Podniky platí za GPU servery, které z 95 % stojí nečinně. Paradox, který žere miliardy

Podniky platí za GPU servery, které z 95 % stojí nečinně. Paradox, který žere miliardy

Průzkum přes dvacet tisíc produkčních Kubernetes clusterů odhalil znepokojivou pravdu: podniky platí za výpočetní výkon na umělou inteligenci, ale reálně využívají v průměru jen pět procent zakoupené kapacity. Přitom ceny GPU serverů poprvé za dvacet let rostou. Vzniká toxická smyčka, ze které není snadné vystoupit.

Zpráva přichází od společnosti Cast AI, která spravuje tisíce produkčních AI clusterů pro podniky po celém světě. Jejich roční report State of Kubernetes Optimization 2026 neměřil pocity ani odhady — sbíral skutečná data z reálného provozu. Výsledek je šokující: průměrné využití GPU infrastruktury v podnicích se pohybuje kolem pouhých 5 procent. Zbývajících 95 procent výkonu stojí nečinně, ačkoliv firmy za každou hodinu platí.

Laurent Gil, spoluzakladatel a prezident Cast AI, to shrnul jednou větou: Mnoho neocloudů není cloud. Jsou to neonemovitosti. Podniky kupují výpočetní čas, ale platí vlastně za pouhou rezervaci místa — stejně jako by si pronajaly sklad plný luxusního zboží, které nikdy nevytáhnou z krabic.

Jak vzniká past na 5 procent

Příběh začíná v okamžiku, kdy podnik potřebuje GPU servery. Přihlásí se na čekací listinu u cloudového poskytovatele. Nic se neděje — týdny, někdy měsíce. Pak přijde telefonát: žádali jste 48 serverů, máme pro vás 36. Musíte se rozhodnout teď, jinak je vezme někdo jiný. Strach ze ztráty rezervace je silnější než racionální úvaha. Smlouva se podepíše na rok nebo tři roky.

Jakmile jsou servery rezervované, nikdo je nepustí zpět. Znovu je získat by trvalo měsíce — a kdo by chtěl být ten tým, který vrátil kapacitu a pak ji nemohl sehnat? Servery tedy sedí, jsou fakturovány po hodinách, ať je firma používá nebo ne. Paradox je přesný: jediný způsob, jak zlepšit využití, je uvolnit servery, které nevyužíváte. Ale přesně ten nedostatek, který ceny tlačí nahoru, je důvodem, proč je nikdo neuvolní. Každé otočení smyčky situaci zhoršuje.

https://noviny.ai/api/admin/images/69075a1d-dc71-44d8-948a-9fcb234eaa71/data

Problém má i druhou vrstvu — tentokrát architektonickou. I kdyby firma uvolnila přebytečné servery, ty které si nechá, jsou stejně nevyužité na úrovni jednotlivých úloh. Analytická firma Anyscale to popsala takto: moderní AI pracovní zátěž se pohybuje mezi fázemi náročnými na procesor (načítání dat, předzpracování) a fázemi náročnými na GPU (samotný výpočet). Pokud vše běží v jednom kontejneru, GPU je alokováno po celou dobu, ale skutečnou práci vykonává jen část té doby. Výsledek? I správně nadimenzovaný cluster se pohybuje pod 50 procenty reálného využití GPU.

Mnoho neocloudů není cloud. Jsou to neonemovitosti.

Proč ceny GPU poprvé za dvacet let rostou

Celá situace se odehrává na pozadí historicky výjimečného vývoje na trhu s čipy. V lednu 2026 Amazon Web Services tiše — bez formálního oznámení, v sobotu — zdražil rezervované servery H200 o přibližně 15 procent. Dodavatelé paměti oznámili zdražení čipů HBM3e o 20 procent. Je to poprvé od roku 2006, kdy AWS spustil EC2, že hyperscaler smysluplně zdražil rezervované GPU místo toho, aby je zlevnil.

Trh se rozdělil na dvě části. Na komoditní vrstvě stará deflace stále funguje — ceny H100 serverů na vyžádání klesly z přibližně 7,57 dolarů za GPU-hodinu v září 2025 na aktuálních zhruba 3,93 dolaru. Starší čipy A100 jsou dostupné pod 2 dolary. Na druhé straně frontier vrstva jde opačným směrem: Nvidia přijala objednávky na 2 miliony čipů H200 pro rok 2026 při zásobách pouhých 700 tisíc kusů. Výrobní kapacity TSMC pro pokročilé balení jsou plně obsazeny nejméně do poloviny roku 2027.

https://noviny.ai/api/admin/images/85fee68f-adfc-4604-84fd-b4730e815d77/data

Jak se dostat na 40 procent využití

Pokud je uvolnění GPU blokováno strachem a smlouvy jsou již podepsané, zbývá jediná páka: vytěžit z existující infrastruktury více práce. Cast AI ve svých datech uvádí příklad: cluster 136 serverů H200 dosahoval po optimalizaci průměrného využití 49 procent — díky sdílení GPU, správnému rozmísťování pracovních zátěží a kombinaci spotových a rezervovaných kapacit. To je desetinásobek průměru odvětví.

Australský designový nástroj Canva, který provozuje přes sto produkčních AI modelů, dosahuje během distribuovaných tréninků blízkých 100 procent využití GPU a hlásí snížení nákladů na cloud o přibližně polovinu. Klíčem bylo přejít na framework, který správně rozkládá úlohy a nezahazuje GPU na čekání procesoru.

Nejjednodušší technika? Sdílení GPU napříč časovými zónami. Banka s úvěrovým modelem obsluhujícím asijské i americké zákazníky může provozovat jeden pool serverů pro oba trhy v různých časech. Nvidia tyto techniky (MIG a time-slicing) zveřejnila před lety. Většina podniků to neimplementuje, protože je to provozně nenápadné — ale automatizovaný plánovač to dělá bez plýtvání lidskou energií.

Co to znamená pro váš byznys

Pokud vaše firma dnes investuje nebo plánuje investovat do GPU infrastruktury, výzkum Cast AI říká jasně: samotný nákup výkonu nestačí. Firmy, které jsou v AI nejdál, mají společnou jednu věc — mají zaveden provozní model s jasnou odpovědností za náklady na výpočetní čas. Inženýr, který nezná cenu toho, co provozuje, nemá důvod optimalizovat.

Gartner ve svém výzkumu z listopadu 2025 dospěl ke stejnému závěru jako Cast AI a Anyscale: kombinace sdíleného GPU využití napříč projekty s disagregovaným inference — kdy zpracování promptů a generování odpovědí běží na různém hardwaru — je klíčem k smysluplné optimalizaci. Tři nezávislé organizace konvergují ke stejné diagnóze. To je silnější signál než jakékoli marketingové sdělení jednoho dodavatele.

Rok 2026 přinesl konec dvacetileté deflace cloudového výpočetního výkonu na špičce zásobníku. Předpoklad, na kterém stály většina firemních AI rozpočtů — že výpočetní výkon každý rok zlevní — u frontier infrastruktury přestal platit. Pět procent využití při rostoucích cenách není jen neefektivita. Je to systémové riziko pro každý byznys, který vsází na AI jako na konkurenční výhodu.