Artificial Intelligence
NVIDIA (NVDA) スポットライト: グラフィックスの巨人から AI の巨人へ
Securities.ioは厳格な編集基準を維持しており、レビューされたリンクから報酬を受け取る場合があります。当社は登録投資顧問ではなく、これは投資アドバイスではありません。 アフィリエイト開示.
AIの巨人
10年以上にわたり、テクノロジー投資家の注目は「ビッグテック」に集中してきた（Microsoft (MSFT ), グーグル (GOOG ), Facebook (META )など）では、ここ数年、ソフトウェアよりもハードウェアへのシフトが顕著に見られました。最初の兆候は、 テスラ (TSLA ) ニッチなカルト的な株から世界最大の企業の一つへ。
しかし、ソフトウェアとハードウェアの境界に位置し、同等かそれ以上の利益を獲得できる企業が 1 社あります。 NVIDIA (NVDA ).
今では突然の成功を収めた AI 企業として広く認識されている NVIDIA ですが、実は 20 ～ 30 年かけて独自のテクノロジーと市場での地位を辛抱強く築き上げてきました。これにより、今後何年にもわたってテクノロジーの世界で主導的な地位を維持できる強力な立場が確保されるかもしれません。
NVIDIAの成功への道
CPU対GPU
NVIDIA は長い間、グラフィック カードやグラフィックス プロセッシング ユニット (GPU) の製造を専門とする、成功を収めながらもニッチなコンピュータ ハードウェア企業でした。当時、GPU は重要なコンピューティング ハードウェア要素ではあるものの、極めて重要な中央処理装置 (CPU) に次ぐものとして見られていました。
CPU は、次々に実行する必要がある非常に高速な計算を実行するように設計されており、複雑な計算に最適です。
対照的に、GPU はそれほど強力ではありませんが、同時に多くの並列計算を実行するように設計されているため、大量のデータの処理に適しています。
1990年代から2010年代にかけて、CPUメーカーは インテル (INTC ) 業界を支配していた一方で、高品質の GPU は主にゲーマーやグラフィック デザイナーによってハイエンド PC 向けにのみ使用されていました。
GPUビジネスの構築
当初、NVIDIAの創設者は ジェンセン・フアンと共同創業者たちは、コンピューティングの速度がCPUの能力を上回るだろうと考えた。ジェンセンは、サン・マイクロシステムズの最初のGPUの開発に尽力した。 オラクル (ORCL ).
その後、彼は 1993 年に NVIDIA の共同設立者の 1990 人となり、XNUMX 年代初頭の PC 革命を推進しました。
「3D グラフィックスは、本当にクールなものになるかもしれないと考えました。そして、初めて、コンピューターとしてだけでなく、何にでも使えるプラットフォームが誕生しました。ゲームにも使えます。あとは、ゲームを可能にするチップを開発するだけです。」
誰も PC を見たことがありませんでした。だから PC を買わなければなりませんでした。Gateway 2000 を購入しました。Windows や DOS のプログラミング方法さえ誰も知りませんでした。DOS を見た人も誰もいませんでした。だから PC を徹底的に調べて、業界について学び始めなければなりませんでした。」
振り返ってみると、当時のゲーム市場は、より収益性が高く、より大規模な企業向けビジネスモデルに比べて、それほど「本格的な」市場ではなかったというのは面白い話です。最初のカードは商業的に成功しませんでした。2nd 第 2 世代の GPU は優れていましたが、市場がビデオ ゲーム用の Microsoft の DirectX アーキテクチャに移行したため、突然時代遅れになりました。
結局、NVIDIA が製品市場適合を見つけるまでに 6 年の歳月と 3 つの製品ラインが必要となり、同社にとって危機的状況が何度も発生しました。
Riva 128は最初の1ヶ月でXNUMX万台を売り上げ、成功を収めました。その後、 GeForceシリーズ、今日まで市場で支配的なプレーヤーとして AMDの (AMD ) のRadeon.
出典： ユーバイ
CUDA と暗号
2006年、GPUのリーダーとして確固たる地位を築いたNVIDIAは、NVIDIA GPU向けの汎用プログラミングインターフェースであるCUDAをリリースし、ゲーム以外の用途への道を開きました。これは、一部の研究者が既に通常のスーパーコンピュータの代わりにGPUを計算に使用していたことによるものです。
出典： NVIDIA
「研究者たちは、GeForce というゲーミング カードを購入し、それをコンピューターに追加することで、実質的に個人用スーパーコンピューターが手に入ることに気づきました。分子動力学、地震処理、CT 再構成、画像処理など、さまざまなことが可能です。」
GPU、特にNVIDIAハードウェアの採用が広まったことで、次のようなポジティブなフィードバックループが生まれました。 ネットワーク効果: 使用が増えれば増えるほど、それに精通するエンドユーザーとプログラマーが増え、売上が増え、研究開発予算が増え、コンピューティング速度が加速し、使用が増える、などです。
出典： NVIDIA
現在、インストールベースには数億個の CUDA GPU が含まれています。
出典： NVIDIA
これは研究者にとって非常に有用であるだけでなく、ブロックチェーンや暗号通貨といった新しいテクノロジーによって GPU 並列コンピューティングが大いに活用されることになります。
暗号ブーム
AI への熱狂によって少し脇に追いやられつつある暗号通貨は、ゲームや科学研究以外で GPU が初めて大規模に応用された分野です。多くのブロックチェーンや暗号通貨プロジェクトでは、大量の計算能力が必要です。すぐに、NVIDIA GPU はこれらの計算を実行するための中心的なハードウェアになりました。
これにより NVIDIA の売上は急増し、同社の株価は暗号通貨ブームの形成と連動して上昇し始め、株価は 10 倍以上に上昇しました。
(NVDA )
NVIDIA が長年にわたり注目すべき AI 戦略を構築してきたことに市場が気づく前に、暗号通貨による株価変動は 2022 年に勢いを失いました。
AI
ニューラルネットワーク
2010年代初頭から、研究者たちはGPUを導入して研究を始めていた。 ニューラルネットワークこれらは通常のプログラミングとは異なる計算方法の一種であり、 2年に物理学賞と医学賞の2024つのノーベル賞を受賞.
ニューラル ネットワークは、今日一般的に「AI」と呼ばれているものの技術的基盤です。
2009 年、当時私の学生だった Ian Goodfellow が、彼の寮の部屋に GPU サーバーを構築するのを手伝ってくれました。そして、そのサーバーは、ニューラル ネットワークをトレーニングするための最初のディープラーニング実験に使用されました。
GPU 上でニューラル ネットワークをトレーニングすると、10 ステップずつではなく、100 または 10,000 の処理を並行して実行できるため、XNUMX 倍、さらには XNUMX 倍の高速化が見られるようになりました。
アンドリュー・ン – DeepLearning.AIの創設者兼AIファンドのマネージングジェネラルパートナー、 セコイアとのインタビューで
これは、2012 年にコンピューター画像認識における最初のブレークスルーとなった AlexNet より前のことであり、AlphaGo より何年も前のことでした。
NVIDIA の AI への転換
NVIDIA は、専門の研究者以外の誰かがニューラル ネットワークに注目するずっと前から、AI の可能性に気づいていました。
これは当時、実績のない、ほとんど存在しない分野へのリスクの高い動きでした。ジェンセン・フアン氏は次のように述べています。
「私たちはゼロ億ドル規模の市場に投資しています。
2016年と2017年にNVIDIAは tPascalとVoltaアーキテクチャはそれぞれ、初の GPU ベースの AI アクセラレータであり、Volta はディープラーニング タスクを最大 12 倍高速化する Tensor コアを導入しました。
これは、新しい方向への全面的な転換でした。船をその方向に転換したとき、私たちは地球上のすべての AI 研究者を探し出しました。
そして、私たちのプラットフォームが彼らにとって有用であることは、当時私たちが得ていた肯定的なフィードバックでした。それが、私が世界中の優れた AI 研究者全員と友人である理由です。
それらはすべて、私にとって、将来の成功の早期の兆候を提供するのに役立ちました。そして、それらの小さな勝利を大いに活用する必要があります。
これは、Chat GPT のような人気の LLM (大規模言語モデル) のリリースにより、2023 年に一般の人々の意識に大きく浮上する AI コンピューティング インフラストラクチャの構築を予兆するものです。
しかし、これは実際には、2016 年以降 NVIDIA が AI 専用 GPU をさらに強力にするためにゆっくりと、そして忘れられがちに開発を進めてきた成果です。
出典： NVIDIA
AI の計算能力の進化に関するもう 1 つの注目すべき点は、CPU のより直線的なムーアの法則ではなく、指数法則に従っていることです。これは、GPU ハードウェアが向上しているだけでなく、ニューラル ネットワークのトレーニング方法が大幅に改善されたため、必要な処理能力が減少したためです。
さらに、利用可能なデータが増えるとトレーニングの効率が上がり、研究者はさまざまな角度から並行して作業してパフォーマンスを向上させることができます。
これにより、同じ GPT モデルを時間の経過とともにトレーニングするために消費されるエネルギーが大幅に減少し、350 年間で 8 分の XNUMX にまで減少しました。また、これらの LLM へのリクエストに必要なエネルギーも大幅に削減されました。
出典： NVIDIA
NVIDIA パートナーシップ
NVIDIA は、創業以来、業界内で深いつながりを持つ企業です。垂直統合型企業ではなく、自社の競争上の優位性に徹底的に焦点を合わせながら、最高の企業との深いつながりを確立することを目指しています。
例えば、NVIDIAはいわゆる「ファブレス」ハードウェアメーカーであり、設計とコンセプトに重点を置き、世界有数の半導体「ファブ」に任せています。 TSMC (TSM ) GPU を生産するため。
NVIDIA は独自の LLM や AI システムを開発していないため、事実上すべての「ビッグテック」や AI スタートアップにとって信頼できるパートナーでもあり、潜在的な競合相手ではなく、不可欠なパートナーとして見られています。その結果、NVIDIA は研究開発に再投資し続け、テクノロジーの観点からトップの座を維持するための売上規模を獲得しています。
これは正しい選択であることが証明され、NVIDIA はテクノロジー業界史上最も印象的な設備投資 (CAPEX) 支出の最大の受益者となりました。
AI設備投資が期待される 200年には2025億ドルに達すると予想2016年以降、世界最大のテクノロジー企業による累積設備投資は増え続けています。
財務情報
NVIDIA の 2023 年から 2024 年にかけての成長は、その規模の企業としては驚異的です。
- 収益は126億ドルから27億ドルへと60%増加しました。
- 営業利益は311億ドルから9億ドルに37.1倍（XNUMX%）増加
- 粗利益率は59.2%から73.8%に上昇しました。
全体的に見て、同社の評価額は高いが、利益成長による評価額はそれほど高くない。それでも、PERが60を超え、配当利回りがわずか0.03%であることから、NVIDIAを購入する投資家は、現在の株価を正当化するために将来の大きな成長を期待している。
出典： NVIDIA
NVIDIA の将来
持続可能な成長？
NVIDIAの3桁成長率は驚異的で、株価にも反映されています。もちろん、良いものはいつか終わりを迎えます。投資家たちは、それが遅かれ早かれ訪れるのではないかと懸念し始めています。
NVIDIA の売上が暗号通貨の売り上げで急増していたときや AI ブームの初期段階でも、同様の懸念がすでに高まっていたため、悲観論は必ずしも健全な投資戦略とは言えません。
In インタビュー BG2Pod ポッドキャスト黄氏は、AI を組み込み、適応させるために、世界は最大 1 兆ドル相当のデータセンターとコンピューティングを更新する必要があると説明した。そして、これまでにその総額のうち 150 億ドルしか費やされていない。
そのため、彼によれば、たとえ既存のコンピューティングニーズだけによるものであっても、NVIDIAが売上を伸ばし続ける余地はまだ十分にあるという。それは、AIのさらなるアプリケーションが主流になる前の話だ。 自己駆動車.
総需要に関するこうした懸念は、最終的には、GDP の 2 桁の割合を占めるヘルスケアなどの分野を含め、すべての業界が何らかの形で複数のレベルで AI を導入する可能性が高いことも無視しています。
出典： NVIDIA
ブラックウェル
2024年XNUMX月にNVIDIAはBlackwellプラットフォーム「これにより、あらゆる組織が、前世代に比べて最大 25 倍のコストとエネルギー消費で、XNUMX 兆パラメータの大規模言語モデル上でリアルタイム生成 AI を構築および実行できるようになります。"。
出典： NVIDIA
これは非常に重要なステップです。エネルギー消費は、AIに重点を置く企業にとって急速に主要な懸念事項の1つになりつつあるからです。 マイクロソフトが原子力発電所全体を再開し、 を 今後20年間、事前に合意された価格で発電量を維持する.
社内デザイン
NVIDIA にとってのリスクは、世界最大手の企業の主要パートナーである一方で、非常に費用がかかり、利益率も高い (粗利益率 70%) ということだ。そのため、Alphabet や Google のような規模とスキルを持つ企業が AI チップに数千億ドルを費やす場合、それを自社で行いたいという誘惑にかられる。
これは単なる仮説ではなく、例えば テスラはNVIDIAのライバルであるAMDからトップデザイナーを雇用し、独自のハードウェアを開発した。2019年まで、テスラは代わりにNVIDIA Drive PX 2 AIコンピューティングプラットフォームを使用していました。 テスラはロボタクシーの実用化にかなり近づいているようだ、これは NVIDIA にとって大きな売上損失となる可能性があります。
同時に、テスラのケースは、テスラとイーロン・マスクの他の企業、例えば SpaceX社同社は、常に垂直統合の強化とハードウェアに対するより強力な制御を求めていることで有名です。
Facebook や Microsoft のように、ハードウェアの経験があまりない、あるいはソフトウェアやマーケティングに重点を置いている企業は、最良かつ最新の NVIDIA テクノロジに頼っても問題ないでしょう。
さらに、現在多くの AI モデルは NVIDIA アーキテクチャ上で実行されることを前提に構築およびコーディングされており、AI プログラマーは NVIDIA のハードウェアに精通しているため、どちらも同社にとって貴重なビジネス上の強みとなっています。
AI市場リスク
AI市場全体は、NVIDIAの優れた経営陣が制御できない大きなリスクとなる可能性があります。今のところは活況を呈していますが、リリースされたAIアプリケーションが、かつてAppleがiPhoneで成し遂げたような巨額の新たな収益源に繋がっていないのではないかという懸念が高まっています。
これはおそらく、この技術がまだその目的を見つけ、市場を開拓している途中であることを示す単なる兆候であると思われます。
しかし、この状況が長く続くと、1990 年代後半のような状況に陥る危険性があります。当時は、PC とインターネットの重要性に関する予測は正しかったものの、タイミングが少し楽観的すぎたために、ドットコム バブルが崩壊しました。
確かに、ジェンセン・フアンが2024年XNUMX月に女性の胸にサインをするというのは、ある意味驚くべき兆候であり、AIをめぐる潜在的な金融狂乱を懸念する投資家にとっては少々心配なことかもしれない。
金融の歴史は必ずしも繰り返されるわけではないが、投資家はNVIDIAのこのリスクを適切に分析し、2000年の通信およびインターネットハードウェアメーカーであるサンマイクロシステムズ（ジェンセン・フアンの最初の雇用主）との潜在的な類似点を検討したいと考えるだろう。
収益の 10 倍で、10 年間で回収するには、100 年間連続で収益の 10% を配当として支払う必要があります。これは、株主からその金額を得られることを前提としています。これは、売上原価がゼロであることを前提としていますが、これはコンピューター会社にとっては非常に困難です。これは、経費がゼロであることを前提としていますが、これは 39,000 人の従業員を抱える会社にとっては非常に困難です。(…)
さて、そうしましたら、私の株を 64 ドルで買いたい人はいますか? こうした基本的な仮定がいかに馬鹿げているかお分かりですか? 透明性は必要ありません。脚注も必要ありません。何を考えていたのですか?
スコット・マクニーリー – 当時のサン・マイクロシステムズのCEO
参考までに、NVIDIA の現在の P/S 比率は 35 です。
出典： Yチャート
結論
NVIDIA は、PC グラフィック カードから新しいアプリケーション向けの CUDA リリース、ニューラル ネットワークの早期導入まで、適切なタイミングで正しく計算されたリスクを何度も連続して取ることで築かれた企業です。これにより、同社の創設者であるジェンスン フアンは、半導体および IT 業界のロックスターのような存在になりました。
同社の最近の業績は市場を驚かせ、近年テスラだけが達成できたような熱狂を同社株に巻き起こしました。これは、テスラの初期投資家の多くが認識しているように、同社とその株価が「今にも破綻する」と10年近くもの間、否定的な見方をされてきたことから、大きなチャンスを生み出しています。
AIブームは現在の設備投資を正当化するほどの収益をまだ生み出しておらず、完全に確立された経済セクターになる前に低迷する可能性があるため、これもまたいくつかのリスクを生み出します。
