Investice pouhých pěti technologických firem jsou dnes větší než investice celého světa do těžby ropy a zemního plynu. Většina těch peněz jde do datových center, budov, serverů a čipů, na kterých běží umělá inteligence. Práci s AI zvládáme levněji a čipy jsou efektivnější, jenže zároveň pro ni sháníme další a další elektřinu. Firmy, které to všechno platí, nutně potřebují vymyslet, jak investice dostat zpátky. A to se dříve či později promítne do toho, co uživatelé za předplatné dostanou a kolik práce za své peníze nechají AI udělat.
Pět firem utrácí víc než celý svět za ropu a plyn
Podle Mezinárodní energetické agentury přesáhly kapitálové výdaje největších technologických firem v roce 2025 hranici 400 miliard dolarů a pro rok 2026 agentura čekala růst zhruba na 700 miliard. Ne všechno jde přímo na umělou inteligenci, jenže právě ta dnes celý obor táhne. A to jsou jen investice do majetku.
Vedle nich běží smlouvy, které firmám rezervují výpočetní výkon na roky dopředu. OpenAI rozšířila závazek vůči Amazonu o 100 miliard dolarů na osm let, Anthropic se zavázal utratit u Amazonu přes 100 miliard dolarů během deseti let. Pro Amazon a jeho cloudovou divizi Amazon Web Services je to skvělý obchod: pronajímá serverový výkon, který si vývojáři velkých modelů sami nepostaví.
Takový výkon se ale nerezervuje na rok, nýbrž na řadu let a se závazkem, ze kterého se téměř nedá vycouvat. Nabídnout ho přitom neznamená jen uvolnit stávající kapacitu. Amazon musí stavět novou: koupit čipy a paměti, postavit a propojit servery, někam je umístit a uchladit je vodou.
Elektřina, sítě a rozhodnutí, která měla padnout před deseti lety
Ke všemu je potřeba elektřina, a to ve velkém. Jeden z ohlášených plánů počítá s nasazením čipů o příkonu až 2 GW, tedy řádově výkonu dvou jaderných bloků. Nejlepší by bylo, kdyby se firmy na takovou spotřebu chystaly už před deseti lety a stihly si postavit elektrárny. Vrátit čas ale nejde, a tak se dnes staví narychlo, a proto často dráž, než by bylo nutné.
Elektrárna navíc nestačí. Je potřeba dostatečně silná rozvodná síť, transformátory, povolení úřadů a dodavatelé všech stavebních prvků a materiálů. Firmy tak dnes dohánějí rozhodnutí o infrastruktuře, která měly udělat před deseti lety, a ta dnešní dělají podle odhadu, jak budou lidé umělou inteligenci používat v příští dekádě.
Při takových částkách si potřebují zajistit, že závazky vůči Amazonu zaplatí a investice se v dohledné době vrátí. K tomu musí „vyrobit" zákazníka, který novou kapacitu naplní. Kolik výkonu bude opravdu potřeba, kolik zákazníků se podaří získat a jací budou, ale nikdo spolehlivě neodhadne.
Dotaz do chatu je levný, agent ne
Obyčejný textový dotaz s jednoduchou odpovědí přitom téměř nic nespotřebuje. Mezinárodní energetická agentura odhaduje, že kdyby se běžné internetové vyhledávání nahradilo jednoduchými dotazy na AI, vyšla by roční spotřeba pod 4 TWh, tedy méně než procento dnešní spotřeby datových center. Otázka, kdy má svátek Jiří, firmy netrápí.
Velká spotřeba začíná u hlubších, agentních řešení. OpenAI i Elon Musk nepřímo připouštějí, že se agenti nevyplácejí, a firmy, které je vyvíjejí, postupně přiznávají, že jsou na provoz příliš drazí. Přeloženo: cena, za kterou se agent dnes nabízí, investice nepokryje.
Z toho plynou dvě možnosti. Agenty budou obsluhovat levnější modely s výkonem dnešní špičky, nebo služby zdraží. Vzhledem k obřím investicím lze čekat kombinaci obojího: nejvýkonnější model se bude používat jen výjimečně a s frontier modely nebude možné pracovat v takovém rozsahu jako dnes. Pro firmy, kterým OpenAI, Anthropic či SpaceX nabízejí plně agentní řešení a „AI zaměstnance", to je problém. Finanční výhoda může být menší, než se slibuje, a provoz agenta bude nejspíš výrazně dražší. Naděje, že se najde cesta, jak taková řešení provozovat levně a bezpečně, existuje, ale víra v ni je malá. Bez výrazného zdražení nebo omezení se obří investice zaplatit nedají.
Pevná workflow místo volného agenta
Proto dává smysl stavět AI řešení jako pevně daná workflow místo „plnotučného" agenta, kterému se řekne „pracuj" a pak se jen doufá. Workflow dělá přesně to, co má, a je bezpečnější i spolehlivější než klasický agent. Umělá inteligence v něm nastupuje jen tam, kde je opravdu nutná: při překladu, formátování nebo analýze vstupu.
Na takové kroky nejsou potřeba drahé frontier modely. Stačí levnější Haiku od Anthropicu, které je na ně vlastně zbytečně chytré, nebo ještě jednodušší model, jaký jde teoreticky provozovat i na vlastním počítači bez datového centra. Výsledek je levnější, bezpečnější a dlouhodobě udržitelnější, protože nehrozí, že se provoz stonásobně prodraží. Je to sice složitější na přípravu než nasazení agenta, ale vyplatí se to.
Jevonsův paradox: levnější model neznamená úsporu
Agenti mají ještě jeden problém. I kdyby budoucí model, třeba GPT-7, zvládl totéž co dnešní špička a byl levnější, pro koncového uživatele to nemusí znamenat úsporu. Firmy jako OpenAI s tím podle všeho počítají. Ve hře je totiž Jevonsův paradox.
Ten říká, že zlevnění zdroje často vede k jeho většímu používání místo úspory. Klasickým příkladem je benzín: když zlevní, lidé za něj neušetří, ale víc jezdí a utrácejí stejně. Poskytovatelé jako OpenAI nebo Anthropic tedy nejspíš počítají s tím, že levnější a schopnější modely se budou používat víc a výpočetní výkon budou muset dál přidávat.
Většina uživatelů to zná z vlastní zkušenosti. Kdo kdysi platil OpenAI předplatné za zhruba 500 korun, neustále narážel na limity modelu GPT-4o, protože na všechno používal ten nejvýkonnější. Dnes na drtivou většinu běžné práce stačí menší modely, u Anthropicu Haiku, a s umělou inteligencí se toho najednou dělá mnohem víc. Přesně tak se Jevonsův paradox projevuje.
Krysí závod a úzká hrdla dodávek
Firmy jako OpenAI a Anthropic se tím dostávají do krysího závodu. Potřebují si udržet uživatele, aby zaplatily investice, a zároveň musí investovat dál, aby si uživatele udržely. Had, který si požírá ocas, a úplné peklo. Peníze přitom netečou jen do hardwaru, ale přelévají se i do energetiky a rozvodných sítí.
Lepší čipy, datová centra a elektrárny navíc nepomohou, když se čeká, až někdo nové čipy vyrobí a doveze na místo. Logistiku nelze podceňovat: skloubit desítky dodavatelů je řada úzkých hrdel za sebou, kterými musí projít každý projekt.
Google si infrastrukturu nechává pro sebe
Zajímavě to řeší Google. Vyvíjí vlastní čipy pro umělou inteligenci, kterým říká TPU. Vlastní čipy má i Amazon, Trainium a Inferentia. Googlu to dává výhodu pro budoucí návratnost: všechny investice do vývoje čipů a infrastruktury zůstávají v jeho rukou. Nový čip může nasadit pro vlastní potřeby a nemusí spoléhat na externího dodavatele, jako je OpenAI odkázaná na Nvidii.
Google navíc dokáže svou infrastrukturu nabízet dvojím způsobem. Z jedné investice tak má dva zákazníky: koncového uživatele Gemini a klienta, který si pronajme kapacitu datových center, a tím může být klidně i OpenAI.
Když naopak OpenAI kupuje výkon od Amazon Web Services, architektura, na které poběží ChatGPT, patří Amazonu. OpenAI do ní investovala a Amazon ji staví na slib, že ji OpenAI bude využívat, ale nevlastní ji. Je to křehké, protože se může cokoli pokazit a peníze nemusí přijít. Těží z toho hlavně Amazon, kterému infrastruktura zůstane, i když riskuje, že mu ji někdo nezaplatí. Google je v pevnější pozici a má vyšší míru jistoty než Anthropic nebo OpenAI, a stejně tak jeho investoři.
Dokonalá výhoda to ale není. Do datových center Amazonu investuje víc firem, takže riziko jedné z nich je menší. OpenAI a Anthropic mají dohromady zainvestováno kolem 1,1 bilionu dolarů a dělí se o něj. Konkurent jako Google musí ekvivalentní výkon zaplatit sám, z vlastní kapsy nebo od svých investorů.
Datové centrum stárne rychle a tlačí na cashflow
Podstatné je, že investice do datového centra pro umělou inteligenci není klasická dlouhodobá investice. Model potřebuje, aby karty a počítače, na kterých běží, byly co nejpodobnější a co nejefektivněji si předávaly data. Přilepit ke starému datovému centru nové grafické karty a prohlásit ho za rozšířené proto není ideální.
Do jisté míry to jde a kapacitu to zvětší. Nvidia sama dbá na to, aby byly její karty, například H100 a H200, vzájemně kompatibilní a šly řadit vedle sebe. Ideální je však nahradit co největší část datového centra novými čipy. Velká část investice za bilion dolarů má tedy krátkou životnost a vzniká obrovský tlak na cashflow.
Datová centra přitom nejsou na jedno použití. Model se ale optimalizuje pro konkrétní čip a ideálně běží na stejných čipech v celém centru. Různé generace se smíchat dají, starý čip však vždycky dělá neplechu: je méně energeticky efektivní a prodražuje provoz na elektřině i chlazení. Rozdělit zdroje a najít nejefektivnější řešení je úloha, ze které se člověku zatočí hlava, a vlastně ideální práce pro umělou inteligenci.
Závislost a generátory obrázků pro hezčí čísla
V praxi to má několik důsledků. Nejzásadnější: firmy, které vyvíjejí umělou inteligenci, budou uživatele tlačit k co největší závislosti na svých službách. Neznamená to, že je AI k ničemu. Je to neuvěřitelný pomocník a firmám se jí většinou nevyplatí vyhýbat. Ne každý úkol, který jí dnes lidé předávají, ale musí dělat ona, a OpenAI či Anthropic se ji budou snažit dostat úplně všude.
Dalším důsledkem mohou být služby spíš pro zábavu a relativně zbytečné, třeba generování obrázků nebo hloupých videí. Pár lidem pomohou, většině ne. Mohou ale sloužit i k tomu, aby datová centra vykazovala vyšší vytížení. Na konci kvartálu vypadá mnohem lépe, když je vytížení prakticky stoprocentní a je vidět, že lidé služby používají. Podporovat vznik „AI slopu" tak může mít pro firmy i investory výhodu, protože to vypadá dobře na papíře.
A kdo si zvykne generovat na každou hloupost nový obrázek, nerad o tu funkci přijde. Odchází se mu hůř, a když služba zdraží, řekne si, že si rád připlatí, jen aby mohl generovat dál.
Dnes levně, zítra násobně dráž
Další důsledek může být ještě větší nafukování bubliny: financování dalšího růstu bez jisté návratnosti předchozích investic. Když firmy nabízejí modely velmi levně, přestože tržby zatím náklady nepokrývají, a místo omezení služby ji potichu přepnou na levnější model, mohou ji dál prodávat ve stejném nebo zdánlivě stejném rozsahu. Tím ve firmách i u jednotlivců budují závislost.
Stačí si představit, že místo účetní vede účetnictví umělá inteligence. Jednoho dne přijde Sam Altman a oznámí, že ChatGPT je pětkrát dražší, místo 500 stojí 2 500 korun. Kdo na něm má účetnictví a už nemá člověka, zaplatí. Pro mnohé se to pořád vyplatí. Otázka ale zní, kolik výkonu si za 2 500 korun časem koupí. Zatím trend vypadá tak, že si lidé buď kupují stále víc výkonu, nebo slabší modely za stejnou cenu zvládnou víc než ty předchozí. Při pohledu na obří investice a všechny překážky, od datových center přes energie a vodu po logistiku, se ale rychle nabízí otázka, kdy proboha firmy investice splatí. Dluh jen roste.
Obava, výslovně jen spekulace, je jednoduchá. V době nedostatku pracovní síly a gigantického humbuku kolem AI se firmám jako OpenAI nebo Anthropic může vyplatit nakoupit si zákazníky „na dluh". Malé firmy, startupy, živnostníci a další agilní jednotky ušetří tím, že část práce svěří umělé inteligenci místo lidí. Až na ní postaví své fungování, může služba zdražit desetkrát, dvacetkrát i padesátkrát. Takové firmy pak nebudou mít jinou možnost, protože lidi buď nemají, nebo by si je stejně nemohly dovolit.
Firma, jejíž cashflow při dnešních nákladech funguje skvěle, nemusí pětinásobné, desetinásobné nebo dokonce stonásobné náklady vydržet. V tom je velká obava a zároveň velká vyděračská páka v rukou poskytovatelů. Ti si pak budou moct dělat, co chtějí, a spousta firem může zkrachovat.
Předplatné proti API: kdo to vlastně platí
Poslední argument se týká předplatného. Za 500 korun, nebo za tisícovku měsíčně, to vypadá v pohodě. Jenže kolik tokenů si za ty peníze člověk opravdu koupí a kolik by zaplatil přes API, tedy přístupový klíč, přes který se model používá v jiných aplikacích a platí se za každý zpracovaný token? Předplatné může vyjít desetkrát až třicetkrát levněji než stejné tokeny přes API. Za 500 korun měsíčně se tak kupuje násobně větší výpočetní výkon, než za kolik by se reálně platilo.
Kdo to platí? Někteří předplatitelé vyčerpají pár tokenů, jiní za stejnou cenu vytáhnou tolik, že je nepředstavitelné, kolik to firmu stálo. U tarifu Claude Max by hodnota vyčerpaných tokenů podle cen API přesáhla i pět tisíc korun.
Nejde o to hlídat, na co se AI používá. Jde o to dávat si strašný pozor, kolik práce se jí předává bez náhrady a jak dobře ji lze v případě potřeby převzít zpátky. Stejně jako u nového zaměstnance: člověk musí být nahraditelný. Mít ve firmě nenahraditelného člověka je naprosté peklo.
Závěr
Umělá inteligence v podobě, v jaké ji dnes prodávají OpenAI, Anthropic, Google nebo SpaceX, se zatím jednoduše nevyplácí. Obří investice do čipů, datových center a energetiky se musí odněkud vrátit, a nejpravděpodobnější cestou je kombinace slabších modelů, omezení a zdražení. Firma, která na trhu dlouhodobě rozdává svůj produkt bez náhrady, zatím neexistuje. Kdo na levné AI staví vlastní byznys, by s tím měl počítat dřív, než mu poskytovatel pošle nový ceník.
