NVIDIA memiliki terlalu banyak GPU. Tidak bisakah raksasa teknologi itu menghasilkan US$200 miliar? Perdebatan antara Sequoia dan raksasa AI

**Sumber: **Financial Associated Press

Editor Huang Junzhi

Sumber gambar: Dihasilkan oleh AI Tanpa Batas‌

Sejak awal tahun ini, didorong oleh kecerdasan buatan (AI), saham-saham AS telah melonjak tajam, dan saham-saham teknologi juga "mendapatkan kembali kejayaannya" dan membentuk "Tujuh Besar" termasuk Microsoft dan Nvidia. Segalanya tampak baik-baik saja, tetapi perlu dicatat bahwa saat ini hanya Nvidia yang benar-benar menghasilkan uang dari AI.

Baik itu "pemimpin" Microsoft atau "bintang baru" Google, Meta, dan Adobe, perusahaan-perusahaan ini masih dalam tahap mengintegrasikan AI ke dalam produk mereka dan belum benar-benar "memonetisasinya", yaitu menghasilkan uang nyata dari AI. Saat ini banyak layanan AI perusahaan yang gratis, hanya Microsoft yang berani menaikkan harga Copilot sebesar 83%, namun konsumen mungkin belum membelinya.

Meski belum benar-benar mencapai profitabilitas, sudah menjadi fakta bahwa perusahaan teknologi banyak berinvestasi di bidang AI dan menimbun GPU. Menurut analis Wall Street, penjualan GPU Nvidia mungkin melebihi $50 miliar pada akhir tahun ini.

Pada titik ini, investor bertanya-tanya, bisakah perusahaan teknologi mendapatkan kembali modalnya dengan membeli GPU dalam skala besar ketika prospek keuntungannya masih belum jelas? Pada akhirnya, apakah semuanya akan sia-sia? Kalau bisa dilunasi, kapan bisa dilunasi?

David Cahn, partner di perusahaan modal ventura Sequoia, baru-baru ini menerbitkan perhitungannya. Cahn percaya bahwa setiap $1 pengeluaran GPU sama dengan sekitar $1 biaya energi pusat data. Dengan kata lain, berdasarkan perkiraan konservatif, jika NVIDIA dapat menjual GPU senilai $50 miliar pada akhir tahun ini, pengeluaran pusat data akan mencapai $100. miliar.

Kemudian, dengan asumsi margin keuntungan 50%, industri AI membutuhkan pendapatan $200 miliar untuk menutup biaya investasi awal. Namun Cahn menunjukkan bahwa saat ini hanya ada $75 miliar pendapatan tahunan, menyisakan kekurangan sebesar $125 miliar.

Keraguan datang

Guido Appenzeller, penasihat khusus raksasa modal ventura Silicon Valley A16Z dan pendiri startup AI 2X, membantah pandangan Cahn dan membalikkan argumennya kata demi kata.

Secara keseluruhan, argumen inti Appenzeller berkisar pada keyakinan bahwa kecerdasan buatan akan menjadi komponen yang ada di mana-mana di hampir semua produk yang mengandung perangkat lunak. Dia menegaskan bahwa investasi besar dalam infrastruktur GPU, bahkan sebesar $50 miliar, dapat dengan mudah diamortisasi terhadap belanja TI global sebesar $5 triliun.

Dia tidak hanya membalikkan perkiraan Sequoia mengenai profitabilitas AI, namun juga menunjukkan bahwa masalah paling mendasar Sequoia adalah mereka meremehkan dampak revolusi bersejarah AI.

Secara khusus, Appenzeller pertama kali menunjukkan bahwa Cahn adalah "clickbait" dan mencoba menggunakan angka seperti "$200 miliar" untuk menarik perhatian orang, namun kenyataannya proses perhitungannya salah total.

Appenzeller menunjukkan bahwa Cahn menjumlahkan biaya pembelian (belanja modal) GPU, biaya operasional tahunan, pendapatan kumulatif selama siklus hidup GPU, dan pendapatan tahunan dari aplikasi AI, dan memperoleh $200 miliar yang tampaknya sangat tinggi. Angka yang dilebih-lebihkan. Namun dia yakin penghitungan yang lebih tepat akan didasarkan pada tingkat pengembalian tahunan yang diterima pembeli GPU atas biaya investasi mereka.

Kedua, ia juga berpendapat bahwa biaya listrik untuk GPU juga dilebih-lebihkan. Menurut Appenzeller, GPU H100 PCIe berharga sekitar $30.000 dan mengonsumsi daya sekitar 350 watt. Dengan mempertimbangkan server dan pendinginan, total konsumsi daya kemungkinan besar sekitar 1 kilowatt.

Dihitung dengan harga listrik sebesar US$0,1/kilowatt, GPU H100 ini hanya membutuhkan listrik sebesar US$0,15 untuk setiap US$1 yang dibelanjakan pada perangkat keras GPU selama siklus hidup lima tahunnya, yang jauh lebih rendah dari perkiraan Cahn sebesar US$1.

Namun yang terpenting, Appenzeller yakin, Cahn mengabaikan skala revolusi AI. Dia menunjukkan bahwa model AI adalah komponen infrastruktur seperti CPU, database, dan jaringan. Saat ini, hampir semua perangkat lunak AI menggunakan CPU, database, dan jaringan, dan hal ini akan terjadi di masa depan.

Jadi, bisakah industri AI menghasilkan cukup US$200 miliar? Appenzeller memberikan jawaban afirmatif, dan lebih dari itu, sebagai infrastruktur jaringan, pendapatan yang dihasilkan akan berbeda-beda di setiap departemen.

Oleh karena itu, ia menyimpulkan bahwa AI akan menumbangkan semua perangkat lunak, dan apa yang disebut "kesenjangan pendapatan AI" oleh Cahn sebenarnya tidak ada.