Μία από τις πιο ενδιαφέρουσες συζητήσεις -μπαίνοντας στο β’ εξάμηνο του έτους- άνοιξε η επενδυτική Sequoia Capital, η οποία έκανε λόγο σε σημείωμά της για το “πρόβλημα” των 600 δισ. δολαρίων της τεχνητής νοημοσύνης.
Εν ολίγοις, υποστήριξε ότι το αφήγημα της τεχνητής νοημοσύνης θα είναι χρονοβόρο και περιπετειώδες, και δεν θα περιοριστεί στα άμεσα κέρδη που απολαμβάνει η Nvidia.
Από τους ημιαγωγούς μέχρι την εμπειρία των καταναλωτών από την τεχνητή νοημοσύνη, κάθε πτυχή αυτού του τεχνολογικού οικοσυστήματος θα αναδιαμορφωθεί ριζικά.
Στον δρόμο των κερδών μπήκε πρώτη η Nvidia, η οποία έχει εκτινάξει τηχρηματιστηριακή της αξία σε σύντομο χρονικό διάστημα. Αλλά ο δρόμος είναι μακρύς. Μου αρέσει να χωρίζω τον ολοκληρωτικό ψηφιακό μετασχηματισμό σε τρία μεγάλα στάδια. Αυτό οφείλεται στην επίδραση των δικτύων της τεχνητής νοημοσύνης σε πολλαπλά επίπεδα, πέρα από την GPU και την κατασκευή τσιπ (δηλ. την Taiwan Semiconductor Manufacturing Company), που εκτείνεται από την εσωτερική κατανάλωση υποδομών έως την πρόσβαση σε υπολογιστές και λογισμικό για την τεχνητή νοημοσύνη που πωλείται στην αγορά.
Η πρώτη επίδραση του δικτύου περιλαμβάνει servers, μνήμη, διαδίκτυο και αποθήκευση από εταιρείες όπως η Dell Inc., η Micron, η Marvell Technology Inc., η Broadcom Inc. και άλλες. Αυτές οι εταιρείες παρέχουν υποδομές. (Στις συσκευές περιλαμβάνονται οι OEM, αλλά με διαφορετικούς ημιαγωγούς που θα προσθέσουν στην κατηγορία την Qualcomm και την Intel Corp. στην Advanced Micro Devices Inc. και την NVIDIA).
Η δεύτερη επίδραση του δικτύου μετατοπίζεται στους παρόχους πλατφορμών και στους ανεξάρτητους προμηθευτές λογισμικού όπως η Amazon.com, η Google της Alphabet, η Microsoft, η Salesforce, η ServiceNow Inc., η Oracle Corp., η OpenAI, η SAP και άλλοι. Αυτοί οι παίκτες δημιουργούν υποδομές για βιομηχανίες.
Το τρίτο φαινόμενο δικτύου περιλαμβάνει βιομηχανίες που εφαρμόζουν την τεχνητή νοημοσύνη για τη δημιουργία νέων και βελτιωμένων εμπειριών, από το λιανικό εμπόριο έως τις χρηματοπιστωτικές υπηρεσίες. Εκεί θα γίνει η μεγαλύτερη κατανάλωση σε επίπεδο υποδομών και εκεί θα προκύψει η μεγαλύτερη οικονομική αξία, αφού εκτιμούμε ότι ο αντίκτυπος της τεχνητής νοημοσύνης θα ανέλθει σε πολλά τρισεκατομμύρια δολάρια έως το τέλος της δεκαετίας.
Πράγματι, οι ανησυχίες σχετικά με το sell-off της τεχνητής νοημοσύνης δεν είναι δύσκολο να γίνουν αντιληπτές. Πού χρησιμοποιείται η τεχνητή νοημοσυνη και η γενετική AI από τις τράπεζες, τα ξενοδοχεία, τα εστιατόρια, τον μεταποιητικό κλάδο και άλλες βιομηχανίες – και ποιες εταιρείες κερδίζουν χρήματα από αυτές τις εξελίξεις που βασίζονται στην τεχνητή νοημοσύνη;
Αυτό εννοούσε η Sequoia όταν έκανε λόγο για το “αίνιγμα” των 600 δισ. δολαρίων της τεχνητή νοημοσύνη. Από την άλλη, το μεγαλύτερο μέρος αυτής της κινδυνολογίας μπορεί να σχετίζεται περισσότερο με τον μακρά μελλοντική πορεία της τεχνητής νοημοσύνης, παρά με τη μακροπρόθεσμη βιωσιμότητα της ανάπτυξής της.
Στο πρόσφατο “κύμα” σημειωμάτων που δημοσίευσαν η Goldman Sachs, η Sequoia, και η a16z, ξεχώρισε μια αναφορά της Goldman Sachs: “H τεχνητή νοημοσύνη έχει την ικανότητα να ξεπερνά τους ανθρώπους σε ορισμένες έρευνες μετοχών και στη δημιουργία μοντέλων”. Όμως ο Jim Covello, επικεφαλής του τμήματος Equity Research της Goldman Sachs, επισήμανε ότι το κόστος για την εφαρμογή της τεχνητής νοημοσύνης είχε κόστος περίπου εξαπλάσιο του ανθρώπινου κεφαλαίου.
Ωστόσο, το μεγαλύτερο μέρος της ανάπτυξης της τεχνητής νοημοσύνης -που ισοδυναμεί με άνω του 50% της επένδυσης κεφαλαίου- προέρχεται από έναν μικρό αριθμό παρόχων cloud υπερκλίμακας και μεγάλων επιχειρήσεων που χρησιμοποιούν την τεχνητή νοημοσύνη για να τροφοδοτήσουν τις επιχειρήσεις τους. Και οι GPU δεν προορίζονται αποκλειστικά για τη γενετική τεχνητή νοημοσύνη, αλλά για τη δημιουργία μοντέλων, την εκπαίδευση και την ανάπτυξη για μηχανές προτροπής, τη δημιουργία βίντεο, το φιλτράρισμα περιεχομένου κ.ά.
Αυτές είναι πολλές από τις “παλιές εφαρμογές της τεχνητής νοημοσύνης”. Οι ίδιες εταιρείες, οι οποίες επωφελούνται από την τεχνητή νοημοσύνη εδώ και πολύ καιρό, συνεχίζουν να επενδύουν στη μόχλευση της τεχνητής νοημοσύνης και να εκδημοκρατίζουν την πρόσβαση στις ακριβές υποδομές AI που θα είναι απαραίτητες για την καινοτομία σε όλους τους κλάδους. Εντούτοις, αυτές οι εφαρμογές θα χρειαστούν μάλλον μερικά χρόνια για να αναπτυχθούν ευρέως.
Στο μεταξύ, τα κεφάλαια που διοχετεύονται στην τεχνητή νοημοσύνη αφορούν από την ενέργεια, τον σχεδιασμό, το πυρίτιο και την παραγωγή συσκευών μέχρι υπολογιστικές μηχανές, αποθήκευση δεδομένων και δικτύωση. Έπειτα κατευθύνεται προς τους παράγοντες που υποστηρίζουν την υλοποίηση των projects.
Η διάδοση της Τεχνητής Νοημοσύνης θα διαρκέσει χρόνια. Αλλά η άποψη της Goldman Sachs ότι δεν υπάρχουν εφαρμογές killer genAI είναι εντελώς λανθασμένος. Οι περιπτώσεις χρήσης για σκοπούς διαφήμισης, αναζήτησης, δημιουργίας περιεχομένου, ανάπτυξης βίντεο και μοντέλων που μπορούν να εκσυγχρονίσουν τις χρηματοπιστωτικές υπηρεσίες ή να εξατομικεύσουν την υγειονομική περίθαλψη κινούνται γρήγορα και -σε αντίθεση με τη φούσκα των dot-com- αυτές οι εφαρμογές έχουν θεμέλια και θα δώσουν ώθηση στην ανάπτυξη της αγοράς.
Για να είμαι σαφής, δεν λέω ότι δεν υπάρχει εύλογη ανησυχία σχετικά με τα χρονοδιαγράμματα και τις αποδόσεις εκατοντάδων δισεκατομμυρίων δολαρίων που θα επενδυθούν.
Αλλά αυτή η τεχνολογία δεν είναι κυκλική. Είναι μετασχηματιστική και θα αλλάξει κάθε βιομηχανία. Ορισμένες μετοχές μπορεί να έχουν τρέξει μπροστά από την αγορά και άλλες μπορεί να υστερούν σε πραγματική αξία με γνώμονα την τεχνητή νοημοσύνη.
Μακροπρόθεσμα, οι εταιρείες και οι επενδυτές που βλέπουν τον αντίκτυπο της τεχνητής νοημοσύνης σε μακροπρόθεσμο ορίζοντα γνωρίζουν ότι πρόκειται, στη χειρότερη περίπτωση, για μια βραχυπρόθεσμη, εμπροσθοβαρή δαπάνη capex, για κάτι που είναι σχεδόν βέβαιο ότι θα αναδείξει τους νικητές και τους χαμένους ενός μέλλοντος που τροφοδοτείται από την τεχνητή νοημοσύνη.
Απόδοση – επιμέλεια: Μιχάλης Παπαντωνόπουλος
Forbes
