中信证券-英伟达-NVDA.US-深度跟踪报告：从ChatGPT看英伟达AI业务的短期弹性、中期空间-230228

《中信证券-英伟达-NVDA.US-深度跟踪报告：从ChatGPT看英伟达AI业务的短期弹性、中期空间-230228（29页）.pdf》由会员分享，可在线阅读，更多相关《中信证券-英伟达-NVDA.US-深度跟踪报告：从ChatGPT看英伟达AI业务的短期弹性、中期空间-230228（29页）.pdf（29页精品完整版）》请在悟空智库报告文库上搜索。

　　ChatGPT料将显著加速全球AI产业化进程，并推动大模型成为中短期主流技术路线，相应会带来底层算力消耗的持续、显著增长。依托产品性能、芯片组合、网络技术、软件全栈等层面综合优势，英伟达有望在AI训练、推理（云端）环节持续保持主导性地位。基于简化模型，我们静态估算ChatGPT及相关生成式AI在中短期对英伟达潜在业绩贡献为：训练端12.3亿美元、云端推理104.5亿美元。考虑到短期量化测算准确性相对有限，启发性思考、方向性判断可能更为重要，我们暂不计入ChatGPT及AI相关算力消耗给公司中期带来的新增业绩贡献。我们维持公司FY2024/25/26年收入预测为318.7/372.3/435.0亿美元、净利润（Non-GAAP）预测为115.9/146.7/177.1亿美元，公司当前股价对应FY2024/25/26年PE（Non-GAAP）估值分别为50/40/29x。作为典型的成长&周期股，目前公司正逐步进入业绩上行通道，公司股价亦有望获得来自业绩增长、估值扩张的双重支撑，我们持续看好公司的短期、中长期投资价值。
　　▍ChatGPT对AI产业可能影响：军备竞赛、AIGC、大模型、产业化运作等。ChatGPT在工程实践层面的创新，以及在全球市场流行带来的鲶鱼效应，有望在技术、产业层面对全球AI产业带来显著影响：1）ChatGPT推动科技巨头仓促应战，谷歌、微软、百度等科技巨头在大语言模型等领域积极投入，有望形成行业示范效应，中短期推升全球AI领域军备竞赛可能；2）ChatGPT等产品作为人类在内容生成领域的理想助手，有望实现内容生产从“人类为主”向“机器+人类协同”过渡，并推动AIGC时代全面到来；3）大模型虽可能不是AI终极答案，但却大概率是中短期最可能的技术方向，同时大模型涌现、泛化能力等，本身需要模型足够“大”，亦对应海量的底层算力消耗。相较于过去CV、推荐系统等小模型时代的“小作坊”模式，大模型良好的问题泛化能力，以及由此带来的“底层算力设施、算法模型、应用场景”的产业链结构，亦客观上推动AI产业形成更为高效的产业分工协作安排，加速AI产业化进程。
　　▍英伟达AI芯片：有望在AI训练、推理（云端）环节实现持续引领。在AI领域产品布局，英伟达基本遵从：端到端、训练推理一体、软件全栈的业务思路，产品主要包括：AI芯片（训练、推理）、网络（芯片互联、设备互联）、基础软件框架&应用软件等。
　　1）芯片产品，英伟达芯片架构保持每两年一次更新迭代节奏，并通过制程升级、DSA设计、新的数据精度引入等系列手段提升芯片的综合计算性能，在AI训练、推理环节，均在若干主流的基准测试中实现性能参数遥遥领先主要竞争对手。同时数据中心市场，英伟达亦逐步形成GPU+CPU+DPU的产品组合，产品丰富度不断向英特尔、AMD看齐；
　　2）网络互联，面向复杂AI模型的训练、推理，需要低延时&高速的芯片、设备互联。目前英伟达NVlink技术已进化到第四代，芯片间能够实现超过800GB/S的数据吞吐，Mellanox（英伟达2020年收购）作为全球InfiniBand网络的领导者，相关产品能够在数据中心内部实现设备间的高速、低延时互联，是HPC的最理想承载者；
　　3）软件堆栈，从最底层的驱动程序，到最上层的行业应用程序、算法库等，英伟达一应俱全，CUDA生态优势，以及从训练到推理的端到端软件产品解决方案，预计中短期仍将持续构成英伟达最为主要的护城河之一。
　　4）市场份额，据Liftr Insights数据，目前在最为前沿的北美数据中心AI芯片市场，英伟达份额占比超过80%。依托产品性能、芯片组合、网络技术、软件产品等层面的综合优势，我们判断英伟达有望在AI训练、推理（云端）环节持续保持主导性地位。
　　▍英伟达业绩弹性量化测算：ChatGPT作为典型的LLM模型，对于当下以大模型为主的AI产业，本身亦具有较好的代表和参考意义，我们聚焦于ChatGPT、生成式AI，并相应测算训练、推理环节的算力需求。以英伟达HGX服务器(含8张A100卡)为算力载体并假定服务器成本为8美元/小时，我们测算结果及说明如下：
　　1） ChatGPT：a）训练环节，假设参数量为175B、训练数据500BTokens的情况下，我们使用256个英伟达HGXA100服务器，并假设模型FLOPsUtilization（MFU）为Megatron-LM的51.04%，推测单次训练时长约为30.7天，对应服务器端成本约为151万美元；b）推理环节，我们假定模型使用了96层、12288 Hidden Dimension、FP16和INT8混合精度并使用最大4096的Sequence Length，并假设每次用户请求生成的长度平均为200个tokens，问题长度小于500tokens，我们推算每次生成耗费算力成本约为2.7美分，当然2.7美分是理论情况下最高成本，我们估算实际成本视优化手段可能在理论最高成本10%-60%之间浮动。我们假设用户访问ChatGPT的单次成本为理论最高成本（2.7美分/次）的30%（0,8美分/次），服务器实际使用率为70%，则我们估算每天算力成本为160万美元，对应英伟达A100卡需求9.5万张，假定每张A100卡售价1.5万美元，对应英伟达潜在收入14.3亿美元，加上训练端成本，约为14.6亿美元。
　　2）生成式AI：我们假设所有的生成式AI大模型算力成本遵从类似于LLM的逻辑，且模型训练成本、推理环节单次用户请求成本和ChatGPT完全一致（理想化假设）。a）训练环节，假设大模型的构建、维护将主要由少数科技巨头&科研机构主导，考虑到底层大模型在AI领域的重要性，我们相信每个具有相关技术&资金能力的国家地区、企业机构基本都倾向于构建一套自己的大模型，我们保守估算全球范围内同时维护的大模型数量为50个，则对应英伟达A100卡需求为10.24万张，对应收入15.4亿美元；b）推理环节，为简化讨论，我们主要聚焦于文字生成&归纳、代码编写、商用搜索、聊天机器人等几种主要应用场景，我们静态测算上述场景合计收入为174.2亿美元；c）市场份额，目前英伟达数据中心GPU收入中，我们判断训练环节占比90%，推理环节占比10%左右，我们假定英伟达能够在训练、云端推理环节分别获得80%、60%市场份额，静态估算ChatGPT及相关生成式AI对英伟达潜在业绩贡献为：训练端12.3亿美元、推理端104.5亿美元。
　　3）补充说明：我们的测算，更多出于实际可操作性考虑，并在前置条件做了较多简化处理，且更多基于当前芯片算力、模型参数、应用场景等静态情形，但全球AI产业是一个快速变化的领域。动态的视角，模型参数规模、训练数据集规模、模型架构&工程实践优化，以及芯片、软件等层面的进步，都可能导致模型对算力需求的急剧增长，以及单次调用成本的大幅降低等。
　　▍风险因素：公司核心产品、技术演进速度不及预期风险；地缘政治冲突导致公司产品难以在全球市场自由流动风险；下游AI应用场景扩展不及预期风险；全球宏观经济波动导致企业、个人用户IT支出不及预期风险；公司核心技术人员流失风险；全球游戏市场创新不及预期风险；全球自动驾驶进度不及预期风险；地缘政治冲突导致公司产品全球流通受阻风险等。
　　▍投资建议：考虑到短期量化测算准确性相对有限，启发性思考、方向性判断可能更为重要，我们暂不计入ChatGPT及AI相关算力消耗给公司中期带来的新增业绩贡献。我们维持公司FY2024/25/26年收入预测为318.7/372.3/435.0亿美元、净利润（Non-GAAP）预测为115.9/146.7/177.1亿美元，公司当前股价对应FY2024/25/26年PE（Non-GAAP）估值分别为50/40/29x，作为典型的成长&周期股，目前公司正逐步进入业绩上行通道，公司股价亦有望获得来自业绩增长、估值扩张的双重支撑，ChatGPT及AI则有望在现有财务模型基础上贡献显著的业绩弹性，我们持续看好公司的短期、中长期投资价值。