Tutti vogliono sapere quale sarà il prossimo grande tema.
Ho avuto la fortuna di posizionarmi nel superciclo dell'ottica prima di molti altri, e questo ha cambiato la mia vita.
E se potessimo trovare il prossimo tema di questa portata e posizionarci in anticipo?
Credo che sia possibile.
Ed è di questo che parla questo report.
Dopo aver analizzato a fondo questa idea, credo che sia proprio questa.
Quindi in questo report spiegherò il tema, perché è investibile ora, dove è investibile, tutti i livelli + la catena di fornitura, e qual è il mio piano per il futuro.
L'Ottica / Fotonica resta il mio tema principale, che continuerò ad approfondire su questa pagina.
Ma ci sono opportunità là fuori che ci aspettano.
E questo tema che vi presenterò diventerà col tempo il secondo universo principale di cui mi occuperò su Substack.
Siamo ancora all'inizio e abbiamo tempo per posizionarci.
Cerchiamo di capire il modo migliore per farlo.
Physical AI
Gran parte del mio portafoglio è stato incentrato sull'Infrastruttura AI nell'ultimo anno. Il che è stato ovviamente fantastico.
Ora voglio sempre più che i nuovi capitali a disposizione vengano spesi per nuove opportunità nel tema Physical AI.
Tutte le aziende di infrastruttura in cui investo abilitano questo nuovo tema.
Il mio obiettivo con questo report è introdurre questo tema a un livello molto accessibile, in modo da partire tutti da una solida base.
Quando penso a Physical AI, lo vedo come il punto in cui le macchine diventano intelligenti.
Parliamo quindi di visione, movimento, riconoscimento, forza, sicurezza, feedback. Solo per citare alcune delle caratteristiche/funzionalità dei prodotti finali.
Il flusso è: vedere il mondo (attraverso telecamere e/o sensori), comprendere questo input, decidere quali azioni hanno senso, creare movimento o una qualche risposta, e poi verificare cosa è successo e correggere il tiro.
Il ciclo di feedback è un elemento critico. La macchina deve imparare dal risultato, e questo è un grande elemento di differenziazione rispetto alle macchine "non intelligenti" che ripetono semplicemente lo stesso movimento pre-programmato.
Mentre leggi questo post, ti consiglio di prendere appunti. Ogni volta che incontri un'area che pensi possa essere investibile, fermati e scrivila. Cerca di creare una ramificazione di quanti modi diversi pensi che questo livello possa essere investibile. Non aziende, ma diversi modi di monetizzare con un prodotto o un servizio. Una volta finito, continua a leggere. Ripeti il processo.
Il Cambiamento
Dallo schermo al mondo reale.
Gran parte del caso d'uso dell'AI oggi rientra nell'AI Generativa con testo, immagini, codice, video, ricerca, analisi, ecc. Praticamente tutti quelli che leggono questo l'hanno usata, se non quotidianamente. ChatGPT, Claude, Gemini, ecc.
La prossima ondata che stiamo già vedendo è quella Agentica, dove l'AI inizia a eseguire compiti invece di fornire solo risposte. Quindi un agente può cercare file, aggiornare fogli di calcolo, scrivere bozze di email, gestire il tuo calendario, ecc. Si passa dal "rispondere" al "fare", ma solo nel mondo digitale.
Poi c'è Physical AI, dove hai il controllo di qualcosa nel mondo reale. Invece di dire a un operatore di una macchina cosa è andato storto, la macchina può regolarsi da sola.
Penso che l'esempio visivo a cui la maggior parte delle persone pensa quando sente "Physical AI" sia un umanoide. Abbiamo appena visto Figure fare una dimostrazione live, confrontando un umanoide e un umano mentre smistavano pacchi.
Ma a mio parere, questa è una delle forme meno pratiche di Physical AI oggi. Quello che è reale sono droni, bracci robotici, trattori autonomi, sistemi per magazzini, sistemi chirurgici, sistemi di difesa, e così via.
L'idea di fondo è che l'AI si sta avvicinando al lavoro.
Ricollegandoci, l'AI Generativa aiuta con la conoscenza, l'AI Agentica aiuta con l'ufficio/software, e l'AI Fisica aiuta con... beh... il lavoro fisico. Per fortuna ce l'hanno resa semplice.
Quindi, qual è il TAM qui? Quanti soldi ci sono davvero in Physical AI?
La risposta è: "Sì".
Tutti. Tutto quanto.
Ok, ma sul serio, l'economia fisica è enorme.
Parliamo di fattorie, magazzini, miniere, ospedali, sistemi di difesa, reti di trasporto, infrastrutture energetiche, edilizia. Qualsiasi cosa.
Perché è Difficile
Ancoriamo questo report al realismo.
Quando isoliamo l'AI all'interno di uno schermo, è molto più facile da gestire. Gli errori non sono così critici. Le modifiche sono facili da fare. L'ambiente è relativamente controllato.
Entra nel mondo reale e diventa complicato.
Il posizionamento degli oggetti è imprevedibile. Gli umani sono caotici (senza offesa). Ci sono fattori ambientali come pioggia e vento. La luce all'interno di un magazzino può variare.
Quindi questi sistemi devono COMPRENDERE l'incertezza. Ancora, questa è la parte "intelligente". Questi sistemi devono funzionare anche quando gli oggetti si muovono in modo imprevedibile, i sensori si sporcano, l'illuminazione cambia, le persone attraversano il loro percorso, ecc.
Poi c'è l'aspetto della sicurezza. Sì, ci sono problemi di sicurezza con il software, specialmente se lasciamo che gli agenti vaghino liberamente in un'azienda, ma qui parliamo di sicurezza fisica. L'inventario può danneggiarsi, le persone possono ferirsi, le attrezzature possono rompersi.
Quindi questi sistemi devono essere precisi, affidabili, veloci e sicuri, tutto allo stesso tempo.
Penso che precisione, affidabilità e sicurezza siano cose ovvie.
La velocità potrebbe sorprendere alcuni. Ma pensateci. L'esempio più chiaro è la guida autonoma. Se una persona attraversa la strada all'improvviso davanti a un'auto, questa deve reagire quasi istantaneamente per evitare una catastrofe. La latenza deve essere minima. È qui che entra in gioco l'Edge AI, perché non puoi aspettare un server cloud in queste finestre di reazione.
Poi c'è il coordinamento tra le parti. Il cervello da solo non basta. Servono sensori per vedere, chip per elaborare le informazioni, software per prendere decisioni, motori per muoversi, sistemi di alimentazione per fornire energia, sistemi di controllo per mantenere la precisione e sistemi di sicurezza per prevenire esiti negativi.
Sembra una catena di fornitura... vero?
Bene. Bene.
Quindi quando vediamo demo, la distribuzione reale potrebbe essere molto diversa e più lontana. Una cosa è far funzionare una macchina in isolamento. Ben diverso è farla operare ogni giorno in ambienti reali. Quindi, oltre a tutte le cose che abbiamo appena detto che queste macchine devono essere in grado di fare, devono anche essere durevoli e durare a lungo.
Se tutto questo sembra un'impresa titanica... bene.
Lo è.
Ed è lì che si trova l'opportunità.
Perché le aziende che SANNO farlo. E che SANNO scalare. Sono posizionate per guadagnare davvero.
Il Ciclo Fondamentale
Praticamente ogni sistema di cui stiamo discutendo deve passare attraverso un ciclo simile.
1 - Vedere il mondo
2 - Capire cosa sta succedendo
3 - Decidere cosa fare
4 - Verificare i risultati
5 - Migliorare
Facciamo un esempio pratico.
Un robot per magazzino.
Prima deve vedere il corridoio. Potrebbe usare telecamere, lidar, sensori di profondità o altri sensori per capire dove sono gli scaffali, dove sono le scatole e dove si muovono altri robot o persone.
Poi deve elaborare e comprendere queste informazioni. Deve capire che un oggetto è una scatola, un altro è una persona, ecc. Deve capire distanza, velocità, direzione e rischio.
Poi arriva la decisione. Dovrebbe continuare a muoversi? Rallentare? Girare a sinistra? È qui che la percezione inizia a trasformarsi in azione.
Poi viene il movimento. I motori girano, i bracci robotici si regolano, la pinza si chiude. Qualunque cosa sia. Ora siamo nel fisico.
Poi verifica il risultato. È arrivato allo scaffale giusto? Ha preso l'oggetto giusto? Questo è un passaggio cruciale perché il mondo reale è imprevedibile.
Infine, migliora. Usa il feedback da ciò che è successo per prendere una decisione migliore la prossima volta. Fondamentalmente è così che funzioniamo anche noi umani. Forse impara che un certo oggetto è più difficile da afferrare o che un certo percorso si congestiona a una certa ora.
Questo ciclo di feedback è ciò che distingue Physical AI dall'automazione di base. L'automazione vecchio stile è un insieme di istruzioni fisse. Physical AI si adatta, osserva, reagisce, si regola.
Tutti questi passaggi sono il motivo per cui lo stack investibile è così ampio. Parliamo di sensori, chip, software, motori, alimentazione, controlli, sistemi di sicurezza, dati. Un corpo robotico da solo è inutile senza il ciclo.
Lo Stack Investibile
Ora possiamo entrare nei dettagli su cosa contiene ogni livello.
Non stiamo ancora parlando di aziende. Dobbiamo gettare le basi.
Mi piace l'idea di paragonare Physical AI a una persona. Non nell'aspetto umanoide/estetico. Ma nelle funzioni e nei sensi.
Gli umani hanno bisogno di un cervello, occhi, muscoli, nervi, energia, equilibrio, memoria e pratica. Un sistema Physical AI ha bisogno della versione meccanica di tutte queste cose, in una forma o nell'altra.
Il robot/macchina letterale che vedi è solo una parte del sistema. Ciò che sta dietro la macchina è molto più grande e profondo. Ed è lì che risiede davvero l'esposizione alle società quotate.
Ancora prima che lo stack inizi, abbiamo l'addestramento. Prima che una macchina possa funzionare nel mondo reale, l'AI deve imparare. Quindi abbiamo bisogno di dati, modelli, esempi di come appaiono le buone azioni. Potrebbe addestrarsi su dati del mondo reale, dati sintetici, dati di simulazione o dimostrazioni umane. È come un nuovo dipendente che impara a svolgere un lavoro prima di iniziarlo.
Poi arriva la simulazione. È qui che la macchina si esercita in un mondo virtuale. Quindi un robot da magazzino può esercitarsi a muoversi attraverso corridoi digitali. Un drone può esercitarsi a volare attraverso un campo di battaglia digitale, ecc. Questo è importante perché l'esercizio nel mondo reale è costoso, più lento e talvolta rischioso.
Poi arriva la percezione.
Per leggere il resto di questo report, clicca qui:
Approfondisco i restanti livelli investibili, dove vedo questo tema dirigersi e come sarà il mio processo.
Insieme all'Ottica, Physical AI è ora il secondo tema principale che analizzo in profondità.
Costruzione completa del portafoglio
Analisi di tutti i livelli
Presentazione di aziende specifiche
Copertura degli utili, ecc.
