16 września John Andril z Avison Young powiedział, że nie widzi obecnie wpływu wezwań do wolniejszego treningu najbardziej zaawansowanych modeli AI na popyt na centra danych. Anthony Wanger z Regnaw Capital ocenił, że firmy mówią raczej o tempie rozwoju niż o jego zatrzymaniu. To ważne rozróżnienie: nawet gdyby laboratoria ograniczyły frontierowy trening, rynek centrów danych nadal miałby kilka innych silników wzrostu.
Dlaczego wolniejszy rozwój AI nie zatrzymuje ekspansji centrów danych
Dario Amodei, dyrektor generalny Anthropic, 12 września wezwał do spowolnienia tempa zwiększania możliwości modeli AI. Sam Altman i Elon Musk poparli ten kierunek, a Demis Hassabis uznał go za właściwy w obecnym momencie. Ta debata dotyczy jednak przede wszystkim tempa rozwoju frontierowych modeli, a nie całego wykorzystania infrastruktury obliczeniowej.
Centra danych obsługują również usługi chmurowe, systemy przedsiębiorstw, transformację cyfrową niezwiązaną bezpośrednio z AI oraz inferencję. Inferencja to uruchamianie już wytrenowanego modelu dla użytkownika. Wraz ze wzrostem liczby takich zastosowań potrzebna jest rozproszona infrastruktura bliżej odbiorców, nawet jeśli największe laboratoria ograniczą tempo trenowania kolejnych modeli.
| Segment popytu | Związek ze spowolnieniem treningu frontierowych modeli |
| Trening frontierowych modeli | Najbardziej bezpośrednio narażony; John Andril oszacował jego udział na 10–20 proc. obecnego i prognozowanego popytu. |
| Inferencja AI | Może nadal rosnąć wraz z wdrażaniem modeli i wymagać mocy bliżej użytkowników. |
| Usługi chmurowe | Andrew Power z Digital Realty wskazał wzrost chmury jako niezależny, istotny czynnik popytu. |
| Obciążenia przedsiębiorstw | Pozostają częścią szerszego rynku centrów danych, niezależną od samego treningu frontierowych modeli. |
| Projekty już finansowane lub budowane | Ich realizacja jest mniej wrażliwa na natychmiastową zmianę tempa, ponieważ zobowiązania powstają miesiące albo lata przed uruchomieniem obiektu. |
Najbardziej narażona część rynku to trening frontierowych modeli
Szacunek Johna Andrila mówi o 10–20 proc. obecnego i prognozowanego popytu na centra danych przypadającego na trening frontierowych modeli. Nie jest to udział wszystkich obciążeń AI ani całego rynku usług chmurowych — dotyczy konkretnego rodzaju pracy obliczeniowej.
Anthony Wanger podkreślił, że Anthropic i OpenAI mówią o kontrolowaniu tempa rozwoju modeli, a nie o zaprzestaniu prac. Dodatkowo duże firmy chmurowe — w tym Meta, Microsoft, Amazon i Google — generują znaczną część zapotrzebowania na infrastrukturę, a ich działalność nie sprowadza się do trenowania najbardziej zaawansowanych modeli.
Koordynacja takiego spowolnienia byłaby zresztą trudna. Wymagałaby jednoczesnego działania konkurujących firm, także w Chinach. Dobrowolne ograniczenie przyjęte przez jedną grupę laboratoriów nie zmieniłoby automatycznie planów pozostałych przedsiębiorstw.
Chmura i inferencja utrzymują szerszy popyt
Andrew Power, dyrektor generalny Digital Realty, wskazał 15 września na wzrost usług chmurowych i transformację cyfrową niezwiązaną z AI. Jego zdaniem te obszary są dużymi motorami działalności firmy, niezależnie od dyskusji o tempie rozwoju modeli.
Inferencja działa na innej zasadzie niż trening. Trening wymaga ogromnych zasobów skupionych przy tworzeniu modelu, natomiast inferencja obsługuje zapytania użytkowników i może być rozmieszczana w wielu lokalizacjach. Dlatego większa liczba agentów, aplikacji i usług opartych na gotowych modelach może podtrzymywać zapotrzebowanie na moc obliczeniową nawet przy wolniejszym pojawianiu się kolejnych modeli frontierowych.
Dlaczego ewentualny efekt pojawiłby się z opóźnieniem
Nowe moce centrów danych są często zakontraktowane miesiące albo lata przed rozpoczęciem działania obiektu. John Andril powiedział, że duża część infrastruktury potrzebnej w perspektywie 5–10 lat jest już finansowana lub znajduje się w budowie. Zmiana planów dotyczących treningu nie musiałaby więc natychmiast przełożyć się na anulowanie projektów, zakontraktowaną moc ani zużycie energii.
To także rynek ograniczany przez podaż. Deloitte podaje, że część wniosków o przyłączenie do amerykańskiej sieci energetycznej czeka nawet siedem lat. Tak długie terminy oznaczają, że inwestycje są planowane z dużym wyprzedzeniem, a dostępna moc pozostaje osobnym wąskim gardłem.
Prognozy nadal zakładają wzrost, ale w kilku scenariuszach
Prognoza globalnego popytu na centra danych zakłada około 92 GW w 2027 roku. Scenariusze wzrostu dla lat 2025–2028 obejmują około 14 proc. w wariancie spadkowym, 17 proc. w bazowym i 20 proc. w korzystnym.
Dla Stanów Zjednoczonych prognozowany popyt na moc centrów danych AI rośnie z 4 GW w 2024 roku do 123 GW w 2035 roku. To prognoza, a nie pomiar przyszłego zużycia, ale pokazuje skalę infrastruktury planowanej wokół AI. Na tym tle wolniejsze tempo treningu modeli może zmienić strukturę popytu albo tempo nowych inwestycji, lecz nie usuwa zapotrzebowania generowanego przez chmurę, przedsiębiorstwa, inferencję i projekty już znajdujące się w pipeline’ach.
