Na co zwraca uwagę Dolina Krzemowa? Rozpoczęła się druga połowa AI! Podsumowanie opinii gigantów technologicznych na konferencji TMT organizowanej przez Goldman Sachs (dogłębna analiza)

Najbardziej klarowny sygnał przekazany podczas konferencji Communacopia + TMT 2026 organizowanej przez Goldman Sachs brzmi: centrum inwestycji w AI przenosi się z „budowania mocy obliczeniowej” na „wykorzystywanie mocy obliczeniowej”, choć sama moc obliczeniowa pozostaje poważnie niedoborem. Oba te zjawiska zachodzą równocześnie, tworząc dziś najbardziej fundamentalne napięcie w Silicon Valley.

Główny ekonomista Goldman Sachs, Jan Hatzius, w swoim wystąpieniu określił kluczowe stanowisko: „Gorączka inwestycji w AI nie będzie trwała wiecznie.” Jednak Jensen Huang z Nvidia dał na tej samej konferencji poczucie pilności: „70% wzrostu to limit podaży, nie limit popytu.” Ta rozbieżność podkreśla istotę „drugiej połowy” AI — kierunek nie budzi kontrowersji, problemem są tempo i podział.

O czym rozmawia Silicon Valley: sześć kluczowych tematów

Temat pierwszy: „Fizyczne ograniczenie mocy obliczeniowej” staje się nową narracją

Jensen Huang na konferencji systematycznie zdefiniował na nowo ramy narracyjne AI infrastruktury. Jako siłę napędową wskazał dwa nakładające się, przełomowe zmiany w branży: przejście od obliczeń wyszukiwawczych do generatywnych oraz kres prawa Moore’a.

Przez ostatnie 60 lat komputery bazowały na „wcześniej nagranych” danych — użytkownik klika, system przeszukuje i dostarcza informacje. AI generatywna wymaga natomiast generowania odpowiedzi w czasie rzeczywistym na podstawie kontekstu, co oznacza konieczność stworzenia zupełnie nowej, stale pracującej warstwy obliczeniowej. Jednocześnie, korzyści ze zmniejszania tranzystorów znikają, a wzrost wydajności nie bazuje już na miniaturyzacji technologii. Rozwiązanie Huanga polega na ekstremalnie koordynowanym projekcie dzięki CoWoS oraz pionowej ekspansji NVLink, podkreślając: „Jeśli nie masz NVLink, jeśli nie masz naprawdę dobrej pionowej ekspansji, jesteś skończony — prawo Moore’a staje się wrogiem.”

Kluczowa zmiana tej narracji polega na tym, że główną barierą wzrostu AI nie jest już „czy istnieje popyt”, lecz „czy świat fizyczny nadąża z podażą”. Huang przyznał, że zarówno opakowania, wafle, pamięć, jak i energia oraz lokalizacja centrów danych, napotykają powszechne ograniczenia, podtrzymując prognozę wzrostu o ok. 70% r/r do CY27. CFO SpaceX, Bret Johnsen, ujawnił bardziej agresywne plany: w 2027 roku moc AI na ziemi wzrośnie z 2 GW do 5–10 GW, a wdrożenie satelitów AI obniży koszt orbitalnych mocy do poziomu zbliżonego do ziemi.

Temat drugi: „Droga do zwycięzców” w warstwie aplikacji AI zaczyna być klarowna

CEO Broadcom, Hock Tan, przedstawił na konferencji bardzo sugestywny model ekonomiczny: 1 GW Frontier moc obliczeniowej odpowiada 30 miliardom $ ARR, z czego 10 miliardów to koszty, pozostałe 20 miliardów przechwytuje warstwa modelu + aplikacji, a 10 miliardów konkurowane jest przez Cloud + Chip + Memory + Power, cały łańcuch.

Oznacza to, że podział wartości w łańcuchu AI staje się mierzalny. Goldman Sachs na tej bazie zaproponował ranking „droga zwycięzców”: warstwa modeli zamkniętych > własne chipy > Hyperscaler > energia + chłodzenie cieczą > sieci > warstwa aplikacji.

Jednocześnie Goldman Sachs zauważa, że kapitał rynku przesuwa się z pierwszej fazy (GPU/HBM/sprzęt centrów danych) do drugiej fazy (zwycięzcy warstwy aplikacji, którzy potrafią przemienić Token w produktywność, dochód i przepływy pieniężne przedsiębiorstw). Przyszła wycena może się nawet „mocniej różnicować”: firmom z ekskluzywnymi danymi, złożonymi workflow i jasnym ROI software’owym, widmo rewaluacji, a tradycyjne SaaS, które łatwo ulegają towarowaniu przez modele bazowe, będą dalej pod presją.

Wypowiedź CEO Databricks, Ali Ghodsi, potwierdziła tę diagnozę: konkurencja w AI aplikacyjnej przesuwa się na wdrożenia w przedsiębiorstwach; platformy software, które przekładają możliwości modeli na przewidywalne wyniki biznesowe w sposób efektywny i precyzyjny, mają przed sobą nową przestrzeń wzrostu.

Temat trzeci: Agentic AI przechodzi z „koncepcji” do „rekonstrukcji organizacji”

Na obecnej konferencji Agentic AI nie ogranicza się już do funkcjonalnych demo, lecz zaczyna przebudowywać struktury korporacyjne.

CHYM ujawnił 10% zwolnienia, celem jest stworzenie „bardziej płaskiej i szybszej organizacji”; zespoły produktowe i inżynieryjne zostały przeciętne o połowę, lecz „dzięki klarowniejszej odpowiedzialności i bardziej zoptymalizowanej operacji, poziom produkcji pozostał bez zmian”. Block po znaczącej reorganizacji z początku roku (redukcja liczby szczebli między decydentem a wykonawcą) osiąga obecnie zauważalne korzyści na bazie stałych kosztów.

Po stronie technologicznej AMD traktuje Agentic AI jako nowe obciążenie robocze, przewidując wzrost zapotrzebowania na różne typy CPU, nie tylko GPU. SailPoint określił konkretny cel: Agentic AI może stać się główną siłą wzrostu, z celem przychodów agentic na 800 milionów $ w roku finansowym 2029.

Najbardziej systematyczną wypowiedź dała CFO Microsoft, Amy Hood: Microsoft łączy przewidywalną licencję użytkownika z ceną AI opartą na konsumpcji, równocześnie rozwijając produkty Agent 365 i Copilot. Podkreśliła, że „bezpieczne, regulowane workflow agentic” mogą napędzać wzrost, ponieważ agenci, aplikacje i ludzie coraz bardziej współpracują.

Temat czwarty: cyberbezpieczeństwo jest „najczęściej poruszanym tematem”

Cyberbezpieczeństwo było najczęściej wymienianym scenariuszem aplikacyjnym podczas konferencji. Huang wyraźnie wskazał je jako kolejny główny obszar zastosowań AI, wyjaśniając konkretną logikę ekonomiczną:

„Od kodowania pochodzi wykrywanie błędów, a od jego pochodnej pochodzi ogromny rynek — cyberbezpieczeństwo. Kodujący asystent reaguje na prompt i się zatrzymuje; agent bezpieczeństwa monitoruje sieć na bieżąco — klienci płacą za inferencję 24/7, a nie sporadycznie.”

CEO Palo Alto Networks powiedział wprost, że „branża AI bezpieczeństwa dopiero powstaje”, a CrowdStrike oraz Palo Alto mają łączną kapitalizację ok. 490 miliardów $, co wobec bilionowych firm AI stanowi znaczącą różnicę, wzbudzając zainteresowanie możliwością rewaluacji tej branży.

CEO CrowdStrike, George Kurtz, przedstawił na konferencji dane dające poczucie pilności: ataki sieciowe wspierane przez AI wzrosły w ciągu ostatniego roku o 89%, najszybciej przełamanie trwa 27 sekund. 27 sekund to mniej niż czas reakcji większości ludzkich zespołów bezpieczeństwa na alarm, co stanowi kluczowy argument zastępowania analityków przez autonomiczne agenty.

Huang określił CrowdStrike jako „głównego partnera Nvidia w cyberbezpieczeństwie” i nazwał premierę SafeMind „punktem zwrotnym dla cyberbezpieczeństwa”.

Temat piąty: „Rozliczenie za efekt” OpenAI i ekonomia intensywności użytkowania

CFO OpenAI, Sarah Friar, jej wystąpienie na konferencji dostarczyło najbardziej zaawansowanych informacji o komercjalizacji AI.

Biznes korporacyjny jest już połową całości: udział dochodów konsumenckich i korporacyjnych zmienił się z proporcji 60:40 na początku roku na 50:50 już w połowie roku. W lipcu runrate anualny wzrósł o 20% m/m, wzrost korporacji o 32%, przy dużej już bazie.

Prawdziwą nowością są wskaźniki intensywności użycia: 10% wiodących klientów korporacyjnych zużywa Token 8 razy więcej niż zwykłych (wcześniej 3 razy), a wewnątrz OpenAI jest to już 33 razy. Friar określa 33 jako „przegląd przyszłego rozwoju obecnych klientów”, co oznacza, że wzrost po stronie korporacyjnej pochodzi z rosnącej konsumpcji pojedynczego klienta, nie z pozyskiwania nowych klientów.

Jasna jest już mapa cenowa: subskrypcja → według zużycia → rozliczenie za efekt. Friar wyraźnie mówi o odejściu od rozliczania tokenami, na rzecz pionowych podziałów zysków. Logika konkurencji modeli też się zmienia: nie liczy się koszt per token, lecz koszt per zadanie — do uzyskania tego samego efektu OpenAI potrzebuje o 68% mniej tokenów niż konkurencja.

Temat szósty: sygnały podażowe w zakresie przechowywania, konsumpcji i efektywności organizacji

SanDisk podał na konferencji niedocenianą diagnozę: przewidywalny wzrost podaży NAND będzie prawdopodobnie przez dłuższy czas ograniczony, podczas gdy masowe upowszechnienie inferencji AI stale napędza popyt. Ten stan rzeczy może bezpośrednio podtrzymywać ceny NAND.

Sygnały konsumpcyjne są bardzo spójne: Block stwierdził, że „w całym drugim kwartale wydatki konsumenckie były bardzo silne, trend utrzymuje się w lipcu i sierpniu”; Toast wskazuje, że poziom wydatków jest stabilny; Booking.com twierdzi, że popyt na podróże pozostaje wytrzymały. To zgodne z wcześniejszą wypowiedzią Visa na konferencji.

AI bezpośrednio zmienia wewnętrzną efektywność: Booking.com już wdrożył generatywną AI w obsłudze klienta i tworzeniu oprogramowania — „widzi rzeczywiste korzyści”; Etsy deklaruje, że AI pozwala na „głębsze zrozumienie stanów magazynowych, zachowań kupujących i identyfikacji intencji zakupowych”.

Ramy „drugiej połowy AI” w raporcie Goldman Sachs

Seria raportów Goldman Sachs wokół konferencji tworzy podstawowy schemat analizy obecnego wydarzenia.

Warstwa pierwsza: od „ekspansji mocy obliczeniowej” do „monetyzacji Token”. Analitycy Goldman Sachs jasno wskazują, że globalny kapitał przesuwa się z pierwszego etapu inwestycji AI polegającego na ograniczeniach sprzętowych do drugiego etapu — zwycięzców warstwy aplikacji, którzy są w stanie zamienić Token na produktywność, przychód i przepływy pieniężne przedsiębiorstw. Kluczowe kryteria dla firm aplikacyjnych: ogromne i wyłączne bazy danych, silne workflow, pełna pętla wykonywania agentów oraz jasny ROI.

Warstwa druga: od „dwóch liderów” do „wielobiegunowej rywalizacji”. Szef tradingu One-Delta Goldman Sachs, Rich Privorotsky, wskazuje, że narracja AI przesuwa się z „konkurencji technologicznej Nvidia vs Google” do wysoko konkurencyjnego, wielobiegunowego układu. Meta i xAI udowodniły, że mogą oferować API na czołowym poziomie za znacząco niższą cenę. Choć wzrost konkurencji może obniżać ceny Token, argument „tańszy Token wygeneruje wykładniczy popyt” według hardware’owych byków w rzeczywistości nie musi się urzeczywistnić. Przyjęcie płatnych narzędzi AI przez przedsiębiorstwa przekroczyło już 50%, samo obniżanie cen nie musi od razu uruchamiać nowego boomu.

Warstwa trzecia: od „dużych modeli” do „specjalistycznych małych modeli”. Obciążenia pracą w przedsiębiorstwach szybko przenoszą się do mniejszych, dedykowanych modeli — przetwarzania dokumentów, routingu workflow, audytu zgodności, obsługi klienta. Choć są tańsze, szybsze i potrafią działać lokalnie na urządzeniach brzegowych. Goldman Sachs cytuje CEO Hugging Face: przedsiębiorstwa przechodzą od „wynajmowania zamkniętych, czołowych API” do „posiadania i uruchamiania własnych modeli open source”.

Warstwa czwarta: efektywność kapitałowa stanie się ostatecznym testem. Kluczowa zagadka Goldman Sachs nie dotyczy tego, czy giganci chmurowi zwolnią inwestycje, lecz kiedy akcjonariusze wymuszą wyższą efektywność kapitałową. Gdy tylko giganci chmurowi zredukują capex pod presją akcjonariuszy, nawet jeśli wyniki branży hardware są świetne, wyceny mogą już się nie utrzymać.

Podsumowanie jednym zdaniem obecnego stanu Silicon Valley

Istota „drugiej połowy AI” nie polega na tym, że AI „zwalnia”, lecz że AI przechodzi od narracji o niedoborze do narracji o podziale. Moc obliczeniowa nadal jest niedoborem, ale rynek pyta: czyje przepływy pieniężne generuje ta moc? Odpowiedzi Huanga: „włóż 1$, odbierz 100$”, OpenAI: „rozliczenie za efekt”, Goldman Sachs: „przydatny rezultat z każdego dolara inwestycji w AI”. Kto potrafi przemienić Token w zweryfikowane wyniki przedsiębiorstwa, definiuje reguły drugiej połowy AI.