Generální ředitel Coinbase Brian Armstrong sází na to, že příštím úzkým hrdlem umělé inteligence nebude to, jak chytré modely budou, ale kolik energie a fyzického hardwaru bude k jejich provozu k dispozici. V sérii poznámek tento týden Armstrong argumentoval, že energetická a výpočetní infrastruktura, nikoli vylepšení algoritmů, určí, jak daleko se AI může škálovat. Vzhledem k tomu, že financování AI rizikovým kapitálem dosáhlo v prvním čtvrtletí roku 2026 samo o sobě 242 miliard dolarů, tvrdí, že skutečné omezení se již projevuje ve výstavbě datových center.
Kam směřují náklady
Armstrong předpovídá, že během 12 až 18 měsíců se zhruba 80 % úloh AI přesune na modely, které stojí až o 99 % méně než dnešní špičkové systémy. Zbývajících 20 % bude stále používat špičkové modely pro vysoce rizikové úkoly, jako je vědecký výzkum. Rozdělení přirovnal ke spotřební elektronice: většina lidí kupujících MacBook nebo herní PC vynechává maximální specifikace. Stejná logika podle něj bude platit i pro AI – většina úloh poběží na levnějších, dostačujících modelech.
Coinbase již tuto myšlenku uvádí do praxe. Společnost směruje dotazy k nákladově nejefektivnějšímu dostupnému modelu, což umožnilo, aby její výdaje na AI zůstaly zhruba stabilní, i když využití tokenů exponenciálně roste. Open-source alternativy, jako je DeepSeek V4, který se výkonem blíží nejlepším proprietárním systémům za zhruba třetinové náklady, tuto strategii uskutečňují.
Podnikové rozpočty jsou již napjaté
Investor Tommy Shaughnessy poukázal na Uber jako případovou studii toho, jak rychle mohou podnikové výdaje na AI překročit odhady. Podle Shaughnessyho Uber spotřeboval svůj celý rozpočet na AI pro rok 2026 do začátku dubna – tedy za necelé čtyři měsíce roku. Tento druh překročení nákladů podle Armstronga přiměje společnosti hledat levnější alternativy, místo aby se honily za nejpokročilejším modelem.
Jak klesají náklady na token, úzké hrdlo se posouvá výše. Skutečnou bariérou se stává energie a křemík potřebné k provozu jakéhokoli modelu ve velkém měřítku. Armstrong popisuje poptávku po inteligenci generované AI jako bez praktického stropu. Ale fyzická infrastruktura k zajištění této inteligence již vázne.
Proč Armstrong vystupuje proti přísnější regulaci AI
Armstrong se také vyslovil proti přísnější regulaci AI. Tvrdí, že politická omezení by neměla utvářet trajektorii technologie, když hlavní praktickou výzvou je již nedostatek elektráren a datových center. Přílišná regulace by podle něj mohla zpomalit výstavbu této infrastruktury v době, kdy je nejvíce potřeba.
Kapacita datových center nestíhá
Globální kapacita datových center již zaostává za poptávkou. I když se v prvním čtvrtletí 2026 vlily rizikové peníze do AI startupů, fyzické tempo výstavby nestačilo. Armstrongův hlavní argument to vše spojuje: skutečným limitem AI není kvalita modelů ani náklady, ale surová energie a výpočetní infrastruktura potřebná ke spuštění bilionů dotazů.
Nezodpovězenou otázkou je, jak rychle se tato infrastruktura může rozšiřovat – a zda utility, regulátoři a výrobci čipů dokážou držet krok s odvětvím, které nejeví známky zpomalení.
