RBC Capital Markets-ის ანალიტიკოსებმა ამ კვირას ადრე შეფასება გასცეს და ის განსაკუთრებით პოზიტიური არ არის. კვლევის შენიშვნაში, მათ განაცხადეს, რომ "GenAI-ის გამო, გრძელვადიანი პროგრამული უზრუნველყოფის წმინდა მოგება სტრუქტურულად უფრო დაბალი იქნება. " RBC-ის მიხედვით, პროგრამული უზრუნველყოფის გადასვლა ადგილზე ოფისიდან, სადაც კომპანიები იყენებდნენ საკუთარ კომპიუტერებზე, ღრუბელში უფრო შეამცირა წმინდა მოგების მარჟები 90%-დან 75%-მდე. იგულისხმება, რომ გენერატიული AI-იდან ღრუბელზე გადასვლა კიდევ უფრო შეამცირებს პროგრამული უზრუნველყოფის მარჟები, რომლებიც დაახლოებით 60%-ზე იქნება. წმინდა მოგება არის პირდაპირი მოგების ზომა, რომელიც შედგება შემოსავლებიდან მასალა გაყიდვაზე არაქონვით მეხილებით შუალდე. ტრადიციულად, პროგრამული უზრუნველყოფის ინდუსტრიაში წმინდა მოგების მარჟები ჩვეულებრივ 90%-თან ახლოს იყო. მიუხედავად იმისა, რომ ეს შესაძლოა მაღალი ჟღერს, ეს არის მიზეზი, რომლითაც ეს სექტორი ინვესტორებისათვის მიმზიდველია და რატომ პროგრამული უზრუნველყოფის კომპანიებს აქვთ ისეთი მაღალი შეფასებები. ახალი პროგრამული უზრუნველყოფის დაკავება მოითხოვს ღრმა მთავრობან ცენტრში ინვესტიციას. თუმცა, როდესაც ის შექმნილი იქნება, ახალი ვერსიების წასაშლის და მომხმარებლებისთვის გახსნის ხარჯები თითქმის უძვირესი შესულობაშია. აქედან გამომდინარე, ყოველი დრო, როდესაც პროგრამული უზრუნველყოფა იყიდება, მოგება მნიშვნელოვნად იზრდება, ამიტომ ტექნოლოგიური ინვესტორები ხაზს უსვამენ "მასშტაბების" მნიშვნელობას. ხოლო რატომ შეიძლება პროგრამული უზრუნველყოფის ბიზნესი გრძელვადიან AI-ერის პერიოდში ნაკლებად მომგებიანი იყოს?RBC-ის ანალიტიკოსების მიხედვით, GenAI-ით მსგავსი მნიშვნელობები მიღებულ ფასების და ჩანაწერების დასაწყისით შეიძლება რთული აღმოჩნდეს. გენერატიული AI ძვირია, როგორც განვითარებაში, ასევე მუდმივის გამოყენებაში. AI მოდელების ტრენირება, მაგალითად, მოითხოვს ძვირას GPU-ების შეძელვას Nvidia-საგან. ეს AI ჩიპები შემდეგში სერვერებში ხსნის მარკაციას და ქსელინებას დიდდატას ცენტრში.

ეს ობიექტები მოიხმარენ დიდ რაოდენობით ელექტროენერგიას, რაც იწვევს მაღალ ხარჯებს და ძვირას განახლებებს. კიდევ ერთი ასპექტია AI მოდელების ტრენირებისათვის საჭირო მონაცემების შეძენის ხარჯები. მიუხედავად იმისა, რომ დიდი ტექნოლოგიების კომპანიები და სტარტაპები ცდილობენ ამ ხარჯების შემცირებას, მონაცემების შეგროვება და გასუფვება გაგრძელებულ ხარჯებად რჩება. AI მოდელები შეესაბამება, ისინი უნდა გადანაწილდნენ. ეს არის ინტერპოლაციის საფეხური, რომელშიც მოდელები მუშაობენ ახალ მონაცემებზე ან მოთხოვნებზე, ისიც მოიცავს ძვირასი ჩიპებს და მუდმივ ხარჯებს. განვიხილოთ ლოკალური ოფისების პროგრამული უზრუნველყოფის ბიზნესისგან, სადაც ყოველი გაყიდვის შემთხვევაში თითქმის 100%-იანი მოგების მიღება ხდებოდა, გენერატიულ AI -ში ყოველი დრო, როდესაც AI მომხმარებელი იყენებს სერვისს, მიმწოდებელი განიცდის უამრავ ხარჯს. მაგალითად, OpenAI სავარაუდოდ ხარჯავს $700, 000 დღეში ChatGPT-ის მუშაობის მიზნით, როგორც ეს შეაფასა ინდუსტრიის ანალიტიკოსმა დილან პატელმა წინა წელს. ეს გამოწვევები არ აიძულებს RBC-ის ანალიტიკოსებს სრულიად პესიმისტურს წაროიდგნენ. ისინი უფრო მეტ ვერმხრობასეიანrGenAI გარემოცვაში, მომხმარებლების ხარჯები გაიზრდება AI-ით შემუშავებული პროგრამების გაბიდებაზე, რაც შესაძლოა ორმაგ ან სამმაგ მასშტაბს იკავოს დღევანდელი შემოსავლების დონის გავლენით. გაიხსენებდით გაფართოებულ პროგრამული ბაზარს, შეიძლება რომ კიდევ უფრო მეტი "მოგების დოლარი" იყოს ხელმისაწვდომი, მიუხედავად დაბალი წმინდა მოგების მარჟების. "მოგების დოლარი" აღავსახავს კომპანიების მიერ განსხვავებულ წმინდა მოგებით გენერირებული აბსოლუტური მოგება რომელსაც ფორტუმმა დაუშვები დაწორი მოიცავსგან. მაგალითისთვის, დავიწყოთ ესკიზური კომპანიით რომელშო $100 მილიონი შემოსავალი აქვს და 10% წმინდა მოგება, რაც იქით მოდის თავმჯდომარ $10 მილიონი წმინდა მოგება. ეს კომპანია სახწეილემა ბაზრისადრი დასკვნით შემოსავალუ გაიზარდოს $300 მილიონამდე ხოლო მარჟი დაეყრება 8%-ზე დაიხ ночნება გაიღადგ beidh e $24 მილიონი -- უფრო მეტი მოგება რაოდენაურად. შედეგად, RBC-ის ანალიტიკოსები ასკვიან რომ GenAI მგногощების საბოლოო კერძებსშძლებს, რომ გრძელვადიანი წმინდა მოგების დოლარი პოსტ-GenAI საერთოდ, შესაძლოა უფრო მეტი იყოს.