Czy AI właśnie podłącza turbo do gospodarki… czy też odcina tlen zwykłym drogom i mostom?
Boom na centra danych rozkręcił się tak mocno, że zaczyna wysysać ludzi, stal i pieniądze z innych budów. Prywatne wydatki na budowę serwerowni lecą w tempie ponad 41 mld dol. rocznie – niemal tyle, ile samorządy wydają na transport. A te szykują kolejną górę długu, nawet 600 mld dol. w 2026 r., żeby nadrobić zaległości w infrastrukturze. Kłopot? Tych samych ekip i surowców potrzebują teraz wszyscy.
To nie tylko rywalizacja o koparki i dźwigi. Centra danych połykają energię w dawkach, które potrafią przebić zużycie całych miast, więc zmieniają planowanie sieci energetycznych, taryf i inwestycji publicznych. Efekt domina: wolniejsze remonty dróg, droższe przetargi i więcej presji na rachunki odbiorców. Tu nie ma łatwych odpowiedzi – jest gospodarka z ograniczonymi zasobami i zbyt wieloma priorytetami naraz.
O co chodzi
W 2025 r. amerykańskie stany i miasta sprzedały rekordowe ilości obligacji drugi rok z rzędu, a strategzy oczekują kolejnych 600 mld dol. emisji w 2026 r. – grosz ma pójść w klasyczną infrastrukturę. W tym samym czasie prywatne nakłady na budowę centrów danych osiągnęły roczną stopę ponad 41 mld dol., czyli mniej więcej tyle, ile samorządy wydają na infrastrukturę transportową. To dwie lokomotywy ciągnące ten sam skład z materiałami, sprzętem i fachowcami. Jak ujął to Andrew Anagnost, szef Autodesku, nie ma „absolutnie żadnych wątpliwości”, że boom na serwerownie „wysysa zasoby z innych projektów”. I gwarantuje, że wiele publicznych inwestycji „nie będzie posuwać się tak szybko, jak byśmy chcieli”. [1]
Kontekst: szerszy trend
Od generatywnej gorączki po wyścig zbrojeń w chmurze – AI nakręca najbardziej materialną część cyfrowej gospodarki: beton, stal, transformatory i megawaty. Jednocześnie branża budowlana starzeje się, a rynek pracy usztywniły odejścia na emerytury i zaostrzenia w polityce imigracyjnej. Innymi słowy: popyt wystrzelił, podaż ludzi i komponentów – nie bardzo. W takich warunkach to Big Tech dyktuje tempo: szybkie decyzje, premie za mobilność, płatności bez wahania. Miasta i stany mają procesy, konsultacje i budżety. Nietrudno zgadnąć, kto częściej wygrywa wyścig o tę samą brygadę elektryków.
Kto zbuduje i za ile
Deficyt rąk do pracy to pierwszy i najbardziej przyziemny problem. Elektrycy wysokiego napięcia, operatorzy ciężkiego sprzętu, spawacze – te kompetencje są dziś walutą. Wykonawcy ciągną w stronę projektów, gdzie marże są grubsze, a ryzyko mniejsze. Publiczne przetargi dostają mniej ofert, ceny rosną, harmonogramy puchną. To nie teoria: samorządy już teraz przesuwają terminy, bo nie ma kto położyć asfaltu, kiedy wszyscy jadą stawiać nowy kampus serwerów.
Prąd jest nowym gruntem
Druga oś konfliktu to energia. W Michigan regulatorzy mówią o „nowej erze” dla przedsiębiorstw energetycznych: po raz pierwszy od dekad widzą skokowy wzrost zapotrzebowania. Pojedyncze projekty centrów danych mogą wysysać więcej mocy niż wszystkie domy w największych miastach stanu. To budzi opór: na spotkaniach publicznych słychać obawy, że bez ochronnych bezpieczników rachunki zwykłych odbiorców sfinansują wyścig Big Techu. „Bez zabezpieczeń centra danych mogą zostawić nas z rachunkiem za rozbudowę” – ostrzega Michelle Martinez z Uniwersytetu Michigan. [2]
Tymczasem, jak zauważa Willie Phillips z FERC, wciąż nie wiemy, ile z deklarowanego popytu naprawdę się zmaterializuje. Prognozy potrafią urosnąć, a potem zostać „skorygowane w dół”. Branża gra na kilka fortepianów naraz: te same wielkie kampusy są „zakupywane” u różnych operatorów w różnych regionach, by wygrać najszybszy dostęp do mocy. „Widzimy podobne projekty o identycznym śladzie, zgłaszane w różnych częściach kraju” – mówi Brian Fitzsimons z GridUnity, która mapuje kolejki przyłączeniowe. Dla sieci przesyłowych to koszmar planowania: jak budować linie i stacje, kiedy popyt może być jednocześnie wszędzie i nigdzie? [3]
Fakty, ale bez lukru
- Rekordowe emisje długu lokalnego drugi rok z rzędu i oczekiwane 600 mld dol. w 2026 r. mają sfinansować drogi, mosty i transport publiczny.
- Prywatne wydatki na budowę centrów danych idą łeb w łeb z publicznymi wydatkami transportowymi – ponad 41 mld dol. w ujęciu rocznym.
- Niedobór pracowników budowlanych napędzają emerytury i twardsza polityka imigracyjna, co potwierdzają źródła branżowe.
- Regulatorzy i operatorzy energii nie ufają hurraoptymistycznym prognozom popytu: część „potrzeb” to realne projekty, część to listy intencyjne składane równolegle w wielu miejscach.
Krótka interpretacja
Ta układanka ma dwa ryzyka. Pierwsze: realny deficyt mocy i ludzi sprawi, że publiczne inwestycje utkną, a koszty eksplodują. Drugie: jeśli prognozy popytu na AI okażą się nadmuchane, możemy przepłacić za infrastrukturę energetyczną, którą i tak spłacą odbiorcy – bez gwarancji miejsc pracy czy korzyści lokalnych. Innymi słowy, albo „zbyt dużo”, albo „zbyt wolno”. Jedyną sensowną odpowiedzią jest polityka selekcji i synchronizacji: priorytetyzować projekty o najwyższej wartości społecznej, warunkować preferencyjne taryfy twardymi zobowiązaniami (efektywność energetyczna, odzysk ciepła, inwestycje w lokalną sieć), a równolegle odblokować podaż – szkolenia, imigrację branżową i szybkie (ale nie byle jakie) pozwolenia dla kluczowych odcinków przesyłu.
Podsumowanie
AI nie jest wrogiem dróg i mostów. Ale bez planu staje się głośnym sąsiadem, który wierci wtedy, kiedy wszyscy chcą spać. Jeśli chcemy jednocześnie budować autostrady i centra danych, musimy pogodzić dwa światy: cyfrową prędkość decyzyjną z publiczną odpowiedzialnością za każdy dolar i każdy megawat. Pytanie brzmi: kto w waszym regionie naprawdę ustala kolejkę do koparki – samorząd, operator sieci, czy dział zakupów w Big Techu?
Źródła
- [1] https://techcrunch.com/2025/12/13/ai-data-center-boom-could-be-bad-news-for-other-infrastructure-projects/
- [2] https://www.mlive.com/news/2025/10/ai-data-centers-mean-a-new-era-for-michigan-utilities-some-worry-its-bad-news.html
- [3] https://www.cnbc.com/2025/10/17/ai-data-center-openai-gas-nuclear-renewable-utility.html
To nie jest ozdobnik. To ślad po procesie: ile informacji było szumem, ile stało się wiedzą i jak wyglądał research, zanim powstał ten tekst.
1. Zbieranie sygnałów (discovery)
- Znaleziono materiałów
- 80
- Wybrane do analizy
- 56
- Odrzucone
- 24
- Duplikaty (archiwum tematów)
- 2
- Klastry (wątki)
- 55
2. Selekcja i filtrowanie
- Odrzucono po tytule
- 22
- Odrzucono semantycznie (embedding)
- 9
3. Wyszukiwanie i wzbogacanie
- Zapytania wyszukiwawcze
- 7
- Unikalne wyniki
- 70
- Kandydaci
- 11
- Dodane z wyszukiwania (cache+live)
- 2
- Przeskanowano URL-i (research)
- 1
4. Finalny kontekst
- Źródła użyte w tekście
- 1
- Źródła (domeny)
- 3
- Wikipedia - kontekst
- tak
- Expansion - kontekst
- nie
- Wyłuskane liczby
- 1




