Zamknięcie Sory: przejście sztucznej inteligencji od haju do gospodarki obliczeniowej
OpenAI zamknęła usługę Sora 24 marca 2026 roku, co wywołało spekulacje na temat osłabienia haju wokół AI. Jednak decyzja ta odzwierciedla głębszy przeskok ku racjonalnemu wykorzystaniu mocy obliczeniowej. Tydzień wcześniej Jensen Huang podczas konferencji GTC 2026 stwierdził: inżynier zarabiający 500 tys. USD rocznie, który wydaje mniej niż 250 tys. USD rocznie na tokeny, to sygnał ostrzegawczy. Jeśli koszt tokenów wynosi zaledwie 5 tys. USD — to po prostu nieakceptowalnie niski poziom. Takie wskaźniki podkreślają konieczność skupienia się na scenariuszach, w których wnioskowanie (inference) generuje wysoką wartość biznesową.
Ceny za tokeny gwałtownie spadły w latach 2023–2026, ale niedobór GPU tylko się nasila. Jest to klasyczny efekt Jevonsa: taniej szybkość dostępu do zasobu prowadzi do jego intensywniejszego zużycia — głównie poprzez nowe, dotąd niemożliwe zadania.
| Model | Cena za 1 mln tokenów wejściowych |
|--------|-----------------------------------|
| GPT-4 (marzec 2023) | 30 USD |
| GPT-4o (sierpień 2024) | 2,5 USD |
| Gemini 2.0 Flash (luty 2025) | 0,1 USD |
| DeepSeek z buforowaniem (luty 2025) | 0,07 USD |
Wydatki korporacyjne na generatywną sztuczną inteligencję wzrosły z 11,5 mld USD w 2024 r. do 37 mld USD w 2025 r. Jednocześnie obserwujemy tzw. „cieniowy AI”: 49% pracowników korzysta z nieautoryzowanych narzędzi AI, a 51% integruje je z systemami korporacyjnymi bez zgody działu IT.
Dlaczego generowanie wideo okazało się najbardziej zasobożądne
Generowanie wideo wymaga od 10 do 100 razy więcej mocy obliczeniowej niż przetwarzanie tekstu przez LLM o długości 1000 słów. Generowanie obrazów to 3–11× więcej obciążeń. W przypadku Sory oznaczało to nieproporcjonalnie wysokie koszty wnioskowania.
OpenAI generuje przychód w wysokości 13 mld USD, ale koszty obsługi zapytań w 2025 r. wzrosły czterokrotnie, a marża brutto spadła z 40% do 33%. Firma skoncentrowała się na produktach zapewniających lepszy stosunek mocy obliczeniowej do przychodu.
- Tekst: podstawowe obciążenie — 1×
- Obrazy: 3–11×
- Wideo (1 min, 30 fps): 10–100×
Taki priorytetowy dobór zadań stał się standardem: zasoby kierowane są wyłącznie do scenariuszy z mierzalnym zwrotem z inwestycji (ROI).
Tokeny jako wskaźnik efektywności inżyniera
Wypowiedź Huanga spotkała się z krytyką ze względu na konflikt interesów — NVIDIA zależy od popytu na GPU. Niemniej jednak sedno jest trafne: niskie wydatki na tokeny sygnalizują pomijanie możliwości automatyzacji.
Inżynier ignorujący agenty AI do rutynowych zadań przypomina projektanta układów scalonych, który ręcznie projektuje miliardy tranzystorów. Nowoczesne narzędzia EDA automatyzują trasowanie przez miesiące; rezygnacja z nich to konkurencyjna utrata pozycji.
Wydatki na tokeny to nieidealna metryka — podatna na manipulacje — ale bardzo użyteczna do oceny stopnia adopcji nowych narzędzi w środowiskach produkcyjnych.
Dojrzewanie rynku AI
Rynek przechodzi od eksperymentów do odpowiedzialności. W 2023–2024 produkty uruchamiano według zasady „spróbujemy”. W 2026 roku obowiązkowe są szczegółowe analizy: koszt wnioskowania vs. generowany przychód.
Sora to pierwsza publiczna optymalizacja, ale nie ostatnia. Wydatki na AI nadal rosną, ale pod ścisłą kontrolą kosztów. Niedobór mocy obliczeniowej utrzymuje się z powodu wykładniczego wzrostu liczby możliwych zastosowań.
Na co zwrócić uwagę:
- Taniej tokeny nasilają niedobór GPU dzięki nowym przypadkom użycia.
- Wideo dominuje pod względem zużycia zasobów — Sora została zamknięta z powodu niskiego ROI.
- Wydatki na tokeny to proxy do oceny efektywności zespołów technicznych.
- Korporacyjna AI dynamicznie rośnie: 37 mld USD w 2025 r. + ruch cieniowy.
- Rynek ewoluuje ku priorytetom opartym na danych i mierzalnych wynikach.
— Editorial Team
Brak komentarzy.