Intelligenza artificiale
NVIDIA (NVDA) Spotlight: Da gigante della grafica a titano dell’IA
Il Gigante dell’IA
Se per più di un decennio l’attenzione degli investitori tecnologici è stata rivolta al “Big Tech” (Microsoft (MSFT ), Google (GOOG ), Facebook (META ), ecc.), gli ultimi anni hanno mostrato un netto spostamento verso l’hardware rispetto al software. Il primo segnale è stato l’ascesa spettacolare di Tesla (TSLA ) da azione di nicchia quasi cult a una delle più grandi aziende al mondo.
Ma ci sarebbe un’azienda che si trova al confine tra software e hardware e che catturerebbe rendimenti altrettanto buoni, se non migliori: NVIDIA (NVDA ).
Ora per lo più considerata un’azienda di IA con un successo improvviso, NVIDIA ha in realtà costruito pazientemente la sua tecnologia unica e la sua posizione di mercato in 20‑30 anni. Questo potrebbe darle una posizione forte per rimanere un attore dominante nel mondo della tecnologia negli anni a venire.
Il percorso di successo di NVIDIA
CPU vs GPU
Per molto tempo, NVIDIA è stata un’azienda di hardware informatico di successo ma di nicchia, specializzata nella produzione di schede grafiche o unità di elaborazione grafica (GPU). All’epoca, le GPU erano viste come un elemento hardware di calcolo importante ma secondario rispetto all’unità di elaborazione centrale (CPU) di assoluta importanza.
Le CPU sono progettate per eseguire calcoli molto rapidi che richiedono di essere fatti uno dopo l’altro, rendendole ottime per calcoli complessi.
Al contrario, le GPU sono meno potenti ma progettate per eseguire molti calcoli in parallelo simultaneamente, rendendole migliori nella gestione di grandi quantità di dati.
Durante questo periodo, dagli anni ’90 ai 2010, i produttori di CPU come Intel (INTC ) dominavano l’industria, mentre le GPU di alta qualità erano per lo più usate solo da gamer e designer grafici per PC di fascia alta.
Costruire un business GPU
All’inizio, il fondatore di NVIDIA Jensen Huang e i suoi co‑fondatori hanno ragionato che il ritmo del calcolo avrebbe superato la capacità delle CPU. Jensen è stato fondamentale nello sviluppo delle prime GPU per Sun Microsystems, oggi Oracle (ORCL ).
Diventerà poi uno dei co‑fondatori di NVIDIA nel 1993, abbracciando la rivoluzione del PC all’inizio degli anni ’90.
“Pensavamo, sai, forse la grafica 3D sarebbe stata la cosa davvero cool. E per la prima volta, avevi una piattaforma che poteva essere sia un computer sia usata per, sai, quello che vuoi usarla per. Potevi anche usarla per giocare. E, dovevamo costruire un chip che rendesse possibile giocare.
Nessuno di noi aveva mai visto un PC prima. Così abbiamo dovuto comprare un PC. Abbiamo comprato un Gateway 2000. Nessuno sapeva programmare Windows o DOS. Nessuno aveva mai visto DOS. E così abbiamo dovuto smontarlo, cominciare a imparare sull’industria.
È divertente pensare che, in retrospettiva, il gaming non fosse un mercato molto “serio” all’epoca rispetto a modelli di business più redditizi e orientati alle imprese. Le prime schede non furono un successo commerciale. La loro GPU di seconda generazione era migliore ma divenne improvvisamente obsoleta quando il mercato si orientò verso l’architettura DirectX di Microsoft per i videogiochi.
Alla fine, ci sono voluti sei anni e tre linee di prodotto a NVIDIA per trovare l’adattamento prodotto‑mercato, con molti eventi di quasi morte per l’azienda.
Il successo arrivò con la Riva 128: nei primi quattro mesi vendette 1 milione di unità. Fu seguita da una lunga serie di design di schede grafiche di successo, inclusa la serie GeForce, ancora oggi il player dominante sul mercato accanto a AMD’s (AMD ) Radeon.
Fonte: UBuy
CUDA e Crypto
Nel 2006, ormai leader consolidato nel settore GPU, NVIDIA rilasciò CUDA, un’interfaccia di programmazione di uso generale per le GPU di NVIDIA, aprendo la porta a usi diversi dal gaming. Questo fu fatto perché alcuni ricercatori stavano già usando le GPU per eseguire calcoli invece dei soliti supercomputer.
Fonte: NVIDIA
“I ricercatori hanno capito che comprando questa scheda da gaming chiamata GeForce, la aggiungi al tuo computer, hai essenzialmente un supercomputer personale. Dinamica molecolare, elaborazione sismica, ricostruzione TC, elaborazione di immagini—un sacco di cose diverse.”
Questa più ampia adozione delle GPU, e più specificamente dell’hardware NVIDIA, ha creato un ciclo di feedback positivo basato sugli effetti di rete: più usi, più utenti finali e programmatori familiari, più vendite, più budget R&D, più accelerazione nella velocità di calcolo, più usi, ecc.
Fonte: NVIDIA
Oggi la base installata comprende centinaia di milioni di GPU CUDA.
Fonte: NVIDIA
Non solo questo si dimostrerebbe molto utile per i ricercatori, ma una nuova tecnologia farebbe grande uso del calcolo parallelo delle GPU: blockchain e criptovalute.
Boom delle Crypto
Ora leggermente messo da parte dall’entusiasmo per l’IA, le crypto furono la prima applicazione su larga scala delle GPU oltre al gaming e alla ricerca scientifica. Molti blockchain e progetti crypto richiedono molta potenza di calcolo. Rapidamente, le GPU NVIDIA divennero l’hardware centrale per eseguire questi calcoli.
Ciò creò un boom nelle vendite di NVIDIA, e il prezzo delle azioni dell’azienda iniziò a salire in sincronia con il boom crypto emergente, con il prezzo delle azioni che aumentò di più di 10 volte.
(NVDA )
L’azione delle azioni legate alle crypto perse un po’ di slancio nel 2022 prima che i mercati si rendessero conto che NVIDIA aveva costruito per molti anni una straordinaria strategia IA.
IA
Reti Neurali
Dai primi anni 2010, i ricercatori avevano iniziato a impiegare le GPU per studiare le reti neurali. Questi sono un tipo di metodo di calcolo che differisce dalla programmazione tradizionale e sono stati premiati con 2 diversi Premi Nobel nel 2024, in Fisica e Medicina.
Le reti neurali sono la base tecnica di ciò che oggi comunemente si chiama “IA”.
Nel 2009, uno dei miei studenti di allora, Ian Goodfellow, che era il mio laureato, mi aiutò a costruire un server GPU nella sua stanza del dormitorio. E quel server finì per essere quello che usammo per i nostri primi esperimenti di deep‑learning per addestrare le reti neurali.
Iniziammo a vedere accelerazioni di 10× o anche 100× nell’addestramento delle reti neurali sulle GPU perché potevamo fare mille o 10.000 cose in parallelo, invece di un passo dopo l’altro.
Andrew Ng – fondatore di DeepLearning.AI & managing general partner dei AI Funds, in un’intervista a Sequoia
Questo era prima di AlexNet, la prima svolta nel riconoscimento di immagini al computer nel 2012, e anni prima di AlphaGo.
Rivoluzione di NVIDIA verso l’IA
NVIDIA capì il potenziale dell’IA molto presto, molto prima che chiunque, al di fuori dei ricercatori specializzati, si interessasse alle reti neurali.
Questo fu, all’epoca, un passo rischioso verso un settore non provato, quasi inesistente, o come disse Jensen Huang:
“Stiamo investendo in mercati da zero miliardi di dollari.”
Nel 2016 e 2017, NVIDIA rilasciò le architetture Pascal e Volta, rispettivamente il primo acceleratore IA basato su GPU, mentre Volta introdusse i Tensor Core, che accelerarono i compiti di deep learning fino a 12 volte.
Fu una svolta totale in questa nuova direzione. Quando abbiamo cambiato rotta in quella direzione, abbiamo cercato ogni singolo ricercatore IA sul pianeta.
E la nostra piattaforma utile a loro era il feedback positivo che stavamo ricevendo in quel momento. È il motivo per cui sono amico di, sai, tutti i grandi ricercatori IA del mondo.
Erano tutti d’aiuto nel fornire le prime indicazioni di successo futuro lungo il percorso per me e, devi dare grande importanza a quelle piccole vittorie.
Questo prefigurò la costruzione di un’infrastruttura di calcolo IA, emersa massivamente nella coscienza pubblica nel 2023, con il rilascio di popolari LLM (Large Language Models) come Chat GPT.
Ma questo è stato in realtà costruito sul lento e spesso dimenticato sviluppo di GPU sempre più potenti dedicate all’IA da parte di NVIDIA dal 2016.
Fonte: NVIDIA
Un’altra cosa notevole sull’evoluzione della potenza di calcolo IA è che segue una legge esponenziale invece della più lineare Legge di Moore per le CPU. Questo perché non solo l’hardware GPU migliora, ma la potenza di elaborazione richiesta è diminuita grazie a miglioramenti radicali nel modo in cui le reti neurali vengono addestrate.
Inoltre, più dati disponibili rendono l’addestramento più efficiente, dando ai ricercatori molteplici angoli di lavoro in parallelo per aumentare le prestazioni.
Ciò ha portato a una diminuzione radicale dell’energia consumata per addestrare lo stesso modello GPT nel tempo, 350× meno in 8 anni, e a una riduzione ancora più estrema dell’energia necessaria per effettuare una richiesta a questi LLM.
Fonte: NVIDIA
Partnerships di NVIDIA
NVIDIA fin dalla sua nascita è stata un’azienda profondamente connessa all’interno dell’industria. Invece di essere un’azienda verticalmente integrata, cerca di stabilire legami profondi con i migliori, rimanendo concentrata sui propri vantaggi competitivi.
Ad esempio, NVIDIA è un cosiddetto produttore “fabless” di hardware, concentrandosi su design e concetti, lasciando a semiconduttori leader mondiali “fab” come TSMC (TSM ) la produzione delle sue GPU.
Non sviluppando propri LLM o sistemi IA, NVIDIA è anche un partner fidato per praticamente tutti i “Big Tech” e le startup IA, che la vedono come un partner essenziale piuttosto che un potenziale concorrente. Di conseguenza, NVIDIA ottiene la scala di vendite per continuare a reinvestire in R&D e rimanere al top dal punto di vista tecnologico.
Ciò si è dimostrato la scelta giusta, con NVIDIA il più grande beneficiario della più impressionante spesa in capitale (capex) nella storia dell’industria tecnologica.
Il capex IA è previsto raggiungere fino a 200 miliardi di dollari nel 2025, oltre a un capex cumulativo in costante crescita da parte delle più grandi aziende tecnologiche del mondo dal 2016.
Fonte: Sherwood
Finanze
La crescita di NVIDIA solo dal 2023 al 2024 è stata incredibile per un’azienda di queste dimensioni:
- I ricavi sono aumentati del 126%, da 27 Mrd a 60 Mrd.
- Il reddito operativo è triplicato (311%) da 9 Mrd a 37,1 Mrd
- Il margine lordo è passato dal 59,2% al 73,8%
Nel complesso, l’azienda è valutata riccamente, ma non solo per la crescita degli utili. Tuttavia, con un rapporto P/E sopra 60 e un rendimento da dividendo appena dello 0,03 %, gli investitori che acquistano NVIDIA stanno assumendo una grande crescita futura per giustificare il prezzo attuale dell’azione.
Fonte: NVIDIA
Futuro di NVIDIA
Crescita Sostenibile?
Il tasso di crescita a tre cifre di NVIDIA è stato stupefacente e si è riflesso nel prezzo delle azioni dell’azienda. Naturalmente, ogni cosa buona ha una fine un giorno, e gli investitori stanno cominciando a temere che ciò possa avvenire prima o dopo.
Le stesse preoccupazioni erano già forti quando le vendite di NVIDIA esplodevano grazie alle vendite crypto o nelle prime fasi del boom IA, quindi il pessimismo non è necessariamente una strategia d’investimento solida.
In un’intervista al podcast BG2Pod, Huang spiegò che il mondo ha bisogno di aggiornare fino a 1 T di centri dati e capacità di calcolo per incorporare e adattarsi all’IA. E finora sono stati spesi solo 150 Mrd di quel totale.
Quindi, secondo lui, c’è ancora molto spazio per NVIDIA per continuare a far crescere le vendite, anche se solo a causa delle esigenze di calcolo esistenti. Questo è prima ancora che altre applicazioni dell’IA diventino mainstream, come auto a guida autonoma.
Tali preoccupazioni sulla domanda totale ignorano anche il fatto che, in ultima analisi, tutti i settori probabilmente adotteranno l’IA a più livelli in un modo o nell’altro, inclusi settori come la sanità che rappresentano una percentuale a doppia cifra del PIL.
Fonte: NVIDIA
Blackwell
Nel marzo 2024, NVIDIA ha rilasciato la piattaforma Blackwell, “che consente alle organizzazioni di tutto il mondo di costruire ed eseguire IA generativa in tempo reale su modelli di linguaggio di grandi dimensioni con trilioni di parametri, con fino a 25× meno costi e consumo energetico rispetto al suo predecessore.”.
Fonte: NVIDIA
Questo è un passo molto importante, poiché il consumo energetico sta rapidamente diventando una delle principali preoccupazioni delle aziende focalizzate sull’IA, come illustrato dall’recente accordo di Microsoft per riaprire un intero impianto nucleare e utilizzare tutta la sua potenza per i prossimi 20 anni a un prezzo pre‑accordato.
Design Interni
Un rischio per NVIDIA è che, pur essendo un partner chiave per le più grandi aziende del mondo, è anche molto costoso e redditizio (margine lordo del 70%). Quindi, quando aziende delle dimensioni e delle capacità di Alphabet/Google spendono centinaia di miliardi di dollari in chip IA, sono tentate di farlo internamente.
E non è solo ipotetico, ad esempio Tesla ha sviluppato il proprio hardware assumendo i migliori designer dal concorrente AMD di NVIDIA. Fino al 2019, Tesla usava la piattaforma di calcolo IA NVIDIA Drive PX 2. Poiché Tesla sembra avvicinarsi molto alla commercializzazione del robotaxi, questo potrebbe diventare una perdita di vendita massiccia per NVIDIA.
Allo stesso tempo, il caso di Tesla potrebbe essere più un’eccezione alla regola, con Tesla e le altre aziende di Elon Musk, come SpaceX, notoriamente alla ricerca di maggiore integrazione verticale e di un più forte controllo sul proprio hardware.
Le aziende meno esperte in hardware o più focalizzate su software e/o marketing, come Facebook o Microsoft, probabilmente continueranno a fare affidamento sulla migliore e più recente tecnologia NVIDIA.
Inoltre, molti modelli IA sono attualmente costruiti e codificati con l’assunzione che gireranno su architetture NVIDIA, e i programmatori IA sono esperti dell’hardware NVIDIA, entrambi fattori che costituiscono un fossato competitivo per l’azienda.
Rischi del Mercato IA
Il mercato IA nel suo complesso potrebbe rappresentare un rischio più ampio sul quale la eccellente gestione di NVIDIA ha meno controllo. È in crescita per ora. Tuttavia, cresce la preoccupazione che le applicazioni IA rilasciate non siano riuscite a trasformarsi in enormi nuove entrate come l’iPhone ha fatto per Apple ai suoi inizi.
Questo è probabilmente solo un segnale che la tecnologia sta ancora trovando la sua nicchia e sviluppando il suo mercato.
Ma se questa situazione persiste troppo a lungo, potremmo trovarci di fronte a una situazione simile a quella della fine degli anni ’90, quando le previsioni sull’importanza del PC e di Internet erano corrette, ma il timing era un po’ troppo ottimista, portando allo scoppio della bolla dot‑com.
È vero, il fatto che Jensen Huang abbia firmato un autografo sul seno di una donna a giugno 2024 è un segnale sorprendente, e forse un po’ preoccupante per gli investitori timorosi di una potenziale mania finanziaria intorno all’IA.
La storia finanziaria non si sta necessariamente ripetendo, ma gli investitori vorranno analizzare correttamente questo rischio per NVIDIA e guardare a potenziali parallelismi con il produttore di hardware telecom & Internet Sun Microsystems (primo datore di lavoro di Jensen Huang) nel 2000.
Con un rapporto di 10 volte i ricavi, per darti un ritorno di 10 anni, devo pagarti il 100 % dei ricavi per 10 anni consecutivi in dividendi. Questo presuppone che io possa ottenerlo dai miei azionisti. Presuppone che io abbia costi di beni venduti pari a zero, cosa molto difficile per un’azienda informatica. Presuppone spese zero, cosa davvero difficile con 39.000 dipendenti. (…)
Ora, avendo fatto ciò, qualcuno di voi vorrebbe comprare la mia azione a 64 $? Vi rendete conto di quanto siano ridicole queste ipotesi di base? Non avete bisogno di trasparenza. Non avete bisogno di note a piè di pagina. Cosa stavate pensando?
Scott McNealy – ex CEO di Sun Microsystems
Per riferimento, il rapporto P/S attuale di NVIDIA è 35.
Fonte: YChart
Conclusione
NVIDIA è un’azienda costruita sul prendere rischi calcolati corretti più volte di seguito al momento giusto, dalle schede grafiche per PC al rilascio di CUDA per nuove applicazioni, fino all’abbracciare le reti neurali in anticipo. Questo ha reso il suo fondatore, Jensen Huang, una sorta di rockstar nell’industria dei semiconduttori e dell’IT.
Le recenti performance dell’azienda hanno stupito il mercato e creato un entusiasmo massiccio per l’azione, simile solo a quello che Tesla ha suscitato negli ultimi anni. Ciò crea una grande opportunità, come molti primi investitori in Tesla sanno, avendo affrontato quasi un decennio di detrattori che si aspettavano che l’azienda e la sua azione fallissero “in qualsiasi momento”.
Questo crea anche alcuni rischi, poiché il boom IA non ha ancora generato il tipo di ricavi che giustificherebbe l’attuale capex e potrebbe sperimentare una flessione prima di diventare un settore economico pienamente consolidato.
