Granice postępu: Dlaczego rozwój AI może spowolnić

​Największe firmy technologiczne inwestują setki miliardów dolarów w sztuczną inteligencję. Jednak wyścig o tworzenie coraz potężniejszych modeli napotyka rosnące koszty, niedobory zasobów i narastający sceptycyzm inwestorów. Czy AI zbliża się do granic swoich możliwości?

Miliardy, które mogą nie wystarczyć

Dyrektor generalny Broadcom, Hock Tan, ostrzegł, że brak kapitału może stać się największą przeszkodą w rozwoju AI. Podczas konferencji w Singapurze zauważył, że niedobory chipów, pamięci i energii elektrycznej mogą z czasem ustąpić wraz ze wzrostem mocy produkcyjnych i rozbudową infrastruktury. Dostęp do kapitału może jednak stać się głównym ograniczeniem przyszłego rozwoju branży.

Wyświetl post na X Ładowanie...

Tweet został usunięty przez autora.

Ale wszystko zapisaliśmy 🙂.

Największe firmy technologiczne nadal zwiększają wydatki na infrastrukturę AI. W drugim kwartale 2026 roku łączne nakłady inwestycyjne Microsoftu, Alphabetu, Amazona i Meta sięgnęły 165 mld USD, co oznacza wzrost o 87% rok do roku. Znaczna część tych wydatków jest przeznaczana na budowę centrów danych i zakup sprzętu potrzebnego do trenowania i uruchamiania modeli AI.

W obliczu tak ogromnych wydatków dyrektor generalny Intela, Lip-Bu Tan, wskazał na kolejny problem: koszt kapitału i czas potrzebny na odzyskanie zainwestowanych środków. Rosnące rentowności obligacji sprawiają, że finansowanie dłużne staje się droższe, zwiększając koszty budowy centrów danych i zakupu sprzętu. Tymczasem inwestorzy chcą wiedzieć, kiedy ogromne inwestycje w AI zaczną przynosić zyski.

Mimo to żaden z menedżerów nie oczekuje gwałtownego spowolnienia branży AI w ciągu najbliższych kilku lat. Hock Tan przewiduje, że popyt na moc obliczeniową będzie przewyższał podaż do 2029 roku, a być może także w 2030 roku. Jednocześnie dyrektor generalny Broadcomu skrytykował inwestorów, którzy lokują pieniądze w AI bez zrozumienia perspektyw branży. „Wielu inwestorów nie ma pojęcia, w co inwestuje, ale formułuje skrajnie wygórowane oczekiwania, by później odkryć, że niemal uczestniczą w kasynie i uprawiają hazard” — powiedział.

Gdy AI napotka fizyczne ograniczenia

Nawet wystarczające finansowanie nie uchroni rozwoju AI przed spowolnieniem z powodu niedoborów energii elektrycznej. Według Międzynarodowej Agencji Energetycznej (IEA) centra danych na całym świecie zużyły w 2025 roku 485 TWh energii elektrycznej, o 17% więcej niż rok wcześniej. Zużycie energii przez centra danych skoncentrowane na AI wzrosło o 50%. Do 2030 roku łączne zużycie energii elektrycznej przez centra danych może sięgnąć 950 TWh, czyli około 3% globalnego popytu na energię elektryczną.

Problemem nie jest wyłącznie ilość dostępnej energii elektrycznej, lecz także możliwość podłączenia nowych obiektów do sieci energetycznych. IEA szacuje, że około 20% planowanych mocy centrów danych może zostać opóźnionych z powodu ograniczeń infrastruktury sieciowej. Przykładowo budowa nowych linii przesyłowych w krajach rozwiniętych może trwać od 4 do 8 lat. Tymczasem terminy dostaw transformatorów i kabli podwoiły się w ciągu ostatnich 3 lat.

Kolejnym ograniczeniem jest produkcja zaawansowanych chipów. Holenderska firma ASML, która produkuje urządzenia wykorzystywane do wytwarzania najnowocześniejszych półprzewodników, oczekuje, że popyt ze strony branży AI będzie przewyższał podaż co najmniej do 2028 roku. Firma rozważa zwiększenie mocy produkcyjnych, ponieważ klienci już pytają o dostawy urządzeń na lata 2029–2030.

Wyświetl post na X Ładowanie...

Tweet został usunięty przez autora.

Ale wszystko zapisaliśmy 🙂.

Jednocześnie rosną wymagania stawiane centrom danych. Według szacunków IEA zużycie energii przez serwery AI wzrosło jedenastokrotnie w latach 2020–2025 i do 2027 roku może zwiększyć się kolejny raz czterokrotnie. Pojedyncza szafa serwerowa wielkości dużej lodówki może potencjalnie zużywać tyle energii elektrycznej co 65 gospodarstw domowych. Zwiększa to wymagania wobec systemów chłodzenia, zasilania i sprzętu, który musi wytrzymywać nagłe zmiany obciążenia podczas uruchamiania modeli AI.

Gdzie znajdują się granice postępu?

Niedobory energii elektrycznej, chipów i centrów danych nie są jedynymi przeszkodami dalszego rozwoju technologicznego. Nawet jeśli problemy te zostaną rozwiązane, pozostaje inne pytanie: czy nowe modele poprawią się na tyle, by uzasadnić rosnące koszty? Hock Tan przyznaje, że popyt na moc obliczeniową może spowolnić, jeśli nowe generacje modeli AI przestaną wyraźnie przewyższać swoich poprzedników. Obecnie nie ma jednak oznak, by postęp się zatrzymał.

Jednocześnie zwiększanie mocy obliczeniowej nie gwarantuje, że AI będzie równie dobrze radzić sobie ze wszystkimi zadaniami. Przykładowo zaawansowane modele potrafią już rozwiązywać złożone problemy matematyczne, ale nadal mają trudności z samodzielną pracą na komputerach. W benchmarku OSWorld, który sprawdza zdolność AI do wykonywania zadań w aplikacjach komputerowych, najlepsze systemy pomyślnie realizowały około dwóch trzecich zadań.

Równie istotne są praktyczne korzyści AI dla firm. W sierpniu 2026 roku McKinsey opublikował wyniki badania przeprowadzonego wśród 1 719 przedstawicieli firm z 97 krajów. Około 80% respondentów stwierdziło, że AI zwiększyła ich osobistą produktywność. Jednak tylko 37% odnotowało pozytywny wpływ na zyski operacyjne swoich organizacji.

Nowa rzeczywistość wyścigu technologicznego

Obecnie nie ma powodów, by uznać, że sztuczna inteligencja zbliża się do granic swoich możliwości. Utrzymanie obecnego tempa rozwoju może jednak okazać się zbyt kosztowne nawet dla największych firm technologicznych. Jeśli wydatki nadal będą rosły szybciej niż przychody, inwestorzy mogą być zmuszeni do ponownego przemyślenia swoich oczekiwań, a twórcy — do obniżenia kosztów opracowywania i obsługi nowych modeli.

Bardziej prawdopodobna jest zmiana priorytetów niż koniec postępu technologicznego. Zamiast ścigać się o stworzenie najpotężniejszych modeli, firmy mogą skupić się na tańszych i wydajniejszych rozwiązaniach zdolnych generować realne zyski. W takim przypadku przyszłość rozwoju AI będzie zależeć w mniejszym stopniu od skali inwestycji, a w większym od zdolności technologii do rozwiązywania praktycznych problemów firm i zwykłych użytkowników.