|

Συνέδριο
Goldman Sachs
- Nvidia:
Έως 4 τρισ. δολάρια οι επενδύσεις σε υποδομές AI έως το 2030 – Η νέα «κούρσα» για chips,
data centers
και ενέργεια
Η επανάσταση της τεχνητής νοημοσύνης βρίσκεται
ακόμη στα πρώτα της στάδια και μπορεί να οδηγήσει σε ένα
επενδυτικό κύμα πρωτοφανούς μεγέθους τα επόμενα χρόνια.
Ο διευθύνων σύμβουλος της Nvidia, Jensen Huang,
επανέλαβε στο συνέδριο Communacopia + Technology της Goldman
Sachs την εκτίμησή του ότι οι παγκόσμιες δαπάνες για υποδομές
τεχνητής νοημοσύνης θα μπορούσαν να φτάσουν τα 3 έως 4 τρισ.
δολάρια έως το 2030. Η πρόβλεψη, που αρχικά είχε αντιμετωπιστεί
με σκεπτικισμό, φαίνεται πλέον να αποκτά μεγαλύτερη αξιοπιστία
καθώς η ζήτηση για υπολογιστική ισχύ, data centers και προηγμένα
chips αυξάνεται ταχύτατα.
Το κρίσιμο στοιχείο είναι ότι η αγορά δεν
αντιμετωπίζει πλέον μόνο περιορισμούς στην παραγωγή ημιαγωγών. Η
«αλυσίδα» των προβλημάτων μεταφέρεται όλο και περισσότερο στο
επόμενο στάδιο: data centers, διαθέσιμη γη, ηλεκτρική ενέργεια,
δίκτυα και χρόνοι κατασκευής.
Το bottleneck μεταφέρεται από τα chips στα data
centers
Οι αναλυτές της Goldman Sachs διαπιστώνουν ότι
οι περιορισμοί στην προσφορά παραμένουν τόσο στην upstream
πλευρά, δηλαδή στους ημιαγωγούς και τα εξαρτήματα, όσο και στην
downstream πλευρά, όπου βρίσκονται οι υποδομές που απαιτούνται
για να λειτουργήσουν τα συστήματα AI.
Και αυτή η δεύτερη κατηγορία ενδέχεται να
εξελιχθεί στο μεγαλύτερο πρόβλημα.
Η έλλειψη διαθέσιμης ηλεκτρικής ισχύος, οι
καθυστερήσεις στη σύνδεση με τα δίκτυα, η περιορισμένη
διαθεσιμότητα κατάλληλων εκτάσεων και οι χρόνοι κατασκευής
μπορούν να περιορίσουν την ανάπτυξη των data centers ακόμη και
όταν υπάρχουν διαθέσιμα chips.
Η Goldman Sachs εκτιμά ότι η παγκόσμια ζήτηση
ηλεκτρικής ενέργειας από τα data centers μπορεί να αυξηθεί κατά
περίπου 170% έως το 2030 σε σχέση με το 2025. Σε ορισμένες
περιοχές των ΗΠΑ, οι καθυστερήσεις για τη σύνδεση νέων data
centers στα δίκτυα φτάνουν ήδη αρκετά χρόνια.
Νέα εργοστάσια ημιαγωγών στον ορίζοντα
Παρά τους περιορισμούς, η βιομηχανία των
ημιαγωγών αυξάνει επιθετικά την παραγωγική της δυναμικότητα.
Οι εταιρείες εξοπλισμού παραγωγής chips και οι
κατασκευαστές ημιαγωγών αναφέρουν σημαντική αύξηση παραγγελιών
και ανεκτέλεστου υπολοίπου, με την ορατότητα της ζήτησης να
χαρακτηρίζεται ως πρωτοφανής για τον κλάδο.
Οι ενδείξεις από τις εταιρείες εξοπλισμού
δείχνουν ότι περίπου 8 έως 10 νέα εργοστάσια παραγωγής ημιαγωγών
αναμένεται να τεθούν σε λειτουργία μέσα στο 2027.
Η εξέλιξη αυτή έχει ιδιαίτερη σημασία, καθώς η
ανάπτυξη της AI δεν απαιτεί μόνο περισσότερες GPU. Χρειάζεται
ολόκληρο οικοσύστημα προηγμένων chips, μνήμης, δικτύωσης,
εξοπλισμού παραγωγής και προηγμένων τεχνολογιών συσκευασίας.
Η AI inference δημιουργεί νέο κύμα ζήτησης
Ένας από τους σημαντικότερους παράγοντες της
επόμενης φάσης είναι η AI inference, δηλαδή η χρήση των μοντέλων
AI για την παραγωγή απαντήσεων και την εκτέλεση εργασιών σε
πραγματικό χρόνο.
Όσο αυξάνονται τα λεγόμενα context windows και ο
όγκος των δεδομένων που επεξεργάζονται τα μοντέλα, τόσο
αυξάνονται και οι ανάγκες για αποθήκευση δεδομένων.
Αυτό σημαίνει ότι η ανάπτυξη της AI δεν αφορά
πλέον μόνο την υπολογιστική ισχύ. Δημιουργεί παράλληλα
μεγαλύτερη ζήτηση για αποθηκευτικά συστήματα, μνήμες, δικτύωση
και υποδομές μεταφοράς δεδομένων.
Ταυτόχρονα, η μετάβαση σε πολυτσίπ ολοκληρωμένα
συστήματα αυξάνει τις ανάγκες για προηγμένες τεχνολογίες
συσκευασίας και για πιο σύνθετες πλακέτες κυκλωμάτων.
Με άλλα λόγια, η έκρηξη της AI διευρύνει συνεχώς
την αλυσίδα των εταιρειών που μπορούν να επωφεληθούν από τις
επενδύσεις.
Η AI περνά από το hardware στην πραγματική
οικονομία
Το ακόμη σημαντικότερο στοιχείο είναι ότι οι
εταιρείες δεν περιορίζονται πλέον στην κατασκευή υποδομών. Στο
συνέδριο παρουσιάστηκαν συγκεκριμένα παραδείγματα επιχειρήσεων
που χρησιμοποιούν την τεχνητή νοημοσύνη στις εσωτερικές τους
διαδικασίες για να αυξήσουν τα έσοδα και να μειώσουν το κόστος.
Η AI χρησιμοποιείται για την ανάπτυξη νέων
προϊόντων, την επιτάχυνση των κύκλων καινοτομίας και τη βελτίωση
των υπηρεσιών, ενώ παράλληλα αυτοματοποιεί εσωτερικές
διαδικασίες και δημιουργεί εξοικονομήσεις.
Αυτό είναι κρίσιμο για το επενδυτικό αφήγημα,
καθώς μεταφέρει σταδιακά την AI από ένα τεράστιο επενδυτικό
πρόγραμμα υποδομών σε εργαλείο παραγωγικότητας και δημιουργίας
πραγματικών εταιρικών κερδών.
Δεν συμμετέχουν όλοι στον ίδιο βαθμό
Η εικόνα, ωστόσο, δεν είναι ομοιόμορφη σε
ολόκληρο τον τεχνολογικό κλάδο.
Η EPAM Systems εξακολουθεί να αντιμετωπίζει
πιέσεις, καθώς οι πελάτες σε ορισμένους κλάδους παραμένουν
συγκρατημένοι στις δαπάνες τους. Η εταιρεία αναμένει ότι αυτές
οι συνθήκες θα συνεχιστούν για το υπόλοιπο του έτους, αν και
επιδιώκει να διατηρήσει ισχυρά περιθώρια κέρδους μέσω καλύτερης
τιμολόγησης και μεγαλύτερης χρήσης συμβολαίων σταθερής τιμής.
Η εξέλιξη αυτή δείχνει ότι η άνοδος της AI δεν
σημαίνει αυτόματα ότι όλες οι εταιρείες τεχνολογίας θα έχουν την
ίδια πορεία. Η αγορά αρχίζει να ξεχωρίζει τους πραγματικούς
ωφελημένους από εκείνους που απλώς επηρεάζονται θετικά από το
γενικό κλίμα.
Η νέα επενδυτική αλυσίδα της AI
Το μήνυμα από το συνέδριο της Goldman Sachs
είναι ότι η τεράστια επενδυτική ευκαιρία της AI έχει πλέον
μετατραπεί σε ολόκληρη βιομηχανική αλυσίδα.
Από τις GPU και τους ημιαγωγούς μέχρι τη μνήμη,
την προηγμένη συσκευασία, τα data centers, την ηλεκτρική
ενέργεια, τα δίκτυα και την αποθήκευση δεδομένων, κάθε κρίκος
χρειάζεται να επεκταθεί για να μπορέσει να καλύψει την
αυξανόμενη ζήτηση.
Και αυτό είναι ίσως το σημαντικότερο στοιχείο
της εκτίμησης του Jensen Huang για 3-4 τρισ. δολάρια επενδύσεων
έως το 2030.
Δεν πρόκειται μόνο για μια πρόβλεψη σχετικά με
τις πωλήσεις της Nvidia ή των εταιρειών chips. Πρόκειται για την
εκτίμηση ότι η τεχνητή νοημοσύνη μπορεί να οδηγήσει σε έναν νέο,
πολυετή κύκλο επενδύσεων που θα αγγίξει ημιαγωγούς, ενέργεια,
κατασκευές, τηλεπικοινωνίες, αποθήκευση δεδομένων και υποδομές.
Το μεγάλο ερώτημα για τις αγορές δεν είναι πλέον αν θα υπάρξουν
αυτές οι επενδύσεις, αλλά πόσο γρήγορα μπορεί να δημιουργηθεί η
απαιτούμενη υποδομή και ποιοι θα είναι οι μεγαλύτεροι
κερδισμένοι από αυτή τη νέα παγκόσμια κούρσα AI.
|