Jak Nvidia stała się największą spółką świata?
W zeszłym tygodniu Nvidia, wyceniana na 3.34 biliona dolarów, na moment stała się liderem globalnego rynku, wyprzedzając Microsoft. Chociaż po ostatniej korekcie, gigant prowadzony przez Jensena Huanga spadł na trzecią lokatę, zdołał przejść drogę od producenta kart graficznych znanego głównie entuzjastom gier, do jednej z najważniejszych firm na świecie. Jak do tego doszło?
Kluczowe informacje:
- W 31 lat, Nvidia przeszła drogę od producenta przeznaczonych dla graczy kart graficznych do jednej z najbardziej wartościowych spółek na świecie.
- Sukces firmy opiera się na produkcji wydajnych procesorów GPU, które okazały się kluczowe dla rozwoju technologii sztucznej inteligencji.
- Opracowane przez nią rozwiązania znajdują zastosowanie m.in. w branżach: medycznej, motoryzacyjnej, finansowej czy rozrywkowej.
PoczÄ…tki i powstanie serii GeForce
ZaÅ‚ożona w 1993 roku przez Jensena Huanga, Chrisa Malachowsky’ego i Curtisa Priema, Nvidia miaÅ‚a na celu dostarczenie użytkownikom komputerów PC sprzÄ™tu zdolnego do generowania realistycznej grafiki 3D. Pierwszy produkt firmy – akcelerator multimedialny NV1, okazaÅ‚ siÄ™ jednak niewypaÅ‚em i to na tyle poważnym, że musiaÅ‚a ona zwolnić poÅ‚owÄ™ pracowników i stanęła na krawÄ™dzi bankructwa. Sam Huang przyznaÅ‚ później, że gdyby wiedziaÅ‚, z jakimi problemami przyjdzie mu siÄ™ zmierzyć, nigdy nie zaÅ‚ożyÅ‚by spółki.
Sytuacja zaczęła zmieniać siÄ™ w 1997 roku, gdy Nvidia wypuÅ›ciÅ‚a dobrze przyjÄ™ty chip graficzny RIVA 128. Prawdziwy przeÅ‚om nastÄ…piÅ‚ jednak w 1999 roku wraz z wprowadzeniem na rynek pierwszej karty z serii GeForce – GeForce 256 (Nvidia ukuÅ‚a wówczas termin GPU – Graphics Processing Unit, do dziÅ› powszechnie używany w branży), która na przestrzeni lat staÅ‚a siÄ™ ikonÄ… branży gier komputerowych. Warto jednak dodać, że spółka byÅ‚a znana nie tylko graczom pecetowym – dostarczaÅ‚a procesory graficzne, które montowano w najważniejszych konsolach do gier, takich jak pierwszy Xbox od Microsoftu.
Od branży gier komputerowych po centra danych i modele AI
W tym samym roku Nvidia zadebiutowaÅ‚a też na gieÅ‚dzie NASDAQ, by w ciÄ…gu trzech kolejnych lat stać siÄ™ częściÄ… S&P 500, skupiajÄ…cego 500 najważniejszych firm w Stanach Zjednoczonych. Gdyby ktoÅ› zainwestowaÅ‚by w akcje firmy podczas IPO w 1999 roku, by nastÄ™pnie reinwestować w niÄ… wszystkie otrzymane dywidendy, wartość jego inwestycji wzrosÅ‚aby do chwili obecnej o… ponad o 590 000%
Taki wynik byÅ‚ możliwy, ponieważ sukcesy w branży gamingowej byÅ‚y dla spółki tylko etapem przejÅ›ciowym. Aktualnie, Nvidii nie można już nazwać „firmÄ… od gier” – sprzedaż kart graficznych przeznaczonych dla graczy odpowiada obecnie za zaledwie 10% jej przychodów.
Dzisiejszym fundamentem biznesu Nvidii jest zasilanie tzw. centrów danych – serwerowni przetwarzajÄ…cych dane dla przedsiÄ™biorstw. Firma ma w tej branży ogromnÄ… przewagÄ™ nad konkurencjÄ…, a po jej chipy ustawiajÄ… siÄ™ w kolejce tuzy takie, jak Google czy Amazon.
Ciekawostka:
Nvidia stosuje model biznesowy „fabless”, co oznacza, że nie posiada wÅ‚asnych fabryk produkujÄ…cych ukÅ‚ady scalone. Zamiast tego zleca produkcjÄ™ swoich GPU zewnÄ™trznym partnerom, takim jak tajwaÅ„ska spółka TSMC. Takie podejÅ›cie pozwala firmie skoncentrować siÄ™ na projektowaniu i rozwoju nowych technologii, jednoczeÅ›nie minimalizujÄ…c koszty i ryzyko zwiÄ…zane z utrzymaniem wÅ‚asnych zakÅ‚adów produkcyjnych.
Niektórych może to zaskakiwać, ponieważ produkcję chipów w Stanach Zjednoczonych od dawna dominowały firmy takie jak AMD oraz Intel. Jednakże specjalizowały się one w produkcji jednostek CPU, podczas gdy Nvidia skupiła się na procesorach graficznych. Klasyczne procesory CPU są zdolne do wykonywania miliardów obliczeń jeden po drugim, podczas gdy GPU pozwalają na wykonywanie wielu różnych, mniejszych zadań równolegle, co okazało się nieocenione w m.in. w procesie trenowania modeli sztucznej inteligencji.
Dzisiaj, technologiÄ™ Nvidii wykorzystuje siÄ™ m.in. w:
- Medycynie: gdzie przyspiesza odkrywanie leków i ulepsza obrazowanie medyczne.
- Pojazdach autonomicznych: hardware Nvidii umożliwia działanie autopilota wykorzystywanego w autach marki Tesla.
- Finansach: w sektorze finansowym, GPU Nvidii sÄ… wykorzystywane do algotradingu, zarzÄ…dzania ryzykiem czy wykrywania oszustw.
- Branży kryptowalut: chipy graficzne spółki odegrały kluczową rolę w rozwoju wydobycia kryptowalut wykorzystujących mechanizm Proof of Work, umożliwiając rozwiązywanie złożonych problemów matematycznych w procesie miningu.
- Branży rozrywkowej: zastosowanie rozwiązań Nvidii w rozrywce nie ogranicza się do konsol i komputerów dla graczy. Wykorzystuje się je także w produkcji filmowej oraz projektach VR.
- Automatyzacji: napędzana technologią opracowaną przez firmę robotyka automatyzuje procesy produkcyjne, redukując koszty przedsiębiorstw i zwiększając efektywność pracy.
Wybuch pandemii i moda na generatywnÄ… AI
Jeden z najwiÄ™kszych impulsów do wzrostu spółki na gieÅ‚dzie daÅ‚a pandemia z 2020 roku. PrzyniosÅ‚a ona nie tylko wzrost popytu na karty graficzne ze strony klientów detalicznych, ale przede wszystkim – zwiÄ™kszone zapotrzebowanie przedsiÄ™biorstw na dodatkowÄ… moc obliczeniowÄ…, potrzebnÄ… do umożliwienia pracownikom zdalnego wykonywania obowiÄ…zków.
Historia rocznych/kwartalnych przychodów Nvidii w latach 2010-2024. Źródło: Macrotrends
Po pandemii przyszła pora na rekordową inflację w Stanach Zjednoczonych i działania Fed, który, próbując zdusić ją serią podwyżek stóp procentowych, doprowadził do krachu na giełdach. Cena akcji Nvidii runęła wtedy wraz z cenami pozostałych spółek technologicznych. Z tego małego kryzysu wyszła jednak jako największy zwycięzca. Udostępnienie modelu ChatGPT od OpenAI pod koniec 2022 roku zainicjowało ogromne zainteresowanie technologią generatywnej sztucznej inteligencji. Nvidia, produkująca chipy niezbędne do trenowania modeli GAI, stała się pierwszym wyborem firm zainteresowanych wdrażaniem takich rozwiązań.
Rynkowa dominacja Nvidii i przyszłość
Chociaż część jej sukcesu można przypisać przypadkowi, spółka skupiała się na sztucznej inteligencji już w czasach, kiedy w głównym nurcie mówiło się o niej bardzo niewiele. Przykładem jest uruchomienie w 2006 roku platformy CUDA, która pozwalała użytkownikom na wykorzystanie równoległych obliczeń jednostek GPU właśnie w trenowaniu AI i przeprowadzaniu symulacji naukowych.
Te wysiłki się opłaciły, ponieważ dzisiaj, według firmy IoT Analytics, Nvidia może pochwalić się 92-procentowym udziałem w rynku chipów GPU wykorzystywanych w centrach danych. Trudno jednak oczekiwać, by tak pozostało na zawsze: z firmą konkurują nie tylko Intel i AMD, ale i choćby chiński Huawei. Z kolei Meta czy Google, chcąc uniezależnić się od zewnętrznych dostawców chipów, zapowiedziały trenowanie modeli na jednostkach produkowanych samodzielnie.
Nvidia ma jednak coÅ›, czego może zabraknąć konkurentom – doÅ›wiadczenie. Choć raczej nie ma co liczyć na to, że dominacja firmy pozostanie tak wyraźna jak dzisiaj, wypracowane przez lata skupienia na produkcji jednostek GPU „Know-How” może wystarczyć jej do utrzymania pozycji lidera przez dÅ‚ugi czas.