Lemaradt az Nvidia
A 2022-es medvepiac után szárnyait próbálgató AI-trade egyértelmű nyertese sokáig a nagyteljesítményű processzorokat gyártó, amerikai Nvidia volt. A társaság részvényének árfolyama a 2022 őszi 11,2 dolláros mélypontról 2025 végére csaknem 17-szeresére emelkedett. Ha azonban valaki csak az elmúlt egy év hozamait nézi, azt látja, hogy a papír lemaradó: a szélesebb chipszektor 100 százalék feletti emelkedéséhez képest mindössze 18 százalékot erősödött. Ennek több oka van: ilyen például az egyszerű méret-matematika, hiszen a cég közel 5 ezer milliárd (5 billió) dolláros piaci kapitalizációja már önmagában korlátozza, hogy mekkora növekedés várható el reálisan a világ legértékesebb vállalatától. Van azonban néhány érdekesebb tényező is, amely valós kételyeket vethet fel az Nvidia piaci pozíciójával és hosszú távú hozampotenciáljával kapcsolatban.
Egyedi hiperskálázó chipek
Az AI-versenyben érdekelt technológiai óriásvállalatok mind saját chipek fejlesztésén dolgoznak. Az Nvidia chipjei nagyon jó általános eszközök az AI-számítások elvégzéséhez, de vannak olyan speciális számítási feladatok, amelyeknél tovább lehet javítani a teljesítményen. Azzal a céllal, hogy kikerüljék az Nvidia termékeinek extrém magas profitrését, a Google, az Amazon, a Microsoft, a Meta és az OpenAI is létrehozta már a saját chipjét. Ezek jellemzően valamilyen szűk felhasználási területen nagyobb teljesítményűek vagy gazdaságosabbak az Nvidia chipjeinél, és csökkentik a vállalatok függőségét a chipóriás monopóliumától. Az ASIC (Application Specific Integrated Circuit) chipek értéklánca kikerüli az Nvidiát. Ezeket a chipeket a tech cégek az egyedi mesterséges intelligencia chipek és a nagy sebességű hálózati eszközök gyártásában élenjáró amerikai Marvell-lel és a Broadcommal közösen tervezik meg, a gyártás 95 százalékát pedig a tajvani TSMC végzi. Fontos azonban, hogy ezek felhasználása egyelőre szinte teljesen belső felhasználásra korlátozódik, és inkább jelent fenyegetést az Nvidia hosszabb távon megcélozható piacának közép- és hosszú távú növekedésére, mintsem jelenlegi piaci pozíciójára.
Az egyik vezető AI-labor, az Anthropic több mint egymillió Google TPU-hoz fér hozzá, és vannak modellek, amelyek tanítására és futtatására elsősorban TPU-kat használ. (A TPU a Google egyedi fejlesztésű, alkalmazásspecifikus chipje, amelyet kifejezetten a gépi tanulás és a mátrixmatematikai feladatok felgyorsítására terveztek.) Ez alátámasztja, hogy az Nvidia nem megkerülhetetlen az AI-chipek piacán.
Training vs. inference
Amikor AI-adatközpontokról beszélünk, ezek általában két fő dolgot csinálnak:
- A betanítás (training) az a folyamat, amikor a mesterséges intelligencia modelljei hatalmas adathalmazokból – szövegekből, képekből vagy videókból – sajátítják el a mintázatokat, és építik fel a működésükhöz szükséges nyelvi vagy vizuális tudást. Ez hatalmas adatmennyiség mozgatásával, olvasásával és írásával jár, és hetekig, akár hónapokig tartó összefüggő feladat. A meghatározó szűk keresztmetszet a nyers számítási teljesítmény mellett az, hogy a chipek mennyire jól tudnak egymással kommunikálni. Egy élenjáró (frontier) modell nem fér el egy chipen, jellemzően több mint tízezer akcelerátoron (ezek olyan speciális hardvereszközök, amelyek a mesterséges intelligencia számításait végzik el a hagyományos processzoroknál sokkal gyorsabban) oszlik el, és minden egyes tréninglépésnél ezeknek szinkronizálniuk kell egymással. A chipek közötti kommunikáció az a terület, ahol az Nvidia a legerősebb, ezért a modellbetanítás területén várhatóan hosszú távon domináns tud maradni.
- Az inference ezzel szemben a kész modell futtatása. Bejön egy kérdés, majd kimegy egy válasz. Az inference-nek van egy számításintenzív szakasza, amikor a modell beolvassa és feldolgozza a kérdést, és van egy memóriaintenzív szakasza, amikor tokenről tokenre generálja a választ. Ez utóbbi nemcsak a számítási teljesítménytől függ, hanem a memória sávszélességétől is. Minden egyes új token előállításához a chipnek végig kell olvasnia a modell aktivált súlyait a memóriából. Hiába ül tehát rengeteg nyers számítási kapacitás a chipen, ha a súlyokat nem tudja elég gyorsan betölteni, a számolóegységek “unatkozni” fognak. Az inference fázis sokkal kevésbé igényli, hogy tízezer chip egyetlen koherens gépként működjön. Sokkal fontosabb a memória sávszélesség és az egységnyi teljesítményre jutó energia- és költséghatékonyság egy adott válaszidő-korlát mellett.
Az AI-compute súlypontja évek óta a tréningről az inference felé mozog, különösen az agentikus és a logikai lépéseken keresztül gondolkodó modelleknek köszönhetően. Az agentikus mesterséges intelligencia olyan program, amely képes célokat követni, szoftvereket vagy más eszközöket használni, és bizonyos szintű autonómiával műveleteket végrehajtani. Ma már nagyjából az inference teszi ki a compute kétharmadát, és ez az a munka, ahol a hiperskálázók (ezek azok az óriási techcégek, amelyek hatalmas léptékben építenek és üzemeltetnek digitális infrastruktúrát: több millió szerver több száz adatközpontban) saját chipjei könnyebben versenybe szállnak az Nvidia ökoszisztémájával. Minél inkább az inference-világ felé megyünk, annál kevésbé lesz az Nvidia az egyetlen lehetséges válasz.
Vissza Letöltés Megatrend PDF Archívum
Ez egy forgalmazási közlemény. A megalapozott befektetési döntés meghozatalához részletes tájékozódásra van szükség. Az Alap befektetési politikájáról, forgalmazási költségeiről és a befektetés lehetséges kockázatairól részletesen tájékozódjon az Alap forgalmazási helyein és az Alapkezelő weboldalán (www.vigam.hu) található Kiemelt Információkból, hivatalos tájékoztatóból és kezelési szabályzatból. A befektetési alap forgalmazásával (vétel, tartás, eladás) kapcsolatos költségek az alap kezelési szabályzatában és a forgalmazási helyeken megismerhetők. A múltbeli teljesítmény alapján nem jelezhetőek előre a jövőbeli hozamok. A befektetéssel elérhető jövőbeni hozam adóköteles lehet, az egyes pénzügyi eszközökre, ügyletekre vonatkozó adó- és illeték információkat pedig csak az egyes befektetők egyedi körülményei alapján lehet pontosan megítélni, ami a jövőben változhat. A befektető feladata, hogy tájékozódjon az adókötelezettségről.
Jelen tájékoztatóban szereplő adatok kizárólag információs célokat szolgálnak és nem minősülnek befektetési ajánlásnak, ajánlattételnek vagy befektetési tanácsadásnak. A VIG Befektetési Alapkezelő Magyarország Zrt. nem vállal felelősséget a jelen tájékoztatás alapján hozott befektetési döntésért és annak következményeiért. Az Alapkezelő alternatív befektetési alap kezelésére (ABAK) vonatkozó engedélyének száma: H-EN-III-6/2015. Az Alapkezelő ÁÉKBV-alapkezelési (kollektív portfóliókezelési) engedélyének száma: H-EN-III-101/2016.