Centra danych AI: rachunki za prąd wyższe o 20%

Gwałtowny rozwój infrastruktury sztucznej inteligencji doprowadził do sytuacji, w której koszty rozbudowy sieci energetycznej i ulg podatkowych trafiają bezpośrednio do lokalnych mieszkańców oraz przedsiębiorstw. Czterej najwięksi hyperscalersi – Amazon, Alphabet, Meta i Microsoft – przeznaczą w 2026 roku około 725 mld dol. na infrastrukturę AI, przenosząc rosnącą część zobowiązań poza własne bilanse. W efekcie amerykańskie stany tracą miliardy dolarów przychodów podatkowych, a lokalne taryfy energetyczne dla gospodarstw domowych w New Jersey wzrosły w 2025 roku nawet o 20%.

Koszt infrastruktury AI i mechanizm shadow borrowing

Skala nakładów kapitałowych na infrastrukturę sztucznej inteligencji przekracza dotychczasowe wzorce historyczne i zmusza koncerny technologiczne do zmiany modelu finansowania. Zamiast wydatkować wyłącznie własną gotówkę, hyperscalersi przenoszą zobowiązania do spółek celowych i funduszy private credit. Taki mechanizm ukrywa rzeczywiste zadłużenie oraz transferuje ryzyko finansowe na rynek.

Łączne nakłady kapitałowe (capex) dziewięciu największych dostawców chmury na świecie przekroczą w 2026 roku 886,7 mld dol. (wzrost o niemal 90% rok do roku), z czego na czterech głównych amerykańskich hyperscalersów – Amazon, Alphabet, Microsoft oraz Meta – przypadnie 779 mld dol.. Analitycy Goldman Sachs prognozują, że w latach 2026–2031 skumulowane wydatki na infrastrukturę AI sięgną 7,6 bln dol..

Rozbicie globalnych nakładów AI na 2026 rok (ok. 765 mld dol.) wskazuje na głęboką asymetrię alokacji kapitału: Warstwa obliczeniowa (chipy GPU i serwery): 494 mld dol. (64,6% całości), Obudowy i budynki centrów danych: 232 mld dol. (30,3%), * Infrastruktura energetyczna: 39 mld dol. (5,1%).

Dwa tysiące dwudziesty szósty rok przynosi sytuację, w której dwie trzecie budżetów trafia w krzem ulegający pełnej amortyzacji w ciągu 4 do 6 lat. Aby nie obciążać własnych wskaźników finansowych, koncerny stosują finanse pozabilansowe (shadow borrowing). Meta sfinalizowała w Luizjanie transakcję o wartości 27 mld dol. opartą na długu i wysokiej dźwigni, przekazując aktywa do spółki specjalnego przeznaczenia (SPV) przy współudziale funduszu Blue Owl. Zobowiązania hyperscalersów przybierają postać wieloletnich umów najmu operacyjnego (operating leases) oraz umów na rezerwację mocy (capacity offtake agreements), co formalnie zamienia wydatki majątkowe na koszty operacyjne, maskując poziom faktycznego zadłużenia.

Ta struktura finansowa napotyka barierę w postaci przychodów. OpenAI w sierpniu 2026 roku osiągnęło wprawdzie skorygowany roczny przychód na poziomie 40 mld dol., lecz przy prognozowanej stracie operacyjnej sięgającej 14 mld dol. za sam 2026 rok. Roczny przychód spółki odpowiada zaledwie 6% rocznych nakładów kapitałowych hyperscalersów, co generuje istotną lukę w amortyzacji aktywów.

Kto rzeczywiście płaci za wzrost rachunków za prąd?

Gwałtowny rozwój centrów danych generuje skokowy wzrost zapotrzebowania na energię elektryczną, stawiając pod znakiem zapytania tradycyjny model socjalizacji kosztów sieciowych. Przedsiębiorstwa energetyczne przerzucają wydatki na budowę nowych elektrowni gazowych i linii przesyłowych na zwykłych odbiorców. W efekcie rachunki mieszkańców i lokalnych firm rosną, osłabiając rentowność biznesu.

Pobór mocy pojedynczego obiektu AI wynoszący dawniej od 1 do 2 MW ustępuje miejsca nowym wnioskom o przyłączenie przekraczającym 100 MW, a w skrajnych przypadkach sięgającym 1 GW. Projekt centrum danych Meta w Richland Parish (Luizjana) wymaga dostaw 2,2 GW mocy – to ilość dwukrotnie przewyższająca szczytowe zapotrzebowanie całego miasta Nowy Orlean. Aby zasilić ten obiekt, koncern Entergy rozpoczął budowę elektrowni gazowych oraz infrastruktury przesyłowej o wartości 3 mld dol..

Mechanizm przenoszenia tych kosztów na rynek opiera się na tradycyjnym modelu regulacyjnym: 1. Utajnione umowy specjalne (special contracts): Przedsiębiorstwa energetyczne zawierają z gigantami technologicznymi poufne porozumienia oferujące zniżkowe stawki za energię. 2. Socjalizacja nakładów sieciowych: Wydatki na nowe rozdzielnie, linie wysokiego napięcia oraz elektrownie są wliczane do ogólnej bazy kosztowej używanej do wyliczania taryf dla wszystkich odbiorców detalicznych (ratepayers). 3. Przesunięcie taryfowe: W przypadku Duke Energy w Karolinie ujawniono arbitraż taryfowy tworzący ukrytą subsydię w wysokości 325 mln dol., sfinansowaną przez pozostałych klientów sieci.

Erozyjny wpływ ulg podatkowych na budżety publiczne

Stany i samorządy lokalne oferują szerokie zwolnienia z podatku od sprzedaży oraz nieruchomości, aby przyciągnąć inwestycje w centra danych. Ulgi te projektowano dla minionej ery i obecnie doprowadzają do niekontrolowanego odpływu dochodów budżetowych. Koszt publiczny przypadający na jedno trwałe miejsce pracy w centrum danych często przekracza milion dolarów.

Analizy organizacji Good Jobs First wykazują, że 14 z 37 stanów oferujących zwolnienia z podatku od sprzedaży i użytkowania (sales and use tax) dla centrów danych w ogóle nie publikuje cyklicznych danych o poniesionych stratach budżetowych. W stanach prowadzących sprawozdawczość koszty te uległy wielokrotnemu zwielokrotnieniu:

• Georgia: Urząd skarbowy podniósł prognozę strat na rok budżetowy 2026 o 664% – do poziomu 2,5 mld dol. Skumulowana strata podatkowa stanu w latach 2025–2027 sięgnie 7,3 mld dol..
• Teksas: Prognoza corocznych ulg w podatku od sprzedaży wzrosła do 1,3 mld dol. w FY 2026 oraz 1,6 mld dol. w FY 2027. W latach 2025–2030 ubytek dochodów stanowych wyniesie 9 mld dol..
• Ohio: W maju 2026 roku ujawniono, że rzeczywista strata podatkowa w 2025 roku wyniosła 1,6 mld dol. – trzynastokrotnie więcej niż pierwotnie szacowane 135,8 mln dol. Obciążenie to zmusiło gubernatora do wstrzymania nowych wniosków o subsydia.
• Indiana: W latach 2019–2025 stan utracił 655,6 mln dol. w podatku od sprzedaży. Ponad 93% tej kwoty (611 mln dol.) trafiło do jednego podmiotu – Amazon.com.

Zwolnienia podatkowe kumulują się z lokalnymi ulgami w podatku od nieruchomości (property tax abatements). W stanie Oregon ulgi przyznane firmom Amazon, Apple, Alphabet oraz Meta w ramach programu Long-Term Enterprise Zone przyniosły tym podmiotom 615,8 mln dol. w latach 2016–2023, osiągając 233,3 mln dol. w samym roku 2025. Podobne zjawisko występuje w hrabstwie Mayes w Oklahomie, gdzie kompleks centrów danych Google uzyskał 363,5 mln dol. ulg majątkowych w latach 2013–2025.

Asymetria ta staje się widoczna w bilansie zatrudnienia. Budowa obiektu tworzy krótkotrwały popyt na pracę, natomiast gotowe centrum danych zatrudnia zaimplementowaną kadrowo obsługę na poziomie zaledwie 20 do 50 stałych pracowników.

Ryzyko finansowe, obciążenia sieci i wpływ na środowisko

Koncentracja obciążeń obliczeniowych tworzy bezpośrednie zagrożenia dla ciągłości dostaw energii, lokalnej gospodarki wodnej oraz stabilności finansowej. Wykorzystanie tymczasowych turbin gazowych i wysoka amortyzacja sprzętu obciążają otoczenie zanieczyszczeniami i hałasem. Ponadto szybkie starzenie się akceleratorów GPU rodzi ryzyko powstania aktywów osieroconych w segmencie obligacji.

Narastającym problemem finansowym staje się zabezpieczenie długu zaciąganego na zakup sprzętu. Sprzedawane obligacje zabezpieczane są procesorami GPU, które tracą wartość użytkową w ciągu kilku lat. Pożyczkodawcy finansują długoterminowym kapitałem aktywa o krótkim cyklu życia, co rodzi ryzyko braku refinansowania po wygaśnięciu pierwszych umów najmu. Rynki finansowe wyceniają koszt ubezpieczenia długu spółek kolokacyjnych przez kontrakty CDS (credit default swap) na wysokim poziomie – w przypadku podmiotu CoreWeave rynek wycenia prawdopodobieństwo niewypłacalności na ponad 60% w ciągu 5 lat, wymagając opłaty ubezpieczeniowej sięgającej 11% wartości długu rocznie.

Równolegle ujawniają się bariery fizyczne i środowiskowe: 1. Zużycie wody pitnej: Systemy chłodzenia wodnego w centrach danych wymagają znacznych wolumenów wody. Raport United Nations University wskazuje, że do 2030 roku roczne zużycie wody przez sektor AI dorówna podstawowym potrzebom życiowym 1,3 mld ludzi. Sam Google zaraportował roczne zużycie wody na poziomie 7 657,2 mln galonów, z czego 5 984,6 mln galonów stanowiła woda pitna. 2. Emisje zanieczyszczeń i przypadek xAI: W obiekcie Colossus w Memphis (należącym do xAI) zainstalowano 69 przenośnych turbin gazowych działających bez pozwoleń na emisję zanieczyszczeń powietrza. Zgodnie z pozwem NAACP turbiny te generują 26-krotnie więcej smogotwórczych tlenków azotu (NOx) niż pobliska elektrownia TVA, powodując szkody zdrowotne szacowane na 30 mln dol. rocznie. 3. Moratoria i opór społeczny: Szybki wzrost obciążeń wywołał sprzeciw społeczny. W 30 stanach USA wprowadzono ponad 225 lokalnych moratoriów na budowę centrów danych, a stany Nowy Jork oraz Teksas wdrożyły pierwsze ograniczenia na poziomie stanowym.

Wnioski practical i rekomendacje

• Zweryfikuj strukturę umów z dostawcami chmury i operatorami kolokacji pod kątem obecności klauzul przenoszących ryzyko cenowe energii elektrycznej (np. opłat typu take-or-pay, opłat wyjściowych i korekt taryfowych za przesył) bezpośrednio na klienta końcowego.
• Zmierz rzeczywisty poziom zużycia zasobów (wskaźniki PUE oraz WUE) oraz pochodzenie energii w centrach danych obsługujących Wasz stack aplikacyjny, wymagając od dostawców rozliczeń według marginalnych wskaźników emisji (marginal emission factors) zamiast średnich rocznych.
• Skonfiguruj procesy uczenia i wnioskowania modeli AI (inference) w sposób umożliwiający elastyczne przesuwanie obciążeń obliczeniowych (workload shifting) na godziny poza szczytem zapotrzebowania energetycznego, obniżając zmienne koszty operacyjne.
• Wdróż audyt stabilności lokalnej sieci energetycznej i ciągłości działania (business continuity) dla kluczowych węzłów infrastruktury IT, biorąc pod uwagę rosnące ryzyko przeciążeń przesyłowych oraz mikroawarii w rejonach zagęszczenia centrów danych.

Źródła

• Environmental and Economic Implications of Artificial Intelligence Data Centers in the United States – arXiv
• Even Cloudier with a Greater Loss of Spending Control: How Data Center Tax Abatements Undermine Public Budgets – Good Jobs First
• Extracting Profits from the Public: How Utility Ratepayers Are Paying for Big Tech’s Power
• Financing the AI infrastructure boom: on- and off-balance sheet borrowing – the BIS
• How AI Could Be Raising Your Energy Bill | Harvard Magazine
• New Report Examines How AI Data Centers Are Increasing Electricity Costs – Earthjustice
• The AI Infrastructure Supercycle: Where the Money Goes, and What Comes Back – Chainfir Capital
• Who Pays for AI’s Buildout? Inside Data Center Funding and Its Fallout