W rozmowie opublikowanej 15 października w podcaście BG2 Jensen Huang przedstawił dwa powiązane, ale odrębne argumenty. Po pierwsze, jak mówi, zamówienia na układy AI napływają szybciej, niż Nvidia może je realizować. Po drugie, jego zdaniem przyszłość inwestycji w moc obliczeniową zależy od znacznie szerszego rynku niż tylko kilka czołowych laboratoriów AI. To optymistyczna prognoza, nie obietnica, że każda inwestycja przyniesie oczekiwany zwrot.
6
3
Zamówień przybywa mimo zwiększania podaży
Huang powiedział, że klienci składają zamówienia „niemal co tydzień i codziennie”, a portfel zamówień Nvidii rośnie, choć firma zwiększa podaż. Wśród zainteresowanych mają być duzi dostawcy usług chmurowych, nowsi operatorzy chmur AI oraz producenci sprzętu. Część klientów planuje zapotrzebowanie z wyprzedzeniem, ale dostępne relacje nie potwierdzają, że każdy z nich prognozuje je na rok lub dwa naprzód.
6
8
43
Sama dostępność chipów to nie jedyne ograniczenie rozbudowy infrastruktury. Relacje z wypowiedzi Huanga wskazują także na ograniczenia związane z energią i szerzej rozumianą infrastrukturą. Dostępne materiały nie potwierdzają natomiast szczegółowej listy niedokończonych centrów danych ani brakujących komponentów.
42
Dlaczego Huang nie sprowadza popytu do kilku laboratoriów AI
W odpowiedzi na obawy, że za całą rozbudowę infrastruktury mają płacić zaledwie dwa laboratoria, Huang wskazuje na różnorodność zastosowań mocy obliczeniowej Nvidii. Według jednej z relacji około jedna trzecia ma służyć tradycyjnym zadaniom, kolejna część ekosystemowi open source, a około 30 proc. — czołowym laboratoriom rozwijającym modele. To przybliżony podział przytoczony w relacji, a nie dokładne zestawienie wszystkich zastosowań.
1
Inne doniesienia również szacują udział laboratoriów rozwijających najbardziej zaawansowane modele na około 25–30 proc. pozostałej aktywności mają dostarczać tradycyjne obliczenia i szerszy ekosystem startupów. W logice Huanga inwestycji w infrastrukturę nie trzeba więc uzasadniać wyłącznie perspektywą, że OpenAI, Anthropic czy inne czołowe laboratoria osiągną przychody porównywalne ze skalą całej rozbudowy.
34
35
Prognoza liczona w bilionach dolarów
Huang szacuje, że do 2030 r. globalne inwestycje w infrastrukturę AI mogą sięgać 3–4 bln dolarów rocznie, z czego około 1,5 bln miałoby przypadać na infrastrukturę obliczeniową. Mówił też, że w dalszej perspektywie nie zdziwiłoby go 10 bln dolarów rocznych wydatków. To jego prognozy, a nie potwierdzone przyszłe wyniki.
3
4
Warto odróżnić wartość całego możliwego rynku inwestycji od przychodów Nvidii. Podane kwoty nie oznaczają, że tyle zarobi producent chipów, ani nie przesądzają, czy poszczególne projekty okażą się opłacalne. Teza Huanga jest taka, że wraz ze wzrostem potrzeb obliczeniowych popyt na infrastrukturę może objąć coraz więcej użytkowników i zastosowań. Sama prognoza nie rozstrzyga jednak, czy uda się sfinansować wszystkie przedsięwzięcia i osiągnąć z nich odpowiedni zwrot.
3
7
Popyt to nie to samo co pewne finansowanie
Obawy o sposób finansowania rozbudowy infrastruktury to osobna kwestia od tego, czy klienci chcą korzystać z większej mocy obliczeniowej. Rosnący portfel zamówień Nvidii jest argumentem za istnieniem popytu, ale sam w sobie nie dowodzi, że każdy klient zdoła sfinansować swoje plany ani że operatorzy infrastruktury będą na nich zarabiać.
6
W osobnej rozmowie z Bloombergiem Huang bronił firmy CoreWeave, mówiąc: „Jej kondycja poprawia się z każdym dniem”, i dodając, że koszt jej kapitału spada. Wypowiedź padła podczas wydarzenia w Sztokholmie, a nie w rozmowie dla BG2.
39
Najostrożniej można więc odczytać słowa Huanga jako optymistyczną, ale warunkową tezę: popyt na moc obliczeniową AI ma wykraczać poza największe laboratoria, lecz skala dalszej rozbudowy nadal zależy od dostępnej infrastruktury, finansowania i rentowności inwestycji.