Rozbudowa centrów danych Microsoftu ma osiągnąć 38 GW, lecz prawdziwym ograniczeniem jest energia
Microsoft planuje do 2032 roku ponad trzykrotnie zwiększyć moc swoich centrów danych, mimo że już teraz obsługuje sieć o łącznej mocy około 12 gigawatów. Według doniesień rozbudowa centrów danych Microsoftu podniosłaby tę wartość powyżej 38 gigawatów. Dzieje się to po niedoborze mocy obliczeniowej, który miał zmusić firmę do odrzucenia części zleceń związanych z AI i chmurą.
Cel ten ujawnia wyraźny zwrot w strategii infrastrukturalnej Microsoftu. W 2025 roku firma wstrzymała lub ograniczyła część planowanej mocy. Teraz musi przyspieszyć budowę, leasing, instalację sprzętu i pozyskiwanie energii, aby odbudować podaż osłabioną przez wcześniejsze decyzje.
To również coś więcej niż rywalizacja między Microsoftem a Amazon Web Services. Microsoft ściga się z niedoborem częściowo wywołanym własnymi wcześniejszymi decyzjami planistycznymi. Każdy opóźniony serwer może ograniczać sprzedaż Azure, hamować produkty Copilot lub zmuszać firmę do priorytetowego traktowania jednych obciążeń kosztem innych.
Wartość 38 gigawatów pozostaje zgłaszanym celem wewnętrznym, a nie ukończoną bazą aktywów ani formalną prognozą firmy. Jej znaczenie wynika ze skali oraz stojącego za nią problemu biznesowego. Microsoft potrzebuje znacznie większej mocy obliczeniowej, ponieważ obecny popyt już przekroczył możliwości obsługi przez część jego sieci.
Rozbudowa centrów danych Microsoftu celuje w 38 gigawatów
Zgłaszany cel Microsoftu oznaczałby dodanie ponad 26 gigawatów mocy w ciągu sześciu lat, tworząc flotę infrastrukturalną większą niż systemy energetyczne wielu państw.
Według osób zaznajomionych z planami firmy, planowana sieć miałaby w 2032 roku przekroczyć 38 gigawatów. Dla porównania, obecnie dysponuje ona około 12 gigawatami. Moc jest rozproszona w globalnej sieci Microsoftu, a nie skupiona w jednym kampusie.
Gigawat oznacza miliard watów mocy elektrycznej. W planowaniu centrów danych stanowi praktyczny wskaźnik ilości sprzętu obliczeniowego, który dany obiekt może obsłużyć. Dostępna energia nie przekłada się idealnie na wydajność obliczeniową, ale wyznacza twardy limit liczby maszyn, które operatorzy mogą uruchomić.
Porównanie ma znaczenie, ponieważ nowoczesne klastry AI potrzebują energii dla akceleratorów, procesorów, pamięci, sieci i pamięci masowej. Systemy chłodzenia, transformatory i inne wyposażenie obiektu generują dodatkowe zapotrzebowanie. Lokalizacja nie może stać się użyteczną mocą chmurową, dopóki cały ten łańcuch nie zostanie zainstalowany i uruchomiony.
Oryginalny raport o mocy podaje, że planowana sieć zużywałaby więcej energii elektrycznej niż stan Nowy Jork w okresach szczytowego poboru. Porównanie to ilustruje skalę, choć moc centrów danych i stanowe szczytowe zużycie energii nie są identycznymi miarami.
Jedynie około 2 gigawatów z obecnej 12-gigawatowej mocy Microsoftu ma według doniesień koncentrować się na układach przeznaczonych specjalnie dla AI. Do 2032 roku sprzęt AI ma stanowić około jednej trzeciej planowanej sieci o mocy 38 gigawatów. Pozostała moc wspierałaby szersze usługi Azure, pamięć masową, bazy danych, produktywność i obciążenia internetowe.
Ta struktura pomaga wyjaśnić, dlaczego celu nie należy odczytywać jako jednego ogromnego klastra treningowego. Microsoft buduje rozproszony system obliczeniowy dla kilku rodzajów działalności. Ta sama strategia infrastrukturalna musi obsługiwać rozwój modeli czołowych, obciążenia AI klientów, inferencję Copilot oraz konwencjonalne aplikacje chmurowe.
Microsoft opisywał już tę bazową flotę jako wymienną, co oznacza, że zasoby mogą wspierać różne etapy cyklu życia AI. Etapy te obejmują trenowanie modeli, post-training, tworzenie danych syntetycznych i inferencję. Inferencja to proces uruchamiania wytrenowanego modelu w celu wygenerowania odpowiedzi lub wykonania zadania.
Firma przedstawiła takie podejście podczas aktualizacji za rok fiskalny 2026. Wówczas kierownictwo oczekiwało, że całkowita moc AI wzrośnie w ciągu roku o ponad 80%. Spodziewało się również, że ogólny zasięg centrów danych mniej więcej podwoi się w ciągu dwóch lat.
Nowy zgłaszany cel przedłuża to wcześniejsze zobowiązanie do 2032 roku. Zamienia też ogólną obietnicę ekspansji w konkretną miarę mocy elektrycznej. Microsoft w praktyce planuje trwały popyt, a nie krótkotrwały skok wokół jednej generacji modeli.
Jednak 38 gigawatów to cel docelowy, a nie moc dostępna dziś dla klientów. Lokalizacje muszą zabezpieczyć grunty, umowy przyłączeniowe, sprzęt, łącza sieciowe i lokalne zezwolenia. Następnie serwery muszą stać się „revenue ready”, jak Microsoft określa infrastrukturę zdolną obsługiwać płatne usługi.
To rozróżnienie jest kluczowe. Ogłoszenie kampusu nie rozwiązuje bieżącego niedoboru Azure. Nawet ukończony budynek nie może sprzedawać usług chmurowych bez układów, systemów elektrycznych i integracji oprogramowania.
Microsoft mierzy się więc z dwoma zegarami. Jeden odmierza postęp w kierunku sieci z 2032 roku. Drugi wskazuje, jak szybko krótkoterminowa moc trafi do klientów gotowych wydawać pieniądze już teraz.
Niedobór już kosztuje Microsoft utratę biznesu
Ekspansja ma charakter zarówno defensywny, jak i ambitny, ponieważ niewystarczająca moc miała uniemożliwić Microsoftowi przyjęcie dostępnego popytu.
Niedobór Microsoftu dotknął zarówno możliwości związanych z AI, jak i tradycyjną chmurą. Według zgłaszanych planów wewnętrznych część klientów przeniosła nowy biznes gdzie indziej, gdy Microsoftowi zabrakło wystarczającej liczby serwerów. Zespoły sprzedażowe dysponowały popytem, którego nie mogły zamienić w przychody.
Sytuacja ta zmienia sposób, w jaki inwestorzy powinni interpretować wydatki Microsoftu na infrastrukturę AI. Firma nie tylko prognozuje przyszły rynek i buduje z wyprzedzeniem. Reaguje także na zamówienia, których jej obecna podaż nie jest w stanie obsłużyć.
Microsoft wcześniej ostrzegał inwestorów przed tym ograniczeniem. Podczas telekonferencji dotyczącej trzeciego kwartału fiskalnego kierownictwo podało, że spodziewa się utrzymania ograniczeń mocy co najmniej do końca roku kalendarzowego 2026. Firma pracowała nad szybszym uruchamianiem GPU, CPU, pamięci masowej i ukończonych obiektów.
Ostrzeżenie dotyczące mocy jest istotne, ponieważ pochodziło bezpośrednio od kierownictwa na kilka miesięcy przed ujawnieniem celu 38 gigawatów. Wspiera szersze twierdzenie, że ograniczona podaż wpływała na plany operacyjne Microsoftu.
Niedobór mocy chmurowej może wywoływać kilka rodzajów presji. Dostawca może opóźnić wdrożenie, ograniczyć dostęp do konkretnych akceleratorów lub zaoferować klientom inny region. Może też zarezerwować deficytowe maszyny dla produktów wewnętrznych, które obiecują lepsze strategiczne zwroty.
Microsoft mierzy się z tym problemem alokacji w wyjątkowo szerokim portfolio. Klienci Azure chcą surowej mocy obliczeniowej i zarządzanych usług AI. Wewnętrzne zespoły potrzebują tej samej infrastruktury dla Microsoft 365 Copilot, GitHub, produktów bezpieczeństwa, funkcji wyszukiwania i aplikacji konsumenckich.
OpenAI stanowi kolejne istotne źródło popytu i złożoności. Microsoft pozostaje kluczowym partnerem komercyjnym i technologicznym, lecz OpenAI rozszerzyło swoje relacje infrastrukturalne. Obie firmy coraz częściej realizują odrębne strategie dotyczące mocy, zachowując jednocześnie ważne powiązania gospodarcze.
Niedobór może zatem zmuszać Microsoft do wyboru między kilkoma atrakcyjnymi możliwościami. Przeznaczenie serwera na wewnętrzne obciążenie Copilot może ograniczyć zasoby Azure. Wynajęcie tego serwera klientowi zewnętrznemu może spowolnić rozwój własnych aplikacji Microsoftu.
Nie są to wybory trwałe, ponieważ moc można ponownie alokować. Jednak zobowiązania regionalne, konfiguracje sprzętowe i umowy z klientami ograniczają elastyczność. Klaster zaprojektowany wokół jednej generacji akceleratorów nie może natychmiast stać się idealnym systemem dla każdego obciążenia.
Wymagania dotyczące opóźnień i rezydencji danych wprowadzają kolejne ograniczenia. Opóźnienie to czas między żądaniem a odpowiedzią. Wiele aplikacji potrzebuje zasobów obliczeniowych blisko użytkowników, podczas gdy regulowani klienci mogą wymagać, aby informacje pozostawały w określonej jurysdykcji.
Microsoft nie może rozwiązać tych potrzeb, budując wszystkie 38 gigawatów w najtańszej dostępnej lokalizacji. Potrzebuje mocy na właściwych rynkach, z odpowiednimi certyfikatami i połączeniami sieciowymi. Wymóg ten sprawia, że globalna ekspansja przebiega wolniej, niż sugeruje liczba w nagłówku.
Niedobór daje też klientom przewagę. Przedsiębiorstwa rzadko chcą, aby ich najważniejsze obciążenia zależały od mocy, która może nie być dostępna. Niektóre mogą przenosić nowe projekty do AWS, Google Cloud, Oracle lub wyspecjalizowanych dostawców infrastruktury AI.
Migracja istniejącego systemu przedsiębiorstwa nadal jest trudna. Nowe eksperymenty z AI są bardziej przenośne, ponieważ zespoły programistyczne nie zawsze związały się już z jedną architekturą chmurową. Problemy z dostępnością mogą wpływać na te wczesne decyzje, zanim powstaną długoterminowe umowy i zależności techniczne.
Dla zespołów tworzących oprogramowanie praktyczną kwestią jest niezawodność, a nie łączna liczba gigawatów, które Microsoft ostatecznie będzie kontrolować. Plan rozwoju może się opóźnić, gdy wymagane GPU są niedostępne w zatwierdzonym regionie. Zespoły zakupowe mogą odpowiedzieć kwalifikowaniem wielu dostawców.
Taka reakcja zwiększa presję konkurencyjną, nawet jeśli Azure później nadrobi zaległości. Gdy programiści zdobędą doświadczenie operacyjne z drugą platformą, Microsoft musi konkurować o każde nowe wdrożenie. Szansa utracona podczas niedoboru może przetrwać sam niedobór.
Microsoft konkuruje z własnym ograniczeniem z 2025 roku
Główne napięcie nie dotyczy wyłącznie Microsoftu i innych hyperscalerów; chodzi o obecny popyt Microsoftu w zestawieniu z decyzjami dotyczącymi mocy podjętymi, zanim popyt ten w pełni się ujawnił.
Na początku 2025 roku Microsoft wycofał się z części proponowanych leasingów i wstrzymał elementy swojego planu rozwoju. Decyzje te wzbudziły pytania, czy firma zamówiła zbyt dużą moc dla AI. Odzwierciedlały też zmieniające się oczekiwania dotyczące potrzeb infrastrukturalnych OpenAI.
Microsoft mówił wówczas, że planuje moc z wieloletnim wyprzedzeniem i dostosowuje projekty na różnych rynkach. Taka elastyczność jest normalna dla globalnego operatora chmurowego. Projekty mogą być przenoszone z powodu dostępności energii, warunków leasingu, harmonogramów budowy, planów sprzętowych lub popytu klientów.
Problem polega na tym, że decyzje infrastrukturalne mają opóźnione konsekwencje. Anulowanie leasingu szybko przynosi oszczędności, ale późniejsze odtworzenie mocy może zająć lata. Przedsiębiorstwa użyteczności publicznej, producenci turbin, dostawcy układów i wykonawcy budowlani działają pod własnymi ograniczeniami.
Microsoft wydaje się obecnie korygować kurs w przeciwnym kierunku. Firma spodziewa się wdrożyć więcej mocy, przedłużyć część okresów leasingu i wesprzeć znacznie większą globalną flotę. Zgłaszany plan rozkłada niektóre długoterminowe leasingi centrów danych na 25 lat zamiast 15 lat.
Dłuższy leasing może obniżyć roczne nakłady inwestycyjne ujmowane dla niektórych umów. Nie sprawia jednak, że podstawowa infrastruktura staje się darmowa. Microsoft nadal podejmuje dłuższe zobowiązanie i ponosi ryzyko, że sprzęt lub popyt zmienią się przed zakończeniem umowy.
Ten szczegół księgowy ma znaczenie, ponieważ inwestorzy często używają wydatków kapitałowych jako prostego miernika inwestycji w AI. Zmiana okresu leasingu może zmienić raportowaną wartość roczną bez równoważnej zmiany fizycznej mocy. Dodatkowych dowodów dostarczają przepływy pieniężne, amortyzacja, zobowiązania leasingowe i gotowość operacyjna.
Microsoft spodziewał się nakładów inwestycyjnych na poziomie około 50 mld USD w pierwszym kwartale roku fiskalnego 2027. Według doniesień firma oczekiwała również około 175 mld USD w całym 2026 roku kalendarzowym. Kwoty te obejmują więcej niż układy AI i nie należy ich traktować jako bezpośredniej ceny realizacji celu 38 gigawatów.
Część wydatków wspiera zakup gruntów, budowę obiektów, sprzęt sieciowy i tradycyjne serwery chmurowe. Inne wydatki dotyczą akceleratorów i powiązanego sprzętu, który może szybciej generować przychody. Okresy użyteczności i harmonogramy wdrożeń znacząco różnią się między tymi kategoriami.
Strategia Microsoftu dotycząca floty infrastruktury ma ograniczać to ryzyko poprzez obsługę wielu rodzajów obciążeń. Jeśli popyt na jeden model lub dostawcę osłabnie, firma może przekierować odpowiednie zasoby do klientów Azure lub usług wewnętrznych. Elastyczność ta ma jednak ograniczenia techniczne i komercyjne.
Uniwersalny serwer chmurowy nie zastępuje ściśle połączonego klastra AI. Trenowanie dużych modeli wymaga wyspecjalizowanych akceleratorów i sieci o wysokiej przepustowości, która pozwala tysiącom układów pracować wspólnie. Inference może preferować inny sprzęt, pamięć i rozmieszczenie regionalne.
Microsoft nie może też zakładać, że każda jednostka nowej mocy obliczeniowej przyniesie takie same przychody. Wykorzystanie mocy mierzy, jaka część zainstalowanej infrastruktury jest aktywnie używana. Niskie wykorzystanie oznaczałoby, że Microsoft ponosi amortyzację i koszty operacyjne bez odpowiadającej im sprzedaży klientom.
Wcześniejsze ograniczenie inwestycji i obecne przyspieszenie pokazują, jak trudne stało się prognozowanie. Microsoft musi podejmować decyzje infrastrukturalne, zanim dowie się, które modele, układy i aplikacje zdominują rynek. Czekanie na pewność powoduje niedobory, a zbyt wczesna budowa tworzy niewykorzystane aktywa.
Najbezpieczniejsza interpretacja jest taka, że kierownictwo obecnie uznaje niedobór podaży za większe krótkoterminowe zagrożenie. Wyniki Microsoftu za rok fiskalny 2026 wzmocniły to stanowisko. Wzrost Azure pozostał silny, a ograniczenia infrastrukturalne utrzymywały się.
Firma poinformowała również, że nakłady inwestycyjne w roku fiskalnym 2027 wzrosną względem poprzedniego roku. Kierownictwo powiązało tę decyzję z sygnałami popytowymi w całym portfelu. Przyznało, że dalsze inwestycje w AI wywierają presję na marże chmurowe.
Presja na marże odzwierciedla koszt usuwania niedoboru. Microsoft musi wydawać środki, zanim nowe obiekty zaczną przynosić istotne przychody. Następnie firma potrzebuje wystarczającego popytu i cen, by przez wiele lat osiągać akceptowalny zwrot.
Dlatego cel Microsoftu dotyczący mocy centrów danych ma większe znaczenie niż zwykłe ogłoszenie budowy. To długoterminowa korekta krótkoterminowego wąskiego gardła komercyjnego. Sukces zależy od tego, czy popyt pozostanie trwały po zniknięciu najpilniejszych obecnych niedoborów.
Amazon i Google mierzą się z tym samym wyścigiem, lecz Microsoft ma odmienną ekspozycję
Każdy duży dostawca chmury rozbudowuje infrastrukturę AI, jednak Microsoft musi obsługiwać Azure, własne produkty Copilot oraz zmieniającą się relację z OpenAI.
AWS pozostaje największym globalnym dostawcą infrastruktury chmurowej pod względem przychodów. Amazon poinformował, że zdecydowana większość jego planowanych nakładów inwestycyjnych na 2025 rok wesprze centra danych AI. Firma nadal rozwija również Trainium i Inferentia, własne akceleratory AI.
Własne układy mogą zmniejszać zależność od Nvidia i dawać operatorowi chmury większą kontrolę nad kosztami. Microsoft obrał podobną drogę dzięki własnym programom układowym. Klienci nadal jednak oczekują dostępu do sprzętu Nvidia, ponieważ jego środowisko programistyczne pozostaje szeroko stosowane.
Google oferuje kolejny model pionowo zintegrowany. Firma obsługuje własne procesory tensorowe, czyli TPU, obok GPU. TPU to wyspecjalizowane procesory zaprojektowane do obciążeń uczenia maszynowego. Google może wykorzystywać je w usługach wewnętrznych, produktach Gemini i Google Cloud.
Google również opisywał podaż mocy obliczeniowej jako napiętą. Podczas wcześniejszych telekonferencji wynikowych kierownictwo informowało, że dodatkowe wydatki potrzebują czasu, aby przełożyć się na dostępną moc. To ostrzeżenie pokazuje, że problem budowlany Microsoftu dotyczy całej branży, choć wcześniejsze ograniczenie inwestycji przez firmę zwiększyło presję.
Konkurenci różnią się źródłami popytu. Amazon realizuje swoją strategię AI przede wszystkim za pośrednictwem AWS i szerszej działalności konsumenckiej. Google może kierować infrastrukturę do wyszukiwarki, reklam, YouTube, Gemini oraz zewnętrznych klientów chmurowych.
Microsoft ma własny, wyjątkowo złożony model alokacji. Azure jest dużą działalnością platformową, podczas gdy Microsoft 365 i GitHub sprzedają funkcje AI bezpośrednio. Obciążenia związane z OpenAI i zobowiązania komercyjne dodają kolejną zmienną, której AWS i Google nie dzielą w tej samej formie.
Relacja z OpenAI kiedyś dawała Azure wyraźną przewagę. Microsoft uzyskał wczesny dostęp do szybko rosnącego dostawcy modeli i zintegrował jego technologię w całym portfolio produktów. Firma przejęła też ekspozycję na wyjątkowy apetyt OpenAI na moc obliczeniową.
OpenAI od tego czasu rozszerzyło działalność poza Azure i współpracowało z innymi partnerami infrastrukturalnymi. Zmiana ogranicza rolę Microsoftu jako wyłącznego dostawcy. Daje też obu firmom większą swobodę w rozwijaniu niezależnych obiektów i strategii komercyjnych.
Projekt w Teksasie ilustruje ten zmieniający się krajobraz. Microsoft przejął dodatkową moc na kampusie w Abilene, gdzie OpenAI i Oracle już rozwijały infrastrukturę. Sąsiednie projekty zamieniają jedną lokalizację w fizyczną mapę partnerstwa, które staje się bardziej konkurencyjne.
Microsoft buduje również duży kampus w pobliżu Pecos w Teksasie. Firma twierdzi, że obiekt zwiększy jej globalną moc o około 2 gigawaty. Jej projekt Pecos należy do największych pojedynczych rozbudów, jakie Microsoft ogłosił.
Obiekty takie jak Pecos pokazują, jak firma może zbliżyć się do 38 gigawatów. Pokazują też, dlaczego cel jest trudny. Jeden wyjątkowo duży kampus zapewnia jedynie część 26-gigawatowego wzrostu rozważanego w opisywanym planie.
Konkurenci zabiegają o te same ograniczone zasoby. Wszyscy potrzebują akceleratorów, urządzeń elektrycznych, pracowników budowlanych, połączeń światłowodowych i mocy wytwórczych. Dostawca dysponujący wystarczającym kapitałem nadal może napotkać wieloletnie oczekiwanie na modernizację przesyłu lub przyłączenie do sieci.
Ten wyścig tworzy możliwości dla wyspecjalizowanych firm infrastrukturalnych. Microsoft dzierżawił moc obliczeniową od zewnętrznych operatorów, gdy wewnętrzna budowa nie mogła postępować wystarczająco szybko. Takie umowy mogą przyspieszać wdrożenie, ale mogą wiązać się z wyższymi kosztami długoterminowymi.
Zewnętrzna moc może również wprowadzać różnice operacyjne. Microsoft musi integrować obiekty partnerów z siecią Azure, kontrolami bezpieczeństwa i standardami usług. Klienci oczekują spójnego doświadczenia chmurowego niezależnie od tego, kto jest właścicielem budynku.
Dla nabywców korporacyjnych konkurencja powinna z czasem poprawić dostępność sprzętu. W okresie przejściowym może też prowadzić do fragmentacji mocy. Określone układy, regiony i konfiguracje usług mogą pozostawać rzadkie, nawet gdy branża raportuje ogromne łączne inwestycje.
Deweloperzy powinni więc oceniać przenośność, zanim niedobór przerwie realizację projektu. Kontenery, standardowe interfejsy modeli i przejrzysta architektura danych mogą obniżyć koszty zmiany dostawcy. Środki te nie eliminują każdej zależności od chmury, ale zapewniają przewagę negocjacyjną, gdy w jednym regionie brakuje mocy.
Zespoły powinny również zachowywać decyzje stojące za ich systemami AI. Przeszukiwalna baza wiedzy AI może zapewnić dostęp do ocen modeli, założeń infrastrukturalnych i wymogów zgodności, gdy dostawcy się zmieniają. Ten kontekst staje się wartościowy, gdy zespoły zakupowe i inżynieryjne muszą szybko ponownie rozważyć wdrożenie.
Cel 38 gigawatów staje przed testem energii i realizacji
Największą przeszkodą Microsoftu nie jest już decyzja o inwestowaniu, lecz przekształcenie kapitału w użyteczną moc bez tworzenia nieakceptowalnych kosztów finansowych lub środowiskowych.
Energia elektryczna jest pierwszym ograniczeniem. Centra danych potrzebują dużych, niezawodnych dostaw przez całą dobę. Obciążenia AI mogą działać nieprzerwanie, podczas gdy lokalne sieci muszą nadal obsługiwać domy, szpitale, fabryki i inne przedsiębiorstwa.
Planowany obiekt może przez lata czekać na przyłączenie do sieci. Nowe stacje transformatorowe i linie przesyłowe wymagają pozwoleń, sprzętu i skoordynowanej budowy. Projekty wytwarzania energii mogą wymagać odrębnych ocen środowiskowych i spotkać się z lokalnym sprzeciwem.
Microsoft coraz częściej łączy kampusy z dedykowanymi rozwiązaniami energetycznymi. Takie podejście może posuwać projekty naprzód tam, gdzie istniejące sieci nie mają wolnej mocy. Może też narażać firmę na krytykę, gdy projekty opierają się na gazie ziemnym lub innych źródłach o wysokiej emisyjności.
Skala potęguje wyzwanie. Przejście z 12 gigawatów do ponad 38 gigawatów wymaga średniego wzrostu netto przekraczającego 4 gigawaty rocznie do 2032 roku. Faktyczna budowa będzie postępować nierównomiernie, gdy poszczególne kampusy będą uruchamiane.
Kalkulacja ta nie uwzględnia wycofywania ani wymiany elementów istniejącej floty. Starsze serwery tracą wartość ekonomiczną, gdy nowe akceleratory stają się bardziej wydajne. Microsoft musi modernizować zainstalowaną moc, jednocześnie budując dodatkową moc obiecaną w nagłówkowym celu.
Dostępność sprzętu stanowi drugie ograniczenie. Systemy AI wymagają czegoś więcej niż układów akceleratorów. Zależą od pamięci, komponentów sieciowych, pamięci masowej, rozdzielnic elektrycznych, transformatorów, systemów zapasowych i sprzętu chłodzącego.
Niedobór w choćby jednej kategorii może opóźnić cały klaster. Microsoft może posiadać budynek i większość serwerów, nie dysponując jednak mocą gotową do generowania przychodów. To sprawia, że szybkość wdrażania jest równie ważna jak wydatki na zakupy.
Kolejnym ryzykiem jest jakość budowy. Klastry AI koncentrują znaczne obciążenia elektryczne i cieplne w każdym obiekcie. Bezpośrednie chłodzenie cieczą układów przenosi chłodziwo blisko procesorów, aby skuteczniej odprowadzać ciepło. Konstrukcje te wymagają innych praktyk w zakresie instalacji, monitorowania i konserwacji niż wiele starszych obiektów.
Microsoft twierdzi, że nowsze systemy chłodzenia ograniczają zużycie wody w poszczególnych obiektach. Jego raport zrównoważonego rozwoju opisuje również działania mające poprawić efektywność wykorzystania wody, ponownie wykorzystywać sprzęt i kontraktować dodatkową energię elektryczną. Inicjatywy te nie eliminują całkowitego wpływu sieci, której rozmiar potraja się.
Wydajność może nie nadążać za wzrostem bezwzględnym. Generacja serwerów może wykonywać więcej obliczeń na każdą jednostkę energii elektrycznej, podczas gdy całkowite zużycie energii nadal rośnie. Ten sam efekt dotyczy wody, materiałów budowlanych i emisji w łańcuchu dostaw.
Lokalne społeczności będą oceniać projekty przez pryzmat bardziej bezpośrednich obaw. Mieszkańcy chcą wiedzieć, czy kampus podniesie ceny energii, zużyje ograniczone zasoby wody, będzie generować hałas lub przeniesie koszty infrastruktury na podatników. Obiecywane zatrudnienie może budzić spory, ponieważ działające centra danych potrzebują mniej pracowników niż ich budowa.
Microsoft wprowadził zobowiązania wobec społeczności, które mają rozwiązać część tych problemów. Firma oświadczyła, że pokryje swoje koszty energii elektrycznej i uniknie podnoszenia lokalnych rachunków za usługi komunalne. Realizacja tych zobowiązań będzie różnić się w zależności od przedsiębiorstw użyteczności publicznej i jurysdykcji.
Ryzyko finansowe pozostaje równie istotne. Cel na 2032 rok zakłada, że popyt na chmurę i AI uzasadni infrastrukturę zamówioną wiele lat wcześniej. Modele AI mogą stać się bardziej wydajne, zmniejszając zapotrzebowanie obliczeniowe dla danego zadania.
Wydajność nie zmniejsza automatycznie całkowitego popytu. Niższe koszty mogą zachęcić więcej osób i firm do uruchamiania obciążeń AI. Mimo to Microsoft nie może wiedzieć, czy te korzyści zrównoważą każde usprawnienie w układach, modelach i oprogramowaniu.
Konkurencja może również obniżyć ceny, zanim Microsoft w pełni wykorzysta swoją nową flotę. AWS, Google, Oracle, wyspecjalizowane chmury i dostawcy modeli wszyscy zwiększają skalę działalności. Nadmiar podobnych mocy osłabiłby zwrot z długowiecznych obiektów.
Odpowiedź Microsoftu brzmi, że popyt już przewyższa podaż. Wzrost Azure i obecne ograniczenia mocy wspierają ten argument. Nie gwarantują jednak, że każdy gigawat zaplanowany na 2032 rok przyniesie taki sam zwrot jak moce wdrażane obecnie.
Inwestorzy powinni śledzić marżę brutto chmury obok wzrostu przychodów. Microsoft podał, że dalsze inwestycje w infrastrukturę AI oraz rosnące wykorzystanie obciążają marże Microsoft Cloud. Amortyzacja będzie kontynuowana po spowolnieniu wydatków budowlanych, ponieważ aktywa pozostają w bilansie.
Na uwagę zasługuje również księgowość leasingowa. Wydłużenie okresu z 15 do 25 lat może inaczej rozłożyć raportowane nakłady kapitałowe. Analitycy powinni analizować zobowiązania leasingowe i zobowiązania gotówkowe, zamiast opierać się na pojedynczej wartości wydatków.
Główna niepewność nie dotyczy zatem tego, czy Microsoft może sfinansować ten plan. Jego bilans i operacyjne przepływy pieniężne zapewniają znaczne zasoby. Niepewne jest to, czy fizyczna realizacja i długoterminowe wykorzystanie uzasadnią tę skalę.
Na co zwracać uwagę, gdy Microsoft rozbudowuje infrastrukturę AI
Trzy sygnały pokażą, czy ekspansja rozwiązuje niedobór Microsoftu, czy jedynie tworzy większe zaległości niedokończonych i niewykorzystanych aktywów.
Pierwszym sygnałem będzie język, jakiego kierownictwo używa w odniesieniu do ograniczeń mocy. Microsoft wcześniej oczekiwał, że ograniczenia te utrzymają się przez cały rok kalendarzowy 2026. Inwestorzy powinni nasłuchiwać wyraźnej zmiany tej prognozy podczas nadchodzących rozmów o wynikach.
Krótszy okres ograniczeń wskazywałby, że serwery szybciej trafiają do klientów. Utrzymujące się ostrzeżenia sugerowałyby, że wydatki i budowa nie rozwiązały jeszcze wąskich gardeł wdrożeniowych. Najbardziej użyteczne dowody połączą nowe moce z dostępnością Azure i przychodami.
Wzrost Azure zapewnia komercyjną stronę tego testu. Silny wzrost przy jednoczesnej poprawie dostępności wspierałby decyzję Microsoftu o przyspieszeniu. Wolniejszy wzrost po złagodzeniu ograniczeń rodziłby pytania, czy niedobór nie ukrywał słabszego bazowego popytu.
Drugim sygnałem jest tempo wdrożeń gotowych do generowania przychodów. Ogłoszone gigawaty, podpisane umowy energetyczne i budynki w trakcie budowy mierzą postęp. Żaden z tych wskaźników nie jest równoznaczny z mocą obliczeniową, którą klienci mogą faktycznie kupić.
Microsoft podczas swojej najnowszej rozmowy o wynikach utrzymał oczekiwania inwestycyjne na rok kalendarzowy 2026 i prognozował wyższe nakłady kapitałowe w roku fiskalnym 2027. Przyszłe ujawnienia powinny pokazać, czy inwestycje te skracają czas uruchamiania.
Warto śledzić szczegóły dotyczące zainstalowanych serwerów, otwartych regionów i usług chmurowych udostępnionych powszechnie. Rosnąca luka między planowaną mocą elektryczną a aktywną mocą obliczeniową osłabiłaby narrację o 38 gigawatach.
Trzecim sygnałem jest strategia energetyczna stojąca za głównymi kampusami. Każdy duży projekt potrzebuje możliwej do zidentyfikowania ścieżki do wytwarzania energii, przesyłu i podłączenia do sieci. Opóźnienia lub spory ze społecznościami mogą przesunąć całą część mocy poza planowaną datę uruchomienia.
Miks energetyczny będzie również testem dla zobowiązań środowiskowych Microsoftu. W roku fiskalnym 2025 firma podała, że równoważyła roczne zużycie energii elektrycznej zakupami energii odnawialnej. Roczne równoważenie nie oznacza, że każdy obiekt otrzymuje energię bezemisyjną w każdej godzinie.
Microsoft wcześniej dążył do bardziej wymagającego celu opartego na dopasowaniu godzinowym. Doniesienia, że rozważał opóźnienie lub porzucenie tego celu, pokazują napięcie między szybką budową a zobowiązaniami klimatycznymi. Plan 38 gigawatów utrudnia traktowanie tego napięcia jako kwestii drugorzędnej.
Wiarygodna ścieżka łączyłaby szybszy rozwój sieci, czyste stabilne źródła energii, wydajne chłodzenie i przejrzyste porozumienia ze społecznościami. Poleganie na krótkoterminowych rozwiązaniach bez porównywalnego zwiększenia czystej energii nasiliłoby opór regulacyjny i społeczny.
Klienci powinni obserwować te sygnały, ponieważ moce wpływają na wybory produktowe na długo przed 2032 rokiem. Lepsza podaż może poprawić dostęp do akceleratorów, skrócić kolejki wdrożeniowe i wspierać bardziej stabilną dostępność regionalną. Utrzymujące się niedobory mogą skłonić organizacje do architektur wielochmurowych i alternatywnych dostawców modeli.
Ekspansja centrów danych Microsoftu jest ostatecznie testem realizacji infrastruktury. Firma zidentyfikowała popyt, zaangażowała kapitał i wyznaczyła ogromny, raportowany cel. Nadal musi przekształcić plany energetyczne w niezawodne usługi obliczeniowe.
Dla liderów przedsiębiorstw kolejny krok jest praktyczny. Należy zapytać, czy wymagana moc Azure jest dostępna w zatwierdzonych regionach, i udokumentować, co nastąpi, jeśli tak nie będzie. Deweloperzy powinni sprawdzić, czy krytyczne obciążenia mogą zostać przeniesione między sprzętem lub dostawcami bez pełnego przeprojektowania.
Następnie warto obserwować kolejny cykl wyników pod kątem trzech odpowiedzi: czy ograniczenia słabną, czy zainstalowane systemy stają się rozliczalne oraz czy umowy energetyczne pozwalają utrzymać budowę zgodnie z harmonogramem. Odpowiedzi te pokażą, czy Microsoft naprawia niedobór, czy zobowiązuje się do jutrzejszego nadmiaru.
