景嘉微发展前景「景嘉微gpu与英伟达差距」

最近很多人关注景嘉微发展前景「景嘉微gpu与英伟达差距」，山东创新网小沐从网上搜集一些关于景嘉微发展前景「景嘉微gpu与英伟达差距」内容，希望对您有用。

（报告出品方/分析师：华创证券 王文龙 耿琛）

1 国产GPU领军企业，军转民打开成长空间

(一) 产品覆盖图形显控、小型专用雷达和GPU芯片三个领域

公司主要有图形显控、小型专用雷达和GPU芯片三个领域产品。公司早年主要依靠图形显控产品和小型专用化雷达领域产品在军工领域的应用推动发展。2019年，公司的JM7200图形显示芯片获得首份订单，GPU产品为公司业绩开拓出强劲的第二增长曲线。

1、图形显控领域：公司传统优势业务，积极延伸业务布局

图形显控是公司的核心业务，也是传统优势业务。在该领域，公司具备自主技术优势，拥有以JM5400芯片为基础的“中国芯”的系列开发平台和系列产品线，率先推出了应用GPU、高度集成化的 FPGA 和支持 OpenGL 标准的图形显控模块，顺利解决了 VxWorks 系统下的 3D 图形处理难题，突破了 VxWorks 系统下汉字显示瓶颈。具体产品包括图形显控模块、图形处理芯片、加固显示器、加固电子盘和加固计算机。公司的图形显控模块在军用飞机市场中占据明显的优势地位，并积极向车载和舰载领域延伸。

2、小型专用化雷达领域：多年技术积累，迎来多领域破竹

公司经过微波射频和信号处理领域多年的技术积累，在小型专用化雷达领域相继取得了一系列突破，拥有成熟的空中防撞系统核心组件、弹载雷达微波射频前端核心组件等产品。

3、芯片领域：从国产GPU芯片的探路者到领军者

公司在图形处理芯片（GPU）领域有JM5、JM7及JM9系列产品。JM5系列产品主要应用于公司图形显控模块产品，JM7系列产品打开了民用和信创市场，JM9系列将进一步加强在信创和民用市场渗透。

(二) 芯片产品“从有到优”，实现军用向民用转化

1、景嘉微vs Nvidia：凭借价格优势切入市场，民用领域渗透稳步提升

景嘉微产品研发采用从中低端向高端的研发策略，前期主要面向军工和信创市场，与海外巨头实现错位竞争。

1）JM5400芯片：国产GPU芯片实现从0到1的突破。公司首个高性能图形处理芯片JM5400在2014年流片成功，打破了外国芯片在我国高性能 GPU 领域的垄断。JM5400性能等于或优于当时同期常用芯片的性能，对标ATI（2016年被AMD收购）的M96芯片。

2）JM7200芯片：GPU产品实现从军用到信创市场的转化。2018年，公司推出第二代图形处理芯片JM7200，较JM5400在工艺和性能上都有较大提升，对标2012年上市的NVIDIA GT640芯片，打开了信创市场的应用。

3）JM9系列芯片：GPU产品实现“从有到优”的发展，有望加强民用领域渗透。2021年底，第一款JM9系列图形处理芯片完成阶段性进展，已经开始推动产业化工作；2022年5月，JM9 系列第二款图形处理芯片已完成流片、封装阶段工作及初步测试。

根据公司测试结果，该图形处理芯片满足地理信息系统、媒体处理、CAD 辅助设计、游戏、虚拟化等高性能显示需求和人工智能计算需求，可广泛应用于台式机、笔记本、一体机、服务器、工控机、自助终端等设备。JM9系列芯片可以对标2016年上市的Nvidia GTX1050和Nvidia GTX1080芯片。

2、景嘉微vs国内初创GPU公司：错位竞争，蓄力前行

景嘉微与初创GPU公司形成错位竞争。国内初创GPU厂商以高性能芯片为卖点，而景嘉微采用从中低端市场向高端市场推进的策略，前期主要面向信创市场，与其他国产GPU厂家形成错位竞争。国产GPU中与景嘉微形成同行竞争的主要有中船重工701所的凌久GP101和中船重工716所的JARIG12。

(三) 研发周期缩短，紧跟海外巨头研发节奏

公司产品研发周期缩短，技术提升加速度较大。

从研发周期来看，JM5400研发耗时8年，JM7200研发耗时4年， JM9系列3年，第二款产品发布距JM9系列第一款产品发布仅间隔半年，公司研发迭代速度加快。

从海外对标产品的差距来看， JM5400比M96芯片上市要晚5年，JM7200比GT640芯片上市晚6年，JM9系列芯片较GTX 1080芯片晚上市约5年，在GPU研发技术加快革新的节奏下，海外巨头同性能产品并未拉开与景嘉微产品时间差距，公司技术研发速度跟随能力较强，能够紧跟海外巨头研发节奏，在保证性能基础上，与海外巨头实现错位竞争格局。

(四) 产品适配具备先发优势

公司产品适配具备先发优势。JM7200芯片已于2018年11月就完成了与CPU厂商飞腾及操作系统厂商银河麒麟的技术适配工作。

当前，JM7200已完成与国内主要的CPU和操作系统厂商的适配工作，与长城、联想、同方等十余家国内主要计算机整机厂商建立合作关系并进行产品测试，与苍穹、超图、昆仑、中科方德、中科可控等多家软硬件厂商进行互相认证。JM9系列芯片可以无缝兼容市面上主流的CPU、操作系统和应用程序（支持X86、ARM、MIPS处理器和linux、中标麒麟、银河麒鳞、windows等操作系统）。

公司已经实现多年量产，客户覆盖程度较高，在实战中打磨产品，并已实现迭代，这是明显领先国内其他竞争对手之处。

2 GPU市场：海外巨头主导，国内企业加速追赶

(一) GPU：显示卡的“大脑”

图形处理器（Graphics Processing Unit，缩写：GPU），又称显示核心、视觉处理器、显示芯片，是一种专门在个人电脑、工作站、游戏机和移动设备（如平板电脑、智能手机等）上做图像和图形相关运算工作的微处理器。GPU的概念首次由NVIDIA公司在1999年发布GeForce256图形处理芯片时提出。

GPU与CPU的区别：GPU具备强大并行计算能力，CPU擅长逻辑判断。从架构来看，CPU和GPU都有内存（DRAM）、储存单元（Cache）、计算单元（ALU）以及控制单元（Control），但是CPU芯片空间的ALU占比不到20%，而GPU芯片80%以上的空间都是ALU，即GPU拥有更多的ALU用于数据并行处理，这是GPU具备强大并行计算能力的原因。CPU的控制单元占比较重，因此CPU较为擅长处理复杂的控制逻辑，如预测分支、乱序执行、多级流水任务等。

GPU 按照接入方式可以划分为独立显卡和集成显卡，景嘉微系列产品属于独立显卡。独立显卡是一种与处理器（CPU）分离的 GPU，具备的专用内存，不与 CPU 共享，拥有自己的内存源和电源，因此性能更高，功率更大，产生热量更多。独立显卡常见于台式机、笔记本电脑，小型 PC 也可以包含独立显卡。集成显卡是一种内置于处理器的 GPU。集成GPU 使用与 CPU 共享系统内存，由于集成显卡内置于处理器中，性能较低，因此通常功耗更低，产生的热量更少。集成显卡的处理器通常位于外形较小的系统中，例如笔记本电脑。

GPU除了绘制图形功能外，还承担了物理模拟、海量计算、AI计算等功能。尤其在近年来，人工智能的崛起推动了GPU集成了AI Core运算单元，反哺AI运算能力的提升，给各行各业带来了计算能力的提升。部分机器学习模型，如Yandex在2017年开源的机器学习库Catboost，就搭载了调用GPU训练机器模型的功能，能够充分利用GPU芯片的多线程运算优势，在大数据分析下提高机器学习模型训练效率。

(二) 海外巨头寡头垄断，国产GPU赛道持续景气

GPU行业的产业链主要涉及三个环节：设计、制造、封装。供给模式有IDM和Fab Fabless两种。

IDM模式：集芯片设计、芯片制造、芯片封装和测试等多个产业链环节于一身，代表厂商有英特尔。

Fab Fabless模式的代表有：AMD设计，台积电制造，通富微电封测；ARM阵营的苹果设计，台积电制造，日月光封测。景嘉微处于集成电路行业中的芯片设计环节，采用Fabless模式，同时具备GPU软件及GPU硬件研发能力。

全球竞争格局来看，GPU市场仍为Intel、Nvidia和AMD三个海外巨头所垄断。

Intel依托其CPU市场占有率优势，在集成显卡市场独占鳌头。根据PassMark的统计，截至2022年2季度，Intel在CPU市场占有率达64.7%。

根据Jon Peddie Research的统计，截至2022年1季度，Intel在全球PC端 GPU出货量的市场份额达60%，并常年处于领先地位，Nvidia和AMD的市占率分别为21%和19%。在独立显卡领域，Nvidia市场份额绝对领先。

根据Jon Peddie Research的统计，截至2022年1季度，Nvidia在全球PC端独立显卡出货量的市占率达78%，AMD和Intel的市占率分别为17%和4%。

国内市场来看，在市场、政策以及资本的三重驱动下，国产GPU赛道持续景气。

近年来，国产GPU公司如雨后春笋般涌现，璧韧科技、摩尔线程、芯动科技、天数智能等公司纷纷发布新品。但是IP授权来看，国内主要的GPU创业公司，如芯动、摩尔线程、壁仞等采用的是Imagination IP或芯原授权的IP。

芯动科技发布的首款高性能4K级显卡GPU芯片“风华1号”，使用了Imagination的IMG B系列GPU IP，是Imagination IP在中国市场的首个高端GPU应用。据The information报道，摩尔线程芯片设计的关键部分也来自 Imagination Technologies。

Imagination是一家总部位于英国，致力于打造半导体和软件知识产权（IP）的公司。公司的图形、计算、视觉和人工智能以及连接技术可以实现出众的PPA（功耗、性能和面积）指标、强大的安全性、快速的上市时间和更低的总体拥有成本（TCO）。2017年9月，私募投资公司Canyon Bridge以5.5亿英镑收购Imagination，Canyon Bridge其背后投资方为中国国新。

(三) GPU市场规模广阔，呈高速增长态势

全球GPU市场规模广阔，并保持高增长态势。根据Verified Market Research数据，2021年全球GPU行业市场规模为334.7亿美元，预计2030年将达到4773.7亿美元，2021年至2030年的复合年增长率为34.35%，保持高增长姿态。

推算2021年中国大陆独立显卡市场规模达88.89亿美元，2030年市场规模将达1267.77亿美元。根据亿欧智库，我国国产GPU的市场占有率不足0.5%。全球来看，根据Jon Peddie Research，NVIDIA在全球PC端独立显卡的市占率稳定在80%左右，因此可以根据NVIDIA在中国大陆的销售收入，测算2021年中国大陆独立显卡市场规模为88.89亿美元，保守假设中国GPU市场规模保持与全球GPU市场规模相同的增速，预计2030年将超过1267.77亿美元。

根据智研咨询，2019年中国GPU芯片板卡市场份额中，安防/政府领域份额占比29.5%，若假设29.5%比例保持稳定，2021年党政领域GPU规模超过26.22亿美元。但这部分目前仍为外资主导。

(四) 信创产业推动，存量市场空间可观

在国务院发布的《国家信息化发展战路纲要》中提到，到2025年，将根本改变核心技术受制于人的局面，形成安全可控的信息技术产业体系。信创产业在我国呈现出“2 8”体系（党政 金融、电信、交通、电力、石油、航空航天、教育、医疗行业），渗透率呈现三个梯队，党政和金融渗透率排在第一梯队，电信、交通、电力、石油、航空航天处于第二梯队，教育和医院处于第三梯队。

3 从Nvidia看GPU企业发展之路

(一) 复盘Nvidia发展历程：技术创新是根本，需求拓展助前行

复盘Nvidia发展历程：技术创新是根本，需求拓展助前行。如今NVIDIA已经成为GPU的龙头企业。复盘其发展，主要有两条驱动线索：一是GPU技术的不断创新，使得其具备占领市场的先发优势；二是需求领域的不断扩展，创造可观的市场增量。

1999年，首款GPU的问世，推动了PC游戏、设计等需求。1999年，NVIDIA 推出全球首款图形处理器(GPU)—Geforce 256。在此之前，GPU显示芯片都属于固定功能的芯片，而GeForce 256成为了第一款“集成了转换、照明、三角形设置/剪裁和渲染引擎的单芯片处理器”，能够每秒处理至少1000万个多边形，让GPU可以从CPU手里接管大量几何运算的工作，解决通用计算无法解决的问题，极大地推动了PC游戏、创意设计等对GPU的需求。

2006年，CUDA架构发布，GPU并行计算能力得到挖掘。

2006年NVIDIA推出CUDA，这是一种用于通用 GPU计算的革命性架构。CUDA使科学家和研究人员能够利用GPU的并行处理能力来应对最复杂的计算挑战。但在当时，深度学习并没有现在这样广泛应用，只有一些大型企业、研究机构需要GPU来进行药物发明、天气建模、金融分析等高性能计算任务。

2009年，Fermi架构发布，加大了高性能计算领域布局。在首届GPU技术会议上，NVIDIA推出了代号为“Fermi”费米的下一代CUDA GPU架构，并大力宣传GPU在大规模并行计算任务的优势。

2010年，GPU助力超算。NVIDIA Tesla GPU为当时全球最快的超级计算机——中国的天河-1A 赋能。同年，奥迪选择 NVIDIA GPU 为全球所有车辆的导航和娱乐系统提供动力。

2015年，深耕深度学习。NVIDIA发布的 NVIDIA Tegra X1，是一款 256核移动超级芯片，可为深度学习和计算机视觉应用带来 1 Teraflops的处理能力。同年，推出的NVIDIA DRIVE支持成熟的高级驾驶辅助系统，为自动驾驶汽车铺平了道路；发布的 NVIDIA GeForce GTX TITAN X，是用于训练深度神经网络的性能强大的处理器。

2016年开始，海量的可用数据、深度学习算法的发明和 GPU 计算的高性能三种力量的叠加迎来了AI时代的到来。2016年，NVIDIA 推出第 11 代GPU架构NVIDIA Pascal，为NVIDIA Tesla® 加速器和GeForce® GTX 显卡提供支持；推出NVIDIA®DGX-1，是世界上第一款台式深度学习超级计算机，可增强人工智能应用；发布的NVIDIA DRIVE PX 2，可实现强大的车载人工智能，使汽车行业走上自动驾驶汽车的道路。

2017年，NVIDIA 推出 Volta GPU架构，NVIDIA Tesla® V100 GPU加速器为DGXTM系列AI超级计算机提供动力；同年，推出模块化NVIDIA® Jetson TX2 AI 超级计算机，为AI 城市的智能机器人、无人机和智能摄像头打开了大门。

2018年，NVIDIA® Turing GPU 架构发布，为全球首款支持实时光线追踪的 GPU 提供动力；NVIDIA 推出 NVIDIA DGX-2TM，这是第一款能够提供 2 千万亿次计算能力的单一服务器，由 NVIDIA® V100 GPU 和GPU 互联结构 NVIDIA NVSwitch提供支持；推出 NVIDIA® Jetson AGX Xavier，可轻松创建和部署用于制造、配送、零售、智能城市等的 AI 机器人应用程序。

2019年，在 GTC大会上，NVIDIA 推出了在人工智能、高性能计算、机器人、自动驾驶、医疗健康、专业化视觉等领域的多项创新应用，NVIDIA GPU 提供的强大算力将持续革新各行各业。

(二) 产品实现多领域、多品类布局

当前NVIDIA已经实现对高性能计算、深度学习、图形渲染、虚拟化的多领域产品覆盖。Tesla系列应用于高级深度学习，GeForce系列应用于初中级深度学习，Quadro系列也可以应用于初中级深度学习，但其性能低于GeForce系列，稳定性高于GeForce系列。

4 公司其他主要情况介绍

(一) 从军工领域起步，发力于GPU芯片产品

景嘉微由国防科技大学团队于2006年创立，2016年于深交创业板上市。公司主要从事高可靠电子产品的研发、生产和销售，产品主要涉及图形显控领域、小型专用化雷达领域及芯片领域。景嘉微是国内最早系统性研发GPU的企业，也是国内唯一具备完全自主研发图形处理芯片（GPU）能力并产业化的A股上市公司。

公司发展经历了技术积累（2006-2008年）、业务起步（2008-2010年）及快速发展（2010年-今）三个阶段。

(二) 实际控制人股权稳定，国家产业基金为第二大股东

公司股权结构清晰，实际控制人股权稳定，国家产业基金为第二大股东。据公司2022年中报，公司实际控制人喻丽丽夫妇共同持股35.41%，股权结构稳定。国家集成电路产业投资基金为公司第二大股东，持股8.12%。国家集成电路产业投资基金最大股东为国家财政部，持股36.47%。国家产业基金的加入彰显了国家对公司业务发展认可，有助于增强市场信心。

(三) 注重人才积累，人均创收稳中有增

公司研发人员数量稳增，人员结构占比较高，人均创收稳中有升。公司的研发人员从2018年的335人，增涨到2021年底的834人，研发人员数量实现2倍增长。人员构成来看，截至2021年底，研发人员占总员工比例为68.87%，其中有360人拥有硕士及以上学历，占研发人员比例的43.69%。公司人均创收稳中有增，从2018年的72万元，增长到2021年的90万元。

(四) 研发费用较高，研发硕果累累

公司研发费用率逐年提高，2021 年研发费用率达23.16%，同年销售费用率和管理费用率分别为4.36%和10.36%。研发费用来看，公司2021年研发费用2.53亿元，同比增长42.70%。在高研发费用下，公司专利数量稳步增长，截至2021年底，公司共申请205项专利（169项国家发明专利、23项实用新型专利、10项国际专利、3项外观专利），较上期同比增长28.13%，其中68项发明专利、20项实用新型专利、3项外观专利均已授权，登记了77项软件著作权。

(五) 推出股权激励计划，绑定核心骨干

作为科技企业，人才是公司的重要资产，公司推出股权激励计划，绑定核心员工利益。公司在2021年4月通过《关于向激励对象授予股票期权的议案》，向 263 名核心管理及技术骨干授予 749.76 万份股票期权，行权价68.08 元/股。2021-2023年行权比例分别为30%/30%/40%，2021-2023年行权考核目标分别为净利润增长不低于2020年净利润的30%/50%/100%。2022年，公司达成第一个行权条件，符合行权条件的激励对象共计258人，可申请行权的股票期权数量为331.59万股。

5 盈利预测与估值

(一) 公司业绩增速较快，芯片产品有望成为公司的重要支撑

1、公司营业收入和归母净利润迎来新高，同比增速较快

2021年，公司实现营业收入及归母净利润分别为10.93亿元和2.93亿元，同比增长达67.21%和40.99%。公司业绩的快速增长主要得益于公司的图形处理芯片在通用市场得到了广泛应用。

2、图形显控、雷达业务营收稳步增长，芯片业务营收大幅增加

公司自2016年上市以来，图形显控和雷达领域业务收入均保持稳定增长，2021年公司图显和雷达领域营业收入分别为5.21亿元和1.14亿元，同比增长分别为12.35%和8.52%。2021年公司芯片类业务大幅增长，实现营收4.47亿元，占总营收比重从2020年的11.06%上升到2021年的40.84%，该业务营收的快速增长主要得益于公司在图形处理芯片领域的技术积累和先发优势，2021年公司GPU芯片在通用市场得到广泛应用，图形处理芯片业务有望成为公司未来盈利的重要支撑。

3、公司综合毛利率稳定，芯片产品毛利率迅速提升

公司综合毛利率稳定在60%以上，其中图形显控和雷达领域产品毛利率稳定在70%左右。随着公司图形处理芯片（GPU）的规模化应用，芯片领域产品毛利率实现快速增长，从2019年的18.57%上升到2021年的44.49%。

(二) 盈利预测与估值

2022-2024年关键假设：

1）图形显控、小型专用化雷达：公司的传统优势业务，主要应用于军用领域，受益于十四五期间军品需求强劲，预计后续增长提速；毛利率端今年受原材料价格上涨影响，公司成本端有所承压，随着后续上游价格回落，预计毛利率逐步恢复。

2）芯片产品：芯片产品处于放量初期，随客户认可度提升，产品有望进一步拓宽信创及民用市场，预计23年起销售收入保持快速增长；随着公司9系新品推出，预计毛利率呈提升态势。

3）毛利率：由于毛利率较低的芯片产品收入占比提升，预计未来毛利率分别为60.9%、60.8%、60.1%；

4）费用率：考虑到新产品研发投入和人员结构变化，今年费用端有所承压，后续随着公司营收规模扩张，预计费用率呈下滑趋势。

综上所述，我们预计公司2022-2024年营收为11.86亿元、18.74亿元、27.78亿元，对应增速8.5%、58.0%、48.3%；归母净利润为3.04亿元、4.94亿元、6.95亿元，对应增速分别为3.9%、62.4%、40.6%，对应EPS分别0.67元、1.09元、1.53元。

估值方面，考虑公司为芯片设计厂商，从军用拓展至民用市场，军品主要销售以芯片为核心的模块，民品主要销售芯片产品，两者虽应用领域存在差异，但业务本质相同，目前均处于快速扩张期，因此统一采用PS进行估值。

选取国内AI芯片龙头厂商寒武纪、CPU龙头厂商龙芯中科作为可比公司，考虑公司为国内GPU龙头企业，稀缺性较高，在信创推进下有望受益，我们给予2023年18%的溢价率，对应20xPS，对应市值375亿，对应目标价82.6元。

6 风险提示

信创产业政策落地不及预期：若信创推进不及预期，可能使得公司在信创领域渗透速度放缓，影响公司芯片产品销售；

行业竞争加剧：若国内外参与者加剧市场竞争，可能会削弱景嘉微在民用市场的拓展；

产品研发、适配不及预期：JM9系列第二款产品已经完成初步测试工作，若产品性能或适配情况不及预期可能会减慢景嘉微在民用市场的渗透速度。

——————————————————

请您关注，了解每日最新的行业分析报告！报告属于原作者，我们不做任何投资建议！如有侵权，请私信删除，谢谢！

更多精选报告请登录【远瞻智库官网】或点击：远瞻智库-为三亿人打造的有用知识平台|战略报告|管理文档|行业研报|精选报告|远瞻智库