Штучний Інтелект
У центрі уваги NVIDIA (NVDA): від графічного гіганта до AI Titan
Securities.io дотримується суворих редакційних стандартів і може отримувати винагороду за перевірені посилання. Ми не є зареєстрованим інвестиційним консультантом, і це не є інвестиційною порадою. Будь ласка, перегляньте наші розкриття партнерів.
ШІ-гігант
Якщо більше десяти років увага технологічних інвесторів була прикута до «великих технологій» (Microsoft (MSFT ), Google (GOOG ), Facebook (META ), тощо), за останні кілька років спостерігався помітний зсув у бік апаратного забезпечення над програмним забезпеченням. Першою ознакою був вражаючий підйом Tesla (TSLA ) від нішевої культової акції до однієї з найбільших компаній у світі.
Але була б одна компанія, яка сидить на межі між програмним і апаратним забезпеченням, яка зафіксує таку ж хорошу, якщо не більшу, віддачу: NVIDIA (NVDA ).
Тепер NVIDIA, яка розглядається переважно як компанія зі штучним інтелектом, яка досягла раптового успіху, насправді терпляче створювала свою унікальну технологію та позицію на ринку протягом 20-30 років. Це може дати йому сильні позиції, щоб залишатися домінуючим гравцем у світі технологій протягом наступних років.
Шлях NVIDIA до успіху
ЦП проти GPU
Тривалий час NVIDIA була успішною, але нішевою компанією комп’ютерного обладнання, яка спеціалізувалась на виробництві графічних карт або графічних процесорів (GPU). У той час графічні процесори розглядалися як важливий елемент обчислювального обладнання, але вторинний по відношенню до надзвичайно важливого центрального процесора (CPU).
ЦП призначені для виконання дуже швидких обчислень, які потрібно виконувати одне за одним, що робить їх чудовими для складних обчислень.
Навпаки, графічні процесори є менш потужними, але призначені для виконання багатьох паралельних обчислень одночасно, що робить їх кращими при обробці великих обсягів даних.
Протягом цього періоду з 1990-х по 2010-ті виробники ЦП люблять Intel (INTC ) панувала в індустрії, тоді як високоякісні графічні процесори здебільшого використовували лише геймери та графічні дизайнери для ПК високого класу.
Створення бізнесу на GPU
Раніше, засновник NVIDIA Дженсен Хуанг і його співзасновники вважали, що швидкість обчислень перевищить потужність ЦП. Дженсен відіграв важливу роль у розробці перших графічних процесорів для Sun Microsystems сьогодні оракул (ORCL ).
Потім він став одним із співзасновників NVIDIA в 1993 році, прийнявши революцію ПК на початку 1990-х років.
«Ми думали, знаєте, що, можливо, 3D-графіка буде справді круто. І вперше у вас є платформа, яка може одночасно бути комп’ютером і використовуватися, знаєте, для чого б ви не хотіли її використовувати. Ви також можете використовувати його для ігор. І нам просто потрібно створити чіп, який дозволить грати в ігри.
Ніхто з нас раніше навіть не бачив ПК. Тому нам довелося піти купити ПК. Ми купили Gateway 2000. Ніхто навіть не знає, як програмувати Windows чи DOS. DOS ніхто навіть не бачив. І тому нам довелося розірвати його на частини, почати вивчати галузь».
Забавно усвідомлювати, що, озираючись назад, ігри на той час не були дуже «серйозним» ринком порівняно з більш прибутковими та великими бізнес-моделями, орієнтованими на підприємства. Перші карти не мали комерційного успіху. Їхні 2nd Графічний процесор цього покоління був кращим, але раптово став застарілим, коли ринок перейшов до архітектури DirectX від Microsoft для відеоігор.
Зрештою, NVIDIA знадобилося шість років і три лінійки продуктів, щоб знайти продукт, який відповідає ринку, з багатьма майже смертельними подіями для компанії.
Успіх прийшов із Riva 128: за перші чотири місяці було продано 1 мільйон одиниць. За ним послідувала низка успішних дизайнів графічних карт, включаючи Серія GeForce, донині домінуючим гравцем на ринку AMD's (AMD ) Radeon.
джерело: UКупити
CUDA та крипто
У 2006 році NVIDIA, вже визнаний лідер у сфері графічних процесорів, випустила CUDA, універсальний інтерфейс програмування для графічних процесорів NVIDIA, відкривши шлях для інших застосувань, окрім ігор. Це було зроблено тому, що деякі дослідники вже використовували графічні процесори для виконання обчислень замість звичних суперкомп'ютерів.
джерело: NVIDIA
«Дослідники зрозуміли, що, купуючи цю ігрову карту під назвою GeForce, ви додаєте її до свого комп’ютера, по суті, отримуєте персональний суперкомп’ютер. Молекулярна динаміка, обробка сейсмічних даних, реконструкція КТ, обробка зображень — ціла купа різних речей».
Це ширше впровадження графічних процесорів, а точніше апаратного забезпечення NVIDIA, створило цикл позитивного зворотного зв’язку на основі мережеві ефекти: чим більше використання, тим більше кінцевих користувачів і програмістів знайомі з ним, тим більше продажів, тим більше бюджет на дослідження та розробки, тим більше прискорення швидкості обчислення, тим більше використання тощо.
джерело: NVIDIA
Сьогодні встановлена база включає сотні мільйонів графічних процесорів CUDA.
джерело: NVIDIA
Це не тільки виявилося б дуже корисним для дослідників, але й нова технологія чудово використала б паралельні обчислення GPU: блокчейн і крипто.
Крипто-бум
Тепер, трохи відійшовши від ентузіазму штучного інтелекту, крипто був першим широкомасштабним застосуванням GPU за межами ігор і наукових досліджень. Багато блокчейнів і криптопроектів потребують великої обчислювальної потужності. Швидко графічні процесори NVIDIA стали центральним обладнанням для виконання цих обчислень.
Це спричинило бум продажів NVIDIA, і акції компанії почали зростати в унісон із формуванням криптографічного буму, причому ціна акцій зросла більш ніж у 10 разів.
(NVDA )
У 2022 році ціна акцій криптовалюти трохи впала, перш ніж ринки зрозуміли, що NVIDIA протягом багатьох років розробляла чудову стратегію ШІ.
AI
Нейронні мережі
З початку 2010-х років дослідники почали розгортати графічні процесори для вивчення нейронні мережі. Це тип обчислювального методу, який відрізняється від звичайного програмування та був у 2 році отримав 2024 різні Нобелівські премії з фізики та медицини.
Нейронні мережі є технічною основою того, що сьогодні зазвичай називають «AI».
У 2009 році один із моїх студентів на той час, Ієн Гудфеллоу, який був моїм студентом, допоміг мені побудувати сервер GPU у своїй кімнаті гуртожитку. І цей сервер виявився тим, що ми використовували для наших перших експериментів із глибокого навчання для навчання нейронних мереж.
Ми почали спостерігати 10- або навіть 100-кратне прискорення навчання нейронних мереж на графічних процесорах, оскільки ми могли виконувати тисячі чи 10,000 XNUMX речей паралельно, а не крок за кроком.
Андрій Нг - Засновник DeepLearning.AI і керуючий генеральний партнер AI Funds, в інтерв'ю Sequoia
Це було до появи AlexNet, першого прориву в комп’ютерному розпізнаванні зображень у 2012 році, і за роки до AlphaGo.
Перехід NVIDIA на AI
NVIDIA усвідомила потенціал штучного інтелекту задовго до того, як хтось із спеціалізованих дослідників почав цікавитися нейронними мережами.
У той час це був ризикований крок у неперевірений, ледве існуючий сектор, або, як висловився Дженсен Хуанг:
"Ми інвестуємо в ринки з оборотом нуль мільярдів доларів."
У 2016 і 2017 роках NVIDIA випустила tАрхітектури Паскаля та Вольта, відповідно, перший прискорювач штучного інтелекту на основі графічного процесора, а Volta представила Tensor Cores, які прискорили виконання завдань глибокого навчання до 12 разів.
Це був оптовий поворот у цьому новому напрямку. Коли ми повернули корабель у цьому напрямку, ми шукали кожного окремого дослідника ШІ на планеті.
І наша платформа була корисною для них завдяки позитивним відгукам, які ми отримували в той час. Ось чому я дружу з усіма великими дослідниками ШІ світу.
Усі вони допомогли мені започаткувати майбутній успіх на цьому шляху, і ти маєш зробити велику справу з цих маленьких перемог.
Це стане прообразом створення обчислювальної інфраструктури штучного інтелекту, яка масово з’явиться в громадській свідомості у 2023 році з випуском популярних LLM (великих мовних моделей), таких як Chat GPT.
Але насправді це було створено на основі повільної та часто забутої розробки дедалі потужніших графічних процесорів, присвячених ШІ, NVIDIA з 2016 року.
джерело: NVIDIA
Ще одна примітна річ в еволюції обчислювальної потужності штучного інтелекту полягає в тому, що вона дотримується експоненціального закону замість більш лінійного закону Мура для ЦП. Це пов’язано з тим, що не тільки апаратне забезпечення графічного процесора покращилося, але й зменшилася необхідна обчислювальна потужність у порівнянні з радикальним вдосконаленням способу навчання нейронних мереж.
Крім того, більше доступних даних робить навчання ефективнішим, надаючи дослідникам багато кутів для паралельної роботи для підвищення ефективності.
Це призвело до радикального зменшення енергії, яка витрачається на навчання тієї самої моделі GPT з часом, у 350 разів менше за 8 років, і ще більш екстремального зменшення енергії, необхідної для надсилання запиту до цих LLM.
джерело: NVIDIA
Партнерство NVIDIA
З самого початку NVIDIA була компанією, яка тісно пов’язана з галуззю. Замість вертикально інтегрованої компанії вона прагне встановити глибокі зв’язки з найкращими, зосереджуючись при цьому на власних конкурентних перевагах.
Наприклад, NVIDIA є так званим «fabless» виробником апаратного забезпечення, який зосереджується на дизайні та концепціях, залишаючи провідні світові напівпровідникові «фабрики», такі як TSMC (TSM ) виробляти свої графічні процесори.
Оскільки NVIDIA не розробляє власних магістерських програм або систему штучного інтелекту, вона також є надійним партнером для практично всіх «великих технологій» і стартапів штучного інтелекту, які бачать у ній важливого партнера, а не потенційного конкурента. У свою чергу, це дає NVIDIA масштаб продажів, щоб продовжувати реінвестувати в дослідження та розробки та залишатися на вершині гри з технологічної точки зору.
Це виявилося правильним вибором, оскільки NVIDIA стала найбільшим бенефіціаром найбільших капіталовкладень (capex) в історії індустрії технологій.
Очікуються капітальні витрати на ШІ досягти 200 мільярдів доларів у 2025 році, на додаток до постійно зростаючих накопичених капіталовкладень найбільших технологічних компаній у світі з 2016 року.
джерело: Sherwood
Фінанси
Зростання NVIDIA лише з 2023 по 2024 рік було неймовірним для компанії такого розміру:
- Доходи зросли на 126%, з 27 мільярдів доларів до 60 мільярдів доларів.
- Операційний прибуток зріс втричі (на 311%) з 9 млрд доларів США до 37.1 млрд доларів США
- Валова маржа зросла з 59.2% до 73.8%
Загалом компанію високо оцінюють, але навіть не так високо через зростання прибутків. Тим не менш, із коефіцієнтом P/E вище 60 і дивідендною прибутковістю лише 0.03%, інвестори, які купують NVIDIA, припускають значне майбутнє зростання, щоб виправдати поточну ціну акцій.
джерело: NVIDIA
Майбутнє NVIDIA
Стійке зростання?
Тризначні темпи зростання NVIDIA вражають і відображаються на ціні акцій компанії. Звичайно, все добре колись закінчується, і інвестори починають хвилюватися, що це може статися швидше, ніж пізніше.
Ті самі занепокоєння вже були гучними, коли продажі NVIDIA процвітали завдяки продажам криптовалюти або на ранніх стадіях буму штучного інтелекту, тому песимізм не обов’язково є розумною стратегією інвестування.
In інтерв'ю на Подкаст BG2Pod, Хуан пояснив, що світові потрібно оновити центр обробки даних і обчислення вартістю до 1 трлн доларів, щоб включити та адаптувати ШІ. І що наразі з цієї суми витрачено лише 150 мільярдів доларів.
Тож, за його словами, у NVIDIA ще є достатньо можливостей для зростання продажів, навіть якщо це відбувається лише завдяки існуючим потребам у обчисленнях. Це до того, як ще більше додатків для штучного інтелекту стали масовими, наприклад самостійного водіння автомобілів.
Подібне занепокоєння щодо загального попиту також ігнорує те, що, зрештою, всі галузі, ймовірно, так чи інакше розгортатимуть ШІ на кількох рівнях, включаючи такі сектори, як охорона здоров’я, які становлять двозначний відсоток ВВП.
джерело: NVIDIA
Блеквелл
У березні 2024 року NVIDIA випустила платформу Blackwell, “дозволяючи організаціям у всьому світі створювати та запускати генеративний штучний інтелект у режимі реального часу на великих мовних моделях із трильйонами параметрів з до 25 разів меншими витратами та споживанням енергії, ніж його попередник.".
джерело: NVIDIA
Це дуже важливий крок, оскільки споживання енергії швидко стає однією з головних проблем компаній, орієнтованих на ШІ, як показано на нещодавня угода Microsoft щодо відновлення та використання цілої атомної електростанції всі свою потужність протягом наступних 20 років за заздалегідь узгодженою ціною.
Власні проекти
Одним із ризиків для NVIDIA є те, що хоча вона є ключовим партнером для найбільших світових компаній, вона також є дуже дорогою та прибутковою (70% валової прибутковості). Тому, коли компанії з розміром і набором навичок, як Alphabet/Google, витрачають сотні мільярдів доларів на чіпи штучного інтелекту, у них виникає спокуса зробити це власними силами.
І це не просто гіпотетично, наприклад Tesla розробила власне апаратне забезпечення, найнявши найкращих дизайнерів у конкурента NVIDIA AMD. До 2019 року Tesla замість цього використовувала обчислювальну платформу NVIDIA Drive PX 2 AI. Оскільки Tesla, схоже, наближається до фактичної комерціалізації робототаксі, це може стати масовим пропущеним продажем для NVIDIA.
Водночас, випадок Tesla може бути радше винятком із правил, враховуючи, що Tesla та інші компанії Ілона Маска, такі як SpaceX, відомий тим, що завжди шукає більшої вертикальної інтеграції та більшого рівня контролю над своїм обладнанням.
Компанії, які мають менший досвід у апаратному забезпеченні або більше орієнтовані на програмне забезпечення та/або маркетинг, як-от Facebook чи Microsoft, мабуть, добре покладатимуться на найкращі й новітні технології NVIDIA.
Крім того, багато моделей штучного інтелекту зараз створюються та кодуються з припущенням, що вони працюватимуть на архітектурах NVIDIA, а програмісти ШІ мають досвід роботи з обладнанням NVIDIA, що є цінними бізнес-рівами для компанії.
Ринкові ризики ШІ
Ринок штучного інтелекту в цілому може становити більший ризик, над яким чудове керівництво NVIDIA має менше контролю. Наразі він переживає бум. Однак зростає занепокоєння тим, що випущені програми штучного інтелекту не змогли перетворитися на величезні нові доходи, як це зробив iPhone для Apple свого часу.
Ймовірно, це лише ознака того, що технологія все ще знаходить свій слід і розвиває свій ринок.
Але якщо ця ситуація триватиме надто довго, ми можемо ризикувати ситуацією, як наприкінці 1990-х років, коли прогнози щодо важливості ПК та Інтернету виправдалися, але час був надто оптимістичним, що призвело до точки -com лопання бульбашок.
Напевно, те, що Дженсен Хуанг дав автограф на жіночих грудях у червні 2024 року, є дещо дивовижним знаком і, можливо, трохи тривожним для інвесторів, які стурбовані можливою фінансовою манією навколо ШІ.
Фінансова історія не обов'язково повторюється, але інвестори захочуть ретельно проаналізувати цей ризик для NVIDIA та розглянути потенційні паралелі з виробником телекомунікаційного та інтернет-обладнання Sun Microsystems (першим роботодавцем Дженсена Хуанга) у 2000 році.
У 10 разів більше доходу, щоб дати вам 10-річну окупність, я маю виплатити вам 100% доходу за 10 років поспіль у вигляді дивідендів. Це припускає, що я можу отримати це від моїх акціонерів. Це припускає, що я маю нульову вартість проданих товарів, що дуже важко для комп’ютерної компанії. Це передбачає нульові витрати, що дуже важко з 39,000 XNUMX співробітників. (…)
Тепер, зробивши це, хтось із вас хоче купити мої акції за 64 долари? Ви усвідомлюєте, наскільки смішними є ці основні припущення? Вам не потрібна прозорість. Вам не потрібні виноски. про що ти думав
Скотт Макнілі – тодішній генеральний директор Sun Microsystems
Для довідки, поточне співвідношення P/S (пакет/сума) NVIDIA становить 35.
джерело: YChart
Висновок
NVIDIA — це компанія, заснована на прийнятті правильно розрахованих ризиків кілька разів поспіль у потрібний час, від графічних карт для ПК до випуску CUDA для нових додатків до раннього впровадження нейронних мереж. Це зробило її засновника Дженсена Хуанга чимось на кшталт рок-зірки в індустрії напівпровідників та ІТ.
Нещодавні показники компанії приголомшили ринок і викликали величезний ентузіазм щодо акцій, на які лише Tesla могла претендувати в останні роки. Це створює величезну можливість, як знають багато ранніх інвесторів у Tesla, які майже десять років стикалися з очікуваннями скептиків, що компанія та її акції зазнають краху «будь-якої хвилини».
Це також створює певні ризики, оскільки бум штучного інтелекту ще не генерував доходів, які б виправдовували поточні капітальні витрати, і може зазнати спаду, перш ніж стати повністю сформованим економічним сектором.
