AktualnościAkcjeSzacunek JPMorgan: udział Nvidii w przyszłych kontraktach na chipy AI na poziomie 39%, gdy AMD i konkurencja zyskują teren

Szacunek JPMorgan: udział Nvidii w przyszłych kontraktach na chipy AI na poziomie 39%, gdy AMD i konkurencja zyskują teren

Autor: Hokanews·

Najważniejsze informacje

  • •Szacunek JPMorgan określa udział Nvidii w przyszłych kontraktach obliczeniowych z laboratoriami AI z czołówki na 39%, w dół z ponad 80% w okresie 2023–2025.
  • •Przewiduje się, że chipy projektowane przez Broadcom staną 24% tych przyszłych kontraktów, Google TPUs 16%, AMD 15%, a Amazon Trainium 6%.
  • •Jedno laboratorium AI z czołówki twierdzi, że przenoszenie jego modeli na chipy AMD zajmuje obecnie trzy dni zamiast szacowanych wcześniej sześciu do 12 miesięcy, i przypisuje to własnemu AI wykonującemu pracę inżynieryjną.
  • •Sześcioro z siedmiu największych kupujących chipy AI rozwija własny sprzęt — wyjątkiem jest jedynie SpaceX.
  • •Nota JPMorgan, opublikowana dwa dni po rezygnacji Jensa Huanga ze stanowiska CEO 12 listopada, podała również, że Nvidia przeznaczyła 58% przepływów pieniężnych operacyjnych na inwestycje kapitałowe i przejęcia w ostatnich trzech kwartałach.
Szacunek JPMorgan: udział Nvidii w przyszłych kontraktach na chipy AI na poziomie 39%, gdy AMD i konkurencja zyskują teren

Pozycja Nvidii na rynku infrastruktury obliczeniowej używanej przez czołowych deweloperów sztucznej inteligencji stoi przed rosnącą konkurencją — według szacunku JPMorgan producent chipów ma mieć 39% przyszłych kontraktów obliczeniowych wśród laboratoriów AI z czołówki. Dla porównania: w latach 2023–2025 udział rynkowy przekraczał 80%, zgodnie z danymi udostępnionymi przez Coin Bureau na X. Liczby te wskazują na bardziej rozdrobniony obraz obliczeń AI niż ten, który dominował we wcześniejszym okresie. Skład tego krajobrazu ma znaczenie, ponieważ leżący u podstaw sprzęt kształtuje koszty, dostępność i narzędzia programistyczne wokół trenowania AI na dużą skalę.

Pozostała część przyszłych kontraktów zostanie rozdzielona między kilka konkurujących platform chipowych. Chipy projektowane przez Broadcom stanowią 24%, Google Tensor Processing Units (TPUs) 16%, AMD 15%, a Amazon Trainium 6% — taki podział pokazuje zakres alternatyw, którymi kierują się główni deweloperzy AI, dywersyfikując swoją infrastrukturę obliczeniową. Platformy różnią się pochodzeniem: chipy Broadcom to akceleratory projektowane pod indywidualne wymagania klientów, TPUs Google'a i Trainium Amazona są rozwijane wewnętrznie przez operatorów, którzy je wdrażają, a oferta AMD dla centrów danych koncentruje się na akceleratorach AI z linii Instinct. Ponieważ dane są szacunkami dotyczącymi kontraktów jeszcze niezawartych, opisują prognozowaną strukturę zakupów, a nie zarejestrowane transakcje.

Przenoszenie na chipy AMD ma zająć zaledwie trzy dni

Jedno z opisanych w raporcie wydarzeń dotyczy tego, jak szybko laboratorium AI może przenieść swoje modele na sprzęt innego dostawcy. Według informacji udostępnionych przez Coin Bureau jedno z laboratoriów z czołówki poinformowało, że przełączenie swoich modeli na chipy AMD zajmuje obecnie trzy dni, w porównaniu z wcześniejszym szacunkiem od sześciu do 12 miesięcy.

Laboratorium przypisało krótszy czas przejścia własnemu AI, które wykonało pracę inżynieryjną wymaganą do przełączenia. Opisana zmiana pokazuje, jak wykorzystanie AI w procesach inżynieryjnych może skrócić czas adaptacji modeli do różnych architektur chipów. Takie przejścia historycznie wymagały znacznej pracy programistycznej, ponieważ modele muszą być przystosowane do zestawu instrukcji i narzędzi wspierających każdego dostawcy, zanim będą działać wydajnie na nowym sprzęcie.

To wydarzenie ma znaczenie dla pozycji konkurencyjnej Nvidii, ponieważ możliwość przenoszenia obciążeń między dostawcami sprzętu może dać laboratoriom AI większą elastyczność przy wyborze infrastruktury obliczeniowej. Źródło nie identyfikuje jednak laboratorium ani nie precyzuje, o które chipy AMD chodzi.

Najwięksi kupcy chipów AI rozwijają własny sprzęt

Raport wskazuje również na działania wiodących firm AI zmierzające do opracowania własnych technologii chipowych. Wśród siedmiu największych kupujących chipy AI „tylko SpaceX nie próbuje budować własnych