AI-utviklingen kan bremse: kostnader og ressursmangel setter grenser

​Teknologigiganter investerer hundrevis av milliarder dollar i kunstig intelligens. Men kappløpet om å utvikle stadig kraftigere modeller møter økende kostnader, ressursmangel og økende skepsis blant investorer. Nærmer AI seg grensene for hva teknologien kan prestere?

Milliarder som kanskje ikke er nok

Broadcom-sjef Hock Tan advarte om at mangel på kapital kan bli den største hindringen for utviklingen av AI. Under en konferanse i Singapore påpekte han at mangel på brikker, minne og elektrisitet kan avta over tid etter hvert som produksjonskapasiteten og infrastrukturen bygges ut. Tilgangen på kapital kan imidlertid bli den viktigste begrensningen for bransjens videre vekst.

Se innlegget på X Laster inn...

Tweeten ble slettet av forfatteren.

Men vi lagret alt 🙂.

De største teknologiselskapene fortsetter å øke investeringene i AI-infrastruktur. I andre kvartal 2026 nådde de samlede investeringene til Microsoft, Alphabet, Amazon og Meta 165 milliarder dollar, opp 87 % fra året før. En betydelig del av disse investeringene går til å bygge datasentre og kjøpe utstyr som trengs for å trene og kjøre AI-modeller.

På bakgrunn av disse massive investeringene trakk Intel-sjef Lip-Bu Tan frem et annet problem: kapitalkostnadene og tiden det tar å få investeringene tilbake. Økende obligasjonsrenter gjør låneopptak dyrere, noe som øker kostnadene ved å bygge datasentre og kjøpe utstyr. Samtidig vil investorer vite når de enorme investeringene i AI begynner å gi overskudd.

Ingen av de to toppsjefene forventer likevel en kraftig nedbremsing i AI-bransjen de neste årene. Hock Tan tror etterspørselen etter datakapasitet vil overstige tilbudet frem til 2029 og muligens inn i 2030. Samtidig kritiserte Broadcom-sjefen investorer som pøser penger inn i AI uten å forstå bransjens utsikter. «Mange investorer har ingen anelse om hva de investerer i, men setter svært ekstreme forventninger, før de oppdager at det nesten er som å gamble på et kasino», sa han.

Når AI møter fysiske grenser

Selv med tilstrekkelig finansiering kan utviklingen av AI bremse på grunn av mangel på elektrisitet. Ifølge Det internasjonale energibyrået (IEA) brukte datasentre verden over 485 TWh elektrisitet i 2025, opp 17 % fra året før. Strømforbruket i datasentre med fokus på AI økte med 50 %. Innen 2030 kan det samlede strømforbruket i datasentre nå 950 TWh, tilsvarende rundt 3 % av verdens totale etterspørsel etter elektrisitet.

Problemet handler ikke bare om mengden tilgjengelig elektrisitet, men også om muligheten til å koble nye anlegg til strømnettet. IEA anslår at rundt 20 % av den planlagte datasenterkapasiteten kan bli forsinket på grunn av begrensninger i nettinfrastrukturen. Det kan for eksempel ta fire til åtte år å bygge nye kraftlinjer i utviklede land. Samtidig er leveringstidene for transformatorer og kabler doblet de siste tre årene.

En annen begrensning er produksjonen av avanserte brikker. Det nederlandske selskapet ASML, som produserer utstyr som brukes til å fremstille avanserte halvledere, forventer at etterspørselen fra AI-bransjen vil overstige tilbudet frem til minst 2028. Selskapet vurderer å utvide produksjonskapasiteten, ettersom kundene allerede spør om utstyrsleveranser for 2029–2030.

Se innlegget på X Laster inn...

Tweeten ble slettet av forfatteren.

Men vi lagret alt 🙂.

Samtidig øker kravene til datasentre. Ifølge IEA-anslag ble strømforbruket til AI-servere ellevedoblet mellom 2020 og 2025, og det kan firedobles igjen innen 2027. Et enkelt serverskap på størrelse med et stort kjøleskap kan potensielt bruke like mye elektrisitet som 65 husholdninger. Dette stiller større krav til kjølesystemer, strømforsyning og utstyr som må tåle plutselige endringer i arbeidsbelastningen når AI-modeller kjøres.

Hvor går grensene for utviklingen?

Mangel på elektrisitet, brikker og datasentre er ikke de eneste hindringene for videre teknologisk utvikling. Selv om disse problemene løses, gjenstår et annet spørsmål: Vil nye modeller bli gode nok til å rettferdiggjøre de økende kostnadene? Hock Tan erkjenner at etterspørselen etter datakapasitet kan avta dersom nye generasjoner AI-modeller slutter å prestere betydelig bedre enn forgjengerne. Foreløpig er det imidlertid ingen tegn til at utviklingen har stoppet opp.

Samtidig garanterer ikke økt datakraft at AI vil prestere like godt på alle oppgaver. Avanserte modeller kan for eksempel allerede løse komplekse matematiske problemer, men har fortsatt problemer med å arbeide selvstendig med datamaskiner. I OSWorld-standarden, som tester AIs evne til å utføre oppgaver i dataprogrammer, fullførte de beste systemene omtrent to tredeler av oppgavene.

De praktiske fordelene ved AI for bedrifter er like viktige. I august 2026 publiserte McKinsey resultatene fra en undersøkelse av 1 719 bedriftsrepresentanter i 97 land. Rundt 80 % av respondentene sa at AI hadde forbedret deres personlige produktivitet. Bare 37 % rapporterte imidlertid en positiv effekt på virksomhetenes driftsresultat.

En ny virkelighet for teknologikappløpet

Det er foreløpig ingen grunn til å konkludere med at kunstig intelligens nærmer seg grensene for hva teknologien kan prestere. Det kan imidlertid bli for dyrt selv for de største teknologiselskapene å opprettholde dagens utviklingstempo. Hvis kostnadene fortsetter å vokse raskere enn inntektene, kan investorer måtte revurdere forventningene sine, mens utviklere kan bli nødt til å redusere kostnadene ved å utvikle og drifte nye modeller.

Dette vil trolig føre til en endring i prioriteringene snarere enn en avslutning på den teknologiske utviklingen. I stedet for å konkurrere om å bygge de kraftigste modellene kan selskapene rette oppmerksomheten mot billigere og mer effektive løsninger som kan generere reell fortjeneste. I så fall vil fremtiden for AI-utviklingen i mindre grad avhenge av investeringens størrelse og i større grad av teknologiens evne til å løse praktiske problemer for bedrifter og vanlige brukere.