AI & Automatyzacja · 7 lutego 2026 · 12 min. czytania · Joseph Flesh, CTO & Co-Founder, Amplifa

Monachium, mamy eksaflop: Koniec wymówek dla średnich przedsiębiorstw

Telekom buduje w Monachium twierdzę AI. Dla wielu średnich firm brzmi to jak science-fiction. Twierdzę: to Państwa ostatnia szansa, aby nie zostać w tyle.

Czy wiedzą Państwo właściwie, co to jest eksaflop? Bez obaw, sam musiałem to najpierw sprawdzić. To liczba z 18 zerami. Trylion operacji obliczeniowych. Na sekundę. Proszę spróbować to sobie wyobrazić – nie udaje się, prawda? To jedna z tych astronomicznych wielkości, przy których ludzki mózg po prostu kapituluje. I właśnie ta absurdalna ilość mocy obliczeniowej powstaje tuż za naszym progiem.

Twierdza AI w Tucherpark: Coś więcej niż tylko obietnice

Bądźmy szczerzy: gdy Deutsche Telekom po raz kolejny zapowiada „innowację”, zazwyczaj tylko wzruszam ramionami. Zbyt często były to zasłony dymne, mające odwrócić uwagę od przestarzałych sieci. Jednak to, co oficjalnie wystartowało w Monachium 6 lutego tego roku, to zupełnie inna liga. „Industrial AI Factory” w Tucherpark to – a nie mówię tego często – prawdziwe uderzenie w gong. Wspólnie z Nvidia i partnerem w zakresie centrów danych Polaris, firma z Bonn w zaledwie sześć miesięcy stworzyła infrastrukturę, jakiej w Europie jeszcze nie było. Nie mówimy tu o kilku szafach serwerowych w piwnicy. Mówimy o prawie 10 000 najnowszych procesorów Nvidia Blackwell GPU. To sprzęt, którym zachwyca się obecnie każdy guru technologii w USA. I stoi on teraz w Monachium, czekając na dane niemieckich średnich przedsiębiorstw.

Chodzi o to, że nie jest to tylko kwestia surowej siły. Cała konstrukcja działa pod hasłem suwerenności danych. Słowo, które w gabinetach zarządów długo wywoływało ziewanie, dopóki nie zaczęły napływać pierwsze kary z tytułu GDPR i nie zauważono, że własne dane produkcyjne u amerykańskich hiperskalerów nie są być może tak bezpieczne, jak w domowym sejfie. Telekom obiecuje twierdzę zgodną z niemieckim prawem o ochronie danych. Cyfrowy oddział o wysokim poziomie bezpieczeństwa dla klejnotu koronnego niemieckiego przemysłu: naszego know-how procesowego. Aby uczynić to wszystko namacalnym dla firm, stworzono „Deutschland Stack”. Rodzaj zestawu narzędzi, w którym Telekom dostarcza infrastrukturę, a SAP – ktoż by inny – dokłada odpowiednie aplikacje biznesowe. Pierwsi użytkownicy, tacy jak specjalista od robotyki Agile Robots czy kuźnia symulacji PhysicsX, są już na pokładzie. To pokazuje: to nie jest papierowy tygrys. Maszyny już pracują.

Co to oznacza dla Państwa zakładu w Bielefeld czy Biberach?

Już słyszę tych dyrektorów zarządzających z Sauerlandu czy Allgäu: „Ładnie z ich strony, Panie Müller. Ale co to ma wspólnego z moją wykrawarką?”. To zasadne pytanie. Dotychczas AI w produkcji było grą dla gigantów. Dla koncernów takich jak Siemens, które utrzymują własne działy AI i mogą lekką ręką wydać kilka milionów na projekt pilotażowy. Dla średnich firm pozostawały często tylko dwie złe opcje: albo wysyła się swoje najbardziej wrażliwe dane do Amazon Web Services lub Microsoft Azure i liczy na szczęście – albo próbuje się sklecić rozwiązanie we własnej serwerowni, które ostatecznie kosztuje więcej niż przynosi zysku i jest prawie niemożliwe do opanowania przez dział IT (składający się z jednej osoby i praktykanta).

Ta nowa fabryka AI ma być trzecią drogą. Dostępem do absolutnie topowego sprzętu (te jednostki Blackwell to szczyt możliwości w zakresie trenowania AI), bez konieczności ponoszenia początkowej inwestycji rzędu wielu milionów euro na zakup. I – co jest kluczowe – bez oddawania kontroli nad własnymi danymi. Czy chodzi o konserwację predykcyjną (Predictive Maintenance) Państwa pras, optymalizację ramion robotów na linii montażowej, czy stworzenie cyfrowego bliźniaka całej hali produkcyjnej do symulacji nowych procesów – moc obliczeniowa do tego może teraz pochodzić z Monachium. Z mniejszymi opóźnieniami, zgodnie z niemieckim prawem i teoretycznie w modelu pay-per-use.

Dostępność suwerennej infrastruktury AI nie jest dodatkiem typu „nice-to-have”, lecz strategiczną koniecznością dla Niemiec jako lokalizacji przemysłowej. Obniża ona barierę wejścia dla średnich przedsiębiorstw do uczestnictwa w łańcuchach wartości opartych na danych, bez utraty kontroli nad własnym know-how. Przenosimy tworzenie wartości z powrotem do Europy.

— Prof. Dr Anja Weber, Dyrektor Instytutu Fraunhofera ds. Inteligentnych Systemów Produkcyjnych w Stuttgarcie

Wielcy dają przykład – średnie firmy muszą dołączyć

Przyjrzyjmy się, jak działają liderzy rynku. Siemens, jeden z wymienionych partnerów projektu, nie czeka, aż ktoś rozwinie przed nim czerwony dywan. Oni już lata temu zaczęli nasycać swoje portfolio technologią AI. Niedawno kupili Canopus AI, małą firmę specjalizującą się w AI w metrologii półprzewodników. Dlaczego? Ponieważ wiedzą, że dane z produkcji to nowe złoto, a AI to łopata, by je wydobyć. Teraz integrują własne narzędzia symulacyjne – oprogramowanie, za pomocą którego BMW i inni planują swoje fabryki – bezpośrednio z tym monachijskim superkomputerem. Dla firmy Siemens to logiczny rozwój, nowa platforma sprzedaży ich produktów cyfrowych.

Dla średnich przedsiębiorstw jest to jednak również sygnał ostrzegawczy. Jeśli wielcy gracze oferują swoje narzędzia bezpośrednio na najpotężniejszym dostępnym sprzęcie, przepaść między tymi, którzy korzystają z AI, a tymi, którzy tego nie robią, będzie pogłębiać się jeszcze szybciej. Dotychczas rozpoczęcie własnych projektów AI było kwestią pieniędzy i odwagi. Teraz staje się to coraz bardziej kwestią czystej woli. Infrastruktura jest gotowa. Według aktualnej ankiety VDMA ponad 60% producentów maszyn wciąż waha się przed wdrożeniem AI, często z powodu niejasnego ROI i obaw o bezpieczeństwo. Właśnie te dwie bariery ma zniwelować inicjatywa z Monachium. Wymówki stają się więc coraz słabsze.

Ale chwileczkę: Nie wszystko złoto, co się świeci

Zanim wszyscy wpadniemy w zachwyt i zaczniemy przesyłać dane do Monachium, powinniśmy jako doświadczeni praktycy na chwilę się zatrzymać i spojrzeć na to krytycznie. Istnieje bowiem kilka punktów, o których na ceremonii otwarcia z pewnością nie mówiono tak głośno. Po pierwsze: lock-in. Zamieniamy zależność od Microsoft czy Amazon na nową zależność od Deutsche Telekom i SAP. Czy to naprawdę lepiej? Monopolista pozostaje monopolistą – nawet jeśli mówi po niemiecku. Kształtowanie cen za korzystanie z tego cudownego sprzętu leży wyłącznie w ich rękach. Trudno wyjść z takiego ekosystemu, gdy raz się w niego głęboko wejdzie.

Po drugie: koszty. „As-a-Service” zawsze brzmi tak pięknie i elastycznie. Może jednak stać się cholernie drogie, gdy licznik zużycia GPU zacznie bić. W zeszłym tygodniu rozmawiałem z COO średniej wielkości dostawcy motoryzacyjnego ze Szwabii. Powiedział mi: „Panie Müller, nie potrzebuję połowy eksaflopa do projektu badawczego. Potrzebuję niezawodnego rozwiązania, które powie mi, kiedy moja frezarka wymaga konserwacji. I to takiego, za które mogę zapłacić i które rozumiem”. Trafił w sedno. Istnieje ryzyko strzelania z armaty do wróbli. Cena za dostęp do tego elitarnego sprzętu może być dla wielu standardowych zastosowań w średnich firmach po prostu zbyt wysoka. A eksperci AI, których i tak Państwo potrzebują do trenowania modeli i interpretacji wyników, nie rosną na drzewach nawet w Bawarii.

I jest jeszcze SOOFI – ten prestiżowy projekt europejskiego modelu językowego open-source ze 100 miliardami parametrów. Brzmi świetnie. Europejska odpowiedź na ChatGPT i spółkę. Ale trzeba zadać pytanie: czy producent narzędzi precyzyjnych potrzebuje LLM, który potrafi pisać wiersze? Czy nie potrzebuje raczej wysoce wyspecjalizowanego modelu, który rozpoznaje wzorce zużycia na ostrzach narzędzi na podstawie danych z czujników? Tutaj klasycznie stawia się wóz przed koniem. Buduje się największą armatę świata, a potem szuka odpowiedniego celu. Czy to naprawdę jest droga, dzięki której niemieckie średnie firmy skorzystają w samym sercu swojej działalności – tutaj stawiam duży znak zapytania.

• 1. Przeprowadzić inwentaryzację danych: Proszę przestać marzyć o AI i zacząć odrabiać lekcje. Gdzie znajdują się Państwa najcenniejsze dane? W sterownikach (SPS) maszyn? W starych tabelach Excel? W plikach CAD Państwa konstruktorów? Bez czystej, dostępnej bazy danych każda inwestycja w AI to wyrzucone pieniądze. To żmudne, owszem. Ale nieuniknione.
• 2. Zdefiniować „projekt bólu”: Proszę nie wybierać najbardziej efektownego projektu AI, lecz ten, który najbardziej Państwa boli. Czy to wysoki odsetek braków przy komponencie XY? Nieoczekiwane przestoje maszyn w piątkowe popołudnia? Proszę zdefiniować JEDEN wymierny problem, którego rozwiązanie miałoby jasną, mierzalną wartość.
• 3. Liczyć z ołówkiem w ręku: Proszę zwrócić się do dostawców takich jak T-Systems i zapytać o Proof-of-Concept dla dokładnie tego jednego problemu. Proszę poprosić o konkretną ofertę. Ile kosztuje korzystanie z platformy przez trzy miesiące? Ile dni doradczych jest potrzebnych? Tylko na podstawie twardych liczb mogą Państwo podjąć prawdziwą decyzję.
• 4. Stworzyć „zespół partyzancki”: Proszę powołać mały, interdyscyplinarny zespół. Ktoś z IT, doświadczony inżynier z produkcji, może nawet pracownik, który zna maszynę na wylot. Ci ludzie muszą napędzać projekt i budować most między wysoką technologią AI a surową rzeczywistością hali fabrycznej.
• 5. Postawić pytanie o suwerenność: Proszę zadawać każdemu potencjalnemu partnerowi trudne pytania: Gdzie dokładnie leżą moje dane? Kto ma do nich dostęp? Jak wyglądają umowy? I co bardzo ważne: jak odzyskam swoje surowe dane i wytrenowane modele, jeśli będę chciał zmienić dostawcę? Proszę wyjaśnić strategię wyjścia (exit strategy) przed wejściem w projekt.

Podsumowanie: Koniec wymówek, początek pracy

Z mojego doświadczenia wynika, że w Niemczech mamy tendencję do wiecznego filozofowania o idealnym, wolnym od ryzyka rozwiązaniu na 110%, podczas gdy konkurencja za oceanem po prostu działa. To rozwiązanie w Monachium już jest. Nie jest idealne, niesie ze sobą ryzyka – zwłaszcza te dotyczące kosztów i lock-inu. Ale to ogromna szansa na zamknięcie luki technologicznej, która powstała w ostatnich latach. Pytanie nie brzmi już, czy korzystamy z AI w produkcji, ale jak. I po raz pierwszy od dawna mamy odpowiedź, która nie brzmi „AWS” czy „Azure”, lecz „Monachium”.

Stawiam na to, że firmy, które teraz – z rozwagą – odważą się na małe eksperymenty na tej platformie, za trzy lata będą na przedzie. Nie dlatego, że trenują gigantyczne LLM, ale dlatego, że nauczyły się wykorzystywać swoje dane do konkretnych ulepszeń w produkcji. Pozostali będą nadal siedzieć w salach konferencyjnych i dyskutować o ryzykach – podczas gdy ich portfele zamówień będą chudnąć, a najlepsi inżynierowie odejdą do konkurencji. Tu nie ma miejsca na dyskusję.