Wyścig z niedoborami prądu: amerykański boom na sztuczną inteligencję napotyka na braki w dostawach prądu

Energia jako kluczowy zasób: ukryte wąskie gardło rewolucji AI w USA

Niedobór energii i sztuczna inteligencja: Jak dostawy energii spowalniają postęp

Wyścig o sztuczną inteligencję (AI) w Stanach Zjednoczonych jest coraz bardziej napędzany przez jeden kluczowy czynnik: dostępność energii elektrycznej. Przez długi czas konkurencja była postrzegana głównie w kategoriach wydajniejszych procesorów, większych zbiorów danych i większego kapitału. Rzeczywistość jest jednak bardziej złożona. Teraz uwaga skupia się na infrastrukturze fizycznej niezbędnej do zasilania centrów danych. Wyzwanie polega nie tylko na generowaniu wystarczającej ilości energii, ale także na jej niezawodnym i terminowym dostarczaniu tam, gdzie jest potrzebna.

Do 2028 roku w Stanach Zjednoczonych przewiduje się lukę netto wynoszącą około 32 gigawatów między zapotrzebowaniem na energię planowanych centrów danych a rzeczywistym dostępnym zasilaniem. Sytuacja ta uwypukla nie tylko niepewność związaną z przyszłymi dostawami energii, ale także ekonomiczne implikacje boomu na sztuczną inteligencję. Jeśli infrastruktura energii odnawialnej, linie przesyłowe i transformatory nie nadążą za szybkim rozwojem branży sztucznej inteligencji, rozwój sztucznej inteligencji może zostać znacząco zahamowany. Niniejszy artykuł analizuje różne aspekty tego problemu: od wyzwań związanych z zasilaniem i konsekwencji dla decyzji o lokalizacji centrów danych, po implikacje polityczne i społeczne.

Niedobór megawatów: Jak Stany Zjednoczone muszą wygrać wyścig sztucznej inteligencji z problemami związanymi z energią elektryczną

Amerykański wyścig o sztuczną inteligencję jest zazwyczaj opisywany jako rywalizacja o mocniejsze procesory, lepsze modele, większe zbiory danych i większy kapitał. Ten pogląd jest obecnie zbyt uproszczony. Kluczowe wąskie gardło przesuwa się ze sfery cyfrowej do fizycznej: wytwarzanie energii, sieci, transformatory, pozwolenia, wykwalifikowany personel, chłodzenie i solidne lokalizacje w coraz większym stopniu decydują o tym, ile mocy obliczeniowej można faktycznie uruchomić. Zmienia to również ekonomiczną logikę boomu na sztuczną inteligencję. Uporządkowany procesor graficzny nie generuje mocy produkcyjnych, dopóki nie ma dedykowanego miejsca pracy, bezpiecznego połączenia sieciowego i stale dostępnej mocy.

W Stanach Zjednoczonych do 2028 roku przewiduje się lukę netto wynoszącą około 32 gigawatów między zapotrzebowaniem na energię w planowanych centrach danych a realistycznie dostępnymi zasobami. Wartość ta stanowi około 34 procent prognozowanego zapotrzebowania i uwzględnia już różne rozwiązania rezerwowe, w tym lokalne elektrownie gazowe, ogniwa paliwowe i inne źródła energii zlokalizowane poniżej punktu przyłączenia do sieci. Dlatego liczba ta nie jest jedynie ostrzeżeniem przed teoretycznym deficytem. Wskazuje ona, że ​​znaczna część zapowiadanej infrastruktury cyfrowej prawdopodobnie zostanie zbudowana później, na mniejszą skalę, w innych lokalizacjach lub wcale.

Centralna teza ekonomiczna brzmi następująco: Stany Zjednoczone nie borykają się z ogólnym niedoborem energii w prostym sensie, lecz raczej z przestrzennym, czasowym i instytucjonalnym niedoborem niezawodnej energii elektrycznej. Krajowe moce wytwórcze niewiele pomogą, jeśli nie będą dostępne na czas w lokalizacjach, w których mają powstać nowe centra danych. Problem leży zatem zarówno w liniach przesyłowych, podstacjach, mocach rezerwowych, procedurach przyłączeniowych i lokalnych limitach akceptacji, jak i w liczbie elektrowni. Wyścig sztucznej inteligencji staje się zatem wyścigiem infrastrukturalnym, którego tempo nie nadąża za tempem innowacji w branży oprogramowania.

Niedobór prądu na skalę przemysłową

Luka 32 gigawatów jest wyjątkowo duża z ekonomicznego punktu widzenia. Odpowiada ona ciągłej produkcji dziesiątek dużych elektrowni i nie da się jej wypełnić kilkoma instalacjami fotowoltaicznymi, generatorami awaryjnymi ani krótkoterminowymi umowami zakupu energii. Jeszcze ważniejsze jest rozróżnienie między mocą a energią. Centra danych wymagają nie tylko wielu terawatogodzin przez cały rok, ale także stałego, wysokiego i niezawodnego zasilania praktycznie w dowolnym momencie. W przypadku aplikacji AI, szybkie zmiany obciążenia stanowią dodatkowy czynnik, ponieważ trenowanie i korzystanie z dużych modeli nie obciążają serwerów w sposób ciągły.

Amerykański sektor centrów danych zużył około 176 terawatogodzin energii elektrycznej w 2023 roku, co stanowi około 4,4% całkowitego zużycia w USA. Szacunki na 2028 rok wahają się od około 325 do 580 terawatogodzin, w zależności od trajektorii ekspansji, wykorzystania i postępu technologicznego. Może to zwiększyć jego udział w krajowym zużyciu energii elektrycznej do 6,7–12%. Zaktualizowana mediana szacunków wskazuje na zużycie na poziomie około 464 terawatogodzin w 2028 roku. Takie zakresy nie wskazują na słabość analityczną, lecz odzwierciedlają ogromną niepewność związaną z tempem ekspansji, dostępnością chipów, poprawą wydajności i rzeczywistym wykorzystaniem.

Od 2017 roku zapotrzebowanie na energię elektryczną w amerykańskich centrach danych wzrosło ponad dwukrotnie. W latach 2023-2028 rozważane są roczne stopy wzrostu na poziomie od 13 do 27 procent. Ta dynamika wpływa na system elektroenergetyczny, którego zapotrzebowanie przez wiele lat pozostawało w dużej mierze w stagnacji. Planowanie elektrowni, rozwój sieci i procedury regulacyjne nie zostały zatem zaprojektowane z myślą o sytuacji, w której nowi klienci rejestrowaliby się po moce rzędu setek megawatów, a nawet powyżej jednego gigawata w ciągu zaledwie kilku lat.

Różnica między 50-megawatowym centrum danych a 1-gigawatowym kampusem AI nie jest jedynie ilościowa. Projekt gigawatowy sam w sobie staje się regionalnym systemem energetycznym. Zmienia prognozy obciążenia, zapotrzebowanie elektrowni, planowanie rezerw, stabilność sieci, zużycie wody i ceny hurtowe. Kilka takich projektów w tym samym regionie może zmienić cały plan inwestycyjny operatora sieci. Właśnie dlatego błędne jest postrzeganie boomu AI wyłącznie jako kontynuacji tradycyjnej ekspansji chmury.

Prawdziwy niedobór leży w sieci

Teoretycznie Stany Zjednoczone planują budowę wielu elektrowni i dysponują dużym zasobem źródeł energii. W praktyce jednak dostawy często zawodzą z powodu braku połączenia między wytwarzaniem a zużyciem. Nowe linie przesyłowe wymagają planowania, oceny oddziaływania na środowisko, nabycia gruntów, finansowania, uzyskania pozwoleń i koordynacji na wielu szczeblach administracji publicznej. O ile serwerownię można zbudować w około dwa lata, o tyle podłączenie do sieci o dużej przepustowości na rynkach o dużym natężeniu ruchu zajmuje często od czterech do siedmiu lat. W niektórych częściach obszaru objętego usługą PJM proces podłączania może trwać jeszcze dłużej.

Ta rozbieżność czasowa stanowi sedno problemu. Branża półprzewodników i główni dostawcy usług w chmurze planują cykle produkcyjne trwające zaledwie kilka lat. Sieci przesyłowe są natomiast projektowane na dekady i rozbudowywane w ramach długotrwałych procesów. Centrum danych może przyspieszyć realizację zamówień na chipy, ale nie jest w stanie udostępnić linii wysokiego napięcia z dnia na dzień. Powoduje to strukturalną nierównowagę między tempem inwestycji sektora prywatnego a publicznym lub regulowanym planowaniem infrastruktury.

Wąskie gardła nie ograniczają się do linii energetycznych. Duże transformatory, rozdzielnice, turbiny i inne komponenty elektryczne wymagają kilkuletniego okresu realizacji. W przypadku dużych transformatorów energetycznych obserwuje się czas oczekiwania znacznie przekraczający dwa lata, a w niektórych kategoriach nawet trzy lata. Taki sprzęt nie jest produktem standardowym, dostępnym od ręki. Jest on dostosowany do poziomu napięcia, konfiguracji sieci i lokalizacji i nie można go dowolnie zamieniać. Nawet przy zabezpieczonym finansowaniu, brak pojedynczego komponentu może uniemożliwić podłączenie do sieci w innym przypadku kompletnego systemu.

Długie listy oczekujących pogłębiają niepewność. Deweloperzy często rejestrują więcej projektów, niż faktycznie powstanie, ponieważ wcześniejsze miejsce w kolejce ma wartość strategiczną. W Teksasie kolejka dla dużych obciążeń tymczasowo osiągnęła rozmiar około 474 gigawatów, kilkakrotnie więcej niż poprzednie szczytowe obciążenie w tym stanie. Taka wartość nie jest realistyczną prognozą zużycia, a raczej wskazuje na spekulacyjne rezerwacje, wielokrotne rejestracje i opcje projektowe. Dla operatorów sieci problem nadal tkwi w konieczności rozróżnienia poważnych projektów od strategicznych rozwiązań zastępczych.

Moc obliczeniowa staje się problemem lokalizacji

Wcześniej lokalizacje centrów danych były wybierane na podstawie połączenia przystępnych cenowo gruntów, ulg podatkowych, połączeń światłowodowych, bliskości klientów, niskiego ryzyka dla środowiska i taniej energii. W przyszłości udowodniona dostępność mocy będzie odgrywać coraz większą rolę. Najtańsza lokalizacja nie będzie już automatycznie najatrakcyjniejsza; będzie to raczej ta, która zapewni niezawodny harmonogram połączeń sieciowych i dostaw energii. Zmieni to sytuację konkurencyjną między stanami, przedsiębiorstwami użyteczności publicznej i gminami.

Tradycyjne ośrodki, takie jak Północna Wirginia, korzystają z gęstej infrastruktury cyfrowej, wykwalifikowanych dostawców usług i dużego ekosystemu. Jednak ta koncentracja generuje rosnące koszty krańcowe. Kolejne projekty konkurują tam o te same linie, podstacje, grunty i wykwalifikowany personel. Regiony o słabiej rozwiniętej gospodarce opartej na centrach danych mogą zatem nadrobić zaległości, jeśli wiarygodnie zapewnią nową infrastrukturę generacyjną i sieciową. Przewaga konkurencyjna przesuwa się z samej łączności na połączenie łączności, energii i politycznej opłacalności.

Tworzy to logikę portfela dla operatorów. Nie każde zadanie obliczeniowe musi być wykonywane w tej samej lokalizacji. Trenowanie dużych modeli można w pewnym stopniu przesunąć w czasie i miejscu, o ile pozwalają na to połączenia danych, architektura oprogramowania i wymagania bezpieczeństwa. Z drugiej strony, aplikacje o bardzo niskich opóźnieniach lub rygorystycznych wymaganiach dotyczących danych pozostają bardziej ograniczone lokalnie. Firmy mogą zatem w większym stopniu rozdzielić geograficznie trening, adaptację modelu, wnioskowanie i przechowywanie danych. Jednak taki podział zwiększa złożoność i może generować dodatkowe koszty sieci i transmisji danych.

Dostawcy międzynarodowi posiadają przewagę strategiczną, ponieważ mogą przenosić inwestycje do krajów lub regionów o łatwo dostępnej energii. Dla Stanów Zjednoczonych nie oznacza to automatycznie utraty pozycji lidera w dziedzinie sztucznej inteligencji. Oznacza to jednak, że część mocy obliczeniowej mogłaby zostać wygenerowana tam, gdzie energia elektryczna jest łatwiej dostępna. Polityka energetyczna staje się zatem polityką przemysłową, a planowanie sieci energetycznych staje się czynnikiem wpływającym na suwerenność technologiczną.

Posiadanie elektrowni gazowych rozwiązuje tylko część problemu

Wielu operatorów reaguje na powolne połączenia sieciowe, wytwarzając energię elektryczną we własnych obiektach lub w ich bezpośrednim sąsiedztwie. Elektrownie gazowe są najbardziej oczywistym rozwiązaniem, ponieważ zapewniają przewidywalną moc, można je stosunkowo szybko zbudować i działają niezależnie od warunków pogodowych. Mobilne lub modułowe turbiny gazowe obiecują jeszcze większą prędkość. W ten sposób prywatne systemy energetyczne powstają za punktem połączenia sieciowego dla dużych kampusów AI.

Strategia ta ma jednak swoje ograniczenia. Niezawodny system samowystarczalności musi być zaprojektowany tak, aby radzić sobie z awariami, konserwacją i szybkimi zmianami obciążenia. W centrach danych AI obciążenie serwerów może ulegać gwałtownym wahaniom w bardzo krótkim czasie. Lokalna elektrownia gazowa nie jest w stanie reagować wystarczająco szybko w każdej sytuacji, dlatego niezbędne są magazyny energii, generatory rezerwowe lub połączenie z siecią. Aby osiągnąć taki sam poziom bezpieczeństwa dostaw, jak w przypadku dużej, połączonej sieci, lokalne źródła energii muszą być znacznie przewymiarowane. W zależności od projektu technicznego, wymagana dopłata za moc może wynosić od 30 do 70 procent.

Do tego dochodzą gazociągi, pozwolenia na emisję, środki redukcji hałasu i ryzyko związane z paliwem. Kampus z własnym generatorem zmienia wymagania infrastrukturalne, ale ich nie eliminuje. Zamiast podłączenia do sieci, wąskim gardłem stają się transport gazu, dostawy turbin i lokalne pozwolenia środowiskowe. Jednocześnie rośnie zależność sektora sztucznej inteligencji od gazu ziemnego. Może to zapewnić krótkoterminowe bezpieczeństwo dostaw, ale zwiększa długoterminowe ryzyko cenowe, klimatyczne i regulacyjne.

Łańcuch dostaw turbin gazowych jest również napięty. Zamówienia znacznie wzrosły, a główni producenci mają pełne portfele zamówień. Założenie, że operator może po prostu zakupić własną moc wytwórczą i zainstalować ją w ciągu kilku miesięcy, jest zatem nierealne. Rynek szybkich rozwiązań energetycznych sam w sobie staje się rynkiem sprzedawcy, z rosnącymi cenami i dłuższym czasem oczekiwania.

Lokalne wytwarzanie energii elektrycznej pozostaje ekonomicznie opłacalne przede wszystkim tam, gdzie wartość wczesnego rozpoczęcia działalności jest wyjątkowo wysoka. Jeśli kampus AI zacznie działać rok lub dwa wcześniej dzięki lokalnemu rozwiązaniu energetycznemu, dodatkowe przychody mogą uzasadnić wyższe koszty energii. W przypadku mniej pilnych projektów oczekiwanie na podłączenie do sieci może być bardziej opłacalne. Optymalne rozwiązanie zależy zatem nie tylko od ceny energii elektrycznej, ale także od wartości ekonomicznej unikniętego opóźnienia.

Energia jądrowa jest cenna, ale niewystarczająco szybka

Elektrownie jądrowe są zazwyczaj dobrym rozwiązaniem dla centrów danych. Dostarczają duże ilości przewidywalnej energii o niskiej emisji CO₂ i charakteryzują się wysokim współczynnikiem wykorzystania mocy. Długoterminowe umowy zakupu energii z silnymi finansowo firmami technologicznymi mogą stabilizować istniejące elektrownie, finansować modernizację mocy lub umożliwiać ponowne uruchomienie wycofanych z eksploatacji jednostek. Modernizacja istniejących elektrowni może zapewnić dodatkową moc bez konieczności budowy zupełnie nowej elektrowni.

Niemniej jednak energetyka jądrowa tylko częściowo wypełni krótkoterminową lukę do 2028 roku. Nowe elektrownie wymagają długich okresów pozwoleń i budowy. Małe reaktory modułowe obiecują standaryzowaną produkcję masową, ale wciąż znajdują się we wczesnej fazie komercyjnej. Nawet ponowne uruchomienia i modernizacje elektrowni wymagają inspekcji technicznych, pozwoleń, inwestycji i dostosowania sieci. Energia jądrowa jest zatem strategicznym rozwiązaniem na lata 30. XXI wieku, ale nie uniwersalnym rozwiązaniem awaryjnym na kolejne dwa lata.

Bezpośrednia alokacja mocy istniejących elektrowni jądrowych do poszczególnych centrów danych jest również złożona systemowo. Jeśli istniejąca moc wytwórcza zostanie umownie przypisana nowemu dużemu odbiorcy, istniejące zapotrzebowanie na energię elektryczną innych odbiorców nie zniknie. Bez dodatkowej mocy umowa dwustronna może być atrakcyjna ekonomicznie, ale jedynie redystrybuuje regionalne niedobory. Kluczowym czynnikiem jest zatem to, czy umowa faktycznie finansuje nową moc wytwórczą, przedłużenie koncesji na eksploatację, czy też mierzalny wzrost mocy.

Z makroekonomicznego punktu widzenia, najcenniejsze projekty energetyki jądrowej to te, które generują dodatkową, bezpieczną energię, jednocześnie odciążając sieć. Z drugiej strony, sama redystrybucja istniejących mocy może zaostrzyć konflikty dotyczące kosztów i bezpieczeństwa dostaw. Debata musi zatem rozróżnić alokację finansową od dodatkowej fizycznej wartości.

Ogniwa paliwowe, baterie i odnawialne źródła energii

Ogniwa paliwowe stają się coraz bardziej atrakcyjne jako modułowe, stosunkowo szybkie w montażu rozwiązanie. Mogą generować energię elektryczną na terenie centrum danych, wymagają mniej miejsca niż duże parki słoneczne i można je stopniowo rozbudowywać. Jednak ich opłacalność ekonomiczna zależy od cen paliw, konserwacji, żywotności i dostępności technicznej. Jeśli będą zasilane gazem ziemnym, emisje i infrastruktura gazowa pozostają istotnymi problemami. Wodór mógłby poprawić wpływ na klimat, ale obecnie nie jest powszechnie dostępny ani konkurencyjny cenowo.

Magazynowanie energii w bateriach jest szczególnie ważne dla centrów danych AI, ponieważ bardzo szybko reaguje na wahania obciążenia. Może ono wygładzać moc wyjściową, niwelować krótkotrwałe zakłócenia w sieci i stabilizować lokalne generowanie energii. Nie należy jednak mylić jego roli z rolą elektrowni o ciągłym zasilaniu. System magazynowania energii przesuwa energię w czasie, a nie ją generuje. Może on łagodzić niedobory energii przez kilka godzin, ale w przypadku przerw w dostawach trwających kilka dni wymagany byłby bardzo duży i kosztowny system.

Energia słoneczna i wiatrowa może dostarczać znaczne ilości energii elektrycznej i jest opłacalna w wielu regionach. Jednak sama zainstalowana moc jest niewystarczająca dla całodobowego kampusu AI. Generacja zależna od pogody musi być uzupełniana przez magazynowanie, elastyczne zarządzanie obciążeniem, wymianę sieci lub rezerwowe elektrownie. Nie oznacza to, że odnawialne źródła energii są nieodpowiednie. Oznacza to, że ich ekonomiczna ocena musi uwzględniać koszty całego systemu.

Solidna architektura będzie zatem zazwyczaj hybrydowa: energia odnawialna o niskich kosztach zmiennych, akumulatory zapewniające szybką reakcję, generator zapasowy na dłuższe okresy niskiego poboru mocy oraz połączenie z siecią w celu bilansowania i rezerwowania. Takie połączenie jest droższe i bardziej złożone niż prosta umowa zakupu energii, ale oferuje większą kontrolę nad harmonogramem i bezpieczeństwem dostaw. Boom na sztuczną inteligencję przyspiesza zatem ewolucję centrów danych w zintegrowane systemy energetyczne.

Rozwiązanie quasi-in-house: Jak Xpert.Digital zamyka luki operacyjne w marketingu i sprzedaży B2B – Inteligentny biznes oparty na treściach – Zdjęcie: Xpert.Digital

Xpert.Digital to branżowy hub B2B oparty na danych, kierowany przez Konrad Wolfenstein . Firma działa jako zewnętrzne, quasi-wewnętrzne rozwiązanie dla partnerów przemysłowych, eliminując luki operacyjne w obszarze marketingu, treści i sprzedaży – bez konieczności angażowania dodatkowych zasobów po stronie klienta.

Więcej informacji tutaj:

• Rozwiązanie quasi-in-house: Jak Xpert.Digital niweluje luki operacyjne w marketingu i sprzedaży B2B – Smart Content-Driven Business

Cena niedoboru dotyka gospodarstwa domowe i przemysł

Kwestia energii nie dotyczy tylko operatorów. Gdy centrum danych potrzebuje nowych elektrowni, linii energetycznych i rezerwowej mocy, pojawia się pytanie o dystrybucję: kto ponosi koszty? Jeśli inwestycje są finansowane z ogólnych opłat sieciowych i taryf za energię elektryczną, gospodarstwa domowe i istniejące firmy płacą za część infrastruktury dla nowego dużego odbiorcy. Jeśli wszystkie koszty zostaną przypisane do projektu, jego rentowność może spaść, a lokalizacja może stać się nieatrakcyjna.

W obszarze sieci PJM, obejmującym znaczną część Środkowego Zachodu i Wschodniego Wybrzeża, ceny zabezpieczonej mocy wzrosły o ponad 1000% od 2024 roku. Cena z 28,92 USD za megawat dziennie w roku dostaw 2024/25 wzrosła do 325–329 USD. Nawet limity cenowe nie były w stanie wyeliminować problemu strukturalnego. Ostatnie aukcje były o kilka gigawatów niższe od docelowego poziomu niezawodności.

Ceny mocy nie są tożsame z rzeczywistymi cenami energii. Rekompensują one operatorom elektrowni udostępnianie mocy w dniach o szczególnie wysokim zapotrzebowaniu. Koszty te są jednak przerzucane na gospodarstwa domowe, firmy i przemysł. Może to zmniejszyć konkurencyjność szczególnie energochłonnych producentów. Cegielnia, zakład chemiczny lub zakład przetwórstwa metali borykają się ze znacznie wyższymi kosztami energii elektrycznej, co prowadzi do pośredniej redystrybucji zasobów z tradycyjnego sektora przemysłowego do infrastruktury cyfrowej.

Jest to kwestia politycznie drażliwa, ponieważ centra danych tworzą stosunkowo niewiele miejsc pracy w trakcie eksploatacji. Mogą one generować wysokie wpływy z podatków i duże inwestycje budowlane, ale ich intensywność zatrudnienia jest niższa niż w wielu fabrykach. Jeśli jednocześnie wzrosną koszty energii dla lokalnych firm i gospodarstw domowych, akceptacja społeczna może szybko spaść. Korzyści ekonomiczne płynące z centrum danych należy zatem oceniać regionalnie i nie powinny one ograniczać się do wielkości zapowiadanej inwestycji.

Realny model wymaga taryf opartych na zużyciu. Duzi odbiorcy powinni ponosić minimalne wymagania zakupowe, długoterminowe zobowiązania umowne, gwarancje, koszty przyłączenia oraz, w stosownych przypadkach, opłaty za wyjście z inwestycji. Zapobiega to inwestowaniu miliardów przez przedsiębiorstwa użyteczności publicznej, podczas gdy spekulacyjny projekt zostaje później porzucony. Takie zasady podnoszą koszty niewiążących rezerwacji i nagradzają projekty z zabezpieczonym finansowaniem i realistycznym wzrostem obciążenia.

Opór polityczny staje się ryzykiem inwestycyjnym

Opinia publiczna na temat centrów danych uległa znacznemu pogorszeniu. Jedynie mniejszość społeczeństwa popiera obecne tempo rozbudowy, a poparcie dla centrum danych AI we własnej społeczności jest wyjątkowo niskie. Sprzeciwy dotyczą cen energii elektrycznej, zużycia wody, hałasu, wymagań dotyczących gruntów, wpływu na krajobraz oraz tego, czy lokalne korzyści uzasadniają obciążenia.

Ten opór ma istotne znaczenie ekonomiczne. Od początku 2024 roku zablokowano, wycofano lub opóźniono projekty o wartości ponad 170 miliardów dolarów. Tylko w pierwszej połowie 2026 roku, według raportów, ucierpiało ponad 120 projektów o wartości prawie 200 miliardów dolarów. Chociaż te liczby prawdopodobnie obejmują projekty o różnym stopniu prawdopodobieństwa realizacji, to jednak pokazują, że pozwolenia i akceptacja społeczna stały się istotnymi czynnikami ryzyka.

W perspektywie krótkoterminowej przeciwności polityczne nie muszą całkowicie zahamować wzrostu mocy produkcyjnych. Projekty, które są już dobrze rozwinięte, mają grunty, kontrakty, pozwolenia i znaczne koszty utopione. Ukończenie tych obiektów jest prawdopodobne. Jednak w perspektywie średnioterminowej opór zmienia strukturę projektów. Projekty na wczesnym etapie podlegają ściślejszej kontroli, lokalizacje ulegają zmianie, a koszty finansowania rosną. Właśnie dlatego silny wzrost do 2027 roku, a następnie wolniejsza ekspansja, może być realna.

Debata polityczna nie jest również prostym konfliktem między postępem a technofobią. Gminy reagują racjonalnie, gdy obawiają się wysokich kosztów infrastruktury, niskiego zatrudnienia w perspektywie długoterminowej i niejasnych konsekwencji dla środowiska. Operatorzy również reagują racjonalnie, gdy preferują lokalizacje z szybkimi procesami wydawania pozwoleń i korzystnymi stawkami. Praktyczne rozwiązanie musi zatem zapewnić przejrzystość lokalnych kosztów, zawierać wiążące zobowiązania do korzyści i umownie ujmować ryzyko.

Woda, hałas i powierzchnia gruntu zaostrzają debatę

Energia jest największym, ale nie jedynym wąskim gardłem. Centra danych wymagają chłodzenia, a ich zużycie wody w dużym stopniu zależy od lokalizacji, klimatu, obciążenia i technologii. Chłodzenie wyparne może być skuteczne w oszczędzaniu energii elektrycznej, ale zużywa wodę w sposób ciągły. Systemy zamknięte zmniejszają bezpośrednie zużycie wody, ale często wymagają więcej energii elektrycznej lub większych nakładów inwestycyjnych. Dlatego nie ma uniwersalnego, optymalnego podejścia do chłodzenia.

W Stanach Zjednoczonych rozważa się wzrost bezpośredniego zapotrzebowania na wodę z około 17 miliardów galonów w 2023 roku do nawet 73 miliardów galonów w 2028 roku. Poszczególne duże obiekty mogą potrzebować kilku milionów galonów dziennie. W skali kraju udział całkowitego zużycia wody pozostaje ograniczony, ale lokalnie może być znaczący. Szczególnie problematyczne są lokalizacje, w których centra danych konkurują z rolnictwem, gospodarstwami domowymi i przemysłem w okresach suszy.

W ocenie należy również uwzględnić pośrednie zużycie wody w procesie wytwarzania energii elektrycznej. Centrum danych o niskim zapotrzebowaniu na wodę na miejscu może nadal mieć wysoki ślad wodny ze względu na swój miks energetyczny. Z drugiej strony, elektrownia oszczędzająca wodę może poprawić ogólny bilans. Dlatego rzetelna ocena musi uwzględniać zarówno elektrownię, jak i system energetyczny.

Hałas jest generowany przez chłodnie kominowe, wentylatory, transformatory i generatory awaryjne. Ciągły hałas o niskiej częstotliwości może być bardziej słyszalny dla sąsiadów niż krótkotrwały hałas budowlany. Do tego dochodzą emisje światła, korki uliczne na etapie budowy oraz duże, pozbawione okien budynki. Te oddziaływania są technicznie możliwe do opanowania, jeśli odległości, ogrodzenia, ograniczenia i wymagania pomiarowe zostaną odpowiednio wcześnie zaplanowane. Jeśli zostaną one uwzględnione dopiero po złożeniu skarg, koszty i ryzyko konfliktu wzrosną.

Miliardowe inwestycje rozwiązują problem niedoboru wykwalifikowanych pracowników

Poza energią i pozwoleniami, rynek pracy ogranicza rozwój. Centra danych potrzebują elektryków, spawaczy, monterów rurociągów, inżynierów, techników sieciowych, specjalistów ds. chłodnictwa i kierowników projektów. Te same grupy zawodowe są również potrzebne w elektrowniach, sieciach elektroenergetycznych, fabrykach i programach infrastrukturalnych. Niedobór pogłębia się, gdy w regionie rozpoczyna się jednocześnie kilka dużych projektów.

Wyższe płace mogą przyciągnąć dodatkowych pracowników, ale nie rozwiązują od razu problemu braku umiejętności. Szkolenia, certyfikacja i doświadczenie praktyczne wymagają czasu. Co więcej, przepracowanie zwiększa ryzyko utraty jakości, bezpieczeństwa w miejscu pracy i terminów. Niedobór wykwalifikowanych pracowników ma zatem dwojaki skutek: zwiększa koszty budowy i wydłuża czas realizacji projektu, a tym samym zwiększa koszty finansowania i utratę przychodów.

Dla regionów boom budowlany nadal może przynieść znaczące korzyści. Dziesiątki tysięcy wykwalifikowanych fachowców pracowało już przy dużych projektach centrów danych. Lokalne firmy otrzymują kontrakty, pracownicy zarabiają, a gminy czerpią korzyści z aktywności gospodarczej. Kluczowa różnica leży między tymczasowymi efektami budowy a stałymi miejscami pracy. Projekt wart miliard dolarów może zatrudniać tysiące osób w trakcie budowy, ale później wymagać jedynie stosunkowo niewielkiego zespołu operacyjnego.

Z punktu widzenia polityki gospodarczej porozumienia dotyczące szkoleń, zamówień publicznych na szczeblu regionalnym i infrastruktury są zatem uzasadnione. Jeśli operator współfinansuje centra szkoleniowe, kwalifikuje lokalne firmy i pokrywa część kosztów sieci lub wody, większa część korzyści pozostaje lokalna. Z drugiej strony, czyste ulgi podatkowe bez weryfikowalnych zysków mogą prowadzić do tego, że gminy ponoszą wysokie koszty pośrednie, a jednocześnie uzyskują jedynie ograniczone dochody.

Rynek sprzętu AI zostanie dotknięty nierównomiernie

Opóźnienie w uruchomieniu serwerowni zakłóca cały łańcuch dostaw. Operatorzy często zamawiają układy scalone, pamięć, sprzęt sieciowy, komponenty optyczne, zasilacze, systemy chłodzenia i szafy rack z dużym wyprzedzeniem przed uruchomieniem. Opóźnienie w uruchomieniu połączenia sieciowego uniemożliwia instalację gotowych systemów. To z kolei wiąże kapitał, zwiększa koszty magazynowania i przyspiesza starzenie się nieużywanego sprzętu.

Szacunki mówiące o możliwości tymczasowego odinstalowania sprzętu AI o wartości ponad 200 miliardów dolarów należy traktować z ostrożnością. Dokładna skala jest trudna do zweryfikowania, a część sprzętu prawdopodobnie przechodzi rutynowy transport, integrację lub testy akceptacyjne. Niemniej jednak, logika leżąca u podstaw tego zjawiska jest prawdopodobna: jeśli produkcja chipów i zamówienia rosną szybciej niż dostępna, w pełni wyposażona przestrzeń w centrach danych, nieuchronnie powstaje zapas niewykorzystanej technologii.

Wpływ nie rozkłada się równomiernie. Wiodący dostawcy akceleratorów AI i niestandardowych układów obliczeniowych są stosunkowo chronieni przez globalny popyt, wysoką produktywność na wat i silną pozycję negocjacyjną. Jeśli budowa zakładu w USA ulegnie opóźnieniu, klient zagraniczny lub inny kampus może przejąć część mocy. Co więcej, najwydajniejsze układy scalone pozostają rzadkością i są strategicznie poszukiwane.

Producenci pamięci masowych, modułów optycznych, podzespołów analogowych, systemów dystrybucji zasilania, systemów chłodzenia i innego sprzętu przeznaczonego do konkretnych lokalizacji są bardziej narażeni. Produkty te są potrzebne bliżej daty wdrożenia i nie zawsze można je łatwo przekierować do innego projektu. Operatorzy mogą przekładać zamówienia, wydłużać harmonogramy dostaw lub zmieniać specyfikacje. Stwarza to większe ryzyko dla dostawców związane z gromadzeniem się zapasów, presją cenową i wahaniami wolumenu zamówień.

Kolejność inwestycji jest szczególnie istotna. Firmy, które wcześnie kupują drogie układy scalone, ale nie mają niezawodnego źródła zasilania, ponoszą koszty utraconych korzyści. Z kolei firmy, które czekają na gwarantowane połączenie, ryzykują, że nie otrzymają niezbędnego sprzętu później. Operatorzy muszą zatem ściślej koordynować działania w zakresie energii, budowy i zakupów IT. Możliwość zintegrowanego planowania stanie się przewagą konkurencyjną.

Efektywność zyskuje na wartości ekonomicznej

W świecie ograniczonych megawatów, wartość każdego zaoszczędzonego wata rośnie. Do tej pory wydajność obliczeniowa była oceniana głównie na podstawie kosztów operacyjnych i celów zrównoważonego rozwoju. W przyszłości będzie ona również decydować o tym, ile modeli może działać przy ograniczonym zasilaniu. Układ scalony, który wykonuje więcej obliczeń przy tym samym zużyciu energii, zwiększa ekonomicznie opłacalną wydajność obiektu bez konieczności dodatkowego podłączenia do sieci.

Wzmacnia to dostawców dzięki wysokiej wydajności na wat i promuje wyspecjalizowane akceleratory. Optymalizacja oprogramowania, kwantyzacja, mniejsze modele, wydajniejsze wnioskowanie i lepsze wykorzystanie również stają się coraz ważniejsze. Nie każda aplikacja potrzebuje największego dostępnego modelu. Firmy mogą oszczędzać koszty i energię, dystrybuując zadania do różnych systemów w zależności od stopnia złożoności.

Technologia budowlana również pozostaje istotna. Kluczowy wskaźnik efektywności (KPI) – efektywność wykorzystania energii (PUE) – opisuje stosunek całkowitego zużycia energii elektrycznej do zużycia energii przez systemy IT. Nowoczesne systemy osiągają wartości około 1,1 w sprzyjających warunkach, podczas gdy starsze systemy osiągają znacznie wyższe wartości. Im wydajniejsze jest chłodzenie, przetwarzanie i dystrybucja energii, tym większy jest odsetek podłączonego obciążenia, który jest faktycznie dostępny do przetwarzania.

Jednak efektywność ma efekt sprzężenia zwrotnego. Tańsze obliczenia mogą generować dodatkowe zapotrzebowanie, a tym samym niwelować część oszczędności. Jeśli bardziej wydajne modele sprawią, że więcej zastosowań stanie się ekonomicznie opłacalnych, ogólne zużycie wzrośnie. Zatem efektywność sama w sobie nie rozwiązuje problemu wąskiego gardła energetycznego, ale spowalnia wzrost zapotrzebowania na energię elektryczną i poprawia zwrot z inwestycji w skąpą infrastrukturę.

Elastyczne centra danych mogą stać się częścią rozwiązania

Centra danych są często postrzegane jako zapewniające ciągłe obciążenie bazowe. W rzeczywistości ich zadania różnią się. Aplikacje czasu rzeczywistego i krytyczne usługi chmurowe wymagają wysokiej dostępności. Z drugiej strony, trenowanie dużych modeli, przygotowywanie danych i niektóre procesy w tle mogą być tymczasowo odroczone lub ograniczone. Daje to znaczny potencjał elastyczności.

Operatorzy sieci mogliby oferować szybsze, ale nie w pełni gwarantowane, połączenia. W zamian operator zobowiązuje się do redukcji obciążenia w ciągu kilku krytycznych godzin. Magazynowanie energii w bateriach, lokalne generowanie energii i inteligentne zarządzanie obciążeniem mogą ograniczyć wpływ na działanie komputerów. Nawet niewielka liczba elastycznych godzin może znacząco zmniejszyć zapotrzebowanie na rzadko wykorzystywaną moc szczytową.

To rozwiązanie wymaga nowych umów i transparentnego systemu pomiaru przepustowości. Operatorzy muszą wiedzieć, jak często i jak długo możliwe jest ograniczanie przepustowości. Operatorzy sieci wymagają niezawodnych czasów reakcji i nie mogą liczyć elastycznego obciążenia dwa razy ponad gwarantowaną przepustowość. Rezerwy muszą być dostępne dla usług krytycznych czasowo. Prawidłowo wdrożona elastyczność może jednak przyspieszyć łączność, obniżyć koszty sieci i przekształcić centra danych z konsumentów w dostawców usług systemowych.

Możliwe jest również geograficzne przesunięcie obciążenia. Operator międzynarodowy mógłby przenieść zadania szkoleniowe tam, gdzie energia elektryczna jest obecnie dostępna po znacznie niższej cenie. Wymaga to szybkich sieci, odpowiedniego oprogramowania oraz jasnych zasad transmisji i bezpieczeństwa danych. Cena energii elektrycznej stałaby się zatem silniejszym sygnałem sterującym pracą cyfrową. Moc obliczeniowa zyskałaby elastyczność przestrzenną, którą tradycyjne procesy przemysłowe posiadają jedynie w ograniczonym zakresie.

Między nadmiernymi inwestycjami a rzeczywistym niedoborem

Obecny plan projektu obejmuje zarówno realny popyt, jak i spekulacyjną nadwyżkę. Deweloperzy zabezpieczają grunty, przyłącza do sieci i pozwolenia, zanim ostatecznie stanie się jasne, który model, klient lub finansowanie za nimi stoi. Wiele wniosków może dotyczyć tego samego przyszłego projektu. Dlatego też łączna liczba ogłoszonych gigawatów nie powinna być utożsamiana z przyszłym zużyciem.

Jednocześnie błędem byłoby odrzucenie wąskiego gardła jedynie z powodu przesadnych prognoz. Nawet jeśli znaczna część projektu ulegnie awarii, realny popyt szybko rośnie. Przewiduje się, że w latach 2026 i 2027 moc obliczeniowa amerykańskich centrów danych wzrośnie o około 38 procent, czyli odpowiednio o 12 i 17 gigawatów. Moc około 64 gigawatów do końca 2026 roku i 90 gigawatów do końca 2027 roku byłaby wyjątkowo wysoka, nawet po cięciach.

Najbardziej prawdopodobna ścieżka leży zatem pomiędzy dwoma skrajnościami. Ani wszystkie zapowiedziane projekty nie zostaną zrealizowane na czas, ani też rozwój sztucznej inteligencji nie ulegnie całkowitemu załamaniu. Około 50% do 60% mocy planowanej na nadchodzące lata może zostać podłączonych do sieci zgodnie z planem. Inne projekty zostaną przełożone, ograniczone, przeniesione lub porzucone. Niedobór energii elektrycznej działa jak mechanizm selekcji: operatorzy z silnym kapitałem i bezpiecznymi kontraktami energetycznymi będą dominować, podczas gdy projekty spekulacyjne lub słabo przygotowane przepadną.

Ma to efekt dyscyplinujący. We wczesnych fazach boomu na sztuczną inteligencję samo ogłoszenie dużych mocy obliczeniowych często wystarczało, by zaimponować inwestorom i rynkom. Teraz jakość wdrożenia zyskuje na znaczeniu. Liczą się nie zarezerwowane megawaty, ale faktycznie operacyjna, w pełni wykorzystana i opłacalna moc obliczeniowa. Rynek przechodzi zatem z fazy obietnic mocy obliczeniowych do fazy testowania infrastruktury.

Całościowy rachunek ekonomiczny pozostaje otwarty

Centra danych AI mogą zwiększać produktywność, umożliwiać tworzenie nowych usług i wzmacniać konkurencyjność technologiczną. Jednak zwrot ekonomiczny zależy od tego, czy wygenerowana moc obliczeniowa przełoży się na aplikacje przynoszące wymierne korzyści. Wysokie inwestycje nie oznaczają automatycznie wysokiej wartości dodanej. Jeśli modele będą jedynie uzupełniać istniejące usługi cyfrowe, nie generując jednocześnie odpowiedniej gotowości do płacenia, zwrot z inwestycji w infrastrukturę może znaleźć się pod presją.

Jednocześnie centra danych mają pozytywny wpływ na regiony. W hrabstwie Loudoun generują one znaczną część budżetu ogólnego, mimo że zajmują jedynie niewielką część powierzchni komercyjnej. Inne gminy wykorzystują wpływy z podatków do finansowania szkół, infrastruktury i usług publicznych. Takie przykłady pokazują, że możliwe są znaczące korzyści lokalne. Nie są one jednak gwarantowane i zależą od stawek podatkowych, zachęt, struktur własnościowych i umów.

Całościowa ocena ekonomiczna musi również uwzględniać efekty przemieszczenia. Jeśli ograniczona moc sieci zostanie przydzielona do centrum danych, może ona nie być dostępna dla fabryki, budownictwa mieszkaniowego czy elektryfikacji. Rosnące ceny energii elektrycznej obniżają konkurencyjność innych branż. Z drugiej strony, jeśli duży klient sfinansuje nowe elektrownie i linie przesyłowe, region może na tym skorzystać w dłuższej perspektywie. Dlatego, w zależności od taryfy i modelu inwestycyjnego, ten sam kampus centrum danych może albo uspołecznić koszty, albo zmodernizować infrastrukturę.

Prawdziwym pytaniem politycznym nie jest to, czy centra danych są dobre, czy złe. Chodzi o to, w jakich warunkach ich prywatne korzyści są zgodne z interesem publicznym. Obejmuje to dodatkową produkcję energii, koszty sieci uzależnione od zużycia, wiążące harmonogramy, ochronę przed hałasem i wodą, przejrzyste dane o obciążeniu oraz lokalne rekompensaty. Całkowite zakazy marnują możliwości, a bezwarunkowe subsydia przerzucają ryzyko na ogół społeczeństwa.

Niedobór mocy zmienia rynek sztucznej inteligencji

Przewidywana luka energetyczna nie jest peryferyjnym problemem boomu na sztuczną inteligencję, lecz kolejnym ważnym mechanizmem selekcji. Nie ogranicza ona zasadniczo rozwoju sztucznej inteligencji, ale będzie determinować jego tempo, lokalizacje, zwycięzców i przegranych. Firmy z własnym doświadczeniem energetycznym, międzynarodowym portfolio lokalizacji, długoterminowymi kontraktami na dostawy i wydajnym sprzętem mają przewagę strukturalną.

Dla producentów półprzewodników oznacza to większe zróżnicowanie. Zapotrzebowanie na procesory high-end utrzymuje się, ale rynek coraz bardziej ceni użyteczną moc obliczeniową w przeliczeniu na wat. Dostawcy pamięci, optyki, chłodzenia i technologii zasilania muszą liczyć się z bardziej zmiennym popytem. Z drugiej strony, firmy energetyczne, producenci technologii sieciowych i dostawcy elastycznego wytwarzania energii elektrycznej stają się centralnym elementem tworzenia wartości w dziedzinie sztucznej inteligencji. Boom rozszerza się z branży układów scalonych na całą infrastrukturę elektryczną.

Wyzwaniem dla decydentów i regulatorów jest pogodzenie szybkości i sprawiedliwego traktowania kosztów. Szybsze zatwierdzanie jest konieczne, ale nie może oznaczać, że gospodarstwa domowe i istniejące gałęzie przemysłu będą płacić bez kontroli. Duże obciążenia wymagają jasnych kryteriów przyłączenia, gwarancji finansowych i realistycznego wdrożenia. Elastyczne umowy mogą umożliwić wcześniejsze uruchomienie bez narażania stabilności sieci.

Stany Zjednoczone dysponują kapitałem, technologią, zasobami energetycznymi i dynamiką przedsiębiorczości. Ich problemem nie jest absolutny brak zasobów, a raczej brak synchronizacji między ekspansją cyfrową a infrastrukturą fizyczną. Elektrownie, linie przesyłowe, transformatory i wykwalifikowani pracownicy nie mogą być skalowani w rytm aktualizacji oprogramowania. Ci, którzy ignorują tę lukę, produkują ogłoszenia zamiast mocy obliczeniowej.

Boom na sztuczną inteligencję nie kończy się na gniazdku elektrycznym; tam się rozstrzygnie. Kolejne lata pokażą, czy Stany Zjednoczone zdołają przełożyć swoje cyfrowe ambicje na odporny system energetyczny. Jeśli się powiedzie, ekspansja może doprowadzić do powstania nowych elektrowni, nowocześniejszych sieci i wydajnych aplikacji sztucznej inteligencji. Jeśli się nie powiedzie, drogie układy scalone pozostaną w magazynach, projekty utkną w kolejkach, a koszty energii elektrycznej spadną na tych, którzy najmniej skorzystają na boomie.

Od widoczności do zaufania: Twoja skalowalna ścieżka z Xpert.Digital - Zdjęcie: Xpert.Digital

W przemysłowym modelu B2B trwałe relacje biznesowe rzadko powstają z dnia na dzień. Rozwijają się one krok po kroku – dzięki widoczności, profesjonalnej istotności, powtarzalnym punktom styku i rosnącemu zaufaniu. 4-etapowy model Xpert.Digital spełnia właśnie ten cel: oferuje ustrukturyzowaną ścieżkę, która zaczyna się od łatwego w zarządzaniu punktu wejścia i w razie potrzeby może przekształcić się w głębszą współpracę w rozwoju biznesu.

Zamiast polegać na głośnych obietnicach marketingowych, ten model stawia relację na pierwszym miejscu. Firmy zaczynają od jasno określonych, łatwych do obliczenia wskaźników, a następnie, na podstawie własnego doświadczenia, decydują, jak daleko chcą rozszerzyć współpracę. Kluczowym czynnikiem tego niezakłóconego procesu budowania zaufania jest to, że platforma całkowicie unika irytujących reklam, dzięki czemu uwaga redakcyjna skupia się wyłącznie na kompetencjach firm.

Więcej informacji tutaj:

• Od widoczności do zaufania: Twoja skalowalna ścieżka z Xpert.Digital

☑️ Naszym językiem biznesowym jest angielski lub niemiecki

☑️ NOWOŚĆ: Korespondencja w Twoim ojczystym języku!

Konrad Wolfenstein

Ja i mój zespół chętnie będziemy do Państwa dyspozycji jako osobisty doradca.

Możesz się ze mną skontaktować, wypełniając formularz kontaktowy tutaj [email protected]:lub po prostu dzwoniąc pod numer +49 7348 4088 965. Mój adres e-mail to

Nie mogę się doczekać naszego wspólnego projektu.

☑️ Wsparcie dla MŚP w zakresie strategii, doradztwa, planowania i wdrażania

☑️ Tworzenie lub reorganizacja strategii cyfrowej i digitalizacji

☑️ Rozszerzenie i optymalizacja procesów sprzedaży międzynarodowej

☑️ Globalne i cyfrowe platformy handlowe B2B

☑️ Rozwój biznesu pionierskiego / Marketing / PR / Targi