Prognoza SemiAnalysis dla centrów danych przekracza 50 GW, gdy wąskie gardło przesuwa się w stronę chipów
Według SemiAnalysis operatorzy centrów danych dodadzą w 2027 roku ponad 50 gigawatów mocy, czyli mniej więcej tyle, ile wynosiła globalna zainstalowana baza do 2024 roku. Prognoza SemiAnalysis dla centrów danych opiera się na widocznych pracach budowlanych, podpisanych umowach leasingowych oraz sprzęcie, który już trafia do głównych kampusów. Jej główna teza nie sprowadza się jedynie do tego, że sztuczna inteligencja potrzebuje większej liczby budynków. Chodzi o to, że budynki i energia mogą przestać być najpoważniejszymi ograniczeniami.
Materiał dowodowy jest jak na prognozę infrastrukturalną wyjątkowo namacalny. SemiAnalysis zidentyfikowało ponad 24 GW w 40 kampusach na zaawansowanym etapie budowy, przy czym większość tej mocy ma zostać uruchomiona w 2027 roku. Wiele budynków jest podobno ukończonych w ponad połowie. W kilku lokalizacjach zainstalowano już systemy chłodzenia i urządzenia elektryczne.
Tworzy to wyraźniejszy konflikt niż kolejna fala ambitnych zapowiedzi projektów. Hyperscalerzy i twórcy AI zobowiązali się do zapewnienia mocy na lata, zanim popyt, finansowanie i dostawy chipów zostały w pełni ustalone. Jeśli kampusy zostaną uruchomione zgodnie z harmonogramem, niedobór w branży przeniesie się głębiej w stos technologiczny. Akceleratory, pamięć, sieci i obciążenia klientów muszą pojawić się wystarczająco szybko, aby je zapełnić.
Argument przeciwny głosi, że aktywność budowlana nie gwarantuje produktywnej mocy obliczeniowej. Przyłącza do sieci mogą się opóźniać, sprzęt może docierać zbyt późno, a umowy leasingowe mogą stać się obciążeniem finansowym. Rozbudowa w 2027 roku będzie więc sprawdzianem, czy podpisane zobowiązania odzwierciedlają trwały popyt na AI, czy kosztowny wyścig o rezerwację ograniczonej infrastruktury.
Co faktycznie obejmuje prognoza SemiAnalysis dla centrów danych
Najmocniejszą stroną prognozy jest oparcie się na postępie budowy, a nie wyłącznie na zapowiedziach.
Prognoza SemiAnalysis została opublikowana 19 października 2026 roku. Jej autorzy, Jeremie Eliahou Ontiveros, Reyk Knuhtsen i Dylan Patel, twierdzą, że w 2027 roku do eksploatacji trafi ponad 50 GW. Jeden gigawat oznacza miliard watów mocy elektrycznej, choć operatorzy nie muszą stale wykorzystywać każdego dostępnego wata.
To rozróżnienie ma znaczenie, ponieważ prognozy branżowe często mieszają planowaną moc dostawców energii, ukończone budynki, zasiloną moc oraz wdrożoną infrastrukturę IT. Kategorie te opisują różne etapy projektu. Ukończona konstrukcja nie może obsługiwać obciążeń AI bez zasilania, chłodzenia, sieci i serwerów. Zasilony budynek również zapewnia niewielką moc obliczeniową, dopóki jego szafy rack nie zostaną wypełnione.
SemiAnalysis próbuje zmniejszyć tę lukę, śledząc poszczególne kampusy za pomocą swojego modelu centrów danych. W publicznym raporcie firma wskazuje ponad 24 GW w 40 kampusach na zaawansowanym etapie budowy. Według firmy większość tej mocy ma zostać uruchomiona w 2027 roku.
Raport podaje, że wiele z tych projektów przekroczyło połowę prac konstrukcyjnych. Na wielu obiektach widoczne są zewnętrzne urządzenia chłodzące i elektryczne. Wskaźniki te wymagają większego zaangażowania kapitałowego i operacyjnego niż zakup gruntu lub wstępna zapowiedź.
Te 40 kampusów nie stanowi też całego planowanego portfela. SemiAnalysis twierdzi, że śledzi kilkaset lokalizacji na zaawansowanych etapach budowy. Wybrane kampusy ilustrują, dlaczego firma uważa, że roczna łączna moc może przekroczyć 50 GW pomimo ograniczeń związanych z pracą, siecią energetyczną i łańcuchem dostaw.
Szerszy nagłówek raportu wskazuje około 60 GW w budowie. Nie należy jednak traktować tej liczby jako tożsamej z prognozą uruchomień w 2027 roku. Projekty mogą obejmować kilka lat, być otwierane etapami lub napotykać opóźnienia w rozruchu. Próbka 24 GW dostarcza solidniejszych dowodów krótkoterminowych, ponieważ koncentruje się na zaawansowanych projektach z widocznym sprzętem.
Podejście to wyjaśnia również rozbieżność z bardziej konserwatywnymi szacunkami. Inwestorzy skupiający się na kolejkach przyłączeniowych lub ogłoszonych datach ukończenia często szeroko dyskontują projekty. SemiAnalysis zamiast tego ocenia postępy budowy na poziomie kampusów i koryguje oczekiwane terminy oddania, gdy konkretne obiekty pozostają w tyle.
Autorzy przyznają, że takie opóźnienia występują. Wskazują na niedobory pracowników, opóźnienia po stronie dostawców, problemy z pozyskaniem finansowania oraz ograniczenia infrastruktury elektrycznej. Twierdzą też, że ich model wcześniej przesuwał agresywne harmonogramy deweloperów, gdy dowody na poziomie projektu słabły.
Wynikiem jest prognoza, a nie ukończony pomiar. Ma jednak mocniejsze podstawy niż dodanie każdego ogłoszonego projektu do arkusza kalkulacyjnego. Beton, urządzenia chłodzące, podstacje i podpisani najemcy sprawiają, że anulowanie projektu staje się coraz kosztowniejsze wraz z postępem budowy.
Kampus nadal może nie osiągnąć celu mimo tych zobowiązań. Rozruch jest złożonym procesem obejmującym systemy zasilania, chłodzenie cieczą, sieci, testy bezpieczeństwa i zatwierdzenia ze strony dostawców energii. Opóźnienia o kilka miesięcy mogłyby przesunąć znaczną moc z jednego roku kalendarzowego do kolejnego bez anulowania samego projektu.
Ta wrażliwość na harmonogram jest kluczowa. Różnica między 43 GW a 50 GW może odzwierciedlać moment, w którym projekt staje się operacyjny, a nie to, czy ostatecznie zostanie otwarty. Czytelnicy powinni interpretować prognozę jako dowód przyspieszenia, a nie precyzyjną obietnicę dotyczącą grudnia 2027 roku.
Istotną zmianą jest zatem widoczne tempo rozwoju. Duża część prognozowanej mocy przeszła od korporacyjnych deklaracji do fizycznej realizacji. To sprawia, że kolejne ograniczenie staje się ważniejsze niż pierwotna zapowiedź.
Podpisane umowy leasingowe zamieniają plany budowy w presję finansową
Długoterminowe umowy leasingowe zwiększają wiarygodność rozbudowy, ale przenoszą też optymizm budowlany na ryzyko bilansowe.
SemiAnalysis podaje, że do dnia raportowania w 2026 roku podpisano nieco mniej niż 1 bilion dolarów w wiążących lub nieodwołalnych umowach leasingowych dotyczących centrów danych. Nagłówek firmy odnosi się do szerszej miary wynoszącej 1,3 biliona dolarów. Liczby te mogą obejmować różne grupy kontraktów, dlatego bez danych źródłowych nie należy traktować ich jako zamiennych.
Ujawnienia spółek publicznych niezależnie pokazują ogromny portfel zobowiązań. Analiza leasingowa Reutersa wykazała około 1,09 biliona dolarów przyszłych płatności w Microsoft, Meta, Oracle, Amazon i Alphabet. Umowy te były podpisane, lecz nie rozpoczęły się przed początkiem sierpnia 2026 roku.
Według Reutersa późniejsze porozumienia podniosły znaną łączną kwotę dla tych pięciu spółek do około 1,16 biliona dolarów. Microsoft ujawnił 329,1 miliarda dolarów płatności z tytułu nierozpoczętych umów leasingowych. Meta zgłosiła 278,99 miliarda dolarów przed podpisaniem w lipcu kolejnych umów leasingowych centrów danych o wartości 68 miliardów dolarów.
Oracle ujawnił 260 miliardów dolarów nierozpoczętych zobowiązań. Alphabet podał 85,2 miliarda dolarów, podczas gdy Amazon ujawnił 137,21 miliarda dolarów w szerszym portfelu leasingowym. Kwota Amazona obejmuje również aktywa takie jak magazyny, biura, samoloty i pojazdy.
Nierozpoczęta umowa leasingowa to podpisane porozumienie dotyczące aktywa, które nie jest jeszcze dostępne dla klienta. Zobowiązanie zasadniczo nie pojawia się jako ujęte zobowiązanie leasingowe, dopóki obiekt nie zostanie oddany do eksploatacji. W międzyczasie spółki ujawniają przyszłe płatności w notach do sprawozdań finansowych.
Takie ujęcie księgowe nie oznacza, że zobowiązanie jest ukryte ani że jest równoważne tradycyjnemu długowi. Przyszłe płatności leasingowe mogą rozciągać się na wiele lat i zwykle są podawane bez dyskontowania. Mimo to ich skala pokazuje, jak wiele wydatków pozostaje poza znanymi miarami zobowiązań eksponowanymi w nagłówkach.
Kontrakty zmieniają również to, kto ponosi ryzyko realizacji. Deweloperzy muszą finansować i budować obiekty w oparciu o obiecany popyt. Najemcy muszą być gotowi przyjąć moc, gdy stanie się dostępna. Klienci chmurowi i laboratoria AI muszą następnie wygenerować wystarczające wykorzystanie, aby uzasadnić wynikające z tego koszty stałe.
Oracle ilustruje niedopasowanie okresów. Spółka podała, że jej umowy leasingowe zasadniczo rozpoczynają się między rokiem fiskalnym 2027 a rokiem fiskalnym 2029 i trwają od 15 do 19 lat. Ostrzegła również, że warunki leasingu mogą nie być zgodne z umowami z klientami. Klient, który nie przedłuży umowy, może pozostawić Oracle z dłuższym zobowiązaniem infrastrukturalnym.
To jest główny kontrapunkt tej historii: zakontraktowana budowa kontra zrealizowany popyt na moc obliczeniową. Podpisane umowy leasingowe pokazują, że firmy wierzą w utrzymujący się niedobór mocy. Nie dowodzą, że każdy zarezerwowany megawat przyniesie atrakcyjny zwrot.
Niedawna aktywność leasingowa wspiera argument o popycie w krótkim terminie. Raport o mocy dla AI przytoczył dane TD Cowen, według których wiodący dostawcy chmurowi wynajęli ponad 7,4 GW w jednym kwartale fiskalnym. Przekroczyło to ilość wynajętą w całym poprzednim roku.
Oracle miał podobno zabezpieczyć najwięcej mocy w tym okresie, w dużej mierze dla obciążeń OpenAI. Google zajął drugie miejsce, a następnie Fluidstack. Meta, Amazon, CoreWeave i Microsoft również były aktywnymi uczestnikami.
Strony umów nie są zamienne. Microsoft, Amazon i Google mogą wykorzystywać moc w ramach zdywersyfikowanych platform chmurowych. Meta wspiera głównie własne usługi i modele AI. Oracle ma skoncentrowaną ekspozycję na mniejszą liczbę dużych klientów AI. Wyspecjalizowani operatorzy zależą od finansowania, jakości najemców i terminowej realizacji.
Ten podział ma znaczenie, jeśli wzrost przychodów z AI spowolni. Zdywersyfikowani dostawcy chmurowi mogą przeznaczyć część infrastruktury na bazy danych, przetwarzanie dla przedsiębiorstw, pamięć masową i tradycyjne obciążenia chmurowe. Bardzo gęste kampusy AI są mniej elastyczne, ponieważ ich systemy chłodzenia, sieci i zasilania są ukierunkowane na klastry akceleratorów.
Ukończony kampus wywiera więc presję na kilka grup jednocześnie. Deweloperzy potrzebują najemców gotowych odebrać obiekt. Hyperscalerzy potrzebują sprzętu i energii elektrycznej. Laboratoria AI potrzebują przychodów lub finansowania. Dostawcy chipów muszą zapewnić wystarczającą liczbę akceleratorów, pamięci i sprzętu sieciowego, aby zamienić zarezerwowaną energię w użyteczną moc obliczeniową.
Umowy leasingowe sprawiają, że masowe porzucanie projektów jest mniej prawdopodobne, ale zwiększają koszt pomyłki. Dlatego prognoza SemiAnalysis na 2027 rok może być jednocześnie wiarygodna i ryzykowna finansowo.
Wąskie gardło przenosi się z budynków do krzemu
Jeśli w 2027 roku zostanie uruchomione ponad 50 GW, ograniczającym zasobem stanie się sprzęt przekształcający energię elektryczną w użyteczne obliczenia AI.
Centrum danych jest jedynie zewnętrzną warstwą systemu AI. W jego wnętrzu akceleratory wykonują obliczenia modeli, pamięć o wysokiej przepustowości zasila te procesory, a sieci łączą tysiące urządzeń. Sprzęt chłodzący odprowadza ich ciepło, podczas gdy podstacje i systemy zapasowe utrzymują niezawodne zasilanie.
SemiAnalysis twierdzi, że niedobory chipów logicznych i pamięci mogą w latach 2027 i 2028 wyprzedzić budynki i energię jako główne ograniczenie. Teza wynika bezpośrednio z prognozy budowlanej firmy. Szybko ukończone kampusy będą konkurować o łańcuch dostaw półprzewodników, który nie może rozszerzać się w takim samym tempie jak budowa z betonu.
Akceleratory przyciągają najwięcej uwagi opinii publicznej, lecz klaster AI zawiera kilka ograniczonych komponentów. Zaawansowana pamięć znajduje się obok procesorów i dostarcza dane z niezwykle wysoką szybkością. Wyspecjalizowane przełączniki sieciowe, łącza optyczne i kable koordynują pracę między szafami rack. Urządzenia do zarządzania energią regulują coraz gęstsze systemy.
Każda warstwa ma inny harmonogram produkcji. Budowa i kwalifikacja fabryk półprzewodników trwają latami. Zaawansowane pakowanie musi łączyć procesory i pamięć. Dostawcy pamięci muszą rozdzielać produkcję między generacje produktów. Dostawcy rozwiązań sieciowych muszą synchronizować dostawy z montażem serwerów i uruchamianiem kampusów.
Tworzy to problem sekwencjonowania. Operatorzy mogą zarezerwować moc, zanim będą wiedzieć, która generacja chipów zajmie budynek. Mogą też otrzymać serwery, zanim zakład energetyczny ukończy finalne przyłączenie. Opóźnienie na którymkolwiek końcu sprawia, że kosztowne aktywa są niedostatecznie wykorzystywane.
Projekty kampusów dodatkowo komplikują tę transformację. Nowe akceleratory mogą pobierać więcej energii na szafę rack niż wcześniejsze systemy. Mogą wymagać bezpośredniego chłodzenia cieczą, w którym chłodziwo odprowadza ciepło bliżej chipów. Obiekty zaprojektowane przy założeniach dotyczących wcześniejszych gęstości mogą wymagać modernizacji jeszcze przed ukończeniem pierwszego wdrożenia.
Rozbudowa nie jest więc prostym przeliczeniem gigawatów na wydajność modeli. Dwa kampusy o identycznej mocy elektrycznej mogą zapewniać różną moc obliczeniową. Generacja chipów, wykorzystanie zasobów, wydajność sieci, narzut chłodzenia i oprogramowanie wpływają na użyteczną pracę wykonaną na wat.
Dlatego 50 GW nie należy bezpośrednio przekładać na liczbę akceleratorów. Operatorzy rzadko ujawniają pełne konfiguracje sprzętowe, a plany wdrożeń się zmieniają. Część mocy będzie obsługiwać pamięć masową, sieci, tradycyjne usługi chmurowe i narzut infrastruktury, a nie procesory AI.
Mimo to duży wzrost dostępnej mocy wzmocniłby pozycję negocjacyjną dostawców chipów. Hiperskalerzy nie mogą osiągać zwrotów z pustych, zasilanych obiektów. Potrzebują akceleratorów wystarczająco szybko, by zacząć obciążać klientów opłatami lub realizować wartościowe wewnętrzne zadania.
Presja wykracza poza Nvidia. Dostawcy chmury nadal rozwijają własne procesory, aby kontrolować koszty, poprawiać bezpieczeństwo dostaw i dostrajać sprzęt do określonych modeli. Google ma wieloletnie doświadczenie z jednostkami przetwarzania tensorowego. Amazon oferuje Trainium, a Microsoft i Meta rozwijają własne programy krzemowe.
Niestandardowe chipy nie eliminują łańcucha dostaw. Nadal wymagają produkcji, pakowania, pamięci, płytek drukowanych, sieci i montażu serwerów. Mogą dywersyfikować podaż akceleratorów, ale tworzą również dodatkową pracę związaną z oprogramowaniem i wdrożeniem.
Rozbudowa w 2027 roku sprawdzi, czy te alternatywy mogą osiągnąć skalę produkcji. Udany niestandardowy akcelerator musi robić więcej niż uruchamiać obciążenia benchmarkowe. Potrzebuje stabilnych kompilatorów, wydajnych implementacji modeli, niezawodnej sieci i wystarczającej adopcji klientów, aby utrzymać wysokie wykorzystanie.
Deweloperzy stają również przed wyborem między oczekiwaniem na nowsze chipy a wdrożeniem dostępnego sprzętu. Opóźnienie może poprawić wydajność na wat, ale pozostawia wynajętą moc niewykorzystaną. Natychmiastowe wdrożenie pozwala wcześniej rozpocząć użyteczną pracę, choć sprzęt może stać się mniej konkurencyjny w trakcie długiego najmu.
Ten kompromis wpłynie na zachowania zakupowe w całym rynku. Największe firmy mogą dzielić moce między kilka generacji chipów i dostawców. Mniejsi dostawcy chmury mogą zaakceptować mniej wydajny sprzęt, ponieważ nie mogą czekać na najbardziej pożądane systemy.
Wąskie gardło chipowe łączy również wydatki infrastrukturalne z ekonomią AI. Szybsze procesory tworzą wartość tylko wtedy, gdy klienci płacą za inferencję, trenowanie lub dostęp do chmury. Jeśli wydajność modeli rośnie szybciej niż wykorzystanie, operatorzy mogą zaspokoić popyt przy użyciu mniejszej ilości sprzętu. Jeśli wykorzystanie wzrośnie dzięki agentom, wideo i trwałej inferencji, nawet 50 GW może wydawać się niewystarczające.
SemiAnalysis faktycznie stawia na drugą ścieżkę. Jego prognoza wzrostu mocy centrów danych zakłada, że zakontraktowany popyt i dowody postępu budowy przetrwają bieżące ograniczenia. Kolejnym testem będzie to, czy produkcja półprzewodników i płatne obciążenia zdołają dotrzymać kroku budynkom powstającym za nimi.
Czego liczba 50 GW nie dowodzi
Zaawansowany etap budowy zmniejsza ryzyko anulowania projektów, ale nie rozstrzyga kwestii dostępności energii, wykorzystania, rentowności ani wpływu na środowisko.
Pierwsza niepewność dotyczy pomiaru. Uczestnicy branży używają megawatów i gigawatów do opisu usług energetycznych, krytycznego obciążenia technologii informatycznych, limitów projektowych kampusów i mocy wdrażanej etapami. Prognoza może wyglądać niespójnie, gdy dwa źródła liczą różne punkty tego łańcucha.
SemiAnalysis korzysta ze szczegółowego, zastrzeżonego modelu, ale publiczny artykuł ujawnia tylko część jego metodologii i bazowej listy kampusów. Czytelnicy nie mogą niezależnie odtworzyć całej sumy 50 GW na podstawie opublikowanych materiałów. Widoczna próbka 24 GW potwierdza kierunek zmian, a nie każdy element prognozy.
Druga niepewność dotyczy harmonogramu dostaw. Budynek może wyglądać na niemal ukończony, czekając na transformatory, rozdzielnice, zasilanie awaryjne lub zgodę zakładu energetycznego. Problemy z uruchomieniem mogą opóźnić otwarcie po zakończeniu głównych prac budowlanych. Takie opóźnienia mają znaczenie, gdy prognoza przypisuje moc do konkretnego roku.
Trzecia niepewność to dostawy energii. Prognoza energetyczna IEA przewiduje wzrost wytwarzania energii elektrycznej dla centrów danych z 460 TWh w 2024 roku do ponad 1 000 TWh w 2030 roku. W scenariuszu bazowym niemal połowę dodatkowego popytu pokrywają odnawialne źródła energii.
Paliwa kopalne pozostają kluczowe podczas krótkoterminowego wzrostu. IEA oczekuje, że gaz ziemny i węgiel zaspokoją ponad 40% dodatkowego zapotrzebowania centrów danych na energię elektryczną do 2030 roku. Kolejki do przyłączenia do sieci mogą skierować szybszy wzrost w stronę lokalnej generacji lub istniejących mocy opartych na paliwach kopalnych.
Wyzwanie jest szczególnie skoncentrowane w Stanach Zjednoczonych. Aktualizacja Berkeley Lab szacuje, że centra danych mogą zużywać 11,8% energii elektrycznej w USA do 2030 roku. Zakres scenariuszy wynosi od 9,5% do 15,3%.
Te krajowe liczby mogą przesłaniać trudniejsze problemy regionalne. Kampusy centrów danych skupiają się tam, gdzie już istnieją światłowody, grunty, zachęty podatkowe i regiony chmurowe. Lokalne zakłady energetyczne muszą obsługiwać duże, względnie ciągłe obciążenia nawet wtedy, gdy krajowe moce wytwórcze wydają się wystarczające.
Amerykańska Agencja Informacji Energetycznej oczekuje, że rozwój centrów danych będzie napędzać krótkoterminowy wzrost zapotrzebowania na energię elektryczną. Jej analiza popytu na sieć wskazuje ERCOT i PJM jako najszybciej rosnące regiony do 2027 roku. Oba już goszczą znaczące projekty infrastrukturalne.
Ograniczenia sieci nie unieważniają automatycznie prognozy. Operatorzy mogą zabezpieczać dedykowane źródła wytwarzania, budować systemy za licznikiem lub otwierać kampusy etapami. Mogą też przenosić obciążenia między regionami, gdy pozwalają na to opóźnienia i zasady dotyczące danych.
Każde obejście problemu wiąże się jednak z kosztami. Dedykowane wytwarzanie energii z gazu może zwiększać emisje. Baterie nie mogą zapewniać ciągłego zasilania bez źródeł wytwórczych. Nowe linie przesyłowe wymagają długich procesów planistycznych. Przenoszenie obciążeń może wprowadzać opóźnienia sieciowe lub kolidować z wymaganiami klientów.
Czwarta niepewność to wykorzystanie zasobów. Kampus może zostać otwarty, przyjąć serwery, a mimo to działać poniżej swojego potencjału ekonomicznego. Wykorzystanie mierzy, jaka część zainstalowanej mocy obliczeniowej wykonuje pracę rozliczaną lub strategicznie wartościową.
Niskie wykorzystanie może wynikać z problemów z oprogramowaniem, opóźnień po stronie klientów, ograniczeń sieciowych lub nadpodaży określonych typów akceleratorów. Wysokie wykorzystanie może również ukrywać słabą ekonomikę, jeśli dostawcy mocno dyskontują dostęp, aby przyciągnąć popyt.
Piąta niepewność dotyczy finansowania. Długoterminowe najmy zwiększają prawdopodobieństwo budowy, ale tworzą też stałe zobowiązania. Deweloperzy AI muszą przekształcić wykorzystanie w przychody, zanim zobowiązania infrastrukturalne przytłoczą ich zdolność do generowania gotówki.
Największe platformy mogą łatwiej absorbować tymczasową nieefektywność niż wyspecjalizowani dostawcy. Mają ugruntowanych klientów chmurowych, działalność reklamową i produkty konsumenckie. Mniejsi operatorzy często zależą od kilku najemców, kosztownego finansowania i optymistycznych założeń dotyczących przyszłych stawek najmu.
Spowolnienie nie musiałoby koniecznie prowadzić do rzędów opuszczonych kampusów. Mogłoby zamiast tego objawić się niższymi stawkami najmu, renegocjowanymi umowami, opóźnionymi instalacjami serwerów lub słabszymi zwrotami. Moce mogłyby nadal być uruchamiane, podczas gdy inwestorzy ponosiliby koszty dostosowania.
Ostatnia niepewność to efektywność technologiczna. Modele mogą stać się tańsze w trenowaniu i obsłudze dzięki lepszym algorytmom, kwantyzacji, rzadkim obliczeniom i lepszemu harmonogramowaniu. Te usprawnienia mogą zmniejszyć ilość sprzętu potrzebnego do realizacji określonego obciążenia.
Efektywność może również zwiększyć całkowity popyt, czyniąc usługi AI przystępnymi dla większej liczby użytkowników. Ten efekt odbicia wielokrotnie pojawiał się na rynkach komputerowych. Niższe koszty jednostkowe zachęcają do tworzenia nowych produktów, większego wykorzystania i częstszej inferencji.
Żadna pojedyncza prognoza nie rozstrzygnie tej równowagi. Liczba 50 GW pokazuje, że firmy budują w oparciu o oczekiwania silnego popytu. Nie dowodzi, że oczekiwania te zapewnią atrakcyjne zwroty w każdym kampusie.
Trzy sygnały, które przetestują rozbudowę w 2027 roku
Prognoza będzie oceniana na podstawie zasilonej mocy, zainstalowanego sprzętu i powtarzalnego popytu na AI, a nie wyłącznie fotografii z budowy.
Pierwszym sygnałem jest przekształcenie zaawansowanych kampusów w zasiloną moc technologii informatycznych. Operatorzy muszą ukończyć podstacje, przyłącza do sieci, systemy chłodzenia i uruchomienie, zanim budynek zapewni użyteczne zasoby obliczeniowe.
Kwartalne aktualizacje od zakładów energetycznych i deweloperów powinny ujawnić, czy projekty są otwierane zgodnie ze zaktualizowanymi harmonogramami. Najbardziej użyteczne ujawnienia będą oddzielać ukończone budynki od zasilonej mocy. Powinny też rozróżniać limity projektowe kampusu od mocy już dostępnej dla klientów.
Jeśli większość zaawansowanej próbki 24 GW zostanie uruchomiona w 2027 roku, prognoza centrów danych SemiAnalysis zyska istotne potwierdzenie. Szerokie przesunięcie na 2028 rok osłabiłoby jej całkowitą wartość dla roku kalendarzowego, nie podważając długoterminowego trendu infrastrukturalnego.
Wzorzec opóźnień będzie miał równie duże znaczenie jak ich skala. Pojedyncze przesunięcia są normalne w projektach tej wielkości. Powtarzające się niedobory transformatorów, wstrzymania przyłączeń do sieci lub niepowodzenia uruchomienia w kilku regionach wskazywałyby na ograniczenie strukturalne.
Drugim sygnałem jest wdrażanie sprzętu. Inwestorzy powinni obserwować dostawy akceleratorów, produkcję pamięci o wysokiej przepustowości, moce zaawansowanego pakowania, przychody z sieci i instalacje serwerów. Wskaźniki te pokazują, czy operatorzy mogą wyposażać nowe budynki w tempie wymaganym przez sytuację.
Niedobory chipów potwierdziłyby proponowane przez SemiAnalysis przesunięcie wąskiego gardła. Budynki powstawałyby, lecz procesory i pamięć ograniczałyby produktywną moc. Dostawcy chmury mogliby wydłużać życie starszego sprzętu lub przyspieszać wdrażanie własnych chipów.
Uporządkowany wzrost wdrażania serwerów wspierałby inny wniosek. Sugerowałby, że dostawcy półprzewodników przewidzieli falę budowlaną i skutecznie zwiększyli moce. Ograniczenie mogłoby wówczas przesunąć się w stronę cen energii, obciążeń klientów lub wykorzystania oprogramowania.
Kolejnej wskazówki dostarczy miks sprzętowy. Szybka adopcja wewnętrznie projektowanych akceleratorów pokazałaby, że hiperskalerzy zmniejszają zależność od jednego dostawcy. Utrzymująca się koncentracja wokół jednej platformy akceleratorowej podtrzymywałaby wysokie ryzyko zakupowe.
Trzecim sygnałem jest powtarzalny popyt po otwarciu mocy. Przychody z chmury, wykorzystanie usług AI, pozostałe zobowiązania do wykonania i ujawnienia dotyczące najmu powinny pokazać, czy klienci absorbują nową infrastrukturę.
Popyt musi wykraczać poza projekty trenowania modeli. Trenowanie ma dużą skalę, ale jest okresowe. Inferencja, w której wdrożone modele odpowiadają użytkownikom i oprogramowaniu, może generować stałe zużycie w aplikacjach biznesowych, wyszukiwaniu, programowaniu, mediach i zautomatyzowanych agentach.
Adopcja przez przedsiębiorstwa będzie szczególnie ważna. Aplikacje konsumenckie mogą generować ogromne wolumeny zapytań, lecz przychody mogą pozostawać niepewne. Klienci biznesowi zapewniają kontrakty i powtarzalne obciążenia, ale wymagają niezawodności, bezpieczeństwa i mierzalnych zwrotów.
Księgowość leasingowa ujawni część skutków. W miarę udostępniania obiektów zobowiązania, których jeszcze nie rozpoczęto realizować, będą przenoszone do uznanych zobowiązań i kosztów. Firmy będą wtedy musiały wyjaśnić, jak przychody i wykorzystanie mocy wypadają na tle tych kosztów.
Warto obserwować zmiany w długości kontraktów, zapisach dotyczących odnowienia oraz finansowaniu deweloperskim. Krótsze zobowiązania mogą wskazywać, że najemcy chcą zachować elastyczność. Renegocjacje lub opóźnione przejęcie osłabiłyby argument za popytem. Nowe długoterminowe umowy wzmocniłyby go.
Te trzy sygnały tworzą dla czytelników praktyczny test. Po pierwsze, czy kampusy otrzymały zasilanie? Po drugie, czy operatorzy zainstalowali wystarczająco dużo sprzętu obecnej generacji? Po trzecie, czy klienci wygenerowali trwałe wykorzystanie po wdrożeniu?
Pozytywna odpowiedź na wszystkie trzy pytania oznaczałaby, że rok 2027 będzie prawdziwym przełomem w podaży mocy obliczeniowej. Potwierdziłaby również pogląd, że to produkcja chipów, a nie budowa centrów danych, stała się największym ograniczeniem w branży.
Mieszane wyniki wymagałyby ostrożniejszej interpretacji. Zasilone, lecz puste budynki wskazywałyby na problemy ze sprzętem lub finansowaniem. Zapełnione, ale słabo wykorzystywane klastry sygnalizowałyby słaby popyt. Silny popyt przy opóźnionych przyłączeniach do sieci utrzymałby energię elektryczną w centrum tej historii.
Dla deweloperów i nabywców korporacyjnych ta rozbudowa powinna z czasem wpłynąć na dostęp, dostępność regionalną i koszty obliczeń. Większa podaż może zmniejszyć niedobór, ale tylko jeśli energia i chipy pojawią się równocześnie. Kupujący powinni śledzić rzeczywistą dostępność usług, zamiast polegać na zapowiadanych gigawatach.
Prognoza SemiAnalysis na 2027 rok jest przekonująca, ponieważ tak wiele budów już się rozpoczęło. Jej najtrudniejsze założenie zaczyna się po otwarciu drzwi. Branża musi przekształcić bezprecedensową moc elektryczną w użyteczną, opłaconą pracę obliczeniową.
W ciągu kolejnych kilku kwartałów warto porównywać uruchamianie kampusów z dostawami sprzętu i powtarzalnym popytem na chmurę. Jeśli wszystkie trzy wskaźniki będą rosły razem, przyspieszenie jest realne. Jeśli jeden z nich pozostanie w tyle, wskaże nowe wąskie gardło i ujawni, które zobowiązania podjęto zbyt wcześnie.
