NVDA — Company File

01 Who are they?

▾

NVIDIA คือบริษัทชิปที่เปลี่ยนโลกสองครั้ง — ครั้งแรกด้วย GPU ที่ทำให้ 3D graphics เป็นเรื่องสำหรับทุกคน ครั้งที่สองด้วย CUDA platform ที่กลายเป็น โครงสร้างพื้นฐานของ AI ทั้งโลก ปัจจุบัน NVIDIA ไม่ใช่แค่บริษัทชิป — มันคือบริษัท accelerated computing ที่ supply chip, software stack, และ systems ให้กับทุก hyperscaler, startup AI, government lab ที่ต้องการ train model หรือ run inference

Revenue FY2026

$215.9B

+65% YoY · สิ้นสุด Jan 2026

Net Income FY2026

$120.1B

GAAP · Op margin 60.4%

Data Center Revenue

$193.7B

89.7% of total · +68% YoY

Free Cash Flow

$96.6B

FY2026 · Cash $62.6B

EPS (Diluted)

$4.90

GAAP · +67% vs FY2025

Employees

~42,000

Jan 2026 · 74% R&D/Eng

One-liner: NVIDIA ขาย GPU + software ecosystem ที่กลายเป็น standard computing platform สำหรับ AI — ทั้ง training และ inference — โดยมี CUDA moat ที่สร้างมา 18 ปีปกป้อง pricing power ไว้

02 Journey

▾

NVIDIA เริ่มต้นในร้าน Denny's — ไม่ใช่ Silicon Valley lore ทั่วไป แต่เป็นจุดที่ Jensen Huang นั่งคุยกับ Chris Malachowsky และ Curtis Priem แล้วตัดสินใจ all-in กับ 3D graphics ในปี 1993 ตอนที่โลกยังไม่แน่ใจว่า graphics card คือ industry หรือแค่ niche

1993

Jensen Huang, Chris Malachowsky, Curtis Priem ก่อตั้ง NVIDIA ในวันที่ 5 เมษายน ที่ Denny's ใน San Jose เป้าหมายเดียว: dominate 3D graphics

1995–1997

ออก NV1 (1995) — ล้มเหลว ใช้ quadratic rendering ที่โลกไม่ adopt แต่ Jensen พา team pivot สู่ polygon rendering กับ RIVA 128 (1997) ซึ่งขายดีจนรอด

1999

เปิดตัว GeForce 256 และบัญญัติศัพท์ "GPU" ขึ้นเป็นครั้งแรกในประวัติศาสตร์ · IPO บน NASDAQ ในปีเดียวกัน

2006

ปล่อย CUDA (Compute Unified Device Architecture) — เปิดให้ developer เขียนโปรแกรมบน GPU ได้ ตัดสินใจที่เปลี่ยน NVIDIA จาก graphics company เป็น compute platform

2012

AlexNet moment — Geoff Hinton's team ใช้ NVIDIA GPU ชนะ ImageNet competition ด้วย deep learning ครั้งแรก เริ่ม narrative ที่ NVIDIA จะ own AI compute

2016–2020

Tesla V100 → A100 สำหรับ data center · Autonomous vehicle push กับ DRIVE platform · Crypto boom ทำให้ GPU shortage ครั้งแรก

2022–2023

ChatGPT ระเบิด → H100 demand พุ่ง hyperscalers แย่ง GPU จน waitlist ยาว 12+ เดือน · NVIDIA market cap ทะลุ $1T เป็นครั้งแรกในปี 2023

2024

เปิดตัว Blackwell architecture — GB200 NVLink systems · 10-for-1 stock split มิถุนายน 2024 · Market cap แตะ $3T+ ขณะเดียวกัน H20 export control ทำให้ China revenue ถูก cut

2025–2026

Blackwell ramp เต็มตัว — Q4 FY2026 Data Center $62.3B ใน 1 ไตรมาส · ประกาศ Vera Rubin เป็น next architecture · Agentic AI era เริ่ม — inference demand ขึ้น

03 Track Record

▾

ตาราง 7 ปีนี้แสดง trajectory ที่ไม่มีบริษัทไหนในประวัติศาสตร์ทำได้ — ไปจากรายได้ $1 หมื่นล้านสู่ $2 แสนล้านในระยะเวลาไม่ถึง 7 ปี CAGR ของ Revenue อยู่ที่ ~58% ต่อปีตลอด FY2020–FY2026 EPS โตเร็วกว่า revenue เพราะ operating leverage + buybacks

Fiscal Year	Revenue	Op. Income	Net Income	EPS (Diluted)*	Op. Margin
FY2020	$10.9B	$2.8B	$2.8B	$0.11	25.7%
FY2021	$16.7B	$4.5B	$4.3B	$0.17	26.8%
FY2022	$26.9B	$10.0B	$9.8B	$0.39	37.3%
FY2023 ⚡	$27.0B	$4.2B	$4.4B	$0.17	15.6%
FY2024	$60.9B	$33.0B	$29.8B	$1.20	54.1%
FY2025	$130.5B	$81.5B	$72.9B	$2.94	62.4%
FY2026 ✦	$215.9B	$130.4B	$120.1B	$4.90	60.4%

* EPS ปรับ post-split 10:1 (มิถุนายน 2024) ตลอด · ⚡ FY2023 คือปีที่ gaming crash + inventory charges ทำให้ net income ตก · ✦ Latest year (ที่มา: NVIDIA Q4 FY2026 Earnings Release, 25 Feb 2026)

CAGR FY2020→FY2026: Revenue +57.8% ต่อปี · Net Income +90.2% ต่อปี · EPS โต faster กว่า revenue เพราะ buyback ($41.1B คืน shareholders ใน FY2026 เพียงปีเดียว) + operating leverage ที่ขยายจาก 25% สู่ 60% margin

FY2023 เป็น anomaly ที่ควรเข้าใจ: gaming ล้มจาก crypto hangover, inventory ล้น, gross margin กดดัน — แต่ data center ยังเติบโต ใครที่ hold ผ่านปีนั้นได้เห็น FY2024 เปิดตัว H100 era ที่ margin พุ่งกลับขึ้นมาเกิน 60%

04 Know their Boss

▾

Jensen Huang

Co-Founder, President & CEO

Born Feb 17, 1963 · Taiwan

Education BS EE, Oregon State University; MS EE, Stanford University

Joined Co-founded 1993

CEO Since 1993 (33 years)

Governance No dual-class structure; Jensen holds ~3.5% stake

Jensen Huang สร้าง NVIDIA ขึ้นมาจากบริษัท graphics chip เล็กๆ ในปี 1993 ด้วยการเดิมพัน 3D polygon rendering ตอนที่ตลาดยังไม่แน่ใจ เขาผ่าน near-death moment ของ NV1 ในปี 1995 แล้ว pivot ทีม ออก RIVA 128 ที่รอด pivot อีกครั้งในปี 2006 ด้วยการทุ่ม resource สร้าง CUDA ทั้งที่ market ยังมองไม่เห็น use case ใน long run ทุก bet ใหญ่ที่ Jensen ทำได้ผลในระยะ 5–10 ปีถัดมา

ในเรื่อง leadership style — Jensen ไม่ชอบ org chart แบบ hierarchy เขาบอกว่ามี direct report 50+ คน เพื่อกำจัด information filter ทั้งหมด เขาเชื่อว่า "suffering is a gift" และบอก employee ตรงๆ เสมอว่าอะไรผิดพลาด ไม่มีวัฒนธรรม sugarcoat ที่ NVIDIA ปัจจุบัน biggest challenge ของ Jensen คือ scale ของ Blackwell production ให้ทัน demand ที่กำลัง explode พร้อมกัน ขณะเดียวกันก็ต้อง navigate US–China export control ที่ตัด China revenue ออกจาก outlook

05 What do they Actually Do?

▾

Big picture: NVIDIA ไม่ใช่แค่ "GPU company" — มันคือ computing platform NVIDIA supply ทั้ง silicon (chip), system (GB200 NVLink rack), และ software stack (CUDA, cuDNN, TensorRT) ให้กับ AI ecosystem ทั้งโลก model หนึ่งตัวต้องการ GPU เป็นพัน NVIDIA ผลิต GPU นั้น, interconnect ระหว่าง GPU, และ software ที่ทำให้ทุกอย่าง work ด้วยกัน

Zone 1 — Data Center (Compute): H100, H200, B100, B200, GB200, GB300 — chip รุ่นล่าสุดสำหรับ AI training และ inference ลูกค้าหลักคือ hyperscaler (Microsoft, Google, Meta, Amazon, Oracle) ที่ตั้ง cluster หลาย gigawatt สำหรับ training frontier model ปี FY2026 segment นี้ทำ $162.4B — คือ 75% ของ revenue ทั้งหมด

Zone 2 — Data Center (Networking): InfiniBand และ Ethernet ที่ connect GPU ด้วยกัน รวมถึง NVLink fabric สำหรับ GB200 systems Networking revenue FY2026 = $31.4B (+142% YoY) — growing faster กว่า compute เพราะ GB200 ต้องการ NVLink ในการ connect GPU ภายใน rack

Zone 3 — Gaming: GeForce RTX 40XX และ 50XX series สำหรับ PC gaming ยังคงเป็น brand ที่แข็งแกร่ง แต่ตอนนี้ทำได้ $16.0B (7.4% ของ total) เทียบกับอดีตที่เคยเป็น majority ของ business

Zone 4 — Auto & Professional Viz: NVIDIA DRIVE platform สำหรับ self-driving (กำลังเติบโต +39% YoY) และ RTX workstation สำหรับ designers, VFX, engineering simulation รวม $5.5B

NVIDIA ในปัจจุบันคืออะไรในหนึ่งประโยค: บริษัทที่ build โรงงานพลังงาน AI — ทั้ง hardware, interconnect, และ software ที่ทำให้ AI industrial revolution หมุนได้

06 How they Make Money

▾

Revenue Breakdown — FY2026 ($215.9B Total)

Data Center — Compute $162.4B · 75.2%

H100, B200, GB200 GPU สำหรับ AI training / inference · +59% YoY

Data Center — Networking $31.4B · 14.5%

NVLink, InfiniBand, Ethernet · +142% YoY — fastest growing segment

Gaming $16.0B · 7.4%

GeForce RTX · +41% YoY · เคย 50%+ ของ business ก่อน AI era

Professional Visualization $3.2B · 1.5%

RTX workstation · Blackwell demand ทำให้ +70% YoY

Automotive $2.3B · 1.1%

DRIVE platform · +39% YoY · small now แต่ potential สูง

OEM & Other $0.6B · 0.3%

Core monetization mechanic ของ NVIDIA: design chip → sell to OEM/direct to hyperscaler → ราคา ASP สูงมากเพราะ moat จาก CUDA H100 ราคา market $25,000–$40,000 ต่อ chip ขณะที่ cost to produce อยู่ที่ไม่กี่พันดอลลาร์ — gross margin จึงอยู่ที่ 71–75% ซึ่งสูงมากสำหรับบริษัทที่ sell hardware

Hyperscaler (Microsoft, Google, Meta, Amazon, Oracle) คือ largest customer category — slightly over 50% ของ Data Center revenue FY2026 ที่เหลือคือ enterprise, government lab, AI startup ที่กำลัง diversify customer base ให้กว้างขึ้น

⚠️ China situation: US export controls ตัด H20 (chip รุ่นที่ออกแบบสำหรับ China) ออกจากตลาด NVIDIA ไม่ได้ assume China revenue ใน Q1 FY2027 outlook ไปแล้ว แต่ demand จาก non-China market ยังแข็งพอที่จะ absorb loss นี้ได้

07 How they Compound

▾

NVIDIA มี flywheel ที่ชัดเจนที่สุดในวงการ tech และมัน self-reinforcing มา 18 ปีแล้ว:

CUDA Flywheel: Developer เขียน code บน CUDA → Model และ framework (PyTorch, TensorFlow) build on top of CUDA → Research community train model บน NVIDIA GPU → Paper ใหม่ทุกชิ้น cite NVIDIA → บริษัทที่จะ reproduce result ต้องใช้ NVIDIA GPU → CUDA ecosystem ใหญ่ขึ้น → barrier to switch สูงขึ้น → NVIDIA ออก GPU รุ่นใหม่ที่ backward compatible กับ CUDA → Developer ไม่ต้องเปลี่ยน → cycle ต่อไป

ตัวเลขที่บอกว่า flywheel ทำงาน: CUDA มี developer กว่า 5 ล้านคน software library อย่าง cuDNN, TensorRT, NCCL ทำงานได้ดีที่สุดบน NVIDIA hardware เท่านั้น ถ้า company switch ไปใช้ AMD หรือ Google TPU ต้องลงทุน re-engineer workflow ทั้งหมด — cost ที่ส่วนใหญ่ไม่คุ้ม

Data Moat: ยิ่งมี AI workload run บน NVIDIA GPU มาก NVIDIA ยิ่งเข้าใจ performance bottleneck ดีขึ้น → พัฒนา chip รุ่นถัดไปได้ตรงกว่า competitor → performance gap กว้างขึ้น

Capital Allocation FY2026:

R&D Spend

$14.8B

6.9% of revenue · ออกแบบ GPU รุ่นถัดไป (Vera Rubin)

Share Buybacks

$40.1B

FY2026 · reduce share count → EPS โตกว่า NI

Cash Dividends

$0.97B

FY2026 · ยังเล็ก ไม่ใช่ focus หลัก

CapEx (PP&E)

$6.0B

FY2026 · fab-lite model ใช้ TSMC ผลิต

NVIDIA ใช้ fabless model — ไม่มี factory เป็นของตัวเอง ผลิต chip ผ่าน TSMC ดังนั้น CapEx ต่ำผิดปกติสำหรับบริษัทที่ทำ $215B revenue FCF จึงสูงมาก ($96.6B FY2026) ซึ่งทั้งหมดคืนกลับผ่าน buyback

Business ของ NVIDIA ไม่ใช่แค่โตขึ้น — มัน stronger ขึ้นทุกปี เพราะ CUDA ecosystem ใหญ่ขึ้น, product roadmap ชัดขึ้น (Hopper → Blackwell → Vera Rubin → ถัดไปทุก 1–2 ปี), และ switching cost สำหรับ hyperscaler สูงมากจนแทบไม่คุ้มที่จะ switch

08 Current Situation & Positioning

▾

📈 Momentum

Blackwell ramp เต็มตัว: GB200 NVLink systems ส่งผลให้ Networking revenue +142% YoY ใน FY2026 Blackwell architecture มี compute:networking ratio ที่สูงขึ้น ทำให้ ASP per system สูงขึ้นอีก Q1 FY2027 outlook $78B (+14.5% QoQ) ยืนยันว่า demand ไม่ชะลอ

📈 Momentum

Agentic AI era เริ่มต้น: Jensen Huang พูดว่า "agentic AI inflection point has arrived" inference demand กำลัง explode ต่างจาก training ที่ hyperscaler เป็น driver หลัก inference จะ distribute ไปทุก enterprise ที่ deploy AI agent — ขยาย TAM ของ NVIDIA ออกไปอีก

📈 Momentum

Vera Rubin roadmap: ประกาศแล้ว ใช้ TSMC N3 process node Vera Rubin จะ extend performance lead เหนือ AMD และ Google TPU ออกไปอีก 2–3 ปี ในขณะที่ competitor ยังอยู่ในช่วง ramp Hopper equivalent ลูกค้าเริ่ม commit long-term capex ล่วงหน้าเพื่อ secure supply

👁 จับตา

Customer concentration + hyperscaler self-develop: Microsoft, Google, Meta รวมกันคือ 50%+ ของ Data Center revenue ทั้ง 3 รายกำลัง develop internal chip (Maia, TPU, MTIA) ยังไม่ถือเป็น threat ใหญ่ในปัจจุบัน แต่ถ้า hyperscaler ลด NVIDIA dependency ได้ใน 3–5 ปี revenue concentration risk จะชัดขึ้น

👁 จับตา

Supply chain TSMC dependency: ทุก high-end chip ผลิตที่ TSMC Taiwan geopolitical risk ยังอยู่ NVIDIA กำลัง diversify บางส่วน production ไปที่ TSMC Arizona แต่ advanced node ยังคง Taiwan เป็น primary site

⚠️ Risk

China export controls — ถาวรแล้ว: H20 ถูก restrict ตั้งแต่ April 2025 NVIDIA ระบุชัดใน Q1 FY2027 outlook ว่าไม่ assume China revenue เลย China เคยเป็น significant market (ประมาณ 15–20% ของ data center revenue ก่อน) revenue ส่วนนี้หายไปแล้ว แม้ demand จาก rest-of-world จะ offset ได้ แต่ถ้า US เพิ่ม restriction ใน chip generation ถัดไปจะกระทบมากขึ้น

⚠️ Risk

Valuation expectations ที่สูง: ณ market cap $3T+ NVIDIA ถูก price สำหรับ near-perfect execution ในหลายปีถัดไป ถ้า AI spending ชะลอ, hyperscaler cut capex, หรือ AMD/custom chip ทำได้ดีกว่าที่ตลาดคาด multiple compression จะหนักกว่าค่าเฉลี่ยของ market

09 Peers and Competitors

▾

AI Accelerator Market — Data Center GPU

NVDA

NVIDIA

AMD

Advanced Micro Devices

GOOG

Google TPU (internal)

INTC

Intel Gaudi

NVIDIA dominates ด้วย ~85% share ใน AI accelerator ซึ่งแทบไม่เคยเห็น monopoly ระดับนี้ใน tech hardware มาก่อน AMD MI300X มา เพียงแต่ software ecosystem ยังอ่อนกว่า CUDA มาก — HIP (AMD equivalent ของ CUDA) ยังมี developer base น้อยกว่าหลายเท่า Google TPU ดีมากสำหรับ Google workload เองแต่ไม่ general purpose Intel Gaudi มาช้าและ ramp ยาก Verdict: NVIDIA ไม่มีท่าโดน displace ใน 2–3 ปีข้างหน้า

Gaming GPU

NVDA GeForce

NVIDIA

AMD

Radeon RX

INTC

Intel Arc

Gaming เป็น duopoly ระหว่าง NVIDIA และ AMD NVIDIA ชนะด้วย RTX ray-tracing, DLSS (AI upscaling), และ brand loyalty ที่สะสมมาหลายทศวรรษ แม้ Gaming ลดสัดส่วนใน revenue แต่ยังเป็น brand building channel และ profit generator ที่แข็งแกร่ง

Networking / Interconnect (InfiniBand vs. Alternatives)

NVDA NVLink

NVIDIA / Mellanox

ANET

Arista (Ethernet)

CSCO

Cisco

NVIDIA dominates HPC/AI fabric ด้วย InfiniBand (acquired กับ Mellanox ปี 2020) และ NVLink สำหรับ GB200 system ระหว่าง GPU connectivity เป็น threat จาก Ultra Ethernet Consortium ที่พยายาม open standard แต่ NVLink ใน GB200 system เป็น captive — ลูกค้าที่ซื้อ GB200 ต้องใช้ NVLink อยู่ดี Networking +142% YoY ใน FY2026 แสดงว่า strategy นี้ work

10 Their Seat in Jay's Universe

▾

🏛 Core Portfolio

Mission: Long-term compounding — own durable businesses inside major global money-flow layers

Core Portfolio คือ capital 70% ที่ Jay ตั้งใจ park ใน business คุณภาพสูงสำหรับ multi-year compounding ไม่ใช่ momentum play ไม่ใช่ event-driven bet — เป็นการ own ธุรกิจที่แข็งแกร่งขึ้นทุกปีและผ่าน cycle ได้ target ~15% annualized return ระยะยาว ลักษณะของ Core คือ patient, thesis-driven, low turnover, real earnings matter, market leadership matters

✓

Durable earnings / real profits: NVIDIA ทำ net income $120B FY2026 จาก GAAP — ไม่ใช่ adjusted story ไม่ใช่ future hope gross margin 71% ยืนยัน pricing power ที่แท้จริง

✓

Market leadership ชัดเจน: ~85% AI accelerator market share — ไม่ใช่ contestant แต่เป็น standard ที่ทั้ง ecosystem build on top of

✓

Compounding mechanics: CUDA moat + product roadmap ที่ออก chip ใหม่ทุก 1–2 ปี + fabless model ที่ให้ FCF high → buyback ลด shares ทำให้ EPS โตกว่า NI ทุกปี

✓

Inside major money-flow layer: AI infrastructure คือ layer ที่ capital ทั้งโลกกำลัง pour เข้า hyperscaler ตั้งใจ spend $300–500B/year ใน capex ช่วงปีนี้ถึง 2027 NVIDIA อยู่ตรงกลางของ spend ทั้งหมดนั้น

✓

~15% annualized realistic: ถ้า AI capex cycle sustain, Vera Rubin ramp ปี 2026–2027 และ inference demand เติบโตตาม thesis อัตราการเติบโตของ EPS ที่ compound ได้ระยะยาวจะ support 15%+ return — แม้ multiple จะไม่ expand ต่อ

ไม่ใช่หุ้นซิ่ง ไม่ใช่ momentum trade ไม่ใช่ Wave bet ไม่ใช่ FWB rotation ไม่ใช่ turnaround story

NVDA ไม่ใช่ Wave เพราะ consensus รู้จักแล้ว — ไม่มี re-rating ที่ซ่อนอยู่อีก ไม่ใช่ FWB เพราะไม่มีใครซื้อ NVDA สำหรับ tactical rotation 2–3 สัปดาห์ NVDA คือ Core เพราะมันคือธุรกิจที่ compounding ผ่าน pricing power, CUDA moat, และ position ที่ล็อก NVIDIA ไว้ตรงกลาง AI industrial revolution ที่ยังอยู่ในช่วงแรก

Why NVDA belongs here — in Jay's words: "ถ้าคุณเชื่อว่า AI compute demand จะโตต่อในอีก 5–10 ปี และคุณเชื่อว่า CUDA ecosystem จะยังเป็น standard — NVDA ไม่ใช่แค่ investment ใน tech company แต่เป็น investment ใน infrastructure ที่ทำให้ era นี้ทำงานได้" นี่คือนิยามของ Core ใน Jay's Universe