Souhrn
Výsledky Nvidia za čtvrté čtvrtletí finančního roku mohou ovlivnit vnímání stability trhu s hardwarem pro umělou inteligenci. Analytici očekávají tržby mezi 65 a 66 miliardami dolarů při hrubé marži kolem 75 procent, což by potvrdilo pokračující poptávku po high-end AI akcelerátorech. Klíčovou otázkou však zůstává dlouhodobá udržitelnost tohoto růstu v konfrontaci s rostoucí konkurencí.
Klíčové body
- Očekávané tržby 65–66 miliard USD a hrubá marže blízko 75 %, což by znamenalo další překonání odhadů.
- Nvidia dominuje díky GPU pro trénink velkých modelů a inference, což přineslo růst akcií o více než 1500 % od roku 2022.
- Hyperscaleři jako Meta a Google investují do vlastních čipů, aby snížili závislost na Nvidia.
- Trh se posunul od otázky růstu k otázce jeho trvání a směřování.
- Chipový průmysl je cyklický a konkurenční, což naznačuje možné zpomalení.
Podrobnosti
Nvidia se v posledních letech stala symbolem rozmachu generativních modelů umělé inteligence. Její grafické procesory (GPU), jako řady Hopper nebo Blackwell, slouží k tréninku velkých jazykových modelů (LLM) na clusterech tisíců čipů i k inference, tedy spouštění modelů v reálném čase pro aplikace jako ChatGPT. Tato dominance umožnila růst akcií o přes 1500 % od roku 2022 do 2025 a učinila z Nvidia jednu z nejcennějších technologických firem. Přesto blížící se výkaz za čtvrté čtvrtletí přináší nejen očekávání rekordních čísel, ale i změnu perspektivy investorů.
Analytici předpokládají tržby 65–66 miliard dolarů, což by znamenalo pokračování trendu překonávání odhadů již více než dvanáct kvartálů v řadě. Tento růst táhne poptávka po high-end AI akcelerátorech od cloudových poskytovatelů a hyperscalerů, jako jsou Amazon Web Services, Microsoft Azure nebo Google Cloud, kteří budují infrastrukturu pro AI služby. Tyto firmy využívají GPU k škálování modelů, kde Nvidia drží přes 90procentní podíl na trhu s AI tréninkovými čipy.
Změna nastupuje díky snahám velkých uživatelů o diverzifikaci. Meta vyvíjí vlastní čipy MTIA pro inference optimalizovanou na jejich Llama modely, Google nasazuje TPU (Tensor Processing Units) pro své Gemini modely a Amazon má Trainium pro trénink. Tyto custom silikony neokamžitě neohrozují Nvidia prodeje – hyperscaleři stále kupují H100 a nadcházející B200 GPU – ale signalizují dlouhodobou konkurenci. Cílem je snížit náklady, optimalizovat workloady (např. specifické pro vision AI nebo recommendation systémy) a získat nezávislost na Nvidia ekosystému CUDA, který je standardem pro AI vývojáře.
Trh s čipy je historicky cyklický: po boomu následuje zpomalení, jak se poptávka nasytí. Nvidia musí ukázat nejen růst, ale i směr – například expanzi do edge AI nebo automotive. Pokud výsledky překonají, posílí to důvěru; pokud ne, zesílí spekulace o konci AI hype.
Proč je to důležité
Výsledky Nvidia nejsou jen finanční zpráva, ale barometr zdraví AI ekosystému. Pokud potvrdí růst, podpoří investice do infrastruktury, což urychlí vývoj pokročilých modelů a aplikací pro firmy i koncové uživatele. Naopak zklamání by způsobilo pokles důvěry v celý hardware segment, ovlivnilo by akcie dodavatelů (TSMC, ASML) a zpomalilo financování startupů závislých na GPU. Rostoucí custom čipy hyperscalerů naznačují fragmentaci trhu, kde Nvidia ztratí monopol, což donutí inovace, ale zvyšuje rizika pro menší hráče. Pro průmysl to znamená přechod od generality k specializaci hardware, což ovlivní cenu AI služeb a dostupnost pro širší veřejnost.
Zdroj: 📰 The Next Web
