Las grandes empresas siguen invirtiendo en potencia computacional de IA, impulsando el crecimiento continuo de la demanda global de potencia computacional.

Las grandes empresas tecnológicas continúan mostrando un gran entusiasmo por la inversión en IA. Esta semana, se publicaron los informes financieros de Microsoft, Google, Meta y otras compañías, y, a excepción de Meta, los resultados de las otras empresas fueron impresionantes. La lógica del ciclo positivo de "ingresos - gastos - reinversión" se está llevando a cabo, con un crecimiento constante en los ingresos de la nube y un aumento en el margen de beneficio general, y la IA también ha impulsado el rápido crecimiento de negocios como la publicidad y la búsqueda. La "carrera armamentista" de potencia computacional de estos principales proveedores de nube está en pleno apogeo, y a corto plazo, casi no hay posibilidad de que disminuyan los gastos de capital. En las primeras etapas del desarrollo de la IA, los grandes proveedores solo pueden mantener una ventaja en una competencia feroz si continúan invirtiendo grandes cantidades. Según la empresa de servicios de alojamiento de potencia computacional CoreWeave, el equilibrio entre la oferta y la demanda de potencia computacional para IA podría no lograrse hasta 2030.

El mercado espera cada vez más ver aplicaciones de IA "terrenal" que realmente mejoren la productividad o faciliten la vida y el aprendizaje. Este año ya hemos visto resultados impresionantes como el modelo de generación de video Sora de OpenAI y el gran modelo nacional Kimi, y en el futuro se espera seguir viendo actualizaciones continuas de grandes modelos como GPT, Gemini y Llama, así como que empresas como Microsoft y Apple lleven grandes modelos a PC y teléfonos móviles. El camino hacia la AGI sigue siendo largo, y podría tardar un tiempo considerable en incubar aplicaciones de IA que realmente cambien la sociedad.

Actualmente, se debe prestar más atención a la "Potencia computacional de alto costo-beneficio". Al mirar hacia atrás en las eras 4G y 5G, la disminución del costo del tráfico móvil trajo consigo la prosperidad de las aplicaciones móviles. De manera similar, la reducción del costo por unidad de potencia computacional será una condición necesaria para entrar en la era de la AGI. Una potencia computacional de IA barata, accesible y estable es la base para cultivar aplicaciones de IA disruptivas. Tomemos como ejemplo a Sora, que aún necesita varios meses para hacerse pública; además de las consideraciones de seguridad, otra razón importante es la necesidad de seguir optimizando la potencia computacional requerida para la inferencia. Los principales proveedores de nube tienen la capacidad de invertir fuertemente para mantener su competitividad, pero no pueden representar la demanda de todo el mercado; las pequeñas y medianas empresas necesitan más potencia computacional de alto costo-beneficio.

Desde la perspectiva de la composición de los costos de potencia computacional, además de aproximadamente el 10% de los costos de electricidad, el resto es prácticamente una inversión en activos fijos, que incluye GPU, equipos de red, refrigeración, etc. En cuanto a las GPU, TSMC está expandiendo la capacidad de empaquetado CoWoS necesaria para chips de IA, y se espera que a finales de este año la capacidad mensual se acerque a 40,000 piezas, lo que representa un aumento de más del 150% en comparación con la capacidad total de 2023. En lo que respecta a los equipos de red, el GB200 de Nvidia utiliza una gran cantidad de cables de cobre, lo que muestra que al buscar un alto rendimiento, también se enfoca en el control de costos; los fabricantes de módulos ópticos también están promoviendo soluciones de conexión óptica de alto costo-beneficio como LPO. En cuanto a la refrigeración, a medida que aumenta la densidad de potencia de los gabinetes individuales, cuando se supera un cierto valor crítico, la relación calidad-precio de la refrigeración líquida superará a la refrigeración por aire.