NVIDIA (NVDA) Spotlight: Od giganta grafiki do tytana AI

Gigant AI
Jeśli od ponad dekady uwaga inwestorów technologicznych skupia się na „Big Tech” (Microsoft (MSFT -0.55%), Google (GOOG + 0.19%), Facebook (META -0.58%), itd.), w ciągu ostatnich kilku lat można było zaobserwować wyraźną zmianę w kierunku sprzętu nad oprogramowaniem. Pierwszym znakiem był spektakularny wzrost Tesla (TSLA -1.13%) z akcji niszowych i kultowych w jedną z największych firm na świecie.
Ale byłaby jedna firma działająca na granicy między oprogramowaniem a sprzętem, która osiągałaby równie dobre, jeśli nie większe, zyski: NVIDIA (NVDA + 2.31%).
Obecnie postrzegana głównie jako firma AI, która odniosła nagły sukces, NVIDIA cierpliwie budowała swoją unikalną technologię i pozycję rynkową przez 20-30 lat. To może dać jej silną pozycję, aby pozostać dominującym aktorem w świecie technologii w nadchodzących latach.
Droga firmy NVIDIA do sukcesu
Procesor kontra GPU
Przez długi czas NVIDIA była odnoszącą sukcesy, ale niszową firmą produkującą sprzęt komputerowy, specjalizującą się w produkcji kart graficznych lub jednostek przetwarzania grafiki (GPU). W tamtym czasie GPU były postrzegane jako ważny element sprzętu komputerowego, ale drugorzędny w stosunku do najważniejszej jednostki przetwarzania (CPU).
Procesory są zaprojektowane do wykonywania bardzo szybkich obliczeń, wymagających wykonywania ich jedno po drugim, co sprawia, że świetnie nadają się do skomplikowanych obliczeń.
Z kolei procesory graficzne (GPU) są mniej wydajne, ale zaprojektowane tak, by wykonywać wiele równoległych obliczeń równocześnie, dzięki czemu lepiej radzą sobie z przetwarzaniem dużych ilości danych.
W okresie od lat 1990. do 2010 r. producenci procesorów, tacy jak Intel (INTC -1.08%) królowało w branży, podczas gdy wysokiej jakości procesory graficzne były używane głównie przez graczy i projektantów graficznych w komputerach klasy high-end.
Budowanie biznesu GPU
Na początku założyciel firmy NVIDIA Jensen Huang i jego współzałożyciele doszli do wniosku, że tempo obliczeń przewyższy możliwości procesorówJensen odegrał kluczową rolę w opracowaniu pierwszych procesorów graficznych dla firmy Sun Microsystems, która obecnie wyrocznia (Oracle -0.35%).
W 1993 roku został jednym ze współzałożycieli firmy NVIDIA, uczestnicząc w rewolucji komputerów PC na początku lat 1990.
„Pomyśleliśmy, wiesz, może grafika 3D byłaby czymś, co byłoby naprawdę fajne. I po raz pierwszy masz platformę, która może być zarówno komputerem, jak i być używana do, wiesz, czegokolwiek chcesz. Możesz jej również używać do gier. I musimy po prostu zbudować układ, który umożliwi granie w gry.
Żaden z nas nie widział wcześniej PC. Musieliśmy więc kupić PC. Kupiliśmy Gateway 2000. Nikt nawet nie wie, jak programować Windowsa czy DOS-a. Nikt nawet nie widział DOS-a. Musieliśmy więc go rozłożyć na części, zacząć poznawać branżę”.
Jensen Huang w wywiadzie dla Sequoia
Zabawne jest myśleć, że z perspektywy czasu gry nie były wówczas zbyt „poważnym” rynkiem w porównaniu z bardziej dochodowymi i większymi modelami biznesowymi nastawionymi na przedsiębiorstwa. Pierwsze karty nie odniosły sukcesu komercyjnego. Ich 2nd generacji procesory graficzne były lepsze, ale nagle stały się przestarzałe, gdy rynek zwrócił się w stronę architektury DirectX firmy Microsoft dla gier wideo.
Ostatecznie firmie NVIDIA zajęło sześć lat i opracowanie trzech linii produktów, aby znaleźć produkt dopasowany do rynku. Wiele z tych zdarzeń było dla firmy bardzo trudnych.
Sukces przyszedł wraz z Rivą 128: w ciągu pierwszych czterech miesięcy sprzedano 1 milion egzemplarzy. Po niej nastąpiła długa seria udanych projektów kart graficznych, w tym Seria GeForce, do dziś dominującym graczem na rynku obok AMD (AMD + 0.28%) Radeon.

Źródło: UKupić
CUDA i krypto
W 2006 r., będąc już uznanym liderem GPU, NVIDIA wydała CUDA, uniwersalny interfejs programistyczny dla GPU NVIDIA, otwierając drzwi do innych zastosowań niż gry. Stało się tak, ponieważ niektórzy badacze używali już GPU do wykonywania obliczeń zamiast zwykłych superkomputerów.

Źródło: NVIDIA
„Naukowcy zdali sobie sprawę, że kupując tę kartę do gier o nazwie GeForce, dodajesz ją do swojego komputera, w zasadzie masz osobisty superkomputer. Dynamika molekularna, przetwarzanie sejsmiczne, rekonstrukcja CT, przetwarzanie obrazu — cała masa różnych rzeczy”.
Jensen Huang w wywiadzie dla Sequoia
Szersze zastosowanie procesorów graficznych, a konkretnie sprzętu firmy NVIDIA, stworzyło dodatnią pętlę sprzężenia zwrotnego opartą na efekty sieciowe:im więcej zastosowań, tym więcej użytkowników końcowych i programistów jest z nim zaznajomionych, tym większa sprzedaż, większy budżet na prace badawczo-rozwojowe, większe przyspieszenie szybkości obliczeniowej, tym więcej zastosowań itd.

Źródło: NVIDIA
Obecnie na rynku zainstalowanych jest setki milionów procesorów graficznych CUDA.

Źródło: NVIDIA
Nie tylko okazałoby się to bardzo przydatne dla naukowców, ale nowa technologia mogłaby znakomicie wykorzystać obliczenia równoległe GPU: blockchain i kryptowaluty.
Boom kryptowalut
Teraz, nieco zepchnięte na boczny tor przez entuzjazm AI, krypto było pierwszym zastosowaniem GPU na dużą skalę poza grami i badaniami naukowymi. Wiele projektów blockchain i krypto wymaga dużej mocy obliczeniowej. Szybko GPU NVIDIA stały się centralnym sprzętem do wykonywania tych obliczeń.
Spowodowało to gwałtowny wzrost sprzedaży akcji firmy NVIDIA, a wartość akcji spółki zaczęła rosnąć wraz z narastającym boomem kryptowalut, a cena akcji wzrosła ponad 10-krotnie.
Korporacja NVIDIA (NVDA + 2.31%)
Ruch cen akcji kryptowalut nieco stracił na popularności w 2022 r., zanim rynki zdały sobie sprawę, że NVIDIA od wielu lat opracowuje niezwykłą strategię w zakresie sztucznej inteligencji.
AI
Sieci neuronowe
Od początku lat 2010. naukowcy zaczęli stosować procesory graficzne do badań sieci neuronowe. Jest to rodzaj metody obliczeniowej, która różni się od zwykłego programowania i została przyznano 2 różne Nagrody Nobla w 2024 r. w dziedzinie fizyki i medycyny.
Sieci neuronowe stanowią techniczną podstawę tego, co dziś powszechnie nazywa się „sztuczną inteligencją”.
W 2009 roku jeden z moich ówczesnych studentów, Ian Goodfellow, który był moim studentem, pomógł mi zbudować serwer GPU w swoim pokoju w akademiku. I ten serwer okazał się tym, czego użyliśmy do naszych pierwszych eksperymentów z głębokim uczeniem się, aby trenować sieci neuronowe.
Zaczęliśmy obserwować 10-, a nawet 100-krotne przyspieszenie trenowania sieci neuronowych na procesorach GPU, ponieważ mogliśmy wykonywać tysiąc lub 10,000 XNUMX czynności równolegle, zamiast wykonywać je krok po kroku.
Andrew Ng - Założyciel DeepLearning.AI i zarządzający partner generalny AI Funds, w wywiadzie dla Sequoia
Miało to miejsce przed powstaniem AlexNet, pierwszego przełomu w komputerowym rozpoznawaniu obrazów w 2012 r. i na wiele lat przed powstaniem AlphaGo.
Przestawienie firmy NVIDIA na sztuczną inteligencję
Firma NVIDIA wcześnie dostrzegła potencjał sztucznej inteligencji, na długo zanim ktokolwiek poza wyspecjalizowanymi badaczami zainteresował się sieciami neuronowymi.
W tamtym czasie był to ryzykowny ruch w niesprawdzonym, ledwo istniejącym sektorze, lub jak to ujął Jensen Huang:
"Inwestujemy na rynkach wartych zero miliardów dolarów."
W latach 2016 i 2017 firma NVIDIA wydała tArchitektura Pascala i Voltyodpowiednio pierwszy akcelerator AI oparty na procesorze GPU, natomiast Volta wprowadził rdzenie Tensor, które przyspieszyły zadania głębokiego uczenia nawet 12-krotnie.
To był hurtowy zwrot w tym nowym kierunku. Kiedy obróciliśmy statek w tym kierunku, szukaliśmy każdego pojedynczego badacza AI na planecie.
A nasza platforma była dla nich użyteczna, ponieważ otrzymywaliśmy wtedy pozytywne opinie. To jest powód, dla którego przyjaźnię się, wiesz, ze wszystkimi wspaniałymi badaczami AI na świecie.
Wszyscy byli dla mnie pomocni, dając mi wczesne wskazówki na temat przyszłych sukcesów, a trzeba robić wielkie halo z tych małych zwycięstw.
Jensen Huang w wywiadzie dla Sequoia
Zapowiadałoby to rozbudowę infrastruktury obliczeniowej AI, która masowo pojawi się w świadomości społecznej w 2023 r. wraz z wydaniem popularnych modeli LLM (Large Language Models), takich jak Chat GPT.
Ale w rzeczywistości powstało to na bazie powolnego i często zapomnianego rozwoju coraz wydajniejszych procesorów graficznych przeznaczonych specjalnie do sztucznej inteligencji, prowadzonego przez firmę NVIDIA od 2016 r.

Źródło: NVIDIA
Inną niezwykłą rzeczą w ewolucji mocy obliczeniowej AI jest to, że podlega ona wykładniczemu prawu, a nie bardziej liniowemu prawu Moore'a dla CPU. Dzieje się tak, ponieważ nie tylko sprzęt GPU staje się lepszy, ale wymagana moc przetwarzania zmniejszyła się w wyniku radykalnej poprawy sposobu trenowania sieci neuronowych.
Ponadto większa dostępność danych sprawia, że szkolenia stają się bardziej efektywne, a badacze zyskują wiele możliwości równoległej pracy w celu zwiększenia wydajności.
Doprowadziło to do radykalnego zmniejszenia zużycia energii na trenowanie tego samego modelu GPT na przestrzeni czasu, 350-krotnie mniej w ciągu 8 lat, a także do jeszcze większej redukcji energii potrzebnej do wysłania żądania do tych LLM.

Źródło: NVIDIA
Partnerstwa NVIDIA
NVIDIA od początku była firmą głęboko powiązaną z branżą. Zamiast firmy zintegrowanej pionowo, stara się nawiązać głębokie więzi z najlepszymi, jednocześnie pozostając skupionym na własnych przewagach konkurencyjnych.
Na przykład NVIDIA jest tzw. producentem sprzętu „fabless”, skupiającym się na projektowaniu i koncepcjach, pozostawiając wiodącym na świecie „fabrykom” półprzewodników, takim jak TSMC (TSM -0.2%) do produkcji swoich procesorów graficznych.
Nie rozwijając własnych LLM ani systemu AI, NVIDIA jest również zaufanym partnerem dla praktycznie wszystkich startupów „Big Tech” i AI, które postrzegają ją jako niezbędnego partnera, a nie potencjalnego konkurenta. To z kolei daje NVIDIA skalę sprzedaży, aby nadal reinwestować w badania i rozwój i pozostać na szczycie z technologicznego punktu widzenia.
Okazało się, że był to właściwy wybór, a NVIDIA stała się największym beneficjentem najbardziej imponującego szaleństwa wydatków inwestycyjnych (CAPEX) w historii branży technologicznej.
Oczekuje się nakładów inwestycyjnych na sztuczną inteligencję osiągnąć kwotę 200 mld dolarów w 2025 r., na dodatek do stale rosnących skumulowanych nakładów inwestycyjnych największych firm technologicznych na świecie od 2016 r.
Źródło: Sherwood
Financials
Wzrost firmy NVIDIA tylko od 2023 do 2024 r. był niesamowity jak na firmę tej wielkości:
- Przychody wzrosły o 126%, z 27 mld do 60 mld dolarów.
- Dochód operacyjny wzrósł trzykrotnie (311%) z 9 mld do 37.1 mld dolarów
- Marża brutto wzrosła z 59.2% do 73.8%
Ogólnie rzecz biorąc, firma jest wysoko wyceniana, ale nawet nie aż tak bardzo ze względu na wzrost zysków. Mimo to, przy wskaźniku P/E powyżej 60 i rentowności dywidendy wynoszącej zaledwie 0.03%, inwestorzy kupujący akcje NVIDIA zakładają duży przyszły wzrost, aby uzasadnić obecną cenę akcji.

Źródło: NVIDIA
Przyszłość NVIDIA
Zrównoważony wzrost?
Trzycyfrowy wskaźnik wzrostu NVIDIA był zdumiewający i znalazł odzwierciedlenie w cenie akcji firmy. Oczywiście, każda dobra rzecz kiedyś się kończy, a inwestorzy zaczynają się obawiać, że może to nastąpić prędzej niż później.
Te same obawy były już głośne, gdy sprzedaż akcji firmy NVIDIA gwałtownie wzrosła dzięki sprzedaży kryptowalut lub gdy rynek sztucznej inteligencji był na wczesnym etapie rozkwitu, więc pesymizm niekoniecznie jest dobrą strategią inwestycyjną.
In wywiad na temat Podcasty BG2PodHuang wyjaśnił, że świat musi zaktualizować centra danych i obliczenia o wartości do 1 bln USD, aby włączyć i dostosować się do AI. I że do tej pory wydano tylko 150 mld USD z tej sumy.
Zatem według niego NVIDIA ma jeszcze sporo miejsca na dalszy wzrost sprzedaży, nawet jeśli wynika to tylko z istniejących potrzeb obliczeniowych. To było zanim jeszcze więcej aplikacji dla AI stało się powszechnym nurtem, takim jak samodzielne prowadzenie samochodu.
Obawy dotyczące całkowitego popytu nie biorą pod uwagę faktu, że ostatecznie wszystkie branże najprawdopodobniej będą wdrażać sztuczną inteligencję na wielu poziomach, w ten czy inny sposób, w tym także sektory takie jak opieka zdrowotna, które odpowiadają za dwucyfrowy odsetek PKB.

Źródło: NVIDIA
Blackwell
W marcu 2024 r. firma NVIDIA wydała platformę Blackwell, „umożliwiając organizacjom na całym świecie tworzenie i uruchamianie generatywnej sztucznej inteligencji w czasie rzeczywistym w oparciu o biliony parametrów dużych modeli językowych przy nawet 25-krotnie niższych kosztach i zużyciu energii w porównaniu z poprzednikiem.".

Źródło: NVIDIA
To bardzo ważny krok, ponieważ zużycie energii szybko staje się jednym z głównych problemów firm skupionych na sztucznej inteligencji, co ilustruje przykład niedawna umowa Microsoftu dotycząca ponownego otwarcia całej elektrowni jądrowej i wykorzystania cała kolekcja jego moc wyjściowa na następne 20 lat po ustalonej z góry cenie.
Projekty wewnętrzne
Jednym z ryzyk dla NVIDIA jest to, że chociaż jest kluczowym partnerem największych firm świata, jest również bardzo drogim i dochodowym (70% marży brutto). Więc kiedy firmy o wielkości i kompetencjach Alphabet/Google wydają setki miliardów dolarów na układy AI, są kuszone, aby robić to wewnętrznie.
I nie jest to tylko hipoteza, na przykład Tesla opracowała własny sprzęt, zatrudniając najlepszych projektantów z konkurencyjnej firmy NVIDIA, AMDDo 2019 roku Tesla korzystała z platformy obliczeniowej NVIDIA Drive PX 2 AI. Ponieważ Tesla najwyraźniej jest naprawdę blisko wprowadzenia na rynek robotaxi, może to być ogromna strata dla firmy NVIDIA.
Jednocześnie przypadek Tesli może być raczej wyjątkiem od reguły, ponieważ Tesla i inne firmy Elona Muska, takie jak SpaceX, znany z ciągłego dążenia do większej integracji pionowej i silniejszego poziomu kontroli nad sprzętem.
Firmy mające mniejsze doświadczenie w zakresie sprzętu, a bardziej skoncentrowane na oprogramowaniu i/lub marketingu, takie jak Facebook czy Microsoft, prawdopodobnie poradzą sobie, polegając na najlepszej i najnowszej technologii firmy NVIDIA.
Ponadto wiele modeli sztucznej inteligencji jest obecnie tworzonych i kodowanych z założeniem, że będą one działać na architekturach NVIDIA, a programiści sztucznej inteligencji mają doświadczenie w korzystaniu ze sprzętu NVIDIA, co stanowi dla firmy cenne atuty biznesowe.
Ryzyka rynkowe AI
Rynek AI jako całość może być większym ryzykiem, nad którym doskonałe kierownictwo NVIDIA ma mniejszą kontrolę. Na razie kwitnie. Jednak rosną obawy, że wydane aplikacje AI nie przekształciły się w ogromne nowe przychody, tak jak iPhone zrobił to dla Apple w tamtych czasach.
Jest to prawdopodobnie znak, że technologia ta wciąż znajduje swoje miejsce i rozwija swój rynek.
Gdyby jednak taka sytuacja trwała zbyt długo, groziłoby nam ryzyko podobnej sytuacji jak pod koniec lat 1990., gdy prognozy dotyczące znaczenia komputerów osobistych i Internetu okazały się trafne, ale ich termin okazał się zbyt optymistyczny, co doprowadziło do pęknięcia bańki internetowej.
Niewątpliwie fakt, że Jensen Huang złożył autograf na kobiecej piersi w czerwcu 2024 r., jest w pewnym sensie zaskakującym sygnałem, a być może także niepokojącym dla inwestorów obawiających się potencjalnego szaleństwa finansowego wokół sztucznej inteligencji.
Historia finansowa niekoniecznie się powtarza, ale inwestorzy będą chcieli dokładnie przeanalizować ryzyko dla firmy NVIDIA i poszukać potencjalnych podobieństw do producenta sprzętu telekomunikacyjnego i internetowego Sun Microsystems (pierwszego pracodawcy Jensena Huanga) w 2000 r.
Przy 10-krotności przychodów, aby dać ci 10-letni zwrot, muszę ci zapłacić 100% przychodów przez 10 kolejnych lat w dywidendach. Zakłada to, że mogę to uzyskać od moich udziałowców. Zakłada to, że mam zerowy koszt sprzedanych towarów, co jest bardzo trudne dla firmy komputerowej. Zakłada to zerowe wydatki, co jest naprawdę trudne przy 39,000 XNUMX pracowników. (…)
Teraz, skoro to zrobiliście, czy któryś z was chciałby kupić moje akcje po 64$? Czy zdajecie sobie sprawę, jak śmieszne są te podstawowe założenia? Nie potrzebujecie żadnej przejrzystości. Nie potrzebujecie żadnych przypisów. O czym myśleliście?
Scott McNealy – ówczesny dyrektor generalny Sun Microsystems
Dla porównania, obecny współczynnik P/S firmy NVIDIA wynosi 35.

Źródło: Wykres Y
Podsumowanie
NVIDIA to firma zbudowana na podejmowaniu właściwych, skalkulowanych ryzyk kilka razy z rzędu we właściwym czasie, od kart graficznych PC po wydanie CUDA dla nowych aplikacji i wczesne przyjęcie sieci neuronowych. To uczyniło jej założyciela, Jensena Huanga, czymś w rodzaju gwiazdy rocka w branży półprzewodników i IT.
Ostatnie wyniki firmy oszołomiły rynek i wywołały ogromny entuzjazm dla akcji, jakich w ostatnich latach może się spodziewać tylko Tesla. Stwarza to ogromną okazję, jak wiedzą liczni wczesni inwestorzy Tesli, którzy przez prawie dekadę stawiali czoła sceptykom, spodziewającym się, że firma i jej akcje „w każdej chwili” upadną.
Stwarza to również pewne ryzyko, ponieważ boom na sztuczną inteligencję nie wygenerował jeszcze przychodów uzasadniających obecne nakłady inwestycyjne i może odnotować kryzys, zanim stanie się w pełni ugruntowanym sektorem gospodarki.