Tahun ini, AI generatif tidak diragukan lagi telah memasuki tahap "perkembangan pesat".
"Produk tingkat konsumen" seperti ChatGPT, Midjourney, dan Wen Xinyiyan telah menghadirkan AI ke ribuan rumah tangga; raksasa teknologi yang sudah mapan seperti Adobe dan Microsoft "bangkit kembali" melalui AI; dan "sekop penjualan AI" telah mengalami lonjakan kinerja dan nilai pasar."Nvidia" telah menjadi bintang mutlak di pasar modal tahun ini.
Namun, dari perusahaan terkemuka Microsoft dan OpenAI hingga Google dan Meta yang berkembang pesat, produk AI dari sebagian besar perusahaan teknologi masih dalam tahap merugi dan menghasilkan keuntungan, dan sulit untuk mengatakan apakah konsumen akan membelinya. .
Prospek hilir yang tidak jelas telah memicu serangkaian pertanyaan—
Mengapa Anda menyimpan begitu banyak GPU? Berapa banyak uang yang perlu Anda hasilkan untuk mendapatkan kembali investasi Anda? Siapa yang pada akhirnya akan menanggung biayanya?
Pada tanggal 20 September, David Cahn, mitra di perusahaan modal ventura Sequoia, menerbitkan sebuah artikel yang merangkum pertanyaan-pertanyaan ini sebagai “masalah senilai $200 miliar dalam industri AI.”
David Cahn percaya bahwa untuk menghasilkan uang kembali, industri AI perlu mencapai pendapatan US$200 miliar, tetapi masih kurang dari US$125 miliar...
Oleh karena itu, David Cahn percaya bahwa meskipun dalam jangka panjang, mungkin merupakan hal yang baik bagi perusahaan untuk menimbun daya komputasi GPU dalam jumlah besar, dalam jangka pendek, hal ini dapat menyebabkan kekacauan.
Berikut kompilasi teks asli karya David Cahn, selamat menikmati~ ✌️
Sejak musim panas lalu, gelombang AI generatif telah memasuki mode kecepatan tinggi. Katalis percepatan ini adalah panduan pendapatan Nvidia pada Kuartal 2 dan pendapatan berikutnya yang lebih baik. Hal ini menunjukkan kepada pasar bahwa permintaan akan GPU dan pelatihan model AI “tidak pernah terpuaskan”.
Sebelum pengumuman Nvidia, rilis konsumen seperti ChatGPT, Midjourney, dan Stable Diffusion telah mendorong AI ke perhatian publik. Dengan hasil yang mengesankan dari Nvidia, para pendiri dan investor telah menerima bukti empiris bahwa AI dapat menghasilkan pendapatan bersih baru senilai miliaran dolar, sehingga mendorong sektor ini untuk bergerak maju dengan kecepatan penuh.
Meskipun investor telah banyak berspekulasi tentang hasil Nvidia, dan investasi AI kini terjadi dengan kecepatan yang sangat tinggi dan valuasi berada pada rekor tertinggi, masih ada pertanyaan penting: Untuk apa semua GPU ini digunakan? Siapa pelanggan utama? Berapa banyak nilai yang perlu diciptakan untuk mencapai laba atas investasi yang begitu cepat?
Pertimbangkan situasi berikut:
Setiap $1 pengeluaran GPU sama dengan sekitar $1 biaya energi pusat data. Dengan kata lain, jika NVIDIA dapat menjual $50 miliar GPU pada akhir tahun ini (menurut perkiraan konservatif analis), pengeluaran pusat data akan mencapai sebesar $100 miliar. .
Dengan asumsi lebih lanjut, jika pelanggan akhir GPU, yaitu perusahaan yang membuat aplikasi GPU, dapat memperoleh 50% keuntungan dalam bisnis AI tanpa kehilangan uang, berarti diperlukan pendapatan setidaknya US$200 miliar untuk memulihkan biaya investasi awal. Ini belum termasuk keuntungan penyedia cloud, jika ingin menghasilkan uang, total kebutuhan pendapatan harus lebih tinggi.
Menurut dokumen publik, sebagian besar peningkatan pembangunan pusat data berasal dari perusahaan teknologi besar. Misalnya saja, Google, Microsoft dan Meta telah melaporkan peningkatan belanja modal pusat data yang signifikan. Menurut laporan terkait, perusahaan seperti Byte, Tencent, dan Alibaba juga merupakan pelanggan utama Nvidia. Ke depannya, perusahaan seperti Amazon, Oracle, Apple, Tesla, dan Coreweave mungkin juga akan mengeluarkan banyak uang untuk pembangunan pusat data.
Pertanyaan penting yang perlu diajukan adalah: Seberapa besar pembangunan belanja modal ini terkait dengan permintaan pelanggan akhir yang sebenarnya, dan berapa banyak yang dibangun berdasarkan “permintaan yang diantisipasi”? Ini adalah pertanyaan senilai $200 miliar.
Menurut laporan The Information, pendapatan tahunan OpenAI adalah sekitar US$1 miliar. Microsoft telah menyatakan bahwa mereka mengharapkan produk seperti Copilot menghasilkan pendapatan tahunan sebesar US$10 miliar, dan kemudian menghitung perusahaan lain: Asumsikan bahwa Meta dan Apple juga dapat mengandalkan AI untuk mencapai pendapatan tahunan sebesar US$10 miliar.Dengan pendapatan sebesar 10 miliar, bisnis AI Oracle, Byte, Alibaba, Tencent,
——Ini semua hanyalah asumsi hipotetis. Intinya adalah meskipun Anda mendapatkan manfaat besar dari AI, berdasarkan tingkat pengeluaran saat ini, Anda setidaknya masih kekurangan US$125 miliar untuk membayar kembali investasi Anda.
Ada peluang besar bagi startup untuk mengisi kesenjangan ini, dan tujuan kami adalah untuk "mengikuti GPU" dan menemukan startup generasi berikutnya yang menggunakan teknologi AI untuk menciptakan nilai nyata bagi pelanggan akhir - kami ingin berinvestasi di perusahaan-perusahaan ini.
Tujuan dari analisis ini adalah untuk menyoroti kesenjangan yang kita lihat saat ini.
Hype AI akhirnya berhasil menyusul terobosan teknologi deep learning yang dikembangkan sejak tahun 2017. Ini adalah kabar baik. Konstruksi belanja modal besar-besaran sedang berlangsung. Hal ini akan mengurangi biaya pengembangan AI secara signifikan dalam jangka panjang. Sebelumnya, Anda harus membeli rak server untuk membangun aplikasi apa pun. Sekarang Anda dapat menggunakan cloud publik dengan biaya lebih rendah.
Demikian pula, banyak perusahaan AI saat ini yang menginvestasikan sebagian besar modal ventura mereka ke dalam GPU. Karena keterbatasan pasokan saat ini menyebabkan kelebihan pasokan, biaya menjalankan beban kerja AI akan menurun. Hal ini akan memacu lebih banyak pengembangan produk. Hal ini juga harus menarik lebih banyak pendiri untuk memulai bisnis di bidang ini.
Dalam sejarah siklus teknologi, pembangunan infrastruktur yang berlebihan cenderung menghabiskan modal namun juga membuka peluang inovasi masa depan dengan menurunkan biaya marjinal pengembangan produk baru. Kami memperkirakan pola ini akan terulang kembali di bidang kecerdasan buatan.
Bagi para startup, pelajaran yang bisa diambil sangatlah jelas: sebagai sebuah komunitas, kita perlu mengubah pemikiran kita dari infrastruktur ke nilai konsumen akhir. Pelanggan yang puas adalah persyaratan dasar dari setiap bisnis besar. Agar AI dapat memberikan dampak, kita perlu menemukan cara untuk menggunakan teknologi baru ini guna meningkatkan kehidupan masyarakat. Bagaimana kita mengubah inovasi luar biasa ini menjadi produk yang digunakan, disukai, dan bersedia dibayar oleh pelanggan setiap hari?
Pembangunan infrastruktur AI sedang berlangsung. Infrastruktur tidak lagi menjadi masalah. Banyak model dasar sedang dikembangkan - ini tidak lagi menjadi masalah. Apalagi alat AI saat ini juga cukup bagus.
Jadi pertanyaan $200 miliar adalah:
Bagaimana Anda berencana memanfaatkan infrastruktur ini? Bagaimana Anda akan menggunakannya untuk mengubah kehidupan masyarakat?
Artikel ini dihimpun dari:
Lihat Asli
Halaman ini mungkin berisi konten pihak ketiga, yang disediakan untuk tujuan informasi saja (bukan pernyataan/jaminan) dan tidak boleh dianggap sebagai dukungan terhadap pandangannya oleh Gate, atau sebagai nasihat keuangan atau profesional. Lihat Penafian untuk detailnya.
Raksasa VC Sequoia secara terbuka mempertanyakan: Mengapa membeli begitu banyak GPU?
Sumber丨Keras·AI
Penulis | Chang Jiashuai
Tahun ini, AI generatif tidak diragukan lagi telah memasuki tahap "perkembangan pesat".
"Produk tingkat konsumen" seperti ChatGPT, Midjourney, dan Wen Xinyiyan telah menghadirkan AI ke ribuan rumah tangga; raksasa teknologi yang sudah mapan seperti Adobe dan Microsoft "bangkit kembali" melalui AI; dan "sekop penjualan AI" telah mengalami lonjakan kinerja dan nilai pasar."Nvidia" telah menjadi bintang mutlak di pasar modal tahun ini.
Namun, dari perusahaan terkemuka Microsoft dan OpenAI hingga Google dan Meta yang berkembang pesat, produk AI dari sebagian besar perusahaan teknologi masih dalam tahap merugi dan menghasilkan keuntungan, dan sulit untuk mengatakan apakah konsumen akan membelinya. .
Prospek hilir yang tidak jelas telah memicu serangkaian pertanyaan—
Mengapa Anda menyimpan begitu banyak GPU? Berapa banyak uang yang perlu Anda hasilkan untuk mendapatkan kembali investasi Anda? Siapa yang pada akhirnya akan menanggung biayanya?
Pada tanggal 20 September, David Cahn, mitra di perusahaan modal ventura Sequoia, menerbitkan sebuah artikel yang merangkum pertanyaan-pertanyaan ini sebagai “masalah senilai $200 miliar dalam industri AI.”
Oleh karena itu, David Cahn percaya bahwa meskipun dalam jangka panjang, mungkin merupakan hal yang baik bagi perusahaan untuk menimbun daya komputasi GPU dalam jumlah besar, dalam jangka pendek, hal ini dapat menyebabkan kekacauan.
Berikut kompilasi teks asli karya David Cahn, selamat menikmati~ ✌️
Sejak musim panas lalu, gelombang AI generatif telah memasuki mode kecepatan tinggi. Katalis percepatan ini adalah panduan pendapatan Nvidia pada Kuartal 2 dan pendapatan berikutnya yang lebih baik. Hal ini menunjukkan kepada pasar bahwa permintaan akan GPU dan pelatihan model AI “tidak pernah terpuaskan”.
Sebelum pengumuman Nvidia, rilis konsumen seperti ChatGPT, Midjourney, dan Stable Diffusion telah mendorong AI ke perhatian publik. Dengan hasil yang mengesankan dari Nvidia, para pendiri dan investor telah menerima bukti empiris bahwa AI dapat menghasilkan pendapatan bersih baru senilai miliaran dolar, sehingga mendorong sektor ini untuk bergerak maju dengan kecepatan penuh.
Meskipun investor telah banyak berspekulasi tentang hasil Nvidia, dan investasi AI kini terjadi dengan kecepatan yang sangat tinggi dan valuasi berada pada rekor tertinggi, masih ada pertanyaan penting: Untuk apa semua GPU ini digunakan? Siapa pelanggan utama? Berapa banyak nilai yang perlu diciptakan untuk mencapai laba atas investasi yang begitu cepat?
Pertimbangkan situasi berikut:
Setiap $1 pengeluaran GPU sama dengan sekitar $1 biaya energi pusat data. Dengan kata lain, jika NVIDIA dapat menjual $50 miliar GPU pada akhir tahun ini (menurut perkiraan konservatif analis), pengeluaran pusat data akan mencapai sebesar $100 miliar. .
Dengan asumsi lebih lanjut, jika pelanggan akhir GPU, yaitu perusahaan yang membuat aplikasi GPU, dapat memperoleh 50% keuntungan dalam bisnis AI tanpa kehilangan uang, berarti diperlukan pendapatan setidaknya US$200 miliar untuk memulihkan biaya investasi awal. Ini belum termasuk keuntungan penyedia cloud, jika ingin menghasilkan uang, total kebutuhan pendapatan harus lebih tinggi.
Pertanyaan penting yang perlu diajukan adalah: Seberapa besar pembangunan belanja modal ini terkait dengan permintaan pelanggan akhir yang sebenarnya, dan berapa banyak yang dibangun berdasarkan “permintaan yang diantisipasi”? Ini adalah pertanyaan senilai $200 miliar.
Menurut laporan The Information, pendapatan tahunan OpenAI adalah sekitar US$1 miliar. Microsoft telah menyatakan bahwa mereka mengharapkan produk seperti Copilot menghasilkan pendapatan tahunan sebesar US$10 miliar, dan kemudian menghitung perusahaan lain: Asumsikan bahwa Meta dan Apple juga dapat mengandalkan AI untuk mencapai pendapatan tahunan sebesar US$10 miliar.Dengan pendapatan sebesar 10 miliar, bisnis AI Oracle, Byte, Alibaba, Tencent,
——Ini semua hanyalah asumsi hipotetis. Intinya adalah meskipun Anda mendapatkan manfaat besar dari AI, berdasarkan tingkat pengeluaran saat ini, Anda setidaknya masih kekurangan US$125 miliar untuk membayar kembali investasi Anda.
Ada peluang besar bagi startup untuk mengisi kesenjangan ini, dan tujuan kami adalah untuk "mengikuti GPU" dan menemukan startup generasi berikutnya yang menggunakan teknologi AI untuk menciptakan nilai nyata bagi pelanggan akhir - kami ingin berinvestasi di perusahaan-perusahaan ini.
Tujuan dari analisis ini adalah untuk menyoroti kesenjangan yang kita lihat saat ini.
Hype AI akhirnya berhasil menyusul terobosan teknologi deep learning yang dikembangkan sejak tahun 2017. Ini adalah kabar baik. Konstruksi belanja modal besar-besaran sedang berlangsung. Hal ini akan mengurangi biaya pengembangan AI secara signifikan dalam jangka panjang. Sebelumnya, Anda harus membeli rak server untuk membangun aplikasi apa pun. Sekarang Anda dapat menggunakan cloud publik dengan biaya lebih rendah.
Demikian pula, banyak perusahaan AI saat ini yang menginvestasikan sebagian besar modal ventura mereka ke dalam GPU. Karena keterbatasan pasokan saat ini menyebabkan kelebihan pasokan, biaya menjalankan beban kerja AI akan menurun. Hal ini akan memacu lebih banyak pengembangan produk. Hal ini juga harus menarik lebih banyak pendiri untuk memulai bisnis di bidang ini.
Dalam sejarah siklus teknologi, pembangunan infrastruktur yang berlebihan cenderung menghabiskan modal namun juga membuka peluang inovasi masa depan dengan menurunkan biaya marjinal pengembangan produk baru. Kami memperkirakan pola ini akan terulang kembali di bidang kecerdasan buatan.
Bagi para startup, pelajaran yang bisa diambil sangatlah jelas: sebagai sebuah komunitas, kita perlu mengubah pemikiran kita dari infrastruktur ke nilai konsumen akhir. Pelanggan yang puas adalah persyaratan dasar dari setiap bisnis besar. Agar AI dapat memberikan dampak, kita perlu menemukan cara untuk menggunakan teknologi baru ini guna meningkatkan kehidupan masyarakat. Bagaimana kita mengubah inovasi luar biasa ini menjadi produk yang digunakan, disukai, dan bersedia dibayar oleh pelanggan setiap hari?
Pembangunan infrastruktur AI sedang berlangsung. Infrastruktur tidak lagi menjadi masalah. Banyak model dasar sedang dikembangkan - ini tidak lagi menjadi masalah. Apalagi alat AI saat ini juga cukup bagus.
Jadi pertanyaan $200 miliar adalah:
Bagaimana Anda berencana memanfaatkan infrastruktur ini? Bagaimana Anda akan menggunakannya untuk mengubah kehidupan masyarakat?
Artikel ini dihimpun dari: