suwerenność obliczeniowaGPUgeopolityka AINVIDIAEU AI

GPU to ropa XXI wieku: Europa nie ma rafinerii

Państwo bez własnego wydobycia ropy może działać, ale jest zależne od dostawców i podatne na sankcje, embarga i cenowe szantaże. Państwo bez własnej infrastruktury obliczeniowej AI jest w analogicznej pozycji: może kupować dostęp do modeli, ale nie kontroluje kto je buduje, jak je trenuje i jakie dane trafiają przez te systemy.

W 2026 kraje dzielą się na trzy tier’y. Polska, cała Europa Zachodnia i zdecydowana większość świata jest w trzecim.

Dwa bieguny: USA i Chiny

Stany Zjednoczone kontrolują cały stack: NVIDIA (GPU), AMD (GPU), Qualcomm (edge AI chips), TSMC (fabrica przez aliansy), hyperscalerzy (AWS, Azure, GCP), firmy modelowe (OpenAI, Anthropic, Google DeepMind, Meta AI). To jest pionowa integracja od krzemu do aplikacji.

Projekt Stargate, ogłoszony w styczniu 2025 przez administrację Trumpa z inwestycją $500 miliardów przez 4 lata, to nie jest projekt biznesowy — to deklaracja że infrastruktura AI jest sprawą bezpieczeństwa narodowego.

Chiny odpowiadają na własnych warunkach. Huawei Ascend 910B i 910C to alternatywy dla NVIDIA A100/H100, rozwijane po tym jak eksport kontrole USA odcięły Chiny od najnowszych chipów. BIDU (Baidu), Alibaba, Tencent, ByteDance — krajowy ekosystem modeli i infrastruktury. Chiny importują mniej niż 10% swoich potrzeb obliczeniowych — i ta liczba spada.

TIER 1 — Producenci chipów i modeliUSA (NVIDIA, AMD, hyperscalerzy) | Chiny (Huawei Ascend, BIDU, domowy ekosystem)TIER 2 — Sojusznicy z priorytetowym dostępemUK, Japonia, Korea Płd., Australia, Tajwan (TSMC) — uprzywilejowany dostęp do eksportuTIER 3 — Zależni (EU, większość świata)Polska, Niemcy, Francja — importują compute, brak własnych chipmakersbrak neutralnej opcji: US lub chińska infrastruktura

Eksport kontrole jako broń geopolityczna

W październiku 2022 Departament Handlu USA wprowadził eksport controls na zaawansowane chipy GPU do Chin. Cel: spowolnić chiński rozwój AI i superkomputing. Zakaz dotyczył NVIDIA A100 i H100 — dokładnie tych chipów, których Chiny potrzebowały do trenowania dużych modeli.

NVIDIA straciło szacunkowo $400 milionów w rocznym przychodzie z Chin przy pierwszym ogłoszeniu. Chiny przyspieszyły inwestycje w własne alternatywy.

W 2023 i 2024 kolejne rundy zaostrzenia eksport controls — rozszerzenie na chipy NVIDIA o nieco niższych parametrach (A800, H800) i na sojuszników którzy mogliby reeksportować do Chin.

Kluczowy wniosek: USA używa kontroli eksportu GPU jak sankcji. Kraj lub firma, która jest zależna od amerykańskich chipów, jest zależna od amerykańskiej polityki zagranicznej. Nie to co napisano w umowie handlowej.

Europe’s missing hyperscaler

Dlaczego Europa nie ma własnego hyperscalera AI? To nie jest retoryczne pytanie — jest konkretna odpowiedź.

Hyperscaler wymaga: ogromnego kapitału na budowę centrów danych (AWS inwestuje dziesiątki miliardów dolarów rocznie w infrastrukturę — według raportów finansowych Amazon całkowite capex sięga rzędu kilkudziesięciu miliardów USD rocznie), dostępu do chipów (NVIDIA H100/B100, które mają kolejki), globalnych sieci dystrybucji, i skali użytkowników. Europejskie firmy technologiczne operują na znacznie mniejszych rynkach z większą fragmentacją regulacyjną.

Inicjatywy europejskie:

  • GAIA-X — projekt federacyjnej chmury europejskiej. Ogłoszony w 2020, wdrażany wolno, głównie jako framework interoperacyjności, nie jako alternatywa dla AWS
  • European High Performance Computing Joint Undertaking (EuroHPC) — budowa superkomputerów (LUMI w Finlandii, Leonardo we Włoszech) — to jest infrastruktura badawcza, nie komercyjna
  • Mistral AI — jedyna europejska firma modelowa z globalnym zasięgiem; wyceniana na ~$6 miliardów; dla kontekstu: OpenAI jest wyceniane na $300 miliardów

Proporcje mówią same za siebie.

Co to oznacza dla Polski

Polska infrastruktura AI opiera się dziś głównie na:

  • Azure (Microsoft) — datacentery w Polsce, uruchomione 2023; dane zostają w UE, ale infrastruktura jest kontrolowana przez US-based korporację
  • AWS — region europejski, bez datacenter w Polsce; dane przetwarzane w Niemczech lub Irlandii
  • Google Cloud — podobna sytuacja

Z perspektywy bezpieczeństwa i suwerenności to oznacza:

  • Krytyczne systemy rządowe i militarne działają na infrastrukturze kontrolowanej przez firmy podległe prawu USA (CLOUD Act pozwala US rządowi żądać danych od US firm niezależnie od lokalizacji serwera)
  • Przy zaostrzeniu relacji USA-EU lub zmianie polityki handlowej, Polska nie ma fallback
  • Modele AI używane przez administrację publiczną są trenowane na danych i przez firmy których wartości i priorytety są zdeterminowane gdzie indziej

Czy jest wyjście?

Kilka ścieżek, żadna prosta:

Open source compute — modele open source (Llama, Mistral, Gemma) można uruchamiać na własnej infrastrukturze. To częściowe rozwiązanie — zależy od chipów (wciąż NVIDIA) i od dostępu do danych treningowych.

Europejska konsolidacja — może jedna europejska firma cloud zdolna do budowy hyperscalera wymaga paneuropejskiego projektu, jak Airbus był dla lotnictwa. Politycznie trudne, ekonomicznie długie.

Compute pooling — kraje EU wspólnie budują infrastrukturę GPU (EuroHPC++), dostępną dla firm i instytucji rządowych na komercyjnych warunkach.

Asymetryczna specjalizacja — zamiast gonić US i Chiny w ogólnych modelach, Europa skupia się na domenach gdzie ma przewagę (medycyna, prawo europejskie, języki regionalne, privacy-first AI).

Suwerenność obliczeniowa nie jest abstrakcyjnym pojęciem geopolitycznym. To pytanie o to, czy za 10 lat polska administracja, polska armia i polska gospodarka będą działać na infrastrukturze kontrolowanej z Waszyngtonu lub Pekinu — czy na czymś własnym.

Na odpowiedź jest coraz mniej czasu.

← wszystkie posty