核心觀點：

1、英偉達(dá)市值超過英特爾，本質(zhì)是GPU的通用算力得到業(yè)界認(rèn)可。

2、英偉達(dá)通過投資的方式進(jìn)行廣泛戰(zhàn)略布局，自動駕駛是重點領(lǐng)域。

3、對標(biāo)英偉達(dá)，中國公司百花齊放，自動駕駛市場可以期待。

AI之光英偉達(dá)終于被資本市場承認(rèn)，市值一度超越英特爾成為美國市值最大的芯片上市公司。

以雙方最近一個完整財年數(shù)據(jù)對比（美國通用會計準(zhǔn)則），英偉達(dá)2020財年全年收入109．2億美元，收入同比下跌7％，凈利潤27．96億美元，同比下跌32％；英特爾2019年財年營收719．65億美元，同比增長2％，凈利潤210．48億美元，與上一財年持平。

在財務(wù)數(shù)據(jù)均不占優(yōu)的情況下，英偉達(dá)憑借什么贏得資本市場信任？我們以投資視角來看英偉達(dá)如何布局AI未來。

AI算力路口：通用計算的勝利

CPU和GPU在算力支撐上有明顯的區(qū)別，CPU有高級功能，有復(fù)雜的邏輯控制和優(yōu)化電路，而GPU有眾多結(jié)構(gòu)相對簡單的計算單元和超長流水線。

CPU可以解一個方程組，GPU則可以同時進(jìn)行大量的加減乘除運(yùn)算，這種區(qū)別導(dǎo)致GPU更適合人工智能相關(guān)產(chǎn)品對大規(guī)模并行計算的需求。

2000年，CPU仍是學(xué)界依賴的算力提供方，但由于CPU在架構(gòu)上的局限，計算支持單元有限，算力釋放不徹底，學(xué)者和工程師開始嘗試尋求通用計算（GPGPU）下的算力支持。

2006年，英偉達(dá)在GPGPU框架下推出Tesla架構(gòu)，并在第二年推出CUDA系列編程環(huán)境，借助CUDA可以大大降低用GPU做通用計算的難度，為后續(xù)AI算力支撐打下基礎(chǔ)。

2012年，深度學(xué)習(xí)開山鼻祖之一的Geoff Hinton的學(xué)生Alex Krizhevsky，借助英偉達(dá)的GPU成功訓(xùn)練出了深度卷積神經(jīng)網(wǎng)絡(luò)AlexNet，優(yōu)秀的算力支撐讓眾多AI學(xué)者開始以CUDA為第一選擇，也進(jìn)一步導(dǎo)致人工智能業(yè)界認(rèn)可英偉達(dá)在AI的地位。

不僅在底層技術(shù)有布局，早在2009年，英偉達(dá)就進(jìn)入車聯(lián)網(wǎng)，當(dāng)時與大眾奧迪合作，在新式導(dǎo)航系統(tǒng)中應(yīng)用Tegra系列芯片，特斯拉也在早期車型中使用Tegra芯片，Model S就基于Tegra 3進(jìn)行電動與車載娛樂系統(tǒng)開發(fā)。

隨后IBM、Facebook、ARM等公司展開合作，以深度學(xué)習(xí)、機(jī)器學(xué)習(xí)、訓(xùn)練神經(jīng)網(wǎng)絡(luò)等為方向，加快AI芯片開發(fā)工作，截至目前，英偉達(dá)GPU是全球大規(guī)模AI商用芯片提供商之一，產(chǎn)品廣泛應(yīng)用于車聯(lián)網(wǎng)領(lǐng)域。

伴隨自動駕駛市場崛起，英偉達(dá)以消費(fèi)級芯片供應(yīng)商身份，參與到車載芯片的市場爭奪戰(zhàn)中，叩開了AI算力的大門，除了業(yè)務(wù)布局外，英偉達(dá)幾年間進(jìn)行投資布局，投資和收購大量企業(yè)，進(jìn)一步深入到AI產(chǎn)業(yè)中。

英偉達(dá)的投資版圖

2013年至今，英偉達(dá)針對AI全產(chǎn)業(yè)鏈累計進(jìn)行了20余次投資并購行為，平均每年3次，其在自動駕駛領(lǐng)域和大數(shù)據(jù)分別進(jìn)行5次和7次投資，此外還投資了人工智能孵化器、2家AI醫(yī)療公司、1家機(jī)器學(xué)習(xí)平臺、2家音頻處理公司。覆蓋了中國、中國、以色列、加拿大、匈牙利、日本多個國家與地區(qū)。