مصاحبه جدید SemiAnalysis: فضای دو برابر برای ذخیره‌سازی وجود دارد، در کوتاه‌مدت و میان‌مدت با CPO احتیاط کنید، CPU تنها نقش مکمل دارد

منبع: وال استریت ژورنال

هر لایه از زیرساخت‌های هوش مصنوعی تحت فشار قرار دارد و در عین حال فرصت‌ها و اشتباهات در کنار هم وجود دارند.

دیلن پاتل، بنیان‌گذار SemiAnalysis، اخیراً در یک مصاحبه پادکستی، به بررسی سیستماتیک دینامیک‌های اصلی و منطق سرمایه‌گذاری در زیرساخت‌های هوش مصنوعی پرداخته است.

قضاوت او شامل اقتصاد مدل‌ها، سوپرچرخه حافظه، قیمت‌گذاری مجدد CPU، ریسک‌های زمانی CPO و فرصت‌های ساختاری در تأمین انرژی مراکز داده است.

در پاسخ به تردیدهای عمومی بازار در مورد بازده سرمایه‌گذاری (ROI) هوش مصنوعی، دیلن فاش کرد که Anthropic در سه‌ماهه دوم سال جاری، جریان نقدی آزاد مثبت داشته و درآمد سالانه مکرر آن به بیش از 50 میلیارد دلار رسیده و حاشیه سود ناخالص آن بیش از 70 درصد است. در بخش شرکتی، جهش تولیدی ناشی از جدیدترین مدل‌های هوش مصنوعی به مراتب بیشتر از افزایش هزینه‌های محاسباتی بوده و باعث شده شرکت‌ها برای حفظ بودجه انفجاری هوش مصنوعی، هزینه‌های نرم‌افزاری دیگر را کاهش دهند.

در سطح تکامل سخت‌افزار، تغییر به الگوی مدل‌های استدلالی در حال بازسازی تقاضای بازار است.

دیلن تأکید کرد که ذخیره‌سازی با کمبود ساختاری به مدت چند سال مواجه است و هنوز فضای صعودی 2 تا 3 برابری دارد؛ در عین حال، اگرچه هوش‌افزارها و یادگیری تقویتی تقاضای CPU را افزایش داده‌اند، اما بازار فروشندگان قیمت‌گذاری را بیش از حد بالا برده است، رشد CPU عمدتاً ناشی از "تسویه حساب‌های تاریخی" است و ارزش مطلق آن در سرورهای هوش مصنوعی هنوز به مراتب کمتر از GPU است.

دیلن معتقد است که زمان انتظار برای پیاده‌سازی مقیاس‌پذیر CPO که بازار به شدت به آن امیدوار است، به وضوح به سال‌های 2028 تا 2029 موکول شده است و این به طور غیرمنتظره‌ای دوره سودآوری اتصالات مسی را طولانی‌تر کرده است. در حالی که محدودیت‌های شبکه توزیع و انتقال، مراکز داده را مجبور به روی آوردن به "منبع برق پشت‌سنج" (تأمین برق خود) کرده است، این امر فرصت‌های سرمایه‌گذاری عظیمی در زنجیره تأمین انرژی صنعتی و تبدیل برق ایجاد می‌کند.

Anthropic پیشتاز در ایجاد درآمد، روایت تقاضای هوش مصنوعی آغاز می‌شود

در پاسخ به تردیدهای بازار در مورد ROI شرکت‌های هوش مصنوعی، دیلن پاتل داده‌های مشخصی ارائه داد.

"Anthropic در سه‌ماهه دوم سال جاری، جریان نقدی آزاد مثبت داشته و در ماه‌های آوریل و مه سودآور بوده و به نظر می‌رسد ژوئن نیز همین‌طور باشد." او گفت که درآمد سالانه مکرر Anthropic به بیش از 50 میلیارد دلار رسیده و حاشیه سود ناخالص آن بیش از 70 درصد است. درآمد OpenAI نیز با افزایش نرخ پذیرش Codex به سرعت در حال رشد است.

مسیر هزینه‌های خود SemiAnalysis نیز این روند را تأیید می‌کند. در نوامبر گذشته، تیم 90 نفره این شرکت هزینه سالانه هوش مصنوعی کمتر از 100 هزار دلار بود؛ تا پایان ژانویه سال جاری، به دلیل گسترش گسترده Claude Code، این رقم به 4 میلیون دلار سالانه افزایش یافت؛ و در حال حاضر به 11 میلیون دلار رسیده و در اوج خود به 14 میلیون دلار سالانه رسیده است. "هزینه‌های نیروی انسانی و هزینه‌های هوش مصنوعی، این بخش از هزینه‌ها را به بیش از یک‌سوم رسانده و احتمالاً تا پایان سال به نیمی خواهد رسید."

او همچنین اشاره کرد که مدل‌های جدید و قوی‌تر در استفاده واقعی لزوماً گران‌تر نیستند. مدل‌های قدیمی ممکن است برای انجام یک کار به 100 هزار توکن و 10 تعامل نیاز داشته باشند، در حالی که مدل‌های جدید ممکن است تنها به 25 هزار توکن و 1 تعامل نیاز داشته باشند. "هر بار که مدل از 4.6 Opus به 4.7 Opus ارتقا می‌یابد، هزینه‌های ما ابتدا یک هفته کاهش می‌یابد و سپس دوباره افزایش می‌یابد------ زیرا همه می‌بینند که کارهایی که قبلاً نمی‌توانستند انجام دهند، اکنون قابل انجام است."

او معتقد است که این نیز یکی از دلایل اصلی برتری Anthropic در رقابت با OpenAI است: کارایی توکن بالاتر و هزینه کلی کاربران کمتر.

حافظه: کمبود ساختاری، نه چرخه عادی

در میان تمام دسته‌های سخت‌افزاری، دیلن پاتل قضاوت خود را در مورد حافظه بسیار قوی می‌داند.

"این کمبود کوتاه‌مدت نیست، بلکه کمبود ساختاری است که سال‌ها ادامه خواهد داشت." او اشاره کرد که ظرفیت تولید حافظه هر سال تنها 20 تا 30 درصد افزایش می‌یابد، در حالی که تقاضای سمت هوش مصنوعی در حال دو برابر شدن است و این شکاف همچنان در حال گسترش است.

منطق اصلی این قضاوت ناشی از تأثیر مدل‌های استدلالی بر کشش KV است. طول زمینه در استدلال‌های سنتی به هزاران توکن محدود است و کشش KV مصرف محدودی دارد؛ اما با ظهور مدل‌های استدلالی مانند o1، طول زمینه به طور انفجاری افزایش یافته و کشش KV به شدت گسترش یافته است و حافظه به عنوان یکی از مستقیم‌ترین دسته‌های سودآور شناخته می‌شود. SemiAnalysis در دسامبر 2024 گزارشی منتشر خواهد کرد که به طور خاص به این روند اشاره می‌کند.

محدودیت‌های سخت‌افزاری در سمت عرضه، بازار پایین‌دستی را مجبور به بازتوزیع منابع محدود حافظه خواهد کرد. او پیش‌بینی می‌کند که الکترونیک مصرفی با کشش قیمت پایین، ابتدا تحت فشار قرار خواهد گرفت------ حجم فروش تولیدکنندگان گوشی‌های هوشمند میان‌رده و پایین‌رده 40 درصد کاهش یافته است و قیمت iPhone و MacBook در سال آینده افزایش خواهد یافت. "حافظه همچنان گران خواهد شد، الکترونیک مصرفی به یک سطح جدید فشرده خواهد شد، تا زمانی که هوش مصنوعی حافظه مورد نیاز خود را به دست آورد، این وضعیت ادامه خواهد داشت."

او افزود که حتی اگر چرخه نزولی در آن زمان به وقوع بپیوندد، "از دره به دره، رشد بلندمدت غیرقابل انکار است."

CPU: بازار محدود برای جبران، از پیش‌بینی‌های بیش از حد خودداری کنید

CPU در روایت زیرساخت‌های هوش مصنوعی امسال به عنوان یک شخصیت جدید ظاهر شده است، اما دیلن پاتل در این مورد موضعی واضح دارد.

منطق احیای تقاضای CPU واضح است: یادگیری تقویتی به مقدار زیادی CPU برای اجرای تأیید محیط (آزمون واحد کد، شبیه‌سازی عملیات و غیره) نیاز دارد؛ استدلال هوش‌افزارها نیاز به فراخوانی مکرر ابزارها و تعامل با دنیای واقعی دارد و این عملیات به شدت به قدرت محاسباتی CPU وابسته است.

در عین حال، در چند سال گذشته، عرضه گسترده تراشه‌های هوش مصنوعی، کمبود جدی CPU را به همراه داشته است و در حال حاضر در مرحله جبران متمرکز قرار دارد، که ARM، اینتل و AMD از آن بهره‌مند شده‌اند و CPU ورای NVIDIA نیز راهنمای درآمد 20 میلیارد دلاری را ارائه داده است.

"اما من یک هشدار مهم می‌دهم: در اینجا اثرات جبرانی زیادی وجود دارد." او گفت که به محض اینکه بدهی‌های تاریخی جبران شود، تنها تقاضای افزایشی باقی می‌ماند و تقاضا به حالت عادی بازمی‌گردد. از نظر مبلغ مطلق، Blackwell به تنهایی حدود 50 هزار دلار و CPU حدود 5000 دلار است، حتی اگر از نظر نسبت، CPU بیشتر اضافه شود، مقدار دلاری آن به مراتب کمتر از تراشه‌های تسریع‌کننده هوش مصنوعی است.

"حافظه و تراشه‌های تسریع‌کننده هوش مصنوعی بخش‌های اصلی هستند، CPU پس از ارزیابی مجدد به قیمت معقول‌تری رسیده است، اما به طور نامحدود با سرعتی بیشتر از تراشه‌های هوش مصنوعی رشد نخواهد کرد."

ارتباط نوری: در بلندمدت خوش‌بین، در کوتاه‌مدت با CPO احتیاط کنید

شبکه و ارتباطات نوری یکی دیگر از حوزه‌های با احساسات بازار بالا است، اما دیلن پاتل در مورد زمان‌بندی پیاده‌سازی CPO (ارتباط نوری مشترک) موضعی محتاطانه دارد.

"زمان واقعی تولید انبوه CPO، قضاوت من این است که به پایان سال 2028 تا 2029 خواهد رسید." او اشاره کرد که در حال حاضر نرخ تولید، طراحی تراشه و بلوغ زنجیره تأمین به استانداردهای پیاده‌سازی مقیاس‌پذیر نرسیده است و تراشه‌های Rubin NVIDIA و معماری‌های بعدی آن همچنان از طرح تمام مسی استفاده خواهند کرد و CPO در سمت GPU باید منتظر چند نسل از تراشه‌ها باشد.

او فاش کرد که هفته گذشته، SemiAnalysis گزارشی به مشتریان اشتراکی خود ارائه داده است و در میان‌مدت به جای CPO، بیشتر به اتصالات مسی و راه‌حل‌های نوری غیر CPO خوش‌بین است. تغییرات طراحی برخی از تراشه‌های پایین‌دستی (مانند حذف طراحی 800V در Rubin Ultra) زمان پیاده‌سازی CPO را بیشتر به تأخیر انداخته است. شرکت‌های تولیدکننده اتصالات مسی مانند Amphenol به دلیل این تأخیر بیشتر از آنچه انتظار می‌رفت، سود خواهند برد.

"CPO در بلندمدت اتفاق خواهد افتاد، اتصالات مسی در بلندمدت جایگزین خواهند شد، اما زمان‌بندی آن به تأخیر افتاده است و در کوتاه‌مدت اتصالات مسی هنوز فرصت‌های زیادی دارند."

برق: تأمین برق خود به جریان اصلی تبدیل خواهد شد، مسیرهای نوآورانه متنوع

تأمین برق مراکز داده به سخت‌ترین محدودیت فیزیکی رشد هوش مصنوعی تبدیل شده است.

طبق پیش‌بینی دیلن پاتل، مصرف برق جدید مراکز داده در سال جاری 20 گیگاوات، سال آینده 30 گیگاوات و سال بعد 50 گیگاوات خواهد بود که رشد تقریباً انفجاری دارد.

او مسئله انرژی را به سه بعد تقسیم می‌کند: انتقال، تولید و تبدیل. انتقال سخت‌ترین بخش برای عبور است و شامل سیاست‌های نظارتی، ساختار انحصاری شرکت‌های برق محلی و مکانیزم‌های تقسیم هزینه است که در کوتاه‌مدت به سختی تغییر می‌کند. تولید و تبدیل فرصت‌های گسترده‌ای دارند.

او پیش‌بینی می‌کند که در چند سال آینده، نیمی از مصرف برق جدید مراکز داده از "منبع برق پشت‌سنج" (behind the meter) که به معنای تأمین برق خود توسط شرکت‌ها است، تأمین خواهد شد و نه وابسته به شبکه عمومی.

در حال حاضر، راه‌حل‌های اصلی شامل واحدهای گاز طبیعی چرخه ترکیبی (CCGT) از شرکت‌های GE Vernova، میتسوبیشی، زیمنس و غیره است؛ همچنین راه‌حل‌های غیر سنتی مانند موتورهای رفت و برگشتی، توربین‌های گاز صنعتی و حتی موتورهای سفارشی شده از کشتی‌ها، قطارها و کامیون‌ها نیز در حال ظهور هستند. "به نظر می‌رسد خام و ناپخته، اما کار می‌کند و در حال حاضر در حال استفاده است."

در بلندمدت، او پیش‌بینی می‌کند که در حدود دو سال دیگر، هزینه ترکیبی انرژی خورشیدی و ذخیره‌سازی کمتر از تولید برق گاز خواهد بود؛ و در دورتر، مراکز داده فضایی------ قرار دادن تراشه‌های محاسباتی در مدار، پنل‌های خورشیدی که نیازی به عبور از جو ندارند، انرژی‌چگالی بسیار بالاتری نسبت به زمین دارند و نیازی به ذخیره‌سازی ندارند.

سمت تبدیل نیز پر از فرصت‌های سرمایه‌گذاری است، از IGBT، سیلیکون کاربید تا MOSFET نیترید گالیم، و همچنین ترانسفورماتورهای حالت جامد، UPS و خازن‌های فوق‌العاده، کل زنجیره تبدیل ولتاژ به سرعت در حال پیشرفت است.

در حال حاضر بزرگترین بخش تحقیقاتی SemiAnalysis، دیگر نیمه‌هادی نیست، بلکه تیمی است که در داخل به "DEI" (مرکز داده، انرژی و صنعت) معروف است و پیگیری تحولات جهانی هر مرکز داده و نیروگاه را انجام می‌دهد.

سلب مسئولیت: این محتوا صرفاً برای اطلاع‌رسانی عمومی و برندینگ ارائه شده و به‌ منزله مشاوره مالی، سرمایه‌گذاری، حقوقی یا مالیاتی تلقی نمی‌گردد. هیچ‌یک از رویدادها، جوایز، رویدادهای آنلاین یا اطلاعات مرتبط ذکرشده در اینجا نباید به‌عنوان توصیه، درخواست یا دعوت برای خرید، فروش، معامله یا هرگونه اقدام دیگر در رابطه با دارایی‌های رمزارزی یا استفاده از خدمات تلقی شوند. دارایی‌های رمزارزی با نوسانات بالایی همراه بوده و ممکن است منجر به زیان شوند. خدمات WEEX و رویدادهای آنلاین ممکن است در تمام مناطق در دسترس نبوده و مشمول قوانین، مقررات و شرایط احراز صلاحیت مربوطه هستند. شما مسئول رعایت قوانین محلی در استفاده از خدمات WEEX هستید و باید پیش از انجام هرگونه فعالیت مرتبط با ارزهای دیجیتال، ریسک‌های آن را به‌دقت بررسی کنید.