Обзор NVIDIA (NVDA): от графического гиганта до титана искусственного интеллекта

Гигант ИИ

Если на протяжении более чем десятилетия внимание инвесторов в технологические компании было приковано к «Большим технологическим компаниям» (Microsoft (MSFT ), Google (GOOG ), Facebook (META ), и т.д.), в последние несколько лет наблюдается заметный сдвиг в сторону аппаратного обеспечения, а не программного обеспечения. Первым признаком стал впечатляющий рост Tesla (TSLA ) от нишевой культовой акции до одной из крупнейших компаний в мире.

Но найдется одна компания, находящаяся на границе между программным обеспечением и оборудованием, которая будет получать такую ​​же, если не большую, прибыль: NVIDIA (NVDA ).

Теперь в основном рассматриваемая как компания ИИ с внезапным успехом, NVIDIA на самом деле терпеливо выстраивала свою уникальную технологию и позицию на рынке в течение 20-30 лет. Это может дать ей сильную позицию, чтобы оставаться доминирующим игроком в мире технологий в течение многих лет.

Путь NVIDIA к успеху

CPU против GPU

Долгое время NVIDIA была успешной, но узкоспециализированной компанией по производству компьютерного оборудования, специализирующейся на производстве графических карт или графических процессоров (GPU). В то время GPU рассматривались как важный элемент вычислительного оборудования, но вторичный по отношению к важнейшему центральному процессору (CPU).

Процессоры предназначены для выполнения очень быстрых вычислений, которые требуют выполнения одного за другим, что делает их идеальными для сложных вычислений.

Графические процессоры, напротив, менее производительны, но предназначены для одновременного выполнения множества параллельных вычислений, что позволяет им эффективнее обрабатывать большие объемы данных.

В этот период с 1990-х по 2010-е годы производители процессоров, такие как Intel (INTC ) доминировали в отрасли, в то время как высококачественные графические процессоры в основном использовались только геймерами и графическими дизайнерами для высокопроизводительных ПК.

Создание бизнеса в сфере графических процессоров

В самом начале основатель NVIDIA Дженсен Хуан и его соучредители рассуждали о том, что темпы вычислений превзойдут возможности ЦП.. Дженсен сыграл важную роль в разработке первых графических процессоров для Sun Microsystems, сегодня Oracle (ORCL ).

В 1993 году он стал одним из соучредителей NVIDIA, приняв на себя ответственность за революцию в области ПК в начале 1990-х годов.

«Мы подумали, знаете, может быть, 3D-графика будет тем, что действительно круто. И впервые у вас есть платформа, которая может быть как компьютером, так и использоваться для, знаете, всего, для чего вы хотите ее использовать. Вы также можете использовать ее для игр. И нам просто нужно построить чип, который позволит играть в игры.

Никто из нас раньше даже не видел ПК. Поэтому нам пришлось пойти и купить ПК. Мы купили Gateway 2000. Никто даже не знает, как программировать Windows или DOS. Никто даже не видел DOS. Поэтому нам пришлось разобрать его на части, начать изучать отрасль».

Дженсен Хуан в интервью Sequoia

Забавно думать, что, оглядываясь назад, в то время игровой рынок не был таким уж «серьёзным» по сравнению с более прибыльными и крупными бизнес-моделями, ориентированными на корпоративный сектор. Первые видеокарты не имели коммерческого успеха. Их 2^nd GPU поколения были лучше, но внезапно устарели, когда рынок обратился к архитектуре DirectX от Microsoft для видеоигр.

В конечном итоге NVIDIA потребовалось шесть лет и три линейки продуктов, чтобы найти соответствие продукта рынку, и при этом компания неоднократно оказывалась на грани гибели.

Успех пришёл с Riva 128: за первые четыре месяца было продано 1 миллион единиц. За ней последовала длинная череда успешных графических карт, включая Серия GeForce, по сей день доминирующий игрок на рынке наряду с AMD, (AMD ) Radeon.

Источник: UКупить

CUDA и криптография

В 2006 году компания NVIDIA, будучи признанным лидером в области графических процессоров, выпустила CUDA — универсальный программный интерфейс для графических процессоров NVIDIA, открыв путь к их использованию не только в играх. Это было сделано в связи с тем, что некоторые исследователи уже использовали графические процессоры для выполнения вычислений вместо обычных суперкомпьютеров.

Источник: NVIDIA

«Исследователи поняли, что, покупая эту игровую карту под названием GeForce, вы добавляете ее к своему компьютеру, по сути, у вас есть персональный суперкомпьютер. Молекулярная динамика, сейсмическая обработка, реконструкция КТ, обработка изображений — куча разных вещей».

Дженсен Хуан в интервью Sequoia

Более широкое внедрение графических процессоров, и в частности оборудования NVIDIA, создало положительную обратную связь, основанную на сетевые эффекты: чем больше применений, тем больше конечных пользователей и программистов знакомы с ним, тем больше продаж, больше бюджет на НИОКР, больше ускорение вычислительной скорости, больше применений и т. д.

Источник: NVIDIA

На сегодняшний день установленная база включает сотни миллионов графических процессоров CUDA.

Источник: NVIDIA

Это не только окажется очень полезным для исследователей, но и позволит создать новую технологию, которая будет эффективно использовать параллельные вычисления на графических процессорах: блокчейн и криптовалюты.

Крипто бум

Теперь, немного отодвинутая на второй план энтузиазмом в отношении ИИ, криптография стала первым масштабным применением GPU за пределами игр и научных исследований. Многие блокчейны и криптопроекты требуют большой вычислительной мощности. Графические процессоры NVIDIA быстро стали центральным оборудованием для выполнения этих вычислений.

Это вызвало бум продаж NVIDIA, и акции компании начали расти в унисон с формирующимся криптовалютным бумом, при этом стоимость акций увеличилась более чем в 10 раз.

Динамика цен на акции криптовалют несколько замедлилась в 2022 году, прежде чем рынки осознали, что NVIDIA на протяжении многих лет разрабатывала замечательную стратегию в области искусственного интеллекта.

AI

Нейронные сети

С начала 2010-х годов исследователи начали использовать графические процессоры для изучения нейронные сети. Это тип вычислительного метода, который отличается от обычного программирования и был награжден двумя разными Нобелевскими премиями в 2 году: по физике и медицине.

Нейронные сети являются технической основой того, что сегодня принято называть «ИИ».

В 2009 году один из моих студентов, Ян Гудфеллоу, который был моим студентом, помог мне построить сервер GPU в его комнате в общежитии. И этот сервер в итоге стал тем, что мы использовали для наших первых экспериментов по глубокому обучению для тренировки нейронных сетей.

Мы начали замечать 10-кратное или даже 100-кратное ускорение обучения нейронных сетей на графических процессорах, поскольку мы могли выполнять тысячи или 10,000 XNUMX операций параллельно, а не один шаг за другим.

Эндрю Нг – Основатель DeepLearning.AI и управляющий генеральный партнер AI Funds, в интервью Sequoia

Это было до AlexNet, первого прорыва в области компьютерного распознавания изображений в 2012 году, и за много лет до AlphaGo.

Переход NVIDIA к ИИ

NVIDIA осознала потенциал ИИ на ранней стадии, задолго до того, как кто-либо из специализированных исследователей заинтересовался нейронными сетями.

В то время это был рискованный шаг в непроверенный, едва существующий сектор, или, как выразился Дженсен Хуанг:

Мы инвестируем в рынки с оборотом в ноль миллиардов долларов.

В 2016 и 2017 годах NVIDIA выпустила tАрхитектуры Паскаля и Вольтасоответственно, первый ускоритель искусственного интеллекта на базе графического процессора, а Volta представила тензорные ядра, которые ускорили задачи глубокого обучения до 12 раз.

Это был полный поворот в этом новом направлении. Когда мы развернули корабль в этом направлении, мы разыскали каждого исследователя ИИ на планете.

И наша платформа была полезна для них, и это была та положительная обратная связь, которую мы получали в то время. Вот почему я дружу со всеми великими мировыми исследователями ИИ.

Все они были полезны, предоставив мне первые признаки будущего успеха на моем пути, и из этих маленьких побед нужно делать большие успехи.

Дженсен Хуан в интервью Sequoia

Это предвосхитило бы создание вычислительной инфраструктуры ИИ, которая широко распространится в общественном сознании в 2023 году с выпуском популярных LLM (больших языковых моделей), таких как Chat GPT.

Но на самом деле это было создано на основе медленной и часто забываемой разработки все более мощных графических процессоров для искусственного интеллекта компанией NVIDIA с 2016 года.

Источник: NVIDIA

Еще одна замечательная вещь об эволюции вычислительной мощности ИИ заключается в том, что она следует экспоненциальному закону вместо более линейного закона Мура для ЦП. Это происходит не только потому, что аппаратное обеспечение ГП становится лучше, но и потому, что требуемая вычислительная мощность снизилась из-за радикального улучшения того, как обучаются нейронные сети.

Кроме того, большее количество доступных данных делает обучение более эффективным, предоставляя исследователям множество возможностей для параллельной работы с целью повышения производительности.

Это привело к радикальному снижению затрат энергии на обучение одной и той же модели GPT с течением времени (в 350 раз за 8 лет) и еще большему снижению затрат энергии на выполнение запроса к этим LLM.

Источник: NVIDIA

Партнерство NVIDIA

NVIDIA с самого начала была компанией, тесно связанной с отраслью. Вместо того чтобы быть вертикально интегрированной компанией, она стремится устанавливать глубокие связи с лучшими, при этом оставаясь предельно сосредоточенной на собственных конкурентных преимуществах.

Например, NVIDIA — это так называемый «fabless»-производитель оборудования, сосредоточенный на дизайне и концепциях, оставляя лидирующим мировым полупроводниковым «фабрикам», таким как TSMC (TSM ) для производства своих графических процессоров.

Не разрабатывая собственные LLM или систему ИИ, NVIDIA также является надежным партнером практически для всех «Big Tech» и стартапов ИИ, которые видят в ней важного партнера, а не потенциального конкурента. В свою очередь, это дает NVIDIA масштаб продаж, позволяющий продолжать реинвестировать в НИОКР и оставаться на вершине игры с точки зрения технологий.

Это оказалось правильным выбором: NVIDIA стала крупнейшим бенефициаром самых впечатляющих капитальных затрат (CAPE) в истории технологической отрасли.

Ожидаются капитальные затраты на ИИ достичь $200 млрд в 2025 году, в дополнение к постоянно растущим накопленным капитальным вложениям крупнейших технологических компаний мира с 2016 года.

Источник: Шервуд

Финансы

Рост NVIDIA только с 2023 по 2024 год был невероятным для компании такого размера:

• Выручка выросла на 126% — с 27 млрд долларов до 60 млрд долларов.
• Операционная прибыль утроилась (311%) с 9 млрд долларов до 37.1 млрд долларов
• Валовая прибыль выросла с 59.2% до 73.8%

В целом компания высоко оценена, но даже не так сильно из-за роста прибыли. Тем не менее, с коэффициентом P/E выше 60 и дивидендной доходностью всего 0.03%, инвесторы, покупающие NVIDIA, предполагают большой будущий рост, чтобы оправдать текущую цену акций.

Источник: NVIDIA

Будущее NVIDIA

Устойчивый рост?

Трехзначные темпы роста NVIDIA поражают воображение и отражаются на стоимости акций компании. Конечно, всему хорошему приходит конец, и инвесторы начинают беспокоиться, что это может произойти скорее раньше, чем позже.

Подобные опасения уже звучали, когда продажи NVIDIA стремительно росли из-за продаж криптовалют или на ранних этапах бума ИИ, поэтому пессимизм не обязательно является разумной инвестиционной стратегией.

In интервью на тему Подкаст BG2PodХуан объяснил, что миру необходимо обновить центры обработки данных и вычислительные мощности на сумму до 1 трлн долл. для внедрения и адаптации к ИИ. И что на данный момент из этой суммы было потрачено только 150 млрд долл.

Так что, по его словам, у NVIDIA еще достаточно возможностей для дальнейшего роста продаж, даже если это будет обусловлено только существующими вычислительными потребностями. Это было до того, как еще больше приложений для ИИ стали мейнстримом, например самостоятельного вождения автомобилей.

Подобные опасения по поводу совокупного спроса также игнорируют тот факт, что в конечном итоге все отрасли, скорее всего, будут так или иначе использовать ИИ на разных уровнях, включая такие сектора, как здравоохранение, на долю которых приходится двузначный процент ВВП.

Источник: NVIDIA

Блэквелл

В марте 2024 года NVIDIA выпустила платформу Blackwell, «позволяет организациям по всему миру создавать и запускать генеративный ИИ в реальном времени на основе больших языковых моделей с триллионами параметров при меньших затратах и ​​энергопотреблении в 25 раз по сравнению с предыдущей версией.».

Источник: NVIDIA

Это очень важный шаг, поскольку потребление энергии быстро становится одной из главных проблем компаний, ориентированных на ИИ, как показано на рисунке недавняя сделка Microsoft по повторному открытию целой атомной электростанции и использованию ВСЕ его выработка электроэнергии в течение следующих 20 лет по заранее согласованной цене.

Внутренние разработки

Один из рисков для NVIDIA заключается в том, что, хотя она и является ключевым партнером крупнейших мировых компаний, она также является очень дорогим и прибыльным партнером (70% валовой прибыли). Поэтому, когда компании с размером и навыками Alphabet/Google тратят сотни миллиардов долларов на чипы ИИ, у них возникает соблазн сделать это своими силами.

И это не просто гипотеза, например, Tesla разработала собственное оборудование, наняв лучших дизайнеров из конкурента NVIDIA — AMD. До 2019 года Tesla использовала вместо этого вычислительную платформу NVIDIA Drive PX 2 AI. Поскольку Tesla, по-видимому, очень близка к фактической коммерциализации роботакси, это может стать огромной упущенной выгодой для NVIDIA.

В то же время случай Tesla может быть скорее исключением из правила, поскольку Tesla и другие компании Илона Маска, такие как SpaceX, печально известная своим постоянным стремлением к большей вертикальной интеграции и более сильному контролю над своим оборудованием.

Компании, менее опытные в области аппаратного обеспечения или более сосредоточенные на программном обеспечении и/или маркетинге, такие как Facebook или Microsoft, скорее всего, будут в состоянии полагаться на самые лучшие и новейшие технологии NVIDIA.

Кроме того, многие модели ИИ в настоящее время создаются и кодируются с предположением, что они будут работать на архитектурах NVIDIA, а программисты ИИ имеют опыт работы с оборудованием NVIDIA, что является ценными бизнес-рвами для компании.

Риски рынка ИИ

Рынок ИИ в целом может представлять собой более серьёзный риск, над которым у превосходного руководства NVIDIA меньше контроля. Сейчас он процветает. Однако растёт обеспокоенность тем, что выпущенные приложения ИИ не смогли принести Apple огромную прибыль, как это сделал iPhone в своё время.

Вероятно, это всего лишь признак того, что технология все еще находит свое применение и развивает свой рынок.

Но если эта ситуация сохранится слишком долго, мы рискуем столкнуться с ситуацией конца 1990-х годов, когда прогнозы относительно важности ПК и Интернета были верны, но время было выбрано слишком оптимистично, что привело к краху пузыря доткомов.

Конечно, то, что Дженсен Хуан оставил автограф на женской груди в июне 2024 года, является несколько неожиданным знаком и, возможно, немного тревожным для инвесторов, обеспокоенных потенциальной финансовой манией вокруг ИИ.

Финансовая история не обязательно повторяется, но инвесторам следует тщательно проанализировать этот риск для NVIDIA и рассмотреть потенциальные параллели с производителем телекоммуникационного и интернет-оборудования Sun Microsystems (первым работодателем Дженсена Хуанга) в 2000 году.

При 10-кратном увеличении доходов, чтобы дать вам 10-летнюю окупаемость, я должен выплачивать вам 100% доходов в течение 10 лет подряд в виде дивидендов. Это предполагает, что я могу получить это от своих акционеров. Это предполагает, что у меня нулевая себестоимость проданных товаров, что очень сложно для компьютерной компании. Это предполагает нулевые расходы, что действительно сложно с 39,000 XNUMX сотрудников. (…)

Теперь, сделав это, кто-нибудь из вас хотел бы купить мои акции по $64? Вы понимаете, насколько нелепы эти базовые предположения? Вам не нужна никакая прозрачность. Вам не нужны никакие сноски. О чем вы думали?

Скотт Макнили — тогдашний генеральный директор Sun Microsystems

Для справки, текущий коэффициент P/S у NVIDIA составляет 35.

Источник: YChart

Заключение

NVIDIA — это компания, построенная на принятии правильно рассчитанных рисков несколько раз подряд в нужное время, от графических карт для ПК до выпуска CUDA для новых приложений и раннего внедрения нейронных сетей. Это сделало ее основателя Дженсена Хуанга чем-то вроде рок-звезды в полупроводниковой и ИТ-индустрии.

Недавние результаты компании ошеломили рынок и вызвали огромный энтузиазм по отношению к акциям Tesla, на который в последние годы способна только Tesla. Это открывает огромные возможности, как известно многим ранним инвесторам Tesla, которые почти десять лет сталкивались со скептиками, ожидавшими краха компании и её акций «в любую минуту».

Это также создает определенные риски, поскольку бум ИИ еще не принес доходов, оправдывающих текущие капиталовложения, и может пережить спад, прежде чем превратиться в полностью сформировавшийся сектор экономики.