NVIDIA (NVDA) en el punto de mira: de gigante de los gráficos a titán de la IA

El gigante de la IA

Si bien durante más de una década la atención de los inversores tecnológicos se ha centrado en las “Big Tech” (Microsoft (MSFT + 0.97%), Google (GOOG + 1.91%), Facebook (META -0.69%), etc.), en los últimos años se ha producido un marcado cambio hacia el hardware en lugar del software. La primera señal fue el espectacular auge de Tesla (TSLA + 1.83%) De una acción de culto de nicho a una de las empresas más grandes del mundo.

Pero habría una empresa en la frontera entre el software y el hardware que obtendría retornos igual de buenos, si no mayores: NVIDIA (NVDA + 0.73%).

NVIDIA, considerada hoy en día como una empresa de inteligencia artificial con un éxito repentino, ha desarrollado pacientemente su tecnología única y su posición en el mercado durante 20 o 30 años. Esto podría darle una posición sólida para seguir siendo un actor dominante en el mundo de la tecnología en los próximos años.

El camino de NVIDIA hacia el éxito

CPU vs GPU

Durante mucho tiempo, NVIDIA fue una empresa de hardware informático exitosa pero especializada en la producción de tarjetas gráficas o unidades de procesamiento gráfico (GPU). En ese momento, las GPU se consideraban un elemento de hardware informático importante, pero secundario en comparación con la importantísima unidad central de procesamiento (CPU).

Las CPU están diseñadas para realizar cálculos muy rápidos que requieren realizarse uno tras otro, lo que las hace excelentes para cálculos complejos.

Por el contrario, las GPU son menos potentes pero están diseñadas para realizar muchos cálculos paralelos simultáneamente, lo que las hace mejores para manejar grandes cantidades de datos.

Durante este período, desde la década de 1990 hasta la de 2010, los productores de CPU como Intel (INTC -0.55%) reinaba en la industria, mientras que las GPU de alta calidad eran utilizadas principalmente solo por jugadores y diseñadores gráficos para PC de alta gama.

Construyendo un negocio de GPU

Al principio, el fundador de NVIDIA Jensen Huang y sus cofundadores razonaron que el ritmo de la computación superaría la capacidad de la CPU.Jensen fue fundamental en el desarrollo de las primeras GPU para Sun Microsystems, hoy Oracle (ORCL -1.89%).

Luego se convertiría en uno de los cofundadores de NVIDIA en 1993, adoptando la revolución del PC a principios de la década de 1990.

“Pensamos que los gráficos en 3D serían lo mejor. Y por primera vez, tenemos una plataforma que podría ser una computadora y usarse para lo que quieras. También podría usarse para jugar. Y solo necesitamos construir un chip que permita jugar.

Ninguno de nosotros había visto antes un PC, así que tuvimos que ir a comprar uno. Compramos un Gateway 2000. Nadie sabía programar Windows o DOS. Nadie había visto DOS, así que tuvimos que desmontarlo y empezar a aprender sobre la industria”.

Jensen Huang, en una entrevista con Sequoia

Es curioso pensar que, en retrospectiva, el mercado de los videojuegos no era muy "serio" en ese momento en comparación con modelos de negocio más lucrativos y centrados en empresas de mayor tamaño. Las primeras tarjetas no fueron un éxito comercial. Sus 2^nd La última generación de GPU era mejor, pero de repente se volvió obsoleta cuando el mercado giró hacia la arquitectura DirectX de Microsoft para videojuegos.

Al final, NVIDIA necesitó seis años y tres líneas de productos para encontrar el ajuste entre su producto y el mercado, con muchos eventos cercanos a la muerte para la empresa.

El éxito llegaría con la Riva 128: en sus primeros cuatro meses vendió un millón de unidades. Le seguiría una larga lista de diseños de tarjetas gráficas de éxito, entre ellas la Serie GeForce, hasta el día de hoy el jugador dominante en el mercado junto AMD (AMD + 2.68%) radeon.

Fuente: Compra online

CUDA y Criptomonedas

En 2006, NVIDIA, que ya era un líder consolidado en el campo de las GPU, lanzó CUDA, una interfaz de programación de uso general para las GPU de NVIDIA, lo que abrió la puerta a otros usos además de los juegos. Esto se hizo porque algunos investigadores ya utilizaban las GPU para realizar cálculos en lugar de las supercomputadoras habituales.

Fuente: NVIDIA

“Los investigadores se dieron cuenta de que al comprar esta tarjeta de juegos llamada GeForce, la agregas a tu computadora y, en esencia, tienes una supercomputadora personal. Dinámica molecular, procesamiento sísmico, reconstrucción por TC, procesamiento de imágenes... un montón de cosas diferentes”.

Jensen Huang, en una entrevista con Sequoia

Esta adopción más amplia de GPU, y más específicamente de hardware NVIDIA, creó un ciclo de retroalimentación positiva basado en efectos de red:cuantos más usos, más usuarios finales y programadores estén familiarizados con él, más ventas, mayor presupuesto para I+D, mayor aceleración en la velocidad de computación, más usos, etc.

Fuente: NVIDIA

Hoy en día, la base instalada incluye cientos de millones de GPU CUDA.

Fuente: NVIDIA

Esto no sólo resultaría muy útil para los investigadores, sino que una nueva tecnología haría un gran uso de la computación paralela de GPU: blockchain y criptomonedas.

Auge de las criptomonedas

Ahora, un poco relegadas por el entusiasmo por la IA, las criptomonedas fueron la primera aplicación a gran escala de las GPU más allá de los juegos y la investigación científica. Muchos proyectos de cadenas de bloques y criptomonedas requieren una gran potencia informática. Rápidamente, las GPU de NVIDIA se convirtieron en el hardware central para realizar estos cálculos.

Esto creó un auge en las ventas de NVIDIA, y las acciones de la compañía comenzaron a subir al unísono con el auge de las criptomonedas, y el precio de las acciones aumentó más de 10 veces.

El precio de las acciones de las criptomonedas perdió algo de fuerza en 2022 antes de que los mercados se dieran cuenta de que NVIDIA había estado desarrollando una notable estrategia de inteligencia artificial durante muchos años.

AI

Redes neuronales

Desde principios de la década de 2010, los investigadores comenzaron a implementar GPU para estudiar redes neuronalesSe trata de un tipo de método informático que se diferencia de la programación habitual y fue recibió 2 premios Nobel diferentes en 2024, en Física y Medicina.

Las redes neuronales son la base técnica de lo que hoy en día se denomina comúnmente “IA”.

En 2009, uno de mis estudiantes de la época, Ian Goodfellow, que era mi estudiante de grado, me ayudó a construir un servidor GPU en su dormitorio. Y ese servidor terminó siendo lo que usamos para nuestros primeros experimentos de aprendizaje profundo para entrenar redes neuronales.

Comenzamos a ver aceleraciones de 10 o incluso 100 veces en el entrenamiento de redes neuronales en GPU porque podíamos hacer mil o 10,000 XNUMX cosas en paralelo, en lugar de un paso tras otro.

Andrew Ng – Fundador de DeepLearning.AI y socio gerente general de AI Funds, En una entrevista con Sequoia

Esto fue antes de AlexNet, el primer avance en reconocimiento de imágenes por computadora en 2012, y años antes de AlphaGo.

NVIDIA avanza hacia la IA

NVIDIA se dio cuenta del potencial de la IA desde el principio, mucho antes de que nadie, excepto los investigadores especializados, se preocupara por las redes neuronales.

En aquel momento, se trató de una maniobra arriesgada para entrar en un sector no probado y apenas existente, o como lo expresó Jensen Huang:

"Estamos invirtiendo en mercados de cero mil millones de dólares."

En 2016 y 2017, NVIDIA lanzó tLas arquitecturas de Pascal y Volta, respectivamente, el primer acelerador de IA basado en GPU, mientras que Volta introdujo los Tensor Cores, que aceleraron las tareas de aprendizaje profundo hasta 12 veces.

Fue un cambio radical en esta nueva dirección. Cuando hicimos el cambio, buscamos a todos los investigadores de inteligencia artificial del planeta.

Y lo que les resultó útil a ellos fue la respuesta positiva que recibimos en ese momento. Por eso soy amigo de todos los grandes investigadores de IA del mundo.

Todos ellos me ayudaron a darme indicios tempranos de éxito futuro a lo largo del camino, y hay que hacer un gran alarde de esos pequeños triunfos.

Jensen Huang, en una entrevista con Sequoia

Esto prefiguraría la construcción de una infraestructura informática de IA, que surgiría masivamente en la conciencia pública en 2023, con el lanzamiento de LLM (modelos de lenguaje grandes) populares como Chat GPT.

Pero esto en realidad se construyó a partir del desarrollo lento y a menudo olvidado de GPU dedicadas a IA cada vez más potentes por parte de NVIDIA desde 2016.

Fuente: NVIDIA

Otro aspecto destacable de la evolución de la potencia de procesamiento de la IA es que sigue una ley exponencial en lugar de la ley de Moore, más lineal, para la CPU. Esto se debe no solo a que el hardware de la GPU está mejorando, sino también a que la potencia de procesamiento necesaria ha disminuido debido a la mejora radical en la forma en que se entrenan las redes neuronales.

Además, una mayor disponibilidad de datos hace que el entrenamiento sea más eficiente, lo que ofrece a los investigadores muchos ángulos para trabajar en paralelo para mejorar el rendimiento.

Esto ha llevado a una disminución radical de la energía consumida para entrenar el mismo modelo GPT a lo largo del tiempo, 350 veces menos en 8 años, y una reducción aún más extrema de la energía requerida para realizar una solicitud a estos LLM.

Fuente: NVIDIA

Asociaciones de NVIDIA

NVIDIA ha sido desde sus inicios una empresa profundamente conectada con el sector. En lugar de ser una empresa integrada verticalmente, busca establecer vínculos profundos con los mejores, sin perder de vista sus propias ventajas competitivas.

Por ejemplo, NVIDIA es un fabricante de hardware denominado "fabless", que se centra en el diseño y los conceptos, dejando en manos de las "fab" de semiconductores líderes a nivel mundial como TSMC (TSM + 0.28%) para producir sus GPU.

Al no desarrollar sus propios LLM ni su propio sistema de IA, NVIDIA también es un socio de confianza para prácticamente todas las grandes empresas tecnológicas y de IA emergentes, que lo ven como un socio esencial en lugar de un competidor potencial. A su vez, esto le da a NVIDIA la escala de ventas para seguir reinvirtiendo en I+D y mantenerse a la vanguardia desde el punto de vista tecnológico.

Esta ha demostrado ser la decisión correcta, con NVIDIA como el mayor beneficiario de la ola de gastos de capital (capex) más impresionante en la historia de la industria tecnológica.

Se espera un gasto de capital en IA alcanzará los 200 mil millones de dólares en 2025, además de un gasto de capital acumulado en constante crecimiento por parte de las empresas tecnológicas más grandes del mundo desde 2016.

Fuente: Sherwood

Finanzas

El crecimiento de NVIDIA solo entre 2023 y 2024 ha sido increíble para una empresa de ese tamaño:

• Los ingresos aumentaron un 126%, de $ 27 mil millones a $ 60 mil millones.
• Los ingresos operativos se triplicaron (311%) de $9 mil millones a $37.1 mil millones
• El margen bruto aumentó del 59.2% al 73.8%

En general, la empresa está muy bien valorada, pero ni siquiera tanto debido al crecimiento de sus ganancias. Aun así, con una relación precio-beneficio superior a 60 y un rendimiento de dividendos de solo el 0.03 %, los inversores que compran NVIDIA están asumiendo un gran crecimiento futuro para justificar el precio actual de las acciones.

Fuente: NVIDIA

El futuro de NVIDIA

¿Crecimiento sostenible?

La tasa de crecimiento de tres dígitos de NVIDIA ha sido sorprendente y se ha reflejado en el precio de las acciones de la empresa. Por supuesto, todo lo bueno llega a su fin algún día, y los inversores están empezando a preocuparse de que esto pueda suceder más pronto que tarde.

Las mismas preocupaciones ya existían cuando las ventas de NVIDIA estaban en auge gracias a las ventas de criptomonedas o en las primeras etapas del auge de la IA, por lo que el pesimismo no es necesariamente una estrategia de inversión acertada.

In Una entrevista sobre el Podcast de BG2PodHuang explicó que el mundo necesita actualizar centros de datos y sistemas informáticos por un valor de hasta 1 billón de dólares para incorporar y adaptarse a la IA, y que hasta ahora solo se han gastado 150 mil millones de dólares de ese total.

Por lo tanto, según él, todavía hay mucho margen para que NVIDIA siga aumentando las ventas, aunque sea solo debido a las necesidades informáticas existentes. Eso es antes de que se generalicen aún más aplicaciones para la IA, como coches de auto-conducción.

Estas preocupaciones sobre la demanda total también ignoran que, en última instancia, todas las industrias probablemente implementarán IA en múltiples niveles de una forma u otra, incluidos sectores como la atención médica, que representa un porcentaje de dos dígitos del PIB.

Fuente: NVIDIA

Blackwell

En marzo de 2024, NVIDIA lanzó la plataforma Blackwell, “permitiendo a las organizaciones de todo el mundo construir y ejecutar IA generativa en tiempo real en modelos de lenguaje de gran tamaño con billones de parámetros a un coste y consumo de energía hasta 25 veces menores que su predecesor..

Fuente: NVIDIA

Este es un paso muy importante, ya que el consumo de energía se está convirtiendo rápidamente en una de las principales preocupaciones de las empresas centradas en la IA, como lo ilustra El reciente acuerdo de Microsoft para reabrir toda una planta de energía nuclear y utilizarla todos Su producción de energía durante los próximos 20 años a un precio acordado previamente.

Diseños internos

Un riesgo para NVIDIA es que, si bien es un socio clave para las empresas más grandes del mundo, también es un socio muy costoso y rentable (70% de margen bruto). Por eso, cuando empresas del tamaño y las capacidades de Alphabet/Google gastan cientos de miles de millones de dólares en chips de IA, se ven tentadas a hacerlo internamente.

Y esto no es sólo hipotético, por ejemplo, Tesla ha desarrollado su propio hardware contratando a los mejores diseñadores del competidor de NVIDIA, AMD.Hasta 2019, Tesla utilizaba la plataforma informática de inteligencia artificial NVIDIA Drive PX 2. Mientras Tesla parece estar muy cerca de comercializar realmente el robotaxi, esto podría convertirse en una venta perdida masiva para NVIDIA.

Al mismo tiempo, el caso de Tesla podría ser más bien una excepción a la regla, ya que Tesla y otras empresas de Elon Musk, como SpaceX, conocido por buscar siempre una mayor integración vertical y un mayor nivel de control sobre su hardware.

Las empresas con menos experiencia en hardware o más enfocadas en software y/o marketing, como Facebook o Microsoft, probablemente estarán bien confiando en la mejor y más reciente tecnología de NVIDIA.

Además, actualmente muchos modelos de IA se construyen y codifican con el supuesto de que se ejecutarán en arquitecturas NVIDIA, y los programadores de IA tienen experiencia con el hardware de NVIDIA, que son dos ventajas comerciales valiosas para la empresa.

Riesgos del mercado de la IA

El mercado de la IA en su conjunto puede ser un riesgo mayor sobre el que la excelente gestión de NVIDIA tiene menos control. Por ahora está en auge. Sin embargo, existe una creciente preocupación de que las aplicaciones de IA lanzadas no se hayan transformado en nuevos ingresos masivos como lo hizo el iPhone para Apple en su día.

Probablemente esto sea sólo una señal de que la tecnología todavía está encontrando su lugar y desarrollando su mercado.

Pero si esta situación persistiera por mucho tiempo, podríamos correr el riesgo de llegar a una situación como la de finales de los años 1990, cuando las predicciones sobre la importancia de la PC e Internet eran correctas pero el momento fue demasiado optimista, lo que llevó al estallido de la burbuja puntocom.

Sin duda, que Jensen Huang firme un autógrafo en el pecho de una mujer en junio de 2024 es una señal algo sorprendente, y tal vez un poco preocupante para los inversores preocupados por una posible manía financiera en torno a la IA.

La historia financiera no tiene por qué repetirse necesariamente, pero los inversores querrán analizar adecuadamente este riesgo para NVIDIA y buscar posibles paralelismos con el fabricante de hardware de telecomunicaciones e Internet Sun Microsystems (el primer empleador de Jensen Huang) en 2000.

Si multiplicamos por diez los ingresos, para que usted pueda recuperar la inversión en diez años, tengo que pagarle el 10% de los ingresos durante diez años consecutivos en dividendos. Eso supone que puedo conseguirlo de mis accionistas. Eso supone que tengo un coste de ventas de cero, lo que es muy difícil para una empresa de informática. Eso supone cero gastos, lo que es realmente difícil con 10 empleados. (…)

Ahora bien, una vez hecho esto, ¿alguno de ustedes querría comprar mis acciones a 64 dólares? ¿Se dan cuenta de lo ridículas que son esas suposiciones básicas? No necesitan transparencia. No necesitan notas a pie de página. ¿En qué estaban pensando?

Scott McNealy, entonces director ejecutivo de Sun Microsystems

Como referencia, la relación P/S actual de NVIDIA es 35.

Fuente: Gráfico Y

Conclusión

NVIDIA es una empresa que se ha construido a base de asumir los riesgos calculados correctamente varias veces seguidas en el momento adecuado, desde tarjetas gráficas para PC hasta el lanzamiento de CUDA para nuevas aplicaciones y la adopción temprana de redes neuronales. Esto ha convertido a su fundador, Jensen Huang, en una especie de estrella de rock en la industria de semiconductores y TI.

El desempeño reciente de la compañía ha sorprendido al mercado y ha generado un entusiasmo masivo por las acciones de la compañía, algo que solo Tesla puede presumir en los últimos años. Esto crea una oportunidad enorme, como saben muchos de los primeros inversores en Tesla, que se han enfrentado a casi una década de detractores que esperaban que la compañía y sus acciones fracasaran "en cualquier momento".

Esto también genera algunos riesgos, ya que el auge de la IA aún no ha generado el tipo de ingresos que justifique el gasto de capital actual y podría experimentar una desaceleración antes de convertirse en un sector económico completamente establecido.