Kerneproblemet med AI-infrastruktur: Risikoen for strandede aktiver – de, der er afhængige af forældede strukturer i dag, vil betale prisen i morgen

Energislugende AI: Det geniale (og ignorerede) alternativ til gigantiske atomkraftdatacentre

Manglen på gennemsigtighed som et centralt politisk problem for AI-infrastruktur

Kunstig intelligens' energibehov vokser eksponentielt – og med dem, politisk panik. For at imødekomme de gigantiske elbehov i planlagte AI-datacentre er en angiveligt ny løsning pludselig kommet i fokus i Europa og USA: små modulære atomreaktorer (SMR'er). Men mens politikere og industrilobbyister hylder denne atomkraftredning som den eneste mulighed, truer en hidtil uset økonomisk fejlberegning i baggrunden.

Eksploderende byggeomkostninger, årtier lange implementeringstider og den enorme risiko for såkaldte "strandede aktiver" forvandler drømmen om en atomdrevet AI-gigafabrik til et højrisikospil. Det, der er særligt eksplosivt, er det, der systematisk udelades fra debatten: en decentraliseret AI-infrastruktur. Denne artikel undersøger de skjulte omkostningssandheder i SMR-debatten og viser, hvorfor vi risikerer at gentage fortidens dyre strukturelle fejl med morgendagens teknologi.

Den virkelige provokation i denne debat er derfor ikke det tekniske spørgsmål om, hvilken infrastruktur der er bedre. Den virkelige provokation er den politiske: Hvorfor er diskussionen om fremtidssikret AI-infrastruktur næsten udelukkende fokuseret på en teknologi, hvis realiseringshorisont ligger ud over planlægningshorisonten for AI-køreplaner, hvis omkostningshistorik er præget af overskridelser på flere hundrede procent, og hvis subsidiering i vid udstrækning er tilsløret?

Relateret til dette:

• AI-gigafabrikker: De skjulte omkostninger – Hvordan udvidelsen af ​​hyperskalere i USA og Kina belaster ressourcerne

Manglen på gennemsigtighed som et centralt politisk problem for AI-infrastruktur: Energispørgsmålet som en strategisk afledningsmanøvre

I debatterne omkring opførelsen af ​​europæiske AI-gigafabrikker dominerer ét spørgsmål den offentlige diskussion: Hvor skal al elektriciteten komme fra? Svaret, der i stigende grad cirkulerer i politiske kredse og industrifora, er: små modulære atomreaktorer, såkaldte små modulære reaktorer (SMR'er). Dette svar lyder teknologisk avanceret, er politisk levedygtigt og har den fordel, at det vinder over eksisterende interessegrupper - atomindustrien, statsejede energileverandører og atomforskningsinstitutioner. Det, der dog næsten fuldstændigt mangler i denne diskussion, er en ærlig økonomisk vurdering: Er centraliserede AI-gigafabrikker, drevet af SMR-reaktorer, faktisk det økonomisk mest fornuftige svar på den stigende efterspørgsel efter computerkraft? Eller distraherer dette spørgsmål fra et langt mere fundamentalt strukturelt alternativ - decentraliseret AI-infrastruktur?

Det Internationale Energiagentur (IEA) forudsiger, at det globale elforbrug i datacentre vil mere end fordobles inden 2030 og nå næsten 1.000 terawatt-timer årligt. Selv i dag forbruger et enkelt stort AI-datacenter lige så meget elektricitet som en by med 50.000 indbyggere, og de virkelig store faciliteter opererer nu i gigawatt-området. Alene for USA forudser IEA et yderligere kapacitetsbehov på 60 gigawatt inden 2029 for datacentre og AI-applikationer alene - svarende til produktionen fra omkring 60 atomkraftværker. Disse tal er imponerende, men de fører til en fejlagtig tankegang: De projicerer tankeløst nutidens arkitektur af centraliserede datacentre ind i fremtiden i stedet for seriøst at overveje alternative infrastrukturmodeller.

Sandheden om skjulte omkostninger bag SMR-løftet

Diskussionen omkring små modulære reaktorer (SMR'er) er præget af en bemærkelsesværdig grad af optimisme, som ved nærmere eftersyn har ringe empirisk grundlag. SMR-fortalere lover kortere byggetider, lavere omkostninger gennem masseproduktion og hurtigere skalerbarhed sammenlignet med konventionelle storskalareaktorer. Virkeligheden tegner dog et betydeligt mere alvorligt billede.

Det globale marked for atomkraftværker har stagneret i årevis. I 2024 blev der kun taget seks nye atomkraftværker i drift på verdensplan, mens fire blev taget ud af drift – en nettostigning på to værker. Årsagerne er strukturelle: ekstreme investeringsomkostninger, byggetider på 10 til 15 år og finansieringsrisici, der praktisk talt kun kan bæres af statsejede virksomheder. Det primære eksempel på denne omkostningseksplosion er Flamanville 3 i Frankrig: Kraftværket, der oprindeligt var anslået til 3,2 til 3,3 milliarder euro i 2006 og planlagt til en byggeperiode på fem år, kostede i sidste ende 23,7 milliarder euro efter 17 års byggeri.

Selv USA's flagskibsprojekt, Vogtle-atomkraftværket i Georgia, var oprindeligt budgetteret til 14 til 15,5 milliarder dollars og endte med at koste 34 milliarder dollars – mere end det dobbelte af det oprindelige estimat. Westinghouse, et af verdens førende atomteknologiselskaber, indgav kort efter konkursbegæring. Omkostningerne ved det britiske Hinkley Point C-anlæg steg til 32,7 milliarder pund (ca. 41,3 milliarder dollars) – på trods af projektets oprindelige budget på 2 milliarder pund. Tommelfingerreglen, der nu bruges af erfarne industriobservatører, er: gang atomindustriens oprindelige omkostningsestimat med ti for at nå frem til et realistisk tal.

For SMR-anlæg, som hidtil ikke har et eneste kommercielt anvendt modulært system i den vestlige verden, er omkostningssituationen endnu mere usikker. En analyse foretaget af Heinrich Böll Foundation fra begyndelsen af ​​2024 (bemærk: året blev logisk korrigeret til 2024 i stedet for det fremtidige 2026) konkluderer, at de fleste SMR-koncepter stadig er i de tidlige udviklingsstadier, mangler lovgivningsmæssig godkendelse i EU og sandsynligvis ikke vil generere betydelige mængder elektricitet før 2050. Institute for Energy Economics and Financial Analysis (IEEFA) bekræfter denne kritiske vurdering: SMR'er er fortsat for dyre, for langsomme at bygge og for risikable til at spille en væsentlig rolle i energiomstillingen i løbet af de næste 10 til 15 år. Ifølge IEEE ville investeringer i SMR'er omdirigere ressourcer fra CO2-fri og mere omkostningseffektive vedvarende energikilder, der allerede er tilgængelige i dag.

Et ofte overset aspekt af denne debat er de skjulte subsidier. Ifølge beregninger foretaget af Forum for Ecological and Social Market Economy, bestilt af Greenpeace, udgjorde den historiske støtte til atomkraft i Tyskland mindst 165 milliarder euro i statsstøtte mellem 1950 og 2008 – plus yderligere 92,5 milliarder euro i forudsigelige fremtidige omkostninger. Den tyske regering rapporterede dog kun under 200 millioner euro i sine subsidierapporter – en forskel på flere størrelsesordener, der kan tilskrives en ekstremt snæver definition af subsidier. Denne beregning tager ikke højde for skattelettelser, statsgarantier, forskningsfinansiering, omkostningerne til atomaffaldsdepoter og – vigtigst af alt – det de facto ubegrænsede statslige ansvar i tilfælde af en katastrofe. Hvis operatører af atomkraftværker skulle betale for standard markedsansvarsforsikring, ville atomkraft ifølge disse beregninger være op til 2,70 euro dyrere pr. kilowatt-time – og dermed simpelthen ukonkurrencedygtig.

Gennemsigtighedsunderskuddet: Når lobbyinteresser dikterer infrastrukturbeslutninger

Spørgsmålet om, hvorfor diskussionen om energiforsyningen til AI-gigafabrikker næsten udelukkende fokuserer på atomkraft – og ikke samtidig på decentraliserede alternativer – er ikke et teknisk, men et politisk. Det peger på en strukturel mangel på gennemsigtighed i den offentlige infrastrukturdebat.

Den Europæiske Union har erklæret oprettelsen af ​​AI-gigafabrikker for en strategisk prioritet og lanceret en InvestAI-facilitet på 20 milliarder euro til at bygge op til fem sådanne faciliteter. En AI-gigafabrik, som defineret af EU, omfatter 100.000 eller flere specialiserede chips, og hvert anlæg, inklusive energiforsyning, anslås af EU at koste mellem 3 og 5 milliarder euro. Tyskland har øremærket 805 millioner euro i startkapital til et sådant anlæg og diskuterer aktivt, hvilke virksomheder der vil blive tildelt kontrakten – Deutsche Telekom, Schwarz Group, Ionos eller et bayersk konsortium. Denne finansieringsstruktur skaber i sagens natur enorme perverse incitamenter: den favoriserer centraliserede storskalaprojekter, fordi kun disse opfylder tærsklerne for EU's definition af en "gigafabrik". Mindre, decentraliserede tilgange falder mellem revnerne i denne finansieringsordning, selvom de ofte kunne være mere attraktive fra et økonomisk perspektiv.

Manglen på gennemsigtighed er også tydelig i den selektive præsentation af omkostningsdata. Når politikere og repræsentanter for industrien taler om SMR'er, citerer de optimistiske producentestimater. Når kritikere peger på tidligere omkostningsoverskridelser, afvises disse som isolerede hændelser eller problemer, der er forbundet med den forgængerteknologi. Alligevel er der ikke et eneste pålideligt empirisk bevis for, at SMR'er vil være mere økonomiske i kommerciel skala end de store reaktorprojekter, der tjener som negative eksempler – ikke mindst fordi ikke et eneste kommercielt relevant SMR-projekt endnu er blevet idriftsat efter vestlige standarder.

Relateret til dette:

• Stanford-forskning: Er lokal AI pludselig økonomisk overlegen? Slutningen på cloud-dogmet og gigabit-datacentre?

Det oversete alternativ: Hvorfor decentraliseret AI-infrastruktur kan være det økonomisk overlegne svar

Det spørgsmål, der overraskende sjældent stilles i hele debatten om AI-gigafabrikker og deres energiforsyning, er: Hvorfor har vi overhovedet brug for gigafabrikker? Og hvis vi har brug for dem – hvorfor skal de så nødvendigvis centraliseres?

Lokal og decentraliseret AI-infrastruktur gennemgår i øjeblikket en stille, men fundamental økonomisk revurdering. Forskning fra Fraunhofer-institutterne viser, at edge-baserede systemer kan spare op til 35 procent på elomkostninger sammenlignet med konventionel cloud-behandling, fordi de kræver mindre båndbredde og kølekapacitet. En fabrik med 1.000 IoT-sensorer, der sender målinger hvert sekund, ville overføre 86 millioner datapunkter til skyen dagligt uden edge computing; med lokal datafiltrering (edge-filtrering) reduceres dette tal til cirka 8 millioner – en besparelse på 90 procent i båndbredde- og cloud-lagringsomkostninger. Disse tal er økonomisk signifikante, men behandles sjældent i offentlige infrastrukturdiskussioner.

Decentraliserede edge-datacentre tilbyder også lokal varmegenvinding, som kan bruges til opvarmning af boligområder, kontorbygninger eller industrifaciliteter. Denne synergi forbedrer den samlede omkostningsbalance betydeligt, når spildvarme betragtes som et økonomisk rentabelt biprodukt. Centraliserede gigafabrikker producerer den samme spildvarme, men på et sted, hvor der ikke er tilstrækkelig efterspørgsel efter dens anvendelse.

Det er bemærkelsesværdigt, at den tyske forbundsregerings koalitionsaftale eksplicit sigter mod at støtte decentraliserede infrastrukturer såsom edge computing på distribuerede lokationer. Samtidig bringes dog mindst én europæisk AI-gigafabrik til Tyskland – en tilgang, der strukturelt modsiger det decentraliserede princip. Denne inkonsekvens afspejler, hvor drastisk politisk prestige og økonomisk rationalitet kan afvige, når det kommer til infrastrukturbeslutninger.

Modellen for en AI-infrastruktur bestående af et par store, centraliserede anlæg replikerer det forældede paradigme med centraliseret energiforsyning gennem store kraftværker – og dette på et tidspunkt, hvor energibranchen selv først lige er begyndt at internalisere fordelene ved decentraliserede produktionsstrukturer. Det ville være en historisk fejltagelse at gentage energibranchens institutionelle fejl inden for digitalisering af infrastruktur.

Relateret til dette:

• Hvad er bedre: Decentraliseret, fødereret, antiskrøbelig AI-infrastruktur eller AI Gigafactory eller hyperscale AI-datacenter?

Jevons-paradokset og effektivitetens vildledende logik

Et almindeligt modargument mod relevansen af ​​SMR-decentraliseringsdilemmaet er, at AI-hardware bliver mere og mere effektiv, og derfor vil energiforbruget stabilisere sig. Dette argument er ikke helt forkert – men det er heller ikke helt rigtigt, og det ignorerer det såkaldte Jevons-paradoks.

Microsofts administrerende direktør, Satya Nadella, udtalte tilbage i Berlin i 2024, at AI-systemers ydeevne fordobles hver sjette måned. Aktuelle data tyder på, at AI-systemers kapacitet endda fordobles hver syvende måned – betydeligt hurtigere end den klassiske Moores lov, der forudsiger en fordobling hvert andet år. Den kinesiske AI-startup DeepSeek demonstrerede imponerende i slutningen af ​​2024 og begyndelsen af ​​2025, at sammenlignelige resultater kan opnås med en brøkdel af de ressourcer, der tidligere var nødvendige: DeepSeek V3 blev trænet på to måneder ved hjælp af kun 2.048 NVIDIA H800 GPU'er, en bedrift som Meta krævede 30,8 millioner GPU-timer for en sammenlignelig model.

Argumentet om, at teknologiske effektivitetsgevinster kan afhjælpe den samlede energiefterspørgsel, holder dog ikke stik af en strukturel årsag. Efterhånden som AI-systemer bliver billigere og mere effektive, vil de også blive brugt mere intensivt – og efterspørgslen vokser hurtigere end effektivitetsgevinsterne. IEA bekræfter, at mens AI-relateret energiforbrug stiger langsommere end kapacitetsudvidelsen, vil elforbruget i datacentre mere end fordobles til 945 TWh globalt inden 2030. Alene i Tyskland steg energiefterspørgslen i datacentre til 21,3 milliarder kilowatt-timer i 2025, en stigning fra 20 milliarder kWh i 2024 og 12 milliarder kWh i 2015. Effektivitetsgevinster og vækst i efterspørgslen er i konstant konkurrence, hvor efterspørgslen historisk set altid har været fremherskende.

Derudover er der en vigtig nuance i DeepSeek-eksemplet: på trods af effektiv træning forbruger modellen op til 87 procent mere energi under drift (inferens) end en sammenlignelig metamodel med 70 milliarder parametre. Kompleksiteten af ​​de arkitekturer, der muliggør mere effektiv træning, kan øge energiforbruget under drift. Effektivitet i ét område af systemet betyder derfor ikke nødvendigvis effektivitet i det samlede system – en erkendelse, som planlæggere af centraliseret infrastruktur regelmæssigt overser, når de planlægger kapacitet.

Vores globale branche- og økonomiske ekspertise inden for forretningsudvikling, salg og marketing - Billede: Xpert.Digital

Branchefokusområder: B2B, digitalisering (fra AI til XR), maskinteknik, logistik, vedvarende energi og industri

Mere information her:

• Ekspert Business Hub

Et tematisk knudepunkt, der tilbyder indsigt og ekspertise:

• Vidensplatform, der dækker globale og regionale økonomier, innovation og branchespecifikke tendenser
• En samling af analyser, indsigter og baggrundsinformation fra vores vigtigste fokusområder
• Et sted for ekspertise og information om aktuelle udviklinger inden for erhvervsliv og teknologi
• Et knudepunkt for virksomheder, der søger information om markeder, digitalisering og brancheinnovationer

Batterilagring som banebrydende? Natrium-ion-revolutionen og dens konsekvenser

Et af de mest overbevisende argumenter for at revurdere den centraliserede SMR-strategi ligger i den hurtige udvikling af energilagringsteknologier – især natrium-ion-teknologi, almindeligvis kendt som saltbatterier. Denne udvikling er ikke spekulativ, men empirisk verificerbar og har direkte konsekvenser for den økonomiske levedygtighed af decentraliserede AI-infrastrukturer.

Natrium-ion-batterier nærmer sig allerede prisparitet med lithium-ion-teknologi. Ifølge data fra IDTechEx er den gennemsnitlige pris for en natrium-ion-celle i øjeblikket omkring 87 dollars pr. kWh. Produktionsomkostningerne på celleniveau forventes at falde til omkring 40 dollars pr. kWh – et sandsynligt scenarie med yderligere skalering. For stationær lagring er pristendenserne endnu mere imponerende: BloombergNEF registrerede et prisfald for stationære lagringspakker til 70 dollars pr. kWh i 2025 – et fald på 45 procent i forhold til året før, hvilket gør det til det stejleste prisfald i noget batterisegment.

Langsigtede fremskrivninger er særligt interessante for strategisk infrastrukturplanlægning. I 2050 kan natrium-ion-batterier opnå energilagringsomkostninger på 11 til 14 euro pr. megawatt-time, forudsat hurtige indlæringshastigheder – hvilket gør dem billigere end lithium-ion-teknologi, som forventes at koste mellem 16 og 22 euro pr. MWh. Disse tal ændrer fundamentalt hele den økonomiske levedygtighedsberegning for decentraliserede, soldrevne datacentre. Et decentraliseret datacenter, der lagrer vedvarende solenergi i løbet af dagen og bruger den om natten eller i perioder med lav vind- og solproduktion, kan drives økonomisk med disse lagringsomkostninger på en måde, der slet ikke var realistisk for fem år siden.

Natrium-ion-batterier tilbyder også strukturelle fordele, der er afgørende for en bredt skalerbar infrastruktur: Natrium er tilgængeligt i ubegrænsede mængder og er et indenlandsk råmateriale i Europa, hvilket eliminerer strategisk importafhængighed. Genbrug er betydeligt nemmere end med lithium-batterier, da cellerne ikke indeholder kobber eller kobolt. Afladningsdybden er op til 100 procent uden at beskadige batteriet. Desuden er den teknologiske infrastruktur til natrium-ion-batterier allerede på plads i Tyskland, især i Thüringen og Sachsen.

Det er vigtigt at være ærlig omkring begrænsningerne: Natrium-ion-batterier har en lavere energitæthed end lithium-ion-batterier, hvilket øger deres vægt og volumen. Deres gennemsnitlige effektivitet på omkring 79 procent er betydeligt lavere end lithium-ion-batteriers på 96 procent. For stationære storskalalagringsapplikationer, hvor vægt og volumen ikke er primære begrænsninger, er den lavere energitæthed dog ikke en afgørende ulempe. Når det kommer til netlagring til distribuerede datacentre, er effektivitetsfordelen ved lithium-ion-batterier mindre relevant end den samlede cost-benefit-analyse over deres levetid.

Udover natrium-ion-teknologi oplever faststofbatterier også eksponentiel vækst. Det globale marked for faststofbatterier vokser med en gennemsnitlig årlig rate på op til 36,4 procent. Optimistiske scenarier forudsiger omkostninger på 80 til 120 dollars pr. kWh for faststofceller i 2027 – og yderligere betydelige omkostningsreduktioner gennem skalering forventes i det følgende årti.

Relateret til dette:

• Redispatch 2.0 og storskala batterilagring: Forbandelse eller Segen for elnettet? Den ambivalente rolle for gigantiske batterilagringssystemer

Risikoen for strandede aktiver: Når fremtiden kommer tidligere end planlagt

Det måske mest overbevisende økonomiske argument imod en ureflekteret beslutning om at bygge SMR-drevne AI-gigafabrikker er risikoen for såkaldte strandede aktiver. Dette udtryk refererer til investeringer, der mister så meget værdi på grund af eksterne påvirkninger såsom teknologiske forandringer, ændrede markedsforhold eller lovgivningsmæssige krav, at de ikke længere kan generere et afkast.

Teknologihistorien er fyldt med eksempler på infrastrukturbeslutninger, der blev anset for fornuftige på planlægningstidspunktet, men som viste sig at være dyre fejlallokeringer blot få år efter idriftsættelsen. Inden for energisektoren har adskillige kulkraftværker, der blev bygget eller udvidet i 2010'erne, allerede mistet betydelig værdi eller er blevet lukket ned for tidligt – på trods af forventede resterende driftslevetider på 30 til 40 år. Det Internationale Agentur for Vedvarende Energi (IRENA) anslår, at risikoen for strandede aktiver kan nå op på 20 billioner dollars i et business-as-usual-scenarie.

Denne risiko er særligt udtalt for AI-infrastruktur, fordi tempoet i den teknologiske udvikling er usædvanligt hurtigt. En lille magnetisk resonansreaktor (SMR), der tages i brug i dag, har en realistisk idriftsættelsesudsigt på tidligst 2035 til 2040 – selv under optimistiske antagelser vedrørende tilladelser, byggetid og forsyningskæder. Ifølge de nuværende resultater fordobles AI-systemers ydeevne hver sjette til syvende måned. Inden for de 10 til 15 år, det tager at bygge en SMR, vil AI-systemernes kapacitet være forbedret med en faktor på 20.000 til 300.000 – en størrelsesorden, hvor pålidelige prognoser for specifikke infrastrukturbehov simpelthen ikke længere er mulige.

Problemet er ikke kun hardwareusikkerhed. Hele arkitekturen i AI-systemer undergår en transformation. Som DeepSeek imponerende demonstrerede, kan smarte algoritmeoptimeringer reducere hardwarekravene tifoldigt – uden tab af kvalitet. Nye chiparkitekturer, der går ud over von Neumann-arkitekturen og overvinder den såkaldte "hukommelsesvæg", er under udvikling. Fotonbaserede computere, neuromorfe chips og kvantecomputere – alle disse teknologier har, når de når kommerciel modenhed, potentiale til dramatisk at reducere energiforbruget pr. beregning. Fremtiden for disse teknologier vil blive afgjort præcist i de 10 til 15 år, det tager for en SMR at blive tilgængelig online.

Enhver, der investerer i SMR-drevne AI-gigafabrikker i dag, forpligter sig til en enkelt energikilde i 40 til 60 år – den typiske levetid for et atomkraftværk. Og de gør det i håb om, at AI-industrien vil opretholde en konstant efterspørgsel efter netop den slags centraliseret, energiintensiv infrastruktur, som disse reaktorer er beregnet til at drive i denne periode. Fra nutidens perspektiv er dette en satsning, der virker ekstremt risikabel.

Knowhow-flaskehalsen: Det undervurderede strukturelle problem med atomkraft

Et andet centralt argument imod SMR-strategien, som får for lidt opmærksomhed i den offentlige debat, er den akutte mangel på faglærte arbejdere i atomkraftindustrien. I løbet af de sidste tre årtier, der er præget af moratorier, udfasningsbeslutninger og mangel på nye byggeprojekter, har atomkraftindustrien lidt betydelige institutionelle videnstab.

Markedet for atomkraftværker er i dag afhængigt af et meget lille antal virksomheder – for det meste statsejede – der overhovedet er i stand til at bygge og eksportere atomkraftværker. Det globale netværk af leverandører, ingeniører og certificerede specialister til implementering af atomkraftprojekter er minimalt. Det betyder, at selv med en gunstig politisk beslutning til fordel for SMR'er, er flaskehalsen ikke licenser eller kapital, men tilgængelig ekspertise. Hvis USA, Canada, Storbritannien, Frankrig og forskellige EU-lande alle ønsker at lancere SMR-programmer samtidigt, vil de alle konkurrere om den samme begrænsede pulje af atomkraftingeniører.

Dette står i skarp kontrast til situationen i sektoren for vedvarende energi og lagringsteknologier. Den globale solcelleindustri har gennemgået eksponentiel skalering i løbet af det seneste årti, antallet af kvalificerede fagfolk i sektoren for vedvarende energi vokser støt, og forsyningskæderne for solcellemoduler, invertere og lagringsteknologier er veludviklede og internationalt diversificerede. Decentraliseret AI-infrastruktur kan udnytte denne eksisterende base af knowhow, forsyningskæder og regulatorisk erfaring. SMR-industrien har derimod stadig brug for at opbygge et sådant fundament – ​​under et enormt tids- og omkostningspres.

Nationaløkonomiske regnskaber: En direkte sammenligning

En systematisk sammenligning af de forskellige faktorer giver følgende økonomiske situation:

Sammenligningen viser, at en SMR-baseret AI-gigafabrik tidligst vil levere elektricitet i 2035-2040 (optimistisk set), mens en decentraliseret AI-infrastruktur med solenergi og lagring vil være tilgængelig øjeblikkeligt i 2027. Med hensyn til kapitalintensitet kræver SMR-muligheden meget høje initialinvesteringer på omkring 3-5 milliarder euro pr. gigafabrik plus SMR, hvorimod den decentraliserede løsning muliggør modulær skalering og betydeligt lavere individuelle investeringsbeløb. Omkostningsrisikoen er ekstremt høj for SMR (historiske overskridelser på 100-600%), mens den for solenergi + lagring er lav, da teknologiomkostningerne falder løbende. Risikoen for teknologistranding er meget høj for SMR på grund af en 40-60-årig forpligtelse, hvorimod den decentraliserede infrastruktur har en lav strandingsrisiko, fordi den er modulært udvidelig og tilpasningsdygtig. Knowhow er en flaskehals for SMR med få globale udbydere, hvorimod den decentraliserede løsning har en bred og voksende pulje af dygtige fagfolk. Skjulte subsidier (ansvar, bortskaffelse, forskning) er høje for SMR og lave for solenergi + lagring. Omkostninger til energilagring er ikke relevante for SMR, da det er beregnet til grundlaststrøm; for decentraliserede systemer forventes omkostningerne at nå ca. 70 USD/kWh (steady-state, nedadgående tendens) i 2025 og 11-14 EUR/MWh i 2050. Vandforbruget er højt for SMR på grund af kølesystemer, mens det er lavt til ikke-eksisterende for solenergi + lagring. Den regulatoriske usikkerhed er meget høj for SMR og moderat for den decentraliserede løsning. Fleksibilitet som reaktion på ændringer i efterspørgslen er næsten helt fraværende i SMR, hvorimod den decentraliserede løsning tilbyder høj fleksibilitet. Endelig er miljørisiciene høje for SMR (nuklear sikkerhed, langtidsaffald) og lave for solenergi + lagring. Samlet set klarer SMR-løsningen sig dårligere på næsten alle kriterier – med den eneste undtagelse af pålidelig, vejruafhængig grundlaststrømforsyning. Dette argument bliver dog mindre vigtigt, efterhånden som fremskridt i lagringsteknologier, såsom storskala natriumionlagring med længere opladnings-/afladningscyklusser, gør det muligt at holde store mængder energi i dage og uger, hvilket i høj grad ugyldiggør grundlastargumentet.

Planlægningslogikkens blinde plet: Hvorfor beslutningstagere systematisk er for sent ude

Der er en strukturel årsag til, at beslutningstagere i regeringer og store industrivirksomheder gentagne gange træffer infrastrukturbeslutninger, der i bakspejlet fremstår som dårlige investeringer: Institutionelle planlægningscyklusser er fundamentalt uforenelige med tempoet i den teknologiske forandring.

Regeringsprogrammer, parlamentariske beslutninger, finansieringsprogrammer og offentlige udbud opererer i cyklusser på fire til ti år. Et infrastrukturprojekt som en offentlig transportstation (SMR) besluttes i et politisk og teknologisk miljø, der fundamentalt har ændret sig flere gange før idriftsættelsen. Den institutionelle inerti skabt af bureaukratiske procedurer, lobbyisme fra indflydelsesrige branchegrupper og den psykologiske fiksering på beslutninger truffet på et givet tidspunkt betyder, at de faktiske behov og muligheder på anlægstidspunktet ikke længere stemmer overens med de antagelser, der blev gjort på planlægningstidspunktet.

De seneste århundreders teknologiske udvikling demonstrerer tydeligt denne acceleration: Den industrielle revolution tog omkring 100 år at udfolde sine vigtigste økonomiske virkninger. Elektrificering tog cirka 50 år. Internettet transformerede den globale økonomi på omkring 20 år. AI og den tilhørende hardwareudvikling ændrer grundlæggende rammebetingelser i cyklusser på under ti år – og med stadigt stigende acceleration. Den logik, der var passende for infrastrukturbeslutninger i det 20. århundrede, er strukturelt uegnet til det 21. århundrede.

Dette er især vigtigt for irreversible storskalainvesteringer med lange afskrivningsperioder. Et solcellefelt kan opføres inden for få måneder og relativt let modificeres eller nedtages, hvis behovene ændrer sig. Et datacenter baseret på en modulær arkitektur kan skaleres og moderniseres. Et atomkraftværk er, når det først er bygget, en stort set stiv struktur i 40 til 60 år, hvis nedlukningsomkostninger løber op i milliarder. Den strategiske værdi af fleksibilitet og valgfrihed - evnen til at reagere på skiftende omstændigheder - undervurderes systematisk i traditionelle investeringsberegninger.

En nuanceret konklusion: Det er ikke en enten/eller-situation, men snarere et spørgsmål om prioritering

Det ville være en overforenkling at hævde, at SMR'er i bund og grund er værdiløse, eller at decentraliseret infrastruktur kan opfylde ethvert behov. Virkeligheden er mere nuanceret.

Der er specifikke anvendelsesscenarier, hvor centraliseret computerkraft – i det mindste til træning af store AI-modeller – stadig vil være nødvendig på kort sigt. Og der er legitime argumenter for atomkraft som en del af et diversificeret, kulstoffattigt energimix – især i lande, der mangler tilstrækkelige vedvarende ressourcer. Frankrig, som vedligeholder en eksisterende atomkraftværksinfrastruktur, der er blevet afskrevet over årtier, er i en fundamentalt anderledes position end et land, der i dag ønsker at bygge SMR'er fra bunden.

Det virkelige problem er ikke ideen om små reaktorer i sig selv. Problemet ligger i kombinationen af ​​tre faktorer: for det første uoverensstemmelsen mellem, hvornår SMR'er kan levere strøm, og hvornår AI-infrastrukturen har brug for denne strøm; for det andet manglen på gennemsigtighed omkring de reelle samlede omkostninger, herunder skjulte subsidier og strandingsrisici; og for det tredje den strategiske blindhed over for det faktum, at teknologiske udviklinger - både inden for AI-hardware og energilagring - fundamentalt kan ændre de underliggende antagelser bag disse investeringsbeslutninger på en kortere tidsramme end en typisk byggeperiode.

Det økonomisk ansvarlige svar på energispørgsmålet i AI-æraen er ikke et valg mellem SMR og vedvarende energi, mellem centraliseret og decentraliseret. Det ligger i at designe infrastrukturbeslutninger, der maksimerer valgfriheden og minimerer risikoen for stranding. Det betyder modulær, reversibel, teknologineutral og transparent. Og det betyder ikke at flytte omkostningerne over på fremtidige generationers skatteydere, mens man privatiserer profit i dag – et mønster, der desværre alt for systematisk har præget atomkraftens historie i Europa.

Den virkelige provokation i denne debat er derfor ikke det tekniske spørgsmål om, hvilken infrastruktur der er bedre. Den virkelige provokation er den politiske: Hvorfor er diskussionen om fremtidssikret AI-infrastruktur næsten udelukkende fokuseret på en teknologi, hvis realiseringshorisont ligger ud over planlægningshorisonten for AI-køreplaner, hvis omkostningshistorik er præget af overskridelser på flere hundrede procent, og hvis subsidiering i vid udstrækning er tilsløret? Svaret på dette spørgsmål er ikke teknologisk, men politisk-økonomisk af natur – og det er netop derfor, det forbliver så stædigt ubesvaret i den offentlige debat.

☑️ 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 eller blot ringe til mig på +49 7348 4088 965. Min e-mailadresse er : [email protected]

Jeg glæder mig til vores fælles projekt.

☑️ SMV-support inden for strategi, rådgivning, planlægning og implementering

☑️ Oprettelse eller omlægning af den digitale strategi og digitalisering

☑️ Udvidelse og optimering af internationale salgsprocesser

☑️ Globale og digitale B2B-handelsplatforme

☑️ Pioner inden for forretningsudvikling / marketing / PR / messer

Den nærmest interne løsning: Hvordan Xpert.Digital lukker operationelle huller i B2B-marketing og -salg – Smart Content-Driven Business - Billede: Xpert.Digital

Xpert.Digital er et datadrevet B2B-industricenter ledet af Konrad Wolfenstein . Virksomheden fungerer som en ekstern, nærmest intern løsning for industrielle partnere og lukker operationelle huller i marketing, indhold og salg – uden at kræve yderligere ressourcer fra klientsiden.

Mere information her:

• Den nærmest interne løsning: Hvordan Xpert.Digital lukker operationelle huller i B2B-marketing og -salg – Smart Content-Driven Business