Nvidia GTC Takeaway: ai seguirá os dados

Em sua palestra do GTC nesta semana, o executivo -chefe da Nvidia Corp., Jensen Huang, falou amplamente sobre inteligência artificial no contexto de três vetores:

• Ai na nuvem;
• IA em data centers (local);
• AI para robótica (Edge).

O que esses três pilares têm em comum são os dados em cada um. Os dados têm gravidade e são caros de se mover. A dinâmica de velocidade de luz significa que a maneira mais eficiente de processar informações é trazer computação aos dados. Em essência, as três oportunidades que Jensen descreveu podem ser pensadas em termos de localidade de dados. Em outras palavras, onde quer que os dados viverem, é para onde irá a IA.

Era apropriado que Huang se referiu ao GTC do ano passado como o “Woodstock da IA” e este ano o chamou de “Super Bowl da IA”, que é assim que John Furrier se referiu ao GTC no início deste ano. Por que isso é significativo? Como Woodstock era um big bang cultural e, como eu disse no ano passado, após o GTC 2024, foi, na minha opinião, a conferência de computação mais importante na história de tais eventos. E, como o Super Bowl, é um grande evento que acontecerá ano após ano, mas 2024 foi reiniciado após um hiato covid.

Transição para uma nova era de computação

Em um Análise de quebra recenteDavid Floyer e eu escrevemos o seguinte:

Estamos testemunhando a ascensão de uma era de computação completamente nova. Na década seguinte, um trilhão de dólares em mais de dados de data center está pronto para a transformação, alimentado pelo que nos referimos a Processamento paralelo extremo ou EPP – ou como alguns preferem chamá -lo, a computação acelerada. Embora a inteligência artificial seja o principal acelerador, os efeitos ondulam em toda a pilha de tecnologia.

Nesse post, compartilhamos que os gastos anuais do data center, que estavam presos na faixa de US $ 200 bilhões, com crescimento de baixo dígito, explodiu de repente de US $ 220 bilhões em 2023 para US $ 350 bilhões em 2024, crescendo 63%, acima dos 5% no ano anterior. O que é ainda mais surpreendente é que as cargas de trabalho tradicionais, comumente alimentadas por arquiteturas x86, caíram em 2024. Mas as cargas de trabalho da IA ​​cresceram de US $ 43 bilhões para US $ 180 bilhões, uma enorme taxa de crescimento anual de 319%.

Floyer e eu estamos viajando e conversamos sobre a melhor forma de analisar o significado do GTC 2025. Posts como o que John Furrier lançou depois que o GTC fornece uma ótima visão geral da palestra e achamos importante construir sobre isso e não repetir essas análises. Por isso, desembarcamos em uma nova abordagem para analisar a palestra de Huang.

Em tempos de transição de mercado, como a que estamos agora, pode ser confuso prever a próxima melhor jogada. Assistir ao mercado de ações no dia-a-dia apenas o torna mais confuso, como vimos com a reação ao modelo de IA barato de Deepseek no início deste ano.

Além disso, em transições como esta, há uma pressa de inovar com dados imperfeitos. A taxa de falha dos projetos será invariavelmente maior. À medida que o apetite por falhas diminui, os executivos se tornam impacientes e a alocação de capital entre: 1) executam os negócios (RTB), 2) aumentam os negócios (GTB) e 3) as iniciativas de negócios (TTB) se tornam mais complicadas.

Quando isso acontece, vemos volatilidade, confusão de mercado, pânico e oportunidade. Quando os mercados fazem a transição, por exemplo, desde cargas de trabalho tradicionais para cargas de trabalho de IA, todas as partes da pilha de tecnologia transitam com ela. As empresas com arquiteturas, portfólios e movimentos de entrada no mercado alinhados com as novas condições, ou aquelas que podem girar rapidamente, invariavelmente prosperam. Mas os novos mercados, enquanto crescem rapidamente, geralmente ainda não são grandes o suficiente para compensar o declínio nos mercados mais antigos, criando ainda mais confusão, e o Dilema do inovador entra em ação.

Uma nova metodologia para prever a adoção de tecnologia

Floyer tem trabalhado em um novo método para prever transições de mercado e adoção de tecnologia. O método analisa o caso de uma nova tecnologia em torno de três vs: 1) o valor subjacente que uma tecnologia pode trazer; 2) o volume ou escala dessa tecnologia; e 3) a velocidade ou taxa de adoção da tecnologia.

Ao observar os mercados anteriores, fazendo suposições sobre como as transições ocorrem na tecnologia e analisando cenários usando ogivos, acreditamos que uma análise de oportunidades de longo prazo mais precisa pode ser derivada. Decidimos pular a análise de quebra desta semana e usar na hora de aplicar os três vetores de crescimento de Jensen para enquadrar a oportunidade.

Na próxima semana, dividiremos nossa previsão total do data center e separaremos as oportunidades em nuvem e no local. Começaremos a enquadrar o terceiro vetor, que vemos amplamente como inferência de IA na beira das redes. E especificamente a oportunidade robótica, que tentaremos quantificar no futuro.

Achamos que a quantificação de um mercado que todos acreditamos ser enorme nos permitirá prever a transição para acelerar as cargas de trabalho melhor e estamos ansiosos para o seu feedback.

Foto: Robert Hof/Siliconangle

Isenção de responsabilidade: Todas as declarações feitas em relação às empresas ou valores mobiliários são estritamente crenças, pontos de vista e opiniões mantidas por mídia de siliconangle, pesquisa de tecnologia corporativa, outros convidados no TheCube e escritores convidados. Tais declarações não são recomendações desses indivíduos para comprar, vender ou manter qualquer segurança. O conteúdo apresentado não constitui consultoria de investimento e não deve ser usado como base para qualquer decisão de investimento. Você e somente você é responsável por suas decisões de investimento.

Divulgação: Muitas das empresas citadas em nossas análises são patrocinadores do TheCube e/ou clientes da pesquisa de TheCube. Nenhuma dessas empresas ou outras empresas tem qualquer controle editorial ou visualização avançada do que foi publicado.