Dyrektor generalny Broadcom: Wielu inwestorów AI przypomina hazardzistów w kasynie, a największym czynnikiem ograniczającym rozwój AI jest kapitał

Gorączka inwestycji w infrastrukturę AI nadal rośnie, jednak wraz ze wzrostem kosztów finansowania i zwiększeniem niepewności zwrotu z inwestycji, kapitał stopniowo zastępuje dostawy chipów i energii, stając się kluczowym czynnikiem ograniczającym dalszą ekspansję branży AI.

Według doniesień Bloomberg i CNBC, CEO Broadcom Hock Tan podczas konferencji DBS Asia Future Forward w Singapurze w poniedziałek stwierdził, że wielu inwestorów AI nie ma podstawowej wiedzy o technologiach, w które inwestują, ale oczekuje bardzo wysokich zwrotów, zachowując się jak hazardziści w kasynie. Przytoczył też przykład OpenAI - choć firma osiągnęła roczne przychody na poziomie 50 miliardów dolarów we wrześniu, wysokie koszty trenowania modeli nadal powodują straty, a wzrost przychodów nie oznacza, że model biznesowy został zweryfikowany.

Hock Tan zaznaczył, że kapitał może obecnie być największym ograniczeniem dla branży AI, jego znaczenie jest nawet większe niż niedobory chipów, pamięci czy energii. Wraz z ekspansją mocy produkcyjnych, część barier sprzętowych i energetycznych może zostać złagodzona, lecz koszt finansowania, oczekiwania inwestorów dotyczące zwrotu oraz możliwość generowania wartości przez modele biznesowe AI stają się nowymi wyzwaniami dla sektora.

CEO Intel Chen Liwu wyraził podobną opinię w trakcie konferencji. Zaznaczył, że wzrost kosztu kapitału oraz to, czy inwestorzy ostatecznie osiągną wystarczające zyski, są kluczowymi wyzwaniami dla branży AI. Decyzja australijskiej firmy Firmus Grid o wycofaniu się z IPO w zeszłym tygodniu również podkreśliła ostrożność rynku wobec wyceny inwestycji w infrastrukturę AI i przyszłych zysków.

Rosnące koszty kapitału, inwestycje w AI pod lupą

Hock Tan zauważył, że w ciągu ostatnich dwóch lat branża AI doświadczyła szeregu ograniczeń podażowych, lecz wraz z ekspansją mocy produkcyjnych niektóre z tych barier mogą być stopniowo łagodzone. Przewiduje, że niedobory wafli mogą poprawić się w latach 2028-2029, a wraz z uruchamianiem nowych infrastrukturalnych projektów, dostawy energii też mogą się rozluźnić.

W porównaniu do tego, ograniczenia kapitałowe są trudniejsze do usunięcia. CEO DBS Group Tan Su Shan podkreślił, że po okresie masowych inwestycji rynek ponownie ocenia ryzyko finansowania AI. Dla firm wymagających stałych dużych inwestycji w budowę centrów danych, zakup chipów i trenowanie modeli, wzrost kosztów finansowania jeszcze bardziej podwyższa próg wejścia.

Decyzja Firmus Grid o wycofaniu się z IPO stanowi realny przykład tego trendu. Mimo wsparcia ze strony Nvidia, planowana oferta finansowa nie została zrealizowana, pokazując, że inwestorzy coraz surowiej podchodzą do wyceny firm infrastrukturalnych AI i ich zdolności do generowania przyszłych przychodów.

Rosnące przychody OpenAI nie dowodzą rentowności zaawansowanego AI

Hock Tan na przykładzie OpenAI pokazuje, że wzrost przychodów nie oznacza dojrzałości modelu biznesowego. Przychody OpenAI w ujęciu rocznym osiągnęły we wrześniu 50 miliardów dolarów, co pokazuje ogromny potencjał przychodów generowanych przez zaawansowane AI, lecz firma nadal ponosi straty przez wysokie koszty trenowania modeli.

Według niego, sama skala przychodów nie wystarcza, by udowodnić, że zaawansowane modele AI mogą realizować długoterminową rentowność. Innym problemem są wydatki firm na AI: wiele przedsiębiorstw jest w fazie testów, kupuje usługi AI, ale nie przekłada się to na rzeczywisty wzrost produktywności.

Hock Tan porównuje to zjawisko do dziecka, które z żetonami od rodziców wchodzi do salonu gier, szybko wydaje wszystkie pieniądze, lecz niczego realnego nie nauczyło się. Uważa, że twórcy modeli AI muszą znaleźć klientów, którzy będą czerpać realne korzyści z wdrożenia technologii, zamiast długo polegać na eksperymentalnych wydatkach jako podstawie wzrostu.

Silny popyt na moc obliczeniową w krótkim okresie, długoterminowy wzrost zależy od zwrotów z inwestycji

Pomimo ostrzeżeń dotyczących ograniczeń kapitałowych i zwrotu z inwestycji, CEO Broadcom i Intel są optymistycznie nastawieni co do popytu na AI w najbliższych dwóch-trzech latach.

Hock Tan zauważa, że zapotrzebowanie na infrastrukturę obliczeniową nieustannie przewyższa podaż i ta nierównowaga może utrzymać się do roku 2029, a nawet 2030. Chen Liwu również uważa, że upowszechnienie aplikacji AI i ekspansja zapotrzebowania na moc obliczeniową będą dalej napędzać wzrost sektora, a podaż sprzętu w krótkim okresie pozostanie ograniczona.

Jednak silny popyt krótkoterminowy nie oznacza, że inwestycyjna gorączka będzie trwać bez końca. Hock Tan przypomina, że jeśli adopcja zaawansowanych modeli AI nie będzie zgodna z oczekiwaniami lub pojawią się ograniczenia w rozwoju możliwości modeli, popyt na infrastrukturę obliczeniową może wyraźnie zwolnić. Chen Liwu podkreśla, że firmy muszą przez zwiększenie efektywności i poszukiwanie nowych modeli biznesowych udowodnić, że inwestycje w AI przyniosą realne zwroty.

Wraz z przejściem branży od walki o moc obliczeniową i budowę infrastruktury do weryfikacji wartości biznesowej, kolejne inwestycje kapitałowe coraz bardziej zależą od tego, czy AI spełni obietnicę podniesienia produktywności.