Είμαστε σε μια Φούσκα AI; Μια Καθαρή Ματιά στα Υποδομή και την Υπερβολή

Η άνοδος της AI έχει προκαλέσει τεράστια επένδυση, γρήγορη καινοτομία και έντονη δημόσια προσοχή. Αυτές οι συνθήκες σχεδόν αναπόφευκτα ανακινούν ένα γνωστό ερώτημα: είμαστε σε μια φούσκα AI;

Είναι ένα δίκαιο ανησυχία. Περιόδους τεχνολογικής ενθουσιασμού έχουν अकολουθήσει συχνά με đauώδεις διορθώσεις, ιδιαίτερα όταν οι προσδοκίες προηγούνται των θεμελίων. Αλλά για να απαντηθεί αυτό το ερώτημα, απαιτείται η διάκριση μεταξύ ορατής υπερβολής και των λιγότερο ορατών συστημάτων κάτω από αυτήν και η εναρμόνιση της συζήτησης στην ιστορία, την οικονομία και τις πραγματικότητες του υποδομικού επιπέδου που ενεργοποιεί πραγματικά την AI.

Όταν το κάνετε αυτό, το σκηνικό φαίνεται πολύ πιο νουανσέ niż η αφήγηση της φούσκας.

1. Η Κλειδί Διακρίση: Υποδομή vs. Εφαρμογές

Οι περισσότερες συζητήσεις για μια “φούσκα AI” εστιάζουν στο τι βλέπουν στο επίπεδο της εφαρμογής. Αυτό περιλαμβάνει τα επικεφαλίδα-grabbing γύρους χρηματοδότησης από εταιρείες όπως η OpenAI, η Anthropic και η xAI με γρήγορες ανακοινώσεις χρηματοδότησης που έρχονται μόνο quelques μήνες μακριά. Στη συνέχεια, υπάρχουν ιογενείς demos AI που κορυφώνονται στα κοινωνικά feeds και γενικευμένες αξιώσεις για γενική νοημοσύνη ή αποτέλεσμα τρισεκατομμυρίων δολαρίων πριν οι έσοδοι τους φτάσουν.

Αυτό το επίπεδο της βιομηχανίας κινείται γρήγορα γιατί είναι驱ημένο από την αφήγηση, τις προσδοκίες και την ψυχολογία των επενδυτών. Οι εταιρείες εφαρμογών μπορούν να αυξηθούν στην προσοχή τόσο γρήγορα όσο και να πέσουν εκτός ευνοίας. Οι αφηγήσεις συχνά επεκτείνονται γρηγορότερα από τα θεμελιώδη επιχειρηματικά στοιχεία και επειδή αυτό είναι το πιο ορατό μέρος της οικονομίας AI, γίνεται το προεπιλεγμένο σημείο αναφοράς για τις αξιώσεις ότι ο 整ος τομέας είναι υπερθερμανμένος.

Αλλά υποδομή υπολογισμού λειτουργεί σε μια完全 διαφορετική πραγματικότητα, μια που διέπεται από τη φυσική, την οικονομία και τις σκληρές περιορισμούς ικανότητας.

Η υποδομή υπολογισμού διαμορφώνεται από μετρήσιμες δυνάμεις: GPUs που παράγουν ωριαία έσοδα εκτελώντας AI workloads, τη διαθεσιμότητα και το κόστος της ενέργειας, το ρυθμό κατασκευής των κέντρων δεδομένων, την αυξανόμενη ζήτηση εκπαίδευσης και συλλογής ως τα μοντέλα μεγεθύνονται. Η χρησιμοποίηση, όχι η στάση, καθορίζει αν αυτό το επίπεδο λειτουργεί.

Όπου οι εφαρμογές ανεβαίνουν και πέφτουν με βάση την αντίληψη, η υποδομή είναι αναρτημένη σε διατηρημένη 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 τη διάρκεια της ηλεκτροδότησης ή το ιντερνέτ κατά τη διάρκεια του internet boom. Είναι ένα θεμελιώδες σύστημα του οποίου η καμπύλη ζήτησης οδηγείται από την τεχνολογική πρόοδο και όχι από τις σκέψεις των επενδυτών.

2. Τι Δείχνει Πραγματικά η Ιστορία

Κοιτάζοντας τις προηγούμενες γενικής χρήσης τεχνολογίες αποκαλύπτει ένα συνεχές και επαναλαμβανόμενο μοτίβο: μεγάλες τεχνολογικές μετατοπίσεις αρχίζουν με ένα τεράστιο άνοδο στις επενδύσεις υποδομής, πολύ πριν οι Produktivitätszuwachs εμφανιστούν στην οικονομία.

Οι σιδηρόδρομοι απαιτούσαν τεράστιες αρχικές επενδύσεις δεκαετίες πριν μεταμορφώσουν το εμπόριο. Η ηλεκτρική ενέργεια απαιτούσε κοστούσες κατασκευές δικτύων πριν οι fabriken μπορούσαν να οργανωθούν πλήρως γύρω από την ηλεκτρική ενέργεια. Τα τηλεπικοινωνιακά δίκτυα, το internet backbone, τα κινητά δίκτυα και η cloud υπολογιστική ακολούθησαν την ίδια πορεία. Σε κάθε περίπτωση, οι επενδύσεις υποδομής ανέβηκαν πρώτα, ενώ οι βελτιώσεις Produktivitäts lagged.

Από την εξωτερική πλευρά, αυτές οι περιόδους συχνά φαίνονταν σαν φούσκες. Σε αναδρομή, ήταν φάσεις εγκατάστασης. Απαραίτητες, κεφαλαιουχικές κατασκευές που έθεσαν τις βάσεις για δεκαετίες οικονομικής ανάπτυξης.

Αυτό το ευρέως κυκλοφορούν chart της Goldman Sachs εικονογραφεί αυτό το φαινόμενο σαφώς:

Οι επενδύσεις υποδομής ανεβαίνουν χρόνια πριν από τις μετρήσιμες βελτιώσεις Produktivitäts. Η AI σήμερα ακολουθεί αυτή τη καμπύλη σχεδόν ακριβώς.

Πολλοί από τους σημερινούς AI buildout οδηγούνται από εταιρείες που είναι θεμελιωδώς διαφορετικές από εκείνες της εποχής dot-com. Κατά τη διάρκεια της late 1990s, πολλές υψηλά αξιολογημένες εταιρείες internet είχαν λίγη ή καθόλου έσοδο. Από την άλλη πλευρά, οι μεγαλύτερες δυνάμεις πίσω από την τρέχουσα AI υποδομική άνοδο, όπως η Microsoft, η Google, η Meta και η Amazon, είναι υψηλά κερδοφόρες εταιρείες με τεράστιες, επαναλαμβανόμενες ροές μετρητών από καθιερωμένες επιχειρήσεις όπως η cloud υπολογιστική, η διαφήμιση και το enterprise software.

Η δαπάνη AI τους χρηματοδοτείται σε μεγάλο βαθμό από τα λειτουργικά κέρδη, όχι από εικονική χρέος. Αυτή η διάκριση έχει σημασία. Μειώνει σημαντικά τη συστημική ευθραυστότητα και αναπλασιάζει σήμερα το CapEx όχι ως ασεβή υπερβολή, αλλά ως σκόπιμη μακροπρόθεσμη επένδυση.

3. Η Ζήτηση για Υπολογισμό είναι Δομική, Όχι Στάση-Ενδηλωμένη

Τι κάνει τον τρέχοντα AI κύκλο εξαιρετικά ανθεκτικό είναι ότι η ζήτηση για υπολογισμό δεν οδηγείται πρωτίστως από την αφηγηματική ενθουσιασμό. Οδηγείται από τεχνικές απαιτήσεις που συνεχίζουν να επεκτείνονται ανεξάρτητα από την αγορά στάση.

Οι βασικοί οδηγοί της ζήτησης υπολογισμού συνεχίζουν να αυξάνονται:

• Ο “Σκέψη” Φόρος: Τα νέα μοντέλα AI δεν απλώς ανακτούν απαντήσεις αλλά πραγματικά σκέφτονται через χιλιάδες δυνατότητες πριν απαντήσουν. Αυτό δημιουργεί μια νέα πραγματικότητα όπου μια seule προτροπή χρήστη μπορεί να καταναλώσει 100x την υπολογιστική ισχύ μιας παραδοσιακής αναζήτησης.

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

• Ευρωπαϊκή Υποδομή: Οι κυβερνήσεις αγοράζουν τώρα υπολογιστική ισχύ για εθνική ασφάλεια όπως αγοράζουν ενεργειακές резέρβες ή αμυντικά συστήματα. Αυτό δημιουργεί ένα τεράστιο, μόνιμο πάτωμα ζήτησης που είναι ανοσία στη στάση της αγοράς.

Αυτές οι δυνάμεις υπάρχουν ανεξάρτητα από το πώς οι εταιρείες AI αξιολογούνται σε οποιοδήποτε δεδομένο τρίμηνο. Ακόμη και κατά τη διάρκεια των πτωτικών αγορών, η χρησιμοποίηση GPU παραμένει υψηλή γιατί οι εργασίες τους συνεχίζουν να αυξάνονται σε πολυπλοκότητα και όγκο.

Αυτή η κατασκευή είναι ορατή με έναν τρόπο που πολλές φούσκες weren’t. Οι GPU, οι διακομιστές, τα κέντρα δεδομένων, η υποδομή ενέργειας και οι αναπτυγμένες εφαρμογές AI είναι πραγματικά περιουσιακά στοιχεία που ήδη παρέχουν μετρήσιμες βελτιώσεις Produktivitäts. Σε αντίθεση με πολλές концепτές dot-com που ήταν χρόνια μακριά από την πρακτική χρήση, τα συστήματα AI είναι ήδη ενσωματωμένα σε ροές εργασιών σε όλη τη ανάπτυξη λογισμικού, έρευνα, υποστήριξη πελατών, σχεδιασμό, λογιστική και λήψη αποφάσεων.

Υπάρχει επίσης ένας ανταγωνιστικός δυναμισμός που λειτουργεί πέρα από τις αγορές. Η AI 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 υπολογιστική ικανότητα σημαίνει όλο και περισσότερο την πτώση πίσω στην καινοτομία, την έλξη ταλέντου και την πρόσβαση σε κεφάλαια.

4. Φούσκα ή Σημείο Αναστροφής;

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

Οι σιδηρόδρομοι, η ηλεκτροδότηση και το πρώιμο διαδίκτυοすべて έδειξαν στοιχεία υπερβολής. Όμως, επίσης, μετέτρεψαν την κοινωνία με μη αναστρέψιμους τρόπους. Η σπατάλη δεν αρνήθηκε την πρόοδο.

Ο AI κύκλος εμφανίζει χαρακτηριστικά μιας φούσκας αναστροφής. Υπάρχει αναμφισβήτητα υπερβολή στα άκρα και ορισμένες επενδύσεις θα αποτύχουν. Αλλά η υποδομή που κατασκευάζεται είναι πραγματική, ανθεκτική και όλο και περισσότερο απαραίτητη. Ακόμη και καθώς οι αξιολογήσεις συμπιέζονται, η αγορά συντηρείται, και συγκεκριμένες εφαρμογές αποτυγχάνουν, η υποκείμενη υποδομή θα παραμείνει.

5. Το Πρόβλημα της Ανθρώπινης Υπερεκτίμησης

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

Αυτή η μετατόπιση συνέβη αξιοσημείωτα γρήγορα και είναι ακόμη στις πρώτες φάσεις.

Από αυτή την οπτική, το να ονομάζουμε αυτό μια φούσκα AI χάνει το μεγαλύτερο σημείο. Τι βλέπουμε φαίνεται λιγότερο σαν υπερβολική υπερβολή αποκολλημένη από την πραγματικότητα και περισσότερο σαν την ακατάστατη, κεφαλαιουχική φάση εγκατάστασης μιας Produktivitäts επανάστασης που ήδη είναι σε εξέλιξη.

Η δημόσια στάση θα κυμαίνεται. Οι τιμές θα διορθωθούν. Η υποδομή και η καινοτομία που την ενεργοποιούν είναι εδώ για να παραμείνουν.