Cykl AI jeszcze się nie zakończył

Z tego artykułu dowiesz się:

• Dlaczego ostatnia korekta na rynku spółek AI nie musi oznaczać końca cyklu wzrostowego.
• Jak paradoks Jevonsa wyjaśnia przyszły popyt na moc obliczeniową w erze AI.
• Które segmenty rynku półprzewodników mogą zyskać na znaczeniu w nowej fazie rozwoju AI.
• Dlaczego inwestorzy ponownie przyglądają się firmom hiperskalowalnym, finansującym rozwój AI.

Niedawna korekta cen AI była jedną z najgłębszych zmian dynamiki wzrostu cen technologii w ostatnich latach. Jak zauważa Giovanni Mazzariello, starszy specjalista ds. akcji mediolańskiego UniCredit, ruchy tej skali zasługują na uwagę, ponieważ tego typu zmienność często pojawia się, gdy cykl wkracza w fazę dojrzałości. Niektóre spółki sektora półprzewodników, a w szczególności firmy produkujące pamięci, odnotowały znaczne wzrosty. Bez pogorszenia wskaźników fundamentalnych tego rodzaju korekta jest zarówno naturalna, jak i korzystna. – Nasz pogląd pozostaje zasadniczo zgodny z panującym na rynku konsensusem, że cykl AI jeszcze się nie zakończył. Uważamy jednak również, że zaczynają się pojawiać istotne niuanse, które mogą uzasadniać zmiany w pozycjonowaniu portfela – stwierdza specjalista.

Spadające koszty powinny wspierać kolejną fazę wdrażania sztucznej inteligencji

Jego zdaniem niedawna korekta była w większym stopniu napędzana pozycjonowaniem, realizacją zysków i trudnościami w utrzymaniu bardzo wysokiej ekspozycji na coraz bardziej zatłoczony rynek niż pogorszeniem podstawowego cyklu AI. Inwestorzy są również bardziej zaniepokojeni rosnącymi nakładami inwestycyjnymi związanymi z pamięcią i gwałtownym spadkiem kosztów tokenów.

Jak tłumaczy Giovanni Mazzariello, token jest podstawową jednostką wykorzystania AI, podobnie jak kilowatogodzina energii elektrycznej. Wraz ze spadkiem kosztu miliona tokenów niektórzy inwestorzy obawiają się, że wzrost wydajności może zmniejszyć nakłady inwestycyjne wymagane do osiągnięcia danego poziomu mocy obliczeniowej. Historia sugeruje coś przeciwnego. Kiedy koszty korzystania z technologii gwałtownie spadają, popyt zazwyczaj rośnie, a nie maleje – zjawisko to znane jest jako paradoks Jevonsa. Wykorzystanie tokenów można monitorować niemal w czasie rzeczywistym, a wszystkie dostępne wskaźniki nadal wskazują na silne przyspieszenie konsumpcji.

Spadające koszty powinny zatem, zdaniem Mazzariello, wspierać kolejną fazę wdrażania sztucznej inteligencji w oprogramowaniu, infrastrukturze chmurowej, danych, bezpieczeństwie, przepływach pracy opartych na agentach, automatyzacji przedsiębiorstw i samej pamięci. Niemniej jednak, dodaje, gdy rynek staje się tak zatłoczony, pogorszenie fundamentów nie jest konieczne, aby wywołać gwałtowną korektę.

Odbudowa ekspozycji na podmioty hiperskalowalne może być zasadna

Jak sugeruje specjalista UniCredit, implikacją inwestycyjną nie jest po prostu przejście z akcji o wysokiej becie do akcji o niskiej becie, ale rotacja w ramach cyklu AI w kierunku obszarów, w których oczekiwania są mniej wymagające, pozycjonowanie mniej zatłoczone, a wyceny względne bardziej atrakcyjne.

W segmencie pamięci może to oznaczać zmniejszenie ekspozycji na DRAM i HBM oraz realokację w kierunku ekosystemu NAND i kontrolerów pamięci. Rynek nadal koncentruje się na DRAM, podczas gdy rosnące znaczenie pamięci masowej dla wnioskowania AI, wyszukiwania i obciążeń intensywnie przetwarzających dane może być nadal niedoceniane.

Jednocześnie, zdaniem Giovanni Mazzariello, odbudowa ekspozycji na podmioty hiperskalowalne może być zasadna. Wraz z nasileniem się wyścigu zbrojeń w zakresie inwestycji w AI inwestorzy coraz bardziej preferowali firmy „kije i łopaty”, w szczególności Micron, Samsung Electronics i SK Hynix, zamiast firm finansujących te inwestycje. Ta względna słabsza efektywność poprawiła profil ryzyka i zysku podmiotów hiperskalowalnych, szczególnie w miarę przesuwania się uwagi ze skalowania wolumenów tokenów na poprawę wydajności i rentowności zadań związanych z AI.