avater
產業研究部(Frank)-優分析.2024.08.28

【教學】用「小助理」輕鬆解析公司動向與產業趨勢(二):縱向觀察

圖片來源:優分析整理

上一篇有提到如何進行橫向觀察,如果還沒看過的朋友可以先回顧一下哦!

用「小助理」輕鬆解析公司動向與產業趨勢(一):橫向觀察

橫向觀察是透過同族群以及同段產業的一起看,那麼縱向觀察呢?

答案是從上下游去找!

畢竟如果下游需求很好,自然就會跟上游多叫一些貨!

而有時候上游也會釋出一些未來展望,如果上下游都好,那麼中游的產業會不好嗎?

方式二:縱向觀察

(圖片來源:優分析整理)

舉例來說:

這一波漲很兇的台灣ODM廠商,我們都知道他們來自NV的訂單很多,且透過小助理進行橫向觀察均有的共通點如下:        

1. AI伺服器需求增長:

各家公司都預期未來幾年內AI伺服器的出貨量和營收將顯著增加。

2. NVIDIA GB200系列的需求:

NVIDIAGB200系列,在AI伺服器未來的市場需求將會增加,並且這些伺服器將成為主要的營收成長動能之一。

3. AI伺服器整體供應鏈的擴展:

為了應對AI伺服器需求的增長,供應鏈的產能以及技術要求都要提升。

(圖片來源:優分析產業數據庫)

(圖片來源:優分析產業數據庫)

(圖片來源:優分析產業數據庫)

那麼橫向看完了,各家展望都是良好,但我們心中也許還是會有一點疑慮?

畢竟ODM的看法都很正向與樂觀!

但真的是這樣嗎?

雖然跟ODM廠商下單的是NV,然而最終的需求其實還是要看四大CSP廠商。

如果要做好一個全面性的產業快速了解,我們就應該繼續往下深入。

*備註:目前優分析已經有支援美股的查詢,非常厲害!

透過小助理,我們可以先快速的了解到NV的長短期展望,裡面提到了兩個很重要的資訊。

1.短期營收看好:

資料中心的營收:在FY1Q25達到了225.63億美元,佔總體營收的86.5%。並預計在FY2Q25,營收將達到280億美元。

2.長期展望佳:

AI是新一輪的工業革命,尤其在加速計算和生成式AI的推動下,將迎來長期的增長機會。

(圖片來源:優分析產業數據庫)

等於說如果我們要觀察鴻海、廣達、緯穎等ODM廠商的展望,目前第一階段NV下游的展望也是樂觀看待,算有合格!

那麼更下游的呢?

各位可以試想一下!

如果四大CSP(微軟/亞馬遜/臉書/谷哥)對未來的展望不佳,是不是就很容易縮減資本支出?

而縮減資本支出的話,自然對NV下單的數量就會減少,從而讓ODM廠商的獲利也跟著減少,故反過來亦同。

而根據四大CSP廠商的小助理中,我們可以得知以下共通點:

1.大規模資本支出的增長

四家都在顯著增加資本支出。這些資金主要用於擴展數據中心、AI基礎設施和雲端服務。而所有公司都提到在2024年和未來幾年內,這些投資將會持續增長,表明這些企業對未來市場需求的強勁預期。

2.資料中心與AI基礎設施

這些公司都集中在擴展或建設新的數據中心和AI基礎設施,以支持他們的AI和雲端服務需求。例如:亞馬遜在印第安納州建設新的數據中心,Google投資新的AI晶片和技術基礎設施,Meta增加支持AI模型訓練的基礎設施,微軟則擴展全球範圍內的數據中心並購買先進的AI處理器。

3.強調對未來AI需求的支持

所有公司都強調,這些資本支出是為了支持未來AI技術和應用的需求增長。尤其是在AI模型訓練和運行方面,這些企業預見到未來將需要更多的算力和基礎設施支持,因此提前進行大規模投資。

所以說如果未來幾年,這些下游CSP廠商,甚至其他雲端服務業者都是持續增加AI的支出,那麼上游廠商的行情真的已經結束了嗎?

(圖片來源:優分析產業數據庫)

(圖片來源:優分析產業數據庫)

(圖片來源:優分析產業數據庫)

(圖片來源:優分析產業數據庫)

*本文沒有涉及估值,所以目前股價是否包含了未來成長性在內,或是包含了多少成長性,這部分就先不討論。

而觀察的越深入與細微,往往能夠領先別人一步的原因就在這。

像是:

1.今年ODM廠商之所以飆漲,正是因為最下游的CSP廠商對AI伺服器需求的增加(資本支出大幅提升)

2.NV接到大量訂單後,就會去向上游訂購更多的零組件。

3.而上游(鴻海/廣達/緯穎)等廠商接到訂單後就會進行擴大生產,來去滿足預期的需求。

故如果最終市場需求不如預期的話,當下游廠商選擇減少訂單或取消時,那麼傳遞到上游廠商時就容易導致上游的庫存積壓,生產過剩等情況發生。

這就是所謂的長鞭效應。

所以當我們看到一家覺得有機會的公司時,最好的方式就是先透過橫向與縱向的全面研究後(往後文章會提到更多的追蹤指標),在進行估值,最後才決定是否要進行投資。

巴菲特說過:「永遠不要投資你不了解的業務」,唯有經過全面性的了解與估值,才容易抱的長,抱的久,以及實現大賺小賠的循環。

這篇文章對你來說實用嗎?
很實用!
還可以
有待加強...
標籤關鍵字
鴻海
廣達
Nvidia
微軟
亞馬遜
Meta
緯穎
小助理
模組教學