Yapay Zekâ
NVIDIA (NVDA) Spotlight: Grafik Devi’den AI Titanına
Yapay Zeka Devi
On yıldan fazla bir süredir teknoloji yatırımcılarının dikkati “Büyük Teknoloji” (Microsoft (MSFT ), Google (GOOG ), Facebook (META ), vb.) üzerine odaklanmışken, son birkaç yıl donanımın yazılıma göre belirgin bir şekilde öne çıktığını gördük. İlk işaret, Tesla (TSLA )‘nın niş bir kült benzeri hisse senedinden dünyanın en büyük şirketlerinden birine muazzam yükselişi oldu.
Ancak yazılım ve donanım arasındaki sınırda oturan ve aynı derecede, hatta daha güçlü getiriler yakalayabilecek bir şirket vardı: NVIDIA (NVDA ).
Şimdi çoğunlukla ani bir başarıyla bir AI şirketi olarak görülse de, NVIDIA aslında 20‑30 yıl boyunca benzersiz teknolojisini ve pazar konumunu sabırla inşa etti. Bu, önümüzdeki yıllarda teknoloji dünyasında hâlâ baskın bir aktör olma konusunda ona güçlü bir konum sağlayabilir.
NVIDIA’nın Başarı Yolculuğu
CPU vs GPU
Uzun bir süre boyunca NVIDIA, grafik kartları ya da grafik işleme birimleri (GPU’lar) üretmeye odaklanan başarılı ama niş bir bilgisayar donanımı şirketiydi. O dönemde GPU’lar önemli bir bilgi işlem donanımı unsuru olarak görülse de, her şeyin başı olan merkezi işlem birimi (CPU) kadar ön planda değildi.
CPU’lar, birbiri ardına yapılması gereken çok hızlı hesaplamaları gerçekleştirecek şekilde tasarlanmıştır; bu da onları karmaşık hesaplamalarda mükemmel kılar.
Buna karşılık, GPU’lar daha az güçlüdür ancak aynı anda çok sayıda paralel hesaplamayı yapacak şekilde tasarlanmıştır; bu da büyük veri miktarlarını işlemek için daha uygundur.
1990’lı yıllardan 2010’lu yıllara kadar olan bu dönemde, Intel gibi CPU üreticileri sektöre hâkimken, yüksek kaliteli GPU’lar çoğunlukla sadece oyuncular ve yüksek‑end PC tasarımcıları tarafından kullanılıyordu.
GPU İşletmesi Oluşturmak
Erken aşamalarda NVIDIA kurucusu Jensen Huang ve kurucu ortakları, bilişimin hızının CPU kapasitesini aşacağını düşündüler. Jensen, Sun Microsystems için (bugün Oracle) ilk GPU’ların geliştirilmesinde kritik bir rol oynadı.
1993’te NVIDIA’nın kurucu ortaklarından biri haline gelen Jensen, 1990’ların başındaki PC devrimini benimseyerek şirketi kurdu.
“Şöyle düşündük, biliyoruz ki, belki 3D grafikler gerçekten havalı bir şey olur. Ve ilk kez, bir bilgisayar olabilecek ve istediğiniz her şey için kullanılabilecek bir platformunuz var. Aynı zamanda oyun oynamak için de kullanabilirsiniz. Ve sadece oyun oynatabilecek bir çip inşa etmemiz gerekiyor.
Hiç kimse bir PC görmemişti. Bu yüzden bir PC almamız gerekti. Bir Gateway 2000 aldık. Hiç kimse Windows ya da DOS programlamayı bilmiyordu. Hiç kimse DOS görmemişti. Bu yüzden onu söküp, sektörü öğrenmeye başladık.
Jensen Huang, Sequoia ile bir röportajda
Geriye dönüp baktığımızda, o zamanlar oyun sektörü, daha kârlı ve daha büyük kurumsal odaklı iş modellerine kıyasla çok “ciddi” bir pazar değildi. İlk kartlar ticari bir başarı yakalayamamıştı. İkinci nesil GPU’ları daha iyiydi ancak pazar, video oyunları için Microsoft’un DirectX mimarisine yöneldiğinde bir anda modası geçti.
Sonuçta NVIDIA, ürün‑pazar uyumunu bulmak için altı yıl ve üç ürün serisi harcadı; bu süreçte şirket birçok ölümcül krizle karşılaştı.
Başarı, Riva 128 ile geldi: ilk dört ayında 1 milyon birim sattı. Ardından GeForce serisi gibi uzun bir başarılı grafik kartı dizisi geldi; bu seri, AMD’nin Radeon’ı ile birlikte hâlâ pazarda hâkim konumdadır.
Kaynak: UBuy
CUDA ve Kripto
2006’da, artık iyi kurulmuş bir GPU lideri konumundaki NVIDIA, GPU’ları için genel amaçlı bir programlama arayüzü olan CUDA’yı yayınlayarak oyun dışı kullanım kapılarını açtı. Bu, bazı araştırmacıların zaten GPU’ları süper bilgisayarlar yerine hesaplamalar için kullandıkları bir dönemde gerçekleşti.
Kaynak: NVIDIA
“Araştırmacılar, GeForce adlı bu oyun kartını alıp bilgisayarınıza eklediğinizde, temelde kişisel bir süper bilgisayar elde ettiğinizi fark ettiler. Moleküler dinamik, sismik işleme, BT rekonstrüksiyonu, görüntü işleme—birçok farklı alan.”
Jensen Huang, Sequoia ile bir röportajda
Bu daha geniş GPU benimsenmesi, özellikle NVIDIA donanımı, ağ etkileri üzerine kurulu olumlu bir geri besleme döngüsü yarattı: ne kadar çok kullanım, o kadar çok son kullanıcı ve programcı, o kadar çok satış, o kadar çok Ar‑Ge bütçesi, o kadar çok işlem hızı artışı, yine daha çok kullanım, vb.
Kaynak: NVIDIA
Bugün kurulu taban, yüz milyonlarca CUDA GPU’sunu içeriyor.
Kaynak: NVIDIA
Sadece araştırmacılar için çok faydalı olmakla kalmayıp, yeni bir teknoloji de GPU paralel hesaplamasından büyük ölçüde yararlanacaktı: blokzincir ve kriptolar.
Kripto Patlaması
Şu anda AI coşkusu tarafından biraz gölgede bırakılmış olsa da, kripto, GPU’nun oyun ve bilimsel araştırma dışındaki ilk büyük ölçekli uygulamasıydı. Birçok blokzincir ve kripto projesi büyük miktarda işlem gücü gerektiriyor. Kısa sürede NVIDIA GPU’ları bu hesaplamaların merkezi donanımı haline geldi.
Bu durum NVIDIA satışlarında bir patlama yarattı ve şirket hissesi, oluşan kripto patlamasıyla paralel olarak yükselmeye başladı; hisse fiyatı 10 katından fazla arttı.
(NVDA )
Kripto piyasasındaki hareketlilik 2022’de bir miktar yavaşladı, ancak piyasalar NVIDIA’nın yıllardır inşa ettiği etkileyici bir AI stratejisi olduğunu fark etti.
Yapay Zeka
Sinir Ağları
2010’lu yılların başından itibaren araştırmacılar, sinir ağlarını incelemek için GPU’ları kullanmaya başladılar. Bu yöntem, geleneksel programlamadan farklı bir hesaplama biçimiydi ve 2024’te Fizik ve Tıp dallarında iki ayrı Nobel Ödülü kazandı.
Sinir ağları, bugün yaygın olarak “AI” olarak adlandırılan teknolojinin teknik temelini oluşturur.
2009’da, o dönemde lisans öğrencim Ian Goodfellow, benim lisans öğrencim, odasında bir GPU sunucusu kurmamda bana yardımcı oldu. O sunucu, ilk derin öğrenme deneyimlerimizde sinir ağlarını eğitmek için kullandığımız şey oldu.
GPU’larda sinir ağlarını eğitirken 10 katı hatta 100 katı hız artışı gördük çünkü binlerce ya da on binlerce işlemi paralel olarak yapabiliyorduk, bir adımı birer birer yapmak yerine.
Andrew Ng – DeepLearning.AI kurucusu & AI Fonları genel ortağı, Sequoia ile bir röportajda
Bu, 2012’deki ilk görüntü tanıma atılımı AlexNet ve yıllar önceki AlphaGo’dan çok önce gerçekleşti.
NVIDIA’yı AI’ye Yönlendirmek
NVIDIA, AI potansiyelini, sinir ağlarıyla ilgilenen uzman araştırmacıların bile fark etmesinden çok önce gördü.
Bu, o dönemde kanıtlanmamış, zar zor var olan bir sektöre riskli bir adım atmak demekti; Jensen Huang’un sözleriyle:
“Sıfır‑milyar dolarlık pazarlara yatırım yapıyoruz.”
2016 ve 2017’de NVIDIA, Pascal ve Volta mimarilerini sırasıyla piyasaya sürdü; Volta, Tensor Çekirdeklerini tanıtarak derin öğrenme görevlerini 12 kata kadar hızlandırdı.
Bu yeni yönde tamamen bir dönüşüm oldu. Bu yöne yöneldiğimizde, gezegendeki her AI araştırmacısını aramaya başladık.
Platformumuzun onlara faydalı olması, o dönemde aldığımız olumlu geri bildirimdi. Bu, dünyanın önde gelen AI araştırmacılarıyla dost olmamın nedeni.
Onlar, gelecekteki başarının erken göstergelerini bize sağladılar ve bu küçük zaferleri büyük bir mesele haline getirmemiz gerektiğini söylediler.
Bu, 2023’te halka açık bilinçte büyük bir patlama yaratan popüler LLM’lerin (Büyük Dil Modelleri) – Chat GPT gibi – çıkışıyla AI bilişim altyapısının inşasını önceden öngörüyordu.
Ancak bu, 2016’dan bu yana NVIDIA tarafından daha güçlü AI‑özel GPU’ların yavaş ve çoğu zaman unutulan geliştirilmesiyle inşa edildi.
Kaynak: NVIDIA
AI bilişim gücünün evrimi, CPU’lar için daha lineer olan Moore Yasası yerine üstel bir yasa izliyor. Bu, sadece GPU donanımının iyileşmesiyle değil, aynı zamanda sinir ağlarının eğitilme şeklinin radikal bir şekilde gelişmesiyle işlem gücünün azalmasıyla mümkün oluyor.
Ek olarak, daha fazla veri mevcut olduğundan eğitim daha verimli hale geliyor; araştırmacılar paralel olarak birçok açıdan çalışarak performansı artırabiliyor.
Bu, aynı GPT modelini eğitmek için gereken enerjinin zaman içinde %350 daha az tüketilmesi ve bu LLM’lere istek gönderirken harcanan enerjinin daha da aşırı derecede azalması anlamına geliyor.
Kaynak: NVIDIA
NVIDIA Ortaklıkları
NVIDIA, kuruluşundan bu yana sektörde derin bağlantılara sahip bir şirket olmuştur. Dikey entegrasyonlu bir şirket olmak yerine, en iyileriyle derin bağlar kurmayı ve kendi rekabet avantajlarına odaklanmayı tercih eder.
Örneğin, NVIDIA bir “fabless” donanım üreticisidir; tasarım ve konseptlere odaklanır, üretimi ise dünya çapında lider yarı iletken “fab” olan TSMC (TSM ) gibi şirketlere bırakır.
Kendi LLM’lerini ya da AI sistemlerini geliştirmediği için, NVIDIA neredeyse tüm “Büyük Teknoloji” şirketleri ve AI girişimleri için güvenilir bir ortak konumundadır; bu şirketler NVIDIA’yı potansiyel bir rakipten ziyade vazgeçilmez bir ortak olarak görür. Bu da NVIDIA’ya, satış ölçeği sayesinde Ar‑Ge’ye yeniden yatırım yapma ve teknoloji açısından oyunun önünde kalma imkânı tanır.
Bu strateji doğru çıkmış; NVIDIA, teknoloji endüstrisinin tarihindeki en etkileyici sermaye harcaması (capex) dalgasının en büyük yararlanıcısı konumunda.
AI capex’inin 2025’te 200 milyar dolar seviyesine ulaşması bekleniyor; bu, 2016’dan bu yana en büyük teknoloji şirketlerinin birikimli capex harcamalarının sürekli artışının bir üst katmanıdır.
Kaynak: Sherwood
Finansallar
NVIDIA’nın 2023’ten 2024’e sadece bir yıl içinde gösterdiği büyüme, bu büyüklükteki bir şirket için inanılmaz:
- Gelirler %126 artarak 27 Milyar $’dan 60 Milyar $’a yükseldi.
- Faaliyet geliri %311 artarak 9 Milyar $’dan 37,1 Milyar $’a üç katına çıktı.
- Brüt Marj %59,2’den %73,8’e yükseldi.
Genel olarak şirket yüksek bir değerlemeye sahip, ancak bu sadece kazanç büyümesinden kaynaklanıyor. P/E oranı 60’ın üzerinde ve temettü getirisi sadece %0,03; NVIDIA hisselerini satın alan yatırımcılar, mevcut hisse fiyatını haklı çıkarmak için büyük bir gelecek büyümesi varsayıyor.
Kaynak: NVIDIA
NVIDIA’nın Geleceği
Sürdürülebilir Büyüme?
NVIDIA’nın üç haneli büyüme oranı şaşırtıcı ve şirket hissesine yansımış durumda. Elbette, her iyi şey bir gün sona erer ve yatırımcılar bu durumun yakında gerçekleşebileceği konusunda endişelenmeye başladı.
Aynı endişeler, NVIDIA satışlarının kripto satışlarından ya da AI patlamasının erken aşamalarından yükseldiği zaman da yüksek sesle dile getirilmişti; bu yüzden kötümserlik mutlaka sağlam bir yatırım stratejisi değildir.
BG2Pod podcast’inde yapılan bir röportajda Huang, dünyanın AI’ye uyum sağlamak ve adapte olmak için 1 trilyon $’lık veri merkezi ve bilgi işlem altyapısını güncellemesi gerektiğini, şu ana kadar bu toplamın sadece 150 Milyar $’ının harcandığını belirtti.
Dolayısıyla, ona göre, NVIDIA’nın satışlarını artırmak için hâlâ geniş bir alan var; bu sadece mevcut bilgi işlem ihtiyaçlarından kaynaklansa bile. Bu, AI’nın daha fazla uygulamasının ana akıma girmesinden önceki durum.
Bu tür endişeler, toplam talebi göz ardı ediyor; nihayetinde, tüm sektörlerin bir şekilde AI’yi çoklu seviyelerde devreye alması muhtemel, sağlık gibi GSYİH’nın iki haneli yüzdesini temsil eden sektörler dahil.
Kaynak: NVIDIA
Blackwell
Mart 2024’te NVIDIA, “her yerdeki kuruluşların, trilyon‑parametreli büyük dil modellerinde gerçek zamanlı üretken AI’yi, selefine göre %25 daha az maliyet ve enerji tüketimiyle inşa etmelerini ve çalıştırmalarını sağlayan” Blackwell platformunu tanıttı.
Kaynak: NVIDIA
Bu çok önemli bir adım; çünkü enerji tüketimi, AI odaklı şirketlerin en büyük endişelerinden biri haline geliyor; örnek Microsoft’un bir nükleer santrali yeniden açıp önceden belirlenmiş bir fiyat üzerinden önümüzdeki 20 yıl boyunca tüm gücünü AI girişimlerine yönlendirme anlaşması ile gösteriliyor.
İç Tasarımlar
NVIDIA için bir risk, dünyanın en büyük şirketlerine kilit bir ortak olmasının yanı sıra aynı zamanda çok pahalı ve kârlı bir ortak (%70 brüt marj) olmasıdır. Alphabet/Google gibi şirketler, yüz milyarlarca dolar harcayarak AI çipleri üretirken, bu çipleri iç kaynaklardan üretme eğilimindedir.
Örneğin, Tesla, NVIDIA rakibi AMD’den üst düzey tasarımcıları işe alarak kendi donanımını geliştirdi. 2019’a kadar Tesla, NVIDIA Drive PX 2 AI bilişim platformunu kullanıyordu. Tesla, robotaksi’yi ticarileştirmeye çok yaklaştıkça, bu durum NVIDIA için büyük bir kaçırılmış satış anlamına gelebilir.
Aynı zamanda, Tesla örneği bir istisna olabilir; Tesla ve Elon Musk’ın diğer şirketleri, örneğin SpaceX, her zaman daha fazla dikey entegrasyon ve donanım üzerindeki kontrol seviyesini artırma peşindedir.
Donanımda daha az deneyimli, daha çok yazılım ve/veya pazarlamaya odaklanan şirketler, örneğin Facebook ya da Microsoft, NVIDIA’nın en yeni ve en iyi teknolojisine güvenmeye devam edecekler.
Ek olarak, birçok AI modeli şu anda NVIDIA mimarileri üzerinde çalışacak şekilde kodlanmış ve AI programcıları NVIDIA donanımına aşina; bu da şirket için değerli bir iş koruması oluşturuyor.
AI Piyasa Riskleri
AI pazarı bütün olarak, NVIDIA’nın mükemmel yönetiminin daha az kontrol edebileceği daha büyük bir risk oluşturabilir. Şu an için patlama yaşıyor, ancak AI uygulamalarının Apple’ın iPhone’u gibi devasa yeni gelirler yaratmadığı konusunda artan bir endişe var.
Bu, teknolojinin hâlâ kendine uygun konumunu bulduğunu ve pazarını geliştirdiğini gösteren bir işaret olabilir.
Ancak bu durum çok uzun sürerse, 1990’ların sonundaki PC ve internetin önemine dair tahminlerin doğru olduğu, fakat zamanlamanın biraz fazla iyimser olduğu ve dot‑com balonunun patlamasına yol açtığı bir senaryoya benzer bir riskle karşı karşıya kalabiliriz.
Jensen Huang’un Haziran 2024’te bir kadının göğsüne imza atması, yatırımcılar için biraz şaşırtıcı ve AI etrafında potansiyel bir finansal çılgınlık konusunda endişe verici bir işaret olabilir.
Finansal tarih mutlaka tekrarlanmıyor, ancak yatırımcılar NVIDIA için bu riski doğru analiz etmek ve 2000’de Sun Microsystems (Jensen Huang’un ilk işvereni) gibi telekom ve internet donanım üreticileriyle olası paralellikleri incelemek isteyecek.
“Gelirlerin 10 katı seviyesinde, 10 yıllık bir geri ödeme süresi vermek için, 10 yıl boyunca gelirlerin %100’ünü temettü olarak ödemem gerekir. Bu, hissedarlarım tarafından sağlanabileceğini varsayar. Sıfır maliyetli bir ürün maliyeti varsayar, bu bir bilgisayar şirketi için çok zordur. 39.000 çalışanla sıfır gider varsayar (…)
Şimdi bunu yaptıysam, hisseyi 64 $’dan almak isteyen var mı? Bu temel varsayımların ne kadar saçma olduğunu fark ediyor musunuz? Şeffaflığa ihtiyacınız yok. Dipnotlara ihtiyacınız yok. Ne düşündünüz?
Scott McNealy – o zamanlar Sun Microsystems CEO’su
Referans olarak, NVIDIA’nın mevcut P/S oranı 35’tir.
Kaynak: YChart
Sonuç
NVIDIA, doğru zamanda birbiri ardına doğru hesaplanmış riskler alarak PC grafik kartlarından CUDA’nın yeni uygulamalara açılmasına, sinir ağlarını erken benimsemesine kadar bir dizi stratejik adım attı. Bu, kurucu Jensen Huang’u yarı iletken ve BT sektöründe bir rockstar haline getirdi.
Şirketin son performansı piyasayı şaşırttı ve Tesla’nın son yıllarda elde ettiği heyecan verici hisse hareketlerine benzer büyük bir fırsat yarattı. Bu, Tesla yatırımcılarının neredeyse bir on yıl süren eleştirmenlerin “her an başarısız olacak” tahminlerine rağmen yaşadığı büyük fırsatı hatırlatıyor.
Ayrıca bu durum bazı riskleri de beraberinde getiriyor; AI patlaması henüz mevcut capex’i haklı çıkaracak kadar gelir üretmedi ve tam anlamıyla yerleşik bir ekonomik sektör haline gelmeden önce bir durgunluk yaşayabilir.
