A Coinbase vezérigazgatója, Brian Armstrong arra fogad, hogy a mesterséges intelligencia következő szűk keresztmetszete nem az lesz, hogy mennyire okosak a modellek, hanem hogy mennyi energia és fizikai hardver áll rendelkezésre a futtatásukhoz. Az e heti megjegyzéseiben Armstrong azzal érvelt, hogy az energia- és számítási infrastruktúra, nem pedig az algoritmusfejlesztések határozzák meg, meddig skálázható az AI. Mivel az AI kockázati tőkebefektetései 2026 első negyedévében elérték a 242 milliárd dollárt, szerinte a valódi korlát már az adatközpontok kiépítésében megmutatkozik.
Hova tartanak a költségek
Armstrong előrejelzése szerint 12–18 hónapon belül az AI-munkaterhelések nagyjából 80%-a olyan modellekre vált át, amelyek akár 99%-kal olcsóbbak a mai élvonalbeli rendszereknél. A fennmaradó 20% továbbra is csúcsminőségű modelleket használ majd olyan nagy téttel bíró feladatokhoz, mint a tudományos kutatás. A felosztást a fogyasztói elektronikához hasonlította: a legtöbb MacBookot vagy játék PC-t vásárló nem a legjobban felszerelt változatot választja. Szerinte ugyanez a logika vonatkozik az AI-ra – a legtöbb feladatot olcsóbb, megfelelő minőségű modelleken futtatják majd.
A Coinbase már alkalmazza ezt az elképzelést. A vállalat a lekérdezéseket a legköltséghatékonyabb elérhető modellhez irányítja, ami lehetővé tette, hogy az AI-kiadásai nagyjából változatlanok maradjanak, miközben a tokenhasználat exponenciálisan nő. Az olyan nyílt forráskódú alternatívák, mint a DeepSeek V4 – amely a legjobb védett rendszerekhez közeli teljesítményt nyújt a költségek nagyjából egyharmadáért –, megvalósíthatóvá teszik ezt a stratégiát.
A vállalati költségvetések már feszítettek
A befektető Tommy Shaughnessy az Uberre mutatott rá példaként, hogy milyen gyorsan haladhatja meg a vállalati AI-kiadások a becsléseket. Shaughnessy szerint az Uber már április elejére, az év kevesebb mint négy hónapja alatt elhasználta a teljes 2026-os AI-költségvetését. Az ilyen jellegű költségtúllépések – érvel Armstrong – arra fogják ösztönözni a vállalatokat, hogy olcsóbb alternatívákat keressenek a legfejlettebb modell hajszolása helyett.
Ahogy a tokenenkénti költségek csökkennek, a szűk keresztmetszet feljebb tolódik. A valódi akadály az energia és a szilícium, amely bármely modell skálán történő futtatásához szükséges. Armstrong szerint az AI által generált intelligencia iránti keresletnek gyakorlatilag nincs felső határa. De a fizikai infrastruktúra, amely ezt az intelligenciát biztosítaná, már most akadozik.
Miért ellenzi Armstrong a szigorúbb AI-szabályozást
Armstrong a szigorúbb AI-szabályozásnak is hangot adott. Szerinte a politikai korlátozások nem formálhatják a technológia pályáját, ha a fő gyakorlati kihívás már most is az erőművek és adatközpontok hiánya. A túlszabályozás – véli – lassíthatja az infrastruktúra kiépítését egy olyan időszakban, amikor arra a legnagyobb szükség van.
Az adatközpontok kapacitása nem tud lépést tartani
A globális adatközpont-kapacitás már most elmarad a kereslettől. Bár 2026 első negyedévében kockázati tőke áramlott az AI- startupokba, az építkezés fizikai üteme nem tudta behozni a lemaradást. Armstrong alapvető érve mindezt összeköti: az AI valódi korlátja nem a modellminőség vagy akár a költség, hanem a nyers energia- és számítási infrastruktúra, amely több billió lekérdezés futtatásához szükséges.
A megválaszolatlan kérdés, hogy milyen gyorsan bővíthető ez az infrastruktúra – és hogy a közműszolgáltatók, a szabályozók és a chippyártók lépést tudnak-e tartani egy olyan iparággal, amely nem mutatja a lassulás jeleit.
