業，前沿模型門檻或高達 1000 億美金，而且這場算力軍備競賽將永遠進行下去。甲骨文最近宣布，將打造一個由 131072 個英偉達 GB200 NVL72請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告39Blac

147、kwell GPU 組成的 Zettascale AI 超級集群，可提供 2.4 Zetta FLOPS 的AI 性能，比馬斯克的 xAI 算力集群更強大，后者目前擁有 100000 個英偉達 H100GPU 顯卡。AMD 的 CEO 蘇姿豐則表示，AI 芯片市場規模將以超過 60%的 CAGR 增長，并于 2028年達到 5000 億美元。因此以此來看，在 AGI 沒有實現之前，英偉達看不到天花板。第三，英偉達的風險在哪里？第三，英偉達的風險在哪里？但問題是，如果 4 年之后，在 AI 芯片上的資本開支如果是 2024 年 4-5 倍的話，即便是微軟、臉書這樣的互聯網巨頭也會捉襟見肘。目前在

148、它們的資本開支中，大約一半都投到了算力芯片上，如果在如此短的時間投資翻 4-5 倍的話（而它們的收入不能夠也同步大幅增長的話），則無論是現金流，還是盈利能力，將無法承受如此之大的壓力。表12：部分公司財報季的資本開支（億美元）公司公司201620162017201720182018201920192020202020212021202220222023202320242024亞馬遜亞馬遜(AMAZON)(AMAZON)67101113127350554583481谷歌谷歌(ALPHABET)-A(ALPHABET)-A102132251235223246315323微軟微軟(MICROSOFT

149、)(MICROSOFT)8381116139154206239281445臉書臉書(META(META PLATFORMS)PLATFORMS)4567139151151186314273蘋果蘋果(APPLE)(APPLE)13512813310573111107110特斯拉特斯拉(TESLA)(TESLA)1441231432657289甲骨文甲骨文(ORACLE)(ORACLE)122017171621458769資料來源：wind，國信證券經濟研究所整理因此當我們再回到目前的情形：盡管 AI 芯片市場到 5000 億美元似乎聽起來不大，與目前全球智能手機市場規模 5000 億美元大體相當

150、，但由于能夠參與到大模型建設的玩家太少（同每年十幾億部手機銷量相比），即便如“探險家”般熱情的企業也不得不考慮投入產出比。相信在探索 AGI 的道路上，投資不會是一片坦途，可能階段性最大的敵人是經濟可能階段性最大的敵人是經濟周期的下行期周期的下行期，一旦短期全球陷入滯脹，限于增長乏力與股東壓力，企業的大規模投資必將會階段性受阻，而英偉達的客戶則面臨：收入壓力增加，被迫縮小資本開支，英偉達“因為客戶的競爭所導致的大幅溢價”局面將會終止，從看著客戶搶著買，到與客戶商量著買，甚至是主動聯系客戶，則不同情境下的毛利率將會變化較大，屆時收入增速放緩的英偉達可能會面臨較大的市值波動風險。但樂觀來看，除了巨

151、頭們，隨著 AI 芯片速度的提升，能夠參與到千億、萬億參數級別的大模型的門檻則將快速降低。目前萬億參數大模型對于大部分初創企業遙不可及，但到了 4 年之后，目前 8000 張 H100 算力卡的投入到時候變成了 400 張卡（1/20-1/25），這將是很多企業可以負擔起的。而行業應用不一定需要 AGI級別的大模型，而千億、萬億級別大模型加上優化后的 Agent 智能體定會有廣袤的舞臺。從這個角度說，一旦全球從滯脹周期中度過后，千行百業的人工智能應用依然將像雨后春筍般涌現。屆時智能體、模型算力都會到一個更低的門檻水平，人工智能也不會像今天這樣金字塔式的發展，由頂級大模型企業壟斷著行業大部分能力

152、，而應用企業起步的門檻過高，或許百花齊放的景象才是 AGI 時代真正的繁榮期！那個時候，AI 應用會更加扁平化，更加行業化，更加場景化，更加泛在化。請務必閱讀正文之后的免責聲明及其項下所有內容證券研究報告證券研究報告40風險提示風險提示地緣政治的不確定性，美聯儲降息幅度的不確定性，部分行業競爭格局的不確定性。證券研究報告證券研究報告免責聲明免責聲明分析師聲明分析師聲明作者保證報告所采用的數據均來自合規渠道；分析邏輯基于作者的職業理解，通過合理判斷并得出結論，力求獨立、客觀、公正，結論不受任何第三方的授意或影響；作者在過去、現在或未來未就其研究報告所提供的具體建議或所表述的意見直接或間接收取任何

153、報酬，特此聲明。國信證券投資評級國信證券投資評級投資評級標準投資評級標準類別類別級別級別說明說明報告中投資建議所涉及的評級（如有）分為股票評級和行業評級（另有說明的除外）。評級標準為報告發布日后 6 到 12 個月內的相對市場表現，也即報告發布日后的6到12個月內公司股價（或行業指數）相對同期相關證券市場代表性指數的漲跌幅作為基準。A 股市場以滬深 300 指數（000300.SH）作為基準；新三板市場以三板成指（899001.CSI）為基準；香港市場以恒生指數(HSI.HI)作為基準；美國市場以標普 500 指數(SPX.GI)或納斯達克指數（IXIC.GI）為基準。股票投資評級優于大市股價

154、表現優于市場代表性指數 10%以上中性股價表現介于市場代表性指數10%之間弱于大市股價表現弱于市場代表性指數 10%以上無評級股價與市場代表性指數相比無明確觀點行業投資評級優于大市行業指數表現優于市場代表性指數 10%以上中性行業指數表現介于市場代表性指數10%之間弱于大市行業指數表現弱于市場代表性指數 10%以上重要聲明重要聲明本報告由國信證券股份有限公司（已具備中國證監會許可的證券投資咨詢業務資格）制作；報告版權歸國信證券股份有限公司（以下簡稱“我公司”）所有。，本公司不會因接收人收到本報告而視其為客戶。未經書面許可，任何機構和個人不得以任何形式使用、復制或傳播。任何有關本報告的摘要或節選

155、都不代表本報告正式完整的觀點，一切須以我公司向客戶發布的本報告完整版本為準。本報告基于已公開的資料或信息撰寫，但我公司不保證該資料及信息的完整性、準確性。本報告所載的信息、資料、建議及推測僅反映我公司于本報告公開發布當日的判斷，在不同時期，我公司可能撰寫并發布與本報告所載資料、建議及推測不一致的報告。我公司不保證本報告所含信息及資料處于最新狀態；我公司可能隨時補充、更新和修訂有關信息及資料，投資者應當自行關注相關更新和修訂內容。我公司或關聯機構可能會持有本報告中所提到的公司所發行的證券并進行交易，還可能為這些公司提供或爭取提供投資銀行、財務顧問或金融產品等相關服務。本公司的資產管理部門、自營部

156、門以及其他投資業務部門可能獨立做出與本報告中意見或建議不一致的投資決策。本報告僅供參考之用，不構成出售或購買證券或其他投資標的要約或邀請。在任何情況下，本報告中的信息和意見均不構成對任何個人的投資建議。任何形式的分享證券投資收益或者分擔證券投資損失的書面或口頭承諾均為無效。投資者應結合自己的投資目標和財務狀況自行判斷是否采用本報告所載內容和信息并自行承擔風險，我公司及雇員對投資者使用本報告及其內容而造成的一切后果不承擔任何法律責任。證券投資咨詢業務的說明證券投資咨詢業務的說明本公司具備中國證監會核準的證券投資咨詢業務資格。證券投資咨詢，是指從事證券投資咨詢業務的機構及其投資咨詢人員以下列形式為

157、證券投資人或者客戶提供證券投資分析、預測或者建議等直接或者間接有償咨詢服務的活動：接受投資人或者客戶委托，提供證券投資咨詢服務；舉辦有關證券投資咨詢的講座、報告會、分析會等；在報刊上發表證券投資咨詢的文章、評論、報告，以及通過電臺、電視臺等公眾傳播媒體提供證券投資咨詢服務；通過電話、傳真、電腦網絡等電信設備系統，提供證券投資咨詢服務；中國證監會認定的其他形式。發布證券研究報告是證券投資咨詢業務的一種基本形式，指證券公司、證券投資咨詢機構對證券及證券相關產品的價值、市場走勢或者相關影響因素進行分析，形成證券估值、投資評級等投資分析意見，制作證券研究報告，并向客戶發布的行為。證券研究報告證券研究報告國信證券經濟研究所國信證券經濟研究所深圳深圳深圳市福田區福華一路 125 號國信金融大廈 36 層郵編：518046總機：0755-82130833上海上海上海浦東民生路 1199 弄證大五道口廣場 1 號樓 12 層郵編：200135北京北京北京西城區金融大街興盛街 6 號國信證券 9 層郵編：100032