Politechnika Wrocławska chce u siebie gigafabrykę AI za 3 mld euro. Bruksela ma zdecydować w ciągu 2–3 miesięcy

O co chodzi w Baltic AI GigaFactory

Polska wraz z Litwą, Łotwą i Estonią zabiega o budowę wspólnej infrastruktury obliczeniowej pod szyldem Baltic AI GigaFactory. Projekt został wstępnie zaakceptowany przez Komisję Europejską na początku lipca i wyceniany jest na 3 mld euro. Założenie jest proste: stworzyć w regionie zaplecze do rozwoju, trenowania i wdrażania bardzo dużych modeli i aplikacji sztucznej inteligencji – na skalę dotąd w tej części Europy niespotykaną.

Model finansowania przewiduje wkład 65 proc. ze strony prywatnej oraz 35 proc. środków publicznych. Połowę komponentu publicznego (17,5 proc. całości) mają zapewnić państwa bałtyckie, drugą połowę – Komisja Europejska. W całej Unii planowanych jest kilkanaście takich instalacji; według polityków zaangażowanych w projekt Polska ma realną szansę na co najmniej jedną, a być może dwie lokalizacje.

Wrocław w grze: kampus przy ul. Długiej

Politechnika Wrocławska potwierdza, że przeszła wstępny krajowy nabór lokalizacji. Uczelnia wskazała teren własnego kampusu przy ul. Długiej, w sąsiedztwie powstającego laboratorium nanotechnologicznego. Rektor prof. Arkadiusz Wójs podkreśla, że mowa o inwestycji infrastrukturalnej o skali, której w Polsce jeszcze nie było – zorientowanej na budowę i wdrażanie modeli AI, a nie jedynie ich uruchamianie.

Resort cyfryzacji informował wcześniej, że równolegle trwa porządkowanie montażu finansowego na poziomie krajowym. W ramach rewizji KPO zaproponowano, by ok. 426 mln zł (100 mln euro) przeznaczyć na wsparcie budowy fabryk i gigafabryki AI w Polsce. To zaledwie ułamek całkowitych kosztów, ale istotny sygnał dla inwestorów prywatnych i Brukseli, że projekt ma zaplecze publiczne.

Parametry i skala: od 25 do 100 tys. GPU

Według prof. Piotra Młynarza, prorektora ds. organizacji i infrastruktury PWr, docelowa instalacja we Wrocławiu miałaby dysponować rzędu 25–100 tys. układów GPU, przy zapotrzebowaniu energetycznym od 25 MW na starcie do około 90 MW po trzech latach. Taka rozpiętość sugeruje modułową rozbudowę klastra, zsynchronizowaną z dostępnością sprzętu i przyłączami do sieci.

Jeśli porównać te wartości z komercyjnymi centrami danych, mówimy o obiekcie z najwyższej ligi zarówno pod względem gęstości obliczeń, jak i zużycia energii. To od razu wyznacza barierę wejścia: łańcuch dostaw wysokowydajnych GPU, infrastruktura zasilania o dużej niezawodności i chłodzenie przystosowane do mocy cieplnych liczących dziesiątki megawatów.

Energia i chłodzenie: największe wyzwania

Deklarowane 25–90 MW to poziom, który wymaga nie tylko rezerwacji mocy w sieci, ale też długoterminowych umów na dostawy energii oraz technologii chłodzenia wykraczającej poza standardowe rozwiązania powietrzne. Bez zabezpieczenia tych elementów harmonogramy wdrożenia mogą być iluzoryczne, niezależnie od decyzji Komisji Europejskiej. Wybór lokalizacji na kampusie uczelni może ułatwić kwestie formalne, ale nie zastąpi infrastruktury przesyłowej i odpowiednich przyłączy.

Ryzykiem pozostaje też globalna dostępność akceleratorów – rozbudowa z 25 do 100 tys. GPU zakłada sprawną realizację dostaw w kolejnych latach i konkurencję z gigantami chmurowymi o te same komponenty. To nie jest czynnik, nad którym państwa mają pełną kontrolę, dlatego kluczowe będą warunki zakupu i partnerstwa z prywatnymi dostawcami.

Decyzja Brukseli i harmonogram

Jak zapowiada posłanka KO Anna Sobolak, Komisja Europejska ma wskazać lokalizacje w ciągu dwóch–trzech miesięcy. Jednocześnie KE planuje zaprosić państwa członkowskie do składania oficjalnych wniosków pod koniec 2025 r. – to kalendarz, który wymaga precyzyjnej koordynacji działań krajowych i regionalnych, by nie tracić czasu między etapem politycznych deklaracji a twardymi decyzjami inwestycyjnymi.

Jeśli Polska faktycznie zdobędzie dwie lokalizacje, konieczne będzie rozdzielenie ról i specjalizacji między ośrodkami, tak aby uniknąć dublowania inwestycji i zmaksymalizować efekt skali. W przeciwnym razie ogromny budżet rozproszy się na kilka konkurencyjnych projektów, które będą walczyć o te same zasoby sprzętowe i energetyczne.

Co może zyskać region

Stawka wykracza poza prestiż. Własna, duża infrastruktura obliczeniowa to dostęp do mocy treningowych dla krajowych uczelni, startupów i firm, a więc szansa na rozwój produktów, które bez takiego zaplecza powstawałyby znacznie wolniej lub wcale. Pytanie nie brzmi jednak tylko „czy”, lecz „na jakich warunkach”: od modelu dostępu i taryf, przez gwarancje jakości usług, po mechanizmy wspierające wykorzystanie mocy przez podmioty publiczne i prywatne.

Na tym tle wrocławska propozycja ma atuty – zaplecze naukowe, istniejącą infrastrukturę badawczą i administracyjną, a także ekosystem firm technologicznych. Ostatecznie to jednak zdolność do spięcia finansowania, energii i dostaw sprzętu zdecyduje, czy „gigafabryka AI” pozostanie efektownym skrótem myślowym, czy stanie się działającą infrastrukturą, która realnie zmieni krajobraz technologiczny regionu.