公司简介
　　公司成立以来经历数次业务升级，实现由传统GPU供应商到平台化公司的转型升级，成就人工智能时代最璀璨的软硬件一体化AI解决方案领导者。2023财年公司实现营收269.74亿美元，同比+0.2%，实现净利润43.68亿美元，同比-55.2%。与AI息息相关的数据中心业务占比达到56%，成为公司最大营收来源。
　　投资逻辑
　　公司主导数据中心训练与推理市场，软硬件结合强化平台化布局。公司的CUDA是当下最适合深度学习和AI训练的GPU架构，已积累300个加速库和400个AI模型。硬件形成CPU+GPU+DPU的协同布局，训练和推理芯片性能大幅领先竞争对手，AI服务器GPU份额达80%，我们得测算数据中心业务潜在业绩弹性最高达36.38亿美元。同时自研数据中心服务器CPU搭配公司GPU，性能较传统x86 CPU提高数倍，在公司GPU高份额情况下强化平台优势。我们预计23-25年数据中心营收同增15%/25%/25%。
　　受益于高玩家基数和产品升级周期，游戏业务有望成为现金奶牛。22年公司游戏业务营收大幅下滑主要是虚拟货币市场萎靡导致上一代显卡库存过高。但游戏业务基本面优异，过高库存逐渐去化，独立GPU份额超80%，新一代40系列显卡供不应求，全球用户超2亿，我们预计23-25年游戏业务营收同增5%/10%/15%。
　　专业可视化打造元宇宙入口，面向工业领域落地Omniverse。作为元宇宙和数字工业化的入口，Omniverse成为AI生态构建的关键环节，其本身丰富的工具、领先的技术叠加没有竞争对手的先发优势将持续巩固公司平台化优势。产品导入初期对营收改善有限，我们预计23-25年专业可视化业务营收同增-25%/20%/20%。
　　公司前瞻布局自动驾驶，业务即将步入收获期。公司自动驾驶业务已导入前30大乘用车厂商中的20家，前10大货车厂商中的7家，前10大无人驾驶出租车中的8家，在手积压订单超110亿美元，我们预计23-25年自动驾驶业务营收同增50%/40%/30%。
　　盈利预测、估值和评级
　　我们预计公司2023-2025年实现营收296.98亿美元、358.19亿美元、436.79亿美元，净利润为75.79亿美元、101.97亿美元和131.42亿美元，对应EPS为3.07美元、4.13美元和5.32美元，对应PE为88x、65x和53x。我们给予2023年120倍估值，市值9095亿美元，目标价368.21美元，给予公司买入评级。
　　风险提示
　　终端需求不如预期；AI发展不如预期；美国加大对华制裁力度。
　　

研究报告全文：公司成立以来经历数次业务升级实现由传统供应商到平台GPU化公司的转型升级成就人工智能时代最璀璨的软硬件一体化AI解决方案领导者2023财年公司实现营收26974亿美元同比02实现净利润4368亿美元同比-552与AI息息相关的数据中心业务占比达到56成为公司最大营收来源公司主导数据中心训练与推理市场软硬件结合强化平台化布局美元元成交金额百万元公司的CUDA是当下最适合深度学习和AI训练的GPU架构已2980030000积累300个加速库和400个AI模型硬件形成CPUGPUDPU2670025000的协同布局训练和推理芯片性能大幅领先竞争对手AI服务器23600200002050015000GPU份额达80我们得测算数据中心业务潜在业绩弹性最高达17400100003638亿美元同时自研数据中心服务器CPU搭配公司GPU性143005000能较传统x86CPU提高数倍在公司GPU高份额情况下强化平112000台优势我们预计23-25年数据中心营收同增152525220411受益于高玩家基数和产品升级周期游戏业务有望成为现金奶牛成交金额英伟达22年公司游戏业务营收大幅下滑主要是虚拟货币市场萎靡导致上一代显卡库存过高但游戏业务基本面优异过高库存逐渐去化独立GPU份额超80新一代40系列显卡供不应求全球用户超2亿我们预计23-25年游戏业务营收同增51015专业可视化打造元宇宙入口面向工业领域落地Omniverse作为元宇宙和数字工业化的入口Omniverse成为AI生态构建的关键环节其本身丰富的工具领先的技术叠加没有竞争对手的先发优势将持续巩固公司平台化优势产品导入初期对营收改善有限我们预计23-25年专业可视化业务营收同增-252020公司前瞻布局自动驾驶业务即将步入收获期公司自动驾驶业务已导入前30大乘用车厂商中的20家前10大货车厂商中的7家前10大无人驾驶出租车中的8家在手积压订单超110亿美元我们预计23-25年自动驾驶业务营收同增504030我们预计公司2023-2025年实现营收29698亿美元35819亿美元43679亿美元净利润为7579亿美元10197亿美元和13142亿美元对应EPS为307美元413美元和532美元对应PE为88x65x和53x我们给予2023年120倍估值市值9095亿美元目标价36821美元给予公司买入评级终端需求不如预期AI发展不如预期美国加大对华制裁力度敬请参阅最后一页特别声明1公司深度研究内容目录一人工智能时代软硬件一体化的AI解决方案领导者511公司持续推动业务转型升级拥抱影响未来世界的人工智能512游戏与数据中心双轮驱动公司业绩持续成长713公司面向万亿美元的可触达市场平台化布局强化公司竞争优势11二AI大模型时代AI芯片GPUDPUCPU硬件全面布局1421AI的iPhone时刻到来算力需求大幅拉升1422AI芯片训练推理全面布局公司产品定义行业发展1723GPU独立显卡市场强者恒强公司龙头地位稳固1924DPU数据中心第三颗主力芯片助力数据中心迈入AI时代2125CPU面向数据中心定制自研CPUGPU组合强化平台化优势23三完整的软件生态助力英伟达与客户合作共赢2431CUDA架构帮助公司率先开拓加速计算深度学习2532Omniverse叠加其他AI平台覆盖多行业助力公司构建完整生态28四盈利预测与投资建议3241盈利预测3242投资建议及估值33五风险提示33图表目录图表1公司提供软硬件结合一体化解决方案5图表2公司从GPU芯片供应商逐渐转型成为软硬件一体的AI龙头6图表32013-2022年公司各业务营业收入7图表42013-2022年公司终端市场业务占比7图表52013-2022年公司及可比公司营业收入7图表62013-2022年公司及可比公司营收增速7图表72013-2022年公司及可比公司毛利率8图表82022年公司营收结构8图表914Q1-22Q4公司数据中心业务营收9图表10公司CPUGPUDPU三芯路线图9图表1114Q1-22Q4公司游戏业务营收10图表12公司光线追踪技术示意图10图表13公司DLSS技术示意图10图表1414Q1-22Q4公司自动驾驶业务营收11敬请参阅最后一页特别声明2公司深度研究图表15历年公司自动驾驶业务积压订单金额11图表1614Q1-22Q4公司专业可视化业务营收11图表17英伟达平台化解决方案12图表18公司测算远期可触达市场规模达到1万亿美元13图表19测算2026年数据中心GPU市场有望达224亿美元13图表20公司数据中心业务潜在业绩弹性亿美元14图表21ChatGPT成为历史上最快突破1亿活跃用户的应用程序14图表22AI人工智能不同落地场景15图表23公司量子计算平台15图表24公司量子加速平台15图表25计算光刻示意图16图表26ASML光刻机结构示意图16图表27公司Omniverse示意图16图表28训练与推理AI芯片对比17图表29CPUGPUFPGAASIC特点对比18图表302022年全球企业级GPU市占率18图表312022年中国AI芯片市占率18图表32主流AI训练芯片性能对比19图表33主流AI推理芯片性能对比19图表34独立GPU与集成GPU对比20图表35全球独立显卡市占率变化情况20图表36第四代TensorCore结构示意图21图表37主流电子游戏开启DLSS带来巨大性能提升21图表382023年3月市场高端显卡性能对比图21图表39DPU功能集示意图22图表40全球DPU市场规模预测22图表41DPU不同路线对比22图表42主流DPU性能对比23图表43公司GraceHopper超级芯片结构示意图23图表44采用NVLinkSwitch技术的GraceHopper与传统x86CPUHopperGPU对比24图表45采用NVLinkSwitch技术的公司GraceHopper与传统x86CPUHopper架构GPU运算速度对比24图表46全球独立GPU季度出货量百万25图表47全球独立服务器GPU季度出货量百万25图表48CPU与GPU架构25敬请参阅最后一页特别声明3公司深度研究图表49公司CUDA-XAI结构26图表50除Omniverse外英伟达软硬件生态结构27图表51Omniverse软硬件框架29图表52Omniverse架构30图表53公司分业务营收及毛利率预测33图表54可比公司估值比较市盈率法33敬请参阅最后一页特别声明4公司深度研究AI11公司持续推动业务转型升级拥抱影响未来世界的人工智能近四十年来摩尔定律一直是推动芯片行业发展的核心驱动力随着摩尔定律接近极限在成本和功耗的双重制约下指数级的性能增长逐渐放缓而AI和加速计算则成为算力需求激增数据中心功耗暴涨背景下延续摩尔定律实现可持续发展数字化以及卓越性能的最佳工具近日崛起的ChatGPT和AIGC正在推动企业重塑产品以及商业模型重构企业核心竞争力公司开创了加速计算的先河首先提出AI云计算概念用以帮助解决传统计算机无法解决的重大挑战并逐渐成长为全球人工智能的领导者公司的平台已安装在数亿台计算机中也用于各类云服务以及服务器厂商为TOP500超级计算机中的361台提供支持在整个生态中拥有超过350万开发者以终端应用场景区分目前公司的主营业务包括数据中心游戏专业可视化自动驾驶OEM其他近年来公司持续以CUDA为核心构建生态与技术的护城河将硬件软件系统算法库以及终端应用进行一体化整合通过整合底层GPUDPUCPU三大硬件建立统一的底层硬件架构使得从云端到终端不同的硬件平台都支持统一的CUDA软件平台而基于CUDA软件平台的可编程特性使内部或第三方开发者可以不断开发并完善CUDA的软件堆栈使得CUDA生态不断形成正向循环同时公司在各细分垂直领域落地全套解决方案建立起独特的生态与技术壁垒图表1公司提供软硬件结合一体化解决方案来源英伟达国金证券研究所敬请参阅最后一页特别声明5公司深度研究起步探索阶段1993-19981993年公司在硅谷成立并进军图形芯片业务公司成立初期市场已有20多家图形芯片公司外部竞争环境十分激烈1995年公司推出其首款产品NV1但由于性能和通用性缺乏竞争力投入市场后销量不佳公司一度处于破产边缘1997年公司推出全球首款128位3D处理器NV3即RIVA128它迅速获得了原始设备制造商的认可并在前四个月内出货量突破100万台公司依靠该系列中的Riva128zxRivaTNTRivaTNT2三大产品逐渐走向显卡芯片市场的主流地位1998年公司与台积电签约建立合作伙伴关系将其显卡交由台积电代工生产开启强强联合之路后公司与台积电连续几年保持70年复合增长率创造了业界奇迹快速成长阶段1999-20051999年1月公司在纳斯达克上升首日交易后价值5900万美元同年8月公司推出了全新架构的显示芯片也是全球第一个真正意义上的GPU芯片GeForce256GPU由此独立于CPU成为独立的计算单元公司还推出用于专业图形的Quadro256很快成为专业人士从事各种领域设计时遵循的标准当年公司实现出货量1000万台并由此步入快速成长阶段2000年公司收购图像技术先驱3dfx此后公司始终保持视觉计算领域霸主地位到2002年公司宣布实现GPU出货量累计高达1亿颗成为硅谷成长最快的半导体公司收入达到10亿美元转型升级阶段2006-20152006年公司推出通用GPU计算的革命性架构CUDA运用GPU并行处理能力来应对最复杂的计算挑战2007年公司在图形市场取得了突飞猛进的增长TeslaGPU的问世标志着公司正式步入超级计算领域随后一年公司紧接着推出了Tegra移动处理器其功耗比普通PC笔记本电脑低30倍经过20多年的发展公司逐渐形成GeForceQuadroTeslaTegra几大产品线其中GeForce用于PC和笔记本Quadro主要用于工作站Tesla主要用于大型计算Tegra则用于移动产品2015年其推出的TegraX1DRIVE高级驾驶辅助系统GeForceGTXTITANX等使公司扩展至人工智能自动驾驶等新兴领域应用领域持续转型升级飞速发展阶段2016-至今从2016年开始随着人工智能技术兴起公司GPU开始在深度学习领域被广泛应用得益于深度学习的技术开发将人工智能推到了一个新的高潮2018年公司发布了加入光线追踪技术的图灵Turing架构再一次重新定义了计算图形成为全球第一个支持实时光线追踪的GPU近年来随着AI算力持续革新公司在GTC2019大会上推出多项创新应用领域广泛覆盖人工智能高性能计算机器人自动驾驶医疗健康专业化视觉等众多领域图表2公司从GPU芯片供应商逐渐转型成为软硬件一体的AI龙头来源公司官网国金证券研究所敬请参阅最后一页特别声明6公司深度研究12游戏与数据中心双轮驱动公司业绩持续成长公司营收结构持续改善更具成长潜力的数据中心业务成为最大营收来源公司营收从2013年的41亿美元成长到2022年的26974亿美元年复合增速为232净利润从2013年的44亿美元成长到2022年的4368亿美元其中数据中心游戏专业可视化自动驾驶OED及其他在2022年分别实现营收15005569067341544690334552亿美元分别同比41-27-2760-61图表32013-2022年公司各业务营业收入图表42013-2022年公司终端市场业务占比数据中心亿美元游戏数据中心YoY游戏YoY专业可视化OEMIP专业可视化YoYOEMIPYoY300自动驾驶200自动驾驶YoY25015020010015050100050-500-10020132014201520162017201820192020202120222013201420152016201720182019202020212022来源CapitalIQ国金证券研究所来源CapitalIQ国金证券研究所2022年公司游戏业务的下滑拖累整体营收增速但2013-2022年营收的复合增速优于可比公司英特尔凭借着一直以来在CPU领域的领先地位营收早早超过了500亿美元但近年来伴随着CPU的市场份额被AMD不断蚕食英特尔营收增长出现乏力而2022年更是受到终端消费萎靡的影响营业收入同比减少20公司凭借持续地研发创新投入开创性的将GPU的应用场景从游戏和图像渲染拓展到人工智能自动驾驶以及其他领域随着数以千计的企业和用户使用GPU驱动的深度学习营业收入也是呈现高速增长的态势2013-2022年大部分时间的营收增速都要优于可比公司图表52013-2022年公司及可比公司营业收入图表62013-2022年公司及可比公司营收增速英伟达亿美元AMD英特尔英伟达AMD英特尔900808006070060040500204003000200-201000-4020132014201520162017201820192020202120222013201420152016201720182019202020212022来源CapitalIQ国金证券研究所来源CapitalIQ国金证券研究所公司毛利率领先可比公司2023财年见底后有望逐季改善从毛利率来看公司近年来毛利率稳定小幅成长从2013年的549一路成长到2021年的阶段高点6492022年受到PC需求衰退以及全球经济下滑的影响全年毛利率下滑到569四个季度的毛利率分别为655435536633最低点出现在2023财年第二季度但随着H100与RTX40系列等高端产品的推出也带动公司毛利率逐季改善公司展望2024财年第一季度公司毛利率将落在636-646由于个人电脑市场的持续萎缩英特尔的毛利率逐年下滑从2013年598下滑到2022年426而英特尔预计2023年第一季度将继续亏损而近年来AMD的处理器在性能上也不断追赶甚至超越英特尔的产品使得AMD在处理器市场的份额逐年提升也带动AMD公司毛利率自2016年以来逐年改善2022年全年毛利率为511敬请参阅最后一页特别声明7公司深度研究图表72013-2022年公司及可比公司毛利率英伟达AMD英特尔7060504030201002013201420152016201720182019202020212022来源CapitalIQ国金证券研究所公司目前四大主营业务分别为数据中心游戏专业可视化以及自动驾驶2023财年公司实现营收26974亿美元其中数据中心业务占比56包括DGXHGXEGXIGX系统以及GPUCPUDPUNetworking硬件等游戏业务占比33包括用于游戏的GPU显卡以及用于云游戏的GeForceNOW产品专业可视化业务占比6包括Quadro和Omniverse产品自动驾驶占比3包括DRIVEHyperionDRIVEAGX以及DRIVEAVIX产品图表82022年公司营收结构来源英伟达国金证券研究所主营业务一数据中心业务有望成为增长核心驱动力过去5年营收CAGR达51公司数据中心业务专注于加速超大规模云服务企业公共部门和边缘数据中心的计算密集型工作负载例如人工智能数据分析图形和科学计算等并基于GPUDPU和CPU三种新一代架构构建的加速计算平台围绕CUDA提供各类库和软件开发工具公司正在不断重塑AI时代的数据中心敬请参阅最后一页特别声明8公司深度研究图表914Q1-22Q4公司数据中心业务营收45数据中心亿美元YoYQoQ2504020035301502510020155010050-501Q143Q201Q153Q151Q163Q161Q173Q171Q183Q181Q193Q191Q201Q213Q211Q223Q223Q14来源Bloomberg国金证券研究所公司在数据中心市场逐渐完成CPUGPUDPU三芯的硬件布局2021年GTC大会上公司公布了数据中心芯片的路线图包括CPUGPU和DPU这三类硬件每种芯片都将以两年为周期进行迭代同时公司发布专为数据中心设计基于ARM架构的GraceCPU采用台积电4N工艺制造72核ARMv9指令集架构并自研CPU核心2022年GTC大会上公司推出全新一代Hopper架构的H100GPU采用台积电4N工艺拥有800亿个晶体管各类算力指标都是上一代产品A100的3-6倍2023年GTC大会上公司公布了GraceCPU的部分测试数据相较于现有数据中心使用的x86CPU运行微服务的速度快23倍内存密集型数据处理性能快2倍在多个技术计算应用上运行流体力学计算工作时速度快19倍GraceCPU有望在2023年下半年量产而基于CPU和GPU的硬件布局公司更推出了将两颗GraceCPU在同一款PCB上互联的GraceSuperchip以及将GraceCPU和HopperCPU封装在一起的GraceHopperSuperchip图表10公司CPUGPUDPU三芯路线图来源Forbes国金证券研究所主营业务二游戏业务成长性有限但有望成为长期现金牛业务过去五年营收CAGR仅10过去十几年间游戏是最大的娱乐产业PC端成为最主要的游戏平台3A游戏电子竞技社交连接以及游戏流媒体的兴起都在不断推动游戏业务的增长公司在游戏业务上提供面向PC和笔记本电脑的GeForceRTX和GeForceGTX显卡用于在硬件性能不足的设备上玩PC游戏的GeForceNOW云游戏用于在电视上播放高质量流媒敬请参阅最后一页特别声明9公司深度研究体的SHIELD以及用于游戏机的平台和开发服务目前公司在GPU领域的市占率超过80全球超过2亿游戏玩家使用公司的GeForce系列显卡图表1114Q1-22Q4公司游戏业务营收游戏亿美元YoYQoQ40120351008030602540202015010-205-400-601Q213Q213Q141Q153Q151Q163Q161Q173Q171Q183Q181Q193Q191Q203Q201Q223Q221Q14来源Bloomberg国金证券研究所公司的光追DLSS等技术引领游戏行业发展同步发力云游戏业务光线追踪长期以来一直用于电影行业的特效是一种计算密集型技术该技术通过模拟光线的物理行为甚至可以将电影级实时渲染应用于对图像要求极为严格的游戏中公司的RTX产品采用光线追踪技术在游戏中实现电影级质量的实时渲染以此提高用户的游戏体验而人工智能也正在引发一场游戏革命DLSS技术将人工智能引入到游戏内的物理动画模拟实时渲染和AI增强的直播功能借助DLSS技术公司基于AI的超高分辨率重新定义实时渲染即渲染更少的像素然后使用AI构建更清晰更高分辨率的图像图表12公司光线追踪技术示意图图表13公司DLSS技术示意图来源英伟达国金证券研究所来源英伟达国金证券研究所主营业务三前瞻布局自动驾驶业务即将迎来收获期过去五年营收CAGR达10公司正在以DRIVE品牌为自动驾驶市场提供完整的端到端解决方案使得客户可以基于公司平台快速高效地开发自动驾驶产品解决方案包括软件和硬件部分硬件端提供DriveOrinSoC和预计2025年量产的DriveThorSoC两种高算力自动驾驶芯片软件端包括基于DRIVEAV完整软件栈来实现自动驾驶地图绘制和停车服务的DRIVEChauffeur基于智能车载体验DRIVEIX软件的DriveConcierge和用于实时对话AI功能的OmniverseAvatar目前公司自动驾驶业务未来5年在手订单超110亿美元公司产品已覆盖前30大乘用车厂商中的20家前10大货车厂商中的7家前10大无人驾驶出租车中的8家我们看好公司自动驾驶业务即将步入收获期有望成为下一个十亿美元的营收板块敬请参阅最后一页特别声明10公司深度研究图表1414Q1-22Q4公司自动驾驶业务营收图表15历年公司自动驾驶业务积压订单金额自动驾驶亿美元YoYQoQ35150时间自动驾驶业务积压订单金额30100252020年数十亿美元2050150102021年超过80亿美元-500500-1002022年超过110亿美元1Q183Q141Q153Q151Q163Q161Q173Q173Q181Q193Q191Q203Q201Q213Q211Q223Q221Q14来源Bloomberg国金证券研究所来源英伟达国金证券研究所主营业务四专业可视化领域领导者持续推动全行业的创新发展过去五年营收CAGR达11从桌面到数据中心再到云端公司始终与独立软件供应商ISV密切合作来为专业可视化市场服务优化ISV为公司GPU配套的产品并为计算机辅助设计建筑设计消费品制造医疗仪器和航空航天等设计与制造环节以及专业视频编辑后期制作电影特效和广播电视等数字内容创作环节提供更具生产力的GPU解决方案公司目前占据了90以上的图形工作站市场份额4500万艺术家建筑师和产品设计师正在利用公司的产品来处理具有挑战性的工作流并突破创造力的极限图表1614Q1-22Q4公司专业可视化业务营收专业可视化亿美元YoYQoQ7200615051004503021-500-1001Q143Q141Q153Q151Q163Q161Q173Q171Q183Q181Q193Q191Q203Q201Q213Q211Q223Q22来源Bloomberg国金证券研究所13公司面向万亿美元的可触达市场平台化布局强化公司竞争优势人工智能正在成为这个时代最具影响力的技术力量我们认为人工智能包括芯片模组系统算法终端应用未来将成为整合电子通信软件及云边缘运算设备电子端后成为各种提升应用效能的人工智能工具平台各类AI应用即将落地像ChatGPT对话机器人以及特斯拉即将自动驾驶中引入AI学习框架传统应用在引入AI后将迎来巨变公司在完成由GPU显卡供应商向软硬件一体AI解决方案供应商的转变后形成了竞争对手难以企及的平台化优势公司相对于竞争对手的优势在于1硬件端产品布局齐全且性能突出公司在数据中心业务中完成CPUDPUGPU的组合布局数据中心GPU市占率遥遥领先H100A100等高端训练卡供不应求且性能大幅度领先竞争对手AMD的同代产品而英特尔仍处于起步阶段CPU端则是针对数据中心自研GraceCPU侵蚀竞争对手英特尔最大的主营业务公司在GPU高市占率的背景下GraceCPU搭配公司GPU使用相较传统x86CPU搭配公司GPU有数倍的性能提升使得公司CPU在数据中心的渗透率有望迅速提升2软件端前瞻布局竞争对手稀少CUDA平台是目前最适合深度学习AI训练的GPU架构在2007年推出后不断改善更新衍生出各种工具包软件环境构筑了完整的生态并与众多客户合作构建细分领域加速库与AI训练模型已经积累300个加速库和400个AI模型而竞争对手AMD的ROCm平台在用户生态和性能优化上还存在差敬请参阅最后一页特别声明11公司深度研究距面向元宇宙的Omniverse则是一个不断完善自身不断扩充用户群体的AI平台其本身丰富的工具领先的技术叠加没有竞争对手的先发优势将持续巩固公司在元宇宙以及数字工业领域的优势公司未来的发展机会在于软硬件结合的平台化布局以及不同领域快速落地垂直解决方案的能力公司以CPUGPUDPU等芯片硬件为基础构建DGXHGXEGX等硬件系统从云端到终端不同的硬件平台都支持统一的CUDACUDA-X等软件架构然后基于硬件系统和软件架构形成HPCAIOminiverse等应用平台最终落地到设计金融游戏仓储医疗高等教育数据中心交通运输公共领域等行业随着未来AI应用范围的深入和拓展公司将成为平台化布局的最大受益者图表17英伟达平台化解决方案来源英特尔国金证券研究所公司正瞄准万亿美元的市场加紧布局全栈解决方案根据公司的测算公司远期可触达市场TAM高达1万亿美元其中全球范围内拥有30亿游戏玩家和创作者其中25的人每年会花费超过100美金在购买PC笔记本云游戏以及游戏机中的GPU从而给公司游戏业务带来1000亿美元的可触达市场全球范围内每年5000万台企业服务器的软件订阅带动公司人工智能企业软件1500亿美元的可触达市场全球范围内超过4500万的设计师与创作者以及衍生的订阅服务带来Omniverse企业软件1500亿美元的可触达市场未来每年2000万台服务器的增量会带来GPUCPUDPUNIC交换机等硬件与系统3000亿美元的可触达市场全球范围内每年为1亿辆汽车提供各类硬件以及为数百万辆汽车提供软件方案将为公司自动驾驶业务带来3000亿美元的可触达市场敬请参阅最后一页特别声明12公司深度研究图表18公司测算远期可触达市场规模达到1万亿美元来源英伟达国金证券研究所我们测算2026年数据中心GPU市场规模将达到224亿美元公司作为数据中心GPU的龙头有望持续受益随着ChatGPT引爆新一轮人工智能应用的热情我们看好人工智能将成为未来无所不在的工具海内外数据中心云业务厂商纷纷开始推动AI基础设施建设AI服务器出货量在全部服务器中的占比逐渐提高根据TrendForce的数据2022年搭载GPGPU的AI服务器年出货量占全部服务器的比重接近12023年在ChatGPT等人工智能应用加持下AI服务器出货量有望同比增长820222026年出货量CAGR有望达108以AI服务器用GPU主要以公司H100A100A800主要出货中国以及AMDMI250MI250X系列为主而公司与AMD的占比约82我们测算2026年全球数据中心GPU市场规模有望达224亿美元22-26年CAGR达54基于以下假设1IDC预测2026年全球服务器出货量1877万台2AI服务器的占比逐年提升13AI服务器中GPU的搭载数量逐年提升05个4随着GPU产品迭代GPU单价逐年提升2000美元图表19测算2026年数据中心GPU市场有望达224亿美元20222023E2024E2025E2026E全球服务器出货量千1494514934162551762618768YoY104-01888465全球AI服务器占比0910111213全球AI服务器出货量千135149179212244AI服务器中GPU数量2253354GPU单价美元1500017000190002100023000数据中心GPU市场规模亿美元4063102155224来源IDCTrendForce国金证券研究所我们认为公司数据中心未来的业绩弹性取决于全球大模型竞赛激烈程度大模型保有量以及AI公司可接受的训练时长根据公司和其他机构的联合研究EfficientLarge-ScaleLanguageModelTrainingonGPUClustersUsingMegatron-LM中提到单个大模型的训练速度可以由以下公式大致推得8其中T为模型tokens超参数P为模型参数X为单GPU算力n为GPU数量因此基于以上函数我们可以依照全球大模型保有量以及模型训练天数这两个变量推断出不同参数下所需要的GPU数量由此推断出给公司带来的业绩弹性在测算中我们使用基于GPT-3大模型的一些参数P175bnT300bnX为140teraFLOPsGPU单价为15000美元其余参数和测算结果请见下表敬请参阅最后一页特别声明13公司深度研究图表20公司数据中心业务潜在业绩弹性亿美元大模型数量训练天数2030405060701800580871151441732021500691041391732082431200871301732172603039011517323128934640460173260346433520606303465206938661039121320520779103912991559181910103915592079259831183638来源英伟达OpenAI国金证券研究所AIAIGPUDPUCPU21AI的iPhone时刻到来算力需求大幅拉升ChatGPT是由OpenAI于2022年11月推出的人工智能聊天机器人该程序使用基于GPT-35架构的大型语言模型并通过人类反馈的监督学习和强化学习进行训练ChatGPT通过问答形式与用户完成交互可以完成自动生成文本自动问答自动摘要等多种任务ChatGPT因其能提供类似人类的响应迅速成为近期发展最快和关注度最高的应用之一上线5天用户突破百万上线两个月活跃用户突破1亿使其成为历史上用户增长最快的应用程序它的爆火出圈使得人工智能赛道迅速升温图表21ChatGPT成为历史上最快突破1亿活跃用户的应用程序来源CNBC国金证券研究所人工智能正在由云端走向终端应用场景2023年3月21日在公司的2023年GTC大会上公司宣布AI的iPhone即将到来并发布了与多个行业重要客户的合作成果包括量子计算计算光刻数字孪生等并且推出了新一代的超级计算机NVIDIADGXAI集成8个H100GPU模组大幅提升了单机算力同时推出DGXCloud云服务使得各行业企业都可以通过简单的网络浏览器访问AI超算集群大幅降低了部署本地算力基础敬请参阅最后一页特别声明14公司深度研究设施的复杂性图表22AI人工智能不同落地场景来源英伟达国金证券研究所NIDIADGXQuantum是全球首个GPU加速量子系统将全球最强大的加速计算平台NVIDIAGraceHopper超级芯片与CUDAQuantum开源模型实现叠加全球最先进的量子控制平台OPX由以色列公司QuantumMachines开发相结合可为高性能和低延迟量子经典计算的研究人员提供革命性的新架构实现了GPU和量子处理单元QPU之间亚微秒级延迟CUDAQuantum是全球首个使用经典计算机编办语言C和Python所构建的量子算法平台有助于在量子计算机和经典计算机上运行算法在2023GTC大会上公司认为短期内量子计算仍然处于研究阶段而非量产阶段但是借助公司DGXQuantum研究人员有望为量子计算的未来开发混合应用程序和关键算法图表23公司量子计算平台图表24公司量子加速平台来源英伟达国金证券研究所来源英伟达国金证券研究所在计算光刻领域公司推出了突破性的光刻计算库cuLitho将计算光刻加速40倍以上计算光刻是提高光刻分辨率推动芯片制造达到尖端工艺的关键手段作为芯片制造过程中最复杂昂贵关键的环节之一光刻成本约占硅片加工成本的13以上配合光刻计算EDA工具使用其可以帮助晶圆厂缩短原型周期时间提高产量为2nm及以上先进工艺奠定基础并使得曲线掩模HighNAEUV亚原子级光刻胶模型等新技术节点所需敬请参阅最后一页特别声明15公司深度研究的新型解决方案和创新技术成为可能目前计算光刻仍然使用CPU进行每年需要消耗数百亿CPU小时而晶圆厂的大型数据中心因此需要247全天候运行以便创建用于光刻系统的掩膜板这些数据中心是芯片制造商每年投资近2000亿美元资本支出的一部分公司H100GPU需要89块掩膜板在CPU上运行时处理单个掩膜板需要两周时间而在GPU上运行cuLitho只需8小时通过这项应用台积电可以把4万个用来驱动计算光刻的CPU服务器换成500套DGXH100能耗将从35兆瓦降至5兆瓦此外使用cuLitho的晶圆厂每天可以生产3-5倍多的光掩膜仅使用当前配置电力的19图表25计算光刻示意图图表26ASML光刻机结构示意图来源英伟达国金证券研究所来源英伟达国金证券研究所公司推出了第三代OVX计算系统和新一代工作站为基于NVIDIAOmniverseEnterprise的大规模数字孪生提供动力第三代OVX服务器通过组合双CPU平台BlueField-3DPUL40GPU两个ConnectX-7SmartNIC和NVIDIASpectrum以太网平台提供了突破性的图形和AI性能可加速大规模数字孪生模拟等应用进而提高运营效率和预测性规划功能公司还宣布了用于构建和操作元宇宙应用的平台NVIDIAOmniverse的相关更新增加了一系列生成式AI模拟仿真相关功能让开发者能够更轻松地部署工业元宇宙应用图表27公司Omniverse示意图来源英伟达国金证券研究所AI大模型时代算力需求提升明显并保持指数级增长2015至2016年左右AI大模型问世大模型趋势始于2015年底AlphaGo的出现并一直延续至今期间这些大规模模型由科技巨擘训练他们拥有的更多训练预算打破了以往的趋势大模型由于参数数量大幅增加所需要的算力也相较常规模型大幅增长目前ChatGPT的总算力消耗约为3640PF-days即假如每秒计算一千万亿次需要计算3640天需要78个投资规模30亿算力500P的数据中心才能支撑运行大模型算力增加呈指数级变化每9至10个月翻一番2015年推出的AlphaGoLee大模型所需要的训练量算力超过1021FLOPs而2021年推出的大模型Megatron-Turing敬请参阅最后一页特别声明16公司深度研究NLG530B的训练算力需求已经超过了1024FLOPs算力提升了1000倍左右图表28主流AI模型所需训练量变化情况红色为AI大模型蓝色为AI常规模型来源ComputeTrendsAcrossThreeErasofMachineLearning国金证券研究所22AI芯片训练推理全面布局公司产品定义行业发展类比成在学校中学习AI模型和大多数人一样为了完成一项工作需要接受教育具体来说经过训练training的AI模型可以将其所学应用于数字世界的任务例如识别图像口语词血液疾病或者向某人推荐她他接下来可能要购买的鞋子等各种各样的应用这种更快更高效的版本的AI模型可以基于其训练成果对其所获得的新数据进行推导在人工智能领域这个过程被成为推理inference训练所需要精度更高算力也更高并且需要有一定的通用性以便完成各种学习任务因此目前AI训练芯片的算力一般都采用16位浮点数进行标志另外支持32位浮点数计算甚至64位双精度数据的计算推理是借助已经训练好的AI模型进行运算利用输入数据获得所需要输出的结果对精度和算力要求较低因此一般推理都是采用8位整型对算力进行标志计算时也都是进行整型运算图表29训练与推理AI芯片对比场算力需求精度要求主要产品应用场景景高英伟达高一般使用16位英伟达V100A100H100AMD对特定的预研模型神经网络训H100fp16算力32位浮点甚至64MI200寒武纪思元290壁仞的大量参数进行运算训练使练达到位双精度数据BR100等模型能够完成各种任务2000TOPS较低英伟达T4英伟达L40T4A10A30AMD在已经完成训练的模型基础推较低一般使用8int8算力AlveoV70寒武纪思元100思上利用输入数据获得所需要理位或16位整型数据130TOPS元370燧原邃思10等输出的结果来源产业链调研国金证券研究所人工智能芯片多用传统型芯片或用昂贵的图形处理器GPU或用现场可编程门阵列芯片配合中央处理器FPGACPU为主用以在云端数据中心的深度学习训练和推理敬请参阅最后一页特别声明17公司深度研究通用专用型AI芯片ASIC也就是张量处理器或特定用途集成电路ASIC主要是针对具体应用场景三类芯片短期内将共存并在不同应用场景形成互补图表30CPUGPUFPGAASIC特点对比类别GPUFPGAASIC性能高计算能力强定制化设计可编程性灵活功耗和通用性特点功耗高性能稳定介于GPU与ASIC之间通用性好优秀的功耗控制寒武纪地平线比特大陆谷代表公司英伟达AMD赛灵思歌TPU来源ADLINK国金证券研究所公司于1999年发明了全球第一款GPU图形处理器GPU具有大量运算单元非常适合并行运算能够大幅提高计算效率借助GPU行业的深厚积累公司在2006年推出CUDA架构使科学家和研究人员能够利用GPU的并行处理能力来应对最复杂的计算挑战凭借GPU行业的深厚积累公司通过去掉传统GPU的图像渲染单元优化计算能力先后推出了多款训练推理AI芯片并且借助CUDA构建的丰富生态在AI芯片行业成为了全球龙头企业根据IDC数据2022年公司在全球企业级GPU市占率达到914同时根据产业链调研公司在国内AI芯片的市占率超过90图表312022年全球企业级GPU市占率图表322022年中国AI芯片市占率英伟达AMD其他英伟达其他来源IDC国金证券研究所来源产业链调研国金证券研究所AI芯片重要指标是算力和带宽算力是一秒钟所能完成的处理的数量决定了AI芯片的数据计算速度而带宽决定了AI芯片每秒钟可以访问的数据量如果AI芯片的算力不足对于大量算力需求的模型训练需要耗费更长时间同时考虑到AI芯片板卡之间的互联损耗AI芯片板卡增大到一定数量时会有类似边际效应的情况发生算力的增长大幅减小因此无法通过无限增加AI芯片数量来实现算力提升而带宽决定了AI芯片获得数据的能力如果算力非常高的AI芯片其带宽极小访问数据能力不足则无法让算力完全发挥也会限制性能因此大算力高带宽是AI芯片的发展方向训练端公司先后推出了V100A100H100三款芯片以及为了满足美国标准向大陆销售的A100和H100的带宽缩减版产品A800和H8001V100能加快AI高性能计算HPC和图形技术的发展其采用NVIDIAVolta架构并带有16GB和32GB两种配置在单个GPU中即可提供高10个CPU的性能2A100采用NVIDIAAmpere架构是NVIDIA数据中心平台的引擎A100的性能比上一代产品提升高达20倍并可划分为七个GPU实例以根据变化的需求进行动态调整A100提供40GB80GB显存两种版本A10080GB将GPU显存增加了一倍并提供超快速的显存带宽每秒超过2万亿字节TBs可处理超大型模型和数据集3H100使用NVIDIANVLinkSwitch系统可连接多达256个H100来加速百亿亿级Exascale工作负载另外可通过专用的Transformer引擎来处理万亿参数语言模型与上一代产品相比H100的综合技术创新可以将大型语言模型的速度提高30倍从而提供业界领先的对话式AI公司最新的H100算力接近2000T采用台积电5nm制程是目前算力最大的AI训练芯片随着模型参数数量增大训练所需要算力不断增长H100有望进一步巩固公司龙头地位敬请参阅最后一页特别声明18公司深度研究图表33主流AI训练芯片性能对比性能英伟达英伟达英伟达英伟达英伟达AMDMI壁仞寒武纪昆仑芯2燧原20指标V100A100A800H100H800250BR100290FP16112T1513T1513T算力125T624T624T362T960T128T256T128T1979T1979T130T128GBsPCIe或32GBs64GBs64GBs128GBs600GBs互联PCIE或PCIe或PCIe或PCIe或NVLink100GBs448GBs512GBs600GBs300GBs带宽300GBs600GBs400GBs450GBs或NVLinkNVLinkNVLinkNVLink900GBsNVLink内存16G32G40G80G40G80G80G80G128G64G32G32G32G制程12nm7nm7nm5nm5nm6nm7nm7nm7nm12nm来源各公司网站国金证券研究所推理端公司先后推出了A10A30T4L40四款芯片1A10可在易于管理安全且有弹性能依照各种需求进行调整的基础架构中加速多个数据中心工作负载范围涵盖绘图丰富的虚拟桌面基础架构VDI以及人工智能2A30借助NVIDIAAmpere架构TensorCore和多实例GPUMIG它可以安全加速各种工作负载其中包括大规模AI推理和高性能计算HPC应用程序具有PCIe外形规格非常适合主流服务器的A30集快速显存带宽与低功耗于一体不仅能实现弹性数据中心还能为企业带来更大价值3T4基于新型NVIDIATuring架构采用节能高效70瓦的小尺寸PCIe封装它已针对主流计算环境进行优化并配备多精度TuringTensorCore和新的RTCore与来自NGC的加速容器化软件堆栈相结合T4可提供大规模的革命性性能4L40由AdaLovelace架构提供支持为GPU加速数据中心工作负载提供革命性神经图形可视化计算和AI功能目前主流的推理芯片当中公司的L40算力为362T采用稀疏矩阵时算力超过700T优势较其他推理芯片明显图表34主流AI推理芯片性能对比性能指标英伟达A10英伟达A30英伟达T4英伟达L40寒武纪思元370250T330T362Tint8算力130T256T采用稀疏技术500T采用稀疏矩阵661T采用稀疏矩阵724T互联带宽64G64GPCIe或200GNVLink32G64G200G内存24G24G16G48G48G来源各公司官网国金证券研究所23GPU独立显卡市场强者恒强公司龙头地位稳固GPUGraphicsProcessingUnit图形处理器又被称为显示芯片多用于个人电脑工作站游戏主机以及移动设备智能手机平板电脑VR设备上专门运行绘图运算的微处理器图形处理器是公司在1999年8月发表GeForce256绘图处理芯片时首先提出的概念在此之前电脑中处理影像输出的显示芯片通常很少被视为是一个独立的运算单元独立GPU一般焊接在显卡的电路板上位置在显卡的风扇下面独立GPU使用的是专用的显示存储器显存带宽决定了GPU的连接速度集成GPU一般与CPU集成在一起集成GPU一般只支持电脑日常办公性能较低但功耗和成本也低而独立GPU具有更强大的性能可以支持大型游戏或图像处理软件运行但具有更高的功耗和成本敬请参阅最后一页特别声明19公司深度研究图表35独立GPU与集成GPU对比独立GPU集成GPU独立于CPU是单独的电脑组件有自集成在CPU当中与CPU共享系统内与CPU关系身内存存价格高低功耗高低性能高低主要生产厂商和NVIDIAGeForce系列AMDIntelHD系列AMDAPU系列产品Radeon系列高性能游戏电脑个人工作站VRAR应用场景办公用电脑手机人工智能等来源英特尔国金证券研究所根据JPR数据2022年全年桌面独立显卡的出货量为3786万块相比2021年的4915万大幅下降在2021年桌面独立显卡市场规模为518亿美元显卡平均售价为1056美元由于2022年桌面独立显卡的出货量下降明显整个市场的规模也减少了2414亿美元而显卡平均售价为637美元我们预计2023年下半年开始2020年疫情初期所购买的电脑将开始陆续进入换机周期叠加消费电子复苏有望使得独立显卡出货量及平均售价重新提升虽然市场处于下行周期公司独立显卡市占率稳步提高公司独立显卡市占率常年超过70而去年随着公司GeForceRTX40系列显卡推出凭借优异性能公司市占率更进一步根据JPR数据2022年Q3全球独立显卡市场当中公司占据88AMD占8英特尔为4而根据JPR数据公司2022年Q1在全球独立显卡的市占率为78公司在市场下行期间扩大份额有望在市场复苏时更巩固自身龙头地位图表36全球独立显卡市占率变化情况英伟达AMD英特尔100908070605040302010019Q420Q120Q220Q320Q421Q121Q221Q321Q422Q122Q222Q3来源JPR国金证券研究所公司GeForceRTX40系列显卡采用自研AdaLovelace架构打造出色的游戏与创作专业图形AI和计算性能AdaLovelace架构使用第四代TensorCore凭借公司在HopperH100数据中心GPU上首次推出的全新FP8Transformer引擎Ada的全新第四代TensorCore拥有快速计算能力可将吞吐量提升4倍达到14TensorpetaFLOPS同时为了满足图形渲染时的密集光线追踪工作负载Ada架构使用了第三代RTCore在视频游戏中实现了实时光线追踪第3代RTCore不仅将光线与三角形求交性能提高了一倍还将RT-TFLOP峰值性能提高了一倍之多Ada架构同时支持NVIDIADLSS3算法DLSS3算法利用AI技术生成更多帧以此提升性能DLSS会借助GeForceRTX40系列GPU所搭载的全新光流加速器分析连续帧和运动数据进而创建其他高质量帧同时不会影响图像质量和响应速度根据公司测试当开启DLSS3算法时主流游戏的性能实现了200560的增长敬请参阅最后一页特别声明20