À mon avis, le marché n’a peut-être pas encore bien évalué le potentiel économique de l’inférence IA et du stockage. En clair, ce segment est peut-être sous-évalué. Ne vous focalisez pas uniquement sur l’effervescence autour de l’entraînement des modèles.
Jusqu’à présent, les investissements dans l’IA étaient principalement axés sur l’entraînement des modèles. À l’avenir, avec le déploiement à grande échelle de la commercialisation de l’IA, la demande en inférence pourrait continuer à croître.
L’entraînement consomme de la puissance de calcul, tandis que l’inférence doit fonctionner en continu. Cela devrait entraîner une demande pour toute une série de produits : HBM, DRAM, NAND, SSD d’entreprise, mémoire flash à large bande passante HBF et serveurs d’inférence.
De mon côté, je m’intéresse surtout à $MU , $SNDK et $SKHY .
Jusqu’à présent, les investissements dans l’IA étaient principalement axés sur l’entraînement des modèles. À l’avenir, avec le déploiement à grande échelle de la commercialisation de l’IA, la demande en inférence pourrait continuer à croître.
L’entraînement consomme de la puissance de calcul, tandis que l’inférence doit fonctionner en continu. Cela devrait entraîner une demande pour toute une série de produits : HBM, DRAM, NAND, SSD d’entreprise, mémoire flash à large bande passante HBF et serveurs d’inférence.
De mon côté, je m’intéresse surtout à $MU , $SNDK et $SKHY .