Cette année, l’IA générative est sans aucun doute entrée dans une phase de « développement rapide ».
Les « produits grand public » tels que ChatGPT, Midjourney et Wen Xinyiyan ont introduit l'IA dans des milliers de foyers ; des géants technologiques établis tels qu'Adobe et Microsoft « revivent » grâce à l'IA ; et les « pelles de vente d'IA » ont connu des augmentations de performances et valeur marchande. "Nvidia" est devenu cette année une star absolue sur le marché des capitaux.
Cependant, des sociétés leaders Microsoft et OpenAI aux sociétés en développement rapide Google et Meta, les produits d'IA de la plupart des entreprises technologiques sont encore au stade de perdre de l'argent et de réaliser des bénéfices, et il est difficile de dire si les consommateurs les achèteront. .
Les perspectives floues en aval ont déclenché une série de questions——
Pourquoi stockez-vous autant de GPU ? Combien d’argent devez-vous gagner pour récupérer votre investissement ? Qui paiera finalement la note ?
Le 20 septembre, David Cahn, associé de la société de capital-risque Sequoia, a publié un article résumant ces questions comme « un problème de 200 milliards de dollars dans l'industrie de l'IA ».
David Cahn estime que pour gagner de l'argent, l'industrie de l'IA doit réaliser 200 milliards de dollars de revenus, mais il lui manque encore 125 milliards de dollars...
Par conséquent, David Cahn estime que même si à long terme, il peut être une bonne chose pour les entreprises d'accumuler une grande quantité de puissance de calcul GPU, à court terme, cela peut provoquer le chaos.
Ce qui suit est une compilation du texte original de David Cahn, profitez-en ~ ✌️
Depuis l’été dernier, la vague de l’IA générative est entrée en mode hyper-vitesse. Le catalyseur de cette accélération a été les prévisions de bénéfices de Nvidia pour le deuxième trimestre et les bénéfices qui ont suivi. Cela démontre au marché que la demande de GPU et de formation de modèles d’IA est « insatiable ».
Avant l'annonce de Nvidia, des versions grand public telles que ChatGPT, Midjourney et Stable Diffusion avaient propulsé l'IA aux yeux du public. Grâce aux résultats impressionnants de Nvidia, les fondateurs et les investisseurs ont reçu des preuves empiriques selon lesquelles l'IA peut générer des milliards de dollars de nouveaux revenus nets, incitant le secteur à avancer à toute vitesse.
Alors que les investisseurs ont beaucoup spéculé sur les résultats de Nvidia, que les investissements dans l'IA se déroulent désormais à un rythme effréné et que les valorisations atteignent des niveaux record, une question importante demeure : à quoi servent tous ces GPU ? Qui est le client final ? Quelle quantité de valeur faut-il créer pour obtenir un retour sur investissement aussi rapide ?
Considérez la situation suivante :
Chaque dollar dépensé en GPU correspond à environ 1 dollar de coûts énergétiques pour les centres de données. En d'autres termes, si NVIDIA parvient à vendre 50 milliards de dollars de GPU d'ici la fin de l'année (selon les estimations prudentes des analystes), les dépenses en centres de données atteindront jusqu'à 100 milliards de dollars. .
En supposant en outre que si les clients finaux des GPU, c'est-à-dire les sociétés qui créent des applications GPU, peuvent gagner 50 % des bénéfices dans le secteur de l'IA sans perdre d'argent, cela signifie qu'au moins 200 milliards de dollars de revenus sont nécessaires pour récupérer le coût de l’investissement initial. Cela n’inclut pas les bénéfices des fournisseurs de cloud : s’ils veulent gagner de l’argent, le besoin en revenus totaux devrait être encore plus élevé.
Selon des documents publics, l’essentiel de l’augmentation de la construction de centres de données provient de grandes entreprises technologiques. Par exemple, Google, Microsoft et Meta ont tous signalé une augmentation significative des dépenses en capital dans les centres de données. Selon des rapports connexes, des sociétés telles que Byte, Tencent et Alibaba sont également d'importants clients de Nvidia. À l’avenir, des entreprises telles qu’Amazon, Oracle, Apple, Tesla et Coreweave pourraient également investir massivement dans la construction de centres de données.
La question importante à se poser est la suivante : quelle part de ces dépenses en capital est liée à la véritable demande du client final, et quelle part est construite sur la base de la « demande anticipée » ? C'est une question à 200 milliards de dollars.
Selon un rapport de The Information, le chiffre d'affaires annuel d'OpenAI est d'environ 1 milliard de dollars. Microsoft a déclaré qu'il s'attend à ce que des produits tels que Copilot génèrent un chiffre d'affaires annuel de 10 milliards de dollars, sans compter d'autres sociétés : supposons que Meta et Apple puissent également s'appuyer sur l'IA pour réaliser un chiffre d'affaires annuel de 10 milliards de dollars. Avec un revenu de 10 milliards, les activités d'IA d'Oracle, Byte, Alibaba, Tencent,
——Ce sont toutes des hypothèses hypothétiques. Le fait est que même si vous tirez d’énormes bénéfices de l’IA, sur la base des niveaux de dépenses actuels, il vous manquera encore au moins 125 milliards de dollars pour rembourser votre investissement.
Il existe une énorme opportunité pour les startups de combler cette lacune, et notre objectif est de « suivre le GPU » et de trouver la prochaine génération de startups qui utilisent la technologie de l'IA pour créer une réelle valeur pour le client final – nous voulons investir dans ces entreprises.
Le but de cette analyse est de mettre en évidence les lacunes que nous constatons aujourd’hui.
Le battage médiatique de l’IA a finalement rattrapé les avancées technologiques en matière d’apprentissage profond développées depuis 2017. C'est une bonne nouvelle. Des travaux de construction importants en capital sont en cours. Cela devrait réduire considérablement les coûts de développement de l’IA à long terme. Auparavant, il fallait acheter un rack de serveur pour créer n'importe quelle application. Vous pouvez désormais utiliser le cloud public à moindre coût.
De même, de nombreuses sociétés d’IA investissent aujourd’hui la majeure partie de leur capital-risque dans les GPU. À mesure que les contraintes d’approvisionnement actuelles cèdent la place à une offre excédentaire, le coût d’exécution des charges de travail d’IA diminuera. Cela devrait stimuler davantage le développement de produits. Cela devrait également inciter davantage de fondateurs à créer des entreprises dans ce domaine.
Au cours des cycles technologiques historiques, la construction excessive d’infrastructures a eu tendance à brûler des capitaux, mais a également permis de débloquer des innovations futures en abaissant le coût marginal du développement de nouveaux produits. Nous nous attendons à ce que ce schéma se répète dans le domaine de l’intelligence artificielle.
Pour les startups, la leçon est claire : en tant que communauté, nous devons réorienter notre réflexion de l’infrastructure vers la valeur pour le client final. Des clients satisfaits sont l’exigence fondamentale de toute grande entreprise. Pour que l’IA ait un impact, nous devons trouver des moyens d’utiliser cette nouvelle technologie pour améliorer la vie des gens. Comment transformer ces innovations étonnantes en produits que les clients utilisent, aiment et pour lesquels ils sont prêts à payer chaque jour ?
La construction d’une infrastructure d’IA est en cours. Les infrastructures ne sont plus un problème. De nombreux modèles de base sont en cours de développement – ce n'est plus un problème. De plus, les outils d’IA d’aujourd’hui sont également très bons.
La question à 200 milliards de dollars est donc la suivante :
Comment comptez-vous exploiter cette infrastructure ? Comment allez-vous les utiliser pour changer la vie des gens ?
Cet article est compilé à partir de :
Voir l'original
Cette page peut inclure du contenu de tiers fourni à des fins d'information uniquement. Gate ne garantit ni l'exactitude ni la validité de ces contenus, n’endosse pas les opinions exprimées, et ne fournit aucun conseil financier ou professionnel à travers ces informations. Voir la section Avertissement pour plus de détails.
Le géant du capital-risque Sequoia interrogé publiquement : pourquoi acheter autant de GPU ?
Source丨Difficile·AI
Auteur | Chang Jiashuai
Cette année, l’IA générative est sans aucun doute entrée dans une phase de « développement rapide ».
Les « produits grand public » tels que ChatGPT, Midjourney et Wen Xinyiyan ont introduit l'IA dans des milliers de foyers ; des géants technologiques établis tels qu'Adobe et Microsoft « revivent » grâce à l'IA ; et les « pelles de vente d'IA » ont connu des augmentations de performances et valeur marchande. "Nvidia" est devenu cette année une star absolue sur le marché des capitaux.
Cependant, des sociétés leaders Microsoft et OpenAI aux sociétés en développement rapide Google et Meta, les produits d'IA de la plupart des entreprises technologiques sont encore au stade de perdre de l'argent et de réaliser des bénéfices, et il est difficile de dire si les consommateurs les achèteront. .
Les perspectives floues en aval ont déclenché une série de questions——
Pourquoi stockez-vous autant de GPU ? Combien d’argent devez-vous gagner pour récupérer votre investissement ? Qui paiera finalement la note ?
Le 20 septembre, David Cahn, associé de la société de capital-risque Sequoia, a publié un article résumant ces questions comme « un problème de 200 milliards de dollars dans l'industrie de l'IA ».
Par conséquent, David Cahn estime que même si à long terme, il peut être une bonne chose pour les entreprises d'accumuler une grande quantité de puissance de calcul GPU, à court terme, cela peut provoquer le chaos.
Ce qui suit est une compilation du texte original de David Cahn, profitez-en ~ ✌️
Depuis l’été dernier, la vague de l’IA générative est entrée en mode hyper-vitesse. Le catalyseur de cette accélération a été les prévisions de bénéfices de Nvidia pour le deuxième trimestre et les bénéfices qui ont suivi. Cela démontre au marché que la demande de GPU et de formation de modèles d’IA est « insatiable ».
Avant l'annonce de Nvidia, des versions grand public telles que ChatGPT, Midjourney et Stable Diffusion avaient propulsé l'IA aux yeux du public. Grâce aux résultats impressionnants de Nvidia, les fondateurs et les investisseurs ont reçu des preuves empiriques selon lesquelles l'IA peut générer des milliards de dollars de nouveaux revenus nets, incitant le secteur à avancer à toute vitesse.
Alors que les investisseurs ont beaucoup spéculé sur les résultats de Nvidia, que les investissements dans l'IA se déroulent désormais à un rythme effréné et que les valorisations atteignent des niveaux record, une question importante demeure : à quoi servent tous ces GPU ? Qui est le client final ? Quelle quantité de valeur faut-il créer pour obtenir un retour sur investissement aussi rapide ?
Considérez la situation suivante :
Chaque dollar dépensé en GPU correspond à environ 1 dollar de coûts énergétiques pour les centres de données. En d'autres termes, si NVIDIA parvient à vendre 50 milliards de dollars de GPU d'ici la fin de l'année (selon les estimations prudentes des analystes), les dépenses en centres de données atteindront jusqu'à 100 milliards de dollars. .
En supposant en outre que si les clients finaux des GPU, c'est-à-dire les sociétés qui créent des applications GPU, peuvent gagner 50 % des bénéfices dans le secteur de l'IA sans perdre d'argent, cela signifie qu'au moins 200 milliards de dollars de revenus sont nécessaires pour récupérer le coût de l’investissement initial. Cela n’inclut pas les bénéfices des fournisseurs de cloud : s’ils veulent gagner de l’argent, le besoin en revenus totaux devrait être encore plus élevé.
La question importante à se poser est la suivante : quelle part de ces dépenses en capital est liée à la véritable demande du client final, et quelle part est construite sur la base de la « demande anticipée » ? C'est une question à 200 milliards de dollars.
Selon un rapport de The Information, le chiffre d'affaires annuel d'OpenAI est d'environ 1 milliard de dollars. Microsoft a déclaré qu'il s'attend à ce que des produits tels que Copilot génèrent un chiffre d'affaires annuel de 10 milliards de dollars, sans compter d'autres sociétés : supposons que Meta et Apple puissent également s'appuyer sur l'IA pour réaliser un chiffre d'affaires annuel de 10 milliards de dollars. Avec un revenu de 10 milliards, les activités d'IA d'Oracle, Byte, Alibaba, Tencent,
——Ce sont toutes des hypothèses hypothétiques. Le fait est que même si vous tirez d’énormes bénéfices de l’IA, sur la base des niveaux de dépenses actuels, il vous manquera encore au moins 125 milliards de dollars pour rembourser votre investissement.
Il existe une énorme opportunité pour les startups de combler cette lacune, et notre objectif est de « suivre le GPU » et de trouver la prochaine génération de startups qui utilisent la technologie de l'IA pour créer une réelle valeur pour le client final – nous voulons investir dans ces entreprises.
Le but de cette analyse est de mettre en évidence les lacunes que nous constatons aujourd’hui.
Le battage médiatique de l’IA a finalement rattrapé les avancées technologiques en matière d’apprentissage profond développées depuis 2017. C'est une bonne nouvelle. Des travaux de construction importants en capital sont en cours. Cela devrait réduire considérablement les coûts de développement de l’IA à long terme. Auparavant, il fallait acheter un rack de serveur pour créer n'importe quelle application. Vous pouvez désormais utiliser le cloud public à moindre coût.
De même, de nombreuses sociétés d’IA investissent aujourd’hui la majeure partie de leur capital-risque dans les GPU. À mesure que les contraintes d’approvisionnement actuelles cèdent la place à une offre excédentaire, le coût d’exécution des charges de travail d’IA diminuera. Cela devrait stimuler davantage le développement de produits. Cela devrait également inciter davantage de fondateurs à créer des entreprises dans ce domaine.
Au cours des cycles technologiques historiques, la construction excessive d’infrastructures a eu tendance à brûler des capitaux, mais a également permis de débloquer des innovations futures en abaissant le coût marginal du développement de nouveaux produits. Nous nous attendons à ce que ce schéma se répète dans le domaine de l’intelligence artificielle.
Pour les startups, la leçon est claire : en tant que communauté, nous devons réorienter notre réflexion de l’infrastructure vers la valeur pour le client final. Des clients satisfaits sont l’exigence fondamentale de toute grande entreprise. Pour que l’IA ait un impact, nous devons trouver des moyens d’utiliser cette nouvelle technologie pour améliorer la vie des gens. Comment transformer ces innovations étonnantes en produits que les clients utilisent, aiment et pour lesquels ils sont prêts à payer chaque jour ?
La construction d’une infrastructure d’IA est en cours. Les infrastructures ne sont plus un problème. De nombreux modèles de base sont en cours de développement – ce n'est plus un problème. De plus, les outils d’IA d’aujourd’hui sont également très bons.
La question à 200 milliards de dollars est donc la suivante :
Comment comptez-vous exploiter cette infrastructure ? Comment allez-vous les utiliser pour changer la vie des gens ?
Cet article est compilé à partir de :