Sorotan NVIDIA (NVDA): Dari Raksasa Grafis Menjadi Raksasa AI

Raksasa AI

Jika selama lebih dari satu dekade, perhatian investor teknologi tertuju pada “Big Tech” (Microsoft (MSFT + 0.97%), Google (GOOG + 1.91%), Facebook (META -0.69%), dll.), beberapa tahun terakhir ini telah melihat pergeseran yang nyata ke arah perangkat keras daripada perangkat lunak. Tanda pertama adalah peningkatan spektakuler Tesla (TSLA + 1.83%) dari saham khusus yang hanya diminati banyak orang menjadi salah satu perusahaan terbesar di dunia.

Namun ada satu perusahaan yang berada di perbatasan antara perangkat lunak dan perangkat keras yang akan memperoleh keuntungan yang sama baiknya, jika tidak lebih besar: NVIDIA (NVDA + 0.73%).

Kini, yang sebagian besar dipandang sebagai perusahaan AI dengan kesuksesan mendadak, NVIDIA sebenarnya telah dengan sabar membangun teknologi dan posisi pasarnya yang unik selama 20-30 tahun. Hal ini mungkin memberinya posisi yang kuat untuk tetap menjadi pelaku dominan di dunia teknologi selama beberapa tahun mendatang.

Jalan Menuju Kesuksesan NVIDIA

CPU vs GPU

Selama ini, NVIDIA merupakan perusahaan perangkat keras komputer yang sukses namun khusus yang mengkhususkan diri dalam memproduksi kartu grafis atau unit pemrosesan grafis (GPU). Saat itu, GPU dipandang sebagai elemen perangkat keras komputasi yang penting, tetapi sekunder dari unit pemrosesan pusat (CPU) yang sangat penting.

CPU dirancang untuk melakukan perhitungan sangat cepat yang memerlukan pengerjaan satu demi satu, membuatnya hebat dalam perhitungan rumit.

Sebaliknya, GPU kurang bertenaga tetapi dirancang untuk melakukan banyak kalkulasi paralel secara bersamaan, membuatnya lebih baik dalam menangani data dalam jumlah besar.

Selama periode tahun 1990-an hingga 2010-an, produsen CPU seperti Intel (INTC -0.55%) menguasai industri, sementara GPU berkualitas tinggi sebagian besar hanya digunakan oleh para gamer dan desainer grafis untuk PC kelas atas.

Membangun Bisnis GPU

Sejak awal, pendiri NVIDIA Jensen Huang dan rekan pendirinya beralasan bahwa kecepatan komputasi akan melampaui kapasitas CPUJensen berperan penting dalam mengembangkan GPU pertama untuk Sun Microsystems, saat ini Peramal (ORCL -1.89%).

Dia kemudian menjadi salah satu pendiri NVIDIA pada tahun 1993, merangkul revolusi PC di awal tahun 1990-an.

"Kami pikir, Anda tahu, mungkin grafis 3D akan menjadi hal yang sangat keren. Dan untuk pertama kalinya, Anda memiliki platform yang bisa menjadi komputer dan digunakan untuk, Anda tahu, apa pun yang ingin Anda gunakan. Anda juga bisa menggunakannya untuk bermain game. Dan, kami hanya perlu membuat chip yang memungkinkan untuk bermain game.

Tak seorang pun dari kami pernah melihat PC sebelumnya. Jadi kami harus membeli PC. Kami membeli Gateway 2000. Tak seorang pun tahu cara memprogram Windows atau DOS. Tak seorang pun pernah melihat DOS. Jadi kami harus membongkarnya, mulai belajar tentang industri ini.”

Jensen Huang, dalam sebuah wawancara dengan Sequoia

Lucu juga jika mengingat kembali, permainan bukanlah pasar yang “serius” pada saat itu dibandingkan dengan model bisnis yang lebih menguntungkan dan berfokus pada perusahaan besar. Kartu pertama tidak sukses secara komersial. 2^nd GPU generasi sebelumnya lebih baik tetapi tiba-tiba menjadi usang ketika pasar beralih ke arsitektur DirectX Microsoft untuk permainan video.

Pada akhirnya, NVIDIA membutuhkan waktu enam tahun dan tiga lini produk untuk menemukan kecocokan pasar produk, dengan banyak peristiwa yang nyaris mematikan bagi perusahaan.

Kesuksesan datang dengan Riva 128: dalam empat bulan pertama, terjual 1 juta unit. Kemudian diikuti oleh serangkaian desain kartu grafis yang sukses, termasuk Seri GeForce, hingga saat ini menjadi pemain dominan di pasar bersama AMD (AMD + 2.68%) Radeon.

Sumber: UBeli

CUDA & Kripto

Pada tahun 2006, NVIDIA yang kini telah menjadi pemimpin GPU yang mapan, merilis CUDA, antarmuka pemrograman serbaguna untuk GPU NVIDIA, yang membuka peluang untuk penggunaan lain selain bermain game. Hal ini dilakukan karena beberapa peneliti telah menggunakan GPU untuk melakukan kalkulasi, bukan superkomputer biasa.

Sumber: NVIDIA

"Para peneliti menyadari bahwa dengan membeli kartu permainan bernama GeForce, Anda menambahkannya ke komputer Anda, pada dasarnya Anda memiliki superkomputer pribadi. Dinamika molekular, pemrosesan seismik, rekonstruksi CT, pemrosesan gambar—sejumlah besar hal yang berbeda."

Jensen Huang, dalam sebuah wawancara dengan Sequoia

Penerapan GPU yang lebih luas, dan khususnya perangkat keras NVIDIA, menciptakan umpan balik positif berdasarkan efek jaringan:semakin banyak kegunaannya, semakin banyak pula pengguna akhir dan programmer yang mengenalnya, semakin banyak penjualannya, semakin banyak pula anggaran R&D, semakin besar pula kecepatan komputasinya, semakin banyak pula kegunaannya, dst.

Sumber: NVIDIA

Saat ini, basis pemasangan mencakup ratusan juta GPU CUDA.

Sumber: NVIDIA

Hal ini tidak hanya akan terbukti sangat berguna bagi para peneliti, tetapi sebuah teknologi baru akan memanfaatkan komputasi paralel GPU secara maksimal: blockchain dan kripto.

Boom Kripto

Kini, setelah sedikit tersisihkan oleh antusiasme AI, kripto merupakan aplikasi GPU skala besar pertama di luar permainan dan penelitian ilmiah. Banyak proyek blockchain dan kripto memerlukan banyak daya komputasi. Dengan cepat, GPU NVIDIA menjadi perangkat keras utama untuk melakukan kalkulasi ini.

Hal ini menciptakan ledakan dalam penjualan NVIDIA, dan saham perusahaan mulai naik seiring dengan terbentuknya ledakan kripto, dengan harga saham meningkat lebih dari 10x.

Aksi harga saham dari kripto kehilangan sebagian momentumnya pada tahun 2022 sebelum pasar menyadari bahwa NVIDIA telah membangun strategi AI yang luar biasa selama bertahun-tahun.

AI

Jaringan Saraf Tiruan

Sejak awal tahun 2010-an, para peneliti mulai menggunakan GPU untuk mempelajari jaringan sarafIni adalah jenis metode komputasi yang berbeda dari pemrograman biasa dan dianugerahi 2 Penghargaan Nobel yang berbeda pada tahun 2024, dalam bidang Fisika dan Kedokteran.

Jaringan saraf adalah dasar teknis untuk apa yang saat ini dikenal sebagai “AI”.

Pada tahun 2009, salah satu mahasiswa saya saat itu, Ian Goodfellow, yang merupakan mahasiswa SXNUMX saya, membantu saya membangun server GPU di kamar asramanya. Dan server itulah yang akhirnya kami gunakan untuk eksperimen pembelajaran mendalam pertama kami guna melatih jaringan saraf.

Kami mulai melihat peningkatan kecepatan 10x atau bahkan 100x saat melatih jaringan saraf pada GPU karena kami dapat melakukan seribu atau 10,000 hal secara paralel, alih-alih satu langkah demi langkah.

Andrew Ng | - Pendiri DeepLearning.AI & mitra umum pengelola AI Funds, dalam sebuah wawancara dengan Sequoia

Ini terjadi sebelum AlexNet, terobosan pertama dalam pengenalan gambar komputer pada tahun 2012, dan beberapa tahun sebelum AlphaGo.

Mengubah NVIDIA Menjadi AI

NVIDIA menyadari potensi AI sejak dini, jauh sebelum siapa pun, di luar peneliti khusus, peduli terhadap jaringan saraf.

Ini, pada saat itu, merupakan langkah yang berisiko menuju sektor yang belum terbukti dan hampir tidak ada, atau seperti yang dikatakan Jensen Huang:

"Kami berinvestasi di pasar bernilai nol miliar dolar."

Pada tahun 2016 & 2017, NVIDIA merilis tArsitektur Pascal dan Volta, masing-masing, akselerator AI berbasis GPU pertama, sementara Volta memperkenalkan Tensor Cores, yang mempercepat tugas pembelajaran mendalam hingga 12 kali lipat.

Itu adalah perubahan besar ke arah baru ini. Ketika kami mengubah haluan kapal ke arah itu, kami mencari setiap peneliti AI di planet ini.

Dan platform kami yang bermanfaat bagi mereka adalah umpan balik positif yang kami dapatkan saat itu. Itulah alasan mengapa saya berteman dengan, Anda tahu, semua peneliti AI hebat di dunia.

Mereka semua membantu dalam memberikan indikasi awal mengenai kesuksesan masa depan bagi saya dan, Anda harus membuat sesuatu yang besar dari kemenangan-kemenangan kecil itu.

Jensen Huang, dalam sebuah wawancara dengan Sequoia

Hal ini akan menjadi gambaran awal pembangunan infrastruktur komputasi AI, yang muncul secara besar-besaran ke dalam kesadaran publik pada tahun 2023, dengan dirilisnya LLM (Model Bahasa Besar) populer seperti Chat GPT.

Namun ini sebenarnya dibangun di atas pengembangan GPU khusus AI yang lambat dan sering terlupakan oleh NVIDIA sejak tahun 2016.

Sumber: NVIDIA

Hal lain yang luar biasa tentang evolusi daya komputasi AI adalah bahwa ia mengikuti hukum eksponensial, bukan Hukum Moore yang lebih linear untuk CPU. Hal ini karena bukan hanya perangkat keras GPU yang semakin baik, tetapi daya pemrosesan yang dibutuhkan telah menurun karena peningkatan radikal dalam cara melatih jaringan saraf.

Selain itu, semakin banyak data yang tersedia membuat pelatihan lebih efisien, memberikan peneliti banyak sudut pandang untuk bekerja secara paralel guna meningkatkan kinerja.

Hal ini menyebabkan penurunan radikal dalam energi yang dikonsumsi untuk melatih model GPT yang sama dari waktu ke waktu, 350x lebih sedikit dalam 8 tahun, dan pengurangan yang lebih ekstrem dalam energi yang diperlukan untuk mengajukan permintaan ke LLM ini.

Sumber: NVIDIA

Kemitraan NVIDIA

NVIDIA sejak awal berdiri telah menjadi perusahaan yang sangat terhubung dengan industri. Alih-alih menjadi perusahaan yang terintegrasi secara vertikal, perusahaan ini berupaya membangun hubungan yang erat dengan yang terbaik, sambil tetap berfokus pada keunggulan kompetitifnya sendiri.

Misalnya, NVIDIA adalah produsen perangkat keras yang disebut “fabless”, yang berfokus pada desain dan konsep, menyerahkannya kepada “pabrikan” semikonduktor terkemuka dunia seperti TSMC (TSM + 0.28%) untuk memproduksi GPU-nya.

Dengan tidak mengembangkan LLM atau sistem AI sendiri, NVIDIA juga merupakan mitra tepercaya bagi hampir semua perusahaan rintisan "Big Tech" dan AI, yang melihatnya sebagai mitra penting, bukan pesaing potensial. Pada gilirannya, hal ini memberi NVIDIA skala penjualan untuk terus berinvestasi dalam R&D dan tetap menjadi yang terdepan dari sudut pandang teknologi.

Ini telah terbukti menjadi pilihan yang tepat, dengan NVIDIA sebagai penerima manfaat terbesar dari belanja modal (capex) paling mengesankan dalam sejarah industri teknologi.

Belanja modal AI diharapkan mencapai $200 miliar pada tahun 2025, di samping belanja modal kumulatif yang terus tumbuh oleh perusahaan teknologi terbesar di dunia sejak tahun 2016.

Sumber: Sherwood

Financials

Pertumbuhan NVIDIA dari tahun 2023 hingga 2024 sungguh luar biasa untuk perusahaan sebesar itu:

• Pendapatan naik 126%, dari $27 miliar menjadi $60 miliar.
• Pendapatan operasional meningkat tiga kali lipat (311%) dari $9 miliar menjadi $37.1 miliar
• Margin Kotor naik dari 59.2% menjadi 73.8%

Secara keseluruhan, perusahaan ini dinilai sangat tinggi, tetapi tidak terlalu tinggi karena pertumbuhan labanya. Namun, dengan rasio P/E di atas 60, dan imbal hasil dividen hanya 0.03%, investor yang membeli NVIDIA berasumsi akan ada banyak pertumbuhan di masa mendatang untuk membenarkan harga saham saat ini.

Sumber: NVIDIA

Masa Depan NVIDIA

Pertumbuhan Berkelanjutan?

Laju pertumbuhan NVIDIA yang mencapai tiga digit sungguh mencengangkan dan tercermin pada harga saham perusahaan. Tentu saja, setiap hal baik akan berakhir suatu hari nanti, dan para investor mulai khawatir bahwa hal ini akan terjadi lebih cepat daripada yang diharapkan.

Kekhawatiran yang sama sudah terdengar ketika penjualan NVIDIA sedang meningkat pesat akibat penjualan kripto atau pada tahap awal peningkatan AI, jadi pesimisme belum tentu merupakan strategi investasi yang tepat.

In wawancara tentang Podcast BG2PodHuang menjelaskan bahwa dunia perlu memperbarui pusat data dan komputasi senilai $1 triliun untuk menggabungkan dan beradaptasi dengan AI. Dan sejauh ini baru $150 miliar yang telah dibelanjakan dari total tersebut.

Jadi, menurutnya, masih banyak ruang bagi NVIDIA untuk terus meningkatkan penjualan, meskipun hanya karena kebutuhan komputasi yang ada. Itu sebelum lebih banyak aplikasi untuk AI menjadi arus utama, seperti mobil self-driving.

Kekhawatiran semacam itu tentang permintaan total juga mengabaikan fakta bahwa, pada akhirnya, semua industri kemungkinan akan menerapkan AI di berbagai level dengan satu atau lain cara, termasuk sektor seperti perawatan kesehatan yang mewakili persentase dua digit dari PDB.

Sumber: NVIDIA

Blackwell

Pada bulan Maret 2024, NVIDIA merilis platform Blackwell, “memungkinkan organisasi di mana saja untuk membangun dan menjalankan AI generatif waktu nyata pada model bahasa besar dengan triliunan parameter dengan biaya dan konsumsi energi hingga 25x lebih sedikit daripada pendahulunya.".

Sumber: NVIDIA

Ini adalah langkah yang sangat penting, karena konsumsi energi dengan cepat menjadi salah satu perhatian utama perusahaan yang berfokus pada AI, seperti yang diilustrasikan oleh kesepakatan Microsoft baru-baru ini untuk membuka kembali seluruh pembangkit listrik tenaga nuklir dan menggunakan semua produksi listriknya selama 20 tahun ke depan dengan harga yang telah disepakati sebelumnya.

Desain Internal

Salah satu risiko bagi NVIDIA adalah bahwa meskipun merupakan mitra utama bagi perusahaan-perusahaan terbesar di dunia, perusahaan ini juga merupakan mitra yang sangat mahal dan menguntungkan (margin kotor 70%). Jadi, ketika perusahaan dengan ukuran dan keahlian seperti Alphabet/Google menghabiskan ratusan miliar dolar untuk chip AI, mereka tergoda untuk melakukannya sendiri.

Dan ini bukan hanya hipotesis, misalnya Tesla telah mengembangkan perangkat kerasnya sendiri dengan merekrut desainer papan atas dari pesaing NVIDIA, AMDHingga 2019, Tesla menggunakan platform komputasi AI NVIDIA Drive PX 2. Karena Tesla tampaknya semakin dekat untuk mengomersialkan robotaxi, ini bisa menjadi penjualan yang hilang secara besar-besaran bagi NVIDIA.

Pada saat yang sama, kasus Tesla mungkin lebih merupakan pengecualian terhadap aturan tersebut, dengan Tesla dan perusahaan-perusahaan Elon Musk lainnya, seperti SpaceX, terkenal karena selalu mencari lebih banyak integrasi vertikal dan tingkat kontrol yang lebih kuat atas perangkat kerasnya.

Perusahaan yang kurang berpengalaman dalam perangkat keras atau lebih berfokus pada perangkat lunak dan/atau pemasaran, seperti Facebook atau Microsoft, kemungkinan besar akan baik-baik saja jika mengandalkan teknologi NVIDIA terbaik dan terkini.

Selain itu, banyak model AI saat ini dibangun dan dikodekan dengan asumsi bahwa model tersebut akan berjalan pada arsitektur NVIDIA, dan para programmer AI berpengalaman dengan perangkat keras NVIDIA, yang keduanya merupakan keuntungan bisnis yang berharga bagi perusahaan.

Risiko Pasar AI

Pasar AI secara keseluruhan mungkin merupakan risiko yang lebih besar yang tidak dapat dikendalikan oleh manajemen NVIDIA yang baik. Pasar ini sedang berkembang pesat saat ini. Namun, ada kekhawatiran yang berkembang bahwa aplikasi AI yang dirilis gagal berubah menjadi pendapatan baru yang besar seperti yang terjadi pada iPhone untuk Apple di masa lalu.

Ini mungkin hanya tanda bahwa teknologi tersebut masih menemukan sasarannya dan mengembangkan pasarnya.

Tetapi apakah situasi ini akan bertahan terlalu lama, dan kita mungkin akan menghadapi risiko situasi seperti di akhir tahun 1990-an, ketika prediksi tentang pentingnya PC dan Internet benar, tetapi waktunya agak terlalu optimis, yang menyebabkan meletusnya gelembung dot-com.

Yang pasti, Jensen Huang menandatangani tanda tangan di dada seorang wanita pada bulan Juni 2024 merupakan pertanda yang mengejutkan, dan mungkin sedikit mengkhawatirkan bagi para investor yang khawatir tentang potensi mania finansial seputar AI.

Sejarah keuangan tidak selalu berulang, tetapi investor perlu menganalisis risiko ini secara tepat untuk NVIDIA dan mencermati potensi kesamaan dengan produsen perangkat keras telekomunikasi & Internet Sun Microsystems (perusahaan pertama Jensen Huang) pada tahun 2000.

Dengan pendapatan 10 kali lipat, untuk memberi Anda pengembalian modal dalam 10 tahun, saya harus membayar Anda 100% dari pendapatan selama 10 tahun berturut-turut dalam bentuk dividen. Itu dengan asumsi saya bisa mendapatkannya dari pemegang saham saya. Itu dengan asumsi saya memiliki biaya penjualan barang nol, yang sangat sulit bagi perusahaan komputer. Itu dengan asumsi tidak ada biaya, yang sangat sulit dengan 39,000 karyawan. (…)

Nah, setelah melakukan itu, apakah ada di antara Anda yang ingin membeli saham saya pada harga $64? Apakah Anda menyadari betapa konyolnya asumsi-asumsi dasar itu? Anda tidak memerlukan transparansi apa pun. Anda tidak memerlukan catatan kaki apa pun. Apa yang Anda pikirkan?

Scott McNealy – saat itu CEO Sun Microsystems

Sebagai referensi, rasio P/S NVIDIA saat ini adalah 35.

Sumber: Bagan Y

Kesimpulan

NVIDIA adalah perusahaan yang dibangun dengan mengambil risiko yang diperhitungkan dengan benar beberapa kali berturut-turut pada waktu yang tepat, mulai dari kartu grafis PC hingga rilis CUDA untuk aplikasi baru hingga merangkul jaringan saraf sejak dini. Hal ini telah menjadikan pendirinya, Jensen Huang, seperti bintang rock dalam industri semikonduktor dan TI.

Kinerja perusahaan baru-baru ini telah mengejutkan pasar dan menciptakan antusiasme besar terhadap saham yang hanya dapat diklaim oleh Tesla dalam beberapa tahun terakhir. Hal ini menciptakan peluang besar, seperti yang diketahui oleh banyak investor awal di Tesla, setelah menghadapi hampir satu dekade penentang yang memperkirakan perusahaan dan sahamnya akan gagal "sebentar lagi."

Hal ini juga menciptakan beberapa risiko, karena ledakan AI belum menghasilkan pendapatan yang membenarkan belanja modal saat ini dan mungkin mengalami penurunan sebelum menjadi sektor ekonomi yang mapan sepenuhnya.