Nahaharap sa mga panganib sa pagpopondo at demand ang pag-usbong ng imprastraktura ng AI ng Nvidia
Maaaring makaranas ng pinansyal na presyon ang pag-usbong ng imprastraktura ng AI ng Nvidia kung mas mabilis lumaki ang suplay ng GPU kaysa sa independiyenteng demand at kita ng mga customer. Paminsan-minsan, sinusuportahan ng Nvidia ang mga kasunduan sa pamamagitan ng kapital, kredito, imprastraktura, o mga pangakong bumili ng kapasidad sa pag-compute. Dahil dito, napag-iisipan kung magkakaroon pa rin ng ilang order sa gayon ding kalaki kung wala ang suportang iyon.
Ang panganib ay hindi pagtutugma ng panahon: itinatala ng Nvidia ang benta ng GPU bago pa ganap na gumana ang mga data center at bago pa mapagkakitaan ng mga cloud customer ang kapasidad sa pag-compute mula sa mga end user. Lalong lantad sa panganib ang mga mas bagong cloud provider, na maaaring mas mataas ang pagkakautang at mas ambisyoso ang mga pagtataya. Hindi rin gaanong malinaw ang kalagayang pinansyal ng mga pribadong AI lab. Itinuturing na medyo mas mababa ang panganib sa malalaki at matatag nang cloud provider.
Kabilang sa mga babalang palatandaan ang pagbaba ng presyo ng pagpaparenta ng GPU, paghina ng muling pagbebenta ng mga lumang chip, paghingi ng diskuwento sa pag-renew ng kontrata, mas mabagal na paggamit ng mga data center, at mga pagkaantala sa konstruksyon o suplay ng kuryente. Maaaring pababain ng mas murang GPU ang halaga ng kolateral, higpitan ang pagpopondo, at pahirapan ang muling pagpopondo. Ayon sa artikulo, hindi kailangang mabigo ang AI para magkaroon ng mga pagkalugi: maaaring sapat na ang mas mabagal na paglago ng mga order o mas mahinang pagkakakitaan. Inihahambing nito ang panganib sa mga nakaraang siklo ng imprastraktura, kabilang ang fiber noong panahon ng internet at ang Cisco, kung saan hindi napigilan ng pangmatagalang halaga ng teknolohiya ang pagkalugi ng mga naunang mamumuhunan at supplier nang mahuli ang demand sa kapasidad.
Bearish
Itinatampok ng artikulo ang panganib ng pagbaba sa mga valuation ng teknolohiyang may kaugnayan sa Nvidia: maaaring nauuna ang mga order ng GPU at pamumuhunan sa mga data center kaysa sa demand na maaari pang pagkakitaan, habang maaaring palalain ng mga istruktura ng financing ang anumang paghina. Kung humina ang mga presyo ng pagpapaupa, antas ng paggamit, o halaga sa muling pagbebenta, maaaring humarap sa mas mahihigpit na kondisyon sa pautang at presyur sa refinancing ang mga provider na malaki ang pagkakautang. Kahawig ito ng mga naunang siklo sa imprastraktura, kabilang ang pagpapalawak ng fiber noong huling bahagi ng dekada 1990 at mga problema ng Cisco sa imbentaryo, kung kailan nanatiling kapaki-pakinabang ang teknolohiya ngunit lumampas ang kapasidad at paggasta sa pangangailangan sa malapit na panahon.
Sa maikling panahon, maaaring magpahina sa sentimyento sa mga stock na may kaugnayan sa AI ang tesis na ito at magpalakas ng pag-iwas sa panganib kung makakita ang mga mamumuhunan ng paghina ng presyo ng GPU, pagkaantala ng mga proyekto, o pagbawas ng paggasta sa kapital. Maaari ring magkaroon ng di-tuwirang epekto sa mga merkado ng crypto dahil madalas tumugon ang mga digital asset sa mas malawak na sentimyento sa sektor ng teknolohiya at sa mga kondisyon ng liquidity; hindi ito isang kaganapang partikular sa crypto. Maaaring bantayan ng mga trader ang mga gabay sa pananaw ng Nvidia at mga cloud provider, mga rate ng pagpapaupa ng GPU, paggamit sa mga data center, mga plano sa paggasta sa kapital, at mga kondisyon sa kredito upang makumpirma ang tesis.
Sa mas mahabang panahon, hindi ipinapahayag ng pagsusuring ito na mawawala ang demand para sa AI. Maaaring maubos ng patuloy na pag-aampon ang sobrang kapasidad at mapatunayang tama ang mga pamumuhunan, kaya malilimitahan ang mga pagkalugi. Ang pangamba ay maaaring mas huli dumating kaysa inaasahan ang mga kita, kaya malalagay sa panganib ang mga naunang nagtayo at mga operator na malaki ang pagkakautang. Samakatuwid, nakadepende ang epekto sa merkado kung maaabot ng demand ang naka-install na kapasidad at kung mananatiling may mapagkukunan ng financing.