Pri tome najveći AI laboratoriji često nisu vlasnici infrastrukture koju koriste. Umjetna inteligencija postaje sve više pitanje računalne infrastrukture. Za razvoj, treniranje i izvođenje velikih AI modela potrebne su goleme količine računalne snage, a njezina dostupnost sve više određuje koliko brzo pojedini laboratoriji mogu razvijati nove modele i koliko ih korisnika mogu istodobno koristiti.

Analiza koju objavljuje Epoch AI pokušava procijeniti računalne kapacitete pet vodećih AI laboratorija: OpenAI-ja, Google DeepMinda, Anthropic-a, Meta Superintelligence Labsa i SpaceX AI-ja. Kapacitet se izražava kroz ekvivalentni broj Nvidijinih H100 GPU-ova, odnosno H100e, a procjene se temelje na dostupnim podacima o električnoj snazi, financijskim izvještajima, procjenama analitičara i analizi pojedinačnih AI podatkovnih centara.

Važno je pritom razlikovati korištenje računalstva od vlasništva nad njim. OpenAI i Anthropic, primjerice, velik dio infrastrukture koju koriste ne posjeduju, nego je unajmljuju od pružatelja računalstva u oblaku. U toj se ulozi pojavljuju Microsoft, Amazon, Google, Oracle i CoreWeave.

S druge strane, Google DeepMind i Meta Superintelligence Labs dio su kompanija koje same posjeduju velike računalne flote. No ni Google ni Meta ne koriste svu svoju infrastrukturu isključivo za svoje najnaprednije AI laboratorije.

OpenAI je višestruko povećao kapacitet

Najjasniji pokazatelj ubrzanja ulaganja u AI infrastrukturu dolazi iz OpenAI-ja. To je jedan od rijetkih vodećih AI laboratorija koji je javno objavio podatke o računalnim kapacitetima kroz vrijeme, i to u obliku električne snage potrebne za njihovo napajanje.

Prema podacima koje analizira Epoch AI, OpenAI je svoju računalnu flotu povećao s približno 0,2 GW krajem 2023. na 0,6 GW krajem 2024. i 1,9 GW krajem 2025. Riječ je o gotovo desetostrukom povećanju električne snage u samo dvije godine.

Kapacitet od 1,9 GW ilustrira i fizičku dimenziju današnje AI infrastrukture. Riječ je o snazi usporedivoj s potrošnjom približno 1,5 milijuna prosječnih američkih kućanstava.

Pretvoren u H100 ekvivalente, taj rast je još izraženiji. Epoch AI procjenjuje da je OpenAI tijekom 2024. i 2025. približno učetverostručavao svoj računalni kapacitet, što bi u dvije godine značilo povećanje od približno 17 puta.

Računalstvo se pritom ne koristi samo za treniranje novih modela. OpenAI ga mora dijeliti između istraživanja i razvoja te izvođenja već postojećih modela za korisnike. Prema dostupnim podacima, tijekom 2025. približno polovica računalnih resursa bila je povezana s istraživanjem i razvojem, a druga polovica s izvođenjem modela.

To je važna promjena u odnosu prema ranijoj fazi razvoja generativne AI. Kako broj korisnika raste, računalni kapacitet više nije potreban samo za stvaranje sljedećeg modela, nego i za svakodnevno odgovaranje na milijarde upita.

OpenAI i DeepMind na vrhu, ali procjene nisu precizne

Prema srednjoj procjeni Epoch AI-ja, OpenAI je krajem 2025. možda imao blagu prednost pred Google DeepMindom po količini računalnih resursa koji su mu bili dostupni.

No riječ je o procjenama, a ne o preciznom popisu GPU-ova. Za Google DeepMind procijenjeni raspon kreće se od približno milijun do 2,5 milijuna H100 ekvivalenata.

Razlog širokom rasponu je jednostavan: nije javno poznato koliko Google svoje ukupne računalne infrastrukture izravno dodjeljuje DeepMindu, koliko je koristi za druge AI projekte, a koliko je kapaciteta namijenjeno vanjskim korisnicima Google Clouda.

Sličan problem postoji kod Mete. Meta posjeduje vrlo veliku flotu GPU-ova, ali iz dostupnih podataka nije moguće precizno odrediti koliki je njezin dio rezerviran upravo za Meta Superintelligence Labs.

Epoch AI zato procjenjuje da Meta krajem 2025. nije bila vodeća po količini računalstva namijenjenog svom vodećem AI laboratoriju. Anthropic je prema procjeni bio znatno iza OpenAI-ja i DeepMinda, dok je SpaceX AI bio na petom mjestu.

Takav poredak treba promatrati oprezno. Kod kompanija koje same posjeduju velike podatkovne centre granica između „računalstva laboratorija“ i „računalstva kompanije“ nije uvijek jasna.

Vlasnik infrastrukture često nije AI laboratorij

Još je zanimljivija činjenica da vodeći AI laboratoriji i vlasnici infrastrukture nisu iste kompanije.

OpenAI je dobar primjer. Iako je među najvećim korisnicima računalne infrastrukture, velik dio potrebnog kapaciteta osigurava kroz partnerstva i ugovore s pružateljima računalstva u oblaku. Slično vrijedi i za Anthropic.

To stvara novu vrstu ovisnosti u AI industriji. Laboratorij može razviti najbolji model, ali bez pristupa dovoljnim količinama GPU-ova, podatkovnih centara i električne energije taj model ne može biti treniran ni ponuđen milijunima korisnika.

Istodobno, kompanije poput Microsofta, Amazona, Googlea i Oraclea ne moraju same razvijati vodeće temeljne modele kako bi profitirale od AI booma. One mogu zarađivati prodajom računalnih kapaciteta laboratorijima koji ih razvijaju.

U tom smislu AI tržište ima dvije različite razine. Na jednoj su kompanije koje razvijaju modele i aplikacije, a na drugoj vlasnici infrastrukture na kojoj se ti modeli treniraju i izvode.

Sljedeća faza bit će još veća

Potražnja za računalstvom pritom ne pokazuje znakove usporavanja.

OpenAI je za 2026. najavio približno 50 milijardi dolara ulaganja u računalstvo, što je otprilike tri puta više od procijenjenog iznosa za prethodnu godinu. Anthropic također pokušava osigurati dodatne kapacitete kako bi zadovoljio rast potražnje za svojim modelima.

Istodobno se mijenja i poslovni model vlasnika infrastrukture. SpaceX ubrzano povećava kapacitete svojih AI podatkovnih centara, ali dio te infrastrukture počinje nuditi i drugim korisnicima. Među kompanijama koje koriste takve kapacitete nalaze se Anthropic i Google.

Time se stvara svojevrsno tržište AI računalstva na kojem se uloge sve više preklapaju. Kompanija može istodobno biti veliki korisnik, vlasnik vlastite infrastrukture i pružatelj računalstva drugima.

GPU više nije samo komponenta računala

Ovakav razvoj pokazuje zašto se pitanje računalnih kapaciteta sve češće pojavljuje u središtu AI geopolitike i poslovanja.

Broj i raspoloživost GPU-ova izravno utječu na sposobnost treniranja velikih modela. No GPU sam po sebi nije dovoljan. Potrebni su podatkovni centri, mrežna infrastruktura, sustavi za pohranu, hlađenje i, prije svega, velike količine električne energije.

Zato se utrka u umjetnoj inteligenciji postupno pretvara i u utrku za fizičkom infrastrukturom. Najnapredniji AI modeli više nisu samo rezultat rada istraživača i količine podataka. Oni su rezultat kombinacije algoritama, čipova, podatkovnih centara i energije.

Ključno pitanje zato više nije samo tko ima najbolji AI model, nego tko kontrolira računalne kapacitete potrebne za njegovo stvaranje i korištenje. U toj utrci AI laboratoriji ovise o kompanijama koje posjeduju GPU flote, podatkovne centre i energetsku infrastrukturu – a upravo bi ta ovisnost mogla biti jedan od najvažnijih strateških odnosa u sljedećoj fazi razvoja umjetne inteligencije.