Nvidia投资分析4:Nvidia vs AMD

前言:(2022/2/10)

这是我2020/7写的一系列关于Nvidia的投资分析。过了一年多我回过头来再读这几篇文章,觉得还是有可读性。我原来是把它放在微信公众号上的,后来被永久封号了。我决定再把它贴出来,跟大家分享一下。

林以(ylin30@gmail.com,2020/07/27)

引言

1、Nvidia对AMD的优势

1.1、市场优势

图一、独立显卡市场份额(15Q1–19Q3)

值得注意的是,虽然AMD 2020Q1占了25%左右的独立显卡的市场,但是这里头主要是游戏市场,而不是跟AI有关的(数据中心和汽车两个业务)。我没有找到AMD相关的详细数据。但是,Nvidia的主要营收已经从Gaming转到Data Center。图二显示Nvidia的Gaming营收最近两个季度正在下降,而Data Center最近一个季度有18%的环比增长和80%的同比增长。它预测Data Center的营收会马上(2020Q2)超过Gaming。

图二、Nvidia Revenue

Nvidia目前的战略是把自己定位为AI公司(而不是游戏显卡公司),数据中心业务第一。它最近收购了已经专注于数据中心网络连接的公司Mellanox。而AMD主要还是在Gaming上。图一中大家可以看到2018Q2到2019Q2这段时间有点起伏。根据我的分析,这是因为比特币市场的起伏带来的。2018年比特币挖坑特别火,Nvidia的GPU大卖,所以Nvidia的市场占有率上去了。但是2018年底比特币掉价,矿机卖不出去,Nvidia少了不少业务。这样AMD的比例就上去了。2019Q3以后基本又回到比特币以前的状况。大家可以参考图三,比特币的价格时间曲线基本上跟图一2018–2019年的趋势吻合。图一有点滞后,因为对GPU的需求反应到财报上有些滞后。

图三、比特币的价格(source:coindesk.com)

Nvidia在所有的云厂商都有合作。它在硬件加速领域已经是毫无疑问的领头羊。见图四。

图四、Nvidia和Cloud Providers

1.2、软件优势

CUDA是Nvidia 2007开始自研的一套软件API。它是为了让开发者利用充分利用GPU进行平行计算而开发的。如果你买了一个GPU,想用来做深度学习训练数据用,你必须用上特殊的APIs来写你的程序。目前有两种最流行的选择,CUDA和OpenCL。如今几乎所有的机器学习框架(比如TensorFlow,PyTorch,Caffe,Keras)默认都支持CUDA,而OpenCL则是有限的支持。比如三大框架TensorFlow,PyTorch和Caffe2对OpenCL就没有正式支持。感兴趣的可以参考【5】。

Nvidia的GPU支持CUDA和OpenCL,而AMD的GPU支持OpenCL。由于CUDA在所有AI框架上的绝对统治地位,导致AI开发者倾向于买Nvidia的GPU而不是AMD的GPU。有了问题,在IT论坛(比如StackOverflow)上很容易能找到CUDA的相关的问题和开发者,而OpenCL就比较难些。图5可以看到用Nvidia CUDA的开发者是指数增长的。

图5、Nvidia CUDA开发者

Nvidia的CUDA几乎成为标准的原因跟Nvidia的投入有关。Nvidia从2007年就有了长远的眼光,要给开发者软件上的丰富的支持。它一直投入人力和资源来发展CUDA。CUDA从性能上也比OpenCL强(有的benchmarks是10–15%,有的号称是30%)。OpenCL是开源的。由于AMD进入GPU和AI比较晚,它是通过2006收购ATI得到的GPU业务。而且在2014年现任CEO Lisa Su上台之前,AMD主要侧重于CPU,一直都在Intel的阴影下,几乎破产,没工夫顾得上GPU和AI。这5年来AMD的股票涨了20倍,离不开Su的功劳。我打算下一篇再对比一下AMD和Intel在CPU的竞争。

1.3、Nvidia的无人驾驶汽车业务

图一是Nvidia 2020Q1显示的数据。汽车业务的年复合增长率是22%。Gaming是18%,但是从19年后就下滑了,这跟AMD的竞争有关系。DC是72%。我没在AMD的财报上看到关于汽车行业的单独数据和信息,我假设AMD还没有开始布局。

图6中,GPU在汽车上的应用场景还不少,无人驾驶,地图,sensors,software等。几乎所有的知名汽车厂商和云计算都在用Nvidia的GPU。最近的一个新闻(6/25/2020)是奔驰抛弃和BMW合作的无人驾驶项目,转向和Nvidia合作【8】。Audi 10年前就跟Nvidia合作。丰田2014年开始和Nvidia合作,2019年宣布加强合作(Double-Down)。不过Nvidia也有不利的新闻,特斯拉自己要搞芯片,Nvidia和特斯拉 2019年交恶。Nvidia有一款新品就叫做Tesla,交恶以前为特斯拉做的。它现在逐步放弃这个品牌,最新的GPU架构叫Ampere。

图6、Nvidia automotive业务

2、Nvidia的挑战者Graphcore

首先,Graphcore的2代产品MK2比3年前的第一代MK1快了8倍。一个芯片中的Transistors个数达到59.4 Billion,比Nvidia的Ampere GPU的54 Billion多。然而基于4个MK2的机器M2000比Nvidia基于Ampere GPU的新机器A100要慢,1 petaflops比5 petaflops。我觉得transistor密度只是面上的数据,它们都只不过都用了台积电的7nm制程而已。一个创业公司想颠覆龙头公司,你的产品如果不是好一个量级,很难撼动龙头的地位。更何况你还不如龙头产品。

Graphcore号称它可以扩展到64000个MK2,算力达到16 exaflops。Intel,ARM,AMD只能scale到1 exaflops【10】。Nvidia号称它的Saturn-V能达到5 exaflops。注意这些都是超级计算机。16比5又能咋样呢?能有多少supercomputers的市场呢?Nvidia跟你去拼这个学术指标对它的市场能有多大影响呢?可能Nvidia都没发力。

【9】中列出里Graphcore自己认为的3大优势:

1. Graphcore is developing custom chips for AI tasks

- 某种程度上GPU也是为AI特制的。TPU也是定制的。再说特制又咋样呢?性能比不过或者一个量级的,对Nvidia威胁不大。反而新的架构在软件支持上(记得上面提到的CUDA)不是主流,没人愿意去用的。目前Graphcore号称跟很多公司已经合作采购它的IPU,但是目前这些都只是在做research研究而已。

2. Graphcore’s GC200 offers cheaper per-petaflop processing power

- Nvidia的成本是 39800美金/petaflop,Graphcore是32450美金/petaflop。7350美金的差别并不是特别的大,如果你是公司的决策者,你愿意省1/6的价钱冒险去买一个特别偏门不成熟的产品吗?

3. Graphcore is backed by venture capital

- 这个反而是暴露弱点。VC怎么可能比Nvidia有钱呢?Nvidia 2019一年在R&D上花的钱是2.839B美金,而且源源不断地产生现金流。Graphcore目前总共才融了1.95B美金,一直在烧钱。这个行业可是特别烧钱的行业。

所以在这个阶段,Graphcore不会对Nvidia造成威胁。如果它的性能和性价比不是跟Nvidia有量级(10倍)的差异,我觉得它不会有太多的机会。我宁愿相信AMD,毕竟这几年AMD发展挺猛的。

3、小结

我还会继续比较Nvidia和AMD的财务数字。敬请关注!

备注:今天(7/28/2020)AMD的财报出炉了。我具体还没仔细研究。但是AMD的GPU业务是萎缩的。

References:

2、林以,投资分析-技术篇2-AI的发展

3、林以,投资分析-技术篇3-GPU

4、Jon Peddie,Global GPU market’s growth blunted by COVID-19 in Q1’20, 6/1/2020

5、Nikolay Dimolarov,On the state of Deep Learning outside of CUDA’s walled garden,Jun 5,2019

6、carsguide.com.au,How many cars are there in the world?

7、Reddit,Nvidia GPUs over the years,7/21/2020

8、Forbes,Mercedes Drops Partnership with BMW,Hooks up with Nvidia on self-driving:Robocar Roundup,6/25/2020

9、fool.com,Nvidia faces a tough new rival in AI chips,7/17/2020

10、tekdeeps.com,Graphcore chanllenges Nvidia Ampere AI Chip with new MK2 IPU,7/19/2020

--

--

Interested in investment, databases, coding

Get the Medium app

A button that says 'Download on the App Store', and if clicked it will lead you to the iOS App store
A button that says 'Get it on, Google Play', and if clicked it will lead you to the Google Play store