Implicações da IA generativa para os investimentos

Principais conclusões

Acreditamos que a demanda de IA criará oportunidades de crescimento para empresas na cadeia de valor de semicondutores, permitindo maior poder de computação, além de provedores de nuvem em hiperescala e empresas de software por meio de serviços aprimorados e desenvolvimento de novos produtos.

O aumento no uso de IA generativa está acelerando a demanda por unidades de processamento gráfico (GPUs) que são os blocos de construção do processamento paralelo de alto volume, bem como para fabricantes de chips para data centers, fundições e fabricantes de equipamentos avançados.

As empresas de mega capitalização que capturaram a maior parte do crescimento na nuvem pública estão igualmente bem posicionadas na IA generativa, pois possuem os modelos de linguagem fundamentais e o poder computacional bruto necessário para aplicar a IA generativa em escala.

O potencial de infundir IA em uma ampla gama de aplicativos existentes e em todas as camadas da pilha de software deve aumentar o mercado total endereçável do setor, conforme o software automatiza mais tarefas manuais.

Grandes modelos de linguagem sinalizam ponto de inflexão no desenvolvimento de IA

A World Wide Web foi lançada ao público quatro anos após sua criação e mais de 20 anos após o desenvolvimento inicial das comunicações em rede. A inteligência artificial (IA) está passando por um ponto de inflexão semelhante com o lançamento da IA generativa. Embora a IA esteja em uso comercial há mais de uma década, os avanços contínuos no processamento de linguagem natural e no poder de computação nos últimos quatro a cinco anos levaram a recursos cada vez mais sofisticados. Seja em dispositivos de reconhecimento de voz, como Siri e Alexa, ou em direção autônoma, a IA abriu um novo ciclo de inovação rápida.

Olhando além do entusiasmo e dos pedidos de cautela gerados pelo ChatGPT e grandes modelos de linguagem (LLMs) semelhantes, acreditamos que a IA está entrando em um período de adoção e aplicação amplas que aumentará a eficiência dos negócios e expandirá os mercados finais existentes. Como acontece com qualquer inovação emergente, a bola de desenvolvimento de IA permanece em constante movimento, com novas oportunidades e riscos competitivos surgindo de forma contínua.

Do ponto de vista de investimentos, acreditamos que a demanda de IA criará oportunidades de crescimento a curto e médio prazo para as empresas da cadeia de valor de semicondutores, permitindo maior poder de computação, além de provedores de nuvem em hiperescala e empresas de software por meio de serviços aprimorados e desenvolvimento de novos produtos. A IA generativa pode criar novos riscos competitivos em algumas áreas do uso da Internet e forçar o aumento dos gastos entre as empresas estabelecidas a alcançar seus pares. As vantagens de quem age primeiro podem fazer a diferença em algumas áreas, enquanto outras podem se tornar comoditizadas por meio da concorrência. Como os LLMs se desenvolvem, por exemplo, e se o código aberto se torna uma ameaça competitiva, pode ter implicações comerciais significativas a longo prazo para os hiperescaladores que são os primeiros no mercado.

IA generativa impulsiona demanda explosiva por GPUs

A IA refere-se ao desenvolvimento do poder de computação e tecnologias relacionadas, como robôs, para emular, e até superar, as capacidades humanas. Os computadores conseguem essas capacidades treinando-se em enormes quantidades de dados, o que requer poder de processamento substancial. A IA generativa refere-se à capacidade dos modelos de processamento de linguagem natural de gerar respostas textuais e gráficas às consultas.

A melhor maneira para os servidores analisarem dados é através de um número significativo de núcleos (ou unidades de processamento) incorporados dentro de uma GPU, um chip especializado que pode processar um alto volume de cálculos de baixa precisão de forma eficiente e em paralelo. Os enormes requisitos de computação paralela para treinar LLMs estão estimulando uma grande mudança de processadores seriais, também conhecidos como unidades de processamento central (CPUs), para GPUs (Gráfico 1). As GPUs possibilitam a IA, e o aumento do interesse e do uso da IA generativa está levando à aceleração da demanda por esses blocos de construção. O ChatGPT resultou em uma inflexão na adoção da IA, com vários setores aproveitando algoritmos de IA e aprendizado de máquina para melhorar a produtividade e aumentar a geração de receita.

Dentro dos data centers, que abrigam uma variedade de tipos de servidores para diferentes necessidades de computação, a crescente penetração da IA está impulsionando uma aceleração nas remessas de servidores de IA. Espera-se que a adoção da IA dentro do data center aumente substancialmente das porcentagens médias de um dígito hoje para cerca de um terço dos servidores de data center com conteúdo de semicondutores relacionados à IA no médio prazo.

Espera-se que o fornecedor dominante de GPUs, com uma participação estimada de 95% a 100% no mercado de semicondutores de treinamento de IA, mantenha sua liderança de mercado conforme a demanda de IA generativa cresce graças à sua plataforma de computação de pilha completa, ao alto desempenho de suas GPUs e ao seu custo de vantagem de computação em relação aos chips concorrentes, bem como à sua vantagem inicial em software, como bibliotecas específicas do setor e modelos pré-treinados para facilitar a adoção corporativa. Outro designer de semicondutores está em segundo lugar no mercado de servidores de data center, enquanto os provedores de nuvem também estão desenvolvendo chips internamente. Várias empresas privadas que oferecem tecnologia de computação aprimorada também podem competir por clientes corporativos, mas atualmente não possuem um ecossistema completo crucial para implantar uma infraestrutura de IA eficaz e abordar casos de uso de nicho.

As tendências de demanda intensificadas também beneficiam os fabricantes de semicondutores que atendem hiperescaladores de nuvem com outros produtos relacionados à implantação de infraestrutura de IA. Estes incluem chips personalizados e soluções de rede, fundições de semicondutores e fabricantes de equipamentos de semicondutores que são críticos para produzir os chips de ponta necessários para a IA.

Adoção da nuvem deve acelerar com o uso de IA

Muito antes do recente lançamento do ChatGPT e dos LLMs avançados, as cargas de trabalho de computação estavam migrando rapidamente para a nuvem, tornando os grandes hiperescaladores os fornecedores mais importantes de infraestrutura de tecnologia sofisticada para clientes corporativos. A escala é importante na nuvem pública, o que fez com que um pequeno grupo de empresas conquistasse a maior parte do crescimento no espaço. Essas empresas estão tão bem posicionadas na era da IA generativa quanto possuem os modelos de linguagem fundamentais e o poder computacional bruto necessário para aplicar a IA generativa em escala. Portanto, vemos a camada de infraestrutura por trás do desenvolvimento de IA generativa se transformando em um oligopólio ao longo do tempo.

Conforme o ritmo da adoção da nuvem se normaliza a partir de seu surto da era da pandemia, vemos a IA generativa catalisando a próxima etapa de seu crescimento. A nuvem pública fornece a velocidade e a flexibilidade necessárias para aplicar a IA a problemas de negócios. Os primeiros usuários podem criar aplicativos baseados em IA em questão de semanas usando a API dos hiperescaladores e a camada de infraestrutura como serviço (IaaS), em vez de meses ou anos, se construírem do zero usando a infraestrutura local. A personalização de LLMs envolve grandes quantidades de dados que geralmente estão hospedados na nuvem, expandindo o bolo para provedores de nuvem em hiperescala e o ecossistema por trás deles, incluindo startups e empresas de serviços.

Os hiperescaladores, no entanto, podem ser desafiados pelo aumento da concorrência dos LLMs de código aberto. Alguns dentro da indústria de nuvem acreditam que o código aberto poderia eventualmente tornar os LLMs uma commodity, com muitas empresas capazes de fornecer LLMs bastante indiferenciados a um baixo custo. Mas os usuários de modelos de código aberto precisam considerar "quem possui os dados" que impulsionam os modelos. Embora ainda seja cedo no desenvolvimento de LLMs, acreditamos que as preocupações com a segurança e o uso de dados proprietários apresentam um risco expressivo para fornecedores/tecnologias de código aberto, que devem favorecer as nuvens públicas com as salvaguardas existentes em vigor. Embora alguns clientes provavelmente experimentem LLMs de código aberto, é improvável que muitas empresas maiores incorram nos riscos associados a esse modelo.

Além dos serviços em nuvem, a IA tem o potencial de remodelar indústrias de trilhões de dólares, como a publicidade online. Do ponto de vista da pesquisa na web, os chatbots como o ChatGPT podem reduzir drasticamente o tempo necessário para responder a perguntas complexas em comparação com um mecanismo de pesquisa tradicional (por exemplo, "Qual é o melhor cânion no Colorado para passear com um cachorro?"). Isso pode ter um impacto negativo na monetização de pesquisas para os operadores históricos, pelo menos no curto prazo, assim como a transição de desktop para celular no início dos anos 2010. O investimento incremental para implementar a IA generativa em escala também pode levar a maiores despesas de capital para as principais plataformas de publicidade online, pressionando os fluxos de caixa conforme as margens ficam sob pressão.

Assim que superarmos as dores do crescimento, espera-se que as ferramentas de IA forneçam ventos favoráveis às plataformas e aos anunciantes, permitindo uma melhor segmentação dos anúncios. A IA generativa pode ser usada para gerar dinamicamente conteúdo publicitário adaptado a usuários individuais da pesquisa e do YouTube. As plataformas de anúncios online que tiveram que repensar a personalização devido aos regulamentos de privacidade do Identificador para Anunciantes (IDFA) devem recuperar alguns desses recursos de segmentação com recursos de IA generativos. Por exemplo, o Instagram pode usar essas ferramentas para gerar anúncios em vídeo a partir de imagens estáticas de uma marca, aumentando as taxas de conversão. Os chatbots integrados ao WhatsApp podem ajudar as pequenas empresas a se conectarem com mais clientes em tempo real. Estamos acompanhando de perto as mudanças no uso da Internet pelo consumidor para entender como esses ventos contrários e contrários podem ocorrer para empresas de Internet de todos os tamanhos, conforme incorporam a IA generativa.

Outra área importante a ser observada em relação aos LLMs é a camada de aplicação, que implicará no desenvolvimento de software vertical e específico da empresa. Embora os modelos maiores sejam bons em oferecer conhecimento generalizado obtido a partir de conjuntos de dados maciços, os modelos treinados em dados específicos de domínio terão uma vantagem sobre modelos maiores e menos direcionados para a maioria dos aplicativos corporativos. Isso exigirá acesso a dados primários proprietários, bem como o uso no mundo real por milhões de usuários finais para refinar a qualidade de um LLM por meio de feedback humano. Um bom exemplo é um mecanismo de pesquisa conversacional com tecnologia de IA generativa, onde seus usuários ajudam implicitamente a melhorar o modelo ao longo do tempo por meio de seus cliques, níveis de engajamento e perguntas de acompanhamento. Conforme os próprios LLMs se tornam comoditizados ao longo do tempo, acreditamos que as empresas que superam seus pares na alavancagem da IA generativa também possuirão habilidades superiores de design e experiência do usuário. Esta é uma das principais áreas a considerar ao avaliar o impacto da IA nos fornecedores de software e serviços.

IA generativa deve impulsionar a próxima onda de inovação de software

Alguns dos principais fabricantes de software já estão comercializando versões aprimoradas de IA de seu software, oferecendo uma prévia dos requisitos para a integração bem-sucedida de software de IA: ter bons dados, conhecimento de domínio e a capacidade de aplicar LLMs para resolver problemas específicos do cliente. O potencial de infundir IA em uma ampla gama de aplicativos existentes e em todas as camadas da pilha de software deve aumentar o mercado total endereçável do setor, conforme o software automatiza mais tarefas manuais. O desenvolvimento de código, bem como o gerenciamento e a análise de dados, em especial, parecem adequados para ver melhorias significativas na integração da IA. Os fornecedores de software que atendem áreas com altas barreiras à entrada também devem comandar o poder de precificação para permitir maior produtividade do cliente. 

Os fornecedores de software como serviço (SaaS) adotaram rapidamente a IA para aproveitar as oportunidades de se manterem competitivos, criando um rápido ciclo de inovação em aplicativos de IA generativa. Embora ver menos usuários (ou "vagas") por cliente corporativo continue sendo um risco em alguns casos, vemos isso mais do que compensado pelo aumento dos preços das ofertas facilitadas para IA ao longo do tempo. Além disso, as empresas de SaaS com grandes quantidades de dados de clientes e barreiras regulatórias significativas à entrada, como em recursos humanos e aplicações financeiras, estão mais bem posicionadas para manter sua vantagem competitiva conforme a IA automatiza mais funções. Acreditamos que o risco de desintermediação de software, por outro lado, será maior em categorias que são impulsionadas por processos manuais, focadas em consumidores e conteúdo, e caracterizadas por baixas barreiras à entrada e baixas taxas de retenção de clientes.

As empresas de serviços desempenharão um papel importante na orientação dos clientes através da integração inicial da IA, um exercício que pode durar de três a cinco anos. O que ninguém sabe neste momento é o papel que a automação de IA assumirá daqui para frente, potencialmente diminuindo a necessidade de serviços contínuos e suporte de consultoria de TI. 

O que vem em seguida?

Levando em conta a adoção inicial da IA generativa nos mercados de TI e de consumo das empresas, a integração da IA na economia global ainda está engatinhando. Do ponto de vista do modelo de negócios e do investimento, acreditamos que algumas áreas-chave a serem observadas conforme a IA generativa ganha uso mais amplo incluem a curva de custos de implementação, o comportamento do consumidor na Internet com a pesquisa habilitada para IA e as ações de reguladores e editores para controlar e provavelmente limitar os dados proprietários disponíveis para treinar LLMs. Além dos impactos verticais específicos da empresa e do setor, a IA generativa terá impactos mais amplos conforme os casos de uso se expandirem em mais segmentos da economia. Planejamos analisar mais de perto os impactos macroeconômicos da IA generativa e como ela pode influenciar a produtividade de longo prazo e as expectativas de inflação em um relatório de acompanhamento.