Искусственный интеллект стоит перед лицом одного из самых важных вопросов в современной экономике — является ли текущий рост ИИ-компаний пузырем или настоящей бизнес-революцией. Экономисты и инвестиционные профессионалы всё чаще слышат вопрос о том, не раздут ли рынок искусственного интеллекта до неоправданных размеров.
Скептицизм здесь уместен по двум причинам: утверждение о существовании пузыря и оценка компаний в новых областях. Пузыри сложно выявить в режиме реального времени, хотя базовый спрос может быть более очевидным.
Фундаментальные основы ИИ-индустрии
Основные показатели для компаний искусственного интеллекта крайне позитивны, и две крупные экономические активности почти наверняка окажутся сильными. Компании, производящие большие языковые модели (LLM), станут основным двигателем производительности в широком спектре бизнеса, некоммерческих организаций и государственных учреждений.
Множество компаний разрабатывают специализированные приложения, использующие LLM для повышения производительности в конкретных задачах — от выставления счетов до проектирования продуктов. Помимо этих двух основных подходов, разрабатываются малые языковые модели для узкоспециализированных задач, хотя менее очевидно, что этот подход превзойдет специализированные приложения, подключенные к LLM.
Однако сильные фундаментальные показатели не всегда оправдывают заоблачные оценки компаний. Главная задача — выяснить, насколько высоки будут фундаментальные показатели относительно текущих оценок. Это невероятно сложно сделать, за исключением ретроспективного анализа.
Поиск оптимальной бизнес-модели
ИИ-индустрия определяет лучшую бизнес-модель для применения технологий к реальным проблемам. Это сочетается с человеческой склонностью к спекулятивному безумию, что усложняет оценку. Проблема бизнес-модели недооценивается в последних дискуссиях.
В 1908 году в США было более 250 компаний, производящих автомобили. За этим последовали две основные тенденции: продажи автомобилей взлетели до ранее невообразимых уровней, и большинство автомобильных компаний обанкротились. Это поразительный результат.
Автомобильным компаниям пришлось выяснить, как эффективно производить продукт — в этом преуспела Ford. И им нужно было понять, чего больше всего хотят клиенты в своих автомобилях — здесь лучше справилась General Motors. В отрасли с большой экономией от масштаба менее эффективные компании теряли долю рынка, что приводило к превышению их затрат над конкурентами. Поэтому они терпели неудачу.
Уроки dot-com бума
Аналогичные результаты произошли во время dot-com бума 1990-х годов. Множество компаний было создано в сфере электронной коммерции, и большинство из них прекратило существование. Но онлайн-покупки достигли уровней, которые мало кто ожидал два десятилетия назад. Бизнес-концепция была великолепной, но большинство конкретных попыток потерпели неудачу.
В основе этой дихотомии лежит концепция «экономики проб и ошибок». Предприятия должны экспериментировать, даже зная, что многие эксперименты потерпят неудачу — или преуспеют в том смысле, что компания узнает, что не работает. Редко крупная инновация работает идеально с первой попытки.
В сфере ИИ мы увидим множество ошибок. Некоторые компании потерпят неудачу. Другие серьезно споткнутся, но выживут. И лишь немногие найдут правильную модель для помощи своим клиентам в достижении огромного роста производительности — и в итоге окажутся достойными своих высоких оценок.
Структура рынка и успех компаний
Рыночная структура — часть загадки окончательного успеха компании. Иногда одна компания доминирует в определенной области. Кто может назвать вторую по величине компанию в сфере программного обеспечения для бухгалтерского учета малого бизнеса? Это происходит потому, что каждый бухгалтер может загрузить компьютерный файл, созданный с помощью QuickBooks. Владельцы малого бизнеса с альтернативной бухгалтерской программой сталкиваются с большими трудностями.
В некоторых отраслях есть несколько крупных игроков, в других — много мелких игроков, как в ресторанном бизнесе. Большие языковые модели будут напоминать олигополию Airbus-Boeing, а сектор приложений будет выглядеть как суши, бургеры, пицца и так далее.
Предприятия, предоставляющие очень специфические приложения, будут многочисленными, используя очень специфические знания отрасли. Когда электрику нужно ускорить подготовку смет, он обратится к ИИ-продукту, разработанному с глубоким знанием этой конкретной ниши: оценка стоимости электромонтажных работ. Эта программа не поможет автодилеру, пытающемуся увеличить продажи сервисного отделения, но поможет какое-то другое приложение. Однако эти поставщики приложений могут использовать одну и ту же LLM в качестве движка за кулисами.
История Amazon как урок для инвесторов
Что касается оценки акций, стоит рассмотреть случай Amazon. Акции компании достигли максимума в 1999 году. Два года спустя акции упали на 95%. Оказалось, однако, что покупка по максимуму 1999 года была не такой уж глупой. Сейчас акции стоят в 52 раза больше того старого пика 1999 года. Сопоставимая инвестиция в индекс Standard & Poor’s 500 с реинвестированными дивидендами была бы примерно в восемь раз больше вложенной суммы.
История Amazon ценна не только своей окончательной денежной стоимостью, но и из-за дикой поездки на этом пути. У акций было множество неудач в ходе их путешествия. И инвесторам следует помнить, что многие dot-com инвестиции стали бесполезными.
Находится ли ИИ-индустрия в пузыре? Этого невозможно сказать наверняка. Каждая отдельная акция в секторе довольно рискованна по текущим ценам, но некоторые окажутся достойными сегодняшней цены и даже большего. Многие инвестиции станут полными потерями.
Однако есть убедительные доказательства того, что ИИ станет огромной силой в деловом мире на годы вперед. Фундаментальные основы технологии остаются исключительно сильными, несмотря на неопределенность в оценках конкретных компаний.
#AImodel #AI #amazon #ИИ #Write2Earn
