英伟达研究报告范文 第一篇

. 盈利预测

我们对英伟达的各项业务收入做如下预测：

. 消费级显卡业务

消费级（游戏）业务主要是个人 PC 上的以提升游戏和图像显示能力的独立显卡业 务。由于新冠疫情影响，人们居家时间较多，游戏的需求明显增加，再加上许多 3A 游 戏需要通过全新一代英伟达显卡才能达到体验效果，英伟达全新一代 RTX 系列显卡一 直处于供不应求的状态；虽然 AMD 推出的显卡也获得了好评，且拥有一定的性价比优 势，不过由于（1）英伟达在高端显卡优势明显，且针对英伟达显卡进行优化的游戏数量 远超过 AMD，因此英伟达显卡仍是消费者首选；（2）整个市场仍有很大的空间，全球 80%以上的 PC 尚未升级新一代显卡，与此同时全球 PC 游戏玩家数量大幅增长，因此我 们预计英伟达游戏业务的收入仍将保持强劲势头。FY2022 财报显示，游戏业务营收达 到 亿美元，同比增长 61%。我们预计，随着 RTX 系列产能不断释放，叠加 RTX 带来均价的上涨，FY2025 游戏显卡业务（包括云游戏相关）营收可达 亿美元， FY2023~2025 的 CAGR 为 17%。

. 数据中心业务

数据中心业务主要指向云服务商提供的云服务器硬件芯片及系统。鉴于 AI 以及云 业务的快速兴起，GPU 因并行架构优势将获得更多的市场份额，英伟达在云业务的营收 迎来了快速的增长，FY2022 的营收达 亿美元，同比增长 58%。我们预计，随着 AI 以及云计算的快速普及带来的硬件配置需求，英伟达数据中心业务将会延续快速增 长的势头。Yole 预计全球云服务的市场规模，从 2019 年到 2025 年的 CAGR 为 13%，其中 GPU 的需求远大于 CPU。我们认为英伟达作为行业龙头，FY2025 数据中心业务营 收可达 亿美元，FY2023~2025 的 CAGR 为 52%。

. 汽车业务

我们通过芯片单价乘以芯片出货量来估计汽车业务收入。通过对竞争对手 Mobileye2020 年的财报分析，2020 年 Mobileye 出货量为 1930 万片，营收为 亿美 元，得到其平均售价为 50 美元；但考虑到英伟达芯片主要是面对 L2+级车辆，其单价 水平较高，英伟达芯片定价能力很强，我们假定英伟达单芯片平均价格在 100 美元左右 （价格包含相应的软件服务）。随着技术的进步，芯片更新换代能力变强的同时成本也 会有所下降，这两个因素使得芯片价格会在 2021~2025 年内维持在 100 美元。FY2020 英伟达汽车业务收入为 亿美元，但由于疫情因素，以及新冠疫情对汽车销售的影响， FY2021 汽车业务收入下降到 亿美元。 FY2022 财报显示，汽车业务收入是 亿 美元，同比仅增长 6%。但随着 Orin 芯片放量在即，疫情逐渐恢复后汽车整体销量恢复 叠加智能化汽车开始放量等因素，英伟达汽车业务 FY2025 营收可达 亿美元， FY2023~2025 的 CAGR 为 86%。

. 专业解决方案业务

英伟达还拥有专业图像显示业务，专业图像显示主要是利用英伟达的Quadro技术， 将高性能 GPU 嵌入戴尔、联想等 PC 中打造专业图形工作站的业务。此项业务客户主要 为图形图像相关的建筑设计、医疗影像、影音等公司， FY2019~2021 营收 为 亿美元，整体营收较为稳定。值得注意的是，英伟达目前将全新推出 的 Omniverse 归入此项业务之中，而 Omniverse 的变现能力会随着社会对元宇宙认识程 度及技术发展而快速变化，因此我们难以准确的预估数年后的收入情况。我们相信 Omniverse 在未来可能成为英伟达营收的第二增长曲线，但近三年可能还无法非常快速 的成长，我们预计 FY2025 专业解决方案业务营收可达 亿美元，FY2023~2025 的 CAGR 为 51%。

（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）

精选报告来源：【未来智库】。

英伟达研究报告范文 第二篇

英伟达成为云计算和 AI 这个未来“金矿”行业的芯片及服务器等“铲子”工具— —GPU 的主要供应商，2020 年以来以 AI 和云计算为主要服务对象的数据中心业务营收 规模已经和游戏业务相当。英伟达创始人、CEO 黄仁勋于 2021 年 6 月份在接受第一财 经的采访中表示，“数据中心规模计算的时代已经来临。我们想成为一家数据中心企业， 数据中心正在占据我们业务越来越重要的地位。”他说道，“而各种新兴技术的汇聚，比 如云计算、人工智能、加速计算、工业 5G 等，将会成为解决计算时代重要问题的最后 几块拼图。”英伟达在数据中心上布局很早，利用在 GPU 中积累的芯片设计经验，推广 到了数据中心业务。从英伟达近一年的财报中也可以看出，英伟达在数据中心的业务收 入已经和游戏业务比肩，且有超越游戏业务的潜力。从 2021 年 6 月举办的国际超级计 算大会 ISC 上公布的超级计算榜单可以看出，TOP10 中有 8 台使用英伟达的技术， TOP500 中有 342 台使用英伟达的技术，可见英伟达在数据中心业务的优势。英伟达在 数据中心领域的成功离不开硬件（A100、DGX A100、InfiniBand）以及相关软件（CUDA） 等的支持，英伟达在云与数据中心领域形成了一整套完整的生态系统，成为云和 AI 领 域基础算力及算法工具链等基础工具的供应商，在 AI 的布局中拥有不可替代的位置。

. 采用并行计算的 GPU 天生适合 AI 领域的运算

英伟达研究报告范文 第三篇

. GPU 简介

多核心的并行结构 GPU 比少核心串行结构的 CPU 更适合处理图形图像（矩阵结 构）信息。CPU（Central Processing Unit，中央处理器）的功能主要是解释计算机指令以 及处理计算机软件中的数据，是计算机的核心大脑，可以处理计算机遇到的所有指令。 GPU（Graphics Processing Unit，图形处理器）是图形计算的重要元件， 主要用来处理 与与图形图像相关的数据，在高端 PC 中通常会有独立 GPU，以获得更好的视觉体验。 他们二者的区别主要是，CPU 通常有 4 个、8 个或 16 个强力 ALU 核心（arithmetic logic unit，算术逻辑单元），适合做复杂的通用串行任务；而 GPU 可能有数千个简单 ALU 核 心，适合做简单特定的并行任务。我们通过以下的例子来说明 CPU 和 GPU 的差异：CPU 就像一个大学生，可以进行微积分等复杂计算，但若要在短时间内完成几万道加减算数 问题，也是很难办得到的；而 GPU 就像几百个小学生，虽然都不会微积分等复杂计算 的能力，但人数多，可以在很短时间内完成几万道加减算数问题。也有例子把 CPU 比 作跑车，GPU 比作大卡车，对于将少量货物从 A 运到 B 来说，是作为跑车的 CPU 更 快；但如果货物非常多，那么作为跑车的 CPU 需要往返的次数远远多于作为货车的 GPU， 作为货车的 GPU 虽然完成一次任务较慢，但是可以携带更多的货物，其效率会高于 CPU。 总而言之，对于复杂的单个计算任务来说， CPU 的执行效率更高，通用性更强；而对 于图形图像这种矩阵式多像素点的简单计算，更适合用 GPU 来处理，但通用性较弱。

GPU 按接入方式分为独立 GPU 和集成 GPU；按照应用端划分为移动 GPU、服务 器 GPU 和 PC GPU。GPU 是图形处理单元，在 PC（个人电脑）早期，图形数据较为简 单，主要都是由 CPU 来进行图形处理。随着图形显示规模的增加，CPU 已经很难分出 更多精力来处理图形信息，而且 CPU 的架构决定了其处理图形信息的效率是偏低的， 因此逐渐发展出了专门处理图形信息的 GPU。英伟达专做 GPU，开发了独立于 CPU 的 GPU；英特尔作为 CPU 的霸主，开发了寄生于 CPU 芯片上的 GPU 单元，被称为集成 GPU。通常来讲，独立 GPU 的性能都要优于集成 GPU，在对图形实时处理要求不高的日常办公领域，使用普通的集成 GPU 即可；在对图形实时处理能力要求很高的游戏及 设计领域，一般都需要使用独立 GPU。随着移动设备的发展，GPU 也从 PC 端扩展到了 移动端，高通骁龙以及苹果的 A 系列芯片都开发了相应的 GPU 芯片模块。

英伟达研究报告范文 第四篇

. 英伟达 GPU 五年来持续占据 PC 独显六成以上市场

由于疫情导致的居家时间延长，公司 GPU 量价齐升，FY2022Q2 游戏相关营收同比大 增 85%，单季收入首次超过 30 亿美元。英伟达的 GPU 在 PC 端是以独立显卡的形式存在， 通过独立显卡可以实现高帧率高分辨率 3A 游戏、专业绘图等应用。独显领域是一个壁垒极 高的市场，经过 20 多年的充分竞争后，目前仅有英伟达、AMD 可以推出相关产品，而英伟 达占据绝对的领先优势。2021Q1 英伟达在 PC 独显 市场占据 81%的市场份额（2020 全年为 77%）。

以每两年更新一次架构、每半年性能翻倍的速度，持续引领消费级 GPU 市场。2020年 9 月 2 日，英伟达发布了新一代显卡 RTX30 系列，与前一代 RTX20 系列相比，采用 了全新的安培架构，在核心数、显存、频率等性能都有了大幅度提升。RTX30 的高算力 加上英伟达的 DLSS（Deep Learning Super Sampling，深度学习超采样）技术，大大提高 实际场景的运算力（在算力不变的情况下提高帧率），使得英伟达显卡深受游戏玩家的 喜爱。在中国，RTX30 系列中的 RTX3080 由发售价的 5499 元人民币被一路炒高至 18000 元左右，足见其火爆程度（虽然部分原因是受到数字货币“挖矿”抢货的影响）。英伟达 以半年性能提升一倍的“黄氏定律”牢牢占据 GPU 的领导者地位。截止到 2021 年 3 月， 英伟达的各系列 GPU 在性能排行的前 20 名中占据了包括第一名在内的 14 个席位，可 以看出英伟达在 GPU 领域的霸主地位。

. 借助 Bluefield 能力，发力云游戏 Geforce Now 业务

英伟达研究报告范文 第五篇

图表1: NVIDIA 单季度收入及同比增长率........... 5

图表2:自上市以来，Nvidia 业绩复合增速大幅领先于行业平均及可比公司 ......... 5

图表3: 上市以来，Nvidia 股价表现大幅跑赢行业平均及主要可比公司 ....... 6

图表4: 研发费用绝对值对比：Nvidia vs. AMD .......... 6

图表5: 研发费用率对比：Nvidia vs. AMD ......... 6

图表6: 计算芯片厂商利润率对比 ...... 7

图表7: NVIDIA 12F P/E 与12F P/S 走势 ...... 8

图表8: 部分美股科技公司市值 vs. 2020e P/S 估值情况 .......... 8

图表9: Nvidia 12F P/E 估值对Intel 存在长期溢价 ...... 9

图表10: 自2016 年起，Nvidia 12F P/S 估值大幅高于竞争对手 ...... 9

图表11: 全球PC 出货量变化 .... 10

图表12: 全球桌面显卡出货量（独显 vs. 集显） .......... 10

图表13: Nvidia 游戏显卡出货量，ASP 及收入情况 ......... 10

图表14: Nvidia 游戏业务单季度收入及同比增长率 ........ 10

图表15: FY2014（截止2014/01/31）英伟达营收拆分 ........... 11

图表16: FY 2019（截止2019/1/31）英伟达营收拆分 .... 11

图表17: 独立GPU 市占率变化情况 ......... 11

图表18: Steam 游戏平台数据显示玩家对Nvidia 显卡偏好度持续提升 ........ 12

图表19: 目前主要游戏显卡参数对比（Nvidia vs. AMD） ...... 12

图表20: CUDA 示意图 ........ 13

图表21: Nvidia 数据中心业务提供平台型服务 ........ 14

图表22: 数据中心负载任务量变化 .......... 14

图表23: 超级数据中心数量变化 ...... 14

图表24: Nvidia 最新一代数据中心用Tesla GPU ....... 15

图表25: Nvidia 数据中心业务单季收入及同比增长率 .... 15

图表26: 数据中心业务自4QFY16 起增速大幅跑赢其他业务线 .... 15

图表27: 四大云厂商中AI 芯片市场份额：Nvidia 占据绝对领导地位 .......... 16

图表28: 比特币价格及交易量走势 .......... 17

图表29: 以太币价格及交易量走势 .......... 17

图表30: Nvidia 存货情况及存货周转天数 ........ 17

图表31: Nvidia 汽车业务收入及同比增长率 .... 18

图表32: Nvidia 汽车业务收入及同比增长率 .... 18

图表33: 游戏业务的基本面仍然强劲 ...... 19

图表34: VR 的市场机会 ..... 20

图表35: VR 对图像处理性能的要求超过PC 游戏7 倍之多 .... 20

图表36: RTX 显卡的成长空间依然广阔 .... 21

图表37: Nvidia 自动驾驶汽车市场机会概况 .... 22

图表38: Nvidia 硬件将大大降低总体拥有成本 ........ 23

图表39: Nvidia 数据中心业务生态 .... 24

图表40: 主要云端训练芯片一览 ...... 24

图表41: 主要云端推断芯片一览 ...... 24

图表42: 自动驾驶的三大阶段 .......... 25

图表43: 自动驾驶的级别 .......... 26

图表44: Nvidia 自动驾驶汽车市场机会概况 .... 26

图表45: 自动驾驶平台对比 ...... 27

图表46: 各自动驾驶芯片厂商合作方比较 ...... 27

图表47: 计算芯片市场份额（按厂商，2017） ...... 29

图表48: 计算芯片市场份额（按器件，2017） ...... 29

图表49: 人工智能、大数据、云计算对半导体提出了新要求 ...... 30

图表50: Intel 数据中心组业务收入及营收比 ........... 30

图表51: Nvidia 数据中心业务收入及占营收比 ........ 30

图表52 : AI 芯片工作流程 .......... 31

图表53: AI 芯片投资地图 ........... 32

英伟达研究报告范文 第六篇

. 自动驾驶介绍

自动驾驶主要指自动驾驶汽车，也即无人车（driverless car），是一种无须人工干预 而能够完成出行需求的车辆。它利用了包括雷达、超声波、GPS、计算机视觉等多种技 术来感知其周边环境，通过先进的计算和控制系统，来识别障碍物和各种标识牌，规划 合适的路径来控制车辆行驶。

. 自动驾驶历史

科技巨头、独角兽公司以及整车厂纷纷开展自动驾驶研究，自动驾驶迎来快速发展 的时期。自动驾驶的研究历史非常悠久，早在 1977 年时日本就有基于摄像头的自动驾 驶汽车问世。但限于软硬件能力及成本的束缚，自动驾驶的发展较为缓慢。直到 2004 年 美国国防部推出的 DARPA 项目，很大程度上推动了自动驾驶的复兴。现代意义上的自 动驾驶技术在 DARPA 挑战赛上已经成型，参赛车辆上已经配备了激光雷达、摄像头以 及分析决策系统。2005 年的 DARPA 挑战赛中，有五支队伍的参赛车辆已经可以完成限 定场景的无人驾驶。目前的自动驾驶技术都是在这个基础上进行的不断升级，主要在成 本优化和车规级适配性等实用性方面进行完善，不仅有各种科技巨头领导相关研究，科 技独角兽公司以及整车厂也都纷纷加入这个领域，自动驾驶全面商业化的时代就要到来。

. 自动驾驶等级分类及技术路线

目前有两种自动驾驶研发思路。一种是可称之为自上而下的不考虑成本的研究 L4+ 级完全自动驾驶，代表企业有谷歌的 Waymo、通用的 Cruise、百度的 Apollo 等，目前 其实现自动驾驶的系统成本在数十万到百万元人民币以上；另一种主要是车企，他们要 考虑成本因素，所以一般是自下而上的，由低级别的自动驾驶开始逐渐提升水平，目前 商业化的汽车基本上可以达到 L2 级的水平，代表企业有特斯拉、奥迪、蔚来、小鹏等。 值得一提的是，本文所提到的分类级别是从法律意义上已经实现的级别而不是能力上的 分类级别，也即如果是 L3 级以上的话，自动驾驶公司将为车辆的事故负责。因此本文 所谓的 L3 及以上级别主要是由 Robotaxi 组成的。

. 自动驾驶细分领域的市场规模

汽车市场正在经历快速的变革期，电动化是汽车升级的上半场，智能化是汽车升级 的下半场。 智能化将会迎来快速发展期，主要源于以下几个方面：

半导体技术的提升与成本的下降：随着半导体制造商向汽车领域逐渐发展，规 模化生产有利于成本的降低，从而推动销量扩大形成正反馈，汽车半导体有望 复制手机半导体领域的发展规模和速度；

电动化的不断普及加速了智能化：电动车的电机电控特性，相较于燃油车更有 助于智能化的控制系统发展；

对安全性便捷性和高效出行的要求：为了提升车辆差异化的竞争力，汽车厂商 将继续增加在驾驶辅助系统 ADAS 方面的投入，提升自动避险刹车、自动泊 车、道路领航等能力，以提升车辆的安全性与便捷性；随着自动驾驶能力的不 断提高，自动驾驶将有效缓解交通拥堵，大大提高出行的效率。

我们预计，拥有智能化功能的车辆将从 2020 年的 2773 万辆增长到 2025 年的 6332 万辆。据 IDC 报告，2020 年售出的汽车中，拥有自动驾驶（辅助）功能的汽车数量（包含 L1~5 级）为 万辆，其中 L1 为 1874 万辆，L2 为 896 万辆，L3+为 万辆。 我们根据市场智能化趋势以及前几年的增速为基础进行测算，到 2025 年，拥有自动驾 驶（辅助）功能的汽车数量（包含 L1~5 级）为 6332 万辆，其中 L1 为 3900 万辆，L2 为 2320 万辆，L3+为 112 万辆；2020~2025 的 CAGR 为 。

到 2025 年时，与单车自动驾驶相关的革新性部件，其市场总额可达 781 亿美元， 2020~2025CAGR 可达 。巨大的市场增量使得相关公司都希望能够乘着智能化升 级的东风扩大公司业务，占领市场空间。我们将与自动驾驶有关的市场进行拆分，主要 有八个模块，其中与人工智能息息相关的决策软件、AI 芯片以及传感器（摄像头、激光 雷达、高精地图、毫米波雷达）的发展空间更大。

. 积极入局汽车芯片领域，成为平台化芯片的领导者

. 从移动业务起家，逐渐扩大应用市场

在智能手机兴起的 2008 年时，英伟达试图进入移动芯片市场。为此，公司开发了 Tegra 系列芯片，采用了 ARM 的 CPU 架构，并集成了自家的 GPU 芯片，组成了一套 SOC（system on a chip）系统。早期的 Tegra 芯片注重功耗及效率的表现，主要用在微软的一款 MP3 和 Kin 手机上；后期则更专注于提供高性能，其典型产品是任天堂的 Switch， 英伟达的 Tegra X1 给任天堂 Switch 带来了极高的画面体验。由于自动驾驶中对于画面 的实时处理要求很高，因此后续的 Xavier 以及 Orin 系列也开发了相应的车规级芯片。 从移动芯片的发展轨迹来看，英伟达的 CUDA 核心数量也快速增长，RAM 的容量和带 宽也迅速提高，移动芯片的性能始终保持竞争优势。

. AI 芯片逐渐专业化，平台化芯片发展空间更广

AI 芯片为自动驾驶提供算力保障。随着图像/视频和雷达等传感器接受的数据量越 来越大，对视觉芯片的实时算力要求也越来越高，据估计满足安全冗余的 L2 级的算力 要求至少需要 10TOPS（INT 8）以上，传统的 MCU（Microcontroller Unit，微控制单元， 也称为单片机）算力最多只能达到 GOPS（比 TOPS 小一千倍），完全不能满足图像识别 的算力要求。为了满足自动驾驶的需求，多家芯片厂商开发出了针对车载市场优化的 AI 芯片。当前主流的车载 AI 芯片按架构主要分为三类：GPU、FPGA、ASIC。其中 GPU 通用性较强因而场景适应性强，但功耗相对较高。FPGA 运算速度快，通用性弱于 GPU 但功耗优于 GPU，因其易修改，主要用途是做 ASIC 的验证版本。ASIC 属于为 AI 特定 场景定制的芯片，通用性低但针对特定场景的每瓦功耗以及安全性更好，属于最终阶段 的产品，开发成本较高。我们测算，汽车领域的 AI 芯片市场规模将从 2020 年的 25 亿 美元增长到 2025 年的 105 亿美元，2020~2025 的 CAGR 达 44%。

以英伟达为代表的平台化芯片的发展空间更为广阔。目前芯片的解决方案主要有为 提供软硬件整套解决方案、传统汽车电子厂商转型、平台化芯片以及整车厂自研四种模 式。特斯拉可类比为手机界的苹果，核心的 AI 芯片以及相应的算法均自研，但由于芯 片设计等要求非常高，不仅需要投入大量时间、资金，还需要有相应的技术人才支撑， 对于大多数整车厂来说很难实现；Mobileye 以自研算法起家，早期与意法半导体合作研 发芯片，后来被 Intel 收购后，形成了软硬件一体化的能力，因此 Mobileye 是以整套解 决方案的模式向整车厂兜售，其优点是可靠性强且整车厂使用方便，但缺点是整车厂获 得的是封闭的算法系统，无法自研算法，因此被特斯拉、小鹏、蔚来等希望掌握算法能 力的整车厂所弃用；平台化芯片以英伟达为代表，目前市场上还有高通、地平线、华为 和黑芝麻等厂商，这个方案的思路是提供平台化芯片以及算法开发工具链（包括示例算 法），整车厂可根据自身软件研发能力自行选择从哪个层面开始进行软件/算法的研发， 自由度较大，因此受到了以小鹏、蔚来、理想、百度、小马智行以及 AutoX 为代表的整 车厂和科技公司的欢迎，类比来看，平台化芯片类似于智能手机领域的高通和联发科， 市场空间较一体化自研的苹果大；除平台化芯片外，市场上还有传统的汽车电子厂商瑞 萨、恩智浦以及德州仪器等，也开始纷纷布局高算力的车载 AI 芯片，但以目前推出的 产品来看，其芯片算力相对较低，且单瓦功耗也比较大，客户主要是传统的 Tier 1 厂商 以及部分科技公司。

. 整合移动芯片的车载 AI 芯片平台，成为平台化芯片的代表

产品自由度高，客户可根据需求选择合适的芯片平台方案。在 Tegra 系列芯片的基 础上，英伟达集成了一些特殊功能的 GPU 以及辅助芯片，推出了英伟达 Drive 系列车载 AI 芯片平台。早期的车载 AI 芯片平台与单个移动芯片差别不大，但随着车载系统的要 求不断多样化，英伟达 Drive 系统也增加了很多选择。例如 Drive PX Xavier 仅配备了一 块 Xavier 芯片，其算力为 30 TOPS，功耗仅为 30W，适合用在 L2 级的量产车型中，例 如小鹏 P7 就采用了此款车载芯片平台；对于 L4 级车辆的车载 AI 芯片平台，仅仅一个 Xavier 芯片算力不够，因此采用了两个 Xavier 芯片加上两个图灵架构的 GPU，使算力 达到了 320TOPS，其功耗也增加到了 500W；蔚来希望打造自己的计算平台，因此从英 伟达这里选购的是独立的 Orin 芯片。不同的客户可以依照不同的使用场景选择适合的 产品，这极大地增加了英伟达车载 AI 芯片的使用场景。

. 软件安全性高，易于上手且生态丰富，助力 AI 芯片占领市场

不仅算力领先，英伟达易于上手的软件工具链极大地了方便了芯片使用者的开发过 程。同数据中心基础芯片类似，英伟达十分重视对软件工具链的开发。英伟达不仅花费 了大量的研发资金，成立了测试小组专门改装了车辆以提高英伟达的芯片及相关软件工 具链的安全性与稳定性，还积极听取客户的意见并对相关要求作出回应。在不断的测试 中，软件工具链的可用性也不断提高。安全、可靠且易用的软件工具链不仅可以让软件 开发人员快速上手并熟练掌握芯片的调用技巧，还可以保证软件的不会在汽车这个安全 性要求极高的领域出现差错，这也是整车厂采用英伟达方案的主要原因之一。英伟达的 软件还有一个特点是其软件开放性高。有丰富软件开发能力的客户可以从底层操作系统 开始自行研发，而初入此领域的客户可以从较上层的应用软件开始研发，底层使用英伟 达搭建的通用系统。英伟达灵活的使用方案适配性强，潜在客户数量巨大。

. 开拓自动驾驶虚拟测试平台，降低自动驾驶设计门槛

除平台化芯片外，英伟达也积极推广虚拟测试平台 Constellation。NVIDIA DRIVE Constellation 是数据中心解决方案，集成了功能强大的 GPU 和 DRIVE AGX Pegasus。在 GPU 上运行的高级可视化软件模拟输入到 Pegasus 的摄像机、普通雷达和激光雷达 数据，而 Pegasus 对这些数据进行处理，就好像它真的在路上行驶一样。这个可扩展系 统能够生成数十亿英里的不同自动驾驶汽车测试场景，用于在部署之前对“硬件在回路” 和“软件在回路”进行验证，极大减轻自动驾驶的初期开发成本。这个虚拟平台包括环境 测试、车流测试、车辆测试、传感器测试以及超车模型测试等等。当然，目前的模拟测 试还无法替代真实路况测试，但随着英伟达模拟功能的不断完善，其测试能力也会逐渐 提高。

. 汽车业务营收稳定增长，平台化芯片市场空间更大

英伟达汽车业务目前仍落后于 Mobileye。 截至到 2021 年 7 月，在车载汽车芯片市 场，按营收来看，只有 Mobileye 和英伟达两大巨头，两者的营业收入可占整个市场收入 的 90%。Mobileye 以整体解决方案的形式较早占领市场，英伟达以平台化芯片形式逐渐 获得了希望自研自动驾驶算法的客户的青睐。从营收来看，英伟达在 FY2021 Q3（公历 2020 年 8~10 月）以来收入增长较慢，与 Mobileye 差距拉大，主要与英伟达客户多为新 势力车厂，受新冠疫情影响其需求波动性较大导致。但从长期来看，希望算法自研的整 车厂会越来越多，英伟达的平台化模式的优势会逐渐显露出来。

自动驾驶的决策算法是自动驾驶的核心竞争力，能够进行算法自研的英伟达平台化 芯片更受欢迎。在家用车领域，沃尔沃、奔驰以及中国的造车新势力蔚来、小鹏与理想 和传统整车厂上汽集团都选择和英伟达合作，推动汽车的智能化。值得一提的是，造车 新势力早期版本的车辆都采用了 Mobileye 的芯片，但由于无法自研算法，于是都转向了 英伟达。小鹏的 P7 是中国最早的搭载 Drive Xavier 车载芯片的量产车型，于 2020 年 7 月问世；由于英伟达车载芯片的良好编程平台基础，小鹏 P7 得以在短时间内数次 OTA 升级，向用户推出了高速领航辅助驾驶 NGP（Navigation Guided Pilot）以及不依赖停车 场改造的自主泊车功能，使车辆用户不断体验到最新的功能，也促进了汽车的销量。在 商用车领域，英伟达也收获了新的合作。专注于无人出租车 Robotaxi 的 AutoX 公司使 用英伟达的车载芯片系统实现了 L4 级功能，专注于卡车领域的智加科技也宣布，即将 交付给亚马逊物流的 1000 辆自动驾驶卡车也将采用英伟达的车载芯片系统。据英伟达 在 GTC2021 大会透露，其自动驾驶在手订单达 80 亿美元，可见其芯片平台的受欢迎程 度。

英伟达非常重视汽车业务的发展，积极布局汽车领域上下游合作。2017 年，黄仁 勋曾把英伟达的未来押注在 AI 上，把它称之为一家 AI 公司。事实证明，他的判断成 就了现在的英伟达。如今，黄仁勋又把眼光看向了汽车行业和自动驾驶。2021 年 1 月， 他在与欧洲《汽车新闻》交谈中曾预测，到 2030 年将有 20% 的汽车实现高级自动驾 驶，其中大部分会采用英伟达技术。黄仁勋说：我们不是一家汽车制造商，我们是科技 创造者。他表示，有的客户想只购买英伟达的计算解决方案，软件完全完全自己开发， 而有的客户希望英伟达能提供完全的堆栈。对于这两种合作方式，英伟达都欢迎。目前， 汽车业务营收在英伟达总营收中占比还非常小，但黄仁勋看得足够长远：“我们的优势 是很有耐心，这需要公司有很大的决心、持久力，以及具有影响力的核心技术，我们着 眼于长远发展。”随着英伟达在汽车领域布局的不断深入，其合作伙伴已经深入到整车 厂和上游的软硬件公司，英伟达在汽车领域的影响力在不断的扩大。