$ entry

Může Evropa obstát bez špičkového AI modelu?

Tahle otázka se neustále vrací. Může Evropa v budoucnosti obstát bez vlastního špičkového modelu? Tak si pořádně analyzujme možnosti.

Reklama
Obsah článku

Abych řekl pravdu, k tomuto zamyšlení mne ponoukla esej ekonoma Tomáše Sedláčka. Jednou větou: nedělejme si z evropského zaostávání v AI hlavu, ono se to v dlouhém běhu srovná a opatrnost se vyplatí. Opravdu by mohla nastat situace, že by Evropa obstála jako konkurenceschopná, jenom vyčkáváním? Sedláček postuluje myšlenku, že vyhraje ten, kdo si počká a evropské GDPR a pomalost se nakonec mohou ukázat být předností. Jenže pro to používá tak mimózní příklady a paralely, že bylo těžké esej vzít vážně.

Takže jsem nakonec uvolnil trochu procesorového času na výpočetním clusteru na to, abychom si analyzovali, jaké varianty mohou nastat. Těch variant nakonec Orchestra.i prošlo přes 50, méně než třicet dostalo vyšší pravděpodobnostní koeficient. Podle toho se ukazuje, že Evropa by skutečně mohla vyčkáváním získat, aniž by postavila špičkový AI model, ovšem pokud by bylo splněno několik podmínek najednou.

K dispozici vám dávám zjednodušený sumář všech cest a variant, které přes sebou Evropa má. Najdete je na vibecoding.cz/euro-ai.

A najdete na závěr i stručné shrnutí. Z dat si můžete svůj závěr udělat sami, jen připomenu, že pravděpodobnostní a časový rozměr jsem zjednodušil do třech stupňů.

Tři fronty, které musí Evropa vybojovat najednou

Je velmi nepravděpodobné, že se Evropě podaří systémem vyčkávání nespadnout do škatulky „AI kolonie“, tedy do momentu, kdy začne ekonomicky strádat tím, že nevybudovala špičkovou AI technologie. V zásadě totiž musí uspět na třech frontách najednou:

  1. musí mít vlastní silné AI zázemí, což nutně neznamená vlastní frontier model. Ale znamená to, že má datová centra pro inferenci, tedy pro běžný provoz AI a je schopná v nich frontier modely provozovat, ať už jakékoliv. A má na jejich provoz rozhodující vliv, což spíše napovídá opensource/openweight modely.
  2. musí být schopná adaptovat AI v oborech, kde jsou EU firmy tradičně silné a tudíž si i zachovají konkurenceschopnost, jako je farmacie, strojírenství, energetika, automotive, atd.
  3. musí být schopná prosazovat vlastní pravidla v AI a vytvořit systém důvěry v AI - což je něco, k čemu má dnes z toho všeho asi nejblíže prostřednictvím EU ACT a GDPR legislativy.

A aby tyto tři body dlouhodobě fungovaly, musela by se Evropa stát absorbérem talentů a učení, tedy musela by umět zachytit vzdělané lidi na svých trzích a mít k trvalé dispozici inženýrské kapacity. Tedy buďto umět přitáhnout zahraniční experty, nebo umět vzdělávat a udržet experty vlastní. Bez toho by se v průběhu generační obměny přínos předchozích tří bodů vyčerpal.

Tím by Evropa vybudovala absorbční mechanismus, který by akumuloval v domácím prostředí trvalá aktiva a přínosy z AI, aniž by byly vyváženy masově do zahraničí a tedy došlo k AI kolonizaci.

A jaké kroky by měla Evropa zvolit?

  1. Jasně deklarovat opuštění závodu o frontier AI model a prostředky alokovat do dalších tří kroků. Samozřejmě to neznamená, že Evropa bude blokovat snahy svých soukromých firem o vývoj frontier modelu, ale vzdá se snahy o státem investovaný model.
  2. Adopce AI se stane jasnou povinností, vždy propojenou se vznikem „substrátu“, tedy výpočetní a datové vrstvy obsluhující AI, jako je inferenční výpočetní síla, datová vrstva (skills), provoz a integrace AI. V praxi? Vouchery pro malé a střední firmy, AI ve veřejné správě, podmíněnost v zakázkách, prostě setrvalý tlak na adopci a používání AI a zároveň vybudování substrátu, v němž vzniká největší marže (a která by se vyvážela do zahraničí).
  3. Vybudování „substrátu“ na inferenci (provoz AI) a data, nikoliv na proces učení jako takového, který je nejnáročnější. Dost kapacity pro provoz a doladění modelů, minimální odliv dat a marží mimo dohled Evropy.
  4. Vertikály doménovými daty. Veřejné peníze proudí do aplikací nad komoditními modely v oborech, kde Evropa drží data a trh: strojírenství, farmacie, automotive, obrana, energetika.
  5. Absorbér talentu. Návratové granty, univerzitní spiny, podmínka domácího provozu u dotovaných projektů, podíl evropského týmu v každém větším nasazení. Cíl: každý projekt zanechá doma lidi, kteří umí příště stavět sami (takhle Čína převzala EU-US průmysl).
  6. Agentní a protokolová vrstva hned. Standardy se právě tvoří, vyčkávat nelze. Aktivně utvářet protokoly pro agenty, identitu, autorizaci a platby, dokud jsou otevřené.
  7. Důvěra jako export - podmíněně. Z AI Actu a GDPR udělat certifikovatelnou, auditovatelnou vlastnost. Souběžně počítat s tím, že svět může laťku obejít: průběžně měřit, zda evropské standardy přebírají hráči vně EU, nebo zda jen zvedají interní náklady.
  8. Předem definovaný spouštěč nákupu i spouštěče zvratu. Měřitelná podmínka, za níž Evropa nakoupí schopnost ve velkém (cena inference pod stanovenou hladinou + doložená komoditizace modelové vrstvy). K tomu sada WATCH spouštěčů, které ruší celou vyčkávací logiku a umožní přeorientovat se v momentě, kdy se trh zásadně změní.
  9. Monitoring na šesti „kolonizačních kanálech“ (rozšířená brzda). Spuštění kteréhokoli znamená revizi strategie.

Šest koloniálních kanálů a jejich indikátory

Jaké kolonizační kanály, tedy indikátory zhoršení situace, je třeba monitorovat? Minimálně tyto:

  • Lock-in příkopu - pozdní adopce se rovná nákupu cizí infrastruktury
  • Odliv marží - marže a telemetrie odtékají vlastníkům modelu a cloudu
  • Odliv talentů - bilance návratů proti odchodům
  • Poptávkový odpor - trh AI nechce dobrovolně navzdory pobídkám (tady vidím velký špatný)
  • Regulační arbitráž - trénink mimo EU, prodej v EU, čili hodnota vzniká mimo EU
  • Izolace / protekcionismus - lokální compliance bez exportu

WATCH — spouštěče, které ruší celou logiku

Tyto události mohou změnit celou situaci a ačkoliv jsme je vyhodnotili jako okrajové, nastat mohou - a bylo by potřeba na ně okamžitě reagovat.

  • AI Model pohltí vertikály - syntetická data smažou datový příkop a výhoda EU v oborových vertikálách se ztratí.
  • AGI nebo super-agent přijde dřív a tím zruší celou vyčkávací logiku.
  • Post-škálovací zlom (větší trénink přestane zlepšovat) posiluje vyčkávání, mizí odstup k dohánění.
  • Energie jako skutečný příkop. Mění geopolitiku vstupu, pokud by se našla superlevná či naopak nastala velmi drahá energie, vše se mění.

Vyčkávání je tedy strategie s vestavěným datem expirace: drží, dokud se modelová vrstva komoditizuje a žádný z WATCH spouštěčů nenastává.

Vyčkávání Evropy v oblasti AI se změní ve výhodu pouze jako vědomé, drahé, čtyřrolové portfolio, které k adopci přidává absorpci a hlídá šest kanálů odlivu — a i pak vyhrává nejspíš v suverenitě, podmíněně v ekonomice a nejistě v dlouhodobé konkurenceschopnosti. Pasivní free-ride, následování trhu končí pro Evropu modelem AI kolonie…

Vše si sami můžete projít v rubrice Euro-AI.

Patrick Zandl

Technologický publicista a vývojář, který od roku 2025 provozuje Vibecoding.cz — největší česky psaný zdroj o AI-asistovaném programování. Dříve Chief Wizard Architect v Prusa3D, dnes konzultant a lektor AI implementace ve firmách.

Profil autora →