Brookfield Asset Management prognozuje, iż w ciągu najbliższych dziesięciu lat powstanie około 75 GW nowych centrów danych dla sztucznej inteligencji. Łączne wydatki na infrastrukturę AI mają przekroczyć 7 bilionów USD, a ryzyko nadmiernej rozbudowy pozostaje, zdaniem spółki, niewielkie. To odważna mapa drogowa, która pokazuje skalę transformacji całego łańcucha dostaw mocy obliczeniowej.
Inwestycje liczone w bilionach
W opublikowanym materiale analitycznym Brookfield szacuje łączne nakłady na infrastrukturę AI w perspektywie dekady na ponad 7 bilionów USD. Największą część, około 4 biliony USD, mają pochłonąć układy scalone wraz z fabrykami i łańcuchem dostaw. Kolejne 2 biliony USD przypadną na same centra danych AI. Po 500 miliardów USD trafi na energetykę i sieci przesyłowe oraz na infrastrukturę towarzyszącą, na przykład światłowody, chłodzenie i robotykę.
Według spółki tak zwane fabryki AI, czyli obiekty zoptymalizowane pod trening i wnioskowanie modeli sztucznej inteligencji, osiągną do końca 2025 roku około 15 GW zainstalowanej mocy, wobec około 7 GW na koniec 2024 roku. W następnym dziesięcioleciu przybędzie blisko 75 GW, co da około 82 GW mocy w 2034 roku. To ponad dziesięciokrotny wzrost w ciągu dekady!
Prezes Brookfield Asset Management Connor Teskey ocenia, iż „szanse na nadbudowanie mocy są w tej chwili bardzo niewielkie”, ponieważ większa efektywność modeli napędza jeszcze większy popyt.
Popyt na GPU, przewaga inferencji i zwrot ku usługom
Brookfield przewiduje, iż baza zainstalowanych układów GPU wzrośnie około siedmiokrotnie, z około 7 mln sztuk w 2024 roku do 45 mln w 2034 roku. Jednocześnie ciężar zapotrzebowania na obliczenia przesunie się w stronę uruchamiania gotowych modeli. Do 2030 roku około 75% mocy ma konsumować inferencja, a nie trening. Rosnąca złożoność agentów AI, łączących wiele wywołań modeli w ramach jednego zadania, dodatkowo zwiększy wymagania po stronie centrów danych.
Silnie mają skorzystać dostawcy GPU jako usługi (GPUaaS). Brookfield zakłada, iż ten rynek urośnie z około 30 mld USD w 2025 roku do ponad 250 mld USD w 2034 roku, wraz z popytem firm na elastyczny dostęp do mocy bez wydatków inwestycyjnych. W efekcie projekty centrów danych będą coraz częściej przygotowywane nie tylko pod duże, skupione klastry do treningu, ale również pod wysokowolumenowy ruch inferencyjny i szybkie przezbrojenia. Aby uniknąć przedwczesnej przestarzałości, Brookfield rekomenduje modułowe układy z możliwością szybkiej wymiany zasilania i chłodzenia wraz z nowymi generacjami układów.
Kontekst rynkowy i energia, czy to się spina
Prognozy Brookfield są zbieżne z analizami McKinsey dotyczącymi nakładów na centra danych, które do 2030 roku mogą wymagać około 6,7 biliona USD. W tym szacunku obiekty przystosowane do obciążeń AI odpowiadają za większość planowanych wydatków. Różnica w horyzontach czasowych tłumaczy rozbieżność między 7 bilionami USD wskazywanymi przez Brookfield dla całej dekady a 6,7 biliona USD do 2030 roku.
Jednocześnie Brookfield przechodzi od zapowiedzi do projektów. W czerwcu ogłosił około 10 mld USD, na rozwój hubu infrastruktury AI w Szwecji, a w lutym zadeklarował około 23 mld USD na infrastrukturę AI we Francji w ciągu pięciu lat, w tym na centra danych i infrastrukturę towarzyszącą.
Wyzwania nie znikają, a najważniejsze to dostęp do mocy i przepustowości sieci, pozwolenia środowiskowe oraz czas dostawy transformatorów i chłodnic. Z punktu widzenia polityki energetycznej skala 75 GW dodatkowego zapotrzebowania oznacza znaczące modernizacje sieci przesyłowych i dystrybucyjnych, a także konieczność bilansowania profilu zużycia z odnawialnymi źródłami energii. Brookfield i inni inwestorzy mówią wprost, iż część kapitału, około 500 mld USD, musi trafić właśnie na energetykę i linie przesyłowe, aby nowe moce obliczeniowe miały z czego czerpać.
