出品丨妙投APP
作者丨李赓
头图丨IC Photo
前言：
几乎每个做过投资的人，都会有几支自己错过的“股票”，绝大多数情况下都是因为对公司、行业的理解不充分，让你“看它涨了一直不敢下手”或者“抄到了底，却没能等到天亮”。这种情况在高科技行业尤甚，因为技术一方面不容易被行业外理解，但同时又能带来翻天覆地式的增长，将一家公司直接送上云霄。
作为目前全球半导体行业的市值龙头，英伟达通过自我的技术创新，在最近5年里市值实现了绝对奇迹的10倍市值增长。如此夸张的成绩，也让英伟达成为了分析理解全球技术创新类企业最好的案例。
在本文中，我们也将尝试着解决一个核心问题：如何尝试着去理解技术创新，并且信赖其价值而实现长期持有。
哪怕几十年后统计人类历史最伟大的计算机公司，大概率也有英伟达的一席之地。
2月8号，已经足足折腾了一年半的英伟达660亿美元收购Arm交易还是迎来了概率最大的结局：在全球多个监管机构的反对下，双方最终联合宣布放弃收购交易。取而代之，软银将在未来主导Arm的独立上市。
作为半导体行业历史上金额最大、也最重磅，一旦成功就能够将全球最大的半导体IP（知识产权）提供商（Arm）和全球人工智能领域影响力最大芯片厂商（英伟达）“融合”的一次尝试，这次收购从一开始就不为业界所看好（最终事实说明各国监管机构的确顾虑重重），根本原因在于这次合并可能带来的影响实在太大，包括正面和负面的。
英伟达官方对这次收购的前景具体描述是“推动AI未来、将AI可能性变为现实”。
具体点说，就是英伟达能够借助Arm目前全球庞大的计算生态，将自身积累的AI技术快速地推向各个场景和应用中，尤其是海量的边缘计算市场。在这个理想化的过程中，英伟达能够获得巨大的新市场空间，Arm则可以为客户提供能力更加强大，满足更多需求的解决方案。
只可惜，两家领先龙头合并带来的巨大可能性，在监管机构眼中无限约等于巨大的垄断可能性。加之Arm本身在商业化程度和逐利积极性上的确与英伟达存在较大区别，导致包括谷歌、微软、高通等全球第一梯队、也是Arm生态成员的科技巨头们也纷纷站出来反对这次收购。
因此整体来看，英伟达的这次收购失败并不能叫“痛心疾首”，顶多是有点“可惜”。有趣的是，不同于其他芯片行业巨头收购不顺利时通常会遇到的市场价值震荡、下行甚至是“泥潭”，英伟达却走出了一个巨大的上升曲线。
在英伟达尝试挑战收购Arm的这一年半时间里，其市值累计上涨了超过80%（同期美股指数上涨仅30%），一度将包含股权在内的总收购交易额抬到了870亿美元。
与其他半导体公司的直接对比更能说明市场对英伟达的乐观情绪，因为就在2021年10月底，英伟达市值超过了此前占据全球榜首数年的台积电，荣登全球半导体企业的市值王座。在总体市值第一这个结果背后，是只能在这十家企业中排到第六的盈利额，以及换算出来、冠绝半导体行业的PE水平（与芯片领域的直接竞争对手AMD和英特尔对比，英伟达PE是AMD的1.6倍、是英特尔的8倍）。直接体现了市场对于英伟达成长性的超高期待和认同。
而这恰恰引出普通投资者对于英伟达最为困惑的几个问题：为什么市场如此“宠爱”英伟达？它为什么能“超出”其他芯片公司一头？对于这样一家持续成长的前沿公司又应该如何评估其价值上的增长空间？
恰好笔者对英伟达的发展有着十几年的跟踪（从第一份工作开始），也参与了英伟达官方举办的一系列大大小小的全球性峰会和产品发布，故今天结合我过去对英伟达的个人理解，以及一系列第三方资料，尽可能尝试来梳理这家全球最顶级芯片厂商的成功之道、灵魂所在以及未来所向。
不卖关子，我们先来解答上面几个问题。
本文核心看点：
英伟达的高PE水平由“稳定的游戏业务收入+巨大的AI市场前景”支撑，后者是让英伟达持续得到高估值的关键。
英伟达目前是全球AI领域毫无疑问的统治者，核心原因在于其强大的“远见”。持续依靠“前沿技术+下重注”引领全行业技术进步，持续享受到技术变革、产品变革的红利；
对于英伟达而言，未来的市值影响主要看AI应用市场的发展，包括英伟达能否在不断落地的AI应用市场中分到足够的份额。
英伟达，不“寻常”的全球半导体行业龙头
对绝大多数普通人和相当一部分投资者来说，大洋彼岸的英伟达显然是“陌生的”，所以我们先从它的基础定位开始入手。在英伟达官方网站上，有着一段这样简单而具体的自我描述：
英伟达发明了GPU，推动了PC游戏市场发展，重新定义了现代计算机图形技术，并彻底改变了并行计算。GPU深度学习为现代AI这个新的计算时代带来了新动力——GPU在能够感知和理解世界的计算机、机器人和自动驾驶汽车中发挥着大脑的作用。
将整段话按照句号拆分，就能看出英伟达目前两大主营业务板块和发展方向：“图形”+“AI”。
英伟达官方从2015年开始按照特定的市场类型来统计收入来源，5个分类中除了“其他”，“游戏”、“专业虚拟化”主要属于图形处理市场（也有融入部分AI技术和应用），“数据中心”、“汽车”则主要归属于AI市场。
这两个英伟达目前都处于龙头领先地位的赛道，对应的是完全不同的行业格局与发展逻辑。其中“图形处理”更偏向于传统芯片行业，看重的是技术积累和运营效率；“AI”对应的则是创新，而且是超越传统半导体行业以外的创新。
这两者，一个扮演着基本面中的“基本面”，另一个肩负着英伟达未来的想象。
这种本质性的不同，导致我们必须单独来分析他们。先说作为“基本面”的图形处理市场，英伟达能成功的关键基本可以归结为两点：
发展起步早，享受到了PC时代的完整红利；
充分利用产业，通过将芯片制造外包大大降低了企业的发展负担。
先说起步早，上世纪90年代初，个人电脑刚经历完萌芽期，计算、存储等一系列硬件的高速发展，以及操作系统等软件的创新，正式宣告了个人电脑真正意义上的大规模普及、年均20%增速的高速成长期开始。
早期个人电脑销量的快速增长（图自 Ars technica）
英伟达和ATI（AMD）在独立显卡市场上的份额占有变化（图自 Wccftech）
这波浪潮直到2011年才达到顶峰，当年全球累计销售的个人电脑就多达3.5亿台，直接衍生出了一个庞大的其中40-50%都会选用英伟达或者ATI（后被AMD收购）的独立显卡产品。但是有较明确个人电脑销售数据的2000年以来，两家行业龙头累计销售的显卡数量高达20-25亿张显卡。
在这20年里，英伟达基本一直保持着市场份额上的优势，核心原因可以概括为“专注”。
在早期市场之中，ATI一度是可以与英伟达直接抗衡的，甚至在2002-2006年期间吃掉了不少市场份额，但在2006年被AMD成功收购之后，变身兼顾CPU、GPU、晶圆制造一体的半导体公司之后，就开始了“退步”。芯片制造，也就是晶圆制造随工艺制程不断升级而导致的成本剧烈提升，是造成这种现象的关键。
从2001年逐渐走向市场的130纳米芯片制程工艺到现如今主流先进芯片所采用的7纳米、5纳米工艺制程，一条每月5万片晶圆生产能力的生产线的投入成本上升了接近10倍。
芯片制造前期投入成本的“陡增”，直接导致了那些同时兼顾“芯片设计”与“芯片制造”的厂商碰上了一个恶性循环：因为芯片的制造工艺会影响到芯片产品的实际性能（同样的芯片设计用更先进的工艺制程芯片发热功耗更低、也可以用更高的速度运行），所以必须持续升级自身的半导体生产设备和工艺；但是因为芯片的制造环节已经消耗大量的投入，所以在芯片前期的设计以及其他研发环节上，又变得“捉襟见肘”。
相比在收购完了ATI还吐槽英伟达没有晶圆厂不够“真男人”的AMD，英伟达从未因为选择Fabless（无晶圆厂模式）而“后悔”，反而早早与日后成为全球晶圆代工的巨头的台积电形成了深厚的合作。
而最早看到晶圆代工机遇的台积电，通过将半导体行业中客户的订单集合，首先保障了自身晶圆生产的规模效应。这些原本需要各个公司分别完成的芯片制造生产环节被整合起来，压榨出更多的利润，然后被台积电投入到全新的芯片制造工艺投入中，进而在下一个行业发展节点形成全面的技术优势。
最后所形成的正向循环，让台积电在晶圆代工领域“所向披靡”，硬生生熬赢了像英特尔这样的IDM（有晶圆厂模式）厂商，也打败了其他晶圆代工厂如格芯（GlobalFoundries）。
而从结果来看，“深耕图形处理市场+无晶圆厂路线”的选择让英伟达受益颇多，长期超过30%的毛利润水平，和超过10%以上的净利润水平，奠定了英伟达的财务基础，也让持续大手笔的创新投入成为了可能。
例如英伟达历史上多次GPU的硬件微架构（决定GPU性能、体现芯片公司设计能力的关键性结果）更新，保障了英伟达在图形处理市场的技术先进性和产品竞争优势；以及在现在看来影响更大，让英伟达由图形处理的单一市场走向通用并行计算大市场，并且激发出AI广阔前景的关键变革。
通用计算，以软硬结合打开新世界的英伟达
跟很多领域一样，CPU、GPU等算力芯片也存在着一个宏观的硬件“不可能三角”——计算芯片基本不可能兼顾“运算能力”、“运算效率”、“运算任务的灵活性”（处理器架构中计算单元和控制单元的组成比例，决定芯片基础属性）。
所以在PC时代，电脑里面的算力芯片往往有着非常明确的分工：CPU负责最灵活地执行各种任务，并且和主板配套充当整个电脑的“大脑”和“中枢”；其他芯片各分其职，负责完成特定的任务。英伟达生产的GPU，主要是拿来满足计算机的显示计算需求，例如电脑平时的系统界面显示、以及各式各样的游戏内容显示，都是因为GPU从处理器的微架构上就针对应用进行了针对性的设计。
但英伟达目前的产品体系，早已超出了“显示”的范畴。
按照英伟达官方的产品和体系架构，英伟达的整个生态系统大致可以分为三层，最终直接对应到8个大的行业赛道之中：
基于通用微架构的全栈硬件产品和方案：从边缘领域ARM CPU和GPU打包成的SoC，到显卡使用的GPU，再到以GPU计算力为核心打造的云端解决方案，甚至是目前地球单机并行运算能力最强的超级计算机。
统一的软件架构及底层：英伟达所有硬件产品和解决方案都拥有统一的底层软件架构“CUDA（统一计算架构）”以及建立在前者之上的运行库集合“CUDA-X”。
具体应用领域的解决方案：在前两者的基础上，根据具体的场景和应用需求调整组合硬件、开发软件。
在这个体系中，GPU实际上仍然是核心，”贯穿“英伟达所有硬件和解决方案。作为一家在图形处理领域耕耘了近30年的龙头，英伟达在GPU上的强大不难理解，但让其从图形处理专用变为如今庞大计算生态的，其实是英伟达2006年的一次关键创新：转向“通用计算”。
因为我们上文提到过的“算力芯片不可能三角”的存在，芯片行业传统做法中只有两个极端：要么注重通用性，芯片的性能主要依靠半导体制程的更新来提升（以英特尔、AMD为代表）；要么专注特殊用途，抛弃通用性来提升性能和效率（以GPU厂商、FPGA厂商、ASIC厂商为代表）。
两种极端的背后，实际上是芯片公司“只”做硬件的结果。芯片厂商以硬件公司自居，只需要为用户提供软硬件连接的最基础软件，剩下的工作全部交给操作系统、软件公司、第三方开发者来完成。
这种思路在计算机和芯片行业的早期，一度是最佳解决方案，一来软硬件的分离其实也可以理解为是产业细分思维导向的结果，其次是芯片行业早期“摩尔定律”仍十分有效，半导体制程早期的高速发展所带来的芯片性能提升，完全能够满足当时软件对于计算能力的需求。
但随着时间的推移，软硬件产业细分逐渐失去了自身的优势。尤其是芯片行业的制程提升难度越来越大，“摩尔定律”不断放慢，硅基半导体理论上限的逼近阻断了CPU这样的通用计算芯片上升空间；同时因为软硬件细分发展的架构层级复杂（一个应用背后需要数家公司接力合作），导致本就不多的运算力因为效率问题被进一步损耗。
最终找到“破局之法”的，正是英伟达。2006年，英伟达将自己的产品和技术从过往专用的GPU（图形处理器）全面转向GPGPU（通用计算图形处理器）。
虽然只是多了两个字母，但改变可谓彻底。英伟达实际上以一己之力从头到尾打通了“硬件芯片”、“底层软件架构”、“软件开发及生态”，将过去复杂的显卡编程包装成了一个简单的接口，外部的公司和广大的开发人员能够非常简单地利用这些接口和开发工具，极其高效地完成各种应用的开发。同时，因为从硬件到软件整套体系均出自英伟达，后者通过整套体系的持续升级深度优化，从根本上确保了全链路的运行效率。
实现这套体系的关键，在于大量的软件能力建设和持续投入。在转向通用计算十余年之后的今天，英伟达已经成为了拥有最多软件工程师的半导体公司（软件工程师和硬件工程师数量基本一样多，大约7000人），绝对算半导体公司中的“异类”。
自有软件工程师、研发费用的大量投入，在帮助英伟达建立通用计算架构之余，还持续扩宽着其潜在市场范围。例如自动驾驶、机器人、医疗健康等主攻方向，实际上都是由英伟达自己首先提出基础性产品和解决方案思路，才开放给外部的公司和开发者。
通过自己主导新市场开发和行业内最新技术的应用，英伟达令其通用并行计算生态持续保持高速发展壮大。后续的开发者又被英伟达完整的生态和影响力所吸引而加入，反过来让整个生态的体量进一步扩大，走出了一个妥妥的正向循环。目前英伟达官方公布的第三方开发者数量已经超过300万名，形成了绝对不可忽视的行业影响力。
AI，英伟达“捡到”的大西瓜
英伟达在2006年开放通用计算能力之时，其实并没有直接将AI作为目标。原因也很简单，因为当时AI压根还没有崛起，GPU在AI中开始应用、并且开始在CPU无法解决的一系列挑战中取得进展基本上都是2011年以后的事情了。
所以相比“英伟达瞄准了AI”，更准确地说法是“英伟达再次发现了AI，还培育了AI”。
在转向通用计算的初期，英伟达首先想到的应用其实还是对其“老本行”图形处理进行辅助，在2008年英伟达收购了另外一家半导体公司Ageia，并且将其模拟真实世界的物理算法集成到了GPU当中。也是从那个时候开始，电脑游戏的物理世界仿真程度整体上了一个台阶，诸如各种物体之间的碰撞、空气水流的流动、光线的照射等细节仿真程度越来越高。
只可惜游戏提升这条路线，并没能给英伟达带来预期之中的高收益。虽然更先进的物理引擎的确能够提升仿真度，但游戏市场中并不只有对于真实物理世界的模拟，模拟本身也可以通过其他的方法，例如更先进的软件代码逻辑和CPU调用来实现。
最终帮助英伟达完成目标的，是已经“蛰伏”在知名大学中多年，因为没有趁手工具而无法推进人工智能技术发展的计算机科学家们。
蓝色为传统的人工编写计算机视觉算法，绿色为人工智能深度学习算法（图自英伟达）
2012年多伦多大学的Hinton教授和其学生Alex Krizhevsky首次在计算机识别竞赛ILSVRC-ImageNet（让计算机在一个标记过的图库中对图像内容进行识别，最终评判结果是精准度）中凭借运行在GPU上的深度学习算法获胜，由此开启了深度学习算法在这个领域中的“大杀四方”。在之后短短的5年间，深度学习就将计算机的水平从不足80%提升到了97.1%，甚至超过了人类的识别率（平均识别率94.9%）。
2017年，ILSVRC-ImageNet的主办方终止了这项竞赛，因为计算机已经超越了这项比赛原本“让计算机接近人类表现”的原始目标。（图像识别领域彻底被人工智能占领高地，一如2015年的人机围棋决战）
深度学习所带来的这股AI发展浪潮，很快普及到了更多的市场、场景和应用之中。例如由图像直接衍生而来的安防监控、自动驾驶，也有后续取得进展的语音、语言文字、知识推理。在这个过程中，英伟达独享了几乎所有的AI红利。
背后关键的原因有两点：一是相比过去需要人力介入的“普通算法”和“有监督的机器算法”，深度学习强调由计算机自己学习得出结论，与之对应的是更大的数据量、算力需求。在这个特定的应用场景中，GPU优势非常明显，同时拥有强大的并行计算能力和大容量数据吞吐计算能力。
二是在转型做通用并行计算这个关键机会中，英伟达抓得远比GPU中的直接竞争对手AMD好，尤其是在英伟达整体AI生态崛起之后，后者已经无法对英伟达形成实质上的威胁。
福布斯杂志曾这样评价英伟达：“英伟达现在拥有一个由软件、大学、初创公司和合作伙伴组成的强大而稳健且自给自足的生态系统”。更直白地说，是英伟达凭借人工智能创新上的“先发优势”，已经牢牢扼住了人工智能发展的几个关键点。
先说学术领域，在行业中，这实际上代表着行业发展的最前沿，也是最有可能孕育技术变革的地方。
笔者2017年参加SIGGRAPH上英伟达工程师主导的项目（合作方为英国杜伦大学、美国加州大学伯克利学院）
英伟达研究院当时开发的全新AR眼镜技术展示
首先是学术领域，英伟达“垄断”了全球目前最权威、也是在计算机图形学最有影响力的两个会议：英伟达自己的GTC（GPU技术峰会），和国际计算机学会（ACM）每年举办的SIGGRAPH（计算机图形专业组）会议。你永远能够在后者的现场看到英伟达的最顶级赞助商身份，并且在各种研究项目中看到英伟达自家工程师的分享。
在与大学的长期合作中，英伟达也给予了大量的支持，在给大学赠送开发研究所需要的英伟达软硬件之外，还与许多大学进行了实际开发研究项目中的合作。
国内学术界在英伟达GTC上展示的研究成果
这些来自全球学术领域的大脑，持续地为英伟达提供创新的“源泉”，推动力远比英伟达自己单干来的大。英伟达发展历史中的最关键转折点CUDA（通用计算微架构）项目，就是由斯坦福大学的博士Ian Buck推动，后者随之被英伟达招至麾下，现今已是英伟达Tesla产品线数据中心业务的主管。
其次是在产业中的影响力，以自动驾驶为例，全球绝大部分致力于实现完全自动驾驶的公司们，都在使用英伟达的产品和解决方案，一个很重要的原因在于英伟达对于创业公司的大力扶持。英伟达官方设立目前专门设立有一个“初创加速计划”，主要面向人工智能、数据科学和高性能计算初创公司，为其提供重要的进入市场支持、专业知识及技术。
英伟达官方对于“初创加速计划”的部分答疑
这个加速计划并不对初创公司收费，还能获得来自英伟达的一系列福利：免费的英伟达产品和技术培训，与英伟达官方工程师交流沟通，优惠价格购买英伟达的GPU、以及各家云服务商的GPU云服务。部分在自己领域特别优秀的公司甚至还能在英伟达的GTC会议现场做展示。
最后是英伟达自身在人工智能行业发展中的“领先性”。在构建起基础的通用计算框架和CUDA体系之后，英伟达官方持续为智能驾驶、健康、IoT、机器人等特定领域，开发了极其大量的软件解决方案。
还是以自动驾驶为例，早在2018年的CES（消费电子展）上英伟达针对自动驾驶推出的“可行性安全架构”为例，就提出了云端仿真自动驾驶训练的创新。
与过去自动驾驶早期必须实地驾驶、实地分析数据不同，英伟达可以将自身自动驾驶平台硬件中收集的数据同步到云端，以云端更强大、更集中的GPGPU，以及英伟达在游戏领域多年的现实场景模拟，进行人工智能的数据投喂和训练，最终再将训练的结果反向同步到车载的运算平台中，实现云端对于自动驾驶发展的全面加速。
英伟达第五代自动驾驶平台“Drive AGX Orin”
就在去年，英伟达又发布了建立在其最强大的第五代自动驾驶平台“Drive AGX Orin”基础上的全新软件系统“NVIDIA DRIVE Hyperion 8”。这套系统集合了各种自动驾驶功能模块，感知、规划、高精地图、数据标注能力以及各种传感器插件，均可由客户调用。英伟达在整体强大的自动驾驶硬件上进一步拓展这些免费“便利”，初创公司和实际汽车厂商自然无法视而不见。
在持续深化现有几个人工智能主攻市场的同时，英伟达还在不断拓展自身所涉及的“领域”，最新异界，英伟达全新发布了两个项目，一个是量子计算SDK（软件开发工具包）“cuQuantum”，其中包括加速量子计算工作流的优化库和工具。开发人员可以使用 cuQuantum ，同时更轻松、可靠地创建和验证新算法。用英伟达官方的话来说“就是用当下最强的计算机来研究未来的计算机。”
同时开启的另一个项目则更为宏大：“Earth Two （E-2）”项目，即数字孪生地球，用以模拟和预测气候变化。英伟达创始人兼CEO黄仁勋将这个项目称之为“英伟达有史以来最宏伟、最重要的用途。并且重点强调这个项目有可能将会用上英伟达目前所有的技术。”如果说Facebook的“元宇宙”是一次概念上的升级，那么英伟达显然才是实际有能力的“实现者”。
客观的说，英伟达在通用计算转型、“捡到”AI两件事的确有着不小的运气成分。但在那之后英伟达凭借自己的全方位投入、从软件、大学、初创公司和合作伙伴整个产业链路推进行业发展，反过来将自己塑造成AI龙头的过程，的确体现出了这家公司对于技术的判断力以及相应的决心。
在目前英伟达整套AI生态体系已经构建得相当先进而完整的情况下，实际上已经与其他竞争者们之间形成了“0”与“1”级别的差距，前者的AI行业龙头地位在未来相当长一段时间内仍十分牢固。
英伟达未来的高度，由人工智能市场决定
纵观人工智能的发展历史，人类从上世纪50年代开始尝试用数学模型模拟人类大脑神经元的运转，到如今上万亿个参数，已经能够完成许多自然语言处理的超级模型，已经证明了“由计算机代替人类编程”这件事的巨大潜力。
相应地，推动新场景、新应用开发的核心推进力，也从“人力”变成了“计算力”，而后者恰恰是英伟达目前最具优势的点：GPU不仅算力强大，还可以进行通用计算，并且有强大的生态支持。
2019年英伟达以69亿美元收购了全球服务器、数据中心领域的高性能网络供应商龙头Mellanox，一度令业界十分困惑。结果一年之后，英伟达就发布利用超高速网络像“胶水”一样将GPU合并起来，进而实现更高计算力的超级计算机级别解决方案“DGX SuperPOD集群”。
它由140个DGX A100系统与NVIDIA Mellanox 200Gbps InfiniBand互连技术提供动力，AI算力达700 PFLOPS，实现了以前需要数千台服务器才能达到的性能水平，相当于世界上最快的20台AI超级计算机之一。
2021年10月底，微软联手英伟达推出了最新的NLP模型“威震天-图灵”自然语言生成模型（Megatron Turing-NLG）”，其中拥有5300亿个参数。为了训练出这个模型，一共动用了4480块英伟达A100 GPU（当然也是用网络“粘”起来的）。这个模型最终在包括文本预测、阅读理解、常识推理、自然语言推理、词义消歧等一系列任务中都刷新了准确率纪录。
从目前人工智能的发展情况来看，通过构建更大模型、投喂更多数据训练的深化深度学习路线仍是最有希望获得进展的存在。但随着人工智能越来越接近人类的表现，所需要的算力还在激增，在人工智能强相关的超大型计算市场中，的确不存在英伟达的竞争对手。
最好的证明是英伟达数据中心业务营收的大幅增长，英伟达2022财年前三季度数据中心相关业务收入已经达到了惊人的73.5亿美元，只比英伟达最“核心”的游戏业务大概少20%。
上周因为业绩不达预期股价暴跌的Meta（也就是Facebook）在上个月底才公布了它们尝试打造“全球最快AI超级计算机”的进展：他们将会从英伟达直接采购760台DGX系统，其中包含共计6080块NVIDIA Tesla A100 GPU加速器。单是这些GPU的价格，就将高达2.5亿美元。
这样的“大单”早已不是孤例，目前全球前十的超级计算机中，有7台都采用了英伟达的GPU加速器，其中一台更是英伟达公司自己打造的。
在目前GPU稳固的大盘之外，英伟达已经开始了自己下一步的“布局”——延续过往在GPU中应用统一架构推进通用计算的方法，将战线扩充至CPU和DPU（数据处理器）。
DPU作为一种最新的专用处理器，旨在同时提供强大的CPU处理能力和网络通信能力，帮助大型数据中心应对越来越大的数据传输任务。而英伟达自己的首款CPU，同样被设计成专门用于大规模人工智能和高性能计算，首批的两个用户就是瑞士和美国的国家级超级计算机。
随着新的CPU和DPU的加入，可以预见“数据中心”业务将持续成为英伟达未来发展的重心，“GPU+CPU+DPU”的全方位软硬件技术和产品组合大概率也将带来更多的收入和利润。
最后，价值分析与判断
先说英伟达最基础的专用GPU业务“游戏”和“专业虚拟化”。前者这两年的大幅增长必然与虚拟货币的红火有关。但参考英伟达2018年下半年因为虚拟货币崩盘，间接导致销售目标不如预期，股价一度暴跌的历史，这一块作为长期收入来源评估显然“不靠谱”。
普通消费者对应的游戏娱乐显卡市场从趋势来看，仍旧是英伟达的“顶梁柱”。元宇宙的大火可以算是一个侧面的例子，虽然只是一个概念上的空想，但是有非常多的用户的确想尝试，甚至是向往生活在虚拟世界之中。
“专业虚拟化”这一块，英伟达的竞争力也很突出，尤其是在大型的电影特效、动画渲染等应用场景中，英伟达已经将不少软硬结合的AI技术应用了起来，形成了比较明显的使用优势。
整体来看，这两块大的英伟达基本盘，继续保持每年10-15%的营收增速，问题不大。
然后是已经“崛起”的数据中心业务，主要是想搞超级计算机或者以人工智能运算为目标的高性能计算，英伟达就是市场中仅有的选项。
根据外国第三方市场调查机构的预测，全球高性能计算市场有望在2028年达到558亿美元的市场规模。在过去几年间，英伟达数据中心业务的年平均同比增速高达50%，考虑到有限的市场空间，英伟达在这一块的营收增长很可能将在2022、2023年突破百亿美元之后开始逐渐放缓增长，未来5年营收增速预期在15-20%区间。
最后是其他收入，英伟达目前最“可惜”的业务线绝对是汽车。英伟达从很早就看好自动驾驶，并且投入了大量的精力打造软硬件产品，但L3以上高等级自动驾驶漫长的打磨和推广过程，让这一块的业务始终未获得起色，整体收入还不如英特尔旗下的Mobileye（单季度收入最高3.77亿美元）。
其他人工智能应用领域的情况也跟汽车相似，并不是英伟达没有布局，而是行业内接受新技术、更新换代软硬件设备需要很长的周期。所以这两块业务我们预期其营收平均年增速大概维持在3-5%的区间。
总体看下来，参考目前英伟达的营收组成，未来5年英伟达的总体增速大概保持在15%。在这些可预期的因素之外，就看AI业务能不能够带来新的“惊喜”，用“大概率赚钱还有未来”来形容都不过分。也正是这样强劲的成长预期，让市场在“元宇宙”、“虚拟货币”大火的环境中，给了英伟达如今这个肯定偏高的估值。
参考英伟达过去的市场价值波动，上一次的大幅下挫是2018年，动因是当时虚拟货币的阶段性崩盘，PE水平一度跌破了40。结合这几年英伟达数据中心业务的起色，当前英伟达比较合理的低估值区间应该在50-55，风险承受力较高的用户可以适当提升到55-65。
最后，还是强烈建议投资者先去深度理解英伟达以技术创新推动公司成长的整个路线，因为即便你等到了好价格，最后没能拿住享受到技术创新带来的盈利，到头来才是最令你后悔的。
评论