香橼做空英伟达：1年半股价增长624% AI还是泡沫？(3)

1. 不管是从绝对还是相对的角度来看，公司目前翻了几倍的市值，都是处在10年以来的顶峰；

2. 在数据中心，有着激烈的市场竞争：Intel (Knight’s Mill), AMD (Naples), Google (TensorFlow), XLNX (FPGA)以及很多资金充裕的初创企业。

3. 英伟达最大的部门——游戏的增长正在放缓，虽然年增长率达49%，但是现在季度增长已经下跌24%，尽管许多频道都在对报道英伟达产品紧缺。并且，虽然增速放缓，游戏业务仍然占到公司总营收的55%；

4. 应收账款正在增加——DSOs由历史的35天平均水平增加到46天的水平（这可能是公司试图维持现在高股价的一个伎俩）；

5. 库存增长——季度增长3%，但同一时期销售下跌11%。这是非常高的水平（又一个公司试图维持高股价的迹象）；

6. 估值——公司的股价峰值已经是其潜在挣钱顶峰的好几倍。即使假设年增长能够维持在强劲的30%，对于一个周期性的行业来说，6.2倍的EV/Sales及超过30倍的EPS依然是一个非常高的数字；

7. 华尔街的分析——仅仅因为股价新高之际就将其目标价格翻倍只是华尔街跟风的一种表现。

@所有人，投资须谨慎。

报告原文地址：http://citronresearch.com/nvidia-trade-back-130/

报告看点：英伟达是否被非理性繁荣所驱动？

正如香橼报告所提到的，投资者高价买入英伟达股票，很大程度上是看重了英伟达在新兴业务上的发展潜力，具体说来，就是AI、数据中心和自动驾驶。但是谷歌是这三个市场上公认的领导者，这对英伟达来说，绝对是一个极大的阻力。

虽然GPU VS TPU的战争现在还胜负难分。但是，仅仅在数据中心的竞争，英伟达就面临着一大批强劲的对手。

英伟达占据了深度学习市场的绝对地位。但是值得注意的是，英伟达的增长很多来自游戏，受益于AMD的份额减少，而不是新的目标市场。英特尔体量是其他两家公司的很多倍，但是在深度学习硬件市场占比不多。不过，英特尔在和英伟达的授权交易中已经获得了这个知识产权，这对2017年的英伟达的EBITDA（未计利息、税项、折旧及摊销前的利润）有很大影响。

此外，对于这些芯片厂商来说，现有客户某种程度上也变成了竞争对手（比如Google的TPU，Apple等）。

英伟达VS谷歌：GPU 与TPU

TPU 是谷歌特别设计用于神经网络计算的芯片。谷歌在年度Google I / O 大会推出了TensorFlow Processing Unit（张量处理单元，TPU）的第2代以及Cloud TPU。一时间引起业界热议。

与谷歌的第一代 TPU ASIC （专用集成电路）不同，Cloud TPU 被设计用来支持 AI 的神经网络训练或推理的使用。第二代 TPU 芯片为机器学习提供每秒45万亿次浮点运算（约相当于16位 TFLOPS），大约是英伟达P100（20 TFLOPS）或AMD即将推出的 Vega GPU（25 TFLOPS）的两倍。不过，它还不够英伟达新推出的 Volta 芯片快。Cloud TPU 封装在一个4芯片的模块上，具有把这些强大的处理器连接起来的结构，可以实现非常高的处理性能。这种 scaling 的功能很重要，因为这样的话可以利用几乎是无限的加速器供应来训练神经网络。

更为重要的是谷歌的深度学习框架、云和TPU等资源是互通和绑定的，这让它得以形成循环，逐渐笼络到更多的开发者。正如前文所说，谷歌已形成以AI战略为中心的完整平台，并且在将这个平台逐步推向企业、开发者和个人用户。

英伟达 VS AMD

目前人工智能最流行的是大规模的并行GPU和CUDA框架。英伟达和AMD都做GPU超过十年了，但现在英伟达成为人工智能市场的主宰者，同时，就在几个月前，市场起来的时候AMD甚至没有一席之地。什么原因？

有人认为，AMD的GPU并没有什么问题。实际上，有时候他们比英伟达还要好。但是，事实上硬件仅仅是整个深度学习所需的一方面。你的软件需要跟你的硬件有效率的通信，全面利用所有的资料。生态系统、库和知识存储可造成很大差异，这正是英伟达占优势并超越AMD的方面。大多数神经网络代码利用了英伟达的CUDA库。AMD也做了OpenCL 生态系统面向开发者，但是它不能很好的支持cuDNN。

重要的是，英伟达专用GPGPU（general purpose GPUs）同时支持OpenCL和CUDA框架，而AMD显卡只支持OpenCL框架。这诱惑着开发者用更流行的CUDA开发程序。

此外，英伟达对开发者非常友好，它有大量知识储备，不仅仅提供统计帮助内容，还以开课和工作坊的形式帮助开发者重头学起。

但是，AMD已采取行动对付英伟达。跨平台支持会带来很明显的问题，如果开发者给CUDA开发软件，那它没必要在OpenCL上面跑。类似的，OpenCL的代码不会在CUDA上跑。所以开发者为更流行的CUDA框架开发软件，这限制了英伟达生态系统的深度学习软件。这是一个很大的问题，必须解决。这正是图像创业公司Otoy切入的地方。这家公司基本上就是对CUDA框架进行反向工程，使英伟达显卡上的程序可以兼容英特尔和AMD做的图像引擎。所以这对AMD是一个利好。

为了跟CUDA架构的交互可以更久一点，AMD年初重启了玻尔兹曼基金。但是关键难题是AMD现在可以把99.6%的CUDA代码移植到它的OpenCL框架。并且整个转换过程是自动的。

这基本意味着开发者不用辛苦地单独为AMD芯片写代码。他们只需要用自动转换工具，AMD系统会对他们开放的。同时，移植的应用立马提升了AMD对深度学习的吸引力。因此这对AMD和开发者是个双赢的事情。双方都从最小的人为干预中获益。

AMD解决了移植问题，现在CUDA应用可以在它自己的GPGPU上面跑。这就意味着投资深度学习的企业现在既可以用英伟达又可以用AMD的硬件，随着高性能的Vega显卡2017年发布，可能更多企业会在他们的深度学习机器上用AMD解决方案。

英伟达 VS 英特尔

英伟达 的 GPU主要是针对图像渲染的，这个跟深度学习有些类似，因此在市场没有更适合的产品出现时GPU成了开发者首选，但实际上，图像和深度学习还是完全不同的。英特尔的首款深度学习芯片的原型Nervana Engine，从基础架构设计上开始就是为深度学习设计的，从而实现了加速深度学习性能上的大幅提升。

根据新智元之前对英特尔所收购的深度学习芯片公司Nervana CEO Naveen Rao的采访，我们了解到，从架构上看英特尔的深度学习芯片比GPU加速深度学习的速度要快十倍。在讲到计算力的时候，比较的基本单元是乘积累加（MAC）运算次数，也就是每秒钟可以进行的MAC次数。英伟达最新的GPU采用17纳米工艺，能提供9到10 TP；英特尔用28纳米的芯片，可以达到超过50 TP的级别。

Naveen Rao告诉新智元，芯片面积有限，上面晶体管的数量是固定的，问题的根本是能够如何利用这些晶体管进行不同类型的计算。英特尔发明了一种新的指标（metrics），叫做“flexpoint”，介于浮点运算和定点运算之间。flexpoint 利用了神经网络的特点，不需要进行完整的浮点运算，这是一个基于张量的架构，不适合进行普通的乘法，但却能配合普通浮点运算芯片，让电路搭建得非常密集。在架构上，英特尔的芯片也与GPU和其他传统芯片不同，是没有缓存的。此外，它的可扩展性非常强，总带宽（Aggregated IO）很多，速度每秒能够达到2.4TB。简单说，这样不会浪费资源去做与深度学习无关的计算，也不会去处理图像数据。

英特尔拥有很强的半导体工艺，同时拥有世界最高密度、最低能耗的工艺，再结合Nervana的架构，将实现其他人无法做到的事情。另外，英特尔的整体研发实力不容小觑。它研发多种用途芯片进行，同时对软硬件技术进行布局。从性能上和易用性上，开发者会选择哪家还能难说。

看数据：英伟达5月财报——收入、利润、现金流、研发、收益率

这已经不是英伟达第一次被香橼做空了，早在去年年底，香橼通过 Twitter 发布做空报告并给出了6点分析理由，称英伟达2017年股价将跌回 90美元（按照当日股价来看，跌幅大约为 20%）。半年之后，英伟达近况如何，我们先来看看英伟达5月份发布的财报信息：

收入增长是任何强劲表现的催化剂，英伟达也没有什么不同。它的季度营收从去年同期的 14.28亿美元增长了 48％，达到 19.37亿美元。随着游戏玩家继续购进英伟达高性能 Pascal GPU，游戏收入同比增长了 49％，从 6.87 亿美元升至 10.27 亿美元。

特别值得注意的是数据中心的收入，从去年同期的1.43 亿美元增长到 4.09 亿美元，同比增长了 186％。这是由于训练人工智能（AI）系统的需求不断增长，在包括医疗、金融、云计算和零售等行业持续发展。这曾经只占英伟达总收入的一小部分，但最近已经增长到总销售额的 20％ 以上。

对增值平台的推动使得英伟达的毛利润持续扩张。最近几个季度的毛利接近了创纪录的60％。GPU 的堆叠过程和对于部门或行业的优化继续发生着作用。

一旦为特定目的完成了某项工作，英伟达就会寻求其他买家，让他们从已经完成的工作中获益。这在 AI 的领域是显而易见的，该公司已经建立了一个即插即用的AI 超级计算机，具有堆叠的 GPU 以及训练深度学习系统所必需的算法。 AI 继续扩展到新兴行业，同时对英伟达的毛利润产生着积极影响。

英伟达在新兴行业的成功并非偶然，而是投资研发的结果。尽管现在已经成为常态，但在五年前，一个公司投资 AI 是非常少见的。五年多来，英伟达一直在为该领域投入大量的研发费用，并持续提升投资的绝对值。

这些投资开始显现成效，数据中心收入的大幅增加就证明了这一点，而尽管近年来研发费用飙升，其在收入中的占比却一直在下降。

英伟达在控制开支和将额外收入转为更高水平的净收入和自由现金流量方面做得非常出色。自由现金流是投资固定资产和运营开销费用后剩余的部分。剩余现金可用于向股东退还资金。

英伟达在财报中宣布，在第一季度已经支付了 8200 万美元的分红，并计划通过分红和股票回购计划在本年度内向股东返还 12.5 亿美元。自 2013 财年恢复资本回报计划以来，英伟达已向股东返还了 41 亿美元，占该期间自由现金流的 85％。