Kto naprawdę zarabia na AI? Mapa pieniędzy od Nvidii po freelancera z laptopem

Kto naprawdę zarabia na AI? Mapa pieniędzy od Nvidii po freelancera z laptopem

Najwięcej pieniędzy na AI zarabiają dziś ci, którzy sprzedają rzeczy fizyczne i rzadkie: chipy, pamięć, prąd i ziemię pod serwerownie. Milionerzy z aplikacji, małych zespołów i pojedynczych osób istnieją naprawdę, ale stoją niżej w łańcuchu i spora część ich przychodu płynie z powrotem w górę.

Zacznę od jednej liczby, bo od niej zależy cała reszta tego tekstu. Amazon, Alphabet, Microsoft i Meta zapowiedziały na 2026 rok łącznie około 720-745 mld dolarów wydatków inwestycyjnych, głównie na serwery, centra danych i sieci. Tylko w trzecim kwartale 2026 roku te cztery firmy wydały na ten cel około 202 mld dolarów. To jest główne źródło pieniędzy, które słyszymy pod hasłem „AI tworzy milionerów”. Ktoś te miliardy wydaje, a ktoś inny je inkasuje.

Kiedy czytam kolejny nagłówek o „nowej fali milionerów AI”, mam wrażenie, że brakuje w nim najprostszego pytania: skąd konkretnie przyszły te pieniądze i kto je dostał? Dlatego zamiast zgadywać, prześledziłem przepływ gotówki od samej góry, czyli od budżetów największych korporacji świata, aż do ludzi, którzy zarabiają na AI z laptopa w kawiarni. Po drodze sprawdzałem raporty kwartalne, prospekty emisyjne i dane z rynku pracy. Jeżeli interesuje Cię strona praktyczna, czyli jak to przełożyć na własną firmę, mamy osobny przewodnik po tym, jak wyglądają wdrożenia AI w firmach w polskich realiach. Tutaj skupiam się na mapie pieniędzy.

W tym felietonie znajdziesz:

• Siedem pięter piramidy pieniędzy AI, od producentów chipów po pojedyncze osoby
• Ponad 40 konkretnych firm i przypadków z liczbami i datami
• Podział na tych, którzy zarabiają już dziś, tych, którzy rosną na kredyt, i tych, którzy dopiero obiecują
• Modele zarobku na wyciągnięcie ręki, z ich realnymi ograniczeniami
• Polski kontekst, w tym dane z naszej bazy polskich firm AI i historię naszej redakcji

Skąd biorą się pieniądze, które napędzają gorączkę AI?

Każda gorączka złota ma swoje źródło gotówki. W przypadku AI jest nim kilka bardzo bogatych firm, które postanowiły przepalić rekordowe sumy, żeby nie przegapić następnej epoki technologii. Według wyliczeń serwisu Walnut te cztery firmy wydały w trzecim kwartale 2026 roku na inwestycje 41,5 centa z każdego dolara przychodu. Rok wcześniej było to 23,6 centa. To ogromna zmiana w ciągu dwunastu miesięcy.

I tu pojawia się pierwszy haczyk, o którym rzadko się mówi. Według zestawienia analityka Ruslana Averina z wyników za trzeci kwartał 2026 roku tylko Microsoft pokrył swoje wydatki inwestycyjne bieżącymi przepływami z działalności operacyjnej. Alphabet wydał 51,4 mld dolarów przy 42,3 mld przepływów operacyjnych, Amazon 77,3 mld przy 42,4 mld. Akcje Alphabetu spadły po raporcie o 12,6%. Inwestorzy zaczynają więc liczyć, a nie tylko klaskać.

Co z tego wynika dla mapy pieniędzy? Te firmy są w tej chwili głównie płatnikami. Owszem, zarabiają na chmurze i reklamach, ale gigantyczna część strumienia płynie od nich do dostawców. Poniżej rozpisałem, jak wygląda ta kaskada.

• Źródło: budżety inwestycyjne Big Tech, fundusze venture capital i fundusze państwowe
• Pierwszy odbiorca: producenci chipów, pamięci i sprzętu sieciowego
• Drugi odbiorca: energetyka, budownictwo, właściciele ziemi
• Trzeci odbiorca: laboratoria modeli i firmy wynajmujące moc obliczeniową
• Dalej: aplikacje, usługi, freelancerzy, twórcy

Piętro pierwsze: sprzedawcy łopat, czyli krzem i pamięć

Tu jest najprostsza i najbardziej nudna odpowiedź na pytanie z tytułu. Najpewniejsze pieniądze z AI zarabia dziś ten, kto produkuje sprzęt, bez którego modele nie działają. Nvidia w kwartale zakończonym 26 lipca 2026 roku miała 96,2 mld dolarów przychodu, o 106% więcej niż rok wcześniej, przy marży brutto 75%. Za cały rok fiskalny 2026 jej zysk operacyjny wyniósł 130,4 mld dolarów. Jensen Huang ujął to w komunikacie jednym zdaniem, które dobrze streszcza ten etap rynku:

„Now, compute is revenue.” (Teraz moc obliczeniowa to przychód.) Jensen Huang, CEO Nvidii, sierpień 2026

Nvidia jest najbardziej znana, ale ciekawsze rzeczy dzieją się trochę dalej. TSMC, która fizycznie produkuje chipy dla Nvidii i innych, miała w trzecim kwartale 2026 roku zysk netto wyższy o 68,7% rok do roku i marżę netto 51,1%. To szósty rekordowy kwartał z rzędu. Broadcom, który projektuje układy na zamówienie dla gigantów chcących uniezależnić się od Nvidii, zarobił w kwartale zakończonym 2 sierpnia 2026 roku 16,7 mld dolarów na samych półprzewodnikach do AI, o 221% więcej niż rok wcześniej. Na kolejny kwartał zapowiedział 21,7 mld.

A teraz przykład, który moim zdaniem jest najlepszą ilustracją, kto naprawdę wygrywa. SK hynix, koreański producent pamięci HBM (szybkiej pamięci montowanej obok procesora graficznego), pokazał w trzecim kwartale 2026 roku 83,3 bln wonów zysku operacyjnego, czyli około 60 mld dolarów. Przy marży operacyjnej 80%. Dla porównania: firmy programistyczne uznawane za wybitnie rentowne mają marże operacyjne rzędu 30-40%. Producent pamięci, czyli w teorii branży cyklicznej i towarowej, zarabia jak monopolista. Firma mówi wprost, że spodziewa się przewagi popytu nad podażą aż do 2030 roku.

• Nvidia: 96,2 mld dolarów przychodu w kwartale, marża brutto 75%
• TSMC: marża netto 51,1%, szósty rekordowy kwartał
• Broadcom: 16,7 mld dolarów przychodu z chipów AI w kwartale, wzrost o 221%
• SK hynix: marża operacyjna 80%, prognoza niedoboru pamięci do 2030 roku

Czego uczy to piętro? Że w gorączce złota marża ląduje tam, gdzie jest wąskie gardło. Nikt nie wyprodukuje dziś pamięci HBM w garażu. Dlatego tu zarabia się najwięcej i najpewniej.

Piętro drugie: prąd, ziemia i ludzie z kombinerkami

Serwerownia AI potrzebuje trzech rzeczy, których nie da się ściągnąć z internetu: energii, działki i ludzi, którzy to wszystko zbudują. I tu zaczyna się część mapy, która mnie szczerze zaskoczyła, bo pieniądze z AI trafiają do ludzi, którzy nigdy nie napisali żadnego promptu.

GE Vernova, producent turbin gazowych i urządzeń sieciowych, zebrał w trzecim kwartale 2026 roku zamówienia o wartości 29 mld dolarów, o 96% więcej niż rok wcześniej. Jego portfel zamówień wynosi 197 mld dolarów. Prezes Scott Strazik powiedział, że około 20% klientów w segmencie turbin gazowych to centra danych. Ceny nowych zamówień na turbiny były o ponad 20% wyższe niż pod koniec 2025 roku, a sloty produkcyjne sięgają lat 30. Kiedy dostawca prądu może tak podnosić ceny, wiesz, kto rozdaje karty.

Druga grupa to właściciele ziemi. W Wirginii, która jest światowym zagłębiem serwerowni, deweloperzy płacą według lokalnych pośredników 2-3 mln dolarów za akr. Amazon kupił tam prawie 200 akrów za 700 mln dolarów. W sierpniu 2026 roku media opisywały 22-akrową rodzinną farmę w Woodbridge, wycenioną na około 2 mln dolarów, wystawioną na sprzedaż za 50 mln. Pośrednik zapowiadał obniżkę, więc to raczej przykład apetytu niż transakcji, ale dobrze pokazuje skalę zjawiska.

Trzecia grupa to fachowcy. „Fortune” w marcu 2026 roku, powołując się na dane Skillit, podawał, że pracownicy budowlani przy centrach danych zarabiają średnio około 81,8 tys. dolarów rocznie, o około 32% więcej niż na innych budowach. Według związku zawodowego elektryków IBEW prace elektryczne to 45-70% kosztów budowy centrum danych. Krążą też historie młodych elektryków zarabiających 240-280 tys. dolarów rocznie, ale to anegdota o trzech osobach, a nie średnia. Uważam jednak, że to jeden z najbardziej niedocenianych wątków całej dyskusji. AI tworzy dziś więcej dobrze płatnych miejsc pracy dla ludzi z kaskami niż dla ludzi od promptów.

• Energetyka: GE Vernova, portfel zamówień 197 mld dolarów, ceny turbin w górę o ponad 20%
• Ziemia: 2-3 mln dolarów za akr w zagłębiu serwerowni w Wirginii
• Fachowcy: wynagrodzenia przy budowie centrów danych o około 32% wyższe niż na innych budowach
• Wspólny mianownik: rzeczy fizyczne, których nie da się szybko podwoić

Piętro trzecie: wynajmujący moc obliczeniową, czyli wzrost na kredyt

Tu mieści się popularne przekonanie, że fortuny powstają na „budowie centrów danych”. Jest w nim sporo prawdy, ale z ważnym zastrzeżeniem. Budowa i wynajem mocy obliczeniowej to dziś biznes o gigantycznym przychodzie i równie gigantycznym zadłużeniu. Najlepszym przykładem jest CoreWeave, firma, która kupuje procesory Nvidii i wynajmuje je laboratoriom oraz gigantom technologicznym.

W wynikach z 10 listopada 2026 roku CoreWeave pokazał 3,66 mld dolarów przychodu w kwartale, o 168% więcej niż rok wcześniej, i portfel zamówień na poziomie około 132,5 mld dolarów. Brzmi świetnie. Ale strata netto wzrosła do 709 mln dolarów, a dług w ciągu trzech miesięcy skoczył z 35,1 do 46,9 mld dolarów. Firma rośnie dokładnie tak szybko, jak pozwalają jej banki.

Nie twierdzę, że to zły biznes. Uważam jednak, że to zupełnie inny rodzaj zakładu niż sprzedaż pamięci HBM. Tu zarabia się dopiero wtedy, gdy kontrakty zostaną zrealizowane, klienci zapłacą, a sprzęt nie zestarzeje się szybciej, niż zakładają tabele amortyzacji.

• Przychód: rośnie o ponad 150% rok do roku
• Portfel zamówień: ponad 130 mld dolarów
• Strata netto: 709 mln dolarów w kwartale
• Ryzyko: dług, opóźnienia budowy, szybkie starzenie się procesorów

Piętro czwarte: fabryki modeli i ludzie, za których płaci się fortunę

Na tym piętrze siedzą firmy, o których mówi się najwięcej, czyli producenci dużych modeli językowych. I tu obraz jest najbardziej zróżnicowany, bo dwaj liderzy idą zupełnie innymi drogami.

Anthropic i OpenAI: dwie drogi do rentowności

Anthropic w prospekcie emisyjnym złożonym 26 października 2026 roku pokazał 16,3 mld dolarów przychodu w pierwszym półroczu i 974 mln dolarów zysku operacyjnego w drugim kwartale. Jednocześnie strata netto za półrocze wyniosła 80,7 mld dolarów, w większości z powodu niegotówkowych odpisów związanych z obligacjami zamiennymi. Roczne tempo przychodów firmy wyniosło według CNBC około 65 mld dolarów pod koniec lipca. Te liczby pochodzą z prospektu, a nie z materiałów marketingowych.

OpenAI ma większą bazę użytkowników, ale gorszą matematykę. Według „The Wall Street Journal” firma miała w drugim kwartale 2026 roku 6,7 mld dolarów przychodu i 12,3 mld dolarów straty operacyjnej. „Financial Times” podał, że OpenAI przewiduje łącznie 278 mld dolarów ujemnych przepływów pieniężnych w latach 2026-2030. Za każdego dolara przychodu płaci dziś dostawcom mocy obliczeniowej i pracownikom znacznie więcej niż dolara.

Ludzie warci setki milionów

Na tym piętrze bogacą się też ludzie, którzy nie założyli żadnej firmy, tylko po prostu umieją budować modele. W 2025 roku Meta przejęła 49% Scale AI za około 14,3 mld dolarów, a założyciel Alexandr Wang przeszedł do Mety. Media opisywały oferty dla pojedynczych badaczy liczone w setkach milionów dolarów. Najgłośniejszy przypadek to 24-letni Matt Deitke, któremu według doniesień zaproponowano około 250 mln dolarów na cztery lata. Meta część tych liczb dementowała, a duża ich część to akcje zależne od kursu. Mechanizm jest jednak jasny: najrzadszym zasobem obok pamięci HBM są dziś ludzie z odpowiednią wiedzą.

• Anthropic: pierwszy zysk operacyjny w drugim kwartale 2026 roku, 974 mln dolarów
• OpenAI: 12,3 mld dolarów straty operacyjnej w drugim kwartale 2026 roku
• Talenty: pakiety wynagrodzeń sięgające setek milionów dolarów, w większości w akcjach
• Wniosek: sam model nie gwarantuje zysku, liczy się koszt jego obsługi

Piętro piąte: dane i wiedza, czyli najcichsi zwycięzcy

To piętro uważam za najciekawsze w całym zestawieniu, bo jest tu miejsce zarówno dla miliarderów, jak i dla zwykłych specjalistów. Modele trzeba czegoś nauczyć. Potrzebują danych, ocen, poprawek i ekspertów, którzy powiedzą, która odpowiedź jest dobra.

Najlepszy przykład to Surge AI Edwina Chena. Według „Forbesa” firma miała w 2024 roku około 1,2 mld dolarów przychodu, była rentowna niemal od początku i nie wzięła ani dolara od funduszy venture capital. Zatrudniała przy tym około 110 osób. Chen trafił na listę miliarderów Forbesa w 2026 roku z majątkiem szacowanym na 18 mld dolarów i był najbogatszym debiutantem z branży AI. To jeden z najczystszych przykładów fortuny zbudowanej na realnym zysku, a nie na wycenie.

Druga historia to Mercor, platforma łącząca laboratoria z ekspertami. Jej założyciele mają po 22 lata, a jeden z nich, Surya Midha, został najmłodszym miliarderem, który dorobił się samodzielnie, w historii listy Forbesa. Według Bloomberga Mercor wypłaca ekspertom ponad 2 mln dolarów dziennie, a średnia stawka według firmy to około 110 dolarów za godzinę. Bloomberg w październiku 2026 roku opisywał oferty dla prawników sięgające 400 dolarów za godzinę, 200 dolarów dla lekarzy i 170 dolarów dla fizyków. Tu pojawia się pierwszy model zarobku na wyciągnięcie ręki: płacą Ci za to, że znasz się na swojej dziedzinie lepiej niż model.

Jest też trzeci wariant: sprzedaż treści, które już masz. Reddit zarobił w drugim kwartale 2026 roku 43 mln dolarów na licencjonowaniu danych, głównie od Google i OpenAI. To wzrost o 24%, ale zaledwie około 5% z 805 mln dolarów przychodu firmy. Licencjonowanie danych to więc dodatek, a nie żyła złota, nawet dla jednej z największych społeczności internetu.

• Surge AI: około 1,2 mld dolarów przychodu w 2024 roku, rentowna, bez venture capital
• Mercor: ponad 2 mln dolarów wypłat dla ekspertów dziennie
• Stawki ekspertów: od około 60 do 400 dolarów za godzinę, zależnie od dziedziny
• Reddit: licencje na dane to około 5% przychodu

Piętro szóste: aplikacje i małe zespoły, które robią wrażenie

To piętro najlepiej pasuje do opowieści o „startupach rosnących jak grzyby po deszczu”. I faktycznie, liczby są tu niesamowite. Problem w tym, że duża część przychodu tych firm płynie od razu w górę, do dostawców modeli i mocy obliczeniowej.

Kod i strony internetowe bez programistów

Cursor, edytor kodu z AI, miał na początku 2026 roku około 2 mld dolarów rocznego tempa przychodów przy zespole liczonym w dziesiątkach, a później kilkuset osób. W sierpniu 2026 roku SpaceX kupił go za 60 mld dolarów, w całości w akcjach. Założyciele i inwestorzy nie dostali więc gotówki, tylko udziały w firmie Muska. To ważny szczegół, gdy ktoś mówi o „miliarderach z AI”.

Szwedzki Lovable doszedł w lutym 2026 roku do 400 mln dolarów rocznego tempa przychodów przy 146 pracownikach, a w sierpniu był wyceniany na 13,3 mld dolarów. Według Sacry jego marża brutto wynosiła w maju 2025 roku 36%, a celem na drugą połowę 2026 roku jest 65%. Dla porównania: klasyczne firmy z oprogramowaniem w abonamencie mają często marżę brutto powyżej 75%. Różnica trafia do dostawców modeli.

Prezentacje, obrazy, głos

Gamma, narzędzie do tworzenia prezentacji, ma według SaaStr 100 mln dolarów rocznego tempa przychodów, około 50 pracowników, 50 mln użytkowników i jest rentowna. Midjourney nie publikuje wyników, ale już w 2022 roku jego założyciel David Holz mówił „The Register”, że firma ma około 10 osób, żadnych inwestorów i jest rentowna. Dzisiejsze szacunki jej przychodów sięgają kilkuset milionów dolarów rocznie.

A teraz coś bliżej nas. ElevenLabs, firma od syntezy głosu założona przez dwóch Polaków, Matiego Staniszewskiego i Piotra Dąbkowskiego, przekroczyła według prezesa 600 mln dolarów rocznego tempa przychodów we wrześniu 2026 roku. W skupie akcji od pracowników z 30 września 2026 roku firmę wyceniono na 22 mld dolarów. Zatrudnia ponad 800 osób. To prawdopodobnie najbardziej namacalny dowód, że polski zespół może zbudować globalną firmę AI.

Oprogramowanie dla dużych firm

Na drugim biegunie jest Palantir, który w trzecim kwartale 2026 roku miał 2,31 mld dolarów przychodu, o 96% więcej niż rok wcześniej, i 1,13 mld dolarów zysku netto. Harvey, AI dla kancelarii prawnych, miał według doniesień 400 mln dolarów rocznego tempa przychodów i w październiku 2026 roku był wyceniany na 15,5 mld dolarów.

• Cursor: sprzedany za 60 mld dolarów w akcjach
• Lovable: 146 osób i 400 mln dolarów rocznego tempa przychodów, ale marża brutto poniżej średniej branży
• Gamma: około 50 osób, 100 mln dolarów rocznego tempa przychodów, rentowna
• ElevenLabs: polscy założyciele, 600 mln dolarów rocznego tempa przychodów, wycena 22 mld
• Palantir: 1,13 mld dolarów zysku netto w kwartale

Planujesz wdrożenie AI w firmie? Połączymy Cię z wykonawcami.

Wypełnij formularz, a my skontaktujemy się z Tobą, aby upewnić się czego potrzebujesz. 

Imię i nazwisko

Służbowy adres e-mail

Telefon kontaktowy

Opisz krótko, co chcesz osiągnąć

Wyrażam zgodę na przekazanie moich danych zweryfikowanym wykonawcom współpracującym z AIPORT.pl w celu przedstawienia ofert. Polityka prywatności

Piętro siódme, część pierwsza: korporacje, które oszczędzają na etatach

Teraz wątek, który budzi najwięcej emocji. Czy duże firmy zarabiają na AI, zwalniając ludzi? Częściowo tak, ale obraz jest bardziej zamazany, niż sugerują nagłówki.

Najbardziej bezpośredni przykład dał Marc Benioff, który powiedział, że Salesforce zmniejszył dział obsługi klienta z około 9 do 5 tysięcy osób, bo połowę rozmów prowadzą agenci AI. Amazon zlikwidował około 14 tys. stanowisk biurowych pod koniec 2025 roku i kolejne 16 tys. w styczniu 2026 roku, a prezes Andy Jassy wcześniej zapowiadał, że generatywna AI zmniejszy zatrudnienie w części ról. Visa w lipcu 2026 roku ogłosiła zwolnienie około 2,6 tys. osób, czyli 7% załogi, i jej prezes połączył to z tym, jak AI zmienia pracę w firmie. Australijski WiseTech Global ogłosił w lutym 2026 roku około 2 tys. zwolnień i stwierdził, że AI zakończyło erę ręcznego pisania kodu.

Ale. Firma doradcza Challenger, Gray & Christmas policzyła, że do końca września 2026 roku amerykańscy pracodawcy wskazali AI jako przyczynę 120 136 zwolnień, czyli około 21% wszystkich. W październiku już tylko 1265, a „warunki rynkowe i ekonomiczne” wyprzedziły AI jako najczęstszy powód w całym roku. Część firm po prostu porządkuje zatrudnienie z czasów pandemii i wygodniej jest powiedzieć „AI” niż „przesadziliśmy z rekrutacją”.

Najbardziej trzeźwiące są dane o zwrocie z inwestycji. W badaniu McKinsey z 2026 roku tylko około 6% firm czerpie z AI co najmniej 5% zysku operacyjnego, a 37% widzi jakikolwiek wpływ na wynik. PwC w styczniowym badaniu prezesów podało, że 56% z nich nie odnotowało w ciągu roku ani wzrostu przychodów, ani spadku kosztów dzięki AI. Oszczędności są więc realne w wybranych działach, takich jak obsługa klienta, ale daleko im do powszechności.

• Salesforce: obsługa klienta z około 9 do 5 tysięcy osób
• Amazon: około 30 tys. stanowisk biurowych w dwóch falach
• Visa: około 2,6 tys. osób, 7% załogi
• McKinsey: tylko około 6% firm ma znaczący zysk z AI
• Challenger: AI to około 21% wskazanych przyczyn zwolnień w USA do końca września 2026 roku

Piętro siódme, część druga: pojedyncze osoby i małe inicjatywy na wyciągnięcie ręki

Dochodzimy do miejsca, które obiecałem na początku. Czy zwykły człowiek z laptopem może się na tym wzbogacić? Może zarobić, czasem bardzo dobrze. Ale tu rozrzut wyników jest największy i najłatwiej trafić na sprzedawców kursów obiecujących złote góry.

Jednoosobowe produkty

Pieter Levels, holenderski twórca, który od lat buduje produkty samodzielnie, pokazywał w maju 2025 roku, że jego Photo AI (generator zdjęć portretowych) przynosi około 132 tys. dolarów miesięcznie. Bez inwestorów, bez zespołu. Maor Shlomo z Izraela zbudował w pojedynkę Base44, narzędzie do tworzenia aplikacji bez kodowania, i po około sześciu miesiącach, w czerwcu 2025 roku, sprzedał je firmie Wix za 80 mln dolarów w gotówce. To były jeszcze czasy, gdy takie historie szokowały. Dziś rzadziej robią wrażenie.

Przestroga: dwie osoby i 401 mln dolarów sprzedaży

Najgłośniejszy przypadek 2026 roku to Medvi, sklep internetowy z lekami na odchudzanie prowadzony przez dwóch braci. Według opisanej w kwietniu 2026 roku historii Matthew Gallagher wystartował z 20 tys. dolarów, a w 2025 roku firma miała 401 mln dolarów sprzedaży i 16,2% zysku netto. Stronę budował z pomocą ChatGPT, Claude i Groka, a obrazy i filmy generował w Midjourney i Runway. Brzmi jak bajka? W lutym 2026 roku FDA wysłała firmie list ostrzegawczy w sprawie wprowadzających w błąd twierdzeń o lekach, a dziennikarze znaleźli w reklamach wygenerowanych przez AI „lekarzy”, którzy nie istnieją. Opisuję ten przypadek celowo, bo pokazuje ciemną stronę „firmy jednej osoby”. AI pozwala skalować wszystko, łącznie z rzeczami, których skalować nie powinno się wcale.

Praca dla ludzi z konkretną wiedzą

Dużo spokojniejszy model to sprzedawanie własnej ekspertyzy. Na platformie Upwork wartość zleceń dla freelancerów z umiejętnościami AI wzrosła w trzecim kwartale 2026 roku o 55% rok do roku i osiągnęła roczne tempo około 450 mln dolarów. W tym samym czasie łączna wartość zleceń na całej platformie spadła o 10,1%. To bardzo wymowne: rynek zleceń nie rośnie, ale pieniądze przesuwają się do ludzi, którzy umieją pracować z AI. Do tego dochodzą wspomniane platformy w rodzaju Mercora, płacące specjalistom za uczenie modeli.

Automatyzacje i twórczość

Niemiecka platforma do automatyzacji n8n miała pod koniec 2025 roku 1,7 mln aktywnych miesięcznie twórców w wersji darmowej, a w maju 2026 roku SAP zainwestował w nią przy wycenie 5,2 mld dolarów. Wokół takich narzędzi wyrosła cała branża małych agencji i freelancerów, którzy automatyzują procesy w firmach. Lovable deklaruje z kolei, że 80% jego użytkowników nie ma technicznego wykształcenia, a 8 na 10 planuje zarabiać na tym, co zbuduje. To dane deklaratywne, niezweryfikowane, ale pokazują kierunek.

Są wreszcie twórcy wideo. Kapwing w raporcie z listopada 2025 roku szacował roczne przychody najpopularniejszego indyjskiego kanału z filmikami generowanymi przez AI na około 4,25 mln dolarów. To szacunek oparty na danych Social Blade, a YouTube w 2026 roku mocno uderzył w kanały z masowo produkowanymi filmami niskiej jakości. Model działa więc do momentu, w którym platforma zmieni zasady.

Jak to wygląda z perspektywy polskiej redakcji?

Pozwolę sobie na osobistą wstawkę, bo sam jestem częścią tej mapy, tylko na jej najniższym piętrze. AIPORT.pl tworzy dziś zaledwie kilka osób. Mimo to działamy jak duża redakcja informacyjno-poradnikowa: przygotowujemy raporty, prowadzimy giełdę leadów dla firm z branży, utrzymujemy bazę firm i prowadzimy bieżący serwis informacyjny. Za chwilę wypuszczamy angielską wersję portalu na cały świat, z ambicją stania się największym portalem informacyjnym o AI. Kilka lat temu taki plan przy takim zespole byłby zwyczajnie nierealny.

Dlaczego o tym piszę? Bo to jest właśnie ta mniej efektowna strona „masowego tworzenia milionerów”. AI nie dała nam fortuny w akcjach, za to drastycznie obniżyła koszt zrobienia rzeczy, które kiedyś wymagały kilkudziesięciu etatów. Dla małego zespołu to zmienia rachunek bardziej niż jakakolwiek wycena na giełdzie. Ale mam też świadomość, że każda godzina pracy modeli to rachunek, który płacimy komuś wyżej w piramidzie.

Ciekawie wygląda też polski rynek firm. W naszej bazie mamy w tej chwili 476 polskich firm związanych z AI. Większość z nich to piętro usług, a nie infrastruktury:

• 326 firm (około 68%) to software house’y budujące rozwiązania dla klientów
• 60 firm (około 13%) zajmuje się automatyzacją procesów
• 32 firmy (około 7%) to data science i analityka
• 28 firm (około 6%) to doradztwo i strategia AI
• 17 agencji AI i 13 firm szkoleniowych domyka zestawienie
• Około 37% firm ma siedzibę w Warszawie, kolejne są Wrocław i Kraków

Polska nie ma swojej Nvidii ani swojego SK hynix. Ma za to tysiące ludzi, którzy zarabiają na wdrażaniu AI u klientów, i kilka globalnych sukcesów, jak wspomniany ElevenLabs. Uważam, że to realistyczny obraz: nasz kraj zarabia głównie na piętrach usług i wiedzy, a nie na krzemie.

Kto zarabia już dziś, a kto dopiero obiecuje?

Obiecałem rozdzielić te grupy, więc robię to w jednej tabeli. Kryterium było proste: czy w ostatnich raportach widać zysk, czy tylko przychód, czy ani jedno, ani drugie.

Dwie ostatnie grupy zasługują na kilka słów, bo w rozmowach o AI pojawiają się najczęściej jako „następna wielka rzecz”. Robotyka humanoidalna rośnie szybko, ale z niskiego poziomu. UBTECH zwiększył w pierwszym półroczu 2026 roku przychody z pełnowymiarowych humanoidów o 1445%, do 590 mln juanów, i nadal ma straty. Figure AI jest wyceniany na około 39 mld dolarów, nie ujawniając przychodów. Unitree zadebiutował na giełdzie w Szanghaju w sierpniu 2026 roku i jego kurs mocno się wahał. Tesla używa Optimusów głównie we własnych fabrykach.

W nauce i medycynie sytuacja jest podobna. Insilico Medicine rozpoczęło III fazę badań klinicznych leku rentosertib na idiopatyczne włóknienie płuc, a pierwszy pacjent dostał lek 9 września 2026 roku. Isomorphic Labs, spółka z grupy Alphabet, zebrał 2,7 mld dolarów, ale do 30 września 2026 roku nie ogłosił rozpoczęcia żadnego badania klinicznego. Żaden lek zaprojektowany przez AI nie został jeszcze dopuszczony do obrotu. Te branże mogą kiedyś zarobić najwięcej, ale dziś są głównie miejscem, w które pieniądze płyną, a nie z którego wypływają.

• Pewny zysk: krzem, pamięć, energia, wybrane oprogramowanie i firmy od danych
• Zysk na horyzoncie: laboratoria modeli, jeśli utrzymają koszty pod kontrolą
• Zakład na przyszłość: humanoidy, leki, części aplikacji z wysokimi wycenami

Ludzie polskiego AI: indeks 125 firm i ludzi

Za każdą polską firmą AI stoi konkretny człowiek z imieniem i nazwiskiem, często ten sam w kilku miejscach naraz, i to właśnie ludzie, nie tabelki finansowania, są prawdziwym bohaterem tego artykułu.

Sprawdź

Skąd w takim razie bierze się tylu nowych milionerów?

Na koniec wracam do pytania, od którego zaczęło się to wszystko. „Forbes” w marcu 2026 roku naliczył 45 nowych miliarderów, których majątek wiąże się bezpośrednio z AI, i 86 takich osób łącznie. Bloomberg w maju 2026 roku opisał 19 nowych miliarderów z amerykańskich startupów AI z łącznym majątkiem 59,3 mld dolarów. Brzmi jak deszcz pieniędzy. Ale sprawdźmy, z czego te majątki są zrobione.

W ogromnej większości to udziały w prywatnych firmach wycenianych przez ostatnią rundę finansowania. Cursor został sprzedany za akcje, a nie za gotówkę. Wycena ElevenLabs na 22 mld dolarów pochodzi ze skupu akcji od pracowników, a nie z nowej emisji. Kurs Unitree potrafił w kilka tygodni od debiutu stracić ponad połowę wartości. Majątek z wyceny może zniknąć szybciej, niż się pojawił.

Są też fortuny zbudowane inaczej. Edwin Chen z Surge AI dorobił się na firmie, która zarabia realne pieniądze i nie potrzebowała inwestorów. Pieter Levels zarabia na produktach, które ludzie kupują co miesiąc. Elektryk przy budowie centrum danych dostaje wypłatę co dwa tygodnie. Moim zdaniem to są najzdrowsze przykłady całej tej opowieści, choć najrzadziej trafiają na okładki.

• Majątek z wyceny: szybki, efektowny, niepewny
• Majątek z zysku: wolniejszy, rzadziej opisywany, dużo trwalszy
• Dochód z pracy: najmniej spektakularny, ale najbardziej dostępny dla zwykłego człowieka

Podsumowanie: gorączka złota, w której najlepiej idą łopaty

Jeśli dotarłeś do tego miejsca, masz w głowie mapę, której brakuje w większości tekstów o „nowej fali milionerów AI”. Pieniądze startują z budżetów kilku gigantów i funduszy inwestycyjnych, a potem spływają w dół łańcucha. Najwięcej i najpewniej zostaje tam, gdzie jest fizyczne wąskie gardło: w chipach, pamięci, prądzie, ziemi i rękach fachowców. Laboratoria modeli zarabiają coraz więcej, ale jedno z nich pokazało pierwszy zysk operacyjny, a drugie wciąż traci miliardy. Startupy z małymi zespołami mają niesamowite przychody na pracownika, tylko że część tych pieniędzy płynie od razu do dostawców. Korporacje faktycznie oszczędzają na niektórych etatach, choć dane pokazują, że znaczący zysk z AI ma dziś zaledwie kilka procent firm. Humanoidy i leki z AI to wciąż obietnice, które mogą się spełnić, ale nie w tym roku. Najbardziej cenię jednak najniższe piętro, bo tam zaczyna się realna szansa dla każdego, kto to czyta. Ekspert uczący modele, freelancer z umiejętnościami AI, twórca jednoosobowego produktu i mała redakcja, która działa jak duża, korzystają z tego samego mechanizmu: AI obniża koszt robienia rzeczy. Ten mechanizm nie zrobi z Ciebie miliardera z dnia na dzień, ale może zmienić rachunek Twojej pracy bardziej niż jakakolwiek giełdowa wycena. Moja rada jest prosta: zanim uwierzysz w kolejną historię o milionerze, zapytaj, z czego zbudowany jest jego majątek i kto mu zapłacił.

A teraz Twoja kolej. Na którym piętrze tej piramidy jesteś Ty albo Twoja firma? Znasz polski przykład kogoś, kto realnie zarabia na AI, a nie tylko o tym opowiada? Napisz w komentarzu, chętnie dopiszę najciekawsze historie przy kolejnej aktualizacji tekstu. A jeśli znasz kogoś, kto wciąż myśli, że na AI zarabia tylko Nvidia albo tylko twórcy aplikacji, wyślij mu ten felieton. Może zaoszczędzisz mu kilku złych decyzji.

Źródła i metodologia

Felieton powstał na podstawie analizy redakcji AIPORT.pl, w tym danych z bazy 476 polskich firm AI prowadzonej przez AIPORT.pl (stan na 12 listopada 2026 roku), oraz źródeł zewnętrznych, w tym raportów finansowych Nvidii złożonych w SEC, wyników Broadcomu i raportu Challenger, Gray & Christmas. Korzystaliśmy też z raportów kwartalnych TSMC, SK hynix, GE Vernova, Palantira, CoreWeave, Upwork i Reddita, prospektu emisyjnego Anthropic oraz publikacji „The Wall Street Journal”, „Financial Times”, Bloomberga, CNBC, „Forbesa”, „Fortune”, TechCrunch, SaaStr, Sacry, McKinsey, PwC, Kapwing i Drug Discovery & Development. Cytat Jensena Huanga zweryfikowaliśmy z oryginalnym anglojęzycznym komunikatem Nvidii. Wartości roczne podane jako „roczne tempo przychodów” to dane szacunkowe ogłaszane przez firmy lub media, a nie zbadane wyniki finansowe. Komentarz redakcyjny i ocena kontekstu branżowego: Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl. Felieton będzie aktualizowany w miarę pojawiania się nowych danych o tym, kto i w jaki sposób zarabia na AI.