Według najnowszego raportu Bain & Company do 2030 r. firmy AI będą potrzebowały 2 bln dol. rocznych przychodów aby sfinansować moc obliczeniową niezbędną do zaspokojenia prognozowanego popytu. Tyle iż matematyka jest nieubłagana – choćby przy uwzględnieniu oszczędności wynikających z wdrażania AI świat będzie miał deficyt w wysokości 800 mld dol.
Głównym problemem jest fundamentalna nierównowaga między popytem a podażą. Zapotrzebowanie na moc obliczeniową AI rośnie w tempie dwukrotnie szybszym niż prawo Moore’a, co oznacza, iż choćby najnowsze chipy nie nadążają za rosnącymi potrzebami. Do 2030 r. globalne przyrostowe wymagania obliczeniowe AI mogą osiągnąć 200 gigawatów, przy czym połowa tej mocy będzie potrzebna w Stanach Zjednoczonych.
Żeby to zwizualizować wystarczy porównać zapytanie do ChatGPT z wyszukiwaniem w Google. Pojedyncze zapytanie do ChatGPT zużywa 2,9 watogodziny elektryczności, podczas gdy tradycyjne wyszukiwanie Google tylko 0,3 watogodziny – prawie dziesięciokrotna różnica. A to dopiero początek rewolucji AI. Gdy DeepSeek pokazał, iż można osiągnąć podobne wyniki do modeli OpenAI za ułamek kosztu – około 0,07 dol. za milion tokenów wejściowych w porównaniu z 15-60 dol. u OpenAI – rynek oszalał, ale jednocześnie uświadomił sobie skalę problemu finansowego gigantów z Doliny Krzemowej.
Giganci technologiczni grają va banque
Microsoft, Amazon, Alphabet i Meta planują zwiększenie swoich łącznych rocznych wydatków na AI do ponad 500 mld dol. na początku następnej dekady. W ubiegłym roku same te cztery firmy wydały między 350 a 400 mld dol. na wydatki kapitałowe, z czego większość trafiła na budowę centrów danych AI. To więcej niż dwukrotność kwoty sprzed dwóch lat, a końca tego wyścigu zbrojeń AI nie widać.
Koszty operacyjne OpenAI są astronomiczne – firma wydaje około 700 tys. dol. dziennie na utrzymanie ChatGPT, a pojedyncze zapytanie może kosztować choćby 1000 dol. To pokazuje fundamentalny problem całej branży: pomimo eksplozji popularności nikt jeszcze nie znalazł sposobu na rentowną monetyzację narzędzi AI. OpenAI wciąż szuka drogi do rentowności.
Centra danych już teraz zużywają 1-2 proc. całej światowej energii elektrycznej, ale ten odsetek prawdopodobnie wzrośnie do 3-4 proc. do końca dekady. W Stanach Zjednoczonych centra danych mogą pochłaniać 12 proc. całkowitego zużycia elektryczności kraju do 2028 r., przy czym AI będzie napędzać większość tego wzrostu. Goldman Sachs szacuje, iż zapotrzebowanie na energię centrów danych wzrośnie o 160 proc. do 2030 r. Problem w tym, iż sieci energetyczne w Stanach Zjednoczonych nie były znacząco modernizowane od dziesięcioleci, a teraz muszą zmierzyć się z gwałtownie rosnącym popytem.
Czy technologia sama się obroni?
Raport Bain zakłada obecny poziom wzrostu produktywności i innowacji w przestrzeni AI, ale firma zauważa, iż dalszy postęp technologiczny może zmienić całe równanie kosztów. Przełomy w algorytmach mogłyby poprawić wydajność, redukując energię potrzebną do wykonywania zadań.
Obliczenia kwantowe mogą odblokować choćby 250 mld dol. wartości rynkowej, choć korzyści z tej technologii są wciąż odległe w czasie. W niektórych przypadkach komputery kwantowe mogłyby być choćby 100 razy bardziej energooszczędne niż standardowe superkomputery, co mogłoby mieć ogromne znaczenie dla AI.
Niektórzy technolodzy oczekują przełomów w obliczeniach kwantowych, które obniżą koszty i zmniejszą zapotrzebowanie na energię. Jednak jak przyznaje sam raport Bain, te korzyści są prawdopodobnie odległe o lata.
Bańka czy rewolucja?
Sam Altman z OpenAI porównał obecną sytuację na rynku AI do bańki internetowej, mówiąc: Czy jesteśmy w tej chwili w fazie, w której inwestorzy ogólnie rzecz biorąc są nadmiernie entuzjastyczni wobec AI? Uważam, iż tak. Jego słowa zyskują na znaczeniu w kontekście ostrzeżeń ekonomistów, którzy porównują obecną bańkę AI do kryzysu dot-comów z 2000 r.
Deutsche Bank ostrzegł, iż obecny boom AI nie jest zrównoważony, ponieważ wydatki technologiczne nie pozostaną paraboliczne w nieskończoność. Bank zauważył, iż wydatki AI są w tej chwili tak ogromne, iż utrzymują Stany Zjednoczone poza recesją, ale pytanie brzmi: jak długo to może trwać?
Przewodniczący Bain, David Crawford, podsumował problem dosadnie: Do 2030 r. dyrektorzy technologiczni będą zmierzać się z wyzwaniem wdrożenia około 500 mld dol. w wydatki kapitałowe i znalezienia około 2 bln dol. nowych przychodów, aby rentownie zaspokoić popyt.
Dodał również, iż ponieważ popyt na moc obliczeniową AI rośnie szybciej niż może nadążyć wydajność półprzewodników trendy te wymagają dramatycznego zwiększenia dostaw energii w sieciach, które nie dodawały mocy od dziesięcioleci.
Raport Bain pokazuje, iż branża AI stoi przed fundamentalnym dylematem: musi stać się finansowo opłacalna, aby napędzać wzrost, którego sama poszukuje. Bez przełomowych innowacji w efektywności energetycznej, nowych modeli biznesowych lub znaczących postępów technologicznych luka w wysokości 800 mld dol. może okazać się nie do przeskoczenia.
