都在造芯，百度芯片的成色如何?

    本文系基于公开资料撰写,仅作为信息交流之用,不构成任何投资建议。
    在2020年12月23日的《百度再起舞》一文中,我们率先提出了市场对百度的理解存在预期差,尽管仍然存在很多争议,但此后百度(NASDAQ:BIDU)股价稳步上涨30%,证实预期差的真实存在。
    我们明确指出:市场投资者根本没有给无人驾驶、云计算、小度智能助手等业务定价。甚至全球出货量第一的小度智能屏等业务全部都白送,接近200亿的年研发费用被投资者当空气。而之所以选择性忽略,是大家在往年财报中看不到收入的增长就直接忽略公司的技术底色,而一个公司的当期研发投入或资本开支则是下一阶段的增长源泉。
    正因为如此,我们又于2021年1月14日发文《“第四类造车玩家”登上历史舞台,中美欧暗战无人驾驶》,对百度不被市场给予估值、且增长潜力最大的无人驾驶业务进行了详细分析。
    随着百度从400亿美元的底部到站稳800亿美元的市值,这部分低估已然基本得到修复,而ARK Invest目前赚取的这部分投资收益完美验证格雷厄姆“捡烟蒂”理论:寻找极度低估的资产并建立投资组合,并等待价值回归。
    持有百度如果接下来要获得更多的投资收益,则要从格雷厄姆的“捡烟蒂”理论升级到巴菲特的“价值投资”理论:价值从何而来,无他,只有成长才可能创造长期价值。我们曾举例微软的重生靠的就是2010年开始重注云计算,而百度则将靠all in智能时代,尤其是无人驾驶。
    
    图1:百度无人驾驶&车联网布局,以Apollo计划为核心,资料来源:Apollo官网,中信证券
    但不得不承认的是,由于这部分业务尚处发展的早期,能够从公开财务数据中获得“学院派”的支持有限,我们采取的方式是将此前研究提出的“预期差”更进一步,探讨认知差,毕竟价值投资本质是赚认知的钱。
    毋庸置疑,没有人会质疑互联网出身的百度在智能领域的软件算法能力,而百度极为低调的硬件布局,可能是最大的认知差所在。本文也将尝试去认知百度在芯片领域的卡位,毕竟这部分的突破将全盘支撑公司智能化新业务,尤其是无人驾驶。
    微软是认知差的典型案例,2010年底萨提亚·纳德拉接手内部正秘密开展研发的云计算产品。内部深厚的技术底蕴+云为先的战略,让微软打了个漂亮的翻身仗,2014年到2020年,微软股价上涨4倍。
    由于这部分认知尚处早期,未来的兑现需要数据和产品不断的验证,股价也会随着兑现而逐步水涨船高。百度能否复刻微软的股价走势需要同样的兑现,而投资人则需要根据兑现及时更新自己的认知。
    01
    百度芯事
    众所周知,在数据层面,百度有路测车队,加州DMV发布的2019无人驾驶脱离报告中百度Apollo成绩居首位。在算法层面,做搜索出身的百度轻车熟路,它还有汇聚5．5万开发者的开放平台。
    而在算力这个硬科技领域,百度虽然自研AI芯片昆仑和语音芯片鸿鹄,但如何理解一家互联网公司“不务正业”去碰芯片这个高精尖的玩意,以及百度芯片的成色如何?
    【1】互联网公司入局芯片的底层逻辑
    从2015年前后开始,全球的互联网巨头开始跨界进入由英特尔、英伟达等把持的芯片高地,蜂拥而至并不是由于资本追逐泡沫,背后的底层逻辑其实是相当坚实的,包括:
    1)互联网公司撞上算力墙,传统芯片企业难以突破;
    2)芯片行业分工导致芯片设计的进入难度实际快速下降;
    3)AI时代到来,计算芯片的格局出现松动,巨头想把核心部件控制在自己手中。
    接下来,笔者将对以上三点展开逐次进行探讨。
    (1)互联网巨头入局尝试打破算力瓶颈
    人工智能时代最大的瓶颈在于底层算力。当前以深度学习为代表的人工智能技术对于底层芯片计算能力的需求一直在飞速增长,其增速已经大幅超过了摩尔定律的速度。根据IDC预测,到2025年,全球一年产生的数据量约175ZB,是2018年的5倍多。
    仍然以智能时代最有看点的无人驾驶为例,无人驾驶系统的核心是芯片。当前在无人驾驶最为激进的特斯拉和国内造车新势力,普遍只能实现L2到L3级别的无人驾驶,除特斯拉外,算力都在50TOPS以内,而根据预测,要实现L4 需要的计算力超过100TOPS,而 L5 需要则要超过 1000TOPS。显然,现在的计算芯片远远满足不了需求。
    
    图2:无人驾驶芯片当前状况 ,资料来源:亿欧,国信证券
    (2)芯片设计门槛其实在降低
    那么自然问题就来了,传统芯片企业做不了的事,你互联网巨头就行了?这个地方需要稍微讲下芯片产业链的运行逻辑,就能理解为什么互联网巨头现在要开始近几年做芯片。
    大家经常看到台积电、英特尔、三星这些芯片巨头动辄百亿美元的投资,容易形成芯片极度烧钱的印象,但实际上如果只做芯片设计其实资金门槛可控,而且可以看到成果。
    芯片行业经过半个多世纪的发展,由于产值规模大、技术难度高、资金投入多,已经成为了分工最细的行业,从最上游捋起,IP授权、仿真软件、设备材料、芯片设计、制造代工、封装测试,一颗小小的芯片背后需要多家公司分工完成。
    但分工带来的好处是芯片设计的进入门槛其实是降低了的,你要做的工作是把一个芯片设计出来,而至于用于设计这个芯片所需的工具,设计出来后的制造,这些基本不太用操心。要的只不过是芯片设计人才和较多的研发投入,这些显然是互联网巨头们的强项。
    百度的昆仑系列芯片就是找三星帮忙代工的,所以最为重要的是能够网罗芯片设计人才,设计出来的芯片要有商业化应用的场景,以及还能掏得起流片的费用,而显然,百度不缺钱不缺人也不缺应用场景。
    
    图3:半导体分工导致芯片设计门槛下降,资料来源:搜狐
    (3)AI时代,传统芯片格局松动,中国企业加速突破
    芯片当前格局的确很稳固,但实际上把历史拉到10年的周期维度就能明显的感受到,每一次下游大应用的变化都会由于不同的需求点,带来半导体行业的大洗牌:
    1980-90年代,日本家电风靡全球,就带来了日本芯片企业的崛起,当时对芯片的要求是不需要过高的算力,但稳定性必须要高;
    1990s后个人电脑爆发,对高算力需求很高,对稳定性要求一般,带来了英特尔这个蓝色巨人的崛起;
    2010s智能手机,相对个人电脑同样要求高算力外,另外一个特点是要求低功耗,所以英特尔们掉队,ARM、苹果这样的公司成为主角。
    2015年 AI登场,2020年的5G又加速了AI的渗透,芯片行业再一次处在巨变的前夜。
    AIOT时代的两个重大变化:
    1)算力需求指数级增长,因为AI是基于对大数据根据神经网络算法做训练和推断,算力因而成为第一生产力;
    2)算力扩散,越来越多的终端被赋予智能,不仅仅是电脑和手机,还有比如家电、手表、耳机、眼镜、汽车等等,这些终端也需要智能。
    All in AI的百度,同时面对算力需求的指数级增长和算力扩散的问题,所以百度推出的昆仑系列,对应解决高算力需求,鸿鹄芯片对应的扩算的算力需求。这种布局其实是对应两个重要的新需求点。在业内,也经常把这两种需求分为云端算力和边缘端算力需求。
    在云端和边缘端的拉动下,AI芯片显然将成为下一个风口,根据Tractia的估算,到2025年,全球仅AI芯片的市场规模就将达到726亿美元,每年的增速超过40%。更值得一提的是,在这个领域,中国较美国的差距很小,互联网巨头们很可能充当AI芯片国家间竞争的旗手。
    
    图4:2018 年-2025 年全球人工智能芯片市场规模,资料来源:Tractica
    
    
    1  2  下一页>