To niezwykła deklaracja również dlatego, że Nvidia zazwyczaj nie publikuje szczegółowych prognoz na cały kolejny rok. Jensen Huang otwarcie przyznał podczas konferencji wynikowej, że firma chciała pokazać inwestorom skalę popytu, którą widzi ze strony klientów. Według Nvidii zapotrzebowanie na infrastrukturę AI jest nawet większe niż możliwości produkcyjne firmy, a ograniczeniem przyszłego wzrostu może być przede wszystkim dostępność komponentów. Sztuczna inteligencja przestaje jednocześnie być eksperymentalną technologią używaną przez kilka największych laboratoriów. Układy Nvidii kupują operatorzy chmur, startupy, przedsiębiorstwa, państwa oraz firmy budujące własne centra danych. Jeżeli prognoza się sprawdzi, obecny boom na AI może potrwać znacznie dłużej, niż jeszcze kilka miesięcy temu zakładała część rynku.
Najważniejsze jest właściwe zrozumienie liczby 70 proc. Nie chodzi o prognozę wzrostu w najbliższym kwartale, lecz o wstępne oczekiwania Nvidii dotyczące przychodów w następnym roku fiskalnym, czyli FY2028. Firma spodziewa się, że sprzedaż będzie wtedy około 70 proc. wyższa niż w roku poprzednim. To bardzo dużo dla przedsiębiorstwa, które już obecnie generuje dziesiątki miliardów dolarów przychodów w pojedynczym kwartale. Analitycy przed publikacją wyników oczekiwali wzrostu na poziomie około 44 proc., dlatego nowe szacunki wyraźnie przekroczyły dotychczasowy konsensus Wall Street. Sama Nvidia zaznacza, że jest to prognoza wstępna, ale zdecydowała się ujawnić ją właśnie dlatego, że zamówienia i plany klientów dają firmie wyjątkowo dobrą widoczność przyszłego popytu.
Jeszcze bardziej interesujące jest to, że według Jensena Huanga rzeczywisty popyt może uzasadniać nawet większy wzrost. Podczas rozmowy z analitykami CEO Nvidii stwierdził, że zapotrzebowanie klientów przekracza możliwości pozwalające firmie zrealizować 70-procentową ekspansję. Innymi słowy, obecnym problemem nie jest znalezienie odbiorców na procesory AI, ale wyprodukowanie wystarczającej liczby całych systemów. To fundamentalna różnica w porównaniu z klasycznym cyklem na rynku półprzewodników, gdzie po okresach szybkiego wzrostu często pojawiała się nadpodaż. Nvidia zakłada obecnie, że ograniczenia podaży mogą utrzymywać się co najmniej do końca roku fiskalnego 2028. Jeżeli tak się stanie, potencjalna sprzedaż firmy będzie częściowo zależeć nie od liczby zamówień, lecz od tego, ile systemów rzeczywiście uda się wyprodukować i dostarczyć klientom.
Drugi kwartał fiskalnego 2027 roku zakończył się przychodami w wysokości 96,221 mld dolarów. Oznacza to wzrost o 18 proc. w porównaniu z poprzednim kwartałem i aż o 106 proc. względem analogicznego okresu poprzedniego roku. Zysk netto według standardów GAAP wyniósł 59,7 mld dolarów, czyli był o 126 proc. wyższy niż rok wcześniej. Liczby pokazują, jak bardzo skala działalności Nvidii zmieniła się od rozpoczęcia boomu generatywnej AI. Spółka, która przez lata była kojarzona przede wszystkim z kartami graficznymi GeForce dla graczy, zdecydowaną większość przychodów uzyskuje obecnie ze sprzedaży infrastruktury do centrów danych. Na kolejny kwartał Nvidia prognozuje około 108 mld dolarów przychodów, z możliwością odchylenia o 2 proc. w obie strony.
Najważniejszym silnikiem pozostaje Data Center. Segment wygenerował w kwartale 89 mld dolarów przychodów, o 117 proc. więcej niż rok wcześniej i o 18 proc. więcej niż w poprzednim kwartale. Wzrost był napędzany przede wszystkim przez infrastrukturę Blackwell Ultra. Sprzedaż do największych operatorów chmurowych ponad dwukrotnie wzrosła w ujęciu rocznym, ale szybko rośnie również popyt ze strony przedsiębiorstw, firm specjalizujących się w AI oraz podmiotów budujących krajową infrastrukturę sztucznej inteligencji. Dane pokazują więc, że boom nie opiera się już wyłącznie na kilku kontraktach z Microsoftem, Google, Amazonem czy Metą. Powstaje szerszy rynek infrastruktury AI, na którym coraz więcej organizacji chce posiadać własną moc obliczeniową zamiast korzystać wyłącznie z usług największych dostawców chmurowych.
Pierwsza fala generatywnej AI była napędzana przede wszystkim przez trenowanie ogromnych modeli językowych. Firmy potrzebowały dziesiątek tysięcy procesorów graficznych, aby tworzyć coraz większe systemy. Początkowo można było zakładać, że po zbudowaniu odpowiednich modeli zapotrzebowanie na infrastrukturę zacznie zwalniać. Stało się jednak coś odwrotnego. Coraz większą część obciążenia generuje obecnie inferencja, czyli faktyczne używanie gotowych modeli przez użytkowników i aplikacje. Każde pytanie skierowane do asystenta AI, wygenerowany obraz, analiza dokumentu czy zadanie wykonane przez agenta wymaga mocy obliczeniowej. Przy setkach milionów użytkowników i coraz większej liczbie zastosowań suma potrzebnych obliczeń rośnie niezwykle szybko.
Szczególnie istotny jest rozwój agentic AI. Zwykły chatbot wykonuje zazwyczaj pojedyncze polecenie i czeka na następną wiadomość człowieka. Agent może natomiast samodzielnie wykonać serię kilkunastu lub kilkudziesięciu operacji, analizować dokumenty, korzystać z narzędzi, pisać kod i poprawiać własne rezultaty. Jensen Huang zwrócił uwagę, że agent może zużywać wielokrotnie więcej mocy obliczeniowej niż tradycyjna interakcja użytkownika z modelem. Jeżeli przedsiębiorstwa zaczną uruchamiać tysiące albo miliony takich agentów działających przez całą dobę, zapotrzebowanie na GPU może wzrosnąć znacznie bardziej niż wynikałoby wyłącznie ze wzrostu liczby użytkowników chatbotów. Właśnie ten scenariusz stanowi jeden z fundamentów bardzo optymistycznej prognozy Nvidii.
Blackwell stał się podstawą obecnego wzrostu, ale Nvidia już wprowadza następną generację infrastruktury AI. Platforma Vera Rubin znajduje się w produkcji, a pierwsze systemy działają u partnerów takich jak CoreWeave, Google Cloud, Microsoft Azure, Oracle Cloud Infrastructure oraz Nebius. Firma spodziewa się, że już w trzecim kwartale fiskalnego 2027 roku Rubin będzie odpowiadał za około 20 proc. przychodów segmentu Data Center. Tempo przechodzenia na nową architekturę pokazuje, jak szybko skrócił się cykl rozwoju infrastruktury AI. Operatorzy centrów danych nie czekają kilku lat na wymianę sprzętu, ponieważ nowsze procesory mogą znacząco zwiększać liczbę wykonywanych obliczeń przy podobnym zużyciu energii i powierzchni centrum danych.
Vera Rubin ma również większe znaczenie niż kolejna generacja pojedynczego GPU. Nvidia coraz mocniej sprzedaje kompletne platformy obejmujące procesory graficzne, CPU, pamięć, sieci, przełączniki, oprogramowanie i całe szafy obliczeniowe. Dzięki temu rośnie wartość pojedynczego wdrożenia. Klient nie kupuje już kilku tysięcy kart graficznych, ale całe środowisko potrzebne do budowy tak zwanej fabryki AI. Strategia jest szczególnie istotna w czasach, gdy wydajność największych modeli zależy od sprawnej komunikacji pomiędzy ogromną liczbą procesorów. Przewaga Nvidii wynika więc nie tylko z możliwości samych GPU, ale również z całego ekosystemu sprzętu i oprogramowania. Jeżeli Rubin zostanie przyjęty przez rynek równie dobrze jak Blackwell, może być jednym z najważniejszych czynników umożliwiających osiągnięcie zapowiadanego 70-procentowego wzrostu.
Przez pierwszą część boomu na AI rynek był mocno uzależniony od inwestycji kilku gigantów technologicznych. Microsoft, Amazon, Alphabet i Meta przeznaczały dziesiątki miliardów dolarów na budowę centrów danych, a Nvidia była największym beneficjentem tych wydatków. Obecnie struktura popytu zaczyna się jednak rozszerzać. Firma informuje o szybko rosnących zamówieniach ze strony laboratoriów AI, startupów, przedsiębiorstw, operatorów tak zwanych neo-cloudów oraz państw rozwijających własne programy sovereign AI. Według informacji przedstawionych po wynikach laboratoria rozwijające modele AI mogą odpowiadać w następnym roku za około jedną czwartą działalności Nvidii.
Bardzo szybko rozwijają się również operatorzy infrastruktury wyspecjalizowanej w AI, tacy jak CoreWeave czy Nebius. Nvidia oczekuje, że łączna infrastruktura GPU w grupie neo-cloudów zwiększy się z około 3 GW pod koniec poprzedniego roku do ponad 8 GW. Jednocześnie tradycyjni dostawcy chmury nadal zwiększają zamówienia. Nvidia i Amazon Web Services ogłosiły plan wdrożenia dodatkowych 2 mln procesorów graficznych Nvidii w globalnej infrastrukturze AWS w latach 2027-2028. To jeden z najlepszych przykładów skali obecnego wyścigu. Nawet przedsiębiorstwa posiadające już ogromne centra danych nie traktują infrastruktury AI jako zakończonej inwestycji. Budują kolejne obiekty, ponieważ oczekują dalszego wzrostu liczby modeli, agentów i usług wykorzystujących sztuczną inteligencję.
Paradoksalnie największym problemem Nvidii może być obecnie zbyt duży popyt. Firma otwarcie przyznaje, że cały łańcuch dostaw pracuje pod ogromną presją. Szczególnie trudna sytuacja dotyczy pamięci stosowanych w systemach AI. Nowoczesne akceleratory potrzebują ogromnej przepustowości, dlatego korzystają między innymi z zaawansowanych pamięci HBM. Rozwój centrów danych zwiększył zapotrzebowanie tak szybko, że producenci komponentów mają trudności z odpowiednim zwiększaniem podaży. Nvidia zapowiada, że ograniczenia mogą utrzymywać się przynajmniej do końca roku fiskalnego 2028. Firma zwiększyła również zapasy do około 32 mld dolarów, przygotowując się na rozpoczęcie produkcji platformy Vera Rubin.
Niedobory oznaczają nie tylko ograniczoną liczbę dostępnych systemów, ale również wyższe koszty. Nvidia ostrzegła, że ceny pamięci wzrosły bardziej, niż wcześniej zakładano, i mogą zwiększać się także w kolejnym roku. W rezultacie marża brutto, wynosząca obecnie około 75 proc., może w czwartym kwartale spaść do około 71-72 proc., a następnie ustabilizować się w rejonie 72-73 proc. w roku fiskalnym 2028. Firma planuje częściowo rekompensować droższe komponenty zmianami cen swoich produktów. Jest to ważne przypomnienie, że boom na AI nie gwarantuje automatycznie nieograniczonego wzrostu zysków. Budowa serwerów wymaga ogromnych ilości pamięci, energii, urządzeń sieciowych i innych komponentów, a popyt generowany przez AI wpływa jednocześnie na ceny całego łańcucha dostaw.
Rynek chiński pozostaje jednym z największych źródeł niepewności. Stany Zjednoczone od kilku lat wprowadzają ograniczenia dotyczące eksportu najbardziej zaawansowanych procesorów AI do Chin. Regulacje były wielokrotnie modyfikowane, a Nvidia przygotowywała specjalne wersje swoich produktów odpowiadające obowiązującym przepisom. W drugim kwartale fiskalnego 2027 roku dostawy produktów Data Center opartych na architekturze Hopper do Chin odpowiadały za mniej niż 1 proc. przychodów tego segmentu. Co szczególnie ważne, przygotowując prognozę 108 mld dolarów przychodów na trzeci kwartał, Nvidia nie uwzględniła żadnej sprzedaży procesorów obliczeniowych Data Center do Chin.
Z jednej strony ogranicza to potencjalne przychody z jednego z największych światowych rynków technologicznych. Z drugiej pokazuje siłę popytu w pozostałych regionach. Nvidia potrafi prognozować dalszy bardzo szybki wzrost nawet bez zakładania znaczącej sprzedaży zaawansowanych akceleratorów w Chinach. Jeśli sytuacja regulacyjna w przyszłości pozwoli zwiększyć dostawy, rynek chiński może stać się dodatkowym źródłem wzrostu. Nie można jednak budować na tym pewnych prognoz, ponieważ relacje handlowe pomiędzy Stanami Zjednoczonymi i Chinami pozostają podatne na decyzje polityczne. Dodatkowo chińskie przedsiębiorstwa rozwijają własne procesory AI, co w dłuższym terminie może prowadzić do powstania alternatywnego ekosystemu sprzętowego niezależnego od amerykańskich producentów.
Najnowsze wyniki zdecydowanie osłabiają argument, że popyt na AI już zaczyna gwałtownie zwalniać. Przychody Nvidii nadal rosną w tempie przekraczającym 100 proc. rok do roku, segment centrów danych zwiększył sprzedaż o 117 proc., a firma oczekuje kolejnego ogromnego wzrostu również w następnym roku fiskalnym. Klienci rezerwują infrastrukturę na wiele kolejnych kwartałów, nowe generacje GPU szybko trafiają do centrów danych, a liczba firm wykorzystujących sztuczną inteligencję zwiększa się. Sam fakt, że Nvidia po raz pierwszy zdecydowała się przedstawić tak daleką prognozę, pokazuje, jak dużą pewność daje jej obecny portfel zamówień i plany największych klientów.
Nie oznacza to jednak, że rynek AI stał się całkowicie wolny od ryzyka. Największe firmy technologiczne wydają setki miliardów dolarów na infrastrukturę, a inwestorzy coraz częściej pytają, czy przychody generowane przez usługi AI będą wystarczająco wysokie, aby uzasadnić tę skalę nakładów. Istnieje również ryzyko ograniczeń energetycznych, niedoborów pamięci, wzrostu kosztów komponentów, regulacji eksportowych oraz powstania skuteczniejszych konkurencyjnych akceleratorów. Obecne wyniki pokazują jednak, że ewentualne schłodzenie rynku nie następuje jeszcze w 2026 roku. Nvidia widzi wręcz przyspieszenie popytu. Jeżeli prognozowany 70-procentowy wzrost rzeczywiście zostanie osiągnięty, historia boomu na AI wejdzie w kolejny etap, w którym pytaniem przestanie być to, czy firmy będą budować centra danych, a stanie się nim to, jak szybko przemysł jest w stanie dostarczać potrzebną im infrastrukturę.
