Wydatki hyperscalerów mogą wesprzeć pozycję Nvidii i AMD

Alphabet (NASDAQ:GOOG) opublikował wyniki i wysokie kwartalne wydatki kapitałowe (CapEx). Tempo wydatków hyperscalerów może więc zmierzać w stronę 200 mld USD rocznie. To pokazuje, jak agresywnie firmy budują infrastrukturę AI, by utrzymać przewagę konkurencyjną.

Hyperscalerzy inwestują, by szybciej zbudować infrastrukturę niż konkurencja. Często komentarze menedżerów wskazują, że ograniczenia techniczne powstrzymały większy wzrost w danym kwartale. Mimo to popyt w chmurze pozostaje silny.

W miarę jak popyt na AI rośnie, odpowiedzialność za wąskie gardła przenosi się na faby (fabryki półprzewodników), które same mają ograniczoną przepustowość. Zaległy portfel zamówień daje wskazówki co do przyszłych przychodów producentów chipów. Niektórzy inwestorzy spodziewają się spadku sprzedaży i marż, lecz moim zdaniem te ograniczenia mogą przedłużyć fazę rozbudowy centrów danych o kilka lat.

Do tego dochodzi Paradoks Jevonsa — zjawisko, w którym wzrost efektywności prowadzi do większego wykorzystania. Innymi słowy, gdy układy będą bardziej wydajne, firmy mogą potrzebować ich więcej, a nie mniej. To utrudnia założenie szybkiego zakończenia cyklu inwestycyjnego w półprzewodnikach.

Następna generacja sprzętu od Nvidia (NVDA) i Advanced Micro Devices (AMD) przynosi znaczące wzrosty efektywności. Producenci GPU (procesorów graficznych) sprzedają duże ilości szaf serwerowych (racków) do hyperscalerów i jednocześnie rozwijają oprogramowanie. To tworzy grubą poduszkę zabezpieczającą ich pozycję na rynku infrastruktury AI.

Skala wydatków na AI jest ogromna. Setki miliardów dolarów CapEx mogą, w miarę łagodzenia wąskich gardeł, przekształcić się w ponad 1 bln USD wydatków w całym cyklu. Do tego czasu Nvidia i AMD starają się sprostać bardzo wysokiemu popytowi i zwiększać udział w rynku.

Jednak poduszka finansowa nie oznacza, że kurs akcji nie może spaść. Nvidia wyceniana jest na nieco ponad 23,0 razy prognozowanego P/E. Nawet spółka, która wydaje się tania według jednego wskaźnika, może stawać się jeszcze tańsza, jeśli rynek zacznie powątpiewać w jej przyszłe zyski.

Moim zdaniem prawdziwe, strukturalne zagrożenie dla dominacji tych dostawców to własne, dedykowane układy scalone projektowane przez hyperscalerów (tzw. custom silicon). Problem nie musi polegać na niższym globalnym CapEx, lecz na tym, że coraz większa część wydatków może trafiać bezpośrednio do wewnętrznych projektów hyperscalerów, a nie do zewnętrznych producentów chipów. Jeśli taki trend przyspieszy, poduszka zabezpieczająca pozycję Nvidii i AMD może się znacząco przerzedzić.