Když se díváme na dnešní tech svět přes čočku posledních 24 hodin, rýsují se tři nitky: rostoucí hlad AI po vlastní infrastruktuře (čipy i datová centra), boj o pravidla pro šíření modelů a konečně snaha udělat rozhraní k umělé inteligenci bezpečnější — zejména pro děti a širokou veřejnost. Není to „jen byznys“; je to vrstva, která přetváří, jak vzniká software, jak se rozhoduje ve firmách a jak budou vypadat naše každodenní nástroje. Pojďme si to rozplést bez zbytečné mlhy.
OpenAI
Začněme u OpenAI, které podle nové zprávy dramaticky přehodnotilo, kolik bude stát provoz a rozvoj jejich služeb: do roku 2029 má firma „spálit“ až 115 miliard dolarů. Vypadá to děsivě, ale je dobré si uvědomit, co ty peníze vlastně živí: především výpočetní kapacitu pro trénink nových modelů (to jsou měsíce výpočtů na specializovaném hardwaru) a pak ještě nákladnější každodenní inference, tedy samotné „odpovídání“ milionům lidí a agentů po celém světě. Trénink je jednorázově bolestivý, ale inference je nekončící účet za elektřinu a amortizaci. Proto dává smysl, že OpenAI současně zrychluje cestu k vlastnímu čipu ve spolupráci s Broadcomem a staví si širší „energetickou“ páteř včetně velkých datacenter a partnerství s cloudaři. Technologicky to znamená jediné: méně univerzálních GPU tam, kde stačí specializované akcelerátory; kratší datové cesty mezi úložištěm a výpočetními uzly; důraz na efektivitu při běhu modelu (kvantizace, zhuštěné váhy, šetrnější architektury). A obchodně? Méně závislosti na jediném dodavateli a lepší kontrola TCO (total cost of ownership). Jinak řečeno: aby se AI vyplácela, musí se stát energeticky i logisticky úspornější.
Druhá nitka
Regulační a geopolitické tření okolo toho, jak a kam se mají šířit schopné modely. Nvidia se v posledních hodinách opřela do návrhu amerického zákona GAIN AI Act a přirovnala ho k předchozím restrikcím („AI Diffusion Rule“), které měly omezit šíření nejvýkonnějšího AI hardwaru a modelů mimo USA — především směrem k Číně. Proč je to technologicky důležité? Protože každé omezení exportu parametrů modelu nebo nejnovějších akcelerátorů přímo ovlivňuje, kde a jak rychle budou vznikat konkurenční AI systémy. Pokud se zpomalí přístup k high-end čipům nebo ke znalostem, zvyšuje to tlak na lokální vývoj náhrad (často méně efektivních) a zároveň motivuje k architektonickým inovacím „z nouze ctnost“ — například k lepší spolupráci více menších akcelerátorů, agresivnějšímu škálování přes sítě a chytrému cacheování dat mezi stanicemi. V zákulisí to vede i k optimalizacím modelů na úrovni grafů výpočtů, aby výsledek „utekl“ limitům vývozu a přitom neztratil schopnosti. Diskuse tak ve skutečnosti není o etice v učebnici, ale o tom, jaké technologie budeme moci legálně skládat dohromady a kde budou běžet.
Bezpečnost
Třetí linie se týká bezpečnosti a společenského dopadu — zejména u mladších uživatelů. Státní zástupci v USA vzkazují OpenAI, že ochrany dětí musí být přísnější. Nejde jen o „tlačítko pro rodičovský zámek“, ale o koncept bezpečnosti-by-design: model už při učení i při běhu musí mít zabudované mantinely, které dělají rizikové scénáře těžší. V praxi to znamená tři vrstvy: kurátorské datasety (co model vůbec viděl), bezpečnostní prvky v inference (detektory vzorců, které je třeba zastavit) a nakonec produktové rozhraní (jak snadno se uživatel k nežádoucím výsledkům dostane). Technicky k tomu patří i „red teaming“ s umělými adversáři, kteří zkoušejí systém zlomit, a auditní logy, aby bylo možné zpětně dohledat, proč model udělal chybu. Výzva je jasná: nechceme sterilní asistenty, ale zároveň nesmí být možné obejít pravidla pár triky v promptu. Na této frontě nás čeká hodně inženýrské práce — a bude vidět.
pokračujeme …
Vedle těchto velkých témat probíhá i tichá proměna „vrstvy nástrojů“, která AI zpřístupňuje běžným pracovníkům. Zajímavá je zpráva, že OpenAI kutí platformu pro pracovní inzerci a kariérní networking, potenciálně konkurenta LinkedInu. Ne, to není další sociální síť; je to krok k „práci s daty o dovednostech“ jako s otevřeným grafem. Představ si, že profil není statický životopis, ale dynamická mapa kompetencí: modely si dokážou přemapovat, co člověk umí, k jakým úkolům se hodí, jaký je reálný výstup jeho práce (z kódu, dokumentace, ticketů) a jaké mikrodovednosti mu chybí k dalšímu kroku. Technicky to znamená normalizaci taxonomie dovedností, extrakci signálů z reálných artefaktů (kód, PR, zápisy z porad) a především důraz na soukromí a souhlas — jinak to nebude udržitelné. Pokud se to povede, posune to nábor z „klíčových slov“ na skutečnou kompetenční evidenci.
Na opačném konci spektra, ale ve stejném duchu, jsou iniciativy velkých zaměstnavatelů, kteří chtějí AI výcvik dostat až „na podlahu prodejny“. Walmart avizuje, že s OpenAI přenese školení přímo k frontlinovým i kancelářským pracovníkům. Tohle je možná nudně znějící zpráva, ale technologicky je zásadní: znamená to budování jednotného „skills“ rozhraní nad reálnou prací. Místo statických e-learningů dostaneš konverzačního mentora, který zná interní manuály, procesy, a když mu dáš fotku regálu nebo citaci z pokladny, navede tě krok za krokem. Na pozadí běží podnikově bezpečný RAG (retrieval-augmented generation), auditní logy pro dohledatelnost, a postupně i agentní orchestrace: když si model není jistý, požádá o schválení, když je si jistý, navrhne automatickou akci (třeba vytvořit tiket nebo objednat zboží). Tady se rodí AI, která je opravdu užitečná — ne jako hračka, ale jako praktický švýcarák.
Když tyto střípky poskládáme dohromady, vidíme, že „AI éra“ se už nehraje jen v laboratořích. Na nejnižší vrstvě probíhá závod o energeticky efektivní výpočet (vlastní akcelerátory, lepší datová centra, chytré plánování inference). O patro výš se vyjednává, jaké části té moci se smějí dostat „ven“ a za jakých podmínek (regulace šíření hardwaru a schopností modelů). A úplně nahoře vznikají nová uživatelská rozhraní: místo aplikací přicházejí workflow, místo klikání přichází konverzace, místo „apky na všechno“ přicházejí agenti, kteří spojují data, pravidla a akce. Když to funguje, uživatel vlastně neřeší AI; řeší práci — a asistent se postará o zbytek.
Zajímavé je, že všemi tématy prosvítá jedna staronová konstanta: dobrá inženýrská disciplína. Ať už jde o bezpečnost-by-design, energetickou efektivitu, nebo kompetenční grafy, nejde o triky v promptu, ale o systémový návrh. Šetří to watt-hodiny, šetří to čas lidí a minimalizuje to rizika. Vzniká nám tu „dopravní řád“ pro novou infrastrukturu — a tradice starého dobrého inženýrství je pro něj nejlepší inspirací.
Na závěr trochu optimismu bez růžových brýlí: ano, náklady jsou obrovské a politika bude drhnout. Ale každý z dnešních příběhů zároveň ukazuje, že AI se racionálně usazuje tam, kde dává smysl: v jádře výpočetní infrastruktury, v jasně vymezených pravidlech a v nástrojích, které lidem opravdu pomáhají dělat práci. To je dobrá zpráva. Znamená to, že se z AI stává méně magie a více řemeslo. A řemeslo, jak víme, se dá učit, zlepšovat a auditovat. Když u toho zůstaneme, vznikne vrstva internetu, která bude rychlá, užitečná a — především — bezpečná pro všechny, kdo ji budou používat.
Zdroje:
- Reuters: OpenAI zvýšilo výhled hotovostní spotřeby do 2029 na 115 mld $; plány na vlastní čipy a datacentra.
- Reuters / Financial Times (přes Reuters): první vlastní čip OpenAI ve spolupráci s Broadcomem má dorazit v roce 2026.
- Reuters: Nvidia kritizuje návrh amerického GAIN AI Act, přirovnává jej k AI Diffusion Rule; obavy z omezení konkurence.
- Times of India: výzva generálních prokurátorů USA směrem k OpenAI ohledně posílení ochran dětí.
- Mobile World Live: OpenAI vyvíjí AI-platformu pro nábor, potenciálního konkurenta LinkedInu.
- Retail Tech Innovation Hub: Walmart propojuje s OpenAI školení přímo k frontlinovým a kancelářským zaměstnancům.