Nadchodzi presja dla Nvidii: niestandardowe układy Meta i Google oraz ryzyko „odejścia” hiperskalera od GPU

Nvidia od lat jest głównym beneficjentem rewolucji AI, ale coraz głośniej wraca pytanie, czy konkurencja wreszcie nadrabia zaległości. Widać wyraźny trend, że duże firmy technologiczne z odpowiednimi budżetami chcą projektować własne, niestandardowe układy scalone. Napędza to zarówno skala przepływów pieniędzy do Nvidii za jej GPU, jak i oczekiwania na przyszły boom w obszarze wnioskowania (inference), czyli etap przetwarzania modeli po ich wytrenowaniu.

W tym układzie hiperskalery poprawiają efektywność swoich platform dzięki własnym rozwiązaniom sprzętowym. Z jednej strony są TPU od Google (spółka-matka Alphabet, NASDAQ: GOOGL), z drugiej — układy MTIA w Meta Platforms (NASDAQ: META). Coraz bardziej widać, że projektowanie własnych chipów staje się dla innowatorów w AI naturalnym kierunkiem, a nie jedynie dodatkiem.

Wciąż jednak zapotrzebowanie na moc obliczeniową jest tak duże, że pojawienie się nowych dostawców nie musi oznaczać spadku popytu. Nawet firmy tworzące własne układy, w tym hiperskalery, nadal korzystają z GPU Nvidii. Przełom może nastąpić dopiero wtedy, gdy własne rozwiązania przestaną być uzupełnieniem, a zaczną skutecznie zastępować zewnętrznych dostawców — oraz gdy hiperskalery zaczną kierować nadwyżkę mocy na zewnątrz.

To właśnie taka ewentualność jest dla akcjonariuszy Nvidii największą niewiadomą: rynek może się okazać bardziej „przechodzący” na własne chipy, a jednocześnie hiperskalery mogłyby potencjalnie sprzedawać AI compute (moc obliczeniową) innym podmiotom. W tle widać przyspieszenie wydatków inwestycyjnych (CapEx), ale nikt nie wyklucza fazy pauzy lub korekty w nakładach, gdyby branża potrzebowała czasu na „trawienie” nowych inwestycji.

Ryzyko rośnie wraz z wahaniami sektora półprzewodników

Wahania notowań w sektorze półprzewodników mogą zmienić profil ryzyka. Nvidia ma obecnie nieco skompresowaną wycenę w postaci mnożnika, a kurs w relacji do części konkurencji nie zawsze nadąża. W takim otoczeniu argument za „przeczekaniem” może zyskiwać na sile: ryzyko spadku rośnie nie tylko na poziomie pojedynczej spółki, ale też wtedy, gdy cały rynek półprzewodników zacznie słabnąć.

Choć w dłuższym horyzoncie Nvidia nadal pozostaje atrakcyjna, droga do wyższych poziomów kursu może być wyboista. Rynek może zmierzyć się z epizodami silniejszej korekty, a do pogorszenia nastrojów może przyczynić się na przykład polityka stóp procentowych — wyższe stopy często ograniczają skłonność do agresywnego zwiększania wydatków.

W tym układzie Meta jest opisywana jako alternatywa na ekspozycję na AI-chipowe rozwiązania przy mniejszym udziale ryzyk typowych dla całego sektora półprzewodników. Zwraca się uwagę na to, że kurs META uwzględnia potencjał branżowych liderów inaczej niż część spółek z koszyka półprzewodników.

MTIA i „szybkie iteracje” Meta

Na tle różnych strategii AI szczególnie wyróżnia się podejście Meta, które opiera się na intensywnym rozwoju własnych układów. Wskazuje się m.in. na szybki cykl innowacji: zmiany mają następować w oknie sześciu miesięcy, co pozwala iteracyjnie dopasowywać rozwiązania. MTIA ma być także bardzo wyspecjalizowanym układem — szczególnie w obszarze generative AI oraz inference w zastosowaniach rekomendacji.

W praktyce oznacza to, że Meta buduje sprzęt „pod siebie”, pod konkretną aplikację i sposób działania własnej reklamy i systemów rekomendacyjnych. To ma przekładać się na potencjalnie istotną przewagę, jeśli model biznesowy Meta będzie dalej intensywnie wykorzystywać AI.

Wycena META: 21 razy zyski z tyłu (trailing earnings)

W rozmowie o wartości inwestycyjnej podkreśla się, że Meta jest postrzegana jako spółka niedoszacowana. Mówi się o wycenie na poziomie 21 razy zyski z tyłu (trailing earnings). W innym ujęciu pada też mnożnik ceny do zysku z przeszłości (20,6 razy) — trailing P/E.

W skrócie: przy założeniu, że rosnące wydatki na AI i rozwój własnych układów będą kontynuowane, Meta ma oferować relatywnie korzystną relację między ceną a zyskami, podczas gdy sektor półprzewodników może pozostawać pod wpływem podwyższonej zmienności.

Kluczowy problem dla Nvidii to tempo przejścia hiperskalera

Najważniejsza z perspektywy Nvidii nie jest sama obecność konkurencyjnych chipów, tylko tempo, z jakim hiperskalery mogą zastępować GPU Nvidii własnymi rozwiązaniami — a następnie potencjalnie kierować część mocy obliczeniowej na sprzedaż do podmiotów trzecich. Jeśli do tego doszłoby szybciej, niż rynek obecnie zakłada, mogłoby to mocno wpłynąć na dynamikę popytu na GPU.

Równolegle wydatki inwestycyjne rosną, ale ich dalsza trajektoria może zależeć od tego, czy branża wejdzie w fazę „konsolidacji” po kolejnych rundach inwestycji. W takich warunkach inwestorzy mogą szukać ekspozycji na AI, ale przy ograniczeniu części ryzyk, które są typowe dla całego segmentu półprzewodników.

Meta jako mniej „wrażliwa” alternatywa

W ocenie, która pojawia się w tym kontekście, Meta ma być bardziej odporną alternatywą na AI-chipową ekspozycję niż Nvidia w scenariuszu pogorszenia nastrojów w półprzewodnikach. Argument opiera się na tym, że spółka prowadzi agresywną realizację strategii AI i buduje własny ekosystem sprzętowy w oparciu o MTIA oraz generative AI i rekomendacje.

Jednocześnie zwraca się uwagę, że rynek może nie doceniać skali tej strategii, zwłaszcza w zestawieniu z bieżącą wyceną META. Wskazuje się, że przy „wygaszeniu” ryzyk sektorowych, Meta może szybciej niż konkurenci zamieniać inwestycje w AI na wymierne efekty biznesowe, a to ma przekładać się na atrakcyjność kursu w dłuższym horyzoncie.