Meta, Microsoft og Google satser ifølge TechCrunch på nye naturgaskraftværker for at skaffe strøm til deres AI-datacentre. Det flytter AI-historien et sted hen, der på én gang virker tørt og helt logisk. Pludselig handler det mindre om modelkapløb og GPUer, og mere om turbiner, gasledninger og hvem der faktisk kan levere stabil effekt klokken 03.17 en tirsdag nat. Det lyder usexet. Det er det ikke.Når de største AI-selskaber begynder at tænke som energiselskaber, er det et tegn på, at AI-boomet er gået ind i en tungere fase. Ikke bare større softwarebudgetter, men fysisk infrastruktur: beton, kølevand, transformerstationer og anlæg, som ikke lige kan rulles tilbage, hvis regnestykket ændrer sig om tre år. Det er dér, historien bliver interessant. Og en smule ubekvem.

Hvorfor naturgas dukker op nu

Forklaringen er enkel nok. AI-workloads vokser, både i mængde og i energibehov. Det gælder træning af store modeller, men også den mere oversete del: inferens, altså når millioner af brugere hele tiden spørger modellerne om alt fra udkast til kontrakter til mærkelige Excel-formler. Summen bliver voldsom. Pew Research peger på, at AI-boomet driver store investeringer i datacentre og rejser helt konkrete spørgsmål om energiforbrug i USA.Datacentre vil have strøm, der er forudsigelig, konstant og til at regne på. Ikke bare billig strøm i gennemsnit, men strøm der er der hele tiden. Det er præcis derfor naturgas frister. Teknologien er kendt, anlæggene kan levere stabil effekt, og i en driftstabel ser det pænt ud. Nærmest beroligende. Men den slags tabeller plejer at se bedre ud end virkeligheden, især når verden omkring dem ændrer sig hurtigt.Det er også værd at sige højt, at selskaberne står med et reelt problem. Vedvarende energi alene løser ikke altid behovet for stabil kapacitet her og nu, især ikke hvis nye datacentre skal op i stor skala, hurtigt, og med meget høj oppetid. Den del skal man ikke romantisere væk. Men det gør ikke naturgas til en god langsigtet strategi. Kun til en forståelig genvej.

Det, der ser robust ud nu, kan se dumt ud senere

Kernen i risikoen er ret banal. Naturgas er fossil energi, og fossil energi kommer med prisudsving, politisk usikkerhed og voksende regulatorisk pres. Briefet peger på, at afhængighed af naturgas udsætter AI-aktørerne for økonomiske, regulatoriske og omdømmemæssige risici. Det gælder blandt andet CO2-regulering, investorpres, svingende brændstofpriser og risikoen for stranded assets, altså anlæg der stadig står der, men som pludselig ikke længere giver mening økonomisk.Det sidste bliver ofte undervurderet. Et kraftværk er ikke en softwarelicens, man opsiger ved årsskiftet. Det er kapital bundet i noget meget fysisk. Noget, der skulle være en styrke i 2026, kan ligne en tung mellemregning i 2029, hvis energipriser ændrer sig, hvis CO2-krav strammes, eller hvis kunder og investorer mister appetitten på fossil backup forklædt som fremsynet AI-infrastruktur. CFOer plejer at vågne, når et aktiv begynder at ligne et problem.Og så er der det mere lavpraktiske. Brændstofpriser er ikke et teoretisk irritationsmoment. De bevæger sig. Nogle gange hurtigt. Hvis store dele af AI-driften i praksis bliver koblet tættere til naturgas, bliver en del af forretningen også koblet tættere til råvaremarkeder og geopolitik. Det er en sær udvikling for en branche, der ellers har solgt fortællingen om fleksibilitet, skalerbarhed og digital elegance. Elegant nok, lige indtil man står med fossil prisrisiko i kælderen.

Datacentre er ikke vægtløse

Der er også en anden grund til, at historien ikke bare handler om selskabernes interne regneark. Datacentre er meget ressourcekrævende. Lincoln Institute beskriver dem som anlæg med betydeligt energi- og vandforbrug, og peger på, at selv mellemstore datacentre kan bruge vand og strøm i en størrelsesorden, der minder om en mindre by. AI-fokuserede hyperscale-centre kan ifølge samme kilde bruge strøm svarende til 100.000 hjem eller mere. Den slags tal gør serverracks mindre abstrakte.Vandforbruget bliver ofte glemt, fordi det ikke passer ind i den sædvanlige AI-fortælling om software, modeller og produktivitet. Men køling kræver noget. Og det noget er tit store mængder vand, især i varme perioder og i områder, hvor presset på lokale ressourcer i forvejen er højt. Det er den del, der ofte gør historien mere konkret end al snakken om CO2. Folk opdager hurtigt, når et anlæg bruger strøm som en bydel og vand som en småby. Det er ikke længere en sky. Det er naboens infrastruktur.Vi har set lidt af den samme mekanik i andre store teknologiudrulninger: så længe noget lyder digitalt, virker det let. Men så kommer transformeren, støjen fra køleanlæg, vejarbejdet, spørgsmålet om hvem der skal betale for netudbygning, og så bliver stemningen mere jordnær. Ikke nødvendigvis anti-teknologi. Bare mindre naiv.

Lokal modstand er ikke en fodnote

Earthjustice, som har en klar interessevinkel og derfor skal læses nøgternt, peger på, at lokalsamfund rundt om i USA står over for forslag om nye datacentre og tilhørende kraftværker for at understøtte AI-boomet. Den pointe er vigtig, også selv om Earthjustice argumenterer fra et aktivistisk ståsted. Den fortæller, at det her ikke bare er et problem for tre børsnoterede selskaber i PowerPoint-land. Det er noget, der rammer rigtige steder med rigtige naboer, lokale myndigheder og elnet, som ikke altid jubler over endnu et megaprojekt.Når nye datacentre kobles med nye kraftværker, opstår der næsten uundgåeligt lokal friktion. Nogle steder handler det om forurening og støj. Andre steder om vand, netkapacitet eller frygten for, at lokale elregninger stiger. De sidste påstande skal man være forsigtig med at generalisere, for her er kilderne mere partsprægede. Men selve mønstret er svært at overse: jo mere AI udbygges som tung fysisk industri, jo mindre kan selskaberne gemme sig bag fortællingen om, at alt foregår i skyen. Skyen har åbenbart skorsten. Lidt groft sagt, men alligevel.Det er også derfor, omdømmerisikoen ikke bare er et presseproblem. Hvis AI-projekter begynder at blive opfattet som noget, der presser lokal infrastruktur og samtidig læner sig op ad nye fossile anlæg, kan modstanden brede sig fra aktivister til investorer, regulatorer og helt almindelige borgere. Det skift går nogle gange hurtigere, end store teknologiselskaber regner med.

Det reelle modargument er stærkere end det lyder

Der findes et seriøst modargument her, og det er ikke dumt. Hvis man driver enorme AI-systemer, har man brug for stabil strøm. Ikke bare grøn strøm i årsregnskabet, men faktisk leveringssikkerhed time for time. Vind og sol løser meget, men ikke alt, især ikke hvis netudbygning halter, lagring er dyr, og efterspørgslen kommer hurtigere end energisystemet kan følge med. Set fra et driftsrum giver naturgas derfor mening. Den er grim, men praktisk.Problemet er bare, at praktisk på kort sigt ikke er det samme som robust på langt sigt. Det er næsten hele pointen. Hvis man bygger sin AI-kapacitet på en energiløsning, der ser hurtig og sikker ud nu, men som bliver dyrere, mere reguleret og sværere at forsvare om få år, så har man ikke løst et problem. Man har flyttet det. Måske bare til en dyrere konto.Tech-branchen har i årevis været god til at kalde midlertidige nødgreb for platformstrategi. Det her lugter lidt af det samme. Ikke fordi behovet er opdigtet. Det er det ikke. Men fordi den valgte løsning risikerer at blive fortalt som moden infrastruktur, når den i virkeligheden mere ligner en hastig omvej med meget lang afskrivning.

Hvad resten af markedet bør lære af det

For almindelige virksomheder, også herhjemme, er den vigtigste læring ret klar: man bør ikke kopiere hyperscalernes logik ukritisk. De opererer i en helt anden skala, med helt andre krav til oppetid, træningskapacitet og global distribution. Hvis de vælger fossil backup for at holde et gigantisk AI-maskinrum i gang, betyder det ikke, at det er klogt for alle andre at tænke på samme måde. Tværtimod.Det mere interessante spørgsmål er, hvor meget AI-kapacitet virksomheder reelt har brug for, og hvornår de har brug for den. Der bliver stadig talt for lidt om energieffektiv AI-drift. Om mindre modeller, bedre workload-planlægning, batching af tunge opgaver og mere bevidst placering af inferens og træning. Ikke fordi det lyder sexet, men fordi det ofte er dér, økonomien bliver sundere. Og mindre sårbar.Hvis man vil være konkret, handler det om at kigge på sin AI-portefølje med lidt mindre stjernestøv i øjnene. Hvilke workloads skal køre i realtid, og hvilke kan vente til timer med lavere belastning eller billigere strøm? Hvilke opgaver kræver en stor model, og hvilke kan klares med en mindre og langt mere effektiv løsning? Hvor meget oppetid er forretningen faktisk villig til at betale for, når man regner hele energikæden med? Det er kedelige spørgsmål. De er også gode.

Forsyningssikkerhed er blevet en AI-historie

Det mest slående ved den her udvikling er egentlig, hvor hurtigt AI er blevet en historie om forsyningssikkerhed. For få år siden lød samtalen som noget, der hørte hjemme i softwareafdelingen og måske hos cloud-indkøb. Nu er vi ovre i noget, der minder om klassisk industripolitik. Energi først, kapacitet bagefter, og så alt det smarte ovenpå. Den rækkefølge betyder mere, end mange nok havde håbet.Pew Research og Lincoln Institute peger fra hver deres vinkel på samme grundproblem: AI-boomet gør datacentre større, mere energitunge og mere synlige i den fysiske verden. TechCrunch sætter så en skarp nyhedskrog på ved at vise, at svaret fra nogle af de største spillere er nye naturgaskraftværker. Når man lægger de kilder oven på hinanden, bliver billedet ret klart. Det her er ikke bare en klima-historie og heller ikke bare en tech-historie. Det er en infrastrukturhistorie med fossil hale.Så hvad kan gå galt? En del, faktisk. Dyrere brændsel. Strammere regulering. Investoruro. Lokal modstand. Vandpres. Aktiver, der ældes hurtigere end planlagt. Og den mere stille risiko, som næsten er værst: at man bygger sig ind i en løsning, der føles nødvendig nu, men som gør én mindre fleksibel senere. Det opdager man sjældent i pressemeddelelsen. Man opdager det først, når anlægget står der og regningen også gør.

Kilder

• AI companies are building huge natural gas plants to power data centers. What could go wrong?
• US data centers’ energy use amid the artificial intelligence boom
• Data Drain: The Land and Water Impacts of the AI Boom
• What You Need to Know About AI Data Centers
• Is almost everyone wrong about America’s AI power problem?
• We did the math on AI’s energy footprint. Here’s the story you haven’t …
• WHAT HAPPENS WHEN DATA CENTERS COME TO TOWN?