后摩爾定律時代，我們一直強調，AI芯片市場百花齊放，深度學習計算中的芯片部署并不是零和博弈。以TPU為代表的AISC定制化芯片在確定性執行模型(deterministic execution model)的應用發揮，是最大化性能需求和成本能耗平衡的重要手段。我們將看到深度學習ASIC包括英特爾的Nervana Engine，Wave Computing的數據流處理單元，英偉達的DLA等逐步面市，依靠硬件特制和效能優勢，未來在深度學習領域發揮更大功效。
GPU依靠通用、靈活的強大并行運算能力仍然最為廣泛的契合當前目前人工智能監督深度學習的主流需求。GPU加速器提供了深度學習重要的數據處理需求，并且數據密集型workload的常態下，現有GPU在人工智能深度學習不到10%的滲透率上將會有極為可觀的增長空間，3-5年內深度學習對GPU的市場需求仍然旺盛。
英偉達GPU王者風范，數據中心+自動駕駛雙劍合璧，上調目標價至180美元。
英偉達發布全新Volta構架Tesla V100 GPU，將訓練吞吐量提高至上代Pascal的12倍，并且自上而下的對訓練、推理兼顧，擴張版圖。我們認為，英偉達將依靠Volta構架升級以及廣泛成熟的開發生態環境，在數據中心加速市場中搶灘訓練端，與AMD的競爭中穩固先發優勢，并向推理端加速布局。
自動駕駛上游系統解決方案浮現出英偉達與英特爾-Mobileye聯盟兩大競爭者。英偉達與豐田宣布合作，并預計今年底發布Xavier平臺，通過統一的底層構架以及開放的上層傳感器布局和自定義模塊為OEM和Tier 1留出充足的可定制以及溢價空間。我們認為，Xavier的發布將很好地契和自動駕駛參與者的研發節奏，公司汽車業務應該從明年開始看到顯著的收入貢獻。
另外高端PC游戲、VR以及電子競技熱情高漲將繼續成為未來游戲市場的主要增長動力。雖然AMD將GPU產品線定位往上移，可能會與英偉達形成正面交鋒之勢，我們認為英偉達可能也會采取價格調整措施，以更好應對AMD挑戰。但隨著游戲市場蛋糕做大，我們認為在整體用量增長的同時，價格有所下調也將會是新常態。
當前公司TTM PE和PS分別在46.6x和10.4x高位，但我們認為公司在數據中心和自動駕駛市場的深厚布局預期尚未完全兌現，高增速下有向千億市值增長的空間。軟銀增持公司股份亦為公司成長加持。根據彭博一致預期2017年EPS 3.59美元，營收82.2億美元計算，我們給予50x PE / 13x PS，目標價格從125上調至180美元，重申“買入”評級。