AI focus verschuiven van infrastructuur naar diensten
Afbeeldingsbron: Dreamstime
“Hoe gebruik je AI?”
Dat is mijn nieuwe vraag bij het ontmoeten van contacten.
Toegegeven, het is zelfdienst. Ik mag de hersenen kiezen van enkele van de slimste investeerders en denkers in de wereld over hoe ze de krachtigste technologie van ons leven gebruiken.
Artificial Intelligence (AI) chatbots hebben mijn werkleven getransformeerd. Ik gebruik Claude, Grok en Chatgpt minstens 50 keer per dag als mijn onderzoeksassistent, schrijfpartner en instant antwoordmachine.
Het is alsof je een briljante stagiair hebt die nooit slaapt, nooit klaagt en altijd klaar is om te helpen.
Ik heb zelfs mijn kinderen geleerd hoe ze AI moeten gebruiken. Nu, als ze me iets vragen dat ik niet weet, zeggen ze meteen: “Vraag de dame op je telefoon” – hun bijnaam voor de spraakmodus van Chatgpt.
Die eenvoudige zin onthult zoveel over hoe deze technologie wordt verweven in ons dagelijks leven.
Degenen die zeggen dat AI een bevlieging is, hebben gewoon niet opgelost. Of ze probeerden de originele chatgpt twee jaar geleden, vonden het middelmatig en hebben sindsdien geen moeite gehad met de kwantumwongen gemaakt.
Het was prima om gekke foto’s te maken of Chatgpt te vragen om een Limerick te schrijven over Rhodesian Rididebacks, maar het was niet echt nuttig voor serieus werk.
Nu? Het landschap is volledig getransformeerd.
Bijna maandelijks debuteert een geavanceerde AI-model dat de grens naar voren duwt. Er zijn bijna te veel doorbraakmodellen om bij te houden.
Deze snelle vooruitgang vertraagt niet. Kijk naar deze grafiek die laat zien hoe AI -modellen gestaag de benchmarks hebben veroverd, met Openai’s O3 en GROK 3 die het peloton leidt:
Bron: kunstmatige analyse
Wat drijft deze verbetering?
De twee rauwe ingrediënten die je nodig hebt om AI beter te maken zijn:
- Gegevens (boeken, essays, Wikipedia -pagina’s, enz.)
- Berekenen (Nvidia [NVDA] GPU’s verwerken die gegevens)
Schaalwetten zijn brutaal eenvoudig: de gegevens en de rekenkracht met 10x verhogen en de kwaliteit van de AI verdubbelt ongeveer.
Dit is de reden waarom Elon Musk’s Xai een monstercluster van 100.000 GPU’s heeft gebouwd, drievoudig de grootte van het vorige record. Meer GPU’s verwerken meer gegevens creëert betere AI.
De nieuwe Grok 3 werd getraind met 3E26 flops van reken. Het is gelijk aan het continu draaien van uw smartphone gedurende 634.000 jaar. Die astronomische rekenkracht is hoe GROK 3 in recordtijd ingebroken benchmarks heeft geslagen.
Ondertussen is de hoeveelheid gegevens die worden gebruikt om top AI-modellen te trainen, toegenomen door een geestdodend 1.018.766.656% Sinds 2010.
Het is moeilijk om je hoofd om te wikkelen “1 miljard procent.” Het is alsof je $ 1 verandert in $ 10 miljoen.
Maar dat is het soort exponentiële groei die AI in iets meer dan tien jaar heeft bereikt.
De AI -modellen van vandaag zijn patroonherkenningssystemen op steroïden.
Ze identificeren en leren van tekst, afbeeldingen en andere gegevens. Hoe meer kwaliteitsgegevens ze toegang hebben, hoe meer ze de nuances en complexiteiten van onze wereld begrijpen.
Maar als uw gegevens afval zijn, is uw AI afval – hoe geavanceerd uw model ook is.
GPT-2 (gelanceerd in 2019) is bijvoorbeeld getraind op ongeveer 3 miljard woorden. De hele Engelse Wikipedia bevat ter vergelijking ongeveer 4,6 miljard woorden.
Slechts vier jaar later, GPT-4 getraind op ongeveer 9.75 biljoen woorden – Meer dan 2.000 keer de hele Engelse Wikipedia.
Dit is niet een rare academische “Who heeft de grotere AI” -wedstrijd. Gegevens is het verschil tussen AI als een cool speelgoed en een transformerend hulpmiddel.
Toen OpenAI werd opgewaardeerd van GPT-3.5 naar GPT-4.5, sprong de score op GPQA (een uitdagende AI-benchmark) van 30% naar 70%. Meer gegevens, betere AI.
Tot nu toe is de AI -boom gedomineerd door infrastructuuruitgaven.
Tech Giants Like Amazon (AMZN),, Microsoft (MSFT),, Alfabet (GOOG),, Meta -platforms (meta)En Oracle (Orcl) Zal dit jaar ongeveer $ 300 miljard uitgeven aan de AI -infrastructuur.
Maar nu verlegt de focus.
Dit is een hoek van de AI -markt die momenteel over het hoofd wordt gezien.
Op dit moment is iedereen geobsedeerd door flitsende AI -modellen en de chips die ze voeden.
Ze missen de kritische vraag: wat gaat er in deze machines voordat ze zelfs worden gebouwd?
Gegevens zijn de levensader van AI. Geen gegevens, geen AI. Het is zo simpel.
Het voeren van gegevens in AI -modellen wordt veel ingewikkelder. Het is geen taak van copy-plak.
Volgens S&P Global is een verbluffende 60% van de tijd van een AI -ontwikkelaar zelfs niet besteed aan het bouwen van coole chatbots of functies. Het heeft besteed aan het slopende werk van het verzamelen, voorbereiden en reinigen van gegevens.
Het is onvolmaakt, omdat gegevens oneindig kunnen worden hergebruikt en groeien in plaats van uitputten.
Maar in één cruciaal opzicht is de vergelijking perfect: beide moeten worden verfijnd voordat ze waardevol zijn.
Wanneer ruwe olie uit de grond komt, is het giftig slib. Het moet door complexe verfijningsprocessen gaan voordat het het gas wordt dat uw auto aandrijft.
Gegevens zijn hetzelfde. De ruwe informatiebedrijven verzamelen is rommelig, inconsistent en vaak onbruikbaar voor AI -systemen.
Neem een wereldwijde retailer zoals Target (TGT). Het heeft een palen van klantgegevens-aankoopgeschiedenissen, browsenpatronen, demografische informatie, verkeer in de winkel, enz. Maar het is allemaal verspreid over honderden systemen in verschillende formaten.
Het verfijnen van gestructureerde, machinele leesbare gegevens is waar het echte geld wordt verdiend.
Bedrijven die deze gegevens kunnen reinigen en structureren, zullen niet alleen deelnemen aan de AI -revolutie – ze zullen het leiden.
Je moet behendig zijn.
De beste kansen komen meestal uit kleine, over het hoofd geziene uithoeken van de markt. Vroeg in deze kansen komen is hoe echte fortuinen worden gemaakt.
Op dit moment missen beleggers die alleen naar de infrastructuurzijde van de AI Megatrend kijken het grotere geheel.
Wees niet een van hen.
Onthoud: terwijl alle anderen vechten voor restjes in de drukke AI-sector, zullen de bedrijven die het AI-beest effectief kunnen voeden met kwaliteitsgegevens, stilletjes de basis van biljoen dollar-rijken bouwen.
Bottom line: dit is het tijd om zich voor te bereiden op deze verschuiving – voordat de menigte kennis neemt. AI beweegt snel en de grootste winnaars zijn niet altijd de meest voor de hand liggende toneelstukken.
Als je de menigte wilt voor blijven en meer wilt leren over de volgende golf van AI -kansen voordat ze de mainstream raken, Meld u aan voor mijn beleggingsbrief De schok⚡.
– Stephen McBride, hoofdanalist bij Risico
