FY19Q2点评：数据中心保持增长，汽车业务按部就班，等待无人驾驶接力，维持目标价280美元和“买入”评级

海外公司报告 | 公司动态研究 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）FY19Q2点评 证券研究报告 2018年08月18日 作者 何翩翩 分析师 SAC执业证书编号：S1110516080002 hepianpian@tfzq.com 雷俊成 分析师 SAC执业证书编号：S1110518060004 leijuncheng@tfzq.com 马赫 分析师 SAC执业证书编号：S1110518070001 mahe@tfzq.com 董可心 联系人 dongkexin@tfzq.com 相关报告 1 《英伟达（NVDA.US）FY19Q1点评：业绩再超预期，但受市场预期打满影响；强调数据中心算力革命，维持目标价280美元和“买入”评级》2018-05-11 2 《英伟达：挖矿跟英伟达的股价挂钩？虚拟货币业务是"小但不是零"，长期只会锦上添花》2018-04-16 3 《英伟达硅谷GTC现场直击：GPU算力革命再精进，推理端再接再厉，无人驾驶无惧浮云》2018-03-28 4 《英伟达FY18Q4点评：英伟达2017圆满收官，剑指2018待自动驾驶腾飞，重申买入，目标价280美元》2018-02-09 5 《英伟达点评：CES前哨：发布Xavier贺新年首彩，助力生态圈布局迎接无人驾驶「黄金十年」》2018-01-09 6 《人工智能芯片行业：人工智能立夏已至，AI芯片迎接蓝海；首推：英伟达GPU王者风范，Google TPU破局科技》2017-11-29 7 《英伟达深度：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》2017-11-12 8 《英伟达点评：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 9 《英伟达FY18Q2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 数据中心保持增长，汽车业务按部就班，等待无人驾驶接力，维持目标价280美元和“买入”评级 英伟达FY19Q2营收同比增长40%至31.2亿美元与市场预期持平，Non-GAAP EPS同比涨91%至1.94美元，高于预期的1.85美元。游戏业务收入同比增长52%达18.05亿美元，高于预期的17.4亿美元；数据中心业务同比涨83%至7.6亿美元，高于预期的7.5亿美元；汽车业务营收1.61亿美元，同比涨13%，好于预期的1.45亿美元。OEM&IP业务受数字货币价格滑坡而大幅下滑至1.16亿美元，其中区块链仅贡献1800万美元，但我们重申挖矿业务的附加性和一次性。FY19Q3指引营收32.5亿美元弱于市场预期的33.4亿美元，鉴于公司考虑挖矿贡献为零，以及公司预计Q4发布新游戏显卡，而使玩家购买需求滞后影响。 数据中心继续从训练垄断到推理扩张版图 AI芯片高需求景气度中，英伟达仍进一步依靠推理端渗透扩大可及市场。Q2数据中心业务同比涨83%，指引Q3继续同比和环比增长，我们预计该业务到2020年仍有CAGR 50%的增速。英伟达通过高性能计算服务器DGX打开顶尖HPC市场（Top500超算市场渗透率达56%），通过针对推理计算的Tensor RT 4加速器扩大使用场景（从只能做图像视频推理扩展至语音识别、语句合成、翻译和推荐系统等），并推广低端AI计算芯片P4降低使用门槛。英伟达数据中心的AI计算需求由三波客户驱动：Hyperscale巨头作为第一波客户在训练端的复购高渗透率正在向推理端延伸，第二波则是其他云计算大公司开始放量，第三波基于云计算互联网企业的海量数据和AI应用计算需求。 我们此前已多次强调，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；深度学习下游推理端包括云侧和端侧两部分，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。 汽车业务重拾动力待放量，新架构Turing拓展游戏/专业视觉壁垒 汽车业务重拾增长动力，本季同比涨13%，随着Xavier芯片开始量产，英伟达在高级别自动驾驶芯片的先发优势，也会随合作车企和Tier One供应商开始逐步进入测试适配阶段而进一步保持（Bosch、Daimler均选择DRIVE Pegasus在明年开始小规模路测）。英伟达完整自动驾驶策略方案包括：AI驱动的自动驾驶系统+英伟达从L2至L5都统一的底层计算平台+端到端的软件系统（数据收集、模型训练、驾驶模拟）+超过370个合作伙伴的开源生态平台。我们认为随无人驾驶产业普及待临界点来临，除了硬件成本较高、功耗较大等问题会迎刃而解，完整算法解决方案也会随之落地。 全新Turing架构主要针对游戏和专业视觉市场，通过实时光线追踪功能推动游戏开发、电影视频内容创作等视效提升。游戏业务长期仍依靠高端PC游戏（RTX、4K、VR给游戏带来电影艺术的视觉体验）、电子竞技和社交热情（PUBG及堡垒之夜的社交加成）以及用户基数升级周期（Pascal的安装率仍只有30%）带来稳固增长。 区块链影响进入尾声，降低公司整体业务不确定性 挖矿业务受币价影响加速消弭但也降低公司整体业务不确定性。本季度在OEM中仅1800万美元，低于公司预期的1亿美元，公司表示往前看区块链影响甚微，我们也重申挖矿业务的一次性无实质影响，长期“小但不是零”。结合公司业绩及Q3指引，我们对公司业绩预测进行调整，将FY19/20收入上调至131.1/167.9亿美元；FY19/20 EPS上调至7.98/9.81美元，对应PE 35/29x，维持目标价280美元和“买入”评级。 风险提示：GPU市场需求不及预期，行业竞争加剧等。 海外公司报告 | 公司动态研究 请务必阅读正文之后的信息披露和免责申明 2 1. AI立夏之时GPU大有可为 人工智能深度学习能够得以普及，其中重要的原因是计算能力的提升以及GPU的出现。1999年，英伟达设计并生产出被认为是世界上第一款消费者级别的3D图形GPU——GeForce 256。2012年，英伟达与谷歌的人工智能团队合作，建造出最大的人工神经网络，并首次将人工智能应用于分析YouTube视频内容。深度神经网络技术也在GPU的支持下实现了重大突破，英伟达为包括计算机视觉、语音识别、自然语言处理在内的人工智能“里程碑”式发展提供了长足的计算动力。 可以说，大数据、深度学习、GPU的一同出现才造就了当前人工智能的繁荣景象，这也是英伟达被誉为“深度学习的三大建立者之一”的原因。2013年11月，英伟达与IBM联合让GPU加速器技术正式进入到企业级数据中心当中。而“数据中心加速器市场”这个名词的正式出现，也成就了英伟达AI时代奠基者的地位。 数据中心加速器，也就是我们常说的AI芯片，应用在AI运算加速当中，如今这块蛋糕正越来越大，并进入到“百家争鸣”的非零和博弈阶段。AI计算强调“通用性和功耗的平衡”——在深度学习上游训练端（主要用在云计算数据中心当中），GPU是当仁不让的第一选择，ASIC包括谷歌TPU、寒武纪NPU也如雨后春笋般涌现。而下游推理端更接近终端应用，需求更加细分，GPU主流芯片之外，包括CPU/FPGA/ASIC也会在这个领域发挥各自的优势特点。 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” 资料来源：微软Build，谷歌官网，天风证券研究所整理 依靠通用及灵活的强大并行运算能力，广泛契合当前人工智能监督深度学习以及生成式对抗网络(GAN)/强化学习所需要的密集数据和多维并算处理需求，在未来3-5年内，GPU仍然是深度学习市场的第一选择。 2. 数据中心增长五倍可期 深度学习上游训练端由GPU主导并基本为英伟达所垄断，下游推理端虽然可容纳CPU/FPGA/ASIC等芯片，但竞争态势中英伟达依然占主导。这块业务（即英伟达数据中心业务）在2016年收入贡献8.3亿美元，增长145%；到2017年再涨133%至19.32亿美元。 从数据中心服务器支出构成的角度来估算，我们预测，随着GPU和其他AI芯片的成本占整体服务器成本将会从2016年的2%提升到2019年的10%，英伟达的数据中心业务将会由2016年的8.3亿美元增长5倍至2019年的45-48亿美元。 下为测算过程： 根据Gartner统计，2017年全球服务器出货量较2016年增长3.1%，而服务器销售收入则增长了10.4%，源于企业客户和超级数据中心的需求进一步向混合云服务器扩张，带来量训练端推理端GPU：以 英伟达 为主，AMD为辅标 榜通用 性，多维计 算及大 规 模 幵行计 算 架 构契合 深 度学习 的 需 要。在 深度 学 习 上 游训 练 端（主要 用 在 云计 算 数 据 中心里），GPU是当仁丌让的第一选择。GPU：英伟达VoltaGPU也 开 始布局 推 理端。深度学习下游推理端 虽可容 纳CPU/FPGA/ASIC等芯 片，但竞争态势中英伟达依然占主导。ASIC：以谷歌的TPU、英特尔的NervanaEngine为 代表，针 对 特定框 架 进 行深度 优 化定制。但 开发周期较 长，通 用性较 低。比特币 挖矿目 前使用ASIC专门定制化矿机。ASIC：下游 推 理端 更接 近 终端 应用，需 求 也更 加绅分，英 伟 达的DLA，寒 武纪的NPU等 逐 步面市，将依靠特定优化和效能优势，未 来 在 深度学 习 领 域分一杯羹。CPU：通用性强，但难以适应于人工智能 时代大 数据幵行计算工作。FPGA：依靠可编程性及电路级别的通用性，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。但 较 成 熟 的量产设备多采用ASIC。 海外公司报告 | 公司动态研究 请务必阅读正文之后的信息披露和免责申明 3 价齐升，同时，这些客户对于服务器的要求也更趋高端，导致销售额增长高于销售量。2016年服务器总销售收入约540亿美元，其中约86%即460亿美元属于x86服务器（2015年x86服务器比例为82%），另14%属于IBM等非x86服务器。 根据ARK Investment Management LLC测算，x86服务器中组件成本占90%，即410亿美元，包括英特尔CPU、英伟达GPU以及内存等；另10%属于HPE、Dell等制造商利润。 在410亿美元的组件成本中，英特尔占三分之一约136亿美元（英特尔2016年数据中心业务营收为172亿美元，ARK Investment Management LLC测算以80%计为数据中心服务器收入即136亿美元）；英伟达的GPU收入8.3亿美元仅占2%；其余65%则为主板、内存、硬盘、网络连接等设备。 图2：2016年全球数据中心支出分拆（单位：十亿美元） 资料来源：ARK Investment Management LLC，天风证券研究所 按照这个逻辑，我们对2019年数据中心服务器支出进行测算： 1、2017年服务器销售收入增长10.4%至598亿美元，Q1全球服务器收入同比增长33.4%，出货量也同比增长17.3%，行业景气度高涨。我们估计未来三年全球服务器出货量CAGR在6-7%左右，对应销售保守收入CAGR达到10%以上； 2、我们估计人工智能深度学习的需求加速带来的GPU和其他AI芯片在的数据中心加速器市场的扩张，会让加速器成本支出占比从2016年2%提升到2019年的10%。由此算得，2019年加速器市场空间约为58亿美元。 3、考虑到2016年加速器市场约8亿美元基本为英伟达GPU垄断（占比约100%，见图4，英伟达对应市场业务2016年收入为8.3亿美元），而到2019年若有部分AMD GPU、少量FPGA、AS