Η αγορά υλικού και λογισμικού που σχετίζεται με την τεχνητή νοημοσύνη αναμένεται να αυξηθεί κατά 40% έως 55% ετησίως, φτάνοντας τα 780 έως 990 δισεκατομμύρια δολάρια μέχρι το 2027, σύμφωνα με νέα έρευνα που δόθηκε στη δημοσιότητα από την Bain & Company.
Η πέμπτη ετήσια Έκθεση Παγκόσμιας Τεχνολογίας παρέχει πληροφορίες για τα νέα κύματα ανάπτυξης στον τεχνολογικό τομέα, ως αποτέλεσμα των «disruptions» από τις ταχέως εξελισσόμενες προόδους στο AI. Τρεις τομείς ευκαιριών -μεγαλύτερα μοντέλα και μεγαλύτερα κέντρα δεδομένων, επιχειρηματικές και κρατικές πρωτοβουλίες AI, και αποδοτικότητα και δυνατότητες λογισμικού– θα μπορούσαν να φέρουν την αγορά υλικού και λογισμικού AI κοντά σε μια αξία τρισεκατομμυρίων δολαρίων μέσα στα επόμενα τρία χρόνια.
«Η generative AI αποτελεί τον κύριο μοχλό της τρέχουσας τεχνολογικής αλλαγής, αλλά περιπλέκεται από τις μετα-παγκοσμιοποιητικές αλλαγές και την ανάγκη προσαρμογής των επιχειρηματικών διαδικασιών για την παροχή αξίας. Οι εταιρείες προχωρούν πέρα από τη φάση του πειραματισμού και αρχίζουν να κλιμακώνουν τη generative AI σε όλη την δραστηριότητα τους.
Καθώς το κάνουν, οι CIOs θα χρειαστεί να διατηρήσουν λύσεις AI παραγωγικού επιπέδου που θα επιτρέψουν στις εταιρείες να προσαρμοστούν σε ένα τοπίο που μεταβάλλεται ταχύτατα. Ουσιαστικά, πρέπει να υιοθετήσουν μια προσέγγιση “AI παντού”», δήλωσε ο David Crawford, πρόεδρος Global Technology της Bain.
Οι εργασίες τεχνητής νοημοσύνης θα μπορούσαν να αυξηθούν κατά 25% έως 35% ετησίως μέχρι το 2027, σύμφωνα με τις εκτιμήσεις της Bain. Καθώς το AI κλιμακώνεται, η ανάγκη για υπολογιστική ισχύ θα επεκτείνει δραστικά την κλίμακα των μεγάλων κέντρων δεδομένων τα επόμενα πέντε με δέκα χρόνια. Το AI θα οδηγήσει σε ανάπτυξη τα κέντρα δεδομένων, από 50–200 μεγαβάτ σήμερα σε πάνω από ένα γιγαβάτ.
Αυτό σημαίνει ότι αν τα μεγάλα κέντρα δεδομένων κοστίζουν σήμερα 1 έως 4 δισ. δολάρια, μπορεί να κοστίζουν από 10 έως 25 δισ. δολάρια σε πέντε χρόνια. Αυτές οι αλλαγές αναμένεται να έχουν τεράστιες επιπτώσεις στα οικοσυστήματα που υποστηρίζουν τα κέντρα δεδομένων, συμπεριλαμβανομένης της υποδομής, της παραγωγής ενέργειας και της ψύξης, καθώς και να επιβαρύνουν τις αλυσίδες εφοδιασμού.
Εκτός από την ανάγκη για περισσότερα κέντρα δεδομένων, η έκρηξη της ζήτησης για μονάδες επεξεργασίας γραφικών (GPUs) λόγω της τεχνητής νοημοσύνης θα μπορούσε να αυξήσει τη συνολική ζήτηση για ορισμένα βασικά εξαρτήματα κατά 30% ή περισσότερο έως το 2026. Όπως η πανδημία προκάλεσε αύξηση στη ζήτηση για προσωπικούς υπολογιστές, έτσι και η αύξηση της ζήτησης για υπολογιστική ισχύ θα επιβαρύνει τις αλυσίδες εφοδιασμού για τσιπ κέντρων δεδομένων, προσωπικούς υπολογιστές και smartphones.
Αυτές οι τάσεις, σε συνδυασμό με τις γεωπολιτικές εντάσεις, θα μπορούσαν να προκαλέσουν την επόμενη έλλειψη ημιαγωγών, προειδοποιεί η Bain. Αν η ζήτηση για GPUs τρέχουσας γενιάς στα κέντρα δεδομένων διπλασιαζόταν μέχρι το 2026, οι προμηθευτές βασικών εξαρτημάτων θα έπρεπε να αυξήσουν την παραγωγή τους, ενώ οι κατασκευαστές εξαρτημάτων chip packaging θα έπρεπε να τριπλασιάσουν σχεδόν τη δυναμικότητα παραγωγής τους για να καλύψουν τη ζήτηση.
Ένας άλλος τομέας που η Bain αναφέρει ότι θα προσθέσει επιπλέον πολυπλοκότητα για τις τεχνολογικές εταιρείες είναι η εμφάνιση των «κυρίαρχων» μπλοκ AI. Το μετα-παγκοσμιοποιητικό κίνημα στην τεχνολογία εξαπλώνεται από την έλλειψη τσιπ κατά την πανδημία στις τρέχουσες ανησυχίες για δεδομένα, ασφάλεια και ιδιωτικότητα στο AI. Οι κυβερνήσεις σε όλο τον κόσμο δαπανούν δισεκατομμύρια δολάρια για να επιδοτήσουν την εγχώρια AI. Επενδύουν σε εγχώρια υποδομή πληροφορικής και σε μοντέλα AI που αναπτύσσονται και εκπαιδεύονται σε τοπικά δεδομένα. Καθώς η ώθηση για «sovereign AI» κερδίζει έδαφος, οι ηγέτες θα προκύψουν βάσει αρκετών καθοριστικών παραγόντων.
«Η δημιουργία επιτυχημένων κυρίαρχων οικοσυστημάτων AI θα είναι χρονοβόρα και εξαιρετικά δαπανηρή», δήλωσε η Anne Hoecker, επικεφαλής Παγκόσμιας Τεχνολογικής Πρακτικής της Bain. «Αν και σε ορισμένες πτυχές λιγότερο περίπλοκη από την κατασκευή ημιαγωγών, αυτά τα έργα απαιτούν περισσότερα από το να εξασφαλίσουν τοπικές επιδοτήσεις. Οι μεγάλες εταιρείες τεχνολογίας μπορεί να συνεχίσουν να επενδύουν σε τοπικές λειτουργίες AI που θα εξασφαλίσουν σημαντικά ανταγωνιστικά πλεονεκτήματα».
Παρομοίως, καθώς οι επιχειρήσεις αντιμετωπίζουν αυξανόμενες προκλήσεις στη διαχείριση προμηθευτών, στην προστασία δεδομένων και στον έλεγχο του συνολικού κόστους ιδιοκτησίας, τα μικρά γλωσσικά μοντέλα με αλγόριθμους που χρησιμοποιούν RAG (retrieval-augmented generation) και διανυσματικές ενσωματώσεις (αριθμητικές αναπαραστάσεις δεδομένων) θα μπορούσαν να δουν αύξηση της ζήτησης, καθώς αναλαμβάνουν πολλές από τις εργασίες υπολογισμού, δικτύωσης και αποθήκευσης κοντά στα δεδομένα.
Η άφιξη της generative AI έχει αυξήσει την πίεση στις εταιρείες ανάπτυξης λογισμικού να επιδείξουν μεγαλύτερη αποδοτικότητα. Η generative AI φαίνεται να εξοικονομεί περίπου 10% έως 15% του συνολικού χρόνου ανάπτυξης λογισμικού, σύμφωνα με έρευνα της Bain σε περισσότερες από 200 εταιρείες διαφόρων κλάδων. Ωστόσο, οι περισσότερες εταιρείες δεν αξιοποιούν πλήρως αυτές τις εξοικονομήσεις, όπως διαπίστωσε η Bain.
«Όταν εφαρμόζεται σωστά, η generative AI μπορεί να οδηγήσει σε αποδοτικά κέρδη άνω του 30%», δήλωσε ο Roy Singh, επικεφαλής της Παγκόσμιας Πρακτικής Προηγμένων Αναλύσεων της Bain. «Η χρήση της generative AI για να επιτευχθούν ουσιαστικές βελτιώσεις στην ανάπτυξη λογισμικού είναι δυνατή, αλλά απαιτεί προσπάθειες που εκτείνονται πέρα από την εισαγωγή βοηθών κώδικα.
Όσον αφορά στην ανάπτυξη AI, οι ομάδες μηχανικών θα πρέπει να οδηγήσουν σε ολοκληρωμένη αποδοτικότητα μέσω προηγμένων τεχνικών όπως η στατική ανάλυση, καλύπτοντας όλο τον κύκλο ζωής της ανάπτυξης λογισμικού, συμπεριλαμβανομένης της διαχείρισης προϊόντων, της αναδιαμόρφωσης, των ελέγχων κώδικα, των δοκιμών και της διαχείρισης της έκδοσης».
Αυτές οι πιέσεις εμφανίζονται καθώς οι εταιρείες λογισμικού βλέπουν επιβράδυνση στην ανάπτυξη εσόδων. Η μεσαία ετήσια ανάπτυξη εσόδων για περίπου 90 εισηγμένες εταιρείες λογισμικού ως υπηρεσία (SaaS) μειώθηκε κατά 16 ποσοστιαίες μονάδες τα τελευταία δύο χρόνια, σύμφωνα με ανάλυση της Bain. Καθώς η ανάπτυξη επιβραδύνθηκε, οι εταιρείες SaaS περιόρισαν σημαντικά τις δαπάνες για πωλήσεις και μάρκετινγκ, ενώ οι δαπάνες για έρευνα και ανάπτυξη αποδείχθηκαν πιο ανθεκτικές.
Οι προϋπολογισμοί πωλήσεων και μάρκετινγκ των εταιρειών λογισμικού έχουν μειωθεί από το 41% των εσόδων το 2022 στο 33% το 2024, ενώ οι δαπάνες για έρευνα και ανάπτυξη μειώθηκαν κατά μόλις 3 ποσοστιαίες μονάδες, από 21% στο 18% των εσόδων κατά την ίδια περίοδο.
Οι εταιρείες λογισμικού θα πρέπει να διασφαλίσουν ότι παράγουν αυτό που χρειάζονται οι πελάτες, να αξιοποιήσουν στο έπακρο τις δαπάνες για έρευνα και ανάπτυξη και να περιορίσουν τα αυξανόμενα λειτουργικά έξοδα. Οι προμηθευτές λογισμικού, από την άλλη, θα πρέπει να είναι πιο πειθαρχημένοι στον καθορισμό του τι να αναπτύξουν και να πωλήσουν, και να είναι σαφέστεροι σχετικά με τη στρατηγική των προϊόντων τους.
Η έρευνα της Bain δείχνει ότι τα επίμονα ρυθμιστικά εμπόδια έχουν ωθήσει τις τεχνολογικές εταιρείες να αλλάξουν την M&A δραστηριότητά τους, από συμφωνίες που στοχεύουν στην επίτευξη κλίμακας σε συμφωνίες που στοχεύουν στην απόκτηση νέων δυνατοτήτων, προϊόντων ή αγορών, κάτι που η Bain αποκαλεί «συμφωνίες πεδίου» (scope deals). Από το 2015 έως το 2018, το ποσοστό των συμφωνιών πεδίου στον τεχνολογικό τομέα αυξήθηκε από το 50% στο 80% και έκτοτε παραμένει σταθερό.
Τα τελευταία έξι χρόνια, οι συμφωνίες πεδίου αντιστοιχούν σχεδόν στο 80% όλων των M&A στον τομέα της τεχνολογίας. Πρόκειται για μεγαλύτερο μερίδιο από ό,τι στους περισσότερους άλλους τομείς. Η έρευνα της Bain δείχνει ότι ο τομέας της τεχνολογίας εξακολουθεί να δέχεται έντονο έλεγχο και δεν υπάρχει ένδειξη ότι η δημοτικότητα των συμφωνιών πεδίου θα υποχωρήσει υπέρ των μεγάλων συμφωνιών κλίμακας στο άμεσο μέλλον. Αντίθετα, οι συγχωνεύσεις και εξαγορές στον κλάδο έχουν γίνει πιο απρόβλεπτες, καταλήγει η Bain.
«Ο τεχνολογικός τομέας δεν είναι ξένος προς τις διαταραχές, και ως εκ τούτου είμαστε συνηθισμένοι να βλέπουμε τεράστιες αλλαγές στην κορυφή του κλάδου κάθε 10 χρόνια. Ωστόσο, πρόσφατα, οι πιο πολύτιμες τεχνολογικές εταιρείες έδειξαν αξιοσημείωτη ανθεκτικότητα, διατηρώντας τις πρώτες θέσεις για πολλά χρόνια και επεκτείνοντας το μερίδιο της αγοραστικής τους αξίας.
Η επιτυχία τους βασίζεται στην ικανότητά τους να εντοπίζουν διαταρακτικές τάσεις και να τις κλιμακώνουν και να τις εμπορευματοποιούν με επιτυχία, δημιουργώντας δυναμική ‘ο νικητής τα παίρνει όλα’. Αυτή τη δεκαετία, όποιος κατακτήσει το “disruption” της AI, θα κερδίσει πολλά», κατέληξε ο Crawford.
