Pasinvestor
Pasinvestor личный блог
24 января 2021, 21:52

Обзор компании Nvidia (текст)

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%!

Обзор компании Nvidia, изображение №1  

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.

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. 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.

Обзор компании Nvidia, изображение №3

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.

Еще больше статей и заметок в моих Telegram,  VK.

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.

Обзор компании Nvidia, изображение №4 

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.

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.

Обзор компании Nvidia, изображение №6 

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).

Обзор компании Nvidia, изображение №7 
  • 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.

Обзор компании Nvidia, изображение №8 
  • 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.

Обзор компании Nvidia, изображение №9 
  • 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

Обзор компании Nvidia, изображение №10 

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

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.

Обзор компании Nvidia, изображение №12 

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.

Обзор компании Nvidia, изображение №13 

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.

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.

Обзор компании Nvidia, изображение №15 

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.

Обзор компании Nvidia, изображение №16 

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.

Обзор компании Nvidia, изображение №17 

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.

Не инвестиционная рекомендация. Автор не является инвестиционным советником.

Еще больше статей и заметок в моих Telegram,  VK. 
10 Комментариев
  • GPU это очень сложный процессор, за два десятка лет там столько наворотили. А новые GPU AMD ничем не уступают конкуренту, ну в рейтрейсинге послабее, но это пока что.
    • kiryushka
      25 января 2021, 01:59
      Багатенький Буратина, у AMD нет CUDA, под который написано половина библиотек для нейронок.
      • Kolya Marketolog
        25 января 2021, 21:02
        kiryushka, зато у Нвидиа нет встроек в игровые приставки (особенно критично свежее, только что вышедшее поколение), и собственная приставка ни разу не взлетела. А следовательно для Хуанга закрыт достаточно вкусный рынок на следующие лет десять (ну минимум семь), а стандартом графики для гейм-дизайнеров на несколько лет вперед станет архитектура amd rdna/2/3

        что касается «чистого» AI — то тут CUDA мимо, рулят асики.
        • kiryushka
          25 января 2021, 21:09
          Kolya Marketolog, 
          что касается «чистого» AI — то тут CUDA мимо, рулят асики.
          это что значит?
          что такое «чистое» AI?

          вот это грязное AI?
          ru.wikipedia.org/wiki/%D0%9A%D1%80%D0%B8%D1%81%D1%82%D0%BE%D1%84%D0%B0%D1%80%D0%B8_(%D1%81%D1%83%D0%BF%D0%B5%D1%80%D0%BA%D0%BE%D0%BC%D0%BF%D1%8C%D1%8E%D1%82%D0%B5%D1%80)
        • kiryushka
          25 января 2021, 21:10
          Kolya Marketolog, 

          ссылка сюда была
          en.wikipedia.org/wiki/Christofari
          • Kolya Marketolog
            25 января 2021, 21:27
            kiryushka, «чистый» AI — это система, заточенная на конкретный тип задач с однотипными данными. Например, поиск экзопланет с индексом подобия Земле близким к единице. 
            «не чистый» AI — это система, способная перенастраиваться на любой класс задач и в равной степени эффективно (точнее — неэффективно) работающая с разнотипными данными.
            Так вот, в зависимости от «чистоты» задачи, стоящей перед искусственным интеллектом, выстраивается цепочка эффективности аппаратных реализаций, где на одном конце асики, на другом — CPU а примерно посередине между ними GPU. То есть в системе самонаведения ракеты ПВО эффективнее всего отработает асик, в задаче расшифровки генома — CPU, а в задаче наведения ракеты на группу людей с однотипным геномом — GPU.
            И да, в случае с CUDA вы платите не только за несколько тысяч ядер CUDA, но и за «бесполезную» обвязку видеочипа и видеокарты — половину площади чипа GPU и наверное 20-30% стоимости за текстолит.
            • kiryushka
              25 января 2021, 22:08
              Kolya Marketolog, 
              То есть в системе самонаведения ракеты ПВО
              как связано ML и самонаведение ракеты?

              можете не отвечать, по вашему опусу всё понятно уже
            • kiryushka
              25 января 2021, 22:18
              Kolya Marketolog, сколько вы на асике написали ML? ноль

              а на куда каждая кухарка пишет. (например я) Спрос у этого огромный.

              а экзопланеты полтора землекопа ищут. И никто на этом пока не заработал.
              • Kolya Marketolog
                26 января 2021, 08:15
                kiryushka, то, что вы пишете на куде — говорит лишь то, что вы пишете на куде, но никак не говорит, что на куде пишут все.
  • Kolya Marketolog
    25 января 2021, 20:58
    Много красивых слов и выдержек из качественных презентаций, но ...
    Если крипторынок накачивается баблом — маржинальность и обороты бизнеса Дженсена Хуанга надуваются.
    Если крипторынок худеет — обороты и маржинальность Нвидиа сдуваются.
    Особенно маржинальность.

Активные форумы
Что сейчас обсуждают

Старый дизайн
Старый
дизайн