|
Αντίστοιχα, η
Broadcom
είχε δημιουργήσει τον
Ιούνιο πλατφόρμα
χρηματοδότησης
υπολογιστικής ισχύος
ύψους 35 δισ.
δολαρίων, σε
συνεργασία με τις
Apollo
και Blackstone.
Οι hyperscalers
πλησιάζουν τα όριά τους
Μέχρι σήμερα, το
μεγαλύτερο μέρος της
χρηματοδότησης για την
ανάπτυξη των υποδομών
AI
έχει επωμιστεί από τους
λεγόμενους
hyperscalers,
δηλαδή τις μεγαλύτερες
εταιρείες cloud
και τεχνολογίας.
Σύμφωνα με τη
Barclays,
οι hyperscalers
έχουν δαπανήσει περίπου
1,5 τρισ.
δολάρια σε
capex
από το 2023.
Ωστόσο, οι δυνατότητές
τους δεν είναι
απεριόριστες.
Οι αναλυτές Ross
Sandler
και Tom
O’Malley
εκτιμούν ότι οι
περιορισμοί που
σχετίζονται με το ύψος
του χρέους, αλλά και με
τις συμφωνίες προμήθειας
ηλεκτρικής ενέργειας,
είναι πιθανό να γίνουν
πολύ πιο έντονοι από το
2027.
Αυτό δημιουργεί την
ανάγκη για ένα νέο
μοντέλο, όπου οι
μεγαλύτεροι αγοραστές
υπολογιστικής ισχύος θα
μπορούν να αναπτύσσουν
υποδομές έξω από τους
παραδοσιακούς
ισολογισμούς των
hyperscalers.
Η Barclays
εκτιμά ότι οι νέες
χρηματοδοτικές δομές που
υποστηρίζονται από
Nvidia
και Broadcom
θα μπορούσαν να καλύψουν
πάνω από το 20%
των συνολικών επενδύσεων
του κλάδου το 2027,
ενώ το ποσοστό θα
μπορούσε να φτάσει ακόμη
και το 50% το
2028.
Πρόκειται για εξέλιξη
που, εφόσον
επιβεβαιωθεί, θα
μπορούσε να αλλάξει
ουσιαστικά τη
χρηματοοικονομική
αρχιτεκτονική της
επόμενης φάσης του
AI
boom.
Διαχωρίζεται το
data
center
από το compute
Το βασικό στοιχείο του
νέου μοντέλου είναι ο
διαχωρισμός μεταξύ των
ίδιων των data
centers
και του εξοπλισμού
υπολογιστικής ισχύος.
Τα data
centers
αποτελούν υποδομές με
πολύ μεγάλη διάρκεια
ζωής, η οποία μπορεί να
φτάνει τα 25-30
χρόνια.
Παράλληλα, η
χρηματοδότηση της
κατασκευής και
λειτουργίας τους
ακολουθεί ήδη σχετικά
τυποποιημένες
διαδικασίες.
Τα chips,
οι servers
και γενικότερα ο
εξοπλισμός
compute
έχουν διαφορετικό
προφίλ.
Ο συγκεκριμένος
εξοπλισμός αποσβένεται
πολύ ταχύτερα,
αντιμετωπίζει μεγαλύτερο
κίνδυνο τεχνολογικής
απαξίωσης και αποτελεί
ένα από τα ακριβότερα
τμήματα των συνολικών
επενδύσεων ενός
AI
data
center.
Ακριβώς αυτό το κομμάτι
επιχειρούν να
αντιμετωπίσουν οι νέες
δομές ειδικού σκοπού,
γνωστές ως
special-purpose
vehicles
(SPVs).
Με αυτόν τον τρόπο, το
μακροχρόνιο και σχετικά
προβλέψιμο asset
του data
center
μπορεί να
χρηματοδοτείται
ξεχωριστά από τον
ακριβότερο και
περισσότερο τεχνολογικά
ευάλωτο εξοπλισμό
compute.
Περισσότερος έλεγχος για
τις AI
εταιρείες
Η νέα χρηματοδοτική
αρχιτεκτονική δεν αφορά
μόνο το ποιος θα
πληρώνει για την
κατασκευή των υποδομών.
Η Barclays
εκτιμά ότι μπορεί να
προσφέρει στις εταιρείες
AI
μεγαλύτερο έλεγχο πάνω
στην υπολογιστική ισχύ
που χρειάζονται.
Σήμερα, πολλά AI
labs
εξαρτώνται από
cloud
providers
και από πολυετείς
συμφωνίες παροχής
υπολογιστικών πόρων. Οι
νέες δομές θα μπορούσαν
να επιτρέψουν σε
μεγάλους αγοραστές
compute
να αποκτούν ή να
ελέγχουν υποδομές με πιο
άμεσο τρόπο, χωρίς να
χρειάζεται όλο το
σχετικό capex
να εμφανίζεται στους
ισολογισμούς των
hyperscalers.
Έτσι, δημιουργείται ένα
μοντέλο όπου το κόστος
και το ρίσκο της
τεράστιας επέκτασης του
AI
επιμερίζονται μεταξύ
τεχνολογικών εταιρειών,
κατασκευαστών
chips,
επενδυτικών κεφαλαίων
και χρηματοπιστωτικών
οργανισμών.
Ένα νέο κεφάλαιο για το
AI
investment
boom
Η εξέλιξη έχει ιδιαίτερη
σημασία καθώς η
παγκόσμια ζήτηση για
υπολογιστική ισχύ
συνεχίζει να αυξάνεται
με ταχύτατους ρυθμούς.
Το πρόβλημα πλέον δεν
είναι μόνο η παραγωγή
των chips.
Είναι η χρηματοδότηση
ολόκληρης της αλυσίδας:
data
centers,
ηλεκτρική ενέργεια,
servers,
GPUs
και η διαρκής ανανέωση
του εξοπλισμού.
Οι κινήσεις
Nvidia
και Broadcom
δείχνουν ότι η αγορά
αρχίζει να αναζητά
τρόπους ώστε το τεράστιο
επενδυτικό πρόγραμμα της
AI
να συνεχιστεί χωρίς να
επιβαρύνονται
αποκλειστικά οι
ισολογισμοί των
hyperscalers.
Εάν η πρόβλεψη της
Barclays
για κάλυψη έως και του
μισού των επενδύσεων του
κλάδου από αυτές τις
νέες δομές έως το 2028
αποδειχθεί σωστή, τότε η
επόμενη φάση του
AI
boom
δεν θα είναι απλώς μια
ιστορία τεχνολογικής
ανάπτυξης.
Θα είναι και μια
τεράστια αναδιάρθρωση
του τρόπου με τον οποίο
χρηματοδοτούνται οι
υποδομές της τεχνητής
νοημοσύνης, με τις
Nvidia
και Broadcom
να εξελίσσονται από
απλούς προμηθευτές
chips
σε κρίσιμους καταλύτες
της ίδιας της
χρηματοδότησης του
AI
οικοσυστήματος.
|