竞技宝官网app·重塑计算世界AI的引擎（43000字深度报告）

　　以超异构创新重塑大规模AI计算，占GPU市场近80％份额，数据中心业务高速增长，成为世界AI的增长引擎。

　　英伟达以超异构创新构建面向大规模AI计算的系统性竞争优势。英伟达面向AI时代大规模并行计算，进行了全栈系统的优化。英伟达芯片互联通信技术NVLink性能快速迭代，GPU + Bluefield DPU + Grace CPU的结合开创性地实现了芯片系统间的高速通信互联。同时CUDA充当通用平台，引入英伟达软件服务和全生态系统。我们认为，芯片和系统耦合的实现使得英伟达真正实现了超异构创新。

　　GH200超级芯片是英伟达产品与技术的集大成者。我们认为，GH200集合了最先进的Grace Hopper架构，并应用Tensor Core提升计算性能、进行模型优化，NVLink实现了高速的传输，尤其是NVLink改变了传统PCIe复杂的传输过程，满足了在每个GPU之间实现无缝高速通信的需求，构建起了芯片间的高速互联系统，将进一步形成英伟达的竞争壁垒。

　　英伟达作为龙头企业将例享受AI芯片行业整体需求高增带来的红利。IDTechEx预测2033年全球AI芯片市场将增长至2576亿美元；JPR预测2022-2026年全球GPU销量复合增速将保持在6.3％水平。英伟达作为业内有目共睹的头部公司，产品生态具备显著的稀缺性，将在算力领域充分受益，享受市场爆发带来的客户需求高增。

　　英伟达成立于1993年，怀揣打造图形芯片时代愿景。英伟达（NVIDIA）总部位于美国加利福尼亚州圣克拉拉市，依托硅谷作为全球电子工业基地的地缘优势，1993年，黄仁勋、克里斯（Chris A.Malachowsky）与普雷艾姆（Curtis Priem）怀着 PC 有朝一日会成为畅享游戏和多媒体的消费级设备的信念，共同创立了英伟达。

　　图形芯片市场竞争日益激烈，英伟达多方探索寻求突破。英伟达成立之初，市场上仅有20余家图形芯片公司。1994年，英伟达与SGS-THOMPSON首次开展战略合作；1995年，英伟达推出其首款显卡产品NV1，配备了基于正交纹理映射的2D/3D图形核心，支持2D、3D处理能力的同时还拥有音频处理能力；1996年，英伟达推出首款支持Direct3D的Microsoft DirectX 驱动程序；1997年，英伟达发布全球首款128位3D处理器RIVA 128，发布后四个月内销量超100万台，但此时，图形芯片这一市场的竞争者已飙升至70家，英伟达深陷财务泥淖，最终决定将研发和生产重心放在2D/3D的PC专用融合显卡领域；1998年，英伟达与台积电签订多年战略合作伙伴关系，台积电开始协助制造英伟达产品。

　　1999年发明GPU，行业重塑之路就此开启。GeForce 256是由英伟达发布的全球首款GPU， 英伟达将GPU定义为“具有集成变换、照明、 三角设置/裁剪和渲染引擎的单芯片处理器，每秒可处理至少1000万个多边形”。同年，英伟达推出适用于专业图形的Quadro GPU，并宣布以每股12美元的价格首次公开募股。2000年，显卡先驱3dfx因先前拒绝使用微软Direct3D通用API标准而导致其显用性降低， 并因其市场战略的失误，最终被英伟达低价收购；2003年，英伟达收购无线领域图形和多媒体技术领导者MEDIA Q，2004年，NVIDIA SLI问世，大大提升了单台PC的图形处理能力。

　　CUDA打造GPU计算的开发环境，硬件+软件生态帝国初现。2006年，英伟达推出基于通用GPU计算的CUDA架构，借助CUDA和GPU的并行处理能力，英伟达收获了开发者庞大的用户群；2007年，英伟达推出Tesla GPU，让此前只能在超级计算机中提供的计算能力被更广泛的应用；2008年，Tegra移动处理器问世，其能耗约为一般的PC笔记本的三十分之一；2013年，四核移动处理器Tegra 4发布；2014年，英伟达推出192核超级芯片Tegra K1和平板电脑SHIELD tablet。至此，英伟达的几大产线均逐步成熟，应用行业逐步扩张，产品生态逐步健全。

　　深度学习需求催化英伟达产品转型，为AI注入强劲动力。2015年，搭载256核移动超级芯片的Tegra X1的NVIDIA DRIVE问世，其可用于驾驶辅助系统，为自动驾驶汽车技术发展铺平了道路，也标志着英伟达正式投身深度学习领域；2016年，英伟达推出第11代GPU架构PASCAL、首款一体化深度学习超级计算机DGX-1和人工智能车辆计算平台DRIVE PX 2，相较CPU而言，DGX-1可将深度学习训练速度提高96倍；2017年，更适合超算的Volta架构发布；在随后的几年里，Turing、Ampere等架构陆续发布，持续助力AI。

　　组织架构服务产品业务条线，管理团队权责清晰。据theofficialboard，英伟达的组织架构清晰，技术和运营部门较为庞大，各大核心业务条线均有团队专门负责。英伟达官网招聘信息显示，英伟达定义的其核心业务部门包括AI、研究和硬件三大类。我们认为，公司组织架构设置平行于产品业务，有助于发挥研究者的专项技术才能，并强调研究的前瞻性和突破性。同时，以黄仁勋为首的管理团队具有专业的业务背景与管理才能，公司管理层与董事会均由经验丰富的人士担任。

　　作为创始人、CEO与精神领袖，黄仁勋带领英伟达创造AI龙头奇迹。黄仁勋，1963年出生于中国台北，美籍华人。作为公司创始人，黄仁勋历经30载依旧任英伟达的总裁兼首席执行官。他曾被《哈佛商业评论》和Glassdoor评为全球最佳CEO和受雇员评价最高的CEO。2021年9月，黄仁勋登上《时代》杂志封面，成为《时代》杂志2021年世界最具影响力的百位人物之一。

　　兼具技术与业务背景，葆有实干与远见特质。黄仁勋1984年于俄勒冈州立大学取得学士学位，1990年获得斯坦福大学硕士学位，1983-1985年间，其担任AMD芯片工程师，而后跳槽至LSI Logic继续从事芯片设计，在LSI Logic任职期间，黄仁勋转岗销售部门，因其出色的表现很快晋升为部门经理，从此踏上管理岗位。在1993年英伟达筹建之初，因其出色的技术和业务背景，克里斯与普雷艾姆推举黄仁勋担任英伟达总裁兼CEO。2020年，黄仁勋获颁大学名誉博士学位，以表彰其在人工智能与高效能计算领域的伟大贡献。

　　细分英伟达的产品线，我们可将其划分为硬件产品、软件平台、应用框架三个维度。同时英伟达基于“硬件+软件”的技术优势，同时依托面向行业打造的应用框架，提供了对于细分行业定制的行业解决方案。

　　英伟达首创GPU产品，推动处理器中逻辑运算单元数量增长。CPU是电脑的中央处理器，同时也是电脑的控制和运算核心，能够解释计算机发出的指令。而GPU是电脑的图形处理器，最初主要用于进行图像运算工作。英伟达研发世界上首款GPU GeForce 256，开GPU之先河，令GPU逐渐演化为普遍使用的并行处理器。整体而言，GPU和CPU同为基于芯片的微处理器，是重要的计算引擎。CPU拥有更大的逻辑运算单元和控制单元，同时拥有更大的缓存空间，但GPU却拥有更多的逻辑运算单元数量。

　　需求激增催化 GPU 市场规模爆发式增长。IC Insights 数据显示，2015 年至 2021 年间，全球 GPU 芯片市场规模年均增速超 20％，2021年，全球 GPU 芯片市场规模已超过 220 亿美元，全年出货总量超过 4.6亿片。我们认为，目前 GPU 仍占全球 AI 芯片的主导地位。

　　Ada Lovelace 架构为英伟达 GeForce RTX 40 系列显卡提供动力支持。Ada Lovelace 架构主要用于游戏显卡的生产，其采用的 TensorCore 使用首次推出的全新 FP8 Transformer 引擎，能够提升四倍吞吐量；其中的第三代 RT Core 配备全新 Opacity Micromap 和 Displaced Micro-Mesh 引擎，可大幅提升进行光线追踪的速度，所占用的显存只有之前的二十分之一；并且，Ada Lovelace 架构可使用 DLSS 3（深度学习超采样）算法，可对多个分辨率较低的图像进行采样，并使用先前帧的运动数据和反馈来重建原生质量图像，从而创建更多高质量帧，显著提升 FPS（Frames per second），目前已应用于 200 多款游戏和应用。

　　Hopper 架构为加速计算实现新的巨大飞跃。与 Ada Lovelace 架构不同，Hopper 架构主要用以打造加速计算平台。Hopper 架构以Transformer 为加速引。