Superkomputer nie wygląda jak technologia, która zmieni codzienne życie. Nie ma aplikacji na telefon, nie rozmawia z użytkownikiem i nie podejmuje decyzji. Jednak to właśnie infrastruktura obliczeniowa może zdecydować o tym, kto będzie w stanie rozwijać najbardziej zaawansowane zastosowania sztucznej inteligencji.
O tym, co dzieje się „za kulisami” AI, rozmawialiśmy 27 sierpnia podczas Thursday Gathering #263: AI Reshaping Daily Life w Varso Place w Warszawie. Panel „Gaia AI Factory – od infrastruktury do innowacji” był okazją, żeby spojrzeć na sztuczną inteligencję z nieco innej perspektywy – nie od strony kolejnego modelu czy aplikacji, ale od strony infrastruktury, danych, kompetencji i współpracy.
Europa buduje zaplecze dla AI
Na początek warto zaznaczyć jedno: Gaia AI Factory nie jest pojedynczą inicjatywą, ale częścią większego europejskiego planu budowania infrastruktury dla sztucznej inteligencji.
W Europie powstaje sieć 19 AI Factories, które mają specjalizować się w różnych obszarach i korzystać z potencjału europejskiej infrastruktury superkomputerowej. Wśród nich znajdują się m.in. projekty we Francji, Niemczech, Włoszech, Hiszpanii, Finlandii, Niderlandach, Czechach czy Szwecji. W Polsce mamy 2: PIAST AIF i Gaię, która właśnie powstaje.
Fabryki AI to jednak dopiero początek. W lipcu 2026 roku EuroHPC Joint Undertaking uruchomiło nabór dotyczący AI Gigafactories – kolejnego etapu budowy europejskiej infrastruktury AI. Plan zakłada utworzenie nawet siedmiu takich obiektów w państwach UE. Mają one dysponować znacznie większą skalą mocy obliczeniowej i wspierać m.in. trening, dostrajanie i wykorzystanie najbardziej zaawansowanych modeli AI. Celem jest stworzenie infrastruktury, która pozwoli Europie rozwijać AI na swoich warunkach i w oparciu o własne zasoby.
Gaia AI Factory – polski element europejskiej układanki
W tym europejskim układzie swoje miejsce ma Gaia AI Factory, realizowana przez konsorcjum kierowane przez ACK Cyfronet AGH w Krakowie w ramach EuroHPC Joint Undertaking.
Projekt o wartości 70 mln euro, współfinansowany po połowie przez Polskę i Unię Europejską, zakłada stworzenie nie tylko nowej infrastruktury obliczeniowej, ale całego ekosystemu wspierającego rozwój, testowanie i wdrażanie zaawansowanych rozwiązań AI. W centrum infrastruktury znajdzie się nowy superkomputer zoptymalizowany pod kątem AI, wyposażony w ponad 1000 akceleratorów GPU.
Na początku spotkania założenia projektu przedstawił Marek Kasztelnik z ACK Cyfronet AGH, koordynator Gai:
„Gaia AI Factory ma być miejscem, w którym innowacje AI mogą przejść od pomysłu do zastosowania. Projekt koncentruje się nie tylko na rozwoju infrastruktury obliczeniowej, ale również na wspieraniu europejskich MŚP i startupów, budowaniu kompetencji oraz wzmacnianiu technologicznej suwerenności Europy. Jednym z jego strategicznych celów jest także rozwój godnej zaufania AI.”
To ostatnie zdanie jest szczególnie istotne. Fabryka AI nie ma być po prostu kolejnym centrum obliczeniowym. Jej rolą jest połączenie infrastruktury z ludźmi i problemami, które rzeczywiście warto rozwiązać. Udział Polski w tym przedsięwzięciu oznacza szansę na aktywne uczestnictwo w europejskim ekosystemie AI – nie tylko w roli odbiorcy technologii, ale również jej współtwórcy.
Sama moc obliczeniowa nie wystarczy
Podczas panelu szybko okazało się, że w dyskusji o AI łatwo skupić się na tym, co najbardziej spektakularne – na modelach, liczbie GPU czy mocy superkomputera. Tymczasem sama infrastruktura niewiele zmieni, jeśli nie będzie połączona z wiedzą i konkretnym zastosowaniem.
Konsorcjum Gai łączy różne środowiska – infrastrukturę HPC, naukę, biznes, startupy oraz instytucje działające w konkretnych obszarach gospodarki i życia społecznego. To właśnie różnorodność jest ogromną siłą tego projektu.
Jak ujęła to dr inż. Karolina Szafranek z ICM Uniwersytetu Warszawskiego:
„Sama moc obliczeniowa nie tworzy jeszcze wartości. Ta pojawia się dopiero wtedy, gdy łączymy infrastrukturę z danymi, kompetencjami, narzędziami i wiedzą dziedzinową.”
To zdanie dobrze oddaje sens całego przedsięwzięcia. Największym wyzwaniem nie jest dziś tylko dostęp do technologii, ale umiejętność wykorzystania jej do rozwiązywania konkretnych problemów.
Technologia musi spotkać się z potrzebami odbiorców
Ten sam wątek pojawił się w perspektywie biznesowej. Agnieszka Podkowa z Krakowskiego Parku Technologicznego zwróciła uwagę, że:
„Dostęp do technologii to dopiero początek – jej prawdziwa wartość pojawia się wtedy, gdy potrafimy połączyć ją z realnymi potrzebami, kompetencjami i danymi. Jesteśmy częścią europejskiej sieci AI Factories, mamy coraz większe możliwości – zadbajmy o to, by dobrze je wykorzystać dziś i być gotowym na potrzeby, które dopiero się pojawią.”
To szczególnie ważne dla startupów i mniejszych firm. Duża organizacja może pozwolić sobie na własną infrastrukturę, zespoły specjalistów i długie procesy eksperymentalne. Dla młodej firmy dostęp do odpowiedniej mocy obliczeniowej może być natomiast jedną z podstawowych barier rozwoju.
AI Factories mają tę barierę zmniejszać. Nie chodzi o to, żeby każdy startup, naukowiec czy szpital budował własny superkomputer. Chodzi o stworzenie warunków, w których zasoby potrzebne do rozwoju AI są dostępne wtedy, kiedy rzeczywiście są potrzebne.
Od badań do wdrożenia
W tym miejscu pojawia się jeszcze jedno słowo, które podczas dyskusji wybrzmiewało szczególnie mocno: wdrożenie. Niestety, droga pomiędzy dobrym pomysłem a rozwiązaniem, które działa w rzeczywistym świecie, jest wciąż bardzo długa.
Dobrze zna ją dr Adam Sułek z Sano – Centrum Zindywidualizowanej Medycyny Obliczeniowej, który pracuje m.in. nad wykorzystaniem metod obliczeniowych i AI w projektowaniu leków.
„Gaia AI Factory to nie tylko infrastruktura obliczeniowa, ale przede wszystkim szansa na połączenie technologii, kompetencji i nauki z realnymi potrzebami przemysłu. Jeśli dzięki temu uda się pobudzić również najbliższy mi ekosystem biotechnologii i przyspieszyć drogę od badań do wdrożeń, będzie to dla mnie jedna z najważniejszych miar sukcesu tej inicjatywy.”
To m. in. w takich obszarach można najłatwiej zobaczyć, do czego potrzebna jest ultranowoczesna infrastruktura AI. Może ona pomóc przyspieszyć badania, analizę dużych zbiorów danych i testowanie hipotez, a w konsekwencji skrócić drogę od eksperymentu do rozwiązania, które ma szansę znaleźć praktyczne zastosowanie.
Szpital jest ważną częścią ekosystemu
Ochrona zdrowia jest jednym z obszarów, w których AI może mieć ogromne znaczenie – od badań i diagnostyki, przez rozwój terapii, po zarządzanie organizacją i obsługę pacjenta.
Instytut Matki i Dziecka, jako członek konsorcjum Gaia AI Factory, wnosi do projektu perspektywę placówki medycznej. Jak pokreśliła w dyskusji Nikoletta Buczek to właśnie szpitale i placówki ochrony zdrowia mogą w przyszłości stać się miejscem, w którym rozwiązania rozwijane przy wykorzystaniu infrastruktury AI będą konfrontowane z rzeczywistymi potrzebami pacjentów i personelu.
„Nie chodzi o technologię dla samej technologii. W ochronie zdrowia punktem wyjścia zawsze powinien być konkretny problem – organizacyjny, diagnostyczny, kliniczny czy związany z obsługą pacjenta – a dopiero później pytanie o to, czy i jak AI może pomóc go rozwiązać.”
To podejście dobrze pokazuje, dlaczego obecność szpitala w takim ekosystemie ma znaczenie. Technologia może powstać w laboratorium, ale jej prawdziwa wartość jest weryfikowana dopiero wtedy, gdy trafia do środowiska, w którym ma być wykorzystywana.
Najtrudniejsze zaczyna się po PoC
Jednym z ważniejszych, a zarazem trudniejszych pytań było to, jak właściwie mierzyć sukces takich projektów jak Gaia? Liczbą wykorzystanych GPU? Liczbą eksperymentów? Liczbą startupów, które skorzystały z infrastruktury?
Półżartem można by stwierdzić, że największym wyznacznikiem sukcesu będzie strata przepustowości i konieczność odsyłania do innych jednostek – oznaczałoby to wykorzystanie możliwości superkomputera do maksimum.
Jednak dr inż. Karolina Szafranek zwróciła uwagę, że najważniejszy etap często zaczyna się dopiero wtedy, gdy pierwsza wersja rozwiązania już działa: „Najtrudniejszy etap zaczyna się często dopiero po udanym PoC. Sukces mierzyłabym więc nie liczbą demonstratorów czy wykorzystanych GPU, ale tym, ile rozwiązań rzeczywiście trafia do trwałego wdrożenia i buduje kompetencje, które pozostają na lata.”
Superkomputer sam w sobie nie jest innowacją. Staje się nią dopiero wtedy, gdy ktoś wykorzysta jego możliwości, żeby zrobić coś, czego wcześniej nie mógł wykonać – szybciej odkryć nową terapię, opracować rozwiązanie dla szpitala, rozwinąć produkt albo znaleźć odpowiedź na problem, którego nie dało się rozwiązać dotychczasowymi metodami.
Zainteresowanie, które przewyższyło nasze oczekiwania
Rozmowa podczas Thursday Gathering pokazała, że pytanie o to „jak potężny będzie superkomputer?” nie jest najistotniejsze. Znacznie bardziej trafne jest inne: „Co dzięki niemu będziemy w stanie zrobić, czego dziś jeszcze nie potrafimy?” To od odpowiedzi na to pytanie zależy, czy fabryki AI rzeczywiście staną się miejscami, w których europejskie innowacje przechodzą od pomysłu do rzeczywistości.
Pamiętajmy, że Fabryki AI mają skrócić drogę od możliwości technologicznych do ich praktycznego wykorzystania: od danych do wiedzy; od badań do produktu; od pomysłu startupu do rozwiązania i wreszcie od technologii do realnej zmiany.
Dziękujemy zarówno prelegentom, jak i licznym uczestnikom naszego panelu. Pełna sala i mnóstwo pytań to jasny dowód na to, że temat jest gorący. I jak podkreśla Marek Kasztelnik z dyskusji o Gaia AI Factory powinniśmy zapamiętać jedno: „Moc obliczeniowa przestaje być kwestią budżetu, a zaczyna być kwestią tego, kto przyjdzie przygotowany.”
Zobacz też: Zapowiedź wydarzenia