Hlavní problém infrastruktury umělé inteligence: Riziko uvízlých aktiv – ti, kdo se dnes spoléhají na zastaralé struktury, zaplatí zítra

Energii požírající umělá inteligence: Důmyslná (a ignorovaná) alternativa k obřím jaderným datovým centrům

Nedostatek transparentnosti jako klíčový politický problém infrastruktury umělé inteligence

Energetické nároky umělé inteligence rostou exponenciálně – a s nimi i politická panika. Aby se uspokojily gigantické požadavky na elektřinu plánovaných datových center s umělou inteligencí, v Evropě a USA se náhle objevilo údajně nové řešení: malé modulární jaderné reaktory (SMR). Zatímco politici a lobbisté z průmyslu oslavují tohoto jaderného zachránce jako jedinou možnost, v pozadí se rýsuje bezprecedentní ekonomický chybný odhad.

Explozivně rostoucí náklady na výstavbu, desetiletí trvající implementační doby a obrovské riziko tzv. „uvízlých aktiv“ mění sen o gigatovárně umělé inteligence s jaderným pohonem ve vysoce rizikový riskantní sázkový projekt. Obzvláště výbušné je to, co je v debatě systematicky opomíjeno: decentralizovaná infrastruktura umělé inteligence. Tento článek zkoumá skryté pravdy o nákladech v debatě o malých modulárních reaktorech (SMR) a ukazuje, proč riskujeme opakování drahých strukturálních chyb minulosti s technologiemi zítřka.

Skutečnou provokací této debaty tedy není technická otázka, která infrastruktura je lepší. Skutečnou provokací je ta politická: Proč se diskuse o infrastruktuře umělé inteligence připravené na budoucnost téměř výhradně zaměřuje na technologii, jejíž realizační horizont leží za horizontem plánování plánů umělé inteligence, jejíž historie nákladů se vyznačuje překročením rozpočtu o několik set procent a jejíž dotace jsou do značné míry zastřeny?

Souvisí s tím:

• Gigatovárny s umělou inteligencí: Skryté náklady – Jak expanze hyperscalerů v USA a Číně zatěžuje zdroje

Nedostatek transparentnosti jako klíčový politický problém infrastruktury umělé inteligence: Energetická otázka jako strategická odváděcí taktika

V debatách o výstavbě evropských gigatováren umělé inteligence dominuje veřejné diskusi jedna otázka: Odkud se bude veškerá elektřina brát? Odpověď, která stále častěji koluje v politických kruzích a na průmyslových fórech, zní: malé modulární jaderné reaktory, tzv. malé modulární reaktory (SMR). Tato odpověď zní technologicky vyspěle, je politicky životaschopná a má tu výhodu, že si získává stávající zájmové skupiny – jaderný průmysl, státní dodavatele energie a jaderné výzkumné instituce. V této diskusi však téměř zcela chybí poctivé ekonomické zhodnocení: Jsou centralizované gigatovárny umělé inteligence, poháněné reaktory SMR, skutečně ekonomicky nejrozumnější odpovědí na rostoucí poptávku po výpočetním výkonu? Nebo tato otázka odvádí pozornost od mnohem zásadnější strukturální alternativy – decentralizované infrastruktury umělé inteligence?

Mezinárodní energetická agentura (IEA) předpovídá, že celosvětová spotřeba elektřiny v datových centrech se do roku 2030 více než zdvojnásobí a dosáhne téměř 1 000 terawatthodin ročně. I dnes spotřebuje jedno velké datové centrum s umělou inteligencí tolik elektřiny jako město s 50 000 obyvateli a ta opravdu velká zařízení nyní fungují v řádu gigawattů. Jen pro USA IEA předpovídá do roku 2029 dodatečnou potřebu kapacity 60 gigawattů pouze pro datová centra a aplikace umělé inteligence – což odpovídá výkonu asi 60 jaderných elektráren. Tato čísla jsou působivá, ale vedou k chybné úvaze: bezmyšlenkovitě promítají dnešní architekturu centralizovaných datových center do budoucnosti, místo aby seriózně zvažovaly alternativní modely infrastruktury.

Skrytá pravda o nákladech za slibem SMR

Diskuse o malých modulárních reaktorech (SMR) se vyznačuje pozoruhodnou mírou optimismu, který však při bližším zkoumání nemá velký empirický základ. Zastánci SMR slibují kratší dobu výstavby, nižší náklady díky hromadné výrobě a rychlejší škálovatelnost ve srovnání s konvenčními velkými reaktory. Realita však vykresluje podstatně střízlivější obraz.

Globální trh s jadernými elektrárnami stagnuje již léta. V roce 2024 bylo na celém světě uvedeno do provozu pouze šest nových jaderných elektráren, zatímco čtyři byly vyřazeny z provozu – což představuje čistý nárůst o dvě elektrárny. Důvody jsou strukturální: extrémní investiční náklady, doba výstavby 10 až 15 let a finanční rizika, která mohou nést prakticky pouze státní společnosti. Ukázkovým příkladem této exploze nákladů je Flamanville 3 ve Francii: elektrárna, jejíž původní náklady byly v roce 2006 odhadovány na 3,2 až 3,3 miliardy eur a její výstavba byla plánována na pět let, nakonec po 17 letech výstavby stála 23,7 miliardy eur.

Dokonce i vlajková loď USA, jaderná elektrárna Vogtle v Georgii, byla původně plánována na 14 až 15,5 miliard dolarů a nakonec stála 34 miliard dolarů – více než dvojnásobek původního odhadu. Společnost Westinghouse, jedna z předních světových společností v oblasti jaderných technologií, krátce poté vyhlásila bankrot. Náklady na britskou elektrárnu Hinkley Point C vzrostly na 32,7 miliardy liber (přibližně 41,3 miliardy dolarů) – a to i přes původní rozpočet projektu ve výši 2 miliard liber. Pravidlo, které nyní používají zkušení pozorovatelé v oboru, zní: vynásobte počáteční odhad nákladů jaderného průmyslu deseti, abyste dosáhli realistického čísla.

U elektráren SMR, které dosud v západním světě nemají jediný komerčně nasazený modulární systém, je cenová situace ještě nejistější. Analýza Nadace Heinricha Bölla z počátku roku 2024 (poznámka: rok byl logicky opraven na rok 2024 místo budoucího roku 2026) dospěla k závěru, že většina konceptů SMR je stále v raných fázích vývoje, chybí jim regulační schválení v EU a je nepravděpodobné, že by před rokem 2050 vyrobily významné množství elektřiny. Institut pro energetickou ekonomiku a finanční analýzu (IEEFA) toto kritické hodnocení potvrzuje: SMR zůstávají příliš drahé, jejich výstavba je příliš pomalá a příliš riskantní na to, aby v příštích 10 až 15 letech hrály významnou roli v energetické transformaci. Podle IEEE by investice do SMR odvedly zdroje od bezuhlíkových a nákladově efektivnějších obnovitelných zdrojů energie, které jsou již dnes k dispozici.

Často přehlíženým aspektem této debaty jsou skryté dotace. Podle výpočtů Fóra pro ekologickou a sociální tržní ekonomiku, které si zadala organizace Greenpeace, dosáhla historická podpora jaderné energie v Německu v letech 1950 až 2008 státních dotací nejméně 165 miliard eur – plus dalších 92,5 miliardy eur v dohledné budoucnosti. Německá vláda však ve svých zprávách o dotacích vykázala pouze méně než 200 milionů eur – což je rozdíl několika řádů, který lze připsat extrémně úzké definici dotací. Tento výpočet nezohledňuje daňové úlevy, vládní záruky, financování výzkumu, náklady na úložiště jaderného odpadu a – co je nejdůležitější – fakticky neomezenou odpovědnost vlády v případě katastrofy. Pokud by provozovatelé jaderných elektráren museli platit standardní pojištění odpovědnosti za škodu na trhu, jaderná energie by podle těchto výpočtů byla až o 2,70 eura za kilowatthodinu dražší – a tedy jednoduše nekonkurenceschopná.

Deficit transparentnosti: Když zájmy lobbistů diktují rozhodnutí o infrastruktuře

Otázka, proč se diskuse o dodávkách energie pro gigatovárny s umělou inteligencí zaměřuje téměř výhradně na jadernou energii – a nikoli současně na decentralizované alternativy – není technická, ale politická. Poukazuje na strukturální nedostatek transparentnosti v debatě o veřejné infrastruktuře.

Evropská unie prohlásila vytvoření gigatováren umělé inteligence za strategickou prioritu a spustila fond InvestAI v hodnotě 20 miliard eur na vybudování až pěti takových zařízení. Gigatovárna umělé inteligence, jak ji definuje EU, se skládá ze 100 000 nebo více specializovaných čipů a každé zařízení, včetně dodávek energie, odhaduje EU na 3 až 5 miliard eur. Německo vyčlenilo počáteční financování ve výši 805 milionů eur na jedno takové zařízení a aktivně diskutuje o tom, které společnosti zakázku získají – Deutsche Telekom, Schwarz Group, Ionos nebo bavorské konsorcium. Tato struktura financování ze své podstaty vytváří obrovské zvrácené pobídky: upřednostňuje centralizované rozsáhlé projekty, protože pouze ty splňují prahové hodnoty pro definici „gigatovárny“ v EU. Menší, decentralizované přístupy v tomto schématu financování propadají, i když by z ekonomického hlediska mohly být často atraktivnější.

Nedostatek transparentnosti je patrný i v selektivním prezentování údajů o nákladech. Když politici a zástupci průmyslu hovoří o malých modulárních reaktorech (SMR), citují optimistické odhady výrobců. Když kritici poukazují na překročení nákladů v minulosti, jsou tato překročení odmítána jako ojedinělé incidenty nebo problémy, které jsou vlastní předchozí technologii. Přesto neexistuje jediný spolehlivý empirický důkaz o tom, že SMR budou v komerčním měřítku ekonomičtější než projekty velkých reaktorů, které slouží jako negativní příklady – v neposlední řadě proto, že dosud nebyl uveden do provozu jediný komerčně relevantní projekt SMR podle západních standardů.

Souvisí s tím:

• Výzkum Stanfordské univerzity: Je lokální umělá inteligence náhle ekonomicky výhodnější? Konec cloudového dogmatu a gigabitových datových center?

Přehlížená alternativa: Proč může být decentralizovaná infrastruktura umělé inteligence ekonomicky lepším řešením

Otázka, která se v celé debatě o gigatovárnách s umělou inteligencí a jejich zásobování energií překvapivě zřídka klade, zní: Proč vůbec gigatovárny potřebujeme? A pokud je potřebujeme – proč musí být nutně centralizované?

Lokální a decentralizovaná infrastruktura umělé inteligence v současné době prochází tichým, ale zásadním ekonomickým přehodnocením. Výzkum Fraunhoferových institutů ukazuje, že systémy založené na edge computingu mohou ušetřit až 35 procent nákladů na elektřinu ve srovnání s konvenčním cloudovým zpracováním, protože vyžadují menší šířku pásma a chladicí kapacitu. Továrna s 1 000 IoT senzory odesílajícími měření každou sekundu by bez edge computingu přenesla do cloudu denně 86 milionů datových bodů; s lokálním filtrováním dat (edge ​​filtring) se toto číslo snižuje na přibližně 8 milionů – což představuje úsporu 90 procent na šířce pásma a nákladech na cloudové úložiště. Tato čísla jsou ekonomicky významná, ale v diskusích o veřejné infrastruktuře se o nich jen zřídka řeší.

Decentralizovaná datová centra na okraji sítě také nabízejí lokální rekuperaci tepla, kterou lze využít k vytápění obytných prostor, kancelářských budov nebo průmyslových zařízení. Tato synergie výrazně zlepšuje celkovou bilanci nákladů, pokud je odpadní teplo považováno za ekonomicky životaschopný vedlejší produkt. Centralizované gigatovárny produkují stejné odpadní teplo, ale na místě, kde není dostatečná poptávka po jeho využití.

Za zmínku stojí, že koaliční dohoda německé spolkové vlády se výslovně zaměřuje na podporu decentralizovaných infrastruktur, jako je edge computing na distribuovaných místech. Zároveň se však do Německa přiváží nejméně jedna evropská gigatovárna umělé inteligence – přístup, který strukturálně odporuje decentralizovanému principu. Tato nekonzistence odráží, jak drasticky se může politická prestiž a ekonomická racionalita lišit, pokud jde o rozhodnutí o infrastruktuře.

Model infrastruktury umělé inteligence sestávající z několika obrovských centralizovaných zařízení replikuje zastaralé paradigma centralizovaného zásobování energií prostřednictvím velkých elektráren – a to v době, kdy si energetický průmysl teprve začíná osvojovat výhody decentralizovaných výrobních struktur. Bylo by historickou chybou opakovat institucionální chyby energetického průmyslu v oblasti digitalizace infrastruktury.

Souvisí s tím:

• Co je lepší: Decentralizovaná, federovaná, antifragilní infrastruktura umělé inteligence, gigafaktorie umělé inteligence nebo hyperškálované datové centrum umělé inteligence?

Jevonsův paradox a klamná logika efektivity

Častým protiargumentem proti relevanci dilematu decentralizace SMR je, že hardware umělé inteligence se stává stále efektivnějším, a proto se spotřeba energie stabilizuje. Tento argument není zcela chybný – ale není ani zcela správný a ignoruje tzv. Jevonsův paradox.

Generální ředitel společnosti Microsoft Satya Nadella v roce 2024 v Berlíně prohlásil, že výkon systémů umělé inteligence se zdvojnásobuje každých šest měsíců. Současná data naznačují, že se schopnosti systémů umělé inteligence dokonce zdvojnásobují každých sedm měsíců – výrazně rychleji než klasický Moorův zákon, který předpovídá zdvojnásobení každé dva roky. Čínský startup v oblasti umělé inteligence DeepSeek koncem roku 2024 a začátkem roku 2025 působivě demonstroval, že srovnatelných výsledků lze dosáhnout se zlomkem dříve potřebných zdrojů: DeepSeek V3 byl natrénován za dva měsíce s použitím pouze 2 048 grafických procesorů NVIDIA H800, což je výkon, který Meta pro srovnatelný model vyžadoval 30,8 milionu hodin GPU.

Argument, že zvýšení technologické efektivity může zmírnit celkovou poptávku po energii, však ze strukturálního důvodu selhává. S tím, jak se systémy umělé inteligence stávají levnějšími a efektivnějšími, budou se také intenzivněji využívat – a poptávka roste rychleji než zvyšování efektivity. IEA potvrzuje, že zatímco spotřeba energie související s umělou inteligencí roste pomaleji než rozšiřování kapacity, spotřeba elektřiny v datových centrech se do roku 2030 celosvětově více než zdvojnásobí na 945 TWh. Jen v Německu vzrostla poptávka po energii v datových centrech v roce 2025 na 21,3 miliardy kilowatthodin, oproti 20 miliardám kWh v roce 2024 a 12 miliardám kWh v roce 2015. Zvýšení efektivity a růst poptávky si neustále konkurují, přičemž historicky vždy převládá poptávka.

Příklad DeepSeek má navíc důležitou nuanci: navzdory efektivnímu trénování spotřebovává model během provozu (inference) až o 87 procent více energie než srovnatelný metamodel se 70 miliardami parametrů. Složitost architektur, které umožňují efektivnější trénování, může během provozu zvýšit spotřebu energie. Efektivita v jedné oblasti systému se proto nemusí nutně promítnout do efektivity celého systému – což je poznatek, který plánovači centralizované infrastruktury při plánování kapacity pravidelně přehlížejí.

Naše globální odborné znalosti v oblasti rozvoje podnikání, prodeje a marketingu v oboru a ekonomice - Obrázek: Xpert.Digital

Oblasti zájmu v průmyslu: B2B, digitalizace (od AI po XR), strojírenství, logistika, obnovitelné zdroje energie a průmysl

Více informací zde:

• Centrum pro expertní podnikání

Tematické centrum nabízející poznatky a odborné znalosti:

• Znalostní platforma zahrnující globální a regionální ekonomiky, inovace a trendy specifické pro dané odvětví
• Soubor analýz, poznatků a podkladových informací z našich klíčových oblastí zaměření
• Místo pro odborné znalosti a informace o aktuálním vývoji v oblasti podnikání a technologií
• Centrum pro firmy hledající informace o trzích, digitalizaci a inovacích v oboru

Bateriové úložiště jako převratná změna? Revoluce sodíkových iontů a její důsledky

Jedním z nejpřesvědčivějších argumentů pro přehodnocení centralizované strategie SMR spočívá v rychlém rozvoji technologií skladování energie – zejména technologie sodíkových iontů, běžně známých jako solné baterie. Tento vývoj není spekulativní, ale empiricky ověřitelný a má přímé důsledky pro ekonomickou životaschopnost decentralizovaných infrastruktur umělé inteligence.

Sodík-iontové baterie se již blíží cenové paritě s lithium-iontovou technologií. Podle údajů společnosti IDTechEx se průměrná cena sodíku-iontového článku v současné době pohybuje kolem 87 dolarů za kWh. Očekává se, že výrobní náklady na úrovni článků klesnou na přibližně 40 dolarů za kWh – což je pravděpodobný scénář s dalším navyšováním. U stacionárního úložiště jsou cenové trendy ještě působivější: BloombergNEF zaznamenal v roce 2025 pokles cen stacionárních úložišť na 70 dolarů za kWh – což představuje meziroční pokles o 45 procent, což z něj činí nejstrmější pokles cen ze všech segmentů baterií.

Dlouhodobé projekce jsou obzvláště zajímavé pro strategické plánování infrastruktury. Do roku 2050 by sodíkovo-iontové baterie mohly dosáhnout nákladů na skladování energie ve výši 11 až 14 eur za megawatthodinu, za předpokladu rychlého učení – což by je činilo levnějšími než lithium-iontová technologie, u které se očekává, že bude stát 16 až 22 eur za MWh. Tato čísla zásadně mění celý výpočet ekonomické životaschopnosti decentralizovaných datových center napájených solární energií. Decentralizované datové centrum, které ukládá obnovitelnou solární energii během dne a využívá ji v noci nebo v obdobích nízkého výkonu větru a slunce, lze s těmito náklady na skladování ekonomicky provozovat způsobem, který před pěti lety nebyl ani zdaleka realistický.

Sodík-iontové baterie také nabízejí strukturální výhody, které jsou klíčové pro široce škálovatelnou infrastrukturu: Sodík je k dispozici v neomezeném množství a je v Evropě domácí surovinou, čímž se eliminuje strategická závislost na dovozu. Recyklace je výrazně snazší než u lithiových baterií, protože články neobsahují měď ani kobalt. Hloubka vybití je až 100 procent bez poškození baterie. Technologická infrastruktura pro sodíkovo-iontové baterie je navíc již v Německu, zejména v Durynsku a Sasku, zavedena.

Je důležité být upřímný ohledně omezení: Sodíkovo-iontové baterie mají nižší energetickou hustotu než lithium-iontové baterie, což zvyšuje jejich hmotnost a objem. Jejich průměrná účinnost, která se pohybuje kolem 79 procent, je výrazně nižší než u lithium-iontových baterií s 96 procenty. Pro stacionární velkokapacitní úložné aplikace, kde hmotnost a objem nejsou primárními omezeními, však nižší energetická hustota není rozhodující nevýhodou. Pokud jde o úložiště v rozvodné síti pro distribuovaná datová centra, je výhoda účinnosti lithium-iontových baterií méně relevantní než celková analýza nákladů a přínosů po celou dobu jejich životního cyklu.

Spolu s technologií sodíkových iontů zažívají exponenciální růst i polovodičové baterie. Globální trh s polovodičovými bateriemi roste průměrným ročním tempem až 36,4 procenta. Optimistické scénáře předpovídají náklady na polovodičové články do roku 2027 ve výši 80 až 120 dolarů za kWh – a v následujícím desetiletí se očekává další podstatné snížení nákladů prostřednictvím škálování.

Souvisí s tím:

• Redispečing 2.0 a velkokapacitní bateriové úložiště: Prokletí, nebo Segen pro energetickou síť? Ambivalentní role obřích bateriových úložišť

Riziko uvízlých aktiv: Když budoucnost přijde dříve, než bylo plánováno

Snad nejpřesvědčivějším ekonomickým argumentem proti neuváženému rozhodnutí o výstavbě gigatováren s umělou inteligencí poháněných malými modulárními moduly (SMR) je riziko tzv. uvízlých aktiv. Tento termín označuje investice, které v důsledku vnějších vlivů, jako jsou technologické změny, změněné tržní podmínky nebo regulační požadavky, ztrácejí natolik na hodnotě, že již nemohou generovat návratnost.

Historie technologií je plná příkladů infrastrukturních rozhodnutí, která byla v době plánování považována za rozumná, ale jen několik let po uvedení do provozu se ukázala jako nákladná chybná alokace. V energetickém sektoru již řada uhelných elektráren postavených nebo rozšířených v roce 2010 ztratila značnou hodnotu nebo byla předčasně odstavena – a to i přes předpokládanou zbývající provozní životnost 30 až 40 let. Mezinárodní agentura pro obnovitelnou energii (IRENA) odhaduje, že riziko uvízlých aktiv by mohlo v případě zachování běžného provozu dosáhnout až 20 bilionů dolarů.

Toto riziko je obzvláště výrazné pro infrastrukturu umělé inteligence, protože tempo technologického rozvoje je mimořádně rychlé. Malý reaktor magnetické rezonance (SMR), který je dnes uveden do provozu, má realistickou vyhlídku na uvedení do provozu nejdříve v letech 2035 až 2040 – a to i za optimistických předpokladů ohledně povolení, doby výstavby a dodavatelských řetězců. Podle současných zjištění se výkon systémů umělé inteligence zdvojnásobuje každých šest až sedm měsíců. Během 10 až 15 let, které jsou potřeba k výstavbě SMR, se schopnosti systémů umělé inteligence zlepší 20 000 až 300 000krát – což je hodnota, při které spolehlivé předpovědi specifických požadavků na infrastrukturu již jednoduše nejsou možné.

Problém není jen v nejistotě hardwaru. Celá architektura systémů umělé inteligence prochází transformací. Jak působivě ukázal DeepSeek, chytré optimalizace algoritmů mohou desetinásobně snížit hardwarové požadavky – bez ztráty kvality. Vyvíjejí se nové architektury čipů, které jdou nad rámec von Neumannovy architektury a překonávají tzv. „paměťovou zeď“. Počítače založené na fotonech, neuromorfní čipy a kvantové počítače – všechny tyto technologie, jakmile dosáhnou komerční zralosti, mají potenciál dramaticky snížit spotřebu energie na výpočet. Budoucnost těchto technologií bude rozhodnuta přesně za 10 až 15 let, které budou trvat, než bude SMR online k dispozici.

Každý, kdo dnes investuje do gigatováren s umělou inteligencí poháněných malými modulárními reaktory (SMR), se zavazuje k jedinému zdroji energie po dobu 40 až 60 let – což je typická provozní životnost jaderné elektrárny. A dělá to v naději, že odvětví umělé inteligence si v tomto období udrží stálou poptávku přesně po takové centralizované, energeticky náročné infrastruktuře, kterou mají tyto reaktory pohánět. Z dnešního pohledu se tato sázka jeví jako extrémně riskantní.

Úzké hrdlo know-how: Podceňovaný strukturální problém jaderné energie

Dalším klíčovým argumentem proti strategii SMR, které se ve veřejné debatě věnuje příliš málo pozornosti, je akutní nedostatek kvalifikovaných pracovníků v jaderném průmyslu. Během posledních tří desetiletí, charakterizovaných moratorii, rozhodnutími o postupném vyřazování z provozu a nedostatkem nových stavebních projektů, utrpěl jaderný průmysl značné ztráty institucionálních znalostí.

Trh s jadernými elektrárnami se dnes opírá o velmi malý počet společností – většinou státních – které jsou vůbec schopny jaderné elektrárny stavět a vyvážet. Globální síť dodavatelů, inženýrů a certifikovaných specialistů pro realizaci jaderných projektů je minimální. To znamená, že i v případě příznivého politického rozhodnutí ve prospěch malých modulárních reaktorů (SMR) není úzkým hrdlem licencování ani kapitál, ale dostupné odborné znalosti. Pokud budou chtít USA, Kanada, Spojené království, Francie a různé země EU spustit programy SMR současně, budou všechny soutěžit o stejný omezený počet odborníků v oblasti jaderného inženýrství.

To je v příkrém kontrastu se situací v sektoru obnovitelných zdrojů energie a technologií pro skladování energie. Globální solární průmysl v posledním desetiletí exponenciálně roste, počet kvalifikovaných odborníků v sektoru obnovitelných zdrojů energie neustále roste a dodavatelské řetězce pro solární moduly, střídače a technologie skladování energie jsou dobře rozvinuté a mezinárodně diverzifikované. Decentralizovaná infrastruktura umělé inteligence může využít tuto stávající základnu know-how, dodavatelských řetězců a regulačních zkušeností. Odvětví malých modulárních reaktorů (SMR) na druhou stranu stále potřebuje takový základ vybudovat – pod obrovským časovým a nákladovým tlakem.

Národní ekonomické účty: Přímé srovnání

Systematické srovnání různých faktorů vede k následující ekonomické situaci:

Srovnání ukazuje, že gigatovárna s umělou inteligencí založená na SMR by dodávala elektřinu nejdříve v letech 2035–2040 (optimisticky), zatímco decentralizovaná infrastruktura umělé inteligence se solární energií a úložištěm by byla k dispozici okamžitě do roku 2027. Z hlediska kapitálové náročnosti vyžaduje varianta SMR velmi vysoké počáteční investice ve výši přibližně 3–5 miliard EUR na gigatovárnu plus SMR, zatímco decentralizované řešení umožňuje modulární škálování a výrazně nižší individuální investice. Riziko nákladů je u SMR extrémně vysoké (historická překročení o 100–600 %), zatímco u solární energie a úložiště je nízké, protože náklady na technologie neustále klesají. Riziko uvíznutí technologie je u SMR velmi vysoké kvůli závazku na 40–60 let, zatímco decentralizovaná infrastruktura má nízké riziko uvíznutí, protože je modulárně rozšiřitelná a přizpůsobitelná. Know-how je pro SMR úzkým hrdlem s malým počtem globálních poskytovatelů, zatímco decentralizované řešení má široký a rostoucí okruh kvalifikovaných odborníků. Skryté dotace (odpovědnost, likvidace, výzkum) jsou u SMR vysoké a u solární energie a úložiště nízké. Náklady na skladování energie nejsou pro SMR relevantní, protože jsou určeny pro základní napájení; u decentralizovaných systémů se předpokládá, že náklady dosáhnou v roce 2025 přibližně 70 USD/kWh (ustálený stav, klesající trend) a v roce 2050 11–14 EUR/MWh. Spotřeba vody je u SMR vysoká kvůli chladicím systémům, zatímco u solární energie a skladování je nízká až žádná. Regulační nejistota je u SMR velmi vysoká a u decentralizované varianty střední. Flexibilita v reakci na změny poptávky u SMR téměř zcela chybí, zatímco decentralizované řešení nabízí vysokou flexibilitu. A konečně, environmentální rizika jsou u SMR vysoká (jaderná bezpečnost, dlouhodobý odpad) a u solární energie a skladování nízká. Celkově si varianta SMR vede hůře téměř ve všech kritériích – s jedinou výjimkou spolehlivého, na počasí nezávislého napájení základního napájení. Tento argument však ztrácí na významu, protože pokrokové technologie skladování, jako je velkokapacitní skladování sodíkových iontů s delšími cykly nabíjení/vybíjení, umožňují uchovávat velké množství energie po celé dny a týdny, čímž do značné míry znehodnocují argument základního zatížení.

Slepé místo plánovací logiky: Proč osoby s rozhodovací pravomocí systematicky přicházejí příliš pozdě

Existuje strukturální důvod, proč osoby s rozhodovací pravomocí ve vládách a velkých průmyslových společnostech opakovaně činí rozhodnutí o infrastruktuře, která se zpětně jeví jako špatné investice: Cykly institucionálního plánování jsou zásadně neslučitelné s tempem technologických změn.

Vládní programy, parlamentní usnesení, programy financování a veřejné zakázky fungují v cyklech čtyř až deseti let. O infrastrukturním projektu, jako je reléová stanice veřejné dopravy (SMR), se rozhoduje v politickém a technologickém prostředí, které se před uvedením do provozu několikrát zásadně změnilo. Institucionální setrvačnost vytvořená byrokratickými postupy, lobbováním vlivných průmyslových skupin a psychologickou fixací na rozhodnutí učiněná v daném okamžiku znamená, že skutečné potřeby a možnosti v době výstavby již neodpovídají předpokladům učiněným v době plánování.

Technologický vývoj posledních několika století toto zrychlení názorně demonstruje: Průmyslová revoluce trvala přibližně 100 let, než se projevily její hlavní ekonomické dopady. Elektrifikace trvala přibližně 50 let. Internet transformoval globální ekonomiku za zhruba 20 let. Umělá inteligence a související vývoj hardwaru mění základní rámcové podmínky v cyklech kratších než deset let – a se stále rostoucím zrychlením. Logika, která byla vhodná pro rozhodnutí o infrastruktuře ve 20. století, je pro 21. století strukturálně nevhodná.

To je obzvláště důležité pro nevratné rozsáhlé investice s dlouhou dobou amortizace. Solární pole lze postavit během několika měsíců a relativně snadno upravit nebo demontovat, pokud se změní potřeby. Datové centrum založené na modulární architektuře lze škálovat a modernizovat. Jaderná elektrárna je po výstavbě po dobu 40 až 60 let do značné míry rigidní konstrukcí, jejíž náklady na vyřazení z provozu dosahují miliard. Strategická hodnota flexibility a volitelnosti – schopnost reagovat na měnící se okolnosti – je v tradičních investičních výpočtech systematicky podceňována.

Závěr s nuancemi: Nejde o situaci typu buď/anebo, ale spíše o otázku priorit

Bylo by zjednodušením tvrdit, že SMR jsou v podstatě bezcenné nebo že decentralizovaná infrastruktura dokáže uspokojit každou potřebu. Realita je však složitější.

Existují specifické případy použití, pro které bude centralizovaný výpočetní výkon – alespoň pro trénování velkých modelů umělé inteligence – v krátkodobém horizontu stále potřeba. A existují legitimní argumenty pro jadernou energii jako součást diverzifikovaného nízkouhlíkového energetického mixu – zejména v zemích, které nemají dostatek obnovitelných zdrojů. Francie, která udržuje stávající infrastrukturu jaderných elektráren, jež je po desetiletí odepisována, je v zásadně jiné pozici než země, která chce dnes stavět malé modulární reaktory od nuly.

Skutečným problémem není samotná myšlenka malých reaktorů. Problém spočívá v kombinaci tří faktorů: zaprvé, v rozporu mezi tím, kdy by malé modulární reaktory (SMR) mohly dodávat energii, a kdy infrastruktura umělé inteligence tuto energii potřebuje; zadruhé, v nedostatečné transparentnosti ohledně skutečných celkových nákladů, včetně skrytých dotací a rizik uvíznutí; a zatřetí, ve strategické slepotě vůči skutečnosti, že technologický vývoj – jak v oblasti hardwaru umělé inteligence, tak v oblasti ukládání energie – může zásadně změnit základní předpoklady těchto investičních rozhodnutí v časovém rámci kratším, než je typická doba výstavby.

Ekonomicky zodpovědná odpověď na energetickou otázku éry umělé inteligence nespočívá ve volbě mezi malými modulárními reaktory (SMR) a obnovitelnými zdroji energie, mezi centralizovaným a decentralizovaným řešením. Spočívá v navrhování infrastrukturních rozhodnutí tak, aby se maximalizovala volitelnost a minimalizovalo riziko uvíznutí. To znamená modulární, reverzibilní, technologicky neutrální a transparentní řešení. A znamená to nepřenášet náklady na daňové poplatníky budoucích generací, zatímco se dnešní zisky privatizují – což je vzorec, který bohužel až příliš systematicky charakterizuje historii jaderné energie v Evropě.

Skutečnou provokací této debaty tedy není technická otázka, která infrastruktura je lepší. Skutečnou provokací je ta politická: Proč se diskuse o budoucnosti připravené infrastruktuře umělé inteligence téměř výhradně zaměřuje na technologii, jejíž realizační horizont leží za horizontem plánování plánů pro umělou inteligenci, jejíž historie nákladů se vyznačuje překročením rozpočtu o několik set procent a jejíž dotace jsou do značné míry zastřeny? Odpověď na tuto otázku není technologické, ale politicko-ekonomické povahy – a právě proto zůstává ve veřejné debatě tak tvrdohlavě zamlčována.

☑️ Naším obchodním jazykem je angličtina nebo němčina

☑️ NOVINKA: Korespondence ve vašem rodném jazyce!

Konrad Wolfenstein

Já a můj tým jsme rádi, že vám můžeme být k dispozici jako váš osobní poradce.

Můžete mě kontaktovat vyplněním kontaktního formuláře zde nebo jednoduše zavolat na číslo +49 7348 4088 965. Moje e-mailová adresa je : [email protected]

Těším se na náš společný projekt.

☑️ Podpora malých a středních podniků v oblasti strategie, poradenství, plánování a implementace

☑️ Vytvoření nebo restrukturalizace digitální strategie a digitalizace

☑️ Rozšíření a optimalizace mezinárodních prodejních procesů

☑️ Globální a digitální B2B obchodní platformy

☑️ Průkopnický rozvoj podnikání / Marketing / PR / Veletrhy

Kvazi-interní řešení: Jak Xpert.Digital uzavírá provozní mezery v marketingu a prodeji B2B – Smart Content-Driven Business - Obrázek: Xpert.Digital

Xpert.Digital je datově orientované B2B centrum pro průmysl, které vede Konrad Wolfenstein . Společnost funguje jako externí, kvazi-interní řešení pro průmyslové partnery a odstraňuje provozní mezery v marketingu, obsahu a prodeji – aniž by vyžadovala další zdroje na straně klienta.

Více informací zde:

• Kvazi-interní řešení: Jak Xpert.Digital uzavírá provozní mezery v marketingu a prodeji B2B – Smart Content-Driven Business