W globalnym wyścigu zbrojeń w dziedzinie sztucznej inteligencji rola polskich firm nie musi ograniczać się do roli obserwatorów – bez szans na dogonienie czołówki, której przewodzą amerykańscy giganci chmurowi. Wręcz przeciwnie, nasza lokalna specyfika, łącząca inżynierski pragmatyzm z potrzebą niezależności, wyznacza alternatywną ścieżkę wdrażania AI. To ścieżka suwerenna, bezpieczna i – jak pokazują przykłady czołowych polskich marek technologicznych – efektywna biznesowo.
Nieustannie słyszymy dziś o konieczności natychmiastowej transformacji, a wdrażanie sztucznej inteligencji stało się twardą koniecznością biznesową. Jednak w polskich realiach budżety są oglądane z każdej strony, a decyzje podejmowane ostrożnie – z obawy przed wysokimi kosztami infrastruktury.
Adam Tomczak, Territory Development Executive CEE w AMD, zwraca uwagę na często pomijany aspekt: koszt alternatywny – „Za bardzo skupiamy się na bezpośrednich kosztach wdrożenia, nie zauważając, jak szybko globalny peleton nam się wymyka. Dzięki otwartemu oprogramowaniu oraz silnikom AI w formie np. NPU w komputerach próg wejścia na ścieżkę technologiczną wykorzystującą AI jest bardzo niski.” Innymi słowy, bierność nie oznacza dziś stania w miejscu – oznacza cofanie się.
Podążanie za globalnymi trendami bez uwzględnienia lokalnego kontekstu może prowadzić do kosztownych błędów decyzyjnych. Polscy liderzy technologiczni udowadniają jednak, że sukces w AI nie zależy od tego, jak szybko kupimy i wprowadzimy najdroższe rozwiązania, ale od tego, jak mądrze zaprojektujemy fundamenty technologicznej niezależności.
Za bardzo skupiamy się na bezpośrednich kosztach wdrożenia, nie zauważając, jak szybko globalny peleton nam się wymyka. Dzięki otwartemu oprogramowaniu oraz silnikom AI w formie np. NPU w komputerach próg wejścia na ścieżkę technologiczną wykorzystującą AI jest bardzo niski – Adam Tomczak, Territory Development Executive CEE w AMD
Jak uniknąć pułapki uzależnienia od jednego dostawcy (ang. vendor lock-in), zachować kontrolę nad danymi i zbudować infrastrukturę, która może pomóc zarobić na swoje utrzymanie? Na przykładzie firm Atman i Comarch wyodrębniliśmy kluczowe wskazówki dla każdego polskiego CIO i CTO planującego inwestycję w AI.
1. Nie oddawaj „kluczy do królestwa”
W debacie o AI dominuje narracja narzucana przez największych dostawców chmury publicznej i zamkniętych ekosystemów sprzętowych. Ich główna obietnica to łatwość wdrożenia i dostępność zasobów na wyciągnięcie ręki. Druga strona medalu to uzależnienie się od ich technologii, cenników i planów rozwojowych. To klasyczna definicja vendor lock-inu, gdy koszt zmiany dostawcy staje się zaporowy, a firma traci suwerenność technologiczną.
Biznes, szczególnie w sektorach regulowanych czy operujących na danych wrażliwych, nie może sobie na takie ryzyko pozwolić.
Adam Tomczak stawia sprawę jasno – „Przestrzegałbym przed chodzeniem na skróty poprzez stosowanie tylko jednej technologii, aby uniknąć sytuacji, w której jest się przywiązanym tylko do jednego dostawcy. Wykorzystanie otwartych standardów i powszechnie akceptowanych architektur pozwala zminimalizować ryzyko tzw. vendor lock-in”.
Dlaczego otwartość się opłaca? Strategia oparta na otwartych standardach, na przykład wykorzystanie platformy software AMD ROCm™ w kontrze do zamkniętych bibliotek konkurencji to nie tylko kwestia ideologiczna, ale też ekonomiczna.
Otwarty standard może pomóc w zakresie:
- bezpieczeństwa kosztowego – unikasz monopolu cenowego jednego dostawcy,
- innowacyjności – korzystasz z dorobku globalnej społeczności open source, która ma ogromny wkład w optymalizację algorytmów (a to może kilkakrotnie przyspieszyć obliczenia bez konieczności dokupowania sprzętu),
- suwerenności danych – środowiska on-premise lub hybrydowe, budowane na otwartych rozwiązaniach, pozwalają zachować pełną kontrolę nad tym, gdzie i jak przetwarzane są twoje dane.
Dążenie do suwerenności w kontekście AI to już wyraźny trend globalny, czego przykładem są najnowsze systemy superkomputerowe budowane na rozwiązaniach AMD w różnych miejscach globu. Francuski superkomputer Alice Recoque czy amerykańskie Lux i Discovery są projektowane tak, by zapewnić niezależność w trenowaniu modeli sztucznej inteligencji.
Polski rynek IT, ze swoim silnym sektorem integratorskim, jest dobrze przygotowany do budowania takich szytych na miarę, niezależnych środowisk. Zamiast kupować produkty zamknięte od globalnych gigantów polskie firmy mogą budować własne „fabryki AI”, korzystając z wiedzy lokalnych partnerów, którzy rozumieją mentalność i specyfikę tutejszego biznesu.
2. Oczekuj elastyczności zamiast „gotowców”
Przed nastaniem GenAI standardem było kupowanie gotowych konfiguracji serwerowych od dużych dystrybutorów. Jednak w dobie sztucznej inteligencji, gdzie wymagania poszczególnych modeli się różnią, podejście „one size fits all” przestało działać.
Przykładem transformacji w tym obszarze jest Atman – jeden z najważniejszych graczy na polskim rynku centrów danych. Firma stanęła przed wyzwaniem: jej klienci, szukający infrastruktury pod zaawansowane obliczenia, przestali akceptować „sztywne” pakiety sprzętowe. Potrzebowali rozwiązań dopasowanych pod kątem pamięci czy liczby rdzeni w serwerze.
Grzegorz Modras, Presales Team Manager w Atmanie, wskazuje na problem, z którym boryka się wiele polskich firm IT: współpraca z pośrednikami ograniczała innowacyjność – „Wcześniej kupowaliśmy serwery od lokalnego dystrybutora, ale to oznaczało, że byliśmy ograniczeni do standardowych konfiguracji sprzętowych. Istniało ryzyko, że opóźnienia i brak elastyczności wpłyną na jakość usług dla naszych klientów”.
Aby sprostać temu wyzwaniu Atman zdecydował się podjąć bezpośrednią współpracę z producentem – Lenovo (duża w tym zasługa platform serwerowych Lenovo, zasilanych układami AMD EPYC™ – zyskały największe uznanie inżynierów Atmana spośród konfiguracji różnych dostawców).
Co zyskał Atman dzięki tej współpracy?
- zwinność sprzętową – możliwość budowy serwerów idealnie dopasowanych do wymogów klientów. Zamiast wybierać z katalogu, Atman może konfigurować maszyny dokładnie pod specyficzne obciążenia.
- dostęp do innowacji – status Lenovo Cloud Service Providera dał polskiej firmie dostęp do nowinek technologicznych w Lenovo Innovation Center w Stuttgarcie, zanim trafią one na szeroki rynek.
- stabilność łańcucha dostaw – duże globalne zapotrzebowanie na GPU i CPU może powodować problemy z ich dostępnością. Bezpośrednia relacja z producentem gwarantuje przewidywalność dostaw i jest podstawą ciągłości biznesowej.
Jaki z tego wniosek dla polskiego przedsiębiorstwa? Twoja infrastruktura AI musi być tak elastyczna, jak twój model biznesowy. Jeśli dostawca mówi „nie da się”, to znaczy, że rozmawiasz z niewłaściwym partnerem. Atman udowadnia, że polska firma może wymagać i otrzymywać rozwiązania klasy enterprise w pełni dostosowane do swoich potrzeb.
3. Wydajność to realne pieniądze
Trzecia wskazówka dotyczy tego, co w AI jest walutą ostateczną: czasu. W erze Big Data i AI czas przetwarzania zapytania to być albo nie być na rynku. Szczególnie widać to w branży telekomunikacyjnej, która mierzy się z bezprecedensową eksplozją danych.
Comarch, jedna z największych w Polsce i Europie firm IT, stanęła przed wyzwaniem modernizacji platformy analitycznej dla dużego operatora telekomunikacyjnego na Starym Kontynencie. A trzeba przypomnieć, że operatorzy telekomunikacyjni działają w środowisku wysoce konkurencyjnym. Aby skutecznie rywalizować, muszą podejmować decyzje na podstawie danych w czasie rzeczywistym. Tymczasem tradycyjna infrastruktura dławiła się pod naporem terabajtów informacji.
Jak przetwarzać rosnące wolumeny danych bez geometrycznego wzrostu kosztów i zajmowanej powierzchni w Data Center? Comarch postawił na zagęszczenie mocy – wybór padł na serwery napędzane procesorami AMD EPYC™.
A oto rezultaty:
- radykalna poprawa wydajności – czas odpowiedzi na złożone zapytania analityczne Big Data skrócił się z 6 minut do zaledwie 30 sekund. To nie jest ewolucja – to rewolucja w komforcie pracy analityków i szybkości podejmowania decyzji biznesowych.
- liniowa skalowalność – testy Comarchu wykazały, że nowa architektura pozwala na liniowe skalowanie wydajności wraz z dodawaniem kolejnych dysków NVMe. Dzięki temu klient nie zderzy się ze ścianą przy dalszym wzroście wolumenu danych.
- prywatna chmura – dzięki odpowiedniej liczbie rdzeni i obsłudze do 4TB pamięci RAM jeden serwer może obsługiwać więcej maszyn wirtualnych niż rozwiązania konkurencji, tworząc wydajną „prywatną chmurę” dla operacji wewnętrznych.
Inwestycja w nowoczesną, wielordzeniową architekturę zwraca się w postaci drastycznego skrócenia czasu operacji.
Przykład Comarchu ilustruje szersze zjawisko: konwergencję świata obliczeń wysokiej wydajności (HPC) i AI. Granica między analityką danych a sztuczną inteligencją zaciera się, a infrastruktura musi obsługiwać oba te światy bez kompromisów w wydajności. Co więcej, musi to robić po akceptowalnych kosztach. Dość wspomnieć, że rozwiązania AMD napędzają obecnie 26 z 50 najbardziej efektywnych energetycznie superkomputerów na liście Green500. Dla polskiego biznesu to sygnał: wysoka wydajność nie musi oznaczać drenowania budżetu przez rachunki za prąd.
Polska droga do AI – podsumowanie
Polskie przedsiębiorstwa stoją przed historyczną szansą. Nie muszą kopiować modeli z Doliny Krzemowej, które często opierają się na nieograniczonych budżetach. Siłą lokalnego biznesu jest inżynierskie podejście do problemu: szukanie rozwiązań optymalnych, bezpiecznych i skalowalnych.
Trzy lekcje od technologicznych liderów w swoich sektorach – AMD, Atmana i Comarchu – układają się w spójną strategię:
- Buduj suwerennie. Unikaj vendor lock-in, stawiając na otwarte standardy i architekturę, która zapewni ci w przyszłości wolność wyboru technologii.
- Oczekuj elastycznego podejścia. Nie akceptuj sztywno narzuconych ram. Współpracuj z partnerami, którzy potrafią dostosować sprzęt do twoich unikatowych potrzeb.
- Inwestuj w moc obliczeniową. Właściwe rozwiązanie IT potrafi zamienić minuty oczekiwania w sekundy działania.
„Świat nie będzie na nas czekał. Jeśli nie zmienimy podejścia, za kilka lat możemy obudzić się w zupełnie innej, a być może mniej korzystnej dla nas rzeczywistości” – podsumowuje Adam Tomczak.
