DeepSeek: Jevonsov paradoks uzvraća udarac

DeepSeek je kineska tvrtka koja razvija napredne jezične modele umjetne inteligencije, a njezin model R1 izazvao je velike promjene u industriji smanjenjem troškova i povećanjem učinkovitosti. Ovaj napredak pokreće nova ulaganja i širu primjenu AI-a, što ilustrira Jevonsov paradoks – smanjenje troškova zapravo povećava potrošnju resursa i širi upotrebu tehnologije.

DeepSeek

DeepSeek je kineska tvrtka za umjetnu inteligenciju sa sjedištem u Hangzhouu, Zhejiang, koja razvija open-source velike jezične modele (LLM). Osnovana krajem 2023. godine od strane hedge fonda High-Flyer, tvrtka je ubrzo privukla pažnju globalne tehnološke zajednice.

Iako je DeepSeek već ranije lansirao modele koji su privukli određenu pozornost, poput V3, njihova ograničenja vezana uz osjetljive teme o kineskoj vladi izazvala su skepticizam o dugoročnoj konkurentnosti tvrtke. No, prava prekretnica dogodila se  iznenadnim lansiranjem DeepSeek R1 modela.

Ubrzo nakon lansiranja DeepSeek aplikacija zauzela je vrh Appleove trgovine aplikacija, privlačeći ogroman broj korisnika. Otvorenost koda (Open source) dodatno je potaknula interes, omogućujući drugim tvrtkama da testiraju i unaprijede model.

Međutim, koje su razlike između DeepSeeka i ChatGPT-a?

DeepSeek VS. Chat GPT

DeepSeek i ChatGPT predstavljaju dva različita pristupa umjetnoj inteligenciji, s ključnom razlikom u fokusu i primjeni. ChatGPT je primarno razvijen za konverzacijske aplikacije i temelji se na uskoj umjetnoj inteligenciji (narrow AI), koja je specijalizirana za specifične zadatke, ali ne može generalizirati izvan tih okvira bez dodatnog treniranja. S druge strane, DeepSeek teži razvoju opće umjetne inteligencije (AGI), što znači da nastoji stvoriti modele koji mogu učiti i prilagođavati se širokom spektru zadataka.

Ono što je izazvalo posebno veliku pažnju jest informacija da je DeepSeek R1 razvijen uz znatno niže troškove – samo 5,58 milijuna dolara, dok su OpenAI-ovi modeli, poput GPT-4, zahtijevali stotine milijuna dolara ulaganja. Također, DeepSeek zahtijeva deset puta manje računalne snage u odnosu na usporedive modele, što ga čini mnogo pristupačnijim.

Pojava ovog modela imala je ogroman utjecaj na tehnološki sektor, uzrokujući velike potrese na burzi. Nasdaq Composite indeks pao je za 3,1%, dok je Nvidia, koja dominira tržištem AI čipova, izgubila gotovo 600 milijardi dolara tržišne vrijednosti i privremeno prepustila titulu najvrjednije američke kompanije Appleu.

Iako bi se moglo očekivati da niži troškovi razvoja i manja potrošnja resursa dovedu do smanjenja ukupnih ulaganja u AI, zbog čega smo vidjeli negativnu  reakciju tehnoloških dionica, Jevonsov paradoks nam govori upravo suprotno.

Jevonsov paradoks

William Stanley Jevons, engleski ekonomist iz 19. stoljeća, postavio je zanimljivu tezu koja se danas ponovno pokazuje relevantnom, ali u potpuno novom kontekstu. Jevonsov paradoks tvrdi da povećanje učinkovitosti u korištenju resursa ne smanjuje njegovu potrošnju, već je zapravo povećava. Povijesno gledano, to se pokazalo točnim u mnogim industrijama – od ugljena u 19. stoljeću do električne energije i nafte u 20. stoljeću. Jevons je primijetio da kada tehnologija omogući učinkovitije korištenje nekog resursa, smanjenje troškova potiče širu primjenu tog resursa, što u konačnici dovodi do povećanja ukupne potrošnje. Drugim riječima, iako pojedinačni korisnici troše manje resursa zahvaljujući učinkovitijim procesima, povećana dostupnost i pristupačnost tehnologije dovode do masovnog povećanja potražnje. Danas, uz brzi napredak umjetne inteligencije (AI), svjedočimo istoj dinamici. Kako AI modeli postaju učinkovitiji i jeftiniji za korištenje, tako postaju sve prisutniji u različitim sektorima, što rezultira eksplozivnim rastom njihove upotrebe i potražnje za računalnim resursima.

Umjetna inteligencija: jeftinija, ali ne manje korištena

Nedavne vijesti o modelu DeepSeek-R1 uzdrmale su tehnološku industriju jer pokazuju kako se troškovi razvoja i korištenja AI modela rapidno smanjuju. Na prvi pogled, niži troškovi mogli bi sugerirati usporavanje ulaganja i manju potrebu za resursima. Samim time tržište je to interpretiralo poprilično negativno zbog čega smo vidjeli značajan pad tehnoloških i energetskih kompanija. No, upravo suprotno – povoljnija AI tehnologija otvara vrata širem korištenju, što u konačnici dovodi do još većih ulaganja i povećanja potrošnje resursa.

Primjer toga vidimo u planiranim ulaganjima velikih tehnoloških kompanija. Meta planira potrošiti 60-65 milijardi dolara na AI infrastrukturu do kraja 2025. godine, dok se procjenjuje da će u sljedeće četiri godine investicije u AI infrastrukturu u SAD-u dosegnuti 500 milijardi dolara. Iako se troškovi pojedinačnih AI modela smanjuju, sve veća potražnja za naprednijim i moćnijim modelima gura industriju prema dodatnim ulaganjima i potrošnji energije.

Paradoks koji potiče inovacije

Smanjenje troškova obrade podataka i treniranja AI modela otvara nove prilike za industrije koje dosad nisu imale pristup ovim tehnologijama. To znači da će umjetna inteligencija biti prisutna u još više segmenata gospodarstva – od zdravstva i obrazovanja do proizvodnje i financija. Upravo to je srž Jevonsovog paradoksa: veća učinkovitost dovodi do većeg korištenja, a ne do smanjenja potrošnje.

Sljedeći graf ilustrira Jevonsov paradoks, na kojem vidimo da kod elastične potražnje smanjenje troškova ili učinkovitije korištenje resursa dovode do povećanja, a ne smanjenja potražnje. Kako tehnologija napreduje, troškovi korištenja resursa padaju, što ga čini dostupnijim i primjenjivim u većem broju industrija. Iako je potrošnja po jedinici rada manja, ukupna potrošnja raste jer se resurs koristi intenzivnije i u širem opsegu.

Satya Nadella, izvršni direktor Microsofta, nedavno je upravo ovaj paradoks spomenuo u kontekstu razvoja AI tehnologija. Istaknuo je kako smanjenje troškova ne znači kraj ulaganjima, već upravo suprotno – otvara prostor za daljnju ekspanziju.

Što nas čeka u budućnosti?

Industrija umjetne inteligencije nalazi se tek na početku svog razvoja. Svaka inovacija koja smanjuje troškove i povećava dostupnost AI-a samo dodatno potiče njegovu integraciju u sve sfere društva. To znači da će potražnja za računalnom snagom, električnom energijom i podacima i dalje rasti.

Kao i kod ranijih tehnoloških revolucija, Jevonsov paradoks pokazuje nam da veća učinkovitost ne znači manju potrošnju, već upravo suprotno – pokreće još veći val inovacija i ulaganja. Umjetna inteligencija je danas u fazi koju neki uspoređuju s ranim danima interneta, što znači da nas tek čekaju značajne promjene i novi načini primjene ove revolucionarne tehnologije.

Ukoliko želite sudjelovati u razvitku novih tehnologija i iskoristiti daljnji rast tehnoloških kompanija, na raspolaganju imamo naš fond InterCapital Global Technology. Također, ako ne želite preuzeti visoku razinu rizika, a želite imati izloženost tehnološkom sektoru, nudimo Vam fond InterCapital Global Equity koji je diverzificiran po svim sektorima.

Ovaj blog pripremljen je u informativne svrhe na temelju podataka dostupnih i poznatih INTERCAPITAL ASSET MANAGEMENT d.o.o. u trenutku njegove izrade i objave i kao takav podložan je promjenama.

Cjelovit, točan i istinit opis UCITS fondova koji se spominju u ovom blogu, propisanih obveza i povezanih rizika, možete pronaći na web stranici: www.icam.hr/investicijski-fondovi gdje su dostupni i Prospekt i Ključne informacije za ulagatelje svakog fonda na hrvatskom jeziku.

Iznesene informacije, mišljenja, analize, zaključci, prognoze i projekcije isključivo su u informativne svrhe i ne predstavljaju investicijski savjet ili preporuku glede kupnje, držanja ili prodaje financijskih instrumenata, niti ponudu ili poziv na davanje ponude.

Iznesene analize temelje se na javno dostupnim informacijama, koje INTERCAPITAL ASSET MANAGEMENT d.o.o. smatra pouzdanima, ali za čiju potpunost i točnost ne preuzima nikakvu odgovornost kao ni odgovornost ni obvezu davati informacije o promjenama u iznesenim mišljenjima ili informacijama.

Rizici povezani s ulaganjem u financijske, novčane ili investicijske instrumente koji su predmet analize nisu u cijelosti objašnjeni. Investitori trebaju donijeti vlastitu odluku o eventualnom ulaganju bez oslanjanja na blogu iznesene stavove.