NVIDIA GTC 2025: What investors should know
Portfolio Manager Richard Clode discusses the key learnings from NVIDIA’s annual technology conference, a key event highlighting the rapid progression of the AI revolution, including opportunities created by agentic AI.
![Richard Clode, CFA](https://www.janushenderson.com/wp-content/uploads/sites/4/Headshot-thumbnail_Richard-Clode.png?w=150")
5 beknopt artikel
Kernpunten
- Tokens, not data, are the ‘new oil,’ driving greater intelligence and associated revenues and profits. Reasoning models are enabling agentic AI, creating new and large addressable markets for AI.
- DeepSeek’s implications have been misunderstood by the market. AI compute needs expand exponentially with reasoning models, while US semiconductor restrictions likely mean we are at peak relative to China’s AI capabilities.
- AI power challenges will be solved by technology innovation creating investment opportunities across the technology stack.
Tokens are the ‘new oil’
Data used to be the ‘new oil’ but in a generative AI world where synthetic data creation is limitless, tokens are now the new resource of power. The original innovation of the transformer model that revolutionised and ushered in the generative AI era is built on tokenisation. Tokens are units of data that are processed by AI models during training and inference, enabling prediction, generation and reasoning. Hence tokens equal intelligence, and ultimately will drive greater revenues and profits.
NVIDIA CEO Jensen Huang has long talked about ‘AI factories’ ie. AI datacentres creating tokens and therefore intelligence to better design products, run business more efficiently and improve quality of service to customers. He envisages a future where every company will have two types of factories: manufacturing and mathematics. NVIDIA, being the leader in advanced AI chips, is only now designing future chips with AI accelerated Electronic Design Automation (EDA) software tools – only recently has the software been optimised to work on NVIDIA’s CUDA programming language. The company also announced an all-encompassing partnership with GM (General Motors) to use AI to help GM design cars, improve efficiency, and also to enable autonomous driving.
Agentic AI – the next wave of AI
We remain early in the innovation curve of generative AI. The new scaling law Jensen Huang has been highlighting is test time scaling or the long think reasoning models, which take a longer thought process approach to arrive at a more accurate response rather than prioritising speed. Recently introduced to the market, these reasoning models enable agentic AI. This is AI that has agency in that they understand the context of the problem they have been asked to solve. The breakthrough here is that they can now reason and plan a course of action to solve the problem in a multi-modal way. That could involve reading a website article or watching a video and then simultaneously taking several potential paths to solve the problem, and then sense checking the answers for consistency or plugging those answers back into the question. This solves the challenges that ChatGPT and other one shot inferencing models had with answering simple questions, let alone more complex ones. Agentic AI is greater intelligence that enables the next wave from co-pilots to AI agents that can complete tasks without supervision with a high degree of accuracy and consistency. Agentic AI significantly expands the addressable market for AI and opens up new physical AI applications such as humanoids and autonomous driving, where real-world forces such as gravity, friction, and ’cause and effect’ come into play.
Clarifying the DeepSeek misunderstanding
Jensen was at pains to make the point that the market had completely misunderstood the implications of the launch of DeepSeek’s R1 model earlier this year. Comparing a response from DeepSeek to a standard, non-reasoning model from Meta, DeepSeek’s response was more accurate but required 20x as many tokens and 150x the compute. Far from indicating less compute requirements going forward, DeepSeek was a ‘coming out’ party for reasoning models, which opens up a new scaling vector for AI compute requirements.
NVIDIA also laid out its roadmap through 2027, which culminates with its next AI superchip, Rubin Ultra that will have over 400x the performance of Hopper. That is important because current US semiconductor export restrictions (aimed at limiting China’s access to advanced semiconductors and the equipment needed to produce them) put an absolute ceiling on AI compute at a degraded Hopper level. Over the next few years, new Chinese AI models will be constrained by that compute ceiling, while globally AI models are likely to be training on exponentially higher performance AI infrastructure. That could indicate we are likely at a relative high point in China AI capabilities relative to the rest of the world.
Full stack solutions will solve the AI power challenge
NVIDIA has never been just a semiconductor company – a significant amount of the performance gains and power savings delivered have been a function of software and networking innovation. Jensen has always talked about generative AI being a full stack problem that requires a full stack solution. At its GTC event, the company laid out new innovations such as co-packaged optics, and its Dynamo software virtualisation. Optical networking in AI training clusters is a major power drain with 6 transceivers per GPU, drawing down 30 watts of power each, so as training clusters scale so does the optical power consumption. By packaging optical components in the switches themselves, NVIDIA claims it can provide 3.5x greater power efficiency by using 4x fewer lasers. Dynamo is a virtualisation software layer that optimises inferencing workloads by virtualising the GPUs and slicing and dicing the workloads across them, driving 30x the inferencing performance.
We continue to believe the power challenges that are needed to advance and run AI will be solved by technology innovation. Therefore, more compelling investment opportunities can be found across the technology stack rather than in utilities and power infrastructure.
Agentic AI: uses sophisticated reasoning and iterative planning to autonomously solve complex, multi-step problems. Vast amounts of data from multiple data sources and third-party applications are used to independently analyse challenges, develop strategies and execute tasks.
CUDA: a programming language developed by NVIDIA that uses Graphics Processing Units (GPU). It allows computations to be performed in parallel while providing well-formed speed. CUDA allows Nvidia GPUs to perform common computing tasks, such as processing matrices and other linear algebra operations, rather than simply performing graphical calculations.
DeepSeek: a Chinese AI startup and developer of open-source advanced large language models (LLMs) such as DeepSeek-V3 – a key rival, and less expensive option compared to OpenAI’s ChatGPT and Google’s Gemini.
Electronic Design Automation (EDA): a specific category of hardware, software, services and processes that use computer-aided design to develop complex electronic systems like printed circuit boards, integrated circuits and microprocessors. The dense packing of elements onto a circuit board or microprocessor requires highly complex designs. EDA software uses automated, standardized processes that facilitate rapid development, while minimising bugs, defects, and other design errors.
Full-stackoplossing: Verwijst naar een alomvattende benadering van softwareontwikkeling die alle lagen van een applicatie of project omvat. Hieronder vallen zowel de front- als back-endcomponenten als alle andere lagen die nodig zijn om een applicatie volledig te laten functioneren.
GPU: Een grafische verwerkingseenheid voert de complexe wiskundige en geometrische berekeningen uit die nodig zijn voor het weergeven van beelden. Ook worden deze berekeningen bijvoorbeeld gebruikt voor gaming, het maken van content en machinelearning.
Inferentie: verwijst naar verwerking op basis van kunstmatige intelligentie. 'Machine learning' en 'deep learning' verwijzen naar het trainen van neurale netwerken. Inferentie past kennis uit een getraind neuraal netwerkmodel toe en gebruikt het om een resultaat te verwerken.
LLM (groot taalmodel): een gespecialiseerd type artificiële intelligentie dat is getraind in grote hoeveelheden tekst om bestaande inhoud te begrijpen en originele inhoud te genereren.
Long think reasoning: een doelgericht en uitgebreid proces waarin informatie en mogelijke uitkomsten worden overwogen door meerdere perspectieven te analyseren, langetermijnimplicaties te overwegen en verschillende factoren zorgvuldig af te wegen voordat een conclusie wordt getrokken.
One-shot inferencing: refers to the method where a model is provided with a single example or prompt to perform a task. It is reliant on a single, well-crafted prompt to achieve the desired output.
Test time scaling: een benadering van taalmodellering die extra test-time rekenkracht gebruikt om de prestaties te verbeteren.
Token: AI tokens are the fundamental building blocks of input and output that Large Language Models (LLMs) use. These units of data are processed by AI models during training and inference, enabling prediction, generation and reasoning.
Dit zijn de standpunten van de auteur op het moment van publicatie en kunnen verschillen van de standpunten van andere personen/teams bij Janus Henderson Investors. Verwijzingen naar individuele effecten vormen geen aanbeveling om effecten, beleggingsstrategieën of marktsectoren te kopen, verkopen of aan te houden en mogen niet als winstgevend worden beschouwd. Janus Henderson Investors, zijn gelieerde adviseur of zijn medewerkers kunnen een positie hebben in de genoemde effecten.
Resultaten uit het verleden geven geen indicatie over toekomstige rendementen. Alle performancegegevens omvatten inkomsten- en kapitaalwinsten of verliezen maar geen doorlopende kosten en andere fondsuitgaven.
De informatie in dit artikel mag niet worden beschouwd als een beleggingsadvies.
Er is geen garantie dat tendensen uit het verleden zich zullen doorzetten of dat prognoses worden gehaald.
Reclame.
Belangrijke informatie
Lees de volgende belangrijke informatie over fondsen die vermeld worden in dit artikel.
- Aandelen/deelnemingsrechten kunnen snel in waarde dalen en gaan doorgaans gepaard met hogere risico's dan obligaties of geldmarktinstrumenten. Als gevolg daarvan kan de waarde van uw belegging dalen.
- Aandelen van kleine en middelgrote bedrijven kunnen volatieler zijn dan aandelen van grotere bedrijven en kunnen soms moeilijk te waarderen of te verkopen zijn op het gewenste moment en tegen de gewenste prijs, wat het risico op verlies vergroot.
- Als een Fonds een hoge blootstelling heeft aan een bepaald land of een bepaalde geografische regio, loopt het een hoger risico dan een Fonds dat meer gediversifieerd is.
- Het Fonds focust op bepaalde sectoren of beleggingsthema's en kan sterk worden beïnvloed door factoren zoals wijzigingen in overheidsregulering, hogere prijsconcurrentie, technologische vooruitgang en andere ongunstige gebeurtenissen.
- Het Fonds hanteert een duurzame beleggingsbenadering, waardoor het overwogen en/of onderwogen kan zijn in bepaalde sectoren en dus anders kan presteren dan fondsen die een vergelijkbare doelstelling hebben maar geen duurzame beleggingscriteria hanteren bij de selectie van effecten.
- Het Fonds kan gebruikmaken van derivaten om het risico te verminderen of om de portefeuille efficiënter te beheren. Dit gaat echter gepaard met andere risico's, waaronder met name het risico dat een tegenpartij bij derivaten niet in staat is om haar contractuele verplichtingen na te komen.
- Als het Fonds activa houdt in andere valuta's dan de basisvaluta van het Fonds of als u belegt in een aandelenklasse/klasse van deelnemingsrechten in een andere valuta dan die van het Fonds (tenzij afgedekt of 'hedged'), kan de waarde van uw belegging worden beïnvloed door veranderingen in de wisselkoersen.
- Wanneer het Fonds, of een afgedekte aandelenklasse/klasse van deelnemingsrechten, tracht de wisselkoersschommelingen van een valuta ten opzichte van de basisvaluta te beperken, kan de afdekkingsstrategie zelf een positieve of negatieve impact hebben op de waarde van het Fonds vanwege verschillen in de kortetermijnrentevoeten van de valuta's.
- Effecten in het Fonds kunnen moeilijk te waarderen of te verkopen zijn op het gewenste moment of tegen de gewenste prijs, vooral in extreme marktomstandigheden waarin de prijzen van activa kunnen dalen, wat het risico op beleggingsverliezen verhoogt.
- Het Fonds kan geld verliezen als een tegenpartij met wie het Fonds handelt niet bereid of in staat is om aan zijn verplichtingen te voldoen, of als gevolg van een fout in of vertraging van operationele processen of verzuim van een derde partij.
Specifieke risico's
- Aandelen/deelnemingsrechten kunnen snel in waarde dalen en gaan doorgaans gepaard met hogere risico's dan obligaties of geldmarktinstrumenten. Als gevolg daarvan kan de waarde van uw belegging dalen.
- Als een Fonds een hoge blootstelling heeft aan een bepaald land of een bepaalde geografische regio, loopt het een hoger risico dan een Fonds dat meer gediversifieerd is.
- Het Fonds focust op bepaalde sectoren of beleggingsthema's en kan sterk worden beïnvloed door factoren zoals wijzigingen in overheidsregulering, hogere prijsconcurrentie, technologische vooruitgang en andere ongunstige gebeurtenissen.
- Dit Fonds kan een bijzonder geconcentreerde portefeuille hebben in vergelijking met zijn beleggingsuniversum of andere fondsen in zijn sector. Een ongunstige gebeurtenis die een impact heeft op slechts een klein aantal participaties zou tot een aanzienlijke volatiliteit of grote verliezen voor het Fonds kunnen leiden.
- Het Fonds kan gebruikmaken van derivaten om het risico te verminderen of om de portefeuille efficiënter te beheren. Dit gaat echter gepaard met andere risico's, waaronder met name het risico dat een tegenpartij bij derivaten niet in staat is om haar contractuele verplichtingen na te komen.
- Als het Fonds activa houdt in andere valuta's dan de basisvaluta van het Fonds of als u belegt in een aandelenklasse/klasse van deelnemingsrechten in een andere valuta dan die van het Fonds (tenzij afgedekt of 'hedged'), kan de waarde van uw belegging worden beïnvloed door veranderingen in de wisselkoersen.
- Wanneer het Fonds, of een afgedekte aandelenklasse/klasse van deelnemingsrechten, tracht de wisselkoersschommelingen van een valuta ten opzichte van de basisvaluta te beperken, kan de afdekkingsstrategie zelf een positieve of negatieve impact hebben op de waarde van het Fonds vanwege verschillen in de kortetermijnrentevoeten van de valuta's.
- Effecten in het Fonds kunnen moeilijk te waarderen of te verkopen zijn op het gewenste moment of tegen de gewenste prijs, vooral in extreme marktomstandigheden waarin de prijzen van activa kunnen dalen, wat het risico op beleggingsverliezen verhoogt.
- Het Fonds kan geld verliezen als een tegenpartij met wie het Fonds handelt niet bereid of in staat is om aan zijn verplichtingen te voldoen, of als gevolg van een fout in of vertraging van operationele processen of verzuim van een derde partij.
Specifieke risico's
5 beknopt artikel
Kernpunten
- Tokens, not data, are the ‘new oil,’ driving greater intelligence and associated revenues and profits. Reasoning models are enabling agentic AI, creating new and large addressable markets for AI.
- DeepSeek’s implications have been misunderstood by the market. AI compute needs expand exponentially with reasoning models, while US semiconductor restrictions likely mean we are at peak relative to China’s AI capabilities.
- AI power challenges will be solved by technology innovation creating investment opportunities across the technology stack.