社区

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