Spade- og hakke-strategien

Når vi bruker ChatGPT, Claude, Gemini eller andre AI-tjenester, ser vi bare sluttresultatet på skjermen. Det som skjer bak kulissene er langt mer komplisert.

Hver gang en AI-modell svarer på et spørsmål, utføres enorme mengder beregninger i datasentre rundt om i verden. Disse beregningene krever kraftige databrikker, avanserte nettverk, kjølesystemer og store mengder elektrisk energi.

Mange investorer mener derfor at den sikreste måten å investere i AI på ikke nødvendigvis er å investere i selskapene som utvikler AI-modellene. I stedet investerer de i selskapene som leverer infrastrukturen.

Denne tankegangen bygger på et enkelt prinsipp. Uansett hvem som vinner AI-kappløpet, vil alle være avhengige av datakraft.

Dersom OpenAI lykkes, trenger de datakraft. Dersom Google lykkes, trenger de datakraft. Dersom et helt nytt selskap blir den store vinneren, trenger også de datakraft.

Dette gjør infrastrukturen til en slags fellesnevner for hele AI-industrien.

En god sammenligning er strømnettet. Uansett hvilket elektrisk apparat du bruker hjemme, er du avhengig av strømforsyningen. På samme måte er alle moderne AI-systemer avhengige av avansert infrastruktur.

Datasentre er en viktig del av denne infrastrukturen. Et moderne AI-datasenter kan inneholde titusenvis av prosessorer som arbeider sammen for å trene og kjøre AI-modeller.

Bygging av slike anlegg krever enorme investeringer. I mange tilfeller dreier det seg om milliarder av dollar for ett enkelt datasenter.

I tillegg kommer behovet for elektrisk kraft. AI har skapt en ny etterspørsel etter energi. Flere analytikere mener at kunstig intelligens kan bli en av de viktigste driverne for økt strømforbruk de neste tiårene.

Dette har ført til at enkelte investorer også ser på energiselskaper som en indirekte AI-investering.

Nettverksutstyr er et annet viktig område. Når tusenvis av prosessorer arbeider sammen, må enorme datamengder flyttes raskt mellom ulike systemer. Dette krever avanserte nettverksløsninger.

Lagring av data er også avgjørende. Moderne AI-systemer trenes på enorme mengder informasjon. Data må lagres, organiseres og gjøres tilgjengelig for analyse.

En annen viktig faktor er kjøling. Databrikker som arbeider med AI genererer betydelige mengder varme. Dersom temperaturen blir for høy, kan ytelsen falle eller utstyret bli skadet.

Derfor investerer datasentre store summer i avanserte kjøleløsninger. Dette er et område som få tenker på når de hører ordet kunstig intelligens, men som er helt avgjørende for at teknologien skal fungere.

Spade- og hakke-strategien handler derfor om å se hele verdikjeden. I stedet for å fokusere på hvilken AI-chatbot som er best i dag, spør investoren seg hvilke selskaper som tjener penger uansett hvem som vinner.

Denne strategien kan ha flere fordeler. Risikoen blir ofte lavere fordi selskapene leverer produkter til mange kunder samtidig.

Samtidig kan veksten bli mer stabil. Dersom én AI-modell mister popularitet, kan infrastrukturen fortsatt være nødvendig for mange andre aktører.

Selvfølgelig finnes det også risiko. Teknologisk utvikling kan føre til at dagens løsninger erstattes av nye. Konkurranse kan presse marginene, og enkelte investeringer kan vise seg å være mindre lønnsomme enn forventet.

Likevel mener mange profesjonelle investorer at infrastrukturen representerer et av de mest interessante områdene innen AI-investeringer.

I de neste modulene skal vi se nærmere på noen av selskapene som står sentralt i denne infrastrukturen. Vi skal følge verdikjeden fra design av databrikker til produksjon av de avanserte maskinene som gjør moderne AI mulig.

For mange investorer er dette den mest spennende delen av AI-markedet. Teknologien kan endre seg raskt, men behovet for datakraft ser ut til å vokse år for år.

Derfor omtales ofte spade- og hakke-strategien som den mest robuste måten å investere i AI-revolusjonen på.