Popyt ze strony Google wspiera AMD, Intel i NVIDIA, ale hossa na chipach AI skrywa szerszą rywalizację

AMD, Google, Intel i NVIDIA rozpoczęły środę od wyraźnego sygnału: kilka spółek związanych z AI rosło jednocześnie, choć konkurują o różne segmenty tego samego rynku. Ruch nastąpił po publikacji wyników pokazujących, że popyt na centra danych pozostawał silny w obszarze procesorów, akceleratorów, serwerów i infrastruktury chmurowej. Podważył też pogląd, że każdy dolar wydany na sprzęt AI musi wyłonić tylko jednego zwycięzcę.

Wzrosty były szersze niż pozytywne zaskoczenie w wynikach jednego producenta chipów. AMD tydzień wcześniej podało rekordowe przychody kwartalne, a Intel odnotował szybszy wzrost w produktach klienckich i dla centrów danych. Najnowsze wyniki NVIDIA już wcześniej ustanowiły znacznie wyższy punkt odniesienia dla popytu na akceleratory.

Google dostarczyło kolejny kluczowy element tej historii. Rosnące zobowiązania infrastrukturalne firmy pokazały, dlaczego klienci mogą jednocześnie wspierać GPU NVIDIA, procesory AMD, CPU Intel oraz własne jednostki Tensor Processing Units Google. Relacja AMD i Google ma zatem znaczenie wykraczające poza zapowiedź jednego produktu chmurowego. Ilustruje, jak hiperskalerzy budują mieszane systemy zamiast wybierać jednego dostawcę dla każdego obciążenia.

Nie oznacza to, że trzej producenci chipów znajdują się w równej pozycji. NVIDIA pozostaje dominującym dostawcą akceleratorów używanych do trenowania i uruchamiania dużych modeli AI. AMD rozwija działalność od serwerowych CPU ku większym wdrożeniom akceleratorów, podczas gdy Intel odbudowuje się wokół CPU, produkcji i infrastruktury dla przedsiębiorstw.

Prawdziwe pytanie brzmi, czy rosnący popyt na AI może nadal wspierać wszystkie trzy firmy, gdy ich różnice konkurencyjne ponownie znajdą się w centrum uwagi.

Wzrosty wynikały z dowodów na popyt, a nie ze wspólnego zwycięstwa

Środowe zwyżki odzwierciedlały odnowione zaufanie do rynku infrastruktury AI, a nie dowód, że AMD, Intel i NVIDIA osiągnęły równorzędne pozycje.

Szeroki rynek zakończył sesję 12 sierpnia blisko rekordowych poziomów. S&P 500 wzrósł o 0,3%, a Nasdaq Composite zyskał 0,5%, według relacji o środowym rajdzie rynkowym. Spółki infrastruktury AI pomogły przewodzić wzrostom po tym, jak kilku dostawców podało lepsze wyniki wiosenne, niż oczekiwali analitycy.

Najbardziej bezpośrednim katalizatorem było Super Micro Computer. Firma buduje serwery łączące procesory, akceleratory, pamięć, sieci, chłodzenie i pamięć masową. Jej akcje wzrosły po tym, jak najnowszy zysk przekroczył oczekiwania analityków.

Wynik ten miał znaczenie dla inwestorów w chipy, ponieważ dostawcy serwerów znajdują się między producentami krzemu a operatorami centrów danych. Producent serwerów nie może wykazać wysokiej sprzedaży bez otrzymania wystarczającego popytu od klientów, który uzasadniałby kompletne systemy. Lepsze wyniki firm serwerowych wspierały więc pogląd, że wydatki na AI weszły w etap wdrożeń.

Rynek otrzymał też nowe dowody od AMD. Firma podała przychody za drugi kwartał na poziomie 11,5 mld USD, o 50% wyższe niż rok wcześniej. Jej segment centrów danych skorzystał na silniejszym popycie na serwerowe procesory EPYC i akceleratory Instinct.

Kwartalny wzrost AMD nie wynikał wyłącznie z akceleratorów AI. Udział miały także procesory klienckie i inne produkty, podczas gdy przychody z gamingu poruszały się w przeciwnym kierunku. Ta mieszana sytuacja jest istotna, ponieważ rekord przychodów w nagłówku nie pokazuje, które linie produktów zapewniają najlepsze marże.

Intel wcześniej podał przychody za drugi kwartał w wysokości 16,1 mld USD, co oznaczało 25% wzrostu rok do roku. Popyt na procesory klienckie i dla centrów danych wspierał spółkę, choć restrukturyzacja i inwestycje produkcyjne nadal obciążały raportowaną rentowność.

NVIDIA weszła w tę falę wzrostów z najsilniejszymi najnowszymi wskaźnikami wzrostu. Przychody w pierwszym kwartale roku fiskalnego osiągnęły 81,6 mld USD, o 85% więcej niż rok wcześniej. Przychody z centrów danych wyniosły 75,2 mld USD, rosnąc o 92%, zgodnie z jej wynikami kwartalnymi.

Liczby te pokazały, że cykl inwestycyjny w infrastrukturę AI nie wyhamował. Ujawniły jednak również ogromną różnicę między NVIDIA a jej rywalami pod względem przychodów z akceleratorów.

Jednoczesny rajd może wystąpić, gdy inwestorzy ponownie oceniają wielkość rynku. Nie wymaga to uznania, że każdy dostawca zdobędzie taki sam udział. Jeśli oczekiwana pula wydatków na infrastrukturę AI rośnie, kilka firm może zyskać, nawet jeśli jedna z nich nadal zdecydowanie wyprzedza pozostałe.

To rozróżnienie wyjaśnia reakcję rynku. Inwestorzy nie zacierali hierarchii konkurencyjnej. Zwiększali zaufanie, że popyt może wesprzeć więcej niż jedną warstwę stosu obliczeniowego AI.

Dlaczego powiązania AMD z infrastrukturą Google są teraz ważne

Relacja AMD i Google pokazuje, jak operatorzy chmurowi rozkładają popyt między różne procesory, akceleratory i projektowane wewnętrznie chipy.

Google Cloud oferuje klientom dostęp do kilku architektur sprzętowych. Obejmują one GPU NVIDIA, jednostki Tensor Processing Units Google, czyli TPU, oraz maszyny wirtualne zasilane serwerowymi CPU AMD. TPU to wyspecjalizowany akcelerator zaprojektowany do obliczeń uczenia maszynowego.

AMD podało w swoim raporcie za pierwszy kwartał, że Google Cloud wprowadził maszyny wirtualne H4D wykorzystujące procesory EPYC piątej generacji. AWS, Microsoft Azure i Tencent również ogłosiły w tym okresie nowe lub rozszerzone usługi oparte na EPYC.

Wdrożenia te są ważne, ponieważ usługa AI potrzebuje więcej niż akceleratora wykonującego największe obliczenia macierzowe. Potrzebuje także CPU do przygotowywania danych, planowania zadań, sterowania pamięcią masową, zarządzania siecią i obsługi części procesu inferencji.

Inferencja to proces wykorzystywania wytrenowanego modelu do generowania odpowiedzi, klasyfikacji lub prognozy. W miarę jak produkty AI przyciągają więcej użytkowników, inferencja może tworzyć trwały popyt zarówno na akceleratory, jak i procesory hostujące.

AMD podało przychody segmentu centrów danych za pierwszy kwartał na poziomie 5,8 mld USD, o 57% wyższym rok do roku. Firma przypisała ten wzrost procesorom EPYC i kontynuowanym dostawom GPU Instinct w swoim raporcie finansowym.

To połączenie daje AMD dwie drogi wejścia do chmurowego centrum danych. Może dostarczać CPU podłączone do akceleratorów innej firmy albo sprzedawać bardziej kompletną platformę obliczeniową AMD. Pierwsza droga generuje przychody bez konieczności wyparcia NVIDIA przez AMD.

Google również ma powody, by utrzymywać kilka opcji sprzętowych. Własne TPU mogą zapewniać kontrolę nad wydajnością, podażą i kosztami operacyjnymi w wybranych obciążeniach. GPU NVIDIA oferują szerokie wsparcie programistyczne i dostęp do dużej bazy deweloperów. AMD daje Google kolejne źródło CPU i akceleratorów.

Wyniki Alphabet za drugi kwartał podkreśliły skalę tej strategii. Przychody wzrosły o 24% rok do roku, a przychody Google Cloud zwiększyły się o 82%. Zaległy portfel zamówień chmurowych osiągnął 514 mld USD, według komentarza firmy do wyników.

Portfel zamówień oznacza zakontraktowane przychody, które nie zostały jeszcze rozpoznane. Nie gwarantuje, że każde zobowiązanie stanie się przychodem zgodnie z pierwotnym harmonogramem. Mimo to taki wzrost pomaga wyjaśnić, dlaczego Google nadal rozbudowuje moce obliczeniowe.

Alphabet podał, że jego portfolio infrastruktury obejmowało akceleratory Google i systemy NVIDIA. Firma podkreśliła także obsługę kilku frameworków programistycznych, umożliwiając klientom przenoszenie większej liczby obciążeń między GPU i TPU.

To jest kluczowy sygnał relacji AMD i Google. Google nie wiąże swojej chmury z jedną architekturą chipów. Stara się oferować wystarczającą różnorodność sprzętową, aby zdobywać klientów z różnymi modelami, budżetami, zależnościami programistycznymi i harmonogramami wdrożeń.

Podejście to rozszerza możliwości dostawców, ale wzmacnia także pozycję negocjacyjną Google. Operator chmurowy dysponujący własnym krzemem i kilkoma zewnętrznymi dostawcami jest mniej zależny od harmonogramu rozwoju pojedynczej firmy. Konkurencja może poprawić dostępność dostaw i ograniczyć ryzyko, że opóźniony produkt zablokuje budowę centrum danych.

AMD korzysta, gdy ta różnorodność prowadzi do większej liczby instancji EPYC lub wdrożeń Instinct. NVIDIA korzysta, gdy klienci chcą jej kompletnej platformy obliczeń przyspieszonych. Intel korzysta, gdy zapotrzebowanie na przetwarzanie ogólnego przeznaczenia i kompatybilność przedsiębiorstw pozostaje istotne.

Dostawca chmury korzysta na pozostawieniu otwartych wszystkich tych możliwości.

NVIDIA nadal wyznacza punkt odniesienia dla akceleratorów AI

Szerszy popyt tworzy przestrzeń dla AMD i Intel, lecz pozycja NVIDIA pod względem przychodów i oprogramowania nadal definiuje konkurencyjny punkt odniesienia.

Wyniki NVIDIA za pierwszy kwartał roku fiskalnego były na zupełnie innej skali niż wyniki jej rywali. Firma osiągnęła 81,6 mld USD łącznych przychodów w kwartale zakończonym 26 kwietnia. Sam segment centrów danych przyniósł 75,2 mld USD.

Dane oznaczały 85% wzrostu przychodów rok do roku i 92% wzrostu w centrach danych. NVIDIA podała również marżę brutto GAAP na poziomie 74,9%. Marża brutto mierzy część przychodów pozostającą po odjęciu bezpośrednich kosztów produkcji.

Marża ta ma znaczenie, ponieważ konkurencji w sektorze półprzewodników nie rozstrzyga sam wzrost dostaw. Dostawca musi przekuć popyt w wystarczający zysk, aby finansować przyszłe projekty chipów, produkty sieciowe, oprogramowanie i zobowiązania produkcyjne.

NVIDIA zbudowała zintegrowaną platformę wokół GPU, szybkich połączeń, sieci, systemów w skali szaf serwerowych oraz oprogramowania CUDA. CUDA daje deweloperom narzędzia do tworzenia programów działających na GPU NVIDIA. Lata adopcji sprawiły, że tę bazę oprogramowania trudno odtworzyć.

Akceleratory Instinct AMD mogą konkurować wydajnością sprzętową i pojemnością pamięci w przypadku wybranych obciążeń. Trudniejszym zadaniem jest zapewnienie klientom równie niezawodnego doświadczenia w zakresie frameworków modeli, narzędzi orkiestracji, bibliotek, sieci i wsparcia technicznego.

AMD inwestuje w ROCm, swoją otwartą platformę programistyczną do obliczeń GPU. Buduje też systemy w skali szaf serwerowych, które łączą akceleratory, CPU, sieci i oprogramowanie. To, czy inwestycje te obniżą operacyjny koszt zmiany dostawcy, zależy od ich przyjęcia przez klientów.

Intel zajmuje inną pozycję. Jego serwerowe CPU pozostają ważne dla obliczeń ogólnego przeznaczenia, w tym procesorów hostujących koordynujących systemy akceleratorów. Intel ma również ambicje w zakresie akceleratorów i foundry, ale nie zbudował jeszcze biznesu GPU dla centrów danych zbliżonego skalą do NVIDIA.

Wzrost przychodów firmy w drugim kwartale dostarczył dowodów, że popyt na CPU się umocnił. Komunikat Intel o wynikach również stawiał jej plan produkcyjny i zewnętrznych klientów foundry w centrum strategii odbudowy.

Foundry produkuje chipy zaprojektowane przez inne firmy. Strategia foundry Intel tworzy zatem drugą możliwą rolę w infrastrukturze AI. Firma może sprzedawać własne procesory, jednocześnie próbując produkować chipy dla zewnętrznych projektantów.

Model ten wymaga dużych inwestycji kapitałowych, zanim wolumen klientów stanie się przewidywalny. Intel musi też przekonać potencjalnych klientów foundry, że jego proces produkcyjny, uzyski, narzędzia i harmonogram dostaw spełnią wymagania komercyjne.

Google komplikuje obraz konkurencji dla wszystkich trzech dostawców. Jego TPU dają firmie wewnętrzną alternatywę dla części trenowania modeli i inferencji. Inni hiperskalerzy również rozwijają niestandardowe akceleratory, często ukierunkowane na konkretne obciążenia, w których GPU ogólnego przeznaczenia generują niepotrzebne koszty.

Własny krzem nie eliminuje automatycznie dostawców układów komercyjnych. Zaprojektowanie procesora to tylko jeden krok. Firma chmurowa musi zapewnić moce produkcyjne, zapakować układ, połączyć go na dużą skalę, obsłużyć oprogramowanie i niezawodnie go eksploatować.

Platforma NVIDIA zmniejsza wiele z tych obciążeń integracyjnych. Ta przewaga wyjaśnia, dlaczego dostawcy chmury mogą inwestować we własne układy, jednocześnie nadal kupując systemy NVIDIA.

Szansa AMD nie polega wyłącznie na stworzeniu szybszego komponentu. Firma musi zaoferować wystarczającą wydajność, podaż, zgodność oprogramowania i wsparcie systemowe, aby uzasadnić wdrożenie drugiej platformy akceleratorów.

Bezpośrednia szansa Intela jest szersza. Rosnące wykorzystanie AI może zwiększać popyt na procesory CPU, nawet gdy Intel nie dostarcza głównego akceleratora. Firma musi jednak chronić tę pozycję, gdy AMD, procesory oparte na Arm i niestandardowe procesory chmurowe konkurują o te same obciążenia hosta.

Spółki rosły razem, ponieważ rynek docelowy wydawał się większy. Ich strategie pozostają jednak wyraźnie odmienne.

Czego nie rozstrzygają wyniki finansowe

Silny wzrost kwartalny nie rozstrzyga, czy wydatki na infrastrukturę AI przyniosą trwałe zwroty klientom lub dostawcom.

Największa niepewność dotyczy firm finansujących centra danych. Google, Microsoft, Amazon, Meta i inni operatorzy angażują kapitał, zanim poznają ostateczne przychody generowane przez każdą instalację.

Alphabet odnotował silny wzrost w chmurze, ale zwiększył także wydatki na serwery, centra danych i sieci. Wyższe nakłady inwestycyjne z czasem generują koszty amortyzacji, które rozkładają ujęty koszt aktywa na okres jego użytkowania.

Ten efekt księgowy może wywierać presję na przyszłe marże operacyjne, nawet jeśli środki pieniężne opuściły firmę wcześniej. Oznacza to również, że silny kwartał pod względem przychodów nie odpowiada od razu na pytanie, czy każde nowe centrum danych zapewnia atrakcyjny zwrot.

82-procentowy wzrost chmury Google i rosnący backlog zwiększają wiarygodność argumentów za inwestycjami. Inwestorzy nadal muszą jednak obserwować, jak szybko backlog przekształca się w rozpoznane przychody i przepływy pieniężne.

Dostawcy układów mierzą się z kolejnym ryzykiem. Klienci mogą coraz efektywniej uruchamiać modele AI. Mniejsze modele, ulepszona kwantyzacja, lepsze harmonogramowanie i bardziej wyspecjalizowane układy mogą zmniejszyć moc obliczeniową potrzebną do realizacji konkretnego zadania.

Kwantyzacja to metoda wykorzystująca liczby o niższej precyzji, aby ograniczyć zapotrzebowanie modelu na pamięć i obliczenia. To samo obciążenie może więc stać się tańsze, nawet gdy wykorzystanie rośnie.

Efektywność nie zawsze zmniejsza całkowity popyt na sprzęt. Niższe koszty mogą zachęcać firmy do wdrażania AI w większej liczbie produktów, obsługi większej liczby użytkowników lub realizacji bardziej złożonych zadań. Ekonomiści często opisują ten wzorzec jako wzrost popytu, gdy zasób staje się tańszy.

Wynik zależy od tego, czy dodatkowe wykorzystanie będzie rosło szybciej niż poprawa efektywności. Prognozy firm produkujących układy zasadniczo zakładają, że tak będzie. To założenie pozostaje komercyjnie wiarygodne, lecz kwartalne wyniki nie mogą go potwierdzić dla całego cyklu inwestycyjnego.

Koncentracja podaży tworzy kolejną niepewność. Zaawansowane akceleratory zależą od ograniczonej liczby producentów, dostawców pakowania, producentów pamięci i dostawców sieci. Opóźnienie jednego komponentu może wstrzymać cały rack.

AMD także stoi przed ryzykiem wykonawczym w miarę przechodzenia do większych wdrożeń akceleratorów. Ogłoszone zainteresowanie klientów nie jest tym samym co rozpoznany przychód. Systemy muszą dotrzeć zgodnie z harmonogramem, działać konsekwentnie i integrować się z oprogramowaniem klienta.

Wzrost przychodów spółki w drugim kwartale wspiera jej kierunek, ale rynek nadal potrzebuje dowodów na poziomie produktów. Warto obserwować rozszerzającą się dostępność w chmurze, ponowne zamówienia i wdrożenia produkcyjne wykraczające poza fazę ocen.

Ryzyko Intela jest jeszcze bardziej strukturalne. Popyt na jego CPU może korzystać z cyklu AI, podczas gdy firma intensywnie inwestuje w produkcję. Tworzy to napięcie między poprawą sprzedaży produktów a kosztem utrzymania konkurencyjnej odlewni.

Intel deklarował, że pozostaje zaangażowany w realizację swojej zaawansowanej mapy drogowej produkcji. Inwestorzy muszą oceniać tę deklarację w kontekście zobowiązań klientów zewnętrznych, uzysków produkcyjnych i harmonogramu zwiększania produkcji.

NVIDIA odczuwa inną presję. Jej wiodąca pozycja zapewnia przewagi cenowe i platformowe, ale rodzi również wysokie oczekiwania. Wzrost przychodów musi pozostać wystarczająco wysoki, aby wspierać założenia inwestycyjne w bardzo dużym biznesie.

Firma mierzy się także z rosnącą konkurencją ze strony akceleratorów AMD i układów projektowanych przez hyperscalerów. Google TPU nie muszą zastąpić NVIDIA wszędzie, aby wpłynąć na rynek. Wystarczy, że staną się atrakcyjne dla wystarczającej liczby obciążeń wewnętrznych lub chmurowych, by zmienić decyzje zakupowe.

Dodatkową niepewność wprowadzają regulacje i kontrole eksportowe. Ograniczenia mogą zmieniać to, jakie procesory dostawcy mogą sprzedawać na określonych rynkach. Mogą także wymagać przeprojektowania produktów lub skłonić klientów do rozwijania lokalnych alternatyw.

Żadne z tych ryzyk nie unieważnia środowego wzrostu. Wyjaśniają one, dlaczego ruch z jednego dnia należy interpretować jako sygnał popytu, a nie ostateczny werdykt dotyczący długoterminowych zwycięzców.

Prawdziwa rywalizacja dotyczy kompletnych systemów AI

O kolejnym etapie konkurencji zdecyduje poziom systemowy, na którym układy, pamięć, sieci, oprogramowanie, zasilanie i chłodzenie muszą działać razem.

Akcelerator rzadko sam w sobie tworzy wartość. Duże wdrożenia AI łączą tysiące komponentów w klastry zaprojektowane tak, by działały jak jeden komputer. Wydajność zależy od szybkości przesyłania danych między procesorami oraz niezawodności całego systemu.

Ta zmiana sprzyja firmom zdolnym koordynować kilka warstw. NVIDIA sprzedaje akceleratory, CPU, sieci, interkonekty i oprogramowanie. Jej strategia rack-scale zapewnia klientom architekturę referencyjną, która ogranicza pracę integracyjną.

AMD realizuje podobny kierunek dzięki akceleratorom Instinct, procesorom EPYC, zasobom sieciowym i otwartemu oprogramowaniu. Jej wyzwaniem jest przekształcenie odrębnych konkurencyjnych komponentów w przewidywalny system dla dużych klientów.

Google wybiera inną drogę. Projektuje TPU, prowadzi globalną chmurę, kupuje sprzęt komercyjny i kontroluje znaczną część oprogramowania ponad infrastrukturą. Ta integracja pionowa pozwala Google wybierać różne ścieżki obliczeniowe dla usług wewnętrznych i klientów zewnętrznych.

Relacja AMD i Google wpisuje się w ten rynek systemowy. Instancja Google Cloud zasilana przez EPYC może obsługiwać obliczenia wysokiej wydajności, przetwarzanie danych lub obciążenia związane z AI bez użycia akceleratora AMD. Inna usługa może łączyć różne CPU hosta z GPU NVIDIA.

Klienci często mniej przejmują się tym, którego logo użyto na każdym układzie, niż przepustowością, dostępnością, zgodnością oprogramowania, bezpieczeństwem i kosztem eksploatacji. Dlatego przewaga w benchmarkach sama w sobie nie gwarantuje wdrożenia.

Zespół trenujący modele może priorytetowo traktować czas ukończenia. Usługa online może bardziej dbać o koszt inferencji i opóźnienie odpowiedzi. Regulowane przedsiębiorstwo może priorytetowo traktować lokalizację danych, wsparcie i przewidywalne aktualizacje.

Wymagania te pozostawiają miejsce dla obliczeń heterogenicznych, które wykorzystują różne typy procesorów do różnych zadań. CPU obsługują elastyczne zadania ogólnego przeznaczenia. GPU i TPU przyspieszają obliczenia o wysokim stopniu równoległości. Komponenty sieciowe łączą system, a pamięć dostarcza dane procesorom.

Intel może pozostać istotny, jeśli systemy heterogeniczne nadal będą wymagać dużej liczby wydajnych CPU. AMD może zyskiwać zarówno dzięki EPYC, jak i Instinct. NVIDIA może bronić swojej przewagi, czyniąc swoją platformę łatwiejszą do wdrożenia niż mieszane alternatywy.

Konkurencja systemowa daje jednak również większy wpływ operatorom chmurowym. Google może pakować sprzęt za zarządzanymi usługami, pozwalając klientom korzystać z mocy obliczeniowej bez wybierania każdego bazowego komponentu.

Taka abstrakcja może z czasem osłabić znaczenie marek układów. Deweloperzy mogą zamawiać określony poziom wydajności lub usługę zamiast konkretnego procesora. Dostawca chmury decyduje wtedy, który sprzęt zapewni oczekiwany rezultat.

NVIDIA odpowiedziała, rozszerzając obecność swojego oprogramowania i platformy. AMD poprawia przenośność oprogramowania i współpracuje z firmami chmurowymi nad nowymi instancjami. Intel podkreśla zgodność dla przedsiębiorstw i opcje produkcyjne.

Dostępność energii również ukształtuje te wybory. Centra danych AI wymagają dużych przyłączy elektrycznych, systemów chłodzenia i czasu na budowę. Układ z doskonałymi wynikami benchmarków może mimo to przegrać wdrożenie, jeśli jego system nie mieści się w limicie mocy danego obiektu.

Klienci będą coraz częściej porównywać użyteczną pracę na jednostkę energii, całkowity czas wdrożenia i wykorzystanie zasobów. Wykorzystanie mierzy, jaka część mocy zainstalowanego systemu wykonuje produktywną pracę, zamiast pozostawać bezczynna.

Wzrost rynkowy odzwierciedlił rosnący popyt w całym tym łańcuchu. Długoterminowa rywalizacja dotyczy tego, które firmy przejmą najwięcej wartości po uwzględnieniu przez klientów każdego kosztu systemowego.

Trzy sygnały sprawdzą wzrost sektora układów AI

Wzrost będzie miał większe znaczenie, jeśli wdrożenia, przychody z chmury i mapy drogowe produktów potwierdzą, że popyt jest zarówno szeroki, jak i trwały.

Pierwszym sygnałem będzie kolejny raport wynikowy NVIDIA. Inwestorzy powinni porównać wzrost akceleratorów z podażą, marżami i perspektywą przedstawioną przez zarząd. Kolejny duży wzrost w segmencie centrów danych wzmocniłby pogląd, że popyt hyperscalerów pozostaje nienaruszony.

Warto obserwować strukturę wzrostu NVIDIA równie uważnie jak jego łączną wartość. Sieci, systemy rack-scale i ponowne zakupy mogą pokazać, czy klienci rozszerzają kompletne wdrożenia, zamiast składać pojedyncze zamówienia na układy.

Spowolnienie nie zakończyłoby automatycznie cyklu infrastruktury AI. Wywołałoby pytania o harmonogram wdrożeń, koncentrację klientów i to, czy wcześniejsze zamówienia nie przesunęły popytu na wcześniejszy okres.

Drugim sygnałem jest przekształcanie przez AMD ogłoszonych platform w rozpoznane przychody z akceleratorów. AMD informowało o silnym zaangażowaniu klientów, ale inwestorzy potrzebują dowodów na większe wdrożenia produkcyjne.

Dostępność w chmurze dostarcza jednego użytecznego wskaźnika. Więcej usług opartych na Instinct od dużych dostawców uczyniłoby sprzęt dostępnym dla deweloperów bez konieczności budowy przez nich prywatnych klastrów. Ponowne zamówienia byłyby jeszcze silniejszym sygnałem.

Na uwagę zasługuje też popyt na EPYC. AMD może uczestniczyć w infrastrukturze AI poprzez procesory hosta nawet wtedy, gdy NVIDIA dostarcza akceleratory. Dalszy wzrost serwerowych CPU wspierałby szerszą tezę AMD-Google bez zakładania szybkiego wzrostu udziału GPU.

Trzecim sygnałem jest to, czy wydatki Google na infrastrukturę przełożą się na trwały wzrost chmury i konwersję backlogu. Ostatnie wyniki Alphabet były silne, ale program wydatków firmy wymaga ciągłego popytu klientów.

Jeśli Google Cloud utrzyma wysoki wzrost, jednocześnie zwiększając marże i konwertując backlog, firma będzie miała mocniejsze dowody, że jej infrastruktura AI generuje komercyjne zwroty. Taki wynik wspierałby dostawców CPU, GPU, sieci, pamięci i systemów serwerowych.

Jeśli wydatki kapitałowe będą rosły szybciej niż przychody z chmury i generowanie gotówki, kontrola inwestorów się nasili. Rynek może wtedy bardziej zdecydowanie rozróżniać dostawców powiązanych z produktywnymi wdrożeniami od tych korzystających z ogólnego optymizmu.

Postępy Intela przecinają wszystkie trzy sygnały. Silny popyt na serwery pomógłby jego biznesowi produktowemu, a zewnętrzne zobowiązania produkcyjne potwierdziłyby część jego strategii odlewniczej. Opóźnienia pozostawiłyby firmę zależną od węższego ożywienia CPU.

Czytelnicy nie powinni sprowadzać tej rywalizacji do jednodniowych wyników giełdowych. AMD, Intel i NVIDIA rosły razem, ponieważ ostatnie wyniki zwiększyły zaufanie do skali mocy obliczeniowej, której klienci nadal potrzebują. Nie zatarły jednak różnic w przychodach, dojrzałości oprogramowania, marżach, ekspozycji na produkcję ani ryzyku wykonawczym.

Najbardziej użytecznym kolejnym krokiem jest śledzenie tych różnic kwartał po kwartale. Obserwuj wzrost segmentu centrów danych NVIDIA, wdrożenia produkcyjne AMD oraz sposób, w jaki Google Cloud zamienia wydatki na infrastrukturę w przychody. Relacja AMD i Google jest jednym z widocznych elementów znacznie większego systemu, w którym wiele układów może zdobywać zamówienia, lecz tylko kilka platform uzyskuje trwałą kontrolę.