报告行业投资评级 - NVIDIA Corp被评为买入评级,目标价为150美元,预期总回报率为11.3% [6] 报告的核心观点 GPUs和ASICs将共存 - 我们预测GPUs和ASICs将共同用于建设AI/ML所需的基础设施,其中ASICs主要用于更专业的模型以及提供差异化的云AI产品,而GPUs用于训练和推理更大更复杂的模型 [4] - 我们估计NVIDIA GPU计算销售额在2024年和2025年将分别同比增长118%和84%,其中销售给超大型云服务商的GPU在2024年和2025年将分别增长100%和67%,占美国云服务商资本支出的31%(2023年增加9个百分点)和35% [4] - 我们估计定制ASIC在2024年将占美国云服务商资本支出的8%,在2024年销售额将增长200%以上,2025年增长16% [4] NVIDIA在超大型云服务商AI加速器市场占主导地位 - 我们估计NVIDIA在4大美国超大型云服务商2021-2024年累计AI加速器装机量中占67%的份额,主要依靠3个优势:1)芯片级性能领先 2)更强的可扩展性 3)在所有主要云服务商中拥有大量装机基础,这对采用多云策略的企业来说很关键 [5][26] 亚马逊在AI加速器上采取多元化策略 - 亚马逊在自有的Trainium和Inferentia AI加速器芯片上有所投入,但同时也是NVIDIA GPU的重要客户,双方正在合作开发第5代GPU实例 [27] 微软和Meta也在开发自有AI加速器芯片 - 微软正在开发Maia AI加速器芯片,但我们认为其仍将大量依赖NVIDIA的产品,因为NVIDIA是其AI领导地位的关键因素 [32][36] - Meta开发了MTIA v1和v2两代自有AI加速器芯片,主要针对广告和社交网络应用的深度学习推理模型 [39] 根据目录分别总结 GPU vs Custom ASIC - GPUs和ASICs将共存,GPUs主要用于训练和推理更大更复杂的模型,ASICs则用于更专业的模型以及提供差异化的云AI产品 [4][13] - 相比GPUs,ASICs通常不可重编程,无法轻易转向新的工作负载,这使得其经济上只适合大型超大型云服务商 [13] 不同类型的ASIC设计 - ASIC设计主要分为全自定义设计和半自定义设计,后者又分为标准单元型、栅阵型和可编程型 [17][18] - 全自定义设计更复杂和昂贵,但提供更强的功能,而半自定义设计通过预定义的层和晶体管来降低初始设计成本 [17] 超大型云服务商AI加速器装机情况 - NVIDIA在4大美国超大型云服务商的AI加速器装机量中占据主导地位,达67%的份额 [5][26] - 亚马逊在自有AI加速器和NVIDIA GPU上都有投入,体现了其在AI加速器上的多元化策略 [27] - 微软和Meta也在开发自有AI加速器芯片,但我们认为NVIDIA仍将是它们的主要供应商 [32][36][39]