2022年英伟达主营业务及发展趋势分析.docx

2022年英伟达主营业务及发展趋势分析1.英伟达历史及业务简介1.1.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（CentralProcessingUnit，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（GraphicsProcessingUnit，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（arithmeticlogicunit，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PCGPU。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。随着AI以及云计算的兴起，具有并行计算架构的GPU具有更高的效率，这也使得GPU被应用到AI及云计算等数据处理之中。这是一个全新的领域，拥有巨大的成长空间。值得一提的是，市场上还存在着比GPU专用程度更高的芯片，包括FPGA（Fieldprogrammablegatearray，可编程逻辑阵列）和针对某一类AI计算的ASIC（Applicationspecificintegratedcircuit，特定场景芯片），包括谷歌推出的TPU（张量计算单元）和特斯拉推出的NPU（神经网络计算单元），虽然在某些特定计算上效率更高，但目前这些芯片的使用场景比较单一，市场规模还较小。1.2.英伟达发展历史英伟达（NVIDIA）是一家以GPU（GraphicsProcessUnit，图形处理单元）芯片设计起家的人工智能计算公司。公司创立于1993年，总部位于美国加利福尼亚州圣克拉拉市。美籍华人JensenHuang（黄仁勋）是创始人兼CEO。1999年，NVIDIA定义了GPU，GPU的出现被业界视为现代计算机图形技术的开端。英伟达于1999年1月在纳斯达克挂牌上市，在2000年它收购了曾经在90年代称霸图形显示市场的3dfx公司的知识产权，逐渐占据图形显示市场的优势地位。到2021年为止，在消费PC领域，能够量产GPU的公司只有英伟达、AMD和英特尔，其中英特尔主要是以集成GPU为主，AMD既有集成GPU也有独立GPU，英伟达主要是独立GPU。在独立GPU领域，英伟达2021Q1占据81%的市场份额，处于绝对的领先地位。公司20多年来始终引领GPU行业的发展，将GPU的主要应用场景从游戏以及画图等图像显示扩展到了以AI、云计算等大数据相关的并行计算领域。英伟达保持着两年升级一次GPU架构的步伐，不断提高GPU的性能。在英伟达GTC2020主题演讲中，NVIDIA宣布推出安培(Ampere)架构，这是NVIDIA发布的第八代GPU架构，包含超过540亿个晶体管，性能相较于前代提升了高达20倍，也是NVIDIA8代GPU历史上最大的一次性能飞跃。安培架构的最新一代RTX30系列游戏GPU和AI计算GPUA100作为各自领