Przez ostatnie lata największym ograniczeniem rozwoju sztucznej inteligencji wydawała się dostępność najwydajniejszych procesorów. Firmy technologiczne walczyły o dostawy GPU Nvidii, budowały własne akceleratory i inwestowały miliardy dolarów w centra danych. Coraz wyraźniej okazuje się jednak, że nawet tysiące najnowocześniejszych układów nie wystarczą, jeśli nie będzie czym ich zasilić. Międzynarodowa Agencja Energetyczna szacuje, że centra danych zużyły około 485 TWh energii elektrycznej w 2025 roku, a do 2030 roku ich zapotrzebowanie może wzrosnąć do około 950 TWh. Zużycie energii przez obiekty skoncentrowane na AI ma w tym czasie wzrosnąć około trzykrotnie. Problem jest szczególnie widoczny lokalnie, ponieważ nowe kampusy potrafią wymagać setek megawatów, a największe projekty przekraczają już poziom jednego gigawata. W efekcie operatorzy sieci w kolejnych regionach zaczynają ograniczać nowe przyłączenia, żądać własnych źródeł zasilania albo przesuwać centra danych na koniec kolejki.

Sytuację dobrze pokazuje różnica pomiędzy tempem rozwoju technologii cyfrowej i energetyki. Centrum danych można zaprojektować i zbudować w ciągu kilku lat, a dostawy nowych generacji serwerów zmieniają się jeszcze szybciej. Elektrownie, wielkie stacje transformatorowe i linie wysokiego napięcia wymagają natomiast wieloletnich procedur, pozwoleń oraz inwestycji liczonych w miliardach. Google informował w 2026 roku, że w niektórych częściach Stanów Zjednoczonych oczekiwanie na przyłączenie do sieci może sięgać nawet 12 lat. To prowadzi do paradoksalnej sytuacji: firma może mieć pieniądze, ziemię, budynek i dziesiątki tysięcy procesorów AI, ale nadal nie być w stanie uruchomić infrastruktury z pełną mocą. Właśnie dlatego w branży coraz ważniejsze staje się określenie „time to power” - czas potrzebny nie na dostarczenie serwerów, lecz na zapewnienie im stabilnej energii.

Ile energii elektrycznej naprawdę zużywają centra danych obsługujące sztuczną inteligencję?

Skala globalna może początkowo nie wyglądać dramatycznie. Według najnowszej prognozy IEA centra danych mają w 2030 roku odpowiadać za około 3% światowego zapotrzebowania na energię elektryczną. Nie oznacza to jednak, że wpływ AI na system energetyczny będzie niewielki. Zużycie centrów danych ma wzrosnąć z około 485 TWh w 2025 roku do około 950 TWh w 2030 roku, czyli niemal dwukrotnie w ciągu zaledwie pięciu lat. Dla porównania jest to zapotrzebowanie zbliżające się do rocznego zużycia energii elektrycznej przez duże uprzemysłowione państwo. Jeszcze szybciej rozwija się najbardziej energochłonna część infrastruktury. IEA wskazuje, że centra danych skoncentrowane na AI zwiększyły zużycie prądu o około 50% tylko w 2025 roku, a do końca dekady ich zapotrzebowanie ma mniej więcej potroić się.

Najważniejsze jest jednak to, że centra danych nie są równomiernie rozmieszczone po świecie. Mogą stanowić niewielki procent globalnego zapotrzebowania, a jednocześnie zużywać ogromną część energii dostępnej w konkretnym mieście, stanie lub regionie sieci. W Stanach Zjednoczonych IEA przewiduje, że do 2030 roku centra danych będą odpowiadały za niemal połowę całego wzrostu krajowego zapotrzebowania na energię elektryczną. Pod koniec dekady mają zużywać w USA więcej prądu niż łącznie produkcja aluminium, stali, cementu, chemikaliów i pozostałych energochłonnych produktów przemysłowych. To właśnie lokalna koncentracja zapotrzebowania jest największym wyzwaniem. Sieć zaprojektowana przez dziesięciolecia pod miasta, fabryki i zwykłe biurowce może nagle otrzymać wniosek o przyłączenie jednego kampusu wymagającego mocy porównywalnej z dużym miastem.

Dlaczego nowe centra danych AI potrzebują znacznie więcej prądu niż tradycyjne serwerownie?

Klasyczne centrum danych również zużywa dużo energii, ale infrastruktura AI radykalnie zwiększa gęstość mocy. Trening oraz uruchamianie dużych modeli wymagają ogromnych klastrów akceleratorów pracujących równolegle. Jeden serwer może zawierać kilka bardzo wydajnych GPU, a pojedyncza szafa - dziesiątki procesorów, szybkie układy sieciowe i pamięć. Według IEA w latach 2020-2025 gęstość mocy serwerów AI wzrosła około jedenastokrotnie, a do 2027 roku może zwiększyć się jeszcze około czterokrotnie. Agencja szacuje, że jedna zaawansowana szafa serwerowa może wtedy osiągać chwilowe zapotrzebowanie na moc porównywalne z około 65 gospodarstwami domowymi. Gdy takich szaf są tysiące, skala pojedynczego kampusu bardzo szybko przestaje przypominać zwykłą serwerownię.

Energia potrzebna jest przy tym nie tylko samym procesorom. W nowoczesnym centrum danych około 60% zużycia może przypadać na serwery, ale kolejną część pochłaniają chłodzenie, systemy zasilania, sieć, magazynowanie danych i infrastruktura zabezpieczająca. Im większa moc upakowana w jednej szafie, tym trudniejsze staje się odprowadzanie ciepła. Dlatego centra AI coraz częściej przechodzą z klasycznego chłodzenia powietrzem na systemy wykorzystujące ciecz. Dodatkowym wyzwaniem jest charakter obciążenia. Trening i inferencja mogą powodować gwałtowne zmiany poboru mocy, podczas gdy sieć elektroenergetyczna musi przez cały czas utrzymywać równowagę pomiędzy produkcją i zużyciem. AI tworzy więc nie tylko dużego odbiorcę prądu, ale odbiorcę o wymaganiach coraz trudniejszych dla tradycyjnie projektowanej infrastruktury energetycznej.

Gdzie operatorzy sieci już ograniczają budowę i przyłączanie nowych centrów danych?

Europa dostarcza kilku wyraźnych przykładów tego, co może wydarzyć się w regionach, w których rozwój centrów danych zacznie wyprzedzać możliwości sieci. W okolicach Dublina nowe przyłączenia centrów danych były przez kilka lat praktycznie blokowane, ponieważ operator obawiał się wpływu kolejnych dużych obiektów na bezpieczeństwo dostaw energii. Ograniczenie zostało złagodzone pod koniec 2025 roku, ale nowe projekty muszą spełniać bardziej wymagające warunki, w tym zapewniać własne źródła energii. Amsterdam wcześniej zdecydował się natomiast zatrzymać rozwój nowych centrów danych w granicach miasta do co najmniej 2030 roku. Holandia mierzy się równocześnie z szerszym problemem przeciążenia sieci, przez który ograniczenia nowych przyłączeń dotyczą już nie tylko infrastruktury cyfrowej.

Jeszcze bardziej wymowny jest przykład Danii. Przygotowane przepisy zakładają możliwość nadania nowym centrom danych najniższego priorytetu przy dostępie do sieci. Wyżej w kolejce miałyby znaleźć się gospodarstwa domowe, opieka zdrowotna, przemysł, transport oraz projekty związane z produkcją energii odnawialnej. Oznacza to fundamentalną zmianę sposobu patrzenia na infrastrukturę cyfrową. Przez lata duże centrum danych było dla regionu atrakcyjną inwestycją gospodarczą. Obecnie władze coraz częściej pytają nie tylko o liczbę miejsc pracy czy wysokość inwestycji, ale również o to, komu trzeba będzie odmówić mocy, jeśli ogromny kampus AI otrzyma przyłącze jako pierwszy. W 2026 roku ograniczenia dotyczące lokalizacji, energii lub wody dla nowych centrów danych były już rozważane lub wprowadzane w wielu regionach USA, Europy i Australii.

Czy w Stanach Zjednoczonych zabraknie prądu dla kolejnych centrów danych AI?

Stany Zjednoczone znajdują się w centrum obecnego boomu infrastrukturalnego, dlatego właśnie tam napięcie pomiędzy AI i energetyką jest najbardziej widoczne. EIA prognozuje, że zużycie energii elektrycznej w USA ustanowi nowe rekordy zarówno w 2026, jak i 2027 roku. Zapotrzebowanie ma wzrosnąć z około 4195 mld kWh w 2025 roku do 4270 mld kWh w 2026 i 4349 mld kWh w 2027 roku. Jednym z najważniejszych motorów tego wzrostu są centra danych. Szczególnie trudna sytuacja występuje w regionach takich jak Północna Wirginia, gdzie znajduje się największe na świecie skupisko infrastruktury data center, a także w Teksasie, gdzie zgłaszane są ogromne projekty związane z AI, przemysłem oraz nowymi zakładami produkcyjnymi.

Operator PJM, zarządzający największym regionalnym systemem elektroenergetycznym w USA, zapowiedział w 2026 roku nowe zasady mające odpowiedzieć na gwałtowny napływ zapotrzebowania ze strony AI. Jednym z rozważanych rozwiązań jest wymaganie od bardzo dużych nowych odbiorców, aby zapewniali własne źródła energii lub zgadzali się na możliwość ograniczenia poboru w momentach napięcia w systemie. Podobną presję widać w Teksasie. ERCOT planuje rozbudowę sieci wartą około 33 mld dolarów, obejmującą tysiące kilometrów nowych linii najwyższych napięć, ale duża część infrastruktury będzie gotowa dopiero pod koniec dekady. Projekty centrów danych rozwijają się szybciej, dlatego część inwestorów zaczyna planować własne elektrownie gazowe zamiast czekać na tradycyjne przyłączenie.

Dlaczego można kupić GPU szybciej niż uzyskać energię potrzebną do ich uruchomienia?

Budowa cyfrowej infrastruktury i budowa systemu energetycznego funkcjonują w zupełnie innych skalach czasowych. Nową generację GPU można zaprojektować w ciągu kilku lat, a producenci serwerów potrafią szybko zwiększać dostawy, jeśli dostępna jest odpowiednia liczba chipów. Sam budynek centrum danych może powstać w dwa lub trzy lata. Tymczasem nowa linia przesyłowa może wymagać uzgodnienia trasy, wykupu terenów, ocen środowiskowych, konsultacji, pozwolenia i kilkuletniej budowy. Podobnie wygląda sytuacja z elektrowniami oraz wielkimi transformatorami. Dlatego projekt centrum danych może być gotowy znacznie wcześniej niż infrastruktura energetyczna zdolna go zasilić. IEA zwraca uwagę właśnie na tę rozbieżność jako jedno z kluczowych ograniczeń dalszego rozwoju AI.

Google wskazał na początku 2026 roku, że system przesyłowy jest obecnie największym problemem przy podłączaniu nowych centrów danych w Stanach Zjednoczonych. W niektórych lokalizacjach oczekiwanie na dostęp do sieci może sięgać nawet 12 lat. Dla firmy technologicznej oznacza to potencjalnie całą epokę rozwoju sprzętu. GPU zamówione dziś mogą być przestarzałe na długo przed zakończeniem inwestycji przesyłowej. Z tego powodu coraz więcej projektów powstaje nie tam, gdzie wcześniej znajdowały się największe skupiska centrów danych, ale tam, gdzie możliwe jest szybkie uzyskanie dużej ilości energii. Dostęp do taniego gruntu i światłowodu przestaje wystarczać. Lokalizacja o mocy gotowej za dwa lata może stać się dla inwestora znacznie cenniejsza niż teoretycznie idealne miejsce wymagające dziesięcioletniego oczekiwania na przyłączenie.

Czy firmy AI zaczną budować własne elektrownie obok centrów danych?

To już się dzieje. Przy projektach liczonych w setkach megawatów koszt własnego źródła energii może okazać się mniejszym problemem niż wieloletnie oczekiwanie na sieć. W Stanach Zjednoczonych rozwijane są projekty centrów danych połączonych bezpośrednio z elektrowniami gazowymi, a część firm analizuje lokalizowanie infrastruktury w pobliżu elektrowni jądrowych. Hiperskalerzy podpisują również wieloletnie kontrakty na energię z elektrowni jądrowych, farm wiatrowych i fotowoltaicznych oraz inwestują w magazyny energii. Google we wrześniu 2026 roku ogłosił inwestycje w infrastrukturę AI w Finlandii oraz wieloletnią umowę pozwalającą kupować nawet do połowy produkcji jednej z tamtejszych elektrowni jądrowych Loviisa. Skala zapotrzebowania największych firm technologicznych zaczyna więc przypominać potrzeby wielkich przedsiębiorstw przemysłowych.

Nie oznacza to jednak, że każde centrum danych może po prostu postawić obok siebie elektrownię i uniezależnić się od reszty systemu. Źródło musi zapewniać odpowiednią dyspozycyjność, potrzebne są rezerwy na wypadek awarii, a skala inwestycji może wynosić miliardy dolarów. Energia słoneczna i wiatrowa są stosunkowo szybkie w budowie, ale ich produkcja jest zmienna, dlatego potrzebują magazynów albo wsparcia innych źródeł. Gaz zapewnia dużą elastyczność, lecz wiąże się z emisjami oraz dostępnością turbin. Energia jądrowa daje stabilną moc, ale klasyczne reaktory powstają bardzo długo. IEA przewiduje więc, że wzrost zapotrzebowania centrów danych zostanie pokryty przez cały zestaw źródeł: odnawialne, gaz, atom oraz w części regionów nadal paliwa kopalne. Do 2035 roku odnawialne źródła mają pokryć około połowy dodatkowego globalnego zapotrzebowania centrów danych.

Czy energetyka jądrowa i małe reaktory SMR mogą rozwiązać problem zasilania sztucznej inteligencji?

Atom wyjątkowo dobrze pasuje do charakterystyki centrów danych, ponieważ może dostarczać dużą ilość stabilnej energii niezależnie od pogody. Nieprzypadkowo największe firmy technologiczne zawierają kontrakty z operatorami istniejących elektrowni jądrowych i interesują się przyszłymi małymi reaktorami modułowymi. IEA zakłada, że energetyka jądrowa będzie odgrywała coraz większą rolę w zasilaniu infrastruktury cyfrowej szczególnie po 2030 roku. W bazowym scenariuszu pierwsze nowe SMR-y mają zacząć pojawiać się właśnie około końca obecnej dekady. Problem polega jednak na tym, że AI potrzebuje dodatkowej energii już teraz. Nawet jeżeli technologia małych reaktorów okaże się sukcesem, nie rozwiąże ona większości problemów przyłączeniowych w latach 2026-2028.

Dlatego najbliższe lata będą prawdopodobnie okresem mieszania różnych rozwiązań. Firmy będą podpisywać umowy z istniejącymi elektrowniami jądrowymi, budować źródła gazowe, rozwijać fotowoltaikę i wiatr oraz instalować coraz większe magazyny energii. Ważne będzie również zarządzanie samym obciążeniem. Nie wszystkie zadania AI muszą być wykonane dokładnie w tej samej sekundzie. Część treningów czy przetwarzania wsadowego można przesuwać na godziny, gdy w sieci znajduje się więcej taniej energii. W przyszłości centra danych mogą więc pełnić również rolę dużego, częściowo elastycznego odbiorcy, który czasowo ogranicza obciążenie. Nie rozwiąże to problemu najbardziej wymagających usług działających w czasie rzeczywistym, ale może zmniejszyć zapotrzebowanie na kosztowną moc szczytową.

Czy centra danych mogą powodować wzrost cen energii dla zwykłych odbiorców?

To jedno z najbardziej spornych zagadnień obecnego boomu. Sam fakt budowy centrum danych nie musi automatycznie powodować wzrostu rachunków mieszkańców. Duży odbiorca może finansować część potrzebnej infrastruktury, zawierać długoterminowe kontrakty z producentami energii i przyspieszać inwestycje w nowe źródła. Problem pojawia się wtedy, gdy rozwój zapotrzebowania jest szybszy niż podaż. Sieć wymaga wtedy kosztownych nowych transformatorów, stacji i linii, a system musi zapewnić dodatkowe elektrownie działające również w godzinach największego obciążenia. Powstaje pytanie, jaka część tych wydatków powinna zostać poniesiona przez centrum danych, a jaka zostać rozłożona na wszystkich użytkowników sieci.

Ten konflikt coraz mocniej trafia do debaty publicznej. Po zapowiedzi ogromnej inwestycji Google w Finlandii część opozycji ostrzegała we wrześniu 2026 roku, że gwałtowny wzrost zapotrzebowania może wpłynąć na bezpieczeństwo dostaw i ceny energii. Rząd przekonywał natomiast, że kraj dysponuje wystarczającymi możliwościami i inwestycja przyniesie korzyści gospodarcze. Podobne dyskusje odbywają się w Stanach Zjednoczonych i innych państwach. Im większe będą centra AI, tym częściej lokalne społeczności będą oczekiwały odpowiedzi na pytanie, czy nowa infrastruktura cyfrowa finansuje własne potrzeby energetyczne, czy też część jej kosztów przenoszona jest na gospodarstwa domowe i pozostały przemysł.

Czy brak energii może naprawdę stać się większym ograniczeniem rozwoju AI niż brak procesorów?

W krótkiej perspektywie jest to coraz bardziej realny scenariusz w konkretnych regionach. Rynek GPU pozostaje skoncentrowany i najwydajniejsze akceleratory nadal są niezwykle poszukiwane, ale produkcję chipów można zwiększać poprzez kolejne fabryki, zaawansowane pakowanie i nowe generacje sprzętu. Energia elektryczna jest bardziej lokalnym problemem. Gigawat dostępny w Teksasie nie może zostać po prostu przesłany do centrum danych w Wirginii bez odpowiedniej infrastruktury. Nawet jeśli kraj jako całość wytwarza wystarczającą ilość energii, konkretny region może nie mieć linii, transformatorów albo elektrowni pozwalających dostarczyć ją dokładnie tam, gdzie planowany jest kampus AI. Dlatego dostęp do mocy zaczyna wpływać na geografię całej branży technologicznej.

Najlepszym symbolem nowej skali jest ogłoszony we wrześniu 2026 roku australijski kampus, w którym Anthropic ma zostać pierwszym dużym klientem. Projekt przewiduje docelową moc aż 2,16 GW. To pokazuje, że przyszłe centra AI nie są już odbiorcami porównywalnymi ze zwykłymi budynkami komercyjnymi - zaczynają przypominać duże kompleksy przemysłowe. Jednocześnie IEA podkreśla, że globalnie energii prawdopodobnie nie „zabraknie” w prostym znaczeniu tego słowa. Największym zagrożeniem są wąskie gardła: zbyt wolna budowa sieci, transformatorów i nowych źródeł względem tempa inwestycji w AI. Następny etap wyścigu technologicznego może więc zależeć nie tylko od tego, kto zaprojektuje najlepszy model i kupi najwięcej GPU, ale kto zapewni im kilka gigawatów stabilnego prądu dokładnie w miejscu i czasie, w którym będą potrzebne.