Az Indamedia ebben az évben is megrendezi Közép-Európa legnagyobb mesterségesintelligencia-konferenciáját, az AI Summit a Városligetben zajlik 2026. szeptember 7–8-án.

Négy kérdés, és Európa mindegyikben hátrébb áll

Ha ma az AI globális versenyéről esik szó, a beszélgetés Palkovics Bálint szerint nagyon gyorsan ugyanahhoz a néhány kérdéshez fut ki. Ki rendelkezik a legfejlettebb chipekkel, hol épül a legtöbb számítási kapacitás, ki fejleszti a legerősebb modelleket, és hol koncentrálódik az ezekhez szükséges tőke és technológiai ökoszisztéma.

A 4iG – magyar informatikai és távközlési vállalatcsoport – szakértője szerint Európa mind a négy kérdésben nehéz helyzetből indul.

Az amerikai és a kínai előny ráadásul öngerjesztő: a tőke új infrastruktúrát finanszíroz, a nagyobb infrastruktúra további fejlesztést tesz lehetővé, az erősebb ökoszisztéma pedig újabb tőkét és tehetséget szív magához.

Európa részben ezért helyezte stratégiai gondolkodásának középpontjába a saját technológiai kapacitások kiépítését: az AI-gyárakat, az adatközpontokat, a számítási kapacitást és az európai modelleket.

Az Európai Bizottság idén nyáron hét mesterségesintelligencia-gigagyár létrehozására hirdetett pályázatot.

Palkovics szerint mindez elengedhetetlen egy komolyan vehető európai AI-stratégiához. Csakhogy szerinte itt jön a következő, alapvető kérdés: tegyük fel, hogy Európa jelentősen növeli a számítási kapacitását, lesznek európai modellek, és hozzáférünk a világ legjobb képességeihez is – de mitől válik mindez valódi gazdasági értékké?

Nem a GPU-k száma dönti el

A szakértő szerint két dolgot érdemes szigorúan különválasztani. Az egyik, hogy ki vezet az AI alaptechnológiai rétegeiben, a másik, hogy ki lesz képes ebből tartós gazdasági teljesítményt létrehozni. A kettő szorosan összefügg, de nem ugyanaz a verseny.

Végül ugyanis nem a GPU-k – az AI-modellek tanításához és futtatásához használt nagy teljesítményű processzorok – száma határozza meg Európa gazdasági teljesítményét, hanem az, hogy a technológia mit változtat meg az iparban, az energetikában, a közlekedésben, az egészségügyben, a pénzügyi rendszerben és az európai cégek működésében.

Ebből következik az előadás központi állítása is:

„Az, hogy Európa ma hátrányból indul a frontiertechnológiai versenyben, önmagában még nem dönti el, milyen gazdasági pozíciót foglal majd el az AI-korszakban.”

A frontiertechnológia a mindenkori élvonalbeli, legfejlettebb modelleket és az ezekhez szükséges infrastruktúrát jelenti.

Palkovics az elektromosság példáját hozta fel. Az elektrifikáció gazdasági hatása messze túlterjedt az energiatermelésen: átalakította a gyártást, a közlekedést, a háztartásokat és a városokat, majd új termékeket, üzleti modelleket és iparágakat hozott létre.

A legnagyobb érték jelentős része tehát nem magában az alaptechnológiában keletkezett, hanem a rá épülő rendszerekben.

Egy döntő különbséggel: az áramhoz helyben kellett kiépíteni a termelést, a hálózatot és az elosztást, az élvonalbeli AI-képesség viszont egyre inkább globálisan hozzáférhető.

Egy európai cégnek nem kell saját frontiermodellt fejlesztenie ahhoz, hogy frontierszintű intelligenciát használjon – ez felhőszolgáltatásokon keresztül gyakorlatilag bárhonnan elérhető.

A technológia létrehozásának és gazdasági hasznosításának helye tehát szétválhat, ez viszont önmagában még nem jelenti azt, hogy az érték is ott marad, ahol felhasználják.

Amit pénzzel fel lehet gyorsítani, és amit nem

A két rétegben egészen más logika szerint alakul ki a versenyelőny. Az alaptechnológiában a méret dönt: a nagyobb tőke nagyobb klasztereket finanszíroz, azok több kísérletet tesznek lehetővé, és a megszerzett képesség globálisan skálázható – ugyanaz a modell sok piacon értékesíthető. Ezért koncentrálódik ez a verseny olyan gyorsan néhány szereplő kezében.

A gazdasági integráció ellenben Palkovics szerint teljesen más természetű. Ha egy AI-rendszert be akarunk építeni egy gyár működésébe vagy egy energiahálózat irányításába, az nem pusztán modellképesség kérdése: ismerni kell a meglévő rendszereket, a folyamatokat, az adatokat, a szabályozási környezetet és azt a rengeteg dokumentálatlan iparági tudást is, amelyen ezek a rendszerek nyugszanak.

„Egy új compute-klaszter felépítését fel lehet gyorsítani pénzzel, energiával és hardverrel, egy iparágban évtizedek alatt beépült tudást, adatkapcsolatot és működési tapasztalatot viszont sokkal nehezebb ugyanilyen gyorsan megszerezni”

– világított rá. A compute-klaszter az összekapcsolt szerverekből álló, nagy számítási kapacitású rendszer.

Ott, ahol az európai szereplőknek nincs erős digitális vagy piaci pozíciójuk, az AI önmagában aligha teremt tartós versenyelőnyt. Máshol viszont igen: ilyen a fejlett ipari gyártás, az autóipar, az energetikai rendszerek, a távközlési infrastruktúra, valamint a pénzügy és a kritikus infrastruktúrák egy része.

Ezeken a területeken Európa adatokkal, infrastruktúrával, működési folyamatokkal, ügyfélkapcsolatokkal és iparági tudással rendelkezik – és ezeket nem lehet olyan gyorsan globalizálni, mint egy modellt vagy egy adatközpontot. Hogy mely iparágak lesznek a nyertesei és melyek a vesztesei az AI-forradalomnak, a mostani budapesti konferencia egyik központi kérdése.

A csapda pontosan ott van, ahol a segítség

Éppen ebből fakad Európa alkupozíciója – nem azért, mert a gazdasági integráció automatikusan európai lesz, hanem mert bizonyos ágazatokban ma is európai kézben vannak azok az eszközök, amelyek nélkül az AI-ból nehéz valódi értéket teremteni.

Egy kívülről érkező szereplő természetesen építhet helyi csapatot és köthet partnerségeket, de ahhoz, hogy mélyen beépüljön egy iparág működésébe, hozzá kell férnie ezekhez az adatokhoz, folyamatokhoz és ügyfélpozíciókhoz.

Itt keletkezik viszont egy stratégiai feszültség. Ahhoz, hogy ezekből az adottságokból nagyobb gazdasági érték szülessen, a rendszereket egyre mélyebben össze kell kötni a globális AI-platformokkal. Minél szorosabb ez a kapcsolódás, annál élesebb a kérdés, hogy közben pontosan milyen adatokat, hozzáférést és kontrollt adunk át.

Az integráció során ugyanis nem egyszerűen rákötnek egy modellt egy meglévő rendszerre, hanem döntések születnek arról, hol maradnak az adatok, ki fér hozzájuk, ki kontrollálja a modell és a működési folyamatok kapcsolódását, mennyire marad cserélhető egy adott modell, és milyen technológiai függőségeket építünk be a következő fejlesztési hullámokba.

Ha a kritikus kapcsolódások fokozatosan egyetlen platform köré szerveződnek, a külső szolgáltató egyre többet lát a működésből, egyre nehezebbé válik a leválás – és közben elértéktelenedik az is, hogy eredetileg helyi szereplők kezében volt az adat és az ügyfélkapcsolat.

Ugyanaz az integráció tehát, amely rövid távon növeli a termelékenységet, hosszabb távon át is rendezheti az erőviszonyokat.

Palkovics szerint ezért a szuverenitás ebben a kontextusban elsősorban stratégiai mozgásteret jelent, nem technológiai önellátást. Európának nem kell az AI-értéklánc minden elemét saját magának előállítania – ez nem is lenne racionális –, a globálisan elérhető képességekre viszont szüksége lesz, és előnye is származik abból, ha hozzáfér a legfejlettebb technológiákhoz.

A tudatos döntés arról szól, hol van szükség saját kapacitásra, hol lehet külső technológiára támaszkodni, és mely pontokon kell megőrizni a választás és a váltás lehetőségét. Az alaptechnológiai erőviszonyok szerinte nagyrészt kialakultak, a gazdasági integrációban viszont csak most kezdenek formálódni – és épp ezért a jövőbeli pozíciók korántsem dőltek el.