Ofensywa Nvidii na rynku procesorów: nowy ekosystem AI i nowe wąskie gardła

Kluczowe punkty:

• RTX Spark od Nvidii pokazuje, że inwestowanie w AI przesuwa się od pytania „kto ma GPU?” do pytania „kto kontroluje cały stos obliczeniowy?” CPU, GPU, integracja z systemem Windows, wdrożenia w chmurze, pamięć, sieci oraz infrastruktura energetyczna stają się elementami jednej spójnej historii inwestycyjnej.
• Następnym wąskim gardłem w AI nie jest już tylko dostępność układów. W miarę przesuwania się ciężaru z trenowania w chmurze ku lokalnemu wnioskowaniu i systemom agentowym punkty newralgiczne coraz częściej dotyczą przede wszystkim możliwości wdrożeniowych, zaawansowanej pamięci, sieci i łączności, infrastruktury na poziomie szaf rackowych, dostępu do mocy przyłączeniowej z sieci energetycznej oraz chłodzenia.
• Szeroki ekosystem nie oznacza, że wygra każda spółka „od AI”. Największymi beneficjentami będą raczej firmy odgrywające bezpośrednią rolę w ekosystemie Nvidii, mające realne znaczenie dla infrastruktury lub możliwość dyktowania cen. Słabsze, jedynie pobocznie związane z AI, spółki mogą mieć trudniejszą sytuację, ponieważ inwestorzy stają się bardziej selektywni.

Historia AI w Nvidii to już nie tylko GPU.

Dzięki RTX Spark Nvidia głębiej wchodzi w segment procesorów, w komputery z systemem Windows oraz w lokalne przetwarzanie AI. Nowy „superukład” AI, opracowany wspólnie z Microsoftem i MediaTekiem, ma przenieść obciążenia AI bezpośrednio na laptopy i komputery stacjonarne, zamiast polegać wyłącznie na chmurze.

To ważne, bo inwestowanie w AI wchodzi w nową fazę. Pierwsza fala dotyczyła uczenia dużych modeli w centrach danych. Następna fala coraz bardziej skupia się na wnioskowaniu — czyli ciągłym, efektywnym uruchamianiu tych modeli bliżej użytkownika.

Do tego potrzeba czegoś więcej niż GPU. Potrzebne są procesory CPU do koordynacji zadań, pamięć o wysokiej przepustowości do transferu danych, sieci do łączenia systemów, dostawcy chmurowi do zapewniania mocy obliczeniowej, a także infrastruktura energetyczna, by utrzymać coraz gęstsze „fabryki AI”.

Dla inwestorów oznacza to nową mapę potencjalnych beneficjentów. Pytanie nie brzmi już tylko: „Kto produkuje układy AI?”

Pytanie brzmi raczej: „Kto kontroluje wąskie gardła, gdy AI przesuwa się z uczenia w chmurze do lokalnego wnioskowania, od pojedynczych GPU do kompletnych systemów oraz z centrów danych do komputerów osobistych z AI?”

Powiązane spółki, którym mogą się przyglądać inwestorzy:

1. Nvidia: Lider platformy.

Nvidia pozostaje w centrum ekosystemu sztucznej inteligencji.

RTX Spark umacnia jej przejście od roli dostawcy GPU ku szerszej platformie obliczeniowej. Wprowadza Nvidię do komputerów z systemem Windows i lokalnych urządzeń AI, a platforma Vera Rubin rozszerza zasięg na serwerowe procesory CPU, układy GPU, sieci i systemy AI w skali szaf rackowych. Konfiguracja Vera Rubin NVL72 obejmuje procesory Vera (CPU), układy Rubin (GPU), NVLink, sieci ConnectX oraz układy DPU BlueField do wnioskowania AI na dużą skalę. 

Jak wpisuje się w ekosystem Nvidii: Nvidia stara się przejąć kontrolę nad większą częścią stosu AI — od komputera osobistego z AI po „fabrykę AI”.

Ryzyko: Oczekiwania są już bardzo wysokie. Każde spowolnienie nakładów inwestycyjnych na AI, presja na marże lub zmiana miksu klientów mogą szybko odbić się na nastrojach rynkowych.

2. Arm: Beneficjent rosnącej popularności architektury Arm.

Ma bezpośredni związek z ambicjami Nvidii w obszarze procesorów, bo RTX Spark opiera się na architekturze Arm.

Ma to znaczenie, bo segment PC historycznie zdominowały układy x86 Intela i AMD. Apple już pokazało, że komputery oparte na Arm mogą świetnie działać w klasie premium, a Qualcomm od lat rozwija Windows on Arm. Wejście Nvidii może dać temu trendowi dodatkowy impuls.

Jak wpisuje się w ekosystem Nvidii: plany Nvidii dotyczące procesorów zwiększają znaczenie Arm w komputerach osobistych z AI, lokalnych urządzeniach AI i potencjalnie w przyszłych projektach serwerów.

Ryzyko: Windows on Arm wciąż potrzebuje szerszej zgodności z aplikacjami, wsparcia ze strony deweloperów i akceptacji użytkowników.

3. Microsoft: Strażnik ekosystemu Windows AI

Microsoft jest bezpośrednio powiązany z historią RTX Spark.

Nadchodzący Surface Laptop Ultra wykorzysta układ RTX Spark, dając Microsoftowi flagowe urządzenie na erę komputerów osobistych z AI. Firma podkreśla, że nowe komputery z systemem Windows, napędzane układami Nvidii, są tworzone z myślą o deweloperach, twórcach i zaawansowanych użytkownikach, a także o nowej fali agentów AI.

Jak wpisuje się w ekosystem Nvidii: Microsoft dostarcza platformę Windows, środowisko deweloperskie i warstwę korporacyjną dla AI, których Nvidia potrzebuje, aby komputery osobiste z AI były użyteczne na dużą skalę.

Ryzyko: Komputery osobiste z AI wciąż potrzebują przełomowej funkcji — naprawdę przekonujących zastosowań. Bez tego może to być kolejny cykl sprzętu klasy premium, a nie szeroka fala wymiany komputerów.

4. MediaTek: Partner po stronie krzemu.

MediaTek jest powiązany z RTX Spark dzięki partnerstwu przy tworzeniu układu.

Nvidia poinformowała, że RTX Spark powstał we współpracy z Microsoftem i MediaTekiem, co daje MediaTekowi ekspozycję na wyższy segment obliczeń, wykraczający poza smartfony i urządzenia połączone z siecią.

Jak wpisuje się w ekosystem Nvidii: MediaTek pomaga Nvidii wejść na rynek układów CPU dla komputerów z systemem Windows.

Ryzyko: MediaTek może pozostać partnerem w stosie technologicznym, podczas gdy większą część wartości platformy przejmie Nvidia.

5. TSMC: Filar produkcji.

TSMC pozostaje filarem produkcyjnym ekosystemu AI.

Niezależnie od tego, czy popyt dotyczy GPU, CPU, AI PC czy systemów AI w skali szaf rackowych, czołowe układy wciąż wymagają zaawansowanych mocy wytwórczych. Jeśli popyt na AI rozszerzy się z centrów danych na komputery i urządzenia brzegowe, potrzeba nowoczesnej produkcji nadal będzie kluczowa.

Jak wpisuje się w ekosystem Nvidii: TSMC umożliwia produkcję zaawansowanych układów, na których opierają się platformy AI Nvidii.

Ryzyko: Znaczenie TSMC wiąże się także z ryzykiem geopolitycznym związanym z Tajwanem oraz koncentracją przychodów u kilku dużych klientów.

6. CoreWeave i Nebius: Partnerzy wdrożeniowi w chmurze AI

Dostawcy infrastruktury chmurowej mogą przyciągać większą uwagę inwestorów, gdy ekosystem Nvidii rozszerza się z samych układów na warstwę wdrożeniową.

CoreWeave to jedna z najbardziej bezpośrednio powiązanych z tym cyklem „chmurowych” firm w ekosystemie Nvidii. Jako pierwszy dostawca wdrożył systemy Vera Rubin NVL72, umacniając pozycję jako wyspecjalizowana chmura AI zbudowana z myślą o wnioskowaniu na dużą skalę i obciążeniach nowej generacji. To wzmacnia przekaz, że najnowszy sprzęt Nvidii to nie tylko opowieść o układach, lecz o kompletnych wdrożeniach.

Na uwagę zasługuje również Nebius. CEO Nvidii, Jensen Huang, wyróżnił Nebiusa na Computexie, nazywając go jedną z „niesamowicie szybko rosnących” chmur w ekosystemie AI Nvidii. W materiałach wspomniano także klientów, takich jak Cursor, Revolut czy Shopify, co sugeruje, że Nebius zyskuje realny rozpęd wśród użytkowników korporacyjnych.

Jak wpisują się w ekosystem Nvidii: CoreWeave i Nebius przekuwają sprzęt Nvidii w użyteczną moc obliczeniową AI. Działają na warstwie wdrożeniowej, gdzie popyt na układy Nvidii przekształca się w faktyczną infrastrukturę chmurową dla firm i deweloperów AI.

Ryzyko: To biznes kapitałochłonny. Firmy muszą intensywnie inwestować w infrastrukturę, a zwroty zależą od wykorzystania zasobów, wzrostu bazy klientów, siły cenowej oraz utrzymania popytu na AI.

7. Dell, HPE, Supermicro i Lenovo: Budowniczowie infrastruktury AI

Systemy AI są coraz częściej wdrażane jako pełne szafy serwerowe, a nie pojedyncze układy.

Dell jest szczególnie istotny, ponieważ wraz z CoreWeave uczestniczył w pierwszym wdrożeniu platformy Vera Rubin, pokazując, jak układy Nvidii stają się fizyczną infrastrukturą AI. HPE, Supermicro i Lenovo również działają w szerokim ekosystemie serwerów AI oraz infrastruktury w skali całych szaf serwerowych.

Jak wpisują się w ekosystem Nvidii: Te firmy integrują, wdrażają i skalują systemy Nvidii dla dostawców chmur, hiperskalerów i przedsiębiorstw.

Ryzyko: Integracja sprzętu to konkurencyjny segment. Wzrost przychodów nie zawsze oznacza wysokie marże.

8. Broadcom, Marvell, Arista i Cisco: Warstwa sieciowa

Wraz ze skalowaniem obciążeń AI sieć staje się coraz poważniejszym wąskim gardłem.

Duże klastry AI potrzebują szybszej łączności, przełączników, Ethernetu, niestandardowego krzemu oraz niskich opóźnień transmisji danych. Architektura Vera Rubin Nvidii obejmuje NVLink, rozwiązania sieciowe i DPU, co podkreśla, jak centralną rolę w wydajności AI odgrywa dziś łączność.

Jak wpisują się w ekosystem Nvidii: Firmy sieciowe korzystają z tego samego boomu inwestycyjnego w centra danych AI, który napędza Nvidię.

Ryzyko: Ten segment pozostaje wrażliwy na cykle nakładów inwestycyjnych u hiperskalerów.

9. SK Hynix, Samsung i Micron: Warstwa pamięci

AI potrzebuje pamięci równie mocno jak mocy obliczeniowej.

Pamięć HBM i zaawansowana pamięć DRAM są niezbędne, gdy modele rosną, a wolumeny wnioskowania rosną. SK Hynix, Samsung i Micron są więc powiązane z szerokim ekosystemem Nvidii poprzez popyt na pamięć.

Jak wpisują się w ekosystem Nvidii: Platformy Nvidii potrzebują zaawansowanej pamięci, aby zapewniać wysoką wydajność w dużej skali.

Ryzyko: Pamięć pozostaje branżą cykliczną. Popyt na AI jest mocny, ale ceny nadal wahają się wraz z podażą.

10. Dell, HP, Lenovo: producenci komputerów AI

RTX Spark wciąga producentów PC w orbitę Nvidii.

Nvidia podkreśla, że RTX Spark zaprojektowano z myślą o smukłych laptopach i małych komputerach stacjonarnych, a doniesienia wskazują, że platformę wspierają najwięksi producenci, m.in. Microsoft, Dell, Lenovo, Acer i Asus.

Jak wpisują się w ekosystem Nvidii: Producenci PC są kanałem dotarcia na rynek dla ambicji Nvidii związanych z lokalnym przetwarzaniem AI.

Ryzyko: Marże w segmencie PC są często niskie. Kluczowy test to, czy komputery AI uzyskają premię cenową i wywołają realną falę wymiany sprzętu.

11. Siemens, Fluence i nVent: warstwa zasilania i chłodzenia

To może być jeden z ważniejszych tematów „drugiego rzędu” w AI.

Gdy systemy AI stają się gęstsze, wąskie gardło przesuwa się z samych układów na zasilanie, dostęp do sieci elektroenergetycznej, magazynowanie energii, dystrybucję energii oraz chłodzenie. Siemens, Nvidia, Fluence i nVent opracowały referencyjną architekturę elektryczną i energetyczną dla centrów danych korzystających z platformy Vera Rubin NVL72. Siemens podkreśla, że projekt ma wspierać tempo, efektywność i niezawodność infrastruktury „fabryk AI”.

Fluence wnosi magazyny energii i rozwiązania dla sieci elektroenergetycznych. nVent dostarcza dystrybucję energii i zarządzanie termiczne. Siemens zapewnia infrastrukturę elektryczną, sterowanie i automatyzację.

Jak wpisują się w ekosystem Nvidii: Te firmy mogą pomóc rozwiązać ograniczenia zasilania i chłodzenia, które decydują o tempie budowy „fabryk AI” opartych na platformie Nvidii.

Ryzyko: Infrastruktura energetyczna jest kluczowa, ale ma charakter projektowy, bywa narażona na opóźnienia administracyjne i zazwyczaj ma niższe marże niż półprzewodniki.

Spółki pod rosnącą presją

Nacisk Nvidii na procesory zwiększa presję na dotychczasowych liderów rynku półprzewodników.

• Intel: może mierzyć się z dodatkową presją konkurencyjną, jeśli Nvidia zyska rozpęd w obszarze procesorów oraz w segmencie komputerów osobistych z AI opartych na systemie Windows.
• AMD: wyzwanie jest bardziej złożone. AMD pozostaje mocne w procesorach i dynamicznie rozwija ofertę akceleratorów AI, ale ściślejsza integracja po stronie Nvidii — procesorów, układów GPU, sieci i oprogramowania — podnosi poprzeczkę konkurencyjną.
• Qualcomm: może jednocześnie uzyskać potwierdzenie swojej strategii i zmierzyć się z nową rywalizacją. Nvidia może pomóc kategorii Windows on Arm, ale równocześnie staje się potężnym konkurentem.
• Apple: jest mniej bezpośrednio narażone, bo kontroluje własny ekosystem; jednak ruch Nvidii podnosi poprzeczkę oczekiwań co do lokalnej wydajności AI w urządzeniach klasy premium.

Wniosek dla inwestorów

Ogłoszenie RTX Spark poszerza pole działania w AI, ale jednocześnie wymusza większą selektywność.

Kolejna faza AI to mniej „jeden układ”, a bardziej cały ekosystem: architektura, produkcja w odlewniach półprzewodników, pamięć, sieci, serwery, wdrożenia w chmurze, komputery osobiste, zasilanie i chłodzenie.

Powiązane spółki do obserwacji to te najbliżej wąskich gardeł ekosystemu Nvidii: Arm (architektura), Microsoft (Windows w komputerach osobistych z AI), MediaTek (partnerstwo po stronie krzemu), TSMC (produkcja), CoreWeave (wdrożenia w chmurze AI), Dell i producenci serwerów (infrastruktura), dostawcy pamięci i sieci (kluczowe dla wydajności) oraz Siemens, Fluence i nVent (zasilanie i chłodzenie).

Nie każda „spółka od AI” skorzysta jednak w równym stopniu. Kluczowy test to, kto zyska siłę cenową, gdy AI przesuwa się z uczenia do wnioskowania, z chmury na urządzenia końcowe oraz z samych układów do energochłonnych „fabryk AI”.

Ryzyka dla tego scenariusza

• Ryzyko adopcji: Komputery osobiste z AI i lokalne urządzenia AI wciąż potrzebują wyrazistych zastosowań.
• Ryzyko wyceny: Wiele spółek związanych z AI ma już w wycenach zdyskontowany silny wzrost.
• Ryzyko konkurencji: Intel, AMD, Qualcomm i Apple nie stoją w miejscu.
• Ryzyko nakładów inwestycyjnych: Wydatki na infrastrukturę AI są ogromne, a inwestorzy będą coraz uważniej pytać o zwroty.
• Ryzyko związane z zasilaniem: Rozbudowa centrów danych zależy od dostępu do sieci elektroenergetycznej, dostępności energii, możliwości chłodzenia oraz procedur i harmonogramów uzyskiwania pozwoleń.
• Ryzyko związane z łańcuchem dostaw: Zaawansowane układy są silnie zależne od TSMC i tajwańskiego ekosystemu półprzewodników.
• Ryzyko monetyzacji: Funkcje AI muszą przełożyć się na przychody, marże lub lepsze utrzymanie klientów.