Analitycy wskazali na ryzyka energetyczne dla amerykańskiego rynku AI — OilPrice
Wysokie koszty energii elektrycznej i ograniczenia amerykańskiego systemu energetycznego mogą zwiększyć presję na spółki z sektora sztucznej inteligencji, podczas gdy chińscy deweloperzy mają niższe koszty działalności centrów danych. Wynika to z materiału OilPrice, który przytacza oceny specjalistów ds. ryzyka i gospodarki.
Mehrdad Emadi, kierujący analizą ryzyka i rynków energetycznych instrumentów pochodnych w firmie konsultingowej Betamatrix, powiedział publikacji, że duzi chińscy gracze w dziedzinie AI rzekomo osiągają około 90% wyników amerykańskich konkurentów przy około 10% ich kosztów. Według niego energia elektryczna dla centrów danych może stanowić nawet połowę wydatków amerykańskich firm AI, a udział ten może dalej rosnąć.
Różnice w sieciach elektroenergetycznych
Steve Keen, profesor honorowy University College London, wiąże przewagę Chin z bardziej scentralizowanym systemem przesyłu energii elektrycznej. W artykule wskazano, że chińska sieć ma magistralne linie przesyłowe prądu stałego o ultrawysokim napięciu od 800 do 1100 kilowoltów. Według przytoczonych danych taka infrastruktura może przesyłać do 12 gigawatów mocy jednym korytarzem na odległość ponad 3 tysięcy kilometrów.
Amerykańska sieć elektroenergetyczna, jak podaje OilPrice, jest podzielona między trzy odizolowane systemy — Wschodni, Zachodni i teksański ERCOT. Publikacja twierdzi, że taka struktura komplikuje i podnosi koszty przesyłu energii elektrycznej między regionami oraz może ograniczać tempo rozbudowy klastrów AI.
Więcej aktualnych wiadomości na kanale UA.News w Telegramie Telegram.
Popyt centrów danych i ryzyka finansowe
Według oceny Goldman Sachs Research przytoczonej w publikacji popyt na moce centrów danych w USA może wzrosnąć z około 42 GW do 118–134 GW w 2030 roku. Modelowanie BloombergNEF, wspomniane w artykule, przewiduje wzrost do około 194 GW do 2035 roku.
W materiale zaznaczono również, że realizacja tradycyjnych projektów jądrowych w USA może trwać około 15 lat, natomiast małe reaktory modułowe mają docelowy czas budowy wynoszący do siedmiu lat. Emadi wiąże trudność szybkiego zwiększania mocy wytwórczych także z niedoborem turbin gazowych: według jego oceny czas oczekiwania na taki sprzęt może sięgać siedmiu lat i rosnąć.
Emadi wyraził również opinię, że znaczące zaangażowanie niebankowego prywatnego kredytowania projektów AI może zwiększyć ryzyka finansowe dla branży. Jego ocena możliwego spadku kapitalizacji sektora o 35–50% oraz znacznej utraty wartości przez poszczególne firmy jest prognozą analityka, a nie ustalonym faktem.
