Europa przegrała wyścig o AI, ale ma jednego asa w rękawie!

To co zaraz przeczytacie może zabrzmieć jak kapitulacja. Europa przegrała wyścig o sztuczną inteligencję. Mówi to sama niemiecka minister gospodarki publicznie. Najlepsze modele AI są amerykańskie, drugie miejsce mają Chińczycy, a Europa? Europy w tej stawce po prostu nie ma.

Tylko że ta sama minister dodała zdanie, które sporo zmienia: „przegraliśmy wyścig o model językowy, ale nie przegraliśmy wyścigu o wdrożenie AI w naszych firmach”. To jest sedno tego materiału. Istnieje drugi front wojny o AI, dużo mniej efektowny niż chatboty, za to dużo ważniejszy dla europejskiej gospodarki. AI w przemyśle. I tam, uwaga, to Europa ma przewagę.

W Kutnie, w centralnej Polsce, stoi fabryka, z której co roku wyjeżdża ponad sto milionów puszek Pringlesów. I każda z nich musi smakować dokładnie tak samo i chrupać dokładnie tak samo. Natura ma to gdzieś. Żaden zbiór ziemniaków nie jest taki sam jak poprzedni: inna wilgotność, inna skrobia, inne białko. Mimo to chips ma być identyczny. Jak to pogodzić? Na przykład sztuczną inteligencją, która w czasie rzeczywistym koryguje recepturę, zanim wadliwa partia zdąży trafić do puszki.

W tym materiale rozkładam, dlaczego akurat tu Europa może wygrać, na czym polega jej sekretna przewaga w przemysłowej sztucznej inteligencji i dlaczego zegar tyka szybciej, niż się wydaje. Lecimy.

Europa przegrała wyścig o AI, ale ma jednego asa w rękawie!

Kluczowe dla zrozumienia europejskiej szansy jest to, że sztuczna inteligencja w przemyśle to zupełnie inna kategoria niż chatboty i modele LLM. Obejmuje trzy główne obszary zastosowań, z których każdy odpowiada na inne potrzeby fabryki.

Pierwsza sprawa to predykcja i prewencja awarii. Algorytmy analizują historyczne dane z maszyn: wibracje, temperaturę, zużycie komponentów, i wykrywają wzorce zapowiadające usterkę, zanim ta nastąpi. Niemiecki producent części samochodowych Gedia Gebrüder Dingerkus wykorzystuje oprogramowanie firmy Trumpf do wykrywania nieprawidłowości w swoich maszynach. W praktyce oznacza to, że zamiast wymieniać części według sztywnego harmonogramu, na przykład co trzy lata, albo czekać na awarię, serwis reaguje dokładnie wtedy, kiedy jest to potrzebne.

Druga rzecz to tak zwane cyfrowe bliźniaki. Wirtualne repliki produktów, maszyn lub całych fabryk, które służą do testowania zmian bez ryzyka dla rzeczywistej produkcji. Airbus wykorzystuje cyfrowe bliźniaki firmy Dassault Systèmes do instalacji i testowania swojego modelu A350 XWB. Zamiast budować fizyczne prototypy każdej modyfikacji, inżynierowie testują je najpierw w symulacji. Modele AI mogą poprawiać te symulacje, dopasowując je do rzeczywistych danych z produkcji.

Trzecia rzecz to znani już agenci AI. Systemy zaprojektowane do monitorowania operacji, wykrywania nieoptymalnych ustawień, a nawet autonomicznego wykonywania zadań. Austriacki Andritz Metals korzysta z agenta Siemensa do automatycznego generowania dokumentacji. To dopiero początek, bo najdalej idące wizje mówią o fabrykach, w których agenci AI i roboty nadzorują produkcję przy minimalnym udziale ludzi.

Europa ma w tych obszarach coś, czego nie da się szybko odtworzyć: ponad sto lat danych produkcyjnych i doświadczenia inżynierskiego. Siemens, Schneider Electric, Dassault Systèmes, ABB, to firmy, które od pokoleń budują infrastrukturę przemysłową, a teraz osadzają AI w swoich produktach automatyki i oprogramowaniu. Ich przewaga polega na tym, że rozumieją kontekst fabryki od środka, a nie tylko dostarczają algorytm z zewnątrz.

Potwierdzają to dane. W maju 2026 roku instytut Interface opublikował raport oparty na analizie 24 468 aktywnych startupów AI, założonych między 2012 a 2025 rokiem w UE, Szwajcarii, Wielkiej Brytanii i USA. Wyniki są bardzo ciekawe.

Raport najpierw zdefiniował pięć sektorów, gdzie powstaje najwięcej startupów AI ogółem. Wyszło, że to oprogramowanie dla biznesu, opieka zdrowotna, finanse, narzędzia R&D i przemysł. Przemysł to jedyny z tych pięciu sektorów, w którym Unia Europejska ma większy udział startupów niż Stany Zjednoczone. Ma ich 45% wobec 39% w USA.

Na pozostałych czterech branżach USA dominuje, często z udziałem przekraczającym 50%. W oprogramowaniu biznesowym, które jest zdecydowanie największą kategorią skupiającą jedną trzecią wszystkich startupów, USA ma 51% wobec 33% dla UE. Ale w przemyśle to UE dominuje!

Europa nie jest globalnym liderem AI, ale w jednym konkretnym segmencie, czyli AI dla przemysłu i łańcuchów dostaw, ma rzeczywistą przewagę liczbową.

Boom zakładania startupów AI po premierze ChatGPT w listopadzie 2022 roku rozłożył się bardzo nierównomiernie między branżami. W oprogramowaniu dla biznesu średnia roczna liczba nowych startupów w UE wzrosła 2,5-krotnie, ze 140 do 350 rocznie, ale w przemyśle wzrost wyniósł zaledwie 45%, z 38 do 55 rocznie. Najmniejszy wzrost był w ochronie zdrowia.

Paradoksalnie, to może być dobra wiadomość dla Europy. Skromniejszy wpływ generatywnego AI na te sektory oznacza, że dominują w nich bardziej wyspecjalizowane technologie: widzenie komputerowe do wykrywania wad, uczenie ze wzmocnieniem do optymalizacji zapasów, modele świata do symulacji zachowania maszyn.

Te podejścia wymagają głębokiej wiedzy specjalistycznej i dostępu do specyficznych danych, a nie po prostu większej mocy obliczeniowej. Europejskie startupy, które mają dostęp do takich danych dzięki bliskości z przemysłem, mogą to przekuć w trwałą przewagę i fosę ekonomiczną.

Na poziomie poszczególnych krajów obraz jest jeszcze bardziej wymowny. Niemcy to jedyny kraj UE z silnym sygnałem specjalizacji w przemysłowym AI, koncentracja tamtejszych startupów w tym segmencie jest 57% wyższa niż średnia unijna. Niemcy są domem dla jednej trzeciej wszystkich unijnych startupów AI w tym sektorze. Włochy pokazują podobny, choć słabszy wzorzec, 39% powyżej średniej, co jest spójne z tradycjami inżynieryjnymi obu krajów. Co warte odnotowania, Niemcy i Włochy niedawno podpisały porozumienie o wzmocnieniu partnerstwa przemysłowego.

Trzeba jednak uczciwie powiedzieć, że europejski ekosystem startupów AI jest mocno rozproszony. 75% wszystkich analizowanych startupów AI w UE rozkłada się na 95 miast, a żaden hub nie dominuje żadnego rynku. Paryż, Berlin, Amsterdam, Monachium i Sztokholm, pięć największych hubów, skupiają razem zaledwie jedną czwartą unijnych startupów AI. To rozproszenie jest szansą, bo AI jest blisko lokalnego przemysłu w całej Europie, ale też ryzykiem, bo brak tutaj masy krytycznej potrzebnej do stworzenia globalnie konkurencyjnych ekosystemów. Nie mamy tutaj odpowiednika Doliny Krzemowej, która skupia wszystkie talenty w jednym miejscu i potęguje nawzajem ich zdolności. Ale być może tak jest, że przemysł potrzebuje innej struktury. Zobaczymy.

Ważniejszy problem niż rozproszenie ekosystemu jest jednak inny. Dlaczego wdrożenie jest trudniejsze niż wynalezienie samego rozwiązania?

Dane o startupach to jedno. Realne wdrożenia w fabrykach to drugie. Tu zaczyna się mniej optymistyczna część historii.

Firma Trumpf, niemiecki producent laserów, jest często przytaczana jako wzór udanej transformacji. Od 2015 roku, kiedy zaczęła łączyć swoje maszyny w sieci, poprawiła efektywność o 30% i prowadzi dziś inteligentne fabryki na całym świecie, w tym w USA i Chinach. AI-owe skanery kontrolują jakość ciętych blach, a autonomiczne roboty transportują części między stanowiskami. Szef działu obrabiarek Stephan Mayer mówi wprost: „AI to ogromna zmiana. Wiele procesów wymagających dużego nakładu ręcznej pracy można zautomatyzować”.

Ale Trumpf to wyjątek, nie reguła. Firma produkuje lasery na poziomie technologicznym porównywalnym z ASML, ma zasoby i wiedzę, których większość europejskich producentów po prostu nie posiada. Jest częścią niemieckiego Mittelstandu, sektora małych i średnich firm stanowiących kręgosłup gospodarki, ale zajmuje w nim uprzywilejowaną pozycję.

Dla typowej firmy Mittelstandu sytuacja wygląda inaczej. Większości z nich po prostu nie stać na pełne i szybkie wdrożenie nowych technologii.

Problem nie dotyczy tylko małych firm. Nawet duże koncerny mają kłopot ze skalowaniem AI na swoje sieci produkcyjne. Cecile Vercellino ze Schneider Electric, która doradza firmom w transformacji cyfrowej, mówi, że zaledwie 30% producentów widzi korzyści z projektów cyfrowej transformacji na większą skalę. Powód? „Na Węgrzech będziesz mieć inną metodologię i inne procesy niż w Portugalii, nawet jeśli to ta sama grupa kapitałowa. Skalowalność bywa bardzo trudna”. Chodzi o to, że różne fabryki działają inaczej nawet w ramach jednej firmy, więc nie da się prosto wdrażać tych samych rozwiązań we wszystkich zakładach, nawet jeśli mają te same logo nad bramą.

Christian Bruch, prezes Siemens Energy, opisuje ten sam problem z perspektywy swojej firmy. Siemens Energy zautomatyzował fabrykę rozdzielnic w Szanghaju, przenosząc wiele zadań z ludzi na maszyny i redukując przy tym zatrudnienie. Jednak jego zdaniem powtórzenie tego w Europie jest znacznie trudniejsze.

Na tym tle wypowiedź Sabine Scheunert z Dassault Systèmes brzmi jak sygnał alarmowy. Według niej europejski przemysł ma okno dwóch, może trzech lat na wdrożenie AI w swoje procesy. Jeśli tego nie zrobi, dystans do Azji stanie się nie do nadrobienia.

I tutaj dochodzimy do głównego konkurenta Europy na płaszczyźnie przemysłowej.

Kiedy mowa o konkurencji w przemysłowym AI, głównym rywalem Europy są Chiny, nie Stany Zjednoczone. USA dominuje w modelach fundamentalnych i oprogramowaniu dla biznesu, ale na przecięciu produkcji, robotyki i AI to Chiny budują swoją pozycję najszybciej.

Amerykańska komisja ds. bezpieczeństwa ekonomicznego opisuje, jak chińska otwarta strategia AI tworzy przewagę danych poprzez masowe wdrożenia w produkcji i robotyce. Powstają pętle zwrotne: im więcej robotów i systemów AI działa w chińskich fabrykach, tym więcej danych generują, tym lepsze stają się modele, co z kolei napędza kolejne wdrożenia. To spirala, którą trudno dogonić nawet dysponując technicznie lepszymi modelami.

Europa ma jednak jeden zasób, którego znaczenie rośnie. Dane przemysłowe. Firmy takie jak Siemens, Trumpf czy ABB przez dekady gromadziły dane z rzeczywistych środowisk produkcyjnych: parametry obróbki metali, zachowanie maszyn pod obciążeniem, wzorce zużycia komponentów. Te dane są niezbędne do trenowania wyspecjalizowanych modeli AI, szczególnie w dwóch obszarach, które zyskują na znaczeniu.

Pierwszy to modele świata, czyli te cyfrowe bliźniaki. Systemy AI, które uczą się wewnętrznych reprezentacji tego, jak działa otaczający je świat, i potrafią przewidywać przyszłe zmiany. W przeciwieństwie do dużych modeli językowych, które potrzebują ogromnych ilości tekstu, modele świata wymagają przede wszystkim wysokiej jakości danych, niekoniecznie ogromnej ich ilości. Chodzi o to, że te dane pomagają cyfrowym bliźniakom zrozumieć, jak zachowują się fabryki, w jakim trybie pracują, jakie procesy następują w jakiej kolejności. Bez nich stworzenie cyfrowego odpowiednika będzie trudne.

Drugi obszar przewagi europejskiego przemysłu to fizyczna AI. Sztuczna inteligencja działająca w fizycznym świecie przez systemy robotyczne, która postrzega otoczenie i podejmuje w nim działania. Fizyczna AI korzysta z osiągnięć dużych modeli językowych, bo pomagają one interpretować zadania podane w języku naturalnym, na przykład przez człowieka, który wydaje im polecenia, ale także ze wspomnianych modeli świata, bo przetwarzanie bodźców sensorycznych i przewidywanie przyszłych zmian jest tutaj istotne.

Robot napędzany AI musi rozumieć, co zrobi zaraz osoba lub przedmiot, który jest w jego polu widzenia. Na przykład robot, widząc wózek widłowy, który jedzie, musi zrozumieć, że ten wózek jedzie w określonym kierunku i gdzie znajdzie się za minutę, żeby nie wejść mu pod koła. To prosty przykład, ale chyba dobrze obrazuje problem. Dla ludzi coś takiego wydaje się oczywiste tak bardzo, że o tym nie myślimy, ale dla robota to kluczowa wiedza. I właśnie jakość danych z europejskich fabryk jest tutaj kluczowa.

Z tego powodu analitycy z Bessemer Venture Partners wskazują, że w perspektywie najbliższych lat w robotyce przewagę będą mieć firmy zintegrowane pionowo, czyli te, które mają jednocześnie modele, dane i zastosowania, a nie czyste firmy od samych algorytmów.

Właśnie dlatego jako UE mamy pewną przewagę, o której dziś się głośno nie mówi.

W debacie o europejskiej konkurencyjności w AI dominuje temat mocy obliczeniowej i centrów danych. Jednak dane przemysłowe, jako dźwignia strategiczna, są zdecydowanie niedoceniane i mogą być mocną stroną starego kontynentu. To właśnie one mogą zdecydować o tym, czy europejskie firmy zbudują trwałą przewagę w swoich niszach, czy zostaną całkowicie zjedzone przez Chiny.

Bruksela nie jest bezczynna. W ostatnich dwóch latach Unia uruchomiła szereg inicjatyw mających wesprzeć AI w Europie.

Apply AI Strategy wyznacza jedenaście strategicznych rynków dla rozwoju i wdrażania AI, w tym opiekę zdrowotną, przemysł, robotykę i energetykę. Scaleup Europe Fund, z docelowym kapitałem 5 miliardów euro, ma inwestować w najbardziej obiecujące europejskie firmy z obszaru deep tech. Pierwsza inwestycja jest planowana na lato 2026. Na infrastrukturę obliczeniową UE przeznaczyła ponad 30 miliardów euro: 19 „fabryk AI” i pięć gigafabryk compute.

Propozycja UE ma też uprościć zakładanie startupów z jednolitym zestawem reguł korporacyjnych obowiązujących w całej Unii. Taki ruch ma pomóc ambitnym firmom technologicznym działać od razu na większym rynku całej UE w ramach spójnych przepisów, tak żeby różne przepisy pomiędzy państwami nie utrudniały skalowania biznesu.

Raport Interface wskazuje jednak na istotne martwe punkty tej strategii. Pierwszy to fintech AI. Paryż i Mediolan mają mocną pozycję w startupach AI dla sektora finansowego, Francja i Włochy pokazują sygnały specjalizacji w tym obszarze, a mimo to UE nie uznaje tego rynku za strategiczny priorytet. Biorąc pod uwagę, że sektor finansowy jest dużym pracodawcą w obu krajach, a fintech przyciąga znaczący kapitał funduszy podwyższonego ryzyka, to potencjalnie zmarnowana okazja.

Drugi martwy punkt to rozproszenie ekosystemu. Jak wspominałem, 75% europejskich startupów AI jest rozproszone po 95 miastach.

Trzeci martwy punkt to czas. Chiny pędzą na złamanie karku. Jeśli UE nie zacznie działać poza swoją ociężałością, to może się okazać, że szansa, przed którą stoimy, zostanie zaprzepaszczona.

Wniosek jest jeden. Kiedy masz dużą bazę przemysłową, która cierpi z powodu wyższych kosztów i utraty konkurencyjności, wtedy musisz znaleźć rozwiązania. Zmiana nie jest opcjonalna.

Wróćmy więc do tych Pringlesów z Kutna, od których zaczęliśmy. Ta jedna puszka chipsów opowiada całą historię w pigułce. Europa nie wygra, budując lepszego ChatGPT, bo tę bitwę już przegrała i nie ma co się oszukiwać, ale może wygrać wyścig o to, kto sprawi, że fabryka produkuje taniej, lepiej i bez awarii.

Ta przewaga ma termin ważności. Eksperci mówią wprost o oknie dwóch, może trzech lat. Chiny pędzą na złamanie karku, budując pętlę, w której każdy nowy robot w fabryce generuje dane, dane ulepszają modele, a lepsze modele napędzają kolejne roboty. Jeśli Europa ze swoją słynną ociężałością i biurokracją to okno prześpi, to spirala Chin stanie się nie do dogonienia, nawet z lepszą technologią na starcie. Mamy więc realną szansę i realne ryzyko jednocześnie.

Dla nas, inwestorów, płynie z tego jasny wniosek. Kiedy wszyscy licytują się, kto kupi więcej akcji OpenAI czy Nvidii, warto spojrzeć w miejsce, na które nikt nie patrzy: na te nudne, stare, europejskie firmy przemysłowe, które siedzą na skarbie danych i dopiero zaczynają go monetyzować. To nie będzie spektakularny, viralowy trend, ale najlepsze okazje rzadko są spektakularne. Najczęściej są po prostu przeoczone.