Продължете към съдържанието

От DeepSeek до Kimi K3: 18 месеца, които промениха инвестиционната логика на AI, тъй като Jevons Paradox потвърждава, че Compute Is King

  • от



От DeepSeek до Kimi K3: 18 месеца, които промениха инвестиционната логика на AI, тъй като Jevons Paradox потвърждава, че Compute Is King

Осемнадесет месеца след като DeepSeek-R1 паникьоса пазарите, като предложи по-евтино обучение, анулира инвестицията в компютри, Kimi K3 с 2.8T MoE параметри беше наречен DeepSeek 2.0 moment. Отговорът е противоположен на страховете за 2025 г.: Парадоксът на Джевънс е там, където печалбите в ефективността водят до увеличено общо потребление на изчисления.

Мащабът на капиталовите разходи противоречи на предишните очаквания. Google повиши насоките си за CapEx за 2026 г. с 15 милиарда долара до 195-205 милиарда долара, като ръководството предупреди, че капиталните разходи за 2027 г. ще се увеличат значително и че инвестициите в инфраструктура ще продължат да оказват натиск върху маржовете чрез по-високи амортизации и оперативни разходи за центрове за данни. Анализаторите предвиждат капиталови разходи на топ 5 на доставчиците на облачни услуги в световен мащаб да надхвърлят $800 милиарда през 2026 г., като потенциално ще достигнат $1-1,2 трилиона до 2027 г., като топ 14 доставчици показват годишен капиталов растеж над 90%. Дисбалансът между предлагането и търсенето на AI изчисления не е намалял въпреки пробивите в ефективността.

Пазарът направи рязко разграничение между създателите на AI модели и доставчиците на AI инфраструктура. Акциите на Hyperscaler общо се понижиха с 18% през юни 2026 г., най-лошото им месечно представяне от IPO на Meta 2012, тъй като инвеститорите се съмняваха дали огромните капиталови разходи могат да генерират пропорционална възвръщаемост. Печалбите на Google, които надминаха очакванията, все пак предизвикаха спад от 4% след работно време само на новините за капиталови разходи. Междувременно запасите от AI хардуер се повишиха с 16% през същия период, създавайки огледален обрат. Акциите на паметта и полупроводниците са най-явните победители, тъй като търсенето на HBM, DRAM и GPU остава структурно недостатъчно.

K3 при параметри 2.8T изисква поне 10 GB300 GPU за локално внедряване. Ако разходите за обучение паднат с 40%, но надпреварата във въоръжаването удвои честотата на обучение, нетното изчислително търсене нараства с 20%. Ефективността подхранва повече конкуренция, не по-малко.

Паметта е най-тясното място: доставките на HBM от SK Hynix остават ограничени за 2-3 години. Изводите от изкуствен интелект стимулират възраждането на процесора с прогнозиран растеж от 4-5 пъти. Центърът за данни Zhipu AI 1GW е пример за реакцията на Китай: дори компаниите, фокусирани върху ефективността, сега инвестират сериозно в изчислителен мащаб.



Source link