Jak powstał ten kalkulator
Ten kalkulator powstał 12 czerwca 2026 r. podczas sesji roboczej z Claude Fable 5 (Anthropic) w trybie Cowork aplikacji Claude na komputery. AI najpierw zebrała w drodze badania internetowego aktualne dane o inwestycjach, użytkownikach i przychodach (capex hyperscalerów, finansowanie venture, liczba subskrybentów), opracowała na ich podstawie uproszczony model annuitetowy, programowo zweryfikowała obliczenia w Pythonie, a na koniec zbudowała tę stronę w stylistyce School.
W wersji 2 doszły: oddzielna amortyzacja według klas aktywów, suwak ceny energii elektrycznej, analiza wrażliwości (tornado), symulacja Monte Carlo z pasmem niepewności, ujęcie na osi czasu z rokiem osiągnięcia progu rentowności i IRR branży, porównanie z historycznymi megaprojektami, a także linki do scenariuszy do udostępniania oraz eksport do druku. Model celowo pozostaje prosty: nie ma dostarczać prognozy, lecz uczynić rzędy wielkości zrozumiałymi. Wszystkie źródła i założenia są ujawnione poniżej.
Twoje założenia
Dziewięć suwaków w czterech obszarach – wybierz po lewej obszar, dostrajaj po prawej. Każda zmiana natychmiast przelicza wynik i trafia do adresu URL.
Przychód z AI powstaje przede wszystkim na podstawie zużycia (API/enterprise), a nie przez abonamenty za 20 $.
Cena mieszana = cena cennikowa 3:1 (output:input) koszyka flagowego; własne zestawienie z cen publicznych – rząd wielkości, miesięczny snapshot. Kontekst: a16z „LLMflation“, Epoch AI. Założenia poglądowe: ~0,75 słowa/token, ~225 słów/min czytania, populacja świata 8,1 mld.
Uproszczony model annuitetowy do uchwycenia rzędów wielkości. Bez prognozy, bez doradztwa inwestycyjnego. Stan danych: 12.06.2026.
Capex AI wielkich koncernów technologicznych
mld $/rok · Amazon, Microsoft, Alphabet, Meta, Oracle
Wymagany vs. rzeczywisty przychód AI
mld $/rok
Wymagana cena miesięczna w zależności od liczby subskrybentów
$/miesiąc, skala logarytmiczna · krzywa podąża za Twoimi założeniami
Który suwak przechyla wynik? (Analiza wrażliwości)
Zakres wymaganej ceny miesięcznej, gdy w każdym przypadku jedno założenie zmienia się od „korzystnego" do „niekorzystnego" – wszystkie inne pozostają na Twoich wartościach.
Jak niepewny jest wynik? (Symulacja Monte Carlo)
3000 losowych scenariuszy wokół Twoich ustawień – zamiast punktowego oszacowania uczciwe pasmo niepewności.
Oś czasu: Kiedy rozbudowa się opłaca?
Zamiast statycznego rachunku rocznego: ścieżka inwestycji wobec rampy przychodów, zdyskontowana Twoim WACC. Próg rentowności = rok, w którym skumulowany, zdyskontowany zysk brutto wyprzedza skumulowane, zdyskontowane inwestycje.
Ujęcie w kontekście: rozbudowa AI obok megaprojektów historii
Inwestycje całkowite, z grubsza skorygowane o inflację w mld $ dzisiejszych – wartości szacunkowe dla kontekstu, nie dokładna statystyka.
Tańsze tokeny – koniec tej historii? Niekoniecznie.
Spadające ceny tokenów brzmią jak śmierć marż. Trzy przeciwsiły wyjaśniają, dlaczego dawcy kapitału mimo to są optymistyczni – całkowicie bez zmów cenowych:
Firmy aplikacyjne, agentowe i SaaS wyceniają według wyniku lub miejsca, a nie za token. Gdy koszty tokenów spadają, maleje ich koszt własny (COGS), podczas gdy cena sprzedaży się utrzymuje → ich marża rośnie. Dokładnie tu siedzą pieniądze VC. Cena, która nie spada tak szybko jak koszty, to cena aplikacji – bez potrzeby zmowy, lecz inna warstwa z różnicowaniem i kosztami zmiany dostawcy.
Taniej znaczy masowo więcej użycia. Cienka marża pomnożona przez eksplodujący wolumen może mimo to pozwolić rosnąć całkowitemu zyskowi brutto.
Najnowsze modele zachowują tymczasowo siłę cenotwórczą: „koszty spadają“ dotyczy wczorajszej wydajności – dzisiejszy szczyt nadal kosztuje. Ruchomy cel, a nie koordynacja.
Druga strona medalu – i powód powstania tego kalkulatora: Jeśli wartość przemieszcza się do kapitałowo lekkiej warstwy aplikacji, a cena tokena jest wyparta przez konkurencję, to swojej stopy zwrotu mogą nie osiągnąć właśnie kapitałochłonni dostawcy infrastruktury i modeli (którzy dźwigają bilionowy capex). Dokładnie to napięcie odwzorowuje kalkulator.
Droga obliczeniowa – krok po kroku
| Krok | Logika | Wartość |
|---|
Dlaczego ten kalkulator jest potrzebny
O AI mówi się w superlatywach – ale rzadko w jednostkach, które człowiek jest w stanie pojąć. „725 miliardów dolarów capexu" to nagłówek; „Twój abonament musiałby kosztować ponad 1000 dolarów miesięcznie, gdyby dzisiejsi płatnicy mieli ponieść rachunek sami" to myśl, którą można domyśleć do końca. Dokładnie to przełożenie wykonuje kalkulator: rozkłada najbardziej abstrakcyjną liczbę teraźniejszości na najbardziej konkretną – cenę, którą sam byś zapłacił.
To więcej niż gra liczbowa. Kto chce zrozumieć, czy fala inwestycji w AI to bańka, czy budowa nowej infrastruktury bazowej, musi przejrzeć dokładnie tę mechanikę: kapitał kosztuje stopę zwrotu, sprzęt starzeje się w kilka lat, a między przychodem a zyskiem leżą koszty energii i obliczeń. Z tych trzech trzeźwych faktów wynika nieuchronnie, że gdzieś w gospodarce światowej co roku musi powstawać trzycyfrowa kwota miliardów nowej wartości – poprzez abonamenty, poprzez rozwiązania korporacyjne lub poprzez produktywność. Czy to się uda, jest być może najważniejszym pytaniem gospodarczym tej dekady.
I wreszcie kalkulator to kawałek samodzielności: zamiast przejmować gotową opinię („bańka!" lub „rewolucja!"), możesz sam przestawić założenia i zobaczyć, kiedy rachunek się przechyla. Kto raz sam doświadczył, że wynik waha się między 35 a 1200 dolarów – w zależności od tego, w co się wierzy o liczbie subskrybentów i marżach – czyta potem każdy nagłówek o AI inaczej. Dokładnie taką postawę chcemy przekazywać w School: nie wierzyć, lecz liczyć. Dare to think.
Założenia w szczegółach
Wartości startowe scenariusza bazowego – wszystkie regulowane suwakami. Wartości startowe są ładowane z oddzielnego pliku danych i utrzymywane kwartalnie.
| Założenie | Wartość startowa | Uzasadnienie |
|---|---|---|
| Baza inwestycyjna | 2,0 bln $ | Skumulowane inwestycje w AI 2023–2026: udział AI w capeksie hyperscalerów (~1,1 bln $: 2024 ≈ 192, 2025 ≈ 332, 2026e ≈ 544 mld $), finansowanie venture (~0,6 bln $: 2024 = 114, 2025 = 211 mld $), reszta chipy, energia i niezależni operatorzy centrów danych. Świadomie konserwatywnie – Goldman Sachs spodziewa się w samych latach 2026–2031 dalszych 7,6 bln $. |
| Koszt kapitału (WACC) | 10 % | Typowe oczekiwanie stopy zwrotu dla inwestycji technologicznych; kapitał venture oczekuje znacznie więcej, obligacje mniej. |
| Okres użytkowania chipów/serwerów | 5 lat | Hyperscalerzy amortyzują przez 4–6 lat; krytycy (m.in. co do dewaluacji GPU przez nowe generacje) uważają 2–3 lata za bardziej realistyczne. |
| Okres użytkowania budynków/sieci | 15 lat | Powłoki centrów danych, infrastruktura zasilania i chłodzenia są długotrwałe – to tłumi obciążenie kapitałowe. |
| Udział sprzętu | 60 % | Większość inwestycji w AI trafia w chipy i serwery (krótkotrwałe), reszta w długotrwałą infrastrukturę. |
| Marża brutto | 50 % | Usługi AI mają wysokie koszty zmienne (energia, compute inferencji, działalność) – znacznie poniżej klasycznych marż oprogramowania rzędu 80–90 %. |
| Indeks ceny energii elektrycznej | 100 % | Energia ≈ 15 punktów przychodu w scenariuszu bazowym. Gdy cena energii rośnie o 50 %, efektywna marża spada o ~7,5 punktu – energia to najszybciej rosnący blok kosztów rozbudowy. |
| Udział abonamentów | 40 % | Abonamenty konsumenckie pokrywają tylko część; przychody enterprise i API rosną szybciej (Anthropic: ~47 mld $ run-rate niemal bez działalności konsumenckiej). |
| Płacący subskrybenci | 300 mln | Dziś realnie ~80 mln na świecie (ChatGPT: 50 mln płacących przy 900 mln użytkownikach tygodniowo = ~5–6 % konwersji). 300 mln zakłada niemal poczwórny wzrost. |
| Wzrost przychodów (oś czasu) | 35 %/rok | Między historycznym hiperwzrostem (Anthropic: 80× w dwa lata) a dojrzałym oprogramowaniem (~15–20 %). Liczone jako stałe – świadome uproszczenie. |
| Dzisiejszy przychód AI | ~175 mld $/rok | Zgrubna suma w połowie 2026: OpenAI ~29, Anthropic ~47 (run-rate), do tego przychody AI Google, Microsoft, Meta & Co. |
Źródła
IEEE ComSoc: Hyperscaler-Capex 2024–2026 · Goldman Sachs: Tracking Trillions – assumptions of the AI build-out · CNBC: Big Tech capex above $1bln from 2027 · AI Funding Tracker: $211mld venture funding 2025 · Crunchbase: funding of the foundation-model providers · Roic: ChatGPT – 900mln users, 50mln paying subscriptions · CNBC: Anthropic revenue trajectory · Bain & Company: $2bln annual revenue needed by 2030 · Tom's Hardware: Bain's $800mld gap · Al Jazeera: AI build-out vs. historical megaprojects · IMF World Economic Outlook: nominal GDP by country (2025)
Zbadano 12.06.2026. Wartości startowe kalkulatora znajdują się w pliku rechner-ai-breakeven-daten.json i są aktualizowane kwartalnie – suwaki pozwalają Ci w każdej chwili wstawić własne wartości. Pytania metodyczne? Nasza strona źródeł & metodyki.