Nvidias resa från en accelerator av dataspel till en möjliggörare av artificiell intelligens (AI) och det industriella metaversum skedde inte över en natt – men det gjorde däremot ökningen av dess börsvärde till över en biljon dollar.

Det var när Nvidia rapporterade starka resultat för tremånadersperioden fram till den 30 april 2023 och förutspådde att försäljningen kunde öka med 50 procent under det följande räkenskapsåret som börsvärdet steg kraftigt och företaget lyftes in i den exklusiva biljonklubben tillsammans med de välkända teknikjättarna Alphabet, Amazon, Apple och Microsoft. Den en gång så nischade chipptillverkaren, som nu blev Wall Streets älskling, höll på att bli ett hushållsnamn.

Investerarnas entusiasm avtog dock senare samma vecka och chipptillverkaren föll ur biljonklubben en kort tid, precis som de tidigare medlemmarna Meta och Tesla. Men snart var man tillbaka och i mitten av juni förutspådde investmentbanken Morgan Stanley att Nvidias värde kunde fortsätta att stiga med ytterligare 15 procent innan året är slut.

I slutet av augusti hade Nvidia mer än väl rättfärdigat sin tidigare optimism och rapporterade en kvartalsvis ökning av intäkterna med 88 procent för de tre månaderna fram till den 30 juli, driven av rekordförsäljning av datacenterprodukter på över 10 miljarder dollar, med stark efterfrågan från AWS, Google, Meta, Microsoft och Oracle. Även aktiekursen fortsatte att stiga och nådde upp till Morgan Stanleys prognos på 500 USD. Till skillnad från de flesta av sina teknikkollegor i biljonklassen har Nvidia mindre varumärkeskännedom hos konsumenterna att gå på, vilket gör att Wall Street-språnget är mer mystiskt för gemene man.

Hur Nvidia kom hit och vart det är på väg härnäst belyser hur företaget har uppnått den värderingen – en historia som beror mycket på den ökande betydelsen av specialiserade chipp i företagsvärlden och det accelererande intresset för löftet om generativ AI.


Grafikkort först

Nvidia startade 1993 som ett halvledarföretag som designade grafikkort för pc-datorer. Grundarna upptäckte att generering av 3d-grafik i dataspel – som då var en snabbt växande marknad – ställde mycket repetitiva, matematikintensiva krav på datorernas centrala processorenheter (CPU). De insåg att dessa beräkningar kunde utföras snabbare parallellt av ett dedikerat chip i stället för i serie av CPU:n, en insikt som ledde till skapandet av de första Nvidia Geforce-grafikkorten.

Under många år var det grafiken som drev Nvidias verksamhet, och även 30 år senare gör försäljningen av grafikkort för spel, som Geforce-serien, fortfarande företaget till den största leverantören av diskreta grafikkort i världen. (Intel tillverkar dock fler grafikchipp, eftersom de flesta av deras processorer levereras med företagets egna integrerade grafikchipp).

Under årens lopp uppstod andra användningsområden för den parallella processorkapaciteten hos Nvidias grafiska processorenheter (GPU), som löser problem med en liknande matrisaritmetisk struktur som 3d-grafikmodellering.

Programutvecklare som ville utnyttja grafikchipp för icke-grafiska tillämpningar var dock tvungna att omvandla sina beräkningar till en form som kunde skickas till GPU:n som en serie instruktioner för antingen Microsofts Direct X-grafik-API eller Open GL (Open Graphics Library) med öppen källkod.

År 2006 lanserade Nvidia en ny GPU-arkitektur, CUDA, som kunde programmeras direkt i C för att påskynda matematisk bearbetning och förenkla användningen av den i parallella beräkningar. En av de första tillämpningarna för CUDA var inom olje- och gasprospektering, där man bearbetade berg av data från geologiska undersökningar.

Marknaden för att använda GPU:er som generella processorer (GPGPU:er) öppnades på allvar 2009, när Open GL-utgivaren Khronos Group släppte Open Computing Language (Open CL).

Snart lade hyperscalers som AWS till GPU:er i vissa av sina beräkningsinstanser, vilket gjorde skalbar GPGPU-kapacitet tillgänglig på begäran och därmed sänktes inträdesbarriären till beräkningsintensiva arbetsbelastningar för företag överallt.


AI, kryptogruvor och metaverse

En av de största drivkrafterna bakom efterfrågan på Nvidias chipp under de senaste åren har varit AI, eller mer specifikt, behovet av att utföra biljoner repetitiva beräkningar för att träna maskininlärningsmodeller (ML). Vissa av dessa modeller är verkligen gigantiska: Open AI:s GPT-4 sägs ha över 1 biljon parametrar. Nvidia var tidigt ute med att stödja Open AI och byggde till och med en särskild beräkningsmodul baserad på sina H100-processorer för att påskynda träningen av de stora språkmodeller (LLM) som företaget höll på att utveckla.

En annan oväntad källa till efterfrågan på företagets chipp har varit utvinning av kryptovalutor, där beräkningarna kan utföras snabbare och mer energieffektivt på en GPU än på en CPU. Efterfrågan på GPU:er för kryptovalutautvinning innebar att grafikkort var en bristvara i flera år, vilket gjorde GPU-tillverkare som Nvidia jämförbara med återförsäljare av hackor under guldruschen i Kalifornien.

Även om Nvidias första chip användes för att förbättra dD-spel, är tillverkningsindustrin också intresserad av 3d-simuleringar, och deras fickor är djupare. Nvidia har gått längre än de grundläggande kodbiblioteken för rendering och acceleration i Open GL och Open CL och har utvecklat en programvaruplattform som kallas Omniverse – ett metaversum för industrin som används för att skapa och visa digitala tvillingar av produkter eller till och med hela produktionslinjer i realtid. De resulterande bilderna kan användas för marknadsföring eller för att samarbeta kring nya konstruktioner och tillverkningsprocesser.


Stanna kvar i biljonklubben

Nvidia går framåt på många fronter. På hårdvarusidan fortsätter man att sälja GPU:er för datorer och vissa spelkonsoler, man levererar beräkningsacceleratorer till servertillverkare, hyperscalers och superdatortillverkare, och man tillverkar chipp för självkörande bilar. Företaget är också verksamt inom tjänstesektorn och driver sin egen molninfrastruktur för läkemedelsföretag, tillverkningsindustrin och andra branscher. Dessutom är man en mjukvaruleverantör som utvecklar generiska kodbibliotek som vem som helst kan använda för att accelerera beräkningar på Nvidias hårdvara, samt mer specifika verktyg som Culitho-paketet för att optimera litografifasen i halvledartillverkningen.

Men intresset för de senaste AI-verktygen som bland annat Chat GPT (utvecklat på Nvidias hårdvara) driver en ny våg av efterfrågan på Nvidias hårdvara och har fått företaget att utveckla ny programvara för att hjälpa företag att utveckla och träna de LLM som generativ AI bygger på.

Under de senaste månaderna har företaget även ingått partnerskap med programvaruleverantörer som Adobe, Snowflake, Service Now, Hugging Face och VMware för att säkerställa att AI-delarna i deras företagsprogramvara är optimerade för Nvidias chip.

– Tack vare vår storlek och snabbhet kan vi upprätthålla denna verkligt komplexa stack av mjukvara och hårdvara, nätverk och beräkning i alla dessa olika användningsmodeller och datormiljöer, sa vd Jensen Huang under ett konferenssamtal den 23 augusti där de senaste resultaten diskuterades.

Nvidia marknadsför också AI Foundations, sin molnbaserade tjänst för generativ AI, som en one-stop shop för företag som kanske saknar resurser för att bygga, ställa in och köra anpassade LLM:er som tränats på sina egna data för att utföra uppgifter som är specifika för deras bransch. Satsningen, som presenterades i mars, kan vara smart med tanke på det ökande affärsintresset för generativ AI, och den innebär att företaget direkt konkurrerar med hyperscalers som också förlitar sig på Nvidias chipp.

Nvidia AI Foundations-modellerna inkluderar Nemo, ett molnbaserat företagsramverk; Picasso, en AI som kan generera bilder, video och 3d-applikationer; och Bionemo, som hanterar molekylära strukturer, vilket gör generativ AI särskilt intressant för att påskynda läkemedelsutveckling, där det kan ta upp till 15 år att få ut ett nytt läkemedel på marknaden. Nvidia säger att dess hårdvara, mjukvara och tjänster kan förkorta tiden för tidig upptäckt av läkemedel från månader till veckor. Amgen och Astrazeneca är några av de läkemedelsföretag som testar tekniken, och eftersom enbart amerikanska läkemedelsföretag spenderar över 100 miljarder dollar per år på forskning och utveckling, mer än tre gånger Nvidias intäkter, är den potentiella uppsidan tydlig.

Läkemedelsutvecklingen går snabbare, men vägen mot ett brett införande av en annan av Nvidias målmarknader är mindre tydlig: självkörande bilar har varit ”runt hörnet” i flera år, men att testa och få godkännande för användning på allmänna vägar har visat sig vara ännu mer komplicerat än att få godkännande för ett nytt läkemedel.

Nvidia får två chanser på den här marknaden. Den ena är att bygga och driva de virtuella världar där självkörande algoritmer testas utan att utsätta någon för risk. Den andra är själva bilarna. Om algoritmerna lyckas ta sig ur den virtuella världen och ut på vägarna kommer bilarna att behöva chipp från Nvidia och andra tillverkare för att bearbeta realtidsbilder och utföra de otaliga beräkningar som krävs för att hålla dem på rätt kurs. Detta är det minsta marknadssegment som Nvidia redovisar i sina kvartalsresultat: bara 253 miljoner dollar, eller 2 procent av den totala försäljningen, under de tre månaderna fram till den 30 juli 2023. Men det är ett segment som har mer än fördubblats varje år.

När Nvidia rapporterade sitt resultat för de tre månaderna fram till den 30 april gjorde man en ambitiös prognos: att intäkterna för det följande räkenskapsåret, som slutar den 30 juli, skulle vara mer än 50 procent högre – och man slog den siffran med bred marginal och rapporterade intäkter på 13,5 miljarder dollar. Tillväxten i försäljningen av spelhårdvara ökade också med 22 procent på årsbasis och 11 procent på kvartalsbasis, vilket skulle vara imponerande för de flesta konsumentelektronikföretag, men ligger långt efter den senaste tidens tillväxt på Nvidias största marknad – datacenter.

Andelen av företagets totala intäkter som kommer från spel har krympt från över en tredjedel under de tre månaderna fram till den 30 april till knappt en femtedel under perioden fram till den 30 juli. Nvidia ser dock fortfarande möjligheter framöver, eftersom mindre än hälften av den installerade basen har uppgraderat till grafikkort med Geforce RTX-tekniken som introducerades 2018, sa finanschefen Colette Kress under telefonkonferensen.

Huang och Kress pratade båda om hur tydligt Nvidia kan se den framtida efterfrågan på sina konsument- och datacenterprodukter, långt in på nästa år.

– Världen håller på att övergå från generell databehandling till accelererad databehandling, sa Huang.

Med cirka 250 miljarder dollar i investeringar i datacenter varje år, enligt Huang, är den potentiella marknaden för Nvidia mycket stor när denna övergång sker.

– Efterfrågan är enorm, sa han och tillade att företaget utökar sin produktionskapacitet avsevärt för att öka utbudet under resten av detta år och in på nästa.

Trots detta var Kress mer reserverad i sina prognoser för de tre månaderna till 30 oktober och sa att hon förväntar sig intäkter på mellan 15,7 miljarder dollar och 16,3 miljarder dollar, eller en kvartalsvis tillväxt mellan 16 procent och 21 procent.

Alla blickar kommer nu att riktas mot företagets nästa rapport, som kommer den 21 november.