Kampen om AI-eierskap – Hvorfor datasentre er viktigere enn noen gang

For noen år siden, syntes datasentre å være noe rent teknisk og usynlig – infrastruktur skjult dypt i bakenden, sjelden diskutert utenfor fagkretser. Men den eksplosive veksten av AI har fullstendig endret dette bildet. I dag, er datasentre blitt det nye “oljebrønnene” i den digitale økonomien: en strategisk ressurs rundt hvilken milliarder i investeringer, regjeringens politikker og bedriftsstrategier bygges opp.

Nyheten bekrefter dette. Anthropic annonserte byggingen av sine egne datasentre i USA, til en kostnad på 50 milliarder dollar, et beløp sammenlignbart med budsjettene for store energiprojekter. Nesten samtidig avslørte X.AI og Nvidia et fellesprosjekt i Saudi-Arabia, ett av de største datasentrene i regionen.

Hvorfor har temaet datasentre blitt så globalt? Hvorfor flytter store spillere vekk fra ren skytjeneste og investerer titall milliarder i egen kapasitet? Og hvordan påvirker denne endringen AI-arkitektur, energisystemer, geopolitikk og oppblomstringen av alternative modeller, fra arktiske til rombaserte datasentre?

Dette er hva kolonnen under utforsker.

Den globale økningen i interesse for å eie datasentre

Når forbruket av datatjenester måles i millioner av dollar per år, er det faktisk mer kostnadseffektivt å leie skytjenester: bedrifter trenger ikke å bygge og vedlikeholde bygninger, betale for strøm og kjøling, kjøpe utstyr eller oppgradere det regelmessig. Men når utgiftene når titall milliarder dollar, skifter logikken.

Da blir det mer kostnadseffektivt å bygge egne datasentre, ansatte ingeniører, kjøpe utstyr og optimalisere infrastrukturen for sine spesifikke behov. Selskapet slutter å overbetale for skytjenesteleverandørenes marginer og får mye større kontroll over kostnader og effektivitet i datatjenestene.

Dette er hvorfor trenden med å bygge private datasentre er mest relevant for gigantene som OpenAI eller Anthropic, selskaper hvis behov er så store at skytjenesten ikke lenger er økonomisk berettiget.

Samtidig er det viktig å forstå at begrepet “datasenter” er flerskiktet. For noen selskaper er det primært et datalagringsanlegg, disk, databaser og brukerinformasjon. For andre er det også et beregningshub: servere som kjører modeller som GPT, Claude eller LLaMA, samtidig som de lagrer data og utfører komplekse operasjoner. I virkeligheten er et datasenter i dag et enormt teknologisk “lager” som huset tusenvis av spesialiserte datamaskiner.

Og jo høyere etterspørselen etter AI-kapasitet er, jo mer strategisk og debattert blir dette “lageret”, hvilket er hvorfor datasentre nå diskuteres ikke bare av ingeniører, men også av investorer, politikere og toppledere.

Hva er viktigst i bygging av AI-datasentre: hastighet eller kvalitet?

I virkeligheten er hverken byggingshastighet eller den formelle “kvaliteten” på et datasenter den primære driveren. Store selskaper investerer i sin egen infrastruktur for å redusere kostnader og få maksimal kontroll over datatjenestene.

Kvaliteten på modellene selv bekymrer toppnivåspillerne langt mindre enn man skulle tro. Grunnen er enkel: kvalitetsgapet mellom markedets ledere er minimalt. Det er veldig likt bilindustrien: Volkswagen, Toyota, Honda – alle forskjellige, men ingen kan trekke langt enough å monopolisere markedet. Hver beholder sin stabile andel.

AI-markedet følger en lignende logikk. Avanserte brukere bruker allerede flere modeller samtidig: en for programmering, en annen for tekstgenerering, en tredje for analyse eller søk. Kunder gjør det samme. For eksempel, har tjenester som Grammarly ikke sin egen modell i det hele tatt. De kjøper token fra flere leverandører, Anthropic, OpenAI, Meta. Når en forespørsel kommer inn, velger systemet automatisk leverandøren: den som for tiden er billigere, raskere eller mer nøyaktig. Hvis teksten er på engelsk – går den til GPT; hvis den er på hindi – går den til Claude; hvis LLaMA for tiden har de laveste ratene – går den der. Dette er i virkeligheten en aksje-børs-lignende lastfordelingsmodell.

I samtaler med bedriftskunder av Keymakr, ser jeg stadig mer den samme trenden: store selskaper har forlengst forlatt “en modell – en leverandør”-tilnærmingen. De bygger multi-modell-pipelines hvor forespørsler blir sendt mellom forskjellige AI-systemer avhengig av kostnad, latency eller språkspesifikke krav. Men denne arkitekturen stiller betydelig høyere krav til data, spesielt dens renhet, annotering, validering og konsistens. I denne forstand blir data-infrastrukturen like strategisk som datasentrene selv: uten høykvalitetsinndata, fungerer ikke et multi-modellsystem.

Til slutt, i denne arkitekturen, blir modellkvaliteten bare ett av mange parametre. Nøkkelorden er å opprettholde hastighet, skalerbarhet og evnen til å håndtere massive datatjenestebelastninger. Og dette er nettopp hva som gir private datasentre sin strategiske verdi: de lar selskaper kontrollere kostnader, gjennomstrømming og stabilitet, samtidig som de har liten innvirkning på den endelige modellkvaliteten.

Med andre ord, bygger selskaper i dag datasentre ikke for hastighet eller fullkommen kvalitet, men for økonomi og kontroll.

Geografien til data

Med “kontroll” mener jeg geografien til data. Hvis et selskap arbeider med regjeringer, forbudt loven ofte data fra å forlate landet. Regjeringer og semi-militære anvendelser bruker aktivt AI i etterretning, forsvar IT-enhetene og kommunale tjenester. Men det er umulig å gi disse systemene tilgang til en modell hvis datasenteret er plassert i en region med usikker jurisdiksjon eller lav tillit. Derfor krever regjeringer at datatjenestekapasiteten må være fysisk plassert innenfor landet.

Store selskaper forstår dette perfekt. Hvis de ønsker å delta i regjeringskontrakter, signere kontrakter eller behandle følsomme data, trenger de infrastruktur i bestemte regioner og evnen til å garantere overholdelse av sikkerhetsstandarder. Den geografiske begrensningen påvirker også en annen kritisk faktor i bygging og drift av datasentre – energi.

AI-datasentre forbruker enorme mengder strøm, både for å kjøre servere og for å kjøle dem. Kjøling kan ofte koste mer enn beregningen i seg selv. Dette skaper strenge begrensninger. I noen regioner er datasentre begrenset til å trekke en bestemt mengde strøm fra nettet; i andre er varmeutslipp til miljøet strengt regulert. Å overstige grensene resulterer i bøter og dyre ingeniøroppgraderinger.

I tillegg kjøpes strøm hovedsakelig fra statseide energiselskaper, som har sine egne tariffstrukturer. Du kan ikke bare “kjøpe så mye du vil”. For eksempel, opp til en bestemt terskel, er prisen en rate; over det, en annen. Hvis et datasenter trekker mer strøm enn tillatt under toppperioder, incurrenes automatisk bøter. Derfor finner store selskaper ofte det mer økonomisk å bygge egne datasentre nær sine egne kraftverk.

Dette leder naturlig til tanken om å utvikle privat kraftproduksjon, som solkraftverk, gassdrevne anlegg eller små vannkraftverk. Men alle disse løsningene har begrensninger. Gass- og kullkraftverk produserer utslipp. Vannkraft endrer elveøkosystemer. Kjernekraft er den reneste i forhold til utslipp, men bare regjeringer kan bygge kjernekraftverk.

Og det er nettopp her nye konsepter begynner å dukke opp…

Alternative løsninger

Det mest åpenbare valget er å flytte datasentre til regioner med naturlig kalde klima, som det nordlige Canada, de nordlige territoriene i Skandinavia eller fjerne områder i Arktis. Der løser naturen selv kjølingsproblemet, og reduserer drastisk driftskostnadene.

Neste trinn er “undervannsdatsentre”. Beregning skjer under vann, og det kalde marine miljøet gir naturlig kjøling. Men denne tilnærmingen har også ulemper. Miljøvernere har allerede reist bekymringer. For eksempel, nær det sørlige Island, hvor Golfstrømmen passerer, har noen foreslått at storstilte utbygging av undervannsdatsentre kunne påvirke lokale klimaprosesser, potensielt endre havstrømmens atferd. Første observasjoner av slike avvik har allerede blitt registrert.

Det finnes også mer futuristiske alternativer. Nylig diskuterte jeg konseptet om rombaserte datasentre med kolleger. Ideen om å skyte opp datatjenestekapasitet i bane har eksistert lenge; men nå har teknologien bragt det til randen av praktisk gjennomførbarhet, med en klar teknisk basis.

Hvorfor ser rommet attraktivt ut? Det løser umiddelbart to store begrensninger: kjøling og strøm. Temperaturer i nær-jordbane er ekstremt lave, og gjør varmeavledning nesten gratis. Strøm er heller ikke et problem: massive solpaneler kan deployeres, like som romteleskoper utvider sine speil. I rommet er det ingen støv, ingen vær, ingen skygging. Panelene gir stabil strøm rundt uret med nesten ingen vedlikeholdskrav.

Kommunikasjon med Jorden er en separat ingeniørutfordring, men den er fullstendig løsbare. En tilnærming er å bruke satellittsystemer som Starlink, men med mye bredere kanaler. Radiolinker kan i prinsippet håndtere disse volumene, og optiske linker, lysbaserte kanaler med enormt båndbredde, kan brukes hvis nødvendig. Ingenicører vil definitivt finne en løsning her.

I alt er rom-infrastruktur mer en fremtidig utviklingsgren, men å diskutere det ser ikke lenger ut som science fiction, spesielt ettersom etterspørselen etter datatjenester vokser mye raskere enn ny kapasitet på Jorden.

Det er verdt å merke seg de nyeste nyhetene: Google annonserte sitt Suncatcher-prosjekt, som skal lage AI-romdatasentre. Ifølge planen, skal satellitter utstyrt med TPU-chipper bli drevet av solenergi og sende data gjennom optiske kanaler. Google hevder at denne løsningen kan gi opptil åtte ganger høyere energiproduksjonseffektivitet enn terrestriske systemer. De første satellittprototypene er planlagt å bli lansert så tidlig som 2027.

Reguleringspåvirkning

Når det gjelder reguleringer som påvirker datasentre, deres miljøpåvirkning og om lovgivningsrammene faktisk kan “skyve” markedet mot rom eller undervann, forblir spørsmålet åpent.

Hver land handler forskjellig, implementerer reguleringer i henhold til sine langsiktige planer. Det er ingen hemmelighet at Europa, for eksempel, har strengere regler, som bremser AI-utviklingen. USA, på den andre siden, tar en mer pragmatisk tilnærming: lovene skrives vanligvis for å tillate innovasjon og vekst å fortsette. En sterk teknologi-lobby i California, hjem til selskaper som Nvidia, Apple, Microsoft og Meta, gjør et totalt forbud mot AI usannsynlig. Det betyr at teknologien vil fortsette å utvikle seg.

Vi lever i en æra hvor “tenke utenfor boksen” dyrkes både i Vesten og Asia, og eksemplene til Elon Musk og Steve Jobs fortsetter å inspirere ambisiøse prosjekter. Så, kanskje datatjenester i rom er det neste logiske skrittet etter alt.