Nvidia heeft een akkoord bereikt om Hugging Face over te nemen voor $12,9 miljard. Analisten leggen de deal naast de meest recente kwartaalcijfers om te beoordelen of het bedrijf daarmee de opmars van Broadcom in AI-chips kan afremmen.
De tegenstelling wordt vooral zichtbaar aan de aanbodzijde. Nvidia verkoopt general-purpose GPU’s die de markt domineren voor AI-training en -inference, terwijl Broadcom maatwerk-ASIC’s ontwikkelt die specifiek zijn afgestemd op de workloads van individuele hyperscalers. Dat segment groeide 44,6% jaar op jaar, tegenover 16,1% groei voor GPU’s.
Ook interessant: Waardering Gimlet Labs schiet door naar $3 mrd na nieuwe financieringsronde
Dat groeiverschil van 28 procentpunt is precies de drukpunt in de fysieke infrastructuur waar deze overname op inspeelt. Daardoor leest de koop van Hugging Face duidelijk méér als een strategische zet in de chipoorlog dan als een klassieke talent- of toolingacquisitie.
De softwaremoat als verdedigingslinie
Verschillende analyses schetsen de transactie vooral als een hedge tegen Broadcom’s momentum in custom silicon, niet als een pure AI-onderzoeksdeal. Door eigenaar te worden van het open-source modellenplatform en het ontwikkelaars-ecosysteem eromheen, kan Nvidia zijn hardwarevoorsprong koppelen aan een softwareschil die voor maatwerk-ASIC’s lastig te kopiëren is, stelt Shattered.io.
Aan de aanbodkant is de logica helder: een ontwikkelaars-ecosysteem dat sterk leunt op CUDA en de bijbehorende toolchain verhoogt de overstapkosten per eenheid inference. Dat weegt zwaarder naarmate de rekenkosten per token verder dalen en prijsdruk toeneemt.
Broadcom verkoopt aan hyperscalers primair efficiëntie: chips die zijn geoptimaliseerd voor de specifieke rekenbehoeften van één klant, in plaats van Nvidia’s brede architectuur die tegelijk vele soorten workloads moet bedienen, aldus de vergelijking van The Motley Fool op basis van de recente cijfers.
Waar de kapitaaluitgaven van hyperscalers verschuiven richting eigen, op maat ontworpen silicium in plaats van generieke GPU’s, is die investeringsstroom een betrouwbaarder signaal dan welke publieke uitspraak over ‘leveranciersneutraliteit’ dan ook.
Ook interessant: Polygon opent route voor cryptodonaties aan rampenfonds in Nepal
Waar beleggers nu op letten
Analisten blijven overwegend positief over beide ondernemingen. Groeiende kapitaaluitgaven van hyperscalers – rond 30% jaar op jaar – worden gezien als bewijs dat de uitrol van AI-infrastructuur nog lang niet is uitgespeeld, zowel voor GPU- als ASIC-leveranciers.
De kernvraag is of Nvidia’s softwareschil, nu versterkt door het overgenomen platform, zijn margevoorsprong kan vasthouden terwijl steeds meer cloudproviders eigen custom silicon ontwerpen in plaats van standaard-GPU’s in te kopen.
Het antwoord zal eerder zichtbaar worden in capaciteitsverplichtingen en trends in kosten per inference dan in het begeleidende verhaal bij de volgende kwartaalcijfers.
Lees ook: OpenAI lanceert GPT-6 Astra, tot nu toe het krachtigste model
