20211107-东吴证券-计算机应用行业研究_强如Intel_可望不可即_GPU的技术壁垒到底有多高__16页_1mb

计算机应用行业总结

核心内容

本文主要分析了计算机行业中GPU技术的高壁垒性，以及国内企业在GPU自主研发方面的进展与挑战。同时，对计算机行业的投资机会、相关标的、行业动态及风险提示进行了系统梳理。

主要观点

• GPU技术壁垒极高：GPU设计是一项复杂的系统工程，涉及硬件架构、算法、软件生态等多个方面，技术难度远高于FPGA和ASIC。
• 硬件结构精密复杂：GPU的高级图形处理流程包括顶点处理、光栅化、纹理贴图和最终输出，其硬件结构由多个专业单元组成，如CUDA Core、Tensor Core和RT Core等。
• 软件生态是关键竞争壁垒：英伟达通过CUDA平台构建了强大的开发者社区，成为全球GPU领域的权威，软件生态对GPU厂商的竞争力至关重要。
• 图形显示技术比AI计算更难：图形处理不仅需要硬件支持，还需要复杂的算法和物理模拟，其技术难度远高于AI计算。
• Intel研发GPU屡屡受挫：尽管Intel多次尝试进入高端GPU市场，但因研发进度、性能和生态支持不足等原因，始终未能推出成功的消费级GPU产品。
• 国产GPU发展任重道远：国内GPU厂商需从零开始自主研发，且没有第三方IP授权，难度较大。目前，景嘉微是国内唯一实现GPU大规模商用生产的厂商。

关键信息

投资要点

• 行业走势：本周（11.1-11.5）计算机行业(中信)指数上涨1.90%，沪深300指数下跌1.35%，创业板指数微涨0.06%。
• 推荐标的：景嘉微、太极股份、卫士通、用友网络、中国长城、金山办公、奇安信等。
• 风险提示：
  1. 信息创新与网络安全进展低于预期；
  2. 行业后周期性；
  3. 疫情风险超预期。

技术难点

• 硬件复杂性：GPU需要多核并行结构，支持图形处理和AI计算，其架构每两年迭代一次，从Fermi到Turing，逐步引入新技术如Tensor Core和RT Core。
• 算法难度：图形处理涉及计算图形学，需模拟真实物理世界，算法复杂度远高于AI计算。
• 生态建设：英伟达通过CUDA平台构建了强大的开发者生态，成为行业标准，形成技术壁垒。
• 研发难度：GPU研发无第三方IP授权，需从零开始，技术门槛高，研发周期长。

行业动态

• 人工智能：国家推动AI与物联网、大数据等技术在健康、养老等领域应用；长三角人工智能知识产权联盟成立；工信部推动AI与制造业深度融合。
• 金融科技：加强金融科技伦理治理；香港金管局试点代币化绿色债券；腾讯云与神州信息达成战略合作。
• 企业SaaS：Moka完成1亿美元C轮融资；甄零科技获近3000万元天使轮投资；阿米巴资本设立中国SaaS主题基金。
• 网络安全：国家发布《数据出境安全评估办法（征求意见稿）》；印发《提升全民数字素养与技能行动纲要》。

上市公司动态

• 神州数码：副总裁郝峻晟辞任，转任云业务顾问。
• 四维图新：获得戴姆勒自动驾驶数据管理服务平台订单。
• 万集科技：在香港设立全资子公司，拓展海外市场。
• 高新兴：聘任王涛为副总裁，全面负责财务工作。
• 北信源、易联众：分别获得政府补助，用于增值税返还及软件退税。
• 神州泰岳：董事王宁辞职，将担任其他职务。
• 银江技术：董事长陈才君辞职，由王腾暂代董事长职责。

结构总结

投资策略

• 国内科技财政预算收紧，拖缓计算机行业收入实现。
• 随着疫情缓解，国产化与国企改革将成为投资主线。
• 推荐景嘉微、太极股份、卫士通、用友网络、中国长城、金山办公、奇安信等公司。

GPU技术壁垒分析

• 硬件结构：GPU由多个专业单元组成，支持复杂图形处理流程，结构精密。
• 软件生态：CUDA平台构建了强大的开发者社区，成为行业标准。
• 算法复杂性：图形处理需模拟真实物理世界，算法难度远高于AI计算。
• 性能与灵活性：GPU兼具图形显示与AI计算，性能更强，但研发难度更高。
• 研发挑战：无第三方IP授权，需完全自研，研发周期长。

结论

GPU技术壁垒极高，其研发涉及硬件、算法和生态等多个层面，是系统工程。尽管Intel多次尝试，但仍未成功。国内GPU自主研发之路艰难，景嘉微作为唯一实现大规模商用生产的厂商，具有领先优势。计算机行业在国产化、国企改革、AI与制造业融合等领域存在较大投资机会，但需关注政策、经济和疫情等风险因素。