人工智能立夏已至，AI芯片迎接蓝海；英伟达AI时代最强音，重申买入，TP上调至250美元

海外公司报告 | 公司深度研究 请务必阅读正文之后的信息披露和免责申明 1 英伟达（NVDA.US）深度 证券研究报告 2017年11月12日 作者 何翩翩 分析师 SAC执业证书编号：S1110516080002 hepianpian@tfzq.com 雷俊成 联系人 leijuncheng@tfzq.com 马赫 联系人 mahe@tfzq.com 董可心 联系人 dongkexin@tfzq.com 相关报告 1 《英伟达（NVDA.US）点评：营收盈利双超预期，千亿市值仅是AI立夏开端；重申买入，目标价220美元》2017-11-10 2 《英伟达（NVDA.US）点评：紧抓AI“芯”未来，数据中心+无人驾驶+游戏三驾马车齐发力；重申“买入”，上调目标价至220美元》2017-09-01 3 《英伟达（NVDA.US）点评：营收盈利再超预期，回调至150美元重获入场良机，重申“买入”坚定看好GPU龙头人工智能王者之路》2017-08-12 4 《人工智能芯片行业点评：英伟达GPU王者风范，Google TPU破局科技；人工智能冲入云霄，看好GPU、ASIC各领风骚》2017-05-31 5 《英伟达（NVDA.US）FY17Q4点评：营收盈利超预期，但Q1指引平缓影响市场情绪，GPU巨头发力数据中心和无人驾驶，引AI走进未来》2017-02-10 6 《英伟达（NVDA.US）点评：香橼唱衰英伟达，但GPU巨头发力数据中心和无人驾驶，带领AI走进未来》2017-01-02 7 《AMD英伟达平分秋色：AMD超英赶美AI启航，英伟达坐享“蛋糕做大”其成，上调目标价格》2016-11-19 8 《英伟达FY17Q3点评：营收盈利远超预期，三驾马车驱动人工智能魔术师，数据中心与汽车业务高唱入云》 2016-11-11 人工智能立夏已至，AI芯片迎接蓝海；英伟达AI时代最强音，重申买入，TP上调至250美元 AI芯片迎接蓝海，GPU引领主流，ASIC割据一地，看好未来各领风骚 在人工智能立夏将至的大趋势下，芯片市场蛋糕越做越大，足以让拥有不同功能和定位的芯片和平共存，百花齐放。后摩尔定律时代，我们强调AI芯片市场不是零和博弈。我们认为在3-5年内深度学习对GPU的需求是当仁不让的市场主流。行业由上至下传导形成明显的价值扩张，英伟达和 AMD最为受益。 在深度学习上游训练端(主要用在云计算数据中心里)，GPU是当仁不让的第一选择，但以ASIC为底芯片的包括谷歌的TPU、寒武纪的MLU等，也如雨后春笋。而下游推理端更接近终端应用，需求更加细分，我们认为除了GPU为主流芯片之外，包括CPU/FPGA/ASIC等也会在这个领域发挥各自的优势特点。 深度学习下游推理端，FPGA依靠电路级别的通用性，加上可编程性，适用于开发周期较短的IoT产品、传感器数据预处理工作以及小型开发试错升级迭代阶段等。以TPU为代表的ASIC定制化芯片，针对特定算法深度优化和加速，将在确定性执行模型(deterministic execution model)的应用需求中发挥作用。我们认为深度学习ASIC芯片，包括英特尔的Nervana Engine、Wave Computing的数据流处理单元、以及英伟达的DLA等逐步面市，将依靠特定优化和效能优势，未来在细分市场领域发挥所长。 英伟达GPU巨头的AI时代最强音，目标价上调至250美元 我们重申英伟达三大投资亮点：1）AI起锚，数据中心业务2020年前有望翻4倍；2）无人驾驶业务有望跟Mobileye平分秋色；3）以游戏业务为现金马，三驾马车齐发力。 数据中心业务2020年前有望翻4倍：深度学习上游训练端由GPU主导并基本为英伟达所垄断。英伟达数据中心业务去年收入8.3亿美元，我们预测今年收入将达18.4亿美元，全年实现超120%增长。与包括亚马逊、微软、谷歌、Oracle、国内BAT，以及所有OEM厂商的合作推进都在稳步进行。2016年全球新增服务器GPU渗透率仅为0.24%。我们预计英伟达数据中心业务在2020年前将达40亿美元，全球服务器GPU渗透率也将达4倍以上增长。CEO Jensen强调GPU加速对于包括物流行业DHL、UPS、FedEx，交通行业滴滴、Uber、Lyft等公司，都会从机器学习公司进化成AI公司，带动整个行业的革新。 自动驾驶广泛布局，3-5年期长期驱动：当前汽车业务还处在合作布局阶段，自动驾驶领域正在向“车企+供应商+芯片巨头+打车软件”的组合格局发展，我们认为，随着针对L5完全自动驾驶的Pegasus平台的发布，英伟达自动驾驶计算平台已经拥有行业最强大的计算性能，明年开始应该可以看到英伟达的汽车业务逐渐提升无人驾驶业务的占比，并在无人驾驶出租车等的共享经济市场看到商业化雏形。广泛布局把握先发，虽然英伟达当前在软件层面产品有限，但我们认为随着无人驾驶产业普及，成本逐渐下降，完整的解决方案也会随之落地。 以游戏业务为现金马，三驾马车齐发力：游戏业务依托高端PC游戏、VR以及电子竞技热情以及用户基数升级周期带来游戏业务的稳固增长。我们认为英伟达将持续巩固GPU市场龙头地位，保持现有业务充沛活力的同时自上而下推动AI浪潮，1300亿美元市值还仅是AI立夏开端。 估值：我们给予公司2018/19年EPS分别为5.04、6.20美元，对应2018/19年PE 50/40x，目标价格从220上调至250美元，重申“买入”评级。 风险提示：市场需求不及预期，研发能力影响产品升级。 海外公司报告 | 公司深度研究 请务必阅读正文之后的信息披露和免责申明 2 内容目录 1. 人工智能“脑力”基础：AI芯片繁荣共生，创造非零和博弈的一片蓝海 ....................... 4 1.1. AI芯片繁荣共生，GPU引领主流，ASIC割据一地，看好未来各领风骚................... 4 1.2. 行业首推：英伟达GPU王者风范，Google TPU破局科技 ............................................ 6 1.2.1. 英伟达GPU王者风范，TP上调至250美元 ............................................................ 6 1.2.2. AMD行业老二不遑多让，TP 16美元 .......................................................................... 7 1.2.3. Google软硬兼施，打造AI帝国，TP 1200美元 ..................................................... 7 2. 英伟达：GPU巨头的AI时代最强音，云计算+无人驾驶领全球AI之浪 ........................ 8 2.1. 数据中心抢滩战，英伟达先拔头筹 ....................................................................................... 10 2.1.1. 数据中心GPU空间测算：蓝海正当时 ..................................................................... 10 2.1.2. Volta更新迸发澎湃动力 .................................................................................................. 13 2.2. 自动驾驶谋长远蓝图 ................................................................................................................... 15 2.2.1. 英伟达成自动驾驶先行军，接棒数据中心 .............................................................. 18 2.2.2. 车载人工智能超级电脑Xavier片上系统 .................................................................. 20 2.3. 数字货币的一把火，带来GPU需求几何？ ........................................................................ 22 2.4. 估值：重申“买入”，TP上调至250美元 .......................................................................... 24 2.5. 英伟达整体盈利预测 ................................................................................................................... 26 图表目录 图1：目前深度学习领域常用的四大芯片类型，“通用性和功耗的平衡” ................................ 4 图2：目前深度学习领域常用的四大芯片类型及主要芯片商 ......................................................... 5 图3：目前深度学习领域常用的四大芯片类型，“通用性和功耗的平衡” ................................ 5 图4：深度学习在神经网络模型的应用中主要分为上游训练端和下游推理端 ......................... 6 图5：GPU和CPU结构上的区别............................................................................................................... 8 图6：深度学习在计算机视觉领域的优越表现 ..................................................................................... 8 图7：英伟达历史大事件 ............................................................................................................................... 9 图8：英特尔估算的AI相关工作及GPU在服务器中的使用率 .................................................... 10 图9：当前GPU在数据中心使用情况 .................................................................................................... 11 图10：全球服务器GPU市场估计........................................................................................................... 11 图11：全球数据中心工作负载变化 ..................................