سقف ۸۰ گیگاواتی هوش مصنوعی در ۲۰۲۷
هوش مصنوعیخلاصهٔ کامل‌تر
Tomasz Tunguz، سرمایه‌گذار خطرپذیر، تو این پست می‌گه ظرفیت AI آمریکا تا آخر ۲۰۲۶ حدود ۳۸ گیگاواته و تو ۲۰۲۷ ممکنه ۴۳ گیگاوات دیگه اضافه بشه. یعنی تو دوازده ماه کل compute ساخته‌شده تو تاریخ این کشور دو برابر میشه. ولی Brad Gerstner تو برنامهٔ All-In گفته ممکنه ۱۰ تا ۱۵ گیگاوات از این ساخت‌وساز اصلاً به موقع راه نیفته.
نکتهٔ عجیب اینه که با وجود این رشد، قیمت اجارهٔ کوتاه‌مدت GPU از ۳ دلار به ۱۲ تا ۱۳ دلار در ساعت رسیده. طبق S-1 شرکت Anthropic، هزینهٔ ترکیبی هر ساعت GPU برای این شرکت تو دو سه‌ماهه ۸۲ درصد بالا رفته. رک‌های سرور آماده هم تو انبارها خاموش موندن، چون دیتاسنترها برق شبکه برای روشن کردن‌شون ندارن. نویسنده می‌گه وقتی عرضه دو برابر بشه و قیمت هم دو برابر، یعنی تقاضا از واقعیت فیزیکی جلو زده.
به گفتهٔ نویسنده این سقف یعنی درآمد AI هم یه حداکثر نظری داره. الان ۴۰ درصد ساعت‌های GPU صرف inference میشه (یعنی اجرای مدل برای مشتری‌ها) و ۶۰ درصد صرف ساخت مدل. ناوگان فعلی حدود ۱۴۰ میلیارد دلار درآمد داره. چیپ‌های جدید ۲۰۲۷ مثل GB300 و Vera Rubin سه تا پنج برابر توکن بیشتری به ازای هر وات می‌سازن، پس کل درآمد نظری inference حدود ۳.۴ برابر میشه و به نزدیک ۴۹۰ میلیارد دلار می‌رسه.
نویسنده چند پیامد رو برمی‌شمره. اول، شرکت‌های مدل‌ساز شاید مجبور بشن سهم بیشتری از GPU رو به inference بدن و این سرعت نوآوری رو کم می‌کنه. دوم، تأخیر (latency) مثل پهنای باند اینترنت قیمت‌گذاری میشه، یعنی جواب سریع گرون‌تر و کار صف‌دار ارزون‌تر. سوم، کمبود compute نوآوری الگوریتمی رو جلو می‌بره، همون کاری که مدل‌های چینی مثل DeepSeek و Qwen با معماری‌های کوچیک‌تر کردن.
چهارم، harness (یعنی نرم‌افزاری که دور مدل می‌پیچه و کارها رو مدیریت می‌کنه) کلیدی میشه، چون به گفتهٔ نویسنده بیش از نصف عملکرد سیستم به اون بستگی داره. پنجم، اقتصاد vibe-coding زیر سؤال می‌ره: وقتی inference گرون بشه، نرم‌افزار آماده ممکنه از ساختن و نگه داشتن نرم‌افزار داخلی ارزون‌تر دربیاد. جمع‌بندی نویسنده اینه که تو ۲۰۲۷ محدودیت اصلی GPU روشن‌شده‌ست و بهره‌وری تو همهٔ لایه‌ها حرف اول رو می‌زنه.
نکات کلیدی:
- ظرفیت AI آمریکا از ۳۸ گیگاوات به سقف حدود ۸۱ گیگاوات تو ۲۰۲۷ می‌رسه.
- اجارهٔ کوتاه‌مدت GPU از ۳ دلار به ۱۲ تا ۱۳ دلار در ساعت رسیده.
- هزینهٔ ترکیبی هر ساعت GPU برای Anthropic از ۳.۱۰ به ۵.۶۵ دلار رسید، یعنی ۸۲ درصد افزایش.
- درآمد هر گیگاوات inference از ۹.۴ به ۱۵.۱ میلیارد دلار و کل درآمد نظری از ۰.۱۴ به ۰.۴۹ تریلیون دلار می‌رسه.
- طبق یه مطالعه، harness هزینهٔ حل یه کار یکسان رو ۷۱ درصد کم می‌کنه بدون افت دقت.
