A mesterséges intelligencia (MI) területén zajló beruházások soha nem látott mértékben növekednek, ami alapvetően formálja át a technológiai szektort. A befektetők és az elemzők egyaránt arra keresik a választ, hogy ez a hatalmas tőkeáramlás milyen megtérülést hoz, és kik lesznek a ciklus valódi nyertesei. Az MI-értékláncban a profitabilitás alakulását két fő tényező befolyásolja: az MI-modellek tokenjeinek ára és azok előállítási költsége.
E két mutató tartós eltérése jelentősen átrendezheti az iparág nyereségességét. A tokenek, mint a szövegfeldolgozás alapegységei, gyakran tokenalapú díjszabás alapját képezik az MI-szolgáltatásokban. A jelenlegi piaci dinamika már most is jól mutatja az ellentétes mozgásokat ezen a területen.
Az elmúlt időszakban jelentős változások figyelhetők meg az MI-piacon. A Silicon Data LLM Token Expenditure Index, amely a felhasználók tokenekre fordított összkiadásait méri, májusi csúcsához képest közel 20 százalékkal esett vissza. Ez a mutató, bár nem közvetlen tokenár, jól jelzi a felhasználók fizetési hajlandóságának csökkenését az MI-modellek használatáért.
Ezzel párhuzamosan a tokenek előállítási költsége folyamatosan emelkedik, elsősorban a memóriachipek árrobbanása miatt. Ez a költségnövekedés közvetlenül beépül a modellfejlesztők legnagyobb kiadásába, a számítási kapacitás árába. Az olló tehát egyre jobban nyílik a felhasználói fizetési hajlandóság és az előállítási költségek között.
A végfelhasználók egyre inkább keresik a drága csúcskategóriás modellek olcsóbb alternatíváit. A nyílt forráskódú modellek teljesítménye folyamatosan javul, miközben jóval kedvezőbb áron érhetők el. Emellett a kínai MI-modellek is hasonló teljesítményt kínálnak töredékáron, és tokenalapon már megközelítőleg 50 százalékos piaci részesedést értek el, ami tovább csökkenti a tokenárakat.
A memóriachipek piacán továbbra is strukturális kínálati hiány tapasztalható. Az adatközpontok hatalmas kapacitásokat vonnak el a gyártóktól, miközben egy új memóriaüzem felépítése mintegy két évet vesz igénybe. A befektetési bankok és az iparág szereplői szerint ez a hiány legalább 2027-ig fennmaradhat.
A Bank of America elemzése szerint ma már nem az a kérdés, hogy megéri-e MI-infrastruktúrába beruházni, hanem az, hogy fizikailag előállítható-e elegendő chip, memória és biztosítható-e a működéshez szükséges villamos energia. A kereslet szerkezete is átalakul: 2030-ra a számítási kapacitás döntő részét már nem a modellek betanítása, hanem a mindennapi használat, az úgynevezett inferencia fogja igényelni.
Az MI-ügynökök elterjedése is fokozza a keresletet, mivel ezek hússzor annyi tokent használnak, mint egy egyszerű chatbotos lekérdezés. Ez a tendencia a betanításra optimalizált grafikus feldolgozóegységek (GPU-k) felől a gyakorlati felhasználásra optimalizált chipek felé tolja a keresletet, ami tovább növeli a különböző memóriachipek iránti igényt.
A tokenárak csökkenése és a memória iránti növekvő kereslet elsőre ellentmondásosnak tűnhet, de valójában a Jevons-paradoxon magyarázza ezt a jelenséget. Ha egy technológia olcsóbbá válik, a felhasználók általában nem kevesebbet, hanem többet használnak belőle. Az alacsonyabb tokenár tehát még nagyobb számítási kapacitás iránti keresletet generál.
Mivel a memóriachipek kínálati hiánya középtávon is várhatóan fennmarad, jelenleg az MI-értéklánc ezen pontján koncentrálódik a legmagasabb profitabilitás. A Micron például mintegy 85 százalékos bruttó árréssel működik, és a tőkepiac is egyértelműen ezt a szegmenst díjazta az elmúlt hónapokban.
Az MI-beruházások legnagyobb finanszírozói, a hiperskálázók, szintén kedvező helyzetben vannak. Az öt legnagyobb felhőszolgáltató (Alphabet/Google, Amazon, Meta/Facebook, Microsoft, Oracle) 2026-os beruházási tervét összesen 130 milliárd dollárral emelte, és a beruházások értéke 2030-ra kumuláltan elérheti az 5,5 ezer milliárd dollárt. Bár a finanszírozás feszített, a Jevons-paradoxon miatti MI-használati robbanás számukra kifejezetten kedvező, hiszen ők értékesítik a számítási kapacitást.
A jelenlegi dinamika legnagyobb vesztesei egyértelműen a modellfejlesztők lehetnek. Bevételi oldalon a tokenárak csökkennek, miközben költségoldalon a számítási kapacitás ára emelkedik, ami közvetlenül szűkíti a marzsokat. Az OpenAI például már fontolgatja az őszi tőzsdei bevezetésének elhalasztását.
Bár a jelenlegi trendek alapján az infrastruktúra-szereplők, mint a memória- és chipgyártók, valamint a hiperskálázók a ciklus egyértelmű nyertesei, ez a helyzet nem garantált hosszú távon. A történelem számos példát mutatott már arra, hogy az infrastruktúra-fejlesztési hullámok során az építők extraprofitot értek el, mielőtt a piac túlkínálatba fordult volna, ahogy a kétezres évek eleji távközlési szektorban is történt.
Az MI esetében is hasonló fordulat következhet be. Az egyik lehetséges korlát az energiaellátás, mivel az új generációs gyorsítók energiaigénye többszöröse a korábbiakénak, és a saját energiatermelési megoldások tömeges elterjedése csak az évtized végére várható. Hiába áll rendelkezésre elegendő chip, ha nincs elég villamos energia a működtetésükhöz.
Ennél is fontosabb kérdés, hogy a modellfejlesztők milyen gyorsan tudják csökkenteni a modellek számítási kapacitásigényét. Ha sikerül jelentősen mérsékelni az egy token előállításához szükséges erőforrást, az egyszerre csökkentheti a memóriachipek iránti keresletet és ronthatja a hiperskálázók beruházásainak megtérülését. Ez a forgatókönyv alapjaiban változtathatja meg a jelenlegi piaci egyensúlyt és a profitabilitás eloszlását az MI-értékláncban.
📰 Forrás: Telex — Eredeti cikk elolvasása