AI nie zabierze ci pracy. Najpierw odetnie ci prąd

Przez ostatnie 3 lata rozmowa o sztucznej inteligencji kręciła się wokół chipów, modeli i algorytmów. Nvidia stała się spółką o największej kapitalizacji na świecie. ChatGPT zdobył 100 mln użytkowników szybciej niż cokolwiek przed nim. Każdy tydzień przynosił nowy model, nową demonstrację i nowe zapowiedzi. Tymczasem w tle narastał problem, który dziś staje się poważniejszy niż dostępność procesorów graficznych. Problem banalny w swojej istocie: brakuje prądu.

Ile energii zużywa AI i centra danych?

Od razu zaznaczę, iż nie chodzi o chwilowe braki prądu, tylko o coś poważniejszego. Centra danych, które napędzają rewolucję AI, zużywają energię w tempie, którego istniejąca infrastruktura energetyczna nie jest w stanie obsłużyć. Według IEA (Międzynarodowa Agencja Energetyczna) centra danych zużyły ok. 415 TWh energii w 2024 roku. Z kolei w roku ubiegłym było to już blisko 485 TWh, a do 2030 roku zużycie może wzrosnąć do ok. 945 TWh – tyle co dziś zużywa cała Japonia. Oznaczałoby to tempo wzrostu zużycia energii na poziomie ok. 15% rocznie, czyli ponad 4-krotnie szybsze niż przewiduje się dla reszty sektorów gospodarki.

To nie jest scenariusz skrajnie optymistyczny. To bazowy wariant IEA, czyli punkt wyjścia, a nie najbardziej agresywna prognoza.

Zużycie energii bardzo mocno zależy od typu zadania. Proste zapytania tekstowe są relatywnie tanie energetycznie, ale obrazy, wideo czy modele rozumujące potrafią zużywać wielokrotnie więcej energii. Przy skali miliardów zapytań robi to ogromną różnicę.

To oznacza, iż każde centrum danych trenujące duże modele językowe to obiekt o zupełnie innej skali energetycznej niż to, co rozumieliśmy pod tym pojęciem jeszcze 5 lat temu. Tradycyjne centrum danych zużywało wówczas kilkanaście-kilkadziesiąt MW. Kampus budowany dziś pod AI potrzebuje setek megawatów, a nowe projekty mówią o gigawatach – czyli tysiącach megawatów w jednym miejscu.

IEA w raporcie Electricity 2026 podaje, iż centra danych odpowiadają dziś za ok. 1,5% światowego zużycia prądu. To wciąż niewielki udział, ale wzrost jest bezprecedensowy. Dla porównania: przez całą poprzednią dekadę zużycie energii przez centra danych rosło powoli, bo producenci sprzętu systematycznie poprawiali efektywność. Każda nowa generacja serwerów robiła więcej za mniej prądu. Ten trend się skończył – a adekwatnie odwrócił. Dobrze widać to na poniższym wykresie. Niebieskie słupki pokazują zużycie energii przez centra danych w 2024 roku, granatowe – prognozę na 2030 rok. W samych Stanach Zjednoczonych popyt ma wzrosnąć ze 180 do 420 TWh. Chiny wskoczą ze 100 na 280 TWh. Europa doświadczyć ma mniejszego wzrostu – z 65 do 110 TWh. Łącznie cały świat zużywać ma w 2030 roku ok. 945 TWh w skali roku, czyli ponad dwa razy więcej niż w porównywanym 2024 roku.

Źródło: Opracowanie własne na podstawie IEA Electricity 2026

Spośród wszystkich sektorów, które będą w latach 2026-2030 generować zapotrzebowanie na prąd w Stanach Zjednoczonych, centra danych odpowiadają za ok. połowę tego popytu. Drugą połowę stanowić mają razem wzięte auta elektryczne (EV), pompy ciepła, klimatyzacja i przemysł.

Źródło: Opracowanie własne na podstawie IEA Electricity 2026

Zużycie energii przez serwery AI – czyli serwery wyposażone w GPU, wyspecjalizowane układy obliczeniowe do trenowania i uruchamiania modeli – rośnie w tempie ok. 30% rocznie i odpowiada już za niemal połowę całego przyrostu zużycia energii przez centra danych. IEA przygotowała też wariant zakładający szybszą niż oczekiwana adopcję AI – w tym scenariuszu globalne zużycie energii przez centra danych przekroczy 1700 TWh do 2035 roku. To tyle co w 2025 roku zużywała cała Unia Europejska.

Oczywiście to tylko prognozy. ]]>Pojawienie się DeepSeeka na początku 2025 roku]]> pokazało, iż postęp w efektywności modeli może być skokowy i zupełnie nieoczekiwany. jeżeli do 2030 roku uda się wielokrotnie zmniejszyć zużycie energii na jedno zapytanie, cały ten scenariusz może wyglądać inaczej. Tylko iż póki co dzieje się odwrotnie – modele są coraz większe, a zapotrzebowanie rośnie szybciej niż prognozowano jeszcze rok temu.

Dlaczego sieć nie nadąży?

Centra danych można dziś budować stosunkowo szybko. Duży kampus największych graczy chmurowych da się postawić w rok, może dwa. Ale żeby podłączyć go do sieci, potrzeba czegoś, czego nie da się przyspieszyć pieniędzmi ani dobrą wolą polityczną: czasu.

Uzyskanie pozwolenia na budowę nowej linii wysokiego napięcia w Stanach Zjednoczonych zajmuje średnio ponad 10 lat. W Unii Europejskiej podobnie. Procedury środowiskowe, konsultacje społeczne, odwołania -wszystko to sprawia, iż infrastruktura przesyłowa żyje w zupełnie innym rytmie niż technologia.

Do tego dochodzi problem sprzętowy, który jest mniej oczywisty, ale równie poważny. Czas oczekiwania na transformatory energetyczne – urządzenia, bez których żadne centrum danych nie może działać – wynosi dziś od 2 do choćby 4-5 lat. Przed pandemią było to 30-60 tygodni (ok. 7-14 miesięcy). Producenci nie nadążają z zamówieniami, surowce drożeją, a moce wytwórcze transformatorów nie powstawały przez dekady, bo nikt nie zakładał takiego popytu.

Efekt jest bardzo konkretny. Według szacunków Gartnera – jednej z wiodących światowych firm analitycznych badających rynek technologiczny – do 2027 roku 40% centrów danych AI będzie musiało ograniczyć lub wstrzymać działanie wyłącznie z powodu braku zasilania. Już dziś ok. 50% globalnych projektów planowanych na 2026 rok ma opóźnienia z powodu problemów przyłączeniowych i braków sprzętu sieciowego. Nie brakuje ani pieniędzy, ani technologii. Brakuje transformatorów i wolnego miejsca w sieci. Tę przepaść dobrze ilustruje poniższy wykres, bezpośrednio z raportu IEA Electricity 2026. Samo centrum danych można postawić w 1-3 lata. Farmę fotowoltaiczną czy wiatrową w 1-5 lat. Z kolei budowa linii wysokiego napięcia albo stacji transformatorowej, bez której ani jedno, ani drugie nie dostarczy prądu, trwa od 5 do choćby 15 lat (patrz – czerwony słupek).

Źródło: Opracowanie własne na podstawie IEA Electricity 2026

Skalę problemu widać w kolejkach przyłączeniowych. IEA szacuje, iż na świecie w kolejkach do podłączenia do sieci utknęły projekty o łącznej mocy ponad 2500 GW. To projekty gotowe technicznie i finansowo, które po prostu czekają na wolne miejsce w sieci. W samych Stanach Zjednoczonych szacowany popyt centrów danych na prąd ma wynieść ok. 74 GW do 2028 roku, a dostępna moc sieciowa to ok. 25 GW. Luka wynosi zatem 49 GW -mniej więcej tyle co dwukrotność szczytowego zapotrzebowania całego Nowego Jorku.

Dla kontrastu spójrzmy na Chiny. Na koniec 2025 roku łączna moc zainstalowana w ich systemie wyniosła 3,89 TW, wobec ok. 1,35 TW w USA.

W samym 2025 roku Chiny dołożyły 543 GW nowych mocy. Stany Zjednoczone – 53 GW.

Jeszcze w 2005 roku USA produkowały dwa razy więcej prądu niż Chiny. W 2025 roku proporcje były już odwrotne: Chiny wygenerowały 10 707 TWh, a USA 4 670 TWh. Chiny mogą rozwijać centra danych w tempie, którego Zachód w krótkim terminie nie dogoni.

]]>Widać to też po atomie]]>. Na wykresie poniżej ciemniejszy słupek pokazuje łączną moc reaktorów będących w budowie, a jaśniejszy – ich liczbę. Chiny wyraźnie dominują pod oboma względami. Mają dziś w budowie 35 reaktorów jądrowych. Indie – 7. Cała reszta świata razem – ok. 30. USA nie budują dziś żadnego dużego reaktora, mają tylko kilka projektów małych reaktorów modułowych (SMR) na wczesnym etapie.

Źródło: IAEA PRIS (pris.iaea.org)

Jak sami widzicie, centrów danych przybywa szybciej niż infrastruktury energetycznej.

Kilka rynków już poczuło to na własnej skórze. Przykładem jest Northern Virginia, największy hub centrów danych na świecie, określany jako „Data Center Alley”. Ceny rezerwacji mocy na aukcjach PJM (operatora sieci energetycznej dla wschodnich Stanów Zjednoczonych) wzrosły tam z 28,92 USD za MW-dzień w 2024 roku do 329,17 USD w 2026 roku. To wzrost ponad 11-krotny w ciągu dwóch lat.

Irlandia, gdzie centra danych zużywają już ok. 20% całej krajowej produkcji prądu, wprowadziła restrykcje przyłączeniowe i wymagania własnej generacji dla nowych obiektów. Singapur wstrzymał budowę nowych centrów danych, a potem pozwolił na bardzo ograniczony ich rozwój.

Czytaj dalej: ]]>Independent Trader - niezależność finansowa]]>

Inwestowanie dywidendowe. ]]>Jak analizować spółki dywidendowe?]]>

Autor: ]]>Piotr Chuszno]]>