AI-datasentrenes strømtørst 2026 hvorfor inferens nå styrer kraftbehovet

AI-datasentrenes strømtørst 2026 — hvorfor inferens nå styrer kraftbehovet

Globalt strømforbruk fra datasentre vokste rundt 17 prosent i 2025, og AI-spesifikke datasentre alene økte forbruket med omtrent 50 prosent. I 2026 er det ikke lenger treningen av modellene som dominerer regnestykket, men inferens — den daglige bruken. Samtidig faller energiforbruket per oppgave raskt. To krefter trekker i hver sin retning, og 2026 er året de møtes for fullt.

Fra trening til inferens

Lenge gikk fortellingen om AI og strøm ut på at det var selve treningen av store modeller som slukte energi. Det stemte i en tidlig fase. I 2026 er bildet snudd: når hundrevis av millioner mennesker bruker AI-modeller hver dag, er det den løpende bruken — inferensen — som står for storparten av strømforbruket.

Det er en viktig forskjell. Trening er en engangskostnad per modell. Inferens er en kostnad som påløper hver gang noen stiller et spørsmål, genererer et bilde eller kjører en agent. Når bruken vokser, vokser strømregningen med den — kontinuerlig.

Det internasjonale energibyrået (IEA) har anslått at globalt strømforbruk fra datasentre kan stige fra rundt 415 TWh i 2024 til om lag 945 TWh innen 2030, der AI-arbeidslaster utgjør den største vekstdriveren.

Effektivitet faller — men forbruket stiger likevel

Et paradoks preger 2026: strømforbruket per AI-oppgave faller raskt, samtidig som det totale forbruket stiger. Maskinvaren blir mer effektiv, modellene optimaliseres, og en enkelt forespørsel koster mindre energi enn før.

Problemet er at billigere og mer effektiv AI fører til mer bruk. Når noe blir billigere, brukes det mer — et velkjent mønster i økonomisk historie. Effektivitetsgevinsten spises opp av volumvekst. Derfor stiger den samlede strømregningen selv om hver enkelt oppgave blir grønnere.

Det egentlige problemet er ikke mengde, men plassering

Den største utfordringen for kraftnettet i 2026 er ikke bare hvor mye strøm datasentrene bruker totalt, men hvor de bygges. Datasentre klynger seg sammen i bestemte geografiske områder — der det finnes billig kraft, kjøling og fiber.

Når mange store anlegg konsentreres på samme sted, skaper det lokal belastning på strømnettet som er krevende å håndtere, selv om landet samlet sett har nok kraft. Investeringene fra de største teknologiselskapene i datasenter-infrastruktur passerte 400 milliarder dollar i 2025 og ventes å øke kraftig i 2026, noe som forsterker presset på nettkapasitet og tilkobling.

Hva det betyr for Norge og for prisen på AI

Norge er attraktivt for datasentre på grunn av kald luft, vannkraft og stabil tilgang på fornybar energi. Det gir både muligheter og dilemmaer: arbeidsplasser og eksportinntekter på den ene siden, press på kraftbalanse og lokale nett på den andre.

For vanlige brukere og bedrifter er koblingen til pris verdt å merke seg. Når energi er en betydelig del av kostnaden ved å kjøre AI, henger prisen på AI-tjenester sammen med strømpris og effektivitet. Faller energikostnaden per oppgave, presses prisene ned — noe vi allerede har sett gjennom kraftige prisfall på AI-API-er. Men hvis kraften blir knapp eller dyr i et område, kan det slå motsatt vei.

Slik bør norske virksomheter tenke

• Følg energi som kostnadsdriver. Prisen på AI-tjenester er knyttet til strøm og maskinvare-effektivitet, ikke bare leverandørens marginer.
• Vurder lokal og effektiv AI. Mindre modeller som kjører lokalt kan kutte både kostnad og energibruk for mange hverdagsoppgaver.
• Se datasenter-debatten som en kraftdebatt. Spørsmålet om AI i Norge er like mye et spørsmål om kraftnett og arealbruk som om teknologi.

«Globalt strømforbruk fra datasentre vokste med 17 prosent i 2025, mens forbruket fra AI-fokuserte datasentre økte med 50 prosent. Inferens i stor skala står nå for størstedelen av AI-relatert strømbruk.» — Det internasjonale energibyrået (IEA), 2025–2026