Este ano, a IA generativa entrou sem dúvida numa fase de “desenvolvimento rápido”.
“Produtos de consumo”, como ChatGPT, Midjourney e Wen Xinyiyan, levaram a IA para milhares de lares; gigantes da tecnologia estabelecidos, como Adobe e Microsoft, estão “revivendo” por meio da IA; e “pás de vendas de IA” experimentaram aumentos de desempenho e valor de mercado. "Nvidia" se tornou uma estrela absoluta no mercado de capitais este ano.
No entanto, desde as empresas líderes Microsoft e OpenAI até o rápido desenvolvimento Google e Meta, os produtos de IA da maioria das empresas de tecnologia ainda estão em fase de perda de dinheiro e lucro, e é difícil dizer se os consumidores irão comprá-los .
As perspectivas pouco claras a jusante desencadearam uma série de questões——
Por que você está estocando tantas GPUs? Quanto dinheiro você precisa ganhar para recuperar seu investimento? Quem acabará pagando a conta?
Em 20 de setembro, David Cahn, sócio da empresa de capital de risco Sequoia, publicou um artigo resumindo essas questões como “um problema de US$ 200 bilhões na indústria de IA”.
David Cahn acredita que para recuperar o dinheiro, a indústria de IA precisa atingir US$ 200 bilhões em receitas, mas ainda falta US$ 125 bilhões...
Portanto, David Cahn acredita que, embora no longo prazo possa ser bom para as empresas acumular uma grande quantidade de poder de computação da GPU, no curto prazo isso pode causar o caos.
A seguir está uma compilação do texto original de David Cahn, aproveite ~ ✌️
Desde o verão passado, a onda generativa de IA entrou no modo de hipervelocidade. O catalisador para esta aceleração foi a orientação de lucros do segundo trimestre da Nvidia e a subsequente superação dos lucros. Isso demonstra ao mercado que a demanda por GPUs e treinamento de modelos de IA é “insaciável”.
Antes do anúncio da Nvidia, lançamentos para consumidores como ChatGPT, Midjourney e Stable Diffusion colocaram a IA aos olhos do público. Com os resultados impressionantes da Nvidia, os fundadores e investidores receberam evidências empíricas de que a IA pode gerar milhares de milhões de dólares em novas receitas líquidas, levando o setor a avançar a toda velocidade.
Embora os investidores tenham especulado muito sobre os resultados da Nvidia, e os investimentos em IA estejam acontecendo agora em um ritmo alucinante e as avaliações estejam em níveis recordes, uma questão importante permanece: para que todas essas GPUs estão sendo usadas? Quem é o cliente final? Quanto valor precisa ser criado para alcançar um retorno do investimento tão rápido?
Considere a seguinte situação:
Cada US$ 1 gasto em GPU corresponde a aproximadamente US$ 1 em custos de energia do data center. Em outras palavras, se a NVIDIA conseguir vender US$ 50 bilhões em GPUs até o final do ano (de acordo com estimativas conservadoras dos analistas), os gastos do data center serão tão altos quanto US$ 100 bilhões. .
Supondo ainda que se os clientes finais da GPU, ou seja, as empresas que fabricam aplicações de GPU, puderem obter 50% dos lucros no negócio de IA sem perder dinheiro, isso significa que serão necessários pelo menos US$ 200 bilhões em receitas para recuperar o custo do investimento inicial. Isso não inclui os lucros dos provedores de nuvem. Se eles quiserem ganhar dinheiro, a necessidade de receita total deverá ser ainda maior.
De acordo com documentos públicos, a maior parte do aumento na construção de data centers vem de grandes empresas de tecnologia. Por exemplo, Google, Microsoft e Meta relataram aumentos significativos nas despesas de capital em data centers. De acordo com relatórios relacionados, empresas como Byte, Tencent e Alibaba também são grandes clientes da Nvidia. Olhando para o futuro, empresas como Amazon, Oracle, Apple, Tesla e Coreweave também poderão gastar pesadamente na construção de data centers.
A questão importante a colocar é: quanto desta construção de despesas de capital está relacionada com a verdadeira procura do cliente final, e quanto está a ser construído com base na “demanda antecipada”? Esta é uma pergunta de US$ 200 bilhões.
De acordo com um relatório da The Information, a receita anual da OpenAI é de aproximadamente US$ 1 bilhão. A Microsoft afirmou que espera que produtos como o Copilot gerem uma receita anual de US$ 10 bilhões, e depois contando outras empresas: Suponha que Meta e Apple também possam dependem da IA para obter receitas anuais de US$ 10 bilhões. Com uma receita de 10 bilhões, os negócios de IA da Oracle, Byte, Alibaba, Tencent,
——Todas essas são suposições hipotéticas. A questão é que, mesmo que você obtenha enormes benefícios da IA, com base nos níveis de gastos atuais, ainda faltarão pelo menos US$ 125 bilhões para pagar o seu investimento.
Há uma enorme oportunidade para as startups preencherem essa lacuna, e nosso objetivo é “seguir a GPU” e encontrar a próxima geração de startups que usam a tecnologia de IA para criar valor real para o cliente final – queremos investir nessas empresas.
O objetivo desta análise é destacar as lacunas que vemos hoje.
O hype da IA finalmente alcançou os avanços tecnológicos de aprendizagem profunda desenvolvidos desde 2017. Esta é uma boa notícia. Estão em curso grandes despesas de capital. Isto deverá reduzir significativamente os custos de desenvolvimento de IA a longo prazo. Anteriormente, era necessário comprar um rack de servidor para construir qualquer aplicativo. Agora você pode usar a nuvem pública a um custo menor.
Da mesma forma, muitas empresas de IA hoje investem a maior parte do seu capital de risco em GPUs. À medida que as atuais restrições de oferta dão lugar ao excesso de oferta, o custo de execução das cargas de trabalho de IA diminuirá. Isso deve estimular mais desenvolvimento de produtos. Também deverá atrair mais fundadores para iniciar negócios neste espaço.
Nos ciclos tecnológicos históricos, a construção excessiva de infra-estruturas tendeu a queimar capital, mas também a desbloquear a inovação futura, reduzindo o custo marginal do desenvolvimento de novos produtos. Esperamos que este padrão se repita no campo da inteligência artificial.
Para as startups, a lição é clara: como comunidade, precisamos de mudar o nosso pensamento da infraestrutura para o valor do cliente final. Clientes satisfeitos são o requisito básico de todo grande negócio. Para que a IA tenha impacto, precisamos de encontrar formas de utilizar esta nova tecnologia para melhorar a vida das pessoas. Como transformamos essas inovações incríveis em produtos que os clientes usam, amam e pelos quais estão dispostos a pagar todos os dias?
A construção da infraestrutura de IA está em andamento. A infraestrutura não é mais um problema. Muitos modelos básicos estão sendo desenvolvidos – isso não é mais um problema. Além disso, as ferramentas de IA atuais também são muito boas.
Portanto, a pergunta de US$ 200 bilhões é:
Como você planeja aproveitar essa infraestrutura? Como você os usará para mudar a vida das pessoas?
Este artigo foi compilado de:
Ver original
Esta página pode conter conteúdo de terceiros, que é fornecido apenas para fins informativos (não para representações/garantias) e não deve ser considerada como um endosso de suas opiniões pela Gate nem como aconselhamento financeiro ou profissional. Consulte a Isenção de responsabilidade para obter detalhes.
A gigante de capital de risco Sequoia questionou publicamente: Por que comprar tantas GPUs?
Fonte丨Hard·AI
Autor | Chang Jiashuai
Este ano, a IA generativa entrou sem dúvida numa fase de “desenvolvimento rápido”.
“Produtos de consumo”, como ChatGPT, Midjourney e Wen Xinyiyan, levaram a IA para milhares de lares; gigantes da tecnologia estabelecidos, como Adobe e Microsoft, estão “revivendo” por meio da IA; e “pás de vendas de IA” experimentaram aumentos de desempenho e valor de mercado. "Nvidia" se tornou uma estrela absoluta no mercado de capitais este ano.
No entanto, desde as empresas líderes Microsoft e OpenAI até o rápido desenvolvimento Google e Meta, os produtos de IA da maioria das empresas de tecnologia ainda estão em fase de perda de dinheiro e lucro, e é difícil dizer se os consumidores irão comprá-los .
As perspectivas pouco claras a jusante desencadearam uma série de questões——
Por que você está estocando tantas GPUs? Quanto dinheiro você precisa ganhar para recuperar seu investimento? Quem acabará pagando a conta?
Em 20 de setembro, David Cahn, sócio da empresa de capital de risco Sequoia, publicou um artigo resumindo essas questões como “um problema de US$ 200 bilhões na indústria de IA”.
Portanto, David Cahn acredita que, embora no longo prazo possa ser bom para as empresas acumular uma grande quantidade de poder de computação da GPU, no curto prazo isso pode causar o caos.
A seguir está uma compilação do texto original de David Cahn, aproveite ~ ✌️
Desde o verão passado, a onda generativa de IA entrou no modo de hipervelocidade. O catalisador para esta aceleração foi a orientação de lucros do segundo trimestre da Nvidia e a subsequente superação dos lucros. Isso demonstra ao mercado que a demanda por GPUs e treinamento de modelos de IA é “insaciável”.
Antes do anúncio da Nvidia, lançamentos para consumidores como ChatGPT, Midjourney e Stable Diffusion colocaram a IA aos olhos do público. Com os resultados impressionantes da Nvidia, os fundadores e investidores receberam evidências empíricas de que a IA pode gerar milhares de milhões de dólares em novas receitas líquidas, levando o setor a avançar a toda velocidade.
Embora os investidores tenham especulado muito sobre os resultados da Nvidia, e os investimentos em IA estejam acontecendo agora em um ritmo alucinante e as avaliações estejam em níveis recordes, uma questão importante permanece: para que todas essas GPUs estão sendo usadas? Quem é o cliente final? Quanto valor precisa ser criado para alcançar um retorno do investimento tão rápido?
Considere a seguinte situação:
Cada US$ 1 gasto em GPU corresponde a aproximadamente US$ 1 em custos de energia do data center. Em outras palavras, se a NVIDIA conseguir vender US$ 50 bilhões em GPUs até o final do ano (de acordo com estimativas conservadoras dos analistas), os gastos do data center serão tão altos quanto US$ 100 bilhões. .
Supondo ainda que se os clientes finais da GPU, ou seja, as empresas que fabricam aplicações de GPU, puderem obter 50% dos lucros no negócio de IA sem perder dinheiro, isso significa que serão necessários pelo menos US$ 200 bilhões em receitas para recuperar o custo do investimento inicial. Isso não inclui os lucros dos provedores de nuvem. Se eles quiserem ganhar dinheiro, a necessidade de receita total deverá ser ainda maior.
A questão importante a colocar é: quanto desta construção de despesas de capital está relacionada com a verdadeira procura do cliente final, e quanto está a ser construído com base na “demanda antecipada”? Esta é uma pergunta de US$ 200 bilhões.
De acordo com um relatório da The Information, a receita anual da OpenAI é de aproximadamente US$ 1 bilhão. A Microsoft afirmou que espera que produtos como o Copilot gerem uma receita anual de US$ 10 bilhões, e depois contando outras empresas: Suponha que Meta e Apple também possam dependem da IA para obter receitas anuais de US$ 10 bilhões. Com uma receita de 10 bilhões, os negócios de IA da Oracle, Byte, Alibaba, Tencent,
——Todas essas são suposições hipotéticas. A questão é que, mesmo que você obtenha enormes benefícios da IA, com base nos níveis de gastos atuais, ainda faltarão pelo menos US$ 125 bilhões para pagar o seu investimento.
Há uma enorme oportunidade para as startups preencherem essa lacuna, e nosso objetivo é “seguir a GPU” e encontrar a próxima geração de startups que usam a tecnologia de IA para criar valor real para o cliente final – queremos investir nessas empresas.
O objetivo desta análise é destacar as lacunas que vemos hoje.
O hype da IA finalmente alcançou os avanços tecnológicos de aprendizagem profunda desenvolvidos desde 2017. Esta é uma boa notícia. Estão em curso grandes despesas de capital. Isto deverá reduzir significativamente os custos de desenvolvimento de IA a longo prazo. Anteriormente, era necessário comprar um rack de servidor para construir qualquer aplicativo. Agora você pode usar a nuvem pública a um custo menor.
Da mesma forma, muitas empresas de IA hoje investem a maior parte do seu capital de risco em GPUs. À medida que as atuais restrições de oferta dão lugar ao excesso de oferta, o custo de execução das cargas de trabalho de IA diminuirá. Isso deve estimular mais desenvolvimento de produtos. Também deverá atrair mais fundadores para iniciar negócios neste espaço.
Nos ciclos tecnológicos históricos, a construção excessiva de infra-estruturas tendeu a queimar capital, mas também a desbloquear a inovação futura, reduzindo o custo marginal do desenvolvimento de novos produtos. Esperamos que este padrão se repita no campo da inteligência artificial.
Para as startups, a lição é clara: como comunidade, precisamos de mudar o nosso pensamento da infraestrutura para o valor do cliente final. Clientes satisfeitos são o requisito básico de todo grande negócio. Para que a IA tenha impacto, precisamos de encontrar formas de utilizar esta nova tecnologia para melhorar a vida das pessoas. Como transformamos essas inovações incríveis em produtos que os clientes usam, amam e pelos quais estão dispostos a pagar todos os dias?
A construção da infraestrutura de IA está em andamento. A infraestrutura não é mais um problema. Muitos modelos básicos estão sendo desenvolvidos – isso não é mais um problema. Além disso, as ferramentas de IA atuais também são muito boas.
Portanto, a pergunta de US$ 200 bilhões é:
Como você planeja aproveitar essa infraestrutura? Como você os usará para mudar a vida das pessoas?
Este artigo foi compilado de: