Investor asal Inggris Wida Gavin Baker 's investasi filsafat: membuat multi- AI infrastruktur botol dan kosong risiko pasar keseluruhan

What the Best AI Investments Are Buying Right Now
Sumber: Podcast tanpa batas
Bahasa asli: TecFlow Deep Tide

Sunting Petunjuk

Podcast berfokus pada filosofi investasi pendiri Atreides Management, taruhan jangka panjang pada Nvidia dan Cerebras investor, Gavin Baker。

PENILAIAN INTINYA ADALAH BAHWA AI BUKAN GELEMBUNG, TAPI SEBUAH SIKLUS SUPERCYCLE INFRASTRUKTUR YANG DIDORONG OLEH DAYA, LINGKARAN KRISTAL DAN KOMPUTASI; KEMBALI BERLEBIHAN TIDAK DALAM MODEL BESAR ATAU ROBOT OBROLAN, TETAPI DALAM KONEKSI GPU, MEMORI, CHIP PENALARAN, PEMROGRAMAN CANGGIH DAN SAMBUNGAN PASOKAN DAYA。

Gavin Baker, sementara menjaga terhadap jatuhnya seluruh pasar melalui QQQQ menempatkan, fokus pada Astera Labs, Unity, Micro, Nvidia, Cerebras, Positron, dll。

SELAMA TSMC, ASML, MEMORI BANDWIDTH TINGGI DAN JARINGAN LISTRIK TIDAK CEPAT KELEBIHAN, PENGELUARAN MODAL AI TIDAK SELALU MUNCUL KEMBALI GELEMBUNG INTERNET PADA TAHUN 2000。

Catatan Mahal

UAL FOAM ATAU SIKLUS SUPER

"AI TIDAK ADA DALAM GELEMBUNG; SEBALIKNYA, DALAM SEBUAH SUPERCYCLE"

"The greatest return is not in SaaS, not in chat robot like OpenAI or Anthropic, but in electric, computing and silikon"

"Ini bukan gelembung internet, karena pembeli terutama yang paling cerdas dan paling kash-mengalir perusahaan di dunia, dan mereka tidak mengandalkan pengaruh utang untuk kredit mereka."

"Jika seluruh pasar tidak dapat kelebihan, akan sulit untuk itu runtuh seperti gelembung tradisional"

botol asli: listrik, lingkaran kristal, token

"Teori Gavin sederhana, hanya melihat infrastruktur bottlenecks Al, yang dapat melakukan tinggi per watt dan menurunkan biaya token."

"AI Labs semakin khawatir tentang satu hal: berapa banyak token dapat dihasilkan per watt"

"LISTRIK DAN LINGKARAN KRISTAL ADALAH DUA DINDING BATA DAN DUA BATASAN KUNCI MEMBATASI KECEPATAN AI"

Dari sebelumnya-pelatihan untuk penalaran dan posting-pelatihan

"Fakta bahwa model telah dilatih sebelumnya tidak berarti bahwa ia akan menjadi jenius sepanjang hidupnya; ia juga perlu untuk menyerap informasi baru pada tahap pelatihan pos."

"Inti dari alasan membutuhkan komputasi yang luas, itulah sebabnya chip penalaran dan infrastruktur penalaran akan menjadi fokus dari fase berikutnya"

"Hanya biaya atau peluang pendapatan yang terkait dengan penalaran mungkin 5 sampai 10 kali masukan kapasitas pra-pelatihan"

Model vertikal kecil, akhir model dan infrastruktur berdaulat

"Anda tidak perlu berinteraksi dengan Claude setiap hari di masa depan; apa yang mungkin Anda butuhkan adalah proksi AI berdasarkan pelatihan data Anda sendiri"

"Kecepatan penyebaran infrastruktur itu sendiri adalah parit, dan dunia digital lebih iteratif daripada infrastruktur fisik yang dibangun"

"SIAPA PUN YANG DAPAT MENEKAN PENYEBARAN FISIK YANG DAPAT DILAKUKAN SELAMA BERBULAN-BULAN ATAU BERTAHUN-TAHUN, DAPAT MENJUAL HARGA TINGGI DI IBUKOTA AI"

Pendekatan investasi Gavin: membuat banyak halangan dan mengosongkan risiko pasar keseluruhan

"Dia sangat percaya bahwa pemenang AI akan datang, tapi itu tidak berarti bahwa ia optimis tentang seluruh pasar; QQQQQ menempatkan perlindungan terhadap risiko keseluruhan sisi bawah"

"TSMC SEBENARNYA MEMBATASI KECEPATAN DI MANA BUSA MEMPERCEPAT; PENGELUARAN MODAL TIDAK MUDAH DI LUAR KENDALI SELAMA KAPASITAS CHIP TIDAK DAPAT BERKEMBANG DALAM SEKEJAP."

Gavin lebih tua, lebih stabil, lebih bersepeda Leopold: mantan adalah satu dekade sukses, sementara yang terakhir sekarang lebih seperempat

AS SUPERCYCLE ASET SENILAI TARUHAN

EJ:Gavin Baker adalah investor AI yang sangat produktif, tapi hampir tidak pernah mendengar oleh publik. Selama 20 tahun terakhir, ia mulai berinvestasi di beberapa perusahaan AI yang dikenal kemudian sebelum mereka pergi ke lingkaran. Dia berada di awal Nvidia (di Weida, AI GPU dan Akselerator Nucleus) dan Cerebras (AI Chip) memiliki ide yang sangat jelas bahwa AI bukanlah gelembung, melainkan sebuah supercycle。

Dalam pandangannya, botol kritis dan kendala dapat diidentifikasi dengan mengamati infrastruktur bawah Watts, waffers dan token, yaitu AI. Kesimpulannya sederhana: keuntungan terbesar dalam AI berasal dari daya, energi dan produksi silikon, tidak banyak hubungannya dengan perangkat lunak atau jasa SaaS, tidak banyak yang berhubungan dengan robot percakapan seperti Anthropic dan OpenAI。

Pada akhirnya, seluruh industri akan dikirim ke hilir ke semikonduktor, yaitu mengambil dan sekop yang mendukung seluruh industri AI。

KETIKA BANYAK ORANG MENGATAKAN BAHWA INDUSTRI AI SUDAH MENJADI GELEMBUNG, DIA PIKIR ITU ADALAH SEBUAH PEMBELIAN ANTAR GENERASI DALAM KESEMPATAN, TERUTAMA UNTUK INFRASTRUKTUR AI. DIA MENYATAKAN PENGHAKIMAN INI DALAM DANA PADA SKALA SEKITAR 4,1 MILIAR DOLAR。

Dan jika Anda mendengar kendala yang dia bicarakan, terutama infrastruktur AI, Anda akan menemukan teori ini akrab. Kita sudah membicarakan ini berkali-kali pada acara tentang investor, Leopold Aschenbrenner, yang telah membuat banyak pengaturan dalam arah yang sama. Perbedaannya adalah bahwa Leopold telah melakukannya selama sekitar tiga tahun, dan Gavin telah melakukannya selama lebih dari 20 tahun。

Aset manajemen Leopold sekitar tiga kali lebih besar dari milik Gavin, tapi produser, Luke, memperingatkan saya bahwa: Kau mungkin bisa mengalahkan Warren Buffett dalam setahun, tapi bisakah kau menjalankannya selama beberapa dekade? Catatan sejarah Gavin Baker menunjukkan bahwa ia mungkin memiliki perspektif yang berbeda pada teori investasi ini。

Mereka yang tidak tahu Gavin Baker dapat pertama tahu bahwa ia adalah pendiri Atereides Management (Dana Investasi) dan telah berinvestasi di Nvidia selama 20 tahun terakhir. Jika kau menahan Nvidia selama 20 tahun, itu sudah luar biasa, karena itu seharusnya sangat mengesankan。

Beberapa kesuksesan terakhirnya termasuk Cerebras dan Astera Labs. Cerebras adalah sebuah perusahaan chip AI yang post- IPO penilaian disebutkan sebagai alerwly tinggi. Dan ada perusahaan-perusahaan yang mungkin belum Anda dengar, dan kami akan mengikuti kombinasinya dan penghakiman di set ini dan melihat di mana dia berpikir peluang investasi AI berada。

Lalu pertanyaannya menjadi, apa yang dia pilih, mengapa? Jika Anda melihat 13F terbaru (pernyataan triwulanan hangat oleh investor institusi Amerika Serikat), dana tersebut sekitar $4 miliar AUM (skala manajemen aset). Membongkar beberapa holdouts terbesar akan mengungkapkan bahwa perusahaan-perusahaan ini menunjuk ke botol pengembangan AI bahwa Gavin telah berulang kali menyebutkan。

Dia punya banyak ruang di perusahaan yang tidak seksi dan banyak orang bahkan belum pernah mendengarnya. Astera Labs, misalnya, akun untuk hampir 9 sampai 10 persen dana. Anda dapat menafsirkan Astera Labs sebagai lapisan koneksi antara GPU。

Jika pusat data dikandung sebagai sistem, GPU adalah mesin yang bertanggung jawab untuk pra-pelatihan, pos-pelatihan dan kesimpulan model. Bagi GPU untuk bekerja, bagaimanapun, itu harus mentransfer sejumlah besar data antara mereka dan mengakses chip memori (RAM chip) di mana data disimpan。

Untuk melakukan itu, kita perlu sistem pipa. Aku bicara soal level tinggi, karena aku tak berpura-pura tahu semua rincian dasarnya. Lab Astera memecahkan masalah. Ketika AI cluster memperluas ke ratusan ribu chip, botol tidak lagi hanya GPU itu sendiri, tapi data transfer jendela, bagaimana mengirim data yang benar pada waktu yang tepat dan mengakses data yang benar. Lab Astera membangun sistem pipa seperti ini。

Aku belum pernah mendengar tentang Astera Labs sebelum aku mempelajari episode ini. Tapi aku ingat Cerebras berada dalam situasi yang sama. Gavin berbicara tentang Cerebras sekitar enam bulan yang lalu, dan mengingat timescale Al, enam bulan panjang. Lalu IPO, dan acara itu menyebutkan perkiraan sekitar 60 miliar dolar, dan IPO naik sebesar 40 persen. Hal ini menunjukkan bahwa Laboratorium Astera mungkin nama penting dalam tren yang sama。

Josh:Cerebra adalah investasi pertamanya. Dia masuk Cerebras lebih awal dalam siklus hidup perusahaan, berarti bahwa ia telah bertaruh pada teori selama bertahun-tahun. Beberapa perusahaan lain juga pada taruhan jangka panjang, tentu saja Nvidia。

Sungguh menakjubkan terlibat di Nvidia selama lebih dari 20 tahun dan untuk tinggal di jalan. Aku baru saja mendengarkan dua podcast dari Gavin, dan ia jelas menyatakan penghakiman ketika ia berbicara tentang posisi Nvidia bahwa ia percaya bahwa Nvidia bisa terus mempertahankan keuntungan saat ini dan permintaan. Itu berarti bahwa ia berpikir bahwa Nvidia memiliki kesempatan untuk bergerak lebih dekat dengan nilai pasar $10 triliun, dan itu hanya setengah jalan melalui。

Pembangunan lain yang patut dicatat adalah Micron. Kami berbicara tentang AI Investment Bank pada episode terakhir, dan posisi perusahaan-perusahaan di dalamnya, dan kami sangat merekomendasikan agar Anda kembali. Micron adalah salah satu pembuat memori terbesar。

angka yang luar biasa disebutkan dalam acara ini: bernilai kurang dari $100 miliar setahun yang lalu, dan itu dicatat telah melampaui nilai pasar sebesar $1 triliun 10 kali setahun. ini menunjukkan betapa pentingnya program memori。

Ada perusahaan yang tidak begitu terlihat tapi menarik. EJ, saya sangat ingin membawa Anda satu: Unity Software. Orang-orang yang akrab dengan permainan tahu tentang Unity, itu adalah mesin permainan, dan banyak game panas dibuat dengan perangkat lunak render 3D。

Jadi mengapa investor AI memilih Persatuan, "permainan video" ini? Jawabannya adalah mesin game 3D. Persatuan, pembuat model dunia, memiliki pemahaman yang mendalam fisika, cara dunia beroperasi, bahan dan cahaya。

Ketika AI akan membangun robot ADI dan Humanoid, sebuah link penting adalah simulasi lingkungan virtual dan set data virtual, di mana robot dilatih. Persatuan terjadi menjadi salah satu alat terkuat。

Sebagai model dunia yang percaya, Anda akan menyukai contoh sebuah perusahaan yang dikenal sebagai mesin, dengan jalur yang jelas untuk menjadi pemain penting di dunia AI。

Teori investasi dan strategi Gavin

EJ:teori model dunia adalah sederhana: model AI saat ini atau LLM memahami dunia terutama melalui teks dan buku, seperti seorang mahasiswa duduk di perpustakaan, tetapi tidak memiliki pengalaman dunia nyata。

Itulah yang model dunia ingin buka: meletakkan peran permainan dalam lingkungan simulasi dan membuatnya mengerti bagaimana realitas fisik bekerja。

Seperti, apa yang terjadi ketika saya melemparkan telepon saya ke bawah atau menendang bola? Apa selanjutnya? Apa yang harus kau lakukan? Model dunia memecahkan masalah ini。

Saat ini, tidak banyak pemain yang bisa melakukan ini dalam skala besar. Now the lead might be Google, which has a model like Genie 3 (Google 's Generable Interactive World Model project). Program ini juga menyebutkan rilis baru-baru ini Google dari Gemini Omni, tetapi model-model ini belum benar-benar mencapai mereka ChatGPT saat。

Yang kusuka dari Gavin adalah dia seperti pelayan bar. Di satu sisi, itu tradisi, Anda perlu GPU, Anda perlu penyimpanan, jadi dia melemparkan pemain terbesar, Micron dan Nvidia. Sisi lain adalah maju, dan dia pikir puck akan pergi ke sana, jadi dia memilih Cerebras, karena dia pikir penalaran itu penting, dan Unity, karena ia berpikir bahwa model dunia akan menjadi cara untuk melatih robot dan generasi berikutnya LLM di masa depan。

Dia juga memiliki Positron, yang tidak chip inference. Jika terdengar seperti Cerebras, ya, mereka semua berputar sekitar penalaran. Gavin baru-baru ini berbicara berulang kali dalam wawancara tentang tren bahwa gudang infrastruktur model AI, terutama gudang pelatihan, beralih dari pra-pelatihan ke penekanan lebih pada pelatihan pasca-kerja。

Jika Anda berada di lingkaran AI, Anda akan tahu giliran ini telah terjadi. Gavin sangat fokus pada ini. Sebuah model masih perlu memahami informasi baru, data baru dan memperbarui dirinya sendiri. Hal ini tidak dapat dianggap jenius seumur hidup karena itu sebelum-dilatih pada set data. Hal ini juga memerlukan belajar informasi baru, yang berlangsung di tingkat pelatihan post- dan yang membutuhkan komputasi yang luas。

Kedua, jika Anda membutuhkan model AI untuk benar-benar berpikir tentang hal ini, sama seperti kita akan berpikir ketika kita mendapatkan informasi baru, apakah sudut ini bekerja? Apakah ada teori lain untuk menjelaskan? Ini bergema. Alasan juga perlu dihitung secara ekstensif. Sekarang diperkirakan bahwa biaya atau peluang pendapatan terkait dengan penalaran saja mungkin antara 5 dan 10 kali masukan dari kalkulator pra-pelatihan。

Jadi kedua Al Labs dan Chip Mackers telah membuat perubahan besar. Anda telah melihat Nvidia mengeluarkan banyak alasan GPU berorientasi untuk mendukung penerapan kecerdasan. Gavin juga mengungkapkan catatan untuk alasan melalui serangkaian investasi。

Hal terakhir yang saya pikir menyenangkan adalah Gavin berbicara tentang Cina. Dalam kompetisi AI, narasi selalu Cina melawan AS. Ada konfigurasi unik di Cina, di mana energi relatif memadai, dan kemampuan untuk memperluas produksi chip. Amerika Serikat saat ini sedang berjuang di daerah ini, itulah sebabnya banyak link yang keluar dari TSMC (negara bagian paling penting di dunia - dari - the-art kristal pabrik) di Taiwan, Cina。

Penjelasan Nya adalah bahwa Cina memiliki kesempatan unik untuk menciptakan infrastruktur AI atau chip yang sangat berbeda dari Amerika Serikat, karena mereka akan sangat terfokus pada penalaran. Anda dapat mengatakan bahwa Gavin mengambil memimpin dalam membangun infrastruktur penalaran Amerika melalui investasinya di Amerika. Saya pikir masa depan ini mungkin kesempatan besar。

Josh:Perlu dicatat bahwa taruhan ini tidak hanya di atas. Dia juga memegang posisi QQQ yang besar. QQQ adalah ETF yang melacak Nasdaq 100, sekeranjang saham dan perdagangan terbesar kedua di Amerika Serikat. Hal ini dilakukan dengan sangat baik: 55 persen pada tahun 2023, 25 persen pada 2024, 20 persen pada tahun 2025 dan 17 persen sampai tanggal pada 2026。

Dengan kata lain, QQQ sangat bagus sebagai dana indeks, dan mudah untuk membelinya, dan itu adalah 100 keranjang atas saham. Dan Gavin membuat pagar terbalik dengan itu. Dia tidak mengatakan bahwa AI tidak akan menang, tetapi bahwa dia akan memilih pembuat kunci dari bottlenecks nyata, tapi dia tidak terlalu optimis tentang sentimen pasar keseluruhan。

QQQ menempatkan perlindungan di bawah: jika seluruh pasar runtuh dengan cara yang tidak menguntungkan, bahkan jika AI menang untuk waktu yang lama, ia memiliki lapisan ini。

Empat jenis arah yang dapat dipahami

Josh:kita bisa menghancurkan apa yang dia anggap sebagai investasi terbesar. yang pertama adalah model bahasa vertikalisasi kecil。

LLM biasa, seperti Claude dan ChatgPT, pada dasarnya LLM, yang memiliki pemahaman luas tentang dunia dan dapat menjawab pertanyaan-pertanyaan spesifik. Tapi model pelatihan sekitar daerah vertikal tertentu atau masalah tertentu adalah masalah lain。

Masalah-masalah tertentu biasanya ada di perusahaan-perusahaan, terutama mereka yang mendalam tumbuh pada masalah tertentu, atau mereka yang membentuk niche (Liki) dalam subdivisi tertentu. SLM (Model Kecil Postal) memecahkan masalah: Mereka adalah model garis depan, tapi sangat dioptimalkan untuk beroperasi secara efisien pada data-spesifik secara internal atau lokal dalam perangkat (peralatan)。

kami berbicara tentang on- perangkat atau model lokal lari. alasannya adalah ada banyak data pribadi pada ponsel anda atau perangkat lain, dan anda mungkin tidak mau menyerahkannya dan perusahaan mungkin tidak dapat mengaksesnya. misalnya, catatan medis, rincian keuangan。

Saya melihat OpenAI mengeluarkan agen AI keuangan yang dapat mengakses akun bank Anda, namun tidak dapat beroperasi atas nama Anda, karena ada banyak informasi pribadi, seperti nomor jaminan sosial, rincian bank。

Model lokal atau SLM dapat memecahkan masalah tersebut. Gavin adalah taruhan besar bahwa mereka akan menjadi penting di masa depan. Apple. Meskipun ia mungkin tidak mengungkapkan minat yang jelas dalam investasi, ia percaya bahwa Apple akan menjadi salah satu faktor utama yang akan memungkinkan model lokal untuk beroperasi pada peralatan。

Jika ini adalah masa depan, kita mungkin tidak berpikir bahwa Claude harus menjadi model interaktif Anda setiap hari. Apa yang mungkin Anda butuhkan adalah agen AI pribadi, yang dilatih pada data Anda sendiri, dan itulah yang SLM akhirnya bisa menjadi。

versi generik ini dapat dijalankan pada ponsel anda, dan sejumlah besar perusahaan dapat menjalankan model yang sangat teroptimasi, khusus, dan kereta api dengan data milik mereka sendiri untuk menjual atau produk pasar yang lebih baik。

EJ:Apple hebat dalam posisi ini. Saya berharap untuk WWCC, yang hampir ada。

Josh:Ya。

EJ:HANYA BEBERAPA MINGGU SEBELUM KONFERENSI PENGEMBANG APEL, MEREKA AKAN MERILIS PERANGKAT LUNAK AI BARU DAN BAGAIMANA IA TERINTEGRASI DENGAN PERANGKAT KERAS. INI AKAN SANGAT PENTING, DAN KAMI AKAN TERUS MENUTUPINYA, DAN SAYA BERHARAP UNTUK MEMBAHASNYA。

Josh:Pilar kedua adalah infrastruktur berdaulat. Kita sering mengatakan bahwa bit (bit) jauh lebih cepat dari atom. Lihat, infrastruktur AI jelas: kualitas model hampir eksponensial, dan setiap watt menghasilkan kecerdasan, setiap tanda yang berhubungan intelijen, hanya sampai。

Tapi kecepatan penyebaran fisik tidak meningkat pada kecepatan yang sama, yang sendiri parit. Perangkat keras sangat kompleks dan akurasi transistor dekat tahap atom; tidak mudah untuk menyebarkan pada skala besar di dunia di mana infrastruktur yang ada sudah di bawah tekanan. Dengan penyebaran dipercepat kendaraan listrik, jaringan listrik telah menjadi lebih stres dan di banyak tempat mendekati kapasitas penuh. Sekarang Al juga membawa masalah energi dan masalah chip。

Gavin memiliki saham yang kuat dalam kenyataan bahwa infrastruktur sulit dan konstruksi yang membutuhkan banyak hari, bulan dan bahkan tahun. Dia bertaruh pada orang-orang yang dapat mengkompres siklus untuk minggu. Jadi kecepatan penyebaran fisik itu sendiri parit. Dia mempersempit target dan mencari perusahaan yang bisa menyebar secepat mungkin。

Contoh pertama yang saya pikirkan adalah SpaceX, dan kecepatan yang mereka bangun dan menyewakan Colossus ke Anthropic, mungkin ke perusahaan lain di masa depan. Pilar infrastruktur ini adalah salah satu keprihatinan kunci Gavin。

Jika Anda melihat kombinasi Leopold, ini adalah inti. Kenyataannya adalah bangunan itu sangat sulit dan mereka yang dapat membangunnya dapat menjualnya sangat mahal. Dikatakan bahwa SpaceX sekarang sumber terbesar pendapatan untuk menyewa pusat-pusat data, bukan roket. Ini menggambarkan betapa pentingnya pilar ini。

EJ:Dia peduli dengan kecepatan, tapi dia juga peduli dengan biaya. Dia berulang kali disebut dengan satu indikator: perwatt kinerja. Apa yang dia benar-benar coba katakan adalah bahwa laboratorium AI semakin khawatir tentang berapa banyak token diproduksi per watt。

Jika Anda ingin berpikir bahwa hanya sekitar lima perusahaan menghabiskan miliaran atau bahkan triliunan dolar di GPU, menghitung dan kekuatan yang menggerakkan sistem ini tahun ini, Anda akan ingin bang untuk bebek cukup tinggi. Secara khusus, biaya berada di jantung masalah ketika hypers (super- besar produsen awan) memperluas ke skala ini。

Secara hipotesis, saya bertanya pada Claude, dan saya menjawab dua sen, saya mengajukan pertanyaan kepada ChatgPT, dan saya menjawab satu dolar. Bahkan jika Claude hanya memiliki ChatGPT 95% intelijen, saya mungkin akan menggunakan Claude. Karena aku bisa mengajukan lebih banyak pertanyaan dan akhirnya mendapatkan jawaban dengan biaya yang lebih rendah。

Jadi biaya mengakses kecerdasan ini sangat penting. Baru minggu ini, Microsoft dan Uber mengumumkan bahwa mereka sebenarnya mengurangi penggunaan Claude Code, karena anggaran tahunan berusia sekitar empat bulan。

Kau bisa lihat ini di portofolio Gavin, Cerebra, Positron, Astera Labs. Dia mengidentifikasi infrastruktur yang sangat berbeda dan kemudian membuat taruhan sederhana: Jika perusahaan ini menyelesaikan masalah ini, mencapai tingkat tertentu, biaya token turun ke tingkat tertentu, maka Laboratorium AI membeli lebih banyak GPUs, lebih banyak produk atau lebih dari jenis ini。

Jadi teorinya benar-benar sederhana, meskipun kompleksitas dari teknologi ini: saya hanya peduli dengan keterbatasan infrastruktur di tingkat AI. Jika kita dapat menemukan perusahaan yang dapat meningkatkan kinerja setiap watt dan membuat token lebih murah, saya berani bertaruh itu bernilai banyak uang di masa depan, baik IPO atau membelinya dengan harga yang tinggi。

Josh:Dalam bagian ini, jika ada yang ingin menyalin kesepakatan Gavin, beberapa nama perlu diketahui: Keempat perusahaan ini adalah kunci di piring ini。

arah keempat dan terakhir adalah kombinasi energi dan ruang. seperti yang kami katakan sebelumnya, ada banyak kendala pada pasokan energi, dan energi baru sangat sulit. acara ini menyebutkan statistik bahwa sekitar 40 persen dari pusat data baru akan menghadapi oposisi yang sangat kuat untuk melobi, protes dan tidak ingin mendaratkan mereka。

Ada dua jenis solusi. Salah satunya adalah energi -of -box, yaitu, energi portabel. Anda dapat mengambil pusat data dan daya dengan perangkat energi kecil. Leopold cukup bagus di Blue Marble。

Yang lain adalah komputer orbital, yang merupakan arah Gavin sekarang sangat prihatin. Perusahaan terbesar dan terpusat di bidang ini adalah SpaceX. Ini adalah satu-satunya perusahaan yang memiliki kapasitas untuk menjadi jalan raya ke ruang angkasa, untuk menempatkan Payload (beban) di orbit, untuk menempatkan rak dan pusat data di orbit rendah dan untuk menghasilkan kecerdasan yang cukup dan kekuasaan kembali。

Kurasa SpaceX lebih berarti dari SpaceX. Aku sedikit terkejut bahwa kombinasi Gavin tidak memiliki lebih banyak konfigurasi saham ruang angkasa, mengingat bahwa ia berpikir itu adalah industri besar. Mungkin kenyataannya terlalu dini, dan SpaceX adalah penghubung yang membuka industri。

Selanjutnya, perhatikan baik-baik peluncuran pesawat V3. Kami baru saja melihat peluncuran Starship minggu lalu, berjalan dengan baik. Jika Starship tidak bisa benar-benar bekerja, tidak ada energi ruang, tidak ada rak ke orbit. Ini adalah kondisi yang diperlukan karena muatan yang diluncurkan sangat besar. SpaceX harus menjadi perusahaan yang harus fokus, meskipun akan ada banyak perusahaan kelas kedua yang akan terpengaruh。

Mengapa tidak gelembung Internet lain

Josh:Maka Anda harus bertanya mengapa ini tidak hanya lain dot- com gelembung? Gavin ditanya pertanyaan ini berkali-kali, dan ia memberikan jawaban yang sangat kuat, dan saya pada dasarnya percaya dia dan argumennya meyakinkan。

logikanya adalah bahwa gelembung internet pada tahun 2000 adalah debt-didorong. banyak yang meminjam sejumlah besar uang untuk berinvestasi dalam teori yang belum diuji dan produk yang tidak ada yang benar-benar menggunakan atau peduli。

Jika dibandingkan dengan apa Gavin sekarang disebut AI Super Siklus, diharapkan bahwa hanya OpenAI dan Anthropic perusahaan akan mencapai $200 miliar tahun ini. Dan itu bukan uang palsu, itu uang yang telah ditandatangani melalui kontrak, dan sebagian besar dari itu, acara mengatakan 40 sampai 60 persen, telah prabayar oleh bisnis dan pelanggan ritel。

Dengan kata lain, uang riil bergerak。

Dan lihat algoritma GPU, jangan lihat laboratorium model, lihat siapa yang membeli produk dari Nvidia. Google, Microsoft, Amazon dan Meta semua membayar dari cadangan uang mereka sendiri tanpa meminjam. Amazon hanya pergi ke akhir arus kas gratis, dan jika mereka mulai meminjam uang, kita bisa khawatir. Tapi intinya adalah bahwa mereka tidak memanfaatkan。

Dan ini adalah salah satu dari lima perusahaan top di dunia, dan dalam arti salah satu yang paling cerdas karena nilai pasar mereka, ukuran dan status. Dibandingkan dengan gelembung Internet, sejumlah besar perusahaan anonim mampu melelehkan uang dan kemudian membakarnya dengan cara yang sangat tidak masuk akal. Dalam siklus ini, kelompok perusahaan tercerdas di dunia yang menghabiskan tanpa pengaruh。

Laporan triwulanan yang kami berikan pada program dalam beberapa minggu terakhir juga menunjukkan bahwa keuntungan mengoptimalkan gerakan ini, dan model maju dan menjadi lebih pintar. Jadi argumen pusat Gavin adalah: itu bukan gelembung internet, karena tidak dimanfaatkan; pada saat yang sama, botol yang kita bicarakan terikat oleh atom fisik。

Ini satu hal untuk membeli sejumlah chip memori dan GPU, tapi Nvidia tidak bisa menjual GPU, dan Micron tidak bisa menjual chip penyimpanan AI karena mereka tidak memiliki fasilitas produksi chip yang cukup. Jadi argumen sederhananya adalah, jika Anda tidak dapat menyuplai seluruh pasar, itu bukan gelembung. Kami terbatas untuk tidak memiliki cukup pilihan dan tembakan untuk melakukan hal ini, dan itulah yang dia pilih。

Dan poin yang bagus: Gavin berpikir bahwa jika TSM bisa memasok, Nvidia akan menjual $2- 3 triliun GPU tahun ini dan tahun depan. Dengan kata lain, TSMC adalah link kunci dalam batas busa。

Alasannya adalah bahwa jika TSMC bisa memenuhi kebutuhan perusahaan-perusahaan ini dan memberikan mereka dengan begitu banyak chip, itu akan biaya mereka banyak uang. Tidak ada hubungan signifikan antara CapEx (pengeluaran modal) dan aliran kas operasi, dan uang yang dihasilkan oleh perusahaan masih cukup untuk mendukung pembangunan。

Tetapi jika TSMC mengatakan kepada Nvidia besok, kita dapat tiga kali lipat kapasitas semalam, dan Nvidia tidak akan menolak, itu akan mulai menghabiskan banyak uang membeli chip. Perusahaan lain juga akan dipaksa untuk meminjam uang untuk membeli chip, ketika CapEx Bubble (pengeluaran gelembung) menjadi lebih besar dan memisahkan aliran kas dari operasi bisnis。

TAPI KARENA KETERBATASAN PASOKAN, PEMBATASAN PENYIMPANAN, PEMBATASAN PRODUKSI CHIP, KETERBATASAN ENERGI, TERUTAMA PADA CHIP CANGGIH, KITA TIDAK BISA BENAR-BENAR MEMBUAT KONSTRUKSI SECEPAT MUNGKIN. JADI, TSMC MEMBLOKIR PERCEPATAN GELEMBUNG。

Pertumbuhan relatif berkelanjutan selama kapasitas chip TSMC tetap terbatas dan selama Samsung dan produsen chip lainnya tidak melebihi saham pasar mereka. Tampaknya cepat, tapi masih ada banyak kebutuhan yang tidak bisa dipenuhi, karena kita tidak dibangun cukup cepat. Selama dinamika ini ada, kurasa itu bukan masalah besar。

EJ:DAN SATU HAL LAGI, ANDA TIDAK BISA BERASUMSI BAHWA KEBUTUHAN MASIH, KARENA TIDAK AKAN. PERMINTAAN AI BERKEMBANG PESAT DAN LEBIH CEPAT DARIPADA PRODUKSI CHIP INI。

Aku hanya bisa memikirkan dua cara untuk membuktikan teori ini. Pertama-tama, ada keajaiban meniru ASML, dan tiba-tiba ada sekelompok pesaing ASML. Orang-orang yang tidak tahu ASML dapat memahami bahwa mesin menghasilkan sekitar $400 juta, yang dibutuhkan oleh TSMC dan semua chip fabs utama。

Menurut acara, hanya satu tim membuat hal-hal ini di Norwegia (Norwegia) dan memiliki siklus yang sangat panjang, dan urutan backlog telah dijadwalkan selama sekitar lima tahun。

KEDUA, KITA MEMBUAT JENIS YANG SAMA SEKALI BERBEDA DARI LLM, YANG TIDAK PERLU BEGITU BANYAK GPU ATAU BEGITU BANYAK PENYIMPANAN. TAPI KITA BELUM MELIHAT TANDA-TANDA SEPERTI ITU SAMA SEKALI。

Aku melihat cerita hari ini tentang SK Hynix. Ini adalah toko dan pemasok nomor satu dari Nvidia GPU, dan hampir menjadi top di area penyimpanan AI。

Hal ini sekarang menerima sekitar $50 miliar untuk $100 miliar dari Google dan Microsoft, dua perusahaan yang ingin pra-kunci persediaan untuk diproduksi selama tiga tahun ke depan untuk membayar untuk peralatan yang dibutuhkan untuk memperluas produksi。

Ini menunjukkan betapa lapar perusahaan-perusahaan besar ini untuk penyimpanan, yang hanya jejak dalam komponen AI. SK Hynix berkata, "Saya tidak ingin memberikan keamanan, saya hanya akan menaikkan harga". Margin operasinya sekitar 70 persen, hampir luar biasa dalam industri semikonduktor。

Jadi Gavin all- masuk akal. Tidak terlihat seperti gelembung. Mungkin pasar akan bereaksi dalam jangka pendek. Kami membuka portofolio saham hari ini, hampir semua turun, tapi itu lebih emosional。

INTINYA ADALAH BAHWA KITA HANYA PERLU LEBIH BANYAK GPU DAN LEBIH BANYAK CHIP SEMIKONDUKTOR, DAN TIDAK CUKUP PERSEDIAAN DAN TIDAK CUKUP PRODUSEN。

Portofolio Gavin

Josh:Kesimpulannya adalah: listrik dan kristal. Hanya mereka berdua. Mereka adalah dua dinding bata dan dua hambatan yang mencegah kita dari ngebut terlalu cepat. Selama kekuatan dan bulat tetap berharga, permintaan kuat dan persediaan terbatas, ada hari-hari baik di depan。

Jika Anda ingin Gavin TLDR, saya bisa membaca pemegang terbesar. Sekali lagi, ini bukan proposal investasi. Itulah Gavin memegang apa, tidak berarti kita memegang apa. Aku tidak tahu apakah saham ini akan naik, jatuh atau berbalik。

Posisi terbesarnya sedikit antiintuitif, dan itu posisi QQQ. Secara keseluruhan, bias pasar yang layak. Terbesar kedua adalah Astera Labs, sekitar 7,4 persen dari gudang, dan pemetik adalah ALAB. Ketiga adalah Persatuan, yang adalah 3D Software。

Ada banyak orang lain di balik ini: Ciena (peralatan jaringan cahaya), Microon, Nvidia, Amazon, Lumentum (komunikasi cahaya dan laserware), Alphabet (Google orang tua), Coherent (fotoelektronik dan material), Roblox (platform bermain), EchoStar (komunikasi satelit), Twilio (platform komunikasi senja) dan Wayfair (turbator). Orang ini membuang segalanya。

Jika Anda tertarik, Anda dapat melihat 13F nya. Itulah sudut pandang Gavin, yang botol dalam listrik dan putaran kristal. Selama kendala ini tetap, mereka pada dasarnya meningkat unilateral. EJ, bagaimana Anda menyerap informasi ini? Apa yang akan kau lakukan

EJ:Pasar telah sangat volatile sejak Leopold 13F keluar. Ketika saya merekam episode ini, saya menjadi semakin sadar bahwa Gavin adalah jenis seperti tua, lebih cerdas Leopold. Dia sudah dalam bisnis ini untuk waktu yang lama. Mungkin dia tidak memiliki $13 miliar AUM, tapi aku merasa seperti dia akan dalam 10 tahun。

Jika Anda mendengar ini, saya tidak ingin mengikuti AI setiap menit, setiap jam, setiap hari, saya hanya ingin menempatkan uang di sana dan melihat bagaimana ia tumbuh dalam bulan atau tahun ke depan. Kombinasi Gavin mungkin berguna. Tentu saja, ini bukan proposal investasi。

Dia telah mengambil lebih berhati-hati, jangka panjang dan pendekatan berorientasi masa depan. Jika penilaian tren nya akhirnya terwujud, seperti yang dia lakukan di Nvidia dan Cerebras pada hari-hari awal, mungkin ada keuntungan eksponensial dalam tahun-tahun mendatang. Tapi itu semua berdasarkan pada salah satu titik intinya: kita tidak dalam gelembung。

Aku ingin tahu apakah penonton setuju. Rupanya, kebanyakan orang tidak turun ke bawah seperti Gavin. Tapi setelah mendengarkan episode ini, apakah Anda pikir kita berada di gelembung? Atau tidak? Apa alasan untuk mendukung dan keberatan? Ada yang kita lewatkan? Josh, kau pikir itu busa sampai kita selesai

Josh:Saya pikir kita berada dalam gelembung tentu saja. Pertanyaannya adalah, pada tingkat apa dari gelembung kita, itu juga dapat dibahas. Sekarang terlihat lebih seperti tahap awal, jadi berharap bahwa itu akan terus dalam keadaan itu. Menurut Gavin, kita baik-baik saja selama TSMC terus membatasi kapasitas chip。

Itulah keseluruhan pandangan. Kita sudah membahas tentang Leopold, yang keberhasilannya sekarang diukur berdasarkan triwulanan; sekarang kita berbicara tentang Gavin, yang kesuksesannya diukur pada satu dekade panjang. Banyak orang mungkin memiliki jawaban mereka sendiri antara mereka。

Tautan Asli