Co słychać na chińskim rynku AI?

Ostatnie informacje napływające z Chin sugerują, że rynek sztucznej inteligencji może właśnie wchodzić w kolejny etap rozwoju. Jeszcze kilkanaście miesięcy temu inwestorzy zastanawiali się przede wszystkim, kto zbuduje najlepszy model językowy i kto kupi najwięcej układów AI. Dziś coraz wyraźniej widać, że to nie sam model staje się najważniejszy. Coraz większe znaczenie ma koszt jego działania oraz możliwość obsługi rosnącej liczby użytkowników.

Dobrze pokazują to ostatnie działania DeepSeek. Chińska spółka najpierw wywołała prawdziwą wojnę cenową na rynku modeli AI, zmuszając konkurencję do obniżek cen. Teraz zmienia kierunek. Wprowadza wyższe opłaty za korzystanie z API w godzinach największego obciążenia, a jednocześnie prezentuje rozwiązania pozwalające szybciej generować odpowiedzi i lepiej wykorzystywać dostępną moc obliczeniową.

To pokazuje, że rywalizacja w branży przestaje dotyczyć wyłącznie jakości modeli. Coraz większego znaczenia nabiera to, kto potrafi dostarczyć usługi AI szybciej, taniej i na większą skalę. Innymi słowy, sztuczna inteligencja coraz bardziej przypomina usługi chmurowe, gdzie o sukcesie decyduje nie tylko sama technologia, lecz także efektywne zarządzanie infrastrukturą.

Na pierwszy rzut oka mogłoby się wydawać, że skoro nowe rozwiązania pozwalają ograniczyć wykorzystanie procesorów AI, producenci chipów i komponentów powinni zacząć odczuwać spadek popytu. Historia rozwoju nowych technologii pokazuje jednak coś zupełnie odwrotnego. Gdy korzystanie z danej technologii staje się tańsze, firmy i konsumenci zaczynają korzystać z niej znacznie częściej.

To zjawisko ekonomiści określają mianem paradoksu Jevonsa. W praktyce oznacza ono, że wzrost efektywności nie ogranicza popytu, lecz często go zwiększa. Jeżeli koszt wygenerowania jednej odpowiedzi przez model AI spada, przedsiębiorstwa nie kupują mniej mocy obliczeniowej. Wręcz przeciwnie. Wdrażają więcej agentów AI, automatyzują kolejne procesy i rozwijają nowe usługi. W efekcie całkowite zapotrzebowanie na infrastrukturę nadal rośnie.

To może również tłumaczyć zmieniające się preferencje inwestorów na chińskim rynku. Analitycy branżowi oraz najnowsze doniesienia medialne wskazują, że kapitał coraz częściej płynie nie do producentów samych modeli AI, lecz do firm dostarczających elementy, bez których dalszy rozwój tej technologii nie będzie możliwy. Chodzi między innymi o producentów gazów specjalistycznych, wolframu, materiałów wykorzystywanych przy produkcji półprzewodników, technologii zaawansowanego pakowania chipów czy komponentów ceramicznych stosowanych w serwerach AI.

To nie jest przypadek. Im tańsze i bardziej dostępne stają się modele AI, tym większego znaczenia nabiera cała infrastruktura stojąca za ich działaniem. O ile stworzenie dobrego modelu staje się coraz łatwiejsze dla największych graczy, o tyle zwiększenie produkcji specjalistycznych materiałów czy rozbudowa mocy produkcyjnych w sektorze półprzewodników wymaga lat i ogromnych nakładów inwestycyjnych. To właśnie tam mogą powstawać największe bariery wejścia, a wraz z nimi najwyższe marże.

Nie oznacza to oczywiście, że obecna euforia jest pozbawiona ryzyka. Część spółek powiązanych z łańcuchem dostaw dla AI odnotowała w ostatnich miesiącach bardzo silne wzrosty, a ich wyceny zaczynają wyprzedzać tempo poprawy wyników finansowych. To zwiększa ryzyko krótkoterminowej korekty, zwłaszcza jeśli tempo inwestycji w infrastrukturę AI choćby na chwilę wyhamuje.

Patrząc szerzej, wszystkie te wydarzenia układają się jednak w spójną historię. Pierwszy etap rewolucji AI polegał na stworzeniu coraz potężniejszych modeli. Dziś rozpoczyna się etap, w którym kluczowe staje się ich masowe wykorzystanie. W takim otoczeniu coraz większe znaczenie mogą zyskiwać nie tylko twórcy modeli, lecz również producenci chipów, dostawcy materiałów półprzewodnikowych, gazów technicznych, systemów chłodzenia oraz infrastruktury centrów danych.

Można więc odnieść wrażenie, że rynek zaczyna patrzeć na sztuczną inteligencję w znacznie szerszy sposób. Pytanie nie brzmi już wyłącznie: „kto stworzy najlepszy model?”, ale coraz częściej: „kto będzie w stanie obsłużyć miliardy zapytań dziennie najtaniej i najbardziej efektywnie?”. To właśnie odpowiedź na to pytanie może wyłonić kolejnych zwycięzców trwającej rewolucji A