Kapløbet om kunstig intelligens handler for længst ikke kun om smarte chips.
Bag kulisserne rykker to stormagter deres brikker frem.
Mens amerikanske og kinesiske virksomheder investerer milliarder i AI, peger Nvidia-topchef Jensen Huang på noget, der sjældent kommer i fokus: beton, strøm og tilladelser. Hans analyse rammer en nerve, fordi den viser, hvordan teknologi uden infrastruktur hurtigt støder mod en hård grænse.
En ubehagelig sandhed om magt og beton
Jensen Huang, født i Taiwan, opvokset i USA og i dag omdrejningspunktet for AI-tidsalderen, står bogstaveligt talt mellem Washington og Beijing. Hans firma Nvidia leverer de GPU’er, som de mest avancerede AI-modeller kører på. Alligevel lyder der i hans seneste tale ved CSIS i Washington kun lidt selvtilfredshed.
Ifølge Huang tager Amerika fejl, hvis det tror, at chipdesign alene er nok til at bevare forspringet. Han ser på virkeligheden på jorden: hvem kan bygge datacentre til tiden, hvem får hurtigt strøm tilsluttet, hvem fjerner forhindringer?
USA har chipsene, siger han, men Kina lægger i rasende tempo de betonplader og strømkabler, som disse chips kører på.
Mens amerikanske projekter synker i procedurer, ser han en kinesisk byggemaskine, der kører næsten uafbrudt. Modsætningen sætter tonen for en ny fase i AI-kapløbet: ikke længere blot en kamp mellem laboratorier og ingeniører, men mellem gravemaskiner, transformere og tilladelseskontorer.
Tidsfaktoren: tre år mod nogle få uger
Huang tegner et simpelt, smertefuldt eksempel: opførelsen af et moderne datacenter til AI-supercomputere. I USA løber perioden fra første spadestik til operationel lancering ofte op i tre år. På den tid ændrer en hel AI-generation sig.
I Kina går store byggeprojekter meget hurtigere gennem systemet. Ikke kun fordi der står mange arbejdere og entreprenører klar, men også fordi lokale myndigheder sjældent laver problemer omkring tilladelser, når projektet er politisk ønsket.
Når man behandler AI som en strategisk prioritet, accelererer man ikke kun softwaren, men også godkendelsen af enhver byggeplan omkring den teknologi.
Den forskel i tempo har direkte konsekvenser. Et land, der leverer sine datacentre tre gange hurtigere, kan udnytte den samme hardware mere effektivt, opbygge erfaring tidligere og udrullle forretningsmodeller omkring AI hurtigere.
Energimagt: hvor kampen virkelig kan afgøres
Bag byggekranerne gemmer sig et endnu mere fundamentalt lag: elektricitet. AI-modeller kræver gigantiske mængder strøm, både til træning og til daglig inferens. Den strøm skal desuden være pålidelig, forudsigelig og relativt billig, ellers løber omkostningerne løbsk.
Ifølge Huang råder Kina i dag allerede over cirka dobbelt så meget produktionskapacitet som USA. Det er bemærkelsesværdigt, for den amerikanske økonomi er i absolutte tal større. Samtidig udvider Kina sit netværk hurtigt med nye kulkraftværker, vandkraft, kernekraft og vedvarende kilder.
Hvor Kina sender sin energigraf stejlt opad, forbliver den amerikanske energilinje påfaldende flad, mens dataefterspørgslen netop eksploderer.
Den stagnation vejer tungt. Et land kan designe de mest avancerede chips, men uden tilstrækkelige megawatt bliver datacentre halvtomme eller kører med tårnhøje omkostninger. Analytikere som investor Kevin O’Leary signalerer den samme flaskehals: lange tilladelsesperioder på seks til atten måneder forsinker nye energi- og dataprojekter i USA.
Hvad AI har brug for for at køre
Huang beskriver AI-økonomien som en “kage med fem lag”. Hvert niveau kræver kapital, knowhow og ofte også politisk støtte. En simpel oplistning viser, hvorfor lande ikke kun skal se på chips:
- energi: tilstrækkelig og stabil elektricitet, helst tæt på datacentrene;
- chips: avancerede GPU’er og acceleratorer til træning og inferens;
- infrastruktur: bygninger, køling, fiberoptik, netværksteknologi;
- modeller: store AI-systemer, der trænes på denne hardware;
- applikationer: konkrete tjenester og produkter, der når brugerne.
USA dominerer tydeligt i laget chips og modeller. Kina koncentrerer sig stærkt om energi, infrastruktur og massiv anvendelse. Hertil kommer et fremstød af open source-modeller, hvormed kinesiske virksomheder og forskningsgrupper hurtigt kan bygge videre på det, der bliver tilgængeligt internationalt.
Nvidia mellem to ildlinjer: teknologisk forspring, geopolitiske mure
Nvidia står i denne sammenhæng i en ubehagelig position. Virksomheden har et forspring på flere generationer i GPU-design og AI-hardware, men amerikanske eksportregler skærer adgangen til det kinesiske marked stadig mere af. For Huang er det ikke kun en kommerciel skuffelse, men også et strategisk slag.
Kina gælder for ham som “det næststørste teknologimarked i verden”, med enorm efterspørgsel efter regnekraft, kapitalrige cloudspillere og en regering, der aktivt promoverer AI. Begrænsninger på chipeksport accelererer i mellemtiden de kinesiske bestræbelser på at udvikle egne alternativer, fra GPU’er til netværkschips.
Den, der tror, at Kina ikke kan bygge fuldgyldige chips, ignorerer ifølge Huang en afgørende lektion fra industrihistorien.
I sektor efter sektor har Kina tidligere arbejdet sig op fra samlebåndsfabrik til førende producent: solpaneler, batterier, telekommunikationsudstyr, elektriske biler. Huang ser ingen grund til, at halvledere skulle være en undtagelse, især når den politiske vilje forbliver stor.
Reindustrialisering som nødplan for Amerika
For at mindske efterslæbet i beton og strøm argumenterer Huang for en accelereret industripolitik i USA. Det betyder: enklere tilladelser, massive investeringer i elnetværk og en behandling af datacentre som kritisk infrastruktur, sammenlignelig med havne eller motorveje.
I politiske kredse, blandt andet omkring Donald Trump, cirkulerer idéen om at betegne datahubs og AI-parker eksplicit som strategiske objekter. Det ville åbne døren for flere subsidier, hurtigere procedurer og en koordineret tilgang med stater og byer.
| Faktor | USA | Kina |
|---|---|---|
| Chipdesign | Stort forspring, dominerende aktører | Indhentningsforsøg, fokus på egne designs |
| Datacenterbyggeri | Langvarige tilladelser, langsom opførelse | Hurtig beslutningstagning, høj byggehastighed |
| Energikapacitet | Relativt flad vækst | Kraftigt stigende kapacitet |
| Open source AI | Aktivt, men mindre centralt i politik | Stor rolle i praktiske anvendelser |
Hvorfor dette også tæller for Danmark og Europa
Huangs analyse berører ikke kun Washington eller Beijing. Europæiske lande står over for et lignende valg: forbliver de primært strenge regulatorer, eller tør de også accelerere infrastruktur og energiproduktion? Danmark mærker det direkte i sager omkring hyperscale-datacentre og forstærkning af elnettet.
AI gør ikke kun Big Tech stærkere. Banker, hospitaler, logistik og industri regner med maskinlæring som konkurrencefordel. Uden plads på elnettet og uden nye datacentre flytter aktiviteten simpelthen til regioner, hvor kablerne er tykkere og byggeriet går hurtigere.
Den, der ignorerer de fysiske betingelser for AI, risikerer, at den digitale økonomi udvikler sig uden for egne grænser.
For Danmark spiller der yderligere spørgsmål ind: hvordan kombinerer man AI-vækst med klimamål, og hvordan forhindrer man, at datacentre fortrænger den offentlige infrastruktur? Diskussionen omkring havvindmølleparker, ekstra højspændingsforbindelser og nye atomkraftværker får således en direkte forbindelse til positionen i AI-kæden.
Konkrete lærestreger for politik og erhvervsliv
Fra Huangs advarsler flyder nogle håndgribelige lektier, også for mindre lande:
- betragt elektricitet som strategisk råstof for dataøkonomien;
- forenkle procedurer for bæredygtig energi og datacentre uden at miste kontrollen;
- stimuler lokal chip- og hardwareviden, så man ikke bliver fuldstændig afhængig af én leverandør;
- invester i open source og offentlige AI-modeller, så virksomheder hurtigere kan tilslutte sig.
For virksomheder betyder dette, at de må se længere end blot softwareteams og AI-forskning. Energikontrakter, placeringsbeslutninger, køleteknologi og netværkskapacitet bliver lige så strategiske som valget af en modelarkitektur.
Den, der i dag udstikker en AI-strategi, gør klogt i at gennemregne scenarier: hvad sker der, hvis strømpriserne fordobles, hvis tilladelser forsinkes, eller hvis eksportregler kvæler udbuddet af GPU’er? Sådanne simuleringer afslører hurtigt, hvor de sårbare punkter ligger i egen infrastruktur.
Fremkomsten af edge AI – mindre modeller tættere på brugeren – tilbyder samtidig et supplerende spor. Ved ikke at koncentrere alt i store datacentre kan virksomheder dæmpe afhængigheden af megainfrastruktur en smule. Det kræver så nye chips, anden software og mere samarbejde med teleudbydere.
