Un investisseur d'A16z remet en question la perspective de surcapitalisation de l'infrastructure IA de Sequoia

Dans un fil Twitter récent, Guido Appenzeller, investisseur en IA et infrastructure chez a16z, a exprimé son fort désaccord avec David Cahn de Sequoia Capital concernant l'état des investissements dans les infrastructures GPU et IA. Ce débat porte sur la question de savoir s'il y a une surcapitalisation des investissements dans l'infrastructure IA ou si elle est justifiée et essentielle dans le paysage technologique en évolution.

L'argument central d'Appenzeller repose sur la conviction que l'intelligence artificielle (IA) deviendra un composant omniprésent dans pratiquement tous les produits contenant des logiciels. Il affirme qu'un investissement substantiel dans l'infrastructure GPU, même s'élevant à 50 milliards de dollars, peut être facilement amorti sur les 5 000 milliards de dollars de dépenses informatiques mondiales.

David Cahn, de Sequoia Capital, avait précédemment soutenu que pour que les 50 milliards de dollars de revenus GPU de NVIDIA soient durables, il faudrait 200 milliards de dollars de « revenus IA ». Cependant, il a fait valoir qu'il n'y a que 75 milliards de dollars disponibles, suggérant une saturation potentielle du marché de l'infrastructure IA. Appenzeller, cependant, a avancé trois contre-arguments clés.

Appenzeller soutient qu'il existe une confusion autour de diverses métriques financières et de l'attribution des revenus sur le marché de l'infrastructure IA. Il est crucial de distinguer les différentes formes de génération de revenus, telles que les ventes directes de logiciels IA et les flux de revenus indirects facilités par l'infrastructure IA.

Coûts de l'électricité vs investissements matériels

Appenzeller souligne que les coûts à long terme de l'électricité associés à l'infrastructure IA sont nettement inférieurs aux coûts initiaux du matériel GPU. Il estime que sur un cycle de vie de cinq ans, le coût de l'électricité ne représente que 0,15 $ pour chaque dollar dépensé en matériel. Cette rentabilité au fil du temps souligne l'importance d'une infrastructure IA robuste.

Peut-être plus crucialement, Appenzeller affirme que Cahn sous-estime l'ampleur de la révolution IA. Il présente l'exemple des dépenses annuelles substantielles de plus de 200 milliards de dollars dans l'infrastructure réseau. Appenzeller note que cet investissement massif ne se traduit pas nécessairement directement par 800 milliards de dollars de revenus en « logiciels réseau ». Au lieu de cela, des entreprises comme Google utilisent l'infrastructure réseau pour faciliter leur activité principale, comme la vente de publicités, qui apparaît ensuite comme des revenus publicitaires. Cela illustre comment les investissements dans l'infrastructure IA peuvent avoir des impacts indirects et étendus sur la génération de revenus.

Les nuances de l'attribution des revenus

Le débat en cours entre Appenzeller et Cahn a des implications significatives pour prédire la taille et la trajectoire du marché de l'IA. Appenzeller croit fermement que le niveau actuel de dépenses en infrastructure IA est entièrement justifié car il envisage l'IA comme une force transformatrice dans tous les secteurs. En revanche, Cahn soulève des préoccupations concernant les capacités excédentaires à court terme. Les deux parties partagent cependant une croyance commune dans l'immense potentiel à long terme de la technologie IA.

Le différend concernant les investissements dans l'infrastructure IA, tel que débattu par Guido Appenzeller et David Cahn, souligne la nature complexe et évolutive de l'industrie de l'IA. Les arguments d'Appenzeller mettent en évidence la nature multifacette de l'attribution des revenus sur le marché de l'infrastructure IA et les avantages à long terme de tels investissements. La perspective de Cahn, d'autre part, soulève des préoccupations légitimes quant au potentiel de surinvestissement à court terme. Alors que la révolution IA continue de se déployer, l'issue de ce débat jouera sans aucun doute un rôle pivot dans la formation de l'avenir du marché de l'IA et son impact sur divers secteurs.