Wat de groei van datacenters betekent voor de AI-race

De fysieke limiet van virtuele intelligentie

De race naar artificial intelligence is verplaatst van het onderzoekslaboratorium naar de bouwplaats. Jarenlang focuste de industrie zich op de elegantie van code en de omvang van neurale netwerken. Vandaag de dag zijn de voornaamste beperkingen veel primitiever: land, stroom, water en koper. Als je de volgende generatie large language models wilt bouwen, heb je niet alleen een beter algoritme nodig. Je hebt een gigantisch gebouw nodig vol met duizenden gespecialiseerde chips die net zoveel elektriciteit verbruiken als een kleine stad. Deze verschuiving van software naar zware infrastructuur heeft de aard van de tech-concurrentie veranderd. Het gaat niet langer alleen om wie de beste engineers heeft. Het gaat erom wie een verbinding met het elektriciteitsnet kan bemachtigen en wie lokale overheden kan overtuigen om een faciliteit te bouwen die miljoenen liters water verbruikt voor koeling.

Elke keer dat een gebruiker een prompt in een chatbot typt, begint er een fysieke kettingreactie. Dat verzoek bestaat niet in een cloud. Het bestaat in een rack vol servers. Deze servers worden steeds dichter en heter. De groei van deze faciliteiten is de meest significante fysieke expansie in de geschiedenis van de tech-industrie. Het is een enorme gok op de toekomst van compute. Maar deze groei stuit op een muur van fysieke realiteit. We zien een beweging weg van het abstracte idee van het internet naar een wereld waarin datacenters net zo vitaal en controversieel zijn als olieraffinaderijen of elektriciteitscentrales. Dit is de nieuwe realiteit van de AI-race. Het is een strijd om de fundamentele hulpbronnen van de fysieke wereld.

Van code naar beton en koper

Het bouwen van een modern datacenter is een oefening in industriële engineering. Vroeger was een datacenter misschien een omgebouwd magazijn met wat extra airconditioning. Nu zijn deze faciliteiten speciaal gebouwde machines die ontworpen zijn om de intense hitte van AI-chips aan te kunnen. De belangrijkste factor is stroom. Een enkele moderne AI-chip kan meer dan 700 watt verbruiken. Wanneer je tienduizenden van deze chips in één gebouw plaatst, lopen de stroombehoeften op tot honderden megawatts. Dit gaat niet alleen over de kosten van elektriciteit. Het gaat over de beschikbaarheid ervan. In veel delen van de wereld zit het elektriciteitsnet al aan zijn limiet. Techbedrijven concurreren nu met woonwijken en fabrieken om dezelfde beperkte voorraad elektronen.

Land is de volgende hindernis. Je kunt deze faciliteiten niet zomaar overal bouwen. Ze moeten dicht bij glasvezellijnen liggen om latency te verminderen. Ze moeten ook in gebieden staan waar de grond stabiel is en het klimaat beheersbaar. Dit heeft geleid tot een enorme concentratie van datacenters op plekken zoals Northern Virginia. Deze regio verwerkt een enorm deel van het wereldwijde internetverkeer. Maar zelfs daar raakt de grond op. Bedrijven kijken nu naar meer afgelegen locaties, maar die plekken missen vaak de nodige netaansluitingen. Dit creëert een kip-en-ei-probleem. Je kunt de grond vinden, maar je krijgt de stroom niet. Of je vindt de stroom, maar het lokale vergunningsproces duurt jaren. Vergunningen zijn een grote bottleneck geworden. Lokale overheden zijn steeds sceptischer over deze projecten omdat ze ruimte innemen en hulpbronnen verbruiken, maar relatief weinig banen voor de lange termijn opleveren.

Koeling is de derde pijler van deze infrastructuur. AI-chips genereren een ongelooflijke hoeveelheid hitte. Traditionele luchtkoeling is niet langer voldoende voor de racks met de hoogste dichtheid. Veel nieuwe faciliteiten stappen over op vloeistofkoeling. Dit houdt in dat er leidingen met water of gespecialiseerd koelmiddel direct naar de chips lopen. Dit vereist een enorme hoeveelheid water. In sommige gevallen kan een enkel datacenter honderden miljoenen liters water per jaar verbruiken. Dit plaatst techbedrijven in directe concurrentie met de lokale landbouw en de waterbehoefte van bewoners. In droogtegevoelige gebieden is dit een politiek heet hangijzer geworden. De industrie probeert over te stappen op closed-loop systemen die water recyclen, maar de initiële vereisten blijven verbijsterend. Dit zijn de praktische beperkingen die het huidige tijdperk van tech-groei definiëren.

De geopolitiek van high performance compute

Datacenters zijn niet langer alleen bedrijfsactiva. Het zijn nationale prioriteiten. Overheden over de hele wereld realiseren zich dat rekenkracht een vorm van nationale kracht is. Dit heeft geleid tot het concept van soevereine AI. Landen willen hun eigen datacenters binnen hun grenzen om dataprivacy en nationale veiligheid te waarborgen. Ze willen niet afhankelijk zijn van faciliteiten in andere jurisdicties. Dit leidt tot een gefragmenteerde wereldwijde infrastructuur. In plaats van een paar enorme hubs zien we een drang naar gelokaliseerde datacenters in elke grote economie. Dit is een significante verschuiving ten opzichte van het gecentraliseerde model dat het afgelopen decennium domineerde. Het maakt de infrastructuurrace nog complexer omdat bedrijven in elk land met verschillende regelgeving te maken krijgen.

Deze geopolitieke dimensie heeft datacenters tot een doelwit voor industriebeleid gemaakt. Sommige overheden bieden enorme subsidies om datacenterontwikkelaars aan te trekken. Zij zien deze gebouwen als het fundament van een moderne economie. Anderen bewegen in de tegenovergestelde richting. Zij maken zich zorgen over de druk op hun nationale netten en de milieu-impact van dergelijk hoog energieverbruik. Sommige steden hebben bijvoorbeeld een moratorium ingesteld op de bouw van nieuwe datacenters totdat ze hun elektrische infrastructuur kunnen upgraden. Dit creëert een lappendeken van beschikbaarheid. Een bedrijf kan in het ene land bouwen, maar in het andere geblokkeerd worden. Deze geografische spreiding is belangrijk omdat het de latency en prestaties van AI-modellen voor gebruikers in die regio’s beïnvloedt. Als een land geen lokale rekenkracht heeft, zullen zijn burgers altijd in het nadeel zijn in de AI-race.

De strijd om deze activa is ook een strijd om toeleveringsketens. De onderdelen die nodig zijn om een datacenter te bouwen zijn schaars. Dit omvat alles, van de chips zelf tot de enorme transformatoren die nodig zijn om op het net aan te sluiten. De levertijden voor sommige van deze apparatuur kunnen twee of drie jaar bedragen. Dit betekent dat de winnaars van de AI-race in 2026 bepaald werden door beslissingen die jaren geleden zijn genomen. Bedrijven die hun stroom en apparatuur vroeg veiligstelden, hebben een enorme voorsprong. Degenen die nu de markt proberen te betreden, merken dat de deur gedeeltelijk gesloten is. De fysieke wereld beweegt veel langzamer dan de wereld van software. Je kunt in één dag een nieuw stuk code schrijven, maar je kunt niet in één dag een onderstation bouwen. Deze realiteit dwingt techbedrijven om als industriële giganten te denken.

Wanneer large language models lokale stroomnetten ontmoeten

Om de impact van deze groei te begrijpen, kun je kijken naar een typische dag in het leven van een modern datacenter. Stel je een faciliteit voor aan de rand van een middelgrote stad. Binnen staan rijen racks, elk ongeveer zo groot als een koelkast. Deze racks zitten vol met GPU’s. Terwijl de zon opkomt en mensen aan hun werkdag beginnen, piekt de vraag naar AI-diensten. Duizenden verzoeken voor code-aanvulling, beeldgeneratie en tekstsamenvattingen stromen het gebouw binnen. Elk verzoek veroorzaakt een piek in het stroomverbruik. De koelventilatoren draaien sneller. De pompen voor vloeistofkoeling schakelen op. De hitte die door deze chips wordt gegenereerd is zo intens dat je het door de geïsoleerde muren van de serverruimte heen voelt. Dit is het geluid van de moderne economie. Het is een constante, laagfrequente brom die nooit stopt.

Buiten de muren wordt de impact gevoeld door de gemeenschap. Het lokale nutsbedrijf moet de belasting beheren. Als het datacenter te veel stroom verbruikt, kan dit instabiliteit in het net veroorzaken. Daarom hebben veel datacenters enorme batterijbanken en dieselgeneratoren op locatie. Het zijn in essentie hun eigen mini-nutsbedrijven. Maar deze generatoren zorgen voor lawaai en uitstoot, wat leidt tot lokaal verzet. Bewoners in nabijgelegen wijken klagen misschien over de constante brom of het zicht op enorme hoogspanningslijnen die door hun achtertuinen lopen. Ze zien een gebouw dat 500.000 m² beslaat, maar slechts een paar dozijn mensen in dienst heeft. Ze vragen zich af wat ze terugkrijgen voor de druk op hun lokale hulpbronnen. Hier ontmoet het technische het politieke. Het datacenter is een technisch hoogstandje, maar het is ook een buurman die veel elektriciteit en water verbruikt.

De schaal hiervan is moeilijk te visualiseren. Een enkel groot datacenter-campus kan net zoveel stroom verbruiken als 100.000 huishoudens. Wanneer een tech-gigant een nieuw project van 10 miljard dollar aankondigt, kopen ze niet alleen servers. Ze bouwen een enorm industrieel complex. Dit omvat speciale waterzuiveringsinstallaties en private elektrische onderstations. In sommige gevallen investeren ze zelfs in kernenergie om een constante toevoer van koolstofvrije energie te garanderen. Dit is een radicale afwijking van de manier waarop techbedrijven vroeger opereerden. Ze zijn niet langer alleen huurders in andermans gebouw. Ze zijn de primaire drijfveren van infrastructuurontwikkeling in veel regio’s. Deze groei verandert het fysieke uiterlijk van onze steden en de manier waarop onze nutsvoorzieningen worden beheerd. Het is een massale, zichtbare manifestatie van het digitale tijdperk.

De wrijving gaat niet alleen over hulpbronnen. Het gaat over de snelheid van verandering. Een lokaal stroomnet is ontworpen om over decennia met een voorspelbaar tempo te groeien. De AI-boom heeft die groei in een paar jaar samengeperst. Nutsbedrijven hebben moeite om bij te blijven. In sommige regio’s is de wachttijd voor een nieuwe netaansluiting nu meer dan vijf jaar. Dit heeft netaansluiting veranderd in een waardevol goed. Sommige bedrijven kopen zelfs oude industriële locaties op, alleen omdat ze al een netaansluiting met hoge capaciteit hebben. De gebouwen interesseren hen niet. Het gaat hen om het koper in de grond. Dit is het niveau van wanhoop in de markt. De AI-race wordt uitgevochten in de loopgraven van lokale planningscommissies en bestuurskamers van nutsbedrijven.

Moeilijke vragen voor het compute-tijdperk

Terwijl we deze expansie voortzetten, moeten we moeilijke vragen stellen over de verborgen kosten. Wie profiteert er eigenlijk van deze enorme uitbouw? Hoewel AI-diensten wereldwijd beschikbaar zijn, zijn de milieu- en infrastructuurkosten vaak gelokaliseerd. Een gemeenschap in een landelijk gebied kan haar grondwaterspiegel zien dalen om een datacenter te ondersteunen dat gebruikers aan de andere kant van de planeet bedient. We moeten ook kijken naar de duurzaamheid van dit model op de lange termijn. Als elk groot bedrijf en elke overheid zijn eigen enorme compute-cluster wil, zal de totale wereldwijde energievraag astronomisch zijn. Is dit het beste gebruik van onze beperkte energiebronnen? We ruilen in essentie fysieke energie voor digitale intelligentie. Dat is een afweging die meer publiek debat behoeft.

Er is ook de kwestie van privacy en controle. Naarmate datacenters meer gecentraliseerd raken in de handen van een paar tech-giganten, krijgen die bedrijven een ongelooflijke hoeveelheid macht. Ze zijn niet alleen de aanbieders van software. Ze zijn de eigenaren van de fysieke infrastructuur die het moderne leven mogelijk maakt. Als één bedrijf de datacenters, de chips en de modellen bezit, hebben ze een niveau van verticale integratie dat ongekend is. Dit creëert een enorme toetredingsdrempel voor kleinere concurrenten. Hoe kan een startup concurreren als ze niet eens een stroomvergunning kunnen krijgen? De fysieke realiteit van AI-infrastructuur is misschien wel de ultieme anti-competitieve kracht. Het verandert een markt van ideeën in een markt van kapitaal en beton.

Tot slot moeten we kijken naar de veerkracht van dit systeem. Door zoveel rekenkracht te concentreren in een paar geografische hubs, creëren we single points of failure. Een natuurramp of een gerichte aanval op een grote datacenter-hub zou wereldwijde gevolgen kunnen hebben. We zagen een hint hiervan tijdens de pandemie, toen verstoringen in de toeleveringsketen de uitbreidingen van datacenters vertraagden. Maar de risico’s zijn nu nog groter. Onze hele economie wordt bovenop deze faciliteiten gebouwd. Als het net uitvalt of het koelwater opraakt, stopt de AI. Dit is de paradox van het digitale tijdperk. Onze meest geavanceerde technologie is volledig afhankelijk van de meest basale fysieke systemen. We bouwen een futuristische wereld op een zeer fragiel fundament.

De architectuur van de AI-backbone

Voor degenen die naar de technische kant kijken, is de verschuiving in datacenterontwerp ingrijpend. We bewegen weg van cloud computing voor algemeen gebruik naar gespecialiseerde AI-fabrieken. In een traditioneel datacenter was het doel om duizenden verschillende applicaties voor duizenden verschillende klanten te hosten. De werklast was onvoorspelbaar, maar over het algemeen van lage intensiteit. In een AI-fabriek is het hele gebouw vaak gewijd aan één taak, zoals het trainen van een enorm model. Dit zorgt voor veel hogere optimalisatieniveaus. De netwerken alleen al vormen een enorme uitdaging. Om een model over duizenden GPU’s te trainen, heb je een netwerk nodig dat ongelooflijke hoeveelheden data kan verwerken met bijna nul latency. Dit heeft geleid tot de adoptie van technologieën zoals InfiniBand en high-speed Ethernet-switches die werken op 800Gbps.

Opslag is een andere kritieke factor. Het trainen van een AI-model vereist dat het gevoed wordt met petabytes aan data, zo snel als de GPU’s het kunnen verwerken. Dit heeft traditionele harde schijven overbodig gemaakt voor deze werklasten. Alles verschuift naar high-speed NVMe flash-opslag. Maar zelfs de snelste opslag kan een bottleneck worden als de datapijplijn niet correct is ontworpen. Daarom zien we meer focus op lokale opslag en edge computing. Door de data dichter bij de rekenkracht te brengen, kunnen bedrijven de druk op het netwerk verminderen. De enorme omvang van de modellen maakt dit echter lastig. Een state-of-the-art model kan honderden gigabytes groot zijn, waardoor het moeilijk is om op iets anders dan een enorm servercluster te draaien. Dit houdt de macht in handen van degenen die de grote faciliteiten kunnen betalen.

We zien ook een verandering in hoe API’s en lokale opslag op elkaar inwerken. Veel ontwikkelaars proberen manieren te vinden om kleinere versies van deze modellen op lokale hardware te draaien om de hoge kosten en latency van de cloud te vermijden. Dit staat bekend als lokale inference. Hoewel het werkt voor eenvoudige taken, vereisen de meest capabele modellen nog steeds de enorme middelen van een datacenter. Dit creëert een gelaagd systeem. De