强如Intel，可望不可即
投资要点
行情回顾：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％，创业板指数上涨0.06％。
GPU硬件结构精密复杂，是长期技术演进的结果。高级图形处理步骤较多，包括顶点处理、光栅化、纹理贴图等步骤，给予支持的是底层精密复杂的硬件结构。以2018年英伟达推出的Turing架构为例，其包含4608个CUDA Core（普通运算单元，包含1个INT32单元和1个FP32单元），576个Tensor Core（深度学习矩阵运算单元），72个RT Core（光追单元）等细微构成，相互协同工作。英伟达硬件架构每两年升级一次，从英伟达2010年正式推出第一个完整的GPU计算架构Fermi以来，已经迭代5次，每一次都是对硬件的升级与改进。
算法与生态是GPU的软实力。GPU图形渲染需要用到计算图形学，计算图形学是一门复杂的学科，涉及数学、物理等多种知识。模拟真实世界是十分困难的，树叶抖动、头发丝被风吹起、水波荡漾这样看似平常的场景，在计算机上实现的背后是大量的图形算法。软件生态是GPU厂商的重要竞争屏障。一方面，英伟达与行业伙伴形成商业合作或者互相授权；另一方面，英伟达推出供软件开发人员使用的CUDA平台，形成开发人员社区生态，截至2020年，CUDA已经成为全球高级图形处理和AI计算的权威，影响力堪比IOS，助力英伟达成为全球GPU龙头。
图形处理比AI计算技术壁垒更高。功能上，图形处理和AI计算本质上都是并行计算，但是图形处理多了图形处理相关模块，AI计算可以比作图形处理的“删减版”。算法上，图形处理算法涉及模拟真实物理世界，需要考虑物理、数学等多种问题。GPU比FPGA和ASIC技术更难。功能上，GPU兼具图形显示与AI计算，性能更强。算力上，GPU内核算力更强，GPU做图形渲染需要双浮点精度，而仅用于AI计算的FPGA和ASIC最多只需要单浮点精度。
Intel二十多年多次研发GPU，仍未成功。英特尔最早的GPU研发可以追溯到1997年，英特尔通过收购C&；T获得了2D显示核心技术，3D技术源于拥有20％股权的Real3D。1998年，依靠Real3D的技术，英特尔推出了第一款独立GPU i740，但后续因为研发结果不理想等原因，Intel未再继续研发独立GPU。2007年，看到英伟达开启GPGPU战略、推出CUDA，英特尔为保持优势，计划重新推出独立GPU产品Larrabee，但由于研发进度不及预期、性能不佳等原因，Intel于2010年5月宣布取消独立GPU研发计划。2020年，Intel又推出了全新的独立GPU架构Xe，但直到2021年10月，Intel仍未推出自己消费级的独立GPU产品。
GPU技术壁垒极高，国产化之路道阻且长。GPU设计是一项系统工程，包含硬件架构、算法、软件生态等多个组成，缺一不可，壁垒极高，CPU巨头Intel近二十年多次尝试踏足高端GPU领域，皆未成功。相对于FPGA和ASIC，不论是从功能上，还是硬件上，GPU设计难度都更高。GPU的自主研发之路是艰难且漫长的，由于没有像ARM一样的第三方IP授权厂商，GPU设计商必须完全自主研发，从零做起，难度较大。推荐国内唯一一家实现GPU大规模商用生产的厂商景嘉微，技术完全自主研发，产品性能领先。
推荐标的：推荐景嘉微、太极股份、卫士通、用友网络、中国长城、太极股份、金山办公、奇安信等。
风险提示：1）信息创新、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。
本文源自金融界网
