Tych 5 firm zarabia na AI, ale inaczej niż na chipach
Kiedy mówi się o inwestycjach w AI, większość ludzi kojarzy Nvidię i jej GPU. Jednak wokół każdego klastra AI powstaje łańcuch dostawców, bez których centrum danych nie mogłoby funkcjonować. Ktoś musi połączyć tysiące chipów, zapewnić ogromne ilości energii elektrycznej, odprowadzić powstające ciepło i dostarczyć serwery. Boom AI nie opiera się więc tylko na chipach, ale na całej infrastrukturze wokół nich.
Najważniejsze punkty
Ważniejszym pytaniem niż to, kto produkuje najszybszy chip, jest ekonomika reszty łańcucha, czyli gdzie dokładnie w procesie budowy infrastruktury AI powstaje zysk i jak trwały jest ten zysk. Pięć wybranych firm zajmuje różne części tego łańcucha: Arista Networks $ANET w warstwie sieciowej, Vertiv $VRT w zasilaniu i chłodzeniu, Synopsys $SNPS w projektowaniu chipów, Amphenol $APH w łączności, a Jabil $JBL w produkcji. Żadna z nich nie produkuje chipów AI. Wszystkie jednak czerpią zyski z ich wzrostu, choć w bardzo różny sposób i z bardzo różną jakością biznesu.
AI infrastructure stack w pigułce
Zanim przejdziemy do poszczególnych firm, warto podzielić cały łańcuch na warstwy. Każdy nowy klaster AI, niezależnie czy buduje go Microsoft $MSFT, Meta $META czy mniejszy gracz chmurowy, potrzebuje mniej więcej tego samego: szybkiej sieci między serwerami, wystarczającej ilości energii i chłodzenia dla kilkudziesięciu kilowatów na jedną szafę, milionów złączy i połączeń kablowych, zaawansowanego oprogramowania do projektowania samych chipów, a na końcu fizycznej produkcji i montażu serwerów.
Firma | Część infrastruktury AI | Co sprzedaje | Jak AI zwiększa popyt |
|---|---|---|---|
Arista Networks | Warstwa sieciowa | Przełączniki Ethernet, oprogramowanie sieciowe EOS | Klastry GPU potrzebują ekstremalnie szybkich i niezawodnych połączeń między tysiącami chipów |
Vertiv | Zasilanie i chłodzenie | Systemy UPS, chłodzenie cieczą, zarządzanie energią | Wydajniejsze chipy AI zużywają więcej energii i generują więcej ciepła na szafę |
Synopsys | Projektowanie chipów | Oprogramowanie EDA do projektowania i weryfikacji chipów | Złożoność chipów AI wykładniczo zwiększa wymagania wobec narzędzi projektowych |
Amphenol | Łączność | Złącza, zespoły kablowe, połączenia optyczne | Więcej GPU na serwer oznacza więcej połączeń danych i zasilania |
Jabil | Produkcja | Produkcja kontraktowa serwerów i infrastruktury centrów danych | Hiperskalerzy potrzebują zewnętrznych mocy produkcyjnych do szybkiego skalowania |
Nie chodzi przy tym o to, że te firmy są jakąś gorszą alternatywą dla inwestycji w Nvidię. Każda z nich ma inną wrażliwość na capex AI, inną fosę i inną wycenę, i właśnie dlatego zasługują na osobną analizę.