Vào ngày 20 tháng 9, gã khổng lồ VC Sequoia đã xuất bản một bài báo đẩy Nvidia và thậm chí toàn bộ ngành công nghiệp AI lên hàng đầu. David Cahn, một đối tác tại Sequoia, tin rằng theo ước tính thận trọng, doanh thu GPU trị giá 50 tỷ USD của Nvidia tương ứng với 100 tỷ USD chi tiêu cho trung tâm dữ liệu của các công ty khác. Giả sử tỷ suất lợi nhuận là 50%, ngành AI cần 200 tỷ USD doanh thu để bù đắp khoản chi này. Tuy nhiên, hiện tại nó chỉ có 75 tỷ USD doanh thu hàng năm, để lại khoảng cách 125 tỷ USD.

Cahn chỉ ra rằng năng lực sản xuất GPU đang dư thừa và dự kiến ​​mô hình "lò đốt tiền" sẽ lặp lại trong lĩnh vực AI.

Sau ba ngày, Guido Appenzeller, cố vấn đặc biệt của gã khổng lồ đầu tư mạo hiểm A16Z ở Thung lũng Silicon và là người sáng lập công ty khởi nghiệp AI 2X, đã đăng gần 10 dòng tweet, không chỉ lật ngược ước tính của Sequoia về lợi nhuận của AI mà còn chỉ ra rằng vấn đề cơ bản nhất của Sequoia là nó đã đánh giá thấp tác động của cuộc cách mạng lịch sử AI.


Appenzeller: AI sẽ lật đổ tất cả phần mềm, khoảng cách doanh thu không tồn tại

Trong một loạt tweet, Appenzeller đã chỉ ra 3 lỗi lớn trong bài viết của Cahn.

Trước hết, Cahn đã sử dụng con số 200 tỷ USD ở đầu bài viết để thu hút sự chú ý, nhưng Appenzeller tin rằng có vấn đề trong quá trình tính toán con số này.


Appenzeller đã chỉ ra rằng Cahn đã cộng chi phí mua (chi phí vốn) của GPU, chi phí vận hành hàng năm, doanh thu tích lũy trong vòng đời GPU và doanh thu hàng năm từ các ứng dụng AI và có được con số dường như cường điệu là 200 tỷ USD.


Tuy nhiên, phương pháp tính toán phù hợp hơn nên dựa trên lợi tức đầu tư mà người mua GPU có thể nhận được hàng năm sau khi đầu tư vốn. Điều này có nghĩa là lợi tức đầu tư của người mua GPU phải được tính toán, , thay vì chỉ cộng các chi phí và doanh thu khác nhau trong các khoảng thời gian và tính chất khác nhau.


Thứ hai, Appenzeller tin rằng chi phí điện năng của GPU cũng đã bị phóng đại. Cahn giả định rằng tỷ lệ tiêu thụ điện năng của GPU và chi phí phần cứng là 1:1, nhưng thực tế nó không hề cường điệu đến mức đó.

Theo Appenzeller, GPU H100 PCIe có giá khoảng 30.000 USD và tiêu thụ khoảng 350 watt. Nếu tính cả máy chủ và hệ thống làm mát, tổng mức tiêu thụ điện năng có thể vào khoảng 1 kilowatt.

Nếu giá điện là 0,1 USD/kWh thì trong vòng đời 5 năm của GPU H100 này, sẽ chỉ cần 0,15 USD tiền điện cho mỗi 1 USD chi cho phần cứng GPU, thấp hơn nhiều so với 1 USD mà Cahn ước tính.


Hai ước tính trên không phải là nguy hiểm nhất. Appenzeller tin rằng vấn đề cơ bản nhất của bài viết là nó đã đánh giá thấp phạm vi của cuộc cách mạng AI.

Appenzeller cho biết mô hình AI là một thành phần cơ sở hạ tầng giống như CPU, cơ sở dữ liệu và mạng. Hiện nay, hầu hết tất cả phần mềm AI đều sử dụng CPU, cơ sở dữ liệu và mạng và điều này sẽ xảy ra trong tương lai.

Vì vậy, các mô hình AI sẽ ảnh hưởng sâu sắc đến tất cả các hệ thống phần mềm và CNTT, đồng thời phạm vi ảnh hưởng của chúng vượt xa các lĩnh vực hẹp được phân tích trong bài viết. Bài viết bỏ qua vị thế của các mô hình AI là cơ sở hạ tầng phần mềm trong tương lai và do đó đánh giá thấp tầm quan trọng thực sự của cuộc cách mạng AI.


Các công ty khởi nghiệp có thể lấp đầy khoảng trống này không? Cahn tin rằng có một "cơ hội lớn". Bước nhảy vọt về công nghệ trong lĩnh vực AI và làn sóng mua GPU chưa từng có luôn là tin vui cho nhân loại, but:

TA GPH107

Trong các chu kỳ công nghệ lịch sử, việc xây dựng quá mức cơ sở hạ tầng thường đốt vốn nhưng nó cũng mở ra cơ hội đổi mới trong tương lai bằng cách hạ thấp chi phí chi phí cận biên của việc phát triển sản phẩm mới. Chúng tôi hy vọng mô hình này sẽ được lặp lại trong lĩnh vực AI.

Vậy, câu hỏi đặt ra là liệu ngành AI có thể kiếm đủ 200 tỷ USD không? Appenzeller đã đưa ra câu trả lời khẳng định, và hơn thế nữa, với tư cách là cơ sở hạ tầng mạng, doanh thu mà nó tạo ra sẽ tồn tại dưới nhiều hình thức khác nhau ở mỗi bộ phận.

Appenzeller cho biết:

chi hơn 200 tỷ USD cho cơ sở hạ tầng mạng mỗi năm. Liệu có thể tạo ra 800 tỷ USD doanh thu "phần mềm mạng" không?

Không, nhưng Google sử dụng cơ sở hạ tầng mạng để bán quảng cáo và doanh thu tạo ra được hiển thị dưới dạng doanh thu quảng cáo chứ không phải doanh thu "phần mềm mạng" và doanh thu mà Microsoft Office 365 đạt được sẽ không được gắn nhãn là doanh thu "phần mềm mạng".


Nói cách khác, doanh thu do cơ sở hạ tầng tạo ra sẽ được gắn nhãn là các loại doanh thu khác nhau tùy theo bộ phận.

Cuối cùng, Appenzeller kết luận rằng AI sẽ lật đổ tất cả phần mềm và “khoảng cách doanh thu AI” mà Cahn mô tả không thực sự tồn tại :

“Khoảng cách thu nhập AI” mà bài viết giả định thực sự không tồn tại. AI và chi phí cơ sở hạ tầng mà nó hỗ trợ cuối cùng sẽ được phản ánh trong chi tiêu và doanh thu phần mềm trong các ngành khác nhau dưới các hình thức khác nhau.

AI sẽ ảnh hưởng sâu sắc đến tất cả các phần mềm chứ không chỉ riêng "phần mềm AI" theo nghĩa hẹp . Vì vậy, chúng ta không phải lo lắng về bất kỳ “khoảng cách doanh thu” nào và có thể tự tin nhìn vào tác động sâu sắc của cuộc cách mạng AI đối với toàn bộ ngành CNTT.


Khách hàng của NVIDIA kiếm tiền chậm, và sự kiên nhẫn của nguồn vốn sắp cạn kiệt ở mức "100 triệu"

Điều đáng chú ý là những lo ngại của Sequoia về Khả năng kiếm tiền của AI không phải là không có lý.

Bài báo trước của Wall Street News đã đề cập rằng khoản đầu tư khổng lồ vào mỗi GPU cuối cùng phải được chuyển đổi thành giá trị cho khách hàng cuối cùng để ngành này có thể tiếp tục lâu dài.

Hiện tại, với tư cách là người hưởng lợi cốt lõi từ logic "Mua cốm mua xẻng", thành tích của Nvidia trong hai quý đầu năm nay khá ấn tượng. Tuy nhiên, ở lớp ứng dụng hạ nguồn, đầu tư vào AI chỉ tăng lên mà hiệu suất chưa được cải thiện.

Hưởng lợi từ nhu cầu lớn do đào tạo mô hình lớn mang lại, đơn đặt hàng và hiệu suất của các nhà sản xuất cơ sở hạ tầng AI đã liên tục được xác minh, nhưng các ứng dụng bên B vẫn đang ở giai đoạn đầu và hầu hết các nhà sản xuất ứng dụng AI vẫn chưa bước vào giai đoạn thương mại hóa. Xét về mặt thời gian giao hàng, dự kiến ​​sẽ muộn hơn 2-3 quý so với lớp cơ sở hạ tầng.

Nếu những người đào vàng không thể kiếm tiền và doanh số bán xẻng của họ bùng nổ thì tất nhiên họ sẽ không tồn tại được lâu. Trong tháng qua, giá cổ phiếu của Nvidia đã giảm hơn 11%, quay trở lại mức hồi tháng 6 năm nay.


Với tiền đề rằng giảm chi phí và tăng hiệu quả vẫn là chủ đề chính trong sự phát triển của cổ phiếu công nghệ toàn cầu, sự kiên nhẫn của thị trường vốn đang cạn kiệt.