The AfD’s Arctic Balancing Act

“The party projects a patriotic image in the dispute over Greenland. But what does this actually mean? Criticism of Trump is mixed with expressions of sympathy for the U.S. President. And then, of course, there is Russia.

 

The AfD maintains special ties with Donald Trump’s administration and his allies within the MAGA movement. A year ago, several AfD politicians—including parliamentary group leader Tino Chrupalla and deputy leader Beatrix von Storch—traveled to attend Trump’s inauguration. Also in January 2025, Elon Musk—at the time still a Trump confidant—provided AfD Chancellor candidate Alice Weidel with a platform on his social media site, X. "Only the AfD can save Germany," Musk asserted during the live conversation with the party leader.

 

However, Trump’s claim to Greenland—along with his renewed threats of tariffs against countries like Germany that resist his demands—have placed the AfD in a quandary. Patriotism lies at the very core of the party’s brand identity. "If U.S. President Trump acts contrary to German interests, we will oppose him," Chrupalla assured the *F.A.Z.* Greenland, he noted, is Danish territory.

 

At the same time, he argued, American security interests must be respected. "However, that must not mean the world becomes a free-for-all," the AfD leader added. The EU member states, he insisted, must forge a united front.

 

Above all, however, he argued for the need for a "rapprochement with Russia—for Russia is part of Europe." Within the EU, Germany must "finally begin working toward improving relations with Russia," Chrupalla demanded.

 

Von Storch also brought China into the discussion: German industry, she noted, relies heavily on rare earth elements and finds itself in a state of existential dependence on China in this regard. "Consequently, from a German perspective, the dispute over Greenland is fundamentally about permanently blocking China’s access to the rare earth deposits located there, enabling local extraction, and to guarantee the German industry secure, affordable access," she explained.

 

Regarding the discussion on European countermeasures, Markus Frohnmaier—the AfD’s foreign policy spokesperson in the Bundestag—told the *F.A.Z.* that an escalation through blanket retaliatory measures was, given Germany’s current economic condition, "realistically unaffordable." "Tariffs would inflict immediate damage on our industry—particularly in Baden-Württemberg—harming jobs, investments, and growth," said Frohnmaier, who is the AfD’s lead candidate in the Baden-Württemberg state election. He advocates for an Arctic initiative within the NATO framework, incorporating early warning and presence concepts.

 

Another AfD lead candidate, Leif-Erik Holm, favors the threat of European countermeasures. The Bundestag member and AfD economic policy spokesperson aims to unseat Minister-President Manuela Schwesig (SPD) in the state election in Mecklenburg-Western Pomerania this September. "One simply cannot treat partners this way," he said regarding Trump’s conduct. "We must push back—while simultaneously remaining open to dialogue." Europeans should at the very least signal—for all to see—"that we would be prepared to respond with countermeasures if necessary." It lies in the mutual interest of both sides to eliminate trade barriers and refrain from introducing new tariffs.

 

While not quite as assertive as Holm, AfD foreign and defense policy expert Gerold Otten argues along similar lines. He is currently in Washington for political talks. He believes that publicly threatening countermeasures is ill-advised. "However, in private discussions, we should certainly make it clear that the European Union possesses the option of imposing counter-sanctions," he told the *F.A.Z.* Above all, however, Otten aims to convince his American interlocutors that it would also be in the U.S. interest to retain Europeans as strong allies—particularly with a view to the China’s territorial claims. The Republican Party consists of more than just MAGA supporters, Otten noted. While it is positive that his party receives support from the MAGA movement, the AfD lawmaker believes it is "not yet a foregone conclusion that this faction will ultimately prevail within the Republican Party."

 

In contrast, AfD Bundestag member Maximilian Krah—who commands a large following on social media—posted: "We stand with Trump!" Arguing that the U.S. President is so unconventional, Krah suggested that people in Germany, too, "yearn for a similarly resolute leader." "Why don't we learn to get along with him? We could benefit enormously from doing so," Krah wrote on "X."

 

Economists whom the *F.A.Z.* consulted regarding the AfD’s stance on the conflict with Trump suggest that the party lacks a compass. "The Gauland-led AfD—critical of NATO—maintained an extremely hostile attitude toward the U.S. for a long time. At the same time, the party craves any international recognition it can get," observed Matthias Diermeier of the Cologne Institute for Economic Research (IW). Consequently, the outstretched hand of the Trump administration has led the AfD to readily embrace. "However, common ground is found more in opposition to climate policy and 'wokeness' than in a truly shared understanding of economic policy," the economist explained.

 

Business ethicist Markus Scholz of the Technical University of Dresden added that the AfD combines various—and often contradictory—fragments of economic policy, depending on the specific occasion and intended audience. The logic of "Germany First"—or even "Germany Alone"—implicitly advocated by the party is, in the current conflict, turning against the party itself: protection against unilateral trade measures from Washington, as well as against strategic pressure from China, can realistically only be achieved through a European Union capable of effective action. The AfD, conversely, views the EU primarily as a burden. This stance, according to Scholz, points "less to consistent patriotism than to significant deficits in foreign economic understanding." [1]

 

1. Arktischer AfD-Schlingerkurs. Frankfurter Allgemeine Zeitung; Frankfurt. 22 Jan 2026: 17. Von Katja Gelinsky, Berlin

„Europa turi rasti savo kelią“ į bedugnę. Jau beveik prisiartinome

 

Trumpas yra praktikas versle. Jei vėjo malūnai būtų naudingi, Trumpas neišmestų juos į šiukšlyną. 

 

„Dirbtinis intelektas vis labiau tampa pagrindiniu „Infineon“ vilties šaltiniu. Generalinis direktorius Jochenas Hanebeckas paaiškina, kokias galimybes Europos dirbtinio intelekto srityje jis mato, kaip jo įmonė gali padėti sumažinti energijos suvartojimą duomenų centruose ir kodėl ne visiems robotams reikia kojų.

 

Pone Hanebeckai, „Infineon“ šiuo metu gauna naudos iš dirbtinio intelekto sukelto entuziazmo. Jūs gaminate galios puslaidininkius, skirtus efektyviam energijos tiekimui duomenų centruose. Ar turėtume įsivaizduoti taip: kad vargu ar yra dirbtinio intelekto duomenų centras be „Infineon“ lustų?

 

Tikriausiai būtų sunku rasti tokį, kuriame mes nedalyvaujame. Atsižvelgiant į tai, laikas taip pat puikiai tinka mūsų penkių milijardų eurų investicijai į naują lustų gamyklą Drezdene. Šiuo metu montuojama pirmoji įranga, o oficialiai gamybą pradėsime šią vasarą. Čia gaminsime analoginius ir galios puslaidininkius dirbtinio intelekto taikymams, o vėliau ir lustus automobilių pramonei.

 

Verslas, susijęs su šiais lustais dirbtinio intelekto duomenų centrams, sparčiai auga, o kiti jūsų segmentai šiuo metu atsilieka. Ar tai reiškia, kad be šio „DI efekto“ jūs būtumėte susidūrę su realia problema dabar?

 

Ne. Mes visada turime kelias geležines lazdas ugnyje. Prieš penkerius metus niekas negalėjo numatyti sparčios dirbtinio intelekto programų plėtros. Tačiau jau tada buvo aišku, kad būsimų procesorių energijos poreikiai didės. Todėl anksti pradėjome kaupti savo patirtį. Kai vėliau paaiškėjo, kaip galingai ir greitai atsiranda dirbtinio intelekto tendencija – ir didelio našumo dirbtinio intelekto lustai – mums nebuvo ypač sunku šiuos pajėgumus paversti produktais. Šiandien tai sparčiausiai augantis mūsų verslo segmentas – augantis tokiu tempu, kokio nemačiau per savo 30 metų darbo „Infineon“.

 

Šiuo metu daug diskutuojama apie galimo „dirbtinio intelekto burbulo“ riziką. Kokia, jūsų manymu, yra ši rizika?

 

Čia susiduriame su bendrosios paskirties technologija, turinčia platų pritaikymo potencialą ir kurią remia labai realus verslas.“ Man tereikia pažvelgti į savo įmonę, kad tai pamatyčiau.

 

Dirbtinis intelektas mums suteikia apčiuopiamą produktyvumo padidėjimą, pavyzdžiui, klientų aptarnavimo, programinės įrangos kūrimo ir lustų išdėstymo srityse.

 

Ar galite įvertinti tą laiko ar išlaidų taupymą?

 

Lustų projektavime tai gali reikšti darbo proceso pagreitinimą savaitėmis. Kitas pavyzdys yra „Ask Infineon“ – dirbtinio intelekto agentas, kurį naudojame viduje darbuotojų užklausoms tvarkyti ir kuris buvo apmokytas naudojant atitinkamą informaciją iš įmonės vidaus. Mūsų personalo skyrius šiuo metu gauna 30 procentų mažiau užklausų nei anksčiau, nes darbuotojai patys gali rasti reikiamą informaciją naudodamiesi „Ask Infineon“.

 

Nepaisant to, daugelis balsų skelbia pavojaus signalą ir nurodo įspėjamuosius ženklus, pavyzdžiui, sandoriai tarp tokių įmonių kaip „OpenAI“ ir „Nvidia“, kurie sukuria įspūdį, kad pinigai tiesiog pernešami pirmyn ir atgal.

 

Natūralu, kad finansavimas visada yra karšta tema sektoriuose, kurie patiria pakilimą. Tačiau dauguma pagrindinių šios rinkos dalyvių gali finansuoti savo investicijas naudodami savo pinigų srautus. Be to, mano požiūriu, yra visiškai kitas dirbtinio intelekto diskusijos aspektas, kuris iki šiol buvo nepakankamai įvertintas: daugelyje pasaulio regionų matome augančią vadinamojo „suvereniojo dirbtinio intelekto“ paklausą. Vyriausybės daro išvadą, kad dirbtinio intelekto infrastruktūra yra tokia pat neatsiejama tautos dalis, kaip ir bet kuri kita infrastruktūros forma. Tai apima, be kita ko, Kiniją ir ES, taip pat Persijos įlankos regiono šalis. Jų motyvai labai skiriasi nuo įmonių, kurios tik valdo didelius duomenų centrus.

 

JAV prezidentas Donaldas Trumpas neseniai paskelbė „Genesis Mission“ – nacionalinę dirbtinio intelekto iniciatyvą. Ar tai pavyzdys Europai?

 

Tai išsami dirbtinio intelekto tyrimų programa. Ji rodo, kad politikos formuotojai pripažįsta dirbtinio intelekto pridėtinę vertę ir imasi tinkamų veiksmų. Dirbtinis intelektas yra pamatinė technologija, naudinga daugeliui ekonomikos sektorių. Ateinančiais metais jis atliks svarbų vaidmenį mūsų gyvenime – įgaus įvairias formas ir paveiks daugybę sričių.

 

Ar Europa gali neatsilikti? Juk svarbiausios įmonės yra įsikūrusios JAV.

 

Tai tikrai tiesa. Kita vertus, mes taip pat turime pajėgumų ir patirties čia, Europoje. Turime į tai žiūrėti kitaip ir neturėtume pasiduoti pagundai bandyti kopijuoti JAV vienas su vienu.

 

Ką tai reiškia konkrečiai?

 

Pradėkime nuo dirbtinio intelekto modelių lygmens. Matau galimybių ES viduje kurti konkrečiai pramonei skirtus modelius, tai yra, platesnius nei didelių kalbų modeliai. Europa taip pat turi daug ką pasiūlyti lustų lygmeniu. Mūsų galios puslaidininkiai yra vienas iš to pavyzdžių, kaip ir mikrovaldikliai – produktų kategorija, kurioje Europos tiekėjai užima 50 procentų pasaulinės rinkos. Mikrovaldikliai vaidina labai svarbų vaidmenį, pavyzdžiui, „Edge AI“ srityje, t. y., kai duomenys apdorojami vietoje, o ne debesyje. Tai dažnai yra efektyviau, greičiau ir saugiau. Kitas Europos flagmanas yra lustų gamybos mašinų gamintojo ASML sukurta litografijos technologija, be kurios pasaulyje nebūtų galima pagaminti nė vieno dirbtinio intelekto lusto. Europa turi nutiesti savo kelią, remtis esamais privalumais ir ryžtingai veikti, kad netaptų vienašališkai priklausoma šiose aukštųjų technologijų srityse.

 

Taigi, manote, kad Europa jau turi reikšmingų išteklių, kuriuos gali panaudoti šioje srityje?

 

Taip, be abejo. Daug geriau remtis savo privalumais ir, remiantis tuo, bendradarbiauti su partneriais, turinčiais kitokių privalumų. Tai apima ir dirbtinio intelekto procesorių gamintojus Jungtinėse Valstijose.

 

Dirbtinio intelekto energetinis aspektas vaidina vis svarbesnį vaidmenį viešajame diskurse, nes duomenų centrai sunaudoja milžiniškus elektros energijos kiekius. JAV ataskaitos rodo, kad regionuose, kuriuose yra didelė duomenų centrų koncentracija, vartotojų sąskaitos už elektrą didėja; Kai kuriose vietose pradeda kilti pasipriešinimas dirbtinio intelekto infrastruktūros plėtrai. Ar tai galėtų stabdyti pramonę?

 

Būtent dėl ​​šios priežasties labai svarbu kuo greičiau pasinaudoti papildomais energijos šaltiniais. Mano nuomone, artimiausiu metu to negalima pasiekti vien statant papildomas dujomis kūrenamas elektrines ar net branduolinius objektus. Paprasčiausias ir akivaizdžiausias sprendimas slypi atsinaujinančiojoje energijoje. Vėjo jėgainių ir saulės energijos įrenginių, ypač kartu su akumuliatorių kaupimo sistemomis, plėtra gali būti gana greitai išplėsta.

 

Tačiau šiuo metu atrodo, kad tai nėra JAV vyriausybės pageidaujamas kelias. Donaldas Trumpas yra atviras vėjo energijos priešininkas ir netgi išreiškė norą sustabdyti tokius projektus.

 

Žinoma, Jungtinėse Valstijose yra konkreti politinė darbotvarkė. Tačiau, žvelgiant iš pramonės perspektyvos, galiu užtikrintai teigti, kad atsinaujinanti energija ruošiasi naujam bumui – net ir čia, Vakarų pasaulyje. Tai lemia pats faktas, kad mums skubiai reikia generuoti papildomus elektros energijos gamybos pajėgumus – ir greitai.

 

Tačiau Trumpas, regis, neprieštarauja anglims.

 

Nenorėčiau komentuoti Amerikos politikos. Žinoma, šiuo metu stebime regioninius atsinaujinančiosios energijos plėtros skirtumus. Kinija, kaip ir Europa, labai remiasi tuo, nors politinės sąlygos JAV šiuo metu skiriasi. Tuo pačiu metu praeityje dažnai pastebėjome, ypač JAV, kad jei kažkas yra ekonomiškai prasminga, galimybės išnaudojamos.

 

Ar matote didelį inovacijų potencialą savo pusėje, siekiant efektyviau tiekti energiją ir pažaboti energijos paklausos augimą?

 

Taip, dar yra daug erdvės tobulėjimui. Pavyzdžiui, naudojant tokias medžiagas kaip silicio karbidas ar galio nitridas, kurios leidžia greičiau perjungti energiją nei silicis. Mes vis dar galime išspausti kelis papildomus procentinius punktus.

 

Tačiau taip pat tiesa, kad didžiulis dirbtinio intelekto lustų našumo padidėjimas lemia beveik eksponentinį energijos paklausos augimą – ir šiame kontekste maitinimo šaltinis neturi tapti ribojančiu veiksniu.

 

Kokia yra „Infineon“ lustų vertės dalis duomenų centruose?

 

Dabartinės serverių spintelės yra maždaug šaldytuvo dydžio ir jose telpa galios puslaidininkių, kurių vertė siekia maždaug 15 000 USD. Ateinančioje kartoje šis skaičius bus gerokai didesnis. Iki 2030 m. ji greičiausiai viršys 100 000 USD – atminkite. Viename dirbtinio intelekto duomenų centre galima lengvai sutalpinti dešimtis tūkstančių tokių spintelių. Žinoma, mes nekontroliuojame visos rinkos, tačiau didelę šių lustų dalį tieks „Infineon“.

 

Praėjusiais finansiniais metais dirbtinio intelekto duomenų centrų lustai sudarė tik penkis procentus jūsų pajamų. Kiek šis skaičius galėtų išaugti ateityje?

 

Einamųjų metų prognozėmis, kad jis pasieks maždaug dešimt procentų. Prognozuojama, kad bendra mūsų adresuojamos rinkos apimtis iki dešimtmečio pabaigos išaugs iki aštuonių–dvylikos milijardų dolerių. Žinoma, turime palaukti ir pamatyti, kaip vystysis dirbtinio intelekto infrastruktūros plėtra, tačiau tikimės, kad tai išliks labai svarbiu „Infineon“ augimo varikliu ateinančiais metais.

 

Verslas su automobilių pramone, kuri, be abejo, išlieka didžiausiu jūsų padaliniu, šiuo metu nėra toks džiuginantis. Kaip vertinate šio sektoriaus rinkos perspektyvas? Čia taip pat matome augimo sritis, ypač susijusias su „programinės įrangos valdomomis transporto priemonėmis“. Be visos automobilio skaičiavimo ir ryšio architektūros, tai apima, pavyzdžiui, automatizuotas arba autonomines vairavimo sistemas ir saugos funkcijas. Kalbant apie elektromobilumą, situacija išties sudėtinga. JAV rinka šiuo metu yra labai silpna dėl politinės paramos stokos. Kinijoje augimas taip pat stabilizuojasi – dėl jau labai didelės elektromobilių dalies – ir vyksta didelė kainų konkurencija. Perspektyvos Europoje išlieka palyginti teigiamos, net jei pažanga ten nevyksta taip sparčiai, kaip tikėtasi.

 

 

„Infineon“ jau dvejus finansinius metus iš eilės turėjo absorbuoti pajamų sumažėjimą; šiais metais prognozuojate vidutinį augimą. Ar manote, kad verslas, susijęs su lustomis dirbtinio intelekto duomenų centrams, ateityje gali padėti jums peržengti tik vidutinį augimo ribas?

 

 

Šiais metais iš pradžių apsistojome ties žodžiu „vidutinis“. Tačiau esu labai optimistiškai nusiteikęs, kad ateinančiais metais ir dirbtinio intelekto sektoriuje matysime labai stiprų augimą. Taip pat tikimės atsigavimo kitose rinkose, įskaitant automobilių pramonę. Žvelgdamas į tolimesnę ateitį, dedu dideles viltis į robotiką – konkrečiai, į mobiliuosius dirbtinio intelekto padedamus robotus. Žvelgdamas dar tolimesnėn linkme, matome potencialą ir kvantinėje kompiuterijoje. Kaip jau sakiau anksčiau: visada turime kelias geležys ugnyje.

 

 

Kuo „Infineon“ prisidėtų prie robotų?

 

 

Galiausiai, architektūriniu požiūriu, robotai nelabai skiriasi nuo programiniu būdu valdomų automobilių; todėl galėtume parduoti labai panašius produktus šioje srityje. Pavyzdžiui, galime padėti humanoidiniams robotams judėti, įskaitant pirštų valdymą, o tai yra techniškai sudėtinga užduotis. Be to, mes suteikiame robotams galimybę suvokti savo aplinką naudojant jutiklius ir siūlome komunikacijos bei energijos valdymo sprendimus. Darant prielaidą, kad robote yra puslaidininkių, kurių vertė viršija 1400 USD, iki 500 USD šios vertės galėtų sudaryti mūsų produktai. Kartu su automobiliais robotai yra antra pagrindinė vadinamojo „fizinio dirbtinio intelekto“ kategorija. O kai jie bus plačiai naudojami, tai gali tapti pagrindine „Infineon“ augimo sritimi.

 

 

Elonas Muskas pateikė drąsių prognozių dėl „Optimus“ – humanoidinio roboto, kurį kuria jo įmonė „Tesla“. Jis pareiškė, kad jis gali tapti sėkmingiausiu visų laikų produktu. Kiti robotų gamintojai atrodo šiek tiek atsargesni. Kokia jūsų pozicija?

 

 

Pasakyčiau, kad gana normalu, jog prognozės, kalbant apie naują tendenciją, skiriasi. Aš tikriausiai esu kažkur per vidurį. Vis dėlto matau didžiulę „Infineon“ galimybę, daugiausia dėl to, kad – mums – tai iš tikrųjų nėra itin didelis technologinis šuolis. Kaip sakiau: yra labai didelių panašumų su programine įranga valdomomis transporto priemonėmis.

 

Taigi, ar įsivaizduojate ateitį, kurioje egzistuosime kartu su daugybe robotų?

 

Žinoma. Nors fizinis realizavimas gali labai skirtis. Ne kiekvienam robotui reikės dešimties pirštų ar kojų. Svarbu tai, kas yra viduje. Yra dirbtinio intelekto valdomas kompiuteris, leidžiantis robotui suvokti aplinką ir veikti net labai sudėtingoje aplinkoje. Tačiau ne kiekvienas robotas atrodys kaip žmogus.

 

Interviu vedė Rolandas Lindneris.

 

**Apie asmenį**

„Infineon“ žvelgia į sudėtingus finansinius metus. Antrus metus iš eilės puslaidininkių grupės pajamos sumažėjo ir iš viso siekė kiek mažiau nei 14,7 milijardo eurų. Jochenas Hanebeckas, generalinis direktorius nuo 2022 m., atkreipia dėmesį į „silpnumą daugumoje mūsų tikslinių rinkų“. Tai apima automobilių pramonę – bene svarbiausią klientų segmentą – kuri sudaro maždaug pusę „Infineon“ pajamų. Vis dėlto yra ir šviesioji pusė, nors ir verslo segmente, kuris kol kas išlieka gerokai mažesnis. Bendrovė parduoda puslaidininkius, naudojamus dirbtinio intelekto duomenų centruose, kur jie sukurti taip, kad užtikrintų kuo efektyvesnį energijos tiekimą. Pajamos iš šių lustų per praėjusius finansinius metus (pasibaigusius rugsėjį) beveik patrigubėjo, o einamaisiais metais „Infineon“ prognozuoja daugiau nei dvigubą padidėjimą ir siekia 1,5 milijardo eurų. Visai grupei vėl tikimasi „vidutinio“ pajamų augimo.” [1]

 

 

1. "Europa muss einen eigenen Weg finden". Frankfurter Allgemeine Zeitung; Frankfurt. 23 Jan 2026: 24. 

"Europe Must Find Its Own Path" into the Abyss. It Is Almost There

Trump is experienced in running things. If wind power would be worth something Trump wouldn't put it into trash.

“Artificial intelligence is increasingly becoming a key source of hope for Infineon. CEO Jochen Hanebeck explains where he sees Europe’s opportunities in AI, how his company can help curb energy consumption in data centers—and why not all robots need legs.

 

Mr. Hanebeck, Infineon is currently benefiting from the excitement surrounding artificial intelligence. You manufacture power semiconductors designed to enable efficient power supply in data centers. Should we imagine it this way: that there is hardly an AI data center out there without Infineon chips?

 

It would likely be difficult to find one where we aren't present. Against this backdrop, the timing is also perfect for our five-billion-euro investment in our new chip factory in Dresden. The first equipment is currently being installed, and we will officially begin production this summer. Here, we will manufacture analog and power semiconductors for AI applications, and later on, chips for the automotive industry as well.

 

The business involving these chips for AI data centers is growing rapidly, while your other segments are currently lagging. Does this mean that, without this 'AI effect,' you would be facing a real problem right now?

 

No. We always have several irons in the fire. Five years ago, no one could foresee the rapid development of AI applications. However, it was already clear back then that the power requirements of future processors would rise. Consequently, we began building up our expertise early on. When it subsequently became clear just how powerfully and quickly the AI ​​trend—and high-performance AI chips—were emerging, it wasn't particularly difficult for us to translate those capabilities into products. Today, this is our fastest-growing business segment—growing at a pace I haven't witnessed in my 30 years at Infineon.

 

There is currently a great deal of discussion regarding the risk of a potential 'AI bubble.' How high do you estimate that risk to be?

 

We are dealing here with a general-purpose technology that possesses broad application potential—and is backed by a very real business.” I need only look at my own company to see this.

 

AI is delivering tangible productivity gains for us—for instance, in customer support, software development, and the creation of chip layouts.

 

Can you put a figure on those time or cost savings?

 

In chip design, it can mean accelerating the work process by weeks. Another example is "Ask Infineon"—an AI agent we use internally to handle employee inquiries, which has been trained using relevant information from within the company. Our HR department currently receives 30 percent fewer inquiries than before, as employees are able to find the information they need themselves via "Ask Infineon."

 

Nevertheless, there are many voices sounding the alarm and pointing to warning signs—for instance, transactions between companies like OpenAI and Nvidia that create the impression that money is simply being shuffled back and forth.

 

Naturally, financing is always a hot topic in sectors experiencing a boom. However, most of the key players in this market are able to fund their investments using their own cash flow. Furthermore, from my perspective, there is a completely different aspect to the AI ​​debate that has largely gone overlooked until now: In many regions of the world, we are seeing a growing demand for what is known as "sovereign AI." Governments are coming to the conclusion that AI infrastructure is just as integral to a nation as any other form of infrastructure. This includes China and the EU, among others, as well as countries in the Gulf region. Their motivations differ significantly from those of companies that merely operate large-scale data centers.

 

US President Donald Trump recently announced the "Genesis Mission"—a national AI initiative. Does this serve as a model for Europe?

 

It is a comprehensive AI research program. It demonstrates that policymakers recognize the added value of artificial intelligence and are taking appropriate action. Artificial intelligence is a foundational technology that benefits a wide range of economic sectors. In the coming years, it will play a significant role in our lives—taking many different forms and impacting a vast array of fields.

 

Can Europe keep pace? After all, the most important companies are located in the USA.

 

That is certainly true. On the other hand, we also possess capabilities and expertise here in Europe. We need to approach this differently, and we should not succumb to the temptation of trying to copy the USA one-to-one.

 

What does that mean in concrete terms?

 

Let’s start at the level of AI models. I see opportunities here within the EU to develop industry-specific models—that is, beyond the realm of large language models. Europe also has a great deal to offer at the chip level. Our power semiconductors are one example of this, as are microcontrollers—a product category in which European providers hold a 50 percent share of the global market. Microcontrollers play a crucial role, for instance, in Edge AI—that is, when data is processed locally rather than in the cloud. This is often more efficient, faster, and more secure. Another flagship for Europe is the lithography technology developed by the chip-machine manufacturer ASML—without which no AI chip in the world could be produced. Europe must forge its own path, build upon its existing strengths, and act decisively to avoid becoming unilaterally dependent in these high-tech fields.

 

So, you believe Europe already possesses significant assets it can leverage in this regard?

 

Yes, absolutely. It is far better to build upon our own strengths and, on that foundation, collaborate with partners who possess different strengths. This includes manufacturers of AI processors in the United States.

 

The energy aspect of AI is playing an increasingly prominent role in public discourse, as data centers consume enormous amounts of electricity. In the U.S., reports suggest that in regions with a high concentration of data centers, electricity bills for consumers are rising; in some places, resistance to the expansion of AI infrastructure is beginning to emerge. Could this put the brakes on the industry?

 

Precisely for this reason, it is crucial to tap into additional energy sources as quickly as possible. In my view, in the near future, this cannot be achieved solely through the construction of additional gas-fired power plants—or even nuclear facilities. The simplest and most obvious solution lies in renewable energies. Wind farms and solar installations—particularly when paired with battery storage systems—can be scaled up quite rapidly.

 

However, that does not appear to be the U.S. government’s preferred path at the moment. Donald Trump is an avowed opponent of wind power and has even expressed a desire to halt such projects.

 

Certainly, there is a specific political agenda at play in the United States. However, from an industry perspective, I can state with confidence that renewable energies are poised for a new boom—even here in the Western world. This is driven by the very fact that we urgently need to generate additional electricity-generating capacity—and quickly.

 

Trump, however, doesn't seem to have any objections to coal.

 

I would prefer not to comment on American politics. Naturally, we are currently observing regional disparities in the development of renewable energies. China is betting heavily on this—as is Europe—though the political framework conditions in the U.S. are currently different. At the same time, we have often observed in the past—particularly in the U.S.—that if something makes economic sense, opportunities are seized.

 

Do you see significant potential for innovation on your end to make power supply more efficient and to curb the rise in energy demand?

 

Yes, there is still plenty of room for improvement. For instance, through the use of materials like silicon carbide or gallium nitride, which enable faster switching speeds than silicon. We can still squeeze out a few extra percentage points there.

 

However, it is also true that the enormous increase in the performance of AI chips is causing energy demand to rise almost exponentially—and in this context, the power supply must not become the limiting factor.

 

What is the value share of Infineon chips within data centers?

 

Current server cabinets are about the size of refrigerators and contain roughly $15,000 worth of power semiconductors. In the upcoming generation, that figure will be significantly higher. By 2030, it will likely exceed $100,000—per cabinet, mind you. A single AI data center can easily house tens of thousands of such cabinets. Of course, we don't control the entire market, but a substantial portion of those chips will be supplied by Infineon.

 

In the last fiscal year, chips for AI data centers accounted for just five percent of your revenue. How much could that figure grow in the future?

 

For the current year, we anticipate it reaching approximately ten percent. The total volume of our addressable market is projected to grow to between eight and twelve billion dollars by the end of the decade. Naturally, we have to wait and see how the expansion of AI infrastructure unfolds, but we expect this to remain a very significant growth driver for Infineon over the coming years.

 

The business with the automotive industry—which remains, by far, your largest division—is currently a less encouraging story. How do you assess the market outlook in this sector? We also see areas of growth here—particularly surrounding the "software-defined vehicle." In addition to the car's entire computing and communication architecture, this encompasses, for instance, automated or autonomous driving systems and safety functions. When it comes to electromobility, the situation is indeed challenging. The U.S. market is currently very weak due to a lack of political support. In China, too, growth is leveling off—owing to the already very high share of electric vehicles—and there is fierce price competition. The outlook in Europe remains comparatively positive, even if progress there is not advancing quite as rapidly as hoped.

 

Infineon has now had to absorb revenue declines for two consecutive fiscal years; for the current year, you are forecasting moderate growth. Do you think the business involving chips for AI data centers can help you move beyond merely moderate growth in the future?

 

For this year, we have initially settled on the word "moderate." However, I am very optimistic that we will see very strong growth in the AI ​​sector in the coming years as well. We also expect to see a resurgence in other markets, including the automotive industry. Looking further into the future, I have high hopes for robotics—specifically, mobile AI-assisted robots. And looking even further ahead, we also see potential for ourselves in quantum computing. As I’ve said before: We always have several irons in the fire.

 

What would Infineon contribute to robots?

 

Ultimately, from an architectural standpoint, robots aren't all that different from software-defined cars; consequently, we could sell very similar products in that space. For instance, we can help humanoid robots move—including controlling their fingers, which is a technically demanding task. Furthermore, we enable robots to perceive their environment using sensors, and we offer solutions for communication and power management. Assuming a robot contains semiconductors worth more than $1,400, up to $500 of that value could be accounted for by our products. Alongside cars, robots represent the second major category of what is known as "physical AI." And once they are deployed on a broad scale, this could become a key growth area for Infineon.

 

Elon Musk has made bold predictions regarding Optimus, the humanoid robot his company Tesla is developing. He has stated that it could become the most successful product of all time. Other robot manufacturers appear somewhat more cautious. Where do you stand?

 

I would say it is quite normal for there to be a certain divergence in predictions when it comes to a new trend. I probably fall somewhere in the middle of that spectrum. However, I see a tremendous opportunity for Infineon, largely because—for us—it doesn't actually represent a particularly massive technological leap. As I said: There are very significant similarities with software-defined vehicles.

 

So, do you envision a future in which we coexist with many robots?

 

Absolutely. Although the physical realization may vary greatly. Not every robot will need ten fingers or legs. What matters is what’s inside. There is a computer powered by artificial intelligence that enables the robot to perceive its surroundings and operate even in highly complex environments. But not every robot will look like a human.

 

Interview conducted by Roland Lindner.

 

**About the Person**

Infineon looks back on a challenging fiscal year. For the second consecutive year, the semiconductor group’s revenue has declined, totaling just under 14.7 billion euros. Jochen Hanebeck, CEO since 2022, points to "weakness across the majority of our target markets." This includes the automotive industry—by far the most important customer segment—which accounts for roughly half of Infineon’s revenue. However, there is a bright spot, albeit in a business segment that remains significantly smaller for the time being. The company sells semiconductors used in AI data centers, where they are designed to ensure the most efficient power supply possible. Revenue from these chips nearly tripled in the past fiscal year (ending in September), and for the current year, Infineon forecasts a more than twofold increase, reaching 1.5 billion euros. For the group as a whole, "moderate" revenue growth is expected once again. [1]

 

 

1. "Europa muss einen eigenen Weg finden". Frankfurter Allgemeine Zeitung; Frankfurt. 23 Jan 2026: 24. 

 

Kinijos finansų genijus, kurio dirbtinio intelekto modelis „DeepSeek“ pribloškė pasaulį

„Liang Wenfeng yra vienas iš „Nature“ dešimtuko – sąrašo žmonių, kurie 2025 m. formavo mokslą.“

 

Praėjusių metų sausį Kinijos pranešimas sukrėtė dirbtinio intelekto pasaulį. Įmonė „DeepSeek“ netikėtai išleido savo galingą, bet pigų R1 modelį – akimirksniu parodydama, kad Jungtinės Valstijos dirbtinio intelekto srityje nėra taip toli pažengusios, kaip manė daugelis ekspertų.

 

Už šio skandalingo pranešimo slypi Liang Wenfeng, 40 metų buvęs finansų analitikas, kuris, kaip manoma, uždirbo milijonus dolerių taikydamas dirbtinio intelekto algoritmus akcijų rinkoje, o 2023 m. gautus pinigus panaudojo „DeepSeek“ įkūrimui Hangdžou mieste. Liang vengia dėmesio ir davė tik keletą interviu Kinijos spaudai (jis atsisakė prašymo kalbėti su „Nature“).

 

Liang modeliai yra tokie pat atviri, kaip ir slapti. R1 yra „samprotaujantis“ didelis kalbos modelis (LLM), kuris puikiai sprendžia sudėtingas užduotis – pavyzdžiui, matematikoje ir programavime – jas suskaidydamas į... žingsnių. Tai buvo pirmasis tokio pobūdžio modelis, išleistas kaip atvirojo svorio modelis, o tai reiškia, kad modelį galima nemokamai atsisiųsti ir tobulinti, todėl tai buvo palaima tyrėjams, norintiems pritaikyti algoritmus savo sričiai. „DeepSeek“ sėkmė, regis, paskatino kitas Kinijos ir Jungtinių Valstijų bendroves pasekti jos pavyzdžiu ir išleisti savo atviruosius modelius.

 

Nepaisant to, kad R1 turi daug galimybių, kurios prilygsta geriausiems JAV modeliams, įskaitant tuos, kurie palaiko „ChatGPT“, jo mokymo išlaidos buvo daug mažesnės nei konkuruojančių bendrovių, teigia dirbtinio intelekto ekspertai. Pavyzdžiui, „Meta“ „Llama 3 405B“ modelio mokymo išlaidos buvo daugiau nei dešimt kartų didesnės. „DeepSeek“ siekis užtikrinti skaidrumą apėmė ir R1 kūrimo bei treniravimo detalių paskelbimą, kai rugsėjį modelis tapo pirmuoju svarbiu teisės magistro (LLM) modeliu, kuris buvo peržiūrėtas kolegų (D. Guo ir kt. Nature 645, 633–638; 2025). Išleisdama savo receptą, „DeepSeek“ išmokė kitus dirbtinio intelekto tyrėjus, kaip apmokyti samprotavimo modelį.

 

Daugeliu atžvilgių, „DeepSeek“ padarė didžiulę įtaką“, – teigia Adina Yakefu, tyrėja bendruomenės dirbtinio intelekto platformoje „Hugging Face“, įsikūrusioje Niujorke.

 

Dirbtinio intelekto aukštumos toli gražu nepasiekiamos Guangdongo provincijos kaime, kuriame Liangas užaugo dviejų pradinės mokyklos mokytojų šeimoje. Aukštasis išsilavinimas jį nuvedė į prestižinį Džedziango universitetą Hangdžou, kur 2010 m. jis įgijo inžinerijos magistro laipsnį; jo baigiamasis darbas buvo susijęs su algoritmų, skirtų objektams vaizdo įrašuose sekti, kūrimu. Netrukus jis pritaikė savo meilę dirbtiniam intelektui finansų rinkose ir 2015 m. įkūrė rizikos draudimo fondą „High-Flyer“, kuris 2023 m. atsiskyrė nuo „DeepSeek“.

 

Tuo metu Kinija susidūrė su kliūtimi kurdama teisės magistro (LLM) technikus. JAV eksporto kontrolė neleido Kinijos įmonėms pirkti tam tikrų galingų kompiuterių lustų, vadinamų grafikos procesoriais (GPU), kuriuos gamina JAV lustų gamintojas NVIDIA, ir kurie tinka LLM technikų mokymui. Tačiau Liangas jau buvo gerai aprūpintas. Ankstesnį dešimtmetį jis pirko 10 000 NVIDIA GPU, vedamas smalsumo, kokius tyrimus būtų galima atlikti su... juos. 2023 m. interviu Kinijos žiniasklaidos bendrovei „36Kr“ jis palygino jų pirkinį su pianino pirkimu namams: „Žmogus gali jį sau leisti, ir yra grupė, norinčių juo groti.“

 

Kaip ir daugelis Vakarų dirbtinio intelekto verslininkų, Liangas siekė sukurti dirbtinį bendrąjį intelektą – dirbtinio intelekto sistemas, tokias pat įgudusias kaip žmonės atliekant kognityvines užduotis, – ir savo įmonę sukūrė remdamasis tuo, sako buvęs „DeepSeek“ tyrėjas Benjaminas Liu. Įmonė samdydama darbuotojus teikia pirmenybę žmogaus potencialui, o ne jo patirties lygiui (vienas „DeepSeek R1“ straipsnio autorius vis dar mokosi vidurinėje mokykloje), ir veikia be jokios hierarchijos, tyrėjams patiems sprendžiant, su kuo dirbti. Sakoma, kad Liangas glaudžiai dalyvauja tyrimuose ir „net tokie praktikantai kaip aš buvo traktuojami kaip etatiniai darbuotojai, turintys prasmingų pareigų“, – sako Liu.

 

 

Tyrėjai iš išorės yra sužavėti „DeepSeek“ veikimo. Užuot išnaudojusi jos populiarumą komercinei sėkmei, „nuostabu, kaip „DeepSeek“ išliko pasiryžusi spręsti gana sudėtingas pamatines problemas“ dirbtinio intelekto tyrimuose, sako Kwan Yee Ng, vadovaujantis tarptautiniam dirbtinio intelekto valdymui Pekine įsikūrusioje konsultacinėje įmonėje „Concordia AI“, kuri daugiausia dėmesio skiria dirbtinio intelekto saugumui.

 

 

„DeepSeek“ modeliai yra giliai įsitvirtinę Kinijos gyvenime: vietos valdžios institucijos juos naudoja pokalbių robotų linijoms valdyti ir piliečiams padėti. pildo formas, ir dešimtys milijonų žmonių jas kasdien naudoja kaip šalies socialinės žiniasklaidos platformos „WeChat“ dalį. Iš dalies ši tendencija atsirado dėl vyriausybės siekio integruoti dirbtinį intelektą į ekonomiką per įvairias programas – nuo ​​išmaniųjų miestų iki sveikatos priežiūros.

 

„DeepSeek“ taip pat tapo šalies reputacijos perėjimo simboliu – nuo ​​meistrų mėgdžiotojų iki tikrų novatorių, teigia Liang ir kiti Kinijos tyrėjai. „Pokyčiai yra realūs ir jie spartėja“, – sako Yu Wu, „DeepSeek“ tyrėjas. Dabar pasaulis nekantriai laukia pateikiant kitą įmonės samprotavimo modelį – R2, kuris, kaip gandai, buvo atidėtas dėl techninės įrangos ir mokymo duomenų problemų. Viena gera prielaida yra ta, kad Liango įmonė planuoja nemokamai suteikti R2 pasauliui. „Esame amžinai įsipareigoję atvirojo kodo programoms“, – sako Wu.“ [1]

 

1. Nature 648, 526 (2025) By Elizabeth Gibney

 

The Chinese finance whizz whose DeepSeek AI model stunned the world

“Liang Wenfeng is part of Nature’s 10, a list of people who shaped science in 2025.

 

In January last year, an announcement from China rocked the world of artificial intelligence. The firm DeepSeek released its powerful but cheap R1 model out of the blue — instantly demonstrating that the United States was not as far ahead in AI as many experts had thought.

 

Behind the bombshell announcement is Liang Wenfeng, a 40-year-old former financial analyst who is thought to have made millions of dollars applying AI algorithms to the stock market before using the cash in 2023 to establish DeepSeek, based in Hangzhou. Liang avoids the limelight and has given only a handful of interviews to the Chinese press (he declined a request to speak to Nature).

 

Liang’s models are as open as he is secretive. R1 is a ‘reasoning’ large language model (LLM) that excels at solving complex tasks — such as in mathematics and coding — by breaking them down into steps. It was the first of its kind to be released as open weight, meaning that the model can be downloaded and built on for free, so has been a boon for researchers who want to adapt algorithms to their own field. DeepSeek’s success seems to have prompted other companies in China and the United States to follow suit by releasing their own open models.

 

Despite R1 having many capabilities that are on a par with the best US models, including those powering ChatGPT, its training costs were much less than those of rival companies, say AI experts. Training costs for Meta’s Llama 3 405B model, for example, were more than ten times greater. DeepSeek’s bid for transparency extended to publishing the details of how it built and trained R1 when, in September, the model became the first major LLM to undergo the scrutiny of peer review (D. Guo et al. Nature 645, 633–638; 2025). By releasing its recipe, DeepSeek taught other AI researchers how to train a reasoning model.

 

In many ways, “DeepSeek has been hugely influential”, says Adina Yakefu, a researcher at the community AI platform Hugging Face, which is based in New York City.

 

The heights of AI are a far cry from the village in Guangdong province where Liang was raised as the child of two primary-school teachers. Higher education took him to the prestigious Zhejiang University in Hangzhou, where he graduated with a master’s in engineering in 2010; his thesis involved crafting algorithms to track objects in videos. He soon applied his love of AI to financial markets and, in 2015, co-founded the hedge fund High-Flyer, spinning off DeepSeek in 2023.

 

At that time, China faced a hurdle in developing LLMs. US export controls prevented Chinese firms from buying certain powerful computer chips known as graphics processing units (GPUs) made by the US chip manufacturer NVIDIA, which are suitable for training LLMs. But Liang was already well provisioned. He had spent the previous decade purchasing 10,000 NVIDIA GPUs, fuelled by curiosity about what research could be done on them. In a 2023 interview with Chinese media company 36Kr, he likened their purchase to someone buying a piano for their home: “One can afford it, and there’s a group eager to play music on it.”

 

Like many Western AI entrepreneurs, Liang has set his sights on achieving artificial general intelligence — AI systems as adept as humans in cognitive tasks — and he has shaped his company around this, says Benjamin Liu, a former researcher at DeepSeek. The company prioritizes a person’s potential over their level of experience when hiring (one author on the DeepSeek R1 paper is still in secondary school) and it operates with little hierarchy, with researchers deciding what to work on themselves. Liang is said to be closely involved in research, and “even interns like myself were treated as full-time employees with meaningful responsibilities”, says Liu.

 

Researchers from outside the company are impressed with how DeepSeek operates. Rather than exploit its popularity for commercial success, “it’s remarkable how DeepSeek has remained committed to solving pretty difficult foundational problems” in AI research, says Kwan Yee Ng, who leads international AI governance at Concordia AI, a Beijing-based consultancy that focuses on AI safety.

 

DeepSeek models have become deeply enmeshed in Chinese life: local governments are using them to operate chatbot hotlines and to help citizens fill out forms, and tens of millions of people use them every day as part of the country’s social-media platform, WeChat. In part, this trend is thanks to a government drive to build AI into the economy through a range of applications, from smart cities to health care.

 

DeepSeek has also become a symbol of a transition in the country’s reputation — from master imitators to true innovators, according to Liang and other Chinese researchers. “The shift is real, and it’s accelerating,” says Yu Wu, a researcher at DeepSeek. Now the world is eagerly awaiting the firm’s next reasoning model, R2, which is rumoured to have been delayed by issues with hardware and training data. One good bet is that Liang’s company plans to give R2 to the world for free. “We’re committed to open source forever,” says Wu.” [1]

 

1. Nature 648, 526 (2025) By Elizabeth Gibney

 

Dirbtinis intelektas keičia ekonomiką – norint suprasti jo poveikį, reikia ir duomenų, ir vaizduotės.

„Kontroliuojami tyrimai užfiksuoja tik dalį dirbtinio intelekto poveikio. Ekonomistai turėtų bendradarbiauti su socialinių mokslų atstovais, kad rastų novatoriškų būdų, kaip visapusiškai suvokti šią sparčiai besivystančią sritį.

 

Kaip dirbtinis intelektas pakeis pasaulio ekonomiką? Kai kurie ekonomistai prognozuoja tik nedidelį postūmį – apie 0,9 % bendrojo vidaus produkto padidėjimą per ateinančius dešimt metų1.

 

Kiti numato revoliuciją, kuri iki 2045 m. gali padidinti pasaulinės ekonomikos metinę produkciją nuo 17 iki 26 trilijonų JAV dolerių ir automatizuoti iki pusės dabartinių darbo vietų.

 

Tačiau dar prieš pasireiškiant visam poveikiui, įsitikinimai apie mūsų dirbtinio intelekto ateitį daro įtaką ekonomikai šiandien – lemia jaunų žmonių karjeros pasirinkimą, vyriausybės politiką ir skatina didžiulius investicijų srautus į puslaidininkius ir kitus duomenų centrų komponentus.

 

Kodėl dirbtinio intelekto poveikio vertinimas turi prasidėti dabar?

 

Atsižvelgiant į didelę riziką, daugelis tyrėjų ir politikos formuotojų vis dažniau bando tiksliai kiekybiškai įvertinti dirbtinio intelekto priežastinį poveikį, atlikdami natūralius eksperimentus ir atsitiktinius kontroliuojamus tyrimus. Tokiuose tyrimuose viena grupė gauna prieigą prie dirbtinio intelekto įrankio, o kita tęsia jį su... normaliomis sąlygomis; kiti veiksniai yra fiksuoti. Tyrėjai gali analizuoti tokius rezultatus kaip produktyvumas, pasitenkinimas ir mokymasis.

 

Vis dėlto, taikant šį įrodymą dirbtiniam intelektui, jis susiduria su dviem iššūkiais. Pirma, iki jų paskelbimo priežastiniai dirbtinio intelekto poveikio įverčiai gali būti pasenę. Pavyzdžiui, viename tyrime nustatyta, kad skambučių centro darbuotojai, naudodami 2020 m. dirbtinio intelekto įrankius, užklausas tvarkydavo 15 % greičiau3. Kitas tyrimas parodė, kad programinės įrangos kūrėjai, turėję prieigą prie kodavimo asistentų 2022–2023 m., atliko 26 % daugiau užduočių nei tie, kurie tokių įrankių neturėjo4. Tačiau dirbtinio intelekto galimybės tobulėja stulbinančiu greičiu. Pavyzdžiui, nuo „ChatGPT“ išleidimo 2022 m. dirbtinio intelekto įrankiai dabar gali patys teisingai tvarkyti tris kartus daugiau imituojamų klientų aptarnavimo pokalbių nei anksčiau5. Geresnis ir pigesnis rytojaus dirbtinis intelektas sukels skirtingą ekonominį poveikį.

 

Antra, kruopščiai kontroliuojami tyrimai neapima platesnio masto poveikio, kuris lydi dirbtinio intelekto diegimą. Pavyzdžiui, tyrimai, kuriuose dalyvavo skambučių centro darbuotojai3 ir programinės įrangos kūrėjai4, parodė, kad kai organizacinė struktūra išliko fiksuota, mažiau patyrę darbuotojai daugiausia naudos iš dirbtinio intelekto pagalbos gavo. Tačiau Realiame pasaulyje vadovai gali reaguoti reorganizuodami darbą arba net pakeisdami kai kuriuos mažiau patyrusius darbuotojus dirbtinio intelekto sistemomis. Jei taip atsitiks, poveikis šiems asmenims gali būti priešingas, nei apskaičiuota kontroliuojamuose tyrimuose. Iš tiesų, darbo užmokesčio duomenys rodo, kad jaunesnių darbuotojų užimtumas nuo 2022 m. sumažėjo, ypač profesijose, kuriose atliekamos užduotys, kuriose dirbtinis intelektas pasižymi geriausiais rezultatais, pavyzdžiui, klientų aptarnavimas ir programinės įrangos kūrimas6. Tačiau tyrėjai vis dar bando suprasti, kiek šio modelio galima priskirti dirbtinio intelekto technologijoms.

 

Kruopščiai kontroliuojami tyrimai yra tarsi ryškus, siauras prožektorius: jie yra tik dalis apšvietimo, reikalingo norint suprasti, kaip visuomenė prisitaiko prie dirbtinio intelekto. Kadangi dar tiek daug nežinoma apie platesnį jo ekonominį ir socialinį poveikį, populiarios diskusijos dažnai nuslysta į spekuliatyvius, mokslinės fantastikos pasakojimus apie mašininio intelekto dominuojamą pasaulį.

 

Socialiniai mokslai galėtų padėti įveikti šiuos neaiškumus, tačiau tam reikėtų ir vaizduotės, ir pagrindimo. Čia aprašau tris vienas kitą papildančius metodus, kurie gali padėti tyrėjams, dirbantiems šioje sparčiai besivystančioje srityje.

 

Socialinė mokslinė fantastika

 

Vienas iš būdų – kurti tai, ką ekonomistas Jeanas Tirole'as vadina socialine moksline fantastika7 – spekuliacijas apie ateitį, kurios lieka pagrįstos pagrindiniais ekonomikos principais. ir elgsenos teorijas. Užuot pasiremę vien vaizduote, tokio pobūdžio analizė naudoja modelius, kad ištirtų, kaip technologijos gali sąveikauti su rinkos jėgomis.

 

Pavyzdžiui, 2019 m. tyrėjai modeliavo, kaip savaeigiai automobiliai gali pakeisti miestus, ir nustatė, kad šios transporto priemonės gali pabloginti eismą8. Kadangi savaeigių automobilių keleiviai gali atsipalaiduoti, skaityti ar žiūrėti vaizdo įrašus, asmeninės išlaidos, praleistos eisme, mažėja. Tačiau vis daugiau žmonių renkasi keliauti automobiliu, jie sukelia didesnes spūstis kitiems. Ar tai sukels neefektyvumą, priklausys nuo to, ar vyriausybės įgyvendins tokią politiką kaip spūsčių kainodara, kad ištaisytų „išorinį poveikį“.

 

Kitas vaizduotės kupino, tačiau pagrįsto socialinio mokslo pavyzdys yra tyrimai, kaip rinkos jėgos gali apriboti dirbtinio intelekto ardomąjį potencialą. Tyrimai9,10 rodo, kad automatizavimui didinant kai kurių užduočių produktyvumą, kitos veiklos, kurių negalima lengvai automatizuoti, pavyzdžiui, kūrybinis vadovavimas ar galutinių rezultatų tikrinimas, santykinė vertė augs. Tai gali padidinti darbo jėgos paklausą, taigi ir atlyginimus tokiuose darbuose. Šios galimybės galėtų sušvelninti kai kuriuos ardomuosius automatizavimo padarinius. Tačiau tai taip pat gali padidinti nelygybę tarp žmonių, kurie klesti šiuose vaidmenyse, ir tų, kurie to nedaro. Daugiau tokių minties eksperimentų gali padėti politikos formuotojams įsivaizduoti, kaip ekonomika galėtų drausmingiau keistis. Tokie eksperimentai gali nustatyti, kuriuos rodiklius stebėti, ir padėti pradėti planuoti reikalingą politiką. Kitos neišspręstos problemos apima paskatų kurti žinias dirbtinio intelekto sistemoms supratimą ir tai, kaip gali būti paveiktos inovacijos ir ekonomikos augimas, jei dirbtinio intelekto laboratorijos išliks konkurencingos tarpusavyje arba jei viena iš jų išsiveržs į priekį kaip aiški rinkos lyderė.

 

 

Į ateitį orientuoti duomenys

 

 

Be teorijos, politikos formuotojams taip pat reikės įrodymų, kad suprastų, kaip keisis ekonomika. Norint susidaryti išsamesnį vaizdą, reikia derinti skirtingų tipų informaciją.

 

 

Vienas iš įprastų būdų vertinti dirbtinio intelekto galimybes yra lyginamoji analizė – sistemų testavimas atliekant standartizuotas užduotis, panašiai kaip tai daroma su egzaminais. Lyginamieji standartai gali įvertinti dirbtinio intelekto sistemos gebėjimą spręsti matematikos problemas, reaguoti į klientų aptarnavimo užklausas arba diagnozuoti ligas. Tačiau lyginamosios analizės balai dažnai skiriasi nuo rezultatų realiomis sąlygomis, kai užduotys yra triukšmingesnės, sudėtingesnės ir priklausomos nuo konteksto. Pavyzdžiui, medicininė dirbtinio intelekto sistema gali gerai atlikti vadovėlinio stiliaus klinikinius klausimus, tačiau gali neteisingai interpretuoti pacientų pranešimus, jei praleis svarbias detales. Reikia daugiau tyrimų, kad būtų sukurti lyginamieji rodikliai, kurie geriau atspindėtų realaus pasaulio našumą.

 

Jei dirbtinis intelektas bus bent kiek toks transformuojantis, kaip daugelis tikisi, jo poveikis atsispindės daugelyje rodiklių, kuriuos galima stebėti realiuoju laiku, pavyzdžiui, stebint, kokioms užduotims žmonės naudoja dirbtinį intelektą. Šie naudojimo duomenys rodo, pavyzdžiui, kad dirbtinio intelekto pokalbių robotai dažnai naudojami programinės įrangos kūrimui, o tai rodo, kad šis sektorius gali pajusti ankstyviausią dirbtinio intelekto diegimo poveikį11,12. Kiti rodikliai apima užimtumą, laisvas darbo vietas ir tai, ar įmonės, integruojančios dirbtinį intelektą, gauna didesnį pelną ir plečiasi. Tačiau bus klausimų, į kuriuos vien tokie aprašomieji rodikliai negali atsakyti. Dėl šios priežasties tyrėjai vis tiek gali bandyti išmatuoti priežastinį dirbtinio intelekto poveikį: tai yra, ar dirbtinis intelektas sukelia patobulinimų, o ne tik tai, kad jį diegia aukšto lygio darbuotojai, kurie taip pat labiau linkę išbandyti naujas technologijas.

 

Dirbtinis intelektas gali padidinti nelygybę – nebent visuomenė išmoks ją kontroliuoti

 

Įvertinti dirbtinio intelekto priežastinį poveikį yra sunku, nes technologijos vystosi, o organizacijos prisitaiko. Tačiau šis iššūkis būdingas ne tik dirbtiniam intelektui. Panašūs klausimai kyla vertinant, kaip bet kuri bandomoji programa – verslo, švietimo ar visuomenės sveikatos srityje – veiks, kai bus išplėsta. Išplėtus programas, jos dažnai susiduria su naujais apribojimais arba sukelia platesnio masto ekonominius padarinius. Ekonomistai sukūrė metodus, kaip numatyti šiuos mastelio keitimo efektus projektuojant eksperimentus, pavyzdžiui, atkartoti galutinio įgyvendintojo – pavyzdžiui, vyriausybinės agentūros – sąlygas, o ne lankstesnių, geriau aprūpintų organizacijų, kurios paprastai vykdo bandomuosius projektus, sąlygas13–15. Dirbtinį intelektą tyrinėjantys tyrėjai, projektuodami eksperimentus, gali panašiai bandyti numatyti būsimus pokyčius.

 

Vienas svarbus parametras yra dirbtinio intelekto modelių vykdymo kaina, kuri mažėja. Tyrėjai gali modeliuoti, kaip kainų mažėjimas gali paveikti skirtingų programų gyvybingumą. Pavyzdžiui, viename tyrime16 buvo nagrinėjamas Siera Leonės mokytojų, kurie už interneto prieigą moka megabaitais, dirbtinio intelekto naudojimas. 2022 m. pradžioje užklausos pateikimas dirbtinio intelekto pokalbių robotui buvo 12 kartų brangesnis nei standartinio tinklalapio įkėlimas; iki 2025 m., dėl mažėjančių skaičiavimo sąnaudų ir dirbtinio intelekto pralaidumo efektyvumo, technologijos naudojimas tapo 98 % pigesnis nei tinklalapio pasiekimas. Šis sąnaudų pranašumas rodo, kad DI gali išplėsti prieigą prie informacijos mažai išteklių turinčiose aplinkose, kur internetas yra brangus.

 

DI galimybės yra dar vienas svarbus jo poveikio veiksnys. Sunku numatyti, kaip jos vystysis, tačiau tyrėjai gali pabandyti numatyti, kaip žmonės gali reaguoti į galingesnes sistemas. Net ir technologijoms tobulėjant, žmonių elgesys paprastai laikosi stabilių modelių – kalbant apie tai, kaip žmonės ugdo pasitikėjimą, kaip jie reaguoja į paskatas ir kaip jie prisitaiko prie automatizavimo.

 

Vienas iš būdų numatyti būsimų sistemų poveikį yra modeliuoti šį elgesį, derinant duomenis su teorija. Pavyzdžiui, radiologų ir diagnostinio DI tyrimas parodė, kad gydytojai dažnai pasikliauja DI sprendimu, net kai pati sistema signalizuoja apie neapibrėžtumą. Tai rodo, kad dalinis pasitikėjimas DI sistemomis, kuriose žmonės turėtų prižiūrėti algoritmus, kartais gali būti mažiau veiksmingas nei aiškios atsakomybės priskyrimas žmogui arba mašinai. Taikant šį metodą sukurti ekonominiai modeliai gali imituoti, kaip DI galėtų pakeisti skirtingas rinkas ir institucijas.

 

Ekonomistai taip pat gali kurti eksperimentus, kuriais siekiama aplenkti dabartinius pajėgumus. Tais atvejais, kai žmonės vis dar pranoksta dirbtinį intelektą, tyrėjai gali tirti, kaip žmonės galėtų sąveikauti su būsima dirbtinio intelekto sistema, naudodami „Ozo šalies burtininko“ bandymą. Šioje sistemoje dalyviai mano, kad jie sąveikauja su DI sistema, tačiau užduotį slapta atlieka patyręs žmogus. Tai leidžia tyrėjams stebėti, kaip vartotojai reaguoja į DI tipo sąveikas dar prieš tai, kai technologija gali atlikti užduotį pati. Iš tiesų, net kai kurios komercinės DI sistemos iš dalies remiasi žmogaus įtaka: pavyzdžiui, savaeigiai automobiliai pasitelkia nuotolinius žmones, kad šie išeitų iš keblių situacijų, tačiau to daro mažiau, tobulėjant savaeigiams automobiliams. Tyrimai, imituojantys ateities DI naudojant žmones, gali rodyti, kad tam tikri ateities DI sistemų integravimo būdai sukeltų problemų, o tai būtų vertinga politikos formuotojams.

 

Vienas iš iššūkių, su kuriuo susiduria visi šie metodai, yra tai, kad žmonės jau diegia DI savo kasdieniame gyvenime, o tai reiškia, kad nebėra „švarios“ kontrolinės grupės, kurios technologija nebūtų paliesta. Daugeliu atvejų daugiausia, ką galime išmatuoti, yra prieigos prie konkretaus DI įrankio suteikimo poveikis, palyginti su tuo, koks DI naudojimo lygis tuo metu atitinka įprastas sąlygas. Kad tokie įrodymai būtų interpretuojami, kartu su pagrindiniais rezultatais tyrėjai turėtų pateikti ne tik numatomą poveikį, bet ir tai, kaip DI buvo naudojamas kontrolinėje grupėje, kuri technologijos versija buvo išbandyta ir kaip buvo struktūrizuota žmonių ir sistemos sąveika.

 

Bandomosios ekonomikos

 

Užuot stebėję tik tai, kaip DI keičia ekonominę veiklą, tyrėjai turėtų išbandyti ir išbandyti rinkų, įmonių ir institucijų struktūrizavimo būdus. DI jau keičia įmonių darbo ieškančiųjų vertinimo būdą. Tuo tarpu mokyklos turi nuspręsti, kaip DI turėtų būti naudojamas mokymesi, kokie įgūdžiai bus svarbūs DI turtingoje darbo rinkoje ir kaip studentai gali įtikinamai pademonstruoti šiuos gebėjimus darbdaviams.

 

Politikos formuotojai gali iš anksto pasimokyti iš sektorių, kurie yra DI diegimo priešakyje, pavyzdžiui, programinės įrangos kūrimo, tačiau jie taip pat turėtų pradėti bandomuosius projektus tokiose srityse kaip švietimas ir sveikatos apsauga. Jos galėtų veikti kaip „specialios ekonominės zonos“ DI – paskirtos erdvės, kuriose technologiją būtų galima saugiai išbandyti. Jos galėtų apimti paskatas privačioms organizacijoms greičiau diegti DI įrankius, taip pat reguliavimo „smėlio dėžes“, kurios suteikia laikinas išimtis iš pasirinktų taisyklių, tačiau apima griežtą priežiūrą, panašią į tas, kurios naudojamos finansų srityje. Toks ankstyvas diegimas leistų numatyti, kaip galėtų atrodyti DI integruota ateitis.

 

Šiose zonose tyrėjai, pedagogai, gydytojai ir platesnės bendruomenės turės proaktyviai kurti sistemas, o ne tiesiog reaguoti į sutrikimus. Pavyzdžių jau yra. JAV interneto paslaugų įmonė „Cloudflare“ eksperimentuoja su mechanizmais, leidžiančiais interneto svetainių kūrėjams imti mokestį iš dirbtinio intelekto sistemų už prieigą prie jų turinio, o kelios mokyklos testuoja būdus, kaip struktūrizuoti dieną naudojant dirbtinį intelektą savarankiškam mokymuisi paremti. Šių bandomųjų projektų išplėtimas padės mums suprasti skirtingų technologinės pažangos integravimo būdų privalumus ir trūkumus.

 

Kelias į priekį

 

DI įgalins – ir galbūt pareikalaus – naujų visuomenės organizavimo būdų. Kaip įmonės, institucijos ir bendruomenės galėtų vystytis reaguodamos į tai? Kokius kompromisus reikš skirtingi keliai? Norint atsakyti į šiuos klausimus, reikia vaizduotės apie tai, kaip galėtų pasikeisti pasaulis, taip pat pagrįstų įrodymų, gautų taikant elgesio modelius, ateities eksperimentus ir naujų bendradarbiavimo formų bandomuosius projektus.

 

Šio darbo negalima atlikti atskirai. Tam reikalingas glaudus technologų, pilietinių novatorių ir socialinių mokslų bendradarbiavimas. Pavyzdžiui, pilietinis verslininkas gali sukurti institucinę struktūrą, skirtą apdovanoti asmenis už mokymo duomenų pateikimą dirbtinio intelekto modeliams; teoretikas gali išsiaiškinti skirtingų mokėjimo schemų pasekmes; o empirinis tyrėjas gali praktiškai stebėti, ar atlygis skiriamas naudingiausiam turiniui.

 

„DI visuomeninių pasekmių supratimas turi tapti bendru projektu – projektu, kuris tyrinėja įvairias galimas ateities perspektyvas ir padeda mums sąmoningai rinktis, kokią visuomenę norime kurti.“ [1]

 

1. Nature 648, 535-537 (2025) By Daniel Björkegren