GPU від Nvidia може працювати роками, але все одно швидше стає економічно застарілим.
Ця різниця має значення, оскільки Microsoft, Alphabet, Amazon і Meta вкладають величезні суми капіталу в інфраструктуру ШІ. Інвестори зазвичай зосереджуються на загальній вартості чіпів і центрів обробки даних, але амортизація визначає, яка частина цих інвестицій у кінцевому підсумку стає витратою у звіті про фінансові результати.
Зношення розподіляє вартість обладнання на протязі його передбачуваного строку корисного використання. Компанія, яка витрачає 1 мільярд доларів США на сервери, зазвичай не відображає всю цю суму як витрату одразу. Натомість вартість визнається протягом кількох років.
Проблема з обладнанням для ШІ полягає в тому, що фізичний та економічний терміни служби можуть значно відрізнятися.
Чому AI GPU можуть швидко втрачати вартість
GPU не повинен зупинятися, щоб стати менш цінним.
Нові покоління можуть навчати моделі швидше, споживати менше електроенергії та забезпечувати більше обчислювальної потужності за долар. Це означає, що старіший прискорювач може залишатися технічно працездатним, одночасно стаючи все дорожчим у експлуатації порівняно з новішим обладнанням.
Швидкий цикл продуктів Nvidia робить це особливо важливим. Компанія перейшла від Hopper до Blackwell, одночасно розробляючи нові архітектури, що збільшує ризик того, що дороге обладнання для центрів обробки даних швидше стає економічно застарілим, ніж традиційні сервери.
Nvidia описує свою поточну стратегію продуктів і технологій через свої матеріали для інвесторів.
Проблема також безпосередньо пов’язана з тим, чи призводить безпрецедентний корпоративний витрати на ШІ до привабливого прибутку. Наше керівництво з прибутковості інвестицій у ШІ пояснює, як інвестори можуть використовувати вільний готівковий потік, маржу та рентабельність інвестованого капіталу, щоб оцінити, чи окупаються ці витрати.
Чому амортизація може змінити прибуток великих технологічних компаній
Уявіть, що компанія витрачає 6 мільярдів доларів США на сервери з ІІ і очікує, що вони залишатимуться корисними протягом шести років.
Дуже просто, це може означати приблизно 1 мільярд доларів США щорічного зносу до врахування термінів та інших бухгалтерських деталей.
Якщо керівництво вирішить, що обладнання залишатиметься економічно корисним лише протягом чотирьох років, щорічні витрати можуть значно зростати.
Важливим моментом є те, що зміна припущення щодо корисного терміну служби може вплинути на звітні прибутки, не змінюючи готівку, яка була спочатку витрачена.
Великі хмарні компанії розкривають ці припущення у своїх фінансових звітах. Інвестори можуть ознайомитися з політикою амортизації Microsoft через її заяви для інвесторів, розкриття Alphabet — через Alphabet Investor Relations та подання Amazon — через Amazon Investor Relations.
Це не означає, що старі GPU раптово стають безцінними. Компанії можуть перенести їх з вимогливих завдань навчання моделей у висновки, внутрішні застосунки або менш вимогливі до обчислень завдання.
Це друге життя може продовжити їхню економічну корисність.
Число, яке інвестори повинні справді спостерігати
Тому найважливішим питанням є не просто скільки великих технологічних компаній витрачають на GPU.
Чи достатньо швидко зростають дохід і грошові потоки, що генеруються цими GPU, щоб компенсувати зношування, витрати на електроенергію та швидку технологічну заміну.
Це має більше значення, оскільки дохід Nvidia від AI-чіпів зростає. Останній аналіз доходів Nvidia від Coinpaper показує надзвичайний масштаб поточного попиту на акселератори.
Вартість обладнання — це також лише частина рівняння. Сучасні AI-центри обробки даних споживають величезні обсяги електроенергії, що робить доступність енергії ще одним все більш важливим обмеженням. Пояснення Coinpaper про ринки електроенергії для AI досліджує, чому економіка електроенергії може в кінцевому підсумку стати такою ж важливою, як і самі GPU.