💬 ИИ: инвестиционная ценность на каждом звене цепочки создания стоимости

ИИ: инвестиционная ценность на каждом звене цепочки создания стоимости

Это вторая статья из серии. Первую статью можно найти здесь: «Хотя ИИ — это пузырь, в него все еще можно инвестировать».

Генеративный искусственный интеллект (Generative AI) разрабатывался уже несколько лет, но широкая публика и фондовые рынки не обращали на него особого внимания, пока не появился ChatGPT, продемонстрировавший огромные возможности новой технологии. Всего за пять дней генеративная языковая модель ИИ от OpenAI, которая создает оригинальные материалы в ответ на запросы пользователей, привлекла миллион пользователей. Теперь кажется, что мы не можем насытиться ИИ — он во всех заголовках. Он занимает первое место в результатах поиска Google, привлекает внимание инвесторов и, ну, в общем, деньги.

Щелкните изображение выше, чтобы сравнить лучшие акции искусственного интеллекта на TipRanks.

Давайте генерировать

Задолго до появления генеративного ИИ во многих секторах экономики использовался прогнозирующий ИИ — модели, которые анализируют существующие огромные объемы данных для выявления закономерностей, обеспечивают основу для принятия решений, производят аналитику, классифицируют данные и обнаруживают расхождения, проблемы или мошенничество.

Прогнозирующий ИИ обеспечивает огромную экономическую ценность за счет сокращения затрат, оптимизации процессов и, в целом, делает использование больших данных возможным и эффективным. Прогнозирующий или «традиционный» ИИ широко используется в автономных транспортных средствах, медицинской диагностике, биржевой торговле, видеоиграх и автоматизации многочисленных рутинных задач, основанных на знаниях.

Сейчас мы находимся на заре генеративного ИИ. Как следует из названия, он может генерировать новый и оригинальный контент на основе изучения больших наборов данных, как это делают люди, но в огромных масштабах. Генеративный ИИ привлек внимание широкой публики своей способностью создавать искусство, сочинять музыку и писать тексты (и даже сдавать экзамены MBA в Wharton School); его будущие приложения могут выйти за рамки развлечений и образования.

Если оставить в стороне футурологию, одной из самых важных задач, которую до сих пор выполнял Генеративный ИИ — через своих миссионеров ChatGPT, DALL-E и Midjourney, — было привлечение внимания, а, следовательно, и денег, к технологии ИИ и ее огромным возможностям.

Передовую технологию искусственного интеллекта можно использовать практически во всем: от предоставления полномасштабной поддержки клиентов до создания программного обеспечения с нуля, создания трехмерных моделей мира для моделирования при разработке автомобилей и разработки новых последовательностей белков, помогающих в открытии лекарств и помогающих людям. с точным прогнозом погоды и предсказанием стихийных бедствий. Благодаря этим возможностям экономическая добавленная стоимость ИИ потенциально безгранична.

Согласно последнему исследованию McKinsey, ИИ может ежегодно приносить мировой экономике до 4,4 трлн долларов (больше, чем ВВП Великобритании). Эта технология может автоматизировать до 70% рабочих операций, при этом наибольший вклад в ближайшем будущем ожидается в банковском деле, технологиях и науках о жизни. В ближайшем будущем мы увидим появление новых бизнес-моделей и приложений и даже совершенно новых отраслей. Эра ИИ находится в зачаточном состоянии, но потенциал ИИ невозможно переоценить.

Жесткая основа ИИ

Искусственный интеллект — очень сложная технология, требующая значительных исследований и разработок, а также огромных инвестиций. Помимо передовых программных моделей, он не может развиваться без соответствующего оборудования, инфраструктуры и хранилища данных. Из-за этого не только компании, разрабатывающие модели генеративного ИИ, получают выгоду от огромного притока инвестиций.

В то время как такие компании, как OpenAI, разработчик ChatGPT, привлекают наибольшее внимание общественности, вся экосистема ИИ развивается вокруг этой технологии, и ожидается, что многие другие компании найдут свое место в цепочке создания стоимости ИИ.

Основой всего, что связано с ИИ, является аппаратное обеспечение — чипы, формирующие вычислительную основу технологии. Рабочая нагрузка ИИ-вычислений до сих пор удваивалась каждые три-четыре месяца и, несомненно, будет увеличиваться еще больше; Стимулированный искусственным интеллектом спрос на основные графические процессоры (графические процессоры) принесет огромные выгоды производителям микросхем. Вот почему акции Nvidia (NVDA) с начала года выросли более чем на 200%.

Хотя аппаратное обеспечение Nvidia лежит в основе львиной доли приложений ИИ, это не единственный производитель чипов, предназначенных для выполнения интенсивных вычислений, необходимых для обучения моделей ИИ. Такая прибыльная сфера уже вызывает конкуренцию со стороны существующих лидеров, и появится много новых.

Одним из основных конкурентов NVIDIA в области графических процессоров является Broadcom (AVGO), крупный поставщик чипов для Ethernet-коммутаторов в центрах обработки данных. В апреле компания представила свой новый чип для подключения к суперкомпьютеру, который добавит больше возможностей для обработки сетевой нагрузки, управляемой искусственным интеллектом.

Alphabet (GOOGL) разрабатывает и развертывает Tensor Processing Units (TPU) с 2016 года для собственного использования; В апреле компания представила свой новый суперкомпьютер с искусственным интеллектом на базе TPU, заявив, что он быстрее и эффективнее, чем системы Nvidia. Компания Meta Platforms (META) также вступила в гонку за аппаратным обеспечением, привлекая всю команду по разработке ИИ-чипов из британского стартапа Graphcore для проектирования и разработки суперкомпьютерных систем для поддержки ИИ в своих центрах обработки данных. Meta не спешила внедрять дорогостоящее оборудование для поддержки ИИ, но теперь все это в игре, что увеличивает инвестиции во все, что связано с ИИ.

Два ранее сонливых гиганта, Advanced Micro Devices (AMD) и Intel (INTC), также активизируют гонку чипов ИИ. AMD только что представила свой новый чип, который она назвала «самым передовым в мире ускорителем для генеративного ИИ», что представляет собой вызов доминированию NVIDIA в этой области. Intel, один из крупнейших игроков на рынке с долгой историей развития технологий, работает вместе с лидером в области искусственного интеллекта Microsoft (MSFT) над созданием приложений искусственного интеллекта для ПК; Intel также меняет свою стратегию разработки чипов, чтобы конкурировать с NVIDIA и AMD.

Бэк-офис ИИ

Помимо самых быстрых и мощных чипов, ИИ нужна инфраструктура, включая серверы, центры обработки данных и облачные системы, в которых будет размещаться и работать ИИ. Эта инфраструктура обеспечивает необходимые возможности хранения и обработки, независимо от того, основаны ли они на внутренних серверах или на облачных системах, которые обеспечивают хранение, вычислительную мощность и различные другие услуги.

Основные игроки включают Amazon (AMZN) Web Services (AWS), Google Cloud и Microsoft Azure. Инфраструктура как услуга (IaaS) позволяет пользователям получать доступ к вычислительным ресурсам по запросу, что жизненно важно для крупномасштабных вычислений, необходимых для ИИ.

Двумя другими крупными игроками в области инфраструктуры являются IBM (IBM) и Oracle (ORCL). IBM предлагает набор инструментов искусственного интеллекта, готовые модели и надежные инфраструктурные услуги через Watson (процессор IBM для анализа данных, использующий обработку естественного языка) и IBM Cloud. Oracle предоставляет облачную инфраструктуру вместе с набором инструментов искусственного интеллекта, баз данных и сервисов машинного обучения. Oracle Cloud Infrastructure (OCI) обеспечивает основу для облачного управления данными на основе искусственного интеллекта и машинного обучения (ML).

Надо сказать, что вышеупомянутые гиганты не только предоставляют базовое оборудование и инфраструктуру, но также предлагают услуги более высокого уровня, такие как предварительно созданные модели машинного обучения, инструменты искусственного интеллекта и среды разработки. Они эффективно охватывают несколько этапов цепочки создания стоимости ИИ.

В дополнение к поставщикам инфраструктуры многие компании выступают в качестве координаторов инфраструктуры. Например, облачная сетевая компания Arista Networks (ANET) предлагает решения, предназначенные для повышения масштабируемости, производительности и надежности, которые являются ключевыми факторами в поддержании надежной инфраструктуры, необходимой для рабочих нагрузок ИИ и машинного обучения.

Его конкурент Cisco Systems (CSCO) выпустил новое поколение процессоров, которые могут поддерживать массивные кластеры GPU (графических процессоров) для рабочих нагрузок ИИ. Еще одна сетевая компания — Juniper Networks (JNPR) с ее управляемыми ИИ коммутаторами и программным обеспечением для сетей с поддержкой ИИ.

Данные — это сила

ИИ требует больших объемов данных для обучения и эффективного функционирования. Следовательно, этот этап включает в себя сбор, хранение и обработку этих данных. Компании собирают данные различными способами, от взаимодействия с пользователем на цифровых платформах до устройств IoT. Затем данные хранятся в безопасном месте и таким образом, чтобы к ним можно было легко получить доступ для обучения моделей ИИ.

Однако недостаточно просто собрать огромное количество данных. Необработанные данные часто беспорядочны и содержат много нерелевантной информации. Поэтому необходимо очистить данные, разобраться с пропущенными значениями и стандартизировать их в формат, который можно использовать для обучения моделей ИИ. Обработка данных может также включать анонимизацию данных для обеспечения конфиденциальности и соблюдения правил защиты данных.

Многие компании упрощают сбор и хранение данных; многие из них также предоставляют решения для очистки, обработки и управления данными. Большинство компаний в этой области представляют собой упомянутые выше универсальные магазины: Alphabet, Microsoft, Amazon, Oracle и IBM. Эти гиганты не только предоставляют инфраструктуру и услуги, необходимые для сбора и хранения данных, но также используют ИИ для улучшения своих продуктов и услуг, что делает их ключевыми игроками в сфере обучения ИИ.

Однако есть несколько компаний, основным бизнесом которых являются данные. Palantir (PLTR) специализируется на аналитике больших данных; Splunk (SPLK) предоставляет программное обеспечение для использования ценности больших данных; Teradata (TDC) специализируется на хранилищах данных и аналитических приложениях; Iron Mountain (IRM) занимается предоставлением решений для хранения и управления информацией; Equinix (EQIX) предоставляет пространство для коллокации и разрабатывает решения для центров обработки данных; Informatica (INFA) поставляет платформу на базе искусственного интеллекта, которая объединяет, управляет и объединяет данные; и NetApp (NTAP) предоставляет облачные службы данных, системы хранения данных и решения для управления данными.

Хотя основной бизнес этих компаний сосредоточен на сборе, хранении и анализе данных, важно отметить, что они обычно обслуживают более широкий спектр отраслей и не сосредоточены исключительно на обучении ИИ. Тем не менее их услуги составляют важнейшую часть инфраструктуры, необходимой для обучения моделей ИИ.

Внедрение ИИ в работу

После того, как данные собраны, сохранены, очищены, проанализированы и проанализированы, их необходимо запустить в работу. На этом этапе данные используются для обучения моделей ИИ. Это включает в себя выбор подходящей модели, определение функции потерь и обучение модели с использованием сред машинного обучения. Этот шаг также включает в себя тестирование и проверку модели, чтобы убедиться, что она хорошо работает.

Основные игроки на этом поле — IBM, NVIDIA и создатель ChatGPT — OpenAI. IBM — известный игрок в области искусственного интеллекта, история которого восходит к 1950-м годам; его платформа искусственного интеллекта IBM Watson используется в различных отраслях для решения таких задач, как анализ данных, автоматизация и прогнозирование.

NVIDIA в первую очередь известна своими графическими процессорами (GPU), но компания также предоставляет ряд программных и аппаратных инструментов, которые широко используются при разработке моделей ИИ. OpenAI, поддерживаемая Microsoft, в настоящее время является самой влиятельной компанией в сфере ИИ, поскольку ее передовые модели оказывают значительное влияние на область ИИ. Еще одним заметным влиятельным лицом является DeepMind, дочерняя компания Google.

После обучения модели ее необходимо интегрировать в приложение, которое может использовать возможности ИИ. Это может быть что угодно, от голосового помощника до беспилотного автомобиля. Это также включает в себя создание пользовательских интерфейсов и API-интерфейсов, чтобы ИИ мог взаимодействовать с пользователями и другими системами.

Что касается разработки приложений ИИ, то на этой менее капиталоемкой площадке есть множество компаний, от крупных компаний до крошечных стартапов. Наиболее известными компаниями в этой области являются Salesforce (CRM), которая разрабатывает облачное корпоративное программное обеспечение для управления взаимоотношениями с клиентами, и Adobe (ADBE), которая интегрирует ИИ в свои цифровые маркетинговые и медиа-решения и предоставляет платформу на базе ИИ для автоматизации. задачи и предлагать прогнозную аналитику в своих приложениях. Есть много других компаний, занимающихся моделями ИИ и разработкой приложений. По мере развития технологий искусственного интеллекта мы, вероятно, увидим еще больше компаний, работающих в этих областях.

Последним этапом в цепочке создания ценности ИИ является предоставление ИИ как услуги (AIaaS), облачной услуги, предлагающей аутсорсинг искусственного интеллекта, что делает его доступным для конечных пользователей или предприятий. Это может включать предоставление облачных сервисов ИИ или внедрение ИИ непосредственно в такие продукты, как голосовые помощники, системы рекомендаций или инструменты расширенной аналитики.

Большинство ведущих игроков в сфере AIaaS — это приверженцы ИИ и их подразделения — Microsoft, Alphabet, IBM, Oracle, Salesforce и Amazon. Тем не менее, бесчисленное количество стартапов спускается к игре — возможно, некоторые из них украдут корону у гигантов ИИ.

Инвестиции в будущее

В быстро развивающемся ландшафте ИИ вся цепочка создания стоимости представляет собой изобилие инвестиционных возможностей — от фирм, подпитывающих двигатель ИИ посредством разработки оборудования и инфраструктуры, до тех, кто помогает управлять данными и анализировать их, и далее вниз по цепочке создания стоимости до компаний в в авангарде разработки и применения моделей ИИ, а также тем, кто демократизирует доступ к ИИ и предлагает масштабируемые решения для бизнеса.

Однако сцена далека от монополизации. Стартапы и новаторы с прорывными идеями находят свои ниши, потенциально предлагая перспективы высокодоходных инвестиций. По мере того, как мы углубляемся в эпоху ИИ, каждое звено в цепочке создания стоимости представляет собой благодатную почву для инвестиций, обещая прибыльную прибыль и участие в формировании будущего технологий.

Отказ от ответственности