У NVIDIA забагато графічних процесорів. Хіба технологічний гігант не може заробити 200 мільярдів доларів? Дискусія Sequoia та гігантів ШІ

**Джерело: **Financial Associated Press

Редактор Хуан Цзюньчжі

Джерело зображення: створено Unbounded AI‌

З початку цього року завдяки штучному інтелекту (ШІ) акції США різко підскочили, а акції технологічних компаній також «відновили свою славу» і сформували «Велику сімку», включаючи Microsoft і Nvidia. Здається, все виглядає дуже добре, але слід зазначити, що наразі лише Nvidia дійсно заробляє гроші на ШІ.

Чи то «лідер» Microsoft, чи «висхідні зірки» Google, Meta та Adobe, ці компанії все ще перебувають на стадії інтеграції штучного інтелекту у свої продукти і ще не встигли по-справжньому «монетизувати» його, тобто заробити реальні гроші від ШІ. На даний момент послуги штучного інтелекту багатьох компаній є безкоштовними, лише Microsoft наважується підвищити ціну на Copilot на 83%, але споживачі можуть поки не купувати його.

Хоча вони ще не досягли справжньої прибутковості, стало фактом, що технологічні компанії вкладають значні кошти в сферу ШІ та накопичують графічні процесори. За оцінками аналітиків Уолл-стріт, до кінця цього року продажі GPU Nvidia можуть перевищити 50 мільярдів доларів.

У цей момент інвестори не можуть не задатися питанням, чи можуть технологічні компанії окупити свій капітал, купуючи графічні процесори в таких великих масштабах, коли їхні перспективи прибутку все ще неясні? Зрештою, невже все буде марно? Якщо можна погасити, то коли можна погасити?

Девід Кан, партнер венчурної компанії Sequoia, нещодавно опублікував розрахунок. Кан вважає, що кожен $1 витрат на GPU відповідає приблизно $1 витратам на енергію центру обробки даних.Іншими словами, за скромними оцінками, якщо NVIDIA зможе продати GPU на суму $50 мільярдів до кінця року, витрати центру обробки даних досягнуть $100 мільярд.

Тоді, припускаючи 50% прибутку, індустрії штучного інтелекту потрібно 200 мільярдів доларів доходу, щоб окупити вартість початкових інвестицій. Але Кан зазначив, що наразі річний дохід становить лише 75 мільярдів доларів, тобто дефіцит становить 125 мільярдів доларів.

Сумніви приходять

Гвідо Аппенцеллер, спеціальний радник гіганта венчурного капіталу Кремнієвої долини A16Z і засновник AI-стартапу 2X, спростував погляди Кана і дослівно скасував його аргументи.

Загалом, основний аргумент Аппенцеллера зводиться до переконання, що штучний інтелект стане повсюдним компонентом майже будь-якого продукту, що містить програмне забезпечення. Він стверджував, що значні інвестиції в інфраструктуру GPU, навіть 50 мільярдів доларів, можна легко амортизувати проти величезних 5 трильйонів доларів глобальних витрат на ІТ.

Він не тільки скасував оцінку Sequoia щодо прибутковості штучного інтелекту, але також зазначив, що найбільш фундаментальна проблема Sequoia полягала в тому, що вона недооцінила вплив історичної революції штучного інтелекту.

Зокрема, Аппенцеллер вперше зазначив, що Кан був «приманкою для кліків» і намагався використати цифру на зразок «200 мільярдів доларів», щоб привернути увагу людей, але насправді його процес розрахунку був абсолютно неправильним.

Аппенцеллер зазначив, що Кан додав вартість придбання (капітальні витрати) графічного процесора, річні операційні витрати, сукупний дохід за життєвий цикл графічного процесора та річний дохід від додатків штучного інтелекту, і отримав, здавалося б, надвисоку суму в 200 мільярдів доларів. Перебільшені цифри. Але він вважає, що більш правильний розрахунок базується на річній нормі прибутку, яку отримують покупці GPU на свої інвестиційні витрати.

По-друге, він також вважає, що вартість електроенергії графічних процесорів також була перебільшена. За словами Аппенцеллера, графічний процесор H100 PCIe коштує близько 30 000 доларів і споживає близько 350 Вт енергії.З урахуванням серверів і охолодження загальне споживання енергії, ймовірно, становитиме близько 1 кіловата.

У розрахунку на ціну електроенергії 0,1 дол. США/кіловат цей GPU H100 потребуватиме лише 0,15 дол. США електроенергії на кожен 1 дол. США, витрачений на апаратне забезпечення графічного процесора протягом п’ятирічного життєвого циклу, що набагато менше, ніж 1 дол. США, оцінений Каном.

Але найголовніше, вважає Аппенцеллер, Кан ігнорує масштаби революції ШІ. Він зазначив, що моделі AI є компонентом інфраструктури, як і процесори, бази даних і мережі. Зараз майже все програмне забезпечення штучного інтелекту використовує ЦП, базу даних і мережу, і так буде в майбутньому.

Отже, чи може індустрія ШІ заробити достатньо 200 мільярдів доларів США? Аппенцеллер дав ствердну відповідь, і більше того, будучи мережевою інфраструктурою, дохід, який вона створює, існуватиме в різних формах у кожному відділі.

Таким чином, він дійшов висновку, що штучний інтелект підірве все програмне забезпечення, а так званого «дефіциту доходів» Кана насправді не існує.