Analyse de SemiAnalysis : NVIDIA soutient le financement des GPU, l'ère du crédit pour la puissance de calcul AI commence

TL;DR
· SemiAnalysis prévoit que la dette AI non remboursée pourrait atteindre 7,1 billions de dollars d'ici 2029, et la construction AI dépendra de plus en plus du marché du crédit.
· NVIDIA a lancé un modèle de partage des revenus et de soutien au crédit pour le cloud AI, avec Sharon AI et Firmus comme premiers partenaires.
· Le soutien peut réduire les inquiétudes des banques, mais la baisse des loyers, la pénurie de centres de données et les engagements potentiels restent des risques majeurs.

Un rapport publié par SemiAnalysis le 6 juillet met en lumière l'ampleur du financement des infrastructures AI : de 2024 à 2029, les dépenses en capital mondiales pour l'AI pourraient atteindre environ 11,1 billions de dollars, et d'ici 2029, la dette liée à l'AI non remboursée pourrait dépasser 7 billions de dollars, soit environ 7,1 billions de dollars.

Ce n'est pas simplement une prévision des ventes de GPU. Le changement central discuté dans le rapport est que la construction AI passe de « des géants de la technologie utilisant des flux de trésorerie pour acheter des GPU » à « des banques et des marchés obligataires finançant des clusters de GPU ». Si cette estimation se concrétise, la dette liée à l'AI pourrait devenir une catégorie d'actifs soutenus par des financements, juste derrière le marché de financement hypothécaire soutenu par les États-Unis.

Le rôle de NVIDIA évolue également. Dans un article de blog officiel publié le 1er juillet, la société a confirmé le lancement d'un « modèle de partage des revenus et de soutien au crédit » pour les clouds AI, combinant des partenaires en capital, des fournisseurs de services cloud et des projets de centres de données pour promouvoir la construction de la puissance de calcul AI. Sharon AI et Firmus sont les premiers partenaires.

SemiAnalysis avance que NVIDIA pourrait aider Neocloud à transformer les GPU, les commandes clients et la capacité des centres de données en actifs finançables grâce à un soutien de revenus par GPU et à des structures de partage des revenus. Pour les prêteurs, la clé n'est pas de savoir à quel point la demande AI sera forte à l'avenir, mais si le projet aura toujours des flux de trésorerie pour rembourser dans le pire des cas.

Prévisions des dépenses en capital et de la dette pour l'IT AI et les centres de données mondiaux : les dépenses en capital cumulées de 2024 à 2029 pourraient atteindre environ 11,1 billions de dollars, avec une dette non remboursée d'environ 7,1 billions de dollars d'ici 2029.

La construction AI devient de plus en plus coûteuse, les banques doivent d'abord voir qui paiera les loyers

Au cours des dernières années, l'infrastructure AI a principalement été prise en charge par des fournisseurs de cloud à grande échelle tels que Google, Amazon, Meta, Microsoft et Oracle. Ces entreprises disposent de flux de trésorerie, de bilans solides et d'une demande interne en AI, ce qui rend le financement relativement facile.

Cependant, avec l'augmentation continue de la demande pour l'entraînement et l'inférence AI, il devient difficile pour quelques géants de couvrir l'ensemble du déficit de puissance de calcul par leurs dépenses en capital. SemiAnalysis prévoit que les dépenses annuelles en capital pour l'AI dépasseront largement 2 billions de dollars d'ici 2028. Les GPU, les réseaux, le stockage, les CPU associés et la construction de centres de données nécessiteront des fonds considérables, et le marché du crédit deviendra l'une des sources de financement.

Les difficultés de financement de Neocloud se situent également ici.

Ce type de fournisseur de cloud innovant doit généralement réunir trois éléments : acheter des GPU, obtenir de la capacité de centre de données et signer des clients futurs. La plus grande difficulté pour les banques est de déterminer si les loyers des GPU pourront couvrir les intérêts et le principal de la dette dans les années à venir. Les prix de location de la puissance de calcul AI changent rapidement, les durées de location des clients ne sont pas uniformes, et la valeur résiduelle et le taux d'utilisation des GPU sont plus difficiles à estimer que pour les infrastructures traditionnelles.

Le modèle de soutien au crédit de NVIDIA vise à donner aux prêteurs une ligne de base plus claire pour les flux de trésorerie. La déclaration officielle parle de partage des revenus et de soutien au crédit, tandis que SemiAnalysis décrit une structure typique comme un soutien de revenus par GPU.

Exemple de soutien de 6 ans avec un prix moyen de 2,36 dollars, le scénario de location courte durée peut atteindre un TRI de 25%

L'exemple de structure donné par SemiAnalysis est que NVIDIA fournit un soutien de revenu minimum sur 6 ans pour un cluster de GPU spécifique, avec une courbe de prix décroissante chaque année, atteignant en moyenne environ 2,36 dollars/heure/GPU sur 6 ans. Si le loyer réel du projet est supérieur au niveau de soutien, Neocloud et NVIDIA partageront les revenus selon un ratio d'environ 40% à 60%.

Ce ne sont pas des termes comptables formels divulgués par NVIDIA, mais des estimations indicatives dans le modèle de SemiAnalysis. Son attrait pour les prêteurs réside dans la possibilité de transformer un projet de location de GPU hautement incertain en un actif avec un engagement de flux de trésorerie minimum.

Les banques n'ont pas besoin de croire entièrement que les prix de location AI resteront élevés à l'avenir. Tant que dans un scénario de déclenchement de soutien, le projet peut toujours répondre aux exigences de couverture du service de la dette, un prêt peut être accordé. Selon les estimations de SemiAnalysis, pour un cluster soutenu par la notation AA/Aa2 de NVIDIA, les prêteurs exigent un ratio de couverture du service de la dette d'au moins environ 1,3 fois, correspondant à un ratio de valeur de prêt de 70% à 80%. Les écarts de financement initiaux peuvent être supérieurs à ceux des transactions soutenues par des fournisseurs de cloud à grande échelle, mais inférieurs au niveau de rendement de 10% des obligations non garanties de CoreWeave.

Termes indicatifs de soutien de NVIDIA : en moyenne environ 2,36 dollars/heure/GPU sur 6 ans, avec un partage des revenus de 40%-60%.

Pour Neocloud, le soutien n'est pas seulement une assurance, mais une condition clé pour obtenir un financement par la dette.

Dans l'exemple de location à court terme GB300 d'un an, si le loyer de la première année est de 6,75 dollars/heure et que le ratio de partage de NVIDIA est de 40%, le TRI du projet de 6 ans de Neocloud est d'environ 25,4%, avec un taux de prélèvement moyen de NVIDIA d'environ 18%. Si la demande du marché est insuffisante et que le projet tombe entièrement dans le cadre du soutien, le TRI de Neocloud pourrait être proche de zéro ou légèrement négatif.

Cela n'est pas favorable au retour sur capitaux propres, mais est crucial pour le financement : le retour du projet peut être comprimé, mais le service de la dette a encore une chance d'être couvert. En d'autres termes, le soutien transforme un cluster de GPU qui pourrait « rapporter beaucoup d'argent » en un actif de financement qui peut « rembourser même dans des scénarios de pression ».

Comparaison des retours de Neocloud GB300 : sous un partage de 40% pour une location courte, le TRI de 6 ans est d'environ 25,4%, et en cas de déclenchement complet du soutien, le TRI est proche de zéro ou légèrement négatif.

Sharon AI et Firmus prennent les devants, les projets en Asie-Pacifique deviennent des terrains d'essai

NVIDIA a déjà confirmé que Sharon AI et Firmus sont les premiers partenaires de ce modèle de partage des revenus et de soutien au crédit.

Un communiqué de Sharon AI du 12 juin indique que la société a conclu un partenariat stratégique de puissance de calcul de 6 ans avec NVIDIA, avec une usine AI de 72 MW en Australie pouvant déployer jusqu'à 40 000 cartes Grace Blackwell GB300. La capacité totale de l'usine AI de Sharon est prévue pour atteindre 132 MW, dont 102 MW ont déjà été signés, avec plus de 55 000 GPU NVIDIA prévus d'ici mi-2027.

Le projet Firmus à Batam, en Indonésie, est encore plus vaste. NVIDIA a déclaré dans un article de blog officiel que le projet Firmus Batam pourrait être étendu à 360 MW, déployant jusqu'à 170 000 GPU NVIDIA. SemiAnalysis a inclus ce projet dans sa discussion, estimant qu'il est principalement destiné aux entreprises AI natives et aux fournisseurs de services d'inférence, et pourrait offrir des durées de location diversifiées.

Ces cas montrent que le modèle de soutien au crédit de NVIDIA n'est plus seulement une hypothèse de modèle financier, mais entre dans une phase de mise en œuvre de projets précoces. Cependant, les cas publics se concentrent principalement dans la région Asie-Pacifique, tandis que le marché américain fait encore face à des contraintes en matière de capacité des centres de données, d'électricité et de rapidité de raccordement au réseau.

Les centres de données restent le goulot d'étranglement le plus difficile. Les GPU peuvent être achetés, les demandes des clients peuvent être signées, mais l'électricité, la terre, les armoires, le refroidissement et la rapidité de raccordement au réseau sont difficiles à reproduire rapidement. Le modèle de SemiAnalysis mentionne également que NVIDIA pourrait avoir besoin de louer directement la capacité des centres de données pour aider Neocloud à combler le fossé entre l'offre et la demande. La capacité et l'échelle spécifiques impliquées dans cette partie restent des estimations du rapport et ne peuvent pas être considérées comme des divulgations officielles de NVIDIA.

NVIDIA peut obtenir des parts, mais devra également assumer des engagements à long terme plus importants

Pour NVIDIA, soutenir le financement des GPU présente deux avantages.

Premièrement, cela lui permet d'élargir la portée des ventes et des déploiements de GPU. Plus Neocloud obtient de financements, plus il y aura d'entités capables d'acheter et d'exploiter des clusters de GPU à grande échelle, le marché de la puissance de calcul AI ne dépendra plus uniquement de quelques fournisseurs de cloud à grande échelle.

Deuxièmement, cela pourrait lui permettre de générer des revenus supplémentaires grâce au partage. Le modèle de SemiAnalysis estime que si cette structure continue de s'étendre, les revenus supplémentaires de NVIDIA provenant du soutien et du partage pourraient devenir considérables, avec des marges bénéficiaires relativement élevées.

Le coût est également évident. Les engagements à long terme de NVIDIA hors bilan ou dans les divulgations connexes pourraient rapidement augmenter. SemiAnalysis estime dans la partie rapport payant que les soldes des accords de services cloud de NVIDIA ou des engagements conditionnels pourraient atteindre des milliers de milliards de dollars au cours des prochaines années. Étant donné que ces chiffres n'ont pas été confirmés par NVIDIA de manière détaillée, ils sont plus adaptés comme tests de résistance pour le modèle que comme dettes établies.

Prévisions de croissance des accords de services cloud de NVIDIA : selon le modèle de SemiAnalysis, les engagements à long terme connexes pourraient continuer à s'accumuler avec chaque soutien de 100 MW de puissance de calcul.

Ce ne sont pas des dettes directes au sens traditionnel. Mais si le marché de la location de GPU s'affaiblit et que la demande des clients est insuffisante, la probabilité de déclenchement du soutien augmente, et NVIDIA devra assumer davantage de soutien de revenu minimum. Ce que le marché doit finalement observer, ce n'est pas seulement combien NVIDIA peut gagner en partage, mais aussi si ces engagements affecteront sa propre allocation de capital et la priorité des flux de trésorerie.

Le plus grand défi est de savoir si les loyers et les centres de données peuvent tenir

La partie la plus percutante de ce rapport est d'intégrer la construction de la puissance de calcul AI dans le marché du crédit. Lorsque les dépenses en capital atteignent des niveaux de billions de dollars, les clusters de GPU ne sont plus seulement des produits technologiques, mais deviennent également des actifs de financement évalués conjointement par les banques, les investisseurs obligataires et les fournisseurs de cloud.

Cependant, la dette AI de 7,1 billions de dollars reste une prévision de modèle à long terme, et non un fait déjà réalisé. Elle repose sur plusieurs hypothèses : la demande AI continue d'expansion, le taux d'utilisation des GPU reste élevé, les prix de location diminuent à un rythme contrôlable, la construction de centres de données peut suivre, et les prêteurs sont également prêts à accepter le modèle de flux de trésorerie soutenu par NVIDIA.

Les problèmes les plus susceptibles de survenir concernent les prix et la vitesse de mise en œuvre. Si les loyers des GPU chutent plus rapidement que prévu, le retour de Neocloud sous des coûts de financement élevés et des parts élevées sera comprimé. Si un grand nombre de soutiens sont déclenchés, bien que le projet puisse continuer à rembourser, les engagements que NVIDIA doit assumer deviendront plus lourds. Si les retards dans les centres de données, l'électricité et le raccordement au réseau se prolongent, le calendrier de déploiement des GPU dans le modèle de financement sera également perturbé.

L'histoire de NVIDIA « soutenant le financement des GPU » pointe vers la prochaine étape des sources de financement pour les infrastructures AI. Elle peut permettre à davantage de projets de puissance de calcul d'obtenir des prêts, mais pourrait également placer NVIDIA au centre du marché du crédit AI. Cependant, la capacité de ce marché à atteindre 7 billions de dollars dépendra finalement des loyers, des taux d'utilisation et de la livraison des centres de données.