.@romeovdean och jag skrev ett blogginlägg för att lära oss själva om AI-utbyggnaden. Vi blev överraskade av några av de saker vi lärde oss: 1. Det finns ett enormt fantastiskt CapEx-överhäng - med ett enda års vinst 2025 kan Nvidia täcka de senaste 3 åren av TSMC:s HELA CapEx. År 2025 kommer NVIDIA att omvandla cirka 6 miljarder dollar i avskrivet TSMC Capex-värde till 200 miljarder dollar i intäkter. Längre upp i leveranskedjan matchade ett enda år av NVIDIA:s intäkter nästan de senaste 25 årens totala FoU och capex från de fem största halvledarutrustningsföretagen tillsammans, inklusive ASML, Applied Materials och Tokyo Electron. Om efterfrågan på AI fortsätter, för att inte tala om växer, finns det mer än tillräckligt med pengar för att bygga fler fabriker. 2. Vi förutspådde två olika scenarier fram till 2040: explosiv tillväxt och AI-vinter. I det explosiva tillväxtscenariot (som leder till 2 biljoner dollar per år i AI CapEx år 2030) kommer @sama:s vision om 1 GW i veckan för det ledande företaget att gå i uppfyllelse 2036. Men i den världen skulle den globala AI-energiförbrukningen vara dubbelt så stor som USA:s nuvarande elproduktion. 3. Under de senaste två decennierna har datacenterbyggandet i princip tagit över den kraftinfrastruktur som blivit över från USA:s avindustrialisering. För att AI CapEx ska kunna fortsätta att växa på sin nuvarande bana måste alla uppströms i leveranskedjan (från personer som tillverkar koppartråd till turbiner till transformatorer och ställverk) utöka produktionskapaciteten. Nyckelfrågan är att dessa företag har 10-30 års avskrivningscykler för sina fabriker (jämför det med 3 år för chips). Med tanke på deras vanliga låga marginaler behöver de stadiga vinster i årtionden, och de har bränts av bubblor tidigare. Om det finns ett ekonomiskt överhäng inte bara för fabriker, utan även för andra datacenterkomponenter, kan hyperscalers helt enkelt betala högre marginaler för att påskynda kapacitetsexpansionen? Speciellt med tanke på att chips är en överväldigande 60+% av kostnaden för ett datacenter. Vi gjorde en del bakom-kuvertet-matematik om tillverkare av gasturbiner som verkar indikera att hyperscalers kan betala för att få sin kapacitet utökad för en relativt liten del av den totala datacenterkostnaden. Som @tylercowen säger, underskatta inte elasticiteten i utbudet. 4. Vi tror att Kina sannolikt kommer att ligga före inom AI i världen med långa tidslinjer (aka ingen 2028 mjukvarusingularitet). Vart 3:e år minskar markerna i värde och loppet börjar om på nytt. När Kina väl kommer ikapp ledande processnoder blir AI bara en massiv industriell kapplöpning över hela försörjningskedjan. Och detta verkar bidra till Kinas olika fördelar. 5. Ledtider är det överväldigande övervägandet för vilken energikälla du använder för att driva datacentret, om du ansluter datacentret till nätet eller inte, och hur du utformar datacentret. Detta beror på att varje månad som skalet inte är inställt är en månad som chipsen (som är den överväldigande majoriteten av din kostnad) inte används. Så du kan se varför naturgas, till exempel, är mycket att föredra framför nuvarande kärnreaktorer. Kärnkraft har extremt låg op-ex, men har extremt långa ledtider och hög CapEx. Naturgas kanske inte är förnybart, men du kan bara sätta upp ett par dussin gasturbiner bredvid datacentret och få dina chips att snurra så fort som möjligt. Sol och vind har också korta byggtider, och du kan jämna ut deras kraft med batterier. Men du skulle behöva anställa 1000-tals personer för att lägga ut en solkraftspark i Manhattan-storlek för att på ett tillförlitligt sätt driva ett enda datacenter på 1 GW. Mycket mycket mer i hela blogginlägget. Länk nedan.