テキストからビデオへの革命は、驚異的なコンピューティング能力に依存しています。数百万の GPU が必要です

テキストからビデオへの生成の見通しにより、AI トークンへの関心が高まっていますが、広く採用するには大幅な計算能力の向上が必要です。 TikTok や YouTube のクリエイター コミュニティをサポートするには、推定 72 万個のハイエンド Nvidia H100 GPU (コスト 216 億ドル) が必要となり、Meta や Microsoft などのテクノロジー大手が保有する現在のリソースをはるかに上回ります。これは、AI 生成ビデオを主流にする際のハードウェアの重大な課題と潜在的な制約を浮き彫りにしています。

Text-to-Video Revolution Hinges on Staggering Compute Power: Millions of GPUs Required

テキストからビデオへの革命は驚異的な計算能力にかかっています: 数百万の GPU が必要

The advent of text-to-video generation has ignited excitement within the crypto market, with AI tokens soaring following the unveiling of OpenAI's "Sora" demo. However, making this technology mainstream poses a formidable challenge, requiring an astronomical amount of compute power.

テキストからビデオへの生成の出現により、仮想通貨市場の興奮が高まり、OpenAI の「Sora」デモの公開を受けて AI トークンが急騰しました。ただし、このテクノロジーを主流にすることは、天文学的な量の計算能力を必要とする、大きな課題を引き起こします。

The Sheer Number: Hundreds of Thousands of GPUs Needed

膨大な数: 数十万の GPU が必要

A groundbreaking report from Factorial Funds estimates that a staggering 720,000 high-end Nvidia H100 GPUs would be necessary to support the content-creator communities on platforms like TikTok and YouTube. This number dwarfs the combined GPU arsenal of tech giants such as Microsoft, Meta, and Google.

Factorial Funds の画期的なレポートでは、TikTok や YouTube などのプラットフォーム上のコンテンツ作成者コミュニティをサポートするには、驚異的な 720,000 個のハイエンド Nvidia H100 GPU が必要であると推定されています。この数字は、Microsoft、Meta、Google などのテクノロジー巨人の GPU 保有量を合わせたものよりも小さいです。

Training vs. Inference: An Exponential Power Demand

トレーニングと推論: 指数関数的な電力需要

Training text-to-video models like Sora requires colossal compute power. According to Factorial Funds, Sora requires up to 10,500 GPUs for a month's training and generates a mere 5 minutes of video per hour per GPU during inference. As adoption grows, inference will surpass training, demanding even more computational resources to produce new videos.

Sora のようなテキストからビデオへのモデルをトレーニングするには、膨大な計算能力が必要です。 Factorial Funds によると、Sora は 1 か月のトレーニングに最大 10,500 個の GPU を必要とし、推論中に GPU ごとに 1 時間あたりわずか 5 分のビデオを生成します。導入が進むにつれて、推論がトレーニングを上回り、新しいビデオを作成するためにさらに多くの計算リソースが必要になります。

Nvidia's Dominance, but Not a Monopoly

Nvidia の優位性、しかし独占ではない

Nvidia reigns supreme as the leader in AI-specific GPUs, but it's not the only player. Rival AMD offers competitive products, and its stock has witnessed a meteoric rise in recent years. Alternative options exist for outsourcing compute power to GPU farms, but these networks largely rely on gaming GPUs, significantly less potent than Nvidia's server-grade offerings.

Nvidia は AI 専用 GPU のリーダーとして君臨していますが、唯一のプレーヤーではありません。ライバルのAMDは競争力のある製品を提供しており、その株価は近年急激に上昇している。コンピューティング能力を GPU ファームにアウトソーシングする代替オプションが存在しますが、これらのネットワークは主にゲーム用 GPU に依存しており、Nvidia のサーバー グレードの製品よりも強力ではありません。

The Hardware Hurdle: A Call for More Chips

ハードウェアのハードル: さらなるチップの要求

The promise of text-to-video generation hinges on a herculean hardware investment. Nvidia, with its annual production capacity of 550,000 H100 GPUs, falls short of meeting the projected demand. Combined, the twelve largest users of H100 GPUs possess 650,000 of the cards, with Meta and Microsoft collectively holding 300,000.

テキストからビデオへの生成の可能性は、莫大なハードウェア投資にかかっています。 Nvidia の年間生産能力は 550,000 個の H100 GPU ですが、予測される需要を満たすには至っていません。 H100 GPU の最大ユーザー 12 社が合わせて 650,000 枚のカードを所有しており、Meta と Microsoft は合わせて 300,000 枚を保有しています。

A Multi-Billion Dollar Endeavor

数十億ドル規模の取り組み

Acquiring the necessary number of H100 GPUs would incur a staggering cost of $21.6 billion, nearly matching the current market capitalization of AI tokens. Even if the financial hurdles could be overcome, the physical availability of these GPUs remains a significant constraint.

必要な数の H100 GPU を取得するには、216 億ドルという驚異的なコストがかかり、現在の AI トークンの時価総額にほぼ匹敵します。たとえ経済的なハードルを克服できたとしても、これらの GPU の物理的な可用性は依然として大きな制約となっています。

Conclusion: Mainstream Adoption Remains Elusive

結論: 主流の採用は依然として難しい

The allure of text-to-video generation is undeniable, but its widespread adoption faces a formidable challenge in the form of massive compute power requirements. While the premise holds promise for revolutionizing creative workflows, expecting mainstream adoption anytime soon is unrealistic. The road to unleashing the full potential of this technology requires a substantial increase in chip production and a concerted effort to address the immense hardware demands.

テキストからビデオへの生成の魅力は否定できませんが、その広範な採用は、膨大な計算能力要件という大きな課題に直面しています。この前提はクリエイティブなワークフローに革命をもたらす可能性を秘めていますが、すぐに主流に採用されると期待するのは非現実的です。このテクノロジーの可能性を最大限に引き出すには、チップ生産量の大幅な増加と、膨大なハードウェア需要に対処するための協調的な取り組みが必要です。