Az Nvidia készlet birtoklása megtérül két áthatolhatatlan árok miatt

A technikai részvények épp most csapódnak le, és az Nvidia a Wall Street egyik legnagyobb vesztese lehet a múlt hónapban kezdődött és a héten is folytatott eladásban. Az Nvidia részvényeinek 30 napos csúcsa 292 dollár, az ostorcsapás legalacsonyabb értéke 176 dollár volt – ez négy hét alatt 40% -os zuhanást jelent. Ma 197,60 dolláron áll.

A gazdasági mutatók és a c h vállalatok eredményei nem pontosan indokolják ezt a piaci reakciót. Attól tartanak, hogy a félvezető-ipar lassul, az Advanced Micro Devices eredményjelentését nem vették figyelembe, amikor az Intel erős Q3-os eredményt jelentett. És bár az Apple az esetleges iPhone-telítettség miatt az 1 billió dolláros piaci korlát felső határán lehet, az Nvidia kilátásai épp ellenkezőleg vannak az állami vállalatok növekedési pályája szempontjából. A piac továbbra is ingatag lehet, de a türelmes Nvidia befektetők jutalmat kapnak a GPU-alapú felhőteljesítmény versenyelőnyeinek és az Nvidia platformjának fejlesztői elfogadásának köszönhetően.

Az Nvidia bevételi szegmenseinek rövid áttekintése

Összefoglalva: a gaming az Nvidia bevételeinek többségét 1,81 milliárd dollárra teszi ki, ami 52% -kal magasabb éves szinten. A játék 6–12 hónap alatt szép lendületet fog kapni az új Quadro RTx chipekkel, amelyek bevezetik a hibrid renderelés lehetőségét sugárkövetéssel. A laikus kifejezéssel élve, a sugárkövetés utánozza, hogy a fény hogyan viselkedik a való világban, a 3D megvilágítási forrásokból származó sugarak feltérképezésével. Ennek eredményeként a képek sokkal reálisabbak. Az Electronic Arts ma (november 14-én) jelentette meg az első sugárkövetési játékot, míg 6 hónappal ezelőtt a játékipar nem gondolta, hogy a sugárkövetés még lehetséges is lenne. Az új turingi architektúrára feliratkozott vállalatok közé tartozik az Adobe, a Pixar, a Siemens, a Black Magic, a Weta Digital, az Epic Games (a Fortnite gyártója) és az Autodesk.

Az adatközpont bevételei gyorsabban növekedtek 83% YoY-val, vagyis 760 millió dollárral, mivel a GPU-chipek a felhőből többet szolgáltatnak gépi tanuláshoz és mesterséges intelligencia alkalmazásokhoz. Az adatközpont bevételei, ha egyszer csak kis üteműek, a vállalat teljes árbevételének 24% -át igénylik. Ez a közeljövőben folyamatosan növekszik a számítási teljesítmény és rugalmasság miatt, amelyet a GPU-k biztosítanak a CPU-khoz képest, amit az Intel értékesít, vagy a TPU-k és az FPGA, amelyek a Google egyéni gépi tanulási chipjei és a Microsoft által használt, túl specifikusak egy platformra a széleskörű elterjedés érdekében – erről az alábbiakról olvashat bővebben.

Forrás: TechCrunch

Az Nvidia kisebb szegmensei közé tartozik a professzionális vizualizáció és az autóipar, amelyek 281 millió, illetve 161 millió dollárra nőttek, 20% -kal, illetve 13% -kal növekedtek évről évre.

Két áthatolhatatlan várárok: GPU-Cloud és fejlesztői elfogadás

A bevételi szegmensek a tipikus Nvidia részvény lefedettség. De vajon az Nvidia átveheti-e az Intel piaci részesedését? Tervezik-e a Google, a Microsoft, a Facebook és az Apple saját egyedi chipjeit, hogy versenyezzenek az Nvidiával? Ez az, amire a befektetőknek maguknak kell válaszolniuk, különösen, ha folytatjuk a korrekciós területet.

Az Intel tekintetében a felhő túl versenyképes ahhoz, hogy lemondjon az Nvidia által nyújtott teljesítményről és hatékonyságról. A közelmúltban a Turing T4 GPU minden idők leggyorsabban elfogadott szerver GPU-jává vált, mindössze két rövid hónap alatt, amikor piacra lépett. A Turing T4 GPU megjelenése előtt az Nvidia adatközpontjának növekedése háromszorosa volt az Intelhez képest. Az Intel éves szinten 26% -kal növekedett, míg az Nvidia 83% -kal. Az Nvidia adatközpontjának bevétele azonban 1/6 az Intel 760 millió dolláros és 6,1 milliárd dolláros bevételéhez képest. Ez a bevételi szegmens tovább fog növekedni, mivel a GPU-alapú felhő kiépül. Sajnos az Intel számára a GPU-k a jobb választás a felhőalapú ügyfelek számára, mivel a használati szokások folyamatosan változnak, sokféle modellt és különböző szoftver keretet igényelnek. Az Intel CPU Xeon processzora nem képes felvenni a versenyt az wattonkénti teljesítményével, amit az Nvidia kínál a felhőben. A 2018. szeptember 13-i bejelentés szerint a Microsoft, a Google, a Cisco, a Dell EMC, a Fujitsu, a HPE, az IBM, az Oracle és a Supermicro azt tervezi, hogy kiszolgálókat bocsát ki az Nvidia T4 GPU-jával.

A Google és a Microsoft is chipeket készített adatközpontjaihoz. A Microsoft elfogadta a terepi programozható kaputömböt (FPGA), amelyet az AI alkalmazásokhoz használnak. A Google pedig létrehozott egy egyedi chipet, a Tensor Processor Unit (TPU) nevet a Google TensorFlow mély tanulási keretrendszeréhez. A versenyképes, testreszabott chipek új normává válnak, mivel a technológiai óriások inkább a saját technológiát használják. A legnagyobb gyengeség, amellyel a versenytárs testreszabott chipek szembesülnek, például a Google TPU-ja és a Microsoft által használt FPGA, hogy túl specializáltak lehetnek ahhoz, hogy a fejlesztők elfogadják őket. A hátrányok továbbra is az ár és a nehézségek lesznek, mivel az FPGA programozása olyan terület, amelyben nem sok mérnök rendelkezik tapasztalattal. Ugyanez vonatkozik a Google Cloud Platformra (GCP) is. Meg kell szerezni a fejlesztőket, hogy alkalmazzák a GCP-t, és tartsák őket a TensorFlow-ban. Ennek ellenére léteznek olyan alternatív keretrendszerek, mint például a Facebook PyTorch, amelyek tovább növelik a fejlesztői keretek széttöredezettségét. Ezenkívül még akkor is, ha a Google TPU-kat használ a következtetések levonására, akkor is használhatja az Nvidia GPU-ját az ideghálózatok képzésére.

Használjunk példaként mobilalkalmazás-fejlesztést. Az egyik oka annak, hogy a mobil duopólium az Android és az iOS között, hogy a fejlesztők csak annyi eszközt és fejlesztői környezetet tanulhatnak meg, mielőtt a folyamat hatástalanná válik. Ahhoz, hogy valóban kiemelkedő legyen egy nyelv, egyetemesnek kell lennie. Például a Microsoft megpróbált elindítani egy Windows telefont, amely ellenállásba ütközött, mivel a fejlesztők nem törődtek egy olyan új operációs rendszer megtanulásával, amely nem tudta magát bizonyítani a felhasználók elfogadásával. Viszont a mobil felhasználók nem azért vásárolták meg a Windows telefont, mert kedvenc alkalmazásuk nem volt elérhető letöltésre. Az iPhone sikere az iOS fejlesztőknek köszönhető, akik olyan eszközöket tanultak meg, mint az XCode, alkalmazások létrehozásához. Az Android a többi gyártó, például a Samsung, az LG, a Sony, a Pixel stb. Versengő univerzális nyelvévé vált. Az AI-alkalmazások és a gépi tanulás következtetéseinek következő hulláma ugyanazt az utat fogja követni a korlátozott verseny miatt a fejlesztési sávszélesség miatt. A fejlesztők az összes keretet támogató univerzális platform szükségessége miatt önszabályozzák a feldolgozó egységek versenytársainak számát.

Íme egy idézet Marc Andreessen-től, az Andreessen-Horowitz-tól, a Szilícium-völgy egyik legsikeresebb kockázatitőke-befektetőjétől:

„Sok olyan startupba fektettünk be, amelyek számos területen alkalmazzák a mély tanulást, és mindegyik hatékonyan az Nvidia platformjára épít. Olyan ez, mint amikor az emberek mind a 90-es években a Windows-ra építettek, vagy a 2000-es évek végén mind az iPhone-ra építettek. ”

Még nagyobb szükség van a mesterséges intelligencia és a gépi tanulás egyszerűsítésére, mint amire a mobil szabványok vonatkoznak. Évente több ezer változat jelenik meg az AI-ben, ahogy az ideghálózatok mélységében, összetettségében és architektúrájában fejlődnek és bővülnek. Számos keretrendszert támogatnak a legfontosabb ipari szereplők, és az Nvidia GPU-i elég rugalmasak ahhoz, hogy felgyorsítsák ezeket a keretrendszereket és munkafolyamatokat, beleértve a Caffe2-t, a Kognitív eszközkészletet, a Kaldi-t, az MXNet-et, a PaddlePaddle-t, a Pytorch-ot és a TensorFlow-t.

Ezen túlmenően az AI a felhőn túl is előfordul, és az Nvidia GPU-jai elérhetők úgynevezett éles eszközökben, például önvezető autókban, asztali számítógépekben, munkaállomásokon, adatközpontokban és minden fő felhőszolgáltatón.

Következtetés

Az Nvidia már a fejlesztés univerzális platformja, de ez nem válik nyilvánvalóvá, amíg a mesterséges intelligencia innovációja le nem érik. A fejlesztők a mesterséges intelligencia alkalmazások jövőjét tervezik az Nvidia-n, mert a GPU-k könnyebbek és rugalmasabbak, mint a Google testreszabott TPU-chipjei vagy a Microsoft által használt FGPA-chipek. Eközben az Intel CPU chipjei küzdeni fognak a versengéssel, miközben a mesterséges intelligencia alkalmazások és a gépi tanulás következtetései felhőbe kerülnek. Az Intel megpróbálja felzárkózni, de az Nvidia továbbra is kiadja az erősebb GPU-kat – és az olyan felhőszolgáltatók, mint az Amazon, a Microsoft és a Google nem kockáztathatják meg az Nvidia technológiájával járó versenyelőny elvesztését.

Az Nvidia Turing T4 GPU-jának hamarosan meg kell jelennie a jövedelmében, és a sugárkövető Quadro RTx chipek erősen megtartják a játékból származó bevételeket, ha 6–12 hónap alatt több bevezetésre kerül sor. Az Nvidia egy olyan vállalat, amely nagy jövedelmekről számolt be, átlagosan 33,35 százalékos emelkedési potenciállal számolva az elmúlt négy negyedév becslése szerint. Az adatközpontok bevétele 24% -on áll, és gyorsan növekszik. Amikor a mesterséges intelligencia beérik, akkor az adatközpont bevételeire számíthat az Nvidia legfőbb bevételi szegmense. A technológiai szektorban tapasztalt korrekciók ellenére, és különös tekintettel az Nvidia részvényekre, a türelmes befektetőknek a jövőben jelentős megtérülésük lesz.