(Länk till artikeln med grafer, illustrationer och bilder på Placera.se)

Risker i kundernas affärsmodeller

En av de största riskerna ligger i affärsmodellen hos Nvidias kunder, särskilt stora molnleverantörer och hyperscalers som Amazon Web Services (AWS), Google Cloud och Microsoft Azure samt AI-specialiserade aktörer som hyr ut GPU-kapacitet "on-demand".

Ett exempel på en AI-specialiserad aktör är Coreweave. De erbjuder kraftfull GPU-infrastruktur för att stödja olika AI- och maskininlärningsapplikationer och gör det möjligt för företag att hyra GPU-kapacitet utan att behöva investera i egen hårdvara.

Coreweave har snabbt vuxit till att bli en av de största leverantörerna inom detta område.

Många av dessa leverantörer bygger sina affärsmodeller på antagandet att slutkunderna kommer att efterfråga tillräckligt mycket beräkningskraft för att hyra dessa dyra GPU:er på en kontinuerlig basis.

Problemet är att kunderna inte alltid har garanterade intäkter. Det innebär att molnleverantörer, särskilt de mindre AI-specialiserade bolagen, sitter på en stor mängd GPU:er med osäkra framtida hyresintäkter.

Om slutkundernas efterfrågan på AI-kapacitet inte blir så hög som prognoserna indikerar, kan detta skapa ett stort överskott av outnyttjade GPU:er, vilket i sin tur skulle minska framtida beställningar till Nvidia.

VC-risk

Ytterligare en riskfaktor är att många av dessa slutanvändare bortsett från teknikjättar som Google och Amazon är venture capital-finansierade startups. De företagen står inför en utmanande framtid där de sannolikt måste börja generera betydande intäkter för att kunna täcka de ökande kostnaderna för datorkraft.

GPU-kostnaderna har stigit dramatiskt. Mellan generationerna A100 till Hopper-generationen (H100) har priserna ökat med cirka 250 procent. Nästa generations GPU, Blackwell-serien förväntas bli ytterligare 20–30 procent dyrare.

Prishöjningarna återspeglar förbättrad prestanda, lägre energiförbrukning och högre efterfrågan på AI-kapacitet.

Om dessa startups misslyckas med att kapitalisera på sina AI-projekt och öka sina intäkter kan de på sikt få svårt att finansiera sin datorkraft. Det kan skapa en risk att de inte längre har råd med Nvidias produkter. Detta skulle i sin tur leda till en minskad efterfrågan och påverka Nvidias framtida tillväxt.

För att ytterligare komplicera situationen har Nvidia i takt med sina prisökningar förväntningar på fortsatt stark efterfrågan.

Överkapacitet

Ett annat potentiellt problem är överkapacitet. Om marknaden blir mättad på GPU:er och AI-specialiserade molnleverantörer inte kan hyra ut den kapacitet de har investerat i, kan detta leda till ett överflöd av tillgängliga GPU:er på marknaden. Detta överskott kan i sin tur resultera i en press nedåt på priserna eller en minskad orderingång för Nvidia.

Nvidias framtida intäktsströmmar är beroende av att deras kunders affärsmodeller fortsätter skapa intäkter och att slutkundernas efterfrågan på AI-kapacitet förblir stark. Eventuella förändringar i dessa variabler kan få stora konsekvenser för Nvidias tillväxtutsikter.

PÄR STÅHL