Historisk avkastning är ingen garanti för framtida avkastning. Fondandelar och andra finansiella instrument kan både stiga och falla i värde och det är inte säkert att du får tillbaka investerat kapital. Fondens värde kan variera kraftigt på grund av dess sammansättning och de förvaltningsmetoder fondbolaget använder sig av. Faktablad, hållbarhetsrelaterade upplysningar och prospekt finns på seb.se/fonder.
Vad har överraskat er mest under året?
Det som överraskat oss mest är på vilken stor skala man har byggt ut AI-infrastruktur. Många bolag har valt att bygga ut så mycket kapacitet man bara kan för att erbjuda till kunderna och vi kan se att molnbolagen Amazon, Google och Microsoft redan idag har blivit en ”one-stop-shop” för AI genom sina investeringar.
AI-infrastruktur är väldigt likt datacenter och kallas ibland datacenter på steroider. Det kan förklara varför det är de stora molnjättarna, som redan är ledande inom datacenter, som också leder utvecklingen inom AI. Skillnaden är dock ofta att när man bygger ett datacenter för AI krävs den allra mest avancerade tekniken och oftast behövs den i större skala. En annan stor skillnad är att datacenter tidigare ofta varit byggda på CPUer (Central Processing Units), medan inom AI-datacenter använder man GPU:er (Graphics Processing Units) som kan göra beräkningar parallellt och därmed går mycket snabbare. Ett AI-datacenter kräver ofta 5-10 gånger mer energi än ett vanligt datacenter.
Hur ser utbyggnaden av AI-infrastruktur ut?
Än så länge ser det ut som att utbyggnaden av AI-infrastruktur fortsätter. Även om bolagen inte redovisar exakta siffror kring hur deras datacenter ser ut, så verkar det som den första modellen av ChatGPT använde cirka 10 000 GPU:er. Redan i slutet av detta år förväntas Meta ha en modell som använder 350 000 GPU:er. Det ryktas också om att Microsoft planerar ett datacenter med mer än 1 miljon GPU:er 2028. Då ska det också sägas att kraften man får ut av en GPU ungefär dubblas vartannat år på grund av förbättringar i processen av halvledare. Vi får se om dessa siffror blir realitet, men vi kan vara säkra på att en stor utbyggnad sker.
Vad tror ni blir nästa AI-trend?
Med den enorma utbyggnad som sker i infrastruktur så ser vi att nästa stora steg inom AI är användning av modeller eller så kallad ”Deployment”. Även om det finns flera AI-modeller ute idag så är användandet relativt lågt jämfört med de enorma investeringarna som gjorts i infrastruktur. Det amerikanska riskkapitalbolaget Sequoia har till exempel estimerat att under 2023 kommer det spenderas mer än 50 gånger mer på AI-infrastruktur än på AI-mjukvara.
Den kanske mest kända modellen som många använder är ChatGPT vilket är en “general purpose model”. Man kan enkelt säga att det är en modell som är tränad på enorm mängd data (i princip hela internet) och ska vara duktig på det mesta. Det som vi tror kommer driva upp användning av AI de kommande åren är “Application Specific” modeller. Detta är modeller som tränas på en mindre mängd data, men data som är specifikt för ett visst område eller en specifik uppgift. Detta leder till modeller som är väldigt duktiga på en viss specifik uppgift men som också är mycket billigare att både träna och använda.
Ska vi nämna ytterligare en trend så är det “Edge AI”. Det innebär att man flyttar processen till enheten man faktiskt använder snare än att processen sker i molnen. Detta är något som Apple har arbetat med för att flytta AI-processen till din smartphone. Vi ser också att detta kommer vara en viktig del vid automation av produktion eller självkörande bilar.
Vilken typ av bolag finns i fonden?
Några av de bolag som vi har i fonden är just bolag med specifika modeller. Adobe har en modell som heter Firefly, vilket kan beskrivas som Photoshop med AI-verktyg i. Just detta verktyg kan minska tiden det tar att redigera bilder med flera timmar. Ett annat bolag som har en specifik modell är RELX som har modellen Lexis+ AI som hjälper jurister i deras arbete. Deras utvärderingar har visat att en jurist kan spara 6-7 timmar per vecka med deras verktyg och den är också cirka 30 procent mer precis än en generell modell eftersom den bara har tränat på just data inom sitt område. Ett annat viktigt område är kodning där Salesforce har rapporterat att de sparar ca 20000 timmar i månaden genom att använda AI-verktyg vid kodning.
Hur har det första året gått?
Vi har haft ett bra första år och är upp 45,2 procent under första året, vilket är väsentligt bättre än fondens jämförelseindex som steg 35 procent*.
Vad har varit era bästa respektive sämsta investeringar?
Vår bästa investering är helt klart Nvidia som är upp kring 200 procent sedan vi startade fonden. Det första steget för att börja använda AI är att bygga den infrastruktur som krävs för att träna och använda modeller och där är Nvidia helt avgörande med sina GPU:er. Nvidia har nästintill monopol i denna marknad och princip alla modeller som rullas ut idag har tränats med hjälp av Nvidias chip. Andra investeringar som varit bra för fonden är de bolag med molntjänster och egna LLM (Large Language Models) så som Meta, Alphabet (Google) och Microsoft.
De bolag som inte bidragit lika positivt till fonden är Oracle som har varit steget efter molnbolagen i sina databastjänster men som har börjat komma i kapp senaste tiden. Ett annat bolag är AbCellera, ett bolag som använder AI för att hitta nya läkemedel samt snabba på processen för att finna nya läkemedel. Bolaget är fortfarande väldigt tidigt i sin utveckling vilket förklarar den svagare utvecklingen.
* Avser SEB Artificial Intelligence Fund C (SEK) för perioden 2023-06-30-2024-06-28.