英伟达是全球知名的独立GPU供应商，同时也是构建AI生态的领军者之一。本文希望通过复盘英伟达的发展历程，总结其在成长过程中的成功要素，并以此为投资者和中国计算芯片行业发展提供更好的借鉴经验。

摘要

高端游戏显卡构筑行业壁垒，紧跟产业趋势助力虚拟现实产业成熟。回顾过去，GPU出货量与个人PC存在一定的关联关系。然而我们看到，得益于公司持续聚焦高端显卡市场，其游戏业务2014-2020年收入CAGR显著优于同期全球PC出货量表现。展望未来，我们看好公司基于自身在图像处理上的技术壁垒，持续提升GPU性能表现，并在此基础上助力VR游戏设计；同时，我们认为公司在虚拟现实上的图像处理能力也将有效外延至社交、广告、消费等潜在的VR内容设计，助力虚拟现实生态不断成熟。

数字孪生构想推动公司人工智能新生态构建。2015年，以英伟达为代表的硬件公司提出“云计算+AI”概念，引发了新一代通用计算平台的变革。我们看到，得益于公司持续发展以CUDA为核心的软硬结合生态，英伟达的数据中心产品受到市场高度认可。展望未来，我们看好公司协同发展GPU、DPU、CPU三类芯片，并通过Omniverse平台实现数字孪生，在机器人、仓库、工厂等多场景实现模拟、训练、运行等功能。我们认为英伟达正通过硬件、软件、应用等多维度构建人工智能新生态，推动用户加速实现数字化智能转型。

自动驾驶迎来“黄美股投资网年”，积极进军新蓝海。我们认为，汽车在未来十年有望沿电动化、智能化、网联化、共享化主线依次展开，域控制器(DCU)/中央集中式架构有望成为未来汽车的新形态，对算力的高要求有望趋使以SoC芯片为核心的车载计算平台不断演进。

风险

AI 落地不达预期。中美贸易摩擦加剧拖累半导体行业复苏。

正文

投资亮点

图表：全文观点梳理

资料来源：英伟达官网，万得资讯，中金公司研究部

英伟达：全球AI生态构建的领军者之一

公司市值规模、主要产品及服务介绍

1993年1月，前LSI Logic工程师Jenson Huang(黄仁勋)与从Sun Microsystem走出的Chris Malachowsky和 Curtis Priem在硅谷中心的圣克拉克市创建了英伟达(NVIDIA Corporation，股票代码：NVDA US)。创立初期其致力于成为全球领先的电脑和游戏机GPU芯片设计公司。伴随着AI时代的到来，公司期望借助GPU并行计算的特性，为新的计算时代带来变革，在计算机、机器人、自动驾驶汽车等领域发挥新的作用。

美股市值最大的计算机芯片设计公司之一。虽然相较传统科技巨头(苹果、微软、亚马逊、谷歌、Facebook等)而言，公司市值体量仍存在差距。截止2021年11月15日，英伟达市值达到7,598亿美元，超过英特尔与AMD，是美股市场上市值体量最大的计算机芯片设计公司。

目前英伟达主要将产品分为游戏、数据中心、自动驾驶、专业可视化等板块。据公司FY2021财报显示(即自CY 2020/1/31至CY 2021/1/31期间)，公司共取得营业收入166.75亿美元。其中游戏业务收入占比47%，包含GeForce RTX 30系列显卡等；数据中心业务占比40%，包含BlueField DPU，NVIDIA A100等产品；专业可视化业务占比6%，以Quadro系列产品为主；自动驾驶业务占比3%，包括AGX Xavier开发者套件、Driver Atlan等产品。

公司发展历程：从图像处理到通用计算

专注图像处理的GPU设计公司起步(1993-2005年)：1993年，英伟达成立，怀着PC会成为游戏和多媒体的消费级平台的信念，公司持续专注图像处理产品。1995年起，公司陆续推出基于二次曲面贴图(quadratic texture maps)的产品NV1和NV2，但因与主流的微软Direct 3D图像标准不符而致使公司险些破产。在吸取失败的教训后，公司迅速成长，于1998年和台积电签订合作协议，为今后的发展奠定坚实基础；1999年，公司在纳斯达克上市，市值达2.3亿美元，并在同年发明了全球首个GPU(图形处理器)。彼时的GPU在计算机内部接管了大量CPU承担的图形渲染工作，为使用者提供更为细腻的三维成像效果。

坚持构建以CUDA为核心的软硬结合生态(2006-2009年)：早在2003年，在全球计算机图形学会议SIGGRAPH上，与会人士便探讨利用GPU进行通用计算的设想和模型，为第四代GPU即GPGPU奠定了基础。2006年，英伟达推出具有开创性的并行编程模型CUDA，用于GPU通用计算，为未来公司软硬结合的生态埋下了伏笔。然而由于CUDA的设计导致芯片面积增大，GPU散热成为了难以解决的问题。2008年，公司G84/G86核心产品出现显卡过热的问题，过高的GPU温度致使PC出现花屏，最终公司付出了近2亿美元的代价。直到2009年，新的Fermi架构推出才令市场重拾信心，公司的市场表现出现回升。

持续攻克高端游戏显卡领域，并积极布局GPU通用计算(2010-2016年)：2010年起，全球PC出货量出现瓶颈；而此时的GPU市场在经过多年竞争后，逐渐呈现英伟达与AMD两家竞争的寡头垄断格局。2010-2016年间，英伟达以显著快于AMD的速度迭代产品，推出多款以Fermi，Kepler，Maxwell，Pascal等芯片架构为核心的拳头产品，凭借优质的使用体验和性能表现牢牢占据了高端游戏显卡领域；同时公司高度关注以GPU通用计算为核心的未来，集中开发更新以Tesla架构为主的数据中心芯片，为未来数据中心业务的发展奠定了基础。

人工智能、数字孪生、自动驾驶持续推动公司成长(2016年至今)：人工智能方面，2016年，半导体行业迎来了数据中心建设驱动的成长周期，公司在高性能计算、深度学习等领域持续发力，布局人工智能与云计算的落地应用，数据中心业务收入占比不断提升。截止2020年，公司数据中心产品收入占比已达40%；数字孪生方面，公司致力于构建虚实结合的人工智能生态，为工厂、城市等地区构建数字孪生的解决方案，持续赋能各行各业数字化转型；自动驾驶方面，公司积极推进自动驾驶芯片及解决方案落地，助力自动驾驶技术不断成熟。我们认为，人工智能、数字孪生以及自动驾驶的未来逐步勾勒出公司的成长蓝图，我们也看到公司在2020年市值超越传统巨头英特尔，成为了美股市场上市值体量最大的计算机芯片设计公司。

图表：发展历史回顾

注：公司财年FY(Fiscal Year)相较日历年CY(Calendar Year)提前13个月

资料来源：英伟达官网，万得资讯，彭博资讯，中金公司研究部

回顾公司发展历程，从波士顿矩阵的维度来看，目前公司业务可按以下维度划分：

现金牛业务：游戏与专业可视化。据Jon Peddie Research(JPR)，截止2Q21，英伟达在独立显卡市场市占率已达到83%。得益于公司在独立显卡行业的技术积累以及在高端市场的品牌地位，我们认为公司的显卡产品已经具备现金牛属性，能够带来较为稳定的经营现金流，提供良好的造血功能。

明星业务：数据中心。我们认为，公司注重GPU通用计算与人工智能结合的数据中心业务。截止2019年，英伟达在云端AI训练芯片市场占据主导地位。

问题业务：自动驾驶业务。如我们在《消费电子2021展望：新十年周期的起点，中国企业将成为引领者》中所提到，下一个10年汽车行业发展有望沿着电动化、智能化、网联化、共享化的主线依次展开。虽然目前全球智能驾驶方案仍处于演进的早期阶段，但英伟达积极投身市场，为整车厂及tier1方案供应商提供软硬结合的解决方案。

瘦狗业务：OEM及其他。公司本身也提供显卡的OEM代工服务，但截止FY 2021，仅占公司整体收入的4%，体量较小。

产业链勾勒

主要供应商：台积电、安靠、鸿海等。英伟达采用Fabless模式进行GPU芯片设计，主要合作的晶圆代工厂包括台积电、三星电子；封装测试厂主要为安靠、京元电子、矽品精密；组装厂包括鸿海、比亚迪电子等。

下游客户：包含头部PC厂商、云计算公司、专业设计公司，并积极探索智能驾驶领域。公司游戏业务客户主要包括头部PC厂商联想、惠普、戴尔、宏碁等；同时，公司致力于在数据中心领域发展人工智能应用与高性能计算，以优质技术持续推动产品升级。目前，头部云计算厂商谷歌、脸书、亚马逊、微软等均采用了英伟达GPU产品；公司同样在专业可视化领域稳定发展，截止2020年底，已帮助Cannon设计、宜家等专业建筑设计公司搭建良好的视觉工作环境。另外，伴随着智能驾驶预期的不断提升，公司积极与整车厂(包括奔驰、奥迪、福特、丰田等)及Tier 1方案供应商(博世等)进行合作，提供软硬一体的解决方案，探索智能驾驶领域新蓝海。

图表：英伟达产业链中的主要涉及公司

资料来源：英伟达官网，万得资讯，彭博资讯，中金公司研究部

估值回顾与对比

估值回顾

1993至2005年间，公司处于发展初期，持续深耕图像处理领域产品；1998年公司上市后，前向12月P/E水平相对稳定，均值维持在29.6倍。

2006年至2009年，在美国金融危机叠加显卡过热事件的影响下，公司盈利受挫，市场预期下行；直至2009年，Fermi架构GPU推出，市场对公司的预期才开始逐步恢复。

2010年至2016年，公司快速迭代高端游戏显卡产品，与个人PC市场较为疲软的出货表现解绑，打造自身品牌优势，同时积极布局GPU通用计算，带动前向12月P/E水平稳步抬升。

2016年至今，除传统显卡业务外，公司逐渐转型为AI平台型企业，并积极探索数字孪生与智能驾驶领域。受益于虚实结合生态的推进以及智能驾驶预期上行，公司迎来股价与估值的双向上行。

图表：英伟达12F (前向12月)P/E与股价波动回顾

资料来源：英伟达官网，万得资讯，彭博资讯，Thomson One， 中金公司研究部

估值对比：长期对英特尔形成溢价

英伟达的估值长期对英特尔形成溢价。英伟达的可比公司主要包括计算芯片巨头英特尔与AMD。由于AMD历史上出现多次亏损，因此本文采用英特尔与公司进行估值对比。从前向12月P/E水平来看，1Q01至3Q21期间，英伟达历史均值为31.0倍，英特尔为18.0倍，存在72%的溢价差距，我们认为这反映了市场对于GPU通用计算以及人工智能虚实结合生态较高的期望水平；英伟达2011-2020 年收入CAGR达到 17%，较好的收入增长也持续支撑了投资者的预期。

图表：英伟达12F P/E估值对英特尔存在长期溢价

资料来源：万得资讯，彭博资讯，Thomson One， 中金公司研究部

游戏业务：高端游戏显卡构筑行业壁垒，紧跟产业趋势助力虚拟现实产业成熟

GPU:为图形处理功能而生

GPU全称为图形处理器(Graphics Processing Unit)，GPU的正式发展与应用经历了多个阶段：1962年，麻省理工学院的伊凡·苏泽兰(Ivan Sutherland)首次在其博士论文中提出电脑图形学；1991年，ATI发布Mach 8显卡(graphics card)，将图形运算从CPU上解放，提高了电脑操作系统的流畅度，但此时的显卡更多用于二维图像的加速，较GPU仍存在差距；1999年，英伟达发布GeForce 256，首创GPU一词，该产品能够较好处理图像的旋转及阴影等多种三维效果，GPU也逐渐开始被多家厂商开发使用。

桌面GPU整体出货量与PC市场存在部分关联关系。目前在个人PC电脑中，主要包括CPU与GPU两类处理器。从架构来看，CPU主要由运算器(ALU)、控制器(Control)等部件组成，适合线程数较少的复杂运算；GPU则通过大量的并行处理器计算以实现自身功能，适合高线程的简单运算。得益于GPU的计算特点，其应用集中于PC的图片像素处理，我们也看到全球桌面GPU的出货量与全球PC出货量存在一定的关联关系。

根据Gartner数据显示，自2010年起全球PC出货量同比增速持续放缓，截止2020年，全球PC共出货2.7亿台，同比增长2%。我们看到，GPU出货量呈现同样的规律，根据IDC数据显示，2011-2020年间全球桌面独立GPU出货量有6年出现同比倒退。展望未来，我们认为，伴随着全球PC市场出货量的维稳，桌面GPU的整体出货量同样将呈现较为稳定的状态。

图表：全球PC出货量变化

资料来源：Gartner， 中金公司研究部

图表：全球桌面独立显卡出货量

资料来源：IDC， 中金公司研究部

桌面独立显卡针对游戏爱好者使用，行业处寡头垄断格局。桌面GPU主要分为集成显卡和独立显卡两类，其中独立显卡的性能与速度普遍优于集成显卡，使用人群较集中于对三维画面有更高要求的游戏爱好者。我们看到，在目前的独立显卡市场中，英伟达与AMD(超威半导体)的产品占据了近100%的市场，行业整体处于寡头垄断格局。据Jon Peddie Research，截止2Q21，英伟达出货占83%，AMD出货占据17%。我们认为，在独立显卡市场中，英伟达目前处于相对强势的领导地位，且暂时未看到新厂商入局，整体竞争格局有望继续维持。

图表：独立GPU市占率变化

资料来源：Jon Peddie Research，中金公司研究部

公司产品：聚焦高端游戏显卡，VR游戏或将成为下一个风口

凭借优异性能与PC市场出货量解绑，在存量市场中持续领跑。2014-2020年间，公司游戏业务收入复合增速达25%，显著优于Gartner披露的PC市场出货量表现(2014-2020年复合增速为-3%)。我们认为，公司与PC市场较为疲弱的出货量表现解绑主要是由于公司在战略上持续聚焦高端游戏显卡市场，以优质产品体验抓住用户痛点。

图表：英伟达游戏业务季度收入及同比增长率

资料来源：英伟达官网， 中金公司研究部

图表：主流游戏平台中，公司产品占据主导

资料来源：Steam， 中金公司研究部

对比AMD:快速迭代产品架构，牢牢把握高端市场。如前文所述，自2010年起全球PC市场进入存量阶段，英伟达快速切换战略，近2年更新一次GPU架构，迭代速度相较于竞争对手AMD更快，产品在3D渲染、软件优化等方面均抓住了游戏用户的需求痛点。

得益于公司快速的架构迭代，其产品在高端市场表现显著优于AMD。以目前英伟达的高端产品RTX 3090与AMD最新发布的RX6900 XT为例进行对比，英伟达在功耗略微提升的基础上，配备了DLSS(深度学习超级采样)、Ray tracing(光线追踪)、CUDA等多种技术，在4K级别游戏中的体验显著优于AMD的产品；从主流电竞游戏平台Steam披露的数据来看，截止2021年10月，英伟达的显卡产品市占率已达到75.6%，大幅领先于AMD的市场表现。我们认为，虽然AMD产品较英伟达更具性价比，但对于游戏用户而言，价格的低敏感性是其显著特性之一，英伟达的产品能够带来更为舒适的游戏体验，较好保障了用户粘性。

图表：主流游戏显卡中，英伟达高端市场地位稳固(性能由高至低排序)

资料来源：英伟达官网，AMD官网，中金公司研究部

未来趋势#1:VR有望成为下一类热门游戏载体，Omniverse助力公司布局新生态。我们认为游戏与VR等智能硬件的结合有望成为游戏市场的重要趋势之一。2020年3月，Value发布《半衰期： 艾利克斯》，首次达到3A级VR内容开发，成为新一类VR热门游戏。我们观察到，在VR游戏中，除了对游戏画面细节要求高之外，也需要保证对左眼和右眼视图的高度同步。

英伟达积极布局VR领域，以迎合VR游戏的转型趋势。首先，对游戏玩家来说，公司显卡具备增强型VRWORKS GRAPHICS技术，能够仅通过一次描绘几何图形，便同时投射左眼和右眼视图，确保了优质的同步渲染体验；此外，对游戏设计者来说，在4月GTC 2021技术大会上，公司再次提及其3D仿真及协作平台Omniverse，该平台可以实现虚拟世界对物理世界的逼真模拟[1]。借助平台的Machinima功能，游戏设计者能够在VR游戏设计中实现与真实物理世界的交互，增强VR游戏本身的真实性。

图表：VR热门游戏《半衰期》对画面细节要求高

资料来源：Steam官网， 中金公司研究部

图表： 英伟达Omniverse提供优质模拟环境

资料来源：英伟达GTC 2021技术大会， 中金公司研究部

未来趋势#2:以游戏为起点，虚拟现实内容有望持续外延，公司基于优质图像处理能力赋能行业成熟。我们在《ARVR系列#2:展望虚实交互时代硬件形态》中认为，在虚实交互时代，游戏将会是一个起点，而社交、广告、消费、视频等领域有望持续与虚拟现实结合，实现虚拟与现实的互联互通，逐步进入全真互联网阶段。

数据中心：数字孪生构想推动公司人工智能新生态构建

数据赋能经济数字化转型，云计算+AI等新技术有望加速升级趋势

数字经济时代，数据将成为新生产要素。根据联合国的定义，数字经济由狭义到广义，包含了三层定义[2]：(1)硬件制造、软件和IT咨询、信息服务、电信等数字部门；(2)平台经济、零工经济、共享经济等基于数字产业技术的数字经济；以及(3)包含电子商务、工业4.0、精准农业等的数字化经济。

我们认为，数字经济的演进离不开前沿技术的发展迭代，其中“云+AI”有望在5G建设背景下成为下一个十年的通用计算平台。回顾过去，自90年代起计算平台经历了PC主机、PC互联网、移动互联网三个计算时代的变迁，我们看到每过约10年通用计算平台就会出现一次变革，人们的生活办公方式也会随之产生变化。自2015年英伟达与亚马逊等硬件公司开始提出“云+AI”概念后，国外云计算龙头厂商谷歌、微软等相继推出AI平台，意图与其云业务进行结合；国内的腾讯、阿里、百度也纷纷公布其云业务与AI相结合的战略与愿景。我们看到，国内外代表厂商的布局从一定侧面反映出“云+AI”或已成为全球企业的战略共识。我们认为，在5G通信技术支持下，“云+AI”能够构建传输、存储、计算、分析、自我学习、应用、再传输的闭环生态，实现终端与边缘计算的高效结合，或将成为下一个十年的通用计算平台，加速经济数字化升级趋势。

云计算市场的构成中，服务器GPU和AI专用芯片增长潜力明显

从基础设施到应用层面，云计算产业链包含了数通半导体、服务器、交换机、光模块、IDC、IaaS、PaaS、SaaS服务等核心环节。其中，服务器作为一种高性能计算机，在云计算的网络环境中为客户端计算机提供特定应用服务，包括数据的存储、传输、处理和发布等。服务器作为网络中的节点，存储、处理超过80%的数据和信息，相比于个人计算机，其计算能力、数据处理能力、稳定、可靠、安全、可拓展、可管理性能均要求更高。

图表： AI芯片产业链

资料来源：各公司官网，中金公司研究部

公司产品：多施并举构建虚实结合的人工智能新生态

英伟达在2015年提出“云+AI”概念，并高度关注以GPU通用计算为核心的未来，集中开发以Tesla架构为主的数据中心芯片，为未来数据中心业务的发展奠定了基础。

在数据中心聚焦战略的持续推动下，2020年公司该项业务收入已达到67亿美元，占总收入约40%，成为了公司的第二大业务主线。从应用角度来看，公司数据中心业务主要分为人工智能和深度学习、高性能计算以及可视化三大部分。根据我们估计，截止2019年，其中约50%的收入来自人工智能和深度学习，约40%来自于高性能计算。

回顾过去，软硬结合生态叠加高研发费用构筑“云+AI”生态。我们认为，英伟达持续投入高研发，支持发展以CUDA为核心的软硬结合生态，是公司产品在云端AI训练市场形成较强市场地位的重要原因之一。

坚定推进高研发支持软硬结合生态。在SIGGRAPH2003大会上，利用GPU进行通用计算的设想被首次提出。2007年，英伟达看好GPU编程的未来，抢先于AMD(彼时的ATI)，打造专门围绕公司硬件产品的并行编程模型CUDA。由于支持CUDA的GPU必须在硬件设计中增加相关的逻辑电路，使得GPU die size增大、散热增加、成本上升，在早期技术不成熟的情况下GPU的故障率较高。但我们看到，公司坚定看好GPU编程生态的未来，在出现显卡过热的情况后加快芯片架构的迭代升级速度，研发费用率一度达到44%(4Q09)，领跑行业。我们认为，英伟达在CUDA上的战略眼光及持续坚持是如今形成软硬集合生态的重要基础原因之一。

CUDA打造产品异质性，增强客户粘性。相较AMD采取的通用OpenCL平台而言，CUDA在不用考虑共享其他品牌硬件设计资源的基础上，在性能提升方面有较大的优势。同时伴随着人工智能技术的逐渐兴起，公司逐步开发包括cuDNN(用于加速深度学习基元)、cuML(用于加速数据科学工作流程和机器学习算法)、TensorRT(用于优化受训模型的推理性能)、cuDF(用于访问 pandas 之类的数据科学 API)、cuGraph(用于在图形上执行高性能分析)等多个软件库，为人工智能应用的开发设计者提供了完善的软硬件生态环境。我们认为，长期的坚持与CUDA优异的使用体验为英伟达产品打造了深厚的护城河，增强了客户粘性，我们看好公司持续深耕GPU通用计算的软硬结合生态，加强在人工智能领域的主导地位。

图表： 英伟达CUDA架构

资料来源：英伟达官网，中金公司研究部

展望未来，三类计算芯片共同发展，叠加数字孪生工具，打造人工智能强大生态圈。在GTC 2020和GTC 2021上，公司跨出GPU范畴，连续推出新的DPU和CPU产品；同时持续更新 Omniverse，致力于打造新兴数字孪生解决方案。基于英伟达在硬件与数字孪生工具上的布局，我们看好公司构建全新人工智能生态圈，从虚、实两个角度持续赋能数字化转型。

DPU/DOCA:有望复刻GPU成功经验，成为未来数据中心重要的基础计算芯片。2020年，公司完成对 Mellanox 的收购，并在此基础上发布面向数据中心的新型处理器 BlueField DPU(数据处理单元)系列产品。我们认为该产品能够从 CPU 上卸载网络、存储、安全等任务，在数据中心中有效发挥其效用。据英伟达GTC 2021技术大会，最新发布的BlueField-3 DPU能够替代约300个CPU核，对网络流量进行保护、卸载和加速[3]。同时，公司并未单独发展硬件，如CUDA之于GPU，公司推出DOCA软件开发包，提供软件定义和硬件加速的网络、存储、安全和管理等应用，以便开发者构建数据中心基础设施服务程序。我们看好DPU复刻GPU成功经验，形成新一代软硬结合的数据中心生态。

图表： DPU 从 CPU 上卸载网络、存储、安全等任务

资料来源：英伟达GTC 2020，中金公司研究部

CPU:打造公司首款CPU产品，加码AI数据中心建设。在GTC 2021技术大会中，公司首次推出基于Arm架构的Grace CPU，用于大规模人工智能和高性能计算应用。不同于传统x86架构的CPU，我们看到该产品主要为满足自然语言处理、推荐系统、人工智能超级计算等应用而设计，属于高度专用型处理器；同时其采用第四代NVIDIA NVLink互联技术，从存储到GPU连接速度预计将达到2000GB/秒，是目前同等场景下服务器水平的30倍。我们认为，该产品的推出将进一步增强公司在人工智能算力领域的实力，我们看好公司发展“GPU+DPU+CPU”的三芯路线，打造硬件的完整产品布局，为开发者和使用者提供完备的AI服务。

图表： 英伟达入局数据中心CPU

资料来源：英伟达GTC 2021技术大会，中金公司研究部

数字孪生：构建虚实结合的人工智能新生态。数字孪生是一种超越现实的概念，主要指利用物理模型、运行历史等数据仿真，并在虚拟空间中完成映射，从而反映实验对象在真实环境下的生命周期。我们看到，在11月举办的英伟达GTC2021人工智能大会上，公司再次强调Omniverse平台能够在机器人、仓库、工厂、甚至整个城市中实现模拟、训练、运行等功能，并宣布Omniverse Enterprise已处在测试阶段。我们认为Omniverse的重要意义在于用户可在虚拟环境中对正在开发的产品或正在模拟的问题进行充分试错，并降低相关成本。同时，英伟达在数字孪生平台Omniverse上的布局在一定程度上显示了虚实结合或将成为硬件公司未来的主流发展方向之一。基于公司本身在数据中心上的能力积累，我们看好公司成为数字孪生概念的领跑者之一，持续赋能用户实现数字化转型。

图表： 仓储物流在Omniverse平台中模拟训练

资料来源：英伟达GTC 2021人工智能大会，中金公司研究部

图表： Omniverse 拟人形象与真人互动

资料来源：英伟达GTC 2021人工智能大会，中金公司研究部

智能驾驶业务：自动驾驶迎来“黄美股投资网年”，积极进军新蓝海

智能汽车迎来“黄美股投资网年”，智能驾驶车载芯片格局尚不稳定

智能汽车迎来“黄美股投资网年”。我们认为，智能汽车在未来十年有望沿电动化、智能化、网联化、共享化主线依次展开，并在整车品牌、整车制造、零部件/软件服务等环节带来深刻变革，相比传统汽车时代，更大体量的公司有望诞生。

高级别自动驾驶渐行渐近，硬件架构有望迎来同步变革。我们观察到，伴随着人工智能技术的不断发展，自动驾驶技术有望开启新一轮的汽车创新周期。根据美国机动车工程师协会(SAE)对于自动驾驶等级的划分，L0-L2 属于高级驾驶辅助系统(ADAS，Advanced Driving Assistant Systems)， L3-L5 则可称为自动驾驶系统。根据我们统计，自2020年起欧美、日韩、中国的新兴及传统车厂均开始积极探索L3+级别自动驾驶技术。英伟达同样也预计，到2035年所有的汽车均将实现Level 2到Level 5不等的自动驾驶程度。

在L3+高级别自动驾驶中，传统汽车架构变革趋势明显。传统汽车主要采用分布式E/E架构，通过MCU芯片便可满足各ECU(Electronic Control Unit)的功能，然而伴随着汽车电子化的逐渐成熟，ECU算力无法共享、统一化编程能力欠缺等问题逐渐暴露。我们认为随着智能汽车时代的到来，以特斯拉等造车新势力为代表的域控制器(DCU， Domain Control Unit)/中央集中式架构有望引领行业变革，对算力的高要求有望趋使以SoC芯片为核心的车载计算平台不断演进。

车载AI芯片将成为智能驾驶决策层的硬件“大脑”。据IHS Markit预测，2020-2026年汽车芯片收入将从380亿美元增长至676美元，CAGR达到7%。在传统汽车芯片供应链中，MCU芯片主要用于实现发动机控制、电源管理等局部功能，能够较好完成执行层的指令。然而在智能驾驶不断推行的过程中，我们看到，相较传统汽车，感知层与决策层的职能将逐步升级，其中决策层需要通过处理感知层与传感器提供的信息(如车辆自身、路况、车主等动态信息)，对执行层下达指令，以实现对车辆的控制。因此我们认为，在硬件层面，自动驾驶的实现对决策层硬件的数据处理能力提出了新的要求，以AI应用为主的SoC芯片有望逐步替代传统MCU芯片，成为智能驾驶系统中的硬件“大脑”。

图表： SoC或将成为智能驾驶决策层的硬件“大脑”

资料来源：亿欧智库，中金公司研究部

车载AI芯片行业现状#1:整车厂与芯片厂商积极探索自动驾驶，产业链格局产生变化。根据ICVTank数据显示，截止2019年，全球车载芯片市场CR4达到43%，仍然以传统车载芯片厂商为主导。但我们看到，传统Tier1厂商以提供包含MCU芯片的控制器硬件为主，在SoC芯片平台以及操作系统等配套产品的提供方面缺少相关的经验。根据我们统计，目前在以SoC为主导的自动驾驶车载芯片的市场中，竞争格局仍不明显：各芯片厂商、整车厂(OEM)及Tier1厂商均开展着紧密的合作，其中造车新势力(蔚来、小鹏、理想等)更偏好于直接使用英伟达、Mobileye等厂商提供的软硬件及算法一体结合的自动驾驶平台。

图表： 各自动驾驶芯片厂商合作方比较

注：更新截止于2021年11月16日

资料来源：TI，Renesas，Intel，Nvidia，NXP等公司官网，中金公司研究部

车载AI芯片行业现状#2:芯片厂商配合整车厂持续提高芯片算力。根据汽车之心对行业的预计，至L4级别的自动驾驶，单车所需算力将迎来较大的提升，达到约320 TOPS，较L3级别提升超10倍。如前文统计，虽然目前欧美、日韩、中国的新兴及传统车厂仍处在以L2-3为主的自动驾驶阶段，但我们看到以蔚来、小鹏、特斯拉、理想等为主的造车新势力正积极推动拳头产品的算力升级：以蔚来ET7为例，其单车理论算力将达到1016 TOPS，大幅超过L4所需的自动驾驶算力需求。我们认为，下游整车厂商的算力提升一定程度上彰显了其对于自动驾驶的良好信心，同时算力的提升能够更好配合后续算法与软件的升级，因此算力正逐步成为衡量厂商产品性能的指标之一。

图表： 自动驾驶L1-L5所需算力预测

资料来源：汽车之心，中金公司研究部

图表： 主流造车新势力整车算力提升明显

资料来源：各公司官网，中金公司研究部

基于上述现状，根据与主机厂合作模式的不同，我们将车载AI芯片厂商分为以下几类厂家：

传统解决方案商：算力推动保守，软硬件结合能力有待加强(tier 1为主)。一方面，传统车载芯片Tier1 厂商在算力的迭代上进展较为缓慢。以传统厂商瑞萨电子为例，公司计划于2023年量产R-CAR V3U芯片[4]，该芯片的算力将达到60TOPS，但与其他主流厂商推出的同期芯片相比，算力仍存在显著差距；另一方面，由于传统车载芯片Tier 1厂商入局车载AI芯片市场的时间更晚，故而在硬件与软件结合上的理解上不及新兴芯片厂商，目前造车厂商仍偏好使用以英伟达、Mobileye为主导的计算平台。

提供相对封闭方案：由供应商完成自动驾驶的主要任务(代表厂商：Mobileye等)。在这种合作模式下，供应商将芯片和算法捆绑销售。以代表厂商Mobileye为例，主机厂选择使用Mobileye的芯片后，缺少算法迭代和定制化的权限，在自动驾驶上参与度较低。

一站式服务模式：提供自动驾驶全栈解决方案(代表厂商：华为等)。2021年4月17日，搭载了华为自动驾驶汽车解决方案ADS的极狐阿尔法S在上海正式发布。从极狐的底盘模型来看，华为不仅提供MDC智能驾驶平台(包括AI芯片、操作系统、算法、开发工具链等全链条软硬结合工具)，而且在车体配备了华为自制的毫米波雷达和激光雷达等传感器。

华为在MDC计算平台上旨在打造可伸缩的系统架构，即高算力的MDC硬件平台可支持限定场景下的自动驾驶，并在通过减配/增配相关配置后，应用于更低/更高级别的自动驾驶，为用户提供多样选择。

中立第三方：合作模式更为开放，积极推动软硬结合(代表厂商：英伟达、高通、地平线、黑芝麻等)。中立第三方在和主机厂的合作上选择了更为开放的合作模式，不捆绑销售芯片+算法，并提供软件平台，给予整车厂商更快的自动驾驶迭代能力。

英伟达：英伟达的计算平台是目前主流造车新势力的选择之一，我们认为原因主要有以下两点：1)算力提升符合车载智能化趋势：英伟达持续注重绝对算力表现，计划于2022年量产算力高达200TOPS的Orin芯片，是目前市场上算力最为领先的车载AI芯片之一，符合整车厂对于算力提升的需求；2)推动软硬结合，发布自动驾驶计算平台：除硬件外，英伟达提供Omniverse模拟环境、NVIDIA DRIVE软件等，助力自动驾驶企业构建和部署先进的车辆应用场景。

高通：高通与英伟达类似，合作模式较为开放。公司于2020年1月在CES国际消费电子展上推出自动驾驶平台Snapdragon Ride平台，能够提供L1级，L2+级，L4/L5级三个等级的智能驾驶系统；同时，该平台配备开放的编程架构，支持整车厂根据AEB(自动制动系统)、TSR(交通标志识别)、APA(自动泊车)等需求进行个性化定制，给予整车厂较大的自由度。

地平线、黑芝麻等国产厂商：国内厂商同样持续推出开放式的自动驾驶计算平台：1)首先，在算力方面，以地平线、黑芝麻为主的国产厂商均积极提升芯片算力，符合行业整体趋势。如地平线计划于2023年量产算力大于512TOPS的征程6芯片；黑芝麻于2021年上海车展发布了算力为196TOPS的华山二号A1000 Pro芯片；2)在软硬件结合方面，地平线通过“开工天物”软件平台提供开发支持，能为下游tier 1/车厂提供模型仓库、AI芯片工具链以及AI应用开发中间件等模块以配合硬件实施自动驾驶技术开发。

图表： NVIDIA DRIVE软件助力自动驾驶生态构建

资料来源：英伟达官网，中金公司研究部

图表： 地平线“开工天物”软件平台

资料来源：地平线官网，中金公司研究部

未来趋势：算力堆叠或是短时趋势，硬件、软件、算法共同结合推动计算平台发展。从前文对于各AI车载芯片厂商的观察我们看到，除了高算力的芯片受到整车厂广泛采用之外，软件平台的应用也是厂商聚焦的重点之一。以最新推出的华为MDC为例，其本身由硬件(SoC、硬件工程等)、软件(操作系统、云服务、OTA等)、算法(聚类算法、深度学习等)三者共同组成。在当下时点，我们看到芯片厂商的硬件算力已经能够基本满足L4级别的自动驾驶，而对于AI芯片而言，具体落地的功能仍需要软件来定义。展望未来，我们认为，芯片厂商的竞争重点将由算力堆叠逐步向软硬件结合的生态构建转移，从而达到硬件、软件与算法的高度耦合，助力自动驾驶技术持续加速渗透。

图表： 自动驾驶需要软硬件及算法的结合(以华为MDC平台为例)

资料来源：华为MDC智能驾驶计算平台白皮书，中金公司研究部

公司产品：积极入局自动驾驶，打造以芯片为核心的AI平台服务

自动驾驶转型有望推动车载业务收入持续上量。2020年，公司汽车业务收入5.36亿美元，占总体收入的3%。公司的汽车业务主要由车载娱乐系统、ADAS系统和自动驾驶系统三大部分组成。回顾过去，该细分业务板块主要以传统车载娱乐系统和ADAS系统为主。但如前文所述，伴随着L4和L5级别自动驾驶汽车的不断渗透，我们注意到公司正加速入局自动驾驶业务。

打造“中央处理器”级自动驾驶产品。GTC 2021技术大会中，英伟达将Orin重新定义为“中央处理器”，我们认为该定义不仅迎合了汽车E/E架构集中化的趋势，而且也将车载芯片算力范围拓展至座舱计算等外延应用。

图表： 自动驾驶主流平台对比

资料来源：TI，Renesas，Intel，NVIDIA，NXP等公司官网，中金公司研究部

图表： Orin作为中央处理器

资料来源：英伟达GTC2021技术大会，中金公司研究部

图表： Atlan芯片算力提升显著

资料来源：英伟达GTC2021技术大会，中金公司研究部

资讯来源：美股投资网 TradesMax