Kiedy mówimy o sztucznej inteligencji, większość ludzi myśli o GPU - kartach graficznych Nvidii, które napędzają ChatGPT, Claude'a czy Gemini. Ale w kwietniu 2026 Meta podpisała umowę z Amazonem na dostawę milionów procesorów CPU dedykowanych agentom AI. To sygnał, że druga faza wyścigu o sztuczną inteligencję wygląda zupełnie inaczej niż pierwsza.
Pierwsza faza to trening modeli - tutaj GPU rządzą niepodzielnie. Druga faza to inferencja, czyli codzienne uruchamianie agentów AI w biznesie. I tu okazuje się, że specjalizowane CPU mogą być tańsze, bardziej energooszczędne i lepiej dopasowane do zadań, które polskie firmy zaczynają wdrażać już dziś.
Co to oznacza dla właściciela firmy, który czyta to zamiast gotować obiad? Przede wszystkim jedno: nie musisz czekać na nic. Gotowa infrastruktura cloud od AWS, Azure czy Google już dziś pozwala uruchomić agentów AI w twojej firmie bez kupowania ani jednego serwera.
Dlaczego CPU wracają do gry
Przez ostatnie trzy lata wszyscy patrzyli na GPU Nvidii H100 i B200 jak na jedyną drogę do AI. Umowa Meta-Amazon pokazuje inny kierunek. Amazon rozwija chipy Graviton i Trainium, a Meta zamawia miliony CPU zoptymalizowanych pod agentów AI. Dlaczego? Bo agent AI to nie to samo co trening modelu.
Trening modelu wymaga masywnej równoległości - miliardy operacji macierzowych jednocześnie. Agent AI, który odpowiada na maila klienta, analizuje fakturę albo generuje ofertę, wykonuje sekwencję logicznych kroków: przeczytaj, zrozum, podejmij decyzję, wywołaj narzędzie, sprawdź wynik. Dla takich zadań CPU z odpowiednimi akceleratorami bywa szybsze i kilkukrotnie tańsze od GPU.
Ma to bezpośrednie przełożenie na ceny, które zobaczysz w AWS Bedrock, Azure OpenAI Service czy Anthropic API. Koszt uruchomienia Claude Haiku 4.5 albo GPT-4o-mini spadł w ciągu roku około pięciokrotnie. To nie jest marketing - to efekt lepszej infrastruktury po stronie dostawców chmury.
Co polska firma może zrobić z tym dzisiaj
W praktyce prowadzę cztery firmy i wdrażam agentów AI w każdej z nich. Nie dlatego, że "to modne", ale dlatego, że liczy się czas i pieniądze. Kilka konkretnych przykładów z ostatnich miesięcy:
- Obsługa faktur kosztowych - agent AI czyta załączniki z Gmaila, ekstraktuje dane z faktury (NIP, kwota, termin płatności, kategoria kosztu), wpisuje do systemu księgowego. Oszczędność: około 4 godziny tygodniowo na osobę w księgowości.
- Transkrypcja spotkań z klientami - nagranie z Plaud Pin idzie do modelu Whisper, transkrypcja do Claude'a, wychodzi podsumowanie z decyzjami, zadaniami i datami. Koszt: około 0,30 zł za godzinę nagrania.
- Pierwsza linia sprzedaży - agent odpisuje na zapytania z Facebooka i Instagrama, kwalifikuje leady, umawia spotkania w kalendarzu. Człowiek wchodzi dopiero przy konkretnych negocjacjach.
- Analityka marketingowa - codzienny raport z Meta Ads, TikTok Ads i Google Analytics generowany przez agenta, z rekomendacjami co zmienić w kampaniach.
W każdym z tych przypadków koszt infrastruktury to kilkadziesiąt do kilkuset złotych miesięcznie. Zero kupowania serwerów, zero zatrudniania administratora, zero czekania aż "technologia dojrzeje".
Gdzie są prawdziwe bariery wdrożenia
Przyznam jednak uczciwie - nie jest tak różowo jak na konferencjach. Po trzech latach wdrożeń widzę, że prawdziwe bariery nie leżą w technologii, tylko w trzech miejscach:
Po pierwsze dane. Agent AI jest dobry tylko wtedy, gdy ma dostęp do aktualnych danych firmy. Jeśli faktury leżą w skrzynce Gmail jednej osoby, dane klientów w Excelu drugiej, a kontrakty na dysku trzeciej - żadne AI nie pomoże. Zanim uruchomisz agenta, musisz mieć uporządkowane dane. U mnie w Panel Montage zajęło to około dwóch miesięcy pracy zanim pierwszy agent miał sens.
Po drugie procesy. Jeśli obsługa faktury w twojej firmie wygląda tak, że Krzysiek coś tam robi, potem Marta coś dodaje, a w piątek szef wszystko zatwierdza na oko - agent nie ma tego jak zautomatyzować. Najpierw proces, potem AI.
Po trzecie bezpieczeństwo. Agent AI czytający maile musi mieć dostęp do skrzynki. Agent wystawiający faktury musi mieć dostęp do systemu księgowego. Musisz wiedzieć, jakie uprawnienia dajesz, gdzie idą dane i jak je wycofać, gdyby coś poszło nie tak. To nie jest skomplikowane, ale wymaga pomyślenia przed wdrożeniem, nie po.
Jak zacząć bez spalenia budżetu
Jeśli czytasz to i myślisz "fajnie, ale od czego mam zacząć" - konkretna rekomendacja na bazie moich doświadczeń:
- Wybierz JEDEN proces, który zajmuje ci dużo czasu i jest powtarzalny. Nie dwa, nie pięć - jeden. U mnie pierwszym było przetwarzanie faktur kosztowych.
- Policz koszt w godzinach - ile osób, ile godzin tygodniowo, ile kosztują te godziny. Jeśli wychodzi poniżej 10 godzin miesięcznie, odłóż temat. Jeśli powyżej 20 godzin - masz biznesowy case.
- Skorzystaj z gotowych narzędzi. N8n, Make, Zapier plus dostęp do Claude API albo OpenAI API załatwiają 80% przypadków bez linijki własnego kodu. Koszt startu: 100-300 zł miesięcznie.
- Testuj na małej próbce przez dwa tygodnie. Porównaj wyniki agenta z wynikami człowieka. Jeśli zgadza się w 90%+ przypadków, skaluj. Jeśli nie - popraw prompty albo proces.
- Nie zatrudniaj programisty na start. Zacznij od konsultacji albo warsztatów. Programista wchodzi dopiero gdy wiesz dokładnie, co budujesz.
Druga faza wyścigu to ty, nie Meta
Newsy o miliardach dolarów inwestycji w CPU i GPU brzmią abstrakcyjnie. Ale wniosek z tych inwestycji dla polskiej firmy jest bardzo konkretny: infrastruktura dla agentów AI już istnieje, jest tania i dostępna. Pierwsze korzyści zgarną firmy, które zaczną wdrażać dziś, a nie te, które będą czekać aż "wszystko się wyjaśni".
W Panel Montage, Kergulenie i PR Innowacje agenci AI oszczędzają nam łącznie około 60-80 godzin pracy tygodniowo przy koszcie infrastruktury około 400-500 zł miesięcznie. To nie są prognozy - to bieżące liczby. Ograniczenie jednego jest jasne: nie każdą decyzję biznesową można zautomatyzować, a zaufanie klienta nadal buduje człowiek, nie bot.
Meta kupuje miliony CPU, żeby jej agenci obsługiwali miliardy userów. Ty kupujesz dostęp do tej samej technologii za kilkaset złotych miesięcznie. Druga faza wyścigu AI nie dzieje się w Dolinie Krzemowej - dzieje się w twojej firmie, w momencie, w którym decydujesz, czy pierwszy agent ruszy w przyszłym tygodniu czy za rok.
Źródło: In another wild turn for AI chips, Meta signs deal for millions of Amazon AI CPUs