英伟达（nvda 首发报告 - gb.mystockhk.com · 户带来无与伦比的视觉体验。...

英伟达（NVDA）首发报告

买入 2019 年 11 月 14 日

第一上海证券有限公司 www.mystockhk.com

盈利摘要股价表现

资料来源：公司资料，第一上海

截至3月31日止财政年度 18财年历史 19财年历史 20财年预测 21财年预测 22财年预测

总营业收入（美元百万元） 9,714 11,716 10,868 13,050 15,583

变动 40.58% 20.61% -7.24% 20.08% 19.41%

净利润 3,047 4,141 2,595 3,756 4,858

GAAP每股盈利（美元） 4.8 6.6 4.2 6.1 8.0

变动 87.55% 37.55% -36.47% 44.76% 30.60%

基于208.57美元的市盈率（估） 43.3 31.5 49.5 34.2 26.2

每股派息（美元） 0.6 0.6 0.6 0.7 0.8

股息现价比 0.27% 0.29% 0.30% 0.34% 0.40%

0

50

100

150

200

250

韩啸宇

+852-25222101

[email protected]

李倩

+852-25321539

[email protected]

主要资料

行业半导体

股价 208.57 美元

目标价 250.00 美元

(+19.86%)

股票代码 NVDA

已发行股本 6.09 亿股

总市值 1263.9 亿美元

52 周高/低 211.85 美元/124.46 美元

每股净资产 16.97 美元

主要股东 VANGUARD GROUP INC

7.55%

FMR LLC

7.32%

BLACKROCK INC.

6.26%

始于游戏，敬于技术，成于生态，久于战略

半导体行业的优质高成长公司：英伟达创立于 1993 年，是一

家无厂半导体公司，目前公司 CEO 兼联合创始人为黄仁勋。公司

上市至今的收入/利润 CAGR 达到 19.9%/27.4%，大幅跑赢英特尔

的 4.7%/5.3%及费城半导体指数。从最初的游戏显卡，到专业绘

图处理器、大规模并行计算芯片、云端计算模块，以及广泛应用

于智能汽车的系统芯片，英伟达已经从一家图形芯片公司转型为

一家 GPU 计算技术提供商。公司在现有业务高速增长时并没有安

于现状，而是及时发现下一个可能的高速成长点。

领先的硬件性能+完善的软件支持：公司的 GPU 性能在市场上

暂时没有对手，并且不同于英特尔近年“挤牙膏”式的更新，公

司以两年为周期、根据需求持续更新 GPU 的设计和工艺。英伟达

的四个平台均采用统一的 GPU 架构，通过不同的软件框架及公司

授权来实现不同的功能。这种模式使得英伟达的研发成果利用率

大大提升，并在生产上产生规模效应。此外，英伟达重视软件生

态建设，推出了多种 CUDA 的加速代码库，拥有强大的开发者社

区支持。目前 CUDA 支持多种主流的机器学习框架，使用其的开

发者超过 120 万人。

战略布局优秀，后续成长可期：我们认为公司目前涉及的 GPU

计算与自动驾驶市场空间较大，未来将驱动公司高速增长。目前

GPU 在服务器中的渗透率仅为 1.4%，而公司在服务器 GPU 的占有

率达 97%。我们预测 2021 渗透率将增长到 2.2%，公司数据中心

业务未来三年的 CAGR 达 20%。公司的自动驾驶芯片目前尚未大幅

商用。一旦自动驾驶算法技术成熟，将有超过 1.5 亿辆车搭载相

关芯片，总可触达市场规模超过 300 亿美元。

目标价 250 美元，买入评级：我们预测公司 2020-2022 财年的

收入分别为 109、131、156 亿美元，GAAP 净利润分别为 26.0

亿、37.6 亿和 48.6 亿美元。根据 DCF 法，取 WACC=12%，长期增

长率 3%，得到目标价 250 美元，分别对应 2020 财年/2021 财年

/2022 财年的 49.5/34.2/26.2 倍 P/E，较现价有的 19.86%上涨空

间，给予买入评级。

风险因素：芯片市场生态风险、机器学习的技术路线改变、PC

游戏市场增长放缓、自动驾驶系统竞争风险。

第一上海证券有限公司 2019 年 11 月

- 2 - 本报告不可对加拿大、日本、美国地区及美国国籍人士发放

公司介绍英伟达创立于 1993 年，

是一家无厂半导体公司

起家于游戏显卡业务，后

发展数据中心产品

目前共有 4 个主要产品线

英伟达由黄仁勋、克里斯•马拉科夫斯基和卡蒂斯•普里姆共同创立于 1993 年 1

月，是一家以设计和销售图形处理器（Graphics Processing Unit，以下简称

GPU）为主的无厂（Fabless）半导体公司。

英伟达起家于 PC 计算机和游戏机的显卡业务，在经历初期产品的失败之后，公司

通过及时转向微软的 DirectX 平台迅速崛起。2000 年，英伟达击败了图形处理器市

场上的对手 3dfx 并将其收购，获得了大量图形计算方面专利。2001 年-2007 年公

司击败主要竞争对手 ATI，逐步确立了在游戏显卡市场的领导者地位。2006 年开

始，英伟达推出基于 GPU 的优化及计算框架 CUDA（Compute Unified Device

Architecture，以下简称 CUDA），以及面向数据中心需求的 Tesla 加速卡，逐步开

拓超算及大型数据中心市场。

目前英伟达主要经营以 GPU 为核心发展而来的四个产品线，包括面向个人与游戏玩

家的 GeForce 系列，面向专业可视化的 Quadro 系列，面向服务器和数据中心的

Tesla 系列及面向自动驾驶的 DRIVE 系列芯片。此外英伟达还有采用 ARM 架构设计

的 Tegra 处理器及 IP 授权和 OEM 业务。

CEO 黄仁勋与英伟达的成立

CEO 黄仁勋曾在多家半导

体公司就职，有研发及销

售两方面的工作经验

英伟达联合创始人兼 CEO 黄仁勋出生于台湾，跟随家人移民美国后在俄勒冈州立大

学获得电子工程学士学位。随后他在斯坦福大学获得电子工程硕士学位。黄仁勋在

创立英伟达前曾在 AMD 担任微处理器设计师。在 AMD 工作两年后，黄仁勋跳槽到

LSI Logic 芯片公司，这家公司当时的主要业务就是图形处理芯片。在 LSI

Logic，黄仁勋从设计部门工作了两年后调职到销售部门，并最终成为集成芯片部

门的总经理。可以说黄仁勋是一位既有扎实技术背景、又了解销售及管理的 CEO。

相比于其他科技公司的 CEO，黄仁勋显得更平易近人，常在各类电子展上和开发者

现场交流产品使用体验。

图表 1：公司 CEO 黄仁勋

资料来源：公司资料



1993 年英伟达创立于加

州圣塔克拉拉 1993 年，时任 Coreware 主管的黄仁勋和来自太阳微电子的工程师克里斯•马拉科夫

斯基，以及图形芯片设计师卡蒂斯•普里姆相遇。他们认为以 CPU 为代表的通用计

算架构将不能满足 3D 游戏快速增长的计算量，未来图形专用计算将有巨大的市场

空间。于是英伟达创立于美国加州圣塔克拉拉。

图表 2: 公司 LOGO


nVIDIA 的名称来源 nVIDIA 名称中的 n 代表数学中的变量 n，VIDIA 来源于罗马神话中的 Invidia，有

忌妒与目不转睛之意。公司 logo 中的眼睛图形也是由于 Invidia 和“邪恶之眼”

有相对应的关系。两者相组合成为了 nVIDIA，寓意公司将使用计算机图形技术为用

户带来无与伦比的视觉体验。

三级跳板：游戏、GPU 计算与 AI

公司创立之初专注于游戏

主机与 PC 独立显卡市场英伟达于 1993 年成立后，在 1995 年发布了第一款产品 NV 1。NV 1 除了可以进行

3D 计算，还支持世嘉土星游戏机手柄；但由于不兼容竞争对手 3dfx 的 GLIDE 3D 标

准，市场表现平平，一度让英伟达处于破产边缘。在世嘉抛弃英伟达后，公司做出

了第一次重大的决定：支持当时微软刚刚推出的 Direct3D 标准与 GLIDE 进行竞

争。事实证明英伟达做出了正确的选择，依靠着 Windows95 操作系统的高占有率，

英伟达 Riva128 显卡出货量逐渐上升并超越 3dfx。在 1999 年推出的 GeForce 256

上，英伟达第一次应用了硬件坐标转换及光源技术，使得其产品性能超越竞争对手

的 Voodoo 显卡。从 GeForce 256 开始，英伟达获得了显卡市场的龙头地位。

图表 3: 公司游戏显卡发展历史


1995 NV 1 第一款显卡1996 NV 2 和SEGA分手1997 RIVA 128 David Kirk加入，转向DirectX1998 RIVA TNT & TNT2 像素流水线的数目加倍

1999 GeForce 256 加入硬件几何转换与光源2000 GeForce 2 打败并收购了3dfx，获得其专利和商标权，以及反锯齿技术2002 GeForce 5 误判微软下一代规范DirectX 9，被ATi超越2004 GeForce 6 解决DX9问题2005-2009 GeForce 7,8,9,200 稳步发展，逐步夺回市场2010 GeForce 400 首款DX11+GDDR5产品Fermi出现功耗问题，再次被ATi抢先2010 GeForce 500 优化Fermi架构2011 GeForce 600 Kepler架构2013 GeForce 700 Kepler改进2014 GeForce 900 Maxwell架构2016 GeForce 10 Pascal架构2017 Titan V Volta架构，加入张量核心，面向深度学习2018 GeForce 20 Turing架构，加入光线追踪核心，面向游戏与渲染

转向DirectX

GeForce时期

起步时期

DL与RT时期

1999.1 纳斯达克上市



打败 3dfx 英伟达的显卡

业务进入高速发展期

2008 年开始公司收入出

现倒退，但及时调整了设

计渡过难关

2012 开始年公司的数据

中心业务迎来高速成长期

通过和苹果电脑、微软的 Xbox 主机、索尼 PlayStation 3 主机的合作，英伟达进

入高速发展阶段。此后的数年里，英伟达收购了不少图形领域的公司，以加强自己

在游戏渲染硬件上的优势。此时英伟达在独立 GPU 上的竞争对手基本只有 ATI 一家

公司。在 2006 年 AMD 收购 ATI 之后，英伟达逐步确立 GPU 市场霸主地位。2001 年-

2007 年，英伟达更像一个传统的芯片制造公司，利润主要来源于游戏显卡业务。

2008 年-2010 年，英伟达遭遇了危机，其收入出现了大幅下滑，原因是其推出的

GT200 及 GF100 核心由于芯片漏电问题出现了极高的发热和异常故障率。因此，它

也成为苹果、戴尔、惠普等公司集体诉讼的对象。同时，当年被 AMD 收购后的 ATI

经过优化推出了极具性价比的 Cypress 核心的 5000 系列显卡，游戏显卡市场份额

一度超越英伟达。但随后英伟达通过制程的进步及芯片设计的优化推出了 GF110 核

心，再次夺回市场领先地位.

2012 年，英伟达经历了企业生涯的第二个关键转折点——GPU 计算。由于 GPU 需要

处理大量的图形计算中的多边形，其芯片设计中包含大量的算术逻辑单元

（ALU）；相对于 CPU，GPU 可以更快地处理大量结构化的数据。英伟达在 GPU 计算

方面投入很早，也奠定了公司的市场领导者地位。基于 08 年发布的 Tesla 架构

GT200 核心，英伟达推出了 Tesla 加速卡，逐步拓展数据中心业务。

同时，为了适配 GPU 进行计算编程，英伟达于 2006 年就推出了 GPU 计算框架

CUDA，并向开发者提供多种代码库。从 2009 年开始，英伟达举办每年一届的面向

开发者的 GPU 技术大会，推广 GPU 在计算中的应用，布局机器学习产业。英伟达此

后为 GPU 神经网络计算推出了 cuDNN 库及面向谷歌 TensorFlow 的 TensorRT 库。

图表 4: 公司股价与发展历程

资料来源：彭博，第一上海

GPU+深度学习成为公司的

第二成长曲线 2012 年，人工智能开始逐渐走入大众的视线。在 2012 年的 ImageNet 大赛中，多伦

多大学的深度卷积神经网络架构，使用两个 GPU，提升了准确率 10.8% 。此时公司

从 2006 年便开始逐步构建的 GPU 计算生态终于迎来了开发者用户的爆发式增长。

2013 年，所有参赛者都采用了深度学习算法，并且都使用了英伟达的 GPU。英伟达

打造的针对各种人工智能训练和应用场景的 GPU 解决方案，很快成为研究机构和开

发者的首选。

0

50

100

150

200

250

300

1999/1/29 2001/1/29 2003/1/29 2005/1/29 2007/1/29 2009/1/29 2011/1/29 2013/1/29 2015/1/29 2017/1/29 2019/1/29

公司推出了第一款GPU并收购了竞争对手3dfx公司。通过游戏显卡与OEM逐渐发展

放弃XBOX代工之后，公司投入图形技术研发，并获得索尼PS3的OEM订单，在与ATI显卡的竞争中逐渐处于优势，市占率提升。同时于2006年发布了CUDA推进GPU计算

遭遇新架构良率及功耗危机后，公司及时修改了核心设计，逐渐确立每两年更新一次的GPU架构发展规划，完善CUDA生态，逐步支持多种深度学习框架。

随着高效能的Pascal架构发布，加密货币、GPU计算与游戏市场的火热让公司收入爆发

加密货币热度退潮及数据中心投入进入周期底部让公司收入下滑



公司的数据中心及游戏（部分个人研究者会使用游戏卡进行计算）业务在 2013-

2018 年迅速增长，带动股价大幅上涨，公司 2013-2018 的股价增长超过 10 倍。目

前，使用 CUDA 的开发者已经超过 120 万人；CUDA 支持多种主流的机器学习框架，

如谷歌的 TensorFlow、Facebook 的 PyTorch 及 Apache 的 mxnet。

图表 5：CUDA 平台


近几年公司更加注重 GPU

计算生态与平台的建设，

发布 CUDA-X 统一平台

近年，随着亚马逊、阿里巴巴等巨头纷纷开始自研处理器及采用异构计算架构，数

据中心的云端训练芯片市场面临较大竞争。2019 年 GTC 大会，英伟达并没有推出新

款硬件，而是发布了大量与 GPU 计算生态相关的计算框架与应用平台。新的 CUDA-X

平台可以通过一个统一的接口将科学计算、深度学习、数据分析等算法应用在 GPU

硬件平台上。

此外，除了完善早已布局的自动驾驶生态，英伟达这次还着重宣传了 Jetson nano

嵌入式开发电脑。加上之前英伟达在西雅图设立机器人实验室，很有可能预示着英

伟达已经在布局下一个未来 10 年出现高增长的市场——智能机器人。

图表 6：公司的平台战略


第一

公司

感

目前

技术

商业

推出

产品

一上海证券有限

司对于市场机会

前转型为一家

术提供商

业模式注重软硬

出多种软件生

品体验

限公司

会嗅觉敏

GPU 计算

回顾

一个

GPU

应用

从最

片

芯片

达将

端用

商

硬结合英伟

优秀

自家

平

继续

图

资

态优化不

协议

验

商

验

在保

准与

CUD

本报告不可

顾英伟达的

个可能的高

U 计算到自

用场景。

最初的游戏

、云端计算

片公司转型

将其 GPU 计

用户提升工

商业模式：

伟达的商业

秀的硬件，

家的硬件设

台，获得平

续投入研发

图表 7：公司

料来源：公司资

同于 GPU 市

议。以英伟

，英伟达推

共同制定了

。同时，英

保持轻薄的

与建立平台

DA 平台和自

可对加拿大、

的成长，公司

高速成长点，

动驾驶及机

显卡，到第

算模块，以及

为一家 GPU

计算能力输送

作效率和视

：产品、

业模式可以简

同时也发布

设备使用效率

平台粘性。优

，形成正反

司的商业模型

资料

市场上的竞争

伟达的游戏显

推出了 GeFor

了 G-Sync 功

伟达也考虑

的同时采用高

这种模式也

自动驾驶的 D

- 6 - 日本、美国地

司在现有业务

使其驱动公

机器人，英伟

第一款 GPU 问

及广泛应用于

U 计算技术提

送到各行各业

视觉体验，帮

平台和杠

简单概括为：

布软件平台，

率。通过不断

优秀的用户体

反馈，持续优

型

争对手 AMD，

显卡 GeForc

rce Experie

功能，使显示

虑到了笔记本

高性能的英伟

也同样被应用

DRIVE 平台上

地区及美国国

务高速增长时

公司继续发

伟达不断在基

问世，再到专

于智能汽车的

提供商。通过

业，帮助企业

帮助研究机构

杠杆

产品、平台

以软硬结合

断吸引日益增

体验为公司带

优化。

、

，英伟达为

e 系列为例

ence 驱动优

示器在使用

本厂商，制定

伟达显卡。为

用在专业可视

上。

国籍人士发放

时并没有安于

展。从游戏

基于目前产品

专业绘图处

的系统芯片，

过 PC 端、移

业提升运算

构实现大规模

台和杠杆作用

合的方式优化

增多的个人用

带来丰厚的利

自家的产品

例：为了提升

优化游戏画面

用英伟达显卡

定了 MAX-Q

为自己的核心

视化的 Omni

于现状，而

戏显卡到 GPU

品和架构的

理器、大规

，英伟达已

移动端、以

效率、降低

模运算任务。

用。英伟达

化产品性能

用户及开发

利润，公司

推出了许多

升 GeForce

面配置。并

卡时能获得更

设计标准，

心产品——

verse 平台

2019 年

是及时发现

U 计算，再

基础上发掘

规模并行计算

经从一家图

及云端，英

低成本，帮助

不仅推出性

，从而最大

者使用自己

再将这些利

的配套软件

用户的游戏

且和显示器

更好的游戏

使笔记本可

GPU 而制定

、机器学习

11 月

现下

再从

掘新

算芯

图形

英伟

助终

性能

大化

己的

利润

件和

戏体

器厂

戏体

可以

定标

习的



将 GPU 架构的效果最大

化的发挥出来

设计 GPU 架构需要大量的研发费用，英伟达采用了杠杆模式以摊薄研发成本。英伟

达的游戏显卡 GeForce 系列、专业可视化 Quadro 系列、数据中心 Tesla 系列及自

动驾驶 DRIVE 系列均采用统一的 GPU 架构，通过不同的软件框架及公司授权来实现

不同的功能。

这种模式使得英伟达的研发成果利用率大大提升，并在生产上产生规模效应。在英

伟达的 2019 财年研发费用中，有大约 35%的研发费用被用于软件开发，和 GPU 架构

的 40%占比接近。同时，目前英伟达的负责软件开发的工程师数量已经超过了硬件

工程师。将一种架构的 GPU 性能利用到极致，进行适配的软件研发，而不是开发多

种不同的 GPU 来对应不同需求，是英伟达近年来高速发展的核心思想。

图表 8：GPU 杠杆模式


GPU 架构自上而下设计公司对于 GPU 架构的设计采用自上而下、模块化的形式。首先设计最为高端的核

心，拥有最强的性能及最全面的功能。对于中低端的产品，由于模块化设计，英伟

达可以根据竞争对手的产品情况调整产品的核心规模及性能。这种设计既能保证所

有的用户享受到最新架构的 GPU 特性（如硬件光线追踪），也可以满足用户预算上

的需要。

同样以游戏显卡为例，虽然高端游戏显卡销量并不高，但高端产品可以保证英伟达

的高端市场地位及品牌价值。公司以旗舰核心为基础向下发展中低端核心，作为主

力产品推向市场。如采用 Turing 架构的游戏显卡 RTX 2080 S、RTX 2080、RTX

2070 S 均是源于 TU104 核心。

公司文化

不同于其他的硅谷科技巨头，英伟达的公司文化更接近一个实验室。结合我们对公

司员工的调研及 CEO 黄仁勋在 GTC 大会上接受的采访，我们认为公司的文化主要有

以下三个特点：



公司结构扁平化

管理层经常与员工沟通

公司发展方向

对员工友好

1. 英伟达的组织架构非常的扁平化。公司内部的团队及流程是以项目为核心的，淡

化了部门垂直边界。英伟达的员工经过交叉培训可以获得综合技能，相互协作完成

组织任务。在充分重视员工积极性和能力的前提下，可以部分消除部门之间、职能

之间和专业之间的障碍，减少部门间的信息孤岛效应。由于科学计算市场发展与变

化很快，这样的组织架构让公司面对市场变化灵活异常。

2. 管理层的工作就是鼓励工程师思考和产出。管理人员从传统的执行者角色转变为

创新活动的主要发起人，为公司创造和追求新的发展机会。黄仁勋常常会召集团队

员工开会，进行公司目标的梳理与近期任务的规划，让员工了解公司的方向。

3. 公司为员工提供了各种友好型政策，如超长假期，弹性工作时间以及压力管理课

程等。在由《福布斯》杂志和 Just Capital 联合发布的 2019 Just 100 美国最佳

企业公民排行榜中，英伟达在员工待遇方面获得第一名，在福利、产品贡献及环境

影响方面也获得了高分，总排行第六。相比于英特尔，英伟达的员工和管理层更加

年轻和有战斗力。

图表 9：英伟达新总部内部

资料来源：谷歌

股权结构

公司股权较为分散。截至 2019 年 6 月 30 日，公司前 20 名股东合计持股比例为

41.16%，大部分为大型机构。截至 2019 年 6 月 30 日，公司持股比例大于 5%的大股

东的数量为 3 名，股权比例合计为 22.13%。



图表 10：公司主要持股结构

资料来源：Wind，第一上海

核心竞争力

一、领先的硬件性能

公司 GPU 性能领先

公司的 GPU 性能目前在市场上暂时没有对手，并且根据需求而持续更新 GPU 的设计

和工艺。不同于英特尔近年来被诟病为“挤牙膏”式的升级，英伟达一直维持约两

年一次的 GPU 架构更新。每次 GPU 架构更新，同级别 GPU 性能均提升达 20%以上。

可以说，领先市场的硬件性能是英伟达能占领游戏市场及数据中心市场的关键。面

对大量的运算需求，消费者自然会选择性能最优秀的产品。随着英伟达陆续将

Turing 核心推广到游戏、数据中心与专业可视化产品中，其面向各种需求的硬件性

能均获得领先。在权威媒体 Guru3D 的 GPU 游戏性能和计算性能排行榜上，英伟达

的高端产品表现优异。

此外，英伟达在 GPU 市场上发力较早，先发优势明显。目前在游戏显卡领域，竞争

对手 AMD 公司 2019 年最新的 Radeon 7 显卡性能仅相当于英伟达两年前发布的

GTX1080 Ti。而 RTX2080 Ti 相对于 GTX1080 Ti 不仅增加了硬件光线追踪功能，并

且在不考虑光线追踪特性下性能提升也达到了 30%左右。

可以说，GPU 的优秀性能是英伟达能从一开始击败 3dfx 到统治机器学习市场的根本

竞争力。目前英伟达的硬件优势依然明显，并在最新的 Turing 核心中加入了专门

面向机器学习的 Tensor Core 以及进行光线追踪计算的 RT Core。而老对手 AMD 目

前计划在 2020 年才推出第一代的硬件光线追踪架构。英伟达的领先优势是可持续

的。

股东名称直接持股数量占已发行普通股比例(%)

VANGUARD GROUP INC 45,990,868 7.55FMR LLC 44,601,350 7.32BLACKROCK INC. 38,142,285 6.26STATE STREET CORP 24,310,358 3.99JENNISON ASSOCIATES LLC 8,690,058 1.43GEODE CAPITAL MANAGEMENT, LLC 8,053,691 1.32JPMORGAN CHASE & CO 7,987,683 1.31EDGEWOOD MANAGEMENT LLC 7,890,343 1.30BAILLIE GIFFORD & CO 7,557,138 1.24Invesco Ltd. 7,364,460 1.21NORTHERN TRUST CORP 7,183,137 1.18BANK OF AMERICA CORP /DE/ 5,950,908 0.98LOOMIS SAYLES & CO L P 5,552,654 0.91BANK OF NEW YORK MELLON CORP 4,734,975 0.78PRICE T ROWE ASSOCIATES INC /MD/ 4,711,284 0.77JANUS HENDERSON GROUP PLC 4,659,070 0.77AMERIPRISE FINANCIAL INC 4,578,085 0.75SUSQUEHANNA INTERNATIONAL GROUP, LLP 4,270,989 0.70PRIMECAP MANAGEMENT CO/CA/ 4,238,360 0.70MORGAN STANLEY 4,210,827 0.69合计 250,678,523 41.16



图表 11：Guru3D GPU 性能测试

资料来源：Guru3D.com

二、注重生态建设

英伟达产品均具有完善

的软件支持

CUDA 框架是一个优秀的

发明

对于优秀的硬件产品，只在性能上击败对手是不足够的，还需要吸引到开发者使用

产品进行应用开发。对比于 GPU 领域的传统竞争对手 3dfx 及 AMD，英伟达更加注重

为自家的产品提供完善的软件生态。在英伟达创立之初，由于公司实力较弱，选择

了支持微软推出的图形 API Direct3D。事实证明英伟达的选择是正确的，公司的

GPU 依靠 Windows 操作系统生态获得成功。

2006 年，英伟达发布了 CUDA 计算框架，将高级程序语言如 Java 和 C++引入了

CUDA，极大地简化了对 GPU 进行编程的流程。开发者可以不再使用复杂的机器语言

进行编程，而是可以直接通过 CUDA 框架将高级语言编写好的程序用 GPU 进行计

算。CUDA 受到开发者的欢迎。随着硬件性能的提升及数据量的增加，越来越多的开

发者使用 GPU 处理大量并行数据。这也是为何英伟达能在机器学习市场中成为领导

者的原因：不仅推出优秀的硬件，也推出配套的软件最大化自家硬件效率。此外，

英伟达也积极让 CUDA 能支持其他被广泛接受的计算框架，如 Google 的

TensorFlow。

从近年的 GTC 大会上也可以看到英伟达逐渐转向平台战略的趋势。在 2019 GTC 大

会上，英伟达发布了多项服务，其中重要的包括：

1. 面向 GPU 高性能计算：发布 GPU 计算平台 CUDA-X AI 以及面向大数据可视化的

Omni-Sci 数据库。

2. 面向游戏产业：发布 2D 与 3D 渲染协作平台 Omniverse，使用者可以通过此平台

在多款 Adobe 和 CAD 软件上面进行协同工作。宣布 Turing 核心将支持各大游戏引



擎并于 4 月 4 日登录 Unity 引擎。

3. 面向自动驾驶与机器人：发布 DRIVE AP2X 9.0 更新，路径规划系统 DRIVE AV，

NVIDIA Constellation 驾驶模拟系统。

通过和产业上的公司合作推出各类 GPU 运算平台，英伟达打造应用生态持续巩固自

身产品地位。

三、持续创新

公司在发展过程中持续进行技术上的创新。英伟达对于新技术的应用一向十分积

极，敢于在产品上采用新技术并且提前向市场推广。如 2003 年英伟达便推出了支

持环境光遮蔽的 GPU，首款采用此功能的游戏为 2007 年推出的《孤岛危机》。现在

环境光遮蔽已经大量被游戏支持。可以说，在 GPU 市场中的先发优势是英伟达依靠

早期的大量投入而获得的。

图表 12：公司数次技术创新


在 GPU 中加入专门负责

张量计算的单元近期公司为了应对谷歌 TPU 及一众初创芯片企业，在 2017 年推出的 Volta 核心中

加入了专门进行深度学习计算的张量核心。2018 年为 VR 及游戏产业服务推出了价

格低廉、效率高的光线追踪核心，使得开发者不需要依靠低效率的软件进行光线追

踪计算。在麻省理工大学发布的 2017 世界最聪明公司排行中，英伟达由于对深度

学习的贡献而排名第一。

目前公司依旧在稳固 GPU 市场份额的同时，向其他领域投入进行持续创新。其中包

括和丰田和戴姆勒在内的各大车企合作进行无人驾驶的研发；和软件公司 Adobe 合

作打造视觉协作平台 Omniverse；在西雅图设立机器人实验室等等。不同于其他大

体量的芯片公司在进入 AI 时代时面临从通用芯片到专用芯片的两难选择，英伟达

持续推出新产品，维持着最优 AI 平台的位置。

四、重视市场需求

公司重视市场需求，推

出创新协议制定标准公司对于市场的响应速度较快，可以及时推出满足市场需求的产品。公司历史上曾

面对数次挫折，如 GeForce FX 系列对于 DirectX 的支持不足及 GF400 核心功耗过

高等问题。但公司对此都进行了快速响应，于半年时间内推出新产品解决问题并重

新获得市场领先地位。此外，公司对于游戏市场的需求也都推行独占性的标准。包

括解决显示器视觉撕裂问题的 G-Sync 协议、对高性能笔记本平台推出 MAX-Q 设计

机器人

GeForce 256 硬件运算几何转换与光源1999

2006

硬件P&L

CUDA

自动驾驶

光线追踪

张量单元

环境光遮蔽 2003 GeForce FX 使图像具有宽阔和平滑的层次

2017 Volta Volta核心集成张量计算核心

G80 用GPU来解决商业、工业以及科学方面的复杂计算问题

2015 DRIVE PX 发布DRIVE平台进入自动驾驶市场，采用ASIC处理器

2019 在西雅图设立机器人实验室

2018 Turing 2018GTC大会上发布图灵核心支持硬件光追



标准、大型游戏显示器 BFGD 标准等。

公司对于不满足市场的产品进行快速迭代升级或战略放弃。英伟达 2009 年曾经为

移动设备开发过 Tegra 处理器，但由于功耗及基带问题，并未获得成功。但英伟达

并未就此放弃，将 Tegra 进行改进之后应用到任天堂 Switch 游戏机及自动驾驶平

台中。Tegra 处理器也使英伟达增长了 ARM 架构的设计经验。在 2019 GTC 大会上发

布的 Jetson nano 开发套件便应用了 Tegra 处理器。

游戏业务公司游戏业务 5 年 CAGR

达 29% 公司成立之初主要面向的市场就是游戏显卡市场。2019 财年，游戏业务的收入为

62.5 亿美元，5 年 CAGR 达 29%，营收贡献为 53%，是公司最大的收入来源。经过多

年耕耘，目前公司在游戏市场的份额稳定保持在第一的位置。2015-2019 财年，公

司的游戏显卡 ASP 的 CAGR 为 14%，出货量 CAGR 也为 14%。

图表 13：游戏业务收入与同比增速


市场龙头地位稳固近几年随着 Pascal 与 Turing 架构的推出，公司的显卡性能相对 AMD 的产品拉开了

较大差距，中端市场产品 GTX 1060 及 RTX 2060 受到游戏玩家欢迎，RTX 2070 以上

的高端市场稳固。据 Jon Peddie Research 的数据，英伟达显卡的市场占有率从

2018Q1 的 65%提升到 2019Q2 的 68%。龙头地位稳固。

‐60%

‐40%

‐20%

0%

20%

40%

60%

80%

0

200,000

400,000

600,000

800,000

1,000,000

1,200,000

1,400,000

1,600,000

1,800,000

2,000,000

Q1 2016

Q2 2016

Q3 2016

Q4 2016

Q1 2017

Q2 2017

Q3 2017

Q4 2017

Q1 2018

Q2 2018

Q3 2018

Q4 2018

Q1 2019

Q2 2019

Q3 2019

Q4 2019

Q1 2020

Q2 2020

游戏业务收入同比增速



图表 14：显卡出货占比

资料来源：JPR，第一上海

据全球最大的电脑游戏平台 Steam 2019 年 9 月的硬件调查数据，Steam 中有约 75%

的玩家选择的英伟达的显卡。作为对比，选择 AMD 显卡的玩家约占 15%，选择英特

尔集成显卡的玩家约占 10%。目前 Steam 平台上，占比排名前 5 的显卡均是英伟达

的帕斯卡系列。

同时，我们也需要注意到公司新发布的显卡 RTX 2060、GTX 1660Ti、GTX 1650 市

场表现良好。2019 年 9 月的数据显示，当月 Steam 平台玩家使用的显卡增速最快的

是 RTX 2060，环比占比增加 0.27%。

图表 15：Steam 硬件调查

资料来源：Steam

显卡性能跨越式发展驱

动价格提升

我们认为，公司的游戏显卡市占率持续的提升源于：

1. 性能进步驱动显卡价格提升。英伟达持续对显卡架构与核心工艺进行升级与改

进，不同于 CPU 市场近几年“挤牙膏”式的提升，每一代 GPU 相比上一代产品性能

提升均超过 20%。近 10 年来，英伟达稳定的 2 年更新一次显卡工艺与架构。从

55nm 架构的 Tesla 架构到 12nm 的 Turing 架构，GPU 核心的晶体管数量增长达到 10

倍，性能增长达 5 倍以上。而英伟达显卡的绝对性能与能耗比又优于 AMD 显卡，让

玩家升级的动力更大。

0

10

20

30

40

50

60

70

80

90

2014

Q1

2014

Q2

2014

Q3

2014

Q4

2015

Q1

2015

Q2

2015

Q3

2015

Q4

2016

Q1

2016

Q2

2016

Q3

2016

Q4

2017

Q1

2017

Q2

2017

Q3

2017

Q4

2018

Q1

2018

Q2

2018

Q3

2018

Q4

2019

Q1

2019

Q2

AMD NVDA



由于游戏显卡市场是一个相对小众的市场，玩家的需求较为明确，而独立显卡只有

两个厂家可以选择。由于性能优势，英伟达拥有市场定价权。目前 Turing 显卡的

旗舰 RTX 2080Ti 价格为 1199 美金，比上一代 GTX 1080Ti 的 699 美元定价高出了

70%。据 IDC 的数据显示，英伟达显卡的 ASP 为 AMD 的 2 倍以上。

图表 16：GPU 晶体管数量统计

资料来源：fcpowerup.com

与游戏引擎公司合作优

化游戏体验 2.对于游戏玩家体验的重视。公司围绕显示技术，推出了曲面细分技术、解决显示

器视觉撕裂的技术 G-Sync（对于 FPS 游戏影响最大）、深度学习抗锯齿技术 DLSS

及光线追踪。并与游戏引擎公司合作持续优化游戏对于新技术的支持。随着 2016

年《PUBG》《堡垒之夜》等大热门游戏的出现，玩家发现英伟达显卡能提供比 AMD

更加稳定的性能表现及画面防撕裂，从 2016 年开始公司在 Steam 平台的占有率稳

步提升。

硬件光线追踪:开启游戏画面新时代

光线追踪提供更加真实

的光影表现英伟达于 2018 年 6 月推出支持硬件光线追踪的显卡架构 Turing，包含了光线追踪

核心的 GPU 将支持硬件光线追踪计算，提供更加真实的光照及减少游戏开发者的素

材量。过去，游戏行业一直都依靠光栅化技术来渲染物体。把电脑屏幕当做摄像机

镜头，将游戏中的 3D 场景和光影转化许多三角形，再投影为 2D 平面上的像素

点。

与光栅化渲染不一样的是，光线追踪把一个场景的渲染任务拆分成了从摄像机出发

的若干条光线对场景的影响，每条光线会和场景并行求交，根据交点位置获取表面

的材质、纹理等信息，并结合光源信息计算光照。相比于在投影中会丢失全局位置

信息的光栅化，光线追踪可以保留画面中各个光源之间的影响和效果，提供更加真

实的阴影和反射。过去，电影行业一般使用软件算法实现光线追踪，耗时较长。而

随着 Turing 架构 RT 核心的加入，硬件光线追踪成为可能，极大的节省了光线追踪

的硬件需求。



图表 17：光线追踪原理


目前已经有数款 3A 游戏

支持英伟达光追在光追发布一年之后，微软旗下的 Minecraft 及游戏行业领先的引擎 Unity 和

Unreal Engine 已经支持基于 RTX 的光线追踪。2019 年及 2020 年有多款 3A 大作

宣布支持光追，如《战地 5》《古墓丽影：暗影》《地铁：逃离》《赛博朋克

2077》《使命召唤：现代战争》等。此外，英伟达还宣布其 Lightspeed 工作室将

挑选经典游戏进行重制，让一些诸如《毁灭战士 3》《雷神之锤 2》的老游戏支持

最新的光追技术。2023 年，运用光线追踪的游戏渗透率将达到 60%，CAGR 达到

53.7%。

图表 18：运用光追渲染比例


7%10%

18%

36%

50%

60%

0%

10%

20%

30%

40%

50%

60%

70%

2018 2019 2020 2021 2022 2023



我们认为，短时间内硬件光线追踪技术的市场优势尚未显现。但公司作为技术的领

导者，率先布局光线追踪的应用产业，将获得市场的先发优势。此外，光线追踪对

于 GPU 运算量的需求极大，玩家对于性能的需求将带动公司的显卡销售。

图表 19：光线追踪合作引擎


游戏市场展望

随着高分辨率显示器的

普及，对于显卡性能的

需求也日渐提升

随着游戏市场及显示技术的发展，高分辨率下的游戏图形运算量对于显卡性能的需

求也日渐提升。据 Jon Peddie Research 数据，2021 年 PC 游戏图形硬件市场规模

将达到 366 亿美元。目前，公司的显卡性能在市场中占据绝对领先地位。其竞争对

手 AMD 最新的 7nm 制程的核心 NAVI 性能仅相当于中高端产品 RTX 2070 S，而距离

公司高端旗舰显卡的 RTX 2080 S 与 RTX 2080 Ti 性能差距较大。

图表 20：计算机图形硬件市场（十亿美元）


目前英伟达的的游戏显卡在电子竞技玩家中的渗透率并不高，将持续受益于渗透率

的提升。据 Newzoo 数据，从 2018 Q1 开始，Twitch 上的总播放时长增长了

27.5%，但仅有 58%的电子竞技观众会玩他们观看的游戏。随着直播技术、电子竞技

赛事的推广，将有越来越多的观众开始对高性能的独立显卡产生需求，独立显卡的

发展空间依旧广阔。

2017 2018 2019 2020 2021显示器 0.8 1 1 1.1 1.2工作站 8.6 8.9 9.1 9.6 9.8游戏主机 15.4 12.9 11.1 15.1 16.3游戏PC 33.5 33.1 34.3 35.1 36.6移动设备 71.9 68.6 75.3 70.7 65.7总计 130.2 124.5 130.8 131.7 129.6



图表 21：Twitch 直播平台观看小时数（百万小时）

资料来源：Newzoo，第一上海

游戏业务将继续增长我们认为，尽管 2020 财年公司的游戏显卡收入受到加密货币市场退潮的影响而有

所下降，但目前影响已经基本消除。随着电竞赛事的火爆、游戏引擎的画面进步及

VR、AR 等一批高运算量应用的出现，公司的游戏显卡业务将持续受益于 ASP 及市场

占有率的提升。

数据中心业务数据中心业务营收贡献

率已达 25% 英伟达的数据中心业务可以分为高性能计算、人工智能及机器学习、可视化三个部

分。其中人工智能及机器学习贡献数据中心部分约 50%的营收，高性能计算贡献

40%营收，余下主要为大数据分析可视化及视觉处理部分。2019 财年，公司数据中

心收入 29.3 亿美元，营收贡献率 25%，同比增长 52%。2017-2019 财年 CAGR 为

105%。

图表 22：数据中心业务收入与同比增速


2000

2104

2284

2333

2480 2440

2551

1900

2000

2100

2200

2300

2400

2500

2600

2018Q1 2018Q2 2018Q3 2018Q4 2019Q1 2019Q2 2019Q3

‐30%

‐20%

‐10%

0%

10%

20%

30%

40%

50%

60%

70%

0

100,000

200,000

300,000

400,000

500,000

600,000

700,000

800,000

900,000

Q1 20

16

Q2 20

16

Q3 20

16

Q4 20

16

Q1 20

17

Q2 20

17

Q3 20

17

Q4 20

17

Q1 20

18

Q2 20

18

Q3 20

18

Q4 20

18

Q1 20

19

Q2 20

19

Q3 20

19

Q4 20

19

Q1 20

20

Q2 20

20

数据中心业务收入同比增速



CUDA 目前已经支持多种

主流框架英伟达布局数据中心市场较早，2006 年开始在 G80 核心内开始加入 CUDA 单元。

2006 年，英伟达发布了 CUDA 推广 GPU 计算。随后，第一代的 Tesla 计算加速卡发

布，专注服务器推理市场。利用英伟达的加速库和编译器，开发者可以将 GPU 内的

CUDA 单元作为线程处理器解决密集数据的计算问题。

与 CPU 不同的是，GPU 侧重以较慢速度运行大量并发线程的并发流架构，而非快速

运行单一线程。目前 CUDA 已经发展到第十代，多家大型软件公司的软件已经支持

GPU 加速。此后，为了普及 GPU 计算，英伟达持续推出了多种加速库。如面向深度

神经网络的 cuDNN、面向谷歌 TensorFlow 的 TenserRT、面向视频渲染的

DeepStream 等。此外，英伟达还发布了 NGC 平台，可以提供多种容器、训练脚本、

模型及工作流供开发者使用。

图表 23：CUDA 合作公司


公司产品主要面向云端

训练与推理市场目前，主流的 AI 芯片主要分为三类：高性能需求的云端训练芯片、适应性较强的

云端推理芯片以及低功耗需求的边缘推理芯片。在云端部分，需要很高的数据吞吐

量与强大的计算能力。而 GPU 面对高计算精度与多流水线具有天然优势。英伟达面

向训练市场的 GPU+CUDA 解决方案占统治地位，市场渗透率达到 98%。目前 Tesla

V100 计算卡面向云端训练市场，Tesla T4 加速卡面向云端推理市场。

图表 24：训练与推理关系




英伟达也推出了数据中

心的整体解决方案此外，英伟达不仅出售 Tesla 计算卡，近几年也推出了面向企业的整体解决方案

DGX 与 HGX。最新推出的 Volta 架构的 DGX-2 工作站，FP32 性能达到 240TFLOPS，

FP64 为 120TFLOPS，Tensor Core 则可达成 1.92PFLOPS 的深度学习性能，运行部分

算法如 FAIRSeq 时性能达到上一代产品十倍。2019 财年已经有超过 1000 位 DGX 产

品的用户，DGX 产品年利润增速超过 250%

我们认为，英伟达的下一代架构将以 7nm 工艺制作（超过目前的 Volta / Turing

架构），继续优化负责机器学习算法的 TensorCore 部分，新架构与谷歌的 TPU 的

性能差距将决定英伟达在云端训练芯片的市场地位。

图表 25：DGX-2 服务器与 Tesla T4 推理卡


GPU 在数据中心市场的竞争优势

我们认为，目前英伟达的 GPU 在数据中心市场的优势主要有 4 点：

1.成熟的配套软件生态。英伟达 GPU 的软件生态和硬件性能，可以说是目前最成熟

的，支持现在所有主流的人工智能与深度学习开发框架。目前有超过 120 万的开发

者使用 CUDA 平台，许多公司都会把实验和开发放在英伟达的硬件和平台上。他们

不愿意轻易尝试更换英伟达的产品，因为它代表着久经考验的稳定性和软硬件协同

优势。

2.规模化优势。得益于游戏市场的稳定需求与利润，英伟达可以摊薄高额的芯片研

发费用。在 GPU 芯片、架构和解决方案上，无论是从研发投入还是制造规模都优于

竞争对手。这种优秀性能效率比，短期内难以被超越。

3.产业端的前期沉淀。在十几年前，英伟达就尝试通过 GPU 来帮助一些石油、气象

和生命科学领域的客户。比如英伟达曾帮助中石油将勘探软件应用迁移到 GPU 上。

目前，英伟达的 GPU 有超过 600 个 HPC 的解决方案。作为 GPU 生态从无到有的创造

者，英伟达在产业端的部署经验和工程能力可以说是独一无二的。

4.持续推进的技术创新与产业 AI 布局。往年英伟达多次强调平台化能力、开发生

态、解决方案这些东西，如 2017 年和百度包括云计算、自动驾驶、消费设备和开

源框架 PaddlePaddle 等领域达成深度合作伙伴关系，类似为 GPU 提供的配套服

务。近两年，英伟达为产业端赋能的动作开始越来越有力，公司软件工程师数量已

经超过硬件工程师。



积极布局产业解决方案

2018 年 9 月，英伟达开放了 CUDA 10 工具包的下载，12 月初宣布开源物理模拟引

擎 PhysX 的 SDK，吸引更多的 AI 开发者加入。GTC2019 上发布的 CUDA-X 生态系

统，能够容纳人工智能架构、云端机器学习服务、实际落地部署、工作站、服务

器、云服务等多种参与者的需求。不难发现，原本产业解决能力只是英伟达发布会

上的“锦上添花”，但通过两年里的各种布局，已经成为可以真实撑起英伟达未来

的关键性力量。

图表 26：CUDA-X 平台


GPU 在 HPC 中的渗透率稳步提升

与 OEM 厂商和 CSP 进行

深度合作目前英伟达与多家服务器 OEM 厂商和云服务提供商（CSP）进行了深度合作。包括

最大的 OEM 厂商戴尔 EMC、HPE、联想、浪潮及超算解决方案提供厂商 CRAY 等。此

外，主流的 IaaS 云服务提供商，包括 AWS、Azure、阿里云等，目前都提供英伟达

GPU 实例供选择。随着 GPU 生态的完善，越来越多的云服务提供商将选择使用英伟

达 GPU。

图表 27：公司服务器产品合作伙伴




GPU 在 CSP 的占有率持续

提升据 Liftr 2019 年 7 月调查数据，在目前主流的 CSP 中，英伟达产品的占有率大幅

高于竞争对手 AMD、赛灵思及英特尔的产品。并且占有率相比 2019 年 3 月的调查还

有所升高。开发者已经习惯于 CUDA 平台，迁移到其他品牌的产品上难度较大，性

能也并不会获得提升。我们认为，CSP 将继续依据需求提升英伟达产品的实例供应

量。

图表 28：GPU 在 CSP 实例中的占有率与类型比例

资料来源：Liftr，第一上海

超算市场中公司稳步推

进据 2019 年 7 月 top500.org 发布的全球前 500 超算名单，使用 GPU 作为加速卡的超

算共有 134 台。在 134 台超算中，使用英伟达最新的 Volta 架构的有 62 台，并且

前二的超算美国 Summit 及 Sierra 均使用的 IBM Power 处理器、英伟达 GV100 计算

卡与 Mellanox 网络方案。对比往年数据，我们可以看到英伟达产品在超算领域的

占比稳步提升。并且大部分配备 GPU 的超算都使用了英伟达的最新产品 Tesla

V100，占比达到 38.2%。可以说超算市场的加速卡正逐渐从英特尔的 Phi 系列协处

理器转向英伟达 Tesla。

类型 2019 Mar 2019 Apr 2019 May英伟达 GPU 97.0% 97.3% 97.4%AMD GPU 1.2% 1.1% 1.0%赛灵思 FPGA 1.1% 1.0% 2.0%英特尔 FPGA 0.6% 0.6% 0.6%总计 1852 1990 2003



图表 29：全球 Top500 超算中配备加速器的系统

资料来源：Top500.org

图表 30:2019 年 7 月超算加速处理器分布图表 31: 2015 年 7 月超算加速处理器分布

资料来源：Top500.org 资料来源：Top500.org

高性能互联技术市场空间可期

收购迈络思 2019 年 3 月，英伟达宣布以 69 亿美金，72 倍 TTM 市盈率收购以色列的网络设备制

造商迈络思，本次收购预计将于 2019 年底完成，采用公司账上现金收购。



图表 32：迈络思收购概要


迈络思目前在以太网市场

占有率达 64% 迈络思主要专注于数据中心市场的高性能互联技术。公司提供网络和多核处理器、

交换机、网络适配器、电缆及软件等多种高性能网络技术。其产品主要为 25Gb/s 速

率以上的信息交换技术与网卡，目前最大速度可实现 400Gb/s。目前，迈络思在以太

网高速交换机及 InfiniBand 市场处于领先优势，以太网市场占有率达到 64%。

图表 33：25G+网络市场发展


InfiniBand 技术与英伟

达的 GPU 在处理海量数据

时具有很好的协同作用

目前网络交换技术成为数据中心的性能瓶颈。相比高速的 CPU 处理速度与内存读写

速度，采用分布式架构的超级计算机及数据中心的数据交换速度取决于网络速度。

随着数据的爆发式增长，未来的数据中心将面临大量的并发数据处理需求。迈络思



的 InfiniBand 技术与英伟达的 GPU 在处理海量数据时具有很好的协同作用，可以提

升数据处理能力与降低延迟。2019GTC 大会上公司推出的具有 40 个 TuringGPU 的 8U

RTX 服务器和 1280 个 GPU 的 RTX POD 便应用了迈络思的 InfiniBand 技术进行数据互

联。通过与迈络思的合作，将加速英伟达在数据中心领域的生态构建，增强与英特

尔 Omnipath 的竞争力。

图表 34：全球 Top500 超算中使用的网络技术

资料来源：Top500.org

据公司预测，25G+网络技术的市场规模为 6 亿美金。2022 年高速交换技术市场将达

到 1.5 亿美金，而迈络思是市场中占有率最高的公司，将受益于市场的高速增长，

未来利润空间可期。

图表 35：25G+网络技术市场规模预测




服务器市场展望

CSP 的 Capex 存在 11-13

个季度的周期我们统计了过去 30 个季度亚马逊、谷歌及微软的 Capex 情况，可以发现云服务的硬

件投入呈现周期性。以美国市场为例，观察期内大致经过了 2 个完整的景气度周

期。每个周期大约持续 11-13 个季度，即 3 年左右。其中，景气上升期持续的时间

大约在 2 年，之后需要一定时间消化增加量，所以增速开始逐渐回落。但考虑到全

年基数已经抬升，因此即使增速下降，绝对值仍然较高。我们认为，英伟达数据中

心业务将持续受益于基础设施的云化。随着数据量的持续增长，数据的价值也有待

更深入的挖掘，对于数据分析与机器学习的硬件需求也将增加。

图表 36：亚马逊、谷歌与微软的 CAPEX（百万美元）


超大型数据中心数量将持

续增长据思科全球云服务指数，2016-2021 年全球超大型数据中心 CAGR 达到 13%，云数据

中心负载量 CAGR 达到 19%。半导体市场新一轮增长将受到云服务的驱动。我们测算

配备 GPU 的服务器 2019 年市场渗透率仅为 1.4%左右，未来有较大提升空间。

图表 37：全球超大型数据中心数量与实例数量（百万）预测

0

2,000

4,000

6,000

8,000

10,000

12,000

14,000

16,000

AMZN GOOG MSFT

338386

448

509

570

628

27%

32%

38%

44%48%

53%

0%

10%

20%

30%

40%

50%

60%

0

100

200

300

400

500

600

700

2016 2017 2018 2019 2020 2021

超大型数据中心数量占比



资料来源：思科，第一上海

2019Q4 开始，英伟达数据中心业务受到 CSP Capex 增速放缓影响，受到一定压力。

但我们认为，随着今年底新一轮 CSP 及超算对数据中心相关业务的投资到来，凭借

良好的生态及优秀的产品性能，公司的数据中心业务将恢复高速增长。在总计 500

亿美元的市场中仍具有较强的竞争力。

图表 38：公司在超大型数据中心的市场规模


汽车业务目前有超过 370 家公司

使用 DRIVE 平台得益于近年汽车的电气化、驾驶系统的数字化以及自动驾驶技术的进步，汽车行业

对高性能芯片以及对于图形计算能力的需求逐年增多。2019 财年，汽车业务的收入

贡献率为 5.5%。2017-2019 财年 CAGR 为 26%。全球自动驾驶领域中有超过 370 家公

司使用了英伟达 DRIVE 平台。

42.1 41.4 40.8 39.1 36.2 32.9

199.4 262.4

331.0 393.3

459.2 533.8

0

100

200

300

400

500

600

2016 2017 2018 2019 2020 2021

传统数据中心云数据中心



图表 39：汽车业务收入与同比增速


数字化驾驶舱受到消费

者欢迎

视觉处理属于 GPU 的强

项

公司的汽车业务可以分为两部分，数字化驾驶舱与自动驾驶。

数字化驾驶舱便是汽车上的个人计算机。过去，汽车厂商并不注重汽车中控与仪表

板的数字化。但随着技术的发展、手机的普及，汽车厂商发现配备了诸如 3D 导

航、抬头显示、虚拟仪表等充满科技感配置的汽车受到消费者的欢迎，便开始寻找

汽车的数字化解决方案。这与英伟达的长处不谋而合。过去，英伟达曾涉及过手机

芯片业务，但由于其设计的 Tegra 芯片功耗过高与不具备基带技术而未能成功。但

在汽车上，其 Tegra 芯片较强的图形处理能力的优势却显现出来。目前英伟达为包

括奥迪在内的多家厂商提供车机上的处理器。

随着近年来视觉算法的进步、地图的数字化与芯片处理能力的提升，过去离我们较

远的自动驾驶逐渐走入人们的视野。由于 GPU 本身就是被设计出来进行图形处理

的，得益于机器视觉处理的需求，英伟达在自动驾驶的芯片市场具有先发优势。公

司在自动驾驶业务中为汽车厂商及 OEM 厂商提供端到端的解决方案，包括模型训

练、虚拟测试及实际部署平台。我们认为，目前自动驾驶业务还处于发展期，各厂

商目前对于自动驾驶技术的开发及验证还处于比较谨慎的状态，但将来成长空间可

期。

自动驾驶产品线与合作企业

DRIVE 平台提供整车的数

字化功能，简化汽车电子

系统

由于汽车的电气化，越来越多的电子控制元件（ECU）被集成到汽车里，导致汽车

上出现了多种 ECU 并存的局面。而每种 ECU 具有不同的架构与支持软件，对汽车系

统的稳定性与维护难度产生了影响。通过统一 GPU 架构的 DRIVE 平台，汽车厂商可

以实现汽车电子系统的精简，节省开发成本。例如自动驾驶系统与数字化座舱系统

不需要汽车厂家采取额外的适配，就可以共用汽车上的传感器与摄像头。目前

DRIVE 平台同样对所有开发者开放，从而让车企自由开发而不用花费高昂成本。

在自动驾驶的产品布局上，英伟达建立了 DRIVE 平台。目前 DRIVE 平台包含数字化

座舱平台 CX、自动驾驶平台 PX 及最新推出的模拟验证系统 Constellation，配合

英伟达的云端训练 DGX 系列，为汽车厂商提供端到端的全部生态服务。

‐20%

‐10%

0%

10%

20%

30%

40%

0

50,000

100,000

150,000

200,000

250,000

Q1 2016

Q2 2016

Q3 2016

Q4 2016

Q1 2017

Q2 2017

Q3 2017

Q4 2017

Q1 2018

Q2 2018

Q3 2018

Q4 2018

Q1 2019

Q2 2019

Q3 2019

Q4 2019

Q1 2020

Q2 2020

汽车业务收入同比增速



图表 40: DRIVE 平台产品


DRIVE 已经有三代芯片第一代 DRIVE CX 系统与 PX 系统推出于 2015 年，采用 Maxwell 架构核心，具备 L2

级别算力。随后英伟达在 2016 年推出满足主动巡航功能的 PX 2 AutoCruise 与满

足 L2+自动驾驶的 AutoChauffeur。此外英伟达也与特斯拉合作，专门为特斯拉设

计了 Tesla 及 Tesla 2.5 两款自动驾驶平台。Tesla 2.5 是目前特斯拉车型搭载的

芯片，但特斯拉已经转为自研的 FSP 平台。在 2017 年底，随着 Volta 架构的发

布，英伟达推出了第三代也是迄今为止算力最强的车载芯片 Drive PX Pegasus。

Pegasus 搭载了两个 Volta 核心及两个 Tegra 处理器，提供 320TOPs 的算力，满足

L5 自动驾驶的需求。

图表 41：高级别自动驾驶对算力需求较高


目前，英伟达正在和 50 多家汽车厂商及 OEM 厂商合作研发自动驾驶汽车项目。汽

车厂商包括丰田、戴姆勒、奥迪、沃尔沃等知名汽车品牌；OEM 厂商包括采埃孚、

博士、雅马哈等大规模的汽车零部件供应商。除了汽车行业之外，英伟达在中国也

有一批来自于电商行业的合作伙伴。京东、美团、菜鸟物流均使用了 Jetson AGX

Xavier，用于开发最后一公里配送需求的无人车。

成熟度DRIVE PX DRIVE PX

AutoCruise Tesla AutoChauffeur Tesla 2.5 Xavier Pegasus发布日期 Sep-16 Oct-16 Jan-16 Aug-17 Jan-17 Oct-17

核心架构算力 N/A N/A 10 TOPs 10 TOPs 20 TOPs 10 TOPs 30 TOPs 320 TOPs

功耗 N/A 20W 40W 40W 80W 60W 30w 500w

自动驾驶能力数字座舱 L2 L2+ L2+ L2+ L2+ L4/5 L4/5

Jan-15

DRIVE自动驾驶平台发展历程第三代

Volta

DRIVE PX2

PascalMaxwell

平台

第二代第一代

DRIVE CX DRIVE PX



图表 42: 公司自动驾驶生态


自动驾驶市场展望

英伟达在汽车市场的机会主要来源于三大块：自动驾驶汽车、计算机视觉模型训

练、模拟验证。

图表 43: 公司自动驾驶市场展望


2025 年自动驾驶总可寻

址市场规模达 250 亿美元

数字化驾驶舱已经成为豪华车型的标配，其中所用到的语音识别、手势识别和虚拟

仪表盘都需要深度学习技术以及较大的计算量。自动驾驶平台虽然已经推出数年，

但目前各家厂商还处于 L2 级别。真正需要大量算力的 L3+阶段自动驾驶技术尚未商

用，我们认为这部分市场将是英伟达的巨大机会。据 Gartner 预测，目前市场正处

于普通汽车向 L2 过渡阶段，这一阶段将于 2022 年结束。而 L2+阶段将持续到 2025

年；最终形态的自动驾驶 L5 将于 2025 年到来。公司预计 2025 年将有 350 万辆车



2025 年自动驾驶训练总

可寻址市场规模达 30 亿

美元

2025 年模拟验证总可寻

址市场规模达 30 亿美元

以上配备 L2+自动驾驶，50 万辆以上车配备 L3+自动驾驶。按照目前 L2+芯片 500

美元左右，L3+芯片 1000 美元以上的价格计算，总潜在市场规模达 250 亿美元。

自动驾驶需要计算机精确的对于视觉信息进行处理，其所依靠的模型精度与图像处

理速度决定了自动驾驶系统的性能。依靠强大 GPU 技术与 DGX 产品系列，英伟达可

以提供于自动驾驶相关的模型训练与数据分析服务。2025 年自动驾驶模型的开发与

训练市场将达到 30 亿美元规模。

谷歌的 AlphaGo 已经证明，计算机通过算法的迭代学习效率远高于人类。英伟达在

2019GTC 大会上推出了划时代的 Constellation 模拟验证系统，可以让算法在模拟

环境中进行大量测试，节省自动驾驶汽车路试的大量成本与时间。公司预计 2025

年模拟验证方面将有 20 亿美元的市场规模。

根据 Lux Research 预测，到 2030 年，自动驾驶汽车有望达到 870 亿美元规模，软

件市场甚至更大。我们认为，虽然目前公司的汽车业务收入占比较小，但考虑到英

伟达在自动驾驶汽车领域无论是硬件还是软件平台都占据重要地位，将来公司的汽

车业务具有广阔的成长空间，有成为公司第三成长曲线的可能性。

图表 44：未来自动驾驶汽车销量


专业可视化业务专业可视化业务稳步发

展在专业可视化领域，英伟达建立了 Quadro 平台。一方面与软件厂商合作为创作

者、艺术家、数据科学家等用户提供可视化产品，另一方面为开发者提供多种

SDK、API 标准，来丰富软件应用，加速光线追踪、渲染、视频编辑等更多操作。专

业可视化业务的增长比较稳定，2017-2019 财年 CAGR 为 15%。目前，英伟达也在其

GPU 云服务 GRID 上提供 Quadro 实例供用户选择。



图表 45：专业可视化业务收入与同比增速


Quadro 显卡和 GeForce

显卡基于同样核心

与多家产业公司合作构

建 GPU 可视化生态

加入新特性支持 VR 开发

公司的 Quadro 系列显卡与 GeForce 显卡类似，更新周期都是根据核心架构发布的

周期，但是相比游戏显卡，Quadro 显卡会拥有更大的显存以满足大量材质的计算。

目前，最新一代的 Quadro RTX 8000 显卡具备 4608 个 CUDA 单元、48GB 显存及 576

个张量处理核心，FP32 运算量达到 16.3TFLOPS。

目前，英伟达已经与多家软件公司合作进行 Quadro 显卡的支持与优化，包括

Adobe、Autodesk、Blackmagic、Sokidworks 等设计与创意类软件公司以及

Unreal、Unity3D 等游戏引擎。在这些软件中，运用 Quadro 显卡均可以大幅加速处

理速度。此外，英伟达还致力于将专业可视化技术引入教育、制造、医疗等更多商

业领域，如通过 GPU 辅助医生处理图像，做出速度更快、准确率更高的诊断。

随着 VR 技术的进步， Quadro 也加入了新特性支持 VR 的开发。包括可以呈现真实

材料效果的 vMaterials 以及基于物理的 Iray VR 光线渲染技术。Iray 会将光及材

料的影响考虑在内，并在设计阶段自我修正，让终端用户设计出在物理上正确的视

觉效果，并节省大量时间。Iray 已经被西门子等公司用于预测性设计。

图表 46：采用 Quadro 显卡进行渲染的奥斯卡提名作品


‐15%

‐10%

‐5%

0%

5%

10%

15%

20%

0

50,000

100,000

150,000

200,000

250,000

300,000

350,000

Q1 2016

Q2 2016

Q3 2016

Q4 2016

Q1 2017

Q2 2017

Q3 2017

Q4 2017

Q1 2018

Q2 2018

Q3 2018

Q4 2018

Q1 2019

Q2 2019

Q3 2019

Q4 2019

Q1 2020

Q2 2020

专业可视化业务收入同比增速

2018年采用Quadro显卡进行渲染的奥斯卡提名作品War for the Planet of the Apes: Joe Letteri, Daniel Barrett, Dan Lemmon and Joel WhistKong: Skull Is land: Stephen Rosenbaum, Jeff White, Scott Benza and Mike MeinardusBlade Runner 2049: John Nelson, Gerd Nefzer, Paul Lambert and Richard R. HooverGuardians of the Galaxy Vol. 2: Christopher Townsend, Guy Williams, Jonathan Fawkner and Dan SudickStar Wars: The Last Jedi: Ben Morris, Mike Mulholland, Neal Scanlan and Chris Corbould



专业可视化市场展望

公司在专业可视化市场

处于龙头地位据 Digi-Capital 预测，到 2022 年，VR 市场规模将会达到 600 亿美元，AR 会达到

900 亿美元。随着通讯技术的发展，智能设备的普及，我们认为媒体表现形式将从

过去的文字、视频及直播发展到 VR、AR、MR 阶段。实时渲染等视觉计算技术对于

GPU 的要求将越来越高，势必会成为英伟达持续发力的主要领域。

目前英伟达在专业可视化领域处于龙头地位，其生态构建完善并持续的推动标准的

制定与行业发展。我们认为当行业需求到来，公司会从开发端及用户端两方面受

益。

图表 47：AR/VR 市场预测

资料来源：Digi-Capital

IP 与 OEM 业务英伟达的 OEM 收入主要来源于笔记本电脑的 OEM 显卡及任天堂 Switch 游戏机上的

Tegra 芯片。但受到目前笔记本市场趋于饱和及 Switch 逐渐进入生命周期中后期的

影响，近年来收入逐渐下滑。目前，索尼与微软的下一代主机都确定将使用 AMD 的

显卡，而任天堂尚未确认。我们预计未来三年 OEM 收入将较现有水平略有萎缩。

IP 业务是专利授权收入。英伟达分别在 2004 年和 2011 年和英特尔签署专利许可协

议，英特尔须向英伟达支付合计 15 亿美元、每年 2.64 亿美元的专利授权费。不

过，这笔收入已经于 2017 年 3 月到期。



图表 48：IP 与 OEM 业务业务收入与同比增速


竞争格局与对手分析主要竞争对手为英特尔

与 AMD 英伟达所面向的市场主要可以分为三个部分：游戏显卡、数据中心芯片卡及自动驾

驶系统芯片。我们认为，公司的主要竞争对手为英特尔与 AMD。谷歌及赛灵思在部

分业务上与公司有所竞争，但市场重叠度不高。正如我们前面所提到的，英伟达目

前在游戏市场及云端训练芯片市场拥有竞争优势，产品性能领先对手。

图表 49：AI 芯片格局

边缘推理芯片Edge Inference

云端推理芯片Cloud Inference

云端训练芯片Cloud Training

FPGA+CPU+云服务

GPU

GPU

智能设备自动驾驶

ASIC

ASIC

类脑芯片

视频安防机器人

资料来源：第一上海

‐100%

‐50%

0%

50%

100%

150%

0

50,000

100,000

150,000

200,000

250,000

300,000

350,000

400,000

450,000

Q1 2016

Q2 2016

Q3 2016

Q4 2016

Q1 2017

Q2 2017

Q3 2017

Q4 2017

Q1 2018

Q2 2018

Q3 2018

Q4 2018

Q1 2019

Q2 2019

Q3 2019

Q4 2019

Q1 2020

Q2 2020

OEM&IP业务收入同比增速



AMD：能力不差，但缺乏支持

游戏显卡相对 AMD 具有

性能优势

GPU 开发生态社区建设大

幅领先

AMD 与英伟达的竞争主要为两方面：游戏与深度学习计算卡。

我们认为，游戏方面 AMD 在低端显卡市场及游戏主机 OEM 市场占有优势。前文提

到，AMD 的 GPU 性能上不及英伟达，因此公司在市场战略上选择性价比路线。目

前，在中低端游戏卡市场，与英伟达性能相近的 AMD 产品价格低于英伟达。但 AMD

游戏显卡受制于开发人员与市场营销资金，在驱动稳定性及游戏优化上面弱于英伟

达。从实际市场表现上，近两年英伟达显卡的市占率逐步走高，反应出英伟达目前

在游戏市场上仍然是最受欢迎的显卡。

深度学习计算方面，AMD 推出了 HIP (Heterogeous-compute Interface for

Portability ，异构计算可移植接口 ) 与 ROCm （ Radeon Open Computing

platforM，Radeon 开放计算平台）。ROCm 之于 AMD，基本上相当于 CUDA 之于英伟

达，大部分 CUDA 的模块在 ROCm 中都有对应。而 HIP 则类似于 CUDA API，并在源码

上兼容 CUDA，方便开发者进行代码的移植。

但我们认为，目前 CUDA 生态仍然是 ROCm 所不能企及的。

部分深度学习框架下的代码如 TensorFlow 和 PyTorch 并不容易移植。TensorFlow

对 AMD 有一些支持，主要模块都可以在 AMD GPU 上运行，但新的模块会遗漏一些

细节。英伟达的标准库使得开发者非常容易在 CUDA 中建立一个深度学习库，而

AMD 的 OpenCL 却没有这样强大的标准库。此外，英伟达有强大的开发者社区支

持。这意味着，如果使用英伟达 GPU，在遇到问题时可以很容易找到支持；而 ROCm

开发者社区目前规模较小，因此要快速解决问题并不容易。

此外，目前 AMD 的 GPU 在性能上至少比英伟达 V100 落后一代，并且 V100 已经发布

两年，AMD 如何在 7 nm 上与英伟达竞争仍有待观察。

英特尔：技术水平强大，将成为强劲对手

英特尔开始重视 AI 芯片

市场

发布 Nervana 系列处理

器挑战英伟达

自动驾驶市占率方面目

前英特尔领先

英特尔作为全球最大的芯片厂商，与英伟达主要在深度学习计算芯片、自动驾驶芯

片及高速互联市场上有竞争。近几年，英特尔不断收购 AI 芯片相关厂商及发布

“AI Anywhere”，其对于 AI 芯片的态度已经非常重视，我们认为将来两家公司会

有较为激烈的竞争。

英特尔在 CES 2019 展会上发布了 Nervana 系列神经网络处理器的最新型号 NNP-

I 用于云端推理任务，在百度大会上发布的 NNP-T 则用于云端计算任务，可以说是

全面与英伟达的产品展开竞争。与目前 Facebook 已经开始在其服务器上采用部分

的 NNP 加速卡进行计算。但 Nervana 系列神经网络处理器处于起步阶段，目前市占

率还比较低，是否能挑战目前英伟达的地位还需要一定时间的观察。

自动驾驶方面，目前主要的两家芯片厂商就是英伟达和英特尔。Mobileye 定位为用

整套方案服务于量产车，目前在市占率方面具有优势，市场份额超过 70%。现在全

球搭载 Mobileye ADAS 安全方案的车辆超过 2700 万辆，使用 Mobileye 产品的

OEM 有 25 家。可以说目前英特尔在 L3 以下的市场是具有先发优势的。但

Mobileye 的整套方案也导致汽车厂商没有什么选择余地和议价权。现在汽车厂商对

于技术层面的兴趣在逐步增加，想自己对产品进行优化和调整，对于这些方面

Mobileye 的支持较差。

第一

英伟

自动

TPU

但用

一上海证券有限

伟达专注于高

动驾驶芯片

适合深度学习

用途有限

限公司

性能的

实

题

深度

级别

自动

较大

此外

的

数据

场和

谷

习运算

目

FPG

典

器

一系

时

器

为矩

运算

图

资

正

性

内存

但

架

HPC

歌会

本报告不可

际上 GPU 并

。英伟达的

度合作来研

别的概念车

动驾驶车上

大，并不会

外，在数据

InfiniBand

据中心市场

和实际应用

谷歌、赛灵

前深度学习

GA。而谷歌

型的 RISC

，因为它们

系列标量运

针对多个数

，在单个时

矩阵处理器

算。

图表 50：标量

料来源：谷歌，

因如此，在

能远远高于

存，而这一

TPU 的缺点

，而不能训

C 应用。目

会依靠 TPU

可对加拿大、

并不是专门

的优势实际上

发 L2+的自

、自动驾驶

上更好的发挥

出现一家独

据中心的高速

d，但目前 I

场，未来高速

上的优势。

灵思：专

习的芯片路线

与赛灵思便

处理器提供

们每个指令处

运算来完成大

数据元素执行

钟周期内，

器，可以在单

量、矢量与矩

第一上海

处理深度学

CPU 与 GPU

代英伟达 V

点也非常明显

练或运行 mx

前，GPU+CU

占据一部分

- 35 - 日本、美国地

门为自动驾驶

上在于开放的

动驾驶功能

驶测试车里。

挥出来，获得

独大的局面。

速互联技术市

InfiniBand

速互联技术将

注定制

线，除了 GP

便是这两类芯

供简单计算的

处理单一运算

大型矩阵的计

行相同的操作

可以处理数

单个时钟周期

矩阵

学习所需要的

U。目前第三

100 GPU 提供

显：不向外出

xnet 或 PyT

UDA 显然还是

分市场，但两

地区及美国国

驶设计，所

的技术平台和

能。目前，英

我们认为，

得更多的市场

市场，英特尔

市占率高出

将取代传统的

PU 以外，还

芯片中的领头

的指令，例如

算。即使高频

计算。改进的

作。GPU 的

数百到数千次

期内处理数十

的矩阵运算能

三代的 Cloud

供 125TFLOP

出售；只能用

Torch 框架；

是最通用的深

两家公司的重

国籍人士发放

以在应用时

和强大的计算

英伟达的技术

英伟达 GPU

场份额。并且

尔推出了 Om

出 Omnipath

的以太网，英

还有不少企业

头羊。

如加减乘除，

频 CPU，仍然

的方法就是矢

的流处理器就

次运算。而谷

十万次运算，

能力上，专用

d TPU 能提供

Ps 算力和 16

用于训练和

也不能用于

深度学习环境

重叠度并不高

时有高功耗、

算性能，公

术主要被放在

U 的强大性

且自动驾驶

mnipath 技

一倍以上。

英伟达的优

业正在尝试

，是标量（

然需要很长

矢量（Vect

就是一种高效

谷歌为 TPU 设

，也就是矩

用的 ASIC 类

供 180TFLOP

6GB 内存。

运行谷歌 T

于 GPU 占主导

境，所以我

高。

2019 年

、高成本的

司和车企提

在车厂 L4、

性能将在高级

芯片市场空

术对抗迈络

我们认为，

势仍然具有

采用 ASIC

Scalar）处

时间才能通

or）运算，

效的向量处

设计了 MXU

阵（Matrix

类芯片 TPU

s 算力和 64

TensorFlow

导地位的非

我们认为未来

11 月

的问

提前

L5

级别

空间

络思

在

有市

与

处理

通过

同

处理

作

x）

的

4GB

框

AI

来谷



FPGA 更加灵活

目前 FPGA 芯片领域则主要由赛灵思及被英特尔收购的 Altera 主导。FPGA 的优势主

要是本身位宽可以改变，比 CPU 做深度学习计算时更快，比具备大量 ALU 的 GPU 功

耗低，而又比 ASIC 开发周期短。我们认为，未来 FPGA 也将在数据中心市场占有一

席之地。

图表 51：芯片标准化与定制化周期性

资料来源：谷歌，第一上海

芯片的发展过程是螺旋

上升的但如果将时间周期拉长看，整个芯片行业实际经历了往返于标准化——定制化之间

的不断反复的过程。人们推出新架构、高性能的芯片实现标准化，但随后出现的具

体应用又推动专用芯片的需求。设计水平的进步、自动化能让厂商更加快速的推出

专用芯片，但为了降低开发成本与使用成本，标准化的芯片又是必须的。我们认

为，不论 GPU、ASIC 还是 FPGA，将来都会有其具体所擅长的领域。

财务分析公司 2015-2019 财年

的总收入 CAGR 达

25.8%

收入端来看，近年来，随着数据中心及游戏业务的高速增长，公司 2015-2019 财年的

总收入 CAGR 达 25.8%。其中最为强劲的收入增长贡献来自于数据中心业务，其收入

贡献率从 2015 财年的 6.8%提升到 2019 财年的 25%，CAGR 达 74.4%。由于绝地求生、

堡垒之夜等游戏的流行及上加密货币的热度，公司的游戏业务增速也较为强劲，4 年

CAGR 达 32%。自动驾驶业务由于基数较低加上近年来市场的快速发展，4 年 CAGR 为

36.8%。专业可视化业务增长平稳，4 年 CAGR 为 9.2%。而 IP&OEM 收入则由于 PS3 生

命周期与英特尔交叉授权协议的结束，收入占比逐渐减小到 2.8%。



图表 52: 2015-2019 财年分部收入（千美元）


2019 财年毛利率

61.2%

2019 财年经营利润率

32.5%

费用端来看，由于公司产品定位较为高端，及数据中心业务的高毛利率（70%+），近

年来公司毛利率稳定提升。2019 财年公司毛利率达 61.2%。随着数据中心业务的营收

占比提升，我们预计公司毛利率接下来将继续提升。

由于公司高效利用 GPU，开发多条产品线，经营杠杆效应明显，2019 财年经营利润率

为 32.5%。

图表 53:2010-2019 财年毛利与毛利率（千美元）图表 54: 2010-2019 财年经营利润与经营利润率

（千美元）

资料来源：公司资料，第一上海资料来源：公司资料，第一上海

2019 财年研发费用率

为 20.3%

公司重视研发，持续投入大量研发资金。2019 财年研发费用为 23.8 亿美元，研发费

用率为 20.3%。研发费用率的下降主要由于公司收入增速大于研发费用增速。销售及

管理费用率控制良好，2019 财年销售及管理费用率为 8.5%。

2,058,000 2,818,000

4,060,000

5,513,000 6,246,000

317,000

339,000

830,000

1,932,000

2,932,000

795,000

750,000

835,000

934,000

1,130,000

183,000

320,000

487,000

558,000

641,000

1,329,000 783,000

698,000

777,000

767,000

0

2,000,000

4,000,000

6,000,000

8,000,000

10,000,000

12,000,000

14,000,000

FY2015 FY2016 FY2017 FY2018 FY2019

游戏数据中心专业可视化汽车 IP&OEM

0%

10%

20%

30%

40%

50%

60%

70%

0

1,000,000

2,000,000

3,000,000

4,000,000

5,000,000

6,000,000

7,000,000

8,000,000

‐5%

0%

5%

10%

15%

20%

25%

30%

35%

‐500,000

0

500,000

1,000,000

1,500,000

2,000,000

2,500,000

3,000,000

3,500,000

4,000,000



图表 55:2010-2019 财年研发费用与费用率（千美

元）

图表 56: 2010-2019 财年销售和管理费用与费用率

（千美元）


2019 财年 GAAP 净利润

率达 35.3%

受益于高毛利的数据中心业务，公司近几年净利润率提升明显。2019 财年 GAAP 净利

润率达 35.3%，Non-GAAP 净利润率为 35.4%。

图表 57：2010-2019 财年 GAAP 净利润与净利润率（千美元）


目前，公司的股权激励费用（SBC）占收入比为 4.8%。

0%

5%

10%

15%

20%

25%

30%

35%

0

500,000

1,000,000

1,500,000

2,000,000

2,500,000

0%

2%

4%

6%

8%

10%

12%

14%

0

200,000

400,000

600,000

800,000

1,000,000

1,200,000

‐5%

0%

5%

10%

15%

20%

25%

30%

35%

40%

‐500,000

0

500,000

1,000,000

1,500,000

2,000,000

2,500,000

3,000,000

3,500,000

4,000,000

4,500,000



图表 58：2010-2019 财年股权激励费用情况（千美元）


自由现金流三年 CAGR 为

44.9%

公司的自由现金流与经营现金流近几年大幅增长，2019 财年公司的经营现金流为

37.4 亿美元，共产生 31.4 亿美元自由现金流。自由现金流三年 CAGR 为 44.9%。

图表 59: 2010-2019 财年自由现金流（千美元）图表 60: 2010-2019 财年经营性现金流（千美元）


2019 财年库存大幅增

加，目前已经缓解

目前公司应收账款周转天数较为稳定，周转天数 41.3 天。受制于加密货币热度退

潮，中端 Pascal 显卡生产过多的影响，2019 财年公司库存大幅增加。但目前库存已

经基本消化完毕，2020Q2 库存为 12 亿美元，相比 2019 财年末的 15.8 亿美元大幅减

少。

0.0%

0.5%

1.0%

1.5%

2.0%

2.5%

3.0%

3.5%

4.0%

4.5%

5.0%

0

100,000

200,000

300,000

400,000

500,000

600,000

0

500,000

1,000,000

1,500,000

2,000,000

2,500,000

3,000,000

3,500,000

0

500,000

1,000,000

1,500,000

2,000,000

2,500,000

3,000,000

3,500,000

4,000,000



图表 61: 2010-2019 财年应收账款情况（千美元）图表 62: 2010-2019 财年库存情况（千美元）


盈利预测我们认为，根据目前公司的产品线与发展战略，未来三年公司将受益于以下几点：

1. 稳定增长的游戏市场依然为公司的重要收入来源。考虑到目前公司的游戏显卡性

能大幅领先竞争对手 AMD，作为竞争优势，公司将受益于独立显卡渗透率提升、ASP

提升及市占率提升三方面。考虑到 2017-2019 财年公司游戏业务的增长含有一部分

挖矿显卡的泡沫，我们预测公司 2020-2022 财年游戏业务收入分别为 55.6 亿、

63.2 亿、73.5 亿美元，CAGR 为 5.6%。

2. 高速发展的数据中心市场将成为公司最重要的增长动力。目前 GPU 在服务器中的

渗透率仅为 1.4%，我们预测 2022 财年将增长到 2.2%。公司目前在服务器 GPU 中的

市场占有率达 97%，ASP 将出现小幅下降，主要由于售价较低的推理卡的销量增

多。我们预测公司 2020-2022 财年数据中心业务收入分别为 29.1 亿、40.7 亿与

51.5 亿美元，CAGR 为 20.6%

2. 自动驾驶业务未来空间可期。我们认为自动驾驶业务在接下来的十年内会出现

较大幅度的增长。目前公司的自动驾驶芯片主要搭载在研发车辆上，尚未真正

的大幅商用。L3 阶段将于 2022 年逐渐成熟，我们预测公司 2020-2022 财年自动

驾驶业务将稳定增长，CAGR 为 19.9%。

图表 63：盈利预测

资料来源：公司资料，第一上海预测

37.5 36.8

30.833.2

38.4

34.6 35.2 34.7

38.741.3

0

5

10

15

20

25

30

35

40

45

0

200,000

400,000

600,000

800,000

1,000,000

1,200,000

1,400,000

1,600,000

应收账款应收账款周转天数

72.7

57.063.6 66.0

77.3 75.2 73.8 76.6 73.5

93.9

0

10

20

30

40

50

60

70

80

90

100

0

200,000

400,000

600,000

800,000

1,000,000

1,200,000

1,400,000

1,600,000

1,800,000

库存库存周转天数

截至3月31日止财政年度 18财年历史 19财年历史 20财年预测 21财年预测 22财年预测

总营业收入（美元百万元） 9,714 11,716 10,868 13,050 15,583

变动 40.58% 20.61% -7.24% 20.08% 19.41%

净利润 3,047 4,141 2,595 3,756 4,858

GAAP每股盈利（美元） 4.8 6.6 4.2 6.1 8.0

变动 87.55% 37.55% -36.47% 44.76% 30.60%

基于208.57美元的市盈率（估） 43.3 31.5 49.5 34.2 26.2

每股派息（美元） 0.6 0.6 0.6 0.7 0.8

股息现价比 0.27% 0.29% 0.30% 0.34% 0.40%



未来三年预测公司收入

CAGR 为 10%

成本将保持稳定

综上所述，我们预测公司 2020-2022 财年收入分别为 109、131、156 亿美元，CAGR

为 10%。

我们预计公司的成本将保持稳定。虽然数据中心业务的高毛利及公司对于 GPU 的高

效利用，摊薄了研发成本；但公司也将持续投入到新市场的研发，如自动驾驶业

务、机器人及 ASIC。公司总体毛利率将维持在 60%+的水平，经营利润率将提升至

接近 35%。

我们预测公司 2020-2022 财年 GAAP 净利润分别为 26.0 亿、37.6 亿和 48.6 亿美

元，CAGR 为 5.5%。对应 2020-2022 财年 P/E 为 49.5/34.2/26.2 倍。

看好公司未来发展，目标价 250 美元，买入评级公司收入/利润大幅跑赢

行业平均及英特尔

公司上市至今的收入 CAGR 达到 19.9%，净利润 CAGR 达到 27.4%，大幅跑赢英特尔

的 4.7%/5.3%及费城半导体指数平均。目前，公司的 TTM P/E 处于较高区间。但我

们认为这主要是由于公司 2020 财年净利润受到加密货币业务泡沫挤压影响，与将

来公司的成长无关。目前，公司的游戏显卡业务已经有所恢复。

图表 64: P/E Band


如果参照彭博混合远期 P/E，考虑到公司历史上优秀的成长能力，及未来所切入的

高成长空间市场，我们认为目前公司的估值处于合理区间内。

0

50

100

150

200

250

300

350

400

450

2017/11/2 2018/2/2 2018/5/2 2018/8/2 2018/11/2 2019/2/2 2019/5/2 2019/8/2 2019/11/2

实际53.1xP/E（TTM） 59.8xP/E 49.6xP/E 39.4xP/E 29.2xP/E 19xP/E



图表 65：混合远期 P/E


目标价 250 美元我们根据 DCF 估值法，取 WACC=12%，假设长期增长率为 3%，获得目标价为 250 美

元。

图表 66: DCF 估值

资料来源：第一上海预测

公司历史表现优秀，享

有估值溢价

买入评级

公司目前估值虽然高于历史与行业均值，但考虑到：1.今年公司遭遇了加密货币的

影响，将游戏业务水分挤出，明年游戏业务将恢复增长。2.今年处于数据中心资本

开支的周期底部，各家 CSP 对于数据中心的投入比较谨慎。而企业 IT 云化已经成

为趋势，随着目前的供给被消化完毕，数据中心的新一轮增长将到来。3.公司发展

历史上收入及利润的增速远高于行业平均，体现了公司对于市场机会及战略方向的

把握。

我们认为公司享有估值溢价，目标价格 250 美元相较于当前价格有 19.86%的提升空

间，给予买入评级。

0

5

10

15

20

25

30

35

40

45

50

2014/11/3 2015/11/3 2016/11/3 2017/11/3 2018/11/3 2019/11/3

混合远期P/E 5年平均

永续期

折现年限 0 1 2 3 4 5 6 7 8 9 10

假设 2020E 2021E 2022E 2023E 2024E 2025E 2026E 2027E 2028E 2029E 2030E

(百万美元)

CFO 3,351 4,511 5,921

自由现金流增长率 41.2% 35.4% 32% 28% 24% 18% 14% 10% 6% 3%

自由现金流量 2,871 4,055 5,488 7,266 9,330 11,598 13,686 15,602 17,162 18,223 18,769

折合至2019年的现金流量 2,871 3,620 4,375 5,172 5,929 6,581 6,934 7,058 6,931 6,571 75,205

永续期折现值 214,805

WACC 12.0%

长期增长率 3.0%

现金流折现 131,248

减：净金融负债 -12,215

减：少数股东权益+合伙人权益 -10,537

股本价值 154,000

股本数量（预期） 616

DCF法之每股价值（美元） 250.00

高速成长期稳定成长期

估值



图表 67: 同类公司估值情况


风险因素

芯片市场生态风险越来越多的互联网科技企业和传统芯片厂商开始切入 AI 芯片赛道，对公司的市场

份额虎视眈眈。其中不仅有谷歌、苹果这样的技术巨头，容易凭借其生态及应用优

势在硬件领域崛起；还有英特尔、AMD 这样的老牌厂商，不断推出新的解决方案。

若公司不能在市场竞争中保持产品的性能领先优势，可能对公司的增长造成重大影

响。

机器学习的技术路线改

变

GPU 价格及功耗较高，并且在负载较低时并不能像 CPU 一样做除深度学习以外的工

作。市场一直三心二意地等待着更具性价比的技术，如 ASIC 和 FPGA。从长远来

看，如果公司不能优化产品的功耗及设计，可能丧失在训练市场的优势。

PC 游戏市场增长放缓目前 PC 游戏市场增速已经放缓，越来越多的玩家开始玩手游及主机游戏。公司在

移动市场及主机市场的布局比较薄弱，可能对于公司的游戏业务造成影响。

自动驾驶系统竞争风险自动驾驶系统的技术方向目前还未完全定型。如果公司在竞争中输给英特尔，将失

去空间较大的自动驾驶芯片市场。

代码名称下财年预测P/E EV/T12M营收 FCF收益市值（mUSD） P/E P/S P/B P/CF EV/EBITDA TTMNVDA 英伟达 39.18 9.89 1.93 126782 53.07 12.44 12.27 41.66 36.11

28.55 6.28 4.13 80187 39.59 6.72 9.72 48.39 18.81AMD AMD 59.33 5.30 (0.27) 40436 156.71 6.38 18.59 339.91 50.39603160 汇顶科技 44.46 14.34 3.13 12798 41.42 14.56 15.37 27.13 N/AINTC 英特尔 12.71 3.32 5.66 253823 13.58 3.71 3.41 8.63 7.23STM 意法半导体 22.44 1.83 3.24 21978 24.06 2.29 3.26 11.25 7.82AVGO 博通 14.69 6.42 7.48 124059 32.90 5.64 5.79 12.76 13.60QCOM 高通 22.16 3.77 5.74 104867 14.37 4.58 21.42 15.29 9.15XLNX 赛灵思 27.60 6.92 4.20 23947 25.69 7.28 8.88 21.45 20.492454 联发科 27.63 1.46 4.14 21417 31.37 2.66 2.09 20.29 12.87ADI 模拟器件 21.65 7.60 4.80 41577 20.39 6.77 3.53 18.02 13.89TXN 德州仪器 22.18 8.27 5.40 110374 21.96 7.57 12.29 15.88 16.56

平均



主要财务报表

资料来源：公司资料，第一上海预测

损益表财务能力分析

单位：百万美元, 财务年度截至1月28日

2018财年 2019财年 2020财年 2021财年 2022财年 2018财年 2019财年 2020财年 2021财年 2022财年实际实际预测预测预测实际实际预测预测预测

盈利能力主营业务收入 9,714 11,716 10,868 13,050 15,583 毛利率 (%) 59.9% 61.2% 60.9% 62.7% 63.8%

- 主营业务收入成本 3,892 4,545 4,246 4,864 5,635 EBITDA 利率 (%) 35.1% 34.7% 28.5% 34.3% 37.1%毛利 5,822 7,171 6,622 8,186 9,948 净利率(%) 31.4% 35.3% 23.9% 28.8% 31.2% 营业开支 2,612 3,367 3,858 4,072 4,566销售总务及管理开支 815 991 1,032 1,083 1,309 营运表现研究和开发开支 1,797 2,376 2,837 3,002 3,272 销售及管理费用/收入(%) 8.4% 8.5% 9.5% 8.3% 8.4%营业利润 3,210 3,804 2,764 4,114 5,382 研发费用/收入(%) 18.5% 20.3% 26.1% 23.0% 21.0% - 利息支出 (8) (78) (11) (13) (16) 实际税率 (%) 4.7% -6.3% 6.5% 9.0% 10.0% - 营业外亏损净额 22 (14) 0 0 0 股息支付率 (%) 11.2% 9.0% 15.0% 11.5% 10.5%税前利润 3,196 3,896 2,775 4,128 5,397 库存周转 4.9 3.8 3.2 4.1 4.2 - 所得税支出 149 (245) 180 371 540 应收账款天数 38.7 41.3 57.0 56.0 47.9非常项目前收入 3,047 4,141 2,595 3,756 4,858 应付账款天数 50.0 43.8 43.0 41.0 41.0净利润 3,047 4,141 2,595 3,756 4,858普通股东所得净利润 3,047 4,141 2,595 3,756 4,858 财务状况折旧与摊销 740 767 804 857 876 总负债/总资产 33.5% 29.7% 29.7% 26.0% 22.4%EBITDA 3,409 4,066 3,101 4,470 5,777 收入/净资产 40.8% 44.3% 24.6% 29.0% 30.4%主营业务增长 (%) 40.6% 20.6% -7.2% 20.1% 19.4% 经营性现金流/收入 36.1% 31.9% 30.8% 34.6% 38.0%EBITDA 增长率 (%) 37.8% 16.2% -31.1% 30.6% 22.6% 税前盈利对利息倍数 399.50 49.95 255.35 316.28 346.38

资产负债表现金流量表

2018财年 2019财年 2020财年 2021财年 2022财年 2018财年 2019财年 2020财年 2021财年 2022财年实际实际预测预测预测实际实际预测预测预测

+ 现金与现金等同 4,002 782 3,764 5,887 8,865 + 短期投资 3,106 6,640 5,140 5,140 5,140 + 净利润 3,047 4,141 2,595 3,756 4,858 + 应收账款与票据 1,265 1,424 2,017 2,043 2,104 + 折旧、摊销 199 262 337 356 395 + 库存 796 1,575 1,043 1,308 1,353 + 其他非现金调整 585 455 489 587 701 + 其他流动资产 86 136 136 136 136 + 非现金资本变动 (329) (1,115) (69) (188) (33)总计流动资产 9,255 10,557 12,101 14,513 17,599 经营活动现金流量 3,502 3,743 3,351 4,511 5,921 + 长期投资与应收 — — — — — + 总固定资产 1,737 2,171 2,352 2,504 2,561 + 固定资产变动 2 0 0 0 0 - 累计折旧 740 767 804 857 876 + 资本支出 (593) (600) (480) (456) (433) + 净固定资产 997 1,404 1,547 1,647 1,685 + 长期净投资变动 0 0 0 0 0 + 其他长期资产 989 1,331 1,331 1,331 1,331 + 其他投资活动 1,905 (3,497) 1,500 0 0总计长期资产 1,986 2,735 2,878 2,978 3,016 投资活动现金 1,278 (4,097) 1,020 (456) (433)总资产 11,241 13,292 14,979 17,492 20,615 + 应付账款 629 602 594 696 770 + 已付股利 (341) (371) (389) (432) (510) + 短期借款 15 0 0 0 0 + 债务(偿付)所得现金 (812) (16) 0 0 0 + 其他短期负债 509 727 727 727 727 + 股本增加 0 0 0 0 0总计流动负债 1,153 1,329 1,321 1,423 1,497 + 股本减少 (909) (1,579) (1,500) (1,500) (2,000) + 长期借款 1,985 1,988 1,988 1,988 1,988 + 其他融资活动 (482) (900) 500 0 0 + 其他长期负债 632 633 1,133 1,133 1,133 融资所得现金 (2,544) (2,866) (1,389) (1,932) (2,510)总长期负债 2,617 2,621 3,121 3,121 3,121总负债 3,770 3,950 4,442 4,544 4,618 现金净增减 2,236 (3,220) 2,982 2,123 2,978总股东权益 7,471 9,342 10,537 12,948 15,997 现金剩余 4,002 782 3,764 5,887 8,865



第一上海证券有限公司香港中环德辅道中 71 号永安集团大厦 19 楼电话: (852) 2522-2101 传真: (852) 2810-6789 本报告由第一上海证券有限公司(“第一上海”)编制并只作私人一般阅览。未经第一上海书面批准，不得复印、节录，也不得以任

何方式引用、转载或传送本报告之任何内容。本报告所载的内容、资料、数据、工具及材料只提供给阁下作参考之用，并非作为

或被视为出售或购买或认购证券或其它金融票据的邀请或要约或构成对任何人的投资建议。阁下不应依赖本报告中的任何内容作

出任何投资决定。本报告的内容并未有考虑到个别的投资者的投资取向、财务情况或任何特别需要。阁下应根据本身的投资目

标、风险评估、财务及税务状况等因素作出本身的投资决策。本报告所载资料来自第一上海认为可靠的来源取得，但第一上海不能保证其准确、正确或完整，而第一上海或其关连人仕不会对

因使用/参考本报告的任何内容或资料而引致的任何损失而负上任何责任。第一上海或其关连人仕可能会因应不同的假设或因素

发出其它与本报告不一致或有不同结论的报告或评论或投资决策。本报告所载内容如有任何更改，第一上海不作另行通知。第一

上海或其关连人仕可能会持有本报告内所提及到的证券或投资项目，或提供有关该证券或投资项目的证券服务。第一上海并不是美国一九三四年修订的证券法(「一九三四年证券法」)或其他有关的美国州政府法例下的注册经纪-交易商。此

外，第一上海亦不是美国一九四零年修订的投资顾问法(下简称为「投资顾问法」，「投资顾问法」及「一九三四年证券法」一

起简称为「有关法例」)或其他有关的美国州政府法例下的注册投资顾问。在没有获得有关法例特别豁免的情况下，任何由第一

上海提供的经纪及投资顾问服务，包括(但不限于)在此档内陈述的内容，皆没有意图提供给美国人。此文件及其复印本均不可传

送或被带往美国、在美国分发或提供给美国人。在若干国家或司法管辖区，分发、发行或使用本报告可能会抵触当地法律、规定或其他注册/发牌的规例。本报告不是旨在向该

等国家或司法管辖区的任何人或单位分发或由其使用。

©2019 第一上海证券有限公司版权所有。保留一切权利。

英伟达（nvda 首发报告 - gb.mystockhk.com · 户带来无与伦比的视觉体验。...

Documents