AKSELERATORER, DATASENTRE, STRØM OG SKYLEVERANDØRER

AI-infrastruktur.

Å trene og kjøre moderne KI-modeller krever enorme mengder regnekraft, strøm og kjølekapasitet. Nvidia dominerer markedet for GPU-akseleratorer, mens hyperscalere investerer over 600 milliarder dollar i 2026 alene. Samtidig vokser spørsmål om knapphet, kostnad og digital suverenitet — og Norge posisjonerer seg med Stargate Norway i Narvik.

Kort oppsummert

GPU-er fra Nvidia (Blackwell) og AMD (Instinct MI350) er motorene bak moderne KI-trening og inferens — ett enkelt rackstativ kan koste 2–3 millioner dollar.
Datasentrenes globale strømforbruk økte 17 prosent i 2025 og er ventet å fordobles til 945 TWh innen 2030, ifølge IEA.
Hyperscalere (Amazon, Microsoft, Google, Meta) investerer over 600 milliarder dollar i infrastruktur i 2026 — en økning på 36 prosent fra 2025.
Norge tiltrekker seg storstilt KI-infrastruktur via Stargate Norway i Narvik: 100 000 GPU-er, 230 MW, drives av vannkraft.

Moderne kunstig intelligens er ikke bare programvare — det er fysisk infrastruktur i en skala verden aldri har sett. Bak hver store språkmodell ligger hundretusenvis av spesialiserte prosessorer, gigantiske datasentre som slukker like mye strøm som mellomstore byer, og globale forsyningskjeder for avanserte halvledere. Å forstå KI betyr å forstå hva som bærer den.

945 TWh

Anslått strømforbruk fra datasentre innen 2030 (IEA)

600+ mrd $

Hyperscaler-investeringer i infrastruktur, 2026

100 000

Nvidia GPU-er planlagt i Stargate Norway, Narvik

Akseleratorer: GPU-er som KI-motorer

Grafikkprosessorer (GPU-er) er blitt hjørnesteinen i all storstilt KI-trening og inferens. I motsetning til vanlige CPU-er er GPU-er designet for massivt parallell regning — tusenvis av mindre kjerner som utfører matrisemultiplikasjoner simultant. Det er nøyaktig den matematikken nevrale nettverk krever.

Nvidia dominerer markedet med CUDA-plattformen og sin Blackwell-generasjon. Flaggskipet GB200 NVL72 er et rackstativ med 72 Blackwell-GPU-er og 36 Grace-prosessorer, koblet med NVLink femte generasjon (130 TB/s aggregert båndbredde). Systemet leverer 1 440 petaFLOPS FP4-ytelse og har 13,4 TB HBM3e-minne — kapasitet nok til å trene og kjøre billionparametermodeller i ett enkelt rackstativ. Et slikt stativ koster anslagsvis 2–3 millioner dollar, og leveringstiden er rapportert til seks til tolv måneder for de fleste kjøpere.

AMD utgjør det viktigste alternativet med Instinct-serien. MI300X introduserte 192 GB HBM3-minne — et formidabelt forsprang for minnekrevende oppgaver som inferens av store språkmodeller. MI350X (lansert andre halvår 2025) økte til 288 GB HBM3e og hevder opptil 35 ganger raskere inferens enn forrige generasjon. Microsoft Azure har tatt i bruk MI300X-klynger i Sverige og Irland. AMD-akseleratorene støttes av ROCm-plattformen, som modnes raskt men ennå ikke matcher Nvidias CUDA-økoystem i bredde.

Datasentre: fysikkens krav

Regnekraft alene er ikke nok — den må huses, avkjøles og forsynes med stabil strøm. Et moderne KI-datasenter er et ingeniørverk der strøm, varme og nettverk integreres tett.

Strøm og kjøling

Høydensitets GPU-rackstativ kan trekke 60–130 kW per skap, mot 5–15 kW i konvensjonelle serverstativ. Tradisjonell luftkjøling rekker ikke til; industrien beveger seg mot direkte flytende kjøling (direct-to-chip liquid cooling) og nedsenking i dielektrisk væske. Flytende kjøling kan oppnå PUE (Power Usage Effectiveness) under 1,2, mot 1,4–1,8 for luftkjølte anlegg. EU krever PUE under 1,3 innen 2030 for nye datasentre.

Strøm er den trangeste flaskehalsen. Ifølge Data Center Watch var over 36 prosjekter verdt 162 milliarder dollar enten blokkert eller vesentlig forsinket per juni 2025, primært på grunn av manglende nettkapasitet. Teknologisektoren sto for om lag 40 prosent av alle inngåtte kraftavtaler (PPA) med fornybar energi globalt i 2025. Betingede avtaler om småskala kjernekraft (SMR) vokste fra 25 GW til 45 GW i løpet av samme periode.

Nettverksinfrastruktur

Å trene store KI-modeller på tusenvis av GPU-er krever ekstremt rask kommunikasjon mellom prosessorene. Innen ett rackstativ bruker Nvidia NVLink (femte generasjon: 1,8 TB/s per GPU). Mellom rackstativ og noder er InfiniBand fortsatt gullstandarden for store treningsklynger (1–2 mikrosekunders latens), men RoCEv2-basert Ethernet med 400–800 Gb/s vinner terreng i inferensklynger og mellomstore miljøer der kostnaden med InfiniBand blir for høy.

Strøm er den nye knapphetsfaktoren. Over 36 datasenterprosjekter verdt 162 milliarder dollar var blokkert eller forsinket i 2025 — nesten alltid på grunn av nettkapasitet.

Hyperscalere og skyleverandører

De fem største hyperscalerne — Amazon (AWS), Microsoft (Azure), Google (GCP), Meta og Oracle — investerer anslagsvis 600+ milliarder dollar i infrastruktur i 2026, en økning på 36 prosent fra 2025. Rundt 75 prosent av dette er rettet mot KI-infrastruktur. AWS alene anslår kapitalutgifter på 200 milliarder dollar i 2026.

Hyperscalere opererte 1 360 store datasentre ved utgangen av 2025, og er ventet å kontrollere to tredjedeler av global datasenterkapasitet innen 2031. Global skyinfrastrukturforbruk vokste 29 prosent i fjerde kvartal 2025. Men veksten møter fysiske begrensninger: datasenterkonstruksjonsraten falt for første gang på seks år i andre halvår 2025, begrenset av tilgang på strøm og elektrisk utstyr.

Norges konkurransefortrinn: vannkraft, kjølig klima og attraktive strømpriser gjør landet til et naturlig valg for energiintensiv KI-infrastruktur. Kvandal utenfor Narvik produserer mer fornybar strøm enn regionen selv forbruker.

Norge og digital suverenitet

Stargate Norway er det tydeligste eksemplet på Norges posisjon i det globale KI-infrastrukturbildet. Prosjektet er et 50/50 joint venture mellom britiske Nscale og norske Aker ASA, med OpenAI som ankerkunde. Anlegget ligger i Kvandal utenfor Narvik — valgt for vannkraftoverskudd, robust overføringsnett og konkurransedyktige strømpriser. Initiativfasen er 230 MW med 100 000 Nvidia GPU-er innen utgangen av 2026, og anlegget kan bygges ut til 520 MW. All drift er basert på fornybar energi, og overskuddsvarme fra GPU-rackstativene tilbys lokalt næringsliv og fjernvarme.

Stargate Norway er del av en bredere europeisk bevegelse. EU lanserte i april 2025 «AI Continent Action Plan» med ambisjoner om storstilt europeisk KI-infrastruktur. Frankrike og Tyskland holdt et suverenitetssummit i november 2025. Ifølge Gartner planlegger 61 prosent av vesteuropeiske CIO-er å øke bruken av lokale sky- og KI-leverandører frem mot 2026 — motivert av GDPR, regulatorisk press og bekymring for amerikanske myndigheters mulige tilgang via ekstraterritorielle lover.

Norge befinner seg i en særstilling: landet er ikke EU-medlem, noe som gir regulatorisk asymmetri overfor felleseuropeiske initiativer, men vannkraftressursene og den modne industrielle basen gjør landet attraktivt som vertsnasjon for KI-gigafabrikker som betjener det europeiske markedet.

Kostnad, knapphet og fremtidsutsikter

Å trene en storskala KI-modell på nivå med GPT-4 anslås å koste 50–200 millioner dollar i GPU-tid alene, avhengig av modellstørrelse og klyngeeffektivitet. Nvidia Blackwell-rackstativ har leveringstid på seks til tolv måneder, og H100-leiepriser steg med nær 40 prosent fra oktober 2025. Knapphet skyldes delvis begrenset CoWoS-pakkingskapasitet hos TSMC og begrenset HBM-produksjon hos SK Hynix og Micron.

Effektiviteten forbedres likevel raskt: IEA peker på «enestående» energieffektivitetsforbedringer per KI-oppgave i samme periode som totalforbruket skyter i været. Inferens er dramatisk mer effektivt enn trening — og mens treninga av én modell kan ta måneder på tusenvis av GPU-er, kan den ferdige modellen kjøres på en brøkdel av ressursene. Bransjen ser mot AMDs MI400-serie (2026, TSMC 2 nm) og Nvidias Rubin-arkitektur som neste hopp i ytelse per watt.

Ofte stilte spørsmål.

Hvilke GPU-er brukes til å trene store KI-modeller?

Nvidia dominerer markedet med Blackwell-generasjonen — særlig GB200 NVL72-rackstativet med 72 GPU-er, 13,4 TB HBM3e-minne og 1 440 petaFLOPS FP4-ytelse. AMD tilbyr alternativene Instinct MI300X og MI350X med opptil 288 GB HBM3e og bredt programvarestøtte. Google, Amazon og Microsoft bygger også egne akseleratorer (TPU, Trainium, Maia) for sine skytjenester. Nvidias CUDA-økoystem gir selskapet en vedvarende fordel, men AMDs ROCm-plattform modnes raskt.

Hvor mye strøm bruker KI og datasentre?

Ifølge IEAs rapport «Energy and AI» brukte datasentre globalt rundt 415 TWh i 2024 — om lag 1,5 prosent av verdens strømforbruk. I 2025 økte forbruket med 17 prosent, og AI-fokuserte datasentre vokste enda raskere. IEA anslår at datasenternes strømforbruk vil fordobles til rundt 945 TWh innen 2030. Akselererte servere (primært KI) er ventet å vokse med 30 prosent årlig, mot 9 prosent for konvensjonelle servere.

Hva er Stargate Norway, og hva betyr det for Norges posisjon?

Stargate Norway er et joint venture mellom Nscale og Aker ASA med OpenAI som ankerkunde. Anlegget bygges i Kvandal utenfor Narvik og er dimensjonert for 100 000 Nvidia GPU-er innen utgangen av 2026. Startkapasiteten er 230 MW med utvidelsespotensial til 520 MW, og alt drives av lokal vannkraft. Prosjektet representerer OpenAIs første europeiske datasenter og styrker Norges posisjon som et knutepunkt for europeisk KI-suverenitet.

Hva er digital suverenitet innen KI-infrastruktur?

Digital suverenitet handler om at nasjoner og regioner kontrollerer sin egen KI-infrastruktur — datasentre, regnekraft, treningsdata og modeller — i stedet for å være avhengige av amerikanske eller kinesiske hyperscalere. EU lanserte i april 2025 «AI Continent Action Plan» med mål om å bygge storstilte KI-datasentre og infrastruktur internt. I Norden fremmes idéen om en felles nordisk KI-kloud. Ifølge Gartner planlegger 61 prosent av vesteuropeiske CIO-er å øke bruken av lokale sky- og KI-leverandører frem mot 2026.