A NVIDIA tem muitas GPUs. A gigante da tecnologia não pode ganhar US$ 200 bilhões? Debate entre Sequoia e gigantes da IA

**Fonte: **Financial Associated Press

Editor Huang Junzhi

Fonte da imagem: gerada por Unbounded AI‌

Desde o início deste ano, impulsionadas pela inteligência artificial (IA), as ações dos EUA recuperaram acentuadamente, e as ações de tecnologia também "recuperaram a sua glória" e formaram os "Sete Grandes", incluindo Microsoft e Nvidia. Tudo parece muito bom, mas deve-se notar que atualmente apenas a Nvidia está realmente ganhando dinheiro com IA.

Quer seja a “líder” Microsoft ou as “estrelas em ascensão” Google, Meta e Adobe, estas empresas ainda estão na fase de integração da IA nos seus produtos e ainda não a “monetizaram” verdadeiramente, ou seja, ganhando dinheiro real da IA. Actualmente, os serviços de IA de muitas empresas são gratuitos. Apenas a Microsoft se atreve a aumentar o preço do Copilot em 83%, mas os consumidores podem não comprá-lo ainda.

Embora ainda não tenham alcançado verdadeiramente a rentabilidade, tornou-se um facto que as empresas tecnológicas estão a investir fortemente no campo da IA e a acumular GPUs. De acordo com analistas de Wall Street, as vendas de GPUs da Nvidia podem ultrapassar US$ 50 bilhões até o final deste ano.

Neste ponto, os investidores não podem deixar de se perguntar: será que as empresas de tecnologia podem recuperar o seu capital comprando GPUs em tão grande escala quando as suas perspectivas de lucro ainda não são claras? No final, será tudo em vão? Se puder ser reembolsado, quando poderá ser reembolsado?

David Cahn, sócio da empresa de capital de risco Sequoia, publicou recentemente um cálculo. Cahn acredita que cada US$ 1 gasto em GPU corresponde a aproximadamente US$ 1 em custos de energia do data center. Em outras palavras, sob estimativas conservadoras, se a NVIDIA puder vender US$ 50 bilhões em GPUs até o final do ano, os gastos do data center chegarão a US$ 100. bilhão.

Então, assumindo uma margem de lucro de 50%, a indústria de IA precisa de 200 mil milhões de dólares em receitas para recuperar o custo do investimento inicial. Mas Cahn salientou que existem actualmente apenas 75 mil milhões de dólares em receitas anuais, deixando um défice de 125 mil milhões de dólares.

Dúvidas estão chegando

Guido Appenzeller, consultor especial da gigante de capital de risco do Vale do Silício A16Z e fundador da startup de IA 2X, refutou as opiniões de Cahn e derrubou seus argumentos palavra por palavra.

No geral, o argumento central de Appenzeller gira em torno da crença de que a inteligência artificial se tornará um componente onipresente em quase todos os produtos que contenham software. Ele afirmou que grandes investimentos em infraestrutura de GPU, até mesmo de US$ 50 bilhões, poderiam ser facilmente amortizados contra os enormes US$ 5 trilhões em gastos globais com TI.

Ele não apenas anulou a estimativa da Sequoia sobre a lucratividade da IA, mas também apontou que o problema mais fundamental da Sequoia era que ela subestimou o impacto da revolução histórica da IA.

Especificamente, Appenzeller primeiro apontou que Cahn era um "clickbait" e tentou usar um número como "US$ 200 bilhões" para atrair a atenção das pessoas, mas na verdade seu processo de cálculo estava completamente errado.

Appenzeller destacou que Cahn somou o custo de compra (despesas de capital) da GPU, os custos operacionais anuais, a receita acumulada ao longo do ciclo de vida da GPU e a receita anual de aplicativos de IA, e obteve aparentemente altíssimos US$ 200 bilhões. Números exagerados. Mas ele acredita que um cálculo mais apropriado seria baseado na taxa anual de retorno que os compradores de GPU recebem sobre seus custos de investimento.

Em segundo lugar, ele também acredita que o custo da eletricidade das GPUs também foi exagerado. De acordo com Appenzeller, uma GPU H100 PCIe custa cerca de US$ 30.000 e consome cerca de 350 watts de energia. Levando em consideração servidores e refrigeração, o consumo total de energia provavelmente será de cerca de 1 quilowatt.

Calculado com um preço de eletricidade de US$ 0,1/quilowatt, esta GPU H100 exigirá apenas US$ 0,15 em eletricidade para cada US$ 1 gasto em hardware de GPU durante seu ciclo de vida de cinco anos, o que é muito inferior ao US$ 1 estimado por Cahn.

Mas o mais importante, acredita Appenzeller, é que Cahn ignora a escala da revolução da IA. Ele ressaltou que os modelos de IA são um componente de infraestrutura assim como CPUs, bancos de dados e redes. Agora, quase todos os softwares de IA usam CPU, banco de dados e rede, e este será o caso no futuro.

Então, a indústria de IA pode ganhar US$ 200 bilhões suficientes? Appenzeller deu uma resposta afirmativa e, mais do que isso, como infraestrutura de rede, a receita que ela cria existirá de diferentes formas em cada departamento.

Portanto, ele concluiu que a IA subverterá todo o software, e a chamada "lacuna de receita de IA" de Cahn não existe de fato.