Opublikowany przez fundusz Citadel materiał poświęcony „tokenomii” sztucznej inteligencji zasługuje na wielką uwagę. Wnioski są zaskakująco proste: adopcja AI przestaje zależeć od tego, co modele potrafią zrobić w teorii. Teraz zależy od tego, ile kosztuje ich wykorzystanie w praktyce. Przez ostatnie dwa lata inwestorzy żyli w przekonaniu, że wyścig sztucznej inteligencji rozstrzygnie się między coraz potężniejszymi modelami.
Kluczowym wyzwaniem dla całego sektora AI jest fakt, że skala nie przekłada się automatycznie na wysoką rentowność. Każde dodatkowe zapytanie użytkownika wymaga zasobów obliczeniowych, a więc generuje realny koszt. Ten koszt ponoszą firmy. Tak więc sukcesie biznesowym nie zdecydują same możliwości modeli, lecz zdolność do monetyzacji ich produktywności na poziomie przewyższającym koszty infrastruktury i inferencji… Oba te koszty już są wysokie.
Limit wzrostu istnieje
Jeszcze kilkanaście miesięcy temu inwestorzy zachwycali się wizją niemal nieograniczonego wzrostu popytu na sztuczną inteligencję. Dziś coraz wyraźniej widać, że gospodarka przypomina o podstawowych prawach ekonomii. Citadel zwraca uwagę, że ceny pełnią trzy funkcje: sygnalizują niedobory, tworzą zachęty inwestycyjne oraz wymuszają racjonalizację wykorzystania zasobów. AI nie jest wyjątkiem.
Jeżeli koszt wykorzystania najbardziej zaawansowanych modeli pozostanie wysoki, rynek zacznie szukać alternatyw. Firmy nie będą płacić za dodatkowe 5% jakości, jeśli mogą uzyskać 90% efektu przy ułamku kosztów. To właśnie dlatego coraz częściej obserwujemy migrację w kierunku tańszych modeli i bardziej efektywnych architektur.
Jednak po tym jak Microsoft zerzygnował z używania usług Claude od Anhtropic, z powodu wysokich rachunków możemy założyć, że ostatecznie „walka” rozegra się na poziomie ekonomii, nie samej technologii. Wall Street premiuje każdą zapowiedź większej liczby parametrów, większych centrów danych i kolejnych rekordów wydajności. Jednak coraz więcej wskazuje na to, że prawdziwy problem AI nie znajduje się w kodzie, lecz w fizycznym świecie. Brakuje energii, infrastruktury i opcji rozbudowy.
Przez wiele miesięcy rynek skupiał się na możliwościach modeli. Teraz zaczyna skupiać się na rachunku ekonomicznym. A to zmiana o fundamentalnym znaczeniu.
O innym ostrzegawczym sygnale dla inwestorów pisaliśmy w artykule Omen Hindenburga znów zawisł nad Wall Street. Ryzyko spadków na giełdzie rośnie?
Wall Street może patrzeć w złym kierunku
Najciekawszą konsekwencją tej zmiany jest potencjalny wpływ na rynki finansowe. Przez ostatnie lata kapitał płynął przede wszystkim do producentów chipów i twórców modeli AI. Inwestorzy zakładali, że właśnie tam powstanie największa wartość. Citadel sugeruje coś bardzo interesującego. Jeżeli ograniczeniem rozwoju AI stają się energia i infrastruktura, część przyszłych zwycięzców może znajdować się poza sektorem technologicznym.
Beneficjentami mogą okazać się operatorzy sieci energetycznych, producenci urządzeń dla energetyki, firmy zajmujące się chłodzeniem przemysłowym, magazynowaniem energii czy budową infrastruktury przesyłowej. Innymi słowy, kolejna faza rewolucji AI może bardziej przypominać boom infrastrukturalny niż internetowy. Dostawcy oprogramowania czy nawet półprzewodników mogą okazać się raczej „chwilową modą” a realne pieniądze płynąć będą przez dekady do zupełnie innych spółek.
Problemem stała się infrastruktura?
Najciekawszym fragmentem raportu Citadel jest obserwacja, że rozwój sztucznej inteligencji coraz mniej zależy od samych modeli, a coraz bardziej od dostępności zasobów potrzebnych do ich działania. Compute, energia, chłodzenie, przepustowość pamięci i budżety inferencyjne stają się realnymi ograniczeniami wzrostu.
Jeszcze niedawno inwestorzy zastanawiali się, który model będzie najmądrzejszy. Dziś coraz częściej pojawia się pytanie, kto będzie w stanie obsłużyć miliardy zapytań dziennie bez gwałtownego wzrostu kosztów.
Nieprzypadkowo wskaźnik Silicon Data LLM Token Expenditure Index, na który powołuje się Citadel, zaczął sygnalizować spadek efektywnych kosztów wykorzystania modeli. Rynek dostosowuje się do ekonomicznej rzeczywistości. Użytkownicy wybierają rozwiązania wystarczająco dobre, a niekoniecznie najlepsze technologicznie – tak działa dojrzały rynek.
AI potrzebuje elektrowni, nie tylko chipów
Od ponad roku praktycznie wszyscy najważniejsi ludzie branży ostrzegają przed tym samym problemem. Sam Altman mówi o niedoborach energii. Jensen Huang podkreśla znaczenie infrastruktury obliczeniowej. Dario Amodei zwraca uwagę na gwałtownie rosnące zapotrzebowanie na moc obliczeniową.
Jeszcze niedawno wiele osób traktowało te wypowiedzi jako element marketingowej narracji. Dzisiaj coraz trudniej ignorować fakty.
Największe firmy technologiczne wydają dziesiątki miliardów dolarów na centra danych, jednak sama budowa kolejnych obiektów nie rozwiązuje problemu. Centra danych nie działają w próżni. Potrzebują energii, chłodzenia, transformatorów, sieci przesyłowych i dostępu do komponentów, których produkcja również ma swoje ograniczenia.
Przyszłość AI może zależeć bardziej od tempa rozbudowy sieci energetycznych niż od kolejnego przełomu w uczeniu maszynowym. Tu tutaj zaczyna się prawdziwy wyścig.
Bilionowe centra danych nie wystarczą
W świecie finansów panuje przekonanie, że wystarczy wydać więcej pieniędzy na AI, aby utrzymać przewagę. Problem polega na tym, że nie wszystkie ograniczenia można rozwiązać kapitałem.
Budowa kolejnego centrum danych nie oznacza automatycznie dostępu do dodatkowych gigawatów energii. W wielu regionach Stanów Zjednoczonych operatorzy sieci już dziś ostrzegają przed przeciążeniami i wieloletnimi kolejkami do przyłączeń nowych projektów.
To sprawia, że wizja kolejnych gigantycznych kampusów AI może okazać się mniej atrakcyjna, niż zakładają inwestorzy. Jeśli infrastruktura energetyczna nie nadąży za tempem rozwoju technologii, najnowocześniejsze centra danych staną się po prostu bardzo drogimi magazynami chipów.
Chiny rozumieją stawkę gry
W Stanach Zjednoczonych dyskusja wokół AI nadal koncentruje się głównie na modelach, wycenach spółek i kolejnych rundach finansowania. Tymczasem Chiny od lat realizują znacznie bardziej pragmatyczną strategię. Inwestują nie tylko w sztuczną inteligencję, ale również w energetykę, przemysł, sieci przesyłowe i produkcję.
To nie przypadek, że Pekin konsekwentnie zwiększa moce wytwórcze energii, rozwija odnawialne źródła oraz buduje przewagę w sektorach przemysłowych kluczowych dla przyszłej gospodarki cyfrowej.
Jeżeli AI rzeczywiście stanie się podstawową infrastrukturą XXI wieku, zwycięzcą nie będzie wyłącznie ten, kto stworzy najlepszy model. Zwycięży ten, kto będzie w stanie dostarczyć inteligencję najtaniej i na największą skalę. A to zupełnie inny rodzaj przewagi konkurencyjnej.
Nie zabraknie sztucznej inteligencji. Może zabraknąć mocy
Wielu inwestorów wciąż zachowuje się tak, jakby wyścig dopiero się zaczynał. Coraz więcej sygnałów wskazuje jednak, że pierwsza faza została już rozstrzygnięta. Modele są wystarczająco dobre. Teraz liczy się koszt ich wykorzystania. Największym ryzykiem dla AI nie jest już brak innowacji. Nie jest nim również brak kapitału.
Największym ryzykiem jest to, że infrastruktura fizyczna nie nadąży za ambicjami cyfrowej gospodarki. A jeśli tak się stanie, o przyszłości sztucznej inteligencji nie będą decydować laboratoria badawcze ani kolejne wersje modeli. Zdecydują o niej elektrownie, sieci przesyłowe i cena kilowatogodziny. Wszystko to może zająć długie lata.