.@romeovdean e eu escrevemos um post no blog para nos ensinar sobre a construção de IA. Fomos surpreendidos por algumas das coisas que aprendemos: 1. Há um enorme excesso de CapEx fab - com um único ano de lucros em 2025, a Nvidia poderia cobrir os últimos 3 anos de todo o CapEx da TSMC. Em 2025, a NVIDIA transformará cerca de 6 bilhões de dólares em valor depreciado de CapEx da TSMC em 200 bilhões de dólares em receita. Mais acima na cadeia de suprimentos, um único ano de receita da NVIDIA quase igualou os últimos 25 anos de total de P&D e capex das cinco maiores empresas de equipamentos semicondutores combinadas, incluindo ASML, Applied Materials e Tokyo Electron. Se a demanda por IA continuar, para não dizer crescer, há mais do que dinheiro suficiente para construir mais fabs. 2. Previsamos dois cenários diferentes até 2040: crescimento explosivo e inverno da IA. No cenário de crescimento explosivo (que leva a 2 trilhões de dólares em CapEx de IA por ano até 2030), a visão de @sama de 1 GW por semana para a empresa líder se concretiza em 2036. Mas nesse mundo, o consumo global de energia de IA seria o dobro da geração atual de eletricidade dos EUA. 3. Nas últimas duas décadas, a construção de datacenters basicamente cooptou a infraestrutura de energia deixada pela desindustrialização dos EUA. Para que o CapEx de IA continue crescendo em sua trajetória atual, todos os elos da cadeia de suprimentos (desde pessoas que fabricam fios de cobre até turbinas, transformadores e equipamentos de comutação) precisarão expandir a capacidade de produção. A questão chave é que essas empresas têm ciclos de depreciação de 10 a 30 anos para suas fábricas (compare isso com 3 anos para chips). Dada a sua margem geralmente baixa, elas precisam de lucros constantes por décadas, e já foram queimadas por bolhas antes. Se houver um excesso financeiro não apenas para fabs, mas também para outros componentes de datacenter, os hyperscalers poderiam simplesmente pagar margens mais altas para acelerar a expansão da capacidade? Especialmente considerando que os chips representam mais de 60% do custo de um datacenter. Fizemos algumas contas rápidas sobre fabricantes de turbinas a gás que parecem indicar que os hyperscalers poderiam pagar para ter sua capacidade expandida por uma parte relativamente pequena do custo total do datacenter. Como diz @tylercowen, não subestime a elasticidade da oferta. 4. Acreditamos que a China provavelmente estará à frente em IA no mundo de longos prazos (ou seja, sem singularidade de software em 2028). A cada 3 anos, os chips se depreciam, e a corrida começa novamente. Uma vez que a China alcance os nós de processo de ponta, a IA se torna uma enorme corrida industrial em toda a cadeia de suprimentos. E isso parece alimentar as vantagens diferenciais da China. 5. Os prazos de entrega são a consideração predominante para qual fonte de energia você usa para alimentar o datacenter, seja você conecte o datacenter à rede ou não, e como você projeta o datacenter. Isso porque cada mês que a estrutura não está montada é um mês em que os chips (que são a grande maioria do seu custo) não estão sendo utilizados. Então você pode ver por que o gás natural, por exemplo, é muito preferido em relação aos reatores nucleares atuais. A energia nuclear tem custos operacionais extremamente baixos, mas tem prazos de entrega extremamente longos e alto CapEx. O gás natural pode não ser renovável, mas você pode simplesmente montar algumas dúzias de turbinas a gás ao lado do datacenter e fazer seus chips funcionarem o mais rápido possível. A energia solar e eólica também têm prazos de construção curtos, e você pode suavizar sua energia com baterias. Mas você teria que contratar milhares de pessoas para montar uma fazenda solar do tamanho de Manhattan para alimentar de forma confiável um único datacenter de 1 GW. Muito mais no post completo do blog. Link abaixo.