Największym zagrożeniem dla Nvidii są jej klienci, nie chipy Broadcomu czy AMD

Sztuczna inteligencja umożliwia oprogramowaniu i systemom podejmowanie autonomicznych, błyskawicznych decyzji. PwC szacuje, że ta zmiana może stworzyć 15,7 bln USD wartości gospodarczej do 2030 r.

W centrach danych AI dominują układy graficzne (GPU) Nvidii (NASDAQ: NVDA). Nvidia wprowadziła już na rynek cztery generacje GPU: Hopper, Blackwell, Blackwell Ultra i obecnie Vera Rubin. Posiadanie preferowanego sprzętu do napędzania generatywnej sztucznej inteligencji i trenowania dużych modeli językowych uczyniło GPU Nvidii bezdyskusyjnym wyborem dla firm.

Dyrektor generalny Nvidii, Jensen Huang, stara się corocznie wprowadzać na rynek zaawansowany GPU, dzięki czemu najnowszy sprzęt jest zwykle wydajniejszy od poprzedniego i utrudnia konkurentom zdobycie udziałów rynkowych.

Advanced Micro Devices (NASDAQ: AMD) może nadal odnosić sukcesy jako tańsza alternatywa dla GPU Nvidii. Popyt na układy przyspieszające AI poprawił pozycję negocjacyjną AMD w przypadku serii Instinct, a niższa cena i mniejsza liczba zaległych zamówień mogą uczynić AMD atrakcyjną opcją dla niektórych klientów.

Tymczasem Broadcom (NASDAQ: AVGO) dostarcza wyspecjalizowane ASIC (układ scalony zaprojektowany do określonego zadania) głównie dla hyperscalerów (wielkich dostawców usług chmurowych). Te układy nie są przeznaczone do ogólnych obciążeń, do których zaprojektowano GPU Nvidii, więc mimo rozgłosu Broadcom nie zagraża bezpośrednio dominacji Nvidii w ogólnych obciążeniach centrów danych AI.

Najważniejsze ryzyko dla Nvidii płynie jednak od jej największych klientów. Najwięksi odbiorcy — w tym członkowie tzw. „Magnificent Seven” — składają ogromne zamówienia na GPU, ale równocześnie rozwijają własne układy do użycia we własnych centrach danych.

Te wewnętrzne układy nie muszą być szybsze od rozwiązań Nvidii ani sprzedawane na zewnątrz, żeby stanowić problem. Po pierwsze, część wyjątkowej marży brutto Nvidii wynika z trwałych niedoborów GPU. Jeśli klienci zajmą miejsce w centrach danych własnymi chipami, Nvidia może szybko stracić tę przewagę.

Po drugie, układy projektowane wewnętrznie zwykle są tańsze i prawdopodobnie łatwiej dostępne niż sprzęt Nvidii, wobec czego mogą redukować zależność od długiego portfela zaległych zamówień Nvidii.

Po trzecie, chipy opracowane przez klientów mogą opóźnić przyszłe cykle modernizacji centrów danych. Przy przyspieszonym tempie wprowadzania nowych generacji GPU przez Nvidię, starsze modele szybko się deprecjonują; jeśli hyperscalerzy wdrożą tańsze, wewnętrzne rozwiązania, mogą przełożyć inwestycje w kolejne aktualizacje oparte na GPU Nvidii.

W efekcie konkurencja prowadzona wewnątrz firm-klientów wydaje się największym zagrożeniem dla dalszego sukcesu Nvidii.