10 Minuty
Wycena OpenAI rośnie do 500 miliardów USD
Pionier w dziedzinie sztucznej inteligencji, OpenAI, stał się największym startupem na świecie po niedawnej wtórnej sprzedaży akcji, która podniosła jego wycenę do 500 miliardów dolarów. Anonimowe źródła cytowane przez Bloomberg podały, że obecni i byli pracownicy sprzedali łącznie około 6,6 miliarda USD akcji inwestorom takim jak Thrive Capital, SoftBank Group Corp., Dragoneer Investment Group, abudżańska spółka MGX oraz T. Rowe Price. Ta transakcja przesunęła OpenAI przed SpaceX Elona Muska, wycenione na około 400 miliardów USD, i znacznie wyprzedziła inne duże prywatne firmy technologiczne, w tym ByteDance i Anthropic.
W praktyce wtórna sprzedaż akcji oznacza, że pracownicy i wcześniejsi inwestorzy uzyskali płynność bez potrzeby przeprowadzania IPO — transakcja pozwoliła im zrealizować część wartości posiadanych udziałów. Dla rynku technologicznego oraz sektora inwestycji prywatnych taki ruch ma znaczenie nie tylko symboliczne: zwiększa płynność, ustala punkt odniesienia dla wycen konkurentów i może wpływać na politykę zatrudnienia, wynagrodzeń i motywacji kadry. Wycena na poziomie 500 mld USD zmienia także percepcję ryzyka i potencjału przychodowego firmy, wpływając na rozmowy strategiczne z partnerami korporacyjnymi i regulatorami.
Dlaczego to ma znaczenie dla AI i blockchain
Ta transakcja podkreśla rosnące zainteresowanie inwestorów technologiami sztucznej inteligencji i uwydatnia coraz bardziej widoczny punkt zbieżny między AI a technologiami blockchain. Inwestorzy coraz częściej traktują zarówno AI, jak i infrastrukturę kryptowalutową jako kluczowe filary kolejnej fazy transformacji cyfrowej. Kapitał płynie do startupów w obu obszarach — od firm tworzących modele i platformy AI po projekty zajmujące się stablecoinami, infrastrukturą płatniczą i zdecentralizowanymi rozwiązaniami obliczeniowymi.
Konwergencja AI i blockchainu ma kilka praktycznych wymiarów: od wykorzystania stablecoinów do obsługi mikropłatności między agentami AI, przez tokenizację zasobów generowanych przez modele, po zabezpieczanie i audyt danych treningowych przy pomocy technologii rozproszonego rejestru. Inwestorzy widzą tu synergię — AI zwiększa użyteczność protokołów blockchainowych, a blockchain może dostarczać mechanizmy rozliczeń, własności cyfrowej i niezmienności danych. W dłuższej perspektywie to połączenie może przyspieszyć adopcję usług cyfrowych o wysokiej automatyzacji oraz zmienić modele biznesowe wielu branż.
Jak OpenAI wypada na tle największych firm kryptowalutowych
Przy wycenie 500 miliardów USD OpenAI góruje nad największymi podmiotami z branży kryptowalut. Według danych Google Finance Coinbase — największa publiczna giełda kryptowalut — ma kapitalizację rynkową na poziomie około 89 miliardów USD. Znane firmy z sektora kryptowalut, takie jak Ripple, Circle czy Binance, pozostają poniżej progu 100 miliardów USD w typowych ocenach rynkowych. Najbliżej OpenAI w kontekście wartości rynkowej może znaleźć się jednak wydawca stablecoina Tether, choć porównanie to jest złożone ze względu na różną naturę działalności, struktury przychodów i ryzyko regulacyjne.
Warto zwrócić uwagę na kilka kluczowych różnic: po pierwsze, wyceny prywatne (jak OpenAI) i publiczne (jak Coinbase) mają różne mechanizmy odkrywania ceny — na rynku prywatnym cena zależy od negocjacji między inwestorami, popytu na akcje oraz od polityki płynności firmy. Po drugie, modele biznesowe różnią się znacząco — giełdy generują przychody głównie z opłat transakcyjnych, podczas gdy firmy AI mogą opierać przychody na subskrypcjach API, licencjonowaniu modeli, umowach enterprise oraz integracjach partnerskich (np. z Microsoft). Te elementy wpływają na marże, wielkość wymaganych nakładów kapitałowych i na ryzyko operacyjne.
Hipotetyczna wycena Tether po wejściu na giełdę
7 czerwca Jon Ma, CEO Artemis, oszacował, że gdyby Tether zdecydował się wejść na giełdę, jego wycena mogłaby wynieść około 515 miliardów USD, co zakwalifikowałoby spółkę do grona 20 największych publicznych firm na świecie. Szef Tether, Paolo Ardoino, skomentował tę prognozę, nazywając 515 miliardów „ładną liczbą”, ale jednocześnie „trochę zachowawczą”, powołując się na rezerwy firmy w bitcoinie i złocie. Ardoino dodał również, że na ten moment nie widzą potrzeby przeprowadzania publicznej emisji akcji.
Takie oszacowanie ujawnia jednak złożoność wyceny podmiotów emitujących stablecoiny. Wycena Tetheru zależy od wielu czynników: wielkości podaży stablecoina USDT w obiegu, charakteru rezerw (płynność, rodzaj aktywów), zaufania rynku, regulacji dotyczących stablecoinów oraz potencjalnego ryzyka reputacyjnego. Dodatkowo firmy o podobnej wielkości operują w różnych warunkach rynkowych — niektóre z nich wykazują stabilne przepływy gotówkowe, inne zależą od zmiennej aktywności handlowej. Wejście na giełdę wiąże się też z wymogami raportowania i audytów, co dla emitenta stablecoina może oznaczać większą przejrzystość, ale i większy nadzór regulatorów.
Stablecoiny, agentki AI i rosnąca automatyzacja transakcji
Liderzy branży dostrzegają naturalne synergie między AI a stablecoinami. Mike Novogratz, CEO Galaxy Digital, przewidział, że agenci AI staną się jednymi z największych użytkowników stablecoinów w miarę, jak skalować się będzie automatyzacja i płatności między maszynami. W praktyce chodzi o scenariusze, w których autonomiczne systemy — od botów handlowych po inteligentnych asystentów finansowych i usługi IoT — będą dokonywać płatności za usługi, dostęp do danych, moc obliczeniową czy mikrozadania w czasie rzeczywistym.
Badania rynkowe potwierdzają już wzrost aktywności automatycznej: raport CEX.io Research wskazał, że w trzecim kwartale 2025 roku ponad 70% transakcji stablecoinami było powiązanych z aktywnością botów. To oznacza, że agentki algorytmiczne i boty handlowe są już istotnymi motorami wolumenów stablecoinów. Z punktu widzenia infrastruktury finansowej to przemodelowuje rozkład obciążeń — większy odsetek transakcji wymaga niskiej latencji, skalowalnych rozwiązań płatniczych i mechanizmów automatycznego rozliczania.
Przykłady zastosowań obejmują: autonomiczne strategie inwestycyjne, gdzie algorytmy kupują i sprzedają aktywa oraz rozliczają zyski w stablecoinach; płatności machine-to-machine w ekosystemach IoT, gdy urządzenia opłacają usługi serwisowe; oraz systemy rozliczeń za dostęp do API i danych treningowych dla modeli AI. W miarę jak rośnie liczba transakcji generowanych przez oprogramowanie, rośnie też znaczenie skalowalnych rozwiązań warstwy płatniczej i szybkich mechanizmów custodialnych oraz non-custodial.
Infrastruktura instytucjonalna i centra danych AI
Inwestycje w fizyczną infrastrukturę AI również przyspieszają. Galaxy Digital zabezpieczył pożyczkę w wysokości 1,4 miliarda USD na przyspieszenie projektu Texas Helios — centrum danych AI, które ma wspierać operacje CoreWeave w obszarze sztucznej inteligencji i obliczeń wysokiej wydajności. Galaxy szacuje, że to centrum danych mogłoby generować ponad miliard dolarów przychodu rocznie, co odzwierciedla silny apetyt instytucji na dostęp do mocy obliczeniowej i powiązanych usług.
W praktyce centra danych AI różnią się od typowych centrów chmury przede wszystkim rodzajem i intensywnością używanego sprzętu (głównie GPU i specjalizowane akceleratory), wymaganiami dotyczącymi chłodzenia, przepływu energii oraz redundancji. Firmy takie jak CoreWeave specjalizują się w dostarczaniu GPU jako usługi, które są niezbędne do trenowania dużych modeli językowych i do obciążeń inferencyjnych. Instytucjonalni gracze inwestują w te projekty, ponieważ dostęp do dedykowanej infrastruktury obniża czas treningu modeli, zwiększa przewidywalność kosztów i pozwala na tworzenie usług o wyższej wartości dodanej.
Jednak budowa i eksploatacja dużych centrów danych wiąże się z ryzykami: długoterminowe zobowiązania kapitałowe, wrażliwość na ceny energii, ryzyko przerw w łańcuchach dostaw (np. dostawy procesorów), a także kwestia lokalizacji z punktu widzenia dostępu do sieci energetycznej i regulacji środowiskowych. Operatorzy coraz częściej negocjują długoterminowe kontrakty na energię i współpracują z producentami sprzętu (np. dostawcami GPU) w celu optymalizacji kosztów i skalowalności.
Ryzyka i obawy dotyczące zużycia energii przy rozwoju AI
Wraz ze wzrostem adopcji AI eksperci zwracają uwagę na rosnące zapotrzebowanie na energię. Greg Osuri, założyciel Akash Network, podczas konferencji Token2049 w Singapurze ostrzegał, że trening modelów AI może wkrótce przeciążyć istniejące sieci energetyczne do tego stopnia, iż konieczne będą alternatywne rozwiązania zasilania — w tym energia jądrowa — aby utrzymać skalę wielkoskalowego trenowania modeli. Osuri postulował także bardziej zrównoważone i zdecentralizowane podejścia do mocy obliczeniowej, podkreślając potrzebę inwestycji w efektywność energetyczną i rozproszone zasoby obliczeniowe.
Rozważania o energii obejmują zarówno emisje związane z samą produkcją energii, jak i kwestie infrastrukturalne: zapotrzebowanie na moc, chłodzenie, zużycie wody oraz wpływ na lokalne sieci dystrybucyjne. Firmy i operatorzy centrów danych eksperymentują z różnymi rozwiązaniami — od lokalnej kogeneracji i magazynów energii, przez zakup energii ze źródeł odnawialnych, po programy offsetowe. Jednocześnie rozwijane są techniki optymalizacji modeli: kompresja, pruning, kwantyzacja oraz techniki transfer learningu, które pozwalają osiągnąć wysoką wydajność przy mniejszym zapotrzebowaniu obliczeniowym.
W perspektywie strategicznej rosnące potrzeby energetyczne podkreślają konieczność współpracy między branżami: producenci chipów, operatorzy centrów danych, dostawcy energii i regulatorzy muszą koordynować plany inwestycyjne i polityki energetyczne. Dyskusja o potencjalnym wykorzystaniu energii jądrowej, zwłaszcza technologii modularyzowanych reaktorów, stanowi dowód, że sektor rozważa szerokie spektrum opcji, nawet jeśli realizacja takich rozwiązań wymaga czasu, regulacji i akceptacji społecznej.
Co to oznacza dla uczestników rynku kryptowalut i AI
Szybki wzrost wyceny OpenAI oraz rosnące zainteresowanie stablecoinami odzwierciedlają szerszą dynamikę rynkową: inwestorzy stawiają na technologie leżące u podstaw następnej generacji usług cyfrowych. Dla projektów blockchain, emitentów stablecoinów oraz dostawców infrastruktury AI środowisko to oznacza zarówno okazje do ekspansji, jak i zwiększoną kontrolę ze strony regulatorów oraz oczekiwania dotyczące przejrzystości i zrównoważonego rozwoju.
W praktyce uczestnicy ekosystemu powinni monitorować kilka kluczowych obszarów: rozwój regulacji dotyczących stablecoinów i ochrony danych, standardy bezpieczeństwa sieci i smart kontraktów, oraz wskaźniki zużycia energii i strategii offsetowych. Dodatkowo warto śledzić trendy w automatyzacji transakcji, adopcji rozwiązań off-chain dla skalowalności płatności oraz rozwój rozwiązań do audytu i weryfikacji modelów AI.
W miarę jak agentki AI coraz częściej będą korzystać z mechanizmów płatniczych opartych na kryptowalutach i stablecoinach, uczestnicy rynku powinni również inwestować w interoperacyjność, zabezpieczenia kluczy prywatnych, mechanizmy zgodności (KYC/AML) i odporność na ataki sieciowe. Te elementy zadecydują o tym, w jakim tempie i w jakiej formie AI i blockchain będą się integrować w kolejnych latach.
Podsumowując, wycena OpenAI na poziomie 500 miliardów USD oraz rosnące inwestycje w infrastrukturę AI i rozwiązania związane ze stablecoinami sygnalizują nowy etap kapitalizacji i profesjonalizacji rynku technologii cyfrowych. Przyszłość przyniesie zarówno istotne możliwości biznesowe, jak i konieczność zarządzania ryzykiem regulacyjnym, środowiskowym i operacyjnym — a firmy, które zadbają o transparentność, efektywność energetyczną i solidne praktyki governance, zyskają przewagę konkurencyjną.
Źródło: cointelegraph
Zostaw komentarz