Umělá inteligence za poslední roky přešla z laboratorních demoukázek do běžných produktů a firemních procesů. Rok 2026 má být dalším zlomem: technologie bude levnější, dostupnější a lépe „zabalená“ do služeb, které se dají dlouhodobě monetizovat. Pro investory to znamená, že už nepůjde jen o to, kdo má největší model, ale kdo ovládne infrastrukturu, koncová zařízení a nové způsoby automatizace práce.
Vítězi nemusí být pouze tvůrci modelů. Velkou část hodnoty mohou posbírat firmy, které dodávají čipy, platformy a distribuční kanály.
1) Hyperscalery tlačí vlastní AI akcelerátory a ukusují podíl GPU
Největší cloudové platformy už nechtějí být plně závislé na univerzálních GPU. Alphabet staví na vlastních TPU, Amazon vyvíjí Inferentia pro inferenci a Trainium pro trénování, vlastní čipy představily také Microsoft a Meta Platforms. Motivace je jasná: lepší poměr cena/výkon, nižší spotřeba a větší kontrola nad dodavatelským řetězcem.
Háček spočívá v univerzálnosti. GPU zvládnou širokou paletu úloh, zatímco akcelerátory jsou často optimalizované pro konkrétní typy výpočtů. Přesto se bariéry snižují: jakmile se podaří lépe podchytit kompatibilitu nástrojů a frameworků, roste chuť vývojářů přesouvat části práce na levnější a úspornější hardware.
Jak se na tom dá vydělat
Investičně nemusí být nejzajímavější jen samotní provozovatelé cloudu. Velkou příležitost mohou mít dodavatelé návrhu a síťové infrastruktury. Broadcom stojí v pozadí návrhu TPU pro Alphabet. Marvell se podílí na řešeních pro Amazon a Microsoft a těží z trendu, že spolu s akcelerátory roste i poptávka po rychlém propojování datových center. Pokud se vlastní čipy hyperscalerů prosadí výrazněji, může se část růstu přesunout právě „o patro níž“ k těmto dodavatelům.
2) Generativní AI přímo v zařízení: rychleji, levněji a s větším soukromím
Dnešní AI aplikace často volají na vzdálený server, což přináší latenci, náklady i závislost na připojení. V roce 2026 se očekává viditelný posun k on-device generativní AI, tedy k modelům běžícím přímo v telefonu či počítači. Zákazníci tím získají okamžitější reakce a citlivá data mohou zůstat lokálně.
Velká očekávání se vážou k Applu a jeho dalšímu kroku v oblasti Apple Intelligence a modernizace Siri. Pokud Apple doručí přesvědčivé funkce, může nastartovat novou vlnu upgradu, podobně jako dříve přechod na 5G či kvalitnější fotoaparáty.
Kdo může profitovat vedle Applu
Silnější AI v zařízení zvyšuje nároky na výkon a energetickou efektivitu. To je šance pro Qualcomm, který dodává špičkové mobilní čipy. Pokud se „AI telefon“ stane pro zákazníky srozumitelným důvodem k nákupu dražších modelů, může růst objemu i mixu přinést výhodu právě dodavatelům high-end komponent.
3) AI agenti: od odpovědí k vícekrokovým úkolům
Dalším krokem nad chatboty jsou AI agenti, kteří neodpovídají jen na dotazy, ale zvládnou vícekrokové úkoly: vyhledají informace, provedou akci v systému, zkontrolují výsledek a případně proces zopakují. Pro firmy je to lákavé, protože agenti mohou automatizovat rutinu, zkrátit reakční doby a zvýšit produktivitu týmů.
Salesforce sází na platformu Agentforce a staví na tom, že ve firemním světě už vlastní klíčovou infrastrukturu pro práci se zákazníky. Výhodou je napojení na unikátní firemní data: agent pak není jen „obecně chytrý“, ale umí jednat v kontextu konkrétního byznysu, například u zákaznické podpory nebo předkvalifikace obchodních příležitostí.
Meta Platforms vidí agentní AI jako motor pro malé firmy. Pokud agent dokáže navrhnout, spustit a optimalizovat reklamní kampaň, může to snížit bariéry vstupu do reklamy a zároveň zvýšit rozpočty inzerentů. Podobně v komunikačních kanálech může agent pomoci obsluhovat poptávky a servisní dotazy bez nutnosti budovat velký tým.
Co si z toho odnést
Pro investory je klíčové sledovat, kde se bude tvořit ekonomická hodnota. Vlastní akcelerátory hyperscalerů mohou přeskládat síly v datových centrech a posílit vybrané dodavatele čipových návrhů a konektivity. On-device AI může odstartovat nový hardware upgrade cyklus a zvýraznit roli výrobců mobilních čipů. A AI agenti mohou být nejpřímější cestou k monetizaci, protože překlápějí schopnosti modelů do konkrétních workflow a měřitelných úspor.
Zdroj: yahoo.com