एक Nvidia GPU कई वर्षों तक काम कर सकता है और फिर भी आर्थिक रूप से बहुत जल्दी अप्रचलित हो सकता है।
यह अंतर महत्वपूर्ण है क्योंकि माइक्रोसॉफ्ट, अल्फाबेट, अमेज़न और मेटा AI बुनियादी ढांचे में विशाल रकम निवेश कर रहे हैं। निवेशक अक्सर चिप्स और डेटा केंद्रों की प्रमुख लागत पर ध्यान केंद्रित करते हैं, लेकिन ह्रास यह निर्धारित करता है कि उस निवेश का कितना हिस्सा अंततः आय विवरण पर खर्च के रूप में आएगा।
अवमूल्यन उपकरण की लागत को उसकी अपेक्षित उपयोगी जीवनकाल के दौरान वितरित करता है। एक कंपनी जो सर्वर पर 1 बिलियन डॉलर खर्च करती है, आमतौर पर पूरी रकम को तुरंत खर्च के रूप में दर्ज नहीं करती है। इसके बजाय, लागत को कई वर्षों में मान्य किया जाता है।
एआई हार्डवेयर की समस्या यह है कि भौतिक जीवन और आर्थिक जीवन बहुत अलग हो सकते हैं।
क्यों AI GPU का मूल्य जल्दी से घट सकता है
एक GPU को कार्य करना बंद करने की आवश्यकता नहीं होती है ताकि यह कम मूल्यवान हो जाए।
नए पीढ़ियाँ मॉडल को तेज़ी से प्रशिक्षित कर सकती हैं, कम बिजली खपत कर सकती हैं और प्रति डॉलर अधिक कंप्यूटिंग पावर प्रदान कर सकती हैं। इसका मतलब है कि एक पुराना त्वरक तकनीकी रूप से उपयोगयोग्य बना रह सकता है, जबकि नए हार्डवेयर की तुलना में इसका संचालन करना लगातार महंगा होता जा रहा है।
Nvidia का तेज़ उत्पाद चक्र इसे विशेष रूप से महत्वपूर्ण बनाता है। कंपनी हॉपर से ब्लैकवेल पर स्थानांतरित हो चुकी है और नए आर्किटेक्चर्स के विकास को जारी रख रही है, जिससे महंगे डेटा-सेंटर हार्डवेयर के पारंपरिक सर्वरों की तुलना में आर्थिक रूप से पुराने होने का जोखिम बढ़ जाता है।
निविडिया अपनी निवेशक संबंध सामग्री के माध्यम से अपनी वर्तमान उत्पाद और प्रौद्योगिकी रणनीति का वर्णन करती है।
इस समस्या का सीधा संबंध इस बात से भी है कि अभूतपूर्व कॉर्पोरेट AI खर्च वास्तव में आकर्षक रिटर्न पैदा करता है या नहीं। हमारा गाइड AI निवेश रिटर्न यह समझाता है कि निवेशक फ्री कैश फ्लो, मार्जिन और निवेशित पूंजी पर रिटर्न का उपयोग करके यह निर्णय कैसे ले सकते हैं कि ये खर्चे लाभदायक हो रहे हैं।
क्यों अवमूल्यन बड़े टेक कम्पनियों के अर्जन को बदल सकता है
कल्पना कीजिए कि एक कंपनी AI सर्वर पर 6 बिलियन डॉलर खर्च करती है और उम्मीद करती है कि वे छह साल तक उपयोगी रहेंगे।
बहुत सरल शब्दों में, इसका अर्थ हो सकता है कि समय और अन्य लेखांकन विवरणों को ध्यान में न लिए जाएं, वार्षिक अवमूल्यन लगभग 1 बिलियन डॉलर हो।
यदि प्रबंधन इस निष्कर्ष पर पहुंचता है कि उपकरण केवल चार वर्षों तक आर्थिक रूप से उपयोगी रहेगा, तो वार्षिक खर्च काफी बढ़ सकता है।
महत्वपूर्ण बात यह है कि उपयोगी जीवन की धारणा बदलने से मूल रूप से खर्च की गई राशि में कोई बदलाव न होने के बावजूद रिपोर्ट किए गए लाभ प्रभावित हो सकते हैं।
बड़ी क्लाउड कंपनियाँ अपने वित्तीय विवरणों में इन धारणाओं को उजागर करती हैं। निवेशक Microsoft की अवमूल्यन नीतियों की समीक्षा इन्वेस्टर रिलेशंस फाइलिंग्स के माध्यम से, Alphabet के उजागरण Alphabet Investor Relations के माध्यम से और Amazon की फाइलिंग्स Amazon Investor Relations के माध्यम से कर सकते हैं।
इसका अर्थ यह नहीं है कि पुराने GPU अचानक बेकार हो जाते हैं। कंपनियाँ उन्हें अधिक गणना-भारी मॉडल प्रशिक्षण के कार्यों से निष्कर्षण, आंतरिक अनुप्रयोगों या कम गणना-भारी कार्यों में स्थानांतरित कर सकती हैं।
वह दूसरी जिंदगी उनकी आर्थिक उपयोगिता को बढ़ा सकती है।
वह संख्या जिसे निवेशकों को वास्तव में देखना चाहिए
इसलिए सबसे बड़ा प्रश्न यह नहीं है कि बिग टेक GPU पर कितना खर्च करता है।
क्या उन GPU द्वारा उत्पन्न आय और नकदी प्रवाह का अवमूल्यन, बिजली लागत और त्वरित प्रौद्योगिकी प्रतिस्थापन के लिए पर्याप्त तेजी से विकास होता है।
यह अधिक मायने रखता है जब नविडिया की एआई-चिप आय बढ़ती है। कॉइनपेपर की हालिया नविडिया कमाई कवरेज वर्तमान एक्सेलरेटर मांग के असाधारण पैमाने को दर्शाती है।
हार्डवेयर लागत केवल समीकरण का एक हिस्सा है। आधुनिक AI डेटा केंद्र विशाल मात्रा में बिजली का उपयोग करते हैं, जिससे ऊर्जा उपलब्धता एक और बढ़ते हुए महत्वपूर्ण प्रतिबंध बन गई है। Coinpaper का AI पावर मार्केट्स पर समझौता यह जांचता है कि बिजली की अर्थव्यवस्था अंततः GPU स्वयं के जितनी महत्वपूर्ण क्यों बन सकती है।