Nvidia voelt de concurrentie in de nek hijgen

Wat u moet weten

• Cerebras valt Nvidia aan op de snelheid waarmee AI antwoorden genereert, terwijl Google samen met Marvell verder inzet op maatwerkchips.

• Hyperscalers willen steeds vaker chips die zijn ontworpen voor specifieke toepassingen in plaats van één processor die alles moet kunnen.

• Nvidia beschikt nog altijd over sterke voordelen op het vlak van software en netwerken, maar de markt voor AI-chips wordt steeds gespecialiseerder.

Nvidia heeft tijdens de AI-boom geprofiteerd van zijn positie als leverancier van de favoriete alleskunner binnen de sector. Nu willen sommige van zijn grootste klanten chips die specifiek voor hun eigen behoeften zijn ontworpen, terwijl kleinere concurrenten de architectuur van die chips volledig herdenken.

Twee ontwikkelingen deze week illustreren die verschuiving. Cerebras stelde op 18 augustus nieuwe hardware voor die AI-inferentie aanzienlijk sneller moet maken. Een dag later breidde Google zijn samenwerking met Marvell Technology rond maatwerkchips uit. Als de prestatiedoelstellingen worden gehaald, zou dat Marvell tegen boekjaar 2033 tot 120 miljard dollar aan inkomsten kunnen opleveren.

Beleggers merkten het op. Op 19 augustus sloot Marvell op 237,27 dollar, bijna 10% hoger. Het grotere verhaal is echter niet de koersbeweging van één dag. Het is dat Nvidia zijn positie steeds meer vanuit twee richtingen tegelijk moet verdedigen.

De GPU wordt één rijstrook, niet langer de hele snelweg

Nvidia's grafische processors (GPU's) werden de AI-standaard omdat ze krachtig en flexibel zijn voor uiteenlopende toepassingen. Dat is vooral belangrijk voor het trainen van geavanceerde modellen, waar de vereisten snel veranderen.

Inferentie is een ander verhaal. Zodra een model is getraind, beantwoordt het voortdurend vragen. Daardoor kunnen gespecialiseerde chips efficiënter zijn. Google heeft zijn Tensor Processing Unit (TPU), Amazon beschikt over Trainium en Meta ontwikkelt de Meta Training and Inference Accelerator (MTIA). Deze chips ruilen een deel van hun flexibiliteit in voor betere prestaties, een lager energieverbruik of lagere kosten voor specifieke taken.

De markt splitst zich daarom steeds meer op. Nvidia biedt programmeerbare GPU's aan, hyperscalers zoals Google en Amazon ontwikkelen eigen processors en specialisten zoals Cerebras herdenken de architectuur volledig. Marvell en Broadcom zitten achter veel van die maatwerkontwerpen en leveren expertise rond chips, netwerken en connectiviteit.

Verschillende taken krijgen steeds vaker verschillende tools.

Cerebras valt de architectuur aan

Cerebras drijft specialisatie nog veel verder door.

In plaats van veel afzonderlijke chips aan elkaar te koppelen, kiest Cerebras voor één gigantische chip die een veel groter oppervlak bestrijkt dan traditionele processors. Het nieuwe CS-4-systeem gebruikt er drie, waardoor rekenkracht en geheugen dichter bij elkaar blijven en dure dataverplaatsingen worden beperkt.

Volgens Cerebras gebruikt het systeem 50% minder componenten dan het vorige ontwerp en richt het zich op inferentie, waar snellere responstijden zowel de gebruikerservaring als de rendabiliteit van datacenters kunnen verbeteren.

Dat maakt Cerebras niet automatisch een vervanger voor Nvidia. Nvidia profiteert nog altijd van schaalgrootte, software, betrouwbaarheid en een breed ecosysteem. Maar Cerebras stelt wel een belangrijkere vraag: heeft elke AI-toepassing wel een GPU nodig?

Google wil een chip die voor de taak is gemaakt

Google vertegenwoordigt een andere vorm van druk.

Hyperscalers die enorme datacenters uitbaten, hebben steeds vaker voldoende schaal om chips te ontwerpen rond hun eigen toepassingen. Google's uitgebreide overeenkomst met Marvell omvat processors, opslag en netwerken rond zijn TPU's.

Dit lijkt eerder op leveranciersdiversificatie dan op het buitenspel zetten van Broadcom. Broadcom sloot afzonderlijk een overeenkomst om tot 2031 toekomstige AI-maatwerkchips voor Google te ontwikkelen.

De grens tussen concurrent en partner vervaagt ook steeds meer. Marvell helpt klanten bij het ontwikkelen van maatwerkchips en werkt tegelijk samen met Nvidia, onder meer binnen Nvidia's NVLink-ecosysteem.

Nvidia's verdediging kan daardoor breder zijn dan enkel het beschermen van zijn marktaandeel in GPU's. Zelfs wanneer klanten een andere processor gebruiken, kan Nvidia proberen deel te blijven uitmaken van het bredere systeem eromheen.

Waarom Nvidia niet zomaar terrein prijsgeeft

Gespecialiseerde chips zijn alleen economisch zinvol als ze op voldoende schaal kunnen worden ingezet. Het ontwerpen ervan is duur, de productie kan complex zijn en de software moet betrouwbaar werken. Een voordeel in benchmarks betekent weinig als klanten de chips niet eenvoudig kunnen implementeren.

Nvidia kan zijn positie ook verdedigen door de prestaties bij inferentie verder te verbeteren, terwijl klanten binnen zijn software-, netwerk- en ontwikkelomgeving blijven. Voor beleggers is het belangrijkste waarschuwingssignaal dan ook niet de aankondiging van een nieuwe indrukwekkende chip, maar de vraag of workloads daadwerkelijk verschuiven.

Er is ook een tegenovergesteld risico. De vraag naar AI-rekenkracht kan zo snel groeien dat Nvidia, ontwikkelaars van maatwerkchips en gespecialiseerde spelers allemaal tegelijk kunnen groeien. Het marktaandeel kan dalen terwijl de omzet blijft stijgen, als de onderliggende markt nog sneller groeit.

Wat betekent dit voor u als belegger?

• Let op implementaties, niet op demonstraties. Maatwerkchips worden pas echt relevant wanneer hyperscalers ze op grote schaal inzetten voor terugkerende toepassingen.

• Maak onderscheid tussen training en inferentie. Nvidia kan in het ene deel van de AI-markt sterk blijven, terwijl alternatieven elders marktaandeel winnen.

• Volg de omliggende infrastructuur. Netwerken, geheugen en connectiviteit kunnen aan belang winnen naarmate datacenters verschillende soorten processors combineren.

• Wees voorzichtig met leveranciers van maatwerkchips. Grote ontwerpcontracten creëren kansen, maar afhankelijkheid van een beperkt aantal grote klanten zorgt ook voor concentratierisico's.

Waarom Nvidia nog altijd stevig in het zadel zit

De belangrijkste vraag is niet langer of iemand een snellere AI-chip kan bouwen dan Nvidia. Dat kan meestal wel, voor een specifieke toepassing en onder specifieke omstandigheden. De moeilijkere vraag is of alternatieven Nvidia's combinatie van prestaties, software, netwerken, leveringscapaciteit en gebruiksgemak op schaal kunnen evenaren.

Daarom zijn zowel Cerebras als de overeenkomst tussen Google en Marvell belangrijk. De ene valt de architectuur aan. De andere stelt de veronderstelling in vraag dat hyperscalers überhaupt een standaardprocessor moeten kopen. Geen van beide betekent dat Nvidia's voorsprong verdwijnt. Maar AI-computing wordt wel steeds gespecialiseerder, en dat maakt die voorsprong moeilijker te verdedigen. Nvidia staat nog altijd centraal in het AI-ecosysteem. Alleen is het niet langer de enige route naar hoge prestaties.