#NvidiaDefendsAIFunding

#OracleAdobeToday demanda de IA ya no es la cuestión. El proyecto de ley es 👀 Oracle tiene un enorme atraso de 638.000 millones de dólares, pero los inversores quieren ver qué tan rápido se convierte en ingresos y si ese dinero puede superar al capex de IA. Adobe se enfrenta a una prueba similar con Firefly y GenStudio: ¿puede la IA aumentar ingresos sin comer márgenes? Lo que llamó mi atención fue el cambio. Desde la nube de Oracle hasta el software de Adobe y el hardware de IA de Apple, la carrera está pasando de construir IA a demostrar que realmente paga

#OracleAdobeToday demanda de IA ya no es la cuestión. El proyecto de ley es 👀 Oracle tiene un enorme atraso de 638.000 millones de dólares, pero los inversores quieren ver qué tan rápido se convierte en ingresos y si ese dinero puede superar al capex de IA. Adobe se enfrenta a una prueba similar con Firefly y GenStudio: ¿puede la IA aumentar ingresos sin comer márgenes? Lo que llamó mi atención fue el cambio. Desde la nube de Oracle hasta el software de Adobe y el hardware de IA de Apple, la carrera está pasando de construir IA a demostrar que realmente da la pena.

Oracle, Adobe, Today: La demanda de IA ya no es el problema. El coste es 👀 Oracle tiene un enorme retraso de 638.000 millones de dólares, pero los inversores están interesados en ver qué tan rápido se convierte en ingresos y si ese dinero puede superar el gasto en IA. Adobe se enfrenta a un reto similar con Firefly y GenStudio: ¿puede la IA aumentar los ingresos sin Desde la nube de Oracle hasta el software de Adobe y el hardware de IA de Apple, el enfoque está pasando de crear IA a demostrar que realmente da sus frutos. #SeptHikeOddsHit90%

La prueba más difícil para la financiación de la IA es la calidad de los ingresos. La defensa de Huang apunta a contratos reales con clientes y a la pequeña parte de Nvidia en la financiación de acuerdos. Mi opinión: esos detalles importan, pero la demanda duradera sería más convincente si los clientes pueden financiar compras repetidas de GPUs a partir del flujo de caja operativo. Los compromisos de infraestructura por sí solos no pueden resolver esa cuestión. #NvidiaDefendsAIFunding

Ciclo de senderismo "de corta duración", posicionamiento "neutral", múltiplos 20x: la guía de Goldman para comprar IA mientras la cola izquierda sigue en llamas

Esto me ha parecido muy interesante. Por lo visto, añadir GPUs más baratas puede ayudarte a sacar más trabajo de las caras que ya tienes. NVIDIA probó esto con cuatro GPUs GB200 y dos GPUs RTX 6000D de menor coste. Las tarjetas RTX gestionaban la etapa de procesamiento de imagen, dejando a las GB200 la función para ejecutar el modelo de lenguaje. En una carga de trabajo cargada en imágenes, la configuración combinada servía un 70% más de tráfico mientras cumplía el mismo objetivo de velocidad de respuesta. Añadieron hardware, así que no fue una mejora de rendimiento gratuita. Pero aumentaron la capacidad sin comprar más GB200. Creo que esto abre una oportunidad interesante para las neonubes. Si el acceso a los chips más caros limita la cantidad de trabajo que pueden asumir, un chip más barato que libere esas máquinas acaba valiendo mucho más para ellos. Eso podría atraer la demanda de IA aún más abajo en el mercado de GPU. Estas eran tarjetas RTX profesionales, no tarjetas de gaming de consumo. Pero dondequiera que las tarjetas de consumo puedan manejar esos trabajos más pequeños de forma económica, las neocloud podrían convertirse en otro comprador que compita por el mismo hardware que los jugadores y los pequeños desarrolladores. Una GPU de consumo no tendría que ejecutar todo el modelo para ser útil. Solo tendría que quitar suficiente trabajo a una GPU escasa y cara como para justificar comprarla. Si eso empieza a ocurrir a gran escala, algunas de las escaseces que estamos viendo en los centros de datos podrían extenderse a partes del mercado que hoy parecen bien abastecidas.

Para todos los expertos en IA, ¿significa esto que los líderes ralentizan públicamente lo que liberan pero que aún operan internamente bajo el dilema del prisionero y mantienen el ritmo? Ese es un poco el movimiento de curación, ¿no? Ópticamente, esto significaría que todo el desarrollo interno se ralentiza, la estructura del mercado sigue confusa, el FCF es más lento en desarrollarse y el capital capital se vuelve más dependiente de la deuda. Creo.

#OracleAdobeToday demanda de IA ya no es la cuestión. El proyecto de ley es 👀 Oracle tiene un enorme atraso de 638.000 millones de dólares, pero los inversores quieren ver qué tan rápido se convierte en ingresos y si ese dinero puede superar al capex de IA. Adobe se enfrenta a una prueba similar con Firefly y GenStudio: ¿puede la IA aumentar ingresos sin comer márgenes? Lo que llamó mi atención fue el cambio. Desde la nube de Oracle hasta el software de Adobe y el hardware de IA de Apple, la carrera está pasando de construir IA a demostrar que realmente da la pena. #SeptHikeOddsHit90%

10 NOMBRES QUE MAPEAN EL PAISAJE DE LA NUBE DE IA 1. $CRWV combina integración profunda $NVDA con software diseñado para mantener enormes clústeres de entrenamiento de IA funcionando de forma eficiente 2. $NBIS combina hardware + software internos con el control de la infraestructura y la energía, creando más oportunidades para mejorar la eficiencia 3. $DOCN hace que la inferencia y el desarrollo de agentes de IA sean accesibles para pequeñas empresas a través de una plataforma cloud gestionada 4. $IREN combina terrenos propios con una gran tubería de energía asegurada, lo que le da una base para ampliar la capacidad de IA 5. $SHAZ combina alianzas regionales con capacidades de nube soberana para atender a clientes que necesitan infraestructura local y control de datos 6. $NET combina la inferencia de IA con herramientas para desarrolladores, almacenamiento y seguridad, facilitando la construcción de aplicaciones a través de su red de borde 7. Crusoe construye sus campus en torno a la energía disponible, alineando el desarrollo de centros de datos con la energía necesaria para operarlos 8. Lambda se especializa en clústeres de GPU densos con software gestionado que simplifica el entrenamiento y la ejecución de modelos de IA 9. $AKAM reúne la informática, la seguridad y la entrega de contenidos a través de una red global consolidada cercana a los clientes 10. $FSLY utiliza una ejecución ligera de WebAssembly para iniciar aplicaciones rápidamente y gestionar solicitudes cercanas a los usuarios

Todavía me sorprende cuántos piensan que la computación con IA no se convertirá en el mayor mercado del mundo El gasto tradicional en infraestructura en la nube creció ~52% anual entre 2010 y 2020, impulsando principalmente internet El cálculo de IA es como "unidades" de trabajo. Primero, de oficina. Luego de clase azul (robótica) Internet es enorme, pero no tanto como la totalidad del mercado laboral