Prognoza 70% wzrostu Nvidia: Jensen Huang mówi, że ograniczeniem jest podaż, a nie popyt
Jensen Huang twierdzi, że prognoza 70% wzrostu Nvidia odzwierciedla ograniczenie podaży, a nie granicę popytu klientów. Nvidia oczekuje wzrostu przychodów o około 70% w roku fiskalnym 2028, co jest nietypową prognozą na rok naprzód dla firmy działającej w warunkach zmiennych wydatków na AI.
Prognoza sygnalizuje przekonanie, że Nvidia może nadal rosnąć mimo własnych chipów rozwijanych przez Amazon, Google, Microsoft, OpenAI i Anthropic. Stawia też trudniejsze pytanie. Jaka część popytu istnieje niezależnie, a jaka zależy od tego, czy Nvidia pomaga klientom finansować infrastrukturę zbudowaną wokół jej sprzętu?
Huang odpowiada, że Nvidia widzi popyt w całym łańcuchu dostaw AI. Firma współpracuje z dostawcami chipów, operatorami chmur, twórcami modeli, przedsiębiorstwami, rządami i budowniczymi centrów danych. Krytycy inaczej postrzegają wiele z tych powiązań. Obawiają się, że Nvidia coraz częściej finansuje lub wspiera klientów kupujących jej systemy.
Ten konflikt ma większe znaczenie niż nagłówkowy odsetek. Nvidia nie sprzedaje już akceleratorów na rynek infrastruktury budowanej w całości przez inne firmy. Pomaga zabezpieczać moce produkcyjne, lokalizacje centrów danych, finansowanie i zobowiązania dotyczące przychodów z chmury.
Rezultatem jest działalność o nietypowej widoczności przyszłych inwestycji budowlanych. Jest to też działalność podejmująca nowe ryzyka wykraczające poza projektowanie półprzewodników.
Prognoza 70% wzrostu Nvidia jest obietnicą ograniczoną podażą
Prognoza Nvidia oznacza, że firma oczekuje popytu przekraczającego możliwości jej sieci produkcyjnej i infrastrukturalnej.
Nvidia po raz pierwszy przedstawiła tę prognozę podczas rozmowy wynikowej za drugi kwartał roku fiskalnego 2027, która odbyła się 26 sierpnia. Dyrektorka finansowa Colette Kress powiedziała, że firma spodziewa się około 70% wzrostu przychodów w roku fiskalnym 2028.
Liczba była istotna, ponieważ Nvidia zazwyczaj nie przedstawiała inwestorom prognoz obejmujących cały przyszły rok fiskalny. Jej prognozy koncentrowały się zwykle na kolejnym kwartale, gdy harmonogramy dostaw i zamówienia klientów były łatwiejsze do oceny.
Huang później powtórzył prognozę podczas konferencji Goldman Sachs Communacopia and Technology Conference. Jego wypowiedzi z konferencji przedstawiały prognozę jako rezultat widoczności, jaką Nvidia ma na swoim rynku.
Nvidia zgłosiła około 96 mld USD kwartalnych przychodów za okres zakończony 26 lipca 2026 r. Przychody z centrów danych osiągnęły 89 mld USD, rosnąc o 18% względem poprzedniego kwartału.
Firma prognozowała także około 108 mld USD przychodów w trzecim kwartale fiskalnym. Dane te pokazują, że prognoza 70% wzrostu wychodzi z dużo większej bazy niż ta, z którą Nvidia mierzyła się na wcześniejszym etapie ekspansji generatywnej AI.
Kress powiedziała, że prognozy klientów wskazywały na popyt, który w kolejnym roku mógłby się podwoić. Nvidia mimo to ograniczyła prognozę przychodów do 70%, ponieważ dostępna podaż nie mogła obsłużyć wszystkich tych zamówień.
Huang podkreślił to rozróżnienie podczas rozmowy wynikowej. Powiedział, że popyt był znacząco większy niż wolumen, który Nvidia spodziewała się dostarczyć. Zabezpieczona podaż dała kierownictwu pewność co do niższej wartości.
Nie jest to tylko twierdzenie, że więcej firm zamówi pojedyncze chipy. Nvidia opisuje dziś swój produkt w skali całego systemu komputerowego.
Nowoczesna instalacja Nvidia może obejmować CPU, GPU, sprzęt sieciowy, przełączniki, elementy chłodzenia oraz rozbudowane oprogramowanie. Te części działają jako jeden komputer w skali centrum danych.
Huang wykorzystał system Nvidia GB200 NVL72, aby zilustrować tę zmianę. Łączy on 36 procesorów Grace CPU i 72 procesory Blackwell GPU za pośrednictwem interkonektu NVLink firmy Nvidia.
Powiedział, że gdy przemawiał we wrześniu, zamówienia na ten system rosły o 27% miesiąc do miesiąca. Wskaźnik ten odzwierciedlał bieżące tempo zamówień, a nie gwarancję, że utrzyma się ono bezterminowo.
Nvidia nazywa te instalacje fabrykami AI, ponieważ przekształcają energię elektryczną i dane w wyniki trenowania modeli oraz inferencji. Inferencja to proces wykorzystywania wytrenowanego modelu do generowania odpowiedzi, prognoz lub innych rezultatów.
Większa jednostka sprzedaży zmienia sposób, w jaki inwestorzy powinni interpretować prognozę. Nvidia nie liczy wyłącznie chipów wysyłanych do istniejących centrów danych. Planuje wokół kompletnych obiektów wymagających energii, chłodzenia, terenu, finansowania i budowy.
Sprawia to, że prognoza jest częściowo harmonogramem wdrożeń przemysłowych. Każdy cel przychodowy zależy od terminowego ukończenia długiego łańcucha prac przez dostawców i klientów.
Łańcuch ten zapewnia większą widoczność, ponieważ duże projekty wymagają wieloletniego planowania. Tworzy też więcej okazji do opóźnień.
Agenci AI napędzają znacznie większe zapotrzebowanie na moc obliczeniową
Główny argument Huanga dotyczący popytu brzmi: agenci AI wykonują dłuższe zadania, przez co każde żądanie użytkownika staje się znacznie bardziej kosztowne obliczeniowo.
Podstawowy chatbot często odpowiada na jeden prompt jedną odpowiedzią. Agent AI może zaplanować zadanie, wywołać narzędzia programowe, sprawdzić wyniki, poprawić błędy i powtarzać ten cykl.
Każdy etap zużywa moc inferencyjną. Obciążenie może szybko rosnąć, gdy agent obsługuje badania, tworzenie oprogramowania, obsługę klienta, analizę naukową lub operacje biznesowe.
W trakcie transkrypcji rozmowy wynikowej Nvidia Huang oszacował, że agent może wymagać od 15 do 100 razy więcej mocy obliczeniowej niż bezpośrednie użycie przez człowieka. Zaznaczył, że wartość zależy od rozwiązywanego problemu.
To oszacowanie jest twierdzeniem firmy, a nie niezależnym benchmarkiem obejmującym każdą aplikację. Jednak mechanizm leżący u jego podstaw jest jasny. Dłuższe sekwencje rozumowania i powtarzane wywołania narzędzi wymagają większej liczby generowanych tokenów oraz dłuższego czasu pracy akceleratorów.
Rozwój modeli wykracza także poza niewielką grupę czołowych laboratoriów. Nvidia twierdzi, że popyt pochodzi obecnie od hiperskalerów, neochmur, startupów AI, przedsiębiorstw, firm przemysłowych, instytucji badawczych i klientów państwowych.
Hiperskalerzy to najwięksi dostawcy chmury, w tym Amazon Web Services, Microsoft Azure i Google Cloud. Neochmury to nowsze firmy infrastrukturalne budowane głównie wokół obliczeń GPU.
W raportowanym drugim kwartale Nvidia przychody z segmentu hiperskalerów osiągnęły 49 mld USD. Inna kategoria klientów, obejmująca neochmury, przemysł i przedsiębiorstwa, wygenerowała 40 mld USD.
Według Nvidia druga kategoria wzrosła o 25% względem poprzedniego kwartału i o 138% względem poprzedniego roku. Jej skala wspiera argument Huanga, że rynek jest szerszy niż jedno laboratorium AI czy jeden klient chmurowy.
Kress powiedziała, że partnerzy z segmentu neochmur mieli zakończyć 2026 r. z ośmioma gigawatami zainstalowanej mocy. Pod koniec 2025 r. dysponowali około trzema gigawatami.
Gigawat mierzy moc, a nie wydajność obliczeniową. Nadal jednak stanowi użyteczny wskaźnik skali tych projektów. Nowy kampus centrum danych może wymagać energii porównywalnej z dużą inwestycją przemysłową.
Amazon dostarcza kolejnego sygnału popytowego. Nvidia poinformowała, że AWS rozpocznie wdrażanie dodatkowych dwóch milionów GPU Nvidia w raportowanym kwartale. Harmonogram wdrożenia sięga drugiego kwartału fiskalnego Nvidia w 2029 r.
AWS planuje także wykorzystywać technologię Nvidia w modelach, usługach chmurowych i robotyce magazynowej. Amazon nadal rozwija jednak własne akceleratory Trainium, co tworzy jednocześnie partnerstwo i konkurencję.
Google realizuje podobną strategię ze swoimi Tensor Processing Units. Microsoft ma akceleratory Maia, podczas gdy OpenAI i Anthropic prowadzą programy rozwoju własnego sprzętu.
Projekty te wywierają presję na Nvidia, ponieważ jej najwięksi klienci chcą większej kontroli nad kosztami i podażą. Nie eliminują one automatycznie popytu na systemy Nvidia.
Własne akceleratory działają najlepiej, gdy firma może jednocześnie optymalizować sprzęt, oprogramowanie i obciążenia robocze. Przewaga Nvidia polega na szerszej kompatybilności między klientami, modelami, chmurami i narzędziami deweloperskimi.
Huang twierdzi, że Nvidia obsługuje modele z dużych zamkniętych laboratoriów i od twórców otwartych modeli. Ten zasięg pozwala klientowi wdrażać podobne oprogramowanie w kilku środowiskach bez przebudowy wszystkiego pod jeden wyspecjalizowany chip.
CUDA, platforma programistyczna Nvidia do obliczeń GPU, pozostaje kluczowa dla tej pozycji. Deweloperzy przez lata tworzyli wokół niej biblioteki, narzędzia i aplikacje.
Prognoza 70% wzrostu Nvidia zakłada, że cała ta platforma pozostanie preferowanym rozwiązaniem dla istotnej części nowych mocy. Nie wymaga, aby własne akceleratory poniosły porażkę.
Zamiast tego prognoza zakłada, że całkowity popyt rośnie wystarczająco szybko dla obu podejść. Nvidia może tracić część obciążeń na rzecz chipów projektowanych wewnętrznie, jednocześnie zwiększając sprzedaż na większym rynku obliczeniowym.
Niepewność dotyczy harmonogramu. Klienci mogą przeceniać krótkoterminową adopcję agentów, podczas gdy użyteczne aplikacje mogą potrzebować więcej czasu na generowanie przychodów niż infrastruktura na budowę.
Jeśli przedsiębiorstwa będą miały trudności z przekształceniem eksperymentów z agentami w niezawodne procesy pracy, operatorzy chmur mogą mierzyć się z niższym wykorzystaniem zasobów. Osłabiłoby to ekonomikę stojącą za kolejną rundą zamówień sprzętowych.
Dla pracowników umysłowych praktycznym sygnałem jest głębokość wykorzystania, a nie ogłoszenia dotyczące modeli. Systemy, które staną się integralną częścią tworzenia oprogramowania, badań, sprzedaży i operacji, będą wielokrotnie zużywać moc obliczeniową.
Przeszukiwalna baza wiedzy AI może na przykład łączyć wyszukiwanie informacji z powtarzanymi wywołaniami modeli. W skali te zwyczajne procesy pracy mają większe znaczenie niż pojedyncza demonstracja.
Zasięg Nvidia w całym stosie wyjaśnia pewność Huanga
Nvidia uważa, że może prognozować dalej w przyszłość, ponieważ monitoruje obecnie zarówno podaż półprzewodników, jak i fizyczną infrastrukturę oczekującą na jej systemy.
Firmy produkujące chipy tradycyjnie szacują popyt na podstawie zamówień klientów, harmonogramów produkcji, zapasów i aktywności kanałów sprzedaży. Nvidia śledzi dziś dodatkową warstwę informacji.
Huang powiedział, że firma obserwuje na całym świecie tereny pod centra danych, energię elektryczną i konstrukcje budynków. Konstrukcja budynku to fizyczna struktura przygotowana przed dostarczeniem serwerów i sprzętu sieciowego.
Ta wiedza ma znaczenie, ponieważ budowa mocy AI trwa latami. Klient nie może zainstalować zaawansowanego systemu bez zapewnienia przyłączy do mediów, sprzętu chłodzącego, wykonawców, pozwoleń i kapitału.
Nvidia ustawiła się po obu stronach harmonogramu wdrożeniowego. Po stronie upstream współpracuje z odlewniami, dostawcami pamięci, firmami zajmującymi się zaawansowanym pakowaniem i innymi producentami komponentów.
Po stronie downstream koordynuje działania z operatorami chmur, deweloperami centrów danych, firmami energetycznymi, przedsiębiorstwami i instytucjami finansowymi. Ta pozycja daje Nvidia wczesny wgląd w projekty przed dostarczeniem sprzętu.
Jej zobowiązania wydatkowe odzwierciedlają skalę tej koordynacji. Raport kwartalny Nvidia wskazuje, że zobowiązania dotyczące dostaw i mocy wzrosły z 119 mld USD do 279 mld USD do 26 lipca.
Zobowiązania te pomagają zabezpieczyć produkcję dla obecnych i przyszłych architektur. Mogą także stać się obciążeniem, jeśli wdrożenia klientów zwolnią lub przejścia technologiczne przebiegną inaczej, niż oczekiwano.
Wartość sprzedaży Nvidia na gigawat wzrosła wraz z większą integracją jej systemów. Huang powiedział, że Hopper oznaczał około 18 mld USD sprzętu Nvidia na gigawat.
Wycenił Grace Blackwell na około 25 miliardów dolarów za gigawat, a Vera Rubin na około 40 miliardów dolarów. Są to szacunki Nvidia dotyczące wartości systemów, a nie uniwersalne koszty budowy.
Ta progresja pokazuje, dlaczego przychody mogą rosnąć szybciej niż liczba zasilanych centrów danych. Każda generacja może umieścić bardziej wartościowe urządzenia obliczeniowe i sieciowe za tym samym przyłączem energetycznym.
Nowe platformy wprowadzają Nvidia również do kategorii, które wcześniej były obsługiwane przez kilku dostawców. Firma sprzedaje akceleratory, procesory CPU, komponenty sieciowe, interkonekty, oprogramowanie oraz kompletne systemy w skali szafy rackowej.
Ta ekspansja zapewnia Nvidia większe przychody z każdego wdrożenia. Oznacza też, że prognoza Nvidia zależy od tego, czy klienci zaakceptują większą część jej architektury.
Konkurenci mogą zaatakować różne warstwy tego stosu technologicznego. AMD sprzedaje akceleratory, Broadcom pomaga firmom rozwijać własne układy, a dostawcy chmury oferują własne krzemowe rozwiązania.
Cerebras i inni wyspecjalizowani deweloperzy proponują alternatywne sposoby budowy systemów obliczeniowych AI. Niektórzy skupiają się na ekonomice inferencji, inni zaś podkreślają pojemność pamięci lub prostsze skalowanie.
Obroną Nvidia jest wszechstronność, czyli możliwość wykorzystania systemu przez wiele modeli i klientów, a nie tylko do jednego ściśle określonego zadania. Ta elastyczność jest szczególnie istotna dla operatorów chmurowych.
Neocloud chce wynajmować dostępną moc temu klientowi, który oferuje najlepszy zwrot. Sprzęt zoptymalizowany wyłącznie pod jeden model może być trudny do ponownego wykorzystania, gdy zmieni się popyt.
Nvidia twierdzi, że szeroka kompatybilność programowa chroni wartość odsprzedaży i wynajmu jej sprzętu. Instytucje finansujące również zwracają uwagę na tę argumentację, ponieważ muszą oceniać długoterminowe ryzyko związane z aktywami.
Sprzęt obliczeniowy amortyzuje się jednak szybciej niż konwencjonalna infrastruktura. Sześcioletnie zobowiązanie chmurowe może obejmować kilka generacji produktów Nvidia.
Klienci mogą nadal preferować starsze systemy do mniej wymagającej inferencji. Jednak ten wtórny popyt musi pozostać wystarczająco silny, by wspierać oczekiwaną wartość rezydualną.
Prognoza Nvidia zakładająca 70% wzrostu opiera się zatem na dwóch formach widoczności. Pierwsza wynika z zakontraktowanych dostaw i projektów fizycznej infrastruktury. Druga opiera się na przekonaniu Nvidia, że jej platforma pozostanie ekonomicznie użyteczna po pojawieniu się nowszych systemów.
Pierwszą można mierzyć poprzez zobowiązania i budowę. Druga stanie się jasna dopiero dzięki poziomowi wykorzystania, stawkom najmu i odnowieniom umów przez klientów.
Kwestia Finansowania Okrężnego Nie Znika
Transakcje Nvidia mogą uruchamiać realny popyt, a jednocześnie przenosić więcej ryzyka klientów i infrastruktury na jej własny bilans.
Krytyka finansowania okrężnego jest prosta. Nvidia inwestuje w firmy AI lub wspiera ich infrastrukturę, a te firmy wykorzystują kapitał do zakupu dostępu do systemów Nvidia.
Krytycy obawiają się, że taki układ może sprawiać, iż popyt wygląda na bardziej niezależny, niż jest w rzeczywistości. Jeśli klienci nie mogą finansować ekspansji bez wsparcia dostawcy, obecna sprzedaż może przyspieszać przyszły popyt.
Nvidia odrzuca tę interpretację. Kress powiedziała analitykom, że firma postrzega swoje wsparcie jako rozwój infrastruktury wspierany przez wykorzystanie przez klientów i niezależnie pozyskany kapitał.
W przypadku projektów neocloud Nvidia może zapewnić zobowiązanie typu take-or-pay, obejmujące część przepustowości obiektu. Take-or-pay oznacza, że Nvidia zgadza się płacić za minimalną ilość, nawet gdy rzeczywiste wykorzystanie jest niższe.
Taka gwarantowana podstawa może pomóc operatorowi chmurowemu uzyskać finansowanie projektu. Nvidia otrzymuje następnie część przychodów wygenerowanych powyżej gwarantowanego poziomu.
Kress powiedziała, że firma otrzymuje zapłatę poprzez sprzedaż sprzętu, a później może uzyskiwać przychody z wynajmu. Nvidia zgłosiła 36 miliardów dolarów takich zobowiązań dotyczących usług chmurowych na dzień 26 lipca.
W zgłoszeniu wskazano, że dostawcy chmurowi mogą przestać dostarczać Nvidia przepustowość i sprzedawać ją stronom trzecim po lepszych stawkach. Zobowiązanie Nvidia zmniejsza się, gdy z tej przepustowości korzystają klienci zewnętrzni lub sama Nvidia.
Ta struktura różni się od zwykłego pożyczenia klientowi pieniędzy na zakup sprzętu. Mimo to Nvidia ponosi koszty, jeśli nie rozwinie się wykorzystanie przez klientów zewnętrznych.
Jej ekspozycja obejmuje także projekty fizycznej infrastruktury. Nvidia ujawniła gwarancje o wartości do 3,5 miliarda dolarów związane z zobowiązaniami dotyczącymi gruntów, energii i budynków dla wybranych partnerów chmurowych AI.
Firma zawarła również gwarancje związane z PORTS Technology Campus spółki SB Energy w Ohio. Nvidia ograniczyła to wsparcie do łącznej kwoty 105 miliardów dolarów, pod określonymi warunkami.
Planowany kampus obejmuje około 4,25 gigawata obciążenia IT. Oczekuje się, że jego dziewięć centrów danych zacznie być oddawanych do użytku w roku fiskalnym Nvidia 2029.
Oczekuje się, że OpenAI wynajmie kampus na 20 lat, z ograniczonymi wyjątkami. Ekspozycja Nvidia maleje wraz z dokonywaniem przez OpenAI płatności leasingowych i może wygasnąć po wystąpieniu określonych zdarzeń.
Ten układ tworzy wyraźne powiązanie między Nvidia, laboratorium AI, deweloperem centrum danych i przyszłym popytem na sprzęt. Inwestorzy mają uzasadnione podstawy, by analizować cały ten łańcuch.
Nvidia twierdzi, że gwarancje rozwiązują niedopasowanie finansowania. Laboratoria pracujące nad modelami frontier mogą odnotowywać szybko rosnący popyt bez historii kredytowej wymaganej przy wielodekadowych umowach infrastrukturalnych.
Firma podała, że zainwestowała niemal 50 miliardów dolarów w laboratoria frontier AI. Nvidia określa tę kwotę jako niewielką część oczekiwanego wolnego przepływu pieniężnego w tym samym okresie.
W sierpniu Nvidia ogłosiła również partnerstwa z Apollo, BlackRock, Blackstone, Brookfield, Goldman Sachs i KKR. Ogłoszenie dotyczące finansowania zakładało uruchomienie z czasem ponad 500 miliardów dolarów kapitału stron trzecich.
Były to memoranda porozumienia, a nie zrealizowane wdrożenia pełnej kwoty. W zgłoszeniu Nvidia ostrzegła, że wstępne ustalenia mogą nie doprowadzić do zawarcia ostatecznych umów.
Proponowane platformy miałyby umożliwić zewnętrznym instytucjom finansowanie poszczególnych projektów. Nvidia nadal może według własnego uznania zapewniać ograniczone wsparcie wartości rezydualnej.
Najprostsza obrona Huanga padła podczas jego wrześniowego wystąpienia konferencyjnego. Argumentował on, że Nvidia wnosi niewielką kwotę, podczas gdy znacznie większy kapitał zewnętrzny wraca na rynek infrastruktury.
Ta odpowiedź oddaje tezę Nvidia, ale nie rozstrzyga kwestii księgowej ani ekonomicznej. Pętla finansowa nie wymaga równych wkładów każdego uczestnika, aby koncentrować ryzyko.
Ważniejsze pytanie brzmi, czy użytkownicy końcowi generują wystarczające przepływy pieniężne, by pokryć opłaty za wynajem w chmurze. Te przychody muszą ostatecznie pokrywać energię elektryczną, obiekty, finansowanie, sprzęt i marże operatorów.
Pozytywne wykorzystanie może sprawić, że interwencja Nvidia będzie wyglądać jak rozsądne tworzenie rynku. Słabe wykorzystanie może uruchomić gwarancje, obniżyć ceny najmu i pozostawić klientów ze sprzętem, który szybko się starzeje.
Inwestorzy już zażądali większej przejrzystości. Przed sierpniową publikacją wyników Nvidia analitycy Morgan Stanley domagali się szerokiej transparentności w sprawie inwestycji i ustaleń finansowych.
Liderka badań Visible Alpha, Melissa Otto, określiła prognozę 70% jako znacząco wyższą od rynkowych oczekiwań zbliżonych do 45%. Jej ocena, opublikowana wraz z szerszą kontrolą ze strony inwestorów, podkreśla, dlaczego ta debata ma znaczenie.
Prognoza tak daleko wykraczająca ponad oczekiwania zależy od czegoś więcej niż tylko od lepszej wydajności układów. Opiera się na systemie finansowania i budowy, który skaluje się bez tworzenia nadmiernej niewykorzystanej mocy.
Własne zgłoszenia Nvidia przyznają, że współistnieją ryzyka niedoboru i nadpodaży. Niewystarczająca dostępność energii, gruntów, kapitału lub komponentów może opóźniać przychody.
Klienci mogą także odraczać nowe architektury lub wdrażać je wolniej, niż oczekiwano. Zmieniające się warunki rynkowe mogą obniżyć wartość zobowiązań Nvidia i zaszkodzić wynikom finansowym.
Wyważony wniosek nie brzmi, że każdy projekt wspierany przez Nvidia generuje sztuczny popyt. Nie oznacza też, że niezależne finansowanie usuwa ryzyko Nvidia.
Firma wykorzystuje swoją pozycję rynkową, by rozwiązywać rzeczywiste wąskie gardła infrastrukturalne. Czyniąc to, silniej wiąże swój bilans z wykorzystaniem przez klientów i ich jakością kredytową.
Ten kompromis jest kluczowym testem stojącym za pewnością Huanga.
Trzy Sygnały Zweryfikują Prognozę Jensena Huanga
Inwestorzy powinni obserwować konwersję podaży, wykorzystanie przez klientów zewnętrznych i koncentrację klientów, zamiast traktować wartość 70% jako samopotwierdzającą się.
Pierwszym sygnałem jest przekształcanie przez Nvidia 279 miliardów dolarów zobowiązań dotyczących podaży i przepustowości w wysłane oraz opłacone systemy. Zobowiązania te świadczą o przygotowaniach, ale przychody wymagają gotowych produktów i przygotowanych centrów danych.
Pamięć stanowi jedno z bezpośrednich ograniczeń. Nvidia podała, że silny popyt na AI zaostrzył ograniczenia podaży i wywarł presję na koszty.
Firma zgłosiła marżę brutto na poziomie 75% za kwartał. Kierownictwo oczekiwało, że wskaźnik ten spadnie nawet do 71%, zanim zacznie się odbudowywać.
Jeśli dostępność pamięci się poprawi, a nowe architektury wejdą do produkcji wolumenowej zgodnie z harmonogramem, Nvidia będzie mogła dostarczyć więcej obserwowanego przez siebie popytu. Opóźnienia osłabiłyby oparte na podaży wyjaśnienie tej prognozy.
Inwestorzy powinni zatem porównywać kwartalne prognozy przychodów z zapasami, zobowiązaniami zakupowymi, marżami i komentarzami dotyczącymi przejścia na nowe platformy. Rosnące zobowiązania bez proporcjonalnego wzrostu wysyłek zasługiwałyby na bliższą uwagę.
Drugim sygnałem jest wykorzystanie przez strony trzecie w neocloudach i wspieranych centrach danych. To najklarowniejszy test obaw dotyczących finansowania okrężnego.
Nvidia twierdzi, że jej zobowiązania chmurowe maleją, gdy klienci zewnętrzni wykorzystują przepustowość. Silne wykorzystanie przez strony trzecie przeniosłoby ryzyko z Nvidia i potwierdziło niezależną ekonomikę projektów.
Wykorzystanie musi także generować trwałe stawki najmu. Centrum danych może wyglądać na zajęte, a jednocześnie przynosić niewystarczające zwroty, ponieważ dostawcy obniżają ceny dostępu do GPU, by przyciągać klientów.
Operatorzy chmurowi powinni wykazać, że przychody rosną wraz z zainstalowaną przepustowością. Muszą też pokazać, że popyt klientów wykracza poza kilka laboratoriów frontier i hyperscalerów.
Raportowany przez Nvidia wzrost wśród przedsiębiorstw, projektów suwerennych i regionalnych chmur wspiera tę tezę. Przyszłe ujawnienia muszą pokazać, że ci klienci stają się trwałymi użytkownikami, a nie jedynie ogłoszonymi planami.
Jeśli ekspozycja Nvidia z tytułu take-or-pay spadnie, podczas gdy przychody partnerów będą rosły, argument firmy o budowaniu rynku stanie się silniejszy. Rosnące gwarancje w połączeniu ze słabym wykorzystaniem zewnętrznym wzmocniłyby argumenty krytyków.
Trzecim sygnałem jest równowaga między systemami Nvidia a układami projektowanymi przez klientów. Amazon, Google, Microsoft, OpenAI i Anthropic mają mocne powody, by dywersyfikować dostawców.
Własne układy krzemowe mogą obniżać koszty stabilnych obciążeń i zmniejszać zależność od jednego dostawcy. Mogą również zapewniać twórcom modeli ściślejszą kontrolę nad pamięcią, siecią i projektowaniem oprogramowania.
Nvidia nie musi zapobiegać tym wdrożeniom. Jej platforma musi utrzymać wystarczającą liczbę obciążeń, podczas gdy cały rynek się rozwija.
Należy obserwować, czy dostawcy chmurowi nadal zamawiają kompletne systemy Nvidia, jednocześnie wdrażając własne akceleratory. Mieszana strategia wspierałaby twierdzenie Huanga, że Nvidia obsługuje szeroki i rosnący rynek.
Istotne przesunięcie w kierunku własnego sprzętu zarówno w trenowaniu, jak i inferencji osłabiłoby ten wniosek. Mogłoby także zmniejszyć siłę cenową Nvidia i wartość przechwytywaną na gigawat.
Prognoza na rok fiskalny 2028 będzie testowana stopniowo, a nie w dniu publikacji jednych wyników. Harmonogramy budowy, zakupy podaży, wykorzystanie chmury i wdrożenia konkurencyjnych układów pokażą, czy jej założenia pozostają zgodne z rzeczywistością.
Deweloperzy i nabywcy korporacyjni również powinni śledzić dostępność oraz ceny. Większa podaż może ułatwić dostęp do zaawansowanej inferencji, nawet jeśli organizacje nigdy nie kupią sprzętu Nvidia bezpośrednio.
Pracownicy umysłowi odczują skutki tej prognozy za pośrednictwem oprogramowania. Jeśli agenci staną się wystarczająco niezawodni, by zarządzać dłuższymi procesami pracy, zapotrzebowanie na moc obliczeniową może rosnąć, nawet jeśli użytkownicy nie będą dostrzegać stojącej za tym infrastruktury.
Prognoza Nvidii zakładająca 70% wzrostu jest ostatecznie twierdzeniem dotyczącym zachowań, a nie tylko produkcji. Zakłada, że firmy będą korzystać z AI w stopniu uzasadniającym historyczną rozbudowę mocy obliczeniowych.
Huang wyjaśniał, dlaczego Nvidia spodziewa się takiego scenariusza. Firma ma styczność z modelami, chmurami, przedsiębiorstwami, dostawcami, projektami energetycznymi i podmiotami zapewniającymi kapitał.
Ten zasięg zapewnia Nvidii informacje, których posiada niewielu konkurentów. Oznacza też, że Nvidia pomaga tworzyć przyszłość, którą, jak twierdzi, już potrafi dostrzec.
Kolejne pytanie brzmi, czy klienci wygenerują wystarczającą niezależną wartość, aby ją podtrzymać. W nadchodzących kwartałach warto obserwować dostarczone systemy, wykorzystanie chmur zewnętrznych dostawców oraz wdrażanie niestandardowych układów.
Wskaźniki te pokażą, czy 70% oznacza trwały popyt, czy też łańcuch dostaw wyprzedza swoich użytkowników.
