De Cijfers: Hoeveel Stroom AI Werkelijk Verbruikt
Kunstmatige intelligentie heeft datacentra getransformeerd van stabiele infrastructuur naar de snelst groeiende categorie van elektriciteitsverbruik in de ontwikkelde wereld.
In 2026 verbruiken Amerikaanse datacentra circa 4% van de totale nationale elektriciteit — gestegen van ongeveer 2% in 2020. AI-werklasten zijn de belangrijkste motor van deze groei. Een enkele H100 GPU verbruikt 700 watt bij volledige rekenlast. Een 8-GPU servernode verbruikt 10–12 kW. Een rack van deze nodes verbruikt 80–140 kW. Een trainingscluster van 10.000 GPU’s verbruikt 10–15 megawatt — genoeg om een klein stadje van stroom te voorzien.
De Schaal van Groei
| Jaar | Verbruik VS Datacentra | % van VS Elektriciteit | Primaire Groeimotor |
|---|---|---|---|
| 2020 | ~80 TWh | ~2,0% | Cloudmigratie |
| 2022 | ~90 TWh | ~2,3% | Cloud + vroege AI |
| 2024 | ~120 TWh | ~3,0% | AI-trainingsboom |
| 2026 | ~170 TWh | ~4,0% | AI-training + inferentie |
| 2028 (geprojecteerd) | ~260 TWh | ~6,0% | AI-inferentie dominantie |
| 2030 (geprojecteerd) | ~350–500 TWh | ~8–12% | AI als nutsvoorziening |
De projectie naar 8–12% in 2030 is niet speculatief — het is het directe gevolg van huidige bouwverplichtingen voor datacentra. Meer dan 100 GW aan nieuwe datacentrumcapaciteit bevindt zich in verschillende stadia van planning en ontwikkeling in alleen de VS. Elke gigawatt aan capaciteit vereist een eigen energiebron.
Van Lucht naar Vloeistof: Waarom GPU-koeling Alles Veranderde
Traditionele datacentra koelden servers met lucht — precisie-airconditioningunits duwden koude lucht door serverracks. Dit werkte voor CPU’s die 150–300W verbruikten. Het werkt niet voor racks die 80–140 kW verbruiken.
De Koelrealiteit voor GPU-operators
Luchtkoeling is dood voor AI. Elke installatie met 8× H100 of Blackwell nodes vereist vloeistofkoeling. Dit diskwalificeert onmiddellijk de meeste bestaande colocatiefaciliteiten, die gebouwd zijn voor 10–20 kW per rack met luchtkoelingsinfrastructuur.
Direct-to-chip vloeistofkoeling is de huidige standaard voor H100-installaties. Koelplaten direct op GPU’s en CPU’s gemonteerd voeren warmte af via vloeistofleidingen. Dit verwerkt racks tot 100 kW en kan als retrofit in sommige bestaande faciliteiten worden geïnstalleerd.
Onderdompelingskoeling — het onderdompelen van complete servers in diëlektrische vloeistof — ondersteunt de hoogste vermogensdichtheden (140+ kW per rack) en is vereist voor NVIDIA’s Blackwell NVL72-architectuur, die 72 GPU’s in een enkel vloeistofgekoeld rack plaatst.
De kostenimplicatie: Vloeistofkoelingsinfrastructuur voegt $500K–$2M per megawatt aan capaciteit toe in kapitaalkosten. Voor een 10 MW GPU-cluster kosten alleen al de koelingsinfrastructuur $5–$20 miljoen. Dit vormt een aanzienlijke drempel voor kleinere GPU-operators. Zie onze gids over GPU-clustereconomie voor gedetailleerde operationele kostenopstellingen inclusief koeling.
De Stroommuur: Waarom Elektriciteit het Nieuwe Knelpunt Is
In 2024 was de primaire beperking op AI-rekenkracht chiplevering — NVIDIA kon H100’s niet snel genoeg produceren. In 2026 is de beperking verschoven naar elektriciteit. GPU’s zijn beschikbaar; de stroom om ze te laten draaien niet.
Bezettingsgraad Datacentra en Stroombeschikbaarheid
Bezettingsgraden van datacentra op belangrijke Amerikaanse markten zullen naar verwachting eind 2026 95% overschrijden. Dit betekent niet dat servers vol zijn — het betekent dat elektrische capaciteit volledig is toegewezen. Nieuwe klanten kunnen geen GPU-racks installeren omdat de faciliteit geen resterende stroomtoewijzing heeft.
Belangrijke knelpuntmaatstaven:
- Noord-Virginia (de grootste datacentrummarkt ter wereld): Wachttijden voor nutsaansluiting overschrijden nu 3–5 jaar voor nieuwe grootschalige installaties
- Netaansluitingswachtrijen: Meer dan 2.500 GW aan opwek- en opslagprojecten wachten op netaansluiting in de VS — veel specifiek voor datacentra
- Transmissiebeperkingen: Zelfs waar opwekking bestaat, zijn de hoogspanningstransmissielijnen om stroom naar datacentrumlocaties te leveren in veel regio’s op capaciteit
Waarom Stroom Moeilijker op te Schalen Is Dan Chips
NVIDIA kan GPU-productie verdubbelen door fabricage bij TSMC uit te breiden. Stroomopwekking en -transmissie-infrastructuur kost 5–15 jaar om te bouwen. Een nieuwe aardgascentrale duurt 3–5 jaar. Een kerncentrale duurt 10–15 jaar. Transmissielijnen vereisen jaren van milieubeoordelingen en vergunningen.
Deze mismatch — GPU’s die in maanden kunnen worden ingezet versus stroominfrastructuur die jaren kost — is de fundamentele beperking op AI-schaling voor de rest van het decennium.
Regionale Stroomeconomie: Waar GPU-clusters Zinvol Zijn
Elektriciteitsprijzen variëren 4× of meer tussen Amerikaanse regio’s, waardoor locatie de grootste variabele kostenfactor is voor GPU-operaties. Een GPU-cluster op de verkeerde locatie kan geld verliezen; hetzelfde cluster op de juiste locatie kan floreren.
| Regio | Gem. Industriële Stroomkosten | Klimaatkoelvoordeel | Datacentrumactiviteit |
|---|---|---|---|
| Pacific Northwest (WA, OR) | $0,04–$0,06/kWh | Matig (koel klimaat) | Snelle groei |
| Texas (ERCOT) | $0,05–$0,08/kWh | Laag (warm, maar goedkope stroom) | Snelst groeiend |
| Midwest (IA, OH, NE) | $0,06–$0,09/kWh | Goed (koude winters) | Opkomende markt |
| Zuidoosten (GA, TN, NC) | $0,07–$0,10/kWh | Laag (warm, vochtig) | Gevestigde markt |
| Noord-Virginia | $0,08–$0,12/kWh | Matig | Verzadigd — geen nieuwe capaciteit |
| Californië | $0,12–$0,16/kWh | Goed (mild klimaat) | Duur maar in trek |
| Scandinavië (Europa) | $0,03–$0,06/kWh | Uitstekend (koud klimaat) | Groeiend voor AI-werklasten |
De Financiële Impact
Voor een cluster van 1.000 GPU’s dat op 80% bezetting draait:
- Bij $0,05/kWh (Pacific Northwest): ~$350.000/jaar aan stroomkosten
- Bij $0,10/kWh (Virginia): ~$700.000/jaar aan stroomkosten
- Bij $0,15/kWh (Californië): ~$1.050.000/jaar aan stroomkosten
Het verschil tussen de goedkoopste en duurste locaties is $700.000/jaar — voor dezelfde hardware die dezelfde werklasten draait. Over een 3-jarige GPU-levenscyclus vertegenwoordigt de locatiekeuze alleen al een kostenverschil van $2,1 miljoen per 1.000 GPU’s.
Voor GPU-operators die infrastructuurbeslissingen evalueren, zijn stroomkosten geen bijzaak — het is een primaire motor van winstgevendheid. Zie onze huur versus koop analyse voor hoe infrastructuurkosten meewegen in de eigendomsbeslissing.
Kernenergie, Zonne-energie en SMR’s: De Race om AI-schaal Energie
De mismatch tussen AI-stroomvraag en beschikbare elektriciteit heeft een ongekende golf van energie-investeringen op gang gebracht — veel daarvan expliciet voor datacentra.
Kernenergie-overeenkomsten
Microsoft tekende een deal om de Three Mile Island Unit 1 kernreactor te herstarten, waarmee 837 MW aan koolstofvrije stroom voor zijn datacentra werd veiliggesteld. Deze enkele overeenkomst biedt genoeg stroom voor een datacentrumcampus met honderdduizenden GPU’s.
Google tekende een contract met Kairos Power voor kleine modulaire reactoren (SMR’s) om zijn datacentra van stroom te voorzien. SMR’s zijn in fabrieken gebouwde, kleinere kernreactoren die in 3–5 jaar kunnen worden ingezet versus 10–15 jaar voor traditionele kernenergie.
Amazon heeft een door kernenergie aangedreven datacentrumcampus overgenomen en geïnvesteerd in meerdere SMR-bedrijven. Amazon’s strategie richt zich op het plaatsen van datacentra direct naast kernopwekking, waardoor transmissieverliezen en netbeperkingen worden geëlimineerd.
Waarom Kernenergie Logisch Is voor AI
Kernenergie biedt wat AI-datacentra nodig hebben: 24/7 basislastopwekking die niet afhankelijk is van weer, tijdstip of brandstoftoeleveringsketens. Een kerncentrale produceert continu stroom tegen marginale kosten van $0,02–$0,03/kWh — de goedkoopste niet-hydro-elektriciteit die beschikbaar is.
Zonne- en windenergie zijn goedkoper per kWh wanneer ze opwekken, maar hun intermittentie is een probleem voor GPU-clusters die 24/7 draaien. Batterijopslag om zonnevariabiliteit op te vangen voegt $0,02–$0,04/kWh toe, waardoor een groot deel van het kostenverschil met kernenergie wordt gedicht.
Het Tijdlijnprobleem
Zelfs de snelste nieuwe energieprojecten kosten jaren:
| Energiebron | Tijd tot Inzet | Capaciteit | Basislast? |
|---|---|---|---|
| Zonnepark | 1–2 jaar | 50–500 MW | Nee (30% capaciteitsfactor) |
| Aardgascentrale | 3–5 jaar | 200–1.000 MW | Ja |
| Kleine modulaire reactor (SMR) | 4–7 jaar | 50–300 MW | Ja |
| Traditionele kernenergie | 10–15 jaar | 1.000+ MW | Ja |
| Geothermisch | 3–5 jaar | 10–100 MW | Ja |
De implicatie: stroombeperkingen op AI-rekenkracht zullen aanhouden tot minstens 2028–2030, zelfs met agressieve investeringen. Dit creëert een structureel voordeel voor GPU-operators die al stroomcapaciteit op gunstige locaties hebben veiliggesteld.
Impact op GPU-prijzen en -beschikbaarheid
Energiebeperkingen beïnvloeden GPU-markten op twee directe manieren:
1. Beperkte inzetcapaciteit houdt GPU-huurtarieven hoog. Als faciliteiten geen racks kunnen toevoegen vanwege stroombeperkingen, groeit het GPU-aanbod op marktplaatsen en cloudplatforms langzamer dan de vraag. Dit ondersteunt de prijzen.
2. Operationele kosten vormen een bodem voor huurtarieven. Een GPU die $0,05/kWh kost om te draaien in Oregon moet hoger geprijsd worden dan een GPU die draait op $0,03/kWh in Noorwegen. Stroomkostenverschillen tussen operators vloeien direct door in concurrerende prijsdynamiek.
3. Locatie wordt een concurrentievoordeel. GPU-operators met langetermijn stroomcontracten tegen gunstige tarieven — met name die met toegang tot kernenergie, waterkracht of goedkoop aardgas — hebben een structureel kostenvoordeel dat niet door concurrenten in stroombeperkte markten kan worden gerepliceerd.
Kernpunt: De groeisnelheid van de AI-industrie wordt nu fundamenteel beperkt door elektriciteit, niet door silicium. Bedrijven als NVIDIA kunnen meer GPU’s produceren, maar er is nergens een stopcontact om ze in te steken. Dit maakt stroomtoegang — het veiligstellen van megawatts tegen gunstige tarieven op locaties met adequate koeling — het cruciale infrastructuuractief van het AI-tijdperk.
Wat Dit Betekent voor GPU-aanbieders en -huurders
Voor GPU-aanbieders en -operators
Zorg eerst voor stroom, koop daarna GPU’s. Het meest waardevolle actief in GPU-operaties is niet de GPU — het is de stroomtoewijzing. Een 10 MW stroomcontract tegen $0,05/kWh is meer waard dan de GPU’s die erop draaien, omdat GPU’s kunnen worden geüpgraded maar stroomcontracten niet gemakkelijk kunnen worden gerepliceerd.
Investeer in koelinfrastructuur. Faciliteiten met vloeistofkoeling kunnen 3–5× meer GPU’s per vierkante meter inzetten dan luchtgekoelde faciliteiten. De kapitaalkosten van koelingsupgrades verdienen zich snel terug door hogere GPU-dichtheid en omzet per rack.
Geef prioriteit aan efficiëntie. Power Usage Effectiveness (PUE) — de verhouding tussen totaal faciliteitsvermogen en IT-apparatuurvermogen — heeft directe invloed op de winstgevendheid. Een PUE van 1,1 (beste in klasse vloeistofkoeling) versus 1,5 (gemiddelde luchtkoeling) bespaart 27% op stroomkosten. Op schaal gaat het om miljoenen dollars per jaar.
Zie onze gids over clustereconomie voor operators die overwegen GPU-infrastructuur te bouwen of uit te breiden.
Voor GPU-huurders en AI-bedrijven
Aanbiederlocatie doet ertoe. Vraag waar uw GPU-instances fysiek staan. Een aanbieder in Texas tegen $0,06/kWh kan lagere tarieven bieden dan een in Californië tegen $0,14/kWh — voor dezelfde hardware. Zie onze gids over cloud GPU-prijzen voor actuele aanbiedersvergelijkingen.
Verwacht stroomgerelateerde prijsniveaus. Sommige aanbieders rekenen al verschillende tarieven op basis van stroombeschikbaarheid. “Onderbreekbare” instances (die tijdens pieknetvraag kunnen worden gepauzeerd) kosten minder dan gegarandeerde instances. Dit model zal zich uitbreiden.
Plan voor geografische beperkingen. Als u GPU’s in specifieke regio’s nodig hebt (voor dataresidentie of latentie), beïnvloedt stroombeschikbaarheid in die regio’s direct uw opties. Zie onze analyse van soevereine AI voor de kruising van geografische beperkingen en soevereine AI-vereisten.
Zie onze analyse van het GPU-tekort voor een overzicht van de aanvoerbeperkingen die samenvallen met energiebeperkingen.
Veelgestelde Vragen
Hoeveel elektriciteit kost het trainen van een groot AI-model?
Het trainen van een frontier-model zoals GPT-4 verbruikte naar schatting 50–60 GWh aan elektriciteit — gelijk aan het van stroom voorzien van ongeveer 5.000 Amerikaanse huishoudens gedurende een jaar. Volgende-generatiemodellen die trainen op 50.000+ GPU’s gedurende maanden zouden 100+ GWh per trainingsronde kunnen verbruiken. De elektriciteitskosten alleen al voor een enkele frontier-trainingsronde bedragen $3–$8 miljoen tegen typische industriële tarieven.
Waarom is vloeistofkoeling vereist voor AI GPU’s?
Een H100 GPU verbruikt 700W bij volledige belasting. Acht daarvan in een servernode verbruiken 10–12 kW. Een rack van deze nodes verbruikt 80–140 kW. Luchtkoeling kan fysiek niet snel genoeg warmte afvoeren boven circa 30 kW per rack. Directe vloeistofkoeling of onderdompelingskoeling is nodig om veilige bedrijfstemperaturen te handhaven bij GPU-dichte vermogensniveaus.
Welke regio’s hebben de goedkoopste stroom voor GPU-operaties?
De Pacific Northwest (Washington, Oregon) biedt de laagste Amerikaanse tarieven tegen $0,04–$0,06/kWh, voornamelijk uit waterkracht. De Scandinavische landen (Noorwegen, Zweden, Finland) bieden vergelijkbare tarieven met uitstekende natuurlijke koeling. Texas en het Midwesten bieden gematigde tarieven ($0,05–$0,09) met hoge beschikbaarheid. Zie onze GPU-gids die energie-efficiëntie meeweegt in GPU-selectie voor de meest uitgebreide vergelijking.
Worden er echt kerncentrales gebouwd voor AI?
Ja. Microsoft’s deal om Three Mile Island Unit 1 (837 MW) te herstarten is specifiek voor AI-datacentrumstroom. Google en Amazon hebben geïnvesteerd in kleine modulaire reactor (SMR)-bedrijven met expliciete datacentrumtoepassingen. Dit zijn geen speculaties — het zijn getekende contracten met leveringstijdlijnen. De eerste SMR-installaties voor datacentra worden verwacht in 2028–2030.
Zullen energiebeperkingen AI-vooruitgang vertragen?
Op korte termijn (2026–2028), ja — energie is de bindende beperking op AI-rekenschaling. Echter, de enorme investeringen die in datacentrumstroom stromen ($50B+ aan aangekondigde energieprojecten voor datacentra) zullen deze beperking geleidelijk verlichten. Tegen 2030 zou er genoeg nieuwe opwekkingscapaciteit online moeten zijn om de volgende golf van AI-schaling te ondersteunen, hoewel de vraag waarschijnlijk zal blijven groeien om elk nieuw aanbod te vullen.