Бычья

Gavin Baker: спрос на AI растет при дефиците, ставка на Nvidia

мин

Текущие разговоры о пузыре вокруг AI слабо убедительны, если смотреть на данные и ограничения на местах. Спрос на начальной стадии, предложение упирается в структурные узкие места, а NVIDIA обладает «рвом» благодаря полно-стековому подходу и финансовой структуре. Подключение орбитальных вычислений смещает центр ценности к физической инфраструктуре и распределению капитала.

1. Спрос: стартовый этап

  • Из примерно 80 млрд долларов годовой выручки в AI фактических платных пользователей меньше 10 млн. По сравнению с 1,5 млрд офисных работников проникновение находится на ультраранней стадии.
  • По мере перехода от помощников для кодинга к агентам корпоративное потребление токенов будет поэтапно взрывно расти.

2. Предложение: дефицит, а не избыток

  • Ограничения по электросетям, трансформаторам, пластинам и меди сдерживают сами планы расширения. Это противоречит опасениям Уолл-стрит насчет избыточного строительства.
  • Избыток спроса делает реалистичным краткосрочный скачок цены за токен вычислений.

3. «Ров» NVIDIA

  • Пока конкуренты застряли в гонке одиночных чипов, NVIDIA контролирует полно-стековую систему из 9 чипов и программную экосистему.
  • Крупные private equity-фонды выстроили цикл возврата капитала благодаря структурам с гарантией остаточной стоимости. Разрыв в эффективности распределения капитала расширяется.

4. Развертывание орбитальных вычислений

  • SpaceX реализует концепцию космических дата-центров.
  • Логика оптимизации себестоимости: заменить расходы на наземные электричество, охлаждение и строительство на полностью многоразовую стоимость запуска Starship.

Подразумеваемые инвестиционные выводы

  • Вне зависимости от краткосрочных колебаний котировок фокус ценности — на узких местах физической инфраструктуры и игроках, контролирующих их через финансы и цепочки поставок.
  • В криптовалютах и Web3 колебания стоимости вычислений и цены токенов напрямую влияют на экономику моделей: при росте цены токенов AI-вычислений себестоимость и маржинальность ончейн-сервисов на базе LLM и агентов ухудшаются; напротив, при сохраняющемся дефиците вычислений относительные преимущества получают модели с высокой вычислительной эффективностью и проекты с собственной инфраструктурой.