W 1901 roku poszukiwacze ropy natknęli się na złoże w Spindletop we wschodnim Teksasie tak gwałtownie, że zatamowanie odwiertu zajęło dziewięć dni. W ciągu roku w okolicy działało już ponad 200 spółek naftowych. Ryzykanci, spekulanci, ludzie, którzy w ogóle nie powinni byli być w branży naftowej, nagle stali się jej częścią. Tak wygląda naprawdę otwarty rynek zasobów w chwili narodzin: jest chaotyczny, zatłoczony i pełen outsiderów.
Moc obliczeniowa – zasób, który ukształtuje resztę tego stulecia tak, jak ropa ukształtowała poprzednie – nie dostaje takiego startu.
W zeszłym tygodniu szef Nvidii Jensen Huang nazwał układy obliczeniowe „klasą aktywów nadającą się do inwestowania” – po raz pierwszy najcenniejszy producent chipów na świecie mówi o krzemie językiem zwykle zarezerwowanym dla nieruchomości, surowców czy złota. Okazją było rzekome porozumienie finansujące infrastrukturę o wartości 500 miliardów dolarów, najnowsze z serii megatransakcji, które zamieniły moce GPU w coś, co banki wyceniają, strukturyzują i czym handlują.
Porównanie do ropy kusi i osoby stojące na szczycie branży chętnie do niego nawiązują. Istnieje jednak kluczowa różnica: ropa zbudowała otwartą gospodarkę. Moc obliczeniowa buduje zamkniętą.
Amerykańska gospodarka XX wieku rozkwitła, bo ropa była dostępna. Konkurowały setki producentów, a wokół tej konkurencji wyrosły rafinerie, dystrybutorzy, producenci narzędzi i firmy usługowe. Surowiec był cenny, ale rynek wokół niego był na tyle otwarty, że wartość rozpraszała się na zewnątrz, zamiast koncentrować się w garstce firm. Wczesna Dolina Krzemowa działała według tej samej zasady: te same układy i komponenty były dostępne dla dwóch gości w garażu tak samo jak dla IBM – i właśnie ta otwartość pozwoliła całej branży wyrosnąć z niczego.
Rynek, który wynajmuje tylko właścicielom
Z mocą obliczeniową dzieje się odwrotnie. Microsoft, Google, Meta i Amazon zabezpieczyły przytłaczającą większość przydziału GPU nowej generacji aż do 2027 roku, korzystając z wieloletnich umów na dostawy, bezpośrednich udziałów w spółkach produkujących chipy i centra danych oraz z aranżacji finansowania, które wpisują całe inwestycje w centra danych w ich bilanse, zanim jeszcze wyjedzie pierwszy chip. W praktyce przedpłacają moce, które jeszcze nie istnieją, rezerwując jutrzejszą moc obliczeniową już dziś.
Laboratoria AI następnie zabezpieczają własny dostęp poprzez wyłączne partnerstwa chmurowe z tymi samymi hiperskalerami. Kiedy więc rozwijająca się firma AI albo ambitny zespół badawczy zaczyna szukać czasu na GPU, dobra moc obliczeniowa jest już zaklepana, to co zostało jest przewartościowane, a cała przewaga negocjacyjna należy do Big Techu.
Rezultatem jest osobliwy rynek, w którym nie ma realnego niedoboru krzemu, a istotna część globalnych mocy GPU pozostaje bezczynna w centrach danych, które nie mają efektywnego sposobu, by je współdzielić lub odsprzedać. Problemem nie jest podaż. Brakuje dostępu. Startup z finansowaniem i zespołem nadal nie może dostać potrzebnych GPU, bo nie ma odpowiedniej relacji z właściwym dostawcą chmury.
Krypto nauczyło się tego na własnej skórze
Każdy, kto jest w krypto wystarczająco długo, rozpozna ten schemat. Pierwotną obietnicą blockchaina były otwarte sieci, w których udział nie wymagał zgody żadnego incumbenta. Potem płynność skupiła się na kilku giełdach, rozwój skonsolidował wokół kilku łańcuchów, a ekosystem zaczął coraz bardziej przypominać system finansowy, który miał zastąpić.
W pędzie do zdecentralizowania wszystkiego ludzie zapomnieli, że decentralizacja jest narzędziem, a nie celem samym w sobie. Najbardziej udanymi projektami okazały się te, które wciąż zadawały pytanie, czy są faktycznie użyteczne, faktycznie działają i faktycznie dają większej liczbie osób dostęp niż wcześniej. Stablecoiny nie wygrały dlatego, że były maksymalnie zdecentralizowane. Wygrały, ponieważ dały większej liczbie ludzi dostęp do transakcji w dolarach, niż system bankowy był gotów zapewnić.
Moc obliczeniowa stoi dziś w tym samym rozdrożu. Zdecentralizowane sieci obliczeniowe dowiodły, że GPU rozproszone po całym świecie można zorganizować w użyteczną infrastrukturę AI. Aby jednak rozwiązać problem dostępu, który hamuje globalną podaż AI, trzeba pójść dalej. Tak jak graczy web3 niekoniecznie obchodzi, co dzieje się pod spodem, tak założyciel chcący wytrenować model czy firma prowadząca inferencję na dużą skalę chce po prostu wiedzieć: czy mogę uzyskać niezawodny dostęp do potrzebnej mi mocy obliczeniowej, po cenie, którą jestem w stanie utrzymać, bez podpisywania wieloletniej umowy z jedną z czterech firm?
Brakująca warstwa
Zablokowane rynki nie pozostają zablokowane na zawsze. Za każdym razem, gdy zasób zostaje skoncentrowany w zbyt małej liczbie rąk, prędzej czy później pojawia się pośrednik, którego incumbenci nie zadali sobie trudu, by zbudować.
Chmura obliczeniowa była dokładnie taką korektą. Wyjęła serwery z korporacyjnych piwnic i zamieniła je w coś, co każdy mógł wynająć na godziny. Od tego czasu chmura znów dryfuje jednak w stronę koncentracji: garstka firm kontroluje większość globalnych mocy centrów danych, a przydział GPU wewnątrz nich podąża za relacjami, a nie otwartymi przetargami.
To, co wyłania się teraz, to nowa warstwa firm pośredniczących między hiperskalerami a ludźmi, którzy faktycznie muszą budować. Ich zadanie jest proste: znaleźć istniejącą, ale niewykorzystaną moc obliczeniową – czy to bezczynną w centrach danych działających poniżej możliwości, czy zablokowaną w umowach, z których nikt nie korzysta w pełni – i skierować ją na szerszy rynek bez żądania wieloletniej dzierżawy na wejściu.
Najinteligentniejsze z tych firm czerpią naukę z krypto. Zamiast traktować decentralizację jako tożsamość, traktują ją jako jedno z kilku źródeł podaży i mieszają z infrastrukturą scentralizowaną tam, gdzie wymaga tego niezawodność. Nie chodzi o architekturę. Chodzi o to, czy więcej ludzi może uzyskać dostęp do mocy obliczeniowej niż wcześniej.
Co powstaje, gdy dostęp się otwiera
Prawdziwy koszt zablokowanego rynku mocy obliczeniowej ponoszą firmy, które nigdy nie startują. Gdy założyciel musi planować drogę rozwoju wokół tego, jaką moc obliczeniową w ogóle da się zdobyć, zamiast wokół najsilniejszej technicznie ścieżki, wygrywa ostrożność. A ostrożność nie buduje kolejnego przełomu w dziedzinie zwijania białek czy systemów autonomicznych.
Zespoły badawcze projektują eksperymenty pod dostępne godziny GPU, a nie pod to, czego wymaga nauka. Całe kategorie ambitnych, żarłocznych obliczeniowo pomysłów po prostu nigdy nie otrzymują finansowania, bo wszyscy w pokoju już wiedzą, że koszty mocy obliczeniowej uduszą firmę, zanim rynek w ogóle zdąży ją poznać.
Każdą wcześniejszą epokę komputerową pamięta się po tym, kogo do siebie dopuściła. Mainframe’y ustąpiły miejsca minikomputerom, minikomputery – PC, a PC – chmurze. Każde przejście poszerzało grono tych, którzy mogli budować. Jeśli warstwa mocy obliczeniowej pod AI skamienieje w trwałą hierarchię czterech właścicieli i całej reszty jako najemców, następna generacja znaczących firm AI ograniczy się do tych, którym po prostu udało się być na miejscu na samym początku.