Nvidia चे $4 ट्रिलियन मूल्यांकन: AI भविष्य

Nvidia चे $4 ट्रिलियन मूल्यांकन: AI च्या भविष्यातील दिशा

Nvidia च्या $4 ट्रिलियन मूल्यांकनाचा वेग तंत्रज्ञान उद्योगात एक महत्त्वाचा टप्पा आहे. आर्टिफिशियल इंटेलिजन्स (AI) च्या क्रांतीमध्ये Nvidia ने स्वतःची स्थिती मजबूत केली आहे. या अभूतपूर्व वाढीमुळे गुंतवणूकदार आणि विश्लेषक कंपनीच्या भविष्यातील शक्यतांचे आणि संभाव्य आव्हानांचे विश्लेषण करत आहेत.

एआय औद्योगिक क्रांती: Nvidia ची 4 ट्रिलियन पर्यंत झेप

Nvidia चा प्रवास AI च्या वाढीशी जोडलेला आहे. वॉल स्ट्रीटवरील AI च्या सकारात्मक दृष्टीकोनामुळे, कंपनीने काही काळासाठी $4 ट्रिलियन बाजार भांडवलाचा टप्पा ओलांडला, ज्यामुळे ती आघाडीवर राहिली. या वाढीने Nvidia ला गेमिंग चिप बनवणारी कंपनी ते AI युगाचा आधारस्तंभ बनवले. Apple आणि Microsoft सारख्या मोठ्या कंपन्यांपेक्षा तिचे बाजार भांडवल वेगाने वाढले.

Microsoft, Meta, Amazon आणि Google यांसारख्या दिग्गज कंपन्यांमध्ये AI डेटा सेंटर्स स्थापित करण्याची स्पर्धा सुरू आहे, ज्यामुळे Nvidia च्या विशेष चिप्सला मोठी मागणी आहे. Nvidia AI इन्फ्रास्ट्रक्चरचा एक महत्त्वाचा पुरवठादार बनला आहे, आणि तिची कामगिरी मोठ्या प्रमाणात तंत्रज्ञान क्षेत्राला प्रतिबिंबित करते.

नुकत्याच आलेल्या आर्थिक आकडेवारीनुसार, Nvidia चे बाजारातील वर्चस्व दिसून येते. FY2025 (जानेवारी 2025 मध्ये संपलेल्या वर्षासाठी), Nvidia ने $130.5 अब्ज वार्षिक महसूल नोंदवला, जो मागील वर्षाच्या तुलनेत 114% वाढ दर्शवितो, आणि $86.8 अब्ज Non-GAAP ऑपरेटिंग नफा कमावला. हे मुख्यतः डेटा सेंटर व्यवसायामुळे शक्य झाले, ज्यामध्ये 142% वाढ होऊन $115.2 अब्ज महसूल प्राप्त झाला.

FY2026 च्या पहिल्या तिमाहीतही ही गती कायम राहिली, महसूल $44.1 अब्ज झाला, जो मागील वर्षाच्या तुलनेत 69% जास्त आहे. तथापि, अमेरिकेने चीनला होणाऱ्या निर्यातीवर नियंत्रण ठेवल्यामुळे $4.5 अब्जचा तोटा झाला, ज्यामुळे भू-राजकीय धोके समोर आले.

उच्च वाढ टिकवून ठेवणे: प्रसिद्धी पलीकडील मुख्य इंजिने

डेटा सेंटर आणि ब्लॅकवेल सुपरसायकल

डेटा सेंटर व्यवसाय Nvidia च्या वाढीचा मुख्य आधार आहे. Q1 FY2026 मध्ये, एकूण $44.1 अब्ज महसुलापैकी $39.1 अब्ज डेटा सेंटरने दिले, जी 73% वाढ आहे. आगामी काळात ब्लॅकवेल प्लॅटफॉर्म (B200/GB200) Hopper आर्किटेक्चर (H100/H200) पेक्षा अधिक प्रगत असेल.

ब्लॅकवेल आर्किटेक्चरमधील तांत्रिक प्रगतीमुळे मागणी वाढली आहे. मल्टी-डाई डिझाइन वापरून, ते कस्टम TSMC 4NP प्रोसेसवर 208 अब्ज ट्रांजिस्टर समाकलित करते, तर Hopper मध्ये 80 अब्ज ट्रांजिस्टर होते. दोन स्वतंत्र डाई उच्च-गती NV-HBI इंटरफेसद्वारे 10 TB/s पर्यंत बँडविड्थसह जोडलेले आहेत, ज्यामुळे कॅशे सुसंगतता सक्षम होते. ब्लॅकवेल अनेक बाबतीत सुधारणा करते:

• मेमरी: 192 GB पर्यंत HBM3e उच्च-बँडविड्थ मेमरी, 8 TB/s च्या एकूण बँडविड्थसह, H100 च्या 80 GB क्षमता आणि 3.2 TB/s बँडविड्थपेक्षा जास्त आहे.
• संगणन: दुसरी पिढीतील Transformer Engine कमी-Precision फ्लोटिंग-पॉइंट फॉरमॅट्स (FP4 आणि FP8) ला सपोर्ट करते, ज्यामुळे थ्रुपुट 2.3x ने वाढतो, आणि मोठ्या भाषिक मॉडेल्स (LLM) साठी H100 च्या तुलनेत 15x पर्यंत Inference कार्यप्रदर्शन सुधारते.

बाजारातील प्रतिसाद ब्लॅकवेलच्या मागणीला पुष्टी देतो. मॉर्गन स्टॅनलीच्या अहवालानुसार, पुढील 12 महिन्यांसाठी ब्लॅकवेलचे उत्पादन पूर्णपणे बुक झाले आहे, आणि नवीन ऑर्डरची डिलिव्हरी पुढील वर्षाच्या अखेरीस अपेक्षित आहे. मागणी केवळ क्लाउड जायंट्सपर्यंत मर्यादित नसून, कॉम्प्युटर-एडेड इंजीनियरिंग (CAE) पर्यंत विस्तारली आहे, जिथे Ansys, Siemens आणि Cadence सारखे सॉफ्टवेअर विक्रेते 50x पर्यंत कार्यप्रदर्शन वाढवण्यासाठी प्लॅटफॉर्मचा अवलंब करत आहेत.

अभेद्य खाण: CUDA, AI Enterprise आणि फुल-स्टॅक प्लॅटफॉर्म

Nvidia चा फायदा म्हणजे त्याचे CUDA (Compute Unified Device Architecture) सॉफ्टवेअर प्लॅटफॉर्म. CUDA विनामूल्य देऊन, Nvidia ने पॅरलल कंप्यूटिंगमधील प्रवेशासाठीचे अडथळे कमी केले आणि एक मोठे डेव्हलपर इकोसिस्टम तयार केले. यामुळे नेटवर्क इफेक्ट्स वाढले, अधिक डेव्हलपर्स CUDA-ऑप्टिमाइझ लायब्ररी आणि ॲप्स (जसे की PyTorch, TensorFlow) घेऊन आले, ज्यामुळे Nvidia प्लॅटफॉर्म AI R&D साठी अपरिहार्य बनले आणि स्विचिंग खर्च तयार झाला.

या सॉफ्टवेअर फायद्याचे monetization करण्यासाठी, Nvidia ने NVIDIA AI Enterprise (NVAIE) सादर केले, जे क्लाउड-नेटिव्ह टूल्स आणि फ्रेमवर्कचा संच आहे, जो एंटरप्राइझ-ग्रेड सुरक्षा आणि समर्थन प्रदान करतो. NVAIE, GPU च्या संख्येनुसार परवानाकृत आहे, कायमस्वरूपी परवाने किंवा वार्षिक सदस्यता देते, क्लाउड मार्केटप्लेसेसवर प्रति तास दर (उदा. p5.48xlarge इंस्टेंसेसवर $8.00 प्रति तास) आकारले जातात, ज्यात समर्थन, आवृत्त्या आणि NVIDIA NIM मायक्रोसर्व्हिसेस समाविष्ट आहेत.

Nvidia एक फुल-स्टॅक AI इन्फ्रास्ट्रक्चर पुरवठादार बनले आहे. तिची “AI factory” धोरण बुद्धिमत्ता निर्माण करण्यासाठी संपूर्ण डेटा सेंटर सोल्यूशन्स देते. यात DGX SuperPOD द्वारे टर्नकी ऑन-प्रिमाइसेस सोल्यूशन्स आणि प्रमुख क्लाउड प्लॅटफॉर्मवर DGX Cloud द्वारे व्यवस्थापित AI इन्फ्रास्ट्रक्चर सेवांचा समावेश आहे. हे धोरण अधिक व्हॅल्यू चेन नफा मिळवते आणि AI विकासाच्या प्रक्रियेवर नियंत्रण ठेवते.

या फुल-स्टॅक धोरणामध्ये, नेटवर्किंग महत्त्वाची भूमिका बजावते. संपादने आणि नवकल्पनांद्वारे, Nvidia चे NVLink, NVSwitch, Spectrum-X Ethernet आणि BlueField DPU AI क्लस्टर्समधील अडथळे दूर करतात. पाचव्या पिढीतील NVLink 1.8 TB/s GPU-टू-GPU बँडविड्थ देते, जी PCIe 5.0 पेक्षा 14 पट जास्त आहे, आणि मल्टी-GPU प्रशिक्षणासाठी आवश्यक आहे. BlueField DPU CPU वरील कार्यभार कमी करते, CPU संसाधने मोकळी करते आणि सिस्टमची कार्यक्षमता वाढवते.

इंटिग्रेटेड मोड कार्यप्रदर्शन सुधारतो, परंतु धोके निर्माण करतो. Nvidia चे कार्यप्रदर्शन मालकीच्या प्रणालींशी बांधलेले आहे, विशेषतः नेटवर्किंग हार्डवेअरशी. इष्टतम कार्यप्रदर्शनासाठी Nvidia च्या नेटवर्क सोल्यूशन्सची आवश्यकता असते. हे “बंडलिंग” अमेरिकेच्या आणि EU च्या अँटीट्रस्ट तपासांना आकर्षित करत आहे, ज्यामुळे तिचे तांत्रिक नेतृत्व नियामक केंद्र बनले आहे.

डेटा सेंटर्सच्या पलीकडे मुख्य बाजारपेठांचे पुनरुज्जीवन

डेटा सेंटर्स केंद्रित असले तरी, Nvidia चे बाजार मजबूत आहेत आणि AI द्वारे पुनरुज्जीवित झाले आहेत. गेमिंग व्यवसायाने Q1 FY2026 मध्ये $3.8 अब्ज महसूल नोंदवला, जो 42% वाढ दर्शवितो, आणि ब्लॅकवेल-आधारित GeForce RTX 50 series GPU आणि DLSS सारख्या AI-आधारित वैशिष्ट्यांमुळे शक्य झाला. व्यावसायिक व्हिज्युअलायझेशनमध्ये देखील वाढ झाली, $509 दशलक्ष महसूल प्राप्त झाला, जो 19% जास्त आहे.

Nvidia चे बदलणारे नफा मार्जिन हे कमजोरी नसून एक धोरणात्मक निवड आहे. व्यवस्थापनाने नमूद केले की ब्लॅकवेलचे सुरुवातीचे कमी मार्जिन (70% च्या आसपास) वाढलेल्या जटिलतेमुळे आहेत आणि मार्जिन 70% च्या आसपास परतण्याची अपेक्षा आहे. हे चक्रीय मार्जिन कॉम्प्रेशन Nvidia ला बाजारातील हिस्सा वाढवण्यास मदत करते, जे अल्पकालीन नफ्यावर धोरणाला प्राधान्य देते.

ट्रिलियन-डॉलर फ्रंटियर्स: विस्तारासाठी नवीन दिशा

सार्वभौम AI: भू-राजकीय मागण्या पूर्ण करणे

U.S.-चीन यांच्यातील वाढती तंत्रज्ञान स्पर्धा आणि निर्यात नियंत्रणे लक्षात घेता, Nvidia “सार्वभौम AI” बाजारपेठ शोधत आहे. यात स्थानिक पातळीवर नियंत्रित AI इन्फ्रास्ट्रक्चर स्थापित करण्यासाठी सरकारांशी सहयोग करणे, डेटा सुरक्षा आणि नवोपक्रमाच्या गरजा पूर्ण करणे, आणि hyperscalers व चीनमधील भू-राजकीय धोक्यांवरील अवलंबित्व कमी करणे समाविष्ट आहे.

ही बाजारपेठ मोठी आहे. Nvidia अनेक प्रकल्पांमध्ये सहभागी आहे, ज्यात युरोपमधील 20 AI कारखाने, फ्रान्समधील मिस्ट्रल AI सोबत 18,000 Grace Blackwell प्रणाली आणि जर्मनीमध्ये डॉइचे टेलिकॉमसोबत 10,000 ब्लॅकवेल GPU औद्योगिक AI क्लाउड यांचा समावेश आहे. सौदी अरेबियाला 18,000 AI चिप्सची डिलिव्हरी आणि तैवान व UAE मध्ये AI इन्फ्रास्ट्रक्चर सहकार्‍यांचाही यात समावेश आहे. व्यवस्थापनाचा अंदाज आहे की केवळ सार्वभौम AI प्रकल्पांमधून “अब्जावधी डॉलर्स” चा महसूल मिळेल.

सार्वभौम AI एक दुधारी तलवार आहे, जी नवीन वाढीची संधी देत असताना भविष्यातील आव्हानांची बीजे रोवते. डेटावरील राष्ट्रीय नियंत्रणाची मूळ संकल्पना “स्ट्रॅटेजिक फ्रॅगमेंटेशन” किंवा “AI तंत्रज्ञान बाल्कनायझेशन” वाढवेल. EU, U.S. आणि चीनसारखे प्रदेश नियम लागू करतील, ज्यामुळे Nvidia ला प्रत्येक नियमासाठी सानुकूलित स्टॅक विकसित करावे लागतील, R&D खर्च वाढेल आणि जागतिक CUDA प्लॅटफॉर्म नेटवर्कचे परिणाम कमी होतील.

ऑटोमोटिव्ह आणि रोबोटिक्स: मूर्त AI

CEO Jensen Huang यांनी रोबोटिक्सला (Autonomous Vehicles च्या नेतृत्वाखाली) Nvidia च्या पुढील वाढीची संधी म्हणून स्थान दिले आहे. Nvidia च्या तंत्रज्ञानावर आधारित अब्जावधी रोबोट्स आणि सेल्फ-ड्रायव्हिंग सिस्टम्सची त्यांची दृष्टी आहे.

ऑटोमोटिव्ह आणि रोबोटिक्स विभाग $567 दशलक्ष महसुलासह लहान आहे, परंतु 72% वाढ दर्शवितो, जी Autonomous Driving साठी NVIDIA DRIVE प्लॅटफॉर्म आणि Humanoid Robots साठी Cosmos AI मॉडेलमुळे शक्य झाली आहे.

या क्षेत्रात गुंतवणूक करणे हा दीर्घकालीन धोरणात्मक खर्च आहे, ज्याचा उद्देश पुढील मॉडेलमध्ये Nvidia चे नेतृत्व सुरक्षित करणे आहे. डेटा सेंटर-सेंट्रिक AI नंतर, मूर्त AI चा नंबर आहे. पाया (Hardware आणि Software) तयार केल्याने Nvidia ला CUDA ची यशोगाथा पुन्हा निर्माण करता येईल. हे उच्च R&D खर्चाचे समर्थन करते आणि या विभागाला अल्पकालीन नफा केंद्राऐवजी धोरणात्मक गुंतवणूक म्हणून स्थान देते.

तथापि, वास्तविकता संथ आहे. विश्लेषणानुसार, L4 Autonomous Vehicles 2035 पर्यंत व्यापक होणार नाहीत, L2/L2+ सहाय्यक प्रणाली मुख्य प्रवाहात राहतील. 2035 पर्यंत 40 ते 80 शहरांमध्ये रोबोटॅक्सी अपेक्षित आहेत, तर हब-टू-हब Autonomous Trucking व्यावसायिकदृष्ट्या व्यवहार्य आहे. जनरल-पर्पज रोबोट्स बाल्यावस्थेत आहेत. Gartnere चा अंदाज आहे की 2027 पर्यंत ते स्मार्ट लॉजिस्टिक्स रोबोट्सच्या केवळ 10% असतील, जे एक मर्यादित ॲप्लिकेशन राहील.

Omniverse आणि डिजिटल ट्विन्स: औद्योगिक मेटावर्सची निर्मिती

NVIDIA Omniverse हे 3D वर्कफ्लो आणि डिजिटल ट्विन्स विकसित आणि कनेक्ट करण्याचे प्लॅटफॉर्म आहे. हे “AI factory” संकल्पनेसाठी तंत्रज्ञान प्रदान करते, ज्यामुळे वापरकर्त्यांना नवीन उत्पादनांपासून ते संपूर्ण कारखाने आणि रोबोट क्लस्टर्सपर्यंत सर्वकाही डिझाइन, सिमुलेट आणि ऑप्टिमाइझ करण्यासाठी व्हर्च्युअल वातावरण तयार करता येते.

मुख्य ॲप्लिकेशन्स:

• औद्योगिक ऑटोमेशन: Siemens आणि BMW डिजिटल ट्विन्स तयार करण्यासाठी Omniverse वापरतात, ज्यामुळे विकास चक्र आणि खर्च कमी होतो.
• AI प्रशिक्षण आणि सिंथेटिक डेटा जनरेशन: Omniverse रोबोट आणि Autonomous Vehicle AI मॉडेल्सला प्रशिक्षण देण्यासाठी सिंथेटिक डेटा तयार करते, ज्यामुळे अडथळा दूर होतो.
• AI Factory डिझाइन: Nvidia 1GW सुविधेसाठी दररोज $100 दशलक्षाहून अधिक डाउनटाइम तोटा टाळण्यासाठी AI डेटा सेंटर्सची रचना आणि ऑप्टिमाइझ करण्यासाठी Omniverse वापरते, ज्यात वीज, कूलिंग आणि नेटवर्क्सचे मॉडेलिंग केले जाते.

मूल्यांकन विश्लेषण: $5 ट्रिलियनच्या दिशेने मार्ग

संधीचा आकार: एकूण प्राप्य बाजार (TAM) अंदाज

Nvidia च्या मूल्यांकनाला तिच्या मोठ्या प्राप्य बाजाराच्या वाढीचा आधार आहे. जागतिक विश्लेषकांनी बाजाराच्या आकाराचा स्फोटक अंदाज वर्तवला आहे:

• जनरेटिव्ह AI: Bloomberg Intelligence ने 2032 पर्यंत $1.3 ट्रिलियन बाजाराचा अंदाज वर्तवला आहे, ज्यात इन्फ्रास्ट्रक्चर खर्चासाठी $471 अब्ज आहेत.
• AI चिप्स/एक्सेलरेटर्स: Grand View Research ने 2033 पर्यंत $257 अब्ज (29.3% CAGR) चा अंदाज वर्तवला आहे. Next MSC ने 2030 पर्यंत $296 अब्ज (33.2% CAGR) चा अंदाज वर्तवला आहे. IDTechEx ने केवळ डेटा सेंटर AI चिप्ससाठी 2030 पर्यंत $400 अब्जांपेक्षा जास्तचा अंदाज वर्तवला आहे. AMD ने 2027 पर्यंत $400 अब्ज डेटा सेंटर AI एक्सेलरेटर TAM चा उल्लेख केला आहे.
• एंटरप्राइझ AI खर्च: Gartner ने 2025 मध्ये जनरेटिव्ह AI वर $644 अब्ज खर्चाचा अंदाज वर्तवला आहे, जो 2024 पासून 76.4% वाढेल, ज्यात हार्डवेअरमध्ये जवळपास 80% गुंतवणूक असेल.

वॉल स्ट्रीट एकमत आणि किंमत लक्ष्ये

वॉल स्ट्रीट Nvidia बद्दल आशावादी आहे. सर्वेक्षणात, मोठ्या प्रमाणात विश्लेषकांनी स्टॉकला “खरेदी” किंवा “मजबूत खरेदी” असे रेटिंग दिले आहे.

विश्लेषकांच्या किंमत लक्ष्यांमुळे वाढीची शक्यता दिसून येते. सरासरी लक्ष्य किंमत $177 ते $226 दरम्यान आहे, जी अलीकडील किंमतींपेक्षा जास्त आहे. अधिक आशावादी विश्लेषकांचा असा विश्वास आहे की Nvidia 18 महिन्यांत $5 ट्रिलियन बाजार भांडवलापर्यंत पोहोचेल.

कमाईत वाढ अपेक्षित आहे, FY2026 EPS चा अंदाज $4.00 ते $4.24 च्या आसपास आहे, जो मागील वर्षापेक्षा 40% जास्त आहे, आणि FY2027 EPS चा अंदाज $5.29 ते $5.59 आहे, जो 30% वाढ दर्शवितो. महसुलात FY2026 मध्ये 51% वाढ होऊन $197 अब्ज आणि FY2027 मध्ये 25% वाढ होऊन $247 अब्ज होण्याची शक्यता आहे.

आंतरिक मूल्य मूल्यांकन: Discounted Cash Flow (DCF) मॉडेल

Discounted Cash Flow (DCF) मॉडेल भविष्यातील रोख प्रवाहांचे वर्तमान मूल्यामध्ये रूपांतर करून आंतरिक मूल्याचे मूल्यांकन करते. उच्च-वाढीच्या कंपन्यांसाठी, दोन-टप्प्यांचे मॉडेल वापरले जाते: एक अंदाज कालावधी (5-10 वर्षे), टर्मिनल व्हॅल्यू निर्माण करतो. मुख्य व्हेरिएबल्समध्ये महसूल वाढ दर, ऑपरेटिंग नफा मार्जिन, भारित सरासरी भांडवल खर्च आणि टर्मिनल वाढ दर यांचा समावेश आहे.

• मुख्य गृहितके आणि संवेदनशीलता:

  • महसूल वाढ दर: वाढ उच्च असली तरी, थेट एक्सट्रापोलेशन वास्तववादी नाही. विश्लेषकांच्या मते, ती कमी होईल. मॉडेलला वाढ हळूहळू टर्मिनल दराकडे कमी करणे आवश्यक आहे.
  • ऑपरेटिंग नफा मार्जिन: Nvidia चा मार्जिन उच्च आहे. बाजाराच्या मते, स्पर्धेमुळे तो खाली येईल. मॉडेलने नफा मार्जिन टिकाऊ पातळीवर कमी होत असल्याचे गृहीत धरावे, जे एक संवेदनशील गृहितक आहे.
  • WACC: डिस्काउंट दर गुंतवणुकीतील धोका दर्शवतो. वेगवेगळ्या WACCs मुळे विश्लेषणात मोठी विविधता येते. बीटा किंमतीतील अस्थिरता दर्शवितो.
  • टर्मिनल वाढ दर: हा जागतिक अर्थव्यवस्थेच्या दीर्घकालीन वाढ दरापेक्षा जास्त नसावा.

• डामोदरनचे मत: मूल्यांकनाचे तज्ज्ञ अश्वथ दामोदरन Nvidia ला आशावादी गृहितके असूनही, जास्त मूल्यांकन केलेले मानतात. ते commoditization आणि स्पर्धेतील धोक्यांवर जोर देतात.

मुख्य मूल्यांकन मुख्य गृहितकांवर अवलंबून असते. WACC किंवा चिरस्थायी वाढ दरातील लहान बदल निहित स्टॉक किंमतीवर परिणाम करतात. हे सध्याचे स्टॉक धोके दर्शवते.

स्ट्रक्चरल धोके: स्पर्धा आणि भू-राजकीय परिस्थितीचा सामना करणे

स्पर्धात्मक वातावरण

Nvidia चे यश स्पर्धा आकर्षित करत आहे. प्रतिस्पर्धी अनेक क्षेत्रांतून धोका निर्माण करत आहेत.

• थेट प्रतिस्पर्धी (AMD आणि Intel):

  • AMD (Instinct MI300X): AMD एक विश्वासार्ह धोका आहे. MI300X एक्सेलरेटर मेमरी क्षमता आणि बँडविड्थमध्ये उत्कृष्ट आहे, ज्यामुळे ते मेमरी-बॉटलनेक्ड कामांसाठी आकर्षक आहे. बेंचमार्क दर्शवतात की ते काही Inference परिस्थितींमध्ये चांगले प्रदर्शन करते आणि कधीकधी कमी TCO प्रदान करते. AMD चे सॉफ्टवेअर इकोसिस्टम ही एक कमकुवत बाजू आहे, कारण ROCm मध्ये बग असतात आणि ते प्रशिक्षण कार्यक्षमतेवर परिणाम करतात.
  • Intel (Gaudi 3): Intel Gaudi 3 ला एक किफायतशीर पर्याय म्हणून सादर करते आणि LLM कामांमध्ये H100 पेक्षा जलद असल्याचा दावा करते, जे 128GB HBM2e मेमरी ऑफर करते. Intel चा AI बाजारातील वाटा लहान आहे आणि त्याचे सॉफ्टवेअर इकोसिस्टम कमी विकसित आहे. Intel ने Nvidia च्या तुलनेत कमी विक्रीचा अंदाज वर्तवला आहे.

• Hyperscalers ची दुविधा (कस्टम सिलिकॉन):

  • धोरणात्मक प्रेरणा: Nvidia चे सर्वात मोठे ग्राहक प्रतिस्पर्धी आहेत. पुरवठादारांवरील अवलंबित्व कमी करण्यासाठी, ते सानुकूल AI चिप्स (Google TPU, Amazon Trainium/Inferentia) विकसित करत आहेत. त्यांचे उद्दिष्ट 2027 पर्यंत 1 दशलक्षाहून अधिक सानुकूल क्लस्टर्स तैनात करण्याचे आहे.
  • वर्कलोड भिन्नता: हे Nvidia ला पूर्णपणे बदलणारे नाही