De ontwikkeling van kunstmatige intelligentie is nauw verbonden met de vraag naar halfgeleiders en elektriciteit. Chipleveranciers zoals Nvidia profiteren hier enorm van, maar ook elektriciteitsleveranciers doen het goed. Dit succes kan echter van korte duur zijn.
De wereld is momenteel in de ban van kunstmatige intelligentie, wat zorgt voor een enorme vraag naar elektriciteit en stijgende winsten in de energiesector. De aandelen van grote energiebedrijven presteren sinds het begin van het jaar uitstekend, terwijl de aandelen van onafhankelijke energieleveranciers zoals Vistra en Constellation Energy sterk zijn gestegen. Constellation Energy kondigde bijvoorbeeld een samenwerking met Microsoft aan voor de levering van kernenergie. Dit nieuws werd snel opgepikt op de beurs, waardoor de aandelen van Constellation aanzienlijk stegen. Sinds het begin van het jaar zijn ze zelfs met 127% in waarde gestegen.
De prestaties van Vistra op de aandelenmarkt zijn nog indrukwekkender. Het bedrijf zag zijn aandelen sinds januari met 225% stijgen, meer dan Nvidia, waarvan de aandelen in dezelfde periode met “slechts” 172% zijn gestegen.
Vorig jaar stonden technologiebedrijven en fabrikanten van chips en servers bovenaan de ranglijsten van beursgenoteerde bedrijven. Nu lijken elektriciteitsbedrijven zeer aantrekkelijk voor investeerders. Analisten van Tortoise Capital Advisors leggen uit dat de energiesector een nieuwe groeicomponent heeft gekregen dankzij de ontwikkeling van kunstmatige intelligentie en de bijbehorende vraag naar elektriciteit.
In het tijdperk van AI wordt er geld verdiend met elektriciteit.
Technologieaandelen stijgen dit jaar minder snel dan vorig jaar, omdat veel beleggers voorzichtiger zijn geworden. De eerste rapporten en analyses zijn al gepubliceerd, waaruit blijkt dat de waarderingen van grote technologiebedrijven fors zijn en dat veel experts twijfels hebben bij de investeringen in AI, met het argument dat het lang kan duren voordat deze investeringen rendement opleveren.
Ook beleggers die zich richten op chipleveranciers zoals Nvidia worden steeds sceptischer. Concurrenten werken aan vergelijkbare systemen en er ontstaan nieuwe bedrijven die halfgeleiders willen aanbieden voor AI-taken.
Hoewel aandelen van bedrijven zoals Nvidia als risicovol worden beschouwd, erkennen beleggers steeds vaker dat elektriciteit in het geval van AI een essentiële en relatief veilige optie is. Welke bedrijven uiteindelijk ook de leiders worden op het gebied van AI-chips of -software, ze zullen allemaal elektriciteit nodig hebben. Dit verklaart de recordhoogtes van bedrijven zoals Vistra en Constellation.
Daarnaast hebben energiebedrijven, zelfs na de recente stijgingen, nog steeds niet de hoge waarderingen van grote technologiebedrijven. Kijkend naar de koers-winstverhouding, gebaseerd op de verwachte toekomstige winsten, heeft Vistra een waardering van ongeveer 20 keer de verwachte jaarlijkse winst per aandeel, en bij Constellation ligt deze verhouding rond de 31. Nvidia heeft dit jaar een koers-winstverhouding van ongeveer 36 keer de toekomstige winst.
AI kan energie-efficiënter worden.
De toegenomen vraag naar elektriciteit is goed nieuws voor investeerders in energiebedrijven, maar het belemmert de voortgang richting klimaatdoelen, zoals voormalig Google-CEO Eric Schmidt opmerkte. Hij stelde echter dat het bouwen van meer datacenters niet mag worden vertraagd, omdat “deze klimaatdoelen toch niet zouden worden gehaald.”
Volgens het Internationaal Energieagentschap zal het energieverbruik van AI-datacenters in 2024 tien keer hoger zijn dan in 2022. Een enkele zoekopdracht via ChatGPT verbruikt nu bijna tien keer meer energie dan een Google-zoekopdracht. Rene Haas, CEO van Arm Holdings, waarschuwde eerder dit jaar dat AI-datacenters in 2030 mogelijk 20 tot 25 procent van het totale elektriciteitsnet in de VS nodig zullen hebben.
Schmidt zei dat hoewel we de klimaatdoelstellingen waarschijnlijk niet zullen halen, we de ontwikkeling van kunstmatige intelligentie moeten blijven stimuleren, omdat AI volgens hem oplossingen kan vinden voor klimaatproblemen. Hij vindt dan ook dat we de vooruitgang van AI niet moeten beperken.
Terwijl sommige mensen aandringen op een hoger energieverbruik en de situatie bagatelliseren zonder zich zorgen te maken over de klimaatdoelen, zijn er wetenschappers die werken aan nieuwe AI-algoritmen om dit probleem aan te pakken.
Onderzoekers van BitEnergy AI hebben een techniek ontwikkeld die het energieverbruik van AI drastisch kan verminderen, zonder in te leveren op nauwkeurigheid of snelheid. Ze beweren dat hun methode het energieverbruik met maar liefst 95% kan terugbrengen. Het team noemt deze doorbraak “Linear-Complexity Multiplication” of kortweg L-Mul. Dit is een rekenproces dat gebruikmaakt van eenvoudige optellingen van gehele getallen in plaats van de gebruikelijke vermenigvuldigingen met drijvende komma, wat bij AI-taken aanzienlijk minder energie en rekenstappen vergt.
Drijvende-kommagetallen worden veel gebruikt in AI-berekeningen om zeer grote of zeer kleine getallen te verwerken. Ze functioneren als binaire wetenschappelijke notaties en helpen AI-systemen complexe berekeningen nauwkeurig uit te voeren. Deze precisie heeft echter een prijs in termen van energieverbruik. Het L-Mul-algoritme vervangt de complexe drijvende-kommavermenigvuldigingen door eenvoudigere optellingen van gehele getallen. Volgens de onderzoekers behielden de AI-modellen in hun tests vergelijkbare nauwkeurigheid, terwijl ze het energieverbruik met wel 95% verminderden.
Bij tests met verschillende AI-taken, zoals natuurlijke taalverwerking en machine vision, bleek het prestatieverlies slechts 0,07 procent te zijn – een minimale afweging voor zo’n grote energiebesparing.
Er is echter ook een uitdaging: L-Mul vereist momenteel gespecialiseerde hardware. De huidige AI-verwerkingssystemen zijn niet geoptimaliseerd om deze techniek te ondersteunen. Het obstakel zou kunnen zijn dat sommige bestaande chipfabrikanten, volgens de onderzoekers, de invoering van L-Mul mogelijk kunnen tegenwerken. Daarom hopen ze vooral op start-ups die willen innoveren en kiezen voor hardware die is geoptimaliseerd om deze nieuwe methode te ondersteunen.
