Vem ska äga AI:ns ryggrad? Kampen om datacenter, ström och kontroll har börjat på allvar
New York stoppar AI-datacenter – och startar en avgörande strid om makt och resurser.
Infrastrukturkampen har börjat på allvar
När guvernör Kathy Hochul i förra veckan satte ett tillfälligt stopp för nya AI-datacenter i New York – anläggningar med en effektförbrukning på 50 megawatt eller mer – var det mer än ett lokalt beslut. Det var ett principiellt vägval. Enligt Computer Sweden kan byggprojekt nu stoppas i upp till ett år medan delstaten utreder hur den explosiva utbyggnadstakten påverkar elnät, vattenresurser och lokalsamhällen.
President Trump har reagerat med skarp kritik, vilket understryker hur laddad frågan är: federala ambitioner att vinna det globala AI-kapploppet krockar hårt med delstaternas rätt att reglera konsekvenserna på hemmaplan. Hochul lyfter även en rättvisedimension som ofta glöms bort i teknikoptimistiska analyser – de samhällen som bär den tyngsta energibördan måste också få del av de ekonomiska vinsterna.
Det är en helt rimlig ståndpunkt. AI-datacenter är inte abstrakta molntjänster; de är fysiska anläggningar som förbrukar gigantiska mängder el och vatten, ofta i regioner som inte sett proportionerliga investeringar i gengäld. New York kan mycket väl komma att fungera som ett prejudikat för andra delstater som tampas med samma avvägning.
Google bygger en intern marknad för beräkningskraft
Mitt i den här debatten om vem som ska bygga och kontrollera AI-infrastrukturen presenterar Google en lösning på ett problem de länge haft internt: efterfrågan på beräkningskraft överstiger vida tillgången. Lösningen heter Quota Marketplace och beskrivs i ett nytt forskningsdokument på arXiv.
Systemet bygger på dynamisk prissättning baserad på tillgång och efterfrågan, ungefär som en intern elbörs fast för grafikprocessorer. Olika team inom Google kan signalera hur värdefull deras arbetsbelastning är, och resurser fördelas dit de gör mest nytta. Det är elegant ingenjörskonst – och det är redan i drift.
Vad som är tekniskt intressant är att systemet enligt Google uppfyller kraven på både Pareto-effektivitet och rättvis fördelning. I praktiken innebär det att ingen arbetsbelastning offras utan att någon annan faktiskt vinner på det. Det är ett steg bortom råa köer och statiska kvoter mot något mer dynamiskt och självreglerande.
Detta är förstås en intern lösning för ett av världens mest resursstarka företag. Men principen är exporterbar – och den väcker frågan om liknande mekanismer skulle kunna tillämpas på bredare nationell eller europeisk nivå för att fördela beräkningsresurser mer rättvist.
Stora modeller på vanliga datorer – inte science fiction längre
Samtidigt pågår en parallell utveckling som på sikt kan förändra hela premissen för debatten. Forskare presenterar i ett nytt arXiv-arbete MawForge, en metod för att köra stora språkmodeller baserade på så kallad Mixture-of-Experts-arkitektur på hårdvara med begränsat minne – i praktiken vanliga konsumentdatorer.
Tekniken är smart: modellen lagras på disk, de vanligast använda beräkningsenheterna hålls inladdade i minnet, medan de specifika expertnätverk som behövs för varje beräkning läses in dynamiskt. Det är som att ha ett bibliotek på hyllan och bara plocka fram den bok du faktiskt läser, snarare än att försöka memorera hela samlingen.
Resultaten är lovande men forskarna är ärliga med begränsningarna: prestandan beror på en känslig balans mellan återanvändning av expertnätverk, cachestorlek, kvantisering och minnestryck från operativsystemet. Det är ingen enkel plug-and-play-lösning. Men det är ett genuint genombrott i riktning mot lokalt körbar AI utan beroendet av enorma datacenter.
Tre nyheter, ett systemskifte
De tre nyheterna hänger ihop på ett djupare plan. New York ställer frågan: vem bär kostnaderna? Google ställer frågan: vem fördelar resurserna? Och MawForge ställer frågan: behöver vi centraliserade resurser alls?
Svaret är förmodligen: ja, delvis, länge till – men kanske inte för alltid, och kanske inte i samma utsträckning. Infrastrukturfrågan är inte längre bara en teknisk fråga. Den är politisk, ekonomisk och i allra högsta grad en rättvisefråga.
Vår analys
Det som händer just nu är att AI-infrastrukturen genomgår en maktgeografisk omförhandling. Under de senaste åren har den i praktiken ägts av ett fåtal hyperscalande teknikföretag. Nu utmanas det på tre fronter simultant: politiskt genom delstatsregleringar som New Yorks, ekonomiskt genom att Google tvingats uppfinna interna marknader för att hantera resursbristen, och tekniskt genom forskning som MawForge som pekar mot en mer decentraliserad framtid.
Jag ser detta som grundläggande hälsosamt. Den explosiva centraliseringen av beräkningskraft har skapat sårbarhet – tekniskt, politiskt och demokratiskt. Att vi nu ser motrörelse på flera nivåer samtidigt tyder på att systemet börjar självkorrigera. New Yorks bromsning är inte ett hinder för AI-utvecklingen; det är ett nödvändigt inslag av samhällelig eftertanke. Och MawForge-metodens riktning – mot modeller som körs lokalt, utan beroende av gigantiska datacenter – är på lång sikt troligen den enskilt viktigaste trenden att följa.