NVIDIA (NVDA) Σημείο Εστίασης: Από Γιγαντιαία Εταιρεία Γραφικών σε Τιτάνα AI

Ο Γίγαντας AI

Αν και για πάνω από μια δεκαετία η προσοχή των επενδυτών τεχνολογίας ήταν εστιασμένη στις «Μεγάλες Τεχνολογικές Εταιρείες» (Microsoft (MSFT ), Google (GOOG ), Facebook (META ), κ.λπ.), τα τελευταία χρόνια παρατηρήθηκε μια σαφής μετατόπιση προς το υλικό αντί για το λογισμικό. Το πρώτο σημάδι ήταν η εντυπωσιακή άνοδος της Tesla (TSLA ) από μια εξειδικευμένη, σχεδόν λατρευτική μετοχή σε μία από τις μεγαλύτερες εταιρείες του κόσμου.

Αλλά θα υπήρχε μια εταιρεία που βρισκόταν στο όριο μεταξύ λογισμικού και υλικού και θα παγίδευε εξίσου, αν όχι καλύτερες, αποδόσεις: NVIDIA (NVDA ).

Τώρα κυρίως θεωρείται μια εταιρεία AI με ξαφνική επιτυχία, η NVIDIA στην πραγματικότητα έχει χτίσει υπομονετικά τη μοναδική της τεχνολογία και θέση στην αγορά για 20‑30 χρόνια. Αυτό μπορεί να της δώσει μια ισχυρή θέση για να παραμείνει κυρίαρχος παίκτης στον κόσμο της τεχνολογίας για τα επόμενα χρόνια.

Η Διαδρομή της NVIDIA προς την Επιτυχία

CPU vs GPU

Για πολύ καιρό, η NVIDIA ήταν μια επιτυχημένη αλλά εξειδικευμένη εταιρεία υλικού υπολογιστών, εξειδικευμένη στην παραγωγή καρτών γραφικών ή μονάδων επεξεργασίας γραφικών (GPUs). Τότε, οι GPUs θεωρούνταν ένα σημαντικό στοιχείο υλικού υπολογισμού, αλλά δευτερεύοντα σε σχέση με τη θεμελιώδη κεντρική μονάδα επεξεργασίας (CPU).

Οι CPUs σχεδιάζονται για να εκτελούν πολύ γρήγορους υπολογισμούς που απαιτούν εκτέλεση ένας μετά τον άλλο, καθιστώντας τα ιδανικά για πολύπλοκες υπολογιστικές εργασίες.

Αντίθετα, οι GPUs είναι λιγότερο ισχυροί αλλά σχεδιασμένοι για να εκτελούν πολλούς παράλληλους υπολογισμούς ταυτόχρονα, καθιστώντας τα καλύτερα στην επεξεργασία μεγάλων ποσοτήτων δεδομένων.

Κατά τη διάρκεια αυτής της περιόδου, από τη δεκαετία του 1990 μέχρι τη δεκαετία του 2010, οι κατασκευαστές CPU όπως η Intel (INTC ) κυριαρχούσαν στη βιομηχανία, ενώ οι υψηλής ποιότητας GPUs χρησιμοποιούνταν κυρίως από gamers και γραφίστες για υψηλής τεχνολογίας PC.

Κατασκευή Επιχείρησης GPU

Στην αρχή, ο ιδρυτής της NVIDIA, Jensen Huang και οι συνιδρυτές του υποστήριξαν ότι ο ρυθμός της υπολογιστικής θα ξεπεράσει τη δυνατότητα των CPU. Ο Jensen έπαιξε καθοριστικό ρόλο στην ανάπτυξη των πρώτων GPUs για τη Sun Microsystems, που σήμερα είναι η Oracle (ORCL ).

Στη συνέχεια, έγινε ένας από τους συνιδρυτές της NVIDIA το 1993, αγκαλιάζοντας την επανάσταση του PC στις αρχές της δεκαετίας του 1990.

«Σκεφτήκαμε, ξέρετε, ίσως τα 3D γραφικά να είναι το πράγμα που θα ήταν πραγματικά εντυπωσιακό. Και για πρώτη φορά, έχετε μια πλατφόρμα που θα μπορούσε ταυτόχρονα να είναι υπολογιστής και να χρησιμοποιείται, ξέρετε, για ό,τι θέλετε. Μπορούσατε επίσης να τη χρησιμοποιήσετε για παιχνίδια. Και απλώς χρειάστηκε να κατασκευάσουμε ένα τσιπ που θα έκανε δυνατό το να παίζονται παιχνίδια.

Κανείς από εμάς δεν είχε δει ποτέ έναν PC. Έπρεπε λοιπόν να αγοράσουμε έναν PC. Αγοράσαμε ένα Gateway 2000. Κανείς δεν ήξερε καν πώς να προγραμματίσει τα Windows ή το DOS. Κανείς δεν είχε δει καν το DOS. Έτσι, έπρεπε να το διαλύσουμε, να αρχίσουμε να μαθαίνουμε για τη βιομηχανία.»

Jensen Huang, σε συνέντευξη με τη Sequoia
Είναι αστείο να το σκεφτούμε, με την πίσω ματιά, ότι το gaming δεν ήταν μια πολύ «σοβαρή» αγορά εκείνη την εποχή σε σύγκριση με πιο κερδοφόρα και μεγαλύτερα επιχειρηματικά μοντέλα προσανατολισμένα σε εταιρείες. Οι πρώτες κάρτες δεν ήταν εμπορική επιτυχία. Η GPU δεύτερης γενιάς ήταν καλύτερη, αλλά έγινε ξαφνικά 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 την κατάλληλη αγορά, με πολλά περιστατικά σχεδόν θανάτου για την εταιρεία.

Η επιτυχία ήρθε με το Riva 128: στα πρώτα του τέσσερα μήνες, πούλησε 1 εκατομμύριο μονάδες. Ακολούθησε μια μακριά σειρά επιτυχημένων σχεδίων καρτών γραφικών, συμπεριλαμβανομένης της σειράς GeForce, η οποία μέχρι σήμερα είναι ο κυρίαρχος παίκτης στην αγορά μαζί με το AMD’s (AMD ) Radeon.

Πηγή: UBuy

CUDA & Κρυπτονομίσματα

Το 2006, ως πλέον καθιερωμένος ηγέτης GPU, η NVIDIA κυκλοφόρησε το CUDA, μια γενικού σκοπού διεπαφή προγραμματισμού για τις GPUs της NVIDIA, ανοίγοντας το δρόμο για άλλες χρήσεις εκτός του gaming. Αυτό έγινε επειδή ορισμένοι ερευνητές χρησιμοποιούσαν ήδη τις GPUs για να εκτελούν υπολογισμούς αντί των συνηθισμένων υπερυπολογιστών.

Πηγή: NVIDIA

«Οι ερευνητές συνειδητοποίησαν ότι αγοράζοντας αυτήν την κάρτα gaming που ονομάζεται GeForce, την προσθέτετε στον υπολογιστή σας και ουσιαστικά έχετε έναν προσωπικό υπερυπολογιστή. Μοριακή δυναμική, σεισμική επεξεργασία, ανακατασκευή CT, επεξεργασία εικόνας — μια σειρά διαφορετικών εφαρμογών.»

Jensen Huang, σε συνέντευξη με τη Sequoia
Αυτή η ευρύτερη υιοθέτηση των GPUs, και πιο συγκεκριμένα του υλικού της NVIDIA, δημιούργησε έναν θετικό βρόχο ανάδρασης βασισμένο στις επιδράσεις δικτύου: όσο περισσότερες χρήσεις, τόσο περισσότεροι τελικοί χρήστες και προγραμματιστές εξοικειώνονται με αυτό, τόσο περισσότερες πωλήσεις, τόσο μεγαλύτερος προϋπολογισμός Έ&Α, τόσο μεγαλύτερη επιτάχυνση στην ταχύτητα υπολογισμού, κ.λπ.

Πηγή: NVIDIA

Σήμερα, η εγκατεστημένη βάση περιλαμβάνει εκατοντάδες εκατομμύρια CUDA GPUs.

Πηγή: NVIDIA

Δεν θα αποδείξει μόνο πολύ χρήσιμο για τους ερευνητές, αλλά μια νέα τεχνολογία θα αξιοποιήσει έντονα την παράλληλη υπολογιστική των GPU: το blockchain και τα κρυπτονομίσματα.

Άνοδος Κρυπτονομισμάτων

Τώρα, λίγο στο προσκήνιο λόγω του ενθουσιασμού για AI, τα κρυπτονομίσματα ήταν η πρώτη εφαρμογή μεγάλης κλίμακας των GPU πέρα από το gaming και την επιστημονική έρευνα. Πολλά blockchain και κρυπτοπρογράμματα απαιτούν πολύ υπολογιστική ισχύ. Γρήγορα, οι GPUs της NVIDIA έγιναν το κεντρικό υλικό για την εκτέλεση αυτών των υπολογισμών.

Αυτό δημιούργησε μια άνοδο στις πωλήσεις της NVIDIA, και το μετοχικό της τίτλο άρχισε να ανεβαίνει συγχρόνως με την αναπτυσσόμενη άνοδο των κρυπτονομισμάτων, με την τιμή της μετοχής να αυξάνεται περισσότερο από 10 φορές.

Η κίνηση της τιμής της μετοχής από τα κρυπτονομίσματα έχασε λίγο δυναμική το 2022 πριν οι αγορές συνειδητοποιήσουν ότι η NVIDIA είχε χτίσει μια αξιοσημείωτη στρατηγική AI για πολλά χρόνια.

AI

Νευρωνικά Δίκτυα

Από τις αρχές της δεκαετίας του 2010, οι ερευνητές άρχισαν να χρησιμοποιούν GPUs για τη μελέτη των νευρωνικών δικτύων. Πρόκειται για έναν τύπο υπολογιστικής μεθόδου που διαφέρει από τον συνηθισμένο προγραμματισμό και βραβεύτηκε με 2 διαφορετικά Βραβεία Νόμπελ το 2024, στη Φυσική και στην Ιατρική.

Τα νευρωνικά δίκτυα είναι η τεχνική βάση για ό,τι σήμερα αποκαλείται κοινώς «AI».

«Το 2009, ένας από τους φοιτητές μου εκείνη την εποχή, ο Ian Goodfellow, που ήταν ο προπτυχιακός μου, με βοήθησε να χτίσω έναν διακομιστή GPU στο δωμάτιο του κοιτώνιου του. Και αυτός ο διακομιστής τελικά έγινε αυτό που χρησιμοποιήσαμε για τα πρώτα μας πειράματα βαθιάς μάθησης για την εκπαίδευση νευρωνικών δικτύων.

Άρχισαμε να βλέπουμε επιταχύνσεις 10× ή ακόμη και 100× στην εκπαίδευση νευρωνικών δικτύων με GPUs επειδή μπορούσαμε να κάνουμε χίλιες ή δεκάδες χιλιάδες εργασίες παράλληλα, αντί για ένα βήμα μετά το άλλο.»

Αυτό συνέβη πριν το AlexNet, την πρώτη επανάσταση στην αναγνώριση εικόνας από υπολογιστές το 2012, και χρόνια πριν το AlphaGo.

Αναπροσανατολισμός της NVIDIA προς το AI

Η NVIDIA συνειδητοποίησε νωρίς τη δυναμική του AI, πολύ πριν οποιοσδήποτε, εκτός από εξειδικευμένους ερευνητές, να ενδιαφερθεί για τα νευρωνικά δίκτυα.

Αυτή ήταν, εκείνη την εποχή, μια επικίνδυνη κίνηση προς έναν αδοκίμαστο, σχεδόν ανύπαρκτο τομέα, ή όπως είπε ο Jensen Huang:

«Επενδύουμε σε αγορές μηδενικού δισεκατομμυρίου δολαρίων.»

Το 2016 και 2017, η NVIDIA κυκλοφόρησε τις αρχιτεκτονικές Pascal και Volta, αντίστοιχα, τον πρώτο επιταχυντή AI βασισμένο σε GPU, ενώ η Volta εισήγαγε τα Tensor Cores, που επιτάχυναν τις εργασίες βαθιάς μάθησης έως και 12 φορές.

Ήταν μια ολική αλλαγή κατεύθυνσης. Όταν στρέψαμε το πλοίο προς αυτή τη νέα κατεύθυνση, αναζητήσαμε κάθε ερευνητή AI στον πλανήτη.

Και το ότι η πλατφόρμα μας ήταν χρήσιμη για αυτούς ήταν η θετική ανάδραση που λάβαμε εκείνη την εποχή. Αυτός είναι ο λόγος που είμαι φίλος με, ξέρετε, όλους τους σπουδαίους ερευνητές AI του κόσμου.

Ήταν όλοι βοηθητικοί παρέχοντας τις πρώτες ενδείξεις για μελλοντική επιτυχία κατά τη διάρκεια του δρόμου για μένα, και πρέπει να δίνουμε μεγάλη σημασία σε αυτές τις μικρές νίκες.

Αυτό θα προαναγγέλλει την οικοδόμηση υποδομής υπολογισμού AI, που εμφανίστηκε μαζικά στη δημόσια συνείδηση το 2023, με την κυκλοφορία δημοφιλών LLM (Μεγάλων Μοντέλων Γλώσσας) όπως το Chat GPT.

Αλλά αυτό χτίστηκε στην πραγματικότητα μέσα από την αργή και συχνά ξεχασμένη ανάπτυξη ολοένα και πιο ισχυρών GPU αφιερωμένων στο AI από τη NVIDIA από το 2016.

Πηγή: NVIDIA

Ένα ακόμη αξιοσημείωτο πράγμα σχετικά με την εξέλιξη της υπολογιστικής ισχύος AI είναι ότι ακολουθεί έναν εκθετικό νόμο αντί του πιο γραμμικού Νόμου του Moore για τις CPU. Αυτό συμβαίνει επειδή όχι μόνο το υλικό GPU βελτιώνεται, αλλά η απαιτούμενη υπολογιστική ισχύς έχει μειωθεί λόγω ριζικής βελτίωσης στον τρόπο εκπαίδευσης των νευρωνικών δικτύων.

Επιπλέον, η μεγαλύτερη διαθεσιμότητα δεδομένων κάνει την εκπαίδευση πιο αποδοτική, δίνοντας στους ερευνητές πολλές οπτικές για να εργάζονται παράλληλα και να ενισχύουν τις επιδόσεις.

Αυτό οδήγησε σε μια ριζική μείωση της ενέργειας που καταναλώνεται για την εκπαίδευση του ίδιου μοντέλου GPT με την πάροδο του χρόνου, 350 φορές λιγότερη σε 8 χρόνια, και σε ακόμη πιο ακραία μείωση της ενέργειας που απαιτείται για να γίνει ένα αίτημα σε αυτά τα LLM.

Πηγή: NVIDIA

Συνεργασίες NVIDIA

Η NVIDIA από την ίδρυσή της είναι μια εταιρεία βαθιά συνδεδεμένη με τη βιομηχανία. Αντί για μια κάθετα ενσωματωμένη εταιρεία, επιδιώκει να δημιουργήσει στενούς δεσμούς με τους καλύτερους, παραμένοντας εξαιρετικά εστιασμένη στα δικά της ανταγωνιστικά πλεονεκτήματα.

Για παράδειγμα, η NVIDIA είναι μια λεγόμενη «fabless» κατασκευάστρια υλικού, εστιάζοντας στο σχεδιασμό και τις ιδέες, αφήνοντας σε παγκοσμίως κορυφαίες εταιρείες ημιαγωγών όπως η TSMC (TSM ) την παραγωγή των GPUs της.

Μη αναπτύσσοντας τα δικά της LLM ή σύστημα AI, η NVIDIA είναι επίσης ένας αξιόπιστος συνεργάτης για σχεδόν όλες τις «Μεγάλες Τεχνολογικές Εταιρείες» και τις νεοσύστατες AI, που τη βλέπουν ως ουσιώδη συνεργάτη αντί για πιθανό ανταγωνιστή. Αντιστρόφως, αυτό δίνει στη NVIDIA την κλίμακα των πωλήσεων για να συνεχίσει να επενδύει στην Έ&Α και να παραμένει στην κορυφή από τεχνολογική άποψη.

Αυτό αποδείχθηκε η σωστή επιλογή, με τη NVIDIA να είναι ο μεγαλύτερος ωφελούμενος της πιο εντυπωσιακής δαπάνης κεφαλαιακού επενδύματος (capex) στην ιστορία της τεχνολογικής βιομηχανίας.

Το capex για AI αναμένεται να φτάσει έως και 200 δισεκατομμύρια δολάρια το 2025, πάνω από μια συνεχώς αυξανόμενη συσσωρευμένη δαπάνη capex από τις μεγαλύτερες τεχνολογικές εταιρείες του κόσμου 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.
• Το λειτουργικό εισόδημα τριπλασιάστηκε (311%) από 9 δισεκατομμύρια δολάρια σε 37,1 δισεκατομμύρια δολάρια
• Το μικτό περιθώριο αυξήθηκε από 59,2% σε 73,8%

Συνολικά, η εταιρεία είναι υψηλά αποτιμημένη, αλλά όχι τόσο λόγω της ανάπτυξης των κερδών της. Παρόλα αυτά, με δείκτη P/E πάνω από 60 και απόδοση μερίσματος μόλις 0,03%, οι επενδυτές που αγοράζουν τη 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 αντικατοπτρίζεται στην τιμή της μετοχής της εταιρείας. Φυσικά, κάθε καλό πράγμα τελειώνει μια μέρα, και οι επενδυτές αρχίζουν να ανησυχούν ότι αυτό μπορεί να συμβεί σύντομα.

Οι ίδιες ανησυχίες ήταν ήδη έντονες όταν οι πωλήσεις της NVIDIA άνθιζαν από τις πωλήσεις κρυπτονομισμάτων ή στα πρώτα στάδια της άνοδος AI, έτσι ο απαισιδία δεν είναι απαραίτητα μια σωστή επενδυτική στρατηγική.

Σε μια συνέντευξη στο podcast BG2Pod, ο Huang εξήγησε ότι ο κόσμος χρειάζεται να αναβαθμίσει κέντρα δεδομένων και υπολογιστές αξίας έως 1 τρισεκατομμύριο δολάρια για να ενσωματώσει και να προσαρμόσει το AI. Και μέχρι στιγμής έχουν ξοδευτεί μόνο 150 δισεκατομμύρια δολάρια από αυτό το σύνολο.

Έτσι, σύμφωνα με αυτόν, υπάρχει ακόμα πολύ χώρος για τη NVIDIA να συνεχίσει να αυξάνει τις πωλήσεις, ακόμη και αν οφείλεται μόνο στις υπάρχουσες ανάγκες υπολογισμού. Αυτό είναι πριν ακόμη περισσότερες εφαρμογές AI γίνουν κυρίαρχες, όπως τα αυτόνομα οχήματα.

Τέτοιες ανησυχίες για τη συνολική ζήτηση αγνοούν επίσης ότι, τελικά, όλες οι βιομηχανίες πιθανότατα θα εφαρμόσουν AI σε πολλαπλά επίπεδα με κάποιον τρόπο, συμπεριλαμβανομένων τομέων όπως η υγειονομική περίθαλψη που αντιπροσωπεύει ποσοστό διψήφιο του ΑΕΠ.

Πηγή: NVIDIA

Blackwell

Τον Μάρτιο του 2024, η NVIDIA κυκλοφόρησε την πλατφόρμα Blackwell, «επιτρέποντας σε οργανισμούς παντού να δημιουργούν και να εκτελούν AI γενετικής σε πραγματικό χρόνο σε μοντέλα μεγάλης γλώσσας τρισεκατομμυρίων παραμέτρων, με έως και 25 φορές λιγότερο κόστος και κατανάλωση ενέργειας σε σχέση με τον προκάτοχό του».

Πηγή: NVIDIA

Αυτό είναι ένα πολύ σημαντικό βήμα, καθώς η κατανάλωση ενέργειας γίνεται γρήγορα μία από τις κύριες ανησυχίες των εταιρειών που εστιάζουν στο AI, όπως δείχνει η πρόσφατη συμφωνία της Microsoft για το άνοιγμα ενός ολόκληρου πυρηνικού σταθμού και τη χρήση όλης της παραγωγής του για τα επόμενα 20 χρόνια με προ‑συμφωνημένη τιμή.

Σχεδιασμοί Εσωτερικής Κατασκευής

Ένας κίνδυνος για τη NVIDIA είναι ότι ενώ είναι βασικός συνεργάτης των μεγαλύτερων εταιρειών του κόσμου, είναι επίσης πολύ ακριβή και κερδοφόρος (70% μικτό περιθώριο). Έτσι, όταν εταιρείες με το μέγεθος και τις δεξιότητες της Alphabet/Google ξοδεύουν εκατοντάδες δισεκατομμύρια δολάρια σε AI chips, είναι προσελκύονται να το κάνουν εσωτερικά.

Και αυτό δεν είναι μόνο υποθετικό, με παράδειγμα την Tesla που ανέπτυξε το δικό της υλικό προσλαμβάνοντας κορυφαίους σχεδιαστές από τον ανταγωνιστή της NVIDIA, AMD. Μέχρι το 2019, η Tesla χρησιμοποιούσε την πλατφόρμα AI υπολογισμού NVIDIA Drive PX 2. Καθώς η Tesla φαίνεται να πλησιάζει πολύ στην εμπορευματοποίηση του robotaxi, αυτό θα μπορούσε να αποτελέσει μια τεράστια χαμένη πώληση για τη NVIDIA.

Ταυτόχρονα, η περίπτωση της Tesla μπορεί να είναι περισσότερο μια εξαίρεση από τον κανόνα, με την Tesla και τις άλλες εταιρείες του Elon Musk, όπως η SpaceX, να είναι γνωστές για την συνεχόμενη αναζήτηση μεγαλύτερης κάθετης ενσωμάτωσης και ισχυρότερου ελέγχου του υλικού της.

Εταιρείες με λιγότερη εμπειρία στο υλικό ή πιο προσανατολισμένες στο λογισμικό και/ή το μάρκετινγκ, όπως η Facebook ή η Microsoft, πιθανότατα θα είναι εντάξει αν βασίζονται στην πιο εξαιρετική και πρόσφατη τεχνολογία της NVIDIA.

Επιπλέον, πολλά μοντέλα AI χτίζονται και κωδικοποιούνται σήμερα με την υπόθεση ότι θα τρέξουν σε αρχιτεκτονικές NVIDIA, και οι προγραμματιστές AI είναι εξοικειωμένοι με το υλικό της NVIDIA, κάτι που αποτελεί πολύτιμο επιχειρηματικό φράγμα για την εταιρεία.

Κίνδυνοι Αγοράς AI

Η αγορά AI συνολικά μπορεί να αποτελεί μεγαλύτερο κίνδυνο πάνω από τον οποίο η εξαιρετική διαχείριση της NVIDIA έχει λιγότερο έλεγχο. Αυτή αναπτύσσεται για τώρα. Ωστόσο, υπάρχει αυξανόμενη ανησυχία ότι οι εφαρμογές AI που κυκλοφόρησαν δεν έχουν μετατραπεί σε τεράστιες νέες εσόδους όπως το iPhone για την Apple παλιά.

Αυτό πιθανότατα είναι μόνο ένα σημάδι ότι η τεχνολογία ακόμα βρίσκει το σημείο της και αναπτύσσει την αγορά της.

Αλλά αν αυτή η κατάσταση παραμείνει για πολύ καιρό, θα μπορούσαμε να βρεθούμε σε κίνδυνο παρόμοιο με τα τέλη της δεκαετίας του 1990, όπου οι προβλέψεις για τη σημασία του PC και του Internet ήταν σωστές, αλλά το χρονοδιάγραμμα ήταν λίγο υπερβολικά αισιόδοξο, οδηγώντας στο σκάσιμο της φούστας των dot‑com.

Σίγουρα, η υπογραφή του Jensen Huang στο στήθος μιας γυναίκας τον Ιούνιο του 2024 είναι κάπως ένα εκπληκτικό σημάδι, και ίσως ανησυχητικό για επενδυτές που ανησυχούν για μια πιθανή χρηματοοικονομική μανία γύρω από το AI.

Η χρηματοοικονομική ιστορία δεν επαναλαμβάνεται απαραίτητα, αλλά οι επενδυτές θα θέλουν να αναλύσουν σωστά αυτόν τον κίνδυνο για τη NVIDIA και να εξετάσουν πιθανά παραλληλισμούς με τον κατασκευαστή τηλεπικοινωνιακού & internet υλικού Sun Microsystems (πρώτος εργοδότης του Jensen Huang) το 2000.

«Στα 10 φορές τα έσοδα, για να σας δώσω απόδοση 10 ετών, πρέπει να σας πληρώσω 100% των εσόδων για 10 συνεχόμενα χρόνια σε μερίσματα. Αυτό υποθέτει ότι μπορώ να το εξασφαλίσω από τους μετόχους μου. Αυτό υποθέτει ότι έχω μηδενικό κόστος πωληθέντων, κάτι που είναι πολύ δύσκολο για μια εταιρεία υπολογιστών. Αυτό υποθέτει μηδενικά έξοδα, κάτι που είναι πραγματικά δύσκολο με 39.000 υπαλλήλους. (…)

Τώρα, αφού το έκανα αυτό, θα ήθελε κανείς από εσάς να αγοράσει τη μετοχή μου στα $64; Συνειδητοποιείτε πόσο παράλογες είναι αυτές οι βασικές υποθέσεις; Δεν χρειάζεστε καμία διαφάνεια. Δεν χρειάζεστε καν σημειώσεις. Τι σκεφτόσασταν;»

– 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 χτίστηκε με το να παίρνει σωστούς, υπολογισμένους κινδύνους πολλές φορές στη σειρά, τη σωστή στιγμή, από τις κάρτες γραφικών PC μέχρι την κυκλοφορία του CUDA για νέες εφαρμογές και την πρώιμη υιοθέτηση των νευρωνικών δικτύων. Αυτό έχει κάνει τον ιδρυτή της, Jensen Huang, κάτι σαν ροκ σταρ στη βιομηχανία ημιαγωγών και πληροφορικής.

Η πρόσφατη απόδοση της εταιρείας έχει συγκλονίσει την αγορά και δημιουργήσει τεράστια ενθουσιασμό για τη μετοχή, κάτι που μόνο η Tesla μπορεί να ισχυριστεί τα τελευταία χρόνια. Αυτό δημιουργεί μια τεράστια ευκαιρία, όπως γνωρίζουν πολλοί πρώιμοι επενδυτές στην Tesla, που αντιμετώπισαν σχεδόν μια δεκαετία αντιπάλων που περίμεναν ότι η εταιρεία και η μετοχή της θα αποτύχουν «οποιαδήποτε στιγμή τώρα».

Αυτό επίσης δημιουργεί κάποιους κινδύνους, καθώς η άνοδος του AI δεν έχει ακόμη δημιουργήσει το είδος των εσόδων που να δικαιολογούν το τρέχον capex και μπορεί να αντιμετωπίσει μια πτώση πριν γίνει πλήρως εδραιωμένος οικονομικός τομέας.