Duncan 新價值投資 ｜ Nvidia 的 CUDA AI 生態系統，有沒有缺點？有沒有優勢？
企業使用科技的考慮
在退休之前的十多年時間，自己做著Architect的工作，我的其中一大職責是比較科技產品，為企業作出選擇（Enterprise Side）。一般人使用科技產品，例如：手機、個人電腦、Game Console遊戲機等，是第一身，直接而實在的個人消費者的體驗（Consumer Side），但是當中的思維應用在科技投資的分析，尤其涉及企業科技市場，未必全部完全適用。
過去在工作中，經常遇到Business問IT的可行性問題：「xxx 是否可以做到？亅
即使問我是否可以造出火箭和穿梭機，答案是：「理論上可以！」，如果我有很多很多錢，足够的錢，可以花錢去做，即使自己不會做，都可以花錢請人做，用錢去解決。
Nvidia 晶片有沒有代替品？使用代替品是否可行？有什麽考慮？
科技上很多的決定，不是只强調在是否可行，亦不是只强調價錢平貴，而是要Cost Effecitve，企業在使用科技上更加要考慮是使用的可持續性，平衡各方面，做出明智的決定。
未來Cloud Service Provider如Amazon / Google的AI晶片（可能還有Microsoft），AMD和Intel又有AI晶片推出，Nvidia在AI晶片市場可以期望市佔率是下降，不過我相信不是斷崖式（下面詳述，涉及Switching Cost轉換成本）。而且公司的增長是看盈利，即是分到餅的百分比可以下跌，而整體餅的Size在增長，公司盈利仍然有機會可以持續增長。
Nvidia把GPU硬體和CUDA軟體結為一個組合，CUDA提供一個更加方便方法去使用Nvidia GPU，去支持圖像以外的功能，AI就是一個很好的例子。使用Nvidia GPU就會使用CUDA，使用CUDA一定要購買Nvidia GPU，因為CUDA不是Open Source，而只可以在Nvidia GPU晶片上執行。只要CUDA越流行，越多人使用，就會化身為Nvidia GPU的銷售數字。CUDA本身不收費，對於Nvidia的策略來說，CUDA不需要收費。
CUDA提供不單止是一個如API的軟件開發平台，在其上更衍生更加複雜功能系統，可以大大增加實用性及減低使用的技術門檻，例如：Omniverse（元宇宙）、DRIVE（自動駑駛）、Issac（機械人技術）等。關於軟件開發平台，之後我計劃再寫文章討論。
這一種把硬體和軟體完全捆綁的銷售不是首選，因為會形成一種綁定供應商（Vendor Lock-in）。
我在工作環境中，代表了企業客戶角度去選擇科技產品，開放標準（Open Standard）和開放原始碼（Open Source）都是其中一 個重要考慮。如此可以避免一定程度綁定供應商(Vendor Lock-in)，若果對一個使用中的產品不滿意，會比較容易在市場上找到另一個替代品，因為開放標準鼓勵了市場中有不同競爭者，同時減少了企業客戶的一個龐大轉換成本。企業客戶在科技產 品上作出的投資得以保護，提供科技產品的不同公司以品質去公平競爭，客戶都會得益。（參考：我的書《科技戰國．尋找科技價值投資的故事》
對於企業客戶，這是缺點。對於Nvidia，這是優點。
企業客戶決定是否使用該產品，就要看產品整體，例如：功能是一大考慮，方便易用可以減低開發時間、成本、風險，都是Total Cost of Ownership (TCO)的考慮。
在5-6年前未有代替品，未來如果有代替品出現，企業客戶充就可以有更多選擇，是否轉用涉及Switching Cost（轉換成本）的考慮。
Nvidia 的代替品？
不用A，可以用B，這個當然是消費者的選擇。不過所有產品不是完全對等，這選擇涉及產品是否有優勢／護城河，否則所有公司產品優勢／護城河的硏究和討論都是沒有意義。
一般人要𨍭換電腦，通常購入電腦後，安裝軟件和Copy Data / Files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，需要考慮是眾多系統之間匹配。如果想用AMD或者其他品牌晶片去取代Nvidia，涉及：
修改系統軟件，不再使用Nvidia CUDA，使用新晶片的相𨶹軟件配套。新晶片相關軟件配套提供的功能，是否可以完全覆蓋Nvidia CUDA的功能，如果不能，就會涉及更多軟件開發工作。Nvidia CUDA是提供類似API之外，其上建立起的System和Service是更複雜。完成的修改，需要透過測試（Testing），測試的範圍不一定只是修改了的系統，因為系統之間有Integration，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，影響服務。
以上的目的是指出，轉換晶片不是不可能，Never say never，不過涉及Switching Cost的多重考慮，不能忽視。（參考：NVIDIA 和 CEO JENSEN HUANG 成為爭論焦點）
我的投資邏輯
我自己的討論多偏向科技產品。我的邏輯是，先了解產品，才可以有更多判斷是否有優勢，可以幫助去了解業務。如果沒有產品和優勢在科技上充分的理解，在數字上的比較就會不夠全面，只會是數字上的比較。科技和財務數字代表兩個角度，不是水火不容。（我自己不是財務數字 / 估值方面的專家，不宜獻醜，留給其他高手多分析這方面）
股價偏貴，可能有較大調整，市場有一定程度過熱。問題是去年氣氛不好，大眾未有去注視AI科技，否則如果當時買入，相對上就避免熾熱時候入場。
我自己持有 Nvidia，是2017 / 10月較為低價開始買入（平均約 55，計入2021年的1拆4），繼續持有。
回看Data Center 產品的營收 (億美元）：
Q2 = 4.16
Q3 = 5.01
Q4 = 6.06
倒後鏡式分析是不公平，不過退後一步去想：
如果當時單純是透過財務數字，實在是不容易甚至不可能去預測6年之後的今天，2023年Nvidia的發展，以上看Data Center季度營收是十倍或以上增長。（我沒有這種能力）
當時我投資的考慮，是看了幾十小時的資料，Nvidia的CUDA軟件平台已經建立，我亦去研究AMD / Intel而未有如Nvidia所做的，這是我覺得Nvidia的定位是可以令自身在眾多晶片公司中造成的差異化。相信Nvidia有自己的科技優勢，覺得AI是一個可以發展的市場，如果需求存在，公司就可以有機會有高速的發展。幾年之間不斷檢示，Nvidia的AI發展過程是一個長時間，不是只看到2023年。
我不是否定財務數字的考慮，這是涉及到個人的投資取向，個人選擇不是對與錯之分，應該尊重。數字上要求的是確定性，是無可厚非。看科技不看數字，或是看數字不看科技，都有其局限性而不全面。
財務數字反映的是營運的過程和結果，科技趨勢和公司優勢是因，財務數字是果。
CUDA的開發，可以追溯到2007年的初始發佈（Initial Release），Nvidia投資了10多年的人力物力，CEO Jensen表示過公司的Software Engineer數目比較Hardware Engineer還要多。如果單從財務數字，CUDA項目本身不會賺錢，可能一早已經刹停。做晶片設計就是晶片設計，幹什麼要大力發展軟體，如何justify盈利。
投資的判斷有一大部份是未發生之事的推斷，如果已經是一清二楚的數字擺在眼前，很大程度可能已經大部份反映 (price-in)，或者甚至是超前去反映。
科技發展，更多是關於未來，是未發生的事，即是風險（分散投資，控制注碼，分散買入時間）。2017年沒有人知道2023年初ChatGPT的出現。我們不可以很準確地知道，只可以知道的是大概的科技發展趨勢。
11月21日是Nvidia 2023/Q3業績公佈日子，拭目以待。
更多Nvidia 的和AI產業分析内容，參考我的新書：《AI 投資時代．真的值得參與嗎？》。
《AI 投資時代．真的值得參與嗎？》
https://duncaninvest.blogspot.com/2023/07/book02sell.html
《科技戰國．尋找科技價值投資的故事》
https://duncaninvest.blogspot.com/2022/07/book01sell.html
最近開了下面的Page / Group，歡迎大家Like和Follow，就可以自動收到文章更新。
Facebook
https://facebook.com/duncaninvest
Instagram
https://instagram.com/duncannewinvest
Telegram
https://t.me/duncaninvest
謝謝支持！
參考文章
NVIDIA 面對的競爭，AMAZON 及 GOOGLE 等 CLOUD SERVICE PROVIDERS 自家設計晶片
NVIDIA 2023 Q2 業績，簡短報導，AI 炒作的真實考驗？
NVIDIA 和 CEO JENSEN HUANG 成為爭論焦點
NVIDIA 2023 Q1 業績，簡短報導，DATA CENTER 重要的事要說三次
分餅仔，半導體公司 ASML / TSM / AMD / INTEL (2022/Q4
NVIDIA GTC (2023/3月)，從晶片，到軟件，到服務
NVIDIA 2022 Q4 業績，DATA CENTER 仍然是重點
分餅仔，半導體公司 ASML / TSM / AMD / INTEL (2022/Q4)
NVIDIA 2021 Q4 業績，看發展進程，PROFESSIONAL VISUALIZATION (OMNIVERSE)
NVIDIA 數據中心市場產品業務 (2020 Q4 UPDATE)
NVIDIA，AMD，INTEL，晶片公司發佈，其實背後想講什麽？
NVIDIA GTC (2021/4月) 總結，未來的產品佈局
NVIDIA DGX SUPERPOD，AI 超級電腦成為一件可接觸的產品
NVIDIA DRIVE AV (AUTONOMOUS VEHICLE) 自動架駛，增長賽道就在前面
