AI i energia w liczbach
Wszyscy mówią o chipach do AI, ale prawdziwym wąskim gardłem rewolucji staje się prąd. Trenowanie i obsługa modeli AI wymaga gigantycznych centrów danych, a każde z nich zużywa tyle energii co małe miasto. Po raz pierwszy od dekad popyt na elektryczność w USA realnie rośnie — i to wywraca cały rynek energii do góry nogami.
Dlaczego AI to problem energetyczny
Centra danych AI mają dwie cechy, które robią różnicę. Po pierwsze, są ogromne — pojedynczy kampus potrafi potrzebować 100+ megawatów. Po drugie, muszą działać non-stop: serwery AI nie mogą czekać, aż zaświeci słońce. To oznacza, że potrzebują energii baseload — pewnej, całodobowej. A tej nie zapewni sama fotowoltaika czy wiatr.
Kto na tym zarabia
| Beneficjent | Dlaczego |
|---|---|
| Utilities (dostawcy prądu) | rosnący popyt = większa sprzedaż; np. Constellation (CEG), Vistra (VST), NextEra (NEE) |
| Gaz ziemny | elastyczne, szybkie źródło baseload dla centrów danych |
| Uran / atom | czysta, całodobowa moc — renesans nuklearny (osobny wpis) |
| Infrastruktura | transformatory, chłodzenie, zasilanie (Vertiv, Eaton, Schneider) |
Wąskie gardła — sieci i sprzęt
Problem nie kończy się na wyprodukowaniu prądu — trzeba go jeszcze dostarczyć. Sieci przesyłowe w USA są stare i przeciążone, a na transformatory czeka się dziś latami. To tworzy kolejnych beneficjentów: producentów sprzętu elektroenergetycznego i firm budujących sieci. „Prąd jako nowa ropa" to nie tylko produkcja, ale cała infrastruktura wokół niej.
Argument za i przeciw — inwestowanie w energię dla AI
Za: realny, mierzalny wzrost popytu na prąd po raz pierwszy od dekad; beneficjenci (utilities, gaz, atom, infrastruktura) są często tańsi i mniej obstawieni niż same spółki AI.
Przeciw: część tej tezy jest już w cenach (utilities mocno odbiły w 2024); jeśli boom AI wyhamuje albo efektywność modeli wzrośnie, popyt może rozczarować. Utilities bywają też wrażliwe na stopy.