GPU ของ Nvidia สามารถทำงานต่อไปได้นานหลายปี แต่ยังอาจล้าสมัยทางเศรษฐกิจเร็วกว่านั้นมาก
ความแตกต่างนี้มีความสำคัญ เพราะไมโครซอฟต์ อัลฟาเบท แอมะซอน และ เมตา ลงทุนเงินทุนจำนวนมากในโครงสร้างพื้นฐานด้านปัญญาประดิษฐ์ นักลงทุนมักมุ่งเน้นที่ต้นทุนหลักของชิปและศูนย์ข้อมูล แต่ค่าเสื่อมราคาคือตัวกำหนดว่าการลงทุนนั้นจะกลายเป็นค่าใช้จ่ายบนงบการเงินมากเพียงใด
การลดค่าใช้จ่ายกระจายต้นทุนของอุปกรณ์ตลอดอายุการใช้งานที่คาดหวัง บริษัทที่ใช้จ่าย 1 พันล้านดอลลาร์สหรัฐฯ สำหรับเซิร์ฟเวอร์มักจะไม่บันทึกจำนวนทั้งหมดเป็นค่าใช้จ่ายทันที แต่จะรับรู้ต้นทุนเป็นระยะๆ หลายปี
ปัญหาของฮาร์ดแวร์ปัญญาประดิษฐ์คืออายุการใช้งานทางกายภาพและอายุการใช้งานทางเศรษฐกิจอาจต่างกันอย่างมาก
เหตุผลที่ GPU สำหรับ AI อาจสูญเสียมูลค่าอย่างรวดเร็ว
GPU ไม่จำเป็นต้องหยุดทำงานเพื่อให้ค่าลดลง
รุ่นใหม่สามารถฝึกโมเดลได้เร็วขึ้น ใช้ไฟฟ้าน้อยลง และให้พลังการประมวลผลต่อดอลลาร์มากขึ้น ซึ่งหมายความว่าอุปกรณ์เร่งความเร็วรุ่นเก่าอาจยังใช้งานได้ทางเทคนิค แต่ต้นทุนการดำเนินงานจะสูงขึ้นเมื่อเทียบกับฮาร์ดแวร์รุ่นใหม่
วงจรผลิตภัณฑ์ที่รวดเร็วของ Nvidia ทำให้เรื่องนี้สำคัญเป็นพิเศษ บริษัทได้ย้ายจาก Hopper ไปสู่ Blackwell ขณะเดียวกันก็ยังพัฒนาสถาปัตยกรรมรุ่นใหม่ๆ ทำให้ความเสี่ยงที่ฮาร์ดแวร์ศูนย์ข้อมูลราคาแพงจะล้าสมัยทางเศรษฐกิจเร็วกว่าเซิร์ฟเวอร์แบบดั้งเดิมเพิ่มขึ้น
Nvidia สรุปกลยุทธ์ผลิตภัณฑ์และเทคโนโลยีปัจจุบันผ่าน เอกสารความสัมพันธ์กับนักลงทุน
ปัญหานี้ยังเชื่อมโยงโดยตรงกับการที่การใช้จ่ายด้านปัญญาประดิษฐ์ของบริษัทในระดับที่ไม่เคยมีมาก่อนจะสร้างผลตอบแทนที่น่าดึงดูดหรือไม่ คู่มือของเราเกี่ยวกับ ผลตอบแทนจากการลงทุนด้านปัญญาประดิษฐ์ อธิบายว่านักลงทุนสามารถใช้กระแสเงินสดเสรี หลักประกัน และผลตอบแทนจากการลงทุนที่ได้รับ เพื่อพิจารณาว่าค่าใช้จ่ายเหล่านั้นคุ้มค่าหรือไม่
ทำไมค่าเสื่อมราคาอาจเปลี่ยนแปลงผลกำไรของบริษัทเทคโนโลยีขนาดใหญ่
จินตนาการว่าบริษัทหนึ่งใช้เงิน 6 พันล้านดอลลาร์สหรัฐในการซื้อเซิร์ฟเวอร์ปัญญาประดิษฐ์ และคาดว่าจะใช้งานได้มีประโยชน์เป็นเวลาหกปี
อย่างง่ายๆ นั่นอาจหมายถึงค่าเสื่อมราคาประมาณ 1 พันล้านดอลลาร์ต่อปี ก่อนพิจารณาเรื่องเวลาและรายละเอียดบัญชีอื่นๆ
หากการบริหารสรุปว่าอุปกรณ์จะยังคงมีประโยชน์ทางเศรษฐกิจเพียงสี่ปี ค่าใช้จ่ายรายปีอาจเพิ่มขึ้นอย่างมาก
จุดสำคัญคือการเปลี่ยนสมมติฐานเกี่ยวกับอายุการใช้งานสามารถส่งผลต่อกำไรที่รายงานได้ โดยไม่ได้เปลี่ยนแปลงเงินสดที่ใช้จ่ายไปในตอนแรก
บริษัทคลาวด์ขนาดใหญ่เปิดเผยสมมติฐานเหล่านี้ในงบการเงินของพวกเขา นักลงทุนสามารถตรวจสอบนโยบายการเสื่อมค่าของ Microsoft ผ่าน เอกสารรายงานแก่นักลงทุน การเปิดเผยข้อมูลของ Alphabet ผ่าน Alphabet Investor Relations และเอกสารของ Amazon ผ่าน Amazon Investor Relations
นั่นไม่ได้หมายความว่า GPU รุ่นเก่าจะกลายเป็นของไร้ค่าทันที บริษัทสามารถย้ายพวกมันจากงานฝึกโมเดลที่ต้องการทรัพยากรสูงไปใช้งานในการให้บริการ การประยุกต์ใช้งานภายใน หรืองานที่ต้องการพลังการประมวลผลน้อยกว่า
ชีวิตที่สองนั้นสามารถขยายความเป็นประโยชน์ทางเศรษฐกิจของพวกเขาได้
ตัวเลขที่นักลงทุนควรจับตา
คำถามที่ใหญ่ที่สุดจึงไม่ใช่เพียงแค่ว่า Big Tech ใช้จ่ายไปเท่าใดบน GPU
มันขึ้นอยู่กับว่ารายได้และกระแสเงินสดที่ GPUs เหล่านั้นสร้างขึ้นเติบโตเร็วพอที่จะชดเชยค่าเสื่อมราคา ค่าไฟฟ้า และการแทนที่ด้วยเทคโนโลยีที่ก้าวหน้าอย่างรวดเร็วหรือไม่
สิ่งนี้มีความสำคัญมากขึ้นเมื่อรายได้จากชิป AI ของ Nvidia เพิ่มขึ้น การรายงานผลประกอบการของ Nvidia ล่าสุดของ Coinpaper แสดงให้เห็นถึงขนาดที่น่าทึ่งของความต้องการอุปกรณ์เร่งความเร็วในปัจจุบัน
ค่าใช้จ่ายด้านฮาร์ดแวร์ก็เป็นเพียงส่วนหนึ่งของสมการเท่านั้น ศูนย์ข้อมูล AI สมัยใหม่ใช้พลังงานไฟฟ้าในปริมาณมหาศาล ทำให้การเข้าถึงพลังงานเป็นข้อจำกัดอีกประการที่มีความสำคัญเพิ่มขึ้นเรื่อยๆ การอธิบายของ Coinpaper เกี่ยวกับ AI power markets สำรวจว่าทำไมเศรษฐศาสตร์ของไฟฟ้าอาจกลายเป็นสิ่งสำคัญเทียบเท่ากับ GPU เองในที่สุด