« Diffusion technologique » de type IA : 10 « leçons apprises » des 100 dernières années

Avec l’essor de la technologie de l’IA, une nouvelle génération de révolution technologique pourrait être à nos portes. Cependant, les humains ont laissé quelques leçons des révolutions technologiques passées. Que pouvons-nous apprendre de ces histoires ?

Le 2 juin, Edward Stanley, stratège en actions de Morgan Stanley, a utilisé la théorie de la diffusion technologique pour analyser dans son rapport. Cette théorie étudie comment la technologie est d'abord commercialisée, par une promotion vigoureuse, une adoption généralisée et enfin le processus d'élimination en raison d'un retard.

La diffusion technologique se produit après le progrès technologique et l'innovation technologique. Du point de vue de l’histoire de l’humanité, la diffusion technologique joue un rôle crucial dans le processus de progrès technologique. Parce que si une innovation technologique n’a pas été largement appliquée et promue, elle n’affectera pas l’économie sous une forme matérielle.

Selon cela, Morgan Stanley estime que Le taux de diffusion de la technologie de l'intelligence artificielle a dépassé toute technologie historique précédente, ce qui signifie plus d'opportunités d'investissement et plus de problèmes.

Par exemple, les problèmes réglementaires, ainsi que les anciennes entreprises technologiques qui sont perturbées (le cours de leurs actions pourrait ne jamais se redresser) et les problèmes déflationnistes causés par les nouvelles technologies qui augmentent la productivité.

1# Vitesse de développement et enjeux réglementaires

Avec le développement de la technologie, chaque nouvelle génération de nouvelle technologie accélère son évolution en fonction de la précédente et le temps nécessaire est continuellement réduit.

Morgan Stanley compare les courbes d'adoption des industries tirant parti de l'électricité après 1885, tirant parti d'Internet après 2007 et tirant parti de l'intelligence artificielle après 2022, depuis leurs « moments iPhone » respectifs (c'est-à-dire lorsqu'une nouvelle technologie est réellement adoptée à grande échelle). temps).

Les données montrent que depuis le « moment iPhone » de chacune de ces trois technologies jusqu'à une pénétration supérieure à 10 %, il a fallu 20 ans pour l'électricité, 7 ans pour Internet, mais l'intelligence artificielle générative n'a pris qu'un an.

Pour atteindre 30 % de pénétration et rayonner vers les champs adjacents, l'électricité prendra 30 ans, Internet 15 ans et l'intelligence artificielle pourrait en avoir moins de la moitié.

Face à un rythme aussi rapide, les discussions sur la réglementation par les gouvernements du monde entier s'intensifient. À l'heure actuelle, l'Union européenne, en tant que pionnière, s'apprête à lancer un projet de loi réglementaire.

2#Vitesse de téléchargement > Vitesse de liaison montante

En examinant 80 courbes d'adoption structurelles positives et négatives au cours des 50 dernières années, Morgan Stanley souligne que deux choses sont claires :

• Les pertes de parts de marché dans les secteurs perturbés se produisent plus rapidement, avec un pic d'activité diminuant d'environ 20 % au cours des 5 premières années par rapport aux technologies émergentes tirant parti d'Internet comme canal de distribution.
• Les baisses de parts de marché dans les secteurs perturbés sont également plus sévères sur des périodes plus longues, chutant en moyenne de 40 % par rapport à leur sommet sur 15 ans, tandis que la part de marché des nouveaux entrants augmente de 30 % sur la même période.

#3 Baisse des stocks

La sortie des nouvelles technologies est un coup fatal aux anciens constructeurs.

Morgan Stanley a souligné qu'après la sortie de l'iPhone, les cours des actions des fabricants de téléphones mobiles de première génération ont chuté en moyenne de 50 % en 2 ans et de 75 % en moyenne en 5 ans.

Ces entreprises peuvent se débarrasser de l'étiquette de « challenge », mais la transformation hybride et l'investissement en capital prendront du temps.

Par exemple, le cours de l'action de Motorola a chuté 2,5 ans après la sortie de l'iPhone avant d'atteindre son point le plus bas, et il a fallu onze ans pour revenir au niveau d'avant la sortie de l'iPhone.

Pour les autres entreprises considérées comme affectées par les nouvelles évolutions technologiques, le cours de leurs actions pourrait chuter rapidement à court terme, même si leurs données financières restent normales.

Par exemple, HMV, un ancien fabricant de phonographes, a connu une baisse significative de ses bénéfices seulement après que le cours de ses actions ait chuté pendant 7 ans.

4# Stock à la hausse

Morgan Stanley souligne qu'il est également courant que les entreprises considérées comme « gagnantes » voient le cours de leurs actions augmenter de 100 %, mais des révisions constantes à la hausse des ventes et des bénéfices sont généralement nécessaires dans les 6 mois pour soutenir l'expansion des multiples.

Les ventes/VE d'Apple ont doublé dans les 6 mois suivant la sortie de l'iPhone. En fait, plus de la moitié de cela se produit avant le lancement, et non après.

Pendant ce temps, le cours consensuel de l'action n'a augmenté que de 20 % au cours de cette période et n'a augmenté que de 15 % depuis la date de lancement jusqu'à fin 2007.

Le véritable fossé entre Apple et les entreprises établies s'est produit au cours des 5 années suivantes, avec la valorisation d'Apple retombant en dessous de ce qu'elle était au moment du lancement de l'iPhone, mais avec des prévisions de ventes consensuelles 8 fois plus élevées.

Pour les entreprises établies, même si le consensus du marché est que leurs ventes sont stables, leurs valorisations moyennes restent supérieures à 90%.

#5 Les cycles de battage médiatique sont désormais la norme, et non l'exception

Morgan Stanley a souligné que les bulles thématiques ont tendance à avoir une période de correction de 3 ans après leur sommet, ce qui est un cycle plus rapide que les thèmes macro, qui ont tendance à se redresser après 4 ans.

Le rallye actuel est une valeur aberrante par rapport aux 70 cycles de battage médiatique que nous avons suivis au cours des 100 dernières années. La question est maintenant de savoir dans quelle mesure ce cycle de battage médiatique est plus collant que les cycles de battage médiatique passés ?

Pour cela, nous garderons un œil attentif sur Google Trends :

• Il y a eu une augmentation initiale de l'activité pour les outils d'IA de génération de code (tels que GitHub Copilot), mais celle-ci est retombée à moins de 45 % du pic d'intérêt des recherches.

•L'IA génératrice d'images (par exemple Midjourney) a été lancée avant les modèles textuels, avec un intérêt tombé du pic à 50 %.

• L'IA de génération de texte (par exemple ChatGPT/Bard) a été déployée pour la dernière fois en novembre 2022 et s'avère plus efficace que les méthodes ci-dessus, mais nous continuerons à suivre l'engagement des consommateurs.

#6 Trouvez « l'application qui tue » de GPT

Lorsque l'iPhone est sorti, il était clair quels fabricants allaient être perturbés, mais les « gagnants » finaux à cette époque pourraient être de nouvelles startups, dont la plupart utilisent le matériel comme nouveau point de contact avec les consommateurs.

À partir de plus de 50 innovations « plateforme + application », Morgan Stanley a conclu que les « applications qui tuent » mettent souvent environ 1,6 an à émerger de nouvelles plateformes technologiques disruptives :

Sur les 13 milliards de dollars déployés par ces startups à ce jour, la majeure partie est allée à de grands créateurs de modèles de langage comme OpenAI, Anthropic et Adept, pour n'en nommer que quelques-uns. Ce sont les licornes de cet espace.

Les 20 % restants du financement sont destinés à des applications en aval telles que HuggingFace et d'autres fournisseurs et plates-formes de premier plan prenant en charge de nouveaux LLM centralisés et open source.

C’est dans cette dernière catégorie de financement que nous nous attendons à voir émerger des applications qui tuent au cours des deux prochaines années.

#7 Le « gagnant » « remporte presque tout »

Morgan Stanley a souligné qu'au cours des 100 dernières années, le leadership en matière de capitalisation boursière a été plus susceptible de changer. Les actions leaders dans les évolutions technologiques ne le sont souvent plus 10 ans après des innovations technologiques majeures.

Les leçons de l'électricité et d'Internet montrent que les entreprises qui profitent tôt de l'automatisation et de l'électrification peuvent gagner énormément en développement et en valeur sur le marché.

La diffusion de technologies transformatrices entraîne souvent des changements dans le leadership boursier. Depuis 1990, 2,3 % des entreprises ont généré 75 000 milliards de dollars de rendement pour les actionnaires.

Pour les acheteurs potentiels qui estiment que les avantages de l’IA sont déjà pris en compte, L’histoire montre que même manquer la première année d’une tendance à long terme a peu d’impact sur les rendements pluriannuels d’une action « gagnante » .

#8 Des prix élevés pour les actions d'investissement pur

Les « actions d'investissement pur » font référence aux actions d'entreprises qui ne sont engagées que dans un secteur ou un domaine spécifique. Les principales activités commerciales et sources de revenus de ces sociétés sont concentrées dans un secteur spécifique, de sorte que la performance de leurs actions est fortement corrélée à la performance de leur secteur ou secteur spécifique.

Morgan Stanley a souligné que Sur le long terme, les actions liées à des sujets tels que l'intelligence artificielle devraient être valorisées de 10 à 50 % plus élevées que les actions « non pures », avec une prime moyenne de 25 %.

Bien que l'IA (générative) n'apparaisse pas comme un sujet autonome dans notre base de données de solutions durables, nous recommandons néanmoins aux investisseurs de se concentrer sur celles qui présentent : (1) les barrières à l'entrée les plus élevées et les plus durables, (2) les meilleures données et qualité, ( 3) le risque interne le plus faible et (4) le modèle commercial le plus pur en ce qui concerne l'exposition à l'IA, générant une augmentation des revenus ou une réduction durable des coûts.

#9 Augmenter la productivité

Morgan Stanley a déclaré qu'après l'adoption industrielle généralisée de l'électricité et la diffusion d'Internet, la diffusion de la technologie tend à conduire à une multiplication par 2,5 de la productivité (mesurée par le PIB par habitant).

Un nombre croissant de communications d'entreprise et de littérature universitaire proposent des améliorations de la productivité dans tous les secteurs, d'une amélioration de 55 % de la productivité des développeurs grâce à GitHub Copilot à une amélioration de 14 % de la résolution des agents du centre de contact grâce à l'IA générative Copilot, en passant par une augmentation de 26 % des aspects juridiques. cas d'utilisation, et une augmentation de 79 % de l'empathie et de l'engagement de réponse entre les patients et les médecins utilisant ChatGPT par rapport à un échantillon témoin.

#10 Problème de déflation

Morgan Stanley a proposé que la technologie soit déflationniste (« La technologie est déflationniste »), ce qui signifie que la technologie peut promouvoir la déflation.

Premièrement, La technologie réduit la demande de main-d’œuvre, Cela exerce une pression à la baisse sur les salaires et les niveaux d’emploi, réduisant ainsi la demande de biens et de services, car les travailleurs ont moins de revenus disponibles.

Deuxièmement, la technologie permet d’augmenter efficacement la production de biens et de services. Si la production de biens peut être développée efficacement pour répondre à la demande actuelle et future du marché, alors les prix de ces biens n'augmenteront pas même si la demande augmente. À mesure que la technologie s'améliore, de plus en plus d'industries atteindront ce point d'inflexion et l'inflation sur l'ensemble du marché deviendra de plus en plus faible.

Une question qui doit cependant être déterminée est de savoir quand la déflation se produira et quelle sera sa gravité.

ChatGPT et d'autres LLM de texte d'IA générative sont parfaitement adaptés pour apporter des améliorations d'efficacité aux secteurs qui ont connu une inflation structurelle au cours des 30 dernières années, en particulier l'éducation, la santé, le droit, la finance, la construction et les licences. Il reste à voir dans quelle mesure ces avantages en termes d’efficacité et de déflation bénéficieront aux entreprises, en fonction de la solidité de leurs barrières à l’entrée.

Nous sommes plus intéressés par comment le débat émergent sur les agents virtuels va exacerber le taux de désabonnement des entreprises et les défis liés aux abonnements.

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!