AI mangler ikke kun chips, men også strøm

Mange diskussioner om kunstig intelligens handler om modeller, priser og nye funktioner. Men en ny analyse peger på, at den næste store begrænsning kan være langt mere håndfast: strøm. Ifølge Sightline Climate kan op til halvdelen af annoncerede datacenterprojekter blive forsinket, og en væsentlig forklaring er adgang til el. For danske virksomheder og offentlige organisationer er det ikke bare en historie om investorer. Det er en historie om kapacitet, leveringstid og fremtidige cloudregninger.

⚡ Nøgletal i analysen
Sightline Climate følger datacenterprojekter svarende til omkring 190 gigawatt. Kun cirka 5 gigawatt er under opførelse, mens omtrent 36 procent af projekterne fik deres tidsplan skubbet i 2025.

Det kan hurtigt mærkes længere ude i kæden. Hvis nye datacentre bliver forsinkede, rammer det ikke kun de største modeludviklere. Det kan også føre til dyrere GPU-kapacitet, langsommere udrulning af nye AI-tjenester og mere pres på de regioner, som virksomheder allerede bruger i dag. Kort sagt: mange planer for AI hviler på en antagelse om, at regnekraft altid kan købes. Den antagelse ser mere skrøbelig ud.

For en kommune, et ministerium eller en stor virksomhed kan det betyde, at planlagte AI-funktioner rammer loftet hurtigere end forventet, selv hvis pilotprojekterne så billige ud i starten. Den slags flaskehalse bliver ofte først synlige, når løsningerne skal skaleres til rigtig drift.

Samtidig viser historien, at energispørgsmålet er blevet en del af selve AI-markedet. Tech-selskaber støtter nu sol, vind, atomkraft og nye batteriløsninger, fordi strøm ikke længere bare er et driftsvilkår. Det er blevet en konkurrencefaktor. Det gør også energiteknologi relevant for alle, der følger AI økonomisk. Hvis strømmen ikke kan leveres, bliver mange flotte produktplaner forsinket uanset hvor stærk modellen er.

🧭 Hvad man kan gøre nu
AI-planer bør kobles til cloudkapacitet, budgetstyring og prioritering af arbejdsbelastninger. Ikke alt behøver realtid, og ikke alt behøver de største modeller.

I praksis betyder det, at danske organisationer bør gå deres AI-portefølje igennem. Hvilke anvendelser kræver dyr og konstant kapacitet? Hvilke kan køres som batch om natten? Hvilke opgaver kan løses med mindre modeller tættere på egne systemer? Offentlig sektor bør samtidig stille skarpere spørgsmål til leverandører om regionvalg, redundans og hvad der sker, hvis kapacitet bliver knap i en længere periode. Det er kedeligt stof sammenlignet med nye modeldemoer. Men netop derfor bør det tages tidligt. Strøm er blevet en del af AI-strategien, også herhjemme. Kapacitet er ikke længere en detalje i kontrakten. Det er en del af selve løsningen.