Europejski sektor technologiczny: przegrywa czy przygotowuje się na przyszłość?

Aby ponownie osiągnąć przewagę konkurencyjną, Europa powinna skupić się na AI przemysłowej i fizycznej, wykorzystując dotychczasowe atuty w sektorze produkcyjnym. Powinniśmy też być świadomi rozwoju nowych technologii w warunkach nierównych szans, między chińskimi dotacjami państwowymi a amerykańskimi hiperskalerami.

Podczas gdy Unia Europejska koncentrowała się na umocnieniu pozycji jako głównego regulatora w obszarze AI na świecie, zaniedbała kwestię zachęt rynkowych. Dla dużych, ugruntowanych firm w Stanach Zjednoczonych rozbudowane ramy regulacyjne są po prostu ceną prowadzenia działalności.

Dysponują one licznymi zespołami prawników oraz środkami finansowymi niezbędnymi do łatwego pokrycia kosztów zapewnienia zgodności z przepisami. Natomiast nowa firma w Europie, mająca nadzieję na podważenie wiodącej pozycji, postrzega te regulacje jako ogromną, a czasami nie do pokonania, regulacyjną przeszkodę.

Koszt alternatywny polegający na priorytetowym traktowaniu protokołów bezpieczeństwa bez równoczesnego budowania rynku okazał się poważny. Systematycznie hamował lokalną innowacyjność. Obowiązek przestrzegania przepisów w naturalny sposób utrudnia szybki, iteracyjny rozwój, który jest cechą charakterystyczną udanych ekosystemów technologicznych.

Praktyczne badania kosztów przeprowadzone dla europejskich start-upów pokazują, że w przypadku małego zespołu nakład pracy wymagany już w pierwszym roku, aby wdrożyć nawet system sztucznej inteligencji o „ograniczonym ryzyku” zgodnie z nową ustawą, wynosi od 15 000 do 30 000 euro. Gdy europejski start-up próbuje opracować system „wysokiego ryzyka” (np. wykorzystywany w rekrutacji, edukacji lub ocenie zdolności kredytowej), początkowe koszty prawne i związane z dokumentacją wzrastają do 40 000 do 90 000 euro. Do tego dochodzą znaczne bieżące wydatki roczne.

Badania zarówno w dziedzinie naukowej, jak i ekonomicznej pokazują, że te nierównomierne obciążenia prowadzą do strukturalnej „pułapki zgodności z przepisami”. Ponieważ start-upy zajmujące się sztuczną inteligencją są wrażliwe finansowo, są zmuszone do przekierowywania środków, które mogłyby zostać wykorzystane na prace inżynieryjne, na obsługę prawną. Powoduje, że przedsięwzięcia, które mogłyby być rentowne, stają się przynoszące straty.

Ustalając tak wysokie wymagania dla małych i nowych firm, Europa nieumyślnie wzmocniła globalną pozycję liderów wśród dobrze finansowanych zagranicznych gigantów technologicznych. Fakt, że Europa postanowiła nadać priorytet AI Act przed stworzeniem konkurencyjnego ekosystemu krajowego, oznacza, że spędziła najważniejsze lata rewolucji w dziedzinie sztucznej inteligencji na regulowaniu rynku, którego jeszcze nie stworzyła.

Fragmentacja a wspólne działania

Główną przeszkodą dla europejskiej niezależności technologicznej jest utrzymujące się od dawna rozdrobnienie zasobów. Zamiast połączyć swój kapitał i infrastrukturę obliczeniową w celu wsparcia jednego, obejmującego całą UE pionierskiego projektu w dziedzinie sztucznej inteligencji – takiego, który mógłby konkurować z wartymi wiele miliardów dolarów operacjami szkoleniowymi OpenAI czy Google DeepMind – europejskie państwa członkowskie konsekwentnie decydują się na finansowanie odrębnych, krajowych liderów.

Wyraźnym przykładem tego fragmentarycznego podejścia jest duża liczba dużych modeli językowych (LLM) o zasięgu lokalnym i krajowym na całym kontynencie. Zamiast opracować jeden, ujednolicony model, laboratoria badawcze i start-upy w Europie stworzyły dziesiątki odrębnych modeli AI dostosowanych do poszczególnych regionów.

Obecnie na rankingach wydajności figuruje ponad 35 europejskich modeli sztucznej inteligencji, z których wiele zostało zaprojektowanych specjalnie z myślą o językach narodowych i wspieraniu suwerenności regionalnej. Przykłady tego są liczne. Fińska firma Silo AI opracowała modele Poro i Viking do obsługi języków nordyckich. Polska sfinansowała modele PLLuM i Bielik. Włochy promowały inicjatywy takie jak Modello Italia. Niemcy i Francja mają zaś swoje własne modele krajowe, w tym LeoLM, Pharia i Claire.

Chociaż dążenie do zachowania różnorodności językowej i zapewnienia wsparcia dla języków dysponujących mniejszymi zasobami jest godne pochwały, ta rozproszona strategia nie przyniosła w całej UE przełomowych rozwiązań, które mogłyby konkurować z amerykańskimi lub chińskimi gigantami.

Z jednej strony, mimo że w poszczególnych krajach podejmuje się wiele powtarzających się wysiłków w celu szkolenia tych lokalnych modeli, podjęto bardzo niewiele skoordynowanych działań na rzecz stworzenia dużych, ogólnounijnych repozytoriów danych szkoleniowych.

Rozwój prawdziwie przełomowej sztucznej inteligencji wymaga petabajtów danych wysokiej jakości. Zamiast stworzyć ogromny, wspólny paneuropejski zbiór danych, który w pełni obejmowałby 24 języki urzędowe kontynentu i był zgodny z RODO, gromadzenie danych pozostaje głęboko podzielone przez granice państwowe i odizolowane struktury poszczególnych przedsiębiorstw.

Krajowy prestiż vs paneuropejska skala

Fakt, że podejście Europy jest rozdrobnione, oznacza, że choć całkowita kwota inwestycji w sztuczną inteligencję w Europie jest w zasadzie duża, to jest ona strukturalnie nieefektywna. Ponieważ zasoby są rozdzielone między 27 odrębnych strategii krajowych, żadna pojedyncza organizacja nie jest w stanie pozyskać mocy obliczeniowej, zbiorów danych ani ujednoliconego kapitału niezbędnego do szkolenia prawdziwie przełomowych modeli.

Ten brak koordynacji świadczy o głęboko zakorzenionej niechęci politycznej do rezygnacji z prestiżu krajowego na rzecz osiągnięcia skali paneuropejskiej. Ten błąd sprawia, że Europa nadal ma do zaoferowania jedynie obiecujące start-upy działające na małą skalę, a nie światowych liderów.

Mimo tych trudności strukturalnych Europa nadal dysponuje niezwykłymi podstawowymi możliwościami, o czym świadczy kilka wyjątkowych przypadków w środowisku akademickim i badawczym. Najbardziej godnym uwagi z nich jest Europejskie Laboratorium Uczenia się i Systemów Inteligentnych (ELLIS) – paneuropejska sieć zajmująca się sztuczną inteligencją, zainicjowana przez wybitnych naukowców w celu promowania i podtrzymywania doskonałości w dziedzinie uczenia maszynowego w Europie.

Poprzez utworzenie licznych jednostek przy głównych europejskich uniwersytetach i instytucjach sieć ELLIS skutecznie wspiera badania podstawowe na najwyższym poziomie, ułatwia współpracę w ramach transnarodowych inicjatyw dotyczących sztucznej inteligencji oraz oferuje wysoce konkurencyjne programy doktoranckie.

Jednak mimo że sieci takie jak ELLIS doskonale radzą sobie z generowaniem światowej klasy wyników naukowych i zatrzymywaniem naukowców, napotykają poważne systemowe przeszkody, gdy przychodzi do szybkiego wprowadzania swoich innowacji na rynek. Ponieważ sieci akademickie opierają się na badaniach podstawowych i otwartej nauce, w naturalny sposób brakuje im silnej orientacji komercyjnej, finansowania venture capital na dużą skalę oraz infrastruktury obliczeniowej na poziomie przemysłowym, niezbędnych do przekształcenia osiągnięć akademickich w wiodące na świecie, zorientowane na konsumenta produkty technologiczne.

Jeśli Europa nie zdoła wypełnić luki między doskonałością akademicką (taką jak ta promowana przez ELLIS) a skoordynowaną, dobrze finansowaną ekspansją rynkową, jej najbardziej obiecujące innowacje będą nadal przejmowane przez duże zagraniczne firmy technologiczne lub pozostaną w tyle za lepiej finansowanymi, bardziej zintegrowanymi międzynarodowymi konkurentami.

Krajobraz konkurencyjny: Mistral, Aleph Alpha i globalna granica

Początkowo Europa wydawała się pełna obietnic w zakresie opracowywania własnych dużych modeli językowych, ale trudne warunki ekonomiczne i obliczeniowe w globalnym wyścigu o sztuczną inteligencję doprowadziły do fundamentalnego odejścia od dążenia do absolutnej czołówki. Stworzenie najnowszej generacji takich systemów – modeli typu GPT-5 lub Claude 4 – wymaga klastrów obliczeniowych wartych wiele miliardów dolarów, dostępu do rzadkich talentów oraz ogromnej skali.

Ponieważ europejskie start-upy znajdują się w niekorzystnej sytuacji strukturalnej z powodu braku lokalnych hiperskalerów oraz fragmentarycznego charakteru ich ekosystemów venture capital, mają trudności z nadążaniem za konkurencją. W rezultacie te dawne „europejskie firmy rzucające wyzwanie OpenAI” oficjalnie zdecydowały się teraz porzucić pogoń za ogólną granicą możliwości.

Najbardziej znany niemiecki startup zajmujący się sztuczną inteligencją Aleph Alpha całkowicie skoncentrował się na wyspecjalizowanych rozwiązaniach dla przedsiębiorstw z segmentów B2B i B2G. Zamiast dążyć do osiągnięcia ogólnych standardów konsumenckich w zakresie sztucznej inteligencji, firma obsługuje obecnie wyłącznie ściśle regulowane środowiska o znaczeniu krytycznym. Kładzie też większy nacisk na europejską suwerenność danych, zapewnienie weryfikowalnej przejrzystości „czarnej skrzynki” oraz dostosowane do lokalnych warunków przestrzeganie RODO, zamiast konkurować z najnowszymi amerykańskimi osiągnięciami w dziedzinie AI. Aleph Alpha została później przejęta przez kanadyjską Cohere.

Szeroko zakrojona zmiana w branży najwyraźniej widać w strategicznym rozwoju francuskiej firmy Mistral AI. Początkowo firma była postrzegana jako wiodące europejskie laboratorium oferujące modele o otwartej wadze oraz jako bezpośredni, algorytmiczny odpowiednik największych firm amerykańskich. Od tego czasu jednak w coraz większym stopniu przekształca się w dostawcę infrastruktury sztucznej inteligencji. W wyniku inicjatyw takich jak „Mistral Compute” firma Mistral przeniosła swój główny nacisk z prostego udostępniania otwartych modeli na dostarczanie dedykowanej mocy obliczeniowej, zapewnianie suwerennego wdrażania oraz oferowanie w pełni zarządzanych zestawów sprzętu dla przedsiębiorstw.

Dla klientów korporacyjnych i rządowych Mistral przekształciła się w ten sposób z dostawcy oprogramowania w dostawcę zarządzanych usług w chmurze, który obecnie konkuruje pod względem niezawodności operacyjnej, lokalizacji danych w granicach suwerennego terytorium oraz wiążących zobowiązań w ramach umów SLA. Rozwijając własną infrastrukturę i przenosząc punkt ciężkości na usługi dla przedsiębiorstw – a nawet przechodząc do hostowania lub dostrajania modeli dostarczanych przez inne podmioty – Mistral zdała sobie sprawę z podstawowej prawdy. Strategia polegająca na konkurowaniu wyłącznie na froncie algorytmicznym, bez posiadania w Europie podstawowej fizycznej warstwy obliczeniowej, jest niewykonalna.

To europejskie wycofanie się do nisz korporacyjnych i infrastrukturalnych stanowi ostry kontrast w stosunku do trajektorii rozwoju Chin, które agresywnie utrzymują konkurencyjność w światowej czołówce, pomimo surowych amerykańskich kontroli eksportowych dotyczących zaawansowanych półprzewodników dla sztucznej inteligencji. Dalekie od wycofania się z wyścigu o modele ogólnego przeznaczenia, chińskie laboratoria badawcze, takie jak DeepSeek, Alibaba (Qwen) i Moonshot (Kimi), zwiększyły nacisk na badania podstawowe i radykalną wydajność algorytmów.

Fakt, że modele takie jak DeepSeek V4, oraz te oparte na wcześniejszej architekturze R1, wywarły tak znaczący wpływ na globalną branżę, wyraźnie pokazał, w jaki sposób chińskim firmom udało się pokonać ograniczenia sprzętowe. DeepSeek stworzył modele o otwartej wadze, które dorównują wydajnością czołowym modelom amerykańskim przy znacznie niższych kosztach, dzięki szerokiemu wykorzystaniu optymalizacji w architekturach typu Mixture-of-Experts (MoE) oraz osiągnięciu wysokiego poziomu wydajności wnioskowania.

Dzięki szeroko zakrojonym programom badawczo-rozwojowym wspieranym przez państwo, strategicznym dotacjom oraz dostępowi do dużego, ujednoliconego rynku krajowego chiński ekosystem sztucznej inteligencji konsekwentnie tworzy modele, które przodują w globalnych statystykach pobrań oprogramowania open source.

Dynamika ta uległa jeszcze większemu przyspieszeniu dzięki wprowadzeniu modeli Kimi K3 i GLM 5.2. Ponieważ modele te zawierają rzędu bilionów parametrów, znacznie zmniejszyły one lukę wydajnościową między systemami o otwartych wagach a najbardziej zaawansowanymi modelami zamkniętymi. Zmieniają tym samym standardy, według których toczy się globalna rywalizacja w dziedzinie rozwoju sztucznej inteligencji.

Podczas gdy w Europie obciążenia regulacyjne i rozdrobnienie mocy obliczeniowej spowodowały, że wiodące przedsiębiorstwa wycofały się z pionierskich działań, w Chinach sztuczna inteligencja była postrzegana jako kwestia suwerennej konieczności. W ten sposób pozostała ona istotnym konkurentem, na równi ze Stanami Zjednoczonymi.

Nadchodząca zimna wojna w dziedzinie sztucznej inteligencji

Ponieważ Europa pracuje nad reorientacją i odbudową swojego przemysłowego ekosystemu sztucznej inteligencji, nie może już dłużej traktować otwartego, globalnego rynku technologicznego jako coś oczywistego. Globalny wyścig w dziedzinie AI wyraźnie przekształcił się w impas przypominający zimną wojnę między UAS a Chinami, zmieniając tym samym krajobraz geopolityczny w odniesieniu do europejskiej suwerenności technologicznej.

W sierpniu 2026 r. ta sytuacja geopolityczna przerodziła się w otwarte ultimatum. Jak donosi agencja Reuters, Departament Stanu USA wystosował formalne ostrzeżenia do 35 swoich partnerów – tych, którzy podpisali amerykańską „Deklarację o szansach sztucznej inteligencji” – wzywając ich do jasnego opowiedzenia się po jednej ze stron w globalnym wyścigu o AI. Wyraźnie zaznaczono, że wszelkie kraje próbujące zachować neutralność zostaną wykluczone ze strategicznej koalicji w zakresie sztucznej inteligencji, zwanej Pax Silica.

Pax Silica, zainicjowana przez Stany Zjednoczone, ma na celu zapewnienie wyłącznych łańcuchów dostaw zaawansowanych modeli AI, półprzewodników i minerałów krytycznych, funkcjonując tym samym jako bariera gospodarcza pozbawiająca Chiny zasobów niezbędnych do dominacji wojskowej i gospodarczej w dziedzinie sztucznej inteligencji. W projekcie listu USA jasno stwierdzono, że „bycie częścią wszystkiego oznacza bycie częścią niczego”. Wezwano w nim sojuszników do odrzucenia nowej, konkurencyjnej inicjatywy Pekinu, czyli Światowej Organizacji Współpracy w zakresie Sztucznej Inteligencji.

Sytuacja dotycząca suwerenności Europy jest niezwykle delikatna, ponieważ to sztywne podejście typu „albo my, albo oni” – widoczne w amerykańskiej presji by zrezygnowały z podwójnego członkostwa wywieranej na kraje bogate w surowce, takie jak Kazachstan – oznacza, że jeśli kraje europejskie nie stworzą własnych zdolności obliczeniowych, pionierskich modeli i bezpiecznych łańcuchów dostaw, stracą nie tylko swój udział w rynku, ale także niezależność geopolityczną.

Ponieważ nie ma suwerennej alternatywy, Europa nie będzie miała innego wyboru, jak tylko w pełni zintegrować się z systemem Pax Silica na warunkach określonych przez USA. Narażając w ten sposób swój potencjał przemysłowy i kluczową infrastrukturę na strategiczne decyzje Waszyngtonu oraz ograniczenia eksportowe.

Raport agencji Reuters pokazuje, że sztuczna inteligencja nie jest już tylko rynkiem oprogramowania komercyjnego; stała się podstawową formą „twardej siły” XXI wieku. Dla Europy szansa na pełnienie roli neutralnego supermocarstwa regulacyjnego zniknęła. Jeśli Unia Europejska chce uniknąć stania się wasalem w konflikcie technologicznym o sumie zerowej, musi przyspieszyć przejście w kierunku przemysłowej i fizycznej sztucznej inteligencji oraz wykorzystać swój ogromny rynek wewnętrzny do stworzenia trzeciego, suwerennego filaru w globalnym krajobrazie technologicznym.

Konsekwencje dla europejskiej nauki braku dostępu do modeli AI

Ta luka geopolityczna i technologiczna stanowi egzystencjalne zagrożenie nie tylko dla przemysłu, ale także dla przyszłości odkryć naukowych w Europie. Jeśli Europa nie zdoła opracować własnych pionierskich modeli rozumowania i infrastruktury obliczeniowej, może to oznaczać „początek końca europejskiej nauki”.

Sposób dokonywania odkryć naukowych uległ zasadniczej zmianie. Wyraźnym przykładem tej nowej sytuacji było rozwiązanie długoletniej hipotezy matematycznej – problemu odległości jednostkowej – nie w drodze konsensusu wśród naukowców, ale za pomocą wewnętrznego, nieopublikowanego modelu OpenAI.

Europejscy badacze nie mieli możliwości zadawania pytania systemowi ani oceny jego wyników. Podobnie jak Stany Zjednoczone zmierzają w kierunku ograniczenia dostępu do najpotężniejszych narzędzi – udostępniając je jedynie niewielkiej liczbie krajowych instytucji lub utrzymując je w tajemnicy ze względów strategicznych i bezpieczeństwa cybernetycznego (jak ma to miejsce w przypadku modeli takich jak Mythos). Chiny mogą postąpić podobnie. Jeśli nie powstaną wspierane przez Europę duże modele językowe zdolne do wspomagania badań pionierskich, europejscy naukowcy zostaną na stałe wykluczeni z głównych źródeł odkryć XXI wieku.

Brak dostępu prawdopodobnie spowoduje izolację Europy w momencie, gdy nauka wkracza w nową „złotą erę teorii”. Zaawansowane modele rozumowania mają szansę zrewolucjonizować matematykę, informatykę teoretyczną i fizykę teoretyczną dzięki dwóm fundamentalnym zmianom.

1. Pokonanie praktycznej złożoności

Przez wiele lat postęp w różnych dziedzinach uległ zastojowi, ponieważ realistyczne modele złożonych zjawisk przekroczyły granice tego, z czym może sobie poradzić ludzki umysł. Systemy sztucznej inteligencji zdolne do rozumowania potrafią radzić sobie z tymi skomplikowanymi strukturami, a tym samym przekształcają naukę teoretyczną w źródło innowacji w świecie rzeczywistym.

2. Łączenie i upraszczanie wiedzy

Podobnie jak systemy sztucznej inteligencji zasadniczo poprawiły ludzkie wyniki w szachach i grze Go, najnowocześniejsza sztuczna inteligencja uprości złożone, żmudne dowody, przekształcając je w znacznie prostsze i bardziej eleganckie wyjaśnienia, zmieniając w ten sposób nasze rozumienie kreatywności naukowej i ujednolicenia.

Europejscy naukowcy będą musieli obserwować tę rewolucję naukową z boku, nie dysponując suwerenną infrastrukturą sztucznej inteligencji. Podczas gdy zagraniczne laboratoria wykorzystują silniki rozumowania o ograniczonym zakresie do przyspieszenia swoich osiągnięć w matematyce, fizyce i biotechnologii.

Niezdolność Europy do zapewnienia swoim badaczom konkurencyjnych modeli poważnie utrudni ich długoterminową produktywność naukową, a w rezultacie sprawi, że jej instytucje akademickie staną się przestarzałe, co doprowadzi do przyspieszonego i nieodwracalnego drenażu mózgów.

Droga naprzód: przeniesienie uwagi na przemysłową i fizyczną AI

Chociaż Europa przegrała szerszą, zorientowaną na konsumentów rywalizację w zakresie „Web2” i obecnie z trudem nadąża w wyścigu o opracowanie podstawowych dużych modeli językowych (LLM), rewolucja w dziedzinie AI bynajmniej się nie zakończyła. Kolejna znacząca zmiana nastąpi w kierunku przejścia ze świata cyfrowego do świata fizycznego. Daje to Europie wyjątkową szansę na ponowne objęcie prowadzenia poprzez przeniesienie nacisku na obszary, w których tradycyjnie się wyróżnia: sztuczną inteligencję przemysłową i fizyczną.

Sztuczna inteligencja w sektorze przemysłowym odnosi się do systemów AI zaprojektowanych w celu fundamentalnego zarządzania i optymalizacji operacji przedsiębiorstw, takich jak predykcyjne zarządzanie łańcuchem dostaw, bilansowanie sieci energetycznej oraz zaawansowane modelowanie finansowe i logistyka.

Odnosi się to do integracji modeli wnioskowania z systemami fizycznymi, w tym z robotyką, autonomiczną mobilnością, inteligentną infrastrukturą i zaawansowaną produkcją.

W przeciwieństwie do oprogramowania konsumenckiego, fizyczna sztuczna inteligencja wymaga dogłębnej integracji sprzętowej, rygorystycznych przepisów bezpieczeństwa oraz zaawansowanej inżynierii – dziedzin, w których Europa już objęła pozycję lidera. Europejskie sektory produkcji, motoryzacji i inżynierii przemysłowej są dobrze znane na całym świecie. Wykorzystując ten ugruntowany potencjał przemysłowy, Europa może przejść od roli biernego konsumenta amerykańskiego oprogramowania do roli głównego eksportera maszyn przemysłowych opartych na sztucznej inteligencji.

Najnowsze analizy strukturalne zdecydowanie popierają to strategiczne posunięcie. Przełomowy raport Draghiego z 2024 r. dotyczący konkurencyjności Europy wezwał UE do energicznego promowania rozwoju sztucznej inteligencji, szczególnie w jej „sektorach przewagi”, aby uniknąć stagnacji gospodarczej. Uznając to za konieczność, ogólnoeuropejskie inicjatywy, takie jak „AI & Robotics Catalyst”, pracują obecnie nad połączeniem przemysłowych użytkowników końcowych ze start-upami w celu przyspieszenia wdrażania fizycznej sztucznej inteligencji oraz zapewnienia Europie wiodącej pozycji w obszarze, gdzie zbiegają się robotyka i technologie głębokie.

Skupiając się na przemysłowych rozwiązaniach B2B oraz autonomicznych laboratoriach służących odkryciom naukowym, Europa będzie w stanie ominąć nasycony rynek konsumenckiej AI i przejąć kontrolę nad przemysłowymi obszarami pionierskimi.

Wybór odpowiedniego momentu na regulację

Jeśli europejscy decydenci mają z powodzeniem przeprowadzić tę zmianę, muszą wyciągnąć ważną lekcję z ery internetu dotyczącą tego, kiedy i w jakim zakresie należy stosować regulacje technologiczne. Systemowe awarie Web 2.0 – np. niekontrolowana dominacja monopoli danych i wzmacniane algorytmicznie dezinformacje – były wynikiem tego, że organy regulacyjne czekały zbyt długo i próbowały kontrolować platformy dopiero wtedy, gdy osiągnęły one już niepokonaną skalę globalną i mocno ugruntowały modele biznesowe.

Równie niebezpieczny jest jednak błąd polegający na nadmiernej reakcji w postaci nadmiernej regulacji nowych technologii na wczesnym etapie. Zbyt wczesna regulacja oznacza narzucenie rygorystycznych ram prawnych technologiom, które nie zdefiniowały jeszcze swoich głównych zastosowań ani nie znalazły odpowiedniego miejsca na rynku. Chociaż AI Act ma na celu zapewnienie, że technologia pozostanie zorientowana na człowieka, może ona ostatecznie zablokować rozwój europejskich innowacji, zmuszając je do pozostawania w stanie ciągłej zgodności z przepisami, zanim rynek ten w ogóle się ukształtuje.

Aby wspierać rozwój sektorów AI w zastosowaniach fizycznych i przemysłowych, Europa powinna przyjąć bardziej elastyczne podejście regulacyjne. Zamiast hamować innowacje poprzez nakładanie uciążliwych wymogów administracyjnych, regulacje powinny skupiać się na zastosowaniach fizycznych wysokiego ryzyka, jednocześnie wyraźnie wyłączając z uciążliwych regulacji podstawowe badania i rozwój, wyspecjalizowane systemy przemysłowe typu B2B oraz modele open source.

Europa musi zrozumieć, że nie może regulować rynku, który jeszcze nie istnieje. Musi najpierw stworzyć wielkoskalowe przedsiębiorstwa przemysłowe zdolne do konkurowania na arenie globalnej, a dopiero potem opracować przepisy regulujące ich działalność.

Skupienie uwagi Europy na przemysłowej i fizycznej sztucznej inteligencji oznacza, że musi ona zmierzyć się z surową rzeczywistością geopolityczną. Globalny rynek technologiczny jest zasadniczo asymetryczny, przez co europejskie branże są zmuszone konkurować na nierównych zasadach i ostatecznie znajdują się pomiędzy dwiema głównymi grupami, które działają zgodnie z całkowicie odmiennymi zasadami ekonomicznymi.

Z jednej strony Stany Zjednoczone osiągnęły dominującą pozycję dzięki hiperkapitalizmowi, ekstremalnej koncentracji kapitału oraz pozycji monopolistycznej zajmowanej przez gigantów internetowych. Dzięki aktywnym federalnym zamówieniom obronnym oraz dostępowi do najgłębszych rynków kapitałowych na świecie amerykańskie firmy mogą rozwijać się w tempie, którego europejskie start-upy po prostu nie są w stanie dorównać.

W przypadku dużych, amerykańskich firm technologicznych wielomiliardowe koszty szkolenia sztucznej inteligencji mogą być z łatwością pokryte z marż uzyskiwanych w ramach działalności w zakresie przetwarzania w chmurze. Pozwala im to wydawać więcej niż ich globalni konkurenci nie tylko na infrastrukturę, ale także na zatrzymywanie talentów.

Skuteczna forma techno-nacjonalistycznego kapitalizmu państwowego

W przeciwieństwie do tego Chiny charakteryzują się wysoce skuteczną formą techno-nacjonalistycznego kapitalizmu państwowego. Chiński rynek cyfrowy nie jest otwartym polem. Podlega ścisłej regulacji, co skutecznie uniemożliwia dostęp zagranicznym konkurentom, jednocześnie sztucznie wspierając lokalne przedsiębiorstwa.

Oprócz zamknięcia rynku Pekin aktywnie kieruje państwowymi funduszami na badania i rozwój, subsydiuje koszty energii i mocy obliczeniowej oraz kieruje duże, skoordynowane inwestycje w krajowe możliwości w zakresie sztucznej inteligencji i półprzewodników. Dzięki temu systemowi wspieranemu przez państwo chińskie firmy mogą szybko się rozwijać i wprowadzać na rynki światowe wysoce konkurencyjne produkty, nie podlegając typowej presji osiągania rentowności na wolnym rynku.

Znajdując się pomiędzy monopolistycznym kapitałem Stanów Zjednoczonych a dotacjami państwowymi oferowanymi przez Chiny, silne przywiązanie Europy do tradycyjnych zasad wolnego rynku stało się strategiczną wadą.

Ponieważ Europa ściśle egzekwuje ograniczenia dotyczące pomocy państwa na swoim terytorium i utrzymuje całkowicie otwarty system zamówień publicznych, w praktyce walczy z jedną ręką związaną za plecami. Podejście to prowadzi do impasu, gdy Europejczycy próbują budować na tak dużą skalę, kapitałochłonną infrastrukturę fizyczną niezbędną dla przemysłowej sztucznej inteligencji w ramach takich ograniczeń: od ich przedsiębiorstw oczekuje się konkurowania z zagranicznymi rywalami, którzy korzystają ze strukturalnych dotacji państwowych.

Zwykłe metody regulacji nie zdołają zniwelować tej luki. Aby sprostać wyzwaniom wynikającym z tych nierównych warunków na rynku globalnym, Europa powinna wprowadzić konkretne i niekonwencjonalne środki polityczne. Zamiast prowadzić politykę niekonkurencyjnego izolacjonizmu, powinna w pełni wykorzystać i rozszerzyć specjalistyczne narzędzia finansowania, takie jak Ważne Projekty Wspólnego Interesu Europejskiego (IPCEI).

Program ten pozwala państwom członkowskim na legalne ominięcie zwykłych ograniczeń dotyczących pomocy państwa przy publicznym finansowaniu przełomowej, transgranicznej infrastruktury technologicznej, ponieważ sam rynek nie jest w stanie jej zapewnić.

Ramy IPCEI, które już dowiodły swojej skuteczności we wspieraniu europejskich łańcuchów wartości w dziedzinie mikroelektroniki, chmury obliczeniowej i akumulatorów, powinny być teraz aktywnie wykorzystywane do tworzenia zjednoczonych konsorcjów przemysłowych „w stylu Airbusa” w zakresie sztucznej inteligencji i robotyki.

Ponadto Europa musi wprowadzić strategiczną politykę zamówień publicznych, która nada priorytet suwerennej lokalizacji danych i europejskiemu sprzętowi; poprzez wyraźne ukierunkowanie zamówień publicznych na technologie krajowe Europa będzie w stanie zapewnić, że jej duży rynek wewnętrzny będzie stanowił fundamentalną podstawę popytu niezbędną do rozwoju rodzimych branż zajmujących się fizyczną AI.

Strategiczne zalecenia dla suwerennej Europy

Musimy położyć kres historycznej fragmentacji zasobów technologicznych w Europie poprzez połączenie naszych środków finansowych w celu wsparcia zakrojonych na szeroką skalę inicjatyw badawczych i przemysłowych. Ponieważ istnieją udane przykłady, takie jak CERN i Airbus, powinniśmy stworzyć zakrojone na szeroką skalę przedsięwzięcia badawcze oraz przedsiębiorstwa przemysłowe zdolne do konkurowania na arenie międzynarodowej.

W rezultacie przejdziemy od posiadania kilku nieefektywnych, odizolowanych krajowych liderów do skoordynowanej strategii, która będzie w stanie dotrzymać kroku wielomiliardowym inwestycjom realizowanym w Stanach Zjednoczonych i Chinach.

Fragmentacja polityczna zazwyczaj hamuje postęp, ponieważ prestiż krajowy ma pierwszeństwo przed suwerennością na szczeblu UE. Wraz z wprowadzeniem ponadnarodowych list wyborczych do Parlamentu Europejskiego politycy będą zobowiązani do promowania szerszych, transgranicznych interesów technologicznych. Nowe układy bodźców politycznych pozwolą wówczas kandydatom wspierać cele przemysłowe na szczeblu UE, zamiast po prostu zabiegać o lokalne finansowanie i skupiać się na krajowych silosach.

Biorąc pod uwagę, że globalny przemysł sztucznej inteligencji jest w coraz większym stopniu podzielony między Stany Zjednoczone a Chiny, Europa powinna pozycjonować się jako suwerenna „trzecia droga” poprzez nawiązywanie strategicznych sojuszy międzynarodowych, zapewniając w ten sposób krajom neutralnym praktyczną alternatywę dla obecnego duopolu.

Ponieważ Europa stanowi rozproszoną sieć globalną, mogłaby połączyć kluczową infrastrukturę, zbiory danych i najlepsze talenty, aby zachować swoje wpływy w szybko konsolidującym się świecie technologicznym.

Musimy zniwelować lukę między naszymi światowej klasy badaniami naukowymi a ich komercyjnym wykorzystaniem, aby powstrzymać drenaż mózgów i zachęcić do innowacji. Musimy stworzyć paneuropejskie szkoły i akceleratory typu „pan- ”, aby zmniejszyć przepaść między nauką podstawową a przedsiębiorczością.

Jedynym sposobem na zapewnienie, że nasi najbardziej utalentowani ludzie pozostaną w Europie i będą wspierać wzrost gospodarczy, jest wyszkolenie nowego pokolenia innowatorów zdolnych do tworzenia organizacji na poziomie UE. Nawet jeśli polityka i rynki nie zjednoczą się, my – naukowcy i przedsiębiorcy – musimy nauczyć się działać na korzyść całej Europy. Ponadto musimy zadbać o wyszkolenie kolejnego pokolenia takich liderów.

Na tak rozdrobnionym rynku szybki wzrost jest utrudniony, ponieważ przedsiębiorstwa muszą poruszać się po 27 odrębnych środowiskach regulacyjnych i niepołączonych ze sobą kanałach zakupów publicznych. Prawdziwa integracja rynkowa będzie wymagała nie tylko harmonizacji rynków cyfrowych i finansowych, ale także energicznej, paneuropejskiej strategii w zakresie zamówień publicznych.

Sektor publiczny może pełnić rolę silnego klienta-kotwicy, wykorzystując łączną siłę nabywczą wszystkich 27 państw członkowskich w celu priorytetowego traktowania niezależnych europejskich rozwiązań w zakresie sztucznej inteligencji, robotyki i chmury obliczeniowej. Uproszczona i mająca zastosowanie ponad granicami polityka zamówień publicznych eliminuje regionalne tarcia na rynku, a jednocześnie zapewnia europejskim start-up’om jasną i przewidywalną skalę działalności, dając im podstawę komercyjną niezbędną do ekspansji w całej Unii i konkurowania w skali globalnej od samego początku.

Wizja na rok 2030

Praktyczna ocena europejskiej suwerenności technologicznej pokazuje, że przejście od roli przede wszystkim regulatora do roli prawdziwego gracza technologicznego nie nastąpi z dnia na dzień i nie da się go osiągnąć za pomocą wielkich deklaracji. Odbudowa potencjału przemysłowego, zapewnienie jedności na rynkach kapitałowych oraz stworzenie suwerennej infrastruktury obliczeniowej to wieloletni, strukturalny wysiłek. Jednak doświadczenia z okresu internetu konsumenckiego oraz pierwszej fali generatywnej sztucznej inteligencji jasno wskazują na jedną rzecz: nasze podejście musi ulec zmianie.

Podczas gdy Chiny aktywnie wspierają i chronią swój rynek krajowy, aby wykształcić światowych liderów, Europa błędnie polegała na regulacjach jako głównym instrumencie politycznym. Nie da się po prostu osiągnąć suwerenności technologicznej poprzez regulacje; w przeszłości czekanie z regulacją rynku do momentu jego dojrzałości zawsze oznaczało, że europejskie przedsiębiorstwa musiały opierać się na zagranicznych fundamentach, a nie na naszej własnej suwerennej infrastrukturze.

Rosnące tempo innowacji wymaga szybkiego działania, ponieważ postęp technologiczny przyspiesza w wyniku cykli kumulacyjnych. Sztuczna inteligencja przechodzi od samodzielnego oprogramowania i chatbotów konsumenckich do roli kluczowego elementu systemów fizycznych, robotyki, zaawansowanej produkcji i badań naukowych. W kolejnych fazach dostęp do najnowocześniejszych zdolności rozumowania oraz niezbędnej infrastruktury obliczeniowej będzie bezpośrednio decydował o konkurencyjności przemysłowej. Jeśli Europa będzie nadal całkowicie polegać na zewnętrznych pośrednikach w zakresie tej podstawowej infrastruktury, jej ugruntowane od dawna przewagi przemysłowe będą powoli zanikać od zewnątrz do wewnątrz.

Realistycznym celem na rok 2030 nie jest próba naśladowania platform konsumenckich z Doliny Krzemowej ani prześciganie innych krajów pod względem nakładów na uniwersalne modele językowe. Wymaga to raczej ukierunkowanego, praktycznego podejścia: wykorzystania obecnych europejskich możliwości w zakresie inżynierii przemysłowej, wiedzy specjalistycznej w dziedzinie automatyzacji oraz przemysłu wytwórczego o wysokiej wartości dodanej, ponieważ fizyczna i przemysłowa sztuczna inteligencja mają bezpośrednie i cenne zastosowania w tych obszarach.

Aby osiągnąć nawet ten stopień ukierunkowanej suwerenności, konieczne jest przełamanie wewnętrznych przeszkód, które w przeszłości doprowadziły do rozdrobnienia kontynentu. Państwa członkowskie powinny wyjść poza odrębne projekty krajowe napędzane narodową próżnością i zamiast tego połączyć swoją moc obliczeniową, zbiory danych oraz kapitał w prawdziwe konsorcja transgraniczne.

Przemiana ta będzie wymagała lat konsekwentnych działań – obejmie to dostosowanie ram regulacyjnych w celu umożliwienia skalowania, zapewnienie europejskim naukowcom dostępu do zasobów obliczeniowych oraz integrację rynków kapitałowych. Działania należy rozpocząć natychmiast, czerpiąc z cennych doświadczeń poprzednich rewolucji technologicznych, aby zapewnić Europie silną pozycję w krajobrazie technologicznym w 2030 roku.

Piotr Sankowski, dyrektor Instytut IDEAS