Γιατί οι επενδύσεις τεχνητής νοημοσύνης καταλήγουν σε λίγες πολυεθνικές

Η δημόσια συζήτηση για τα λεγόμενα εργοστάσια τεχνητής νοημοσύνης(AI Factories) παρουσιάζεται συνήθως ως μια υπόσχεση τεχνολογικής προόδου, εθνικής ισχύος και οικονομικού μετασχηματισμού. Κυβερνήσεις, επενδυτικά ταμεία και μεγάλοι τεχνολογικοί όμιλοι μιλούν για νέα υπολογιστικά κέντρα, υπερυπολογιστές, χιλιάδες θέσεις εργασίας και ένα υποτιθέμενο άλμα παραγωγικότητας. Όμως όσο προχωρά η διεθνής εμπειρία, τόσο γίνεται πιο σαφές ότι πίσω από αυτή τη ρητορική κρύβεται ένα πολύ διαφορετικό οικονομικό υπόδειγμα. Δεν πρόκειται τόσο για διάχυση της αξίας στην πραγματική οικονομία, όσο για μηχανισμό συγκέντρωσης δημόσιων και ιδιωτικών πόρων σε λίγους παγκόσμιους προμηθευτές υποδομών, με πρώτη και κυρίαρχη την NVIDIA.

Η πρόσφατη έρευνα του Guardian για το βρετανικό πρόγραμμα τεχνητής νοημοσύνης είναι αποκαλυπτική. Το αφήγημα των δισεκατομμυρίων επενδύσεων, των νέων υπολογιστικών κέντρων και της βιομηχανικής αναγέννησης αποδείχθηκε σε σημαντικό βαθμό λογιστική και επικοινωνιακή υπερβολή. Χώροι που παρουσιάστηκαν ως νέα κέντρα υπολογιστικής ισχύος ήταν στην πράξη μισθωμένοι χώροι σε υφιστάμενα υπολογιστικών κέντρων. Επενδύσεις που εμφανίστηκαν ως εθνική υποδομή αφορούσαν κυρίως μεταφορά και εγκατάσταση εισαγόμενου εξοπλισμού. Θέσεις εργασίας ανακοινώθηκαν χωρίς σαφή τεκμηρίωση. Και έργα στρατηγικής σημασίας προωθήθηκαν χωρίς ουσιαστικό δημόσιο έλεγχο, χωρίς επαρκή λογοδοσία και χωρίς σοβαρό μηχανισμό επαλήθευσης των δεσμεύσεων.

Αυτό δεν είναι απλώς βρετανικό πρόβλημα. Είναι δομικό χαρακτηριστικό του σημερινού κύματος για υποδομές ΤΝ. Όταν μια χώρα επενδύει σε υπερκεντρικές εγκαταστάσεις ΤΝ που βασίζονται σχεδόν αποκλειστικά σε κλειστούς μικροεπεξεργαστές(chips), κλειστές αλυσίδες υλισμικού(hardware) και συμβάσεις με μεγάλους παρόχους υποδομών(hyperscalers), η μερίδα του λέοντος της οικονομικής αξίας δεν μένει τοπικά. Φεύγει προς τους κατασκευαστές GPUs, προς τους παρόχους υπολογιστικού νέφους(cloud), προς τις εταιρείες που ελέγχουν το λογισμικό διαχείρισης και προς τα διεθνή χρηματοοικονομικά σχήματα που χρηματοδοτούν τη φούσκα των υποδομών. Με απλά λόγια, η χώρα πληρώνει ρεύμα, γη, επιδοτήσεις, φορολογικά κίνητρα και πολιτικό κεφάλαιο, ενώ η υψηλή προστιθέμενη αξία καταλήγει αλλού.

Η παγίδα του μεγέθους

Το βασικό επιχείρημα υπέρ των εργοστασίων ΤΝ είναι ότι η κλίμακα φέρνει ανταγωνιστικότητα. Στην πράξη όμως η κλίμακα συχνά φέρνει εξάρτηση. Τα μεγάλα υπολογιστικά κέντρα ΤΝ έχουν τεράστιες απαιτήσεις σε κεφάλαιο, ενέργεια, ψύξη, διασύνδεση και εξειδικευμένο εξοπλισμό. Ο Διεθνής Οργανισμός Ενέργειας εκτιμά ότι η παγκόσμια κατανάλωση ηλεκτρικής ενέργειας των υπολογιστικών κέντρων θα φτάσει περίπου τις 945 τεραβατ-ώρες(TWh), η ετήσια κατανάλωση της Ελλάδας είναι περίπου 54 Twh, έως το 2030 και ότι τα υπολογιστικά κέντρα ΤΝ θα είναι ο βασικός μοχλός αυτής της ανόδου. Αυτό σημαίνει ότι πολλές χώρες κινδυνεύουν να δεσμεύσουν κρίσιμους ενεργειακούς και δημοσιονομικούς πόρους για να συντηρήσουν μια υποδομή που υπηρετεί κυρίως ξένες αλυσίδες αξίας.

Την ίδια στιγμή, η υπόσχεση ότι μόνο τα τεράστια μοντέλα και τα γιγαντιαία “εργοστάσια” ΤΝ μπορούν να παράγουν χρήσιμη καινοτομία έχει αρχίσει να αποδομείται από την ίδια την τεχνολογική εξέλιξη. Το Stanford AI Index 2025 καταγράφει ότι το κόστος σε φάση εκτέλεσης(inference) για απόδοση επιπέδου GPT-3.5 μειώθηκε πάνω από 280 φορές από το 2022 έως το 2024, ενώ η διαφορά επιδόσεων μεταξύ κορυφαίων ανοιχτών και κλειστών μοντέλων μειώθηκε δραστικά. Με άλλα λόγια, το μονοπώλιο της ισχύος αρχίζει να σπάει όχι μόνο πολιτικά αλλά και τεχνικά.

Η βιώσιμη επιλογή είναι τοπικά, ανοικτά και χαμηλού κόστους μοντέλα

Αν ο στόχος μιας χώρας είναι η παραγωγικότητα, η καινοτομία, η γλωσσική επάρκεια, η προστασία δεδομένων και η οικοδόμηση εγχώριας τεχνογνωσίας, τότε το σωστό στοίχημα δεν είναι η άκριτη μίμηση των αμερικανικών hyperscale. Είναι η ανάπτυξη τοπικών οικοσυστημάτων βασισμένων σε ανοιχτό λογισμικό, ανοιχτά βάρη, μικρότερα και αποδοτικότερα τοπικά μοντέλα ανοιχτού λογισμικού, και διαλειτουργικές υποδομές που μπορούν να ελεγχθούν από τον ίδιο τον οργανισμό που τις χρησιμοποιεί.

Σήμερα υπάρχουν ήδη επαρκώς ικανά μικρότερα μοντέλα που μπορούν να καλύψουν μεγάλο μέρος των πραγματικών αναγκών δημόσιου και ιδιωτικού τομέα, από αναζήτηση γνώσης και σύνταξη κειμένων έως ανάλυση εγγράφων, γραφεία υποστήριξης(helpdesks), μετάφραση, υποβοήθηση λήψης αποφάσεων και αυτοματοποίηση ροών εργασίας. Τα Llama, DeepSeek, Qwen3 & Gemma έδειξαν ότι ένα μικρό μοντέλο μπορεί να φτάσει επιδόσεις συγκρίσιμες με πολύ μεγαλύτερα συστήματα και να τρέχει ακόμη και τοπικά. Η Mistral έχει επίσης δείξει ότι αποδοτικά ανοιχτά μοντέλα μπορούν να σχεδιαστούν ρητά για τοπική εγκατάσταση. Αυτό αλλάζει πλήρως την οικονομία της ΤΝ. Αντί για μία γιγαντιαία επένδυση σε κεντρικές υπολογιστικές υποδομές, μπορούν να υπάρξουν κατανεμημένες λύσεις με σαφώς χαμηλότερο κόστος, καλύτερο έλεγχο δεδομένων και πολύ μεγαλύτερη διάχυση γνώσης στην αγορά.

Από τις επιδοτήσεις υποδομών στις παραγωγικές ικανότητες

Αυτό δεν σημαίνει ότι η Ευρώπη ή τα κράτη μέλη δεν χρειάζονται υπολογιστική ισχύ. Σημαίνει ότι η υπολογιστική ισχύς πρέπει να εντάσσεται σε στρατηγική ψηφιακής κυριαρχίας και όχι σε λογική μεταφοράς δημόσιου χρήματος προς κλειστές ξένες αλυσίδες τεχνολογίας. Ακόμη και τα ευρωπαϊκά “εργοστάσια” ΤΝ μπορούν να έχουν αξία μόνο αν λειτουργήσουν ως ανοιχτή υποδομή πρόσβασης για πανεπιστήμια, ερευνητές, startups και ΜμΕ, και όχι ως άλλοθι για νέες κρατικο-ιδιωτικές εξαρτήσεις. Η ΕΕ ήδη αναγνωρίζει ότι τα “εργοστάσια” ΤΝ πρέπει να είναι προσβάσιμα σε ΜμΕ και ερευνητικά σχήματα, ενώ η ίδια η Επιτροπή δίνει όλο και μεγαλύτερη έμφαση στην ΤΝ ανοιχτού λογισμικού ως μοχλό καινοτομίας και κυριαρχίας.

Η ουσία είναι απλή. Μια χώρα που αγοράζει μόνο GPUs και ενοικιάζει υπηρεσίες υπολογιστικού νέφους δεν χτίζει εθνική κυριαρχία. Μια χώρα που επενδύει σε ανοιχτά μοντέλα, ανοιχτά σύνολα δεδομένων, πανεπιστημιακά εργαστήρια, δημόσιες ψηφιακές υποδομές, τοπικές εταιρείες ολοκλήρωσης και δεξιότητες λειτουργίας τοπικών συστημάτων, χτίζει διαρκές παραγωγικό κεφάλαιο. Το πρώτο μοντέλο παράγει εξάρτηση. Το δεύτερο παράγει αυτονομία.

Σε αυτή τη συγκυρία, η βιώσιμη επιλογή δεν είναι να κυνηγάμε το επόμενο επικοινωνιακό giga-project της τεχνητής νοημοσύνης. Είναι να επενδύσουμε σε αυτό που μπορεί να ανήκει πραγματικά στην οικονομία και στην κοινωνία μας: τοπικά μοντέλα ανοιχτού λογισμικού, χαμηλού κόστους, ελέγξιμα, ενεργειακά λογικά και θεσμικά συμβατά με μια δημοκρατική ψηφιακή μετάβαση.

Πηγές

The Guardian, “Revealed: UK’s multibillion AI drive is built on ‘phantom investments’”. Τεκμηριώνει ότι ανακοινωμένες επενδύσεις σε AI υποδομές στο Ηνωμένο Βασίλειο συνδέονταν με μισθωμένους χώρους, ατεκμηρίωτες δεσμεύσεις και περιορισμένο δημόσιο έλεγχο. https://www.theguardian.com/technology/2026/mar/09/revealed-uks-multibillion-ai-drive-is-built-on-phantom-investments

Stanford HAI, “2025 AI Index Report”. Καταγράφει τη μεγάλη μείωση στο κόστος inference, τη βελτίωση της ενεργειακής αποδοτικότητας και τη σύγκλιση των open-weight με τα closed models. https://hai.stanford.edu/ai-index/2025-ai-index-report

International Energy Agency, “Energy and AI”. Τεκμηριώνει την προβλεπόμενη εκτίναξη της ηλεκτρικής κατανάλωσης των datacentres και τον κεντρικό ρόλο της AI ζήτησης σε αυτήν την αύξηση. https://www.iea.org/reports/energy-and-ai

European Commission, “AI Factories”. Παρουσιάζει το ευρωπαϊκό πλαίσιο για τις AI Factories και τον ρόλο τους ως κοινής υποδομής για ανάπτυξη αξιόπιστης ΤΝ. https://digital-strategy.ec.europa.eu/en/policies/ai-factories

European Commission, “Europe’s Open-Source AI Landscape: A lever for Innovation and Sovereignty”. Αναδεικνύει το open-source AI ως μοχλό ευρωπαϊκής ανταγωνιστικότητας και ψηφιακής κυριαρχίας. https://digital-strategy.ec.europa.eu/en/library/europes-open-source-ai-landscape-lever-innovation-and-sovereignty

EuroHPC JU, “AI Factories Access Modes”. Δείχνει ότι η δημόσια αξία των AI Factories εξαρτάται από την ανοιχτή και δωρεάν πρόσβαση για startups και ΜμΕ, όχι μόνο από τη φυσική υποδομή. https://www.eurohpc-ju.europa.eu/ai-factories/ai-factories-access-modes_en

Mistral AI, “Mistral Small 3”. Παρουσιάζει ανοιχτό και αποδοτικό μοντέλο σχεδιασμένο για υψηλή απόδοση σε μέγεθος κατάλληλο για local deployment. https://mistral.ai/news/mistral-small-3