A cura dell’Economic Team di Payden & Rygel

La scorsa settimana, i mercati sono stati scossi dalla notizia che DeepSeek R1, un large language model (LLM) sviluppato da un hedge fund cinese, abbia prestazioni pari a quelle degli ultimi LLM, ma sia stato addestrato a una minima parte del loro costo.

Generare intelligenza artificiale potrebbe quindi costare meno e richiedere meno unità di elaborazione grafica (GPU) di fascia alta, così come meno elettricità del resto. E, quando l’intelligenza artificiale diventa più economica, si genera un ciclo positivo di feedback con un numero sempre maggiore di possibili utilizzi e investimenti da parte dei consumatori.

In effetti, la deflazione dei costi dell’intelligenza artificiale per i LLM è già in atto, con il fabbisogno di calcolo necessario per raggiungere un livello costante di servizio che si è dimezzato ogni otto mesi a partire dal 2012.

Ciononostante, la spesa per l’addestramento dei modelli è aumentata in modo costante. Mentre le aziende gareggiano per costruire un’intelligenza artificiale “generale” (AGI) – un modello che superi gli esseri umani in ogni ambito.

Se l’obiettivo è l’AGI, un maggior numero di GPU, GPU migliori e una migliore efficienza di calcolo saranno tutti elementi utili. Quando un fattore diventa più economico, si può investire più capitale: la nostra scommessa è che la curva rappresentata nel grafico continuerà a crescere.