NVIDIA (NVDA) Spotlight: da gigante della grafica a titano dell'intelligenza artificiale

Il gigante dell'intelligenza artificiale

Se per più di un decennio l’attenzione degli investitori tecnologici è stata rivolta alle “Big Tech” (Microsoft (MSFT ), Google (GOOG ), Facebook (META ), ecc.), gli ultimi anni hanno visto un netto spostamento verso l'hardware rispetto al software. Il primo segnale è stato lo spettacolare aumento di Tesla (TSLA ) da un titolo di nicchia, quasi un culto, a una delle più grandi aziende al mondo.

Ma ci sarebbe un'azienda che si collocherebbe al confine tra software e hardware e che otterrebbe rendimenti altrettanto buoni, se non più forti: NVIDIA (NVDA ).

Ora per lo più considerata un'azienda di intelligenza artificiale con un successo improvviso, NVIDIA ha in realtà costruito pazientemente la sua tecnologia unica e la sua posizione di mercato nel corso di 20-30 anni. Ciò potrebbe darle una posizione forte per rimanere un attore dominante nel mondo della tecnologia per gli anni a venire.

Il percorso di NVIDIA verso il successo

CPU contro GPU

Per molto tempo, NVIDIA è stata un'azienda di hardware per computer di successo ma di nicchia, specializzata nella produzione di schede grafiche o unità di elaborazione grafica (GPU). All'epoca, le GPU erano considerate un importante elemento hardware di elaborazione, ma secondarie rispetto all'importantissima unità di elaborazione centrale (CPU).

Le CPU sono progettate per eseguire calcoli molto rapidi, che richiedono di essere eseguiti uno dopo l'altro, il che le rende particolarmente adatte ai calcoli complessi.

Al contrario, le GPU sono meno potenti ma sono progettate per eseguire molti calcoli paralleli contemporaneamente, il che le rende più adatte a gestire grandi quantità di dati.

Durante questo periodo, dagli anni '1990 agli anni 2010, i produttori di CPU come Intel (INTC ) dominava il settore, mentre le GPU di alta qualità erano utilizzate principalmente da giocatori e grafici per PC di fascia alta.

Costruire un'attività GPU

All'inizio, il fondatore di NVIDIA Jensen Huang e i suoi co-fondatori pensavano che il ritmo dell'informatica avrebbe superato la capacità della CPU. Jensen ha avuto un ruolo determinante nello sviluppo delle prime GPU per Sun Microsystems, oggi Oracle (ORCL ).

Nel 1993 sarebbe diventato uno dei co-fondatori di NVIDIA, abbracciando la rivoluzione del PC nei primi anni '1990.

"Pensavamo, sai, che forse la grafica 3D sarebbe stata la cosa davvero fantastica. E per la prima volta in assoluto, hai una piattaforma che potrebbe essere sia un computer che usata per, sai, qualsiasi cosa tu voglia usarla. Potresti anche usarla per giocare. E, dobbiamo solo andare a costruire un chip che renda possibile giocare.

Nessuno di noi aveva mai visto un PC prima. Quindi abbiamo dovuto comprarne uno. Abbiamo comprato un Gateway 2000. Nessuno sa nemmeno come programmare Windows o DOS. Nessuno ha mai visto DOS. E quindi abbiamo dovuto smontarlo, iniziare a imparare qualcosa sul settore."

Jensen Huang, in un'intervista con Sequoia

È curioso pensare che, a posteriori, il gaming non fosse un mercato molto "serio" all'epoca, rispetto a modelli di business più redditizi e più ampi, incentrati sulle aziende. Le prime schede non furono un successo commerciale. I loro 2^nd La GPU di ultima generazione era migliore, ma è diventata improvvisamente obsoleta quando il mercato si è orientato verso l'architettura DirectX di Microsoft per i videogiochi.

Ci sono voluti sei anni e tre linee di prodotto per trovare la soluzione adatta al mercato per NVIDIA, con molti eventi che hanno rischiato di far fallire l'azienda.

Il successo sarebbe arrivato con la Riva 128: nei suoi primi quattro mesi, vendette 1 milione di unità. Sarebbe stata seguita da una lunga serie di progetti di schede grafiche di successo, tra cui la Serie GeForce, fino ad oggi l'attore dominante nel mercato insieme AMD (AMD ) Radeon.

Fonte: UCompra

CUDA e Criptovaluta

Nel 2006, NVIDIA, ormai leader consolidata nel settore delle GPU, ha rilasciato CUDA, un'interfaccia di programmazione generica per le GPU NVIDIA, aprendo la strada ad altri utilizzi oltre al gaming. Questo perché alcuni ricercatori utilizzavano già le GPU per eseguire calcoli al posto dei consueti supercomputer.

Fonte: NVIDIA

"I ricercatori hanno capito che acquistando questa scheda da gioco chiamata GeForce, la aggiungi al tuo computer, hai essenzialmente un supercomputer personale. Dinamica molecolare, elaborazione sismica, ricostruzione TC, elaborazione delle immagini: un sacco di cose diverse."

Jensen Huang, in un'intervista con Sequoia

Questa più ampia adozione di GPU, e più specificatamente di hardware NVIDIA, ha creato un ciclo di feedback positivo basato su effetti di rete: più sono gli utilizzi, più gli utenti finali e i programmatori hanno familiarità con il software, più vendite, più budget per la ricerca e sviluppo, maggiore accelerazione nella velocità di elaborazione, più utilizzi, ecc.

Fonte: NVIDIA

Oggi la base installata comprende centinaia di milioni di GPU CUDA.

Fonte: NVIDIA

Non solo ciò si rivelerebbe molto utile per i ricercatori, ma una nuova tecnologia sfrutterebbe al meglio il calcolo parallelo tramite GPU: blockchain e criptovalute.

Cripto boom

Ora un po' messo da parte dall'entusiasmo per l'IA, la crittografia è stata la prima applicazione su larga scala della GPU oltre al gaming e alla ricerca scientifica. Molte blockchain e progetti crittografici richiedono molta potenza di calcolo. Rapidamente, le GPU NVIDIA sono diventate l'hardware centrale per eseguire questi calcoli.

Ciò ha generato un boom nelle vendite di NVIDIA e le azioni della società hanno iniziato a salire di pari passo con il boom delle criptovalute, con il prezzo delle azioni che è aumentato di oltre 10 volte.

L'andamento del prezzo delle azioni delle criptovalute ha perso un po' di slancio nel 2022, prima che i mercati si rendessero conto che NVIDIA stava sviluppando da molti anni una straordinaria strategia di intelligenza artificiale.

AI

Reti neurali

Dall'inizio del 2010, i ricercatori hanno iniziato a distribuire GPU per studiare reti neuraliSi tratta di un tipo di metodo di elaborazione che differisce dalla programmazione usuale ed è stato ha ricevuto 2 diversi premi Nobel nel 2024, per la fisica e la medicina.

Le reti neurali costituiscono la base tecnica di ciò che oggi viene comunemente definito “IA”.

Nel 2009, uno dei miei studenti dell'epoca, Ian Goodfellow, che era il mio studente universitario, 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 reti neurali.

Abbiamo iniziato a vedere accelerazioni di 10 o addirittura 100 volte nell'addestramento delle reti neurali sulle GPU perché potevamo fare mille o 10,000 cose in parallelo, anziché procedere una dopo l'altra.

Andrew Ng - Fondatore di DeepLearning.AI e socio accomandatario di AI Funds, in un'intervista con Sequoia

Questo è avvenuto prima di AlexNet, la prima svolta nel riconoscimento delle immagini al computer nel 2012, e anni prima di AlphaGo.

Il passaggio di NVIDIA all'intelligenza artificiale

NVIDIA ha compreso molto presto il potenziale dell'intelligenza artificiale, molto prima che chiunque altro, tra i ricercatori specializzati, si interessasse alle reti neurali.

All'epoca si trattava di una mossa rischiosa in un settore non collaudato e praticamente esistente, o come ha affermato Jensen Huang:

"Stiamo investendo in mercati da zero miliardi di dollari."

Nel 2016 e 2017, NVIDIA ha rilasciato tLe architetture Pascal e Volta, rispettivamente, il primo acceleratore di intelligenza artificiale basato su GPU, mentre Volta ha introdotto i Tensor Core, che hanno accelerato le attività di deep learning fino a 12 volte.

È stato un perno completo in questa nuova direzione. Quando abbiamo fatto virare la nave in quella direzione, abbiamo cercato ogni singolo ricercatore di IA sul pianeta.

E il fatto che la nostra piattaforma fosse utile per loro era il feedback positivo che stavamo ricevendo in quel momento. Che è il motivo per cui sono amico di, sai, tutti i grandi ricercatori di intelligenza artificiale del mondo.

Sono stati tutti molto utili nel fornirmi le prime indicazioni del successo futuro lungo il mio cammino e bisogna dare grande importanza a quelle piccole vittorie.

Jensen Huang, in un'intervista con Sequoia

Ciò prefigurerebbe la creazione di un'infrastruttura informatica basata sull'intelligenza artificiale, che emergerà in modo massiccio nella coscienza pubblica nel 2023, con il rilascio di popolari LLM (Large Language Models) come Chat GPT.

Ma in realtà tutto questo è stato costruito sul lento e spesso dimenticato sviluppo di GPU dedicate all'intelligenza artificiale sempre più potenti da parte di NVIDIA a partire dal 2016.

Fonte: NVIDIA

Un'altra cosa notevole dell'evoluzione della potenza di calcolo dell'IA è che segue una legge esponenziale invece della più lineare legge di Moore per la CPU. Questo perché non solo l'hardware della GPU sta migliorando, ma la potenza di elaborazione richiesta è diminuita a causa del radicale miglioramento nel modo in cui vengono addestrate le reti neurali.

Inoltre, una maggiore disponibilità di dati rende la formazione più efficiente, offrendo ai ricercatori numerosi spunti per lavorare in parallelo e migliorare le prestazioni.

Ciò ha portato a una drastica riduzione dell'energia consumata per addestrare lo stesso modello GPT nel tempo, 350 volte in meno in 8 anni, e a una riduzione ancora più estrema dell'energia necessaria per inoltrare una richiesta a questi LLM.

Fonte: NVIDIA

Partnership NVIDIA

NVIDIA è stata fin dall'inizio un'azienda profondamente legata al settore. Invece di un'azienda verticalmente integrata, cerca di stabilire legami profondi con i migliori, pur rimanendo concentrata sui propri vantaggi competitivi.

Ad esempio, NVIDIA è un produttore di hardware cosiddetto "fabless", che si concentra sulla progettazione e sui concetti, lasciando la produzione a società leader a livello mondiale come i semiconduttori "fab" TSMC (TSM ) per produrre le sue GPU.

Non sviluppando i propri LLM o sistemi AI, NVIDIA è anche un partner di fiducia per praticamente tutte le startup "Big Tech" e AI, che la vedono come un partner essenziale piuttosto che un potenziale concorrente. A sua volta, questo dà a NVIDIA la scala di vendite per continuare a reinvestire in R&S e rimanere al top del gioco dal punto di vista tecnologico.

Questa si è rivelata la scelta giusta, con NVIDIA che è stata la principale beneficiaria della più imponente ondata di spese in conto capitale (capex) nella storia del settore tecnologico.

È previsto un capex per l'intelligenza artificiale per raggiungere i 200 miliardi di dollari nel 2025, oltre a una spesa in conto capitale cumulata in continua crescita da parte delle più grandi aziende tecnologiche del mondo dal 2016.

Fonte: Sherwood

Financials

La crescita di NVIDIA solo dal 2023 al 2024 è stata incredibile per un'azienda di queste dimensioni:

• I ricavi sono aumentati del 126%, passando da 27 miliardi di dollari a 60 miliardi di dollari.
• Il reddito operativo è triplicato (311%) da 9 miliardi di dollari a 37.1 miliardi di dollari
• Il margine lordo è salito dal 59.2% al 73.8%

Nel complesso, la società è molto valutata, ma nemmeno tanto a causa della crescita dei suoi guadagni. Tuttavia, con un rapporto P/E superiore a 60 e un rendimento dei dividendi di appena lo 0.03%, gli investitori che acquistano NVIDIA stanno ipotizzando una grande crescita futura per giustificare l'attuale prezzo delle azioni.

Fonte: NVIDIA

Il futuro di NVIDIA

Crescita sostenibile?

Il tasso di crescita a tre cifre di NVIDIA è stato sorprendente e si riflette nel prezzo delle azioni dell'azienda. Naturalmente, ogni cosa bella prima o poi finisce, e gli investitori temono che questo possa accadere prima del previsto.

Le stesse preoccupazioni erano già forti quando le vendite di NVIDIA erano in forte espansione grazie alle vendite di criptovalute o nelle prime fasi del boom dell'intelligenza artificiale, quindi il pessimismo non è necessariamente una strategia di investimento sensata.

In un'intervista sul Podcast di BG2Pod, Huang ha spiegato che il mondo ha bisogno di aggiornare fino a 1 trilione di dollari di data center e computing per incorporare e adattarsi all'AI. E che finora sono stati spesi solo 150 miliardi di dollari di quel totale.

Quindi, secondo lui, c'è ancora molto spazio per NVIDIA per continuare a far crescere le vendite, anche se è solo dovuto alle esigenze di elaborazione esistenti. Questo prima che anche altre applicazioni per l'IA diventassero mainstream, come automobili auto-guida.

Tali preoccupazioni sulla domanda totale ignorano anche il fatto che, in ultima analisi, tutti i settori probabilmente implementeranno l'intelligenza artificiale a più livelli, in un modo o nell'altro, compresi settori come quello sanitario, che rappresenta una percentuale a due cifre del PIL.

Fonte: NVIDIA

Blackwell

Nel marzo 2024, NVIDIA ha rilasciato la piattaforma Blackwell, “consentendo alle organizzazioni di tutto il mondo di creare ed eseguire l'intelligenza artificiale generativa in tempo reale su modelli linguistici di grandi dimensioni con trilioni di parametri, con costi e consumi energetici fino a 25 volte inferiori rispetto al suo predecessore.".

Fonte: NVIDIA

Si tratta di un passaggio molto importante, poiché il consumo di energia sta rapidamente diventando una delle principali preoccupazioni delle aziende focalizzate sull’intelligenza artificiale, come illustrato da il recente accordo con Microsoft per riaprire un'intera centrale nucleare e utilizzarla contro tutti i la sua potenza in uscita per i prossimi 20 anni a un prezzo concordato in precedenza.

Progetti 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 (70% di margine lordo). Quindi, quando aziende con le dimensioni e le competenze di Alphabet/Google spendono centinaia di miliardi di dollari in chip AI, sono tentate di farlo internamente.

E questo non è solo ipotetico, ad esempio Tesla ha sviluppato il proprio hardware assumendo i migliori designer dal concorrente di NVIDIA, AMDFino al 2019, Tesla utilizzava invece la piattaforma di elaborazione AI NVIDIA Drive PX 2. Poiché Tesla sembra essere davvero vicina a commercializzare effettivamente il robotaxi, questa potrebbe trasformarsi in una vendita mancata di enorme portata 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, nota per la sua continua ricerca di una maggiore integrazione verticale e di un maggiore livello di controllo sul suo hardware.

Le aziende meno esperte in hardware o più focalizzate sul software e/o sul marketing, come Facebook o Microsoft, probabilmente si affideranno alla migliore e più recente tecnologia NVIDIA.

Inoltre, molti modelli di intelligenza artificiale sono attualmente sviluppati e codificati partendo dal presupposto che funzioneranno su architetture NVIDIA e che i programmatori di intelligenza artificiale abbiano esperienza con l'hardware NVIDIA, entrambi preziosi punti di forza per l'azienda.

Rischi di mercato dell'intelligenza artificiale

Il mercato dell'intelligenza artificiale nel suo complesso potrebbe rappresentare un rischio maggiore, su cui l'eccellente management di NVIDIA ha meno controllo. Per ora è in piena espansione. Tuttavia, cresce la preoccupazione che le applicazioni di intelligenza artificiale rilasciate non siano riuscite a trasformarsi in enormi nuovi ricavi, come accadde con l'iPhone per Apple all'epoca.

Probabilmente è solo un segno che la tecnologia sta ancora trovando il suo posto e sviluppando il suo mercato.

Ma se questa situazione dovesse durare troppo a lungo, potremmo correre il rischio di ritrovarci in una situazione simile a quella della fine degli anni Novanta, quando le previsioni sull'importanza del PC e di Internet erano giuste, ma i tempi erano un po' troppo ottimistici, portando allo scoppio della bolla delle dot-com.

Di sicuro, il fatto che Jensen Huang firmi un autografo sul seno di una donna nel giugno 2024 è un segnale in qualche modo sorprendente, e forse un po' preoccupante per gli investitori preoccupati per una possibile mania finanziaria attorno all'intelligenza artificiale.

La storia finanziaria non si ripete necessariamente, ma gli investitori vorranno analizzare attentamente questo rischio per NVIDIA e considerare i potenziali parallelismi con il produttore di hardware per telecomunicazioni e Internet Sun Microsystems (il primo datore di lavoro di Jensen Huang) nel 2000.

A 10 volte i ricavi, per darti un rimborso di 10 anni, devo pagarti il ​​100% dei ricavi per 10 anni consecutivi in ​​dividendi. Ciò presuppone che io possa ottenerlo dai miei azionisti. Ciò presuppone che io abbia un costo dei beni venduti pari a zero, il che è molto difficile per un'azienda di computer. Ciò presuppone spese pari a zero, il che è davvero difficile con 39,000 dipendenti. (…)

Ora, fatto questo, qualcuno di voi vorrebbe acquistare le mie azioni a $ 64? Vi rendete conto di quanto siano ridicole queste ipotesi di base? Non avete bisogno di alcuna trasparenza. Non avete bisogno di note a piè di pagina. A cosa stavate pensando?

Scott McNealy – allora CEO di Sun Microsystems

Per riferimento, l'attuale rapporto P/S di NVIDIA è 35.

Fonte: YGrafico

Conclusione

NVIDIA è un'azienda fondata sull'assunzione di rischi calcolati e corretti più volte di seguito al momento giusto, dalle schede grafiche per PC al rilascio di CUDA per nuove applicazioni all'adozione precoce delle reti neurali. Ciò ha reso il suo fondatore, Jensen Huang, una specie di rockstar nel settore dei semiconduttori e dell'IT.

La recente performance dell'azienda ha sbalordito il mercato e creato un enorme entusiasmo per le azioni di un'azienda come solo Tesla può vantare negli ultimi anni. Questo crea un'enorme opportunità, come sanno molti dei primi investitori in Tesla, che hanno dovuto affrontare quasi un decennio di detrattori che si aspettavano che l'azienda e le sue azioni fallissero "da un momento all'altro".

Ciò comporta anche alcuni rischi, poiché il boom dell'intelligenza artificiale non ha ancora generato il tipo di entrate che giustifichi l'attuale spesa in conto capitale e potrebbe subire una flessione prima di diventare un settore economico pienamente affermato.