VentureBeat Pulse 2026 júniusi felmérése szerint 107, legalább 100 főt foglalkoztató vállalatnál az AI-infrastruktúrára fordított kiadások gyorsabban növekednek, mint ahogy a cégek képesek lennének látni vagy irányítani ezek gazdaságosságát. A válaszadók többsége ma ismert szereplők — nagy hyperscalerek és modell-API-k — fölött futtatja az AI-t, ugyanakkor a következő költési forintokat olyan specializált számítási megoldások felé tervezik, amelyeket a legtöbben ma még nem használnak.
Kiinduló kép: sokan még nincsenek élesben
A minta szerint a vállalatok többsége még nem üzemeltet AI-t nagy volumenben: a 107 válaszadó közül csak 21% jelezte, hogy AI-t produkcióban, skálázva működtet. 76% kísérletezik vagy csak egyes munkaterheléseket futtat éles környezetben. Ez azt jelenti, hogy az infrastruktúra- és beszerzési döntések döntő részét olyan szervezetek hozzák, amelyeknek a számítási lábnyoma és költségei várhatóan növekedni fognak.
A jelen stacket a hyperscalerek és modell-API-k uralják
A jelenlegi gyakorlatot a jól ismert szolgáltatók határozzák meg: Google Cloud szerepel a válaszadók 48%-ánál, és a nagyobb általános célú felhők (Google, Microsoft, AWS, Oracle) valamint a fő modell-API-k (Gemini, OpenAI, Anthropic) gyakorlatilag az összes jelenlegi telepítést lefedik. Az AI-specializált, GPU-központú "neocloud" szolgáltatók (CoreWeave, Lambda, Crusoe, Nebius stb.) a mintában ma gyakorlatilag nem jelennek meg; csak 6% működtet saját on-prem GPU klasztert, és 4% használ egyedi nyílt forráskódú stacket.
(Megjegyzés: a kérdés több választ is megengedett, a válaszadók átlagosan 2,1 szolgáltatót jelöltek meg, így ezek a százalékok a jelenlétet, nem a kiadási súlyozást mutatják.)
A következő költési forintok olyan infrastruktúrák felé mennek, amelyeket ma kevesen használnak
Miközben a jelenlegi használat a nagy felhőszolgáltatók köré koncentrál, a következő 12 hónap leggyakrabban tervezett értékelési területe az AI-specializált felhők (45%). A válaszadók 32%-a tervez nem‑Nvidia gyorsítók vizsgálatát, 28% tervezi a következő generációs Nvidia szilikonokat; 16% néz decentralizált számítási hálózatokat, 11% pedig szuverén számítási megoldásokat. Ez arra utal, hogy sok vállalat legalább a tervezési szándék szintjén újrapozícionálná az AI-feladatok futtatásának helyét.
Váltási szándék: jelentős mozgás a következő negyedévben és évben
A válaszadók 64%-a tervezi, hogy vált vagy hozzáad egy infrastruktúra‑szolgáltatót 12 hónapon belül, és 38% tervezi ezt a következő negyedévben. Ez nagy mozgási hajlandóság egy ilyen alapvető kategóriában. A közeli váltási figyelem leginkább az ismert szereplők felé irányul (Microsoft Azure és Google Cloud 33%-kal, OpenAI 30%-kal, Gemini 22%-kal), ami arra utal, hogy a rövid távú átrendeződés gyakran a nagyobb szereplők közötti átcsoportosítást jelenti, nem feltétlenül az új neocloud‑szolgáltatókhoz való tömeges migrációt.
Nem a tokenár dönti el a vásárlást: integráció és TCO a döntő szempontok
Amikor infrastruktúra‑szolgáltatót választanak, a vállalatok számára legfontosabb szempont az integráció a meglévő stackkel (41%) és a teljes birtoklási költség (TCO) (35%). A címkésített egységár — például költség per millió token — csak 8%-nál volt a legfontosabb tényező. Ez azt jelzi, hogy a vevők a működési illeszkedést és az összköltséget értékelik a fogyasztási metrikákkal szemben.
Alacsony kihasználtság: a már megvett GPU-k többsége jellemzően üresen áll
Az AI-gyorsítók kihasználtsága alacsony: a GPU-kat működtető vállalatok 83%-a jelent 50% vagy annál alacsonyabb kihasználtságot, és 49% fut 25% vagy annál alacsonyabb szinten. Mindössze 12% jelzett 50% feletti kihasználtságot; 8% nem méri a kihasználtságot. Ez a jelenség — drága, de részben kihasználatlan hardver — a beszámolók szerint a „compute gap” legkézzelfoghatóbb jele.
A mérés lemarad a költés mögött
Kevesebb mint a vállalatok fele (44%) képes szigorúan nyomon követni AI‑számítási költségeinek és megtérülésének számait; 39% részben követi, 20% még nem tudja számszerűsíteni, és 6% nem prioritizálta ezt. Ez ellentmondásban áll a választási szempontokkal, hiszen a TCO a második legfontosabb döntési tényező, mégis sok szervezet nincs felkészülve arra, hogy azt pontosan mérje.
A következő szűk keresztmetszet: memóriainkább, mint számítás — kevés vállalat foglalkozik vele
Ahogy a nagy skálájú inference‑ben a korlát áthelyeződik a nyers GPU‑compute‑ról a memória sávszélességére és KV‑cache kapacitására, a vállalatok válaszai fragmentáltak. 31% számít Dell‑re, 16% Nvidia‑ra, a többi válasz pedig tároló‑szállítók, nyílt forráskódú eszközök vagy modell‑szintű hatékonysági technikák között oszlik meg. Leginkább az a megdöbbentő, hogy körülbelül 18% vagy nem ismeri a problémát, vagy még nem kezdett el foglalkozni vele.
Összegzés: a compute gap valós és a gyorsabb költés valószínűleg mélyíti
A Q2 2026‑os, 107 vállalati válaszadón alapuló felmérés iránymutató képet ad: a közepes méretű és AI‑építkezés korai szakaszában lévő szervezetek beruháznak az AI‑infrastruktúrába gyorsan, de a láthatóság és a mérés gyakran elmarad. A GPU‑k többsége alacsony kihasználtságon áll, kevesen mérik pontosan a költségeket, és sokan a specializált AI‑felhők és alternatív gyorsítók felé terveznek továbblépni — mielőtt teljesen átláthatóvá tették volna a jelenlegi gazdaságosságot. A kérdés az, hogy a következő felhő‑ és architektúraváltás előtt sikerül‑e a vállalatoknak felzárkózniuk a mérésben és kontrollban, vagy újabb infrastruktúrarétegek beszerzése történik majd ugyanazzal a láthatatlansággal.
Módszertan: A kutatás egy Q2 2026 (június) hullámban gyűjtött választ 107, legalább 100 fős szervezetből. A minta önkéntes jellegű, közepes méretű vállalatokra és korai szakaszú AI‑befogadókra tolódik; ezért az eredmények iránymutatónak tekintendők, nem reprezentatív, pontos piaci mérésnek. A mintában 36% 101–250 fős, 27% 251–1000, 22% 1,001–5,000, 8% 5,001–10,000 és 7% 10,001+ létszámkategóriájú szervezet szerepel. A kérdések között többletválasztás is volt, így egyes százalékok összege meghaladhatja a 100%-ot.
