Prospettive di crescita di lungo termine per intelligenza artificiale e semiconduttori

L'intelligenza artificiale (AI) è sempre più al centro dell'attenzione come fattore chiave del cambiamento tecnologico. I continui sviluppi di questa tecnologia informatica che rivoluziona il modo con cui l'uomo interagisce con la macchina, e le macchine tra di loro, suscitano forti interessi anche da parte degli investitori .

TECH BYTES

“Riteniamo di essere prossimi ad un punto di svolta sull'intelligenza artificiale (AI) a mano a mano che le aziende si addentrano nella sperimentazione delle capacità di questa applicazione innovativa e ne verificano l'integrazione nei propri processi di business”, fa sapere, nel report mensile ‘Tech Bytes’, il Team Fundamental Equity Technology di Goldman Sachs Asset Management. Secondo il Team, composto da 16 specialisti con una media di 18 anni di esperienza e che gestiscono circa 14 miliardi di dollari nei portafogli dedicati alla tecnologia, esistono tre principali modi per investire nella continua accelerazione nello spazio dell'IA.

AUTOMAZIONE DEI PROCESSI ROBOTICI (RPA)

Il primo riguarda le aziende che sfruttano l'intelligenza artificiale per guidare la crescita nelle loro attività, per esempio come motore per aumentare i ricavi pubblicitari. Il secondo attiene invece alle imprese che forniscono software AI e funzionalità di prodotto ai clienti. È il caso dell’automazione dei processi robotici (RPA), o del software per i veicoli a guida autonoma e della visione artificiale. Infine, ci sono le società di semiconduttori, che rappresentano il cuore del processo elaborativo. “Finora ci siamo concentrati sui semiconduttori come modo principale per investire nell'IA, ma è probabile che in futuro ci sarà un gran numero di società innovative al di fuori di questo perimetro in cui potremmo cercare di investire nei prossimi anni”, sottolinea il Team di Goldman Sachs Asset Management.

SEMICONDUTTORI ASIC

Restando nell’ambito semiconduttori, si può constatare come ci siano tre tipi di chip che traggono vantaggio dai processi dell'intelligenza artificiale. Ognuno di essi ha caratteristiche particolari che ne contraddistingue il potenziale impiego. Per esempio, i circuiti integrati per applicazioni specifiche (ASIC) sono chip altamente personalizzati per carichi di lavoro specifici e forniscono la massima estensione della potenza di elaborazione. Gli ASIC, tuttavia, sono anche i meno flessibili in quanto sono progettati per eseguire davvero bene soltanto uno specifico compito.

UNITÀ DI ELABORAZIONE GRAFICA (GPU)

Meno potenti degli ASIC sono le unità di elaborazione grafica (GPU), che hanno un set di applicazioni più ampio. Le GPU grazie ad un design di elaborazione parallela sono in grado di risultare altamente efficienti per l'elaborazione dell'IA ed efficaci nell’elaborazione dati su larga scala. Sono state originariamente progettate per l'elaborazione delle immagini nei giochi, ma ora vengono impiegate anche nell’ambito dell'apprendimento automatico (ML).

FIELD PROGRAMMABLE GATE ARRAYS (FPGA)

La terza tipologia è quella dei Field Programmable Gate Arrays (FPGA): si tratta di chip logici programmabili che possono essere codificati per un’ampia gamma di funzioni. Sono più lenti e meno potenti degli ASIC e delle GPU, ma sono i chip più flessibili. Come le GPU, sono utili nell’elaborazione dati su larga scala e risultano ben posizionati per l'inferenza statistica nell’apprendimento automatico, cioè quel procedimento di generalizzazione dei risultati ottenuti attraverso una rilevazione parziale per campioni.

UNA PROSPETTIVA DI CRESCITA DI LUNGO TERMINE

“Questi tre tipi di chip sono tutti parte integrante dell'abilitazione delle capacità di intelligenza artificiale in un’ampia varietà di applicazioni aziendali. Per tutte le considerazioni viste, l’intelligenza artificiale continua a guidare il cambiamento e l'efficienza in ogni tipologia di organizzazione e mantiene una prospettiva di crescita di lungo termine”, conclude il Team Fundamental Equity Technology di Goldman Sachs Asset Management.