Andrii Garanin, Chief Energy och Infrastructure Officer på Silicon Foundation – Intervjuer

Andrii Garanin är Chief Energy och Infrastructure Officer på Silicon Foundation, där han utvecklar AI-datacenter och batterilagringsprojekt över stora amerikanska elmarknader, inklusive PJM och ERCOT. Med mer än 20 års erfarenhet av hela energivärdet, inklusive kraftproduktion, nätintegrering och lagring, är han en av de få infrastrukturredarna som broar världarna mellan kraftproduktion och AI-beräkning. Han har utvecklat och drivit energitillgångar som omfattar förnybara energikällor, gas och batterilagring och har haft ledande roller i internationella energi- och teknikkoncerner, inklusive Scatec Solar och Elementum Energy.

Silicon Foundation är en infrastrukturfokuserad organisation som bygger vid skärningspunkten mellan energi, AI-beräkning och kapitalmarknader. Organisationens kärntes är att framtida AI-infrastruktur kommer att bero på mindre, distribuerade datacenter direkt anslutna till energitillgångar snarare än stora centraliserade anläggningar. För att stödja denna vision utvecklar och driver Silicon Foundation GPU-datacenter för AI-arbetsbelastningar, investerar i storskaliga batterilagringssystem (BESS) för att förbättra nätverkets tillförlitlighet och skapar RAW-protokollet, en marknadsinfrastruktur som är utformad för att ansluta fysiska energi- och beräkningsresurser med institutionella kapitalmarknader. Organisationen utvecklar för närvarande ett stort datormoln- och energicampus i West Virginia som kombinerar nätverksåtkomst, energilagring, kylinfrastruktur och AI-beräkningskapacitet som en del av sitt bredare mål att bygga en energirik framtid.

Du har tillbringat mer än två decennier med att bygga energiinfrastruktur över förnybara energikällor, metan-till-energi, utility-skala solenergi, batterilagring och nu AI-datacenter. Hur har den resan format din syn på att elkraftens tillgänglighet blir lika viktig för AI-utveckling som GPU:er och grundmodeller?

Jag tillbringade större delen av min karriär på kraftproduktionssidan, men det var när jag arbetade på konsumtionssidan som min synvinkel förändrades. Du inser snabbt att att matcha efterfrågan till utbud inte är en sekundär fråga. Det är den viktigaste frågan. Den verkliga begränsningen är inte produktionen i sig; det är nätverket, som har en ändlig kapacitet att flytta och balansera elkraft. För att kunna hantera tillväxten av förnybara energikällor och den belastning det orsakar, måste man behandla konsumtionen som kontrollerbar och flexibel, inte fast.

AI befinner sig mitt i allt detta. Det är den mest betydelsefulla tekniska förändringen under detta århundrade, och det är redan en stor och snabbt växande källa till elkraftförbrukning. IEA förutspår att elkraftförbrukningen från datacenter kommer att fördubblas fram till 2030, med AI-optimerade anläggningar som kommer att öka med mer än fyra gånger; i USA förväntas datacenter ensamma stå för nästan hälften av all elkraftförbrukningstillväxt under detta decennium.

Elkraftens tillgänglighet är nu en första ordningens indata för AI-utveckling, på samma nivå som beräkning. Arbetet framöver är att hitta intelligenta sätt att göra den elkraften tillgänglig, och det är ett elkraftsystemproblem lika mycket som ett tekniskt problem.

På Silicon Foundation utvecklar du AI-datacenter och batterilagringsprojekt över stora amerikanska elmarknader som PJM och ERCOT. Vilka är de största missuppfattningarna som tekniska ledare har om vad det faktiskt krävs för att säkra elkraft för AI-infrastruktur i stor skala?

Flera missuppfattningar sticker ut. Den första är tron att man kan placera ett gigawatt-stort datacenter nästan var som helst, så länge platsen ser lovande ut på papperet. I verkligheten måste man ta hänsyn inte bara till den infrastruktur som finns idag, utan också till vad som är på väg: den andra belastningen och generationen som kommer att anslutas runt omkring och omforma det lokala nätverket.

Siffrorna gör detta konkret: ERCOT:s stora lastanslutningskö ökade till över 200 GW 2025, upp från cirka 63 GW i slutet av 2024, med den stora majoriteten av det datacenter. Du sitter inte i ett statiskt system; du sitter i en kö som förändras helt.

Den andra missuppfattningen är att behandla det som en fastighetsaffär. Det är det inte. En allvarlig utvecklare behöver äkta expertis över hela värdekedjan, elkraftproduktion, transmission och nätverksintegration, och beräkningshantering, inte bara en skiva av det. Den tredje är att ha för smal synvinkel. Du kan inte bara titta på regionalt tillgänglig elkraft. Du måste spåra nationell politik, arbeta med de samhällen du går in i, och samarbeta nära med den lokala nätverksoperatören, eftersom de är de som slutligen bestämmer om och hur du ansluter.

Många investerare utvärderar fortfarande AI-företag främst genom programvara, chip och modellprestanda. Varför tror du att energiinfrastruktur kan bli en av de viktigaste flaskhalsarna och möjligheterna i AI-ekonomin?

När konsumtionen når denna skala, måste du titta bortom chip och programvara till den infrastruktur som gör beräkning möjlig, och den uppströms-systemet är mycket mer komplext än vad många investerare antar. Beräkningsskiktet kan inte utvärderas i isolering från vad som händer på elkraftsförsörjningssidan; de är samma system.

Nätverksåtkomst har blivit den bindande begränsningen för datacenterkonstruktion, före mark eller tillstånd, och anslutningstider sträcker sig nu över år. Det är flaskhalsen, och det är också exakt där möjligheten är för alla som kan faktiskt lösa det.

Det finns en andra faktor som människor underskattar: lastprofilen för ett AI-datacenter är inte platt. Tränings- och inferensarbetsbelastningar kan svänga elkraftförbrukningen skarpt, ibland inom sekunder. Den intermittensen har allvarliga konsekvenser för hur en anläggning fungerar och, mer grundläggande, för hur den måste utformas och integreras från början.

En plats som inte kan hantera dessa svängningar eller omvandla dem till en funktion som nätverket kan använda kommer att kämpa. Investerarna som förstår att energilagret är där värde och risk koncentreras kommer att se möjligheterna som chip- och modell-linsen missar.

Vi hör ofta om datacenteroperatörer som söker nätverksanslutningar, men du har hävdat att nätverksåtkomst ensam är inte längre tillräckligt. Vilka ytterligare förmågor kommer framgångsrika AI-infrastrukturoperatörer att behöva under de kommande tio åren?

Som jag sa, en nätverksanslutning i sig garanterar inte ett lyckat projekt, eftersom nätverket aldrig är statiskt. Ny generation och ny belastning ansluter hela tiden, och båda förändrar vad din anslutning faktiskt är värd. Operatören och utvecklaren måste förstå dessa implikationer: om det lokala nätverket kan absorbera ökande efterfrågan och vilka begränsningar operatören kan införa längre fram när de inser att de inte kan hålla systemet stabilt.

Dessa begränsningar är verkliga och blir allt vanligare. PJM, som betjänar 67 miljoner människor, misslyckades nyligen med att nå sitt tillförlitlighetsmål i en kapacitetsauktion för första gången, med priser som nådde den regulatoriska taket.

Förnybara energikällor är den försiktiga exemplet här. Många projekt har avbrutits eller begränsats efter att de redan hade byggts. Regulatorer kan hantera dessa händelser på systemnivå, men den finansiella bördan faller vanligtvis på tillgångsoperatörerna, direkt försvagande investeringsfallet. Värre, det kan minska investerarnas aptit för den kommande vågen av projekt.

Så den förmåga som är viktig under de kommande tio åren är inte bara att få anslutning; det är förmågan att förutse och absorbera den volatiliteten genom flexibilitet, lagring och rätt kontrakt- och operativ design så att ditt projekt förblir bankabelt även när nätverket runt omkring förändras.

Batterilagringssystem (BESS) diskuteras alltmer tillsammans med AI-infrastruktur. Hur ser du att batterilagring utvecklas från en backup-lösning till en strategisk tillgång för AI-datacenter?

Jag ser detta som en av de största förändringarna under det senaste decenniet, och det beror på två faktorer. Den första är kostnaden. Batterikostnaderna har minskat dramatiskt, med cirka 90%, medan installerade utility-skala kostnader har minskat med cirka 20% per år. Den trenden fortsätter fortfarande, och det förändrar vad som är ekonomiskt möjligt.

Den andra är den definierande tekniska funktionen hos BESS: den kan reagera nästan omedelbart på förändrade förhållanden i nätverket. Den hastigheten är viktig samtidigt för generation, AI-datacenterkonsumtion och allmän nätverksstabilitet. Det är den enda tillgången som sitter över alla tre. BESS har nu bevisat att den kan stapla flera intäktsströmmar: energiarbitrage, frekvensreglering, kapacitet och hjälpfunktioner, samtidigt som den tillhandahåller den kudde som nätverket behöver under stress. Den kombinationen är vad som förvandlar den till en strategisk tillgång.

Den verkliga utmaningen från och med nu är distribution. En batteri kan bara leverera sin fulla värde när den sitter där nätverket faktiskt behöver det — vid de begränsade noderna, bredvid belastningen och generationen den balanserar. Att få dessa tillgångar att sitta och operera som en samordnad, distribuerad resurs, snarare än som isolerade installationer, är det arbete som låser den strategiska värden för AI-infrastruktur.

Under din tid på Hiveon arbetade du omfattande med efterfrågestyrning, frekvensreglering och energioptimeringsprogram. Vilka lärdomar från Bitcoin-gruvsektorn kan AI-datacenteroperatörer tillämpa idag?

Jag ser kryptobranschen som bron till flexibel konsumtion, inte för att den uppfann efterfrågestyrning, men för att den förde en genuint ny typ av belastning som tvingade nätverksoperatörer att bygga bättre regler runt den. Avbrytbara lastprogram för tung industri har funnits i decennier; det är inte nytt. Vad gruvdrift tillförde var en belastning som är stor, koncentrerad och nästan perfekt diskret: du kan stänga av med ingen kostnad utöver den intäkt du avstår, ingen utrustningsskada och ingenting att starta om.

Det är en sällsynt profil, och det är varför ERCOT skapade ett frivilligt begränsningsprogram riktat specifikt till stora flexibla kunder som gruvanläggningar och varför dessa belastningar kan registreras som kontrollerbara lastresurser som är berättigade till efterfrågestyrning och hjälpfunktioner.

Men jag vill vara tydlig med vad som faktiskt är överförbart, eftersom hastighetsfrågan förenklas för mycket. Att ha arbetat med ASIC-flottor själv kan jag säga att det är genuint svårt att flytta en stor gruvbelastning på sekunder. Där gruvdrift är exceptionellt stark är snabb ekonomisk begränsning och nödbelastningsreduktion, som svarar på prissignaler eller nätverksstress inom minuter, tillförlitligt och i stor skala.

Frekvensreglering, den nästan omedelbara, automatiska balanseringen som nätverket använder för att hålla sin frekvens stadig, är ett annat och mycket svårare problem eftersom det kräver kontinuerlig, proportionell kontroll över hela flottan. Det kan göras: jag var involverad i att integrera ASIC:er i frekvensreglering i en nordisk marknad, där reaktionstider var under fem sekunder. Men det blev mer komplext över tiden, och jag har inte sett gruvarbetare leverera sann frekvensreglering i USA som de har levererat efterfrågestyrning och begränsning.

Så den verkliga lärdomen för AI-operatörer är inte att “kopiera begränsningsprofilen”. Det är att marknadsmekanismerna, regleringsramarna och operatörsrelationerna redan finns, och kryptobranschen spelade en stor roll i att bevisa att de kan fungera i stor skala.

Vad som är slående är hur lite av den grunden traditionella datacenteroperatörer har gjort med sina nätverksoperatörer. AI har också en viktig asymmetri: modellträning är mycket mindre avbrytbar än gruvdrift, med tanke på kraven för checkpointing och upptid, även om inferensarbetsbelastningar kan vara mer flexibla. Lärdomen att anta är engagemangsmodellen och marknadsdeltagandet, inte antagandet att AI-belastning kan begränsas som en gruvrigg.

AI-datacenter porträtteras ofta som stora elkraftsförbrukare. Kan de så småningom bli nätverksstödjande tillgångar som hjälper till att stabilisera energimarknader snarare än att bara lägga till efterfrågan?

Absolut. Jag är övertygad om att datacenter, som en kategori, underutnyttjar sin förmåga att operera flexibelt. Dessa är programmerbara maskiner. Genom sin natur kan de schemaläggas och formas för att köra i särskilda mönster. Jag vill inte övergeneralisera, eftersom inte alla arbetsbelastningar kan avbrytas. Men även för den del som inte kan avbrytas, finns det infrastruktur på plats, inklusive reservkraft och, alltmer, batterier, som kan stödja nätverket eller släcka belastning när nätverket behöver det.

Den underliggande verkligheten har förändrats. Konsumtion är inte längre en platt linje, och med förnybara energikällor som nu utgör en betydande andel av generationen, är tillförseln inte heller platt. Det finns toppperioder och låg efterfrågan, och datacenter med rätt verktyg och nätverksincitament kan hjälpa till att absorbera den variabiliteten snarare än att bara lägga till stress på systemet. ERCOT har redan visat prejudikat, med flexibla stora belastningar som tillhandahåller reglering och reservtjänster under perioder av nätverksstress.

För de flesta operatörer är gapet inte förmåga; det är viljan. Och fallet för att vara flexibel går bortom den extra intäkten. Det är också en fråga om långsiktig försörjningstrygghet. Om du flexar, håller du systemet stabilt och undviker att köra din egen försörjningskedja på den absoluta gränsen, där en enda felaktighet uppströms kan ta ner dig. Flexibilitet är både en intäktsström och en försäkring. Operatörerna som behandlar det på det sättet kommer att vara de som nätverket vill behålla.

Du har en meritlista över hela energivärdet och har övervakat projekt som finansierats av stora internationella institutioner. Vad skiljer ett AI-infrastrukturprojekt som är attraktivt för långsiktiga infrastrukturinvesterare från ett som inte är det?

Den tydligaste skillnaden är mognad. AI-datacenterindustrin är fortfarande mycket ung, och den måste gå igenom en etableringsperiod under vilken intäktsmodeller, operativa riskramar, kompetensbasen och försörjningskedjan alla mognar. Just nu kommer många aktörer in på marknaden från mycket olika bakgrunder, men mycket få har fullständig värdekedjekompetens över elkraftproduktion, nätintegrering, finansiering, konstruktion och beräkningshantering. Den typen av änd-till-änd-koordination är sällsynt, och det är exakt vad långsiktiga infrastrukturinvesterare letar efter, eftersom det är vad gör kassaflöden mer förutsägbara.

Vad som skiljer ett finansierbart projekt från ett som inte är det är om hela kedjan har tänkts igenom och samordnats under en sammanhängande plan. Det kan inte vara en stark plats med en svag elkraftstrategi eller en bra elkraftaffär med ingen riktig förståelse för hur beräkningsbelastningen faktiskt kommer att bete sig. Infrastrukturkapital underlättar hållbarhet och förutsägbarhet under årtionden. Projekten som vinner är de där varje länk har integrerats äkta, så att investeraren inte behöver chansa på att fem separata saker kommer att fungera genom tur.

Det finns en växande diskussion kring lokal elkraftproduktion, mikronät, naturgas, förnybara energikällor och hybridenergisystem. Vilka energistrategier tror du är mest sannolika att stödja den kommande AI-infrastrukturtillväxten?

“Ta med din egen generation” har blivit nästan en förutsättning för ny datacenterutveckling, eftersom nätverken står inför efterfråganstoppar som de inte kan möta på egen hand. Vi ser redan detta i siffrorna. Utvecklare i USA går alltmer vidare med lokal gasgenerering, och IEA uppskattar att 15 till 27 GW lokal gaskapacitet kan komma att driva datacenter fram till 2030.

Men jag vill pusha tillbaka mot att svara för allmänt, eftersom den rätta strategin är genuint plats- och regionspecifik. Platsen bestämmer vad som är tillgängligt, vad som kan tillåtas och vad nätverket kommer att tillåta. Det sagt, när utrullningshastighet är prioritet, och det är det nästan alltid, är gasgenerering tydligt den mest attraktiva optionen. Alternativen är antingen intermittenta, som vind och sol, eller tar år att komma online, som kärnkraft, vattenkraft eller kol.

I praktiken kommer den närmaste vågen sannolikt att ledas av gas, ofta i kombination med lagring och förnybara energikällor i en hybridkonfiguration. Fastare och renare källor kan sedan fasas in över en längre horisont när de blir tillgängliga. Det är också värt att vara ärlig om att lokal gas inte är en gratis lunch. Pålitlig fast försörjning för en variabel AI-belastning kan kräva betydande överbyggnad, och gasturbiner i sig är i kort supply. Det är därför hybridmodellen är vad som gör modellen mer hållbar.

Om fem till tio år, vad tror du att AI-branschen fortfarande underskattar om relationen mellan beräkning, elkraft, nätverksflexibilitet och infrastrukturfinansiering, och vad bör ledare förbereda sig på idag?

Det är svårt att spela siare i en miljö som rör sig så snabbt, men några saker verkar tydliga för mig.

Först kommer alla datacenter att bli nätverksinteraktiva. Detta kommer inte att vara en trevlig funktion. Det kommer att bli en förutsättning för att få anslutning alls. Vi kan redan se nätverksoperatörer som rör sig i den riktningen, med PJM och ERCOT som skapar nya kategorier av stora belastningar som accepterar begränsning i utbyte mot snabbare åtkomst. Flexibilitet blir priset för inträde.

Andra, utvecklare kommer att alltmer jaga strandsatt elkraft och gå mot vertikal integration. Det kan betyda att förvärva generation och nätverks­tillgångar, eller att bygga den expertisen internt. När anslutningskön är flaskhalsen är att äga mer av värdekedjan hur du får mer kontroll över din egen tidslinje.

Tredje, den negativa offentliga bilden av datacenterutveckling kommer att börja förändras, men bara om utvecklare och operatörer lär sig att integrera ordentligt med de samhällen där de verkar. Det innebär att dela infrastrukturkostnader rättvist, vara transparenta om vatten- och elkraftsanvändning och skapa tydliga lokala fördelar. Mycket av den pressen kommer också från den finansiella sidan. Infrastrukturinvesterare och långivare kommer att kräva bättre miljö- och sociala prestationer och samhällsengagemang som en förutsättning för kapital, och det kommer att tvinga branschen att professionalisera hur den utvecklas.

Projekten som behandlar samhällsengagemang och miljöprestanda som kärna i finansiering, inte som PR, är de som kommer att få finansiering och byggas. Mitt råd till ledare idag är enkelt: bygg flexibilitet, värdekedjekontroll och äkta samhällsengagemang i dina projekt nu. Om fem till tio år kommer alla tre att vara inträdeskrav, inte differentierare.

Tack för den utmärkta intervjun, läsare som vill lära sig mer bör besöka Silicon Foundation.