W pierwszej części tej serii była mowa o OpenAI, Anthropic, Google i xAI — firmach, które budują modele i chatboty rozpoznawane po nazwie. Ale sztuczna inteligencja to nie tylko rozmowa z ekranem. To także tysiące serwerowni, setki tysięcy procesorów graficznych i decyzje biznesowe podejmowane dekadę przed tym, zanim ktokolwiek usłyszał o ChatGPT.
Nvidia: firma, która sprzedaje więcej niż karty graficzne
Nvidia przez większość swojej historii kojarzyła się z kartami graficznymi do gier. To się zmieniło, kiedy firma zaczęła konsekwentnie inwestować w GPU jako sprzęt do obliczeń równoległych — czyli dokładnie tego, czego potrzebują sieci neuronowe.
Kluczowym elementem nie był jednak sam procesor. Był nim CUDA — platforma programistyczna, którą Nvidia udostępniła publicznie w 2006–2007 roku. CUDA pozwoliła programistom pisać kod wykorzystujący moc GPU do zadań innych niż grafika, na długo zanim ktokolwiek mówił o „boomie AI”. Firma inwestowała w ten ekosystem konsekwentnie przez kolejną dekadę, zanim przyniosło to masową opłacalność.
Dlaczego to ważne: CUDA stała się standardem, na którym oparto większość bibliotek i frameworków do uczenia maszynowego. To sprawiło, że przejście na inny sprzęt oznacza dla firm dodatkowe koszty i ryzyko — nie dlatego, że alternatywy są słabe, ale dlatego, że cały ekosystem narzędzi był budowany wokół Nvidii.
IBM: pionier, który zna AI dłużej niż ktokolwiek inny
IBM zajmuje się sztuczną inteligencją od dziesięcioleci, na długo zanim to pojęcie trafiło do powszechnej rozmowy. Watson, który w 2011 roku pokonał ludzkich mistrzów w teleturnieju Jeopardy!, był jednym z najgłośniejszych publicznych pokazów możliwości AI w historii telewizji.
Mimo to IBM nie stało się twarzą fali generatywnej AI, która ruszyła po 2022 roku. Firma skupiła się na innym kliencie — dużych przedsiębiorstwach, sektorze finansowym, ochronie zdrowia, administracji publicznej — czyli tam, gdzie liczy się zgodność z regulacjami, integracja z istniejącymi systemami i odpowiedzialność za wynik, a niekoniecznie błyskotliwość chatbota w rozmowie z anonimowym użytkownikiem internetu.
To nie porażka — to inny rynek. IBM może nie mieć swojego ChatGPT, ale wciąż jest ważnym graczem w AI dla przedsiębiorstw, gdzie liczy się co innego niż popularność.
Oracle: nie musisz mieć najlepszego chatbota, żeby zarabiać na AI
Oracle od dekad zarabia na bazach danych i systemach dla dużych organizacji. Zamiast konkurować o miano najlepszego modelu językowego, firma postawiła na coś innego: infrastrukturę chmurową, na której te modele działają.
Widać to w skali projektu Stargate — wspólnej inicjatywy OpenAI, Oracle, SoftBanku i innych partnerów, wartej setki miliardów dolarów, mającej dostarczyć gigawaty mocy obliczeniowej pod przyszłe modele AI. Oracle dostarcza tu coś, czego nie da się kupić w sklepie internetowym: centra danych, zasilanie, chłodzenie i miejsce na setki tysięcy procesorów.
To dobry przykład na to, że w AI można zarabiać, będąc dostawcą fundamentów, a nie autorem najgłośniejszego produktu.
Intel: doświadczenie w krzemie, spóźnione wejście w akceleratory
Intel przez dekady definiował, czym jest procesor w komputerze i centrum danych. Kiedy jednak rynek przesunął się w stronę specjalizowanych akceleratorów AI, firma musiała nadrabiać dystans. Odpowiedzią stały się układy Gaudi — rozwijane od przejęcia izraelskiej Habana Labs w 2019 roku — a w kwietniu 2024 roku Intel zaprezentował Gaudi 3, pozycjonowany jako tańsza alternatywa dla układów Nvidii.
Problemem nie były wyłącznie parametry sprzętu. Problemem było to, że Nvidia zdążyła zbudować wokół siebie cały ekosystem programistyczny, w którym Gaudi musi się dopiero znaleźć. Nawet dobry akcelerator ma trudniej, jeśli firmy i programiści od lat piszą kod pod inną platformę.
Mieć dobrą technologię a mieć cały ekosystem
| Dobra technologia | Cały ekosystem |
|---|---|
| Konkurencyjny produkt sam w sobie | Narzędzia, biblioteki i przyzwyczajenia programistów zbudowane wokół produktu |
| Może wygrać test wydajności | Wygrywa koszt zmiany — bo zmiana wymaga przepisania całego stosu narzędzi |
| Przykład: Gaudi 3 od Intela | Przykład: CUDA od Nvidii |
IBM, Oracle i Intel nie „przegrały” AI. Grają w innych segmentach tego samego rynku — enterprise, infrastruktura, krzem — i mogą na tym zarabiać, nawet bez własnego, rozpoznawalnego chatbota. To po prostu inna gra niż ta, którą toczą OpenAI, Anthropic czy Google.
Nie zawsze wygrywa najlepsza technologia. Często wygrywa najlepszy ekosystem.
OpenAI miało moment.
Google miał technologię.
Nvidia miała infrastrukturę.
A Chiny miały skalę.
Wyścig dopiero się zaczynał.