Một GPU của Nvidia có thể tiếp tục hoạt động trong nhiều năm nhưng vẫn trở nên lỗi thời về mặt kinh tế sớm hơn nhiều.
Sự khác biệt này quan trọng vì Microsoft, Alphabet, Amazon và Meta đang đổ vào cơ sở hạ tầng AI những số tiền vốn khổng lồ. Các nhà đầu tư thường tập trung vào chi phí ban đầu của chip và trung tâm dữ liệu, nhưng khấu hao mới xác định bao nhiêu phần trong số khoản đầu tư đó cuối cùng trở thành chi phí trên báo cáo thu nhập.
Khấu hao phân bổ chi phí thiết bị trong suốt vòng đời sử dụng dự kiến của nó. Một công ty chi 1 tỷ USD để mua máy chủ thông thường không ghi nhận toàn bộ số tiền này là chi phí ngay lập tức. Thay vào đó, chi phí được ghi nhận trong vài năm.
Vấn đề với phần cứng AI là tuổi thọ vật lý và tuổi thọ kinh tế có thể rất khác nhau.
Tại sao GPU AI có thể mất giá nhanh chóng
Một GPU không cần phải ngừng hoạt động để trở nên ít giá trị hơn.
Các thế hệ mới có thể huấn luyện mô hình nhanh hơn, tiêu thụ ít điện năng hơn và cung cấp nhiều sức mạnh tính toán hơn trên mỗi đô la. Điều đó có nghĩa là một bộ tăng tốc cũ vẫn có thể sử dụng về mặt kỹ thuật, nhưng chi phí vận hành ngày càng cao so với phần cứng mới hơn.
Chu kỳ sản phẩm nhanh chóng của Nvidia làm cho điều đó đặc biệt quan trọng. Công ty đã chuyển từ Hopper sang Blackwell trong khi vẫn tiếp tục phát triển các kiến trúc mới hơn, làm tăng nguy cơ phần cứng trung tâm dữ liệu đắt tiền trở nên lỗi thời về mặt kinh tế nhanh hơn các máy chủ truyền thống.
Nvidia trình bày chiến lược sản phẩm và công nghệ hiện tại thông qua các tài liệu quan hệ nhà đầu tư.
Vấn đề này cũng liên quan trực tiếp đến việc liệu chi tiêu AI doanh nghiệp chưa từng có thực sự mang lại lợi nhuận hấp dẫn hay không. Hướng dẫn của chúng tôi về lợi nhuận đầu tư AI giải thích cách nhà đầu tư có thể sử dụng dòng tiền tự do, biên lợi nhuận và tỷ suất hoàn vốn trên vốn đầu tư để đánh giá liệu những khoản chi tiêu đó có đang mang lại hiệu quả hay không.
Tại sao khấu hao có thể thay đổi lợi nhuận của các công ty công nghệ lớn
Hãy tưởng tượng một công ty chi 6 tỷ USD để mua máy chủ AI và kỳ vọng chúng sẽ vẫn hữu ích trong sáu năm.
Rất đơn giản, điều đó có thể có nghĩa là khoảng 1 tỷ USD khấu hao hàng năm trước khi xem xét thời điểm và các chi tiết kế toán khác.
Nếu ban quản lý kết luận thiết bị sẽ vẫn hữu ích về mặt kinh tế trong chỉ bốn năm, chi phí hàng năm có thể tăng đáng kể.
Điểm quan trọng là việc thay đổi giả định về tuổi thọ hữu ích có thể ảnh hưởng đến lợi nhuận được báo cáo mà không làm thay đổi số tiền mặt đã chi ban đầu.
Các công ty điện toán đám mây lớn tiết lộ những giả định này trong báo cáo tài chính của họ. Nhà đầu tư có thể xem xét chính sách khấu hao của Microsoft thông qua các file báo cáo quan hệ nhà đầu tư, các tiết lộ của Alphabet thông qua Alphabet Investor Relations và các file báo cáo của Amazon thông qua Amazon Investor Relations.
Điều đó không có nghĩa là các GPU cũ đột ngột trở nên vô giá trị. Các công ty có thể chuyển chúng từ các nhiệm vụ đào tạo mô hình đòi hỏi cao sang các nhiệm vụ suy luận, ứng dụng nội bộ hoặc các tác vụ ít yêu cầu tính toán hơn.
Cuộc sống thứ hai đó có thể kéo dài tính hữu ích kinh tế của họ.
Số mà các nhà đầu tư nên thực sự theo dõi
Câu hỏi lớn nhất do đó không đơn giản là Big Tech chi bao nhiêu cho GPU.
Đó là liệu doanh thu và dòng tiền tạo ra từ những GPU đó có tăng đủ nhanh để bù đắp cho sự hao mòn, chi phí điện năng và sự thay thế công nghệ nhanh chóng.
Điều đó càng trở nên quan trọng khi doanh thu chip AI của Nvidia tăng trưởng. Báo cáo gần đây của Coinpaper về kết quả kinh doanh của Nvidia cho thấy quy mô phi thường của nhu cầu bộ tăng tốc hiện nay.
Chi phí phần cứng cũng chỉ là một phần của phương trình. Các trung tâm dữ liệu AI hiện đại tiêu thụ lượng điện khổng lồ, khiến khả năng cung cấp năng lượng trở thành một ràng buộc ngày càng quan trọng. Bài giải thích của Coinpaper về AI power markets phân tích tại sao kinh tế điện năng cuối cùng có thể trở nên quan trọng không kém gì các GPU.