Tady vidím další velkou AI příležitost. A většina ji přehlíží

Neradi čtete? Pusťte si tento článek v audioverzi jako podcast.

Investovat do umělé inteligence jde prakticky dvěma způsoby. První je založený na krátkodobém přístupu, který využívá především technickou analýzu a módní investování.

Akcie firem spojených s umělou inteligencí poskočily o stovky procent. To přitahuje spekulativní kapitál i drobné investory, kteří nechtějí zmeškat ujíždějící vlak.

Dobří obchodníci dokážou číst náladu trhu a investorů a využívat ji k zajímavým obchodům. Na tom není nic špatného.

Jen je potřeba vědět, že v takovém případě často neinvestujeme do umělé inteligence. Investujeme do očekávání ostatních investorů.

Dva způsoby investování do AI

Druhý přístup je podle mě mnohem zajímavější. Snaží se pochopit problémy umělé inteligence do hloubky a teprve na základě těchto poznatků dlouhodobě investovat.

Obtíž je v tom, že AI před sebou nemá jeden nebo dva problémy. Je to celé klubko problémů, ve kterém se investor velmi snadno zamotá.

A právě tomu jsem věnoval nový díl podcastu Kam tečou peníze.

Co může zastavit AI bublinu

Jedna z nejčastějších otázek dnes zní, zda je na trzích AI bublina. Tomuto tématu jsme se věnovali v minulém díle podcastu.

Takže jen ve zkratce. Bublina nemusí prasknout jen proto, že některé akcie jsou velmi drahé a jejich cena je vysoko. Bublina bude dál růst, pokud investoři dál věří v budoucnost celého sektoru.

Prvním příznakem odpadnutí od víry bude zastavení nebo, přesněji řečeno, utahování financování. A proto je důležité si položit následující otázku:

Co by se muselo stát, aby investoři přestali celý AI boom financovat?

AI není klasický software

A tady začíná být situace opravdu zajímavá. Umělá inteligence totiž dnes stále méně připomíná klasický software.

Jako příklad si vezměme slavný operační systém Windows. Microsoft musel na začátku investovat obrovské peníze do jeho vývoje, podobně jako dnes firmy investují do trénování AI modelů.

Jenže každá další prodaná licence už měla jen minimální dodatečné náklady, takže s rostoucím počtem uživatelů prudce rostla i marže.

U umělé inteligence je problém v tom, že tento mechanismus nefunguje úplně stejně. Model je sice možné jednou draze vytrénovat, jenže tím náklady nekončí. Každý další uživatel znamená další výpočet, další spotřebu elektřiny a další využití drahé infrastruktury.

Čím více se tedy AI používá, tím více zároveň roste účet za její provoz.

A právě to může být jeden z největších rozdílů proti klasickému softwarovému byznysu. U Windows byl každý nový zákazník téměř čistým přínosem do marže.

U generativní AI může být nový zákazník zároveň novým nákladem. To už je mnohem méně příjemná ekonomika než v případě softwarových firem.

Elektřina jako základ AI boomu

Nejde přitom jen o teoretickou úvahu. Google si ve Finsku zajistil elektřinu z jaderné elektrárny Loviisa na více než dvacet let a současně plánuje miliardové investice do tamních datacenter.

Technologická firma tak svou budoucí spotřebou elektřiny prakticky pomáhá rozhodovat o ekonomice celého jaderného zdroje.

To velmi dobře ukazuje, jak obrovské fyzické nároky začíná AI mít. Jenže ani správně odhadnout, že umělá inteligence bude potřebovat obrovské množství elektřiny, ještě neznamená, že investor jednoduše nakoupí energetické akcie a vydělá.

Podobný problém totiž najdeme prakticky v každé části AI řetězce. Můžeme správně odhadnout dlouhodobý trend, a přesto koupit špatnou firmu nebo ji nakoupit za příliš vysokou cenu.

A pak je tu ještě důležitější otázka. Kdo celý účet nakonec zaplatí? Právě odpověď na ni může rozhodnout, které části dnešního AI boomu mají před sebou skutečně dlouhodobý byznys.

Za co jsou firmy ochotné platit

První odpovědi už začínáme dostávat. Anthropic například ukazuje, že firmy jsou ochotné platit velké peníze za AI tam, kde lze její přínos jednoduše spočítat. Typickým příkladem je programování.

Pokud drahý programátor díky AI zvládne stejnou práci výrazně rychleji, ekonomika celé věci začíná dávat smysl.

Firma může na produktivitě ušetřit miliony dolarů a část těchto úspor bez problémů odevzdat dodavateli AI.

Jenže tím vzniká další problém. Pokud budou firmy skutečně používat tisíce AI agentů, budou potřebovat obrovské množství výpočetní kapacity. Model totiž nestačí jednou vytrénovat a pak ho nechat ležet.

Agenti budou neustále psát kód, analyzovat dokumenty nebo komunikovat se zákazníky a každá taková činnost znamená další inferenci. Čím úspěšnější tedy AI bude, tím dražší může být její samotný provoz.

Kdo na AI revoluci vydělá

A právě tady se možná rozhodne, kdo na celé AI revoluci skutečně vydělá. Bude to firma s nejlepším modelem, výrobce čipů, provozovatel datacenter, energetická společnost, nebo někdo, kdo vyrábí zdánlivě obyčejnou komponentu, bez které ale celý systém nemůže fungovat?

V podcastu se proto dostávám i k Micronu a pamětem. Historicky šlo o brutálně cyklický byznys, kde se střídal nedostatek s přebytkem výrobních kapacit. AI ale může tuto logiku postupně změnit.

Pokud budou s každou další generací GPU a každým novým datacentrem potřeba další a další vysokorychlostní paměti, může z nich být něco mnohem důležitějšího než jen další cyklická součástka.

A tím se dostáváme k otázce, která mě na současném AI boomu zajímá nejvíc. Ne jestli umělá inteligence změní svět.

O tom už dnes pochybuje málokdo. Mnohem těžší je zjistit, kde po celé této transformaci skutečně zůstanou peníze.

Kde nakonec zůstanou peníze

Právě o tom je nový díl podcastu Kam tečou peníze. Nesnažím se v něm jednoduše odpovědět, jestli AI bublina praskne, ale spíš hledám místa, kde se může celý dnešní investiční příběh zadrhnout.

A především, kdo bude mít v AI řetězci dostatečně silnou pozici, aby si dokázal dlouhodobě udržet vysoké marže.

Protože správně odhadnout technologickou revoluci je jedna věc. Vydělat na ní je věc úplně jiná.