AI का $600B (830 ट्रिलियन वॉन) सवाल

 (sequoiacap.com)
10 पॉइंट द्वारा GN⁺ 2024-07-04 | 1 टिप्पणियां | WhatsApp पर शेयर करें
  • AI bubble एक turning point पर पहुंच रहा है। आगे होने वाले बदलावों के लिए तैयार रहना महत्वपूर्ण होगा
  • सितंबर 2023 में, "AI का $200B सवाल" शीर्षक वाला एक लेख प्रकाशित किया गया था। उस लेख का उद्देश्य यह पूछना था: "राजस्व कहाँ है?"
    • उस समय AI infrastructure निर्माण में निहित revenue expectations और AI ecosystem की वास्तविक revenue growth के बीच बड़ा अंतर पाया गया था। इसे "आज के स्तर के CapEx के लिए हर साल भरा जाने वाला $125B का gap" कहा गया था
    • हाल ही में Nvidia दुनिया की सबसे मूल्यवान कंपनी बन गई। इससे पहले कई लोगों ने इस विश्लेषण के निष्कर्षों के बारे में पूछा था। वे जानना चाहते थे कि AI की $200B समस्या हल हुई है या और बिगड़ गई है
  • अगर आज इस analysis को फिर से चलाया जाए, तो निम्नलिखित परिणाम मिलते हैं:
    • AI की $200B (260 ट्रिलियन वॉन) समस्या अब $600B (830 ट्रिलियन वॉन) की समस्या बन गई है
    • Nvidia के annual revenue forecast को लेकर उसे 2 से गुणा किया जा सकता है ताकि AI data center की total cost को reflect किया जा सके (GPU total cost of ownership का आधा हिस्सा है। बाकी आधा energy, building, backup generator आदि को शामिल करता है)
    • इसके बाद इसे फिर 2 से गुणा किया जाता है ताकि GPU end users के 50% gross margin को reflect किया जा सके (उदाहरण: Azure, AWS या GCP से AI computing खरीदने वाले startup या enterprise को भी profit कमाना होगा)

क्या बदला है

  1. supply shortage का खत्म होना

    • 2023 के अंत में GPU supply shortage अपने चरम पर थी
    • अब GPU आसानी से उपलब्ध हैं

  2. GPU inventory में वृद्धि

    • Nvidia के data center revenue का आधा हिस्सा बड़े cloud providers से आता है
    • Microsoft, Nvidia के Q4 revenue का लगभग 22% हिस्सा रखता है
    • hyperscaler CapEx ऐतिहासिक स्तर पर पहुंच गया है

  3. OpenAI के revenue share

    • OpenAI का revenue 2023 के अंत में $1.6B से बढ़कर अब $3.4B हो गया है
    • ChatGPT के अलावा ऐसे बहुत कम AI products हैं जिन्हें consumer वास्तव में इस्तेमाल कर रहे हैं

  4. $125B का gap अब $500B का gap बन गया

    • यह मान लिया जाए कि Google, Microsoft, Apple और Meta प्रत्येक साल $10B का नया AI-संबंधित revenue बनाएंगे
    • और Oracle, ByteDance, Alibaba, Tencent, X, Tesla प्रत्येक $5B का नया AI revenue बनाएंगे
    • तब भी यह $125B का gap अब बढ़कर $500B हो जाता है

  5. B100 का आगमन

    • Nvidia ने B100 chip की घोषणा की
    • B100, H100 की तुलना में 2.5 गुना बेहतर performance देता है, जबकि cost केवल 25% बढ़ती है
    • B100 की demand में तेज़ उछाल आने की उम्मीद है

मुख्य प्रतिवाद (पिछले infrastructure buildout से अंतर)

  1. pricing power की कमी

    • physical infrastructure के विपरीत, GPU data center में pricing power कम है
    • GPU computing तेज़ी से commoditized हो रहा है और प्रति घंटे metered हो रहा है

  2. investment burn

    • railroads जैसी physical infrastructure की तरह, speculative investment frenzy में capital burn rate बहुत ऊँची होती है
    • बाज़ार को चलाने वाले engine के अनुसार, speculative technology waves के दौरान railroad पर केंद्रित बहुत से लोगों ने बहुत पैसा गंवाया

  3. depreciation

    • semiconductors समय के साथ बेहतर performance देते जाते हैं
    • Nvidia लगातार बेहतर next-generation chips बनाती रहेगी
    • इससे पिछली पीढ़ी के chips का depreciation और तेज़ होगा

  4. winners और losers

    • AI अगली transformative technology wave बनने की प्रबल संभावना रखता है
    • GPU computing prices में गिरावट लंबी अवधि में innovation और startup के लिए अच्छी है

निष्कर्ष

  • AI बहुत बड़ा आर्थिक मूल्य पैदा करेगा
  • इस transition को संभव बनाने में Nvidia की भूमिका के लिए उसे बड़ा श्रेय मिलना चाहिए
  • speculative frenzy तकनीक का हिस्सा है, इसलिए इससे डरने की जरूरत नहीं है
  • इस भ्रम में नहीं पड़ना चाहिए कि AGI बहुत जल्द आने वाला है
  • आगे का रास्ता लंबा और उतार-चढ़ाव भरा होगा, लेकिन लगभग निश्चित रूप से इसके लायक होगा

GN⁺ की राय

  • AI बहुत बड़ा आर्थिक मूल्य पैदा करेगा। जो company founders end users को value देने पर ध्यान देंगे, उन्हें बड़ा reward मिलेगा
  • speculative frenzy तकनीक का हिस्सा है, इसलिए इससे डरने की जरूरत नहीं है। जो लोग इस दौर को शांत दिमाग से पार करेंगे, उन्हें बहुत महत्वपूर्ण कंपनियाँ बनाने का मौका मिलेगा
  • लेकिन Silicon Valley से पूरे देश और वास्तव में पूरी दुनिया में फैल चुके भ्रम पर विश्वास करने से सावधान रहना चाहिए
    • वह "भ्रम" कहता है कि हम सब जल्दी अमीर हो जाएंगे, क्योंकि AGI कल आ जाएगा और हम सबको एकमात्र मूल्यवान resource, GPU, जमा कर लेने चाहिए
    • इस भ्रम में नहीं पड़ना चाहिए कि AGI बहुत जल्द आने वाला है
  • वास्तव में आगे का रास्ता लंबा होगा। उतार-चढ़ाव रहेंगे, लेकिन लगभग निश्चित रूप से यह इसके लायक होगा

संबंधित पढ़ाई

1 टिप्पणियां

 
GN⁺ 2024-07-04
Hacker News राय

  • Jensen के अनुसार GPT-4 स्तर के मॉडल को train करने के लिए 8000 H100 GPU को 90 दिनों तक चलाना पड़ता है

    • Meta के पास 350,000 GPU हैं, इसलिए वह हर साल 200 GPT-4 मॉडल train कर सकती है
    • इससे AI-केंद्रित कंपनियों का वास्तविक profit margin लगभग 0 के करीब जा सकता है
    • यह investors के लिए बुरा है, लेकिन developers के लिए अच्छा है
    • मॉडल output की quality का सबसे महत्वपूर्ण तत्व training में इस्तेमाल किया गया proprietary data है

  • प्रमुख tech कंपनियाँ hardware में बहुत बड़ा निवेश कर रही हैं

    • यह 90 के दशक के आखिर में Sun Microsystems और Netscape में निवेश करने जैसा है
    • यह पता था कि internet दुनिया बदल देगा, लेकिन यह नहीं पता था कि पैसा कैसे बहेगा

  • AI से होने वाली कमाई सीधी नहीं, बल्कि cost reduction और productivity improvement से आती है

    • AI startup के हर पहलू में मदद करता है

  • productivity improvement पर बहुत ज़्यादा फोकस है

    • entertainment value में और ज़्यादा potential है
    • अभी अधपके apps पैसे कमा रहे हैं
    • असली hit product क्या होगा, यह अभी पता नहीं है

  • AI में किया गया निवेश सफल होने की संभावना काफ़ी अधिक है

    • internet और mobile के उदाहरण देखें तो hype खत्म होने के बाद सफल हुई कंपनियाँ बहुत थीं

  • यह अनुमान है कि AI बड़ा आर्थिक मूल्य पैदा करेगा

    • लेकिन यह बिना सबूत का एक मज़बूत अनुमान है
    • यह विश्वास है कि AI सब कुछ बदल देगा

  • AI की प्रगति लंबी और कठिन होगी

    • लेकिन यह इसके लायक होगी
    • संभव है कि FTX घटना ने एक सबक दिया हो

  • LLMs बुनियादी कामों में बेहतरीन हैं, लेकिन जटिल कामों में उनकी सीमाएँ हैं

    • लोग दूसरों को दोष देने की प्रवृत्ति रखते हैं
    • customer-facing भूमिकाओं की तुलना में entertainment और अप्रत्याशित उपयोग क्षेत्रों में इनका ज़्यादा इस्तेमाल होगा

  • यह मान लेना गलत है कि data center के सारे GPU सिर्फ AI में ही इस्तेमाल होते हैं

    • AI business model सिर्फ API usage fee तक सीमित नहीं है
    • AI पहले से ही Google के search और advertising business में बड़ी भूमिका निभा रहा है

  • OECD देशों की आबादी और GDP को देखते हुए, AI में निवेश productivity को काफ़ी बढ़ा सकता है

    • लेकिन मौजूदा निवेश की भरपाई तेज़ी से हो पाएगी या नहीं, यह सवाल बना हुआ है