(资料图片仅供参考)

GPU是人工智能时代下满足深度学习大量计算需求的核心AI芯片。

过去五年，大型语言模型的参数规模以指数级增长；从2018年起，OpenAI开始发布生成式预训练语言模型GPT以来，GPT更新换代持续提升模型及参数规模；2022年12月，OpenAI发布基于GPT-3.5的聊天机器人模型ChatGPT，参数量达到1750亿个。ChatGPT引领全球人工智能浪潮，人工智能发展需要AI芯片作为算力支撑。据Tractica数据，全球AI芯片市场规模预计由2018年的51亿美元增长至2025年的726亿美元，对应CAGR达46.14%；据前瞻产业研究院数据，中国AI芯片市场规模预计由2019年的122亿元增长至2024年的785亿元，对应CAGR达45.11%。AI芯片中由于GPU通用型强，满足深度学习大量计算的需求，因此GPU在训练负载中具有绝对优势。以GPT-3为例，在32位的单精度浮点数数据下，训练阶段所需GPU数量为1558个，谷歌级应用推理阶段所需GPU数量为706315个。

英伟达开辟GPGPU加速计算格局，GPU架构演进及产品布局赋能AI时代。

英伟达（NVIDIA）成立于1993年，总部位于美国加利福尼亚州圣克拉拉，是一家人工智能计算公司。据JPR数据，4Q22英伟达独立GPU出货量占比为82%，位居市场第一。公司股价经历2016-2018年、2020-2021年、2022年9月以来三轮快速增长；其中2022年9月至今，受AI驱动下针对芯片算力需求提升，公司股价呈现大幅度反弹；截至2023年4月30日，公司市值为6854.00亿美元。回顾历史，1999年，公司发明了图形处理器，定义了现代计算机图形学；2006年，公司推出用于通用GPU（GPGPU）计算的CUDA平台。自2015年以后，随着AI浪潮迅猛推进，公司业务不断多元化，向数据中心、游戏、移动设备、汽车电子等市场发展。公司GPU产品能够并行计算的性能优势满足深度学习需求，通过对GPU架构升级不断推出新产品，其运算性能得到显著提升，广泛用于数据中心等计算密集领域。

构建加速计算平台、完善“三芯片”产品布局，重点发力AI及数据中心领域。

英伟达业务模式拟打造成类似于计算堆栈或神经网络，包含硬件、系统软件、平台软件和应用四层，公司结合芯片、系统和软件的全栈创新能力构建加速计算平台，并且完善针对AI加速计算及数据中心的GPU、CPU、DPU三种芯片产品结构。AI布局方面，早在生成式AI变革初期就已参与并与OpenAI、微软合作。2023年3月，英伟达在GTC大会上推出4个针对各种生成式AI应用程序进行优化的推理平台，其中发布带有双GPU NVLink的H100 NVL加速计算卡，以支持ChatGPT类大型语言模型推理。与适用于GPT-3处理的HGX A100相比，配备四对H100与双GPU NVLink的标准服务器的速度最高可达10倍。

计算与网络事业部收入占比提升，数据中心超过游戏成为收入主要来源。

FY23，公司收入为269.74亿美元，同比增长0.22%，主要由于数据中心及汽车领域收入的高速增长抵消了游戏及专业可视化领域所带来的收入减少；净利润为43.68亿美元，同比减少55.21%，主要由于运营费用同比增长50%所致，包括与Arm交易相关的13.5亿美元收购终止费用。公司业务部门包括计算与网络事业部和图形事业部，FY23收入占比分别为55.86%、44.14%。公司的平台及产品主要应用于数据中心、游戏、专业可视化、汽车等四大领域，FY23占比分别为55.63%、33.61%、5.72%、1.69%。分地区来看，FY23来自美国地区的收入占比最高，达30.7%。公司FY1Q24实现收入71.92亿美元（YoY -13.2%，QoQ 18.9%），FY2Q24收入指引为107.8-112.2亿美元（YoY 60.8%至67.4%，QoQ 49.9%至56.0%） 。

产业链相关公司：算力：英伟达、海光信息、寒武纪、全志科技；服务器：工业富联、国芯科技、环旭电子、闻泰科技、易德龙；PCB：沪电股份、胜宏科技、东山精密、鹏鼎控股；AI终端：晶晨股份、瑞芯微；先进封装：长电科技、通富微电、芯原股份；存储：深科技、江波龙、佰维存储、兆易创新。

风险提示：宏观AI推广不及预期，AI投资规模低于预期，AI服务器渗透率提升低于预期 ，AI监管政策收紧等。

标签：