英伟达是如何成长为AI“算力之王”的？

　　英伟达是如何成长为AI“算力之王”的？

　　来源：华尔街见闻 卜淑情

　　研发为底、生态为径、AI为翼。

　　不愧是AI算力之王！英伟达一季度营收大超预期，AI芯片所在数据中心业务的营收创历史新高，给出的指引更是炸翻全场，预计二季度营收达到110亿美元，比市场预期高出50%以上。

　　强劲业绩助推下，英伟达股价原地起飞，周三美股盘后一度飙升近30%，朝着美股第七家市值超万亿美元的公司再进一步。

　　和所有升级打怪的游戏类似，英伟达的晋级之路也始于新手村：

　　1993年成立，1998年推出炸弹级RivaTNT芯片，1999年推出世界上第一颗GPU——GeForce，2000年收购显卡芯片巨头3dfx，在接下来的六年里又打得老牌显卡公司ATI被迫卖身AMD，同时不计成本开发革命性CUDA架构，在不断研发和收购中成为芯片之王。

　　根据Jon Peddie Research发布的GPU市场数据统计报告，英伟达2022年全年PC GPU出货量高达3034万块，是AMD的近4.5倍；截至2022年四季度，在独立GPU市场，英伟达占据84%的市场份额，远超同业竞争公司。

　　那么，英伟达到底是如何在群雄逐鹿的局势中攻城略地，在变幻莫测的市场中决策千里的？周四，中泰证券王芳团队发布行业深度报告，将英伟达成长的核心战略总结为三个词：研发为底、生态为径、AI为翼。

　　英伟达成长三部曲

　　纵观历史，英伟达的成长史主要分成三个阶段：初具规模→成为独显霸主→转战AI算力芯片：

1993-2000：初具规模，提升研发效率战胜对手

1993年黄仁勋、克里斯·马拉科夫斯基和柯蒂斯·普利姆在美国加州创立了英伟达。在创建之初，公司设想着个人电脑将会成为游戏、多媒体的主流消费设备。

英伟达在1996年，推出NV3系列的Riva128芯片，在性能方面具有优势，并且芯片尺寸更小，因此结构成本更低，通过数据对比，RIVA128甚至优于下一年Intel推出的i740，而且i740不支持任何OpenGL驱动程序。在英伟达推出RIVATNT时已经没有产品能够和其匹敌。

1999年，Intel宣布完全退出独立显卡芯片组业务。而在2000年英伟达推出GeForce256，全面超过当时行业最大竞争者3dfx，最终3dfx宣布破产并且被英伟达收购。

2001-2006：寡头垄断，逐步成为独显市场霸主

英伟达预测未来能够实现通话和多媒体功能的手机半导体将会大放异彩，因此积极通过收购移动端公司来布局移动端图像芯片产业，并紧密融合Direct3D和OpenGL以最大程度地支持第三方软件。

在经历了行业发展初期洗牌之后，英伟达在独立显卡市场上的主要竞争对手只剩下ATI，整个独立显卡行业逐步向寡头垄断转变。在这六年时间里，公司曾因产品定位和市场需求贴合度不够而落后，但通过坚持投入研发，完善产品线，竞争力持续提升。

2006年AMD收购ATI后，英伟达终成行业霸主。

2007-2023：重“芯”开始，引领人工智能计算

智能手机浪潮来临，但是由于时机和定位上的失误，英伟达错失机遇。于是，英伟达退出手机市场，转向汽车、人工智能市场，调整竞争策略。事实证明英伟达的转型抓住了市场需求的改变，英伟达2015-2023年营收增速可观。

　　研发为底，深耕GPU算力

　　正如中泰证券研报指出，研发实力是一家芯片设计公司的核心竞争力，英伟达从发展初期即重视研发生产力，以高投入换去高回报不断提升产品竞争力。通过对比英伟达和老对手AMD的研发和市场表现，中泰证券发现：

2005年，AMD的研发费用为11亿美元，是英伟达的3.2倍左右，而到了2022年，英伟达的研发费用达到了73.4亿美元，是AMD的1.47倍。

由于性能、构建、价格的不同，二者逐步产生差异化，形成了错位竞争。至2022年第三季度，英伟达基本占据88%市场份额，AMD则降低至8%。

研发投入带给英伟达高回报，在主流游戏和显卡天梯测评上，AMD落后于英伟达。

　　生态为径，CUDA自成体系

　　英伟达成长为AI产业龙头的背后，是CUDA帮助其构建强大生态护城河，进一步增加了竞争壁垒。据中泰证券报告介绍：

CUDA是英伟达基于其生产的GPUs的一个并行计算平台和编程模型，目的是便于更多的技术人员参与开发。开发人员可以通过C/C++、Fortran等高级语言来调用CUDA的API，来进行并行编程，达到高性能计算目的。

CUDA平台的出现使得利用GPU来训练神经网络等高算力模型的难度大大降低，将GPU的应用从3D游戏和图像处理拓展到科学计算、大数据处理、机器学习等领域。这种生态系统的建立让很多开发者依赖于CUDA，进一步增加了英伟达的竞争优势。

对比微软的DirectCompute，CUDA胜在配套设施的支持。与DirectCompute相比，CUDA由于其丰富的功能库，完善的开发工具和广泛的应用支持，尤其在科学计算和深度学习领域，具有明显优势。CUDA在英伟达GPU上的性能优化也更为出色。而DirectCompute作为跨平台工具，其优势在于与DirectX的兼容性以及对多种硬件的支持。

　　AI为翼，转型切入算力芯片领域

　　正如英伟达成立初期抓住了游戏市场对于3D图像渲染技术的需求，近年来随着人工智能的发展为GPU带来更大增长空间，英伟达抓住下游发展新机遇，推出AI加速卡，伴随以ChatGPT为代表的生成式AI大模型发展进入快速增长通道。中泰证券报告显示：

根据Tractica的数据，2018年全球AI硬件市场的收入为196亿美元，其中GPU的收入占36.2%为71亿美元。而在2025年将达到2349亿美元，其中GPU的收入占23.2%为545亿美元。尽管GPU市场占比出现下滑，但是全球AI硬件市场在不断上升，将会给GPU市场带来更多的增长空间。

在人工智能和机器学习的加速应用下，英伟达的GPU已成为行业内的首选解决方案，广泛应用于各个领域，从游戏和专业视觉应用到数据中心和自动驾驶汽车。

　　本文观点主要来自中泰证券，作者：王芳、杨旭、李雪峰，原文标题：《解析英伟达成长的核心战略：研发为底、生态为径、AI为翼》

　　王芳持证编号S0740521120002

　　杨旭持证编号S0740521120001

　　李雪峰持证编号S0740522080004

　　风险提示及免责条款

　　市场有风险，投资需谨慎。本文不构成个人投资建议，也未考虑到个别用户特殊的投资目标、财务状况或需要。用户应考虑本文中的任何意见、观点或结论是否符合其特定状况。据此投资，责任自负。