Pāriet uz saturu
biznesam.ai
AI Briefings

Trīs bottlenecks apsteidz AI capabilities

Revenue aug, bet sociālā licence, izmaksas un drošība kļūst par lielākiem ierobežojumiem nekā tehnoloģija.

LV EN

Kopsavilkums

  • Backlash aug ātrāk nekā revenue — Meta brūns ūdens un Eric Schmidt booing rāda reputācijas risku, kas ierobežo expansion
  • Memory dominē AI costs — 63% chip izmaksu, +$20B HBM spending, Microsoft/Meta capex spike, bet DeepSeek cache engineering dod 80% cut
  • Security chaos pat Google — API exploits $10k/30min, deleted keys active 22 min, breach timeline 8h→22 sec

Pamata sajūta: Capabilities jau nav bottleneck — sociālā licence, economics un drošība kļuvuši par operatīviem ierobežojumiem.

1. Backlash aug ātrāk nekā AI revenue

Kas mainījās. Anthropic publicēja Q2 2026 rezultātus: $10.9 miljardi ieņēmumu (pārsniedz visu iepriekšējo lifetime revenue kopā), operatīvā peļņa $559 miljoni — profitable divus gadus ātrāk nekā plānots. Tajā pašā nedēļā Eric Schmidt booing video (studenti izsvilpj viņu graduation speech) saņēma 1.23 miljonu skatījumu, bet kongresmenes AOC ieraksts par brūnu ūdeni mājās Georgia iedzīvotājiem (blakus Meta data centriem) — 11.7 miljonus. Exponential View

Kāpēc tas svarīgi. AI uzņēmumu credibility gap kļūst strukturāls: vadītāji runā par tālās nākotnes labumiem (colonizing the galaxy, AGI progress), bet kopienas saskarias ar tūlītējiem, taustāmiem kaitējumiem — kontaminēts ūdens, darbvietu zaudējumi, infrastruktūras slodze. Racionāli argumenti par grid modernization un ilgtermiņa progresivitāti zaudē pret visceral public opposition. Reputācijas risks vairs nav PR funkcija — tas ir operatīvs bottleneck, kas ierobežo infrastructure expansion. Ja Tavs biznesa modelis prasa datacenter paplašināšanos vai enerģijas patēriņa pieaugumu, community relations tagad ir board-level prioritāte, ne HR blakus projekts.

Ko darīt šomēnes.

  • Audits: kur fiziski atrodas Tavi AI serveri (vai mākoņa pakalpojumu sniedzēja serveri) un kāda ir local community sentiment?
  • ESG ziņojumā iekļauj konkrētus infrastructure impact mērījumus: ūdens patēriņš, enerģijas avoti, darba tirgus displacement
  • Community relations stratēģija PIRMS paplašināšanās, ne pēc skandāla — proactive engagement ar local stakeholders

Ko sagaidu.

  • Nākamie 60 dienas: vismaz viens major hyperscaler paziņos community benefit programmu vai atcels datacenter expansion plānus pēc local pressure
  • 90 dienas: pirmo reizi redzēsim AI infrastructure projektu bloķētu local referendumā vai zoning board decision
  • Q3-Q4 2026: “social license to operate” kļūs par standarta M&A due diligence kritēriju (līdzīgi regulatory compliance)
  • Jaunās insurance polises sāks prasīt community impact assessments pirms datacenter paplašināšanas

2. Memory dominē AI chip izmaksas — DeepSeek rāda izkļūšanu

Kas mainījās. Epoch AI detalizēta analīze rāda: high-bandwidth memory (HBM) tagad veido 63% no AI chip component costs (Q4 2025), salīdzinot ar 52% pirms gada (Q1 2024) — pieaugums 11 procentpunkti. Absolūtās izmaksas: no aptuveni $12 miljardiem (2024) uz $32 miljardiem (2025), tātad +$20 miljardi tikai HBM. Microsoft pacēla FY2026 capital expenditure guidance par $25 miljardiem, Meta par $10 miljardiem — abi uzņēmumi eksplicīti minēja augstākas component cenas kā galveno faktoru. Epoch AI

Paralēli notikums: ķīniešu open-source coding agent DeepSeek-Reasonix (5.5k GitHub zvaigznes) demonstrē 99.82% cache hit rate real-world lietojumā. Konkrēts lietotāja piemērs: 435 miljoni input tokens vienā dienā — bez caching būtu maksājis ~$61, ar Reasonix prefix-cache stability — $12. Tas ir 80% cost reduction. HackerNews, PyShine

Kāpēc tas svarīgi. Memory supply paliek tight, cenas turpinās augt 2026 — AI infrastructure costs NEsamazināsies tuvākajā nākotnē, tas ir strukturāls shift. Hyperscaler margin pressure nav pagaidu situācija, bet jaunā realitāte. Ja Tavs biznesa modelis vai budget pieņēmumi balstās uz “AI kļūs lētāks katru ceturksni” loģiku, tad šis pieņēmums var nebūt patiess 2026-2027. Tajā pašā laikā redzam alternatīvu ceļu: Ķīnas risinājumi (DeepSeek) sistemātiski inženierē arhitektūras ap prefix-cache stability un sasniedz radikālus cost cuts (80%). Stratēģiskā implikācija: kontrole pār costs nāk no architectural choices (cache-optimized workflows) un deployment model (self-hosted), ne tikai no vendor negotiation.

Ko darīt šomēnes.

  • CFO + board: pārskatīt AI budget assumptions — vai modelī iekļauta memory cost escalation scenārijs, vai pieņemts “costs will decline”?
  • CTO: izpētīt cache-optimized architectures (DeepSeek prefix stability, Anthropic prompt caching, OpenAI persistent contexts) — vai Tavi workflows var strukturēt ar immutable prefix?
  • Procurement: diversificēt piegādātājus (OpenAI + Google + Anthropic MIX), ne lock-in pie viena vendor — mazina risk un dod leverage

Ko sagaidu.

  • Jūnijs 2026: vismaz viens hyperscaler (Azure/AWS/GCP) paziņos HBM capacity long-term deal vai vertical integration move (acquire memory fab)
  • Q3 2026: redzēsim pirmo mainstream enterprise case study “switched to self-hosted DeepSeek, cut AI costs 60%+”
  • Q4 2026: cache hit rate kļūs par standard API provider metric (līdzīgi uptime SLA un latency) — vendors sāks compete uz šo dimensiju
  • 2027: memory cost share pieaugs virs 70%, ja supply constraint neatrisināsies

3. AI drošība — realtime navigation pat Google

Kas mainījās. Google Cloud developers saskārās ar neparedzētiem, neautorizētiem API charges: Prentus CEO Rod Danan — $10,138 aptuveni 30 minūtēs pēc tam, kad attackers exploitēja viņa API key. Sydney izstrādātājs Isuru Fonseka — aptuveni AUD $17,000 charges, lai gan viņš ticēja, ka ir uzstādījis $250 spending cap. Pamatproblēma: Google paplašināja API key permissions bez skaidras disclosure — vecās Google Maps atslēgas pēkšņi guva piekļuvi Gemini pakalpojumiem. Papildus: deleted API keys palika funkcionālas līdz 23 minūtēm pirms revocation izplatījās pa Google infrastruktūru. Breach-to-exploit timeline: no 8 stundām (vēsturiski) uz 22 sekundēm (2026). TechCrunch

Kāpēc tas svarīgi. Ja pat Google — uzņēmums ar vislielākajiem security resursiem pasaulē — nav pilnībā “figured out” AI security (API key permissions, revocation lag, backward compatibility holes), tad NEVIENA organizācija nav. Attack surface ir dramatiski paplašinājies: ne tikai models, bet data pipelines, agents, prompts, tool calls — visi ir entry points. Shadow AI (darbinieki lieto consumer tools ārpus corporate governance) rada gaps. Google Cloud COO: “Security is not something you can bolt on later, and it’s not something you can leave up to employees to do on their own.” Bet talent pool AI security ekspertu reāli nav — nozares līderi prognozē, ka sustainable expertise būs pieejama “several years” away. Multicloud complexity padara situāciju vēl sarežģītāku.

Ko darīt šomēnes.

  • CTO + board: AI security kā regulārs board agenda item, ne tikai IT funkcijas iekšējā tēma — executive accountability
  • API key audit: vai vecās atslēgas, kas izveidotas pirms AI boom (2023 un agrāk), tagad var piekļūt LLM endpoints? Revoke un reissue ar least privilege
  • Shadow AI inventory: konfidenciāla aptauja darbiniekiem — kādus AI tools viņi lieto ārpus corporate stack? (ChatGPT, Claude, Gemini personal accounts)
  • Spending caps VERIFICATION: vai Tavi mākoņa pakalpojumu sniedzēji reāli enforce limits real-time, vai tikai post-factum billing?

Ko sagaidu.

  • Jūnijs 2026: cyber insurance carriers sāks prasīt AI-specific security attestations un controls (līdzīgi SOC 2 Type II prasībām)
  • Q3 2026: pirmo reizi redzēsim AI-specific cyber incident, kas rezultējas board member resignation vai CEO firing
  • 90 dienas: agentic defense tools (AI-powered security monitoring pret AI-powered attacks) kļūs par fastest-growing security software category
  • 2027: redzēsim pirmo AI supply chain attack — compromised model weights vai poisoned training data major provider

Šodienas aina

Viena strukturāla pārmaiņa saista visus trīs stāstus: AI capabilities vairs nav bottleneck — sociālā licence, economics un drošība ir. Anthropic demonstrē revenue eksploziju ($10.9B vienā ceturksnī), bet vienlaikus redzam trīs ierobežojumus, kas aug vēl ātrāk nekā capabilities:

Pirmkārt, social bottleneck — community backlash ierobežo infrastructure expansion. Distant future benefits neatver local opposition pret immediate harms. Otrkārt, economic bottleneck — memory costs strukturāli spiež margins, hyperscaler capex spikes. Bet cache engineering (DeepSeek model) rāda izkļūšanu: architectural discipline dod 80% cost cut. Treškārt, trust bottleneck — security chaos, pat Google nav fully figured out AI security model. Attack surface paplašinājies, talent nav pieejams, breach timelines sabrukuši.

NotikumsSekas
Anthropic $10.9B Q2 revenue, profitable divus gadus ātrākRevenue aug strauji, bet backlash aug vēl ātrāk (11.7M views ūdens kontaminācija vs 1.23M Schmidt booing)
HBM 63% no chip cost (+11pp gada laikā), $32B spend (+$20B)AI infrastructure NEkļūs lētāka 2026; self-hosted cache alternatives iegūst momentum
Google API exploits $10k/30min, deleted keys active 22 minSecurity nav bolt-on; prasa board-level priority, bet specialized talent nav pieejams vēl gadiem

Trīs jautājumi vadītājam:

  • Vai Tava AI stratēģija iekļauj community relations un ESG impact mērījumus, vai fokusējas tikai uz capabilities un ROI?
  • Vai Tavs AI budget pieņem memory cost escalation scenāriju, vai balstās uz “AI kļūs lētāks” optimismu?
  • Vai Tev ir board-level AI security accountability ar named executive owner, vai tas vēl ir “IT departments problēma”?

Avoti