.@romeovdean e eu escrevemos uma postagem no blog para nos ensinar sobre a construção da IA. Ficamos surpresos com algumas das coisas que aprendemos: 1. Há uma enorme saliência de CapEx fabulosa - com um único ano de ganhos em 2025, a Nvidia poderia cobrir os últimos 3 anos de TODO o CapEx da TSMC. Em 2025, a NVIDIA transformará cerca de US$ 6 bilhões em valor depreciado de Capex da TSMC em US$ 200 bilhões em receita. Mais acima na cadeia de suprimentos, um único ano de receita da NVIDIA quase igualou os últimos 25 anos de P&D total e capex das cinco maiores empresas de equipamentos semicondutores combinadas, incluindo ASML, Applied Materials e Tokyo Electron. Se a demanda por IA continuar, quanto mais crescer, há dinheiro mais do que suficiente para construir mais fábricas. 2. Previmos dois cenários diferentes até 2040: crescimento explosivo e inverno de IA. No cenário de crescimento explosivo (que leva a US$ 2 trilhões anuais de AI CapEx até 2030), a visão da @sama de 1 GW por semana para a empresa líder se torna realidade em 2036. Mas nesse mundo, o consumo global de energia da IA seria o dobro da geração atual de eletricidade dos EUA. 3. Nas últimas duas décadas, a construção de datacenters basicamente cooptou a infraestrutura de energia que sobrou da desindustrialização dos EUA. Para que o AI CapEx continue crescendo em sua trajetória atual, todos a montante da cadeia de suprimentos (de pessoas que fabricam fios de cobre a turbinas, transformadores e comutadores) precisarão expandir a capacidade de produção. A questão principal é que essas empresas têm ciclos de depreciação de 10 a 30 anos para suas fábricas (compare isso com 3 anos para chips). Dadas suas margens baixas habituais, eles precisam de lucros estáveis por décadas e já foram queimados por bolhas antes. Se houver um excesso financeiro não apenas para as fábricas, mas também para outros componentes do datacenter, os hiperescaladores poderiam simplesmente pagar margens mais altas para acelerar a expansão da capacidade? Especialmente considerando que os chips representam 60+% do custo de um data center. Fizemos algumas contas sobre os fabricantes de turbinas a gás, o que parece indicar que os hiperescaladores poderiam pagar para ter sua capacidade expandida por uma parcela relativamente pequena do custo total do datacenter. Como @tylercowen diz, não subestime a elasticidade da oferta. 4. Achamos que a China provavelmente estará à frente em IA no mundo dos longos prazos (também conhecido como singularidade de software sem 2028). A cada 3 anos, as fichas se depreciam e a corrida começa de novo. Uma vez que a China alcança os nós de processo de ponta, a IA se torna uma enorme corrida industrial em toda a cadeia de suprimentos. E isso parece alimentar as vantagens diferenciais da China. 5. Os prazos de entrega são a consideração esmagadora para qual fonte de energia você usa para alimentar o datacenter, se você conecta o datacenter à rede ou não, e como você projeta o datacenter. Isso ocorre porque cada mês em que o shell não é configurado é um mês em que os chips (que são a esmagadora maioria do seu custo) não estão sendo usados. Então você pode ver por que o gás natural, por exemplo, é muito preferido aos atuais reatores nucleares. A Nuclear tem op-ex extremamente baixo, mas tem prazos de entrega extremamente longos e alto CapEx. O gás natural pode não ser renovável, mas você pode simplesmente instalar algumas dúzias de turbinas a gás ao lado do datacenter e fazer seus chips funcionarem o mais rápido possível. A energia solar e eólica também têm prazos de construção curtos e você pode suavizar sua energia com baterias. Mas você teria que contratar 1000 pessoas para construir uma fazenda solar do tamanho de Manhattan para alimentar de forma confiável um único datacenter de 1 GW. Muito, muito mais na postagem completa do blog. Link abaixo.