Det globale kapløb om AI-datacentre: Er en større boble på vej? Den velbevarede hemmelighed om AI-giganternes sande udnyttelsesgrader – et kreativt billede om emnet med AI: Xpert.Digital
Amerikas gigafabrikker vs. Kinas hemmelige chips: Det nye geopolitiske kapløb om AI-magt
Leje i stedet for at bygge: Hvorfor den hemmelige AI-vinder Anthropic ikke ejer sine egne datacentre
I 2026 har den afgørende slagmark for kunstig intelligens ændret sig dramatisk. Det handler ikke længere kun om, hvilken sprogmodel der genererer de mest intelligente tekster, designer de mest kreative billeder eller skriver den mest fejlfri kode. Det sande, langt mere ubarmhjertige kapløb finder nu sted i den fysiske verden: i form af gigantiske datacentre, knap strømkapacitet og billioner af dollars i infrastrukturinvesteringer. Tech-giganter som Microsoft, Google og Meta, såvel som nye kinesiske aktører, pumper i øjeblikket ufattelige summer ind i opførelsen af såkaldte "AI-gigafabrikker". Det globale investeringsvolumen overstiger nu hele nationers økonomiske output. Men bag kulisserne i denne hidtil usete kamp om ressourcer opstår der alvorlige strukturelle problemer. Mens startups som Anthropic er tvunget til at stole på fleksible lejemodeller, bliver en dramatisk flaskehals tydelig på verdensplan, der ikke primært stammer fra de højt omtalte AI-chips, men fra det trivielle problem med strømforsyning, stigende køleomkostninger og mangel på netværksforbindelser. I denne titaniske kamp mellem USA og Kina risikerer Europa at sakke definitivt bagud på grund af strenge regler og mangel på kapital. Det mest presserende spørgsmål er imidlertid: Er det her, det uundværlige fysiske fundament for fremtidens globale økonomi bygges – eller er den største og dyreste investeringsboble i vores årti ved at blive pustet op lige for øjnene af os?
Relateret til dette:
Når computerkraft bliver vigtigere end selve modellen
Enhver, der følger nyhederne omkring kunstig intelligens i sommeren 2026, får hurtigt det indtryk, at den reelle konkurrence for længst har ændret sig. Markedsstyrken bestemmes ikke længere udelukkende af, hvilken sprogmodel der leverer de mest intelligente svar, men snarere af den simple fysiske tilgængelighed af computerkraft, elektricitet og kølekapacitet. Meddelelserne fra OpenAI, Anthropic, Google, xAI, Meta og et stigende antal kinesiske udbydere som Alibaba, DeepSeek, Moonshot og Z.ai ligner nu mindre produktlanceringer og mere byggerapporter fra tungindustrien. Gigawatt-tal, leveringstider for transformere og nettilslutningsapplikationer er blevet de sande målepunkter for AI-kapløbet, mens modellerne i sig selv, uanset hvor kraftfulde de måtte være, i stigende grad fremstår som udskiftelig software på et sparsomt og dyrt fysisk fundament. Dette skift er økonomisk betydningsfuldt, fordi det omformer magtbalancen på tværs af hele teknologisektoren og binder kapital i en skala, der ville have været utænkelig for bare få år siden.
Hvorfor kapacitet ikke længere kan måles i enheder
Et centralt metodologisk problem plager enhver seriøs analyse af dette felt. Enhver, der forsøger at bestemme antallet af "AI-datacentre" pr. leverandør eller model, støder hurtigt på en begrænsning, som selv specialiserede markedsobservatører som Epoch AI eller AI Data Center Index ikke kan løse. Årsagen ligger i selve infrastrukturens natur. En enkelt datacentercampus tjener ofte flere formål samtidigt, idet den bærer træningsbelastninger for én model og inferensbelastninger for en anden, drives af en hyperscaler, men delvist udlejes til en konkurrent, og ændrer sin allokering, når nye kontrakter underskrives. Anthropic ejer for eksempel stort set ingen egne træningscampusser, men lejer kapacitet fra Amazon via sine proprietære Trainium-chips, fra Google via TPU-forpligtelser i gigawatt-skala, fra Microsoft, fra specialiserede neocloud-udbydere som CoreWeave, Fluidstack og Nscale, og endda fra sin direkte konkurrent xAI, hvis Colossus-klynge i Memphis allokerer kapacitet til flere kunder samtidigt. Et pålideligt tal for, hvor mange af sine egne datacentre Anthropic driver, findes simpelthen ikke, fordi dens forretningsmodel er baseret på leasing snarere end ejerskab. Denne mangel på klarhed er udbredt i stort set hele branchen og gør det klart, at pålidelige udsagn skal være baseret på megawatt- og gigawatt-tal, specifikke placeringer og kontraktligt dokumenterede aftaler, ikke på angiveligt præcise tal.
Infrastruktursatsningens milliardstørrelse
Omfanget af investeringer, der strømmer ind i denne sektor, kan næppe længere forstås ved hjælp af traditionelle virksomhedsfinansieringskategorier. Markedsobservatører forventer et kumulativt investeringsvolumen fra de store hyperscaler-virksomheder i 2026, der spænder fra 630 milliarder dollars til 830 milliarder dollars. Selvom de nøjagtige tal varierer afhængigt af metoden, deler alle estimater et fælles underliggende budskab: dette repræsenterer en stigning på cirka 60 procent sammenlignet med året før. Goldman Sachs anslår de kumulative udgifter for perioden mellem 2026 og 2031 til omkring 7,6 billioner dollars, mens McKinsey tidligere havde forudsagt et investeringsbehov på cirka 5,2 billioner dollars inden 2030 alene for AI-aktiverede datacentre. Disse beløb overstiger den økonomiske produktion i mellemstore industrialiserede lande og rejser det grundlæggende spørgsmål om, hvorvidt det forventede afkast fra AI-tjenester nogensinde kan retfærdiggøre denne kapitaludgift. Amazon planlægger at investere omkring 220 milliarder dollars i kapitaludgifter i år, Alphabet ligger i intervallet 180 til 200 milliarder dollars, Microsoft omkring 175 til 190 milliarder dollars, og Meta mellem 125 og 145 milliarder dollars. Sammen med Oracle, hvis investeringer beløber sig til cirka 50 til 56 milliarder dollars, tegner dette et billede af fem virksomheder, der effektivt finansierer det globale fysiske fundament for AI-revolutionen, mens mindre udbydere som OpenAI og Anthropic fortsat er afhængige af deres infrastruktur eller af specialiserede udlejere.
Amerikas gigafabrikker som et geopolitisk statement
Den fysiske realitet af denne investeringsbølge er mest tydelig i USA, hvor Stargate-projektet fra OpenAI, Oracle og SoftBank skaber et netværk af datacenterlokationer. Den oprindelige annoncering på ti gigawatt og 500 milliarder dollars har vist sig at være betydeligt mere kompleks i praksis. Anlægget i Abilene, Texas, er nu operationelt, mens andre lokationer i Michigan, Wisconsin, Ohio og New Mexico er under opførelse eller i planlægningsfasen. Datatrackere anslår, at den aktuelt realistiske planlagte amerikanske kapacitet ligger i det høje encifrede gigawatt-interval, betydeligt under den oprindelige annoncering. Parallelt lancerede Microsoft sin egen klynge, designet som en enkelt supercomputer og baseret på GB200-arkitekturen, på sin Fairwater-campus i Wisconsin i juni 2026, hvilket understreger virksomhedens uafhængighed af individuelle kunderelationer, såsom dens partnerskab med OpenAI. xAI har på sin side opbygget en kapacitet på omkring en gigawatt med sit Colossus-kompleks i Memphis og Southaven og har opført flere bygninger. Virksomheden bruger ikke faciliteten udelukkende til sine egne Grok-træningsforløb, men leaser også computerkraft til konkurrenter som Anthropic og Google – en kendsgerning, der afslører den tætte økonomiske indbyrdes afhængighed, selv mellem tilsyneladende rivaliserende laboratorier. Meta øgede sin planlagte kapacitet til sit Hyperion-projekt i Louisiana til fem gigawatt og et investeringsvolumen på over 50 milliarder dollars i juli 2026, selvom de første faser af udvidelsen realistisk set ikke forventes at træde i kraft før 2028. Denne tidsforsinkelse er typisk for hele branchen, hvor annonceringer regelmæssigt kommer år før den faktiske idriftsættelse, og investorer reelt er afhængige af et løfte om fremtidig kapacitet.
Kinas parallelle vej via indenlandske chips
Mens amerikansk udvikling i høj grad er afhængig af Nvidia-hardware, følger Kina en bevidst anderledes vej, oprindeligt tvunget af amerikanske eksportrestriktioner, men som siden har udviklet sig til en uafhængig industripolitisk strategi. Ifølge Bloomberg-rapporter lancerede Z.ai, tidligere kendt som Zhipu, delvist et datacenter på én gigawatt i juli 2026, der udelukkende opererer med kinesiske chips, selvom dets nøjagtige placering forbliver ukendt. Virksomheden hævder, at GLM-5.3-Flash-modellen, der er trænet der, vil blive kørt på over 100.000 indenlandsk producerede chips til inferens, et tal, der endnu ikke er blevet uafhængigt verificeret. DeepSeek annoncerede planer i juli 2026 om at bygge sit eget gigawatt-datacenter i Ulanqab, Indre Mongoliet, med delvis drift planlagt til slutningen af 2027 eller begyndelsen af 2028, hvilket understreger dets halte bagefter de amerikanske projekter. Moonshot AI, virksomheden bag Kimi-modellerne, valgte en mere pragmatisk tilgang og underskrev en lejeaftale med Alibaba Cloud i sommeren 2026 for cirka 20.000 Nvidia-grafikprocessorer. Dette viser, at selv kinesiske leverandører, på trods af politiske spændinger, fortsat får adgang til vestlig hardware, hvis der kan findes en juridisk eller logistisk løsning. Undersøgelsesrapporter, der hævder, at Moonshot fik adgang til den seneste Blackwell-generation af Nvidia-chips via tredjelande i Sydøstasien, især Thailand, forbliver ubekræftede påstande og understøttes ikke af pålidelige beviser fra forsyningskæden eller officielle udtalelser fra de involverede virksomheder. Alibaba driver nu selv 105 tilgængelighedszoner i 32 regioner verden over og har afsat 53 milliarder dollars til at udvide sin cloud-infrastruktur. Supercomputercentret i Ulanqab er et af fem såkaldte superdatacentre og bruges til både sin egen Qwen-model og eksterne kunder som Moonshot. Et mere konkret eksempel på denne skala er Lingjun Zhenwu M890-supernoden i Ulanqab, som blev kommercielt lanceret i august 2026. Dens underliggende HPN 8.0-arkitektur øger sammenkoblingsskalering fra 16 til 64 GPU'er pr. node med en båndbredde på 800 gigabyte pr. sekund, hvilket teoretisk set muliggør klynger med op til 130.000 heterogene GPU'er og potentialet for udvidelse til et mesh-netværk med millioner af kort. Dette kvalificerer faciliteten til at træne og udlede modeller med op til ti billioner parametre. Den kinesiske konkurrent Z.ai er derimod udelukkende afhængig af indenlandsk producerede acceleratorer fra Huawei, Cambricon og Moore Threads på sin gigawatt-campus, som har været delvist operationel siden juli 2026. Dette skyldes, at virksomheden har været på den amerikanske eksportkontrolliste siden begyndelsen af 2025 og derfor er fuldstændig afskåret fra adgang til Nvidia-hardware. Hver enkelt klynge på faciliteten omfatter angiveligt mere end 10.000 chips. DeepSeek er dog fortsat uafklaret og politisk kontroversielt med hensyn til chipmixet til deres planlagte Ulanqab-lokation. Dette følger en påstand fra en amerikansk regeringsrepræsentant i februar 2026 om, at virksomheden ulovligt havde brugt Nvidia Blackwell-chips på et anlæg i Indre Mongoliet – en påstand, som DeepSeek benægter, og som ikke kan verificeres uafhængigt. Som et groft omkostningsestimat for et gigawatt-datacenter med avanceret acceleratorteknologi nævnte Nvidias administrerende direktør, Jensen Huang, et tal på cirka 50 milliarder dollars, en tommelfingerregel, der dog ikke er baseret på et specifikt investeringsbeløb, som DeepSeek selv har bekræftet. En interessant indirekte indikation af den relative omkostningseffektivitet af den kinesiske infrastruktur leveres af API-priserne på de respektive modeller: Mens Z.ais GLM 4.7 Flash, til omkring 0,06 dollars pr. million input-tokens, og DeepSeek V4 Flash, til omkring 0,09 dollars, er blandt de billigste tilbud på markedet, er Moonshots Kimi K2.7-kode, til omkring 0,74 dollars, betydeligt dyrere. Dette kan delvist tilskrives afhængigheden af leasede Nvidia GPU'er, da Moonshot ikke selv har nogen kendt storskala-faciliteter, men snarere, ifølge deres egne udsagn, har leaset omkring 20.000 GPU'er fra Alibaba Cloud.
Europas forsøg på en uafhængig position
Den Europæiske Union er i en strukturelt svagere position i dette globale kapløb, både på grund af den lavere kapitalstyrke i de indenlandske teknologivirksomheder og den udtalte regulatoriske modvilje. Det franske firma Mistral AI driver i øjeblikket en fabrik i nærheden af Paris, mens en anden fabrik i Sverige er under opførelse med det erklærede mål at nå en kapacitet på 200 megawatt inden 2027 og én gigawatt inden 2030. Det er bemærkelsesværdigt, at Microsoft i juli 2026 underskrev en flerårig lejeaftale for europæisk Mistral-kapacitet. Selvom det nøjagtige beløb ikke blev offentliggjort, rapporterer Reuters, at det drejer sig om milliarder af euro. Denne aftale kaster et afslørende lys over grænserne for Europas krav på suverænitet, da en central ankerlejer i den angiveligt europæiske AI-infrastruktur er ingen ringere end den amerikanske teknologigigant, hvis grafikprocessorer stadig overvejende fremstilles i USA. Som reaktion på denne strukturelle afhængighed iværksatte Europa-Kommissionen i juli 2026 en proces for at etablere syv såkaldte AI-gigafabrikker, hvortil der er øremærket cirka 30 milliarder euro i offentlig og privat finansiering. Dette projekt er dog i øjeblikket i konsortieopbygningsfasen og har endnu ikke skabt nogen operationel kapacitet. Samtidig bliver de lovgivningsmæssige rammer for nye datacentre i Europa stadig strengere, som det ses i Spanien, hvor der i august 2026 blev fremsat et lovforslag, der ville kræve, at nye faciliteter med en kapacitet på mere end én megawatt skal demonstrere, at de genererer mindst 80 procent yderligere vedvarende elektricitet i timen. Sådanne krav øger placeringsomkostningerne betydeligt inden for Den Europæiske Union og kan føre til, at en voksende andel af den globale AI-træningskapacitet permanent placeres uden for kontinentet.
En ny dimension af digital transformation med 'Managed AI' (kunstig intelligens) - Platform & B2B-løsning | Xpert Consulting
En ny dimension af digital transformation med 'Managed AI' (kunstig intelligens) – Platform & B2B-løsning | Xpert Consulting - Billede: Xpert.Digital
Her lærer du, hvordan din virksomhed kan implementere skræddersyede AI-løsninger hurtigt, sikkert og uden høje adgangsbarrierer.
En administreret AI-platform er din altomfattende og bekymringsfri løsning til kunstig intelligens. I stedet for at skulle håndtere kompleks teknologi, dyr infrastruktur og langvarige udviklingsprocesser, får du en færdiglavet løsning skræddersyet til dine behov fra en specialiseret partner – ofte inden for få dage.
De vigtigste fordele på et overblik:
⚡ Hurtig implementering: Fra idé til brugsklar applikation på dage, ikke måneder. Vi leverer praktiske løsninger, der skaber øjeblikkelig merværdi.
🔒 Maksimal datasikkerhed: Dine følsomme data forbliver hos dig. Vi garanterer sikker og kompatibel behandling uden at dele data med tredjeparter.
💸 Ingen økonomisk risiko: Du betaler kun for resultater. Store forudgående investeringer i hardware, software eller personale elimineres fuldstændigt.
🎯 Fokuser på din kerneforretning: Koncentrer dig om det, du er bedst til. Vi tager os af hele den tekniske implementering, drift og vedligeholdelse af din AI-løsning.
📈 Fremtidssikret og skalerbar: Din AI vokser med dig. Vi sikrer løbende optimering og skalerbarhed og tilpasser modellerne fleksibelt til nye krav.
Mere information her:
Mellem milliardinvesteringer og overkapacitet: Den nye virkelighed inden for AI-infrastruktur
Elektricitet som årtiets virkelige flaskehals
De, der reducerer den offentlige debat omkring AI-infrastruktur til udelukkende grafikprocessorer (GPU'er), misforstår sektorens sande dynamik. Talrige eksperter og analytikere påpeger nu, at den afgørende begrænsende faktor ikke er tilgængeligheden af chips, men snarere tilgængeligheden af elektricitet og den tilhørende netinfrastruktur. I juni 2026 udstedte den amerikanske reguleringsmyndighed FERC direktiver, der havde til formål at fremskynde tilslutningen af såkaldte store belastninger til elnettet - en direkte indrømmelse af, at eksisterende godkendelsesprocesser for nettilslutning ikke længere er tilstrækkelige til datacenteroperatørers udvidelsesplaner. Samtidig udvidede Det Hvide Hus i juli 2026 Ratepayer Protection Pledge, en politisk forpligtelse fra datacenteroperatører til ikke at overvælte yderligere netomkostninger genereret af deres faciliteter til private elkunder. Denne politiske foranstaltning opstod som en direkte reaktion på den voksende offentlige modstand mod stigende elpriser i regioner med en høj tæthed af datacentre og viser, at udvidelsen af AI-infrastruktur for længst er blevet et politisk følsomt emne. Eksemplet med xAI, der midlertidigt var afhængig af mobile gasturbiner i Memphis for at sikre strømforsyningen til sine faciliteter uden at skulle vente på en regelmæssig nettilslutning, illustrerer, hvor intenst tidspresset er blevet i kapløbet om computerkapacitet. Analytikere hos tænketanken BloombergNEF anslår, at den globale datacenterkapacitet under opførelse nu overstiger 23 gigawatt, mens investeringsvolumen alene hos de største operatører nærmer sig 750 milliarder dollars i 2026. Disse tal gør det klart, at den virkelige flaskehals i de kommende år ikke ligger i halvlederindustrien, men i energisektoren og dens tilhørende tilladelsesprocesser, herunder leveringstiderne for transformere og andre kritiske netkomponenter, som nu kan strække sig over flere år.
Relateret til dette:
Mysteriet omkring den faktiske udnyttelse af kapaciteten
En ofte overset dimension af debatten vedrører den faktiske udnyttelse af den opbyggede kapacitet i forhold til den nominelle tilslutningsbelastning. De gigawatt-tal, der cirkulerer i offentlige rapporter, beskriver generelt den maksimale installerede kapacitet på et anlæg, men siger kun lidt om, hvor meget af denne kapacitet der rent faktisk bruges til produktiv træning eller inferenskørsler, og hvor meget der forbliver ubrugt som reserve eller på grund af tekniske flaskehalse. Denne sondring er økonomisk betydningsfuld, fordi den direkte påvirker det faktiske investeringsafkast for disse milliardprojekter. Et datacenter, der formelt har én gigawatt tilslutningsbelastning, men kun udnyttes 60 eller 70 procent på grund af køleproblemer, softwareoptimering eller simpelthen manglende efterspørgsel, vil naturligvis generere et betydeligt lavere afkast end antydet i investorpræsentationer. Pålidelige, uafhængigt verificerede data om den faktiske udnyttelse af individuelle anlæg er praktisk talt ikke-eksisterende, da operatører ikke videregiver disse oplysninger af konkurrencemæssige årsager. Denne mangel på gennemsigtighed gør det ikke blot vanskeligt at vurdere investeringsbeslutninger eksternt, men giver også næring til den voksende skepsis hos nogle markedsobservatører, der ser tegn på spekulativ overreaktion i de nuværende kapitalstrømme, hvilket kan sammenlignes med tidligere faser af overdrevne infrastrukturinvesteringer i telekommunikationsindustrien i begyndelsen af 2000'erne.
Antropisk som et godt eksempel på den asset-light-tilgang
Særligt afslørende for forståelsen af den økonomiske logik i denne sektor er tilfældet med Anthropic, hvis forretningsmodel bevidst er baseret på minimal fysisk ejerskab og maksimal kontraktlig fleksibilitet. I august 2026 underskrev virksomheden en kontrakt med den britiske neocloud-udbyder Nscale om 460 megawatt kapacitet i West Virginia, hvis samlede værdi ifølge Bloomberg-rapporter forventes at nå omkring 45 milliarder amerikanske dollars over en seksårig periode. Samtidig opretholder Anthropic parallelle kapacitetsaftaler med Amazon, hvis egenudviklede Trainium-chips i stigende grad fungerer som et alternativ til Nvidia-hardware; med Google, hvis TPU-forpligtelser også er i gigawatt-området; og med andre specialiserede udbydere som Fluidstack og endda med sin egen konkurrent xAI, hvis Colossus-anlæg udlejer kapacitet til flere kunder samtidigt. Denne strategi giver Anthropic mulighed for at finansiere sin vækst uden de enorme forudgående investeringer, som virksomheder som Meta eller OpenAI skal administrere på egen hånd, men samtidig flytter den en betydelig risiko til udlejeren og gør virksomheden strukturelt afhængig af tredjeparters forhandlingsstyrke og kapacitetsbeslutninger. Fra et økonomisk perspektiv repræsenterer denne tilgang et væddemål om, at omkostningerne ved lejet computerkapacitet ikke vil stige hurtigere end virksomhedens egne indtægter på lang sigt – en antagelse, der på ingen måde er given i betragtning af den nuværende mangel på højtydende chips og strømkapacitet.
Oversigt over størrelsen af de vigtigste AI-datacentre
Selvom der, som forklaret ovenfor, ikke kan specificeres et præcist og universelt accepteret antal AI-datacentre pr. modeludbyder, findes der nu pålidelige estimater for ydeevne, investeringsvolumen og chipbeholdning for de største klynger. Disse er dokumenteret af specialiserede trackere som Epoch AI og AI Data Center Index, samt af virksomhedsdata og lovgivningsmæssige dokumenter. Følgende oversigt opsummerer størrelsesordenen for de vigtigste placeringer, idet der altid skelnes mellem den nuværende operationelle og den forventede endelige kapacitet.
| Operatør / Model | Centralt anlæg(er) | Nuværende præstation | Planlagt endelig kapacitet | Antal chips (cirka) | Investeringsvolumen |
|---|---|---|---|---|---|
| Google / Gemma | 44 sporede steder i 26 lande | Cirka 9,0 GW samlet kapacitet på sporet, hvoraf cirka 75 procent er i drift | Den vokser kontinuerligt; der er ikke fastsat nogen slutdato | TPU-domineret, inklusive omkring 1 million Ironwood TPU'er alene til Anthropic-aftalen | Individuelle investeringer pr. lokation ligger normalt mellem 12 og 17 milliarder amerikanske dollars, f.eks. Google New Albany omkring 17,2 milliarder amerikanske dollars |
| xAI / Grok | Colossus 1-3, Memphis og Southaven | Cirka 1,0 til 1,4 GW IT-kapacitet, det nøjagtige tal varierer afhængigt af kilden | cirka 2 GW målrettet | Mellem 555.000 og cirka 1,02 millioner GPU'er afhængigt af optællingsdatoen, primært Nvidia GB200/GB300 | Omtrent 18 til 38 milliarder amerikanske dollars alene til hardware; de samlede kapitalomkostninger ifølge Epoch er i øjeblikket på 35,8 milliarder amerikanske dollars, hvilket forventes at nå op på 58 milliarder amerikanske dollars |
| OpenAI/GPT-familien (Stargate) | Abilene (Texas) og syv til otte andre amerikanske lokationer plus UAE | Cirka 1,2 GW i drift på flagskibsstedet Abilene, med i alt cirka 7 GW under planlægning eller opførelse | Målet på 10 GW som angivet i det oprindelige program, realistisk set tættere på 7 GW inden udgangen af 2020'erne | Intet offentligt tilgængeligt samlet antal chips; individuelle lokationer har hundredtusindvis af H100-ækvivalenter | Nominelt 500 milliarder dollars forpligtet over fire år, plus en Oracle Cloud-kontrakt på 300 milliarder dollars, i alt over 1,4 billioner dollars i navneskilteforpligtelser |
| Meta / Lama | Hyperion (Louisiana), Prometheus (Ohio) | Hyperion er i øjeblikket under opførelse, ingen faser er fuldt operationelle, Prometheus er planlagt til at gå online i 2026 | 5 GW for Hyperion inden cirka 2030/2032, mellemtrin 1,5 GW inden udgangen af 2027 | Prognoserer cirka 4,25 millioner H100-ækvivalenter til Hyperion inden 2028, med over 1,3 millioner GPU'er i målbilledet | Omkostningerne til Hyperion steg fra oprindelige 10 milliarder dollars til over 50 milliarder dollars, med andre estimater på op til 200 milliarder dollars inklusive energiinfrastruktur |
| Antropisk / Claude | Ingen egne campusser, kapacitet hos Google (TPU), Amazon, Nscale, xAI osv. | Der er allerede afsat cirka 1 GW TPU-kapacitet til 2026 med en udvidelse til 3,5 til 5 GW fra 2027 og fremefter | Op til 5 GW TPU-kapacitet ifølge Google-aftale fra april 2026 | op til 1 million TPU'er (Google-aftale) | Googles investering i Anthropic er på op til 40 milliarder amerikanske dollars, med en yderligere kontrakt fra Nscale på cirka 45 milliarder amerikanske dollars over seks år for 460 MW |
| Microsoft / Phi (Azure-backbone) | Fairwater Wisconsin, Fairwater Atlanta, andre Azure-lokationer | Fairwater Wisconsin har været i drift siden juni 2026 med en kapacitet på cirka 446.000 H100-ækvivalenter ifølge Epoch | fortsætter med at vokse med den samlede Azure-udvidelse | flere hundrede tusinde GPU'er pr. placering | Koncernomfattende kapitaludgifter på cirka 175 til 190 milliarder amerikanske dollars alene i 2026 |
| Z.ai (GLM-familie) | en gigawatt-campus, placering ikke offentligt kendt | cirka 1 GW, delvist operationel siden juli 2026, flere klynger med over 10.000 chips hver | ingen offentliggjort udvidelsestrin | Udelukkende kinesiske acceleratorer (Huawei Ascend, Cambricon, Moore Threads), ingen Nvidia-hardware, da Z.ai har været på den amerikanske entitetsliste siden begyndelsen af 2025 | Intet officielt investeringsbeløb; indirekte gunstige API-priser (GLM 4.7 Flash omkring 0,06 USD pr. million input-tokens) fungerer som en effektivitetsindikator |
| DeepSeek | planlagt campus i Ulanqab, Indre Mongoliet | Stadig under opførelse, delvis drift forventes ikke før udgangen af 2027 eller begyndelsen af 2028 | 1 GW målkapacitet | Chip-mix uafklaret, kontroversielle amerikanske påstande om ulovligt brugte Nvidia Blackwell-chips, afvist af DeepSeek | Intet bekræftet tal, men ifølge Nvidias administrerende direktør er en grov tommelfingerregel for branchen omkring 50 milliarder amerikanske dollars pr. gigawatt for hardware af højeste kvalitet |
| Alibaba / Qwen (inklusive Kimi som medbruger) | Super DC Ulanqab med Lingjun Zhenwu M890 supernode | Kommercielt tilgængelig siden august 2026, en del af fem landsdækkende Alibaba-superdatacentre | HPN 8.0-arkitekturen er teoretisk skalerbar til op til 130.000 heterogene GPU'er pr. klynge, og mesh-udvidelse til millionkortniveauet er annonceret | Skalering af forbindelser fra 16 til 64 GPU'er pr. node, 800 GB/s båndbredde, egnet til modeller med op til 10 billioner parametre | En del af virksomhedens samlede investeringsforpligtelse på 53 milliarder dollars til cloud-infrastruktur; der blev ikke offentliggjort noget campusspecifikt tal |
| Moonshot AI / Kimi | Ingen kendt storskalafabrik af egen produktion; leasingkapacitet tilgængelig hos Alibaba Cloud | omkring 20.000 leasede Nvidia GPU'er | ingen offentliggjort udvidelsesplan | Anbefaling til selvbetjening af Kimi K3: mindst 64 acceleratorer og cirka 1,6 terabyte aggregeret GPU-hukommelse pr. inferensklynge | Intet investeringsbeløb er kendt; API-priserne er betydeligt højere end konkurrenternes (Kimi K2.7-koden koster omkring 0,74 USD pr. million input-tokens) |
Forsigtighed anbefales ved fortolkning af disse tal, da stort set alle specifikationer vedrørende ydeevne eller kapacitet kvantificeres forskelligt af forskellige kilder. Eksemplet med Colossus illustrerer dette levende, hvor rapporterne varierer mellem 300.000 og over en million grafikprocessorer, og mellem 500 megawatt og 1,4 gigawatt, afhængigt af tid og tællemetode. Epoch AI, en af de mest metodisk transparente trackere, når frem til en samlet IT-kapacitet på cirka 13,3 gigawatt og cirka 14,6 millioner H100-ækvivalenter for hele sit datasæt på 86 AI-datacentre verden over, fordelt på 18 forskellige ejere. Som en grov tommelfingerregel for kapitalintensitet beregner Epoch AI en typisk investering på cirka 30 til 44 milliarder amerikanske dollars pr. gigawatt serverkapacitet, hvoraf størstedelen er til selve hardwaren, mens resten dækker bygninger, køling og netværksforbindelse. Denne figur illustrerer, hvorfor et enkelt gigawatt-anlæg allerede opnår et investeringsvolumen, der overstiger balancesummen for mellemstore industrikoncerner, og hvorfor kapløbet om computerkapacitet i stigende grad koncentreres om et par økonomisk stærke aktører, der har den nødvendige adgang til kapital.
Regulering som en anden konkurrencefront
Udover fysisk infrastruktur bliver regulering i stigende grad en uafhængig konkurrencefaktor, der i betydelig grad påvirker udbydernes strategiske beslutninger. I USA udgav OpenAI oprindeligt sin GPT-5.6-model i Sol-, Terra- og Luna-varianterne som en strengt begrænset pre-release-version i juni 2026 efter konsultation med den amerikanske regering - et hidtil uset skridt, der demonstrerer det stadig tættere forhold mellem førende amerikanske AI-laboratorier og politiske ledere. Denne regeringsinddragelse i godkendelsesbeslutninger for kommercielle AI-produkter markerer et klart brud med den tidligere praksis med relativt åbne modeludgivelser og kan fortolkes som et svar på sikkerhedsproblemer vedrørende kapaciteten i stadig mere kraftfulde systemer. I Den Europæiske Union trådte den såkaldte AI Omnibus-pakke i kraft i juli 2026. Selvom den udsætter fristerne for overholdelse af strengere regler for højrisiko-AI-systemer, lader den den grundlæggende reguleringsarkitektur i AI-loven være uændret. Denne forsinkelse hilses i vid udstrækning velkommen af industrien, da den giver yderligere tid til tilpasning, men kritiseres af forbrugerbeskyttelsesorganisationer, fordi den yderligere udsætter den faktiske håndhævelse af vigtige sikkerhedsregler. Derudover udstedte den amerikanske regering i august 2026 en bekendtgørelse vedrørende udenlandsk netudstyr, hvis praktiske konsekvens kan være, at de allerede lange leveringstider for transformere og andre kritiske netkomponenter vil stige yderligere, hvilket sandsynligvis vil bremse udvidelsen af ny datacenterkapacitet i USA.
Grænserne for offentligt tilgængelige oplysninger
Trods den omhyggelige detaljerede rapportering skal det bemærkes, at en betydelig del af de offentligt udsendte tal om AI-datacentre i sidste ende er baseret på anonyme kilder, virksomhedsrelaterede meddelelser eller metodisk forskellige trackere, hvis sammensætning ikke let kan sammenlignes. Det nøjagtige antal bygninger på xAI's Colossus-anlæg, det præcise antal grafikprocessorer der, og om anlægget rent faktisk har nået to gigawatt eller betydeligt mere, kvantificeres alle forskelligt afhængigt af kilden uden mulighed for uafhængig verifikation. Det samme gælder den nøjagtige placering af den kinesiske Z.ai gigawatt-campus, hvis eksistens er blevet rapporteret af flere medier, men hvis geografiske placering endnu ikke er blevet offentligt bekræftet. Tilsvarende forbliver træningsinfrastrukturen hos mindre, men kommercielt relevante udbydere som MiniMax fra Shanghai, hvis økonomiske tal viser en stærk omsætningsvækst kombineret med store tab og forskningsudgifter, uden for enhver pålidelig offentlig vurdering, fordi virksomheden ikke oplyser om sine datacenterressourcer. Denne systematiske mangel på gennemsigtighed er ikke en tilfældighed, men følger den konkurrencemæssige logik i en branche, hvor selve den fysiske infrastruktur er blevet en strategisk hemmelighed, der kan sammenlignes med hemmeligholdelsen omkring industriel produktionskapacitet i andre højteknologiske industrier.
Hvad denne udvikling betyder for de kommende år
En omfattende gennemgang af de tilgængelige oplysninger tyder på en nuanceret, men klart berettiget vurdering. Det nuværende byggeboom inden for AI-datacentre repræsenterer utvivlsomt en af de største industrielle investeringsbølger i nyere økonomisk historie, og dets omfang overgår allerede i absolutte tal investeringer i tidligere teknologicyklusser, såsom udvidelsen af fiberoptiske netværk i slutningen af 1990'erne eller elektrificeringen af hele regioner i begyndelsen af det 20. århundrede. Samtidig afslører en nærmere undersøgelse, at en betydelig del af de offentligt kommunikerede kapacitetstal mere er et spørgsmål om annonceringer end pålidelig realitet, at den faktiske udnyttelse af de opførte faciliteter forbliver skjult, og at den reelle begrænsende faktor i stigende grad ikke længere er tilgængeligheden af halvledere, men snarere tilgængeligheden af elektrisk energi og nettilslutningskapacitet. For Europa udgør denne udvikling en strukturel udfordring, da kontinentet mangler både de amerikanske hyperscalers kapitalressourcer og den statsstyrede investeringskraft hos kinesiske udbydere, samtidig med at det accepterer yderligere konkurrencemæssige ulemper på grund af strengere miljø- og energiregler. Hvorvidt de enorme investeringssummer i de kommende år kan retfærdiggøres af tilsvarende økonomiske afkast fra AI-applikationer, er fortsat et åbent spørgsmål, hvis svar i høj grad vil afhænge af, om den opbyggede infrastruktur rent faktisk anvendes produktivt, eller om dele af den viser sig at være overkapacitet, hvis økonomiske afskrivninger sandsynligvis vil belaste de involverede virksomheder i de kommende år.
📈🚀 Fra synlighed til tillid 👀🤝 Din skalerbare vej med Xpert.Digital
Fra synlighed til tillid: Din skalerbare vej med Xpert.Digital - Billede: Xpert.Digital
Inden for industriel B2B opstår bæredygtige forretningsrelationer sjældent natten over. De udvikles trin for trin – gennem synlighed, professionel relevans, tilbagevendende kontaktpunkter og voksende tillid. Xpert.Digitals 4-trinsmodel adresserer netop dette: Den tilbyder en struktureret vej, der starter med et håndterbart indgangspunkt og kan udvikle sig til et dybere samarbejde inden for forretningsudvikling, hvis det er nødvendigt.
I stedet for at stole på højlydte marketingløfter sætter denne model relationen i forgrunden. Virksomheder starter med klart definerede, let beregnelige målinger og beslutter derefter, baseret på deres egen erfaring, hvor langt de vil udvide samarbejdet. En nøglefaktor for denne uforstyrrede tillidsopbyggende proces: Platformen undgår fuldstændigt irriterende reklamer, så det redaktionelle fokus forbliver udelukkende på virksomhedernes ekspertise.
Mere information her:
Din globale marketing- og forretningsudviklingspartner
☑️ Vores forretningssprog er engelsk eller tysk
☑️ NYT: Korrespondance på dit modersmål!
Konrad Wolfenstein
Jeg og mit team er glade for at stå til rådighed for dig som din personlige rådgiver.
Du kan kontakte mig ved at udfylde kontaktformularen her wolfenstein@xpert.digital:eller blot ringe til mig på +49 7348 4088 965. Min e-mailadresse er
Jeg glæder mig til vores fælles projekt.
