Mustafa Suleyman, szef Microsoft AI, który współzałożył DeepMind — londyńskie laboratorium później przejęte przez Google — zanim w 2024 r. dołączył do Microsoftu, oczekuje, że koszty budowy frontierowej sztucznej inteligencji gwałtownie wzrosną. Jego zdaniem pojedynczy trening frontierowego modelu — intensywny obliczeniowo proces tworzenia modelu — może wkrótce kosztować „wiele, wiele dziesiątków miliardów dolarów, jeśli nie sto miliardów dolarów”.

Mówiąc 28 września 2026 r., Suleyman podał krótki horyzont czasowy dla tego progu: najbliższe kilka lat. Lista tych, którzy będą mogli sobie na to pozwolić, jest jeszcze krótsza. Tylko pięć lub sześć laboratoriów na świecie, argumentował, będzie w stanie zapłacić cenę wstępu.

Cena biletu wstępu wciąż rośnie

Suleyman powiązał rosnące koszty z tempem rozwoju. Jego zdaniem większa moc obliczeniowa skoncentrowana w mniejszej liczbie laboratoriów powinna przekładać się na szybszy postęp w dziedzinie AI.

Potwierdził tę tezę dwoma uderzającymi liczbami. Moc obliczeniowa treningowa modeli frontierowych wzrosła w ciągu ostatnich 15 lat około milion razy, powiedział. W samych ostatnich dwóch latach koszty inferencji — czyli ceny uruchamiania wytrenowanego modelu przy każdym użyciu — spadły 300-krotnie. Oba trendy, sugerował, wskazują w tym samym kierunku: zasoby potrzebne do trenowania wiodących modeli rosną, nawet gdy koszt ich uruchamiania spada.

„Wiele, wiele dziesiątków miliardów dolarów, jeśli nie sto miliardów dolarów” — powiedział Suleyman o potencjalnym koszcie treningów modeli frontierowych.

Prognoza, którą budował od lat

Te wypowiedzi to mniej nowa teza, co eskalacja poprzedniej. W grudniu 2025 r. Suleyman przewidział, że utrzymanie konkurencyjności w AI przez pięć–dziesięć lat będzie wymagało inwestycji rzędu „setek miliardów dolarów”, co przypisał rosnącym wymaganiom obliczeniowym zaawansowanego treningu.

Wrześniowe uwagi doprecyzowują tę prognozę, przypisując potencjalną cenę pojedynczym treningom, a nie dziesięcioletnim wydatkom.

Suleyman opisywał także operacje AI Microsoftu w niezwykle fizycznych kategoriach, porównując firmę do „nowoczesnej firmy budowlanej”, która buduje znaczną infrastrukturę obliczeniową. Tłem jest zmieniająca się relacja Microsoftu z OpenAI: po przekształceniu tego partnerstwa Microsoft AI koncentruje się na samowystarczalności w modelach frontierowych.

Obok wydatków rozmowa o bezpieczeństwie

Suleyman nie przedstawiał tych wydatków jako czystego wyścigu zbrojeń. Wraz z szybkim rozwojem możliwości AI wzywał też do silniejszego nadzoru i ewaluacji, wskazując na takie zjawiska jak autonomiczne hakowanie i coraz bardziej wyrafinowane agenty AI.

Ostat zachowania AI nazwał „momentem przełomowym”, który wymaga większej kontroli nad tym, co te systemy potrafią.

Co to oznacza dla branży AI

Najbardziej oczywistą konsekwencją jest konsolidacja. Jeśli koszty treningów frontierowych zbliżą się do dziesiątków miliardów dolarów, liczba organizacji mogących wiarygodnie konkurować na szczycie skurczy się do garstki — według Suleymana do pięciu czy sześciu.

Spadające koszty inferencji działają jednak w przeciwnym kierunku. 300-krotny spadek w dwa lata oznacza, że korzystanie z AI szybko staje się tańsze, nawet gdy budowa modeli frontierowych koncentruje się w coraz mniejszej liczbie rąk.