Nvidia z rekordowym kwartałem, ale inwestorzy patrzą już dalej

Wyniki Nvidii: liczby były bardzo mocne

Nvidia zakończyła drugi kwartał roku fiskalnego 2027 przychodami w wysokości 96,221 mld dolarów. Oznacza to wzrost o 18% kwartał do kwartału i o 106% rok do roku. Najważniejszy segment, Data Center, wygenerował 89,0 mld dolarów, czyli o 117% więcej niż w analogicznym okresie poprzedniego roku. Marża brutto GAAP i non-GAAP wyniosła 75%.

Warto jednak sprostować często powtarzaną liczbę dotyczącą zysku na akcję. 2,46 dolara było rozwodnionym zyskiem GAAP, liczonym według ogólnie przyjętych zasad rachunkowości. Skorygowany, czyli non-GAAP, zysk na akcję wyniósł 2,22 dolara.

To właśnie wartość 2,22 dolara należy porównywać z rynkowym konsensusem dla skorygowanego EPS. Nvidia przebiła oczekiwania zarówno pod względem zysku, jak i przychodów: analitycy spodziewali się około 2,09–2,10 dolara na akcję oraz 92,17 mld dolarów przychodów.

Prognoza na kolejny kwartał także powyżej oczekiwań

Spółka prognozuje, że w trzecim kwartale roku fiskalnego 2027 osiągnie 108 mld dolarów przychodów, z odchyleniem plus minus 2%. Oznacza to przedział około 105,8–110,2 mld dolarów, powyżej wcześniejszych szacunków rynku, które oscylowały w pobliżu 104,8–105,2 mld dolarów.

Prognoza zakłada przy tym brak przychodów z obliczeniowej infrastruktury Data Center w Chinach. To istotne zastrzeżenie: Nvidia pokazuje mocny wzrost nawet przy konserwatywnym założeniu dotyczącym jednego z ważnych rynków.

Skąd więc nerwowa reakcja akcji po godzinach?

Po publikacji wyników pojawiły się doniesienia o spadku kursu Nvidii w handlu posesyjnym — w niektórych aktualizacjach było to około 1–1,5%. Taka reakcja nie musi oznaczać rozczarowania samymi wynikami. W przypadku Nvidii rynek często wycenia nie tylko oficjalny konsensus, lecz także tzw. whisper numbers, czyli nieformalne, podwyższone oczekiwania inwestorów.

Jeśli część rynku liczyła na prognozę w przedziale 107–108 mld dolarów, wynik bliski dolnej granicy, ostrożne komentarze dotyczące marż albo obawy o koszty pamięci i dostaw mogły wywołać realizację zysków. Innymi słowy: spółka mogła pobić prognozy analityków, ale nie przebić poprzeczki ustawionej przez najbardziej optymistycznych inwestorów.

Nie zmienia to faktu, że późniejszy obraz reakcji rynku był bardziej pozytywny niż sugerował pierwszy ruch po publikacji. W najnowszej aktualizacji kurs rósł o około 5% po tym, jak zarząd przedstawił również oczekiwania dotyczące 70-procentowego wzrostu przychodów w roku fiskalnym 2028. 2

Rynek obawia się skali całego cyklu AI

Kluczowe pytanie nie brzmi już wyłącznie: „Czy Nvidia dostarczyła dobry kwartał?”. Na to pytanie odpowiedź jest twierdząca. Inwestorzy zastanawiają się raczej, czy klienci Nvidii będą w stanie uzyskać wystarczający zwrot z inwestycji, jeśli wydatki całej branży na infrastrukturę AI przekroczą bilion dolarów do 2026 roku.

To problem jakości popytu i rentowności nakładów kapitałowych, a nie zarzut wobec bieżącej realizacji celów przez Nvidię. Nawet rekordowa sprzedaż może w przyszłości zostać oceniona bardziej surowo, jeśli operatorzy centrów danych, dostawcy chmury i laboratoria AI nie pokażą, że potrafią zamienić kosztowne moce obliczeniowe w trwałe przepływy pieniężne.

Dodatkowym sygnałem jest wzrost zobowiązań zakupowych Nvidii do 279 mld dolarów, przede wszystkim w związku z zakupem pamięci. Pokazuje to zarówno przekonanie spółki o sile popytu, jak i jej ekspozycję na napięcia w łańcuchu dostaw. 2

Jalapeño: realne wyzwanie, ale nie natychmiastowy nokaut

OpenAI, we współpracy z Broadcomem, rozwija własny układ Jalapeño przeznaczony przede wszystkim do inferencji — czyli obsługi zapytań użytkowników i generowania odpowiedzi przez modele AI. Broadcom ocenił jego możliwości jako porównywalne z układami Nvidia Blackwell i jednostkami tensorowymi Google.

OpenAI poinformowało z kolei, że w jego testach Jalapeño zapewniał od 1,5 do 1,9 raza więcej pracy AI na jednostkę energii oraz od 1,7 do 3,6 raza niższe opóźnienia w porównaniu z badanymi systemami.

To wiarygodne, długoterminowe wyzwanie dla ekonomiki Nvidii w obszarze inferencji, zwłaszcza jeśli duże laboratoria AI będą projektować własne układy dopasowane do konkretnych modeli. Nie oznacza jednak automatycznego wyparcia Nvidii z całego rynku. Firma nadal ma szeroką pozycję w trenowaniu modeli, sieciach, oprogramowaniu i kompletnych systemach obliczeniowych.

„Cyrkularne finansowanie” i program 500 mld dolarów

W debacie o AI pojawia się również zarzut tzw. cyrkularnego finansowania. Chodzi o sytuację, w której producenci układów, dostawcy chmury, inwestorzy i laboratoria AI są powiązani umowami handlowymi lub finansowymi, przez co popyt na sprzęt może wyglądać na bardziej niezależny, niż jest w rzeczywistości.

To uzasadniona kwestia z punktu widzenia wyceny i ryzyka kredytowego. Dostępne informacje nie dają jednak wystarczających podstaw, by uznać, że przychody Nvidii są sztuczne albo nieprawidłowo raportowane.

Nvidia podpisała ponadto porozumienia z Apollo, BlackRockiem, Blackstone’em, Brookfieldem, Goldman Sachs i KKR w sprawie platform finansowania infrastruktury obliczeniowej AI. Inicjatywa ma zmobilizować ponad 500 mld dolarów kapitału zewnętrznego na centra danych i inną infrastrukturę. 5 6

Program może ułatwić klientom budowę centrów danych i zakup sprzętu Nvidii, a tym samym dodatkowo wesprzeć popyt. Jednocześnie zwiększa znaczenie pytania, czy poszczególne projekty będą finansowalne dzięki realnym przychodom użytkowników końcowych, czy głównie dzięki optymizmowi wokół przyszłego wzrostu AI.

Wniosek dla inwestorów

Nvidia zaraportowała bardzo mocny kwartał i przedstawiła prognozę przewyższającą konsensus. Początkowa, nerwowa reakcja kursu — jeśli się pojawia — wynika przede wszystkim z wyjątkowo wysokich oczekiwań wobec spółki, a nie ze słabości podstawowych danych.

Wycena Nvidii pozostaje jednak wrażliwa na trzy kwestie: trwałość cyklu inwestycji w AI, sposób jego finansowania oraz rosnącą konkurencję w inferencji. Najbardziej spójny obraz jest więc następujący: bieżące wyniki są jednoznacznie silne, ale przyszła wartość spółki zależy od tego, czy cały ekosystem AI zdoła zamienić ogromne nakłady na trwałe i rentowne wykorzystanie mocy obliczeniowych.