| Ειδήσεις | Ο Κυνηγός | Λεωφόρος Αθηνών | "Κουλου - Βάχατα" | +/- | "Μας ακούνε" | Fundamentalist | Marx - Soros |

 
 

Δευτέρα, 07/09/2026

 

Η θεαματική πτώση του κόστους χρήσης της τεχνητής νοημοσύνης δεν οδηγεί σε επιβράδυνση των επενδύσεων στην υπολογιστική ισχύ. Αντίθετα, σύμφωνα με την UBS, η φθηνότερη AI ενθαρρύνει επιχειρήσεις και χρήστες να καταναλώνουν περισσότερα, δημιουργώντας έναν αυτοτροφοδοτούμενο κύκλο που μπορεί να διατηρήσει τις επενδύσεις σε data centers, υπολογιστικό εξοπλισμό και υποδομές σε ιδιαίτερα υψηλά επίπεδα.

Πρόκειται για ένα φαινόμενο που περιγράφεται ως «παράδοξο του Jevons»: όταν μια τεχνολογία γίνεται σημαντικά πιο αποδοτική και φθηνότερη, η συνολική κατανάλωσή της μπορεί τελικά να αυξηθεί, καθώς η χαμηλότερη τιμή ανοίγει τον δρόμο για πολύ μεγαλύτερη χρήση.

 

Η τιμή πέφτει, η κατανάλωση εκτοξεύεται

Η UBS επισημαίνει ότι το κόστος των AI tokens έχει περίπου υποδιπλασιαστεί από τον Μάιο. Ο LLM Token Expenditure Index υποχώρησε από περίπου 2 δολάρια ανά εκατομμύριο tokens σε περίπου 1 δολάριο τον Αύγουστο.

Ωστόσο, την ίδια στιγμή η ζήτηση επιταχύνθηκε σημαντικά.

Χαρακτηριστικό παράδειγμα αποτελεί η OpenRouter, πλατφόρμα που παρέχει πρόσβαση σε εκατοντάδες μεγάλα γλωσσικά μοντέλα. Η κατανάλωση tokens στην πλατφόρμα έχει αυξηθεί περίπου 10 φορές από την αρχή του έτους, ενώ η μέση μηνιαία δαπάνη του κορυφαίου 1% των χρηστών έχει αυξηθεί στα 7.500 δολάρια, από μόλις 2.500 δολάρια.

Η εξέλιξη αυτή αλλάζει και τον τρόπο με τον οποίο αποτιμάται η ανάπτυξη της αγοράς AI. Όσο περισσότερα tokens καταναλώνονται, τόσο μεγαλύτερη είναι η ανάγκη για υπολογιστική ισχύ, ενισχύοντας τις επενδύσεις σε GPUs, μνήμη, data centers και ηλεκτρική ενέργεια.

Περισσότερη χρήση σημαίνει περισσότερη υποδομή

Η ζήτηση για tokens δεν αυξάνεται απλώς επειδή περισσότεροι χρήστες χρησιμοποιούν AI. Αυξάνεται και επειδή οι ίδιες οι εφαρμογές γίνονται ολοένα πιο απαιτητικές.

Μεγαλύτερα prompts και απαντήσεις, εφαρμογές που συνδυάζουν κείμενο, εικόνα και άλλες μορφές δεδομένων, αναζήτηση και ανάκτηση πληροφοριών, αλλά και πιο σύνθετες διαδικασίες reasoning αυξάνουν την κατανάλωση.

Ακόμη μεγαλύτερη δυναμική μπορούν να προσφέρουν οι AI agents. Τα συστήματα αυτά μπορούν να χρησιμοποιούν εργαλεία, να δημιουργούν σχέδια και να εκτελούν μια σειρά εργασιών χωρίς συνεχή ανθρώπινη παρέμβαση. Όσο περισσότερες διαδικασίες αναλαμβάνουν, τόσο περισσότερη υπολογιστική ισχύ χρειάζονται.

Έτσι δημιουργείται ένας μηχανισμός όπου η αύξηση της χρήσης της AI μετατρέπεται απευθείας σε αύξηση της ζήτησης για υποδομές.

Η αποδοτικότητα δεν είναι εχθρός των επενδύσεων

Η UBS επισημαίνει ότι την ίδια στιγμή η αποδοτικότητα τόσο του hardware όσο και των μοντέλων AI βελτιώνεται με εντυπωσιακούς ρυθμούς.

Μελέτη του Economist που επικαλείται η UBS δείχνει ότι το κόστος σε tokens για την επίτευξη συγκεκριμένων επιπέδων απόδοσης έχει μειωθεί περίπου 97% σε ετήσια βάση.

Κανονικά, μια τόσο μεγάλη αύξηση της αποδοτικότητας θα μπορούσε να θεωρηθεί απειλή για τις επενδύσεις, καθώς η ίδια εργασία θα απαιτούσε λιγότερη υπολογιστική ισχύ. Στην περίπτωση της AI όμως, η UBS εκτιμά ότι η μείωση του κόστους δημιουργεί νέες χρήσεις και διευρύνει την αγορά.

Εάν μια εργασία που κόστιζε 10 δολάρια μπορεί πλέον να εκτελεστεί με 1 δολάριο, τότε δεν είναι απαραίτητο οι επιχειρήσεις να ξοδέψουν λιγότερα. Μπορούν να χρησιμοποιήσουν την AI για δέκα φορές περισσότερες εργασίες.

Αυτό είναι το βασικό στοιχείο του Jevons paradox.

Ο «AI flywheel»

Η UBS περιγράφει τη δυναμική ως έναν «AI flywheel», έναν αυτοτροφοδοτούμενο κύκλο:

φθηνότερη AI → μεγαλύτερη χρήση → περισσότερα tokens → μεγαλύτερη ανάγκη για υπολογιστική ισχύ → περισσότερες επενδύσεις σε υποδομές → ακόμη μεγαλύτερη δυνατότητα χρήσης AI.

Η σημασία αυτού του μηχανισμού είναι μεγάλη για ολόκληρη την αλυσίδα της τεχνολογίας.

Η πτώση των τιμών των AI υπηρεσιών μπορεί να πιέζει τα έσοδα ανά token για τους παρόχους μοντέλων, αλλά ταυτόχρονα αυξάνει δραματικά τον όγκο της χρήσης. Αυτό μπορεί να διατηρήσει υψηλή τη συνολική ζήτηση για υπολογιστική ισχύ.

Και εδώ βρίσκεται η μεγάλη αντίφαση της σημερινής αγοράς: η AI γίνεται φθηνότερη για τον χρήστη, αλλά η υποδομή που απαιτείται για να υποστηριχθεί η αυξανόμενη χρήση της γίνεται ολοένα πιο ακριβή.

Η UBS επισημαίνει χαρακτηριστικά ότι η πτώση των τιμών των tokens μέσα στο καλοκαίρι συνέπεσε με άνοδο των τιμών της μνήμης, καταδεικνύοντας αυτή την απόκλιση μεταξύ του κόστους χρήσης της AI και του κόστους κατασκευής της υποδομής που την υποστηρίζει.

Τι σημαίνει για τους επενδυτές

Για τους επενδυτές, η UBS θεωρεί ότι οι τιμές των tokens και κυρίως η κατανάλωσή τους εξελίσσονται σε σημαντικούς δείκτες για την πορεία ολόκληρης της οικονομίας της AI.

Η πτώση των τιμών δεν πρέπει επομένως να ερμηνεύεται αυτόματα ως σημάδι ότι ο επενδυτικός κύκλος πλησιάζει στο τέλος του. Μπορεί να αποτελεί ακριβώς την ένδειξη ότι η τεχνολογία γίνεται αρκετά φθηνή ώστε να περάσει από ένα περιορισμένο σύνολο χρηστών σε μαζική κατανάλωση.

Εφόσον η κατανάλωση αυξάνεται ταχύτερα από την πτώση της τιμής ανά token, η συνολική δαπάνη μπορεί να συνεχίσει να αυξάνεται. Και όσο αυξάνεται η χρήση, τόσο ισχυρότερο γίνεται το οικονομικό κίνητρο για νέες επενδύσεις σε data centers, GPUs, μνήμη, δίκτυα και ενεργειακές υποδομές.

Το βασικό μήνυμα της UBS είναι επομένως ξεκάθαρο: η φθηνότερη AI μπορεί να μην σημαίνει λιγότερες επενδύσεις, αλλά περισσότερες.

Αν το «AI flywheel» συνεχίσει να λειτουργεί, η μεγάλη πτώση του κόστους δεν θα αποτελέσει το τέλος του επενδυτικού boom. Θα μπορούσε να γίνει ένας από τους βασικούς λόγους για τους οποίους αυτός ο κύκλος θα παραμείνει ισχυρός για πολύ περισσότερο από όσο σήμερα προεξοφλεί η αγορά.

 

Greek Finance Forum Team

 
 
 
GFF Feed

Loading...

 
 
 
 
 
 
 

Αποποίηση Ευθύνης.... 

© 2016-2026 Greek Finance Forum