Niente bolla AI, ci sono differenze con dot-com: l'analisi di Manuela Maccia (Deutsche Bank)
Goldman Sachs: nessuna bolla AI, ma opportunità per chip, software, internet e data center | IL VIDEO
Tante le domande senza risposta dopo il successo del modello R1 di DeepSeek. Per Goldman Sachs il prossimo livello di evoluzione dell’intelligenza artificiale si sposterà da quello infrastrutturale a quello applicativo. Solo così si avranno prove più concrete sui ritorni del capitale investito nel 2025 e oltre. L’impatto sui singoli settori
Sulla scia del successo del modello R1 di DeepSeek, di proprietà dell’hedge fund cinese High-Flyer e costruito sui modelli open-source esistenti (Llama di Meta e Qwen di Alibaba), il mondo dell’AI ha reagito negativamente. Sono, infatti, sorte domande sui livelli di spesa, sui ritorni degli investimenti e sulla sostenibilità degli attuali trend nell’intelligenza artificiale. Anche perché la start up cinese ha lanciato un’applicazione mobile che è balzata al primo posto nell’App Store di iOS negli Stati Uniti.
- Leggi anche: DeepSeek, è guerra di AI e prezzi in Cina. Alibaba pubblica Qwen 2.5-Max che batte DeepSeek-V3
Restano altre domande senza risposta su DeepSeek, tra cui: quali chip sono stati utilizzati, quali i modelli impiegati, su quali dati sono stati addestrati i miglioramenti e quali sono stati i costi complessivi delle risorse impiegate. OpenAI, proprietaria di ChatGpt, ha detto di avere le prove che la rivale cinese ha utilizzato i suoi modelli di apprendimento per lo sviluppo della propria AI. Tutto questo, secondo Eric Sheridan, analista di Goldman Sachs, può pesare sui settori tecnologico ed energetico fino a quando non verranno divulgati in settimana i conti del quarto trimestre del 2024 di numerosi colossi tecnologici Usa, tra cui Apple e Microsoft.
Fatte queste premesse, «il prossimo livello di evoluzione del tema AI si sposterà probabilmente da quello infrastrutturale a quello applicativo. Ciò includerà agenti AI, casi d’uso aziendali e cambiamenti nelle abitudini informatiche. Questo passaggio dovrebbe fornire prove più concrete sui ritorni del capitale investito nel 2025 e oltre», sottolinea Sheridan.
L’impatto sulle società di semiconduttori
La reazione negativa osservata nel settore dei semiconduttori e delle apparecchiature per semiconduttori dipende dal fatto che R1 di DeepSeek suggerisce che esistono modi per costruire modelli AI efficaci a costi decisamente più bassi (ovvero con meno capacità di calcolo). DeepSeek ha, infatti, dichiarato di aver addestrato il suo modello V3 con un costo di 5,6 milioni di dollari, assumendo un prezzo di noleggio di 2 dollari all’ora per una Gpu Nvidia H800. «Questo costo è decisamente basso rispetto a quanto investito finora dai principali operatori del settore, che si prevede continueranno a spendere grandi somme: secondo il nostro modello bottom-up, il budget aggregato per il capex nel cloud nel 2025 è stimato a circa 270 miliardi di dollari», prevede l’esperto di Goldman Sachs.
Detto ciò, è importante sottolineare che il costo di addestramento dichiarato di 5,6 milioni probabilmente non rappresenta il costo totale dello sviluppo del modello V3, poiché sembra aver sfruttato altri modelli open-source che sono stati costruiti su livelli di spesa infrastrutturale significativamente più elevati; c’è incertezza sull’infrastruttura utilizzata per addestrare il modello V3 di DeepSeek e sul fatto che DeepSeek possa aver sfruttato l’infrastruttura di calcolo esistente del suo proprietario/sostenitore, High-Flyer, con sede a Hangzhou, in Cina.
- Leggi anche: DeepSeek, l’app cinese supera ChatGpt negli Stati Uniti e rimette in discussione tutta l’AI. Trema pure Nvidia
Da un punto di vista positivo, «riteniamo che i risultati di DeepSeek, se applicati e replicati altrove, potrebbero accelerare l’adozione dell’AI, con conseguente aumento della domanda di hardware AI nel lungo periodo. In più, R1 e V3 potrebbero portare a livelli ancora più elevati di spesa da parte degli operatori esistenti, qualora cercassero di mantenere o estendere il loro vantaggio competitivo nell’AI», precisano a Goldman Sachs.
Per quanto riguarda le azioni, «riconosciamo che l’incertezza generata dall’annuncio di DeepSeek potrebbe limitare i multipli di valutazione dell’intero comparto AI, inclusi calcolo, networking e memorie, fino a quando non si avrà maggior chiarezza da parte dei fornitori di servizi cloud, che rappresentano collettivamente circa due terzi del capex globale per l’hardware AI», spiega l’analista della banca d’affari Usa, evidenziando aziende chiave come Nvidia, Amd, Broadcom, Marvell, Arm e Credo Technology nel settore del calcolo e del networking, Micron nelle memorie e Applied Materials, Lam Research, Kla, Teradyne ed Entegris nel settore delle apparecchiature per la produzione di wafer e test. Queste aziende hanno contribuito alla costruzione dell’infrastruttura AI e potrebbero essere colpite negativamente se gli operatori esistenti decidessero di rivedere i loro piani di investimento oppure positivamente se optassero per un’accelerazione degli investimenti nel settore.
L’impatto sulle società di software
Ora si sa che i modelli di intelligenza artificiale possono scalare la capacità di calcolo in modo più efficiente, anche se ciò comporta dei compromessi. Dall’analisi delle ricerche pubblicate, DeepSeek sembra aver utilizzato tecniche innovative come MLA (multi-layer attention) e MoE (Mixture of Experts, utilizzato anche da GPT-4o) nella fase di inferenza del modello, mentre nella fase di addestramento sono emerse tecniche avanzate di bilanciamento del carico e predizione multi-token, aumentando l’efficienza nella costruzione di modelli AI.
Inoltre, l’utilizzo di modelli open-source consolidati come Llama e Qwen consente di creare versioni più efficienti basate sul modello di ragionamento. Sebbene queste tecniche siano teoricamente replicabili, DeepSeek conserva alcuni vantaggi grazie alle sue ottimizzazioni proprietarie. Tuttavia, resta da vedere se le prestazioni del modello possano essere riprodotte in modo coerente e scalabile in diversi scenari d’uso, precisa Sheridan. Inoltre l’esperto di Goldman Sachs nota che, sebbene il codice e i pesi siano open-source, i dati utilizzati per creare il modello di ragionamento rimangono riservati. «I concorrenti statunitensi, con accesso all’ingegneria più avanzata, potrebbero integrare queste metodologie in modo sinergico per ottenere il massimo impatto e garantire che queste tecniche funzionino con i loro dataset con la stessa efficienza».
Allo stesso modo le innovazioni di DeepSeek potrebbero estendere la vita utile delle gpu, con potenziali benefici per le aziende infrastrutturali come Microsoft. L’uso delle gpu H100 per addestrare il modello (presumibilmente) di fascia alta di DeepSeek dimostra che gli investimenti nei data center di Microsoft e altri potrebbero avere un ciclo di vita più lungo di quanto attualmente previsto dagli investitori. Con la diversificazione in aumento dei chip AI in base ai flussi di lavoro, è possibile che gli investimenti di Microsoft nel settore dei semiconduttori vengano riutilizzati per un periodo più lungo rispetto ai sei anni di vita utile che il gigante Usa e i suoi competitor attualmente considerano per ammortizzare le attrezzature di calcolo e networking. Tuttavia, sono ancora necessari investimenti per configurare questi chip in modo ottimale per l’AI, un ambito in cui Microsoft è ben posizionata. Senza contare che la prossima generazione di gpu potrebbe sbloccare miglioramenti ancora più rilevanti in termini di prestazioni e riduzione dei costi computazionali.
«Per Microsoft, in particolare, vediamo un rischio limitato sui ricavi derivanti dai servizi AI e dagli investimenti nei data center AI. I ricavi AI di Microsoft provengono principalmente dall’inferenza, quindi la concorrenza nello strato di addestramento dei modelli dovrebbe avere un impatto limitato. Tuttavia, è ancora troppo presto per determinare quale effetto, se presente, le innovazioni di DeepSeek nell’addestramento avranno sull’ecosistema più ampio, in particolare sui costi unitari e sulla domanda di modelli di fascia alta come Gpt-4 di OpenAI, Claude 3.5 Sonnet di Anthropic, Llama 3.2 di Meta e altri», avverte l’esperto secondo cui, invece, applicazioni e piattaforme beneficeranno dello spostamento dei ricavi dal livello infrastrutturale, poiché le imprese destineranno più budget all’AI. «Riteniamo che i benefici della riduzione dei costi computazionali si rifletteranno su aziende come Microsoft, Salesforce, ServiceNow, Adobe che dispongono già di applicazioni AI consolidate», prevede l’analista.
L’impatto sulle società Internet
Gli annunci di DeepSeek riaccenderanno anche i dibattiti tra gli investitori sulla sostenibilità e sul profilo di rendimento degli investimenti legati all'AI di Meta, Google e Amazon. Gli investitori dovranno valutare il rendimento del capitale già investito, nonché le implicazioni per i piani di spesa in conto capitale (capex) futuri. Nel complesso, «non ci aspettiamo che le aziende apportino cambiamenti significativi alle loro priorità di allocazione del capitale in ambito AI a seguito degli eventi recenti: è improbabile che vedremo aggiornamenti rilevanti ai piani di capex o alle strategie di go-to-market», afferma Sheridan.
Nei prossimi 12-18 mesi «ci aspettiamo che gli assistenti AI rimangano in prima linea nell'interazione dei consumatori con la Generative AI, ad esempio, Gemini, ChatGpt, Meta AI, Perplexity, Claude, e che le crescenti capacità di questi assistenti, per esempio prenotazione dei ristoranti, navigazione sul web possano essere i più impattanti per l'AI consumer. Riteniamo che Google e Meta siano ben posizionate all'interno della nostra copertura, in quanto entrambe sono le più avanzate in questo processo e vantano vantaggi competitivi grazie a modelli di AI leader nel settore, a un approccio «a doppia strategia» per il go-to-market dei prodotti di AI consumer, all’accesso a un'ampia gamma di formati informativi e multimediali per fornire risultati pertinenti e a una base vasta di utenti registrati su più app e servizi. Meta, in particolare, sta orientando la sua strategia verso la promozione di approcci open-source con Llama il che, a nostro avviso, è in linea con il lancio di DeepSeek e probabilmente verrà accelerato».
L’impatto sulle società di data center
Quanto agli operatori di data center, inclusi Digital Realty ed Equinix, hanno tratto vantaggio dalla stretta attuale tra domanda e offerta nel mercato, principalmente sotto forma di: pre-affitti di capacità di data center ad alta densità per le strutture di Digital Realty e le joint venture xScale di Equinix; spread di prezzo forti per il rinnovo dei contratti di locazione. L’esperto di Goldman Sachs ritiene che uno shock della domanda possa avere un impatto negativo su entrambe queste dinamiche nel breve, ma potrebbe effettivamente contribuire a mitigare un eccesso di offerta significativo nel lungo periodo. Questo avrà probabilmente un impatto maggiore sui fondamentali a breve termine di Digital Realty. Tre gli scenari ipotizzati.
Scenario base: l'equilibrio tra domanda e offerta nei data center si stringerà ulteriormente fino alla seconda metà del 2026, seguito da un graduale allentamento a partire dal 2027, con l'entrata in funzione di nuova capacità.
Scenario negativo: crescita decisamente più bassa per i carichi di lavoro focalizzati sull'AI nel caso in cui la monetizzazione dell'intelligenza artificiale si rivelasse più lenta di quanto attualmente previsto. Una riduzione della crescita della domanda di AI del 30%-35% tra il 2025 e il 2030 porterebbe a un tasso di crescita annuale composto (cagr) della domanda totale del 12% nel periodo 2025-2027, rispetto al cagr del 17% dello scenario base. «Stimiamo una differenza nell'occupazione tra il nostro scenario base e quello di crescita negativa della domanda per l'AI di circa 12 punti percentuali nel 2030, che si traduce in una differenza prevista di 15 GW in termini di domanda di energia».
Nel lungo periodo, se l'efficienza riducesse i livelli di capex sia da parte degli hyperscaler sia di nuovi operatori come Stargate, questo potrebbe mitigare il rischio di un eccesso di offerta nel mercato dal 2027 in poi. «Riteniamo che questa sia una considerazione importante che potrebbe portare a una maggior stabilità e minore ciclicità nel settore», puntualizza Sheridan. (riproduzione riservata)
