这家公司股价翻4倍!你必须理解的人工智能多空之辩

作者: 智通编选 2017-07-02 11:00:02
人工智能已经成为市场最热门的主题。为了避免浮云遮眼,按照格雷厄姆、巴菲特的告诫,你现在要做的是,耐心看懂至少一家人工智能公司的业务表现和财务指标。

本文来自“华尔街见闻”,作者:Cody

人工智能已经成为市场最热门的主题。为了避免浮云遮眼,按照格雷厄姆、巴菲特的告诫,你现在要做的是,耐心看懂至少一家人工智能公司的业务表现和财务指标。

今天探讨的标的是英伟达(NASDAQ: NVDA),一家因为人工智能概念一年股价翻了四倍的公司。

市场对于英伟达有截然不同的评价:一种声音认为,它会是谷歌在这个领域最大的竞争对手;然而在刚过去的6月,诸多做空机构也盯上了这家公司。

最近的财务数据显示,英伟达在2017第一季度营收同比增长48%,达到19.4亿美元。这进一步推高了二级市场投资者的热情。

在一级市场方面,根据CB Insights 的数据显示,从2015年下半年开始,风投机构对于初创公司的投资数量持续下跌到2011年以来的低位,但对AI领域的投资却有增无减。

1.jpg

1、理解英伟达的估值波动,就能冷静面对人工智能热潮

最近,在并购市场上有一个比较突破性的新闻,就是以孙正义为首的软银赛富集团以40亿美金的价格入股了英伟达,并且获得了4.9%的股权。如果按照这个交易价格去折算的话,这笔交易英伟达的估值在800多亿美金左右,也比较符合他目前的二级市场估值。

孙正义入股英伟达,旨在布局人工智能底层架构

我们知道,孙正义是一个非常厉害的投资家,他特别喜欢投科技企业,他在过去投出了雅虎、阿里巴巴这样的企业,获得了近万倍的收入。他在纳斯达克泡沫破灭的期间也损失过上百亿美金的收益。总之,他的投资风格是什么呢?就是选中一个非常好的赛道、一个非常好的商业方向,然后去寻找赛道上最杰出的种子选手、好的团队、好的领导人,下重注、下重金,等待结果的开花。

目前来说,孙正义他所选中的就是人工智能这个赛道,他在入股英伟达之前,以300多亿的价格将ARM这家公司整体收入麾下。ARM是一家从事低功耗芯片设计、生产的企业。我们现在所使用的无论是手机、还是小型的电子设备,包括一些比较新奇的智能音响、可穿戴设备,都是采用了ARM的设计架构,因为ARM的低功耗架构非常符合这些小型的器件,而小型器件在未来的物联网布局上是不容错过的一步。

按照孙正义自己的想法或信念来说,未来30年是人工智能产业大发展的30年,一定会出现强人工智能,或者具有自我意识、自我突破的人工智能。在人工智能驱动下,物联网、云计算,还有我们现在比较熟悉的语音、图形识别、服务机器人等等产业都会迎来新的井喷式的发展。那么,布局底层架构是他目前最想做的事。ARM是底层架构之下,另外一个就是英伟达。

转型人工智能领域,英伟达估值溢价体现出资本市场的认可与期待

英伟达这家企业,可能大家对它的印象还停留在游戏显卡这一块,无论是大家比较熟知的GeForce系列、泰坦系列,但是我们现在去看英伟达的官方介绍,可以看到已经标注为一家人工智能企业,它能够为人工智能产业上的每一家公司提供底层解决方案。而这一切的原因就在于GPU这种芯片在人工智能所需要的并行计算海量大规模数据方面具有独特的天然优势。在人工智能产业方面,尤其是在云计算、无人车、虚拟现实这一块,英伟达有很强的业务突破。包括产生的数十亿美金的真金白银的收入,而不是单纯的人工智能的概念。

从另外一个方面来讲,整个资本市场很认可英伟达的概念,认可它在这方面取得的独步的优势。我们从一个简单的图来看,可以看到它的PE倍数从一个大概只有25倍的震荡区间直接进入到了40-60倍的区间,也就是说从营收估值的角度来说,整个市场对它的估值提高了一倍。

2.jpg

另外一个消息,英伟达这家企业在过去10年间的PE倍数也一直停留在20-30倍这个区间,几乎没有突破过。它的估值其实非常符合传统硬件公司的估值,但是在最近两年间,它进入到了一个40-60倍的估值区间。那么其中就含有一个很大的成分,即资本市场对于它从事人工智能产业所具有的独步优势的期待。

除了英伟达这家公司享受了如此高的PE估值倍数,其它公司呢?这里有一张JP Morgan的研报截图,虽然不是最新一个季度的,但数字比较齐全。

3.jpg

像英特尔这样的公司,享受了13倍的市盈率;AMD这家公司是一家亏损的企业,虽然它最近因为一些新产品的发布有可能在2017年实现盈利,市场给他的预估估值在100倍左右,这是对于盈亏边界线附近的一家公司独有的估值优势,业绩弹性非常大,我们暂时不考虑;另外一类就是美光、MU,也是从亏损到盈利,因为做的是纯内存业务,完全是作为一个上游厂商,不从事更具体的设备制造和更先进的科技概念,估值倍数会更低;像赛灵思这样的企业,也是非常传统的估值倍数……英伟达在这方面是可以看到有估值溢价的,另外一方面,大市值公司的平均估值在22倍左右,英伟达也是在一个高出的区间。所以说,我们以市场有效理论来看的话,市场认为英伟达这家企业在人工智能方面是具有独步的优势的,而别的相关的企业,无论是偏上游的、偏中游的、或者像AMD这样的万年老二的竞争对手,它们跟人工智能还是有非常远的距离。

分析英伟达值得关注的指标

通过这个比较,我们直接回到最开始说的,应该去关注英伟达的哪些指标?哪些产品?哪些业务板块?持续地跟踪这个变化,然后实现在其上对人工智能的阿尔法套利?从我个人的角度来讲,每个季度的业务变化、板块变化、新产品在整个市场中的竞争优势、整个人工智能产业的未来展望和市场容量空间,以及在上面的跟踪变化指标是非常重要的。那么,在之后,我会从最新的季报解读给大家梳理一下英伟达在这方面取得的阶段性成果。

公司分析方法知识点:企业估值

我先简单地介绍一下企业估值。企业估值从方法论的角度来说无非就是两种:

一种就是绝对估值法。绝对估值法就是现金流折现。它根据企业目前的盈利能力,然后取一定的时间周期,再根据一个永续增长率去算出它未来的现金流,再将这些现金流取一个折现率计算它的现值,再根据现值计算它的估值。从估值的角度来说,这种方法像债券收益分析方法一样可能会根据有一定的安全边际。但是另外一个方面,它很难计算出一些新科技或互联网类型的企业、或增长非常快的企业未来的现金流收入。如果对一些投资比较保守的人来说,可能算出来的公司价格远远高过它实际的价值。

另外一种就是相对估值法,大家比较熟悉的PE就是一种,比如说同行业一些公司的PE比较,哪些公司的PE会更高,哪些公司的PE更低;类似的财务指标还有市净率、市销率,也就是PB、PS,以及市盈率与增长的比较PEG这样的指标。还有的就是像社交网络公司一样,它们会用一些单个月活用户的市值在同行业去比较。

总的来说,估值只是一种方法论,它去帮我们寻找到目前整个股权在整个市场当中是处于一个高估的区间、还是一个低估的区间。

相对于估值,我们更要去看清价值与价值的驱动因素。比如说任何一个公司,我们从商业模型来讲,我们都可以非常地精简成为一个简单的生产和销售的一个模型,那么在这个过程中,我们去寻找它的产业链,比如说从原材料到生产再到分销再到营销去服务,最后落地到一个应用场景。在这个过程中我们要去看哪些因素可能会对整个销售额会有额外多的影响。比如说一些奢侈品可能在营销投入方面对其的影响很大,而一些餐饮行业聚焦于整个供应链的管理、存货管理、分销管理;再比如矿企业,他们是否有足够的充裕的矿藏资源以及开采设备;类似像英伟达这样的科技类企业呢,它的新技术在市场中的应用份额其实是一个比较重要的指标。

大家如果要去了解一下公司的话,与这个行业内的人去交流其实是一个比较方便的手法,从他们的角度来说可能会更容易找到能够去进行同行业公司的比较、内部竞争优势的一个关键的点。

2、当云服务巨头都成为客户,这家公司的财报发生了结构性变化

在上文中,我提出可能会需要从英伟达的季报去梳理一下他在人工智能产业上的转变或者说进程。那么谈到神经网络与人工智能这一块非常底层的技术,可能大家会知识点不够或整体了解不太多,那我还是简单地做一些背景介绍:

人工智能技术背景简介

人工智能三要素:AI科学家、算力、数据

人工智能目前从底层技术来讲,它有三个要素:

第一个就是AI科学家,也就是说如果你要去做神经网络训练,你必须需要AI科学家去帮你做这些事;

第二个事情就是在整个算力市场,人工智能、神经网络这一块它需要大规模地计算海量的数据,而能够计算这些海量数据需要去堆积非常多的类似于GPU设备这样的算力设备。而后在整个过程上,就是算力

这块其实可以分为两个部分,第一个就是训练过程,也就是说我们得到了许多数据,交给这些神经网络去让它们不断地训练,训练之后它形成一种习惯;然后第二个部分就是推断,也就是形成这些习惯之后,它去根据这些数据训练到的结果去推断出一些新的结果,这种过程其实就有点像一个类似于神奇宝贝训练师一样,就是你需要不断地训练你的离线网络、离线模型,然后去慢慢地进化成一个比较成熟的模型;

然后第三人工智能的要素就是数据。就数据这一块,什么样的数据能够更好地适用于神经网络,或者说什么样的数据让机器学习之后它能够进一步地产生更好的结果,那我们要从应用场景里面去推断。比如说现在神经网络应用于医学推断方面,他看过了很多张病理的图片,然后它能根据这些病理图片去推断出一个新的图片是属于什么样的病理,这一块可能就是数据的价值,就像这些医学数据,它是非常有价值的。

英伟达GPU在并行计算海量大规模数据方面优势突出

那么英伟达的发力点在哪里呢?在人工智能的这一块行业上我看到的最迫切的一个投资需求就是并行计算海量大规模数据这一块,而并行计算海量大规模数据的优势在于它同时地去处理一些比较同质化的数据,而这一块的优势刚好就是GPU的优势。

那么在这个时代背景下,英伟达这家公司它的发力点就在于AI科学家和算力市场这一块,它作为一家底层的技术服务提供和解决方案商,就有了一个非常独特的先发优势或者说技术储备,刚好它的GPU能够适用于人工智能神经网络的过程。用英伟达CEO黄仁勋自己的话来说,目前还没有遇到什么竞争对手。可能真正的竞争在于GPU和TPU之间的竞争吧。这一块我们先按下不讲,之后我们可能会请专家来做一个更为详细的解答。

英伟达财报与业务研讨

就像我最开始说的,英伟达这家企业大概是从两年多前开始标注自己已经成为了一家人工智能企业,那么这一份转变或者说理念上的传达其实也可以从它的整个财务报告的披露上面看到,特别是收入构成这一块的披露。

两年间总收入实现近50%增长,人工智能业务板块占比近半

我给大家找了两张图:

第一张图是大概两年多以前,也就是2016财年,但实际上是在公立2015年上的一份季报。

4.png

我们可以看到。当时这份报告,从整个收入构成上来讲,它分为了三块:一块是GPU,一块是Tegra processor,还有另一块是其他。然后我们可以看到,以PC市场为主导的整个GPU的业务板块占据了当时总收入的几乎90%以上,也就是说当时的英伟达几乎只是一个为PC市场生产和销售GPU的一个企业。

那么我们再看这两年发生了怎么样的一个变化,这里看到第二张图,第二张图是我截取的最新一个季度的财报。

5.png

然后我们可以看到,它增加了一个收入构成分类Revenue by market platform。它将整个收入的构成分为了五个板块:

第一个是游戏板块;

第二个是Professional Virtualization,这一块算是职业虚拟化吧,它的落地场景更多的是基于VR这一块;

第三个是数据中心,也就是我们比较熟悉的云计算,但是它的云计算是以GPU为主体的一个数据中心,而这一块也是最近两年增长最快的一块信息业务,也是在人工智能产业上增长的标志;

第四个业务是Automotive,这一块大家比较熟悉,应该就是无人车业务,也就是说英伟达作为一个人工智能的底层技术提供和解决方案商,它跟很多传统车厂去合作,然后它们提供技术去帮它实现无人车的一个驾驶,按照它自己的披露来说,现在目前应该能达到一个Level 3的一个无人车,具体的我们后面再讲;

第五个就是OEM和IP,这一块应该是代工厂和专利技术授权

再看看总收入的增长:这两年多的时间,英伟达这家企业的总收入从13亿美金增长到了现在的19亿美金;另外一方面呢,从17年往前再推5年的时间,它的业务增长远远没有现在这么快,甚至不像现在是在季度的增长上进入一个环比增速的区间。

6.png

整个游戏业务的增速也是单季度的几乎增长了50%左右,但是它从整体的收入构成来讲,它开始滑入一个50%的区间,也就是说现在英伟达大概有三分之一点三、四的业务是属于人工智能这块产业的,尤其是数据中心和无人车这两块,也就是Data center和Automotive。

通过业务增长变化解读市场情绪

这里我给大家再找了一张图,这张图是过去两年间英伟达五板块每个季度单季度的收入,这里面包括了单季度收入的一个数字以及在季度上的一个变化的过程。从这张图上我们可以看到很多有趣的信息,特别是在季度环比增长这一块,我们可以通过这一块的业务增长变化去解读市场对英伟达的一些担忧或者期待。

7.jpg

那么这张图应该从哪里开始看呢,首先我们要有一个大概的概念,就是英伟达这个公司自从它转型成为人工智能企业,然后他有了一些落地的场景和成熟的商业模式之后,它的一个总营收从两年前单季度的10亿美金到了最新的19亿美金。而且再往前推两个季度都达到了20亿美金的收入。

数据中心业务收入含金量最高

这里面含金量最高的一个收入构成在我看来就是数据中心这一块,数据中心这一块业务是英伟达在人工智能产业上一个非常重要的独占性业务,它的落地场景就是云计算,只是它的主体是GPU 的形式,而它需要服务一些AI的训练和深度学习。

在谈及这个业务的特点之前,我们先来看它的一个变化,就是我们可以看到在16财年的第二季度上,这个数据中心的业务收入仅仅只有7200万美金左右,但是到了最新一个季度的时候,它达到了4亿美金。可以看到英伟达这家企业在这个业务上,在过去的两年多的时间里,不仅实现了一个从零到有的过程,这里面是一个需求增长的过程。

大家还记不记得我之前说的人工智能在算力市场上的一个特点是需要一个学习和推断的过程,那么在数据中心这一块呢,英伟达提供的一个GPU云计算能够很好地帮助这些AI科学家去提供通用芯片的训练过程,去帮他们更快地实现整个模型的训练。而在这一块,英伟达目前是没有什么对手的。

所以我们可以看到,无论是Google、亚马逊还是IBM、腾讯、阿里巴巴,他们的云计算业务全部都跟英伟达合作。而且我们可以看到,在17财年第四季度到18财年第一季度之间,环比增长比上一个季度的还要快。这里面的原因在于人工智能训练加速需求这一块正在逐渐地起来,越来越多的AI科学家或者说实验室,他们需要更快的速度去训练他们的人工智能模型,然后他们会去借助整个数据中心的算力资源。

这块业务对英伟达来说目前最重要的其实是需要占据更多的市场份额、组建一个行业的标准、实现一个通用的语言规则。至少在人工智能通用芯片这一块,GPU 目前是一个最靠谱的选择。而TPU这一块,也就是Google针对TensorFlow做了优化的TPU,目前它还没有对外进行推广,以及它不提供任何的第三方服务,这一块就是英伟达目前最大的一个优势。

无人车业务亮点突出

我觉得还有一个比较亮点的业务在于无人车这一块。无人车这块业务在过去两年的时间几乎实现了翻倍。目前来说,能够实现无人车技术,我自己看到的就只有恩智浦这一家,它现在已经被高通收购了,而另外一家Mobileye也被英特尔收购了。所以现在市场上尤其是一些传统车商,他们能够选择合作的一个底层技术提供和解决服务商只能选择英伟达,包括特斯拉,它也是与英伟达合作。

更令人感到重要的事情就是,我们可以看到特斯拉现在的自动驾驶已经实现了一个Level3到Level4的过程,每天都有车在路上跑、收集数据。然后这个过程其实对传统车厂是一个非常大的挑战过程,因为它们不仅要去追上特斯拉在无人驾驶这一块的技术累积,更重要的是它们要去革新掉自己的一些业务,去不断地转型,包括整个内燃机业务、整个向新能源汽车靠拢的事实。相比不断地花资金去投入研发,它们更害怕的一件事是什么呢?就是害怕自己在整个技术替换的浪潮中像以前的柯达、好利来相机这样的企业一样直接就被替换掉、淘汰掉。相比整个营收的增长,他们可能更害怕的是被整个产业链淘汰,而恐惧成为了它们付费的最大动力。这也是为什么英伟达这家公司目前已经和200多家车厂达成了一个合作协议,它们每天都在不断地调试这些无人驾驶的技术方案。

如果从公开的排除了被高通收购的恩智浦和被英特尔收购的Mobileye之外,英伟达在这一块的业务依然在研发的阶段,并没有产生大规模的收入、没有进入一个投产的阶段。按照英伟达CEO黄仁勋他自己的解释来说,他可能会认为在2018年左右实现Level4的无人驾驶,在2020年之后开始实现大规模的无人车商业应用。

3、财报上的人工智能竞争:规模、毛利润和市场份额

在本章节,我将进一步介绍英伟达的另外三块业务:游戏、职业虚拟化、OEM和IP。

三大业务基础地位总结

OEM和IP业务其实对英伟达目前的股价、公司战略影响都不是特别大,它有一点边缘化,收入波幅在过去8个季度隐隐有下降趋势。这跟英特尔收回它们的专利授权、以及一些专利授权合同结束有关。但总体来说,这是一块持续的现金流业务,但对目前的估值可有可无。

职业虚拟化(Professional Virtualization)业务在落地场景上更多的是与VR相关,但在应用层面选择不多。包括已经出现的硬件产品如Google glass销量欠佳、AR产品如微软的Hololens也没有大规模量产。我自己能想到的产品端应用更多的是与体育赛事转播、电子竞技游戏有关。总体来说,比起无人车,这块业务可能要更晚地去发挥其作为英伟达收入增长点的作用。

再看支柱型业务——游戏,其实市场担心较多。因为即便英伟达已经自称转型成为人工智能企业,但是游戏业务依然占据50%的收入。同时,它现在的估值在40—60倍的区间,市场非常担心游戏业务增速下滑会影响到整个估值基础。

11.jpg

上表显示,游戏业务17财年的第二季度和第三季度之间的环比增速接近在50%左右,但是到了第三、四季度,环比增速就下降了。当时市场认为英伟达的这块游戏业务的增长已经放缓,现在的估值有一点高起,数据中心的增长也不及预期,它的股价在90-100区间一直波动。但是在最新一个季度,数据中心的业务收入增长有了大规模突破,市场便无视了在游戏业务的周期性下滑。一季度肯定会比四季度的收入更低,这几乎是所有上市公司都会出现的现象,叫作季节性变动因素。

那么,游戏业务对英伟达的影响究竟有多大?我觉得这是一个很复杂的问题。因为游戏业务的增量市场不断增长,电子竞技对游戏业务的支持也很大。英伟达最近与任天堂的Switch游戏机合作为英伟达单季度带来了接近2亿美金的收入,Switch这款产品依然处于供不应求的阶段。

将更多AI科学家收拢至CUDA系统是更重要的事

但是,相比于游戏业务平稳增长或略微下滑的波动,更重要的是它在人工智能产业这两块业务上的增长速度。就像我之前说的,英伟达现在最重要的事是占据更多的市场份额,尤其是在数据中心和无人车这一块,然后尽快建立行业标准,将更多AI科学家收拢到它的CUDA系统下。

说到CUDA系统,我之前说过人工智能的三个要素为AI科学家、算力、数据。在AI科学家方面,英伟达正在进行AI科学家培训,培训总部设在美国硅谷,今年的计划是培训10万名AI科学家,这个规模比去年扩大了10倍。最重要的是让这些数据工程师或者说计算机科学家去使用它们的CUDA系统,学习利用GPU作为人工智能的通用芯片去进行深度学习的研究以及应用,然后为整个市场创造更多的需求。这一块其实就像特斯拉开放专利权去尽快建立行业标准。根据它的报表披露,上一个季度的增长加速度很大程度源于深度学习的加速训练需求,也就是说它需要更多的算力。

算力市场以及人工智能行业展望

最后我再简单地讲一下算力市场以及人工智能行业的展望。人工智能的培训分为训练和推断两个过程,在训练这个过程里有一个叫作加速训练的市场需求,预估到2020年的时候,人工智能加速训练市场规模在40亿美金左右;训练大概有110亿美金的市场份额;推断价值在150亿美金左右。

12.png

13.png

另外一方面,英伟达还提出了一个AICity的概念,也就是智能城市,在一些城市的基础设备上,比如安防、车牌识别、安全预警等,会嫁接进云系统,之后可能会介入更多数据的分析和识别。

智能城市以及像医学、金融的需求是比较临近和切实的,在算力市场上的需求还会增长。英伟达需要做的就是占领更多的市场份额。就像花旗的卖方分析师的预估:如果英伟达能够在数据中心占据50%的市场份额,那么它现在的估值可以直接达到1600亿美金。

这几项业务其实都是一个高毛利润的业务,从简单的毛利润指标上就可以看到,英伟达的毛利润率从两年前的55%左右的区间增长到了现在的58%-60%,提高了接近3个百分点。

公司分析方法知识点:看懂财报的利润表

同时,本章节的知识点为看懂财报的利润表。其实主要看两项:收入和净利润,此外再看一个毛利润。

收入主要看收入可持续性。收入的增长具有惯性,能够在连续几个季度或连续几年的增长中去发现其同比或环比增速是在加速度还是减速度,进而考量它在业务上是否具有持续性、或者处于加速发展、或者潜在的下降状态。然后根据财务报表的平均增速预测未来的增长情况,以及根据它的业务模式考量增长空间,对于一些周期性行业尤其需要着重考量。

毛利润跟产品的生命周期比较相关,高毛利润的产品能够保持比较好的现金流以及健康的商业生态。净利润就是扣除费用后的利润收入,主要是看企业的整体经营效率,尤其是它的收入增长是否依赖于营销的投入。

有的企业可能会通过虚增收入的方式增加净利润和收入,比如说提前确认收款,在后续的财务季度中又说这笔合同取消;还有的情况就是关联销售收入。最主要的就是要看净利润收入和现金流是否匹配。

4、香橼重磅阻击做空,6大风险提示实则论证乏力?

最近,美国的一家做空机构香橼发布了做空英伟达的报告,认为英伟达股价目前处于高估区间,应该会跌回130美金左右,并且劝告投资者是时候区分什么是赌博什么是投资了。在聊香橼的报告之前,先简单地跟大家科普一下美国股市的基本情况。

美国注册制的自由市场孕育出大批做空机构

简单地说,美国是一个注册制市场,想在美国的股市,比如纳斯达克上市的话,只要保证披露的文件合法合规即可,并不要求营收保证等。不同于中国证监会的审批制,美国股市将整个企业价值和一些问题的挖掘都交给了投资者,那么在这种自由市场上就会出现一些以做空为目的同时进行获利的公司,比较典型的就是像以前做空过新东方和分众传媒的浑水。

回到香橼这份报告上来说,香橼其实是一家比较高产的做空的公司,总是会采取一些利用市场波动的规则发布报告,比如说某些股票进入一个超涨区间后可能会回调,或者说针对热门股票向投资者提示风险。英伟达有可能刚好就是处于这样的市场状态下。

其实我们要感谢做空公司,因为作为一个多头或做多者,你所考虑的东西其实应该是空头考虑的东西,这样才能够去预防风险。

这份报告给出了6条看空英伟达的理由:

做空理由1 估值倍数处于高位

公司的倍数估值无论是从绝对还是相对角度都处在高位。这个问题我在最开始就说过,为什么英伟达的估值从二三十倍的市盈率进入了五六十倍的市盈率?因为它赶上了人工智能的红利热潮。

人工智能特别是在深度学习方面,会需要像GPU这样的芯片去做一些海量的大规模数据运算,这刚好就是英伟达的优势以及技术储备。因此,英伟达根据这个优势发展出了数据中心和无人车的业务,具有非常强的独占性。所以,市场给予了它很高的估值溢价,因为谁都不想放过每一个可能会改变世界的公司。

对此,我觉得从一个历史区间去判断它现在的高估其实是一个不太恰当的理由。

做空理由2 数据中心业务竞争激烈

数据中心业务方面,公司面临的与Intel、AMD、Google以及赛思灵等公司的竞争是一个比较核心的问题。但并非这些公司会对英伟达造成严重的竞争压力,最重要的问题是现在在人工智能尤其是学习这个方面,GPU依然是一个通用型的芯片。而Google推出的TPU这样一个基于Tensorflow架构进行优化的人工智能芯片,其第一代没有训练功能,第二代才有训练、以及推断功能。从直接竞争上来说,GPU和TPU之间的竞争可能会远远高于公司之间的竞争。

在我看来,Intel这家公司是做CPU的,它自己又是一个3000多亿市值的公司,公司尾大不掉,在战略转型上会有很多困难和压力;而AMD是一个万年老二企业,在执行、战略布局以及流程等方面都会有很多管理层都未意识到的细节,导致其产品最终不尽人意,很难与市场上的龙头产品进行竞争。

英伟达的CEO黄仁勋就说过一句话:“英伟达和AMD之间的实力的比较是0和9的比较。”他认为AMD完全没有竞争力。Google的Tensorflow和TPU其实是一个比较复杂的问题,我之后会找专家来进一步地跟大家探讨。单我自己看到的就是,在通用芯片领域,英伟达几乎没有对手。

但是在定制芯片领域,大家都在同一起跑线上,至少在现阶段大家还没有进行竞争,英伟达依然还有很大的优势。而赛灵思的FPGA其实是一个过渡性方案,依然是一个比较阶段性的产品,一旦进入量产阶段,定制芯片才是真正的方向。

做空理由3 公司核心业务增速放缓

公司的核心业务增速正在放缓,游戏业务原来年增长49%,现在季度下跌24%,尽管交货时间已经缩短、增速放缓,但游戏业务仍然占到公司总营收的55%。这个问题之前大家也看到了,特别是17财年第四季度季报显示,当时整个数据中心和游戏业务增长放缓,市场认为英伟达的股价在短期内可能高估了,所以一直处在盘整和调整区间,也就是在99-110美金左右。最新的季报中,数据中心业务得到了巨大突破,尤其是在人工智能加速训练方面的需求开始突破。另外一方面,和任天堂Switch的合作让游戏业务在第一季度保持了相对平稳的增长。

总体来说,游戏业务的现金流可能会对英伟达的中期基准估值有一个锚定区间,但核心问题还是要看数据中心和无人车这两块业务的增长情况,尤其是今年以来的增长情况。尽快建立一个行业标准,占领很多市场份额是英伟达现在一定要做的事情,也是大家可能要去跟踪这家公司的话一定要关注的一个指标。而有些业务的话我觉得应该还是会处于一个比较平稳的区间。

做空理由4&5 应收帐款账期的增长以及库存的飙涨

第四个和第五个是讲应收帐款账期的增长以及库存的飙涨。其实像英伟达这样的公司,它不像一般的电子商务企业,尤其是零售类的企业,账期和库存这两块对它的影响其实没有想象中那么大。如果发现它的产品滞销的话,作为一个游戏玩家肯定会感觉得到,但是现在我们可以看到GPU这一块的产品除了AMD在性价比上构成挑战之外,英伟达的显卡依然具有绝对领先优势。

做空理由6 估值指标严重透支了其增长潜力

香橼认为英伟达的估值指标已经严重透支了其增长潜力,它假设公司目前的年增长能够达到30%,那么对一个周期性的行业来说,6.2倍的EV/SALES(企业价值与销售额的比值)以及超过30倍的每股营收依然是一个非常高的数值。

这句话里面有比较有意思的点在于,人工智能到底是不是一个周期性行业,我们还不知道;第二,人工智能现在有可能处于新科技应用曲线的第一个波峰,也就是说它有可能短期内是一个泡沫。但是这对估值的说服力还是不够的。

总的来说像这种有可能会改变世界的公司,你给到一个看起来相对高估的区间是一个比较正常的数字。每个人的风险偏好都不同,估值这个东西牵扯的因素太多了,如果从不折实只折股的角度来说,英伟达目前的基本面其实并没有很大的改变。

华尔街的分析,仅仅因为股价的新高自己就将目标价格翻倍只能表现出那些投行唯恐错过的心理。这个问题其实指的是花旗银行,因为他们的卖方分析师将英伟达的股价从90美金的目标价调整到了180美金左右,当时华尔街认为在数据营收中心这个方面英伟达能够占到50%的市场份额,若真如此,我觉得直接对标Intel这样的公司3000亿美金,相当于每股300刀其实是没有问题的。

5、AI对谈:这家公司树立起了行业壁垒,但股价表现也基本消化尽了市场预期

在本章节,我将和一位专家访谈。吴野老师,网名空名流转,是我非常崇拜也非常认可的技术领域积累深厚的IT工程师,他目前正在美国西雅图的一家人工智能公司从事相关工作。这次我邀请到他主要是希望能够从更专业的角度解答一些英伟达在产品、战略上的关键问题,能够让大家对英伟达有一个更深的认知、能够了解来自专业角度的回答、能够对英伟能够有更清晰的了解。

英伟达GPU在行业中的应用具有独占性

Cody:英伟达公司的GPU芯片在人工智能行业里人应用很广泛,大家可能都用它来做一些深度学习方面的应用,这个产品在你们公司是怎样的应用情况?包括您平时工作会用到这种产品的情况是怎样的?

空名流转:我现在的工作并不直接使用到GPU本身。因为我现在做的事情是图像物体识别和语音信息提取,这在传统意义上来说算是Deep Learning(深度学习)最早进入的领域之一。所以现在我们这边的系统也以各种深度学习模型为主,但我不直接参与模型的开发和算法,主要工作是做相关的平台、工具链,包括怎么去为其复现问题,以及相关软件的优化工作,算是AI行业的周边。

现在,我们最大的集群基本上都是英伟达的产品,因为目前的Deep Learning情况除了Google有自己的TPU之外,其他公司其实都没有自己芯片的Dog Food,所以也只能选择采购其它芯片。我们公司也是一样采购了英伟达的GPU集群,来做深度学习的事情。

Cody:所以说相当于英伟达的产品具有独占性,只能选择它一家是吗?

空名流转:对,因为你没有其他的或者不用GPU,如果你要用的话,基本上只有英伟达可以选了。

对阵GPU ,谷歌TPU不断升级但无甚优势

Cody:Google的TPU和英伟达的GPU在这个行业争论较多,包括第一代的TPU没有涉及训练功能,第二代的TPU才有训练功能,如何看待这两块产品,或者在整个行业的竞争情况?

空名流转:传统来说,我们把深度学习的应用分成两块:一块是训练;一块是Inference,相当于用应用模型去求结果。训练和计算看起来非常相近,但实际上在实施的时候还是有很多区别。

比如说训练必须是单精度复点数,就是必须要有32个位元的精度;但是到真正应用的时候只需要8个位元就够了——这样的差异就决定了模型的使用和训练是两个不太一样的运用。第一代TPU考虑到使用精度要比训练低,认为没有必要在使用时用这么高精度的设备,所以他们选择了用低精度的方式来通过模型计算结果。

二代过后,发现还是希望在训练当中能逐渐取代英伟达现在在GPU中的地位,Google可能希望把芯片变成一种In House,即公司自己持有的工具,从而降低整体采购成本,所以第二代的TPU加入了训练量。但Google没有爆出很细节的架构上的资料,但是可以想象的到,这次的复杂程度要比一代要提升很多很多倍。

Cody:Google现在也不向第三方提供TPU的产品和服务,它以后有没有可能进行大规模量产,直接在整个市场上与英伟达竞争呢?

空名流转:从内部工具真正变成企业应用其实有很长的一段路要走。我不知道在硬件上Google有没有这样的希望,但是起码在软件上它目前为止所做的很多努力都是失败的,包括它在云端、在办公领域和office产品进行竞争的一些努力,到目前为止来说都是失败的。所以,我个人不是特别看好他们的TPU能变成其他数据中心所使用的驱动产品。

而且,很重要的一点,常态来说,我并不认为TPU对目前的GPU能够形成很明显的优势。特别是在英伟达自己的GPU也在不断更新的情况下。

CUDA系统已树立起市场壁垒,后进者成功难度极大

Cody:您刚才提到软件方面,我们知道英伟达的GPU有一个CUDA系统,其相对于Tensor Flow更底层一点,相当于一个上游的虚拟。英伟达自己也在做一些AI科学家的训练,它是不是想建立一个行业标准,让更多的AI科学家去使用它们的CUDA系统、使用它们的GPU,从而占领更多的市场份额?

空名流转:实际上,英伟达很少会为公共标准做出努力。它们应该是从05年开始做CUDA,当时引进CUDA是为了取代一部分物理模拟,以及一部分诸如地质勘探、核爆运算这种大规模的运行计算,也就是取代70、80年代大型机的地位。

它们当时并没有意识到Deep Learning会像现在这么火爆、能够应付这么多的计算量,做出CUDA也只是为了加速线性代数的计算,这是CUDA一开始的起源。作为一个之前从事过GPU设计的业内人,我并没有见到英伟达在CUDA的标准化上做过多少努力。而且现在事实上的公共标准并不是CUDA,而是Open CL,其他还有类似于Open ACC也是相关的公开标准,英伟达只能算是组织的一部分,这并不代表英伟达要把CUDA捐献出去作为一个公开的标准。所以我个人认为CUDA在一开始的时候可能就是作为它企业私有的标准软件而出现的。

Cody:那它能在这方面建立一些类似于护城河一样的东西么?

空名流转:现在CUDA本身的软件品质、库的丰富程度,包括其他的商业软件已经替它完成了壁垒的构建,因为其他包括像Open CL、苹果最新发布的Metal 2,它们都试图进入计算领域,但是我个人认为它们成功的可能性已经很小了。

Cody:所以英伟达的先发优势是一直存在的,而且之后可能也会进一步地加深?

空名流转:可以这么说,可以认为英伟达在这一块既先飞而且又飞得比较远。

数据中心与人工智能云

Cody:能简单地介绍一下数据中心或者人工智能云这块的情况么?

空名流转:虽然我们现在做的是数据中心一样的工作,比方说有大量的数据存储、后台分析,但是我并不清楚其他公司的数据中心是怎样建设的。我觉得人工智能云与其说是云,但就目前为止我们所见到的状况来看,大家可能主要还是直接使用它的结果,而不是把人工智能计算本身作为一种服务包拢出来。能说人工智能云是有的,但是最起码GPU的云是有了,包括Amazon等都有这个业务存在。但是它们的GPU未必完全是为了人工智能,只是因为现在Deep Learning这么火,可能会有公司租用有GPU、有CUDA的机器做人工智能的训练和计算,而目前来说在市面上看到的这些云产品和运算结点,其实都是英伟达的产品。

Cody:所以阿里巴巴、腾讯,包括IBM和英伟达的合作也只是采购它们的产品,会有它们提一些类似于服务上的需求,让英伟达进行技术支撑之类的情况出现么?

空名流转:这个应该是有的。

英伟达芯片优势突显,GPU已实现深度定制

Cody:我们可以看到英伟达在最新季报表上面数据中心业务环比增长进一步加速的情况,他们解释称这个需求来自于人工智能训练的加速需求。另外一方面他们也在讨论通用型芯片和定制性芯片方面的优劣势,有人认为如果出现了比较落地的人工智能场景或产品之后,定制芯片会取代GPU这种通用芯片,您怎么看这种情况?

空名流转:我觉得这是完全有可能的,如果定制芯片(其实严格来说不是定制芯片)的应用场景特别多,那我觉得英伟达也可能把它和Deep Learning相关的产品从消费线的GPU上给单独剥离开,我觉得是有可能的。

但是如果从技术角度看的话,这两者的产品间没有多大的区别。实际上现在的GPU已经实现高度适应,特别是从英伟达刚刚宣布的Volta的情况来看,已经加入了张量计算,其实对于深度学习已经是非常深度定制的芯片了。所以只是论芯片的技术特征的话,我并不认为会出现更加特殊的、GPU完全无法覆盖的芯片,但是,进化到图形的属性慢慢退去是有可能的。

Cody:所以说在这个方面,英伟达和别家也基本上处于同一起跑线、甚至还领先一点的状态?

空名流转:应该说英伟达领先许多。从对场景的理解和分析上、对芯片的设计和制造上、包括和台积电或其他供应链上下游的关系、以及图形产品对其产能带来的利好来说,我觉得英伟达几乎都有非常明显的优势。

可能其他传统芯片公司有与之竞争的余地,但是如果是第三方的芯片公司进入这个领域,比方说Google、Amazon、Microsoft这样的公司,不说领先,如果想取得一定的市场份额,恐怕都需要和英伟达有一场苦战。

未来关注点:业务增长点数据中心已消化预期,无人车蓄势待发

Cody:您自己也是英伟达的股东,如果持续性关注英伟达的话,我们应该关注哪些技术上的细节或者说比较重要的点,能提供一些自己的观点么?

空名流转:从技术或者从产业上来说,我是比较相信英伟达的。第一,英伟达目前的个人消费市场一定是处于缓慢下滑的阶段,这是毋庸置疑的,因为整个PC市场在萎缩;然后看整个游戏行业,我觉得如果PC行业再多萎缩一些的话,可能会对整个桌面平台的游戏行业产生雪崩性影响。但现在有个利好是目前几大主题厂商已经和PC慢慢靠拢了,以至于游戏的移植在不同平台之间会容易得多,但我仍然认为这对个人消费市场来说不是一个特别好的趋势。但是像X 86一样,它的后退也会比较缓慢,持平应该是问题不大。

就英伟达现在整个财报来说,我觉得目前铁板钉钉的增长点是数据中心业务,该业务现在是150美金左右的股价,我认为已经把预期消化得差不多了。我听过有高盛的分析师对它的评估是180,或者更冒进的是300,但300美元意味着2000亿美金的市值,这几乎是在垄断了中小服务器、数据中心和个人电脑的英特尔在巅峰期才拥有的市值。所以我觉得英伟达如果想在最近1-2年达到这个市值光靠数据中心业务还是有些困难的,但是作为预期来说它目前的股价是合理的。

还有一块蓄势待发、但是我们并不知道能做到什么程度的业务是车联网、自动驾驶。未来的车载IT分为两部分:一个是通讯,即传统意义上包括打电话、类似于Car Play的车载系统;还有一部分是无人驾驶,即为驾驶所服务的部分。前一个部分,我个人认为英伟达相较于高通、英特尔这样的竞争对手来说,并没有很明显的优势。但是后面这个领域英伟达相对来说进入地比较早,是一个非常有潜力的点。它的不确定性体现于两个点:第一,在近3-5年内到底能不能作出真正的无人驾驶;第二个,如果真的能做出真正的无人驾驶,届时英伟达在整个市场中能占有多少份额。

数据中心大量地建立在开源上,很多东西都属于共享的内容,越是共享出来的部分,其实集中性往往会越强。而对于完全私有的系统,那么是不是车厂也会来分一杯羹?或者中间一些芯片业务会不会强强联合单独做一个封闭性生态?即比较接近于IBM大型机的业务,它每一个业务相对是独立和封闭的,那么这样的生态是否会对英伟达造成打压?

对于有志进入AI行业者的建议

Cody:我最后再问一个问题,可能许多从事计算机行业的人比较感兴趣。您自己在人工智能行业从业,对这个行业有什么比较简单的看法?如果想进入这个行业,您能提供比较好的指导意见么?

空名流转:严格来说我只能算是从事人工智能行业周边的工作。从我的角度来说,首先,人工智能行业对传统工程的应用和一般的大型信息系统、后台前台、软件设计并没有太大的区别。人工智能也只是整个产业链的环节,你完全有机会或以后也有很大机会和人工智能打上交道。但如果去做人工智能最核心的业务,即就是模型或者系统本身,比方说写Tensor Flow、Caffe,那我还是建议需要比较好地完成在整个计算机知识上的构建和教育,就是去读本科、硕士,或者直接去读相关的博士,这是我目前的建议。我周围做Model方面的工作的同事也基本上都是相关专业博士出身,因为这块相对来说比较前沿,也比较有技术含量,并不是一般性的工程人员能做的。

(编辑:肖顺兰)

智通声明:本内容为作者独立观点,不代表智通财经立场。未经允许不得转载,文中内容仅供参考,不作为实际操作建议,交易风险自担。更多最新最全港美股资讯,请点击下载智通财经App
分享
微信
分享
QQ
分享
微博
收藏