Nie GPU, lecz prąd i chłodzenie mogą zahamować boom AI. Powstaje rynek wart biliony dolarów

Przez ostatnie lata symbolem boomu sztucznej inteligencji były procesory graficzne Nvidia. Firmy walczyły o dostęp do H100, później Blackwelli i kolejnych generacji akceleratorów, a wartość rynku AI liczono przede wszystkim w liczbie dostępnych GPU. We wrześniu 2026 roku coraz wyraźniej widać jednak, że samo zdobycie procesorów nie wystarcza. Każdy z nich trzeba zasilić, odprowadzić generowane ciepło, połączyć z odpowiednią infrastrukturą elektryczną i umieścić w centrum danych posiadającym realne przyłącze do sieci. To właśnie transformatory, rozdzielnice, generatory, systemy UPS, chłodzenie cieczą oraz dostęp do megawatów energii zaczynają decydować o tym, czy kolejny klaster AI rzeczywiście zostanie uruchomiony. Reuters opisuje już firmy z tych sektorów jako nowych beneficjentów boomu, który wcześniej kojarzono niemal wyłącznie z producentami chipów.

Skala inwestycji pokazuje, dlaczego temat wychodzi daleko poza branżę półprzewodników. McKinsey szacuje, że globalne nakłady na centra danych do 2030 roku mogą sięgnąć około 7 bilionów dolarów. Duża część tej kwoty nie trafi do producentów samych procesorów, lecz do firm odpowiedzialnych za energetykę, dystrybucję mocy, chłodzenie i infrastrukturę mechaniczną. Jednocześnie Międzynarodowa Agencja Energetyczna prognozuje, że zużycie energii elektrycznej przez centra danych może wzrosnąć z około 415 TWh w 2024 roku do około 945 TWh w 2030 roku. AI staje się więc nie tylko problemem obliczeniowym. Jest coraz większym przedsięwzięciem energetycznym i infrastrukturalnym.

Dlaczego brak prądu może być większym problemem dla AI niż brak GPU?

Procesor można zamówić, dostarczyć samolotem i zainstalować w ciągu relatywnie krótkiego czasu. Zbudowanie infrastruktury energetycznej działa według zupełnie innego zegara. Nowe linie przesyłowe, stacje transformatorowe, przyłącza i elektrownie wymagają projektowania, pozwoleń, sprzętu oraz wieloletnich inwestycji. IEA zwraca uwagę, że centrum danych może powstać w dwa lub trzy lata, podczas gdy rozbudowa systemu energetycznego zwykle wymaga znacznie dłuższego okresu. To właśnie rozjazd pomiędzy tempem świata technologii i energetyki staje się jednym z najważniejszych problemów całego boomu AI.

Reuters podaje, że hyperscalerzy potrafią oczekiwać uruchomienia nowych obiektów w ciągu około sześciu miesięcy, podczas gdy samo oczekiwanie na przyłączenie do sieci może w niektórych rozwijających się rynkach sięgać dwóch lat, a w części dużych gospodarek nawet ponad ośmiu lat. W praktyce oznacza to możliwość posiadania budynku, serwerów i zakontraktowanych GPU bez możliwości uruchomienia ich z pełną mocą. IEA szacuje, że jeśli problemy sieciowe nie zostaną rozwiązane, około 20 proc. planowanych projektów centrów danych może być zagrożonych opóźnieniami.

Ile energii będą zużywać centra danych AI do 2030 roku?

Według IEA centra danych odpowiadały w 2024 roku za około 1,5 proc. światowego zużycia energii elektrycznej, czyli około 415 TWh. Do końca dekady zużycie może jednak przekroczyć 945 TWh rocznie, a więc ponad dwukrotnie więcej. Dla porównania jest to ilość energii nieco większa niż dzisiejsze całkowite zużycie Japonii. Najważniejszym czynnikiem wzrostu będzie właśnie AI, chociaż swoje znaczenie zachowują również klasyczne usługi chmurowe, przechowywanie danych i pozostałe zastosowania cyfrowe.

Jeszcze większe znaczenie ma koncentracja popytu. Globalnie kilka procent zużycia energii może nie wyglądać dramatycznie, ale centra danych powstają w konkretnych regionach i potrzebują ogromnej mocy w jednym miejscu. Według IEA prawie połowa mocy centrów danych w USA jest skupiona w zaledwie pięciu klastrach. W Stanach Zjednoczonych centra danych mogą odpowiadać za prawie połowę całego wzrostu zapotrzebowania na energię elektryczną do 2030 roku. Oznacza to ogromną presję na lokalne sieci, które projektowano w czasach, gdy nikt nie przewidywał nagłego pojawienia się kampusów potrzebujących setek megawatów.

Dlaczego transformatory stały się jednym z największych wąskich gardeł boomu AI?

Każde centrum danych potrzebuje infrastruktury pozwalającej bezpiecznie przekształcić wysokie napięcie z sieci na poziomy wykorzystywane przez serwery i systemy pomocnicze. Dlatego transformator staje się równie niezbędny jak sam procesor. Problem polega na tym, że przemysł produkujący ciężki sprzęt elektryczny nie rozwijał się w tempie charakterystycznym dla rynku komputerowego. McKinsey podaje, że w Ameryce Północnej terminy dostaw niektórych transformatorów mogą sięgać około 50 tygodni, a rozdzielnic średniego napięcia nawet około 80 tygodni.

Sytuację dobrze pokazują portfele zamówień producentów. HD Hyundai Electric informował Reutersa, że ma zabezpieczony znaczący udział mocy produkcyjnych na trzy kolejne lata, a z częścią klientów prowadzi już rozmowy dotyczące dostaw planowanych na 2030 rok. Jego portfel zamówień wzrósł do 8,5 mld dolarów pod koniec czerwca 2026 roku. Chiński Jinpan odnotował natomiast ponad czterokrotny wzrost nowych zamówień związanych z centrami danych w pierwszej połowie roku. Nagle okazuje się więc, że dostępność ogromnego transformatora może decydować o uruchomieniu infrastruktury wartej miliardy dolarów.

Dlaczego serwery AI wymagają zupełnie nowego podejścia do chłodzenia?

Klasyczne centra danych przez lata mogły polegać głównie na przepływie chłodnego powietrza pomiędzy szafami serwerowymi. AI zmienia tę sytuację, ponieważ coraz więcej mocy obliczeniowej jest upakowane na bardzo małej powierzchni. Większa ilość energii elektrycznej pobranej przez chip ostatecznie zamienia się w ciepło, które trzeba szybko odebrać. Według danych Bank of America cytowanych przez Reutersa moc przypadająca na pojedynczą szafę AI może pod koniec dekady przekroczyć 1,5 MW, czyli osiągnąć poziom około stukrotnie wyższy niż w tradycyjnej szafie serwerowej.

Przy takich gęstościach klasyczne chłodzenie powietrzem zaczyna osiągać swoje praktyczne granice. McKinsey zauważa, że chłodzenie cieczą z technologii niszowej staje się podstawowym wymaganiem w wielu nowych projektach AI. Ciecz może odbierać ciepło bezpośrednio z procesorów poprzez specjalne cold plates albo w bardziej zaawansowanych instalacjach poprzez zanurzenie komponentów w odpowiednim medium. Projekt centrum danych coraz częściej trzeba więc zaczynać nie od ustawienia szaf, ale od wspólnego zaprojektowania chipów, zasilania i całego systemu termicznego.

Czy chłodzenie cieczą stanie się standardem w centrach danych AI?

Wiele wskazuje na to, że tak. Bank of America szacuje, że do 2030 roku chłodzenie cieczą może odpowiadać za około 70 proc. nowych instalacji centrów danych AI, podczas gdy obecnie jego udział wynosi około 30 proc. Tak szybka zmiana oznacza ogromny rynek dla producentów pomp, wymienników ciepła, cold plates, przewodów, czujników oraz całych systemów zarządzania temperaturą. Korzystają na tym między innymi tajwańskie i chińskie firmy specjalizujące się wcześniej w elektronice przemysłowej i zarządzaniu ciepłem.

Przejście na ciecz nie jest jednak tylko sposobem rozwiązania problemu wysokiej temperatury. Według danych McKinsey przytaczanych przez Reutersa odpowiednie systemy chłodzenia cieczą mogą zmniejszyć zużycie energii związane z chłodzeniem o ponad 27 proc. To istotne, ponieważ nawet kilka procent oszczędności w kampusie pobierającym setki megawatów może mieć ogromne znaczenie ekonomiczne. W efekcie nowa generacja systemów chłodzenia staje się elementem strategii energetycznej całego centrum danych, a nie jedynie technicznym dodatkiem do serwerowni.

Skąd bierze się prognoza rynku centrów danych wartego prawie 7 bilionów dolarów?

McKinsey szacuje, że do 2030 roku globalne wydatki związane z rozbudową centrów danych mogą osiągnąć około 7 bilionów dolarów. Nie jest to prognoza wartości jednego produktu czy jednej branży, lecz skumulowanych inwestycji potrzebnych do stworzenia odpowiedniej mocy obliczeniowej i zaplecza. Obejmuje to sprzęt IT, ale również obiekty, instalacje elektryczne, transformatory, UPS-y, rozdzielnice, generatory, chłodzenie i inne systemy mechaniczne. Właśnie dlatego boom AI tworzy nowe możliwości dla firm, które jeszcze kilka lat temu nie były postrzegane jako część świata sztucznej inteligencji.

Co ważne, McKinsey określa obecny proces jako jeden z największych programów rozbudowy infrastruktury w nowoczesnej historii. Problem polega na tym, że producenci ciężkiego sprzętu byli przygotowani do zupełnie innego rynku. Ich fabryki rozwijały się w rytmie energetyki, przemysłu i infrastruktury publicznej, gdzie inwestycje planuje się na lata. Tymczasem producenci chipów odświeżają architektury nawet co roku, wymuszając błyskawiczne zmiany w wymaganiach dotyczących zasilania i chłodzenia. To otwiera wielobilionowy rynek, ale jednocześnie sprawia, że tradycyjny łańcuch dostaw nie zawsze jest w stanie nadążyć.

Dlaczego nowe generacje GPU zwiększają problem z energią zamiast go rozwiązywać?

Każda kolejna generacja akceleratorów oferuje większą wydajność, ale firmy wykorzystują tę poprawę nie po to, aby zmniejszyć liczbę procesorów, lecz żeby budować jeszcze większe klastry i trenować bardziej wymagające modele. Efektywność pojedynczej operacji może więc rosnąć, a całkowite zużycie energii i tak zwiększać się bardzo szybko. IEA prognozuje, że zużycie prądu przez serwery akcelerowane, napędzane głównie przez AI, będzie rosło w tej dekadzie w tempie około 30 proc. rocznie. To właśnie ta kategoria odpowiada za niemal połowę wzrostu zużycia energii przez centra danych do 2030 roku.

Nowe układy wymuszają także przebudowę całej infrastruktury wokół nich. Większa gęstość mocy oznacza inne zasilacze, przewody, rozdzielnice, chłodzenie oraz architekturę szafy. McKinsey wskazuje, że dziś to roadmapy producentów półprzewodników zaczynają wyznaczać wymagania dla producentów urządzeń elektrycznych i termicznych na kilka lat do przodu. Innymi słowy, nie wystarczy wyprodukować więcej transformatorów według starego projektu. Cały przemysł infrastrukturalny musi zacząć rozwijać się niemal w tempie branży chipów.

Czy centra danych zaczną budować własne elektrownie?

Już dziś coraz więcej operatorów próbuje uniezależniać nowe projekty od tradycyjnej ścieżki przyłączenia do sieci. Firmy technologiczne podpisują długoterminowe umowy na energię odnawialną, rozwijają magazyny energii, interesują się energetyką jądrową i geotermalną, a w niektórych lokalizacjach rozważają własne źródła gazowe. IEA prognozuje, że około połowa dodatkowej energii potrzebnej centrom danych do 2035 roku może pochodzić ze źródeł odnawialnych, ale istotną rolę będą miały również gaz ziemny oraz atom.

To jeden z powodów, dla których lokalizacja centrum danych coraz częściej zależy od dostępu do energii bardziej niż od bliskości dużego miasta. Dobrym przykładem jest Patagonia w Argentynie, którą firmy technologiczne analizują ze względu na duży potencjał energetyczny, chłodniejszy klimat i dostępność ziemi. OpenAI rozważa tam projekt mogący osiągnąć nawet 500 MW mocy i koszt około 25 mld dolarów. Jeszcze kilka lat temu pytanie przy lokalizacji serwerowni brzmiało przede wszystkim: gdzie znajduje się dobra sieć światłowodowa? Teraz równie ważne staje się pytanie: gdzie znajdziemy kilkaset megawatów, które rzeczywiście da się dostarczyć?

Czy sztuczna inteligencja może podnieść ceny energii dla zwykłych odbiorców?

Takie ryzyko istnieje szczególnie w regionach, w których nowe centra danych powstają szybciej niż źródła energii i sieci. Ogromny odbiorca potrzebujący kilkuset megawatów może wymusić rozbudowę stacji, linii przesyłowych i mocy wytwórczych. Pojawia się wtedy pytanie, kto powinien pokrywać koszty tych inwestycji. Jeśli zostaną one przeniesione na ogólne taryfy, część kosztów boomu AI może pośrednio trafić do gospodarstw domowych i zwykłych przedsiębiorstw. IEA właśnie dlatego podkreśla potrzebę elastyczniejszego zarządzania dużymi odbiorcami i szybszego rozwijania sieci.

Jednocześnie problem nie wszędzie będzie wyglądał tak samo. Globalnie centra danych pozostają jednym z kilku źródeł wzrostu zapotrzebowania na energię, obok klimatyzacji, pojazdów elektrycznych i przemysłu. Lokalnie ich wpływ może być jednak ogromny. W państwach rozwiniętych, gdzie przez lata zapotrzebowanie na energię praktycznie nie rosło, centra danych mogą odpowiadać za ponad jedną piątą wzrostu popytu do 2030 roku. System elektroenergetyczny musi więc po latach stagnacji ponownie wejść w fazę szybkiej rozbudowy.

Jakie firmy mogą zarobić na boomie AI poza producentami procesorów?

Lista jest znacznie dłuższa, niż sugeruje obserwowanie wyłącznie notowań Nvidia. Potrzebni są producenci transformatorów, rozdzielnic, systemów UPS, generatorów, silników, pomp, przewodów, wymienników ciepła, chłodnic i urządzeń do chłodzenia cieczą. Reuters wskazuje między innymi HD Hyundai Electric, Hainan Jinpan Smart Technology, Delta Electronics, Asia Vital Components, Auras Technology i Shenzhen Envicool jako firmy, które korzystają z rosnących zamówień związanych z infrastrukturą AI.

Rynek zaczyna również przyciągać technologie, które wcześniej miały marginalne znaczenie w centrach danych. Jednym z przykładów są transformatory półprzewodnikowe SST, które mogą zastępować część tradycyjnych ciężkich konstrukcji magnetycznych. UBS szacuje, że zastosowanie SST może zwiększyć efektywność systemu zasilania o około 4 proc., a udział tej technologii może wzrosnąć do około 40 proc. do 2030 roku. Na rynku wartym biliony dolarów nawet kilkuprocentowa poprawa sprawności staje się bardzo wartościowa, ponieważ może pozwolić wykorzystać tę samą moc przyłączeniową do wykonania większej liczby obliczeń.

Czy brak infrastruktury naprawdę może spowolnić rozwój sztucznej inteligencji?

Tak, ponieważ moc obliczeniowa nie istnieje w oderwaniu od fizycznego świata. Można zaprojektować doskonały model, zamówić dziesiątki tysięcy GPU i zdobyć finansowanie, ale bez przyłącza energetycznego oraz chłodzenia sprzęt pozostanie bezużyteczny. McKinsey zwraca uwagę, że opóźnienie jednego elementu, na przykład transformatora, rozdzielnicy czy systemu chłodzenia, może zatrzymać cały projekt i pozostawić miliardy dolarów kapitału w infrastrukturze, której nie można uruchomić.

To właśnie dlatego rozmowa o wyścigu AI zaczyna się zmieniać. Pierwszy etap polegał na zdobyciu najlepszych algorytmów i procesorów. Drugi będzie coraz bardziej przypominał klasyczny wyścig infrastrukturalny: o energię, sieci przesyłowe, transformatory, wodę, chłodzenie, lokalizacje i ludzi potrafiących wszystko zbudować. GPU nadal pozostaną niezwykle ważne, ale przestają być jedynym ograniczeniem. W świecie, w którym inwestycje w centra danych do końca dekady mogą zbliżyć się do 7 bilionów dolarów, prawdziwym strategicznym aktywem może okazać się nie sam chip, lecz miejsce, w którym da się go bezpiecznie zasilić i schłodzić.