تغيّر اتجاه طلبات الذكاء الاصطناعي، فما الأعمال الأخرى التي يمكن لوحدات GPU التي اشتريناها أن تؤديها؟
هناك سؤال يسهل إغفاله عند الاستثمار في القدرة الحاسوبية: إذا تراجع الطلب على نوع الطلبات الذي راهنّا عليه في البداية، فمن يمكن لهذه الأجهزة أن تخدم؟
في الأول من أكتوبر، وعند مناقشة عوائد مصانع الذكاء الاصطناعي، سلّطت إنفيديا الضوء على مرونة الاستخدام. فالمنصة نفسها للحوسبة المُسرَّعة يمكنها التعامل مع معالجة البيانات والتدريب والاستدلال، كما يمكن استخدامها في الحوسبة العلمية والمحاكاة والمهام الرسومية. وهذا وصف لقدرات منتجات الشركة، وليس ضماناً لمعدل إشغالها مستقبلاً.
أفضّل أن أفهم ذلك على أنه هامش لإعادة ضبط النشاط. فالعائد من الأجهزة المخصصة لمهمة واحدة يعتمد بدرجة أكبر على استمرار الطلب عليها؛ أما الأجهزة القادرة على الانتقال بين المهام، فقد تتمكن من إيجاد مصدر دخل آخر حين تتغير ميزانيات العملاء.
لكن ثمة خطوات كثيرة بين «القدرة على التشغيل» و«القدرة على قبول الطلبات»، منها تكييف البرمجيات، وضبط الشبكات والذاكرة، واجتياز اختبارات قبول العملاء، والوقت اللازم للترحيل. ولا يمكن ببساطة جمع الطلب النظري على مهام مختلفة واعتباره أرباحاً تحققها الآلة نفسها في الوقت ذاته. كما يجب أن يتحمل أحدٌ كلفة التوقف والتعديلات خلال فترة الانتقال.
لذلك، عند متابعة شراكات إنفيديا مع مزوّدي الخدمات السحابية، سأراقب تركيبة العملاء وأحمال العمل الفعلية، لا القدرة الحاسوبية القصوى فحسب. كلما اتسع نطاق الاستخدام، زادت الخيارات؛ أما مقدار الأرباح الإضافية تحديداً، فيجب أن تثبته الطلبات والتكاليف الفعلية.
وعند تقييم السرديات المتعلقة بالحوسبة أو الذكاء الاصطناعي لدى RENDER وFET وNEAR وغيرها، ينبغي التحقق أولاً من المهام التي تدعمها فعلياً، وعدم إسقاط قدرات إنفيديا مباشرةً على مشاريع العملات الرقمية.
الصورة الثانية صورة أرشيفية لمبنى مكاتب إنفيديا في بونه.
$RENDER $FET $NEAR
اضغط على صورتي الشخصية لمشاهدة التداول المباشر مع توصياتي
هناك سؤال يسهل إغفاله عند الاستثمار في القدرة الحاسوبية: إذا تراجع الطلب على نوع الطلبات الذي راهنّا عليه في البداية، فمن يمكن لهذه الأجهزة أن تخدم؟
في الأول من أكتوبر، وعند مناقشة عوائد مصانع الذكاء الاصطناعي، سلّطت إنفيديا الضوء على مرونة الاستخدام. فالمنصة نفسها للحوسبة المُسرَّعة يمكنها التعامل مع معالجة البيانات والتدريب والاستدلال، كما يمكن استخدامها في الحوسبة العلمية والمحاكاة والمهام الرسومية. وهذا وصف لقدرات منتجات الشركة، وليس ضماناً لمعدل إشغالها مستقبلاً.
أفضّل أن أفهم ذلك على أنه هامش لإعادة ضبط النشاط. فالعائد من الأجهزة المخصصة لمهمة واحدة يعتمد بدرجة أكبر على استمرار الطلب عليها؛ أما الأجهزة القادرة على الانتقال بين المهام، فقد تتمكن من إيجاد مصدر دخل آخر حين تتغير ميزانيات العملاء.
لكن ثمة خطوات كثيرة بين «القدرة على التشغيل» و«القدرة على قبول الطلبات»، منها تكييف البرمجيات، وضبط الشبكات والذاكرة، واجتياز اختبارات قبول العملاء، والوقت اللازم للترحيل. ولا يمكن ببساطة جمع الطلب النظري على مهام مختلفة واعتباره أرباحاً تحققها الآلة نفسها في الوقت ذاته. كما يجب أن يتحمل أحدٌ كلفة التوقف والتعديلات خلال فترة الانتقال.
لذلك، عند متابعة شراكات إنفيديا مع مزوّدي الخدمات السحابية، سأراقب تركيبة العملاء وأحمال العمل الفعلية، لا القدرة الحاسوبية القصوى فحسب. كلما اتسع نطاق الاستخدام، زادت الخيارات؛ أما مقدار الأرباح الإضافية تحديداً، فيجب أن تثبته الطلبات والتكاليف الفعلية.
وعند تقييم السرديات المتعلقة بالحوسبة أو الذكاء الاصطناعي لدى RENDER وFET وNEAR وغيرها، ينبغي التحقق أولاً من المهام التي تدعمها فعلياً، وعدم إسقاط قدرات إنفيديا مباشرةً على مشاريع العملات الرقمية.
الصورة الثانية صورة أرشيفية لمبنى مكاتب إنفيديا في بونه.
$RENDER $FET $NEAR
اضغط على صورتي الشخصية لمشاهدة التداول المباشر مع توصياتي