AI-kapplöpningen kommer att bli fysisk

Under de senaste åren har berättelsen om artificiell intelligens berättats nästan uteslutande på mjukvaruspråk. Modellerna blir alltmer kapabla för varje minut, de blir snabbare och mer specialiserade. Miljarder dollar flödar in i grundmodeller, forskningslaboratorier och startup-företag som lovar att omforma hela branscher. Regeringar har publicerat nationella AI-strategier och varje styrelserum i landet har diskuterat integrationsvägar. Samtalet har varit omfattande, framåtriktat och, på viktiga sätt, ofullständigt.

AI är inte magi. Den lever inte i molnet på något metaforiskt sätt. Varje modell som tränas, varje fråga som besvaras, varje bild som genereras är beroende av fysisk infrastruktur – datacenter som drar enorma mängder kraft, kylsystem som körs dygnet runt, fiberkablar som transporterar data över kontinenter, understationer som kopplar allt till fungerande elnät.

Den höga energikostnaden för inferens

Vi har undersökt mer än 200 seniora AI-beslutsfattare i USA, och datan ger hårda siffror till vad många inom branschen har erkänt. Nästan 29% av organisationerna säger att energikostnaderna redan begränsar deras förmåga att skala upp AI. Över en kvart (28%) säger att stigande elpriser har tvingat dem att sakta ner eller pausa AI-träningsaktivitet helt och hållet. Gridanslutningsförseningar, kylbegränsningar, anslutningsbrist och planeringsbottleneck är alla nämnda som växande hinder. Infrastrukturlagret, som länge har behandlats som någon annans problem, har blivit alla människors problem.

Detta är inte helt oväntat i efterhand. Den skala på vilken modern AI opererar är genuint extraordinär. Att träna en stor gränsmodell kan förbruka lika mycket el som hundratals hem använder under ett år – en enda GPT-4-träningskörning förbrukar ungefär 50 GWh el – motsvarande den årliga förbrukningen för 40 000 amerikanska hushåll. Att köra inferens över miljontals dagliga användare kräver datacenter av en storlek och densitet som skulle ha verkat otrolig för ett decennium sedan. Och efterfrågan accelererar, driven av spridningen av AI-applikationer, expansionen av agenter och den ökande integrationen av AI i kärnverksamheter. Datacenter-elkonsumtionen ökar med cirka 15% per år – mer än fyra gånger snabbare än den totala elkonsumtionen i alla andra sektorer kombinerat. Den fysiska världen får i uppdrag att absorbera en exponentiell kurva, och den var aldrig utformad för att göra det så snabbt.

Strategin skiftar till den fysiska världen

Vad som gör det aktuella ögonblicket särskilt avslöjande är var begränsningarna faktiskt dyker upp. Mark, visar det sig, är inte det centrala problemet. Bara runt 14% av företagen i vår undersökning identifierar marktillgänglighet som sin primära utmaning. Det svårare problemet är allt som måste hända efter att du har hittat marken. En plats utan gridkapacitet är värdelös; ingen planeringsgodkännande betyder att du är strandsatt; och om det inte finns någon resilient anslutning kan AI-bygget inte fungera. Flaskbotten är inte utrymmet – det är den komplexa, långsamma processen att omvandla fysiskt utrymme till operativa beräkningsmiljöer. Den distinktionen är viktig eftersom den är mycket svårare att lösa med pengar ensam.

Det omdefinierar också hur vi bör tänka på nationell AI-konkurrenskraft. Samtalet har länge fokuserat på forskningstalent, investeringsvolym och kapplöpningen att träna de mest kapabla modellerna. Men infrastrukturstrategi har börjat framträda som en lika avgörande variabel. I regioner där tillståndsgivning går snabbare, där energipolitik är mer anpassad till industriell efterfrågan och där privat investering i stor skala-infrastruktur är mer mogen, kan AI skala snabbare. USA har strukturella fördelar här som ofta underskattas. De är inte glamorösa fördelar – de handlar om gridplanering, zonreform och samordning av nätverk – men de blir alltmer konsekvenser.

Geopolitik lägger till en annan lager av komplexitet. Ungefär en tredjedel (33%) av de företag som undersökts säger att de aktivt överväger att flytta AI-arbetsbelastningar till andra regioner eller länder på grund av geopolitiska bekymmer. Utöver de praktiska begränsningarna för kraft och planering, väger organisationerna nu också suveränitet, leverantörskedjeresiliens och den politiska stabiliteten i de miljöer där de distribuerar beräkningar. Resultatet är en omformning av var AI-infrastrukturinvesteringar flödar – mot regioner med riklig förnybar energi, tillgänglig gridkapacitet och snabbare regulatoriska vägar, oavsett var dessa regioner ligger på en traditionell teknologikarta.

Den första fasen av AI-revolutionen definierades av vad som var möjligt i mjukvara. Den nästa fasen kommer att definieras av vad som är uppnåeligt i den fysiska världen – av det oglamorösa, slitna arbetet med att bygga kraftinfrastruktur, säkra energitillförsel och navigera den byråkratiska komplexiteten i stor skala-industriell distribution.

Här är där USA kommer att ha en fördel som ingen mängd modellkapacitet kan enkelt övervinna. AI:s framtid beror på att elnätet håller. Det är mindre spännande än rubrikerna antyder. Det är också viktigare.