找回密码
 注册

QQ登录

只需一步,快速开始

搜索
爱股网 门户 财经博文 查看内容

【天风海外】英伟达FY17Q4点评

2017-2-10 16:49| 发布者: 采编员| 查看: 381| 评论: 0|原作者: 但斌|来自: 新浪博客

摘要: 【天风海外】英伟达FY17Q4点评 原创2017-02-10天风海外天风海外 营收盈利超预期,但Q1指引平缓影响市场情绪,GPU巨头发力数据中心和无人驾驶,引AI走进未来 英伟达FY17Q4营收同比增长55%至21.7亿美元,non-GAAPEPS1. ...
【天风海外】英伟达FY17Q4点评 原创 2017-02-10 天风海外 天风海外 营收盈利超预期,但Q1指引平缓影响市场情绪,GPU巨头发力数据中心和无人驾驶,引AI走进未来 英伟达FY17Q4营收同比增长55%至21.7亿美元,non-GAAP EPS 1.13美元,高于预期的21.1亿美元和0.83美元。游戏业务增速稳定,收入同比增长66%达13.5美元,占比62%。人工智能相关业务继续发力,数据中心营收2.96亿美元,同比涨205%,占比14%;汽车业务营收1.28亿美元,同比增加38%,占比6%。毛利率达60%,对比上季度59%。我们认为英伟达的高端GPU占据机器学习上游领域,数据中心业务充满活力,汽车业务稳步布局,加上扎实的游戏市场GPU需求,三驾马车将长期拉动公司营收增长。FY17Q1指引19亿美元营收,略高于18.8亿美元预期。受市场高预期和Q1指引平缓影响,盘后一度跌逾3%后翻正。 估值:根据彭博一致预期FY2018营收79.5亿美元计算,我们认为2017年8.5x PS比较合理,目标价格从110上调至125美元,维持买入评级。 游戏独显龙头,Pascal构架全面布局,电竞热情推动游戏业务高增速 我们认为未来高端PC游戏和VR硬件需求,以及电子竞技热情高涨将继续成为未来游戏市场的主要增长动力,精细游戏画质和VR应用推动了GPU升级速度加快。据IDC,独立显卡(包括商用、家用移动设备和台式电脑)市场规模达40亿美元,英伟达占据了85%的市场份额。但PC端GPU的销量增长需要狂热游戏玩家的购买升级带动以及VR Ready配置的进一步普及。IDC预测明年重度游戏玩家(狂热+硬核)装机量增加2000万台。去年10月发布1050系列GPU,售价109美元起,布局向中低端玩家延伸。作为独显龙头,英伟达将会享受“蛋糕做大”的福利,未来营收基础夯实。   AI持续发力,超级电脑平台和无人驾驶系统全面部署 AI时代以深度学习为核心技术,我们认为英伟达的数据中心和汽车业务将长期受益于GPU加速与深度学习完美适配的先天优势。 数据中心业务方面,依靠GPU的并行运算能力来处理海量数据流的云计算大型数据中心呈现扩张趋势,目前全球云计算服务巨头基本使用英伟达GPU进行深度学习与算法实现,谷歌今年还会将英伟达的Tesla P100和K80 GPU加入到云计算中心里。基因工程领域对超级计算机的市场需求广阔,英伟达与美国国家癌症研究所也将开展癌症治疗合作。 英伟达在2017 CES发布了包括Xavier下一代车载超级电脑以及使用DRIVE PX 2车载电脑平台的BB8无人驾驶汽车,以及包含四大感知功能的人工智能协同驾驶系统AI Co-Pilot,同时还有基于DRIVE PX 2和Tesla GPU云数据的端到端高清制图等产品。 GPU对比CPU+FPGA,GPU仍是机器学习王者,AMD入战局 目前市场上对于深度学习领域GPU与CPU+FPGA的组合功能对比关注度高,我们认为英伟达依靠高端GPU占领机器学习里上游的学习训练流程,而CPU+FPGA的组合依靠FPGA可编程性会在下游推断(perception)应用流程中使用,在神经网络模型调参性能上较为便利。FPGA标的中Xilinx目前关注度以国防军工概念以及收购溢价为主。 目前AMD此前GPU主要应用场景在较下游的应用流程,现在通过高端GPU研发,向机器学习上游布局,包括与谷歌、阿里云计算的合作,在数据中心方面存在蚕食英伟达份额的可能。但基于GPU仍是机器学习系统训练的首选,在工业应用、精密计算、基因工程、云计算等方面不可或缺。 1、英伟达财务数据以及新出产品 + 图1:英伟达各项业务营收比较(百万美元) + 图2:英伟达游戏、数据中心、汽车三块业务同比增速 英伟达CES上发布4K HDR画质的新一代Shield TV,打造全新智能家居入口,支持Google Assistant,售价199美元起。另推出Geforce Now服务,提供云端GPU算力支持。 + 图3:重度电脑玩家(狂热+硬核)安装基数 (百万台) + 图4:NVIDIA Shield TV Pro 2. 英伟达智能驾驶布局动态 刚刚落幕的CES 2017大会上,英伟达CEO黄仁勋为CES做了开幕演讲,介绍了公司在无人驾驶的整体布局。从车载超级电脑平台以及人工智能驾驶系统发力,英伟达发布了包括Xavier下一代车载超级电脑以及使用DRIVE PX 2车载电脑平台的BB8无人驾驶汽车,以及包含四大感知功能的人工智能协同驾驶系统AI Co-Pilot,同时还有基于DRIVE PX 2和 Tesla GPU云数据的端到端高清制图等产品。 + 图5:英伟达在CES宣布合作伙伴 我们认为英伟达依靠GPU加速与深度学习完美适配的先天优势,从车载超级电脑平台和人工智能驾驶系统两个角度发力。英伟达也宣布了一系列合作伙伴: 1.   首先是Audi,两家公司共同打造无人驾驶汽车,预计在2020年推出level 4的高度自动化汽车能够上路; 2.   第二是地图服务商,包括百度、TomTom、HERE等,开发高精度导航地图; 3.   第三是博世、采埃孚等汽车零部件公司,优化无人驾驶系统,开启英伟达Drive PX 2智能驾驶平台的商业化路径。 + 图6:英伟达CES 2017大会开幕演讲 【Xavier下一代车载超级电脑】: 人工智能超级电脑Xavier片上系统,采用新一代GPU架构Volta,由8核ARM 64位CPU和512核的Volta架构GPU构成,整合了一个全新的计算机视觉加速器。芯片搭载了70亿晶体管,以及16nm FinFET制程,Xavier的单AI处理器将取代Drive PX 2里的双移动SoCs和双独显的构架,保证了1 TOPS/瓦的功耗比。Xavier芯片本身为ASIL C,但其模块可通过设计实现ASIL D安全功能。 + 图7:英伟达宣布多项合作 + 图8:英伟达Xavier下一代车载超级电脑 相较于9月初首次披露时,Xavier的算力从20 TOPS提高到30 TOPS(万亿次运算/秒)性能且其能耗低至30瓦。英伟达希望Xavier成为未来自动驾驶的主力军,特斯拉Autopilot 2.0硬件升级后,搭载英伟达的是DRIVE PX 2车载电脑平台,我们认为在往Level 4/5无人车阶段升级的过程中,特斯拉应该会进一步升级至Xavier平台。Xavier目前已经小批量试产,预计在今年4Q推出给包括车企、一级供应商、初创公司以及研究室进行无人驾驶研发。 【BB8无人驾驶汽车】: 英伟达BB8原型车是一辆林肯MKC,林肯MKC搭载了DRIVE PX 2系统。使BB8的尾箱从硕大的台式电脑装置缩小到不占地方的笔记本电脑大小。英伟达在CES上提供了BB8的试驾展示,在一个简单的八字形的车道内,除了正常了路况之外,还有一小段没有车道线的沙石路,通过试驾之前的人工驾驶,BB8的车载电脑已经完成了道路的学习。 英伟达表示,BB8运行的是DriveWorks软件以及过去18个月开发完成的PilotNet深度神经网络。DriveWorks是英伟达开发的一套针对无人驾驶系统开发的SDK,软件层面包括探测、定位、路径规划和视觉化功能支持CUDA并行计算平台,能够处理车辆配置的多传感器数据。 英伟达最近获得加州、密歇根州车管局批准,进行无人驾驶汽车道路测试。 + 图9:BB8内部演示屏幕,包括图像识别和实时分析 + 图10:BB8在CES上的展示 + 图11:DriveWorks软件开发平台 【AI Co-Pilot人工智能协同驾驶】: AI Co-Pilot(人工智能协同驾驶)基于Drive PX 2平台,将包括四大感知功能: 1. 面部识别:可以通过摄像头识别驾驶者的身份。 2. 头部追踪:能够通过车内摄像头识别驾驶者头部所朝的方向,判断驾驶员视觉盲区。 3. 眼部追踪:摄像头可以跟踪驾驶员眼部视线,并在出现视线偏移时无处警告。 4. 唇语识别:英伟达表示,如果车内摄像头能够捕捉驾驶员唇语并进行识别,就能解决驾驶环境噪音过大的问题,在任何环境下都能准确判断驾驶者所发出的语音指令。目前英伟达正和英国牛津大学LipNet团队合作研发AI读唇技术,而且系统读唇的准确率已经达到了93.4%,而人类专家则是52.3%。 AI Co-Pilot目前仍在开发中,已经实现了识别唇语和面部朝向的功能。 + 图12:BAI Co-Pilot功能展示 英伟达还在会上宣布了多项合作伙伴,加深已有合作伙伴的或作关系,加快Drive PX 2的商业化落地,同时与地图商合作完善全球高清导航地图。 【奥迪】: 这次合作是英伟达与奥迪7年合作的进一步深化,英伟达正和奥迪共同研发奥迪Q7自动驾驶概念车。该车配备英伟达DRIVE PX 2平台,运行英伟达DriveWorks软件并使用NVIDIA PilotNet深度神经网络,计划2020年前将实现L4高度自动驾驶级别。奥迪预计将在三年后推出集成英伟达人工智能计算平台的汽车生产线。 + 图13:英伟达与奥迪宣布新合作 + 图14:奥迪Q7展示车辆 奥迪也表示2018年推出的A8将达到L3自动驾驶水平,在行驶速度低于35英里/小时的条件下,通过一个与英伟达联手开发的交通堵塞导航(traffic jam pilot)的系统,自行控制汽车的转向、节流阀和刹车,达到有限条件自动驾驶。 【采埃孚(ZF)】: 采埃孚集团与英伟达集团共同开发的ZF ProAI自动驾驶系统,基于DRIVE PX 2平台,将应用于工厂、农业、采掘等环境下使用的轿车、卡车。采埃孚将成为第一个将英伟达Drive PX 2平台商业化的车企一级供应商。 ZF ProAI自动驾驶系统主要基于Drive PX 2的AutoCruise级别配置,将可以通过OTA空中升级更新系统,同时会支持 V2X 应用程序,将会在2018年开始进行量产。 【博世(Bosch)】: 博世将联手英伟达,开发一套基于Drive PX 2平台,并整合了博世的雷达及其他传感器的无人驾驶软件系统,未来推广向博世在全球的量产车型。 + 图15:采埃孚开发ZF ProAI系统 + 图16:英伟达宣布与博世合作 【高清地图测绘合作伙伴】: 我们认为,高清导航地图将在未来成为无人驾驶系统必不可少的导航和路径规划支持。英伟达也宣布与全球的主要地图商,包括中国的百度、欧洲的TomTom、HERE、日本第一的Zenrin合作,合作开发高精度导航地图,并实现在云端实时更新的3D地图数据。地图商们将会在自己的数据中心中整合英伟达的MapWorks软件,用来处理海量的点云地图数据。 3、AMD云计算人工智能乘风破浪 AMD 16Q4正式进军云计算市场,包括与谷歌云、阿里云合作。谷歌数据中心将在英伟达GPU基础上,选择AMD最先进的单精度双GPU加速器FirePro S9300 X2服务器,用于包括复杂的医疗和财务模拟、地震和地下勘探、机器学习、视频渲染和代码转换以及科学分析等方面。AMD与阿里云的合作则将提升阿里云远程工作站、云游戏、云计算以及虚拟桌面架构(VDI)运行的安全性。12月,AMD发布Radeon Instinct加速器以及配套开源软件,提升部署在机器学习环节的GPU性能。我们认为发力云计算数据中心以及机器学习,尤其是超大规模数据中心的GPU部署,将在GPU市场进一步缩小与英伟达的差距,从下游应用流程(deployment stage)向上游的机器学习流程的渗透,可以满足数据中心广泛需求,进一步推动人工智能持续发展。 + 图17:AMD发布Radeon Instinct加速器 AMD作为唯一拥有GPU和x86硅芯片专业知识的公司,打造Vega构架GPU以及Navi构架的规划重新布局高端显卡市场。AMD最近公布VEGA GPU架构,采用高频宽存储器HBM2技术,将内存占用量降低至GDDR5的一半以下,除了游戏中GB级数据问题,更加面向AI中EB级数据问题以及并行工作负载。AMD最近发布了Zen构架处理器Ryzen,适应于VR、3D建模和电子竞技等全新应用的运算量和图形处理需求,8核心Summit Ridge构架Ryzen性能达到英特尔Core i7-6900K水平,主频3.4GHz高于i7-6900K的3.2GHz。另外AMD与半导体设计厂商Mentor Graphics签署3年的合作协议,为嵌入式开发人员在高性能x86架构开发上提供更多选择,通过访问Linux工具在工业、医疗保健、博彩等领域开发应用程序。半定制市场游戏主机方面有3款机型合作伙伴。 4、数据密集型workload成新常态,GPU通用性保驾护航 我们认为,定制芯片方面长远来看存在取代部分GPU需求份额的可能,包括特定应用场景下的SoC(包括谷歌TPU、Mobileye的EyeQ芯片以及深度学习芯片NPU等),FPGA+CPU的方案依靠FPGA的可编程性也提供额外方案(FPGA用于深度学习的检测阶段,与主要用于训练阶段的与其他芯片互为补充),或者再往前看的量子计算机替代方案等。 目前市场上对于深度学习领域GPU与CPU+FPGA的组合功能对比关注度高,我们认为英伟达依靠高端GPU占领机器学习里上游的学习训练流程,而CPU+FPGA的组合依靠FPGA可编程性会在下游推断(perception)应用流程中使用,在神经网络模型调参性能上较为便利。FPGA标的中Xilinx目前关注度以国防军工概念以及收购溢价为主。 目前AMD此前GPU主要应用场景在较下游的应用流程,现在通过高端GPU研发,向机器学习上游布局,包括与谷歌、阿里云计算的合作,在数据中心方面存在蚕食英伟达份额的可能。 但是目前算力需求条件下与其他芯片科技的发展,我们认为在3-5年之内,基于GPU仍是机器学习系统训练的首选,在工业应用、精密计算、基因工程、云计算等方面不可或缺。作为一块通用芯片,GPU的主要优势在于并行处理能力,而定制芯片主要适应于特定场景,也面临主板位置有限的问题,因此GPU的通用性和并行计算优势在包括深度学习、石油开发、科学图像处理、基因工程、统计、3D构建甚至股票期权定价策略等方面。例如基因测序领域,正是由于AWS、谷歌云计算中心等大型云计算平台依赖GPU提供了超级计算机算力,解决了DNA筛查算力不足的瓶颈,极大降低了基因测序成本。 + (图片数据截至2月10日收盘,参考公司资料、彭博等,详细数据来源请参见正式报告。)

路过

雷人

握手

鲜花

鸡蛋

最新评论

QQ|联系我们|开放平台|免责声明|小黑屋|手机版|爱股网 ( 陕ICP备19013157号 )

GMT+8, 2026-2-2 23:26

Powered by Discuz! X3.5

© 2001-2026 Discuz! Team.

返回顶部