从GTC看英伟达的AI时代世界观

1、AI 重塑数据中心计算芯片格局，DPU 再次挑战 Intel 垄断地位服务器和数据中心用处理器芯片以 CPU 为主，AI 重塑数据中心计算芯片格局。根据我们的测算，受益于全球范围内云计算和数据中心服务的快速增长，2019 年全球服务器级处理器市场规模约 247 亿美元，预计 2024 年达到 577 亿美元，年复合增长率达到 18%。其中，服务器 CPU 是市场主要需求，目前占据 85%市场份额，我们预计其在未来五年保持 14%的年复合增长率。而在 AI、HPC 等新兴需求的推动下，异构计算需求不断增长，我们认为数据中心对并行、专用的计算能力需求增长将更为快速。据我们测算，目前服务器 GPU

2、占据服务器级处理器市场13%的市场份额，预期未来五年CAGR 为27%，2024 年市占率上升至19%；云端 AI 专用芯片将迎来爆发期，预计未来五年 CAGR 为 66%，从目前的 2%的市占率提高至 2024 年的 10%。图表 1: 全球处理器芯片的主要应用、类型和主要竞争者处理器芯片1280亿美元主要应用场景主要芯片类型台式机/笔记本桌面CPU+GPU服务器/数据中心服务器CPU+GPU无线通讯 手机/基站SoC嵌入式场景MCU市场规模380亿美元247亿美元450亿美元200亿美元x86 CPU:英特尔(INTC US) AMD (AMD US)x86 CPU:英特尔(INTC US

3、)AMD (AMD US)主要竞争者GPU:Nvidia (NVDA US) AMD (AMD US)英特尔(INTC US)ARM CPU:华为海思(未上市)GPU:Nvidia (NVDA US)AMD (AMD US)高通(QCOM US)苹果(AAPL US)联发科(2454 TT)三星电子 (005930 KS)紫光展锐(未上市)华为海思(未上市)德州仪器(TXN US)瑞萨电子(6723 JP) 意法半导体(STM EU)恩智浦(NXPI US)英飞凌(IFX GR)兆易创新(603986 SH)资料来源：IHS，Intel，AMD，中金公司研究部注：市场规模测算时间节点为 201

4、9 年图表 2: 全球服务器计算芯片市场规模预测60,000（百万美元）50,000云端AI专用芯片服务器GPU40,00030,00020,000 x86服务器CPU10,000020192020E2021E2022E2023E2024E资料来源：Mercury Research，AMD 财报，NVIDIA 财报，Intel 财报，中金公司研究部我们认为，受益于数据中心业务的发展，计算芯片的传统厂商 Intel、NVIDIA、AMD 的服务器芯片业务收入预计迎来增长。随着数据中心的硬件需求向并行计算的倾斜，我们认为 GPU市场增长率将超过 CPU 市场，拥有 GPU 业务的 NVIDIA 和

5、 AMD 增长速度将超过 Intel。图表 3: Intel、NVIDIA、AMD 服务器计算芯片业务收入预测（百万美元）60,00050,00040,00030,00020,00010,000020192020E2021E2022E2023E2024EIntelNvidiaAMD资料来源：AMD 财报，NVIDIA 财报，Intel 财报，Bloomberg，中金公司研究部软件定义数据中心背景下，DPU 或将成为未来数据中心重要的基础计算芯片。基于今年 4月完成的对 Mellanox 的收购，英伟达发布了面向数据中心的新型处理器 BlueField DPU（数据处理单元）。在软件定义数据中心

6、（SDDC）蓬勃发展的今天，数据中心基础设施需要消耗高达 20%30%的 CPU 算力，而 DPU 作为 CPU、GPU 之外的新型数据中心处理器，我们预计其有望从 CPU 上卸载网络、存储、安全等任务，提高服务器性能并节省大量运营支出。英伟达表示，一颗 BlueField-2 DPU 能提供相当于 125 个 CPU 核所能支持的数据中心服务。正如 GPU 将并行计算/AI 从 CPU 卸载后所取得的成功，我们认为，DPU 将有望复现 GPU 的经验，成为未来数据中心重要的基础计算芯片之一。图表 4: DPU 从 CPU 上卸载网络、存储、安全等任务图表 5: NVIDIA BlueFiel

7、d-2 DPU 资料来源：GTC Keynote，中金公司研究部资料来源：GTC Keynote，中金公司研究部DPU/DOCA 软硬件协同，英伟达上调数据中心长期 TAM 至 1,000 亿美元。与 GPU-CUDA 类似，英伟达也为 DPU 推出了 DOCA 软件开发工具包，方便开发者在 DPU 上构建数据中心基础设施服务程序。除了 DPU/DOCA 数据中心软硬件新品，英伟达也在分析师会上上调了数据中心业务的长期 TAM，从 2019 年给出的 500 亿美元（2023 年）上调 100%至 1,000 亿美元（2024 年），该数字未考虑收购 Arm 的影响。我们认为，英伟达大幅上调数

8、据中心长期TAM，一方面反映收购 Mellanox 以及 DPU、边缘 AI 服务器等新业务带来的增量，另一方面反映了公司对数据中心软硬件行业长期增长的信心。此外，英伟达在云端推理方面的统治力开始显现，公司估算英伟达 GPU 云端推断总算力已经超过 CPU，并预计两三年后英伟达 GPU 在云端推断的算力占比将达到 90%。图表 6: NVIDIA DOCA 架构图表 7: NVIDIA DPU 产品路线图 资料来源：GTC Keynote，中金公司研究部资料来源：GTC Keynote，中金公司研究部图表 8: 英伟达在云端推理方面的统治力开始显现资料来源：GTC Keynote，中金公司研究

9、部边缘 AI 发展前景广阔，嵌入式开发平台或成生态培育关键IoT 连接数迎来爆发，应用领域不断拓展。根据 Gartner 预计，全球物联网终端数量将由 2019年的 83 亿增加至 2025 年的 215 亿，复合增长率 17%，其中短距离无线连接达到 178 亿。中国方面，根据北京物联网协会2019 年物联网技术行业应用年度研究报告测算，到 2025年中国蜂窝物联网连接数将有望达到 53.8 亿。物联网的应用百花齐放。现有应用包括公共事业、政府、智能楼宇、安防等领域，我们认为随着 4G/5G 的普及，车联网等高附加值应用可能落地。图表 9: 全球 IoT 设备连接数图表 10: 2018 年

10、 IoT 终端设备分布（按应用场景） (十亿个)连接数连接数YoY（右轴）21.518.515.813.52530%2025%20%1515%6%1%公共事业8%24%政府6%智能楼宇安防8%制造业与矿业汽车105020192020E 2021E 2022E 2023E 2024E 2025E10%5%0%8%19%12%医疗零售8%信息贸易 资料来源：Gartner，中金公司研究部资料来源：IHS，中金公司研究部，注：图中为全球市场数据AI 计算开始从公有云，逐步下沉至企业私有云乃至边缘数据中心。英伟达指出，人工智能最先兴起于云数据中心，接下来将逐步下沉至企业级数据中心，

11、紧接着边缘数据中心中也将开始搭载 AI 算力，例如工厂机器人、无人零售店、医疗机器人等都需要边缘 AI 算力的支持。为更好地支持边缘 AI 的发展，英伟达在本次 GTC 上更新了搭载 A100 GPU 和 DPU 的 EGX Egde AI 平台，以及 59 美元的入门级 AI 机器人开发套件 Jetson Nano 2GB。图表 11: 物联网时代下边缘 AI 发展空间广阔资料来源：GTC Keynote，中金公司研究部图表 12: 英伟达 EGX Egde AI 平台图表 13: AI 机器人开发套件 Jetson Nano 2GB资料来源：GTC Keynote，中金公司研究部资料来源：

12、GTC Keynote，中金公司研究部嵌入式开发平台或成生态培育关键。在嵌入式开发领域，Raspberry Pi（树莓派）为学生、教育工作者和爱好者提供了高性能比的硬件方案，同时也为 Arm/Linux 生态的发展做出了重要贡献。在 10 月 GTC 上，英伟达推出了 59 美元的入门级 AI 机器人开发套件 Jetson Nano 2GB，拉低了边缘 AI 开发门槛，我们认为将有助于英伟达在边缘 AI 领域的生态培育，而 JetsonNano 或将成为 AIoT 时代的 Raspberry Pi。未来协作平台或是虚拟世界与物理世界融合英伟达持续强化软件生态能力。目前，英伟达的软件架构体系中，

13、除了最底层直接控制 GPU硬件资源的CUDA 开发环境，还有丰富的CUDA-X 软件加速库和工具包，乃至适用于AI、HPC、医疗、工业、电子等各行业的应用平台。英伟达在本次 GTC 上发布 80 款全新/更新的 SDK，持续强化自身的软件生态，以增强竞争壁垒。黄仁勋1表示，“只有效率提升 10 倍以上时，开发者才会考虑采用新的平台”。我们认为，英伟达构建的以 CUDA 为核心的软件生态，短期内还未能看到有力的竞争者。图表 14: 英伟达软件架构资料来源：NVIDIA，中金公司研究部图表 15: NVIDIA 持续强化软件生态能力资料来源：GTC Keynote，中金公司研究部1 https H

14、YPERLINK /gtc/keynote/ :/gtc/keynote/本次 GTC 上主要更新的软件平台包括 1）Omniverse 计算机图形和仿真平台正式公测： Omniverse 是 3D 仿真和协作平台，可以实现在虚拟世界中对现实世界的逼真模拟，为机器人、汽车、建筑、工程、制造、媒体等行业的设计和协同工作提供全新工作方式；2）Maxine流媒体视频 AI 平台：整合凝视校正、实时字幕、噪声消除等视频、音频和对话 AI 功能，提高流媒体质量，改善视频会议体验；3）Clara Discovery 药物发现平台：集成预训练的 AI 模型和框架，在寻找目标、构建化合物、开发反应等各环节帮助

15、加速药物发现；此外，对话 AI 平台 Jarvis 以及推荐系统平台 Merlin 也开始进入公测阶段。图表 16: NVIDIA Omniverse图表 17: NVIDIA Clara Discovery 资料来源：GTC Keynote，中金公司研究部资料来源：GTC Keynote，中金公司研究部商汤自研底层平台铸就批量化模型生产能力，领跑十大 AI 垂直场景。公司自主研发和建立了深度学习平台和 AI 超算中心，并以此为基石打造出批量生产和迭代模型的“算法工厂”能力。公司的“算法工厂”可以批量化生产定制场景的 AI 算法模型，不仅大大提高了效率、降低了人力成本，而且算法准确率已经超过单

16、一手工生产的算法。目前，商汤在全国建设了 20 多个超级计算机集群，训练出 3000 多种算法模型，掌握人脸识别、图像识别、视频分析、医疗影像识别、增强现实、无人驾驶和遥感等 AI 能力，在智能手机、汽车、智慧城市、智能交通、教育、医疗、零售、金融、地产、文旅等十大 AI 垂直场景保持领先地位。图表 18：商汤科技 AI 业务布局商业智能智慧城市移动互联网超级计算自动驾驶新兴商业商业落地人脸识别 图像识别 自动驾驶 增强现实 医疗影像 AI芯片应用深度学习平台资料来源：商汤科技官网，中金公司研究部GPU超算中心旷视开源深度学习框架，助力 AI 基础设施建设。2020 年 3 月，旷视科技发布

17、AI 生产力平台 Brain+，包括天元 MegEngine 人工智能深度学习开源框架、MegData 数据管理平台和 MegCompute 深度学习云计算平台三大部件。Brain+作为统一的底层架构，为算法训练及模型改进过程提供重要支持，减少 AI 开发的人力与时间投入，并能够针对不同垂直领域的碎片化需求定制丰富且不断增长的算法组合。图表 19: 旷视科技 AIoT 战略架构AI云端智能Face+人工智能开放平台IoT城市大脑个人设备大脑FaceID在线人脸验证平台供应链大脑手机安全解决方案手机摄像解决方案资料来源：旷视科技官网，中金公司研究部城市管理数字化解决方案楼宇园区数字化解决方案教育

18、行业数字化解决方案仓储物流数字化解决方案工厂制造数字化解决方案图表 20: 可比公司估值表股票代码公司名称市值（百万美元）收盘价交易货币市盈率2020E市销率2021E2020E净资产收益率（%）2021E2020ENVDA US英伟达(NVIDIA)340,868552.46USD49.9(a)43.0(a)18.2(a)16.0(a)40.9(a)AMD US超威半导体(AMD)97,64683.17USD76.050.611.09.034.5INTC US英特尔(INTEL)230,34254.16USD3.124.9QCOM US高通公司(QUALCOMM)145,546129.03USD19.9(a)17.3(a)5.2(a)4.8(a)123.8(a)XLNX US赛灵思(XILINX)28,834118.02USD33.2(a)31.3(a)8.4(a)7.5(a)3