ارزش 4 تریلیون دلاری Nvidia: آینده هوش مصنوعی

انقلاب صنعتی هوش مصنوعی: صعود Nvidia به 4 تریلیون دلار

مسیر Nvidia با انفجار هوش مصنوعی در هم آمیخته است. این شرکت که با خوش‌بینی هوش مصنوعی در وال استریت تغذیه می‌شد، به طور خلاصه به سقف بازار 4 تریلیون دلاری رسید و در صدر قرار گرفت. این افزایش، Nvidia را از یک سازنده تراشه بازی به یک معمار اصلی عصر هوش مصنوعی تبدیل کرد. ارزش بازار آن به سرعت گسترش یافت و از غول‌های فناوری مانند Apple و Microsoft پیشی گرفت.

این جهش ناشی از تقاضای بالا برای تراشه‌های تخصصی Nvidia از سوی غول‌های فناوری مانند Microsoft، Meta، Amazon و Google بود که همگی در حال رقابت برای ایجاد مراکز داده برتر هوش مصنوعی بودند. Nvidia به یک تامین کننده حیاتی زیرساخت‌های هوش مصنوعی تبدیل شده است و عملکرد آن منعکس کننده بخش گسترده‌تر فناوری است.

ارقام مالی اخیر بر تسلط Nvidia بر بازار تاکید می‌کند. برای سال مالی 2025 (منتهی به ژانویه 2025)، Nvidia رکورد 130.5 میلیارد دلار درآمد سالانه را گزارش کرد که 114 درصد افزایش نسبت به سال قبل داشت و سود عملیاتی غیر GAAP آن 86.8 میلیارد دلار بود. این امر عمدتاً توسط تجارت مرکز داده آن تحریک شد که شاهد افزایش 142 درصدی درآمد به 115.2 میلیارد دلار بود.

فصل اول سال مالی 2026 این حرکت را ادامه داد و درآمد به 44.1 میلیارد دلار رسید که 69 درصد نسبت به سال قبل افزایش داشت. نتایج تحت تأثیر تأثیر کنترل صادرات ایالات متحده به چین قرار گرفت و 4.5 میلیارد دلار هزینه به همراه داشت که خطرات ژئوپلیتیکی را برجسته می‌کرد.

حفظ رشد بالا: موتورهای اصلی فراتر از هیاهو

مرکز داده و ابرچرخه Blackwell

تجارت مرکز داده، موتور رشد Nvidia است. در فصل اول سال مالی 2026، 39.1 میلیارد دلار از کل درآمد 44.1 میلیارد دلاری را به خود اختصاص داد که نشان‌دهنده افزایش 73 درصدی است. فاز رشد آینده، پلتفرم Blackwell (B200/GB200) را پیش‌بینی می‌کند که پیشرفتی از معماری Hopper (H100/H200) است.

پیشرفت‌های فناوری معماری Blackwell منشأ تقاضای آن است. با استفاده از طراحی چند تراشه‌ای، 208 میلیارد ترانزیستور را در یک فرآیند سفارشی TSMC 4NP ادغام می‌کند، در حالی که Hopper دارای 80 میلیارد ترانزیستور است. دو قالب مستقل از طریق یک رابط NV-HBI پرسرعت با پهنای باند تا 10 ترابایت در ثانیه متصل می‌شوند و انسجام کش را امکان پذیر می‌کنند. Blackwell در چندین جبهه بهبود می‌یابد:

• حافظه: حداکثر 192 گیگابایت حافظه پهن باند HBM3e با پهنای باند کل 8 ترابایت در ثانیه، از ظرفیت 80 گیگابایتی و پهنای باند 3.2 ترابایت در ثانیه H100 فراتر می‌رود.
• محاسبات: موتور Transformer نسل دوم از فرمت‌های ممیز شناور با دقت کمتر (FP4 و FP8) پشتیبانی می‌کند و توان عملیاتی را 2.3 برابر افزایش می‌دهد و عملکرد استنتاج را برای مدل‌های زبانی بزرگ (LLM) تا 15 برابر در مقایسه با H100 بهبود می‌بخشد.

پاسخ بازار جذابیت Blackwell را تأیید می‌کند. Morgan Stanley گزارش می‌دهد که تولید Blackwell برای 12 ماه آینده به طور کامل رزرو شده است و تحویل سفارش‌های جدید انتظار می‌رود اواخر سال آینده انجام شود. تقاضا فراتر از غول‌های ابری به مهندسی به کمک رایانه (CAE) گسترش می‌یابد، جایی که فروشندگان نرم‌افزار مانند Ansys، Siemens و Cadence این پلتفرم را برای شبیه‌سازی با شتاب عملکرد تا 50 برابر در حال پذیرش هستند.

خندق نفوذناپذیر: CUDA، AI Enterprise و پلتفرم کامل

مزیت Nvidia پلتفرم نرم‌افزاری CUDA (Compute Unified Device Architecture) آن است. Nvidia با ارائه CUDA به صورت رایگان، موانع ورود به محاسبات موازی را کاهش داد و یک اکوسیستم توسعه‌دهنده بزرگ ایجاد کرد. این امر اثرات شبکه‌ای را تقویت کرد، به طوری که توسعه‌دهندگان بیشتری کتابخانه‌ها و برنامه‌های کاربردی بهینه‌شده CUDA (مانند PyTorch، TensorFlow) را ارائه می‌دهند و پلتفرم Nvidia را برای تحقیق و توسعه هوش مصنوعی ضروری می‌کنند و هزینه‌های تعویض را ایجاد می‌کنند.

Nvidia برای کسب درآمد از این مزیت نرم‌افزاری، NVIDIA AI Enterprise (NVAIE) را معرفی کرد، مجموعه‌ای از ابزارها و چارچوب‌های بومی ابر که امنیت و پشتیبانی در سطح سازمانی را فراهم می‌کند. NVAIE، که توسط تعداد GPU مجوز داده می‌شود، مجوزهای دائمی یا اشتراک‌های سالانه را با قیمت‌گذاری ساعتی در بازارهای ابری (به عنوان مثال، 8.00 دلار در ساعت در نمونه های p5.48xlarge) از جمله پشتیبانی، نسخه‌ها و ریزسرویس‌های NVIDIA NIM ارائه می‌دهد.

Nvidia به یک ارائه دهنده زیرساخت کامل هوش مصنوعی تبدیل شده است. استراتژی "کارخانه هوش مصنوعی" آن، راه حل‌های کامل مرکز داده را برای تولید هوش ارائه می‌دهد. این شامل راه حل‌های یکپارچه در محل از طریق DGX SuperPOD و خدمات زیرساخت هوش مصنوعی مدیریت شده از طریق DGX Cloud در پلتفرم‌های ابری اصلی است. این استراتژی سودهای زنجیره ارزش بیشتری را به دست می‌آورد و فرآیند توسعه هوش مصنوعی را کنترل می‌کند.

در این استراتژی کامل، شبکه‌سازی نقش مهمی ایفا می‌کند. از طریق اکتساب‌ها و نوآوری، NVLink، NVSwitch، Spectrum-X Ethernet و BlueField DPU Nvidia تنگناها را در خوشه‌های هوش مصنوعی از بین می‌برند. NVLink نسل پنجم پهنای باند GPU به GPU 1.8 ترابایت در ثانیه، 14 برابر PCIe 5.0 را ارائه می‌دهد که برای آموزش چند GPU حیاتی است. BlueField DPU وظایف را از CPU تخلیه می‌کند، منابع CPU را آزاد می‌کند و راندمان سیستم را افزایش می‌دهد.

حالت یکپارچه عملکرد را ارائه می‌دهد، اما خطراتی را نیز معرفی می‌کند. عملکرد Nvidia به سیستم‌های اختصاصی، به ویژه سخت‌افزار شبکه‌سازی، مرتبط است. عملکرد بهینه به راه حل‌های شبکه Nvidia نیاز دارد. این "دسته‌ای کردن" در حال بررسی دقیق از سوی تحقیقات ضدانحصاری ایالات متحده و اتحادیه اروپا است و رهبری فناوری آن را به یک نقطه کانونی نظارتی تبدیل می‌کند.

احیای بازارهای اصلی فراتر از مراکز داده

در حالی که مراکز داده مرکزی هستند، بازارهای Nvidia همچنان قوی هستند و با هوش مصنوعی دوباره انرژی می‌گیرند. کسب‌وکار بازی ۳.۸ میلیارد دلار در فصل اول سال مالی ۲۰۲۶ ثبت کرد که ۴۲ درصد افزایش داشت و ناشی از GeForce RTX سری ۵۰ مبتنی بر Blackwell GPU و ویژگی‌های مبتنی بر هوش مصنوعی مانند DLSS بود. تجسم حرفه‌ای نیز رشد کرد و با درآمد ۵۰۹ میلیون دلاری، ۱۹ درصد افزایش یافت.

حاشیه‌های سود متغیر Nvidia یک انتخاب استراتژیک است، نه یک ضعف. مدیریت خاطرنشان می‌کند که حاشیه‌های اولیه پایین‌تر Blackwell (در محدوده پایین ۷۰ درصد) ناشی از افزایش پیچیدگی است و انتظار می‌رود حاشیه‌ها به محدوده میانی ۷۰ درصد بازگردند. این فشردگی حاشیه چرخه‌ای Nvidia را قادر می‌سازد تا سهم بازار را تسخیر کند و از استراتژی بر سود کوتاه‌مدت استفاده کند.

مرزهای تریلیون دلاری: بردارهای جدید برای گسترش

هوش مصنوعی مستقل: برآوردن خواسته‌های ژئوپلیتیکی

Nvidia با مواجهه با افزایش رقابت فناوری ایالات متحده و چین و کنترل صادرات، در حال بررسی بازار "هوش مصنوعی مستقل" است. این شامل همکاری با دولت‌ها برای ایجاد زیرساخت‌های هوش مصنوعی است که به صورت محلی کنترل می‌شوند و نیازهای امنیت داده و نوآوری را برطرف می‌کنند، در حالی که جریان‌های درآمدی را برای جبران وابستگی به مقیاس‌های بزرگ و خطرات ژئوپلیتیکی در چین باز می‌کنند.

این بازار قابل توجه است. Nvidia در پروژه‌هایی از جمله ۲۰ کارخانه هوش مصنوعی در اروپا، یک سیستم ۱۸۰۰۰ Grace Blackwell در فرانسه با Mistral AI و یک ابر هوش مصنوعی صنعتی ۱۰۰۰۰ Blackwell GPU با دویچه تلکام در آلمان مشارکت دارد. پروژه‌ها همچنین شامل تحویل ۱۸۰۰۰ تراشه هوش مصنوعی به عربستان سعودی و همکاری زیرساخت‌های هوش مصنوعی در تایوان و امارات متحده عربی است. مدیریت پیش‌بینی می‌کند تنها از پروژه‌های هوش مصنوعی مستقل "ده‌ها میلیارد دلار" درآمد داشته باشد.

هوش مصنوعی مستقل یک شمشیر دولبه است که رشد جدیدی را ارائه می‌دهد و در عین حال بذرهایی را برای چالش‌های آینده می‌کارد. مفهوم اصلی کنترل ملی بر داده‌ها، "تکه تکه شدن استراتژیک" یا "بالکانیزه شدن فناوری هوش مصنوعی" را تشدید می‌کند. مناطقی مانند اتحادیه اروپا، ایالات متحده و چین مقرراتی را اجرا خواهند کرد که نیاز دارد Nvidia پشته‌های سفارشی شده را برای هر مقررات توسعه دهد، هزینه‌های تحقیق و توسعه را افزایش دهد و اثرات شبکه پلتفرم جهانی CUDA خود را از بین ببرد.

خودرو و رباتیک: هوش مصنوعی تجسم یافته

Jensen Huang، مدیر عامل شرکت، رباتیک (به رهبری خودروهای خودران) را به عنوان فرصت رشد بعدی Nvidia معرفی کرده است. دیدگاه این است که میلیاردها ربات و سیستم خودران توسط فناوری Nvidia تغذیه شوند.

بخش خودرو و رباتیک همچنان کوچک است و با ۵۶۷ میلیون دلار، ۷۲ درصد رشد داشته است که ناشی از پلتفرم NVIDIA DRIVE برای رانندگی خودران و مدل Cosmos AI برای ربات‌های انسان‌نما است.

سرمایه‌گذاری در این زمینه یک هزینه استراتژیک بلندمدت است که هدف آن تضمین رهبری Nvidia در الگوی بعدی است. پس از هوش مصنوعی متمرکز بر مرکز داده، هوش مصنوعی تجسم یافته در رتبه بعدی قرار دارد. ایجاد پایه (سخت افزار و نرم افزار) Nvidia را قادر می سازد تا موفقیت CUDA خود را تکرار کند. این امر هزینه‌های تحقیق و توسعه بالا را توجیه می‌کند و این بخش را به عنوان یک سرمایه گذاری استراتژیک به جای یک مرکز سود کوتاه مدت قرار می‌دهد.

با این حال، واقعیت کند است. تجزیه و تحلیل نشان می‌دهد که خودروهای خودران L4 تا سال ۲۰۳۵ گسترده نخواهند شد و سیستم‌های کمک‌رسانی L2/L2+ همچنان جریان اصلی باقی خواهند ماند. انتظار می‌رود تاکسی‌های روباتی تا سال ۲۰۳۵ در ۴۰ تا ۸۰ شهر وجود داشته باشند، در حالی که کامیون‌داری خودران مرکز به مرکز از نظر تجاری امکان‌پذیر است. ربات‌های با کاربرد عمومی نوپا هستند. Gartner پیش‌بینی می‌کند که آنها تا سال ۲۰۲۷ تنها ۱۰ درصد از ربات‌های لجستیک هوشمند باشند و به عنوان یک کاربرد خاص باقی بمانند.

Omniverse و دوقلوهای دیجیتال: ساخت متاورس صنعتی

NVIDIA Omniverse یک پلتفرم برای توسعه و اتصال گردش‌های کاری سه بعدی و دوقلوهای دیجیتال است. این فناوری را برای مفهوم "کارخانه هوش مصنوعی" فراهم می‌کند و کاربران را قادر می‌سازد تا محیط‌های مجازی برای طراحی، شبیه‌سازی و بهینه‌سازی همه چیز از محصولات جدید گرفته تا کل کارخانه‌ها و خوشه‌های ربات ایجاد کنند.

برنامه‌های اصلی شامل موارد زیر است:

• اتوماسیون صنعتی: Siemens و BMW از Omniverse برای ساخت دوقلوهای دیجیتال، کاهش چرخه‌های توسعه و هزینه‌ها استفاده می‌کنند.
• آموزش هوش مصنوعی و تولید داده‌های مصنوعی: Omniverse داده‌های مصنوعی را برای آموزش مدل‌های هوش مصنوعی ربات و خودروی خودران ایجاد می‌کند و به یک گلوگاه رسیدگی می‌کند.
• طراحی کارخانه هوش مصنوعی: Nvidia از Omniverse برای کمک به طراحی و بهینه‌سازی مراکز داده هوش مصنوعی، مدل‌سازی برق، خنک‌سازی و شبکه‌ها برای جلوگیری از تلفات خرابی بیش از ۱۰۰ میلیون دلار در روز برای یک تاسیسات ۱ گیگاواتی استفاده می‌کند.

تجزیه و تحلیل ارزش‌گذاری: ساختارشکنی مسیر رسیدن به ۵ تریلیون دلار

تخمین فرصت: پیش‌بینی‌های کل بازار قابل دستیابی (TAM)

ارزش‌گذاری Nvidia توسط رشد گسترده بازار قابل دستیابی آن پشتیبانی می‌شود. تحلیلگران جهانی اندازه بازار انفجاری را پیش‌بینی می‌کنند:

• هوش مصنوعی مولد: Bloomberg Intelligence پیش‌بینی می‌کند که این بازار تا سال ۲۰۳۲ به ۱.۳ تریلیون دلار برسد، به طوری که ۴۷۱ میلیارد دلار برای هزینه‌های زیرساختی خرج خواهد شد.
• تراشه‌ها/شتاب‌دهنده‌های هوش مصنوعی: Grand View Research این را تا سال ۲۰۳۳، ۲۵۷ میلیارد دلار (۲۹.۳ درصد CAGR) پیش‌بینی می‌کند. Next MSC تا سال ۲۰۳۰، ۲۹۶ میلیارد دلار (۳۳.۲ درصد CAGR) را پیش‌بینی می‌کند. IDTechEx برای تراشه‌های هوش مصنوعی مرکز داده به تنهایی، تا سال ۲۰۳۰ بیش از ۴۰۰ میلیارد دلار را پیش‌بینی می‌کند. AMD همچنین به یک TAM شتاب‌دهنده هوش مصنوعی مرکز داده ۴۰۰ میلیارد دلاری تا سال ۲۰۲۷ اشاره کرده است.
• هزینه‌های هوش مصنوعی سازمانی: Gartner ۶۴۴ میلیارد دلار برای هوش مصنوعی مولد در سال ۲۰۲۵ پیش‌بینی می‌کند که نسبت به سال ۲۰۲۴، ۷۶.۴ درصد رشد دارد و سخت‌افزار تقریباً ۸۰ درصد از سرمایه‌گذاری را به خود اختصاص می‌دهد.

اجماع وال استریت و هدف‌های قیمتی

وال استریت در مورد Nvidia خوش‌بین است. در یک نمونه بزرگ از تحلیلگران مورد بررسی، درصد بالایی از سهام را به عنوان "خرید" یا "خرید قوی" رتبه‌بندی کردند.

هدف‌های قیمتی تحلیلگران پتانسیل افزایشی را نشان می‌دهد. قیمت‌های هدف اجماع متوسط بین ۱۷۷ دلار و ۲۲۶ دلار است که نشان‌دهنده افزایش نسبت به قیمت‌های اخیر است. تحلیلگران خوش‌بین‌تر معتقدند Nvidia ظرف ۱۸ ماه به سقف بازار ۵ تریلیون دلاری خواهد رسید.

انتظار می‌رود درآمدها رشد کنند، به طوری که اجماع EPS برای سال مالی ۲۰۲۶ در حدود ۴.۰۰ دلار تا ۴.۲۴ دلار است که بیش از ۴۰ درصد بالاتر از سال قبل است و پیش‌بینی‌های EPS سال مالی ۲۰۲۷، ۵.۲۹ دلار تا ۵.۵۹ دلار است که ۳۰ درصد افزایش دارد. انتظار می‌رود درآمد در سال مالی ۲۰۲۶ حدود ۵۱ درصد رشد کند و به ۱۹۷ میلیارد دلار برسد و در سال مالی ۲۰۲۷، ۲۵ درصد دیگر رشد کند و به ۲۴۷ میلیارد دلار برسد.

ارزیابی ارزش ذاتی: مدل جریان نقدی تنزیل شده (DCF)

یک مدل جریان نقدی تنزیل شده (DCF) با تنزیل کردن جریان‌های نقدی آینده به ارزش فعلی آنها، ارزش ذاتی را ارزیابی می‌کند. برای شرکت‌های پررونق، از یک مدل دو مرحله‌ای استفاده می‌شود: یک دوره پیش‌بینی (۵-۱۰ سال)، تولید یک ارزش پایانی. متغیرهای کلیدی شامل نرخ رشد درآمد، حاشیه سود عملیاتی، میانگین موزون هزینه سرمایه و نرخ رشد پایانی است.

• فرضیات کلیدی و حساسیت:

  • نرخ رشد درآمد: اگرچه رشد بالا بوده است، اما برون‌یابی مستقیم واقع‌بینانه نیست. اجماع تحلیلگران انتظار دارد که سرعت آن کاهش یابد. مدل‌ها مستلزم کاهش تدریجی رشد به سمت نرخ پایانی هستند.
  • حاشیه سود عملیاتی: حاشیه سود Nvidia بالا بوده است. اجماع بازار معتقد است که رقابت باعث کاهش آن می‌شود. مدل‌ها باید فرض کنند که حاشیه سود در حال کاهش به سطوح پایدار است، فرضیه‌ای حساس.
  • WACC: نرخ تنزیل منعکس‌کننده ریسک سرمایه‌گذاری است. WACC متفاوت باعث ایجاد تنوع گسترده در تجزیه و تحلیل می‌شود. بتا منعکس‌کننده بی‌ثباتی قیمت است.
  • نرخ رشد پایانی: این نمی‌تواند از نرخ رشد بلندمدت اقتصاد جهانی فراتر رود.

• دیدگاه Damodaran: اسوث داموداران، کارشناس ارزش‌گذاری، Nvidia را به عنوان بیش از حد ارزش‌گذاری شده می‌بیند، حتی با فرضیات خوش‌بینانه. او بر خطرات ناشی از کالایی شدن و رقابت تاکید می‌کند.

ارزش‌گذاری اصلی متکی به فرضیات کلیدی است. تغییرات اندک در WACC یا نرخ رشد دائمی بر قیمت سهام ضمنی تأثیر می‌گذارد. این ریسک فعلی سهام را آشکار می‌کند.

خطرات ساختاری: پیمایش رقابت و ژئوپلیتیک

چشم‌انداز رقابتی

موفقیت Nvidia در حال جلب رقابت است. رقبا از چندین حوزه تهدید ایجاد می‌کنند.

• رقبای مستقیم (AMD & Intel):

  • AMD (Instinct MI300X): AMD یک تهدید معتبر است. شتاب‌دهنده MI300X از نظر ظرفیت حافظه و پهنای باند برتری دارد و آن را برای کارهای دارای تنگنای حافظه جذاب می‌کند. معیارها نشان می‌دهد که در برخی سناریوهای استنتاج عملکرد بهتری دارد و گاهی اوقات TCO کمتری را ارائه می‌دهد. اکوسیستم نرم‌افزاری AMD یک ضعف است، زیرا ROCm تمایل به داشتن اشکال دارد و بر عملکرد آموزش تأثیر می‌گذارد.
  • Intel (Gaudi 3): Intel، Gaudi 3 را به عنوان یک جایگزین مقرون به صرفه معرفی می‌کند و ادعا می‌کند که در وظایف LLM از H100 سریع‌تر است و حافظه HBM2e 128 گیگابایتی را ارائه می‌دهد. سهم بازار هوش مصنوعی Intel کوچک است و اکوسیستم نرم‌افزاری آن کمتر توسعه یافته است. Intel فروش پایینی را در مقایسه با Nvidia پیش‌بینی می‌کند.

• معمای HyperScalerها (سیلیکون سفارشی):

  • انگیزه استراتژیک: بزرگترین مشتریان Nvidia رقیب هستند. برای کاهش وابستگی به تامین کننده، آنها در حال توسعه تراشه‌های هوش مصنوعی سفارشی هستند (Google TPU، Amazon Trainium/Inferentia). آنها قصد دارند تا سال ۲۰۲۷ بیش از ۱ میلیون خوشه سفارشی را مستقر کنند.

  • تمایز حجم کاری: جایگزین کامل Nvidia نیست. HyperScalerها از ASICهای سفارشی برای TCO بالاتر استفاده می‌کنند و برای کارهای پیچیده به تراشه‌های Nvidia متکی خواهند بود. این یک خطر بلندمدت برای بازار استنتاج است.

• چالش‌های اکوسیستم نرم‌افزاری:

  • ضربه CUDA Mot: اگرچه CUDA غالب است، اما ماهیت اختصاصی آن الهام‌بخش تلاش‌ها برای شکار جایگزین است.

  • Mojo: Mojo که توسط Modular توسعه یافته است، می‌تواند بدون CUDA کامپایل شود تا روی سخت افزار CPU، GPU و TPU اجرا شود و قفل CUDA را تهدید کند.

  • Triton: یک منبع باز که برای کدنویسی هسته‌های GPU طراحی شده است و کدنویسی CUDA را ساده می‌کند. Nvidia آن را در اکوسیستم خود ادغام می‌کند.

موانع ژئوپلیتیکی و نظارتی

• جنگ فناوری ایالات متحده و چین: کنترل صادرات ایالات متحده، تماس Nvidia با چین را محدود می‌کند. صورتهای مالی فصل اول سال مالی ۲۰۲۶ مبلغی را نشان می دهد که نشان دهنده از دست دادن درآمد است. این کنترل ها خطر تشدید را دارند. در پاسخ، چین به دنبال کاهش تقاضا برای تراشه است.

• تحقیقات ضد تراست: Nvidia با تحقیقات زیادی روبروست.

  • ایالات متحده (DOJ): DOJ در حال بررسی Nvidia به دلیل رفتار ضد رقابتی با دسته بندی است. تحقیقات شامل دستیابی به Run: ai است.

  • اتحادیه اروپا (EC) و فرانسه: اتحادیه اروپا در حال بررسی Nvidia به دلیل نقض است. فرانسوی ها نیز تحقیقات خاص خود را دارند.

  • چین (SAMR): SAMR چین در حال بررسی Nvidia است.

• درمان های احتمالی: جدا شدن اجباری تجارت برای اجازه رقابت یک خطر است.

آسیب پذیری های زنجیره تامین

Nvidia به عنوان یک شرکت طراحی، به شرکا متکی است.

• تنگناهای تولید و بسته بندی:

  • TSMC و CoWoS: اختلال TSMC خطرات فاجعه بار دارد. این تراشه ها به بسته بندی CoWoS با کیفیت بالا نیاز دارند.

  • حافظه پهنای باند بالا (HBM): SK Hynix تامین کننده Nvidia است و پس از آن Samsung و Micron قرار دارند.

• خطرات مواد بالادستی:

  • بسترهای ABF: این بسترها فقط توسط چند بازیگر نگهداری می شوند که یک نقطه فشردگی شناخته شده ایجاد می کند.