Tammikuussa markkinoilla nousi esiin narratiivi kiinalaisen DeepSeek R1 -mallin vaikutuksesta tekoälyn kehityskustannuksiin ja laskentatehon tarpeeseen. Narratiivin mukaan algoritmisen tehokkuuden paraneminen johtaisi merkittävästi aiempaa alhaisempaan laskentatehon tarpeeseen, mikä aiheutti markkinoilla voimakkaan negatiivisen reaktion.
Asilo Argo ei tehnyt muutoksia sijoitussalkkuunsa tämän narratiivin pohjalta, sillä näkemyksemme mukaan se ei kestä kriittistä analyysiä. Keskeinen virhe narratiivissa on sen oletus tekoälyn kehityksen tavoitetasosta.
Jos tavoitteena olisi saavuttaa tietty ennalta määritelty suoritustaso, algoritmisen tehokkuuden paraneminen todella vähentäisi laskentatehon tarvetta. Tämä ei kuitenkaan vastaa markkinadynamiikkaa, sillä tekoälyn kehityksessä tavoitetaso ei ole staattinen. Parempi tekoäly:
- Avaa uusia sovellusmahdollisuuksia
- Laajentaa käyttäjäkuntaa
- Kasvattaa liikevaihtoa ja tulosta
Kun algoritminen tehokkuus paranee, yritykset eivät siis vähennä investointejaan vaan käyttävät vapautuneet resurssit entistä kehittyneempien mallien luomiseen.
Historiallinen data tukee näkemystämme: GPT-2:n (2019) ja GPT-4:n (2023) välillä algoritminen tehokkuus parani noin 30-kertaiseksi. Samalla ajanjaksolla Nvidian liikevaihto kasvoi 11,7 miljardista 27 miljardiin dollariin, mikä indikoi laskentatehon kysynnän merkittävää kasvua tehokkuusparannuksista huolimatta.