#NvidiaDefendsAIFunding

$NVDA CEO Jensen Huang dice que “la ciberseguridad probablemente será el próximo gran caso de uso de AI” y que “va a funcionar de manera continua.” Si la seguridad avanza hacia una inferencia de AI siempre activa, eso podría ampliar materialmente la carga de trabajo que pasa por plataformas como $CRWD y $PANW.#PPIHotCPINext #OracleAICloudUp121% #BTCSpotETFOutflows

#OracleAdobeToday La demanda de AI ya no es la cuestión. La factura es 👀 Oracle tiene un enorme retraso de $638B, pero los inversores quieren ver qué tan rápido se convierte en ingresos y si ese efectivo puede superar el gasto de capital en AI. Adobe enfrenta una prueba similar con Firefly y GenStudio: ¿puede la AI aumentar los ingresos sin afectar los márgenes? Lo que llamó mi atención es el cambio. Desde la nube de Oracle hasta el software de Adobe y el hardware de AI de Apple, la carrera está pasando de construir AI a demostrar que realmente paga.

Oracle, Adobe, Hoy: la demanda de IA ya no es el problema. El coste es 👀 Oracle tiene un enorme retraso de $638B, pero los inversores están interesados en ver qué tan rápido se convierte en ingresos y si ese efectivo puede superar el gasto en IA. Adobe enfrenta un desafío 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 cambiando de crear IA a demostrar que realmente da resultados. #SeptHikeOddsHit90%

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

"Ciclo de subida" de corta duración, posicionamiento "neutral", múltiplos de 20x: la guía de Goldman para comprar AI mientras la cola izquierda aún está en llamas

Encontré esto realmente interesante. Aparentemente, añadir GPUs más baratas puede ayudarte a obtener más rendimiento de las caras que ya posees. NVIDIA probó esto con cuatro GPUs GB200 y dos GPUs RTX 6000D de menor costo. Las tarjetas RTX se encargaron de la etapa de procesamiento de imágenes, dejando que las GB200 ejecutaran el modelo de lenguaje. En una carga de trabajo con muchas imágenes, la configuración combinada atendió un 70% más de tráfico mientras mantenía el mismo objetivo de velocidad de respuesta. Añadieron hardware, por lo que no fue una ganancia de rendimiento gratuita. Pero aumentaron la capacidad sin comprar más GB200. Creo que esto abre una oportunidad interesante para las neoclouds. Si el acceso a los chips más caros limita la cantidad de trabajo que pueden asumir, un chip más barato que libere esas máquinas se vuelve mucho más valioso para ellas. Eso podría llevar la demanda de IA más abajo en el mercado de GPUs. Estas eran tarjetas RTX profesionales, no tarjetas de juego para consumidores. Pero donde las tarjetas de consumidor puedan manejar esos trabajos más pequeños de forma económica, las neoclouds podrían convertirse en otro comprador compitiendo por el mismo hardware que los gamers y pequeños desarrolladores. Una GPU de consumidor no tendría que ejecutar todo el modelo para ser útil. Solo tendría que asumir suficiente trabajo de una GPU escasa y cara para justificar su compra. Si eso empieza a suceder a gran escala, algunas de las escaseces que estamos observando en los centros de datos podrían extenderse a partes del mercado que hoy parecen bien abastecidas.

Para todos los expertos en AI, ¿significa esto que los líderes públicamente ralentizan lo que lanzan pero aún así internamente operan bajo un dilema del prisionero y mantienen el ritmo? Eso es como el movimiento de giro curativo, ¿no? Ópticamente esto significaría que todo el desarrollo interno se ralentiza, la estructura del mercado permanece confusa, el FCF se desarrolla más lentamente y el capex se vuelve más dependiente de la deuda. Creo.

#OracleAdobeToday La demanda de AI ya no es la cuestión. La factura es 👀 Oracle tiene un enorme retraso de $638B, pero los inversores quieren ver qué tan rápido se convierte en ingresos y si ese efectivo puede superar el gasto de capital en AI. Adobe enfrenta una prueba similar con Firefly y GenStudio: ¿puede la AI aumentar los ingresos sin afectar los márgenes? Lo que llamó mi atención es el cambio. Desde la nube de Oracle hasta el software de Adobe y el hardware de AI de Apple, la carrera está pasando de construir AI a demostrar que realmente paga. #SeptHikeOddsHit90%

10 NOMBRES QUE MAPEAN EL PAISAJE DE LA NUBE DE IA 1. $CRWV combina una profunda integración con $NVDA con software diseñado para mantener funcionando de manera eficiente grandes clústeres de entrenamiento de IA 2. $NBIS combina hardware y software propios con control sobre la infraestructura y la energía, creando más oportunidades para mejorar la eficiencia 3. $DOCN hace que la inferencia de IA y el desarrollo de agentes sean accesibles para empresas más pequeñas a través de una plataforma en la nube gestionada 4. $IREN combina terrenos propios con una gran tubería de energía asegurada, dándole una base para expandir la capacidad de IA 5. $SHAZ combina asociaciones regionales con capacidades de nube soberana para atender a clientes que necesitan infraestructura local y control de datos 6. $NET combina inferencia de IA con herramientas para desarrolladores, almacenamiento y seguridad, facilitando la creación de aplicaciones a través de su red perimetral 7. Crusoe construye sus campus alrededor de la energía disponible, alineando el desarrollo de centros de datos con la energía necesaria para operarlos 8. Lambda se especializa en clústeres densos de GPU con software gestionado que simplifica el entrenamiento y la ejecución de modelos de IA 9. $AKAM reúne computación, seguridad y entrega de contenido a través de una red global establecida cerca de los clientes 10. $FSLY utiliza la ejecución ligera de WebAssembly para iniciar aplicaciones rápidamente y manejar solicitudes cerca de los usuarios

Todavía me sorprende cuántos piensan que el cómputo de AI no se convertirá en el mercado más grande del mundo El gasto en infraestructura tradicional en la nube creció aproximadamente un 52% anual desde 2010 hasta 2020, impulsando principalmente internet El cómputo de AI es como "unidades" de trabajo. Primero, de cuello blanco. Luego, de cuello azul (robótica) Internet es enorme pero no tan grande como la totalidad de los mercados laborales