När AI mötte verkligheten

Hösten 2023, i Bryssel, försökte ett universitetsforskarlag träna en avancerad AI-modell för medicinsk diagnostik. Servrarna gick varma, köerna växte och beräkningarna tappade fart. Efter några veckor tvingades teamet pausa projektet i flera månader och jaga extra GPU-timmar. Samtidigt rullade amerikanska techjättar vidare: de hyrde hela hallar, skruvade upp sina AI-superdatorer och testade nästa generations språkmodeller på tusentals acceleratorkort. Kontrasten blev knivskarp – den som kontrollerar datorkraften tar täten, medan den som saknar kapacitet halkar efter. Berättelsen spreds snabbt bland forskare och IT-chefer i Europa och symboliserar fortfarande klyftan mellan ambition och infrastruktur.

Sedan generativ AI blev allmänt tillgänglig 2023 har spelplanen förändrats. AI-superdatorer skalar upp, datacenter byggs om kring GPU-kluster och prestandakurvorna pekar brant uppåt. Samtidigt stiger elbehovet, kostnader pressar budgetar och hållbarhetskrav skarps. I den här artikeln destillerar vi fem insikter från 2023–2025 – om energi, samhällspåverkan, geopolitik, datacenterarkitektur och exaskalans genombrott – och visar hur utvecklingen påverkar din strategi redan i år.

(1) Energikostnader och hållbarhet

Datacenter slukade hela 415 TWh el globalt under 2024 – vilket motsvarade ungefär 1,5 % av världens totala elförbrukning. Prognoser pekar nu på att konsumtionen kan fördubblas redan till 2030, där AI-träning och AI-användning driver på utvecklingen som en central kraft (IEA, 2025). För att verkligen sätta siffrorna i perspektiv: bara träningen av GPT-3 krävde 1287 MWh el och släppte ut 502 ton CO₂, ett avtryck som matchar utsläppen från fem bilar under hela deras livstid (Patterson et al., 2021).

Fördelar:

• Effektivare kylsystem som vätskebaserade lösningar sparar energi (DeepMind, 2016). Genom att använda vätskekylning i stället för traditionell luftkylning kan datacenter minska energiförbrukningen med upp till 40 %. Detta innebär att operatörer inte bara sänker sina kostnader, utan även reducerar sitt klimatavtryck.
• Fler datacenter drivs av förnybar energi, särskilt i Norden (Climate Neutral Data Centre Pact, 2023). När aktörer investerar i vattenkraft, vind och sol skapar de en mer hållbar drift. Norden framstår som ett föredöme tack vare kallt klimat och god tillgång på grön energi, vilket gör regionen attraktiv för AI-infrastruktur.
• AI används för att optimera elnät och klimatmodeller (Google Sustainability Report, 2024). Samtidigt som AI konsumerar energi, kan samma teknik bidra till att förbättra energihantering och förutsäga klimatmönster. Detta innebär att AI kan bli en del av lösningen, inte bara problemet.

Nackdelar:

• Kraftigt ökat energibehov hotar klimatmålen (IEA, 2025). När efterfrågan på datorkraft skjuter i höjden pressas elnäten hårt. Detta riskerar att motverka globala klimatåtaganden, eftersom många länder fortfarande förlitar sig på fossil energi.
• Höga vattenuttag för kylning skapar lokala problem (Microsoft, 2023). Storskaliga AI-datacenter kräver miljontals liter vatten för kylning. Detta kan förvärra situationen i områden som redan lider av vattenbrist, och därmed skapa konflikter mellan samhällsbehov och industriell drift.
• Ökat elektroniskt avfall från snabb hårdvaruomsättning (World Economic Forum, 2024). Eftersom nya AI-chip lanseras årligen och snabbt ersätter äldre modeller producerar industrin allt mer e-avfall. Detta ställer krav på återvinning och hållbar materialhantering, annars riskerar problemet att växa okontrollerat.

(2) Samhälleliga effekter

En omfattande enkät i Nature (2024) avslöjade tydligt att många forskare inom akademin saknar den datorkraft som krävs för avancerad AI-träning, medan industrin samtidigt kontrollerar och utnyttjar tusentals GPU:er. Denna obalans blottlägger hur resurserna samlas och koncentreras till ett fåtal aktörer som därmed skapar ett försprång. Parallellt pumpade USA in hela 67 miljarder dollar i AI under 2023, nästan nio gånger mer än Kina, och cementerade därmed sin position samt förstärkte skillnaden i globalt ledarskap (Stanford AI Index, 2024).

Fördelar:

• Superdatorer driver medicinska och vetenskapliga genombrott (Jülich Supercomputing Centre, 2025). När forskare använder AI-superdatorer kan de simulera komplexa sjukdomsförlopp, identifiera nya läkemedelskandidater och förbättra klimatprognoser. Detta leder till genombrott som annars hade tagit åratal att uppnå.
• Nya jobb och högre produktivitet skapas i AI-drivna sektorer (OECD, 2024). När företag införlivar AI i sina processer ökar de effektiviteten. Samtidigt skapas nya roller inom utveckling, drift och etikprövning, vilket bidrar till både sysselsättning och konkurrenskraft.
• Molnplattformar gör AI-kraft tillgänglig för småföretag (Microsoft Azure, 2024). Genom att erbjuda beräkningskapacitet som tjänst kan även små aktörer få tillgång till den kraft som krävs för att träna modeller. Detta sänker trösklarna, demokratiserar tekniken och ökar innovationsmöjligheterna även utanför storbolagen.

Nackdelar:

• Växande klyftor mellan företag, länder och forskningsmiljöer (Nature, 2024). När industrin drar ifrån akademin riskerar kunskapsutvecklingen att bli snedfördelad. Detta försvagar universitetens roll som öppna innovationsmotorer och förstärker en global AI-divide.
• Beroende av ett fåtal aktörer gör samhället sårbart (European Commission, 2025). Eftersom majoriteten av AI-infrastrukturen kontrolleras av några få molnleverantörer och techjättar blir samhället sårbart för driftstörningar, cyberattacker eller geopolitiska spänningar. Ett avbrott i ett enda system kan påverka hundratusentals användare.
• Risk för bias och etiska problem i AI-system tränade på skeva data (UNESCO, 2024). När AI-modeller tränas på snedvridna eller exkluderande datamängder återskapar de dessa mönster i sina resultat. Detta leder till diskriminering, ojämställdhet och bristande representation, vilket i sin tur underminerar förtroendet för tekniken.

(3) Global kapplöpning och maktbalans

USA:s superdator Frontier bröt igenom och passerade 1 exaflop redan 2022, vilket markerade starten för en ny era inom högpresterande datorkraft (Top500, 2025). Kina svarade snabbt genom att utveckla egna exaskalasystem i hemlighet och vägrade samtidigt att offentliggöra detaljer för att skydda sin strategiska position. Europa grep chansen 2025 och lanserade JUPITER – kontinentens första exaskala superdator, skapad för att stärka Europas teknologiska självständighet (EuroHPC, 2025). Samtidigt skärpte USA spelreglerna genom att införa exportkontroller på avancerade AI-chip till Kina, vilket förändrade maktbalansen och skapade ett klimat av ökad teknonationalism (US Department of Commerce, 2023).

Fördelar:

• Kapplöpningen accelererar forskning och chiputveckling (Nvidia, 2024). När länder och företag tävlade om att nå nästa nivå i beräkningskraft, investerade de samtidigt enorma resurser i forskning och utveckling. Detta resulterade i snabbare innovationer inom chipdesign, energieffektivitet och nya arkitekturer – framsteg som även spiller över till kommersiella lösningar.
• Regionala samarbeten som EuroHPC stärker Europa (European Commission, 2025). Genom att samla resurser och fördela investeringar mellan medlemsländer bygger EU upp en starkare gemensam infrastruktur. Detta ger europeiska forskare och företag större tillgång till beräkningskraft, och minskar risken att varje land behöver stå ensamt i den globala konkurrensen.
• Superdatorer används för cybersäkerhet och försvar (US DoE, 2024). Nationer utnyttjar superdatorer för att förbättra sin kapacitet inom kryptering, övervakning och simulering av komplexa hot. Detta ökar den nationella säkerheten och ger regeringar verktyg för att förutse och neutralisera cyberattacker innan de eskalerar.

Nackdelar:

• Risk för teknonationalism och splittrade ekosystem (OECD, 2024). När länder låser in sina teknologier och inför handelshinder riskerar innovation att bromsas. Forskarsamhällen kan förlora möjligheten att samarbeta internationellt, och tekniska standarder kan splittras, vilket försvårar kompatibilitet mellan system.
• Europa är fortsatt beroende av amerikansk hårdvara (EuroHPC, 2025). Trots egna satsningar importerar Europa fortfarande nyckelkomponenter som GPU:er och specialiserade chip från USA. Detta beroende begränsar Europas självbestämmande och gör regionen sårbar för geopolitiska beslut som exportkontroller eller leveransstopp.
• AI i militära sammanhang väcker etiska dilemman (SIPRI, 2024). När AI integreras i vapensystem och övervakning uppstår frågor om ansvar, mänsklig kontroll och potentiella missbruk. Detta förstärker behovet av internationella regler, eftersom en kapprustning utan etiska ramar kan leda till instabilitet och misstro mellan nationer.

(4) AI revolutionerar datacenterarkitekturen

Under de senaste åren har datacenter genomgått en dramatisk förändring. Traditionella CPU-baserade system har snabbt fått ge vika för massiva GPU-kluster, där tusentals specialiserade chip accelererar, bearbetar och driver AI-modeller framåt i rekordfart. Nvidia producerade och levererade hela 3,7 miljoner AI-GPU:er under 2023, och den explosiva efterfrågan drev upp priserna till över 30 000 dollar per chip (Mercury/TechInsights, 2024). Samtidigt har molnleverantörer som AWS och Microsoft investerat, resat och byggt hela ”AI-fabriker” – enorma serverhallar som enbart fokuserar på att träna storskaliga modeller. Denna utveckling markerar, förstärker och påskyndar ett paradigmskifte i hur datorkraft organiseras, distribueras och tillgängliggörs globalt.

Fördelar:

• Snabbare innovation i chipdesign och energieffektivitet (Nvidia, 2024). Konkurrensen om AI-marknaden tvingar chiputvecklare att lansera nya generationer allt snabbare. Varje iteration ökar prestandan per watt, vilket leder till lägre driftkostnader och gynnar även traditionella IT-miljöer genom att tekniken sipprar ned.
• Nya affärsmodeller som AI-as-a-Service (AWS, 2024). Molnleverantörer erbjuder nu kraftfull AI-infrastruktur som en tjänst. Detta innebär att företag kan hyra den kapacitet de behöver i stället för att själva investera i dyra system. På så sätt ökar flexibiliteten och tröskeln sänks för innovation även hos mindre aktörer.
• Möjliggör digitalisering i fler sektorer, från vård till finans (McKinsey, 2024). Genom att AI-kluster hanterar enorma datamängder kan fler branscher utnyttja avancerad analys. Inom vården leder detta till bättre diagnoser och personanpassade behandlingar, medan finanssektorn drar nytta av realtidsanalys och riskhantering.

Nackdelar:

• Höga kostnader stänger ute mindre aktörer (Forrester, 2024). Att bygga eller ens hyra GPU-kluster kräver enorma budgetar. Detta förstärker skillnaderna mellan stora techjättar och småföretag, som helt enkelt inte har råd att tävla om samma resurser.
• Snabb teknikförändring gör äldre datacenter obsoleta (Gartner, 2024). Företag som nyligen investerat i traditionella CPU-baserade miljöer riskerar att snabbt tappa konkurrenskraft. Den snabba innovationscykeln tvingar aktörer att uppgradera oftare, vilket ökar både kostnader och teknisk osäkerhet.
• Brist på chip och försenade datacenterbyggen skapar flaskhalsar (IEA, 2024). Den massiva efterfrågan på AI-komponenter överbelastar leveranskedjorna. Detta leder till förseningar i byggprojekt och hindrar företag från att snabbt skala upp sin infrastruktur, vilket i sin tur bromsar digitaliseringsinitiativ.

(5) Exaskalans genombrott

När USA:s Frontier bröt igenom gränsen på 1 exaflop 2022 skrev den datorhistoria. Maskinen levererade 1,19 exaflops med en elförbrukning på 21 MW, vilket gjorde den fyra gånger snabbare än Japans tidigare rekordhållare Fugaku – och samtidigt visade den upp en betydligt högre energieffektivitet (Top500, 2023). År 2025 bekräftade El Capitan trenden när den klev upp, intog förstaplatsen och demonstrerade kraften i nästa generations superdatorer med nästan 2 exaflops (US DoE, 2025). Samtidigt investerade Europa tungt i JUPITER, sitt första exaskalasystem, för att säkerställa en plats i AI-racet och stärka sin teknologiska suveränitet. Denna utveckling symboliserar, driver och understryker att vi nu går in i en ny epok där prestanda ökar snabbare än någonsin – men där även kostnader, risker och begränsningar blottläggs allt tydligare.

Fördelar:

• Möjliggör avancerade klimat- och medicinsimuleringar (US DoE, 2025). Med exaskalakapacitet kan forskare beräkna klimatmodeller på en detaljnivå som tidigare var omöjlig. Detta förbättrar förståelsen för extremväder och stärker vår förmåga att planera för klimatförändringar. Samtidigt kan medicinska forskare simulera molekyler och läkemedel i rekordfart, vilket ökar chanserna att snabbt utveckla nya behandlingar.
• Hybridlösningar gynnar både AI och traditionell HPC (HPE, 2024). Exaskalasystem kombinerar klassisk superdatoranvändning med AI-träning. Detta betyder att samma infrastruktur hanterar fysiksimuleringar ena dagen och tränar språkmodeller nästa. Denna flexibilitet ger både forskare och företag fler möjligheter att dra nytta av systemen.
• Nya teknologier sipprar ner till bredare marknader (IDC, 2024). När exaskalasystem tvingar fram innovationer i chip, kylning och nätverk sprider sig dessa tekniker snabbt till kommersiella datacenter. På sikt får även mindre aktörer tillgång till effektivare komponenter, vilket bidrar till bredare digitalisering.

Nackdelar:

• Byggkostnader på över 600 miljoner dollar per system (US GAO, 2024). Att utveckla och drifta ett exaskalasystem kräver enorma investeringar. Detta begränsar antalet aktörer som har råd att bygga egna system och skapar en elitklubb av stormakter och teknikjättar. Därmed riskerar mindre länder och företag att stängas ute.
• Begränsad användning om resurser inte delas effektivt (Nature, 2024). Exaskalakapacitet passar bara vissa extrema forskningsproblem. Om systemen inte öppnas upp för fler användare riskerar de att stå underutnyttjade. Detta väcker frågan om det är bättre att satsa på fler medelstora resurser som fler kan dra nytta av.
• Närmar sig fysiska gränser för dagens chipteknologi (MIT Tech Review, 2024). Exaskalan pressar redan nu gränserna för kylning, energi och kommunikationshastighet. Om utvecklingen fortsätter i samma takt riskerar vi att nå en teknologisk platå där dagens arkitektur inte längre räcker. Detta ökar behovet av helt nya paradigmer som kvantdatorer eller neuromorfisk hårdvara.

Sammanfattningsvis

AI-superdatorer och datacenter mellan 2023–2025 avslöjar två sidor av samma mynt. Å ena sidan öppnar de dörrar till vetenskapliga genombrott, driver fram nya affärsmodeller och stärker teknisk suveränitet. Å andra sidan förstärker de klyftor, skapar ett skenande energibehov och väcker akuta etiska risker.

• För företag: blir det avgörande att agera strategiskt utnyttja molntjänster, bygga upp intern kompetens och integrera hållbarhet i varje beslut.

• För samhället: krävs det att aktörer investerar i öppen forskning, främjar delning av resurser och utvecklar inkluderande AI-lösningar som gynnar fler än bara de största aktörerna.

• För politiken: handlar det om att kombinera innovation med reglering: skapa ramar som uppmuntrar framsteg men samtidigt säkerställer transparens, ansvar och rättvisa villkor.