1、2022年景嘉微主營業務及產品布局分析1.景嘉微：秉承國防科大精神的國產 GPU 領軍企業1.1 秉承國防科大精神，自主知識產權理念扎根其中長沙景嘉微電子有限公司成立于 2006 年，公司致力于信息探測、信息處理和信息傳 遞領域的技術和綜合應用，主要從事高可靠軍用電子產品的研發、生產和銷售，是國內 少數成功自主研發國產化圖形處理芯片（GPU）并產業化的企業。公司核心團隊主要來自國防科學技術大學，自誕生起就秉承國防科大精神，對軍工 電子行業具有深刻理解。公司最早由饒先宏先生和胡亞華先生出資設立，同年曾萬輝先 生注資加入公司。在 2007 年完成中航 631 所基于 ATI Mobility Ra

2、deon 9000（簡稱 M9） 芯片的圖形顯控模塊開發項目后，公司核心團隊認識到 GPU 芯片是圖顯產品的核心，且 當時國內 GPU 市場一片空白，遂開啟了自研 GPU 的漫漫長路。從 2006 年成立、2010 年獲國家重大專項“核高基”項目立項，到 2014 年嵌入式 GPUJM5400、2018 年高可 靠高性能 GPUJM7200，再到 2021 年最新款 GPUJH920 流片成功，公司已成長為國 內擁有完全自主知識產權的 GPU 領軍企業。公司股權較為集中。以 2022 年一季報來看，公司第一大股東喻麗麗女士直接持股 30.96%，董事長曾萬輝先生直接持股 4.52%，喻麗麗、曾

3、萬輝夫婦還持有烏魯木齊景嘉 合創股權投資合伙企業（簡稱“景嘉合創”）80%的股權，合計持有公司約 38%的股權， 是公司的實際控制人；國家集成電路產業投資基金股份有限公司是公司的第二大股東， 持股 8.14%，目前已進入回收期，將逐步退出公司主要股東；公司創始團隊的胡亞華先 生、饒先宏先生分別直接持有公司 3.64%、3.15%的股權，同時還分別持有景嘉合創 10% 的股權。1.2 以軍工電子業務為支撐，以芯片為核心的業務體系公司主要從事高可靠電子產品的研發、生產和銷售，產品主要涉及圖形顯控、小型 專用化雷達、芯片三大領域，其中圖形顯控和雷達屬于軍工電子領域，芯片業務則屬于 民用領域，自 JM

4、5400 上線之后芯片業務已成為公司驅動整個業務體系的核心。公司整體 業務規模自 2011 年以來持續增長，至 2021 年時已增長至 10.93 億元，2011-2021 年營收 CAGR 接近 26%；2022 年第一季度公司營收為 3.62 億元，同比增長 70.34%，創單季度 歷史營收新高。利潤率因轉型芯片業務降低，但凈利潤穩步釋放。自 2011 年以來，公司毛利率與凈 利率整體呈現降低趨勢，結合幾次大幅變化的主要時間區間，基本與公司主要芯片產品 的流片成功及放量節點相匹配，而公司芯片業務尚未進入盈利階段，使整體利潤率降低。 2021 年公司毛利率約為 60.86%，凈利率約為 26

5、.78%。盡管利潤率降低，公司仍保持了 凈利潤的穩步釋放，傳統業務的盈利能力仍較為強勁。2021 年公司歸母凈利潤規模為 2.93 億元，同比增速為 40.99%，2011-2021 年 CAGR 約為 18%；2022 年第一季度，公司歸母 凈利潤 0.77 億元，同比增長 58.20%。如果未來公司芯片業務進一步放量、芯片產品單價 上升，公司凈利潤規模將有望大幅提升。1.2.1 軍工電子業務：芯片業務源頭，基本盤扎實穩健（1）圖形顯控業務公司圖形顯控業務主要包括圖形顯控模塊產品和加固類產品。其中圖形顯控模塊產 品是信息融合和顯示處理的“大腦”，主要面向機載、車載、船舶等應用場景，可歸類為

6、專用顯卡產品；加固類產品則是公司圍繞加固、抗震、加密等功能開發的加固顯示器、 加固電子盤等電子產品，主要應用于專用領域顯示和分析系統。圖形顯控業務是公司最早的主營業務，也是公司的主要的毛利來源。公司的圖形顯 控模塊從最初自主研發 M9、M72、M96 系列 GPU 芯片驅動程序為起點，逐漸發展為采 用自主 GPU。由于機載、車載等專用場景對穩定性要求較高，對產品迭代頻率要求較低， 因此公司每一代圖顯產品的產品生命周期較長，且生命周期內的研發和銷售費用邊際增 長相對較小。較長的產品生命周期與較低的邊際費用增長為公司在芯片領域的高額研發 投入提供支撐。2021 年公司圖顯業務營收達 5.21 億元

7、，毛利率約 72.41%，2011-2021 年 CAGR 約為 19%。（2）小型專用化雷達業務雷達業務是公司在軍工領域的第二項業務，產品包括空中防撞系統核心組件、主動 防護雷達系統、彈載雷達微波射頻前端核心組件，應用于飛機、裝甲車等領域。受益于 近年雷達應用場景的專業化、多樣化，小型專用雷達的市場需求逐漸提升，公司根據自 身技術積累，發展出空中防撞系統、主動防護雷達系統等系統級產品，實現由模塊級產 品向系統級產品轉變。2021 年公司雷達營收規模達 1.14 億元，毛利率約為 72.97%； 2011-2021 年 CAGR 約為 26%。1.2.2 芯片業務：乘信創東風加速放量，新增長點

8、逐漸成型芯片業務是公司業務體系中的核心紐帶，采用 fabless 模式研發 GPU 芯片，并為圖形 顯控業務提供支撐。公司在早期圖顯業務的發展中意識到 GPU 芯片在圖顯模塊類產品研 發中的重要地位，遂著重投入研發資源用于研制具有自主知識產權的 GPU 芯片產品。公 司“圖形加速器技術研究”項目于 2010 年 1 月獲國家重大專項“核高基”項目立項，2014 年公司首款 GPU 芯片 JM-5400 一次性流片成功，并于 2015 年 12 月通過審查，初步滿足 了軍用專業領域的生產交付和維修保障要求，實現了在專業領域對 ATI M9 等芯片的替代。 JM-5400 的成功替代也意味著公司初

9、步實現了由板卡公司向上游 GPU 設計公司的轉型。 此后，公司于 2018 年完成 JM-7200 系列 GPU 芯片的測試，開始在民用市場對中低端國 外顯卡進行替代，并在 2020 年以來的大規模信創招標中在取得良好成績。2020 年公司芯 片業務營收規模達 0.72 億元，同比增長 64.96%；2021 年，公司芯片業務乘信創賽道東 風進一步放量，業務規模增長至 4.47 億元，同比增長 517.46%。2021 年 12 月，公司發布 92 系列 GPU，性能實現較大提升。以顯存帶寬和填充率為 考量，92 系列的顯存帶寬達 128GB/s、像素填充率達 32GP/s、紋理填充率達 64

10、GT/s，與 7 系列相比有較大提升。與 Nvidia 的產品相比，92 系列與 Nvidia GeForce GTX 1050 Ti 總體相當，稍低于 Nvidia GeForce GTX 1060，可認為與 Nvidia 在 2016 年左右的中端顯 卡處于同一水平，功耗上甚至更勝一籌，而 JM-7200 僅與 2011 年初發布的低端顯卡 Nvidia GeForce GT 440 相當。不難看出，盡管景嘉微與 Nvidia、AMD 等國際龍頭相比仍有較大 差距，但考慮到我國芯片業務起步較晚、技術交流受限的客觀情況，公司僅用 3 年多的 時間（按產品發布間隔來算）實現了性能大幅提升，顯示

11、出強勁的研發迭代能力。2.回顧 GPU 歷史，軟件生態是 GPU 公司的戰略縱深2.1 從渲染科幻圖像到實現科幻場景，GPU 站在時代風口顯卡，也可稱為顯示卡、顯示加速卡、顯示適配器等，是連接 PC 主板與顯示器的重 要組件，主要承擔輸出顯示圖形的任務，通常由顯示處理器（GPU）、顯示存儲器（顯存）、 顯卡 BIOS、數字模擬轉換器（DAC）、PCB 板等部件組成。1987 年，IBM 提出 VGA 標準，使顯卡獲得了支持顯示器顯示 256 種顏色的能力， 顯卡本身也從主板中獨立出來。自此開始，圖形處理需求迅速提升，特別是游戲行業的 發展催化了需求釋放。1996 年，3dfx 公司正式發售了

12、Voodoo 1 顯卡，成為引爆顯卡市場 的現象級產品，帶動了大量 3D 游戲發展。1999 年，Nvidia 通過將光影轉換（T&L）整 合進顯示芯片發明了 GPU，并在首款 GeForce 系列顯卡 GeForce 256 上搭載了 GPU，正 式宣告 GPU 時代來臨。具備 T&L 功能的 GPU 將 CPU 從繁復的像素填充工作中解放出 來，使 CPU 資源可以用于其他復雜功能，計算機在游戲等場景下的性能大大提升。此后 的 GPU 設計也基本遵循大量重復計算這一思路，天生具有高算力，主流 GPU 與同時期 CPU 相比，基本上都呈現出單核心（通常指流處理器或計算單元）能力相對較弱、核心

13、 數量眾多的特征。舉例來說，2016 年發布的中端顯卡 Nvidia GTX 1060 就已經具有了 1280 個核心以及 4.4TFlops（約合 4506GFlops）的單精度浮點算力，而最新的 Intel i9 12900K CPU 僅包含 16 個核心和 697GFlops 算力，也正因為如此，GPU 的核心能力就是算力。隨著 IT 技術發展，數據總量急速膨脹，用戶對硬件的計算能力（簡稱算力）需求迅 速增長，高性能計算（HPC，High-performance Computing）得到發展，最典型的應用場 景就是人工智能。隨著機器學習理論的發展，僅使用 CPU 難以滿足研究和開發人員的

14、訓 練和推理需求，GPU 憑借天生的高算力架構逐漸進入專家視野。基于 GPU 的深度學習理 論在 2006 年得到突破后迅速成長，特別是 2012 年基于 GPU 的深度卷積神經網絡架構 AlexNet 在 ImageNet 圖像識別比賽中以較大優勢拔得頭籌，奠定了 GPU 在深度學習領域 的地位。目前，深度學習芯片主要包括 GPU、ASIC、CPU 和 FPGA 四類芯片，其中 GPU 在算力峰值、通用性、兼容性等方面都優于其他芯片，是大多數深度學習模型訓練和推 理的首選。不僅是人工智能，區塊鏈等需求 HPC 的場景也常用 GPU，這些需求還推動產 業衍生出 GPGPU 芯片（General

15、-Purpose GPU，即放棄圖形顯示功能、專精算力的通用 GPU）。GPU 不僅是符合大數據處理領域需求的通用選項，還是滿足受 XR 等技術進一步 推動的“視覺文化”需求的必需品，因此 GPU 已成為數字經濟時代的核心硬件之一。2.2 復盤 Nvidia 與 AMD 競爭史，優秀的軟件生態布局是 Nvidia 關鍵優勢Nvidia 是目前顯卡領域最強勢公司，2021 年 Q4 全球獨立顯卡出貨數據顯示，Nvidia 出貨量約占 81%，AMD 僅占 19%。但 Nvidia 并非一直如此強勢，1996-1998 年之間 3dfx 是市場的絕對頂流，市場占有率一度達到 85%，而 ATI 在

16、 2006 年被 AMD 收購之前也屢 次領先 Nvidia，2005 年 ATI Radeon 9550 以 29.8%的關注度領跑國內市場。一般認為，性能及其所代表的技術壁壘是市場占有率的決定性因素。對比 2010 年以 來 Nvidia 與 AMD 各自具有代表性的旗艦級顯卡產品，不難看出 Nvidia 與 AMD 各自在 2015 年之前的尖端產品性能相差無幾。根據 TechPowerUp 數據，如果以 Nvidia GTX 480 （2010 年）的性能為基數（100），則 Nvidia GTX 980 Ti 的性能約為 300，AMD FURY X 約為 295。2015 年以后，

17、由于 Nvidia 在架構上的突破，AMD 的旗艦顯卡性能出現一定 程度的落后，但 2020 年推出的 AMD RX 6800XT 在性能上已追上同年推出的 Nvidia RTX 3080，稍落后于 2021 年的 Nvidia RTX 3080Ti。如果結合歷史上 ATI 公司與 Nvidia 公司 的激烈競爭，基本上可以認為 Nvidia 與 AMD/ATI 公司的硬件技術實力是比較接近的。但 Nvidia 的市場占有率并未因為技術實力接近而停滯。以季度出貨量的市場占有率 來計量，我們發現 Nvidia 與 AMD 市場占有率差值（以下簡稱為 N-A 差值）的中樞在逐 步上移。2010 年

18、 Q4-2014 年 Q2 期間，N-A 差值基本上從 20%左右逐步上行至 27%附近； 2015 年以后的震蕩情況加劇，N-A 差值的低谷也逐漸提高至 35%附近，上限更是提高至 則 65%附近。雖然 2015 年之后尖端產品的性能差距可以部分解釋 N-A差值峰值的上行， 但從顯卡發展史中我們可以得知技術爆發存在偶然性，Nvidia 的產品也并非總是領先， 而即使 AMD 的產品性能追趕成功，這個過程中 N-A 差值的低谷仍在穩步提升。這種趨 勢變化顯示，Nvidia 在取得性能優勢的時候能夠更好的擴大市場份額，在性能劣勢的時 候仍可保留部分戰果，我們認為這才是 Nvidia 相對 AMD

19、 的真正優越性所在。與大多數傳統制造業不同，GPU 產業生態具有更為復雜的雙鏈生態結構，硬件生態 鏈與軟件生態鏈的不重合導致了顯卡渠道與用戶生態的相對分離，進而對廠商的生態建 設提出了更高的要求。（1） 硬件生態鏈顯卡硬件生態鏈的話語權主要在 GPU 廠商，但渠道建設仍然重要。與大多數傳統制 造業產業鏈類似，顯卡產業的硬件生態鏈是顯卡產品的物理傳導路徑，但起到集成作用 的硬件生態對上游 GPU 廠商的影響力較弱。生態鏈由 GPU 廠商啟動（為簡化問題省略 了原材料及其他零部件環節），GPU 廠商將 GPU 銷售給板卡制造商（AIBs 為 AMD 合作 伙伴，AICs 為 Nvidia 合作伙伴

20、，也可統稱為 AIBs），同時向市場發售少量公版顯卡，除 了創收，更是為 AIBs 提供穩定可靠的顯卡設計參考。生態鏈的中間環節主要由 AIBs 組 成，他們不僅是實際上的主要顯卡生產商，同時也是 GPU 廠商的渠道。AIBs 在新顯卡發布時也會生產少量公版顯卡，此后根據公版方案生產增配或縮水的非公版顯卡。由于 決定顯卡性能的關鍵在 GPU，因此用戶實質上選擇的是由 Nvidia、AMD 等廠商提供的 GPU 及其對應的基礎顯卡設計。盡管硬件生態鏈的話語權主要在 GPU 廠商，但昔日顯卡 霸主 3dfx 的潰敗充分表明了建設好板卡廠商的環節也非常重要，此后 Nvidia 與 AMD/ATI 也

21、一直與板卡廠商保持良好的合作關系，雙方在硬件生態的布局上分庭抗禮。（2） 軟件生態鏈與硬件生態不同，軟件生態的演化是顯卡產業發展的核心動能。GPU 廠商或第三方 組織向軟件廠商提供運算平臺以滿足不同的軟件開發和運行需求，如用于科學計算的 CUDA、用于游戲渲染的 DirectX，軟件廠商根據下游需求基于這些平臺開發軟件產品或 提供軟件服務，終端用戶在使用這些產品時也會安裝并使用這些運算平臺以實現更好的 效果。同時，終端用戶也會軟件廠商反饋需求，軟件廠商除了優化自身產品，還會將所 需硬件支持或平臺支持向上游反饋，促使 GPU 廠商及運算平臺推出新的設計方案，或更 新驅動程序以優化軟件對硬件算力的

22、調用效果。GPU 的實際使用性能依托于軟件產品的 表現，因此形成了用戶通過對軟件產品投票進而影響上游廠商的反饋鏈條，使 GPU 廠商 通過軟件廠商與用戶形成的紐帶關系，這種深刻的紐帶關系為 GPU 廠商在技術研發落后 時提供戰略縱深，在技術研發領先時則可以更好地擴大優勢。從整體上看，Nvidia 在軟 件生態鏈的布局遠勝于 AMD。Nvidia 在軟件生態鏈的布局最重要的是運算平臺 CUDA。CUDA，即統一計算設備 架構（Compute Unified Device Architecture），是 Nvidia 推出的通用并行計算架構，用戶 可借助其中包含的 CUDA 指令集和并行計算引擎解

23、決較為復雜的計算問題，從而提升最 終的實際產出算力。舉例來說，視頻轉碼軟件 MediaCoder 在借助 CUDA 加速后進行視頻文件轉碼，其轉碼時間大約可以減少 70%。Nvidia 為保證 CUDA 的使用率，積極在校 園及開發者群體中進行推廣，以相對廉價的高性能爭取了大量用戶，目前 CUDA 在全球 有大約 300 萬名開發者，在中國也有超過 50 萬名。AMD 沒有進行有效的同類型布局， 同時也不愿支持 CUDA。借助 Nvidia 運算平臺的優勢，軟件廠商可以呈現出更好的用戶 體驗，反過來軟件廠商為了更好的合作愿意為 Nvidia 進行優化，Nvidia 也積極開發驅動 程序或更新

24、CUDA 以配合軟件廠商優化，使 GPU 廠商、軟件廠商、用戶之間的綁定更 加緊密。2022 年 2 月，設計類軟件龍頭 Adobe 公司更新了 Adobe Premiere Pro 2022 的 22.2 版本，其中專門針對 Intel 和 Nvidia 進行了優化，但并未提及針對 AMD 的優化。根據官 方數據，在 22.2 版本中，Nvidia Quadro RTX 5000 顯卡對 720P 高清視頻進行 HEVC 硬編 碼的耗時大約縮短至 12 毫秒，上一版本約為 75 毫秒，對 4K 超高清視頻進行 HEVC 硬 編碼的耗時則由上一版本的 155 毫秒左右縮短至 35 毫秒左右。軟

25、件公司的“偏袒”使得 Nvidia 更受用戶青睞。3.信創帶來歷史性機會，公司盈利空間有望打開3.1 信創重塑國產生態環境，為國產 GPU 帶來歷史性機會如前文所述，除了自身在技術上的努力，生態建設是 GPU 公司成長的關鍵。在 Nvidia 和 AMD 穩穩占據顯卡市場前二的大環境下，獨立發展自主知識產權的 GPU 必須要投入 大量資源建立和維護生態。2020 年以來，我國信創產業逐步啟動大規模招標，為在黨政 領域取得了較大進展。當前正處于黨政信創深化下沉至區縣的時點，第二輪黨政公文系 統的替代已逐步開始實施。同時，隨著黨政公文系統改造逐步走向尾聲，黨政信創領域 的電子政務系統招標也開始啟動

26、，2022 年或將成為信創市場放量的拐點，市場規模有望 迅速擴大。除黨政領域外，金融、能源等行業的國產化替代進程已開始，逐步形成黨政+8 大行 業+其他行業的“2+8+N”信創發展格局。由于我國信創產業仍面臨著關鍵技術存在短板 等問題，從穩定性的角度出發，行業信創的替代進程將優先在對產業穩定性影響較小的 環節推進，因此 PC 等終端設備及應用軟件的替代進程快于核心系統的替代，為國產 CPU、 GPU 等硬件產品提供生態環境。從總量上看，信創市場重塑的生態規模足以為 GPU 國產化提供發育空間。據國家統 計局數據，2020 年國有單位就業人員總數約為 5563 萬人，按 1:1 計算可以提供 5000 萬 以上的市場空間。如果考慮到國產化生態普及之后的兼容性問題，以國有單位為主要服 務對象的相關合作單位有望加入到國產化生態之中，市場總體空間還有較大擴充余地。 根據 Nvidia 官方數據，全球 GeForce 系列顯卡用戶數大約為 2 億，參考前述顯卡市場市 場占有率情況，按 3:1 估算得使用 AMD 獨立顯卡的用戶數約在