英偉達-從硬件GPU設計到軟件CUDA+ Omniverse開發建立人工智能和元宇宙生態系統-220527（52頁）.pdf

《英偉達-從硬件GPU設計到軟件CUDA+ Omniverse開發建立人工智能和元宇宙生態系統-220527（52頁）.pdf》由會員分享，可在線閱讀，更多相關《英偉達-從硬件GPU設計到軟件CUDA+ Omniverse開發建立人工智能和元宇宙生態系統-220527（52頁）.pdf（52頁珍藏版）》請在三個皮匠報告上搜索。

1、NVIDIA（NVDA.O） Equity ResearchCompany ResearchSemiconductor 1 / 52 東吳證券（香港）東吳證券（香港） 請務必閱讀正文之后的免責聲明部分請務必閱讀正文之后的免責聲明部分 NVIDIA is building an ecosystem in the field of AI and metaverse, through designing GPU hardware and developing CUDA + Omniverse software Outperform（Initiation） Forecast & Valuation 2

2、021A 2022E 2023E 2024E Revenue (USD mn) 26,914 33,393 45,612 63,256 Growth (YoY %) 61% 24% 37% 39% Net profit (USD mn) 9,752 10,209 16,177 24,245 Growth (YoY %) 125% 5% 58% 50% Adjusted EPS (USD) 3.89 4.07 6.44 9.66 P/E (X) 71.27 68.08 42.97 28.67 Investment Thesis NVIDIA is far-sighted and actively

3、 developing software tool chains, trying to build an ecosystem in the field of AI and metaverse where have a vast market space in the future, in order to strengthen industry barriers by the binding of hardware chips. Compared to companies that mainly focus on chip design such as Intel and AMD, we be

4、lieve that NVIDIA has a higher valuation since its no longer just a chip design company but forming an ecosystem in both software and hardware field. NVIDIA attaches great importance to expanding the use of GPU. In 2006, NVIDIA began to invest heavily in the development of CUDA, a software tool chai

5、n, after realizing the advantages of GPU parallel computing. NVIDIA allowed AI researchers to use CUDA to invoke the computing resources of GPU for free, making NVIDIA an important facilitator of deep learning training and inference in AI. Therefore, AI industry personnel have been using NVIDIAs har

6、dware and software suite since the AI industry started to develop. NVIDIA has also applied a software and hardware combination model to new areas such as the Omniverse. We believe that in the field of AI and the metaverse, NVIDIA has the potential to become a supplier of general hardware platforms +

7、 software tool ecosystems, similar to the status of Qualcomm chips + Android operating systems in smartphones, with high industry barriers. Due to richer usage scenarios of GPU architecture, we believe that NVIDIAs Total Addressable Market (TAM) will be 4 times as the existing traditional business.

8、We estimate that the TAM for its traditional consumer (game) business will be about USD100 bn, and that for the rapidly expanding data center is about USD150 bn. NVIDIA has huge room for the following fields: TAM for automotive chips which are gradually showing competitive advantages will be about U

9、SD300 bn; TAM for the cloud server will be about USD300 bn as it plans to form a product matrix of GPU, DPU and CPU; TAM of the Omniverse platform, which may make a splash in the metaverse era, will be around USD150 bn. Earnings Forecast & Rating：As NVIDIAs revenues of data center (52% three-year CA

10、GR), automotive(67% three-year CAGR) and professional display (51% three-year CAGR) grow rapidly, and profit margin of To B will be slightly higher than that of To C, we expect that its high PE ratio will dilute as net profit increases. By discounting FY25 net profit of $23.9 billion at an 8% discou

11、nt rate to FY22 and taking into account the companys leading position and scarcity in emerging fields, we assign NVIDIA a 50X PE ratio and a target market cap of USD948.6 bn. We give Outperform rating to NVIDIA in our initial report with TP at USD374. Risks: national policy risk; legal risk; technol

12、ogy risk; competitors risk. Price Performance Market Data Closing price (USD) 272.86 52-week Range (USD) 206.50/307.11 P/B (X) 25.74 Market Cap (USD mn) 684879 Basic Data Book Value Per ADR(USD) 10.62 Liabilities/assets (%) 39.77 Total Issued Shares (mn) 2510 Shares outstanding (mn) 2510 Related rep

13、orts Soochow Securities International Brokerage Limited would like to acknowledge the contribution and support provided by Liangwei Zhang(張良衛張良衛), Zijing Wang(王王紫敬紫敬), and Ruizhe Liu (劉睿哲劉睿哲), employees of Soochow Research Institute. Table_Author 27 May 2022 Research Analyst Research Analyst Hanyue

14、Li Xxx (852) 3983 0823 .hk (852) 3000 0000 X.hk 英偉達（NVDA.O） 證券研究報告公司研究半導體 2 / 52 東吳證券（香港）東吳證券（香港） 請務必閱讀正文之后的免責聲明部分請務必閱讀正文之后的免責聲明部分 從硬件從硬件 GPU 設計到軟件設計到軟件 CUDA+ Omniverse開發，建立人工智能和元宇宙生態系統開發，建立人工智能和元宇宙生態系統 買入（首次） 盈利預測與估值盈利預測與估值 2021A 2022E 2023E 2024E 營業總收入（百萬美元） 26,914 33,393 45,612 63,256 同比（%） 61% 2

15、4% 37% 39% 歸屬母公司凈利潤（百萬美元） 9,752 10,209 16,177 24,245 同比（%） 125% 5% 58% 50% 每股收益（美元/股） 3.89 4.07 6.44 9.66 P/E（倍） 71.27 68.08 42.97 28.67 投資要點投資要點 英偉達英偉達高瞻遠矚，積極發展軟件工具鏈， 試圖在未來擁有廣闊市場空間高瞻遠矚，積極發展軟件工具鏈， 試圖在未來擁有廣闊市場空間的人工智能和元宇宙領域形成生態系統， 實現對硬件芯片的綁定， 筑牢的人工智能和元宇宙領域形成生態系統， 實現對硬件芯片的綁定， 筑牢行業壁壘。行業壁壘。與英特爾和 AMD（超威半導

16、體）等以芯片設計為主的公司相比，我們認為英偉達之所以享有高估值，主要因為其已經不僅僅是芯片設計公司，而是軟硬件并重的、形成生態系統的公司。英偉達對于擴展 GPU 的使用場景非常重視，以人工智能行業為例，2006 年在英偉達意識到 GPU 并行計算的優勢后，就開始投入巨資開發 CUDA 這一軟件工具鏈，讓人工智能行業的研究者免費使用該軟件來調用 GPU 的計算資源， 這使得英偉達成為人工智能中深度學習的訓練和推理領域的重要推動者，因此從人工智能行業發展開始，人工智能產業人員就在使用英偉達的軟硬件套裝，這些領域很難有動力使用英偉達之外的產品；英偉達也將這種軟硬件并重的模式推向元宇宙 （Omnive

17、rse） 等新領域。 我們我們認為，在以云計算、自動駕駛等人工智能和以數字孿生、虛擬人為代表認為，在以云計算、自動駕駛等人工智能和以數字孿生、虛擬人為代表的元宇宙領域，英偉達有可能成為通用硬件平臺的元宇宙領域，英偉達有可能成為通用硬件平臺+軟件工具生態的供應軟件工具生態的供應商，類似于智能手機中的高通芯片商，類似于智能手機中的高通芯片+安卓操作系統的地位，行業壁壘安卓操作系統的地位，行業壁壘很很高。高。 由于由于 GPU 架構的使用場景越來越豐富，我們認為英偉達潛在的市場空架構的使用場景越來越豐富，我們認為英偉達潛在的市場空間（間（TAM）是現有傳統業務的）是現有傳統業務的 4 倍。倍。我們認

18、為其傳統的消費者（游戲）業務的 TAM 為 1000 億美元左右，目前正在快速擴張的數據中心領域TAM 在 1500 億美元左右， 這是英偉達目前主要的營收領域。 展望未來，以下將是英偉達發揮巨大空間的領域：以下將是英偉達發揮巨大空間的領域： 在逐漸顯露出競爭優勢的汽車芯片 TAM 為 3000 億美元左右；英偉達計劃組成 GPU+DPU+CPU 的產品矩陣， 未來的云服務器領域 TAM 在 3000 億美元左右； 在元宇宙時代可能大放異彩的 Omniverse 平臺，其 TAM 在 1500 億美元左右。 盈利預測與投資評級：盈利預測與投資評級：我們預計，隨著英偉達在數據中心（三年復合增速

19、52%） 、汽車(三年復合增速 67%)以及專業顯示領域（三年復合增速51%）營收快速增長，且 To B 利潤率會略高于 To C 業務，其高 PE 會得到快速消化。我們按照 FY2025 測算的 239 億美元的凈利潤為基礎，以 8%折現到 FY2022， 考慮到公司在新興領域的龍頭地位和稀缺性，給予公司 50 倍 PE，其估值為 9486 億美元，對應當前目標價為 374 美元，首次覆蓋，給予買入評級。 風險提示風險提示：國家政策風險；法律風險；自身技術風險；競爭者風險。 股價走勢股價走勢 市場數據市場數據 收盤價(美元) 272.86 一年最低/最高價 206.50/307.11 市凈率

20、(倍) 25.74 流通市值(百萬美元) 684879 基礎數據基礎數據 每股凈資產(美元) 10.62 8.18 資本負債率(%) 39.77 50.54 總股本(百萬股) 2510 294.10 流通股(百萬股) 2510 294.10 相關研究相關研究 東吳證券研究所的張良衛張良衛，王王紫敬和劉睿哲紫敬和劉睿哲對本文有較大貢獻，特此致謝。 Table_Author 2022 年年 05 月月 27 日日 證券分析師證券分析師 證券分析師證券分析師 李晗李晗玥玥 Xxx (852) 3983 0823 .hk (852) 300 3000 X.hk nW9WpRnOsPtOpOtNsR8O

21、8QbRtRmMtRoMjMrRmRkPsRoO8OrQrRMYmQqQvPmPnO 3 / 52 東吳證券（香港）東吳證券（香港） 請務必閱讀正文之后的免責聲明部分請務必閱讀正文之后的免責聲明部分 Table_Yemei 公司深度研究 F 內容目錄內容目錄 1. 公司歷史及業務簡介公司歷史及業務簡介 . 7 1.1. GPU 簡介. 7 1.2. 英偉達發展歷史. 8 1.1. 英偉達業務簡介. 9 2. 傳統業務：消費者（游戲）相關業務保持穩定增長傳統業務：消費者（游戲）相關業務保持穩定增長 . 10 2.1. 英偉達 GPU 五年來持續占據 PC 獨顯六成以上市場 . 10 2.2. 借

22、助 Bluefield 能力，發力云游戲 Geforce Now 業務 . 12 3. 成長業務：數據中心成為云和成長業務：數據中心成為云和 AI 領域基礎設施，營收迅速擴大領域基礎設施，營收迅速擴大 . 13 3.1. 采用并行計算的 GPU 天生適合 AI 領域的運算 . 14 3.2. 英偉達全面布局數據中心硬件市場. 15 3.2.1. 基于安培架構的 A100 系列，為數據中心打造高性能算力基礎 . 16 3.2.2. DGX A100 數據中心及 DGX SuperPOD 解決方案，使英偉達保持超算領域優勢17 3.2.3. 戰略眼光獨到，收購 Mellanox，提高數據交互性能

23、. 18 3.2.4. 推出英偉達自研 CPU，補齊數據中心短板 . 19 3.3. CUDA 軟件生態助力 GPU 硬件，打造軟硬件生態系統，形成行業壁壘 . 20 3.4. AI 的普及助力數據中心業務蓬勃發展. 22 3.4.1. GPU 在 AI 應用領域的硬件占比逐漸增加 . 22 3.4.2. 全球云服務提供商采用英偉達的硬件系統為其用戶賦能. 23 4. 未來業務：布局自動駕駛平臺化芯片，搶占智能汽車市場份額未來業務：布局自動駕駛平臺化芯片，搶占智能汽車市場份額 . 25 4.1. 自動駕駛介紹自動駕駛介紹 . 25 4.1.1. 自動駕駛歷史. 25 4.1.2. 自動駕駛等級

24、分類及技術路線. 25 4.2. 自動駕駛細分領域的市場規模自動駕駛細分領域的市場規模 . 26 4.3. 積極入局汽車芯片領域，成為平臺化芯片的領導者積極入局汽車芯片領域，成為平臺化芯片的領導者 . 27 4.3.1. 從移動業務起家，逐漸擴大應用市場. 27 4.3.2. AI 芯片逐漸專業化，平臺化芯片發展空間更廣. 28 4.3.3. 整合移動芯片的車載 AI 芯片平臺，成為平臺化芯片的代表 . 30 4.3.4. 軟件安全性高，易于上手且生態豐富，助力 AI 芯片占領市場 . 31 4.3.5. 開拓自動駕駛虛擬測試平臺，降低自動駕駛設計門檻. 31 4.4. 汽車業務營收穩定增長，

25、平臺化芯片市場空間更大汽車業務營收穩定增長，平臺化芯片市場空間更大 . 32 5. 未來業務：未來業務：Omniverse制定通用標準，打通不同設計平臺，成為元宇宙平臺級應用制定通用標準，打通不同設計平臺，成為元宇宙平臺級應用 . 35 5.1. Omniverse 迭代歷史 . 35 5.2. Omniverse 的組成 . 36 5.2.1. Omniverse Connect，以插件分布連接 Nucleus . 36 5.2.2. Omniverse Nucleus，數據庫與協作引擎鏈接多名用戶 . 36 5.2.3. Omniverse Kit，基于 USD 構建的工具包 . 38 5

26、.2.4. Audio2Face：基于 Omniverse Kit 的面部動畫生成技術. 39 5.2.5. Isaac Sim：基于 Omniverse Kit 的 AI 機器人模擬仿真平臺 . 40 5.2.6. Omniverse Create，基于 Kit 加速高級場景合成 . 41 5.3. Omniverse 特點與行業應用場景 . 41 5.3.1. Omniverse 特點突出，優勢定位明晰，與傳統軟件比更易上手 . 41 5.3.2. 應用場景革新，改變行業流程. 42 4 / 52 東吳證券（香港）東吳證券（香港） 請務必閱讀正文之后的免責聲明部分請務必閱讀正文之后的免責聲

27、明部分 Table_Yemei 公司深度研究 F 6. 盈利預測與盈利預測與估值估值 . 45 6.1. 盈利預測. 45 6.1.1. 消費級顯卡業務. 45 6.1.2. 數據中心業務. 46 6.1.3. 汽車業務. 46 6.1.4. 專業解決方案業務. 46 6.2. 估值預測. 47 7. 風險提示風險提示 . 48 5 / 52 Table_Yemei 公司深度研究 F 東吳證券（香港）東吳證券（香港） 請務必閱讀正文之后的免責聲明部分請務必閱讀正文之后的免責聲明部分 圖表目錄圖表目錄 圖 1： CPU 的基本結構及原理 . 7 圖 2： GPU 的基本結構及原理. 7 圖 3：

28、 GPU 的分類. 8 圖 4： 常見芯片特點總結. 8 圖 5： 英偉達 GPU 發展歷史. 9 圖 6： 英偉達分業務的歷史營收變化. 10 圖 7： 全球臺式機 GPU 市場份額變化（單位：百萬片）. 10 圖 8： 截止到 2021 年 3 月的 GPU 排行榜. 11 圖 9： 英偉達 DLSS 技術展示 . 12 圖 10： 英偉達云游戲 Geforce Now 采用 Bluefield 架構來減小延遲 . 13 圖 11： 數據中心逐漸成為互聯網架構的核心 . 14 圖 12： 具有并行結構的神經網絡. 15 圖 13： 神經網絡的發展歷程. 15 圖 14： 卷積算法示意圖.

29、15 圖 15： 英偉達硬件的升級規劃路線. 16 圖 16： 英偉達 GPU 架構升級帶來的性能提升. 17 圖 17： A100 成為世界上最強性能的 AI 計算 GPU . 17 圖 18： DGX Station A100 與上一代價格、場地占用和耗電量對比圖 . 18 圖 19： 超算領域前 500 名中 InfiniBand 和其他互聯技術的在中的占比 . 19 圖 20： 英偉達 GPU 架構升級帶來的性能提升. 19 圖 21： 英偉達 DPU 的升級規劃. 19 圖 22： 英偉達 Grace 與 GPU 配合可解決讀取內存的帶寬瓶頸問題 . 20 圖 23： CUDA 架構

30、示意圖 . 22 圖 24： OpenCL 和 CUDA 的比較 . 22 圖 25： CUDA 成為支持 AI 發展的重要力量 . 22 圖 26： 自動駕駛車輛年出貨量預測（萬輛）. 26 圖 27： 自動駕駛的細分領域市場規模測算. 27 圖 28： 車載 AI 芯片的市場規模預測 . 28 圖 29： 英偉達汽車軟件相關的支持模塊. 31 圖 30： 英偉達自動駕駛虛擬平臺系統示意圖. 32 圖 31： 英偉達汽車業務與 Mobileye 的營收對比 . 32 圖 32： 英偉達汽車業務的合作伙伴. 33 圖 33： Omniverse 的組成 . 36 圖 34： Nucleus 實

31、現用戶實時協作 . 37 圖 35： Nucleus 內部架構 . 38 圖 36： Nucleus 用戶權限管理 . 38 圖 37： Omniverse Kit 構成 . 39 圖 38： Audio2Face 功能示意圖 . 40 圖 39： Isaac SIM 可以完成的物理模擬場景 . 41 圖 40： Omniverse 實現多人協同設計及渲染 . 42 圖 41： 革新建筑、工程和施工. 43 圖 42： 革新制造業. 44 6 / 52 Table_Yemei 公司深度研究 F 東吳證券（香港）東吳證券（香港） 請務必閱讀正文之后的免責聲明部分請務必閱讀正文之后的免責聲明部分

32、圖 43： 革新媒體和娛樂業. 44 圖 44： 英偉達與英特爾、AMD 市值對比 . 47 圖 45： 英偉達與英特爾、AMD 市盈率對比 . 47 表 1： 自動駕駛等級分類. 25 表 2： 英偉達移動芯片發展歷程. 27 表 3： 車規級 AI 芯片的解決方案分類 . 29 表 4： 英偉達車載 AI 芯片平臺發展歷程 . 30 表 5： Omniverse Kit 主要組成 . 39 表 6： 英偉達各業務營收預測. 45 7 / 52 Table_Yemei 公司深度研究 F 東吳證券（香港）東吳證券（香港） 請務必閱讀正文之后的免責聲明部分請務必閱讀正文之后的免責聲明部分 1.

33、公司歷史及業務簡介公司歷史及業務簡介 1.1. GPU 簡介簡介 多核心的并行結構多核心的并行結構 GPU 比少核心串行結構的比少核心串行結構的 CPU 更適合處理圖形圖像（矩陣結更適合處理圖形圖像（矩陣結構）信息。構）信息。CPU（Central Processing Unit，中央處理器）的功能主要是解釋計算機指令以及處理計算機軟件中的數據，是計算機的核心大腦，可以處理計算機遇到的所有指令。GPU（Graphics Processing Unit，圖形處理器）是圖形計算的重要元件， 主要用來處理與與圖形圖像相關的數據，在高端 PC 中通常會有獨立 GPU，以獲得更好的視覺體驗。他們二者的區

34、別主要是，CPU 通常有 4 個、8 個或 16 個強力 ALU 核心（arithmetic logic unit，算術邏輯單元） ，適合做復雜的通用串行任務；而 GPU 可能有數千個簡單 ALU 核心， 適合做簡單特定的并行任務。 我們通過以下的例子來說明 CPU 和 GPU 的差異： CPU就像一個大學生，可以進行微積分等復雜計算，但若要在短時間內完成幾萬道加減算數問題，也是很難辦得到的；而 GPU 就像幾百個小學生，雖然都不會微積分等復雜計算的能力，但人數多，可以在很短時間內完成幾萬道加減算數問題。也有例子把 CPU 比作跑車，GPU 比作大卡車，對于將少量貨物從 A 運到 B 來說，是

35、作為跑車的 CPU 更快； 但如果貨物非常多， 那么作為跑車的 CPU 需要往返的次數遠遠多于作為貨車的 GPU，作為貨車的 GPU 雖然完成一次任務較慢， 但是可以攜帶更多的貨物， 其效率會高于 CPU?？偠灾?，對于復雜的單個計算任務來說， CPU 的執行效率更高，通用性更強；而對于圖形圖像這種矩陣式多像素點的簡單計算，更適合用 GPU 來處理，但通用性較弱。 圖圖1：CPU 的基本結構及原理的基本結構及原理 圖圖2：GPU 的基本結構及原理的基本結構及原理 數據來源：簡書網，東吳證券（香港）繪制 數據來源：簡書網，東吳證券（香港）繪制 GPU 按接入方式分為獨立按接入方式分為獨立 GPU

36、 和集成和集成 GPU；按照應用端劃分為移動；按照應用端劃分為移動 GPU、服務、服務器器 GPU 和和 PC GPU。GPU 是圖形處理單元，在 PC（個人電腦）早期，圖形數據較為簡單，主要都是由 CPU 來進行圖形處理。隨著圖形顯示規模的增加，CPU 已經很難分出更多精力來處理圖形信息，而且 CPU 的架構決定了其處理圖形信息的效率是偏低的，因此逐漸發展出了專門處理圖形信息的 GPU。英偉達專做 GPU，開發了獨立于 CPU 的GPU；英特爾作為 CPU 的霸主，開發了寄生于 CPU 芯片上的 GPU 單元，被稱為集成GPU。通常來講，獨立 GPU 的性能都要優于集成 GPU，在對圖形實時

37、處理要求不高的 8 / 52 Table_Yemei 公司深度研究 F 東吳證券（香港）東吳證券（香港） 請務必閱讀正文之后的免責聲明部分請務必閱讀正文之后的免責聲明部分 日常辦公領域，使用普通的集成 GPU 即可；在對圖形實時處理能力要求很高的游戲及設計領域，一般都需要使用獨立 GPU。隨著移動設備的發展，GPU 也從 PC 端擴展到了移動端，高通驍龍以及蘋果的 A 系列芯片都開發了相應的 GPU 芯片模塊。 圖圖3：GPU 的分類的分類 數據來源：東吳證券（香港）整理 隨著隨著 AI 以及云計算的興起，具有并行計算架構的以及云計算的興起，具有并行計算架構的 GPU 具有更高的效率，這也使具

38、有更高的效率，這也使得得 GPU 被應用到被應用到 AI 及云計算等數據處理之中。及云計算等數據處理之中。 這是一個全新的領域， 擁有巨大的成長空間。 值得一提的是， 市場上還存在著比 GPU 專用程度更高的芯片， 包括 FPGA （Field-programmable gate array，可編程邏輯陣列）和針對某一類 AI 計算的 ASIC（Application-specific integrated circuit，特定場景芯片） ，包括谷歌推出的 TPU（張量計算單元）和特斯拉推出的 NPU（神經網絡計算單元） ，雖然在某些特定計算上效率更高，但目前這些芯片的使用場景比較單一，市場規

39、模還較小。 圖圖4：常見芯片特點總結常見芯片特點總結 數據來源：東吳證券（香港）整理 1.2. 英偉達發展歷史英偉達發展歷史 英偉達（英偉達（NVIDIA）是一家以）是一家以 GPU（Graphics Process Unit，圖形處理單元）芯片，圖形處理單元）芯片設計起家的人工智能計算公司。設計起家的人工智能計算公司。公司創立于 1993 年，總部位于美國加利福尼亞州圣克拉拉市。美籍華人 Jensen Huang（黃仁勛）是創始人兼 CEO。1999 年，NVIDIA 定義了GPU，GPU 的出現被業界視為現代計算機圖形技術的開端。英偉達于 1999 年 1 月在納斯達克掛牌上市，在 200

40、0 年它收購了曾經在 90 年代稱霸圖形顯示市場的 3dfx 公司的知識產權，逐漸占據圖形顯示市場的優勢地位。到 2021 年為止，在消費 PC 領域，能夠量產 GPU 的公司只有英偉達、AMD 和英特爾，其中英特爾主要是以集成 GPU 為主， 9 / 52 Table_Yemei 公司深度研究 F 東吳證券（香港）東吳證券（香港） 請務必閱讀正文之后的免責聲明部分請務必閱讀正文之后的免責聲明部分 AMD 既有集成 GPU 也有獨立 GPU，英偉達主要是獨立 GPU。在獨立 GPU 領域，英偉達 2021Q1 占據 81%的市場份額，處于絕對的領先地位。 公司公司 20 多年來始終引領多年來始

41、終引領 GPU 行業的發展， 將行業的發展， 將 GPU 的主要應用場景從游戲以及畫圖等的主要應用場景從游戲以及畫圖等圖像顯示擴展到了以圖像顯示擴展到了以 AI、云計算等大數據相關的并行計算領域。、云計算等大數據相關的并行計算領域。英偉達保持著兩年升級一次 GPU 架構的步伐，不斷提高 GPU 的性能。在英偉達 GTC 2020 主題演講中，NVIDIA 宣布推出安培(Ampere)架構，這是 NVIDIA 發布的第八代 GPU 架構，包含超過 540 億個晶體管， 性能相較于前代提升了高達 20 倍， 也是 NVIDIA 8 代 GPU 歷史上最大的一次性能飛躍。安培架構的最新一代RTX30

42、系列游戲GPU和AI計算GPU A100作為各自領域的代表產品，繼續推動著相關領域的發展。 圖圖5：英偉達英偉達 GPU 發展歷史發展歷史 數據來源：公司官網，東吳證券（香港） 1.1. 英偉達業務簡介英偉達業務簡介 按照按照 FY2022（對應公歷（對應公歷 2021.12022.1）的年報分法，英偉達有消費者（游戲）業務）的年報分法，英偉達有消費者（游戲）業務Gaming、數據中心業務、數據中心業務 Data Center、汽車業務、汽車業務 Auto、專業解決方案業務、專業解決方案業務 Professional Visualization 以及以及 OEM 和其他業務和其他業務 OEM&

43、Others，英偉達主要為這些領域提供，英偉達主要為這些領域提供 GPU 芯片芯片及相應的軟件工具鏈。及相應的軟件工具鏈。從消費者行為來看，在 PC 端購買獨立 GPU 的主要目的是為了體驗高性能游戲，因此英偉達將 PC 端 GPU 的銷售業務稱之為游戲業務。游戲業務一直是英偉達的主營業務， 在各板塊中營收排名領先； 隨著 AI 和云計算的不斷興起， 英偉達逐漸將 GPU打造為 AI 和云計算提供算力的底層芯片，這部分與 AI 和云計算相關的業務被稱為數據中心業務。英偉達數據中心業務營收從 2020 年以來迎來迅速增長，我們預計在 2025 年左右將成為營收規模最大的板塊；汽車智能化對算力需求

44、的提高，英偉達也將 GPU 芯片裝入車輛中為其提供高算力。隨著汽車智能化的不斷提速，我們預計英偉達汽車業務營收也會快速增長，成為公司的一個重要板塊。 10 / 52 Table_Yemei 公司深度研究 F 東吳證券（香港）東吳證券（香港） 請務必閱讀正文之后的免責聲明部分請務必閱讀正文之后的免責聲明部分 圖圖6：英偉達分業務的歷史營收變化英偉達分業務的歷史營收變化 數據來源：歷年公司財報，Wind，東吳證券（香港） 2. 傳統業務：消費者（游戲）相關業務保持穩定增長傳統業務：消費者（游戲）相關業務保持穩定增長 2.1. 英偉達英偉達 GPU 五年來持續占據五年來持續占據 PC 獨顯六成以上市

45、場獨顯六成以上市場 由于疫情導致的居家時間延長，公司由于疫情導致的居家時間延長，公司 GPU 量價齊升，量價齊升，FY2022Q2 游戲相關營收同比大游戲相關營收同比大增增 85%，單季收入首次超過，單季收入首次超過 30 億美元。億美元。英偉達的 GPU 在 PC 端是以獨立顯卡的形式存在，通過獨立顯卡可以實現高幀率高分辨率 3A 游戲、專業繪圖等應用。獨顯領域是一個壁壘極高的市場，經過 20 多年的充分競爭后，目前僅有英偉達、AMD 可以推出相關產品，而英偉達占據絕對的領先優勢。據研究機構 Jon Peddie Research 報道，2021Q1 英偉達在 PC 獨顯市場占據 81%的市

46、場份額（2020 全年為 77%） 。 圖圖7：全球臺式機全球臺式機 GPU 市場份額變化（單位：百萬片）市場份額變化（單位：百萬片） 數據來源：Jon Peddie Research，東吳證券（香港） 以每兩年更新一次架構、 每半年性能翻倍的速度， 持續引領消費級以每兩年更新一次架構、 每半年性能翻倍的速度， 持續引領消費級 GPU 市場。市場。 2020 11 / 52 Table_Yemei 公司深度研究 F 東吳證券（香港）東吳證券（香港） 請務必閱讀正文之后的免責聲明部分請務必閱讀正文之后的免責聲明部分 年 9 月 2 日，英偉達發布了新一代顯卡 RTX30 系列，與前一代 RTX2

47、0 系列相比，采用了全新的安培架構，在核心數、顯存、頻率等性能都有了大幅度提升。RTX30 的高算力加上英偉達的 DLSS（Deep Learning Super Sampling，深度學習超采樣）技術，大大提高實際場景的運算力（在算力不變的情況下提高幀率） ，使得英偉達顯卡深受游戲玩家的喜愛。在中國，RTX30 系列中的 RTX3080 由發售價的 5499 元被一路炒高至 18000 元左右， 足見其火爆程度 （雖然部分原因是受到數字貨幣“挖礦”搶貨的影響） 。英偉達以半年性能提升一倍的“黃氏定律”牢牢占據 GPU 的領導者地位。截止到 2021 年 3 月，英偉達的各系列 GPU 在性能

48、排行的前 20 名中占據了包括第一名在內的 14 個席位，可以看出英偉達在 GPU 領域的霸主地位。 圖圖8：截止到截止到 2021 年年 3 月的月的 GPU 排行榜排行榜 數據來源：henglong，東吳證券（香港） 12 / 52 Table_Yemei 公司深度研究 F 東吳證券（香港）東吳證券（香港） 請務必閱讀正文之后的免責聲明部分請務必閱讀正文之后的免責聲明部分 圖圖9：英偉達英偉達 DLSS 技術展示技術展示 數據來源：公司官網，東吳證券（香港） 2.2. 借助借助 Bluefield 能力，發力云游戲能力，發力云游戲 Geforce Now 業務業務 云游戲是以云計算為基礎的

49、游戲方式，在云游戲的運行模式下，所有游戲都在服務器端運行，并將渲染完畢后的游戲畫面壓縮后通過網絡傳送給用戶。在客戶端，用戶的游戲設備不需要任何高端處理器和顯卡，只需要基本的視頻解壓能力就可以，因此其市場潛力很大，據 Newzoo 2021 年 3 月發布的報告預測，2023 年全球云游戲市場收入可能達到 51 億美元。但目前主要受限于網絡延遲以及服務器延遲等方面，市場尚處于初期階段。除英偉達外，目前還有微軟、谷歌、索尼、騰訊以及網易等也在拓展云游戲業務。 英偉達云游戲平英偉達云游戲平臺臺 Geforce Now 采用采用 Bluefield 架構，解決云游戲服務器的延遲問架構，解決云游戲服務器

50、的延遲問題。題。對于云游戲來說，延遲是最亟待解決的問題。而控制延遲的關鍵，不僅需要良好的通信網絡能力，更為重要的是對云端服務器的數據處理特別是圖形相關的處理速度。英偉達利用其在數據中心的經驗，優化了服務器架構，推出了英偉達云游戲平臺 Geforce Now，采用 RTX 服務器來實現更低延遲（整體延遲小于 100ms） ，使云游戲體驗得到了優化。由于目前云游戲仍受限于網絡延遲，整個市場尚不成熟，但隨著基礎設施的不斷發展，此項業務將為英偉達帶來未來全新增長空間。 13 / 52 Table_Yemei 公司深度研究 F 東吳證券（香港）東吳證券（香港） 請務必閱讀正文之后的免責聲明部分請務必閱讀