Ha kíváncsi vagy, tényleg tart-e még az AI-infrastruktúra lendülete, az Nvidia negyedéves számai jó „hőmérőnek” számítanak. Most is azt mutatják: a datacenterek építési hulláma nem lassul, csak közben egyre több a geopolitikai és versenypiaci csavar.

Mi történt

Az Nvidia a 2026-os pénzügyi év első negyedévében 81,62 milliárd dollár bevételt ért el, ami magasabb a Wall Street által várt 78,86 milliárdnál. Az egy részvényre jutó eredmény (EPS) is felülmúlta az előrejelzést: 1,87 dollár jött ki a várt 1,76 helyett. A cég ezzel folytatta azt a több éve tartó sorozatát, hogy rendre túlteljesíti a növekedési várakozásokat.

A legnagyobb hajtóerő továbbra is az adatközponti (datacenter) üzletág: ez a részleg 92%-kal nőtt éves alapon, és rekord 75,2 milliárd dollárt hozott. A datacenter itt nagyon egyszerűen azt jelenti: azok a nagy, ipari léptékű szerverfarmok, ahol a felhőszolgáltatók és AI-cégek a modelleket tanítják és futtatják. Az Nvidia ebben a láncban nemcsak chipeket ad el, hanem a hozzájuk tartozó szoftveres és rendszer-szintű infrastruktúrát is.

Közben a cég több fronton is pozíciót épít: Szingapúr bejelentette, hogy Nvidia-kutatóközpont indul az AI-infrastruktúra hatékonyságának javítására. Emellett a vállalat a 2026 második felére várja a Vera Rubin platform bevezetését – ez egy új generációs AI-hardver és rendszerplatform, vagyis a „következő nagy lépcső” a számítási kapacitásban. Jensen Huang azt is jelezte, hogy a Vera Rubin életciklusa alatt végig ellátási korlátok (supply constraint) lehetnek: magyarul hiába lenne kereslet, nem biztos, hogy lesz elég legyártott kapacitás.

Miért fontos

Az Nvidia pénzügyi teljesítményét sokan az AI-építkezés népszavazásaként kezelik: ha ők nőnek, az általában azt jelenti, hogy a nagy szereplők tényleg költik a pénzt GPU-kra és adatközpontokra. A GPU (grafikus processzor) ebben a kontextusban nem játékos hardver, hanem a modern AI „munkagépe”: olyan, mint egy hatalmas párhuzamos számolóbrigád, ami a neurális hálók tanításához kell. A vállalat narratívája szerint az „agentic AI” – vagyis a feladatokat részben önállóan végrehajtó, eszközöket használó AI-ügynökök – már nem csak demo, hanem üzemi szintű termelés, ami még több számítási igényt tol a piacra. A Guardian Tech anyaga azt is érzékelteti, hogy a verseny keményedik: Amazon és Google saját fejlesztésű chipekkel is próbálja csökkenteni a függést.

Mire figyelj

  1. Kína ténylegesen megnyílik-e a bevételi oldalon? A cég jelenleg nem számol kínai datacenter compute bevétellel, és a vezetés is azt kommunikálta: eddig nem keletkezett bevétel a Kínába irányuló H200-as eladásokból, a behozatali engedélyezés bizonytalan.
  2. Ellátási korlát vagy keresleti plafon jön előbb? Ha a Vera Rubin körül tényleg tartós hiány alakul ki, az rövid távon felfelé tolhatja az árakat és a várólistákat, de közben teret adhat alternatív megoldásoknak.
  3. A „saját chipet fejlesztünk” trend mennyire gyorsul fel? Ha a hyperscalerek (óriás felhőszolgáltatók) egyre több feladatot visznek házon belüli hardverre, az az Nvidia növekedési ütemét is átárazhatja.
  4. Hatékonyság, nem csak nyers erő: a szingapúri kutatóhub fókusza jelzi, hogy a következő szűk keresztmetszet sokszor nem a modellötlet, hanem az energia, hűtés és üzemeltetési költség – vagyis mennyibe kerül valójában egy AI-rendszert nagyban futtatni.

A következő negyedévekben az lesz az igazán beszédes, hogy a rekordnövekedés mennyire marad „széles alapú” (több iparágban és régióban egyszerre), és mennyire válik néhány geopolitikai döntés és pár óriáscég beruházási kedvének függvényévé.