La ola de IA Generativa, que comenzó el verano pasado, ha entrado en la fase de explosión. El catalizador de esta doble aceleración fueron los brutales resultados del segundo trimestre de Nvidia y su posterior superación. Esto señaló al mercado un nivel insaciable de demanda de GPU y entrenamiento de modelos de IA.
Antes del anuncio de Nvidia, lanzamientos de consumo como ChatGPT, Midjourney y Stable Diffusion habían elevado la IA a la conciencia pública. Con los resultados de Nvidia, los fundadores e inversores recibieron pruebas empíricas de que la IA puede generar miles de millones de dólares de nuevos ingresos netos. Esto ha puesto la categoría en su punto más alto.
Aunque los inversores han extrapolado mucho de los resultados de Nvidia -y las inversiones en IA se están produciendo ahora a un ritmo vertiginoso y con valoraciones récord-, sigue abierta una gran pregunta: ¿Para qué se utilizan todas estas GPU? ¿Quién es el cliente del cliente? ¿Cuánto valor debe generarse para que este rápido ritmo de inversión resulte rentable? En este artículo hablamos de una duda muy bien planteada de David Cahn que publicó en Sequoia.
Desengranando el mercado de la IA y sus miles de millones
Pensemos en lo siguiente: Por cada dólar que se gasta en una GPU, hay que gastar aproximadamente un dólar en costes energéticos para hacerla funcionar en un centro de datos.
Por tanto, si Nvidia vende 50.000 millones de dólares en ingresos por GPU a finales de año, eso implica aproximadamente 100.000 millones de dólares en gastos en centros de datos. El usuario final de la GPU -por ejemplo, Starbucks, X, Tesla, Github Copilot o una nueva startup- también necesita obtener un margen.
Supongamos que necesitan ganar un margen del 50%. Esto implica que, por cada año de inversión actual en GPU, estas GPU deberían generar 200.000 millones de dólares de ingresos durante toda su vida útil para amortizar la inversión inicial. Esto no incluye ningún margen para los proveedores de servicios en la nube, ya que para obtener un rendimiento positivo, la necesidad total de ingresos sería aún mayor.
Según la información publicada, gran parte del incremento de la construcción de centros de datos procede de grandes empresas tecnológicas: Google, Microsoft y Meta, por ejemplo, han informado de un aumento de la inversión en centros de datos.
La pregunta importante que debemos hacernos es: ¿qué parte de este aumento de la inversión está vinculada a la demanda real de los clientes finales y qué parte se está construyendo en previsión de la futura demanda de los clientes finales? Esta es la cuestión de los 200.000 millones de dólares.
The Information ha informado de que OpenAI genera 1.000 millones de dólares de ingresos anuales. Microsoft ha dicho que espera generar 10.000 millones de dólares en ingresos de IA con productos como Microsoft Copilot. Supongamos que Google generará una cantidad similar de ingresos con sus productos de IA, como Duet y Bard.
Supongamos también que Meta y Apple generan cada una 10.000 millones de dólares en ingresos procedentes de la IA. Utilicemos un marcador de posición de 5.000 millones de dólares para Oracle, Bytedance, Alibaba, Tencent, X y Tesla.
Se trata de suposiciones ficticias: incluso si asumimos unos beneficios extremadamente generosos procedentes de la IA, existe un agujero de más de 125.000 millones de dólares que debe llenarse por cada año de inversión a los niveles actuales.
El ecosistema de empresas emergentes tiene una gran oportunidad de llenar este vacío. Nuestro objetivo es “seguir a las GPU” y encontrar la próxima generación de startups que aprovechen la tecnología de IA para crear valor real para el cliente final. Queremos invertir en estas empresas.
El objetivo del análisis de David Cahn es poner de relieve la brecha que vemos hoy en día. El bombo de la IA finalmente se ha puesto al día con los avances tecnológicos de aprendizaje profundo en desarrollo desde 2017. Esto son buenas noticias. Se está produciendo una importante acumulación de CapEx. Esto debería reducir drásticamente los costes de desarrollo de la IA a largo plazo.
Antes había que comprar un rack de servidores para crear cualquier aplicación. Ahora se pueden utilizar las nubes públicas a un coste mucho menor. Del mismo modo, hoy en día muchas empresas de IA están utilizando gran parte de su capital riesgo en GPU. A medida que las actuales limitaciones de suministro den paso a un exceso de oferta, el coste de ejecutar cargas de trabajo de IA se reducirá. Esto debería estimular el desarrollo de más productos. También debería atraer a más fundadores a construir en este espacio.
Olvidémonos de la infraestructura, la clave ahora es llegar al cliente final
Durante los ciclos tecnológicos históricos, el exceso de construcción de infraestructuras a menudo ha incinerado capital, mientras que al mismo tiempo ha desencadenado la innovación futura al reducir el coste marginal del desarrollo de nuevos productos. Esperamos que este patrón se repita en la IA.
Para las startups, la lección está clara dice David: como comunidad, tenemos que dejar de pensar en la infraestructura y centrarnos en el valor para el cliente final. Los clientes satisfechos son un requisito fundamental de toda gran empresa. Para que la IA tenga un impacto, tendrán que averiguar cómo aprovechar esta nueva tecnología para mejorar la vida de las personas.
La infraestructura de la IA se está construyendo. La infraestructura ya no es el problema. Se están desarrollando muchos modelos básicos, y este tampoco es ya el problema. Y las herramientas de IA son bastante buenas hoy en día. Así que la cuestión de los 200.000 millones de dólares es: ¿para qué se va a utilizar toda esta infraestructura? ¿Cómo va a cambiar la vida de la gente?
