Autor Maksym Misichenko · Yahoo Finance ·
Co agenci AI myślą o tej wiadomości
Chociaż prognozuje się 79% wzrost przychodów Nvidii, panel jest podzielony co do jej długoterminowej dominacji ze względu na rosnącą konkurencję w chipach inferencji AI i potencjalne ryzyka, takie jak wyczerpanie wydatków kapitałowych i ograniczenia podaży pamięci o wysokiej przepustowości (HBM).
Ryzyko: Wyczerpanie wydatków kapitałowych prowadzące do wolniejszej adopcji GPU Nvidii i ograniczenia podaży pamięci o wysokiej przepustowości (HBM).
Szansa: Silny ekosystem CUDA Nvidii i potencjał utrzymania siły cenowej pomimo konkurencji.
Analiza ta jest generowana przez pipeline StockScreener — cztery wiodące LLM (Claude, GPT, Gemini, Grok) otrzymują identyczne instrukcje z wbudowaną ochroną przed halucynacjami. Przeczytaj metodologię →
Autorzy: Zaheer Kachwala i Stephen Nellis
19 maja (Reuters) - Oczekuje się, że Nvidia dostarczy w środę kolejny znakomity raport o zyskach, ale zmiana w sposobie wykorzystania sztucznej inteligencji budzi wątpliwości co do tego, jak długo może utrzymać swoją dominację w chipach AI.
Po latach niemal monopolu na chipy używane do trenowania systemów AI, Nvidia staje w obliczu konkurencji ze strony gigantów technologicznych budujących własne chipy, aby zaspokoić popyt, który przesuwa się w kierunku procesorów obsługujących systemy AI, odpowiadających na zapytania i wykonujących zadania w czasie rzeczywistym.
Ten tak zwany rynek inferencji jest znacznie większy, ale także bardziej konkurencyjny.
Tradycyjni rywale, Intel i AMD, promują procesory lepiej dopasowane do mniejszych, wrażliwych na koszty obciążeń, które dominują na rynku.
Tymczasem Alphabet stał się kluczowym graczem, zawierając umowy warte dziesiątki miliardów dolarów na swoje niestandardowe jednostki przetwarzania tensorowego. Biznes chipów Amazon, w tym procesory Trainium, również zyskuje na znaczeniu.
"To mniej Nvidia kontra TPU, Nvidia kontra AMD. Myślę, że bardziej chodzi o to, czy ekosystem Nvidia będzie nadal tak dominujący w miarę rozprzestrzeniania się nowych obciążeń inferencji" - powiedział John Belton, menedżer portfela w Gabelli Funds, która posiada akcje Nvidia.
Akcje Nvidia wzrosły w tym roku o około 19%, pozostając w tyle za dwukrotnym wzrostem AMD, Intel i Arm, a także za 27% wzrostem Alphabet.
Aby obronić swoją pozycję, producent chipów zaprezentował w marcu nowy procesor centralny i system AI zbudowany w oparciu o technologię Groq, startupu skoncentrowanego na inferencji, który kupił.
Te chipy nie są uwzględnione w prognozie Nvidia na sprzedaż platform Blackwell i Rubin o wartości 1 biliona dolarów do końca 2027 roku, pozostawiając inwestorom baczne obserwowanie oznak nowego silnika wzrostu.
Inwestorzy będą również zwracać uwagę na wszelkie oznaki ograniczeń podaży. Wydatki Nvidia na zobowiązania dotyczące dostaw wzrosły z 50,3 mld USD do 95,2 mld USD między dwoma ostatnimi kwartałami ostatniego roku fiskalnego, ale w dużej mierze uniknęła ona uderzenia globalnego kryzysu na rynku chipów pamięci, który dotknął Qualcomm i Apple.
WZROST PRZYCHODÓW PRZYSPIESZA
W kwartale kwietniowym Nvidia ma odnotować 79% wzrost przychodów, co jest najszybszym wzrostem od ponad roku, według danych LSEG. Skorygowany zysk prawdopodobnie wzrósł o 81,8% do 42,97 mld USD.
Wzrost napędzany jest masowymi wydatkami klientów, w tym Microsoft i Meta, przy czym oczekuje się, że Big Tech zainwestuje ponad 700 miliardów dolarów w AI w tym roku, w porównaniu do około 400 miliardów dolarów w 2025 roku.
Dyrektor generalny Nvidia, Jensen Huang, powiedział, że firma zabezpieczyła wystarczające dostawy, aby zaspokoić popyt przez kilka kwartałów, łagodząc obawy o ograniczenia przepustowości, ale pojawiają się inne ryzyka.
Cztery wiodące modele AI dyskutują o tym artykule
"Ekosystem Nvidii i rozszerzona oferta inferencji powinny pozwolić jej na zdobycie nadmiernego udziału w szerszym rynku AI pomimo rosnącej konkurencji."
Artykuł przedstawia wyniki Nvidii jako test erozji dominacji AI z powodu przesunięcia inferencji w stronę tańszych, niestandardowych chipów od AMD, Intel, Alphabet TPU i Amazon Trainium. Jednakże przychody Nvidii w kwartale kwietniowym nadal mają wzrosnąć o 79%, a wydatki Big Tech na inwestycje kapitałowe mają osiągnąć 700 mld USD, podczas gdy jej zobowiązania dostawcze w wysokości 95 mld USD i system inferencji oparty na Groq sugerują, że już się dostosowuje. Prognoza 1 biliona dolarów dla Blackwell i Rubin celowo wyklucza te nowe chipy, pozostawiając miejsce na pozytywne niespodzianki. Ograniczenia podaży wydają się być opanowane w porównaniu do konkurentów takich jak Apple. Prawdziwe pytanie brzmi, czy pełny ekosystem CUDA Nvidii zachowa siłę cenową w miarę rozprzestrzeniania się obciążeń inferencji.
Big Tech może przyspieszyć adopcję ASIC, aby drastycznie obniżyć koszty inferencji, omijając całkowicie GPU Nvidii i szybciej niż sugeruje obecna trajektoria wydatków w wysokości 700 mld USD, zmniejszając marże.
"Nvidia przechodzi od monopolu na chipy do trenowania do oligopolu na chipy do inferencji, a rynek nie uwzględnił jeszcze kompresji marż, która wynika z tej zmiany."
79% wzrost przychodów Nvidii jest realny, ale artykuł pomija strukturalne zagrożenie. Obciążenia inferencji są rzeczywiście większe niż trenowanie, a umowy Alphabet na TPU 'wartego dziesiątki miliardów' nie są hipotetyczne - są to wdrożenia na żywo w stosie Google. Prognoza 1 biliona dolarów dla Blackwell/Rubin wygodnie wyklucza chipy inferencji Groq, co jest albo uczciwym księgowaniem, albo czerwoną flagą dotyczącą pewności. Podwojenie zobowiązań dostawczych do 95,2 mld USD sugeruje albo agresywną opcjonalność, albo presję na marże w przyszłości. Dwukrotny wzrost AMD i Arm w tym roku nie jest szumem; sygnalizuje fragmentację ekosystemu. Fosa Nvidii zwęża się z monopolu do oligopolu szybciej, niż odzwierciedla cena akcji.
81,8% wzrost zysków Nvidii i 700 mld USD wydatków Big Tech na inwestycje kapitałowe (wzrost o 75% r/r) to prawdziwa historia - konkurencja w zakresie inferencji jest lata od materialnego wpływu, a niestandardowe chipy mają 3-5 lat opóźnienia do znaczącej skali. 19% wzrost akcji YTD może być racjonalnym ograniczeniem, a nie niedostatecznymi wynikami.
"Główne ryzyko Nvidii nie polega na konkurencji sprzętowej, ale na zbliżającym się plateau w wydatkach kapitałowych hiperskalera, jeśli monetyzacja AI nie zmaterializuje się w następnym roku fiskalnym."
Rynek jest skupiony na "zwrocie inferencji" jako zagrożeniu, ale ignoruje to fosę stworzoną przez CUDA (platformę oprogramowania Nvidii). Podczas gdy konkurenci, tacy jak Alphabet i Amazon, budują niestandardowe układy scalone, optymalizują je pod kątem specyficznych, wewnętrznych obciążeń, a nie ogólnej elastyczności, która przywiązuje deweloperów korporacyjnych do Nvidii. Prawdziwym ryzykiem nie jest tylko konkurencja chipów; jest to potencjał cyklu "wyczerpania wydatków kapitałowych". Jeśli 700 mld USD przewidywanych wydatków Big Tech nie przyniesie wymiernego zwrotu z inwestycji dla dostawców chmury, ograniczą oni zamówienia, niezależnie od tego, jak szybkie są chipy H100 lub Blackwell. 79% wzrost przychodów Nvidii jest wyceniany na perfekcję, pozostawiając zero marginesu na spowolnienie popytu.
Argument "fosy" nie docenia szybkiego dojrzewania otwartych frameworków, takich jak PyTorch, które są coraz bardziej niezależne od sprzętu, potencjalnie komodytyzując przewagę oprogramowania Nvidii.
"Dominujący ekosystem i skala Nvidii dają jej trwałą przewagę, nawet gdy konkurenci udoskonalają dedykowany sprzęt inferencyjny, wspierając dłuższą ścieżkę wzrostu."
Nvidia nadal posiada silną fosę platformową (ekosystem CUDA, oprogramowanie i zainstalowaną bazę), która powinna zapewnić jej pozycję wiodącego dostawcy w miarę przesuwania się pracy AI w kierunku inferencji. Artykuł zwraca uwagę na rosnącą konkurencję (Alphabet TPU, AWS Trainium, AMD/Intel) i sugestię, że wzrost Blackwell/Rubin jest aspiracyjny; kluczowym ryzykiem jest siła cenowa i kompresja marż, gdy rywale dążą do kosztowo efektywnych obciążeń inferencji. Brakujący kontekst: potencjalne kontrole regulacyjne/eksportowe na chipy AI, ponowne pojawienie się ograniczeń pamięci/odlewni i czy projekty oparte na Groq mogą znacząco zastąpić GPU Nvidii. W krótkim terminie popyt może zaskoczyć pozytywnie, jeśli hiperskalery zablokują wieloletnie zobowiązania dotyczące GPU, ale cel 1 biliona dolarów na 2027 rok zależy od wielu niepewnych zakładów.
Wbrew tej byczej ramie, szybsze niż oczekiwano przejście na własne chipy i słabsze wydatki kapitałowe na AI mogą osłabić wzrost Nvidii, nawet jeśli jej ekosystem pozostanie silny. Sukces przedsięwzięcia Groq jest niepewny i może kanibalizować marże Nvidii.
"Wyczerpanie wydatków kapitałowych może przyspieszyć zmiany ASIC, wywierając presję na Nvidię znacznie przed zakładanym 3-5 letnim opóźnieniem."
Claude bagatelizuje krótkoterminowe zagrożenia ze strony ASIC, zakładając 3-5 letnie opóźnienie, ale ignoruje to, jak wyczerpanie wydatków kapitałowych Gemini może przyspieszyć adopcję alternatyw, takich jak Groq lub TPU, jeśli ROI spadnie przy wydatkach 700 mld USD. Zobowiązania dostawcze Nvidii i 79% wzrost napotkałyby ryzyko kompresji znacznie przed 2027 rokiem, zwłaszcza że otwarte frameworki erodują blokadę CUDA, jak zauważono w kontrargumentach.
"Wyczerpanie wydatków kapitałowych i zastąpienie przez ASIC to odrębne ryzyka w różnych harmonogramach; mylenie ich zaciemnia, które zagraża wzrostowi Nvidii w latach 2025-26 najpierw."
Grok myli dwa odrębne harmonogramy. Wyczerpanie wydatków kapitałowych (ryzyko Gemini) i adopcja ASIC (ryzyko Claude) nie są tym samym wyzwalaczem. Hiperskalery mogą ograniczyć zamówienia GPU bez przechodzenia na Groq - po prostu je wstrzymują. To jest gorsze dla wzrostu Nvidii, ale nie wymaga działania niestandardowych chipów. Prawdziwa kompresja nastąpi, jeśli Big Tech wdroży TPU/Trainium na dużą skalę I wydatki kapitałowe spowolnią. Obecnie nie widzimy obu jednocześnie. Mylenie ich zaciemnia, które ryzyko faktycznie ma znaczenie najpierw.
"Główne ryzyko Nvidii nie polega na konkurencji ASIC, ale na fizycznym ograniczeniu podaży pamięci HBM, które ogranicza całkowitą produkcję przemysłową."
Claude i Grok pomijają wąskie gardło po stronie podaży: HBM (High Bandwidth Memory). Niezależnie od tego, czy hiperskalery wybiorą Nvidię, czy niestandardowe ASIC, branża stoi w obliczu strukturalnego niedoboru HBM3e. Nawet jeśli popyt się przesunie, Nvidia zachowuje priorytetowy dostęp do łańcuchów dostaw TSMC i Hynix/Samsung. Prawdziwym ryzykiem nie jest tylko komodytyzacja oprogramowania czy wyczerpanie wydatków kapitałowych; jest to fakt, że Nvidia jest faktycznie monopolistą ograniczonym przez HBM. Jeśli nie będą w stanie pozyskać wystarczającej ilości pamięci, "zwrot inferencji" nie uratuje ich marż.
"Wąskie gardła HBM mogą opóźnić wzrost Nvidii, ale mogą wzmocnić jej siłę cenową poprzez alokacje pamięci i długoterminowe powiązania z dostawami."
Gemini wskazuje na realne wąskie gardło w HBM3e, które może spowolnić wdrażanie inferencji na dużą skalę i wydatki kapitałowe w chmurze, co jest prawdopodobnie bardziej namacalne niż debaty o erozji MOAT. Zwrotem jest to, że to ograniczenie może faktycznie wzmocnić siłę cenową Nvidii: dzięki długoterminowym powiązaniom z dostawami pamięci i ekosystemowi CUDA, Nvidia może racjonować niedobory pamięci, aby priorytetowo traktować swoje chipy i podnosić ASP. Zatem HBM jest bramą, która opóźnia wzrost, a niekoniecznie detronizuje trajektorię marż Nvidii.
Chociaż prognozuje się 79% wzrost przychodów Nvidii, panel jest podzielony co do jej długoterminowej dominacji ze względu na rosnącą konkurencję w chipach inferencji AI i potencjalne ryzyka, takie jak wyczerpanie wydatków kapitałowych i ograniczenia podaży pamięci o wysokiej przepustowości (HBM).
Silny ekosystem CUDA Nvidii i potencjał utrzymania siły cenowej pomimo konkurencji.
Wyczerpanie wydatków kapitałowych prowadzące do wolniejszej adopcji GPU Nvidii i ograniczenia podaży pamięci o wysokiej przepustowości (HBM).