咁係因為你悲觀，AI 有無清楚的 Business Model？
聲明：本文章不是投資建議。
談談 Nvidia
去年的下半年Nvidia的股價在500之下附近橫行大概半年，市場聲音是AI已經炒完，未來升幅有限。結果2024年初，由500升到接近974，升幅接近一倍。現在的聲音是等待調整買入. . . . . 身體很誠實。
去年Q1業績報告中給Q2指引，令很多人半信半疑，結果Q2/3/4同樣高指引而超額完成。結果2023年整體股價升了一年，盈利升得多過股價，2023年尾PE比較2023年初還要低，看上圖。（參考：NVIDIA 2023 Q4 業績，渡過了充滿質疑的 2023 年）
Nvidia的營收和盈利增長幅度，解釋去年股價升勢，這是企業客戶付出真金白銀買GPU而得出來的業績，很實在的數字，不可以說是純粹炒作。
企業客戶是否對AI業務過份憧景，買入多過需要的晶片？是有可能。未來需求可能下跌，或者需求上升都不及2023的升幅，因為基數大了。
我看以上不是surprise。半導體賣鐵鏟是底層，應用是上層要買鐵鏟掘金，打過你死我活，無論誰勝誰敗，甚至究竟有無人勝出，都是買半導體製造需求，其實不是新鮮事或者新理論。
Internet Bubble VS AI, Cisco VS Nvidia
近期亦有不少網上評論提出，現在AI VS internet bubble，Mvidia VS Cisco，當年是2000，Cisco風光一段時間之後，股價下跌9 6成，直至20幾年後的今天仍然未能夠從回高位。是風險的提醒，大家留意。
以上分析，Cisco造Router，Nvidia造晶片，首先是硬體類，有物理的限制影響長遠增長，Cisco曾經被認為是internet未來發展必須的器材，似現在對於Nvidia。Cisco風光一段時間之後下跌6成，這可能是Nvifua的命運。
Nvidia會不會跌6成，其實不需要猜測，我自2017持有到現在，已經經歷兩次5-6成的跌幅，但是下跌之後又收復及破頂。我覺得重點不是會否下跌，重點是下跌之後會不會收復而且持續增長。
回歸本文開頭提及，企業客戶是否繼續買入AI 晶片？是否可以make businesss？是否一個清楚Business Model？是否有客人用他們的產品和服務？
上圖節錄自《AI 投資時代．真的值得參與嗎？》主題和内容 | 發售資料
Web 1.0/2.0/3.0 Business Model
Web 1.0年代，Internet Bubble盛行之時，人亦不知道什麼business model，有個dot com網址，可以click就相信可以揾錢，現在覺得可笑。後來才意識到發展出把實體搬到網上，例如：Internet Banking，Amazon bookshop是成功例子。
Web 2.0 的Social Media社交媒體是一個典型 Business Model，出現的條件包括：智能手機，上網速度增加／bandwidth增加，才做到mobile internet同Video/ Live這些應用，Netflix的串流都是Web 2.0的例子。因為Web 1.0 多注重文字和image內容，在家用電腦上網睇，經固網電話線Dial-up modem 56k，速度慢得匪而所思。當時其實出現過手機上網 browsing，是text model的WAP，不過不能做到主流般流行。 (參考：無線應用通訊協定（Wireless Application Protocol，WAP））
以上提及，Busuness Model不是預先知道，是步一步走出來。現在 AI 何嘗不是。
相信 Web 3.0 的關鍵技術包括：AI、Blockchain、Spatial Computing 空間運算。
AI Business Model
ChatGPT的LLM (Large Language Model)，最容易帶到：文字，影像，Video，這類應用大量已經大量出現。
除了以上，還有更多的應用是在專業和工業用途，例如 Robotics，不是如媒體說藍領工作比較白領難去取代。
我認為Business Model分兩個方面考慮：
- 在現實世界是否解決問題？
- 成本／收入／盈利，是否計到數？
- 很多AI生成文字或者影像，都是很落地的例子。
- OpenAI 的Sora可以AI生成Video，一段示範影片是一個女人在日本街頭，有人粗略估計是十幾至幾十人的crew製作水平，現在打字就做到，好處和價值顯而易見。
- 瑞典Fintech公司Kartna，透過OpenAI建立AI Chatbot，處理230萬次對話，已經炒了700名員工。（參考：Klarna says its AI assistant does the work of 700 people after it laid off 700 people )
以上都是實際例子，幫助增加效率，降低成本，不是天方夜譚，商業上誘因令客戶願竟意付錢用AI產品和服務。
這個是最後最實際的問題。
見到各科技公司買入Nvidia H100 GPU，數量驚人，尤其是Meta和Microsoft。
Nvidia GPU價錢很貴，如Microsoft是否可以回本？
現在我沒有答案，需要觀察。
要挖深一層，Microsoft是Cloud Service Provider，利用晶片建造data center，代表背後一大批Cloud客戶的應用，大量AI晶片不代表Microsoft自用。Cloud特色是time sharing，不是所有客人同一時間使用的peak hour，所以有一個平圴化效果。最大使用量是AI training之時，正好乎合Cloud Service Model。
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。
更多有關於Nvidia、半導體、AI產業分析，可以參考我的新書：《AI 投資時代．真的值得參與嗎？》主題和内容 | 發售資料
《AI 投資時代．真的值得參與嗎？》
《科技戰國．尋找科技價值投資的故事》
https://facebook.com/duncaninvest
https://instagram.com/duncannewinvest
Telegram
https://t.me/duncaninvest
謝謝支持！
參考文章
NVIDIA GTC (2024/3月)，CAUSAL TALK
NVIDIA 2023 Q4 業績，渡過了充滿質疑的 2023 年
分餅仔，半導體公司 ASML / TSM / AMD / INTEL (2022/Q4)
ARM 可能不授權阿里巴巴使用 NEOVERSE V 晶片設計，NEOVERSE 有何重要性？
ASML INVESTOR DAY 2022，未來半導體行業是危？是機？
當 AI 遇上雲計算，NVIDIA 和 MICROSOFT / ORACLE 合作的 DEAL
NVIDIA GTC (2022/9月) ，NVIDIA 仍然是 NVIDIA，只是做回自己
看台績電業績，高性能計算 HPC (HIGH PERFORMANCE COMPUTING)
Comments
Post a Comment