Είμαστε σε μια Φούσκα AI; Μια Καθαρή Ματιά στην Υποδομή έναντι του Υπερβολικού Λόγου

Η άνοδος της τεχνητής νοημοσύνης έχει προκαλέσει τεράστια επένδυση, ταχεία καινοτομία και έντονη δημόσια προσοχή. Αυτές οι συνθήκες σχεδόν αναπόφευκτα θέτουν ένα οικείο ερώτημα: είμαστε σε μια φούσκα AI;

Είναι ένα δίκαιο άγχος. Περιόδους τεχνολογικού ενθουσιασμού έχουν अकολουθήσει συχνά đauτικοί διορθώσεις, ιδιαίτερα όταν οι προσδοκίες προηγούνται των θεμελίων. Nhưng η απάντηση σε αυτό το ερώτημα απαιτεί τη διάκριση μεταξύ του ορατού υπερβολικού λόγου και των λιγότερο ορατών συστημάτων κάτω από αυτόν και τη γείωση της συζήτησης στην ιστορία, την οικονομία και τις πραγματικότητες του επιπέδου υποδομής που στην πραγματικότητα τροφοδοτεί την τεχνητή νοημοσύνη.

Όταν το κάνετε αυτό, η εικόνα φαίνεται πολύ πιο νουανσέ чем η αφήγηση της φούσκας.

1. Η Κλειδί Διαφορά: Υποδομή έναντι Εφαρμογών

Οι περισσότερες συζητήσεις για μια «φούσκα AI» εστιάζουν στο τι βλέπουν οι άνθρωποι στο επίπεδο εφαρμογής. Αυτό περιλαμβάνει τα επικεφαλίδα-grabbing γύρους χρηματοδότησης από εταιρείες όπως η OpenAI, η Anthropic και η xAI με ταχεία-fire χρηματοδοτικές ανακοινώσεις που έρχονται μόνο quelques μήνες μακριά. Στη συνέχεια, υπάρχουν ιογενείς demos του AI agent που κορυφώνονται στα κοινωνικά feeds και γενικές αξιολογήσεις για την τεχνητή γενική νοημοσύνη ή τους αποτελέσματα ενός τρισεκατομμυρίου δολαρίων πολύ πριν οι έσοδοι τους φτάσουν.

Το επίπεδο της βιομηχανίας κινείται γρήγορα επειδή οδηγείται από την αφήγηση, τις προσδοκίες και την ψυχολογία των επενδυτών. Οι εταιρείες εφαρμογών μπορούν να ανέβουν στην προσοχή τόσο γρήγορα όσο και να πέσουν από την εύνοια. Οι αφηγήσεις συχνά επεκτείνουν ταχύτερα από τα θεμελιώδη επιχειρηματικά στοιχεία και επειδή αυτό είναι το πιο ορατό μέρος της οικονομίας AI, γίνεται το προεπιλεγμένο σημείο αναφοράς για τις αξιολογήσεις ότι ολόκληρος ο τομέας είναι υπερθερμανμένος.

Αλλά η υποδομή υπολογισμού λειτουργεί σε μια完全 διαφορετική πραγματικότητα, μια που κυβερνάται από τη φυσική, την οικονομία και τις σκληρές ικανότητες.

Η υποδομή υπολογισμού διαμορφώνεται από μετρήσιμες δυνάμεις: GPUs που παράγουν ωριαία έσοδα με την εκτέλεση φόρτων εργασίας AI, τη διαθεσιμότητα και το κόστος της ενέργειας, το ρυθμό κατασκευής των κέντρων δεδομένων, την αυξανόμενη demande για εκπαίδευση και εύρεση ως τα μοντέλα μεγεθύνονται. Η χρήση, όχι η γνώμη, καθορίζει εάν αυτό το επίπεδο λειτουργεί.

Όπου οι εφαρμογές ανεβαίνουν και πέφτουν με βάση την αντίληψη, η υποδομή είναι αγκυροβόληστη σε συνεχιζόμενη ζήτηση. Αυτός είναι ο λόγος για τον οποίο το επίπεδο υποδομής δεν συμπεριφέρεται σαν ένα τυπικό asset class που είναι ευάλωτο σε φούσκες. Συμπεριφέρεται περισσότερο σαν το δίκτυο ηλεκτρικής ενέργειας κατά την ηλεκτροδότηση ή η ίνα κατά την επανάσταση του internet. Είναι ένα θεμελιώδες σύστημα του οποίου η καμπύλη ζήτησης οδηγείται από την τεχνολογική πρόοδο και όχι από τις σκέψεις των επενδυτών.

2. Τι Η Ιστορία Πραγματικά Δείχνει

Κοιτάζοντας τις προηγούμενες γενικής χρήσης τεχνολογίες αποκαλύπτει ένα συνεχή και επαναλαμβανόμενο μοτίβο: οι μεγάλες τεχνολογικές μετατοπίσεις αρχίζουν με μια τεράστια άνοδο στις επενδύσεις υποδομής, πολύ πριν οι κέρδη της παραγωγικότητας εμφανιστούν στην οικονομία.

Οι σιδηρόδρομοι απαιτούσαν τεράστιες αρχικές επενδύσεις δεκαετίες πριν μεταμορφώσουν το εμπόριο. Η ηλεκτρική ενέργεια απαιτούσε ακριβές grid buildouts πριν οι fabriques μπορούσαν να αναδιοργανωθούν πλήρως γύρω από την ηλεκτρική ενέργεια. Τα τηλεπικοινωνιακά δίκτυα, το internet backbone infrastructure, τα κινητά δίκτυα και η υπολογιστική στο cloud ακολουθούσαν την ίδια τροχιά. Σε κάθε περίπτωση, οι επενδύσεις υποδομής ανέβηκαν πρώτα, ενώ οι βελτιώσεις της παραγωγικότητας καθυστέρησαν.

Από την εξωτερική πλευρά, αυτές οι περιόδους συχνά φαίνονταν σαν φούσκες. Με την οπτική της αναδρομικής, ήταν φάσεις εγκατάστασης. Απαραίτητες, κεφαλαιουχικές buildouts που έθεσαν τις βάσεις για δεκαετίες οικονομικής ανάπτυξης.

Το διάγραμμα του Goldman Sachs που κυκλοφορεί ευρέως εικονογραφεί αυτό το φαινόμενο καθαρά:

Οι επενδύσεις υποδομής ανεβαίνουν χρόνια πριν από τα μετρήσιμα κέρδη της παραγωγικότητας. Η τεχνητή νοημοσύνη σήμερα ακολουθεί αυτή την ίδια καμπύλη σχεδόν ακριβώς.

Πολύ από την τρέχουσα οικοδόμηση AI οδηγείται από εταιρείες που είναι θεμελιωδώς διαφορετικές από αυτές της εποχής dot-com. Κατά τη διάρκεια του late 1990s, πολλές υψηλά αξιολογημένες εταιρείες internet είχαν λίγο ή καθόλου έσοδα. Αντίθετα, οι μεγαλύτερες δυνάμεις πίσω από την τρέχουσα άνοδο της υποδομής AI, όπως η Microsoft, η Google, η Meta και η Amazon, είναι υψηλά κερδοφόρες εταιρείες με τεράστιες, επαναλαμβανόμενες ροές μετρητών από καθιερωμένες επιχειρήσεις όπως η υπολογιστική στο cloud, η διαφήμιση και το enterprise software.

Η δαπάνη AI χρηματοδοτείται σε μεγάλο βαθμό από τα λειτουργικά κέρδη, όχι από το εικονικό χρέος. Αυτή η διάκριση έχει σημασία. Μειώνει σημαντικά την συστημική ευθραυστότητα και αναδιαμορφώνει σήμερα το CapEx όχι ως ασεβή υπερβολή, αλλά ως προσεκτική μακροπρόθεσμη επένδυση.

3. Η Ζήτηση για Υπολογισμό Είναι Διαρθρωτική, Όχι Κινητήρια από τη Γνώμη

Τι κάνει τον τρέχοντα κύκλο AI εξαιρετικά ανθεκτικό είναι ότι η ζήτηση για υπολογισμό δεν οδηγείται πρωταρχικά από τη γνώμη. Οδηγείται από τεχνικές απαιτήσεις που συνεχίζουν να επεκτείνουν ανεξάρτητα από τη γνώμη της αγοράς.

Οι κεντρικοί οδηγοί της ζήτησης υπολογισμού συνεχίζουν να επιταχύνουν:

• Ο “Σκέφτηκας” Φόρος: Τα νέα μοντέλα AI δεν απλώς ανακτούν απαντήσεις αλλά στην πραγματικότητα σκέφτονται μέσα από χιλιάδες δυνατότητες πριν απαντήσουν. Αυτό δημιουργεί μια νέα πραγματικότητα όπου μια seule προτροπή χρήστη μπορεί να καταναλώσει 100x τον υπολογισμό ενός παραδοσιακού search.

• Συνθετικά Δεδομένα Παραγωγή: Έχουμε αποτελεσματικά εξαντλήσει τα υψηλής ποιότητας ανθρώπινα δεδομένα για εκπαίδευση. Για να συνεχίσουμε να βελτιώνουμε, στόλοι από GPUs τρέχουν 24/7 απλώς για να γράψουν τα δεδομένα εκπαίδευσης για την επόμενη γενιά μοντέλων.

• Κρατική Υποδομή: Οι κυβερνήσεις αγοράζουν τώρα υπολογισμό για την εθνική ασφάλεια όπως αγοράζουν ενεργειακές резέρβες ή αμυντικά συστήματα. Αυτό δημιουργεί einen τεράστιο, μόνιμο όροφο ζήτησης που είναι ανοσία στη γνώμη της αγοράς.

Αυτές οι δυνάμεις υπάρχουν ανεξάρτητα από το πώς οι startups AI αξιολογούνται σε οποιοδήποτε τρίμηνο. Ακόμη και κατά τη διάρκεια των διορθώσεων της αγοράς, η χρήση GPU παραμένει υψηλή επειδή οι φόρτοι εργασίας συνεχίζουν να μεγεθύνονται σε πολυπλοκότητα και όγκο.

Αυτή η οικοδόμηση είναι ουσιαστική με έναν τρόπο που πολλές φούσκες weren’t. Οι GPUs, οι διακομιστές, τα κέντρα δεδομένων, η υποδομή ενέργειας και οι εγκατεστημένες εφαρμογές AI είναι πραγματικά περιουσιακά στοιχεία που ήδη παρέχουν μετρήσιμες βελτιώσεις της παραγωγικότητας. Αντίθετα με πολλές концепτές dot-com που ήταν χρόνια μακριά από την πρακτική χρήση, τα συστήματα AI είναι ήδη ενσωματωμένα σε ροές εργασίας σε όλη την ανάπτυξη λογισμικού, έρευνα, υποστήριξη πελατών, σχεδιασμό, logistics και λήψη αποφάσεων.

Υπάρχει επίσης ένας ανταγωνιστικός δυναμισμός που παίζει πέρα από τις αγορές. Η τεχνητή νοημοσύνη έχει γίνει một στρατηγική «αρμάδα» μεταξύ εταιρειών και εθνών. Οι κυβερνήσεις και οι εταιρείες δεν μπορούν απλώς να εξαιρεθούν από την επένδυση χωρίς να κινδυνεύουν με μακροπρόθεσμη ανταγωνιστικότητα. Η πτώση πίσω στην ικανότητα υπολογισμού οδηγεί όλο και περισσότερο πίσω στην καινοτομία, την έλξη ταλέντων και την πρόσβαση σε κεφάλαια.

4. Φούσκα ή Σημείο Στροφής;

Ορισμένοι οικονομολόγοι διακρίνουν μεταξύ δύο τύπων φουσκών. Οι οικονομικές φούσκες αφήνουν λίγο πίσω από αυτές όταν σπάσουν. Οι φούσκες στροφής, από την άλλη πλευρά, επιταχύνουν την οικοδόμηση θεμελιώδους υποδομής που μόνιμα αλλάζει το οικονομικό τοπίο, ακόμη και αν το κεφάλαιο είναι λανθασμένα διαθέσιμο κατά τη διάρκεια.

Οι σιδηρόδρομοι, η ηλεκτροδότηση και το πρώιμο internet all έδειξαν στοιχεία υπερβολικού λόγου. Όμως, επίσης, μετέτρεψαν την κοινωνία με αμετάκλητο τρόπο. Η σπατάλη δεν αρνήθηκε την πρόοδο.

Ο κύκλος AI δείχνει χαρακτηριστικά μιας φούσκας στροφής. Υπάρχει αναμφισβήτητα υπερβολικός λόγος στα άκρα και ορισμένες επενδύσεις θα αποτύχουν. Αλλά η υποδομή που χτίζεται είναι πραγματική, ανθεκτική και όλο και περισσότερο απαραίτητη. Ακόμη και καθώς οι αξιολογήσεις συμπιέζονται, η αγορά συντηρεί, και συγκεκριμένες εφαρμογές αποτυγχάνουν, η υποκείμενη υποδομή θα παραμείνει.

5. Το Ανθρώπινο Πρόβλημα Υπερεκτίμησης

Τέλος, υπάρχει μια επαναλαμβανόμενη τάση να υποτιμούμε την προφανή επίδραση των νέων τεχνολογιών στην καθημερινή ζωή. Μόνο 18 μήνες πριν, το μεγαλύτερο μέρος του κοινού εισαγόταν στην τεχνητή νοημοσύνη μέσω εργαλείων όπως το ChatGPT. Σήμερα, για πολλούς εργαζόμενους γνώσεων, είναι δύσκολο να φανταστούμε να εργαζόμαστε χωρίς την βοήθεια AI.

Αυτή η μετατόπιση συνέβη εξαιρετικά γρήγορα και είναι ακόμη στις αρχές της.

Από αυτή την οπτική, το να λέμε ότι αυτό είναι μια φούσκα AI χάνει το μεγαλύτερο σημείο. Τι βλέπουμε μοιάζει λιγότερο με υπερβολικό λόγο αδέσμευτο από την πραγματικότητα και περισσότερο με την ακατάστατη, κεφαλαιουχική φάση μιας επανάστασης παραγωγικότητας που ήδη βρίσκεται σε εξέλιξη.

Η δημόσια γνώμη θα κυμαίνεται. Οι τιμές θα διορθωθούν. Η υποδομή και η καινοτομία που την ενεργοποιεί θα παραμείνουν.