Nvidia prowadzi, ale strategie AMD i Broadcom dzielą rynek chipów AI
Nvidia odnotowała 89 mld USD kwartalnych przychodów z segmentu centrów danych, mimo rosnących wyzwań ze strony produktów AMD i Broadcom obejmujących akceleratory, sieci oraz niestandardowe układy krzemowe. Porównanie nie jest już prostym wyścigiem między dostawcami wymiennych chipów. Każda firma zajmuje inną pozycję w centrum danych AI.
Nvidia sprzedaje ściśle zintegrowaną platformę obliczeniową opartą na GPU, sieciach, systemach i oprogramowaniu CUDA. AMD buduje najbliższą szeroką alternatywę, łącząc akceleratory Instinct, procesory EPYC, systemy w skali szafy rack oraz stos oprogramowania ROCm. Broadcom celuje w inną warstwę, projektując niestandardowe akceleratory i dostarczając technologię sieciową dla dużych klientów chmurowych.
Ten podział zmienia sposób, w jaki inwestorzy powinni interpretować wyniki firm produkujących chipy AI w 2026 roku. Nvidia pozostaje znacznie większa pod względem przychodów z centrów danych, podczas gdy AMD rośnie z niższej bazy. Broadcom oferuje skoncentrowaną ekspozycję na niestandardowe chipy i sieci, lecz jego działalność w zakresie oprogramowania infrastrukturalnego zmienia ogólny profil finansowy firmy.
Kluczowe pytanie nie brzmi więc, który ticker wydaje się najbardziej związany ze sztuczną inteligencją. Chodzi o to, gdzie klienci chcą standardowych platform, gdzie preferują niestandardowe projekty i który dostawca przejmuje ekonomikę każdego z tych wyborów. Ostatnie wyniki finansowe dostarczają wyraźniejszych dowodów, ale nie rozstrzygają tej rywalizacji.
Ostatni kwartał Nvidii podniósł poprzeczkę wydajności
Wyniki Nvidii za drugi kwartał pokazują, że konkurenci rywalizują z rozwijającą się platformą, a nie ze stojącym w miejscu liderem.
Nvidia odnotowała przychody w wysokości 96,2 mld USD za drugi kwartał roku fiskalnego zakończony 26 lipca 2026 roku. Oznaczało to wzrost o 106 procent rok do roku i o 18 procent kwartał do kwartału. Przychody z centrów danych osiągnęły 89 mld USD, rosnąc o 117 procent względem analogicznego okresu poprzedniego roku.
Dane te pochodzą bezpośrednio z wyników kwartalnych Nvidii. Pokazują skalę dzielącą Nvidię od AMD i Broadcom, choć firmy raportują różne segmenty działalności i okresy fiskalne.
Dział centrów danych Nvidii wygenerował niemal osiem razy większe przychody niż całkowite kwartalne przychody AMD. Przewyższył też przychody AMD z centrów danych ponad trzynastokrotnie. Raportowane przez Broadcom przychody z półprzewodników AI były w ostatnim dostępnym kwartale większe niż segment centrów danych AMD, ale wciąż znacznie niższe od całkowitych przychodów Nvidii z centrów danych.
Bezpośrednie porównania wymagają ostrożności. Kategoria centrów danych Nvidii obejmuje produkty obliczeniowe i sieciowe, podczas gdy AMD raportuje procesory CPU i akceleratory łącznie w segmencie centrów danych. Broadcom wskazuje przychody z półprzewodników AI obejmujące niestandardowe akceleratory i sieci AI, zamiast raportować porównywalny segment centrów danych.
Kategorie księgowe nadal pokazują jednak, gdzie każdy dostawca przechwytuje wartość. Nvidia uzyskuje przychody z akceleratorów, połączeń międzyukładowych, przełączników, systemów i komponentów wspierających. Jej klienci coraz częściej kupują kompletną infrastrukturę w skali szafy rack zamiast pojedynczych GPU.
System w skali szafy rack traktuje serwery, sieci, chłodzenie i dostarczanie energii jako jedną skoordynowaną jednostkę obliczeniową. Podejście to zwiększa wartość integracji, ponieważ wydajność zależy od komunikacji między tysiącami akceleratorów. Szybki pojedynczy chip nie zrekompensuje wąskich gardeł w całym klastrze.
Kwartalna marża brutto Nvidii na poziomie 75 procent również odzwierciedla jej zdolność do sprzedaży tej zintegrowanej architektury z wysoką rentownością. Marża brutto mierzy przychody pozostające po bezpośrednich kosztach produktów i produkcji. Nie obejmuje wszystkich kosztów operacyjnych, ale daje użyteczny obraz ekonomiki produktu.
Najnowszy wzrost firmy nie ograniczał się do jednej kategorii klientów. Nvidia podała, że do popytu przyczynili się dostawcy chmury hyperscale, nowsi operatorzy chmurowi, klienci przemysłowi i przedsiębiorstwa. Ta szerokość zmniejsza zależność od jednego kanału zakupowego, choć wydatki pozostają skoncentrowane wśród dużych budowniczych infrastruktury.
Nvidia odnotowała także przychody za rok fiskalny 2026 w wysokości 215,9 mld USD, co oznacza wzrost o 65 procent. Jej raport roczny przypisał tę ekspansję przede wszystkim obliczeniom przyspieszonym i AI. Roczne przychody z centrów danych wzrosły o 68 procent.
Wyniki te czynią Nvidię punktem odniesienia dla każdej analizy akcji firm produkujących chipy AI. Firma nie broni starego produktu, gdy rywale nadrabiają dystans. Wykorzystuje obecne przepływy pieniężne, relacje z klientami i adopcję oprogramowania do finansowania każdej kolejnej zmiany platformy.
Skala nie eliminuje jednak presji. Wraz z przechodzeniem obciążeń AI od trenowania do ciągłego wnioskowania klienci większą wagę przywiązują do kosztów operacyjnych i wyspecjalizowanej wydajności. Wnioskowanie to proces uruchamiania wytrenowanego modelu w celu generowania odpowiedzi, prognoz, obrazów lub działań.
Ta zmiana tworzy możliwości zarówno dla AMD, jak i Broadcom. AMD może zaoferować klientom inną platformę akceleratorów ogólnego przeznaczenia. Broadcom może pomóc największym nabywcom projektować chipy zoptymalizowane pod węższe obciążenia i wzorce wdrożeń.
Rezultatem jest nietypowa struktura konkurencji. Nvidia przewodzi ogólnemu rynkowi platform, ale jej konkurenci atakują różne części puli zysków. Ich sukcesu nie należy mierzyć wyłącznie jednym wspólnym porównaniem przychodów.
Wzrost AMD i Broadcom wynika z dwóch różnych strategii
Dynamika AMD i Broadcom odzwierciedla dwa odmienne wybory klientów: wdrożenie alternatywnej platformy komercyjnej lub zamówienie wyspecjalizowanej infrastruktury.
Chip komercyjny to szeroko dostępny produkt sprzedawany wielu klientom. Nvidia i AMD konkurują przede wszystkim poprzez komercyjne akceleratory, choć ich systemy można konfigurować pod różne obciążenia. Niestandardowe akceleratory Broadcom są projektowane z myślą o konkretnych klientach hyperscale i nie są sprzedawane w tym samym modelu.
AMD odnotowało przychody za drugi kwartał w wysokości 11,5 mld USD, o 50 procent wyższe niż rok wcześniej. Segment centrów danych wygenerował 6,7 mld USD, co oznacza wzrost o 107 procent. Zysk operacyjny segmentu osiągnął 2,1 mld USD, wobec straty w analogicznym okresie poprzedniego roku.
Firma przypisała ten wzrost popytowi na procesory serwerowe EPYC i dalszemu zwiększaniu skali akceleratorów Instinct. Według raportu AMD za drugi kwartał produkty dla centrów danych stanowiły 58 procent przychodów firmy.
Ta struktura ma znaczenie, ponieważ AMD nie opiera już wzrostu wyłącznie na procesorach do komputerów PC czy chipach do konsol do gier. Produkty dla centrów danych stały się jej największym strategicznym motorem. Segment łączy również dojrzałą działalność w zakresie CPU z rozwijającym się biznesem akceleratorów.
Wyzwaniem AMD jest przekształcenie pojedynczych sukcesów produktowych w powtarzalną platformę. Projekt Helios w skali szafy rack łączy GPU Instinct, CPU EPYC, sieci Pensando i wspierające oprogramowanie. ROCm, otwarta platforma oprogramowania AMD do obliczeń GPU, dostarcza programistom narzędzia do trenowania i wnioskowania poza środowiskiem CUDA Nvidii.
Oprogramowanie pozostaje kluczowe, ponieważ programiści budują aplikacje wokół bibliotek, kompilatorów, narzędzi do debugowania i procesów wdrożeniowych. Wymiana GPU może więc wymagać czegoś więcej niż zmiany sprzętu. Zespoły muszą testować zachowanie modeli, optymalizować jądra i szkolić operatorów w obsłudze innych narzędzi zarządzania.
AMD twierdzi, że jej nowsze oprogramowanie i projekty szaf rack zmniejszają te trudności. Jej najnowsza prezentacja wyników wskazuje również wdrożenia z udziałem Anthropic i Microsoft. Te zapowiedzi stanowią potwierdzenie ze strony klientów, ale wykonanie będzie zależeć od harmonogramów wdrożeń i utrzymania wykorzystania infrastruktury.
Broadcom odpowiada na inny wzorzec popytu. Firma współpracuje z dużymi operatorami chmurowymi, którzy mogą uzasadnić projektowanie niestandardowych akceleratorów dla wewnętrznych obciążeń. Takie chipy często nazywa się ASIC, czyli układami scalonymi specyficznymi dla zastosowania, budowanymi pod określone zadania.
Broadcom odnotował przychody z półprzewodników AI za drugi kwartał w wysokości 10,8 mld USD, o 143 procent wyższe rok do roku. Firma podała, że wynik napędzały niestandardowe akceleratory i sieci AI. Prognozowała przychody z półprzewodników AI za trzeci kwartał na poziomie 16 mld USD, co oznacza wzrost przekraczający 200 procent.
Dane te pochodzą z wyników Broadcom za fiskalny Q2. Jej kwartał fiskalny zakończył się 3 maja, więc okres ten nie pokrywa się z najnowszym oknem raportowym AMD ani Nvidii.
Niestandardowe podejście Broadcom staje się atrakcyjne, gdy klient obsługuje modele na ogromną i przewidywalną skalę. Wyspecjalizowany projekt może usunąć zbędne funkcje, dostroić przepływ pamięci i poprawić wydajność na wat. Takie korzyści mogą obniżyć koszty operacyjne w milionach powtarzalnych obciążeń.
Niestandardowe układy krzemowe wymagają jednak dużych zobowiązań. Klienci potrzebują zasobów inżynieryjnych, stabilnych założeń dotyczących obciążeń, mocy produkcyjnych i wystarczającej skali wdrożeń, aby uzasadnić rozwój. To sprawia, że szansa Broadcom koncentruje się wśród niewielkiej grupy nabywców hyperscale.
AMD obsługuje klientów poszukujących większej elastyczności. Jej produkty mogą wspierać różne modele, frameworki i zmiany obciążeń bez konieczności projektowania unikalnego chipu. Ta szersza użyteczność może być cenna, gdy architektury modeli nadal szybko się zmieniają.
Kontrast ten wyjaśnia, dlaczego AMD i Broadcom nie powinny być traktowane jako jedna transakcja przeciwko Nvidii. AMD musi osłabić przewagę Nvidii w komercyjnych platformach. Broadcom korzysta, gdy najwięksi klienci przenoszą wybrane obciążenia z GPU ogólnego przeznaczenia na wewnętrzne projekty.
Obie ścieżki mogą rosnąć jednocześnie. Dostawca chmurowy może wdrażać klastry Nvidii do trenowania modeli granicznych, systemy AMD dla konkurencji cenowej oraz niestandardowe akceleratory do stabilnego wnioskowania. Decyzja może różnić się między modelami, regionami i usługami dla klientów.
To mieszane środowisko wywiera presję na Nvidię, nie wymagając od klientów jej porzucenia. Oznacza również, że AMD nie musi wyprzeć każdej instalacji Nvidii, aby zbudować większy biznes. Broadcom potrzebuje jedynie, by wybrani klienci skalowali niestandardowe programy w bardzo dużych centrach danych.
Prawdziwa rywalizacja dotyczy kontroli nad platformą
Najważniejszy podział konkurencyjny dotyczy tego, kto kontroluje całą platformę obliczeniową AI, w tym oprogramowanie, sieci i decyzje wdrożeniowe.
Przewaga Nvidii zaczyna się od CUDA, jej platformy programistycznej dla obliczeń przyspieszanych przez GPU. Lata adopcji przez programistów stworzyły rozbudowane biblioteki, zoptymalizowane modele, zasoby szkoleniowe i wiedzę instytucjonalną. Ten ekosystem skraca czas potrzebny na przeniesienie obciążenia AI z etapu eksperymentów do produkcji.
CUDA wspiera również szerszą strategię sprzętową. Nvidia łączy GPU przez NVLink i NVSwitch, łączy systemy za pomocą produktów InfiniBand lub Ethernet oraz dostarcza kompletne architektury szaf rack. Klienci mogą kupić skoordynowany projekt wymagający mniej decyzji integracyjnych.
Ta integracja poprawia szybkość wdrożenia, ale może zwiększać zależność od jednego dostawcy. Klienci, którzy standaryzują modele, sieci i operacje wokół Nvidii, ponoszą wyższe koszty zmiany. Obejmują one czas inżynierów, testy wydajności i ryzyko operacyjne.
AMD próbuje obniżyć te bariery zmiany dostawcy za pomocą ROCm i otwartych standardów branżowych. Firma może również łączyć swoje procesory i akceleratory w kompletnych systemach. Jej szansa zależy od tego, czy zdoła uczynić tę alternatywę wystarczająco niezawodną dla zespołów produkcyjnych, a nie jedynie konkurencyjną w testach laboratoryjnych.
Benchmarki mierzą wydajność w kontrolowanych warunkach. Klastry produkcyjne muszą również radzić sobie z awariami, harmonogramowaniem, aktualizacjami oprogramowania, przepływem danych, bezpieczeństwem i nieprzewidywalnym popytem. Nabywcy oceniają więc całkowitą wydajność systemu i nakład pracy operacyjnej, a nie tylko szczytowe parametry chipów.
Pozycja AMD na rynku procesorów stanowi dla firmy istotny punkt wejścia. Klienci korzystający już z procesorów EPYC mają ugruntowane relacje z firmą w zakresie zakupów, walidacji i inżynierii. AMD może wykorzystać te relacje, aby wprowadzać akceleratory Instinct i konstrukcje w skali całych szaf serwerowych.
Sukces procesorów nie przekłada się jednak automatycznie na adopcję GPU. Zespoły AI wybierają akceleratory według zgodności z modelami, szybkości trenowania, ekonomiki inferencji i dostępnego wsparcia inżynieryjnego. AMD musi wykazać powtarzalne wyniki we wszystkich tych obszarach.
Broadcom podchodzi do kontroli nad platformą poprzez sieć i proces projektowania układów na zamówienie. Duże klastry AI potrzebują przełączników, połączeń optycznych, układów interfejsowych i szybkich połączeń międzyukładowych. Sieć decyduje o tym, jak efektywnie akceleratory wymieniają dane podczas obliczeń rozproszonych.
Słabe wykorzystanie sieci może sprawić, że kosztowne chipy będą czekać na dane. Wraz ze wzrostem rozmiarów klastrów ten stracony czas staje się problemem finansowym. Broadcom może przejmować wartość nawet wtedy, gdy główny akcelerator dostarcza inna firma.
Projekty niestandardowych akceleratorów pogłębiają tę relację. Broadcom wnosi własność intelektualną i wiedzę projektową, podczas gdy klient chmurowy kształtuje architekturę wokół swoich obciążeń. Taka struktura daje nabywcy większą kontrolę nad planem rozwoju sprzętu.
Przenosi ona jednak również ryzyko na klienta. Architektura modeli może zmienić się między projektowaniem chipa a wdrożeniem na dużą skalę. Wyspecjalizowana funkcja, która na etapie planowania wydawała się wartościowa, może stać się mniej użyteczna wraz z pojawieniem się nowych metod inferencji.
Nvidia odpowiada na tę niepewność szybszymi cyklami rozwoju platformy i ogólną programowalnością. Klienci mogą ponownie wykorzystać GPU, gdy zmieniają się obciążenia. Kompromis polega na tym, że elastyczność zastosowań ogólnych może wiązać się z wyższymi kosztami zakupu lub eksploatacji niż udany projekt niestandardowy.
To właśnie ten mechanizm kształtuje rynek w 2026 roku. Nvidia sprzedaje integrację i elastyczność, AMD — coraz pełniejszą alternatywę, a Broadcom umożliwia specjalizację. Ich adresowalne możliwości częściowo się pokrywają, ale nie są identyczne.
Wyzwanie ze strony AMD i Broadcom staje się silniejsze, gdy klienci priorytetowo traktują siłę negocjacyjną. Korzystanie z wielu dostawców może ograniczyć zależność od Nvidia i stworzyć więcej opcji negocjacyjnych. Może także zabezpieczać dostępność mocy, gdy popyt przewyższa możliwości pojedynczego dostawcy.
Wielu dostawców oznacza jednak własne koszty. Zespoły inżynieryjne muszą utrzymywać różne środowiska programistyczne, systemy obserwowalności i profile wydajności. Oszczędności zakupowe mogą zniknąć, jeśli złożoność operacyjna wzrośnie zbyt szybko.
Przedsiębiorstwa stoją przed szczególnie trudną kalkulacją. Rzadko działają na skali potrzebnej do uzasadnienia własnych chipów, a wiele z nich nie ma zespołów wyspecjalizowanych w optymalizacji akceleratorów. Mogą preferować usługi chmurowe, które ukrywają wybór sprzętu bazowego.
Dostawcy chmury mogą wówczas decydować, który akcelerator obsłuży dane obciążenie. Ta pozycja wzmacnia argument za chipami niestandardowymi, ponieważ użytkownicy końcowi mogą nigdy nie mieć bezpośredniego kontaktu ze sprzętem. Pozwala też dostawcom wprowadzać moce AMD bez wymagania od każdego klienta zarządzania fizycznymi systemami.
Nvidia odpowiedziała, rozszerzając swoją platformę wyżej w warstwę oprogramowania i usług. Jeśli użytkownicy wybierają zgodne z Nvidia frameworki i narzędzia wdrożeniowe, firma może zachować wpływ nawet wtedy, gdy infrastruktura staje się bardziej rozproszona. To sprawia, że adopcja oprogramowania staje się sygnałem konkurencyjności obok dostaw chipów.
Czego nie dowodzą dane o przychodach
Szybki wzrost potwierdza silny popyt na infrastrukturę AI, ale nie przesądza, która architektura zapewni najlepsze długoterminowe zwroty.
Kwartalne przychody Nvidia z segmentu centrów danych na poziomie 89 mld USD pokazują bezkonkurencyjną obecną skalę. Wzrost segmentu AMD o 107 procent pokazuje, że mniejsza alternatywa może szybko się rozwijać. Wzrost przychodów Broadcom z półprzewodników AI o 143 procent wskazuje na rosnący popyt na niestandardowe akceleratory i sieci.
Te wartości procentowe nie są bezpośrednio porównywalne. Wzrost AMD zaczyna się od znacznie mniejszej bazy, podczas gdy kategoria Broadcom obejmuje inny miks produktów. Raportowanie Nvidia dotyczące centrów danych obejmuje komponenty wykraczające poza sprzedaż akceleratorów.
Kalendarze fiskalne tworzą dodatkową komplikację. Ostatni raportowany kwartał Broadcom zakończył się na początku maja, AMD — pod koniec czerwca, a Nvidia — pod koniec lipca. Popyt, tempo wprowadzania produktów i terminy dostaw mogą istotnie zmieniać się między tymi miesiącami.
Inwestorzy muszą również oddzielić wzrost przychodów od jakości ekonomicznej. Na zwroty wpływają marża brutto, koszty operacyjne, koncentracja klientów, zobowiązania produkcyjne i kapitał obrotowy. Szybko rozwijająca się linia produktów może nadal generować słabszą ekonomikę gotówkową, niż oczekiwano.
Nvidia podała 75-procentową marżę brutto w swoim ostatnim kwartale. AMD podała 54-procentową marżę brutto spółki według GAAP oraz 31-procentową marżę operacyjną segmentu centrów danych. Broadcom podał wyniki skonsolidowane obejmujące półprzewodniki i oprogramowanie infrastrukturalne, co ogranicza możliwość prostego porównania na poziomie produktów.
Na szczególną uwagę zasługuje koncentracja klientów. Największe firmy chmurowe odpowiadają za znaczną część wydatków na infrastrukturę AI. Ich decyzje zakupowe mogą przenosić miliardy dolarów między dostawcami w ciągu zaledwie kilku cykli wdrożeniowych.
Działalność Broadcom w obszarze rozwiązań niestandardowych jest szczególnie powiązana z ograniczoną liczbą bardzo dużych klientów. Pozyskanie kolejnego programu może szybko zmienić perspektywy wzrostu firmy. Opóźnienie, przeprojektowanie lub ograniczenie wdrożenia może przynieść odwrotny efekt.
Nvidia mierzy się z ryzykiem koncentracji mimo szerszej bazy klientów. Hyperscalerzy kupują duże wolumeny jej systemów, a kilku z nich jednocześnie rozwija własne chipy. Nvidia korzysta z ich obecnych wydatków, jednocześnie konkurując z ich długoterminowymi wysiłkami na rzecz ograniczenia zależności.
AMD musi zarządzać ryzykiem wykonawczym podczas szybkiego zwiększania skali produktów. Ogłoszone wdrożenia nie stają się natychmiast przychodami, a zainstalowana moc nie gwarantuje wysokiego wykorzystania. Klienci muszą przenieść rzeczywiste obciążenia produkcyjne na systemy Instinct.
Oprogramowanie pozostaje kolejną luką wymagającą weryfikacji. AMD ulepszyła ROCm i rozszerzyła obsługę frameworków, lecz zainstalowana baza deweloperów Nvidia nadal pozostaje rozległa. Najważniejsze dowody będą pochodzić z powtarzających się wdrożeń i szerszego wykorzystania produkcyjnego, a nie z pojedynczych deklaracji dotyczących wydajności.
Kontrole eksportowe zwiększają niepewność w całej grupie. Rządy mogą ograniczać sprzedaż zaawansowanych akceleratorów, przepustowości pamięci lub kompletnych systemów na określone rynki. Takie przepisy mogą wymuszać zmiany produktów i prowadzić do odpisów zapasów.
Porównanie AMD z poprzednim rokiem ilustruje ten problem. Wyniki segmentu centrów danych za drugi kwartał 2025 roku obejmowały obciążenie w wysokości 800 mln USD związane z ograniczeniami dotyczącymi produktów MI308. Brak tego obciążenia poprawił porównanie z 2026 rokiem.
Nvidia napotkała podobne ograniczenia dotyczące produktów przeznaczonych dla Chin. Jej raporty regulacyjne ostrzegają, że dodatkowe restrykcje mogą wpłynąć na przychody, zobowiązania dostawcze i pozycję konkurencyjną. Lokalni dostawcy mogą zyskać szansę, gdy amerykańskie produkty stają się niedostępne.
Dostępność energii stanowi bardziej fizyczne ograniczenie. Klastry AI wymagają energii elektrycznej, systemów chłodzenia, gruntu i przyłączy do sieci, zanim dostawy akceleratorów będą mogły wygenerować użyteczną moc obliczeniową. Opóźniona budowa może przesuwać zamówienia lub pozostawiać zainstalowany sprzęt niewykorzystany.
Najnowszy raport regulacyjny Nvidia wskazuje grunt, energię, kapitał i ukończone konstrukcje centrów danych jako istotne wymagania. Firma zawarła również porozumienia wspierające duże projekty infrastrukturalne. Takie zobowiązania pokazują, jak daleko konkurencja wykroczyła poza projektowanie chipów.
Nakłady inwestycyjne mogą stać się kolejnym punktem presji. Dostawcy chmury obecnie oczekują, że usługi AI uzasadnią dalszą rozbudowę infrastruktury. Jeśli przychody z tych usług rozczarują, klienci mogą opóźnić nowe klastry, nawet przy utrzymaniu długoterminowych strategii AI.
Istnieje również ryzyko nadmiaru mocy w określonych generacjach sprzętu. Szybkie cykle produktowe mogą skracać użyteczne życie ekonomiczne akceleratorów. Nabywcy mogą wstrzymać się przed dużą premierą lub przekierować budżety na nowsze systemy.
Projekty niestandardowe są narażone na podobne ryzyko czasowe. ASIC zbudowany dla jednej generacji modeli może utracić przewagę wydajnościową, jeśli obciążenia się zmienią. Broadcom i jego klienci muszą równoważyć specjalizację z tempem rozwoju algorytmów.
Żadne z tych ryzyk nie podważa obecnego popytu. Pokazują one, dlaczego dynamiki przychodów nie należy przekładać na gwarantowane wyniki rynkowe. Dowody wskazują na wielu rosnących dostawców, a nie na ustalony podział przyszłych zysków.
Dla czytelników porównujących akcje spółek produkujących chipy AI wycena również ma znaczenie, choć ta analiza unika tymczasowych cen rynkowych. Silna firma może przynieść słabe zwroty z inwestycji, gdy oczekiwania już zakładają wyjątkowy wzrost. Mniejszy pretendent może rozczarować, jeśli realizacja będzie słabsza od optymistycznych prognoz.
Artykuł nie klasyfikuje więc Nvidia, AMD ani Broadcom jako inwestycji. Ich wyniki ujawniają różne kombinacje skali, opcjonalności, koncentracji i ryzyka wykonawczego. Te kombinacje należy oceniać w świetle aktualnych raportów, potrzeb portfela i indywidualnych limitów ryzyka.
Trzy sygnały przetestują tezę o chipach AI w 2026 roku
Kolejne dowody powinny pochodzić z realizacji prognozy Broadcom, tempa wdrożeń AMD oraz zdolności Nvidia do utrzymania ekonomiki platformy.
Pierwszym sygnałem będzie raport Broadcom za trzeci kwartał fiskalny. Kierownictwo prognozowało 16 mld USD przychodów z półprzewodników AI, przy wzroście rok do roku przekraczającym 200 procent. Realizacja tej prognozy wzmocniłaby argument, że niestandardowe akceleratory przechodzą do większych wdrożeń produkcyjnych.
Struktura wzrostu Broadcom będzie równie ważna jak jego łączna wartość. Inwestorzy powinni odróżniać przychody z akceleratorów od popytu na rozwiązania sieciowe oraz ustalić, czy wzrost napędzają obecni klienci, czy nowe programy. Szerszy udział klientów zmniejszyłby obawy dotyczące koncentracji.
Niedobór względem prognozy nie unieważniłby niestandardowego krzemu. Sugerowałby, że harmonogramy projektów, zwiększanie skali produkcji lub plany wdrożeń klientów pozostają mniej przewidywalne, niż wynika z nagłówkowej prognozy. Mógłby także opóźnić oczekiwane przejście w stronę wyspecjalizowanej infrastruktury inferencyjnej.
Drugim sygnałem będzie przyspieszenie AMD w segmencie centrów danych w drugiej połowie roku. AMD oczekuje silniejszej sprzedaży wraz ze skalowaniem wdrożeń Instinct i rozpoczęciem zwiększania skali Helios. Najbardziej użytecznymi dowodami będą utrzymujące się przychody segmentu, zysk operacyjny i kolejni klienci produkcyjni.
Nazwane zobowiązania dają wstępną mapę, lecz powtarzające się zamówienia oferują silniejszą walidację. Klienci rozszerzający wdrożenia po pierwszych instalacjach wskazywaliby, że oprogramowanie, niezawodność i ekonomika obciążeń spełniają wymagania produkcyjne. Wolniejsza aktywność w kolejnych zamówieniach ujawniłaby pozostałe tarcia platformowe.
AMD musi również wykazać, że wzrost akceleratorów uzupełnia jej biznes EPYC. Przychody segmentu centrów danych mogą rosnąć dzięki procesorom CPU, nawet gdy adopcja GPU rozwija się wolniej. Przyszłe ujawnienia powinny, gdy to możliwe, pomóc czytelnikom rozdzielić te wkłady.
Trzecim sygnałem będzie marża brutto Nvidia i sekwencyjny wzrost segmentu centrów danych. Jej obecna skala jest już jasna. Nierozstrzygnięte pozostaje pytanie, czy szybkie przejścia między systemami, zobowiązania dostawcze, konkurencja i finansowanie infrastruktury osłabiają ekonomikę stojącą za tą skalą.
Stabilne marże wspierałyby twierdzenie Nvidia, że zintegrowana platforma zachowuje przewagi cenowe i produktowe. Dalszy wzrost sekwencyjny pokazałby, że niestandardowe układy i alternatywy dostępne na rynku rozszerzają rynek bardziej, niż wypierają Nvidia.
Spadające marże wymagają interpretacji. Niewielki spadek może towarzyszyć wdrażaniu złożonych systemów w skali całych szaf rackowych i nadal pozwalać na osiąganie znaczących zysków. Utrzymujący się spadek wraz z wolniejszym wzrostem sugerowałby silniejszą presję cenową lub wyższe koszty dostaw.
Dane dotyczące sieci połączą wszystkie trzy sygnały. Broadcom korzysta, gdy klastry wymagają większej łączności, niezależnie od tego, który akcelerator zyskuje udział w rynku. Nvidia korzysta, gdy klienci wybierają jej zintegrowany stos sieciowy, podczas gdy AMD potrzebuje kompetentnych partnerów oraz swojego portfolio Pensando.
Adopcja oprogramowania będzie wolniejszym, ale równie ważnym testem. Deweloperzy nie zmieniają platform w reakcji na jedną kwartalną premierę. Reagują na niezawodność, dostępną moc obliczeniową, wsparcie dla modeli, dokumentację oraz mierzalne oszczędności operacyjne.
Warto obserwować, gdzie nowe modele otrzymują optymalizację klasy pierwszej. Nvidia nadal korzysta, gdy deweloperzy najpierw celują w CUDA. AMD zyskuje, gdy główne frameworki i dostawcy modeli traktują wdrożenie ROCm jako standardową ścieżkę produkcyjną.
Menu usług chmurowych oferują kolejny widoczny wskaźnik. Szerzej dostępne instancje AMD poprawiłyby dostęp dla deweloperów i przedsiębiorstw. Rozszerzanie usług opartych na niestandardowych układach pokazałoby, że hiperskalerzy czują się pewnie, udostępniając wyspecjalizowaną infrastrukturę klientom zewnętrznym.
Sygnały te należy oceniać łącznie. Broadcom może przekroczyć swoją prognozę, nie osłabiając AMD, jeśli całkowity popyt nadal rośnie. AMD może zdobywać udział w rynku, podczas gdy Nvidia wciąż rośnie w wartościach bezwzględnych.
Rynek nie wymaga jednego zwycięzcy i dwóch przegranych. Wymaga od inwestorów zidentyfikowania, która warstwa infrastruktury AI przechwytuje trwałą wartość po dzisiejszym boomie inwestycyjnym. Kolejne kilka cykli wynikowych dostarczy lepszych dowodów niż ogólne twierdzenia o nieograniczonym rynku mocy obliczeniowej.
Decyzja dotycząca układów AI staje się portfelem architektur
Rynek układów AI w 2026 roku dzieli się według obciążeń roboczych, skali klientów i pożądanego poziomu kontroli, zamiast zbiegać się ku jednemu uniwersalnemu procesorowi.
Nvidia wchodzi w tę fazę z największą zainstalowaną platformą, najwyższymi raportowanymi przychodami z centrów danych i rozbudowanym środowiskiem programistycznym. Jej najnowszy kwartał pokazuje, że popyt pozostaje silny, nawet gdy klienci rozwijają alternatywy.
AMD oferuje najwyraźniejsze szerokie wyzwanie ze strony rynku otwartego. Jej przychody z centrów danych wzrosły ponad dwukrotnie, a portfolio obejmuje obecnie CPU, akceleratory, sieci, systemy i oprogramowanie. Kolejnym zadaniem jest przekształcenie ogłoszonych wdrożeń w powtarzalny popyt produkcyjny.
Broadcom daje hiperskalerom inną drogę. Niestandardowe akceleratory mogą poprawić ekonomikę przewidywalnych obciążeń roboczych, podczas gdy produkty sieciowe przechwytują wartość w różnych architekturach obliczeniowych. Ta szansa wiąże się z ryzykiem koncentracji klientów i cykli projektowych.
Porównanie AMD i Broadcom ujawnia zatem coś więcej niż dwóch rywali goniących Nvidia. Pokazuje dwie metody osłabiania kontroli Nvidia nad platformą. Jedna buduje elastyczną alternatywę, druga zaś pomaga dużym nabywcom przejąć większą kontrolę nad własnym planem rozwoju sprzętu.
Dla deweloperów ta konkurencja może poszerzyć dostęp do akceleratorów i zachęcić do lepszej kompatybilności oprogramowania. Może również stworzyć więcej środowisk do testowania i utrzymywania. Przenośność będzie mieć większe znaczenie, gdy zespoły wdrażają modele w różnych chmurach i na różnych typach sprzętu.
Nabywcy korporacyjni powinni koncentrować się na ekonomice obciążeń roboczych i wsparciu operacyjnym. Niższy koszt sprzętu niewiele znaczy, jeśli migracja oprogramowania opóźnia wdrożenie lub powoduje problemy z niezawodnością. Z kolei znajomość platformy nie powinna powstrzymywać przed testowaniem wiarygodnych alternatyw.
Inwestorzy powinni śledzić zweryfikowane wdrożenia, koncentrację klientów, marże i zobowiązania gotówkowe obok nagłówkowych przychodów z AI. Powinni także odróżniać cykl produktów dostępnych na rynku od cyklu niestandardowych projektów. Ten sam kwartalny wskaźnik wzrostu może wiązać się z bardzo różnym ryzykiem.
Żaden pojedynczy raport wynikowy nie przesądza o rezultacie. Skala Nvidia, rozwijająca się alternatywa AMD i niestandardowa strategia Broadcom mogą współistnieć podczas rosnącego cyklu infrastrukturalnego. Trudniejszy test rozpocznie się, gdy klienci zażądają mierzalnych zwrotów z każdego dodatkowego klastra.
Jakie dowody zmieniłyby Twoje spojrzenie w następnym kwartale: realizacja przez Broadcom prognozy dotyczącej niestandardowych układów, zdobycie przez AMD powtarzalnych wdrożeń Instinct czy utrzymanie przez Nvidia marż przy większej skali? Śledź te sygnały operacyjne, zanim oprzesz się na prostej narracji, w której zwycięzca bierze wszystko. Zapewniają one jaśniejsze ramy oceny ekspozycji na Nvidia oraz AMD i Broadcom, gdy rynek infrastruktury AI dzieli się między zintegrowane platformy, alternatywy dostępne na rynku i wyspecjalizowany krzem.
