google analytics

6/12/2023

Nvidia是泡沫嗎?

近日Nvidia出完FY24Q1業績後股價大漲,
單日升超過兩成,市值一舉升至接近一萬億。
若以歷史市盈率算,PE>220. 
那麼NVDA就是泡沫了嗎?

FY24Q1業績:
收入7.19b, 按年下跌13%
毛利率64.6%,按年下跌1%
營業利潤率29.8%,按年上升7%。
營業利潤率上升主要是因為去年有筆1.35b收購有關的支出,
若扣除相關成本,去年實際營業利潤率達38.8%
半體導版塊週期明顯,Nvidia營業利潤率由於18%至38%不等。
去年在居家娛樂跟挖礦需求達到頂峰後,營業利潤率亦由最高38%一直下降。




細看收入構成:

發現雖然整體收入按年下降了13%,
但當中數據中心業務按年升14%,達4.28b
管理層解釋是因為雲端供應商加大採購以及強勁的互聯網企業需求。
例如Bloomberg, ServiceNow以及Adobe,都會用自己的數據去訓練模型。

至於真正令股價爆升的原因在於對Q2業績的指引

根據指引,11b的收入預期相當於按年增長64%
營業利潤4.83億,或44%,有望創歷史新高。
而管理層在電話會議中表示下半年收入將會substantially higher than H1. 
粗略估算一下全年的業績,收入7.19+11+11+11 =40.19b
假設營業利潤維持於44%,營業利潤將有17b.
相當於按年增長4倍,比FY22增長70%!

業績爆發的背後
很多人說NVDA踩對了AI的風口,業績才迎來如此爆發。
但其實不然。
半導體市場的競爭非常殘酷,不但研發週期漫長,而且面對眾多競爭對手。
AMD, Intel不用說,也有來自其他類型晶片的競爭例如ASIC跟FPGA。
當你造出一塊性能卓越的晶片時,不久就會有差不多的產品現世而且價錢便宜一截!
這樣的產品完全說明了何謂商品化。
但在這樣的環境下,NVDA能佔有顯示卡市場8成的市佔率,
背後原因值得深究。

CUDA
要脫離商品化,產品必須要做出差異化,而且是競爭對手不容易模仿的。
而CUDA framework就是NVDA的答案。
早在15年前,Nvidia就已經在研發一種讓GPU俱備更廣泛用途的編程架構。
而CUDA終於在2007年首度推出。
一般而言,軟件開發人員寫的程式會經過編譯轉換成能讓機器讀懂的機器碼。
而CPU會根據編譯出來的指令執行動作,過程中沒有GPU參與的位置。
但CPU並不擅長多工處理,CPU擅長快速處理一系列複雜的指令,
而GPU擅長同時處理很多個簡單的指令。
正正是這種差異,使得GPU更適合用於Computer Vision或AI的領域。
但過程也不是一帆風順,開發這樣的一個架構必然使產品成本上升,
而且市場初期受眾甚少,可能只有科研圈內少數會有興趣,
可謂是一個雞先定蛋先既問題。
但去到現在,CUDA除了支援最初的C/C++外,
也支援TensorFlow或PyTorch這類現時最流行的Deep Learning Framework.
因此要做AI, Nvidia的display card即使不是唯一選擇,恐怕也是預設的選擇。
近日以歷史上最快速度達到一億用戶的ChatGPT, 背後使用的也是Nvidia的顯卡。
難怪Nvidia的CEO黃仁勳有底氣說出Nvidia就是AI這樣霸氣的言論。

NVDA的護城河及未來的競爭格局
在chatGPT爆紅後,業界似乎發現AI不止可以用來下棋,
而是實實在在的改變了人們的生活,自然會有不少人想進來分一杯羮。
Amazon, Google, Meta跟Microsoft都紛紛宣布研發自己的AI晶片,
AMD亦將於下半年推出MI300主打數據中心AI應用的APU。
在computing framework方面,AMD也推出自己的ROCm框架。
但個人認為要追上Nvidia仍有很大距離。
Google的TPU仍只限於自家用,而且也有繼續跟Nvidia買H100.
AMD要說服別人使用,除了要擴大自己的installed base,
也要積極培養一班懂ROCm的開發人員。
對於企業而言,即使轉用ROCm可能成本較低,
但亦要考慮兼容性的問題,難度不少。

總結
要是估計沒錯的話,Nvidia在未來兩三年應該還是會維持這種暴利的狀態。
但再之後競爭的格局會如何就難說了。
要發展成一個生態系統很難,而Nvidia正正做到了這點,
AI亦大概率會在很多方面改變我們的生活,現時還是早期的階段,
所以還是繼續佛系持股。
當初買Nvidia時還是看輕了CUDA的影響,
這次業績亦大超我個人預期,能踏上這一次AI的狂潮亦有不少運氣成份。
巴菲特說得對,投資不必鬥難,只要投資自己看得懂的企業就好了。
另外就是要長期持股,找到一條夠長的跑道的話,只要靜靜等待複利效應好了。