Este año, la IA generativa sin duda ha entrado en una etapa de "rápido desarrollo".
Los "productos de consumo" como ChatGPT, Midjourney y Wen Xinyiyan han llevado la IA a miles de hogares; gigantes tecnológicos establecidos como Adobe y Microsoft están "reviviendo" a través de la IA; y las "palas de ventas de IA" han experimentado aumentos en el rendimiento y valor de mercado "Nvidia" se ha convertido este año en una estrella absoluta en el mercado de capitales.
Sin embargo, desde las empresas líderes Microsoft y OpenAI hasta las de rápido desarrollo Google y Meta, los productos de inteligencia artificial de la mayoría de las empresas de tecnología todavía se encuentran en la etapa de perder dinero y obtener ganancias, y es difícil decir si los consumidores los comprarán. .
Las perspectivas poco claras en sentido descendente han desencadenado una serie de preguntas——
¿Por qué estás acumulando tantas GPU? ¿Cuánto dinero necesitas ganar para recuperar tu inversión? ¿Quién pagará finalmente la factura?
El 20 de septiembre, David Cahn, socio de la firma de capital riesgo Sequoia, publicó un artículo en el que resumía estas cuestiones como “un problema de 200 mil millones de dólares en la industria de la IA”.
David Cahn cree que para recuperar dinero, la industria de la IA necesita alcanzar ingresos de 200 mil millones de dólares, pero aún le faltan 125 mil millones de dólares...
Por lo tanto, David Cahn cree que, aunque a largo plazo puede ser bueno para las empresas acumular una gran cantidad de potencia informática de GPU, a corto plazo esto puede causar caos.
La siguiente es una recopilación del texto original de David Cahn, disfrútelo ~ ✌️
Desde el verano pasado, la ola generativa de IA ha entrado en modo de hipervelocidad. El catalizador de esta aceleración fue la guía de ganancias del segundo trimestre de Nvidia y su posterior superación de ganancias. Esto demuestra al mercado que la demanda de GPU y entrenamiento de modelos de IA es "insaciable".
Antes del anuncio de Nvidia, lanzamientos para consumidores como ChatGPT, Midjourney y Stable Diffusion habían puesto la IA en el ojo público. Con los impresionantes resultados de Nvidia, los fundadores e inversores han recibido evidencia empírica de que la IA puede generar miles de millones de dólares en nuevos ingresos netos, lo que ha llevado al campo a avanzar a toda velocidad.
Si bien los inversores han especulado mucho sobre los resultados de Nvidia, y las inversiones en IA se están produciendo a un ritmo vertiginoso y las valoraciones están en niveles récord, queda una pregunta importante: ¿para qué se utilizan todas estas GPU? ¿Quién es el cliente final? ¿Cuánto valor es necesario crear para lograr un retorno de la inversión tan rápido?
Considere la siguiente situación:
Cada dólar de gasto en GPU corresponde a aproximadamente 1 dólar de costos de energía del centro de datos. En otras palabras, si NVIDIA puede vender 50 mil millones de dólares en GPU para fin de año (según las estimaciones conservadoras de los analistas), el gasto en centros de datos será tan alto como 100 mil millones de dólares...
Suponiendo además, que si los clientes finales de GPU, es decir, aquellas empresas que fabrican aplicaciones de GPU, pueden obtener el 50% de las ganancias en el negocio de la IA sin perder dinero, significa que se necesitan al menos 200 mil millones de dólares en ingresos para recuperar el coste de la inversión inicial. Esto no incluye los beneficios de los proveedores de la nube, que si quieren ganar dinero, el requisito de ingresos totales debería ser aún mayor.
Según documentos públicos, la mayor parte del aumento en la construcción de centros de datos proviene de grandes empresas tecnológicas. Por ejemplo, Google, Microsoft y Meta han informado de aumentos significativos en los gastos de capital de los centros de datos. Según informes relacionados, empresas como Byte, Tencent y Alibaba también son clientes importantes de Nvidia. De cara al futuro, empresas como Amazon, Oracle, Apple, Tesla y Coreweave también podrían gastar mucho en la construcción de centros de datos.
La pregunta importante que debemos plantearnos es: ¿cuánto de este gasto de capital en construcción está relacionado con la verdadera demanda del cliente final y cuánto se está construyendo en función de la "demanda anticipada"? Esta es una pregunta de 200 mil millones de dólares.
Según un informe de The Information, los ingresos anuales de OpenAI son de aproximadamente mil millones de dólares. Microsoft ha declarado que espera que productos como Copilot generen ingresos anuales de 10 mil millones de dólares, y luego contando a otras empresas: Supongamos que Meta y Apple también puedan dependen de la IA para lograr ingresos anuales de 10 mil millones de dólares estadounidenses. Con unos ingresos de 10 mil millones, las empresas de IA de Oracle, Byte, Alibaba, Tencent,
——Todos estos son supuestos hipotéticos. La cuestión es que incluso si obtiene enormes beneficios de la IA, según los niveles de gasto actuales, aún le faltarán al menos 125 mil millones de dólares para recuperar su inversión.
Existe una gran oportunidad para que las nuevas empresas llenen este vacío, y nuestro objetivo es "seguir la GPU" y encontrar la próxima generación de nuevas empresas que utilicen la tecnología de inteligencia artificial para crear valor real para el cliente final; queremos invertir en estas empresas.
El objetivo de este análisis es resaltar las brechas que vemos hoy.
El revuelo por la IA finalmente se ha puesto al día con los avances tecnológicos de aprendizaje profundo desarrollados desde 2017. Estas son buenas noticias. Se están llevando a cabo importantes inversiones de capital. Esto debería reducir significativamente los costos de desarrollo de la IA a largo plazo. Anteriormente, era necesario comprar un bastidor de servidores para crear cualquier aplicación. Ahora puedes utilizar la nube pública a un coste menor.
Del mismo modo, muchas empresas de inteligencia artificial hoy en día invierten la mayor parte de su capital de riesgo en GPU. A medida que las limitaciones de oferta actuales den paso a un exceso de oferta, el costo de ejecutar cargas de trabajo de IA disminuirá. Esto debería estimular un mayor desarrollo de productos. También debería atraer a más fundadores para iniciar negocios en este espacio.
En los ciclos tecnológicos históricos, la construcción excesiva de infraestructura ha tendido a quemar capital, pero también a desbloquear la innovación futura al reducir el costo marginal del desarrollo de nuevos productos. Esperamos que este patrón se repita en el campo de la inteligencia artificial.
Para las startups, la lección es clara: como comunidad, debemos cambiar nuestro pensamiento de la infraestructura al valor para el cliente final. Los clientes satisfechos son el requisito básico de toda gran empresa. Para que la IA tenga impacto, debemos encontrar formas de utilizar esta nueva tecnología para mejorar la vida de las personas. ¿Cómo convertimos estas increíbles innovaciones en productos que los clientes usan, aman y por los que están dispuestos a pagar todos los días?
La construcción de infraestructura de IA está en curso. La infraestructura ya no es un problema. Se están desarrollando muchos modelos básicos; esto ya no es un problema. Además, las herramientas de inteligencia artificial actuales también son bastante buenas.
Entonces la pregunta de los 200 mil millones de dólares es:
¿Cómo planea aprovechar esta infraestructura? ¿Cómo los utilizarás para cambiar la vida de las personas?
Este artículo está compilado de:
Ver originales
Esta página puede contener contenido de terceros, que se proporciona únicamente con fines informativos (sin garantías ni declaraciones) y no debe considerarse como un respaldo por parte de Gate a las opiniones expresadas ni como asesoramiento financiero o profesional. Consulte el Descargo de responsabilidad para obtener más detalles.
El gigante de VC Sequoia cuestionó públicamente: ¿Por qué comprar tantas GPU?
Fuente丨Hard·IA
Autor | Chang Jiashuai
Este año, la IA generativa sin duda ha entrado en una etapa de "rápido desarrollo".
Los "productos de consumo" como ChatGPT, Midjourney y Wen Xinyiyan han llevado la IA a miles de hogares; gigantes tecnológicos establecidos como Adobe y Microsoft están "reviviendo" a través de la IA; y las "palas de ventas de IA" han experimentado aumentos en el rendimiento y valor de mercado "Nvidia" se ha convertido este año en una estrella absoluta en el mercado de capitales.
Sin embargo, desde las empresas líderes Microsoft y OpenAI hasta las de rápido desarrollo Google y Meta, los productos de inteligencia artificial de la mayoría de las empresas de tecnología todavía se encuentran en la etapa de perder dinero y obtener ganancias, y es difícil decir si los consumidores los comprarán. .
Las perspectivas poco claras en sentido descendente han desencadenado una serie de preguntas——
¿Por qué estás acumulando tantas GPU? ¿Cuánto dinero necesitas ganar para recuperar tu inversión? ¿Quién pagará finalmente la factura?
El 20 de septiembre, David Cahn, socio de la firma de capital riesgo Sequoia, publicó un artículo en el que resumía estas cuestiones como “un problema de 200 mil millones de dólares en la industria de la IA”.
Por lo tanto, David Cahn cree que, aunque a largo plazo puede ser bueno para las empresas acumular una gran cantidad de potencia informática de GPU, a corto plazo esto puede causar caos.
La siguiente es una recopilación del texto original de David Cahn, disfrútelo ~ ✌️
Desde el verano pasado, la ola generativa de IA ha entrado en modo de hipervelocidad. El catalizador de esta aceleración fue la guía de ganancias del segundo trimestre de Nvidia y su posterior superación de ganancias. Esto demuestra al mercado que la demanda de GPU y entrenamiento de modelos de IA es "insaciable".
Antes del anuncio de Nvidia, lanzamientos para consumidores como ChatGPT, Midjourney y Stable Diffusion habían puesto la IA en el ojo público. Con los impresionantes resultados de Nvidia, los fundadores e inversores han recibido evidencia empírica de que la IA puede generar miles de millones de dólares en nuevos ingresos netos, lo que ha llevado al campo a avanzar a toda velocidad.
Si bien los inversores han especulado mucho sobre los resultados de Nvidia, y las inversiones en IA se están produciendo a un ritmo vertiginoso y las valoraciones están en niveles récord, queda una pregunta importante: ¿para qué se utilizan todas estas GPU? ¿Quién es el cliente final? ¿Cuánto valor es necesario crear para lograr un retorno de la inversión tan rápido?
Considere la siguiente situación:
Cada dólar de gasto en GPU corresponde a aproximadamente 1 dólar de costos de energía del centro de datos. En otras palabras, si NVIDIA puede vender 50 mil millones de dólares en GPU para fin de año (según las estimaciones conservadoras de los analistas), el gasto en centros de datos será tan alto como 100 mil millones de dólares...
Suponiendo además, que si los clientes finales de GPU, es decir, aquellas empresas que fabrican aplicaciones de GPU, pueden obtener el 50% de las ganancias en el negocio de la IA sin perder dinero, significa que se necesitan al menos 200 mil millones de dólares en ingresos para recuperar el coste de la inversión inicial. Esto no incluye los beneficios de los proveedores de la nube, que si quieren ganar dinero, el requisito de ingresos totales debería ser aún mayor.
La pregunta importante que debemos plantearnos es: ¿cuánto de este gasto de capital en construcción está relacionado con la verdadera demanda del cliente final y cuánto se está construyendo en función de la "demanda anticipada"? Esta es una pregunta de 200 mil millones de dólares.
Según un informe de The Information, los ingresos anuales de OpenAI son de aproximadamente mil millones de dólares. Microsoft ha declarado que espera que productos como Copilot generen ingresos anuales de 10 mil millones de dólares, y luego contando a otras empresas: Supongamos que Meta y Apple también puedan dependen de la IA para lograr ingresos anuales de 10 mil millones de dólares estadounidenses. Con unos ingresos de 10 mil millones, las empresas de IA de Oracle, Byte, Alibaba, Tencent,
——Todos estos son supuestos hipotéticos. La cuestión es que incluso si obtiene enormes beneficios de la IA, según los niveles de gasto actuales, aún le faltarán al menos 125 mil millones de dólares para recuperar su inversión.
Existe una gran oportunidad para que las nuevas empresas llenen este vacío, y nuestro objetivo es "seguir la GPU" y encontrar la próxima generación de nuevas empresas que utilicen la tecnología de inteligencia artificial para crear valor real para el cliente final; queremos invertir en estas empresas.
El objetivo de este análisis es resaltar las brechas que vemos hoy.
El revuelo por la IA finalmente se ha puesto al día con los avances tecnológicos de aprendizaje profundo desarrollados desde 2017. Estas son buenas noticias. Se están llevando a cabo importantes inversiones de capital. Esto debería reducir significativamente los costos de desarrollo de la IA a largo plazo. Anteriormente, era necesario comprar un bastidor de servidores para crear cualquier aplicación. Ahora puedes utilizar la nube pública a un coste menor.
Del mismo modo, muchas empresas de inteligencia artificial hoy en día invierten la mayor parte de su capital de riesgo en GPU. A medida que las limitaciones de oferta actuales den paso a un exceso de oferta, el costo de ejecutar cargas de trabajo de IA disminuirá. Esto debería estimular un mayor desarrollo de productos. También debería atraer a más fundadores para iniciar negocios en este espacio.
En los ciclos tecnológicos históricos, la construcción excesiva de infraestructura ha tendido a quemar capital, pero también a desbloquear la innovación futura al reducir el costo marginal del desarrollo de nuevos productos. Esperamos que este patrón se repita en el campo de la inteligencia artificial.
Para las startups, la lección es clara: como comunidad, debemos cambiar nuestro pensamiento de la infraestructura al valor para el cliente final. Los clientes satisfechos son el requisito básico de toda gran empresa. Para que la IA tenga impacto, debemos encontrar formas de utilizar esta nueva tecnología para mejorar la vida de las personas. ¿Cómo convertimos estas increíbles innovaciones en productos que los clientes usan, aman y por los que están dispuestos a pagar todos los días?
La construcción de infraestructura de IA está en curso. La infraestructura ya no es un problema. Se están desarrollando muchos modelos básicos; esto ya no es un problema. Además, las herramientas de inteligencia artificial actuales también son bastante buenas.
Entonces la pregunta de los 200 mil millones de dólares es:
¿Cómo planea aprovechar esta infraestructura? ¿Cómo los utilizarás para cambiar la vida de las personas?
Este artículo está compilado de: