Nvidia является лидером текущего всплеска интереса к искусственному интеллекту: её процессоры обеспечивают работу почти всех значимых передовых моделей и расширение дата‑центров. Рынок уверенно рассчитывает на сохранение этого преимущества, что отражается в мультипликаторах примерно 38х ожидаемой прибыли за финансовый 2025 год и около 25х за финансовый 2026 год.
Ожидаемые выручки на этот год составляют примерно $215 млрд, а в следующем году прогнозируется превышение $300 млрд. Маржинальность компании выглядит особенно высокой — порядка 50% по чистой прибыли, около 60% по операционной прибыли и примерно 70% по валовой марже.
Рост показателей подтолкнут увеличивающиеся бюджеты на AI: компании рассматривают AI как платформенное изменение, готовое требовать значительных капитальных вложений и временами принятия убытков на развитие. Крупнейшие облачные провайдеры и гипермасшалеры спешат создавать «AI‑фабрики» по 10 000–100 000 GPU, а спрос на высокопроизводительные чипы превышает предложение уже более двух лет.
Ключевой вопрос заключается в устойчивости этой структуры, когда конкуренты сократят отставание и облачные компании активнее начнут разрабатывать собственные специализированные чипы. Поставщики вроде AMD становятся всё более конкурентоспособными, а кастомизированный кремний в облаке усиливает давление на долю рынка традиционных GPU‑производителей.
Инвесторы всё чаще требуют от крупнейших клиентов Nvidia демонстрации реальной и измеримой прибыльности проектов на базе AI, чего пока в целом не достигнуто. Дополнительный фактор — переход нагрузки от ресурсоёмкого обучения моделей к бо́льшему объёму инференса, где стоимость и эффективность критичнее пиковой производительности.
Держать акции Nvidia сопряжено с риском, поскольку многое зависит от сохранения технологического преимущества и рентабельности клиентов. Одновременное включение подобных бумаг в диверсифицированный портфель может снизить отдельные риски, но не устраняет системные факторы отрасли.
Конкурентное преимущество Nvidia формируется не только силициевыми чипами, но и системой в целом. Компания поставляет комплекс: современные GPU, высокоскоростные межсоединения, сетевые решения, программную стековую поддержку и инструменты для оркестровки кластеров на уровне дата‑центра.
Перенос рабочих нагрузок с одной платформы на другую требует сущеительных затрат времени и ресурсов. Обучающий код оптимизирован под конкретные CUDA‑ядра, фреймворки распределённого обучения завязаны на особенности исполнения, управление памятью и параллелизм тонко настраиваются под текущую платформу.
Переход подразумевает переписывание значительных частей архитектуры обучения, перевыведение и оптимизацию моделей, реконфигурацию распределённой инфраструктуры и повторную проверку надёжности системы в масштабе. Такие работы занимают месяцы инженерной работы и могут оцениваться десятками—сотнями миллионов долларов, а для гипермасшалеров издержки и потери от простоя ещё выше.
CUDA представляет собой проприетарную экосистему, объединяющую низкоуровневое программирование GPU, высокопроизводительные математические библиотеки, средства оптимизации моделей и поддержку распределённого обучения. За счёт более чем десятилетнего преимущества в библиотеках, инструментах и опыте разработчиков эта платформа глубоко интегрирована в академическую и промышленную практику.
Тренинг моделей до сих пор отдаёт преимущество быстрым и универсальным чипам Nvidia, однако долгосрочно основная доля вычислений, вероятно, будет приходиться на инференс. В настоящий момент инференс остаётся ресурсоёмким из‑за увеличения размеров моделей и необходимости гибкости, но масштабы запросов и экономические соображения постепенно сдвигают фокус в сторону стоимости на единицу вывода.
Экономика инференса делает решающими цену чипа, энергоэффективность, задержку и стоимость обработки одного запроса, что даёт преимущество специализированному кремнию. Гипермасшалеры уже разрабатывают собственные ASIC и другие ускорители, которые со временем могут частично заменить универсальные GPU в масштабных продуктах инференса.
В краткосрочной перспективе Nvidia, вероятно, сохранит лидерство; в среднесрочной — вероятность остаётся высокой; в долгосрочной перспективе это преимущество, скорее всего, ослабнет. По мере стабилизации моделей и появления жизнеспособных альтернатив отрасль, вероятно, может перейти к модели с несколькими поставщиками.
Снижение маржи Nvidia или существенный рост доли рынка конкурентов повлияют не только на прибыльность, но и на оценки компании: инвесторы могут пересмотреть применяемые мультипликаторы, что приведёт к коррекции капитализации. Такие изменения будут следствием как операционных сдвигов, так и переоценки ожиданий роста.
Портфель, состоящий из тридцати высококачественных компаний, исторически демонстрировал более высокую доходность с меньшей волатильностью по сравнению с широкими рыночными индексами. Это объясняется сочетанием устойчивого роста и пониженного системного риска внутри такой выборки акций.
Комментариев