计算机行业：英伟达大算力芯片助推智能汽车产业发展

投资建议：在自动驾驶领域与芯片巨头合作的计算机公司将具备竞争优势，推荐德赛西威、中科创达。德赛西威基于NVIDIAOrin系统级芯片的强大运算能力， 为理想汽车提供了性能优异的自动驾驶域控制器 ，理想汽车将在此基础上独立完成所有自动驾驶的程序设计和算法逻辑的设定。2021年11月，中科创达宣布设立智能驾驶平台公司，基于高通Snapdragon Ride智能驾驶平台研发域控制器。2022年4月7日，东软睿驰与芯驰科技签署战略合作协议 ，双方将在汽车智能化技术与产品领域展开深层合作。我们认为，与智能驾驶芯片厂商深度合作的公司将具备竞争优势，推荐德赛西威、 中科创达，受益标的 ：东软集团（ 东软睿驰）。 英伟达从图形处理器起家，借助人工智能行业发展的东风崛起 。 自英伟达从1999年提出GPU概念开始，就一直在这条路线上不断迭代演进 。推出CUDA架构使GPU支持通用计算和人工智能行业的兴起是英伟达发展历史上的两大转折点 ，使它从一个为游戏业提供显卡的公司一举腾飞成为人类人工智能和自动驾驶时代的奠基者之一。 伴随着GPU架构演进，英伟达逐步进军智能汽车领域。英伟达2015年推出NVIDIA Drive系列，其中DRIVE CX面向座舱，DRIVE PX面向自动驾驶。此后以一年一代产品的节奏，迭代出了DRIVE PX、DRIVE PX2、Drive PX Xavier、DRIVE PX Pegasus、DRIVE AGX Orin自动驾驶平台 。 自动驾驶进入算力角逐时代， 越来越多的车企开始与英伟达合作 。英伟达称未来六年汽车订单总收入已从80亿美元增长至110亿美元以上，覆盖了整个自动驾驶汽车行业， 其中大致分为以下四类：以梅赛德斯－奔驰为代表的传统车企 ；以蔚来为代表的造车新势力；以图森未来为代表的商用车自动驾驶公司 ； 以AutoX为代表的自动驾驶出租车公司。根据英伟达公布的数据 ， 已有超过25家汽车制造商采用英伟达自动驾驶芯片。 风险提示 ：汽车缺芯风险，监管风险 1.图形处理器之王，积极布局智能驾驶业务 1.1.历经坎坷，把握时代机遇 英伟达从图形处理器起家，借助人工智能行业发展的东风崛起。自英伟达从1999年提出GPU概念开始，就一直在这条路线上不断迭代演进。推出CUDA架构使GPU支持通用计算和人工智能行业的兴起是英伟达发展历史上的两大转折点，使它从一个为游戏业服务 ，做显卡的公司一举腾飞成为人类人工智能和自动驾驶时代的奠基者 。 下面让我们复盘英伟达的发展史： 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共同创立了英伟达。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。1995年5月，经过两年打磨，英伟达推出了首款面向游戏主机的多媒体加速器——NV1，并用在世嘉游戏主机上。但在同一年，微软开发出了采用多边形成像技术的图形编程接口——Direct3D标准，因为不能兼容该标准，NV1销量快速下滑。 1996年第一季度，英伟达停止销售NV1，并终止研发NV2，开始将重心转向图形处理器RIVA128。1997-1998年， 英伟达陆续推出RIVA128、RIVA128ZX、RIVATNT等图形处理器。这些新产品不仅支持微软Direct3D和OpenGL标准，在能效上也超越了竞争对手3Dfx的Voodoo和ATI的Rage Pro，加上价格低廉，逐渐获得整机厂青睐 。 1999年，英伟达推出历史上首款GPU。1999年1月， 英伟达全年营收突破1.5亿美元，并在纳斯达克挂牌上市。8月， 英伟达推出第一款以GeForce命名的显示核心——GeForce 256， 并首次提出GPU概念。2000年，英伟达收购竞争对手3Dfx，成为事实上的行业龙头，竞争对手只剩ATI（2008年被AMD收购，形成了CPU整合GPU的新解决方案）。 2004-2007年 ，英伟达投入大量资源研发使GPU通用化的CUDA技术，并让每一个英伟达GPU都支持CUDA。CUDA（Compute Unified DeviceArchitecture）是一个新的基础架构 ，这个架构可以使用GPU来解决商业、工业以及科学方面的复杂计算问题。 它是一个完整的GPU解决方案，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 。 相较于CPU，显卡拥有内存带宽大 、执行单元多、性价比高的优势，在解决并行化工作中优势明显。这也是今天开发者们进行AI深度学习 、 图像识别 ，以及未来构建元宇宙最为重要的基础设施。 2008年 ，英伟达推出了Tegra移动处理器，其功耗比普通PC笔记本电脑低30倍， 并提供优异的性能 。 2012年， 深度神经网络技术 （Deep Neural Network）在通用GPU的支持下实现重大突破。英伟达的业务在AI行业的快速兴起背景下繁荣发展 。此后的十年时间里面 ，英伟达一直在不断的在GPU技术上进行创新 ，并进行行业应用的不断尝试 。2013年，英伟达与IBM在建立企业级数据中心达成合作 。2017年，英伟达发布了面向L5完全无人驾驶开发平台Pegasus。 图1：GPU成为AI时代基础设施 2021年，英伟达在GTC大会上宣布将推出自己的首款CPU（基于ARM架构）。该芯片采用 5nm 工艺，在内部通信能力上，它使用了英伟达第四代NVIDIA NVLink，在CPU和GPU之间提供高达900 GB/s的双向带宽 ，相比之前的产品提升了八倍。 黄仁勋据此将英伟达重新定义为三芯片公司，覆盖CPU、GPU和DPU。 1.2.聚焦四大下游市场 按照下游客户来分，英伟达的业务主要分为四部分。英伟达瞄准四个大的市场 ：游戏、数据中心 、专业可视化和汽车。游戏业务是英伟达的传统业务，也是收入占比最高的业务，高性能游戏显卡是英伟达的拿手好戏。数据中心业务是仅次于游戏业务的第二大营收来源，云服务提供商正在使用图形处理单元(GPU)技术来处理数据用户创建的海量数据，包括最终存储在云服务器上的视频 、照片和消息，因此对于GPU的需求非常强烈。专业可视化产品在设计制造 、数字内容创造 、企业图像视觉领域发挥着重要作用，能够提升图像显示效果 。智能汽车业务是英伟达未来的核心业务，包含了出售给主机厂和供应商的芯片，以及对应的开发平台。 过去三年英伟达的收入和利润保持了高速增长，汽车业务收入占比不断提升，但仍然很低。汽车业务略有下滑的原因是传统驾驶舱收入减少 ，以及汽车供应链受限，自动驾驶项目收入略有补偿。 图2：英伟达近年来收入和净利润高速增长 图3：当前汽车业务收入占比并不高 1.3.GPU市场呈现寡头垄断格局 目前GPU市场呈现寡头垄断格局，英特尔占据集成显卡大部分份额，英伟达在独立显卡市场占有超过八成份额。Jon Peddie Research（JPR）发布了新的GPU市场数据统计报告 ，显示2021年第四季度PC使用的GPU出货量（包括集成和独立显卡）达到了1.1亿，环比增长了0.8%，同比下降了15%。其中独立显卡的出货量约为1300万张，环比增长3%，同比增长18%。作为全球最大的CPU集显供应商，英特尔继续在整体出货量上领先，占据着62%的市场份额。 AMD和英伟达平分了剩余的市场， 各占有19%的市场份额。台式机和笔记本电脑使用的独立显卡中，英伟达占据了81%的市场份额，AMD则拥有剩下19%的市场份额。虽然英特尔已推出了DG1系列独立显卡 ，不过并没有提供相关的出货统计数据。 图4：英特尔、英伟达、AMD瓜分GPU市场 2.汽车业务渐入佳境，从ADAS到L5全栈布局 2.1.2015年开始布局汽车业务 伴随着GPU架构演进，英伟达逐步进军智能汽车领域。英伟达2015年推出NVIDIA Drive系列，其中DRIVE CX面向座舱 ，DRIVE PX面向自动驾驶 。此后以一年一代产品的节奏， 迭代出了DRIVE PX、DRIVE PX2、Drive PXXavier、DRIVE PX Pegasus、DRIVE AGX Orin自动驾驶平台。 图5：英伟达GPU架构不断演进 Drive PX是英伟达第一款汽车芯片。它基于Tegra X1 SoC芯片开发，采用 20nm 工艺，256核Maxwell架构Cuda Core的GPU，和8个CPU(4个ARM CortexA57和4 ARM CortexA53)，Tegra X1是一颗移动处理器 ，并不专为汽车而设计，算力为1T左右。搭载1颗Tegra X1的第一代DRIVE CX面向座舱应用，搭载2颗Tegra X1的DRIVE PX面向自动驾驶应用。 DrivePX2是英伟达最先被车企规模采用的芯片。它基于 16nm FinFET工艺，功耗高达250W，采用水冷散热设计。支持12路摄像头输入、激光定位、雷达和超声波传感器；CPU部分包含两颗NVIDIA Tegra处理器，当中包括了8个A57核心和4个Denver核心 ；首发NVIDIA的GPU架构Pascal，单精度计算能力达到8Tflops。DRIVE PX 2是一个开放式人工智能车辆计算平台，对于车厂和一级供应商来说，可以根据这个平台做快速的、自主定制化的自动驾驶车辆研发 。 图6：DrivePX2平台2016年上市 2016年特斯拉跟Mobileye分道扬镳后即采用了英伟达的Drive PX2芯片，验证了大算力GPU芯片在智能汽车领域的竞争优势 。英伟达随后推出了Xavier、Orin、Atlan等芯片，目前进展是Orin被车企大规模定点，Atlan仍在研发中， 预计2024年上市。 英伟达在2016年发布了Xavier平台 ，于2020年量产 。Xavier核心是SOC芯片，Xavier采用 12nm 工艺，算力30TOPS，功耗30W，拥有8核ARM 64 CPU（Carmel） 和512核Volta架构Cuda Core的GPU。作为一款专为自动驾驶设计的芯片，Xavier还搭载了深度学习加速模块DLA模块和向量处理单元PVA，DLA和PVA是两个专用ASIC，DLA用于推理，PVA用于加速传统视觉算法 ，这是英伟达首次采用CPU+GPU+ASIC的技术路线。 在Xavier SoC基础上， 英伟达发布了两个级别的车载计算平台产品：Drive AGX Xavier和Drive AGX Pegasus。Drive AGX Xavier面向L2/L3级自动驾驶场景，集成了两颗Xavier SoC，一颗作为冗余备份。Drive AGX Pegasus面向L4/L5自动驾驶场景，集成两颗Xavier SoC和两颗GPU，算力达到320TOPS，功耗500W。 图7：小鹏P7成为首款搭载NVIDIA DRIVE Xavier的量产车型 英伟达2019年推出了DRIVE AGX Orin平台，并于2022年3月量产销售。该平台由2颗Orin SoC芯片和2颗Ampere架构的GPU组成，最高算力达到2000TOPS，功耗800W。Orin SoC采用7纳米工艺，由Ampere架构的GPU，ARM Hercules CPU，第二代深度学习加速器DLA、第二代视觉加速器PVA、视频编解码器、 宽动态范围的ISP组成， 同时引入了车规级的安全岛Safety Island设计。在自动驾驶硬件层面可以链接14个摄像头、一个激光雷达、5个毫米波雷达和12个超声波雷达，传感器的数据经过Orin每秒最高254万亿次的运算 ，可以为智能网联电动汽车提供决策依据 ，从而实现高级别的自动驾驶功能。英伟达通过Xavier和Orin完成了自动驾驶从ADAS到L5的全栈布局，通过不同组合 ，满足不同客户对不同自动驾驶等级的需求。 图8：OrinSoC芯片采用 7nm 工艺 表1：随着芯片迭代，算力不断提升 英伟达计划于2025年交付Atlan芯