Enige Beschouwingen na onze AI-roadtrip
Het tempo van de innovaties in GenAI blijft toenemen. Als beleggers vinden we het daarom zeer belangrijk om de unieke inzichten te horen van de kopstukken in het bedrijfsleven die zich in de voorhoede van die veranderingen bevinden. Met die gedachte zijn wij onlangs naar de Amerikaanse Westkust afgereisd. Daar zijn we in gesprek gegaan met de bedrijfstop van een twintigtal technologiebedrijven op de openbare en private kapitaalmarkt, verspreid over het volledige beurskapitalisatie-spectrum. Enerzijds ging het daarbij om bedrijven die GenAI-modellen bouwen of de halfgeleiders maken die nodig zijn voor het uitvoeren van de AI-werklasten. Anderzijds ging het om softwarebedrijven die de AI-werklasten hosten of die GenAI in hun producten inbouwen.
Dit zijn de lessen die wij tijdens de trip hebben opgepikt:
GenAI Drijft een Duurzame Techcyclus aan, maar Bevindt zich nog in de Kinderschoenen
Een van de belangrijkste lessen die wij hebben opgepikt, was dat we nog maar aan het begin staan van de ontwikkeling van frontiermodellen en de voor GenAI-infrastructuur benodigde investeringen. Frontiermodellen zijn de meest geavanceerde en krachtigste grote taalmodellen (large language models oftewel LLM) die momenteel ontwikkeld worden. De bedrijven die voorop lopen in de ontwikkeling van frontiermodellen zijn onder andere Google met Gemini, OpenAI met ChatGPT, Anthropic met Claude, en Meta met Llama. Elk van deze bedrijven benadrukte dat hun GenAI-mogelijkheden snelle vooruitgang boeken. Ze gaven echter ook nadrukkelijk aan dat hun modellen zich nog in een fase bevinden die zich naar analogie laat vergelijken met het niveau van een Bachelorstudent, en dat er van een Master-of PhD-niveau nog geen sprake is. De ontwikkeling van frontiermodellen bevindt zich dus nog in een uiterst prille fase. Tot dusver heeft GenAI ongeveer iedere 12 tot 18 maanden een duidelijke stap voorwaarts in capaciteiten gemaakt. Wij denken dat dit patroon zich blijft voortzetten. De belangrijkste prestatie-indicatoren voor het meten van de prestaties van frontiermodellen concentreren zich op intelligentie en latentie. Beide zijn beter geworden, niet alleen vanwege vooruitgang in processorvermogen, maar ook omdat de software die bij het trainen van modellen wordt ingezet efficiënter is geworden. NVIDIA denkt dat in de komende 10 jaar, gebruikmakend van hetzelfde type chipinfrastructuur, hun grafische verwerkingseenheden (GPU's) een miljoen keer efficiënter zullen worden in het verwerken van GenAI. Dit zal leiden tot een verdere versnelling in de ontwikkeling van frontiermodellen.1
Ondanks dat het zich nog in de kinderschoenen bevindt, gaat de ontwikkeling van frontiermodellen razendsnel. In deze modellen is veel van de functionaliteit geïntegreerd of ingebouwd die door de allereerste AI-startmodellen via applicatieprogramma-interfacing op de vroegere, minder krachtige modellen werd geboden. Door de snelle vooruitgang in frontiermodellen is dit afgezwakt. Dit is een belangrijke factor waardoor wij denken dat de grootste potentiële beleggingskans zich op de openbare en niet op de private kapitaalmarkt concentreert.
Beleggers zijn Gericht op Rendement uit Belegging voor Hyperscalers
In onze gesprekken met deze bedrijven was het vaststellen van de verwachtingen ten aanzien van rendement op investering (ROI) een van de belangrijkste aandachtspunten. Om de meest geavanceerde en krachtigste modellen te maken, investeren Microsoft, Google, Amazon, en Meta (de “hyperscalers”) in 2024 $188 miljard om de benodigde hardware te verkrijgen voor de uitbouw van datacentra van de volgende generatie die de capaciteit hebben om GenAI te trainen. Het grootste deel van de kapitaaluitgaven van S&P 500-bedrijven in 2024 wordt dus hieraan besteed.2 Ieder bedrijf dat zich bezighoudt met de ontwikkeling van frontiermodellen moet over enorm veel middelen beschikken evenals de bereidheid om geld in de ontwikkeling van GenAI te steken. Wij denken daarom dat een golf aan ontwikkelaars met concurrerende frontiermodellen zal uitblijven.
Via de talloze contacten die we met de managementteams van deze bedrijven hebben gehad, hebben we zelf kunnen opmaken hoe gedisciplineerd zij met hun kapitaal omspringen. Een CFO bij een van deze ondernemingen was er duidelijk over dat zij, als dat mogelijk was, meer GPU's zouden kopen — ongeacht de aanzienlijke kosten die dat met zich mee zou brengen. De hand-over-hand toenemende kosten voor GPU's worden aangejaagd door de wedloop onder aanbieders van frontiermodellen om het krachtigste framework te bouwen. Naar verwachting zal deze wedloop er binnen afzienbare tijd niet minder op worden. Vanuit het gezichtspunt van een ROI bezien, kan, terwijl de opbrengsten die hyperscalers uit GenAI behalen gestaag beginnen toe te nemen, wezenlijke vooruitgang nog een à twee jaar op zich laten wachten. Dat is hetgeen waar de markt mee worstelt.
De eerste gebruikstoepassingen van GenAI betroffen ontwikkelaars die de technologie gebruikten voor codering, het plaatsen van advertenties en het verhogen van de productiviteit voor verkoopfuncties. Daarnaast kan Microsoft een premium-versie van zijn Office suite aanbieden waarin een co-pilotfunctie is ingebouwd; integreert Google GenAI in zijn toonaangevende zoekmachine en Gmail om de gebruikerservaring te verbeteren; en zou GenAI in het sociale media-aanbod van Meta kunnen worden geïntegreerd waarmee het uitgroeit van een platform dat content beheert naar een platform dat content genereert. Wij denken dat deze verbeteringen kunnen leiden tot een versnelling in fundamentals en concurrentievoordelen.
Halfgeleiders voor het Aandrijven van de Volgende Generatie GenAI-Verwerkingen zullen Waarschijnlijk GPU's in de Breedte Voorbijgaan
Alhoewel de GPU's van NVIDIA vanwege hun ongeëvenaarde processorvermogen en software ecosysteem nagenoeg de volledige markt voor het trainen van GenAI in handen hadden, denken we dat andere halfgeleiderfabrikanten ook klaar staan om mogelijke vruchten te plukken. Met name de hyperscalers hebben hun eigen applicatie-specifieke geïntegreerde schakelingen (ASIC's) ontwikkeld die, alhoewel lang niet zo krachtig, repeteerbare taken effectief in grote hoeveelheden uitvoeren.
ASIC's worden bijvoorbeeld gebruikt in Google's aanbevelingsstructuur voor YouTube omdat de taak niet breed is en in grote hoeveelheden wordt herhaald. ASIC's die speciaal gebouwd zijn voor specifieke werklasten kunnen die taak vele malen efficiënter uitvoeren en tegen aanzienlijk lagere kosten dan een krachtige GPU van NVIDIA. Alhoewel de aanloopkosten voor het bouwen van ASIC-infrastructuur hoog zijn, liggen de kosten om GenAI-werklasten op deze chips te laten draaien naar alle waarschijnlijkheid lager als de aanloopinvestering eenmaal is gedaan. De hyperscalers bevinden zich ook in de unieke positie om geld uit te geven aan de software die nodig is ter ondersteuning van ASIC-infrastructuur voor zowel training als inferentie. Ons doel is vast te stellen wie de potentiële winnaars in de halfgeleiderindustrie zijn die van deze transitie zouden kunnen profiteren.
Wij zijn van mening dat investeringen in AI de vraag vanuit bedrijven die kapitaalgoederen voor halfgeleiders maken ook sterk heeft aangejaagd. Dat komt met name door de toegenomen complexiteit en vraag naar AI-gerelateerde halfgeleiders. Wij denken dat in 2025 de totale uitgaven aan Wafer Fab Equipment (WFE) de $130 miljard zou kunnen overstijgen. Dat is bijna 40% hoger dan het niveau in 2023.3
Afgeleide Modellen In een Apparaat Inbouwen Kan een Telefoonvervangingscyclus Aanjagen.
Het potentieel dat GenAI heeft om aan de "rand" te opereren (toegang tot lokale AI-mogelijkheden tegenover AI-mogelijkheden via cloudtechnologie) is het eerste waar men aan denkt. Dit zou dan met "afgeleide modellen" worden gedaan, derivaten van frontiermodellen met minder parameters. Voor veel gebruikstoepassingen door consumenten zijn deze echter uitermate geschikt. Tijdens onze trip kregen we de mogelijkheid live demo's van in spraakchat-assistenten geïntegreerde GenAI-modellen te ervaren: een aanzienlijke verbetering ten opzichte van het huidige aanbod. Wat wij graag willen doorgronden is de impact van aan de rand opererende GenAI-mogelijkheden en of dit de aanzet zou kunnen zijn voor een nieuwe vervangingscyclus van particuliere telefoons. Dit zou een van eerste en meest tastbare voorbeelden zijn van de impact die GenAI heeft op de opbrengsten en winst van bedrijven die GenAI-technologie in het aanbod van nieuwe apparaten integreren.
Een van de technische uitdagingen bij afgeleide modellen is hoe wordt omgegaan met zoekopdrachten die te complex zijn om aan de rand te worden afgehandeld. Afgeleide modellen moeten slim genoeg zijn om eventuele complexe zoekopdrachten naar een datacentrum te sturen dat over meer processorvermogen beschikt. We zijn nog aan het uitzoeken hoe dat eruit zou kunnen zien voor de bedrijven die potentieel complexe zoekopdrachten verzenden of ontvangen.
Voor Software was het Eerste Kwartaal Cyclisch, niet Seculair
We zagen dat, ondanks dat de opbrengsten in het eerste kwartaal van 2024 solide waren, softwarebedrijven hun verwachtingen voor het gehele jaar eerder handhaafden dan ze naar boven bijstelden. De markt vatte dit op als een indicatie dat voor deze bedrijven GenAI een mogelijk verstorende factor was of dat hun klanten minder aan software uitgaven ter compensatie van hogere uitgaven aan de integratie van GenAI. Als gevolg daarvan denken wij dat het enigszins inzakken van de resultaten van softwarebedrijven in het eerste kwartaal waarschijnlijk cyclisch is en geen aanwijzing dat er sprake is van een seculaire afname.
In plaats van dat zij risico van verstoring door frontiermodellen lopen, zijn veel van de grootste softwarebedrijven naar onze mening waardevoller in het kader van de ontwikkeling van frontiermodellen. Ze beschikken immers over enorme hoeveelheden bedrijfseigen klantgegevens. Bij de grootste softwarebedrijven is men volop bezig met vele potentieel spannende initiatieven op het gebied van GenAI-integratie. We zien ook veel samenwerkingsverbanden ontstaan tussen bedrijfssoftware makende ondernemingen die over waardevolle datasets beschikken enerzijds en die frontiermodellen leveren anderzijds. Hierdoor ontstaan duidelijke voordelen voor de leveranciers die op die manier in staat worden gesteld hun frontiermodellen met data van de allerhoogste kwaliteit te trainen.
Onze Overtuiging ten aanzien van Cybersecurity Blijft Rotsvast
Voor zowel overheden als bedrijven blijft cybersecurity een topprioriteit. Daarnaast blijven wij erbij dat de vraag naar de meest innovatieve oplossingen sterk zal aanhouden. Geopolitieke spanningen en politieke onzekerheid blijven onveranderd hoog. Nu in 2024 in meer dan 50 landen - dit betreft dus de helft van de wereldbevolking - nationale verkiezingen worden gehouden, is er een toename in geavanceerde cyberdreigingen te zien en bijgevolg toenemende investeringen ten aanzien van bescherming tegen dergelijke dreigingen. Gezien de enorme hoeveelheden data die met het trainen van frontiermodellen gemoeid is, is doeltreffende cybersecurity ook in het kader van GenAI uitermate belangrijk. Terwijl bedrijven en overheden het tempo van de ontwikkelingen in het dreigingslandschap proberen bij te houden en hun eigen data trachten te beveiligen, hebben leveranciers van de volgende generatie cybersecurity mogelijkheden hun klanten bij te staan in het beveiligen van hun meest kostbare vermogensbestanddelen.
Naast een toename in het aantal cyberdreigingen, heeft de technologische vooruitgang geleid tot steeds geraffineerder wordende aanvallen. GenAI creëert niet alleen nieuwe dreigingsvectoren, het heeft ook complexe en schadelijke technieken voor ieder toegankelijk gemaakt. De toename in aantal en het raffinement van cyberaanvallen heeft ertoe geleid dat er meer wordt uitgegeven aan cybersecurity-oplossingen. Dit wordt nogmaals onderstreept door de dringende noodzaak bij organisaties om de meest robuuste en allesomvattende cybersecurity-oplossingen in te zetten.
AI-Ontwikkeling vanuit de Staat Neemt een Vlucht en Snellere Vooruitgang dan Verwacht in China's Capaciteiten
Niet alleen op ondernemingsniveau, maar ook onder staten is er een mondiale wedren gaande omtrent de bouw en inzet van GenAI. Met toepassingen in nationale beveiliging en bestuur, zien overheden overal ter wereld, naast aanzienlijke potentiële winst in arbeidsproductiviteit, steeds meer het transformerende potentieel van deze technologie in. Dit jaagt een toename aan in door de overheid gesteunde financiering en strategische investeringen. De GenAI-uitbouwcyclus heeft daarmee wereldwijd duidelijk de wind mee. Dat geeft ons extra vertrouwen in de duurzaamheid van deze techcyclus. Wij menen dat voor landen die AI-mogelijkheden willen ontwikkelen maar niet van datacentra in de VS afhankelijk willen zijn, een gelokaliseerde AI-infrastructuur (of AI-fabrieken) cruciaal zal zijn, alsmede de noodzaak voor meertalige GenAI-modellen (grote taalmodellen) in verschillende geografische regio's.
China heeft haar binnenlandse AI-halfgeleidersector sneller weten te ontwikkelen dan de markt had verwacht. Dit ondanks de door de Amerikaanse overheid opgelegde strenge exportbeperkingen naar China inzake de in de ontwikkeling van GenAI gebruikte toonaangevende rand-halfgeleiders. De snelheid waarmee China haar capaciteiten heeft weten op te schalen, heeft velen overrompeld. Wij denken daarom dat China gewoon doorgaat met de ontwikkeling van haar eigen technologische ecosysteem. Dit systeem en het door het Westen ontwikkelde systeem zullen naast elkaar bestaan maar onafhankelijk van elkaar werkzaam zijn.
Vooruitkijkend
Wij denken dat GenAI een van de meest ingrijpende technologische innovaties van onze tijd is. Vanuit een investeringsoogpunt bekeken, geloven we ook dat het een duurzame en significante techcyclus kan aanjagen. We bevinden ons, naar onze mening, nog steeds in het beginstadium van deze cyclus. Vooruitkijkend, denken we dat de kansen zich naar alle waarschijnlijkheid zullen uitbreiden waarmee er nieuwe winnaars en verliezers zullen komen.
Gezien de significante investering die nodig is om AI-mogelijkheden te ontwikkelen en de behoefte aan enorme hoeveelheden data van hoge kwaliteit, blijven wij van mening dat de belangrijkste partijen die profijt uit de AI-transformatie trekken zich eerder op de openbare kapitaalmarkt zullen bevinden dan op de private equity-markt. Terwijl de zogenaamde “Magnificent 7”-bedrijven 4 zich onder de partijen bevinden die het meest direct hebben geprofiteerd van de waardevermeerdering van aandelen, denken wij dat ook andere bedrijven verderop in het spectrum van beurskapitalisatie zich zullen aandienen als partijen die van GenAI gaan profiteren. De ruimte is dynamisch en verandert razendsnel. Terwijl de GenAI-technologie voortschrijdt en zich nieuwe koplopers aandienen, zal beleggen in de juiste bedrijven cruciaal worden voor beleggingssucces op de lange termijn.
Het Fundamental Equity Technology team van Goldman Sachs Asset Management maakt diepte-analyses van trends in de branche en bedrijven in het hele beurskapitalisatiespectrum, en komt regelmatig samen om de marktdynamiek en portefeuilleposities te bespreken. Het team werkt ook samen met het bredere Fundamental Equity team dat wereldwijd uit meer dan 100 onderzoeksanalisten bestaat.
1 NVIDIA. 6 juni 2024.
2 MSCI, Wind, Bloomberg, FactSet, Goldman Sachs Global Investment Research. 24 mei 2024.
Er is geen garantie dat doelstellingen worden behaald. De hier gepresenteerde prognoses voor de markt en economie zijn voor informatieve doeleinden per de datum van deze presentatie. Het kan niet worden gegarandeerd dat de prognoses daadwerkelijk worden behaald. Wij verwijzen u naar de aanvullende informatieverschaffing aan het eind van deze presentatie.
3 Goldman Sachs Asset Management, Bloomberg, Visible Alpha. 30 juni 2024.
4 Verwijst naar Microsoft, Apple, Google, Amazon, NVIDIA, Meta en Tesla.
