Łańcuch dostaw AI składa się z pięciu kluczowych warstw: sprzętu, przetwarzania w chmurze, danych treningowych, modeli fundamentalnych i aplikacji AI adresowanych do użytkowników. Każda z tych warstw jest niezbędna do zasilania systemów sztucznej inteligencji, z których obecnie korzystamy, a duże spółki technologiczne są aktywne we wszystkich z nich.
Weźmy pod uwagę chmurę obliczeniową, podstawę rozwoju AI. Modele sztucznej inteligencji wymagają ogromnych zasobów obliczeniowych do treningu i wdrażania, a platformy chmurowe zapewniają infrastrukturę, która to umożliwia. Globalnie rynek chmury jest zdominowany przez trzy duże spółki technologiczne: Amazon Web Services (AWS), Microsoft Azure i Google Cloud Platform.
Łącznie trzy duże spółki technologiczne kontrolują prawie 75 proc. rynku infrastruktury jako usługi, najbardziej istotnego segmentu dla sztucznej inteligencji. Ich dominację widać od dawna zarówno w siłach ekonomicznych kształtujących rynek obliczeń w chmurze, jak i w ich strategicznych działaniach. Wysokie koszty stałe, korzyści skali i efekty sieciowe utrudniają mniejszym graczom konkurowanie na tym rynku. Co więcej, dostawcy usług w chmurze pobierają również opłaty za przesyłanie danych z ich platform. Opłaty wyjściowe pobierane przez duże spółki technologiczne nie tylko przewyższają dodatkowe koszty transferu danych, ale są również wyższe od opłat pobieranych przez mniejszych konkurentów (Biglaiser i in. 2024). Duże spółki technologiczne zapewniają również pionowo zintegrowane ekosystemy usług na swoich platformach, często ze zniżką.
Ale wpływ dużych spółek technologicznych wykracza daleko poza chmurę obliczeniową. Dane treningowe są siłą napędową AI, a duże spółki technologiczne mają dostęp do jednych z najbogatszych na świecie zbiorów danych generowanych przez użytkowników. Meta ma Instagram, Facebook i WhatsApp; Google ma Gmaila, Mapy, Sklep Play i wyszukiwarkę Google; Microsoft ma Bing; LinkedIn i Microsoft 365 (Hagiu i Wright 2025). Aby wykorzystać te dane do treningu AI, duże spółki technologiczne po cichu aktualizują swoje warunki użytkowania i politykę prywatności. Oprócz korzystania z istniejących już zasobów danych, spółki te aktywnie nabywają bazy danych lub współpracują z firmami posiadającymi bogate bazy danych. W miarę kurczenia się zasobów wysokiej jakości danych publicznych, takie zastrzeżone źródła danych staną się jeszcze bardziej wartościowe. Rosnące zyski z każdej dodatkowej jednostki danych mogą jeszcze bardziej wzmocnić ich wpływ na łańcuch dostaw AI.
Podstawowa warstwa modelu łańcucha dostaw sztucznej inteligencji – dom dla dużych wstępnie wytrenowanych modeli, takich jak GPT-4 OpenAI lub Gemini Google – to kolejny obszar, w którym spółki technologiczne są coraz bardziej aktywne. Opracowanie modeli fundamentalnych jest kosztowne, a koszty treningu często przekraczają 100 milionów dolarów (The Economist 2023). Te wysokie koszty stałe mogą tworzyć poważne bariery wejścia na rynek, faworyzując bogate firmy z dostępem do zasobów obliczeniowych. Nic dziwnego, że duże spółki technologiczne nie tylko opracowują własne modele fundamentalne, ale także integrują je ze swoimi produktami skierowanymi do konsumentów. Microsoft oferuje w swoim pakiecie aplikacji oparte na sztucznej inteligencji narzędzie Copilot, podczas gdy Google osadza swój model Gemini w wynikach wyszukiwania. Jednocześnie firmy produkują sprzęt AI (chipy), a nawet zabezpieczają własne dostawy paliwa jądrowego do zasilania centrów danych (CNBC 2024). Taka pionowa integracja pozwala dużym spółkom technologicznym na przechwytywanie wartości w wielu punktach łańcucha dostaw.
Ta pionowa integracja może stworzyć samonapędzającą się „pętlę chmura-model-dane” (patrz rysunek powyżej). Kontrolując zasoby obliczeniowe w chmurze, duże spółki technologiczne mogą tworzyć lepsze modele sztucznej inteligencji. Modele te z kolei generują więcej danych, które mogą być ponownie wprowadzone do ich systemów w celu ulepszenia kolejnych iteracji. Pętla jest dodatkowo wzmacniana, jeśli istnieją znaczące efekty sieciowe związane z aplikacjami AI dostarczanymi przez duże spółki technologiczne. W miarę jak coraz więcej użytkowników przyjmuje dany model lub platformę AI, jej wartość wzrasta, przyciągając jeszcze więcej użytkowników. Siła tej pętli będzie zależeć od jakości zastrzeżonych danych dużych spółek technologicznych, zasięgu efektów sieciowych wynikających z wykorzystania AI oraz zwrotu ze skali każdej dodatkowej jednostki danych w procesie trenowania sztucznej inteligencji.
obserwatorfinansowy.pl