Ekonomia sztucznej inteligencji: kto tak naprawdę zarabia biliony na boomie związanym z AI

Kiedy mowa o gospodarce sztucznej inteligencji, zazwyczaj wymienia się takie firmy jak OpenAI, Google, Microsoft, Anthropic czy NVIDIA. Można odnieść wrażenie, że sztuczna inteligencja to przede wszystkim programiści, sieci neuronowe i ogromne modele językowe.

W rzeczywistości za jednym zapytaniem skierowanym do chatbota kryje się znacznie dłuższy łańcuch produkcyjny.

Aby uruchomić nowoczesną sztuczną inteligencję, najpierw trzeba wydobyć miedź i inne surowce. Następnie trzeba wyprodukować sprzęt półprzewodnikowy i same chipy, zmontować serwery, zbudować ogromny obiekt, poprowadzić światłowody i linie elektroenergetyczne, zainstalować transformatory, generatory i systemy chłodzenia. Następnie centrum danych musi być przez całą dobę zaopatrywane w energię elektryczną i wodę.

Dlatego boom na sztuczną inteligencję coraz bardziej przypomina nie tylko rewolucję technologiczną, ale jeden z największych projektów infrastrukturalnych XXI wieku.

Według szacunków McKinsey do 2030 roku świat może potrzebować około 6,7 bln dolarów inwestycji w centra danych, z czego około 5,2 bln dolarów przypadnie właśnie na moce obliczeniowe niezbędne dla sztucznej inteligencji.

A znaczna część tych środków trafi wcale nie do twórców sieci neuronowych.

UA.News wyjaśnia, z czego tak naprawdę składa się gospodarka sztucznej inteligencji, które tradycyjne gałęzie przemysłu najbardziej skorzystają na boomie AI oraz dlaczego głównymi zwycięzcami nowego wyścigu technologicznego mogą okazać się producenci transformatorów, systemów chłodzenia, kabli, a nawet przedsiębiorstwa górnicze.

5,2 bln dolarów tylko na sztuczną inteligencję: gdzie trafią te pieniądze

Najłatwiej dostrzec skalę nowej gospodarki poprzez strukturę nakładów kapitałowych. McKinsey dzieli około 5,2 bln dolarów, które należy zainwestować w infrastrukturę AI do 2030 roku, na trzy duże grupy.

Około 3,1 bln dolarów, czyli 60%, przypadnie na procesory, pamięć, serwery i inny sprzęt komputerowy. Kolejne około 1,3 bln dolarów, czyli 25%, zostanie przeznaczone na wytwarzanie energii elektrycznej, sieci energetyczne, transformatory, generatory, systemy chłodzenia oraz infrastrukturę telekomunikacyjną.

A około 800 mld dolarów, czyli 15%, — na grunty, materiały budowlane, budowę i wyposażenie samych centrów danych. A to tylko nakłady inwestycyjne. W tych szacunkach nie uwzględniono w pełni przyszłych opłat za energię elektryczną, wodę, konserwację, naprawy, personel i modernizację sprzętu.

Właśnie dlatego ekonomiczny wpływ sztucznej inteligencji wykracza daleko poza granice Doliny Krzemowej.

Pierwszy poziom gospodarki opartej na sztucznej inteligencji — grunty, kopalnie i miedź

Paradoksalnie, jeden z głównych metali ery sztucznej inteligencji jest znany ludzkości od tysięcy lat. Jest to miedź.

Jest ona potrzebna praktycznie na każdym fizycznym etapie tworzenia infrastruktury AI: w kablach, silnikach elektrycznych, transformatorach, systemach zasilania serwerów, generatorach, układach chłodzenia oraz sieciach dostarczających energię elektryczną do centrów danych.

S&P Global wprost określa sztuczną inteligencję jako nowe, znaczące źródło popytu na miedź. Według prognoz firmy centra danych mogą zwiększyć swój udział w amerykańskim zużyciu energii elektrycznej z obecnych około 5% do 14% do 2030 roku.

A im więcej energii elektrycznej potrzebują centra danych, tym więcej potrzeba elektrowni, podstacji, transformatorów i linii wysokiego napięcia.

Oznacza to, że dodatkowy popyt na miedź pojawia się dwukrotnie: bezpośrednio w samym centrum danych oraz w otaczającej je infrastrukturze energetycznej.

Dlatego pośrednimi beneficjentami boomu na sztuczną inteligencję stają się giganci górniczy, producenci kabli, przedsiębiorstwa metalurgiczne oraz dostawcy surowców elektrotechnicznych.

Jest to istotna zmiana w samej logice funkcjonowania branży technologicznej. Nowego modelu ChatGPT nie da się skalować jedynie poprzez zatrudnienie większej liczby programistów. W pewnym momencie konieczne staje się dosłownie wydobycie większej ilości metalu z ziemi.

Następnie rozpoczyna się najdroższy etap — chipy

Po surowcach następuje najbardziej zaawansowana technologicznie część łańcucha.

Do uczenia i pracy dużych modeli potrzebne są procesory graficzne (GPU), specjalistyczne akceleratory AI, szybka pamięć HBM, procesory centralne, układy sieciowe oraz dziesiątki innych komponentów.

To właśnie tutaj, według szacunków McKinsey, może trafić największa część przyszłego kapitału przeznaczonego na sztuczną inteligencję — około 3,1 bln dolarów do 2030 roku na układy scalone, serwery i powiązany sprzęt komputerowy.

Jednak nawet w tym przypadku firma NVIDIA stanowi jedynie jedno ogniwo łańcucha. Układ najpierw trzeba zaprojektować, a następnie wyprodukować.

Jedną z głównych fabryk na świecie pozostaje tajwańska firma TSMC. W drugim kwartale 2026 r. segment obliczeń o wysokiej wydajności generował już 66% przychodów firmy, a jej przychody w samym tylko tym kwartale wzrosły o kolejne 20%. Sam producent wiąże ten silny popyt przede wszystkim z AI i HPC.

Jednak nawet TSMC nie może po prostu wziąć płytki krzemowej i „wydrukować” na niej nowoczesnego procesora. Wymaga to maszyn wartych setki milionów dolarów.

ASML: firma, bez której nie będzie zaawansowanych chipów AI

Jednym z najbardziej niezwykłych zwycięzców boomu na sztuczną inteligencję stała się holenderska firma ASML.

Firma produkuje niezwykle złożone systemy litograficzne, za pomocą których producenci półprzewodników tworzą najnowocześniejsze układy scalone.

W drugim kwartale 2026 roku ASML osiągnęła 9,3 mld euro przychodów i 2,9 mld euro zysku netto. Na cały rok 2026 firma prognozuje już sprzedaż na poziomie 43–45 mld euro.

ASML bezpośrednio wyjaśnia wzrost popytu ogromnymi inwestycjami w sztuczną inteligencję, które zmuszają producentów układów logicznych i pamięci do przyspieszenia rozbudowy fabryk. W ten sposób jeden akcelerator AI tworzy całą piramidę przychodów.

NVIDIA sprzedaje procesory. TSMC zarabia na ich produkcji. ASML — na sprzęcie, bez którego TSMC nie jest w stanie wdrożyć zaawansowanych procesów technologicznych. Równolegle zarabiają producenci chemikaliów, płytek krzemowych, gazów, pamięci, opakowań oraz setki dostawców komponentów.

Chip został zakupiony. Teraz trzeba zbudować dla niego „dom”

Tysięcy procesorów graficznych nie da się po prostu umieścić w biurze. Potrzebne są do tego specjalistyczne centra danych.

Są to ogromne kompleksy z własnymi systemami zasilania, generatorami rezerwowymi, bateriami, transformatorami, systemami chłodzenia, zabezpieczeniami przeciwpożarowymi, ochroną fizyczną i kanałami telekomunikacyjnymi.

Według szacunków McKinsey, sama część budowlana infrastruktury AI może wymagać około 800 mld dolarów do 2030 roku.

Pieniądze trafią do deweloperów, firm architektonicznych i inżynieryjnych, producentów betonu i stali, monterów, elektryków, właścicieli gruntów oraz operatorów nieruchomości.

Co więcej, budowa centrum danych coraz mniej przypomina budowę zwykłego magazynu. Współczesne klastry AI charakteryzują się tak wysoką koncentracją sprzętu, że sama konstrukcja centrum musi być projektowana z uwzględnieniem potrzeb procesorów.

McKinsey zauważa, że architektura procesorów graficznych (GPU) faktycznie determinuje obecnie wymagania dotyczące przyszłych systemów zasilania i chłodzenia jeszcze przed rozpoczęciem budowy centrum danych.

Transformatory – nieoczekiwani zwycięzcy boomu na sztuczną inteligencję

Jeszcze kilka lat temu transformator raczej nie kojarzył się z najgorętszym sektorem światowej gospodarki. Teraz sytuacja uległa zmianie.

Centrum danych AI może zużywać setki megawatów energii elektrycznej. Zanim energia ta dotrze do serwerów, musi zostać przetransmitowana przez podstacje, transformatory, systemy dystrybucyjne, zasilacze awaryjne (UPS) i inne urządzenia.

Popyt rośnie szybciej, niż producenci są w stanie zwiększać produkcję.

McKinsey podaje, że czas oczekiwania na niektóre rodzaje sprzętu w Ameryce Północnej może już wynosić około 80 tygodni w przypadku urządzeń przełączających średniego napięcia oraz 50 tygodni w przypadku transformatorów.

Jednym z najbardziej charakterystycznych przykładów nowego boomu jest amerykańsko-irlandzka firma Eaton.

Firma produkuje sprzęt elektrotechniczny dla centrów danych, przemysłu i energetyki.

W drugim kwartale 2026 roku jej sprzedaż osiągnęła rekordowy poziom 8,5 mld dolarów, wzrastając o 21% w skali roku. Sam oddział Electrical Americas sprzedał produkty o wartości 4 mld dolarów. Jednocześnie sama firma Eaton bezpośrednio wskazuje centra danych jako jeden z kluczowych czynników napędzających jej wzrost.

Oznacza to, że sztuczna inteligencja stworzyła już ogromny rynek nie tylko dla producentów procesorów graficznych (GPU), ale także dla firm, których działalność od dziesięcioleci opierała się na produkcji sprzętu elektrotechnicznego.

Chłodzenie staje się odrębną branżą wartą wiele miliardów

Istnieje jeszcze jeden fundamentalny problem: energia elektryczna zużywana przez procesor w znacznej mierze zamienia się w ciepło.

Im wydajniejszy jest układ AI, tym trudniej go schłodzić.

Tradycyjna cyrkulacja zimnego powietrza nie wystarcza już w przypadku najbardziej gęstych systemów AI. Dlatego branża przechodzi na chłodzenie cieczą, w którym ciepło jest odprowadzane bezpośrednio z procesorów.

McKinsey zauważa, że chłodzenie cieczą z rozwiązania niszowego staje się podstawowym wymogiem dla wielu nowych centrów danych AI.

I tu pojawia się nowa grupa zwycięzców. Jedną z najbardziej widocznych firm jest Vertiv, która produkuje systemy chłodzenia, zasilacze awaryjne i inną infrastrukturę krytyczną.

W drugim kwartale 2026 roku Vertiv ogłosiła sprzedaż na poziomie 3,27 mld dolarów, co stanowi wzrost o 24% w porównaniu z rokiem poprzednim. Zysk operacyjny firmy wzrósł o 44%.

W całym 2026 roku Vertiv spodziewa się już około 14 mld dolarów przychodów. Firma otwarcie przyznaje, że popyt na jej produkty napędzany jest rozwojem sztucznej inteligencji oraz ogólnym wzrostem obciążeń obliczeniowych.

W rzeczywistości rozwój sieci neuronowych doprowadził do sytuacji, w której firma zajmująca się sprzedażą systemów chłodzenia i zasilania osiąga tempo wzrostu, które jeszcze niedawno było charakterystyczne dla start-upów technologicznych.

Największym problemem sztucznej inteligencji jest pozyskiwanie energii elektrycznej

Kiedy centrum danych jest już zbudowane i wyposażone w procesory graficzne (GPU), rozpoczyna się kolejny etap łańcucha ekonomicznego – koszty stałe.

Najważniejszym z nich jest energia elektryczna.

Według danych Międzynarodowej Agencji Energetycznej światowe zużycie energii elektrycznej przez centra danych nadal gwałtownie rośnie, a w bardziej pesymistycznym scenariuszu do 2035 roku może przekroczyć 1700 TWh rocznie.

Dla porównania, mowa tu już o wielkościach porównywalnych z zużyciem energii przez duże państwa.

Dlatego też korporacje technologiczne coraz aktywniej stają się uczestnikami rynku energetycznego. Zawierają długoterminowe umowy z elektrowniami, inwestują w energię słoneczną i wiatrową, rozważają energię geotermalną, elektrownie gazowe oraz energię jądrową.

W rezultacie sztuczna inteligencja tworzy nową, ogromną grupę klientów dla przedsiębiorstw energetycznych.

Według szacunków McKinsey, sama produkcja energii elektrycznej w ramach przyszłej infrastruktury AI może wymagać około 300 mld dolarów inwestycji. Odpowiadałoby to około 150–200 GW nowej mocy gazowej, gdyby cała ta moc była oparta właśnie na gazie.

Oprócz energii elektrycznej sztuczna inteligencja wymaga nowych sieci

Nie wystarczy zbudować elektrownię. Energię elektryczną trzeba dostarczyć do konkretnego centrum danych.

W związku z tym pojawia się zapotrzebowanie na linie wysokiego napięcia, podstacje, transformatory, systemy magazynowania energii oraz sprzęt elektrotechniczny. I właśnie w tym momencie sztuczna inteligencja zaczyna wpływać nie tylko na poszczególne firmy, ale na planowanie systemów energetycznych całych krajów.

W niektórych regionach problem nie polega już na kosztach energii elektrycznej, ale na fizycznej możliwości podłączenia nowego centrum danych do sieci.

Właśnie dlatego firma McKinsey szacuje, że cały segment — wytwarzanie energii, przesył, chłodzenie, sprzęt elektryczny oraz część infrastruktury sieciowej — będzie wymagał inwestycji w sztuczną inteligencję o wartości około 1,3 bln dolarów do 2030 roku.

To ogromny nowy rynek dla firm, o których jeszcze kilka lat temu prawie nie wspominało się w dyskusjach na temat sztucznej inteligencji.

Sztuczna inteligencja wymaga również milionów kilometrów kabli

Centra danych muszą być ze sobą połączone.

Użytkownik w Kijowie może wysłać zapytanie, które przejdzie przez kilka węzłów telekomunikacyjnych i zostanie przetworzone w klastrze serwerów oddalonym o tysiące kilometrów. Dlatego boom na sztuczną inteligencję oznacza również boom na sieci światłowodowe.

McKinsey szacuje potencjalną wielkość niezbędnych inwestycji w światłowody na około 150 mld dolarów. Według obliczeń tej firmy konsultingowej za te pieniądze można położyć około trzech milionów mil linii światłowodowych — wystarczy to, by około 120 razy okrążyć Ziemię.

Dlatego kolejnymi pośrednimi beneficjentami sztucznej inteligencji stają się operatorzy sieci telekomunikacyjnych, producenci kabli światłowodowych oraz sprzętu sieciowego.

Kto zarabia najwięcej na sztucznej inteligencji

Jeśli weźmiemy pod uwagę wyłącznie przyszłe nakłady inwestycyjne, na razie jest tylko jeden oczywisty zwycięzca — przemysł półprzewodnikowy i serwerowy.

Z prognozowanych 5,2 bln dolarów inwestycji w sztuczną inteligencję około:

• 3,1 bln dolarów — 60% — układy scalone, serwery, pamięć i sprzęt komputerowy;
• 1,3 bln dolarów — 25% — energia elektryczna, sieci, transformatory, generatory, systemy chłodzenia i telekomunikacja;
• 800 mld dolarów — 15% — grunty, budownictwo i materiały.

Istnieje jednak istotny niuans.

Te 5,2 bln USD to nie zysk przedsiębiorstw, lecz kapitał, który zostanie przeznaczony na budowę infrastruktury. Rzeczywisty dochód każdego sektora będzie zależał od marży, konkurencji, kosztów surowców oraz tempa realizacji projektów.

Jednak już dziś widać, kto odniesie największe pośrednie korzyści z AI.

ASML prognozuje dziesiątki miliardów euro rocznej sprzedaży sprzętu do produkcji chipów. Vertiv spodziewa się około 14 mld dolarów przychodów w 2026 roku w związku z rosnącym popytem na centra danych. Eaton już teraz odnotowuje rekordową sprzedaż w swoim segmencie elektrotechnicznym. TSMC czerpie większość przychodów z obliczeń o wysokiej wydajności.

Dalej w łańcuchu znajdują się setki mniej widocznych producentów transformatorów, kabli, pomp, wymienników ciepła, generatorów, stali, betonu i sprzętu elektrycznego.

Sztuczna inteligencja stopniowo przekształca się w odrębny, duży sektor infrastrukturalny światowej gospodarki.

Być może głównym symbolem obecnej rewolucji jest procesor graficzny (GPU). Jednak do jego działania potrzebna jest miedź, woda, beton, elektrownie, transformatory, kable, generatory, klimatyzatory oraz tysiące ludzi, którzy to wszystko zbudują i będą obsługiwać.

I właśnie w tym może tkwić główny paradoks ekonomiczny boomu na sztuczną inteligencję. Sztuczna inteligencja wydaje się technologią maksymalnie niematerialną — to zaledwie kilka słów w oknie przeglądarki.

Jednak za tymi słowami kryje się jedna z największych fizycznych transformacji przemysłowych współczesnego świata.

 

Czytaj nas na Telegram i Sends