Initial Report: NVIDIA Corp (NVDA), 173% 5-yr Potential Upside (VIP GC, Likun CAO)
第二位同学关注NVDA，但这次同学对公司颇有期望。读了这篇分析后，你有什么看法呢？
LinkedIn | Likun CAO
核心结论：本文核心关注英伟达的成长逻辑和不可替代性。具体而言，人工智能和大规模模型的发展还在初始阶段，硬件相对于应用的可预期性更大，而GPU相对其他类别的芯片具有更高的不可取代性，成长性清晰。英伟达作为GPU领域的垄断厂商，在战略规划，成长性、技术壁垒和管理能力上都超过竞争对手AMD，因此是比较清晰的投资标的。
短期来看，目前英伟达PE远高于行业平均水平，市场过热。建议在市场对AI热度减退时买入。
1.公司概况
英伟达的业务主要分为两个部门。计算与网络部门包括数据中心加速计算平台，网络，汽车自动驾驶协议和自动驾驶车辆解决方案，电动汽车计算平台，用于机器人和其他嵌入式平台的Jetson，NVIDIA AI企业版和其他软件，加密货币挖矿处理器。图形处理器部门包括用于游戏和PC的GeForce GPU，GeForce NOW游戏流媒体服务和相关基础设施，以及针对游戏平台的解决方案；用于企业工作站图形的Quadro/NVIDIA RTX GPU；用于基于云的视觉和虚拟计算的虚拟GPU，或vGPU；用于信息娱乐系统的汽车平台；以及用于构建和操作元宇宙和3D互联网应用的Omniverse Enterprise软件。
业务针对四个市场：
数据中心和计算平台：帮助用户解决计算密集型任务，比如数据分析、云计算，为私人企业和公共部门提供服务。这一业务包括了英伟达开发的GPU、DPU、CUDA和其他一系列软件包；软件包可能集成在服务器上，也可能单独出售。GPU可以用于机器学习、深度学习等传统CPU无法处理的任务。在这个领域，英伟达与各行业数千个开发AI的企业有合作。在2023财年，英伟达推出了数据中心GPU的Hopper架构，目标是相比上一代将AI模型的训练速度提升一个量级。
游戏：英伟达游戏平台利用GPU和精密软件提高游戏图像的流畅程度和图像质量，对游戏图像实现实时渲染。英伟达为游戏市场提供的产品包括高质量显卡、芯片和GeForce NOW游戏平台。
专业可视化：英伟达与独立软件供应商合作，以优化这些软件的性能。目标软件包括设计、电子内容、医疗图像、制造等等。英伟达在这个市场中提供的产品包括NVIDIA RTX平台，帮助客户以真实的物理阴影、反射和折射方式实时渲染出电影质量的物体和环境；以及NVIDIA Omniverse，一个用于3D工作流程的虚拟世界仿真和协作平台，可以用于虚拟汽车展厅，手术培训，建筑漫游，历史场景复原。
汽车：英伟达的汽车市场包括AV, AI驾驶舱, 电子汽车计算平台和信息娱乐平台。在DRIVE Hyperion品牌下，英伟达与数百个汽车企业合作，在自动驾驶汽车中布置AI系统；此外，基于NVIDIA Omniverse开发NVIDIA DRIVE Sim,辅助数字驾驶的开发，建设驾驶平台。
2.投资逻辑
（1）人工智能成长性
美国专利商标局报告显示，AI技术在2000年后经历了井喷式增长，并且通过扩散效应影响到其他的技术类别。研究认为AI技术类似电力和互联网，会成为未来的通用技术（general-purposed technology），成为支撑其他技术的基础设施。美国国防部与硅谷密切合作将AI技术用于军事用途并且通过私人公司流入民用领域；2017年，中国提出《新一代人工智能发展规划》。德勤预测，2025年世界AI市场规模将超过6万亿美元，年复合增长率达30%。
技术落地仍然是高风险高回报的活动。亿欧报告显示，2018年全年，中国近90%的AI公司处于亏损状态，而10%赚钱的企业基本都是技术提供商。Chatgpt的成功让人看到了商业化落地的巨大潜力，然而Chatgpt的成功并不因为它在技术前沿，恰好是由于：（1）自然语言处理对应的数据类别（文本）与其他数据类别（图像，声音）相比相对轻量，需要的算力相对较少，技术也相对简单（上图3自然语言处理与其他类别—例如计算机视觉的对比）；（2）其有利于人类理解和掌握的特性让它更容易获得人类接纳，与其他软件集成。由此可见，随着其他类别AI模型进入应用领域，人类社会对AI硬件的需求量会只增不减。此外，大部分人工智能模型都需要重复训练，且参数越来越多模型越来越大，这使得硬件迭代速度可能越来越快。
因此，我认为人工智能（1）将成为未来社会的技术基础设施，尚在最初期阶段；（2）目前尚处蓝海，大部分应用尚未落地，下游竞争环境不明朗，风险大；（3）但上游硬件提供商相对稳定，有一定技术护城河；（4）美国的技术公司发展更稳定，中国公司面临的经济和制度风险较高。
下一部分将分析人工智能硬件。
（2）人工智能硬件
目前能够用于机器学习和大规模模型的硬件有四种：CPU、GPU、ASIC 和 FPGA。 CPU已经无法处理最简单的深度学习任务，因此不加分析。
GPU原本用于图像处理，由于在深度学习上有较好的表现，非常适合对数据密集型的应用进行计算和处理。此外，也有CUDA等比较成熟的编程框架，占据了目前人工智能领域硬件市场的最大份额。根据《2022-2023中国人工智能计算力发展评估报告》，2021年GPU占据中国AI芯片约89%的份额。但它由于功耗高，会带来很高的电费和散热费用，影响数据中心的成本。
ASIC 是人工智能专用芯片，代表是google的TPU。但这类芯片通常是针对某种特定应用而设计开发，因此它可能很难适用于其他的应用。由于专门用于具体的任务，因此开发周期长，风险大，在缺乏使用量的情况下很难回本--由于缺乏CUDA这样成熟的编程框架，也很难被普通程序员/科研人员使用，所以它很难有足够的使用量。
FPGA--可编程逻辑器件，峰值性能低于GPU，但接口灵活适合工业场景；在非标准化、少量多次计算的情况下，平均水平会好于GPU。
（矩阵运算性能 GPU远大于FPGA）
（百度研究：三类芯片性能对比，x-axis 线程数量，y-axis性能。少量多次需求的情况下FPGA性能更佳）
总结来看：（1）在大多数下游技术尚未落地的前提下ASIC应用场景有限，赚回专业化芯片开发成本需要大量客户，稳定的大量客户需要行业结构相对稳定，现在离这个阶段还比较遥远；（2）在日益需要巨大算力的背景下CPU已经事实出局，更多用于维护日常功能，缺乏成长性；（3）真正对GPU造成竞争压力的是FPGA，但是无论是FPGA还是ASIC都以灵活性见长，并不能在标准化计算任务中取代GPU。AI目前的一大方向—大规模模型，无论是语言模型还是其他模型，都是标准化计算任务。此外，无论是学界还是大公司，都需要可以交流通用的技术基准作为底层架构。这意味着ASIC/FPGA和GPU的定位本身就存在一些差别，GPU的很多功能是前者难以取代的。
因此，我认为灵活性取胜的新芯片的需求增长在短期内不会造成GPU需求的降低，人工智能行业的成长性会保障短期内两类芯片的共同增长。长期看好FPGA，但GPU市场更清晰稳定，垄断结构更明确，技术护城河更高，投资前景比较清晰。因此在有选择的情况下会关注GPU。
（3）GPU
尽管中国的人工智能行业发展飞速，人工智能硬件以及机器学习两大领域仍然是美国占据优势。其中，英伟达和AMD目前是GPU的垄断厂商，英伟达市占率过半，产品性能和成熟度高于其他厂商。除了硬件之外，它的技术优势和产品线集中于计算机视觉，技术脉络非常清晰（见第一部分），而这在目前还属于潜力尚未完全开发的商业领域。
5月底英伟达发布第一季度财报，毛利率64.6%，达到指引预期上限，存货基本处理完成。净利润 20.43 亿美元，同比上升 26.3%。数据中心业务同比增长 14.2%，游戏业务下滑 38.1%，费用率下降。总体而言符合甚至超过市场预期，证明其成长性。
对比而言，AMD受制于CUDA的领先地位（由于CUDA集成被大量部署，因此AMD需要与CUDA更新保持一致，及时更新）。第一季度毛利率44%，净亏损1.39亿美元，数据中心业务同比持平无增长。相比而言，英伟达是更清晰的标的。
（4）风险：
-来自其他芯片类型，尤其是FPGA的竞争风险。随着AI技术落地，专业化应用逐渐成熟，细分市场需求会越来越清晰，FPGA的优势会越来越大。
-制度环境风险，国际竞争导致的市场关闭。
-波动经济环境下的供应链风险。
英伟达管理层
创始人黄仁勋曾在俄勒冈州立大学取得电机工程学位，先后在AMD以及LSI Logic工作过，并取得了丰富的技术经验。在设计部门工作了两年之后主动调到了销售部门。这让他对于产品开发设计与市场都有了更深刻的认识，同时积累了商业和技术能力。
目前，英伟达核心管理团队成员稳定，部分人已经在英伟达工作了15年，合作相对紧密成熟。
护城河
技术壁垒： 截止目前英伟达共有4666被授予的专利和4407进行中的专利申请，在计算机视觉方面有技术优势。CUDA是全球首个GPU上的通用计算解决方案，也是目前的技术标杆。AMD与其对标的ROCm目前只能应用在linux平台上，无法支持windows、mac操作系统。
事件：
从2022年1月到2023年1月，英伟达花费了100多亿美元回购股票。有分析师认为，尽管英伟达第一季度没有回购任何股票，他们可能在准备更多现金以进行更多回购。
*请注意，所有这些仅供参考，不应被视为投资建议。如果您选择投资任何股票，您需要自行承担风险。