Koszt uruchamiania modeli sztucznej inteligencji w ostatnich miesiącach gwałtownie spadł, a Goldman Sachs uważa, że ten spadek stwarza ryzyko strukturalne dla gigantów technologicznych wydających setki miliardów dolarów na budowę stojącej za tym infrastruktury.

We wrześniowym ostrzeżeniu z 2026 r. biuro handlowe Goldman Sachs Delta One wskazało na rosnące ryzyka dla hiperskalerów — operatorów rozległych sieci chmurowych i centrów danych stanowiących podstawę usług AI — ponieważ koszt tokenów wykorzystania modeli AI spada szybciej, niż może rosnąć popyt. Tokeny to jednostka rozliczeniowa za korzystanie z modeli, a indeks Silicon Data LLM Token Expenditure Index spadł w sierpniu 2026 r. o 29%, osiągając rekordowo niski poziom 0,97 dolara za milion tokenów — o ponad 50% mniej niż szczyt z maja 2026 r., wynoszący około 2,05 dolara.

Presja cenowa wyprzedza popyt

Rich Privorotsky, szef biura Delta One w Goldmanie, wskazał na dwie zbieżne siły spychające w dół ceny jednostkowe inferencji chmurowej: szybkie doskonalenie modeli własnościowych, które potrafią osiągać więcej przy mniejszych zasobach, oraz narastającą falę alternatyw open source, które podcinają ceny ofert komercyjnych.

Goldman wskazał scenariusz, w którym ceny tokenów spadają o 30%, a zużycie rośnie jedynie o 10% — luka ta bezpośrednio zjadałaby przychody z inwestycji w infrastrukturę AI. Według biura dane za sierpień sugerują, że taka dynamika już mniej więcej zachodzi. To sedno wagi tego ostrzeżenia: tańsze tokeny obniżają koszty firm i deweloperów korzystających z AI, ale u dostawców będących właścicielami infrastruktury kurczące się ceny jednostkowe podważają przychody niezbędne do uzasadnienia ogromnych wydatków kapitałowych.

Firmami, które trafiły pod tę presję, są największe nazwiska w branży technologicznej: Meta Microsoft, Amazon i Alphabet. Wszystkie cztery zobowiązały się do programów wydatków kapitałowych na infrastrukturę AI, które Goldman opisał jako bezprecedensowe w historii sektora technologicznego.

Modele open source zaostrzają wojnę cenową

Modele, które kiedyś wymagały drogich wywołań API do czołowych laboratoriów, można teraz uruchamiać lokalnie lub na tańszych instancjach chmurowych, korzystając z alternatyw o otwartych wagach. Każde postępowanie w możliwościach rozwiązań open source wywiera presję na to, ile mogą pobierać dostawcy komercyjni.

Meta niedawno wypuściła Muse Spark 1.3, a OpenAI ma w perspektywie model Astra. Oba rozwiązania mają zaostrzyć wojnę cenową.

Według analizy Goldmana zwrot z zaangażowanego kapitału hiperskalerów spadł już do rekordowo niskiego poziomu. Załamanie cen tokenów z 2,05 do 0,97 dolara w ciągu około trzech miesięcy to ruch, który wymusza przeliczenie strategii.

To, czy hiperskalerzy będą w stanie wygenerować wzrost popytu wystarczający, by prześcignąć spadek cen, może — zgodnie z raportem — zdefiniować kolejny rozdział cyklu inwestycyjnego w AI. Przyszłe odczyty indeksu Silicon Data — pokazujące, czy wzrost zużycia może zmniejszyć lukę pozostawioną przez spadające ceny — oraz skutki konkurencyjne świeżo wypuszczonego Muse Spark 1.3 i oczekiwanego modelu Astra to wskaźniki do obserwacji w najbliższym czasie.