Energetyka wygrywa z AI na giedzie. "Cele klimatyczne i tak byy nierealne"

W przypadku Vistra wyniki na giełdzie są jeszcze lepsze. W zeszłym roku czołowe miejsca w rankingu firm giełdowych zajmowały spółki technologiczne oraz producenci chipów i serwerów. Teraz wygląda na to, że bardzo atrakcyjne dla inwestorów są spółki zajmujące się dostawami prądu. Analitycy z Tortoise Capital Advisors tłumaczą, że jest to wynikiem pojawienia się "komponentu wzrostu" dla sektora energetycznego, jakim jest właśnie rozwój sztucznej inteligencji i zapotrzebowanie na prąd. W erze AI zarabia się na prądzie Akcje spółek technologicznych nie rosną w tym roku tak szybko, jak w zeszłym, ponieważ wielu inwestorów nabrało ostrożności. Pojawiły się już pierwsze raporty i analizy, z których wynika, ze wyceny największych firm technologicznych są znacząco zawyżone i wielu ekspertów , przekonując, że na zwrot z inwestycji przyjdzie nam czekać bardzo długo. Sceptycyzmu nabierają też inwestorzy skupiający się na akcjach dostawców chipów, takich jak Nvidia. Rywale bowiem pracują nad podobnymi układami, a także pojawiają się stosunkowo nowe spółki, które także . O ile jednak akcje takich spółek jak Nvidia obarczone są wysokim ryzykiem, inwestorzy coraz częściej stwierdzają, że . Niezależnie od tego, jakie firmy ostatecznie będą liderami w segmencie chipów czy oprogramowania AI, wszystkie będą potrzebowały energii elektrycznej. To tłumaczy rekordowe poziomy spółek takich jak Vistra i Constellation. Dodajmy, że nawet po ostatnich wzrostach, firmy energetyczne i tak nie mają tak wysokich wycen, jak big techy. Jeśli spojrzymy na wskaźnik Price-to-Earnings Ratio (cena do zysku), który opiera się na prognozowanych przyszłych zyskach, to wycena Vistra jest ok. 20 razy większa od prognozowanego rocznego zysku na akcję, a w przypadku Constellation ten wskaźnik wynosi ok. 31. Nvidia w tym roku ma natomiast P/E na poziomie ok. 36-krotności przyszłych zysków. AI może stać się energooszczędna Zwiększone zapotrzebowanie na energię elektryczną jest dobrą wiadomością dla inwestorów zainteresowanych spółkami energetycznymi. Powoduje jednak, że trudno będzie osiągnąć cele klimatyczne, co zauważył były prezes Google'a, Eric Schmidt. Międzynarodowa Agencja Energetyczna prognozuje, że Jednocześnie jedno zapytanie do ChatGPT zużywa prawie 10 razy więcej energii niż wyszukiwanie w Google. Rene Haas, szef Arm Holdings, ostrzegł na początku tego roku, że centra danych AI mogą wymagać nawet 20 do 25 proc. całej sieci energetycznej USA do 2030 r. Schmidt , że choć nie osiągniemy celów klimatycznych, powinniśmy rozwijać AI, ponieważ Choć niektórzy dążą do coraz większego zużycia energii, a także bagatelizują sytuację, nie przejmując się celami klimatycznymi, są też naukowcy zajmujący się opracowywaniem nowych algorytmów AI. Badacze z BitEnergy AI . Twierdzą, że może zmniejszyć zużycie energii nawet o 95 proc. Zespół nazywa to przełomem w postaci "Mnożenia o Liniowej Złożoności" (Linear-Complexity Multiplication), w skrócie L-Mul. To proces obliczeniowy, który wykorzystuje dodawanie liczb całkowitych oraz wymaga znacznie mniej energii i mniej kroków niż mnożenie liczb zmiennoprzecinkowych w zadaniach związanych z AI. Liczby zmiennoprzecinkowe są szeroko stosowane w obliczeniach AI przy obsłudze bardzo dużych lub bardzo małych liczb. . Jednak precyzja ma swoją cenę. Algorytm L-Mul niejako zastępuje złożone mnożenia zmiennoprzecinkowe prostszym dodawaniem liczb całkowitych. W testach, jak twierdzą naukowcy, modele AI utrzymywały podobną dokładność, jednocześnie zmniejszając zużycie energii nawet o 95 proc. Testy obejmujące różne zadania AI, w tym przetwarzanie języka naturalnego i wizję maszynową, wykazały jedynie 0,07-proc. spadek wydajności — niewielki kompromis w kontekście oszczędności energii. Są jednak też złe wiadomości. Przeszkodą może być więc to, że niektóre firmy, dostarczające chipy już teraz, mogą zdaniem naukowców utrudniać wysiłki na rzecz przyjęcia L-Mul. Liczą więc głównie na start-upy, które będą chciały wyróżniać się na rynku i postawią na sprzęt zoptymalizowany do obsługi nowej metody.