英偉達研究報告范文推薦6篇5英偉達研究報告范文第一篇.盈利預測我們對英偉達的各項業(yè)務收入做如下預測：.消費級顯卡業(yè)務消費級（游戲）業(yè)務主要是個人PC上的以提升游戲和圖像顯示能力的獨立顯卡業(yè)務。由于新冠疫情影響，人們居家時間較多，游戲的需求明顯增加，再加上許多3A游戲需要通過全新一代英偉達顯卡才能達到體驗效果，英偉達全新一代RTX系列顯卡一直處于供不應求的狀態(tài)；雖然AMD推出的顯卡也獲得了好評，且擁有一定的性價比優(yōu)勢，不過由于（1）英偉達在高端顯卡優(yōu)勢明顯，且針對英偉達顯卡進行優(yōu)化的游戲數(shù)量遠超過AMD，因此英偉達顯卡仍是消費者首選；（2）整個市場仍有很大的空間，全球80%以上的PC尚未升級新一代顯卡，與此同時全球PC游戲玩家數(shù)量大幅增長，因此我們預計英偉達游戲業(yè)務的收入仍將保持強勁勢頭。FY2022財報顯示，游戲業(yè)務營收達到億美元，同比增長61%。我們預計，隨著RTX系列產能不斷釋放，疊加RTX帶來均價的上漲，F(xiàn)Y2025游戲顯卡業(yè)務（包括云游戲相關）營收可達億美元，F(xiàn)Y2023~2025的CAGR為17%。.數(shù)據(jù)中心業(yè)務數(shù)據(jù)中心業(yè)務主要指向云服務商提供的云服務器硬件芯片及系統(tǒng)。鑒于AI以及云業(yè)務的快速興起，GPU因并行架構優(yōu)勢將獲得更多的市場份額，英偉達在云業(yè)務的營收迎來了快速的增長，F(xiàn)Y2022的營收達億美元，同比增長58%。我們預計，隨著AI以及云計算的快速普及帶來的硬件配置需求，英偉達數(shù)據(jù)中心業(yè)務將會延續(xù)快速增長的勢頭。Yole預計全球云服務的市場規(guī)模，從2019年到2025年的CAGR為13%，其中GPU的需求遠大于CPU。我們認為英偉達作為行業(yè)龍頭，F(xiàn)Y2025數(shù)據(jù)中心業(yè)務營收可達億美元，F(xiàn)Y2023~2025的CAGR為52%。.汽車業(yè)務我們通過芯片單價乘以芯片出貨量來估計汽車業(yè)務收入。通過對競爭對手Mobileye2020年的財報分析，2020年Mobileye出貨量為1930萬片，營收為億美元，得到其平均售價為50美元；但考慮到英偉達芯片主要是面對L2+級車輛，其單價水平較高，英偉達芯片定價能力很強，我們假定英偉達單芯片平均價格在100美元左右（價格包含相應的軟件服務）。隨著技術的進步，芯片更新?lián)Q代能力變強的同時成本也會有所下降，這兩個因素使得芯片價格會在2021~2025年內維持在100美元。FY2020英偉達汽車業(yè)務收入為億美元，但由于疫情因素，以及新冠疫情對汽車銷售的影響，F(xiàn)Y2021汽車業(yè)務收入下降到億美元。FY2022財報顯示，汽車業(yè)務收入是億美元，同比僅增長6%。但隨著Orin芯片放量在即，疫情逐漸恢復后汽車整體銷量恢復疊加智能化汽車開始放量等因素，英偉達汽車業(yè)務FY2025營收可達億美元，F(xiàn)Y2023~2025的CAGR為86%。.專業(yè)解決方案業(yè)務Quadro術，將高性能GPU嵌入戴爾、聯(lián)想等PC中打造專業(yè)圖形工作站的業(yè)務。此項業(yè)務客戶主要為圖形圖像相關的建筑設計、醫(yī)療影像、影音等公司，F(xiàn)Y2019~2021營收為億美元，整體營收較為穩(wěn)定。值得注意的是，英偉達目前將全新推出的Omniverse歸入此項業(yè)務之中，而Omniverse數(shù)年后的收入情況。我們相信Omniverse長曲線，但近三年可能還無法非?？焖俚某砷L，我們預計FY2025案業(yè)務營收可達億美元，F(xiàn)Y2023~2025的CAGR為51%。（本文僅供參考，不代表我們的任何投資建議。如需使用相關信息，請參閱報告原文。）精選報告來源：【未來智庫】。英偉達成為云計算和AI這個未來“金礦”行業(yè)的芯片及服務器等“鏟子”工具——GPU的主要供應商，2020年以來以AI和云計算為主要服務對象的數(shù)據(jù)中心業(yè)務營收規(guī)模已經和游戲業(yè)務相當。英偉達創(chuàng)始人、CEO黃仁勛于2021年6.采用并行計算的GPU天生適合AI領域的運算英偉達研究報告范文第三篇.GPU簡介多核心的并行結構GPU比少核心串行結構的CPU更適合處理圖形圖像（矩陣結構）信息。CPU（CentralProcessingUnit，中央處理器）計算機遇到的所有指令。GPU（GraphicsProcessingUnit，圖形處理器）是圖形計算的重要元件，主要用來處理與與圖形圖像相關的數(shù)據(jù)，在高端PC中通常會有獨立GPU，以獲得更好的視覺體驗。他們二者的區(qū)別主要是，CPU通常有4個、8個或16個強力ALU核心（arithmeticlogicunit，輯單元），適合做復雜的通用串行任務；而GPU可能有數(shù)千個簡單ALU核心，適合做簡單特定的并行任務。我們通過以下的例子來說明CPU和GPU的差異：CPU就像一個大學生，可以進行微積分等復雜計算，但若要在短時間內完成幾萬道加減算數(shù)問題，也是很難辦得到的；而GPU就像幾百個小學生，雖然都不會微積分等復雜計算的能力，但人數(shù)多，可以在很短時間內完成幾萬道加減算數(shù)問題。也有例子把CPU比作跑車，GPU比作大卡車，對于將少量貨物從A運到B來說，是作為跑車的CPU更快；但如果貨物非常多，那么作為跑車的CPU需要往返的次數(shù)遠遠多于作為貨車的GPU，作為貨車的GPU雖然完成一次任務較慢，但是可以攜帶更多的貨物，其效率會高于CPU?？偠灾?，對于復雜的單個計算任務來說，CPU的執(zhí)行效率更高，通用性更強；而對于圖形圖像這種矩陣式多像素點的簡單計算，更適合用GPU來處理，但通用性較弱。GPU按接入方式分為獨立GPU和集成GPU；按照應用端劃分為移動GPU、服務器GPU和PCGPU。GPU是圖形處理單元，在PC（個人電腦）早期，圖形數(shù)據(jù)較為簡單，主要都是由CPU來進行圖形處理。隨著圖形顯示規(guī)模的增加，CPU已經很難分出更多精力來處理圖形信息，而且CPU的架構決定了其處理圖形信息的效率是偏低的，因此逐漸發(fā)展出了專門處理圖形信息的GPU。英偉達專做GPU，開發(fā)了獨立于CPU的GPU；英特爾作為CPU的霸主，開發(fā)了寄生于CPU芯片上的GPU單元，被稱為集成GPU。通常來講，獨立GPU的性能都要優(yōu)于集成GPU，在對圖形實時處理要求不高的日常辦公領域，使用普通的集成GPU即可；在對圖形實時處理能力要求很高的游戲及設計領域，一般都需要使用獨立GPU。隨著移動設備的發(fā)展，GPU也從PC端擴展到了移動端，高通驍龍以及蘋果的A系列芯片都開發(fā)了相應的GPU芯片模塊。英偉達研究報告范文第四篇.英偉達GPU五年來持續(xù)占據(jù)PC獨顯六成以上市場由于疫情導致的居家時間延長，公司GPU量價齊升，F(xiàn)Y2022Q2游戲相關營收同比大增85%，單季收入首次超過30億美元。英偉達的GPU在PC端是以獨立顯卡的形式存在，通過獨立顯卡可以實現(xiàn)高幀率高分辨率3A繪圖等應用。獨顯領域是一個壁壘極高的市場，經過20目前僅有英偉達、AMD可以推出相關產品，而英偉達占據(jù)絕對的領先優(yōu)勢。2021Q1英偉達在PC獨顯市場占據(jù)81%的市場份額（2020全年為77%）。以每兩年更新一次架構、每半年性能翻倍的速度，持續(xù)引領消費級GPU20209月2日，英偉達發(fā)布了新一代顯卡RTX30系列，與前一代RTX20系列相比，采用了全新的安培架構，在核心數(shù)、顯存、頻率等性能都有了大幅度提升。RTX30的高算力加上英偉達的DLSS（DeepLearningSuperSampling，深度學習超采樣）技術，大大提高實際場景的運算力（在算力不變的情況下提高幀率），使得英偉達顯卡深受游戲玩家的喜愛。在中國，RTX30系列中的RTX3080由發(fā)售價的5499元人民幣被一路炒高至18000元左右，足見其火爆程度（雖然部分原因是受到數(shù)字貨幣“挖礦”搶貨的影響）。英偉達以半年性能提升一倍的“黃氏定律”牢牢占據(jù)GPU的領導者地位。截止到2021年3月，英偉達的各系列GPU在性能排行的前20名中占據(jù)了包括第一名在內的14個席位，可以看出英偉達在GPU領域的霸主地位。.借助Bluefield能力，發(fā)力云游戲GeforceNow業(yè)務英偉達研究報告范文第五篇圖表1:NVIDIA單季度收入及同比增長率 5圖表2:自上市以來，Nvidia業(yè)績復合增速大幅領先于行業(yè)平均及可比司 5圖表3:上市以來，Nvidia股價表現(xiàn)大幅跑贏行業(yè)平均及主要可比司 6圖表4:研發(fā)費用絕對值對比：Nvidiavs.AMD 6圖表5:研發(fā)費用率對比：Nvidiavs.AMD 6圖表6:計算芯片廠商利潤率對比 7圖表7:NVIDIA12FP/E與12FP/S走勢 8圖表8:部分美股科技公司市值vs.2020eP/S估值情況 8圖表9:Nvidia12FP/E估值對Intel存在長期溢價 9圖表10:自2016年起，Nvidia12FP/S估值大幅高于競爭對手 9圖表11:全球PC出貨量變化 10圖表12:全球桌面顯卡出貨量（獨顯vs.集顯） 10圖表13:Nvidia游戲顯卡出貨量，ASP及收入情況 10圖表14:Nvidia游戲業(yè)務單季度收入及同比增長率 10圖表15:FY2014（截止2014/01/31）英偉達營收拆分 11圖表16:FY2019（截止2019/1/31）英偉達營收拆分 11圖表17:獨立GPU市占率變化情況 11圖表18:Steam游戲平臺數(shù)據(jù)顯示玩家對Nvidia顯卡偏好度持續(xù)升 12圖表19:目前主要游戲顯卡參數(shù)對比（Nvidiavs.AMD） 12圖表20:CUDA示意圖 13圖表21:Nvidia數(shù)據(jù)中心業(yè)務提供平臺型服務 14圖表22:數(shù)據(jù)中心負載任務量變化 14圖表23:超級數(shù)據(jù)中心數(shù)量變化 14圖表24:Nvidia最新一代數(shù)據(jù)中心用TeslaGPU 15圖表25:Nvidia數(shù)據(jù)中心業(yè)務單季收入及同比增長率 15圖表26:數(shù)據(jù)中心業(yè)務自4QFY16起增速大幅跑贏其他業(yè)務線 15圖表27:四大云廠商中AI芯片市場份額：Nvidia占據(jù)絕對領導位 16圖表28:比特幣價格及交易量走勢 17圖表29:以太幣價格及交易量走勢 17圖表30:Nvidia存貨情況及存貨周轉天數(shù) 17圖表31:Nvidia汽車業(yè)務收入及同比增長率 18圖表32:Nvidia汽車業(yè)務收入及同比增長率 18圖表33:游戲業(yè)務的基本面仍然強勁 19圖表34:VR的市場機會 20圖表35:VR對圖像處理性能的要求超過PC游戲7倍之多 20圖表36:RTX顯卡的成長空間依然廣闊 21圖表37:Nvidia自動駕駛汽車市場機會概況 22圖表38:Nvidia硬件將大大降低總體擁有成本 23圖表39:Nvidia數(shù)據(jù)中心業(yè)務生態(tài) 24圖表40:主要云端訓練芯片一覽 24圖表41:主要云端推斷芯片一覽 24圖表42:自動駕駛的三大階段 25圖表43:自動駕駛的級別 26圖表44:Nvidia自動駕駛汽車市場機會概況 26圖表45:自動駕駛平臺對比 27圖表46:各自動駕駛芯片廠商合作方比較 27圖表47:計算芯片市場份額（按廠商，2017） 29圖表48:計算芯片市場份額（按器件，2017） 29圖表49:人工智能、大數(shù)據(jù)、云計算對半導體提出了新要求 30圖表50:Intel數(shù)據(jù)中心組業(yè)務收入及營收比 30圖表51:Nvidia數(shù)據(jù)中心業(yè)務收入及占營收比 30圖表52:AI芯片工作流程 31圖表53:AI芯片投資地圖 32英偉達研究報告范文第六篇.自動駕駛介紹自動駕駛主要指自動駕駛汽車，也即無人車（driverlesscar），是一種無須人工干預而能夠完成出行需求的車輛。它利用了包括雷達、超聲波、GPS、計算機視覺等多種技術來感知其周邊環(huán)境，通過先進的計算和控制系統(tǒng)，來識別障礙物和各種標識牌，規(guī)劃合適的路徑來控制車輛行駛。.自動駕駛歷史科技巨頭、獨角獸公司以及整車廠紛紛開展自動駕駛研究，自動駕駛迎來快速發(fā)展的時期。自動駕駛的研究歷史非常悠久，早在1977年時日本就有基于攝像頭的自動駕駛汽車問世。但限于軟硬件能力及成本的束縛，自動駕駛的發(fā)展較為緩慢。直到2004年美國國防部推出的DARPA項目，很大程度上推動了自動駕駛的復興。現(xiàn)代意義上的自動駕駛技術在DARPA挑戰(zhàn)賽上已經成型，參賽車輛上已經配備了激光雷達、攝像頭以及分析決策系統(tǒng)。2005年的DARPA挑戰(zhàn)賽中，有五支隊伍的參賽車輛已經可以完成限定場景的無人駕駛。目前的自動駕駛技術都是在這個基礎上進行的不斷升級，主要在成本優(yōu)化和車規(guī)級適配性等實用性方面進行完善，不僅有各種科技巨頭領導相關研究，科技獨角獸公司以及整車廠也都紛紛加入這個領域，自動駕駛全面商業(yè)化的時代就要到來。.自動駕駛等級分類及技術路線目前有兩種自動駕駛研發(fā)思路。一種是可稱之為自上而下的不考慮成本的研究L4+級完全自動駕駛，代表企業(yè)有谷歌的Waymo、通用的Cruise、百度的Apollo等，目前其實現(xiàn)自動駕駛的系統(tǒng)成本在數(shù)十萬到百萬元人民幣以上；另一種主要是車企，他們要考慮成本因素，所以一般是自下而上的，由低級別的自動駕駛開始逐漸提升水平，目前商業(yè)化的汽車基本上可以達到L2級的水平，代表企業(yè)有特斯拉、奧迪、蔚來、小鵬等。值得一提的是，本文所提到的分類級別是從法律意義上已經實現(xiàn)的級別而不是能力上的分類級別，也即如果是L3級以上的話，自動駕駛公司將為車輛的事故負責。因此本文所謂的L3及以上級別主要是由Robotaxi組成的。.自動駕駛細分領域的市場規(guī)模汽車市場正在經歷快速的變革期，電動化是汽車升級的上半場，智能化是汽車升級的下半場。智能化將會迎來快速發(fā)展期，主要源于以下幾個方面：半導體技術的提升與成本的下降：隨著半導體制造商向汽車領域逐漸發(fā)展，規(guī)?；a有利于成本的降低，從而推動銷量擴大形成正反饋，汽車半導體有望復制手機半導體領域的發(fā)展規(guī)模和速度；電動化的不斷普及加速了智能化：電動車的電機電控特性，相較于燃油車更有助于智能化的控制系統(tǒng)發(fā)展；對安全性便捷性和高效出行的要求：為了提升車輛差異化的競爭力，汽車廠商將繼續(xù)增加在駕駛輔助系統(tǒng)ADAS方面的投入，提升自動避險剎車、自動泊車、道路領航等能力，以提升車輛的安全性與便捷性；隨著自動駕駛能力的不斷提高，自動駕駛將有效緩解交通擁堵，大大提高出行的效率。我們預計，擁有智能化功能的車輛將從2020年的2773萬輛增長到2025年的6332萬輛。據(jù)IDC報告，2020年售出的汽車中，擁有自動駕駛（輔助）功能的汽車數(shù)量（包含L1~5級）為萬輛，其中L1為1874萬輛，L2為896萬輛，L3+為萬輛。我們根據(jù)市場智能化趨勢以及前幾年的增速為基礎進行測算，到2025年，擁有自動駕駛（輔助）功能的汽車數(shù)量（包含L1~5級）為6332萬輛，其中L1為3900萬輛，L2為2320萬輛，L3+為112萬輛；2020~2025的CAGR為。到2025年時，與單車自動駕駛相關的革新性部件，其市場總額可達781億美元，2020~2025CAGR可達。巨大的市場增量使得相關公司都希望能夠乘著智能化升級的東風擴大公司業(yè)務，占領市場空間。我們將與自動駕駛有關的市場進行拆分，主要有八個模塊，其中與人工智能息息相關的決策軟件、AI芯片以及傳感器（攝像頭、激光雷達、高精地圖、毫米波雷達）的發(fā)展空間更大。.積極入局汽車芯片領域，成為平臺化芯片的領導者.從移動業(yè)務起家，逐漸擴大應用市場在智能手機興起的2008年時，英偉達試圖進入移動芯片市場。為此，公司開發(fā)了Tegra系列芯片，采用了ARM的CPU架構，并集成了自家的GPU芯片，組成了一套SOC（systemonachip）系統(tǒng)。早期的Tegra芯片注重功耗及效率的表現(xiàn)，主要用在微軟的一款MP3和Kin手機上；后期則更專注于提供高性能，其典型產品是任天堂的Switch，英偉達的TegraX1給任天堂Switch帶來了極高的畫面體驗。由于自動駕駛中對于畫面的實時處理要求很高，因此后續(xù)的Xavier以及Orin系列也開發(fā)了相應的車規(guī)級芯片。從移動芯片的發(fā)展軌跡來看，英偉達的CUDA核心數(shù)量也快速增長，RAM的容量和帶寬也迅速提高，移動芯片的性能始終保持競爭優(yōu)勢。.AI芯片逐漸專業(yè)化，平臺化芯片發(fā)展空間更廣AI芯片為自動駕駛提供算力保障。隨著圖像/視頻和雷達等傳感器接受的數(shù)據(jù)量越來越大，對視覺芯片的實時算力要求也越來越高，據(jù)估計滿足安全冗余的L2級的算力要求至少需要10TOPS（INT8）以上，傳統(tǒng)的MCU（MicrocontrollerUnit，微控制單元，也稱為單片機）算力最多只能達到GOPS（比TOPS小一千倍），完全不能滿足圖像識別的算力要求。為了滿足自動駕駛的需求，多家芯片廠商開發(fā)出了針對車載市場優(yōu)化的AI芯片。當前主流的車載AI芯片按架構主要分為三類：GPU、FPGA、ASIC。其中GPU通用性較強因而場景適應性強，但功耗相對較高。FPGA運算速度快，通用性弱于GPU但功耗優(yōu)于GPU，因其易修改，主要用途是做ASIC的驗證版本。ASIC屬于為AI特定場景定制的芯片，通用性低但針對特定場景的每瓦功耗以及安全性更好，屬于最終階段的產品，開發(fā)成本較高。我們測算，汽車領域的AI芯片市場規(guī)模將從2020年的25億美元增長到2025年的105億美元，2020~2025的CAGR達44%。以英偉達為代表的平臺化芯片的發(fā)展空間更為廣闊。目前芯片的解決方案主要廠自研四種模式。特斯拉可類比為手機界的蘋果，核心的AI還需要有相應的技術人才支撐，對于大多數(shù)整車廠來說很難實現(xiàn)；Mobileye以自研算法起家，早期與意法半導體合作研發(fā)芯片，后來被Intel收購后，形成了軟硬件一體化的能力，因此Mobileye的整車廠所棄用；平臺化芯片以英偉達為代表，目前市場上還有高通、地平線、華為和黑芝麻等廠商，這個方案的思路是提供平臺化芯片以及算法開發(fā)工具鏈（包括示例算法），整車廠可根據(jù)自身軟件研發(fā)能力自行選擇從哪個層面開始進行軟件/算法的研發(fā)，自由度較大，因此受到了以小鵬、蔚來、理想、百度、小馬智行以及AutoX為代表的整車廠和科技公司的歡迎，類比來看，平臺化芯片類似于智能手機領域的高通和聯(lián)發(fā)科，市場空間較一體化自研的蘋果大；除平臺化芯片外，市場上還有傳統(tǒng)的汽車電子廠商瑞薩、恩智浦以及德州儀器等，也開始紛紛布局高算力的車載AI芯片，但以目前推出的產品來看，其芯片算力相對較低，且單瓦功耗也比較大，客戶主要是傳統(tǒng)的Tier1廠商以及部分科技公司。.整合移動芯片的車載AI芯片平臺，成為平臺化芯片的代表產品自由度高，客戶可根據(jù)需求選擇合適的芯片平臺方案。在Tegra的基礎上，英偉達集成了一些特殊功能的GPU以及輔助芯片，推出了英偉達Drive系列車載AI芯片平臺。早期的車載AI芯片平臺與單個移動芯片差別不大，但隨著車載系統(tǒng)的要求不斷多樣化，英偉達Drive系統(tǒng)也增加了很多選擇。例如DrivePXXavier僅配備了一塊Xavier芯片，其算力為30TOPS，功耗僅為30W，適合用在L2級的量產車型中，例如小鵬P7此款車載芯片平臺；對于L4級車輛的車載AI芯片平臺，僅僅一個Xavier芯片算力不夠，因此采用了兩個Xavier芯片加上兩個圖靈架構的GPU，使算力達到了320TOPS，其功耗也增加到了500W；蔚來希望打造自己的計算平臺，因此從英偉達這里選購的是獨立的Orin的使用場景選擇適合的產品，這極大地增加了英偉達車載AI芯片的使用場景。.軟件安全性高，易于上手且生態(tài)豐富，助力AI芯片占領市場不僅算力領先，英偉達易于上手的軟件工具鏈極大地了方便了芯片使用者的開發(fā)過程。同數(shù)據(jù)中心基礎芯片類似，英偉達十分重視對軟件工具鏈的開發(fā)。英偉達不僅花費了大量的研發(fā)資金，成立了測試小組專門改裝了車輛以提高英偉達的芯片及相關軟件工具鏈的安全性與穩(wěn)定性，還積極聽取客戶的意見并對相關要求作出回應。在不斷的測試中，軟件工具鏈的可用性也不斷提高。安全、可靠且易用的軟件工具鏈不僅可以讓軟件開發(fā)人員快速上手并熟練掌握芯片的調用技巧，還可以保證軟件的不會在汽車這個安全性要求極高的領域出現(xiàn)差錯，這也是整車廠采用英偉達方案的主要原因之一。英偉達的軟件還有一個特點是其軟件開放性高。有豐富軟件開發(fā)能力的客戶可以從底層操作系統(tǒng)開始自行研發(fā)，而初入此領域的客戶可以從較上層的應用軟件開始研發(fā)，底層使用英偉達搭建的通用系統(tǒng)。英偉達靈活的使用方案適配性強，潛在客戶數(shù)量巨大。.開拓自動駕駛虛擬測試平臺，降低自動駕駛設計門檻除平臺化芯片外，英偉達也積極推廣虛擬測試平臺Constellation。NVIDIADRIVEConstellation是數(shù)據(jù)中心解決方案，集成了功能強大的GPU和DRIVEAGXPegasus。在GPU上運行的高級可視化軟件模擬輸入到Pegasus的攝像機、普通雷達和激光雷達數(shù)據(jù)，而Pegasus對這些數(shù)據(jù)進行處理，就好像它真的在路上行駛一樣。這個可擴展系統(tǒng)能夠生成數(shù)十億英里的不同自動駕駛汽車測試場景，用于在部署之前對“硬件在回路”和“軟件在回路”進行驗證，極大減輕自動駕駛的初期開發(fā)成本。這個虛擬平臺包括環(huán)境測試、車流測試、車輛測試、傳感器測試以及超車模型測試等等。當然，目前的模擬測試還無法替代真實路況測試，但隨著英偉達模擬功能的不斷完善，其測試能力也會逐漸提高。.汽車業(yè)務營收穩(wěn)定增長，平臺化芯片市場空間更大英偉達汽車業(yè)務目前仍落后于Mobileye。截至到2021年7月，在車載汽車芯片市場，按營收來看，只有Mobileye和英偉達兩大巨頭，兩者的營業(yè)收入可占整個市場收入的90%。Mobileye以整體解決方案