Kan dampmaskinen give svaret på, hvor man nu skal investere i AI?

En måske ikke helt tilfældig mandag i januar offentliggjorde et lille kinesisk selskab nyheden om DeepSeek R1, en konkurrerende sprogmodel (large language model, LLM) til mere kendte modeller som ChatGPT. Nyheden sendte chokbølger gennem aktiemarkedet med massive kursfald i hele værdikæden af teknologi- og infrastrukturleverandører til kunstig intelligens og sprogmodeller. For eksempel faldt chipproducenten Nvidia med 17 % svarende til et markedsværditab på knap 600 mia. dollar – det største markedsværditab nogensinde i amerikansk aktiehistorie.

Baggrunden var, kort fortalt, at DeepSeek R1 leverer indhold på niveau med eller bedre end de modeller, vi kender i forvejen - såsom Chat GPT. Det overraskende er, at den gør det på en IT-infrastruktur, der ikke indeholder de nyeste mikrochips, og dermed også på et omkostningsniveau, der kun er en brøkdel af de øvrige kendte modeller. Derudover estimeres ressourceomkostningen ved at træne og bruge DeekSeek R1 også at være en brøkdel relativt til andre modeller. Det er simpelthen billigere at træne og anvende modellen rent energimæssigt, hvilket også var årsagen til, at selskaber inden for bl.a. energiløsninger til datacentre faldt kraftigt sammen med Nvidia.

Investorer reagerer - men hvad nu?

Den umiddelbare reaktion fra verdens aktieinvestorer var som sædvanlig - man sælger først og spørger bagefter.

Men i den efterfølgende evaluering rejser der sig en række spørgsmål, særligt om, hvad man som investor skal forvente at få i afkast på de enorme AI-investeringsprogrammer, der i de seneste uger igen er blevet offentliggjort i forbindelse med regnskaberne fra de allerstørste amerikanske teknologiselskaber.
Kan man forvente at få samme høje forrentning af selskabernes investeringer som før DeepSeek-nyheden - eller har DeepSeek for alvor revolutioneret adgangen til kunstig intelligens og introduceret et attraktivt og effektivt omkostningsalternativ?

I jagten på svaret har mange søgt tilbage til den britiske økonom William Stanley Jevons, der i ”The Coal Question” fra 1865 introducerede Jevons’ paradoks.

Med introduktionen af dampmaskinen i den britiske industrialisering bemærkede Jevons, at de teknologiske forbedringer ikke mindskede det samlede kulforbrug, som man ellers kunne forvente på grund af en mere effektiv anvendelse af datidens primære energikilde.

Tværtimod førte det til et øget kulforbrug i en lang række industrier. Rækkefølgen i dette paradoks var følgende: Teknologiske fremskridt øgede effektiviteten, hvormed ressourcerne kunne forbruges (=mindre forbrug). Det førte til faldende omkostninger, som førte til højere efterspørgsel og så igen øgede det samlede ressourceforbrug.

Paradokset er omdrejningspunktet for investorernes adfærd gennem de seneste uger. Spørgsmålet, der stilles, er, om en mere effektiv brug af AI-hardware og software vil føre til lavere enhedsomkostninger og dermed en mere udbredt anvendelse af kunstig intelligens gennem øget og bredere efterspørgsel.

Hvilke investeringer vinder i den nye AI-æra?

Aktieinvestorer synes at forholde sig til det kinesiske teknologibidrag, men også til det faktum, at en ændring kan føre en mere effektiv udnyttelse af teknologi og ressourcer. Teknologiselskabernes enorme investeringsplaner inden for kunstig intelligens antages ikke længere nødvendigvis at være værdiskabende i samme omfang som tidligere. Selskabernes evne til at forrente denne kapital er blevet et fokuspunkt i investorerne.

Hvor investorer tidligere har fokuseret på producenter af hardware - herunder computerchips - samt selskaber, der leverer energiløsninger til driften af de enorme datacentre, ses der nu en større interesse for selskaber, der kan drage fordel af en mere effektiv tilgang til kunstig intelligens og energiudnyttelse, som i sidste ende sænker enhedsomkostningerne.
Den tredje fase af kunstig intelligens er i gang, og transformationen ændrer fokus for investorerne – ganske som da dampmaskinen fik bred anvendelse i de britiske væverier i 1900-tallet. Selskaber inden for software, platformsløsninger og energioptimering har oplevet stærk kursudvikling de seneste uger efter DeepSeek-nyheden.

Det forekommer, at William Stanley Jevons’ gamle paradoks er under udfoldelse i teknologisektoren, og ganske som med introduktionen af dampmaskinen i 1900-tallet, transformerer det alt fra enhedsomkostninger til efterspørgsel og investeringsaktivitet. I denne forandring er det afgørende, at aktieinvestorer forholder sig til værdiansættelsen i kombination med de langsigtede indtjeningsforventninger.

I dag handler det måske ikke alene om, hvem der laver den marginalt bedste dampmaskine, men hvem der får mest gavn af den.

Denne artikel har tidligere været bragt på Finans.dk.