Special Edition 1: Το «burn rate» μιας φούσκας: Αναλύοντας την επενδυτική έκρηξη στην Τεχνητή Νοημοσύνη (AI)

Του Azeem Azhar

 
Η πρόσφατη επενδυτική «έκρηξη» στην τεχνητή νοημοσύνη, ιδίως στον τομέα της παραγωγικής (generative) AI, εγείρει ερωτήματα σχετικά με το κατά πόσο οι φιλόδοξες επενδύσεις σε υποδομές θα μπορέσουν να καλυφθούν από αντίστοιχα έσοδα. Μια ανάλυση του τοπίου αποκαλύπτει μια σειρά από σύνθετες τάσεις και στρατηγικές που καθορίζουν το μέλλον του κλάδου.

 
Το δίλημμα των επενδύσεων και των εσόδων

Οι επενδύσεις σε υποδομές, όπως τα κέντρα δεδομένων, είναι διαβόητα δύσκολο να γίνουν σωστά, ειδικά κατά την αρχική φάση μιας νέας τεχνολογίας, όπου μπορεί να παρατηρηθεί ταυτόχρονα υπερπροσφορά και έλλειψη. Ωστόσο, η τρέχουσα περίοδος χαρακτηρίζεται από έναν φαινομενικά ατελείωτο κύκλο όλο και μεγαλύτερων δεσμεύσεων για τη δημιουργία όλο και μεγαλύτερων κέντρων δεδομένων.

Ο βασικός προβληματισμός είναι εάν η αύξηση των κεφαλαιουχικών δαπανών (capex) θα ξεπεράσει τα πραγματικά έσοδα. Η Morgan Stanley εκτιμά ότι οι δαπάνες θα φτάσουν τα 520 δισεκατομμύρια δολάρια έως το 2028. Αν υποθέσουμε περιθώριο κέρδους 50%, αυτό συνεπάγεται ότι θα πρέπει να βρεθούν 1 τρισεκατομμύριο δολάρια σε νέα έσοδα εκείνη τη χρονιά. Ωστόσο, το 2024, οι hyperscalers (κολοσσοί του cloud) είχαν έσοδα μόλις 45 δισεκατομμύρια δολάρια από την παραγωγική AI. Ενώ οι προβλέψεις για το 2028 ξεπερνούν το 1 τρισεκατομμύριο δολάρια σε έσοδα, με τα 400 δισεκατομμύρια να προέρχονται από επιχειρηματικές δαπάνες και τα 680 δισεκατομμύρια από τους καταναλωτές, αυτό το χρονικό διάστημα είναι μακρινό και εκτός της ωφέλιμης ζωής των chips που εγκαθίστανται σήμερα.

Ένας επιπλέον παράγοντας ανησυχίας είναι η απόσβεση. Σύμφωνα με την Praetorian Capital, η κάλυψη της απόσβεσης μόνο για τις GPU που θα εγκατασταθούν φέτος απαιτεί περίπου 40 δισεκατομμύρια δολάρια σε κέρδη. Αυτό μεταφράζεται σε τριπλάσια ή τετραπλάσια έσοδα, ανάλογα με τα περιθώρια κέρδους. Ωστόσο, οι GPUs θεωρούνται αναλώσιμα, σε αντίθεση με υποδομές που έχουν διάρκεια ζωής δεκαετιών, όπως οι αυτοκινητόδρομοι. Η πρόβλεψη απόσβεσης των GPUs σε έξι χρόνια, όπως φαίνεται στους ισολογισμούς, θεωρείται «φουσκωμένη».

 
Η στρατηγική των μεγάλων εταιρειών

Παρόλα αυτά, σοβαρές επενδυτικές εταιρείες, όπως η PIMCO και η Blue Owl, συμμετέχουν στη χρηματοδότηση αυτών των έργων, με χαρακτηριστικό παράδειγμα τη Meta που εξασφάλισε χρηματοδότηση 29 δισεκατομμυρίων δολαρίων. Αυτό υποδηλώνει ότι η πεποίθηση των επενδυτών είναι πως οι μεγάλες τεχνολογικές εταιρείες (Big Tech) είναι φερέγγυες.

Η λογική πίσω από τις κινήσεις των Big Tech είναι η εξής:

• Υπάρχει μεγάλη πιθανότητα η ζήτηση να είναι ακόμα μεγαλύτερη από τις πιο αισιόδοξες προβλέψεις.
• Αυτά τα τεράστια κέντρα δεδομένων θα μετατραπούν σε έσοδα καθώς οι καταναλωτές θα στραφούν σε εφαρμογές επί πληρωμή, η παραγωγική AI θα αυξήσει τα έσοδα από διαφημίσεις και η ζήτηση από τις επιχειρήσεις θα συνεχίσει να αυξάνεται.
• Το να μην έχουν επαρκή χωρητικότητα σημαίνει ότι θα αδυνατούν να εξυπηρετήσουν τους πελάτες με την επιθυμητή ποιότητα, με τους ανταγωνιστές να περιμένουν.

 
Η «δοξασία των Watt» και η ενεργειακή απόδοση

Μια άλλη σημαντική στρατηγική τάση, που αναπτύσσεται κυρίως στην Κίνα, είναι η αντιμετώπιση της AI ως ένα πρόβλημα φυσικής: πώς μπορεί κανείς να μετατρέψει την ενέργεια σε χρήσιμη νοημοσύνη με τη μέγιστη δυνατή απόδοση. Ο Raven Cunningham ονομάζει αυτή τη θεωρία «energy compute theory», υποστηρίζοντας ότι τα watt, και όχι το μέγεθος των μοντέλων (weights), θα καθορίσουν την κυριαρχία στην AI.

Αυτή η προσέγγιση εστιάζει στη μεγιστοποίηση της ενεργειακής απόδοσης, με σκοπό την επίτευξη υψηλής ποιότητας αποτελεσμάτων με τη λιγότερη δυνατή κατανάλωση ενέργειας. Οι βελτιώσεις στην ενεργειακή απόδοση πολλαπλασιάζονται, καθώς καλύτερα chips, πιο έξυπνα μοντέλα και νέες αρχιτεκτονικές δημιουργούν εκθετικά πλεονεκτήματα.

Βέβαια, και οι αμερικανικές εταιρείες AI νοιάζονται για την αποδοτικότητα, καθώς η ενέργεια κοστίζει. Χαρακτηριστικά παραδείγματα είναι:

-Η OpenAI, της οποίας το GPT-5 χρησιμοποιεί έναν «router» για να κατευθύνει εύκολες εργασίες σε φθηνότερα μοντέλα.

-Η Google, που μέσα σε έναν χρόνο μείωσε την κατανάλωση ενέργειας των LLMs της κατά 33 φορές. Μια τυπική αναζήτηση με το Gemini καταναλώνει μόλις 0.24Wh, ποσότητα που αντιστοιχεί σε μία ώρα παρακολούθησης Netflix.

Συνολικά, η σχέση ανταλλαγής μεταξύ νοημοσύνης και ενέργειας απέχει πολύ από το να είναι σταθερή, με πολλές εταιρείες να εργάζονται για τη βελτίωσή της. Η τελική έκβαση της επενδυτικής «κούρσας» θα εξαρτηθεί από το κατά πόσο η ζήτηση θα μπορέσει να δικαιολογήσει τις τεράστιες επενδύσεις, και η ενεργειακή απόδοση θα παίξει καθοριστικό ρόλο σε αυτή την εξίσωση.

Με πληροφορίες από exponentialview.co

mywaypress.gr –Περιεχόμενο αξίας με την υποστήριξη  υβριδικής νοημοσύνης.

Για  αναγνώστες με μεγάλο εύρος προσοχής.