Deloitte: nawet 0,5 bln USD strat z powodu braków chipów

Wśród globalnych trendów, które mogą mieć największy wpływ na firmy i konsumentów w nadchodzącym roku, eksperci firmy doradczej Deloitte w raporcie Technology, Media & Telecommunications Predictions 2022 wymieniają:

• przedłużające się braki w produkcji półprzewodników,
• rozwój sztucznej inteligencji i związane z tym zabiegi regulacyjne,
• wzmożone zainteresowanie wielu rządów i funduszy Venture Capital rozwojem technologii obliczeń kwantowych.

– Wybuch pandemii w wielu gałęziach światowej gospodarki zadziałał jak katalizator, generujący lub dynamicznie przyspieszający rozwój niektórych obszarów technologicznych. Zmienione okoliczności z jednej strony stały się więc siłą napędową innowacyjnych narzędzi i usług. Z drugiej jednak, ograniczenia w mocach produkcyjnych czy zachwianie łańcuchami dostaw odcisnęły znaczące piętno zarówno na wynikach finansowych wielu firm, jak i na ich zdolności do dalszej technicznej i rynkowej ekspansji – mówi Sławomir Lubak, partner, lider obszarów Systems and Cloud Engineering oraz TMT, Deloitte.

Niedobory półprzewodników

W 2022 roku nadal aktualny będzie problem niedoboru półprzewodników wykorzystywanych obecnie niemal wszędzie – można je znaleźć w diodach w oświetleniu LED, chipach RFID w sklepach samoobsługowych i transporcie, w automatyce przemysłowej, smart rozwiązaniach w budynkach, automatyce domowej czy e-sporcie. Kryzys związany z ich niewystarczającą podażą jest jednak najbardziej widoczny przede wszystkim w branży automotive. Próba konfiguracji bardziej wyrafinowanego wyposażenia samochodu kończy się informacją o niedostępności opcji lub wyjątkowo długim czasie oczekiwania na dostawę.

Kryzys związany z niedoborem półprzewodników jest więc coraz bardziej widoczny i dotyka rosnącej liczby przedsiębiorstw z różnych branż. Deloitte przewiduje, że będzie on odczuwalny przez co najmniej 24 miesiące, a jego łączny wpływ na gospodarkę ocenia się na kwotę ponad 0,5 bln dolarów.

– Konsumenci, przemysł i rządy domagają się chipów, a ich producenci starają się jak mogą. Jednakże, pandemia i wynikające z niej kłopoty logistyczne są powodem obecnej sytuacji jedynie w ograniczonym zakresie. Największym winowajcą jest postępująca cyfryzacja, która przyzwyczaiła nas do wszechobecności prostych, tanich chipów, a także rozwój zaawansowanych rozwiązań wykorzystujących moc obliczeniową – sztucznej inteligencji, chmurowego przetwarzanie danych, kryptowalut, IoT czy 5G. Im bardziej wyrafinowana technologia, tym wolniej jest produkowana i tym więcej czasu wymaga na transfer wiedzy, szkolenia i wdrożenie – dodaje Ścibor Łąpieś, dyrektor, lider zespołu Technology/IT M&A, Deloitte.

W połowie 2021 roku czas realizacji zamówień na rynku półprzewodników wynosił od 20 do 52 tygodni, ale eksperci przewidują, że do końca 2022 roku można spodziewać się jego skrócenia do 10-20 tygodni, a do 2023 roku branża może wrócić do równowagi. Do ustabilizowania się sytuacji z pewnością przyczynią się inwestycje w tym zakresie. Choć założenie nowej fabryki chipów wymaga kilku lat pracy i inwestycji na poziomie 10 mld USD, największe firmy wytwarzające układy scalone zaplanowały w latach 2021-2023 wydać 200 mld USD na zwiększenie mocy produkcyjnych. Już w wyniku zakończenia wcześniejszych inwestycji, rozpoczętych w 2019 i 2020 r., do końca 2022 r. produkcja ma wzrosnąć o 35 proc.

Jak wskazują eksperci Deloitte, na rozwiązanie problemów z niedoborem układów scalonych w skali globalnej może w pewnym zakresie wpłynąć również produkcja chipów w modelu open-source, w szczególności w oparciu o otwarty standard RISC-V. Takie podejście przyspiesza możliwości rozpoczęcia wytwarzania nowych procesorów przez kraje, które do tej pory nie kojarzyły się z tego typu technologią.

Co więcej, rekordowo kształtują się inwestycje typu venture capital w firmy produkujące układy scalone. Deloitte przewiduje, że w 2022 r. fundusze VC na całym świecie zainwestują w nie ponad 6 mld USD – suma ta jest nieco niższa niż w 2021 r., ale ciągle znacznie przekracza nakłady odnotowane w ostatnich dwóch dekadach.

– Fuzje przedsiębiorstw działających w obszarze półprzewodników skutkują powstaniem nowych firm, które są jeszcze bardziej atrakcyjne dla inwestorów venture capital. Biorąc pod uwagę, że średnia wartość transakcji w 2021 r. wyniosła szacunkowo 25 mln USD, czyli mniej więcej trzy razy tyle, co średnia dla większości pozostałych transakcji w tym stuleciu, można powiedzieć, że startupy zajmujące się układami scalonymi są dobrze finansowane i mają środki zarówno na innowacje, jak i na zabezpieczenie w przypadku niepowodzeń – mówi Agnieszka Zielińska, partner w Dziale Doradztwa Finansowego, Deloitte.

Komputery kwantowe

Zdaniem ekspertów Deloitte w długoterminowej perspektywie ogromny potencjał mają komputery kwantowe. Prawdopodobnie jednak nie zostanie on zrealizowany przed końcem dekady, a obecnie jest bardzo niewiele przypadków ich faktycznego zastosowania na świecie. Rządy i inwestorzy venture capital inwestują jednak w tę technologię, a wyceny firm zajmujących się obliczeniami kwantowymi, które wchodzą na giełdę, sięgają nawet miliardów dolarów. Pomimo to, ten rynek jest w rzeczywistości niewielki: w 2022 r. przychody związane z kwantowym sprzętem komputerowym, oprogramowaniem i usługami obliczeniowymi nie osiągnął wartości 500 mln dolarów.

– Choć era obliczeń kwantowych jeszcze nie nadeszła, to nie znaczy, że nie można się do niej przygotowywać już teraz. Przewidujemy ciągły postęp w tej sferze oraz podwajanie się możliwości obliczeniowych komputerów kwantowych każdego roku. Nie wiemy jednak, jaki jest próg ich realnej użyteczności – czyli ta „magiczna liczba” kubitów prowadząca do prawdziwego przełomu. Dobra wiadomość jest taka, że komputery kwantowe są zupełnie inne od klasycznych, co pozwala im rozwiązywać złożone problemy – zbyt trudne lub zbyt kosztowne do zaadresowania dotychczasowymi metodami. Zła – że różnią się tak bardzo, że ich wykorzystanie i integracja nie będzie prosta – mówi Marcin Knieć, dyrektor Cloud Engineering, Deloitte.

Do najciekawszych rynków, na których komputery kwantowe mogą w najbliższym czasie zaistnieć prawdopodobnie należeć będą chemia kwantowa, materiałoznawstwo, komunikacja kwantowa oraz problemy optymalizacyjne i rekomendacje – we wszystkich tych dziedzinach zaobserwowano ostatnio postępy, jeśli chodzi o wykorzystanie obliczeń QC.

Ta technologia może w przyszłości poprawić wydajność algorytmów sztucznej inteligencji. Jest wiele modeli AI, które wymagają cały czas dużej mocy obliczeniowej. Na przykład obszar ryzyk klimatycznych – naukowcy szukają materiałów mogących skutecznie wychwytywać dwutlenek węgla.

– Inne zastosowania to analiza i tworzenie tekstu – obecnie, duże modele językowe, np. GPT-3 mają 175 mld parametrów i 500 mld elementów danych treningowych, a ich opracowanie wiązało się z nakładami rzędu 12 mln USD. Takie modele są nam potrzebne do prowadzenia mądrych konwersacji z czatbotami czy rozumienia prac naukowych z dziedziny medycyny, by budować skuteczne modele dla wparcia lekarzy drugą opinią, dokonaną przez AI – wskazuje Piotr Mechliński, dyrektor, lider praktyki AI & Data Risk, Deloitte.

Sztuczna inteligencja

Dzięki o wiele szybszym, wyspecjalizowanym procesorom, lepszemu oprogramowaniu i większym zbiorom danych, sztuczna inteligencja ma obecnie znacznie szersze możliwości niż kiedykolwiek wcześniej i to przy spadających kosztach jej wykorzystania. W 2022 r. to będzie znacznie potężniejsze narzędzie niż jeszcze pięć lat temu, co będzie się wiązało ze wzmożonymi kontrolami regulacyjnymi, których skutki da się odczuć we wszystkich branżach.

Eksperci Deloitte przewidują, że w 2022 r. dojdzie do wielu debat na temat bardziej ustrukturyzowanych ram regulacyjnych dotyczących sztucznej inteligencji. Jeśli nawet pojawią się jakieś konkretne propozycje w tym zakresie, ich wprowadzenie w życie w postaci rzeczywistych przepisów prawdopodobnie nastąpi jednak nie wcześniej niż w 2023 r.

Organy regulacyjne mają obawy co do konsekwencji wykorzystania Sl w związku z kwestiami sprawiedliwości, uprzedzeń, dyskryminacji, różnorodności i prywatności. Na przykład, podstawowym narzędziem stojącym za Sl jest uczenie maszynowe, któremu organy regulacyjne i inne podmioty bacznie się przyglądają i analizują je pod kątem potencjalnych uprzedzeń społecznych.

W centrum zainteresowania znalazło się wykorzystanie sztucznej inteligencji w sektorze publicznym, usługach finansowych i w zakresie zasobów ludzkich. Organy regulacyjne powinny starać się znaleźć punkt równowagi: muszą powstać przepisy ograniczające tendencyjność i uprzedzenia, ale zbyt wiele regulacji może zdusić innowacje i utrudnić konkurencyjność.

– Choć uregulowanie kwestii SI jest konieczne i jednocześnie bardzo trudne, głosy jednoznacznie krytyczne względem takich regulacji nie są dla mnie przekonywujące. Czy naprawdę chcemy, żeby druga opinia medyczna wydana przez sztuczną inteligencję nie była tworzona w reżimie ścisłych regulacji albo żeby autonomiczne auta nie uczyły się na ściśle nadzorowanych danych i modelach? Przyszłość konkurencyjna UE zależy od wielu czynników. Ważniejsze będzie to, czy rzeczywiście zjednoczymy swoje siły w globalnej konkurencji, czy też partykularne interesy krajów wezmą górę i przegramy razem lub też wygrają największe kraje europejskie – dodaje Piotr Mechliński.

Źródło: akcjonariat.pl