Σαρωτικές
αλλαγές στον χώρο της τεχνολογίας, από τα data centers και τα chips μέχρι το
λογισμικό, φέρνει η τεχνητή νοημοσύνη, μια αγορά, η οποία αναμένεται να
προσεγγίσει έως το 2027 το ορόσημο του 1 τρισ. δολάρια σε αξία, λόγω της
τεράστιας ζήτησης τόσο από επιχειρήσεις, όσο και κυβερνήσεις. Σύμφωνα με τις
εκτιμήσεις της 5ης ετήσιας Παγκόσμια Έκθεση Τεχνολογίας της Bain & Company,
η χρήση του ΑΙ ήδη εκτινάσσει τη ζήτηση για data centers, επεξεργαστές γραφικών
(GPUs) και άλλους βασικούς πόρους.
Όπως εκτιμά
η μελέτη, την οποία δημοσιεύει και το ΣΕΠΕ, με την ανάπτυξη της παραγωγικής τεχνητής
νοημοσύνης και τις νέες τεχνολογίες, που αυξάνουν την αποδοτικότητα, οι
απαιτήσεις για μεγαλύτερη υπολογιστική ισχύ είναι τεράστιες, κυρίως όσον αφορά
τη χωρητικότητα και τις δυνατότητες των data centers. Αυτό οδηγεί σε μια
εκρηκτική αύξηση του κόστους κατασκευής τους και την ανάγκη για επενδύσεις σε
υποδομές και εξοπλισμό.
Η Bain
αναφέρει ότι η Τεχνητή Νοημοσύνη θα αυξήσει τη δυναμικότητα των data centers,
με αποτέλεσμα αυτά να φτάσουν από τα 50-200 megawatts, που έχουν χωρητικότητα
σήμερα, σε πάνω από 1 gigawatt. Αυτό σημαίνει ότι, ενώ τα σημερινά data centers
κοστίζουν από $1 δισ. έως $4 δισ., μέσα στα επόμενα πέντε χρόνια το κόστος θα
μπορούσε να ανέλθει μεταξύ $10 δισ. και $25 δισ.
Αγορές με τεχνητή νοημοσύνη
Τεχνητή Νοημοσύνη: Εκτόξευση της ζήτησης για μικροτσίπ
Εκτός από
την ανάγκη για περισσότερα data centers, η Bain προβλέπει ότι η αυξανόμενη
ζήτηση για μονάδες επεξεργασίας γραφικών (GPUs), λόγω του AI, θα μπορούσε να
εντείνει τη ζήτηση για ορισμένα εξαρτήματα της εφοδιαστικής αλυσίδας κατά 30% ή
και περισσότερο μέχρι το 2026. Όπως η πανδημία οδήγησε σε άνοδο τη ζήτηση
υπολογιστών, έτσι και η αυξανόμενη ανάγκη για υπολογιστική ισχύ ΑΙ θα επηρεάσει
τις αλυσίδες εφοδιασμού, που αφορούν τα τσιπ των data centers, τους προσωπικούς
υπολογιστές και τα smartphones.
Οι τάσεις
αυτές, σε συνδυασμό με τις γεωπολιτικές εντάσεις, θα μπορούσαν να προκαλέσουν
μια νέα έλλειψη ημιαγωγών. Εάν η ζήτηση των κέντρων δεδομένων για τις τρέχουσες
γενιές GPU διπλασιαστεί έως το 2026, όχι μόνο οι προμηθευτές βασικών
εξαρτημάτων θα πρέπει να αυξήσουν την παραγωγή τους, αλλά και οι κατασκευαστές
συσκευασιών τσιπ θα χρειαστεί σχεδόν να τριπλασιάσουν την παραγωγική τους ικανότητα
για να ανταποκριθούν στη ζήτηση.
Ντόμινο
εξαγορών στην Τεχνητή Νοημοσύνη
Η αγορά της
τεχνητής νοημοσύνης διαμορφώνει το μέλλον του τεχνολογικού τομέα, επηρεάζοντας
εκτός από τις υποδομές και την εφοδιαστική αλυσίδα, την ίδια τη στρατηγική των
επιχειρήσεων σε παγκόσμιο επίπεδο. Η αυξανόμενη αξία της AI στην αγορά ωθεί τις
επιχειρήσεις να εστιάζουν σε στρατηγικές εξαγορές, που τους προσδίδουν νέες
δυνατότητες και προοπτικές, παρά στοχεύοντας σε μεγάλες συγχωνεύσεις.
Η έρευνα της
Bain δείχνει ότι τα συνεχή ρυθμιστικά εμπόδια έχουν ωθήσει τις τεχνολογικές
εταιρείες να αλλάξουν τη στρατηγική τους στις συγχωνεύσεις και εξαγορές
(M&A). Αντί να επιδιώκουν συμφωνίες, που στοχεύουν στην αύξηση του μεγέθους
και της κλίμακας των επιχειρήσεων τους, οι εταιρείες τώρα προτιμούν συμφωνίες,
που τους δίνουν πρόσβαση σε νέες δυνατότητες, προϊόντα ή αγορές – τις οποίες η
Bain αναφέρει ως “scope deals”.
Από το 2015
έως το 2018, το ποσοστό των scope deals στον κλάδο της τεχνολογίας αυξήθηκε από
50% σε 80%, παραμένοντας σταθερό έκτοτε. Τα τελευταία έξι χρόνια, τα scope
deals αντιπροσώπευαν σχεδόν το 80% όλων των συγχωνεύσεων και εξαγορών στον
κλάδο της τεχνολογίας.
Αυτό
αποτελεί μεγαλύτερο ποσοστό απ’ ό,τι στους περισσότερους άλλους κλάδους. Η
έρευνα της Bain δείχνει ότι η τεχνολογία εξακολουθεί να ελέγχεται σε μεγάλο
βαθμό και δεν υπάρχει καμία ένδειξη ότι η δημοτικότητα των scope deals στον
κλάδο της τεχνολογίας θα δώσει τη θέση της στην επιστροφή σε συμφωνίες μεγάλης
κλίμακας σύντομα. Αντιθέτως, η Bain καταλήγει ότι οι συγχωνεύσεις και εξαγορές
στον κλάδο έχουν γίνει πιο απρόβλεπτες.
Το ΑΙ και η αγορά λογισμικού
Η ανάπτυξη
της παραγωγικής τεχνητής νοημοσύνης έχει εντείνει την πίεση στις εταιρείες
λογισμικού να βελτιώσουν την αποδοτικότητά τους. Σύμφωνα με την έρευνα της Bain,
η παραγωγική τεχνητή νοημοσύνη μπορεί να εξοικονομήσει περίπου 10% έως 15% του
χρόνου μηχανικής λογισμικού σε περισσότερες από 200 εταιρείες από διάφορους
κλάδους.
Παρ’ όλα
αυτά, οι περισσότερες επιχειρήσεις δεν αξιοποιούν πλήρως αυτά τα οφέλη. Καθώς ο
ανταγωνισμός αυξάνεται, οι εταιρείες λογισμικού πρέπει να αξιοποιήσουν πλήρως
τις δυνατότητες των εργαλείων τεχνητής νοημοσύνης για να διατηρήσουν το
προβάδισμα, απλοποιώντας τις διαδικασίες ανάπτυξης και βελτιώνοντας τη
διαχείριση των πόρων τους.
Η επίτευξη
αποδοτικότητας άνω του 30% εξαρτάται από την ακριβή σχεδίαση, την ταχύτητα και
ποιότητα στην εκτέλεση και την αποτελεσματική διαχείριση του κόστους. Αυτή η
πίεση συνοδεύεται από μια γενικότερη τάση επιβράδυνσης της αύξησης των εσόδων
στον κλάδο.
Σύμφωνα με
την ανάλυση της Bain σε περίπου 90 εισηγμένες εταιρείες Software-as-a-Service
(SaaS), η μέση ετήσια αύξηση εσόδων μειώθηκε κατά 16% τα τελευταία δύο χρόνια.
Ως απάντηση, οι εταιρείες λογισμικού έχουν μειώσει τις δαπάνες για πωλήσεις και
μάρκετινγκ, από το 41% των εσόδων στο 33%.
Ωστόσο, οι
δαπάνες σε έρευνα και ανάπτυξη (Ε&Α) παρέμειναν σχετικά σταθερές,
σημειώνοντας μικρή πτώση από 21% σε 18%. Καθώς η οικονομία επιβραδύνεται, οι
επιχειρήσεις πρέπει να βρουν τη σωστή ισορροπία μεταξύ ανάπτυξης και εξοικονόμησης.
Πηγή: ΟΤ
