: | : | :期货程序化 | :期货程序化研究 | :期货量化学习 | :期货量化 |
返回列表 发帖

英伟达(NVDA.US)软件策略加速领跑 AI芯片霸主坚守市场领先地位

英伟达(NVDA.US)软件策略加速领跑 AI芯片霸主坚守市场领先地位

英伟达(NVDA.US)软件策略加速领跑 AI芯片霸主坚守市场领先地位
智通财经APP获悉,在数字化和人工智能(AI)迅速发展的当今时代,英伟达(NVDA.US)凭借其创新的AI芯片和先进的技术策略,成为科技领域的一个重要焦点。据Nexus研究一份报告显示,英伟达最近发布的第四季度财报展示了其在市场上的强劲表现,特别是在AI驱动的数据中心业务领域。该报告深入分析了英伟达如何通过其独特的市场战略,如HGX平台的实施和多实例GPU(MIG)设计,以及其软件驱动的商业模式,巩固其在AI芯片市场上的领导地位。

英伟达软件驱动策略加强市场领导地位

据了解,英伟达最近发布的第四季度财报显示出色的业绩,超出市场预期。英伟达首席执行官黄仁勋向投资者保证,公司预见到2025年之前的持续强劲增长,这对维持英伟达股价上涨至关重要。

在之前的文章中,Nexus研究简要讨论了英伟达的HGX平台。英伟达通过这个平台巧妙地将其各种数据中心解决方案作为一个大的捆绑产品销售,而不是单独销售各个芯片。这一策略带来了巨大的优势,例如更好地控制产品性能和客户体验,使英伟达能够将客户纳入其生态系统并加强其市场壁垒。因此,Nexus研究给予英伟达“买入”等级。

此外,鉴于半导体巨头的精明软件策略既能增强客户忠诚度也能扩大利润空间,并使英伟达在AI革命的下一阶段继续保持领导地位,该机构再次重申对英伟达股票的“买入”评级。

当前,英伟达提供市场上最优秀的AI芯片,这是公认的事实,其数据中心收入在过去一年中增长了三倍多,达到了2024财年的475亿美元。

英伟达已经透露,其拥有“数亿台GPU的安装基础”,现在公司正寻求在这个庞大的安装基础上建立一个蓬勃发展的软件业务。这一软件机会正是支持股票持续看涨论点的下一步增长。

为了理解英伟达的软件驱动看涨案例,重要的是要理解其“多实例GPU”[MIG]芯片设计。“实例”在GPU上是指令,而MIG允许单个GPU被分割成七个独立的实例。这种技术本质上允许在单个GPU上同时运行更多的实例,这意味着可以在每个芯片上同时运行更多的软件应用程序。

每个GPU运行更多软件服务的更大容量确实使英伟达能够向其客户销售更多的软件服务。考虑到英伟达拥有“数亿台GPU的安装基础”,软件机会是巨大的。事实上,英伟达估计其‘英伟达 AI企业’软件和DGX云的长期年度市场机会为1500亿美元。

质疑声涌现

现在,随着股价在过去一年中增长了三倍多,看跌者开始质疑这一AI革命的训练和推理阶段,暗示英伟达的收入和盈利增长可能会放缓。

Barclays的信用研究分析师Sandeep Gupta强调称:“一旦完成了最初的训练建设,AI芯片需求最终将正常化。AI的推理阶段将比训练阶段需要更少的计算能力。”

诚然,一旦数据中心客户足够转变他们的基础设施,从通用计算(基于CPU)到加速计算(基于GPU),芯片需求最终会放缓。

然而,尽管在AI革命的进程中,推理将成为总AI工作负载的一个更大比例,但重要的是要理解训练不会结束。随着公司通过各种应用程序部署他们当前模型并了解更多优势和缺陷,新的AI模型将持续建立。例如,OpenAI继续推出新版本的GPT模型,最新的是GPT-4 Turbo。

事实上,在之前关于微软Azure AI驱动增长前景的文章中,该机构曾讨论了以下内容:“首席执行官Satya Nadella提到的关键点是这些工作负载有‘生命周期’。他的意思是什么?请记住,随着时间的推移,将会不断引入新的、更先进的AI模型,云客户将采用这些模型为其业务服务提供动力,取代他们使用上一代模型的旧工作负载。”

此外,技术公司还将努力构建更强大、更多样化的AI模型,以应对跨行业生成AI的新用例,这将需要越来越强大的AI芯片。

例如,OpenAI最新的Sora AI模型提供了文本到视频的能力,这需要比文本到文本的GPT模型更多的计算能力来训练。为了使这些视频生成模型在娱乐世界中提供真正的价值,将需要对这些模型进行多次迭代,以实现新功能,如视频显示与声音的同步,这确实需要最先进的加速GPU。

同时,随着科技公司竞相不断生产出新的、更多样化的AI模型,英伟达的数据中心客户,如云服务提供商(例如Microsoft Azure、Google Cloud等)、消费互联网公司(例如Meta Platforms)和企业软件公司(例如Adobe、ServiceNow等),将继续定期升级他们的AI基础设施,因为英伟达继续推出新版本的AI芯片和其他数据中心产品(如网络设备)。

英伟达将继续在推理阶段领先

英伟达作为AI芯片市场的领先者,在训练领域取得了巨大成功,但市场对其在AI推理领域的表现提出了质疑。据估计,到2030年,全球AI推理芯片市场的价值将从2023年的158亿美元增长到906亿美元。批评者认为,在推理阶段,客户可能会选择AMD和英特尔等公司的性能较弱、成本较低的芯片,而不是英伟达昂贵的高性能芯片。

然而,英伟达的H100 GPU既适用于训练,也适用于推理,这反驳了市场对英伟达在推理市场能力的质疑。英伟达在2024年第四季度的财报电话会议中透露,大约40%的数据中心收入来自AI推理。此外,英伟达的HGX系统,结合高级GPU和优化的软件环境,被设计用于支持训练和推理任务,进一步增强了其产品的吸引力。

除此之外,英伟达的CUDA软件包也为Nvidia GPU上的计算任务提供了基础,帮助加速深度学习框架,并支持AI推理应用程序的开发和部署。这促使更多第三方开发者为Nvidia GPU开发兼容的AI推理应用,进一步丰富了英伟达的软件生态系统。到2023年底,CUDA软件包已累计下载4800万次,证明了其广泛的用户基础和开发者社区的活跃度。

尽管英伟达在推理市场中的地位受到挑战,但其多功能GPU和丰富的软件生态系统为其在AI行业的转型提供了强有力的支持。然而,竞争对手如AMD和英特尔也在加强其AI推理领域的努力,客户在选择供应商时趋向于多样化,以避免对单一供应商过度依赖。这表明,尽管英伟达在AI推理市场中占据优势,市场竞争仍然激烈。

总结

尽管看跌者认为,在推理阶段,客户可能会购买更多便宜的替代品,但英伟达的精明软件策略可能确实会促使客户升级到英伟达的下一代H200或B100芯片,从而使这家科技巨头能够通过定期升级周期产生持续的数据中心收入,这类似于苹果的iPhone策略。

英伟达已经在AI芯片市场占据主导地位。正如之前讨论的,英伟达的软件策略应该使这家科技巨头在从训练到推理的转变中继续主导AI行业。此外,半导体巨头处于一个有利位置,能够保持其高利润率,尤其是随着公司收入的30%来自软件收入,正如英伟达早前所提到的长期市场机会。

最后,从英伟达财务表现和股价估值的角度看,该公司在2024财年的每个季度表现超出市场预期,第四季度年同比增长265%,预计2025财年第一季度收入为240亿美元,同比增长234%。公司以其市场领先的AI计算GPU获得了强大的定价能力,H100 GPU的售价约为40,000美元,带来了显著的利润率提升,毛利率达到76%,远超AMD和Intel。

其中,英伟达的软件和服务业务在第四季度达到了10亿美元的年化收入,占公司总收入的1.64%。公司预计其长期市场机会总值为1万亿美元,其中AI企业软件和DGX云市场的机会估计达到1500亿美元。

而当前英伟达的前瞻性市盈率(非GAAP)约为33倍,低于过去5年平均的46倍。基于前瞻性市盈率增长(PEG)比率的分析显示,尽管市场对AI和英伟达的独特定位感到兴奋,其股票的前瞻性PEG仅为0.96,低于公允价值。

因此,相较于竞争对手,英伟达股票仍然是更具吸引力的购买选择。基于英伟达在AI芯片市场的领导地位和软件战略,预计公司将继续在AI产业中占据主导地位。

论坛官方微信、群(期货热点、量化探讨、开户与绑定实盘)
 
期货论坛 - 版权/免责声明   1.本站发布源码(包括函数、指标、策略等)均属开放源码,用意在于让使用者学习程序化语法撰写,使用者可以任意修改语法內容并调整参数。仅限用于个人学习使用,请勿转载、滥用,严禁私自连接实盘账户交易
  2.本站发布资讯(包括文章、视频、历史记录、教材、评论、资讯、交易方案等)均系转载自网络主流媒体,内容仅为作者当日个人观点,本网转载此文出于传递更多信息之目的,并不意味着赞同其观点或证实其描述。本网不对该类信息或数据做任何保证。不对您构成任何投资建议,不能依靠信息而取代自身独立判断,不对因使用本篇文章所诉信息或观点等导致的损失承担任何责任。
  3.本站发布资源(包括书籍、杂志、文档、软件等)均从互联网搜索而来,仅供个人免费交流学习,不可用作商业用途,本站不对显示的内容承担任何责任。请在下载后24小时内删除。如果喜欢,请购买正版,谢谢合作!
  4.龙听期货论坛原创文章属本网版权作品,转载须注明来源“龙听期货论坛”,违者本网将保留追究其相关法律责任的权力。本论坛除发布原创文章外,亦致力于优秀财经文章的交流分享,部分文章推送时若未能及时与原作者取得联系并涉及版权问题时,请及时联系删除。联系方式:http://www.qhlt.cn/thread-262-1-1.html
如何访问权限为100/255贴子:/thread-37840-1-1.html;注册后仍无法回复:/thread-23-1-1.html;微信/QQ群:/thread-262-1-1.html;网盘链接失效解决办法:/thread-93307-1-1.html

返回列表