Nvidia 분석 - 3

#경쟁사, 고객사

*구글 [TPU]

 - 머신러닝을 구동하기 위한 하드웨어는 지금까지 CPU+GPU 조합으로 이뤄져있었는데 최근 ASIC칩이 등장

 - 가장 대표적인 ASIC칩은 구글의 'Tensor Processing Unit(TPU)' [이세돌 바둑 대결을 벌였었던 '알파고' 인공 지능 처리 장치]

 - TPU는 CPU, GPU와 같은 범용 프로세서와 달리 딥 러닝[특히, 추론]에 특화되어 있음. 

 - 범용 프로세서에서는 연산이 주류지만, 딥 러닝[특히, 추론]에서는 그만큼의 정밀도가 요구되지 않아 연산 정밀도를 희생해 32비트가 아닌 8 or 16비트 연산기를 기본으로 사용

 - TPU는 비트를 낮춤으로써 연산속도가 높고 전력소비가 낮아지는 대신 단점은 연산정밀도가 떨어짐..

 - 구글의 TPU는 추론(Inferencing)만 하는 좁은 범위의 프로세서로 NVIDIA의 GPU와 역할이 다름.

 - 딥 러닝은 훈련(Training)과 추론(Inferencing) 두 가지 측면에서 봐야하는데 훈련은 추론보다 수십억 배 더 복잡한 데다 추론은 모든 데이터센터에서도 처리 가능

 - 즉, 구글의 TPU는 훈련을 통해 얻어낸 결과를 기반으로 추론을 주로 하는 전용 프로세서라는 점에서 훈련과 추론을 모두 처리하는 NVIDIA의 GPU와는 차별화된 프로세서!

 - 현재 훈련과 추론을 모두 상대적으로 잘 할 수 있는 GPU는 NVIDIA 제품이며 구글의 TPU는 구글 자체적으로만 사용되고 있는 반면, Microsoft, Amazon, Ebay, Baidu와 같은 IT기업들에게 납품 중

*INTEL

 - 지난 2019년 high-end 그래픽카드 시장에서는 NVIDIA에 적수가 되는 경쟁기업은 현재 없는 상황 (출처, 2019년 게임용 그래픽 카드 추천뉴스)

 - Intel Xe 그래픽 카드가 NVIDA의 그래픽 카드를 위협하는 경쟁 제품이 될 수는 있으나 아직 초기 시연도 공개되지 못하고 있으며 최종 성능도 알 수 없는 상태

 - Xe(10nm) 그래픽카드가 나올 때 쯤이면 NVIDIA는 7nm 기술로 새로운 세대의 그래픽카드를 사용하여 성능을 향상시킬 것

 - 인텔이 최근 그래픽카드 개발분야에 힘을 싣는 모습을 보여주고 있지만..

 - 소비자에게 다양한 선택지를 제공하기 위해서는 보급형 라인업부터 하이엔드 라인업까지 빼곡히 채워져야 하는데 그러기 위해서는 시간이 많이 필요..

*AMD

 - AMD는 라데온 RX 5700 시리즈는 NVIDIA의 GeForce RTX 2070를 노리고 선보인 게이밍 그래픽 카드로 가격은 더 저렴한 반면 게이밍 성능은 한단계 위

 - AMD GPU 제품은가격을 좀 더 저렴하게 책정해, 소위 ' 가성비'에 장점을 갖춘 제품으로 주목

 - 하지만, 2Q19 AMD의 MS가 다시 증가한 것은 신제품 출시효과도 있을 것을 추정 됨

 - NVIDIA Gefore RTX 시리즈는 게임 성능은 큰 차이가 없으면서 '실시간 레이 트레이싱', 팁러닝' 등 첨단 신기술을 대거 탑재해 가격이 높은편

 - 각종 최신 기술을 적용한 엔비디아 Geforce RTX 시리즈는 그만큼 GPU 크기가 커지고 구조는 더욱 복잡해졌음

 - 이는 고스란히 제조원가 상승 및 제품 가격으로 작용해 엔비디아로서는 high-end 그래픽카드의 가격 인하는 부담스러운 상황

 - 하지만, NVIDIA는 mid low-end단에서의 AMD 제품들을 견제하기 위해  low-end 그래픽 카드들의 가격을 인하하기 시작

 - 중저가 그래픽시장은 AMD의 추격으로 인해 NVIDIA의 MS가 낮아지거나 or 그래픽 카드 가격 하락으로 인해 이익률이 훼손될 RISK가 존재. 

 - 하지만, NVIDIA의 중저가 그래픽 카드 가격 인하 정책으로 인해 M/S를 다시 가져왔을 것으로 사료 

 - 이를 간접적으로 증명해주는 자료가 아래 전 세계 게임 Streaming 플랫폼인 Steam이 발표하는 Top GPU 제품 통계

 - NVIDIA 중저가 그래픽카드 가격인하 이후  최근 2019.08 ~ 2019.12월까지의 그 점유율은 다시 빠르게 높아지고 있는 모습

 - 동사는 제품 가격인하로 MS를 다시 늘리는 전략으로 Gaming GPU 사업부분에서는 이익률이 하락할 것으로 추정 됨

#Nvidia 경쟁력

*최근 GPU시장의 화두는 '머신러닝'. 

 - 앞서 언급했듯 머신러닝은 강력한 연산능력을 갖춘 CPU를 통해 수 많은 조건을 해쳐가며 빠르게 검사하는 방식이 아닌, 대규모 '무식한' 연산을 수많은 연산장치에 우겨넣는 방식으로 구현

 - 하지만, 하드웨어가 아무리 병렬연산에 특화되었다고 해도 사용하기 어렵다면 큰 의미가 없음. 또한 그것을 사용하는 방법도 쉽고 신뢰할 수 있어야 함.

 - Nvidia는 이를 오래전부터 눈치채고  2006년 최초로 CUDA(Computed Unified Devoce Arcjotectire)를 출시

 - CUDA 이전까지는 전문가들이 아니면 GPU를 이용한 프로그래밍이 어려웠는데 CUDA의 등장 이후 많은 프로그래머들이 GPU를 이용한 프로그래밍이 가능하게 되어 GPU 프로그래밍 생태계를 구축

 - 머신러닝 떠오르자 CUDA는 GPU와 큰 시너지를 발휘하기 시작. 일련의 사용자 층이 생겨나기 시작하면서 CUDA를 앞세워 GPU 프로그래밍 생태계 시장을 장악

*Software를 놓친 AMD

 - Gaming 시장에서는 20% M/S를 차지하고 있는것으로 추정되지만 머신러닝 분야에서는 존재감이 미비.

 - 머신러닝 분야에서 Nvidia와 경쟁하기 위해선 하드웨어만으로는 부족. 새로운 하드웨어가 머신러닝에 이용될 수 있도록 software platform 지원이 필요

 - GPU 서비스(ex, 머신러닝)를 제공하는 주요 클라우드 기업들이 모두 Nvidia의 GPU를 채택하고 있거니와(아래 그림참조)  머신러닝 분야에서 활용되는 GPU 미들웨어(ex, software program)가 동사의 독자 기술인 CUDA이기 때문

 - 이에 AMD는 GPU 컴퓨팅 플랫폼 ROCm을 발표했지만.. 이미 GPU 프로그래밍 생태계는 Nvidia의 CUDA가 장악..

 - 사실 GPU시장에서 Nvidia의 유일한 경쟁자였었던 AMD는 과거 CPU 시장에서의 실패로 인해 스스로 주저 앉아버렸고, GPU기반 컴퓨팅에서 경쟁자 할 자가 없는 자리에 서게 됨 

 - 과거 Intel도 GPU 시장에 진출하고자 2008년 자체 Larrabee GPU를 개발을 시도 했으나 제대로 된 성능을 내지 못하고 결국 2010년 개발 중단 발표

 - 자연스럽게 경쟁자들이 사라지자 Nvidia는 이 분야 최강자로 군림.

#고객사

 - 과거의 GPU의 주된 고객은  하드코어 게이머들(지불용의라고 해봤자 수백만원 수준으로 다품종소량생산 GPU)

 - 하지만, 최근 엔터프라이즈 고객들(ex, 억단위의 지불용의가있는 하이퍼스케일 서버 고객으로 소품종대량생산 GPU)이 늘어남에 따라 TSMC의 최첨단 공정을 마음껏 사용할 수 있게 됨

 - 이에 동사는 기존 PC게이밍 시장을 그대로 유지하되, 부가가치가 높은 슈퍼컴퓨팅, 서버, 자율주행 등 수많은 광대한 컴퓨팅 시장을 차지

*TSMC

 - TSMC는 최근(2019.12월) Nvidia의 차세대 7nm GPU 대부분의 주문을 접수했다고 밝힘

 - TSMC 이전 Nvidia의 16nm 및 12nm GPU를 대량으로 생산하면서 오랜기간 긴밀한 관계를 맺어왔기에 Nvidia는 TSMC의 고급공정 라인을 마음껏 사용할 수 있게 됨

 - TSMC 입장에서 첨단 공정(ex, 7nm) 분명 성능도 좋고 가격도 싸긴 하지만, 이는 퀄컴, Nvidia 등 대량으로 판매할 때의 이야기

 - 첨단 공정으로 칩을 설계하는 것은 칩을 새로운 위험(ex, 공정 개발 힘듦, 비싼 장비구매, 지연)에 노출시킬 뿐 아니라, 각종 검증작업(ex, 트랜지스터 용도, 늘어난 하드웨어 블록)이 늘어나 어려움이 생겨나기 마련. 

 - 이뿐 아니라, TSMC 자신의 사정으로 공정 도입이 늦어지거나 수율 안정화에 문제가 생기는 경우, 로드맵이 전체적으로 밀리는 문제가 발생.

 - 이런 큰 위험을 버틸 수 있는 회사들(위의 위험들이 실제로 일어나더라도 충분한 매출과 순이익을 누릴수 있는 팹리스 회사)이야 말로 TSMC의 최첨단 공정을 마음껏 누릴 수 있게 됨

 - 후발주자나 상대적으로 덜 중요한 고객들이 이후 검증된 구세대 공정을 사용해 자신들의 칩을 사용할 수 있는 구조

#재무분석

 - 지난 3년간 배당성향이 낮아지고 있는 원인은 '자사주매입'

 - 동사의 4Q19  earning call에 따르면 2019년 동사는  배당 및 자사주매입을 통해 총 $1,95십억불 지출했다고 밝혔으며 2020년에는 배당 및 자사주 매입이 약 $3십억불에 도달할 것으로 전망 

 - 배당성향은 낮아졌지만, 배당가능 주식수(자사주 제외)의 감소 및 earning의 증가로 인해 Dividend per share(DPS)는 증가 

 - (Nvidia 기업분석 할 당시 주가가 $200정도였으니 사측에서는 자사가 저평가되었음을 확신하고 자사주매입을 저리 공격적으로 하지 않았나 싶다..)

#주주구성(수급요인)

 - 내가 볼 때 다가오는 AI 시대에 가장 주목받을 기업 중 하나는 바로 Nvidia이다. 

-  주요 주주구성 내역을 보면 Global Index fund 인 뱅가드 그룹 외 이런저런 그룹들이 있고 그 밑으론 ETF로 추정되는 수많은 지분이 있다..

 - 지금 글로벌 금융시장은 넘처나는 유동성으로 Active fund 보다는 Index fund, ETF 쪽으로 자금이 빠르게 쏠리고 있고.. 

 - Index fund, ETF는 퀀트 기반일 확률이 매우 높기 때문에 주가가 오르면 오를수록 그에 맞춰 자동적으로 펀드별 벤치 마크 지수나, ETF내에서 편입 비중 맞추기 위해 주가가 오른 주식만을 특정해서 계속해서 더 사는 경향이 짙은 걸로 보인다..

 - 이러한 수급 요인(?)으로 인해 Nvidia 주가도 실적이나 적정 Value를 떠나 자연스럽게 밀려(?) 올라가고 있는 것으로 보이며 이러한 Trend는 당분간(?) 중장기적(?)으로 상당히 지속될 것으로 나는 보고 있다.. 

 - 추정컨데, 앞으로 Active fund들의 수급파워(?)는 계속 약해지고 반면, 퀀트 기반 Passive fund 수급파워(?)는 계속 강해질 것으로 보고 있으며, 그 속에서 Nvidia와 같이 강력한 경쟁 우위를 기반으로 미래 우상향하는 실적을 계속 보여주는 Global 기업들의 주가도 위의 요인으로 인해 우상향 할 가능성을 매우 높게 본다.. 

 - 이에, Index 펀드들의 강력한 유동성 수급으로 인해 기업의 적정 value를 떠나 어마 무시한 multiple이 앞으로도 계속 지속될 가능성을 높게 보고 있다.. 

 - 고평가 받는 기업의 Short에 betting해 적정밸류로 떨어뜨리는 Active fund들의 기능은 점점 퇴색할 것으로 보고 있기에.. 주가가 조정 받을 가능성 또한 점점 낮아질 것으로 보고 있다.. 

 - 결론.. Strong buy..