Megalomania? Hiperwzrost na kredyt: zakład OpenAI (ChatGPT) o 100 miliardów dolarów przeciwko historii gospodarczej

Dysonans między obietnicami technologicznymi a rzeczywistością ekonomiczną

OpenAI postawiło sobie za cel przedefiniowanie granic sztucznej inteligencji. Choć firma formułuje ambitne prognozy dotyczące wydajności swoich modeli, planuje również wzrost przychodów przekraczający wszelkie historyczne standardy. Aktualna analiza Epoch AI przedstawia niezwykły obraz: OpenAI zamierza zwiększyć przychody z 13 miliardów dolarów w 2025 roku do 100 miliardów dolarów do 2028 roku. Odpowiada to wymaganemu rocznemu wzrostowi na poziomie 97% w ciągu trzech lat. Dla porównania, nawet najszybciej rozwijające się firmy w najnowszej historii technologii, takie jak Tesla i Meta, potrzebowały siedmiu lat, aby przeskoczyć z 10 miliardów do 100 miliardów dolarów rocznych przychodów, a Google potrzebowało nawet całej dekady. OpenAI zamierza osiągnąć ten kamień milowy w zaledwie trzy lata – tempo, które według Epoch AI nie ma precedensu w historii.

Te ambicje rodzą fundamentalne pytania. Czy jest to uzasadniona ekstrapolacja rewolucji technologicznej, której potencjał transformacyjny zmienia reguły gospodarki rynkowej? Czy też jesteśmy świadkami powtarzania się historycznych wzorców, w których przesadzone oczekiwania wzrostowe i masowe inwestycje infrastrukturalne nieuchronnie prowadzą do nadwyżki mocy produkcyjnych i zakłóceń gospodarczych? Odpowiedź prawdopodobnie leży gdzieś pośrodku i wymaga niuansowego rozważenia czynników technologicznych, ekonomicznych i strukturalnych, które determinują trajektorię wzrostu OpenAI.

Niniejszy artykuł analizuje strategię rozwoju OpenAI w kontekście historii gospodarczej, analizuje leżące u jej podstaw mechanizmy rynkowe oraz ocenia prawdopodobieństwo osiągnięcia przez firmę jej celów. Podkreśla on zarówno mocne strony innowacyjne, jak i ryzyka strukturalne związane z tak agresywną strategią ekspansji. Analiza składa się z ośmiu części: zarys historyczny, identyfikacja kluczowych czynników napędzających obecny boom w dziedzinie sztucznej inteligencji, przegląd obecnej sytuacji, porównawcze studia przypadków, krytyczna ocena ryzyka, perspektywa potencjalnych ścieżek rozwoju oraz wnioski strategiczne.

Nadaje się do:

• Zysk ponad zasady? Rewolucja seksualna – ChatGPT się brudzi i dlaczego OpenAI skupia się teraz na erotyce

Od laboratorium badawczego do najcenniejszego startupu na świecie

Historia OpenAI jest nierozerwalnie związana z rozwojem wielkoskalowych modeli językowych i szerszą komercjalizacją sztucznej inteligencji. Założona w 2015 roku jako instytucja badawcza non-profit, firma początkowo pozycjonowała się jako przeciwwaga dla dużych korporacji technologicznych, dążąc do rozwoju sztucznej inteligencji ogólnej dla dobra całej ludzkości. Założyciele, w tym Sam Altman i Elon Musk, wcześnie zdali sobie sprawę, że rozwój zaawansowanych systemów AI będzie wymagał ogromnych nakładów kapitałowych.

Przełomowym momentem był rok 2019, kiedy to OpenAI przekształciło się w hybrydową strukturę łączącą elementy organizacji for-profit i non-profit. Ta reorganizacja umożliwiła firmie pozyskanie początkowej inwestycji w wysokości miliarda dolarów od Microsoftu. Partnerstwo z gigantem oprogramowania okazało się strategicznie cenne: OpenAI uzyskało dostęp do infrastruktury chmurowej Microsoft Azure i niezbędnych zasobów obliczeniowych, a Microsoft w zamian otrzymał wyłączny dostęp do technologii OpenAI.

Przychody firmy początkowo rosły umiarkowanie w kolejnych latach. W 2020 roku OpenAI wygenerowało zaledwie 3,5 miliona dolarów przychodu, ale rok później osiągnęło 28 milionów dolarów. Przełom nastąpił w listopadzie 2022 roku wraz z premierą ChatGPT, chatbota opartego na GPT-3.5, który w ciągu pięciu dni osiągnął milion użytkowników, a w ciągu dwóch miesięcy przekroczył próg 100 milionów. Ten wirusowy sukces błyskawicznie przekształcił OpenAI z laboratorium badawczego w komercyjną potęgę.

Wzrost przychodów gwałtownie przyspieszył. W 2023 roku OpenAI po raz pierwszy przekroczyło granicę 1 miliarda dolarów rocznych przychodów, osiągając 1,6 miliarda dolarów. W 2024 roku przychody wzrosły ponad dwukrotnie, do 3,7 miliarda dolarów. Na 2025 rok firma prognozuje roczne przychody na poziomie 13 miliardów dolarów, co stanowi wzrost o 251% w porównaniu z rokiem poprzednim. Dynamika ta jest wspierana przez tempo wzrostu na poziomie około 3,2x rocznie od końca 2023 roku.

Równolegle ze wzrostem przychodów, wycena firmy gwałtownie wzrosła. Runda finansowania w marcu 2025 roku wyceniła OpenAI na 300 miliardów dolarów. Zaledwie kilka miesięcy później, w październiku 2025 roku, wycena osiągnęła poziom 500 miliardów dolarów dzięki wtórnej sprzedaży akcji inwestorom takim jak SoftBank, Thrive Capital i T. Rowe Price. To uczyniło OpenAI najcenniejszym startupem na świecie, przewyższając nawet SpaceX Elona Muska.

Ten historyczny rozwój uwydatnia niezwykłą szybkość, z jaką OpenAI przekształciło się z projektu badawczego w jednego z dominujących graczy w globalnej branży sztucznej inteligencji. Jednocześnie nasuwa się pytanie, czy wyceny te opierają się na realistycznych założeniach dotyczących przyszłego wzrostu i rentowności, czy też stanowią przecenę przypominającą wcześniejsze bańki spekulacyjne.

Kierowcy, gracze i mechanika rynku AI

Obecny boom na sztuczną inteligencję (AI) jest napędzany przez złożoną interakcję różnych czynników. U jego podstaw leży sama innowacja technologiczna: wielkoskalowe modele językowe poczyniły w ostatnich latach znaczące postępy w zakresie przetwarzania języka naturalnego, logicznego rozumowania i rozwiązywania złożonych zadań. Możliwości te otwierają możliwości zastosowań w praktycznie wszystkich sektorach gospodarki, od automatyzacji obsługi klienta, przez rozwój oprogramowania, po badania naukowe.

Kluczowych graczy można podzielić na kilka kategorii. Przede wszystkim są to twórcy wielkoskalowych modeli językowych, tacy jak OpenAI, Google z Gemini i Anthropic z Claude. Firmy te konkurują o przywództwo technologiczne i udziały w rynku, przy czym OpenAI zajmuje obecnie dominującą pozycję wraz z ChatGPT. Udział ChatGPT w rynku asystentów AI szacuje się na 62,5%.

Drugą kluczową grupą są dostawcy infrastruktury. Nvidia dominuje na rynku akceleratorów AI, z udziałem wynoszącym około 95 procent. Procesory graficzne firmy, zwłaszcza z serii H100 i A100, stały się niezbędne do trenowania i uruchamiania dużych modeli językowych. Nvidia czerpie ogromne korzyści z boomu na AI i w ostatnich latach wielokrotnie zwiększyła swoją wycenę. Ostatnio jednak na rynku pojawili się inni gracze, tacy jak AMD i Broadcom, próbując zagrozić dominującej pozycji Nvidii.

Dostawcy usług chmurowych, tacy jak Microsoft Azure, Amazon Web Services i Oracle, stanowią trzecią ważną kategorię graczy. Zapewniają oni moc obliczeniową niezbędną do trenowania i uruchamiania modeli sztucznej inteligencji. Bliska współpraca OpenAI z firmami Microsoft i Oracle jest w tym kontekście szczególnie istotna.

Struktury zachęt ekonomicznych, które napędzają tych graczy, są złożone. Dla OpenAI i jego konkurentów chodzi o zdobycie dominującej pozycji rynkowej w segmencie technologii, który ma potencjał transformacji znacznej części pracy opartej na wiedzy. McKinsey szacuje, że generatywna sztuczna inteligencja mogłaby przyczyniać się do globalnego wzrostu gospodarczego rzędu 2,6–4,4 biliona dolarów rocznie. Biorąc pod uwagę takie prognozy, nawet inwestycje rzędu setek miliardów dolarów wydają się uzasadnione.

Dla dostawców infrastruktury, takich jak Nvidia, generuje to bezpośredni popyt na ich produkty. Mechanizmy rynkowe kierują się samonapędzającą się logiką: im większy napływ kapitału do rozwoju większych i wydajniejszych modeli, tym większe zapotrzebowanie na moc obliczeniową, a tym samym na układy scalone. Ta dynamika doprowadziła do prawdziwego wyścigu zbrojeń, w którym firmy takie jak OpenAI podpisały długoterminowe kontrakty na dostawy warte setki miliardów dolarów.

Kolejnym kluczowym czynnikiem jest dostępność kapitału. Niskie stopy procentowe w ostatnich latach i ogólna euforia wokół sztucznej inteligencji sprawiły, że inwestorzy chętnie inwestowali ogromne kwoty w startupy z branży AI. OpenAI zamknęło rundę finansowania o wartości 40 miliardów dolarów tylko w pierwszej połowie 2025 roku i zabezpieczyło również odnawialną linię kredytową o wartości 4 miliardów dolarów. Ten zastrzyk kapitału pozwala firmie realizować ambitne plany ekspansji pomimo ogromnych strat operacyjnych.

Ramy regulacyjne również odgrywają pewną rolę, choć niejednoznaczną. Z jednej strony, na ważnych rynkach, takich jak Unia Europejska, podejmowane są wysiłki w celu zaostrzenia regulacji systemów AI, co mogłoby zwiększyć koszty rozwoju. Z drugiej strony, rządy, zwłaszcza w USA, aktywnie wspierają rozwój AI. Projekt Stargate, którego łączna wartość wyniosła 500 miliardów dolarów w ciągu czterech lat i który stanowi największą w historii inicjatywę infrastrukturalną w zakresie AI, został uruchomiony przy silnym wsparciu administracji Trumpa.

Leżące u podstaw mechanizmy rynkowe wykazują cechy typowe dla rynków technologicznych. Jest to rynek o wysokich kosztach stałych i niskich kosztach krańcowych: opracowanie dużego modelu językowego kosztuje od setek milionów do kilku miliardów dolarów, podczas gdy koszt odpowiedzi na pojedyncze zapytanie użytkownika jest stosunkowo niski. Prowadzi to do znacznych korzyści skali i sprzyja powstawaniu oligopoli, a nawet monopoli.

Jednocześnie jest to rynek z efektami sieciowymi: im więcej użytkowników korzysta z platformy takiej jak ChatGPT, tym bardziej staje się ona wartościowa dzięki generowanym danym i opiniom użytkowników, które mogą przyczynić się do udoskonalenia modeli. Jednak te efekty sieciowe są mniej widoczne w przypadku rozbudowanych modeli językowych niż na przykład w sieciach społecznościowych, ponieważ użytkownicy mogą stosunkowo łatwo przełączać się między różnymi dostawcami, jeśli konkurencja zaoferuje lepszy model.

Wskaźniki bezprecedensowej ekspansji i jej ograniczenia

Obecna sytuacja OpenAI charakteryzuje się rozbieżnością między imponującym wzrostem a ogromnymi stratami finansowymi. W pierwszej połowie 2025 roku firma osiągnęła przychody w wysokości 4,3 mld dolarów, co stanowi już o 16% więcej niż w całym poprzednim roku. Jednocześnie jednak OpenAI odnotowało stratę operacyjną w wysokości 7,8 mld dolarów. Marża strat wynosi zatem 181% przychodów, co jednoznacznie wskazuje, że firma wydaje prawie dwa dolary więcej na każdego zarobionego dolara.

Główne czynniki kosztotwórcze są wyraźnie widoczne. Badania i rozwój pochłonęły około 6,7 miliarda dolarów tylko w pierwszej połowie 2025 roku. Znaczna część tej kwoty przypada na koszty obliczeniowe związane z trenowaniem nowych modeli i obsługą ChatGPT. Szacunki kosztów szkolenia kolejnej generacji modeli są bardzo zróżnicowane: podczas gdy GPT-4 kosztowałby od 100 do 200 milionów dolarów, koszty szkolenia GPT-5 mogą wahać się od 500 milionów do 2 miliardów dolarów, w zależności od źródła. Te wykładniczo rosnące koszty rozwoju stanowią kluczowe wyzwanie.

Do tego dochodzą koszty osobowe, które również gwałtownie rosną. W pierwszej połowie 2025 roku OpenAI przyznało swoim pracownikom opcje na akcje o wartości 2,5 miliarda dolarów, czyli prawie dwukrotnie więcej niż w całym poprzednim roku. Zacięta konkurencja o talenty w dziedzinie sztucznej inteligencji (AI) napędza wzrost wynagrodzeń i zmusza firmy do oferowania wysokich pakietów wynagrodzeń.

Baza użytkowników ChatGPT dynamicznie rośnie. W październiku 2025 roku platforma odnotowała od 700 do 800 milionów aktywnych użytkowników tygodniowo. To dwukrotnie więcej niż w lutym 2025 roku, kiedy liczba ta wynosiła 400 milionów. Platforma przetwarza 2,5 miliarda zapytań dziennie i zajmuje piąte miejsce wśród najczęściej odwiedzanych stron internetowych na świecie.

Główny problem leży jednak we współczynniku konwersji. Tylko pięć procent użytkowników płaci za subskrypcję, niezależnie od tego, czy jest to ChatGPT Plus za 20 dolarów miesięcznie, czy ChatGPT Pro za 200 dolarów miesięcznie. To odpowiada około 40 milionom płacących użytkowników. Nawet ten stosunkowo niski współczynnik konwersji jest powyżej średniej w branży generatywnej sztucznej inteligencji, gdzie tylko trzy procent użytkowników jest gotowych zapłacić. Niemniej jednak faktem pozostaje, że 95 procent bazy użytkowników obecnie nie generuje żadnych bezpośrednich przychodów.

Około 75% całkowitych przychodów pochodzi z produktów konsumenckich, głównie subskrypcji ChatGPT. Segment przedsiębiorstw, choć rośnie, pozostaje stosunkowo niewielki. W czerwcu 2025 roku OpenAI odnotowało trzy miliony płacących klientów biznesowych korzystających z produktów ChatGPT Enterprise, ChatGPT Team i ChatGPT Edu. Do września liczba ta wzrosła do pięciu milionów. Chociaż oznacza to solidny wzrost, segment B2B pozostaje znacznie w tyle za segmentem konsumenckim.

Wycena na poziomie 500 miliardów dolarów oznacza wskaźnik ceny do sprzedaży (C/S) wynoszący około 38,5-krotność prognozowanych przychodów w wysokości 13 miliardów dolarów na rok 2025. Dla porównania, firmy software'owe są zazwyczaj wyceniane na dwa do czterech razy więcej niż ich roczne przychody. Nawet wysokiej jakości firmy SaaS o silnym wzroście rzadko osiągają mnożniki powyżej dziesięciu. Wycena OpenAI jest zatem kilkakrotnie wyższa niż średnie historyczne i odzwierciedla skrajne oczekiwania inwestorów co do wzrostu.

Oczekiwania te opierają się na założeniu, że OpenAI osiągnie swój cel przychodów w wysokości 100 miliardów dolarów do 2028 roku. Aby to osiągnąć, firma musiałaby pokonać kilka wyzwań: liczba płacących użytkowników musiałaby drastycznie wzrosnąć, potencjalnie do 200–300 milionów. Jednocześnie firma musiałaby rozwijać nowe źródła dochodu, takie jak reklamy, integracje e-commerce czy drogie narzędzia zwiększające produktywność firm.

Zobowiązania infrastrukturalne, które podjęło OpenAI, potęgują presję sukcesu. Kontrakty z firmami Nvidia, AMD i Broadcom na dekadę opiewają na około 1,3 biliona dolarów. Projekt Stargate przewiduje inwestycje w wysokości 500 miliardów dolarów w ciągu czterech lat. Zobowiązania te znacznie przekraczają obecne, a nawet prognozowane przychody i wymagają dalszych dopłat kapitałowych od inwestorów lub znacznie szybszej poprawy rentowności.

Nowy wymiar transformacji cyfrowej z „zarządzaną sztuczną inteligencją” (Managed AI) – platforma i rozwiązanie B2B | Xpert Consulting – Zdjęcie: Xpert.Digital

Tutaj dowiesz się, jak Twoja firma może szybko, bezpiecznie i bez wysokich barier wejścia wdrażać dostosowane rozwiązania z zakresu sztucznej inteligencji.

Zarządzana platforma AI to kompleksowy, bezproblemowy pakiet rozwiązań dla sztucznej inteligencji. Zamiast zmagać się ze skomplikowaną technologią, kosztowną infrastrukturą i długotrwałymi procesami rozwoju, otrzymujesz gotowe rozwiązanie dopasowane do Twoich potrzeb od wyspecjalizowanego partnera – często w ciągu kilku dni.

Najważniejsze korzyści w skrócie:

⚡ Szybka implementacja: Od pomysłu do wdrożenia w ciągu kilku dni, a nie miesięcy. Dostarczamy praktyczne rozwiązania, które generują natychmiastową wartość.

🔒 Maksymalne bezpieczeństwo danych: Twoje wrażliwe dane pozostają u Ciebie. Gwarantujemy bezpieczne i zgodne z przepisami przetwarzanie bez udostępniania danych osobom trzecim.

💸 Brak ryzyka finansowego: Płacisz tylko za rezultaty. Wysokie początkowe inwestycje w sprzęt, oprogramowanie lub personel są całkowicie wyeliminowane.

🎯 Skoncentruj się na swojej podstawowej działalności: Skoncentruj się na tym, co robisz najlepiej. Zajmujemy się całościową implementacją techniczną, obsługą i utrzymaniem Twojego rozwiązania AI.

📈 Przyszłościowa i skalowalna: Twoja sztuczna inteligencja rośnie razem z Tobą. Dbamy o ciągłą optymalizację i skalowalność oraz elastycznie dostosowujemy modele do nowych wymagań.

Więcej na ten temat tutaj:

• Rozwiązanie Managed AI – Usługi w zakresie przemysłowej AI: Klucz do konkurencyjności w sektorze usług, przemysłu i inżynierii mechanicznej

Lekcje płynące ze wzrostu cyfrowych gigantów i ich ograniczeń

Spojrzenie na porównywalne firmy i ich ścieżki rozwoju dostarcza cennych informacji na temat realności ambicji OpenAI. Google, obecnie Alphabet, osiągnął poziom 100 miliardów dolarów rocznych przychodów w ciągu dziesięciu lat od debiutu giełdowego w 2004 roku. Firma korzystała z niemal monopolistycznego dostępu do lukratywnego rynku wyszukiwarek i była w stanie generować wysokie marże z przychodów z reklam. Model biznesowy Google opierał się na niskich kosztach krańcowych i silnych efektach sieciowych, co umożliwiało utrzymanie rentowności.

Meta, dawniej Facebook, również potrzebowała siedmiu lat, aby rozwinąć się z 10 miliardów dolarów do 100 miliardów dolarów. Meta skorzystała również z silnych efektów sieciowych i wysokomarżowego modelu biznesowego opartego na reklamie. Kluczem do sukcesu Meta była zdolność do monetyzacji ogromnej bazy użytkowników, początkowo na komputerach stacjonarnych, a później na urządzeniach mobilnych. Przejęcie Instagrama i WhatsApp dodatkowo poszerzyło portfolio użytkowników.

Tesla stanowi interesujący przykład porównawczy, ponieważ działa w branży kapitałochłonnej o niższych marżach. Tesla również osiągnęła swój cel przychodów na poziomie 100 miliardów dolarów w ciągu około siedmiu lat, ale skorzystała na okresie wyjątkowo wysokich wycen producentów pojazdów elektrycznych i charyzmatycznym prezesie, który uosabiał markę. Tesla przez lata zmagała się z problemami z rentownością i ujemnymi przepływami pieniężnymi, zanim przekroczyła próg rentowności.

Porównanie tych firm ujawnia zarówno podobieństwa, jak i istotne różnice w stosunku do OpenAI. Wszystkie trzy skorzystały z innowacji technologicznych, które zrewolucjonizowały istniejące rynki. Wszystkie trzy miały silne marki i charyzmatycznych liderów. Jednak Google i Meta osiągnęły rentowność znacznie wcześniej w rozwoju niż OpenAI. Tesla z kolei odnotowywała straty przez długi czas, ale była w stanie je zniwelować dzięki ciągłemu pozyskiwaniu kapitału.

Istotna różnica leży w naturze korzyści skali. W Google i Meta koszt na użytkownika znacząco spada wraz ze wzrostem bazy użytkowników, ponieważ koszty infrastruktury pozostają względnie stałe. W OpenAI koszty obliczeniowe rosną jednak niemal proporcjonalnie do wykorzystania, ponieważ każde żądanie do ChatGPT zużywa zasoby obliczeniowe. Prezes Sam Altman przyznał, że OpenAI traci pieniądze na subskrypcji ChatGPT Pro za 200 dolarów, ponieważ użytkownicy korzystają z usługi intensywniej niż oczekiwano. Wskazuje to na fundamentalny problem: bez drastycznej redukcji kosztów wzrost nie prowadzi automatycznie do poprawy rentowności.

Kolejne trafne porównanie dotyczy firm, którym nie udało się utrzymać niezwykle szybkiego wzrostu. Podczas bańki internetowej pod koniec lat 90. pojawiły się setki firm internetowych z podobnie ambitnymi prognozami wzrostu. Większość upadła, ponieważ przychody nie nadążały za oczekiwaniami, a inwestorzy ostatecznie stracili cierpliwość. Sektor telekomunikacyjny również doświadczył ogromnych chybionych inwestycji, ponieważ firmy budowały sieci światłowodowe o przepustowości znacznie przekraczającej rzeczywisty popyt.

Chiński rozwój sztucznej inteligencji (AI) oferuje kolejny interesujący punkt odniesienia. DeepSeek, stosunkowo mało znany chiński startup, wywołał poruszenie na początku 2025 roku, publikując model językowy, który mógł konkurować z wiodącymi modelami zachodnimi, ale podobno kosztował ułamek kosztów rozwoju. Koszt opracowania modelu R1 firmy DeepSeek wyniósł zaledwie 5,6 miliona dolarów, w porównaniu z ponad 100 milionami dolarów w przypadku GPT-4. Jeśli potwierdzi się, że porównywalną wydajność można osiągnąć przy znacznie mniejszych zasobach, zakwestionuje to założenie, że masowe inwestycje w moc obliczeniową są jedyną drogą do zaawansowanych systemów AI.

Nadaje się do:

• Czy ChatGPT od OpenAI i Google Gemini AIaaS to sztuczna inteligencja jako usługa?

Przemieszczenia, niepewności i anatomia możliwych niepożądanych zdarzeń

Ryzyka związane ze strategią rozwoju OpenAI można podzielić na kilka kategorii. Po pierwsze, istnieją znaczne niepewności technologiczne. Tak zwane prawa skalowania, zgodnie z którymi większe modele z większą ilością danych treningowych i większą mocą obliczeniową automatycznie się poprawiają, mogą osiągnąć swoje granice. Istnieją przesłanki wskazujące na to, że nowsze modele nie wykazują już takich samych skoków wydajności jak poprzednie generacje. Na przykład, GPT-5 OpenAI podobno zużywał mniej mocy obliczeniowej podczas treningu niż GPT-4.5, nie generując przy tym znacząco lepszych wyników. Może to oznaczać, że proste prawa skalowania nie obowiązują już i konieczne jest wprowadzenie nowych podejść.

Konkurencja staje się coraz bardziej zacięta. Google z Gemini, Anthropic z Claude i Meta ze swoimi modelami Llama intensywnie inwestują w rozwój konkurencyjnych systemów. Każdy z tych graczy dysponuje znacznymi zasobami i ugruntowanymi kanałami dystrybucji. Google może zintegrować Gemini ze swoimi narzędziami do wyszukiwania i zwiększania produktywności, podczas gdy Meta może zintegrować swoje modele z Facebookiem, Instagramem i WhatsAppem. OpenAI nie ma porównywalnego ekosystemu, co zwiększa jego zależność od ChatGPT jako głównego kanału dystrybucji.

Struktura kosztów stanowi problem strukturalny. Koszty obliczeniowe związane z obsługą dużych modeli językowych są ogromne i rosną wraz z użytkowaniem. OpenAI wydaje około 60–80% swoich przychodów na same koszty obliczeniowe. To pozostawia niewiele miejsca na rentowność, zwłaszcza biorąc pod uwagę dodatkowe koszty personelu, badań i operacji. Konieczne byłoby znaczne obniżenie kosztów wnioskowania, ale czy i kiedy zostanie to osiągnięte, pozostaje niepewne.

Zależność od kilku dostawców infrastruktury stwarza dodatkowe ryzyko. Nvidia praktycznie całkowicie kontroluje rynek akceleratorów AI, co daje jej znaczną władzę cenową. Chociaż OpenAI stara się zmniejszyć tę zależność poprzez kontrakty z AMD i Broadcom, te alternatywy wymagają czasu na zbudowanie mocy produkcyjnych. W przypadku wystąpienia wąskich gardeł w dostawach chipów lub drastycznego wzrostu cen, mogłoby to znacząco wpłynąć na plany ekspansji OpenAI.

Ryzyko regulacyjne rośnie. Kwestie dotyczące praw autorskich do danych szkoleniowych, ochrony danych i odpowiedzialności za treści generowane przez sztuczną inteligencję pozostają w dużej mierze nierozstrzygnięte. Jeśli sądy lub ustawodawcy zdecydują, że firmy zajmujące się sztuczną inteligencją muszą płacić za korzystanie z chronionych prawem autorskim danych szkoleniowych, może to radykalnie zmienić strukturę kosztów. Bardziej rygorystyczne przepisy dotyczące ochrony danych lub ograniczenia dotyczące niektórych przypadków użycia również mogą spowolnić wzrost.

Ryzyko bańki spekulacyjnej na rynku infrastruktury jest realne. Historyczne analogie do bańki telekomunikacyjnej z końca lat 90. są uderzające. Wówczas masowy napływ kapitału doprowadził do rozbudowy przepustowości sieci, która znacznie przekraczała rzeczywisty popyt. Kiedy bańka pękła, 85–95% ułożonych światłowodów pozostało niewykorzystanych, a dziesiątki firm zbankrutowały. Dziś obserwatorzy dostrzegają podobne tendencje w boomie centrów danych: budowane są ogromne moce, ale ich pełne wykorzystanie jest niepewne. Jeśli popyt na usługi AI spadnie poniżej oczekiwań, wiele z tych inwestycji może okazać się bezwartościowych.

Wycena na poziomie 500 miliardów dolarów implikuje niezwykle optymistyczne założenia. Inwestorzy, którzy kupują akcje po tej wycenie, najwyraźniej spodziewają się debiutu giełdowego z wyceną przekraczającą bilion dolarów w ciągu dwóch do trzech lat. To uczyniłoby OpenAI jedną z dziesięciu najcenniejszych spółek giełdowych na świecie. Dla porównania, Apple potrzebowało dekad, aby osiągnąć taką wycenę, a firma ma ogromne przepływy pieniężne i ugruntowaną ofertę produktów. Z drugiej strony, OpenAI ponosi duże straty i jest uzależniona od jednego produktu.

Coraz częściej dyskutuje się o społecznych i środowiskowych kosztach rozwoju sztucznej inteligencji. Zużycie energii przez duże modele językowe jest znaczne. Projekt Stargate ma zużywać 10 gigawatów energii elektrycznej, co odpowiada zapotrzebowaniu energetycznemu około 7,5 miliona gospodarstw domowych. W czasach kryzysu klimatycznego rodzi to pytania o zrównoważony charakter takich inwestycji. Ponadto negatywne skutki społeczne, takie jak te wynikające z automatyzacji miejsc pracy, mogą prowadzić do sprzeciwu politycznego.

Scenariusze między przełomem, stagnacją i korektą

Przyszły rozwój OpenAI i szerszej branży sztucznej inteligencji (AI) można przedstawić w kilku scenariuszach. W scenariuszu optymistycznym OpenAI z powodzeniem osiągnie swoje ambitne cele wzrostu. Wymagałoby to spełnienia kilku warunków: Rozwój technologiczny trwa, a nowe generacje modeli oferują znaczące ulepszenia. Wskaźnik konwersji płacących użytkowników znacząco wzrasta, potencjalnie do 15-20%, co przełożyłoby się na 120-160 milionów płacących abonentów. Nowe źródła przychodów, takie jak reklama, e-commerce i drogie produkty dla przedsiębiorstw, są z powodzeniem rozwijane i znacząco przyczyniają się do ogólnych przychodów. Koszty wnioskowania znacząco spadają dzięki postępowi technologicznemu i rosnącej konkurencji na rynku układów scalonych. W tym scenariuszu OpenAI stałoby się rentowne i mogłoby wejść na giełdę z wyceną przekraczającą bilion dolarów.

W scenariuszu umiarkowanym OpenAI nadal rośnie, ale nie osiąga swoich najbardziej ambitnych celów. Przychody mogą osiągnąć 40–60 miliardów dolarów do 2028 roku zamiast 100 miliardów dolarów, co nadal stanowiłoby wyjątkowy wzrost. Jednak rentowność pozostaje nieuchwytna, ponieważ koszty nadążają za wzrostem. OpenAI musiałoby ponownie przemyśleć swoje plany infrastrukturalne i ewentualnie renegocjować niektóre kontrakty. Jego wycena zostałaby skorygowana, być może do 200–300 miliardów dolarów. IPO nadal byłoby możliwe, ale przy niższych wycenach. W tym scenariuszu rynek sztucznej inteligencji ugruntowuje się jako oligopol, z kilkoma dużymi graczami konkurującymi o udział w rynku.

W pesymistycznym scenariuszu OpenAI napotyka na poważne przeszkody we wzroście. Rozwój technologiczny zwalnia, a nowe modele nie oferują wystarczającej wartości dodanej w porównaniu z istniejącymi rozwiązaniami. Konkurenci, tacy jak Google i Anthropic, zyskują udziały w rynku. Współczynnik konwersji utrzymuje się na niskim, jednocyfrowym poziomie. Jednocześnie koszty pozostają wysokie, a nawet nadal rosną. W tym scenariuszu OpenAI może mieć trudności z finalizowaniem kolejnych rund kapitałowych przy atrakcyjnych wycenach. Firma musiałaby drastycznie ograniczyć wydatki i potencjalnie sprzedać aktywa. Rozległe zobowiązania infrastrukturalne stałyby się obciążeniem egzystencjalnym. Ten scenariusz mógłby doprowadzić do szerszej korekty w całym sektorze AI, podobnej do pęknięcia bańki internetowej.

Przełomowym scenariuszem byłaby komercjalizacja fundamentalnie bardziej wydajnych architektur AI. Gdyby podejścia takie jak te zaprezentowane przez DeepSeek znalazły szersze zastosowanie, mogłoby to fundamentalnie zmienić strukturę kosztów w branży. W takim przypadku ogromne inwestycje w tradycyjne skalowanie straciłyby na wartości. OpenAI musiałoby dostosować swoją strategię i mogłoby w ten sposób stracić pozycję lidera. Jednocześnie przyspieszyłoby to demokratyzację AI i umożliwiło wejście na rynek większej liczbie konkurentów.

Kolejnym kluczowym elementem jest rozwój agentów AI zdolnych do autonomicznego wykonywania złożonych zadań. Jeśli uda się stworzyć niezawodnych agentów, którzy będą pełnić rolę wirtualnych pracowników i umożliwią firmom osiągnięcie znacznego wzrostu produktywności, może to zapoczątkować nową fazę wzrostu. OpenAI pozycjonuje się na tym rynku, ale wyzwania technologiczne są znaczne. Obecne systemy AI są podatne na halucynacje i błędy, co ogranicza ich niezawodność w krytycznych procesach biznesowych.

Kluczową rolę odegrają również zmiany regulacyjne. Rządy w USA, Europie i Chinach opracowują różne podejścia do regulacji dotyczących sztucznej inteligencji. Bardziej rygorystyczne regulacje mogą spowolnić innowacje, ale jednocześnie sprzyjać większemu zaufaniu i szerszej akceptacji. Z drugiej strony, próżnia regulacyjna może prowadzić do nadużyć i destabilizacji społecznej, co ostatecznie prowadzi do bardziej rygorystycznych interwencji.

Aspekt geopolityczny zyskuje na znaczeniu. Rywalizacja w dziedzinie sztucznej inteligencji między USA a Chinami jest coraz częściej postrzegana jako konflikt strategiczny. Kontrola eksportu, ograniczenia inwestycyjne i rządowe programy wsparcia mogą znacząco wpłynąć na dynamikę rywalizacji. Projekt Stargate został wyraźnie zaprojektowany jako wkład w amerykańskie przywództwo technologiczne.

Między wizjonerską ambicją a rozczarowaniem ekonomicznym

Plan OpenAI, zakładający zwiększenie przychodów z 13 do 100 miliardów dolarów w ciągu trzech lat, stanowi jeden z najbardziej ambitnych planów rozwoju w historii branży technologicznej. Analiza pokazuje, że choć plan ten nie jest niemożliwy do zrealizowania, wymagałby on spełnienia szeregu sprzyjających warunków, których jednoczesne wystąpienie jest mało prawdopodobne.

Mocne strony OpenAI są niezaprzeczalne. Firma szczyci się wiodącą pozycją technologiczną w dziedzinie modeli językowych na dużą skalę, silną marką i ogromną bazą użytkowników. ChatGPT stał się synonimem generatywnej sztucznej inteligencji, podobnie jak Google jest synonimem wyszukiwarki internetowej. Partnerstwa z firmami Microsoft i Oracle zapewniają dostęp do niezbędnych zasobów infrastrukturalnych. Baza kapitałowa firmy została wzmocniona dzięki kilku rundom finansowania.

Jednocześnie wyzwania są ogromne. Niski współczynnik konwersji użytkowników płacących, wysokie i stale rosnące koszty rozwoju, zaostrzona konkurencja oraz strukturalne problemy z rentownością stanowią poważne przeszkody. Podjęte zobowiązania infrastrukturalne znacznie przekraczają przewidywane przychody, co stwarza ogromną presję na sukces.

Istnieje kilka implikacji dla decydentów. Po pierwsze, należy krytycznie przeanalizować ogromne wsparcie rządowe dla infrastruktury AI. Projekt Stargate może mieć wartość symboliczną, ale jego opłacalność ekonomiczna jest wątpliwa, gdy prywatni inwestorzy ryzykują setki miliardów bez solidnego uzasadnienia biznesowego. Po drugie, należy opracować ramy regulacyjne, które umożliwią innowacje, jednocześnie ograniczając ryzyko. Po trzecie, należy rozwiązać kwestię energetyczną: ogromne zapotrzebowanie na energię centrów danych AI jest sprzeczne z celami klimatycznymi i wymaga skoordynowanych działań.

Dla liderów biznesu ten rozwój oznacza, że ​​inwestycje w sztuczną inteligencję powinny być podejmowane strategicznie, ale bez wygórowanych oczekiwań. Wzrost produktywności wynikający z zastosowania sztucznej inteligencji jest realny, ale będzie następował stopniowo i wymagał istotnych zmian organizacyjnych. Firmy powinny eksperymentować, ale nie polegać na niedojrzałych technologiach w budowaniu swoich modeli biznesowych.

Dla inwestorów pojawia się pytanie o odpowiednią wycenę. Obecna wycena na poziomie 500 miliardów dolarów wydaje się uzasadniona tylko wtedy, gdy OpenAI nie tylko osiągnie, ale i przekroczy swoje cele wzrostu, a jednocześnie znajdzie drogę do rentowności. Wskaźnik ryzyka do zwrotu jest wyjątkowo niekorzystny dla późnych inwestorów. Jednak inwestorzy wcześni, którzy weszli na rynek przy znacznie niższych wycenach, mogą osiągnąć znaczące zyski nawet przy umiarkowanym sukcesie.

Długoterminowego znaczenia OpenAI i szerszego rozwoju sztucznej inteligencji (AI) dla globalnej gospodarki nie należy lekceważyć, niezależnie od tego, czy firma osiągnie swoje konkretne cele przychodowe. Duże modele językowe zrewolucjonizują część pracy opartej na wiedzy i umożliwią znaczny wzrost produktywności. Pytanie nie brzmi, czy ta transformacja nastąpi, ale jak szybko i które firmy na niej skorzystają.

Historia uczy nas, że rewolucjom technologicznym często towarzyszą nadużycia finansowe. Rewolucje kolejowe, elektryczne, samochodowe i internetowe – wszystkie te etapy charakteryzowały się ogromnymi przeinwestowaniami, po których następowały bolesne korekty. Jednak ostatecznie technologie te okazały się przełomowe. Inwestorzy, którzy odnosili największe korzyści, często nie byli tymi, którzy budowali infrastrukturę, ale tymi, którzy wykorzystywali ją do rozwijania innowacyjnych modeli biznesowych.

OpenAI znajduje się w punkcie zwrotnym. Firma musi udowodnić, że potrafi nie tylko opracować imponującą technologię, ale także przełożyć ją na rentowny model biznesowy. Najbliższe dwa, trzy lata będą kluczowe. Jeśli OpenAI nie osiągnie swoich celów, reperkusje sięgną daleko poza firmę i wstrząśną całym sektorem sztucznej inteligencji. Jeśli jednak odniesie sukces, zmieni zasady rozwoju przedsiębiorstw i potencjalnie zapoczątkuje nową erę w historii biznesu.

Kluczowym wnioskiem z tej analizy jest to, że OpenAI potrzebuje nowych praw skalowania, nie tylko dla wydajności swoich modeli AI, ale przede wszystkim dla własnego modelu biznesowego. Prawa fizyki i matematyki, które rządzą uczeniem sieci neuronowych, stanowią jedno z wyzwań. Prawa ekonomii i rynku, które decydują o tym, jak firma może się rozwijać w sposób zrównoważony i osiągać rentowność, są co najmniej równie istotne. OpenAI musi opanować oba te prawa, aby zrealizować swoją wizję.

☑️Naszym językiem biznesowym jest angielski lub niemiecki

☑️ NOWOŚĆ: Korespondencja w Twoim języku narodowym!

Konrad Wolfenstein

Chętnie będę służyć Tobie i mojemu zespołowi jako osobisty doradca.

Możesz się ze mną skontaktować wypełniając formularz kontaktowy lub po prostu dzwoniąc pod numer +49 89 89 674 804 (Monachium) . Mój adres e-mail to: wolfenstein ∂ xpert.digital

Nie mogę się doczekać naszego wspólnego projektu.

☑️ Wsparcie MŚP w zakresie strategii, doradztwa, planowania i wdrażania

☑️ Stworzenie lub dostosowanie strategii cyfrowej i cyfryzacji

☑️Rozbudowa i optymalizacja procesów sprzedaży międzynarodowej

☑️ Globalne i cyfrowe platformy handlowe B2B

☑️ Pionierski rozwój biznesu / marketing / PR / targi

Skorzystaj z bogatej, pięciokrotnej wiedzy specjalistycznej Xpert.Digital w ramach kompleksowego pakietu usług | Badania i rozwój, XR, PR i optymalizacja widoczności cyfrowej — Zdjęcie: Xpert.Digital

Xpert.Digital posiada dogłębną wiedzę na temat różnych branż. Dzięki temu możemy opracowywać strategie „szyte na miarę”, które są dokładnie dopasowane do wymagań i wyzwań konkretnego segmentu rynku. Dzięki ciągłej analizie trendów rynkowych i śledzeniu rozwoju branży możemy działać dalekowzrocznie i oferować innowacyjne rozwiązania. Dzięki połączeniu doświadczenia i wiedzy generujemy wartość dodaną i dajemy naszym klientom zdecydowaną przewagę konkurencyjną.

Więcej na ten temat tutaj:

• Wykorzystaj 5-krotną wiedzę Xpert.Digital w jednym pakiecie – już od 500 €/miesiąc