Globalny ekosystem sztucznej inteligencji może potrzebować blisko 6 bln USD rocznych przychodów do 2031 r., aby uzasadnić ekonomicznie skalę inwestycji w infrastrukturę AI - wynika z raportu Bain & Company pt. "Global Technology Report".
W raporcie wskazano, że obecne zastosowania AI, zarówno konsumenckie, finansowane poprzez subskrypcje i reklamę, jak i rozwiązania dla przedsiębiorstw wykorzystywane m.in. w tworzeniu oprogramowania, sprzedaży, marketingu, obsłudze klienta czy operacjach IT – mogą w 2031 r. wygenerować łącznie od 1,2 do 1,8 bln dolarów rocznych przychodów. Oznacza to, że sfinansowanie budowanej obecnie infrastruktury będzie wymagało około 4,2 bln dolarów dodatkowych przychodów rocznie.
W ocenie Bain & Company wśród czterech obszarów, z których najprawdopodobniej będą pochodzić brakujące 4,2 bln dolarów nowych przychodów, mogą być - rozwój modeli AI jako alternatywy dla tradycyjnych wyszukiwarek oraz włączanie do nich modeli reklamowych; postępująca autonomizacja, obejmująca m.in. samochody, ciężarówki, drony oraz inne rozwiązania automatyzujące przemysł; tzw. physical AI, czyli wykorzystanie sztucznej inteligencji w świecie fizycznym oraz produkty i zastosowania, które dopiero zaczną powstawać wraz ze wzrostem dostępności i możliwości zaawansowanych modeli AI.
Ponadto wskazano, że popularność inwestycji związanych ze sztuczną inteligencją zmienia również układ sił w sektorze technologicznym.
"Do najszybciej rozwijających się segmentów należą pamięci o wysokiej przepustowości (high-bandwidth memory, HBM), zaawansowane techniki obudowywania układów scalonych (advanced packaging) oraz układy projektowane na zamówienie, w tym coraz powszechniejsze układy ASIC. Najwięksi producenci koncentrują moce produkcyjne na pamięciach HBM, a w pamięci DDR i NAND inwestują niewiele" - wskazano w raporcie.
Może to pogłębić niedobory i podnieść ceny smartfonów i komputerów
Specjalistyczne akceleratory obliczeniowe, jeszcze niedawno będące rozwiązaniem niszowym, coraz szybciej stają się podstawowym elementem architektury AI. Z kolei najwięksi dostawcy chmury obliczeniowej (tzw. hiperskalerzy) oraz firmy rozwijające AI projektują własne układy dostosowane do konkretnych obciążeń: trenowania modeli, wnioskowania (inferencji) i zadań agentowych.
W dokumencie oceniono, że rosnące zapotrzebowanie na moc obliczeniową zwiększa jednocześnie znaczenie odporności łańcuchów dostaw. Ryzyka związane z klęskami żywiołowymi, napięciami geopolitycznymi czy ograniczeniami eksportowymi powodują, że firmy coraz częściej dywersyfikują dostawców i lokalizacje produkcji.
"To bardzo dynamiczny moment dla producentów sprzętu. Strategie zakupowe i zarządzanie łańcuchem dostaw stają się coraz ważniejszym źródłem przewagi konkurencyjnej. Inwestycje w moce produkcyjne dostawców, długoterminowe umowy, obejmowanie udziałów w firmach z łańcucha dostaw oraz dywersyfikacja dostawców i lokalizacji zajmują dziś wysokie miejsce wśród priorytetów zarządów. Zmienia się również strategia produktowa – model, w którym jeden dostawca rozwija technologię dla całego rynku, ustępuje miejsca większej integracji pionowej i rozwiązaniom częściowo projektowanym na zamówienie" – napisał w komentarzu partner w Bain & Co., Paweł Szreder. (PAP Biznes)
mcb/ osz/
