Ryzyko "końca ogona" dla komponentów takich jak ASIC, magazynowanie i moduły optyczne: w USA brakuje energii elektrycznej, sprzęt zainstalowany, ale nie można go podłączyć do prądu

Wąskie gardło infrastruktury AI w USA przesuwa się z "braku chipów" na "brak energii elektrycznej", a niedobór energii w pierwszej kolejności zagraża nie firmie Nvidia, lecz wyzwaniom na końcu łańcucha dostaw takim jak ASIC, pamięci masowa, moduły optyczne oraz zarządzanie energią.

Z najnowszego raportu Morgan Stanley wynika, że centra danych w USA w latach 2026-2028 spodziewają się około 34% netto deficytu mocy, co odpowiada 32 GW. Raport zakłada, że prognozy wyników Nvidia i Broadcom na rok 2027 nie ulegają znaczącym zmianom, jednak niedobór energii może powodować, że chipy nie zostaną wdrożone zgodnie z planem, co niesie ryzyko opóźnień, anulowania zamówień oraz korekt zapasów dla komponentów niższego szczebla.

Kluczowa różnica polega na tym, że jednostka mocy GPU Nvidia generuje wyższą wydajność, a czołowi producenci chipów mają większą widoczność miejsca końcowego wdrożenia; w porównaniu do tego, ASIC są bardziej wrażliwe na zasoby energetyczne, a produkty takie jak pamięci masowa, systemy optyczne oraz zarządzanie energią łatwiej podlegają zmianom w zamówieniach oraz opóźnieniom projektów ze strony klientów.

Według poprzedniego artykułu Wall Street Observer, projekt Oracle "Project Lighthouse" w Wisconsin o mocy 1.3 GW odzwierciedla te ryzyka w praktyce: po ponownym uruchomieniu zatwierdzania przesyłu energii, pełne zasilanie może zostać przesunięte najwcześniej na październik 2028 roku, a w pesymistycznym scenariuszu aż na wiosnę 2029. Serwery AI, nawet jeśli są już zamontowane na rackach, bez dostępu do energii nie przekładają się na realną moc obliczeniową ani przychody.

Nvidia i Broadcom: większa widoczność popytu, ASIC pod większą presją

Morgan Stanley uważa, że zarządy Nvidia i Broadcom już uwzględniają ograniczenia dotyczące gruntów, energii oraz pomieszczeń (LPS) w swoich prognozach, a obie firmy mają wysoką widoczność końcowych miejsc wdrożenia chipów, a globalna dywersyfikacja ogranicza zależność od rynku amerykańskiego.

Efektywność produktu jest równie istotna. GPU Nvidia generują więcej tokenów na każdy GW, co daje przewagę wdrożeniową przy ograniczonej energii elektrycznej. Dla porównania, ASIC mają niższą wydajność na jednostkę mocy, wymagają większych zasobów LPS, dlatego są bardziej podatne na ograniczenia energetyczne.

CEO Nvidia Jensen Huang oraz CEO Broadcom Hock Tan w ostatnich wypowiedziach podkreślali, że zasoby energii już stają się trudniejszym do skoordynowania ograniczeniem w infrastrukturze AI niż same chipy czy pamięć masowa.

Pamięci masowa, moduły optyczne i zarządzanie energią: Ryzyko zamówień koncentruje się na końcu łańcucha

Raport twierdzi, że pamięci masowa, podzespoły optyczne, systemy zarządzania energią i chipy analogowe są bardziej podatne na wpływ opóźnień projektów. Te segmenty wcześniej korzystały na ekspansji infrastruktury AI i napiętym bilansie podaży i popytu, jednak w razie opóźnień projektów klienci mogą najpierw wyczerpać zapasy, a następnie zmniejszyć kolejne zamówienia.

ASIC również mierzą się z problemem efektywności wdrożeń. W sytuacji ograniczonego dostępu do energii, klienci bardziej zwracają uwagę na wydajność mocy obliczeniowej na jednostkę energii, przez co projekty ASIC o niskiej efektywności są bardziej narażone na opóźnienia.

Zmiany prognoz Broadcom również pokazują coraz większą zgodność oczekiwań rynkowych: W marcu firma przewidywała, że przychody z AI w roku obrotowym 2027 znacznie przekroczą 100 miliardów dolarów, najnowsza prognoza z września wynosi już 115 miliardów, choć absolutna skala pozostaje wysoka, potencjał dalszych podwyżek jest ograniczony.

Własne źródła energii i ekspansja za granicą: Wciąż trudno zasypać brak mocy

Raport przewiduje, że w latach 2026-2028 instalacje turbiny gazowych i silników mogą zapewnić około 19 GW mocy w scenariuszu bazowym, ogniwa paliwowe Bloom Energy około 6 GW, energia jądrowa i dostosowanie kopalń kryptowalut również zaoferują uzupełnienie, lecz ogółem nie wystarczy to do pokrycia całkowitego deficytu.

Ekspansja zagraniczna także częściowo łagodzi presję. Morgan Stanley obniżył prognozę udziału USA w globalnej mocy obliczeniowej z 60% do 55%, lecz powolne procesy zatwierdzające w Europie, ryzyko geopolityczne na Bliskim Wschodzie oraz inne czynniki ograniczają transfer popytu.

Jednocześnie USA stoją w obliczu deficytu wykwalifikowanych pracowników oraz lokalnego sprzeciwu. CSIS szacuje, że do 2030 roku USA będzie potrzebował ponad 140 tys. nowych pracowników technicznych, a obecne zasoby pracy pozwalają rocznie dobudować od 10 do 20 GW nowych instalacji gazowych.

Dla branży AI produkcja chipów przestaje być jedynym ograniczeniem – uzyskanie wystarczającej ilości energii i rzeczywiste uruchomienie systemów staje się nową barierą decydującą o tempie realizacji zamówień i rentowności łańcucha dostaw.