Akcje Nvidii (NVDA) spadły 12 października w kierunku 225 dolarów, cofając się od rekordowego szczytu 243,37 dolara osiągniętego 6 października. Walory osłabły wraz z szerszym sektorem producentów chipów, gdy inwestorzy rozważali rosnące koszty budowy infrastruktury sztucznej inteligencji.

Korekta nastąpiła po ogłoszeniu przez Microsoft nowego własnego procesora, ponownych pytaniach o dane przychodowe OpenAI oraz doniesieniach o dużych pożyczkach na zakup sprzętu AI w obliczu rosnących kosztów centrów danych. Nvidia pozostaje wiodącym dostawcą chipów do centrów danych, choć kilku jej największych klientów opracowuje własne rozwiązania.

Maia 300 od Microsoftu wymierza w koszty AI

Microsoft oczekuje, że chip Maia 300 wygeneruje o 40% więcej tokenów na megawat niż wiodące systemy GPU, według spółki. Szafa z 96 takimi akceleratorami może dostarczyć do siedmiokrotności mocy generowania tokenów modelu Maia 200, poinformował Microsoft. Twierdzenia o efektywności mają znaczenie, ponieważ energia elektryczna i chłodzenie stały się praktycznymi ograniczeniami tempa skalowania centrów danych AI.

Spółka planuje rozpocząć wdrożenia produkcyjne w 2027 roku w swoich usługach chmurowych Azure. Wewnętrzne procesory Microsoftu mogłyby zmniejszyć zależność od zewnętrznych dostawców, choć układy GPU Nvidii pozostają powszechnie wykorzystywane do trenowania AI i innych zadań obliczeniowych. Microsoft nie jest w tym wysiłku samodzielny: jednostki Tensor Processing Units firmy Google i chipy Trainium firmy Amazon odzwierciedlają ten sam wysiłek największych klientów chmurowych Nvidii, by projektować własne układy AI.

Dane przychodowe OpenAI pod lupą

Rocznicowana przychodów OpenAI osiągnęła we wrześniu około 50 miliardów dolarów, poinformował Reuters, poniżej wcześniejszych szacunków blisko 68 miliardów dolarów. Agencja przypisała część tej różnicy sposobowi uwzględniania w kalkulacjach sprzedaży realizowanej przez partnerów chmurowych. Przychód rocznicowany to projekcja obecnego tempa przychodów na dwanaście miesięcy.

Debata o przychod pogłębiła obawy o koncentrację spółek związanych z AI. Jedna z analiz wykazała, że 42 spółek z sektora AI wygenerowało 67% wzrostów cen indeksu S&P 500 od stycznia 2024 roku. Inwestorzy uważnie obserwują, czy ogromne wydatki na infrastrukturę ostatecznie przełożą się na przychody. Ponieważ OpenAI należy do największych nabywców mocy obliczeniowej AI, jej trajektoria przychodów jest powszechnie traktowana jako wskaźnik popytu na chipy do centrów danych.

Nvidia rozważa pogłębienie zaangażowania w Reflection AI

Nvidia rozważa przejęcie startupu sztucznej inteligencji Reflection AI lub zwiększenie istniejącej inwestycji, podał Financial Times. Nvidia zainwestowała już około 800 milionów dolarów w tę spółkę, która rozwija otwarte modele AI. Rozmowy pozostają na wczesnym etapie i nie ogłoszono żadnej formalnej umowy.

Przejęcie rozszerzyłoby działalność Nvidii poza procesory w kierunku oprogramowania AI, dodając jednocześnie do jej portfela kolejne zobowiązanie inwestycyjne. Oprogramowanie już stanowi fundament ekosystemu Nvidii dzięki platformie CUDA, której programiści używają od blisko dwóch dekad do uruchamiania obciążeń na układach GPU. Akcje spółek półprzewodnikowych spadały w sposób skoordynowany, gdy traderzy oceniają plany wydatków i finansowania klientów.

Wydatki AI finansowane długiem utrzymują NVDA w centrum uwagi

SpaceX ma poszukiwać 40 miliardów dolarów finansowania na zakup chipów Nvidii w ramach połączenia pożyczek i obligacji, podał Reuters. Plan ten podkreśla, jak klienci AI coraz bardziej polegają na pożyczkach, by finansować drogie chipy i centra danych. Żadnej umowy finansowej nie ogłoszono. Zobowiązania dłużne utrzymują się niezależnie od tego, jak będzie kształtował się popyt na AI — to jeden z powodów, dla których inwestorzy śledzą obecnie układy finansowania równie uważnie jak portfele zamówień.

Akcje NVDA notowane były w poniedziałek w okolicach 226 dolarów po spadku poniżej 225 dolarów podczas kolejnej sesji strat. Październikowy szczyt pozostaje punktem odniesienia dla traderów, którzy monitorują zlecenia AI, wydatki na infrastrukturę oraz tempo, w jakim klienci wdrażają konkurencyjne procesory.

Źródło: Blockonomi