Raport Technologiczny 2026

Big Tech wydaje miliardy na atom… a chipy mogą wkrótce zużywać kilkadziesiąt razy mniej energii

Spintronika, fotonika, neuromorfika i dlaczego AI łaknie coraz więcej prądu

Czas czytania: 7 minut  ·  Aktualizacja: maj 2026

Microsoft i Constellation Energy przyspieszają projekt ponownego uruchomienia reaktora Unit 1 na Three Mile Island.

To ta sama wyspa, na której 28 marca 1979 roku reaktor Unit 2 wymknął się spod kontroli. Operatorzy przez kilka godzin nie rozumieli, co właściwie się dzieje. Do atmosfery uwalniała się radioaktywna para. Gubernator zalecił ewakuację kobiet w ciąży i dzieci poniżej piątego roku życia ze strefy pięciu mil wokół elektrowni. W ciągu kilku dni z okolicy uciekło ponad 140 tysięcy ludzi.

Najgorsza katastrofa jądrowa w historii USA.

Dziś Microsoft chce zasilać tym miejscem swoje serwery. Trudno o lepszą metaforę naszych czasów.

Trzy firmy są w tym pierwsze. Każdy po swojemu. Microsoft ożywia reaktor, którego symbolem była katastrofa. Amazon kupuje całe elektrownie. Google podpisuje umowy na energię na dekady.

Big Tech pompuje miliardy w atom nie z ideologii, lecz z brutalnej matematyki.

Dlaczego Big Tech tak desperacko łaknie prądu

Słyszałeś kiedyś historię o tym, jak komputery zużywają coraz mniej energii… a rachunek rośnie szybciej niż kiedykolwiek?

Wyobraź sobie centrum danych jak miasto, które nigdy nie śpi. Każde zapytanie do ChatGPT, każde odblokowanie telefonu twarzą, każdy film na Netflixie to tysiące serwerów które zaczynają pracować, grzać się i pobierać prąd.

Ile dokładnie? Jedno zapytanie do ChatGPT zużywa około 0,34 Wh.¹Źródło: Sam Altman, OpenAI (czerwiec 2025) – oficjalna wartość podana przez firmę. Szacunki niezależne (Epoch AI) są zbieżne. energii. Tyle co żarówka LED świecąca przez dwie minuty. Brzmi mało. Dopóki nie pomnożysz tego przez miliardy zapytań dziennie. Trening jednego dużego modelu AI jak GPT-4 kosztował energetycznie około 50 GWh.²Źródło: Stanford HAI 2026 AI Index Report. Obejmuje energię pre-treningu modelu.

Infografika 1: Gwałtowny wzrost zapotrzebowania na energię przez infrastrukturę AI (prognozy IEA)

Gdyby centra danych były krajem, byłyby dziś piątym największym konsumentem energii na świecie, między Japonią a Rosją. I musi być dostępna przez całą dobę. Słońce i wiatr tego nie gwarantują. Atom tak.

OBEJRZYJ: Wizualizacja 3D: technologie obliczeniowe przyszłości

Stare reaktory kontra nowe – cicha rewolucja energetyczna

Stare reaktory to były wielkie bloki mieszkalne. Budowa 10-15 lat, koszt miliardy, często z poślizgiem i przekroczeniem budżetu.

Nowe, SMR czyli Small Modular Reactors, to zupełnie inna liga. Zamiast budować cały obiekt od zera na placu budowy, zamawiasz gotowe moduły z fabryki i składasz je jak Lego na fundamencie. Budowa trwa 2-4 lata zamiast 15.

Dlaczego sól zamiast wody

Stare reaktory używają wody pod ogromnym ciśnieniem, jak garnek ciśnieniowy na sterydach. Kiedy pęknie rura, masz problem. Fukushima pokazała jak duży.

Sól jest płynna przy 600-700°C i nie potrzebuje wysokiego ciśnienia. Otwarty garnek zamiast ciśnieniowego. Gotuje się i sam się wyłącza. Nie produkuje wodoru, który lubi wybuchać. A jak zrobi się za gorąco, sól sama spływa do zbiornika i reakcja gaśnie automatycznie. Bez prądu. Bez ludzi. Fizyka robi robotę.

Co się dzieje naprawdę – kwiecień 2026

To nie są plany. To są place budowy.

I to nie tylko USA. Chiny budują więcej reaktorów jądrowych niż reszta świata razem wzięta. Wyścig energetyczny AI jest globalny.

Tylko że dostarczenie prądu to dopiero pierwsza połowa problemu. Druga siedzi tam, gdzie ten prąd jest zużywany – w środku każdego komputera.

80 miliardów małych piecyków

Najbardziej grzeją się GPU. Chipy, które kiedyś robiły grafikę w grach, a dziś są mózgiem każdego modelu AI. Każda odpowiedź ChatGPT to biliony obliczeń wykonanych na takim chipie.

W jednym GPU jest 80 miliardów tranzystorów.³Źródło: NVIDIA Technical Blog – Hopper Architecture In-Depth (specyfikacja H100). Włączają się i wyłączają miliardy razy na sekundę. Każde przełączenie wydziela odrobinę ciepła. 80 miliardów małych piecyków na jednym chipie.

Drugie źródło ciepła jest cichsze. Tranzystory są dziś tak małe, że prąd przecieka przez nie nawet kiedy są wyłączone. Dlatego centra danych w Arizonie chłodzi się przemysłowymi systemami zużywającymi tyle prądu co małe miasto.

Architektura chipa przyszłości: fotonika, spintronika i neuromorfika w jednym układzie.

Spintronika: pamięć, która nie gaśnie razem z telefonem

A gdyby telefon, który padnie ci dziś, po pół roku w szufladzie wciąż pamiętał wszystko? Włączasz po miesiącach. Jesteś dokładnie tam, gdzie skończyłeś.

Samsung wszedł w to w 2019. TSMC w 2024. Globalny rynek MRAM ma do 2030 roku przekroczyć 5 miliardów dolarów.

Zasada jest prosta. Zwykła pamięć trzyma informację prądem – odetniesz prąd, znika. MRAM trzyma informację magnetycznie – raz zapisane, zostaje. Bez prądu, bez podtrzymywania.

Dlatego najwięksi inwestują od lat. W zwykłym chipie AI dane bez przerwy biegają tam i z powrotem między pamięcią a procesorem. Każde takie bieganie zużywa prąd i wytwarza ciepło. Dziś to większy koszt niż samo liczenie. MRAM można wbudować bezpośrednio w procesor. Dane nie biegają. Dla data center każdy zaoszczędzony procent prądu znaczy miliony dolarów rocznie. A kiedy Samsung zaczyna traktować coś serio, rynek zwykle słucha uważnie.

Krzem liczy. Spintronika pamięta.

Magnonika – fale zamiast prądu

Drugi kawałek tej samej rodziny to magnonika – informacja przenoszona nie elektronami, ale falami w materiałach magnetycznych. Naukowcy z Uniwersytetu Wiedeńskiego skurczyli magnoniczne tranzystory z 2 milimetrów do 50 nanometrów w jedną dekadę. 40 000 razy mniej.

Ale chip to nie tylko pamięć. To też liczenie. A liczenie zżera większość prądu w każdym AI.

Fotonika – dlaczego twój TikTok ostatnie 30 cm jedzie na prądzie

Internet, na którym czytasz ten artykuł, działa na świetle. Twoje TikToki, maile, połączenia z bankiem – wszystko to podróżuje światłowodami pod oceanami z prędkością światła. Aż dochodzi do twojego routera. Wtedy światło zamienia się w prąd, biegnie po miedzianych kablach do komputera, robi się gorąco, wentylator zaczyna szumieć.

Lightmatter zebrał 400 milionów dolarów.⁴Źródło: komunikat prasowy Lightmatter, runda Series D, październik 2024. w październiku 2024 i osiągnął wycenę 4,4 miliarda. Lightelligence, Celestial AI i Optalysys grają w tej samej lidze. Hyperscalerzy już testują pierwsze fotoniczne układy w produkcji.

Fotonika idzie dalej i rozwiązuje samo liczenie. Foton nie grzeje się po drodze, a mnożenie macierzy (to co AI robi najczęściej) zużywa optycznie kilkadziesiąt razy mniej prądu niż elektronicznie.

Infografika 2: Porównanie oszczędności energii w nowych architekturach obliczeniowych

Fotonika rozwiązuje obliczenia. Dzisiejsze chipy nigdy naprawdę nie zasypiają. A co jeśli mogłyby?

Neuromorficzne chipy – chip, który decyduje, czy autonomiczny samochód kogoś zabije

Twój mózg waży półtora kilo i zużywa około 20 watów – tyle co żarówka. Superkomputer trenujący ChatGPT pochłania megawaty, czyli milion razy więcej. Neuromorficzne chipy próbują tę zasadę przenieść na krzem.

Intel pokazał Loihi 2 w 2021 roku. IBM odpowiedział NorthPole dwa lata później. BrainChip sprzedaje już swoje układy Fordowi i Valeo. NASA sprawdza tę technologię tam, gdzie awaria kosztuje więcej niż pieniądze – w kosmosie.

Chcesz autonomiczny samochód, który nie zabija przez opóźnienie? Potrzebujesz neuromorficznego chipa. Klasyczny GPU wysyła dane do chmury i czeka na odpowiedź. A wtedy jest już za późno. Neuromorficzny chip myśli na miejscu, w 50 milisekundach. Tej samej zasady używają aparaty słuchowe, które mają wytrzymać tydzień na jednej baterii.

Z archiwum: kiedy oszczędność zamieniła się w żarłoczność

1865 rok. Anglia. William Stanley Jevons zauważył coś dziwnego: silniki parowe stały się efektywniejsze, ale zużycie węgla wcale nie spadło. Wzrosło. Bo nagle opłacało się go używać wszędzie. Ekonomiści nazwali to paradoksem Jevonsa.⁵Źródło: W.S. Jevons, The Coal Question (1865), archiwum Yale Energy History.

Dokładnie to dzieje się teraz ze sztuczną inteligencją.

Atom to paliwo na jej ekspansję. Każdy nowy reaktor to licencja na większe modele, więcej obliczeń, więcej zapytań na sekundę – bezpiecznie, niezawodnie, przez dekady naprzód.

Spintronika, fotonika i neuromorficzne chipy idą tą samą drogą. Każdy chip 100 razy oszczędniejszy nie zmniejsza globalnego zużycia energii. Sprawia, że AI wjedzie tam, gdzie dziś nie ma – w aparat słuchowy, w lodówkę, w żarówkę, w korek od wina.

To nie jest historia o oszczędzaniu energii.