Kto vedie preteky v AI

• Neexistuje jeden objektívny rebríček vedenia: iný líder môže byť vo frontier modeloch, vede, čipoch, výrobe, adopcii, otvorenom ekosystéme či regulácii.
• Spojené štáty, Čína a Európa majú odlišné kombinácie výhod a závislostí; žiadny aktér nekontroluje celý technologický reťazec.
• „Preteky“ sú užitočná geopolitická skratka, ale môžu zakryť spoluprácu, globálne dodávateľské reťazce a cieľ, ktorým má byť spoločenský prínos, nie iba prvenstvo.

Otázka, kto vedie v AI, vyzerá ako otázka na jedno meno. Odpoveď sa však mení podľa toho, čo meriame, k akému dátumu a na akej úrovni systému. Organizácia s najlepším výsledkom na jednom benchmarku nemusí mať najväčšiu používateľskú základňu, najefektívnejší model ani udržateľný prístup k čipom. Štát s najväčším počtom patentov nemusí vytvárať najcitovanejšie objavy. Región so silnou reguláciou môže formovať globálny trh aj bez najväčšieho cloudu.

Táto kapitola preto nevytvorí medailovú tabuľku. Zostaví viacrozmerný scorecard a ukáže pozíciu hlavných aktérov podľa verejne dostupných údajov k augustu 2026. Pri aktuálnych číslach uvádza obdobie, pretože investície, rebríčky modelov aj vládne iniciatívy sa rýchlo menia. Kapitola 12 vysvetlila technologické vrstvy, ktoré dnes tvoria predmet súťaže; kapitola 14 ukáže, prečo je široká difúzia možno dôležitejšia než jeden rekord.

Jazyk pretekov má aj normatívny účinok. Podporuje investície a mobilizáciu, ale môže ospravedlňovať tajnosť, slabšie bezpečnostné testy alebo nulový súčet. Ak je cieľ definovaný iba ako „byť prvý“, zanedbajú sa spoľahlivosť, pracovné dopady a prístup menších krajín. Odborná analýza preto oddeľuje opis moci od tvrdenia, ako by sa mala moc používať.

Prečo jeden rebríček neexistuje

• AI je zásobník vzájomne závislých vrstiev od materiálov a energie po modely, produkty, zručnosti a pravidlá.
• Každá metrika obsahuje hodnotový výber: počet publikácií, kvalita, cena, adopcia a bezpečnosť odpovedajú na rozdielne otázky.
• Rebríček je časová snímka; vedúci model alebo firma sa môže zmeniť skôr, než sa štatistika publikuje.

Predstavme si tri systémy. Prvý dosahuje najvyššie skóre, ale je drahý a uzavretý. Druhý je o niekoľko percent slabší, no beží lokálne v stovke jazykov. Tretí je špecializovaný, overený v priemysle a spotrebuje desatinu energie. Ktorý „vedie“? Odpoveď závisí od používateľa a cieľa.

Aj agregácia krajín je zložitá. Sídlo firmy môže byť v USA, zakladateľ z Európy, výskumníci z celého sveta, čip navrhnutý v Kalifornii, vyrobený na Taiwane zariadením z Holandska a dátové centrum napájané v severskej krajine. Národná značka zjednodušuje sieť, ktorá je súčasne globálna a geopoliticky zraniteľná.

Kvalita dát sa líši. Súkromné investície sa v USA ľahšie zaznamenávajú než štátne fondy alebo úvery v inom systéme. Patentová rodina nie je to isté ako udelený patent ani komerčný produkt. Počet modelov závisí od definície „notable“. Benchmark môže byť kontaminovaný. Pri každom čísle preto potrebujeme metodiku a neistotu.

Najrozumnejší záver bude profil, nie poradie. Profil ukáže, kde má aktér výhodu, kde závisí od iných a či dokáže technológiu premeniť na produktivitu a verejný prínos.

Dvanásť osí AI moci

• Základ tvoria veda, talent, dáta, čipy, výpočtová infraštruktúra, energia a kapitál.
• Schopnosť sa prejavuje vo frontier modeloch, otvorenom ekosystéme, produktoch a adopcii v hospodárstve.
• Trvalú moc dopĺňajú štandardy, regulácia, bezpečnosť, obrana a medzinárodné partnerstvá.

Prvá os je výskum: kvalitné publikácie, nové metódy, benchmarky a transfer poznania. Druhá je talent: schopnosť vzdelávať, priťahovať a udržať vedcov, inžinierov, produktových ľudí aj odborníkov na domény. Tretia je kontext - dáta, jazyky a inštitucionálne poznanie.

Štvrtá je polovodičový reťazec: návrh akcelerátorov, EDA softvér, výroba, litografia, pamäte, balenie a materiály. Piata je compute: cloud, superpočítače, prepojenia a prístup startupov. Šiesta je elektrina, voda, siete a povoľovanie. Siedma je kapitál schopný financovať riskantný vývoj aj difúziu.

Ôsma os meria frontier modely - schopnosť, efektívnosť, multimodalitu, bezpečnosť a rýchlosť iterácie. Deviata sleduje otvorené váhy, nástroje a komunitu. Desiata skúma produkty a adopciu v službách, priemysle, vede a verejnom sektore. Bez tejto vrstvy je model laboratórnou kapacitou, nie ekonomickou transformáciou.

Jedenásta os je regulačná a štandardizačná moc: schopnosť nastaviť pravidlá trhu, certifikácie, technické normy a dôveru. Dvanásta je strategická bezpečnosť a diplomacia - vojenské použitie, exportné kontroly, aliancie a schopnosť reagovať na incident. Váha osí sa mení podľa účelu analýzy.

Aktuálny obraz v skratke

• USA majú najsilnejšiu kombináciu frontier firiem, súkromného kapitálu, cloudov, návrhu akcelerátorov a globálnych produktových platforiem.
• Čína vedie v objeme viacerých publikačných a patentových ukazovateľov, rozsahu priemyselnej adopcie a výrobných ekosystémoch; výkon špičkových modelov sa priblížil USA.
• EÚ má kvalitný výskum, priemyselné domény, verejné superpočítače a globálny regulačný vplyv, no zaostáva vo frontier kapitále, hyperscale cloude a škálovaní digitálnych firiem.

Stanford AI Index 2026 opisuje veľmi tesný výkonový rozdiel medzi najlepšími americkými a čínskymi modelmi na sledovaných benchmarkoch, pričom vedenie jednotlivých modelov sa mení. Súčasne uvádza americkú prevahu v počte vybraných významných modelov a mimoriadne veľký rozdiel v zaznamenaných súkromných investíciách.

Podľa tej istej syntézy vytvoril priemysel v roku 2025 viac než 90 % sledovaných významných modelov. To je podstatný posun oproti ére, keď dominovali univerzity. Čína má silu v publikačnom objeme, citáciách podľa niektorých rezov, patentoch a nasadení robotiky; Spojené štáty v modelových firmách, kapitále a časti najvplyvnejšieho výskumu. Žiadna z týchto metrík sama nie je konečným skóre.

Európa nie je jednotná firma ani štát. Silné uzly sú vo Francúzsku, Nemecku, Spojenom kráľovstve mimo EÚ, Holandsku, severských krajinách a ďalších regiónoch. EÚ používa spoločný trh, EuroHPC a pravidlá ako kolektívnu páku. Výsledok bude závisieť od toho, či prepojí vedeckú a priemyselnú kvalitu s rýchlejším financovaním a adopciou.

Treba oddeliť aktuálne prvenstvo od odolnosti. USA majú silnú vedúcu pozíciu, ale závisia od ázijskej výroby čipov a globálneho talentu. Čína má obrovský trh a výrobu, ale čelí obmedzenému prístupu k najpokročilejším akcelerátorom a výrobným nástrojom. EÚ má kritické technológie a priemysel, ale závisí od mimoeurópskych cloudov a čipov.

Spojené štáty: frontier ekosystém a kapitál

• USA spájajú vedúce modelové laboratóriá, hyperscale cloudy, návrhárov čipov, univerzity, rizikový kapitál a globálny softvérový trh.
• Ich výhodou je rýchly presun talentu a kapitálu medzi výskumom, startupom a platformou.
• Slabinami sú závislosť od zahraničnej výroby, koncentrácia trhu, energetické úzke hrdlá a nerovnomerná difúzia mimo technologických lídrov.

Americký ekosystém zahŕňa spoločnosti vyvíjajúce frontier modely, veľké cloudové platformy, návrhárov GPU a akcelerátorov, startupový kapitál a výskumné univerzity. Tieto vrstvy sa financujú a integrujú navzájom: cloud investuje do laboratória, poskytuje mu compute a distribuuje model zákazníkom; čipová firma dodáva hardvér aj softvérovú platformu.

Stanford AI Index 2026 uvádza za rok 2025 približne 285,9 miliardy USD súkromných investícií do AI v USA oproti 12,4 miliardy USD v Číne podľa použitej metodiky. Rozdiel približne 23-násobku je signálom americkej kapitálovej sily, nie úplným účtom národných zdrojov: čínske štátne fondy, úvery a verejné obstarávanie sa nemusia v súkromnej metrike zachytiť rovnako.

Americký AI Action Plan z júla 2025 organizuje federálnu politiku okolo zrýchlenia inovácií, budovania infraštruktúry a medzinárodnej diplomacie a bezpečnosti. Ide o politický dokument aktuálnej administratívy, nie nezávislé hodnotenie výsledkov. Zdôrazňuje dátové centrá, export celého technologického zásobníka a odstránenie bariér.

Dominancia frontier vrstvy nezaručuje plošnú produktivitu. Menšie firmy, školy a verejné služby môžu zaostávať v dátach, zručnostiach a nákupe. Koncentrácia cloudov a modelov vyvoláva otázku cien, interoperability a systémového rizika. Americké vedenie preto stojí aj na schopnosti rozšíriť prínos mimo niekoľkých firiem.

Čína: mierka, priemysel a rýchle dobiehanie modelov

• Čína kombinuje veľký domáci trh, verejnú koordináciu, rozsiahlu výrobu, technické vzdelávanie a rýchlu adopciu v priemysle.
• V patentových a publikačných objemoch dosahuje vedúce pozície a čínske frontier modely zmenšili výkonovú medzeru.
• Obmedzenia pri najpokročilejších čipoch a výrobných nástrojoch motivujú domácu substitúciu, efektívnosť a otvorené modelové stratégie.

Čínsky ekosystém nie je iba kópiou amerického. Silu čerpá z prepojenia digitálnych platforiem, telekomunikácií, elektroniky, robotiky, elektromobility a rozsiahleho výrobného sektora. AI môže rýchlo prejsť z laboratória do kontroly kvality, logistiky, zariadenia alebo mestskej infraštruktúry. Veľkosť trhu vytvára množstvo aplikačných scenárov.

WIPO v prehľade generatívnych patentov identifikovalo za roky 2014-2023 viac než 38-tisíc čínskych patentových rodín oproti približne 6 300 americkým. Aktualizácia WIPO uvádza ďalší silný rast. Patent však meria deklarovanú vynálezcovskú aktivitu a stratégiu prihlasovania, nie automaticky kvalitu produktu, citácie ani komerčný úspech.

Vládne stanovisko AI Plus z augusta 2025 stanovilo ciele širokej integrácie AI do vedy, priemyslu, spotreby, verejných služieb a správy. Čínsky akčný plán spolupráce z júla 2026 zdôrazňuje dáta, compute, otvorené ekosystémy, talent, štandardy a medzinárodnú spoluprácu. Ciele sú vyjadrením stratégie; ich plnenie treba hodnotiť nezávislými výsledkami.

Exportné obmedzenia na špičkové čipy zvyšujú náklady a neistotu, no zároveň podnecujú efektívnejšie architektúry, domáce akcelerátory a optimalizáciu softvéru. Čínske otvorenejšie váhové modely môžu získavať globálnych vývojárov aj v krajinách citlivých na cenu. Dlhodobý výsledok závisí od hardvérového pokroku, dôvery, medzinárodných trhov a výskumnej slobody.

Európska únia: regulácia, priemyselné dáta a verejný compute

• EÚ má silné univerzity, priemyselné know-how, viacjazyčné dáta, kritickú polovodičovú technológiu a veľký jednotný trh.
• Za USA zaostáva v neskorom rizikovom kapitále, hyperscale cloude a počte globálnych digitálnych platforiem.
• Stratégiou je spojiť dôveryhodnosť a sektorovú adopciu s AI factories, gigafactories, dátovými priestormi a rozvojom talentu.

Európska výhoda leží v automobilovom priemysle, strojárstve, zdravotníctve, energetike, vede a verejných službách. V týchto doménach rozhodujú procesné dáta, bezpečnosť a integrácia s fyzickým svetom, nie iba všeobecný chatbot. Európska firma môže viesť v priemyselnom AI systéme bez toho, aby trénovala najväčší všeobecný model.

AI Continent Action Plan z apríla 2025 spája výpočtovú infraštruktúru, dáta, zručnosti, adopciu a implementáciu pravidiel. Komisia v aktualizovanom prehľade uvádza 19 AI factories a InvestAI s plánom mobilizovať 200 miliárd eur, z toho 20 miliárd pre plánované gigafactories. Tieto sumy a počty sú politické programy a mobilizačné ciele; nemožno ich zamieňať za už minuté peniaze či hotovú kapacitu.

EuroHPC poskytuje verejne podporovaný supercomputing výskumu, startupom a priemyslu. AI factory má prepájať compute s dátami, odborníkmi a podporou, nie iba prenajať čip. Výzva EÚ z júla 2026 rozšírila ambíciu na projekty gigafactories s očakávanou kombináciou verejných a súkromných investícií; realizácia sa bude hodnotiť až podľa postavenej a používanej infraštruktúry.

AI Act môže vytvoriť právnu istotu a globálny štandard, ale nesie náklady na implementáciu. Konkurenčnou výhodou bude iba vtedy, ak sú povinnosti zrozumiteľné, primerané riziku a sprevádzané testovacími kapacitami. Regulácia bez kapitálu a adopcie nevytvorí lídra; rast bez dôvery zas nemusí byť udržateľný.

Spojené kráľovstvo, Kanada a výskumné uzly

• Spojené kráľovstvo a Kanada majú významný vedecký odkaz, kvalitné univerzity a schopnosť priťahovať medzinárodný talent.
• Menšia domáca kapitálová a cloudová základňa môže viesť k akvizíciám a presunu výsledkov do amerických platforiem.
• Ich vplyv rastie cez špecializáciu, bezpečnostný výskum, verejný compute a medzinárodné siete.

Kanadské laboratóriá v Montreale, Toronte a Edmontone patrili ku kľúčovým centrám hlbokého a posilňovaného učenia. Kanada ukazuje, ako verejná podpora základného výskumu vytvorí globálny talentový uzol. Súčasne ukazuje problém zachytenia hodnoty: vedci a startupy sa môžu presunúť alebo byť kúpené väčšími zahraničnými firmami.

Spojené kráľovstvo spája univerzity v Londýne, Oxforde, Cambridgei a Edinburghu, finančný a biotechnologický sektor a významný AI Safety Institute. AI Opportunities Action Plan a následné kroky kladú dôraz na compute, adopciu a rast. Ako pri každej stratégii treba odlišovať oznámený záväzok od výslednej kapacity a produktivity.

Menší aktér nemusí kopírovať celý americký zásobník. Môže viesť vo vedeckom probléme, bezpečnostnej evaluácii, jazyku, zdravotných dátach alebo polovodičovom komponente. Špecializácia však potrebuje prístup k základnej infraštruktúre a dohodu, ako sa verejná investícia vráti domácemu ekosystému.

Medzinárodná mobilita je dvojsečná. Otvorený talentový trh urýchľuje vedu, no krajina môže financovať vzdelanie a stratiť absolventa do bohatšieho centra. Politika preto rieši výskumné granty, kvalitu života, víza, vlastníctvo startupu a možnosť získať veľký zákazník doma.

Taiwan, Južná Kórea, Japonsko a kritická Ázia

• Taiwan je kľúčovým uzlom najpokročilejšej zmluvnej výroby čipov; Južná Kórea dominuje v časti pamäťového reťazca a Japonsko v materiáloch, zariadeniach a priemysle.
• Tieto ekonomiky nemusia viesť v globálnych chatbotoch, aby boli nenahraditeľné pre frontier compute.
• Geografická koncentrácia vytvára efektívnosť aj systémové a geopolitické riziko.

Čip vzniká v medzinárodnom reťazci: architektúra a návrh, EDA softvér, litografické zariadenie, wafer, materiály, výroba, pokročilé balenie, pamäť a montáž. Taiwan Semiconductor Manufacturing Company je rozhodujúcim foundry partnerom pre mnohé najpokročilejšie návrhy. Taiwan tak kontroluje kritickú výrobnú kapacitu, hoci značku finálneho AI modelu má iná krajina.

Južná Kórea je významná vo vysokorýchlostných pamätiach potrebných pre akcelerátory a má rozsiahly elektronický priemysel. Stanford AI Index upozorňuje aj na vysokú patentovú intenzitu na obyvateľa. Japonsko poskytuje materiály, presné zariadenia, robotiku a priemyselné know-how a investuje do domácich výpočtových a jazykových kapacít.

Geografická koncentrácia umožňuje extrémne špecializovaný ekosystém a vysoké výnosy z rozsahu. Zároveň znamená, že prírodná katastrofa, konflikt alebo obchodné obmedzenie môže zasiahnuť celý svet. USA, EÚ, Japonsko a ďalší preto dotujú domácu výrobu, no vybudovať foundry nestačí; treba dodávateľov, pracovníkov, výťažnosť a stabilný dopyt.

„Suverenita“ nemôže realisticky znamenať úplnú sebestačnosť každej krajiny v každom komponente. Rozumnejším cieľom je diverzifikácia, strategické zásoby, overené partnerstvá a schopnosť pokračovať pri výpadku jednej vrstvy.

India a veľké rozvíjajúce sa ekonomiky

• India má rozsiahly technologický talent, rýchlo digitalizované služby, viacjazyčný trh a skúsenosť s digitálnou verejnou infraštruktúrou.
• Výzvami sú nerovný prístup ku compute, kvalite dát, konektivite a kapitálu na frontier tréning.
• Konkurenčnou cestou môže byť aplikačná inovácia, malé a efektívne modely, lokálne jazyky a verejné platformy.

India je významným zdrojom inžinierov a centrom globálnych služieb. Digitálne identitné, platobné a verejné vrstvy umožňujú služby vo veľkej mierke. AI môže rozšíriť preklad, poľnohospodárske poradenstvo, zdravotný triage a vzdelávanie, ak je navrhnutá pre lokálne zariadenia, jazyky a cenu.

Anglické benchmarky však málo hovoria o výkone v stovkách jazykových a kultúrnych kontextov. Dataset pre jazyk s menšou digitálnou stopou vyžaduje komunitnú prácu, licencie a rešpekt k lokálnym normám. Menší model nasadený na dostupnom hardvéri môže mať väčší rozvojový význam než globálny rekord.

World Bank AI Foundations upozorňuje, že krajiny potrebujú štyri C: connectivity, compute, context a competency. Ak chýba jedno, prínos sa sústreďuje v importujúcich elitách a vzniká závislosť. To platí v Indii, Afrike, Latinskej Amerike aj malých európskych štátoch v rôznej miere.

Rozvojová politika by nemala merať úspech počtom chatbotov. Dôležitá je cena za úspešne vyriešený prípad, pokrytie marginalizovaných skupín, miestne vlastníctvo údajov, odolnosť a vznik domácich schopností. Globálne preteky majú význam iba vtedy, ak nezväčšujú digitálnu priepasť.

Štáty Perzského zálivu: kapitál, energia a strategická akcelerácia

• Spojené arabské emiráty a Saudská Arábia používajú kapitál, energiu, verejné obstarávanie a medzinárodné partnerstvá na zrýchlené budovanie AI kapacít.
• Môžu financovať dátové centrá, modely a talent rýchlejšie než mnohé väčšie ekonomiky.
• Dlhodobé vedenie závisí od domáceho výskumného ekosystému, transparentnosti, ľudských práv, vody a udržateľnosti, nie iba od kapitálových oznámení.

Ropné ekonomiky vnímajú AI ako nástroj diverzifikácie. Štátne investičné fondy dokážu financovať infraštruktúru a uzatvárať partnerstvá s americkými, európskymi či ázijskými firmami. Lacnejšia energia a centralizované povoľovanie môžu urýchliť výstavbu.

Emiráty vybudovali výskumné a univerzitné kapacity a podporili modely vrátane arabských jazykových systémov. Saudská Arábia kombinuje AI s veľkými rozvojovými programami. Reálne výsledky treba merať počtom používaných kapacít, citovaným výskumom, miestnymi pracovníkmi a službami, nie nominálnou hodnotou plánov.

Strategické partnerstvo prináša otázku kontroly čipov, dát a bezpečnosti. Poskytujúca krajina môže vyžadovať technické a politické záruky; hostiteľ chce suverenitu. Dátové centrá v suchom regióne musia riešiť vodu, chladenie a stabilnú nízkouhlíkovú energiu.

Záliv ukazuje, že AI geopolitika nie je iba trojuholník USA-Čína-EÚ. Kapitálovo silný stredný štát môže fungovať ako investor, výpočtový uzol, zákazník aj diplomatický most. Jeho vplyv však závisí od trvácnosti inštitúcií a otvorenosti pre talent.

Firmy verzus univerzity: kto vytvára frontier poznanie

• Priemysel dominuje vo vývoji najdrahších frontier modelov, pretože kontroluje compute, dáta, inžinierov a distribúciu.
• Univerzity zostávajú zásadné pre základné myšlienky, nezávislú kritiku, otvorené metódy a vzdelávanie budúceho talentu.
• Rastúce prepojenie vytvára zdroje aj konflikt záujmov; verejná veda potrebuje vlastnú výpočtovú kapacitu.

AI Index 2026 uvádza, že viac než deväť z desiatich sledovaných významných modelov v roku 2025 pochádzalo z priemyslu. Cena veľkého tréningu, špecializované tímy a produkčné dáta presahujú možnosti bežnej univerzitnej skupiny. Firma navyše môže výsledok okamžite testovať na používateľoch a monetizovať.

Mnohé základné prelomy z kapitoly 12 však vyrástli z univerzít alebo otvoreného priemyselného výskumu. Akademické prostredie skúma otázky bez bezprostredného produktu, školí ľudí a môže hodnotiť negatívne externality. Ak vedci nemajú prístup k relevantným modelom a výpočtom, nezávislá kontrola zaostane za schopnosťou systému.

Partnerstvá poskytujú granty a cloudové kredity, ale ovplyvňujú výber tém a podmienky publikovania. Vedec môže mať súčasne univerzitnú a firemnú afiliáciu. Odborný článok by mal zverejniť financovanie, prístup k modelu a možné konflikty. Reprodukcia výsledku nesmie závisieť iba od dobrej vôle jedného API poskytovateľa.

Verejné compute programy, ako EuroHPC alebo americké výskumné zdroje, sú preto strategickou infraštruktúrou. Nemusia kopírovať najväčší komerčný tréning; majú umožniť meranie, efektívny výskum, lokálne modely a vzdelávanie. Pluralita výskumných otázok je súčasťou bezpečnosti aj konkurencieschopnosti.

Frontier modely: rýchlo sa meniaca špička

• Modelové rebríčky závisia od benchmarku, prístupu k nástrojom, výpočtu pri odpovedi, ceny a verzie.
• Americké a čínske laboratóriá sú k augustu 2026 hlavnými súpermi na všeobecných frontier benchmarkoch; jednotlivé prvenstvá sa striedajú.
• Praktický líder môže byť model s lepším pomerom kvality, ceny, latencie, jazyka a možnosti nasadenia, nie absolútnym skóre.

Frontier model je neformálne označenie systému na hranici všeobecných schopností alebo mierky. Neexistuje univerzálna hranica. Jeden model vyniká v kóde, iný vo vedeckom uvažovaní, dlhom kontexte, obraze alebo nízkej cene. Aktualizácie sa objavujú rýchlejšie než recenzované porovnania.

Benchmarkové skóre sa dá zvýšiť väčším počtom vzoriek, použitím vyhľadávania, nástroja alebo dlhšieho „reasoning“ výpočtu. To môže byť legitímna vlastnosť systému, ale porovnanie musí uviesť rozpočet. Model s jedným pokusom a model so stovkou kandidátov nemerajú tú istú efektívnosť.

Verejné chatbotové arény zachytávajú používateľské preferencie, no ovplyvňuje ich štýl, výber návštevníkov a neznámy mix úloh. Odborné benchmarky majú užšiu platnosť a riziko kontaminácie. Najspoľahlivejšie je viacúrovňové hodnotenie s dátumom a nezávislou reprodukciou.

Pre podnik je globálne prvenstvo sekundárne. Potrebuje model, ktorý prejde jeho evaluačným súborom, spĺňa ochranu dát, má stabilnú službu a prijateľné náklady. Voľba sa má dať prehodnotiť, pretože dnešný líder môže byť o štvrťrok iný.

Otvorený a uzavretý ekosystém

• Otvorené váhy podporujú lokálne nasadenie, výskum, konkurenciu a adaptáciu na jazyky či domény.
• Uzavreté modely môžu financovať nákladný vývoj, centrálne aktualizovať ochrany a poskytovať riadenú službu.
• Otvorenosť je spektrum a strategická moc závisí od komunity, licencie, dát, nástrojov i hardvéru.

Model dostupný cez API poskytuje pohodlnú službu, ale zákazník nevie úplne overiť tréning ani zmenu verzie. Poskytovateľ môže monitorovať zneužitie a rýchlo opraviť ochranu. Súčasne kontroluje cenu, podmienky a prístup a môže vytvoriť lock-in.

Open-weight model možno stiahnuť, dolaďovať a prevádzkovať vo vlastnom prostredí. To je cenné pre citlivé dáta, offline použitie a lokálny jazyk. Váhy však neznamenajú otvorené tréningové dáta, kód ani úplnú reprodukovateľnosť. Niektoré licencie obmedzujú veľkých používateľov alebo konkrétne účely.

Čínski aj západní vývojári používajú otvorenejšie vydania ako konkurenčný nástroj. Široká komunita znižuje cenu adaptácie a môže vytvoriť štandard podobný platforme. Zároveň znižuje centrálne kontrolovanú bariéru zneužitia a umožňuje odstrániť bezpečnostné dolaďovanie.

Krajina „vedie v otvorenej AI“ iba vtedy, ak modely ľudia reálne používajú, prispievajú nástrojmi a vznikajú lokálne firmy. Počet stiahnutí môže obsahovať experimenty a duplicity. Ekosystémová kvalita sa meria aj údržbou, dokumentáciou, bezpečnostným výskumom a kompatibilitou.

Čipy: najviditeľnejšie úzke hrdlo

• AI akcelerátor je výsledkom globálneho reťazca návrhu, výroby, pamäte, balenia, softvéru a zariadení.
• Návrhári z USA, foundry na Taiwane, litografia z Holandska, pamäte z Kórey a materiály z Ázie a Európy tvoria vzájomnú závislosť.
• Exportné kontroly a priemyselné dotácie menia náklady a smery vývoja, no úplné oddelenie reťazcov je veľmi drahé.

Výkon čipu neurčuje iba počet operácií. Dôležitá je pamäťová priepustnosť, kapacita, prepojenie medzi akcelerátormi, energetická efektívnosť, výťažnosť výroby a softvérový ekosystém. Pri inferencii môže byť bottleneck iný než pri tréningu. Porovnávanie jedného technického parametra je preto podobne neúplné ako rebríček modelov.

USA majú vedúcich návrhárov akcelerátorov a kontrolujú časť kritického softvéru. Holandská ASML je unikátna v pokročilej litografii. Taiwan má špičkovú foundry kapacitu, Južná Kórea pamäte a Japonsko významné materiály a zariadenia. Čína investuje do celého domáceho reťazca, ale vyrovnanie každej vrstvy potrebuje čas a know-how.

Americký program CHIPS for America a európsky Chips Act podporujú domáce kapacity. Dotácia závodu však nevytvorí okamžite konkurencieschopnú výrobu: výťažnosť, dodávatelia a skúsený personál sa učia v prevádzke. Závod je zároveň kapitálovo náročný a technologicky rýchlo starne.

Exportné kontroly sa snažia spomaliť vojensky alebo strategicky významnú schopnosť súpera. Môžu však podnietiť substitúciu, pašovanie či efektívnejšie algoritmy a ovplyvniť príjmy dodávateľov. Ich hodnotenie musí porovnávať bezpečnostný prínos s dlhodobým dopadom na inovácie a aliancie.

Cloud, dátové centrá a superpočítače

• Vlastniť čipy nestačí; treba ich spojiť do spoľahlivého klastra s rýchlou sieťou, úložiskom, chladením a softvérom.
• Hyperscale cloudy koncentrujú kapitál, prevádzkové know-how a distribučný kanál k zákazníkom.
• Verejný superpočítač môže demokratizovať výskum, ak poskytne aj podporu, dáta a predvídateľný prístup.

Tréning frontier modelu je distribuovaný systémový problém. Tisíce akcelerátorov musia komunikovať, checkpointovať a pokračovať napriek zlyhaniam. Nedostatočné prepojenie nechá drahé čipy čakať. Prevádzkové know-how preto vytvára bariéru, ktorú počet zakúpených kusov neukáže.

Veľké cloudy majú výhodu využitia: tú istú infraštruktúru poskytujú mnohým zákazníkom, optimalizujú softvér a integrujú model do databáz, kancelárskych nástrojov a bezpečnosti. Súčasne sa stávajú systémovo dôležitými. Výpadok alebo zmena podmienok môže zasiahnuť tisíce downstream produktov.

Stanford AI Index 2026 uvádza vysokú koncentráciu dátových centier v USA a rýchlu globálnu výstavbu. Počet lokalít však nehovorí o ich AI výkone; malá serverovňa a gigawattový kampus nie sú rovnaké. Relevantnejšie by boli dostupné akcelerátorové hodiny, efektívnosť, cena a kapacita siete, no tieto údaje sú často súkromné.

Verejný compute znižuje závislosť akademikov a startupov. Pridelenie musí byť transparentné a hodnotiť nielen prestíž projektu, ale spoločenskú hodnotu a efektívnosť. Nevyužitý superpočítač bez odborníkov nie je suverenita.

Energia, voda a fyzická ekonomika AI

• Výpočtová kapacita je limitovaná elektrinou, sieťovým pripojením, transformátormi, chladením, vodou, pozemkom a povoľovaním.
• Spotreba dátových centier rastie, ale prognózy majú scenáre a regionálny dopad je koncentrovanejší než globálny priemer.
• Energetická výhoda môže meniť geografiu AI a zároveň vytvárať konflikt s klimatickými a spotrebiteľskými cieľmi.

IEA v správe Energy and AI odhaduje globálnu spotrebu elektriny dátových centier za rok 2024 približne na 415 TWh, okolo 1,5 % svetovej spotreby, a v základnom scenári približne 945 TWh do roku 2030. Projekcia nie je istota: závisí od dopytu, efektívnosti, hardvéru a rýchlosti výstavby.

Globálne percento môže vyzerať malé, no nový kampus sa pripája do konkrétnej regionálnej siete. IEA upozorňuje na geografickú koncentráciu a dlhé lehoty pre elektrické vedenia a zariadenia. V roku 2025 podľa aktualizácie IEA spotreba dátových centier výrazne rástla a fyzické úzke hrdlá sa sprísňovali.

Firma môže nakupovať obnoviteľnú energiu, budovať zdroj, posúvať výpočty v čase a zlepšovať efektívnosť. Účtovná zmluva však nemusí znamenať, že server v každej hodine využíva bezuhlíkovú elektrinu. Vodný dopad závisí od chladenia, klímy a výroby elektriny a má sa reportovať lokálne.

Krajiny so stabilnou nízkouhlíkovou energiou, rýchlym povoľovaním a chladnejším podnebím môžu prilákať compute. To neznamená, že získajú aj výskum a duševné vlastníctvo. Dátové centrum môže byť energeticky náročná infraštruktúra s relatívne malým počtom trvalých pracovných miest, ak chýba okolité hospodárstvo.

Talent: globálny, mobilný a nerovnomerne rozdelený

• Špičkový AI tím potrebuje výskumníkov, systémových inžinierov, dátových odborníkov, produktové roly, doménových expertov a bezpečnosť.
• Migrácia sústreďuje talent v niekoľkých mestách; univerzity po celom svete pritom financujú jeho počiatočné vzdelanie.
• Dlhodobé vedenie závisí od kvality širokého školstva a pracovných podmienok, nie iba od náboru malej elity.

Talentové rebríčky sa líšia podľa definície „top researcher“, afiliácie a krajiny pôvodu. Vedec môže vyštudovať v Číne, doktorát absolvovať v USA, pracovať pre britské laboratórium a publikovať medzinárodne. Prisúdiť celý výsledok jednému štátu ignoruje mobilitu.

Spojené štáty historicky priťahujú absolventov cez univerzity, mzdy, compute a startupové príležitosti. Kanada, Spojené kráľovstvo, Francúzsko, Švajčiarsko a Singapur majú silné uzly. Čína rozšírila domáce technické vzdelávanie a návratové programy. EÚ rieši fragmentovaný trh a odliv do amerických firiem.

Frontier výskumník je iba jedna vrstva. Pre difúziu treba tisíce ľudí, ktorí rozumejú procesom, dátam, kybernetike, právu a zmene organizácie. Nedostatok elektrikárov, sieťových inžinierov či učiteľov môže brzdiť AI rovnako ako nedostatok PhD v machine learningu.

Talentová politika má zahŕňať akademickú slobodu, dostupnosť pre ženy a marginalizované skupiny, celoživotné učenie a medzinárodnú výmenu. Ak vedúce laboratóriá čerpajú z úzkeho sociálneho okruhu, môžu prehliadať problémy veľkej časti používateľov.

Kapitál a schopnosť škálovať

• Frontier tréning, cloud a čipové továrne vyžadujú veľký a trpezlivý kapitál; aplikačná inovácia potrebuje aj dostupné menšie financovanie.
• Súkromná investícia, štátna dotácia, úver a mobilizovaný plán nie sú porovnateľné účtovné kategórie.
• Veľkosť investície nemeria produktivitu ani verejný prínos a môže obsahovať prekrývajúce sa záväzky.

Americký rizikový a kapitálový trh umožňuje startupu rýchlo získať veľký objem peňazí a zamestnancov. Verejné trhy a akvizície poskytujú exit. Čína používa kombináciu firiem, miestnych fondov, štátnych bánk a priemyselnej politiky. EÚ má kvalitné rané startupy, no častejšie nedostatok rastového kapitálu a fragmentované obstarávanie.

Pri oznámení „200 miliárd na AI“ treba skúmať, či ide o nový rozpočet, súkromný zámer, pôžičku, záruku alebo celkovú hodnotu infraštruktúry počas rokov. Rovnaké peniaze môžu byť započítané v dátovom centre, partnerstve a fonde. Menová a cenová úroveň ďalej komplikujú porovnanie.

Kapitál môže pretekať do infraštruktúry rýchlejšie, než rastie výnos z aplikácií. Ak sa očakávania nenaplnia, korekcia neznamená koniec technológie, ale môže zmeniť vlastníctvo a tempo. História internetu ukazuje, že finančná bublina a trvalá infraštruktúrna revolúcia sa nevylučujú.

Strategickým ukazovateľom je schopnosť financovať komplementy: integráciu v nemocnici, kvalitný dataset, školenie malého podniku a nezávislú evaluáciu. Bez nich najväčšiu hodnotu získajú poskytovatelia základnej vrstvy, nie celá ekonomika.

Publikácie, citácie a patenty

• Počet publikácií meria aktivitu, citácie približujú vplyv a patenty právnu stratégiu; všetky majú odlišné oneskorenie a skreslenie.
• Čína vedie v objeme viacerých ukazovateľov, USA majú vysoký podiel vplyvných prác a frontier modelov, Európa zostáva významným výskumným blokom.
• Kvalita otvorenej vedy, reprodukovateľnosť a transfer do praxe sú dôležitejšie než samotný súčet položiek.

Publikácia môže byť malý workshopový príspevok alebo prelomová práca. Frakčné počítanie rozdeľuje medzinárodný článok medzi krajiny, plné ho započíta každej. Citácie zvýhodňujú staršie, anglické a populárne témy a môžu byť strategické. Rebríček sa mení podľa databázy a poľa.

Patent chráni vynález v jurisdikcii a môže signalizovať komerčný zámer. Veľa patentov môže vzniknúť aj vďaka dotačným stimulom alebo defenzívnej stratégii. Patentová rodina zoskupuje príbuzné prihlášky a znižuje dvojité počítanie, no stále nehovorí, či technológia funguje v produkte.

WIPO poskytuje transparentnejšiu metodiku než reklamné firemné rebríčky, no aj jeho údaje majú publikačné oneskorenie. Stanford AI Index kombinuje viaceré databázy a kategórie; pri citovaní treba zachovať definíciu z konkrétnej kapitoly a rok dát.

Veda je globálna sieť. Čínsko-americký článok môže byť dôkazom sily oboch aj hodnoty spolupráce. Prílišná securitizácia výskumu môže obmedziť výmenu, ktorá umožnila samotné prelomy, hoci citlivé vojenské aplikácie vyžadujú ochranu.

Adopcia a priemyselná difúzia

• Modelové vedenie vytvára potenciál; hospodárske vedenie vzniká až pri rozšírení do produktívnych a bezpečných pracovných tokov.
• Čína má silnú výrobnú základňu a robotiku, USA digitálne platformy a služby, Európa priemyselné domény s vysokými nárokmi na dôveru.
• Percento organizácií „používajúcich AI“ nehovorí o hĺbke, kvalite ani finančnom výsledku nasadenia.

Stanford AI Index 2026 uvádza prudký rast deklarovaného používania AI a generatívnej AI vo firmách. Definícia môže zahŕňať jeden pilot alebo nástroj v jednej funkcii. Agentné systémy a plne transformované procesy zostávajú podstatne menej rozšírené. Adopcia licencie nie je adopcia nového organizačného modelu.

Čínska výhoda v priemyselnej robotike a masovej výrobe umožňuje AI preniknúť do fyzických produktov. USA majú cloud, softvér a globálnych podnikových zákazníkov. EÚ môže využiť strojárstvo, automobilový, farmaceutický a energetický sektor, ak prekoná fragmentáciu dát a pomalé škálovanie.

Najlepšia adopčná metrika spája používanie s výsledkom: znížená poruchovosť, kratší čas, vyššia kvalita, lepší prístup alebo nižšia spotreba. Musí odpočítať implementáciu, opravy a riziko. Rovnaké pravidlo platilo pri pracovnom trhu v kapitole 11.

Krajina môže importovať model a vytvoriť veľkú domácu hodnotu. Technologická suverenita preto nie je totožná s autarkiou. Rozhoduje schopnosť vybrať dodávateľa, chrániť strategické dáta, prispôsobiť systém a pokračovať pri zmene podmienok.

Regulácia a „Brussels effect“

• Veľký trh môže exportovať svoje pravidlá, keď globálna firma používa jeden štandard pre viac regiónov.
• EÚ vedie v horizontálnej právnej úprave AI; USA používajú sektorové, federálne a štátne nástroje a Čína kombinuje obsahové, bezpečnostné a priemyselné pravidlá.
• Prísnosť sama nie je prvenstvo: kvalita sa meria znížením rizika, právnou istotou, vymáhateľnosťou a podporou prospešnej inovácie.

AI Act zavádza rizikovo odstupňovaný rámec pre uvádzanie a používanie systémov v EÚ. Globálny dodávateľ môže časť požiadaviek aplikovať širšie, ak je lacnejšie udržiavať jeden produkt. Tento „Brussels effect“ už poznáme z ochrany údajov a produktových noriem.

Spojené štáty majú pluralitnejší režim: federálne agentúry, štáty, existujúce pravidlá spotrebiteľa, zamestnania a sektorov. Aktuálna federálna politika kladie silný dôraz na zrýchlenie infraštruktúry a vedúce postavenie. Čína upravuje odporúčacie algoritmy, syntetický obsah a generatívne služby a prepája reguláciu so štátnou kontrolou informácií.

Regulácia môže vytvárať dôveru a interoperabilné testy, ale aj fixné náklady, ktoré ľahšie unesie veľká firma. Sandboxy, štandardy, metodická pomoc a spoločná infraštruktúra znižujú záťaž malých aktérov. Slabé vymáhanie zas odmeňuje nezodpovedného konkurenta.

Globálne vedenie v governance zahŕňa aj OECD princípy, normy ISO/IEC, NIST rámce, OSN, Radu Európy a sektorové orgány. Štandardizačné výbory sú menej viditeľnou, no významnou arénou moci: definujú metriky, dokumenty a kompatibilitu budúcich trhov.

Bezpečnosť, obrana a dual-use rozmer

• Rovnaké modely a čipy môžu podporovať medicínu, kybernetickú obranu, propagandu, autonómne systémy aj vojenskú analýzu.
• Štáty preto spájajú AI s národnou bezpečnosťou, exportnými kontrolami a ochranou výskumu.
• Utajenie môže chrániť citlivú schopnosť, ale oslabuje nezávislé hodnotenie a medzinárodné učenie z incidentov.

AI je technológia dvojakého použitia. Jazykový model pomôže obrancovi analyzovať logy aj útočníkovi škálovať sociálne inžinierstvo; vision systém kontroluje výrobok aj sleduje cieľ. Rozhodujú dáta, integrácia, oprávnenia a doktrína, nie názov základného modelu.

Vojenské schopnosti sú z veľkej časti neverejné, preto komerčný benchmark nie je presný proxy ukazovateľ. Obrana vyžaduje bezpečné siete, senzory, velenie, odolnosť proti rušeniu a jasné pravidlá použitia sily. Autonómia v zbraniach prináša právne a etické otázky, ktoré nemožno vyriešiť rebríčkom presnosti.

International AI Safety Report 2026 sumarizuje vedecký stav pri všeobecne použiteľných systémoch a rizikách zneužitia, porúch a systémových dopadov. Ide o medzinárodnú expertnú syntézu, nie o záväznú zmluvu ani istú predpoveď katastrofy.

Bezpečnostná dilema vzniká, keď každá strana zrýchľuje zo strachu, že druhá bude prvá. Transparentné evaluačné protokoly, incidentné kanály, pravidlá ľudskej kontroly a dialóg o najrizikovejších použitiach môžu znižovať omyl bez zrušenia legitímnej ochrany.

Jazyk, kultúra a kontrola kontextu

• Model silný v angličtine nemusí byť spoľahlivý v slovenčine, právnom systéme alebo lokálnej kultúre.
• Digitálna prítomnosť jazyka, kvalitné korpusy, terminológia a hodnotitelia sú strategickou infraštruktúrou.
• Lokálny model nie je vždy potrebný; lokálna schopnosť testovať, prispôsobiť a spravovať dáta potrebná je.

Veľké webové korpusy zvýhodňujú jazyky s množstvom digitalizovaného textu. Menší jazyk má menej dát, viac duplicít a slabšie benchmarky. Preklad cez dominantný jazyk môže stratiť právny alebo kultúrny význam. Pri verejnej službe sa chyba dotkne práve človeka, ktorý nemá alternatívu.

Strategická práca zahŕňa digitalizáciu oprávnených textov, kvalitné paralelné korpusy, rečové dáta, terminologické databázy a evaluačné súbory vytvorené domácimi odborníkmi. Treba rešpektovať autorské práva, súkromie a komunity, nie bez rozdielu zozbierať každý obsah.

Krajina veľkosti Slovenska pravdepodobne nebude trénovať každý frontier model od nuly. Môže však udržiavať otvorené jazykové zdroje, testovať globálne modely, prevádzkovať menšie systémy na citlivých dátach a vyžadovať interoperabilitu. Tak získava vyjednávaciu schopnosť.

Jazykové pokrytie je tiež trhová príležitosť. Firma, ktorá rozumie lokálnej legislatíve a procesom, môže vytvoriť hodnotu nad globálnym základom. Kontext je jedným zo štyroch pilierov World Bank práve preto, že compute bez neho nedáva relevantnú službu.

Preteky sú zároveň sieťou závislostí

• Žiadny hlavný aktér nie je technologicky sebestačný; modelový zásobník spája desiatky krajín a tisíce dodávateľov.
• „Decoupling“ môže zvýšiť odolnosť v jednej oblasti a znížiť efektívnosť, vedeckú výmenu či prístup v druhej.
• Strategickým cieľom má byť riadená vzájomná závislosť s alternatívami, nie ilúzia úplnej izolácie.

Americký model môže byť trénovaný na taiwanskom čipe s kórejskou pamäťou, holandskou litografiou a globálnymi dátami. Čínska výroba poskytuje elektroniku a energetické komponenty pre celý svet. Európske priemyselné zariadenia vstupujú do ázijských tovární. Sankcia na jednom uzle sa šíri reťazcom.

Vzájomná závislosť znižuje cenu a urýchľuje inovácie, ale vytvára možnosť nátlaku. Úplné paralelné reťazce by stáli obrovský kapitál a mohli spomaliť pokrok. Krajiny preto vyberajú „small yard, high fence“ alebo iné selektívne koncepcie, ktorých rozsah je predmetom politického sporu.

Odolnosť znamená poznať mapu dodávateľov, zásoby, časy náhrady a kritické single points of failure. Pre firmu ide o multi-cloud, export dát a alternatívny model; pre štát o aliancie, domáce schopnosti a krízové protokoly.

Spolupráca zostáva potrebná pri vede, bezpečnostných incidentoch, štandardoch, klíme a digitálnej priepasti. Pretekárska metafora nesmie zničiť mechanizmy, ktoré chránia všetkých pred spoločným rizikom.

Ako čítať správy o „víťazovi“

• Vždy identifikujte metriku, jednotku analýzy, obdobie, zdroj dát, normalizáciu a konflikt záujmov.
• Oddeľte schopnosť modelu od ceny, dostupnosti, bezpečnosti, adopcie a výsledku.
• Skontrolujte, či číslo označuje realitu, odhad, prieskum, plán alebo politický záväzok.

Titulok „krajina vedie v AI patentoch“ neznamená „má najlepší model“. „Firma získala 50 miliárd“ nemusí znamenať, že ich už minula alebo vytvorila hodnotu. „Model vedie benchmark“ môže znamenať rozdiel v štatistickej chybe pri vyššom inferenčnom rozpočte. Každý výrok sa musí preložiť do presnej vety.

Normalizácia mení obraz. Absolútny počet publikácií zvýhodňuje veľkú krajinu; na obyvateľa ukáže menší výskumný uzol; podľa HDP zas investičnú intenzitu. Všetky pohľady môžu byť legitímne, ak sa nepomiešajú.

Primárny zdroj - databáza, metodická príloha, vládny dokument alebo vedecký článok - má prednosť pred komentárom. Firemné tvrdenie o vlastnom modeli je východiskom na overenie, nie nezávislý dôkaz. Pri neauditovateľnej vrstve treba neistotu priznať.

Napokon sa pýtajme, či prvenstvo súvisí s cieľom. Pre školu je relevantný bezpečný slovenský tutor, pre nemocnicu klinicky validovaný systém, pre štát odolná infraštruktúra. Globálny generický rebríček môže mať pre rozhodnutie malú hodnotu.

Národní šampióni, súťaž a verejná hodnota

• Podpora domáceho lídra môže urýchliť investície a vytvoriť strategickú kapacitu, ale môže tiež uzamknúť trh a socializovať straty.
• Verejná pomoc má byť spojená s merateľnými záväzkami, hospodárskou súťažou, prístupom výskumu a pravidlami pre dáta.
• Úspech sa nemeria iba hodnotou firmy, ale aj spillovermi do dodávateľov, zručností, vedy a kvalitných služieb.

Štáty často chcú „vlastného národného šampióna“: firmu dostatočne veľkú na súťaž s globálnymi platformami. Argumentom sú obrovské fixné náklady, sieťové efekty a strategická bezpečnosť. Bez koordinovanej objednávky či kapitálu sa domáci podnik nemusí dostať cez fázu, v ktorej ešte nemá rozsah ani príjem.

Výber jedného víťaza však vytvára morálny hazard. Firma môže získať dotovanú energiu, compute, údaje a verejné kontrakty, pričom duševné vlastníctvo alebo zisk neskôr presunie inde. Politická blízkosť môže nahradiť technickú kvalitu. Ochrana pred zahraničnou súťažou tiež znižuje tlak na cenu a interoperabilitu.

Podpora preto potrebuje podmienky: míľniky reálne dodanej kapacity, otvorené a súťažné výzvy, transparentnosť verejných nákladov, návratnosť pri komerčnom úspechu a dostupnosť časti infraštruktúry pre univerzity a malé firmy. Obstarávateľ má zachovať export dát a možnosť zmeniť dodávateľa. Antimonopolná politika a priemyselná politika nie sú protiklady; musia sa navrhovať spolu.

Verejná hodnota môže vzniknúť aj bez svetového modelového šampióna. Kvalitné technické školy, jazykové datasety, bezpečný cloud, produktívne malé podniky a lepšia zdravotná služba vytvárajú širší výnos. Krajina, ktorá vlastní menšiu časť frontier firmy, ale dokáže AI difúzne a dôveryhodne používať, môže občanom priniesť viac než krajina s rekordným laboratóriom a slabými verejnými službami.

Hodnotenie priemyselnej politiky preto potrebuje kontrafaktuál: čo by vzniklo bez podpory a aké iné verejné použitie kapitálu sa obetovalo? Sleduje sa dodatočný súkromný výskum, mzdy a lokálni dodávatelia, nie iba oznámená investícia. Zmluvy majú umožniť spätné získanie časti pomoci, ak príjemca nesplní podmienky alebo strategické aktívum okamžite odpredá bez dohodnutého verejného prínosu.

Možné scenáre do začiatku 30. rokov

• V scenári americkej konsolidácie zostáva frontier vrstva sústredená okolo amerických cloudov, čipov a laboratórií.
• V multipolárnom scenári sa výkon komoditizuje, otvorené modely znižujú rozdiel a regióny vedú v rôznych vrstvách.
• V scenári blokov sa reťazce, štandardy a dátové priestory rozdelia, čo zvyšuje odolnosť niektorých štátov aj globálne náklady.

Americkú konsolidáciu podporuje kapitál, platformové efekty a integrovaný zásobník. Modely sa stanú súčasťou cloudu a kancelárskych systémov, takže distribúcia posilní existujúcich lídrov. Rizikom je protimonopolný tlak, energia a závislosť od výroby.

Multipolaritu podporuje zmenšovanie výkonových rozdielov, otvorené váhy, efektívnejšie čipy a špecializované modely. Čína vedie vo výrobnej aplikácii, EÚ v regulovaných odvetviach, India vo viacjazyčných službách a menšie uzly vo vede. Frontier model sa stane dostupnejšou komoditou, hodnota sa presunie ku kontextu a distribúcii.

Blokový scenár vznikne pri rastúcom bezpečnostnom konflikte. Hardvér, cloudy, modely, štandardy a internetové služby sa rozdelia podľa aliancií. Duplicita zvýši náklady a zníži globálnu vedeckú výmenu, ale môže urýchliť domácu substitúciu. Menšie krajiny budú pod tlakom vybrať si ekosystém.

Pravdepodobná je kombinácia: strategická vrstva bude koncentrovaná a kontrolovaná, aplikačná vrstva pluralitnejšia. Scenáre nie sú predpoveď; pomáhajú identifikovať signály - podiel otvorených modelov, cenu inferencie, obchodné obmedzenia, výstavbu elektriny a geografiu talentu.

Čo znamenajú preteky pre Slovensko

• Slovensko nemá realisticky kopírovať celý frontier zásobník; potrebuje cielenú špecializáciu a európsku spoluprácu.
• Prioritami sú konektivita a cloudová voľba, slovenské dáta a evaluačné sady, talent, kybernetická bezpečnosť a adopcia v silných odvetviach.
• Verejné obstarávanie a vzdelávanie môžu vytvoriť domáci dopyt bez uzamknutia na jedného dodávateľa.

Slovensko má automobilový a priemyselný sektor, technické univerzity, zdravotnícke a verejné procesy, v ktorých môže AI vytvárať hodnotu. Konkurenčná výhoda nevznikne trénovaním všeobecného modelu za každú cenu, ale spojením doménových údajov, inžinierstva, bezpečnosti a európskej infraštruktúry.

Potrebná je slovenská jazyková základňa: oprávnene dostupné korpusy, reč, terminológia, benchmarky a experti. Inak budú úrady a firmy kupovať modely, ktorých výkon v slovenčine nevedia overiť. Verejne financované zdroje by mali mať jasné licencie a byť opakovane použiteľné, ak to práva dovoľujú.

Prístup k EuroHPC a AI factories má zmysel iba s tímami, ktoré vedia pripraviť projekt. Vzdelávanie preto zahŕňa vedcov, dátových inžinierov, doménových odborníkov aj manažérov adopcie. Diaspóra a regionálna spolupráca môžu doplniť malý trh.

Verejný nákup má vyžadovať export dát, dokumentáciu verzie, testovanie slovenského kontextu, bezpečnostný incidentný plán a možnosť prejsť k inému modelu. Tak sa znižuje lock-in a vzniká referenčný trh pre domácich dodávateľov. Praktická pripravenosť organizácií je predmetom kapitoly 15.

Čo z toho vyplýva

• USA dnes vedú v najsilnejšej kombinácii frontier modelov, kapitálu, cloudov a návrhu čipov, no ich vedenie nie je úplné ani nezvratné.
• Čína je hlavný systémový konkurent s rozsahom výskumu, patentov, priemyslu a adopcie; EÚ je významný blok so silou v doménach, štandardoch a verejnej infraštruktúre, ale potrebuje lepšie škálovanie.
• Skutočný víťaz AI éry nebude iba tvorca najväčšieho modelu, ale spoločnosť, ktorá premení schopnosť na široký, bezpečný a udržateľný prínos.

Vedenie je portfólio. Modelová špička bez energie je krehká; čip bez softvéru nevyužitý; patent bez produktu papier; regulácia bez implementácie text; adopcia bez zručností povrchná. Preto každá jednočíselná odpoveď zlyháva.

Medzinárodné preteky sú reálne: štáty vnímajú AI ako zdroj produktivity, vojenskej moci a štandardov. Súčasne ide o globálnu sieť. Opatrenia, ktoré úplne ignorujú závislosti, môžu poškodiť aj vlastnú inovačnú základňu. Odolnosť vzniká z diverzifikácie, talentu, otvorených štandardov a schopnosti hodnotiť dodávateľa.

Kapitola 14 teraz presunie pozornosť od špičky k difúzii. Internet nezmenil ekonomiku preto, že jedna krajina vyhrala benchmark protokolu, ale preto, že spoločné vrstvy umožnili milióny doplnkových inovácií. AI môže sledovať podobnú trajektóriu - s dôležitými rozdielmi v koncentrácii, pravdivosti a automatizácii kognitívnej práce.

Zdroje a ďalšie čítanie

• Stanford HAI: AI Index Report 2026
• Stanford HAI: AI Index 2026 - Economy
• Stanford HAI: AI Index 2026 - Technical Performance
• WIPO: Patent Landscape Report - Generative Artificial Intelligence
• WIPO: Patent Trends Update in Generative AI (2026)
• World Bank: Digital Progress and Trends Report 2025 - AI Foundations
• IEA: Energy and AI
• IEA: Data Centre Electricity Use Surged in 2025
• European Commission: AI Continent Action Plan
• European Commission: Shaping Europe’s Leadership with the AI Continent Action Plan
• European Commission: AI Factories
• European Commission: EU Launches AI Gigafactories Call (2026)
• EuroHPC Joint Undertaking
• European Commission: European Chips Act
• EU AI Act - Official Journal
• The White House: America’s AI Action Plan (2025)
• NIST: CHIPS for America
• U.S. National Science Foundation: National AI Research Resource Pilot
• UK Government: AI Opportunities Action Plan
• UK Government: AI Research Resource and Sovereign AI Compute
• Government of China: AI Cooperation and Development Action Plan (2026)
• Cyberspace Administration of China: Artificial Intelligence Plus Action (2025)
• Ministry of Foreign Affairs of China: Global AI Governance Action Plan
• OECD.AI Policy Observatory
• International AI Safety Report 2026
• Council of Europe: Framework Convention on Artificial Intelligence
• UN: Global Digital Compact
• UNESCO: Recommendation on the Ethics of Artificial Intelligence
• ISO/IEC JTC 1/SC 42 - Artificial Intelligence
• NIST: AI Risk Management Framework
• MacroPolo: The Global AI Talent Tracker
• OECD: Framework for the Classification of AI Systems