Altman chciałby obniżyć pięcioletni koszt gigawata mocy dla AI z orientacyjnych 70 do 20 mld dolarów. Wskazał na tańszą energię, układy scalone i inne elementy łańcucha dostaw, a także oczekiwanie dziesięciokrotnie lepszej wydajności dzięki coraz inteligentniejszym modelom.[18][25] To cel, a nie ogłoszony budżet, za...
Opublikowane przezEdytowane za pomocą GPT-6 LunaObrazy wygenerowane za pomocą GPT Image 2
Research answer

Create a landscape editorial hero image for this Studio Global article: What did OpenAI CEO Sam Altman say on Stripe co-founder John Collison’s Cheeky Pint podcast, listed as published October 29, 2026, about red. Article summary: Altman’s central point was that he wants the five-year cost of building and operating one gigawatt of leading-edge AI capacity to fall from roughly $70 billion to $20 billion, with energy, chips and the wider supply chai. Topic tags: general, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fa
W podcaście Cheeky Pint, prowadzonym przez współzałożyciela Stripe Johna Collisona, Sam Altman przedstawił ambitny cel dotyczący kosztów infrastruktury AI. Chciałby, aby pięcioletni koszt posiadania jednego gigawata mocy obliczeniowej spadł z orientacyjnych 70 mld do 20 mld dolarów. Zastrzegł przy tym, że w branży padają różne szacunki. Kwota 20 mld dolarów to cel — nie ogłoszony budżet OpenAI, zatwierdzony plan budowy ani termin jego realizacji.3
25
Altman posłużył się kwotą 70 mld dolarów jako przykładem pięcioletniego całkowitego kosztu posiadania gigawata mocy dla zaawansowanych systemów AI. Następnie powiedział, że branża powinna być znacznie bardziej zadowolona, gdyby udało się obniżyć tę kwotę do 20 mld. W rozmowie zaznaczono, że szacunki są różne — nie należy więc traktować tej liczby jako uniwersalnej ceny każdego centrum danych czy projektu.3
25
Różnica między tymi kwotami wynosi około 71 proc. To jednak porównanie orientacyjnego kosztu obecnego z pożądanym kosztem w przyszłości. Nie oznacza, że wycenę któregoś z istniejących projektów już zmieniono ani że OpenAI zobowiązało się budować infrastrukturę po 20 mld dolarów za gigawat.25
Altman wskazał na tańszą energię, układy scalone oraz pozostałe elementy łańcucha dostaw. W tej samej rozmowie mówił, że branża powinna nadal oczekiwać dziesięciokrotnie lepszej wydajności każdego roku dzięki inteligentniejszym modelom.18
25
W jego ujęciu cel wymaga więc zarówno tańszej infrastruktury, jak i większej wydajności systemów, które z niej korzystają. Dostępne fragmenty rozmowy nie określają, kiedy udałoby się osiągnąć taką redukcję kosztów ani o ile musiałaby potanieć każda z wymienionych składowych.3
18
Altman powiedział, że OpenAI uczy się budować własne centra danych i ma program robotyczny, który firma planuje wykorzystać do budowy kolejnych obiektów.1 Serwis The Next Web poinformował, że Altman powiązał perspektywę samopowielających się centrów danych z możliwością uzyskiwania znacznie tańszej mocy obliczeniowej.
7
Są to wypowiedzi o kierunku prac i możliwym rozwiązaniu, a nie potwierdzony harmonogram budowy obiektów przez roboty ani dowód, że robotyka pozwoli osiągnąć cel 20 mld dolarów. Dostępne materiały nie wyjaśniają też, jak firma miałaby poradzić sobie z pozwoleniami, dostępnością sprzętu i innymi ograniczeniami procesu budowlanego.1
7
Analityk rynku półprzewodników Dylan Patel przedstawił odrębne szacunki. Według niego budowa gigawata mocy dla centrum danych AI podrożała z około 40 mld dolarów w 2024 r. do ponad 60 mld, a bez marż firm projektujących układy koszt byłby bliższy 20 mld dolarów.28 To przydatny kontekst, ale nie bezpośrednie porównanie z pięcioletnim całkowitym kosztem posiadania, o którym mówił Altman. Zakres tych wyliczeń jest różny, więc nie należy traktować ich jako konkurencyjnych pomiarów tego samego kosztu.
3
28
Altman porównał dawny model biznesowy producentów pamięci DRAM — 20 mld dolarów nakładów inwestycyjnych, by uzyskać 19 mld dolarów przychodu — z prognozą, że każdy z producentów pamięci może generować około 100 mld dolarów wolnych przepływów pieniężnych rocznie.1
18 To różne miary finansowe, a nie bezpośrednie porównanie zysku czy marży.
W osobnym materiale dotyczącym rozmowy napisano, że Altman uważa doświadczenia z wcześniejszymi spadkami na rynku za jeden z powodów, dla których producenci mogą niechętnie zwiększać moce wytwórcze nawet w czasie niedoborów.24 Te uwagi pozwalają lepiej zrozumieć możliwe ograniczenia podaży, ale nie mówią, jaka część kwot 70 i 20 mld dolarów przypada na pamięć.
Główna myśl Altmana jest taka, że wraz z rozwojem branży infrastruktura AI musi tanieć. Kwota 70 mld dolarów była orientacyjnym pięcioletnim kosztem gigawata, a 20 mld — poziomem, do którego chciałby dążyć. Wśród sposobów wymienił tańszą energię, układy scalone i komponenty łańcucha dostaw, a także poprawę wydajności modeli. Podane kwoty pozostają jednak szacunkami, a cel — celem, nie opublikowanym budżetem budowy OpenAI ani harmonogramem inwestycji.3
18
25
Studio Global AI
This page includes a source-backed answer you can continue inside Studio Global.
Altman chciałby obniżyć pięcioletni koszt gigawata mocy dla AI z orientacyjnych 70 do 20 mld dolarów.
Altman chciałby obniżyć pięcioletni koszt gigawata mocy dla AI z orientacyjnych 70 do 20 mld dolarów. Wskazał na tańszą energię, układy scalone i inne elementy łańcucha dostaw, a także oczekiwanie dziesięciokrotnie lepszej wydajności dzięki coraz inteligentniejszym modelom.[18][25]
To cel, a nie ogłoszony budżet, zatwierdzony plan budowy czy harmonogram OpenAI.
Altman chciałby obniżyć pięcioletni koszt gigawata mocy dla AI z orientacyjnych 70 do 20 mld dolarów. Wskazał na tańszą energię, układy scalone i inne elementy łańcucha dostaw, a także oczekiwanie dziesięciokrotnie lepszej wydajności dzięki coraz inteligentniejszym modelom.[18][25] To cel, a nie ogłoszony budżet, za...
Opublikowane przezEdytowane za pomocą GPT-6 LunaObrazy wygenerowane za pomocą GPT Image 2
Research answer

Create a landscape editorial hero image for this Studio Global article: What did OpenAI CEO Sam Altman say on Stripe co-founder John Collison’s Cheeky Pint podcast, listed as published October 29, 2026, about red. Article summary: Altman’s central point was that he wants the five-year cost of building and operating one gigawatt of leading-edge AI capacity to fall from roughly $70 billion to $20 billion, with energy, chips and the wider supply chai. Topic tags: general, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fa
W podcaście Cheeky Pint, prowadzonym przez współzałożyciela Stripe Johna Collisona, Sam Altman przedstawił ambitny cel dotyczący kosztów infrastruktury AI. Chciałby, aby pięcioletni koszt posiadania jednego gigawata mocy obliczeniowej spadł z orientacyjnych 70 mld do 20 mld dolarów. Zastrzegł przy tym, że w branży padają różne szacunki. Kwota 20 mld dolarów to cel — nie ogłoszony budżet OpenAI, zatwierdzony plan budowy ani termin jego realizacji.3
25
Altman posłużył się kwotą 70 mld dolarów jako przykładem pięcioletniego całkowitego kosztu posiadania gigawata mocy dla zaawansowanych systemów AI. Następnie powiedział, że branża powinna być znacznie bardziej zadowolona, gdyby udało się obniżyć tę kwotę do 20 mld. W rozmowie zaznaczono, że szacunki są różne — nie należy więc traktować tej liczby jako uniwersalnej ceny każdego centrum danych czy projektu.3
25
Różnica między tymi kwotami wynosi około 71 proc. To jednak porównanie orientacyjnego kosztu obecnego z pożądanym kosztem w przyszłości. Nie oznacza, że wycenę któregoś z istniejących projektów już zmieniono ani że OpenAI zobowiązało się budować infrastrukturę po 20 mld dolarów za gigawat.25
Altman wskazał na tańszą energię, układy scalone oraz pozostałe elementy łańcucha dostaw. W tej samej rozmowie mówił, że branża powinna nadal oczekiwać dziesięciokrotnie lepszej wydajności każdego roku dzięki inteligentniejszym modelom.18
25
W jego ujęciu cel wymaga więc zarówno tańszej infrastruktury, jak i większej wydajności systemów, które z niej korzystają. Dostępne fragmenty rozmowy nie określają, kiedy udałoby się osiągnąć taką redukcję kosztów ani o ile musiałaby potanieć każda z wymienionych składowych.3
18
Altman powiedział, że OpenAI uczy się budować własne centra danych i ma program robotyczny, który firma planuje wykorzystać do budowy kolejnych obiektów.1 Serwis The Next Web poinformował, że Altman powiązał perspektywę samopowielających się centrów danych z możliwością uzyskiwania znacznie tańszej mocy obliczeniowej.
7
Są to wypowiedzi o kierunku prac i możliwym rozwiązaniu, a nie potwierdzony harmonogram budowy obiektów przez roboty ani dowód, że robotyka pozwoli osiągnąć cel 20 mld dolarów. Dostępne materiały nie wyjaśniają też, jak firma miałaby poradzić sobie z pozwoleniami, dostępnością sprzętu i innymi ograniczeniami procesu budowlanego.1
7
Analityk rynku półprzewodników Dylan Patel przedstawił odrębne szacunki. Według niego budowa gigawata mocy dla centrum danych AI podrożała z około 40 mld dolarów w 2024 r. do ponad 60 mld, a bez marż firm projektujących układy koszt byłby bliższy 20 mld dolarów.28 To przydatny kontekst, ale nie bezpośrednie porównanie z pięcioletnim całkowitym kosztem posiadania, o którym mówił Altman. Zakres tych wyliczeń jest różny, więc nie należy traktować ich jako konkurencyjnych pomiarów tego samego kosztu.
3
28
Altman porównał dawny model biznesowy producentów pamięci DRAM — 20 mld dolarów nakładów inwestycyjnych, by uzyskać 19 mld dolarów przychodu — z prognozą, że każdy z producentów pamięci może generować około 100 mld dolarów wolnych przepływów pieniężnych rocznie.1
18 To różne miary finansowe, a nie bezpośrednie porównanie zysku czy marży.
W osobnym materiale dotyczącym rozmowy napisano, że Altman uważa doświadczenia z wcześniejszymi spadkami na rynku za jeden z powodów, dla których producenci mogą niechętnie zwiększać moce wytwórcze nawet w czasie niedoborów.24 Te uwagi pozwalają lepiej zrozumieć możliwe ograniczenia podaży, ale nie mówią, jaka część kwot 70 i 20 mld dolarów przypada na pamięć.
Główna myśl Altmana jest taka, że wraz z rozwojem branży infrastruktura AI musi tanieć. Kwota 70 mld dolarów była orientacyjnym pięcioletnim kosztem gigawata, a 20 mld — poziomem, do którego chciałby dążyć. Wśród sposobów wymienił tańszą energię, układy scalone i komponenty łańcucha dostaw, a także poprawę wydajności modeli. Podane kwoty pozostają jednak szacunkami, a cel — celem, nie opublikowanym budżetem budowy OpenAI ani harmonogramem inwestycji.3
18
25
Studio Global AI
This page includes a source-backed answer you can continue inside Studio Global.
Altman chciałby obniżyć pięcioletni koszt gigawata mocy dla AI z orientacyjnych 70 do 20 mld dolarów.
Altman chciałby obniżyć pięcioletni koszt gigawata mocy dla AI z orientacyjnych 70 do 20 mld dolarów. Wskazał na tańszą energię, układy scalone i inne elementy łańcucha dostaw, a także oczekiwanie dziesięciokrotnie lepszej wydajności dzięki coraz inteligentniejszym modelom.[18][25]
To cel, a nie ogłoszony budżet, zatwierdzony plan budowy czy harmonogram OpenAI.