Una marea de inversiones está llegando a la inteligencia artificial generativa. Valdrá la pena?
"Ese es el centro de todo el debate en este momento", dice Sung Cho de Goldman Sachs Asset Management. La inversión está fluyendo hacia todo, desde el silicio que sustenta la formación de modelos de inteligencia artificial hasta las compañías eléctricas que suministran electricidad a acres de centros de datos.
Para ver hacia dónde se dirige la industria, Cho y Brook Dane, gestores de cartera del equipo de Equidad Fundamental de Goldman Sachs Asset Management, se reunieron con ejecutivos de 20 empresas tecnológicas líderes que impulsan la innovación en IA. Esas conversaciones (con empresas públicas y privadas, desde fabricantes de semiconductores hasta gigantes del software) indican que algunas empresas ya están generando beneficios de la IA, y algunas comprarían aún más hardware de IA si pudieran conseguirlo.
"Nuestra confianza sigue aumentando en que este ciclo tecnológico es real", afirma Dane. "Va a ser grande, como dicen".
Pero también existen riesgos. Cho y Dane dicen que es posible que los grandes modelos lingüísticos que están construyendo un puñado de empresas descubran que están compitiendo en un mercado en el que el ganador se lo lleva todo. Los casos de uso, o aplicaciones espectaculares, que justifican plenamente la intensa inversión aún están por surgir. También señalan que, en un año en el que los índices bursátiles estadounidenses han alcanzado sucesivos máximos históricos, ningún repunte de las acciones tecnológicas se produce en línea recta. “Se obtienen estas oleadas de digestión de inversiones y exageración de la realidad”, dice Dane. "Y los dos se desarrollan en un horizonte de varios años".
Las ideas de Cho y Dane surgen cuando Goldman Sachs Research publicó recientemente un análisis de la inmensa cantidad de inversión en IA, que incluye entrevistas con Daron Acemoglu, profesor del Instituto del MIT, y Jim Covello, director de investigación de renta variable global de Goldman Sachs. El informe, titulado “Gen AI: ¿demasiado gasto, muy pocos beneficios?” señala que las megaempresas de tecnología, corporaciones y servicios públicos gastarán alrededor de 1 billón de dólares en gastos de capital en los próximos años para respaldar la IA.
Hablamos con Cho y Dane de Goldman Sachs Asset Management sobre las perspectivas de retorno de las inversiones de la industria, si esta tendencia se desarrolla principalmente en los mercados públicos o privados, y las empresas que pueden esperar capitalizar el auge de la IA.
¿Cuánta inversión estás viendo en estos modelos? ¿Y cree que es realista ver un retorno de la inversión que justifique ese capital en el corto plazo?
Sung Cho: Ese es el centro de todo el debate en este momento.
Brook Dane: La pregunta más importante en el mercado en este momento es: ¿estamos obteniendo un retorno de la inversión? Me siento razonablemente cómodo de que estemos viendo ese retorno. Y hay un par de puntos de datos que estoy analizando y que me tranquilizan.
Primero: pasamos mucho tiempo en este viaje hablando con el director financiero de un hiperescalador que acababa de regresar de su planificación estratégica, donde están haciendo sus proyecciones de uno, tres y cinco años. Esta persona habló muy abiertamente, sin ningún tipo de números, sobre cómo estaban haciendo los cálculos de RoI en los clústeres donde estaban implementando GPU y cómo lo encontraban muy beneficioso desde el punto de vista del retorno.
Ahora, esta empresa ya está ejecutando cargas de trabajo de inferencia masiva (utilizando modelos de IA ya entrenados para razonar o hacer predicciones) en toda su infraestructura para motores de recomendación. Están viendo resultados en términos de aumento del tiempo pasado en sus plataformas, como han predicho estos modelos, con el siguiente contenido.
Entonces, para ellos, el cálculo del RoI es probablemente el más simple de calcular, porque puedes implementar un clúster, puedes hacer un algoritmo más sofisticado que luego puede generar más tiempo invertido, lo que puede generar más superficie publicitaria, lo que luego puede generar ingresos. .
La segunda cosa, y esto se debe a que seguimos la industria a largo plazo y hemos tenido muchas conversaciones recientes con otro hiperescalador sobre sus planes de gasto de capital: sabemos cuán disciplinados siempre han sido históricamente y cómo están viendo tanto ingresos incrementales como recuperarse y ver los rendimientos incrementales que obtienen de su gasto de capital. Este director financiero es enfático en que tienen el dinero y que si pudieran conseguir más GPU para implementar, lo harían.
Habiendo conocido a esta persona durante 20 años y entendiendo cómo abordan los presupuestos de capital, cómo gastan su capital, esta persona no estaría haciendo eso si no hubiera un retorno genuino, real y tangible que pudieran ver frente a ellos. . Y son bastante enfáticos.
Pero es pronto, y la otra desventaja es que para estos modelos de frontera no puedes quedarte al frente de la ola. No se puede ser el modelo de cuarta frontera que no gasta mil millones de dólares adicionales para mejorar su modelo. Entonces, para esos muchachos, hay una especie de carrera armamentista aquí, y hay un poco de acto de fe implícito en eso.
Sung, ¿cuál es tu opinión sobre la cuestión de la rentabilidad de la inversión?
Sung Cho: Ésta es una de las preguntas más importantes. Y eso es lo que dictará la dirección de los mercados al menos durante los próximos seis a 12 meses, y si la tecnología continúa superando a los demás o no.
Obviamente, ante cualquier pregunta sobre el retorno de la inversión, es necesario comprender la magnitud de lo que se ha invertido hasta ahora. Si nos fijamos en los ingresos de NVIDIA en el año calendario 2022, obtuvieron 26 mil millones de dólares en ingresos. Y obtuvieron 26 mil millones de dólares en ingresos en el último trimestre. Entonces, básicamente en dos años, NVIDIA ha cuadriplicado sus ingresos. Si se compara lo que se gasta en NVIDIA con el gasto total de capital en la nube, casi el 50% se destina a chips NVIDIA.
Por tanto, la inversión en IA ha sido enorme. Y si piensas en el retorno de la inversión, el punto de partida es alrededor del "yo", que ha sido muy, muy alto.
Si eres un toro, lo más importante aquí, y Brook lo mencionó, es que ahora mismo hay una carrera para ver quién puede construir el mejor modelo fundamental (modelos de propósito general que se pueden aplicar a muchas aplicaciones). Esa carrera no va a disminuir en el corto plazo. Desde una perspectiva de retorno de la inversión (ROI), si nos fijamos en los próximos uno o dos años, tal vez el retorno de la inversión (ROI) no sea excelente. Pero si tiene un flujo de retorno de 20 años asociado con la creación de la mejor pila tecnológica actual, entonces ciertamente podría justificar la inversión.
Por otro lado, NVIDIA cree que serán un millón de veces más eficientes en el procesamiento de IA durante la próxima década. Eso es un millón de veces con el mismo tipo de infraestructura de chip. Y además, cuando hablas con ellos, entiendes que la infraestructura que se está construyendo para la capacitación en este momento también es la misma infraestructura que vamos a utilizar para la inferencia. Entonces, a medida que el mundo pase del entrenamiento a la inferencia, será fungible. No es que tengas que construir una infraestructura completamente nueva para la inferencia.
Y miramos a nuestro alrededor y decimos: OK, hay algunas aplicaciones interesantes. Pero no existe esta aplicación asesina que consume mucha capacidad de inmediato.
Entonces entendemos las razones por las que hay tanta inversión en IA. Obviamente, podría haber una pausa en el corto plazo, y eso dictará la dirección de los mercados a corto plazo. Pero creo que ambos confiamos en que, en cualquier horizonte de mediano a largo plazo, la IA sigue siendo una de las tendencias más importantes que hemos visto en nuestra historia. Por eso creo que realmente depende de tu marco de tiempo. Pero entendemos profundamente ambos lados del argumento.
Entonces, ¿hacia dónde van el mercado y el enfoque a partir de ahora?
Brook Dane: Según lo que señala Sung, y ese es un punto enormemente importante, ningún ciclo tecnológico aumenta de forma lineal. Simplemente no lo hacen. Se obtienen estas oleadas de digestión de inversiones y exageración de la realidad. Y los dos se desarrollan en un horizonte de varios años.
Nuestra perspectiva en este momento es que estamos implementando toda esta infraestructura para ejecutar estas cosas. Y estamos viendo mejoras increíbles en el rendimiento de estos modelos y en lo que pueden hacer. Pero, como mencionó Sung, realmente necesitamos ver, en algún momento durante el próximo año o año y medio, aplicaciones que utilicen esta tecnología de una manera más profunda que la codificación y los chatbots de servicio al cliente.
Si esto termina simplemente haciendo codificación y servicio al cliente, estamos gastando muchísimo en esto. Nuevamente, creo que ambos estamos muy convencidos de que, en el mediano plazo, veremos esas aplicaciones y esos casos de uso. Y va a cambiar profundamente la forma en que todos hacemos nuestro trabajo.
Pero creo que todo el mercado está tratando de descubrir qué más debe suceder para que se desarrollen nuevas aplicaciones y casos de uso, y qué se verá en el otro lado. Así que ahora estamos en ese período en el que necesitamos ver avances en eso.
Parece que estás diciendo que este es un mercado en el que el ganador se lo lleva todo. ¿Es esto como el desarrollo de Internet, donde habrá un actor dominante como hemos visto en las plataformas de búsqueda o de correo electrónico?
Brook Dane: Este es otro gran tema.
Sung Cho: Sabemos que no serán más de cuatro. No hay nadie más que pueda competir. Las únicas empresas que pueden realizar este nivel de inversión son Meta, Google, OpenAI y Anthropic.
Brook Dane: Pero lo que aún no sabemos es: a medida que estos modelos maduren y dejen de ver estos aumentos de funciones escalonadas, lo que sucederá en algún momento, ¿el mejor modelo dentro de tres años será mucho mejor que todos los demás? ¿El modelo de otros que se lleva el 80% de la cuota de mercado? ¿O tenemos cuatro modelos realmente buenos y la gente los usará para diferentes casos de uso, en diferentes áreas y de diferentes maneras? ¿Tendremos cuatro modelos a escala?
Si hay cuatro modelos igualmente robustos, se podría pensar que se mercantilizan con bastante rapidez. Mientras que si uno de ellos se convierte en el líder claro y dominante, la economía será increíble. Aún no sabemos esa respuesta.
Pero lo que sí sabemos es que ninguno de los cuatro puede darse el lujo de perder el ritmo de la innovación. Porque si lo haces, si te detienes en el nivel de inteligencia de un estudiante universitario de primer año y los demás alcanzan un nivel de inteligencia de doctorado, puede que te resulte difícil tener un mercado si son mucho mejores, y ellos están aprovechando la eficiencia y las curvas de costos hacia abajo más rápido que usted.
Sung Cho: Lo que creo que sucederá con el tiempo es que habrá especialistas verticales. Por eso creo que la carrera más allá de la velocidad y la inteligencia puras es: ¿Cómo podemos construir modelos que sean mucho más eficientes para subsectores y casos de uso específicos?
Nuestros colegas de Goldman Sachs Research han dicho que la IA favorece a las grandes empresas tecnológicas. Hoy escucho lo mismo de ti. ¿Ves algo que desafíe esa narrativa?
Sung Cho: Desde una perspectiva de infraestructura, la carrera prácticamente ha terminado.
Pero en términos de desarrollar LLM y modelos verticales y específicos de la industria, y muchos casos de uso de vanguardia, no creo que eso se haya resuelto todavía, y creo que de ahí vendrá gran parte de la innovación.
Brook Dane: Y lo que yo añadiría es que no creo que este mercado sea sólo un puñado de nombres de megacapitalización como ganadores. Esencialmente, lo más importante más allá de la parte de capacitación del modelo aquí es: ¿Qué datos tiene que sean únicos y que pueda utilizar para ayudar a los clientes?
Entonces, lo que realmente estamos buscando, en esa capa de software, son empresas que tengan datos propietarios profundos que puedan usar para crear casos de uso y experiencias diferenciados.
Pero esto es en gran medida un fenómeno de los mercados públicos desde la perspectiva de las oportunidades de inversión. No habrá una gran cantidad de empresas privadas que surjan para alterar las estructuras de estas industrias.
Entonces, para resumir: ¿cuál es la conclusión más importante de esta investigación?
Sung Cho: Mi conclusión principal es un poco más específica de los semiconductores. Obviamente, NVIDIA ha estado dominando el panorama del silicio de IA durante la mayor parte de los dos años. Pero ahora existen alternativas reales que van a empezar a llegar al mercado. Y creo que hay un debate real sobre si NVIDIA seguirá manteniendo una participación del 100% o si comenzará a ceder parte de esa participación a otros. Y estamos empezando a creer que habrá otros beneficiarios además de NVIDIA en los próximos años.
Brook Dane: Mi conclusión principal es que estamos en las primeras etapas de una transición tecnológica muy profunda y de enorme impacto, y existe confianza en que el estado de estos modelos y la forma en que avanzan impulsarán los cambios estructurales que todos tenemos. estado pensando y esperando que se desarrollaran.
Nuestra confianza sigue aumentando en que este ciclo tecnológico es real. Va a ser grande, como dicen.