Dzięki utrzymującemu się silnemu popytowi na procesory serwerowe, AMD zaskakująco znacząco przyspieszyło swój wzrost. Co więcej, amerykański producent chipów przedstawił we wtorek optymistyczne prognozy. Mimo to, akcje AMD spadły o 9% w handlu posesyjnym na Wall Street. Nadal jednak były one o około 120% wyższe niż na początku roku.
„AMD jest teraz w podobnej sytuacji co Nvidia i firmy zajmujące się hiperskalerami” – wyjaśnił analityk Jacob Bourne z firmy badawczej eMarketer. „Inwestorzy szukają dowodów na to, że inwestycje w infrastrukturę AI będą dodatkowo generować zyski”.
AMD jest drugim co do wielkości dostawcą procesorów AI na świecie po Nvidii. Firma korzysta z poszukiwań klientów, poszukujących alternatyw dla światowego lidera rynku. Na przykład, firma Anthropic, producent rozwiązań AI, zamówiła u AMD układy o łącznym zapotrzebowaniu na energię dwóch gigawatów. W zamian AMD nabywa udziały w konkurencyjnym przedsiębiorstwie OpenAI za kwotę do pięciu miliardów dolarów.
Co więcej, producent półprzewodników planuje wkrótce rozpocząć sprzedaż drugiej generacji serwerów AI. W tym segmencie konkuruje z producentami komputerów, takimi jak Dell, Lenovo i Hewlett Packard Enterprise, a także z Foxconnem, największym na świecie producentem elektroniki na zlecenie. Dla Foxconna produkcja serwerów AI dla Nvidii stała się ważniejszym segmentem działalności niż montaż iPhone’ów dla Apple.
Przychody wzrosły o 50 procent, zysk o 246 procent
Według firmy, przychody AMD wzrosły o połowę, do 11,54 miliarda dolarów w drugim kwartale. Skorygowany zysk wzrósł nawet o 246 procent, do 1,66 dolara na akcję. „Mieliśmy znakomity kwartał” – powiedziała prezes Lisa Su (56). Przychody i rentowność osiągnęły rekordowe poziomy. Działalność w segmencie centrów danych wzrosła ponad dwukrotnie. „Wkraczamy w drugą połowę roku z dużym impetem, ponieważ popyt na procesory stale rośnie”. Oczekuje się, że ten trend utrzyma się w nadchodzących latach.
W centrach danych AI klasyczne procesory (CPU) wracają do łask, obok wyspecjalizowanych układów GPU o wysokiej wydajności. Służą one między innymi do koordynowania pracy układów GPU o wysokiej wydajności. Są one również coraz częściej wykorzystywane do przetwarzania zapytań AI, podczas gdy GPU wykazują swoją moc w trenowaniu ChatGPT i podobnych technologii.
