Paradoks taniej inteligencji: dlaczego ceny AI spadają, gdy koszty krzemu rosną?

W sektorze sztucznej inteligencji dochodzi do paradoksalnego pęknięcia. Podczas gdy dostęp do „mózgów w chmurze” tanieje w oczach, fundamenty, na których budowana jest ta technologia, stają się towarem luksusowym. OpenAI niedawno ponownie ścięło stawki: model GPT-5.6 Sol kosztuje teraz 4 USD za milion tokenów wejściowych zamiast wcześniejszych 5 USD. Zjawisko to widać jeszcze wyraźniej przy mniejszych modelach – cena modelu Luna spadła z dolara do zaledwie 20 centów za milion tokenów. To wojna cenowa na wyniszczenie, prowadzona w cieniu drożejącego krzemu.

Zderzenie dwóch światów finansowych

Obecna sytuacja to podręcznikowy przykład „odwróconej arytmetyki”. Tradycyjnie każda kolejna generacja układów scalonych pozwalała obniżać koszty produkcji jednostki obliczeniowej szybciej, niż spadały marże sprzedawców. Dziś ten mechanizm się zacina. Popyt na moc obliczeniową doprowadził do strukturalnego niedoboru na rynku półprzewodników, co daje producentom takim jak Nvidia czy Samsung potężną przewagę w negocjacjach.

Dlaczego to ważne właśnie teraz? Branża znalazła się w punkcie zwrotnym: blisko 60% amerykańskich firm płaci już za narzędzia AI, a przychody trzech największych dostawców chmury urosły o ponad 40% w ciągu roku. Mimo to, rosnące koszty serwerów i pamięci mogą wkrótce zdusić marże firm programistycznych, które obiecały światu niemal darmową inteligencję.

Krzemowa bariera kosztowa

Dostawcy infrastruktury nie zamierzają brać na siebie ciężar inflacji. Najwięksi klienci Nvidii otrzymali już sygnały, że ceny serwerów wyposażonych w najnowsze chipy wzrosną o ponad 15% na początku przyszłego roku. Podobne kroki podejmuje Samsung, rezerwując moce produkcyjne pamięci operacyjnej w ramach wieloletnich, sztywnych umów. Przewodniczący SK Group ostrzega wprost: kryzys podaży pamięci pogłębi się w 2027 roku.

Mamy więc sytuację, w której surowiec drożeje i jest racjonowany, podczas gdy produkt końcowy ulega błyskawicznej deflacji. Entuzjaści wierzą, że kluczem do sukcesu będzie wolumen. Niższe ceny mają stymulować tak masowe zużycie, że marża przestanie mieć kluczowe znaczenie. Jednak przy rosnących cenach energii i sprzętu, ta strategia przypomina ucieczkę do przodu po kruchym lodzie.

Gdzie podziały się zyski?

Mimo ogromnych nakładów, inwestorzy zaczynają zadawać fundamentalne pytanie: gdzie jest zwrot z tej inwestycji? Analiza konferencji wynikowych największych instytucji finansowych w USA pokazuje niepokojący trend. Choć niemal każdy prezes mówi o wdrożeniach AI, tylko jedna firma była w stanie wskazać konkretny, dolarowy zysk wynikający bezpośrednio z użycia tej technologii. Obietnice o rewolucji w efektywności rzadko wytrzymują konfrontację z twardymi danymi finansowymi.

Niepewność zaczyna przenikać również na rynki dłużne. Koszt ubezpieczenia długu firm takich jak Broadcom rośnie. Rynki kredytowe zaczynają wyceniać ryzyko scenariusza, w którym gigantyczne inwestycje w infrastrukturę nie zostaną spłacone przez przyszłe zyski. Analitycy Goldman Sachs zauważają, że rynek przestał dyskutować o tym, czy technologia działa, a zaczął analizować, kto realnie na niej zarobi.

Czekając na moment przełomowy

Obecna sytuacja to poważne ostrzeżenie. Model biznesowy oparty na spalaniu kapitału w celu dostarczania taniej inteligencji wymaga idealnego zgrania wielu elementów. Jeśli realne zyski z wdrożeń AI nie pojawią się w raportach finansowych w najbliższym czasie, narastające koszty energii, chipów i kapitału mogą doprowadzić do bolesnej weryfikacji. Na razie rynek nie panikuje, ale coraz wyżej wycenia niepewność, czekając na dowód, że tania AI to model biznesowy, a nie tylko kosztowny wyścig zbrojeń.