 |
| Trends - Artificial Intelligence (AI) |
Bond Capital har gjort en strålende jobb når det gjelder å få fram en helt massiv 340 siders powerpoint-presentasjon med masse grafer, analyser og sammenligninger.
Den ligger åpent tilgjengelig for alle i en pdf-versjon her på Bond Capitals nettsider. Kortversjonen er at dette er en svært interessant gjennomgang av investeringer i FoU og datakraft, energibruk, vekst i antall brukere, opptrening og drift av KI-systemer, og mye mer.
Mary Meekers metode
Men her må jeg et øyeblikk bevege meg ut på et sidespor og nevne at selveste Mary Meeker er tilbake i sin gamle rolle som formidler, og er i spissen for teamet som har satt sammen denne enorme presentasjonen. Som noen vil huske var hun en av de store internettoptimistene på slutten av 90-tallet og skrev dengang analyser for Morgan Stanley. Hun ble også kraftig kritisert for å ikke i tilstrekkelig grad advare mot boblen der mange investerte i ting som viste seg å ikke leve opp til hypen.
Men Mary Meeker fortsatte å være opptatt av de underliggende drivkreftene, teknologisk og kommersielt, og var dessuten også involvert i flere av selskapene. Hun var blant annet tilrettelegger for Googles børsnotering 2004. Og hun har fortsatt å holde foredrag og skrive rapporter om teknologi, internett og eksponentiell vekst. Selv om dotcom-boblen sprakk for 25 år siden var det jo ikke slik at internett, mobiltelefoni og de fremvoksende tech-selskapene ikke var viktige lenger. Tvert imot så har Google, Microsoft, Amazon, Apple, Meta og Nvidia i ettertid blitt de mest verdifulle selskapene i verden.
KI-vekst og internett-vekst
Jeg har flere ganger skrevet innlegg om, og lenket til, disse rapportene til Mary Meeker her på bloggen, blant annet i 2010, 2013 og 2018 da hun jobbet i Kleiner Perkins. På Bond Capitals nettsider er det lenke til alle disse mer eller mindre årlige presentajonene fra 1996 og til og med 2019. Så ble det brått stille, og jeg har savnet å ha disse store trend-oversiktene, og jeg må innrømme at jeg har søkt på nettet for å finne nye utgaver flere ganger,. Men mai i år kom det endelig en ny utgave, med en vri: Denne gangen er det KI-trender som er gjenstand for analysen. I innledningen formulerer hun sitt hovedsyn slik:
"As investors, we always assume everything can go wrong, but the exciting part is the consideration of what can go right. Time and time again, the case for optimism is one of the best bets one can make. The magic of watching AI do your work for you feels like the early days of email and web search – technologies that fundamentally changed our world. The better / faster / cheaper impacts of AI seem just as magical, but even quicker."
Presentasjonen er ikke akkurat siste nytt når det gjelder visuell design, og er slett ikke utstyrt med kule KI-genererte visualiseringer, men er herlig gammeldags når det gjelder utformingen. Her er det enkel klipp-og-lim av bilder, tekst, men aller mest grafer og søylediagrammer som gjelder.
De 340 sidene er delt inn i 9 kapitler. Det første har et overordnet blitt på tempoet i utviklingen og beskriver hvor raskt vi har fått tilgang til verktøy som vinner matematikkolympiader og som det på stadig flere områder er vanskskelig å avsløre som datamaskiner og ikke mennesker. Ikke bare kan de skrive anvanserte tekster lynraskt, men det produserer bilder og film, og lager og oversetter tale. Og det blir tatt i bruk. Chat GPT brukte to år på å komme opp i 365 milliarder årlige søk, i 2024. Googles søkemotor brukte 11 år før det ble så mange, i 2011.
KI-anvendelser i næringslivet
Kapittel 2 i presentasjonen (fra side 52) gir et overblikk over bedrifter og bransjer der det investeres tungt i KI og som er i gang med å ta i bruk kunstig intelligens i ulike kjerneprosessser. En morsom indikator er hvor ofte KI nevnes i store selskapers kvartalsvise resultatpresentasjoner, noe som skjer veldig ofte for tiden. Men enda mer overbevisende er eksempler og statistikker over hvordan KI tas i bruk i YUM Brands 25 000 restauranter og i store bankers kundedialoger. En graf i pakken viser veksten i antall "medical devices" med KI som er godkjent av regulatoriske myndigheter i USA. En annen viser hvor mye kortere tid "medical R&D-timelines" er blitt med bruk av KI.
Her finner vi også grafer som viser hvordan FoU-investeringene til de seks største tech-selskapene er i ferd med å øke ytterligere, og at de har nok penger på bok til å gjøre det, og hvordan investeringer i datasentre og annen infrastruktur i øyeblikket vokser kraftig. Det er også en tilsvarende vekst i elektrisitetsforbruket, spesielt i USA som har tatt ledelsen i å bygge nye gigantiske datasentre. xAIs datasenter Colossus i Memphis pekes på som et eksempel , et datasenter de hevder har verdens største superdatamaskin i et enormt datasenter det tok 122 dager å bygge, omtrent halvparten at tiden det tar å bygge en ny enebolig i USA.
Hva så med KI brukt til å løse oppgaver i fysiske sammenhenger, for eksempel selvkjørende biler, industriroboter, medisinsk utstyr og forsvarsteknologi? Dette er ikke hovedtemaer i denne presentasjonen, men det er noen plansjer som breskriver utvalgte caser og trender. vi kan for eksempel se at Waymo, det Google-eide taxiselselskapet med selvkjørende biler, på 20 måneder har økt sin markedsandel på betalte turer fra 0 til 27 prosent i San Francisco. Det er også eksempler på KI- anvendelser i forsvarsindustri, gruvedrift og ugressfjerning i landbruket, for å nevne noen.
KI-demografien
Presentasjonen nevner noen interessante utviklingstrekk når det gjelder bruken av ulike KI-tjenester. I motsetning til da internett kom, og USA dominerte stort i starten, og det spredte seg globalt etter hvert, så er bruken av KI langt mer jevnt distribuert over hele verden allerede i utgangspunktet. Kina spiller en ledende rolle ikke bare i bruk, men også i utvikling av KI, og har egne forskningsmiljøer, hardwareaktører og tjensteutviklere som er mer eller mindre på nivå med de amerikanske.
Kampen mellom selskapene om å ha flest brukere er viktig. Det er skarp konkurranse og det investeres helt ekstreme beløp i å utvikle stadig bedre datamodeller og tjenester som går dypere enn å bare svare raskt på enkle spørsmål. Rapporten nevner blant annet såkalte "multimodale" egenskaper, der det ikke bare skrives tekst, men også produseres bilder, lyd og video sammen. Det lages tjenester som produserer mer grundige og utredningstunge analyser, som Google Gemini Deep Research, Chat GPT Deep Research eller xAI Groks Deep Search.
Men selv om det knivskarp konkurranse om lederrollen teknologisk og å ha de beste dataene, forteller denne rapporten at Open AIs Chat GPT så langt har klart å opparbeide seg en suveren ledelse når det gjelder antall brukere. Google Gemini, Grok, Perplexity, Deep Seek og Anthropics Claude kommer langt bak både på PC og på mobil-app. Men også disse opplever nå en kraftig vekst:
"At a global level, OpenAI’s ChatGPT remains the clear leader in both desktop and mobile user share. But underneath the surface, the market is shifting. Platforms like Anthropic’s Claude are gaining momentum, and Google’s Gemini continues to grow. xAI’s Grok posted a staggering +294% increase in global website visits month-over-month according to Similarweb – making it the fastest-growing AI assistant during the 2/25-3/25 window.
"Geography is also playing an increasingly central role in shaping which models win. ChatGPT dominates in most countries – excluding Russia and China, where ChatGPT cannot operate and DeepSeek is strong. China users are turning to local models at scale. According to Roland Berger Consulting, the top 10 AI apps by monthly active users in China are domestically developed…DeepSeek, Kimi, Nami AI, and ERNIE Bot are each racking up tens of millions of users. The story is different outside China, where ChatGPT leads by a wide margin."
Dilemmaer og usikkerheter
Tallene, casene og trendene i rapporten er interessante, men kanskje det mest interessante er de mer fremadskuende analysene av hvor dette bærer. Hvor sørger teknologiutviklingen og stordriftsfordelene for at kostnadene faller raskt, og hvor går de opp? Hvilke allianser, partnerskap og foretningsmodeller ser lovende ut? Proprietære systemer eller open source? Er det store horisontale KI-plattformer som utvikles og drives av de største tech-aktørene som er best posisjonert, eller spesialiserte bransjeeksperter som utvikler forretningsnær teknologi som vil prege utviklingen?
Presentasjonen trekker frem flere interessante uavklarte spørsmål og mulige interessekonflikter og kamper mellom aktørene ikke bare om størrelse, men også om forretningsmodeller. Jeg kan nevne noen:
Investeringskostnader vs drift: Kostnadsutviklingen for KI er i endring. Det investeres stadig flere milliarder i utvikling og trening av språkmodeller, i datakraft og annen infrastruktur, og tilgang til stadig større datasett, men det kan virke som rommet for å differensiere seg gjennom slike investeringer, og ha et langt bedre produkt enn konkurrentene, ser ut til å krympe. Samtidig er det slik at driftskostnadene for kundene faller. Man får gjort mye mer for mindre. Det skjer en maktforskyvning fra de store kapitalintensive KI-utviklerne til kundene og innovative og disruptive aktører kundene samarbeider med.
"To understand where AI model economics may be heading, one can look at the mounting tension between capabilities and costs. Training the most powerful large language models (LLMs) has become one of the most expensive / capital-intensive efforts in human history. As the frontier of performance pushes toward ever-larger parameter counts and more complex architectures, model training costs are rising into the billions of dollars.
Ironically, this race to build the most capable general-purpose models may be accelerating commoditization and driving diminishing returns, as output quality converges across players and differentiation becomes harder to sustain. At the same time, the cost of applying/using these models – known as inference – is falling quickly. Hardware is improving – for example, NVIDIA’s 2024 Blackwell GPU consumes 105,000x less energy per token than its 2014 Kepler GPU predecessor. Couple that with breakthroughs in models’ algorithmic efficiency, and the cost of inference is plummeting."
Horisontale plattformer vs vertikale spesialister: En annen dimensjon der kampen om forretningskundene vil foregå er mellom store etablerte plattformselskaper og softwareleverandører som allerede har en stor kundebaser, og bruker denne som univers for å markedsføre nye KI-tjenester. Det gjelder naturligvis Microsoft, Google og Amazon, men også Spotify, Duolingo, Adobe, Canva og mange andre kjente aktører putter KI-tjenester på det de tilbyr kundene. Og havner i et terreng der de møter konkurrense fra bransjespesialister innenfor byggenæring, finans, juss, transport og helse, folk som kan bruke sin bransje- og fagekspertise til å bygge tilliten som trengs:
"For decades, business software followed a familiar pattern: build a specialized tool, sell it to a narrow user base, and scale up within a vertical. This was the age of vertical SaaS – Toast for restaurants, Guidewire for insurance, Veeva for life sciences...Each tool solved a deep, narrow problem. But with the rise of foundation models and generative AI, others are gunning for these prizes. Enter the horizontal enterprise platforms – horizontal layers that combines AI-native productivity, search, communication, and knowledge management into one unified interface. Think of it as Slack meets Notion meets ChatGPT, all in one platform."
Lukkede systemer vs open source: En tredje dimensjon i kampen om forretningsmodellen er om programvaren og modellene er åpne og mulige å tilpasse, og dermed mulige å laste ned og intallere lokalt på egen PC uten brysom datadeling med en leverandør, eller om det er lukkede systemer som vil vinne frem fordi de oppleves som sikrere, eller fordi de er lettere for eierne å forvare å bruke milliardbeløp på å utvikle noe man har kontroll over. Her er det også et viktig spørsmål hva slags rammebetingelser som finnes for it-utviklerne, de som faktisk skal lage tjenestene og verktøyene.
"Platforms like Hugging Face have made it frictionless to download models like Meta’s Llama or Mistral’s Mixtral, giving startups, academics, and governments access to frontier-level AI without billion-dollar budgets. Open-source AI has become the garage lab of the modern tech era: fast, messy, global, and fiercely collaborative. And China (as of Q2:25) – based on the number of large-scale AI models released – is leading the open-source race, with three large-scale models released in 2025 – DeepSeek-R1, Alibaba Qwen-32B and Baidu Ernie 4.5.
The split has consequences. Open-source is fueling sovereign AI initiatives, local language models, and community-led innovation. Closed models, meanwhile, are dominating consumer market share and large enterprise adoption. We’re watching two philosophies unfold in parallel – freedom vs. control, speed vs. safety, openness vs. optimization – each shaping not just how AI works, but who gets to wield it."
Jeg tenker at dette er veivalg vi bør interessere oss for, også i Norge. Det er ikke slik at vi nødvendigvis har avgjørende makt og innflytelse på disse områdene, men både myndigheters og privates makt som kompetente kunder har betydning. Dessuten kan myndigheter gjennom sine reguleringer og forsknings- og innovasjonssatsinger bidra til å dytte ting i en ønsket retning. Men da hjelper det å vite hva man ønsker.
Ingen kommentarer :
Legg inn en kommentar