Patuloy na ang Nvidia bilang pinakamalaking pangalan sa AI hardware, ngunit ang paglago ng imprastruktura ay tumataas pa sa labas ng mga GPU. Maaaring makakuha ng eksposur ang mga investor sa networking, memorya, kapangyarihan, pagpapalamig at mga data center: mga larangan na maaaring makatanggap ng benepisyo habang tumataas ang demand sa AI computing.
Kumita ang Nvidia ng $75.2 bilyon sa kanyang data center sa fiscal Q1 2027, tumaas ng 92% kumpara sa nakaraang taon. Samantala, inaasahan ng IEA na tumataas ang paggamit ng kuryente sa data center sa buong mundo mula sa halos 485 TWh noong 2025 patungo sa halos 950 TWh hanggang 2030.
Ibig sabihin nito, ang AI trade ay patuloy na naging isang infrastructure trade.
Saan mag-invest sa labas ng Nvidia
| AI layer | Ano ang itinataguyod nito | Halimbawa |
|---|---|---|
| Kalkulahin | GPUs at accelerators | Nvidia, AMD |
| Networking | Nag-uugnay ng malalaking AI cluster | Broadcom, Marvell |
| Memory | High-bandwidth memory | Micron |
| Kapangyarihan at pagpapalamig | Kuryente at pagpapamahala sa init | Vertiv, Bloom Energy |
| Data centers | Kapasidad ng Physical AI | Equinix, Digital Realty, CoreWeave |
Ang gabay ni Coinpaper sa AI chips ay sumasaklaw sa semiconductor na aspeto ng stack, habang ang pagsusuri nito sa data centers ay tumitingin sa mga kumpanya na nagbibigay ng computing capacity.
Ang kapangyarihan ay maaaring maging pangunahing hadlang
Hindi nakakatulong ang pagbuo ng higit pang AI server kung ang mga data center ay hindi makakakuha ng sapat na kuryente.
Inaasahan ng IEA na maaaring mag-doble ang paggamit ng kuryente ng mga data center bago ang 2030. Maaaring makatulong ito sa mga kumpanya na nag-aalok ng elektrikal na kagamitan, mga sistema ng pagpapalamig, at onsite generation.
Ang Vertiv ay nagbibigay ng mga kagamitan sa pagpapalakas at pagpapahalamang-thermal para sa mga mataas na densidad na data center. Ang Bloom Energy ay nag-aalok ng onsite fuel-cell generation, isang lalong may kahalagang opsyon kung saan limitado ang kapasidad ng grid. Kaugnay nito, ang Coinpaper ay sinuri ang AI-driven na pagkakataon para sa Bloom.
Ang pagtaas ng gastos sa memorya ay nagpapakita rin kung paano maaaring maglipat ang mga bottleneck sa stack. Ang kamakailang balita ni Coinpaper tungkol sa server costs ay nagpakita ng pagtaas ng presyo ng mga sistema ni Nvidia habang mas tumaas ang gastos sa memorya.
Isang simpleng paraan upang ihambing ang mga aktibo ng AI infrastructure
Dapat tingnan ng mga investor ang higit pa sa paglago ng kita lamang.
Isang kapaki-pakinabang na pagsusuri na metric ay:
Efisiyensiya ng Paglago ng AI = Paglago ng kita kaugnay ng AI ÷ forward P/E
Halimbawa:
- Kumpanya A: 40% paglago ÷ 40× P/E = 1.0
- Kumpanya B: 25% paglago ÷ 20× P/E = 1.25
Mas mataas na marka ay maaaring mag-indicate na mas kaunti ang binabayad ng mga investor para sa bawat porsyento ng inaasahang paglago. Hindi ito kompletong modelo ng pagbibilang, ngunit maaari itong tumulong sa paghahambing ng mga kumpanya na nagpapatakbo sa iba’t ibang bahagi ng AI stack.
Mga iba pang mga salik ay mahalaga rin:
- Paglago ng kita mula sa AI
- Free cash flow
- Pagsasakop ng mga customer
- Mga pangangailangan sa pagsasagawa ng kapital
- Pagsusuri ng halaga
- Pagsasakop sa mga bottleneck sa imprastraktura
Ang pangunahing mensahe ay simpleng: maaaring manatili si Nvidia sa sentro ng AI computing, ngunit ang pagbuo ay lalo na nakadepende sa mga kumpanyang nag-aalok ng memorya, networking, kuryente, pagpapalamig, at pisikal na kapasidad ng data center.
Para sa mga investor na naghahanap ng mga pagkakataon sa labas ng GPUs, ang mga bottleneck sa imprastruktura ay maaaring magbigay ng ilan sa pinakamaliliwanag na pangmatagalang pagkakataon sa AI.