27 mia. dollars viser hvor dyr AI-kapacitet er blevet

Meta har indgået en femårig aftale med den hollandske AI-cloudleverandør Nebius, som kan ende på op til 27 mia. dollars. Aftalen består af 12 mia. dollars i dedikeret kapacitet og op til 15 mia. dollars ekstra kapacitet over perioden. Leverancerne starter først i begyndelsen af 2027, men signalet kommer nu: AI-kapacitet er ikke længere noget, man bare lejer efter behov. Den bliver reserveret flere år frem og i beløb, der ligner energiprojekter mere end it-budgetter.

☁️ Fakta Meta har låst 12 mia. dollars i dedikeret kapacitet, reserveret op til 15 mia. dollars ekstra og udvider samtidig et tidligere Nebius-samarbejde fra november 2025 på cirka 3 mia. dollars.

Det interessante er ikke kun størrelsen. Det er sammensætningen. Ifølge de aktuelle oplysninger bliver aftalen en af de første store installationer af NVIDIAs Vera Rubin-platform. Det betyder, at Meta ikke bare køber flere GPU-timer. Selskabet køber sig tidligt ind i næste bølge af hardware, før den bliver normal vare på markedet. Det er samme logik, som store industrikøbere bruger, når de sikrer sig knappe input længe før den brede efterspørgsel rammer.

For danske virksomheder og offentlige organisationer er pointen ikke, at alle skal ud og binde milliarder i regnekraft. Pointen er, at markedet bevæger sig i retning af længere kontrakter, hårdere prioritering og større prisforskelle mellem dem, der planlægger kapacitet, og dem, der køber sent. Hvis de største kunder reserverer fremtidig kapacitet flere år ud, kan resten af markedet ende med dyrere adgang, færre valgmuligheder og mere afhængighed af de samme få leverandører.

Det her bør også læses som en advarsel mod at tale om cloud som om al kapacitet er ens. AI-infrastruktur er blevet en særskilt kategori med egne leverandører, egne finansieringsmodeller og egne risici omkring strøm, leveringstid og binding. Når Meta udvider fra en tidligere aftale på omkring 3 mia. dollars til en mulig samlet ramme på 27 mia. dollars, fortæller det noget om tempoet i den udvikling.

Den nøgterne lære er derfor enkel. Organisationer, der forventer større AI-belastning i 2026 og 2027, bør begynde at arbejde mere seriøst med kapacitetsplaner, leverandørrisiko og exitmuligheder. Det lyder tørt, men det er præcis der, forskellen opstår mellem et AI-projekt, der kan skaleres, og et projekt, der går i stå, når markedet bliver trangt.