NVIDIA tiene demasiadas GPU: ¿no puede el gigante tecnológico ganar 200.000 millones de dólares? Debate entre las secuoyas y los gigantes de la IA

**Fuente: **Financial Associated Press

Editor Huang Junzhi

Fuente de la imagen: Generada por Unbounded AI‌

Desde principios de este año, impulsadas por la inteligencia artificial (IA), las acciones estadounidenses se han recuperado bruscamente y las acciones de tecnología también han "recuperado su gloria" y han formado los "Siete Grandes", incluidos Microsoft y Nvidia. Todo parece ir muy bien, pero cabe señalar que actualmente sólo Nvidia está realmente ganando dinero con la IA.

Ya sea el "líder" Microsoft o las "estrellas en ascenso" Google, Meta y Adobe, estas empresas todavía se encuentran en la etapa de integrar la IA en sus productos y aún no la han "monetizado" verdaderamente, es decir, no han ganado dinero real. de la IA. En la actualidad, los servicios de inteligencia artificial de muchas empresas son gratuitos, solo Microsoft se atreve a aumentar el precio de Copilot en un 83%, pero es posible que los consumidores aún no lo compren.

Aunque todavía no han alcanzado realmente la rentabilidad, se ha convertido en un hecho que las empresas de tecnología están invirtiendo fuertemente en el campo de la IA y acaparando GPU. Según los analistas de Wall Street, las ventas de GPU de Nvidia pueden superar los 50 mil millones de dólares a finales de este año.

En este punto, los inversores no pueden evitar preguntarse: ¿podrán las empresas de tecnología recuperar su capital comprando GPU a tan gran escala cuando sus perspectivas de ganancias aún no están claras? Al final ¿será todo en vano? Si se puede reembolsar, ¿cuándo se podrá reembolsar?

David Cahn, socio de la firma de capital riesgo Sequoia, publicó recientemente un cálculo. Cahn cree que cada dólar de gasto en GPU corresponde a aproximadamente 1 dólar de costos de energía del centro de datos. En otras palabras, según estimaciones conservadoras, si NVIDIA puede vender 50 mil millones de dólares en GPU para fin de año, el gasto en el centro de datos alcanzará los 100 dólares. mil millones.

Luego, suponiendo un margen de beneficio del 50%, la industria de la IA necesita 200.000 millones de dólares en ingresos para recuperar el coste de la inversión inicial. Pero Cahn señaló que actualmente sólo hay 75 mil millones de dólares en ingresos anuales, lo que deja un déficit de 125 mil millones de dólares.

##Se acercan las dudas

Guido Appenzeller, asesor especial del gigante de capital de riesgo de Silicon Valley A16Z y fundador de la startup de IA 2X, refutó las opiniones de Cahn y anuló sus argumentos palabra por palabra.

En general, el argumento central de Appenzeller gira en torno a la creencia de que la inteligencia artificial se convertirá en un componente omnipresente en casi cualquier producto que contenga software. Afirmó que grandes inversiones en infraestructura de GPU, incluso de hasta 50 mil millones de dólares, podrían amortizarse fácilmente frente a los enormes 5 billones de dólares en gasto global en TI.

No sólo anuló la estimación de Sequoia sobre la rentabilidad de la IA, sino que también señaló que el problema más fundamental de Sequoia era que subestimaba el impacto de la revolución histórica de la IA.

Específicamente, Appenzeller señaló por primera vez que Cahn era un "cebo de clics" y trató de utilizar un número como "200 mil millones de dólares" para atraer la atención de la gente, pero de hecho su proceso de cálculo fue completamente incorrecto.

Appenzeller señaló que Cahn sumó el costo de compra (gasto de capital) de la GPU, los costos operativos anuales, los ingresos acumulados durante el ciclo de vida de la GPU y los ingresos anuales de las aplicaciones de IA, y obtuvo una cifra aparentemente muy alta de 200 mil millones de dólares. Números exagerados. Pero cree que un cálculo más apropiado se basaría en la tasa de rendimiento anual que reciben los compradores de GPU sobre sus costos de inversión.

En segundo lugar, también cree que el coste de la electricidad de las GPU también ha sido exagerado. Según Appenzeller, una GPU PCIe H100 cuesta alrededor de 30.000 dólares y consume alrededor de 350 W. Teniendo en cuenta los servidores y la refrigeración, el consumo total de energía probablemente sea de alrededor de 1 kilovatio.

Calculado a un precio de electricidad de 0,1 dólares por kilovatio, esta GPU H100 requerirá sólo 0,15 dólares en electricidad por cada dólar gastado en hardware de GPU durante su ciclo de vida de cinco años, lo que es muy inferior al dólar estimado por Cahn.

Pero lo más importante, cree Appenzeller, es que Cahn ignora la escala de la revolución de la IA. Señaló que los modelos de IA son un componente de infraestructura al igual que las CPU, las bases de datos y las redes. Ahora, casi todo el software de IA utiliza CPU, bases de datos y redes, y este será el caso en el futuro.

Entonces, ¿puede la industria de la IA ganar suficientes 200 mil millones de dólares? Appenzeller dio una respuesta afirmativa y, además, como infraestructura de red, los ingresos que genera existirán de diferentes formas en cada departamento.

Por lo tanto, concluyó que la IA subvertirá todo el software y que la llamada "brecha de ingresos de la IA" de Cahn en realidad no existe.