2022年景嘉微主营业务及产品布局分析

1、2022年景嘉微主营业务及产品布局分析1.景嘉微：秉承国防科大精神的国产 GPU 领军企业1.1 秉承国防科大精神，自主知识产权理念扎根其中长沙景嘉微电子有限公司成立于 2006 年，公司致力于信息探测、信息处理和信息传 递领域的技术和综合应用，主要从事高可靠军用电子产品的研发、生产和销售，是国内 少数成功自主研发国产化图形处理芯片（GPU）并产业化的企业。公司核心团队主要来自国防科学技术大学，自诞生起就秉承国防科大精神，对军工 电子行业具有深刻理解。公司最早由饶先宏先生和胡亚华先生出资设立，同年曾万辉先 生注资加入公司。在 2007 年完成中航 631 所基于 ATI Mobility Ra

2、deon 9000（简称 M9） 芯片的图形显控模块开发项目后，公司核心团队认识到 GPU 芯片是图显产品的核心，且 当时国内 GPU 市场一片空白，遂开启了自研 GPU 的漫漫长路。从 2006 年成立、2010 年获国家重大专项“核高基”项目立项，到 2014 年嵌入式 GPUJM5400、2018 年高可 靠高性能 GPUJM7200，再到 2021 年最新款 GPUJH920 流片成功，公司已成长为国 内拥有完全自主知识产权的 GPU 领军企业。公司股权较为集中。以 2022 年一季报来看，公司第一大股东喻丽丽女士直接持股 30.96%，董事长曾万辉先生直接持股 4.52%，喻丽丽、曾

3、万辉夫妇还持有乌鲁木齐景嘉 合创股权投资合伙企业（简称“景嘉合创”）80%的股权，合计持有公司约 38%的股权， 是公司的实际控制人；国家集成电路产业投资基金股份有限公司是公司的第二大股东， 持股 8.14%，目前已进入回收期，将逐步退出公司主要股东；公司创始团队的胡亚华先 生、饶先宏先生分别直接持有公司 3.64%、3.15%的股权，同时还分别持有景嘉合创 10% 的股权。1.2 以军工电子业务为支撑，以芯片为核心的业务体系公司主要从事高可靠电子产品的研发、生产和销售，产品主要涉及图形显控、小型 专用化雷达、芯片三大领域，其中图形显控和雷达属于军工电子领域，芯片业务则属于 民用领域，自 JM

4、5400 上线之后芯片业务已成为公司驱动整个业务体系的核心。公司整体 业务规模自 2011 年以来持续增长，至 2021 年时已增长至 10.93 亿元，2011-2021 年营收 CAGR 接近 26%；2022 年第一季度公司营收为 3.62 亿元，同比增长 70.34%，创单季度 历史营收新高。利润率因转型芯片业务降低，但净利润稳步释放。自 2011 年以来，公司毛利率与净 利率整体呈现降低趋势，结合几次大幅变化的主要时间区间，基本与公司主要芯片产品 的流片成功及放量节点相匹配，而公司芯片业务尚未进入盈利阶段，使整体利润率降低。 2021 年公司毛利率约为 60.86%，净利率约为 26

5、.78%。尽管利润率降低，公司仍保持了 净利润的稳步释放，传统业务的盈利能力仍较为强劲。2021 年公司归母净利润规模为 2.93 亿元，同比增速为 40.99%，2011-2021 年 CAGR 约为 18%；2022 年第一季度，公司归母 净利润 0.77 亿元，同比增长 58.20%。如果未来公司芯片业务进一步放量、芯片产品单价 上升，公司净利润规模将有望大幅提升。1.2.1 军工电子业务：芯片业务源头，基本盘扎实稳健（1）图形显控业务公司图形显控业务主要包括图形显控模块产品和加固类产品。其中图形显控模块产 品是信息融合和显示处理的“大脑”，主要面向机载、车载、船舶等应用场景，可归类为

6、专用显卡产品；加固类产品则是公司围绕加固、抗震、加密等功能开发的加固显示器、 加固电子盘等电子产品，主要应用于专用领域显示和分析系统。图形显控业务是公司最早的主营业务，也是公司的主要的毛利来源。公司的图形显 控模块从最初自主研发 M9、M72、M96 系列 GPU 芯片驱动程序为起点，逐渐发展为采 用自主 GPU。由于机载、车载等专用场景对稳定性要求较高，对产品迭代频率要求较低， 因此公司每一代图显产品的产品生命周期较长，且生命周期内的研发和销售费用边际增 长相对较小。较长的产品生命周期与较低的边际费用增长为公司在芯片领域的高额研发 投入提供支撑。2021 年公司图显业务营收达 5.21 亿元

7、，毛利率约 72.41%，2011-2021 年 CAGR 约为 19%。（2）小型专用化雷达业务雷达业务是公司在军工领域的第二项业务，产品包括空中防撞系统核心组件、主动 防护雷达系统、弹载雷达微波射频前端核心组件，应用于飞机、装甲车等领域。受益于 近年雷达应用场景的专业化、多样化，小型专用雷达的市场需求逐渐提升，公司根据自 身技术积累，发展出空中防撞系统、主动防护雷达系统等系统级产品，实现由模块级产 品向系统级产品转变。2021 年公司雷达营收规模达 1.14 亿元，毛利率约为 72.97%； 2011-2021 年 CAGR 约为 26%。1.2.2 芯片业务：乘信创东风加速放量，新增长点

8、逐渐成型芯片业务是公司业务体系中的核心纽带，采用 fabless 模式研发 GPU 芯片，并为图形 显控业务提供支撑。公司在早期图显业务的发展中意识到 GPU 芯片在图显模块类产品研 发中的重要地位，遂着重投入研发资源用于研制具有自主知识产权的 GPU 芯片产品。公 司“图形加速器技术研究”项目于 2010 年 1 月获国家重大专项“核高基”项目立项，2014 年公司首款 GPU 芯片 JM-5400 一次性流片成功，并于 2015 年 12 月通过审查，初步满足 了军用专业领域的生产交付和维修保障要求，实现了在专业领域对 ATI M9 等芯片的替代。 JM-5400 的成功替代也意味着公司初

9、步实现了由板卡公司向上游 GPU 设计公司的转型。 此后，公司于 2018 年完成 JM-7200 系列 GPU 芯片的测试，开始在民用市场对中低端国 外显卡进行替代，并在 2020 年以来的大规模信创招标中在取得良好成绩。2020 年公司芯 片业务营收规模达 0.72 亿元，同比增长 64.96%；2021 年，公司芯片业务乘信创赛道东 风进一步放量，业务规模增长至 4.47 亿元，同比增长 517.46%。2021 年 12 月，公司发布 92 系列 GPU，性能实现较大提升。以显存带宽和填充率为 考量，92 系列的显存带宽达 128GB/s、像素填充率达 32GP/s、纹理填充率达 64

10、GT/s，与 7 系列相比有较大提升。与 Nvidia 的产品相比，92 系列与 Nvidia GeForce GTX 1050 Ti 总体相当，稍低于 Nvidia GeForce GTX 1060，可认为与 Nvidia 在 2016 年左右的中端显 卡处于同一水平，功耗上甚至更胜一筹，而 JM-7200 仅与 2011 年初发布的低端显卡 Nvidia GeForce GT 440 相当。不难看出，尽管景嘉微与 Nvidia、AMD 等国际龙头相比仍有较大 差距，但考虑到我国芯片业务起步较晚、技术交流受限的客观情况，公司仅用 3 年多的 时间（按产品发布间隔来算）实现了性能大幅提升，显示

11、出强劲的研发迭代能力。2.回顾 GPU 历史，软件生态是 GPU 公司的战略纵深2.1 从渲染科幻图像到实现科幻场景，GPU 站在时代风口显卡，也可称为显示卡、显示加速卡、显示适配器等，是连接 PC 主板与显示器的重 要组件，主要承担输出显示图形的任务，通常由显示处理器（GPU）、显示存储器（显存）、 显卡 BIOS、数字模拟转换器（DAC）、PCB 板等部件组成。1987 年，IBM 提出 VGA 标准，使显卡获得了支持显示器显示 256 种颜色的能力， 显卡本身也从主板中独立出来。自此开始，图形处理需求迅速提升，特别是游戏行业的 发展催化了需求释放。1996 年，3dfx 公司正式发售了

12、Voodoo 1 显卡，成为引爆显卡市场 的现象级产品，带动了大量 3D 游戏发展。1999 年，Nvidia 通过将光影转换（T&L）整 合进显示芯片发明了 GPU，并在首款 GeForce 系列显卡 GeForce 256 上搭载了 GPU，正 式宣告 GPU 时代来临。具备 T&L 功能的 GPU 将 CPU 从繁复的像素填充工作中解放出 来，使 CPU 资源可以用于其他复杂功能，计算机在游戏等场景下的性能大大提升。此后 的 GPU 设计也基本遵循大量重复计算这一思路，天生具有高算力，主流 GPU 与同时期 CPU 相比，基本上都呈现出单核心（通常指流处理器或计算单元）能力相对较弱、核心

13、 数量众多的特征。举例来说，2016 年发布的中端显卡 Nvidia GTX 1060 就已经具有了 1280 个核心以及 4.4TFlops（约合 4506GFlops）的单精度浮点算力，而最新的 Intel i9 12900K CPU 仅包含 16 个核心和 697GFlops 算力，也正因为如此，GPU 的核心能力就是算力。随着 IT 技术发展，数据总量急速膨胀，用户对硬件的计算能力（简称算力）需求迅 速增长，高性能计算（HPC，High-performance Computing）得到发展，最典型的应用场 景就是人工智能。随着机器学习理论的发展，仅使用 CPU 难以满足研究和开发人员的

14、训 练和推理需求，GPU 凭借天生的高算力架构逐渐进入专家视野。基于 GPU 的深度学习理 论在 2006 年得到突破后迅速成长，特别是 2012 年基于 GPU 的深度卷积神经网络架构 AlexNet 在 ImageNet 图像识别比赛中以较大优势拔得头筹，奠定了 GPU 在深度学习领域 的地位。目前，深度学习芯片主要包括 GPU、ASIC、CPU 和 FPGA 四类芯片，其中 GPU 在算力峰值、通用性、兼容性等方面都优于其他芯片，是大多数深度学习模型训练和推 理的首选。不仅是人工智能，区块链等需求 HPC 的场景也常用 GPU，这些需求还推动产 业衍生出 GPGPU 芯片（General

15、-Purpose GPU，即放弃图形显示功能、专精算力的通用 GPU）。GPU 不仅是符合大数据处理领域需求的通用选项，还是满足受 XR 等技术进一步 推动的“视觉文化”需求的必需品，因此 GPU 已成为数字经济时代的核心硬件之一。2.2 复盘 Nvidia 与 AMD 竞争史，优秀的软件生态布局是 Nvidia 关键优势Nvidia 是目前显卡领域最强势公司，2021 年 Q4 全球独立显卡出货数据显示，Nvidia 出货量约占 81%，AMD 仅占 19%。但 Nvidia 并非一直如此强势，1996-1998 年之间 3dfx 是市场的绝对顶流，市场占有率一度达到 85%，而 ATI 在

16、 2006 年被 AMD 收购之前也屡 次领先 Nvidia，2005 年 ATI Radeon 9550 以 29.8%的关注度领跑国内市场。一般认为，性能及其所代表的技术壁垒是市场占有率的决定性因素。对比 2010 年以 来 Nvidia 与 AMD 各自具有代表性的旗舰级显卡产品，不难看出 Nvidia 与 AMD 各自在 2015 年之前的尖端产品性能相差无几。根据 TechPowerUp 数据，如果以 Nvidia GTX 480 （2010 年）的性能为基数（100），则 Nvidia GTX 980 Ti 的性能约为 300，AMD FURY X 约为 295。2015 年以后，

17、由于 Nvidia 在架构上的突破，AMD 的旗舰显卡性能出现一定 程度的落后，但 2020 年推出的 AMD RX 6800XT 在性能上已追上同年推出的 Nvidia RTX 3080，稍落后于 2021 年的 Nvidia RTX 3080Ti。如果结合历史上 ATI 公司与 Nvidia 公司 的激烈竞争，基本上可以认为 Nvidia 与 AMD/ATI 公司的硬件技术实力是比较接近的。但 Nvidia 的市场占有率并未因为技术实力接近而停滞。以季度出货量的市场占有率 来计量，我们发现 Nvidia 与 AMD 市场占有率差值（以下简称为 N-A 差值）的中枢在逐 步上移。2010 年

18、 Q4-2014 年 Q2 期间，N-A 差值基本上从 20%左右逐步上行至 27%附近； 2015 年以后的震荡情况加剧，N-A 差值的低谷也逐渐提高至 35%附近，上限更是提高至 则 65%附近。虽然 2015 年之后尖端产品的性能差距可以部分解释 N-A差值峰值的上行， 但从显卡发展史中我们可以得知技术爆发存在偶然性，Nvidia 的产品也并非总是领先， 而即使 AMD 的产品性能追赶成功，这个过程中 N-A 差值的低谷仍在稳步提升。这种趋 势变化显示，Nvidia 在取得性能优势的时候能够更好的扩大市场份额，在性能劣势的时 候仍可保留部分战果，我们认为这才是 Nvidia 相对 AMD

19、 的真正优越性所在。与大多数传统制造业不同，GPU 产业生态具有更为复杂的双链生态结构，硬件生态 链与软件生态链的不重合导致了显卡渠道与用户生态的相对分离，进而对厂商的生态建 设提出了更高的要求。（1） 硬件生态链显卡硬件生态链的话语权主要在 GPU 厂商，但渠道建设仍然重要。与大多数传统制 造业产业链类似，显卡产业的硬件生态链是显卡产品的物理传导路径，但起到集成作用 的硬件生态对上游 GPU 厂商的影响力较弱。生态链由 GPU 厂商启动（为简化问题省略 了原材料及其他零部件环节），GPU 厂商将 GPU 销售给板卡制造商（AIBs 为 AMD 合作 伙伴，AICs 为 Nvidia 合作伙伴

20、，也可统称为 AIBs），同时向市场发售少量公版显卡，除 了创收，更是为 AIBs 提供稳定可靠的显卡设计参考。生态链的中间环节主要由 AIBs 组 成，他们不仅是实际上的主要显卡生产商，同时也是 GPU 厂商的渠道。AIBs 在新显卡发布时也会生产少量公版显卡，此后根据公版方案生产增配或缩水的非公版显卡。由于 决定显卡性能的关键在 GPU，因此用户实质上选择的是由 Nvidia、AMD 等厂商提供的 GPU 及其对应的基础显卡设计。尽管硬件生态链的话语权主要在 GPU 厂商，但昔日显卡 霸主 3dfx 的溃败充分表明了建设好板卡厂商的环节也非常重要，此后 Nvidia 与 AMD/ATI 也

21、一直与板卡厂商保持良好的合作关系，双方在硬件生态的布局上分庭抗礼。（2） 软件生态链与硬件生态不同，软件生态的演化是显卡产业发展的核心动能。GPU 厂商或第三方 组织向软件厂商提供运算平台以满足不同的软件开发和运行需求，如用于科学计算的 CUDA、用于游戏渲染的 DirectX，软件厂商根据下游需求基于这些平台开发软件产品或 提供软件服务，终端用户在使用这些产品时也会安装并使用这些运算平台以实现更好的 效果。同时，终端用户也会软件厂商反馈需求，软件厂商除了优化自身产品，还会将所 需硬件支持或平台支持向上游反馈，促使 GPU 厂商及运算平台推出新的设计方案，或更 新驱动程序以优化软件对硬件算力的

22、调用效果。GPU 的实际使用性能依托于软件产品的 表现，因此形成了用户通过对软件产品投票进而影响上游厂商的反馈链条，使 GPU 厂商 通过软件厂商与用户形成的纽带关系，这种深刻的纽带关系为 GPU 厂商在技术研发落后 时提供战略纵深，在技术研发领先时则可以更好地扩大优势。从整体上看，Nvidia 在软 件生态链的布局远胜于 AMD。Nvidia 在软件生态链的布局最重要的是运算平台 CUDA。CUDA，即统一计算设备 架构（Compute Unified Device Architecture），是 Nvidia 推出的通用并行计算架构，用户 可借助其中包含的 CUDA 指令集和并行计算引擎解

23、决较为复杂的计算问题，从而提升最 终的实际产出算力。举例来说，视频转码软件 MediaCoder 在借助 CUDA 加速后进行视频文件转码，其转码时间大约可以减少 70%。Nvidia 为保证 CUDA 的使用率，积极在校 园及开发者群体中进行推广，以相对廉价的高性能争取了大量用户，目前 CUDA 在全球 有大约 300 万名开发者，在中国也有超过 50 万名。AMD 没有进行有效的同类型布局， 同时也不愿支持 CUDA。借助 Nvidia 运算平台的优势，软件厂商可以呈现出更好的用户 体验，反过来软件厂商为了更好的合作愿意为 Nvidia 进行优化，Nvidia 也积极开发驱动 程序或更新

24、CUDA 以配合软件厂商优化，使 GPU 厂商、软件厂商、用户之间的绑定更 加紧密。2022 年 2 月，设计类软件龙头 Adobe 公司更新了 Adobe Premiere Pro 2022 的 22.2 版本，其中专门针对 Intel 和 Nvidia 进行了优化，但并未提及针对 AMD 的优化。根据官 方数据，在 22.2 版本中，Nvidia Quadro RTX 5000 显卡对 720P 高清视频进行 HEVC 硬编 码的耗时大约缩短至 12 毫秒，上一版本约为 75 毫秒，对 4K 超高清视频进行 HEVC 硬 编码的耗时则由上一版本的 155 毫秒左右缩短至 35 毫秒左右。软

25、件公司的“偏袒”使得 Nvidia 更受用户青睐。3.信创带来历史性机会，公司盈利空间有望打开3.1 信创重塑国产生态环境，为国产 GPU 带来历史性机会如前文所述，除了自身在技术上的努力，生态建设是 GPU 公司成长的关键。在 Nvidia 和 AMD 稳稳占据显卡市场前二的大环境下，独立发展自主知识产权的 GPU 必须要投入 大量资源建立和维护生态。2020 年以来，我国信创产业逐步启动大规模招标，为在党政 领域取得了较大进展。当前正处于党政信创深化下沉至区县的时点，第二轮党政公文系 统的替代已逐步开始实施。同时，随着党政公文系统改造逐步走向尾声，党政信创领域 的电子政务系统招标也开始启动

26、，2022 年或将成为信创市场放量的拐点，市场规模有望 迅速扩大。除党政领域外，金融、能源等行业的国产化替代进程已开始，逐步形成党政+8 大行 业+其他行业的“2+8+N”信创发展格局。由于我国信创产业仍面临着关键技术存在短板 等问题，从稳定性的角度出发，行业信创的替代进程将优先在对产业稳定性影响较小的 环节推进，因此 PC 等终端设备及应用软件的替代进程快于核心系统的替代，为国产 CPU、 GPU 等硬件产品提供生态环境。从总量上看，信创市场重塑的生态规模足以为 GPU 国产化提供发育空间。据国家统 计局数据，2020 年国有单位就业人员总数约为 5563 万人，按 1:1 计算可以提供 5000 万 以上的市场空间。如果考虑到国产化生态普及之后的兼容性问题，以国有单位为主要服 务对象的相关合作单位有望加入到国产化生态之中，市场总体空间还有较大扩充余地。 根据 Nvidia 官方数据，全球 GeForce 系列显卡用户数大约为 2 亿，参考前述显卡市场市 场占有率情况，按 3:1 估算得使用 AMD 独立显卡的用户数约在