英伟达市值为何超越英特尔？投资视角看它如何叩开 AI 大门

英伟达市值为何超越英特尔？投资视角看它如何叩开 AI 大门

• 来源:网络
• 更新日期:2020-07-17

摘要：作者 | 赵 宁编辑 | 黄志磊核心观点：1、英伟达市值超过英特尔，本质是 GPU 的通用算力得到业界认可。2、英伟达通过投资的方式进行广泛战略布局，自动驾驶是重点领域。3、对标英

作者 | 赵 宁

编辑 | 黄志磊

核心观点：

1、英伟达市值超过英特尔，本质是 GPU 的通用算力得到业界认可。

2、英伟达通过投资的方式进行广泛战略布局，自动驾驶是重点领域。

3、对标英伟达，中国公司百花齐放，自动驾驶市场可以期待。

AI 之光英伟达终于被资本市场承认，市值一度超越英特尔成为美国市值最大的芯片上市公司。

以双方最近一个完整财年数据对比（美国通用会计准则），英伟达 2020 财年全年收入 109.2 亿美元，收入同比下跌 7%，净利润 27.96 亿美元，同比下跌 32%；英特尔 2019 年财年营收 719.65 亿美元，同比增长 2%，净利润 210.48 亿美元，与上一财年持平。

在财务数据均不占优的情况下，英伟达凭借什么赢得资本市场信任？我们以投资视角来看英伟达如何布局 AI 未来。

AI 算力路口：通用计算的胜利

CPU 和 GPU 在算力支撑上有明显的区别，CPU 有高级功能，有复杂的逻辑控制和优化电路，而 GPU 有众多结构相对简单的计算单元和超长流水线。

CPU 可以解一个方程组，GPU 则可以同时进行大量的加减乘除运算，这种区别导致 GPU 适合人工智能相关产品对大规模并行计算的需求。

2000 年，CPU 仍是学界依赖的算力提供方，但由于 CPU 在架构上的局限，计算支持单元有限，算力释放不彻底，学者和工程师开始尝试寻求通用计算（GPGPU）下的算力支持。

2006 年，英伟达在 GPGPU 框架下推出 Tesla 架构，并在第二年推出 CUDA 系列编程环境，借助 CUDA 可以大大降低用 GPU 做通用计算的难度，为后续 AI 算力支撑打下基础。

2012 年，深度学习开山鼻祖之一的 Geoff Hinton 的学生 Alex Krizhevsky，借助英伟达的 GPU 成功训练出了深度卷积神经网络 AlexNet，优秀的算力支撑让众多 AI 学者开始以 CUDA 为第一选择，也进一步导致人工智能业界认可英伟达在 AI 的地位。

不仅在底层技术有布局，早在 2009 年，英伟达就进入车联网，当时与大众奥迪合作，在新式导航系统中应用 Tegra 系列芯片，特斯拉也在早期车型中使用 Tegra 芯片，Model S 就基于 Tegra 3 进行电动与车载娱乐系统开发。

随后 IBM、Facebook、ARM 等公司展开合作，以深度学习、机器学习、训练神经网络等为方向，加快 AI 芯片开发工作，截至目前，英伟达 GPU 是全球大规模 AI 商用芯片提供商之一，产品广泛应用于车联网领域。

伴随自动驾驶市场崛起，英伟达以消费级芯片供应商身份，参与到车载芯片的市场争夺战中，叩开了 AI 算力的大门，除了业务布局外，英伟达几年间进行投资布局，投资和收购大量企业，进一步深入到 AI 产业中。

英伟达的投资版图

2013 年至今，英伟达针对 AI 全产业链累计进行了 20 余次投资并购行为，平均每年 3 次，其在自动驾驶领域和大数据分别进行 5 次和 7 次投资，此外还投资了人工智能孵化器、2 家 AI 医疗公司、1 家机器学习平台、2 家音频处理公司。覆盖了中国、中国、以色列、加拿大、匈牙利、日本多个国家与地区。

基于业务需要，英伟达收购了 Parabricks、SwiftStack、Cumulus Networks 三家公司，分别涉及到基因检测领域、数据存储和管理、高性能网络计算，主要由于英伟达医疗保健部门和数据中心的前瞻性布局。

2019 年，英伟达以 69 亿美元收购了网络芯片制造公司 Mellanox，通过融合 Mellanox 的技术，英伟达将拥有从人工智能计算到网络的端到端技术，再加上 Cumulus Networks 网路解决方案和 Deep Instinct 的网络安全方案，英伟达打通了网络从底层芯片到上层应用全产业链，为自己的数据中心业务获得更多营收机会。

黄仁勋曾公开分享过英伟达的投资逻辑，一是该公司的愿景与英伟达一致 - 即利用 AI 技术为社会创造更多价值；二是这家公司需要英伟达的帮助；三是这家公司必须是一家非常优秀的公司。

自动驾驶是英伟达重点布局对象。2014 年，谷歌、百度等科技公司相继进入该领域，2015 年，特斯拉宣布半自动驾驶商用，奔驰、宝马、尼桑，几乎所有的车厂都在 2015 年发布了自家自动驾驶汽车的计划，这一年也被业界称为自动驾驶元年。

随后，英伟达在 3 年内投资了 5 家与自动驾驶相关的公司，包括图森未来、Almotive、Optimus Ride、文远知行、DeepMap，他们业务分别包括无人驾驶卡车、自动驾驶解决方案、自动驾驶高精度地图，同时英伟达也与他们形成紧密业务关系 ...。

除了自动驾驶外，从 ABEJA 开始，英伟达相继投资 4 家跟数据处理有关的公司，这些公司涉及人工智能驱动的零售分析、实时流处理、SQL 数据仓库业务，包括为零售、互联网等类型公司提供服务，英伟达依然在进行下游布局。

针对英伟达的投资布局，亿欧高级商业分析师李星宏认为，PC 时代，英特尔抓住了下游产业联想惠普，在人工智能时代，英伟达布局对象变为自动驾驶、大数据处理等领域企业，不仅能加深与被投企业的业务关系，进一步影响市场，获得在车载等领域的广泛认可。

中国公司的机会

德勤 2019 年发布的《全球人工智能发展白皮书》，2025 年全球 AI 市场规模将超 6 万亿美元，蓬勃的市场带来了算力需求，英伟达和英特尔在芯片上有架构不同，前者能提供更多 AI 算力支撑，因此更受到资本市场追捧。

罗兰贝格研究预测，2020 年全球自动驾驶车端系统的市场规模有望达到 1138 亿美元，到 2030 年市场规模将约 5000 亿美元，其中芯片、传感器、软件算法将贡献主要增量市场。对标英伟达，中国公司并不以消费级芯片起家，主要集中于垂直领域。

中国自动驾驶芯片突出的公司包括华为、寒武纪、地平线、西井科技、零跑科技、飞步科技、杰发科、深鉴科技、森国科等。

寒武纪去年发布了边缘端 AI 芯片 思元 220 和思元 220-M.2 边缘加速卡。思元 220 是一款专门用于深度学习的 SoC 边缘加速芯片，采用 16nm 工艺，基于寒武纪全新的 MLUv02 架构，峰值算力达到 32 TOPS（INT4）（编者注：1 TOPS 代表处理器每秒钟可进行一万亿次，INT4 代表 4 位整数数学单元），在算力方面甚至超越了英伟达系统级模块 Jetson Xavier，且功耗仅为 10W。

地平线 2017 年 12 月成功量产了中国首款边缘 AI 芯片征程 1，2019 年 8 月推出中国首款车规级 AI 芯片征程 2，即将推出的高等级自动驾驶芯片征程 5，具备 96 TOPS 的 AI 算力，支持 16 路摄像头，可满足车厂高级别自动驾驶的量产需求。

华为最早 2009 年开始对车载模块进行研发，2013 年华为宣布推出车载模块 ME909T，并成立车联网业务部。借助在通讯技术积累，2018 年 2 月华为发布全球首款 8 天线 4.5G LTE 调制解调芯片 Balong 765（巴龙 765），可以为车载领域提供稳定通讯支持，随后华为还顺势推出多款车载领域芯片与计算平台。

除了产品，华为在 2019 年 4 月成立哈勃科技投资有限公司，用于布局芯片研发、制造、AI 研发、材料开发等多个领域的公司，旗下部分投资企业已经拥有多款车规级产品。

整体来看，中国自动驾驶芯片在性能和功耗上已经可以和国外新品媲美，如何用产品和服务尽早落地先发制人是中国自动驾驶芯片企业的制胜关键。