Wyścig nabiera tempa. SpaceX Elona Muska, która buduje zarówno modele AI, jak i rakiety kosmiczne, ogłosiła w zeszłym tygodniu, że stara się o wycenę na 1,77 biliona dolarów (1,31 biliona funtów) na amerykańskiej giełdzie. Tymczasem Anthropic, startup stojący za chatbotem Claude, poinformował, że złożył wniosek o pierwszą ofertę publiczną. Oczekuje się, że OpenAI, twórca ChatGPT, pójdzie w ich ślady.
Ten najnowszy szczyt na rynku AI następuje w trakcie wartej wiele bilionów dolarów fali wydatków na powiązaną infrastrukturę, taką jak centra danych. W tym samym czasie firmy starają się wykorzystywać tę technologię w sposób, który uzasadni ich inwestycje. Oto spojrzenie na to, gdzie znajduje się boom AI, oraz sześć kluczowych wykresów pokazujących, jak do tego doszło.
1. AI wyniosło akcje na nowe wyżyny
Indeks S&P 500, który śledzi 500 największych amerykańskich spółek, wzrósł o prawie 80% w ciągu ostatnich pięciu lat. Skok ten był napędzany przez duże spółki technologiczne mające udział w boomie AI – „wspaniałą siódemkę": Alphabet, Amazon, Apple, Meta, Microsoft, Nvidia i Tesla.
Skupienie inwestorów na technologii jest bezprecedensowe, mówi Jim Bianco z amerykańskiej firmy Bianco Research. Jego badania wykazały, że 41 akcji związanych z AI stanowi obecnie prawie połowę całkowitej wartości rynkowej indeksu S&P 500.
Neil Wilson, analityk z platformy inwestycyjnej Saxo UK, ostrzega, że ryzyko szoku inflacyjnego na wzór lat 70., ogólnie wysokie wyceny technologiczne oraz potencjalne zamrożenie rynków kredytu prywatnego nie wróżą dobrze akcjom.
„Cały rynek stał się jedną wielką strukturą AI" – mówi. „Niebezpieczeństwo polega na powtórce bańki internetowej – ogromnym krachu i latach utraconych zysków. Według niektórych miar wyceny nie są tak naciągnięte jak wtedy, ale wygląda to na niezwykle ryzykowny rynek."
2. Wydatki rosną w zdumiewającym tempie
Wydatki na AI – od centrów danych po chipy – gwałtownie rosną, z 765 miliardów dolarów w tym roku do 1,6 biliona dolarów do 2031 roku, według Goldman Sachs. Bank inwestycyjny przyznaje, że przy tak ogromnym zaangażowaniu mogą pojawić się problemy. Co, jeśli budowa centrów danych zostanie opóźniona?
„Przy skali zaangażowanego kapitału, nawet niewielkie opóźnienia w realizacji rodzą poważne pytania o założenia popytu stojące za tymi inwestycjami" – mówią analitycy Goldman Sachs. Dodają jednak, że jeśli plany wydatków przebiegną gładko, może to wywołać nową falę popytu na AI. Mimo to wydatki pokazują, jak wiele globalnych zasobów finansowych – i oczekiwań co do zwrotów – jest przeznaczanych na AI.
3. Firmy i konsumenci szybko wdrażają AI
Pomimo mieszanych doniesień o jego korzyściach, zdecydowana większość firm zaczyna używać AI – wzrost z 33% w 2023 roku do prawie 80% obecnie, według firmy konsultingowej McKinsey. Popularność wśród społeczeństwa jest również wysoka – ChatGPT od OpenAI osiąga obecnie 1 miliard aktywnych użytkowników miesięcznie, według danych Sensor Tower – co jest rekordem dla każdej aplikacji.
Wyzwaniem dla twórców AI jest teraz to, jak zarabiać pieniądze na tej ogromnej bazie publicznych i prywatnych klientów. Firmy muszą wykazać, że AI poprawia wyniki i obniża koszty na tyle, by uzasadnić wydatek. Oznacza to wykorzystanie jej do budowania całych przepływów pracy – żargon biznesowy oznaczający wykonanie zadania od początku do końca. Na tym froncie wciąż daleka droga.
4. Claude dogania ChatGPT
Anthropic zaczął zyskiwać przewagę nad OpenAI pod koniec ubiegłego roku, gdy jego narzędzie Claude Code stało się wirusowe wśród programistów, głównie w rejonie San Francisco, zanim rozprzestrzeniło się szerzej. Claude Code oznaczał zmianę w sposobie wykorzystania dużych modeli językowych – podstawowej technologii stojącej za chatbotami – przesuwając się w kierunku autonomicznych agentów AI, którzy wykonują zadania bez pomocy człowieka, umożliwiając nawet osobom nietechnicznym tworzenie oprogramowania i obsługę szerokiego zakresu zadań.
OpenAI wciąż ma znacznie większą ogólną bazę użytkowników, ale dane z firmy analitycznej Kentik – która śledzi użycie u kilku amerykańskich dostawców usług internetowych – pokazują, że Anthropic szybko zmniejsza dystans. Ruch użytkowników Claude'a rósł znacznie szybciej niż ChatGPT i Google Gemini między styczniem a kwietniem, gwałtownie wzrastając po tym okresie. Pentagon w marcu uznał go za ryzyko dla łańcucha dostaw. Przy takim tempie wzrostu Kentik przewiduje, że może on wyprzedzić ChatGPT do lata – kolejny powód, dla którego Anthropic może znaleźć łatwiejszą drogę do IPO niż jego konkurent.
5. Korzystanie z AI staje się coraz droższe
Za każdym razem, gdy chatbot lub agent AI udziela odpowiedzi, mierzy się ją w „tokenach" – podstawowych jednostkach języka, którymi mogą być słowa, znaki interpunkcyjne lub sylaby. (Na przykład OpenAI twierdzi, że fraza „You miss 100% of the shots you don't take" jest warta 11 tokenów.) Tokeny mierzą również dane wejściowe, takie jak prompt wpisany do ChatGPT.
Koszty różnią się w zależności od modelu; OpenAI pobiera 5 dolarów za milion tokenów wejściowych dla GPT-5.5 i 30 dolarów za milion tokenów wyjściowych (odpowiedź na prompt).
Problemem dla użytkowników jest to, że koszty tokenów gwałtownie rosną, nawet gdy firmy na całym świecie zachęcają pracowników do „tokenmaxx" – czyli naprawdę pełnego zaangażowania w korzystanie z AI. Problemem firm AI jest to, że wciąż nie pobierają wystarczających opłat.
Podstawowa obietnica AI polega na tym, że pieniądze, które firma wydaje na te narzędzia, są z nawiązką rekompensowane przez wzrost produktywności – miarę efektywności ekonomicznej, gdzie wyższa produktywność oznacza większą produkcję na jednego pracownika. Jeśli ta zależność nie działa, wówczas założenia stojące za wycenami – i politykami – dotyczącymi AI są osłabione.
„Koszty całkowicie wymykają się spod kontroli" – mówi Liam Betsworth, założyciel brytyjskiego startupu AI Pendra. Mówi, że programiści z jego sieci używają agentów do kodowania, zaczynając od najtańszej subskrypcji, a szybko przechodząc do najdroższej. Nie są sami – serwis informacyjny Axios poinformował niedawno o nienazwanej firmie, która wydała 500 milionów dolarów w ciągu miesiąca na licencje dla Claude Code.
6. Budowa centrów danych może nie nadążać za popytem
Budowa centrów danych jest jak centralny układ nerwowy produktów AI, dlatego rosnącemu rozwojowi i wykorzystaniu narzędzi AI musi towarzyszyć większa wydajność – w przeciwnym razie nastąpi kryzys mocy obliczeniowej, oznaczający wyższe koszty dla firm AI i użytkowników.
Ambicje sektora dotyczące centrów danych są ogromne i wydają się niemal nierealne. Bloomberg szacuje, że w 2025 roku na całym świecie budowano 23 gigawaty mocy (moc mierzona jest w energii elektrycznej, ponieważ to ogranicza, ile obliczeń może wykonać dane miejsce).
Amerykańska firma z branży nieruchomości JLL przewiduje, że w latach 2026–2030 zostanie dodane 100 gigawatów – podwajając to, co szacuje jako obecną moc, co odpowiada 1200 centrom danych. JLL twierdzi, że jego szacunki obejmują projekty spekulacyjne, które mogą nigdy nie zostać zrealizowane.
Skąd wezmą się pieniądze – i dostawy energii – aby sprostać tej prognozie, pozostaje otwartym pytaniem. Cecilia Rikap, profesor nadzwyczajny University College London, mówi, że wiele projektów na całym świecie opiera się na politycznych obietnicach rozbudowy sieci i dostarczania energii; ale rządy mogą nie mieć środków, aby je zrealizować.
Pyta: „Czy rząd obliczył, czy taka rozbudowa jest możliwa? Czy mają pieniądze, aby to zrobić? Czy wzięli pod uwagę szkody środowiskowe, jakie by to spowodowało?"
7. Możliwości modeli AI szybko się rozwijają
Zdolności modeli AI poprawiły się skokowo od 2023 roku, według METR, organizacji badawczej mierzącej możliwości AI.
Pomiary METR opierają się na tym, czy modele AI są w stanie ukończyć zadanie programistyczne, mierzone tym, ile czasu zajęłoby to człowiekowi. Według tej miary możliwości modeli AI podwajają się co cztery miesiące. Na przykład szacuje się, że model Claude Mythos od Anthropic osiąga 50% wskaźnik sukcesu w zadaniach, które zajęłyby ludzkiemu ekspertowi od ośmiu godzin do dwóch dni.
Jednak jak dotąd nie przełożyło się to na miejsca pracy – na razie. Raport Anthropic z marca zawierał badania pokazujące, że teoretycznie AI mogłoby wykonywać wiele zawodów, od informatyki po prawo, ale jeszcze nie zrobiło tego na dużą skalę.
Bouke Klein Teeselink, naukowiec z King's College London i ekspert ds. wpływu AI, zauważa, że ta luka pozostaje znacząca. Wpływ AI na pracę pokazuje, że istnieją przeszkody we wdrażaniu go w miejscu pracy. Na przykład, jaką część pracy dyrektora generalnego lub wyższego menedżera można bezpiecznie przekazać botowi? Czy zadania wrażliwe prawnie mogą być wykonywane przez kogokolwiek innego niż człowiek? Mimo to, jak mówi, zmiany nadchodzą.
„Wciąż jesteśmy na wczesnym etapie rewolucji AI. Wiele osób wykonuje zadania, które mogłyby być obsługiwane przez AI. Skala zmian, które wkrótce zobaczymy, będzie ogromna."
8. Centra danych podtrzymują amerykański PKB
Mimo że rząd USA ciął miejsca pracy za administracji Donalda Trumpa, a wiele branż doświadczyło masowych zwolnień, amerykański PKB nadal rósł – o 2,1% w 2025 roku i 1,6% w pierwszym kwartale 2026 roku, według amerykańskiego Biura Analiz Ekonomicznych. Jednak ekonomista z Harvardu oblicza, że bez boomu na centra danych liczby te mogłyby być znacznie mniejsze. W rzeczywistości „inwestycje w sprzęt do przetwarzania informacji i oprogramowanie" stanowiły 92% wzrostu amerykańskiego PKB w pierwszej połowie 2025 roku.
Oznacza to, że centra danych – i boom AI – napędzają ogromną część amerykańskiego wzrostu. Są one głównym powodem, dla którego największa gospodarka świata wciąż wygląda zdrowo, pomimo poważnych wyzwań. Każde spowolnienie tych wydatków mogłoby mieć konsekwencje gospodarcze, a co za tym idzie, polityczne.
Często zadawane pytania
Oto lista często zadawanych pytań na podstawie artykułu Wydano miliardy, a potencjalne zyski wciąż są niepewne Oto wyjaśnienie boomu AI z sześcioma wykresami
Pytania dla początkujących
1 Dlaczego firmy wydają tak dużo pieniędzy na AI, skoro zwrot nie jest gwarantowany
Stawiają one na to, że AI ostatecznie zrewolucjonizuje branże i przyniesie ogromne zyski, podobnie jak we wczesnych dniach internetu. Nie chcą zostać w tyle, jeśli mu się to uda.
2 Co masz na myśli mówiąc boom AI
To obecny okres ogromnych inwestycji, emocji i szybkiego rozwoju w dziedzinie sztucznej inteligencji, zwłaszcza w narzędziach takich jak ChatGPT i generatory obrazów.
3 Czy AI faktycznie przynosi komuś teraz pieniądze
Większości firmom jeszcze nie. Koszt budowy i uruchomienia zaawansowanej AI jest ogromny i wciąż nie jest jasne, kiedy te koszty zostaną spłacone przez powszechnych płacących klientów.
4 O czym są te sześć wykresów w artykule
Pokazują one kluczowe trendy: ogromne wydatki gigantów technologicznych, gwałtownie rosnący popyt na chipy AI, ogromny koszt energetyczny AI, małą liczbę faktycznie płacących użytkowników, spowolnienie wydajności niektórych modeli oraz niepewną reakcję rynku akcji.
Pytania zaawansowane
5 Dlaczego koszt inferencji jest tak dużym problemem
Inferencja to moment, w którym faktycznie używasz modelu AI. Jest ona znacznie droższa niż jednorazowe wytrenowanie modelu. Jeśli miliony ludzi używają go codziennie, koszty energii elektrycznej i obliczeń gwałtownie rosną, co bardzo utrudnia osiągnięcie zysków.
6 W jaki sposób wykresy pokazują, że łatwe zyski w AI mogą się skończyć
Jeden z wykresów pokazuje, że poprawa wydajności największych modeli AI zaczyna zwalniać, nawet gdy koszt ich trenowania stale rośnie. Sugeruje to, że osiągamy punkt malejących przychodów.
7 Co artykuł mówi o roli Nvidii w tym boomie
Nvidia produkuje niezbędne chipy dla AI. Wykresy pokazują, że przychody Nvidii eksplodowały, ale jest to sprzedaż „łopat i kilofów" podczas gorączki złota. Pytanie brzmi, czy firmy kupujące te chipy kiedykolwiek osiągną zwrot ze swojej inwestycji.
8 Jak niepewny zwrot wpływa na mniejsze startupy AI
