后摩尔定律时代，我们一直强调，AI芯片市场百花齐放，深度学习计算中的芯片部署并不是零和博弈。以TPU为代表的AISC定制化芯片在确定性执行模型(deterministic execution model)的应用发挥，是最大化性能需求和成本能耗平衡的重要手段。我们将看到深度学习ASIC包括英特尔的Nervana Engine，Wave Computing的数据流处理单元，英伟达的DLA等逐步面市，依靠硬件特制和效能优势，未来在深度学习领域发挥更大功效。
GPU依靠通用、灵活的强大并行运算能力仍然最为广泛的契合当前目前人工智能监督深度学习的主流需求。GPU加速器提供了深度学习重要的数据处理需求，并且数据密集型workload的常态下，现有GPU在人工智能深度学习不到10%的渗透率上将会有极为可观的增长空间，3-5年内深度学习对GPU的市场需求仍然旺盛。
英伟达GPU王者风范，数据中心+自动驾驶双剑合璧，上调目标价至180美元。
英伟达发布全新Volta构架Tesla V100 GPU，将训练吞吐量提高至上代Pascal的12倍，并且自上而下的对训练、推理兼顾，扩张版图。我们认为，英伟达将依靠Volta构架升级以及广泛成熟的开发生态环境，在数据中心加速市场中抢滩训练端，与AMD的竞争中稳固先发优势，并向推理端加速布局。
自动驾驶上游系统解决方案浮现出英伟达与英特尔-Mobileye联盟两大竞争者。英伟达与丰田宣布合作，并预计今年底发布Xavier平台，通过统一的底层构架以及开放的上层传感器布局和自定义模块为OEM和Tier 1留出充足的可定制以及溢价空间。我们认为，Xavier的发布将很好地契和自动驾驶参与者的研发节奏，公司汽车业务应该从明年开始看到显著的收入贡献。
另外高端PC游戏、VR以及电子竞技热情高涨将继续成为未来游戏市场的主要增长动力。虽然AMD将GPU产品线定位往上移，可能会与英伟达形成正面交锋之势，我们认为英伟达可能也会采取价格调整措施，以更好应对AMD挑战。但随着游戏市场蛋糕做大，我们认为在整体用量增长的同时，价格有所下调也将会是新常态。
当前公司TTM PE和PS分别在46.6x和10.4x高位，但我们认为公司在数据中心和自动驾驶市场的深厚布局预期尚未完全兑现，高增速下有向千亿市值增长的空间。软银增持公司股份亦为公司成长加持。根据彭博一致预期2017年EPS 3.59美元，营收82.2亿美元计算，我们给予50x PE / 13x PS，目标价格从125上调至180美元，重申“买入”评级。