NotizieAzioniJPMorgan stima la quota di Nvidia sui futuri accordi per chip AI al 39% mentre AMD e i concorrenti guadagnano terreno

JPMorgan stima la quota di Nvidia sui futuri accordi per chip AI al 39% mentre AMD e i concorrenti guadagnano terreno

Autore: Hokanews·

Punti chiave

  • •Una stima di JPMorgan colloca la quota di Nvidia sui futuri accordi di calcolo con i laboratori AI di frontiera al 39%, in calo rispetto a oltre l'80% nel periodo 2023-2025.
  • •I chip personalizzati Broadcom rappresenterebbero il 24% di tali futuri accordi, con TPU di Google al 16%, AMD al 15% e Amazon Trainium al 6%.
  • •Un laboratorio AI di frontiera dichiara che il passaggio dei propri modelli ai chip AMD richiede ora tre giorni invece di una stima precedente di sei-dodici mesi, attribuendo il merito alla propria AI che esegue il lavoro di ingegneria.
  • •Sei dei sette maggiori acquirenti di chip AI stanno sviluppando il proprio hardware, con SpaceX citata come unica eccezione.
  • •La nota di JPMorgan, rilasciata due giorni dopo le dimissioni di Jensen Huang da CEO il 12 novembre, riporta inoltre che Nvidia ha destinato il 58% del proprio flusso di cassa operativo a investimenti azionari e acquisizioni negli ultimi tre trimestri.
JPMorgan stima la quota di Nvidia sui futuri accordi per chip AI al 39% mentre AMD e i concorrenti guadagnano terreno

La posizione dominante di Nvidia nell'infrastruttura di calcolo utilizzata dai principali sviluppatori di intelligenza artificiale sta affrontando una concorrenza crescente, con una stima di JPMorgan che colloca la quota della società di chip sui futuri accordi di calcolo tra i laboratori AI di frontiera al 39%. Ciò rispetto a una quota di mercato di oltre l'80% tra il 2023 e il 2025, secondo i dati condivisi da Coin Bureau su X. I dati indicano un panorama più frammentato per il calcolo AI rispetto a quello prevalente nel periodo precedente. La composizione di questo panorama è importante perché l'hardware sottostante determina costi, disponibilità e strumenti software legati all'addestramento AI su larga scala.

La quota restante dei futuri accordi è distribuita tra diverse piattaforme di chip concorrenti. I chip personalizzati Broadcom rappresentano il 24%, i Tensor Processing Unit (TPU) di Google il 16%, AMD il 15% e Amazon Trainium il 6%, una ripartizione che evidenzia la gamma di alternative perseguita dai principali sviluppatori di AI mentre diversificano la propria infrastruttura di calcolo. Le piattaforme differiscono per origine: i chip di Broadcom sono acceleratori personalizzati costruiti secondo le specifiche dei singoli clienti, i TPU di Google e Trainium di Amazon sono sviluppati internamente dagli operatori che li implementano, e l'offerta data center di AMD si concentra sulla sua linea di acceleratori AI Instinct. Poiché i dati sono stime di accordi ancora da concludere, descrivono un mix di approvvigionamento previsto piuttosto che transazioni registrate.

La transizione ai chip AMD richiederebbe, secondo le segnalazioni, appena tre giorni

Uno degli sviluppi citati nel rapporto riguarda la rapidità con cui un laboratorio AI può spostare i propri modelli su hardware di altro fornitore. Secondo le informazioni condivise da Coin Bureau, un laboratorio AI di frontiera ha dichiarato che il passaggio dei propri modelli ai chip AMD richiede ora tre giorni, rispetto a una stima precedente di sei-dodici mesi.

Il laboratorio ha attribuito il periodo di transizione più breve alla propria AI che esegue il lavoro di ingegneria necessario per il passaggio. Questo cambiamento illustrato mostra come l'uso dell'AI nei processi di ingegneria possa ridurre i tempi necessari per adattare i modelli a diverse architetture di chip. Tali transizioni hanno storicamente richiesto un notevole lavoro software, poiché i modelli devono essere adattati al set di istruzioni e agli strumenti di supporto di ciascun fornitore prima di funzionare in modo efficiente su nuovo hardware.

Questo sviluppo è rilevante per la posizione competitiva di Nvidia perché la capacità di spostare i carichi di lavoro tra fornitori di hardware può dare ai laboratori AI maggiore flessibilità nella scelta dell'infrastruttura di calcolo. La fonte, tuttavia, non identifica il laboratorio né specifica quali chip AMD siano coinvolti.

I principali acquirenti di chip AI sviluppano il proprio hardware

Il rapporto evidenzia anche gli sforzi delle principali aziende di AI per sviluppare le proprie tecnologie di chip. Dei sette maggiori acquirenti di chip AI, "solo SpaceX non sta cercando di costruirne di propri", secondo l'affermazione citata da Coin Bureau.

Questa tendenza aggiunge un'altra dimensione alla concorrenza nel mercato dell'infrastruttura AI. Oltre agli acquisti da Nvidia, AMD e altri fornitori, alcuni dei maggiori acquirenti stanno perseguendo lo sviluppo hardware interno anziché affidarsi interamente a fornitori di chip esterni per le proprie esigenze di calcolo. Lo schema è già visibile nella ripartizione di JPMorgan, dove i TPU di Google e Trainium di Amazon — silizii sviluppati dalle aziende che li implementano — figurano accanto ai chip acquistati da fornitori commerciali come Nvidia e AMD.

Investimenti e spese per acquisizioni di Nvidia

La nota di JPMorgan ha evidenziato anche l'allocazione del capitale di Nvidia. La società ha speso il 58% del proprio flusso di cassa operativo in investimenti azionari e acquisizioni negli ultimi tre trimestri, secondo i dati riportati da Coin Bureau.

Anche la tempistica della nota è rilevante: è stata pubblicata due giorni dopo le dimissioni di Jensen Huang da CEO il 12 novembre, come indicato nel post originale di Coin Bureau. Il rapporto non ha fornito ulteriori dettagli sulle circostanze delle dimissioni.

Nel complesso, i dati indicano un panorama competitivo in evoluzione per il calcolo AI. La stima di JPMorgan colloca Nvidia al 39% dei futuri accordi di calcolo con i laboratori AI di frontiera, mentre i chip personalizzati Broadcom, i TPU di Google, AMD e Amazon Trainium rappresentano le altre porzioni di mercato riportate. Future revisioni della stima, ed eventuali divulgazioni pubbliche di acquisti o transizioni da parte dei laboratori coinvolti, fornirebbero ulteriori punti dati rispetto ai quali verificare queste cifre riportate.

Fonte: Hokanews