Problem marnowania GPU, którego nikt nie rozwiązuje wystarczająco szybko

Sztuczna inteligencja ma dziś jeden realny limit. Nie jest nim pomysłowość zespołów produktowych ani dostęp do danych. Jest nim moc obliczeniowa.

I paradoksalnie — mimo że karty graficzne są towarem deficytowym i drogim jak nigdy — ogromna ich część stoi bezczynnie. To nie jest drobna nieefektywność. To jest dziura finansowa, przez którą przelatują miliony dolarów miesięcznie w centrach danych na całym świecie.

Kryzys, który udaje sukces

Branża AI lubi mówić o przełomach modelowych. Rzadziej mówi o tym, co dzieje się pod maską — czyli o infrastrukturze, która te modele faktycznie uruchamia.

Rzeczywistość jest taka: firmy kupują lub wynajmują drogie procesory graficzne, planując pod szczytowe obciążenie, które w praktyce zdarza się rzadko. Reszta czasu to przestój. Kosztowny, bo płacony niezależnie od wykorzystania.

Właśnie na tym problemie skupił się Expanse — startup infrastruktury AI działający w San Francisco i Londynie, współtworzony przez Polaka, Nikodema Bieńka. Firma zamknęła rundę seed o wartości 5,3 mln dolarów, której celem jest dokładne wyliczenie, ile mocy obliczeniowej potrzebuje dany model AI — i wyeliminowanie reszty jako zbędnego kosztu.

To nie jest optymalizacja kosmetyczna. To zmiana modelu myślenia o zasobach GPU: z „kup więcej na zapas” na „płać dokładnie za tyle, ile realnie zużywasz”.

Dlaczego kapitał ucieka w stronę infrastruktury

Runda Expanse nie jest odosobnionym przypadkiem. To symptom szerszego przesunięcia kapitału.

Inwestorzy przestają szukać kolejnej aplikacji AI z ładnym interfejsem. Zaczynają szukać firm, które rozwiązują problemy na poziomie fundamentu — mocy obliczeniowej, bezpieczeństwa, zarządzania zasobami.

Dobrym przykładem jest włoski Exein, który specjalizuje się w ochronie urządzeń z obszaru Physical AI. Firma właśnie pozyskała 270 mln dolarów w nowej rundzie finansowania, stając się najcenniejszym startupem cyberbezpieczeństwa w Europie.

Te dwie historie — Expanse i Exein — nie mają wspólnego produktu. Mają wspólną tezę inwestycyjną: prawdziwe pieniądze płyną tam, gdzie AI musi działać bezpiecznie i wydajnie w świecie fizycznym, a nie tylko w chmurze i demo na konferencji.

Co to oznacza w praktyce

Kilka wniosków, które warto wyciągnąć z tych rund finansowania:

Infrastruktura wygrywa z aplikacjami. Kapitał coraz częściej trafia do firm rozwiązujących problemy techniczne pod spodem, a nie do kolejnej nakładki na istniejący model językowy.
Marnotrawstwo zasobów staje się kosztem strategicznym. Firmy, które nie liczą precyzyjnie zużycia GPU, płacą za to podwójnie — raz za sprzęt, drugi raz w postaci utraconej przewagi kosztowej.
Bezpieczeństwo Physical AI to nie dodatek, tylko wymóg. Urządzenia działające w świecie fizycznym — od robotów po systemy przemysłowe — potrzebują zabezpieczeń projektowanych od podstaw, nie doklejanych na końcu.

Skala problemu jest większa, niż się wydaje

Warto zatrzymać się przy jednej liczbie: 5,3 mln dolarów dla Expanse to relatywnie niewielka runda seedowa. A mimo to zaadresowany problem — marnowanie mocy GPU — dotyczy praktycznie każdej firmy budującej produkty oparte na AI, niezależnie od skali.

To pokazuje, że rynek dopiero zaczyna dostrzegać wagę tego tematu. Duże rundy, jak ta Exein, idą w stronę bezpieczeństwa fizycznej AI. Mniejsze, jak Expanse, atakują efektywność obliczeniową. Oba kierunki mówią jedno: infrastruktura AI to obecnie najbardziej niedoszacowany obszar inwestycyjny w tym sektorze.

Firmy, które zignorują ten problem — zarówno po stronie kosztów obliczeniowych, jak i bezpieczeństwa — zapłacą za to w ciągu najbliższych dwóch lat. Nie dlatego, że modele będą gorsze. Dlatego, że infrastruktura pod nimi okaże się zbyt droga albo zbyt dziurawa, by skalować biznes.

Kluczowe wnioski

Moc obliczeniowa GPU jest masowo marnowana — firmy płacą za zasoby, których realnie nie wykorzystują.
Startup Expanse, współtworzony przez Polaka, pozyskał 5,3 mln dolarów, by precyzyjnie mierzyć zapotrzebowanie AI na moc obliczeniową i eliminować zbędne koszty.
Włoski Exein pozyskał 270 mln dolarów na zabezpieczanie urządzeń Physical AI, stając się najcenniejszym europejskim startupem cyberbezpieczeństwa.
Kapitał inwestycyjny wyraźnie przesuwa się w stronę infrastruktury AI — efektywności, bezpieczeństwa i zarządzania zasobami — a nie kolejnych aplikacji korzystających z gotowych modeli.
Firmy ignorujące te dwa obszary — koszty obliczeniowe i bezpieczeństwo fizycznej AI — będą płacić za to w miarę skalowania swoich produktów.