NVIDIA (NVDA) Spotlight: จากยักษ์ใหญ่ด้านกราฟิกสู่ AI Titan

ยักษ์ใหญ่ AI

หากเป็นเวลากว่าทศวรรษแล้วที่ความสนใจของนักลงทุนด้านเทคโนโลยีมุ่งเน้นไปที่ “Big Tech” (ไมโครซอฟท์ (MSFT ), Google (GOOG ), Facebook (META ), ฯลฯ) ในช่วงไม่กี่ปีที่ผ่านมา มีการเปลี่ยนแปลงอย่างเห็นได้ชัดจากการใช้ฮาร์ดแวร์มาแทนที่ซอฟต์แวร์ สัญญาณแรกคือการเพิ่มขึ้นอย่างน่าทึ่งของ เทสลา (TSLA ) จากหุ้นเฉพาะกลุ่มที่กลายเป็นหนึ่งในบริษัทที่ใหญ่ที่สุดในโลก

แต่จะมีบริษัทหนึ่งที่นั่งอยู่บริเวณขอบเขตระหว่างซอฟต์แวร์และฮาร์ดแวร์ที่สามารถจับผลตอบแทนที่ดีได้เทียบเท่าหรืออาจจะแข็งแกร่งกว่าด้วยซ้ำ: NVIDIA (NVDA ).

ปัจจุบัน NVIDIA ถือเป็นบริษัทด้าน AI ที่ประสบความสำเร็จอย่างรวดเร็ว แต่ด้วยความอดทนในการสร้างเทคโนโลยีที่เป็นเอกลักษณ์และตำแหน่งทางการตลาดตลอด 20-30 ปีที่ผ่านมา อาจทำให้ NVIDIA มีตำแหน่งที่แข็งแกร่งและครองตลาดโลกเทคโนโลยีได้ในอีกหลายปีข้างหน้า

เส้นทางสู่ความสำเร็จของ NVIDIA

CPU เทียบกับ GPU

เป็นเวลานานที่ NVIDIA เป็นบริษัทฮาร์ดแวร์คอมพิวเตอร์เฉพาะทางที่ประสบความสำเร็จและเชี่ยวชาญด้านการผลิตการ์ดจอหรือหน่วยประมวลผลกราฟิก (GPU) ในเวลานั้น GPU ถือเป็นองค์ประกอบฮาร์ดแวร์คอมพิวเตอร์ที่สำคัญแต่เป็นรองหน่วยประมวลผลกลาง (CPU) ซึ่งมีความสำคัญอย่างยิ่ง

ซีพียูได้รับการออกแบบมาเพื่อดำเนินการคำนวณอย่างรวดเร็ว ซึ่งต้องทำทีละอย่าง จึงเหมาะสำหรับการคำนวณที่ซับซ้อน

ในทางตรงกันข้าม GPU นั้นมีประสิทธิภาพน้อยกว่า แต่ได้รับการออกแบบมาเพื่อดำเนินการคำนวณแบบคู่ขนานหลายๆ รายการพร้อมๆ กัน ทำให้สามารถจัดการกับข้อมูลจำนวนมากได้ดีกว่า

ในช่วงระหว่างปี 1990 ถึง 2010 ผู้ผลิตซีพียู เช่น อินเทล (INTC ) ครองอุตสาหกรรมในขณะที่ GPU คุณภาพสูงส่วนใหญ่ใช้โดยนักเล่นเกมและนักออกแบบกราฟิกสำหรับพีซีระดับไฮเอนด์เท่านั้น

การสร้างธุรกิจ GPU

ในช่วงแรก ผู้ก่อตั้ง NVIDIA Jensen Huang และผู้ร่วมก่อตั้งของเขาให้เหตุผลว่าความเร็วในการประมวลผลจะแซงหน้าความจุของ CPUJensen มีบทบาทสำคัญในการพัฒนา GPU ตัวแรกสำหรับ Sun Microsystems ในปัจจุบัน คำพยากรณ์ (ORCL ).

ต่อมาในปี 1993 เขาได้กลายเป็นหนึ่งในผู้ก่อตั้งร่วมของ NVIDIA โดยเป็นผู้นำการปฏิวัติพีซีในช่วงต้นทศวรรษ 1990

“เราคิดว่ากราฟิก 3 มิติน่าจะเป็นสิ่งที่เจ๋งมาก และเป็นครั้งแรกที่มีแพลตฟอร์มที่สามารถเป็นทั้งคอมพิวเตอร์และใช้งานเพื่อจุดประสงค์ใดก็ได้ที่คุณต้องการใช้ คุณยังสามารถใช้เล่นเกมได้ด้วย และเราเพียงแค่ต้องสร้างชิปที่ทำให้สามารถเล่นเกมได้

พวกเราไม่มีใครเคยเห็นพีซีมาก่อนเลย ดังนั้นเราจึงต้องซื้อพีซี เราซื้อ Gateway 2000 ไม่มีใครรู้วิธีเขียนโปรแกรม Windows หรือ DOS เลย ไม่มีใครเคยเห็น DOS ด้วยซ้ำ ดังนั้นเราจึงต้องแยกมันออกเป็นชิ้นๆ และเริ่มเรียนรู้เกี่ยวกับอุตสาหกรรม”

เจนเซ่น หวง ในบทสัมภาษณ์กับ Sequoia

เป็นเรื่องตลกที่เมื่อมองย้อนกลับไป ตลาดเกมในยุคนั้นไม่ได้ "จริงจัง" มากนักเมื่อเทียบกับโมเดลธุรกิจที่เน้นองค์กรขนาดใหญ่และสร้างผลกำไรได้มากกว่า การ์ดรุ่นแรกๆ ไม่ประสบความสำเร็จทางการค้า 2^nd GPU ของเจเนอเรชันนั้นดีกว่าแต่จู่ๆ ก็กลายเป็นสิ่งที่ล้าสมัยเมื่อตลาดหันมาใช้สถาปัตยกรรม DirectX ของ Microsoft สำหรับวิดีโอเกม

ในที่สุด NVIDIA ก็ใช้เวลาถึงหกปีและสามสายผลิตภัณฑ์จึงจะค้นหาผลิตภัณฑ์ที่เหมาะสมกับตลาด โดยมีเหตุการณ์เกือบตายเกิดขึ้นกับบริษัทมากมาย

ความสำเร็จจะมาพร้อมกับ Riva 128 โดยในช่วงสี่เดือนแรกนั้นสามารถขายได้ 1 ล้านเครื่อง ตามมาด้วยการ์ดจอที่ประสบความสำเร็จมากมายหลายรุ่น ซึ่งรวมถึงรุ่น Riva XNUMX ซีรีย์ GeForce, จนถึงทุกวันนี้ผู้เล่นที่ครองตลาดอยู่เคียงข้าง เอเอ็มดี (AMD ) Radeon.

ที่มา: ยูบาย

CUDA และการเข้ารหัส

ในปี 2006 NVIDIA ซึ่งปัจจุบันเป็นผู้นำด้าน GPU ที่มีชื่อเสียง ได้เปิดตัว CUDA ซึ่งเป็นอินเทอร์เฟซการเขียนโปรแกรมอเนกประสงค์สำหรับ GPU ของ NVIDIA ซึ่งเปิดโอกาสให้สามารถนำไปใช้ประโยชน์อื่นๆ นอกเหนือจากการเล่นเกมได้ ความสำเร็จนี้เกิดขึ้นเนื่องจากนักวิจัยบางส่วนได้ใช้ GPU ในการคำนวณแทนซูเปอร์คอมพิวเตอร์ทั่วไปอยู่แล้ว

ที่มา: NVIDIA

“นักวิจัยพบว่าการซื้อการ์ดเล่นเกมที่เรียกว่า GeForce จะทำให้คอมพิวเตอร์ของคุณมีซูเปอร์คอมพิวเตอร์ส่วนตัวอย่างแท้จริง ซึ่งประกอบด้วยพลวัตระดับโมเลกุล การประมวลผลแผ่นดินไหว การสร้างภาพ CT การประมวลผลภาพ และอื่นๆ อีกมากมาย”

เจนเซ่น หวง ในบทสัมภาษณ์กับ Sequoia

การนำ GPU มาใช้อย่างแพร่หลายมากขึ้นนี้ และโดยเฉพาะอย่างยิ่งฮาร์ดแวร์ของ NVIDIA ได้สร้างวงจรป้อนกลับเชิงบวกตาม ผลกระทบเครือข่าย:ยิ่งใช้งานมากเท่าไหร่ ผู้ใช้ปลายทางและโปรแกรมเมอร์ก็จะคุ้นเคยกับมันมากขึ้นเท่านั้น ยอดขายก็จะมากขึ้น งบประมาณในการวิจัยและพัฒนาก็จะมากขึ้น ความเร็วในการประมวลผลก็จะเพิ่มขึ้นด้วย มีการใช้งานมากขึ้น เป็นต้น

ที่มา: NVIDIA

ปัจจุบันฐานการติดตั้งประกอบด้วย CUDA GPU จำนวนหลายร้อยล้านตัว

ที่มา: NVIDIA

สิ่งนี้ไม่เพียงแต่จะพิสูจน์ให้เห็นว่ามีประโยชน์อย่างมากต่อนักวิจัย แต่เทคโนโลยีใหม่นี้ยังทำให้การประมวลผลแบบขนานของ GPU เป็นประโยชน์อย่างมากอีกด้วย เช่น บล็อคเชนและสกุลเงินดิจิทัล

คริปโตบูม

ปัจจุบัน ความสนใจใน AI ค่อยๆ ลดน้อยลง โดยคริปโตถือเป็นแอปพลิเคชัน GPU ขนาดใหญ่ตัวแรกที่นอกเหนือไปจากเกมและการวิจัยทางวิทยาศาสตร์ บล็อคเชนและโปรเจกต์คริปโตจำนวนมากต้องการพลังประมวลผลจำนวนมาก และ GPU ของ NVIDIA ก็กลายมาเป็นฮาร์ดแวร์หลักสำหรับการคำนวณเหล่านี้อย่างรวดเร็ว

สิ่งนี้ทำให้ยอดขายของ NVIDIA พุ่งสูงขึ้น และหุ้นของบริษัทก็เริ่มเพิ่มขึ้นพร้อมๆ กับการเกิดขึ้นของการเติบโตของสกุลเงินดิจิทัล โดยราคาหุ้นเพิ่มขึ้นมากกว่า 10 เท่า

ราคาหุ้นของกลุ่ม crypto ลดลงเล็กน้อยในปี 2022 ก่อนที่ตลาดจะตระหนักว่า NVIDIA ได้สร้างกลยุทธ์ AI ที่น่าทึ่งมาหลายปีแล้ว

AI

โครงข่ายประสาทเทียม

ตั้งแต่ต้นปี 2010 นักวิจัยเริ่มนำ GPU มาใช้งานเพื่อศึกษา เครือข่ายประสาทเทียม. เหล่านี้เป็นวิธีการคำนวณประเภทหนึ่งที่แตกต่างจากการเขียนโปรแกรมทั่วไปและเป็น ได้รับรางวัลโนเบล 2 รางวัลในปี 2024 ในสาขาฟิสิกส์และการแพทย์.

เครือข่ายประสาทเป็นพื้นฐานทางเทคนิคสำหรับสิ่งที่เรียกกันทั่วไปว่า “AI” ในปัจจุบัน

ในปี 2009 นักเรียนคนหนึ่งของฉันในขณะนั้นชื่อ Ian Goodfellow ซึ่งเป็นนักศึกษาระดับปริญญาตรีของฉัน ได้ช่วยฉันสร้างเซิร์ฟเวอร์ GPU ในหอพักของเขา และเซิร์ฟเวอร์ดังกล่าวก็กลายมาเป็นเซิร์ฟเวอร์ที่เราใช้สำหรับการทดลองการเรียนรู้เชิงลึกครั้งแรกเพื่อฝึกเครือข่ายประสาทเทียม

เราเริ่มเห็นการเพิ่มความเร็ว 10 เท่าหรือแม้กระทั่ง 100 เท่าในการฝึกเครือข่ายประสาทบน GPU เนื่องจากเราสามารถทำสิ่งต่างๆ ได้นับพันหรือ 10,000 อย่างในแบบคู่ขนาน แทนที่จะต้องทำทีละขั้นตอน

Andrew Ng - ผู้ก่อตั้ง DeepLearning.AI และหุ้นส่วนผู้จัดการทั่วไปของ AI Funds ในบทสัมภาษณ์กับ Sequoia

ซึ่งเป็นช่วงก่อน AlexNet ซึ่งเป็นความก้าวหน้าครั้งแรกด้านการจดจำภาพคอมพิวเตอร์ในปี 2012 และก่อน AlphaGo หลายปี

การเปลี่ยน NVIDIA มาเป็น AI

NVIDIA ตระหนักถึงศักยภาพของ AI ได้ตั้งแต่เนิ่นๆ ก่อนที่ใครก็ตาม ไม่ว่าจะเป็นนักวิจัยเฉพาะทาง หรือแม้กระทั่งผู้ที่ใส่ใจเกี่ยวกับเครือข่ายประสาท

ในเวลานั้น ถือเป็นการเคลื่อนไหวที่เสี่ยงมากในการเข้าสู่ภาคส่วนที่ยังพิสูจน์ไม่ได้และแทบไม่มีอยู่เลย หรืออย่างที่เจนเซ่น หวง กล่าวไว้ว่า:

"เรากำลังลงทุนในตลาดมูลค่าศูนย์พันล้านดอลลาร์"

ในปี 2016 และ 2017 NVIDIA ได้เปิดตัว tสถาปัตยกรรม Pascal และ Voltaซึ่งเป็นเครื่องเร่งความเร็ว AI ที่ใช้ GPU ตัวแรก ตามลำดับ ในขณะที่ Volta เปิดตัว Tensor Cores ซึ่งสามารถเร่งความเร็วงานการเรียนรู้เชิงลึกได้ถึง 12 เท่า

การเปลี่ยนแปลงครั้งใหญ่ครั้งนี้เกิดขึ้นในทิศทางใหม่นี้ เมื่อเราเปลี่ยนทิศทางไปในทิศทางนั้น เราก็ได้ค้นหาผู้วิจัยด้าน AI ทุกคนบนโลก

และแพลตฟอร์มของเรามีประโยชน์ต่อพวกเขาเนื่องจากเราได้รับผลตอบรับเชิงบวกในตอนนั้น ซึ่งเป็นเหตุผลที่ฉันเป็นเพื่อนกับนักวิจัย AI ที่ยิ่งใหญ่ของโลกทุกคน

พวกเขาล้วนช่วยเหลือกันในการให้ข้อบ่งชี้เบื้องต้นเกี่ยวกับความสำเร็จในอนาคตให้กับฉัน และคุณต้องทำให้ชัยชนะเล็กๆ น้อยๆ เหล่านี้เป็นเรื่องใหญ่

เจนเซ่น หวง ในบทสัมภาษณ์กับ Sequoia

สิ่งนี้จะเป็นการปูทางไปสู่การสร้างโครงสร้างพื้นฐานการคำนวณ AI ที่จะเกิดขึ้นอย่างแพร่หลายในจิตสำนึกของสาธารณชนในปี 2023 พร้อมกับการเปิดตัว LLM (Large Language Models) ยอดนิยม เช่น Chat GPT

แต่จริงๆ แล้ว สิ่งนี้ถูกสร้างขึ้นจากการพัฒนา GPU เฉพาะด้าน AI ที่ทรงพลังมากขึ้นโดย NVIDIA ที่ช้าและมักจะถูกลืมตั้งแต่ปี 2016

ที่มา: NVIDIA

สิ่งที่น่าทึ่งอีกประการหนึ่งเกี่ยวกับวิวัฒนาการของพลังการประมวลผลของ AI ก็คือ มันปฏิบัติตามกฎเลขชี้กำลังแทนที่จะเป็นกฎของมัวร์สำหรับ CPU ที่เป็นเส้นตรงกว่า นั่นเป็นเพราะไม่เพียงแต่ฮาร์ดแวร์ของ GPU จะดีขึ้นเท่านั้น แต่พลังการประมวลผลที่จำเป็นยังลดลงจากการปรับปรุงครั้งใหญ่ในการฝึกเครือข่ายประสาท

นอกจากนี้ ข้อมูลที่มีอยู่มากขึ้นยังทำให้การฝึกอบรมมีประสิทธิภาพมากขึ้น ส่งผลให้ผู้วิจัยมีมุมมองมากมายในการทำงานควบคู่กันไปเพื่อเพิ่มประสิทธิภาพการทำงาน

ส่งผลให้พลังงานที่ใช้ในการฝึกโมเดล GPT เดียวกันลดลงอย่างมากในช่วงเวลาหนึ่ง ซึ่งลดลงถึง 350 เท่าในเวลา 8 ปี และยังส่งผลให้พลังงานที่จำเป็นในการส่งคำขอไปยัง LLM ลดลงอย่างมากอีกด้วย

ที่มา: NVIDIA

ความร่วมมือกับ NVIDIA

NVIDIA เป็นบริษัทที่มีความเชื่อมโยงอย่างลึกซึ้งในอุตสาหกรรมมาตั้งแต่เริ่มก่อตั้ง แทนที่จะเป็นบริษัทที่บูรณาการในแนวตั้ง บริษัทมุ่งหวังที่จะสร้างความสัมพันธ์ที่แน่นแฟ้นกับบริษัทชั้นนำในขณะที่ยังคงมุ่งเน้นที่ข้อได้เปรียบในการแข่งขันของตนเอง

ตัวอย่างเช่น NVIDIA เป็นผู้ผลิตฮาร์ดแวร์ที่เรียกว่า "fabless" ซึ่งเน้นที่การออกแบบและแนวคิด โดยปล่อยให้ผู้ผลิต "fab" เซมิคอนดักเตอร์ชั้นนำของโลก เช่น TSMC (TSM ) เพื่อผลิต GPU ของตนเอง

NVIDIA ถือเป็นพันธมิตรที่เชื่อถือได้สำหรับบริษัทสตาร์ทอัพด้าน AI และ Big Tech เกือบทั้งหมด เนื่องจากไม่ได้พัฒนา LLM หรือระบบ AI ของตนเอง ซึ่งบริษัทเหล่านี้มองว่า NVIDIA เป็นพันธมิตรที่จำเป็นมากกว่าที่จะเป็นคู่แข่งที่มีศักยภาพ ในทางกลับกัน การทำเช่นนี้จะทำให้ NVIDIA มียอดขายเพียงพอที่จะลงทุนซ้ำในงานวิจัยและพัฒนาและก้าวขึ้นเป็นผู้นำในด้านเทคโนโลยี

นี่ได้รับการพิสูจน์แล้วว่าเป็นทางเลือกที่ถูกต้อง โดย NVIDIA เป็นผู้ได้รับผลประโยชน์สูงสุดจากการใช้จ่ายลงทุน (capex) ครั้งใหญ่ที่สุดในประวัติศาสตร์ของอุตสาหกรรมเทคโนโลยี

คาดว่าการลงทุนด้าน AI ที่จะถึง 200 พันล้านเหรียญสหรัฐในปี 2025นอกเหนือจากค่าใช้จ่ายลงทุนที่เพิ่มสูงขึ้นอย่างต่อเนื่องของบริษัทเทคโนโลยีรายใหญ่ที่สุดในโลกนับตั้งแต่ปี 2016

ที่มา: เชอร์วู้ด

การเงิน

การเติบโตของ NVIDIA ตั้งแต่ปี 2023 ถึงปี 2024 ถือเป็นเรื่องเหลือเชื่อสำหรับบริษัทขนาดนี้:

• รายได้เพิ่มขึ้น 126% จาก 27 พันล้านเหรียญสหรัฐเป็น 60 พันล้านเหรียญสหรัฐ
• รายได้จากการดำเนินงานเพิ่มขึ้นสามเท่า (311%) จาก 9 พันล้านดอลลาร์เป็น 37.1 พันล้านดอลลาร์
• อัตรากำไรขั้นต้นเพิ่มขึ้นจาก 59.2% เป็น 73.8%

โดยรวมแล้ว บริษัทนี้มีมูลค่าสูง แต่ไม่ได้สูงมากเนื่องจากการเติบโตของรายได้ อย่างไรก็ตาม ด้วยอัตราส่วน P/E ที่สูงกว่า 60 และอัตราผลตอบแทนจากเงินปันผลเพียง 0.03% นักลงทุนที่ซื้อ NVIDIA คาดหวังการเติบโตในอนาคตจำนวนมากเพื่อพิสูจน์ราคาหุ้นปัจจุบัน

ที่มา: NVIDIA

อนาคตของ NVIDIA

การเติบโตอย่างยั่งยืน?

อัตราการเติบโตสามหลักของ NVIDIA นั้นน่าทึ่งและสะท้อนออกมาในราคาหุ้นของบริษัท แน่นอนว่าสิ่งดีๆ ทุกอย่างย่อมมีวันสิ้นสุด และนักลงทุนก็เริ่มกังวลว่าเหตุการณ์นี้อาจเกิดขึ้นเร็วกว่าที่คิด

ความกังวลแบบเดียวกันนี้เกิดขึ้นแล้วเมื่อยอดขายของ NVIDIA พุ่งสูงจากยอดขายของสกุลเงินดิจิทัลหรือในช่วงเริ่มต้นของการเติบโตของ AI ดังนั้นการมองโลกในแง่ร้ายจึงไม่จำเป็นต้องเป็นกลยุทธ์การลงทุนที่ดีเสมอไป

In การสัมภาษณ์เกี่ยวกับ พอดแคสต์ BG2Podหวงอธิบายว่าโลกจำเป็นต้องปรับปรุงศูนย์ข้อมูลและการประมวลผลที่มีมูลค่าสูงถึง 1 ล้านล้านดอลลาร์เพื่อรวมและปรับให้เข้ากับ AI และจนถึงขณะนี้มีการใช้จ่ายไปเพียง 150 พันล้านดอลลาร์เท่านั้น

ดังนั้นตามที่เขากล่าว NVIDIA ยังมีพื้นที่อีกมากที่จะรักษาการเติบโตของยอดขายได้ แม้ว่าจะเป็นเพียงเพราะความต้องการการประมวลผลที่มีอยู่ก็ตาม ซึ่งนั่นเป็นก่อนที่แอปพลิเคชัน AI อื่นๆ จะกลายมาเป็นกระแสหลัก เช่น รถตัวเองขับรถ.

ความกังวลดังกล่าวเกี่ยวกับความต้องการทั้งหมดนั้นละเลยข้อเท็จจริงที่ว่า ในท้ายที่สุดแล้ว อุตสาหกรรมทั้งหมดมีแนวโน้มที่จะนำ AI มาใช้ในหลายระดับในรูปแบบใดรูปแบบหนึ่ง รวมไปถึงภาคส่วนต่างๆ เช่น การดูแลสุขภาพที่คิดเป็นเปอร์เซ็นต์สองหลักของ GDP

ที่มา: NVIDIA

Blackwell

ในเดือนมีนาคม 2024 NVIDIA ได้เปิดตัวแพลตฟอร์ม Blackwell “ช่วยให้องค์กรต่างๆ ทุกที่สามารถสร้างและรัน AI สร้างสรรค์แบบเรียลไทม์บนโมเดลภาษาขนาดใหญ่ที่มีพารามิเตอร์ล้านล้านตัวโดยมีต้นทุนและการใช้พลังงานน้อยลงถึง 25 เท่าเมื่อเทียบกับรุ่นก่อนหน้า"

ที่มา: NVIDIA

นี่เป็นขั้นตอนที่สำคัญมาก เนื่องจากการใช้พลังงานกำลังกลายเป็นหนึ่งในข้อกังวลหลักของบริษัทที่เน้น AI อย่างรวดเร็ว ดังที่แสดงให้เห็นโดย ข้อตกลงล่าสุดของ Microsoft ที่จะเปิดโรงไฟฟ้านิวเคลียร์ทั้งหมดอีกครั้งและใช้งาน ทั้งหมด กำลังการผลิตไฟฟ้าในอีก 20 ปีข้างหน้าตามราคาที่ตกลงกันไว้ล่วงหน้า.

การออกแบบภายในบ้าน

ความเสี่ยงอย่างหนึ่งสำหรับ NVIDIA ก็คือ แม้ว่าจะเป็นพันธมิตรหลักของบริษัทที่ใหญ่ที่สุดในโลก แต่ก็เป็นพันธมิตรที่มีราคาแพงและทำกำไรได้สูงเช่นกัน (อัตรากำไรขั้นต้น 70%) ดังนั้น เมื่อบริษัทที่มีขนาดและทักษะเทียบเท่ากับ Alphabet/Google ใช้เงินหลายแสนล้านดอลลาร์ไปกับชิป AI พวกเขาก็อาจเกิดความคิดที่จะทำเรื่องนี้ภายในองค์กร

และนี่ไม่ใช่แค่สมมติฐาน เช่น Tesla พัฒนาฮาร์ดแวร์ของตัวเองโดยจ้างนักออกแบบชั้นนำจากคู่แข่ง NVIDIA อย่าง AMDจนถึงปี 2019 Tesla ได้ใช้แพลตฟอร์มคอมพิวเตอร์ AI NVIDIA Drive PX 2 แทน ดูเหมือนว่า Tesla กำลังเข้าใกล้ที่จะนำแท็กซี่ไร้คนขับเข้าสู่ตลาดเชิงพาณิชย์แล้วนี่อาจกลายเป็นการสูญเสียยอดขายครั้งใหญ่สำหรับ NVIDIA

ในขณะเดียวกัน กรณีของ Tesla อาจเป็นข้อยกเว้นของกฎเกณฑ์ เช่นเดียวกับบริษัทอื่นๆ ของ Tesla และ Elon Musk เช่น ปาซึ่งมีชื่อเสียงในด้านการมองหาการบูรณาการในแนวตั้งมากขึ้นและการควบคุมระดับที่แข็งแกร่งกว่าสำหรับฮาร์ดแวร์อยู่เสมอ

บริษัทที่มีประสบการณ์น้อยกว่าในด้านฮาร์ดแวร์หรือซอฟต์แวร์และ/หรือเน้นการตลาด เช่น Facebook หรือ Microsoft อาจจะสามารถพึ่งพาเทคโนโลยี NVIDIA ที่ดีที่สุดและใหม่ล่าสุดได้

นอกจากนี้ ปัจจุบันมีการสร้างและเขียนโค้ดโมเดล AI จำนวนมากโดยตั้งสมมติฐานว่าโมเดลเหล่านั้นจะทำงานบนสถาปัตยกรรม NVIDIA และโปรแกรมเมอร์ AI ก็มีประสบการณ์กับฮาร์ดแวร์ของ NVIDIA ซึ่งทั้งสองอย่างนี้ถือเป็นปราการทางธุรกิจที่มีคุณค่าสำหรับบริษัท

ความเสี่ยงในตลาด AI

ตลาด AI โดยรวมอาจเป็นความเสี่ยงที่ใหญ่กว่า ซึ่งฝ่ายบริหารที่ยอดเยี่ยมของ NVIDIA มีอำนาจควบคุมน้อยกว่า ตลาดกำลังเฟื่องฟูในขณะนี้ อย่างไรก็ตาม มีความกังวลเพิ่มขึ้นว่าแอปพลิเคชัน AI ที่เปิดตัวออกมาไม่สามารถสร้างรายได้มหาศาลได้ เหมือนกับที่ iPhone เคยทำกับ Apple ในอดีต

นี่อาจเป็นเพียงสัญญาณว่าเทคโนโลยีนี้ยังคงอยู่ในช่วงค้นหาจุดยืนและพัฒนาตลาดต่อไป

แต่หากสถานการณ์เช่นนี้คงอยู่ต่อไปนานเกินไป เราอาจมีความเสี่ยงที่จะเกิดสถานการณ์เช่นเดียวกับในช่วงปลายทศวรรษ 1990 ซึ่งการคาดการณ์เกี่ยวกับความสำคัญของพีซีและอินเทอร์เน็ตนั้นถูกต้อง แต่จังหวะเวลานั้นกลับมองโลกในแง่ดีเกินไป จนอาจนำไปสู่ภาวะฟองสบู่ดอทคอมแตก

การที่ Jensen Huang เซ็นลายเซ็นบนหน้าอกผู้หญิงในเดือนมิถุนายน 2024 ถือเป็นสัญญาณที่ค่อนข้างน่าแปลกใจ และอาจทำให้ผู้ลงทุนที่กังวลเกี่ยวกับความคลั่งไคล้ทางการเงินที่อาจเกิดขึ้นจาก AI กังวลใจได้เล็กน้อย

ประวัติทางการเงินอาจจะไม่จำเป็นต้องเกิดขึ้นซ้ำอีก แต่ผู้ลงทุนจะต้องวิเคราะห์ความเสี่ยงนี้สำหรับ NVIDIA อย่างเหมาะสม และพิจารณาความเป็นไปได้ที่อาจเกิดขึ้นกับผู้ผลิตฮาร์ดแวร์โทรคมนาคมและอินเทอร์เน็ตอย่าง Sun Microsystems (นายจ้างคนแรกของ Jensen Huang) ในปี 2000

หากรายได้เพิ่มขึ้น 10 เท่า คุณก็จะได้รับผลตอบแทน 10 ปี ฉันต้องจ่ายเงินให้คุณ 100% ของรายได้เป็นเวลา 10 ปีติดต่อกันเป็นเงินปันผล ซึ่งต้องถือว่าฉันจะได้รับเงินปันผลจากผู้ถือหุ้นของฉันได้ ซึ่งต้องถือว่าฉันไม่มีต้นทุนสินค้าขายเลย ซึ่งเป็นเรื่องยากมากสำหรับบริษัทคอมพิวเตอร์ และต้องถือว่าไม่มีค่าใช้จ่ายเลย ซึ่งยากมากจริงๆ เมื่อมีพนักงาน 39,000 คน (…)

เมื่อทำอย่างนั้นแล้ว มีใครสนใจซื้อหุ้นของฉันในราคา 64 เหรียญบ้างหรือไม่ คุณรู้หรือไม่ว่าสมมติฐานพื้นฐานเหล่านี้ช่างไร้สาระเพียงใด คุณไม่จำเป็นต้องมีความโปร่งใส คุณไม่จำเป็นต้องมีเชิงอรรถใดๆ คุณกำลังคิดอะไรอยู่

Scott McNealy – ซีอีโอของ Sun Microsystems ในขณะนั้น

เพื่อใช้อ้างอิง อัตราส่วน P/S ปัจจุบันของ NVIDIA อยู่ที่ 35

ที่มา: วายชาร์ท

สรุป

NVIDIA เป็นบริษัทที่ก่อตั้งขึ้นจากการคำนวณความเสี่ยงอย่างถูกต้องหลายครั้งติดต่อกันในเวลาที่เหมาะสม ไม่ว่าจะเป็นการ์ดจอพีซี การเปิดตัว CUDA สำหรับแอปพลิเคชันใหม่ ไปจนถึงการนำเครือข่ายประสาทมาใช้ในระยะเริ่มต้น สิ่งนี้ทำให้ผู้ก่อตั้งอย่าง Jensen Huang กลายเป็นร็อคสตาร์ในอุตสาหกรรมเซมิคอนดักเตอร์และไอที

ผลประกอบการของบริษัทในช่วงที่ผ่านมาสร้างความตื่นตะลึงให้กับตลาดและสร้างกระแสความสนใจอย่างมหาศาลให้กับหุ้นของบริษัทที่ Tesla เท่านั้นที่ครองตลาดได้ในช่วงไม่กี่ปีที่ผ่านมา นี่สร้างโอกาสอันยิ่งใหญ่ ดังที่นักลงทุนรุ่นแรกๆ ของ Tesla หลายคนทราบดี หลังจากที่ต้องเผชิญหน้ากับเสียงวิพากษ์วิจารณ์ที่คาดการณ์ว่าบริษัทและหุ้นของบริษัทจะล้มเหลว “ในเร็ววันนี้” มาเกือบสิบปี

สิ่งนี้ยังสร้างความเสี่ยงบางประการ เนื่องจากการเติบโตของ AI ยังไม่สามารถสร้างรายได้เพียงพอที่จะคุ้มค่ากับการลงทุนในปัจจุบัน และอาจประสบภาวะตกต่ำก่อนที่จะกลายเป็นภาคเศรษฐกิจที่ก่อตั้งได้อย่างเต็มตัว