- 筆者は10年間にわたり複数のヘッジファンドで投資アナリストとして働いており、AI技術の進展と株式市場における株価評価について独自の視点を持っている
- 近年は開発者として働きながら、AIモデルやサービスに関連する複数のオープンソースプロジェクトに取り組んでいる。
# Nvidia : The Bull Case
Nvidiaの株価上昇の背景
- AIとディープラーニング技術の成長: ディープラーニングとAIはインターネット以降で最も革新的な技術と評価されており、NvidiaはGPU分野で独占的な地位を確保し、主要企業による大規模投資とインフラ支出を牽引している
- 高いマージン: データセンター向け高級製品で90%以上の高い利益率を記録
- 拡張可能な市場: AI技術の成長とともに、データセンター、ロボティクス、人間の作業代替など多様な応用分野で新たな需要が生まれている
- 「スケーリング則」: モデル性能はデータと計算資源の拡大によって継続的に改善され、Nvidiaはこれを最大限に活用している
Nvidiaの現在の地位と競争優位
- CUDAプラットフォーム: GPUプログラミングの事実上の標準となったNvidiaのソフトウェアエコシステム
- Mellanox買収: 高性能GPU間接続技術により、データセンターで競合他社に対する優位を提供
- 独自ソフトウェアとドライバ品質: AMDと比べて優れたドライバとソフトウェアの安定性
- リーダーシップ維持戦略: 高い利益を研究開発(R&D)に再投資し、技術的優位を継続的に維持
# Nvidiaに対する主な脅威
ハードウェア競争
- Cerebras: ウェハーサイズのAIチップにより、NvidiaのGPU並列処理と接続の問題を回避する新たなアプローチを提示
- Groq: 「決定論的演算」に基づく技術でAI推論性能を最大化
- 主要顧客による自社チップ開発:
- Amazon: Trainium2やInferentia2のような自社チップを導入
- Google: 第6世代TPUチップを自社開発
- MicrosoftとOpenAI: 自社AIチップ開発計画を発表
- Apple: コンシューマー向けチップで蓄積した技術をAIチップに応用できる可能性
ソフトウェア競争
- 高水準の抽象化フレームワーク:
- MLX、Triton、JAXのようなプラットフォームがCUDAの重要性を下げ、代替可能性を広げている
- コード変換技術: LLMを用いてCUDAコードを他のハードウェア向けに変換する技術が開発中
- AMDドライバの改善: オープンソース開発者たちがAMD GPUの性能最適化に向けた新しいドライバ開発を進めている
AIモデルの効率性イノベーション
- DeepSeekの登場:
- DeepSeekはFP8混合精度学習と高効率な推論技術により、Nvidia比1/45のコストで競合モデルの性能を達成
- Mixture-of-Experts(MOE)アーキテクチャを活用し、大規模モデルをメモリ効率よく実装
- 「Multi-head Latent Attention」のような技術でVRAM使用量を大幅に削減
- API呼び出しコストはOpenAIやAnthropicと比べて95%安価
産業構造の変化
- TSMCの役割: Nvidiaは自社でチップを生産しない構造のため、TSMCは他の競合他社のチップも同じプロセスで製造可能
- すべての顧客による内製化の取り組み: Nvidiaの高マージン製品への依存を下げるため、主要顧客が自社チップ設計に投資
市場見通しとNvidiaの課題
- Nvidiaの現在の株価は、2025年売上の20倍、75%以上の利益率を前提とした非常に楽観的な成長シナリオに依存している
- 効率性イノベーションとハードウェア・ソフトウェア競争の激化により、成長率鈍化とマージン低下の可能性がある
- NvidiaがAI技術分野で引き続き優位を維持したとしても、競合の継続的な挑戦は市場シェアと長期的成長性に影響を与える可能性が高い
# 結論
- NvidiaはAIイノベーションの先導企業として現在は比類ない地位にあるが、多面的な競争脅威と産業の急速な変化により、現在の高いバリュエーションを維持するのは難しいかもしれない
- 投資家はNvidiaの技術的優位とAI市場の成長可能性を前向きに評価しつつ、競合他社の技術革新と市場構造の変化によるリスクを注意深く見守る必要がある
1件のコメント
Hacker Newsの意見
DeepSeekの説明は、80〜90年代のネットワーキングの経験を思い起こさせる。当時はビデオ・オン・デマンドが大きな市場で、高度な動画コーディングアルゴリズムの可能性は軽視されていた。インターネット動画の実現は、より高速なインターネットではなく、より賢いアルゴリズムのおかげだった。
DeepSeekがより少ないリソースでより多くの仕事をこなせるなら、Jevons Paradoxが働くだろう。小さな企業でも競争できるという発想から、GPUの販売は増えるだろう。DeepSeekは、約200人の従業員で、大企業より20倍少ないコストで競合モデルを訓練できると主張している。
AIモデル開発における先行者不利を強調している。モデルを5%のコストで複製できるなら、合理的な判断は2つある。
OpenAIのような企業は、直接的なネットワーク効果を享受できるプラットフォームへと転換する必要がある。
AIコンピューティングの大半は推論に集中している。R1（680B）は、3台のコンシューマー向けコンピューターで分散実行できる。NVIDIAの強みは、数千個のGPUを効率よく接続することにあるが、それが重要なのはAIコンピューティングのごく一部にすぎないだろう。
NVIDIAの複数の強みが攻撃されている。しかし競合はそれぞれの強みを個別に攻めているだけなので、NVIDIAは依然としてすべての強みを備えた唯一の企業であり続けるだろう。
ヒューマノイドロボットAIの真の試験は洗濯物をたたむことだ。現在の技術では、依然として難しい問題である。最近、ロボットAIに進展があったのか気になる。
687B MoEモデルを一般的なハードウェアでデプロイする効率は過大評価されている。Appleハードウェアでは不可能で、デスクトップコンピューターでも辛うじて可能な程度だ。PCIe帯域幅の問題で、プログラミング作業に12分かかる。
違法な戦略があり得る。NVDAの価格反発を待ち、OpenAIの競合を作って利益を得ることだ。
DeepSeekの効果を正しく見ている人は少ない。10倍効率的なら、資源を1/10使うのではなく、10倍使うことになる。技術製品は常にこの方向に進んできた。
株式市場の空売り戦略に関心がなくても、DeepSeek v3とR1の論文には、興味深いアイデアを明快に要約した優れた技術的内容が多く含まれている。