Den som drar minst ström vinner AI-kampen

När strömräkningen blir en strategisk fråga

Det finns ett mått som AI-branschen länge har underskattat: energieffektivitet. Inte för att ingen visste att datacenter drar ström – det har de gjort länge – utan för att skalans konsekvenser nu börjar bli konkreta och omöjliga att ignorera.

I en intervju med CNBC formulerar Aravind Srinivas, vd för söktjänsten Perplexity AI, det med ovanlig skärpa: de bolag som lyckas pressa ut mest värde per kilowattimme kommer att vinna. Inte de som bygger de största modellerna. Inte de med fetast riskkapitalrundor. De som är mest effektiva.

Det är ett påstående som låter enkelt men rymmer betydande komplexitet.

Tokens, watt och den verkliga konkurrensformeln

För att förstå varför energieffektivitet är så central behöver man förstå hur stora språkmodeller faktiskt fungerar i drift. Varje gång en användare ställer en fråga till en AI-tjänst bryts förfrågan ned i så kallade token – de grundläggande beräkningsenheter som modellen arbetar med. Varje token kräver beräkningskraft. Beräkningskraft kräver energi. Och energi kostar pengar – och belastar elnät.

Den avgörande ekvationen handlar alltså om hur mycket meningsfull information ett bolag kan leverera per token, utan att energiåtgången skenar. Srinivas beskriver det som en balansgång mellan noggrannhet, svarstid, kostnad, integritet och intelligens – allt vägt mot energiförbrukningen.

Det är inte en enkel optimering. Det är ett flerdimensionellt ingenjörsproblem.

Stordriftsfördelar som äter sig själva

Branschen har länge levt på en enkel logik: större modeller ger bättre resultat, mer data ger bättre modeller, mer beräkningskraft löser de flesta problem. Men den logiken håller på att möta sin gräns – inte tekniskt, utan infrastrukturellt och ekonomiskt.

Stordatacenter förbrukar redan i dag lika mycket el som medelstora städer. Prognoser från energibranschen pekar på att AI-infrastrukturens elbehov kommer att fortsätta växa kraftigt under resten av decenniet. Det skapar en situation där tillgång till billig och tillräcklig energi i sig blir en konkurrensfördel – och i förlängningen en flaskhals.

Detta märks redan i hur bolagen positionerar sig. Perplexity bygger egna modeller men samarbetar också med externa aktörer, bland annat Anthropic, vars modeller integreras i tjänsten. Det är ett sätt att köpa flexibilitet: man behöver inte alltid köra den tyngsta möjliga modellen för varje förfrågan. Ibland räcker en lättare, snabbare och mer energisnål modell alldeles utmärkt.

Effektivitet som affärsstrategi – inte bara miljöhänsyn

Det intressanta med Srinivas resonemang är att det inte primärt handlar om klimatansvar eller hållbarhetsmål – det handlar om ren affärslogik. Bolag som är slöaktiga med beräkningskraft kommer att ha svårare att skala lönsamt. De som löser effektivitetsproblemet bygger en strukturell fördel som är svår att kopiera.

Det påminner om hur molntjänster förändrade mjukvaruindustrin för femton år sedan. Den som förstod resursutnyttjande och kunde skala kostnadseffektivt vann mark mot de som satt fast i gamla infrastrukturmodeller. Nu sker något liknande, fast med högre insatser och kortare tidshorisonter.

Perplexity lanserade nyligen ett verktyg kallat Personal Computer, vilket enligt Ny Teknik speglar bolagets fokus på att förbättra effektiviteten i sina produkter. Det är ett tecken på att detta inte bara är abstrakt strategi – det omsätts i konkreta produktbeslut.

En underbevakad mätstock tar plats på scenen

För länge har nyhetsrapporteringen om AI kretsat kring poängresultat på riktmärken, parameterantal och miljardrundor. Det är förståeligt – de siffrorna är lätta att mäta och enkla att jämföra.

Men värde per watt är en mätstock som snabbt vinner relevans. Den kopplar ihop teknisk prestation med ekonomisk hållbarhet och fysiska resursbegränsningar på ett sätt som varken investerare eller ingenjörer kan blunda för särskilt länge till.