#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.
#тема
Приложения.
Вот тут мы уже приблизились к пользователям из бизнеса и розницы. Если следовать пути развития других инновационных технологий, компании, разрабатывающие приложения создадут наибольшую ценность в этой сфере как для клиентов, так и для акционеров.
Большие языковые модели могут показаться довольно тупыми иногда. Они могут создавать контент, который выглядит и звучит прекрасно, но будет иметь множество недостатков, если вы заморочитесь на детали. И это ОК, если вы хотели, чтобы вам просто рассказали историю или для вас написали музыку. А вот если вы хотите полагаться на точные данные, и эти данные критически важны, то языковую модель нужно очень точно нацелить и иногда, скормить ей дополнительные источники данных, чтобы не ошибиться.
Если языковая модель — это двигатель, то приложения, построенные вокруг нее – это остальная часть машины. И колеса, и тормоза и коробка передач. И от создателя приложения зависит, что он построит гоночный болид или внедорожник.
Нейросеть может решить для пользователя или компании множество проблем. Но ей нужен интерфейс и она должна быть правильно настроена. Она также должна иметь доступ к нужной информации. Простой пример – чат бот банка. Да, уже из коробки он может вести диалог с клиентом. Но ему также нужен доступ к информации о клиенте, о его предыдущих транзакциях. При этом бот должен иметь границы: какую информацию и на какой стадии разговора он может разглашать, а какую не может разглашать никогда. Все эти границы и ограничения должны быть разработаны, вшиты в модель и проверены в разных ситуациях.
Возможности.
Любой может создать приложение с использованием ИИ. Но некоторые компании имеют преимущество, которого нет у индивидуальных разработчиков и небольших стартапов:
1. Лучшие эксперты, дорогие эксперты. Много экспертов – это хорошее начало.
2. Доступ к большой аудитории или базе данных клиентов – тоже неплохо.
3. Большая собственная уникальная база данных для настройки языковой модели и получения преимущества перед другими разработчиками.
И снова мы выходим на гигантов рынка, наших обычных подозреваемых: Meta, Amazon, Alphabet и Microsoft. Но здесь мы можем добавить уже более специализированные компании, такие как Salesforce, Tencent, Alibaba, PayPal, Shopify.
Для большинства этих игроков, их ИИ компонента бизнеса уже зашита в цену, по крайней мере частично. А вот кто еще не проявил себя – это Apple. Пока аналитики предрекают компании рост 5% в год, но этот рост точно не учитывает тот период, когда Apple начнет выкатывать свои собственные ИИ решения. Я бы назвал Apple темной лошадкой этой сферы. Ведь мы не можем предположить, что в недрах компании еще не развиваются свои собственные продукты. Ведь Apple соответствует всем изложенным выше критериям. Siri уже существует и скорее всего получит мозговой апгрейд в ближайшее время. 2 миллиарда девайсов в руках пользователей – тоже заманчивая возможность использовать которую Apple просто обязан. Плюс AppleStore. Кто бы что бы ни разработал – это появится в магазине, и Apple получит свой процент.
Риски.
Входной барьер в этой сфере довольно низкий. Так что в ближайшее время эта точка развития будет очень конкурентным рынком. И если ИИ гонка будет развиваться также как доткомы, EV, каннабис – мы скоро увидим яркие звезды, взлетающие и гаснущие с огромной скоростью. Я бы не рискнул инвестировать в отдельные компании в этой сфере. Скорее подобрал бы узкоспециализированный ETF. Даже не знаю, есть уже такой или нет. Надо поискать.
Приложения.
Вот тут мы уже приблизились к пользователям из бизнеса и розницы. Если следовать пути развития других инновационных технологий, компании, разрабатывающие приложения создадут наибольшую ценность в этой сфере как для клиентов, так и для акционеров.
Большие языковые модели могут показаться довольно тупыми иногда. Они могут создавать контент, который выглядит и звучит прекрасно, но будет иметь множество недостатков, если вы заморочитесь на детали. И это ОК, если вы хотели, чтобы вам просто рассказали историю или для вас написали музыку. А вот если вы хотите полагаться на точные данные, и эти данные критически важны, то языковую модель нужно очень точно нацелить и иногда, скормить ей дополнительные источники данных, чтобы не ошибиться.
Если языковая модель — это двигатель, то приложения, построенные вокруг нее – это остальная часть машины. И колеса, и тормоза и коробка передач. И от создателя приложения зависит, что он построит гоночный болид или внедорожник.
Нейросеть может решить для пользователя или компании множество проблем. Но ей нужен интерфейс и она должна быть правильно настроена. Она также должна иметь доступ к нужной информации. Простой пример – чат бот банка. Да, уже из коробки он может вести диалог с клиентом. Но ему также нужен доступ к информации о клиенте, о его предыдущих транзакциях. При этом бот должен иметь границы: какую информацию и на какой стадии разговора он может разглашать, а какую не может разглашать никогда. Все эти границы и ограничения должны быть разработаны, вшиты в модель и проверены в разных ситуациях.
Возможности.
Любой может создать приложение с использованием ИИ. Но некоторые компании имеют преимущество, которого нет у индивидуальных разработчиков и небольших стартапов:
1. Лучшие эксперты, дорогие эксперты. Много экспертов – это хорошее начало.
2. Доступ к большой аудитории или базе данных клиентов – тоже неплохо.
3. Большая собственная уникальная база данных для настройки языковой модели и получения преимущества перед другими разработчиками.
И снова мы выходим на гигантов рынка, наших обычных подозреваемых: Meta, Amazon, Alphabet и Microsoft. Но здесь мы можем добавить уже более специализированные компании, такие как Salesforce, Tencent, Alibaba, PayPal, Shopify.
Для большинства этих игроков, их ИИ компонента бизнеса уже зашита в цену, по крайней мере частично. А вот кто еще не проявил себя – это Apple. Пока аналитики предрекают компании рост 5% в год, но этот рост точно не учитывает тот период, когда Apple начнет выкатывать свои собственные ИИ решения. Я бы назвал Apple темной лошадкой этой сферы. Ведь мы не можем предположить, что в недрах компании еще не развиваются свои собственные продукты. Ведь Apple соответствует всем изложенным выше критериям. Siri уже существует и скорее всего получит мозговой апгрейд в ближайшее время. 2 миллиарда девайсов в руках пользователей – тоже заманчивая возможность использовать которую Apple просто обязан. Плюс AppleStore. Кто бы что бы ни разработал – это появится в магазине, и Apple получит свой процент.
Риски.
Входной барьер в этой сфере довольно низкий. Так что в ближайшее время эта точка развития будет очень конкурентным рынком. И если ИИ гонка будет развиваться также как доткомы, EV, каннабис – мы скоро увидим яркие звезды, взлетающие и гаснущие с огромной скоростью. Я бы не рискнул инвестировать в отдельные компании в этой сфере. Скорее подобрал бы узкоспециализированный ETF. Даже не знаю, есть уже такой или нет. Надо поискать.
#тема
Сервисы.
На самой верхушке классификации McKinsey находится графа Сервисы. Услуги для компаний, которые занимаются разработкой и использованием ИИ. Многие из этих сервисных компаний – те же, что предоставляют услугу Хабов и Обеспечения Операций.
Возможности.
Специалисты Misuho Securities недавно подчеркнули, что сервисные IT компании, предоставляющие услуги в сфере IT консалтинга – это непрямая ставка на ИИ. IBM, Kyndral и HPE уже были упомянуты. Список также включает в себя Accenture, Globant и EPAM Systems. Эти компании обычно считаются IT консультантами, но могут подпадать и под другие определения.
И если в среднем оценки компаний IT сектора по PE близки к 50-55, то оценка сектора IT консалтинга только около 30. Ожидается, что сектор IT в целом будет расти на 16.9% в год в ближайшие 5 лет, а вот сектор IT консалтинга всего на 10.6%. Таким образом рынок не ожидает значительных взлетов в этой сфере.
Риски.
И действительно, вы вряд ли найдете среди этих компаний ту, которая покажет взлет на 10 иксов. Это все-таки рабочие лошадки и сервис, а не дизрапторы. С другой стороны, если пузырь ИИ лопнет, инвестируя в такие компании вы не почувствуете разрушения надежд, ведь их бизнес очень диверсифицирован. А если технологии продолжат оправдывать ожидания – вы поучаствуете в развитии непрямым образом.
И наконец, последнее замечание и идея. Не забывайте о компаниях, которые применяют ИИ в своей работе. Так называемых ранних пользователях. Они также могут поучаствовать в развитии ИИ, ведь они используют или чаще сами создают приложения для своей работы с использованием ИИ.
И вот только несколько примеров ролей, которые они применяют на себе:
Админ – более простое управление процессами со снижением затрат;
Разработка новых продуктов – более быстрое прототипирование и моделирование;
Маркетинг – создание персонализированного контента;
Обслуживание клиентов – чат-боты, снижающие затраты времени персонала.
Снижение затрат, это такое же преимущество для компании, как и наращивание доходов. Многие компании попадают в эту последнюю категорию, но самыми заметными, конечно, будут банки, страховщики и компании здравоохранения.
Это был довольно большой пласт информации о компаниях, вовлеченных в развитие ИИ. Возможно, когда-то я продолжу это исследование. Ставим лайк/дислайк если вам понравилось. Комментируем и делимся постами, чтобы нам понимать, куда мы движемся дальше и что еще хотим изучить.
Сервисы.
На самой верхушке классификации McKinsey находится графа Сервисы. Услуги для компаний, которые занимаются разработкой и использованием ИИ. Многие из этих сервисных компаний – те же, что предоставляют услугу Хабов и Обеспечения Операций.
Возможности.
Специалисты Misuho Securities недавно подчеркнули, что сервисные IT компании, предоставляющие услуги в сфере IT консалтинга – это непрямая ставка на ИИ. IBM, Kyndral и HPE уже были упомянуты. Список также включает в себя Accenture, Globant и EPAM Systems. Эти компании обычно считаются IT консультантами, но могут подпадать и под другие определения.
И если в среднем оценки компаний IT сектора по PE близки к 50-55, то оценка сектора IT консалтинга только около 30. Ожидается, что сектор IT в целом будет расти на 16.9% в год в ближайшие 5 лет, а вот сектор IT консалтинга всего на 10.6%. Таким образом рынок не ожидает значительных взлетов в этой сфере.
Риски.
И действительно, вы вряд ли найдете среди этих компаний ту, которая покажет взлет на 10 иксов. Это все-таки рабочие лошадки и сервис, а не дизрапторы. С другой стороны, если пузырь ИИ лопнет, инвестируя в такие компании вы не почувствуете разрушения надежд, ведь их бизнес очень диверсифицирован. А если технологии продолжат оправдывать ожидания – вы поучаствуете в развитии непрямым образом.
И наконец, последнее замечание и идея. Не забывайте о компаниях, которые применяют ИИ в своей работе. Так называемых ранних пользователях. Они также могут поучаствовать в развитии ИИ, ведь они используют или чаще сами создают приложения для своей работы с использованием ИИ.
И вот только несколько примеров ролей, которые они применяют на себе:
Админ – более простое управление процессами со снижением затрат;
Разработка новых продуктов – более быстрое прототипирование и моделирование;
Маркетинг – создание персонализированного контента;
Обслуживание клиентов – чат-боты, снижающие затраты времени персонала.
Снижение затрат, это такое же преимущество для компании, как и наращивание доходов. Многие компании попадают в эту последнюю категорию, но самыми заметными, конечно, будут банки, страховщики и компании здравоохранения.
Это был довольно большой пласт информации о компаниях, вовлеченных в развитие ИИ. Возможно, когда-то я продолжу это исследование. Ставим лайк/дислайк если вам понравилось. Комментируем и делимся постами, чтобы нам понимать, куда мы движемся дальше и что еще хотим изучить.