Dwa ciała niebieskie krążące wokół siebie wyznaczają stabilne, przewidywalne trajektorie. Dodaj trzecie, a układ staje się chaotyczny: każde ciało ma dość masy, by odginać tor pozostałych, a niewielkie pchnięcie jednego może zmienić trajektorię wszystkich trzech. Tak autor komentarza Fortune opisuje gospodarkę AI w 2026 roku — jako trzy ciała oddziałujące na siebie nawzajem: zamknięte, frontierowe laboratoria, prowadzone przez OpenAI i Anthropic; modele open-weight, pochodzące głównie z Chin; oraz firmy aplikacyjne zbudowane na obu tych warstwach. Każde z nich jest na tyle silne, by zmienić orbitę pozostałych, ale żadne nie może przesądzić, gdzie układ ostatecznie się ustabilizuje.

Kilka wydarzeń z ostatnich tygodni i miesięcy zwiększyło niestabilność tego układu. Najbardziej znacząca zmiana to impet zbudowany — oraz nowe przeszkody napotkane — przez laboratoria frontier. Prowadzone przez Anthropic, odnotowały one bezprecedensowy popyt, a wraz z nim wyjątkowy wzrost przychodów. Z jednej strony upowszechniło to korzyści z AI w szerszej części gospodarki; z drugiej — wyostrzyło pytanie, które zadaje sobie dziś wielu nabywców: jaki jest zwrot z tych wszystkich wydatków? Według szacunku autora, wydatki na AI sięgają obecnie od 0,5% do 1% wszystkich wynagrodzeń pracowników umysłowych w Stanach Zjednoczonych — skala ta, w jego ocenie, wymaga dokładnej analizy.

W lipcu Alex Karp z Palantir powiedział CNBC, że „something has gone completely wrong” z tym, jak laboratoria sprzedają swój produkt: przedsiębiorstwa, jego zdaniem, „tokenmaxxing” — wydają gorączkowo na tokeny, nie uzyskując odpowiadającego temu wzrostu produktywności. W tym samym okresie konkurencja na froncie jeszcze się zaostrzyła, a Meta (Muse Spark 1.1) i xAI (Grok 4.5) oferują coraz bardziej zaawansowane modele obok Anthropic, OpenAI i Google.

Poprawiły się też modele otwarte, zwłaszcza te tworzone przez chińskie firmy. GLM 5.2 od Zhipu oraz Kimi K3 od Moonshot osiągają dziś wyniki na poziomie frontru lub bardzo blisko niego w kilku ważnych benchmarkach. Przy cenie stanowiącej ułamek kosztu porównywalnych modeli zamkniętych, a jednocześnie przy tak zbliżonych możliwościach, stworzyły silny impet dla ekosystemu open-weight. Również amerykańskie modele open-weight zyskują wiarygodność. Prowadzone przez Inkling od Thinking Machines i Nemotron 3 od Nvidii — bardzo zaawansowane, choć jeszcze nie całkiem na froncie — stanowią krajową alternatywę dla chińskich premier.

Wreszcie, na te zmiany reagują firmy aplikacyjne AI. Wiele z czołowych podmiotów przyspieszyło wysiłki, by budować na modelach open-weight, dążąc do niższych kosztów i większej kontroli.

Układ trzech ciał jest z natury niezwykle trudny do przewidzenia. Mimo to autor uważa, że w drugiej połowie 2026 roku można dostrzec kilka ogólnych kierunków:

Po pierwsze, dyskomfort związany z cenami na froncie zmaleje — częściowo dlatego, że konkurencja obniży ceny, a częściowo dlatego, że zaczną być widoczne zwroty z wydatków na AI. Duża część dzisiejszego niepokoju wynika z niedopasowania czasowego: adopcja wyprzedza użyteczność. W przypadku większości wcześniejszych technologii, takich jak samochody i telefony komórkowe, masowa adopcja następowała po spadkach cen. W przypadku AI adopcja nastąpiła znacznie szybciej, więc presja na wykazanie wartości pojawia się jeszcze w trakcie skalowania użycia. Korzyści przyjdą — pisze autor — w postaci szybszego wzrostu niektórych firm, oszczędności kosztów u innych, a ostatecznie wyższej produktywności w całej gospodarce.

Po drugie, będzie trwać przejście w stronę świata wielomodelowego, napędzane konkurencją i — idealnie — rzeczywistym zróżnicowaniem tego, w czym każdy model jest najlepszy.

Po trzecie, amerykańskie modele open-weight staną się rzeczywistą alternatywą dla chińskich i w konsekwencji zdobędą realną adopcję. Będą też miały jaśniejszy model biznesowy, co ułatwi klientom podejmowanie bardziej długoterminowych decyzji. Z czasem autor oczekuje, że rozróżnienie między otwartym i zamkniętym osłabnie, ponieważ same laboratoria frontier będą wspierać personalizację modeli pod konkretne potrzeby klientów.

Także w innych obszarach gracze będą się zbliżać: laboratoria frontier będą schodzić głębiej w stos produktowy, aby poszerzać swoje fosy obronne i utrzymywać wysokie marże; firmy aplikacyjne będą schodzić głębiej w stos modelowy, by budować własne fosy. To zbliżenie jest racjonalne — argumentuje komentarz — ponieważ firmy software’owe zwykle osiągają marże brutto powyżej 70%, a klienci mają poczucie, że produkt jest wart swojej ceny.

Biorąc pod uwagę te ruchy i kontrruchy, nadal pozostajemy w układzie trzech ciał, a jego równowaga wciąż nie jest ustalona. Wiele dzisiejszego szumu — jak debata o open kontra closed, panika wokół Chin i niepokój o zwrot z inwestycji — wydaje się przejściowe. Naprawdę interesujące pytanie nie brzmi, czy AI przyniesie efekty, lecz kto przejmie wartość, gdy to się stanie: laboratoria na froncie, modele open-weight depczące im po piętach, czy aplikacje, które posiadają klienta.

Opinie wyrażone w komentarzach Fortune.com są wyłącznie opiniami ich autorów i nie muszą odzwierciedlać poglądów i przekonań Fortune.

Ten materiał pierwotnie ukazał się na Fortune.com