Kampen om AI-ägande – Varför datacenter är viktigare än någonsin

För några år sedan verkade datacenter vara något rent tekniskt och osynligt – infrastruktur gömd djupt i backend, sällan diskuterad utanför professionella kretsar. Men den explosiva tillväxten av AI har helt förändrat den bilden. Idag har datacenter blivit den nya “oljekällan” i den digitala ekonomin: en strategisk tillgång runt vilken miljarder i investeringar, regeringspolicys och företagsstrategier byggs.

Nya nyheter bekräftar detta. Anthropic meddelade bygget av sina egna datacenter i USA, till en kostnad av 50 miljarder dollar, en siffra jämförbar med budgeten för stora energimegaprojekt. Nästan samtidigt avslöjade X.AI och Nvidia ett gemensamt projekt i Saudiarabien, ett av de största datacentren i regionen.

Varför har ämnet datacenter blivit så globalt? Varför flyttar stora spelare bort från rena molnmodeller och investerar tiotals miljarder i sin egen kapacitet? Och hur påverkar denna förändring AI-arkitektur, energisystem, geopolitik och uppkomsten av alternativa modeller, från Arktis till rymdbaserade datacenter?

Detta är vad kolumnen nedan utforskar.

Den globala ökningen av intresse för att äga datacenter

När konsumtionen av beräkningsresurser mäts i miljontals dollar per år är det verkligen mer kostnadseffektivt att hyra molnservrar: företag behöver inte bygga och underhålla byggnader, betala för el och kylning, köpa utrustning eller regelbundet uppgradera den. Men när utgifterna når tiotals miljarder dollar skiftar logiken.

På den punkten blir det mer kostnadseffektivt att bygga egna datacenter, anställa ingenjörer, köpa utrustning och optimera infrastrukturen för specifika behov. Företaget slutar att överbetala för molnleverantörernas marginaler och får mycket större kontroll över kostnaden och effektiviteten hos beräkningarna.

Det är därför trenden att bygga privata datacenter är mest relevant för jättar som OpenAI eller Anthropic, företag vars behov är så stora att molnet inte längre är ekonomiskt motiverat.

Samtidigt är det viktigt att förstå att begreppet “datacenter” är flerskiktat. För vissa företag är det främst en datalagringsanläggning, skivor, databaser och användarinformation. För andra är det också en beräkningshub: servrar som kör modeller som GPT, Claude eller LLaMA, som samtidigt lagrar data och utför komplexa operationer. I princip är ett datacenter idag ett massivt tekniskt “lager” som inrymmer tusentals specialiserade datorer.

Och ju högre efterfrågan på AI-kapacitet, desto mer strategisk och debatterad blir detta “lager”, vilket är varför datacenter nu diskuteras inte bara av ingenjörer, utan också av investerare, beslutsfattare och toppchefer.

Vad är viktigast vid byggnation av AI-datacenter: hastighet eller kvalitet?

I verkligheten är varken bygghastighet eller den formella “kvaliteten” på ett datacenter den primära drivkraften. Stora företag investerar i sin egen infrastruktur för att minska kostnader och få maximal kontroll över beräkningar.

Kvaliteten på modellerna i sig bekymrar toppspelarna betydligt mindre än man kan tro. Anledningen är enkel: kvalitetsskillnaden mellan marknadsledarna är minimal. Det är väldigt likt bilindustrin: Volkswagen, Toyota, Honda – alla olika, men ingen kan dra så långt före att de kan monopolisera marknaden. Var och en behåller sin stabila andel.

AI-marknaden följer en liknande logik. Avancerade användare använder redan flera modeller samtidigt: en för programmering, en annan för textgenerering, en tredje för analys eller sökning. Företagskunder gör detsamma. Till exempel har tjänster som Grammarly inte sin egen modell alls. De köper token från flera leverantörer, Anthropic, OpenAI, Meta. När en begäran kommer in väljer systemet automatiskt leverantören: den som för tillfället är billigast, snabbast eller mest exakt. Om texten är på engelska går den till GPT; om den är på hindi går den till Claude; om LLaMA för tillfället har de lägsta priserna går den dit. Detta är i princip en aktiebörsliknande lastfördelningsmodell.

I samtal med företagskunder från Keymakr ser jag alltmer denna trend: stora företag har länge övergett “en modell – en leverantör”-tillvägagångssättet. De bygger multi-modellpipeliner där begäranden dirigeras mellan olika AI-system beroende på kostnad, latency eller språkspecifikhet. Men denna arkitektur ställer betydligt högre krav på data, specifikt dess renhet, annotering, validering och konsekvens. I denna mening blir datainfrastrukturen lika strategisk som datacentren själva: utan högkvalitativ indata fungerar inte ett multi-modellsystem.

Till slut, i denna arkitektur, blir modellkvalitet bara en av många parametrar. Nyckeln är att upprätthålla hastighet, skalbarhet och förmågan att hantera massiva beräkningsbördor. Och det är exakt vad som ger privata datacenter deras strategiska värde: de låter företag kontrollera kostnad, genomströmning och stabilitet, medan de har liten inverkan på den slutliga modellkvaliteten.

Med andra ord bygger företag idag datacenter inte för hastighet eller perfekt kvalitet, utan för ekonomi och kontroll.

Datacentergeografi

Med “kontroll” menar jag datacentergeografi. Om ett företag arbetar med regeringsbyråer förbjuder lagen ofta att data lämnar landet. Regerings- och kvasi-militära applikationer använder aktivt AI i underrättelsetjänst, försvars-IT-enheter och kommunala tjänster. Men det är omöjligt att ge dessa system tillgång till en modell om datacentret är beläget i en region med osäker jurisdiktion eller lågt förtroende. Därför kräver regeringar att beräkningskapaciteten fysiskt är belägen inom landet.

Stora företag förstår detta perfekt. Om de vill delta i regeringsupphandlingar, teckna kontrakt eller bearbeta känsliga data behöver de infrastruktur i specifika regioner och förmågan att garantera efterlevnad av säkerhetsstandarder. Denna geografiska begränsning påverkar också en annan kritisk faktor vid byggnation och drift av datacenter – energi.

AI-datacenter förbrukar enorma mängder el, både för att köra servrar och för att kyla dem. Kylning kostar ofta mer än beräkningen i sig. Detta skapar strikta begränsningar. I vissa regioner är datacenter begränsade till att dra en viss mängd effekt från elnätet; i andra är värmeutsläpp till miljön strikt reglerade. Överskridande av gränser resulterar i böter och dyra ingenjörsuppgraderingar.

Dessutom köps el huvudsakligen från statliga energiföretag, som har sina egna tariffstrukturer. Man kan inte bara “köpa så mycket man vill”. Till exempel, upp till en viss tröskel är priset en viss nivå; ovanför den, en annan. Om ett datacenter drar mer effekt än tillåtet under toppperioder, ådrar det sig automatiskt böter. Av denna anledning finner stora företag ofta att det är mer ekonomiskt att bygga sina egna datacenter nära sina egna kraftverk.

Detta leder naturligt till idén att utveckla egen kraftgenerering, såsom solfarmar, gasdrivna anläggningar eller små vattenkraftverk. Men alla dessa lösningar har begränsningar. Gas- och kolbränslen ger upphov till utsläpp. Vattenkraft förändrar flod ekosystem. Kärnkraft är den renaste i termer av utsläpp, men endast regeringar kan bygga kärnkraftverk.

Och det är precis vid denna punkt som nya koncept börjar dyka upp…

Alternativa lösningar

Det mest uppenbara alternativet är att flytta datacenter till regioner med naturligt kalla klimat, såsom norra Kanada, norra territorier i Skandinavien eller avlägsna områden i Arktis. Där löser naturen själv kylningsproblemet, vilket drastiskt minskar driftskostnaderna.

Nästa steg är “under vattnet datacenter”. Beräkningar sker under vatten, med det kalla marina miljön som tillhandahåller naturlig kylning. Men denna metod har också nackdelar. Miljöaktivister har redan väckt oro. Till exempel, nära södra Island, där Golfströmmen passerar, har vissa föreslagit att den storskaliga utplaceringen av under vattnet datacenter kunde påverka lokala klimatprocesser, potentiellt till och med ändra havsströmningsbeteende. Inledande observationer av sådana avvikelser har redan registrerats.

Det finns också mer futuristiska alternativ. Nyligen diskuterade jag konceptet rymdbaserade datacenter med kollegor. Idén att skjuta upp beräkningsinfrastruktur i omloppsbana har funnits under lång tid; dock har tekniken nu tagit det till gränsen för praktisk genomförbarhet, med en färdig teknisk grund.

Varför verkar rymden attraktiv? Det löser omedelbart två stora begränsningar: kylning och el. Temperaturer i nära-Earth-rymden är extremt låga, vilket gör värmeavgivning nästan gratis. El är också inget problem: stora solpaneler kan deployeras, liknande rymdteleskop som vecklar ut sina speglar. I rymden finns det ingen damm, inget väder, ingen skugga. Panelerna tillhandahåller stabil effekt runt ur klockan med praktiskt taget ingen underhåll.

Kommunikation med jorden är en separat ingenjörsutmaning, men den är helt och hållet lösbar. En metod är att använda satellitsystem som Starlink, men med mycket bredare kanaler. Radioförbindelser kan i princip hantera dessa volymer, och optiska förbindelser, ljusbaserade kanaler med enorm bandbredd, kan användas om behov finns. Ingenjörer kommer definitivt att hitta en lösning här.

Sammantaget är rymdinfrastruktur mer av en framtida utvecklingsgren, men att diskutera det verkar inte längre som science fiction, särskilt som efterfrågan på beräkning växer mycket snabbare än ny kapacitet på jorden.

Det är värt att notera de senaste nyheterna: Google meddelade sitt Suncatcher-projekt, som syftar till att skapa AI-rymddatacenter. Enligt planen kommer satelliter utrustade med TPU-chip att drivas av solenergi och sända data via optiska kanaler. Google hävdar att denna lösning kunde ge upp till åtta gånger större energiproduktionsverkningsgrad än terrestra system. De första satellitprototyperna är planerade att skjutas upp så tidigt som 2027.

Regleringarnas inverkan

När det gäller regleringar som påverkar datacenter, deras miljöpåverkan och om lagramar kunde “driva” denna marknad till rymden eller under vatten, förblir frågan öppen.

Varje land agerar annorlunda, genomför regleringar i enlighet med sina långsiktiga planer. Det är ingen hemlighet att Europa, till exempel, har strängare regler, som bromsar AI-utvecklingen. USA, å andra sidan, tar en mer pragmatisk approach: lagar skrivs vanligtvis för att tillåta innovation och tillväxt att fortsätta. En stark tech-lobby i Kalifornien, hem för företag som Nvidia, Apple, Microsoft och Meta, gör att ett totalt förbud mot AI är osannolikt. Det betyder att tekniken kommer att fortsätta att utvecklas.

Vi lever i en era där “tänka utanför boxen” uppmuntras både i väst och Asien, och exemplen från Elon Musk och Steve Jobs fortsätter att inspirera ambitiösa projekt. Så, kanske är beräkning i rymden nästa logiska steg efter allt.