Kecerdasan buatan
Sorotan NVIDIA (NVDA): Dari Raksasa Grafis ke Titan AI
Raksasa AI
Jika selama lebih dari satu dekade, perhatian investor teknologi tertuju pada “Big Tech” (Microsoft (MSFT ), Google (GOOG ), Facebook (META ), dll.), beberapa tahun terakhir telah menyaksikan pergeseran yang jelas menuju perangkat keras dibandingkan perangkat lunak. Tanda pertama adalah kenaikan spektakuler Tesla (TSLA ) dari saham niche yang hampir seperti kultus menjadi salah satu perusahaan terbesar di dunia.
Namun ada satu perusahaan yang berada di perbatasan antara perangkat lunak dan perangkat keras yang akan menghasilkan pengembalian yang sama baiknya, bahkan lebih kuat: NVIDIA (NVDA ).
Sekarang lebih banyak dilihat sebagai perusahaan AI dengan kesuksesan mendadak, NVIDIA sebenarnya telah dengan sabar membangun teknologi uniknya dan posisi pasar selama 20-30 tahun. Hal ini mungkin memberikannya posisi kuat untuk tetap menjadi aktor dominan dalam dunia teknologi selama bertahun-tahun ke depan.
Jalan Kesuksesan NVIDIA
CPU vs GPU
Untuk waktu yang lama, NVIDIA adalah perusahaan perangkat keras komputer yang sukses namun niche, yang berspesialisasi dalam memproduksi kartu grafis atau unit pemrosesan grafis (GPU). Pada saat itu, GPU dianggap sebagai elemen perangkat keras komputasi yang penting namun sekunder dibandingkan unit pemrosesan pusat (CPU) yang sangat penting.
CPU dirancang untuk melakukan komputasi yang sangat cepat yang memerlukan eksekusi satu demi satu, menjadikannya unggul dalam perhitungan kompleks.
Sebaliknya, GPU kurang kuat tetapi dirancang untuk melakukan banyak perhitungan paralel secara bersamaan, menjadikannya lebih baik dalam menangani sejumlah besar data.
Selama periode ini dari tahun 1990-an hingga 2010-an, produsen CPU seperti Intel (INTC ) memimpin industri, sementara GPU berkualitas tinggi sebagian besar hanya digunakan oleh gamer dan desainer grafis untuk PC kelas atas.
Membangun Bisnis GPU
Pada awalnya, pendiri NVIDIA Jensen Huang dan rekan pendirinya berpendapat bahwa kecepatan komputasi akan melampaui kapasitas CPU. Jensen berperan penting dalam mengembangkan GPU pertama untuk Sun Microsystems, yang kini menjadi Oracle (ORCL ).
Ia kemudian menjadi salah satu co-founder NVIDIA pada tahun 1993, menyambut revolusi PC pada awal 1990-an.
“Kami berpikir, tahu, mungkin grafis 3D akan menjadi hal yang sangat keren. Dan untuk pertama kalinya, Anda memiliki platform yang bisa menjadi komputer sekaligus digunakan untuk, tahu, apa pun yang Anda inginkan. Anda juga bisa menggunakannya untuk bermain game. Dan, kami hanya perlu membuat chip yang memungkinkan bermain game.
Tidak ada satupun dari kami yang pernah melihat PC sebelumnya. Jadi kami harus membeli sebuah PC. Kami membeli Gateway 2000. Tidak ada yang tahu cara memprogram Windows atau DOS. Tidak ada yang pernah melihat DOS. Jadi kami harus membongkarnya, mulai belajar tentang industri ini.
Lucu memikirkan bahwa, dengan hindsight, gaming bukanlah pasar yang sangat “serius” pada saat itu dibandingkan dengan model bisnis yang lebih menguntungkan dan berfokus pada perusahaan besar. Kartu pertama tidak sukses secara komersial. GPU generasi ke-2 mereka lebih baik tetapi tiba-tiba menjadi usang ketika pasar beralih ke arsitektur DirectX milik Microsoft untuk video game.
Akhirnya, NVIDIA membutuhkan enam tahun dan tiga lini produk untuk menemukan kecocokan produk-pasar, dengan banyak peristiwa hampir mati bagi perusahaan.
Kesuksesan datang dengan Riva 128: dalam empat bulan pertama, terjual 1 juta unit. Kemudian diikuti oleh rangkaian panjang desain kartu grafis yang sukses, termasuk seri GeForce, hingga hari ini menjadi pemain dominan di pasar bersama AMD (AMD ) Radeon.
Sumber: UBuy
CUDA & Kripto
Pada tahun 2006, sebagai pemimpin GPU yang sudah mapan, NVIDIA merilis CUDA, antarmuka pemrograman tujuan umum untuk GPU NVIDIA, membuka pintu untuk penggunaan selain gaming. Hal ini dilakukan karena beberapa peneliti sudah menggunakan GPU untuk melakukan perhitungan alih-alih superkomputer biasa.
Sumber: NVIDIA
“Para peneliti menyadari bahwa dengan membeli kartu gaming yang disebut GeForce, Anda menambahkannya ke komputer Anda, pada dasarnya Anda memiliki superkomputer pribadi. Dinamika molekuler, pemrosesan seismik, rekonstruksi CT, pemrosesan gambar—sejumlah besar hal berbeda …”
Adopsi GPU yang lebih luas, dan khususnya perangkat keras NVIDIA, menciptakan lingkaran umpan balik positif berdasarkan efek jaringan: semakin banyak penggunaan, semakin banyak pengguna akhir dan programmer yang familiar, semakin banyak penjualan, semakin besar anggaran R&D, semakin cepat percepatan kecepatan komputasi, semakin banyak penggunaan, dll.
Sumber: NVIDIA
Saat ini, basis terpasang mencakup ratusan juta GPU CUDA.
Sumber: NVIDIA
Tidak hanya ini akan sangat berguna bagi peneliti, tetapi teknologi baru akan memanfaatkan komputasi paralel GPU secara besar-besaran: blockchain dan kripto.
Ledakan Kripto
Sekarang sedikit terpinggirkan oleh antusiasme AI, kripto adalah aplikasi skala besar pertama GPU di luar gaming dan riset ilmiah. Banyak blockchain dan proyek kripto memerlukan banyak daya komputasi. Dengan cepat, GPU NVIDIA menjadi perangkat keras utama untuk melakukan perhitungan ini.
Hal ini menciptakan ledakan penjualan NVIDIA, dan saham perusahaan mulai naik seiring dengan ledakan kripto yang terbentuk, dengan harga saham meningkat lebih dari 10 kali lipat.
(NVDA )
Aksi harga saham dari kripto kehilangan sedikit tenaga pada tahun 2022 sebelum pasar menyadari bahwa NVIDIA telah membangun strategi AI yang luar biasa selama bertahun-tahun.
AI
Jaringan Saraf
Sejak awal 2010-an, peneliti mulai menggunakan GPU untuk mempelajari jaringan saraf. Ini adalah jenis metode komputasi yang berbeda dari pemrograman biasa dan telah mendapatkan 2 Hadiah Nobel berbeda pada tahun 2024, dalam bidang Fisika dan Kedokteran.
Jaringan saraf adalah dasar teknis untuk apa yang umumnya disebut “AI” saat ini.
Pada tahun 2009, salah satu mahasiswa saya pada saat itu, Ian Goodfellow, yang merupakan mahasiswa sarjana saya, membantu saya membangun server GPU di kamar asramanya. Dan server itu menjadi apa yang kami gunakan untuk eksperimen deep-learning pertama kami untuk melatih jaringan saraf.
Kami mulai melihat percepatan 10x atau bahkan 100x dalam melatih jaringan saraf pada GPU karena kami dapat melakukan seribu atau 10.000 hal secara paralel, bukan satu langkah demi langkah.
Andrew Ng – pendiri DeepLearning.AI & mitra umum yang mengelola AI Funds, dalam wawancara dengan Sequoia
Ini terjadi sebelum AlexNet, terobosan pertama dalam pengenalan gambar komputer pada tahun 2012, dan bertahun-tahun sebelum AlphaGo.
Mengalihkan NVIDIA ke AI
NVIDIA menyadari potensi AI lebih awal, jauh sebelum siapa pun, di luar peneliti khusus, peduli dengan jaringan saraf.
Ini, pada saat itu, merupakan langkah berisiko ke sektor yang belum terbukti, hampir tidak ada, atau seperti yang dikatakan Jensen Huang:
“Kami berinvestasi di pasar bernilai nol miliar dolar.”
Pada tahun 2016 & 2017, NVIDIA merilis arsitektur Pascal dan Volta, masing-masing, akselerator AI berbasis GPU pertama, sementara Volta memperkenalkan Tensor Cores, yang mempercepat tugas deep learning hingga 12 kali lipat.
Itu adalah pergeseran total ke arah baru ini. Ketika kami mengubah arah kapal ke arah itu, kami mencari setiap peneliti AI di planet ini.
Dan platform kami yang berguna bagi mereka adalah umpan balik positif yang kami terima pada saat itu. Itulah alasan mengapa saya berteman dengan, Anda tahu, semua peneliti AI hebat di dunia.
Mereka semua membantu memberikan indikasi awal tentang keberhasilan masa depan sepanjang perjalanan bagi saya, dan Anda harus membuat hal besar dari kemenangan kecil itu.
Ini akan menjadi cikal bakal pembangunan infrastruktur komputasi AI, yang muncul secara masif ke kesadaran publik pada tahun 2023, dengan rilis LLM (Model Bahasa Besar) populer seperti Chat GPT.
Tetapi ini sebenarnya dibangun melalui perkembangan lambat dan sering terlupakan dari GPU yang semakin kuat khusus untuk AI oleh NVIDIA sejak 2016.
Sumber: NVIDIA
Hal luar biasa lain tentang evolusi kekuatan komputasi AI adalah bahwa ia mengikuti hukum eksponensial alih-alih hukum Moore yang lebih linear untuk CPU. Ini karena tidak hanya perangkat keras GPU yang menjadi lebih baik, tetapi daya pemrosesan yang dibutuhkan telah berkurang berkat perbaikan radikal dalam cara jaringan saraf dilatih.
Selain itu, semakin banyak data yang tersedia membuat pelatihan menjadi lebih efisien, memberi peneliti banyak sudut untuk bekerja secara paralel guna meningkatkan kinerja.
Hal ini telah menyebabkan penurunan radikal dalam energi yang dikonsumsi untuk melatih model GPT yang sama seiring waktu, 350 kali lebih sedikit dalam 8 tahun, dan pengurangan yang lebih ekstrem lagi dalam energi yang diperlukan untuk membuat permintaan ke LLM ini.
Sumber: NVIDIA
Kemitraan NVIDIA
NVIDIA sejak awal berdiri telah menjadi perusahaan yang sangat terhubung dalam industri. Alih-alih menjadi perusahaan terintegrasi secara vertikal, ia berusaha menjalin ikatan mendalam dengan yang terbaik, sambil tetap fokus tajam pada keunggulan kompetitifnya sendiri.
Sebagai contoh, NVIDIA adalah produsen perangkat keras “fabless”, yang fokus pada desain dan konsep, menyerahkan produksi GPU-nya kepada “fab” semikonduktor terkemuka dunia seperti TSMC (TSM ).
Dengan tidak mengembangkan LLM atau sistem AI miliknya sendiri, NVIDIA juga menjadi mitra tepercaya bagi hampir semua “Big Tech” dan startup AI, yang melihatnya sebagai mitra penting bukan pesaing potensial. Pada gilirannya, hal ini memberi NVIDIA skala penjualan untuk terus berinvestasi kembali dalam R&D dan tetap berada di puncak permainan dari sudut pandang teknologi.
Hal ini terbukti menjadi pilihan yang tepat, dengan NVIDIA menjadi penerima manfaat terbesar dari gelombang belanja belanja modal (capex) paling mengesankan dalam sejarah industri teknologi.
Capex AI diperkirakan akan mencapai hingga $200 miliar pada 2025, di atas capex kumulatif yang terus tumbuh oleh perusahaan teknologi terbesar di dunia sejak 2016.
Sumber: Sherwood
Keuangan
Pertumbuhan NVIDIA hanya dari 2023 ke 2024 telah luar biasa untuk perusahaan sebesar itu:
- Pendapatan naik 126%, dari $27 miliar menjadi $60 miliar.
- Pendapatan operasional tiga kali lipat (311%) dari $9 miliar menjadi $37,1 miliar.
- Margin Kotor naik dari 59,2% menjadi 73,8%.
Secara keseluruhan, perusahaan dinilai tinggi, namun tidak terlalu tinggi karena pertumbuhan pendapatannya. Namun, dengan rasio P/E di atas 60, dan hasil dividen hanya 0,03%, investor yang membeli NVIDIA mengasumsikan pertumbuhan masa depan yang besar untuk membenarkan harga saham saat ini.
Sumber: NVIDIA
Masa Depan NVIDIA
Pertumbuhan Berkelanjutan?
Laju pertumbuhan tiga digit NVIDIA telah menakjubkan dan tercermin dalam harga saham perusahaan. Tentu saja, segala hal baik pada akhirnya berakhir, dan investor mulai khawatir bahwa hal ini mungkin terjadi lebih cepat daripada yang diperkirakan.
Kekhawatiran yang sama sudah terdengar keras ketika penjualan NVIDIA booming dari penjualan kripto atau pada tahap awal ledakan AI, jadi pesimisme tidak selalu menjadi strategi investasi yang tepat.
sebuah wawancara pada podcast BG2Pod menjelaskan bahwa dunia perlu memperbarui hingga $1 triliun pusat data dan komputasi untuk mengintegrasikan dan menyesuaikan diri dengan AI. Dan sejauh ini hanya $150 miliar yang telah dibelanjakan dari total tersebut.
Jadi, menurutnya, masih ada banyak ruang bagi NVIDIA untuk terus meningkatkan penjualan, bahkan jika hanya karena kebutuhan komputasi yang sudah ada. Itu sebelum lebih banyak aplikasi AI menjadi arus utama, seperti mobil self-driving.
Kekhawatiran semacam itu tentang total permintaan juga mengabaikan bahwa, pada akhirnya, semua industri kemungkinan akan menerapkan AI pada berbagai tingkat, termasuk sektor seperti perawatan kesehatan yang mewakili persentase dua digit dari PDB.
Sumber: NVIDIA
Blackwell
Pada 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 rendah dibandingkan pendahulunya.”
Sumber: NVIDIA
Ini adalah langkah yang sangat penting, karena konsumsi energi dengan cepat menjadi salah satu kekhawatiran utama perusahaan yang berfokus pada AI, seperti yang digambarkan oleh kesepakatan terbaru Microsoft untuk membuka kembali seluruh pembangkit listrik tenaga nuklir dan menggunakan seluruh output daya selama 20 tahun ke depan dengan harga yang telah disepakati.
Desain Internal
Salah satu risiko bagi NVIDIA adalah meskipun ia menjadi mitra kunci bagi perusahaan terbesar di dunia, ia juga sangat mahal dan menguntungkan (margin kotor 70%). Jadi ketika perusahaan sebesar dan memiliki keahlian seperti Alphabet/Google menghabiskan ratusan miliar dolar untuk chip AI, mereka tergoda untuk melakukannya secara internal.
Dan ini bukan sekadar hipotesis, misalnya Tesla yang mengembangkan perangkat kerasnya sendiri dengan merekrut desainer top dari pesaing NVIDIA AMD. Hingga 2019, Tesla menggunakan platform komputasi AI NVIDIA Drive PX 2. Karena Tesla tampaknya semakin dekat untuk benar-benar mengkomersialkan robotaxi, hal ini dapat menjadi kehilangan penjualan besar bagi NVIDIA.
Pada saat yang sama, kasus Tesla mungkin lebih merupakan pengecualian, dengan Tesla dan perusahaan lain milik Elon Musk, seperti SpaceX, terkenal selalu mencari integrasi vertikal lebih banyak dan kontrol yang lebih kuat atas perangkat kerasnya.
Perusahaan yang kurang berpengalaman dalam perangkat keras atau lebih fokus pada perangkat lunak dan/atau pemasaran, seperti Facebook atau Microsoft, kemungkinan akan baik-baik saja mengandalkan teknologi NVIDIA yang paling canggih dan terbaru.
Selain itu, banyak model AI saat ini dibangun dan dikodekan dengan asumsi bahwa mereka akan berjalan pada arsitektur NVIDIA, dan programmer AI berpengalaman dengan perangkat keras NVIDIA, yang keduanya menjadi keunggulan kompetitif bisnis yang berharga bagi perusahaan.
Risiko Pasar AI
Pasar AI secara keseluruhan mungkin menjadi risiko yang lebih besar di mana manajemen unggul NVIDIA memiliki kontrol yang lebih sedikit. Saat ini sedang booming. Namun, ada kekhawatiran yang meningkat bahwa aplikasi AI yang dirilis belum berhasil bertransformasi menjadi pendapatan baru yang masif seperti iPhone bagi Apple dulu.
Ini mungkin hanya tanda bahwa teknologi masih menemukan tempatnya dan mengembangkan pasar.
Namun jika situasi ini berlanjut terlalu lama, kita berisiko mengalami situasi seperti akhir 1990-an, di mana prediksi tentang pentingnya PC dan Internet benar, tetapi waktunya terlalu optimis, yang menyebabkan gelembung dot-com meletus.
Pastinya, Jensen Huang menandatangani otograf pada payudara seorang wanita pada Juni 2024 merupakan tanda yang agak mengejutkan, dan mungkin sedikit mengkhawatirkan bagi investor yang khawatir tentang potensi kegilaan finansial seputar AI.
Sejarah keuangan tidak selalu berulang, tetapi investor akan ingin menganalisis risiko ini dengan tepat untuk NVIDIA dan melihat paralel potensial dengan produsen perangkat keras telekomunikasi & Internet Sun Microsystems (perusahaan pertama Jensen Huang) pada tahun 2000.
Dengan pendapatan 10 kali lipat, untuk memberi Anda pengembalian dalam 10 tahun, saya harus membayar Anda 100% pendapatan selama 10 tahun berturut-turut dalam bentuk dividen. Itu mengasumsikan saya dapat memperoleh itu dari pemegang saham saya. Itu mengasumsikan saya tidak memiliki biaya barang terjual, yang sangat sulit bagi perusahaan komputer. Itu mengasumsikan tidak ada biaya, yang sangat sulit dengan 39.000 karyawan. (…)
Sekarang, setelah melakukan itu, apakah ada di antara Anda yang ingin membeli saham saya seharga $64? Apakah Anda menyadari betapa konyolnya asumsi dasar itu? Anda tidak memerlukan transparansi apa pun. Anda tidak memerlukan catatan kaki apa pun. Apa yang Anda pikirkan?
Scott McNealy – mantan CEO Sun Microsystems
Sebagai referensi, rasio P/S NVIDIA saat ini adalah 35.
Sumber: YChart
Kesimpulan
NVIDIA adalah perusahaan yang dibangun dengan mengambil risiko terukur yang tepat berulang kali pada waktu yang tepat, mulai dari kartu grafis PC hingga rilis CUDA untuk aplikasi baru hingga mengadopsi jaringan saraf sejak dini. Hal ini menjadikan pendirinya, Jensen Huang, semacam bintang rock dalam industri semikonduktor dan TI.
Kinerja terbaru perusahaan telah mengejutkan pasar dan menciptakan antusiasme besar untuk saham yang hanya dapat diklaim oleh Tesla dalam beberapa tahun terakhir. Ini menciptakan peluang besar, seperti yang diketahui banyak investor awal Tesla, yang telah menghadapi hampir satu dekade penentang yang mengharapkan perusahaan dan sahamnya gagal “setiap saat.”
Hal ini juga menimbulkan beberapa risiko, karena ledakan AI belum menghasilkan pendapatan yang cukup untuk membenarkan capex saat ini dan mungkin mengalami penurunan sebelum menjadi sektor ekonomi yang sepenuhnya mapan.
