#NVIDIAEarnings

NVIDIAの決算が、また記録的な四半期を超える、はるかに大きな事実を裏付けた
NVIDIAの最新の業績は、単にある半導体企業にとって強気な内容というだけではありません。それは、世界のAIインフラ経済がどれほど速く拡大しているかを示すリアルタイムの指標になりつつあります。2027会計年度第2四半期の売上高は962億ドルに達し、前年同期比106%増となりました。一方、データセンター部門の売上高は驚異的な890億ドルに達し、前年同期比117%増となりました。さらに重要なのは、NVIDIAが次の四半期の売上高を約1,080億ドルと見込んでいることです。これらの数字は、AIインフラへの支出がまだ減速していないことを示しています。

しかし、より大きな問題は、NVIDIAの先に何が起こるのかということです。

新しいAIファクトリーには、アクセラレーターだけでなく、はるかに多くのものが必要です。大規模なGPU導入の背後には、広帯域メモリ、DRAM、先進パッケージング、ネットワーキング、光学部品、ストレージ、サーバーCPU、電力インフラ、冷却などが関わる複雑な半導体エコシステムがあります。AIのコンピューティング容量が拡大すると、需要はテクノロジーのサプライチェーン全体のほぼすべてに波及する可能性があります。

メモリは、注目すべき最も重要なボトルネックの一つです。

AIワークロードは非常にデータ集約的であり、広帯域メモリは現代のアクセラレータ・プラットフォームにおける重要な構成要素となっています。コンピューティング密度が高まるにつれ、プロセッサとメモリの間でデータを迅速に移動させる能力は、生の処理能力と同じくらい重要になります。これは、AIブームがGPUを超えた半導体需要の第二の層を生み出し、メモリメーカーに恩恵をもたらす一方で、システムビルダーの部品コストを同時に押し上げる可能性があることを意味します。

これは投資家にとって興味深いバランスを生み出します。強いメモリ需要は価格と売上高の成長を支える可能性がありますが、部品価格の持続的な上昇は、サプライチェーンの下流に行くほど利益率をさらに圧迫する可能性もあります。NVIDIA自身、第2四半期の粗利益率が75%だったと報告しましたが、第3四半期の見通しは約74%となっており、並外れた需要がコスト圧力を消し去るわけではないことを示しています。

次に重要な分野はネットワーキングです。

数千個ものアクセラレーターは、孤立したチップとして効率的に動作することはできません。GPU、CPU、メモリ、ストレージの間で、極めて高速な通信を行う必要があります。NVIDIAの最新のプラットフォーム拡張には、プラガブル光学系とコパッケージド光学系の両方をサポートするSpectrum-6スイッチシステムが含まれており、これらのシステムは大規模なAIファクトリー全体に導入されています。これは重要なシグナルです。AIインフラの機会が、コンピューティングから高速接続層へと広がっているのです。

ここで、光ネットワーキングがますます重要になります。

AIクラスターが大規模になるにつれ、膨大な量のデータをマシン間で移動させることが、根本的なエンジニアリング上の課題になります。アクセラレーターの高速化によって必要な帯域幅が増大し、スイッチ、光モジュール、インターコネクトおよび関連部品への需要が高まります。したがって、AIサイクルの次の段階で勝者となるのは、注目を集めるプロセッサを製造する企業だけでなく、こうしたインフラのボトルネックを解決する企業も含まれる可能性があります。

NVIDIAは、CPUおよびシステム全体の市場にもさらに深く進出しています。

同社のVera RubinプラットフォームにはVera CPUが含まれており、AIワークロード向けに設計された、コンピューティング、ネットワーキング、ストレージ技術のより幅広い構成も備えています。NVIDIAは、単なるGPUサプライヤーではなく、完全なアクセラレーテッド・コンピューティング・インフラの提供者として、ますます自社を位置づけています。

これは、半導体サイクルの分析方法を変えます。

「NVIDIAは何個のGPUを販売するのか」とだけ問うのではなく、「AIコンピューティングが1単位増えるごとに、どれだけのインフラが必要になるのか」と問うことが、より重要になりつつあります。

1回のGPU導入は、メモリ需要を引き起こす可能性があります。メモリの増加には先進パッケージングが必要です。より大規模なクラスターには、より高速なネットワーキングが必要です。高速ネットワーキングには、光接続が必要です。より大規模なデータセンターには、より多くのストレージ、CPU、電力、冷却が必要です。そして、新しいAIファクトリーが増えるたびに、システム全体を支える半導体製造能力が必要になります。

これは強力な乗数効果を生み出します。

このサイクルを過去の半導体ブームとは構造的に異なるものにする可能性がある、もう一つの大きな進展があります。それは、AIがトレーニングから、継続的な推論およびエージェント型ワークロードへと移行していることです。

トレーニングは、最初の巨大なコンピューティング需要の波を生み出しました。しかし、AIエージェントがコーディング、検索、カスタマーサポート、金融分析、ヘルスケア、ロボティクス、製造、企業向けアプリケーションなどで継続的にタスクを実行し始めれば、コンピューティング需要はモデルのトレーニングイベント周辺に集中するのではなく、持続的なものになる可能性があります。

NVIDIA自身、AIが転換点に到達していると説明し、コンピューティングが生産的かつ収益性の高い業務とますます結びついていることを強調しました。この違いは重要です。なぜなら、物語を「企業は将来に投資しなければならないためAIを購入している」から、「AIが自社の事業経済の一部になりつつあるため、企業はコンピューティングを購入している」へと変えるからです。

しかし、これはすべての半導体企業が自動的に勝つという意味ではありません。

最大のリスクは、需要よりも早く供給が追いつくこと、またはAIインフラの経済性が魅力を失うことです。AI能力の構築には、莫大な設備投資、電力、冷却、ネットワーキング、半導体製造能力が必要です。顧客がそのインフラから十分なリターンを生み出せなければ、支出は最終的により選別的になる可能性があります。

バリュエーションもまたリスクです。

AI産業が力強く成長していても、市場の期待が実際の利益の伸びを上回れば、大幅な市場調整を経験する可能性があります。したがって投資家は、実際の受注、生産拡大、持続可能なキャッシュフローを持つ企業と、主にAIという物語の恩恵を受けている企業を区別する必要があります。

これが、NVIDIAの決算が非常に重要な理由です。

この結果は、AI関連株のすべてが今後も上昇し続けることを証明するものではありません。しかし、AIインフラに対する根本的な需要が依然として驚異的に強く、業界がなお大きな生産能力とサプライチェーンの制約に対応していることを示しています。

私の最大の takeaway はシンプルです。

AI投資の第一波は、モデルを構築する企業を見つけることでした。

第二波は、アクセラレーターを製造する企業をめぐるものでした。

次の波は、それらのアクセラレーターを取り巻くボトルネックをめぐるものになる可能性があります。

メモリ。ネットワーキング。光接続。先進パッケージング。CPU。ストレージ。電力。冷却。ファウンドリー。

半導体の機会は、GPUそのものよりもはるかに大きくなりつつあります。

NVIDIAはAI革命を動かすエンジンかもしれませんが、真の経済的機会は、そのエンジンを取り巻いて構築される機械全体へと、ますます広がっていく可能性があります。

AIはもはや、より賢いチップだけの物語ではありません。

それは世界規模のインフラ構築へと変わりつつあり、NVIDIAの最新決算は、その構築が今も加速していることを示唆しています。

$NVDA ‌@Gate_Square