#NvidiaDefendsAIFunding

#OracleAdobeToday La domanda sull'AI non è più il problema. Il conto è 👀 Oracle ha un enorme arretrato da 638 miliardi di dollari, ma gli investitori vogliono vedere quanto velocemente si trasforma in ricavi e se quel denaro può superare la spesa in capitale per l'AI. Adobe affronta una prova simile con Firefly e GenStudio: l'AI può aumentare i ricavi senza erodere i margini? Ciò che ha attirato la mia attenzione è il cambiamento. Dalla cloud di Oracle al software di Adobe e all'hardware AI di Apple, la corsa si sta spostando dal costruire l'AI al dimostrare che effettivamente rende.

#OracleAdobeToday La domanda sull'AI non è più se ci sia richiesta. Il conto è 👀 Oracle ha un enorme arretrato da 638 miliardi di dollari, ma gli investitori vogliono vedere quanto velocemente si trasforma in ricavi e se quel denaro può superare la spesa in conto capitale per l'AI. Adobe affronta una prova simile con Firefly e GenStudio: l'AI può aumentare i ricavi senza erodere i margini? Ciò che ha attirato la mia attenzione è il cambiamento. Dalla cloud di Oracle al software di Adobe e all'hardware AI di Apple, la corsa si sta spostando dal costruire l'AI al dimostrare che effettivamente rende.

Oracle, Adobe, oggi: la domanda di AI non è più il problema. Il costo lo è 👀 Oracle ha un enorme arretrato da 638 miliardi di dollari, ma gli investitori sono ansiosi di vedere quanto velocemente si trasformerà in ricavi e se quel denaro potrà superare la spesa per l'AI. Adobe affronta una sfida simile con Firefly e GenStudio: l'AI può aumentare i ricavi senza Dal cloud di Oracle al software di Adobe e all'hardware AI di Apple, l'attenzione si sta spostando dal creare AI al dimostrare che effettivamente ripaga. #SeptHikeOddsHit90%

#OracleAdobeToday La domanda sulla domanda di AI non è più il problema. Il conto è 👀 Oracle ha un enorme arretrato da 638 miliardi di dollari, ma gli investitori vogliono vedere quanto velocemente si trasforma in ricavi e se quel denaro può superare la spesa in conto capitale per l'AI. Adobe affronta una prova simile con Firefly e GenStudio: l'AI può aumentare i ricavi senza erodere i margini? Ciò che ha attirato la mia attenzione è il cambiamento. Dalla cloud di Oracle al software di Adobe e all'hardware AI di Apple, la corsa #SeptHikeOddsHit90% #BTCSpotETF450MOutflow #OracleAICloudUp121%

La prova più difficile per il finanziamento dell'AI è la qualità dei ricavi. La difesa di Huang si basa su contratti reali con i clienti e sulla piccola quota di Nvidia nel finanziamento degli accordi. La mia interpretazione: quei dettagli contano, ma una domanda duratura sarebbe più convincente se i clienti potessero finanziare acquisti ripetuti di GPU con il flusso di cassa operativo. I soli impegni infrastrutturali non possono risolvere questa questione. #NvidiaDefendsAIFunding

"Ciclo di rialzo" di breve durata, posizionamento "neutrale", moltiplicatori 20x: la guida di Goldman per acquistare AI mentre la coda sinistra è ancora in fiamme

Ho trovato questo davvero interessante. A quanto pare, aggiungere GPU più economiche può aiutarti a ottenere più lavoro da quelle costose che possiedi già. NVIDIA ha testato questo con quattro GPU GB200 e due GPU RTX 6000D a costo inferiore. Le schede RTX gestivano la fase di elaborazione delle immagini, lasciando alle GB200 l'esecuzione del modello linguistico. Su un carico di lavoro pesante di immagini, la configurazione combinata ha servito il 70% di traffico in più mantenendo lo stesso obiettivo di velocità di risposta. Hanno aggiunto hardware, quindi non si è trattato di un guadagno di prestazioni gratuito. Ma hanno aumentato la capacità senza acquistare più GB200. Penso che questo apra un'opportunità interessante per i neocloud. Se l'accesso ai chip più costosi limita la quantità di lavoro che possono gestire, un chip più economico che libera quelle macchine diventa molto più prezioso per loro. Questo potrebbe spingere la domanda di AI più in basso nel mercato delle GPU. Queste erano schede RTX professionali, non schede da gioco consumer. Ma ovunque le schede consumer possano gestire quei lavori più piccoli in modo economico, i neocloud potrebbero diventare un altro acquirente in competizione per lo stesso hardware con i gamer e i piccoli sviluppatori. Una GPU consumer non dovrebbe eseguire l'intero modello per essere utile. Dovrebbe solo alleggerire abbastanza il lavoro di una GPU scarsa e costosa da giustificare l'acquisto. Se questo dovesse iniziare a succedere su larga scala, alcune delle carenze che stiamo osservando nei data center potrebbero diffondersi in parti del mercato che oggi sembrano ben fornite.

Per tutti gli esperti di AI, significa che i leader rallentano pubblicamente ciò che rilasciano ma internamente operano ancora sotto un dilemma del prigioniero e mantengono il ritmo? È un po' la mossa del guaritore, no? Otticamente questo significherebbe che tutto lo sviluppo interno rallenta, la struttura del mercato rimane confusa, il FCF si sviluppa più lentamente e il capex diventa più dipendente dal debito. Penso.

#OracleAdobeToday La domanda sull'AI non è più il problema. Il conto è 👀 Oracle ha un enorme arretrato da 638 miliardi di dollari, ma gli investitori vogliono vedere quanto velocemente si trasforma in ricavi e se quel denaro può superare la spesa in conto capitale per l'AI. Adobe affronta una prova simile con Firefly e GenStudio: l'AI può aumentare i ricavi senza erodere i margini? Ciò che ha attirato la mia attenzione è il cambiamento. Dal cloud di Oracle al software di Adobe e all'hardware AI di Apple, la corsa si sta spostando dal costruire l'AI al dimostrare che effettivamente rende. #SeptHikeOddsHit90%

10 NOMI CHE MAPPANO IL PAESAGGIO DEL CLOUD AI 1. $CRWV combina una profonda integrazione con $NVDA con software progettato per mantenere efficienti grandi cluster di addestramento AI 2. $NBIS combina hardware e software interni con il controllo sull'infrastruttura e l'energia, creando più opportunità per migliorare l'efficienza 3. $DOCN rende l'inferenza AI e lo sviluppo di agenti accessibili alle piccole imprese tramite una piattaforma cloud gestita 4. $IREN combina terreni di proprietà con un grande condotto di energia sicuro, fornendo una base per espandere la capacità AI 5. $SHAZ unisce partnership regionali con capacità di cloud sovrano per servire clienti che necessitano di infrastruttura locale e controllo dei dati 6. $NET combina inferenza AI con strumenti per sviluppatori, storage e sicurezza, facilitando la creazione di applicazioni sulla sua rete edge 7. Crusoe costruisce i suoi campus attorno all'energia disponibile, allineando lo sviluppo dei data center con l'energia necessaria per farli funzionare 8. Lambda è specializzata in cluster GPU densi con software gestito che semplifica l'addestramento e l'esecuzione di modelli AI 9. $AKAM unisce calcolo, sicurezza e distribuzione di contenuti attraverso una rete globale consolidata vicino ai clienti 10. $FSLY utilizza l'esecuzione leggera di WebAssembly per avviare rapidamente le applicazioni e gestire le richieste vicino agli utenti