JPMorgan schat Nvidia's aandeel in toekomstige AI-chipdeals op 39% nu AMD en concurrenten terrein winnen
Belangrijkste punten
- •Een schatting van JPMorgan plaatst Nvidia's aandeel in toekomstige compute-deals met frontier AI-laboratoria op 39%, een daling van meer dan 80% in de periode 2023-2025.
- •Van die toekomstige deals wordt verwacht dat Broadcom custom chips 24% goodaan, met Google TPU's op 16%, AMD op 15% en Amazon Trainium op 6%.
- •Eén frontier AI-lab zegt dat het verplaatsen van zijn modellen naar AMD-chips nu drie dagen duurt in plaats van de eerdere schatting van zes tot twaalf maanden, dankzij de eigen AI die het engineeringwerk uitvoerde.
- •Zes van de zeven grootste AI-chipkopers ontwikkelen hun eigen hardware, met SpaceX als enige uitzondering.
- •JPMorgan's notitie, uitgebracht twee dagen nadat Jensen Huang op 12 november als CEO was afgetreden, meldde ook dat Nvidia de afgelopen drie kwartalen 58% van zijn operationele cashflow besteedde aan aandeleninvesteringen en overnames.

Nvidia's greep op de computerinfrastructuur die wordt gebruikt door toonaangevende ontwikkelaars van kunstmatige intelligentie krijgt te maken met toenemende concurrentie. Een schatting van JPMorgan plaatst het aandeel van de chipfabrikant in toekomstige compute-deals met frontier AI-laboratoria op 39%. Dat staat tegenover een marktaandeel van meer dan 80% tussen 2023 en 2025, volgens cijfers gedeeld door Coin Bureau op X. De cijfers wijzen op een meer gefragmenteerd landschap voor AI-computing dan in de eerdere periode het geval was. De samenstelling van dat landschap is van belang omdat de onderliggende hardware de kosten, beschikbaarheid en softwaretooling rond grootschalige AI-training bepaalt.
Het resterende aandeel van toekomstige deals is verdeeld over verschillende concurrerende chipplatformen. Broadcom custom chips goodaan voor 24%, Google Tensor Processing Units (TPU's) voor 16%, AMD voor 15% en Amazon Trainium voor 6% — een uitsplitsing die het brede scala aan alternatieven benadrukt dat grote AI-ontwikkelaars nastreven bij het diversifiëren van hun computerinfrastructuur. De platformen verschillen van oorsprong: Broadcoms chips zijn custom accelerators gebouwd volgens de specificaties van individuele klanten, Google's TPU's en Amazon's Trainium worden intern ontwikkeld door de exploitanten die ze inzetten, en AMD's datacenteraanbod is gericht op zijn Instinct-lijn van AI-accelerators. Omdat de cijfers schattingen zijn van deals die nog moeten worden gesloten, beschrijven ze een verwacht inkoopmengsel in plaats van geregistreerde transacties.
Overstap op AMD-chips zou slechts drie dagen duren
Een van de ontwikkelingen die in het rapport worden genoemd, betreft hoe snel een AI-laboratorium zijn modellen kan verplaatsen naar hardware van een andere leverancier. Volgens de informatie gedeeld door Coin Bureau zei één frontier AI-lab dat het overstappen van zijn modellen op AMD-chips nu drie dagen duurt, tegenover een eerdere schatting van zes tot twaalf maanden.
Het lab schreef de kortere overstapperiode toe aan de eigen AI die het engineeringwerk voor de overstap uitvoerde. De gerapporteerde verandering illustreert hoe het gebruik van AI in engineeringprocessen de tijd kan verkorten die nodig is om modellen aan te passen aan verschillende chiparchitecturen. Dergelijke overstappen hebben historisch gezien aanzienlijk softwarewerk vereist, omdat modellen moeten worden aangepast aan de instructieset en ondersteunende tools van elke leverancier voordat ze efficiënt op nieuwe hardware draaien.
De ontwikkeling is relevant voor Nvidia's concurrentiepositie, omdat de mogelijkheid om werkbelastingen tussen hardwareleveranciers te verplaatsen AI-laboratoria meer flexibiliteit kan geven bij het kiezen van computerinfrastructuur. De bron identificeert het laboratorium echter niet en specificeert niet welke AMD-chips betrokken zijn.
Grote AI-chipkopers ontwikkelen hun eigen hardware
Het rapport wijst ook op de inspanningen van toonaangevende AI-bedrijven om hun eigen chiptechnologieën te ontwikkelen. Van de zeven grootste AI-chipkopers probeert volgens het door Coin Bureau geciteerde statement "alleen SpaceX niet hun eigen te bouwen".
Die trend voegt een extra dimensie toe aan de concurrentie op de AI-infrastructuurmarkt. Naast aankopen bij Nvidia, AMD en andere leveranciers zetten enkele van de grootste kopers in op interne hardwareontwikkeling in plaats van volledig te vertrouwen op externe chipleveranciers voor hun computerbehoeften. Het patroon is al zichtbaar in JPMorgan's uitsplitsing, waarin Google's TPU's en Amazon's Trainium — silicium ontwikkeld door de bedrijven die ze inzetten — naast chips staan die zijn gekocht bij commerciële leveranciers zoals Nvidia en AMD.
Nvidia's investerings- en overnamesuitgaven
JPMorgan's notitie belichtte ook Nvidia's kapitaalallocatie. Het bedrijf besteedde de afgelopen drie kwartalen 58% van zijn operationele cashflow aan aandeleninvesteringen en overnames, volgens de cijfers gerapporteerd door Coin Bureau.
Ook de timing van de notitie viel op: deze werd gepubliceerd twee dagen nadat Jensen Huang op 12 november als CEO was afgetreden, zoals vermeld in de originele Coin Bureau-post. Het rapport gaf geen verdere details over de omstandigheden van het aftreden.
Samen wijzen de cijfers op een veranderend concurrentielandschap voor AI-computing. JPMorgan's schatting plaatst Nvidia op 39% van toekomstige compute-deals met frontier AI-labs, terwijl Broadcom custom chips, Google TPU's, AMD en Amazon Trainium de andere gerapporteerde marktdelen voor hun rekening nemen. Toekomstige herzieningen van de schatting en eventuele openbare aankoop- of overstaponthullingen van de betrokken laboratoria zouden extra datapunten opleveren waaraan deze gerapporteerde cijfers kunnen worden getoetst.
Bron: Hokanews