AI-utvecklingen kan bromsa in när kostnader och resursbrist ökar

​Teknikjättar investerar hundratals miljarder dollar i artificiell intelligens. Men kapplöpningen om att utveckla allt kraftfullare modeller möter stigande kostnader, resursbrist och växande skepsis bland investerare. Närmar sig AI gränsen för sin kapacitet?

Miljarderna kanske inte räcker

Broadcoms vd Hock Tan varnade för att kapitalbrist kan bli det största hindret för AI-utvecklingen. Vid en konferens i Singapore påpekade han att brist på chip, minne och elektricitet kan minska med tiden när produktionskapaciteten och infrastrukturen byggs ut. Tillgången till kapital kan dock bli den främsta begränsningen för branschens framtida tillväxt.

Visa inlägget på X Laddar...

Tweeten raderades av författaren.

Men vi sparade allt 🙂.

De största teknikföretagen fortsätter att öka sina investeringar i AI-infrastruktur. Under andra kvartalet 2026 uppgick de sammanlagda investeringarna från Microsoft, Alphabet, Amazon och Meta till 165 miljarder dollar, en ökning med 87 % jämfört med året innan. En betydande del av dessa investeringar går till att bygga datacenter och köpa den utrustning som krävs för att träna och köra AI-modeller.

Mot denna bakgrund av massiva investeringar lyfte Intels vd Lip-Bu Tan fram ytterligare ett problem: kapitalkostnaden och tiden som krävs för att få tillbaka investeringarna. Stigande obligationsräntor gör upplåningen dyrare, vilket ökar kostnaden för att bygga datacenter och köpa utrustning. Samtidigt vill investerare veta när de enorma investeringarna i AI börjar generera vinster.

Trots detta förväntar sig ingen av cheferna någon kraftig avmattning i AI-branschen under de kommande åren. Hock Tan räknar med att efterfrågan på datorkapacitet kommer att överstiga utbudet fram till 2029 och eventuellt även in i 2030. Samtidigt kritiserade Broadcoms vd investerare som häller pengar i AI utan att förstå branschens framtidsutsikter. ”Många investerare har ingen aning om vad de investerar i, men ställer upp väldigt extrema förväntningar och upptäcker sedan att det nästan är som att de spelar på kasino”, sade han.

När AI når fysiska gränser

Även med tillräcklig finansiering kan AI-utvecklingen bromsas av elbrist. Enligt Internationella energiorganet (IEA) förbrukade datacenter världen över 485 TWh el under 2025, en ökning med 17 % från året innan. Elförbrukningen i AI-inriktade datacenter ökade med 50 %. År 2030 kan den totala elanvändningen i datacenter uppgå till 950 TWh, eller omkring 3 % av den globala efterfrågan på el.

Problemet handlar inte bara om mängden tillgänglig elektricitet, utan också om möjligheten att ansluta nya anläggningar till elnäten. IEA uppskattar att omkring 20 % av den planerade datacenterkapaciteten kan försenas på grund av begränsningar i elnätsinfrastrukturen. Att bygga nya transmissionsledningar i utvecklade länder kan exempelvis ta fyra till åtta år. Samtidigt har leveranstiderna för transformatorer och kablar fördubblats under de senaste tre åren.

En annan begränsning är produktionen av avancerade chip. Det nederländska företaget ASML, som tillverkar utrustning för produktion av avancerade halvledare, räknar med att efterfrågan från AI-branschen kommer att överstiga utbudet åtminstone fram till 2028. Företaget överväger att bygga ut produktionskapaciteten eftersom kunder redan frågar om utrustningsleveranser för 2029–2030.

Visa inlägget på X Laddar...

Tweeten raderades av författaren.

Men vi sparade allt 🙂.

Samtidigt ökar kraven på datacenter. Enligt IEA:s uppskattningar ökade elförbrukningen hos AI-servrar elva gånger mellan 2020 och 2025 och kan fyrdubblas igen fram till 2027. Ett enda serverrack i storlek med ett stort kylskåp kan potentiellt förbruka lika mycket el som 65 hushåll. Det ställer högre krav på kylsystem, strömförsörjning och utrustning som måste tåla plötsliga förändringar i belastningen när AI-modeller körs.

Var går gränserna för utvecklingen?

Brist på elektricitet, chip och datacenter är inte de enda hindren för fortsatt teknisk utveckling. Även om dessa problem löses kvarstår en annan fråga: kommer nya modeller att förbättras tillräckligt mycket för att motivera stigande kostnader? Hock Tan medger att efterfrågan på datorkapacitet kan avta om nya generationer av AI-modeller slutar överträffa sina föregångare i betydande grad. Det finns dock för närvarande inga tecken på att utvecklingen har stannat av.

Samtidigt garanterar ökad datorkraft inte att AI presterar lika bra inom alla uppgifter. Avancerade modeller kan exempelvis redan lösa komplexa matematiska problem, men har fortfarande svårt att arbeta självständigt med datorer. I benchmarktestet OSWorld, som mäter AI:s förmåga att utföra uppgifter i datorprogram, klarade de bästa systemen omkring två tredjedelar av uppgifterna.

AI:s praktiska nytta för företag är lika viktig. I augusti 2026 publicerade McKinsey resultaten från en undersökning av 1 719 företagsrepresentanter i 97 länder. Omkring 80 % av de svarande uppgav att AI hade förbättrat deras personliga produktivitet. Endast 37 % rapporterade dock en positiv påverkan på organisationernas rörelseresultat.

En ny verklighet för teknikracet

Det finns för närvarande ingen anledning att dra slutsatsen att artificiell intelligens närmar sig gränsen för sin kapacitet. Att upprätthålla den nuvarande utvecklingstakten kan dock bli för dyrt även för de största teknikföretagen. Om utgifterna fortsätter att öka snabbare än intäkterna kan investerare behöva ompröva sina förväntningar, medan utvecklare kan behöva sänka kostnaderna för att skapa och driva nya modeller.

Detta kommer sannolikt att leda till en förändring av prioriteringarna snarare än till ett slut på den tekniska utvecklingen. I stället för att tävla om att bygga de kraftfullaste modellerna kan företagen fokusera på billigare och effektivare lösningar som kan generera verkliga vinster. I så fall kommer framtiden för AI-utvecklingen att bero mindre på investeringarnas storlek och mer på teknikens förmåga att lösa praktiska problem för företag och vanliga användare.