黃仁勳的產品演示解釋了新型運算系統的功能。但財務問題有所不同：客戶能否從這些系統中獲得足夠的收益以繼續投資？要解讀 AI 基礎設施週期，需要將設備供應商的收入與客戶的支出和最終使用情況連結起來。本文提供的是一個框架，而非 NVIDIA 下一季業績的預測。
一家公司的收入可能是另一家公司的投資。
電腦設備的銷售對供應商而言可能是收入，而對買方而言則是資本支出。買方可能透過折舊逐步確認成本，同時提前支付現金。因此，供應商強勁的銷售和客戶的大量現金支出可以同時出現，而不會相互矛盾。
假設一家雲端服務供應商花費 10 億美元購買預計可支援數年服務的系統。如果這些資產在五年內平均折舊且無殘值，則每年的簡單折舊費用為 2 億美元。此會計費用與第一年的現金支付並不相同。實際使用壽命、組件和會計政策各不相同，因此請將此範例視為時間安排範例。
容量不等於使用率
已安裝容量描述的是設備可以支援的最大容量。利用率描述的是設備的實際使用量，而付費利用率則檢視該使用是否為客戶帶來收入。伺服器可能在技術上處於繁忙狀態，但並非每小時都能產生可觀的經濟回報。內部實驗和麵向客戶的生產工作負載的獲利能力並不一定相同。
訓練涉及建立或更新模型，而推理涉及使用訓練好的模型產生輸出。隨著應用程式的發展，需求可能會在這些活動之間轉換。因此，基礎設施分析應該描述工作負載以及誰為此付費，而不是假設每次額外的模型查詢都會轉化為相同的收入或利潤。
不要只專注在最顯眼的晶片
一個有效的運算系統還需要記憶體、網路、電力、冷卻以及運作場所。如果某個組件受限，增加其他組件的用量可能不會立即增加可用容量。這是一個瓶頸問題：最慢的必要組件可能會限制整個系統的產出。
閱讀供應商關於產品轉換、客戶集中度、承諾和庫存的報告，然後將其與客戶揭露的支出和服務需求進行比較。客戶可能計劃增加投資，但同時也會面臨延遲，導致實際部署推遲到另一個報告期。不要將意向、購買承諾和已確認的收入拆分成三個獨立的增量需求。
建構可驗證的論點，而非無止盡的成長曲線
首先提出一個可能被證明是錯誤的論點：例如，新增基礎設施將由更廣泛的付費應用程式提供支援。然後找出削弱該論點的證據，例如閒置產能增加或客戶不斷延長部署計畫。這些是研究問題，而非對現狀的斷言。
一份有用的季度核查清單應將供應商的收入和利潤率與客戶的資本支出、產能部署和盈利披露進行匹配。估值應放在流程的最後。即使市場成長，如果股價已經預示著更快或更有利可圖的成長，那麼股票表現也可能令人失望。反之，較低的百分比成長率本身並不一定意味著絕對需求正在下降。應將需求水準、變動率以及價格中隱含的預期區分開來。
我想再次探討的問題是，買方能否從新增產能中獲得足夠的利潤以維持持續訂購。供應商可能在客戶仍在評估哪些用途才值得投入資金時，就已享受強勁的需求；這兩者之間存在關聯，但時間節點卻不盡相同。
AI 投資接下來要問的問題
分別追蹤設備銷售、已部署容量和客戶退貨。它們衡量的是 AI 投資週期的不同階段。
增加人工智慧資本支出是否能保證更高的股東回報？
並非如此。回報還取決於利用率、定價、營運成本、資產壽命以及投資者為企業支付的價格。
參與討論
留言經審核通過後顯示。歡迎提出與主題相關的不同意見。