Web Interstitial Ad Example

英偉達(Nvidia):皇者是否有致命一擊?

26-03-2024
xx20240325a

近期,英偉達在其年度盛會 GTC 2024 上取得了成功,推出了名為 Blackwell 的新一代 GPU 產品,並宣布了多項促進長期增長的舉措,包括人形機械人和以人工智能驅動的藥物發現等。

近期,英偉達在其年度盛會 GTC 2024 上取得了成功,推出了名為 Blackwell 的新一代 GPU 產品,並宣布了多項促進長期增長的舉措,包括人形機械人和以人工智能驅動的藥物發現等。

Blackwell GPU 在性能上有令人印象深刻的改進,相較於上一代的 Hopper,它能夠將大型語言模型的訓練速度提高2.5倍,將生成式人工智能模型的推理速度提高25倍。此外,Nvidia表示Blackwell的成本和能耗比 Hopper低25倍。在接受 CNBC 採訪時,CEO黃仁勳提到,即將推出的 Blackwell 圖形處理單元的售價將在每台30,000-40,000美元之間,使其與 AMD產品系列相比具有競爭力。這種具有競爭力的定價預計將維持較高的市場需求。Blackwell 將於 2024 年推出,預計對2025財年的增長產生推動作用,而 Hopper產品系列則將滿足2024財年的強勁需求。

除了產品發布外,英偉達還推出了一系列行業舉措,旨在推動對其人工智能產品的長期需求。例如,Groot專案專註於開發人形機器人的基礎模型。此外,英偉達還宣布了在藥物發現、氣候和交通等領域推出的新服務和措施。通過利用Omniverse等現有的先進服務,英偉達將自己定位為推動跨多個行業整合人工智能的驅動力。

在 GTC 活動結束後,英偉達股價反彈,目前 2025 財年的市盈率(PER)為 38 倍,2026 財年的市盈率為 31 倍。雖然這一估值相較於其他科技巨頭如微軟(37 倍市盈率)和亞馬遜(42 倍市盈率)仍具有一定折扣,但相對於 Meta(26 倍市盈率)、谷歌(22 倍市盈率)和蘋果(26 倍市盈率)等公司,仍然處於溢價狀態。市場似乎已經充分消化了近期強勁的獲利增長,這主要得益於人們對未來 4-6個季度對 Nvidia GPU 強勁需求的預期推動。然而,人們對該公司長期成長的可持續性感到擔憂。

讓我們深入探討英偉達長期成長的兩個關鍵問題:

(一) 客集中度:

根據英偉達(Nvidia) FY2024 年度報告,來自單一客戶(稱為「客戶A」)的銷售額占2024財年計算和網絡領域總收入的13%,而沒有任何客戶佔據了2013年和2012年財年總收入的10%以上。在同一份報告中,英偉達還提到了另一家間接客戶,估計占總收入的19%,該客戶主要通過系統集成商和經銷商(包括通過客戶A)購買英偉達產品。

此外,D.A. Davidson 的高級軟件分析師吉爾·盧里亞(Gil Luria)表示,英偉達有五個大客戶,佔收入的三分之二以上。他預計這些客戶在未來一年將購買更多的GPU,但他也預計未來四到六個季度可能會放緩。

英偉達2024財年第四季度數據中心收入為188億美元,2024財年總收入為4753億美元。市場預計英偉達2025財年總收入將增長82.85%,2026財年將增長20.20%。因此,預計2025財年數據中心收入將達到800億至1000億美元。儘管這種增長是可觀的,但它需要大量的資本支出,而世界上只有少數大型科技公司能夠承擔此類投資以維持英偉達的增長。

為了降低客戶集中度風險,英偉達正在積極實現客戶群的多元化。該公司還瞄準主權國家建設人工智能數據中心。多個國家和城市最近宣布對人工智能進行大量投資,例如沙特阿拉伯的公共投資基金將撥款400億美元用於人工智能投資,阿聯酋投資5億美元用於人工智能平台,新加坡計劃在未來幾年投資74.3億美元用於人工智能。香港計劃在未來五年內為人工智能提供38.3億美元的補貼計劃。

值得注意的是,客戶集中風險在包括AMD和AVGO在內的各種大型半導體公司中非常常見。主要半導體公司通常依賴大型雲端和科技公司作為主要客戶。然而,預計未來幾年客戶集中度風險可能會增加。

(二)人工智能訓練的主導地位不會在推理市場重演

目前,英偉達在人工智能訓練市場佔據95%以上的市場分額。人工智能訓練涉及使用大量資料創建和完善人工智能模型的過程。在訓練階段,模型學習辨識模式、做出預測或根據提供的資料執行特定任務。相較之下,人工智能推理是指利用經過訓練的模型使用新的即時資料進行預測或即時執行任務。在英偉達2024財年第四季度業績電話會議中,CEO黃仁勳提到,大約40%的資料中心收入歸因於人工智能推理,這表明英偉達在該細分市場也佔有重要地位。

然而,人們普遍預期英偉達在人工智能推理市場的市佔率將低於訓練市場。這是由於人工智能推理有各種硬體選項可供使用,例如GPU、現場可編程閘陣列(FPGA)、專用積體電路(ASIC)和專用推理加速器。AI推理硬體的選擇取決於效能要求、能源效率、成本、資料隱私問題、頻寬可用性和特定應用需求等因素。例如,智慧型手機開發人員可能會選擇專為行動裝置上的人工智能推理而設計的專用晶片。此外,ARM於2023年11月發布了一款新處理器,用於在網路邊緣部署AI應用,進一步擴大了AI推理的可用選項範圍。