Dirbtinio intelekto burbulas ir lūžio taškas: kodėl didžiosios technologijų įmonės kasmet išleidžia daugiau nei 90 mlrd. dolerių lustams, duomenų centrams ir energijai

Jei pasiklausysite Silicio slėnio istorijos apie dirbtinį intelektą, ji skamba kaip švari inžinerijos linija: didesni modeliai, geresni atsakymai, didesnis produktyvumas. Jei pasiklausysite, dėl ko tyliai nerimauja rinkos ir vyriausybės, tai skamba kaip visai kas kita: koncentracijos rizika, energijos apribojimai ir toks didelis kapitalo ciklas, kad gali iškreipti ekonomiką.

Ta įtampa – tarpDirbtinis intelektas kaip bendrosios paskirties proveržisirDirbtinis intelektas kaip investicijų bumas, kuris gali viršyti lūkesčius– yra prieštaravimas, slypintis trilijono dolerių lenktynių centre.

BBC reportažai, paremti interviu „Google“ ir aplink ją, už ažiotažo pateikia tikrus skaičius ir fizinį objektą: triukšmingas lustų laboratorijas, pagal užsakymą pagamintą silicį ir metinius investicijų skaičius, kurie anksčiau atrodė neįmanomi.

Statymas: DI yra „lūžio taškas“, kuriam verta skirti per daug lėšų

„Google“ generalinis direktorius Sundaras Pichai teigia, kad dirbtinis intelektas yra kitas kartą per dešimtmetį pasitaikantis platformos pokytis, pavyzdžiui:

asmeninis kompiuteris
internetas
mobilusis
debesis

Toks įrėminimas svarbus, nes suteikia vadovams leidimą daryti tai, kas įprastais metais atrodo neracionalu: išleisti milžiniškas sumas anksčiau nei numatoma įrodyta grąža.

BBC praneša, kad „Google“ investuoja daugiau nei90 milijardų dolerių per metusdirbtinio intelekto kūrimo srityje – maždaug patrigubės per ketverius metus. Tai ne „tyrimai ir plėtra“. Tai infrastruktūros ir tiekimo grandinės strategija.

Pichai neįprastai atvirai teigia, kad šis momentas yra ir racionalus, ir neracionalus – tai įdomi pažanga, bet kartu ir ciklas, kuriame pramonė gali peržengti ribas.

Jei norite suprasti, kodėl įmonės toliau išlaidauja, net kai žmonės kalba apie burbulą, tai yra priežastis: jos tiki, kad vėlavimo kaina yra egzistencinė.

Koncentracijos rizika: dirbtinio intelekto bumas palaiko visą rinką

Viena iš mažiausiai aptariamų dirbtinio intelekto rizikų yra ne techninė. Ji yra finansinė.

BBC pažymi:

didžiulė rinkos vertė sutelkta keliose įmonėse
„Magnificent 7“ sudaro maždaug trečdalį S&P 500 vertinimo
koncentracija didesnė nei dotcom eroje, remiantis TVF palyginimais

Tai reiškia, kad dirbtinio intelekto lenktynės yra ne tik technologijų istorija. Tai makro istorija.

Jei dirbtinio intelekto naratyvas nutrūksta (ar net pristabdomas), tai pakenkia ne tik keliems startuoliams. Tai smogia:

pensijų portfeliai
indeksų fondai
vartotojų pasitikėjimas
kredito prieinamumas

Kai žmonės klausia „ar dirbtinis intelektas yra burbulas“, jie dažnai turi omenyje: „Ar rinka per daug priklausoma nuo šios vienos siužetinės linijos?“

Tikroji „DI gamykla“: lustai, aušinimas ir pagal užsakymą pagamintas silicis

Lengva dirbtinį intelektą laikyti programine įranga. Tačiau konkurencinis pranašumas vis dažniau atrodo kaip tiekimo grandinės kontrolė.

BBC supažindina mus su „Google“ darbu su TPU (tenzorių apdorojimo įrenginiais) – „Google“ sukurtais lustais, skirtais dirbtinio intelekto darbo krūviams maitinti.

Tai svarbu, nes lustų rinka stratifikuojasi:

CPU tvarko bendruosius skaičiavimus
GPU tvarko lygiagretų apdorojimą (dažnai naudojamas dirbtiniam intelektui)
ASIC yra specialiai sukurti konkretiems darbo krūviams

TPU priklauso ASIC kategorijai: tai pagal užsakymą pagamintas silicis, pritaikytas „Google“ poreikiams.

Strateginė logika aiški: jei skaičiavimo galimybės retos ir brangios, o dirbtinio intelekto paklausa nuolat auga, įmonės, kurios kontroliuoja savo silicį ir diegimo procesą, yra mažiau veikiamos išorinių apribojimų.

Paprastai tariant: jei negalite nusipirkti pakankamai GPU, bandote įsigyti visą steką.

„GPU maldavimo“ era yra signalas, o ne pokštas

BBC įterpė iškalbingą anekdotą apie technologijų lyderius, kurie veiksmingai maldavo „Nvidia“ daugiau GPU.

Juokinga, bet tai taip pat ir rinkos signalas:

skaičiavimo paklausa viršija pasiūlą
„Laimėjimo“ strategija atrodo kaip lustų kaupimas ir duomenų centrų kūrimas

Tai sukuria psichologinius spąstus:

Jei visi tiki, kad vienintelis būdas laimėti – nuolat leisti pinigus, išlaidos tampa strategija – net kai grąža neaiški.

Štai kaip investicijų bumas tampa savaime sustiprėjantis.

Svarbus skirtumas: esami operatoriai ir „pasiskolintų skaičiavimų“ ekonomika

Esminis skirtumas BBC ataskaitoje yra tarp:

didžiausios technologijų įmonės, galinčios finansuoti lustus ir duomenų centrus iš pinigų srautų
įmonės, kurios, norėdamos pasiekti kompiuterinius duomenis, naudojasi skolintomis lėšomis ir sudėtingais sandoriais

Tai yra paslėpta DI klasių sistema.

Jei dirbtinis intelektas taps infrastruktūros ginklavimosi lenktynėmis, įmonės su stipriais balansais galės toliau plėstis net ir nuosmukio metu. Nuo kreditų priklausomos įmonės to padaryti negalės.

Štai kodėl „burbulo rizika“ yra asimetriška:

milžinai gali išgyventi korekciją
sverto infrastruktūros sluoksnis gali ne

BBC mini dirbtinio intelekto infrastruktūros bendrovių akcijų kainų kritimą ir neramumus dėl įmonių, susijusių su skaičiavimo aprūpinimu.

„OpenAI“ išlaidų audra ir dirbtinio intelekto infrastruktūros politika

BBC aprašo ginčus dėl „OpenAI“ įsipareigojimų masto ir investuotojų pasipriešinimą, kai jie abejojo išlaidų ir pajamų neatitikimu.

Tai yra gerai žinomas platformų pamainų modelis:

ankstyvas pritaikymas yra milžiniškas
monetizacijos atsilikimas
skaičiavimo išlaidos išlieka negailestingos

Politiškai įdomi dalis yra pasiūlymas, kad vyriausybės galėtų kurti ir valdyti dirbtinio intelekto infrastruktūrą.

Ši idėja politikos formuotojams patiks dėl trijų priežasčių:

suverenitetas(nepriklausoma nuo kelių JAV įmonių)
nacionalinis saugumas(kritinių skaičiavimų valdymas)
pramonės strategija(darbo vietos, investicijos, atsparumas)

Tačiau tai taip pat kelia sunkių klausimų:

Ar mokesčių mokėtojai subsidijuoja privačius modelius?
kas gauna prieigą?
Kas užtikrina saugumą ir atskaitomybę?

Energijos apribojimas: dirbtinis intelektas negali išsiplėsti be elektros energijos

BBC atkreipia dėmesį į artėjančią realybę: duomenų centrai gali sunaudoti elektros energiją tiek, kiek didžiosios šalys.

Tai yra apribojimas, kuris dirbtinio intelekto ažiotažą gali paversti politiniu konfliktu.

Kadangi energetikos sistemos jau patiria spaudimą:

transporto elektrifikavimas
šildymo dekarbonizacija
pramonės perėjimas

Jei dirbtinio intelekto augimas konkuruoja su šiais tikslais, vyriausybės susiduria su kompromisais.

Ir skirtingai nuo daugelio technologinių apribojimų, energijos apribojimai yra fiziniai:

Tinklo tiesimas užtrunka metus
leidimų išdavimas lėtas
Vietos opozicija yra įprasta

„Tiesa svarbi“ ir pasitikėjimo problema

Pichai frazė „tiesa svarbi“ yra ir raminanti, ir atskleidžianti.

Pasitikėjimo dirbtiniu intelektu problema yra ne tik haliucinacijos. Tai platesnė informacijos ekosistema:

Kai dirbtinis intelektas apibendrina žiniatinklį, kas nutinka su šaltiniais?
Kai dirbtinis intelektas klysta užtikrintai, kaip žmonės tai ištaiso?
Kas atsakingas už žalą, padarytą vėliau?

BBC atkreipia dėmesį į susirūpinimą, kad jei dirbtinis intelektas taps vieninteliu produktu, nukentės patikimumas.

Sveikesnei ekosistemai greičiausiai reikia:

skaidrios citatos
keli šaltiniai
patikimas vertinimas
žmogaus priežiūra didelės rizikos situacijose

Jei dirbtinis intelektas yra platformos pokytis, pasitikėjimas yra jo saugos sluoksnis.

Ką žiūrėti toliau

Kapitalo išlaidų drausmėAr milžinai sulėtina išlaidas, ar padvigubina jas?
Apskaičiuokite kainodarąAr išlaidos sumažėja tiek, kad būtų galima gauti platų pelną, ar jos išlieka koncentruotos?
Energetikos politika: tinklo apribojimai, leidimų mūšiams išdavimas, vandens naudojimas ir vietiniai moratoriumai.
Reguliavimo pozicijaAr vyriausybės dirbtinio intelekto infrastruktūrą traktuoja kaip telekomunikacijų / energetikos infrastruktūrą – ar ji yra kritiškai svarbi ir reguliuojama?
Priėmimas ir monetizavimasAr produktyvumas yra realus dideliu mastu, ar naudojimas daugiausia yra eksperimentavimas?

Esmė

Dirbtinio intelekto lenktynės yra ir technologijų revoliucija, ir kapitalo ciklas.

Prieštaravimas kyla dėl to, kad abu teiginiai yra teisingi: dirbtinio intelekto pažanga yra reali, o investicijų bumas vis dar gali būti per didelis. Nugalėtojus lems ne vien ažiotažas – juos lems tai, kas sugebės užtikrinti skaičiavimą, jį tvariai maitinti ir paversti naudojimą ilgalaike verte, kol finansavimo nuotaikos nepasikeis.

Šaltiniai

BBC naujienos (technologijos / „InDepth“):https://www.bbc.com/news/articles/cvgvynlxqdyo?at_medium=RSS&at_campaign=rss

Document Title
AI bubble vs inflection point: why Big Tech keeps spending $90bn+ a year on chips, data centres and power	Dirbtinio intelekto burbulas ir lūžio taškas: kodėl didžiosios technologijų įmonės kasmet išleidžia daugiau nei 90 mlrd. dolerių lustams, duomenų centrams ir energijai

AI is a real platform shift, but the capital cycle is huge and concentrated. Here’s why Big Tech keeps spending on chips and data centres—and where the risk lies.	Dirbtinis intelektas iš tiesų keičia platformą, tačiau kapitalo ciklas yra didžiulis ir koncentruotas. Štai kodėl didžiosios technologijų įmonės ir toliau investuoja į lustus ir duomenų centrus, ir kur slypi rizika.
Title Attribute
oEmbed (JSON)
oEmbed (XML)
JSON
View all posts by Admin	Peržiūrėti visus administratoriaus įrašus
TripZapp and the Hard Part of Travel Tech in Africa	„TripZapp“ ir sunkioji kelionių technologijų dalis Afrikoje
Europe’s shadow fleet problem is really about governance at sea	Europos šešėlinio laivyno problema iš tikrųjų yra susijusi su valdymu jūroje
Page Content
AI bubble vs inflection point: why Big Tech keeps spending $90bn+ a year on chips, data centres and power	Dirbtinio intelekto burbulas ir lūžio taškas: kodėl didžiosios technologijų įmonės kasmet išleidžia daugiau nei 90 mlrd. dolerių lustams, duomenų centrams ir energijai
Nature
Climate
The trillion-dollar AI race has a built-in contradiction: progress is real, overspending might be too	Trilijono dolerių vertės dirbtinio intelekto lenktynėse slypi įgimtas prieštaravimas: pažanga yra reali, o per didelės išlaidos gali būti per didelės.
/
Technology
/ By
Admin
If you listen to the story Silicon Valley tells about AI, it sounds like a clean engineering arc: bigger models, better answers, more productivity. If you listen to what markets and governments are quietly worrying about, it sounds like something else entirely: concentration risk, energy constraints, and a capital cycle so large it could distort the economy.	Jei pasiklausysite Silicio slėnio istorijos apie dirbtinį intelektą, ji skamba kaip švari inžinerijos linija: didesni modeliai, geresni atsakymai, didesnis produktyvumas. Jei pasiklausysite, dėl ko tyliai nerimauja rinkos ir vyriausybės, tai skamba kaip visai kas kita: koncentracijos rizika, energijos apribojimai ir toks didelis kapitalo ciklas, kad gali iškreipti ekonomiką.
That tension — between
AI as a general-purpose breakthrough	Dirbtinis intelektas kaip bendrosios paskirties proveržis
and
AI as an investment boom that could overshoot	Dirbtinis intelektas kaip investicijų bumas, kuris gali viršyti lūkesčius
— is the contradiction at the heart of the trillion-dollar race.	– yra prieštaravimas, slypintis trilijono dolerių lenktynių centre.
The BBC’s reporting, based on interviews in and around Google, puts real numbers and real physicality behind the hype: noisy chip labs, bespoke silicon, and annual investment figures that used to sound impossible.	BBC reportažai, paremti interviu „Google“ ir aplink ją, už ažiotažo pateikia tikrus skaičius ir fizinį objektą: triukšmingas lustų laboratorijas, pagal užsakymą pagamintą silicį ir metinius investicijų skaičius, kurie anksčiau atrodė neįmanomi.
The bet: AI is an “inflection point” worth overspending on	Statymas: DI yra „lūžio taškas“, kuriam verta skirti per daug lėšų
Google’s CEO Sundar Pichai frames AI as the next once-a-decade platform shift, like:	„Google“ generalinis direktorius Sundaras Pichai teigia, kad dirbtinis intelektas yra kitas kartą per dešimtmetį pasitaikantis platformos pokytis, pavyzdžiui:
the personal computer
the internet
mobile
cloud
That framing matters because it gives executives permission to do something that looks irrational in a normal year: spend enormous sums ahead of proven returns.	Toks įrėminimas svarbus, nes suteikia vadovams leidimą daryti tai, kas įprastais metais atrodo neracionalu: išleisti milžiniškas sumas anksčiau nei numatoma įrodyta grąža.
The BBC reports that Google is investing more than	BBC praneša, kad „Google“ investuoja daugiau nei
$90bn a year	90 milijardų dolerių per metus
in its AI build-out, roughly tripling in four years. That’s not “R&D.” That’s infrastructure and supply-chain strategy.	dirbtinio intelekto kūrimo srityje – maždaug patrigubės per ketverius metus. Tai ne „tyrimai ir plėtra“. Tai infrastruktūros ir tiekimo grandinės strategija.
Pichai’s unusually candid line is that the moment is both rational and irrational — exciting progress, but also a cycle where industry can overshoot.	Pichai neįprastai atvirai teigia, kad šis momentas yra ir racionalus, ir neracionalus – tai įdomi pažanga, bet kartu ir ciklas, kuriame pramonė gali peržengti ribas.
If you want to understand why firms keep spending even while people talk about a bubble, that’s the reason: they believe the cost of being late is existential.	Jei norite suprasti, kodėl įmonės toliau išlaidauja, net kai žmonės kalba apie burbulą, tai yra priežastis: jos tiki, kad vėlavimo kaina yra egzistencinė.
The concentration risk: AI’s boom is propping up the whole market	Koncentracijos rizika: dirbtinio intelekto bumas palaiko visą rinką
One of the least-discussed AI risks isn’t technical. It’s financial.	Viena iš mažiausiai aptariamų dirbtinio intelekto rizikų yra ne techninė. Ji yra finansinė.
The BBC notes:
massive market value concentrated in a handful of firms	didžiulė rinkos vertė sutelkta keliose įmonėse
the “Magnificent 7” making up roughly a third of the S&P 500 valuation	„Magnificent 7“ sudaro maždaug trečdalį S&P 500 vertinimo
concentration higher than during the dotcom era, per IMF comparisons	koncentracija didesnė nei dotcom eroje, remiantis TVF palyginimais
That means the AI race is not only a tech story. It’s a macro story.	Tai reiškia, kad dirbtinio intelekto lenktynės yra ne tik technologijų istorija. Tai makro istorija.
If the AI narrative breaks (or even pauses), it doesn’t just hurt a few startups. It hits:	Jei dirbtinio intelekto naratyvas nutrūksta (ar net pristabdomas), tai pakenkia ne tik keliems startuoliams. Tai smogia:
retirement portfolios
index funds
consumer confidence
credit availability
When people say “is AI a bubble,” what they often mean is: “Is the market too dependent on this one storyline?”	Kai žmonės klausia „ar dirbtinis intelektas yra burbulas“, jie dažnai turi omenyje: „Ar rinka per daug priklausoma nuo šios vienos siužetinės linijos?“
The real “AI factory”: chips, cooling, and bespoke silicon	Tikroji „DI gamykla“: lustai, aušinimas ir pagal užsakymą pagamintas silicis
It’s easy to treat AI as software. But the competitive advantage increasingly looks like supply chain control.	Lengva dirbtinį intelektą laikyti programine įranga. Tačiau konkurencinis pranašumas vis dažniau atrodo kaip tiekimo grandinės kontrolė.
The BBC takes us inside Google’s work on TPUs (Tensor Processing Units) — Google-designed chips meant to power AI workloads.	BBC supažindina mus su „Google“ darbu su TPU (tenzorių apdorojimo įrenginiais) – „Google“ sukurtais lustais, skirtais dirbtinio intelekto darbo krūviams maitinti.
This matters because the chip landscape is stratifying:	Tai svarbu, nes lustų rinka stratifikuojasi:
CPUs handle general computing	CPU tvarko bendruosius skaičiavimus
GPUs handle parallel processing (often used for AI)	GPU tvarko lygiagretų apdorojimą (dažnai naudojamas dirbtiniam intelektui)
ASICs are purpose-built for specific workloads	ASIC yra specialiai sukurti konkretiems darbo krūviams
TPUs sit in the ASIC category: custom silicon tuned for Google’s needs.	TPU priklauso ASIC kategorijai: tai pagal užsakymą pagamintas silicis, pritaikytas „Google“ poreikiams.
The strategic logic is clear: if compute is scarce and expensive, and if AI demand keeps rising, companies that control their own silicon and deployment pipeline are less exposed to external constraints.	Strateginė logika aiški: jei skaičiavimo galimybės retos ir brangios, o dirbtinio intelekto paklausa nuolat auga, įmonės, kurios kontroliuoja savo silicį ir diegimo procesą, yra mažiau veikiamos išorinių apribojimų.
In plain English: if you can’t buy enough GPUs, you try to own the whole stack.	Paprastai tariant: jei negalite nusipirkti pakankamai GPU, bandote įsigyti visą steką.
The “begging for GPUs” era is a signal, not a joke	„GPU maldavimo“ era yra signalas, o ne pokštas
The BBC includes a telling anecdote about tech leaders effectively begging Nvidia for more GPUs.	BBC įterpė iškalbingą anekdotą apie technologijų lyderius, kurie veiksmingai maldavo „Nvidia“ daugiau GPU.
It’s funny, but it’s also a market signal:	Juokinga, bet tai taip pat ir rinkos signalas:
demand for compute is outstripping supply	skaičiavimo paklausa viršija pasiūlą
the “winning” strategy looks like amassing chips and building data centres	„Laimėjimo“ strategija atrodo kaip lustų kaupimas ir duomenų centrų kūrimas
This creates a psychological trap:	Tai sukuria psichologinius spąstus:
If everyone believes the only way to win is to keep spending, spending becomes the strategy — even when returns are uncertain.	Jei visi tiki, kad vienintelis būdas laimėti – nuolat leisti pinigus, išlaidos tampa strategija – net kai grąža neaiški.
That’s how investment booms become self-reinforcing.	Štai kaip investicijų bumas tampa savaime sustiprėjantis.
The split that matters: incumbents vs the “borrowed compute” economy	Svarbus skirtumas: esami operatoriai ir „pasiskolintų skaičiavimų“ ekonomika
A crucial distinction in the BBC report is between:	Esminis skirtumas BBC ataskaitoje yra tarp:
the biggest tech companies that can fund chips and data centres from cashflow	didžiausios technologijų įmonės, galinčios finansuoti lustus ir duomenų centrus iš pinigų srautų
businesses that rely on borrowed money and complex deals to access compute	įmonės, kurios, norėdamos pasiekti kompiuterinius duomenis, naudojasi skolintomis lėšomis ir sudėtingais sandoriais
This is the hidden class system of AI.	Tai yra paslėpta DI klasių sistema.
If AI becomes an infrastructure arms race, the companies with strong balance sheets can keep building through downturns. The companies dependent on credit can’t.	Jei dirbtinis intelektas taps infrastruktūros ginklavimosi lenktynėmis, įmonės su stipriais balansais galės toliau plėstis net ir nuosmukio metu. Nuo kreditų priklausomos įmonės to padaryti negalės.
That’s why “bubble risk” is asymmetric:	Štai kodėl „burbulo rizika“ yra asimetriška:
the giants might survive a correction	milžinai gali išgyventi korekciją
the leveraged infrastructure layer may not	sverto infrastruktūros sluoksnis gali ne
The BBC mentions share price drops in AI infrastructure companies and turbulence around firms tied to compute provisioning.	BBC mini dirbtinio intelekto infrastruktūros bendrovių akcijų kainų kritimą ir neramumus dėl įmonių, susijusių su skaičiavimo aprūpinimu.
OpenAI’s spending storm and the politics of AI infrastructure	„OpenAI“ išlaidų audra ir dirbtinio intelekto infrastruktūros politika
The BBC describes controversy around the scale of OpenAI’s commitments and the pushback when investors questioned the mismatch between spending and revenue.	BBC aprašo ginčus dėl „OpenAI“ įsipareigojimų masto ir investuotojų pasipriešinimą, kai jie abejojo išlaidų ir pajamų neatitikimu.
This is a familiar pattern in platform shifts:	Tai yra gerai žinomas platformų pamainų modelis:
early adoption is enormous	ankstyvas pritaikymas yra milžiniškas
monetisation lags
compute costs stay brutal	skaičiavimo išlaidos išlieka negailestingos
The politically interesting part is the suggestion that governments might build and own AI infrastructure.	Politiškai įdomi dalis yra pasiūlymas, kad vyriausybės galėtų kurti ir valdyti dirbtinio intelekto infrastruktūrą.
That idea will appeal to policymakers for three reasons:	Ši idėja politikos formuotojams patiks dėl trijų priežasčių:
sovereignty
(not being dependent on a few US firms)	(nepriklausoma nuo kelių JAV įmonių)
national security
(control over critical compute)	(kritinių skaičiavimų valdymas)
industrial strategy
(jobs, investment, resilience)	(darbo vietos, investicijos, atsparumas)
But it also raises hard questions:	Tačiau tai taip pat kelia sunkių klausimų:
do taxpayers subsidise private models?	Ar mokesčių mokėtojai subsidijuoja privačius modelius?
who gets access?
who governs safety and accountability?	Kas užtikrina saugumą ir atskaitomybę?
The energy constraint: AI doesn’t scale without electricity	Energijos apribojimas: dirbtinis intelektas negali išsiplėsti be elektros energijos
The BBC points to a looming reality: data centres may consume electricity on the scale of major nations.	BBC atkreipia dėmesį į artėjančią realybę: duomenų centrai gali sunaudoti elektros energiją tiek, kiek didžiosios šalys.
This is the constraint that can turn AI hype into political conflict.	Tai yra apribojimas, kuris dirbtinio intelekto ažiotažą gali paversti politiniu konfliktu.
Because energy systems are already under pressure:	Kadangi energetikos sistemos jau patiria spaudimą:
electrification of transport
heating decarbonisation
industrial transition
If AI growth competes with those goals, governments face trade-offs.	Jei dirbtinio intelekto augimas konkuruoja su šiais tikslais, vyriausybės susiduria su kompromisais.
And unlike many tech constraints, energy constraints are physical:	Ir skirtingai nuo daugelio technologinių apribojimų, energijos apribojimai yra fiziniai:
grid build-outs take years	Tinklo tiesimas užtrunka metus
permitting is slow
local opposition is common
“Truth matters” and the trust problem	„Tiesa svarbi“ ir pasitikėjimo problema
Pichai’s line “truth matters” is both reassuring and revealing.	Pichai frazė „tiesa svarbi“ yra ir raminanti, ir atskleidžianti.
The trust problem in AI is not only hallucinations. It’s the broader information ecosystem:	Pasitikėjimo dirbtiniu intelektu problema yra ne tik haliucinacijos. Tai platesnė informacijos ekosistema:
when AI summarises the web, what happens to sources?	Kai dirbtinis intelektas apibendrina žiniatinklį, kas nutinka su šaltiniais?
when AI is wrong confidently, how do people correct it?	Kai dirbtinis intelektas klysta užtikrintai, kaip žmonės tai ištaiso?
who is accountable for downstream harms?	Kas atsakingas už žalą, padarytą vėliau?
The BBC notes the concern that if AI becomes the sole product, reliability suffers.	BBC atkreipia dėmesį į susirūpinimą, kad jei dirbtinis intelektas taps vieninteliu produktu, nukentės patikimumas.
A healthier ecosystem likely requires:	Sveikesnei ekosistemai greičiausiai reikia:
transparent citations
multiple sources
robust evaluation
human oversight in high-stakes contexts	žmogaus priežiūra didelės rizikos situacijose
If AI is a platform shift, trust is its safety layer.	Jei dirbtinis intelektas yra platformos pokytis, pasitikėjimas yra jo saugos sluoksnis.
What to watch next
Capex discipline
: do the giants slow spending, or double down?	Ar milžinai sulėtina išlaidas, ar padvigubina jas?
Compute pricing
: do costs fall enough to enable broad profits, or stay concentrated?	Ar išlaidos sumažėja tiek, kad būtų galima gauti platų pelną, ar jos išlieka koncentruotos?
Energy politics
: grid constraints, permitting battles, water use, and local moratoria.	: tinklo apribojimai, leidimų mūšiams išdavimas, vandens naudojimas ir vietiniai moratoriumai.
Regulatory posture
: do governments treat AI infrastructure like telecoms/energy — critical and regulated?	Ar vyriausybės dirbtinio intelekto infrastruktūrą traktuoja kaip telekomunikacijų / energetikos infrastruktūrą – ar ji yra kritiškai svarbi ir reguliuojama?
Adoption vs monetisation
: is productivity real at scale, or is usage mostly experimentation?	Ar produktyvumas yra realus dideliu mastu, ar naudojimas daugiausia yra eksperimentavimas?
Bottom line
The AI race is simultaneously a technology revolution and a capital cycle.	Dirbtinio intelekto lenktynės yra ir technologijų revoliucija, ir kapitalo ciklas.
The reason it feels contradictory is that both statements are true: AI progress is real, and the investment boom can still overshoot. The winners won’t be decided by hype alone — they’ll be decided by who can secure compute, power it sustainably, and translate usage into durable value before the financing mood turns.	Prieštaravimas kyla dėl to, kad abu teiginiai yra teisingi: dirbtinio intelekto pažanga yra reali, o investicijų bumas vis dar gali būti per didelis. Nugalėtojus lems ne vien ažiotažas – juos lems tai, kas sugebės užtikrinti skaičiavimą, jį tvariai maitinti ir paversti naudojimą ilgalaike verte, kol finansavimo nuotaikos nepasikeis.
Sources
BBC News (Technology / InDepth):	BBC naujienos (technologijos / „InDepth“):
https://www.bbc.com/news/articles/cvgvynlxqdyo?at_medium=RSS&at_campaign=rss	https://www.bbc.com/news/articles/cvgvynlxqdyo?at_medium=RSS&at_campaign=rss
←
Previous Post
Next Post
→
oEmbed (JSON)
oEmbed (XML)
JSON
View all posts by Admin	Peržiūrėti visus administratoriaus įrašus
TripZapp and the Hard Part of Travel Tech in Africa	„TripZapp“ ir sunkioji kelionių technologijų dalis Afrikoje
Europe’s shadow fleet problem is really about governance at sea	Europos šešėlinio laivyno problema iš tikrųjų yra susijusi su valdymu jūroje
AI is a real platform shift, but the capital cycle is huge and concentrated. Here’s why Big Tech keeps spending on chips and data centres—and where the risk lies.	Dirbtinis intelektas iš tiesų keičia platformą, tačiau kapitalo ciklas yra didžiulis ir koncentruotas. Štai kodėl didžiosios technologijų įmonės ir toliau investuoja į lustus ir duomenų centrus, ir kur slypi rizika.

Document Title

AI bubble vs inflection point: why Big Tech keeps spending $90bn+ a year on chips, data centres and power

AI is a real platform shift, but the capital cycle is huge and concentrated. Here’s why Big Tech keeps spending on chips and data centres—and where the risk lies.

Title Attribute

oEmbed (JSON)

oEmbed (XML)

JSON

View all posts by Admin

TripZapp and the Hard Part of Travel Tech in Africa

Europe’s shadow fleet problem is really about governance at sea

Page Content

AI bubble vs inflection point: why Big Tech keeps spending $90bn+ a year on chips, data centres and power

Nature

Climate

The trillion-dollar AI race has a built-in contradiction: progress is real, overspending might be too

Technology

/ By

Admin

If you listen to the story Silicon Valley tells about AI, it sounds like a clean engineering arc: bigger models, better answers, more productivity. If you listen to what markets and governments are quietly worrying about, it sounds like something else entirely: concentration risk, energy constraints, and a capital cycle so large it could distort the economy.

That tension — between

AI as a general-purpose breakthrough

and

AI as an investment boom that could overshoot

— is the contradiction at the heart of the trillion-dollar race.

The BBC’s reporting, based on interviews in and around Google, puts real numbers and real physicality behind the hype: noisy chip labs, bespoke silicon, and annual investment figures that used to sound impossible.

The bet: AI is an “inflection point” worth overspending on

Google’s CEO Sundar Pichai frames AI as the next once-a-decade platform shift, like:

the personal computer

the internet

mobile

cloud

That framing matters because it gives executives permission to do something that looks irrational in a normal year: spend enormous sums ahead of proven returns.

The BBC reports that Google is investing more than

$90bn a year

in its AI build-out, roughly tripling in four years. That’s not “R&D.” That’s infrastructure and supply-chain strategy.

Pichai’s unusually candid line is that the moment is both rational and irrational — exciting progress, but also a cycle where industry can overshoot.

If you want to understand why firms keep spending even while people talk about a bubble, that’s the reason: they believe the cost of being late is existential.

The concentration risk: AI’s boom is propping up the whole market

One of the least-discussed AI risks isn’t technical. It’s financial.

The BBC notes:

massive market value concentrated in a handful of firms

the “Magnificent 7” making up roughly a third of the S&P 500 valuation

concentration higher than during the dotcom era, per IMF comparisons

That means the AI race is not only a tech story. It’s a macro story.

If the AI narrative breaks (or even pauses), it doesn’t just hurt a few startups. It hits:

retirement portfolios

index funds

consumer confidence

credit availability

When people say “is AI a bubble,” what they often mean is: “Is the market too dependent on this one storyline?”

The real “AI factory”: chips, cooling, and bespoke silicon

It’s easy to treat AI as software. But the competitive advantage increasingly looks like supply chain control.

The BBC takes us inside Google’s work on TPUs (Tensor Processing Units) — Google-designed chips meant to power AI workloads.

This matters because the chip landscape is stratifying:

CPUs handle general computing

GPUs handle parallel processing (often used for AI)

ASICs are purpose-built for specific workloads

TPUs sit in the ASIC category: custom silicon tuned for Google’s needs.

The strategic logic is clear: if compute is scarce and expensive, and if AI demand keeps rising, companies that control their own silicon and deployment pipeline are less exposed to external constraints.

In plain English: if you can’t buy enough GPUs, you try to own the whole stack.

The “begging for GPUs” era is a signal, not a joke

The BBC includes a telling anecdote about tech leaders effectively begging Nvidia for more GPUs.

It’s funny, but it’s also a market signal:

demand for compute is outstripping supply

the “winning” strategy looks like amassing chips and building data centres

This creates a psychological trap:

If everyone believes the only way to win is to keep spending, spending becomes the strategy — even when returns are uncertain.

That’s how investment booms become self-reinforcing.

The split that matters: incumbents vs the “borrowed compute” economy

A crucial distinction in the BBC report is between:

the biggest tech companies that can fund chips and data centres from cashflow

businesses that rely on borrowed money and complex deals to access compute

This is the hidden class system of AI.

If AI becomes an infrastructure arms race, the companies with strong balance sheets can keep building through downturns. The companies dependent on credit can’t.

That’s why “bubble risk” is asymmetric:

the giants might survive a correction

the leveraged infrastructure layer may not

The BBC mentions share price drops in AI infrastructure companies and turbulence around firms tied to compute provisioning.

OpenAI’s spending storm and the politics of AI infrastructure

The BBC describes controversy around the scale of OpenAI’s commitments and the pushback when investors questioned the mismatch between spending and revenue.

This is a familiar pattern in platform shifts:

early adoption is enormous

monetisation lags

compute costs stay brutal

The politically interesting part is the suggestion that governments might build and own AI infrastructure.

That idea will appeal to policymakers for three reasons:

sovereignty

(not being dependent on a few US firms)

national security

(control over critical compute)

industrial strategy

(jobs, investment, resilience)

But it also raises hard questions:

do taxpayers subsidise private models?

who gets access?

who governs safety and accountability?

The energy constraint: AI doesn’t scale without electricity

The BBC points to a looming reality: data centres may consume electricity on the scale of major nations.

This is the constraint that can turn AI hype into political conflict.

Because energy systems are already under pressure:

electrification of transport

heating decarbonisation

industrial transition

If AI growth competes with those goals, governments face trade-offs.

And unlike many tech constraints, energy constraints are physical:

grid build-outs take years

permitting is slow

local opposition is common

“Truth matters” and the trust problem

Pichai’s line “truth matters” is both reassuring and revealing.

The trust problem in AI is not only hallucinations. It’s the broader information ecosystem:

when AI summarises the web, what happens to sources?

when AI is wrong confidently, how do people correct it?

who is accountable for downstream harms?

The BBC notes the concern that if AI becomes the sole product, reliability suffers.

A healthier ecosystem likely requires:

transparent citations

multiple sources

robust evaluation

human oversight in high-stakes contexts

If AI is a platform shift, trust is its safety layer.

What to watch next

Capex discipline

: do the giants slow spending, or double down?

Compute pricing

: do costs fall enough to enable broad profits, or stay concentrated?

Energy politics

: grid constraints, permitting battles, water use, and local moratoria.

Regulatory posture

: do governments treat AI infrastructure like telecoms/energy — critical and regulated?

Adoption vs monetisation

: is productivity real at scale, or is usage mostly experimentation?

Bottom line

The AI race is simultaneously a technology revolution and a capital cycle.

The reason it feels contradictory is that both statements are true: AI progress is real, and the investment boom can still overshoot. The winners won’t be decided by hype alone — they’ll be decided by who can secure compute, power it sustainably, and translate usage into durable value before the financing mood turns.

Sources

BBC News (Technology / InDepth):

https://www.bbc.com/news/articles/cvgvynlxqdyo?at_medium=RSS&at_campaign=rss

←

→

oEmbed (JSON)

oEmbed (XML)

JSON

View all posts by Admin

TripZapp and the Hard Part of Travel Tech in Africa

Europe’s shadow fleet problem is really about governance at sea

AI is a real platform shift, but the capital cycle is huge and concentrated. Here’s why Big Tech keeps spending on chips and data centres—and where the risk lies.

Document Title
Page not found - Florin.blog	Puslapis nerastas - Florin.blog
Image Alt
Florin.blog
Title Attribute
Florin.blog » Feed
RSD
Skip to content
Placeholder Attribute
Search...
Page Content
Page not found - Florin.blog	Puslapis nerastas - Florin.blog
Skip to content
Home
Blog
Garden Decor
Indoor
Main Menu
This page doesn't seem to exist.
It looks like the link pointing here was faulty. Maybe try searching?	Panašu, kad nuoroda čia buvo klaidinga. Gal pabandykite paieškoti?
Search for:
Search
Quick Links
Outdoors
About
Contact
Explore
Bestsellers
Hot deals
Best of The Year
Featured
Gift Cards
Help
Privacy Policy
Disclaimer
: As an Amazon Associate, we earn from qualifying purchases — at no extra cost to you.	Kaip „Amazon“ partneriai, mes gauname pajamų iš kvalifikuotų pirkinių – jums tai nekainuos papildomai.
Florin.blog
Florin.blog » Feed
RSD
Search...

Document Title

Page not found - Florin.blog

Image Alt

Florin.blog

Title Attribute

Florin.blog » Feed

RSD

Placeholder Attribute

Search...

Page Content

Page not found - Florin.blog

Home

Blog

Garden Decor

Indoor

Main Menu

This page doesn't seem to exist.

It looks like the link pointing here was faulty. Maybe try searching?

Search for:

Quick Links

Outdoors

About

Contact

Explore

Bestsellers

Hot deals

Best of The Year

Featured

Gift Cards

Help

Disclaimer

: As an Amazon Associate, we earn from qualifying purchases — at no extra cost to you.

Florin.blog

Florin.blog » Feed

RSD

Search...