以软件定义硬件，CUDA护城河高筑。1）GPU于20世纪末正式面世，主要针对图形处理设计，对应采用着色语言编程，程序员被迫将算法表达成图形流水线概念，学习曲线高、编程复杂性高、并行计算效率低。2）2006年11月，代号G80的革命性产品NVIDIAGeForce 8800面世，彻底改变GPU内核的硬件架构，采用统一渲染结构，目标直指通用计算。伴随G80发布，CUDA编程模型横空出世，提供了硬件的直接访问接口，而不必像传统方式一样必须依赖图形API接口来实现GPU的访问。软硬结合，GPU正式打开高性能计算大门。3）除了架构革新，CUDA还具备成本低、门槛低、兼容性高、生态广等多重优势。根据量子位报道，自CUDA推出以来，英伟达在将GPU转化为更通用的计算工具上投入了将近100亿美元。英伟达通过押注CUDA，为自身GPU业务构筑起高护城河。
　　AIGC时代，算法依旧快速变化，需要最广泛的生态支持。1）自OpenAI发布GPT以来，我们认识到，当前的AIGC算法已经具备了真实复刻和创造某些通用内容的能力，但真正落地到具体场景和应用，仍需大量的算法优化。2）面临大量的、多样性的算法需求，为了更好发挥硬件的性能效率，广泛的开发者生态必不可少，CUDA或成为目前最优解。截至2022年底，CUDA在全球共有380万开发人员使用，同比上年底增速约27%，仍在快速扩张；同时，公司已通过Inception项目与数百所大学和13000多家初创公司合作，传播人工智能。时至今日，CUDA已经历12个大版本更新，工具完备、功能丰富，广泛用于天文学、生物学、化学、物理、数据挖掘、制造、金融等领域的GPU加速程序。我们认为，CUDA生态仍将在未来相当一段时间内，在全球占据主导地位。随着大模型与部分应用逐步走向成熟，算力可部分由AMD或ASIC芯片实现补充。
　　算力持续短缺，CUDA生态厂商大有可为。1）全球来看，根据福布斯新闻，马斯克预计未来GPU需求量还会增至当前的3-5倍，算力需求有望持续高景气。而从供给端来看，英伟达作为AI算力龙头，正将部分产品交给英特尔代工，并计划在下半年大幅增加整个数据中心产品系列（包括InfiniBand和BlueField-3DPU）的供应，彰显其产能饱满，全球算力供不应求。2）国内代表厂商同样看到了AIGC引爆的算力需求，有望加速规划更大产能，例如，台积电表示AI订单需求突然增加、急需增加产能；浪潮信息正规划更大规模的液冷生产基地；中际旭创已向海外重点客户持续交付与GPU相配套的800G产品。3）我们认为，AIGC带来的算力需求正加速落地，供给端已加快产品迭代、扩大生产能力，在政策引导下，算力发展或形成上下合力，推动市场增长。
　　投资标的：英伟达、浪潮信息、中科曙光、光通信产业链、工业富联、海光信息、紫光股份、寒武纪、云赛智联、易华录、优刻得、昇腾算力、景嘉微等。
　　风险提示：AI技术迭代不及预期风险；经济下行超预期风险；行业竞争加剧风险。