A ChatGPT megjelenése óta szinte eszetlenül ömlik a pénz mindenbe, ami mesterséges intelligencia, óriási buborék alakult ki az amerikai részvénypiacon. Azonban bőven megvannak a jelenség határai, hiába reménykednek a befektetők, az AI-fák sem nőnek az égig.
Az elmúlt bő évben meghatározó volt az AI megoldásokba vetett befektetői hit, amely a világon kiemelkedővé tette az amerikai részvénypiacot, ám csupán egy maroknyi cég húzta az indexeket a világpiaci trend fölé. A hosszabb piaci trendek sokáig sodródhatnak egy irányba külső behatás nélkül is, azonban ezeket az önjáró trendeket könnyen megtörheti egy-egy, a DeepSeekhez hasonló fundamentális esemény.
Az alábbiakban azt vesszük sorra, hogy milyen veszélyek leselkednek még a szegmensre, melyek az értékeltségek normalizálódásához, és annak újbóli felfedezéséhez vezethetnek, hogy a fák sem nőnek az égig.
Január végén valósággal sokkolta a piacokat a DeepSeek. A kínai vállalat az Nvidia-chipek régebbi generációját használva alig 6 millió dollár költséggel olyan AI-modellt tudott előállítani, ami a Szilícium-völgybéli nagyágyúk teljesítményével is felveszi a versenyt. Marc Andreessen kockázati tőke befektető egyenesen az AI-világ „Szputnyik pillanatának” nevezte a bejelentést, utalva a Szovjetunió első műholdjára, amely sokkolta az akkori amerikai publikumot.
Nem minden arany, ami AI
Első helyen szerepel az előző cikkben már részlegesen említett monetizáció. Monetizáció alatt azt értjük amikor egy adott terméket vagy szolgáltatást bevétel generálóvá, kereskedelmileg életképessé teszünk. A technológia és általánosságban az innovatív megoldások esetében ez sokszor nem csak nem azonnali, de viszonylag hosszú átfutási idővel történik meg, a monetizációt a termék vagy szolgáltatás széles nagyközönséghez való eljuttatása és terjesztése előzi meg.
Azonban nem minden megoldás és nem minden cég lesz sikeres, akinek eleinte sikerült már egy szeletet kihasítania a tortából saját megoldásának elkészítésével. Az évtized fordulóján a kulcsszó a blokklánc volt, még a fagyit is azzal akarták gyártani, azóta azonban a vállalati lelkesedés látszólag alábbhagyott.
Szintén pár éves történet, hogy mindenki, aki csak applikációkat fejlesztett „big data” vállalattá akart avanzsálni. Az ételkiszállító DoorDash például az önvezetést akarta elhozni a jövő fogyasztóinak, de a befektetők, akik ráugrottak erre a lázra, nem jártak túl jól. A vállalat 2020 végi részvénypiaci debütálása után egy évvel mélyrepülésbe kezdett és csak pár héttel ezelőtt tért vissza az IPO idején látott szintekhez. Mindezt úgy, hogy a széles piac több mint 60 százalékkal emelkedett ugyanezen idő alatt.
Jelenleg három fő módja van az AI-megoldások monetizálásának:
- előfizetés, ahol a szolgáltatást felhasználószám és előfizetési idő alapján számlázzák – ide tartozik számos generatív AI-applikáció,
- felhasznált teljesítmény, például a generált szöveg hossza alapján – ez a felhő szolgáltatásokra jellemző, illetve
- a funkció becsomagolása más szolgáltatásba, annak (remélhetőleg) hatékonyabbá tételével, növelve az eredeti termék vonzerejét.
A blokklánc és adatgyűjtő üzleti modellekhez hasonlóan jelenleg is kérdéses lehet a funkciók hasznossága, illetve megtérülése. 1987-ben Robert Solow híres kijelentést tett: „Már mindenhol jól látszik a komputerizáltság a világban, kivéve a termelékenységi statisztikákat.” Habár a ’90-es évek közepére megérkezett a termelékenységi forradalom, annak mértéke erősen vitatott (éves 0,5-1,5 százalékpont közötti becslésekkel), míg a technológiába történő befektetés nem mutatott egyértelmű összefüggést a kibocsátások növekedésével. (Habár az IT szektornak mindenképp jól ment, csákányt már akkor is érdemes volt eladni, de a tőkepiacon tudjuk mi lett a vége).
Ami azonban szoros kapcsolatot mutatott a termelékenység növekedésével, az a verseny és az innováció.
Ami jó a gazdaságnak nem feltétlenül jó a vállalatnak
A DeepSeek-féle megoldások nem teljesen újkeletűek a számítástechnika világában. A Moore-törvény évtizedek óta ismert, mely kimondja, hogy a tranzisztorok száma az integrált áramkörökben – és ezáltal a számítási kapacitás – körülbelül megduplázódik minden két évben. A hatványozott növekedés hatására a mai okostelefonunk memóriája több mint milliószor nagyobb, mint a holdkompé, amely Neil Armstrongot és Buzz Aldrint a Holdra repítette. De a gyorsabb személyi számítógépek ellenére azok ára viszonylag stabil maradt az elmúlt évtizedekben, komoly fejtörést okozva például az infláció mérésében.
Az innovációt a verseny tüzeli. A verseny pedig nem feltétlenül jó a vállalatnak, holott a gazdaságot épp az viszi előrébb. Az Nvidia sikerén felindulva az Amazon, Google, illetve hagyományos vetélytársak – AMD és Intel – szintén saját AI és/vagy kvantum chipek fejlesztésébe kezdett. Rendkívül hasznos tevékenység a teljesítmény fokozása, új megoldások keresése, és az adatközpontok árának lefaragása végett. A piacvezető árrésének – ceteris paribus – kevésbé tesz jót.
A DeepSeek féle „olcsó” modell betanítási megoldások szintén csökkenthetik a chipek iránti keresletet.
Azonban közép és hosszabb távon a Jevons paradoxonban bízva – a gazdaság mindig a termelési határon operál és kihasználja erőforrásait – illetve, sikeresen monetizált megoldások mellett szükség lesz chipekre, épp úgy, ahogy Moore törvénye mellett sem fektettünk kevesebb komputerbe, sőt! A technológia költséghatékonyabbá válása épp a növekedést hozhatja el, életképesebbé téve az üzleti megoldásokat.
Energiafelhasználás
Végezetül, ami még egy komoly akadályt jelenthet az AI üzletek növekedésében, az az energiatermelési kapacitás. A szervereken futó modellek szinte mérhetetlen energiát emésztenek fel, több amerikai technológiai óriás már saját atomerőműveken dolgozik, hogy kielégítsék meglévő, illetve tervezett adatközpontjaik energiaigényét. A megbízható energiaforrás szükségessége, illetve a kibocsátási aggályok a nukleáris energia reneszánszát hozhatják el, azonban a technológia kiépülése sokszor lassú és költséges vállalkozás. A számítási kapacitások optimalizálása itt is kedvezően hathat, azonban épp úgy érvényesül a Jevons paradoxon is.
A következő évek kérdése, hogy tud-e lépést tartani az energiahálózat kapacitása a mindenkori igényekkel.
Az egyes felsorolt faktorok nem önmagukban fejtik ki hatásukat, és némelyik még ellensúlyozhatja is a többi korlátot. A modellek optimalizálása csökkentheti a fix költségeket, ezáltal kisebb hatékonyságnövelés mellett is életképes üzleti megoldásokat teremthet. Ugyanakkor a technológia efféle gyors terjedése energetikai akadályokba ütközhet. A beruházások nyereségesek lehetnek a chipgyártóknak, de nem feltétlenül a szolgáltatóknak, akiknek nukleáris erőművet is kell venniük a szerverek mellé.
A chipverseny épp ellenkezőleg hathat. Végső korlátként ott van a fogyasztói igény, bármely költségszint mellett.
Érdemes lesz figyelni az AI-t felhasználó nagyvállalatok (Amazon, Google, Microsoft) negyedéves jelentéseit, hogy időszakos betekintést nyerjünk a megoldások gazdasági életképességébe és az AI ellátási láncon belüli értékteremtésbe. A tökéletes kimenetelt és magas növekedést árazó piacokat bármelyik korlát elérése kisiklathatja az elmúlt körülbelül két év trendjéből.
Solymos Márton (willy fog) többi írását itt böngészheted a HOLDBLOG-on.
JOGI NYILATKOZAT
A dokumentumban foglaltak nem minősülnek befektetési ajánlatnak, ajánlattételi felhívásnak, befektetési tanácsadásnak vagy adótanácsadásnak, befektetési elemzésnek, az abban foglaltak alapján a HOLD Alapkezelő Zrt.-vel szemben igény nem érvényesíthető, azokért a HOLD Alapkezelő Zrt. felelősséget nem vállal.