Czy warto się starać o gigafabrykę AI w Polsce? [Opinia]

W Europie powstaje sieć 19 fabryk AI i 13 powiązanych z nimi centrów dostępowych, nazywanych antenami. Łączą one superkomputery z danymi, szkoleniami i wsparciem dla start-upów, MŚP oraz naukowców. Wśród nich znajdują się fińska LUMI AI, włoska IT4LIA czy polska Gaia AI Factory. Największe obiekty mają dysponować około 25 tys. akceleratorów AI.

Gigafabryki mają reprezentować następną skalę. Każda ma wykorzystywać ponad 100 tys. procesorów i umożliwiać trenowanie modeli zawierających biliony parametrów. Fabryki AI są przede wszystkim publicznymi ekosystemami wspierającymi innowacje, natomiast gigafabryki mają być prowadzone przez przemysł, świadczyć komercyjne usługi i docelowo samodzielnie pokrywać koszty operacyjne.

Badanie przygotowane na zlecenie Komisji Europejskiej wskazuje na ograniczoną i nierównomiernie rozmieszczoną dostępność infrastruktury obliczeniowej w UE oraz zależność od pozaeuropejskich dostawców chmury i systemów AI. Gigafabryki miałyby umożliwić europejskim przedsiębiorstwom, naukowcom i administracji rozwijanie największych modeli bez całkowitego polegania na infrastrukturze znajdującej się poza Europą.

Zapotrzebowanie rośnie również dlatego, że infrastruktura nie służy już wyłącznie jednorazowemu trenowaniu modeli. Według danych branżowych przywoływanych przez AMD miesięczny wolumen tokenów zwiększył się 158-krotnie w ciągu dwóch lat, a moc wykorzystywana do trenowania największych modeli rosła od 2020 r. około pięciokrotnie rocznie.

Do udziału w europejskim programie zgłosiły się dziesiątki potencjalnych konsorcjów. Publiczne finansowanie ma ograniczyć ryzyko inwestorów, a oczekiwana wartość prywatnych inwestycji przekracza 20 mld euro. W zamian UE i państwa współfinansujące projekty otrzymają udział w dostępnej mocy obliczeniowej.

Pozostałe zasoby będą jednak musiały znaleźć klientów komercyjnych. Każdy projekt powinien więc odpowiedzieć na pytania, kto kupi dostępną moc, czy europejskie firmy będą w stanie za nią zapłacić i jaka część infrastruktury przypadnie start-upom, nauce oraz sektorowi publicznemu. Inaczej kosztowny obiekt może imponować skalą, ale pozostawać słabo wykorzystany.

Zarówno NVIDIA, jak i AMD przekonują, że infrastruktury tej skali nie można projektować wokół samych chipów do AI. Obie firmy tworzą kompletne systemy, w których akceleratory sztucznej inteligencji są tylko jednym z wielu elementów, i choć są kluczowe, to bez reszty nie są w stanie efektywnie funkcjonować. Obu też firmom zależy na tym, żeby dostarczać maksymalnie zintegrowane zestawy, aby nie trzeba było sięgać po inne rozwiązania.

System NVIDIA Vera Rubin NVL72 łączy w jednej szafie 72 GPU i 36 CPU po 88 rdzeni każdy. Co prawda platforma AMD Helios również wykorzystuje 72 GPU, ale wymaga "tylko" 18 procesorów serwerowych, choć o 96 rdzeniach. Architektury się różnią i trudno jeszcze na tym etapie o porównania wydajności, ale oba rozwiązania są przeznaczone do trenowania dużych modeli i obsługi zaawansowanych usług AI, a ich producenci podkreślają, że o wydajności decyduje optymalizacja całego systemu, nie zaś parametry pojedynczego akceleratora czy rdzenia.

Słuszność tego podejścia znajduje potwierdzenie również w niezależnych raportach. Badanie Vertiv wskazuje, że rosnąca gęstość obliczeń wymaga wspólnego projektowania serwerów, zasilania i chłodzenia. Z kolei według Flexential 96 proc. ankietowanych liderów IT doświadczyło problemów sieciowych obniżających wydajność systemów AI, a dla 89 proc. niezawodność zasilania miała znaczenie przy wyborze lokalizacji infrastruktury.

Europa chce ograniczyć zależność od zagranicznych usług chmurowych, ale nadal potrzebuje pozaeuropejskich procesorów. Tymczasem obaj główni producenci proponują kompletne rozwiązania dla infrastruktury AI, lecz oferują zupełnie odrębne ekosystemy, które nie są kompatybilne. NVIDIA stawia na optymalizację całego stosu, aby zapewnić mu pełne możliwości "out-of-the-box".

Jest to wygodne, a biorąc pod uwagę skalę dotychczasowych wdrożeń, pozwoliło jej głęboko zakorzenić się na rynku i w umysłach deweloperów. Ceną za to są własnościowe rozwiązania, które ograniczają wybór i możliwości modernizacji. AMD z kolei od początku postawiło na otwarte standardy, które są znacznie bardziej interoperacyjne z produktami innych firm, a przy tym są też angażujące dla społeczności deweloperów, oferując im znacznie większą elastyczność i swobodę. Ceną za to bywa czas, który trzeba przeznaczyć na skonfigurowanie i zoptymalizowanie całego systemu pod określone modele językowe.

W świetle europejskich wymagań wszystko to musi zostać wzięte pod uwagę, zwłaszcza że Komisja Europejska podpisała porozumienie m.in. z NVIDIĄ i AMD, aby uniknąć ryzyka uzależnienia od pojedynczego dostawcy. Na zdrowy rozum można zakładać, że to otwarte technologie dają większe możliwości lokalnego rozwoju suwerennych zdolności AI. Z drugiej strony dojrzałość ekosystemu i szerokie wykorzystanie na rynku może znacznie przyspieszyć wdrożenie, zwłaszcza że przetarg narzuca też bardzo rygorystyczne czasy dostaw – 18 miesięcy.

Pierwszym warunkiem są kadry. Według German Economic Institute Polska zajmowała w 2025 r. czwarte miejsce w UE pod względem udziału ofert wymagających pogłębionych kompetencji AI, a liczbą osób wykonujących takie zadania ustępowała jedynie Niemcom. PwC szacuje natomiast, że liczba polskich ofert pracy wymagających kompetencji AI wzrosła w 2025 r. o około 33 tys., osiągając 3,5 proc. wszystkich ogłoszeń.

Potrzebna jest też odpowiednia przestrzeń. Jedną z możliwości są regiony pogórnicze dysponujące infrastrukturą przemysłową i technicznymi kadrami. Norweski superkomputer Olivia zainstalowano właśnie w starej kopalni, choć jego skala jest znacznie mniejsza niż gigafabryk.

Najtrudniejsze pytanie dotyczy jednak energii i wody. Gigafabryka nie powinna ograniczać dostępu mieszkańców oraz lokalnego przemysłu do tych zasobów ani przerzucać kosztów rozbudowy infrastruktury na pozostałych odbiorców. Pytanie, czy polski rząd będzie w stanie uwzględnić to przy obudowywaniu tej inwestycji odpowiednim pakietem zasilającym elektrycznością i wodą. I czy w ogóle to rozważa.