Borsa
ANALİZ: NVIDIA’nın piyasa değeri ne olacak?
Yapay zekanın iş dünyası ve toplum üzerindeki etkilerine güçlü bir şekilde inanılmaktadır. Bu durumun, internetin getirdiği devrimsel değişimlere benzer bir teknolojik yenilik olduğu ifade edilebilir.
![ANALİZ: NVIDIA’nın piyasa değeri ne olacak?](https://www.paraanaliz.com/wp-content/uploads/2024/06/nvidia-baird-1536x922-1.jpg)
A. YAPAY ZEKA SEKTÖRÜ
Yapay zekanın iş dünyası ve toplum üzerinde önemli değişiklikler yapacağına güçlü bir şekilde inanılmaktadır. Bu durum, internetin getirdiği devrimsel değişimlere benzetilmektedir. Ancak, şu anda kısa vadede, birçok yatırımcı ve fon yöneticisinin bu alana geç katıldığı ve bazı varlıkları-teknolojileri portföylerine dahil etmek için acele ettiği yorumu yapılabilir.
Şu anda en popüler alanlardan biri yarı iletkenler sektörüdür. Sektörün başını Nvidia çekmektedir.
Nvidia, sadece “AI şirketleri” olarak sınıflandırılan bir dizi şirket için bir gösterge olmaktan çıkıp, aynı zamanda Nasdaq ve S&P 500’de de önemli bir ağırlık kazanmıştır.
Nvidia ve AI piyasası hakkında en azından kısa vadede bazı beklentiler bulunmaktadır. Ancak Nvidia’yı tartışmadan önce, yapay zeka ve bu süreçte çiplerin gerekliliği hakkında iki temel kavramın anlaşılması gerekmektedir.
Bugünün büyük dil modelleri (LLM’ler) için iki önemli süreç gereklidir:
- AI modellerini eğitmek için gereken hesaplama (Eğitim)
- Modeller eğitildikten sonra çalıştıran çıkarım iş yükleri. (Workloads)
Eğitim için şu anda tek gerçek seçenek iyi bir GPU’dur. Daha spesifik seçenek ise bir Nvidia GPU kullanmaktır. Bir yarı iletken uzmanının belirttiği gibi, eğitim sürecinde performans açısından sadece çip perspektifinden değil, aynı zamanda bu çipleri birbirine bağlama teknolojisi olan NVLink Switch ve NVSwitch teknolojisi ile de entegre etme açısından kimse NVIDIA ile rekabet edememektedir.
Workload-Çıkarım için yanıt farklıdır çünkü kullanım durumu daha az karmaşıktır ve AMD, iç çipleri olan hiperscalerlar veya özel ASIC’leri olan daha küçük şirketler gibi makul çözümleri olan rakipler bulunmaktadır.
GPU ve ASIC
Yapay zeka perspektifinden bakıldığında, bir GPU ile bir ASIC arasındaki en önemli fark, GPU’ların daha genel ve dolayısıyla daha çok yönlü olmasıdır. Aynı zamanda, bir ASIC daha spesifik bir iş yüküne yönelik olup, belirli iş yükleri için performans/maliyet açısından daha iyi olabilmektedir. Bir ASIC belirli bir amaca yönelik olduğu için, genel kullanılabilirliğe sahip olmayabilir ve bu da iş yükleri veya altyapı değişmeye başladığında kullanımını sınırlayabilir.
Nvidia’nın iş dünyasında çok dirençli olduğu ifade edilebilir. Kısa ve orta vadede, en azından AI eğitim iş yükleri konusunda baskın bir konuma sahip olmaya devam etmesi beklenmektedir.
Nvidia’nın iş dünyasında oldukça dirençli olduğu düşünülebilir. Kısa ve orta vadede, özellikle AI eğitim iş yükleri konusunda, baskın bir konuma sahip olmaya devam etmesi beklenmektedir.
B. NVIDIA’nın Güçlü Yönleri
Nvidia’nın baskın olmasının nedenleri şunlardır:
1. Yazılım yığını – CUDA.
CUDA (Compute Unified Device Architecture), Nvidia tarafından geliştirilen ve GPU’ları genel amaçlı hesaplama görevleri için programlamaya olanak tanıyan bir paralel hesaplama platformu ve programlama modelidir. CUDA, geliştiricilere Nvidia’nın GPU’larını kullanarak hesaplama gücünden faydalanma ve karmaşık hesaplamalı problemleri daha hızlı çözme imkanı sunar. CUDA, C, C++ ve Fortran gibi yaygın programlama dilleriyle entegre edilebilir, bu da yazılım geliştiricilerin mevcut bilgi ve becerilerini kullanarak GPU tabanlı hesaplamalar yapmalarını kolaylaştırır.
Mühendisler okulda CUDA kodlamayı öğrenmektedir ve bu standart hale gelmiştir. Dolayısıyla, bir şirket AI modelleri inşa ediyor ve silikon optimizasyonuna ihtiyaç duyuyorsa, yarı iletken mühendislerini bulmak zaten zor olup çoğu CUDA bilmektedir. Başka bir seçenek tercih etmek, yetenek havuzunu önemli ölçüde sınırlayacaktır. CUDA kod dönüştürücüler mevcut olsa da, bu dönüştürücüler CUDA kodunu tamamen başka bir yazılım yığınına dönüştürememektedir. Kodun %80’i dönüştürülse bile, kalan %20’si için özel kernel mühendislerine ihtiyaç vardır. Bu da şu an kernel mühendisi bulmanın zor olduğunu ve CUDA kodunu başka bir GPU’ya dönüştürmek için gereken özel mühendislik çalışmasının maliyetinin Nvidia GPU’sunu kullanmaktan daha pahalı olduğunu göstermektedir.
2. Tedarikçi
Alternatifler için bile tedarik çok sınırlıdır. Nvidia, tedarikçileriyle güçlü ilişkiler kurduğu için, büyük teknoloji şirketlerinin bile en gelişmiş özel silikonlarını yeterince temin etmeleri zor olmaktadır.
3. AR-GE maliyetleri
Microsoft, Apple, Google, Amazon ve Meta gibi Nvidia’nın en büyük müşterileri kendi silikonlarını geliştiriyor olsalar da, çoğu henüz erken aşamadadır. Hatta bazı Nvidia GPU’larına göre performans/maliyet avantajlarına sahip olsalar bile (Google’un TPUs gibi), bu çipler genellikle bu şirketlerin iç iş yüklerinde kullanılmaktadır, çünkü çoğu müşteri bu özel çiplerin yazılım yığınlarını bilmemektedir. Yarı iletken endüstrisinde Ar-Ge maliyetleri de oldukça yüksektir ve Nvidia’nın büyüklüğü ve sermaye erişimi ile bu oyun, diğerlerinin her yeni GPU versiyonunda rekabet etmesini zorlaştırmaktadır.
C. SEKTÖRLE İLGİLİ DETAYLAR
Bulut Sağlayıcı Kiralamak
Büyük bulut sağlayıcılarının geçmişten öğrendiği bir şey vardır: yarı iletkenlere tamamen yatırım yapmak her zaman mantıklı değildir. Geçmişte, tüm bu bulut sağlayıcıları kendi sunucuları için kendi Arm işlemcilerini geliştirmeyi düşünmüştür. Bazıları hala üzerinde çalışmaktadır. Ancak çoğu durumda, tasarım ekibiyle bir tasarım döngüsü boyunca üzerinde çalışıp raflardan kolayca alınabilecek, en az onun kadar iyi çalışan bir şeyi geliştirmek için harcama yapmak mantıklı değildir.
Isınma Sorunu
Endüstrinin sorunu sadece performans değil, aynı zamanda ısınmadır. Ağ verimliliği ve güç en büyük sorunlardan biridir. Güç çözümleri verimli değilse, çok daha fazla ısı üretilmektedir ve bu da çipin performansını kısıtlamaktadır. Bir sisteme 100 W güç verildiğinde ve çözüm %96 verimliyse, %4’lük verim kaybı, kartta ısı üretmektedir. Sistem böyle çalışmaktadır. %1 veya %2 verim kaybı, önemli miktarda ısı üretmektedir. Bir sunucu rafında kaç kartın istiflendiği düşünülürse, hem sunucu rafı düzeyinde hem de veri merkezi düzeyinde soğutma yapılması gerekmektedir çünkü tüm sıcak hava bu veri merkezinde birikmektedir. Soğutma herkes için büyük bir sorun haline gelmektedir.
Bulut Sağlayıcıları
Bulut sağlayıcıları için, müşterilerinin ne istediği basittir. Bulut hizmetleri için ödeme yapan 10 müşteriden sekizi Nvidia makinesinde zaman kullanmak istiyorsa ve sadece ikisi AMD sisteminde zaman kullanmak istiyorsa, iş yüklerinin %80’i Nvidia üzerinden geçmektedir. Nvidia biraz daha pahalı olsa bile, pazarın hangi sistemi kullanmak istediğini belirleyecektir.
D. NVIDA’nın Gelecekteki Geliri
Şimdi, iş temelleri yakın gelecekte güçlü görünmeye devam etse de, Nvidia ile ilgili bazı sorunlar bulunmaktadır. Nvidia’nın piyasa değeri şu an itibariyle 3.4 trilyon doların üzerindedir. Dünyanın en büyük halka açık şirketi haline gelmiştir.
Nvidia CEO’su Jensen, en iyimser konuşmalarında, dünyanın şu anda 1 trilyon dolarlık veri merkezine sahip olduğunu ve endüstrinin 6 yıl içinde 2 trilyon dolar civarında olacağını düşünmektedir. Çoğu altyapının hızlandırılmış hesaplama, GPU’lar gibi olacağını düşünmektedir.
Basit bir hesap yapıldığında: Altı yıl içinde 2 trilyon dolara ulaşılacak ve endüstrinin yıllık %20 oranında büyümeye devam ettiği varsayıldığında (+400 milyar dolar). Ayrıca, her yıl ek olarak %10’luk (200 milyar dolar) altyapının daha yeni sürümlerle güncellendiği varsayıldığında, bu Nvidia gibi bir şirket için 600 milyar dolar gelir anlamına gelmektedir.
%80 pazar payına sahip olsalar bile, şirket 480 milyar dolar gelir elde edilecektir (bugün 80 milyar dolar TTM). Ve, marj şu anki yüksek %70-%80 brüt marjdan düşük %70’lere düşerse (Nvidia’nın CFO’sunun da kabul ettiği bir şey), AMD’nin AI çipleri için brüt marjının düşük %60’larda olduğunu da dikkate alarak, hala %40 net gelir marjı olan yüksek derecede tekelci bir net gelir marjına sahip olunacaktır (Bu tür marjlara sahip şirketler nadirdir).
Bu, Nvidia’nın 192 milyar dolar net gelir elde edeceği anlamına gelmektedir. Bu rakama cömert bir 25x F/K oranı verildiğinde, 4.8 trilyon dolar piyasa değerine ulaşılmaktadır. %4.5’lik bir iskonto oranı uygulandığında (bu, temelde risksiz bir faiz oranıdır), bugünkü değerle 3.6 trilyon dolar elde edilmektedir.
Yani, piyasa gelişiminin en iyimser varsayımlarıyla bile, 3.6 trilyon dolara ulaşılmakta ve şirket şu anda 3.4 trilyon dolardan işlem görmektedir. Bu kabaca %5.88 getiri potansiyeli anlamına gelmektedir.
E. POTANSİYEL RİSK
OpenAI
Nvidia ve daha geniş alan için önemli bir ana yaklaşılmaktadır. Bu an, bu yıl çıkması beklenen OpenAI’nin GPT-5’i olacaktır.
GPT-5’in gerçekleştiği açıktır. Muhtemelen eğitiminin tamamlanmasına yaklaşmış olup, tüm hesaplara göre GPT-4’ten 10 kat daha pahalı olacaktır. GPT-5’in o kadar etkileyici olmadığını görebiliriz. GPT-4’ten 10 kat fazla para harcanmakta, ancak performans sadece biraz daha iyiyse, temelde ‘ölçeklendirme sınırına ulaşıldığı’ ifade edilebilir. Her 10 kat ölçeklendirme için %2 veya %5 artış alınmaktadır.
Bu, özellikle son zamanlarda değerleri dramatik bir şekilde artan ‘kazma ve kürek’ yarı iletken şirketleri için sorunlu bir an olabilir. GPT-5, GPT-4’ten çok daha iyi değilse ve eğitimi 10 kat daha pahalıysa, bu birçok şirket için sermaye harcaması harcamalarının hızında bir soğuma yaratacaktır.
Bu şirketlerin daha fazla GPU satın almayacakları anlamına gelmemektedir. Ancak bugüne kadar devam eden hız, aynı oranda devam etmeyebilir.
Endüstri, belirli görevlerde daha uzmanlaşmış küçük dil modellerine (SLM’ler) yönelebilir, bu da en yeni ve en yüksek GPU’ya olan talebin daha yavaş bir hızda artması anlamına gelmektedir.
Yapay zeka, dünyayı değiştirecek devrim niteliğinde bir teknoloji olacaktır. Ancak, insan doğamızın bizi kısa vadede belirli şeyler hakkında aşırı iyimser veya aşırı olumsuz hale getirdiğini ve bu durumda dikkatli olunmasının faydalı olacağı söylenebilir.
*Söz konusu yazı, Rihard Jarc’ın kişisel blogunda yayımlamış olduğu “AI is Revolutionary, but Investors are Getting Ahead of Themselves” isimli yazıdan çeviri yapılarak ParaAnaliz için derlenmiştir.