從GTC看英偉達的AI時代世界觀

1、AI 重塑數(shù)據(jù)中心計算芯片格局，DPU 再次挑戰(zhàn) Intel 壟斷地位服務器和數(shù)據(jù)中心用處理器芯片以 CPU 為主，AI 重塑數(shù)據(jù)中心計算芯片格局。根據(jù)我們的測算，受益于全球范圍內(nèi)云計算和數(shù)據(jù)中心服務的快速增長，2019 年全球服務器級處理器市場規(guī)模約 247 億美元，預計 2024 年達到 577 億美元，年復合增長率達到 18%。其中，服務器 CPU 是市場主要需求，目前占據(jù) 85%市場份額，我們預計其在未來五年保持 14%的年復合增長率。而在 AI、HPC 等新興需求的推動下，異構(gòu)計算需求不斷增長，我們認為數(shù)據(jù)中心對并行、專用的計算能力需求增長將更為快速。據(jù)我們測算，目前服務器 GPU

2、占據(jù)服務器級處理器市場13%的市場份額，預期未來五年CAGR 為27%，2024 年市占率上升至19%；云端 AI 專用芯片將迎來爆發(fā)期，預計未來五年 CAGR 為 66%，從目前的 2%的市占率提高至 2024 年的 10%。圖表 1: 全球處理器芯片的主要應用、類型和主要競爭者處理器芯片1280億美元主要應用場景主要芯片類型臺式機/筆記本桌面CPU+GPU服務器/數(shù)據(jù)中心服務器CPU+GPU無線通訊 手機/基站SoC嵌入式場景MCU市場規(guī)模380億美元247億美元450億美元200億美元x86 CPU:英特爾(INTC US) AMD (AMD US)x86 CPU:英特爾(INTC US

3、)AMD (AMD US)主要競爭者GPU:Nvidia (NVDA US) AMD (AMD US)英特爾(INTC US)ARM CPU:華為海思(未上市)GPU:Nvidia (NVDA US)AMD (AMD US)高通(QCOM US)蘋果(AAPL US)聯(lián)發(fā)科(2454 TT)三星電子 (005930 KS)紫光展銳(未上市)華為海思(未上市)德州儀器(TXN US)瑞薩電子(6723 JP) 意法半導體(STM EU)恩智浦(NXPI US)英飛凌(IFX GR)兆易創(chuàng)新(603986 SH)資料來源：IHS，Intel，AMD，中金公司研究部注：市場規(guī)模測算時間節(jié)點為 201

4、9 年圖表 2: 全球服務器計算芯片市場規(guī)模預測60,000（百萬美元）50,000云端AI專用芯片服務器GPU40,00030,00020,000 x86服務器CPU10,000020192020E2021E2022E2023E2024E資料來源：Mercury Research，AMD 財報，NVIDIA 財報，Intel 財報，中金公司研究部我們認為，受益于數(shù)據(jù)中心業(yè)務的發(fā)展，計算芯片的傳統(tǒng)廠商 Intel、NVIDIA、AMD 的服務器芯片業(yè)務收入預計迎來增長。隨著數(shù)據(jù)中心的硬件需求向并行計算的傾斜，我們認為 GPU市場增長率將超過 CPU 市場，擁有 GPU 業(yè)務的 NVIDIA 和

5、 AMD 增長速度將超過 Intel。圖表 3: Intel、NVIDIA、AMD 服務器計算芯片業(yè)務收入預測（百萬美元）60,00050,00040,00030,00020,00010,000020192020E2021E2022E2023E2024EIntelNvidiaAMD資料來源：AMD 財報，NVIDIA 財報，Intel 財報，Bloomberg，中金公司研究部軟件定義數(shù)據(jù)中心背景下，DPU 或?qū)⒊蔀槲磥頂?shù)據(jù)中心重要的基礎(chǔ)計算芯片?；诮衲?4月完成的對 Mellanox 的收購，英偉達發(fā)布了面向數(shù)據(jù)中心的新型處理器 BlueField DPU（數(shù)據(jù)處理單元）。在軟件定義數(shù)據(jù)中心

6、（SDDC）蓬勃發(fā)展的今天，數(shù)據(jù)中心基礎(chǔ)設(shè)施需要消耗高達 20%30%的 CPU 算力，而 DPU 作為 CPU、GPU 之外的新型數(shù)據(jù)中心處理器，我們預計其有望從 CPU 上卸載網(wǎng)絡(luò)、存儲、安全等任務，提高服務器性能并節(jié)省大量運營支出。英偉達表示，一顆 BlueField-2 DPU 能提供相當于 125 個 CPU 核所能支持的數(shù)據(jù)中心服務。正如 GPU 將并行計算/AI 從 CPU 卸載后所取得的成功，我們認為，DPU 將有望復現(xiàn) GPU 的經(jīng)驗，成為未來數(shù)據(jù)中心重要的基礎(chǔ)計算芯片之一。圖表 4: DPU 從 CPU 上卸載網(wǎng)絡(luò)、存儲、安全等任務圖表 5: NVIDIA BlueFiel

7、d-2 DPU 資料來源：GTC Keynote，中金公司研究部資料來源：GTC Keynote，中金公司研究部DPU/DOCA 軟硬件協(xié)同，英偉達上調(diào)數(shù)據(jù)中心長期 TAM 至 1,000 億美元。與 GPU-CUDA 類似，英偉達也為 DPU 推出了 DOCA 軟件開發(fā)工具包，方便開發(fā)者在 DPU 上構(gòu)建數(shù)據(jù)中心基礎(chǔ)設(shè)施服務程序。除了 DPU/DOCA 數(shù)據(jù)中心軟硬件新品，英偉達也在分析師會上上調(diào)了數(shù)據(jù)中心業(yè)務的長期 TAM，從 2019 年給出的 500 億美元（2023 年）上調(diào) 100%至 1,000 億美元（2024 年），該數(shù)字未考慮收購 Arm 的影響。我們認為，英偉達大幅上調(diào)數(shù)

8、據(jù)中心長期TAM，一方面反映收購 Mellanox 以及 DPU、邊緣 AI 服務器等新業(yè)務帶來的增量，另一方面反映了公司對數(shù)據(jù)中心軟硬件行業(yè)長期增長的信心。此外，英偉達在云端推理方面的統(tǒng)治力開始顯現(xiàn)，公司估算英偉達 GPU 云端推斷總算力已經(jīng)超過 CPU，并預計兩三年后英偉達 GPU 在云端推斷的算力占比將達到 90%。圖表 6: NVIDIA DOCA 架構(gòu)圖表 7: NVIDIA DPU 產(chǎn)品路線圖 資料來源：GTC Keynote，中金公司研究部資料來源：GTC Keynote，中金公司研究部圖表 8: 英偉達在云端推理方面的統(tǒng)治力開始顯現(xiàn)資料來源：GTC Keynote，中金公司研究

9、部邊緣 AI 發(fā)展前景廣闊，嵌入式開發(fā)平臺或成生態(tài)培育關(guān)鍵IoT 連接數(shù)迎來爆發(fā)，應用領(lǐng)域不斷拓展。根據(jù) Gartner 預計，全球物聯(lián)網(wǎng)終端數(shù)量將由 2019年的 83 億增加至 2025 年的 215 億，復合增長率 17%，其中短距離無線連接達到 178 億。中國方面，根據(jù)北京物聯(lián)網(wǎng)協(xié)會2019 年物聯(lián)網(wǎng)技術(shù)行業(yè)應用年度研究報告測算，到 2025年中國蜂窩物聯(lián)網(wǎng)連接數(shù)將有望達到 53.8 億。物聯(lián)網(wǎng)的應用百花齊放?，F(xiàn)有應用包括公共事業(yè)、政府、智能樓宇、安防等領(lǐng)域，我們認為隨著 4G/5G 的普及，車聯(lián)網(wǎng)等高附加值應用可能落地。圖表 9: 全球 IoT 設(shè)備連接數(shù)圖表 10: 2018 年

10、 IoT 終端設(shè)備分布（按應用場景） (十億個)連接數(shù)連接數(shù)YoY（右軸）21.518.515.813.52530%2025%20%1515%6%1%公共事業(yè)8%24%政府6%智能樓宇安防8%制造業(yè)與礦業(yè)汽車105020192020E 2021E 2022E 2023E 2024E 2025E10%5%0%8%19%12%醫(yī)療零售8%信息貿(mào)易 資料來源：Gartner，中金公司研究部資料來源：IHS，中金公司研究部，注：圖中為全球市場數(shù)據(jù)AI 計算開始從公有云，逐步下沉至企業(yè)私有云乃至邊緣數(shù)據(jù)中心。英偉達指出，人工智能最先興起于云數(shù)據(jù)中心，接下來將逐步下沉至企業(yè)級數(shù)據(jù)中心，

11、緊接著邊緣數(shù)據(jù)中心中也將開始搭載 AI 算力，例如工廠機器人、無人零售店、醫(yī)療機器人等都需要邊緣 AI 算力的支持。為更好地支持邊緣 AI 的發(fā)展，英偉達在本次 GTC 上更新了搭載 A100 GPU 和 DPU 的 EGX Egde AI 平臺，以及 59 美元的入門級 AI 機器人開發(fā)套件 Jetson Nano 2GB。圖表 11: 物聯(lián)網(wǎng)時代下邊緣 AI 發(fā)展空間廣闊資料來源：GTC Keynote，中金公司研究部圖表 12: 英偉達 EGX Egde AI 平臺圖表 13: AI 機器人開發(fā)套件 Jetson Nano 2GB資料來源：GTC Keynote，中金公司研究部資料來源：

12、GTC Keynote，中金公司研究部嵌入式開發(fā)平臺或成生態(tài)培育關(guān)鍵。在嵌入式開發(fā)領(lǐng)域，Raspberry Pi（樹莓派）為學生、教育工作者和愛好者提供了高性能比的硬件方案，同時也為 Arm/Linux 生態(tài)的發(fā)展做出了重要貢獻。在 10 月 GTC 上，英偉達推出了 59 美元的入門級 AI 機器人開發(fā)套件 Jetson Nano 2GB，拉低了邊緣 AI 開發(fā)門檻，我們認為將有助于英偉達在邊緣 AI 領(lǐng)域的生態(tài)培育，而 JetsonNano 或?qū)⒊蔀?AIoT 時代的 Raspberry Pi。未來協(xié)作平臺或是虛擬世界與物理世界融合英偉達持續(xù)強化軟件生態(tài)能力。目前，英偉達的軟件架構(gòu)體系中，

13、除了最底層直接控制 GPU硬件資源的CUDA 開發(fā)環(huán)境，還有豐富的CUDA-X 軟件加速庫和工具包，乃至適用于AI、HPC、醫(yī)療、工業(yè)、電子等各行業(yè)的應用平臺。英偉達在本次 GTC 上發(fā)布 80 款全新/更新的 SDK，持續(xù)強化自身的軟件生態(tài)，以增強競爭壁壘。黃仁勛1表示，“只有效率提升 10 倍以上時，開發(fā)者才會考慮采用新的平臺”。我們認為，英偉達構(gòu)建的以 CUDA 為核心的軟件生態(tài)，短期內(nèi)還未能看到有力的競爭者。圖表 14: 英偉達軟件架構(gòu)資料來源：NVIDIA，中金公司研究部圖表 15: NVIDIA 持續(xù)強化軟件生態(tài)能力資料來源：GTC Keynote，中金公司研究部1 https H

14、YPERLINK /gtc/keynote/ :/gtc/keynote/本次 GTC 上主要更新的軟件平臺包括 1）Omniverse 計算機圖形和仿真平臺正式公測： Omniverse 是 3D 仿真和協(xié)作平臺，可以實現(xiàn)在虛擬世界中對現(xiàn)實世界的逼真模擬，為機器人、汽車、建筑、工程、制造、媒體等行業(yè)的設(shè)計和協(xié)同工作提供全新工作方式；2）Maxine流媒體視頻 AI 平臺：整合凝視校正、實時字幕、噪聲消除等視頻、音頻和對話 AI 功能，提高流媒體質(zhì)量，改善視頻會議體驗；3）Clara Discovery 藥物發(fā)現(xiàn)平臺：集成預訓練的 AI 模型和框架，在尋找目標、構(gòu)建化合物、開發(fā)反應等各環(huán)節(jié)幫助

15、加速藥物發(fā)現(xiàn)；此外，對話 AI 平臺 Jarvis 以及推薦系統(tǒng)平臺 Merlin 也開始進入公測階段。圖表 16: NVIDIA Omniverse圖表 17: NVIDIA Clara Discovery 資料來源：GTC Keynote，中金公司研究部資料來源：GTC Keynote，中金公司研究部商湯自研底層平臺鑄就批量化模型生產(chǎn)能力，領(lǐng)跑十大 AI 垂直場景。公司自主研發(fā)和建立了深度學習平臺和 AI 超算中心，并以此為基石打造出批量生產(chǎn)和迭代模型的“算法工廠”能力。公司的“算法工廠”可以批量化生產(chǎn)定制場景的 AI 算法模型，不僅大大提高了效率、降低了人力成本，而且算法準確率已經(jīng)超過單

16、一手工生產(chǎn)的算法。目前，商湯在全國建設(shè)了 20 多個超級計算機集群，訓練出 3000 多種算法模型，掌握人臉識別、圖像識別、視頻分析、醫(yī)療影像識別、增強現(xiàn)實、無人駕駛和遙感等 AI 能力，在智能手機、汽車、智慧城市、智能交通、教育、醫(yī)療、零售、金融、地產(chǎn)、文旅等十大 AI 垂直場景保持領(lǐng)先地位。圖表 18：商湯科技 AI 業(yè)務布局商業(yè)智能智慧城市移動互聯(lián)網(wǎng)超級計算自動駕駛新興商業(yè)商業(yè)落地人臉識別 圖像識別 自動駕駛 增強現(xiàn)實 醫(yī)療影像 AI芯片應用深度學習平臺資料來源：商湯科技官網(wǎng)，中金公司研究部GPU超算中心曠視開源深度學習框架，助力 AI 基礎(chǔ)設(shè)施建設(shè)。2020 年 3 月，曠視科技發(fā)布

17、AI 生產(chǎn)力平臺 Brain+，包括天元 MegEngine 人工智能深度學習開源框架、MegData 數(shù)據(jù)管理平臺和 MegCompute 深度學習云計算平臺三大部件。Brain+作為統(tǒng)一的底層架構(gòu)，為算法訓練及模型改進過程提供重要支持，減少 AI 開發(fā)的人力與時間投入，并能夠針對不同垂直領(lǐng)域的碎片化需求定制豐富且不斷增長的算法組合。圖表 19: 曠視科技 AIoT 戰(zhàn)略架構(gòu)AI云端智能Face+人工智能開放平臺IoT城市大腦個人設(shè)備大腦FaceID在線人臉驗證平臺供應鏈大腦手機安全解決方案手機攝像解決方案資料來源：曠視科技官網(wǎng)，中金公司研究部城市管理數(shù)字化解決方案樓宇園區(qū)數(shù)字化解決方案教育

18、行業(yè)數(shù)字化解決方案倉儲物流數(shù)字化解決方案工廠制造數(shù)字化解決方案圖表 20: 可比公司估值表股票代碼公司名稱市值（百萬美元）收盤價交易貨幣市盈率2020E市銷率2021E2020E凈資產(chǎn)收益率（%）2021E2020ENVDA US英偉達(NVIDIA)340,868552.46USD49.9(a)43.0(a)18.2(a)16.0(a)40.9(a)AMD US超威半導體(AMD)97,64683.17USD76.050.611.09.034.5INTC US英特爾(INTEL)230,34254.16USD3.124.9QCOM US高通公司(QUALCOMM)145,546129.03USD19.9(a)17.3(a)5.2(a)4.8(a)123.8(a)XLNX US賽靈思(XILINX)28,834118.02USD33.2(a)31.3(a)8.4(a)7.5(a)3