Když se giganti přou o zdroje: O co vlastně jde?
Podle zpráv, které publikoval EU Today, došlo k napětí mezi Google a Meta v průběhu března 2026. Google měl společnosti Meta omezit přístup ke svým pokročilým modelům řady Gemini. Důvodem nebyla snaha o přímé zastavení konkurence v oblasti softwaru, ale kapacitní omezení. Meta se totiž pokoušela získat větší objem výpočetního výkonu, než kolik Google byl schopen (nebo chtěl) poskytnout.
Tento incident je fascinující tím, že ukazuje na novou dynamiku trhu. V minulosti byla konkurence definována tím, kdo má lepší algoritmus nebo větší dataset. Dnes se kompetice přesouvá pod úroveň samotných modelů – do sféry fyzické infrastruktury. I když Meta investuje miliardy dolarů do vlastních datových center a čipů, stále potřebuje přístup k modelům konkurence pro účely benchmarkingu, testování a diverzifikace svých služeb.
Pro srovnání: Zatímco modely jako GPT-4o od OpenAI nebo Claude 3.5 Sonnet od Anthropic se snaží o maximální inteligenci v každém promptu, jejich reálná dostupnost je přímo podmíněna tím, kolik procesorů (GPU) jsou momentálně schopny tyto modely "nakrmit".
Hardware jako nejnovější měna AI
Vývoj umělé inteligence není jen otázkou matematiky; je to otázka fyziky. Trénování špičkových modelů vyžaduje obrovské clustery procesorů běžící nepřetržitě po měsíce. Servírování těchto modelů milionům uživatelů (tzv. inference) vytváří neustálý, masivní tlak na infrastrukturu.
V tomto kontextu vidíme několik klíčových úzkých hrdel:
- Čipy: Dominance společností jako NVIDIA v oblasti akcelerátorů (H100, B200) vytváří extrémní závislost na dodavatelských řetězcích.
- Energie: Datová centra jsou energeticky extrémně náročná. Boj o kapacitu sítě se stává politickým tématem – datová centra soupeří o elektřinu s průmyslovými závody i domácnostmi.
- Chlazení a voda: Udržení těchto systémů v provozu vyžaduje masivní množství vody a sofistikované chladicí technologie, což vytváří lokální ekologické napětí.
Pro firmy, které využívají AI, to znamená, že cena za token nebo dostupnost API nebude určována pouze tržní poptávkou, ale především stabilitou dodávek energie a čipů.
Evropská dilemata: Regulace vs. Realita
Tento spor mezi Google a Meta má pro Evropu mnohem hlubší dopad než jen obchodní rozměr. Zatímco Bruxel se soustředí na EU AI Act, který definuje pravidla bezpečnosti a etiky, zapomíná na to, že pravidla neřeší nedostatek hardwaru.
Evropské startupy a státní instituce jsou v situaci, kdy nemají tušení, zda budou mít v době, kdy jejich systémy budou připraveny k nasazení, dostupné výpočetní kapacity za rozumnou cenu. Většina evropských AI projektů dnes běží na infrastruktuře amerických hyperscalerů (Google Cloud, AWS, Microsoft Azure). Pokud se i dva největší hráči v USA nemohou dohodnout na kapacitě, jaká je šance, že ji dostane menší evropský vývojář?
Sovereignty (suverenita) v digitálním věku už neznamená jen mít vlastní data pod ochranou GDPR. Znamená to mít schopnost provozovat kritické systémy na vlastním hardwaru a vlastní energii. Bez toho zůstává Evropa pouze "regulačním suverénem", který určuje pravidla hry, ale musí hrát na hřišti postaveném někým jiným.
Co to znamená pro český trh a běžné uživatele?
Pro české firmy a vývojáře tento trend přináší několik praktických důsledků:
- Strategie multi-cloudu: Spoléhat se pouze na jednoho poskytovatele (např. jen Google nebo jen Microsoft) je nyní rizikové. Firmy musí budovat architektury, které umožní snadnou migraci mezi modely (např. z Gemini na Llama nebo GPT), pokud dojde k výpadku kapacity u jednoho z nich.
- Náklady na AI: S rostoucí náročností na compute se budou ceny za API služby pravděpodobně zvyšovat. Pro české firmy, které integrují AI do svých produktů, je nutné počítat s vyššími maržemi pro pokrytí těchto nákladů.
- Lokalizace a čeština: Modely jako Gemini mají vynikající podporu češtiny, což je klíčové pro lokální trh. Nicméně, pokud dojde k omezení přístupu k nejlepším modelům kvůli kapacitě, mohou být české firmy nuceny používat slabší modely (např. menší verze Llama), které v češtině nemusí dosahovat stejné kvality.
Příklad cenové dostupnosti: Zatímco pro běžného uživatele je Google Gemini (v rámci Workspace) nebo ChatGPT Plus dostupný za cca 20 USD (cca 460 Kč) měsíčně, pro firmy se cena pohybuje v řádech tisíců korun za miliony tokenů, přičemž tato cena je extrémně citlivá na aktuální "compute bottleneck".
Závěr
Spor Google-Meta je symbolem nové éry. AI závod se přesunul z oblasti čistého výzkumu do oblasti průmyslové kapacity. Pro Evropu i Česko to znamená, že investice do digitální infrastruktury a energetické bezpečnosti jsou stejně důležité jako investice do samotných algoritmů. Pokud chceme být v AI více než jen pasivními zákazníky, musíme začít budovat vlastní "výpočetní základnu".
Proč by Meta chtěla používat Gemini, když má vlastní modely Llama?
Meta potřebuje modely od konkurence pro tzv. benchmarking (porovnávání výkonu) a jako pojistku. Pokud by se jejich vlastní modely Llama ocitly v technické pasti nebo pokud by vyžadovaly specifický typ úloh, je strategicky výhodné mít přístup k nejlepším dostupným modelům na trhu, i když jsou od rivala.
Může nedostatek výpočetního výkonu ovlivnit rychlost odpovědí AI v češtině?
Ano. Pokud je kapacita v datových centrech limitovaná, poskytovatelé mohou zavádět tzv. "throttling" (omezení rychlosti) nebo prioritizovat platící firemní zákazníky před bezplatnými uživateli. To se může projevit delší latencí při generování textu v jakémkoliv jazyce, včetně češtiny.
Jaké jsou alternativy pro české firmy, které se bojí závislosti na USA?
Alternativou je využívání open-source modelů (jako Llama od Meta nebo Mistral) běžících na lokálních serverech nebo v rámci evropských cloudových služeb. To však vyžaduje vlastní investice do hardwaru (GPU) a odborníků na správu těchto systémů.
