Τεχνητή νοημοσύνη
NVIDIA (NVDA) Spotlight: Από το Graphics Giant στον AI Titan
Το Securities.io διατηρεί αυστηρά συντακτικά πρότυπα και ενδέχεται να λαμβάνει αποζημίωση από τους αναθεωρημένους συνδέσμους. Δεν είμαστε εγγεγραμμένοι επενδυτικοί σύμβουλοι και αυτό δεν αποτελεί επενδυτική συμβουλή. Δείτε το θυγατρική εταιρεία.
Ο γίγαντας της AI
Εάν για περισσότερο από μια δεκαετία, η προσοχή των επενδυτών τεχνολογίας είναι στραμμένη στη "Big Tech" (Microsoft (MSFT ), Google (GOOG ), Facebook (META ), κ.λπ.), τα τελευταία χρόνια παρατηρήθηκε μια αξιοσημείωτη στροφή προς το υλικό έναντι του λογισμικού. Το πρώτο σημάδι ήταν η θεαματική άνοδος του Τέσλα (TSLA ) από μια εξειδικευμένη μετοχή που μοιάζει με λατρεία σε μια από τις μεγαλύτερες εταιρείες στον κόσμο.
Αλλά θα υπήρχε μια εταιρεία που θα καθόταν στα σύνορα μεταξύ λογισμικού και υλικού που θα αποτύπωνε τόσο καλές, αν όχι ισχυρότερες, αποδόσεις: NVIDIA (NVDA ).
Τώρα που θεωρείται ως μια εταιρεία τεχνητής νοημοσύνης με ξαφνική επιτυχία, η NVIDIA έχει χτίσει υπομονετικά τη μοναδική τεχνολογία και τη θέση της στην αγορά για 20-30 χρόνια. Αυτό μπορεί να της δώσει μια ισχυρή θέση να παραμείνει κυρίαρχος ηθοποιός στον κόσμο της τεχνολογίας για τα επόμενα χρόνια.
Η πορεία της NVIDIA προς την επιτυχία
CPU εναντίον GPU
Για μεγάλο χρονικό διάστημα, η NVIDIA ήταν μια επιτυχημένη αλλά εξειδικευμένη εταιρεία υλικού υπολογιστών που ειδικεύεται στην παραγωγή καρτών γραφικών ή μονάδων επεξεργασίας γραφικών (GPU). Εκείνη την εποχή, οι GPU θεωρούνταν ένα σημαντικό στοιχείο υπολογιστικού υλικού, αλλά δευτερεύον σε σχέση με την πολύ σημαντική κεντρική μονάδα επεξεργασίας (CPU).
Οι CPU έχουν σχεδιαστεί για να εκτελούν πολύ γρήγορους υπολογισμούς που απαιτούν να γίνονται ο ένας μετά τον άλλο, καθιστώντας τους εξαιρετικούς σε πολύπλοκους υπολογισμούς.
Αντίθετα, οι GPU είναι λιγότερο ισχυρές, αλλά έχουν σχεδιαστεί για να εκτελούν πολλούς παράλληλους υπολογισμούς ταυτόχρονα, καθιστώντας τις καλύτερες στο χειρισμό μεγάλων ποσοτήτων δεδομένων.
Κατά τη διάρκεια αυτής της περιόδου από τη δεκαετία του 1990 έως τη δεκαετία του 2010, οι παραγωγοί CPU αρέσουν Intel (INTC ) βασίλευε στη βιομηχανία, ενώ οι GPU υψηλής ποιότητας χρησιμοποιούνταν κυρίως μόνο από παίκτες και γραφίστες για υπολογιστές υψηλής ποιότητας.
Δημιουργία επιχείρησης GPU
Από νωρίς, ιδρυτής της NVIDIA Ο Jensen Huang και οι συνιδρυτές του σκέφτηκαν ότι ο ρυθμός των υπολογιστών θα ξεπερνούσε τη χωρητικότητα της CPU. Ο Jensen συνέβαλε καθοριστικά στην ανάπτυξη των πρώτων GPU για τη Sun Microsystems, σήμερα μαντείο (ORCL ).
Στη συνέχεια θα γίνει ένας από τους συνιδρυτές της NVIDIA το 1993, αγκαλιάζοντας την επανάσταση των PC στις αρχές της δεκαετίας του 1990.
«Σκεφτήκαμε, ξέρετε, ότι ίσως τα τρισδιάστατα γραφικά θα ήταν αυτό που θα ήταν πολύ ωραίο. Και για πρώτη φορά, έχετε μια πλατφόρμα που θα μπορούσε να είναι υπολογιστής και να χρησιμοποιείται, ξέρετε, για ό,τι θέλετε να τη χρησιμοποιήσετε. Θα μπορούσατε επίσης να το χρησιμοποιήσετε για να παίξετε παιχνίδια. Και, πρέπει απλώς να πάμε να φτιάξουμε ένα τσιπ που να επιτρέπει να παίζουμε παιχνίδια.
Κανείς από εμάς δεν είχε δει καν υπολογιστή πριν. Έτσι έπρεπε να πάμε να αγοράσουμε έναν υπολογιστή. Αγοράσαμε ένα Gateway 2000. Κανείς δεν ξέρει καν πώς να προγραμματίζει τα Windows ή το DOS. Κανείς δεν είδε καν DOS. Και έτσι έπρεπε να το διαλύσουμε, να αρχίσουμε να μαθαίνουμε για τη βιομηχανία».
Είναι αστείο να σκεφτόμαστε ότι, εκ των υστέρων, τα τυχερά παιχνίδια δεν ήταν μια πολύ «σοβαρή» αγορά εκείνη την εποχή σε σύγκριση με πιο επικερδή και μεγαλύτερα επιχειρηματικά μοντέλα που επικεντρώνονταν σε επιχειρήσεις. Οι πρώτες κάρτες δεν σημείωσαν εμπορική επιτυχία. Οι 2nd Η GPU της προηγούμενης γενιάς ήταν καλύτερη, αλλά ξαφνικά κατέστη παρωχημένη όταν η αγορά στράφηκε προς την αρχιτεκτονική DirectX της Microsoft για βιντεοπαιχνίδια.
Τελικά, η NVIDIA χρειάστηκε έξι χρόνια και τρεις σειρές προϊόντων για να βρει το προϊόν που ταιριάζει στην αγορά, με πολλά παραλίγο γεγονότα για την εταιρεία.
Η επιτυχία θα ερχόταν με το Riva 128: στους πρώτους τέσσερις μήνες του, πούλησε 1 εκατομμύριο μονάδες. Θα ακολουθούσε μια μακρά σειρά επιτυχημένων σχεδίων καρτών γραφικών, συμπεριλαμβανομένων των Σειρά GeForce, μέχρι σήμερα ο κυρίαρχος παίκτης στην αγορά παράλληλα AMD της (AMD ) Radeon.
Πηγή: Ubuy
CUDA & Crypto
Το 2006, η NVIDIA, πλέον καθιερωμένη ηγέτης στις GPU, κυκλοφόρησε το CUDA, μια διεπαφή προγραμματισμού γενικής χρήσης για τις GPU της NVIDIA, ανοίγοντας τον δρόμο για άλλες χρήσεις εκτός από τα παιχνίδια. Αυτό έγινε επειδή ορισμένοι ερευνητές χρησιμοποιούσαν ήδη GPU για την εκτέλεση υπολογισμών αντί για τους συνήθεις υπερυπολογιστές.
Πηγή: NVIDIA
«Οι ερευνητές συνειδητοποίησαν ότι αγοράζοντας αυτήν την κάρτα παιχνιδιού που ονομάζεται GeForce, την προσθέτεις στον υπολογιστή σου, ουσιαστικά έχεις έναν προσωπικό υπερυπολογιστή. Μοριακή δυναμική, σεισμική επεξεργασία, ανακατασκευή CT, επεξεργασία εικόνας—ένα σωρό διαφορετικά πράγματα».
Αυτή η ευρύτερη υιοθέτηση των GPU, και πιο συγκεκριμένα του υλικού NVIDIA, δημιούργησε έναν βρόχο θετικής ανάδρασης με βάση εφέ δικτύου: όσο περισσότερες χρήσεις, τόσο περισσότεροι τελικοί χρήστες και προγραμματιστές εξοικειωμένοι με αυτό, τόσο περισσότερες πωλήσεις, τόσο μεγαλύτερος προϋπολογισμός Ε&Α, τόσο μεγαλύτερη επιτάχυνση στην υπολογιστική ταχύτητα, τόσες περισσότερες χρήσεις κ.λπ.
Πηγή: NVIDIA
Σήμερα, η εγκατεστημένη βάση περιλαμβάνει εκατοντάδες εκατομμύρια CUDA GPU.
Πηγή: NVIDIA
Όχι μόνο αυτό θα αποδεικνυόταν πολύ χρήσιμο για τους ερευνητές, αλλά μια νέα τεχνολογία θα έκανε μεγάλη χρήση των παράλληλων υπολογιστών GPU: blockchain και cryptos.
Crypto Boom
Τώρα που παραγκωνίζεται λίγο από τον ενθουσιασμό της τεχνητής νοημοσύνης, το crypto ήταν η πρώτη μεγάλης κλίμακας εφαρμογή GPU πέρα από τα παιχνίδια και την επιστημονική έρευνα. Πολλά blockchains και έργα κρυπτογράφησης απαιτούν μεγάλη υπολογιστική ισχύ. Γρήγορα, οι GPU της NVIDIA έγιναν το κεντρικό υλικό για την εκτέλεση αυτών των υπολογισμών.
Αυτό δημιούργησε μια έκρηξη στις πωλήσεις της NVIDIA και η μετοχή της εταιρείας άρχισε να αυξάνεται από κοινού με τη διαμόρφωση της έκρηξης κρυπτογράφησης, με την τιμή της μετοχής να αυξάνεται περισσότερο από 10 φορές.
(NVDA )
Η δράση των τιμών των μετοχών από τα κρυπτονομίσματα έχασε λίγο τον ατμό το 2022 προτού οι αγορές συνειδητοποιήσουν ότι η NVIDIA είχε δημιουργήσει μια αξιοσημείωτη στρατηγική AI για πολλά χρόνια.
AI
Νευρωνικά δίκτυα
Από τις αρχές της δεκαετίας του 2010, οι ερευνητές είχαν αρχίσει να αναπτύσσουν GPU για μελέτη νευρωνικά δίκτυα. Πρόκειται για έναν τύπο υπολογιστικής μεθόδου που διαφέρει από τον συνηθισμένο προγραμματισμό και ήταν απονεμήθηκε 2 διαφορετικά βραβεία Νόμπελ το 2024, στη Φυσική και την Ιατρική.
Τα νευρωνικά δίκτυα αποτελούν την τεχνική βάση για αυτό που συνήθως αναφέρεται ως «AI» σήμερα.
Το 2009, ένας από τους μαθητές μου εκείνη την εποχή, ο Ian Goodfellow, ο οποίος ήταν ο προπτυχιακός μου, με βοήθησε να φτιάξω έναν διακομιστή GPU στο δωμάτιο του κοιτώνα. Και αυτός ο διακομιστής κατέληξε να είναι αυτό που χρησιμοποιήσαμε για τα πρώτα μας πειράματα βαθιάς μάθησης για την εκπαίδευση των νευρωνικών δικτύων.
Αρχίσαμε να βλέπουμε 10x ή ακόμα και 100x ταχύτητες που εκπαιδεύουν νευρωνικά δίκτυα σε GPU επειδή μπορούσαμε να κάνουμε χίλια ή 10,000 πράγματα παράλληλα, αντί το ένα βήμα μετά το άλλο.
Andrew Ng - DeepLearning.AI ιδρυτής και διευθύνων γενικός συνεργάτης του AI Funds, σε συνέντευξή του στη Sequoia
Αυτό ήταν πριν από το AlexNet, την πρώτη σημαντική ανακάλυψη στην αναγνώριση εικόνων υπολογιστή το 2012, και χρόνια πριν από το AlphaGo.
Περιστροφή NVIDIA σε AI
Η NVIDIA συνειδητοποίησε τις δυνατότητες της Τεχνητής Νοημοσύνης νωρίς, πολύ πριν οποιοσδήποτε, εκτός από εξειδικευμένους ερευνητές, ενδιαφερθεί για τα νευρωνικά δίκτυα.
Αυτή ήταν, εκείνη την εποχή, μια επικίνδυνη κίνηση σε έναν αναπόδεικτο, ελάχιστα υπάρχοντα τομέα, ή όπως το έθεσε ο Jensen Huang:
"Επενδύουμε σε αγορές μηδενικών δισεκατομμυρίων δολαρίων."
Το 2016 και το 2017 κυκλοφόρησε η NVIDIA tοι αρχιτεκτονικές Pascal και Volta, αντίστοιχα, ο πρώτος επιταχυντής τεχνητής νοημοσύνης που βασίζεται σε GPU, ενώ η Volta παρουσίασε τους Tensor Cores, οι οποίοι επιτάχυναν τις εργασίες βαθιάς εκμάθησης έως και 12 φορές.
Ήταν ένας βασικός άξονας χονδρικής προς αυτή τη νέα κατεύθυνση. Όταν περιστρέψαμε το πλοίο προς αυτή την κατεύθυνση, αναζητήσαμε κάθε ερευνητή τεχνητής νοημοσύνης στον πλανήτη.
Και η πλατφόρμα μας ήταν χρήσιμη σε αυτούς ήταν τα θετικά σχόλια που λαμβάναμε εκείνη τη στιγμή. Αυτός είναι ο λόγος για τον οποίο είμαι φίλος, ξέρετε, με όλους τους σπουδαίους ερευνητές τεχνητής νοημοσύνης στον κόσμο.
Ήταν όλα χρήσιμα στο να παρέχουν τις πρώτες ενδείξεις μελλοντικής επιτυχίας στην πορεία για μένα και, πρέπει να κάνετε πολλά από αυτές τις μικρές νίκες.
Αυτό θα προεικόνιζε τη δημιουργία υπολογιστικής υποδομής AI, που θα αναδυθεί μαζικά στη συνείδηση του κοινού το 2023, με την κυκλοφορία δημοφιλών LLM (Μοντέλα Μεγάλων Γλωσσών) όπως το Chat GPT.
Αλλά αυτό χτίστηκε στην πραγματικότητα με την αργή και συχνά ξεχασμένη ανάπτυξη ολοένα πιο ισχυρών GPU αφιερωμένων στο AI από την NVIDIA από το 2016.
Πηγή: NVIDIA
Ένα άλλο αξιοσημείωτο πράγμα σχετικά με την εξέλιξη της υπολογιστικής ισχύος AI είναι ότι ακολουθεί έναν εκθετικό νόμο αντί του πιο γραμμικού νόμου του Moore για την CPU. Αυτό συμβαίνει επειδή όχι μόνο το υλικό της GPU βελτιώνεται, αλλά η απαιτούμενη επεξεργαστική ισχύς έχει μειωθεί λόγω ριζικής βελτίωσης στον τρόπο εκπαίδευσης των νευρωνικών δικτύων.
Επιπλέον, περισσότερα διαθέσιμα δεδομένα καθιστούν την προπόνηση πιο αποτελεσματική, δίνοντας στους ερευνητές πολλές οπτικές γωνίες για να εργαστούν παράλληλα για να ενισχύσουν τις επιδόσεις.
Αυτό οδήγησε σε ριζική μείωση της ενέργειας που καταναλώνεται για την εκπαίδευση του ίδιου μοντέλου GPT με την πάροδο του χρόνου, 350 φορές λιγότερο σε 8 χρόνια και σε ακόμη πιο ακραία μείωση της ενέργειας που απαιτείται για την υποβολή αιτήματος σε αυτά τα LLM.
Πηγή: NVIDIA
Συνεργασίες NVIDIA
Η NVIDIA ήταν από την ίδρυσή της μια εταιρεία βαθιά συνδεδεμένη με τον κλάδο. Αντί για μια κάθετα ολοκληρωμένη εταιρεία, επιδιώκει να δημιουργήσει βαθείς δεσμούς με τους καλύτερους, ενώ παραμένει προσηλωμένη στα δικά της ανταγωνιστικά πλεονεκτήματα.
Για παράδειγμα, η NVIDIA είναι ένας λεγόμενος κατασκευαστής υλικού «fbless», που εστιάζει στο σχεδιασμό και τις έννοιες, αφήνοντας στην κορυφαία παγκοσμίως «fab» ημιαγωγών όπως TSMC (TSM ) να παράγει τις GPU της.
Μη αναπτύσσοντας το δικό της σύστημα LLM ή AI, η NVIDIA είναι επίσης ένας αξιόπιστος συνεργάτης για σχεδόν όλες τις νεοφυείς επιχειρήσεις «Big Tech» και AI, οι οποίες τη βλέπουν ως βασικό συνεργάτη και όχι ως πιθανό ανταγωνιστή. Με τη σειρά του, αυτό δίνει στη NVIDIA την κλίμακα πωλήσεων για να συνεχίσει να επενδύει στην Ε&Α και να παραμένει στην κορυφή του παιχνιδιού από τεχνολογική άποψη.
Αυτή έχει αποδειχθεί η σωστή επιλογή, με τη NVIDIA να είναι ο μεγαλύτερος δικαιούχος του πιο εντυπωσιακού ξεφαντώματος κεφαλαιουχικών δαπανών (capex) στην ιστορία της βιομηχανίας τεχνολογίας.
Αναμένεται κεφαλαιοποίηση AI να φτάσει έως και τα 200 δισεκατομμύρια δολάρια το 2025, πάνω από ένα διαρκώς αυξανόμενο αθροιστικό κεφάλαιο από τις μεγαλύτερες εταιρείες τεχνολογίας στον κόσμο από το 2016.
Πηγή: Sherwood
Οικονομικά
Η ανάπτυξη της NVIDIA μόνο από το 2023 έως το 2024 ήταν απίστευτη για μια εταιρεία αυτού του μεγέθους:
- Τα έσοδα αυξήθηκαν κατά 126%, από 27 δισεκατομμύρια δολάρια σε 60 δισεκατομμύρια δολάρια.
- Τα λειτουργικά έσοδα τριπλασιάστηκαν (311%) από 9 δισ. $ σε 37.1 δισ. $
- Το μικτό περιθώριο αυξήθηκε από 59.2% σε 73.8%
Συνολικά, η εταιρεία εκτιμάται πλούσια, αλλά όχι τόσο πολύ λόγω της αύξησης των κερδών της. Ωστόσο, με αναλογία P/E πάνω από 60 και μερισματική απόδοση μόλις 0.03%, οι επενδυτές που αγοράζουν NVIDIA υποθέτουν μεγάλη μελλοντική ανάπτυξη για να δικαιολογήσουν την τρέχουσα τιμή της μετοχής.
Πηγή: NVIDIA
Το μέλλον της NVIDIA
Βιώσιμη Ανάπτυξη;
Ο τριψήφιος ρυθμός ανάπτυξης της NVIDIA ήταν εκπληκτικός και αντικατοπτρίστηκε στην τιμή της μετοχής της εταιρείας. Φυσικά, κάθε καλό πράγμα τελειώνει κάποια μέρα και οι επενδυτές ανησυχούν ότι αυτό μπορεί να συμβεί νωρίτερα παρά αργότερα.
Οι ίδιες ανησυχίες ήταν ήδη έντονες όταν οι πωλήσεις της NVIDIA αυξάνονταν από τις πωλήσεις κρυπτογράφησης ή στα πρώτα στάδια της έκρηξης της τεχνητής νοημοσύνης, επομένως η απαισιοδοξία δεν είναι απαραίτητα μια σωστή επενδυτική στρατηγική.
In μια συνέντευξη για το BG2Pod podcast, ο Huang εξήγησε ότι ο κόσμος χρειάζεται να ενημερώσει το κέντρο δεδομένων και τους υπολογιστές αξίας έως και $1T για να ενσωματώσει και να προσαρμοστεί στην τεχνητή νοημοσύνη. Και ότι μέχρι στιγμής έχουν δαπανηθεί μόνο 150 δισεκατομμύρια δολάρια από αυτό το σύνολο.
Έτσι, σύμφωνα με τον ίδιο, υπάρχει ακόμα πολύς χώρος για τη NVIDIA να συνεχίσει να αυξάνει τις πωλήσεις, ακόμα κι αν αυτό οφείλεται μόνο στις υπάρχουσες υπολογιστικές ανάγκες. Αυτό έγινε πριν ακόμη περισσότερες εφαρμογές για AI γίνουν mainstream, όπως π.χ αυτο-οδήγηση αυτοκινήτων.
Τέτοιες ανησυχίες σχετικά με τη συνολική ζήτηση αγνοούν επίσης ότι, τελικά, όλες οι βιομηχανίες πιθανότατα θα αναπτύξουν τεχνητή νοημοσύνη σε πολλαπλά επίπεδα με τον ένα ή τον άλλο τρόπο, συμπεριλαμβανομένων τομέων όπως η υγειονομική περίθαλψη που αντιπροσωπεύουν διψήφιο ποσοστό του ΑΕΠ.
Πηγή: NVIDIA
Blackwell
Τον Μάρτιο του 2024, η NVIDIA κυκλοφόρησε την πλατφόρμα Blackwell, "δίνοντας τη δυνατότητα σε οργανισμούς παντού να δημιουργούν και να εκτελούν σε πραγματικό χρόνο γενετική τεχνητή νοημοσύνη σε μοντέλα μεγάλων γλωσσών τρισεκατομμυρίων παραμέτρων με έως και 25 φορές μικρότερο κόστος και κατανάλωση ενέργειας από τον προκάτοχό του.".
Πηγή: NVIDIA
Αυτό είναι ένα πολύ σημαντικό βήμα, καθώς η κατανάλωση ενέργειας γίνεται γρήγορα μια από τις κύριες ανησυχίες των εταιρειών που εστιάζουν στην τεχνητή νοημοσύνη, όπως φαίνεται από η πρόσφατη συμφωνία της Microsoft για την επαναλειτουργία ενός ολόκληρου πυρηνικού σταθμού ηλεκτροπαραγωγής και χρήσης όλοι την ισχύ του για τα επόμενα 20 χρόνια σε προσυμφωνημένη τιμή.
Σχέδια εσωτερικού χώρου
Ένας κίνδυνος για τη NVIDIA είναι ότι ενώ είναι βασικός συνεργάτης των μεγαλύτερων εταιρειών του κόσμου, είναι επίσης πολύ ακριβός και κερδοφόρος (70% μικτό περιθώριο κέρδους). Έτσι, όταν εταιρείες με το μέγεθος και το σύνολο δεξιοτήτων της Alphabet/Google ξοδεύουν εκατοντάδες δισεκατομμύρια δολάρια σε τσιπ τεχνητής νοημοσύνης, μπαίνουν στον πειρασμό να το κάνουν εσωτερικά.
Και αυτό δεν είναι απλώς υποθετικό, για παράδειγμα Η Tesla έχει αναπτύξει το δικό της υλικό προσλαμβάνοντας κορυφαίους σχεδιαστές από τον ανταγωνιστή της NVIDIA, AMD. Έως το 2019, η Tesla χρησιμοποιούσε αντ 'αυτού την υπολογιστική πλατφόρμα NVIDIA Drive PX 2 AI. Καθώς η Tesla φαίνεται ότι πλησιάζει πολύ στην εμπορευματοποίηση του robotaxi, αυτό θα μπορούσε να γίνει μια τεράστια χαμένη πώληση για την NVIDIA.
Ταυτόχρονα, η περίπτωση της Tesla μπορεί να αποτελεί εξαίρεση στον κανόνα, με τις άλλες εταιρείες της Tesla και του Elon Musk, όπως... SpaceX, διαβόητο ότι πάντα αναζητά περισσότερη κάθετη ενοποίηση και ισχυρότερο επίπεδο ελέγχου του υλικού του.
Εταιρείες με μικρότερη εμπειρία σε υλικό ή περισσότερο λογισμικό ή/και εστιασμένες στο μάρκετινγκ, όπως το Facebook ή η Microsoft, πιθανότατα θα είναι μια χαρά βασισμένες στην καλύτερη και πιο πρόσφατη τεχνολογία NVIDIA.
Επιπλέον, πολλά μοντέλα τεχνητής νοημοσύνης κατασκευάζονται και κωδικοποιούνται επί του παρόντος με την υπόθεση ότι θα λειτουργούν σε αρχιτεκτονικές NVIDIA και οι προγραμματιστές τεχνητής νοημοσύνης έχουν εμπειρία με το υλικό της NVIDIA, τα οποία αποτελούν και τα δύο πολύτιμα επιχειρηματικά τείχη για την εταιρεία.
Κίνδυνοι αγοράς AI
Η αγορά τεχνητής νοημοσύνης στο σύνολό της μπορεί να αποτελεί μεγαλύτερο κίνδυνο, στον οποίο η εξαιρετική διοίκηση της NVIDIA έχει μικρότερο έλεγχο. Προς το παρόν, βρίσκεται σε άνθηση. Ωστόσο, υπάρχει μια αυξανόμενη ανησυχία ότι οι εφαρμογές τεχνητής νοημοσύνης που κυκλοφόρησαν δεν έχουν μετατραπεί σε τεράστια νέα έσοδα, όπως έκανε το iPhone για την Apple παλιά.
Αυτό είναι πιθανότατα απλώς ένα σημάδι ότι η τεχνολογία εξακολουθεί να βρίσκει το στίγμα της και να αναπτύσσει την αγορά της.
Αλλά θα παρέμενε αυτή η κατάσταση για πολύ καιρό, και θα μπορούσαμε να κινδυνεύουμε από μια κατάσταση όπως στα τέλη της δεκαετίας του 1990, όπου οι προβλέψεις για τη σημασία του υπολογιστή και του Διαδικτύου ήταν σωστές, αλλά ο χρόνος ήταν λίγο πολύ αισιόδοξος, οδηγώντας στην τελεία -com φούσκα που σκάει.
Σίγουρα, ο Jensen Huang που υπογράφει ένα αυτόγραφο στο στήθος μιας γυναίκας τον Ιούνιο του 2024 είναι κάπως εκπληκτικό σημάδι και ίσως λίγο ανησυχητικό για τους επενδυτές που ανησυχούν για μια πιθανή οικονομική μανία γύρω από την τεχνητή νοημοσύνη.
Η οικονομική ιστορία δεν επαναλαμβάνεται απαραίτητα, αλλά οι επενδυτές θα θελήσουν να αναλύσουν σωστά αυτόν τον κίνδυνο για την NVIDIA και να εξετάσουν πιθανές παραλληλίες με τον κατασκευαστή υλικού τηλεπικοινωνιών και Διαδικτύου Sun Microsystems (τον πρώτο εργοδότη του Jensen Huang) το 2000.
Με 10πλάσια έσοδα, για να σας αποπληρώσω 10 χρόνια, πρέπει να σας πληρώσω το 100% των εσόδων για 10 συνεχόμενα χρόνια σε μερίσματα. Αυτό προϋποθέτει ότι μπορώ να το αποκτήσω από τους μετόχους μου. Αυτό προϋποθέτει ότι έχω μηδενικό κόστος πωλήσεων, κάτι που είναι πολύ δύσκολο για μια εταιρεία υπολογιστών. Αυτό προϋποθέτει μηδενικά έξοδα, κάτι που είναι πραγματικά δύσκολο με 39,000 υπαλλήλους. (…)
Τώρα, έχοντας κάνει αυτό, θα ήθελε κάποιος από εσάς να αγοράσει τη μετοχή μου στα 64 $; Αντιλαμβάνεστε πόσο γελοίες είναι αυτές οι βασικές υποθέσεις; Δεν χρειάζεται καμία διαφάνεια. Δεν χρειάζεστε υποσημειώσεις. Τι σκεφτόσουν;
Scott McNealy – τότε Διευθύνων Σύμβουλος της Sun Microsystems
Για αναφορά, ο τρέχων λόγος P/S της NVIDIA είναι 35.
Πηγή: YChart
Συμπέρασμα
Η NVIDIA είναι μια εταιρεία που βασίζεται στην ανάληψη των σωστών υπολογισμένων κινδύνων πολλές φορές στη σειρά τη σωστή στιγμή, από κάρτες γραφικών υπολογιστή έως την έκδοση CUDA για νέες εφαρμογές έως την έγκαιρη αγκαλιά των νευρωνικών δικτύων. Αυτό έκανε τον ιδρυτή του, Jensen Huang, κάτι σαν ροκ σταρ στον κλάδο των ημιαγωγών και της πληροφορικής.
Η πρόσφατη απόδοση της εταιρείας έχει εκπλήξει την αγορά και έχει δημιουργήσει τεράστιο ενθουσιασμό για τη μετοχή, κάτι που μόνο η Tesla μπορεί να διεκδικήσει τα τελευταία χρόνια. Αυτό δημιουργεί μια τεράστια ευκαιρία, όπως γνωρίζουν πολλοί πρώτοι επενδυτές στην Tesla, έχοντας αντιμετωπίσει σχεδόν μια δεκαετία επικριτών που περίμεναν ότι η εταιρεία και η μετοχή της θα καταρρεύσουν «ανά πάσα στιγμή».
Αυτό δημιουργεί επίσης μερικούς κινδύνους, καθώς η έκρηξη της τεχνητής νοημοσύνης δεν έχει ακόμη δημιουργήσει το είδος των εσόδων που δικαιολογούν την τρέχουσα κεφαλαιοποίηση και ενδέχεται να βιώσει μια ύφεση πριν γίνει ένας πλήρως εδραιωμένος οικονομικός τομέας.
