Mens vi pumper milliarder i strømsluggende datacentre, perfektionerer Kina i stilhed energieffektive chips – er vi naive eller bevidst blinde? – Pasta Party

Når betonkolosser vokser hurtigere end fornuften

I et lyst mødelokale et sted i erhvervskvarteret står en leder og gestikulerer ivrigt mod en PowerPoint-slide: ”AI-kapacitet skal fordobles, ellers mister vi terræn.”

Gennem vinduet lyser et datacenter op, som ikke har været slukket en eneste nat siden 2018. Hundredvis af servere summende køleanlæg, transformere der brummer som en bisværm.

Ingen stiller spørgsmålet om, hvem der egentlig betaler strømregningen til sidst. Eller hvad der sker, når den strøm pludselig bliver en knaphedsressource.

Mens vi med stolthed planlægger endnu en hyperscale-campus, justerer et ingeniørhold i Shenzhen på en mikroskopisk chip. Den kan udføre de samme beregningsopgaver som vores – med en brøkdel af energiforbruget.

En af disse to verdener føles helt 2024. Den anden føles faktisk allerede forældet. Spørgsmålet er bare: hvilken tilhører os?

Kinas tavse sprint mens vi stabler datacentre

Du kan næsten mærke det, når du kører forbi et dansk datacenter: en blanding af varm luft, køling og industriel pragmatisme. Disse kolosser langs motorvejene er det fysiske ansigt på vores digitale sult.

Vi bygger hurtigere, end vi tænker. Kommuner lokker store tech-virksomheder med billig jord, infrastruktur og fleksible tilladelser. Og i mellemtiden stiger datacentrenes andel af vores nationale strømforbrug som et stille ekstra realkreditlån på vores energisystem.

Kina vælger i stigende grad en anden vej. Mindre show omkring bygninger, mere besættelse af det, der ligger inde i bygningerne: mere effektive, strømbesparende chips.

Tag den kinesiske provins Guangdong. Der rulles komplette ”low-power computing” parker ud, hvor stoltheden ikke er datacentret selv, men watt-per-beregning statistikken.

I stedet for blot at anmode om ekstra kapacitet fra elnettet, optimerer ingeniører hver nanometer af deres AI- og 5G-chips. Hvor en europæisk AI-server nogle gange sluger 400 til 800 watt per GPU, sigter visse kinesiske designs mod drastisk lavere profiler – uden store ydeevnetab.

Vi taler ofte om ”digital suverænitet”, men ser primært på, hvem der ejer dataene. Kina ser også på, hvem der bygger den mest effektive regnekraft, chip for chip, watt for watt.

Logikken bag effektivitetsløbet

Sammenhængen er smertefuldt klar. Den, der fremover kontrollerer de mest energieffektive chips, dikterer hvor mange digitale tjenester overhovedet er mulige i en verden med netbelastning og klimamål.

Europa stopper milliarder i beton, stål og køling, og er afhængig af amerikanske og asiatiske chip-designs. Kina sniger sig via forskning og udvikling samt statsprogrammer op ad værdikæden, fra samling til design til egne arkitekturer.

Vi taler gerne om ”grønne datacentre” med vindenergi og varmeudkobling. Men hvis de underliggende chips forbliver spildende, pusser vi kun facaden.

Måske er vi ikke naive, men ønsker at tro, at volumen er vigtigere end effektivitet. Det føles behageligt. Og kortsynet.

Hvad vi allerede i dag kan gøre anderledes – hvis vi tør

Det første skridt er radikalt simpelt: begynd med forbrug per beregning, ikke kvadratmeter datacenter. Spørg ikke kun ”hvor mange megawatt kan vi levere”, men ”hvor mange nyttige AI-opgaver får vi per kilowatt-time?”

Det betyder strukturelt at stille krav til chip- og servervalg ved nye projekter. Ikke kun tale om PUE (Power Usage Effectiveness), men også om FLOPS-per-watt eller AI-inferenser-per-watt.

Virksomheder, der nu køber hardware ind, kan kræve benchmarks, der centrerer energieffektivitet. Ikke den hurtigste i absolut forstand, men den klogeste i forholdet mellem præstation og energi.

Det lyder kedeligt i en bestyrelsespræsentation, men det er præcis, hvad Kina stille satser på.

De tre ubekvemme spørgsmål hver AI-chef burde stille

Vi kender alle det øjeblik, hvor IT og ledelsen ser på hinanden: ”Vi skal gøre noget med AI, ellers halter vi bagud.” Så følger ofte dyre cloud-kontrakter og forhastet datacenter-planlægning.

Netop dér går det galt. Projekter bliver sjældent gennemregnet på livstidsomkostninger for energi, endsige på fremtidig knaphed i elnettet.

Vil du ikke falde i den fælde, så stil tre spørgsmål ved hvert AI- eller cloud-projekt:

• Hvem betaler energiregningen om fem år?
• Hvilke energibesparende chip- eller arkitekturmuligheder har vi bevidst ikke valgt?
• Og: hvad sker der, hvis nettet på vores lokation virkelig går i baglås?

Lad os være ærlige: ingen gør faktisk det hver dag. Men de aktører, der gør det, får fremover et gigantisk forspring.

Den ubehagelige sandhed om vores ”uundgåelige” valg

Måske overvurderer vi vores uskyld. Vi ser tallene: datacentre sluger en voksende del af vores elektricitet, AI-modeller sprænger deres rammer, nettet knager.

Vi læser rapporter om netbelastning, klimamål, materialemangel til ny infrastruktur. Og alligevel bliver vi ved med at opføre os, som om hvert nyt AI-datacenter er ”uundgåeligt”, en naturlov i stedet for et politisk valg.

Det føles næsten som en kollektiv strategi: kortsigtet gevinst over langsigtet klogskab. Vi ved nok til at gøre det bedre. Vi handler, som om vi endnu ikke ved det.

Den ubehagelige sandhed: vores økonomiske modeller er afhængige af volumenvækst. Flere bytes, mere regnekraft, mere datatrafik – det er, hvad der scorer godt i regneark.

Tre afgørende løftestænger vi ikke længere kan ignorere

En kinesisk chip-designer sagde for nylig under en (halvt off-the-record) paneldiskussion:

”Kampen om AI handler ikke om, hvem der har de største datacentre, men om hvem der kan presse flest beregningsopgaver ud af én kilowatt-time per dag.”

Den sætning spøger i europæiske politiske kredse, men trænger stadig sjældent igennem i lokal praksis. Vi taler om job, investeringsklima, landskab, men meget mindre om rå effektivitet.

For at gøre det konkret, tre løftestænger vi ikke længere kan komme uden om:

• Chip-valg: fokus på arkitekturer og generationer, der påviseligt leverer mere præstation per watt
• Arkitektur: mere edge-computing og lokale, effektive noder i stedet for alt samlet i én mega-campus
• Regler: kobling af tilskud og tilladelser til hårde effektivitetsmål, ikke kun til ”bæredygtige strømkilder”

Så snart vi kombinerer disse tre, ændres spillefeltet dramatisk. Og nogle af vores nuværende prestigeprojekter falder nådesløst igennem.

Det personlige omkostningsregnskab bag den store strategi

For læseren, der tænker: ”Og hvad betyder dette for mig konkret?” – mere end du måske føler lige nu. Valget om at pumpe milliarder i kluntede datacentre påvirker din energiregning, din klimapolitik, endda chancen for at dit boligbyggeri bliver udsat på grund af netbelastning.

Hver megawatt, der går til en ineffektiv AI-cluster, går ikke til varmepumper, togtrafik eller lokal produktion. Det er ikke en abstrakt makroøkonomisk historie, det er den rækkefølge, hvori netoperatøren skal fordele kabler og transformere.

Det virkelige spørgsmål er derfor ikke, om Kina kommer ”farligt” langt med strømbesparende chips. Spørgsmålet er, om vi er parate til at erkende, at vores egen strategi måske bare er dårlig.

Ikke naiv. Men bevidst doven.

Hvad cifrene egentlig fortæller os

Ofte stillede spørgsmål

Hvorfor investerer vi så stadig så meget i store datacentre?

Fordi det hurtigt leverer job, skatteindtægter og synlig ”innovation”. Store haller og aftaler med big tech er politisk lettere at sælge end stille, kompleks chip-forskning.

Er kinesiske chips allerede virkelig bedre end vestlige?

Ikke på alle fronter, men på specifikke low-power anvendelser booker Kina hurtigt terræn. Kløften er mindre, end mange tror, især når man kigger på effektivitet i stedet for ren hastighed.

Gør grøn strøm ikke bare problemet mindre?

Grøn strøm hjælper, men løser ikke knaphed. Hvis alle efterspørger mere end nettet kan håndtere, får du stadig belastning – også med vind og sol. Effektivitet forbliver derfor afgørende.

Hvad kan en individuel virksomhed egentlig gøre ved dette?

Meget mere end ofte antaget: ved hardware- og cloud-valg stille hårde energieffektivitetskrav, optimere workloads og ikke ukritisk gå efter den højeste AI-kapacitet.

Er det for sent at justere strategien?

Nej, men vinduet bliver mindre. En del af infrastrukturen er fastlagt, men nye investeringer, tilskud og tilladelser kan stadig skarpt kobles til præstation per watt.