A mesterséges intelligencia a képernyőn könnyűnek és szinte súlytalannak látszik. Beírunk egy kérdést, néhány másodperc múlva megérkezik a válasz. A háttérben azonban a modern ipar legdrágább gépei dolgoznak: több tízezer gyorsítóchip, hatalmas adatközpontok, nagy sebességű hálózatok, bonyolult hűtőrendszerek és egyre nagyobb villamosenergia-kapacitás. Az AI-verseny ma már nemcsak algoritmusokról szól, hanem arról is, ki tud elegendő chipet gyártatni, szerverparkot építeni és áramot szerezni hozzá.
A mesterséges intelligencia körüli versenyt sokáig úgy lehetett elképzelni, mint néhány kutatócsoport küzdelmét a jobb modellekért. A vállalatok újabb és újabb rendszereket mutattak be, amelyek gyorsabban írtak, pontosabban válaszoltak vagy élethűbb képeket készítettek. Mára azonban világossá vált, hogy önmagában a jó szoftver kevés. A modell mögé olyan fizikai infrastruktúrát kell építeni, amelyhez megfelelő chipek, adatközpontok, energiaellátás, hűtés és globális beszállítói hálózat tartozik.
Egy új AI-modellt nem egyszerűen feltelepítenek egy nagy számítógépre. A tanítás során rengeteg processzor dolgozik össze heteken vagy hónapokon keresztül, miközben folyamatosan adatokat mozgatnak egymás között. A felhasználás sem ingyenes: minden kérdés, generált kép és videó újabb számítási feladatot jelent. Minél több ember használja a szolgáltatást, annál több szerverre, hálózati kapacitásra és áramra van szükség.
Ezért lett az AI-lázból néhány év alatt teljes ipari beruházási hullám.
Az Nvidia már nem egyszerűen chipgyártó
A folyamat egyik legnagyobb nyertese az Nvidia, amely eredetileg főként számítógépes grafikus kártyáiról volt ismert. A grafikus processzorok felépítése azonban különösen alkalmassá tette őket arra, hogy hatalmas mennyiségű számítási műveletet párhuzamosan végezzenek el, márpedig pontosan erre van szükség a nagy AI-modellek tanításakor.
A vállalat 2026 áprilisával zárult negyedévében 75,2 milliárd dolláros adatközponti bevételt jelentett, ami 92 százalékos növekedést jelentett az egy évvel korábbi időszakhoz képest. A cég teljes negyedéves bevétele 81,6 milliárd dollár volt, vagyis az üzlet túlnyomó része már nem a játékosoknak értékesített videókártyákból, hanem az AI-infrastruktúrából érkezett.
Az Nvidia előnye ráadásul nem pusztán abból áll, hogy gyors processzorokat tervez. A vállalat egy teljes ökoszisztémát épített köréjük: saját szoftveres fejlesztői környezetet, hálózati eszközöket, adatközponti rendszereket és olyan komplett szervermegoldásokat kínál, amelyekben több száz vagy több ezer chip dolgozik együtt.
Ez olyan függést teremthet, amelyből nem egyszerű kilépni. Ha egy vállalat az Nvidia technológiájára építi fel modelljeit, fejlesztői eszközeit és adatközpontjait, később költséges és technikailag nehéz lehet más rendszerre áttérnie. Az Nvidia ezért nem egyszerűen alkatrészt ad el. Egyre inkább az AI-korszak teljes számítási alapját próbálja ellenőrizni.
A chipet megtervezni könnyebb, mint legyártani
Az Nvidia ugyan megtervezi a legfejlettebb processzorait, de a gyártás jelentős részét nem saját üzemeiben végzi. Ebben kulcsszerepe van a tajvani TSMC-nek, amely a világ vezető szerződéses félvezetőgyártójává vált.
A TSMC üzemeiben készülnek számos technológiai vállalat legfejlettebb chipjei. A cég 2025-ben egész évben erős, AI-hoz kapcsolódó keresletet tapasztalt, dollárban számított bevétele pedig 35,9 százalékkal emelkedett. A társaság szerint a mesterséges intelligencia iránti igény alapvetően gyorsítja az energiahatékony számítástechnika iránti keresletet.
A modern chipgyártás azonban rendkívül nehezen bővíthető. Egy új félvezetőgyár felépítése több évig tarthat, a szükséges berendezések ára pedig milliárdokban mérhető. A gyártósoroknak elképesztő pontossággal kell működniük: a legfejlettebb lapkák alkatrészei néhány nanométeres méretűek, és egyetlen gyártási hiba is értéktelenné teheti a készülő chipet.
Ráadásul nem elég magát a processzort legyártani. Az AI-gyorsítók mellé különleges, nagy sávszélességű memóriák kellenek, amelyek képesek gyorsan kiszolgálni a számításokat. Szükség van fejlett csomagolási technológiára is, amellyel több chipet és memóriamodult egyetlen nagy teljesítményű rendszerbe kapcsolnak össze.
A szűk keresztmetszet így bármelyik ponton kialakulhat. Hiába van elegendő processzor, ha nincs hozzá memória. Hiába készülnek el a lapkák, ha kevés a csomagolási kapacitás. És hiába állnak rendelkezésre a chipek, ha nincs elég szerver, hálózati eszköz vagy hűtőrendszer.
A technológiai óriások saját chipekkel próbálnak kitörni
A legnagyobb felhőszolgáltatók nem akarják teljesen egyetlen beszállítóra bízni a jövőjüket. A Google saját TPU-processzorokat fejleszt, az Amazon az AWS adatközpontjaihoz készít gyorsítókat, a Microsoft és a Meta pedig szintén saját AI-chipekkel próbálja csökkenteni a függőségét.
Ezek a vállalatok nem feltétlenül akarják teljesen kiváltani az Nvidiát. A saját chipek inkább arra adnak lehetőséget, hogy bizonyos feladatokat olcsóbban és energiahatékonyabban végezzenek el. Egy általános célú, rendkívül erős processzor helyett olyan lapkákat tervezhetnek, amelyek kifejezetten saját szolgáltatásaikhoz és modelljeikhez illeszkednek.
Az AI-rendszerek üzemeltetésében ugyanis már nemcsak az számít, melyik chip a leggyorsabb. Az is döntő, hogy egy feladat mennyi áramot fogyaszt, milyen gyorsan ad választ, és mennyibe kerül egyetlen lekérdezés kiszolgálása.
Egy népszerű chatbotnál vagy képgenerátornál a különbség felhasználónként talán csak néhány centnek tűnik. Több százmillió lekérdezésnél azonban már óriási összegről van szó. Ezért lehet üzleti szempontból értékes egy olyan saját processzor, amely nem feltétlenül a világ legerősebb chipje, de egy adott feladatot olcsóbban végez el.
Az adatközpont lett az AI valódi gyára
A mesterséges intelligencia szolgáltatásai láthatatlanok, az infrastruktúrájuk viszont nagyon is fizikai. Egy nagy AI-adatközpont inkább hasonlít ipari létesítményre, mint hagyományos irodai szerverparkra.
Hatalmas csarnokokban sorakoznak a szerverek, amelyek közül sok több tíz kilowatt áramot fogyaszt. A chipek működés közben jelentős hőt termelnek, ezért folyamatos hűtésre van szükség. A hagyományos levegős megoldás sok esetben már nem elegendő, így egyre több rendszerben folyadékhűtést használnak: a hőt közvetlenül a processzorok közeléből vezetik el.
Az adatközpont helyszínének kiválasztása ezért összetett feladat. Fontos a gyors és stabil internetkapcsolat, az olcsó telek, az építési lehetőség, de mindenekelőtt elegendő villamos energia kell. Sok beruházásnál már nem az a kérdés, hol lenne üzletileg ideális a központ, hanem az, hol képes az elektromos hálózat egyáltalán kiszolgálni.
A Microsoft például már a 2025-ös pénzügyi évre mintegy 80 milliárd dolláros AI-adatközponti beruházást helyezett kilátásba. A vállalat egyik 2026-os negyedévében a beruházási kiadások elérték a 34,9 milliárd dollárt, amelyet elsősorban a felhő- és AI-szolgáltatások iránti kereslet hajtott.
Ezek már olyan összegek, amelyek korábban inkább országos infrastruktúra-fejlesztéseknél vagy nagy energetikai beruházásoknál jelentek meg.
Az AI áramigénye már nem technológiai részlet
Az adatközpontok villamosenergia-fogyasztása gyorsabban nő, mint a legtöbb más gazdasági ágazaté. A Nemzetközi Energiaügynökség alapforgatókönyve szerint a világ adatközpontjainak áramigénye 2030-ra megközelítheti a 945 terawattórát, ami több mint kétszerese lehet a 2024-es értéknek. A fogyasztás ebben az időszakban évente átlagosan mintegy 15 százalékkal emelkedhet, több mint négyszer gyorsabban, mint a többi ágazat összesített villamosenergia-igénye.
Globálisan ez még mindig a teljes áramfelhasználás néhány százaléka, helyi szinten azonban komoly feszültségeket okozhat. Egy adatközponti régióban néhány új létesítmény akár évek alatt lekötheti az összes rendelkezésre álló hálózati kapacitást. Ilyenkor nemcsak más ipari beruházások kerülhetnek hátrébb, hanem új vezetékekre, alállomásokra és erőművi teljesítményre is szükség lehet.
Az AI-cégek ezért egyre aktívabban jelennek meg az energiapiacon. Hosszú távú áramvásárlási szerződéseket kötnek megújuló energiát termelő vállalatokkal, új gázerőművek lehetőségét vizsgálják, és ismét előkerült az atomenergia is. Az ok egyszerű: az adatközpontnak nemcsak sok, hanem folyamatosan elérhető áramra van szüksége.
A szél- és napenergia fontos szerepet játszhat az ellátásban, de önmagában nem mindig biztosít állandó termelést. Az adatközpont azonban nem állhat le akkor, amikor nem süt a nap vagy gyenge a szél. Emiatt tárolásra, hálózati tartalékokra vagy olyan erőművekre is szükség van, amelyek éjjel-nappal termelnek.
A hűtéshez nemcsak áram, hanem víz is kellhet
Az AI fizikai lábnyoma nem merül ki az energiafogyasztásban. Sok adatközpont jelentős mennyiségű vizet használ a hűtéshez, különösen meleg éghajlaton vagy olyan rendszereknél, ahol párologtatással vezetik el a hőt.
Ez újabb konfliktust teremthet olyan térségekben, ahol a víz eleve szűkös erőforrás. Egy adatközpont gazdasági beruházást, munkahelyeket és adóbevételt hozhat, de közben versenyezhet a lakossággal, a mezőgazdasággal és más ipari szereplőkkel a rendelkezésre álló vízkészletért.
A vállalatok ezért egyre inkább zárt rendszerű vagy újrahasznosított vizet használó hűtési technológiákkal próbálkoznak. A nagy teljesítményű chipek gyors fejlődése azonban tovább növeli a hőtermelést, így a hűtés kérdése valószínűleg nem lesz kisebb.
Az adatközpont tehát egyszerre számítástechnikai, energetikai és vízgazdálkodási létesítmény.
A chipverseny geopolitikai versennyé vált
A legfejlettebb AI-chipek gyártása néhány vállalat és néhány földrajzi térség kezében összpontosul. Ez komoly gazdasági és biztonságpolitikai kockázatot jelent.
Tajvan különösen fontos szereplő, hiszen a TSMC gyártja a világ számos legfejlettebb processzorát. Egy természeti katasztrófa, katonai konfliktus vagy kereskedelmi blokád súlyosan érinthetné a globális technológiai ipart. Emiatt az Egyesült Államok, Európa és Japán is arra ösztönzi a chipgyártókat, hogy új üzemeket építsenek saját területükön.
A termelés áthelyezése azonban nem egyszerű. Egy gyárépületet fel lehet húzni néhány év alatt, de a hozzá szükséges szakembergárdát, beszállítói hálózatot és ipari kultúrát sokkal nehezebb lemásolni. Tajvan előnye nemcsak a gépekben van, hanem évtizedek alatt felhalmozott tudásban és rendkívül sűrű beszállítói rendszerben is.
Közben az Egyesült Államok exportkorlátozásokkal próbálja lassítani Kína hozzáférését a legfejlettebb AI-chipekhez és a gyártásukhoz szükséges berendezésekhez. Kína válaszul saját processzorokat, gyártóeszközöket és technológiai láncot fejleszt.
A mesterséges intelligencia így már nemcsak vállalatok, hanem államok versenye is. A chip ugyanolyan stratégiai termékké vált, mint korábban az olaj, a földgáz vagy a fejlett fegyverrendszerek.
A modellek hatékonysága is fegyver lett
A nyers számítási teljesítmény önmagában nem old meg mindent. Egyre fontosabb, hogy az AI-modellek mennyire hatékonyan használják fel a rendelkezésre álló chipeket.
Egy kisebb, jól optimalizált modell bizonyos feladatokban olcsóbban és gyorsabban működhet, mint egy sokkal nagyobb rendszer. A fejlesztők ezért nemcsak újabb processzorokat vásárolnak, hanem tömörítik a modelleket, egyszerűsítik a számításokat, és olyan módszereket alkalmaznak, amelyeknél nem minden kérdéshez aktiválódik az egész rendszer.
Ez üzleti kényszer is. A vállalatok hiába szereznek rengeteg felhasználót, ha minden egyes kérdés kiszolgálása több pénzbe kerül, mint amennyi bevételt termel. Az AI-szolgáltatások hosszú távú nyereségessége ezért részben azon múlik, sikerül-e csökkenteni a számítási költséget.
A hatékonyabb modellek ugyanakkor nem feltétlenül csökkentik az összes energiafogyasztást. Ha egy szolgáltatás olcsóbbá válik, többen és gyakrabban használhatják. Így az egy feladatra jutó fogyasztás csökkenhet, miközben a teljes igény tovább nő.
Az AI jövőjét nem csak a programozók döntik el
A mesterséges intelligencia fejlődéséről gyakran úgy beszélünk, mintha azt kizárólag kutatók, mérnökök és szoftvercégek alakítanák. A valóságban az eredményt legalább ennyire meghatározzák a chipgyárak, az energetikai vállalatok, az adatközpont-fejlesztők, a hálózatüzemeltetők és az államok iparpolitikái.
Aki nem jut hozzá elég processzorhoz, nem tudja megfelelő méretben betanítani és működtetni a modelljeit. Aki nem tud adatközpontot építeni, hiába rendelkezik jó algoritmussal. Aki pedig nem talál hozzá elegendő és megfizethető áramot, annak a működési költségei válhatnak kezelhetetlenné. Ezért az AI-verseny végső soron az infrastruktúra feletti ellenőrzésről is szól. Az lesz előnyben, aki képes egyszerre biztosítani a tervezést, a gyártást, a szerverkapacitást, az energiaellátást és a finanszírozást.
A mesterséges intelligencia továbbra is digitális szolgáltatásként jelenik meg előttünk, de mögötte egyre nagyobb fizikai világ épül. Gyárakkal, erőművekkel, vezetékekkel, vízrendszerekkel és több milliárd dolláros adatközpontokkal.
Az AI nem a felhőben lebeg, nagyon is a földön áll, rengeteg fémből épül, és egyre több áramot fogyaszt.
Források: Nvidia pénzügyi jelentések l Nemzetközi Energiaügynökség – Energy and AI; Microsoft vállalati és befektetői közlemények.
