博客文章

Duncan 新價值投資｜ Nvidia 2024 Q1 業績，進擊的巨企

by · 24 5 月, 2024

聲名：本文章不是投資建議。

2024 / Q1

2024 第一季度營收 260 億美元，按年+262%，按季+18%。比較公司預測的240億美元，高出+8%。（2023 第四季營收 221 億美元，按年+265%，按季+22%）

GAAP

Diluted EPS = 5.98 美元，按年+629%，按季+21%

Gross Margin = 78.4%（2023/Q4 = 76%）

Non-GAAP
Diluted EPS = 6.12 美元，按年+461%，按季+19%
Gross Margin = 78.9%（2023/Q4 = 76.7%）

Gross Margin繼續擴張。

營收數字 Breakdown：

Data Center：225.63億美元，破歴來紀錄，按年+427%，按季+23%，按年增長提速，按季增長減慢（2023/Q4，184.04億美元，按年+409%，按季+27%）

Gaming：26.47億美元，按年+18%，按季-8%，按年增長減慢，按季不增長而倒退（2023/Q4，28.65億美元，按年+56%，按季+0%）

Professional Visualization：4.27億美元，按年+45%，按季-8%，按年增長減慢，按季增長減慢（2023/Q4，4.63億美元，按年+105%，按季+11%）

Auto：3.29億美元，按年+11%，按季+17%，按年增長改善，按季增長改善（2023/Q4，2.81億美元，按年-4%，按季+8%）

OEM & Others：0.78億美元，按年+1%，按季-13%（2023/Q4，0.9億美元，按年+7%，按季+23%）

Data Center仍然是公司重點，按年增長強勁，按季增長稍為減慢。預計Q2和餘下季度增長稍為減慢，因為2023/Q2是big jump，基數大了。小心𧫴慎觀察。

Gaming和Professional Visualization，可能已過最壞時刻，可望重拾增長。

Professional Visualization按年增長減慢，但增長仍然比較Auto為好。

Auto按年及按季有增長，是改善中。

特别公佈：

增加派息+150%，由0.04 USD加到0.1 USD。不過派息都是小數目，可以食餐飯。公佈拆股1拆10，根據6日6日記錄，6月7日分派，6月20日開市生效。

2024 / Q2 預測

Nvidia給出2024/Q2預測營收是280億美元，仍然是很強的數字，對比過去一年幾百%是慢了：

比較Wall Street預期的大約266.2億美元，高出 5%。比較 2023 / Q2 的135.07億美元，一年前的營收數字，高出 107%。比較 2024 / Q1 的260.44億美元，一季前的營收數字，高出 8%。

思考

CEO Jensen：「The next industrial revolution has begun.」

以下部分内容節錄自我的新書《憑科技．贏自由》主題和内容，及《AI 投資時代．真的值得參與嗎？》主題和内容 | 發售資料。書中有更多有關於AI、Nvidia和半導體行業的分析内容。

負面因素及挑戰：

AMD的MI300 和 Intel的Guadi，晶片設計公司在AI晶片的直接競爭。

AMD的ROCm和Nvidia的CUDA是打對台。

正在發展 ROCm 軟件平台，類似輝達的 CUDA，成為正面的直接競爭。首先 CUDA 的 AI 使用了一段長時間去開發，超微即使可以追上都不是短時間開發。ROCm 平台在供參考文件、效能和採用流行程度等關鍵方面仍然遠遠落後於 CUDA。

Google、Qualcomm、Intel，聯合UXL Foundation開發一個Open Source平台，即有可能在不同晶片上執行，期望打破Nvidia + CUDA的壟斷局面。

Cloud Service Providers – Amazon、Microsoft,、Google各有研發自家AI data center晶片，可能搶走Nvidia的部分Market Share。

Nvidia 和Cloud Service Providers的關係：一是合作伙伴，在各自的雲服務平台用上Nvidia晶片，更多客人使用雲服務或者更多使用量，同樣地Amazon和Google都會得益。二是競爭者，Amazon和Google在各自雲服務平台使用自家設計晶片，希望在適用的情況之下爭取更高毛利率，我相信是有機會發生，會搶走Nvidia的一部分Market Share。不過，這個不代表是完全取代Nvidia晶片，因為Nvidia現在可以做到是通用性，而且Nvidia在CUDA軟件層上建立出功能和生態系統，不是Amazon和Google可以短期做到，即使本身設計晶片有更高性價比。

Nvidia AI晶片現在有市場佔有率約90%，我相信有機會逐步減少，但不是斷崖式，而整體速長速度可能放緩（加上大基數效應），不過環球對於AI需求的整體的餅是擴大中，公司業務仍然可以健康地增長。（參考：NVIDIA 面對的競爭，AMAZON 及 GOOGLE 等 CLOUD SERVICE PROVIDERS 自家設計晶片）

客戶的Business Model受到考驗，例如：Meta和Microsoft花巨額金錢去購買Nvidia GPU，是否可以回本，是否可以維持高的營收去抵償高成本。

不過科技的特色是deflation，現在的算力和成本，未來可以用更低的成本做到相同算力，或者相同的成本做到更高算力。最初因為成本高，可能限制了應用的實用性，之後成本降低，就做到更加落地，落地開花，使到遍地開花變為可能。根據研究，因為硬體和軟體的進步，大型語言模型所需的 AI 訓練成本以有年化成本下降 60-70% 的趨勢，預計此趨勢可以持續至 2030 年。這有助於令到 AI 的應用更加普及，建立更複雜的模型，利用更多的數據進行訓練。（參考：咁係因為你悲觀，AI 有無清楚的 BUSINESS MODEL？）

2024 年三月的 GTC 大會公佈下一世代的 AI GPU Blackwell B100 / B200將會取代 Hopper H100；Grace-Blackwell Superchip 取代 Grace-Hopper Superchip。過往通常兩年一個 GPU 世代的做法，將會縮短至一年，更頻密去做到晶片效能提升。

2021 – A1002023 – H1002024 – B100 / B2002025 – X100

這「進擊｣的做法可以強化是「即時性的Readiness｣。因為Nvidia的企業客戶同時面對他們的客戶，AI的科技發展超級快速，必須盡快推出它們的產品和服務，去capture市場機會。Nvidia的競爭對手去研發需時，遠水不能救近火。

使用了Nvidia的產品，尤其是CUDA軟件部分，造成不少的User Stickness，之後可以轉走，都要付出一定的轉換成本：（參考：NVIDIA 和 CEO JENSEN HUANG 成為爭論焦點）

一般人要轉換電腦，通常購入電腦後，安裝軟件和複製數據/檔案就完成。對於企業客戶要更換電腦或者更換晶片，過程是複雜得多，需要考慮企業眾多系統之間的匹配。如果想用其他品牌晶片去取代輝達 GPU，將會涉及:

修改系統軟件，不再使用 CUDA，使用新晶片的相關軟件配套。新晶片相關軟件配套提供的功能，是否可以完全覆蓋 CUDA 的功能，如果不能，就會涉及更多軟件開發工作。CUDA是提供類似API之外，其上建立起為各行業度身訂造的系統服務(System Service)將更複雜。完成的軟件修改，需要透過系統測試，測試的範圍不一定只是修改了的系統，因為系統和系統之間有整合，都有機會考慮成為測試範圍。以上提及的轉換成本 (Switching Cost)，主要是人力、物力、財力。另外要考慮是風險，因為修改可能影響系統穩定性，影響企業提供的服務。

轉換晶片不是不可能，不過涉及轉換成本的多重考慮，不能忽視。假如使用輝達 GPU 和 CUDA 越久，令到企業和輝達的生態系統嵌入越深，造成更大的依賴性和使用者黏性。

2024下半年推出Blackwell GPU和Grace-Blackwell Super chip，相信定為焦點，是否可以維持營收快速增長。Blackwell是專為Large Language Model和Generative AI而設計，以萬億計Parameters參數。

AI Model現在以每6個月成長1倍，處理工作量和數據量成長4俈。這是一個驚人增長速度，化身為AI算力需求增長，這種不是以%計，而是以倍計幾何級增長，我計劃之後再寫文分享。

Blackwell的推出，同時代表背後一系列Supercomputer超級電腦產品升級，包括：DGX、DGX POD、DGX SuperPOD。

各競爭者和Nvidia 比併的不只是晶片，而是整個AI解決方案的生態系統。

《憑科技．贏自由》

主題和内容

《AI 投資時代．真的值得參與嗎？》

主題和内容 | 發售資料

《科技戰國．尋找科技價值投資的故事》

主題和内容 | 發售資料

下面的Page / Group，歡迎大家Like和Follow，就可以自動收到文章更新。