.@romeovdean og jeg skrev et blogginnlegg for å lære oss selv om AI-utbyggingen. Vi ble overrasket over noen av tingene vi lærte: 1. Det er et stort fantastisk CapEx-overheng - med et enkelt år med inntjening i 2025, kan Nvidia dekke de siste 3 årene av TSMCs HELE CapEx. I 2025 vil NVIDIA snu rundt 6 milliarder dollar i avskrevet TSMC Capex-verdi til 200 milliarder dollar i inntekter. Lenger opp i forsyningskjeden matchet ett enkelt år med NVIDIAs inntekter nesten de siste 25 årene med total FoU og investeringer fra de fem største halvlederutstyrsselskapene til sammen, inkludert ASML, Applied Materials og Tokyo Electron. Hvis etterspørselen etter kunstig intelligens fortsetter, enn si vokser, er det mer enn nok penger til å bygge flere fabrikker. 2. Vi spådde to forskjellige scenarier frem til 2040: eksplosiv vekst og AI-vinter. I det eksplosive vekstscenariet (som fører til $2T årlig AI CapEx innen 2030), går @sama s visjon om 1 GW i uken for det ledende selskapet i oppfyllelse i 2036. Men i den verden ville det globale AI-strømforbruket være dobbelt så stort som USAs nåværende elektrisitetsproduksjon. 3. I løpet av de siste to tiårene har datasenterbygging i utgangspunktet overtatt kraftinfrastrukturen som er igjen fra amerikansk avindustrialisering. For at AI CapEx skal fortsette å vokse på sin nåværende bane, må alle oppstrøms i forsyningskjeden (fra folk som lager kobbertråd til turbiner til transformatorer og koblingsutstyr) utvide produksjonskapasiteten. Hovedproblemet er at disse selskapene har 10-30 års avskrivningssykluser for fabrikkene sine (sammenlign det med 3 år for brikker). Gitt deres vanlige lave marginer, trenger de jevn fortjeneste i flere tiår, og de har blitt brent av bobler før. Hvis det er et økonomisk overheng ikke bare for fabrikker, men også for andre datasenterkomponenter, kan hyperskalerere ganske enkelt betale høyere marginer for å akselerere kapasitetsutvidelse? Spesielt gitt at brikker er overveldende 60+% av kostnadene for et datasenter. Vi gjorde litt matematikk på baksiden av konvolutten på gassturbinprodusenter som ser ut til å indikere at hyperscalers kan betale for å få utvidet kapasiteten for en relativt liten andel av de totale datasenterkostnadene. Som @tylercowen sier, ikke undervurder elastisiteten i tilbudet. 4. Vi tror Kina sannsynligvis vil være foran innen AI i verden med lange tidslinjer (aka ingen 2028 programvare-singularitet). Hvert 3 år svekkes sjetongene, og løpet starter på nytt. Når Kina tar igjen ledende prosessnoder, blir AI bare et massivt industrielt kappløp på tvers av hele forsyningskjeden. Og dette ser ut til å bidra til Kinas differensierte fordeler. 5. Ledetider er den overveldende vurderingen for hvilken energikilde du bruker til å drive datasenteret, om du kobler datasenteret til nettet eller ikke, og hvordan du designer datasenteret. Dette er fordi hver måned som skallet ikke er satt opp er en måned som sjetongene (som er det overveldende flertallet av kostnadene dine) ikke blir brukt. Så du kan se hvorfor naturgass, for eksempel, er mye foretrukket fremfor dagens atomreaktorer. Kjernekraft har ekstremt lav op-ex, men har ekstremt lange ledetider og høy CapEx. Naturgass er kanskje ikke fornybar, men du kan bare sette opp et par dusin gassturbiner ved siden av datasenteret, og få brikkene dine til å surre ASAP. Sol og vind har også korte ledetider for konstruksjon, og du kan jevne ut kraften deres med batterier. Men du må ansette 1000-vis av mennesker for å legge ut en solpark på størrelse med Manhattan for pålitelig strøm til et enkelt 1 GW datasenter. Mye mye mer i hele blogginnlegget.