Fast die Hälfte von Nvidias Q2-Umsatz stammt von vier anonymen Kunden mit Käufen von jeweils über 3 Milliarden Dollar

• Während der Wettbewerb um Investitionen in AI-Rechenzentren zunimmt, stammten 46 % von Nvidias Umsatz im 2. Quartal in Höhe von 30 Milliarden Dollar, also rund 13,8 Milliarden Dollar, aus Direktkäufen von vier anonymen Kunden
• Diese Kunden machten jeweils mehr als 10 % des Gesamtumsatzes aus, und sämtliche Käufe standen mit dem Verkauf von Chips für Rechenzentren in Verbindung, dem zentralen Wachstumstreiber von Nvidia
• AI-Chips wie der H200 werden nicht nur für das Training großer Sprachmodelle wie GPT-4 eingesetzt, sondern auch zur Erzeugung von Antworten auf Prompts in ChatGPT und Sora
• Die 10-Q-Offenlegung zeigt, dass es Zeiträume gab, in denen ein erheblicher Teil des Umsatzes von einer begrenzten Zahl von Kunden stammte, und dass sich diese Umsatzkonzentration fortsetzen könnte
• Jensen Huang sagte zwar, der Kundenstamm sei „relativ diversifiziert“, doch im Vorjahreszeitraum gab es keine Direktkunden mit mehr als 10 %, sodass am Markt weiter Sorgen über die Nachhaltigkeit des Wachstums bestehen

---

Vier Großkunden bestimmten den Umsatz im 2. Quartal

• Nvidia meldete für das 2. Quartal mehr als eine Verdopplung des Umsatzes, wobei ein erheblicher Teil des Zuwachses von wenigen Großkunden kam
• Laut der 10-Q-Pflichtmitteilung entfielen bei 30 Milliarden Dollar Umsatz 46 % auf direkte Käufe von vier anonymisierten Kunden
  • Das entspricht rund 13,8 Milliarden Dollar
  • Anteil der Direktkäufe: {p:46}
  • Jeder Kunde stand für mehr als 10 % des Gesamtumsatzes
  • Sämtliche Käufe standen mit dem Verkauf von Chips für Rechenzentren in Zusammenhang
• Allein der Umsatzbeitrag dieser vier Kunden war größer als Nvidias Gesamtumsatz im entsprechenden Vorjahresquartal

Nachfrage nach AI-Rechenzentren und mögliche anonyme Kunden

• Die Namen der Kunden werden aus Wettbewerbsgründen nicht offengelegt
• Als mögliche anonyme Großkunden aus dem AI-Bereich werden Amazon, Meta, Microsoft, Alphabet, OpenAI und Tesla genannt
• Parallel dazu zeigt sich auch der Trend, dass Unternehmer wie Elon Musk im AI-Goldrausch den Aufbau von Rechenzentren beschleunigen
  • Musk veröffentlichte Aufnahmen aus dem Inneren des neuen AI-Trainings-Superclusters Cortex am Tesla-Hauptsitz in Austin, der zur Lösung realer AI-Probleme dienen soll

Wo Nvidia-Chips eingesetzt werden

• Zu Nvidias gefragten Produkten gehören AI-Chips wie der H200
• Diese Chips werden für das Training großer Sprachmodelle wie GPT-4 von OpenAI benötigt
• Sie kommen auch beim Inference-Prozess zum Einsatz, wenn ChatGPT oder Sora Antworten auf Text-Prompts erzeugen

Umsatzkonzentration schürt Sorgen um die Nachhaltigkeit

• Die Abhängigkeit von wenigen Großkunden verstärkt die Sorgen am Markt, wie lange Nvidias Wachstumstempo anhalten kann
• Einige Investoren wie Elliott Management und Citadel sehen die Nachhaltigkeit des Wachstums rund um generative AI skeptisch
• Die Halbleiterindustrie gilt historisch als Branche mit ausgeprägten Boom-und-Bust-Zyklen
• Es wurde erwartet, dass die Nvidia-Aktie zum Handelsstart am Donnerstag schwächer als der breite Aktienmarkt eröffnen würde

„Customer B“ zeigt das Ausmaß der Konzentration

• Nvidia weist im Quartalsbericht unter „concentration of revenue“ gesondert auf das Risiko einer Kundenkonzentration hin
• Es habe Zeiträume gegeben, in denen ein erheblicher Umsatzanteil von einer begrenzten Zahl von Kunden stammte, und dieser Trend könne anhalten
• Auch die Profitabilität liegt auf sehr hohem Niveau
  • Nvidia behielt im ersten Halbjahr von jeweils 10 Dollar Umsatz 5,60 Dollar als Nettogewinn
  • Der Gewinn nach Steuern stieg gegenüber dem Vorjahr auf fast das Vierfache und erreichte 31,5 Milliarden Dollar
• Der in der Offenlegung genannte „Customer B“ stand durch Direktkäufe für 11 % des Umsatzes von 30 Milliarden Dollar
  • Das ist mehr als der Umsatz von 2,9 Milliarden Dollar in Nvidias zweitgrößtem Geschäftsbereich Gaming
  • Über das gesamte erste Halbjahr hinweg lag Customer B unter der 10-%-Schwelle, was darauf hindeutet, dass die Ausgaben im vergangenen Quartal stark erhöht wurden
  • Für „Customer C“ nennt Nvidia dieselben Werte, sodass dieselbe Interpretation gilt

Die Lücke zwischen Aussagen von Jensen Huang und den offengelegten Zahlen

• In einem Interview bei Bloomberg TV sagte Jensen Huang auf die Frage nach Nachfrage jenseits von Hyperscalern wie Microsoft, Google und Amazon, der Kundenstamm sei „heute relativ diversifiziert“
• Anders als diese auf eine breite Kundschaft gestützte Aussage zeigen Nvidias eigene Zahlen eine wachsende Abhängigkeit von einzelnen Großkunden
• Im entsprechenden Vorjahreszeitraum gab es weder im 1. noch im 2. Quartal Direktkunden, die mehr als 10 % des Gesamtumsatzes ausmachten
• Nvidia reagierte nicht sofort auf eine Bitte von Fortune um Stellungnahme

[GN⁺]

Meinungen auf Hacker News

• Laut Observer sollen es Microsoft, Meta, Google und Amazon sein.
  Weitere große Käufer sind Oracle, CoreWeave, Lambda, Tencent, Baidu, Alibaba, ByteDance, Tesla und xAI.
  https://observer.com/2024/06/nvidia-largest-ai-chip-customer...

  • Meta hat in allen Ergebnispräsentationen dieses Jahres direkt Investitionen in Infrastruktur und steigende Capex in Milliardenhöhe bis Ende 2025 erwähnt, daher lässt sich Meta als einer davon bestätigen.
  • Apple scheint eigene Halbleiter zu verwenden.
    Das war ein großer Erfolg für Apple; ich frage mich, ob andere FAANG-Unternehmen dem tatsächlich folgen können.
  • Früher kamen über 50 % von NVIDIAs Serverumsatz von Hyperscalern, und das sind genau dieselben vier Unternehmen wie oben.

• Ehrlich gesagt wirkt das gar nicht so mysteriös. Es dürfte höchstens 5–6 Kandidaten geben.

  • Weil es Unternehmen wie CoreWeave gibt, die Beschleuniger vermieten, ist diese Analyse möglicherweise weniger einfach, als sie auf den ersten Blick scheint.
  • Die Namen wurden zwar nicht veröffentlicht, aber auch der Artikel sagt, dass Amazon, Meta, Microsoft, Alphabet, OpenAI und Tesla wahrscheinlich dazugehören.
  • Wer auch immer diese vier sind: Die übrigen zwei unter den sechs Kandidaten dürften vermutlich auch nicht weit zurückliegen.

• Ich finde, Meta war bei seinen GPU-Käufen ziemlich transparent. 350.000 H100 können ohne Weiteres einem Volumen von mehreren Milliarden Dollar entsprechen.
  https://blogs.nvidia.com/blog/meta-llama3-inference-accelera...

• Es gibt zwei Fragen zu beantworten:

  1. Können Chatbots deutlich effektiver werden als heute? Alle großen Anbieter scheinen in eine Stagnationsphase zu kommen, und die Differenzierung der Modelle fühlt sich zunehmend wie eine Commodity an, was für nachhaltige GPU-Verkäufe nicht gut aussieht. Wenn das Halluzinationsproblem nicht gelöst wird, ist auch unklar, ob diese Generation von AI überhaupt in großem Maßstab ausgerollt werden kann.
  2. Gibt es außerhalb von LLMs wirklich große Einsatzfelder für AI? Autonomes Fahren wirkt wie eine wichtige Säule, aber ich weiß nicht, wie produktionsreif es ist. Anwendungen wie Wirkstoffentwicklung werden ebenfalls genannt, doch es ist schwer einzuschätzen, wie viel GPU-Nachfrage sie realistisch erzeugen können. Bei Bildgeneratoren hat sich nach der Neuheitsphase der Adoptionskurve gezeigt, dass viele Experimente nicht nachhaltig waren. Auch persönlich: Vor einem Jahr haben meine Freunde massenhaft Bilder erzeugt, heute tun sie das kaum noch.
  • Wenn man „außerhalb von LLMs“ als „außerhalb von Textverarbeitung“ versteht, lautet die Antwort Robotik.
    Imitation Learning mit LLMs funktioniert erstaunlich gut. Bis zur praktischen Reife braucht es hohe Investitionen in Daten und Training, aber die frühen Signale zeigen, dass sich in der Robotik neue Umsatzquellen eröffnen könnten.
    Die verbleibende Hürde ist die Inferenzgeschwindigkeit. Damit ein intelligenter Roboter mit vernünftiger Geschwindigkeit handeln kann, müsste die Prompt-Verarbeitung meiner Ansicht nach etwa 10.000 Token pro Sekunde erreichen. Bei 8B-Modellen nähert man sich mit Chips von Groq und Cerebras diesem Niveau, aber diese 8B-Modelle sind besonders nach Fine-Tuning mit Robotikdaten zu dumm, und 70B-Modelle sind noch 20-mal langsamer als praktisch erforderlich.

• Wenn die AI-Blase platzt, wird das wohl unschön.

  • Ich würde nicht darauf wetten, dass die Nachfrage nach Rechenleistung im großen Maßstab auf absehbare Zeit gering sein wird.
    Selbst wenn die AI-Blase platzt, werden die Leute übrig gebliebene GPUs für andere Zwecke nutzen.
  • Ich verstehe nicht ganz, warum sich diese Stimmung immer wiederholt.
    AI und LLMs erweitern meine Fähigkeiten erheblich, und je mehr ich mich an diese neue Kraft gewöhne, desto häufiger nutze ich sie im Alltag.
    Die NVIDIA-Aktie mag überbewertet sein, aber AI selbst ist ein befähigendes Werkzeug. Es ist schwer vorstellbar, dass die Nutzung nicht weiter zunimmt, und wenn die Fähigkeiten wachsen, wird man sie noch mehr einsetzen. Schon wenn ein paar Bugs behoben werden und die Integration reibungsloser wird, entstehen viel mehr Einsatzmöglichkeiten.
  • Seltsamerweise fühlt es sich an, als wäre 1999 wieder da.
  • Es ist schade, dass so viele Rechenressourcen aufgebaut werden, aber offenbar nichts davon nach unten durchsickern wird. Wenn sie später verramscht werden, wäre es spannend, als Hobby damit herumzuhacken.
  • Ich weiß nicht genau, wie das Platzen aussehen soll. Hören ChatGPT und Google Assistant plötzlich auf zu funktionieren?

• Das ist ein Clickbait-Titel. Der Artikel zitiert ebenfalls Zahlen aus einem Jensen-Interview.
  https://youtu.be/NC5NZPrxbHk?si=8uQ4zdMU02f4X1Hc (1:41)
  Gemeint sind Hyperscaler und Meta. In der Unternehmenssprache meint Hyperscaler AWS, GCP und Azure.

• Das ist ein ziemlich guter Indikator für die absurde Überhitzungsblase rund um AI.

  • Es ist ja nicht so, dass AI in den letzten drei Jahren nichts geleistet hätte; sie steht gerade erst am Anfang.
    Derzeit nimmt niemand NVIDIA Marktanteile ab. Groq und Tenstorrent sind sehr vielversprechend, aber beide sind noch private Unternehmen. Wenn Groq an die Börse geht, könnten „Experten“ eine Weile lang den Untergang von NVIDIA ausrufen und die NVIDIA-Aktie etwas ins Wanken bringen. Danach könnte die Nachfrage nach General-Purpose-GPUs wegen dieser Firmen zurückgehen, und wenn NVIDIA den Bereich als attraktiv genug einschätzt, wird das Unternehmen meiner Meinung nach womöglich auch dedizierte AI-Beschleuniger verkaufen.
  • Ich bin derzeit eher positiv gegenüber AI eingestellt, aber trotzdem klingt das nach einer Halbleiterblase.
    NVIDIA wirkt wie ein Unternehmen, das solche Blasen gut mitnimmt. Früher war es Krypto-Mining, jetzt ist es AI.
    Es würde mich nicht überraschen, wenn einer der großen Käufer ein spekulativer Akteur wäre, zum Beispiel ein von Leuten aus dem Kryptobereich geführter Hedgefonds.

• Soweit ich mich erinnere, müssen börsennotierte Unternehmen Kunden, die mehr als 10 % des Umsatzes ausmachen, im 10-K offenlegen, daher werden solche Kunden nicht lange „mysteriöse Wale“ bleiben.

• Es ist sehr wahrscheinlich, dass auch ein oder zwei Nachrichtendienste große Käufer sind. Sie könnten zwar mieten, aber diese Variante könnte Sicherheitsfolgen haben, die schwer hinzunehmen sind.