Autor Maksym Misichenko · Nasdaq ·
Co agenci AI myślą o tej wiadomości
Pomimo konkurencji ze strony niestandardowych chipów hiperskalerów, ekosystem CUDA Nvidii, fosa oprogramowania i dominująca skala w TSMC sprawiają, że jest ona dobrze przygotowana do utrzymania wiodącej pozycji na rynku chipsetów AI. Kluczowym ryzykiem są potencjalne ograniczenia przepustowości w TSMC, podczas gdy kluczową szansą jest zdolność Nvidii do monetyzacji poprzez oprogramowanie i narzędzia, nawet w miarę wzrostu własnych chipów.
Ryzyko: Potencjalne ograniczenia przepustowości w TSMC
Szansa: Monetyzacja poprzez oprogramowanie i narzędzia
Analiza ta jest generowana przez pipeline StockScreener — cztery wiodące LLM (Claude, GPT, Gemini, Grok) otrzymują identyczne instrukcje z wbudowaną ochroną przed halucynacjami. Przeczytaj metodologię →
Hiper-skalerzy, tacy jak Amazon i Alphabet, odnotowują zdrowe zapotrzebowanie na swoje niestandardowe procesory AI.
Firmy te udostępniają dostęp do swoich wewnętrznych chipów stronom trzecim i już zdobyły lukratywne kontrakty.
Ich postępy nie są dobrą wiadomością dla Nvidii, która od trzech i pół roku jest dominującym graczem na rynku chipów AI.
Nvidia (NASDAQ: NVDA) była jednym z największych beneficjentów boomu na chipy sztucznej inteligencji (AI). Jej jednostki przetwarzania grafiki (GPU) to procesory równoległe, zaprojektowane do rozbijania pewnych typów masowo złożonych obliczeń na wiele mniejszych części, a następnie wykonywania wszystkich tych małych obliczeń jednocześnie, zamiast wykonywania każdego zadania po kolei. Okazuje się, że proces trenowania dużych modeli językowych (LLM) w dużej mierze zależy od właśnie takich zadań, w których GPU przodują.
W rezultacie, w ciągu ostatnich kilku lat, popyt na wiodące na rynku GPU firmy Nvidia gwałtownie wzrósł, napędzając oszałamiający wzrost przychodów i zysków firmy.
Czy AI stworzy pierwszego bilionera na świecie? Nasz zespół właśnie opublikował raport o jednej, mało znanej firmie, nazwanej "niezbędnym monopolem", dostarczającej kluczową technologię, której potrzebują zarówno Nvidia, jak i Intel. Czytaj dalej »
Główni hiper-skalerzy i firmy AI, takie jak Amazon (NASDAQ: AMZN), Microsoft, Meta Platforms i Google należący do Alphabet (NASDAQ: GOOG) (NASDAQ: GOOGL), od dawna polegają na sprzęcie Nvidii do trenowania potężnych modeli AI.
Warto zauważyć, że rywale Nvidii nie byli w stanie znacząco zaszkodzić jej dominacji na rynku chipów AI. Według IDC kontroluje ona około 81% rynku chipów do centrów danych AI. Dobrą wiadomością dla inwestorów w akcje Nvidii jest to, że gorący wzrost firmy może być kontynuowany – firma prognozuje całkowitą sprzedaż w wysokości 1 biliona dolarów dla swoich architektur Blackwell i Vera Rubin w latach 2026 i 2027.
Istnieje jednak wiele dowodów na to, że pozycja Nvidii na rynku chipów AI stopniowo słabnie.
Trenowanie LLM wymaga dużej mocy obliczeniowej, dlatego Amazon, Meta, Microsoft, Alphabet i inni kupują miliony GPU Nvidii. Jednak ci klienci projektują również własne chipy do efektywnego kosztowo przetwarzania obciążeń AI w swoich centrach danych. Wysokie koszty i ograniczenia podaży związane z popularnymi kartami graficznymi Nvidii wyjaśniają, dlaczego ci klienci od dawna pracują nad własnymi chipami wewnętrznie.
Na przykład Google wprowadził pierwszą generację swojego procesora Tensor Processing Unit (TPU) w 2015 roku, podczas gdy własny chip firmy Amazon, Trainium, został wprowadzony na rynek w grudniu 2020 roku. Obie firmy ulepszały swoje chipy przez lata. W rzeczywistości sprzedają one teraz te chipy stronom trzecim.
Na przykład Amazon ujawnił niedawno, że jego biznes chipowy odnotował 40% wzrost sekwencyjny w pierwszym kwartale 2026 roku. Roczna stopa przychodów z działalności półprzewodnikowej Amazon wynosi obecnie ponad 20 miliardów dolarów. Co więcej, firma z "Magnificent Seven" zauważa, że stopa przychodów segmentu rośnie w tempie trójcyfrowym rok do roku.
Kolejnym kluczowym punktem jest to, że roczna stopa przychodów segmentu byłaby bliższa 50 miliardom dolarów, gdyby uwzględnić "sprzedaż" chipów do samego siebie do wykorzystania w centrach danych AWS. Co więcej, popyt na chipy Trainium firmy Amazon jest tak duży, że dostęp do nich jest w pełni zarezerwowany. Jej niestandardowe procesory AI są wykorzystywane przez Anthropic, OpenAI, Uber, a nawet Meta Platforms, która wykorzystuje własny procesor centralny (CPU) firmy Amazon, Graviton, do obsługi agentowych aplikacji AI.
Okazuje się, że Amazon ma ogromne zobowiązania w wysokości 225 miliardów dolarów na zakup swoich chipów AI Trainium, co wyraźnie sugeruje, że jego działalność półprzewodnikowa jest przygotowana na ogromny wzrost.
Tymczasem Google również wywołuje fale na rynku chipów AI. Gigant technologiczny ma znaczące umowy z Meta Platforms i Anthropic dotyczące wdrażania swoich TPU. Dyrektor generalny Sundar Pichai uważa biznes TPU za jeden z kluczowych motorów wzrostu, a firma sprzedaje teraz swoje chipy większej liczbie klientów.
Podczas ostatniej konferencji wynikowej Alphabet, Pichai zauważył:
W miarę wzrostu popytu na TPU ze strony laboratoriów AI, firm z rynków kapitałowych i aplikacji obliczeniowych o wysokiej wydajności, zaczniemy dostarczać TPU wybranej grupie klientów w ich własnych centrach danych w konfiguracji sprzętowej, aby poszerzyć naszą docelową możliwość rynkową.
Ta docelowa możliwość może być ogromna w dłuższej perspektywie. Chociaż Google nie ujawnił jeszcze publicznie wielkości swojego biznesu TPU, firma inwestycyjna D.A. Davidson szacuje, że w dłuższej perspektywie może on być wart oszałamiające 900 miliardów dolarów, zakładając, że firma zdecyduje się poważnie sprzedawać swoje chipy stronom trzecim.
Wydaje się teraz, że Google faktycznie poważnie podchodzi do swojego biznesu TPU, co prawdopodobnie stworzy więcej problemów dla imperium chipów AI firmy Nvidia.
Nvidia nie będzie siedzieć i patrzeć, jak jej klienci stają się konkurentami. Powodem, dla którego niestandardowe procesory Amazon i Google zyskują ogromną popularność, jest to, że są to układy scalone specyficzne dla aplikacji – chipy zoptymalizowane do obsługi stosunkowo wąskiego zakresu obciążeń, w przeciwieństwie do bardziej elastycznych GPU Nvidii, które nadają się do szerokiego zakresu zadań. Niestandardowe chipy mogą zatem wydajniej wykonywać zadania wnioskowania AI, zmniejszając całkowity koszt operacyjny centrów danych.
Nvidia przeciwdziała zagrożeniu ze strony takich firm jak Amazon i Google, wprowadzając ulepszenia do swojego sprzętu, które znacznie obniżają koszt wnioskowania AI za pomocą jej GPU. Ponadto Nvidia zdecydowała się zaoferować swój procesor serwerowy Vera jako samodzielny produkt po raz pierwszy, zamiast oferować go tylko jako część platformy Vera Rubin. Firma podjęła ten krok, ponieważ obserwuje silne zainteresowanie swoimi procesorami serwerowymi Vera. W rzeczywistości firma uważa, że jej biznes procesorów serwerowych może stać się przedsięwzięciem wartym miliardy dolarów.
Wysiłki Nvidii w zakresie rozwoju produktów powinny pomóc jej odeprzeć rosnącą konkurencję. Ponadto inwestorzy nie powinni zapominać, że rynek chipów AI nadal szybko się rozwija. Bank of America szacuje, że globalny rynek półprzewodników może osiągnąć przychody w wysokości 2 bilionów dolarów w 2030 roku. Gartner z kolei szacuje, że do końca dekady chipy AI będą stanowić połowę globalnego rynku półprzewodników.
Istnieje zatem wystarczająco dużo miejsca, aby więcej niż jeden główny gracz mógł prosperować w tej przestrzeni. Nvidia odnotowała w zeszłym roku 194 miliardy dolarów przychodów z centrów danych, a wielkość docelowego rynku sugeruje, że nadal ma znaczące pole do wzrostu w tym segmencie. Ponadto firma podejmuje kroki w celu obrony swojej dominacji. W związku z tym łatwo zrozumieć, dlaczego analitycy pozostają optymistyczni co do perspektyw Nvidii; może ona nadal odnotowywać zdrowe wzrosty sprzedaży w centrach danych, nawet jeśli straci część udziału w rynku chipów AI.
Co więcej, jej wskaźnik cena/zysk (P/E) na przyszłość wynoszący 24 jest znacznie poniżej średniego wskaźnika P/E dla technologicznego indeksu Nasdaq Composite, który wynosi 40,6. Potencjał wzrostu zysków firmy sugeruje, że jest ona obecnie niedowartościowana. Dlatego ma sens trzymanie tych akcji AI, pomimo rosnącej konkurencji na rynku chipów do centrów danych.
Czy kiedykolwiek czułeś, że przegapiłeś okazję kupienia najbardziej udanych akcji? W takim razie będziesz chciał to usłyszeć.
W rzadkich przypadkach nasz zespół ekspertów analityków wydaje rekomendację akcji typu "Double Down" dla firm, które ich zdaniem mają zaraz wystrzelić. Jeśli martwisz się, że już przegapiłeś okazję do inwestycji, teraz jest najlepszy czas, aby kupić, zanim będzie za późno. A liczby mówią same za siebie:
Nvidia: jeśli zainwestowałeś 1000 dolarów, kiedy podwoiliśmy stawkę w 2009 roku, miałbyś 539 083 dolarów! Apple: jeśli zainwestowałeś 1000 dolarów, kiedy podwoiliśmy stawkę w 2008 roku, miałbyś 54 747 dolarów! Netflix: jeśli zainwestowałeś 1000 dolarów, kiedy podwoiliśmy stawkę w 2004 roku, miałbyś 476 034 dolarów!*
Teraz wydajemy alerty "Double Down" dla trzech niesamowitych firm, dostępnych po dołączeniu do Stock Advisor, i może już nigdy nie być takiej okazji.
**Wyniki Stock Advisor na dzień 8 maja 2026 r. *
Bank of America jest partnerem reklamowym Motley Fool Money. Harsh Chauhan nie posiada żadnych pozycji w wymienionych akcjach. Motley Fool posiada i poleca akcje Alphabet, Amazon, Meta Platforms, Microsoft i Nvidia. Motley Fool poleca Gartner. Motley Fool posiada politykę ujawniania informacji.
Przedstawione poglądy i opinie są poglądami autora i niekoniecznie odzwierciedlają poglądy Nasdaq, Inc.
Cztery wiodące modele AI dyskutują o tym artykule
"Wycena Nvidii na poziomie 24-krotności przyszłych zysków znacznie obniża jej ewolucję w dostawcę całego stosu centrów danych, niezależnie od niewielkiej utraty udziału w rynku na rzecz niestandardowego krzemu."
Narracja o tym, że hiperskalerzy "niszczą" Nvidię poprzez budowanie niestandardowego krzemu, ignoruje rozróżnienie między trenowaniem a wnioskowaniem. Chociaż Trainium Amazonu i TPU Google zyskują na popularności w przypadku wnioskowania zoptymalizowanego pod kątem kosztów, ekosystem CUDA Nvidii pozostaje złotym standardem dla trenowania modeli granicznych. Nvidia przechodzi od dostawcy komponentów do architekta całego stosu centrów danych z Blackwell i Vera. Argument dotyczący wyceny artykułu – powołujący się na 24-krotny wskaźnik C/Z na przyszłość – jest najbardziej przekonującym sygnałem; jeśli Nvidia utrzyma nawet 60-70% udziału w rynku o wartości 1 biliona dolarów TAM do 2030 roku, obecny mnożnik sugeruje ogromne błędne wycenienie terminalnego wzrostu. Prawdziwym ryzykiem nie jest konkurencja, ale potencjalne spłaszczenie praw skalowania LLM, czyniące ogromne klastry GPU mniej niezbędnymi.
Jeśli hiperskalerzy skutecznie przesuną branżę w kierunku otwartych frameworków, takich jak Triton czy PyTorch 2.0, "fosa" zastrzeżonego oprogramowania CUDA Nvidii może wyparować, komodytyzując ich sprzęt z dnia na dzień.
"Niestandardowe chipy hiperskalerów celują w efektywność wnioskowania, ale nie obalą dominacji Nvidii w trenowaniu ani fosy CUDA na rozwijającym się rynku wartym wiele bilionów dolarów."
Niedźwiedzi tytuł tego artykułu przecenia zagrożenie – zewnętrzna stopa przychodów Amazonu z chipów wynosząca 20 miliardów dolarów (Q1 2026) i początkowa sprzedaż TPU Google bledną w porównaniu z 194 miliardami dolarów przychodów Nvidii z centrów danych w zeszłym roku i 81% udziałem w rynku chipów AI (IDC). Niestandardowe ASIC, takie jak Trainium/TPU, doskonale sprawdzają się w oszczędnościach kosztów wnioskowania, ale brakuje im elastyczności GPU Nvidii do trenowania LLM, gdzie ekosystem CUDA wiąże hiperskalerów (którzy nadal kupują miliardy H100/B200). Prognoza Nvidii dotycząca Blackwell/Vera Rubin na poziomie 1 biliona dolarów (2026-27), optymalizacje wnioskowania i samodzielne procesory Vera CPU skutecznie przeciwdziałają w rynku półprzewodników o wartości 2 bilionów dolarów (BofA 2030). Przyszłe 24-krotne C/Z w porównaniu z 40-krotnym C/Z Nasdaq krzyczy o niedowartościowaniu przy wzroście o ponad 100%.
Jeśli zobowiązania hiperskalerów na kwotę 225 miliardów dolarów na Trainium i umowy na TPU szybko wzrosną, aby zastąpić 20-30% przychodów Nvidii z wnioskowania (rosnących szybciej niż trenowanie), w połączeniu z dywersyfikacją łańcucha dostaw przez OpenAI/Anthropic, siła cenowa i marże Nvidii mogą ulec erozji szybciej niż oczekiwano.
"Niestandardowe chipy to dla hiperskalerów gra marżowa, a nie zabójca przychodów Nvidii – potencjalny rynek rośnie szybciej, niż jakikolwiek pojedynczy konkurent może zdobyć udział."
Artykuł myli utratę udziału w rynku z spadkiem przychodów – krytyczny błąd. Tak, Amazon i Google budują niestandardowe chipy, ale przychody Nvidii z centrów danych w wysokości 194 miliardów dolarów w zeszłym roku wzrosły o około 126% rok do roku. Nawet utrata 20 punktów udziału w rynku na rynku rosnącym o ponad 40% rocznie oznacza, że przychody Nvidii nadal rosną. Artykuł przytacza stopę przychodów Amazonu z chipów w wysokości 20 miliardów dolarów i hipotetyczną okazję Google na 900 miliardów dolarów, ale żadna z nich nie zastępuje bazy zainstalowanej ani ekosystemu oprogramowania Nvidii (CUDA). Prawdziwym ryzykiem nie jest konkurencja; pytanie brzmi, czy intensywność wydatków kapitałowych hiperskalerów nie osłabnie, jednocześnie miażdżąc całe zapotrzebowanie na półprzewodniki.
Jeśli hiperskalerzy osiągną 60% wykorzystanie własnych chipów w ciągu 24 miesięcy i zmniejszą zamówienia na GPU Nvidii o 40%, wzrost centrów danych Nvidii może spowolnić do jednocyfrowego tempa, pomimo ekspansji rynku – zamieniając to w prawdziwą historię utraty udziału, a nie scenariusz rosnącej fali.
"Przewaga konkurencyjna Nvidii może ulec erozji, jeśli hiperskalerzy wystarczająco szybko skalują własne chipy AI, aby znacząco zmniejszyć zależność od GPU Nvidii, ryzykując kompresję marż i utratę udziału w wieloletnim cyklu."
Artykuł przedstawia prawdopodobne ryzyko dla dominacji Nvidii: hiperskalerzy budujący własne chipy mogą zmniejszyć udział i zwiększyć konkurencję. Jednak fosa Nvidii opiera się na czymś więcej niż tylko surowej mocy GPU – chroni ją oprogramowanie CUDA, ogromny ekosystem i wieloletnie cykle popytu w centrach danych. Własne chipy zazwyczaj optymalizują wąskie obciążenia i wymagają ogromnych, ciągłych wydatków kapitałowych; nawet jeśli chipy typu Trainium/TPU zyskają na popularności, Nvidia nadal może wygrać dzięki wszechstronności, narzędziom i skali. Projekcje TAM (np. rynek TPU wart 900 miliardów dolarów; przychody z półprzewodników wynoszące 2 biliony dolarów do 2030 roku) wyglądają optymistycznie i opierają się na agresywnym przyjęciu. Prawdziwym testem jest to, czy hiperskalerzy osiągną parytet kosztów w skali, nie poświęcając wydajności i niezawodności.
Argument zakłada, że Nvidia jest w stanie wytrzymać szybkie przejście na własne chipy; jeśli hiperskalerzy przyspieszą, długie czasy realizacji, koszty integracji i luki w wydajności mogą się skumulować, potencjalnie zmniejszając udział i marże Nvidii szybciej, niż oczekują krytycy.
"Ograniczenia przepustowości CoWoS w TSMC stanowią krytyczne wąskie gardło po stronie podaży, które może zniwelować udział Nvidii w rynku niezależnie od popytu."
Claude, pomijasz ryzyko geopolityczne i związane z łańcuchem dostaw: TSMC. Hiperskalerzy nie tylko budują chipy; konkurują o tę samą ograniczoną przepustowość pakowania CoWoS. Jeśli Nvidia straci swój priorytetowy status w TSMC, jej "fosa" nie ma znaczenia. Nawet jeśli popyt pozostanie, brak możliwości dostarczenia jednostek Blackwell z powodu ograniczeń przepustowości – podczas gdy Google i Amazon zabezpieczają własne dedykowane linie – może wywołać kompresję marż po stronie podaży, której żaden z was nie uwzględnił odpowiednio w 24-krotnym wskaźniku C/Z na przyszłość.
"Skala Nvidii zapewnia TSMC priorytet nad mniejszymi wolumenami hiperskalerów, zamieniając ryzyko podaży w fosę."
Gemini, twój punkt dotyczący CoWoS w TSMC pomija dominującą skalę Nvidii: jako największy klient TSMC (około 20% przychodów), Nvidia zabezpiecza wieloletnie priorytetowe kontrakty na pakowanie HBM, podczas gdy wolumeny Trainium/TPU hiperskalerów są 5-10 razy mniejsze. Walki o przepustowość faworyzują Nvidię, a nie ją osłabiają – co potwierdzają alokacje podaży w IV kwartale roku finansowego 24. Symetryczne ryzyka tajwańskie dotykają wszystkich, ale GPU Rubin Nvidii (2x wydajność Blackwell) poszerzają lukę.
"Dźwignia Nvidii w TSMC jest realna, ale zakłada statyczne wzorce popytu; strukturalne zmiany w alokacji wydatków kapitałowych hiperskalerów mogą zniwelować tę przewagę szybciej, niż sugeruje historyczny precedens."
Argument Groka dotyczący skali TSMC jest słuszny, ale pomija ryzyko czasowe: priorytet Nvidii w CoWoS obowiązuje *dziś*. Jeśli plany rozwoju niestandardowych chipów hiperskalerów dojrzeją szybciej niż wdrożenie Blackwell (prawdopodobne biorąc pod uwagę harmonogramy na 2026 rok), TSMC może przekierować przepustowość w połowie cyklu. 20% udział Nvidii jako klienta nie gwarantuje priorytetu, jeśli popyt ulegnie strukturalnej zmianie. Prawdziwe pytanie: czy 2-krotna wydajność Rubina uzasadnia premię za wydatki kapitałowe, jeśli chipy do wnioskowania osiągną 90% parytetu kosztów do 2027 roku?
"Ryzyko przepustowości CoWoS istnieje, ale fosa oprogramowania Nvidii i elastyczna opcja Vera Rubin tworzą opcjonalność, której brakuje czysto sprzętowym zakładom."
Gemini, ryzyko przepustowości CoWoS jest realne, ale nie jest czarnym łabędziem dla Nvidii. Większym pominiętym elementem jest to, ile wydatków kapitałowych hiperskalerów jest kierowane na akcelerację opartą na oprogramowaniu, a nie czysty krzem. Jeśli własne chipy będą rosły, Nvidia może monetyzować poprzez CUDA, narzędzia i wieloletnie cykle popytu w centrach danych, a nie tylko sprzedaż GPU. Ściśnięcie przepustowości dotknęłoby wszystkich graczy; fosa oprogramowania Nvidii i elastyczność Vera Rubin oferują opcjonalność, której czysto sprzętowi puryści nie doceniają.
Pomimo konkurencji ze strony niestandardowych chipów hiperskalerów, ekosystem CUDA Nvidii, fosa oprogramowania i dominująca skala w TSMC sprawiają, że jest ona dobrze przygotowana do utrzymania wiodącej pozycji na rynku chipsetów AI. Kluczowym ryzykiem są potencjalne ograniczenia przepustowości w TSMC, podczas gdy kluczową szansą jest zdolność Nvidii do monetyzacji poprzez oprogramowanie i narzędzia, nawet w miarę wzrostu własnych chipów.
Monetyzacja poprzez oprogramowanie i narzędzia
Potencjalne ograniczenia przepustowości w TSMC