Generální ředitel Nvidie kritizuje Německo: Jak vážné je varování před technologickým zpožděním?

Konrad Wolfenstein

Před 37 minutami

Generální ředitel Nvidie kritizuje Německo: Jak vážné je varování před technologickým zpožděním? – Kreativní obrázek k tématu s umělou inteligencí: Xpert.Digital

Německo technologicky ještě není hotové – ale jeho náskok hnije v zahálce

Umělá inteligence a průmysl: Proč se Německo musí rychleji posunout od znalostí k tvorbě hodnot

Jensen Huang, generální ředitel výrobce čipů pro umělou inteligenci Nvidia, pronesl ostré hodnocení Německa: země technologicky výrazně zaostává. Toto prohlášení je trefné a pochází od podnikatele, který sám profituje z globálního boomu umělé inteligence. Zasahuje však do jádra věci. Německo stále disponuje silnou průmyslovou základnou, vysoce výkonným výzkumem a rozsáhlými technickými znalostmi. Zároveň je často příliš pomalé promítnout tyto poznatky do úspěšných digitálních produktů, škálovatelných podniků a měřitelného zvýšení produktivity. Rozdíl s mezinárodní konkurencí se zvětšuje, zejména v oblasti umělé inteligence, softwaru, růstového kapitálu a digitální infrastruktury.

To neznamená, že Německo je technologicky vyčerpané. Země spíše čelí otázkou, jak propojit své průmyslové silné stránky s novými digitálními technologiemi – například v robotice, automatizované výrobě a tzv. fyzické umělé inteligenci. Spolupráce s Nvidií a německými průmyslovými partnery by mohla pomoci, ale s sebou nese také rizika, jako jsou nové závislosti na jednotlivých dodavatelích. Rozhodujícím faktorem proto není investovat co nejvíce a co nejrychleji, ale spolehlivě transformovat výzkum a pilotní projekty do produktivních aplikací. Huangovo varování není konečným verdiktem o budoucnosti Německa, ale je důvodem k vážnému přezkoumání vlastního tempa implementace.

Německo neparalyzuje myšlení, ale neschopnost rychle proměnit znalosti v přidanou hodnotu

Neobvykle ostrá kritika generálního ředitele společnosti Nvidia Jensena Huanga se dotýká citlivého místa v německé ekonomice, ale jeho rozsáhlá zobecnění jsou zároveň přehnaná. Německo není technologicky ani bezvýznamné, ani obecně nezaostává. Země i nadále disponuje mimořádně širokou průmyslovou základnou, globálně konkurenceschopnými společnostmi, vysoce výkonnými výzkumnými institucemi, bohatými inženýrskými znalostmi a vysokou hustotou automatizovaných výrobních zařízení. V roce 2025 bylo v Německu podáno 24 476 evropských patentových přihlášek, čímž si Německo udrželo vedoucí postavení v Evropě. S 449 průmyslovými roboty na 10 000 zaměstnanců ve výrobním sektoru se Německo může pochlubit také nejvyšší hustotou robotů v Evropě a jednou z nejvyšších na světě.

Nicméně Huangovo varování je třeba brát vážně z ekonomického hlediska. Problém Německa nespočívá ani tak v absolutním nedostatku technologií, jako spíše v rostoucí propasti mezi vědeckými a technologickými schopnostmi a jejich tržně efektivním uplatněním. Mnoho společností disponuje pokročilými odbornými znalostmi v oblasti strojírenství, automatizace, materiálů, senzorových technologií, plánování výroby a průmyslové kontroly kvality. Pokud jde však o cloudové platformy, škálovatelný software, polovodičové ekosystémy, digitální obchodní modely, rozsáhlé modely umělé inteligence a vysoce rizikové financování růstu, zaměření tvorby hodnoty se stále více přesouvá mimo Evropu. Klíčovou otázkou tedy není, zda je Německo stále inovativní. Jde o to, zda dokáže dostatečně rychle proměnit svou stávající inovativní kapacitu v produktivní aplikace, nové společnosti, exportovatelné platformy a vyšší celkovou ekonomickou produktivitu.

Huangova diagnóza je přehnaná, ale ne neopodstatněná

Tvrzení, že jedna z technologicky nejvyspělejších zemí výrazně zaostává, zpočátku funguje jako provokativní nadsázka. Nepopisuje úplný průmyslový úpadek, ale spíše relativní ztrátu pozice v klíčových digitálních technologiích. Relativní znamená, že Německo může zlepšit své schopnosti a stále zaostávat, pokud ostatní ekonomiky výrazně rychleji škálují své kapacity, investice a firmy. Právě tento mechanismus utváří globální závod v oblasti umělé inteligence. Technologický pokrok se neměří pouze tím, zda země provádí kvalitní výzkum nebo zda dokáže představit jednotlivé pilotní projekty. Klíčové je, jak rychle se kapitál, výpočetní výkon, data, kvalifikovaní pracovníci a podnikání spojí, aby vznikly tržně uplatnitelné produkty.

Čísla o financování ilustrují rozsah problému. Celosvětově se do společností zabývajících se umělou inteligencí v roce 2025 investovalo rizikové financování ve výši přibližně 258,7 miliardy USD. Z toho přibližně 194 miliard USD, tedy zhruba 75 procent, směřovalo do společností ve Spojených státech. Celá Evropská unie přispěla částkou přibližně 15,8 miliardy USD, tedy šesti procenty. Tento rozdíl není jen finanční detail. Ovlivňuje, kde se najímají talenty, kde se budují datová centra, kde se školení nových modelů, kde se komercializují patenty a kde se mladé společnosti vyvíjejí v poskytovatele globálních platforem.

Huangova kritika je však také motivována vlastním zájmem. Nvidia má prospěch z toho, když vlády, poskytovatelé cloudových služeb a průmyslové společnosti co nejrychleji nakupují velké množství čipů pro umělou inteligenci, síťových technologií a softwaru. Generální ředitel, jehož společnost prodává klíčovou infrastrukturu boomu umělé inteligence, není neutrálním pozorovatelem technologické politiky. Jeho výzva k rychlejší akci je proto zároveň diagnózou hospodářské politiky a prodejní nabídkou. To kritiku neznehodnocuje, ale vyžaduje to střízlivější posouzení. Vyšší rychlost se automaticky nerovná většímu ekonomickému přínosu, pokud jsou investice prováděny bez jasných případů užití, konkurence, otevřených rozhraní a spolehlivých analýz nákladů a přínosů.

Německo je silné v technologiích, ale slabé v rychlosti

Německý inovační aparát je zaměřen na důkladnost, bezpečnost, technickou spolehlivost a dlouhodobé průmyslové vztahy. Tento model je již po desetiletí mimořádně úspěšný. Je obzvláště vhodný pro odvětví, kde jsou poruchy nákladné nebo nebezpečné, výrobní cykly dlouhé a zákazníci oceňují spolehlivou kvalitu. V chemii, strojírenství, automobilovém průmyslu, elektrotechnice a průmyslové automatizaci často vznikají konkurenční výhody z tisíců postupných vylepšení. Německý systém dokáže vyvíjet, certifikovat, vyrábět a podporovat složité fyzické produkty prostřednictvím mezinárodních servisních sítí.

Digitální trhy se však někdy řídí jinou logikou. Software lze distribuovat globálně s nízkými mezními náklady. Platformy se stávají cennějšími s přidáváním více zákazníků, vývojářů a datových zdrojů. Rychlé učení se trhu může být důležitější než technicky dokonalý počáteční návrh. V umělé inteligenci se modely, nástroje a obchodní procesy průběžně vyvíjejí v krátkých cyklech. Ti, kteří škálují včas, získávají data, uživatelskou zkušenost, udržení vývojářů a kapitál. Systém, který chrání rozhodnutí na roky, interpretuje programy financování do nejmenších detailů a snaží se minimalizovat každé riziko předem, je na takových trzích strukturálně znevýhodněn.

Díky tomu je Huangovo obvinění z přehnaného přemýšlení pochopitelné. Zůstává však neúplné. Problémem není samotná analýza, ale spíše kombinace pomalých schvalovacích procesů, roztříštěných odpovědností, komplikovaných podmínek financování, nejasných předpisů, slabé digitalizace správy, omezeného růstového kapitálu a firemní kultury, která často trestá chyby přísněji, než odměňuje učení. OECD označuje vysokou administrativní zátěž, nedostatek kvalifikovaných pracovníků a regulační překážky konkurence za faktory škodlivé pro dynamiku podnikání, inovace a růst produktivity. Problémem tedy není přílišné přemýšlení, ale spíše nedostatek rozhodujících organizačních kapacit.

Průmyslové jádro není pozůstatkem, ale nejcennější výhodou Německa v oblasti umělé inteligence

Německo by se nemělo účastnit globálního závodu v oblasti umělé inteligence kopírováním amerického platformního modelu. Přímý závod o největší univerzální jazykový model by byl drahý, riskantní a vzhledem k finanční síle amerických korporací by nabízel jen omezené vyhlídky na úspěch. Strategická páka spočívá spíše v tom, kde se digitální a fyzické systémy sbíhají. Právě zde Německo disponuje aktivy, která nelze v krátkodobém horizontu replikovat: reálná výrobní zařízení, znalosti procesů, průmyslová data, stroje, odborné znalosti v oblasti certifikace, specializovaní dodavatelé a úzké vztahy mezi výrobci a firemními zákazníky.

Fyzická umělá inteligence zahrnuje systémy, které vnímají své prostředí, činí rozhodnutí a řídí stroje nebo vozidla. Patří sem samoučící se roboti, autonomní dopravní systémy, inteligentní výrobní buňky, digitální dvojčata, řízení kvality podporované umělou inteligencí a simulační tréninková prostředí. V těchto aplikacích samotný výkonný jazykový model nestačí. Nezbytná jsou přesná data ze senzorů, fyzické porozumění, schopnosti v reálném čase, bezpečné řízení, znalosti domény a robustní integrace do stávajících procesů. Průmyslová struktura Německa je pro to v zásadě dobře uzpůsobena.

Výchozí bod je silnější, než naznačuje narativ o poklesu. Německo je největším evropským trhem s robotikou a v roce 2024 mělo přibližně 278 881 funkčních průmyslových robotů. Téměř polovina robotické kapacity západní Evropy byla instalována v Německu. Produkce patentů zůstává také vysoká, ačkoli počet německých patentových přihlášek u Evropského patentového úřadu v roce 2025 klesl o 2,2 procenta ve srovnání s předchozím rokem. Tato čísla zároveň demonstrují sílu a slouží jako varovný signál: Německo disponuje značnými technologickými zdroji, ale jeho trvalá dynamika není samozřejmostí.

Skutečná slabina spočívá mezi pilotním projektem a širokým využitím

V německých firmách nyní probíhá řada iniciativ v oblasti umělé inteligence. Úzké hrdlo často nastává již po prvním pokusu. Pilotní projekt lze spustit s malým týmem, omezenými daty a zvládnutelným rozpočtem. Pro produktivní využití je však zapotřebí standardizovaný přístup k datům, IT zabezpečení, provozní odpovědnost, školení, změny procesů, rozhraní se staršími systémy a měřitelné ekonomické cíle. Mnoho projektů se v této přechodné fázi zastaví, protože technické, organizační a právní odpovědnosti nejsou sladěny.

Zavádění umělé inteligence proto představuje smíšený obraz. Do roku 2025 používalo alespoň jednu technologii umělé inteligence 26 procent německých firem s alespoň deseti zaměstnanci. U velkých firem s 250 a více zaměstnanci to bylo 57 procent, u firem s 50 až 249 zaměstnanci to bylo 36 procent a u malých firem s 10 až 49 zaměstnanci to bylo 23 procent. Německo se tak nacházelo nad průměrem EU, který činí přibližně 20 procent, ale výrazně pod evropskými lídry. Dánsko dosáhlo 42 procent, Finsko 38 procent a Švédsko a Belgie shodně 35 procent.

U středně velkých podniků je situace méně růžová, protože zahrnuje i velmi malé společnosti. Podle údajů KfW používá umělou inteligenci 20 procent středně velkých podniků. Většinou se jedná o snadno dostupné aplikace, jako je zpracování přirozeného jazyka nebo rozpoznávání textu. Pouze tři procenta používají sofistikovanější analýzu dat a pouhé jedno procento využívá umělou inteligenci pro autonomní pohyby strojů. Aplikace, které jsou obzvláště relevantní pro průmyslovou produktivitu, jsou proto stále vzácné.

Tempo digitalizace se navíc zpomaluje. Pouze 30 procent středně velkých podniků dokončilo během sledovaného období digitalizační projekty. Odpovídající výdaje klesly v roce 2024 na 23,8 miliardy eur, což představuje pokles o 8,1 miliardy eur oproti předchozímu roku. To je ekonomicky významné, protože umělou inteligenci nelze škálovat na slabém digitálním základě. Společnosti potřebují čistá kmenová data, propojené stroje, moderní cloudovou nebo edge infrastrukturu a digitalizované pracovní postupy. Ti, kteří tyto předpoklady zanedbávají, sice mohou umělou inteligenci demonstrovat, ale jen stěží ji mohou produktivně provozovat.

Malé a střední podniky potřebují výnosy, ne technologickou podívanou

Politická debata se často zaměřuje na rozsáhlé modely, superpočítače a miliardové investice. Pro typickou středně velkou průmyslovou společnost jsou však důležité další otázky: Snižuje aplikace zmetkovitost a prostoje? Zkracuje vývojové cykly? Ulevuje od zátěže nedostatkových kvalifikovaných pracovníků? Zlepšuje spolehlivost dodávek, energetickou účinnost nebo údržbu? Lze ji bezpečně integrovat do stávajících strojů a ERP systémů? Zůstanou data a znalosti procesů ovladatelné? Bez jasných odpovědí je umělá inteligence vnímána jako nástroj zvyšující složitost, nikoli jako nástroj produktivity.

Německá strategie v oblasti umělé inteligence by se proto měla méně zaměřovat na spektakulární jednotlivé projekty a více na opakovatelná řešení specifická pro dané odvětví. Středně velký výrobce strojů nepotřebuje obecný model pro každý myslitelný úkol. Potřebuje spolehlivé systémy pro technickou dokumentaci, přípravu cenových nabídek, diagnostiku závad, návrh, plánování výroby a vzdálenou údržbu. Logistická společnost těží z vylepšeného plánování tras, prognózy zásob, vizuální detekce poškození a dynamického řízení pracovní síly. Dodavatel pro automobilový průmysl může umělou inteligenci využít pro kontrolu kvality, tok materiálu, simulaci a prediktivní údržbu.

Ekonomický dopad vyplývá z tisíců takových aplikací. Nejenže zvyšují efektivitu jednotlivých společností, ale mohou také zmírnit demograficky podmíněný nedostatek pracovních sil. Rozhodující je, že umělá inteligence doplňuje stávající zaměstnance, zpřístupňuje znalosti procesů a omezuje rutinní úkoly. Strategie, která se zaměřuje pouze na nahrazování práce, by vyvolala odpor a vedla ke ztrátě cenných zkušenostních znalostí. Úspěšná implementace proto vyžaduje plánování technologií, školení a organizačního rozvoje společně.

Partnerství s Nvidií je zároveň příležitostí i závislostí

Plánovaná spolupráce mezi německou vládou, společností Nvidia a německými průmyslovými partnery se zaměřuje na dvě klíčové oblasti: vývoj vysoce výkonných modelů umělé inteligence pro průmyslové aplikace a vytvoření základů pro fyzickou umělou inteligenci, zejména pro trénink robotů a autonomní vozidla. Plánují se investice ve výši stovek milionů eur, především do výpočetní kapacity a tréninku modelů. Kromě čipů přispěje Nvidia také specializovaným technickým personálem. Mezi zúčastněné společnosti patří Siemens, Audi a Black Forest Labs.

Tento přístup je v principu proveditelný. Německo může využít svou průmyslovou databázi pouze tehdy, pokud bude k dispozici dostatečný výpočetní výkon, softwarové nástroje a odborné znalosti. Spolupráce může zkrátit dobu vývoje, usnadnit přístup k moderní infrastruktuře a spojit společnosti, které by samy o sobě byly příliš malé nebo příliš pomalé. Může také vyslat signál, že průmyslová umělá inteligence není považována za specializovanou výzkumnou oblast, ale za prioritu hospodářské politiky.

Zároveň vzniká strategický rozpor. Německo chce posílit svou digitální suverenitu, ale k tomu se spoléhá na technologii americké společnosti, která dominuje trhu s akcelerátory umělé inteligence. V tomto prostředí nemůže suverenita znamenat úplnou autarkii. V dohledné budoucnosti si Německo nebude ani samo vyrábět všechny relevantní čipy, ani kontrolovat celý cloudový a softwarový stack. Realističtějším přístupem je stupňovitá suverenita: společnosti musí být schopny měnit poskytovatele, používat otevřená rozhraní, kontrolovat citlivá data, nezávisle vyvíjet modely a provozovat kritické systémy i za měnících se geopolitických nebo obchodních podmínek.

Partnerství se společností Nvidia je proto prospěšné, pokud buduje kapacity a podporuje konkurenci. Bylo by problematické, kdyby veřejné prostředky primárně dotovaly prodej jediného dodavatele a vytvářely trvalou závislost na proprietárním hardwaru a softwaru. Podmínky financování by proto měly zaručit interoperabilitu, otevřené standardy, transparentní ukazatele výkonnosti a přístup pro malé a střední podniky (MSP). Stejně důležitá je architektura, která nevylučuje evropské výrobce čipů, cloudové společnosti, výzkumné instituce a projekty s otevřeným zdrojovým kódem.

🎯🎯🎯 Datově řízené centrum pro B2B průmysl jako kvazi-interní řešení

Kvazi-interní řešení: Jak Xpert.Digital uzavírá provozní mezery v marketingu a prodeji B2B – Smart Content-Driven Business - Obrázek: Xpert.Digital

Xpert.Digital je datově orientované B2B centrum pro průmysl, které vede Konrad Wolfenstein . Společnost funguje jako externí, kvazi-interní řešení pro průmyslové partnery a odstraňuje provozní mezery v marketingu, obsahu a prodeji – aniž by vyžadovala další zdroje na straně klienta.

Více informací zde:

Kvazi-interní řešení: Jak Xpert.Digital uzavírá provozní mezery v marketingu a prodeji B2B – Smart Content-Driven Business

Německo digitálně zaostává: Co je třeba udělat hned teď

Otevřené průmyslové modely mohou suverenitu učinit praktickou

Projekt Sovereign Open Source Foundation Models, zkráceně Soofi, si klade za cíl vyvinout vysoce výkonné otevřené modely umělé inteligence, které lze trénovat, provozovat a řídit v Německu. Projekt propojuje výzkumné instituce, univerzity a společnosti zabývající se umělou inteligencí a využívá průmyslový cloud umělé inteligence od společnosti Deutsche Telekom. První fáze financování byla podpořena částkou 20 milionů eur.

Otevřený přístup je strategicky relevantní, protože průmysloví uživatelé mají jiné požadavky než soukromí uživatelé volně dostupných chatbotů. Potřebují transparentní modely, řiditelné datové toky, dlouhodobou udržovatelnost a přizpůsobivost specializované terminologii, standardům a procesům. Samotné váhy otevřených modelů však tyto problémy neřeší. Nezbytná jsou vysoce kvalitní školicí data, transparentní licence, výkonné nástroje, bezpečnostní audity, trvalé financování a aktivní komunita vývojářů.

Ekonomický úspěch závisí také na tom, zda výzkumný projekt vede ke vzniku robustního ekosystému. Model má ekonomickou hodnotu pouze tehdy, když jej firmy produktivně využívají, poskytovatelé služeb vyvíjejí aplikace a kvalifikovaní pracovníci s ním mohou pracovat. V minulosti Německo často financovalo demonstrační projekty a výzkumná konsorcia, aniž by produkovalo udržitelně škálovatelné produkty. Proto by se Soofi neměl primárně měřit počtem publikovaných modelů. Důležitější je průmyslové využití, měřitelné zvýšení produktivity, počet aktivních vývojářů, integrace do podnikového softwaru, exportovatelnost a snížení jednostranných závislostí.

Kapitál rozhoduje o tom, které inovace se uskuteční

Finanční problém Německa nezačíná založením firem, ale často jejich růstem. K dispozici jsou vědecké znalosti, vládní programy a financování v rané fázi. Pokud však společnost potřebuje několik set milionů eur na vybudování výpočetní kapacity, mezinárodní expanzi nebo hromadnou výrobu průmyslového hardwaru, domácí kapitálový trh se rychle stává nedostatečným. V tom okamžiku velkou část financování přebírají zahraniční investoři nebo úspěšné společnosti přesouvají své operace do Spojených států.

Německý trh rizikového kapitálu vykazuje pokrok. V roce 2025 bylo do německých startupů investováno přibližně 7,2 miliardy eur. Z toho přibližně 2,9 miliardy eur šlo do společností zabývajících se umělou inteligencí, což představuje zhruba dvě pětiny celkového objemu a rekordní hodnotu pro Německo. Celkový objem německého rizikového kapitálu, měřený jako procento ekonomického výkonu, byl nicméně mírně pod průměrem EU ve výši 0,18 procenta a činil 0,16 procenta. Zejména ve srovnání se Spojenými státy zůstává rozsah malý.

Problém není jen v množství kapitálu, ale také v jeho struktuře. Společnosti zabývající se umělou inteligencí, robotikou, polovodiči a průmyslovými deep-tech společnostmi vyžadují dlouhé vývojové cykly, vysoké počáteční investice a investory s technickými znalostmi. Bankovně orientovaný evropský finanční systém je méně vhodný pro nehmotné, nejisté a dlouhodobé investice. Evropská centrální banka poukazuje na to, že evropské trhy rizikového kapitálu a soukromých úvěrů jsou příliš mělké na to, aby dostatečně financovaly rozsah příležitostí v oblasti umělé inteligence.

Účinné politiky proto musí mobilizovat soukromý růstový kapitál, nikoli jej nahrazovat veřejným kapitálem. Penzijní fondy, pojišťovny, rodinné kanceláře a průmysloví investoři by se mohli více podílet na evropských růstových fondech, za předpokladu, že budou vhodně navrženy regulace, sdílení rizik a pobídky. Veřejné fondy by neměly být používány k socializaci ztrát napříč celým spektrem. Mohou však strukturovat rizika prostřednictvím kotevních investic, záruk a společných fondů tak, aby investovali soukromí aktéři. Klíčové je, aby byl kapitál alokován na základě technické kvality a tržních příležitostí, nikoli na základě politické viditelnosti.

Regulace není nepřítel, ale její implementace může brzdit inovace

Kontrast mezi americkými inovacemi a evropskou regulací je často zjednodušený. Spolehlivá pravidla mohou budovat důvěru, chránit investice a omezovat rizika. Zejména v průmyslu, medicíně, mobilitě a kritické infrastruktuře nejsou bezpečnost, odpovědnost a ochrana dat druhořadými zájmy. Chybný systém doporučení je nepříjemný; vadný řídicí systém strojů nebo vozidel může ohrozit lidi a způsobit značné škody.

Problém nastává, když jsou pravidla nejasná, protichůdná nebo administrativně obtížně spravovatelná. Velké korporace si mohou vybudovat specializovaná právní oddělení, oddělení pro ochranu dat a dodržování předpisů. Malé podniky a startupy čelí stejným nejistotám s výrazně menším počtem zaměstnanců. V důsledku toho může regulace neúmyslně posílit tržní postavení zavedených poskytovatelů. Překážkou vstupu na trh se pak nestává samotná existence pravidel, ale spíše vysoké fixní náklady na dodržování předpisů.

Německo proto potřebuje rychlejší a kompetentnější schvalovací a poradenské struktury. Firmy by měly být schopny včas získat závazné informace o požadavcích, které se vztahují na konkrétní případ použití. Standardizované testovací postupy, regulační testovací prostředí a vzájemně uznávané certifikace mohou zkrátit čas a náklady. Stejně důležitá je digitalizace veřejné správy. Zdá se být protichůdné povzbuzovat firmy k investicím do umělé inteligence, zatímco vládní procesy jsou i nadále charakterizovány papírováním, přestávkami v médiích a vícenásobným zadáváním dat.

Energie a výpočetní výkon jsou součástí průmyslové politiky

Modely a simulace umělé inteligence vyžadují značný výpočetní výkon. Pro Německo proto nebude klíčový jen počet datových center, ale také jejich náklady, připojení k síti, dodávky energie a proveditelnost. Vysoké ceny elektřiny, zdlouhavé procesy připojení k síti a problémy s místními povolováními mohou bránit digitálním investicím, stejně jako nedostatek kapitálu. Výpočetní infrastruktura není abstraktní cloud; skládá se z budov, čipů, chladicích systémů, elektrického vedení, transformátorů a kvalifikovaného personálu.

Strategie průmyslové politiky musí integrovat datová centra s energetickou, rozvodnou a tepelnou politikou. Měla by být zřízena místa, kde lze efektivně kombinovat výrobu energie z obnovitelných zdrojů, vysoce výkonné sítě, využitelné odpadní teplo a datová připojení. Flexibilní řízení zátěže může pomoci sladit poptávku po elektřině s dostupností obnovitelných zdrojů energie. Využití odpadního tepla je obzvláště atraktivní z technického a ekonomického hlediska, pokud jsou k dispozici vhodné tepelné sítě a nepřetržití spotřebiče. Paušální sliby však nestačí; každý projekt vyžaduje realistické studie infrastruktury a ekonomické proveditelnosti.

Zároveň se výpočetní výkon nesmí stát cílem sám o sobě. Nákup tisíců akcelerátorů automaticky negeneruje produktivitu. Bez kvalitních dat, kvalifikovaného personálu, softwaru a konkrétních aplikací zůstávají drahá zařízení nedostatečně využívána. Veřejné financování by proto mělo být vázáno na využívání, přístup a měřitelné výsledky. Univerzity, startupy a malé a střední podniky potřebují transparentní modely přístupu, zatímco průmysloví uživatelé vyžadují spolehlivé záruky kapacity a ochrany dat.

Talent tam je, ale systém ho nevyužívá konzistentně

Německo se pyšní silnými technickými univerzitami, výzkumnými institucemi a systémy duálního odborného vzdělávání. Vysoká úroveň patentové aktivity a průmyslové automatizace by bez tohoto základu nebyla možná. Mnoho odvětví však potýká s nedostatkem softwarových vývojářů, datových inženýrů, elektrotechnických specialistů a odborníků na robotiku, polovodiče a provoz umělé inteligence. Demografické změny zostřují konkurenci o kvalifikované pracovníky.

Řešením není jen vyškolit více počítačových vědců. Průmyslová umělá inteligence vyžaduje interdisciplinární týmy. Strojní inženýři musí rozumět omezením dat a modelů; vývojáři softwaru potřebují znalosti procesů; kvalifikovaní pracovníci musí být schopni obsluhovat, monitorovat a vylepšovat systémy. Další vzdělávání je proto strategickým faktorem výroby. Mělo by být více propojeno s reálnými pracovními postupy a nemělo by se zaměřovat pouze na obecné základy umělé inteligence.

Mezinárodní talent je také klíčový. Rychlejší víza, administrativní služby v angličtině, spolehlivé uznávání titulů a atraktivní kariérní dráhy mohou zlepšit pozici Německa. Zároveň musí být výzkumníkům a podnikatelům poskytnuty lepší příležitosti k budování firem v rámci univerzit. Transfer technologií nesmí selhat kvůli zdlouhavým jednáním o patentech, podílech a užívacích právech.

Německo nepotřebuje kopii Silicon Valley

Požadavek na rychlejší pokrok je často spojován s touhou převzít americké postupy. To by bylo strategicky krátkozraké. Síla Německa nespočívá v kulturní kopii Silicon Valley, ale v kombinaci průmyslové hloubky, technické spolehlivosti a digitální škálovatelnosti. Německý nebo evropský model může kombinovat přísnější bezpečnostní standardy, spolurozhodování a ochranu dat s rychlými inovacemi, pokud jsou procesy jasně strukturované a umožňují rozhodná opatření.

Německo by v tomto ohledu mělo rozlišovat mezi třemi úrovněmi. Úplná nezávislost je pro základní modely a čipy umělé inteligence nereálná; zde jsou nezbytná partnerství a diverzifikované dodavatelské řetězce. U průmyslových modelů, simulačních systémů a odvětvově specifických platforem existují realistické příležitosti k mezinárodně předním nabídkám. Při aplikaci v továrnách, logistice, energetice, mobilitě a administrativě může Německo dosáhnout obzvláště rychlého zvýšení produktivity.

Toto zaměření zabraňuje symbolickému rozdělování vzácných zdrojů. Ne každá země potřebuje svůj vlastní univerzální špičkový model. Německo však potřebuje dostatek domácích odborných znalostí, výpočetního výkonu a otevřených technologií, aby bylo schopno testovat, adaptovat a v případě potřeby nahradit zahraniční systémy. Technologická suverenita proto není sebevědomí, ale spíše strategická schopnost.

Ekonomické měřítko se nazývá produktivita

Rozhodujícím testem není počet strategií v oblasti umělé inteligence, datových center nebo konferencí, ale spíše rozvoj produktivity. Reálný ekonomický výkon Německa vzrostl v roce 2025 pouze o 0,2 procenta. Ve výrobním sektoru klesla hrubá přidaná hodnota upravená o ceny již třetí rok po sobě, a to v roce 2025 o 1,3 procenta. Zejména automobilový a strojírenský sektor čelil zvýšenému globálnímu konkurenčnímu tlaku. V tomto kontextu není průmyslová umělá inteligence prestižním projektem, ale potenciálním nástrojem pro stabilizaci tvorby hodnot a příjmů.

Efekt se však nedostaví automaticky. Firmy potřebují přepracovat procesy, přerozdělit úkoly a proškolit své zaměstnance. Pouhé použití umělé inteligence na stávající neefektivní pracovní postupy může vést pouze k digitalizaci plýtvání. Zvýšení produktivity vzniká, když je technologie kombinována s organizačními změnami. To zahrnuje jasnější odpovědnosti, lepší data, rychlejší rozhodování a ochotu eliminovat procesy, které již neslouží svému účelu.

Německá rozvojová banka (KfW) proto správně prohlašuje, že Německo se nemusí stát v krátkodobém horizontu světovým šampionem ve vývoji největších modelů, ale spíše přední zemí v oblasti aplikací umělé inteligence v průmyslu a malých a středních podnicích. Tato perspektiva je ekonomicky přesvědčivější než čistě symbolický závod o velikost modelu. Nesmí však sloužit jako výmluva pro opomíjení domácího výzkumu, otevřených modelů a infrastruktury. Země zaměřená čistě na aplikace by byla závislá na cenách, předpisech a produktových rozhodnutích zahraničních poskytovatelů platforem.

Na čem teď v hospodářské politice záleží

Německo potřebuje implementační program s několika ověřitelnými prioritami. Zaprvé je nutné zlepšit digitální infrastrukturu v malých a středních podnicích (MSP). Financovací programy by měly společně podporovat investice do kvality dat, rozhraní, cloudových a edge systémů, kybernetické bezpečnosti a dalšího vzdělávání. Zadruhé jsou zapotřebí platformy umělé inteligence specifické pro dané odvětví, které by společnostem umožnily využívat modely, datové místnosti a testovací prostředí, aniž by si musely každou technickou komponentu budovat samy.

Za třetí, vláda by měla působit jako náročný první zákazník. Veřejné zakázky mohou mladým firmám poskytnout reference a příležitosti k rozšiřování, pokud se procesy zrychlí a budou příznivější pro inovace. Za čtvrté, je třeba rozšířit financování růstu a výstupní trhy, aby úspěšné technologické společnosti mohly v Evropě zůstat a expandovat. Za páté, kritická infrastruktura umělé inteligence potřebuje otevřená rozhraní, možnost změny poskytovatele a jasnou kontrolu dat.

Za šesté, reálné laboratoře pro robotiku, autonomní systémy a průmyslovou umělou inteligenci by měly být výrazně rozšířeny. Společnosti musí být schopny testovat technologie za kontrolovaných podmínek, než budou definitivně vyřešeny všechny regulační otázky. Za sedmé, každá větší veřejná investice do umělé inteligence by měla být hodnocena na základě konkrétních výsledků: produktivní uživatelé, využití kapacity, soukromé následné investice, snižování nákladů, nové produkty, export a doba uvedení na trh.

Nejdůležitější je však institucionální změna. Musí být konsolidována odpovědnost, termíny závazné a rozhodnutí transparentní. Německu nechybí strategické dokumenty. Chybí mu však organizace, které by převzaly odpovědnost, mohly by ukončit projekty, pokud nefungují, a dokázaly by rychle replikovat úspěšné přístupy.

Protiargument: Německo není příliš pomalé proto, že by příliš přemýšlelo

Huangova kritika obsahuje platné pozorování, ale příliš zjednodušené vysvětlení. Německo technologicky nezaostává proto, že by inženýři, firmy nebo vládní agentury byly ze své podstaty příliš důkladné. Důkladnost zůstává konkurenční výhodou v mnoha průmyslových aplikacích. Země zaostává tam, kde se důkladnost stává výmluvou pro nejasné povinnosti, nedostatek priorit a nekonečnou koordinaci.

Stejně tak by bylo špatné vnímat každou regulaci jako překážku inovací a každou rychlou investici jako pokrok. Globální boom umělé inteligence s sebou nese excesy, chybné investice a vysoká rizika koncentrace. Hardware rychle stárne, obchodní modely jsou někdy nejasné a přínosy generativní umělé inteligence jsou v některých oblastech přeceňovány. Německo by proto nemělo slepě utrácet miliardy jen proto, aby demonstrovalo odhodlání.

Lepší odpověď na Huangovu otázku zní: Německo musí jednat rychleji, ale ne bezohledně. Musí využít svou průmyslovou sílu, místo aby napodobovalo americké platformní strategie. Musí využívat zahraniční technologie, aniž by se stalo zcela závislým na jednotlivých dodavatelích. Musí prosazovat otevřené modely, aniž by zaměňovalo výzkumné projekty s fungujícími trhy. A musí navrhnout regulaci tak, aby bezpečnosti nebylo dosaženo na úkor stagnace.

Varování se musí stát produktivním šokem

Ostrá kritika generálního ředitele společnosti Nvidia může být užitečná, pokud se nezvrhne v uražené city nebo zběsilý aktivismus. Technologická situace Německa je vážnější, než naznačují ujištění, ale lepší než narativ o soudném dni. Země stále disponuje průmyslovými, vědeckými a technickými aktivy mimořádné hodnoty. Zároveň hrozí, že tyto silné stránky ztratí na významu, pokud budou software, data, čipy, platformy a růstový kapitál trvale soustředěny jinde.

Plánovaná spolupráce v oblasti průmyslové a fyzické umělé inteligence by mohla být důležitým krokem. Její úspěch však nezávisí na významnosti zúčastněných společností ani na výši oznámených investic. Rozhodující je, zda střední a velké firmy dokážou rychleji vyvíjet produktivní aplikace, zda se v Německu vytvářejí znalosti a přidaná hodnota a zda závislost na jednotlivých dodavatelích zůstává zvládnutelná.

Německo proto nestojí před volbou mezi myšlením a jednáním. Musí lépe myslet, jasněji se rozhodovat a rychleji implementovat. Jeho průmyslový náskok sice stále existuje, ale není trvalým majetkem. Ve fázi zrychlených technologických změn země neztrácí svou pozici pouze uzavřením továren. Ztrácí ji, jakmile ostatní použijí stejné technologie k vytváření nových produktů, firem a produktivity se rychleji zvýší.

Huangův apel by proto neměl být brán ani jako objektivní úsudek, ani jako pouhá provokace. Je to výstižný popis skutečného ekonomického problému: Německo má znalosti, kapitál, firmy a talenty, ale tyto zdroje kombinuje příliš pomalu. Pokud Spolková republika propojí svou průmyslovou základnu se škálovatelnou umělou inteligencí, moderní infrastrukturou, růstovým kapitálem a rozhodujícími institucemi, může hrát vedoucí roli v příští technologické vlně. Pokud se opět bude primárně věnovat oznamování programů, rozdělování odpovědností a řízení rizik, relativní zpoždění se změní ve strukturální pokles.

📈🚀 Od viditelnosti k důvěře 👀🤝 Vaše škálovatelná cesta s Xpert.Digital

Od viditelnosti k důvěře: Vaše škálovatelná cesta s Xpert.Digital - Obrázek: Xpert.Digital

V průmyslovém B2B segmentu se udržitelné obchodní vztahy zřídkakdy objevují přes noc. Rozvíjejí se krok za krokem – prostřednictvím viditelnosti, profesní relevance, opakujících se kontaktních bodů a rostoucí důvěry. Čtyřfázový model Xpert.Digital přesně toto řeší: Nabízí strukturovanou cestu, která začíná zvládnutelným vstupním bodem a v případě potřeby se může rozvinout do hlubší spolupráce v oblasti rozvoje podnikání.

Místo spoléhání se na hlasité marketingové sliby staví tento model do popředí vztah. Firmy začínají s jasně definovanými, snadno vypočítatelnými kritérii a poté se na základě vlastních zkušeností rozhodnou, jak dalece chtějí spolupráci rozšířit. Klíčovým faktorem pro tento nerušený proces budování důvěry je, že se platforma zcela vyhýbá otravným reklamám, takže redakční zaměření zůstává výhradně na odbornosti firem.