Miközben mindenki az AI-ra figyel, egy másik technológia hozhatja a következő nagy áttörést

Hol tart valójában az AI-hullám, és mire érdemes figyelni, mielőtt a befektetők a következő nagy témára vadásznak? Még csak az infrastruktúraépítésnél tartunk, az alkalmazások ideje csak ezután jön, a kvantumszámítástechnika pedig 2028–2029 körül válhat kereskedelmileg is jelentőssé – mondta az Economxnak Matt Egerton, a Fidelity portfoliómenedzsere, akivel a technológiai befektetések aktuális helyzetéről beszélgettünk.

A mesterséges intelligencia (AI) körüli zajban Matt Egerton, a Fidelity portfoliómenedzsere szerint érdemes egy másik területre is figyelni: a kvantumszámítástechnikára. Sokan a felhajtás részének tekintik, ő viszont alulértékeltnek tartja. Az általa kezelt alapban tőzsdei és nem tőzsdei kvantumbefektetések is vannak, és szerinte kevés hagyományos, csak vételi oldalon működő eszközkezelő foglalkozik a témával.

A szektort sokan még az atomfúzióhoz hasonlóan tíz-húsz évre lévő jövőnek látják. Egerton szerint azonban a kereskedelmi hatás 2028–2029 körül kezdődhet, és ezt a részvényárak még nem tükrözik.

Az AI egyébként előrébb hozza ezt a témát is: az algoritmusok fejlődése gyorsítja a kvantumszámítástechnika fejlődését, és hasznosabbá is teszi.

Hol tart az AI a technológiai ciklusban?

Az AI-téma rendkívül gyorsan haladt: 2023-ban jöttek az első csevegőrobotok, utána a gondolkodó modellek és a kódoló ágensek, most pedig a személyes ágensek.

„Bár úgy tűnik, mintha mindig is itt lett volna, még csak nagyjából három évnél tartunk” – mondta az Economxnak.

A korábbi ciklusok, vagyis az internet, a felhő és a mobil szerinte három szakaszból álltak. Először az alapokat építették ki: a chipeket és az infrastruktúrát. Ezt követték a platformok, például a mobilkorszakban az okostelefon és az Apple, végül az alkalmazások, mint az Uber vagy az App Store és a Google Play appjai.

Az érték zöme általában az alkalmazási rétegben csapódik le. Az AI-nál szerinte még az infrastruktúránál tartunk, és lassan lépünk át a platformok szakaszába. Az alkalmazási réteg még nem alakult ki, csak szűk területeken látszanak első jelek, például a jogi szektorban a Harvey nevű eszköznél – válaszolta lapunk kérdésére.

Az amerikai adatközpont-telepítések a következő négy évben, a 2025-ös alacsony bázisról évente nagyjából 60 százalékkal nőhetnek. Ez még az infrastruktúraépítés korai szakasza. A bővülés csökkenti a számítási kapacitás költségét, ettől válnak gazdaságossá az alkalmazások. Az AI-inferencia, vagyis a modellek futtatásának költsége ma még elég magas, ezért a fogyasztói oldalon a csevegőrobotokon túl nehéz tömegesen működtetni alkalmazásokat.

Hová érdemes figyelni?

Egerton szerint ma a felhőszolgáltatók alapjai a legjobbak: az Amazon, a Microsoft és a Google várhatóan az átmenet első gazdasági hasznát learathatja.

„Adatközpontot építeni nem egyszerű, a számítási kapacitás szűkössége pedig azoknak a cégeknek kedvez, amelyek ebből a gazdasági előnyt ki tudják nyerni. Az alkalmazási réteg szereplői közül sok még magántulajdonban van, tőzsdei bevezetésekre egy-két éven belül lehet számítani, és az lesz az igazán érdekes időszak.”

Az alkalmazásoknál különösen óvatosnak tartja magát, mert az AI-jal felgyorsult a kreatív rombolás. A szoftverkorszakban a hálózati hatás és a szolgáltatóhoz kötöttség védőárkot teremtett, az AI-jal viszont szinte bárki képes alkalmazást fejleszteni. Egy konkrét alkalmazásra fogadni ebben a korai szakaszban olyan, mintha 2001-ben valaki egyetlen internetes böngészőre tett volna: a korai böngészők közül sok már nem létezik, a Google pedig későbbi szereplő volt. A felhőcégek ezzel szemben rengeteg alkalmazást szolgálnak ki, ezért szinte attól függetlenül profitálnak, hogy végül ki nyer az alkalmazások között.

Gyakori hiba: a végtelenségig extrapolálni

Az ilyen gyorsan mozgó témáknál csábító a növekedést az égig extrapolálni. Egerton szerint ez önmagában nem baj, a merész forgatókönyvekre szükség van. Vigyázni kell azonban, ha a vállalat gazdaságossága nem olyan erős, mint amit a növekedési ütem sugall. A szoftvereknél a védőárok és a hálózati hatás miatt magasak az árrések, erős az árazási erő, a mérleg és a készpénztermelés pedig kiváló. Egy AI-alkalmazásnak viszont tokeneket kell vásárolnia, így az árrésszerkezet gyakran más.

„A bevételnövekedés nagyon jól nézhet ki, de nagyon oda kell figyelni az AI-tokenek költségére, amely ezt a növekedést alátámasztja. Védőárok és hálózati hatás nélkül egy cég könnyen bajba kerülhet” – húzta alá.

A kisbefektetőknek a fogyasztói alkalmazásoknál külön veszélyt jelent a nagy dolgok vonzása. A Pokémon Go-t hozta példának: rövid ideig óriási hype volt, aztán eltűnt. Az ilyen alkalmazások gyorsan felbukkannak, de nincs meg bennük az a hosszú életciklus, ami jó befektetéssé tenné őket, még ha a közeljövőben izgalmasak is és tudnak növekedni.

Ugyanez igaz az AI frontier laborokra, például az Anthropicra és az OpenAI-ra is. A mai gazdaságosságot nem érdemes kivetíteni a jövőre, tiszta, hosszú távú képre van szükség arról, hol alakulnak majd az árrések.

Startupok, szabályozás, szuverenitás

A szektorban rengeteg a startup, ami egészséges jel. A korábbi korszakokhoz képest az az újdonság, hogy a technológiai alapok, vagyis az okostelefon, az internetkapcsolat, az asztali számítógép és a nyílt súlyú modellek már mind rendelkezésre állnak. Egy 5–10 fős csapat az AI segítségével rengeteg munkát el tud végezni, és gyorsabban növekedhet, mint korábbi generációk. A kockázati tőke logikusan áramlik feléjük.

„Új paradigma, hogy úgy lehet céget indítani, hogy közben nem kell a létszámot is skálázni.”

A szabályozás és a versenyjog kapcsán a szellemi tulajdon tisztasága kulcskérdés. A startupoknak világosan meg kell tudniuk mondani, mi az igazi értékteremtő elem: egy adott adatkészlet, a nyilvános adatok értelmezésének módja vagy egy meglévő modell fölé épített réteg és annak irányítása. Egyre fontosabb a szuverenitási szempont is. Míg az Egyesült Államok egy irányba halad, Európa Egerton szerint helyesen óvatos az amerikai AI-cégektől való függéssel szemben, és azt szeretné, hogy az adatok a megfelelő helyeken és a megfelelő számítási rétegeken keresztül mozogjanak.

„Nem lehet gazdaságot építeni anélkül, hogy bizonyos alapokat az ember maga ellenőrizne. Ez a széttöredezés új kihívásokat jelent a vállalatoknak, de befektetési lehetőségeket is teremt” – mondta.

Mi a jövő?

Egertont a kvantum és az AI kombinációja izgatja a legjobban. A kvantumszámítógépek sokkal több valós adatot tudnak majd előállítani, például modellezhetik a fotoszintézist vagy más, alapvetően kvantumos folyamatokat, és segíthetnek az akkumulátoranyagok, a kémia és a gyógyszerkutatás terén. Ha ez működik, nehéz elképzelni, milyen gyorsan terjedhet el.

A gőzgép, az elektromosság és az internet után az AI 2023-ban, a kvantumszámítástechnika pedig, konzervatívan számolva, 2030 körül hozna újabb áttörést. Két ekkora váltás egy évtizeden belül példátlan lenne, a hatásuk a tudományra, az orvostudományra és a biológiára pedig elképesztő lehet.

Tovább a cikkre: economx.hu (Horváth Balázs)