AI-marknaden befinner sig i en utveckling som saknar motstycke. Det handlar inte längre bara om nya modeller, chattbotar och imponerande demonstrationer.
Bakom utvecklingen växer ett enormt behov av datacenter, energi, beräkningskraft och ny digital infrastruktur.
Och enligt flera branschaktörer är det därför missvisande att beskriva utvecklingen som en vanlig teknikbubbla.
“Det är ingen bubbla”
Argumentet är enkelt: resultaten fortsätter att växa.
Efter ett kvartalsresultat som beskrevs som det största i något företags historia kom nästa kvartal med ytterligare 17 procents tillväxt. Därefter följde ännu ett kvartal med 17 procents ökning. Nu pekar prognoserna mot ytterligare omkring 18 procents tillväxt.
Frågan blir då: hur länge kan en marknad växa i den takten innan den måste betraktas som en bubbla?
Men utvecklingen inom AI drivs inte enbart av aktiekurser eller investerarnas förväntningar. Den syns redan i företagens vardag.
Ett talande exempel kommer från en konferens i Paris, RAISE, där 26 ledare från IT- och försäkringsbranschen deltog.
När deltagarna fick frågan:
“Hur många av er använder generativ AI varje dag?”
räckte samtliga 26 upp handen.
Det säger något om hur snabbt tekniken har gått från experiment till arbetsverktyg.
Från experiment till industriell förändring
AI-utvecklingen sker samtidigt på flera fronter.
Modellerna blir större. Antalet parametrar ökar snabbt och enligt den presentation som låg till grund för resonemanget har modellernas storlek i vissa utvecklingskurvor ökat ungefär tiofalt per år.
På tio år har utvecklingen inom modellernas komplexitet och prestanda dessutom inneburit förbättringar som beskrivs som upp mot en miljon gånger.
Det är en utveckling som påminner om den tidigare revolutionen inom processorer.
Under decennier präglades halvledarindustrin av Moores lag, där Intel, AMD och andra aktörer drev fram allt kraftfullare processorer. Nu sker en liknande acceleration inom AI – men med en viktig skillnad.
Det är inte bara kapaciteten som ökar.
Kostnaden för att använda modellerna sjunker också dramatiskt.
Tokenkostnaden har under de senaste åren i vissa fall minskat ungefär tiofalt per år.
Det innebär att företag inte bara får tillgång till kraftfullare AI. De kan dessutom använda tekniken till allt lägre kostnad.
Det är en kombination som kan få stora ekonomiska konsekvenser.
Den verkliga flaskhalsen: datacentren
När AI-modellerna växer krävs allt mer datorkraft. Och den datorkraften måste någonstans finnas fysiskt.
Därför väntas den globala efterfrågan på datacenterkapacitet öka kraftigt fram till 2030. AI-arbetslaster står enligt presentationen för omkring 71 procent av den ökade efterfrågan.
Men här uppstår ett problem.
Det går snabbare att planera ett datacenter än att bygga ett.
Marken ska hittas. El ska säkras. Nätanslutningar ska byggas. Tillstånd ska beviljas. Infrastruktur ska etableras och själva anläggningen ska uppföras.
USA är ett tydligt exempel.
Planerna pekar mot omkring 12 gigawatt ny datacenterkapacitet under 2026 och ytterligare 36 gigawatt under 2027.
Den faktiska utbyggnaden väntas däremot bli betydligt mindre – omkring 5 gigawatt under 2026 och 7 gigawatt under 2027.
Skillnaden mellan vad marknaden vill bygga och vad som faktiskt hinner byggas blir därmed enorm.
Europa får en oväntad möjlighet
När USA inte hinner bygga i den takt som efterfrågan kräver skapas utrymme för andra regioner.
Europa kan bli en av dem.
Stora datacenterprojekt växer fram i Spanien och Portugal, i Norden och i flera delar av Östeuropa. Länder som tidigare inte varit självklara destinationer för den här typen av investeringar hamnar nu på kartan.
Projekt diskuteras och byggs bland annat i Albanien, Nordmakedonien, Kroatien, Polen och Rumänien.
Även Nordafrika blir allt mer intressant, med Marocko och Tunisien som exempel.
Närheten till Europa är en faktor, men också möjligheten att bygga snabbare och ibland med bättre tillgång till mark och energi än i de mest etablerade datacenterregionerna.
Det innebär att AI-boomen håller på att förändra den geografiska kartan för den digitala infrastrukturen.
Nästa steg: AI flyttar närmare användaren
Det kanske mest intressanta är dock att all AI inte kommer att köras i enorma datacenter långt från användaren.
AI-inferens alltså själva processen där en färdig AI-modell används för att generera ett svar eller fatta ett beslut kommer i allt större utsträckning att flytta närmare användaren.
Det innebär en utveckling mot så kallad edge computing.
Historiskt har mycket av den digitala databehandlingen varit centraliserad. Men ju snabbare och mer omedelbar AI måste vara, desto större blir värdet av att kunna behandla information lokalt eller nära användaren.
Tänk tillbaka på mobiltelefonins utveckling.
När mobila nätverk var långsamma kunde en enkel förfrågan innebära väntetid. Operatörerna började därför bygga ut infrastrukturen och flytta kapacitet närmare användarna.
AI kan gå igenom en liknande utveckling.
En AI-tjänst i mobilen kan inte alltid skicka varje förfrågan till ett datacenter på andra sidan världen och förvänta sig omedelbara svar.
Vissa typer av AI måste finnas närmare användaren.
En ny sorts datacenter
Det betyder också att begreppet “datacenter” håller på att förändras.
Tidigare talade branschen ofta om mycket stora anläggningar på hundratals megawatt. Nu diskuteras allt mer även mindre anläggningar på exempelvis 1 eller 5 megawatt.
De kan placeras närmare fabriker, företag, städer och andra platser där AI faktiskt används.
AI-infrastrukturen blir därmed mer distribuerad.
Det handlar inte längre bara om att bygga världens största datacenter.
Det handlar om att bygga rätt datorkapacitet på rätt plats.
En infrastrukturell revolution
Det är kanske det viktigaste perspektivet på dagens AI-boom.
Om man bara tittar på nya modeller och stigande bolagsvärderingar är det lätt att fråga sig om utvecklingen har gått för långt.
Men bakom AI finns en fysisk ekonomi som växer snabbt: datacenter, chip, elproduktion, kylsystem, nätverk, fiber, kraftnät och fastigheter.
Och när modellernas kapacitet ökar samtidigt som kostnaden per token faller, skapas förutsättningar för att AI ska användas i betydligt fler sammanhang än i dag.
Det är därför frågan kanske inte längre är om AI är en bubbla.
Den större frågan är hur snabbt infrastrukturen runt AI kan byggas ut för att hinna med den tekniska utvecklingen.
För det är där den verkliga flaskhalsen kan finnas.
AI-revolutionen behöver inte bara smartare modeller. Den behöver en helt ny fysisk infrastruktur.
Av Annika Guldroth
