Citadel: Niedobór mocy obliczeniowej nadal największą przeszkodą dla AI, hiperskalowi dostawcy chmur mogą stać się ostatecznymi zwycięzcami

Rynek AI staje się coraz bardziej zróżnicowany, a kluczowym czynnikiem decydującym o wygranej nie są już możliwości modeli, lecz dostępność fizycznej mocy obliczeniowej.

Najnowsza analiza Citadel Securities wskazuje, że zapotrzebowanie na moc obliczeniową stale przewyższa tempo wzrostu podaży,prawdziwie deficytowym aktywem nie są chipy magazynowane w magazynach, lecz już zasilona i gotowa do natychmiastowego użycia moc obliczeniowa.

Ten strukturalny wąski gardło trudno będzie usunąć w krótkim okresie — podłączenie do sieci i cykl zatwierdzania projektu trwają całymi latami, a nawet ogromne plany inwestycji kapitałowych nie są w stanie w krótkim czasie zasypać tej luki, co oznacza, że obecne przepływy pieniężne hyperscalerów mogą niedoszacowywać rzeczywistą rentowność posiadanej infrastruktury.

Wskaźniki rynkowe pokazują, że ceny wynajmu mocy obliczeniowej, także w przypadku starszych modeli GPU, pozostają wysokie,co wskazuje, że istniejące moce obliczeniowe są nadal dynamicznie wykorzystywane, a napięcia podażowo-popytowe na rynku nie zostały znacząco złagodzone przez duże inwestycje w nowe budowy.W tym samym czasie wzrost znaczenia agentów AI dodatkowo zwiększa zużycie mocy obliczeniowej — jedno polecenie człowieka potrafi uruchomić dziesiątki, a nawet setki wywołań modeli, przez co zapotrzebowanie na moc przy pojedynczym zadaniu rośnie, wspierając stronę popytową.

01

Istota wąskich gardeł obliczeniowych: to nie tylko chipy

Nohshad Shah, analityk Citadel Securities, wskazuje, że "moc obliczeniowa" nie oznacza wyłącznie GPU,lecz jest sumą GPU, energii elektrycznej, powierzchni centrum danych, pamięci, sieci, systemu chłodzenia oraz kompetencji operacyjnych. Prawdziwie deficytowe jest "zasilona, gotowa do użycia moc obliczeniowa", nie zaś sprzęt zalegający w magazynach.

Krzywa mocy obliczeniowej w dłuższym okresie pokazuje, że podaż wprawdzie rośnie, lecz tempo wzrostu popytu jest szybsze. Z racji tego, że podłączenie do sieci i cykl zatwierdzania projektu liczone są w latach, nawet ogromne plany wydatków kapitałowych nie wypełnią tej luki szybko. Obecnym ograniczeniem AI nie jest brak użytkowników, lecz brak mocy obliczeniowej zdolnej do realnej pracy w trybie online.

Warto zauważyć, że obecnie wiele mocy obliczeniowej powiązana jest z kontraktami podpisanymi na lata 2024 i 2025, kiedy siła popytu nie była jeszcze w pełni widoczna. Wraz z wygasaniem tych umów istniejąca infrastruktura ma szanse zwiększyć stopień wykorzystania i przejść na nowy sposób wyceny, przy niemal stałych kosztach, co pozwoli stopniowo uwolnić efekt dźwigni operacyjnej.Analiza sugeruje, że rynek obecnie preferuje natychmiastowe uwzględnianie kosztów inwestycji kapitałowych, jednak może niedoszacowywać potencjał wzrostu zysków w kolejnych latach.

Spadek cen tokenów nie musi oznaczać negatywnych skutków. Taniejące inteligentne rozwiązania sprawią, że więcej scenariuszy aplikacyjnych będzie ekonomicznie opłacalnych, w połączeniu z multiplikacją zużycia mocy przez agentów AI ogólne zapotrzebowanie na moc obliczeniową może nadal rosnąć. Kluczowym czynnikiem jest elastyczność popytu: jeśli tempo wzrostu wykorzystania przewyższy spadek ceny, niższa cena zwiększy rynek, a nie go skurczy; prawdziwie negatywny scenariusz to taki, gdzie token tanieje, lecz liczba użyć nie rośnie znacząco.

02

Rosnąca polaryzacja branży, hyperscalery posiadają podwójną przewagę

Analiza Citadel Securities kreśli coraz wyraźniejszy układ biegunów w AI:z jednej strony mamy laboratoria przyszłości takie jak OpenAI czy Anthropic, traktujące inteligencję jako produkt, z drugiej — wszechstronne hyperscalery jak Google, Microsoft, które — bez względu na to, który model wygra — mogą monetyzować całą stackę.

W tym modelu laboratoria przyszłości skupią się na zadaniach wysokiej wartości: planowaniu, rozumowaniu, programowaniu i organizacji zadań, realizując zyski na niewielkim udziale tokenów; tanie lub open source modele będą odpowiadały za warstwę masowego wykonywania zadań. Laboratoria przyszłości mogą mieć wpływ na wycenę za zadania premium, ale hyperscalery i dostawcy usług wnioskowania korzystają z obu poziomów — bo każde obciążenie wymaga chipów, pamięci, sieci i energii.

Ostatecznie modele przyszłości odpowiadają za planowanie, tanie modele za wykonywanie, a posiadacze "zasilonej mocy obliczeniowej" zbierają korzyści z obu stron. Dla inwestorów, w warunkach niepewności komercjalizacji AI, hyperscalery zarządzające infrastrukturą fizycznej mocy obliczeniowej mogą być aktywem o najbardziej przewidywalnym stosunku ryzyka do zysku w tej rywalizacji.

Jeśli podoba Ci się ten artykuł, kliknij „do zobaczenia”