1、請務必閱讀正文之后的免責條款部分請務必閱讀正文之后的免責條款部分 英偉達英偉達（NVDA.US）加速，規模，超線性加速，規模，超線性 秦和平秦和平(分析師分析師)0755-23976666 證書編號 S0880523110003 本報告導讀：本報告導讀：AIGC 催生巨大的加速計算需求，從通用計算向加速計算轉型初期，長期擴大的加速催生巨大的加速計算需求，從通用計算向加速計算轉型初期，長期擴大的加速計算需求助推系統性領先的平臺型計算公司英偉達進入長期超線性增長。計算需求助推系統性領先的平臺型計算公司英偉達進入長期超線性增長。摘要摘要：盈利預測與投資建議：盈利預測與投資建議：我們認為英偉達數據中心

2、業務呈現超線性增長，因此我們調高英偉達 FY2024E-FY2026E 的營業收入分別為 599/966/1,190 億美元（前值為 599/891/1004 億美元），同增 122%/61%/23%。由于毛利率提升、費用率縮小，使得經調整凈利潤在未來 3 年呈現大幅提升，我們調高英偉達 FY2024E-FY2026E 的經調整凈利 潤為313/541/665 億美元（前值為 313/500/562 億美元）。我們使用 DCF 和PE BAND 估值法，并綜合兩種估值方法的結果，上調英偉達 FY2025目標價至 633 USD，維持“增持”評級。超預期：超預期：英偉達以其 GPU、GraceC

3、PU、BluefieldDPU 組成的超異構計算技術演進系統，以及 CUDA 編程平臺構建的平臺型系統競爭優勢，將在通用計算向加速轉型過程中進入長期超線性增長。市場認為市場認為，AIGC 技術變革存在不確定性，且目前預期的英偉達的增長空間主要依賴大模型訓練和推理 GPU 算力需求，短期線性比例外推英偉達的收入增長；我們認為我們認為，AIGC 技術趨勢已經確立，英偉達憑借其領先的平臺型系統競爭迭代優勢，將獲得長期超線性增長。核心信息與邏輯：核心信息與邏輯：這種超線性增長主要來源于 1）異構計算系統及CUDA 技術平臺領先且快速迭代帶來的規模及成本優勢；2）因圍繞GPU 加速系統所形成的新型技術生

4、態網絡設備 infiniteband 網絡設備系統的增長；3）應用，行業，區域的加速計算技術擴散。催化劑：催化劑：1）臺積電 CoWoS 等芯片供應鏈產能提升到足夠供給；2）大模型準確度，開源性，終端化更成熟；3）應用場景和區域滲透快速落地。風險提示：風險提示：大模型技術成熟速度及安全規范控制不及預期；地緣政治限制芯片自由貿易；技術行業可能會受到宏觀經濟周期的影響。在經濟衰退期間，技術產品和服務的需求可能會下降；競爭風險等。評級：評級：增持增持 當前價格（美元）：495.22 2024.01.03 交易數據 52 周內股價區間（周內股價區間（美元美元）140.36-504.09 當前股本當前股

5、本（百萬股）（百萬股）2,487 當前市值當前市值（百萬美元百萬美元）1.221 相關報告 全球計算轉型初期，世界 AI 引擎全力加速英偉達 3QFY24 業績點評 2023.11.22 英偉達持續狂奔，看好 AI 趨勢的能見度至 2024 年 2023.11.14 算力需求激增，全球 AI 引擎加速英偉達 2QFY24 業績點評 2023.08.25 AI 算力新供給：AMD MI 300 表現亮眼，英偉達市場地位穩固 2023.06.15 重塑計算，世界 AI 的引擎英偉達首次覆蓋報告 2023.06.05 海外公司（海外公司（美國美國）財務摘要財務摘要（百萬百萬美元美元）FY2020A

6、FY2021A FY2022A FY2023A FY2024E FY2025E FY2026E 營業收入營業收入 10,918 10,918 16,675 16,675 26,914 26,914 26,974 26,974 59,894 96,623 119,022(+/-)%-52.7%61.4%0.2%122.0%61.3%23.2%毛利潤毛利潤 6,768 10,396 17,475 15,356 43,211 71,984 88,671(+/-)%-53.6%68.1%-12.1%181.4%66.6%23.2%經調整經調整凈利潤凈利潤 3,580 6,277 11,259 8,36

7、5 31,326 54,115 66,544(+/-)%-75.3%79.4%-25.7%274.5%72.8%23.0%經調整經調整 PE 1,367.80 1,666.84 198.02 111.50 122.46 148.42 270.42 39.43 22.82 18.56 0%40%80%120%160%200%240%280%2022/122023/12023/22023/32023/42023/52023/62023/72023/82023/92023/102023/115252周內股價走勢圖周內股價走勢圖英偉達納斯達克綜指股票研究股票研究 證券研究報告證券研究報告 海外信息科技

8、海外信息科技 英偉達英偉達（NVDA.US）請務必閱讀正文之后的免責條款部分請務必閱讀正文之后的免責條款部分 2 of 31 目目 錄錄 1.投資建議.3 2.生成式 AI 加速計算轉型.6 2.1.AI-LLM.6 2.2.通用計算轉向加速計算.9 2.2.1.數據特征與 AI 計算.9 2.2.2.加速計算.11 3.不僅是芯片，而是計算平臺型公司.13 3.1.GPU 引領加速計算.13 3.2.超異構計算演進系統優勢.14 3.3.不僅是芯片，而是計算平臺型公司.17 3.3.1.基于產品的平臺.17 3.3.2.基于技術的平臺.18 3.3.3.服務客戶的平臺.19 4.計算轉型初期

9、，強化超線性增長.19 4.1.加速計算市場規模測算.19 4.2.技術普及推動全面增長.21 4.2.1.加速計算技術生態系統迭代增長.21 4.2.2.應用、行業和區域的技術擴散增長.22 4.3.超線性增長.25 5.風險提示.28 lUdYrUiVzWcZmW8ZNBpNpNpN6M8Q8OpNnNtRsOlOrRmNfQoOxP9PnMmMxNtQtRvPmMqM 英偉達英偉達（NVDA.US）請務必閱讀正文之后的免責條款部分請務必閱讀正文之后的免責條款部分 3 of 31 1.投資建議投資建議 核心數據預測：核心數據預測：我們認為英偉達數據中心業務呈現超線性增長，因此我們調高英偉達

10、FY2024E-FY2026E的營業收入分別為599/966/1,190億美元（前值為 599/891/1004 億美元），同增 122%/61%/23%。由于毛利率提升、費用率縮小，使得經調整凈利潤在未來 3 年呈現大幅提升，我們調高英偉達 FY2024E-FY2026E的經調整凈利潤為 313/541/665 億美元（前值為 313/500/562 億美元）。核心假設：核心假設：1）營收主要由數據中心業務驅動，數據中心由于 AI 產業的高成長性呈現超線性增長；2）公司毛利率在 2024 財年由于數據中心業務的高毛利率增長至 72%，并于 2026 財年穩定至 75%左右；3）費用率，包含營

11、銷費用率、一般及行政費用率和研發開支率，由于規模效應的釋放與企業經營杠桿的增強大幅縮小，三年維度穩定至 13%左右；4）凈利潤率由于毛利率的提升、費用率的縮小，在 2024 年呈現大幅提升，隨及在未來兩年趨于穩定，我們認為凈利潤率將穩定至 51%左右。圖圖 1 英偉達核心指標預測（單位：英偉達核心指標預測（單位：USD MN）數據來源：英偉達財報，國泰君安證券研究預測 估值估值 1：考慮到英偉達即將在 2024 財年產生持續穩定的利潤和現金流，我們首先采用 DCF 估值法對公司的股權價值進行測算?；谝韵?英偉達英偉達（NVDA.US）請務必閱讀正文之后的免責條款部分請務必閱讀正文之后的免責條

12、款部分 4 of 31 假設，我們計算得到公司 2025 財年（對應日歷年 2024/01/31-2025/01/31）的公司估值為 1.59 萬億美金，對應每股價格為 637 USD。核心假設：核心假設：1）采用美國十年期國債收益率為無風險收益率 Rf=4.3%；2）風險溢價：我們計算得出 2013 年到 2023 年道瓊斯指數的復合增長率為 8.6%，得出風險溢價為 4.3%；3）=1.69；由于英偉達沒有債權成本，基于核心假設 1 和核心假設 2 我們得出加權平均資金成本 WACC 為 11.5%；4）永續增長率為 2.8%。圖圖 2 英偉達英偉達 DCF 估值法估值法 數據來源：英偉達

13、財報，國泰君安證券研究預測 估值估值 2：我們認為英偉達在 AI 算力領域持續狂奔，不斷突破原有產品的能力本身是英偉達的核心競爭力，強大的競爭壁壘可以實現公司在 AI 算力行業中保持強大的盈利能力和持久性，其在數據中心高端 GPU 方面的技術和市場優勢極為明顯，短中長期內難以撼動，存在極強的標的稀缺性。英偉達是典型的周期股特征。我們類比英偉達在加密貨幣浪潮，與疫情下用戶對電腦游戲的需求兩次周期下的估值中樞，預計英偉達 GPU 的需求將在 2025 財年延續強勁的需求，且 2025 財年每個季度的供應量都會增加，處于上漲周期。從過去 10 年的 PE-BAND 以及略高于中位數的可比公司 202

14、4 年 PE 28X 的估值估計，我們給予英偉達 FY2025E PE 32X，對應公司估值為 1.57 萬億美金，對應每股價格為 629USD。英偉達英偉達（NVDA.US）請務必閱讀正文之后的免責條款部分請務必閱讀正文之后的免責條款部分 5 of 31 圖圖 3 2013 年年-2023 年英偉達股價變化與年英偉達股價變化與 PE Bands 數據來源:iFinD，國泰君安證券研究 圖圖 4 英偉達可比公司估值英偉達可比公司估值 注：數據截至 2023/12/28，各公司數據以其最新財年年報計算，NVDA、QCOM、ADI、MRVL 和 MCHP 的 FY2023 EPS 和 PE為實際值

15、，其余公司由于財年未結束，均為彭博一致預測值。估值結論：綜合兩種估值方法，我們上調英偉達估值結論：綜合兩種估值方法，我們上調英偉達 2025 財年的目標財年的目標價至價至 633USD，維持“增持”評級。，維持“增持”評級。0100200300400500600收盤價EPS71.50X57.76X44.01X30.26X16.52XFY2023FY2024EFY2025EFY2023FY2024EFY2025ENVDA.US英偉達494.171.7612.3020.4683.3140.1924.16中位數 3.36 4.59 4.92 30.16 27.85 22.51平均值6.548.671

16、0.2336.1528.4623.34AMD.USAMD146.07 2.65 3.80 5.04 55.02 38.48 29.01INTC.US英特爾50.760.951.842.5453.3827.6120.02AVGO.US博通股份1126.1733.9346.9855.8624.8023.9720.16QCOM.US高通公司145.726.479.2410.6214.5115.7713.73LSCC.US萊迪斯半導體71.302.012.022.4635.5235.2628.98ADI.US亞德諾半導體199.356.607.108.7615.9228.0822.76MRVL.US美

17、滿電子科技61.26-0.191.512.0278.7240.5130.36MCHP.US微芯科技91.124.075.374.8120.7016.9618.95RMBS.USRambus68.491.762.122.5238.9132.2827.16TXN.US德州儀器171.237.136.677.6924.0225.6922.27EPSPE代碼代碼名稱名稱股價股價（美元）（美元）英偉達英偉達（NVDA.US）請務必閱讀正文之后的免責條款部分請務必閱讀正文之后的免責條款部分 6 of 31 圖圖 5 英偉達財務報表預測（單位：百萬美元）英偉達財務報表預測（單位：百萬美元）數據來源：國泰君安

18、證券研究預測 2.生成式生成式 AI加速加速計算轉型計算轉型 2.1.A AI I-LLMLLM 復盤復盤 AI 的發展歷史，的發展歷史，AI 時代才剛剛開始時代才剛剛開始。參考 Github 博客算法進階的觀點，AI 發展歷史可分為：1）起步發展期（1943-1960 年代）：人工智能概念的提出后，發展出了符號主義、聯結主義(神經網絡)，相繼取得了如機器定理證明、跳棋程序、人機對話等成就；2）反思發展期（1970 年代）：神經網絡的訓練算法、知識庫、專家系統等技術理論取得了一定的革新，算力和理論依舊匱乏；3）應用發展期（1980 年代）：AI 從理論研究走向實際應用、從一般推理策略探討轉向運

19、用專門知識的重大突破；4）平穩發展期（1990-2010 年）：伴隨互聯網技術狂奔，AI 創新研究加速，促使 AI 進一步走向實用化，研究的重心從基于知識系統轉向了機 英偉達英偉達（NVDA.US）請務必閱讀正文之后的免責條款部分請務必閱讀正文之后的免責條款部分 7 of 31 器學習方向，支持向量機、AdaBoost、LSTM、RNN、隨機森林等算法逐步成熟；5）蓬勃發展期（2011 年至今）：隨著大數據、云計算、互聯網、物聯網發展，基于 GPU 等的計算平臺推動以深度神經網絡為代表的 AI技術飛躍，圖像分類、語音識別、知識問答、人機對弈、自動駕駛等技術問世，AI 迎來爆發式增長。圖圖 6

20、1943-2019 AI 的發展歷史的發展歷史 數據來源：Parisa Rashidi，算法進階 AI 進入大模型時代，進入大模型時代，ChatGPT開創人類開創人類與與 AI 交互交互時代時代。2022 年 11 月30 日，OpenAI 開發的 Chat-GPT 橫空出世，僅僅花了 5 天時間，ChatGPT的注冊用戶數量達到 100 萬；2023 年 3 月 14 日 GPT4 發布，GPT 正式邁向多模態。過去一年間，基于大語言模型（LLM）的生成式 AI 迅速在全球引起巨大影響。圖圖 7 一年來一年來 ChatGPT發展時間線發展時間線 數據來源：officetimeline，國泰君

21、安證券研究 大模型的訓練步驟繁瑣，使得對大模型的訓練步驟繁瑣，使得對算力算力的需求激增。的需求激增。2023 年的微軟 Build開發者大會中，特斯拉前 AI 總監 Andrej Karpathy 發表題為 GPT 現狀的 英偉達英偉達（NVDA.US）請務必閱讀正文之后的免責條款部分請務必閱讀正文之后的免責條款部分 8 of 31 演講。訓練 ChatGPT 等大語言模型分為標記化（Tokenization）、預訓練（Pretraining）、監督微調（Supervised Finetuning）和人類反饋強化學習(RLHF)四個步驟。在進行預訓練之前，有 2 個準備步驟:1）數據收集:例如

22、 Meta LLaMA 模型從 Github、維基百科等來源收集大量混合數據；2）標記化，將文本中的單詞標記并轉換為整數。例如 175B 參數的 GPT-3在 300B個 token 上訓練，而 65B參數的 LLaMA 已經在 1-1.4T 個 token上訓練，反映了模型參數的增加對于 GPU 訓練需求的飆升，但參數大并不等同于模型性能強。圖圖 8 GPT訓練分為四個階段訓練分為四個階段 圖圖 9 預訓練階段需要大量的計算資源和數據集預訓練階段需要大量的計算資源和數據集 數據來源：微軟 Build 大會 數據來源：微軟 Build 大會 圖圖 10 對文本中的單詞進行對文本中的單詞進行標記

23、化標記化處理處理 圖圖 11 GPT-3 和和 LLaMA 的標記化過程對比的標記化過程對比 數據來源：微軟 Build 大會 數據來源：微軟 Build 大會 圖圖 12 卷積運算的過程卷積運算的過程 圖圖 13 LLM 的參數文件和運行代碼的參數文件和運行代碼 數據來源：cnblogs 數據來源：華爾街見聞 英偉達英偉達（NVDA.US）請務必閱讀正文之后的免責條款部分請務必閱讀正文之后的免責條款部分 9 of 31 大模大模型依靠數據和算力將人工智能提升到前所未有的高度型依靠數據和算力將人工智能提升到前所未有的高度，但依然存在但依然存在存在存在 1）輸出可靠性輸出可靠性不穩定不穩定 2)

24、結果難以解釋，結果難以解釋，3）數理能力較弱等弊端。）數理能力較弱等弊端。由于大模型的參數規模較大，不僅抬升了存儲成本，而且需要使用更強的算力資源，極大抬升了大模型研發的資本支出。即便如此，從另一個維度看，大模型的處理能力主要依賴于已有的訓練數據，并且若數據本身存在缺陷或是錯誤，亦會影響大模型的訓練效果，這也將直接影響模型對于上下文的理解和對話的一致性。大模型的數學和邏輯推理能力仍然需要加強。諸多大模型在執行推理任務的過程中并沒有提供其信息的來源，因此驗證輸出可靠性具備挑戰。雖然依托人工智能的大模型技術還不盡完善，但是展現出了巨大的潛力，雖然依托人工智能的大模型技術還不盡完善，但是展現出了巨大

25、的潛力，技術發展上呈現了很多共同的趨勢如：多模態，輕量化，自增強，增加技術發展上呈現了很多共同的趨勢如：多模態，輕量化，自增強，增加邏輯推理及互聯和邏輯推理及互聯和 API 化化。我們認為我們認為 RAG 檢索檢索增強生成技術，使得不那么完美的基于增強生成技術，使得不那么完美的基于LLM 的的 AI成為一種確信可用的技術，成為一種確信可用的技術，基于準確性和可追溯性的考量，AI 中的檢索增強生成（RAG）是一種變革性范式，通過使用從外部來源獲取的事實，以此提高生成式 AI 模型的準確性和可靠性。據英偉達官網，RAG架構的工作流程可概括為：當用戶向 LLM 提問時，AI 模型會將查詢發送給另一個

26、模型，后者會將查詢轉換成數字格式以便機器讀??；隨后嵌入模型將這些數字與可用知識庫的機器可讀索引中的向量進行比較，檢索相關數據并發送回 LLM；LLM 將檢索到的單詞和它自己對查詢的響應相結合，形成最終的答案并提交給用戶，其中可能會引用嵌入模型找到的來源。圖圖 14 RAG 架構的工作流程架構的工作流程 數據來源：thenewstack 2.2.通用計算轉向加速計算通用計算轉向加速計算 2.2.1.數據特征與數據特征與 AI 計算計算 數據規模的激增和數據類型的轉變數據規模的激增和數據類型的轉變需要更高的計算效能需要更高的計算效能。據 IDC 預測，全球數據規模 2027 年或將高達約 284Z

27、B（十萬億億字節，澤字節）。而隨著移動互聯網的普及，疊加物聯網、智能手機和可穿戴設備的發展，全球設備和人群社交等的廣泛“聯網”驅動了個體間的數據互動，并產生巨量的非結構化數據，而其中多媒體數據的占比顯著提高。據 Statista，2022 年 6 月，谷歌公司旗下的全世界最大視頻網站 Youtube 每分鐘全球上傳的視頻時長高達 500 小時。視頻數據中信息的識別難度遠高于文本數據和圖像數據。在非結構化數據大量涌現的當下，更高的計算效率成 英偉達英偉達（NVDA.US）請務必閱讀正文之后的免責條款部分請務必閱讀正文之后的免責條款部分 10 of 31 為迫切需求。圖圖 15 全球數據量激增（單

28、位：全球數據量激增（單位：ZB）圖圖 16 YouTube 每分鐘上傳的視頻時長每分鐘上傳的視頻時長 數據來源：IDC，國泰君安證券研究 數據來源：Statista 復雜復雜卷積卷積神經網絡需要高效能算力實現神經網絡需要高效能算力實現。1998 年，LeNet-5 推出，主要用于解決手寫的圖像識別問題，奠定了現代卷積神經網絡的基本結構：卷積、池化、全鏈接。從現實需求看，近年來圖像數據的數量和圖像的像素點大幅增多，圖像識別的需求進一步提升；LeNet-5 在 1998 年使用Intel 奔騰 II 處理器訓練，將文字識別率提升到 99%，但無法識別圖像；在 2012 年 AlexNet 延續了

29、LeNet-5 的架構，修改了激活函數,增加了訓練數據集，使得 ImageNet 的的識別率比 2011 年陡然提升，提升到 84%，訓練使用 CPU 晶體管數量是原 1998 年的 1000 倍，外加兩塊 NVDA 的GTX580，每顆有 30 億顆晶體管的并行算力。圖圖 17 復雜復雜卷積卷積神經網絡需要高效能算力實現神經網絡需要高效能算力實現 數據來源：51CTO 更更多多的訓練參數、更大的算力的訓練參數、更大的算力會驅動神經網絡會驅動神經網絡的識別度的識別度提高提高。我們以贏得 2010-2017 年 ImageNet 大規模視覺識別挑戰賽(ILSVRC)的算法為例，其中 Top-5

30、錯誤是指算法對圖像提出的所有 top-5 分類都是錯誤的概率，藍色柱狀圖的算法均是卷積神經網絡。其中，人類的識別錯誤率約 5%，亦即從 2015 年以來基于卷積神經網絡的算法已超過人類平均的視覺識別能力。這正是由于更多的訓練參數、更大的算力會驅動神經網23.8830.023847.8960.8176.628.0534.5542.1852.4164.1379.5451.7361.753887.73105.33128.16050100150200250300中國北美全球其他地區 英偉達英偉達（NVDA.US）請務必閱讀正文之后的免責條款部分請務必閱讀正文之后的免責條款部分 11 of 31 絡的識

31、別度提高。在大模型的實際預訓練中，研究者監測損失函數確定模型迭代中的表現變化，損失低說明 Transformer 更可能給出正確預測，隨著大模型參數的遞增，大模型的表現普遍愈好，這正是算力提升的結果。圖圖 18 先進大模型的識別能力已高于人類先進大模型的識別能力已高于人類 圖圖 19 LLAMA 的訓練損失的訓練損失 數據來源：ResearchGate 數據來源：微軟 Build 大會，量子位 2.2.2.加速計算加速計算 CPU 與與 GPU 的組成結構與運算方式存在不同。的組成結構與運算方式存在不同。CPU 作為電腦的中央處理器，其運行主要以串行計算的方式進行。串行計算指的是多個程序在同一

32、個處理器上被執行，只有在當前的程序執行結束后，下一個程序才能開始執行。而 GPU 是電腦的圖形處理器，最初主要用于圖像運算，適用于加速計算場景中實現并行計算的需要。二者組成的不同主要表現在，CPU 擁有更大的邏輯運算單元和控制單元，同時擁有更大的緩存空間，但 GPU 卻擁有更多的邏輯運算單元數量。表表 1 GPU 和和 CPU 的區別的區別 對比項對比項 CPU GPU 設計理念設計理念 CPU 設計注重通用性和靈活性，適合處理復雜的、串行的計算任務 GPU 設計重點在于處理大量的并行任務，適合執行重復且簡單的操作 核心結構核心結構 CPU 通常包含較少的核心，但每個核心能夠處理復雜任務和多任

33、務并發 GPU 包含成百上千的小核心，每個核心專注于執行單一任務，但在并行處理大量數據時表現卓越 處理速處理速度度 在執行邏輯復雜、依賴于單線程性能的任務時，CPU 通常表現更優 GPU 在處理可以并行化的大規模數據時，如圖像處理、科學計算，表現出遠超 CPU 的處理速度 能效能效比比 在單線程任務中，CPU 提供更高的能效比 當任務可以并行化時，GPU 在能效比上通常更有優勢，尤其是在大規模計算任務中 優勢場優勢場景景 復雜邏輯處理復雜邏輯處理：適合處理需要復雜決策樹和分支預測的任務，如數據庫查詢、服務器應用等 單線程性能要求高的任務單線程性能要求高的任務：在需要強大單線程性能的應用中，如某

34、些類型的游戲或應用程序 數據并行處理數據并行處理：需要同時處理大量數據的場景下，如深度學習、大規模圖像或視頻處理 高吞吐量計算任務高吞吐量計算任務：適用于需要高吞吐量計算的應用，如科學模擬、天氣預測等 數據來源：techlead，國泰君安證券研究 英偉達英偉達（NVDA.US）請務必閱讀正文之后的免責條款部分請務必閱讀正文之后的免責條款部分 12 of 31 大模型算法可分拆成并行計算，大模型算法可分拆成并行計算，GPU 可適應神經網絡訓練高并發、并行可適應神經網絡訓練高并發、并行計算和矩陣處理需要。計算和矩陣處理需要。LLM 大多基于神經網絡，大模型軍備競賽導致開發者對 LLM 推理性能的要

35、求激增，因此神經網絡參數數量迅速飆升。由于大模型基于的神經網絡是高度并行的，使用神經網絡做的許多計算都可以分解成更小的計算單元，以此執行串行計算。CPU 內部運算單元有限，在執行矩陣運算時將極大的消耗模型訓練的時間，因此使用 GPU進行大規模并行計算的優勢得到了充分彰顯，以 H100 Tensor Core GPU為例，其支持多達 18 個 NVLink 連接，總吞吐量為 900 GB/s，是 PCIe 5.0 帶寬的 7 倍，進而實現超快速的深度學習訓練。GPU 邏輯運算單元較多的優勢在加速計算等場景中能夠得到充分的發揮，因此 GPU 無疑成為訓練 LLM 的首位硬件選擇。圖圖 20 CPU

36、 與與 GPU 的結構區別的結構區別 數據來源：騰訊云開發者社區 通用計算向加速計算的轉型通用計算向加速計算的轉型是邁向是邁向 AGI 的必由之路的必由之路。加速計算作為現代計算方式，能夠將應用的數據密集型部分分離，在一個單獨的加速器件上處理。硬件端，加速計算利用 GPU、DPU、TPU、ASIC 和 FPGA 等性能、結構各異的計算單元來執行比 CPU 更高效的計算。加速計算解決方案需要硬件、軟件和網絡三者的協同，每個加速平臺硬件系統都根據不同用例需求而設計，并輔之以針對具體業務應用的運營和管理的軟件棧。作為計算轉型的下一個階段，就像如今的智能手機都逐步應用混合AI 技術，開始陸續配備能在終

37、端運行大模型的高性能 GPU 一樣，未來每個服務器和工作站都將配備計算加速器，為更多的計算密集型工作提供支持，服務于包括企業、主機托管、云、邊緣和模塊化設施等在內的數據中心。英偉達英偉達（NVDA.US）請務必閱讀正文之后的免責條款部分請務必閱讀正文之后的免責條款部分 13 of 31 圖圖 21 加速計算為加速計算為 AI 的現代應用提供支持的現代應用提供支持 數據來源：英偉達官網 3.不僅是芯片，而是計算平臺型公司不僅是芯片，而是計算平臺型公司 3.1.GPUGPU 引領加速計算引領加速計算 AI 迭代飛速催生芯片技術創新，迭代飛速催生芯片技術創新，TPU、FPGA、ASIC 等等 AI

38、芯片應時代芯片應時代需求而生。需求而生。AI 迭代飛速催生芯片技術創新，FPGA 和 ASIC 等專用芯片市場份額有所提升，例如谷歌推出的 TPU(Tensor Processing Unit)，與Tensorflow 框架緊密集成，專為在大規模分布式系統中進行深度學習訓練和推理。但 FPGA 和 ASIC 的通用性較差，通常針對特定任務效率較高。目前 GPU 已在大模型的訓練和推理側均形成顯著的競爭優勢，且我們認為，基于通用計算向加速計算轉型的趨勢，GPU 具備更強的綜合性能和通用性。表表 2 TPU、FPGA 和和 ASIC 等等 AI 芯片技術爆發式增長芯片技術爆發式增長 芯片芯片 中文

39、名稱中文名稱 訓練效率訓練效率 訓練速度訓練速度 推理效率推理效率 推理速度推理速度 通用性通用性 推理準確性推理準確性 CPU 中央處理器 1 倍基準 1 倍基準 1 倍基準 1 倍基準 非常高 98%-99.7%GPU 圖像處理器 10-100 倍 10 到 1000 倍 1-10 倍 1-100 倍 高 98%-99.7%FPGA 現場可編程門陣列-10-100 倍 10-100 倍 中等 95%-99%ASIC 專用集成電路 100-1000 倍 10-1000 倍 100-1000倍 10-1000 倍 低 90%-98%數據來源：AILI，國泰君安證券研究 GPU 引領加速計算轉型

40、引領加速計算轉型，驅動英偉達營收高增，顯著高于，驅動英偉達營收高增，顯著高于 AMD。英偉達以游戲顯卡業務起家，隨著生成式 AI 和向加速計算轉型的催化，數據中心逐漸變成主營業務。FY24Q3（對應自然年約 23Q3）英偉達營業收入 181.20 億美元，其中數據中心收入達 145.14 億美元，同增 278.7%，占總營收的 80.1%。對比主要競對 AMD，備受市場關注的數據中心 GPU MI 系列或將在 2024 年尚可實現全面出貨，因此其 23Q3 數據中心收入僅 15.98 億美元，其中絕大部分為 X86 服務器收入，同增 21.0%，占總營收 27.6%。英偉達英偉達（NVDA.U

41、S）請務必閱讀正文之后的免責條款部分請務必閱讀正文之后的免責條款部分 14 of 31 圖圖 22 英偉達數據中心營收大幅領先英偉達數據中心營收大幅領先 AMD 圖圖 23 數據中心驅動數據中心驅動英偉達營收高增（單位：百萬英偉達營收高增（單位：百萬美元）美元）數據來源：公司財報，國泰君安證券研究 數據來源：公司財報，國泰君安證券研究 注：英偉達財務數據經近似調整為自然年 AI 和加速計算爆火的趨勢下和加速計算爆火的趨勢下，GPU 的爭奪的爭奪格外激烈格外激烈。據市場跟蹤公司Omdia 的統計，英偉達在 23Q3 大約賣出了 50 萬片 A100 和 H100 GPU。從全球頭部云服務商的采購

42、情況看，Meta 和微軟是最大買家，分別采購了多達約 15 萬個 H100 GPU，大大超過了谷歌、亞馬遜、甲骨文和騰訊約五萬個的采購數量。龐大的需求量也使得基于 H100 需約 36-52 周的時間才能交付。圖圖 24 23Q3 英偉達英偉達 A100&H100 出貨量約出貨量約 50 萬片萬片 數據來源：Omdia Research，新智元 3.2.超異構計算演進系統優勢超異構計算演進系統優勢 英偉達英偉達以超異構創新構建面向大規模以超異構創新構建面向大規模 AI 計算的超級計算機計算的超級計算機。英偉達構建了面向大規模并行計算而設的全棧異構的數據中心解決方案。兩種不同的芯片在一起工作叫異

43、構，將三種不同的芯片通過特殊通信連接成系統一起工作叫超異構，隨著 GPU 并行計算的加速計算處理，數據的計算1,4861,6091,6551,2951,3211,5983,806 3,833 3,616 4,284 10,323 14,514 02,0004,0006,0008,00010,00012,00014,00016,000AMD數據中心營收（百萬美元）英偉達數據中心營收（百萬美元）37503806383336164284103231451402,0004,0006,0008,00010,00012,00014,00016,000數據中心游戲專業可視化自動駕駛OEM及其他 英偉達英偉達

44、（NVDA.US）請務必閱讀正文之后的免責條款部分請務必閱讀正文之后的免責條款部分 15 of 31 結果使得的 GPU 每秒的數據吞吐量劇增，原來基于傳統 X86 服務器的PCIe 通信能力制約了整個計算系統的速率，所以英偉達以加速計算為中心，重構新型計算系統，自己設計了基于ARM架構的Grace GPU,Bluefied DPU(提高內存訪問速度，協議及安全解析效率)，并設計了 NVlink 通信系統，將這三種芯片的片間通信提升到能力提升到 900G/s，超過原來PCIe 通信能力的 7 倍。圖圖 25 英偉達英偉達超異構創新整體框架超異構創新整體框架 數據來源：英偉達官網，國泰君安證券研

45、究 GH200 是真正適用于是真正適用于 HPC 工作負載的異構加速平臺。工作負載的異構加速平臺。以 GH200 超級芯片為例，其使用 900GB/S 的 NVLink-C2C 芯片互連，將基于 Arm 的Grace CPU 與 H100 Tensor Core GPU 整合，從而不再需要傳統的 CPU 至GPU PCIe 連接。CPU 和 GPU 分別配備 480GB 的 LPDDR5X 內存和96GB的 HBM3 或 144GB 的 HBM3e 內存，集成高達至少 576GB 的高速訪問內存，可流暢運行具有數 TB 大小的嵌入表的推薦系統和向量數據庫。從官網公布的性能上看，其在 V ect

46、orDB 向量數據庫、DLRM 推薦算法模型和 LLM 上的表現均大幅高于 x86 及 x86+H100。我們認為，GH200 專為加速計算工作負載而設計，是適用于 HPC 工作負載的異構加速平臺。圖圖 26 英偉達英偉達 GH200 超級芯片超級芯片 圖圖 27 GH200 相對相對 AI 性能顯著高于性能顯著高于 x86 及及 H100 數據來源：英偉達官網 數據來源：英偉達官網 摩爾定律摩爾定律后期后期，黃氏定律重塑半導體行業準則，黃氏定律重塑半導體行業準則，英偉達芯片的迭代是與，英偉達芯片的迭代是與 英偉達英偉達（NVDA.US）請務必閱讀正文之后的免責條款部分請務必閱讀正文之后的免責

47、條款部分 16 of 31 自己賽跑的過程自己賽跑的過程。摩爾定律指在價格不變的前提下，集成電路上可容納的晶體管的數目，每隔約 18 個月便會增加一倍。但隨著傳統半導體晶體管結構已進入納米級別，疊加大模型對于算力激增的需求已遠大于摩爾定律所預估。黃仁勛對 AI 性能的提升作出預測，指出 GPU 將推動 AI 性能實現每 1 年翻 1 倍，也就是每 10 年 GPU 性能將增長超 1000 倍。這一論斷也被稱之為“黃氏定律”。復盤過去十余年間的英偉達芯片性能，H100 已經將推理性能拓展至 1000 倍，而根據英偉達的戰略規劃，在未來兩年，無論是 GPU、CPU 還是 DPU，也均會有下一代產品

48、發布。圖圖 28 黃氏定律黃氏定律 圖圖 29 未來英偉達芯片產品仍將持續迭代未來英偉達芯片產品仍將持續迭代 數據來源：英偉達官網 數據來源：英偉達 圖圖 30 十余年間英偉達芯片架構飛速迭代十余年間英偉達芯片架構飛速迭代 數據來源：英偉達官網，CSDN，國泰君安證券研究 英偉達英偉達（NVDA.US）請務必閱讀正文之后的免責條款部分請務必閱讀正文之后的免責條款部分 17 of 31 3.3.不僅是芯片，而是計算平臺型公司不僅是芯片，而是計算平臺型公司 通過分析通過分析 AI 系統全棧架構，系統全棧架構，我們認為英偉達無疑已經成為一家提供超我們認為英偉達無疑已經成為一家提供超級計算平臺的公司。

49、級計算平臺的公司。我們認為，英偉達的增長優勢并不僅像市場認為的基于大模型訓練和推理 GPU 算力需求，要從計算平臺型公司的視角充分論證英偉達的核心競爭力。AI 系統由下至上分別由體系結構、編譯器、框架、開發和應用構成。英偉達的產品和服務體系幾乎貫穿了整個 AI 系統全棧架構，從 GPU、超級計算機和網絡加速器，到 CUDA 編譯器，到AI 推理引擎等。即便在應用側，英偉達也發布了自己的大語言模型ChipNeMo，據英偉達官方博客，ChipNeMo 可提供聊天機器人、代碼生成器和分析工具，幫助提高芯片設計效率。圖圖 31 AIAI 系統全棧架構圖系統全棧架構圖 數據來源：Github 3.3.1

50、.基于產品的平臺基于產品的平臺 英偉達全面的產品矩陣優勢為計算平臺的核心競爭力發揮提供了保證。英偉達全面的產品矩陣優勢為計算平臺的核心競爭力發揮提供了保證。英偉達通過平臺型產品結構設計打造規模效應。詳細拆分，我們可將英偉達劃分為硬件、軟件、平臺、應用框架四個維度。英偉達基于“硬件+軟件”的技術優勢，同時依托面向行業打造的應用框架，提供了對于細分行業定制的行業解決方案。英偉達英偉達（NVDA.US）請務必閱讀正文之后的免責條款部分請務必閱讀正文之后的免責條款部分 18 of 31 圖圖 32 英偉達產品矩陣英偉達產品矩陣 數據來源：英偉達 GTC 大會 英偉達獨顯市場份額長期穩居高位，與英偉達獨

51、顯市場份額長期穩居高位，與 AMD 此消彼長。此消彼長。據 JPR，23Q2全球獨立顯卡出貨量為 640 萬塊。其中 23Q2 英偉達市場份額高達約 80%，AMD 僅約 17%。圖圖 33 23Q2 獨立顯卡市場份額獨立顯卡市場份額 數據來源：JPR，國泰君安證券研究 3.3.2.基于技術的平臺基于技術的平臺 除了硬件上的系統性優勢，除了硬件上的系統性優勢，軟件端軟件端英偉達亦通過英偉達亦通過 CUDA 打造高兼容性打造高兼容性的的 GPU 通用平臺，通用平臺，依托系統和生態形成競爭優勢依托系統和生態形成競爭優勢。以 CUDA 為例，CUDA 是英偉達開發的并行計算平臺和 API 模型，是加

52、速計算密集型任務最為依賴的軟件生態基石。以 AMD 的 ROCm 作為對比，CUDA 具備ROCm 難以企及的開發人員數量，目前 CUDA 擁有超過 400 萬開發人員，歷史上 CUDA 總下載量達到 4000 萬，CUDA 已形成社區支持和成熟的生態體系，使得 GPU 的可編程性得到了飛躍。整體而言，在發布時間、硬件支持、操作系統和開發者數量等維度上 CUDA 均具備優勢，展現出更加繁榮的生態。此外，Infiniband 提供網絡解決方案，通過提供網卡、DPU、交換機等產品以適應處理高分辨率模擬、超大型數據集和高78%84%80%2%4%2%20%12%17%0%20%40%60%80%10

53、0%英偉達英特爾AMD 英偉達英偉達（NVDA.US）請務必閱讀正文之后的免責條款部分請務必閱讀正文之后的免責條款部分 19 of 31 度并行的算法的需要，據 FY24Q3 業績會，英偉達網絡業務已經達到 100多億美元的規模。表表 3 CUDA 較較 ROCm 仍具備明顯生態優勢仍具備明顯生態優勢 對比項對比項 CUDA ROCm 發布時間 2007 年 2016 年 硬件支持 支持 2006 年后的所有英偉達 GPU 僅支持 AMD 高端 GPU 系列，直至 223 年 4 月開始逐步向消費級 GPU 拓展 操作系統 Linux和 Windows 原本僅支持 Linux，2023 年 4

54、 月開始逐步支持Windows 開發者數量 超過 400 萬開發人員，Github 上有超 35100 個開發者發布的軟件包庫 使用人數較少，Github 上僅有 600 余個開發者發布的軟件包庫 數據來源：英偉達，AMD，Github，國泰君安證券研究 3.3.3.服務客戶服務客戶的平臺的平臺 作為平臺型公司強調技術可拓展性，通過作為平臺型公司強調技術可拓展性，通過廣大的客戶群體和產業鏈合作廣大的客戶群體和產業鏈合作伙伴伙伴加速全球加速全球 AI 生態建立，以適應由加速計算帶來科技變革。生態建立，以適應由加速計算帶來科技變革。1）從客戶數角度，黃仁勛表示已有 15,000 家初創公司建立在英

55、偉達的平臺上，全球有 40,000 家大型企業正在使用加速計算，FY24Q2 電話會中，黃仁勛表示未來四年將有約 1 萬億美元用于 AI 數據中心升級，每年的資本支出約為 2500 億美元，其中包括 GPU 的升級；2）從產業鏈合作伙伴角度，英偉達作為 IC 設計領軍者，與下游晶圓代工、封裝測試、顯卡組裝等產商建立了穩定的合作關系，積極響應數據中心、游戲、汽車和專業可視化等各類終端客戶需求，在近 30 年來通過合作伙伴網絡（NPN）將產品投入市場；3）從投資角度，以英偉達企業投資部門為例，2023 年來已投資芯片到芯片光纖連接的 Ayar Labs、AI 模型中心 Hugging Face、云

56、服務提供商 CoreWeave 在內的 14 個項目。圖圖 34 英偉達打造“服務客戶的平臺”英偉達打造“服務客戶的平臺”數據來源：國泰君安證券研究 4.計算轉型計算轉型初期，強化超線性增長初期，強化超線性增長 4.1.加速計算市場規模測算加速計算市場規模測算 英偉達英偉達（NVDA.US）請務必閱讀正文之后的免責條款部分請務必閱讀正文之后的免責條款部分 20 of 31 算力板塊算力板塊正在同時經歷兩個正在同時經歷兩個臨界點臨界點加速計算和生成式加速計算和生成式 AI，企，企業競相將生成式業競相將生成式 AI 應用到各個產品、服務和業務流程中，應用到各個產品、服務和業務流程中，AI 加速滲透

57、。加速滲透。由于在 AI 大模型的競賽中，英偉達目前處于供應算力的絕對領導優勢，我們持續看好 GPU 未來的市場空間。我們從幾個維度做了一個參考，幾個數據維度做了一個相應的測算。同時，從 24 年前三個季度表現及市場的對 24 財年的一致預期推測，我們認為 2023 年英偉達的數據中心收入約為 463 億美元，除去網絡設備的 100 億美元，數據中心的 GPU 約為 363 億美元，根據英偉達預計其綜合業務領域的總潛在 市場(TAM)為 1 萬億美元，分布于游戲、汽車、芯片和軟件,其中芯片和系統達到 3000 億美金，AMD 的 CEO 蘇姿豐預測數據中心 AI 芯片的 2023年總市值將突破

58、 450 億美元，遠高于 AMD 6 月預測的 300 億美元。到2027 年，以 70%的 CAGR,數據中心加速計算市場將進一步擴張至 4000億美元。站在 2023 年，英偉達剔除網絡設備外，GPU 收入在 360 億美金左右，根據英偉達和 AMD 的預測，我們假設 2027 年 NVDA 占據數據中心 GPU 市場 80%，NVDA 的 GPU 將可能以 70%的 CAGR 在 2027年實現 3000 億美金收入,2023 年除 GPU 外的數據中心網絡設備有 100億美金的收入，綜合考慮到這些維度的收入，我們預計英偉達數據中心業務整體在 2027 年有望實現 3000 億美金的收入

59、。圖圖 35 NVDA 總潛在市場（總潛在市場（TAM）為）為 1 萬億美金萬億美金 數據來源：英偉達官網 圖圖 36 蘇姿豐預測數據中心蘇姿豐預測數據中心 AI 芯片芯片 2027 年年總市值將總市值將超超 4000 億美元億美元 數據來源：至頂網 圖圖 37 2023 年年-2027 年英偉達數據中心年英偉達數據中心 GPU 將保持高增，將保持高增，CAGR 達達 70%英偉達英偉達（NVDA.US）請務必閱讀正文之后的免責條款部分請務必閱讀正文之后的免責條款部分 21 of 31 數據來源:英偉達，AMD，國泰君安證券研究 4.2.技術普及推動全面增長技術普及推動全面增長 4.2.1.加

60、速計算技術生態系統迭代增長加速計算技術生態系統迭代增長 GPU 的高增往往忽視了以的高增往往忽視了以 INFINI BAND 領銜領銜的的全棧全棧周邊網絡設周邊網絡設備的增長備的增長。隨著人工智能和生成內容的大型模型的興起，對高性能計算和智能計算的需求急劇增加。為了滿足這些巨大的計算需求，建立高性能計算集群成為了必然選擇。在這種背景下，InfiniBand 因其卓越的性能表現，成為搭建高性能計算集群的首選技術。InfiniBand 作為一種高性能的計算機網絡通信標準，主要用于高速數據傳輸。它在高性能計算(HPC)中特別受歡迎：1）高帶寬和低延遲高帶寬和低延遲：InfiniBand 提供了非常高

61、的數據傳輸速率，遠高于傳統的以太網。同時，它的延遲極低，這對于要求實時數據處理的 AI 應用至關重要。2）可擴可擴展性展性：InfiniBand 支持構建大規模網絡，非常適合目前英偉達的大型計算集群和數據中心。3）靈活性和多用途性靈活性和多用途性：InfiniBand 支持 RDMA，允許網絡設備直接訪問應用程序的內存，無需 CPU 介入，從而減少延遲并提高吞吐量。它不僅用于高性能計算，還可以在存儲網絡和數據中心網絡中發揮重要作用。InfiniBand 的這些特性使它成為了解決高性能計算和數據密集型中的數據傳輸挑戰的理想選擇。我們看好受到數據中心和人工智能的強勁需求推動下，InfiniBand

62、 的未來的潛力充滿期待。根據 36Kr 的報道，到 2029 年，InfiniBand 的市場規模將達到 983.7 億美元，相比 2021 年的 66.6 億美元，增長 14.7倍。預測期內（2021-2029）的復合年增長率，為 40%。圖圖 38 RDMA 相當于是一個“消滅中間商”的技術相當于是一個“消滅中間商”的技術 363617 1,049 1,783 3,032 0500100015002000250030003500NVDA數據中心 GPU 收入（億美金）CAGR=70%英偉達英偉達（NVDA.US）請務必閱讀正文之后的免責條款部分請務必閱讀正文之后的免責條款部分 22 of

63、31 數據來源:36Kr 除核心除核心 GPU 芯片組件芯片組件和和 INFINIT BAND 帶來的增長以外帶來的增長以外，英偉英偉達 的 爆 發式增 長還帶來達 的 爆 發式增 長還帶來周邊網絡設備 的增長如周邊網絡設備 的增長如,SPACTRUM，ENTERPRISE AI,AI TOOLS chain。Nvidia 推出的 Spectrum-X 技術，專為 AI 工作負載設計，提供高于傳統以太網 1.6 倍的性能。該技術整合了 Nvidia 的 H100 Tensor Core GPU、AI Enterprise 和 AI Workbench 軟件，與戴爾、HPE 和聯想的新服務器產品

64、結合，旨在為企業提供執行高級生成式 AI 模型的完整解決方案。Spectrum-X 結合了 Spectrum-4 以太網交換機和 BlueField-3 SuperNIC，一個新型網絡加速器，以提高 AI 工作負載處理速度和安全性。這些新系統預計 2024 年第一季度上市，標志著向生成式 AI 時代的重要轉變。Nvidia 在其 Israel-1 超級計算機上已部署 Spectrum-X，為構建下一代 AI 系統的公司提供參考。戴爾、HPE 和聯想的合作強調了為客戶提供高性能 AI 解決方案的重要性。4.2.2.應用、行業和區域的技術擴散增長應用、行業和區域的技術擴散增長 生成式生成式 AI

65、落地，我們認為將從大規模用戶向小眾定制化行業進行落地，我們認為將從大規模用戶向小眾定制化行業進行傳導。傳導。最先受益的，就是各大企業的廣告業務，這些企業希望推出各種工具來幫助企業降低成本。對數字營銷較為倚重的行業也因此被改變。在 AI 的幫助下，不管是文字宣傳還是圖片，甚至是視頻制作，效率都大大提高，制作一條產品宣傳視頻時間僅僅需要 6-8 分鐘，目前一些從業者的成本僅僅來自素材和推廣，大大地節省了制作的成本。隨即搜索也慢慢的被大模型滲透，生成式 AI 搜索直擊用戶痛點。根據用戶輸入的關鍵詞或問題，以答案的形式為用戶提供一個文本結果，節省時間和精力。隨著不同行業有著各自獨特的需求和挑戰。生成式

66、 AI 開始被定制化，以適應特定行業的需求。在競爭日益激烈的市場環境中，行業例如醫療、法律、教育和金融服務等尋求通過定制化 AI 應用來獲得競爭優勢，也推動了技術創新。圖圖 39 生成式生成式 AIAI 從大規模用戶向小眾定制化行業進行傳導從大規模用戶向小眾定制化行業進行傳導 英偉達英偉達（NVDA.US）請務必閱讀正文之后的免責條款部分請務必閱讀正文之后的免責條款部分 23 of 31 數據來源：Andrew Ng Maas 催化催化企業能夠方便地使用高級的企業能夠方便地使用高級的 AI 模型模型，提升滲透率。，提升滲透率。中小企業計劃引入人工智能來提高效率，但面臨幾個主要問題：1）高開發門

67、檻：高開發門檻：AI 模型開發需要大量數據和強大的 GPU 算力，通常只有大公司才能承擔這樣的投入，對中小企業來說是一個挑戰。2）定制化需求：定制化需求：雖然有通用的模型，但在具體問題上，效果可能不佳，需要進行定制化調整，這對開發人員提出了較高的要求。3）模型多樣性和調用復雜性：模型多樣性和調用復雜性：現有的眾多模型各有不同的調用方式，開發者需要查閱大量資料并調整各種參數，這增加了使用不同模型的難度。Model as a Service(MaaS)成功解決了這些問題。MaaS 是一種服務模式，其中云計算提供商（如阿里云、騰訊云等）不僅提供硬件資源、通用軟件能力和底層框架，而且還將模型作為服務的

68、一部分。這樣，模型成為了一種重要資源，可以更容易地被企業利用，而不需要自己從頭開始開發。MaaS 的目標是實現“All For Everyone”，即讓所有企業都能夠方便地使用高級的 AI 模型。圖圖 40 MaMaasas：ModelModel asas a Servicea Service 降低公司降低公司 AI AI 使用門檻使用門檻 英偉達英偉達（NVDA.US）請務必閱讀正文之后的免責條款部分請務必閱讀正文之后的免責條款部分 24 of 31 數據來源：阿里云棲大會，國泰君安證券研究 隨著大型語言模型引發的革命性變化，操作系統的領域有了重塑的可能。隨著大型語言模型引發的革命性變化，操

69、作系統的領域有了重塑的可能。操作系統不僅是釋放硬件性能的關鍵入口，同時也是眾多軟件服務的基礎平臺，它構成了所有人機交互的初始點。結合了傳統操作系統功能和針對 AI 應用的特定需求的 AI 操作系統，為不同規模和類型的企業提供了一個功能強大、高效且用戶友好的平臺，使他們能夠最大限度地發揮AI 技術的潛能。而基于而基于 AI 操作系統的操作系統的 AI 應用是更大的機會，也將帶來成倍的算力需應用是更大的機會，也將帶來成倍的算力需求。求。AI 軟件應用的蓬勃發展可以形容為一場技術革命，它正在迅速滲透到社會的各個角落。AI 技術的通用性使其能夠被應用于多個行業，從醫療健康、金融服務到教育、交通等，這種

70、跨行業的適用性極大地擴展了AI 軟件應用的范圍。由于算力在國家經濟中的拉動作用具有重要意義，各國之間形成了在這由于算力在國家經濟中的拉動作用具有重要意義，各國之間形成了在這一領域的競爭。一領域的競爭。由于計算能力在全球經濟中扮演著至關重要的角色，各國都在積極參與這場科技競賽。例如，中美之間在人工智能領域的競爭尤為激烈。美國為了限制中國人工智能的發展，對中國的高端計算芯片實施了出口限制。同樣，世界上其他一些國家也加入了這場競賽，例如英國購買了大量英偉達的 GPU，并計劃建立運算中心，德國和法國等國也在進行類似的努力。目前，英偉達已經支持了全球多個超級計算中心的建設和運營。英偉達英偉達（NVDA.

71、US）請務必閱讀正文之后的免責條款部分請務必閱讀正文之后的免責條款部分 25 of 31 圖圖 41 各個國家在算力的競爭趨于白熱化各個國家在算力的競爭趨于白熱化 數據來源:英偉達官網 4.3.超線性增長超線性增長 超線性（超線性（Superlinear）的增長）的增長，用于描述量與量之間的一種變化關系，例如 y=a+b*xn，其中 n1。當 n=1 時，表示為線性關系，當 0n1 時，表示為亞線性關系。超線性增長在自然界中普遍存在，尤其適用于平臺型互聯網公司及技術的擴散初期，特征表現在：圖圖 42 超線性增長與線性增長超線性增長與線性增長 數據來源：國泰君安證券研究 1）單一維度超過線性增長

72、，超過一定閾值，增長會隨著變量而加速，我單一維度超過線性增長，超過一定閾值，增長會隨著變量而加速，我們看到上圖，就人類技術整體而言是加速普及的，速度越來越快的超線們看到上圖，就人類技術整體而言是加速普及的，速度越來越快的超線 英偉達英偉達（NVDA.US）請務必閱讀正文之后的免責條款部分請務必閱讀正文之后的免責條款部分 26 of 31 性加速，互聯網軟件如性加速，互聯網軟件如 Facebook 的收入增長，的收入增長，硬件如硬件如 Cisco 計算機計算機基基礎設施；礎設施；圖圖 43 達成全球達成全球 1 1 億產品所需時間（年）億產品所需時間（年）數據來源：格隆匯，國泰君安證券研究 圖圖

73、 44 Facebook Facebook 的收入呈現超線性增長的收入呈現超線性增長 數據來源：Wind，國泰君安證券研究 751676.553.52.520.750.1701020304050607080達成全球 1 億用戶產品所需時間（年）9個月2個月1.973.715.087.8712.4717.9327.6440.6555.8470.786.97117.93116.601020304050607080901001101202010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022Facebook 年度營收（US BN

74、）英偉達英偉達（NVDA.US）請務必閱讀正文之后的免責條款部分請務必閱讀正文之后的免責條款部分 27 of 31 圖圖 45 Cisco 的收入呈現超線性增長的收入呈現超線性增長 數據來源:Wind，國泰君安證券研究 超線性往往呈現出馬太效應，在一個維度的探索達到一定閾值開啟另外超線性往往呈現出馬太效應，在一個維度的探索達到一定閾值開啟另外維度的增長，維度的增長，xn，n1,本質上代表多維強勢因子的疊加，如英偉達的本質上代表多維強勢因子的疊加，如英偉達的GPU 達到業界極限后，開啟了達到業界極限后，開啟了 AI 超算，超算，CPU,網絡等產品超線性增長和網絡等產品超線性增長和發展發展：超線性

75、增長帶來加速的增長曲線形態，在競爭中遠遠甩開競爭對手，競超線性增長帶來加速的增長曲線形態，在競爭中遠遠甩開競爭對手，競爭中勝出者往往受損較小，能夠較大概率獲得下一個周期較好成長爭中勝出者往往受損較小，能夠較大概率獲得下一個周期較好成長：英偉達 24Q1 數據中心收入 42.8 億美金，24Q2 為 103.2 億美金，145.1億美金，我們驚人的發現 24 年 Q1+Q2 的收入約等于 Q3 的收入，呈現出明顯的階梯遞增，閾值突破；英偉達從極致的 GPU 表現擴展到 AI 芯片，CPU，網絡設備，以 278.7%的數據中心業務對比 AMD16 億美金（-0.7%）同比季度增速，在遠期 2027

76、 年很大可能實現 3000 億美金的數據中心系統整體收入，英偉達以 2 年一代芯片架構的自我系統演進速度，正高速進入超線性增長旅程。-40%-20%0%20%40%60%80%100%120%0100002000030000400005000060000收入(百萬美元）增速（%）英偉達英偉達（NVDA.US）請務必閱讀正文之后的免責條款部分請務必閱讀正文之后的免責條款部分 28 of 31 圖圖 46 NVDA 的數據中心收入將呈現超線性增長的數據中心收入將呈現超線性增長 數據來源:NVDA，國泰君安證券研究 圖圖 47 NVDA&AMD 的數據中心收入競爭對比的數據中心收入競爭對比 數據來源

77、:NVDA，AMD，國泰君安證券研究 5.風險提示風險提示 1.大模型技術成熟速度及安全規范控制不及預期；2.地緣政治限制芯片自由貿易；3.技術行業可能會受到宏觀經濟周期的影響。在經濟衰退期間，技術產品和服務的需求可能會下降；4.作為一家國際公司，英偉達可能會受到不同國家和地區法律法規變化的影響，尤其是與貿易政策和技術出口相關的法規；5.英偉達作為一家技術公司，特別是在顯卡和 AI 領域，可能會受到快速技術變革和強烈競爭的影響等。0200040006000800010000120001400016000英偉達數據中心業務營收（百萬美元）Superlinear0.0%0.0%82.8%82.8%

78、45.2%45.2%42.3%42.3%0.2%0.2%-11.1%11.1%-0.7%0.7%83.1%83.1%60.9%60.9%30.6%30.6%10.8%10.8%14.2%14.2%171.2%171.2%278.7%278.7%-50%0%50%100%150%200%250%300%0200040006000800010000120001400016000AMD數據中心(Data Center)(USD MN)NVDA數據中心(Data Center)(USD MN)AMD數據中心同比增長（%）NVDA數據中心同比增長（%）英偉達英偉達（NVDA.US）請務必閱讀正文之后的免

79、責條款部分請務必閱讀正文之后的免責條款部分 29 of 31 國泰君安海外科技國泰君安海外科技團隊介紹團隊介紹 深耕全球互聯網，輻射海外大科技，全面覆蓋社交、游戲、電商、互聯網金融、互聯網服務、AI 及硬科技、美股等領域，致力于結合產業視角與買方視角做差異化研究。秦和平秦和平 執業證書編號：S0880123010042 海外科技領域負責人、首席分析師 梁昭晉梁昭晉 執業證書編號：S0880523010002 海外科技分析師 李奇李奇 執業證書編號：S0880523060001 海外科技分析師 英偉達英偉達（NVDA.US）請務必閱讀正文之后的免責條款部分請務必閱讀正文之后的免責條款部分 30

80、of 31 本公司具有中國證監本公司具有中國證監會核準會核準的證券投資的證券投資咨詢咨詢業務資格業務資格 分析師聲明分析師聲明 作者具有中國證券業協會授予的證券投資咨詢執業資格或相當的專業勝任能力，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，本報告清晰準確地反映了作者的研究觀點，力求獨立、客觀和公正，結論不受任何第三方的授意或影響，特此聲明。免責聲明免責聲明 本報告僅供國泰君安證券股份有限公司（以下簡稱“本公司”）的客戶使用。本公司不會因接收人收到本報告而視其為本公司的當然客戶。本報告僅在相關法律許可的情況下發放，并僅為提供信息而發放，概不構成任何廣告。本報告的信息來源于已

81、公開的資料，本公司對該等信息的準確性、完整性或可靠性不作任何保證。本報告所載的資料、意見及推測僅反映本公司于發布本報告當日的判斷，本報告所指的證券或投資標的的價格、價值及投資收入可升可跌。過往表現不應作為日后的表現依據。在不同時期，本公司可發出與本報告所載資料、意見及推測不一致的報告。本公司不保證本報告所含信息保持在最新狀態。同時，本公司對本報告所含信息可在不發出通知的情形下做出修改，投資者應當自行關注相應的更新或修改。本報告中所指的投資及服務可能不適合個別客戶，不構成客戶私人咨詢建議。在任何情況下，本報告中的信息或所表述的意見均不構成對任何人的投資建議。在任何情況下，本公司、本公司員工或者關

82、聯機構不承諾投資者一定獲利，不與投資者分享投資收益，也不對任何人因使用本報告中的任何內容所引致的任何損失負任何責任。投資者務必注意，其據此做出的任何投資決策與本公司、本公司員工或者關聯機構無關。本公司利用信息隔離墻控制內部一個或多個領域、部門或關聯機構之間的信息流動。因此，投資者應注意，在法律許可的情況下，本公司及其所屬關聯機構可能會持有報告中提到的公司所發行的證券或期權并進行證券或期權交易，也可能為這些公司提供或者爭取提供投資銀行、財務顧問或者金融產品等相關服務。在法律許可的情況下，本公司的員工可能擔任本報告所提到的公司的董事。市場有風險，投資需謹慎。投資者不應將本報告作為作出投資決策的唯一

83、參考因素，亦不應認為本報告可以取代自己的判斷。在決定投資前，如有需要，投資者務必向專業人士咨詢并謹慎決策。本報告版權僅為本公司所有，未經書面許可，任何機構和個人不得以任何形式翻版、復制、發表或引用。如征得本公司同意進行引用、刊發的，需在允許的范圍內使用，并注明出處為“國泰君安證券研究”，且不得對本報告進行任何有悖原意的引用、刪節和修改。若本公司以外的其他機構（以下簡稱“該機構”）發送本報告，則由該機構獨自為此發送行為負責。通過此途徑獲得本報告的投資者應自行聯系該機構以要求獲悉更詳細信息或進而交易本報告中提及的證券。本報告不構成本公司向該機構之客戶提供的投資建議，本公司、本公司員工或者關聯機構亦

84、不為該機構之客戶因使用本報告或報告所載內容引起的任何損失承擔任何責任。評級說明評級說明 投資建議的比較標準投資建議的比較標準 評級評級 說明說明 投資評級分為股票評級和行業評級。以報告發布后的 12 個月內的市場表現為比較標準，報告發布日后的 12 個月內的公司股價（或行業指數）的漲跌幅相對同期的當地市場指數漲跌幅為基準。股票投資評級股票投資評級 增持 相對當地市場指數漲幅 15%以上 謹慎增持 相對當地市場指數漲幅介于 5%15%之間 中性 相對當地市場指數漲幅介于-5%5%減持 相對當地市場指數下跌 5%以上 行業投資評級行業投資評級 增持 明顯強于當地市場指數 中性 基本與當地市場指數持

85、平 減持 明顯弱于當地市場指數 國泰君安證券研究國泰君安證券研究所所 上海上海 深圳深圳 北京北京 地址 上海市靜安區新閘路 669 號博華廣場 20 層 深圳市福田區益田路 6003 號榮超商務中心 B 棟 27 層 北京市西城區金融大街甲 9 號 金融街中心南樓 18 層 郵編 200041 518026 100032 電話（021）38676666（0755）23976888（010）83939888 E-mail： 英偉達英偉達（NVDA.US）請務必閱讀正文之后的免責條款部分請務必閱讀正文之后的免責條款部分 31 of 31 附：海外當地市場指數附：海外當地市場指數 亞洲指數名稱亞洲

86、指數名稱 美洲指數名稱美洲指數名稱 歐洲指數名稱歐洲指數名稱 澳洲指數名稱澳洲指數名稱 滬深 300 標普 500 希臘雅典 ASE 澳大利亞標普 200 恒生指數 加拿大 S&P/TSX 奧地利 ATX 新西蘭 50 日經 225 墨西哥 BOLSA 冰島 ICEX 韓國 KOSPI 巴西 BOVESPA 挪威 OSEBX 富時新加坡海峽時報 布拉格指數 臺灣加權 西班牙 IBEX35 印度孟買 SENSEX 俄羅斯 RTS 印尼雅加達綜合 富時意大利 MIB 越南胡志明 波蘭 WIG 富時馬來西亞 KLCI 比利時 BFX 泰國 SET 英國富時 100 巴基斯坦卡拉奇 德國 DAX30 斯里蘭卡科倫坡 葡萄牙 PSI20 芬蘭赫爾辛基 瑞士 SMI 法國 CAC40 英國富時 250 歐洲斯托克 50 OMX 哥本哈根20 瑞典 OMXSPI 愛爾蘭綜合 荷蘭 AEX 富時 AIM 全股