Нvidia (NVDA) се превърна от производител на видеокартки за видео игри в доминираща сила в областта на чиповете за изкуствен интелект (ИИ) през последните години, осигурявайки голям ръст на приходите — годишният доход се увеличи с 2 500% през последното десетилетие. Чрез навлизане в пазара на ИИ чипове рано и постоянни иновации, Nvidia осигури и запази водеща позиция в индустрията. Въпреки това, някои инвеститори се тревожат за увеличаващата се конкуренция от други производители на чипове като Advanced Micro Devices и Broadcom, както и от собствени клиенти на Nvidia като Amazon и Alphabet, които са разработили свои собствени ИИ чипове за клиенти с по-нисък бюджет. Първоначално, графичните процесори (GPU) на Nvidia захранваха обучението на големи езикови модели (LLMs), които им позволяваха да учат и да придобиват знания. Днес тези GPU също така подкрепят процеса на инференция, при която LLMs „мислят“ и „разсъждават“.

Nvidia залага на инференцията като основна област за растеж на ИИ чиповете. Най-новите GPU Blackwell превъзхождат предишните модели, като постигат 10 пъти по-висока производителност на ват и 10 пъти по-ниска цена на токен в тестовете на MLCommons в сравнение с предишните Hopper чипове — което подчертава значителните напредъци в скоростта и ефективността на разходите. Главният изпълнителен директор на Nvidia, Дженсън Хуанг, подчерта постоянната предимство на компанията по време на последното отчета за приходи, заявявайки, че „ще мине много време, преди някой да успее да го надмине“, и потвърди лидерството на Nvidia като „по-скоро многогодишно“. Докато конкурентите може да намерят нишови пазари — тъй като някои клиенти може да не се нуждаят от най-мощните GPU или да предпочитат персонализирани чипове — Nvidia остава водещият доставчик на най-високопроизводителната изчислителна мощ за ИИ. Нейните силни дебели маржове над 70%, рекордните приходи над 130 милиарда долара за последната фискална година и продължаващите иновации я позиционират добре за бъдещ растеж, особено с растящото значение на инференционните натоварвания за захранване на ИИ приложения.