14 na mga stocks na naglalayon sa mga bottleneck ng AI infrastructure

May-akda: George Kikvadze

DeepFlow Tech

DeepTide Summary: Si George Kikvadze, Vice Chairman ng Bitfury Group, ay nagmungkahi ng isang kabaligtarang pananaw: ang pinakamalaking pagkakataon sa pagkakita sa AI sector ay hindi sa layer ng model, kundi sa mga bottleneck ng infrastraktura tulad ng kuryente, pagpapalamig, memorya, at network. Kanyang ilarawan ang 7 mga kritikal na punto sa AI system na nagiging hadlang, at isinampa ang kanyang portfolio ng 14 na asset na may kasalukuyang return na humigit-kumulang 60%. Ang framework na ito ng “investment sa bottleneck” ay dapat basahin nang mabuti ng bawat isa na nakikinig sa AI investment.

Gusto mong maunawaan kung saan makakakita ng pera sa AI? Huwag basahin ang mga headline, kundi tingnan kung saan ang sistema ay nasa pressure.

Pinakasimpleng paghahambing: Ang AI ngayon ay parang isang pabrika na may walang hanggang order, ngunit ang kuryente, mga kable, at pagpapalamig ay hindi makakasunod.

Ang mismong mismatch ay isang pagkakataon.

Pagkatapos ng detalyadong due diligence, inilagay namin ang aming pananampalataya sa sumusunod na组合 ng mga "AI bottleneck":

$CEG $GEV $VST $WMB $PWR $ETN $VRT $MU $ANET $ALAB $ASML $LRCX $CIFR $IREN

Ang karamihan sa mga investor ay nagtatanong: “Sino ang magtatagumpay sa AI?” Ito ang maling tanong.

Saan sasabihin ng sistema? Sino ang kumikita sa pagpapabuti?

Sa merkado, ang pagkakadepende ay ang leverage.

Ang mga pagkakasalig ng AI ay hindi abstrak na kahit ano, lahat ay pisikal:

• Megawatt-level power
• Lead time ng transformer
• Cooling capacity per rack
• Memory bandwidth

Ang ekonomikong pusod ay nagpapalitan patungo sa mga lugar na ito.

Pagsasapalayaw ng AI → Pagkakaroon ng presyur sa infrastraktura → Pagsisikap na mag-invest → Bottleneck → Karapatan sa pagtatakda ng presyo → Pagtaas ng kita

Kapag ang demand ay walang alternatibo at ang suplay ay limitado: una ang presyo, sumusunod ang kita, huling ma-e-estimate ang presyo ng mga aktibo.

Ilang numero ang nagpapaliwanag ng lahat ng problema:

Kasalukuyang nasa delay ang halos 50% ng mga proyekto ng data center sa buong Amerika, hindi dahil sa kakulangan ng demand o pondo, kundi dahil sa kakulangan ng kuryente. Ang panahon ng pagpapadala ng transformer ay tumagal mula sa 24 na buwan bago ang 2020 hanggang sa higit sa 5 taon ngayon. Ang panahon ng pagbuo ng data center ay 18 na buwan. Hindi magkakatugma ang mga numero na ito.

Ang mga malalaking vendor ay magkakaroon ng pagkakalabas na $700 bilyon lamang para sa AI infrastructure noong 2026, malapit sa 6 beses ang dami noong 2022. $200 bilyon si Amazon, $175-185 bilyon si Google, at $115-135 bilyon si Meta. Walang isa sa kanila na nagpapabagal.

Ang semiconductor ay kasalukuyang nagtatampok ng 42% ng kabuuang market capitalization ng IT sector sa S&P 500, na lumampas sa dalawang beses ang halaga mula sa pinakamababang punto ng bear market noong 2022, at higit sa apat na beses ang timbang nito noong 2013. Ang semiconductor ay nag-aambag din ng 47% ng forward EPS ng IT sector, na halos tatlong beses ang dami kumpara sa 2023.

Ang merkado ay sumisibol sa halos walang katulad na densidad patungo sa layer ng computing power.

Ngunit ang computing power ay hindi na ang bottleneck.

Ang kapital ay sumisira sa chip, at ang tunay na pagtigil ay nasa ibang lugar na.

Ang pagkakaiba ay ang pagkakataon sa pagtinda.

• Kuryente: pundasyon

Wala ang AI sa kuryente, hindi ito makakapalawig.

Kailangan ng Amerika na magdagdag ng kapasidad na katumbas ng kasalukuyang buong batayang kuryente ng data center bawat dalawang taon upang makasabay sa mga pagtataya ng pangangailangan sa AI bago ang 2030. Ang nuclear power ay ang tanging batayang source ng enerhiya na makakapagbigay ng sukat at kumpiyansa na kailangan ng mga malalaking vendor, ngunit kahit ang pinakamabilis na pagpapagana muli ng nuclear power ay kailangan ng ilang taon.

Mga标的：$CEG $GEV $VST $WMB

Hindi ito mga utility stock, kundi mga provider ng AI capacity. Hindi pa natatapos ng merkado ang pagrerereclassify na ito. Ang pagkakamali sa pagpapahalaga ay ang pagkakataon.

Ang Constellation Energy ($CEG) ay nagpapatakbo ng pinakamalaking serye ng nuclear power plants sa buong bansa at isa sa mga kaunting supplier na kayang magbigay ng malaking sakop, mapagkakatiwalaan, at zero-carbon baselines na enerhiya. Ang mga超大规模厂商 ay nagpapabilis sa pag-sign ng mga long-term power purchase agreements kasama ang mga nuclear supplier, at ang Constellation ay direktang nasa landas ng demand na ito.

Ang GE Vernova ($GEV) ay nagbuo ng pangunahing estruktura para sa susunod na siklo ng enerhiya, kasama ang mga gas turbine, renewable energy, at mga solusyon sa grid. Kapag tumataas ang pangangailangan sa AI, ang kakayahang mabilis at malawakang ipagkaloob ang kuryente ay naging mahalaga, at ang mga gas turbine at elektrisasyon na kakayahan ng GE Vernova ay nasa sentro nito.

Ang Vistra Corp ($VST) ay may diversified na portfolio ng paggawa ng kuryente, kabilang ang nuclear, gas, at retail electricity, na nakakatulong sa pagharap sa base load at peak demand. Ang pagkakaroon ng ganitong flexibility ay naging lalong mahalaga dahil sa mataas na pagkakaiba-iba ng kuryente na pangangailangan mula sa AI workloads.

Ang Williams Companies ($WMB) ay nagpapatakbo ng isa sa pinakamalaking network ng natural gas sa buong bansa, na nagbibigay ng suplay upang tulungan sagutin ang pagkakaiba sa pagitan ng kasalukuyang pangangailangan at hinaharap na sukat ng nuclear power. Sa paglalawak ng AI infrastructure, ang natural gas ay ang pinakamabilis na paraan upang magdagdag ng kuryente. Ang Williams ay praktikal na isang tagapag-suplay ng enerhiya para sa paglago ng AI.

Grid at Elektrisasyon: Mga Limitasyon sa Likod ng Kuryente

Ang pagbuo ng kuryente ay isang bagay, ngunit ang pagpapadala nito ay mas mahirap.

Ang queue para sa pagkonekta ng grid sa Amerika ay nasa pagkatapos na 2030. Sa susunod na sampung taon, kailangan ng higit sa $50 bilyon na investmiento sa pagpapadala para matugunan ang mga umiiral na pangako, at hindi pa kasama ang paglulunsad ng isang bagong AI data center.

Mga标的：$PWR $ETN

Nakakalayo ang jadwal dito, at lumalawak din ang margin dito. Ang mga kumpanya na naglulutas sa problema ng “last mile” delivery ay may matatag na kapangyarihan sa pagtatakda ng presyo sa mahabang panahon.

Ang Quanta Services ($PWR) ay ang pangunahing kontraktor na nagtatayo at nagpapabuti ng infrastruktura ng pagpapadala upang i-connect ang mga lugar ng paggawa ng enerhiya sa mga lugar ng paggamit nito. Kapag naging pangunahing hadlang sa paglalawak ng AI ang pagkakabukod sa grid, nasa direkta na daan ng Quanta ang matagalang, hindi diskresyonaryong gastos sa kapital. Ang kanilang backlog ay isang leading indicator ng presyon sa grid.

Ang Eaton Corporation ($ETN) ay nag-aalok ng mga sistema ng pagpapadala ng kuryente, mga switchgear, at mga teknolohiya sa pagpapamahala ng enerhiya upang mapagbigyan ang malaking saklaw ng ligtas at epektibong pagpapadala ng kuryente. Habang lumilipat ang mga data center patungo sa mas mataas na density ng kapangyarihan at mas kumplikadong mga daloy ng enerhiya, ang mga komponente ni Eaton ay naging kritikal na imprastruktura mula sa standardisadong hardware.

Pagpapalamig: Tahimik na bubong

Ang init ay nagpapahina sa performance. Walang software patch para sa thermodynamics.

Ang layunin ng susunod na henerasyon ng AI infrastructure ay 250 kilowatt bawat cabinet, samantalang ang standard na enterprise data center sa nakaraang sampung taon ay may 10-15 kilowatt lamang. Ang liquid cooling ay hindi na isang opsyon, kundi isang kailangang infrastructure. Bawat benta ng GPU ay nangangailangan ng katumbas na cooling capacity, at ang ratio na ito ay hindi magbabago.

Pamantayan: $VRT

Ang Vertiv ay malapit sa monopoliyo sa larangan ng pagpapalamig ng mga super-scale data center. Ito ay isa sa mga pinakamababang na-e-estimang bahagi ng buong AI stack, dahil walang nag-aalala tungkol sa pagpapalamig, hanggang sa mabigo ang cluster.

Ang Vertiv Holdings ($VRT) ay nagdisenyo at nagpapalabas ng mga sistema ng pagpapalamig para sa mga malalaking AI cluster na nagsisipagana sa ekstremong load ng kapangyarihan. Habang ang mga cabinet ay lumilipat mula sa air cooling patungo sa liquid cooling, ang Vertiv ay nasa gitna ng structural upgrade cycle na ito, at umuunlad nang direkta kasabay ng deployment ng AI computing power. Ito ay hindi isang opsyonal na gastos, kundi isang kinakailangan para sa patuloy na pagpapatakbo.

Memory: Ang susunod na bottleneck

Ang AI ay nagpapalit mula sa pagkakasalig sa computing power patungo sa pagkakasalig sa memorya.

Dumating sa pagiging limitasyon ang bandwidth at kapasidad ng memorya, hindi ang orihinal na processing power, habang lumalaki ang mga modelo at tumataas ang pagpapatakbo. Ang suplay ng HBM (High Bandwidth Memory) ay naging maikli. Ang mga pangunahing tatlóng tagapag-supply ng AI memorya sa buong mundo ay kumokontrol ng higit sa 90% ng global na HBM output. Ang Micron ay ang pangunahing nakikinabang sa Kanluran.

Pangunahing asset: $MU

Ito ang susunod na alon ng pagtaas ng kita. Ang karamihan sa mga portfolio ay hindi pa nakaposisyon para dito. Kapag masagot ng merkado, sila ay magiging ganon.

Ang Micron Technology ($MU) ay isa sa mga limitadong kumpanya sa buong mundo na kayang mag-produce nang malaki ng advanced HBM, na isang mahalagang komponente para sa AI training at inference loads. Kapag naging limiting factor ang memory sa system performance, naging struktural na benepisyaryo ang Micron mula sa kanyang nakaraang pagiging cyclic supplier. Ang pagbabagong ito ay hindi pa sapat na nasasakop sa valuation, at may potensyal para sa patuloy na pagtaas ng kita at pagpapalawak ng valuation multiples.

Network: Throughput Layer

Ang bilis ng AI cluster ay nakadepende sa pinakamabagal na koneksyon.

Isang network bottleneck ay maaaring mag-stuck sa buong cluster ng libo-libo na GPU, na nagwawala ng milyon-milyong dolyar na kapital sa bawat facility. Habang lumalaki ang laki ng cluster patungo sa 100,000 GPU configuration, ang mga problema sa interconnect ay tumataas nang eksponensyal. Isang bottleneck, sira ang buong sistema.

Mga标的：$ANET $ALAB

Mahinahon, kritikal, kulang sa posisyon. Walang nag-uusap tungkol sa network, hanggang sa magkaron ng problema ang network.

Ang Arista Networks ($ANET) ay nagbuo ng mga high-performance network infrastructure upang mapagana ang walang hanggang paggalaw ng data sa malalaking AI clusters. Kapag ang mga workload ay nangangailangan ng ultra-low latency at high throughput, ang software-defined network ni Arista ay naging mahalagang susi sa pagpapanatili ng efficiency ng cluster. Ang gastos ng paghinto o kawalan ng epekto ay sobrang mataas, at ang Arista ay nakakakuha ng halaga sa pamamagitan ng pagjamin na patuloy na gumagana ang sistema sa buong bilis nito.

Ang Astera Labs ($ALAB) ay gumagana sa loob ng data path, nagpapahintulot sa mabilis na koneksyon sa pagitan ng GPU, CPU, at memory sa mga AI system. Habang tumataas ang cluster density, ang bottleneck ay lumilipat mula sa edge ng network patungo sa chip-to-chip communication—dito nakatira ang Astera. Sa mga high-performance AI environment, kung hindi sapat ang bilis ng komunikasyon sa pagitan ng mga komponente, mabagal ang buong sistema.

Paggawa: Pagkakabawas ng mahabang siklo

Hindi makapag-expand ng AI ang walang kakayahang magawa ang mga chip. Hindi makakagawa ng mga advanced na chip ang walang mga kasangkapan sa paggawa.

Ang EUV lithography machine ni ASML ay may cycle time na higit sa isang taon, at ang bawat unit ay nagkakahalaga ng higit sa $200 milyon, na walang kredibleng alternatibo. Kailangan ng bawat advanced chip sa mundo, mula sa NVIDIA’s H100 hanggang sa Apple’s M series, ang kanilang mga kagamitan. Ang etching at deposition tools ni Lam Research ay nakapaloob sa bawat pangunahing production line ng mga fab sa buong mundo.

Mga标的：$ASML $LRCX

Long-term cycle constraints. More difficult to disrupt than any software moat. Discussion热度 is far below what it should be.

Ang ASML Holding ($ASML) ay ang tanging supplier ng EUV lithography systems, ang pinakamataas na teknolohiya sa kasalukuyan para sa paggawa ng chip, at isang kinakailangan para sa paggawa ng advanced semiconductors. Mayroon itong matagal nang backlog ng mga order at walang makabuluhang kalaban, kaya kontrolado ng ASML ang mahalagang bottleneck sa pandaigdigang supply chain ng chip.

Lam Research ($LRCX) ay nag-aalok ng mga kagamitan sa etching at deposition na bumubuo sa puso ng paggawa ng semiconductor. Ang kanilang mga kagamitan ay malalim na nakapaloob sa lahat ng pangunahing fab, na ginagawa itong isang siklikal at hindi maitatawag na kritikal na kasosyo sa pagpapalawak ng kapasidad ng chip. Habang ang pangangailangan sa AI ay nagdudulot ng patuloy na pagpapalawak ng kapasidad, ang Lam ay nakikinabang sa mahabang panahon na kita na direktang nakakabatay sa paglago ng global na paggawa ng semiconductor.

Mali ang klasipikasyon: Pinagmulan ng Alpha

Ito ang bahaging pinag-iisipan ng karamihan sa mga investor, at ang pinakamalaking hindi pantay na pagkakataon sa buong mapa.

May isang uri ng kumpanya na isinusulong ng merkado bilang A, ngunit ang tunay na operasyon at pagsasagawa ay nasa B na.

Tungkol sa $CIFR (Cipher Digital) at $IREN (IREN Limited).

Ang nakikita ng merkado ay ang mga miner ng Bitcoin.

Ang mga ito ay nagsisigaw sa mas malaking halaga: AI-powered infrastructure at HPC data center platform.

Nilock ng mga kumpanyang ito ang mura na enerhiya nang walang pansin, at nagtatayo ng infrastruktura bago umabot ang pangangailangan. Ngayon, ang dalawang bagay na ito ang tinatarget nang buong lakas ng mga super-scale provider.

Ang Cipher Digital ay nagsimula na sa pagpapalit ng modelo, nag-sign ng 15-taong lease agreement kasama ang investment-grade ultra-large-scale tenant (ikatlong AI/HPC park), at nakakuha ng $200 milyon na revolving credit facility mula sa mga pinakamataas na global na banko. Hindi ito mga spekulatibong hakbang, kundi mga pangmatagalang komitment sa kita.

Ang IREN ay nagpapatupad ng parehong estratehiya sa maraming site, na nag-uugnay ng pagkuha ng enerhiya sa pagbuo ng scalable na data center. Ang kanyang pangunahing kahusayan ay ang bilis: naka-control na ang lupain, kuryente, at imprastruktura na kailangan para sa paglipat sa AI workloads.

Ang market ay patuloy na nakikita ang mga miner. Ang balance sheet ay tila isang infrastructure company na.

Magkakasama ang pagkakaiba. Hindi magiging mabagal ang pagkakasama.

Hindi ito isang baluktot ng mga aktibong pagkakaroon, isang sistema lamang.

Bawat posisyon ay tumutugon sa isang partikular na pagkakabigay sa AI stack, at kailangang lutasin ang bawat pagkakabigay upang magsilbi ang sistema. Ito ang disiplina.

• Kuryente: $CEG $GEV $VST $WMB
• Grid: $PWR $ETN
• Pagpapalamig: $VRT
• Memory: $MU
• Network: $ANET $ALAB
• Ginawa: $ASML $LRCX
• Mali ang klasipikasyon: $CIFR $IREN

Kami ay nagpapalit mula sa kakulangan ng hashing power patungo sa kakulangan ng infrastruktura.

Ibig sabihin nito:

• Hindi na ang GPU ang tanging kuwento
• Ang enerhiya, grid, memorya, at pagpapalamig ay naging pangunahing driver ng kita
• Iwasan ang pagsubaybay sa热度, huwag ang pagsubaybay sa pagkakasunod

Nakakapag-iiwan pa ng maraming portfolio ang kanilang posisyon sa lumang mundo.

Ang framework na ito ay maaaring magsawa sa ilang partikular na kondisyon. Dapat silang tratuhin nang tapat.

Nagpapabilis ang pagbawas sa gastos sa kapital ng mga malaking manufacturer. Kung ang Amazon, Google, at Meta ay magpapabilis sa pagbawas sa gastos sa infrastraktura dahil sa presyur sa margin o demand na mas mababa kaysa sa inaasahan, magiging mahina ang aksiyon sa rigid na demand. Ito ang pangunahing panganib na dapat suriin, at obserbahan ang mga gabay sa gastos sa kapital bawat kuartal bilang leading indicator.

Mas mabilis kaysa sa inaasahan ang paglutas ng mga bottleneck. Ang pamamahala ng gobyerno sa paggawa ng transformer, pagpapabilis ng pagpapahintulot sa nuclear power, o pagrereorganisa ng pagsisikap sa pagkakonekta ng grid, ay maaaring mapabawasan ang premium ng mga infrastruktura na may limitasyon. Ang mga pagbabagong ito ay mabagal ngunit totoo.

Regulatory friction. Ang enerhiya at infrastruktura ng grid ay tumutok sa regulasyon ng utility, environmental review, at mga ahensya ng pagtatakda ng presyo. Kapag may pagbabago sa regulasyon na hindi nakakatulong sa larangan na ito, ito ay struktural at pangmatagalang naglalayong limitahan ang antas ng kita.

Ang pangunahing pagkakaiba ay: hindi ito isang pagtaya sa cycle ng produkto. Maaaring baligtarin ng isang kuwarto ang cycle ng produkto. Kailangan ng ilang taon upang itayo at ilang taon upang malutas ang mga limitasyon sa industriya. Ang asimetriyang ito ang puntos.

Sa bawat panahon ng industriya, ang kayamanan ay hindi nilikha ng mga kumpanyang gumawa ng tren.

Kundi galing sa mga kumpanya na may mga riles, coal, at karapatan sa daan.

Ang mga rail ng AI ay sinusukat sa pamamagitan ng megawatts, cycle time ng transformer, at cooling capacity bawat cabinet.

Ang karamihan sa mga investor ay naghihintay sa AI. Ang tunay na pagkakataon ay ang pagmamay-ari ng mga bagay na kailangan ng AI.

Sa bawat sistema, ang headline ay sumusunod sa pagkakabago, at ang kita ay sumusunod sa pagkakabawas. Tinitiyak namin ang pagkakabawas kaysa sa kuwento, at kasalukuyang umuusbong ang return sa halos 60%. Habang mabilis ang pag-unlad ng AI infrastructure, ito ay hindi pa ang dulo ng trading—nasa unang yugto pa rin ito. Naniniwala kami na kasalukuyan lang natin ang ikatlong round.