Střet strategií | Proč generální ředitel IBM Arvind Krishna nevěří v bilionovou vizi Sama Altmana – AGI na úrovni nula až jedno procento? – Obrázek: Xpert.Digital
Umělá obecná inteligence (AGI) a neúprosná matematika: Proč se boom datových center nikdy nemůže vyplatit.
Pětiletý cyklus úmrtí: Podceněné riziko pro Nvidii, Microsoft a další.
Zatímco Silicon Valley je pohlceno nebývalým investičním šílenstvím a do závodu o umělou superinteligenci se hrnou biliony dolarů, jeden z nejzkušenějších technologických generálních ředitelů na světě zatahuje za nouzovou brzdu. Generální ředitel IBM Arvind Krishna varuje: Hazard se nevyplácí.
Globální technologický sektor zachvátila mentalita zlaté horečky. Korporace jako Microsoft, Google a Meta se navzájem předhánějí v investicích do nových datových center, hnané strachem, že v příští velké technologické revoluci zůstanou pozadu. Vize je jasná: vývoj umělé obecné inteligence (AGI), která bude stejná nebo lepší než lidská inteligence. Uprostřed této euforie se však ozve silný hlas, nikoli z řad kritiků technologií, ale ze samotného centra moci: Arvind Krishna, generální ředitel IBM.
V střízlivé analýze založené na čisté aritmetice Krišna rozebírá převládající narativ Silicon Valley. Jeho varování je stejně jednoduché jako děsivé: Náklady na infrastrukturu explodují, zatímco hardware zastarává rychleji, než se stihne odepsat. Krišna hovoří o investičních částkách až osmi bilionů amerických dolarů, které by byly nezbytné k pokračování současné trajektorie rozvoje obecné umělé inteligence – částce, která by mohla finančně zruinovat i nejbohatší společnosti světa, pokud se slibované astronomické zisky nedostaví.
Krišnova kritika se ale neomezuje pouze na finanční čísla. Zpochybňuje samotný technologický základ humbuku kolem této situace. Zatímco Sam Altman a OpenAI zobrazují příchod superinteligence jako téměř nevyhnutelný, Krišna odhaduje pravděpodobnost dosažení tohoto cíle s dnešní technologií modelování jazyka ve velkém měřítku na střízlivých nula až jedno procento.
Čelíme největší chybné investici v ekonomické historii? Je boom umělé inteligence bublinou, která se chystá prasknout, nebo skeptici přehlížejí transformační potenciál, který se skrývá za rozvahami? Následující článek zkoumá argumenty, neúprosnou matematiku ekonomiky datových center a zásadní konflikt mezi vizionáři přístupu „všechno nebo nic“ a zastánci pragmatického realismu.
Vhodné pro:
Proč generální ředitel IBM předpovídá konec nejdražšího experimentu v historii technologií
Globální technologický sektor možná čelí jedné z největších chybných investic v historii ekonomiky. Zatímco korporace jako Microsoft, Amazon, Meta a Google investují stovky miliard dolarů do budování infrastruktury umělé inteligence, z nitra IT průmyslu se ozývá varovný hlas. Arvind Krishna, generální ředitel společnosti IBM, který ve společnosti pracuje od roku 1990, představil koncem listopadu 2025 v rozhovoru pro podcast Decoder deníku The Verge zásadní ekonomickou analýzu, která by mohla rozbít euforii obklopující obecnou umělou inteligenci.
Jeho prohlášení, zveřejněná 30. listopadu a 1. prosince 2025, se dotýkají jádra debaty, která nabývá na síle v představenstvech firem a analytických kruzích. Krišna nehovoří o teoretických rizicích ani filozofických obavách, ale o konkrétních finančních nemožnostech, které zpochybňují současný investiční model v sektoru umělé inteligence. Jeho výpočty nutí i optimistické pozorovatele v oboru k zamyšlení, protože jsou založeny na jednoduché aritmetice a zdravých obchodních principech.
Vhodné pro:
Nemilosrdná matematika ekonomiky datových center
Krišna začíná svou analýzu střízlivým zhodnocením současné cenové situace. Datové centrum s kapacitou jednoho gigawattu představuje podle dnešních standardů kapitálové výdaje ve výši 80 miliard amerických dolarů. Toto číslo zahrnuje nejen fyzickou infrastrukturu a budovy, ale také veškeré technické vybavení, od serverů a síťových komponent až po vysoce specializované grafické procesory potřebné pro výpočty umělé inteligence.
Technologický průmysl se v posledních měsících zavázal k masivní expanzi. Několik společností veřejně oznámilo plány na vybudování dodatečné výpočetní kapacity o objemu 20 až 30 gigawattů. Při současných nákladech na gigawatt by to vedlo k celkovým investicím ve výši nejméně 1,5 bilionu dolarů. Tato částka zhruba odpovídá současné tržní kapitalizaci Tesly a ilustruje naprostý rozsah celého podniku.
Výpočet se však stává ještě drastičtějším, když se ambice vezmou v úvahu v kontextu požadované umělé obecné inteligence. Krishna odhaduje, že cesta ke skutečné obecné umělé inteligenci by vyžadovala přibližně 100 gigawattů výpočetního výkonu. Tento odhad je založen na extrapolacích současných požadavků na školení velkých jazykových modelů a zohledňuje exponenciálně rostoucí složitost, která doprovází každý krok vývoje. Při 80 miliardách dolarů na gigawatt by investiční výdaje dosáhly ohromujících osmi bilionů amerických dolarů.
Tato investiční částka je však jen polovina příběhu. Krišna poukazuje na faktor, který je ve veřejné diskusi často přehlížen: náklady na kapitál. S investicí osmi bilionů amerických dolarů by společnosti musely ročně generovat zisk přibližně 800 miliard amerických dolarů, jen aby pokryly úroky z investovaného kapitálu. Tato částka předpokládá konzervativní úrokovou sazbu deseti procent, která odráží náklady na kapitál, rizikové prémie a očekávání investorů.
Pětiletý cyklus zániku hardwaru s umělou inteligencí
Klíčovým bodem Krišnovy argumentace je životnost instalovaného hardwaru. Veškerá výpočetní kapacita musí být plně využita do pěti let, protože instalovaný hardware bude poté nutné zlikvidovat a nahradit. Toto hodnocení je v souladu s pozorováními z odvětví a je předmětem intenzivní debaty ve finančních kruzích.
Známý investor Michael Burry, známý svými přesnými předpověďmi finanční krize z roku 2008, vyjádřil v listopadu 2025 podobné obavy. Burry tvrdí, že velké technologické společnosti nadhodnocují skutečnou životnost svého hardwaru s umělou inteligencí, a tím uměle udržují nízké odpisy. Předpokládá, že grafické procesory a specializované čipy umělé inteligence zůstanou v praxi ekonomicky životaschopné pouze dva až tři roky, než je novější a výkonnější generace zastarají.
Rychlý rozvoj v sektoru polovodičů tento názor podporuje. Nvidia, dominantní dodavatel čipů pro umělou inteligenci, vydává nové generace procesorů zhruba každých 12 až 18 měsíců. Každá generace nabízí výrazné zlepšení výkonu, což starší modely rychle činí neekonomickými. Zatímco konvenční server v datovém centru lze snadno používat šest let i déle, pro hardware specifický pro umělou inteligenci platí jiná pravidla.
V praxi je situace poněkud odlišnější. Některé společnosti upravily své doby odepisování. Na začátku roku 2025 Amazon zkrátil odhadovanou životnost některých serverů ze šesti na pět let s odvoláním na zrychlený rozvoj v oblasti umělé inteligence. Tato úprava sníží provozní zisk společnosti v roce 2026 přibližně o 700 milionů dolarů. Společnost Meta naopak prodloužila dobu odepisování serverů a síťových zařízení na 5,5 roku, což v roce 2025 snížilo náklady na odepisování o 2,9 miliardy dolarů.
Tyto rozdílné strategie ilustrují, že i společnosti investující miliardy do hardwaru pro umělou inteligenci si nejsou jisté, jak dlouho budou jejich investice ekonomicky životaschopné. Pětiletý scénář, který popisuje Krishna, spadá do optimistického rozmezí těchto odhadů. Pokud by se skutečná životnost blížila dvěma až třem letům předpovězeným Burrym, náklady na odpisy, a tím i tlak na ziskovost, by se výrazně zvýšily.
Nemožnost ziskových výnosů
Spojení mezi těmito dvěma faktory vede Krišnu k jeho ústřednímu argumentu. Domnívá se, že kombinace obrovských kapitálových nákladů a krátkých životních cyklů znemožňuje dosažení rozumné návratnosti investic. S investičními náklady ve výši osmi bilionů amerických dolarů a potřebou generovat roční zisk ve výši 800 miliard amerických dolarů jen na pokrytí kapitálových nákladů by systém umělé inteligence musel generovat příjmy v rozsahu daleko přesahujícím to, co se v současnosti jeví jako realistické.
Pro srovnání, mateřská společnost Alphabet, Google, měla v roce 2024 celkové tržby přibližně 350 miliard dolarů. I za předpokladu agresivního růstu o 12 procent ročně by tržby do roku 2029 vzrostly na zhruba 577 miliard dolarů. Celkové tržby potřebné k ospravedlnění investic do umělé inteligence by toto číslo daleko překročily.
Společnost OpenAI, která stojí za ChatGPT, předpokládá roční tržby přesahující 20 miliard dolarů za rok 2025 a očekává, že do roku 2030 dosáhne stovek miliard dolarů. Společnost v příštích osmi letech podepsala smlouvy v hodnotě přibližně 1,4 bilionu dolarů. I tato ambiciózní čísla však vyvolávají otázky. Analytici z HSBC modelují, že OpenAI vynaloží mezi koncem let 2025 a 2030 náklady na cloudovou a umělou inteligenci ve výši 792 miliard dolarů, přičemž celkové závazky v oblasti výpočetní kapacity by mohly do roku 2033 dosáhnout přibližně 1,4 bilionu dolarů.
Analytici HSBC předpovídají, že kumulativní volný peněžní tok OpenAI zůstane do roku 2030 záporný, což povede k nedostatku financování ve výši 207 miliard dolarů. Tuto mezeru by bylo nutné vyplnit dodatečným dluhem, vlastním kapitálem nebo agresivnější generováním příjmů. Otázkou není jen to, zda se OpenAI může stát ziskovou, ale zda je celý její obchodní model, který se opírá o masivní investice do datových center, vůbec životaschopný.
Mizivě malá pravděpodobnost AGI
Krišna do své ekonomické kritiky dodává ještě zásadnější technologický rozměr. Pravděpodobnost, že současné technologie povedou k umělé inteligenci, odhaduje na nulu až jedno procento. Toto hodnocení je pozoruhodné, protože není založeno na filozofických úvahách, ale spíše na střízlivém zhodnocení technických možností a omezení velkých jazykových modelů.
Definice AGI je sice kontroverzní, ale ve své podstatě se týká systémů umělé inteligence, které dokáží dosáhnout nebo překonat lidské kognitivní schopnosti v celém spektru. To by znamenalo, že systém nejen prokazuje odborné znalosti v určitých oblastech, ale je také schopen přenášet znalosti z jedné oblasti do druhé, chápat nové situace, kreativně řešit problémy a neustále se zlepšovat, aniž by se musel pro každý nový úkol přeškolovat.
Krišna tvrdí, že rozsáhlé jazykové modely, které tvoří jádro současné revoluce umělé inteligence, mají zásadní omezení. Tyto modely jsou založeny na statistických vzorcích v masivních textových souborech dat a dokáží působivě fungovat v úlohách založených na jazyce. Dokážou generovat souvislé texty, odpovídat na otázky a dokonce psát programový kód. Ve skutečnosti však nechápou, co dělají. Chybí jim model světa, koncept kauzality a skutečná schopnost abstrakce.
Tato omezení se projevují v několika oblastech. Jazykové modely pravidelně halucinují, což znamená, že si vymýšlejí fakta, která zní věrohodně, ale jsou nepravdivá. Potýkají se s vícestupňovým logickým uvažováním a často selhávají v úkolech, které jsou pro lidi triviální, pokud by tyto úkoly nebyly zahrnuty do jejich trénovací datové sady. Chybí jim epizodická paměť a nemohou se učit z vlastních chyb bez přetrénování.
Vědci a výzkumníci z různých oborů stále více sdílejí tuto skepsi. Marc Benioff, generální ředitel společnosti Salesforce, vyjádřil podobnou skepsi ohledně AGI v listopadu 2025. V podcastu označil termín AGI za potenciálně zavádějící a kritizoval technologický průmysl za to, že je v jakési hypnóze ohledně bezprostředních možností umělé inteligence. Benioff zdůraznil, že ačkoliv současné systémy jsou působivé, nemají ani vědomí, ani skutečné porozumění.
Yann LeCun, vedoucí vědec v oblasti umělé inteligence ve společnosti Meta, tvrdí, že rozsáhlé jazykové modely nikdy nepovedou k AGI, bez ohledu na to, jak moc jsou škálovány. Zasazuje se o alternativní přístupy, které jdou nad rámec čisté predikce textu, včetně multimodálních modelů světa, které nejen zpracovávají text, ale také integrují vizuální a další senzorické informace k vytvoření vnitřních reprezentací světa.
Naše odborné znalosti v USA v oblasti rozvoje obchodu, prodeje a marketingu
Naše odborné znalosti v USA v oblasti rozvoje obchodu, prodeje a marketingu - Obrázek: Xpert.Digital
Zaměření na odvětví: B2B, digitalizace (od AI po XR), strojírenství, logistika, obnovitelné zdroje energie a průmysl
Více o tom zde:
Tematické centrum s poznatky a odbornými znalostmi:
- Znalostní platforma o globální a regionální ekonomice, inovacích a trendech specifických pro dané odvětví
- Sběr analýz, impulsů a podkladových informací z našich oblastí zájmu
- Místo pro odborné znalosti a informace o aktuálním vývoji v oblasti podnikání a technologií
- Tematické centrum pro firmy, které se chtějí dozvědět více o trzích, digitalizaci a inovacích v oboru
Bublina umělé inteligence, nebo motor budoucnosti? Nebezpečná propast mezi investicemi, spotřebou energie a skutečnými zisky.
Nezbytný technologický průlom
Krišna se domnívá, že dosažení AGI bude vyžadovat více technologií, než kolik dokáže poskytnout současná cesta velkých jazykových modelů. Navrhuje, že integrace tvrdých znalostí s jazykovými modely by mohla být životaschopným přístupem. Tvrdými znalostmi myslí strukturované, explicitní znalosti o kauzálních vztazích, fyzikálních zákonech, matematických principech a dalších formách znalostí, které jdou nad rámec statistických korelací.
Tato perspektiva se shoduje s výzkumem v oblasti neurosymbolické umělé inteligence, který se snaží spojit silné stránky neuronových sítí v oblasti rozpoznávání vzorů s logickými schopnostmi systémů symbolické umělé inteligence. Symbolická umělá inteligence, založená na pravidlech a logické inferenci, byla dominantní v prvních desetiletích výzkumu umělé inteligence, ale v posledních letech ji předběhly neuronové přístupy. Hybridní kombinace obou přístupů by teoreticky mohla vytvořit systémy schopné jak učení, tak logického uvažování.
Mezi další slibné směry výzkumu patří vtělená umělá inteligence, kde se systémy učí interakcí s fyzickým nebo simulovaným prostředím; kontinuální učení, kde systémy mohou rozšiřovat své schopnosti bez ztráty předchozích znalostí; a vnitřně motivované systémy, které zkoumají a učí se samy.
I s těmito dalšími technologiemi zůstává Krišna opatrný. Na otázku, zda by tento rozšířený přístup mohl vést k AGI, odpověděl by pouze „možná“. Tato opatrnost podtrhuje nejistotu, která existuje i mezi odborníky, kteří s umělou inteligencí pracují po celá desetiletí. Vývoj AGI není jen otázkou výpočetního výkonu nebo objemu dat, ale může vyžadovat zásadní nové poznatky o samotné povaze inteligence.
Vhodné pro:
Paradox produktivní umělé inteligence dnes
Navzdory svému skepticismu ohledně AGI a ekonomické stránky masivních investic do datových center není Krišna v žádném případě pesimistou v oblasti umělé inteligence. Naopak s nadšením hovoří o současných nástrojích umělé inteligence a jejich dopadu na svět podnikání. Je přesvědčen, že tyto technologie uvolní v rámci firem potenciál produktivity v řádu bilionů dolarů.
Toto rozlišení je klíčové pro pochopení jeho postoje. Krišna nepochybuje o hodnotě umělé inteligence jako takové, ale spíše o ekonomické životaschopnosti konkrétní cesty, kterou se toto odvětví vydalo. Dnešní systémy umělé inteligence, zejména rozsáhlé jazykové modely, již nyní mohou umožnit významné zvýšení produktivity v mnoha oblastech, aniž by vyžadovaly infrastrukturu v hodnotě osmi bilionů amerických dolarů.
Samotná společnost IBM je pozoruhodným příkladem těchto nárůstů produktivity. Od ledna 2023 společnost komplexně implementovala umělou inteligenci a automatizaci ve svých vlastních operacích a očekává, že do konce roku 2025 dosáhne nárůstu produktivity ve výši 4,5 miliardy dolarů. Tato iniciativa, kterou IBM nazývá Client Zero, zahrnovala nasazení hybridní cloudové infrastruktury, technologií umělé inteligence a automatizace a konzultační odborné znalosti napříč různými obchodními jednotkami.
Konkrétní výsledky této transformace jsou působivé. Společnost IBM implementovala nástroje založené na umělé inteligenci v zákaznickém servisu, které vyřeší 70 procent dotazů a zkrátí dobu jejich řešení o 26 procent. Ve všech obchodních jednotkách bylo přibližně 270 000 zaměstnanců vybaveno agentními systémy umělé inteligence, které řídí složité pracovní postupy a podporují lidské pracovníky.
Tento typ aplikace umělé inteligence nevyžaduje masivní nová datová centra, ale může stavět na stávající infrastruktuře. Zaměřuje se na specifické případy použití, kde umělá inteligence přináší prokazatelná vylepšení, spíše než na hypotetický rozvoj obecné inteligence. Toto je jádro Krišnova argumentu: Technologie je cenná a transformativní, ale současný přístup investování bilionů do rozvoje obecné umělé inteligence není ekonomicky udržitelný.
Studie společnosti McKinsey odhadují, že generativní umělá inteligence má potenciál vytvořit ročně ekonomickou hodnotu ve výši 2,6 až 4,4 bilionu dolarů v 63 analyzovaných případech užití. Při zohlednění dopadu zabudování generativní umělé inteligence do softwaru, který se v současnosti používá pro jiné úkoly, by se tento odhad mohl zhruba zdvojnásobit. Toto zvýšení produktivity by mohlo do roku 2040 zvýšit roční růst produktivity práce o 0,1 až 0,6 procentního bodu.
Rozdílné strategie technologických gigantů
Zatímco Krišna vyjadřuje své obavy, ostatní technologickí giganti zdvojnásobují své sázky na infrastrukturu umělé inteligence. Výdaje velké čtyřky ilustrují rozsah tohoto investičního cyklu. Microsoft plánuje ve fiskálním roce 2025 utratit zhruba 80 miliard dolarů za výstavbu datových center s umělou inteligencí, přičemž více než polovina těchto investic je určena pro Spojené státy.
Společnost Amazon oznámila kapitálové výdaje ve výši přibližně 125 miliard dolarů pro rok 2025, přičemž většina bude určena na umělou inteligenci a související infrastrukturu pro Amazon Web Services. Společnost již signalizovala, že výdaje budou v roce 2026 ještě vyšší. Společnost Meta Platforms očekává kapitálové výdaje v roce 2025 ve výši 70 až 72 miliard dolarů, což představuje nárůst oproti předchozímu odhadu z 66 na 72 miliard dolarů. Pro rok 2026 společnost uvedla, že výdaje budou výrazně vyšší.
Společnost Alphabet, mateřská společnost Googlu, očekává kapitálové výdaje v roce 2025 ve výši 91 až 93 miliard dolarů, což je více než předchozí prognóza 85 miliard dolarů. Dohromady tyto čtyři společnosti plánují v roce 2025 utratit 350 až 400 miliard dolarů, což je více než dvojnásobek oproti výdajům před dvěma lety.
Tyto masivní investice probíhají v prostředí, kde skutečné příjmy ze služeb v oblasti umělé inteligence jsou stále hluboko pod očekáváními. OpenAI hlásí roční příjmy přesahující 20 miliard dolarů, ale zůstává nezisková. Microsoft generuje roční příjmy z umělé inteligence přibližně 13 miliard dolarů s meziročním růstem o 175 procent, zatímco Meta nemůže vykázat ani jeden dolar přímých příjmů z umělé inteligence.
Rozdíl mezi investicemi a příjmy je zarážející. Morgan Stanley odhaduje, že odvětví umělé inteligence do roku 2028 utratí za datová centra přibližně tři biliony amerických dolarů. Pro srovnání, současné příjmy jsou zanedbatelné. Studie MIT z července 2025 zjistila, že zhruba 95 procent společností, které investovaly do umělé inteligence, na této technologii nevydělalo. Kombinované celkové výdaje těchto společností se odhadují na přibližně 40 miliard amerických dolarů.
Rostoucí hlasy skepticismu
Krišnovo varování je součástí rostoucího sboru skeptických hlasů z různých odvětví technologického a finančního světa. Tyto obavy se nezaměřují pouze na okamžité ekonomické přínosy, ale také na systémová rizika vyplývající ze současné investiční dynamiky.
Ekonomové poukazují na to, že sektor umělé inteligence se v první polovině roku 2025 podílel zhruba na dvou třetinách růstu HDP USA. Analýza společnosti JPMorgan Asset Management ukazuje, že výdaje na datová centra v oblasti umělé inteligence přispěly k ekonomickému růstu více než kombinovaná spotřeba stovek milionů amerických spotřebitelů. Harvardský ekonom Jason Furman vypočítal, že bez datových center by růst HDP v první polovině roku 2025 činil pouze 0,1 procenta.
Tato koncentrace růstu v jediném sektoru s sebou nese rizika. Daron Acemoglu, ekonom z MIT a nositel Nobelovy ceny za ekonomii za rok 2024, tvrdí, že skutečný dopad umělé inteligence by mohl být výrazně menší, než naznačují prognózy v tomto odvětví. Odhaduje, že v příštích deseti letech umělá inteligence nahradí možná jen pět procent pracovních míst, což je mnohem méně, než nadšené předpovědi některých technologických lídrů.
Obavy z bubliny zvyšují některé faktory. Technologické společnosti stále častěji využívají finanční nástroje známé jako společnosti pro speciální účely (SPV), aby si udržely výdaje ve výši miliard dolarů mimo své rozvahy. Tyto SPV financované Wall Street slouží jako fiktivní společnosti pro budování datových center. Tato praxe vyvolává otázky ohledně transparentnosti a skutečného rizika, které společnosti nesou.
Sundar Pichai, generální ředitel společnosti Alphabet, v rozhovoru pro BBC z listopadu 2025 popsal prudký nárůst investic do umělé inteligence jako mimořádný okamžik, ale zároveň uznal určitou iracionalitu, která současný boom umělé inteligence doprovází. Varoval, že prasknutí bubliny umělé inteligence by ovlivnilo každou společnost. Dokonce i Sam Altman, generální ředitel OpenAI a jeden z nejvýznamnějších zastánců umělé inteligence, v srpnu 2025 připustil, že umělá inteligence by se mohla nacházet v bublině, a přirovnal tržní podmínky k těm z boomu internetových společností a zdůraznil, že mnoho inteligentních lidí se příliš nadchlo pro zrnko pravdy.
Vhodné pro:
Energetická otázka jako limitující faktor
Dalším zásadním problémem, který Krišna explicitně nezmiňuje, ale je implicitně uveden v jeho kalkulacích nákladů, je dodávka energie. Datové centrum o výkonu 100 gigawattů by vyžadovalo přibližně 20 procent celkové výroby elektřiny ve Spojených státech. Nejde o triviální výzvu, ale o potenciální úzké hrdlo, které by mohlo ohrozit celou vizi.
Mezinárodní energetická agentura předpovídá, že celosvětová poptávka po elektřině z datových center by se do roku 2030 mohla více než zdvojnásobit, z přibližně 415 terawatthodin v roce 2024 na 900 až 1 000 terawatthodin. Umělá inteligence by mohla do roku 2030 tvořit 35 až 50 procent spotřeby elektřiny v datových centrech. Ve Spojených státech se očekává, že poptávka po elektřině v datových centrech do roku 2035 vzroste z 35 gigawattů na 78 gigawattů, což představuje 8,6 procenta spotřeby elektřiny v zemi.
Tato poptávka přichází v době, kdy se mnoho zemí snaží dekarbonizovat své energetické sítě a zvýšit podíl obnovitelné energie. Problémem je, že datová centra vyžadují neustálé napájení 24 hodin denně, 365 dní v roce. To přechod na obnovitelné zdroje energie ztěžuje, protože větrná a solární energie jsou nepravidelné a vyžadují řešení pro ukládání energie nebo záložní kapacitu.
Emise uhlíku z datových center se podle prognóz zvýší z 212 milionů tun v roce 2023 na potenciálních 355 milionů tun do roku 2030, ačkoli se toto číslo značně liší v závislosti na rychlosti řešení v oblasti čisté energie a zvyšování účinnosti. Jediný proces generování obrazu vygenerovaného umělou inteligencí spotřebuje tolik elektřiny jako plné nabití chytrého telefonu. Zpracování jednoho milionu tokenů vyprodukuje tolik oxidu uhličitého jako benzínový automobil ujede 8 až 32 kilometrů.
Generativní umělá inteligence vyžaduje zhruba sedmkrát až osmkrát více energie než tradiční výpočetní zátěž. Trénování velkých modelů umělé inteligence může spotřebovat tolik elektřiny jako stovky domácností během několika měsíců. Tato energetická náročnost znamená, že i kdyby byly k dispozici finanční zdroje na vybudování masivních datových center, fyzická infrastruktura pro napájení těchto zařízení by nemusela být včas připravena.
Vhodné pro:
Alternativní technologické cesty a jejich význam
Debata o omezeních rozsáhlých jazykových modelů vedla ke zvýšenému výzkumnému úsilí v alternativních oblastech. Kvantové výpočty jsou některými vnímány jako potenciální průlom, který by mohl překonat současná omezení. V říjnu 2025 společnost Google představila svůj kvantový čip Willow, který dosáhl ověřitelné kvantové výhody. Jednalo se o milník, který překročil hranice klasické fyziky a otevřel nové možnosti v oblastech, jako je medicína, energetika a umělá inteligence.
Kvantové počítače fungují na zcela odlišných principech než klasické počítače. Využívají kvantové bity neboli qubity, které mohou existovat ve více stavech současně, což umožňuje paralelní výpočty v rozsahu, který je u konvenčních systémů nemožný. Kvantové počítače však čelí značným výzvám, zejména dekoherenci, která ovlivňuje stabilitu qubitů.
Nedávné průlomy ve stabilizaci qubitů naznačují, že škálovatelné kvantové počítače by se mohly stát realitou v příštích několika letech. Společnosti jako PsiQuantum plánují do konce tohoto desetiletí uvést do provozu kvantové počítače 10 000krát větší než Willow – počítače dostatečně velké na to, aby se zabývaly důležitými otázkami týkajícími se materiálů, léčiv a kvantových aspektů přírody.
Konvergence kvantových výpočtů a umělé inteligence by teoreticky mohla otevřít nové možnosti. Kvantové algoritmy se v simulaci důležitých léčiv a materiálů zlepšily více než 200krát. Někteří spekulují, že kombinace AGI a kvantových výpočtů by mohla být možná během jednoho až dvou let, následovaná umělou superinteligencí do pěti let.
Mezi další slibné směry výzkumu patří optické výpočetní architektury, které k napájení čipů využívají světlo místo elektřiny. Architektura s názvem Parallel Optical Matrix-Matrix Multiplication, představená v listopadu 2025, by mohla odstranit jedno z největších úzkých míst v současném vývoji umělé inteligence. Na rozdíl od předchozích optických metod provádí více tenzorových operací současně s jediným laserovým pulsem, což by mohlo výrazně zvýšit rychlost zpracování.
Strategické postavení IBM
Krišnova pozice je obzvláště zajímavá v kontextu strategie společnosti IBM. V posledních letech se IBM vědomě přesunula od čistě hardwarového a infrastrukturního byznysu k podnikovému softwaru, cloudovým službám a poradenství. Společnost prodala velkou část svého tradičního IT podnikání a místo toho se soustředila na hybridní cloudová řešení a aplikace umělé inteligence pro firmy.
Tento strategický směr se zásadně liší od přístupů společností Microsoft, Amazon, Google a Meta, které všechny investují značné prostředky do budování vlastní infrastruktury. IBM se místo toho zaměřuje na pomoc firmám s nasazením umělé inteligence podle jejich vlastních podmínek, s transparentností, možností výběru a flexibilitou. Tato filozofie odráží přesvědčení, že ne každá společnost bude používat jeden veřejný cloud a že zejména regulovaná odvětví a společnosti mimo Spojené státy budou preferovat hybridní přístupy.
Krišnovu kritiku masivních investic do infrastruktury lze proto chápat i jako implicitní obhajobu přístupu IBM. Pokud by úsilí o AGI prostřednictvím investic do datových center v řádu bilionů dolarů skutečně nebylo ekonomicky životaschopné, potvrdilo by to strategii IBM, která se zaměřuje na specifické, hodnotně vytvářející případy užití, které mohou stavět na stávající nebo mírně rozšířené infrastruktuře.
Zároveň se IBM silně angažuje v oblastech, jako jsou kvantové výpočty, které by potenciálně mohly představovat další technologickou vlnu. Společnost významně investuje do vývoje kvantových počítačů a pracuje na partnerstvích s dalšími technologickými společnostmi s cílem tuto technologii dále rozvíjet. To naznačuje, že Krišna není proti inovacím ani ambiciózním technologickým cílům, ale spíše proti specifickému přístupu, který považuje za ekonomicky neživotaschopný.
🎯🎯🎯 Využijte rozsáhlé pětinásobné odborné znalosti společnosti Xpert.Digital v komplexním balíčku služeb | BD, výzkum a vývoj, XR, PR a optimalizace digitální viditelnosti
Využijte rozsáhlé pětinásobné odborné znalosti společnosti Xpert.Digital v komplexním balíčku služeb | Výzkum a vývoj, XR, PR a optimalizace digitální viditelnosti - Obrázek: Xpert.Digital
Xpert.Digital má hluboké znalosti z různých odvětví. To nám umožňuje vyvíjet strategie šité na míru, které jsou přesně přizpůsobeny požadavkům a výzvám vašeho konkrétního segmentu trhu. Neustálou analýzou tržních trendů a sledováním vývoje v oboru můžeme jednat s prozíravostí a nabízet inovativní řešení. Kombinací zkušeností a znalostí vytváříme přidanou hodnotu a poskytujeme našim zákazníkům rozhodující konkurenční výhodu.
Více o tom zde:
Produktivita ano, AGI ne: Proč by cílené projekty umělé inteligence mohly být ziskovější než megamodely
Perspektiva vedení OpenAI
Krišnův skepticismus je v přímém rozporu s veřejnými prohlášeními Sama Altmana, generálního ředitele společnosti OpenAI. Altman opakovaně zdůrazňoval, že OpenAI je připravena vynaložit obrovské investice do dosažení obecné umělé inteligence (AGI). Společnost v příštích osmi letech uzavřela dohody v celkové hodnotě přibližně 1,4 bilionu dolarů, včetně významných dohod se společnostmi Oracle, Broadcom a dalšími partnery.
Altman předpovídá, že OpenAI dosáhne do roku 2030 ročních tržeb ve stovkách miliard amerických dolarů. Tato projekce je založena na předpokladu, že poptávka po službách umělé inteligence poroste exponenciálně s tím, jak se systémy stanou výkonnějšími. Obchodní model OpenAI závisí na ochotě firem a jednotlivců platit značné částky za přístup k pokročilým funkcím umělé inteligence.
Krišna v podcastu uvedl, že Altmanovu perspektivu chápe, ale nesdílí ji. To je pozoruhodně diplomatický způsob, jak to vyjádřit, což naznačuje, že respektuje vizi OpenAI, ale činí zásadně odlišné předpoklady o její technologické proveditelnosti a ekonomické životaschopnosti. Krišna na otázku, zda OpenAI dokáže generovat návratnost svých investic, odpovídá jasným „ne“.
Tato neshoda představuje zásadní konflikt v technologickém průmyslu mezi těmi, kdo věří v bezprostřední transformační AGI a jsou připraveni investovat astronomické částky, a těmi, kdo jsou skeptičtější a preferují postupný, ekonomicky udržitelnější přístup.
Vhodné pro:
Role odpisové politiky a účetních standardů
Debata o skutečné životnosti hardwaru umělé inteligence vyvolává zásadní otázky týkající se účetnictví a transparentnosti. Způsob, jakým společnosti odepisují svá aktiva, přímo ovlivňuje jejich vykázané zisky a v důsledku toho i ceny akcií a jejich oceňování.
Michael Burry tvrdí, že velké technologické společnosti nadhodnocují životnost svých čipů s umělou inteligencí, aby udržely nízké odpisy a nafukovaly zisky. Pokud například Meta v roce 2025 utratí 5 miliard dolarů za nový serverový stojan Nvidia Blackwell a bude jej odepisovat po dobu 5,5 let, roční náklady na odpisy se rozloží na přibližně 909 milionů dolarů. Pokud je však skutečná životnost pouze tři roky, roční odpisy by měly činit přibližně 1,67 miliardy dolarů – což je značný rozdíl.
Burry odhaduje, že tato prodloužená životnost by mohla v letech 2026 až 2028 zvýšit zisky několika velkých společností celkem o 176 miliard dolarů. Nvidia tato tvrzení zpochybnila v interním memorandu z listopadu 2025 s argumentem, že hyperscalery znehodnocují GPU během čtyř až šesti let na základě skutečné životnosti a trendů používání. Společnost poukázala na to, že starší GPU, jako například A100 vydaná v roce 2020, se i nadále používají s vysokou mírou využití a zachovávají si značnou ekonomickou hodnotu.
Realita se pravděpodobně nachází někde mezi tím. GPU mohou fyzicky fungovat déle než tři roky, ale jejich ekonomická hodnota může rapidně klesat s příchodem novějších a efektivnějších modelů na trh. Klíčovým faktorem je kaskádový nárůst hodnoty: starší GPU, které již nejsou optimální pro trénování nejnovějších modelů, mohou být stále užitečné pro inferenční úlohy a spouštění již trénovaných modelů. Lze je také použít pro méně náročné aplikace nebo je prodat na sekundárních trzích.
Tyto nuance ztěžují jasné posouzení. CoreWeave, poskytovatel cloudových služeb zaměřených na umělou inteligenci, prodloužil v lednu 2023 dobu odepisování svých grafických procesorů (GPU) ze čtyř na šest let. Kritici toto rozhodnutí považují za pokus o umělé zvýšení ziskovosti. Zastánci naopak tvrdí, že skutečné využití hardwaru delší doby ospravedlňuje.
Sociální a politické rozměry
Debata o investicích do umělé inteligence má také politický a sociální rozměr. David Sacks, investor rizikového kapitálu a poradce Bílého domu pro kryptoměny a umělou inteligenci, v listopadu 2025 varoval, že zvrat v boomu investic do umělé inteligence by riskoval recesi. Jeho formulace naznačuje, že ekonomika se stala natolik závislou na investicích do umělé inteligence, že zastavení nebo výrazné zpomalení by mělo značné makroekonomické důsledky.
Tato závislost vyvolává otázku, zda se společnost sama nedostala do situace, kdy je nucena pokračovat v investování bez ohledu na svou ekonomickou životaschopnost, jen aby se vyhnula náhlému šoku. Jednalo by se o klasickou dynamiku bubliny, kde racionální ekonomické úvahy jsou zastíněny strachem z důsledků prasknutí bubliny.
Soustředění investic a zdrojů na umělou inteligenci také vyvolává otázky ohledně nákladů ušlé příležitosti. Triliony plynoucí do datových center umělé inteligence by teoreticky mohly být použity na jiné společenské priority, od zlepšování vzdělávacích systémů a rozšiřování obnovitelných zdrojů energie až po řešení nedostatků v infrastruktuře. Ospravedlnění této masivní alokace zdrojů závisí na tom, zda se slíbené výhody skutečně projeví.
Zároveň má umělá inteligence již prokazatelně pozitivní účinky. V Německu podle studie IBM z listopadu 2025 dvě třetiny společností hlásí významné zvýšení produktivity díky umělé inteligenci. Mezi oblasti s největším nárůstem produktivity souvisejícím s umělou inteligencí patří vývoj softwaru a IT, zákaznický servis a automatizace obchodních procesů. Přibližně pětina společností v Německu již dosáhla svých cílů v oblasti návratnosti investic (ROI) prostřednictvím iniciativ zaměřených na produktivitu řízených umělou inteligencí a téměř polovina očekává návratnost investic do dvanácti měsíců.
Tato čísla ukazují, že umělá inteligence skutečně vytváří ekonomickou hodnotu, ale také podporují Krišnův argument, že tato hodnota nemusí nutně vyplývat ze snahy o obecnou umělou inteligenci (AGI) s investicemi v řádu bilionů dolarů, ale spíše z cílenějších a specifičtějších aplikací.
Historická perspektiva technologických transformací
Abychom uvedli současnou situaci do perspektivy, je užitečné zvážit historické paralely. Boom internetových společností z konce 90. let 20. století je často uváděn jako varovný příběh. V té době proudily do internetových společností obrovské sumy peněz, založené na oprávněné víře, že internet bude transformativní. Mnoho z těchto investic se ukázalo jako chybných a když v roce 2000 praskla bublina, byly zničeny biliony tržní hodnoty.
Základní technologie se nicméně ukázala jako skutečně transformační. Společnosti jako Amazon a Google, které krizi přežily, se staly dominantními silami v globální ekonomice. Infrastruktura vybudovaná během boomu, včetně infrastruktury krachujících společností, vytvořila základ digitální ekonomiky následujících desetiletí. V tomto smyslu by se dalo tvrdit, že i nadměrné investice do infrastruktury umělé inteligence by mohly být z dlouhodobého hlediska prospěšné, i když mnoho současných hráčů selže.
Klíčový rozdíl však spočívá v kapitálové náročnosti. Internetové společnosti první generace se mohly škálovat s relativně nízkými investicemi, jakmile byla zavedena základní infrastruktura. Webové stránky nebo online služby, jakmile byly vyvinuty, mohly oslovit miliony uživatelů s minimálními dodatečnými náklady. Umělá inteligence, zejména v současné podobě, se tímto vzorem neřídí. Každý dotaz na rozsáhlý jazykový model s sebou nese značné výpočetní náklady. Škálování služeb umělé inteligence vyžaduje proporcionální nárůst infrastruktury, což zásadně mění ekonomiku.
Dalším historickým srovnáním je vývoj elektřiny. Když se elektrická energie poprvé stala dostupnou, trvalo firmám celá desetiletí, než se naučily, jak přepracovat své výrobní procesy, aby plně využily nové možnosti. Zpočátku továrny jednoduše nahradily parní stroje elektromotory, ale jinak si zachovaly svá stará uspořádání a procesy. Skutečné zvýšení produktivity nastalo až tehdy, když se inženýři a manažeři naučili navrhovat továrny od základů a využívat flexibilitu elektrické energie.
Totéž by mohlo platit pro umělou inteligenci. Současné aplikace mohou být jen povrchní nápovědou a skutečné transformace nemusí nastat, dokud se organizace nenaučí zásadně reorganizovat, aby mohly využívat možnosti umělé inteligence. To by trvalo nějakou dobu, možná roky nebo desetiletí, a není jasné, zda si současná investiční dynamika dovolí takovou trpělivost.
Budoucnost rozvoje AI
Navzdory veškeré skepsi a varování bude vývoj umělé inteligence pokračovat. Otázkou není, zda je umělá inteligence důležitá, ale která cesta je nejslibnější a ekonomicky udržitelná. Krišnův zásah lze chápat jako prosbu o přehodnocení strategie, nikoli jako výzvu k zastavení výzkumu umělé inteligence.
Nejpravděpodobnějším vývojem je diverzifikace přístupů. Zatímco některé společnosti budou i nadále investovat značné prostředky do škálování velkých jazykových modelů, jiné budou zkoumat alternativní cesty. Souběžně budou probíhat neurosymbolické přístupy, multimodální systémy, ztělesněná inteligence, kontinuální učení a další směry výzkumu. Průlomy v hardwaru, od kvantových výpočtů přes optické výpočetní architektury až po neuromorfní čipy, by mohly situaci změnit.
Klíčovým faktorem bude skutečné přijetí na trhu. Pokud budou firmy a spotřebitelé ochotni platit za služby umělé inteligence značné částky, mohly by být ospravedlnitelné i vysoké náklady na infrastrukturu. Zatím však zůstává tato otázka do značné míry otevřenou. ChatGPT a podobné služby přilákaly miliony uživatelů, ale ochota platit za ně značné částky je omezená. Většina uživatelů využívá bezplatné nebo silně dotované verze.
V podnikovém sektoru je situace poněkud odlišná. Zde je prokazatelná ochota platit za řešení umělé inteligence, která řeší specifické obchodní problémy. Společnost Microsoft hlásí silný růst svých služeb umělé inteligence pro firmy. Otázkou je, zda tyto toky příjmů mohou růst dostatečně rychle, aby ospravedlnily masivní investice.
Vhodné pro:
Zjištění z vícerozměrné analýzy
Obavy, které Arvind Krishna vznesl v podcastu Decoder, se dotýkají jádra jednoho z nejvýznamnějších ekonomických a technologických hazardních her v historii. Jeho argumentace je založena na zdravých ekonomických principech a technickém porozumění. Kombinace obrovských kapitálových nákladů, krátkých životních cyklů hardwaru a nízké pravděpodobnosti, že současné technologie povedou k AGI (Automated Generating Intelligence), představuje přesvědčivý argument proti současné investiční strategii.
Krišnův postoj zároveň není bez protiargumentů. Zastánci masivních investic do umělé inteligence by argumentovali, že transformační technologie často vyžadují obrovské počáteční investice, že náklady na výpočetní jednotku neustále klesají, že se objeví nové obchodní modely, které zatím nelze předvídat, a že riziko zaostávání v oblasti technologií, které by mohly změnit svět, je větší než finanční riziko nadměrných investic.
Pravda pravděpodobně leží někde mezi těmito extrémními postoji. Umělá inteligence je nepochybně důležitou a transformační technologií, která vytvoří významnou ekonomickou hodnotu. Současné jazykové modely a aplikace umělé inteligence již prokazují působivé schopnosti a v mnoha oblastech vedou k měřitelnému zvýšení produktivity. Zároveň je myšlenka, že pouhé rozšíření současných přístupů povede k obecné umělé inteligenci, stále kontroverznější, a to i mezi předními výzkumníky v oblasti umělé inteligence.
Ekonomická analýza hovoří za vše. Samotný rozsah požadovaných investic a potřeba generovat obrovské zisky v krátkém časovém období představují bezprecedentní výzvu. Pokud jsou Krišnovy výpočty byť jen vzdáleně přesné, je těžké si představit, jak může být současná investiční strategie udržitelná.
To však nutně neznamená, že katastrofa je na spadnutí. Trhy se dokáží přizpůsobit. Investiční toky se mohou měnit, obchodní modely se mohou vyvíjet a technologické průlomy mohou zásadně změnit ekonomiku. Historie technologií je plná příkladů, kdy byla počáteční skepse vyvrácena a zdánlivě nemožné výzvy překonány.
Zdá se pravděpodobné období konsolidace a přehodnocení. Současné tempo růstu investic do umělé inteligence nemůže pokračovat donekonečna. V určitém okamžiku budou investoři a vedoucí pracovníci chtít vidět důkazy o skutečných výnosech. Společnosti, které dokáží nabídnout přesvědčivé případy užití a prokazatelnou ekonomickou hodnotu, budou prosperovat. Jiné budou možná muset upravit své strategie nebo opustit trh.
Krišnův zásah slouží jako důležité varování k opatrnosti v prostředí charakterizovaném euforií a nutkáním držet krok. Jeho desetiletí zkušeností v technologickém sektoru a jeho pozice v čele jedné z nejstarších a nejzavedenějších IT společností na světě dodávají jeho slovům váhu. Čas ukáže, zda má pravdu. Jisté však je, že otázky, které nastoluje, je třeba brát vážně a důkladně prodiskutovat, než se do strategie, jejíž úspěch není zdaleka zaručen, vloží další biliony.
Nový rozměr digitální transformace s „řízenou AI“ (umělou inteligencí) – platforma a řešení B2B | Xpert Consulting
Nový rozměr digitální transformace s „řízenou AI“ (umělou inteligencí) – platforma a řešení B2B | Xpert Consulting - Obrázek: Xpert.Digital
Zde se dozvíte, jak může vaše společnost rychle, bezpečně a bez vysokých vstupních bariér implementovat řešení umělé inteligence na míru.
Spravovaná platforma umělé inteligence (AI) je vaším komplexním a bezstarostným balíčkem pro umělou inteligenci. Místo řešení složitých technologií, drahé infrastruktury a zdlouhavých vývojových procesů získáte od specializovaného partnera řešení na klíč šité na míru vašim potřebám – často během několika dnů.
Klíčové výhody na první pohled:
⚡ Rychlá implementace: Od nápadu k provozní aplikaci během dnů, nikoli měsíců. Dodáváme praktická řešení, která vytvářejí okamžitou hodnotu.
🔒 Maximální zabezpečení dat: Vaše citlivá data zůstávají u vás. Garantujeme bezpečné a kompatibilní zpracování bez sdílení dat s třetími stranami.
💸 Žádné finanční riziko: Platíte pouze za výsledky. Vysoké počáteční investice do hardwaru, softwaru nebo personálu jsou zcela eliminovány.
🎯 Zaměřte se na své hlavní podnikání: Soustřeďte se na to, co děláte nejlépe. My se postaráme o kompletní technickou implementaci, provoz a údržbu vašeho řešení s umělou inteligencí.
📈 Připraveno na budoucnost a škálovatelné: Vaše umělá inteligence roste s vámi. Zajišťujeme průběžnou optimalizaci a škálovatelnost a flexibilně přizpůsobujeme modely novým požadavkům.
Více o tom zde:
Váš globální partner pro marketing a rozvoj podnikání
☑️ Naším obchodním jazykem je angličtina nebo němčina
☑️ NOVINKA: Korespondence ve vašem národním jazyce!
Konrad Wolfenstein
Rád vám a mému týmu posloužím jako osobní poradce.
Kontaktovat mě můžete vyplněním kontaktního formuláře nebo mi jednoduše zavolejte na číslo +49 89 89 674 804 (Mnichov) . Moje e-mailová adresa je: wolfenstein ∂ xpert.digital
Těším se na náš společný projekt.
