Dyrektor finansowa Nvidii, Colette Kress, przedstawiła wyrazistą prognozę dotyczącą przyszłości branży technologicznej: laboratoria AI frontier, czyli firmy tworzące najbardziej zaawansowane modele AI, staną się największymi firmami technologicznymi w historii.

W przypadku spółki, która jest jednocześnie głównym dostawcą GPU dla tych laboratoriów i aktywnym inwestorem w potrzebną im infrastrukturę, ta wypowiedź brzmi zarówno jak prognoza, jak i argument handlowy. Wspierające ją liczby są jednak znaczące i pomagają wyjaśnić, dlaczego skala wydatków na AI staje się obecnie jednym z kluczowych tematów w całym sektorze technologicznym.

Skala spojrzenia Nvidii na rynek

Kress opisała laboratoria AI frontier jako „sprawdzone spółki z szybko rosnącym wykorzystaniem przez klientów”, a takie ujęcie nabiera dodatkowej wagi, gdy spojrzeć na zobowiązania finansowe przepływające przez działalność Nvidii.

Nvidia ma obecnie 500 miliardów dolarów zamówień na swoje architektury układów Blackwell i Rubin do 2026 roku. Co istotne, zamówienia te nie obejmują żadnych współprac związanych z OpenAI. Biznes OpenAI z Nvidią nakłada się na tę łączną kwotę pół biliona dolarów.

Prezes Nvidii Jensen Huang również nakreślił skalę potencjalnego popytu ze strony OpenAI. Powiedział, że obecne i przyszłe wdrożenia OpenAI mogą wymagać około 12 gigawatów mocy obliczeniowej, z możliwością wzrostu do 16 gigawatów. W ujęciu wartościowym oznaczałoby to około 600 miliardów dolarów zasobów obliczeniowych Nvidii do 2030 roku.

Rola Nvidii w finansowaniu w Ohio

Nvidia nie tylko sprzedaje układy OpenAI. Pomaga również finansować fizyczną infrastrukturę potrzebną do ich uruchomienia.

Spółka inwestuje 1,5 miliarda dolarów w SB Energy, aby wesprzeć 20-letnią dzierżawę kampusu centrów danych PORTS-Pike w Ohio przez OpenAI. Obiekt ma początkową moc 4,25 gigawata, co czyni go jednym z największych projektów centrów danych na świecie.

Nvidia zapewnia także wsparcie kredytowe i negocjuje szersze ramy inwestycyjne z OpenAI o wartości do 100 miliardów dolarów. Pod koniec 2025 roku te ramy nie były jeszcze sfinalizowane, ale sama skala rozmów pokazuje, jak silnie powiązane stają się te spółki.

Teza o 3–4 bilionach dolarów

Kress powiedziała, że globalne inwestycje w infrastrukturę AI mają osiągnąć od 3 bilionów do 4 bilionów dolarów do końca dekady. Wydatki te obejmowałyby hyperscalerów takich jak Microsoft, Google i Amazon, a także same laboratoria AI frontier.

Najnowsze wyniki finansowe Nvidii sugerują, że spółka już pozyskuje ogromną część tych nakładów. W drugim kwartale roku fiskalnego 2027 Nvidia odnotowała 96,2 miliarda dolarów przychodów, co oznacza wzrost o 106% rok do roku. Z tej kwoty 89 miliardów dolarów pochodziło wyłącznie z segmentu Data Center.

Taki podział przychodów wyraźnie pokazuje, jak zmieniła się Nvidia. Kiedyś najbardziej znana z kart graficznych do gier, dziś uzyskuje zdecydowaną większość przychodów z obsługi obciążeń AI. Segment Data Center odpowiada obecnie za ponad 92% całkowitych przychodów, co pokazuje, jak ściśle wzrost Nvidii wiąże się z tą samą rozbudową, o której spółka mówi.

Znaczenie dla układu sił w branży technologicznej

Opinia Kress, że laboratoria AI frontier mogą stać się największymi firmami technologicznymi w historii, pośrednio rodzi pytanie o obecnych gigantów. Apple, Microsoft, Amazon i Alphabet od lat wymieniały się pozycją najbardziej wartościowej spółki publicznej. Sugestia, że OpenAI i podobne podmioty mogą ich wyprzedzić, oznacza potencjalne przetasowanie całej hierarchii technologicznej.

Na podstawie prognoz Nvidii te liczby czynią taki scenariusz prawdopodobnym. Jeśli samo jedno laboratorium AI generuje 600 miliardów dolarów popytu na moc obliczeniową od jednego dostawcy, szerszy gospodarczy zasięg takiej spółki, w tym przychody z własnych produktów i usług, mógłby być ogromny.

Jednocześnie w tej narracji istnieje oczywiste napięcie. Nvidia czerpie bezpośrednie korzyści z podkreślania perspektyw wzrostu swoich największych klientów. Każdy dolar zainwestowany w laboratoria AI frontier może ostatecznie przełożyć się na zamówienia układów dla Nvidii, co pomaga wyjaśnić, dlaczego wydatki na infrastrukturę, struktury finansowania i rozwój modeli są coraz częściej omawiane jako część tej samej historii.