Sommario
Corporazioni e investitori stanno spendendo miliardi di dollari nello sviluppo dell’intelligenza artificiale (AI). Modelli di linguaggio avanzati come GPT-4o richiedono centinaia di milioni di dollari per essere addestrati, e le prossime generazioni di modelli stanno già superando il miliardo di dollari. Tuttavia, Goldman Sachs, una delle principali istituzioni finanziarie globali, si interroga sull’effettiva redditività di questi investimenti nel campo dell’intelligenza artificiale.
Analisi dei costi e dei benefici
Opinioni contrastanti degli Esperti
Un rapporto di Sequoia Capital stima che l’intera industria dell’AI debba generare 600 miliardi di dollari annualmente solo per coprire le spese iniziali. Mentre colossi come Nvidia, Microsoft e Amazon investono enormi somme per primeggiare nella corsa all’AI, Goldman Sachs ha intervistato diversi esperti per valutare se questi investimenti daranno effettivamente i loro frutti.
Gli esperti sono divisi in due gruppi. Un gruppo è scettico, affermando che l’AI offrirà solo ritorni limitati all’economia americana e che non risolverà problemi complessi in modo più economico rispetto alle tecnologie attuali. L’altro gruppo è più ottimista, sostenendo che il ciclo di spesa in capitali per le tecnologie AI sembra promettente, seguendo un percorso simile a quello delle tecnologie precedenti.
Prospettive di Impatto Economico
Daron Acemoglu, professore al MIT, stima che l’impatto dell’AI generativa sull’economia sarà limitato, contribuendo solo a un aumento dello 0,5% della produttività e dell’1% del PIL. Questo contrasta nettamente con le stime degli economisti di Goldman Sachs, che prevedono un incremento del 9% della produttività e del 6,1% del PIL. Acemoglu è scettico sul fatto che l’attuale tendenza di aumentare dati e potenza di calcolo ai modelli AI accelererà il raggiungimento dell’intelligenza generale artificiale (AGI).
Opinioni di Kash Rangan ed Eric Sheridan
Kash Rangan ed Eric Sheridan, analisti senior di ricerca azionaria presso Goldman Sachs, ritengono che, sebbene i ritorni sugli investimenti in AI richiedano più tempo del previsto, alla fine saranno remunerativi. Rangan spiega che ogni ciclo computazionale segue una progressione nota come IPA: infrastruttura prima, piattaforme dopo e applicazioni alla fine. Attualmente, il ciclo AI è nella fase di costruzione dell’infrastruttura, quindi trovare l’applicazione killer richiederà tempo.
Sheridan aggiunge che questo ciclo di spesa in capitali sembra più promettente rispetto ai cicli precedenti perché le aziende consolidate, piuttosto che le startup, lo stanno guidando, riducendo il rischio che la tecnologia non diventi mainstream. Queste aziende hanno accesso a enormi risorse di capitale e reti di distribuzione, permettendo loro di sperimentare come i dollari di capitale potrebbero eventualmente generare un ritorno.
Sfide e Limiti
Disponibilità di Chip e Consumo Energetico
Nonostante le opinioni contrastanti, Goldman Sachs riconosce due principali sfide per l’AI: la disponibilità di chip e il consumo energetico. La carenza di GPU AI sembra essere superata, grazie a Nvidia che può ora consegnare chip con un tempo di consegna di due o tre mesi anziché undici. Tuttavia, il consumo energetico dei data center è ora il principale fattore limitante. Una singola moderna GPU AI può utilizzare fino a 3,7 MWh di energia all’anno, con tutte le GPU vendute l’anno scorso che consumano abbastanza elettricità per alimentare oltre 1,3 milioni di famiglie americane. Le grandi corporazioni stanno persino considerando l’uso di centrali nucleari modulari per soddisfare le esigenze energetiche dei loro enormi data center AI.
Solo il tempo dirà se l’AI esploderà come Internet e l’e-commerce o se fallirà come le TV 3D, la realtà virtuale e il metaverso. Qualunque sia il caso, si prevede che lo sviluppo dell’AI continuerà. Goldman Sachs afferma: “Vediamo ancora spazio per il tema dell’Intelligenza Artificiale, sia perché l’AI inizia a mantenere le promesse, sia perché le bolle impiegano molto tempo a scoppiare”.
