Článek
Příběh technologických revolucí se často opakuje ve vlnách. Před zhruba třiceti lety internet změnil trajektorii růstu amerických firem, otevřel nové prodejní a marketingové kanály a připravil půdu i pro revoluci v retailovém investování. Trhy pak dlouho čekaly na další technologický skok s podobnou razancí. Umělá inteligence dnes vypadá jako právě ten dlouho očekávaný motor změny – a jedním z hlavních „pick-and-shovel“ vítězů se stala Nvidia (NVDA), jejíž grafické procesory tvoří výpočetní páteř podnikových datových center.
AI přináší zásadní posun v tom, jak software a systémy rozhodují. Možnost autonomního vyhodnocování a rozhodování v řádu zlomků sekundy je kvalitativně jiný typ technologického nasazení, než jaký trhy viděly v řadě předchozích cyklů. Analytici PwC v textu zmiňují, že do roku 2030 může AI navýšit globální hrubý domácí produkt o více než 15 bilionů dolarů. V takovém kontextu není překvapivé, že se z GPU Nvidie stal „mozek“ datových center – ať už pro trénování velkých jazykových modelů, nebo pro běžící inferenci.
Výsledkem je mimo jiné dramatický růst hodnoty firmy. Text uvádí, že tržní kapitalizace Nvidie vzrostla od začátku roku 2023 téměř o 4,3 bilionu dolarů, což ilustruje, jak klíčový se její hardware stal pro datová centra využívající AI. Tohle ale zároveň vytváří prostor pro konkurenční tlak, který investoři často zjednodušují na duel „Nvidia versus AMD nebo Broadcom“. Jenže hlavní hrozba je podle logiky článku jinde: přichází zevnitř ekosystému, a hlavně od těch, kdo za GPU utrácejí nejvíc.
Broadcom a AMD jsou relevantní konkurenti, ale narážejí na náskok Nvidie
Broadcom (AVGO) i Advanced Micro Devices (AMD) v článku vystupují jako silní a legitimní rivalové v AI infrastruktuře. Poptávka podniků po výpočetním výkonu je popsaná jako prakticky neukojitelná a všechny tři firmy z toho v datových centrech těží. Nvidia přitom drží lví podíl trhu díky výpočetním výhodám. Text výslovně uvádí, že několik generací jejích AI GPU – Hopper (H100), Blackwell a Blackwell Ultra – dosahovalo výrazně lepších výsledků než konkurence.
Důležitý je i rytmus inovací. Jensen Huang podle textu „nešetří náklady“, aby firma udržela technologický náskok, a dohlíží na každoroční uvádění nového pokročilého čipu. V článku se zmiňuje, že GPU Vera Rubin má ve druhé polovině tohoto roku nahradit Blackwell Ultra. V praxi to znamená, že i když se konkurenti snaží dotahovat „minulou generaci“, Nvidia posouvá laťku dál a zrychlený harmonogram inovací pomáhá konzervovat její pozici na vrcholu.
To ovšem neznamená, že konkurenti nemají prostor získat část trhu. AMD je v textu představené jako důvěryhodný dodavatel CPU, který nabízí čipy Instinct pro akceleraci AI – obecně levnější a dostupnější alternativu. Z článku také plyne, že když poptávka převyšuje nabídku, Nvidia má zpoždění v dodávkách, zatímco u AMD to tak být nemusí. Broadcom zase může „způsobit rozruch“ díky aplikačně specifickým integrovaným obvodům (ASIC). Autor připomíná, že Broadcom je známý síťovými řešeními, ale jeho přizpůsobené ASIC mohou v příštích několika letech přinést 60 až 90 miliard dolarů tržeb od vybrané skupiny hyperscalerů.
Podstatné ale je závěrečné vyústění této části: specializace Broadcomu a hodnotová nabídka AMD z nich dělají silné soupeře, nikoli však největší hrozbu pro dominanci Nvidie v AI datových centrech.
„Vnitřní“ konkurence Magnificent Seven mění ekonomiku trhu GPU
Největší riziko je v článku definováno jako konkurence, která vzniká přímo uvnitř zákaznické základny. Nvidia sice prodává čipy výrobcům originálního vybavení, kteří následně staví servery pro AI datová centra, ale mezi jejími nejvýznamnějšími nepřímými odběrateli jsou firmy ze skupiny „Magnificent Seven“. Text jmenuje průmyslové giganty Meta Platforms (META), Microsoft (MSFT) a Amazon (AMZN), kteří utratili desítky miliard dolarů za GPU Nvidie, aby podpořili své AI ambice.
Zásadní společná charakteristika těchto firem je, že si zároveň vyvíjejí vlastní čipy či řešení pro AI nasazení ve vlastních datových centrech. Článek uvádí konkrétní příklady: Meta vyvinula více než jednu generaci čipu Meta Training and Inference Accelerator. Microsoft představil vlastní čip nové generace Azure Maia 200 pro inferenční úlohy. Amazon má dva vlastní AI čipy, Inferentia2 a Trainium, přičemž Trainium je popsaný jako specializovaný akcelerační čip používaný při trénování a inferenci komplexních generativních modelů. A zároveň jsou zmíněny i tensorové procesorové jednotky Google Cloud, tedy TPU, které jsou navržené na míru pro trénování a inferenci AI modelů – v rámci ekosystému Alphabet (GOOGL).
Klíčová věta této logiky je, že i když interně vyvinuté čipy nemusí být nutně rychlejší nebo efektivnější než GPU Nvidie, jsou výrazně levnější a snadněji dostupné. To je přesně ten typ konkurence, který nepůsobí jen na „výkon“, ale na ekonomiku celého trhu.
Tři kanály dopadu: marže, upgrade cykly a hodnota starších generací
Článek popisuje tři konkrétní problémy, které interní vývoj čipů u největších odběratelů vytváří pro Nvidii.
První je cenová síla a marže. Mimořádná cenová síla Nvidie a hrubá marže kolem 70 % podle GAAP jsou v textu přímo svázané s přetrvávajícím nedostatkem GPU. Pokud si největší odběratelé dokážou část poptávky pokrýt vlastními čipy, může se pro ně nedostatek „rychle ukončit“, a tím se oslabí cenová síla i marže Nvidie. Nejde o abstraktní obavu, ale o přímý mechanismus: když kupující získá levnější a dostupnější alternativu, vyjednávací pozice dodavatele se zhoršuje.
Druhý problém jsou budoucí upgrade cykly. Text uvádí, že od první skutečné vlny upgradů datových center nás dělí zhruba tři roky, ale interní hardware může snížit zájem nejvlivnějších podniků o nákup nejnovějších GPU od Nvidie. Jinými slovy: i když Nvidia dál inovuje, tempo, s jakým budou největší zákazníci přecházet na nové generace, může být méně „automatické“, než by investoři čekali v prostředí bez interních alternativ.
Třetí kanál souvisí s rychlostí inovací Nvidie. Agresivní cyklus (každoroční uvádění pokročilého čipu) může podle textu rychle znehodnocovat GPU předchozí generace. Pokud hodnota starších čipů klesne rychleji, než kupující očekávali, mohou být motivováni používat je déle. A pokud Meta, Microsoft, Amazon a další dokážou starší GPU doplnit svými interními čipy, nemusí být nutné spoléhat se na nejnovější generaci Nvidie. Tady se uzavírá kruh: rychlá inovace je konkurenční zbraní, ale současně může změnit ekonomiku obměny hardwaru u zákazníků, kteří mají vlastní alternativy.
Výsledná teze článku je tvrdá a jasná: pro Nvidii neexistuje větší konkurenční riziko než vnitřní konkurence – tedy situace, kdy její největší odběratelé zároveň budují vlastní hardware, který je levnější a dostupnější, a tím zasahují do marží, do nákupních cyklů i do životnosti starších generací GPU.
