电子行业集成电路系列报告三：从全球领先企业看GPU发展方向-20200311-东莞证券-31页.pdf

本报告的信息均来自已公开信息，关于信息的准确性与完整性，建议投资者谨慎判断，据此入市，风险自担。请务必阅读末页声明。电子行业电子行业 推荐（维持）集成电路系列报告三集成电路系列报告三 风险评级：中风险 从全球领先企业看从全球领先企业看 G GPUPU 发展方向发展方向 2020 年 3 月 11 日 魏红梅 SAC 执业证书编号：S0340513040002 电话：0769-22119410 邮箱： 研究助理：陈伟光 SAC 执业证书编号：S0340118060023 电话：0769-23320059 邮箱： 集成电路产业指数走势集成电路产业指数走势 资料来源：东莞证券研究所，Wind 相关报告相关报告 投资要点：投资要点：从世界巨头寻找发展的足迹。从世界巨头寻找发展的足迹。GPU的优势在于多核，每个核拥有的缓存相对较小，数字逻辑运算单元少且简单。GPU市场已经进入寡头竞争时代，PC端方面主要以Intel,NVIDIA，AMD为主。Intel借助其CPU在PC及服务器的绝对优势，在GPU市场方面也占据优势地位;NVIDIA与AMD则凭借领先的技术，在独立GPU领域占据优势。我们通过分析GPU的特性，以及NVIDIA与AMD的发展历程，得出两点结论：第一，外延并购加强研发才能提升市场竞争力；第二，独立显卡由于其优秀的性能将会是未来的主要发展方向。捕捉捕捉GPUGPU应用的三大方向之一：追求极致的娱乐与性能平衡。应用的三大方向之一：追求极致的娱乐与性能平衡。全球游戏市场蓬勃发展，带动PC出货量上升。在多种PC当中，游戏本受到的关注最多。游戏本的出货的上升在较大的程度上是由于支持光追技术的游戏本增加。但是高性能的GPU相对笨重且功耗大，未来笔记本会向轻薄化与强性能方向发展。捕捉捕捉GPUGPU应用的三大方向之二：人工智能与深度学习。应用的三大方向之二：人工智能与深度学习。人工智能已经成为经济发展的助推器。人工智能起始于深度学习。深度学习分为“训练”与“推理”两个过程。在“训练”阶段，GPU由于其多核特性，适用于并行计算；在“推理”阶段，由于目前FPGA与ASIC的技术尚未成熟，GPU仍是较为主要芯片。捕捉捕捉GPUGPU应用的三大方向之三：自动驾驶。应用的三大方向之三：自动驾驶。自动驾驶技术已经成为整个汽车产业的最新发展方向，市场空间广阔。目前，全球多个GPU公司已经在自动驾驶方面布局。GPU由于其并行计算的优势能较好地处理图像与媒体信息。目前GPU是自动驾驶领域的主流方案。投资建议：投资建议：预计未来GPU在三大应用方向的需求将会增加，相关公司在该领域产能放量。建议关注景嘉微、航锦科技、通富微电、长电科技等相关公司。风险提示风险提示：疫情蔓延导致技术下游需求受到抑制；公司产能受到不可抗力因素阻扰，导致下降；终端需求下降；技术研发不及预期等。-40%-20%0%20%40%60%80%100%19-0319-0519-0719-0919-1120-01集成电路指数沪深300行业专题行业专题 行业研究行业研究 证券研究报告证券研究报告 集成电路系列报告三 2 请务必阅读末页声明。目 录 1、从世界巨头寻找发展的足迹.4 1.1 GPU 的作用与分类.4 1.2 GPU 市场：寡头竞争时代已经来临.6 1.3 从世界巨头发展足迹寻找启示.8 1.3.1 世界独立 GPU 领先者NVIDIA.8 1.3.2 掌握处理器、集成 GPU、独立 GPU 三大技术公司AMD.12 1.3.3 获得启示.14 2、捕捉 GPU 应用的三大方向之一：追求极致的娱乐与性能平衡.15 2.1 全球游戏市场稳步发展.15 2.2 游戏发展，电竞市场功不可没.16 2.3 电竞市场带到相关设备出货增加.18 2.4 追求极致的视觉体验-光追技术.18 2.5 即使轻薄化也不能降低 GPU 性能Max-Q 技术.19 2.6 对消费电子类 GPU 的思考.21 3、捕捉 GPU 应用的三大方向之二：人工智能与深度学习.21 3.1 未来经济社会发展的助推器人工智能.21 3.2 GPU 是人工智能的重要组成部分.23 3.3 GPU 在深度学习领域空间广阔.24 4、捕捉 GPU 应用的三大方向之三：自动驾驶.26 4.1 自动驾驶市场空间广阔.26 4.2 国外龙头企业积极布局.27 4.3 自动驾驶目前以 GPU 为主.29 5、投资建议.30 6、风险提示.30 插图目录 图 1：CPU 与 GPU 之间的比较.4 图 2：GPU 按终端类别分类.6 图 3：全球 PC GPU 市场份额.6 图 4：Intel 与 AMD 处理器出货量之间的对比.6 图 5：NVIDIA 与 AMD 产品性能对比.7 图 6：整机功耗测试（单位：瓦）.7 图 7：NVIDIA 研发费用.9 图 8：NVIDIA 研发人员情况.9 图 9：Intel 与 AMD 合作生产 80286 处理器.12 图 10：AMD 锐龙 7 处理器.14 图 11：AMD 处理器比例.14 图 12：2018-2022 年全球游戏市场各细分市场收入预测.16 图 13：2019 年全球游戏市场设备及细分市场年同比.16 图 14：热门电竞游戏.16 图 15：全球电竞观众人数.16 图 16：全球电竞收入规模.17 图 17：2018 年全球电子竞技行业主要地区收入占比统计.17 图 18：2016-2019H1 中国电子竞技产业市场规模.17 tOrNnPyQuM9PdN6MtRqQoMnNiNpPtQfQnMoM6MoPoRvPnMmPMYmNzR 集成电路系列报告三 3 请务必阅读末页声明。图 19：2019-2024 年中国电子竞技产业规模预测.17 图 20：电竞市场用户规模.18 图 21：2018/2019 主要笔记本类别关注度对比.18 图 22：RTX 系列 GPU 发布.19 图 23：光线追踪的效果.19 图 24：显卡能效曲线.20 图 25：Intel 与 AMD 合作生产 80286 处理器.20 图 26：全球人工智能市场规模.23 图 27：我国人工智能产业规模快速增长.23 图 28：深度学习模型的训练与推理.23 图 29：中国人工智能芯片市场规模.25 图 30：各类市场智能芯片产品结构.25 图 31：2019-2021 年中国云端训练芯片市场规模.25 图 32：2019-2021 年中国云端训练芯片产品结构.25 图 33：2019-2021 年中国云端推断芯片市场规模.26 图 34：2019-2021 年中国云端推断芯片产品结构.26 图 35：2019-2021 年中国终端推断芯片市场规模.26 图 36：2019-2021 年中国终端推断芯片产品结构.26 图 37：自动驾驶芯片 Orin.27 图 38：NVIDIA 与滴滴合作的自能驾驶.28 图 39：Snapdragon Ride 平台.28 图 40：英特尔自动驾驶方案.29 表格目录 表 1：CPU 与 GPU 的区别.4 表 2：集成显卡与独立显卡的区别.5 表 3：全球独显的市场份额.7 表 4：全球移动 GPU 主要供应商.7 表 5：NVIDIA 收购的公司.9 表 6：NVIDIA 发布的技术.9 表 7：NVIDIA 的产品发布序列.11 表 8：NVIDIA 业务收入情况.12 表 9：AMD CPU 市场份额变化.14 表 10：世界主要国家和地区近年 AI 战略及规划.22 表 11：GPU、FPGA 和 ASIC 的优缺点对比.24 集成电路系列报告三 4 请务必阅读末页声明。1 1、从世界巨头寻找发展的足迹从世界巨头寻找发展的足迹 1.1 GPU1.1 GPU 的作用与分类的作用与分类 一般而言，消费者在选购消费电子产品的时候，例如在选购移动电话或者笔记本时，会更加关注 CPU（Central Processing Unit，中央处理器）的性能，例如 CPU 的品牌、系列、核心数量等等，而 GPU 受到的关注就相对较少。GPU（Graphic Processing Unit），及图形处理器,是一种专门在个人电脑、工作站、游戏机和一些移动设备（如平板电脑、智能手机等）上做图像和图形相关运算工作的微处理器。在 PC 诞生之初，并存在 GPU的概念，所有的图形计算都由 CPU 进行计算。然而，使用 CPU 做图形计算速度较慢，于是就设计了专门的图形加速卡用以帮助处理图形计算。再后来，NVIDIA 提出了 GPU 的概念，将 GPU 提升带了一个单独的计算单元的地位。CPU 一般由逻辑运算单元、控制单元和存储单元组成。CPU 虽然有多核，但总数没有超过两位数，每个核都有足够大的缓存;CPU 有足够多的数字和逻辑运算单元，并辅助有很多加速分支判断甚至更复杂的逻辑判断的硬件。因此，CPU 拥有超强的逻辑能力。GPU的优势在于多核，核数远超 CPU，可以达到数百个，每个核拥有的缓存相对较小，数字逻辑运算单元少且简单。因此，GPU 相对于 CPU 更适用于处理数据并行计算问题。图 1：CPU 与 GPU 之间的比较 资料来源：中关村在线，东莞证券研究所 表 1：CPU 与 GPU 的区别 CPU GPU 设计目标 侧重于程序执行的效率 重在对大量趋同计算的并行处理 运行复杂程度高，需要处理各种不同的数据行，同时逻辑判断有需要处理大量分支跳转和中断 运行复杂度低，面对的是不被打断的计算环境，处理类型统一的、无相关性的大规模数据 内部架构 大部分晶体管用于控制，缓存的等的设计，负责算数逻辑的处理单元不多 大部分的警惕管用于算数逻辑处理单元 逻辑核心复杂 逻辑核心简单 集成电路系列报告三 5 请务必阅读末页声明。GPU 具有两种分类方式，一种根据与 CPU 的关系，另一种是根据 GPU 所在的应用端类别。根据与 CPU 的关系，GPU 可以分为独立 CPU 和 GPU。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，显存带宽决定了和GPU 的连接速度。集成 GPU 一般与 CPU 集成在一起。集成 GPU 与 CPU 共有一个风扇和缓存。集成 GPU 由于设计制作、驱动程序都由 CPU 厂家完成，因此兼容性较好；此外,由于 CPU 与 GPU 实现了集成，因此，集成 GPU 的占用空间小；实现 GPU 与 CPU 的适配与兼容，集成 GPU 的性能相对独立 GPU 较弱，因此功耗和成本相对独立 GPU 较低。独立 GPU由于拥有独立的显存，更大的空间和更好的散热，因此在性能上面独立显卡更好；但需要额外的空间，能够满足复杂庞大的图形处理需求，并提供高效的视频编码应用。然而，强劲的性能意味着更高的耗能，独立 GPU 需要额外的供电，并且成本也更高。根据应用终端类别，可以分为 PC GPU,服务器 GPU，移动 GPU。PC GPU 应用于 PC 端。根据其所在产品定位既可以使用集成 GPU，也可以使用独立 GPU。例如，若 PC 以轻办公，文字编纂为主，一般产品会选择搭载集成 GPU;若 PC 需要制作高清图片，编辑视频，渲染游戏等，则选择的产品搭载独立 GPU。服务器 GPU 应用于服务器，可做专业可视化、计算加速、深度学习等应用，根据云计算、人工智能等一系列技术的发展，服务器 GPU将会以独立 GPU 为主。移动端轻薄化已经成为趋势，终端内部净空间由于多种功能模组的增加已经快速下降；同时就目前移动端需要处理的视频和图像而言，集成 GPU 已经能够满足。所以移动 GPU 一般采用集成 GPU。适用任务 适合运行具有分支密集型，不规则数据结构、逻辑更加灵活复杂等特点的串行程序。合适处理计算密集型、数据耦合度低、高度并行化的计算任务 资料来源：搜狐网、东莞证券研究所 表 2：集成显卡与独立显卡的区别 区别 集成显卡 独立显卡 与 CPU 的关系 集成在 CPU 里面的图像处理单位，构成 CPU 的一部分 单独插在主板上的图像处理单位，其接口是PCIE 接口，是一个单独的电脑组件 价格 低 高 兼容性 较好 较差 性能 较差 较好 升级成本 低 高 功耗 低 高 是否占用电脑内存 是 否 主要生产商与产品 Intel(HD 系列）、AMD（APU 系列）AMD（Radeon 系列），NVIDIA（GeForce 系列）主要应用领域 移动计算市场，如笔记本和智能手机 高性能游戏电脑，VR/AR，人工智能 资料来源：百度文库、东莞证券研究所 集成电路系列报告三 6 请务必阅读末页声明。1.2 GPU1.2 GPU 市场：寡头竞争时代已经来临市场：寡头竞争时代已经来临 PC GPUPC GPU 市场，市场，IntelIntel 优势明显。优势明显。根据 Jon Peddie Research 的数据显示，全球 2019 年第四季度 PC 领域 GPU 出货量，Intel 是全球最大的处理器供应商。目前主流的处理器架构是 X86，主要的供应商是 Intel，AMD，VIA。截至 2019 年第四季度，消费级 x86 CPU市场中，包括桌面品台，移动端平台（笔记本和平台 LOT 物联网）中，Intel 占据了 84.4%的市场份额，AMD 占据了 15.5%的市场份额。Intel 凭借在 CPU 出货量上的优势，通过销售集成 GPU，实现了在 GPU 市场的霸主地位。Intel 以 63%的市场份额排名第一，对比 2019 年第三季度环比下滑了 2 个百分点；AMD 作为全球第二大的 X86 架构处理器供应商，既受益于 CPU 出货带动的集成 GPU 出货量，也受益于自身优秀的独立 GPU 的出货。AMD 以 19%的市场份额排名二，环比上升 3 个百分点；NVIDIA 是全球领先的独立 GPU 供应商，同时结合 ARM 架构处理器，出货集成 GPU，市场份额为 18%，环比下降了 1 个百分点。图 3：全球 PC GPU 市场份额 图 4：Intel 与 AMD 处理器出货量之间的对比 资料来源：JPR，东莞证券研究所 资料来源：Pass Mark，东莞证券研究所 独立独立 GPUGPU 领域，领域，AMDAMD 奋起直追奋起直追。根据 Jon Peddie Research 发布的 AIB 数据显示，截至2019 年第四季度，在独立 GPU 域中，NVIDIA 以 68.92%的市场份额占据较大的优势。AMD方面，AMD 得益于在 2018Q4 所推出 RX 5500 及 RX 5600 系列，以及 RX 5700 系列的放量，72%65%63%13%16%19%15%19%18%0%10%20%30%40%50%60%70%80%90%100%Q418Q319Q419IntelAMDNVIDIA图 2：GPU 按终端类别分类 资料来源：2018 国产芯片趋势动产报告，东莞证券研究所 PC GPU服务器 GPU移动GPU按应用端类别应用于PC端，既有集成GPU，也有独立GPU应用于服务器，可做专业可视化，计算加速，深度学习等应用受限于移动端功耗与体积的限制，一般都是集成GPU.集成电路系列报告三 7 请务必阅读末页声明。多方因素共同促使 AMD 显卡份额大涨，从 2018 年 18.77%上升至 31.08%。AMD 推出的 Radeon 系列部分型号采用 7nm 工艺，并且在与 NVIDIA 的产品对比中（RTX2070 对标RX5700，RTX2070S 对标 5700XT），同系列 AMD 性能略强，价格更低，重点是功耗一样。更强的性能，更低的功耗，AMD 的产品无疑对 NVIDIA 的市场份额造成了挑战。图 5：NVIDIA 与 AMD 产品性能对比 图 6：整机功耗测试（单位：瓦）资料来源：ZOL，东莞证券研究所 资料来源：ZOL，东莞证券研究所 五雄争霸，手机厂商不甘寂寞。五雄争霸，手机厂商不甘寂寞。在移动 GPU 领域，主要以 Imagination、ARM、Qualcomm、Vivante、NVIDIA 为主。高通目前是 Android 阵营最大的处理器供应商。移动端主要使用集成 GPU，因此，高通 GPU 因其处理器的市场优势也有所受益。ARM Mail GPU 的主要使用者是华为和三星。ARM Mail的GPU性能相对较弱，因此华为在2018年通过推出 GPU Turbo 软硬件优化弥补短板。三星方面已经与 AMD 前敌多年的 IP 授权，AMD 将向三星授权最新的 7nm RDNA 架构 Radeon 显卡 IP,并且尝试自研 GPU。苹果在与Imagination取消合作两年后，再次选择与 Imagination 合作，并给予支付授权费。虽然目前手机巨头都是采取购买 GPU 厂商 IP 的方式，但是目前三星、苹果、华为等有相关计划进行 GPU 自研项目。手机已经进入同质化时代，手机之间的差异性已经成为手机厂商竞争优势的关键。公版 GPU 难以使手机厂商产生本质的差异性。因此，手机需要通过自研 GPU 以及 CPU 实现手机性能的差异化，从而获得市场的竞争优势。75018631903176971014187168987104391093110949122681252402000400060008000100001200014000RTX2060FERTX2060SRTX2070RX5700RTX2070SRX5700XTFireStrike ExtremeTimeSpy210225240220267265050100150200250300RTX2060FERTX2060SRTX2070RX5700RTX2070SRX5700XT表 3：全球独显的市场份额 GPU 供应商 Market share this quarter Market share last quarter Market share last year AMD 31.08%27.08%18.77%NVIDIA 68.92%72.92%81.23%总计 100%100%100%资料来源：AIB、东莞证券研究所 表 4：全球移动 GPU 主要供应商 厂商 GPU 核心 授权商 Imagination Power VR 系列，SGX 系列 Intel、联发科、LG、高通、瑞萨、三星、海思 ARM Mail 系列 三星、海思、瑞芯微、展讯、意法半导体、全志 集成电路系列报告三 8 请务必阅读末页声明。1.3 1.3 从世界巨头发展足迹寻找启示从世界巨头发展足迹寻找启示 1.3.1 1.3.1 世界独立世界独立 GPUGPU 领先者领先者NVIDIANVIDIA 怀着梦想，高歌猛进。怀着梦想，高歌猛进。1993 年 4 月，从集成电路生产商 LSI Logic 出来的黄仁勋，联合Sun 公司两位年轻工程师Chris Malachowsky 和 Curtis Priem 共同创立了 NVIDIA，他们的初衷是研发一种专用芯片，用来加快电子游戏中 3D 图像的渲染速度，带来更逼真的显示效果。他们相信，PC 终将会成为享受游戏和多媒体的消费级设备。最初几年，由于技术上的优势，NVIDIA 发展颇为迅速。发布了多款优秀的产品，例如 NVIDIA STG-2000X、RIVA 128 等，并在 1998 年与台积电签署了多年战略合作伙伴关系协议。台积电开始协助制造 NVIDIA 产品。高低起跌，成长并非一帆风顺。高低起跌，成长并非一帆风顺。1999 年，NVIDIA 在纳斯达克挂牌上市。同年 8 月，NVIDIA推出第一款以 GeForce 命名的显示核心GeForce256，并首次提出 GPU 概念。次年底，NVIDIA 以 7000 万美元现金、100 万股公司股票，将 3Dfx 收入囊中。此时的 NVIDIA 已经成为了行业的领头羊。2000 年，微软宣布选择 NVIDIA 为其首款 Xbox 游戏机提供图形处理器。在合作过程中，双方因交付价格问题产生矛盾。最终，微软把订单交给了 NVIDIA的竞争对手 ATI。这次合作的失败让 NVIDIA 遭受了沉重的打击，不仅 2003 年营收减少，还错过了微软 DirectX9 规格确立的重要消息，直接导致当年推出的 GeForce FX 由于兼容性问题败给 ATI 的 Radeon9700。在与微软合作失败的同时，英特尔也开始扶持 ATI。面对如此严峻的局面，NVIDIA 开始寻求走出困境之道。首先，主动与微软和解，争取再次合作；同时和英特尔达成了专利交叉许可协议。第三，扩展自己客户源，包括争取到为索尼的 PlayStation 3 游戏机开发处理器；与暴雪娱乐（Blizzard Entertainment）合作，发布了 3D 图形世界的魔兽世界，推动大型多人在线游戏成为全球最受欢迎的游戏。外延并购，强化技术本领才是硬实力。外延并购，强化技术本领才是硬实力。自 NVIDIA 创立以来，一直坚持技术创新，提升自身的实力。提升自身的技术实力有两种方式，一种是外延并购，一种是修炼内功。在外延并购方面，NVIDIA 自 1999 年上市，主要实施了 9 次并购活动。在这 9 次并购活动中，我们发现，NVIDIA 不仅通过并购活动巩固自身的技术优势，例如在 2000 年对 3dfx的并购；也有不断延伸自身业务范围的并购，例如，2006 年对 Hybrid Graphics 的并购，曾帮助公司开始进行嵌入式 2D 和 3D 图形软件的开发；2008 年对 AGEIA 的并购则是则是增项游戏中的视觉体验；2013 年对Portland Group 的并购则是推动为加速计算革命创建开发工具的进程。NVIDIA 通过并购活动不断拓展自身的业务范围，提升公司在市场的竞争力。Qualcomm Adreno 系列 自用、不对外授权 Vivante GC 系列 飞思卡尔、军政、Marvell NVIDIA Geforce 系列、Tegra 开普勒架构已对外授权 资料来源：超能网，中国电子网、东莞证券研究所 集成电路系列报告三 9 请务必阅读末页声明。NVIDIANVIDIA 积极修炼内功。积极修炼内功。自 2016 年起，公司的研发费用逐年增高。2015 年公司研发费用为 13.31 亿美元，2016 年公司研发费用为 14.63 亿美元，同比增长 9.92%；2017 年更是达到 17.79 亿美元，同比增长达到 22.83%。从 2017 年起，公司每年的研发费用保持双位数的增长，在 2018 年更是达到了 32.22%的增长。在人才储备方面，自 2014 年起，公司的研发人员比例，维持在 71%以上，即使当前全公司总人数已经达到 13775 人，公司的研发人员数量也有 9823 人。强劲的研发费用以及庞大的研发团队造就了 NVIDIA 一次又一次的技术创新，例如用于增强并行计算的 CUDA 架构、全球首款面向家庭的高清 3D立体解决方案，后期更有高级驾驶辅助系统、轻松创建和部署用于制造、配送、零售、智能城市等的 AI 机器人应用程序、为超级计算提供协助的加速器等一系列面向未来的高端技术。图 7：NVIDIA 研发费用 图 8：NVIDIA 研发人员情况 资料来源：公司公告，东莞证券研究所 资料来源：公司公告，东莞证券研究所 -5.00%0.00%5.00%10.00%15.00%20.00%25.00%30.00%35.00%0亿美元5亿美元10亿美元15亿美元20亿美元25亿美元30亿美元2015-12-312016-12-312017-12-312018-12-312019-12-31研发费用研发费用同比69.50%70.00%70.50%71.00%71.50%72.00%72.50%0人2,000人4,000人6,000人8,000人10,000人12,000人14,000人16,000人2014-1-12015-1-12016-1-12017-1-12018-1-12019-1-1总人数研发人员研发人员占比表 5：NVIDIA 收购的公司 时间 目标公司 意义 2000 年 3dfx 图形技术先驱 2003 年 Media Q 无线图形和多媒体技术的领导者 2005 年 ULi Electronics 核心逻辑技术开发商 2006 年 Hybrid Graphics 面向手持设备的嵌入式 2D 和 3D 图形软件开发商 2007 年 PortalPlayer 针对个人媒体播放器的半导体、固件和软件供应商 2008 年 Mental images 视觉渲染软件的领导者，其 iray 软件与 Quadro GPU 相结合，通过照片般逼真的设计效果为创意专业人士提供即时反馈 2008 年 AGEIA 游戏物理技术开发商，其 PhysX 软件在游戏中用于复制通过物理学影响物理世界中的物体的效果 2011 年 ICERA 基带领先者 2013 年 Portland Group 推动为加速计算革命创建开发工具的进程 资料来源：互联网公开资料、东莞证券研究所 表 6：NVIDIA 发布的技术 时间 技术 描述 1996 年 支 持Direct3D的Microsoft Direct3D 是一种用于渲染 3D 图形的 API，可满足其对性能的极高需求 集成电路系列报告三 10 请务必阅读末页声明。面向未来，拓展业务，形成生态。面向未来，拓展业务，形成生态。从 NVIDIA 的发展史可以看出，公司最早是以生产图形加速器起家，并逐步成为微软、索尼、暴雪等知名游戏品牌的合作商。同时，通过一系列的外延并购已经获得了视觉渲染的技术，并在游戏领域中实现应用。游戏与视觉化技术仅仅是 NVIDIA 的一部分业务，多年的技术积累与创新使 NVIDIA 可以不断拓展自身的领域，布局未来产业。2012 年，多伦多大学 Alex Krizhevsky 创建了能够从 100 万样本中自动学习识别图像的深度神经网络。仅在两块NVIDIA GTX580 GPU上训练数天，“Alex Net”就赢得了当年的 Image Net 竞赛，击败了磨练几十年的所有人类专家算法。认识深度学习的强大后，斯坦福的 Andrew Ng 与 NVIDIA 研究室合作开发了一种使用大规模GPU 计算系统训练网络的方法。这引起了全球关注。自此之后，深度神经网络技术迅速发展，Nvidia 也一举成为深度学习领域最炙手可热的公司。NVIDIA 在发布了“Fermi”架构后，在2015年发布了用于训练深度神经网络的最强大的处理器NVIDIA GeForce GTX TITAN X，2016 年发布世界上第一款台式深度学习超级计算机，可增强人工智能应用 NVIDIADGX-1。从架构到处理器再到超级计算机，NVIDIA 在不断地完善自身的生态。不仅是在深度学习领域，在自动驾驶领域，NVIDIA 也表现出色。自 NVIDIA 入局自动驾驶技术后，不断的研究开放式人工智能车辆计算平台，在 2015 年推出世界上第一块车载超级大脑第一代 Drive PX。随着技术的不断更新，优势也越来越大，NVIDIA已经成为自动驾驶硬件的前沿公司。目前的 NVIDIA 已经和 70 多个知名的车企合作，其中也包括一些交通网络提供商和自动驾驶技术公司。DirectX 驱动程序 2004 年 SLI 技术 提升单台机器的图形处理能力 2006 年 CUDA CUDA 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。2009 年 Fermi 下一代 CUDA GPU 架构 2009 年 3D Vision 全球首款面向家庭的高清 3D 立体解决方案 2010 年 Optimus 技术 自动管理 GPU 以平衡电池寿命和性能 2014 年 Maxwell 架构 GeForce GTX GPU 性能、图形和效率的革命性进步 2015 年 NVIDIA DRIVE 支持成熟的高级驾驶辅助系统，为自动驾驶汽车铺平了道路 2016 年 第 11 代 GPU 架构 NVIDIA Pascal 最先进的 NVIDIA Tesla 加速器和 GeForce GTX 显卡提供支持。2016 年 NVIDIA DRIVE PX 2 可实现强大的车载人工智能，使汽车行业走上自动驾驶汽车的道路。2016 年 IrayVR 模拟光线和材质，以创建交互式、照片般逼真的虚拟环境 2017 年 NVIDIA Volta GPU 架构 NVIDIA Tesla V100 GPU 加速器为 DGX系列 AI 超级计算机提供动力。2017 年 NVIDIA Isaac 机器人模拟器 使训练和部署智能机器人变得更加容易 2018 年 NVIDIA Turing GPU 架构 全球首款支持实时光线追踪的 GPU 提供动力 2018 年 NVIDIA Jetson AGX Xavier 轻松创建和部署用于制造、配送、零售、智能城市等的 AI 机器人应用程序。2018 年 NVIDIA Clara 平台 提升了数百万种传统医疗仪器的功能，并为人工智能医疗设备开创了未来 2018 年 NVIDIA 推出 RAPIDS 开源 GPU 加速平台，可加速数据科学和机器学习 2018 年 NVIDIA DRIVE Constellation 仿真系统 拟现实中模拟自动驾驶汽车在数十亿英里的安全驾驶。资料来源：互联网公开资料、东莞证券研究所 集成电路系列报告三 11 请务必阅读末页声明。大数据、人工智能、自动驾驶是社会未来发展的趋势，公司通过自身的技术积累，重锤出击。目前相关业务已经形成了较好的发展势头。据公司财报显示，2019 年公司实现营收 109.18 亿美元，其中游戏业务实现营收 55.18 亿美元，同比下降 11.66%，专业可视化业务实现营收 12.12 亿美元，同比增长 7.36%，数据中心业务实现营收 29.83 亿美元，同比增长 1.74%；自动驾驶业务实现营收 7 亿美元，同比增长 9.20%。目前游戏业务在公司营收中占据主要部分，达到 50%以上，但是可以看到，专业可视化、数据中心、自动驾驶等业务在营收中的占比逐步增加。我们认为，随着 5G 时代的来临，消费者对信息消费的需求增加，AR/VR、云游戏等一系列应用的推广，公司的游戏业务的有望重回上升轨道，专业可视化业务继续攀升；推动信息化社会进程加速的背后需要大数据、人工智能、自动驾驶等技术的配合，因为公司数据中心与自动驾驶业务未来将会继续收益。表 7：NVIDIA 的产品发布序列 时间 产品 描述 1995 年 NVIDIA STG-2000X NVIDIA 发布的第一款真正意义上被称为显卡的产品 1997 年 RIVA 128 第一款堪称成功的显示核心 1998 年 RIVA 128ZX 提供业界最快的 3D 处理能力 1999 年 RIVA TNT 第一款多纹理 3D 处理器。1999 年 Geforce 256（SDR 显存版）1、首次提出了硬件处理几何图形的 T&L 技术。2、支持硬件视频位移补偿和 MPEG-2 视频压缩。3、是第一个完全支持 DriectX7 技术的显卡。4、NVIDIA 在 GeForce 256 中首次提出了 GPU 的概念。2000 年 Geforce 2 Go 全球首款针对笔记本的 GPU 2001 年 Geforce 3 业界首款可编程 GPU 2003 年 Geforce FX5000 温度控制上存在问题，噪音问题严重 2004-2005年 Geforce 6800 系列显卡 NVIDIA 进一步将消费级市场进行划分。2006 年 Geforce 8000 系列显卡 G80核心使用65纳米工艺制造，内部集成了大量流处理器，使用了更大的显存带宽，更高的频率，从而获得了极强的性能。另外从 G80 核心开始，NVIDIA 的 SLI 技术开始支持3 显卡互联。2007 年 NVIDIA Tesla GPU 让此前在超级计算机中可用的计算能力同样适用于药物发现、医学成像和天气建模等领域研究人员的工作 2008 年 NVIDIA 推出了 Tegra 移动处理器 功耗比普通 PC 笔记本电脑低 30 倍，并提供超酷炫的性能。2011 年 NVIDIA推出全球首款双核移动处理器Tegra 2 首款 Android 平板电脑基于此打造而成。2012 年 GeForce GTX 600 系列 提供世界上最快的游戏性能 2013 年 Tegra 4 和 Tegra 4i 全球最快的四核移动处理器和首款完全集成的 4G LTE 移动处理器 2013 年 NVIDIA SHIELD 终极游戏和娱乐便携设备 2013 年 GeForce GTX TITAN 面向游戏玩家推出，采用与世界顶级超级计算机相同的DNA 2014 年 NVIDIA Tegra K1 将世界上最快 GPU 的 DNA 引入到移动端。集成电路系列报告三 12 请务必阅读末页声明。1.3.2 1.3.2 掌握处理器、集成掌握处理器、集成 GPUGPU、独立、独立 GPUGPU 三大技术公司三大技术公司AMDAMD 起于代工，与开始起于代工，与开始 IntelIntel 蜜月期。蜜月期。AMD 成立于 1969 年。刚开始的时候，AMD 没有资金和技术优势，一直是采取低价策略争取成为各类产品的第二供应商。由于 IBM，促成了 AMD与 Intel 的合作，并拿到了 Intel 的 X86 指令集的授权。IBM 的采购原则是必须两家以上的公司参与竞标，于是 Intel 开放技术，全面授权 AMD 生产 X86 系列处理器，AMD 成为8086和8088处理器的第二供应商。这也间接的提升了AMD的技术水平。1982年，Intel发布 80286 处理器，这是历史上两家公司第一次同时打上双方 logo 的产品。这块产品在市场上反应也比较好，在 6 年内，全世界基于 286 处理器的个人计算机便达到了 1500万台。2015 年 NVIDIA GeForce GTX TITAN X 用于训练深度神经网络的最强大的处理器 2015 年 NVIDIA Tegra X1 一款 256 核移动超级芯片，可为深度学习和计算机视觉应用带来 1 teraflops 的处理能力。2016 年 NVIDIADGX-1 世界上第一款台式深度学习超级计算机，可增强人工智能应用 2018 年 NVIDIA DGX-2 第一款能够提供 2 千万亿次计算能力的单一服务器 资料来源：互联网公开资料、东莞证券研究所 表 8：NVIDIA 业务收入情况 2020 年 1 月 26 日 2019 年 1 月 27 日 2018 年 1 月 28 日 Gaming 5518 6246 5513 Professional Visualization 1212 1130 934 Data Center 2983 2932 1932 Automotive 700 641 558 OEM&Other 505 767 777 Total Revenue 10918 11716 9714 资料来源：公司公告、东莞证券研究所 图 9：Intel 与 AMD 合作生产 80286 处理器 资料来源：互联网公开资料，东莞证券研究所 集成电路系列报告三 13 请务必阅读末页声明。蜜月结束，顽强生存。蜜月结束，顽强生存。AMD 在获得 286 处理器授权后便开始生产自己的 286 芯片，模仿286 制造了克隆体“Am286”。Intel 在意识到威胁后，英特尔终止了与 AMD 的技术合作协议。AMD 没有放弃，于 1989 年自主研发了性能与 286 相似的 AM386 处理器，通过不断生产兼容 Intel 的处理器，以低廉的价格打入市场，使得 AMD 顽强的生存着。Intel 在1997 年推出 Pentium MMX 后，退出 Socket 7 市场，这与 Intel 之前一直靠兼容性占领CPU 市场的策略背道而驰。AMD 迅速反应，抓住 Intel 战略失误的机