Sztuczna inteligencja 2.0 nadeszła: Wysokie zyski Nvidii potwierdzają sens inwestowania długoterminowego

Najnowsze wyniki finansowe Nvidii to nie tylko silny kwartał – to strategiczny punkt zwrotny dla inwestycji w AI. Pomimo odpisu zapasów powiązanych z Chinami na poziomie 4,5 mld USD, firma odnotowała wzrost przychodów r/r o 69% oraz przedstawiła odważną wizję gospodarki opartej na AI.

W pigułce:

• Wyniki finansowe Nvidia oraz jej długoterminowa wizja na nowo rozpaliły narrację wokół sztucznej inteligencji, sygnalizując nadejście AI 2.0 – napędzanego m.in. przez Reasoning AI czy Agentic AI.
• Możliwości inwestycyjne w obszarze AI wykraczają poza Nvidię, a beneficjentami drugiego rzędu stają się firmy z sektorów półprzewodników, infrastruktury danych, systemu korporacyjnego, cyberbezpieczeństwa oraz suwerennych systemów AI.
• Do kluczowych ryzyk należą niepewność geopolityczna, wysokie wyceny oraz rosnąca konkurencja, zwłaszcza ze strony alternatywnych dostawców układów scalonych oraz krajowych inicjatyw zmierzających do budowy samowystarczalnych ekosystemów AI.

Co ważniejsze, CEO Jensen Huang zaprezentował architekturę tego, co określa jako kolejny etap rewolucji AI. Dla inwestorów nie chodzi tu jedynie o jedną spółkę – to sygnał, iż AI wkracza w głębszą, bardziej strukturalną fazę, a możliwości inwestycyjne się rozszerzają.

Choć Nvidia pozostaje centralną siłą napędzającą popyt na infrastrukturę AI, imponujące wyniki kwartalne firmy podnoszą także oczekiwania wobec beneficjentów drugiego rzędu – podmiotów dostarczających, wspierających lub skalujących wdrożenia AI.

Strategia Nvidia dla AI 2.0

Jensen Huang wskazał najważniejsze czynniki, które w nadchodzącej dekadzie będą kształtować popyt na sztuczną inteligencję:

• Reasoning AI (Rozumowanie AI)

AI przechodzi od prostego generowania wyników do realizacji złożonego, wieloetapowego rozumowania i podejmowania decyzji. Architektura Blackwell Nvidii została stworzona z myślą o tym przełomie, oferując większą pamięć i szybsze przetwarzanie, które sprostają najbardziej wymagającym zastosowaniom.

• Agentic AI (Agenci AI)

Huang określił to jako przełomowy krok. Agentic AI to autonomiczne systemy zdolne do samodzielnego planowania, działania i ciągłego doskonalenia – przechodzące od roli wsparcia do inicjowania działań. To znacząco zwiększa zapotrzebowanie na moc obliczeniową.

• Enterprise AI (Sztuczna inteligencja dla przedsiębiorstw)

Przedsiębiorstwa coraz głębiej integrują AI w najważniejsze obszary działalności – od logistyki i finansów, po sektor medyczny – co przemienia AI w długoterminową inwestycję kapitałową.

• Robotyka, przemysłowe AI i automatyzacja produkcji

AI jest coraz powszechniej wdrażana w sektorze produkcyjnym – od predykcyjnej konserwacji maszyn po automatyzację procesów robotycznych (RPA) – co generuje rosnące zapotrzebowanie na edge computing (przetwarzanie brzegowe) oraz analizę danych w czasie rzeczywistym.

• Suwerenne systemy AI

Popyt na AI wykracza poza hyperskalery. Rządy, operatorzy telekomunikacyjni oraz regionalni dostawcy usług chmurowych inwestują w suwerenną infrastrukturę AI, co prowadzi do dywersyfikacji źródeł popytu i modeli wdrożeń.

Motywy inwestycyjne i konsekwencje wykraczające poza Nvidię

Choć Nvidia pozostaje epicentrum rynku AI, jego ekspansja tworzy szerszy wachlarz możliwości inwestycyjnych:

Półprzewodniki i infrastruktura układów scalonych

Wraz z rosnącą złożonością i powszechnością modeli AI, wzrasta zapotrzebowanie nie tylko na moc obliczeniową, ale także na cały ekosystem chipów wspierających te rozwiązania.

• Advanced Micro Devices (AMD) oraz Broadcom stanowią najważniejsze alternatywy dla Nvidii, dostarczając akceleratory AI i układy sieciowe.
• Marvell Technology wspiera przepływ danych AI dzięki szybkim interkonektom i dedykowanym układom scalonym.
• TSMC i ASML pozostają fundamentem produkcji nowej generacji chipów AI, zaopatrując zarówno Nvidię, jak i jej konkurentów.
• Chińskie giganty, takie jak Alibaba, Tencent i Baidu, testują alternatywy dla sprzętu Nvidii – własne rozwiązania oraz chipy AI produkowane przez Huawei Technologies. To podkreśla rosnący trend w kierunku samowystarczalności AI w Chinach, z implikacjami dla globalnego zapotrzebowania na chipy i dynamiki geopolitycznej.

Infrastruktura centrów danych i zasilania

Szkolenie i inferencja modeli AI wymagają ogromnych zasobów energetycznych oraz sprzętowych, co napędza rozwój firm wspierających fizyczną rozbudowę centrów danych.

• Super Micro Computer (SMCI) produkuje serwery zoptymalizowane pod AI, wykorzystujące GPU Nvidii, co stawia firmę w korzystnej pozycji wobec rozbudowy centrów hyperskalowych i korporacyjnych.
• Vertiv Holdings dostarcza rozwiązania z zakresu chłodzenia oraz infrastruktury zasilania dla centrów danych AI – najważniejszy element przy rosnącej gęstości mocy obliczeniowej.

Oprogramowanie i automatyzacja w przedsiębiorstwach

Rozwój Agentic AI oraz rosnąca adopcja AI w firmach zwiększają zapotrzebowanie na oprogramowanie do zarządzania, automatyzacji i zabezpieczania inteligentnych procesów biznesowych.

• Palantir (PLTR) wspiera analitykę danych oraz wdrażanie modeli AI dla klientów z sektora publicznego i korporacyjnego.
• ServiceNow (NOW) rozwija obecność w obszarze AI, oferując automatyzację procesów biznesowych w dużych przedsiębiorstwach.

Cyberbezpieczeństwo

Wraz ze skalowaniem wdrożeń AI rosną zagrożenia, co czyni cyberbezpieczeństwo kluczowym elementem kolejnego etapu rozwoju. Obejmuje ochronę modeli AI oraz zabezpieczenie suwerennych zasobów danych.

• CrowdStrike (CRWD) i Palo Alto Networks (PANW) oferują zaawansowane platformy bezpieczeństwa dostosowane do środowisk chmurowych i AI.
• Zscaler (ZS) zapewnia bezpieczny dostęp do rozproszonych obciążeń obliczeniowych AI oraz wdrożeń w architekturze edge computing.

Suwerenna infrastruktura AI

W miarę jak państwa przyspieszają dążenia do niezależności danych i pozycji lidera w AI, suwerenna infrastruktura AI staje się kluczowym tematem inwestycyjnym. Rządy i regionalni dostawcy usług chmurowych budują bezpieczne, lokalne systemy wspierające cele bezpieczeństwa narodowego, badań oraz polityki przemysłowej.

• Dell Technologies (DELL) zdobył kontrakt na budowę NERSC-10 – superkomputera nowej generacji dla Departamentu Energii USA, opartego na platformie Vera Rubin Nvidii. Firma rozwija także moce suwerennej infrastruktury AI w regionie MENA.
• Oracle (ORCL) pozycjonuje Oracle Cloud Infrastructure (OCI) jako bezpieczną, zgodną z regulacjami platformę AI dla zastosowań regulowanych i suwerennych, zdobywając zaufanie rządów i dużych przedsiębiorstw.
• Cisco Systems (CSCO) współpracuje z rządami Bliskiego Wschodu, dostarczając bezpieczną infrastrukturę chmurową dla AI, stając się znaczącym graczem w suwerennej infrastrukturze AI.

Ryzyka do monitorowania

• Niepewność geopolityczna: Kontrole eksportowe, zwłaszcza wobec Chin, mogą przez cały czas zakłócać łańcuchy dostaw oraz ograniczać dostęp do kluczowych rynków.
• Presja na wyceny: Liderzy rynku AI wyceniani są na najwyższym poziomie. Każdy sygnał spowolnienia popytu lub opóźnień wdrożeń może wywołać wzrost zmienności.
• Rosnąca konkurencja: Mimo iż Nvidia pozostaje liderem, AMD oraz niestandardowe układy scalone (np. od hyperskalerów) gwałtownie zmniejszają dystans.

O Autorze

Charu Chanana, strateżka rynkowa w singapurskim oddziale Saxo Bank. Posiada ponad 10-letnie doświadczenie na rynkach finansowych, ostatnio jako Lead Asia Economist w Continuum Economics, gdzie zajmowała się analizą makroekonomiczną państw wschodzących Azji, ze szczególnym uwzględnieniem Indii i Azji Południowo-Wschodniej. Jest biegła w analizowaniu i monitorowaniu wpływu krajowych i zewnętrznych wstrząsów makroekonomicznych na region. Jest często cytowana w artykułach prasowych i regularnie pojawia się w CNBC, Bloomberg TV i Channel News Asia oraz w biznesowych kanałach radiowych Singapuru.