25 января 2021 | NVIDIA
Nvidia — американский производитель графических чипов, доходы которого с растут в среднем на 25% ежегодно. По оценкам менеджеров компании к 2023-ему году рынок, на котором работает Nvidia, будет составлять более $250 млрд., что с текущими темпами роста компании позволит ей занять долю в 20% на рынке.
Большинство из нас ассоциируют бизнес Nvidia с игровыми видеокартами, но только лишь видеоигровой индустрии обязана компания ростом своей капитализации? К слову, за последние пять лет акция выросла на 1900%!
Коротко про машинное обучение и GPU
С развитием железа стало понятно, что графика — не единственный пример вычислений, доступных для видеокарт. Как показало время, машинное обучение стало чуть ли не самым привлекательным направлением для Nvidia.
Тут нужно пояснить. С появлением мало-мальски симпатичных игр хорошо зарекомендовала себя архитектура, при которой CPU — центральный процессор — вычислял то, как должна выглядеть картинка, пиксель за пикселем, а простенькие на то время GPU — графический процессор — по команде от CPU занимался собственно рисованием изображения. Первый GPU — GeForce 256 — Nvidia представила в 1999-ом году.
Со временем видеокарточки росли в мощностях, а мировая система собрала в своей памяти всё больше и больше данных. Развиваются поисковики, развиваются онлайн-магазины, переводчики, игры и прочие сервисы, экономящие тысячи человекочасов.
Кроме того, отчет одной из крупнейших компаний полупроводникового сектора, Applied Materials, говорит о том, что к 2025 году подключенные устройства IoT — Internet of Things — будут создавать до 175 Зеттабайт данных в год. Зеттабайт — эта единица измерения, идущая после эксабайта, петабайта, терабайта и гигабайта. В общем, очень-очень много данных.
Сложные приложения создают больше данных, что за последние годы вывело в тренд такие понятия, как «нейронные сети», «машинное обучение» и «компьютерное зрение».
CPU чаще всего затачивался под очень быстрое последовательное выполнение команд, одна за другой. Однако процессору видеокарты требовалось как можно быстрее рисовать трехмерную картинку, обрабатывая множество пикселей параллельно.
[img]https://sun9-28.userapi.com/impg/TWnKJ8ijHcrx4Ue9LbNOOxpOE_8MSV1-yM1Jdw/P1rI-EiJ2bg.jpg?size=634x123&quality=96&proxy=1&sign=fd7131436d168977e2f43514e0b004de&type=album[/img]
За полтора года количество транзисторов увеличилось почти в два раза, тактовая частота снизилась, но зато общая производительность возросла почти в 7 раз! Наметился вектор — в начале нулевых Nvidia сделала ставку на параллельность вычислений.
GPU — это достаточно простое железо, рисующее треугольники, линии и точки. 3D-объекты, которые мы с вами видим в тех же играх, хранятся в виде треугольников, на которые натянуты текстуры (см. также полигоны). Рендеринг — это процесс получения изображения, т.е. визуализация данных. Чтобы отрендерить картинку, треугольники помещаются в трехмерную координатную систему. Чтобы картинка стала живой (поворот камеры, смещение объекта и др.), применяется аффинное преобразование и матрицы.
GPU стала идеально подходить для вычисления большого числа однотипных, простых операций, и инженеры приспособили видеокарты для построения многомерных матриц.
[img]https://sun9-33.userapi.com/impg/Wn4bHkD6yZyxmFEVP3OljOyuE34xjsY1XRDM1Q/JCyDWMfb9Q0.jpg?size=737x274&quality=96&proxy=1&sign=18c88645174f334dd13c6bb8909a1343&type=album[/img]
GPU стал неотъемлемой частью так называемого machine learning, отлично решая узкую, простую задачу с высокой степенью её распараллеливания (пример — обработка шейдеров), но и важность мощного CPU нельзя принижать: центральный процессор отвечает за аугментацию данных, предобработку данных и многие другие операции, которые связаны, к примеру, с результатами предыдущей подоперации (нельзя начать вторую задачу, пока не будет выполнена первая).
И если потратиться на хороший GPU, но сэкономить на CPU, можно получить негативный эффект в виде простаивания мощностей GPU: центральный процессор банально не успеет подавать данные на вход видеокарты / видеокарт. Для машинного обучения чем больше у CPU ядер и каналов, тем лучше.
Обработка фотографий — как пример задачи, для которой используют машинное обучение. На вход обучаемому роботу подаются фотографии: кот и собака. Человек не объясняет компьютеру, что кот имеет такую-то мордочку, а собака — такую-то. Но человек загружает в систему множество фотографий, приписывая к каждой, к какому из объектов она относится: к коту или собаке. И система таким образом «обучается».
Сегодня услуги по облачному машинному обучению предоставляют многие корпорации, вроде Google и Amazon. Если у вас нет денег на мощный компьютер с несколькими видеокартами, сильным центральным процессором и достойным охлаждением, вы можете «арендовать» мощности в облаке.
[img]https://sun9-68.userapi.com/impg/0kCSyx_c5RuglaJTgnjnDvr5rsBRscBt_elt_g/ZKar59PDZ1g.jpg?size=807x379&quality=96&sign=ae07213ab1491eae550ffdfd836b31e8&type=album[/img]
Бизнес компании Nvidia
Итак, Nvidia зарабатывает на высокопроизводительных вычислениях. Этот сегмент растет на 37% ежегодно, и если в 2017-ом году его доля в общих доходах составляла 29%, то сегодня этот показатель равен 41,5%.
По сути, Data Center постепенно становится ключевым сегментом бизнеса Nvidia.
Для чего могут потребоваться вычисления? Как мы обсудили ранее, для распознавания изображения, а также обработки и перевода аудио-файлов, улучшения фотографий, разбора текстов, анализа видео в режиме реального времени, прогнозирования погоды, изучения генома и многого другого.
[img]https://sun9-20.userapi.com/impg/VhqftJUYvJbrK9kDk_OSxME2j3U7pa8vQdJckQ/-IsIjf5Rlqk.jpg?size=807x455&quality=96&sign=628b79f3811ead5c203780667c5469fe&type=album[/img]
Вычислительный центр от Nvidia на базе DGX Station A100 Вычислительный центр от Nvidia на базе DGX Station A100
С годами Nvidia переквалифицировалась в производителя и аппаратного, и программного обеспечения. Так, компания выпускает серверы с мощной начинкой с целью их использования в рамках data science — работы. Смысл в том, что Nvidia предоставляет, например, крупной финансовой организации готовую «коробку» — программно-аппаратный комплекс DGX Station A100, на базе которого специалисты по data science (или, по-другому, инженеры machine learning) могут крутить-вертеть серьезный массив данных.
Клиент, т.е. организация, при этом экономит не только на стоимости (по словам самой Nvidia, DGX Station обойдется в $1 млн. против целой стойки серверов за $11 млн.), но и на занимаемом пространстве в здании дата-центра и объемах потребляемой энергии.
Также под маркой Nvidia вышла Tesla — линейка графических ускорителей, используемых в рамках крупнейших суперкомпьютеров в мире. Например, Tesla используется Национальным управлением по ядерной безопасности США, Министерством энергетики США и, по словам менеджмента Nvidia, в других «лучших суперкомпьютерах в Европе и Японии». Всего на базе Nvidia 136 суперкомпьютеров из TOP500 компьютеров мира.
[img]https://sun9-44.userapi.com/impg/e10FgZAWM7HU0KbXK-WEhzQRJiAN7J1v-AElbw/67zaddZOyYo.jpg?size=807x403&quality=96&sign=6a83707f785c07a127cc3c1486eef9b9&type=album[/img]
Помимо этого, у Nvidia есть решения для облачной и офисной инфраструктур. Клиентами компании стали Massachusetts General Hospital, King’s College London и Oxford Nanopore Technologies из сектора HEALTHCARE, Walmart и Alibaba из сектора RETAIL, China Mobile из телекоммуникационного сектора, платежные системы в лице PayPal и American Express, такие производители, как BMW Group и Seagate, а также представители облачной инфраструктуры: Google, Amazon, Alibaba, IBM, Oracle и другие.
Nvidia лучше всех знает, как работают их GPU и как оптимизировать под них библиотеки (сборники подпрограмм), и поэтому выпускает ускорители, вроде TensorRT — «ускоритель инференса нейронных сетей, который ускоряет приложения для машинного перевода и распознавания речи, а также рекомендательные системы до 100 раз по сравнению с CPU» (с сайта Nvidia).
[img]https://sun9-52.userapi.com/impg/-YfPCw2iu74Z0ykCoCFH9z0_fdTQpTWnA77WUw/lAqNeJeUczQ.jpg?size=807x405&quality=96&sign=898211aa4c6348709fc2f23ff5067153&type=album[/img]
Видеоигры растут на 16,4% ежегодно, и занимают долю в 46,7% в общих доходах компании. Буквально 4 года назад «игровая» доля составляла более 60%.
Собственно, этот сегмент включает гейминг с линейкой видеокарт, партнерские решения с производителями ноутбуков, 4-К медиаплеер SHIELD TV на базе Android'а, позволяющий играть в игры, запускающиеся на удаленных серверах Nvidia, а также смотреть кино, слушать музыку, наблюдать за стримами.
Помимо собственно разнообразных видеокарт для компьютеров, Nvidia предоставляет так называемую библиотеку — SDK NVIDIA GameWorks, которая дает разработчикам игр доступ к готовому коду для создания эффектов, физического моделирования, трассировки лучей и другим инструментам визуализации эффектов.
Модная сегодня технология — трассировка лучей: создание реалистичного освещения, отражений и теней. И мощные дорогущие видеокарты от Nvidia обеспечивают рендеринг кинематографического качества в реальном времени. Разработчики, к примеру, могут делать трейлеры на игровом движке с применением этой технологии.
Так, разработчики одной из самых популярных игр в мире, Fortnite, в своем интервью той же Nvidia отметили: «Раньше мы добивались мягких теней, используя массив прожекторов, медленный и кропотливый процесс, который заставлял нас применять простое общее освещение. Благодаря трассировке лучей мы можем визуализировать готовый продукт на более ранней стадии.… Тени становятся более объемными и реалистичными».
А в рамках виртуальной реальности Nvidia поставляет библиотеку VRWorks, которая позволяет разработчикам создавать реалистичные визуальные эффекты, звук, моделировать окружающую среду.
[img]https://sun9-2.userapi.com/impg/jVtKevie_kMgSNpmfyFvTMzLuAgi8QgTCSTZgw/hRDTaalvLAw.jpg?size=807x398&quality=96&sign=d048e8a889122e3e98c9165bc47e9b31&type=album[/img]
Профессиональная визуализация растет на 46% ежегодно и занимает долю в 5,6% от общей выручки компании.
Nvidia обслуживает рынок профессиональной визуализации, тесно сотрудничая с независимыми поставщиками программного обеспечения с целью их оптимизации для графических процессоров Nvidia. За последние годы видеокарты сделали внушительный рывок в производительности, и для использования всей доступной мощности железа требуется вносить изменения и в так называемое API — программный интерфейс, вроде Vu'lkan.
Кроме того, Nvidia выпускает библиотеки, применяемые при анализе ошибок в играх, анализе взаимодействия центрального и графического процессоров и проблем с производительностью видеокарты.
Например, группа программного обеспечения DesignWorks позволяет дизайнеру или архитектору, который проектирует модельку автомобиля, взаимодействовать с моделью в режиме реального времени: просматривать ее, менять условия, создавать фотореалистичные визуализации.
В результате сотрудничества растет производительность решений в рамках таких отраслей, как автомобилестроение, средства массовой информации и развлечения, архитектурное проектирование, нефтегазовый сектор и медицина.
Также Nvidia выпускает рабочие станции для профессионалов на базе графического процессора Quadro RTX. Решение американского производителя позволяет выжать максимум из таких программ, как Autodesk AutoCAD, 3ds Max и Maya, ArchiCAD, Revit, Unreal Engine, Pixar Renderman, Adobe After Effects и многих других.
[img]https://sun9-60.userapi.com/impg/fVfe9ujHpq74sV7bESLeq-rBajyMf1u1OmquZQ/OveCrZU6Ikg.jpg?size=807x394&quality=96&sign=429f4fb3fb85be6613acd9ed3cc66c7d&type=album[/img]
Наконец, автомобильная промышленность занимает всего около 3% в общей выручки компании и растет на 47% каждый год.
Программное обеспечение под маркой Nvidia призвано превратить автомобиль в интеллектуальное транспортное средство. Платформа под названием NvMedia поддерживает передачу картинок с нескольких камер для их параллельной обработки, а также ускорения, кодирования, отображения изображения и взаимодействия с другими библиотеками.
Так, в 2019-ом году Volvo Group объявила, что совместно с Nvidia разрабатывает платформу искусственного интеллекта для автономных грузовиков. Программный стек Nvidia позволит обрабатывать события с датчиков, рисовать карты, планировать путь.
Также компании давно сотрудничают в рамках автоматизации текущих автомобилей Volvo. Например, в новые машины шведского автопроизводителя будет внедрен компьютер DRIVE AGX Xavier, который позволит ускорить внедрение таких функций, как система энергопотребления, персонализация опций и автопилот. А высокопроизводительная система Nvidia DGX-1 помогает справиться с постоянно растущим объемом данных с датчиков, расположенных по всему автомобилю.
Также клиентами Nvidia являются Toyota, Mercedez-Benz и ряд других корпораций, включая китайских.
Географическое присутствие Nvidia
[img]https://sun9-56.userapi.com/impg/fTe1WMbbt8-xuEUNYumDcXK_Un4_bb_2AIwAUQ/F9Iwfa4nLf8.jpg?size=748x439&quality=96&proxy=1&sign=21ee794d745f833e60e305eead3187e4&type=album[/img]
Несмотря на то, что в рамках своей стратегии продаж Nvidia старается не быть зависимой от конкретных клиентов, наблюдается острая зависимость от положения дел в Азиатском регионе.
Так, основные клиенты Nvidia работают на Тайване, в Китае и прочей Азии. Эти регионы обеспечивают аж 77% выручки.
На США приходится чуть больше 8% доходов, на Европу — чуть больше 9%, остальной мир — 5,5%.
При этом основные мощности Nvidia, т.е. заводы, оборудование и прочие долгосрочные активы, сосредоточены в США. Очевидно, что на долгосрочные планы Nvidia влияют договоренности между США и Китаем.
Как сообщает в своем отчете сама Nvidia, «нам могут запретить продавать наши продукты или предоставлять наши технологии и услуги из-за торговых ограничений США. Потеря любого из наших крупных клиентов, значительное сокращение закупок, совершаемых ими, или наша неспособность продать клиенту товар из-за торговых ограничений США может нанести ущерб нашему финансовому состоянию.
Кроме того, любые трудности в рамках взыскания дебитОрской задолженности может нанести ущерб нашим производственным результатам и тому же финансовому состоянию».
При этом стоит иметь в виду, что в 2020-ом финансовом году 11% выручки принесли контракты с американской Dell Technologies, тогда как пять лет назад ключевым клиентом компании была тайваньская AsusTek Computer.
Конкуренты Nvidia
[img]https://sun9-16.userapi.com/impg/0rmRNFhEgrkAninR_RYI9s0ToMHQ52nSoc6BHg/57_wj4d-AXI.jpg?size=807x644&quality=96&sign=2739088cfcd6c0e95c0262603ed04207&type=album[/img]
Лидером по росту капитализации является Tesla Илона Маска Лидером по росту капитализации является Tesla Илона Маска
Nvidia отмечает, что в число конкурентов компании входят такие производители процессоров с интегрированным графическим ядром, как AMD, Intel и Xilinx.
Кроме того, Nvidia в числе прочих конкурентов видит Google с её облачными сервисами, а также производителей автомобильных чипов с низким энергопотреблением в лице Ambarella, Broadcom, Qualcomm, Renesas Electronics Corporation, Samsung и, конечно, Tesla Motors.
[img]https://sun9-27.userapi.com/impg/dCE_48b-O7w2AwSsXSOnpU6ekWfI90ADyTCEIw/Cdg4fFb3VNE.jpg?size=807x167&quality=96&sign=a9a61978f20164459090daabda04a42c&type=album[/img]
Ключевыми конкурентами Nvidia являются Broadcom и Intel, поставляющие чипы для дата-центров, и AMD, производящая те же графические процессоры. Qualcomm, способная стать одним из лидеров в секторе 5G-инфраструктуры, все-таки специализируется на чипах для смартфонов.
Intel же способна конкурировать с Nvidia на автомобильном рынке. Так, в 2017-ом году Intel купила израильскую Mobileye, специализирующуюся на разработке интеллектуальной системы помощи для автомобилистов. С помощью множества камер и датчиков система контролирует дорогу, слепые зоны, состояние водителя и пассажиров. Клиентами Mobileye уже стали такие автопроизводители, как Audi, Nissan и Cadillac.
[img]https://sun9-76.userapi.com/impg/eorRI4yrweNjC3kdDi7_Z4ol9Ibi4qKAAl0FWw/idxNepH13f8.jpg?size=807x454&quality=96&sign=544441f8ce57c606da68499831c66748&type=album[/img]
Mobileye к 2018-ому году зарабатывала $360 млн. за год и росла более чем на 30% ежегодно. Влившись в структуру выручки Intel, в 20-ому году Mobileye заработала около $900 млн. выручки, заняв долю более 1% от всех доходов компании и укрепив маржинальность своего бизнеса на уровне 30% и более. Nvidia, я напомню, зарабатывает на авто-сегменте поменьше, около полумиллиарда долларов, но зато растет с бОльшей скоростью.
Так что, если не учитывать Tesla, а рассматривать именно поставщиков чипов, то по темпам роста в рамках дата-центров интересны прежде всего Nvidia и Broadcom. AMD — да, бьет Intel в рамках чипов, но по эффективности графических процессоров уступает лидеру в лице Nvidia. Да и торгуется с бешеным показателем p/e более 125х. А на поприще умных авто главный конкурент для Nvidia — это гигант Intel в лице растущей Mobileye.
[img]https://sun9-44.userapi.com/impg/9Hi2a5KWl6G8GUmJt5L0z09hLNWZyu7lindIyg/AdBhHpOsQJo.jpg?size=807x454&quality=96&sign=db408d79c6030510ea5e1eda61df8126&type=album[/img]
Дженсен Хуанг, глава Nvidia. Иллюстрация Financial Times Дженсен Хуанг, глава Nvidia. Иллюстрация Financial Times
Надо помнить, что в сентябре 2020-го года Nvidia подтвердила свои намерения купить разработчика технологий для процессоров — компанию Arm за $40 млрд., из которых $28 млрд. — это акции самой Nvidia и прочие условия, а $12 млрд. — это кэш.
На текущий момент компания ожидает согласования от таких регуляторов из таких стран, как США, Китай и Европа, ведь Arm'овская архитектура, по данным The Wall Street Journal, используется в 90% смартфонов.
А это потенциальные риски для азиатских производителей.
Если сделка будет одобрена, то с 2022-го года Nvidia начнет поставлять технологии своим прямым конкурентам: Samsung, Qualcomm, Broadcom, Intel, а также Apple и Huawei. Причем чипы Nvidia будут получать передовые технологии ARM раньше других, почему нет? Ранее ARM, разрабатывающая, еще раз, технологии, а не сами процессоры, была как бы компаний независимой. Под крылом Nvidia, производящей чипы, ARM, в теории, может влиять на рынок конкурентов.
Напомню, что ARM зарабатывает на лицензионных отчислениях. В своей актуальной презентации Nvidia подчеркивает, что в портфеле ARM значится около 1800 лицензий, из которых 500 приходится на лидеров индустрии.
[img]https://sun9-14.userapi.com/impg/jXJg4DgVSkcDXrQNHKlLYskUzDWO_dNCRkbiLw/C-t2VdAyHWs.jpg?size=807x222&quality=96&sign=78c2b7a716388d9d9d9ae0a0c7a6e5c5&type=album[/img]
У Nvidia есть собственная программно-аппаратная архитектура CUDO для вычислений на базе видеокарт Nvidia, теллекоммуникационное оборудование от приобретенной в 2019-ом году Mellanox, и вот, вероятно, под крылом гиганта окажется и ARM-архитектура, которая позволит Nvidia в том числе выйти на рынок мобильных решений.
Для праздника акционерам Nvidia осталось дождаться решения регуляторов.
[img]https://sun9-51.userapi.com/impg/YiQ3j9dy-kSu48mRCBFPr15q9cDTj-VWKXx7ng/8Vi97ZIAyLA.jpg?size=807x364&quality=96&sign=ea0661f8b03f25846455c91057dde482&type=album[/img]
Финансовые показатели Nvidia
Третий квартал 2020-го года показал рост выручки на 57% в сравнении с данными годичной давности: стрельнули гейминг и особенно дата-центры. Но, в целом, нас больше интересует средний темп роста общей выручки, а он, я напомню, составляет 18-25% в год (смотря, от какого года считать). Операционную маржинальность удалось поддержать на уровне около 30%, что, в целом, является одним из лучших показателей в отрасли.
Одна из важнейших статей расходов для любой растущей компании — R&D (Research and development) — растет у Nvidia на 20% ежегодно.
Подобный уровень расходов и эффективности их использования в свое время позволил производителю получить финансирование от Министерства энергетики США на разработку суперкомпьютеров нового поколения.
У компании отрицательный чистый долг: кэша хватает на покрытие коротких и длинных долгов.
9 месяцев 2020-го года с ростом спроса на вычисления и игры операционный денежный поток Nvidia вырос на 14%, что с учетом инвестиций в основные средства — тестовое оборудование и компьютеры — дает свободный денежный поток около $3 млрд.
Для новых инвесторов поясню, что свободный денежный поток — это, простите, свободные деньги компании, которая та может направить на дополнительные инвестиции, на обратный выкуп акций или, к примеру, на дивиденды своим акционерам.
А дивиденды у Nvidia пока что небольшие — всего $296 млн. за тот же период, а это всего 10% от свободных денег, и потенциал роста выплат — он огромный.
[img]https://sun9-40.userapi.com/impg/R3lSMDbgAhWrRej64Gki_q82C1t6VeKKRG5cww/EMSzJSQGxe0.jpg?size=807x347&quality=96&sign=8943bf0a63c839c7510ee7a27634d639&type=album[/img]
Выводы
Nvidia — стремительно растущая компания, которая за последние годы постепенно вышла на рынок высокопроизводительных вычислений. Менеджмент осуществляет эффективные поглощения, ведущие к росту доходов, а доминирующее положение на рынке графических процессоров позволяет рассчитывать на дальнейший прогресс финансовых показателей.
Впрочем, отрасль динамично развивается, и та же Nvidia не застрахована от действий мастистых конкурентов, которые также обладают внушительными денежными потоками. Если уверенности конкретно в Nvidia нет, можно рассмотреть такой ETF, как iShares PHLX Semiconductor ETF с комиссией в 0,48% и более-менее равномерно распределенными долями по полупроводниковому сектору.
/templates/new/dleimages/no_icon.gif (C) Источник
Не является индивидуальной инвестиционной рекомендацией | При копировании ссылка обязательна | Нашли ошибку - выделить и нажать Ctrl+Enter | Отправить жалобу