Nvidia стала главным хитом лихорадки, связанной с искусственным интеллектом. Кто может бросить ей вызов?

Nvidia — самая обсуждаемая сейчас компания на Уолл-стрит: она стала 11-й в истории и первой среди чипмейкеров компанией, когда-либо преодолевшей рубеж капитализации $1 трлн. И пока другие компании только собираются начать зарабатывать на искусственном интеллекте, финансовые результаты Nvidia уже растут благодаря спросу на необходимые для него чипы. Nvidia — лидер этого рынка, но похоже, что у нее может появиться серьезный конкурент — AMD, которая обрела сильного партнера в лице Microsoft. Над своими чипами работают и бигтехи. Смогут ли они бросить вызов Nvidia, рассказывает Александра Шмидт, бывший ведущий аналитик ВТБ.

Что случилось

Искусственный интеллект (ИИ) продолжает оставаться самой горячей темой на рынках. По данным на начало мая, число упоминаний ИИ на звонках с аналитиками во время сезона отчетности превысило 1,1 тыс. Это примерно в два с половиной раза больше, чем в среднем в 2022-м, хотя к тому моменту отчитались только 80% компаний из S&P 500. Аналитики и инвесторы хотят знать, как компании планируют использовать ИИ, особенно многого ждут от бигтехов.

Недавно Google на ежегодной конференции для разработчиков представил сразу несколько новых продуктов, основанных на ИИ:

• Версия поисковика, которая использует большие языковые модели (LLM), обученные на огромных объемах текста, для ответа на запросы пользователей. Новая функция Converse будет обобщать результаты поиска по сложным запросам в короткую сводку и позволит уточнять запросы в диалоге. Пока она доступна только в тестовом режиме.
• Улучшенная версия чат-бота Bard на основе новой языковой модели PaLM 2 (он заговорил на 40 языках, включая русский); доступна широкому кругу пользователей.
• Анонсирован Duet AI для помощи в написании писем в Gmail: пользователи смогут генерировать черновик ответа по короткому описанию задачи и с учетом прошлой переписки.

Microsoft уже несколько кварталов подряд отчитывается о результатах добавления технологии OpenAI, в которую проинвестировал дополнительные $10 млрд в январе этого года, в основные линейки своих продуктов. На последней конференции для разработчиков Microsoft объявила о добавлении усиленной ИИ поисковой системы Bing, доступ к которой для всех пользователей компания открыла в начале мая, в ChatGPT. Пользователи ChatGPT Plus смогут получать ответы, обоснованные актуальными данными из поиска, включающие цитаты.

Также недавно Meta (признана в РФ экстремистской) на видеоконференции рассказала о том, что работает над созданием собственного чипа для ИИ Meta Training and Inference Accelerator (MTIA). Ранее компания потратила миллиарды долларов на закупку оборудования у Nvidia, в том числе для своего суперкомпьютера Research SuperCluster (RSC), который также показала на конференции. До этого компания представила инструменты ИИ для создания рекламы и прогнозирования ее эффективности.

Запуск новых продуктов от ведущих компаний, привлекающих огромный интерес широкой публики, резко увеличил спрос на вычислительные мощности. Для обучения и запуска моделей машинного обучения используются графические процессоры (GPU). Примерно 10 тысяч таких процессоров (модели V100 от Nvidia) компания OpenAI использовала для обучения Chat GPT.

Но сейчас даже ведущие разработчики ИИ страдают из-за нехватки чипов: об этом, например, заявил в середине мая глава OpenAI Сэм Альтман. «Достать GPU сейчас сложнее, чем наркотики», — пошутил недавно на Wall Street Journal CEO Council Summit Илон Маск, который, видимо, готовит свой ответ OpenAI под названием X.AI.

Согласно последнему отчету исследовательской компании Precedence Research, размер мирового рынка GPU для ИИ в 2022 году составлял $16,9 млрд. Ожидается, что рынок достигнет примерно $62 млрд в 2027 году, а к 2032 году — $227 млрд с ошеломляющим среднегодовым темпом роста (CAGR) 29,7%. При этом мировой рынок всей инфраструктуры (оборудование, в том числе переключатели, роутеры и собственно чипы, а также программное обеспечение) ИИ, согласно прогнозу исследовательской компании MarketsandMarket вырастет с $29 млрд в 2022 году до $97 млрд в 2027-м с CAGR 27,5%.

Почему именно GPU применяются для обучения моделей ИИ

GPU стали идеальным инструментом для программирования нейронных сетей благодаря нескольким особенностям:

1. Возможности параллельно выполнять много задач. В отличие от центральных процессоров (CPU), которые ограничены в количестве ядер и выполняют задачи последовательно, GPU способны разбивать сложные проблемы на миллионы отдельных задач и решать их одновременно. Это особенно полезно при работе с нейронными сетями, которые могут быть разделены на множество независимых «нейронов», обрабатываемых одновременно.

2. Высокой пропускной способности памяти. Нейронные сети используют специальные хранилища с информацией, необходимой для обучения ИИ. Однако размер этих хранилищ часто превышает доступную оперативную память компьютера, и это становится ограничивающим фактором для использования CPU, так как доступ к данным замедляется.

3. Относительно удобной модели программирования. Популярность графических карт для тренировки нейронных сетей резко возросла с появлением графических процессоров общего назначения (GP-GPU). Такие GPU смогли выполнять произвольный код, а не только специфический для решения задач обработки графики. Возможность написания такого произвольного кода предоставил язык программирования Cuda от Nvidia.

Эти преимущества GPU стали особенно важны с возросшей популярностью Large Language models (LLM, большие языковые модели), количество обучаемых параметров в которых увеличивалось десятикратно последние несколько лет. А чем больше параметров в модели, тем больше данных требуется для ее обучения. Например, ChatGPT-3 имеет в 10 раз больше параметров (175 млрд), чем его предшественники. Его обучение происходило на 45 терабайтах текста, эта информация соответствует объему книг примерно на 305 км книжных полок. Согласно некоторым источникам, ChatGPT-4 обучался на 170 трлн параметров (точное число не разглашается). Ожидается, что LLM будут становиться все больше, а вместе с ними и рынок вычислительной мощности для их обучения.

С вычислениями для ИИ могут справиться специализированные чипы, такие как FPGA (Field-Programmable Gate Array) и ASIC (Application-Specific Integrated Circuit). Эти чипы можно программировать (а FPGA — и перепрограммировать несколько раз) для выполнения конкретной задачи. Так как они оптимизированы для выполнения определенных операций, они обладают высокой производительностью и энергоэффективностью. Однако их создание требует значительных затрат на проектирование и изготовление. Согласно отчету State of AI, чипы Nvidia в 2022 году в исследовательских статьях на тему ИИ упоминаются в 30 раз чаще, чем FPGA, и в 83 раза, чем TPU (ASIC для ИИ от Google, про них в тексте — ниже).

В отличие от специализированных чипов GPU предлагает более общий и универсальный подход к параллельной обработке, что делает его более гибким и доступным для приложений. GPU также обладает широкой экосистемой инструментов и ПО, которые поддерживают его использование в различных областях.

Nvidia и AMD — самые заметные игроки на рынке графических процессоров. При этом, как писал CNBC со ссылкой на New Street Research, доля Nvidia составляла 95%. Компания поставляет чипы для многих разработчиков инструментов, основанных на генеративном ИИ, включая Amazon, Google и Meta (признана в РФ экстремистской).

Однако в начале мая Bloomberg со ссылкой на источники сообщил, что Microsoft помогает AMD с экспансией на рынок GPU. Возможное сотрудничество включает совместную работу над графическим процессором Microsoft — Athena, который предназначен для работы ИИ. Как писало издание The Information, Microsoft ведет секретную разработку чипа с 2019 года, и Athena может стать на 30% дешевле чипов Nvidia.

Чем уникальна Nvidia и кто может ее потеснить

Доминирующему положению Nvidia на рынке графических процессоров способствовала изначальная специализация компании на 3D-графике для игр и мультимедиа. Еще в 1999 году инженеры компаний Nvidia и ATI Technologies (в 2006 была приобретена компанией AMD) разработали GPU для выполнения графических задач. А после банкротства 3dfx Interactive в начале 2000-х эти две компании образовали дуополию на рынке графических процессоров.

В 2006 году Nvidia представила программную архитектуру Cuda, которая существенно расширила возможности использования графических процессоров за пределами графики и игр, проложив путь для их применения в различных областях, включая науку и ИИ. Появились GPU общего назначения.

Благодаря этому Nvidia вышла далеко за рамки видеоигр. В 2016–2020 годах компания получила большой импульс благодаря возможности использования GPU для криптомайнинга. А с конца прошлого года Nvidia оседлала волну популярности ИИ. Графические процессоры компании используются для дата-центров, профессиональной визуализации и автомобильной промышленности.

В силу изначальной специализации выручка от сегмента игр до последнего финансового года занимала самую большую долю в общей выручке компании. Однако

спустя более чем десятилетие после инвестиций в направление ИИ сегмент дата-центров, в который входит выручка от продажи графических процессоров и программного обеспечения для ИИ, стал лидировать с долей 60% в общей выручке. CAGR выручки сегмента за последние пять лет составил внушительные 51%. Вместе с играми он теперь составляет более 90% от общей выручки компании.

Рост выручки от сегмента дата-центров, по итогам 2023 финансового года (февраль 2022 — январь 2023), составил 41% (год к году, г/г), и нивелировал спад выручки в геймерском сегменте на 27%.

В конце мая компания отчиталась о финансовых результатах по итогам I квартала 2024 финансового года. Выручка сегмента дата-центров, к которому был прикован всеобщий интерес из-за общего хайпа вокруг ИИ, выросла на 14% г/г, до $4,3 млрд. Но настоящую эйфорию у инвесторов вызвал прогноз выручки на следующий квартал ($11 млрд), который оказался выше средних ожиданий аналитиков на 54%.

Акции за час взлетели на 26%, а сама компания оказалась близка к абсолютному рекорду по дневному росту капитализации в истории. Выросли акции и других компаний, работающие в области ИИ: AMD подорожал на 11%, выросли акции производителей чипов и оборудования для их производства (TSMC, Advantest и др.) и ПО для ИИ (C3.ai., BigBear.ai Holdings и др.).

Основным драйвером выручки сегмента дата-центров Nvidia стали продажи чипов (около 80% выручки). Наибольшую часть продаж компания делает на чипах А100 и H100. Производство последнего компания начала в сентябре 2022 года. H100 стоит примерно в три с половиной раза дороже своего предшественника A100, но при этом обеспечивает девятикратное увеличение эффективности обучения и 30-кратное — использования LLM по сравнению с A100. На звонке с инвесторами по результатам IV квартала 2023-го финансового года CEO компании сообщил, что продажи H100 уже превысили продажи А100.

Чипы Nvidia профессионалы в области ИИ уже прозвали «рабочими лошадками». Они используются и для вычислений в ChatGPT, Bing AI, Stable Diffusion (ИИ, который преобразует текст в изображения). Крупные компании и стартапы, занимающиеся разработкой ПО, такого как чат-боты и генераторы изображений, нуждаются в сотнях и даже тысячах чипов Nvidia. Например, Meta (признана в РФ экстремистской), согласно отчету State of AI, имеет доступ к 21,4 тыс. A100 GPU.

Помимо чипов компания также реализует системы DGX — восемь А100 или H100 плюс два CPU, работающих в связке. По данным New Street Research, модель ChatGPT, внедренная в поисковую систему Bing, может требовать до восьми GPU для мгновенного ответа на вопросы пользователей. Чтобы обеспечить этим всех пользователей Bing, необходимо иметь более 20 тыс. DGX A100 стоимостью $200 тыс. каждый. Это может обойтись Microsoft в $4 млрд.

Прогноз Citigroup показывает, что только использование ChatGPT может принести Nvidia $3–11 млрд в продажах к концу 2023 года. Это 14–40% выручки последнего отчетного года. C начала года акции Nvidia уже выросли на 178% (по данным на утро пятницы), то есть почти в три раза. По рыночной капитализации Nvidia ($982 млрд) уже опережает Berkshire Hathaway Уоррена Баффета ($708 млрд) и Meta (признана в РФ экстремистской; $699 млрд). Также Nvidia стоит в 7,6 раза дороже Intel ($130 млрд), выручка которого в 2,3 раза больше.

Этому «ралли» способствовали в первую очередь крупные инвесторы, пишет FT со ссылкой на данные Vanda Researh. В первом квартале известные управляющие Стэнли Дракенмиллер и Дэвид Теппера активно покупали акции компании.

Но дело не только в самих чипах, резко ставших востребованными, — компания может заработать на ИИ и другими способами:

1. Nvidia постоянно расширяет свою базовую экосистему Cuda и производит ПО, специфичное для различных отраслей, например,

• облачный набор ПО AI Enterprise для предприятий, которое помогает компаниям улучшить обработку данных, автоматизировать процессы и получить ценные идеи из больших объемов информации: к примеру, Clara для медицинской диагностики, Isaacs для автоматизации роботами и др.;
• высокооптимизированные библиотеки программного ускорения Cuda-Х: это предварительно написанный код, который может быть использован для улучшения производительности при выполнении вычислительных операций;
• NGC — портал услуг, ПО и поддержки для ИИ, который включает LLM NeMo, BioNemo и Riva Studio для решений NLU и ИИ для обработки речи, NVIDIA Base Command для обучения моделей, NVIDIA Fleet Command для управления моделями.

Так, в конце мая компания объявила о выпуске большого числа новых продуктов, ориентированных на ИИ, в том числе DGX GH200 AI Supercomputer и оборудование для разработчиков игр. Также Nvidia пообещала увеличить производство для удовлетворения спроса.

2. Развивает новое направление бизнеса «ИИ-как-услуга» (AIaaS). Новый продукт Nvidia DGX Cloud позволяет клиентам пользоваться вычислительными мощностями крупнейших дата-центров для разработки, машинного обучения и использования моделей ИИ. По оценке Precedence Research, мировой рынок AIaaS в 2022 году составил $120 млрд и ожидается, что к 2027 году он может вырасти до $599 млрд с CAGR 38,1%. Помимо Nvidia из крупных игроков на этом рынке присутствует Amazon Web Services (AWS), Microsoft Azure, Google Cloud Platform (GCP), Alibaba Cloud, IBM Cloud, Oracle Cloud. Примечательно, что все эти сервисы используют GPU от Nvidia.

AIaaS дает компаниям несколько преимуществ по сравнению с покупкой собственного аппаратного обеспечения:

• экономия затрат;
• гибкость — компаниям, которым необходимы вычислительные мощности только в определенное время, легче их использовать в облаке, купив временный доступ;
• обширный набор услуг, включая предварительно обученные модели, обработку данных, обучение моделей;
• экспертиза, поддержка со стороны поставщиков AIaaS, которые также обеспечивают обновление и обслуживание ПО.

Нужно учитывать, что ключевое конкурентное преимущество Nvidia достигнуто благодаря многолетнему развитию экосистемы программных продуктов. Это особенно важно для конечного пользователя, например компании, которая не имеет компетенции и возможностей бигтехов в создании ПО. Такой компании выгоднее арендовать вычислительные мощности или пользоваться комплексными облачными решениями.

Nvidia вложила значительные средства в развитие экосистемы ПО Cuda, и большая часть прогресса в области ИИ достигнута с использованием библиотек Cuda. Как отмечает Стэйси Расгон, аналитик из Bernstein Research, на днях инвесторов и в общении с аналитиками менеджмент Nvidia уделяет софту даже больше внимания, чем оборудованию, и ни одна компания, в том числе AMD, Intel и другие стартапы, пока не приблизились к ней в этом.

Негативное влияние на продажи Nvidia оказывают торговые ограничения экспорта полупроводников в Китай. США ввели лицензирование, чтобы устранить риск использования или перенаправления продуктов на военные цели. Nvidia сообщила, что адаптировала некоторые из своих чипов для китайского рынка в соответствии с установленными ограничениями на экспорт. Экспортные продажи в Китай, по итогу III квартала 2022 финансового года, ожидались на уровне $400 млн, что эквивалентно 5–6% выручки. Это последнее упоминание о доли Китая в продажах.

Непосредственное производство чипов у компании находится на аутсорсинге у Taiwan Semiconductor Manufacturing Company (TSMC). Такая зависимость от одного подрядчика может быть рискованной, однако это результат давно сложившейся конкурентной ситуации в отрасли. Каждая компания стремится сохранить независимость и контроль над проектированием чипов и их производством. Поэтому, например, сотрудничество Nvidia с непосредственным конкурентом Intel (еще одним возможным подрядчиком) может вызвать конфликт интересов и ограничить дифференциацию продуктов на рынке. Поэтому рост Nvidia в последние недели способствовал и росту акций TSMC.

AMD вышла на рынок графических процессоров благодаря покупке ATI Technologies в 2006 году. Согласно данным New Street Research, AMD занимает менее 5% на рынке чипов для ИИ.

AMD производит GPU MI250. Недавно был представлен, но еще не вышел на рынок MI300 — альтернатива А100 и H100 Nvidia. AMD имеет и собственное ПО ROCm, которое дает доступ к открытым языкам программирования, компиляторам, библиотекам и инструментам, специально созданным для ускорения разработки кода и решений для ИИ.

ИИ был одной из ключевых тем на последнем конференц-звонке, посвященном финансовым результатам AMD — он упоминался 46 раз. Лиза Су, исполнительный директор AMD заявила, что MI300 «очень хорошо» подходит как для высокопроизводительных вычислений, так и для задач искусственного интеллекта. Она также добавила, что за последние несколько месяцев интерес к MI300 значительно вырос, особенно в области ИИ, и что компания уделяет этому проекту больше ресурсов. В компании даже создано специальное подразделение, которое работает над усилением позиций AMD на рынке аппаратного обеспечения и ПО для ИИ. О больших планах компании в новом направлении косвенно говорят и затраты компании на исследования и разработки, которые по итогу прошлого года выросли на 75%, до $5 млрд, и продолжают оставаться высокими и в этом году.

Эксперты отмечают, что с точки зрения технических характеристик GPU Nvidia выигрывают за счет наличия Tensor Cores (тензорных ядер), которые помогают GPU пропускать ненужные вычисления, что сокращает время выполнения задач. Кроме того, платформа Radeon Open Compute (ROCm) AMD совсем новое направление по сравнению с экосистемой ПО от Nvidia.

Также, по мнению отраслевых экспертов, даже при наличии конкурентного чипа и ПО у AMD все равно остается проблема — отсутствие активного сообщества. Если у пользователя возникнут проблемы с графическими процессорами Nvidia, всегда можно найти решение, просто воспользовавшись поиском в Google. У Nvidia есть инфраструктура, которая облегчает использование графических процессоров: есть методы и инструменты, которые делают использование GPU легким. Экспертов по графическим процессорам Nvidia значительно больше, чем AMD.

Исторически AMD занимает более устойчивую позицию в другой нише полупроводников — PC CPU, где уже не первое десятилетие конкурирует с Intel. По данным Mercury Research, в последнем квартале 2022-го Intel занимала 68,7% рынка по процессорам x86, в то время как AMD — 31,3% (годом ранее — 28,5%). Именно эти продукты и были основным драйвером выручки в прошлом году. И в отличие от Nvidia, которая не показала роста выручки по последнему отчетному году, выручка AMD увеличились на 44% год к году.

В I квартале 2023-го выручка AMD упала на 9%, до $5,3 млрд. Выручка в текущем квартале ожидается на уровне I квартала, что в результате приведет к отрицательной динамике год к году в минус 18%. Отсутствие амбициозных планов на следующий квартал, в отличие от Nvidia, говорит о том, что компания не ожидает в ближайшем будущем прироста доли рынка в набирающем обороты сегменте чипов для ИИ.

Может ли кто-то еще ворваться в эту гонку

Прямыми конкурентами AMD и Nvidia могут стать бигтехи, которые сейчас активно инвестируют в разработку собственных чипов для ИИ. На них у чипмейкеров приходится весомая доля выручки, что создает риски, отмечают в Bloomberg Intelligence. Вот несколько примеров их разработок.

1. Google уже имеет в распоряжении такой чип, он называется TPU. Компания недавно опубликовала исследование, в котором выявлено, что TPU работает в 1,2–1,7 раза быстрее и потребляет в 1,3–1,9 раза меньше энергии по сравнению с Nvidia A100. Также компания работает над следующим поколением TPU, который будет конкурировать с H100. TPU используются более чем в 90% работ Google по обучению искусственного интеллекта.

По словам Расгон из Bernstein Research, бигтехи имеют собственные возможности создания ПО, что нивелирует преимущество Nvidia: к примеру, у Google есть собственная библиотека машинного обучения TensorFlow, поэтому ей не нужна Cuda.

2. Meta (признана в РФ экстремистской) две недели назад представила новые проекты в области центров обработки данных, которые поддерживают работу ИИ. Одна из особенностей этих проектов — разработка собственного семейства чипов. В 2020 году был разработан чип первого поколения в рамках программы Meta Training and Inference Accelerator (MTIA) для оптимизации моделей рекомендаций в лентах новостей. Meta также работает над более мощным чипом, способным выполнять обучение и использовать модели ИИ. Кроме того, компания объявила о планах модернизации своих центров данных и разработки более современных систем сетевого взаимодействия и охлаждения, а также о наличии системы ИИ, которая помогает разработчикам создавать код.

3. Microsoft планирует расширить использование Athena для внутренних целей уже в следующем году. Кроме того, у Microsoft есть план развития чипов, который включает несколько будущих поколений.

4. Amazon Web Services (AWS) скоро откроет клиентам доступ к сервису Bedrock, который позволяет предприятиям настраивать свои собственные модели ИИ, а также использовать модели других компаний. При этом основными компонентами будут специальные AI-чипы Amazon Inferentia, а также чипы от Nvidia, которые будут использоваться по мере необходимости, снижая давление на поставки.

5. В апреле в гонку также ворвался китайский Tencent: компания объявила о начале массового запуска GPU Canghai.

6. У Intel тоже уже имеются некоторые программные и аппаратные решения для ИИ вычислений, однако они не составляют серьезную конкуренцию на рынке. На конференции в Германии в конце мая Intel сообщила, что почти завершила поставки суперкомпьютера Aurora для национальной лаборатории Argonne, который базируется на чипе Ponte Vecchio. Intel также раскрыла детали разрабатываемого чипа для ИИ Falcon Shores, который планируется запустить в производство в 2025 году.

Читайте подробнее: «Худшие новости уже вышли». Как Intel утратила лидерство на рынке процессоров и пытается выбраться из кризиса

Стоит ли сейчас вкладываться в компании

О том, что Nvidia после текущего «ралли» выглядит слишком дорого, заявила даже Кэти Вуд, глава инвесткомпании Ark Invest, сделавшая себе имя во время «ралли» 2020–2021 годов из-за ставок на растущие технологические компании. Сама Вуд продала акции Nvidia, которые она давно купила, перед началом этого квартала, пропустив значительную долю роста.

Действительно, даже после небольшого снижения в середине недели Nvidia торгуется с крайне высоким мультипликатором P/E (за последние 12 отчетных месяцев, TTM) 206 (здесь и далее — данные Yahoo Finance). Так дорого в истории рынков в моменте стоили всего несколько компаний, пишет редактор Bloomberg Джон Отерс. Так, с P/E больше 200 три месяца в течение 2000 года торговалась Cisco. Затем пузырь доткомов рухнул, а стоимость акций Cisco после падения восстановилась только к 2018 году. И это при том, что бизнес компании рос теми же темпами, что и ожидалось.

По итогу второго квартала ожидания по EPS составляют $1,92, что эквивалентно $4,6 млрд чистой прибыли. При таком впечатляющем тренде и сохранении показателей рентабельности на уровне прошлого года чистая прибыль по итогу года составит около $18 млрд (рост 156% год к году), а форвардный показатель P/E с учетом этого составляет 84. По этому показателю, компания стоит даже дешевле Intel (108).

Некоторые аналитики указывают, что текущий краткосрочный прогноз Nvidia по росту выручки может оказаться завышенным, потому что компания может не справиться с ростом заказов. Другие считают, что все же она сможет поддерживать высокие темпы роста выручки. Одно из самых узких мест для Nvidia не производство (TSMC, по мнению аналитиков, имеет необходимые мощности), а скорость, с которой данные перемещаются в центрах обработки данных, отмечает Bloomberg. Spectrum X от Nvidia, сетевая система, использующая технологии, приобретенной Mellanox Technologies в 2020 году, должна решить эту проблему. Nvidia сейчас строит дата-центр в Израиле, чтобы продемонстрировать, насколько они эффективны, пишет агентство.

Форвардный P/E Nvidia сейчас не так далек от уровня среднего исторического значения мультипликатора за предыдущие два года (40), но все еще выше среднего показателя по отрасли (включает также компании, не участвующие в гонке вычислительных мощностей для ИИ) в 27. Такая премия связана с ожидаемым ростом выручки от продаж чипов для ИИ от Nvidia в течение многих лет. Это может быть оправданно: компания обладает заметным преимуществом перед конкурентами, прежде всего за счет наличия Cuda, экосистемы программного обеспечения для GPU. Рисками для Nvidia в отдаленной перспективе, по мнению аналитиков, может стать конкуренция с бигтехами. Вероятно, также вопросом является востребованность самой технологии ИИ в той степени, в которой это сейчас ожидают аналитики, представители IT-индустрии и т. д.

AMD кажется отстающей в этой гонке, но деталей по поводу сотрудничества с Microsoft пока не так много. Компания сейчас торгуется с мультипликатором P/E 629 (TTM). По итогам 2022-го компания зафиксировала $3,5 млрд экстраординарных амортизационных отчисления приобретенных нематериальных активов компаний Xilinx и Pensando, что уменьшило чистую прибыль TTM до $395 млн. Рентабельность по чистой прибыли TTM составила 6%, что значительно меньше среднего показателя в предыдущие два года (22%). Без этих отчислений мультипликатор P/E составил бы около 50. Форвардный P/E сейчас равен 42, что выше среднего по отрасли на 63%.

Вывод о том, справедлива ли такая премия, которая все же меньше, чем у Nvidia (93%), зависит от способности компании реализовать потенциал единственного на сегодня серьезного конкурента Nvidia. С начала года акции AMD подорожали на 87%. Помимо возможности компании поучаствовать в росте рынка ИИ, инвесторы также учитывали успехи компании в другом сегменте процессоров, где компания имеет хорошую конкурентную позицию и постепенно забирает долю рынка у Intel.