Dit is hoeveel Nvidia over 5 jaar waard kan zijn

Nvidia is inmiddels veel meer dan de fabrikant van de chips waarop de AI-revolutie draait. Het bedrijf probeert een steeds groter gedeelte van de volledige AI-infrastructuur naar zich toe te trekken. Naast GPU’s verkoopt Nvidia netwerkapparatuur, software en processors, terwijl het inmiddels zelfs helpt om de honderden miljarden dollars aan investeringen te financieren die nodig zijn om nieuwe AI-datacenters te bouwen.

Dat maakt de positie van Nvidia bijzonder, maar creëert tegelijkertijd nieuwe risico’s. Hoe duurzaam is een AI-boom wanneer de belangrijkste leverancier van de infrastructuur steeds nadrukkelijker betrokken raakt bij het financieren van zijn eigen klanten? Juist die ontwikkeling kan de komende jaren enorm belangrijk worden, omdat Nvidia daarmee een van de grootste beperkingen voor verdere AI-groei probeert weg te nemen: niet de technologie, maar het enorme bedrag dat nodig is om alle benodigde infrastructuur te bouwen.

Van grafische chip naar fundament onder ChatGPT

Om te begrijpen hoe sterk Nvidia tegenwoordig staat, moeten we eigenlijk terug naar vóór ChatGPT. OpenAI werd eind 2015 opgericht en gebruikte voor zijn vroege onderzoek onder andere Nvidia’s DGX-1, een AI-supercomputer die destijds was uitgerust met acht P100-GPU’s. Daarmee speelde Nvidia al vroeg een belangrijke rol bij de ontwikkeling van de technologie die uiteindelijk tot moderne generatieve AI zou leiden.

De fundamentele kracht van GPU’s zit in parallelle verwerking. Waar een traditionele CPU vooral is ontworpen om een relatief beperkt aantal complexe taken achter elkaar uit te voeren, kunnen GPU’s enorme hoeveelheden berekeningen tegelijkertijd verwerken. Juist dat bleek ideaal voor het trainen van neurale netwerken en later grote taalmodellen.

Nvidia zag deze mogelijkheid bovendien veel eerder dan vrijwel iedereen. Met CUDA maakte het bedrijf zijn GPU’s programmeerbaar voor veel meer toepassingen dan alleen het renderen van videogames. Ontwikkelaars konden hierdoor software bouwen die rechtstreeks gebruikmaakte van de enorme parallelle rekenkracht van Nvidia’s chips.

Daar ligt misschien wel de belangrijkste reden waarom Nvidia zo moeilijk te vervangen is. Het bedrijf verkoopt niet simpelweg de snelste chip, maar heeft rond die chips in de afgelopen twintig jaar een compleet ecosysteem opgebouwd van software, programmeertools en bibliotheken. Daar zijn later technologieën als NVLink en InfiniBand bijgekomen, waarmee enorme aantallen GPU’s met elkaar verbonden kunnen worden.

Nvidia verkoopt steeds meer een compleet AI-systeem

Dat onderscheid wordt belangrijker naarmate AI-datacenters groter worden. Een modern AI-cluster bestaat niet simpelweg uit duizenden losse GPU’s. De processors moeten razendsnel gegevens met elkaar kunnen uitwisselen en samenwerken alsof ze onderdeel zijn van één gigantische computer.

Daarom probeert Nvidia steeds meer onderdelen van die infrastructuur zelf te leveren. Het bedrijf verdient niet alleen aan de GPU, maar ook aan networking, software en complete racksystemen. Bovendien breidt Nvidia zijn activiteiten verder uit naar CPU’s, optical networking en infrastructuur voor custom AI-chips.

De nieuwe Vera-serverprocessor is daar een goed voorbeeld van. Nvidia verwacht volgens de aangeleverde analyse alleen dit jaar al ongeveer $20 miljard omzet uit deze CPU te halen en schat de totale adresseerbare markt voor serverprocessors op ongeveer $200 miljard. Daarmee begeeft Nvidia zich nadrukkelijker op een markt die traditioneel wordt gedomineerd door Intel en AMD.

Ook op andere gebieden ontstaan nieuwe mogelijkheden. Via samenwerkingen met onder andere Marvell en Ayar Labs probeert Nvidia een positie op te bouwen rond custom AI-processors en optical networking. Dat laatste wordt belangrijk omdat traditionele verbindingstechnieken uiteindelijk tegen fysieke beperkingen aanlopen wanneer AI-clusters steeds groter worden.

Goldman Sachs verwacht volgens de aangeleverde bron dat de markt voor optical networking tussen 2026 en 2028 ongeveer negen keer zo groot kan worden en uiteindelijk richting $154 miljard omzet kan groeien. Nvidia probeert dus duidelijk te voorkomen dat het afhankelijk blijft van alleen GPU’s. Het wil zoveel mogelijk onderdelen leveren die nodig zijn om een complete AI-fabriek te bouwen.

De volgende beperking van AI is misschien helemaal geen chip

Daarmee komen we bij een opvallende nieuwe fase van de AI-boom. De vraag naar rekenkracht is enorm, maar het bouwen van de benodigde infrastructuur kost inmiddels zulke grote bedragen dat kapitaal zelf een beperkende factor kan worden. De technologische mogelijkheid om grotere AI-systemen te bouwen bestaat, maar iemand moet de honderden miljarden dollars aan investeringen uiteindelijk wel financieren.

AI-datacenters vereisen namelijk veel meer dan alleen GPU’s. Er zijn enorme hoeveelheden geheugen, netwerkapparatuur, koeling en elektriciteit nodig. Vervolgens moeten al deze onderdelen worden ondergebracht in datacenters waarvan de bouw eveneens miljarden kost. Alleen al de grote hyperscalers zouden in 2026 gezamenlijk ongeveer $700 miljard investeren in AI-infrastructuur.

Zelfs voor bedrijven met zeer sterke balansen zijn dit uitzonderlijke bedragen. Voor kleinere AI-bedrijven en gespecialiseerde cloudproviders wordt het probleem nog groter. Zij zien enorme vraag naar rekenkracht, maar moeten eerst miljarden investeren voordat ze die capaciteit daadwerkelijk kunnen aanbieden.

Nvidia heeft er uiteraard belang bij dat geld geen beperking wordt. Iedere AI-fabriek die vanwege een gebrek aan financiering niet wordt gebouwd, betekent uiteindelijk ook minder potentiële verkoop van Nvidia-systemen. Daarom begint het bedrijf zich steeds nadrukkelijker op een terrein te bewegen dat op het eerste gezicht weinig met chips te maken heeft: financiering.

Nvidia helpt zijn eigen AI-economie financieren

Nvidia gebruikt zijn enorme financiële slagkracht steeds vaker om de uitbreiding van AI-infrastructuur mogelijk te maken. Het bedrijf investeert rechtstreeks in klanten en partners en kan daarnaast financieringsconstructies ondersteunen waarmee bedrijven gemakkelijker toegang krijgen tot de benodigde miljarden. Daarmee probeert Nvidia feitelijk de financiële drempel voor het kopen van zijn eigen technologie te verlagen.

Een duidelijk voorbeeld is CoreWeave. Nvidia heeft miljarden geïnvesteerd in dergelijke gespecialiseerde AI-cloudbedrijven, die het kapitaal vervolgens onder meer gebruiken om infrastructuur met Nvidia-chips uit te bouwen. Ook rond OpenAI, SoftBank en Anthropic zijn omvangrijke samenwerkingen opgezet waarbij Nvidia niet langer uitsluitend als leverancier optreedt.

Op zichzelf hoeft daar niets mis mee te zijn. Nvidia beschikt over een enorme kasstroom en heeft er strategisch belang bij dat zijn ecosysteem zo snel mogelijk groeit. Wanneer een veelbelovende klant onvoldoende kapitaal heeft om een AI-cluster te bouwen, kan Nvidia helpen die financiële drempel weg te nemen. Inmiddels gaat de strategie echter verder dan alleen rechtstreekse investeringen in individuele klanten.

Wall Street moet voor honderden miljarden aan kapitaal vrijmaken

Nvidia werkt volgens de aangeleverde analyse inmiddels samen met BlackRock, Apollo, Blackstone, Brookfield, Goldman Sachs en KKR aan financieringsplatforms die uiteindelijk meer dan $500 miljard aan extern kapitaal voor AI-infrastructuur moeten mobiliseren. Daarmee wordt de financiering van AI steeds meer een samenwerking tussen technologiebedrijven en de grootste financiële instellingen ter wereld.

Dat bedrag moet even in perspectief worden geplaatst. De verwachte investeringen van de grote hyperscalers bedragen dit jaar ongeveer $700 miljard. Nvidia probeert dus samen met enkele van de grootste financiële instellingen ter wereld een alternatieve kapitaalbron te creëren die qua omvang in dezelfde orde van grootte begint te komen.

Het idee is interessant. In plaats van dat een bedrijf zelf miljarden moet lenen om Nvidia-systemen te kopen, kan de infrastructuur gedeeltelijk via externe investeerders worden gefinancierd. De GPU’s en andere apparatuur worden daarmee in zekere zin investeerbare infrastructuur.

Dat lijkt enigszins op de manier waarop andere grote infrastructuurprojecten worden gefinancierd. Een datacenter vol Nvidia-systemen genereert toekomstige inkomsten uit de verkoop van rekenkracht. Op basis van die verwachte kasstromen kan extern kapitaal worden aangetrokken, waardoor de hoeveelheid beschikbare financiering voor nieuwe AI-capaciteit sterk kan toenemen.

De ‘financialisering’ van Nvidia’s GPU’s

Daar ontstaat een nieuw fenomeen. Sommige marktvolgers spreken inmiddels over de ‘financialisering’ van AI-compute. Nvidia verkoopt dan niet langer alleen hardware, maar helpt indirect een financiële infrastructuur rondom die hardware te creëren.

Dat kan de groei aanzienlijk versnellen. Een bedrijf hoeft niet langer miljarden dollars op de eigen balans beschikbaar te hebben voordat het een groot AI-cluster kan bouwen. Pensioenfondsen, private-equitypartijen, vermogensbeheerders en banken kunnen een deel van het benodigde kapitaal verschaffen.

Voor Nvidia ontstaat daardoor een bijzonder krachtige vliegwielwerking. Meer beschikbaar kapitaal maakt meer datacenters mogelijk, wat weer leidt tot meer vraag naar Nvidia-systemen. Die infrastructuur genereert vervolgens inkomsten waarmee opnieuw capaciteit kan worden gefinancierd. Precies daarin zit echter ook het grootste gevaar, want hetzelfde mechanisme dat de groei versnelt kan bij tegenvallende rendementen ook de andere kant op werken.

Wanneer financiering zelf vraag begint te creëren

Het verschil tussen gezonde financiering en kunstmatig gestimuleerde vraag kan uiteindelijk klein worden. Wanneer Nvidia investeert in een klant die vervolgens met dat geld Nvidia-GPU’s koopt, kan de economische relatie ingewikkelder worden dan een normale verkoop aan een volledig onafhankelijke klant. Beleggers moeten daarom niet alleen kijken hoeveel chips Nvidia verkoopt, maar uiteindelijk ook wie de infrastructuur financiert en waar de economische eindvraag vandaan komt.

Dat betekent niet automatisch dat de omzet niet reëel is. De GPU’s bestaan daadwerkelijk en worden gebruikt om AI-workloads uit te voeren. Zolang eindgebruikers bereid zijn voldoende te betalen voor die rekenkracht, kan het systeem uitstekend functioneren.

Het risico ontstaat wanneer er structureel meer AI-capaciteit wordt gebouwd dan economisch nodig is. Dan kunnen de rendementen van datacenters dalen, waardoor financiers voorzichtiger worden. Zodra kapitaal moeilijker verkrijgbaar wordt, kunnen investeringen afnemen en daarmee uiteindelijk ook de vraag naar nieuwe Nvidia-systemen.

Dat is een belangrijke nuance bij de spectaculaire groei van de afgelopen jaren. Nvidia profiteert niet alleen van technologische vraag naar AI, maar steeds meer ook van een financieel ecosysteem dat ervoor zorgt dat die vraag daadwerkelijk gefinancierd kan worden. Zolang het gebruik van AI snel genoeg groeit, versterkt dat de cyclus. Wanneer de uiteindelijke vraag achterblijft bij de gebouwde capaciteit, kan diezelfde financiële hefboom juist een zwakte worden.

De vergelijking met Cisco wordt daardoor interessanter

De vergelijking met Cisco rond de internetzeepbel wordt regelmatig gemaakt en is niet volledig onlogisch. Cisco leverde in de jaren negentig een cruciaal onderdeel van de infrastructuur waarop het internet werd gebouwd. Beleggers hadden bovendien gelijk dat het internet de wereld fundamenteel zou veranderen.

Het probleem was uiteindelijk niet de technologie zelf. Het probleem was hoeveel beleggers bereid waren te betalen voor de bedrijven die ervan profiteerden en hoeveel infrastructuur vooruitlopend op toekomstige vraag werd aangelegd. Toen bleek dat een gedeelte van die investeringen te optimistisch was geweest, werden zowel de waarderingen als de investeringsbudgetten hard geraakt.

Dat onderscheid is ook voor Nvidia belangrijk. AI kan tegelijkertijd een revolutionaire technologie én een gebied met te hoge investeringen zijn. Die twee zaken sluiten elkaar helemaal niet uit, waardoor het succes van AI op zichzelf niet voldoende is om iedere waardering of iedere investering in AI-infrastructuur te rechtvaardigen.

Toch is Nvidia niet zomaar het Cisco van deze cyclus. Het bedrijf heeft een veel bredere technologische positie. CUDA, networking, GPU’s, complete AI-systemen en inmiddels CPU’s en andere infrastructuur zorgen ervoor dat Nvidia veel meer controle heeft over de volledige technologiestack. Bovendien is de winstgevendheid van het bedrijf op dit moment uitzonderlijk hoog.

De brutomarge wordt misschien wel het belangrijkste cijfer

Daarom is één cijfer de komende kwartalen bijzonder interessant: de brutomarge. Nvidia verwacht voor het tweede kwartaal van boekjaar 2027 een GAAP-brutomarge van ongeveer 74,9%, met een marge van 0,5 procentpunt naar boven of beneden. Voor het volledige boekjaar verwacht het management dat de brutomarge grofweg rond het midden van de 70% blijft.

Dat is belangrijk omdat Nvidia inmiddels meer concurrentie begint te krijgen. Vooral bij inference, waarbij getrainde AI-modellen daadwerkelijk worden gebruikt om antwoorden en andere output te produceren, bestaan meer alternatieven dan bij het trainen van de grootste modellen.

AMD probeert met zijn MI350-serie terrein te winnen, terwijl Broadcom samen met grote hyperscalers custom ASIC’s ontwikkelt. Grote technologiebedrijven ontwikkelen daarnaast steeds vaker eigen accelerators. Voor specifieke workloads kunnen zulke chips uiteindelijk goedkoper of efficiënter zijn dan Nvidia’s GPU’s.

Wanneer Nvidia zijn brutomarge rond 75% kan houden terwijl de omzet blijft stijgen, zou dat een sterk signaal zijn dat de concurrentiedruk nog niet wezenlijk aan zijn pricing power knaagt. Een duidelijke en aanhoudende margedaling zou juist één van de eerste aanwijzingen kunnen zijn dat het economische voordeel van Nvidia begint af te nemen. De brutomarge vertelt daardoor veel meer dan alleen hoeveel winst Nvidia op iedere verkochte dollar maakt.

Tegelijkertijd blijven de winstverwachtingen stijgen

Voorlopig wijzen de cijfers nog niet op zo’n scenario. De consensusverwachting voor de winst per aandeel in het komende kwartaal ligt volgens de aangeleverde analyse rond $2,10, terwijl eind 2025 nog ongeveer $1,80 werd verwacht. Dat betekent dat analisten hun verwachtingen in minder dan een jaar met ongeveer 17% hebben verhoogd.

Tegelijkertijd worden ook de omzetverwachtingen naar boven bijgesteld. Voor het tweede kwartaal van boekjaar 2027 wordt inmiddels ongeveer $92,1 miljard omzet verwacht, waarbij de verwachtingen in de afgelopen maanden meerdere keren zijn verhoogd.

Dat verschil is belangrijk. De hogere winstverwachtingen lijken niet simpelweg voort te komen uit de aanname dat Nvidia zijn toch al extreme marges nog verder kan verhogen. Analisten verwachten vooral meer omzet, terwijl de brutomarge ongeveer stabiel blijft.

Voor de houdbaarheid van de groei is dat een veel gunstiger uitgangspunt. Nvidia kan dan zelfs enige druk op zijn prijzen absorberen zolang volumes sterk genoeg blijven groeien en het bedrijf tegelijkertijd meer networking, software, CPU’s en andere producten per AI-systeem verkoopt. De winstgroei wordt daarmee steeds meer gedragen door de omvang van het ecosysteem in plaats van alleen door extreem hoge prijzen voor GPU’s.

Ondanks de koersstijging is Nvidia goedkoper geworden

Misschien wel het opvallendste onderdeel van het verhaal zit daarom in de waardering. Sinds december is het aandeel volgens de aangeleverde analyse ongeveer 27% gestegen, terwijl de forward GAAP koers-winstverhouding juist is gedaald van ongeveer 39 naar 23.

Nvidia is dus duurder geworden in absolute beurswaarde, maar goedkoper ten opzichte van de winst die beleggers inmiddels verwachten. Dat klinkt tegenstrijdig, maar het is precies wat er gebeurt wanneer winstverwachtingen sneller stijgen dan de aandelenkoers.

Een koers-winstverhouding rond 23 voor een bedrijf met Nvidia’s huidige groei ziet er op papier helemaal niet extreem uit. Het probleem is alleen dat beleggers daarmee impliciet moeten aannemen dat een belangrijk gedeelte van die winstgroei duurzaam is. Wanneer de AI-investeringen plotseling vertragen, kan de winstverwachting immers net zo snel weer naar beneden worden aangepast.

Daar komt de discussie over AI-overinvesteringen opnieuw terug. De waardering lijkt redelijk zolang Nvidia zijn huidige winstontwikkeling grotendeels kan vasthouden, maar wordt veel minder aantrekkelijk wanneer blijkt dat een gedeelte van de huidige vraag naar infrastructuur naar voren is gehaald.

Wat als Nvidia nog vijf jaar blijft groeien?

De schaal waarop Nvidia inmiddels opereert maakt de vooruitzichten bijna absurd. Analisten rekenen voor boekjaar 2029 op ongeveer $694 miljard omzet. Zelfs bij een duidelijke vertraging zou het bedrijf daarna nog enorme absolute bedragen aan omzet kunnen toevoegen.

Wanneer Nvidia vervolgens nog slechts 15% per jaar zou groeien, zou de omzet tegen boekjaar 2031 richting $918 miljard kunnen bewegen. Dat zou betekenen dat Nvidia binnen enkele jaren bijna één biljoen dollar per jaar omzet genereert.

Bij een waardering van twaalf keer de omzet zou daar theoretisch een beurswaarde van ongeveer $11 biljoen uit volgen. Dat is ruim twee keer de huidige marktwaarde van ongeveer $5 biljoen, waardoor zelfs vanaf de huidige gigantische omvang nog een scenario bestaat waarin het aandeel sterk kan stijgen.

Zo’n berekening moet uiteraard niet als koersdoel worden gezien. Twaalf keer omzet blijft een zeer hoge multiple voor een bedrijf dat tegen die tijd bijna $1 biljoen omzet zou draaien. Het illustreert vooral hoe uitzonderlijk groot de uiteindelijke AI-markt moet worden om vanaf de huidige waardering opnieuw spectaculaire rendementen mogelijk te maken.

Nvidia hoeft niet eens dezelfde waardering te behouden

Een andere manier om naar het aandeel te kijken is via de winst. De aangeleverde Seeking Alpha-analyse redeneert dat Nvidia inmiddels rond 23 keer de verwachte GAAP-winst noteert, tegenover ongeveer 39 keer eind vorig jaar. Daarmee heeft al een forse waarderingscompressie plaatsgevonden terwijl het aandeel zelf juist is gestegen.

Wanneer slechts een klein gedeelte van die waarderingskrimp wordt teruggedraaid en Nvidia bijvoorbeeld naar ongeveer 27 keer de winst beweegt, ontstaat volgens die analyse een koerspotentieel richting $263. Tegenover een koers rond $215 zou dat ruim 20% opwaarts potentieel betekenen.

Maar zo’n waardering is alleen gerechtvaardigd wanneer de operationele ontwikkeling sterk blijft. Vooral omzetgroei, brutomarge en de daadwerkelijke economische vraag naar AI-compute moeten daarom goed gevolgd worden. Een hogere multiple heeft weinig waarde wanneer tegelijkertijd de toekomstige winstverwachtingen beginnen te dalen.

De vraag voor beleggers is daardoor niet langer simpelweg of Nvidia volgend kwartaal opnieuw meer GPU’s verkoopt. De belangrijkere vraag is hoeveel rendement de honderden miljarden dollars aan AI-infrastructuur uiteindelijk opleveren voor de bedrijven die deze systemen kopen. Daar ligt uiteindelijk de economische onderbouwing voor alle miljarden die momenteel door het ecosysteem stromen.

Scenario	Forward P/E	Impliciete koers	Potentieel vanaf $215	Situatie
Bear case	20×	$195	-9%	Groei vertraagt en AI investeringen leveren minder op dan verwacht
Huidige waardering	23×	$224	+4%	Nvidia haalt de winstverwachtingen, maar krijgt geen hogere multiple
Positief scenario	27×	$263	+22%	Sterke groei houdt aan en een deel van de waarderingscompressie wordt teruggedraaid
Bull case	30×	$292	+36%	AI vraag blijft uitzonderlijk sterk en beleggers accepteren opnieuw een hogere waardering

Nvidia bouwt eigenlijk zijn eigen economie

Dat is uiteindelijk wat Nvidia momenteel zo fascinerend maakt. Het bedrijf begon als ontwerper van grafische chips, werd vervolgens de belangrijkste leverancier van AI-processors en ontwikkelt zich nu richting de architect van een complete AI-economie.

Nvidia levert de rekenkracht, de networking en de software waarmee AI-systemen worden gebouwd. Tegelijkertijd werkt het bedrijf samen met klanten, investeerders en enkele van de grootste financiële instellingen ter wereld om ervoor te zorgen dat voldoende kapitaal beschikbaar blijft om die infrastructuur te financieren.

Als de vraag naar AI-compute de komende jaren daadwerkelijk blijft exploderen, kan dit een briljante strategie blijken. Nvidia verwijdert dan één van de grootste beperkingen op zijn eigen groei en vergroot tegelijkertijd de afhankelijkheid van zijn technologie.

Maar dezelfde constructie kan het bedrijf gevoeliger maken voor een terugval. Wanneer rendementen op AI-investeringen tegenvallen, financiering duurder wordt of er overcapaciteit ontstaat, kan de vliegwielwerking namelijk ook de andere kant opdraaien. Juist omdat Nvidia steeds centraler komt te staan in het volledige ecosysteem, wordt het bedrijf ook steeds gevoeliger voor de gezondheid van dat ecosysteem.

Voor beleggers verschuift daarom de belangrijkste vraag

Het interessante aan Nvidia is dat de discussie over het aandeel steeds minder gaat over de vraag of het bedrijf technologisch sterk genoeg is. Dat lijkt nauwelijks ter discussie te staan. De belangrijkere vraag is inmiddels hoe groot en winstgevend de economie rondom Nvidia uiteindelijk kan worden.

Daarom verdienen de brutomarge, omzetgroei en investeringsbereidheid van hyperscalers de komende kwartalen misschien meer aandacht dan de aandelenkoers zelf. Zolang Nvidia rond 75% brutomarge kan blijven draaien terwijl omzetverwachtingen verder stijgen, is er weinig bewijs dat concurrentie de economische kracht van het bedrijf wezenlijk aantast.

Tegelijkertijd moeten beleggers de nieuwe financieringsconstructies niet negeren. Nvidia maakt AI-investeringen gemakkelijker en kan daarmee zijn eigen adresseerbare markt vergroten, maar hoe verder de sector afhankelijk wordt van extern kapitaal om nieuwe compute te financieren, hoe belangrijker het wordt dat die investeringen uiteindelijk voldoende rendement opleveren.

Nvidia staat daarmee op een bijzondere plek. Het bedrijf verkoopt niet langer alleen de belangrijkste technologie van de AI-boom, maar helpt inmiddels ook de financiële infrastructuur te bouwen waarmee diezelfde boom verder kan groeien. Dat kan de volgende fase van Nvidia’s expansie mogelijk maken, maar vormt tegelijkertijd een van de belangrijkste risico’s om de komende jaren in de gaten te houden.