Kunstig intelligens-konkurransen er på vei til å bli fysisk

I løpet av de siste årene, har historien om kunstig intelligens blitt fortalt nesten utelukkende i språket til programvare. Modellene blir mer og mer kapable for hver minutt, og blir raskere og mer spesialiserte. Milliarder av dollar flyter inn i grunnmodeller, forskningslaboratorier og startup-selskaper som lover å omforme hele industrier. Regjeringer har publisert nasjonale AI-strategier, og hver styrerom i landet har diskutert integreringsveier. Samtalen har vært omfattende, fremoverrettet og, på viktige måter, ufullstendig.

Kunstig intelligens er ikke magi. Den bor ikke i skyen i noen metaforisk forstand. Hver modell som er trent, hver forespørsel som er besvart, hver bilde som er generert, avhenger av fysisk infrastruktur – data-sentre som trekker enorme mengder strøm, kjølesystemer som kjører døgnet rundt, fiberkabler som bærer data over kontinenter, transformatorstasjoner som kobler det hele til fungerende strømnetter.

Den høye energikosten for inferens

Vi har undersøkt over 200 senior AI-beslutningstakere i USA, og dataene viser tall til hva mange innen industrien har erkjent. Nesten 29% av organisasjonene sier at energikostnadene allerede begrenser deres evne til å skalerer AI. Over en fjerdedel (28%) sier at stigende strømpriser har tvunget dem til å sakke eller pause AI-treningaktivitet helt. Grid-tilkoblingsforsinkelser, kjølebegrensninger, tilkoblingsmangler og planleggingsflaskehalser er alle nevnt som økende hindringer. Infrastruktur-laget, som lenge har blitt behandlet som noen andres problem, har blitt alle sine problemer.

Dette er ikke fullstendig overraskende i etterkant. Skalaen som moderne AI opererer på, er virkelig ekstraordinær. Å trene en stor grensemodell kan forbruke like mye strøm som hundrevis av hjem bruker på ett år – en enkelt GPT-4-trening kan forbruke omtrent 50 GWh strøm – tilsvarende den årlige forbruket til 40 000 amerikanske husholdninger. Å kjøre inferens over millioner av daglige brukere krever data-sentre av en størrelse og tetthet som ville ha vært uvirkelige for ti år siden. Og etterspørselen øker, drevet av spredningen av AI-applikasjoner, utvidelsen av agente systemer og den økende integreringen av AI i kjernvirksomheten. Data-senterets strømforbruk øker med omtrent 15% per år – mer enn fire ganger raskere enn total strømforbruk over alle andre sektorer kombinert. Den fysiske verden blir bedt om å absorbere en eksponentiell kurve, og den var aldri designet til å gjøre det så raskt.

Strategien skifter til den fysiske verden

Hva gjør det nåværende øyeblikket særlig avslørende, er hvor begrensningene faktisk dukker opp. Land, det viser seg, er ikke det sentrale problemet. Bare rundt 14% av selskapene i vår forskning identifiserer landtilgjengelighet som deres primære utfordring. Det harde problemet er alt som må skje etter at du finner landet. En tomt uten grid-kapasitet er nytteløs; ingen planleggingsgodkjenning betyr at du er strandet; og hvis det ikke er noen resilient tilkobling, kan AI-bygningen ikke fungere. Flaskehalen er ikke rommet – det er den komplekse, langsomme prosessen med å omdanne fysisk rom til operative beregningsmiljøer. Denne distinksjonen betyr fordi det er mye harder å løse med penger alene.

Det omdefinierer også hvordan vi bør tenke om nasjonal AI-konkurransedyktighet. Samtalen har lenge fokusert på forskningstalent, investeringsvolum og kappløpet om å trene de mest kapable modellene. Men infrastruktur-strategi er i ferd med å bli like avgjørende. I regioner hvor tillatelse flytter raskere, hvor energipolitikken er mer tilpasset industriell etterspørsel og hvor privat investering i stor-skala-infrastruktur er mer moden, kan AI skalerer raskere. USA har strukturelle fordeler her som ofte blir undervurdert. De er ikke glamorøse fordeler – de involverer grid-planlegging, soningsreform og samordning av offentlige tjenester – men de blir stadig mer konsekvensfulle.

Geopolitikken legger til en annen kompleksitet. Rundt en tredjedel (33%) av bedriftene som er undersøkt, sier at de aktivt vurderer å flytte AI-arbeidsbyrder til andre regioner eller land på grunn av geopolitiske bekymringer. Ved siden av de praktiske begrensningene av kraft og planlegging, vurderer organisasjonene nå også suverenitet, forsyningskjede-resiliens og den politiske stabiliteten i miljøene de deployer beregning i. Resultatet er en omforming av hvor AI-infrastruktur-investeringer flyter – mot regioner med rikelig fornybar energi, tilgjengelig grid-kapasitet og raskere reguleringer, uavhengig av hvor disse regionene sitter på en tradisjonell teknologikart.

Den første fasen av AI-revolusjonen ble definert av hva som var mulig i programvare. Den neste fasen vil bli definert av hva som er oppnåelig i den fysiske verden – ved den glamorøse, slitende arbeidet med å bygge kraft-infrastruktur, sikre energitilførsel og navigere den byråkratiske kompleksiteten av stor-skala-industriell deployering.

Dette er hvor USA vil ha en fordel som ingen mengde modell-kapasitet lett kan overvinne. Fremtiden for AI avhenger av at strømnettet holder ut. Det er mindre spennende enn overskriftene antyder. Det er også viktigere.