W tym artykule wracamy do najważniejszego wątku z fireside chatu Friedricha Merza i Jensena Huanga podczas berlińskiego szczytu inwestycyjnego i technologicznego oraz wyłaniamy wnioski z tego płynące. Nie tylko dla Niemiec, ale i Europy, a także dla Polski.
Huang mówił nie tylko o eksporcie wiedzy i know-how, lecz przede wszystkim o ryzyku oddania danych, kompetencji i kultury przemysłowej, a następnie kupowania za granicą AI rozwiniętej na podstawie tych zasobów.
„Nie powinniście eksportować swojej kultury, swoich wartości ani swojej wiedzy” – mówił prezes NVIDIA. Huang rozwinął tę myśl, zachęcając Niemcy do wykorzystywania AI, ale do zachowania jej rozwoju i zastosowań w kraju: „Niech [niemieckie firmy] ją formalizują, programują, uczą tę sztuczną inteligencję i zachowują ją tutaj, w Niemczech”.
Klucz do zrozumienia tej wypowiedzi znajduje się w szerszym kontekście rozmowy. Huang przedstawił pewien paradoks gospodarczy: kraj może posiadać doskonałe kompetencje przemysłowe, a mimo to utracić część korzyści ekonomicznych, jeśli nie wykorzysta ich do rozwijania własnych technologii AI.
Mechanizm, przed którym ostrzegał Jensen Huang, można przedstawić następująco:
- Niemcy tworzą wiedzę
Dane produkcyjne, doświadczenie inżynierów, procesy technologiczne, know-how i kultura organizacyjna.
- Wiedza zasila systemy AI
Modele uczą się projektować, optymalizować produkcję, diagnozować problemy i sterować maszynami.
- Kto przejmuje wartość ekonomiczną?
Jeśli AI, jej własność intelektualna i kompetencje pozostają poza Niemcami, niemieckie firmy mogą stać się zależne od zewnętrznych dostawców.
Ostatni punkt jest ekonomiczną interpretacją ostrzeżenia Huanga, a nie stwierdzeniem, że każda współpraca z zagranicznym dostawcą prowadzi do takiego rezultatu.
W relacji Handelsblatt jego myśl została wyrażona jeszcze bardziej bezpośrednio: Niemcy powinny importować technologię AI, aby z niej korzystać, ale nie powinny oddawać swoich danych i później importować innowacji powstałych dzięki nim.
Dlaczego w tej wypowiedzi pojawia się kultura organizacyjna?
To moim zdaniem najbardziej interesujący aspekt całej rozmowy.
Wiedza przemysłowa nie ogranicza się do dokumentacji technicznej czy patentów. Obejmuje również to, co często nazywa się tacit knowledge — wiedzą ukrytą, trudną do zapisania w instrukcji.
Przykłady:
- wieloletnie doświadczenie w projektowaniu precyzyjnych urządzeń;
- metody kontroli jakości i organizacji produkcji;
- sposób, w jaki niemiecki inżynier kontroluje przebieg procesu procesu produkcyjnego, rozpoznaje, że maszyny działają nieprawidłowo, zanim pojawi się awaria;
- wiedza o tym, dlaczego określone rozwiązanie działa w praktyce, a inne zawodzi.
Jeżeli takie doświadczenie zostanie przekształcone w dane, modele i systemy AI, może być wykorzystywane na znacznie większą skalę niż przez pojedynczy zespół ekspertów. Jednocześnie może stać się źródłem przewagi konkurencyjnej dla właściciela modelu i infrastruktury.
Huang argumentuje więc, że Niemcy powinny potraktować swoją wiedzę przemysłową jako zasób strategiczny, podobnie jak energię, surowce czy infrastrukturę. W jego wypowiedzi AP przytacza wręcz określenie „zasób naturalny” w odniesieniu do niemieckich danych i kompetencji produkcyjnych.
Czy to ostrzeżenie nie jest paradoksalne, skoro mówi je szef Nvidii?
Jest tu istotne napięcie. Huang zachęca Niemcy do importowania technologii AI, a jednocześnie przestrzega przed uzależnieniem od zagranicznych rozwiązań.
Nie musi to być sprzeczność. Można oddzielić trzy kwestie:
Kto dostarcza technologię? – Nie musi to być krajowy producent.
Kto kontroluje dane i wiedzę? – Przedsiębiorstwa powinny zachować odpowiednie prawa i kontrolę nad swoimi zasobami.
Gdzie powstaje wartość? – Niemcy powinny rozwijać własne kompetencje, produkty, modele i zastosowania przemysłowe.
To rozróżnienie jest szczególnie ważne, ponieważ Nvidia jest dostawcą kluczowej infrastruktury AI. Jej interes biznesowy polega na tym, by przedsiębiorstwa szeroko wdrażały tę technologię. Z kolei interes Niemiec polega na tym, by wdrożenia przekładały się na trwałą produktywność, innowacyjność i krajową wartość dodaną.
Warto zatem traktować słowa Huanga jednocześnie jako diagnozę strategiczną i jako wypowiedź lidera firmy, która chce być ważnym partnerem w realizacji tej strategii.
Najważniejsza lekcja dla Europy — i Polski
„Powinniście importować technologię, wykorzystywać ją do przetwarzania danych i przekształcać je we własną inteligencję narodową. Nie powinniście jednak eksportować własnej kultury, wartości, wiedzy i historii, a następnie importować z powrotem tak powstałej inteligencji. To nie ma sensu”. – mówił w Berlinie Jensen Huang.
Co oznacza zwrot „national intelligence” w wypowiedzi Jensena Huanga?
Nie chodzi tu o wywiad państwowy, lecz o inteligencję gospodarczą i technologiczną kraju — zdolność przekształcania własnej wiedzy, danych i doświadczenia w systemy AI, które pomagają projektować produkty, zarządzać produkcją i rozwijać nowe technologie.
Huang wskazuje na trzy etapy:
- Import technologii — korzystanie z najlepszych dostępnych chipów, infrastruktury i narzędzi AI.
- Rozwijanie własnej inteligencji — uczenie systemów na krajowych danych, wiedzy inżynierskiej i doświadczeniu przedsiębiorstw.
- Zachowanie wartości — rozwijanie własnych zastosowań, kompetencji i przewagi konkurencyjnej, zamiast uzależniania się od importowanych rozwiązań.
To rozróżnienie jest ważne: Huang nie postuluje technologicznej autarkii. Przeciwnie, uważa, że Niemcy mogą korzystać z technologii zagranicznej, nie oddając przy tym kontroli nad zasobami, które stanowią o ich przewadze.
Dlaczego ta myśl ma tak duże znaczenie?
W tradycyjnym modelu gospodarczym niemiecka firma mogła eksportować maszyny i know-how, a następnie zarabiać na dostarczaniu kolejnych produktów. W gospodarce opartej na AI dochodzi nowy wymiar: wiedza o tym, jak projektować i wytwarzać te produkty, może stać się podstawą modeli i oprogramowania, które przejmują coraz większą część wartości dodanej.
Jeśli przedsiębiorstwo udostępnia swoje dane bez odpowiednich zabezpieczeń, a następnie kupuje rozwiązania rozwijane na podstawie tej wiedzy, może utracić część przewagi konkurencyjnej. Nie jest to jednak nieuchronny skutek współpracy międzynarodowej — zależy od warunków umów, praw do danych i modeli oraz sposobu wdrażania technologii.
Sedno przesłania Huanga jest więc następujące: Niemcy nie powinny ograniczać się do bycia dostawcą przemysłowego know-how dla globalnego ekosystemu AI. Powinny aktywnie przekształcać własne kompetencje w inteligencję przemysłową, którą będą potrafiły rozwijać i wykorzystywać u siebie.
Ta myśl wyrażona przez Huanga wykracza także daleko poza Niemcy. Dotyczy pytania, kto będzie właścicielem inteligencji przemysłowej w nadchodzącej epoce Physical AI.
Kraj może mieć fabryki, inżynierów i świetne produkty, ale jeśli nie rozwija własnych zdolności do tworzenia i wdrażania AI, ryzykuje, że największa część nowej wartości ekonomicznej będzie powstawała gdzie indziej.
Dla Polski wniosek jest podobny: nie wystarczy przyciągać nowoczesne fabryki i wdrażać systemy dostarczane przez globalne koncerny. Warto również budować kompetencje w zakresie danych przemysłowych, robotyki, oprogramowania, modeli AI oraz integracji tych rozwiązań z rzeczywistą produkcją.
Sedno wypowiedzi Huanga: można importować technologię, ale nie należy bezrefleksyjnie oddawać zasobów, które pozwalają tę technologię rozwijać, a następnie płacić innym za wartość wytworzoną na podstawie własnej wiedzy.
To nie jest argument za technologicznym izolacjonizmem. To argument za tym, by współpraca międzynarodowa nie oznaczała rezygnacji z kontroli nad własnymi najważniejszymi zasobami intelektualnymi.
