Kina satser massivt på datacentre i kapløbet om AI-dominans

2. 'Eastern Data, Western Computing' (EDWC)-strategien

• Denne flagskibspolitik, lanceret i 2022 og bekræftet i den 15. femårsplan (marts 2026), leder regnekraftintensive datacentre til det vestlige Kina, hvor jord, vedvarende energi og køling er billigere .
• Otte nationale computerknudepunkter og 10 datacenterklynger er blevet etableret .
• Målet er at balancere regional udvikling, reducere energiomkostningerne i øst og opsuge overskydende kapacitet af vedvarende energi i vest .
• Bekymring: På trods af politikken forbliver den faktiske udrulning af AI-chips stærkt koncentreret i de østlige provinser (Beijing, Shanghai, Guangdong), hvilket får nogle analytikere til at kalde EDWC for 'falsk' i praksis .

3. Regional konkurrence og overbygning

• Provins- og lokale myndigheder har aggressivt konkurreret om datacenterprojekter ved at tilbyde subsidier og hurtige godkendelser, hvilket har ført til spekulativ overbygning .
• I midten af 2025 var over 100 planlagte datacenterprojekter blevet trukket tilbage på grund af net-ustabilitet og overudbud .
• Kina skaber nu et nationalt marked for at sælge overskydende computerkraft, hvilket anerkender overkapaciteten .
• Underudnyttelse af AI-computerkapacitet er et voksende problem: rigelig billig strøm alene har ikke skabt et samlet, brugbart computernetværk .

4. Energifordelen: 'elektrongabet'

• Kina har en betydelig energifordel i forhold til USA til at forsyne AI-datacentre, et fænomen kaldet 'elektrongabet' .
• Kina opbygger el-infrastruktur meget hurtigere end USA og har overskydende kapacitet af vedvarende energi (sol, vind, vandkraft) i de vestlige regioner .
• USA står over for en energiflaskehals – Wood Mackenzie rapporterede et fald på 50% i nye amerikanske datacenterprojekter i slutningen af 2025 på grund af netbegrænsninger .
• Forbehold: Kinas elsystem har dog sine egne institutionelle flaskehalse – stive priser, netineffektivitet og uensartede spidsbelastninger, der gør datacentre mindre kompatible med grønne energileverandører .

5. Lokaliseret AI-infrastruktur og chipbegrænsninger

• USA's eksportkontrol med avancerede AI-halvledere (Nvidia H100/H200 osv.) har tvunget Kina til at accelerere udviklingen af indenlandske chips .
• Kinas datacentermarked omfatter nu ca. 100 milliarder RMB i indenlandske AI-chips, hvor virksomheder som Alibaba udvikler deres egne AI-processorer .
• Der er dog stadig præstationsgab: kinesiske AI-chips halter bagefter de nyeste amerikanske modstykker, og chipkompatibilitetsproblemer komplicerer det nationale computernetværk .
• Intelligent computerkapacitet i de otte nationale knudepunkter er vokset hurtigt, men meget af den er afhængig af mindre avanceret hardware .

Sammenligning: Kina vs. USA

Vigtigste bekymringer og risici

• Overkapacitet og spildte investeringer: Lokal konkurrence har skabt et datacenteroverskud med mange underudnyttede faciliteter og over 100 aflyste projekter .
• Net- og energiintegreringsudfordringer: Kinas forsøg på at forbinde datacentre med vedvarende energi støder på tekniske forhindringer – uensartede spidsbelastninger og vanskeligheder med prognoser .
• Regional ubalance: EDWC har ikke fuldt ud flyttet computerkraft til vest; det meste AI-computerkraft forbliver koncentreret i de rige østlige provinser .
• Chipafhængighed: USA's eksportkontrol begrænser Kinas adgang til de mest avancerede AI-GPU'er, hvilket begrænser rå computerpræstation, selv når modeleffektiviteten forbedres .
• Miljøomkostninger: Den hurtige udbygning af datacentre øger strømbehovet og CO2-fodaftrykket, selvom Kina eksperimenterer med at bruge datacentre til at opsuge overskydende vedvarende energi .

Bundlinje

Kinas datacenterudbygning er enorm i skala og hastighed, drevet af central planlægning og en ægte energiomkostningsfordel. USA fører stadig i antal faciliteter, samlede AI-kapitaludgifter og chipadgang. Men Kinas strukturelle fordele – hurtigere byggeri, billigere strøm og en samlet national strategi – indsnævrer hullet. De største risici er på nedsiden: overbygning, regional politisk uoverensstemmelse, chipflaskehalse og netintegreringsproblemer, der kan gøre verdens største planlagte AI-infrastrukturudbygning til et kostbart tilfælde af spekulativt overforbrug.