.@romeovdean dan saya menulis posting blog untuk mengajari diri kami sendiri tentang pembangunan AI. Kami terkejut dengan beberapa hal yang kami pelajari: 1. Ada kelebihan CapEx yang luar biasa - dengan satu tahun penghasilan pada tahun 2025, Nvidia dapat mencakup 3 tahun terakhir dari SELURUH CapEx TSMC. Pada tahun 2025, NVIDIA akan mengubah sekitar $6 miliar dalam nilai Capex TSMC yang terdepresiasi menjadi pendapatan $200 miliar. Lebih jauh ke atas rantai pasokan, satu tahun pendapatan NVIDIA hampir menyamai 25 tahun terakhir dari total R&D dan belanja modal dari gabungan lima perusahaan peralatan semikonduktor terbesar, termasuk ASML, Applied Materials, & Tokyo Electron. Jika permintaan AI terus berlanjut, apalagi tumbuh, ada lebih dari cukup uang untuk membangun lebih banyak fab. 2. Kami memperkirakan dua skenario berbeda hingga 2040: pertumbuhan eksplosif, dan musim dingin AI. Dalam skenario pertumbuhan eksplosif (yang mengarah ke $2T CapEx AI tahunan pada tahun 2030), visi @sama 1 GW seminggu untuk perusahaan terkemuka menjadi kenyataan pada tahun 2036. Tetapi di dunia itu, penarikan daya AI global akan dua kali lipat dari pembangkit listrik AS saat ini. 3. Selama dua dekade terakhir, konstruksi pusat data pada dasarnya mengkooptasi infrastruktur listrik yang tersisa dari deindustrialisasi AS. Agar AI CapEx terus tumbuh pada lintasannya saat ini, semua orang di hulu dalam rantai pasokan (mulai dari orang yang membuat kawat tembaga hingga turbin hingga transformator dan switchgear) perlu memperluas kapasitas produksi. Masalah utamanya adalah bahwa perusahaan-perusahaan ini memiliki siklus penyusutan 10-30 tahun untuk pabrik mereka (bandingkan dengan 3 tahun untuk chip). Mengingat margin rendah mereka yang biasa, mereka membutuhkan keuntungan yang stabil selama beberapa dekade, dan mereka telah dibakar oleh gelembung sebelumnya. Jika ada overhang keuangan tidak hanya untuk fabs, tetapi juga untuk komponen pusat data lainnya, dapatkah hyperscaler dengan mudah membayar margin yang lebih tinggi untuk mempercepat ekspansi kapasitas? Terutama mengingat bahwa chip adalah 60+% dari biaya pusat data. Kami melakukan beberapa perhitungan di belakang amplop pada produsen turbin gas yang tampaknya menunjukkan bahwa hyperscaler dapat membayar untuk memperluas kapasitas mereka dengan bagian yang relatif kecil dari total biaya pusat data. Seperti yang @tylercowen katakan, jangan meremehkan elastisitas pasokan. 4. Kami pikir China kemungkinan akan menjadi yang terdepan dalam AI di dunia garis waktu yang panjang (alias tidak ada singularitas perangkat lunak 2028). Setiap 3 tahun, chip terdepresiasi, dan perlombaan dimulai lagi. Setelah China mengejar node proses terdepan, AI menjadi perlombaan industri besar-besaran di seluruh rantai pasokan. Dan ini tampaknya memberi makan keunggulan diferensial China. 5. Waktu tunggu adalah pertimbangan utama untuk sumber energi mana yang Anda gunakan untuk memberi daya pada pusat data, apakah Anda mencolokkan pusat data ke jaringan atau tidak, dan bagaimana Anda mendesain pusat data. Ini karena setiap bulan shell tidak diatur adalah bulan di mana chip (yang merupakan sebagian besar biaya Anda) tidak digunakan. Jadi Anda dapat melihat mengapa gas alam, misalnya, jauh lebih disukai daripada reaktor nuklir saat ini. Nuklir memiliki op-ex yang sangat rendah, tetapi memiliki waktu tunggu yang sangat lama dan CapEx yang tinggi. Gas alam mungkin tidak terbarukan, tetapi Anda cukup menyiapkan beberapa lusin turbin gas di sebelah pusat data, dan membuat chip Anda berputar secepatnya. Tenaga surya dan angin juga memiliki waktu tunggu konstruksi yang singkat, dan Anda dapat menghaluskan dayanya dengan baterai. Tetapi Anda harus mempekerjakan 1000-an orang untuk menata ladang surya seukuran Manhattan untuk memberi daya pada satu pusat data 1 GW yang andal. Lebih banyak lagi di posting blog lengkap. Tautan di bawah ini.

.@romeovdean dan saya menulis posting blog untuk mengajari diri kami sendiri tentang pembangunan AI. Kami terkejut dengan beberapa hal yang kami pelajari: 1. Ada kelebihan CapEx yang luar biasa - dengan satu tahun penghasilan pada tahun 2025, Nvidia dapat mencakup 3 tahun terakhir dari SELURUH CapEx TSMC. Pada tahun 2025, NVIDIA akan mengubah sekitar $6 miliar dalam nilai Capex TSMC yang terdepresiasi menjadi pendapatan $200 miliar. Lebih jauh ke atas rantai pasokan, satu tahun pendapatan NVIDIA hampir menyamai 25 tahun terakhir dari total R&D dan belanja modal dari gabungan lima perusahaan peralatan semikonduktor terbesar, termasuk ASML, Applied Materials, & Tokyo Electron. Jika permintaan AI terus berlanjut, apalagi tumbuh, ada lebih dari cukup uang untuk membangun lebih banyak fab. 2. Kami memperkirakan dua skenario berbeda hingga 2040: pertumbuhan eksplosif, dan musim dingin AI. Dalam skenario pertumbuhan eksplosif (yang mengarah ke $2T CapEx AI tahunan pada tahun 2030), visi @sama 1 GW seminggu untuk perusahaan terkemuka menjadi kenyataan pada tahun 2036. Tetapi di dunia itu, penarikan daya AI global akan dua kali lipat dari pembangkit listrik AS saat ini. 3. Selama dua dekade terakhir, konstruksi pusat data pada dasarnya mengkooptasi infrastruktur listrik yang tersisa dari deindustrialisasi AS. Agar AI CapEx terus tumbuh pada lintasannya saat ini, semua orang di hulu dalam rantai pasokan (mulai dari orang yang membuat kawat tembaga hingga turbin hingga transformator dan switchgear) perlu memperluas kapasitas produksi. Masalah utamanya adalah bahwa perusahaan-perusahaan ini memiliki siklus penyusutan 10-30 tahun untuk pabrik mereka (bandingkan dengan 3 tahun untuk chip). Mengingat margin rendah mereka yang biasa, mereka membutuhkan keuntungan yang stabil selama beberapa dekade, dan mereka telah dibakar oleh gelembung sebelumnya. Jika ada overhang keuangan tidak hanya untuk fabs, tetapi juga untuk komponen pusat data lainnya, dapatkah hyperscaler dengan mudah membayar margin yang lebih tinggi untuk mempercepat ekspansi kapasitas? Terutama mengingat bahwa chip adalah 60+% dari biaya pusat data. Kami melakukan beberapa perhitungan di belakang amplop pada produsen turbin gas yang tampaknya menunjukkan bahwa hyperscaler dapat membayar untuk memperluas kapasitas mereka dengan bagian yang relatif kecil dari total biaya pusat data. Seperti yang @tylercowen katakan, jangan meremehkan elastisitas pasokan. 4. Kami pikir China kemungkinan akan menjadi yang terdepan dalam AI di dunia garis waktu yang panjang (alias tidak ada singularitas perangkat lunak 2028). Setiap 3 tahun, chip terdepresiasi, dan perlombaan dimulai lagi. Setelah China mengejar node proses terdepan, AI menjadi perlombaan industri besar-besaran di seluruh rantai pasokan. Dan ini tampaknya memberi makan keunggulan diferensial China. 5. Waktu tunggu adalah pertimbangan utama untuk sumber energi mana yang Anda gunakan untuk memberi daya pada pusat data, apakah Anda mencolokkan pusat data ke jaringan atau tidak, dan bagaimana Anda mendesain pusat data. Ini karena setiap bulan shell tidak diatur adalah bulan di mana chip (yang merupakan sebagian besar biaya Anda) tidak digunakan. Jadi Anda dapat melihat mengapa gas alam, misalnya, jauh lebih disukai daripada reaktor nuklir saat ini. Nuklir memiliki op-ex yang sangat rendah, tetapi memiliki waktu tunggu yang sangat lama dan CapEx yang tinggi. Gas alam mungkin tidak terbarukan, tetapi Anda cukup menyiapkan beberapa lusin turbin gas di sebelah pusat data, dan membuat chip Anda berputar secepatnya. Tenaga surya dan angin juga memiliki waktu tunggu konstruksi yang singkat, dan Anda dapat menghaluskan dayanya dengan baterai. Tetapi Anda harus mempekerjakan 1000-an orang untuk menata ladang surya seukuran Manhattan untuk memberi daya pada satu pusat data 1 GW yang andal. Lebih banyak lagi di posting blog lengkap. Tautan di bawah ini.