Wyścig o sztuczną inteligencję nabiera tempa, gdy obawy przed bańkami nadal niepokoją inwestorów

Ostatnie kilka miesięcy przypominało obserwowanie nowej rewolucji przemysłowej rozwijającej się w szybkim tempie.

Co tydzień pojawia się kolejny przełomowy model. Inny gigant technologiczny sugeruje nowe centrum danych wielkości miasta.

Inny start-up wprowadza wycenę, która rok temu wydawałaby się absurdalna.

Inwestorzy próbują płynąć na fali, a jednak wiele globalnych aktywów ostatnio zostało sprzedanych, jakby rynki nagle zorientowały się, że coś nie do końca pasuje.

Hałas był głośny, a liczby większe. Ale obraz stawał się coraz trudniejszy do odczytania.

Niektórzy martwią się, kto prowadzi w wyścigu AI, podczas gdy inni wciąż wyrażają obawy dotyczące pęknięcia "bańki AI".

Jak wyścig stał się sprintem bez mety

Kiedy ChatGPT pojawił się pod koniec 2022 roku, Dolina Krzemowa zachowywała się, jakby ktoś odkrył ropę pod każdym parkiem biurowym. Zakład był prosty.

Skaluj modele. Skaluj obliczeniowe. Skaluj przychody. W tej pierwszej fazie nie miało znaczenia, że koszty rosły. Liczyła się szybkość.

Pod koniec 2025 roku dziedzina zmieniła kształt i OpenAI nie wygląda już na nietykalnego.

Firma niedawno ogłosiła ogólnofirmowy "kod czerwony ", aby wzmocnić ChatGPT po tym, jak Gemini 3 od Google osiągnął lepsze wyniki niż konkurenci w kilku testach testowych.

Sam Altman wstrzymał nowe przedsięwzięcia, aby skupić się na szybkości, niezawodności i personalizacji.

Taka pilność ze strony lidera rynku mówi inwestorom coś ważnego.

Czas oczekiwania na granicy się skraca, a fosa wokół "najlepszy model wygrywa" jest cieńsza niż zakładano.

Ale Google i OpenAI nie walczą sami.

Chińska firma DeepSeek informuje, że jej najnowszy model V3.2 dorównuje GPT-5 w testach rozumowania i osiąga wyniki na poziomie Olimpiady w matematyce.

Mistral w Paryżu wypuścił otwarte modele zaprojektowane do pracy na urządzeniach, a nie na gigantycznych farmach serwerowych.

Największe banki Europy już z nich korzystają.

Jednocześnie Anthropic przygotowuje się do tego, co może stać się jednym z największych IPO w historii amerykańskiej technologii, zatrudniając Wilsona Sonsiniego do rozpoczęcia formalnych prac przygotowawczych, gdy firma ściga się z OpenAI na rynku publicznym, według Financial Times.

Frontier AI to już nie wyścig jednego konia. Zaczyna przypominać wczesne lata smartfonów, kiedy każda firma była zmuszona co sezon wypuszczać nowy flagowy model.

Dla inwestorów oznacza to jedno. Okno na uzyskanie nadmiernych zysków z tymczasowej przewagi technologicznej się zamyka.

Branża staje się konkurencyjna na szczycie znacznie szybciej, niż się spodziewano.

Ukryty koszt przepisywania ekonomii

Magia AI leży na bardzo niemagicznych liczbach. Dyrektor generalny IBM, Arvind Krishna niedawno przedstawił bezpośrednią kalkulację.

Wypełnienie centrum danych AI o mocy jednego gigawata najnowszymi układami scalonymi kosztuje około osiemdziesięciu miliardów dolarów.

Główne laboratoria i dostawcy chmury rozważają budowę blisko 100 gigawatów takiej mocy.

Proste mnożenie sprawia, że cena sięga blisko ośmiu bilionów dolarów, zanim uwzględnimy koszty operacyjne lub modernizację energii.

Nawet przy umiarkowanych stopach procentowych roczny zysk potrzebny tylko na pokrycie kosztów kapitału sięga 800 miliardów dolarów.

Większość inwestorów nie zrobiła tego obliczeń. Gdy już to zrobili, wyprzedaż w sektorze technologicznym stała się bardziej zrozumiała.

Rynki zdały sobie sprawę, że wyścig nie toczy się już za pomocą kodu i danych, lecz rachunków inwestycyjnych o rozmiarze, jakiego ostatnio widziano w krajowych projektach infrastrukturalnych.

Amortyzacja dodaje kolejny problem. Układy AI szybko stają się przestarzałe. Krishna powiedział, że okres użytkowania to około pięciu lat.

Oznacza to, że w modelu wbudowane są ogromne cykle wymiany. Dziś AI nie zachowuje się jak oprogramowanie w chmurze. Zachowuje się jak przemysł ciężki.

I Kryszna nie jest sam.

Bank Anglii niedawno ostrzegł, że wyceny powiązane z AI w Stanach Zjednoczonych wyglądają na równie napięte jak przed krachem w branży dot-com.

Oczekuje się, że globalne wydatki na AI przekroczą pięć bilionów dolarów w ciągu najbliższych pięciu lat i mówi, że około połowa z nich zostanie sfinansowana z dłużu.

Główne grupy technologiczne wyemitowały w tym roku około 250 miliardów dolarów nowych długów na sfinansowanie infrastruktury.

Ten wzorzec przypomina mniej wczesny internet, a bardziej kapitałochłonną rozbudowę infrastruktury.

Bańka w takim środowisku nie dotyka tylko inwestorów akcyjnych. Dotyka także pożyczkodawców i rynków kredytowych.

Gdy aktywa były sprzedawane na rynkach światowych, był to jeden z powodów.

Inwestorzy zdali sobie sprawę, że AI nie jest już darmową opcją dla przyszłego wzrostu.

Obecnie jest powiązany z rzeczywistymi bilansami i sieciami energetycznymi. Ryzyko negatywne jest większe, niż myśleli.

Sprzęt kształtuje kolejny rozdział

Strach przed zamknięciem w ekosystemie Nvidii sprawił, że każda duża platforma przeszła w własną strategię sprzętową.

Google rozszerza swój program niestandardowych TPU. Najnowsze zrębki Ironwood są chłodzone wodą i ułożone w kapsuły po ponad dziewięć tysięcy sztuk.

Anthropic podpisał umowę dając jej dostęp do około miliona TPU w czasie.

Amazon szybko wypuścił akcelerator Trainium3 i przeznaczył setki tysięcy jednostek na wsparcie trenowania modeli Anthropic.

Ta fala inwestycji pokazuje, jak branża próbuje wydostać się z wąskiego gardła GPU.

Wzmacnia to także skalę zobowiązania. Są to aktywa o długim życiu i niewielkiej elastyczności.

Jeśli architektura modelu podstawowego zmieni kierunek, część tego sprzętu staje się mniej użyteczna. Inwestorzy zaczęli się tym również martwić.

Yann LeCun, jeden z pionierów AI, twierdzi, że obecne duże modele językowe to "maszyny korelacyjne" i nie mogą osiągnąć ogólnej inteligencji bez innej architektury.

Ilya Sutskever, współzałożyciel OpenAI, mówi, że era skalowania dobiega końca. Jeśli mają rację, ogromna inwestycja dostosowana do dzisiejszych LLM może nie sprostać jutrzejszym potrzebom.

To jest rodzaj ryzyka, którego rynki nie wyceniały.

Co się stanie, jeśli hype opadnie, ale technologia przetrwa

Historia pokazuje, że większość technologicznych boomów przekracza granice możliwości. Koleje tak. Radia tak. Internet zdecydowanie tak.

Inwestorzy dążący do wzrostu mają tendencję do wypychania wycen poza to, co pierwsza fala modeli biznesowych może uzasadnić. Ale podstawowe technologie przetrwają.

AI gdzieś w tej historii się znajduje. Przypadki użycia są realne. Przedsiębiorstwa zaczynają wdrażać modele kodowania, analizy i obsługi klienta.

Apple reorganizuje cały swój zespół programistyczny wokół inteligencji na urządzeniu.

Reddit wykorzystuje nowy Nova Forge Amazona do budowy własnego modelu egzekwowania polityk.

Te przykłady sugerują, że AI przechodzi od nowości do infrastruktury.

Wyzwanie to wyczucie czasu. Korzyści z produktywności potrzebują czasu, by się ujawnić. Rachunki inwestycyjne dotarły teraz.

Gdy globalne akcje spadły, ta niezgodność pomogła wyjaśnić reakcję.

Inwestorzy rozumieli, że mogą być potrzebni dłużej czekać na spłatę, podczas gdy koszty pożyczania były natychmiastowe.

To, co pozostanie po opadnięciu piany, będzie ważniejsze niż sama korekta. Sieci optyczne. Osobiste modele na urządzeniach.

Silikon na zamówienie. Mniejsze, otwarte modele działające w samochodach lub laptopach. Te elementy wyglądają na trwałe, ponieważ wbudowują AI w fizyczną i cyfrową strukturę gospodarki.

Laboratoria walczące o granicę mogą powstać lub upadać, ale infrastruktura pozostaje.

Prawdziwa lekcja dla globalnych inwestorów jest taka, że "boom na AI" nie jest ani czystą fantazją, ani prostą drogą do nieskończonych zysków.

To kosztowna transformacja technologiczna zachodząca w czasie rzeczywistym i w realnych warunkach finansowych.

Nagroda nadejdzie, ale nie równomiernie i nie od razu. Turbulencje cen aktywów to rynek próbujący ustalić, kto przechwyci tę wartość, a kto po prostu zapłaci rachunek.