Artipisyal na Intelihensiya
NVIDIA (NVDA) Spotlight: Mula sa Higanteng Grapiko tungong sa Titan ng AI
Ang Higanteng AI
Kung higit sa isang dekada, ang atensyon ng mga mamumuhunan sa teknolohiya ay nakatuon sa “Big Tech” (Microsoft (MSFT ), Google (GOOG ), Facebook (META ), atbp.), ang mga nakaraang taon ay nagpakita ng malinaw na paglipat patungo sa hardware kaysa sa software. Ang unang palatandaan ay ang kahanga-hangang pag-angat ng Tesla (TSLA ) mula sa isang niche na cult-like na stock hanggang sa isa sa pinakamalalaking kumpanya sa mundo.
Ngunit may isang kumpanya na nakaupo sa hangganan ng software at hardware na makakakuha ng kasing ganda, kung hindi mas malakas, na kita: NVIDIA (NVDA ).
Ngayon na karamihan ay tinitingnan ito bilang isang AI na kumpanya na may biglaang tagumpay, ang NVIDIA ay matiyagang nagbuo ng natatanging teknolohiya at posisyon sa merkado sa loob ng 20-30 taon. Maaaring magbigay ito ng matibay na posisyon upang manatiling nangungunang manlalaro sa mundo ng teknolohiya sa mga darating na taon.
Ang Landas ng NVIDIA Patungo sa Tagumpay
CPU kumpara sa GPU
Sa mahabang panahon, ang NVIDIA ay isang matagumpay ngunit niche na kumpanya ng hardware ng computer na nagdadalubhasa sa paggawa ng graphic cards o graphics processing units (GPUs). Noon, ang mga GPU ay itinuturing na mahalagang elemento ng hardware sa pag‑compute ngunit pangalawa lamang sa napakahalagang central processing unit (CPU).
Ang mga CPU ay dinisenyo upang magsagawa ng napakabilis na mga kalkulasyon na kailangang gawin isa‑isa, kaya magaling sila sa mga komplikadong kalkulasyon.
Sa kabilang banda, ang mga GPU ay hindi kasing lakas ngunit dinisenyo upang magsagawa ng maraming sabay‑sabay na kalkulasyon, kaya mas mahusay sila sa paghawak ng malalaking dami ng data.
Sa panahong ito mula 1990s hanggang 2010s, ang mga tagagawa ng CPU tulad ng Intel (INTC ) ay namuno sa industriya, habang ang mga mataas na kalidad na GPU ay kadalasang ginagamit lamang ng mga manlalaro at graphic designers para sa high‑end PC.
Pagbuo ng Negosyong GPU
Sa simula, ang tagapagtatag ng NVIDIA na si Jensen Huang at ang kanyang mga co‑founder ay nag‑isip na ang bilis ng pag‑compute ay hihigitan ang kapasidad ng CPU. Si Jensen ay naging mahalaga sa pag‑develop ng unang mga GPU para sa Sun Microsystems, na ngayon ay Oracle (ORCL ).
Naging isa siya sa mga co‑founder ng NVIDIA noong 1993, niyayakap ang rebolusyon ng PC noong unang bahagi ng 1990s.
“Iniisip namin, alam mo, baka ang 3D graphics ang magiging napakakilalang bagay. At sa unang pagkakataon, mayroon kang platform na maaaring maging computer at magamit para, alam mo, anumang gusto mong gamitin. Maaari mo rin itong gamitin para maglaro. At kailangan naming gumawa ng chip na magpapahintulot na maglaro.
Wala sa amin ang nakakita pa ng PC noon. Kaya kinailangan naming bumili ng PC. Bumili kami ng Gateway 2000. Wala talagang nakakaalam kung paano mag‑program ng Windows o DOS. Wala pang nakakita ng DOS. Kaya kinailangan naming buwagin ito, magsimulang matuto tungkol sa industriya.
Nakakatawang isipin na, sa paglingon, ang gaming ay hindi isang napaka-“seryosong” na merkado noon kumpara sa mas kumikita at mas malalaking enterprise‑focused na modelo ng negosyo. Ang mga unang card ay hindi naging komersyal na tagumpay. Ang kanilang 2nd generation GPU ay mas maganda ngunit biglang naging lipas nang lumipat ang merkado patungo sa Microsoft DirectX architecture para sa mga video game.
Sa huli, inabot ng NVIDIA ng anim na taon at tatlong linya ng produkto upang mahanap ang tamang tugma ng produkto at merkado, kasama ang maraming halos malalapit sa kamatayan na pangyayari para sa kumpanya.
Ang tagumpay ay dumating kasama ang Riva 128: sa unang apat na buwan, nakabenta ito ng 1 milyong yunit. Sinundan ito ng mahabang linya ng matagumpay na disenyo ng graphic card, kabilang ang GeForce series, na hanggang ngayon ay pangunahing manlalaro sa merkado kasama ang AMD’s (AMD ) Radeon.
Pinagmulan: UBuy
CUDA at Crypto
Noong 2006, bilang isang matatag na lider sa GPU, inilabas ng NVIDIA ang CUDA, isang general‑purpose programming interface para sa mga GPU ng NVIDIA, na nagbukas ng pinto para sa ibang gamit bukod sa gaming. Ginawa ito dahil ilang mga mananaliksik ay gumagamit na ng mga GPU upang magsagawa ng mga kalkulasyon sa halip na ang karaniwang supercomputers.
Pinagmulan: NVIDIA
“Napagtanto ng mga mananaliksik na sa pagbili ng gaming card na tinatawag na GeForce, idinadagdag mo ito sa iyong computer, halos nagkakaroon ka ng personal na supercomputer. Molecular dynamics, seismic processing, CT reconstruction, image processing—isang hanay ng iba’t ibang bagay.”
Jensen Huang, sa isang panayam sa Sequoia
Ang mas malawak na pag‑ampon ng mga GPU, at lalo na ng hardware ng NVIDIA, ay lumikha ng positibong feedback loop batay sa network effects: mas maraming gamit, mas maraming end user at programmer na pamilyar dito, mas maraming benta, mas malaking budget sa R&D, mas mabilis na pag‑accelerate ng bilis ng pag‑compute, atbp.
Pinagmulan: NVIDIA
Sa ngayon, ang naka‑install na base ay kinabibilangan ng daan‑daang milyong CUDA GPU.
Pinagmulan: NVIDIA
Hindi lamang ito magiging napaka‑kapaki‑pakinabang sa mga mananaliksik, ngunit isang bagong teknolohiya ang gagamit nang husto ng GPU parallel computing: blockchain at mga crypto.
Boom ng Crypto
Ngayon na bahagyang napag‑iwanan ng AI enthusiasm, ang crypto ay ang unang malakihang aplikasyon ng GPU lampas sa gaming at siyentipikong pananaliksik. Maraming blockchain at crypto proyekto ang nangangailangan ng malaking kapangyarihan sa pag‑compute. Mabilis, ang mga NVIDIA GPU ay naging pangunahing hardware para sa pagsasagawa ng mga kalkulasyong ito.
Nilikha nito ang isang boom sa benta ng NVIDIA, at ang stock ng kumpanya ay nagsimulang tumaas kasabay ng umuusbong na crypto boom, kung saan tumaas ang presyo ng stock ng higit sa 10 beses.
(NVDA )
Ang galaw ng presyo ng stock mula sa crypto ay nawalan ng kaunting sigla noong 2022 bago napagtanto ng mga merkado na ang NVIDIA ay matagal nang nagtatayo ng kahanga‑hang AI strategy sa loob ng maraming taon.
AI
Neural Networks
Mula noong unang bahagi ng 2010s, nagsimulang gamitin ng mga mananaliksik ang mga GPU upang pag‑aralan ang neural networks. Ito ay isang uri ng pamamaraan sa pag‑compute na naiiba sa karaniwang programming at nanalo ng 2 magkaibang Nobel Prize noong 2024, sa Physics at Medicine.
Ang neural networks ay ang teknikal na batayan para sa kung ano ang karaniwang tinatawag na “AI” ngayon.
Sa 2009, isa sa aking mga estudyante noon, si Ian Goodfellow, na aking undergraduate, ay tumulong sa akin na magtayo ng GPU server sa kanyang dorm room. At ang server na iyon ay naging ginagamit namin para sa aming unang deep‑learning experiments upang sanayin ang neural networks.
Nagsimula kaming makakita ng 10x o kahit 100x na pagbilis sa pagsasanay ng neural networks sa GPU dahil maaari naming gawin ng sabay‑sabay ang libu‑libo o 10,000 na gawain, sa halip na isa‑isa.
Andrew Ng – DeepLearning.AI founder & managing general partner of AI Funds, sa isang panayam sa Sequoia
Ito ay bago pa ang AlexNet, ang unang breakthrough sa computer image recognition noong 2012, at ilang taon bago ang AlphaGo.
Pag‑ikot ng NVIDIA Patungo sa AI
Naunawaan ng NVIDIA ang potensyal ng AI nang maaga, bago pa man ang sinuman, mula sa mga espesyal na mananaliksik, na nagmamalasakit sa neural networks.
Ito ay, noong panahong iyon, isang mapanganib na hakbang papunta sa isang hindi pa napatunayan, halos hindi pa umiiral na sektor, o tulad ng sinabi ni Jensen Huang:
“Nag‑iinvest kami sa zero‑billion dollar na mga merkado.”
Noong 2016 at 2017, inilabas ng NVIDIA ang Pascal at Volta architectures, na siyang unang GPU‑based AI accelerator, habang ipinakilala ng Volta ang Tensor Cores, na nagpasigla ng mga deep learning task ng hanggang 12 beses.
Isa itong malawak na pag‑ikot sa bagong direksyon na ito. Nang i‑pivot namin ang barko patungo doon, hinanap namin ang bawat AI researcher sa planeta.
At ang pagiging kapaki‑pakinabang ng aming platform sa kanila ay ang positibong feedback na natanggap namin noon. Ito ang dahilan kung bakit kaibigan ko, alam mo, ang lahat ng magagaling na AI researcher sa mundo.
Lahat sila ay tumulong sa pagbibigay ng mga maagang indikasyon ng tagumpay sa hinaharap habang nagpapatuloy para sa akin, at kailangan mong gawing malaking bagay ang mga maliliit na tagumpay.
Ito ay magpapakita ng pagbuo ng AI computing infrastructure, na malawak na sumikat sa kamalayan ng publiko noong 2023, kasama ang paglabas ng mga popular na LLM (Large Language Models) tulad ng Chat GPT.
Ngunit ito ay talagang binuo sa mabagal at madalas nakalimutang pag‑unlad ng patuloy na mas makapangyarihang AI‑dedicated GPU ng NVIDIA mula 2016.
Pinagmulan: NVIDIA
Isa pang kahanga‑hang bagay tungkol sa pag‑unlad ng kapangyarihan ng AI computing ay sumusunod ito sa isang exponential law sa halip na ang mas linear na Moore’s Law para sa CPU. Ito ay dahil hindi lamang ang hardware ng GPU ang bumubuti, kundi ang kinakailangang processing power ay bumaba dahil sa radikal na pag‑improve kung paano sinasanay ang mga neural network.
Dagdag pa rito, mas maraming magagamit na data ang nagpapabisa sa pagsasanay, na nagbibigay sa mga mananaliksik ng maraming anggulo upang magtrabaho nang sabay‑sabay upang mapabuti ang performance.
Ito ay nagdulot ng radikal na pagbaba sa enerhiya na kinokonsumo upang sanayin ang parehong GPT model sa paglipas ng panahon, 350x mas kaunti sa loob ng 8 taon, at isang mas matinding pagbawas sa enerhiya na kinakailangan upang magpadala ng kahilingan sa mga LLM na ito.
Pinagmulan: NVIDIA
Mga Pakikipagtulungan ng NVIDIA
Mula pa sa kanyang pagsisimula, ang NVIDIA ay isang kumpanyang malalim na konektado sa industriya. Sa halip na isang vertically integrated na kumpanya, hinahangad nitong magtatag ng malalim na ugnayan sa pinakamahusay, habang nananatiling lubos na nakatutok sa sarili nitong competitive advantages.
Halimbawa, ang NVIDIA ay tinatawag na “fabless” na tagagawa ng hardware, na nakatuon sa disenyo at konsepto, iniiwan sa world‑leading semiconductor “fab” tulad ng TSMC (TSM ) ang paggawa ng mga GPU nito.
Sa hindi pag‑develop ng sarili nitong LLMs o AI system, ang NVIDIA ay isang pinagkakatiwalaang partner para sa halos lahat ng “Big Tech” at AI startup, na nakikita ito bilang isang mahalagang partner kaysa potensyal na kakumpitensya. Bilang resulta, ito ay nagbibigay sa NVIDIA ng sukat ng benta upang patuloy na mag‑reinvest sa R&D at manatiling nangunguna sa larangan ng teknolohiya.
Napatunayan na ito ay tamang pagpili, kung saan ang NVIDIA ang pinakamalaking benepisyaryo ng pinaka‑kahanga‑hang capital expenditure (capex) spending spree sa kasaysayan ng industriya ng teknolohiya.
Inaasahan na ang AI capex ay maabot hanggang $200B sa 2025, bukod pa sa patuloy na lumalaking pinagsama‑samang capex ng pinakamalalaking kumpanya ng teknolohiya sa mundo mula 2016.
Pinagmulan: Sherwood
Pinansyal
NVIDIA’s growth mula 2023 hanggang 2024 ay kamangha‑mangha para sa isang kumpanyang ganoon kalaki:
- Ang kita ay tumaas ng 126%, mula $27B hanggang $60B.
- Ang operating income ay triple (311%) mula $9B hanggang $37.1B
- Ang Gross Margin ay tumaas mula 59.2% hanggang 73.8%
Sa pangkalahatan, ang kumpanya ay may mataas na valuation, ngunit hindi ganoon kalaki dahil sa paglago ng kita nito. Gayunpaman, sa P/E ratio na higit sa 60, at dividend yield na 0.03% lamang, ang mga mamumuhunan na bumibili ng NVIDIA ay umaasa sa malaking paglago sa hinaharap upang mapatunayan ang kasalukuyang presyo ng stock.
Pinagmulan: NVIDIA
Hinaharap ng NVIDIA
Sustainable Growth?
Ang triple‑digit na rate ng paglago ng NVIDIA ay kamangha‑mangha at nasasalamin sa presyo ng stock ng kumpanya. Siyempre, ang bawat magandang bagay ay nagtatapos balang araw, at nag‑aalala ang mga mamumuhunan na maaaring mangyari ito nang mas maaga kaysa sa inaasahan.
Ang parehong mga alalahanin ay matindi na noon nang umunlad ang benta ng NVIDIA mula sa crypto sales o sa mga unang yugto ng AI boom, kaya ang pessimism ay hindi kinakailangang magandang estratehiya sa pamumuhunan.
Sa isang panayam sa BG2Pod podcast, ipinaliwanag ni Huang na kailangan ng mundo na i‑update ang hanggang $1T na halaga ng datacenter at computing upang isama at umangkop sa AI. At sa ngayon, $150B lamang ang nagastos mula sa kabuuang iyon.
Kaya, ayon sa kanya, marami pa ang puwang para sa NVIDIA na patuloy na palakihin ang benta, kahit na ito ay dahil lamang sa umiiral na pangangailangan sa computing. Iyon ay bago pa man mas marami pang aplikasyon ng AI ang naging mainstream, tulad ng self‑driving cars.
Ang ganitong mga alalahanin tungkol sa kabuuang demand ay hindi rin isinasaalang‑alang na, sa huli, halos lahat ng industriya ay magpapatupad ng AI sa maraming antas, kabilang ang mga sektor tulad ng healthcare na kumakatawan sa double‑digit na porsyento ng GDP.
Pinagmulan: NVIDIA
Blackwell
Noong Marso 2024, inilabas ng NVIDIA ang Blackwell platform, “na nagbibigay‑daan sa mga organisasyon sa buong mundo na bumuo at magpatakbo ng real‑time generative AI sa trillion‑parameter na large language models na hanggang 25x mas mababang gastos at konsumo ng enerhiya kumpara sa naunang bersyon.”.
Pinagmulan: NVIDIA
Ito ay isang napakahalagang hakbang, dahil ang konsumo ng enerhiya ay mabilis na nagiging isa sa mga pangunahing alalahanin ng mga kumpanyang nakatuon sa AI, tulad ng ipinakita ng kamakailang kasunduan ng Microsoft na muling buksan ang isang buong nuclear power plant at gamitin lahat ng output nito sa susunod na 20 taon sa isang napagkasunduang presyo.
Mga Disenyo sa Loob ng Kumpanya
Isang panganib para sa NVIDIA ay habang ito ay isang pangunahing partner ng pinakamalalaking kumpanya sa mundo, ito rin ay napakamahal at kumikita (70% gross margin). Kaya kapag ang mga kumpanya na kasing laki at may kakayahan tulad ng Alphabet/Google ay gumagastos ng daan‑daang bilyong dolyar sa AI chips, sila ay naaakit na gawin ito sa loob ng kanilang kumpanya.
At ito ay hindi lamang haka‑haka, halimbawa ang Tesla ay nakabuo ng sarili nitong hardware sa pamamagitan ng pagkuha ng mga nangungunang designer mula sa kakumpitensya ng NVIDIA na AMD. Hanggang 2019, ang Tesla ay gumagamit ng NVIDIA Drive PX 2 AI computing platform. Habang ang Tesla ay tila napakalapit na sa aktwal na komersyalisasyon ng robotaxi, ito ay maaaring maging isang napakalaking nawalang benta para sa NVIDIA.
Sa parehong oras, ang kaso ng Tesla ay maaaring isang eksepsyon sa patakaran, dahil ang Tesla at iba pang kumpanya ni Elon Musk, tulad ng SpaceX, ay kilala sa palaging naghahanap ng mas maraming vertical integration at mas matibay na kontrol sa kanilang hardware.
Ang mga kumpanyang mas hindi bihasa sa hardware o mas nakatuon sa software at/o marketing, tulad ng Facebook o Microsoft, ay malamang na magiging maayos sa pag‑asa sa pinakamas mahusay at pinakabagong teknolohiya ng NVIDIA.
Dagdag pa rito, maraming AI model ngayon ang binubuo at kinocode sa ilalim ng palagay na tatakbo ito sa mga arkitektura ng NVIDIA, at ang mga AI programmer ay may karanasan sa hardware ng NVIDIA, na parehong mahalagang business moat para sa kumpanya.
Mga Panganib sa Merkado ng AI
Ang AI market sa kabuuan ay maaaring maging mas malaking panganib na mas kaunti ang kontrol ng mahusay na pamamahala ng NVIDIA. Ito ay kasalukuyang booming. Gayunpaman, may lumalaking alalahanin na ang mga AI application na inilabas ay nabigong magbago sa napakalaking bagong kita tulad ng ginawa ng iPhone para sa Apple noon.
Ito ay marahil isang palatandaan na ang teknolohiya ay patuloy pa ring hinahanap ang tamang direksyon at pinapaunlad ang merkado nito.
Ngunit kung magpapatuloy ito nang masyadong matagal, maaari tayong mapunta sa isang sitwasyon tulad ng noong huling bahagi ng 1990s, kung saan tama ang mga prediksyon tungkol sa kahalagahan ng PC at Internet, ngunit masyadong maaga ang timing, na nagdulot ng pagputok ng dot‑com bubble.
Tiyak, ang paglagda ni Jensen Huang ng autograph sa dibdib ng isang babae noong Hunyo 2024 ay isang nakakagulat na senyales, at maaaring magdulot ng pag‑aalala sa mga mamumuhunan na nababahala sa posibleng financial mania sa paligid ng AI.
Ang kasaysayan ng pananalapi ay hindi kinakailangang mauulit, ngunit nais ng mga mamumuhunan na maayos na suriin ang panganib na ito para sa NVIDIA at tingnan ang posibleng pagkakatulad sa telecom at Internet hardware manufacturer na Sun Microsystems (unang employer ni Jensen Huang) noong 2000.
Sa 10 beses na kita, para mabigyan ka ng 10‑taong payback, kailangan kong bayaran ka ng 100% ng kita sa loob ng 10 sunod na taon sa anyo ng dibidendo. Ipinapalagay nito na makakakuha ako nito mula sa aking mga shareholders. Ipinapalagay nito na wala akong cost of goods sold, na napakahirap para sa isang kumpanya ng computer. Ipinapalagay nito na walang gastos, na talagang mahirap sa 39,000 empleyado. (…)
Ngayon, matapos gawin iyon, may sinuman ba sa inyo ang gustong bumili ng aking stock sa $64? Naiintindihan ba ninyo kung gaano katawa‑tawa ang mga batayang palagay na iyon? Hindi ninyo kailangan ng anumang transparency. Hindi ninyo kailangan ng anumang footnotes. Ano ang iniisip ninyo?
Scott McNealy – noon CEO ng Sun Microsystems
Bilang sanggunian, ang kasalukuyang P/S ratio ng NVIDIA ay 35.
Pinagmulan: YChart
Konklusyon
Ang NVIDIA ay isang kumpanya na binuo sa pamamagitan ng pagkuha ng tamang kalkuladong panganib nang sunud‑sunod sa tamang panahon, mula sa PC graphic cards hanggang sa paglabas ng CUDA para sa mga bagong aplikasyon hanggang sa maagang pagyakap sa neural networks. Ito ay nagpatanyag kay founder nito, si Jensen Huang, na parang isang rockstar sa industriya ng semiconductors at IT.
Ang kamakailang pagganap ng kumpanya ay nagpasabog sa merkado at lumikha ng napakalaking kasabikan para sa stock na tanging Tesla lamang ang maaaring ipagmalaki sa mga nakaraang taon. Ito ay nagbubukas ng napakalaking oportunidad, tulad ng alam ng maraming maagang mamumuhunan sa Tesla, na hinarap halos isang dekada ng mga kritiko na inaasahang mabibigo ang kumpanya at ang stock nito “kahit kailan ngayon.”
Ito rin ay nagdudulot ng ilang panganib, dahil ang AI boom ay hindi pa nakakalikha ng ganitong uri ng kita na makatarungan ang kasalukuyang capex at maaaring makaranas ng pag‑urong bago ito maging ganap na nakatatag na sektor ng ekonomiya.
