天风证券-英伟达-NVDA.US-英伟达硅谷GTC现场直击:GPU算力革命再精进,推理端再接再厉,无人驾驶无惧浮云-180329

《天风证券-英伟达-NVDA.US-英伟达硅谷GTC现场直击:GPU算力革命再精进,推理端再接再厉,无人驾驶无惧浮云-180329(5页).pdf》由会员分享,可在线阅读,更多相关《天风证券-英伟达-NVDA.US-英伟达硅谷GTC现场直击:GPU算力革命再精进,推理端再接再厉,无人驾驶无惧浮云-180329(5页).pdf(5页精品完整版)》请在悟空智库报告文库上搜索。
GPU 算力革命再精进:全球最大的GPU 与AI 产品升级
我们团队亲临硅谷GTC 现场,带来GPU 年度盛会的第一手更新。本次GTC大会并未发布新一代的GPU 产品,而是基于“图形+AI+自动驾驶+新平台(机器人/医疗)”算力革命的更新精进,英伟达通过GPU 产品的强大技术壁垒继续去优化和扩张产品生态圈。会上宣布将计算芯片Tesla V100 内存翻倍至32GB,通过NVSwitch 互联结构连接16 块Tesla V100 打造全球最大GPU,并基于此推出超级计算机DGX-2,浮点运算能力达每秒两千万亿次,对比传统300 台双路CPU 服务器集群实现1/8 成本节约、1/60 空间节约以及1/18 能效提升。另外针对专业图形内容开发工作,英伟达推出Quadro GV100 GPU 并实现实时光线追踪技术(RTX)。新平台方面还展示了医疗图像计算平台Clara 以及机器人开发套件Isaac。
推理端不如想象中容易,英伟达的推理端发力
我们此前已多次强调,在深度学习上游训练端(主要用在云计算数据中心里),GPU 是当仁不让的第一选择;深度学习下游推理端包括云侧和端侧两部分, 需求更加细分, 我们认为除了GPU 为主流芯片之外, 包括CPU/FPGA/ASIC 等也会在这个领域发挥各自的优势特点。Jensen 会上多次强调推理端不如想象中容易,尤其是云计算数据中心的推理计算,他总结了推理计算的7 大要求:PLASTER——神经网络可编程性(Programability)、低延迟性(Latency)、高准确度(Accuracy)、神经网络模型体积要求精简(Size)、高数据吞吐率(Throughput)、高能效(Energy efficiency)以及模型生成的速度(Rate of learning)。英伟达针对推理计算更新开发工具TensorRT 至4.0,并与TensorFlow 深度集成,面向Kubernetes 的GPU 加速,从而自上而下的对训练、推理兼顾,扩张版图,在数据中心加速市场中抢滩推理端。
无人驾驶事故不影响行业长期发展,多样性+冗余性带来繁荣
英伟达与丰田一样,在Uber 事故发生后已及时暂停路测,希望通过事件的调查积累学习经验。但27 日受路透社报道公司暂停路测新闻影响,公司股价盘中一度跌达10%。我们认为市场情绪反应过于敏感,无人驾驶事故虽然会让行业更为审慎,并可能令法规审批进度延缓,但无人驾驶的长期行业大势不会改变。英伟达在GTC 大会上发布DRIVE Constellation 模拟系统,系统将基于二台服务器,一台通过DRIVE Sim 软件模拟所有传感器的运行,一台基于Pegasus 处理传感器数据并运行无人驾驶软件,通过模拟训练将极大的增加自动驾驶软硬件系统的测试环境丰富性和便利性(谷歌、Mobileye 的自动驾驶系统也采用了类似的模拟强化学习训练系统)。我们认为,英伟达作为无人驾驶上游系统解决方案领导者之一,通过不断完善自动驾驶环境生态圈来争夺杆位的同时,也在自动驾驶系统的核心策略算法层面的积累和研发上发力提高壁垒。英伟达提出完整的自动驾驶策略方案包括:AI 驱动的自动驾驶系统+英伟达从L2 至L5 都统一的底层计算平台+端到端的软件系统(数据收集、模型训练、驾驶模拟)+超过370 个合作伙伴的开源生态平台。我们认为随着无人驾驶产业普及,除了硬件成本较高、功耗较大等问题会迎刃而解,完整算法解决方案也会随之落地。
近期美股科技板块受贸易战预期等外部因素承压,出现较大波动。但我们认为业绩驱动仍是美股,特别是科技板块的核心动力之一。此前英伟达Q4优秀业绩也在股价中获得反映,随着科技股将于4 月中进入Q1 业绩发布期,我们继续强调“游戏业务稳增长+数据中心AI 爆发+自动驾驶长期接力”的三驹马车齐发力,AI 立夏开端继续朝“十年金股”迈进。我们维持此前盈利预测FY19/20 EPS 5.99/7.33 美元,对应PE 47/38x,重申买入,目标价280 美元。
风险提示:GPU 市场需求不及预期,行业竞争加剧等。