AI ser ut som en digital tjänst i mobilen eller datorn. Men bakom varje svar finns en fysisk industri av specialiserade chip, serverhallar, kylsystem, transformatorer och kraftledningar. När världens teknikbolag nu bygger AI-kapacitet i rekordfart har elförsörjningen blivit en av de stora frågorna: inte bara hur mycket energi AI använder, utan om elsystemen faktiskt hinner byggas ut i samma takt.

Det är lätt att få intrycket att AI håller på att sluka världens elektricitet. Så ser det ännu inte ut. Datacenter står fortfarande för en relativt liten del av den globala elanvändningen. Samtidigt kan effekten bli mycket stor på de platser där nya AI-anläggningar koncentreras.

Det är där den verkliga flaskhalsen finns.

Ett teknikbolag kan beställa tusentals AI-chip och bygga en serverhall på betydligt kortare tid än det tar att bygga ett nytt kraftverk, förstärka transmissionsnätet eller få fram de transformatorer som krävs. AI utvecklas i mjukvarutempo. Elsystemet byggs i infrastrukturtempo.

Frågan är därför inte främst om världen har tillräckligt med energi för AI. Den är om elektriciteten går att leverera i tillräcklig mängd, på rätt plats och vid rätt tidpunkt.

Därför använder AI mer el än många vanliga internettjänster

En vanlig webbtjänst kan ofta hämta något som redan finns lagrat.

När du öppnar en bild, läser en webbsida eller hämtar en uppgift ur en databas behöver systemet inte nödvändigtvis skapa innehållet från grunden. Mycket kan lagras, återanvändas och levereras igen till nästa användare.

En stor generativ AI-modell arbetar annorlunda.

När du ställer en fråga omvandlas texten till numeriska representationer som bearbetas genom modellens många lager. Där utförs enorma mängder matematiska operationer, framför allt stora matrisberäkningar, på GPU:er eller andra AI-acceleratorer.

Modellen skriver heller inte hela svaret på en gång.

Den räknar fram nästa del av svaret, fortsätter därifrån och gör sedan nya beräkningar. Ett längre svar innebär fler steg. En längre konversation betyder att mer tidigare information kan behöva behandlas. Bilder, video, avancerad kodanalys och AI-system som själva utför långa kedjor av uppgifter kan kräva betydligt mer beräkning än en enkel textfråga.

Det är därför frågan ”hur mycket el använder en AI-fråga?” egentligen saknar ett enda svar.

En kort fråga som besvaras med några meningar är något helt annat än att skapa en video, analysera tusentals sidor eller låta en AI-agent arbeta igenom en komplicerad uppgift under lång tid.

En AI-fråga är inte samma sak som en Google-sökning

Ett vanligt påstående är att en AI-fråga skulle använda ett visst antal gånger mer energi än en traditionell internetsökning.

Sådana jämförelser måste behandlas försiktigt.

Även sökmotorer använder stora datacenter, avancerade modeller, indexering och omfattande beräkningar. Samtidigt har energin som krävs för en enkel AI-uppgift fallit kraftigt när både hårdvara och modeller blivit effektivare.

International Energy Agency, IEA, bedömer att energin per AI-uppgift har fallit med minst en storleksordning per år under de senaste åren.

Organisationen har också räknat på ett teoretiskt scenario där alla vanliga internetsökningar skulle ersättas av enkla AI-textfrågor. Den extra elanvändningen skulle då vara förhållandevis liten jämfört med datacenterindustrin som helhet.

Det verkliga problemet ligger alltså inte i den enskilda frågan.

Det ligger i skalan.

Om miljarder människor använder AI oftare, företagsprocesser automatiseras och framtida modeller börjar generera stora mängder video, genomföra långa resonemang och arbeta självständigt som agenter kan den sammanlagda beräkningsmängden växa mycket snabbare än energiförbrukningen per enskild uppgift minskar.

Effektivare AI behöver därför inte betyda lägre total elanvändning.

Den kan i stället göra AI så billig och användbar att vi använder mycket mer av den.

Först tränas modellen – sedan används den miljarder gånger

AI:s elanvändning kan delas upp i två stora delar: träning och inferens.

Träningen bygger modellen

När en stor AI-modell tränas bearbetas enorma datamängder i stora kluster av specialiserade chip.

Modellen gör förutsägelser, jämför resultatet med vad den borde ha producerat och justerar sedan sina parametrar. Processen upprepas om och om igen.

För de största modellerna kan tusentals eller tiotusentals acceleratorer arbeta parallellt.

Det innebär mycket stora och koncentrerade mängder el under själva träningsperioden.

Inferensen är all användning efteråt

När den färdigtränade modellen används sker inferens.

Varje fråga, bild, sammanfattning, koduppgift eller agentoperation kräver nya beräkningar.

En modell tränas kanske bara ett begränsat antal gånger, men den kan därefter användas av hundratals miljoner människor och av ett snabbt växande antal företag.

Det gör att den sammanlagda inferensen kan bli enorm.

Därför är det missvisande att alltid beskriva själva träningen som AI:s stora energiproblem. För en mycket populär modell kan användningen över hela dess livstid bli minst lika betydelsefull.

Träningen förklarar varför AI-bolag bygger gigantiska beräkningskluster.

Inferensen förklarar varför elbehovet kan bli permanent.

Chippen är bara en del av datacentrets elförbrukning

Det mesta av uppmärksamheten riktas mot GPU:er och andra AI-chip.

Men datacentret är ett helt tekniskt system.

IEA uppskattar att servrar i genomsnitt står för omkring 60 procent av elanvändningen i ett modernt datacenter. Därutöver kommer bland annat lagring, nätverksutrustning, kylning, strömförsörjning och reservsystem.

När elektricitet används i chippen omvandlas nästan all energi i slutändan till värme.

Den värmen måste bort.

Det är därför AI-boomen också blivit en boom för kylindustrin. Hurbra har tidigare beskrivit hur Munters kraftiga datacentertillväxt drivits av den snabbt ökande efterfrågan på avancerade kylsystem.

I mycket effektiva hyperscale-anläggningar kan själva kylningen stå för en relativt liten del av elförbrukningen. I mindre effektiva anläggningar kan den däremot bli en mycket större post.

Och ju mer beräkningskraft som pressas in i varje rack, desto svårare blir problemet.

Ett enda AI-rack kan kräva enorm effekt

Traditionella serverrack har kunnat kylas med luft.

De kraftfullaste AI-systemen pressar nu så mycket beräkning och värme in på liten yta att vätskekylning blir allt vanligare.

IEA räknar med att toppeffekten för ett avancerat AI-rack under de närmaste åren kan motsvara elanvändningen hos omkring 65 hushåll.

Utvecklingen går snabbt.

Effekttätheten i AI-servrar ökade kraftigt mellan 2020 och 2025 och väntas fortsätta uppåt.

Det innebär att datacenterföretagen inte bara behöver en viss mängd energi under året. De måste kunna få fram mycket stor effekt på exakt samma plats.

Skillnaden är viktig.

Energi mäts exempelvis i kilowattimmar eller terawattimmar och beskriver hur mycket elektricitet som används över tid.

Effekt, exempelvis megawatt eller gigawatt, beskriver hur mycket el som måste kunna levereras samtidigt.

Ett land kan alltså ha gott om el räknat över ett helt år och ändå få problem när ett stort datacenter vill ansluta flera hundra megawatt på en plats där nätet redan är hårt belastat.

Transformatorn kan bli lika viktig som AI-chipet

Det är här AI-industrin stöter på den fysiska världen.

Nya chip kan utvecklas på kort tid. Servrar kan beställas och installeras snabbt. Datacenter kan i vissa fall byggas på månader.

Elnät fungerar inte så.

Stora transformatorer kan ha fleråriga leveranstider. Kraftledningar kräver planering, tillstånd och byggarbete. Nya kraftverk kan ta ännu längre tid.

Reuters rapporterade den 1 september 2026 om kraftigt ökande efterfrågan på transformatorer, kylsystem och annan utrustning som behövs när nya datacenter byggs.

HD Hyundai Electrics orderbok för kraftutrustning uppgick i juni till 8,5 miljarder dollar. Bolaget beskrev mer än tre års säkrad produktion och diskussioner om leveranser så långt fram som 2030.

En transformator låter kanske mindre revolutionerande än ett avancerat AI-chip.

Men utan transformatorn kan chipet inte få den el det behöver.

Det är en bra bild av hela AI-boomens nya begränsning: problemet flyttar från halvledaren till energisystemet runt halvledaren.

Datacenter väntas nästan fördubbla sin globala elanvändning

Det finns många dramatiska prognoser om AI:s framtida energibehov.

De måste sättas i rätt sammanhang.

IEA:s uppdaterade bedömning pekar mot att världens datacenter kan använda omkring 950 terawattimmar elektricitet 2030, jämfört med ungefär 485 TWh under 2025.

Det skulle motsvara knappt 3 procent av världens totala elanvändning.

Det är mycket.

Men det betyder samtidigt att omkring 97 procent av världens elektricitet fortfarande skulle användas till annat.

Datacenter är alltså inte på väg att ensamma dominera det globala elsystemet.

Industrialisering, elektrifierade transporter, luftkonditionering, värmepumpar och andra elektriska processer driver tillsammans ett ännu större nytt globalt elbehov.

Skillnaden är att datacenter är mycket koncentrerade geografiskt.

Det är därför 3 procent globalt kan vara ett jättelikt problem lokalt.

USA visar hur stora de lokala effekterna kan bli

I USA är datacentermarknaden betydligt större än världsgenomsnittet.

Lawrence Berkeley National Laboratory har i sitt referensscenario uppskattat att amerikanska datacenter kan använda omkring 649 TWh elektricitet 2030.

Det skulle motsvara ungefär 11,8 procent av USA:s elanvändning.

Osäkerheten är stor. Institutets spann sträcker sig från omkring 9,5 till 15,3 procent.

Men även den lägre delen av intervallet innebär att datacenter skulle utvecklas från en relativt begränsad elanvändare till en av de stora komponenterna i det amerikanska kraftsystemet.

Berkshire Hathaways vd Greg Abel pekade den 2 september 2026 uttryckligen ut energitillgången som en möjlig begränsning för AI-utbyggnaden.

Han uppgav samtidigt att datacenter redan stod för omkring 8 procent av lasten i Iowa inom Berkshire Hathaways energiverksamhet.

Det illustrerar varför globala procentsiffror kan vara missvisande.

AI-industrin byggs inte jämnt över hela planeten.

Den samlas där fiber, mark, el, vatten, kompetens och ekonomiska villkor är attraktiva.

På sådana platser kan ett enda nytt datacenter bli en av regionens största elanvändare.

Alla ansökningar om el kommer inte att bli verkliga

Här finns en av de största fallgroparna i hela diskussionen.

När ett teknikbolag vill bygga ett stort datacenter måste det tidigt undersöka var det kan få el.

Företaget kan därför lämna ansökningar om anslutning på flera platser innan det bestämmer sig för vilken anläggning som faktiskt ska byggas.

Samma framtida efterfrågan kan alltså dyka upp flera gånger i olika köer.

En del projekt kommer aldrig längre än till planeringsstadiet.

Reuters rapporterade den 1 september att ansökningar från mycket stora elanvändare i delar av USA summerats till över 700 GW.

Det är en enorm siffra.

Men det vore helt fel att tolka den som att USA faktiskt kommer att få 700 GW ny datacenterbelastning.

I Texas har köerna för datacenter och andra stora elanvändare vuxit från omkring 48 GW 2023 till mer än 474 GW. När nätbolagen börjat kräva ekonomiska säkerheter eller pengar i förskott har delar av den påstådda efterfrågan försvunnit.

Fenomenet brukar beskrivas som ”ghost demand”.

Ködata visar intresse.

De visar inte nödvändigtvis vad som faktiskt kommer att byggas.

Sverige har redan nästan 7 GW datacenter i anslutningskö

Samma problem syns tydligt i Sverige.

Svenska kraftnäts aktuella anslutningskö innehåller datacenteransökningar på:

• 495 MW i elområde SE1
• 1 320 MW i SE2
• 5 169 MW i SE3

Totalt blir det 6 984 MW, alltså nästan 7 GW.

Det är en mycket stor effekt.

Men siffran ska inte läsas som att Sverige snart får datacenter som drar 7 GW dygnet runt.

Svenska kraftnät betonar att uppgifterna gäller ansökningar i kön fram till dess att kapacitet reserverats och ett förhandsbesked lämnats.

En enkel räkneövning visar varför skillnaden är viktig.

Om samtliga 6 984 MW hypotetiskt användes oavbrutet under årets alla 8 760 timmar skulle elanvändningen bli omkring 61 TWh per år.

Svenska datacenter använder i dag omkring 3 TWh.

Den hypotetiska summan på 61 TWh är alltså inte en prognos. Den visar hur fel det kan bli när ansökt effekt behandlas som verklig framtida elanvändning.

Svenska kraftnät räknar ändå med kraftigt växande datacenter

Även när de spekulativa anslutningsköerna räknas bort finns ett tydligt växande elbehov.

Svenska kraftnäts långsiktiga marknadsanalys arbetar med flera scenarier för datacenter 2050.

I det lägsta scenariot ligger elanvändningen på omkring 9 TWh.

I ett mellanscenario är den cirka 27 TWh.

De högsta scenarierna når omkring 41 TWh.

Det är viktigt att även dessa siffror används korrekt. Svenska kraftnät beskriver dem som scenarier, inte som prognoser.

Ingen vet exakt hur AI-industrin kommer att utvecklas under de kommande årtiondena.

Men spannet visar att datacenter kan bli en helt annan typ av elanvändare i Sverige än de är i dag.

Har inte Sverige redan ett stort elöverskott?

Jo, räknat över året producerar Sverige vanligtvis mer elektricitet än landet använder.

Under 2025 uppgick den svenska elproduktionen till omkring 160 TWh och nettoexporten var knappt 34 TWh.

Det betyder dock inte att Sverige har 34 TWh ”ledig el” som kan lämnas över till datacenter.

Elsystemet måste fungera varje sekund.

Under kalla vinterdagar med hög efterfrågan och låg produktion från vissa kraftslag kan Sverige behöva importera el trots att landet är en stor nettoexportör sett över hela året.

Det är skillnaden mellan energibalans och effektbalans.

Dessutom måste elektriciteten kunna transporteras dit den behövs.

Ett stort produktionsöverskott i norra Sverige hjälper inte automatiskt ett datacenter i södra eller mellersta Sverige om överföringskapaciteten mellan områdena är full.

Svenska kraftnät skiljer därför mellan elbrist, effektbrist och kapacitetsbrist.

För datacenter är kapacitetsfrågan ofta helt avgörande.

Kan fler svenska datacenter höja elpriset?

Ja, men sambandet är inte automatiskt.

Ett datacenter som använder mycket el dygnet runt skapar ny efterfrågan.

Om produktion och nät inte byggs ut samtidigt kan större efterfrågan bidra till högre priser under ansträngda timmar och öka behovet av investeringar i både kraftproduktion och elnät.

Men en ny stor elanvändare kan också ha positiva effekter i ett område med gott om produktion och ledig nätkapacitet.

En stabil kund som köper el under nästan årets alla timmar kan göra investeringar i ny produktion mer lönsamma.

Effekten på elpriset beror därför på var datacentret byggs, hur snabbt ny produktion tillkommer, hur nätet ser ut och hur flexibel anläggningen kan vara.

Den svenska frågan blir ännu större eftersom datacenter inte är de enda som vill ha mer el.

Samma elsystem ska samtidigt hantera elektrifieringen av industrin, transporter, vätgasprojekt och andra stora investeringar.

Svenska kraftnät har i sina mest elintensiva långtidsscenarier räknat med att Sverige i genomsnitt kan behöva omkring 8 TWh ny elproduktion per år under två årtionden.

Det handlar alltså inte om att hitta el enbart till AI.

Det handlar om att bygga ett elsystem som samtidigt ska klara flera mycket stora elektrifieringsprojekt.

Vilken el passar bäst för datacenter?

Datacenter skiljer sig från många andra nya elanvändare genom att de helst vill kunna köra dygnet runt.

Det gör stabil och planerbar elproduktion värdefull.

Men det betyder inte att ett enda kraftslag är lösningen.

Kärnkraft

Kärnkraft passar väl för stora och jämna laster eftersom produktionen kan vara mycket hög under stora delar av året och utsläppen från själva elproduktionen är låga.

Problemet är tiden.

Nya stora reaktorer tar länge att planera och bygga och kan därför inte ensamma lösa de nätanslutningar som teknikbolag vill ha de närmaste åren.

Vattenkraft

Den svenska vattenkraften är särskilt värdefull eftersom den kan regleras.

När efterfrågan ökar eller vindkraften tillfälligt producerar mindre kan vattenkraft snabbt förändra sin produktion.

Det gör vattenkraften viktig även när den inte direkt ”driver” ett visst datacenter.

Den fungerar som en balanserande resurs för hela systemet.

Vindkraft

Vindkraft kan byggas relativt snabbt och producera stora mängder fossilfri el.

Den passar därför väl som del av den extra produktion som behövs när elanvändningen växer.

Men den kan inte ensam garantera den effekt ett datacenter behöver varje timme på året.

Vindkraft behöver kombineras med reglerbar produktion, nät, lagring eller flexibilitet i efterfrågan.

Solkraft

Solenergi kan ge billig el under delar av dygnet men matchar sämre ett nordiskt datacenter som behöver mycket effekt även under mörka vinterkvällar och nätter.

Även solkraft fungerar därför bäst som en del av ett större system.

Kraftvärme och bioenergi

Kraftvärme kan bidra med planerbar produktion, särskilt vintertid när värmebehovet är stort.

Skalan är dock begränsad jämfört med de allra största framtida datacenterbehoven.

Naturgas

I USA diskuteras gasproduktion allt oftare som en snabbare väg till planerbar lokal el för datacenter.

Den kan ge hög tillgänglighet men innebär fossila utsläpp och beroende av bränsle.

IEA har dessutom konstaterat att även gasturbiner fått långa leveranstider när efterfrågan ökat.

Batterier

Batterier kan reagera mycket snabbt och hjälpa till med effekttoppar, reservkraft och nätstabilitet.

Men batterier producerar ingen egen energi.

De kan flytta elektricitet mellan timmar men inte ersätta stora mängder elproduktion under längre perioder.

För Sverige är den mest realistiska lösningen därför inte ”AI på kärnkraft” eller ”AI på vindkraft”.

Den är ett starkt elsystem med mycket produktion, tillräckligt transmissionsnät, planerbar effekt och flexibilitet.

Kan datacenter själva hjälpa elsystemet?

Till viss del.

Alla AI-beräkningar är inte lika tidskritiska.

En användare som väntar på ett svar vill ha resultatet direkt. Men viss modellträning, databehandling och andra batchjobb skulle kunna flyttas till andra timmar eller i vissa fall till andra datacenter.

Det öppnar för en ny typ av flexibilitet.

Om elnätet är hårt belastat klockan 18 men betydligt mindre belastat under natten kan vissa arbetsuppgifter skjutas fram.

Datacenter kan också använda batterier för att kapa kortvariga effekttoppar och stödja nätet.

IEA bedömer att datacenter globalt kan få 20–25 GW batterilager till 2030.

Det finns även modeller med villkorade nätanslutningar där en stor elanvändare får ansluta tidigare i utbyte mot att lasten kan begränsas vid vissa extrema situationer.

Det här är relevant även i Sverige, där Energimarknadsinspektionen arbetar med frågor kring aktiv köhantering, luftbokningar och mer flexibla anslutningar.

Datacenter är alltså inte nödvändigtvis helt passiva elanvändare.

Men deras flexibilitet har en gräns.

Företag som driver stora digitala tjänster värderar driftsäkerhet extremt högt och kan inte bygga hela verksamheten på att servrarna stängs av så fort elsystemet blir ansträngt.

Därför varierar prognoserna så mycket

Framtida AI-elförbrukning är ovanligt svår att uppskatta.

Det beror bland annat på:

• hur många AI-chip som faktiskt installeras
• hur effektiva framtida chip blir
• hur mycket modellerna förbättras
• hur ofta människor och företag använder AI
• vilka typer av AI-tjänster som blir stora
• hur snabbt datacenter byggs
• hur mycket av projekten i anslutningsköerna som faktiskt genomförs
• hur hög utnyttjandegraden blir

En effektivare modell kan exempelvis halvera energin som behövs för en viss uppgift.

Men om kostnaden samtidigt faller kraftigt kan användningen tiodubblas.

Resultatet blir då ändå högre total elanvändning.

IEA har därför mycket olika framtidsscenarier. I ett högt globalt scenario kan datacenter använda mer än 1 700 TWh 2035. I ett scenario med betydligt snabbare effektivisering ligger användningen omkring 970 TWh.

Skillnaden är enorm.

Båda beskriver samtidigt en framtid där AI fortsätter att användas mycket.

Fyra vanliga missförstånd om AI och el

”AI använder redan en enorm del av all världens el”

Nej.

Datacenter använder fortfarande en relativt liten del av världens elektricitet.

Men användningen växer snabbt och är mycket geografiskt koncentrerad.

”All datacenterel går till AI”

Nej.

Datacenter driver även molntjänster, databaser, streaming, företags-IT, webbplatser, lagring och mängder av andra tjänster.

AI står däremot för en snabbt växande del av den nya efterfrågan.

”Effektivare AI kommer att lösa energiproblemet”

Inte nödvändigtvis.

Om varje uppgift kräver mindre energi men antalet uppgifter växer ännu snabbare kan den totala elanvändningen ändå stiga kraftigt.

”Alla planerade datacenter kommer att byggas”

Nej.

Både USA:s enorma anslutningsköer och de nästan 7 GW svenska datacenteransökningarna visar varför ansökt effekt inte får blandas ihop med verklig framtida elanvändning.

Så mycket betyder AI för världens framtida elbehov

Det kanske viktigaste perspektivet är att hålla två tankar i huvudet samtidigt.

AI kan bli en av de snabbast växande nya elanvändarna i världen.

Men AI behöver inte bli den största.

IEA:s huvudscenario pekar fortfarande mot att datacenter använder omkring 3 procent av världens elektricitet 2030.

Organisationens stora genomgång Key Questions on Energy and AI visar samtidigt varför just datacenter kan orsaka betydligt större problem än den globala procentsatsen antyder.

De byggs koncentrerat.

De kräver mycket hög effekt.

De vill ansluta snabbt.

Och de konkurrerar om samma transformatorer, kraftledningar, turbiner och nätkapacitet som resten av elektrifieringen.

Så kan elen förändra AI-boomen

Om det blir svårt att få fram elektricitet betyder det inte automatiskt att AI-utbyggnaden stannar.

I stället kan den förändras.

Teknikbolag kan välja andra geografiska platser.

Datacenter kan byggas närmare stora kraftresurser.

Företag kan teckna långsiktiga elavtal som gör ny kraftproduktion möjlig.

Mer vindkraft, solkraft, vattenkraft, kärnkraft, naturgas och lagring kan byggas beroende på land och elsystem.

Företagen kan också utveckla effektivare chip och modeller.

Den ekonomiska drivkraften är enorm. Om en region inte kan erbjuda tillräckligt med effekt finns andra regioner som gärna försöker göra det.

Energibristen behöver därför inte sätta ett absolut tak för hur mycket AI världen kan använda.

Den kan däremot bestämma var datacentren byggs, hur dyra de blir och hur snabbt expansionen kan ske.

Kan världen bygga så mycket AI som teknikbolagen planerar?

Det korta svaret är: sannolikt inte i exakt den takt eller på exakt de platser som alla planer just nu förutsätter.

Det betyder inte att världen håller på att få slut på elektricitet.

IEA:s prognos på omkring 950 TWh för världens datacenter 2030 motsvarar fortfarande bara några få procent av den globala elanvändningen.

Men den siffran säger inte om det finns en ledig transformator i Virginia.

Den säger inte om transmissionsnätet i Texas klarar ytterligare 1 000 MW.

Den säger inte om ett svenskt datacenter i SE3 kan få sin anslutning inom tre år.

Och den säger inte om nya kraftverk kan byggas lika snabbt som teknikbolagen kan beställa fler AI-chip.

Det är därför elektriciteten mycket väl kan bli en av AI-boomens viktigaste flaskhalsar trots att världen som helhet har gott om energiresurser.

AI-industrins problem är inte i första hand att hitta 950 TWh någonstans på planeten.

Problemet är att kunna få hundratals megawatt eller flera gigawatt levererade dygnet runt till exakt de platser där bolagen vill bygga – samtidigt som resten av samhället också elektrifieras.

Det är en betydligt svårare uppgift.

AI utvecklas i mjukvarutempo. Elsystemet byggs i infrastrukturtempo. Om energin sätter en gräns för AI-boomen är det framför allt i kollisionen mellan de två som den gränsen kommer att märkas.