Nvidia rozważa przejęcie Lepton AI dla wynajmu serwerów AI

Na arenie sztucznej inteligencji o wysokiej stawce, gdzie moc obliczeniowa króluje niepodzielnie, Nvidia stoi jako niekwestionowany monarcha, a jej procesory graficzne (GPUs) stanowią fundament, na którym zbudowana jest znaczna część obecnej rewolucji AI. Jednak pogłoski dochodzące z korytarzy technologicznych sugerują, że tytan półprzewodników może rozważać strategiczną ekspansję poza swoją podstawową działalność związaną z krzemem. Raporty wskazują, że Nvidia prowadzi zaawansowane rozmowy w sprawie potencjalnego przejęcia Lepton AI, raczkującego startupu działającego na coraz ważniejszym rynku wynajmu serwerów AI. Ten ruch, jeśli zostanie sfinalizowany, może zasygnalizować znaczącą ewolucję w strategii Nvidia, przesuwając ją dalej w górę łańcucha wartości i potencjalnie zmieniając dynamikę dostępu do infrastruktury AI.

Potencjalna transakcja, wyceniana przez źródła cytowane w The Information na kwotę sięgającą kilkuset milionów dolarów, koncentruje się na firmie mającej zaledwie dwa lata. Lepton AI wypracowało sobie specyficzną niszę: wynajmuje serwery wyposażone w pożądane chipy AI firmy Nvidia, pozyskując tę moc obliczeniową głównie od głównych dostawców chmury, a następnie podnajmuje ją innym firmom, często mniejszym graczom lub tym, którzy potrzebują elastycznego dostępu bez długoterminowych zobowiązań wobec gigantów chmurowych. Ten model biznesowy pozycjonuje Lepton AI jako pośrednika, facylitatora w złożonym ekosystemie dostarczającym surową moc obliczeniową napędzającą rozwój i wdrażanie AI.

Rozszyfrowanie Lepton AI: Pośrednik w Gorączce GPU

Założone zaledwie dwa lata temu, Lepton AI reprezentuje przedsiębiorczy zapał otaczający boom infrastruktury AI. Jego podstawowa propozycja kręci się wokół dostępności i elastyczności. Podczas gdy dostawcy chmury hiperskalowej, tacy jak Amazon Web Services (AWS), Microsoft Azure i Google Cloud Platform (GCP), oferują bezpośredni dostęp do instancji Nvidia GPU, nawigacja po ich ofertach, zabezpieczanie mocy obliczeniowej i zarządzanie infrastrukturą mogą być złożone i kosztowne, szczególnie dla startupów lub zespołów o zmiennych potrzebach.

Lepton AI wkracza w tę lukę. Poprzez agregację mocy serwerowej – zasadniczo kupując hurtowo od dostawców chmury – a następnie oferując ją na potencjalnie bardziej elastycznych warunkach lub z usługami o wartości dodanej dostosowanymi do obciążeń AI, ma na celu uproszczenie dostępu do obliczeń o wysokiej wydajności. Model ten rozwija się dzięki utrzymującemu się niedoborowi i przytłaczającemu popytowi na zaawansowane GPUs Nvidia, takie jak H100 i jego poprzednicy. Firmy, które nie są w stanie zabezpieczyć alokacji bezpośrednio od Nvidia lub stoją w obliczu długich list oczekujących u dostawców chmury, mogą zwrócić się do pośredników takich jak Lepton AI w celu uzyskania szybszego lub bardziej dostosowanego dostępu.

Startup zabezpieczył skromne 11 milionów dolarów finansowania zalążkowego w maju 2023 roku, prowadzonego przez CRV i Fusion Fund. Ten początkowy zastrzyk kapitału prawdopodobnie napędził jego wysiłki w budowaniu platformy, nawiązywaniu relacji z dostawcami chmury i pozyskiwaniu początkowej bazy klientów. Działanie w tej przestrzeni wymaga znacznego kapitału, nie tylko na wydatki operacyjne, ale potencjalnie na wcześniejsze zobowiązanie się do dzierżawy serwerów, aby zapewnić dostępność mocy obliczeniowej dla własnych klientów. Podana cena przejęcia sugeruje zatem albo szybki wzrost i obiecującą trakcję osiągniętą przez Lepton AI w krótkim okresie istnienia, albo, co być może ważniejsze, ogromną wartość strategiczną, jaką Nvidia przywiązuje do kontrolowania lub wpływania na dalszy dostęp do własnego sprzętu.

Lepton AI zasadniczo działa jako wyspecjalizowany odsprzedawca i warstwa usługowa, abstrahując od niektórych złożoności związanych z bezpośrednim kontaktem z dużą infrastrukturą chmurową. Jego docelowa klientela może obejmować:

• Startupy AI: Firmy potrzebujące potężnych obliczeń do trenowania modeli lub wnioskowania, ale nieposiadające skali lub zasobów na duże kontrakty chmurowe.
• Laboratoria badawcze: Akademickie lub korporacyjne grupy badawcze wymagające krótkotrwałego dostępu do obliczeń o wysokiej wydajności na potrzeby eksperymentów.
• Przedsiębiorstwa: Większe firmy eksplorujące konkretne projekty AI, potrzebujące dodatkowej mocy obliczeniowej poza istniejącymi umowami chmurowymi.

Żywotność tego modelu zależy od zdolności Lepton AI do niezawodnego i opłacalnego zabezpieczania mocy obliczeniowej GPU, efektywnego zarządzania infrastrukturą oraz oferowania atrakcyjnych cen lub usług w porównaniu z bezpośrednim zwróceniem się do źródła. To delikatna równowaga na rynku zdominowanym przez gigantów.

Strategiczne Kalkulacje Nvidia: Poza Krzem

Dlaczego Nvidia, firma, której fenomenalny sukces wynika z projektowania i sprzedaży najbardziej poszukiwanych chipów AI w branży, miałaby wchodzić w biznes wynajmu serwerów, skutecznie konkurując, choć pośrednio, ze swoimi największymi klientami – dostawcami usług chmurowych? Potencjalne motywacje są wieloaspektowe i wiele mówią o ewoluującym krajobrazie AI.

1. Integracja Pionowa i Przechwytywanie Wartości: Łańcuch wartości AI rozciąga się od projektowania i produkcji chipów, poprzez integrację serwerów, operacje centrów danych, platformy chmurowe, aż po same aplikacje AI. Obecnie Nvidia przechwytuje ogromną wartość na poziomie chipów. Jednak znacząca wartość jest również generowana dalej w dół strumienia, w warstwie infrastruktury jako usługi (IaaS), gdzie firmy płacą premie za dostęp do obliczeń przyspieszanych przez GPU. Przejmując gracza takiego jak Lepton AI, Nvidia mogłaby potencjalnie przechwycić większy kawałek ogólnych wydatków na infrastrukturę AI, wykraczając poza sprzedaż komponentów w kierunku świadczenia usług.

2. Wywiad Rynkowy i Bezpośrednia Informacja Zwrotna od Klientów: Prowadzenie usługi wynajmu, nawet na odległość, dostarczyłoby Nvidia bezcennych informacji w czasie rzeczywistym na temat tego, jak jej GPUs są wykorzystywane, jakie obciążenia są najczęstsze, jakie stosy oprogramowania są preferowane i z jakimi wąskimi gardłami borykają się klienci. Ta bezpośrednia pętla informacji zwrotnej mogłaby wpłynąć na przyszłe projektowanie chipów, rozwój oprogramowania (jak platforma CUDA) i ogólną strategię rynkową znacznie skuteczniej niż poleganie wyłącznie na informacjach zwrotnych filtrowanych przez dużych partnerów chmurowych.

3. Kształtowanie Rynku i Zapewnienie Dostępu: Chociaż hiperskalerzy są kluczowymi partnerami, Nvidia może pragnąć większego bezpośredniego wpływu na to, jak jej technologia dociera do szerszego rynku, zwłaszcza mniejszych innowatorów. Ramię wynajmu mogłoby służyć jako kanał zapewniający określonym segmentom klientów lub strategicznym inicjatywom gwarantowany dostęp do najnowszego sprzętu Nvidia, potencjalnie wspierając innowacje, które ostatecznie napędzają większy popyt na jej chipy. Mogłoby również służyć jako poligon doświadczalny dla nowych ofert sprzętowych lub programowych przed szerszym udostępnieniem ich przez głównych partnerów chmurowych.

4. Dynamika Konkurencji: Ten ruch można również interpretować defensywnie. W miarę jak konkurenci (tacy jak AMD i Intel) starają się zdobyć pozycję na rynku chipów AI, a hiperskalerzy rozwijają własny niestandardowy krzem AI, Nvidia może postrzegać posiadanie bezpośredniego kanału do użytkowników końcowych jako sposób na umocnienie dominacji swojego ekosystemu i lojalności klientów. Zapewnia platformę do prezentacji wydajności i łatwości użytkowania pełnego stosu Nvidia (sprzęt plus oprogramowanie).

5. Eksploracja Nowych Modeli Biznesowych: Nieustanny popyt na moc obliczeniową AI może skłaniać Nvidia do eksploracji modeli przychodów cyklicznych wykraczających poza sprzedaż sprzętu. Chociaż przychody z usług prawdopodobnie początkowo pozostałyby niewielkie w porównaniu ze sprzedażą chipów, stanowi to dywersyfikację i wejście do segmentu doświadczającego gwałtownego wzrostu.

Jednak wejście na rynek wynajmu serwerów nie jest pozbawione ryzyka. Stawia to Nvidia w potencjalnej “kooperencji” (współpracy i konkurencji) z jej największymi klientami, dostawcami chmury, którzy kupują jej GPUs o wartości miliardów dolarów. Nvidia musiałaby ostrożnie nawigować tymi relacjami, aby uniknąć zrażenia tych krytycznych partnerów. Co więcej, prowadzenie działalności usługowej wymaga innych zdolności operacyjnych niż projektowanie i sprzedaż sprzętu – koncentracji na czasie sprawności, obsłudze klienta i zarządzaniu infrastrukturą.

Rozwijający się Rynek Wynajmowanej Mocy AI

Kontekstem potencjalnego zainteresowania Nvidia firmą Lepton AI jest bezprecedensowa gorączka złota w poszukiwaniu zasobów obliczeniowych AI. Trenowanie dużych modeli językowych (LLMs), takich jak te napędzające ChatGPT, czy rozwijanie zaawansowanych aplikacji AI w dziedzinach takich jak odkrywanie leków, autonomiczna jazda i modelowanie finansowe, wymaga ogromnej mocy obliczeniowej, dostarczanej głównie przez GPUs.

Kluczowe czynniki napędzające rynek wynajmu obejmują:

• Zaporowe Koszty Sprzętu: Zakup najnowocześniejszych serwerów AI na własność stanowi ogromny wydatek kapitałowy, często poza zasięgiem startupów, a nawet wielu uznanych przedsiębiorstw. Najwyższej klasy GPUs Nvidia, takie jak H100, mogą kosztować dziesiątki tysięcy dolarów za sztukę, a w pełni wyposażony serwer może kosztować setki tysięcy.
• Niedobór Sprzętu: Popyt na zaawansowane GPUs Nvidia konsekwentnie przewyższa podaż. Nawet duzi dostawcy chmury mają problemy z zabezpieczeniem wystarczającej ilości zapasów, co prowadzi do list oczekujących i ograniczeń przepustowości. Ten niedobór stwarza szansę dla pośredników, którym udaje się zabezpieczyć alokacje.
• Potrzeba Elastyczności i Skalowalności: Rozwój AI często wiąże się z nieprzewidywalnymi potrzebami obliczeniowymi. Zespoły mogą wymagać ogromnych zasobów do trwających tygodniami sesji treningowych, po których następują okresy niższego wykorzystania. Modele wynajmu oferują elastyczność skalowania zasobów w górę lub w dół w zależności od potrzeb, zamieniając wydatki kapitałowe na wydatki operacyjne.
• Szybka Przestarzałość Technologiczna: Tempo innowacji w sprzęcie AI jest zawrotne. Wynajem pozwala firmom uzyskać dostęp do najnowszej technologii bez ryzyka posiadania szybko tracących na wartości aktywów.

Startupy takie jak Lepton AI i jego większy, nieco starszy konkurent, Together AI, pojawiły się, aby wykorzystać tę dynamikę. Together AI, po zebraniu ponad pół miliarda dolarów kapitału wysokiego ryzyka, działa na podobnej zasadzie, ale potencjalnie na większą skalę, co podkreśla zaufanie inwestorów do modelu wynajmu GPU i wyspecjalizowanej chmury AI. Firmy te odróżniają się od hiperskalerów, koncentrując się wyłącznie na obciążeniach AI/ML, potencjalnie oferując zoptymalizowane stosy oprogramowania, specjalistyczne wsparcie lub bardziej przewidywalne struktury cenowe dla określonych przypadków użycia. Reprezentują one rosnącą warstwę specjalizacji na szerszym rynku infrastruktury chmurowej.

Nawigacja po Arenie Konkurencji: Startupy kontra Giganci

Krajobraz konkurencyjny wynajmu mocy obliczeniowej AI jest złożony, obejmując mieszankę uznanych gigantów i zwinnych startupów.

• Hiperskalerzy (AWS, Azure, GCP): Są to dominujący gracze, oferujący szeroką gamę usług, w tym instancje GPU. Korzystają z ekonomii skali, globalnego zasięgu i zintegrowanych ekosystemów. Są również największymi klientami Nvidia. Jednak ich skala może czasami przekładać się na złożoność, mniej spersonalizowane wsparcie dla mniejszych klientów i intensywną konkurencję o ograniczoną pojemność GPU w okresach szczytowego zapotrzebowania.
• Wyspecjalizowani Dostawcy Chmury AI (np. CoreWeave, Lambda Labs): Firmy te koncentrują się specjalnie na dostarczaniu obliczeń o wysokiej wydajności dla AI/ML, często chwaląc się dużymi flotami GPUs i wiedzą specjalistyczną dostosowaną do tych obciążeń. Konkurują bezpośrednio zarówno z hiperskalerami, jak i mniejszymi startupami wynajmującymi.
• Startupy Wynajmujące (np. Lepton AI, Together AI): Ci gracze często koncentrują się na określonych niszach, elastyczności lub łatwości użytkowania. Ich model często polega na dzierżawieniu mocy obliczeniowej od hiperskalerów lub wyspecjalizowanych dostawców i odsprzedawaniu jej, dodając warstwę zarządzania, optymalizacji lub specyficznych narzędzi. Ich istnienie podkreśla nieefektywność rynku i niezaspokojone potrzeby w zakresie dostosowanego dostępu.

Przejęcie Lepton AI umieściłoby Nvidia bezpośrednio w tej konkurencyjnej walce, choć potencjalnie zaczynając od małej skali. Konkurowałaby, w pewnym sensie, z innymi wyspecjalizowanymi dostawcami i pośrednio z własnymi ofertami wynajmu GPU hiperskalerów. Kluczowym pytaniem jest, jak Nvidia pozycjonowałaby taką usługę. Czy dążyłaby do masowego rynku, czy skupiłaby się na strategicznych niszach, być może wspierając startupy AI w ramach własnego programu Inception lub ułatwiając inicjatywy badawcze?

Relacje z hiperskalerami byłyby najważniejsze. Nvidia mogłaby pozycjonować przejęte Lepton AI jako usługę komplementarną, skierowaną do segmentów niedostatecznie obsługiwanych przez gigantów lub oferującą unikalne optymalizacje oprogramowania oparte na własnym stosie Nvidia (CUDA, cuDNN, TensorRT itp.). Mogłoby to być nawet przedstawiane jako sposób na pośrednie zwiększenie konsumpcji chmury, umożliwiając mniejszym graczom skalowanie do punktu, w którym ostatecznie przeniosą większe obciążenia do AWS, Azure lub GCP. Niemniej jednak potencjał konfliktu kanałowego jest realny i wymagałby starannego zarządzania.

Szepty o Transakcji i Sygnały Wyceny

Podana wycena Lepton AI na “kilkaset milionów dolarów” jest godna uwagi. Dla dwuletniej firmy z zaledwie 11 milionami dolarów ujawnionego finansowania zalążkowego stanowi to znaczną premię. Kilka czynników może przyczynić się do tej potencjalnej ceny:

• Premia Strategiczna: Nvidia może być skłonna zapłacić premię nie tylko za obecną działalność Lepton AI, ale za strategiczną przewagę wejścia na rynek wynajmu, zdobycia informacji rynkowych i zabezpieczenia bezpośredniego kanału do użytkowników.
• Zespół i Technologia: Przejęcie może być częściowo “acqui-hire”, wyceniając wiedzę zespołu Lepton AI w zarządzaniu infrastrukturą GPU i obsłudze klientów AI. Mogą również posiadać zastrzeżone oprogramowanie lub efektywności operacyjne uznane za cenne.
• Walidacja Rynkowa: Sukces i wysoka wycena konkurenta Together AI mogą stanowić punkt odniesienia, sugerując znaczący potencjał rynkowy i uzasadniając wyższą cenę dla Lepton AI, nawet na wcześniejszym etapie.
• Kontrola nad Dostępem do Sprzętu: W środowisku ekstremalnego niedoboru GPU, każdy podmiot, który zabezpieczył dostęp do sprzętu Nvidia – nawet poprzez dzierżawę – ma znaczną wartość. Nvidia może płacić, częściowo, aby kontrolować lub przekierować tę moc obliczeniową.

Jeśli transakcja dojdzie do skutku przy takiej wycenie, wysyła to silny sygnał o postrzeganej wartości zamkniętej w warstwie usług infrastruktury AI, poza samym sprzętem. Sugeruje to, że ułatwianie dostępu i efektywne zarządzanie zasobami GPU jest wysoce wartościową propozycją w obecnym klimacie rynkowym.

Zmarszczki w Ekosystemie: Dostawcy Chmury i Poza Nim

Przejęcie Lepton AI przez Nvidia, nawet jeśli starannie pozycjonowane, nieuchronnie wywołałoby zmarszczki w całym ekosystemie technologicznym.

• Dostawcy Usług Chmurowych: AWS, Azure i GCP będą uważnie obserwować. Chociaż Lepton AI jest obecnie klientem (dzierżawiąc od nich serwery), Lepton należący do Nvidia może stać się bardziej bezpośrednim konkurentem, zwłaszcza jeśli Nvidia zainwestuje znaczne środki w skalowanie jego operacji. Może to skłonić dostawców chmury do ponownej oceny własnych ofert GPU, strategii cenowych i partnerstw z Nvidia. Mogą przyspieszyć wysiłki na rzecz rozwoju własnych niestandardowych akceleratorów AI, aby zmniejszyć zależność od Nvidia.
• Inni Producenci Sprzętu: Konkurenci tacy jak AMD i Intel, którzy próbują rzucić wyzwanie dominacji Nvidia, mogą postrzegać to jako próbę dalszego zamknięcia ekosystemu przez Nvidia poprzez kontrolowanie nie tylko sprzętu, ale także platform dostępu. Może to zwiększyć pilność budowy własnych stosów oprogramowania i wspierania alternatywnych platform infrastrukturalnych.
• Inne Startupy Infrastrukturalne: Dla firm takich jak Together AI, CoreWeave czy Lambda Labs, konkurent wspierany przez Nvidia zmienia krajobraz. Z jednej strony potwierdza to ich rynek; z drugiej strony wprowadza potencjalnie potężnego rywala z głębokimi kieszeniami i niezrównanym wpływem na podstawową technologię.
• Użytkownicy Końcowi: Dla deweloperów AI i firm poszukujących zasobów GPU, ruch ten może być pozytywny, jeśli doprowadzi do większego wyboru, potencjalnie lepiej zoptymalizowanych usług lub łatwiejszego dostępu, zwłaszcza dla mniejszych graczy. Jednak może również prowadzić do obaw o koncentrację rynku, jeśli Nvidia wykorzysta swoją pozycję w nieuczciwy sposób.

Ogólnym efektem może być przyspieszenie trendów integracji pionowej w stosie AI, ponieważ główni gracze starają się kontrolować więcej elementów układanki, od projektowania krzemu po usługi chmurowe i platformy oprogramowania.

Wzór Przejęć? Łączenie Kropek

Potencjalny ruch Nvidia wobec Lepton AI nie dzieje się w próżni. Następuje on wkrótce po doniesieniach, że Nvidia niedawno przejęła również Gretel AI, startup specjalizujący się w generowaniu danych syntetycznych. Dane syntetyczne są kluczowe do trenowania modeli AI, szczególnie gdy dane ze świata rzeczywistego są rzadkie, wrażliwe lub obciążone stronniczością.

Połączenie tych dwóch potencjalnych przejęć sugeruje szerszy kierunek strategiczny dla Nvidia:

• Gretel (Dane): Adresuje stronę wejściową rozwoju modeli AI – dostarczając wysokiej jakości dane potrzebne do treningu.
• Lepton AI (Obliczenia): Adresuje stronę przetwarzania – dostarczając infrastrukturę, na której modele są trenowane i uruchamiane.

Ta kombinacja może wskazywać na ambicję Nvidia oferowania bardziej zintegrowanej platformy lub zestawu narzędzi wspierających cały cykl życia rozwoju AI. Kontrolując kluczowe elementy zarówno generowania/zarządzania danymi, jak i dostępu do infrastruktury obliczeniowej, Nvidia mogłaby znacząco wzmocnić swój ekosystem, czyniąc go jeszcze bardziej niezbędnym dla deweloperów AI. Wskazuje to na przyszłość, w której Nvidia dostarcza nie tylko “kilofy i łopaty” (GPUs) dla gorączki złota AI, ale także niektóre “działki górnicze” (wynajem mocy obliczeniowej) i “usługi probiercze” (narzędzia danych).

Strategia ta jest zgodna z dużymi inwestycjami Nvidia w jej stos oprogramowania (CUDA, biblioteki, frameworki), które mają na celu uczynienie jej sprzętu niezbędnym. Dodanie usług związanych z danymi i dostępem do mocy obliczeniowej byłoby logicznym rozszerzeniem tej strategii platformowej.

Ewoluujący Krajobraz Dostępu do Mocy Obliczeniowej AI

Sposób, w jaki organizacje uzyskują dostęp do mocy obliczeniowej potrzebnej do sztucznej inteligencji, jest w ciągłym ruchu. Potencjalne przejęcie Lepton AI przez Nvidia wpisuje się w kilka szerszych trendów kształtujących ten krajobraz.

Początkowo dostęp odbywał się głównie poprzez zakup i zarządzanie sprzętem lokalnym (on-premises). Rozwój chmury obliczeniowej przesunął paradygmat w kierunku IaaS, gdzie hiperskalerzy oferują instancje GPU na żądanie. Obecnie obserwujemy dalszą specjalizację i dywersyfikację:

• Wyspecjalizowane Chmury AI: Oferujące zoptymalizowane środowiska specjalnie dla obciążeń AI/ML.
• Pośrednicy Wynajmu: Zapewniający elastyczny dostęp, często wykorzystując moc obliczeniową od większych dostawców.
• GPUs Bezserwerowe (Serverless): Platformy mające na celu całkowite abstrahowanie zarządzania serwerami, pozwalające użytkownikom płacić wyłącznie za obliczenia lub wnioskowanie.
• Przetwarzanie Brzegowe (Edge Computing): Wdrażanie możliwości wnioskowania AI bliżej miejsca generowania danych, przy użyciu mniejszego, energooszczędnego sprzętu.

Potencjalne wejście Nvidia na rynek wynajmu poprzez Lepton AI oznacza uznanie, że potrzebne są różnorodne modele dostępu. Chociaż hiperskalerzy pozostaną dominujący dla potrzeb chmurowych na dużą skalę i zintegrowanych, istnieje wyraźny rynek dla bardziej wyspecjalizowanych, elastycznych lub skoncentrowanych na deweloperach ofert obliczeniowych. Nvidia wydaje się gotowa zapewnić sobie udział w tym ewoluującym ekosystemie, zapobiegając ograniczeniu swojej roli wyłącznie do roli dostawcy komponentów, jakkolwiek krytyczny może być ten komponent.

Ten ruch, jeśli się zmaterializuje, podkreśla determinację Nvidia, aby pozostać w epicentrum rewolucji AI, nie tylko dostarczając fundamentalny sprzęt, ale także aktywnie kształtując sposób, w jaki ten sprzęt jest dostępny i wykorzystywany w całej branży. Reprezentuje to skalkulowaną stawkę na trwałą potrzebę elastycznej, dostępnej mocy obliczeniowej AI i ambicję Nvidia, aby przechwycić wartość w szerszym spektrum rynku infrastruktury AI. Nadchodzące miesiące pokażą, czy te rozmowy przekształcą się w transakcję i jak Nvidia zamierza zintegrować taką usługę ze swoim rozległym imperium technologicznym.