15 PŘÍMÝCH PŘÍJEMCŮ Z $META, $GOOGL A $MSFT VYSOKÝCH VÝNOSŮ 1. $NVDA – ústřední bod budování umělé inteligence velkých technologických společností, která dodává GPU, síťové a full-stack systémy pohánějící agentické modely nové generace. 2. $AVGO -- dodává vlastní křemíkové a vysokorychlostní propojení, které Big Tech potřebuje k integraci architektur AI třídy Nvidia s minimální latencí. 3. $PLTR -- umožňuje nasazení umělé inteligence v měřítku velkých technologických společností, která funguje jako rozhodovací motor v reálném světě pro infrastrukturu modelu LLM. 4. $TSM -- vyrábí každý pokročilý čip Nvidia AI, na který Big Tech spoléhá, přičemž CoWoS a pokročilé balení jsou rozhodující pro výkon. 5. $AMD – nabízí primární alternativu GPU pro velké technologické společnosti, protože poptávka překračuje současnou nabídku Nvidie. 6. $ARM – pohání tlak velkých technologických společností na edge AI a poskytuje výpočetní jádra s nízkou spotřebou pro distribuované pracovní zátěže v reálném čase. 7. $ASML -- poskytuje EUV litografii potřebnou k výrobě špičkových čipů, které pohánějí akceleraci umělé inteligence velkých technologických společností. 8. $CEG – dodává čistý výkon pro základní zatížení, který datová centra s umělou inteligencí velkých technologických společností vyžadují, protože poptávka po energii prudce roste. 9. $ANET – poskytuje síť s vysokou propustností, která udržuje clustery GPU Nvidia společnosti Big Tech v provozu s maximální efektivitou. 10. $AMAT – poskytuje pokročilé výrobní nástroje potřebné k vytváření a balení čipů, které stojí za plány umělé inteligence velkých technologických společností. 11. $VRT -- zajišťuje provozuschopnost pro klastry umělé inteligence Big Tech s pokročilou infrastrukturou chlazení a napájení. 12. $ALAB – odstraňuje úzká hrdla mezi GPU a pamětí pro velké technologické pracovní zátěže díky širokopásmové konektivitě PCIe a CXL. 13. $NVTS -- Ve spolupráci se společností Nvidia na vývoji technologie konverze energie nové generace, která se dá škálovat s datovými centry s umělou inteligencí, u nichž se očekává, že do roku 2027 vyvrcholí výstavba datových center. 14. $NBIS -- zachycuje přebytek hyperscaleru, protože poptávka po výpočtech AI převyšuje nabídku, a poskytuje elastickou infrastrukturu GPU pro nárazové trénování a inferenci. 15. $MU – poskytuje paměť s vysokou šířkou pásma (HBM), která je nezbytná pro trénink a inferenci v měřítku velkých technologických společností, čímž maximalizuje propustnost GPU.