Nvidia of Broadcom, wie jaagt je portefeuille vijf jaar aan?

In het kort:

• Nvidia verwacht 70% omzetgroei in het komende boekjaar, maar Broadcom mikt op snellere groei in AI halfgeleiders.

• Nvidia leunt op flexibele GPU’s, terwijl Broadcom inzet op op maat gemaakte ASIC’s voor grote AI klanten.

• De vraag is of AI datacenters de komende jaren vooral flexibiliteit blijven kopen, of steeds vaker kiezen voor efficiënt maatwerk.

Nvidia vs Broadcom is uitgegroeid tot een van de scherpere vergelijkingen binnen AI chips. Nvidia is nog altijd de standaard in GPU’s voor zware AI berekeningen, maar Broadcom wint terrein met op maat gemaakte chips voor grote klanten. Dat maakt de discussie minder simpel dan alleen kijken naar wie vandaag de grootste is.

Beide bedrijven zitten midden in de investeringsgolf rond AI datacenters. Die datacenters vragen steeds meer rekenkracht, netwerkcapaciteit en zuinigere chips. Voor beleggers draait het daarom vooral om de vraag waar de volgende groeiversnelling zit: bij breed inzetbare rekenkracht of bij chips die precies één taak goedkoper uitvoeren.

Het lichte voordeel in het groeiverhaal ligt bij Broadcom. Niet omdat Nvidia zwak staat, maar omdat AI workloads mogelijk beter voorspelbaar worden. Zodra taken vaster omlijnd zijn, krijgt maatwerk meer waarde.

Nvidia-koers weerspiegelt dominantie in AI-chips

Bron: Business Insider

Nvidia GPU blijft de standaard

Nvidia’s graphics processing units, of GPU’s, zijn sinds het begin van de AI race de industriestandaard voor AI rekenkracht. Die positie komt niet alleen door de chips zelf. Nvidia heeft met CUDA ook een softwareplatform waar klanten en ontwikkelaars al jaren mee werken.

Die combinatie maakt Nvidia moeilijk te omzeilen. GPU’s kunnen veel verschillende zware rekentaken aan, van training tot inference, waarbij AI modellen antwoorden genereren. Voor bedrijven die nog testen met modellen, toepassingen en datastromen blijft die flexibiliteit belangrijk.

Nvidia probeert die voorsprong te verlengen met Vera Rubin, de nieuwste AI architectuur die recent in levering is gegaan. Het platform combineert Vera central processing units met Rubin GPU’s en is krachtiger dan Blackwell. Bij inference dalen de tokenkosten met een factor 10, terwijl training voor een bepaalde workload 75% minder GPU’s vraagt.

Broadcom zoekt groei in ASIC’s

Broadcom kiest een smaller pad. Het bedrijf maakt custom application specific integrated circuits, of ASIC’s, chips die zijn ontworpen voor nauw omschreven workloads. Die chips zijn minder flexibel dan GPU’s, maar kunnen bij de juiste taak sneller en goedkoper zijn.

Juist daarom kijken grote AI klanten naar Broadcom. Het bedrijf werkt met namen als Alphabet, Meta Platforms, Anthropic en OpenAI. Dat zegt veel over de plek waar de vraag naar maatwerkchips ontstaat: bij partijen die enorme volumes draaien en hun infrastructuur tot op de dollar doorrekenen.

Daar zit ook het risico. Een ASIC kan uitblinken als de taak perfect past bij het ontwerp, maar tekortschieten buiten de eigen kerncompetentie. Voor Broadcom is het groeiverhaal dus krachtig, maar ook afhankelijk van de vraag of AI gebruik voorspelbaarder wordt.

AI-datacenters vragen om zuinigere en gespecialiseerde chips

Bron: Bloomberg News

AI datacenters zetten de lat hoger

Nvidia verwacht voor het komende boekjaar 70% omzetgroei. Voor een bedrijf van die omvang is dat nog altijd fors. Nvidia heeft bovendien vaker beter gepresteerd dan de eigen verwachtingen, waardoor die prognose op Wall Street niet automatisch als bovengrens wordt gelezen.

Broadcom legt de lat hoger in AI halfgeleiders. Het bedrijf verwacht de omzet in dat segment te verdubbelen naar $115 miljard in 2027. Daarna mikt Broadcom opnieuw op een verdubbeling, naar $230 miljard in 2028.

Dat verschil in groeipad verklaart waarom Broadcom in deze vergelijking net wat meer spanning oplevert. Nvidia heeft de bewezen positie, Broadcom heeft mogelijk de snellere niche. De markt voor AI infrastructuur is groot genoeg voor beide, maar de verdeling tussen GPU’s en ASIC’s wordt belangrijker naarmate klanten scherper naar kosten kijken.

Hyperscalers bepalen de richting

De kernvraag bij Nvidia vs Broadcom is niet welke chip “beter” is. De producten doen verschillende dingen, ook al belanden ze in dezelfde AI datacenters. Nvidia verkoopt brede rekenkracht, Broadcom bouwt chips voor specifieke taken.

De vraag is waar hyperscalers de komende jaren hun budgetten naartoe schuiven. Blijven zij vooral GPU’s kopen omdat flexibiliteit vooropstaat, of gaat een groter deel naar ASIC’s omdat workloads duidelijker worden? De meest nuchtere lezing is dat beide chiptypen naast elkaar blijven bestaan.

Toch oogt het argument voor Broadcom op dit punt sterker. Als AI toepassingen van experiment naar productie gaan, telt efficiëntie zwaarder. Voor klanten die miljarden uitgeven aan datacenters kan een klein kostenvoordeel per taak op grote schaal veel uitmaken.

Broadcom heeft bewijs nodig

Broadcom krijgt in het AI verhaal een klein groeivoordeel, maar dat voordeel is nog geen uitgemaakte zaak. Nvidia blijft sterk door zijn GPU positie, zijn CUDA ecosysteem en de komst van Vera Rubin. Broadcom moet laten zien dat zijn maatwerkchips buiten enkele grote klanten breed genoeg kunnen doorgroeien.

Voor particuliere beleggers blijft de vergelijking daardoor minder zwart wit dan de koersen soms doen vermoeden. Nvidia biedt blootstelling aan de bestaande standaard voor AI rekenkracht. Broadcom biedt blootstelling aan de mogelijke verschuiving naar custom chips, waar de groei sneller kan lopen als workloads vaster worden.

Nvidia vs Broadcom blijft de komende jaren vooral een test van tempo en bewijs. Nvidia moet laten zien dat Vera Rubin de beloofde kostenvoordelen in de praktijk waarmaakt. Broadcom moet bewijzen dat AI halfgeleiders inderdaad kunnen doorgroeien naar $115 miljard in 2027 en $230 miljard in 2028.