A busca das grandes empresas por IA continua. Esta semana, a Microsoft, Google e Meta publicaram seus relatórios financeiros; exceto pela Meta, que foi ligeiramente afetada por previsões trimestrais abaixo do esperado, as outras duas tiveram um bom desempenho nas ações. A lógica do "receita-despesa-nova receita" que foi enfatizada anteriormente está se desenrolando, com a Microsoft e o Google apresentando um crescimento contínuo na receita da nuvem e na margem de lucro geral, enquanto a IA também está impulsionando um rápido crescimento em áreas como publicidade e busca. Ao mesmo tempo, a competição por poder computacional entre os principais provedores de nuvem está se intensificando, tornando difícil uma redução nos gastos de capital no curto prazo. No início da era da IA, os principais fornecedores só poderão sobreviver em uma competição acirrada com investimentos contínuos. Segundo uma previsão de um fornecedor de serviços de computação, o equilíbrio entre oferta e demanda de poder computacional para IA pode não ocorrer antes de 2030.
O mercado espera ver mais aplicações de IA "práticas" que realmente possam aumentar a produtividade ou facilitar a vida e o aprendizado. Este ano, já testemunhamos o desempenho impressionante do OpenAI Sora e a ascensão do modelo nacional Kimi. No futuro, também se espera ver atualizações contínuas do GPT, Gemini e Llama, bem como os principais fabricantes trazendo grandes modelos para terminais como PCs e smartphones. O caminho para a AGI é tortuoso e pode levar um bom tempo até que possamos desenvolver aplicações de IA que realmente mudem a sociedade.
Atualmente, devemos prestar atenção à "performance de custo elevado". Revisando as eras 4G e 5G, a redução do custo do tráfego móvel deu origem à era dourada dos aplicativos móveis. Da mesma forma, a redução do custo por unidade de poder de computação é uma condição necessária para a entrada na era da AGI; um poder de computação de IA barato, acessível e estável é a base para aplicações de IA de nível histórico. Tomando a Sora como exemplo, ela ainda levará alguns meses para ser aberta ao público, além de questões de segurança, também precisa otimizar o poder de computação necessário para a inferência. Os principais provedores de nuvem têm a capacidade de investir em larga escala para manter a competitividade, mas isso não representa a demanda de todo o mercado; muitas pequenas e médias empresas precisam de uma performance de custo elevado.
Desagregar o custo de computação, excluindo cerca de 10% do custo operacional de eletricidade, quase todos os demais são investimentos em ativos fixos, incluindo GPU, equipamentos de rede, refrigeração, etc. No que diz respeito às GPUs, a TSMC está expandindo a capacidade de CoWoS necessária para computação em IA, com previsão de que a capacidade mensal atinja quase 40.000 até o final do ano, um aumento de mais de 150% em relação à capacidade total de 2023. No que diz respeito aos equipamentos de rede, a NVIDIA GB200 utiliza cabos de cobre de curto alcance e em grande escala, indicando que não busca apenas alto desempenho, mas também considera o controle de custos do cliente. Ao mesmo tempo, os fabricantes de módulos ópticos estão promovendo ativamente soluções de conexão óptica de alto custo-benefício, como LPO. Em termos de refrigeração, com o aumento da densidade de potência em armários individuais, quando ultrapassa um certo valor crítico, a refrigeração a líquido se tornará mais econômica do que a refrigeração a ar.
Esta página pode conter conteúdo de terceiros, que é fornecido apenas para fins informativos (não para representações/garantias) e não deve ser considerada como um endosso de suas opiniões pela Gate nem como aconselhamento financeiro ou profissional. Consulte a Isenção de responsabilidade para obter detalhes.
15 Curtidas
Recompensa
15
4
Compartilhar
Comentário
0/400
SmartMoneyWallet
· 20h atrás
É apenas um jogo de queimar dinheiro. O capital nunca dorme.
Ver originalResponder0
GasOptimizer
· 20h atrás
Com este poder de computação, já vi muito no mundo crypto.
A cadeia da indústria de IA empreende um grande esforço, e o poder de computação de alto custo-benefício torna-se crucial.
Segue o texto do artigo reescrito:
A busca das grandes empresas por IA continua. Esta semana, a Microsoft, Google e Meta publicaram seus relatórios financeiros; exceto pela Meta, que foi ligeiramente afetada por previsões trimestrais abaixo do esperado, as outras duas tiveram um bom desempenho nas ações. A lógica do "receita-despesa-nova receita" que foi enfatizada anteriormente está se desenrolando, com a Microsoft e o Google apresentando um crescimento contínuo na receita da nuvem e na margem de lucro geral, enquanto a IA também está impulsionando um rápido crescimento em áreas como publicidade e busca. Ao mesmo tempo, a competição por poder computacional entre os principais provedores de nuvem está se intensificando, tornando difícil uma redução nos gastos de capital no curto prazo. No início da era da IA, os principais fornecedores só poderão sobreviver em uma competição acirrada com investimentos contínuos. Segundo uma previsão de um fornecedor de serviços de computação, o equilíbrio entre oferta e demanda de poder computacional para IA pode não ocorrer antes de 2030.
O mercado espera ver mais aplicações de IA "práticas" que realmente possam aumentar a produtividade ou facilitar a vida e o aprendizado. Este ano, já testemunhamos o desempenho impressionante do OpenAI Sora e a ascensão do modelo nacional Kimi. No futuro, também se espera ver atualizações contínuas do GPT, Gemini e Llama, bem como os principais fabricantes trazendo grandes modelos para terminais como PCs e smartphones. O caminho para a AGI é tortuoso e pode levar um bom tempo até que possamos desenvolver aplicações de IA que realmente mudem a sociedade.
Atualmente, devemos prestar atenção à "performance de custo elevado". Revisando as eras 4G e 5G, a redução do custo do tráfego móvel deu origem à era dourada dos aplicativos móveis. Da mesma forma, a redução do custo por unidade de poder de computação é uma condição necessária para a entrada na era da AGI; um poder de computação de IA barato, acessível e estável é a base para aplicações de IA de nível histórico. Tomando a Sora como exemplo, ela ainda levará alguns meses para ser aberta ao público, além de questões de segurança, também precisa otimizar o poder de computação necessário para a inferência. Os principais provedores de nuvem têm a capacidade de investir em larga escala para manter a competitividade, mas isso não representa a demanda de todo o mercado; muitas pequenas e médias empresas precisam de uma performance de custo elevado.
Desagregar o custo de computação, excluindo cerca de 10% do custo operacional de eletricidade, quase todos os demais são investimentos em ativos fixos, incluindo GPU, equipamentos de rede, refrigeração, etc. No que diz respeito às GPUs, a TSMC está expandindo a capacidade de CoWoS necessária para computação em IA, com previsão de que a capacidade mensal atinja quase 40.000 até o final do ano, um aumento de mais de 150% em relação à capacidade total de 2023. No que diz respeito aos equipamentos de rede, a NVIDIA GB200 utiliza cabos de cobre de curto alcance e em grande escala, indicando que não busca apenas alto desempenho, mas também considera o controle de custos do cliente. Ao mesmo tempo, os fabricantes de módulos ópticos estão promovendo ativamente soluções de conexão óptica de alto custo-benefício, como LPO. Em termos de refrigeração, com o aumento da densidade de potência em armários individuais, quando ultrapassa um certo valor crítico, a refrigeração a líquido se tornará mais econômica do que a refrigeração a ar.