“Gigawaty i guardrails” – to dwa słowa, które na czerwcowym G7 zdominowały branżowe rozmowy o przyszłości AI. Pierwsze oznacza fizyczną moc obliczeniową. Drugie – zasady jej bezpiecznego użycia. Razem opisują nowy etap rozmowy o sektorze, w którym AI zużycie energii przestało być abstrakcyjnym tematem z raportów IEA i stało się realnym hamulcem dla planów inwestycyjnych. Według raportów Bloomberga oraz analiz Sightline Climate około połowy amerykańskich data centerów AI planowanych na 2026 zostanie opóźniona lub anulowana, a łączny niedobór mocy szacowany jest na mniej więcej 7 GW. Wąskim gardłem nie są dziś chipy ani modele, lecz transformatory wysokiego napięcia, switchgear oraz dostępne linie przesyłowe. Dla polskich firm IT płyną z tego dwa konkretne sygnały. Koszty inferencji modeli przestaną spadać liniowo, a lokalizacja infrastruktury obliczeniowej zaczyna mieć dziś znaczenie zarówno regulacyjne, jak i operacyjne.
Skąd wziął się problem prądu w AI
Do 2024 roku dominowała narracja, że największym ograniczeniem wyścigu AI są chipy. Na konferencjach branżowych mówiło się głównie o eksportowych restrykcjach na Nvidie, kolejkach na H100 i cenach jednostkowych GPU. W 2026 ten obraz zmienił się drastycznie. Dlatego dziś, kiedy operatorzy data centerów ogłaszają poślizgi, coraz częściej powodem nie jest brak chipów. Chodzi o to, że nie ma jak ich podpiąć do sieci. Według raportu Sightline Climate, do którego dotarł Bloomberg, na 12 GW kapacytetu, jaki operatorzy w USA zakontraktowali na 2026 rok, realnie buduje się dziś tylko mniej więcej jedna trzecia. Reszta tkwi w kolejkach.
Problem ma trzy źródła. Pierwszym jest fizyczna infrastruktura przesyłowa. W Stanach wiele linii energetycznych pamięta jeszcze lata 70. Drugim są komponenty pomocnicze – transformatory wysokiego napięcia, switchgear (rozdzielnice średniego i wysokiego napięcia) oraz baterie podtrzymujące. Wszystkie te kategorie sprzętu mają dziś 18-36 miesięcy terminu dostawy. Trzecim jest sama generacja. Tradycyjne źródła nie nadążają, a projekty odnawialne i jądrowe wymagają długich postępowań regulacyjnych. W efekcie wąskim gardłem stała się rzecz, której nikt z branży AI nie traktował przez lata poważnie – sieci energetyczne.
G7, gigawaty i guardrails – dwa równoczesne kierunki rozmowy
W czerwcu 2026 wokół G7 przewijały się rozmowy szefów firm AI z decydentami politycznymi. Dziennikarze branżowi (Economic Times, Reuters) zwrócili uwagę, że narracja branżowa zmieniła wreszcie język. Liderzy nie sprzedawali już AI jako kolejnego cyklu w IT, lecz jako infrastrukturę porównywalną z energetyką. Padały frazy o “gigawatach i guardrails” – czyli o tym, że zarówno fizyczna moc obliczeniowa, jak i zasady bezpiecznego użycia modeli to dziś dwa równorzędne ograniczenia rozwoju.
Polski czytelnik powinien zauważyć tu zmianę optyki. Do tej pory rozmowa o AI w polskim rządzie szła głównie przez soft power – regulacje, edukację, kampanie. Język gigawatów otwiera natomiast inną szufladę. Jeśli AI to infrastruktura, to obok ministra cyfryzacji powinien siedzieć minister energii. Razem z regulatorem URE i operatorem PSE. To brzmi jak truizm, ale w praktyce to fundamentalna zmiana w tym, jak rządy myślą o własnej strategii AI. Ramię w ramię z G7 toczy się Hiroshima AI Process – dobrowolny międzynarodowy kodeks postępowania, który dorzuca do tej narracji właśnie warstwę guardrails.
Ile prądu naprawdę żre AI i ile będzie żarło
W dyskusji o zużyciu energii lubimy operować efektownymi porównaniami. “Jeden prompt to tyle co żarówka świecąca przez minutę.” “Trening modelu zużywa tyle prądu co miasto średniej wielkości”. Te liczby brzmią dobrze w tytułach. W praktyce jednak ważniejsza jest dynamika, a nie poszczególne porównania. Dlatego same firmy hyperscale (Amazon, Microsoft, Meta i Alphabet) planują w 2026 roku wydać razem powyżej 600 miliardów dolarów na infrastrukturę AI i data center, według świeżych szacunków capex. To więcej niż roczny budżet większości państw europejskich. Pozycja, na którą poszły te miliardy, jest jedna: moc obliczeniowa. Pozycja, której do tego brakuje, jest jasna: prąd.
Meta zawarła w tym roku partnerstwo z dostawcą Entergy. Razem zapowiedzieli w Luizjanie zaplecze AI o mocy około 7 GW, dla którego ma powstać pakiet nowych elektrowni gazowych. Dla porównania, polska flagowa elektrownia Bełchatów ma 5,1 GW. Pojedynczy kampus AI jednej firmy planowany jest więc w skali większej od największej polskiej elektrowni. Mało który decydent w Europie ma dziś świadomość, że pojedynczy projekt jednej amerykańskiej firmy wymaga tyle nowej energii, ile produkuje cała polska flagowa elektrownia. Dlatego problem nie polega na tym, że AI “trochę więcej zużywa”. On polega na tym, że AI wymaga budowy całej nowej generacji energetycznej, kraj po kraju. Polska perspektywa staje się tu konkretna. Pisaliśmy o tym przy okazji zapowiedzi polskiej gigafabryki AI, bo to nie jest projekt o chipach, tylko o sieci.
Pierwsza Misja AI · Kodożercy
AI bez technikaliów – kurs i certyfikat
Pierwsza Misja AI to kurs Kodożerców dla absolutnych początkujących. Sci-fi fabuła, gamifikacja, prawdziwy GPT-4 w ćwiczeniach, certyfikat na koniec.
Zacznij Pierwszą Misję
Co AI zużycie energii oznacza dla polskich firm
Z perspektywy polskiego CIO i polskiej spółki SaaS rosnące zużycie energii przekłada się na trzy konkretne efekty. Koszt inferencji modeli przestaje spadać. Przez kilka ostatnich lat ceny tokenów topowych modeli leciały w dół z cyklu na cykl. Dzisiaj ten trend hamuje. Jeśli dostawca modelu ma coraz droższe rachunki za energię, koszt prędzej czy później przerzuca się na klienta API. Polskie startupy budujące produkty oparte o cudze API zaczynają z tym mieć do czynienia w 2026 roku.
Drugi efekt to lokalizacja infrastruktury. Coraz częściej dostawcy modeli i klienci enterprise pytają, gdzie fizycznie stoi serwer obsługujący ich inferencję. Dla polskiego klienta enterprise ma to znaczenie regulacyjne (RODO, NIS2), ale też operacyjne. Krótszy round-trip do data center to nie tylko niższa latencja, lecz także mniej wydatków na transport danych. Trzecia konsekwencja jest najbardziej strategiczna. Powstaje nowy rynek kompetencyjny – przepuszczalność między światem energetyki a światem IT zaczyna mieć cenę. Polski software house, który zatrudnia inżyniera potrafiącego planować kampanie w n8n, ale również tłumaczyć schemat obciążeń sieci na warunki SLA, dostaje w 2026 roku przewagę, jakiej nie miał wcześniej.
Czego oczekiwać w najbliższych dwunastu miesiącach
Branża szykuje się na kilka równoległych zmian. Najmocniejszy trend to intensyfikacja partnerstw między hyperscalerami a dostawcami energii, na wzór Meta z Entergy. Dalej idą nagłe ruchy regulacyjne wokół planowania nowych elektrowni, szczególnie jądrowych SMR i gazowych z CCS. Trzecim kierunkiem są coraz częstsze próby przenoszenia części inferencji na lokalne urządzenia (edge), żeby zmniejszyć ciśnienie na centralne data center. To również temat, który poruszaliśmy w kontekście wpływu data centerów na zasoby wodne USA.
W Polsce naturalnym pytaniem staje się, czy poza zapowiadanymi gigafabrykami pojawi się też realna mapa modernizacji sieci. Jak na razie nie ma na nie jasnej odpowiedzi rządowej. Jednak gdyby pojawiła się w 2026 lub 2027, to właśnie ona, a nie kolejna konferencja regulacyjna, zadecyduje, czy będziemy hostować lokalnie europejskie modele AI w dziesięcioletniej perspektywie.
Podsumowanie
Najważniejsze w tej historii nie jest samo to, że AI zużywa dużo energii, lecz że zapotrzebowanie rośnie szybciej, niż sieć energetyczna i producenci sprzętu są w stanie zwiększać swoje możliwości. Branża zaczyna wreszcie mówić o tym wprost: gigawaty są dziś równie ważne jak guardrails, bo bez odpowiedniej mocy AI nie da się skalować, a bez zasad nie da się robić tego bezpiecznie. Dla polskiego rynku płyną z tego dwa wnioski. Po pierwsze, koszty korzystania z modeli nie muszą spadać tak szybko i regularnie, jak dotąd zakładano, dlatego zarządy powinny uwzględniać energię oraz infrastrukturę w swoich planach. Po drugie, rozmowa o europejskiej i polskiej suwerenności AI zaczyna się nie tylko od modeli, danych czy talentów, ale także od pytania, ile własnej energii potrafimy przeznaczyć na ich rozwój. Na to pytanie nie odpowie nawet największy model językowy.
Newsletter · DevstockAcademy & Kodożercy
Bądź na bieżąco ze światem IT, AI i automatyzacji
Co wtorek: newsy z branży, praktyczne tipy i narzędzia które warto znać. Zero spamu.
