#тема
Итак, из чего состоят технологии ИИ и какие компании представлены в этих уровнях технологии. Чего от них ожидать и когда (или если) там появятся новые игроки. Или может быть мы недооцениваем старых.
Поехали…
Компьютерные технологии (железо). Самый нижний уровень технологии. См. картинку во вчерашнем посте.
LLM (large language models – большие языковые модели) используют огромное количество компьютерной мощности. В центре этих моделей – GPU, назовем их просто чипами для ИИ. Плюс центры обработки данных требуют кучу компьютерного и коммуникационного железа.
Возможности.
Nvidia – главный поставщик чипов для ИИ, так что неудивительно, что на ней сосредоточено все внимание рынка. Более незаметный игрок тут это AMD, а TSMC собственно производит все эти чипы. Другие компании, вовлеченные в этот сектор – это поставщики серверного и коммуникационного оборудования для этой сферы. Список включает в себя Super Micro Computer , Arista Networks , A10 Networks and Cisco.
Есть также компании полупроводников, которые также частично могут быть причислены к этой когорте. Это: ASML, Cadence и Synopsys.
Риски.
Нет сомнений, что Nvidia продаст огромную кучу чипов в этом и последующих годах. Риск заключается в том, что маржинальность этого бизнеса не будет соответствовать ожиданиям инвесторов, которые сейчас закладывают в цену баснословные прибыли. Но они могут не добраться до инвесторов в виде прибыли на акцию.
Для компаний, которые я перечислил в других, менее технологичных сферах (хотя нельзя сказать, что производство оборудования связи и серверов это так уж просто, но точно проще чем создание новых чипов) опасность заключается в том, что в технологии вшито недостаточно IP прав и технологии могут быть повторены. А значит, появится больше игроков, а значит маржинальность бизнеса будет падать.
Облачные платформы
Крупные технологические компании обеспечивают компьютерные мощности и облачные хранилища для использования большинства достижений, созданных за последнее десятилетие. И конечно, они тоже находятся в центре внимания тех, кто следит за развитием отрасли.
Возможности.
Крупнейшие поставщики облачных технологий имеют огромные возможности в сфере ИИ. У них есть ресурсы и капиталы для развития собственных моделей, и даже десятки миллионов клиентов, которым можно продавать новые ИИ сервисы. Но им, конечно, нужно поработать нас сокращением собственных расходов.
Есть компании, сосредоточенные на строительстве или владении ключевой физической инфраструктурой. Некоторые из них относятся к REIT- ам: Eqinix, First Realty Trust, American Tower Corporation. Другим примером может быть гигант частных инвестиций Blackstone, который вливает 25 млрд в сеть дата-центров, разработанных специально под ИИ.
Риски
Крупные технологические компании имеют одно серьезное преимущество: их бизнес очень диверсифицирован. Тем не менее, они не избегут серьезного удара по оценкам, если ИИ не оправдает надежд, возложенных на него. Что касается компаний недвижимости, существует риск, что их на их оценки больше влияет хайп, чем фундаментальные показатели, поэтому, лучше четко понимать выкладки аналитиков и обращать внимание на голые факты, а не на хаотичное настроение инвесторов.
Итак, из чего состоят технологии ИИ и какие компании представлены в этих уровнях технологии. Чего от них ожидать и когда (или если) там появятся новые игроки. Или может быть мы недооцениваем старых.
Поехали…
Компьютерные технологии (железо). Самый нижний уровень технологии. См. картинку во вчерашнем посте.
LLM (large language models – большие языковые модели) используют огромное количество компьютерной мощности. В центре этих моделей – GPU, назовем их просто чипами для ИИ. Плюс центры обработки данных требуют кучу компьютерного и коммуникационного железа.
Возможности.
Nvidia – главный поставщик чипов для ИИ, так что неудивительно, что на ней сосредоточено все внимание рынка. Более незаметный игрок тут это AMD, а TSMC собственно производит все эти чипы. Другие компании, вовлеченные в этот сектор – это поставщики серверного и коммуникационного оборудования для этой сферы. Список включает в себя Super Micro Computer , Arista Networks , A10 Networks and Cisco.
Есть также компании полупроводников, которые также частично могут быть причислены к этой когорте. Это: ASML, Cadence и Synopsys.
Риски.
Нет сомнений, что Nvidia продаст огромную кучу чипов в этом и последующих годах. Риск заключается в том, что маржинальность этого бизнеса не будет соответствовать ожиданиям инвесторов, которые сейчас закладывают в цену баснословные прибыли. Но они могут не добраться до инвесторов в виде прибыли на акцию.
Для компаний, которые я перечислил в других, менее технологичных сферах (хотя нельзя сказать, что производство оборудования связи и серверов это так уж просто, но точно проще чем создание новых чипов) опасность заключается в том, что в технологии вшито недостаточно IP прав и технологии могут быть повторены. А значит, появится больше игроков, а значит маржинальность бизнеса будет падать.
Облачные платформы
Крупные технологические компании обеспечивают компьютерные мощности и облачные хранилища для использования большинства достижений, созданных за последнее десятилетие. И конечно, они тоже находятся в центре внимания тех, кто следит за развитием отрасли.
Возможности.
Крупнейшие поставщики облачных технологий имеют огромные возможности в сфере ИИ. У них есть ресурсы и капиталы для развития собственных моделей, и даже десятки миллионов клиентов, которым можно продавать новые ИИ сервисы. Но им, конечно, нужно поработать нас сокращением собственных расходов.
Есть компании, сосредоточенные на строительстве или владении ключевой физической инфраструктурой. Некоторые из них относятся к REIT- ам: Eqinix, First Realty Trust, American Tower Corporation. Другим примером может быть гигант частных инвестиций Blackstone, который вливает 25 млрд в сеть дата-центров, разработанных специально под ИИ.
Риски
Крупные технологические компании имеют одно серьезное преимущество: их бизнес очень диверсифицирован. Тем не менее, они не избегут серьезного удара по оценкам, если ИИ не оправдает надежд, возложенных на него. Что касается компаний недвижимости, существует риск, что их на их оценки больше влияет хайп, чем фундаментальные показатели, поэтому, лучше четко понимать выкладки аналитиков и обращать внимание на голые факты, а не на хаотичное настроение инвесторов.
#тема
Я пишу эту статью сильно заранее до публикации. Поэтому не знаю пока, как отреагировали мои читатели на такие длинные посты по одной теме. Я хотел бы видеть ваши реакции и комментарии. Они не помогут в развитии канала, но дадут мне понимание, что вам нравится, а что нет. А вот для развития канала лучше всего помогает приглашение друга или репост одного из моих постов в какие-то более-менее тематические группы или людям, которые интересуются финансами. За это буду очень благодарен.
Поехали дальше! Вкусное оставили на сладкое! Следующий уровень ИИ технологий:
Основные модели.
Основные генеративные ИИ модели – это заранее обученные нейросети, такие как GPT, Gemini и Llama. Их обучали, чтобы воспринимать обычный текст, как задачу и затем выдавать результат в виде текста, видео или аудио. Приложения, такие как Чат GPT позволяют используют основную модель для обработки задач и выдачи результата в виде специфического контента.
Возможности
Строительство и обучение Больших Лингвистических Моделей требует не только капиталов, чтобы оплатить компьютерные мощности и облака, но и данных для обучения моделей. Конечно, экспертиза будет тут большим подспорьем. А эксперты нынче недешевы. Так что, снова, эта сфера находится под пятой крупных компаний и стартапов, которым удалось стать партнерами таких корпораций. Это, например, OpenAI и Anthropic.
Неудивительно, что главными игроками здесь остаются Meta, Microsoft и Alphabet. Но есть и темные лошадки. Apple еще недостаточно проявил себя. И даже, например, X может скоро войти в число игроков, кто знает.
Со временем, тем не менее, когда чипы станут дешевле, возможности для появление более мелких игроков должны все-таки возникнуть.
Риски
Как и для большинства уже перечисленных рисков, этот слой технологий может испытывать трудности с защитой своих данных и методик, а значит, с сохранением доминирующей роли на рынке. Это все более близкий риск, особенно с появлением моделей на базе open source, таких как Llama от Meta.
Следующий уровень довольно сложен в понимании. Мне было непросто разобраться.
Это Хабы для нейросетей и Обеспечение работы нейросетей.
Звучит непонятно, но постараюсь объяснить. Нейросеть – это мозг. Но он не работает сам по себе, им надо управлять, его надо настраивать, его надо учить. Вот инструменты для взаимодействия исследователей и менеджеров с нейросетями – это и есть этот уровень. Это не про пользователей, хочу еще уточнить. Это для профессионалов.
Эта часть ИИ сферы почти скрыта от непрофессиональных участников и ее очень легко упустить в изучении. Тем не менее, она очень важна. Разработка приложений этого уровня – дорогое, сложное и очень трудоемкое занятие. А если на этот уровень наложить скорость, с которой развиваются технологии, становится понятно, что успевать это все делать и давать достаточный уровень сервиса пользователям – чрезвычайно сложно.
Возможности.
Все облачные операторы предоставляют тот или иной уровень доступа к своим нейросетям. Но есть также независимые компании, обеспечивающие специальные и уникальные требования. К ним относятся как старые, устоявшиеся компании, такие как IBM, Kyndral (ответвление от IBM) и HPE, так и более молодые ИИ-компании и компании -дата платформы. Эта часть включает Palantir, C3.ai и Snowflake. Вероятно, подобные платформы будут множиться в будущем.
Есть еще множество стартапов на разной стадии развития, например Databricks (говорят готовится к IPO) и Hugging Face.
Риски
Если вы намерены инвестировать в эту часть ИИ мира, внимательно изучайте бизнес процесс компании. Консалтинговый бизнес, которым он является, несет очень мало фиксированных затрат, но в то же время, может быть достаточно хаотичным в плане постоянства доходов. Годовую подписку он обычно не оформляет.
Я пишу эту статью сильно заранее до публикации. Поэтому не знаю пока, как отреагировали мои читатели на такие длинные посты по одной теме. Я хотел бы видеть ваши реакции и комментарии. Они не помогут в развитии канала, но дадут мне понимание, что вам нравится, а что нет. А вот для развития канала лучше всего помогает приглашение друга или репост одного из моих постов в какие-то более-менее тематические группы или людям, которые интересуются финансами. За это буду очень благодарен.
Поехали дальше! Вкусное оставили на сладкое! Следующий уровень ИИ технологий:
Основные модели.
Основные генеративные ИИ модели – это заранее обученные нейросети, такие как GPT, Gemini и Llama. Их обучали, чтобы воспринимать обычный текст, как задачу и затем выдавать результат в виде текста, видео или аудио. Приложения, такие как Чат GPT позволяют используют основную модель для обработки задач и выдачи результата в виде специфического контента.
Возможности
Строительство и обучение Больших Лингвистических Моделей требует не только капиталов, чтобы оплатить компьютерные мощности и облака, но и данных для обучения моделей. Конечно, экспертиза будет тут большим подспорьем. А эксперты нынче недешевы. Так что, снова, эта сфера находится под пятой крупных компаний и стартапов, которым удалось стать партнерами таких корпораций. Это, например, OpenAI и Anthropic.
Неудивительно, что главными игроками здесь остаются Meta, Microsoft и Alphabet. Но есть и темные лошадки. Apple еще недостаточно проявил себя. И даже, например, X может скоро войти в число игроков, кто знает.
Со временем, тем не менее, когда чипы станут дешевле, возможности для появление более мелких игроков должны все-таки возникнуть.
Риски
Как и для большинства уже перечисленных рисков, этот слой технологий может испытывать трудности с защитой своих данных и методик, а значит, с сохранением доминирующей роли на рынке. Это все более близкий риск, особенно с появлением моделей на базе open source, таких как Llama от Meta.
Следующий уровень довольно сложен в понимании. Мне было непросто разобраться.
Это Хабы для нейросетей и Обеспечение работы нейросетей.
Звучит непонятно, но постараюсь объяснить. Нейросеть – это мозг. Но он не работает сам по себе, им надо управлять, его надо настраивать, его надо учить. Вот инструменты для взаимодействия исследователей и менеджеров с нейросетями – это и есть этот уровень. Это не про пользователей, хочу еще уточнить. Это для профессионалов.
Эта часть ИИ сферы почти скрыта от непрофессиональных участников и ее очень легко упустить в изучении. Тем не менее, она очень важна. Разработка приложений этого уровня – дорогое, сложное и очень трудоемкое занятие. А если на этот уровень наложить скорость, с которой развиваются технологии, становится понятно, что успевать это все делать и давать достаточный уровень сервиса пользователям – чрезвычайно сложно.
Возможности.
Все облачные операторы предоставляют тот или иной уровень доступа к своим нейросетям. Но есть также независимые компании, обеспечивающие специальные и уникальные требования. К ним относятся как старые, устоявшиеся компании, такие как IBM, Kyndral (ответвление от IBM) и HPE, так и более молодые ИИ-компании и компании -дата платформы. Эта часть включает Palantir, C3.ai и Snowflake. Вероятно, подобные платформы будут множиться в будущем.
Есть еще множество стартапов на разной стадии развития, например Databricks (говорят готовится к IPO) и Hugging Face.
Риски
Если вы намерены инвестировать в эту часть ИИ мира, внимательно изучайте бизнес процесс компании. Консалтинговый бизнес, которым он является, несет очень мало фиксированных затрат, но в то же время, может быть достаточно хаотичным в плане постоянства доходов. Годовую подписку он обычно не оформляет.