Kod zamiast silnika. Czy gigafabryka AI może zmienić rolę Polski w motoryzacji?

Współczesny samochód jest połączonym z siecią systemem informatycznym. Kamery, lokalizacja, aplikacje i zdalne aktualizacje oznaczają, że producent może otrzymywać dane o pojeździe, jego użytkowniku i otoczeniu.

Obawy o kontrolę nad informacjami zbieranymi przez chińskie auta mają już praktyczne konsekwencje. W Polsce ograniczono ich wjazd na chronione tereny wojskowe oraz łączenie urządzeń służbowych z systemami pojazdu. Nie dowodzi to niewłaściwego działania każdego chińskiego samochodu, ale pokazuje, że przejrzystość oprogramowania i przepływu danych staje się warunkiem zaufania do produktu.

Dla Polski jest to nie tylko problem bezpieczeństwa, lecz także potencjalne wyzwanie gospodarcze. Według raportu EMIS szeroko rozumiana motoryzacja odpowiadała w latach 2022–2024 średnio za około 8 proc. naszego PKB, a w 2024 r. generowała 9,3 proc. eksportu. Jesteśmy jednocześnie szóstym największym eksporterem części do pojazdów czterokołowych na świecie. Z kolei dane GUS przytoczone przez Money.pl wskazują, że we wrześniu 2024 r. przemysł motoryzacyjny zatrudniał około 197 tys. osób. Polska ma więc znaczącą bazę produkcyjną i dostawców, na której można próbować rozwijać nowe kompetencje związane z oprogramowaniem, danymi i bezpieczeństwem cyfrowym pojazdów.

Oczywiście nie zastąpimy Chin w masowej produkcji kompletnych samochodów, baterii i elektroniki, ale możemy zwiększyć udział w tworzeniu, testowaniu i zabezpieczaniu cyfrowych systemów pojazdu. Rosnące znaczenie kodu, danych i łączności otwiera przestrzeń dla firm, które nie muszą produkować całego samochodu, aby dostarczać istotne elementy jego wartości.

Polska ma zaplecze pracujące na styku motoryzacji i oprogramowania. Przykładów nie trzeba daleko szukać. Spyrosoft realizuje projekty związane z oprogramowaniem samochodowym i cyberbezpieczeństwem, a Sii Polska działa między innymi w obszarach systemów wspomagania kierowcy, telematyki i testowania. W Krakowie funkcjonuje również centrum technologiczne Aptiv, dawnego Delphi, rozwijające elektronikę pojazdową i systemy aktywnego bezpieczeństwa. To przykłady szerszej grupy producentów części, dostawców usług inżynieryjnych i centrów badawczo-rozwojowych, które mogą potrzebować coraz większych zasobów obliczeniowych.

Punktem wyjścia nie jest zatem wyłącznie duża baza produkcyjna. Polska dysponuje również zespołami programistycznymi i inżynierskimi, które realizują projekty dla wymagającej branży motoryzacyjnej. Pytanie brzmi, czy tę obecność można wykorzystać do rozwinięcia szerszej specjalizacji związanej z kontrolą nad oprogramowaniem, danymi i bezpieczeństwem cyfrowym samochodu.

Niedawno zastanawiałem się, czy Polska powinna zabiegać o lokalizację jednej z europejskich gigafabryk AI. Wnioskiem było, że obiekt wykorzystujący ponad 100 tys. zaawansowanych procesorów potrzebuje nie tylko odpowiedniej lokalizacji, ale również przemysłowych użytkowników i zadań uzasadniających jego skalę. Motoryzacja może być jednym z takich sektorów, ponieważ rozwój coraz bardziej rozwiniętych technologicznie samochodów wymaga rosnącej liczby symulacji, testów oprogramowania, analiz bezpieczeństwa i pracy z dużymi zbiorami danych.

Dostęp do wspólnej infrastruktury mógłby mieć szczególne znaczenie dla mniejszych i średnich dostawców, którzy nie dysponują centrami danych porównywalnymi z zasobami globalnych koncernów. Gigafabryka mogłaby ułatwić im udział w bardziej zaawansowanych projektach, współpracę z uczelniami i wejście do europejskich programów badawczo-rozwojowych. Motoryzacja byłaby przy tym jednym z kilku sektorów korzystających z takiego zaplecza, obok energetyki, medycyny, przemysłu maszynowego czy administracji publicznej.

Infrastruktura przeznaczona dla wielu branż powinna umożliwiać dobór różnych technologii i ograniczać nadmierną zależność od jednego dostawcy. W motoryzacji musi również chronić kod, wyniki testów oraz dane konkurujących firm. Otwartość nie jest więc wyłącznie cechą techniczną, lecz elementem kontroli nad strategiczną infrastrukturą.

Na znaczenie takiego podejścia zwraca uwagę na przykład AMD. Thomas Zacharia, odpowiadający w firmie za współpracę z administracją, przemysłem i nauką, przez 35 lat pracował w Oak Ridge National Laboratory, amerykańskim państwowym ośrodku badawczym specjalizującym się w obliczeniach dużej skali. Kierował nim podczas prac nad superkomputerem Frontier, pierwszym systemem eksaskalowym.

"Europejskie gigafabryki mogą stać się katalizatorem rozwoju lokalnej infrastruktury AI, jeśli będą wspierać szeroki udział całego ekosystemu zamiast odizolowanych wdrożeń. Oznacza to zapewnienie wspólnego dostępu przemysłowi, startupom, uczelniom i publicznym instytucjom badawczym, tworzenie współdzielonych zasobów oraz umożliwianie szeroko zakrojonych innowacji, a nie subsydiowanie odizolowanych projektów" – wyjaśnia Zacharia.

Dla użytkowników gigafabryki oznaczałoby to możliwość kontrolowania miejsca przetwarzania danych, audytowania technologii i wyboru rozwiązań bez trwałego zamknięcia w jednym środowisku. Otwartość może być szczególnie istotna w infrastrukturze współfinansowanej publicznie, która ma służyć różnym sektorom i wielu przedsiębiorstwom, a nie jednemu wybranemu projektowi.

Przemysłowe wykorzystanie dużej infrastruktury AI nie jest wyłącznie hipotetyczną koncepcją. NVIDIA i Deutsche Telekom zapowiedziały w Niemczech przemysłową chmurę AI, wyposażoną w pierwszym etapie w 10 tys. układów NVIDIA Blackwell. Ma ona wspierać projektowanie, symulacje, cyfrowe bliźniaki fabryk i robotykę. Wśród przedsiębiorstw tworzących związany z nią ekosystem znajdują się firmy działające w motoryzacji i przemyśle maszynowym.

Jensen Huang podczas niedawnej wizyty w Niemczech przedstawił tę koncepcję następująco:

"W erze AI każdy producent potrzebuje dwóch fabryk: jednej do wytwarzania produktów i drugiej do tworzenia inteligencji, która nimi steruje".

Polska nie musi próbować kopiować niemieckiego projektu. Niemcy budują zaplecze wokół największego w Europie ekosystemu producentów samochodów, maszyn i automatyki przemysłowej. Nasz kraj może wykorzystać własną strukturę branży i rozwijać specjalizacje uzupełniające, związane między innymi z oprogramowaniem, testowaniem, walidacją oraz cyberbezpieczeństwem. Europejskie łańcuchy motoryzacyjne są już silnie powiązane, dlatego powodzenie na tym polu nie musi oznaczać odbierania projektów niemieckim ośrodkom. Może polegać na dostarczaniu im kompetencji, usług i zasobów, których będą potrzebowały w kolejnych etapach cyfryzacji samochodów.

Polska ma bazę motoryzacyjną, kompetencje programistyczne i zespoły pracujące nad elektroniką oraz bezpieczeństwem pojazdów. Gigafabryka AI mogłaby zwiększyć skalę tych działań, ułatwić mniejszym dostawcom dostęp do zaawansowanych obliczeń i przyciągać bardziej wymagające projekty badawczo-rozwojowe. Warunkiem będzie powiązanie infrastruktury z potrzebami przedsiębiorstw oraz zapewnienie bezpiecznej pracy z ich kodem i danymi.

Rosnące obawy o kontrolę nad cyfrowymi systemami chińskich samochodów tworzą sprzyjający moment. I nie trzeba budować całego pojazdu, aby zwiększyć swój udział w jego wartości. Może rozwijać technologie, dzięki którym europejskie samochody będą projektowane, testowane i zabezpieczane z większą kontrolą nad oprogramowaniem i danymi. Gigafabryka AI daje szansę, aby część tych prac była wykonywana właśnie w Polsce.