Ceny tokenów AI spadają, a wynajem GPU H100 nie tanieje. Rozbieżność na rynku mocy obliczeniowej
Zestawienie indeksu cen tokenów AI ze stawkami za wynajem procesorów graficznych Nvidia H100, oparte na danych firm Ornn, Silicon Data i Bloomberga sięgających sierpnia 2026 roku, pokazuje wyraźne rozwidlenie. Podczas gdy jednostkowy koszt generowania tokenów systematycznie spada, opłaty za dostęp do infrastruktury obliczeniowej pozostają stabilne lub rosną.
Fundusz Andreessen Horowitz (a16z) interpretuje to zjawisko w kategoriach paradoksu Jevonsa — mechanizmu, w którym spadek kosztu jednostkowego danego zasobu prowadzi do tak silnego wzrostu jego ogólnego zużycia, że łączny popyt na moc obliczeniową nie maleje, lecz rośnie. Zamiast ograniczać zapotrzebowanie na sprzęt, tańsza jednostkowa praca modeli może zachęcać do uruchamiania bardziej złożonych i częstszych zadań.
Trudno jednak precyzyjnie ocenić, co dokładnie napędza ten wolumen. Dostępne dane nie rozstrzygają, jaka część zużycia tokenów pochodzi bezpośrednio od ludzi, a jaka od autonomicznych agentów AI działających w tle. Narzędzia agentowe mogą w zautomatyzowany sposób generować bardzo dużą liczbę zapytań, co oznacza, że rosnące obciążenie procesorów nie musi odzwierciedlać proporcjonalnego przyrostu liczby unikalnych użytkowników.
Współwystępowanie taniejących tokenów i utrzymujących się wysokich stawek za H100 pozostaje na razie rynkową korelacją oraz hipotezą, a nie dowiedzionym związkiem przyczynowo-skutkowym. W świetle tej analizy stabilność cen wynajmu procesorów zależy od tego, czy tempo wzrostu łącznego wykorzystania AI będzie wystarczająco duże, by w dłuższym terminie zrównoważyć spadający koszt pojedynczego tokenu.
