Uge 30 - Intelligens bliver en commodity

Kort fortalt

• Jeg tror, at selve intelligensen bliver en commodity. Kunden køber løsningen på opgaven, ikke modellen bag.

• Men resten af værdikæden bliver det ikke. Chips, energi, datacentre og de mest effektive modeller kan fortsat være differentierede produkter.

• Er datacentret fremtidens fabrik, bliver det strategisk afgørende, om intelligensen produceres i Vesten eller i Kina.

• Open weights ser jeg som en accelerator for hele AI-økonomien, ikke som en trussel mod den.

Bloggen er vores vurderinger af aktier og teknologiske trends, og kan være meget positiv, fordi vi er langsigtet optimistiske på den teknologiske udvikling. Det bygger på antagelser, der kan ændre sig, og den faktiske udvikling kan afvige væsentligt og være meget volatil på kort sigt. Se nederst for yderligere information.

Ugens fortælling

I ugens Aktieuniverset-podcast taler vi rigtig meget om AI, Kimi K3-diskussionen, Jensen Huangs åbne brev på Twitter om open weights, om AI's værdiskabelse og hvilke virksomheder, der i sidste ende kommer til at tjene pengene.

I ugens blogindlæg vil jeg forklare, hvorfor jeg mener, at AI i stigende grad bliver en commodity, og hvad det betyder for investeringscasen i AI-økosystemet. Jeg vil samtidig se på de politiske og strategiske konsekvenser og diskutere, hvordan Europa og USA bør forholde sig til konkurrencen med kinesisk AI.

Til sidst vil jeg behandle begrebet open weights: hvad det egentlig betyder, hvorfor det er vigtigt, og hvordan jeg mener, at vi bør forholde os til open-weight AI-modeller i en verden, hvor stadig mere avanceret intelligens bliver billigere og lettere tilgængelig.

Hvad er en commodity egentlig?

En commodity er grundlæggende en vare, hvor det betyder relativt lidt, hvem producenten er, fordi produktet i høj grad er det samme. Når varen først er blevet standardiseret, bliver prisen derfor en afgørende konkurrenceparameter. Vi kender det tydeligst fra råvarer som olie, kobber og hvede, men i en mere dagligdags version også fra eksempelvis mælk i supermarkedet.

Et vigtigt begreb i den sammenhæng er priselasticitet. Helt grundlæggende beskriver priselasticitet, hvordan efterspørgslen ændrer sig, når prisen ændrer sig. Når prisen på en vare falder, vil vi normalt forbruge mere af den, mens en stigende pris vil få os til at forbruge mindre. Hvor kraftigt efterspørgslen reagerer på prisændringen, afhænger af varen.

I det følgende vil jeg diskutere, om kunstig intelligens er på vej til at blive en commodity. Men før vi kommer dertil, er der en anden og meget vigtig pointe: Lige nu er efterspørgslen efter kunstig intelligens langt større end det udbud af intelligens, som AI-industrien er i stand til at producere.

Det betyder samtidig, at efterspørgslen efter den compute, der skal producere intelligensen, er større end udbuddet. Compute bliver produceret i datacentre, og derfor oplever vi en enorm efterspørgsel efter ny datacenterkapacitet. Men datacentre kan ikke bygges uden de fysiske input, de består af. Først og fremmest kræver de chips og enorme mængder energi, og derfor forplanter den store efterspørgsel efter kunstig intelligens sig hele vejen ned gennem værdikæden.

Efterspørgslen efter AI skaber efterspørgsel efter compute. Efterspørgslen efter compute skaber efterspørgsel efter datacentre. Og efterspørgslen efter datacentre skaber igen efterspørgsel efter chips, energi og den øvrige fysiske infrastruktur, der skal til for at bygge og drive dem.

Det er denne sammenhæng, der er helt central for at forstå AI som investeringstema. For selv hvis selve intelligensen bevæger sig i retning af at blive en commodity, følger det ikke nødvendigvis, at de knappe ressourcer, der skal bruges til at producere intelligensen, også bliver commodities med dårlige økonomiske afkast. Tværtimod kan en eksplosiv vækst i forbruget af billig intelligens gøre knapheden på compute, chips og energi endnu mere værdifuld.

AI er nok en commodity – men hvad betyder det?

Jeg mener, at AI i fremtiden bliver en commodity. Eller mere præcist: Jeg mener, at langt størstedelen af den intelligens, vi kommer til at købe fra AI-systemer, bliver en commodity.

AI kommer til at udføre enorme mængder helt almindelige arbejdsopgaver. Det kan være at køre en gaffeltruck på et lager, renskrive et dokument, bogføre en virksomheds udgifter, lave et almindeligt regnskab eller håndtere en lang række administrative opgaver. Det er opgaver, som i dag bliver udført af mennesker, men som i stigende grad vil kunne udføres af kunstig intelligens og robotter.

På sin vis er mange af disse arbejdsydelser allerede commodities i dag. På arbejdsmarkedet findes der eksempelvis overenskomster mellem arbejdsgivere og lønmodtagere, som fastsætter nogenlunde, hvad en bestemt type arbejdskraft koster. Hvis en virksomhed skal have udført en relativt standardiseret opgave, er virksomheden som udgangspunkt ikke interesseret i en bestemt persons unikke intelligens. Den har brug for, at opgaven bliver løst tilfredsstillende til en bestemt pris.

Det samme tror jeg kommer til at ske med AI. Hvis en virksomhed skal have bogført 10.000 bilag, er det ikke afgørende, om arbejdet bliver udført af model A, B eller C. Det afgørende er, om arbejdet bliver udført korrekt, hurtigt og billigt. Hvis flere forskellige AI-modeller kan levere praktisk talt det samme resultat, bliver selve intelligensen bag opgaven udskiftelig.

Det er i mine øjne den vigtigste betydning af, at AI bliver en commodity. Det betyder ikke, at alle AI-modeller bliver lige intelligente, eller at der ikke kan eksistere ekstremt værdifuld frontier-intelligens. Det betyder, at en stadig større del af verdens samlede forbrug af intelligens vil bestå af standardiserede opgaver, hvor kunden grundlæggende er ligeglad med, hvem der producerer intelligensen. Man køber ikke modellen. Man køber løsningen på opgaven.

Og når flere udbydere kan levere den samme løsning, begynder de først og fremmest at konkurrere på pris. Dermed bliver intelligens ikke bare mere tilgængelig. Den bliver en vare, som kan produceres, købes og sælges på samme måde som mange andre standardiserede ydelser i økonomien. 

AI-labs, datacentre, chips og energiproduktion er ikke commodities

Når AI bliver en commodity, betyder det, at producenterne af AI i stigende grad kommer til at konkurrere på prisen for at løse en bestemt opgave. Det interessante er imidlertid, at det ikke betyder, at alle dele af værdikæden bag AI bliver commodities. Tværtimod.

Selve AI-modellerne, der producerer tokens, er eksempelvis ikke nødvendigvis commodities. To modeller kan være i stand til at løse præcis den samme opgave, men den ene model kan måske køre en gaffeltruck eller afstemme et regnskab ved at bruge langt færre tokens end den anden. Hvis resultatet er det samme, men den ene model kræver mindre compute for at nå frem til resultatet, har den model en økonomisk fordel. Det afgørende bliver derfor ikke prisen på den enkelte token, men den samlede pris for at løse opgaven.

Det samme gælder datacentrene. Datacenterkapacitet er heller ikke nødvendigvis en commodity, fordi forskellige datacentre kan være bedre eller dårligere til at producere bestemte typer compute. Arkitekturen, kølingen, netværket, udnyttelsesgraden og sammensætningen af hardware kan påvirke, hvor effektivt et datacenter kan producere den intelligens, der er nødvendig for at løse en bestemt opgave.

Og det samme gælder længere nede i værdikæden for chips og energi. Forskellige chips har forskellige egenskaber og forskellige niveauer af energieffektivitet, ligesom prisen og tilgængeligheden af energi varierer. Det samlede setup i datacentret – hele produktionsapparatet bag intelligensen – bliver derfor afgørende for, hvad det i sidste ende koster at få AI til at køre gaffeltrucken, bogføre virksomhedens bilag eller afstemme regnskabet.

Man kan derfor tænke på det som en produktionskæde. Chips, energi og datacenterinfrastruktur producerer compute. Compute bruges af AI-modellen til at producere tokens og udføre inferens. Modellen bruger denne kapacitet til at løse en konkret opgave. Og det er i sidste ende prisen på den løste opgave, som kunden interesserer sig for.

Hvis to AI-systemer begge kan afstemme det samme regnskab med samme kvalitet, er kunden grundlæggende ligeglad med, om det ene system brugte dobbelt så mange tokens, en anden type GPU eller et andet datacenter. Kunden vil købe den løsning, der leverer den ønskede kvalitet til den bedste pris. Det er derfor den færdige intelligensydelse, der bliver commoditized, mens der fortsat kan være meget store teknologiske og økonomiske forskelle mellem de produktionssystemer, der fremstiller den.

Det er vigtigt at understrege, at dette er en beskrivelse af, hvordan jeg forventer, at markedet kommer til at fungere i fremtiden. Lige nu befinder vi os i en helt anden situation. I øjeblikket er udbuddet mindre end efterspørgslen i stort set alle led i AI-værdikæden. Der er knaphed på avancerede chips, compute, datacenterkapacitet og energi, samtidig med at efterspørgslen efter AI vokser ekstremt hurtigt. Derfor kan producenterne i dag tage højere priser, end de vil kunne i et mere modent og konkurrencepræget marked.

Diskussionen om AI som commodity handler derfor ikke om, hvordan AI-økonomien ser ud i dag. Den handler om, hvad der sker, når kapaciteten med tiden vokser, konkurrencen bliver større, og markedet bevæger sig fra knaphed på intelligens til konkurrence om at producere intelligens billigst muligt.

Hvad skal Vesten gøre i forhold til Kina?

Det betyder, at fremtidens AI-industri i høj grad skal forstås som en produktionsindustri. Produktet er intelligens, og intelligensen bruges til at løse konkrete opgaver.

Datacentrene bliver dermed fabrikkerne, compute er produktionskapaciteten, og det endelige produkt er den intelligensydelse, som virksomheder og forbrugere køber.

Det perspektiv er vigtigt, fordi vi gennem de seneste årtier har set Kina overtage den ene produktionsindustri efter den anden. En central del af den kinesiske strategi har været, at staten understøtter strategisk udvalgte industrier gennem blandt andet billig finansiering, subsidier, infrastruktur, energipolitik og andre fordele. Det gør kinesiske virksomheder i stand til at opbygge meget stor produktionskapacitet og i nogle industrier sende et udbud ud på verdensmarkedet, som overstiger den eksisterende efterspørgsel. Priserne presses, udenlandske konkurrenters økonomi forværres, og en stadig større del af produktionen kan efterfølgende koncentreres i Kina.

Det er en del af den strategi, der ofte beskrives som kinesisk neomercantilisme, og som efter min opfattelse er en væsentlig forklaring på, at Europa og USA har mistet store dele af deres industrielle produktionsapparat og de tilhørende forsyningskæder til Kina.

Hvis AI virkelig skal forstås som produktion af intelligens, bør vi derfor stille et meget vigtigt spørgsmål: Risikerer vi at gentage den samme udvikling med intelligens?

Forestil dig, at kinesiske AI-modeller og datacentre på et tidspunkt bliver i stand til at producere intelligens billigere end deres vestlige konkurrenter. Hvis intelligens samtidig bliver en commodity, vil virksomheder naturligt begynde at købe den billigste intelligens, der kan løse opgaven tilfredsstillende. Det kan betyde, at stadig mere af Vestens forbrug af intelligens bliver produceret i kinesiske datacentre. På samme måde som produktionen af fysiske varer gennem årtier blev flyttet til Kina, kan vi i princippet ende med at flytte produktionen af intelligens til Kina.

Det mener jeg vil være en strategisk fejl af en helt anden størrelsesorden end tabet af mange traditionelle industrier. I en økonomi, hvor intelligens bliver en stadig vigtigere produktionsfaktor, handler AI-kapacitet ikke kun om arbejdspladser eller virksomhedernes indtjening. Det handler om økonomisk produktionskapacitet, teknologisk suverænitet, national sikkerhed og i sidste ende geopolitisk magt.

Intelligens som strategisk infrastruktur

Derfor mener jeg også, at Vesten bliver nødt til at behandle produktionen af intelligens som strategisk infrastruktur. Europa og USA skal sikre, at der eksisterer konkurrencedygtige vestlige virksomheder, som kan producere AI og drive den nødvendige datacenterinfrastruktur. Hvis kinesiske producenter understøttes strategisk af den kinesiske stat, er det efter min mening ikke tilstrækkeligt blot at håbe på, at et helt frit marked giver det geopolitisk ønskelige resultat.

Det kan derfor blive nødvendigt med politisk intervention og handelsbarrierer. I princippet kunne man forestille sig tariffer på AI-inferens eller andre former for begrænsninger på importeret kinesisk AI. På særligt følsomme områder kan det også blive relevant helt at forbyde brugen af kinesiske AI-modeller eller intelligens produceret på kinesisk kontrolleret infrastruktur.

Den præcise regulering kan diskuteres, og den vil sandsynligvis udvikle sig i takt med teknologien. Men det afgørende princip er efter min mening klart: Europa og USA må ikke ende i en situation, hvor vi er afhængige af Kina for produktionen af den intelligens, vores økonomier, virksomheder og kritiske systemer skal bruge.

Hvis datacentret er fremtidens fabrik, og intelligens er fremtidens produkt, bliver spørgsmålet om, hvor intelligensen produceres, lige så strategisk vigtigt som spørgsmålet om, hvor vores energi, chips og industrielle produkter produceres i dag.

Hvad så med open weights-spørgsmålet?

En anden diskussion, der fylder meget i øjeblikket, handler om open weights. Jeg tager den op her, fordi det er vigtigt at forstå forskellen mellem diskussionen om open weights og diskussionen ovenfor om, hvor selve intelligensen bliver produceret.

Når en AI-model trænes, dannes der milliarder eller billioner af såkaldte vægte. Meget forsimplet kan man tænke på vægtene som de associationer, mønstre og den viden, modellen har lært under sin træning. Det er blandt andet gennem vægtene, at modellen har lært, at Paris har noget med Frankrig, Eiffeltårnet og baguetter at gøre.

Men vægtene fungerer ikke som en traditionel hukommelse eller database. Der ligger ikke nødvendigvis en bestemt adresse i modellen med mærkatet "Eiffeltårnet", som modellen slår op, når man stiller et spørgsmål. Modellens viden er distribueret på tværs af et enormt antal parametre. Noget faktuel viden kan derfor være indlejret i vægtene, mens andre og især aktuelle eller meget specifikke oplysninger kan kræve, at modellen får adgang til eksterne kilder.

Når brugeren derefter skriver en prompt, bliver prompten en del af modellens context. Modellen bruger denne context sammen med det, den har lært og fået indlejret i sine vægte, til at producere sit svar.

Man kan lidt forsimplet sammenligne vægtene med det referenceapparat, vi mennesker opbygger gennem vores liv. Vi lærer af vores forældre, går i skole og lærer at læse og skrive, geografi, biologi, matematik og en masse om, hvordan verden fungerer.

Efterhånden opbygger vi et enormt netværk af viden og associationer. Når nogen derefter nævner Paris, forbinder vi det automatisk med Frankrig, Eiffeltårnet og en lang række andre ting. Vi behøver ikke at lære alt dette på ny, hver gang vi skal løse en ny opgave.

Det er her, open weights bliver interessant. Når en virksomhed gør en models vægte tilgængelige, kan andre hente dem og bruge den allerede trænede model som fundament for deres egne AI-systemer, inden for de rammer, licensen tillader. Man behøver altså ikke begynde helt forfra og bruge enorme ressourcer på at lære en ny model alt det grundlæggende om sprog, verden, matematik, geografi og så videre.

Forestil dig eksempelvis, at jeg vil bygge en AI til en advokatvirksomhed. Jeg er ikke interesseret i først at bruge milliarder på at skabe en model, som skal lære at læse og skrive og forstå verden. Jeg vil gerne begynde med en model, der allerede besidder en meget stor generel intelligens og viden, og derefter bygge den specialiserede juridiske funktion ovenpå.

Hvor flytter værdien hen?

Det leder videre til en anden og efter min mening meget vigtig diskussion: Hvor meget af værdien i selve AI-modellen kan egentlig fastholdes?

Forestil dig, at en AI-virksomhed finder frem til en fantastisk metode til at få en model til at gennemlæse og rette en kompliceret kontrakt på samme niveau som en dygtig advokatfuldmægtig. Spørgsmålet er så, om denne evne kan fastholdes som proprietær viden og dermed skabe en langsigtet voldgrav omkring virksomheden. Eller om denne viden relativt hurtigt vil diffundere ud i AI-økosystemet, så andre modeller og virksomheder lærer at gøre noget tilsvarende.

Jeg hælder til det sidste. Jeg tror, det bliver meget vanskeligt at fastholde store økonomiske voldgrave alene på modellaget. Nye teknikker bliver publiceret, medarbejdere skifter virksomheder, modeller kan trænes på output fra andre modeller, og open-weight-modeller gør det muligt for et enormt økosystem af udviklere og virksomheder at bygge videre på eksisterende intelligens. Det betyder, at en stor del af den teknologiske viden sandsynligvis vil diffundere relativt hurtigt.

Derfor tror jeg, at en større del af den langsigtede værdiskabelse kan komme til at ligge på applikationslaget og i det system, der bygges rundt om modellen.

Det afgørende bliver måske ikke at eje den model, der isoleret set er bedst til jura, men at bygge det bedste samlede system til juridisk arbejde. Det kan være integrationen med virksomhedens dokumenter og arbejdsgange, adgang til de rigtige data, kontrolmekanismer, cybersecurity, datasikkerhed, brugerflade og de mange værktøjer, som gør modellen i stand til rent faktisk at udføre arbejdet. Det er noget af det, man i AI-verdenen ofte omtaler som et harness: systemet omkring modellen, der gør den generelle intelligens anvendelig, sikker og effektiv til en konkret opgave.

Det samme gælder den fysiske verden. Værdien ligger ikke nødvendigvis hos den virksomhed, der ejer den generelle AI-model, som kan forstå, hvordan en gaffeltruck skal køres. Den kan ligge hos den virksomhed, der har bygget hele systemet, som gør AI'en ekstremt god til faktisk at køre gaffeltrucken sikkert, billigt og pålideligt i tusindvis af forskellige lagermiljøer.

Open weights kan derfor være med til at accelerere en udvikling, hvor generel intelligens bliver stadig mere tilgængelig og stadig sværere at beskytte, mens værdiskabelsen flytter mod de virksomheder, der er bedst til at omsætte intelligensen til løsningen af konkrete problemer.

Mit take på open weights-spørgsmålet

Min personlige holdning er, at open weights både er den rigtige vej og sandsynligvis også en uundgåelig udvikling for Vesten. Og for mig handler den diskussion egentlig ikke om at være for eller imod Kina.

Som vi taler om i ugens podcast, mener jeg eksempelvis, at det er svært at forestille sig, at udviklere ikke vil forsøge at lære af de bedste eksisterende modeller. Diskussionen om Kimi K3 og den påståede distillation af Anthropics modeller er et godt eksempel. Det kan selvfølgelig være frustrerende for Anthropic, hvis virksomheden har brugt enorme summer på at udvikle nye kapabiliteter, som konkurrenter efterfølgende relativt hurtigt kan lære af. Men selve mekanismen – at virksomheder studerer, efterligner og videreudvikler det, konkurrenterne gør godt – er ikke noget nyt. Sådan har teknologisk og økonomisk udvikling altid fungeret.

Der kan naturligvis være konkrete juridiske spørgsmål om eksempelvis licensvilkår, ophavsret, adgang til modeller og brug af output, og dem skal man tage alvorligt. Men på et mere overordnet niveau tror jeg, det bliver meget vanskeligt at forhindre intelligens og nye metoder i at sprede sig gennem AI-økosystemet. Når én virksomhed finder en bedre måde at få en model til at ræsonnere, programmere eller løse en bestemt opgave på, vil resten af industrien forsøge at forstå og kopiere princippet.

Det er isoleret set dårligt nyt for virksomheder som Anthropic og OpenAI, fordi det gør det vanskeligere at fastholde deres teknologiske forspring som en permanent voldgrav. Men for AI-økosystemet som helhed er det efter min mening enormt positivt. Innovationen spreder sig hurtigere, konkurrencen bliver større, og prisen på intelligens falder hurtigere. Det betyder igen, at vi kommer til at bruge mere intelligens, hvilket øger behovet for compute, datacentre, chips, energi og de mange applikationer, der bygges oven på modellerne.

For os, der investerer bredt i AI-økosystemet, kan det derfor være en meget positiv udvikling. Hvis værdien af en bestemt type intelligens ikke kan fastholdes særlig længe, bliver virksomhederne tvunget til konstant at forbedre modellerne og reducere omkostningerne. Samtidig bliver stadig mere avanceret intelligens tilgængelig for resten af økonomien, hvor virksomheder kan bruge den til at bygge nye produkter og automatisere stadig flere arbejdsopgaver.

Det betyder heller ikke, at jeg mener, at Anthropic og OpenAI bliver dårlige virksomheder eller dårlige investeringer. Tværtimod tror jeg fortsat, at begge kan vise sig at blive fremragende investeringer. De kan skabe enorme virksomheder, selv i en verden, hvor intelligens bliver billigere og teknologiske fremskridt hurtigt spreder sig til konkurrenterne. Men deres langsigtede værdi skal efter min mening ikke baseres på en antagelse om, at de kan holde resten af verden permanent ude af den intelligens, de udvikler.

Man skal dog holde fast i, at en god virksomhed og en god investering ikke nødvendigvis er det samme. Prisen betyder noget, og en stor del af de forventninger, jeg beskriver her, er allerede afspejlet i kurserne på mange AI-relaterede aktier.

Open weights er derfor ikke nødvendigvis en trussel mod AI-økonomien. Jeg ser det snarere som en af de mekanismer, der kan få hele AI-økonomien til at accelerere. Jo hurtigere intelligens spredes, jo hurtigere falder prisen. Og jo billigere intelligens bliver, desto flere steder i økonomien giver det mening at bruge den.

Dette er markedsføring for NewDeal Invest. Investeringsstilen henvender sig til investorer med en høj risikoprofil og langsigtet investeringshorisont, og historisk afkast er ingen garanti for fremtidigt afkast. De aktier, som NewDeal Invest investerer i, er mere volatile end det brede aktiemarked, og svinger derfor mere både op og ned. NewDeal Invest yder ikke investeringsrådgivning, og alle investeringsbeslutninger træffes af dig selv. Ingen informationer fra NewDeal Invest bør betragtes som anbefalinger. Kortsigtede investeringer, med en tidshorisont på 5 år eller mindre, frarådes både i NewDeal Invest, PMINDI, PMINDIAKK og i de aktier der omtales. Se relevante risikofaktorer på https://newdealinvest.dk/ og https://newdealinvest.dk/pmindi/, samt fondenes PRIIP-KID dokumenter, der findes nederst på hjemmesiden.