AI-udvikling kan bremse op, når omkostninger og ressourcemangel presser branchen

​Teknologigiganter investerer hundredvis af milliarder dollar i kunstig intelligens. Men kapløbet om at udvikle stadig mere avancerede modeller møder stigende omkostninger, knappe ressourcer og voksende skepsis blandt investorerne. Er AI ved at nærme sig grænserne for sine muligheder?

Milliarder, der måske ikke er nok

Broadcoms CEO Hock Tan advarede om, at mangel på kapital kan blive den største hindring for udviklingen inden for AI. På en konference i Singapore bemærkede han, at manglen på chips, hukommelse og elektricitet kan aftage over tid, efterhånden som produktionskapaciteten og infrastrukturen udvides. Adgangen til kapital kan dog blive den største begrænsning for branchens fremtidige vækst.

Se opslag på X Indlæser...

Tweetet blev slettet af forfatteren.

Men vi gemte alt 🙂.

De største teknologivirksomheder fortsætter med at øge investeringerne i AI-infrastruktur. I andet kvartal af 2026 nåede de samlede kapitaludgifter hos Microsoft, Alphabet, Amazon og Meta op på 165 mia. $, en stigning på 87 % fra året før. En betydelig del af disse udgifter går til opførelse af datacentre og indkøb af udstyr, der er nødvendigt for at træne og drive AI-modeller.

På baggrund af disse massive udgifter fremhævede Intels CEO Lip-Bu Tan et andet problem: kapitalomkostningerne og den tid, der kræves for at tjene investeringerne hjem. Stigende obligationsrenter gør låntagning dyrere og øger omkostningerne ved at opføre datacentre og købe udstyr. Samtidig vil investorerne vide, hvornår de enorme investeringer i AI begynder at skabe overskud.

Ingen af de to chefer forventer dog en kraftig opbremsning i AI-branchen i de kommende år. Hock Tan forventer, at efterspørgslen efter computerkapacitet vil overstige udbuddet frem til 2029 og muligvis også ind i 2030. Samtidig kritiserede Broadcoms CEO investorer, der hælder penge i AI uden at forstå branchens udsigter. "Mange investorer aner ikke, hvad de investerer i, men opstiller meget ekstreme forventninger for så at opdage, at det næsten er som at gamble på et kasino," sagde han.

Når AI rammer de fysiske grænser

Selv med tilstrækkelig finansiering kan udviklingen inden for AI blive bremset af mangel på elektricitet. Ifølge Det Internationale Energiagentur (IEA) forbrugte datacentre verden over 485 TWh elektricitet i 2025, en stigning på 17 % fra året før. Elforbruget i AI-fokuserede datacentre steg med 50 %. I 2030 kan datacentrenes samlede elforbrug nå op på 950 TWh, svarende til omkring 3 % af den globale efterspørgsel efter elektricitet.

Problemet handler ikke kun om mængden af tilgængelig elektricitet, men også om muligheden for at slutte nye anlæg til elnettene. IEA anslår, at omkring 20 % af den planlagte datacenterkapacitet kan blive forsinket på grund af begrænsninger i elnettets infrastruktur. Eksempelvis kan det tage fire til otte år at opføre nye transmissionslinjer i udviklede lande. Samtidig er leveringstiderne for transformere og kabler fordoblet i løbet af de seneste tre år.

En anden begrænsning er produktionen af avancerede chips. Det nederlandske selskab ASML, der fremstiller udstyr til produktion af avancerede halvledere, forventer, at efterspørgslen fra AI-branchen vil overstige udbuddet frem til mindst 2028. Selskabet overvejer at udvide produktionskapaciteten, da kunderne allerede spørger til udstyrsleverancer i 2029–2030.

Se opslag på X Indlæser...

Tweetet blev slettet af forfatteren.

Men vi gemte alt 🙂.

Samtidig vokser kravene til datacentrene. Ifølge IEA's estimater steg strømforbruget fra AI-servere elleve gange mellem 2020 og 2025 og kan blive firedoblet igen frem mod 2027. Et enkelt serverrack på størrelse med et stort køleskab kan potentielt forbruge lige så meget elektricitet som 65 husstande. Det stiller større krav til kølesystemer, strømforsyninger og udstyr, der skal kunne håndtere pludselige ændringer i arbejdsbelastningen ved kørsel af AI-modeller.

Hvor går fremskridtets grænser?

Mangel på elektricitet, chips og datacentre er ikke de eneste hindringer for yderligere teknologisk udvikling. Selv hvis disse problemer løses, står et andet spørgsmål tilbage: Vil nye modeller blive markant bedre og dermed retfærdiggøre de stigende omkostninger? Hock Tan erkender, at efterspørgslen efter computerkapacitet kan aftage, hvis nye generationer af AI-modeller holder op med at overgå deres forgængere betydeligt. Der er dog i øjeblikket ingen tegn på, at fremskridtene er stoppet.

Samtidig er øget computerkraft ingen garanti for, at AI klarer sig lige godt på alle opgaver. Avancerede modeller kan allerede løse komplekse matematiske problemer, men har stadig svært ved at arbejde selvstændigt med computere. I OSWorld-benchmarktesten, der måler AI's evne til at udføre opgaver i computerprogrammer, gennemførte de bedste systemer omkring to tredjedele af opgaverne korrekt.

AI's praktiske fordele for virksomheder er lige så vigtige. I august 2026 offentliggjorde McKinsey resultaterne af en undersøgelse blandt 1.719 virksomhedsrepræsentanter i 97 lande. Omkring 80 % af de adspurgte sagde, at AI havde forbedret deres personlige produktivitet. Men kun 37 % rapporterede en positiv indvirkning på deres organisationers driftsoverskud.

En ny virkelighed for teknologikapløbet

Der er i øjeblikket ingen grund til at konkludere, at kunstig intelligens nærmer sig grænserne for sine muligheder. Det kan dog blive for dyrt selv for de største teknologivirksomheder at opretholde det nuværende udviklingstempo. Hvis udgifterne fortsætter med at vokse hurtigere end indtægterne, kan investorerne blive nødt til at revurdere deres forventninger, mens udviklerne kan få behov for at reducere omkostningerne ved at skabe og drive nye modeller.

Det vil snarere føre til et skift i prioriteterne end til en afslutning på den teknologiske udvikling. I stedet for at konkurrere om at bygge de mest avancerede modeller kan virksomhederne fokusere på billigere og mere effektive løsninger, der kan skabe reelle overskud. I så fald vil fremtiden for AI-udviklingen i mindre grad afhænge af investeringernes størrelse og i højere grad af teknologiens evne til at løse praktiske problemer for virksomheder og almindelige brugere.