widewang
2020-02-17
这篇文章不错，转发给大家看看
@14亿少女的梦：
【好文转载】解读GPU龙头之英伟达
免责声明：上述内容仅代表发帖人个人观点，不构成本平台的任何投资建议。
分享至
微信
复制链接
精彩评论
我们需要你的真知灼见来填补这片空白
打开APP，发表看法
APP内打开
发表看法
{"i18n":{"language":"zh_CN"},"detailType":1,"isChannel":false,"data":{"magic":2,"id":917243291,"tweetId":"917243291","gmtCreate":1581928660213,"gmtModify":1704345321281,"author":{"id":3538448745695064,"idStr":"3538448745695064","authorId":3538448745695064,"authorIdStr":"3538448745695064","name":"widewang","avatar":"https://static.tigerbbs.com/2136e28d416d21515b7b08b8b303a0fa","vip":1,"userType":1,"introduction":"","boolIsFan":false,"boolIsHead":false,"crmLevel":2,"crmLevelSwitch":0,"individualDisplayBadges":[],"fanSize":1,"starInvestorFlag":false},"themes":[],"images":[],"coverImages":[],"extraTitle":"","html":"<html><head></head><body><p>这篇文章不错，转发给大家看看</p></body></html>","htmlText":"<html><head></head><body><p>这篇文章不错，转发给大家看看</p></body></html>","text":"这篇文章不错，转发给大家看看","highlighted":1,"essential":1,"paper":1,"likeSize":0,"commentSize":0,"repostSize":0,"favoriteSize":0,"link":"https://laohu8.com/post/917243291","repostId":917899383,"repostType":1,"repost":{"magic":2,"id":917899383,"tweetId":"917899383","gmtCreate":1581674056441,"gmtModify":1704344955263,"author":{"id":3511911760748454,"idStr":"3511911760748454","authorId":3511911760748454,"authorIdStr":"3511911760748454","name":"14亿少女的梦","avatar":"https://static.tigerbbs.com/bf0bebaaab1963be40402bcfa7e8c1aa","vip":1,"userType":1,"introduction":"","boolIsFan":false,"boolIsHead":false,"crmLevel":1,"crmLevelSwitch":0,"individualDisplayBadges":[],"fanSize":13334,"starInvestorFlag":false},"themes":[{"themeId":"a67aa784dddf45919b412b3402984ffe","categoryId":"bc7f9e79615545918dda2e7d7cfb9e15","name":"半导体关注","type":0,"rnLink":"https://laohu8.com/RN?name=RNTheme&page=/theme/detail&rndata={\"themeId\":a67aa784dddf45919b412b3402984ffe}&rnconfig={\"headerBarHidden\": true}","description":"讨论半导体公司和行业动态，寻找投资机会","image":"https://static.tigerbbs.com/f1d7fef0b9dc567fd8d3e7ccdf7adaba"}],"images":[{"img":"https://static.tigerbbs.com/f7d880f522ad55cb71e5a9e5d8401289"},{"img":"https://static.tigerbbs.com/c14670d986e7edb80995c0e9c7db5ba1"},{"img":"https://static.tigerbbs.com/ba0d5ea287495cd6246dd6ed6c8d0b05"},{"img":"https://static.tigerbbs.com/f8c8220c3d6737e103b7e6486d59eec3"},{"img":"https://static.tigerbbs.com/04b01fa57345dabc8bb9e3ae72984e5a"},{"img":"https://static.tigerbbs.com/a8c84fea0c1cdb0d60c66b664e022133"},{"img":"https://static.tigerbbs.com/dff108827417c831d56a210df02e08d7"},{"img":"https://static.tigerbbs.com/dcc968524f765691c9076d508e6e5afc"},{"img":"https://static.tigerbbs.com/92f286072d70433d3cd08fcd9bd51fa4"},{"img":"https://static.tigerbbs.com/e0d6fc294497d9a58bede40f86cd7cd3"},{"img":"https://static.tigerbbs.com/3ad3bb623d49415166b4a79618178573"},{"img":"https://static.tigerbbs.com/ed1da9e46e4d7fcbc8f3bf68bf0d73d6"},{"img":"https://static.tigerbbs.com/1f5eea742a073ff67e532bd9bd565265"},{"img":"https://static.tigerbbs.com/1c86e26c4db1dc7d6bbe479fd8d85a7a"},{"img":"https://static.tigerbbs.com/e6a0abc0bbe8ba192212019353b6452e"},{"img":"https://static.tigerbbs.com/0514c9939bc49b60550b9a42cbbad224"},{"img":"https://static.tigerbbs.com/0c08ee8aa8e0107873cb8f0731c1b9ac"},{"img":"https://static.tigerbbs.com/9d7586002a8abc7b93f766897771e8e8"},{"img":"https://static.tigerbbs.com/64c7d3bc256e5ceb0dccc1f157b23989"},{"img":"https://static.tigerbbs.com/7847101cf931c15dfe0ed2bf51c94cde"},{"img":"https://static.tigerbbs.com/e1bf0f0cdbc7e901079b6ca58243d0c2"},{"img":"https://static.tigerbbs.com/1b122520e9be7b3acd3157d79600f899"},{"img":"https://static.tigerbbs.com/3ee0e1b16e0803f5aa1cff19290d69f0"},{"img":"https://static.tigerbbs.com/152d9a6cb97501d1c254f8da1b144a17"},{"img":"https://static.tigerbbs.com/dbc6d8b6b7998911e670486b5057b478"},{"img":"https://static.tigerbbs.com/5ce7db96be9da6b641fae499ebfb4ee7"},{"img":"https://static.tigerbbs.com/ca1383d8e049af5a6f623bd72ec90b91"},{"img":"https://static.tigerbbs.com/4b4dbabcac2d1c8a1b0c0f5d8f735ab3"},{"img":"https://static.tigerbbs.com/86c86c4e74e6c807cf2348b0491b35de"},{"img":"https://static.tigerbbs.com/7e11c2ffde1949ecd3963fe7f74c0b12"},{"img":"https://static.tigerbbs.com/e2fc14cfa377d80c7b667d326ffe4a2d"},{"img":"https://static.tigerbbs.com/2bc5967961cd08ef78763ba92288fc1e"},{"img":"https://static.tigerbbs.com/85e94275ca381a4acdb33b2e5cbf35ff"}],"coverImages":[{"img":"https://static.tigerbbs.com/f7d880f522ad55cb71e5a9e5d8401289"},{"img":"https://static.tigerbbs.com/c14670d986e7edb80995c0e9c7db5ba1"},{"img":"https://static.tigerbbs.com/ba0d5ea287495cd6246dd6ed6c8d0b05"}],"title":"【好文转载】解读GPU龙头之英伟达","extraTitle":"","html":"<html><head></head><body><p>分享一篇解读英伟达的好文，侵删。</p> <p><span>人类社会进入人工智能时代，很多应用场景都会被彻底改写，但如果将半导体的整条产业链梳理下来，有两个不可逆的大趋势：一是，制程不断缩减；二是，算力不断增强。</span><a target=\"_blank\" href=\"https://laohu8.com/S/NVDA\">$英伟达(NVDA)$</a><span> </span></p> <p><span>在第一个趋势之下，王冠上的明珠，落在了一家公司身上：台积电。而今天，我们要解决的是，第二个大趋势，将会落在谁身上。</span></p> <p><span>自2015年以来，这家公司搭上人工智能、比特币等概念，股价从19美元上涨至291美元，最高涨幅14倍。可是，在2018年4月，它被香橼（Citron Research）做空，指出其存在AI概念炒作、新产品不及预期等问题。加之，随后发布的2018年三季报，业绩增速下滑，股价随之大跌，最低点股价142美元，短短两个月下跌58%。</span><img src=\"https://static.tigerbbs.com/a8c84fea0c1cdb0d60c66b664e022133\"></p> <p><span>图：股价，来源：Bloomberg</span></p> <p><span>看到这里，大家可能会觉得，这是一家追风口的公司。其实并不是。</span></p> <p><span>如果抛开外在的概念驱动原因，这家公司自2015年大幅上涨，和它背后的商业逻辑、投资逻辑变化有关。并且，未来的时代，对于任何想要研究人工智能、深度学习等前沿行业的投资者来说，很难绕开它。</span></p> <p><span>它就是美股半导体公司——</span><span><b>英伟达</b></span><span>。它的核心产品为GPU（Graphics Processing Unit，图形处理器），下游应用领域极其广泛，覆盖你生活的各个方面。</span></p> <p><span>从游戏、影视特效，到搜索引擎、社交网站、电商平台的智能广告投放、商品推荐，再到即将来临的智能驾驶，都不可能离开GPU。</span></p> <p><span>2019年三季报，其主营业务收入为78.13亿美元（552.38亿元），净利润为18.45亿美元（130.44亿元）；经营活动产生的现金流为32.96亿美元（233.03亿元）。销售毛利率为60.83%，销售净利率为23.61%（汇率按照2019年12月，1美元=7.07元人民币计算）。</span></p> <p><span>从财务数据上看，毛利率、净利率高，且现金流也很好。另外，从客户名单上看，也都是知名大公司。比如：华硕、戴尔、索尼、微软、谷歌、Facebook、阿里、腾讯、海康威视、美国征信巨头FICO等。</span></p> <p><b>那么，值得我们深入思考的问题来了：</b></p> <p><span>GPU到底给英伟达带来了什么？</span></p> <p><span><b>— 01 —</b></span></p> <p><b>GPU，进化</b></p> <p><span><b>▼</b></span></p> <p><span>GPU（Graphics Processing Unit，图形处理器），是用于图形数据计算的芯片，被称为“显卡的大脑”。其特点是：计算单元多、计算能力强，擅长通过并行计算来加速图形数据处理。所谓“并行计算”，是指把复杂的计算问题拆分成多个子问题，然后在多个计算单元上一次性分别解决。</span></p> <p><span>而CPU（Central Processing Unit，中央处理器），是另外一码事，虽然擅长逻辑计算，但纯粹负责计算的单元（ALU）占比较少，所以，并行计算能力较差，不太适合单纯需要大量计算的行业应用。</span></p> <p><img src=\"https://static.tigerbbs.com/0c08ee8aa8e0107873cb8f0731c1b9ac\"></p> <p><span>图：CPU和GPU的结构对比</span></p> <p><span>来源：英伟达官网</span></p> <p><span>早期，英伟达其实是个做游戏显卡的公司。</span></p> <p><span><b>游戏图像显示</b></span><span>这个赛道，需要大量并行计算的行业应用。其具有数据类型单一、数据量巨大、且相互独立的特点。特别是，到了20世纪90年代早期，电子游戏进入了3D时代，图形数据处理速度的要求，越来越高。</span></p> <p><span><b>因此，负责加速图形数据处理的芯片开始出现，这就是GPU的雏形。此后，随着个人电脑时代的到来，PC游戏开始普及，进一步推动了GPU行业发展。</b></span></p> <p><span>1995年，微软推出Windows95操作系统，因为其应用的图形用户界面，逐渐成为了个人电脑行业的标准配置，英伟达嗅到了商机。</span></p> <p><span>1997年，英伟达设计的个人电脑显卡RIVA128上市，成为当时唯一具有3D加速能力的PC显卡。随后，其陆续上市的几款产品，由于在性能和价格上，均优于其竞争对手3Dfx和ATI，因此获得了PC制造商的认可。</span></p> <p><span>1999年8月，英伟达在之前产品的基础上优化升级，推出了GeForce256芯片，并将该架构定义为GPU——</span><span><b>从此，GPU成为了独立的计算单元</b></span><span>。</span></p> <p><span>凭借GPU的技术优势，英伟达逐渐占据了游戏显卡领域（包括PC和游戏主机）超过一半的市场份额，2001年收购了3Dfx，竞争对手只剩ATI一家（2006年被AMD收购）。</span></p> <p><b><span>然而，巨头的成长，并非一帆风顺。这是因为，其下游客户都是霸占行业咽喉赛道的垄断厂商，话语权极强。比如，游戏主机领域（索尼、任天堂），PC操作系统垄断者微软。</span></b></p> <p><span>一旦与这些屹立在产业链顶端的巨头发生”摩擦“时，其市场地位和竞争格局，瞬间都会受到威胁。</span></p> <p><img src=\"https://static.tigerbbs.com/1f5eea742a073ff67e532bd9bd565265\"></p> <p><span>图：PC产业链中，GPU属于零配件</span></p> <p><span>来源：并购优塾</span></p> <p><span>英伟达，就曾经面临过这种境遇。2000年，进军游戏主机市场的微软，打算通过低价策略，使其生产的游戏主机XBOX，与索尼的PS2进行竞争。因此，微软要求英伟达降低GPU芯片价格，但遭到了英伟达管理层的拒绝。</span></p> <p><span>于是，微软转而把订单都给了英伟达的竞争对手ATI。不仅如此，此后，由于微软没有将自己制定的PC行业标准DirectX 9及时通知给英伟达，直接导致英伟达的产品出现兼容性问题，从而动摇了其在PC显卡领域的市场地位。</span></p> <p><span>随后，英特尔也开始扶持其竞争对手ATI（AMD）。在巨头围剿之下，英伟达损失惨重，市场份额被ATI（AMD）不断侵蚀，股价大跌。</span></p> <p><span>据图形计算领域权威市场咨询机构Jon Peddie提供的市场数据来看，从2002年开始，英伟达市占率开始下降，对应的是AMD（2006年收购ATI）市占率不断提升。</span></p> <p><img src=\"https://static.tigerbbs.com/92f286072d70433d3cd08fcd9bd51fa4\"></p> <p><span>图：英伟达和AMD（2006年收购ATI）历史桌面独立显卡市占率变化</span></p> <p><span>来源：Jon Peddie、天风证券</span></p> <p><b><span>这是一个生死存亡的关头，英伟达不得不寻求解决方案。</span></b></p> <p><span>一方面，不断提升技术壁垒，持续推出高性能GPU芯片，争取在技术上压制竞争对手；另一方面，寻求拓宽客户宽度，与游戏内容商暴雪合作，推出了爆款游戏魔兽世界，还与索尼合作，为索尼PS3提供GPU。另外，也寻求了与微软的和解。</span></p> <p><span>一系列操作之后，2004年之后，英伟达的GPU业务回归稳步增长，2007年市占率重回65%左右。</span></p> <p><b><span>不过，这一系列的操作并没有真正意义上提升它的话语权。如果想要摆脱产业链单一大客户对它的影响，就需要拓宽应用场景。</span></b></p> <p><span>2006年，开发出了</span><span><b>CUDA</b></span><span>（Compute Unified Device Architecture，统一计算架构）开发环境，累计投资总额近100亿美元。这款软件产品，让英伟达GPU的计算功能能够应用于更多的场景，提高了话语权。</span></p> <p><span>简单理解，如果把英伟达的GPU比喻为苹果手机，那么CUDA就是App store。CUDA让英伟达的GPU硬件“软件化”，让各领域的开发人员，可以使用通用编程语言（比如C++语言）对GPU进行计算任务的定义，从而降低了繁琐的硬件语言对广大开发人员的限制。</span></p> <p><span><b>这，让英伟达进入了发展的全新阶段，逐渐超越了游戏显卡的局限，进化成了AI产业链上“硬件+软件”的巨头，真正掌握了行业话语权。打个不恰当的比喻，其属性类似于早期的“英特尔+ADOBE”。</b></span></p> <p><span>2010年，深度学习算法在学术界有了突破，这种算法对于算力的要求空前强大，而且同样适合采用并行计算的方式来加速。</span></p> <p><span>由于CUDA提供的通用计算能力，成了早期学术界和产业界用于提供AI算力的唯一选择。英伟达的GPU算力，结合深度学习算法，配合移动互联网到来之后、空前丰富的数据量，共同推动了人工智能（AI）产业的兴起。</span></p> <p><span>随着英伟达进一步对GPU设计进行调整改进，截至2015年，深度神经网络的训练速度提升了50倍。随后，英伟达开始为所有AI领域——计算机视觉、语音识别、自然语言处理，提供算力支持。</span></p> <p><span>随着AI应用场景迅速扩展，让英伟达迎来了除游戏业务之外，第二大新业务——数据中心业务的业绩爆发。在当前以GPU算力为主的情况下，英伟达依托先发优势，几乎独占该市场，市占率超过了97%，竞争对手AMD只有不到3%的市场份额。</span></p> <p><img src=\"https://static.tigerbbs.com/dbc6d8b6b7998911e670486b5057b478\"></p> <p><span>图：人工智能产业链（早期）</span></p> <p><span>来源：并购优塾</span></p> <p><b><span>到这里，我们已经梳理了英伟达从创立至今的发展历史——那么，它在整个过程中，究竟做对了什么？</span></b></p> <p><span><b>— 02 —</b></span></p> <p><span><b>███████</b></span></p> <p><b><span>巨头，模式</span></b><b>▼</b></p> <p><span>第一是研发（产品性能吊打竞争对手），第二是创新（构建了AI生态圈）。</span></p> <p><span>英伟达，1993年4月成立于美国加州圣克拉拉，1999年1月登陆纳斯达克（NASDAQ）。第一大股东为先锋基金（Vanguard Group INC），持股比例为7.6%，创始人黄仁勋（Jensen Huang）持股比例为3.54%。</span></p> <p><span>其他股东还包括：富达资管（Fidelity Management and Research）、贝莱德（Blackrock）、道富（State Street）等国际知名投资机构。</span></p> <p><img src=\"https://static.tigerbbs.com/7847101cf931c15dfe0ed2bf51c94cde\"></p> <p><span>图：主要股东；来源：Bloomberg</span></p> <p><span>根据芯片类型来划分，其收入来源于GPU（图形处理器）和Tegra（芯片级计算机）两部分。</span></p> <p><img src=\"https://static.tigerbbs.com/3ee0e1b16e0803f5aa1cff19290d69f0\"></p> <p><span>图：英伟达产品结构</span></p> <p><span>来源：爱分析</span></p> <p><img src=\"https://static.tigerbbs.com/e0d6fc294497d9a58bede40f86cd7cd3\"></p> <p><span>图：收入结构（亿美元）</span></p> <p><span>来源：德意志银行</span></p> <p><span>从终端应用领域来看，本案的收入主要来源于四大领域，分别为游戏（55%）、数据中心（24%）、专业视觉（11%）、汽车电子（5%）。此外，OEM和专利收入较少，合计贡献收入约为5%。</span></p> <p><b>1）游戏（Game）</b><span>——主要产品为GPU中的GeForce系列，和集成芯片Tegra中的游戏部分，主要使用者为重度游戏玩家，应用于游戏主机、游戏PC、掌机（比如任天堂出品的Switch）；</span></p> <p><b><span>2）</span></b><b>数据中心（Data Center）</b><span>——主要产品为Tesla/DXG系列GPU，主要使用者为互联网平台、学术界和产业界的科研人员；</span></p> <p><b><span>3）</span></b><b>汽车（Automotive）</b><span>—— 主要产品为集成芯片Tegra中的DRIVE系列（汽车计算机），主要客户为整车厂商、汽车零配件厂商、出行服务平台等；</span></p> <p><b><span>4）</span></b><b>专业视觉（Professional Visualization）</b><span>—— 主要产品为Quadro系列GPU，主要为设计者服务，应用领域为电影特效制作、工业设计等。</span><img src=\"https://static.tigerbbs.com/ba0d5ea287495cd6246dd6ed6c8d0b05\"></p> <p><span>图：英伟达GeForce系列游戏GPU</span></p> <p><span>来源：英伟达官网</span></p> <p><span>在这样的布局之下，业绩，到底如何？</span></p> <p><span>按照2019年12月人民币兑美元汇率（1美元=7.07元人民币）计算，2016年至2019年三季报，其主营业务收入分别为：69.1亿美元、97.14亿美元、</span><span><b>117.16亿美元、</b></span><span>78.13亿美元（折合人民币分别为488.54亿元、686.78亿元、828.32</span><span><b>亿元</b></span><span>、552.38亿元）；净利润分别为：16.66亿美元、30.47亿美元、</span><span><b>41.41亿美元、</b></span><span>18.45亿美元（折合人民币分别为117.77亿元、215.42亿元、292.77亿元、130.44亿元）。</span></p> <p><span>同期，经营活动产生的现金流分别为：16.72亿美元、35.02亿美元、</span><span><b>37.43亿美元、</b></span><span>32.96亿美元（折合人民币分别为118.21亿元、247.59亿元、264.63亿元、233.03亿元）。</span></p> <p><span>盈利能力方面来看，销售毛利率分别为：58.8%、59.93%、</span><span><b>61.21%、</b></span><span>60.83%，销售净利率分别为：24.11%、31.37%、</span><span><b>35.34%</b></span><span>、23.61%。</span></p> <p><img src=\"https://static.tigerbbs.com/f8c8220c3d6737e103b7e6486d59eec3\"></p> <p><span>增长方面来看，近三年营业收入复合增速为</span><span><b>30.21%</b></span><span>，净利润复合增速为</span><span><b>57.66%</b></span><span>。值得注意的是，由于所得税退税原因，2019年净利润较高。从利润总额角度来看，过去三年利润总额年复合增速为43%。</span></p> <p><span>从产业链视角看，本案作为</span><span><b>Fabless芯片设计企业</b></span><span>，其上游为晶圆代工厂、封装测试厂、模组加工厂等，供应商包括台积电（毛利率：48%）、三星电子（毛利率：46%）、鸿海精密（毛利率：6%）等，前五大供应商采购额占成本的比例为51.9%。</span></p> <p><span>其下游为PC/游戏主机厂商、互联网平台，汽车厂商、科研院校等，代表厂商有华硕（毛利率：15%）、微软（毛利率：65%）、谷歌（毛利率：56%）、脸书（毛利率：83%）等。前五大客户销售额占总营业收入的比例为46.67%。</span></p> <p><img src=\"https://static.tigerbbs.com/4b4dbabcac2d1c8a1b0c0f5d8f735ab3\"></p> <p><span>图：产业链</span></p> <p><span>来源：Bloomberg</span></p> <p><b><span>以上的经营模式及产业链形态，形成了其特殊的报表结构：</span></b></p> <p><span>从资产负债表结构看——2018财年，英伟达总资产为132.92亿美元（折合人民币939.74亿元）。资产中占比从高到低，依次是货币资金（56%）、存货（12%）、应收款项（11%）。总负债为39.5亿美元（折合人民币279.27亿元），其中占比较高的是长期借款（50%）和应付款项（15%）。</span></p> <p><span>从利润表结构看——2018财年，英伟达营业收入为117.16亿美元（折合人民币828.32亿元）。其中在成本上花费了38%，研发费用占了20%，销售及一般管理费用占了8%，剩下的净利率为35%。</span></p> <p><b><span>我们来看一组《并购优塾》整理的基本面数据：</span></b></p> <p><img src=\"https://static.tigerbbs.com/5ce7db96be9da6b641fae499ebfb4ee7\"></p> <p><span>图：ROE VS ROIC（%）；来源：并购优塾</span></p> <p><img src=\"https://static.tigerbbs.com/dcc968524f765691c9076d508e6e5afc\"></p> <p><span>图：营业收入 VS 收入增速（美元/亿、%）</span></p> <p><span>来源：并购优塾</span></p> <p><img src=\"https://static.tigerbbs.com/dff108827417c831d56a210df02e08d7\"></p> <p><span>图：营业收入增速 VS 净利润增速（%）；来源：并购优塾</span></p> <p><img src=\"https://static.tigerbbs.com/c14670d986e7edb80995c0e9c7db5ba1\"></p> <p><span>图：净利润 VS 现金流（亿元）；来源：并购优塾</span></p> <p><img src=\"https://static.tigerbbs.com/64c7d3bc256e5ceb0dccc1f157b23989\"></p> <p><span>图：毛利率 VS 净利率（%）；来源：并购优塾</span></p> <p><img src=\"https://static.tigerbbs.com/152d9a6cb97501d1c254f8da1b144a17\"></p> <p><span>图：CAPEX/经营活动现金流；来源：并购优塾</span></p> <p><img src=\"https://static.tigerbbs.com/e6a0abc0bbe8ba192212019353b6452e\"></p> <p><span>图：存货/经营活动现金流，来源：并购优塾</span></p> <p><img src=\"https://static.tigerbbs.com/ca1383d8e049af5a6f623bd72ec90b91\"></p> <p><span>图：有息负债/经营活动现金流</span></p> <p><span>来源：并购优塾</span></p> <p><img src=\"https://static.tigerbbs.com/f7d880f522ad55cb71e5a9e5d8401289\"></p> <p><span>图：营运资本/经营活动现金流；来源：并购优塾</span></p> <p><img src=\"https://static.tigerbbs.com/9d7586002a8abc7b93f766897771e8e8\"></p> <p><span>图：资产结构图（美元/百万）；来源：并购优塾</span></p> <p><img src=\"https://static.tigerbbs.com/85e94275ca381a4acdb33b2e5cbf35ff\"></p> <p><span>图：PS & 股价图</span></p> <p><span>来源：Bloomberg</span></p> <p><b><span>好，看到这里，一个核心问题来了：如果要对本案做建模，究竟该从何下手？</span></b></p> <p><span><b>— 03 —</b></span></p> <p><span><b>███████</b></span></p> <p><b>收入驱动</b></p> <p><span><b>▼</b></span><img src=\"https://static.tigerbbs.com/e2fc14cfa377d80c7b667d326ffe4a2d\"></p> <p><span>图：收入增速分析；来源：并购优塾</span></p> <p><span>（注：1999年-2003年无业务拆分，故将收入都归于主要产品GPU；2004年-2013年按照GPU和其他的方式进行收入分类；2014年之后按应用领域进行分类。）</span></p> <p><img src=\"https://static.tigerbbs.com/86c86c4e74e6c807cf2348b0491b35de\"></p> <p><span>图：各应用领域收入增速；来源：并购优塾</span></p> <p><span>从历史上看，英伟达的收入增速经历了3次高点，分别是1999年、2007年和2016-2017年。</span></p> <p><span><b>1999年</b></span><span>——收入增速高达120%，是因为抓住了个人电脑爆发的风口，快速占领PC游戏市场，使个人电脑显卡（后来的GPU）业务收入大幅度增长。</span></p> <p><span><b>2007年</b></span><span>——收入增速超过40%，主要因为在2003年，和暴雪合作推出爆款游戏《魔兽世界》，拉动游戏主机、PC端等对显卡的需求随之提升，收入快速增长。</span></p> <p><span><b>2016年至2017年</b></span><span>——收入增速超过40%，原因主要有两点：</span></p> <p><span>一是，老的游戏业务需求增长，主要是受《绝地求生》、《堡垒之夜》等爆款游戏影响，拉升游戏显卡硬件升级需求；</span></p> <p><span>二是，AI产业的兴起，对AI算力需求增加，使得其数据中心业务增长较快。此外，这一时期的虚拟货币的挖矿热潮，也一定程度拉动了GPU的需求。</span></p> <p><b><span>但要注意，2018年下半年以来，英伟达之所以受到各种媒体质疑，问题在于：游戏、数据中心两大业务增速，均出现了大幅度下滑。这是为什么？</span></b></p> <p><img src=\"https://static.tigerbbs.com/1c86e26c4db1dc7d6bbe479fd8d85a7a\"></p> <p><span>图：季度同比增速</span></p> <p><span>来源：并购优塾</span></p> <p><span>我们挨个来看：</span></p> <p><b><span>1、游戏业务——</span></b><span>从2018年第四季度开始，季度收入同比增速下滑，主要由于其在2018年下半年发布的、具备光线追踪功能的高端显卡，RTX20系列，尚未大规模商业化。</span></p> <p><span>因为，支持光追技术的游戏内容很少，只有《战地5》等少数几款，同时，由于其定价较高，游戏玩家的换卡意愿不强，销量不及预期。</span></p> <p><span>但随着游戏内容对</span><span><b>光追技术</b></span><span>的适配性增强（2019年，《我的世界》、《古墓丽影》、《使命召唤》等爆款游戏都开始支持光追技术），所以，游戏业务2019年下半年已经开始回暖。</span></p> <p><span>因此，光线追踪技术，是否是未来游戏显卡的刚需，是决定本案游戏业务未来发展的关键因子。</span></p> <p><b><span>2、数据中心——</span></b><span>2019年1季度以来，收入增速开始下滑，这是因为AI算力需求经过高速增长后，出现了短期调整，导致云计算客户（互联网平台）采购需求下降，也使得其产品的采购需求下降。</span></p> <p><span><b>— 04—</b></span></p> <p><span><b>███████</b></span></p> <p><b>GPU方案，渗透率</b></p> <p></p> <p><span><b>▼</b></span></p> <p></p> <p><span>要弄明白这个因子，我们需要先弄明白AI的产业链。</span></p> <p><span>AI，核心三大细分赛道是数据、算法、算力。而在本案所在的“算力”这个细分赛道上，又分为：上游，训练端；下游，推理端。GPU，是训练端的核心产品，代表企业为英伟达；而FPGA（可编程门阵列），是推力端的核心产品，代表企业为赛灵思。</span></p> <p><span>所谓训练，指的是在现有数据基础上，经过大量计算，确定模型参数，</span><span><b>即建立算法模型的过程</b></span><span>；而推理，则是指在已建立的算法模型基础上，再</span><span><b>应用于新数据、得出结果</b></span><span>的过程。</span></p> <p><span>举个例子，以优塾研究团队为例：我们通过财务勾稽关系、估值逻辑，搭建估值模型的底层模板，这个属于“训练端”；然后，再针对不同公司做基本面分析，把相关数据输入到模型中，输出不同的估值结果，这个属于“推理端”。</span></p> <p><img src=\"https://static.tigerbbs.com/04b01fa57345dabc8bb9e3ae72984e5a\"></p> <p><span>图：人工智能模型的训练和推理</span></p> <p><span>来源：英伟达官网</span></p> <p><span>我们常听到GPU、FPGA，其实它们并不是互相替代的关系，而是上下游的关系。</span></p> <p><span>值得注意的是，上游训练端与下游推理端，对于算力的要求侧重点不同。</span><span><b>训练端更强调高通用性</b></span><span>，而推理端更强调</span><span><b>综合能力</b></span><span>，比如低功耗、低延迟、低成本、性价比等。</span></p> <p><span>目前，提供算力的芯片类型，大致分为：GPU、ASIC（专用芯片）、FPGA（Filed Programmable Gate Array，现场可编程门列阵）。其中：</span></p> <p><span>GPU：通用性强，但功耗高，在上游；</span></p> <p><span>ASIC：通用性低，功耗也低，在中游</span><span><i>（原因：在设计的过程中，为特定算法进行定制化硬件设计，去除了算法运行过程中不需要的冗余部分，牺牲通用性、来降低功耗）；</i></span></p> <p><span>FPGA：通用性和功耗介于GPU和ASIC之间，在下游</span><span><i>（一种过渡方案，进行特定领域算法研究）</i></span></p> <p><span><b>总的来说，三者权衡的焦点在于通用性和功耗的平衡。通用性方面：GPU＞FPGA＞ASIC，而在计算能耗方面：GPU＞FPGA＞ASIC。</b></span></p> <p><b><span>从分工来说，可以简单理解为：GPU负责“搭建通用框架”，FPGA负责“调试和改写”，ASIC负责“细分应用场景”，不是互相“吃掉”的关系，而是互相“配合”的关系。正因为产品特性的差异，造成了训练端、推理端不同的竞争格局。</span></b></p> <p><b><span>1、训练端——</span></b><span>GPU芯片占据绝对优势。英伟达的GPU算力，通用性强，在训练端具有统治地位。并且，GPU可以适应各种开发框架（比如Google的Tensorflow、Facebook的Caffe2），所以更适合AI产业发展早期新算法的探索。</span></p> <p><span>同时，目前很多前沿的算法研究，都是在英伟达CUDA软件平台上完成的，这导致GPU算力的用户迁移成本较高，用户基础较好。</span></p> <p><b><span>2、推理端——</span></b><span>GPU、FPGA、ASIC均可。</span></p> <p><span>专用芯片（ASIC）方面，以谷歌的TPU（Tensor Processing Unit）为代表，是专门为谷歌自身的开发框架TensorFlow量身定做的专用芯片。在高频、海量的应用场景下，比如Youtube视频识别，TPU专用芯片可以有效节省成本。</span></p> <p><span>FPGA方面，需要关注英特尔，其利用FPGA实现了独特的“混合架构”。其通过收购FPGA公司Altera、ASIC公司Nervana、Movidius，整合了CPU技术，形成了CPU+FPGA+ASIC混合架构。这个架构未来如何，还需要跟踪观察。</span></p> <p><span>综上，根据IDC数据，2018年，GPU算力市场规模达到22亿美金，而FPGA和ASIC市场只有2亿美金和2.2亿美金。通过这个数据，《并购优塾》可以倒算出，GPU算力在AI算力市场的渗透率高达83.3%。</span></p> <p><span><i>（注意，这里的AI算力是指适合并行计算的、服务于深度学习算法的AI算力。许多传统机器学习算法，比如决策树、朴素贝叶斯分类，对计算量要求较低，在CPU上也可以运行）。</i></span></p> <p><img src=\"https://static.tigerbbs.com/1b122520e9be7b3acd3157d79600f899\"></p> <p><span>图：Bloomberg观点，GPU方案仍是主导</span></p> <p><span>来源：Bloomberg，</span></p> <p><img src=\"https://static.tigerbbs.com/2bc5967961cd08ef78763ba92288fc1e\"></p> <p><span>图：GPU、FPGA、ASIC预测</span></p> <p><span>来源：IDC</span></p> <p><span>根据IDC预测，2019年-2023年，GPU在AI算力领域的渗透率为75%、66.7%、62%、59%、54%。</span></p> <p><span>从这个数据，我们也能大致猜到未来GPU的天花板：假如在未来很多年以后，假设人类进入一种极致状态，算力进化到极限，并且算法已经成熟、使用场景也非常细分的情况下，那么，到时的产业格局，可能会是这样：GPU比例维持稳态，成为成熟市场；FPGA也维持稳态，因为“调试”的需求也会持稳；而ASIC可能出现“百花齐放”的情况，各个细分行业都有专用的ASIC。</span></p> <p><i>综上所述，由于GPU的短期逻辑较为确定（特别是在训练端），但长期逻辑存在一定的不确定性（主要是推理端的竞争）。未来，GPU技术路线能否继续在算力市场保持绝对优势地位，暂无足够多的数据支撑，只能说“概率很大”。因此，我们此处也需要设置情景开关：</i></p> <p><span><i>乐观情况下——2024年-2028年，假设GPU技术路线可以在AI算力市场中保持优势，GPU算力渗透率保持50%。</i></span></p> <p><span><i>悲观情况下——2024年-2028年，假设GPU技术路线优势无法在AI算力市场保持优势，GPU算力渗透率逐渐下降至30%。</i></span></p> <p><b><span>好，看到这里，只剩下一个预测参数需要解决：英伟达的GPU市占率。</span></b></p> <p><span><b>— 05 —</b></span></p> <p><span><b>███████</b></span></p> <p><b>英伟达，GPU市占率</b></p> <p><span>在GPU算力市场中，英伟达目前占据主导地位，市占率97%，而其竞争对手AMD则仅占有约3%的市场份额。</span></p> <p><span>AMD推出的CPU+GPU混合架构数据中心解决方案，目前和谷歌、阿里等互联网平台有合作关系。不过，AMD无论是在CPU还是GPU领域，历史上所采取的都属于市场跟随策略，我们认为，目前看来AMD对于英伟达的GPU算力竞争力较弱。</span></p> <p><i><span>鉴于英伟达在GPU算力市场目前的垄断地位，且眼下看不到被撼动的可能性。我们合理假设，未来十年，英伟达在GPU算力市场的市占率维持不变。</span></i></p> <p><b><span>这个问题解决后，我们再来看另一大重要市场：汽车芯片。</span></b></p> <p><img src=\"https://static.tigerbbs.com/0514c9939bc49b60550b9a42cbbad224\"></p> <p><span>图：数据中心业务收入预测</span></p> <p><span>来源：并购优塾</span></p> <p></p> <p><span><b>— 6 —</b></span></p> <p><span><b>███████</b></span></p> <p><b>产业链，话语权</b></p> <p><span>营运资本的变动，归根结低是产业链上下游话语权的问题。我们分别来看：</span></p> <p><b><span>1）对下游话语权——</span></b><span>主要看应收款项，预收账款（递延收入）。2014年-2018年，英伟达应收账款占比波动性不大，在10%-13%之间。从同行业对比来看，应收账款占收入的比例相差不大。</span></p> <p><img src=\"https://static.tigerbbs.com/ed1da9e46e4d7fcbc8f3bf68bf0d73d6\"></p> <p><span>图：应收账款占收入的比重</span></p> <p><span>来源：并购优塾</span></p> <p><span>预收账款方面，2016年英伟达预收账款占比下降较多，主要原因是其与英特尔的专利交叉许可协议到期所致，未来该部分收入不再确认。</span></p> <p><span><i>《并购优塾》合理假设，其应收账款、预收账款占收入的比例维持2018年水平。</i></span></p> <p><img src=\"https://static.tigerbbs.com/e1bf0f0cdbc7e901079b6ca58243d0c2\"></p> <p><span>图：预收账款（递延收入）占收入的比重</span></p> <p><span>来源：并购优塾</span></p> <p><b><span>2）对上游话语权——</span></b><span>主要看应付账款。英伟达应付账款占成本的比例近三年有上升趋势，整体维持在10%-15%之间。对比同行业来看，差异不大。</span></p> <p><span><i>由于其历史应付账款占成本的比重较为稳定，《并购优塾》合理假设，其应付账款占成本比例维持2018年水平。</i></span></p> <p><img src=\"https://static.tigerbbs.com/7e11c2ffde1949ecd3963fe7f74c0b12\"></p> <p><span>图：应付账款占成本的比重；来源：并购优塾</span></p> <p><span>3）营运效率——主要看存货。2018年，本案存货周转率下降较多，主要原因是挖矿炒作的市场噪音，带来的渠道库存压力以及二手卡问题。对比同行业存货周转率可以发现，差异不大。</span></p> <p><span><i>《并购优塾》合理假设，其存货占成本比例维持2014年-2017年均值（剔除2018年影响）。</i></span></p> <p><img src=\"https://static.tigerbbs.com/3ad3bb623d49415166b4a79618178573\"></p> <p><span>图：存货周转率；来源：并购优塾</span></p></body></html>","htmlText":"<html><head></head><body><p>分享一篇解读英伟达的好文，侵删。</p> <p><span>人类社会进入人工智能时代，很多应用场景都会被彻底改写，但如果将半导体的整条产业链梳理下来，有两个不可逆的大趋势：一是，制程不断缩减；二是，算力不断增强。</span><a target=\"_blank\" href=\"https://laohu8.com/S/NVDA\">$英伟达(NVDA)$</a><span> </span></p> <p><span>在第一个趋势之下，王冠上的明珠，落在了一家公司身上：台积电。而今天，我们要解决的是，第二个大趋势，将会落在谁身上。</span></p> <p><span>自2015年以来，这家公司搭上人工智能、比特币等概念，股价从19美元上涨至291美元，最高涨幅14倍。可是，在2018年4月，它被香橼（Citron Research）做空，指出其存在AI概念炒作、新产品不及预期等问题。加之，随后发布的2018年三季报，业绩增速下滑，股价随之大跌，最低点股价142美元，短短两个月下跌58%。</span><img src=\"https://static.tigerbbs.com/a8c84fea0c1cdb0d60c66b664e022133\"></p> <p><span>图：股价，来源：Bloomberg</span></p> <p><span>看到这里，大家可能会觉得，这是一家追风口的公司。其实并不是。</span></p> <p><span>如果抛开外在的概念驱动原因，这家公司自2015年大幅上涨，和它背后的商业逻辑、投资逻辑变化有关。并且，未来的时代，对于任何想要研究人工智能、深度学习等前沿行业的投资者来说，很难绕开它。</span></p> <p><span>它就是美股半导体公司——</span><span><b>英伟达</b></span><span>。它的核心产品为GPU（Graphics Processing Unit，图形处理器），下游应用领域极其广泛，覆盖你生活的各个方面。</span></p> <p><span>从游戏、影视特效，到搜索引擎、社交网站、电商平台的智能广告投放、商品推荐，再到即将来临的智能驾驶，都不可能离开GPU。</span></p> <p><span>2019年三季报，其主营业务收入为78.13亿美元（552.38亿元），净利润为18.45亿美元（130.44亿元）；经营活动产生的现金流为32.96亿美元（233.03亿元）。销售毛利率为60.83%，销售净利率为23.61%（汇率按照2019年12月，1美元=7.07元人民币计算）。</span></p> <p><span>从财务数据上看，毛利率、净利率高，且现金流也很好。另外，从客户名单上看，也都是知名大公司。比如：华硕、戴尔、索尼、微软、谷歌、Facebook、阿里、腾讯、海康威视、美国征信巨头FICO等。</span></p> <p><b>那么，值得我们深入思考的问题来了：</b></p> <p><span>GPU到底给英伟达带来了什么？</span></p> <p><span><b>— 01 —</b></span></p> <p><b>GPU，进化</b></p> <p><span><b>▼</b></span></p> <p><span>GPU（Graphics Processing Unit，图形处理器），是用于图形数据计算的芯片，被称为“显卡的大脑”。其特点是：计算单元多、计算能力强，擅长通过并行计算来加速图形数据处理。所谓“并行计算”，是指把复杂的计算问题拆分成多个子问题，然后在多个计算单元上一次性分别解决。</span></p> <p><span>而CPU（Central Processing Unit，中央处理器），是另外一码事，虽然擅长逻辑计算，但纯粹负责计算的单元（ALU）占比较少，所以，并行计算能力较差，不太适合单纯需要大量计算的行业应用。</span></p> <p><img src=\"https://static.tigerbbs.com/0c08ee8aa8e0107873cb8f0731c1b9ac\"></p> <p><span>图：CPU和GPU的结构对比</span></p> <p><span>来源：英伟达官网</span></p> <p><span>早期，英伟达其实是个做游戏显卡的公司。</span></p> <p><span><b>游戏图像显示</b></span><span>这个赛道，需要大量并行计算的行业应用。其具有数据类型单一、数据量巨大、且相互独立的特点。特别是，到了20世纪90年代早期，电子游戏进入了3D时代，图形数据处理速度的要求，越来越高。</span></p> <p><span><b>因此，负责加速图形数据处理的芯片开始出现，这就是GPU的雏形。此后，随着个人电脑时代的到来，PC游戏开始普及，进一步推动了GPU行业发展。</b></span></p> <p><span>1995年，微软推出Windows95操作系统，因为其应用的图形用户界面，逐渐成为了个人电脑行业的标准配置，英伟达嗅到了商机。</span></p> <p><span>1997年，英伟达设计的个人电脑显卡RIVA128上市，成为当时唯一具有3D加速能力的PC显卡。随后，其陆续上市的几款产品，由于在性能和价格上，均优于其竞争对手3Dfx和ATI，因此获得了PC制造商的认可。</span></p> <p><span>1999年8月，英伟达在之前产品的基础上优化升级，推出了GeForce256芯片，并将该架构定义为GPU——</span><span><b>从此，GPU成为了独立的计算单元</b></span><span>。</span></p> <p><span>凭借GPU的技术优势，英伟达逐渐占据了游戏显卡领域（包括PC和游戏主机）超过一半的市场份额，2001年收购了3Dfx，竞争对手只剩ATI一家（2006年被AMD收购）。</span></p> <p><b><span>然而，巨头的成长，并非一帆风顺。这是因为，其下游客户都是霸占行业咽喉赛道的垄断厂商，话语权极强。比如，游戏主机领域（索尼、任天堂），PC操作系统垄断者微软。</span></b></p> <p><span>一旦与这些屹立在产业链顶端的巨头发生”摩擦“时，其市场地位和竞争格局，瞬间都会受到威胁。</span></p> <p><img src=\"https://static.tigerbbs.com/1f5eea742a073ff67e532bd9bd565265\"></p> <p><span>图：PC产业链中，GPU属于零配件</span></p> <p><span>来源：并购优塾</span></p> <p><span>英伟达，就曾经面临过这种境遇。2000年，进军游戏主机市场的微软，打算通过低价策略，使其生产的游戏主机XBOX，与索尼的PS2进行竞争。因此，微软要求英伟达降低GPU芯片价格，但遭到了英伟达管理层的拒绝。</span></p> <p><span>于是，微软转而把订单都给了英伟达的竞争对手ATI。不仅如此，此后，由于微软没有将自己制定的PC行业标准DirectX 9及时通知给英伟达，直接导致英伟达的产品出现兼容性问题，从而动摇了其在PC显卡领域的市场地位。</span></p> <p><span>随后，英特尔也开始扶持其竞争对手ATI（AMD）。在巨头围剿之下，英伟达损失惨重，市场份额被ATI（AMD）不断侵蚀，股价大跌。</span></p> <p><span>据图形计算领域权威市场咨询机构Jon Peddie提供的市场数据来看，从2002年开始，英伟达市占率开始下降，对应的是AMD（2006年收购ATI）市占率不断提升。</span></p> <p><img src=\"https://static.tigerbbs.com/92f286072d70433d3cd08fcd9bd51fa4\"></p> <p><span>图：英伟达和AMD（2006年收购ATI）历史桌面独立显卡市占率变化</span></p> <p><span>来源：Jon Peddie、天风证券</span></p> <p><b><span>这是一个生死存亡的关头，英伟达不得不寻求解决方案。</span></b></p> <p><span>一方面，不断提升技术壁垒，持续推出高性能GPU芯片，争取在技术上压制竞争对手；另一方面，寻求拓宽客户宽度，与游戏内容商暴雪合作，推出了爆款游戏魔兽世界，还与索尼合作，为索尼PS3提供GPU。另外，也寻求了与微软的和解。</span></p> <p><span>一系列操作之后，2004年之后，英伟达的GPU业务回归稳步增长，2007年市占率重回65%左右。</span></p> <p><b><span>不过，这一系列的操作并没有真正意义上提升它的话语权。如果想要摆脱产业链单一大客户对它的影响，就需要拓宽应用场景。</span></b></p> <p><span>2006年，开发出了</span><span><b>CUDA</b></span><span>（Compute Unified Device Architecture，统一计算架构）开发环境，累计投资总额近100亿美元。这款软件产品，让英伟达GPU的计算功能能够应用于更多的场景，提高了话语权。</span></p> <p><span>简单理解，如果把英伟达的GPU比喻为苹果手机，那么CUDA就是App store。CUDA让英伟达的GPU硬件“软件化”，让各领域的开发人员，可以使用通用编程语言（比如C++语言）对GPU进行计算任务的定义，从而降低了繁琐的硬件语言对广大开发人员的限制。</span></p> <p><span><b>这，让英伟达进入了发展的全新阶段，逐渐超越了游戏显卡的局限，进化成了AI产业链上“硬件+软件”的巨头，真正掌握了行业话语权。打个不恰当的比喻，其属性类似于早期的“英特尔+ADOBE”。</b></span></p> <p><span>2010年，深度学习算法在学术界有了突破，这种算法对于算力的要求空前强大，而且同样适合采用并行计算的方式来加速。</span></p> <p><span>由于CUDA提供的通用计算能力，成了早期学术界和产业界用于提供AI算力的唯一选择。英伟达的GPU算力，结合深度学习算法，配合移动互联网到来之后、空前丰富的数据量，共同推动了人工智能（AI）产业的兴起。</span></p> <p><span>随着英伟达进一步对GPU设计进行调整改进，截至2015年，深度神经网络的训练速度提升了50倍。随后，英伟达开始为所有AI领域——计算机视觉、语音识别、自然语言处理，提供算力支持。</span></p> <p><span>随着AI应用场景迅速扩展，让英伟达迎来了除游戏业务之外，第二大新业务——数据中心业务的业绩爆发。在当前以GPU算力为主的情况下，英伟达依托先发优势，几乎独占该市场，市占率超过了97%，竞争对手AMD只有不到3%的市场份额。</span></p> <p><img src=\"https://static.tigerbbs.com/dbc6d8b6b7998911e670486b5057b478\"></p> <p><span>图：人工智能产业链（早期）</span></p> <p><span>来源：并购优塾</span></p> <p><b><span>到这里，我们已经梳理了英伟达从创立至今的发展历史——那么，它在整个过程中，究竟做对了什么？</span></b></p> <p><span><b>— 02 —</b></span></p> <p><span><b>███████</b></span></p> <p><b><span>巨头，模式</span></b><b>▼</b></p> <p><span>第一是研发（产品性能吊打竞争对手），第二是创新（构建了AI生态圈）。</span></p> <p><span>英伟达，1993年4月成立于美国加州圣克拉拉，1999年1月登陆纳斯达克（NASDAQ）。第一大股东为先锋基金（Vanguard Group INC），持股比例为7.6%，创始人黄仁勋（Jensen Huang）持股比例为3.54%。</span></p> <p><span>其他股东还包括：富达资管（Fidelity Management and Research）、贝莱德（Blackrock）、道富（State Street）等国际知名投资机构。</span></p> <p><img src=\"https://static.tigerbbs.com/7847101cf931c15dfe0ed2bf51c94cde\"></p> <p><span>图：主要股东；来源：Bloomberg</span></p> <p><span>根据芯片类型来划分，其收入来源于GPU（图形处理器）和Tegra（芯片级计算机）两部分。</span></p> <p><img src=\"https://static.tigerbbs.com/3ee0e1b16e0803f5aa1cff19290d69f0\"></p> <p><span>图：英伟达产品结构</span></p> <p><span>来源：爱分析</span></p> <p><img src=\"https://static.tigerbbs.com/e0d6fc294497d9a58bede40f86cd7cd3\"></p> <p><span>图：收入结构（亿美元）</span></p> <p><span>来源：德意志银行</span></p> <p><span>从终端应用领域来看，本案的收入主要来源于四大领域，分别为游戏（55%）、数据中心（24%）、专业视觉（11%）、汽车电子（5%）。此外，OEM和专利收入较少，合计贡献收入约为5%。</span></p> <p><b>1）游戏（Game）</b><span>——主要产品为GPU中的GeForce系列，和集成芯片Tegra中的游戏部分，主要使用者为重度游戏玩家，应用于游戏主机、游戏PC、掌机（比如任天堂出品的Switch）；</span></p> <p><b><span>2）</span></b><b>数据中心（Data Center）</b><span>——主要产品为Tesla/DXG系列GPU，主要使用者为互联网平台、学术界和产业界的科研人员；</span></p> <p><b><span>3）</span></b><b>汽车（Automotive）</b><span>—— 主要产品为集成芯片Tegra中的DRIVE系列（汽车计算机），主要客户为整车厂商、汽车零配件厂商、出行服务平台等；</span></p> <p><b><span>4）</span></b><b>专业视觉（Professional Visualization）</b><span>—— 主要产品为Quadro系列GPU，主要为设计者服务，应用领域为电影特效制作、工业设计等。</span><img src=\"https://static.tigerbbs.com/ba0d5ea287495cd6246dd6ed6c8d0b05\"></p> <p><span>图：英伟达GeForce系列游戏GPU</span></p> <p><span>来源：英伟达官网</span></p> <p><span>在这样的布局之下，业绩，到底如何？</span></p> <p><span>按照2019年12月人民币兑美元汇率（1美元=7.07元人民币）计算，2016年至2019年三季报，其主营业务收入分别为：69.1亿美元、97.14亿美元、</span><span><b>117.16亿美元、</b></span><span>78.13亿美元（折合人民币分别为488.54亿元、686.78亿元、828.32</span><span><b>亿元</b></span><span>、552.38亿元）；净利润分别为：16.66亿美元、30.47亿美元、</span><span><b>41.41亿美元、</b></span><span>18.45亿美元（折合人民币分别为117.77亿元、215.42亿元、292.77亿元、130.44亿元）。</span></p> <p><span>同期，经营活动产生的现金流分别为：16.72亿美元、35.02亿美元、</span><span><b>37.43亿美元、</b></span><span>32.96亿美元（折合人民币分别为118.21亿元、247.59亿元、264.63亿元、233.03亿元）。</span></p> <p><span>盈利能力方面来看，销售毛利率分别为：58.8%、59.93%、</span><span><b>61.21%、</b></span><span>60.83%，销售净利率分别为：24.11%、31.37%、</span><span><b>35.34%</b></span><span>、23.61%。</span></p> <p><img src=\"https://static.tigerbbs.com/f8c8220c3d6737e103b7e6486d59eec3\"></p> <p><span>增长方面来看，近三年营业收入复合增速为</span><span><b>30.21%</b></span><span>，净利润复合增速为</span><span><b>57.66%</b></span><span>。值得注意的是，由于所得税退税原因，2019年净利润较高。从利润总额角度来看，过去三年利润总额年复合增速为43%。</span></p> <p><span>从产业链视角看，本案作为</span><span><b>Fabless芯片设计企业</b></span><span>，其上游为晶圆代工厂、封装测试厂、模组加工厂等，供应商包括台积电（毛利率：48%）、三星电子（毛利率：46%）、鸿海精密（毛利率：6%）等，前五大供应商采购额占成本的比例为51.9%。</span></p> <p><span>其下游为PC/游戏主机厂商、互联网平台，汽车厂商、科研院校等，代表厂商有华硕（毛利率：15%）、微软（毛利率：65%）、谷歌（毛利率：56%）、脸书（毛利率：83%）等。前五大客户销售额占总营业收入的比例为46.67%。</span></p> <p><img src=\"https://static.tigerbbs.com/4b4dbabcac2d1c8a1b0c0f5d8f735ab3\"></p> <p><span>图：产业链</span></p> <p><span>来源：Bloomberg</span></p> <p><b><span>以上的经营模式及产业链形态，形成了其特殊的报表结构：</span></b></p> <p><span>从资产负债表结构看——2018财年，英伟达总资产为132.92亿美元（折合人民币939.74亿元）。资产中占比从高到低，依次是货币资金（56%）、存货（12%）、应收款项（11%）。总负债为39.5亿美元（折合人民币279.27亿元），其中占比较高的是长期借款（50%）和应付款项（15%）。</span></p> <p><span>从利润表结构看——2018财年，英伟达营业收入为117.16亿美元（折合人民币828.32亿元）。其中在成本上花费了38%，研发费用占了20%，销售及一般管理费用占了8%，剩下的净利率为35%。</span></p> <p><b><span>我们来看一组《并购优塾》整理的基本面数据：</span></b></p> <p><img src=\"https://static.tigerbbs.com/5ce7db96be9da6b641fae499ebfb4ee7\"></p> <p><span>图：ROE VS ROIC（%）；来源：并购优塾</span></p> <p><img src=\"https://static.tigerbbs.com/dcc968524f765691c9076d508e6e5afc\"></p> <p><span>图：营业收入 VS 收入增速（美元/亿、%）</span></p> <p><span>来源：并购优塾</span></p> <p><img src=\"https://static.tigerbbs.com/dff108827417c831d56a210df02e08d7\"></p> <p><span>图：营业收入增速 VS 净利润增速（%）；来源：并购优塾</span></p> <p><img src=\"https://static.tigerbbs.com/c14670d986e7edb80995c0e9c7db5ba1\"></p> <p><span>图：净利润 VS 现金流（亿元）；来源：并购优塾</span></p> <p><img src=\"https://static.tigerbbs.com/64c7d3bc256e5ceb0dccc1f157b23989\"></p> <p><span>图：毛利率 VS 净利率（%）；来源：并购优塾</span></p> <p><img src=\"https://static.tigerbbs.com/152d9a6cb97501d1c254f8da1b144a17\"></p> <p><span>图：CAPEX/经营活动现金流；来源：并购优塾</span></p> <p><img src=\"https://static.tigerbbs.com/e6a0abc0bbe8ba192212019353b6452e\"></p> <p><span>图：存货/经营活动现金流，来源：并购优塾</span></p> <p><img src=\"https://static.tigerbbs.com/ca1383d8e049af5a6f623bd72ec90b91\"></p> <p><span>图：有息负债/经营活动现金流</span></p> <p><span>来源：并购优塾</span></p> <p><img src=\"https://static.tigerbbs.com/f7d880f522ad55cb71e5a9e5d8401289\"></p> <p><span>图：营运资本/经营活动现金流；来源：并购优塾</span></p> <p><img src=\"https://static.tigerbbs.com/9d7586002a8abc7b93f766897771e8e8\"></p> <p><span>图：资产结构图（美元/百万）；来源：并购优塾</span></p> <p><img src=\"https://static.tigerbbs.com/85e94275ca381a4acdb33b2e5cbf35ff\"></p> <p><span>图：PS & 股价图</span></p> <p><span>来源：Bloomberg</span></p> <p><b><span>好，看到这里，一个核心问题来了：如果要对本案做建模，究竟该从何下手？</span></b></p> <p><span><b>— 03 —</b></span></p> <p><span><b>███████</b></span></p> <p><b>收入驱动</b></p> <p><span><b>▼</b></span><img src=\"https://static.tigerbbs.com/e2fc14cfa377d80c7b667d326ffe4a2d\"></p> <p><span>图：收入增速分析；来源：并购优塾</span></p> <p><span>（注：1999年-2003年无业务拆分，故将收入都归于主要产品GPU；2004年-2013年按照GPU和其他的方式进行收入分类；2014年之后按应用领域进行分类。）</span></p> <p><img src=\"https://static.tigerbbs.com/86c86c4e74e6c807cf2348b0491b35de\"></p> <p><span>图：各应用领域收入增速；来源：并购优塾</span></p> <p><span>从历史上看，英伟达的收入增速经历了3次高点，分别是1999年、2007年和2016-2017年。</span></p> <p><span><b>1999年</b></span><span>——收入增速高达120%，是因为抓住了个人电脑爆发的风口，快速占领PC游戏市场，使个人电脑显卡（后来的GPU）业务收入大幅度增长。</span></p> <p><span><b>2007年</b></span><span>——收入增速超过40%，主要因为在2003年，和暴雪合作推出爆款游戏《魔兽世界》，拉动游戏主机、PC端等对显卡的需求随之提升，收入快速增长。</span></p> <p><span><b>2016年至2017年</b></span><span>——收入增速超过40%，原因主要有两点：</span></p> <p><span>一是，老的游戏业务需求增长，主要是受《绝地求生》、《堡垒之夜》等爆款游戏影响，拉升游戏显卡硬件升级需求；</span></p> <p><span>二是，AI产业的兴起，对AI算力需求增加，使得其数据中心业务增长较快。此外，这一时期的虚拟货币的挖矿热潮，也一定程度拉动了GPU的需求。</span></p> <p><b><span>但要注意，2018年下半年以来，英伟达之所以受到各种媒体质疑，问题在于：游戏、数据中心两大业务增速，均出现了大幅度下滑。这是为什么？</span></b></p> <p><img src=\"https://static.tigerbbs.com/1c86e26c4db1dc7d6bbe479fd8d85a7a\"></p> <p><span>图：季度同比增速</span></p> <p><span>来源：并购优塾</span></p> <p><span>我们挨个来看：</span></p> <p><b><span>1、游戏业务——</span></b><span>从2018年第四季度开始，季度收入同比增速下滑，主要由于其在2018年下半年发布的、具备光线追踪功能的高端显卡，RTX20系列，尚未大规模商业化。</span></p> <p><span>因为，支持光追技术的游戏内容很少，只有《战地5》等少数几款，同时，由于其定价较高，游戏玩家的换卡意愿不强，销量不及预期。</span></p> <p><span>但随着游戏内容对</span><span><b>光追技术</b></span><span>的适配性增强（2019年，《我的世界》、《古墓丽影》、《使命召唤》等爆款游戏都开始支持光追技术），所以，游戏业务2019年下半年已经开始回暖。</span></p> <p><span>因此，光线追踪技术，是否是未来游戏显卡的刚需，是决定本案游戏业务未来发展的关键因子。</span></p> <p><b><span>2、数据中心——</span></b><span>2019年1季度以来，收入增速开始下滑，这是因为AI算力需求经过高速增长后，出现了短期调整，导致云计算客户（互联网平台）采购需求下降，也使得其产品的采购需求下降。</span></p> <p><span><b>— 04—</b></span></p> <p><span><b>███████</b></span></p> <p><b>GPU方案，渗透率</b></p> <p></p> <p><span><b>▼</b></span></p> <p></p> <p><span>要弄明白这个因子，我们需要先弄明白AI的产业链。</span></p> <p><span>AI，核心三大细分赛道是数据、算法、算力。而在本案所在的“算力”这个细分赛道上，又分为：上游，训练端；下游，推理端。GPU，是训练端的核心产品，代表企业为英伟达；而FPGA（可编程门阵列），是推力端的核心产品，代表企业为赛灵思。</span></p> <p><span>所谓训练，指的是在现有数据基础上，经过大量计算，确定模型参数，</span><span><b>即建立算法模型的过程</b></span><span>；而推理，则是指在已建立的算法模型基础上，再</span><span><b>应用于新数据、得出结果</b></span><span>的过程。</span></p> <p><span>举个例子，以优塾研究团队为例：我们通过财务勾稽关系、估值逻辑，搭建估值模型的底层模板，这个属于“训练端”；然后，再针对不同公司做基本面分析，把相关数据输入到模型中，输出不同的估值结果，这个属于“推理端”。</span></p> <p><img src=\"https://static.tigerbbs.com/04b01fa57345dabc8bb9e3ae72984e5a\"></p> <p><span>图：人工智能模型的训练和推理</span></p> <p><span>来源：英伟达官网</span></p> <p><span>我们常听到GPU、FPGA，其实它们并不是互相替代的关系，而是上下游的关系。</span></p> <p><span>值得注意的是，上游训练端与下游推理端，对于算力的要求侧重点不同。</span><span><b>训练端更强调高通用性</b></span><span>，而推理端更强调</span><span><b>综合能力</b></span><span>，比如低功耗、低延迟、低成本、性价比等。</span></p> <p><span>目前，提供算力的芯片类型，大致分为：GPU、ASIC（专用芯片）、FPGA（Filed Programmable Gate Array，现场可编程门列阵）。其中：</span></p> <p><span>GPU：通用性强，但功耗高，在上游；</span></p> <p><span>ASIC：通用性低，功耗也低，在中游</span><span><i>（原因：在设计的过程中，为特定算法进行定制化硬件设计，去除了算法运行过程中不需要的冗余部分，牺牲通用性、来降低功耗）；</i></span></p> <p><span>FPGA：通用性和功耗介于GPU和ASIC之间，在下游</span><span><i>（一种过渡方案，进行特定领域算法研究）</i></span></p> <p><span><b>总的来说，三者权衡的焦点在于通用性和功耗的平衡。通用性方面：GPU＞FPGA＞ASIC，而在计算能耗方面：GPU＞FPGA＞ASIC。</b></span></p> <p><b><span>从分工来说，可以简单理解为：GPU负责“搭建通用框架”，FPGA负责“调试和改写”，ASIC负责“细分应用场景”，不是互相“吃掉”的关系，而是互相“配合”的关系。正因为产品特性的差异，造成了训练端、推理端不同的竞争格局。</span></b></p> <p><b><span>1、训练端——</span></b><span>GPU芯片占据绝对优势。英伟达的GPU算力，通用性强，在训练端具有统治地位。并且，GPU可以适应各种开发框架（比如Google的Tensorflow、Facebook的Caffe2），所以更适合AI产业发展早期新算法的探索。</span></p> <p><span>同时，目前很多前沿的算法研究，都是在英伟达CUDA软件平台上完成的，这导致GPU算力的用户迁移成本较高，用户基础较好。</span></p> <p><b><span>2、推理端——</span></b><span>GPU、FPGA、ASIC均可。</span></p> <p><span>专用芯片（ASIC）方面，以谷歌的TPU（Tensor Processing Unit）为代表，是专门为谷歌自身的开发框架TensorFlow量身定做的专用芯片。在高频、海量的应用场景下，比如Youtube视频识别，TPU专用芯片可以有效节省成本。</span></p> <p><span>FPGA方面，需要关注英特尔，其利用FPGA实现了独特的“混合架构”。其通过收购FPGA公司Altera、ASIC公司Nervana、Movidius，整合了CPU技术，形成了CPU+FPGA+ASIC混合架构。这个架构未来如何，还需要跟踪观察。</span></p> <p><span>综上，根据IDC数据，2018年，GPU算力市场规模达到22亿美金，而FPGA和ASIC市场只有2亿美金和2.2亿美金。通过这个数据，《并购优塾》可以倒算出，GPU算力在AI算力市场的渗透率高达83.3%。</span></p> <p><span><i>（注意，这里的AI算力是指适合并行计算的、服务于深度学习算法的AI算力。许多传统机器学习算法，比如决策树、朴素贝叶斯分类，对计算量要求较低，在CPU上也可以运行）。</i></span></p> <p><img src=\"https://static.tigerbbs.com/1b122520e9be7b3acd3157d79600f899\"></p> <p><span>图：Bloomberg观点，GPU方案仍是主导</span></p> <p><span>来源：Bloomberg，</span></p> <p><img src=\"https://static.tigerbbs.com/2bc5967961cd08ef78763ba92288fc1e\"></p> <p><span>图：GPU、FPGA、ASIC预测</span></p> <p><span>来源：IDC</span></p> <p><span>根据IDC预测，2019年-2023年，GPU在AI算力领域的渗透率为75%、66.7%、62%、59%、54%。</span></p> <p><span>从这个数据，我们也能大致猜到未来GPU的天花板：假如在未来很多年以后，假设人类进入一种极致状态，算力进化到极限，并且算法已经成熟、使用场景也非常细分的情况下，那么，到时的产业格局，可能会是这样：GPU比例维持稳态，成为成熟市场；FPGA也维持稳态，因为“调试”的需求也会持稳；而ASIC可能出现“百花齐放”的情况，各个细分行业都有专用的ASIC。</span></p> <p><i>综上所述，由于GPU的短期逻辑较为确定（特别是在训练端），但长期逻辑存在一定的不确定性（主要是推理端的竞争）。未来，GPU技术路线能否继续在算力市场保持绝对优势地位，暂无足够多的数据支撑，只能说“概率很大”。因此，我们此处也需要设置情景开关：</i></p> <p><span><i>乐观情况下——2024年-2028年，假设GPU技术路线可以在AI算力市场中保持优势，GPU算力渗透率保持50%。</i></span></p> <p><span><i>悲观情况下——2024年-2028年，假设GPU技术路线优势无法在AI算力市场保持优势，GPU算力渗透率逐渐下降至30%。</i></span></p> <p><b><span>好，看到这里，只剩下一个预测参数需要解决：英伟达的GPU市占率。</span></b></p> <p><span><b>— 05 —</b></span></p> <p><span><b>███████</b></span></p> <p><b>英伟达，GPU市占率</b></p> <p><span>在GPU算力市场中，英伟达目前占据主导地位，市占率97%，而其竞争对手AMD则仅占有约3%的市场份额。</span></p> <p><span>AMD推出的CPU+GPU混合架构数据中心解决方案，目前和谷歌、阿里等互联网平台有合作关系。不过，AMD无论是在CPU还是GPU领域，历史上所采取的都属于市场跟随策略，我们认为，目前看来AMD对于英伟达的GPU算力竞争力较弱。</span></p> <p><i><span>鉴于英伟达在GPU算力市场目前的垄断地位，且眼下看不到被撼动的可能性。我们合理假设，未来十年，英伟达在GPU算力市场的市占率维持不变。</span></i></p> <p><b><span>这个问题解决后，我们再来看另一大重要市场：汽车芯片。</span></b></p> <p><img src=\"https://static.tigerbbs.com/0514c9939bc49b60550b9a42cbbad224\"></p> <p><span>图：数据中心业务收入预测</span></p> <p><span>来源：并购优塾</span></p> <p></p> <p><span><b>— 6 —</b></span></p> <p><span><b>███████</b></span></p> <p><b>产业链，话语权</b></p> <p><span>营运资本的变动，归根结低是产业链上下游话语权的问题。我们分别来看：</span></p> <p><b><span>1）对下游话语权——</span></b><span>主要看应收款项，预收账款（递延收入）。2014年-2018年，英伟达应收账款占比波动性不大，在10%-13%之间。从同行业对比来看，应收账款占收入的比例相差不大。</span></p> <p><img src=\"https://static.tigerbbs.com/ed1da9e46e4d7fcbc8f3bf68bf0d73d6\"></p> <p><span>图：应收账款占收入的比重</span></p> <p><span>来源：并购优塾</span></p> <p><span>预收账款方面，2016年英伟达预收账款占比下降较多，主要原因是其与英特尔的专利交叉许可协议到期所致，未来该部分收入不再确认。</span></p> <p><span><i>《并购优塾》合理假设，其应收账款、预收账款占收入的比例维持2018年水平。</i></span></p> <p><img src=\"https://static.tigerbbs.com/e1bf0f0cdbc7e901079b6ca58243d0c2\"></p> <p><span>图：预收账款（递延收入）占收入的比重</span></p> <p><span>来源：并购优塾</span></p> <p><b><span>2）对上游话语权——</span></b><span>主要看应付账款。英伟达应付账款占成本的比例近三年有上升趋势，整体维持在10%-15%之间。对比同行业来看，差异不大。</span></p> <p><span><i>由于其历史应付账款占成本的比重较为稳定，《并购优塾》合理假设，其应付账款占成本比例维持2018年水平。</i></span></p> <p><img src=\"https://static.tigerbbs.com/7e11c2ffde1949ecd3963fe7f74c0b12\"></p> <p><span>图：应付账款占成本的比重；来源：并购优塾</span></p> <p><span>3）营运效率——主要看存货。2018年，本案存货周转率下降较多，主要原因是挖矿炒作的市场噪音，带来的渠道库存压力以及二手卡问题。对比同行业存货周转率可以发现，差异不大。</span></p> <p><span><i>《并购优塾》合理假设，其存货占成本比例维持2014年-2017年均值（剔除2018年影响）。</i></span></p> <p><img src=\"https://static.tigerbbs.com/3ad3bb623d49415166b4a79618178573\"></p> <p><span>图：存货周转率；来源：并购优塾</span></p></body></html>","text":"分享一篇解读英伟达的好文，侵删。 人类社会进入人工智能时代，很多应用场景都会被彻底改写，但如果将半导体的整条产业链梳理下来，有两个不可逆的大趋势：一是，制程不断缩减；二是，算力不断增强。$英伟达(NVDA)$ 在第一个趋势之下，王冠上的明珠，落在了一家公司身上：台积电。而今天，我们要解决的是，第二个大趋势，将会落在谁身上。 自2015年以来，这家公司搭上人工智能、比特币等概念，股价从19美元上涨至291美元，最高涨幅14倍。可是，在2018年4月，它被香橼（Citron Research）做空，指出其存在AI概念炒作、新产品不及预期等问题。加之，随后发布的2018年三季报，业绩增速下滑，股价随之大跌，最低点股价142美元，短短两个月下跌58%。 图：股价，来源：Bloomberg 看到这里，大家可能会觉得，这是一家追风口的公司。其实并不是。 如果抛开外在的概念驱动原因，这家公司自2015年大幅上涨，和它背后的商业逻辑、投资逻辑变化有关。并且，未来的时代，对于任何想要研究人工智能、深度学习等前沿行业的投资者来说，很难绕开它。 它就是美股半导体公司——英伟达。它的核心产品为GPU（Graphics Processing Unit，图形处理器），下游应用领域极其广泛，覆盖你生活的各个方面。 从游戏、影视特效，到搜索引擎、社交网站、电商平台的智能广告投放、商品推荐，再到即将来临的智能驾驶，都不可能离开GPU。 2019年三季报，其主营业务收入为78.13亿美元（552.38亿元），净利润为18.45亿美元（130.44亿元）；经营活动产生的现金流为32.96亿美元（233.03亿元）。销售毛利率为60.83%，销售净利率为23.61%（汇率按照2019年12月，1美元=7.07元人民币计算）。 从财务数据上看，毛利率、净利率高，且现金流也很好。另外，从客户名单上看，也都是知名大公司。比如：华硕、戴尔、索尼、微软、谷歌、Facebook、阿里、腾讯、海康威视、美国征信巨头FICO等。 那么，值得我们深入思考的问题来了： GPU到底给英伟达带来了什么？ — 01 — GPU，进化 ▼ GPU（Graphics Processing Unit，图形处理器），是用于图形数据计算的芯片，被称为“显卡的大脑”。其特点是：计算单元多、计算能力强，擅长通过并行计算来加速图形数据处理。所谓“并行计算”，是指把复杂的计算问题拆分成多个子问题，然后在多个计算单元上一次性分别解决。 而CPU（Central Processing Unit，中央处理器），是另外一码事，虽然擅长逻辑计算，但纯粹负责计算的单元（ALU）占比较少，所以，并行计算能力较差，不太适合单纯需要大量计算的行业应用。 图：CPU和GPU的结构对比 来源：英伟达官网 早期，英伟达其实是个做游戏显卡的公司。 游戏图像显示这个赛道，需要大量并行计算的行业应用。其具有数据类型单一、数据量巨大、且相互独立的特点。特别是，到了20世纪90年代早期，电子游戏进入了3D时代，图形数据处理速度的要求，越来越高。 因此，负责加速图形数据处理的芯片开始出现，这就是GPU的雏形。此后，随着个人电脑时代的到来，PC游戏开始普及，进一步推动了GPU行业发展。 1995年，微软推出Windows95操作系统，因为其应用的图形用户界面，逐渐成为了个人电脑行业的标准配置，英伟达嗅到了商机。 1997年，英伟达设计的个人电脑显卡RIVA128上市，成为当时唯一具有3D加速能力的PC显卡。随后，其陆续上市的几款产品，由于在性能和价格上，均优于其竞争对手3Dfx和ATI，因此获得了PC制造商的认可。 1999年8月，英伟达在之前产品的基础上优化升级，推出了GeForce256芯片，并将该架构定义为GPU——从此，GPU成为了独立的计算单元。 凭借GPU的技术优势，英伟达逐渐占据了游戏显卡领域（包括PC和游戏主机）超过一半的市场份额，2001年收购了3Dfx，竞争对手只剩ATI一家（2006年被AMD收购）。 然而，巨头的成长，并非一帆风顺。这是因为，其下游客户都是霸占行业咽喉赛道的垄断厂商，话语权极强。比如，游戏主机领域（索尼、任天堂），PC操作系统垄断者微软。 一旦与这些屹立在产业链顶端的巨头发生”摩擦“时，其市场地位和竞争格局，瞬间都会受到威胁。 图：PC产业链中，GPU属于零配件 来源：并购优塾 英伟达，就曾经面临过这种境遇。2000年，进军游戏主机市场的微软，打算通过低价策略，使其生产的游戏主机XBOX，与索尼的PS2进行竞争。因此，微软要求英伟达降低GPU芯片价格，但遭到了英伟达管理层的拒绝。 于是，微软转而把订单都给了英伟达的竞争对手ATI。不仅如此，此后，由于微软没有将自己制定的PC行业标准DirectX 9及时通知给英伟达，直接导致英伟达的产品出现兼容性问题，从而动摇了其在PC显卡领域的市场地位。 随后，英特尔也开始扶持其竞争对手ATI（AMD）。在巨头围剿之下，英伟达损失惨重，市场份额被ATI（AMD）不断侵蚀，股价大跌。 据图形计算领域权威市场咨询机构Jon Peddie提供的市场数据来看，从2002年开始，英伟达市占率开始下降，对应的是AMD（2006年收购ATI）市占率不断提升。 图：英伟达和AMD（2006年收购ATI）历史桌面独立显卡市占率变化 来源：Jon Peddie、天风证券 这是一个生死存亡的关头，英伟达不得不寻求解决方案。 一方面，不断提升技术壁垒，持续推出高性能GPU芯片，争取在技术上压制竞争对手；另一方面，寻求拓宽客户宽度，与游戏内容商暴雪合作，推出了爆款游戏魔兽世界，还与索尼合作，为索尼PS3提供GPU。另外，也寻求了与微软的和解。 一系列操作之后，2004年之后，英伟达的GPU业务回归稳步增长，2007年市占率重回65%左右。 不过，这一系列的操作并没有真正意义上提升它的话语权。如果想要摆脱产业链单一大客户对它的影响，就需要拓宽应用场景。 2006年，开发出了CUDA（Compute Unified Device Architecture，统一计算架构）开发环境，累计投资总额近100亿美元。这款软件产品，让英伟达GPU的计算功能能够应用于更多的场景，提高了话语权。 简单理解，如果把英伟达的GPU比喻为苹果手机，那么CUDA就是App store。CUDA让英伟达的GPU硬件“软件化”，让各领域的开发人员，可以使用通用编程语言（比如C++语言）对GPU进行计算任务的定义，从而降低了繁琐的硬件语言对广大开发人员的限制。 这，让英伟达进入了发展的全新阶段，逐渐超越了游戏显卡的局限，进化成了AI产业链上“硬件+软件”的巨头，真正掌握了行业话语权。打个不恰当的比喻，其属性类似于早期的“英特尔+ADOBE”。 2010年，深度学习算法在学术界有了突破，这种算法对于算力的要求空前强大，而且同样适合采用并行计算的方式来加速。 由于CUDA提供的通用计算能力，成了早期学术界和产业界用于提供AI算力的唯一选择。英伟达的GPU算力，结合深度学习算法，配合移动互联网到来之后、空前丰富的数据量，共同推动了人工智能（AI）产业的兴起。 随着英伟达进一步对GPU设计进行调整改进，截至2015年，深度神经网络的训练速度提升了50倍。随后，英伟达开始为所有AI领域——计算机视觉、语音识别、自然语言处理，提供算力支持。 随着AI应用场景迅速扩展，让英伟达迎来了除游戏业务之外，第二大新业务——数据中心业务的业绩爆发。在当前以GPU算力为主的情况下，英伟达依托先发优势，几乎独占该市场，市占率超过了97%，竞争对手AMD只有不到3%的市场份额。 图：人工智能产业链（早期） 来源：并购优塾 到这里，我们已经梳理了英伟达从创立至今的发展历史——那么，它在整个过程中，究竟做对了什么？ — 02 — ███████ 巨头，模式▼ 第一是研发（产品性能吊打竞争对手），第二是创新（构建了AI生态圈）。 英伟达，1993年4月成立于美国加州圣克拉拉，1999年1月登陆纳斯达克（NASDAQ）。第一大股东为先锋基金（Vanguard Group INC），持股比例为7.6%，创始人黄仁勋（Jensen Huang）持股比例为3.54%。 其他股东还包括：富达资管（Fidelity Management and Research）、贝莱德（Blackrock）、道富（State Street）等国际知名投资机构。 图：主要股东；来源：Bloomberg 根据芯片类型来划分，其收入来源于GPU（图形处理器）和Tegra（芯片级计算机）两部分。 图：英伟达产品结构 来源：爱分析 图：收入结构（亿美元） 来源：德意志银行 从终端应用领域来看，本案的收入主要来源于四大领域，分别为游戏（55%）、数据中心（24%）、专业视觉（11%）、汽车电子（5%）。此外，OEM和专利收入较少，合计贡献收入约为5%。 1）游戏（Game）——主要产品为GPU中的GeForce系列，和集成芯片Tegra中的游戏部分，主要使用者为重度游戏玩家，应用于游戏主机、游戏PC、掌机（比如任天堂出品的Switch）； 2）数据中心（Data Center）——主要产品为Tesla/DXG系列GPU，主要使用者为互联网平台、学术界和产业界的科研人员； 3）汽车（Automotive）—— 主要产品为集成芯片Tegra中的DRIVE系列（汽车计算机），主要客户为整车厂商、汽车零配件厂商、出行服务平台等； 4）专业视觉（Professional Visualization）—— 主要产品为Quadro系列GPU，主要为设计者服务，应用领域为电影特效制作、工业设计等。 图：英伟达GeForce系列游戏GPU 来源：英伟达官网 在这样的布局之下，业绩，到底如何？ 按照2019年12月人民币兑美元汇率（1美元=7.07元人民币）计算，2016年至2019年三季报，其主营业务收入分别为：69.1亿美元、97.14亿美元、117.16亿美元、78.13亿美元（折合人民币分别为488.54亿元、686.78亿元、828.32亿元、552.38亿元）；净利润分别为：16.66亿美元、30.47亿美元、41.41亿美元、18.45亿美元（折合人民币分别为117.77亿元、215.42亿元、292.77亿元、130.44亿元）。 同期，经营活动产生的现金流分别为：16.72亿美元、35.02亿美元、37.43亿美元、32.96亿美元（折合人民币分别为118.21亿元、247.59亿元、264.63亿元、233.03亿元）。 盈利能力方面来看，销售毛利率分别为：58.8%、59.93%、61.21%、60.83%，销售净利率分别为：24.11%、31.37%、35.34%、23.61%。 增长方面来看，近三年营业收入复合增速为30.21%，净利润复合增速为57.66%。值得注意的是，由于所得税退税原因，2019年净利润较高。从利润总额角度来看，过去三年利润总额年复合增速为43%。 从产业链视角看，本案作为Fabless芯片设计企业，其上游为晶圆代工厂、封装测试厂、模组加工厂等，供应商包括台积电（毛利率：48%）、三星电子（毛利率：46%）、鸿海精密（毛利率：6%）等，前五大供应商采购额占成本的比例为51.9%。 其下游为PC/游戏主机厂商、互联网平台，汽车厂商、科研院校等，代表厂商有华硕（毛利率：15%）、微软（毛利率：65%）、谷歌（毛利率：56%）、脸书（毛利率：83%）等。前五大客户销售额占总营业收入的比例为46.67%。 图：产业链 来源：Bloomberg 以上的经营模式及产业链形态，形成了其特殊的报表结构： 从资产负债表结构看——2018财年，英伟达总资产为132.92亿美元（折合人民币939.74亿元）。资产中占比从高到低，依次是货币资金（56%）、存货（12%）、应收款项（11%）。总负债为39.5亿美元（折合人民币279.27亿元），其中占比较高的是长期借款（50%）和应付款项（15%）。 从利润表结构看——2018财年，英伟达营业收入为117.16亿美元（折合人民币828.32亿元）。其中在成本上花费了38%，研发费用占了20%，销售及一般管理费用占了8%，剩下的净利率为35%。 我们来看一组《并购优塾》整理的基本面数据： 图：ROE VS ROIC（%）；来源：并购优塾 图：营业收入 VS 收入增速（美元/亿、%） 来源：并购优塾 图：营业收入增速 VS 净利润增速（%）；来源：并购优塾 图：净利润 VS 现金流（亿元）；来源：并购优塾 图：毛利率 VS 净利率（%）；来源：并购优塾 图：CAPEX/经营活动现金流；来源：并购优塾 图：存货/经营活动现金流，来源：并购优塾 图：有息负债/经营活动现金流 来源：并购优塾 图：营运资本/经营活动现金流；来源：并购优塾 图：资产结构图（美元/百万）；来源：并购优塾 图：PS & 股价图 来源：Bloomberg 好，看到这里，一个核心问题来了：如果要对本案做建模，究竟该从何下手？ — 03 — ███████ 收入驱动 ▼ 图：收入增速分析；来源：并购优塾 （注：1999年-2003年无业务拆分，故将收入都归于主要产品GPU；2004年-2013年按照GPU和其他的方式进行收入分类；2014年之后按应用领域进行分类。） 图：各应用领域收入增速；来源：并购优塾 从历史上看，英伟达的收入增速经历了3次高点，分别是1999年、2007年和2016-2017年。 1999年——收入增速高达120%，是因为抓住了个人电脑爆发的风口，快速占领PC游戏市场，使个人电脑显卡（后来的GPU）业务收入大幅度增长。 2007年——收入增速超过40%，主要因为在2003年，和暴雪合作推出爆款游戏《魔兽世界》，拉动游戏主机、PC端等对显卡的需求随之提升，收入快速增长。 2016年至2017年——收入增速超过40%，原因主要有两点： 一是，老的游戏业务需求增长，主要是受《绝地求生》、《堡垒之夜》等爆款游戏影响，拉升游戏显卡硬件升级需求； 二是，AI产业的兴起，对AI算力需求增加，使得其数据中心业务增长较快。此外，这一时期的虚拟货币的挖矿热潮，也一定程度拉动了GPU的需求。 但要注意，2018年下半年以来，英伟达之所以受到各种媒体质疑，问题在于：游戏、数据中心两大业务增速，均出现了大幅度下滑。这是为什么？ 图：季度同比增速 来源：并购优塾 我们挨个来看： 1、游戏业务——从2018年第四季度开始，季度收入同比增速下滑，主要由于其在2018年下半年发布的、具备光线追踪功能的高端显卡，RTX20系列，尚未大规模商业化。 因为，支持光追技术的游戏内容很少，只有《战地5》等少数几款，同时，由于其定价较高，游戏玩家的换卡意愿不强，销量不及预期。 但随着游戏内容对光追技术的适配性增强（2019年，《我的世界》、《古墓丽影》、《使命召唤》等爆款游戏都开始支持光追技术），所以，游戏业务2019年下半年已经开始回暖。 因此，光线追踪技术，是否是未来游戏显卡的刚需，是决定本案游戏业务未来发展的关键因子。 2、数据中心——2019年1季度以来，收入增速开始下滑，这是因为AI算力需求经过高速增长后，出现了短期调整，导致云计算客户（互联网平台）采购需求下降，也使得其产品的采购需求下降。 — 04— ███████ GPU方案，渗透率 ▼ 要弄明白这个因子，我们需要先弄明白AI的产业链。 AI，核心三大细分赛道是数据、算法、算力。而在本案所在的“算力”这个细分赛道上，又分为：上游，训练端；下游，推理端。GPU，是训练端的核心产品，代表企业为英伟达；而FPGA（可编程门阵列），是推力端的核心产品，代表企业为赛灵思。 所谓训练，指的是在现有数据基础上，经过大量计算，确定模型参数，即建立算法模型的过程；而推理，则是指在已建立的算法模型基础上，再应用于新数据、得出结果的过程。 举个例子，以优塾研究团队为例：我们通过财务勾稽关系、估值逻辑，搭建估值模型的底层模板，这个属于“训练端”；然后，再针对不同公司做基本面分析，把相关数据输入到模型中，输出不同的估值结果，这个属于“推理端”。 图：人工智能模型的训练和推理 来源：英伟达官网 我们常听到GPU、FPGA，其实它们并不是互相替代的关系，而是上下游的关系。 值得注意的是，上游训练端与下游推理端，对于算力的要求侧重点不同。训练端更强调高通用性，而推理端更强调综合能力，比如低功耗、低延迟、低成本、性价比等。 目前，提供算力的芯片类型，大致分为：GPU、ASIC（专用芯片）、FPGA（Filed Programmable Gate Array，现场可编程门列阵）。其中： GPU：通用性强，但功耗高，在上游； ASIC：通用性低，功耗也低，在中游（原因：在设计的过程中，为特定算法进行定制化硬件设计，去除了算法运行过程中不需要的冗余部分，牺牲通用性、来降低功耗）； FPGA：通用性和功耗介于GPU和ASIC之间，在下游（一种过渡方案，进行特定领域算法研究） 总的来说，三者权衡的焦点在于通用性和功耗的平衡。通用性方面：GPU＞FPGA＞ASIC，而在计算能耗方面：GPU＞FPGA＞ASIC。 从分工来说，可以简单理解为：GPU负责“搭建通用框架”，FPGA负责“调试和改写”，ASIC负责“细分应用场景”，不是互相“吃掉”的关系，而是互相“配合”的关系。正因为产品特性的差异，造成了训练端、推理端不同的竞争格局。 1、训练端——GPU芯片占据绝对优势。英伟达的GPU算力，通用性强，在训练端具有统治地位。并且，GPU可以适应各种开发框架（比如Google的Tensorflow、Facebook的Caffe2），所以更适合AI产业发展早期新算法的探索。 同时，目前很多前沿的算法研究，都是在英伟达CUDA软件平台上完成的，这导致GPU算力的用户迁移成本较高，用户基础较好。 2、推理端——GPU、FPGA、ASIC均可。 专用芯片（ASIC）方面，以谷歌的TPU（Tensor Processing Unit）为代表，是专门为谷歌自身的开发框架TensorFlow量身定做的专用芯片。在高频、海量的应用场景下，比如Youtube视频识别，TPU专用芯片可以有效节省成本。 FPGA方面，需要关注英特尔，其利用FPGA实现了独特的“混合架构”。其通过收购FPGA公司Altera、ASIC公司Nervana、Movidius，整合了CPU技术，形成了CPU+FPGA+ASIC混合架构。这个架构未来如何，还需要跟踪观察。 综上，根据IDC数据，2018年，GPU算力市场规模达到22亿美金，而FPGA和ASIC市场只有2亿美金和2.2亿美金。通过这个数据，《并购优塾》可以倒算出，GPU算力在AI算力市场的渗透率高达83.3%。 （注意，这里的AI算力是指适合并行计算的、服务于深度学习算法的AI算力。许多传统机器学习算法，比如决策树、朴素贝叶斯分类，对计算量要求较低，在CPU上也可以运行）。 图：Bloomberg观点，GPU方案仍是主导 来源：Bloomberg， 图：GPU、FPGA、ASIC预测 来源：IDC 根据IDC预测，2019年-2023年，GPU在AI算力领域的渗透率为75%、66.7%、62%、59%、54%。 从这个数据，我们也能大致猜到未来GPU的天花板：假如在未来很多年以后，假设人类进入一种极致状态，算力进化到极限，并且算法已经成熟、使用场景也非常细分的情况下，那么，到时的产业格局，可能会是这样：GPU比例维持稳态，成为成熟市场；FPGA也维持稳态，因为“调试”的需求也会持稳；而ASIC可能出现“百花齐放”的情况，各个细分行业都有专用的ASIC。 综上所述，由于GPU的短期逻辑较为确定（特别是在训练端），但长期逻辑存在一定的不确定性（主要是推理端的竞争）。未来，GPU技术路线能否继续在算力市场保持绝对优势地位，暂无足够多的数据支撑，只能说“概率很大”。因此，我们此处也需要设置情景开关： 乐观情况下——2024年-2028年，假设GPU技术路线可以在AI算力市场中保持优势，GPU算力渗透率保持50%。 悲观情况下——2024年-2028年，假设GPU技术路线优势无法在AI算力市场保持优势，GPU算力渗透率逐渐下降至30%。 好，看到这里，只剩下一个预测参数需要解决：英伟达的GPU市占率。 — 05 — ███████ 英伟达，GPU市占率 在GPU算力市场中，英伟达目前占据主导地位，市占率97%，而其竞争对手AMD则仅占有约3%的市场份额。 AMD推出的CPU+GPU混合架构数据中心解决方案，目前和谷歌、阿里等互联网平台有合作关系。不过，AMD无论是在CPU还是GPU领域，历史上所采取的都属于市场跟随策略，我们认为，目前看来AMD对于英伟达的GPU算力竞争力较弱。 鉴于英伟达在GPU算力市场目前的垄断地位，且眼下看不到被撼动的可能性。我们合理假设，未来十年，英伟达在GPU算力市场的市占率维持不变。 这个问题解决后，我们再来看另一大重要市场：汽车芯片。 图：数据中心业务收入预测 来源：并购优塾 — 6 — ███████ 产业链，话语权 营运资本的变动，归根结低是产业链上下游话语权的问题。我们分别来看： 1）对下游话语权——主要看应收款项，预收账款（递延收入）。2014年-2018年，英伟达应收账款占比波动性不大，在10%-13%之间。从同行业对比来看，应收账款占收入的比例相差不大。 图：应收账款占收入的比重 来源：并购优塾 预收账款方面，2016年英伟达预收账款占比下降较多，主要原因是其与英特尔的专利交叉许可协议到期所致，未来该部分收入不再确认。 《并购优塾》合理假设，其应收账款、预收账款占收入的比例维持2018年水平。 图：预收账款（递延收入）占收入的比重 来源：并购优塾 2）对上游话语权——主要看应付账款。英伟达应付账款占成本的比例近三年有上升趋势，整体维持在10%-15%之间。对比同行业来看，差异不大。 由于其历史应付账款占成本的比重较为稳定，《并购优塾》合理假设，其应付账款占成本比例维持2018年水平。 图：应付账款占成本的比重；来源：并购优塾 3）营运效率——主要看存货。2018年，本案存货周转率下降较多，主要原因是挖矿炒作的市场噪音，带来的渠道库存压力以及二手卡问题。对比同行业存货周转率可以发现，差异不大。 《并购优塾》合理假设，其存货占成本比例维持2014年-2017年均值（剔除2018年影响）。 图：存货周转率；来源：并购优塾","highlighted":1,"essential":2,"paper":2,"link":"https://laohu8.com/post/917899383","repostId":0,"isVote":1,"tweetType":1,"commentLimit":10,"symbols":["NVDA"],"verified":2,"subType":0,"readableState":1,"langContent":"CN","currentLanguage":"CN","warmUpFlag":false,"orderFlag":false,"shareable":true,"causeOfNotShareable":"","featuresForAnalytics":[],"commentAndTweetFlag":false,"andRepostAutoSelectedFlag":false,"upFlag":false,"length":15277,"xxTargetLangEnum":"ZH_CN"},"isVote":1,"tweetType":1,"viewCount":659,"commentLimit":10,"likeStatus":false,"favoriteStatus":false,"reportStatus":false,"symbols":[],"verified":2,"subType":0,"readableState":1,"langContent":"CN","currentLanguage":"CN","warmUpFlag":false,"orderFlag":false,"shareable":true,"causeOfNotShareable":"","featuresForAnalytics":[],"commentAndTweetFlag":false,"andRepostAutoSelectedFlag":false,"upFlag":false,"length":27,"xxTargetLangEnum":"ZH_CN"},"commentList":[],"isCommentEnd":true,"isTiger":false,"isWeiXinMini":false,"url":"/m/post/917243291"}
精彩评论