این روند کمتر شناخته‌شده هوش مصنوعی می‌تواند برنده بعدی ۱۰ برابری را به شما بدهد

!Juneteenth مبارک! دفاتر InvestorPlace ما امروز به مناسبت تعطیلات بازار تعطیل هستند. اگر به کمک از تیم خدمات مشتریان ما نیاز دارید، آن‌ها با کمال میل در روز دوشنبه پس از بازگشایی در خدمت شما خواهند بود.

اکثر سرمایه‌گذاران هوش مصنوعی را یک داستان نرم‌افزاری می‌دانند. Joe Austin فکر می‌کند آن‌ها در جای اشتباهی نگاه می‌کنند.

پس از چهار دهه در وال استریت، Joe – که اکنون با دوستان ما در Chaikin Analytics همکاری می‌کند – بر این باور است که برخی از بزرگ‌ترین فرصت‌ها در رونق هوش مصنوعی ممکن است از زیرساختی بیاید که بی‌صدا همه چیز را تأمین می‌کند. به طور مشخص، همگرایی رو به رشد بین هوش مصنوعی و اینترنت اشیاء.

در تصاحب Digest جمعه امروز، او توضیح می‌دهد که چرا ماشین‌های متصل، سنسورها و سیستم‌های صنعتی برای اقتصاد هوش مصنوعی اهمیت فزاینده‌ای پیدا می‌کنند… و چرا شرکت‌هایی که این تحول را ممکن می‌سازند ممکن است سود بیشتری نسبت به بسیاری از نام‌های پرسروصدایی که امروز بازار را تحت سلطه دارند ارائه دهند.

او همچنین توضیح می‌دهد که چرا این روند توجه زیادی از کهنه‌کار بازار Marc Chaikin و تیم Chaikin Analytics را جلب می‌کند. در واقع، Joe و Marc قرار است یک ابزار تحقیقاتی جدید مبتنی بر هوش مصنوعی را در یک رویداد رایگان در ۲۴ ژوئن رونمایی کنند. می‌توانید همین‌جا جای خود را رزرو کنید.

اگر Joe درست بگوید، نسل بعدی برندگان هوش مصنوعی ممکن است شرکت‌هایی نباشند که همه امروز درباره‌شان صحبت می‌کنند – بلکه آن‌هایی باشند که بی‌صدا کل انقلاب هوش مصنوعی را ممکن می‌سازند.

ادامه را به Joe می‌سپارم.

،Juneteenth فوق‌العاده‌ای داشته باشید

Jeff Remsburg

در اعماق بوته‌زارهای استرالیا، یک معدن زغال‌سنگ نزدیک بود به حالت تعطیل درآید.

و هیچ‌کس آن را پیش‌بینی نکرده بود…

معادن به شبکه‌های گسترده‌ای از نوار نقاله وابسته هستند. این نوارها در زیرزمین و در سطح زمین باز پیچ و تاب می‌خورند و سنگ معدن را از استخراج به فرآوری منتقل می‌کنند. اگر نوارها متوقف شوند، معدن هم متوقف می‌شود.

در این معدن زغال‌سنگ، دقیقاً همین اتفاق در شرف وقوع بود. سنسورهای مبتنی بر هوش مصنوعی روی موتورهای نوار نقاله چیز عجیبی را علامت‌گذاری کردند — یاتاقان محرک نوار نقاله سریع‌تر از حد معمول در حال خراب شدن بود.

مقصر، شیاردار شدن یاتاقان بود. این اتفاق زمانی رخ می‌دهد که جریان الکتریکی به جای عبور از سیستم اتصال به زمین، از طریق یاتاقان نشت می‌کند. این پدیده بی‌صدا یاتاقان را از درون آسیب می‌زند — تا زمانی که دیگر خیلی دیر شده باشد.

یک بازرسی فیزیکی ممکن بود سایش را تشخیص دهد، اما فوریت موضوع را درک نمی‌کرد. سنسورها این کار را کردند.

آن‌ها مشکل را به قدر کافی زود تشخیص دادند تا آن را به مشکل اتصال به زمین رهگیری کنند، آن را برطرف کنند و یاتاقان را قبل از توقف نوار تعویض کنند. در نتیجه، سایت از ۱۰ ساعت توقف برنامه‌ریزی‌نشده و تقریباً ۱۹۱,۰۰۰ دلار ضرر تولید جلوگیری کرد.

مهم‌تر از همه، رفع علت اصلی — نه فقط علامت — عمر یاتاقان را افزایش داد و هزینه‌های نگهداری بلندمدت را کاهش داد.

سنسورها فقط یک یاتاقان را نجات ندادند. آن‌ها کل عملیات را نجات دادند.

این بخشی از یک موضوع گسترده‌تر است که چشمم روی آن بوده…

هوش مصنوعی و ماشین‌ها کارهایی را انجام می‌دهند که انسان‌ها نمی‌توانند — یا بهتر انجام می‌دهند.

و یک مفهوم کلیدی به طور فزاینده‌ای این را ممکن می‌سازد.

پایه و اساس هوش مصنوعی صنعتی

منظورم اینترنت اشیاء — IoT است.

این فناوری بی‌صدا به یکی از فناوری‌های تعریف‌کننده نسل ما تبدیل شده است.

چندی پیش، یک ترموستات فقط یک ترموستات بود. امروز، یک دستگاه متصل است که اطلاعات را با گوشی شما، سیستم HVAC شما و ابر به اشتراک می‌گذارد. IoT در حال تغییر شکل نحوه ارتباط افراد، ماشین‌ها و فرآیندها است.

در اوایل دهه ۱۳۶۰ (۱۹۸۰ میلادی)، برنامه‌نویسان دانشگاه Carnegie Mellon یک دستگاه فروش کوکاکولا در پردیس را به اینترنت وصل کردند تا بتوانند قبل از رفتن به سراغ آن بررسی کنند که آیا نوشیدنی‌ها سرد هستند یا نه. در سال ۱۳۷۷ (۱۹۹۹ میلادی)، Kevin Ashton در MIT به این نوع چیز یک نام داد: اینترنت اشیاء.

استدلال Ashton ساده بود: ماشین‌ها نباید مجبور باشند منتظر انسان‌ها بمانند تا داده‌ها را به آن‌ها تغذیه کنند. مردم می‌توانند کند، حواس‌پرت و مستعد خطا باشند. اگر کامپیوترها می‌توانستند اطلاعات را به تنهایی جمع‌آوری کنند و دنیای فیزیکی را به صورت ردیابی در زمان واقعی (بلادرنگ) دنبال کنند، می‌توانستیم ضایعات را حذف کنیم، مشکلات را زود تشخیص دهیم و وضعیت همه چیز را — در همه زمان‌ها — بدانیم.

اکنون در دنیایی زندگی می‌کنیم که او تصور می‌کرد.

اعداد این تغییر را منعکس می‌کنند

طبق شرکت تحقیقاتی صنعتی IoT Analytics، در سال ۱۴۰۳ (۲۰۲۴ میلادی)، ۱۸.۶ میلیارد دستگاه به IoT متصل بودند. تا سال ۱۴۰۹ (۲۰۳۰ میلادی)، انتظار می‌رود این عدد به ۳۹ میلیارد برسد — و تا سال ۱۴۱۴ (۲۰۳۵ میلادی) به ۵۵ میلیارد برسد.

بازار IoT در سال ۱۴۰۴ (۲۰۲۵ میلادی) نزدیک به ۵۵۰ میلیارد دلار درآمد ایجاد کرد. و پیش‌بینی می‌شود تا سال ۱۴۰۹ (۲۰۳۰ میلادی) به بیش از ۸۶۵ میلیارد دلار برسد.

اما کاربردهای صنعتی بخش زیادی از این رشد را هدایت می‌کنند — و اینجاست که برای سرمایه‌گذاران واقعاً جالب می‌شود.

بازار IoT صنعتی — به سنسورها، ماشین‌آلات متصل و سیستم‌های خودکار در کارخانه‌ها فکر کنید — در سال ۱۴۰۴ (۲۰۲۵ میلادی) تقریباً ۳۲۶ میلیارد دلار بود. تا سال ۱۴۱۳ (۲۰۳۴ میلادی)، انتظار می‌رود تقریباً سه برابر شود و به حدود ۹۴۵ میلیارد دلار برسد. این تقریباً دو برابر نرخ رشد بازار گسترده‌تر IoT است.

و این منطقی است. صنایع فیزیکی بیشترین سود را از ماشین‌هایی می‌برند که می‌توانند بدون دخالت انسانی حس کنند، ارتباط برقرار کنند و عمل کنند. هوش مصنوعی تنها کاری را که آن ماشین‌ها می‌توانند انجام دهند تسریع می‌کند.

این عددی است که واقعاً توجه من را جلب کرد: تا سال ۱۴۰۹ (۲۰۳۰ میلادی)، انتظار می‌رود تقریباً نیمی از تمام درآمدهای IoT صنعتی به هوش مصنوعی وابسته باشند. این یک تغییر اساسی در نحوه عملکرد کارخانه‌ها، معادن و شبکه‌های انرژی است — و بر اساس برخی برآوردها، می‌تواند تا ۷۰ میلیارد دلار ارزش بازار جدید را باز کند.

داده‌ها این موضوع را تأیید می‌کنند. طبق نظرسنجی سال ۱۴۰۴ (۲۰۲۵ میلادی) از نزدیک به ۱۸,۰۰۰ شرکت بخش خصوصی، شرکت‌هایی که فقط در هوش مصنوعی سرمایه‌گذاری کردند ۱۰.۴٪ افزایش بهره‌وری دیدند. شرکت‌هایی که فقط در IoT سرمایه‌گذاری کردند ۶٪ کاهش دیدند. اما کسب‌وکارهایی که در هر دو هوش مصنوعی و IoT با هم سرمایه‌گذاری کردند ۱۸.۹٪ افزایش بهره‌وری ثبت کردند — تقریباً دو برابر سود فقط هوش مصنوعی.

به بیان ساده: هوش مصنوعی بدون اتصال فیزیکی تنها نیمی از داستان است. و اتصال فیزیکی بدون هوش مصنوعی عقب می‌ماند.

هوش مصنوعی به ماشین نزدیک‌تر می‌شود

تا همین اواخر، اکثر سنسورهای صنعتی اصلاً هوش مصنوعی داخلی نداشتند. این در حال تغییر سریع است.

سازندگان اکنون هوش مصنوعی را مستقیماً در سنسورها، دروازه‌ها و تجهیزات کف کارخانه می‌سازند. به جای ارسال داده به ابر و انتظار برای پاسخ، ماشین‌ها اطلاعات را در همان لحظه پردازش می‌کنند. نتیجه تصمیم‌گیری سریع‌تر، خرابی‌های کمتر و انسان‌های کمتری است که برای مدیریت کل سیستم نیاز است.

این همان اتفاقی بود که در آن معدن زغال‌سنگ استرالیایی افتاد. و در کارخانه‌های تولیدی، میادین نفتی، بنادر کشتیرانی و شبکه‌های برق در سراسر جهان در حال وقوع است.

دوستان، این الگو را بارها در طول ۴۰ سال فعالیتم در وال استریت دیده‌ام.

بزرگ‌ترین نام‌های هوش مصنوعی — شرکت‌هایی مانند Meta Platforms Inc. (META) و Microsoft Corp. (MSFT) — بیشترین توجه را می‌گیرند. و آن‌ها با فشار زیادی روبرو هستند تا ثابت کنند که تریلیون‌ها دلار سرمایه‌گذاری در هوش مصنوعی در نهایت جواب می‌دهد.

اما لازم نیست دنبال نام‌های پرسروصدا بگردید تا سرمایه‌گذاری‌های عالی در این مگاترند پیدا کنید.

در واقع، برخی از بهترین فرصت‌ها در هر چرخه فناوری بزرگ از شرکت‌هایی آمده‌اند که زیرساختی را می‌سازند که همه چیز را ممکن می‌کند — نه آن‌هایی که بیشترین زمان پخش را در CNBC دارند.

به رونق اینترنت فکر کنید. بله، Alphabet Inc. (GOOG) و Amazon.com Inc. (AMZN) به برندگان بزرگ تبدیل شدند. اما شرکت‌هایی که روترها، کابل فیبر و سخت‌افزار سرور می‌ساختند هم همین‌طور — بازی‌های picks-and-shovels که کل ساخت‌وساز را تأمین کردند.

همگرایی هوش مصنوعی و IoT فرصتی مشابه ایجاد می‌کند. و شرکت‌هایی که بهترین موقعیت را برای پیروزی دارند لزوماً آن‌هایی نیستند که شما از قبل دارید.

چگونه موج بعدی برندگان را پیدا کنیم

اینجاست که دقیقاً Marc Chaikin وارد می‌شود.

Marc ۶۰ سال در وال استریت گذرانده و ابزارهای تحلیلی از نوعی توسعه داده که می‌توانند سروصدا را کنار بزنند و سهام‌هایی با شتاب واقعی پشت آن‌ها پیدا کنند. Power Gauge او این کار را برای دهه‌ها انجام داده است.

اما در ۲۴ ژوئن، Marc و من چیز جدیدی را رونمایی می‌کنیم — چیزی که هیچ‌کدام از ما تا به حال به عموم نشان نداده‌ایم.

این یک پلتفرم مبتنی بر هوش مصنوعی است که ما آن را Time Machine می‌نامیم. و با رفتن "به گذشته" از طریق دهه‌ها از داده‌های بازار کار می‌کند تا سهام‌هایی امروز پیدا کند که DNA مالی و فنی آن‌ها به طور نزدیک با پروفایل سهام‌هایی مانند Nvidia Corp. (NVDA)، Amazon و Meta در ابتدای دوره‌های تاریخی‌شان مطابقت دارد.

در بک‌تستینگ، سهام‌هایی را شناسایی کرد که به سودهای ۹۹۵٪، ۱,۴۰۶٪ و حتی ۳,۸۰۴٪ رسیدند — در حالی که سهام‌های "اولیه" که آن‌ها تقلید می‌کردند بازدهی بسیار متعادل‌تری داشتند.

۴۰ سال تلاش کرده‌ام از تغییرات عمده فناوری جلوتر باشم. این قدرتمندترین ابزاری است که برای انجام دقیقاً همین کار دیده‌ام.

ساخت هوش مصنوعی صنعتی واقعی است، عظیم است و هنوز زود است. سؤال این است که آیا شما برای بهره‌مندی از آن موضع گرفته‌اید — یا اینکه از کنار خواهید نشست و نسل بعدی برندگان بزرگ شکل خواهند گرفت.

در ۲۴ ژوئن، Marc و من دقیقاً به شما نشان خواهیم داد که Time Machine الان کدام سهام‌ها را علامت‌گذاری می‌کند — رایگان.

برای دسترسی، تنها کاری که باید انجام دهید رزرو جای خود همین الان است. وقتی این کار را کنید، دسترسی زودهنگام به پلتفرم بتای Time Machine خواهید داشت تا بتوانید قبل از پخش رایگان ما آن را بررسی کنید. می‌توانید هر نماد معاملاتی را وارد کنید و ببینید چگونه با بزرگ‌ترین برندگان تاریخ بازار سهام مقایسه می‌شود.

این اولین محصول مبتنی بر هوش مصنوعی Chaikin Analytics است — و جایگاه‌های چارتر محدود خواهند بود.

همین‌جا برای این رویداد رایگان ثبت‌نام کنید.

سرمایه‌گذاری موفق،

Joe Austin

تحلیلگر ارشد، Chaikin Analytics

P.S. Joe چهار دهه را صرف تماشای چرخه‌های بزرگ فناوری کرده است. و او می‌گوید همگرایی هوش مصنوعی و IoT یکی از مهم‌ترین فرصت‌های سرمایه‌گذاری است که دیده است. اما پنجره ورود زودهنگام برای همیشه باز نمی‌ماند. رویداد Marc و Joe در ۲۴ ژوئن رایگان است — و وقتی جای خود را رزرو می‌کنید، همین الان دسترسی زودهنگام به نسخه بتای Time Machine دریافت می‌کنید، بدون نیاز به خرید.