Снимка: iStock

Първата фаза на бума около изкуствения интелект беше сравнително лесна за разбиране от инвеститорите. За да бъдат обучавани и използвани все по-големи модели, бяха необходими все повече изчислителна мощ, центрове за данни, графични процесори, памет и електроенергия. Най-очевидният победител беше Nvidia. От появата на ChatGPT в края на 2022 г. акциите на компанията са поскъпнали с 1 263%, а дори след този ръст средната целева цена на анализаторите на Уолстрийт, цитирана от Barron’s, предполага още 44% потенциал нагоре. Междувременно OpenAI и Anthropic преминаха от почти неизвестни стартъпи до компании, за които вече се обсъждат оценки от над 1 трилион долара. Това беше ерата, в която пазарът плащаше най-вече за две неща: кой може да произведе най-мощния модел и кой притежава хардуера, върху който той работи.

През 2026 г. обаче започва да се очертава втората фаза и тя може да се окаже много по-важна. Моделите продължават да стават по-добри, но едновременно с това стават по-евтини и все по-заменяеми. Появяват се мощни модели с отворени тегла, които могат да бъдат свалени безплатно и изпълнявани върху подходящ хардуер. OpenAI и Anthropic вече намаляват цените, а корпоративните клиенти все по-често използват системи, които автоматично решават кой модел да получи конкретната задача. Най-сложните проблеми могат да бъдат изпратени към най-мощния и скъп модел, докато огромна част от ежедневните операции се изпълняват от решения, които в някои случаи са до 50 пъти по-евтини. Ако тази тенденция продължи, самият AI модел постепенно може да престане да бъде крайният продукт. Той се превръща в инфраструктура.

Технологичната история вече е виждала подобен преход. Персоналният компютър първоначално е бил скъпа машина за ентусиасти. През 1979 г. се появява VisiCalc и електронната таблица превръща Apple II от интересна технология в инструмент, за който бизнесът вече има конкретна причина да плаща. Хардуерът е необходим, но софтуерът създава употребата. Същото се случи и със смартфоните. Днес водещите модели на iPhone и Android използват различни компоненти, но на ниво потребител изборът много по-често се определя от операционната система, приложенията, услугите и цялата екосистема около устройството. Никой не купува смартфон само заради процесора му. Купува достъп до софтуерна среда.

AI изглежда започва да преминава през същата трансформация. Големите езикови модели все още са фундаментално важни, но потребителят все по-малко ще се интересува кой конкретен модел стои под дадено приложение. Ако един AI агент организира пътуването, управлява календара, анализира документи, следи абонаменти, комуникира с други приложения и изпълнява задачи вместо човека, потребителят няма непременно да пита дали всяка операция е извършена от най-мощния модел на пазара. Ще го интересува дали системата е удобна, надеждна, бърза, достатъчно евтина и дали разбира какво иска от нея.

Точно тук Meta и Muse дават интересен пример. Според Barron’s ранният успех на Muse показва, че технологичното качество само по себе си не е достатъчно. OpenClaw предлага сходна агентна функционалност още от края на миналата година, но продуктът е насочен основно към технически потребители и не достига масова аудитория. Anthropic разполага с личен агент от януари, но също не успява да постигне значителен пробив. Meta има друго предимство: компанията знае как се изграждат приложения за милиарди обикновени хора. Ако Muse успее там, където технически сравними решения не успяват, това ще бъде важен урок за следващата фаза на AI. Най-добрият модел не гарантира най-добрия продукт, както най-добрият процесор никога не е гарантирал най-добрия смартфон.

Икономиката зад Muse показва колко сложен става AI стекът. Самият агент е софтуер, който работи върху процесори на AMD. Моделът Muse Spark използва сървъри с Nvidia и собствените ускорители MTIA на Meta, разработени съвместно с Broadcom. Чиповете се произвеждат от Taiwan Semiconductor Manufacturing. Само един потребителски AI продукт по този начин свързва приложение, агентен софтуер, езиков модел, централни процесори, графични ускорители, специализирани чипове и полупроводниково производство. Въпросът за инвеститорите вече не е просто „кой ще продаде повече графични процесори“, а къде по тази верига ще остане най-голямата икономическа рента, когато конкуренцията стане много по-силна.

Това е особено важно, защото агентите могат радикално да увеличат количеството използвана изчислителна мощ. Чатботът чака човекът да зададе въпрос. Агентът може да работи постоянно. Той може сам да разбива една задача на десетки подзадачи, да комуникира с различни модели, да проверява резултатите им и да извиква нови операции. Машините могат да разговарят с други машини със скорост, която човек физически не може да постигне. Един потребител може да генерира десетки или стотици пъти повече изчислителни операции чрез агент, отколкото чрез традиционен чат интерфейс.

Затова тезата, че софтуерът печели, не означава, че хардуерът губи. Възможно е да се случи точно обратното. Ако агентите направят AI полезен за стотици милиони хора и милиони компании, общото потребление на изчислителна мощ може да нарасне толкова бързо, че по-ниската цена на една операция да бъде повече от компенсирана от огромното увеличение на броя операции. Това е класическият технологичен парадокс: ресурсът става по-евтин, но тъй като става по-полезен, потреблението му експлодира.

Една от най-впечатляващите цифри в тази връзка няма нищо общо директно с Nvidia. В края на миналата година прогнозите за пазара на сървърни централни процесори през 2030 г. са били около 50 млрд. долара. Сега оценките вече приближават 250 млрд. долара. За по-малко от година очакванията са се увеличили почти пет пъти. Причината е именно агентната архитектура. Не всяка операция трябва да се извършва върху най-скъпия графичен процесор. Огромно количество логика, управление на задачи и координация между системите може да се изпълнява върху традиционни централни процесори. Така AI бумът започва да се разпространява от Nvidia към AMD, Intel, Arm и останалата част от изчислителната инфраструктура.

Същото важи за паметта и съхранението. Колкото повече агенти работят непрекъснато, толкова повече информация трябва да бъде съхранявана, извличана и обработвана. Агент, който трябва да познава потребителя, да помни предишни решения и да използва огромни корпоративни масиви от информация, има съвсем различни изисквания от чатбот, който отговаря на отделен въпрос. Следователно преминаването към агентен AI може да задълбочи недостига на памет и системи за съхранение, вместо да го намали. Хардуерната история не приключва. Тя просто става по-широка.

Промяната при моделите обаче е много по-неприятна за онези компании, които разчитат, че най-добрият модел автоматично ще им осигури най-висок марж. Ако един корпоративен клиент може да използва най-мощния модел само за 5% от задачите, а останалите 95% да разпредели между много по-евтини решения, икономиката на бизнеса се променя. Наличието на модели, които могат да бъдат до 50 пъти по-евтини, създава естествен таван върху цената. Дори лидерът да запази технологично предимство, клиентът вече има стимул да оптимизира използването му.

Това напомня за развитието на облачните услуги. Клиентът не иска непременно най-мощния възможен сървър за всяка операция. Иска правилния ресурс на правилната цена. Същата логика започва да навлиза в AI. Софтуерът над моделите може автоматично да решава кога е необходим скъп модел и кога евтиният е напълно достатъчен. Ако това се превърне в стандарт, стойността постепенно се премества към този, който управлява оркестрацията.

Тук може да се намира и следващият голям слой на стойност. Днешният разговор е концентриран върху OpenAI, Anthropic, Meta и самите модели, но в крайна сметка потребителят може да има един основен агент, който използва няколко различни модела, без дори да го забелязва. Тогава агентът контролира интерфейса, отношенията с клиента, контекста, паметта и разпределението на задачите. Моделът под него рискува да се превърне в доставчик.

И това е една от най-големите потенциални промени в икономиката на AI. Ако моделите станат достатъчно взаимозаменяеми, притежаването на най-добрия модел може да се окаже по-малко важно от притежаването на потребителя.

Meta разбира тази игра изключително добре. Компанията вече има глобална дистрибуция чрез своите потребителски приложения и десетилетия опит в превръщането на сложни технологии в продукти за масовия потребител. Това не гарантира успеха на Muse, но обяснява защо добрият дизайн и достъпността могат да се превърнат в конкурентно предимство, което не се вижда в нито един тест за производителност на езиковите модели.

Оттук идва и по-големият инвестиционен въпрос. Първата фаза на AI имаше сравнително ясно тясно място: графичните процесори. Когато търсенето на изчислителна мощ растеше по-бързо от предлагането, огромна част от икономическата стойност естествено се концентрираше при производителя на най-търсените ускорители. Ръстът на Nvidia от 1 263% след появата на ChatGPT е най-яркото отражение на този недостиг.

Втората фаза няма да бъде толкова проста. Моделите поевтиняват, отворените решения стават по-добри, агентите увеличават потреблението, CPU пазарът получава нов импулс, паметта и съхранението се превръщат в нови тесни места, а потребителският интерфейс започва да определя кой всъщност контролира клиента. Вместо една ясна верига „повече AI означава повече GPU“, получаваме цяла икономическа екосистема, в която стойността може да мигрира между различните слоеве.

И тук се крие както възможността, така и рискът. Ако агентите наистина станат следващият масов интерфейс към дигиталния свят, AI инфраструктурата може да се нуждае от много повече хардуер, отколкото днешните прогнози предполагат. Но ако моделите се превърнат в стока, огромните оценки на компаниите, които разчитат единствено на технологично превъзходство на модела, ще трябва да бъдат оправдани по друг начин. Те ще имат нужда от дистрибуция, приложения, корпоративни отношения, данни, екосистема и устойчиви маржове.

Историята на технологиите многократно е показвала, че хардуерът създава възможността, но софтуерът определя как тя ще бъде използвана. Персоналният компютър имаше нужда от VisiCalc. Смартфонът имаше нужда от приложенията и операционната система. AI вече разполага с необходимата изчислителна мощ и моделите стават достатъчно добри за огромен брой задачи. Следващият въпрос е кой ще превърне тази мощ в продукт, без който потребителят не иска да живее.

Първите три години на AI революцията бяха битка за чипове и модели. Следващите вероятно ще бъдат битка за нещо много по-ценно: кой ще притежава интерфейса между човека и изкуствения интелект.

И ако историята от последните 50 години отново се повтори, именно там може да се окаже най-голямата част от стойността.

Дисклеймър: Материалът има информационен и аналитичен характер и не представлява инвестиционен съвет, препоръка за покупка или продажба на финансови инструменти или прогноза за бъдещото движение на пазарите. Споменатите компании и пазарни данни са използвани единствено за анализ на тенденциите в развитието на AI индустрията.