Обзор технологического отчета Bain & Company 2024

Время на прочтение: 7 мин

Аналитики Bain & Company представили пятый ежегодный технологический отчет. Авторы изучили состояние рынка программного и аппаратного обеспечения, связанного с искусственным интеллектом, и представили прогнозы по его развитию.

В последнее время самые дорогие технологические компании демонстрируют серьезную устойчивость, удерживаясь на вершине в течение многих лет и увеличивая свою долю рыночной стоимости. Их успех зависит от способности выявлять прорывные тенденции и успешности масштабирования и коммерциализации.

Четыре из пяти крупнейших компаний технологического сектора были лидерами рынка в 2019 году, а три из них уже в 2009 году.

Вместе эти пять ведущих технологических компаний составляют 63% рыночной капитализации 20 ведущих компаний сектора, для сравнения – 10 лет назад эта цифра составляла 53%. На пятерку лидеров также приходится 64% прибыли, что почти вдвое больше, чем 10 лет назад. Одна из причин такого успеха заключается в том, что они создали бизнес с эффектом масштаба со стороны предложения и со стороны спроса. Коммерциализация и технологические инновации требует больших объемов вычислительной мощности, что способствует развитию компаний с большими вычислительными активами и соответствующей компетенцией. Эти лидеры также выиграли от периода интенсивной глобализации, который позволил им выйти на новые рынки и увеличить клиентскую базу. Кроме того, после пандемии инвесторы предпочитают вкладываться в прибыль и безопасность, а не в быстрый рост.

Недавно инвесторы были убеждены, что спад в сделках с технологиями остановится к середине 2024 года, но ожидания не оправдались. В то время как рынки сделок достигли дна в первой половине года, частные инвесторы продолжают наблюдать неопределенность относительно периодов получения прибыли за счет роста доходов. Зависимость отрасли от сделок по объему для стимулирования роста продолжится. Когда масштабные поглощения в сфере технологий начали сталкиваться с нормативными препятствиями, компании переключили свою деятельность по слияниям и поглощениям на сделки по объему, призванные предоставить покупателю доступ к новым возможностям, продуктам или рынкам. Изменение было настолько резким, что за последние шесть лет сделки по объему составили почти 80% всех сделок по слияниям и поглощениям в технологической отрасли, что существенно больше, чем в большинстве других отраслей.

Появление Суверенного искусственного интеллекта стало разделительной линией в глобальном технологическом секторе. Суверенные блоки ИИ появляются за счет значительных государственных субсидий внутренней вычислительной инфраструктуры и моделей ИИ. На локальных поставщиков центров обработки данных приходится около четверти новых вычислительных мощностей, которые будут введены в эксплуатацию в ближайшие несколько лет. Несмотря на импульс суверенного ИИ, глобальный масштаб технологических компаний обеспечивает значительные преимущества перед внутренними конкурентами. Операторы центров обработки данных получат краткосрочную прибыль, но существует реальный риск избыточных мощностей. Поскольку технологические компании стремятся извлечь выгоду из прорывов в больших языковых моделях и генеративном искусственном интеллекте, руководители должны бороться с дополнительным уровнем сложности «суверенных» блоков ИИ по всему миру.

Деглобализация в технологиях началась со сбоев в цепочке поставок электроники, в частности полупроводников, связанных с COVID-19 и геополитической напряженностью между США и Китаем. Это подтолкнуло технологические компании к быстрым инвестициям для повышения устойчивости своих цепочек поставок. Они расширили свое производственное присутствие за пределами Китая и усилили кадровые резервы. При поддержке правительств компании строят новые полупроводниковые центры в США, Индии, Германии и Японии. Теперь постглобализация движения в технологиях распространяется на данные, ИИ, безопасность и конфиденциальность. Сегодня правительства по всему миру, включая Индию, Японию, Францию, Канаду и Объединенные Арабские Эмираты вкладывают средства в субсидирование суверенного ИИ.

Аналитики Bain & Company отмечают, что по сравнению с рынком полупроводников на рынок ИИ войти значительно проще. Это во многом связано с открытым исходным кодом LLM, который упрощает запуск новых продуктов искусственного интеллекта. По мере того, как суверенный ИИ набирает обороты, его развитие будет определяться следующими факторами.

1. Национальные интересы: правительства рассматривают локализованный ИИ как критически важный для защиты конфиденциальности данных, обеспечения национальной безопасности, создания или укрепления внутренних высокотехнологичных экосистем и роста своей экономики.

2. Инфраструктура: построение физической инфраструктуры для ИИ и облачных вычислений потребует огромных капиталовложений в центры обработки данных, вычислительные мощности и электросети.

3. Стратегии регулирования: ведущие рынки ИИ (США, Европейский союз и Китай) пока используют совершенно разные подходы.

4. Локализация: многие модели ИИ должны будут соответствовать местным языкам и контексту. Некоторые приложения будут отличаться в разных странах, чтобы соответствовать правилам безопасности и конфиденциальности и отвечать потребностям местного рынка.

Основной фактор, работающий против суверенного ИИ – это небольшой объем субсидий: до сих пор многие правительства не субсидировали национальные инициативы в области ИИ в отличиии от полупроводниковой отрасли. В результате, они не могут конкурировать с глобальными игроками рынка.

Некоторые инвесторы и аналитики по-прежнему скептически относятся к окупаемости инвестиций в ИИ. Основные варианты использования генеративного ИИ в разработке программного обеспечения включают генерацию кода, документирование, рефакторинг, отладку, тестирование, а также запуск и обслуживание. Некоторые организации-разработчики уже экономят от 15% до 40% на генерации кода и документации и от 30% до 50% на рефакторинге, выборочном тестировании и вариантах использования отладки, используя определенные шаблоны и обширные наборы данных. В некоторых компаниях развертывание ИИ послужило триггером для оценки производительности разработки программного обеспечения, расширив их фокус на более традиционные области, включая управление продуктом, приоритезацию на основе данных и Agile.

В продажах и маркетинге генеративный ИИ используется для создания динамического персонализированного контента, персонализированного email-маркетинга, автоматизации взаимодействия с социальными сетями, автоматизированного планирования счетов, а также расширенного обучения и поддержки. Автоматизируя и оптимизируя эти этапы взаимодействия с клиентами, генеративный ИИ повышает производительность торговых представителей и других сотрудников отдела маркетинга, сокращая время цикла, уменьшая отток клиентов и обеспечивая лучшие показатели кликабельности за счет гиперперсонализации. Компании внедряют генеративный ИИ в разработку продуктов и функций, чтобы создавать более простые и удобные для пользователя продукты и интерфейсы, а также обеспечивать большую настройку и персонализацию. Например, в здравоохранении ИИ может быстро анализировать данные пациентов и предлагать персонализированные планы лечения. В других отраслях генеративный ИИ позволяет использовать голосовые или текстовые чат-интерфейсы для более простого взаимодействия с продуктами. Например, на сайте Carrefour генеративный помощник на основе прошлых покупок и запросов клиентов предлагает посмотреть готовый список товаров. Это упрощает процесс покупок для клиентов, делая его более интересным.

Особенно хорошо подходят для улучшений генеративного ИИ операции бэк-офиса, учитывая огромное количество рутинных процессов, которые сравнительно легко автоматизировать. Например, в финансовой функции генеративный ИИ может повысить эффективность составления отчетов внутреннего аудита, подготовки документации для налоговых проверок и проведения индивидуального финансового анализа. Deutsche Telekom разработала чат-бот для отдела закупок, который обучен политике компании и стратегиям закупок. Чат-бот может отвечать на запросы команды о соблюдении политики и давать рекомендации по поставщикам, контрактам или справедливой цене для конкретного запроса на предложение. Результаты пилотного проекта по всей компании показывают, что чат-бот может сэкономить бизнес-пользователям до 2000 часов в месяц, а пользователям отдела закупок – до 5000 часов в месяц.

Развертывание ИИ – это путь, направленный на значительный рост производительности, но включающий решение проблем, которые охватывают технологическую интеграцию, адаптацию человека к способам работы и переосмысление бизнес-процессов. При развертывании ИИ компании должны исправить процессы перед автоматизацией путем оптимизации, упрощения и устранения ненужных шагов. Это высвобождает энергию и мощности по мере модернизации операций.

Небольшие языковые модели, обученные или настроенные для определенной области или задачи, станут более важными в этом контексте, поскольку они могут быть менее затратными и более энергоэффективными, чем большие языковые модели общего назначения. Быстрый рост новых моделей, как с открытым исходным кодом (Llama, Mistral от Meta, Falcon от TII), так и фирменных (Claude от Anthropic, Gemini от Google AI), расширяет диапазон экономически и энергоэффективных вариантов.

Поставщики технологий реагируют, оптимизируя стек технологий по вертикали, чтобы обеспечить большую эффективность. Например, большинство гипермасштабаторов разработали собственные процессоры для обучения и вывода, такие как Trainium и Graviton от Amazon, TPU от Google или MTIA от Meta. Nvidia расширила свою «единицу вычислений» за пределы только GPU, теперь интегрированную с фабриками, гибридной памятью, DGX и облачными предложениями. Nvidia также улучшает свой стек программного обеспечения и предлагает размещенные сервисы, предоставляя индивидуальные решения, которые используют ее оборудование и создают более эффективную экосистему для разработчиков и пользователей. Apple разрабатывает собственный LLM на устройстве и уже имеет собственный процессор. Генеративный ИИ является основным двигателем текущих изменений, которые осложняются постглобальными сдвигами и необходимостью адаптации бизнес-процессов для предоставления ценности.

Аналитики Bain & Company считают, что технология хранения будет совершенствоваться, чтобы удовлетворить потребности генеративного ИИ, включая ускоренную консолидацию хранилищ данных, более широкое использование объектного, а не файлового и блочного хранения, а также выбранные обновления для высоко векторизованных возможностей баз данных. Растущая потребность в подготовке и мобильности данных стимулирует рост программного обеспечения для управления данными.

Изменение характера центров обработки данных и периферийных вычислений увеличивает вероятность того, что ИИ перестроит технологический сектор и установит новый порядок для следующей эпохи. Предприятия по всему сектору должны понять свое положение на рынке и переосмыслить стратегические амбиции для гарантии конкурентоспособности в выбранных ими областях.

Компаниям, которые проектируют и производят серверы, сети, хранилища, охлаждение, электропитание, кабели и все остальные элементы, которые входят в создание центра обработки данных, необходимо будет проектировать свои продукты для поддержки ИИ. Они будут разрабатывать масштабные решения для оптимизации вычислений и производительности программного обеспечения ИИ. Эти компании также играют важную роль в предоставлении инфраструктуры и услуг клиентам. Ускорение времени выхода ИИ на рынок является важной возможностью для предприятий. Поставщики программного обеспечения продолжат внедрять ИИ в свои основные продукты, чтобы оставаться конкурентоспособными. Бизнесу необходимо будет сосредотачиваться на сборе и интерпретации аналитических данных, при этом оптимизируя языковые модели для предоставления лучших и более быстрых результатов для клиентов. Эти аспекты их бизнеса будут дополнять друг друга, поскольку поставщики программного обеспечения наращивают свои возможности для повышения навыков рабочей силы своих клиентов.

Производители периферийных устройств найдут способы извлечь выгоду из инноваций в экосистеме, тестируя новые форм-факторы и интерфейсы, а также используя ИИ для повышения персонализации на всех устройствах. Урегулирование предпочтений пользователей в отношении конфиденциальности будет иметь решающее значение для повышения темпов внедрения.

Прорыв генеративного ИИ в конце 2022 года стал точкой роста для полупроводниковой промышленности. Продажи и оценка производителей микросхем значительно выросли, от ведущих продавцов графических процессоров, таких как Nvidia, до поставщиков, которые поставляют другие чипы в центры обработки данных, включая производителя коммутаторов Broadcom и производителя памяти с высокой пропускной способностью SK Hynix. Расходы на центры обработки данных и специализированные чипы, которые их питают, не показывают никаких признаков замедления. Ожидается, что основные поставщики облачных услуг увеличат свои годовые капитальные расходы на 36%, во многом благодаря инвестициям в ИИ и ускоренным вычислениям. Спрос на графические процессоры будет продолжать расти, поскольку LLM расширяют возможности для обработки нескольких типов данных одновременно, включая текст, изображения и аудио, а венчурные капиталисты вливают еще больше денег в стартапы в области ИИ.

Если спрос на графические процессоры текущего поколения в центрах обработки данных удвоится к 2026 году, поставщикам ключевых компонентов потребуется увеличить выпуск на 30%, исходя из модели прогнозирования Bain, которая учитывает тонкости многоуровневой цепочки поставок полупроводников.

Поставщики услуг решают сложные задачи, создавая возможности генеративного искусственного интеллекта, чтобы предоставлять услуги быстрее, продуктивнее и с более высоким качеством. Демонстрация опыта, найм и повышение квалификации специалистов для создания возможностей искусственного интеллекта, а также разработка и внедрение передовых инновационных решений является сигналом для комфортного использования технологией. В 2023 году многие компании, предоставляющие технологические услуги, поддержали интерес своих клиентов к генеративному ИИ, продемонстрировав концепцию, направленную на снижение эксплуатационных расходов, ускорение выполнения задач или повышение качества.

Сегодня генеративный ИИ находится на пике популярности, но основополагающие элементы, такие как непрерывная поставка и современная архитектура, могут стать более результативными способами повышения эффективности. Непрерывная интеграция и внедрение нового кода также работают на её повышение. Это более действенный способ управления рисками, поскольку разработчики могут оценивать последствия каждого нового развертывания, и это позволяет компаниям устранять угрозы безопасности по мере их обнаружения, ограничивая потенциальный ущерб.