När Jensen Huang talade vid Nvidia årsstämman förra veckan nämnde han inget om en aktiekursnedgång.

Den amerikanska chiptillverkaren, upplyft av sin nyckelroll i den artificiella intelligensboomen, hade under kort tid blivit världens mest värdefulla företag den 18 juni men kronan gled snabbt. Nvidia förlorade omkring 550 miljarder dollar (434 miljarder pund) från det högsta marknadsvärdet på 3,4 miljarder dollar (2,68 miljarder pund) som det hade nått den veckan, som tekniska investerare, och kombinerade vinsttagning med tvivel om hållbarheten i dess rasande tillväxtbromsade.

Huang talade dock som VD:n för ett företag som tog 30 dagar i år att gå från en värdering på $2tn till $3tn – och ser $4tn komma till synen.

Han beskrev en kommande grupp kraftfulla nya chips, kallade Blackwell, som potentiellt “den mest framgångsrika produkten i vår historia” och kanske i hela datorns historia. Han tillade att den nya vågen för AI skulle automatisera 50tn dollar av tung industri, och beskrev vad som lät som en oändlig slinga av robotfabriker som orkestrerar robotar som “bygger produkter som är robotbaserade”.

Som avslutning sa han: “Vi har återuppfunnit Nvidia, datorindustrin och mycket troligt världen.”

Dessa är den typ av ord som en $4tn värdering, och AI-hypecykel, är byggd. Nvidia-aktierna går tillbaka och returnerar över 3 miljarder dollar den här veckan, eftersom det fortfarande är det bästa sättet att köpa aktier i AI-boomen. Är det tillräckligt för att driva den till 4 miljarder dollar trots uppkomsten av tvivel från investerare?

Alvin Nguyen, senioranalytiker på undersökningsföretaget Forrester, sa att “bara en kollaps av genAI-marknaden” skulle hindra Nvidia från att nå 4 miljarder dollar någon gång – men om det kom dit först före teknikrivaler var en annan fråga. För närvarande är Microsoft – en annan stor aktör inom AI – och Apple etta respektive tvåa vad gäller marknadsstorlek, med Nvidia på tredje plats.

Om OpenAI:s nästa stora AI-modell, GPT-5, och andra nya modeller var häpnadsväckande, skulle aktiekursen hålla sig stark och kunna nå $4tn i slutet av 2025, sa Nguyen. Men om de underväldigade, kan aktiekursen påverkas, med tanke på dess status som flaggbärare för tekniken. Ett tekniskt genombrott kan resultera i att mindre datorkraft behövs för att träna modeller, tillade han, eller så kan intresset från företag och konsumenter för generativa AI-verktyg bli mindre robust än hoppats.

“Det finns mycket som är okänt och utanför Nvidias kontroll som kan påverka deras väg till $4tn,” sa Nguyen. “Som besvikelse över nya modeller som kommer ut, modellförbättringar som minskar beräkningsbehoven och en svagare efterfrågan än förväntat från företag och konsumenter på genAI-produkter.”

Privata AI-forskningslabb som OpenAI och Anthropic – enheterna bakom ChatGPT och Claude chatbots – handlas inte på offentliga marknader, vilket gör att enorma summor pengar flyter runt på investerarkonton utan möjlighet att få tillgång till några av de stora hitsarna i den generativa AI-frenzyn.

Köpa aktier i multinationella företag som Microsoft eller Google är redan dyrt, och bara en bråkdel av en investering är relaterad till det heta nya. Det kan bli en enorm AI-boom, men om till exempel Googles sökannonsverksamhet vacklade som ett resultat, skulle företaget inte nödvändigtvis bli en nettovinnare.

Nvidia däremot säljer spader i en guldrush. Trots år av investeringar i kapacitet, fortsätter det att sälja sina toppchips snabbare än det kan göra dem. Enorma andelar av investeringarna i frontier AI-forskning rinner rakt ut ur labben och in i Nvidias kassa, med företag som t.ex. Meta spenderar miljarder dollar för att säkra hundratusentals Nvidias GPU:er (grafikprocessorer).

Den typen av chip, företagets specialitet, såldes en gång för att göra det möjligt för spelare att uppleva skarp och jämn grafik i 3D-spel – och genom ett monumentalt lycka till, visade det sig vara precis vad banbrytande forskare behövde för att bygga massiva AI-system som GPT-4 eller Claude 3.5.

GPU:er kan utföra, med stor volym och snabbhet, de komplicerade beräkningarna som ligger till grund för träning och drift av AI-verktyg som chatbots. Så alla företag som vill bygga eller driva en generativ AI-produkt, som t.ex ChatGPT eller Googles Gemini, behöver GPU:er. Detsamma gäller distribution av fritt tillgängliga AI-modeller som Metas Llama, som också kräver stora mängder marker som en del av sin träningsfas. I fallet med system som kallas stora språkmodeller (LLMs), innebär utbildning att man går igenom enorma datablock. Detta lär LLM att känna igen mönster i språk och mäta vad som ska bli nästa ord eller mening som svar på en chatbot-fråga.

Nvidia har dock aldrig riktigt hamnat på marknaden för AI-chips. Google har alltid förlitat sig på sina egna chips, som de kallar TPU:er (för “tensor”, en funktion i en AI-modell), och andra vill ansluta sig till den. Meta har utvecklat sin Meta Training and Inference Accelerator, Amazon erbjuder sina Trainium2-chips till företag som använder AWS (Amazon Web Services), och Intel har producerat Gaudi 3.

Ingen av de stora rivalerna konkurrerar med Nvidia – ännu – i den absoluta toppen. Men det är inte den enda platsen där konkurrensen sker. En rapport från informationen, en teknisk nyhetssajt, lyfte fram ökningen av “batch-bearbetning”, som erbjuder företag billigare tillgång till AI-modeller om de är okej med att vänta på att deras frågor ska köras under perioder med låg efterfrågan. Det gör i sin tur att leverantörer som OpenAI kan köpa billigare, mer effektiva chips till sina datacenter istället för att fokusera alla sina utgifter på snabbast möjliga hårdvara.

I andra änden börjar mindre företag erbjuda allt mer specialiserade produkter som slår vad Nvidia kan erbjuda i ett head-to-head race. Groq (inte att förväxla med Elon Musks liknande namngivna Grok AI, vars lansering utlöste en pågående varumärkestvist) gör chips som inte alls kan användas för att träna AI – men som kör de resulterande modellerna blixtrande snabbt. För att inte överträffa bygger startupen Etched, som just har samlat in 120 miljoner dollar, ett chip som bara kör en typ av AI-modell: en “transformator”, T i GPT (generativ förtränad transformator).

Nvidia behöver inte bara stå ut inför konkurrensen, stor som liten. För att nå nästa milstolpe måste den frodas. Marknadsgrunderna är omoderna, men om företaget värderades som ett traditionellt företag med låg tillväxt, skulle till och med ett börsvärde på 3 miljarder dollar kräva att det säljer en biljon dollar av sina högsta GPU:er per år, till 30 % vinstmarginal, för alltid, konstaterade en expert.

Även om AI-branschen växer tillräckligt för att motivera det, kan Nvidias egen vinstmarginal vara svårare att försvara. Företaget har chipdesignerna för att hålla täten, men de verkliga flaskhalsarna i dess leveranskedja är desamma som för stora delar av resten av branschen: vid de avancerade halvledargjuterierna, av den sort som drivs av Taiwans TSMC, amerikanska Intel, Kinas SMIC och värdefulla få andra runt om i världen. Nvidia själv, som är en kund till TSMC, finns inte på den listan. Oavsett hur avancerade Nvidias styrkretsar är, om det behöver ätas in i resten av TSMC:s orderbok för att matcha efterfrågan, så kommer vinsten oundvikligen att flyta på det sättet också.

Neil Wilson, chefsanalytiker på mäklarföretaget Finalto, sa att fallet mot Nvidia – marknadsjargong för ett ihållande fall i aktiekursen – vilade på argumentet att när företaget väl arbetat igenom sin orderbok skulle det gå tillbaka till mindre frenetisk efterfrågan.

“Alla deras kunder har bråttom att beställa grafikprocessorerna men de kommer inte att göra det för alltid”, sa Wilson. “Kunder överbeställer och börjar sedan avboka. Det är en söt plats nu men det kan inte hållas.” Han kunde se Nvidia komma till $4tn och mer, men “kanske inte i den nuvarande takten”.

Jim Reid, Deutsche Banks chef för global ekonomi och tematisk forskning, publicerade en anteckning denna vecka där han frågade om Nvidia var “det snabbast växande stora företaget genom tiderna?” Reid påpekade att Nvidia gick från $2tn till $3tn på 30 dagar, sa Reid omvänt, det hade tagit Warren Buffett 60 år att få Berkshire Hathaway nära $1tn.

Icke desto mindre, i en värld med låg produktivitet – ett mått på ekonomisk effektivitet – och sjunkande befolkningar i arbetsför ålder och stigande statsskulder, var det ekonomiska löftet om AI välkommet, sa Reid.

“Om AI är katalysatorn för en fjärde industriell revolution skulle det vara mycket goda nyheter”, skrev han. “Om inte kommer marknaderna i slutändan att ha ett stort problem.”

Mer står på spel än att vinna ett lopp till $4tn.