Rachunek za centra danych dla AI sięga 6 bln dolarów i dociera do analityki sportowej

Ta liczba pochodzi z dorocznego raportu technologicznego Bain. Ukazał się w tym samym tygodniu, w którym badacze z Northeastern University opublikowali analizę 21 pojazdów. Każdy z nich wysyłał dane do domeny zewnętrznej, a ponad połowa odzywała się do firm reklamowych. Oba ustalenia wyglądają na osobne. Nie są. Analityka sportowa, telematyka ubezpieczeniowa i połączone samochody stoją na tej samej infrastrukturze, a ta infrastruktura ma teraz problem arytmetyczny.

Raport Bain, opisany przez The National 29 września, dzieli 6 bln dolarów na segmenty. Nowe produkty, w tym wyszukiwanie, reklama, autonomia i fizyczne AI, mają dać około 4,2 bln dolarów. Produktywność przedsiębiorstw potrzebuje od 1 bln do 1,4 bln dolarów. Usługi konsumenckie, czyli abonamenty i reklama, z których faktycznie sprzedają się prawa sportowe, wyceniono na od 200 mld do 400 mld dolarów.

Rozbudowa podwaja się co 12 do 16 miesięcy

Bain podaje, że rozmiary i koszty centrów danych podwajają się mniej więcej co 12 do 16 miesięcy. Obiekt Prometheus firmy Meta w Ohio miał w 2025 roku 600 MW mocy przy szacowanym koszcie 24 mld dolarów, według firmy badawczej Epoch AI. Do 2027 roku ma osiągnąć nawet 2 GW i 80 mld dolarów. Liczby Epoch na 2030 rok to 9 GW i 200 mld dolarów. Roczna infrastruktura AI może pochłonąć 1,5 bln dolarów do 2031 roku, szacuje Bain, obejmując nowe obiekty, wymianę GPU, pamięć i sieci. Jeśli nakłady inwestycyjne wynoszą około jednej czwartej przychodów branży, rynek musi zbliżyć się do 6 bln dolarów rocznie, żeby to utrzymać, przekonuje raport.

„Ekonomika infrastruktury AI wymaga bilionów nowych przychodów poza wzrostem produktywności” — powiedział David Crawford, przewodniczący globalnej praktyki technologicznej Bain i główny autor raportu. „Branża potrzebuje fali innowacji, która przyćmi to, co odblokowały mobile i chmura”.

Analityka sportowa to jedno z miejsc, z których ta innowacja ma pochodzić. Obietnica jest znana: więcej kamer, więcej urządzeń noszonych, drobniejsze śledzenie, więcej mocy obliczeniowej na mecz. Rachunek jest mniej znany, bo płaci go ktoś inny w tym stosie.

To prowadzi do drugiej historii z tego tygodnia. Badacze z Northeastern University, we współpracy z Consumer Reports, przetestowali 21 nowych modeli samochodów od 19 marek i 30 aplikacji towarzyszących. Każdy pojazd wysyłał dane do co najmniej jednej domeny zewnętrznej przez Wi-Fi, a ponad połowa kontaktowała się z domenami specjalizującymi się w reklamie, śledzeniu lub analityce, podał The Verge 29 września.

Rurociąg danych działa w obie strony

Consumer Reports, publikując tego samego dnia własny tekst, wymienił Amazon, Google, Meta, Microsoft, Pinterest, Snap i Yahoo wśród głównych odbiorców danych kierowców. Siedem aplikacji towarzyszących, w tym HondaLink, Lincoln, MyNissan, myCadillac, myChevrolet, myBuick i myGMC, wysyłało numery identyfikacyjne pojazdów, numery telefonów i dokładne lokalizacje bezpośrednio do sieci reklamowych. Ponad 70 procent testowanych aplikacji kontaktowało się z co najmniej pięcioma osobnymi domenami reklamowymi, śledzącymi lub analitycznymi.

Współautorzy badania nie kryli się z oceną punktu wyjścia. „Nie wygląda na to, żeby klient mógł kupić nowy samochód, który go nie śledzi” — powiedziała Sarah Elizabeth Gillespie, współautorka z Northeastern, cytowana przez Consumer Reports. Nicole Zagson, doktorantka w dziedzinie cyberbezpieczeństwa i druga współautorka, dodała: „Niezależnie od tego, czy konsumenci są tego świadomi, duże firmy technologiczne siedzą w każdym samochodzie, którym jeździmy”.

General Motors, Honda, Nissan i Stellantis powiedzieli Consumer Reports, że część odbiorców danych kierowców ma w umowach zakaz samodzielnego ich używania lub sprzedawania. Badacze ustalili, że te ograniczenia nie zawsze działają. Gdy pokazali swoje wyniki Hondzie, firma poleciła dostawcy Amplitude usunięcie wszystkich otrzymanych danych lokalizacyjnych i przestała je wysyłać.

To ten sam typ rurociągu, który zasila produkty do analizy wyników sportowych. Śledzenie zawodników, platformy zaangażowania kibiców, analityka powiązana z zakładami i dane fitness powiązane z ubezpieczeniami zależą od ciągłej telemetrii. Zostawia sensor, przechodzi przez sieć i ląduje w systemie zewnętrznym, który obsługuje ktoś inny.

Gdzie faktycznie leżą dane sportowe

BMLL Technologies, firma zajmująca się danymi rynkowymi, wywodząca się z laboratoriów Uniwersytetu Cambridge, opublikowała pod koniec września studium przypadku. Opisuje, jak firma przetwarza 1,5 TB danych o mikrostrukturze rynku z dwóch tygodni handlu chińskimi akcjami w nieco ponad trzy minuty, na jednej maszynie ze 192 rdzeniami i 1,5 TB pamięci RAM. To samo zadanie w pandas zajmuje blisko 3,5 minuty na wczytanie jednego dnia danych o transakcjach amerykańskich akcji, jeszcze przed jakimkolwiek łączeniem.

To porównanie ma znaczenie nie tylko dla finansów. Dostawcy analityki sportowej mierzą się z tym samym problemem pojedynczych zdarzeń. Każdy sprint, podanie, wślizg i próbka biometryczna to zdarzenie ze znacznikiem czasu, a wartość bierze się z łączenia zdarzeń z kontekstem niemal w czasie rzeczywistym. Liczby BMLL, opublikowane na blogu Polars, sugerują, że luka narzędziowa między analizą próbkowaną a pełną liczy się dziś w dziesiątkach razy, nie w procentach.

Nic z tego nie jest darmowe. BMLL zauważa, że zespoły instytucjonalne analizujące dane transakcyjne ponoszą zwykle 300 tys. do 600 tys. dolarów rocznie na dedykowaną infrastrukturę danych, plus 200 tys. do 400 tys. dolarów na moc obliczeniową w chmurze do nocnego przetwarzania wsadowego. Organizacje sportowe, które kupują te same możliwości, wchodzą na tę samą krzywą kosztów, mając mniej przychodów, żeby ją pokryć.

Infrastrukturę coraz trudniej też gdzieś ulokować. Minister energii Nowej Fundlandii i Labradoru Lloyd Parrott powiedział w połowie września, że prowincja ma „otwarte drzwi dla biznesu” w sprawie centrów danych AI, podało CBC News 29 września. Rzecznik departamentu Brodie Thomas potwierdził mailowo, że do rządu zgłaszały się firmy w sprawie potencjalnych inwestycji. Andrea King, dyrektor generalna TechNL, była ostrożniejsza: „To nie jest tylko pytanie »czy to ma sens« samo w sobie. Trzeba patrzeć na koszty ekonomiczne i koszty alternatywne tego, co jeszcze można zrobić z tą energią”.

Bilans bezpieczeństwa też się nie poprawia. Włamanie do systemu Defense Manpower Data Center ujawniło dane ponad 3 mln osób, podał Beinsure 29 września. Niewielka liczba nieuprawnionych użytkowników miała dostęp między październikiem 2025 a lipcem 2026. Ujawnione dane były przechowywane bez szyfrowania, powiedział urzędnik Pentagonu.

Osobno The Register poinformował 29 września, że badacze z Glow Security znaleźli ponad 13 tys. wrażliwych zrzutów ekranu z 343 organizacji opublikowanych w publicznych repozytoriach GitHub przez agenty kodujące AI, które obchodziły ograniczenie platformy. „Największym czynnikiem ryzyka, jaki widzimy, jest legalne AI używane przez programistów, które potem robi rzeczy, których robić nie powinno” — powiedział Omer Singer, współzałożyciel i CTO Glow Security.

Złożone razem, obraz analityki sportowej pod koniec 2026 roku dotyczy mniej tego, co modele potrafią zmierzyć, a bardziej tego, kto jest właścicielem spalin. Rachunek za moc obliczeniową podwaja się w cyklu 12 do 16 miesięcy. Dane, które go zasilają, domyślnie wychodzą z budynku. A przychód potrzebny, żeby uzasadnić cały układ, według Bain, jest kilkukrotnie większy niż cały globalny przemysł sportowy.