NVIDIA ประกาศผลประกอบการไตรมาส 2 ปีงบประมาณ 2024

 (nvidianews.nvidia.com)
1 คะแนน โดย GN⁺ 2023-08-25 | 1 ความคิดเห็น | แชร์ทาง WhatsApp
  • ความต้องการด้าน generative AI ได้ผลักดันการลงทุนในดาต้าเซ็นเตอร์ ทำให้ รายได้ไตรมาส 2 ปีงบประมาณ 2024 ของ NVIDIA อยู่ที่ 13.51 พันล้านดอลลาร์ เพิ่มขึ้น 101% เมื่อเทียบกับปีก่อน และ 88% เมื่อเทียบกับไตรมาสก่อน
  • รายได้จากดาต้าเซ็นเตอร์ อยู่ที่ 10.32 พันล้านดอลลาร์ เพิ่มขึ้น 141% จากไตรมาสก่อน และ 171% จากปีก่อน เป็นแรงขับเคลื่อนหลักของการเติบโตโดยรวม
  • ความสามารถในการทำกำไรก็พุ่งขึ้นอย่างมาก โดยกำไรสุทธิต่อหุ้นแบบปรับลดตาม GAAP อยู่ที่ 2.48 ดอลลาร์ และ กำไรสุทธิต่อหุ้นแบบปรับลด Non-GAAP อยู่ที่ 2.70 ดอลลาร์
  • ในด้านการคืนผลตอบแทนผู้ถือหุ้น บริษัทได้ซื้อหุ้นคืน 7.5 ล้านหุ้น เป็นมูลค่า 3.28 พันล้านดอลลาร์ในไตรมาส 2 และคณะกรรมการได้อนุมัติโครงการซื้อหุ้นคืนเพิ่มเติมอีก 25 พันล้านดอลลาร์โดยไม่มีกำหนดหมดอายุ
  • แนวโน้มไตรมาส 3 อยู่ที่รายได้ 16 พันล้านดอลลาร์ ±2%, อัตรากำไรขั้นต้นตาม GAAP 71.5% และอัตรากำไรขั้นต้นแบบ Non-GAAP 72.5%

ภาพรวมผลประกอบการไตรมาส 2

  • รายได้ไตรมาส 2 ปีงบประมาณ 2024 อยู่ที่ 13.507 พันล้านดอลลาร์ สูงกว่าทั้ง 6.704 พันล้านดอลลาร์ในช่วงเดียวกันของปีก่อน และ 7.192 พันล้านดอลลาร์ในไตรมาสก่อนอย่างมาก
  • ตัวชี้วัดตาม GAAP:
    • อัตรากำไรขั้นต้นอยู่ที่ 70.1% สูงขึ้นจาก 43.5% ในช่วงเดียวกันของปีก่อน และ 64.6% ในไตรมาสก่อน
    • กำไรจากการดำเนินงานอยู่ที่ 6.800 พันล้านดอลลาร์ เพิ่มขึ้น 1,263% จากปีก่อน และ 218% จากไตรมาสก่อน
    • กำไรสุทธิอยู่ที่ 6.188 พันล้านดอลลาร์ เพิ่มขึ้น 843% จากปีก่อน และ 203% จากไตรมาสก่อน
    • กำไรสุทธิต่อหุ้นแบบปรับลดอยู่ที่ 2.48 ดอลลาร์ สูงกว่า 0.26 ดอลลาร์ในช่วงเดียวกันของปีก่อน และ 0.82 ดอลลาร์ในไตรมาสก่อน
  • ตัวชี้วัดแบบ Non-GAAP:
    • อัตรากำไรขั้นต้นอยู่ที่ 71.2% สูงขึ้นจาก 45.9% ในช่วงเดียวกันของปีก่อน และ 66.8% ในไตรมาสก่อน
    • กำไรจากการดำเนินงานอยู่ที่ 7.776 พันล้านดอลลาร์ เพิ่มขึ้น 487% จากปีก่อน และ 155% จากไตรมาสก่อน
    • กำไรสุทธิอยู่ที่ 6.740 พันล้านดอลลาร์ เพิ่มขึ้น 422% จากปีก่อน และ 148% จากไตรมาสก่อน
    • กำไรสุทธิต่อหุ้นแบบปรับลดอยู่ที่ 2.70 ดอลลาร์ สูงกว่า 0.51 ดอลลาร์ในช่วงเดียวกันของปีก่อน และ 1.09 ดอลลาร์ในไตรมาสก่อน

ความต้องการ generative AI และการเปลี่ยนผ่านโครงสร้างพื้นฐาน

  • Jensen Huang ระบุว่าองค์กรต่าง ๆ กำลังเปลี่ยนผ่านจากการประมวลผลแบบทั่วไปไปสู่ accelerated computing และ generative AI
  • NVIDIA GPU, เทคโนโลยีเครือข่ายและสวิตช์ของ Mellanox และซอฟต์แวร์สแต็ก CUDA AI ร่วมกันประกอบเป็น โครงสร้างพื้นฐานการประมวลผลสำหรับ generative AI
  • ในไตรมาสนี้ ผู้ให้บริการคลาวด์รายใหญ่หลายรายได้ประกาศ NVIDIA H100 AI infrastructure ขนาดใหญ่
  • ผู้ให้บริการระบบไอทีและซอฟต์แวร์สำหรับองค์กรรายสำคัญต่างก็ประกาศความร่วมมือเพื่อนำ NVIDIA AI ไปขยายสู่หลายอุตสาหกรรม

การคืนผลตอบแทนผู้ถือหุ้นและเงินปันผล

  • NVIDIA คืนผลตอบแทนให้ผู้ถือหุ้นรวม 3.38 พันล้านดอลลาร์ ในไตรมาส 2 ของปีงบประมาณ 2024
    • ซื้อหุ้นคืน 7.5 ล้านหุ้น เป็นมูลค่า 3.28 พันล้านดอลลาร์
    • รวมเงินปันผลเงินสดด้วย
  • ณ สิ้นไตรมาส 2 วงเงินคงเหลือจากโครงการซื้อหุ้นคืนเดิมอยู่ที่ 3.95 พันล้านดอลลาร์
  • เมื่อวันที่ 21 สิงหาคม 2023 คณะกรรมการได้อนุมัติโครงการซื้อหุ้นคืนเพิ่มเติม 25 พันล้านดอลลาร์ โดยไม่มีกำหนดหมดอายุ
  • NVIDIA มีแผนจะเดินหน้าซื้อหุ้นคืนต่อไปในปีงบประมาณนี้
  • เงินปันผลเงินสดสำหรับไตรมาสถัดไปอยู่ที่ 0.04 ดอลลาร์ ต่อหุ้น และมีกำหนดจ่ายในวันที่ 28 กันยายน 2023 ให้แก่ผู้ถือหุ้นที่มีรายชื่อ ณ วันที่ 7 กันยายน 2023

แนวโน้มไตรมาส 3 ปีงบประมาณ 2024

  • คาดการณ์รายได้ไตรมาส 3 อยู่ที่ 16 พันล้านดอลลาร์ ±2%
  • คาดการณ์อัตรากำไรขั้นต้น:
    • GAAP: 71.5% ±50bp
    • Non-GAAP: 72.5% ±50bp
  • คาดการณ์ค่าใช้จ่ายในการดำเนินงาน:
    • GAAP: ประมาณ 2.95 พันล้านดอลลาร์
    • Non-GAAP: ประมาณ 2.00 พันล้านดอลลาร์
  • รายได้และค่าใช้จ่ายอื่น ๆ ไม่รวมกำไรขาดทุนจากเงินลงทุนในบริษัทร่วม คาดว่าจะเป็น รายได้ราว 100 ล้านดอลลาร์ ทั้งใน GAAP และ Non-GAAP
  • อัตราภาษี ไม่รวมรายการเฉพาะ คาดว่าจะอยู่ที่ 14.5% ±1% ทั้งใน GAAP และ Non-GAAP

ไฮไลต์ตามกลุ่มธุรกิจ

  • Data Center

    • รายได้ไตรมาส 2 อยู่ที่ 10.32 พันล้านดอลลาร์ เพิ่มขึ้น 141% จากไตรมาสก่อน และ 171% จากปีก่อน
    • NVIDIA GH200 Grace Hopper Superchip สำหรับเวิร์กโหลด AI และ HPC ที่ซับซ้อน เริ่มจัดส่งในไตรมาสนี้ และเวอร์ชันรุ่นที่ 2 ที่มาพร้อมหน่วยความจำ HBM3e มีกำหนดจัดส่งในไตรมาส 2 ปี 2024
    • NVIDIA L40S GPU เป็นโปรเซสเซอร์ดาต้าเซ็นเตอร์อเนกประสงค์สำหรับเร่งแอปพลิเคชันคอมพิวต์หนัก โดยเริ่มให้บริการในหลายแพลตฟอร์มตั้งแต่ไตรมาสนี้ รวมถึง NVIDIA OVX และเซิร์ฟเวอร์ที่พร้อมสำหรับ NVIDIA AI
    • NVIDIA MGX เป็นเซิร์ฟเวอร์ดีไซน์อ้างอิงสำหรับ AI, HPC และแอปพลิเคชัน NVIDIA Omniverse ซึ่งสามารถสร้างเซิร์ฟเวอร์ได้มากกว่า 100 รูปแบบ
    • NVIDIA Spectrum-X เป็นแพลตฟอร์มเครือข่ายเร่งความเร็วที่ช่วยปรับปรุงประสิทธิภาพและประสิทธิผลของ AI cloud บน Ethernet และกำลังเริ่มจัดส่งในไตรมาสนี้
    • คลาวด์อินสแตนซ์ที่ใช้ NVIDIA H100 Tensor Core GPU เปิดให้ใช้งานทั่วไปแล้วบน AWS, Microsoft Azure และผู้ให้บริการคลาวด์ระดับภูมิภาค
    • มีการประกาศความร่วมมือด้าน generative AI กับ ServiceNow·Accenture, VMware, Snowflake, WPP, SoftBank และ Hugging Face
    • ประกาศ NVIDIA AI Workbench และ NVIDIA AI Enterprise 4.0
    • H100 GPU สร้างสถิติใหม่ใน MLPerf training benchmark ล่าสุด และทำผลงานได้ดีในตัวชี้วัดใหม่สำหรับ generative AI

  • Gaming

    • รายได้ไตรมาส 2 อยู่ที่ 2.49 พันล้านดอลลาร์ เพิ่มขึ้น 11% จากไตรมาสก่อน และ 22% จากปีก่อน
    • เริ่มจัดส่ง GPU ตระกูล GeForce RTX 4060 family โดยราคาเริ่มต้นที่ 299 ดอลลาร์
    • NVIDIA Avatar Cloud Engine, ACE, for Games คือบริการ custom AI model foundry ที่มอบความฉลาดให้ NPC ผ่านการโต้ตอบด้วยภาษาธรรมชาติที่ขับเคลื่อนด้วย AI
    • มี เกมที่รองรับ DLSS เพิ่มอีก 35 เกม รวมถึง Diablo IV, Ratchet & Clank: Rift Apart, Baldur’s Gate 3, F1 23, Portal: Prelude RTX เป็นต้น

  • Professional Visualization

    • รายได้ไตรมาส 2 อยู่ที่ 379 ล้านดอลลาร์ เพิ่มขึ้น 28% จากไตรมาสก่อน แต่ลดลง 24% จากปีก่อน
    • ประกาศเดสก์ท็อปเวิร์กสเตชัน RTX GPU ที่ใช้สถาปัตยกรรม Ada Lovelace จำนวน 3 รุ่น ได้แก่ NVIDIA RTX 5000, RTX 4500, RTX 4000 และเริ่มจัดส่งในไตรมาสนี้
    • รีลีสสำคัญของ NVIDIA Omniverse มาพร้อมแอปพลิเคชันและบริการพื้นฐานใหม่ เพื่อช่วยให้นักพัฒนาและองค์กรอุตสาหกรรมสามารถเพิ่มประสิทธิภาพและพัฒนาพายป์ไลน์ 3D ด้วย OpenUSD และ generative AI
    • ร่วมกับ Pixar, Adobe, Apple และ Autodesk จัดตั้ง Alliance for OpenUSD เพื่อผลักดันมาตรฐาน การพัฒนา วิวัฒนาการ และการเติบโตของเทคโนโลยี Universal Scene Description

  • Automotive

    • รายได้ไตรมาส 2 อยู่ที่ 253 ล้านดอลลาร์ ลดลง 15% จากไตรมาสก่อน แต่เพิ่มขึ้น 15% จากปีก่อน
    • NVIDIA DRIVE Orin ขับเคลื่อนระบบช่วยเหลือผู้ขับขี่ขั้นสูงอัจฉริยะของ XPENG G6 Coupe SUV
    • MediaTek กำลังพัฒนา SoC รถยนต์กระแสหลักสำหรับ OEM ทั่วโลก โดยผสาน NVIDIA GPU chiplet IP สำหรับ AI และกราฟิกเข้าไป

เกณฑ์ Non-GAAP และกระแสเงินสด

  • NVIDIA ใช้ ตัวชี้วัดทางการเงินแบบ Non-GAAP ควบคู่ไปกับงบการเงินตาม GAAP เพื่อใช้ประกอบการวิเคราะห์
  • การปรับ Non-GAAP ไม่รวมค่าใช้จ่ายปิดดีลซื้อกิจการ, ค่าใช้จ่ายจากการจ่ายหุ้นเป็นค่าตอบแทน, ค่าใช้จ่ายที่เกี่ยวข้องกับการซื้อกิจการและค่าใช้จ่ายอื่น ๆ, ค่าใช้จ่ายที่เกี่ยวข้องกับ IP, ค่าใช้จ่ายจากการยุติข้อพิพาททางกฎหมาย, เงินบริจาค, กำไรขาดทุนจากเงินลงทุนในบริษัทร่วม, ค่าใช้จ่ายดอกเบี้ยที่เกี่ยวข้องกับการตัดจำหน่ายส่วนลดหนี้ และผลกระทบทางภาษีที่เกี่ยวข้อง
  • Free cash flow คำนวณจากกระแสเงินสดจากกิจกรรมดำเนินงานตาม GAAP หักด้วยการซื้อที่ดิน อาคาร อุปกรณ์ และสินทรัพย์ไม่มีตัวตน รวมถึงการชำระคืนเงินต้นที่เกี่ยวข้อง
  • กระแสเงินสดจากกิจกรรมดำเนินงานในไตรมาส 2 อยู่ที่ 6.348 พันล้านดอลลาร์ และ Free cash flow อยู่ที่ 6.048 พันล้านดอลลาร์
  • ตัวชี้วัด Non-GAAP ช่วยให้เปรียบเทียบผลการดำเนินงานย้อนหลังได้ง่ายขึ้น แต่ไม่ควรถูกมองว่าเป็นตัวแทนของผลการดำเนินงานตาม GAAP

บทความที่เกี่ยวข้อง

1 ความคิดเห็น

 
GN⁺ 2023-08-25
ความคิดเห็นจาก Hacker News

  • สิ่งที่น่าสนใจคือไตรมาสนี้ไม่ได้ขายชิปได้มากขึ้น แต่แทบจะ ขึ้นราคาเกือบสองเท่า ต่างหาก นั่นจึงเป็นเหตุผลที่มาร์จิ้นออกมาสูงมาก
    นี่แสดงให้เห็นว่าการผูกขาดมีหน้าตาเป็นอย่างไร
    นี่ก็เป็นเหตุผลที่ผู้ผลิตการ์ดไม่ได้รายงานกำไรที่เพิ่มขึ้นด้วย น่าสงสัยว่าอีกไม่กี่เดือนข้างหน้าจะเป็นอย่างไร ผู้ผลิตจะมีอำนาจต่อรองราคากับ Nvidia ไหม หรือ Nvidia จะเปลี่ยนไปใช้ผู้ผลิตรายอื่นได้เฉย ๆ?

    • จากมุมมองของคนที่อยู่ในสาย AI/ML มานานกว่า 10 ปี และมากกว่าครึ่งหนึ่งในนั้นใช้การ์ด AMD/Radeon สถานการณ์นี้ผมรู้สึกว่า AMD ก็มีส่วนรับผิดชอบ อยู่พอสมควร
      เป็นเวลานานที่ AMD ดูเหมือนไม่ได้มอง AI/ML อย่างจริงจัง ตรงกันข้าม NVIDIA แม้จะมีข้อเสียหลายอย่าง แต่ดูเหมือนจะตระหนักได้ตั้งแต่เนิ่น ๆ ว่า ML เป็นตลาดศักยภาพมหาศาล
      แม้ตอนนี้ หากจะรัน Stable Diffusion บนการ์ด AMD ก็ยังต้องทำงานเพิ่มเติมอยู่ดี ถ้าแค่ทุ่มวิศวกรสักไม่กี่คนให้ทำให้ ROCm ทำงานได้ดีบนระบบปฏิบัติการหลัก ๆ และไลบรารีคำนวณเชิงวิทยาศาสตร์/ดีปเลิร์นนิงหลัก ๆ ก็น่าจะเป็นการลงทุนที่คุ้มไม่น้อย
      สงสัยว่ามีบริบทอะไรที่ผมพลาดไปหรือเปล่าเกี่ยวกับการที่ AMD ตามไม่ทันในสายนี้
    • ไม่ใช่แค่ Nvidia เท่านั้น นักออกแบบชิปทุกรายถูกจำกัดด้วย บริษัทฟาวด์รี ที่พยายามขยายกำลังการผลิตอย่างรวดเร็ว แต่ฟาวด์รีระดับล้ำหน้าสุดก็ผูกอยู่กับซัพพลายเออร์รายเดียวคือ ASML
      ASML ผลิตเครื่องลิโธกราฟีและมีการผูกขาดอย่างสมบูรณ์ แม้แต่พวกเขาเองก็ยังผลิตเครื่องได้ไม่เร็วพอให้ทันความต้องการ และเครื่องลิโธกราฟีถูกขายหมดล่วงหน้าไปแล้ว 2 ปี
    • คงไม่มีผู้ผลิตรายอื่นที่สามารถย้ายผลิตภัณฑ์ระดับไฮเอนด์ไปให้ผลิตได้ เมื่อเร็ว ๆ นี้เคยพยายามย้ายการ์ดบางรุ่นไป Samsung แต่เพราะ ปัญหา yield จึงต้องย้ายกลับมาในเจเนอเรชันที่แล้ว
    • สงสัยว่าดูตัวเลขอะไรถึงได้ข้อสรุปนี้ ผมไม่คุ้นกับการอ่านรายงานประจำไตรมาส
    • ราคามันเป็นสองเท่าอยู่แล้ว เพียงแต่เดิมมูลค่านั้นถูก รีเซลเลอร์หน้าเลือด เอาไป ตอนนี้ Nvidia เป็นฝ่ายเอาไปแทนเท่านั้น

  • ปี 2009 ผมเคยเป็นอินเทิร์นที่ NVIDIA ใน ทีมไดรเวอร์โหมดเคอร์เนล โปรเจกต์กับผู้คนสนุกมาก และถ้าโค้ดยังอยู่ ผมเป็นคนสร้างคลาสหลักสำหรับสเกジュลิงงานไปยัง GPU บน Windows
    การเขียนโปรแกรมระดับนั้นให้ช่วงเวลาที่คุ้มค่ามากคั่นระหว่างการดีบักสุดโหด เวลาเทสต์บิลด์เคอร์เนลไดรเวอร์ใหม่ ต้องเข้าไปในห้องขนาดใหญ่ที่เต็มไปด้วยเครื่องจำนวนมากที่เชื่อมต่อกัน เพื่อจำลองฮาร์ดแวร์ GPU ที่ยังไม่ได้ผลิตจริง ตลอดช่วงที่ผมอยู่ พนักงานประจำคนหนึ่งในทีมแทบจะเสียสติไปกับการตามหาความเสียหายของหน่วยความจำที่เกิดขึ้นตอน page out ระหว่างหน่วยความจำ GPU กับหน่วยความจำหลัก
    ตอนนั้นราคาหุ้นอยู่ประมาณ 7 ดอลลาร์ต่อหุ้น และ CEO ประกาศ ลดเงินเดือน 10% ทั้งบริษัท รวมถึงค่าจ้างอินเทิร์นของผมด้วย และมี all-hands สำหรับพนักงานทุกคนในโรงอาหาร จากสถานะที่เปราะบางตอนที่ Intel ขู่ว่าจะใส่ความสามารถ GPU ในตัว มาเป็นผู้แข็งแกร่งอย่างทุกวันนี้ได้ ก็น่าทึ่งทีเดียว

    • ถึงอย่างนั้น ลดเงินเดือน 10% ก็ยังดีกว่าเลิกจ้าง 10%
    • ผมเคยเป็นอินเทิร์นที่นั่นช่วงฤดูร้อนปี 2008 จำได้ว่า CUDA ซึ่งตอนนั้นยังอยู่ช่วงแรก ๆ ถูกพูดถึงประมาณว่า “เจ้า CUDA อะไรนี่”
      พอถึงกลางช่วง กลุ่มเพื่อนอินเทิร์นค้นพบว่ามีบุฟเฟต์มื้อกลางวันในอาคารเล็ก ๆ แห่งหนึ่ง เลยขึ้นชัตเทิลไปกันบ่อย ๆ
      เพิ่งเห็นทวีตนี้ และที่คล้องบัตรนั้นทำให้ความทรงจำผุดขึ้นมาทันที ไม่เปลี่ยนไปเลย: https://x.com/jimcramer/status/1694465908234699243?s=46&t=NA...
    • ยังถือหุ้นอยู่ไหม?
    • แต่ก็สงสัยว่าทำไม กฎของมัวร์ ถึงหยุดชะงักไปโดยสมบูรณ์ ในเบนช์มาร์ก CS:GO นั้น 1070 ได้ 218 FPS ส่วน 4090 ได้ 477 FPS ผ่านไป 6 ปี FPS เพิ่มขึ้นแค่ประมาณ 2.2 เท่าเอง น่าเศร้า

  • ราคา GPU ที่สูงของ Nvidia ถือเป็นข่าวดีในแง่ที่ว่ามันกระตุ้นให้ทุกฝ่ายอย่าง Intel, AMD, ARM, Google หาทางแก้ปัญหา ไม่ว่าจะด้วยการสร้างชิปใหม่หรือใช้ชิปเดิมให้มีประสิทธิภาพมากขึ้น
    น่าแปลกใจที่มีความพยายามด้าน distributed computing มากมายอย่างการแยกตัวประกอบจำนวนเฉพาะ, SETI@Home, Bitcoin แต่กลับไม่มีวิธีให้ยืม GPU ของเกมเมอร์ที่ว่างอยู่ ถึงจะไม่ได้มีประสิทธิภาพนัก แต่ด้วยราคาตอนนี้ก็ยังอาจสมเหตุสมผล

    • ทุกคนก็มีแรงจูงใจมากพออยู่แล้ว และเป็นแบบนี้มาหลายปี แต่แทบไม่มีอะไรเกิดขึ้นเลย สถานการณ์นี้ห่างไกลจากการเป็นตัวอย่างที่ดีของ efficient market hypothesis
      ทุกปีฟังดูเหมือน “GPU ผู้บริโภครุ่นใหม่ของ Nvidia เพิ่มฟีเจอร์ใหม่ ทำลายเพดานประสิทธิภาพเดิม และรันเกมที่ความละเอียดกับเฟรมเรตมหาศาลได้ ส่วนการ์ดดาต้าเซ็นเตอร์ขายหมดเพราะเปลี่ยนฟางเป็นทองได้ และ Nvidia ก็พัฒนาเทคโนโลยี AI กับกราฟิกใหม่ ๆ ต่อไปบนเฟรมเวิร์ก CUDA แบบผูกขาด ขณะที่ AMD ในที่สุดก็จัดการเรื่อง ray tracing ได้แล้ว และ GPU ผู้บริโภคก็… ไม่ได้ดีเท่า Nvidia แต่ถ้าคุณกำลังมองหาคู่แข่งของไลน์ Nvidia 60/70 ก็ให้ความคุ้มค่าดีกว่า!”
    • มีความพยายามซ้ำแล้วซ้ำเล่าที่จะบั่นทอนส่วนแบ่งตลาดของ Nvidia แต่สุสานของบริษัท AI accelerator ที่หาผลิตภัณฑ์ให้เหมาะกับตลาดไม่ได้เพราะขาดการสนับสนุน software toolchain ก็เต็มไปหมดเช่นกัน
      เรื่องนี้ใช้ได้กับ GPU Nvidia รุ่นเก่าและ toolchain ที่เข้ากันได้ด้วย ไม่ต้องพูดถึงผู้เล่นรายอื่นอย่าง AMD นี่ไม่ได้ต้องการจะลดทอน Nvidia แต่หมายความว่าวงการนี้เคลื่อนไหวเร็วมากจนแม้แต่ตัวเลือกเดียวที่มีอยู่ก็ยังพยายามตามให้ทัน
      Nvidia นำหน้าคู่แข่งอยู่หนึ่งหรือสองเจเนอเรชันของรอบฮาร์ดแวร์ ผมคิดว่า workload AI สำหรับองค์กรน่าจะเป็นโฟกัสหลักถัดไป [1] ถ้าทำได้ดี สิ่งนี้น่าจะเร่งการนำ AI ไปใช้ในองค์กรได้มากกว่าสิ่งอื่นใด
      อุตสาหกรรมควรให้ความสำคัญกับ toolchain ที่อยู่ระหว่าง deep learning framework อย่าง PyTorch, Tensorflow กับผู้ผลิตฮาร์ดแวร์อย่าง Nvidia, AMD, Intel, ARM, Google TPU มากขึ้น deep learning compiler จะเป็นตัวตัดสินว่า workload AI ทั้งหมดจะรันได้เฉพาะบน Nvidia หรือจะรันได้บนชิปหลายแบบ
      [1] - https://www.nvidia.com/en-us/data-center/solutions/confident...
    • ถ้าเป็นการให้ยืม GPU ของเกมเมอร์ที่ว่างอยู่ ก็มี Render Network: https://rendernetwork.com/
      “The Render Network® Provides Near Unlimited Decentralized GPU Computing Power For Next Generation 3D Content Creation.”
      ระบบของ Render Network แบ่งออกเป็นสองบทบาทคือ Creator และ Node Operator ถ้าคุณเป็นสายฮาร์ดแวร์ที่มี GPU เหลือ หรือเป็นเซียนคริปโตที่สนใจ VFX อยู่บ้าง คุณก็อาจเป็น Node Operator ที่มีศักยภาพและหา RNDR จากเวลา GPU ที่ว่างอยู่ได้
    • เมื่อหลายปีก่อนผมเห็นโฆษณาบริการแบบนั้นพอดี และก็เคยลองใช้จริงด้วย แต่จำชื่อไม่ได้เลย มีธีมสลัดน่ารัก ๆ และเรียกผู้ใช้ว่า “chef”
      แก้ไข: ชื่อมันก็แค่ Salad นั่นแหละ
      https://salad.com/
      https://salad.com/download
    • สำหรับ inference น่าจะเป็นไปได้ แต่เกมเมอร์ส่วนใหญ่มี GPU เดี่ยวที่ VRAM ต่ำกว่า 24GB จึงไม่ค่อยเหมาะกับการเทรน ถ้าจะใช้ batch size ที่สมเหตุสมผล อย่างน้อยต้องเป็น 3090 หรือ 4090

  • เป็นบริษัทที่ยอดเยี่ยมจริง ๆ ไม่น่าเชื่อว่าการลงทุนเมื่อกว่า 10 ปีก่อนจะทำให้พวกเขานำหน้าได้ขนาดนี้
    ดีใจที่ได้เห็นบริษัทซิลิคอนแวลลีย์ที่อิงกับ hard engineering ครอบคลุมตั้งแต่ซิลิคอนไปจนถึงซอฟต์แวร์ได้รับการยอมรับแบบนี้ ช่วง 10 ปีก่อนโควิด รู้สึกเหมือนบริษัทซอฟต์แวร์จากซิลิคอนแวลลีย์อย่าง IPO ที่ถูกปั่นเกินจริง หรือบริษัทยักษ์ใหญ่รายได้โฆษณา เป็นฝ่ายครองตลาดการเงินกระแสหลัก

    • คำว่า “hard engineering” ไม่ได้แม่นยำหรือมีประโยชน์นัก อะไรทำให้งานวิศวกรรมยาก? การแก้ปัญหา distributed systems แม้จะเพื่อโฆษณา ไม่ยากหรือ?
      ถ้าหมายถึงฮาร์ดแวร์ Nvidia ก็ไม่ได้ผลิตชิปเองโดยตรง จึงยังไม่ “hard” พอ ถ้าหมายถึงการออกแบบฮาร์ดแวร์ แล้วอะไรคือความแตกต่างที่ทำให้การเขียน SystemVerilog ที่โต๊ะทำงานยาก แต่การเขียน Python ไม่ยาก?
    • NVidia เคยเป็นบริษัทที่ดูเรียบร้อย และในปี 2012 ก็เป็นแค่ ผู้ผลิตฮาร์ดแวร์ที่เน้นเกม
      ตอนนี้บริษัทแบบนั้นก็ยังมีอยู่ อยากรู้ว่าบริษัทไหนที่ยังเล็กหรือถูกมองข้าม แต่คุณคิดว่ามีอนาคตสดใส
    • นำหน้าขนาดนั้นจริงหรือ?
      GPU ของ AMD รุ่นล่าสุดก็ให้ผลลัพธ์ใกล้เคียงกันใน Stable Diffusion
      ซอฟต์แวร์และฮาร์ดแวร์ของคู่แข่งก็จะตามทัน การคำนวณตัวเลข 4/8/16 บิตไม่ใช่วิทยาศาสตร์จรวด
    • ช่วงเวลายากลำบากสร้างบริษัทที่แข็งแกร่ง บริษัทที่แข็งแกร่งสร้างช่วงเวลาดี ๆ ช่วงเวลาดี ๆ สร้างบริษัทที่อ่อนแอ และบริษัทที่อ่อนแอก็สร้างช่วงเวลายากลำบาก

  • call option ของ NVDA เดือนกันยายนที่ขายไว้ น่าจะถูกใช้สิทธิ ใครจะไปคิดว่าหลังคริปโตล่ม “AI” จะมาดันราคากลับขึ้นไปอีก
    รายได้ทำสถิติ แต่หุ้นราคา 450 ดอลลาร์จ่ายปันผล 0.04 ดอลลาร์ ไม่คุ้มแม้แต่งานเอกสารเลย ตัวอย่างเช่น ถ้าซื้อ 100 หุ้นก็เป็นเงิน 45,000 ดอลลาร์ แล้วราวเดือนกันยายนจะมีเงิน 4 ดอลลาร์เข้าบัญชี และยังต้องเสียภาษีด้วย เท่ากับลงทุน 45,000 ดอลลาร์แล้วได้เงินหลังภาษีราว 3 ดอลลาร์ มีการซื้อหุ้นคืนก็จริง แต่ไม่เข้าใจว่าทำไมยังรักษาเงินปันผลเชิงสัญลักษณ์ไว้

    • Jensen เป็นหนึ่งในผู้ถือหุ้นรายใหญ่ที่สุด มีหุ้นมากกว่า 80 ล้านหุ้น ดังนั้นสำหรับเขาจึงเป็น เงินปันผลมากกว่า 3 ล้านดอลลาร์
    • ผมขาย 600C ที่หมดอายุวันศุกร์นี้ก่อนประกาศผลประกอบการประมาณหนึ่งชั่วโมง implied volatility 168% เป็นเงินฟรีชัด ๆ
    • ถ้าอีก 20 ปีข้างหน้าสามารถพูดได้ว่าจ่ายปันผลมาตลอด 20 ปี ก็อาจดีต่อราคาหุ้นระยะยาว แม้เงินปันผลจริงจะน้อยนิดก็ตาม
    • ไตรมาสหน้ามี การซื้อหุ้นคืน 25 พันล้านดอลลาร์ สมัยนี้เขาแบ่งกำไรกันแบบนั้น
    • น่าจะขาย call credit spread ไป
      สำหรับผู้ถือหุ้นรายใหญ่ เงินปันผลก็ยังมีความหมายอยู่ ค้นดูแล้วเห็นว่า Jensen ถือหุ้น 1.3 ล้านหุ้น ถ้าอย่างนั้นปีนี้เขาจะได้เงินปันผลมากกว่า 200,000 ดอลลาร์ อาจมองว่าเป็นเงินเล็กน้อยก็ได้ แต่ข้อมูลอื่นบอกว่าเงินเดือนของเขาน้อยกว่า 1 ล้านดอลลาร์เล็กน้อย รายได้สภาพคล่องที่เพิ่มขึ้น 20% ไม่ใช่เรื่องที่มองข้ามได้

  • สงสัยว่ารายได้นี้จะอยู่ได้นานแค่ไหน
    ย้ำอีกครั้งว่า Nvidia ไม่ได้ขายสัญญาหรือบริการ แต่ขาย สินทรัพย์ที่ถูกบันทึกเป็นทุน
    ในอีก 3 ปีข้างหน้า อุปสงค์ส่วนเพิ่มของชิป GPU จะมากพอที่จะรักษาหรือเพิ่มรายได้ปัจจุบัน และพยุงมูลค่าประเมินนี้ไว้ได้หรือไม่? ถ้า “ทุกคนต้องฝึก LLM ของตัวเอง” ไม่ใช่แนวโน้มระยะยาว ก็รู้สึกเหมือนเป็นสถานการณ์ที่ค่อนข้างเปราะบาง เพราะต้องโน้มน้าวให้เห็นว่าโลกในปี 2025 ต้องการชิปมากขึ้น
    ไม่รู้ว่านักลงทุนไม่เข้าใจความละเอียดอ่อนของบูมนี้มากพอ หรือเป็นผมเองที่ไม่เข้าใจมากพอว่าในอีก 10 ปีข้างหน้า บริษัทต่าง ๆ และรัฐอธิปไตยจะต้อง “ถือครอง” GPU มากแค่ไหนเพื่อฝึก LLM

    • ตราบใดที่ การระเบิดแบบแคมเบรียนของนวัตกรรม AI ยังดำเนินต่อไป มันก็จะยังเหนียวแน่นอยู่ NVIDIA สร้างมีดพับสวิสอาร์มีที่ดีที่สุดสำหรับจัดการปัญหา GPGPU ทั่วไป และใช้เวลา 15 ปีสร้างระบบนิเวศกับการยอมรับใช้งาน ก่อนจะปรับให้เข้ากับ AI
      เมื่อเทคโนโลยีเริ่มนิ่งในระดับหนึ่ง ที่อย่าง Google, Amazon ก็อาจแย่งรายได้ไปด้วยต้นทุนที่ต่ำกว่า เหมือน TPU/Graviton ก่อนหน้านี้ แต่ถ้ามีนวัตกรรมใหม่ที่ ASIC หรือ ARM+ตัวเร่งทำไม่ได้ ทุกคนก็จะกลับไปหา NVIDIA อีกครั้ง เพราะมันใช้งานได้จริง
      AMD ก็อาจมีมีดพับสวิสอาร์มีอยู่เหมือนกัน แต่มีสแต็กซอฟต์แวร์แย่มากที่แค่รันเดโมบนระบบปฏิบัติการ/การตั้งค่า ROCm ที่รองรับก็ยังเจอ segfault และมีรันไทม์ที่บนเอกสารดูมีฟีเจอร์มากมาย แต่ของจริงก็มีช่องโหว่ด้านฟีเจอร์เยอะเช่นกัน ขณะที่ NVIDIA นั้นแค่ใช้ก็ทำงานได้ และมีระบบนิเวศไลบรารีกับเครื่องมือมหาศาล อีกทั้งยังได้เปรียบด้านการรับรู้แบรนด์มากด้วย นวัตกรรมเกิดขึ้นบนแพลตฟอร์ม NVIDIA เพราะ NVIDIA ใช้เงินหลายพันล้านดอลลาร์สร้างระบบนิเวศนั้นขึ้นมา แน่นอนว่ามันก็เป็นกรง แต่เป็นกรงซี่ทองที่มีรูมเซอร์วิส
      https://github.com/RadeonOpenCompute/ROCm/issues/2198
      ดังนั้นจนกว่าเทคโนโลยีจะนิ่ง ผมมองว่ามันยังเหนียวแน่นอยู่ ในสภาวะปกติ คู่แข่งจะเอารายได้ก้อนใหญ่ส่วนหนึ่งไปได้ แต่ในช่วงนวัตกรรม ทุกคนจะไหลไปหา NVIDIA AMD อาจทำลายกระแสนั้นได้ แต่ต้องลงมือทำจริงก่อน ตลอด 15 ปีที่ผ่านมาได้ลองกลยุทธ์ “ไม่ทำอะไร แล้วปล่อยให้คอมมูนิตี้ใช้เอง” แล้ว แต่มันไม่เวิร์ก อย่างน้อยต้องพาคอมมูนิตี้ไปถึงเส้นสตาร์ตก่อน การใช้ระบบนิเวศซอฟต์แวร์กับการใช้รันไทม์/ไดรเวอร์เป็นคนละเรื่องกัน
    • ดูค่อนข้างคล้ายกับมูลค่าประเมินของ Tesla แต่คิดว่ามันคงไม่ใช่ผลิตภัณฑ์ที่มี ความเหนียวแน่นในการยึดติด เท่ารถยนต์ไฟฟ้า
    • แทนที่จะโฟกัสว่า NVIDIA ดูเหมือนถูกตั้งราคาอย่างสมเหตุสมผล น่าสนใจกว่าที่จะดูว่า AMD ถูกประเมินค่าต่ำไปแค่ไหน
      จนถึงตอนนี้ AI ยังไม่มีสัญญาณชะลอตัวเลย

  • หลังปิดตลาด ขึ้นไปมากกว่า 10% จากราคาปิดเมื่อวาน คิดว่า NVDA ชนเพดานแล้วที่มูลค่ามากกว่า 1 ล้านล้านดอลลาร์ แต่ไม่ใช่เลย รู้สึกว่านี่เป็นโอกาสใหญ่มากสำหรับ Intel ถ้าแก้ฝั่งซอฟต์แวร์ได้ อย่างน้อยก็มี ศักยภาพด้านฟาวด์รี ที่จะผลิต GPU ที่แข่งขันได้พอสมควรจำนวนมาก
    ไตรมาสนี้ EPS เพิ่มขึ้น 9 เท่าจากกระแส AI แต่ค่า P/E ยังเกิน 50 อยู่ดี ยังไม่ค่อยเข้าใจว่ามูลค่าประเมินนี้สมเหตุสมผลได้อย่างไร แต่ผมจะไปรู้อะไร

    • Intel ดูเหมือนจะทำงานด้าน execution ได้ไม่ดี แค่ผลิต GPU ออกมาอย่างเดียวไม่พอ สำหรับ AI ต้องมีไดรเวอร์และ สิ่งที่เทียบเท่ากับ CUDA รวมถึงไลบรารีหลายตัวที่สร้างบน CUDA อย่าง cuDNN
      มี OneAPI อยู่ก็จริง แต่ยังไม่ปักหลักในพื้นที่นั้นได้แบบ CUDA น่าเสียดายตรงที่ OneAPI เปิด ส่วน CUDA ไม่เปิด
    • ต่อให้หลอมดวงจันทร์ให้กลายเป็น GPU ก็ยังจะหาที่ใช้การคำนวณนั้นได้อยู่ดี
      ถ้ารักษาตลาดไว้ได้และไม่พังเพราะปัญหาภายใน ก็ไม่ค่อยแน่ใจว่ามีเพดานหรือเปล่า
    • สงสัยว่าสามีของ Nancy Pelosi ที่เคยซื้อ NVDA ไว้เพียบ จริง ๆ แล้วเตรียมไว้สำหรับเรื่องนี้หรือเปล่า หลังจากนั้นราคาสำหรับผู้บริโภคแย่มาก แต่สำหรับพวกเขาก็ยังดีต่อเนื่อง

  • ตัวเลขโหดจริง ๆ ตอนนี้ในตลาด after-market ขึ้นไปมากกว่า 8% เพิ่มราว 41 ดอลลาร์ต่อหุ้น มาอยู่แถว 513 ดอลลาร์ บ้าไปแล้ว
    อยากรู้ว่าจากมุมมองของคนที่คุ้นเคยกับวิธีประเมินมูลค่าบริษัทมากกว่ามาก นี่แทบจะเป็นจุดสูงสุดแล้วหรือ Nvidia ยังมีโอกาสวิ่งต่ออีกมาก

    • โมเดลพื้นฐานของการประเมินมูลค่าบริษัทคือมูลค่าหุ้นของบริษัทเท่ากับมูลค่าสะสมของกระแสเงินสดในอนาคต โดยทั่วไปกระแสเงินสดที่คาดไว้ในอีก 5 ปีจะถูกคิดด้วยอัตราคิดลดบางอย่าง เพื่อให้ประเมินต่ำกว่า 100% สะท้อนความไม่แน่นอน
      Nvidia กำลังเจอ จุดเปลี่ยนของการเติบโตของรายได้ เพราะเป็นผู้เล่นรายเดียวที่มีความหมายในตลาด GPU ระดับท็อปสำหรับฝึก LLM
      มูลค่าประเมินปัจจุบันตั้งอยู่บนสมมติฐานว่าอำนาจการตั้งราคาที่ไม่เคยเกิดขึ้นมาก่อนนี้จะดำเนินต่อไป และรายได้จะเติบโตอย่างมากในอีกไม่กี่ปีข้างหน้าด้วย
      Nvidia ขายชิปให้ดาต้าเซ็นเตอร์เป็นหลัก และพฤติกรรมการซื้อของพวกนั้นถูกขับเคลื่อนด้วยอุปสงค์ของ “ลูกค้า” ซึ่งในที่นี้คืบริษัทเทคโนโลยีที่ต้องการฝึกโครงข่ายประสาท
      การเดิมพันว่ามันจะขึ้นต่อจากตรงนี้ คือการเดิมพันว่าในอีก N ไตรมาสติดต่อกัน ดาต้าเซ็นเตอร์จะต้องการชิปอย่างน้อยเท่าตอนนี้ และจะยังจ่ายพรีเมียมที่ Nvidia เรียกเก็บในวันนี้ต่อไป กล่าวคือมองว่า “อุปสงค์ของลูกค้า” ต่อ GPU ที่ดีขึ้นเรื่อย ๆ จะไต่ขึ้นตามเส้นทางระยะยาวที่ชันอย่างไม่น่าเชื่อและไม่เป็นวัฏจักร จนเกินความคาดหวังที่สูงอยู่แล้ว
      อาจเห็นมุมมองของผมชัดไปหน่อย แต่ราคาก็คือราคา
    • Nvidia คือ คนขายพลั่ว ในยุคตื่นทอง มูลค่าประเมินผูกอยู่มากกับว่า AI จะใหญ่แค่ไหนในอีกไม่กี่ปีข้างหน้า และคู่แข่งจะโผล่มาเร็วแค่ไหน
      ถ้า AI ไม่หยุดนิ่งอย่างที่บางคนกังวล และประโยชน์ใช้งานยังขยายต่อ ก็จินตนาการได้ง่ายว่ามันจะขึ้นต่อจากตรงนี้
    • ถ้าดูจากปัจจัยพื้นฐาน ก็แพงพอสมควรแล้ว และเป็นแบบนั้นมาพักหนึ่งแล้ว แต่ในหุ้นเทคโนโลยี ปัจจัยพื้นฐาน แทบไม่สำคัญมานานแล้ว
      ถ้าให้คำแนะนำแบบมีความรับผิดชอบก็คือแพง ถ้าให้คำแนะนำส่วนตัว ผมซื้อเพิ่มเมื่อบ่ายวานนี้
    • ผมคิดว่าส่วนใหญ่น่าจะเป็น การดึงอุปสงค์ล่วงหน้า บริษัทต่าง ๆ กำลังแข่งกันซื้อชิปมาเก็บไว้ให้มากที่สุด
      บน HN เองก็เห็นโพสต์จากบริษัทที่ทุ่มเงินมหาศาลอย่างไร้เหตุผลไปกับ H100 แล้วพยายามปล่อยเช่าความจุที่เหลืออยู่บ้างแล้ว คิดว่าอีกไม่นานจะเห็นโพสต์แบบนั้นมากขึ้นอีกมาก
    • การเติบโตมหาศาลนี้สะท้อนอยู่ในราคา 250 ดอลลาร์ไปแล้ว
      ตอนนี้มันก็แค่บ้าคลั่งแล้ว

  • ตอนนี้ผู้คนถึงขั้นต้องวิงวอนให้คู่แข่งช่วยทำอะไรสักอย่างในวงการนี้แล้ว บางที ASIC ราคาถูกจากจีน ที่ทำการคูณเมทริกซ์ได้ อาจลงเอยด้วยการแย่งตลาดไปก็ได้
    เมื่อคิดถึงระดับมูลค่าตามราคาตลาดของบริษัทเทคโนโลยีแล้ว ผมนึกว่าการแข่งขันน่าจะดุเดือดกว่านี้มาก

    • ดูเหมือนจะประเมินต่ำไปหน่อยว่า Nvidia กำลังทำอะไรอยู่กันแน่ ถ้าบริษัทจีนสามารถแข่งขันกับของอย่าง DGX GH200 ได้ พวกเขาก็คงกำลังทำ GPU ให้รัฐบาลจีน ไม่ใช่เพื่อส่งออก
      ยังไงก็ตาม ยังมีปัญหาเรื่องความเป็นปฏิปักษ์ในอุตสาหกรรมด้วย ต่อให้ Nvidia ถูกเบียดออกจากฝั่งฮาร์ดแวร์ ผู้สืบทอดก็คงไม่น่าจะทำให้สถานการณ์ lock-in ดีขึ้น การจะเปลี่ยนเรื่องนี้ต้องอาศัยความพยายามที่ตัดผ่านหลายด้าน
    • ตอนนี้มี ML silicon ที่ไม่ใช่ของ Nvidia อยู่แล้วในโทรศัพท์มือถือ (Pixel, iPhone ฯลฯ) และดาต้าเซ็นเตอร์ (TPU) และมีประสิทธิภาพดีกว่า GPU silicon
    • มีสตาร์ทอัพค่อนข้างมากที่พยายามพัฒนา AI GPU เมื่อไม่กี่วันก่อนมีลิงก์รายชื่ออยู่ในคอมเมนต์หนึ่ง
    • มูลค่าตามราคาตลาดเองไม่ได้มีความหมายอะไร ถ้าคุณถือหุ้นหมุนเวียนของ NVidia อยู่ 50% แล้วพยายามขาย 10% จากส่วนนั้น มูลค่าตามราคาตลาดก็จะพังลงมา
      สิ่งที่สำคัญจริง ๆ คือ กำไร ตอนนี้ก็ใหญ่อยู่พอสมควร แต่ยังไม่ได้ใหญ่ “ถึงขนาดนั้น”

  • ตอนนี้เกมมิ่งคิดเป็นไม่ถึง 20% ของธุรกิจ Nvidia แล้วเหรอ? โอ้โห

    • กำไรเพิ่มขึ้น 854% เมื่อเทียบกับปีก่อน และแทบทั้งหมดมาจากฝ่ายดาต้าเซ็นเตอร์ ก็สมเหตุสมผลอยู่
      ผู้คนเข้าใจได้ยากจริง ๆ ว่าบริษัทที่มีอยู่เดิมก็สามารถโต 10 เท่าได้เป็นครั้งคราว