Applied Digital 通过尖端的 AI 数据中心提升了股票表现

應用數字公司運營着為人工智能服務提供商提供服務的下一代數據中心。他們還提供區塊鏈共同託管服務和 GPU 雲服務。該公司在其 Ellendale 數據中心經歷了停電事件，但已與總部位於美國的超大規模數據中心運營商簽訂了一項擁有 400 兆瓦容量的租約。他們持續看到高性能計算（HPC）託管服務的強勁需求。該公司的雲服務能夠以成本效益的方式執行高性能計算工作負載。人工智能熱潮導致數據中心的電力消耗不斷增加。傳統數據中心由於功率容量較低，無法滿足人工智能應用的需求

Applied Digital Co. 納斯達克：APLD 設計、開發和運營下一代數據中心，為高性能計算（HPC）行業的人工智能（AI）服務提供商提供服務。人工智能的蓬勃發展推動了對更多數據中心的需求，這也推動了對應用數字核心業務範圍內的下一代數據中心的需求。該公司還通過其應用數字雲部門為加密貨幣挖礦者提供區塊鏈共同託管服務和 GPU 雲服務。他們是 NVIDIA Co. 納斯達克：NVDA 的精英合作伙伴。

應用數字在計算機和技術領域運營，與數據中心公司競爭，包括數據中心房地產信託公司 Digital Realty Trust 紐約證券交易所：DLR 和巨頭 Equinix 納斯達克：EQIX。

獲取 Applied Digital 警報：

該公司擁有兩個區塊鏈數據中心。其 JMS01 數據中心位於北達科他州詹姆斯敦，容量為 100 兆瓦。其 ELN01 數據中心位於北達科他州埃倫代爾，容量為 180 兆瓦。其兩個由客户建造的 HPC 人工智能數據中心分別位於北達科他州詹姆斯敦的 JMS02 和埃眾代爾的 ELN02，容量分別為 9 兆瓦和 100 兆瓦。

Applied Digital 的埃倫代爾數據中心：停電和增長計劃

整體 MarketRank™****5 分中的 3.90 分

分析師評級買入

上行/下行 39.3% 上行

空頭頭寸健康

股息強度 N/A

可持續性 N/A

新聞情緒 0.88

內部交易 N/A

預期收益增長下降

查看完整詳情

在 2024 財季，應用數字的埃倫代爾數據中心遭遇了幾次停電。在 2024 年第二季度，應用數字在埃眾代爾動工建設了其第一個 100 兆瓦 HPC 設施。這座佔地 342,000 平方英尺的建築旨在提供高效率和超低成本的 HPC 應用，採用液冷基礎設施。

該公司與一家總部位於美國的超大規模雲服務提供商簽署了一份獨家意向書，租用其埃倫代爾 HPC 園區的 400 兆瓦容量作為主要租户。這包括仍在建設中的 100 兆瓦設施，以及兩棟額外的建築計劃。該公司繼續看到其不同於眾的埃倫代爾園區對 HPC 託管的巨大需求。埃倫代爾未來將擁有 600 兆瓦的容量。

Applied Digital 的數據中心託管更新

100 兆瓦的詹姆斯敦設施已滿負荷運行。180 兆瓦的埃倫代爾設施在 2024 年 1 月發生了停電。其公用事業提供商安裝了設備，使他們能夠關閉受影響部分的電源。他們發現停電是由於變壓器不符合行業標準。公司採購了正確的變壓器和組件，開始重新為其容量的約 14% 供電。其區塊鏈數據中心總共有 280 兆瓦的容量，為比特幣挖礦者和區塊鏈基礎設施公司提供基礎設施（電力和維護）。其最大的比特幣礦工是 Marathon Digital Holdings Inc. 納斯達克：MARA。

Applied Digital 雲服務更新

應用雲服務使客户能夠成本效益地執行和擴展關鍵的 HPC 工作負載，包括人工智能、渲染和機器學習（ML）。它使人工智能/機器學習公司能夠訪問雲服務器來運行和訓練人工智能應用。雖然最初的客户是擁有大量資金的初創人工智能公司，但應用數字現在也受到中型到大型企業的需求。這本質上是 GPU 即服務（GaaS），使人工智能公司能夠執行人工智能應用，而無需投資購買設備。

理解參數：推動人工智能繁榮和 LLM 複雜性

ChatGPT 模型的演變和升級帶來了參數數量的顯著增加和更高的能源消耗。參數是從大型語言模型（LLMs）的訓練數據中學到的信息片段。當它們遇到單詞序列時，它們改變參數的值以創建連接，最終預測序列中的下一個單詞或短語。使用的參數越多，其性能就越好。

參數是 LLMs 的數字基礎，代表了訓練數據之間學習關係。使用的參數越多，就需要更多的計算和能源。2020 年發佈的 Chat-GPT 3 具有 1750 億個參數。2023 年的 GPT-4 具有 8 倍的 2200 億個或 1,760,000,000,000 或 1.76 萬億個參數，這需要指數級的計算能力和能源消耗。參數數量繼續增加，需要更多的能源。預計到 2030 年，數據中心的電力消耗將增長 125%，佔美國所有電力的 9%。

比較傳統現有數據中心與下一代人工智能數據中心

人工智能硬件所需的電力遠遠超過傳統設備。傳統數據中心中的傳統 CPU 每小時使用 300 瓦，而 NVIDIA H100 GPU 每小時使用 700 瓦。典型的谷歌請求/查詢耗費 0.3 瓦時，而 Chat-GPT 請求為其的 10 倍，為 2.9 瓦時。

由於運行人工智能應用所需的電力增加，傳統數據中心存在不足。傳統數據中心具有較低的 IT MW 負載和低功率密度設計（12 千瓦至 15 千瓦）。它們位於主要城市，針對高速和超低延遲進行優化。它們用於互聯網骨幹、集中式數據和為 Web 2.0 不斷發展的即時流媒體應用。

下一代人工智能數據中心專為支持更高能耗而設計。它們更適合於高密度支持達到 120kW 的偏遠地點，並且由於訓練而不受延遲影響。它們用於高性能計算功能，如人工智能、機器學習、語言處理、藥物發現和圖形渲染。Applied Digital 在 3 個數據中心區域部署了超過 6,000 個 H100 GPU 集羣。