Aastaid oli AI infrastruktuuri kohta kehtinud eeldus, mida oli lihtne aktsepteerida. Tõeliselt suurt arvutusvõimsust hakati ehitama seal, kus juba olid kogunenud hüpermastaapsed pilveteenused, arendajate tihedus ja kapital: California, Seattle, London ja väike ring kindlalt välja kujunenud tehnoloogiakeskusi.
Selle geograafilise paigutuse taga oli praktiline põhjus. Suurte masstõlgenduste (AI) treenimine ja kasutuselevõtt nõuab koos toimivaid andmeseadmeid, arvutusvõimsust, võrguteenuseid, energiat ja täiustatud infrastruktuuri. OECD analüüs märgib, et see on sunnitud AI-firmasid teenuste kasutamisele suurimate pilveteenusepakkuja poolt. Aeglaselt muutus see sõltuvus turukoncentraksiooniks. 2025. aasta kolmandas kvartalis määras Synergy Research Group Amazoni, Microsofti ja Google’i ühise osakaalu globaalses ettevõtluspilveteenuste infrastruktuurikulutustes 63 protsendiks.
See loogika näeb nüüd vähem vastupidavamana. Arvutusvõimsus muutub kallimaks, energiamahukamaks ja raskeks ligipääseda väljaspool väikest hulka domineerivaid pakkujaid. Arendajad hakkavad silmitsi seisma küsimustega, millele hüpermastaapsed pilveteenused neile seni peaaegu ei andnud tähelepanu. Kust tuleb energia? Kas mikrokiibid saab importida sellesse jurisdiktsiooni? Milliste riikide seadused kohalduvad andmetele, kui need liiguvad?
Nende küsimuste vastused leiab nüüd erinevatest kohtadest ning enamik neist ei asu Silikoonorgus.
Mida puudus õpetab
Kujunenud pilveteenuste turgudel on tõusva AI nõudlusele tüüpiline vastus lisada rohkem võimsust suuremate pilveteenuste lepingute, tihedama andmeseadmete ehituse ja sügavama sõltuvuse kaudu samast tsentraliseeritud tehnoloogiast.
See vastus muutub aga raskemaks skaalata. Andmeseadmed tarbisid 2024. aastal umbes 1,5 protsenti maailma elektrienergiast – piisavalt, et muuta energiat üheks survepunktiks AI infrastruktuuris. Rahvusvaheline Energiaagentuur ooteb, et see osakaal tõuseb 2030. aastaks alla 3 protsendi, muutes arvutusvõimsuse raskemaks käsitleda kui peidetud kihti AI toodete taga.
Paljudes arengumaades oli see surve juba alguspunktiks. Sealsetele arendajatele ei olnud tihti antud võimalust vaadata arvutusvõimsuse ligipääsu, energiat ja jaotust kui kellegi mu tegevust; nad pidid sellele ise projektima. Selle tulemusena tekib vaiksem mustr, millele Silikoonorgus ei pöörata palju tähelepanu: tõeliselt tõhusat AI infrastruktuuri ehitatakse nüüd kohtades, kus puudus käsitletakse kujundusprobleemina, mitte kõrvalmõjuna.
Kuidas see praksises välja näeb
See muster on kõige selgemalt näha neljas piirkonnas.
India, Yotta Data Services käitab Shakti Cloudi üle 16 000 NVIDIA H100 GPUga ja on plaanis selle ligikaudu kahekordistada 2025. aasta lõpuks. Üle poole IndiaAI Missioni taga olevast arvutusvõimsusest – valitsuse algatus endi põhimudelite loomiseks – asub Yotta riistvaral. 2026. aasta veebruaris liikus riiklik mitmekkeelne platvorm BHASHINI välismaiste hüpermastaapsete pilveteenuste pakkujate käest Shakti Cloudile, saavutades samasuguse jõudluse tõusu umbes 40 protsenti. BHASHINI teostab reaalajas tõlgendust 11 india keeles rahva tasandil; selle platvormi haldajad otsustasid, et infrastruktuur, mille üle nad ei saa kontrollida, ei ole sobiv koht selle paigutamiseks.
Aafrikas, Zimbabwe päritolu ettevõtja Strive Masiyiwa asutatud Cassava Technologies paigutab 12 000 NVIDIA GPU-d andmeseadmetesse Lõuna-Aafrikas, Egiptuses, Kenyas, Marokos ja Nigeerias. Cassava on esimene NVIDIA pilveteenuse partner Aafrikas; enne seda ehitust hinnatas NVIDIA, et kogu Aafrika kontinent oli varustatud umbes 80 NVIDIA GPU-ga. Piirang ei olnud ainult arvutusvõimsuse hind, vaid ka täiustatud silikooni algtasandil puudumine. Cassava reageerimine on üle-Aafrikaline võrk, mis töötab oma kiudoptilisel tagasillal, nii et Aafrika algatusettevõtted, teadlased ja valitsused ei pea AI mudelite treenimiseks ja kasutuselevõtuks läbi suunama Euroopasse või Ameerika Ühendriikidesse.
Braasiliast, valitsuse SoberanIA projekt reserveerib Piauí osariigis suveräänse AI tehase jaoks 500 MW, mille tootmiseks kasutatakse täielikult taastuvaid energiavälju, ning Scala Data Centers on juhtiv infrastruktuuripartner. Braasilia on kohustunud atrakteerima järgmise kümnendi jooksul kuni 370 miljardit USA dollarit andmeseadmete investeeringuid, mis on seotud REDATA programmi maksusoodustustega projektidele, mis kasutavad 100 protsenti taastuvaid energiavälju. Umbes 65 protsenti Braasilia andmetest salvestatakse ikka välismaal. Panus on see, et rikkalik hüdroelektri- ja päikeseelektritootlus annab Braasilias sellise arvutusvõimsuse, mille Ameerika Ühendriigid ja Hiina peavad raskemini ehitama – loomupäraselt puhas ja geograafiliselt odav.
Ühinenud Araabia Emiraadid valivad kõige kallima tee. Core42, mis kuulub G42 gruppi, müüb järeldusvõimsust (inference capacity) segatud NVIDIA ja Qualcomm kiipidega Abuu Dhabis ja riik on kohustunud koos Ameerika Ühendriikidega rajada 10 ruutmiili suurune, 5 gigavattine AI kampus, mille esimesed osad peaksid olema aastatuhande lõpuks osaliselt töös. Emaraatide pakkumine on lihtne: riigid, kes soovivad suveräänset AI-d, kuid ei suuda ise aluseks olevat tehnoloogiat ehitada, saavad rentida selle sõbralikult suhtleva valitsuse käest. Middle East Institute kirjeldab seda kui intuitsioonikat vertikaalset integreerimist – omades kiipe, energiat, andmeseadmeid ja välisühendeid ühes komplektis.
Need projektid ei jagagi poliitilist orientatsiooni ega omanikumudelit. Mida nad ühendab, on lähtepunkt, mille kohaselt arvutusvõimsuse ligipääs, energia, maatükk ja mikrokiipide tarned on esmatähtsad kujundusprobleemid, mitte kõrvalmõjud. See lähtepunkt toob kaasa teistsuguse infrastruktuuri.
Miks järeldusvõimsus (inference) muudab kaarti
Suurte mudelite treenimine nõuab ikka veel tihedaid klustreid, suuri kapitalieelarveid ja ligipääsu täiustatud kiipidele. See töö ei tõenäoliselt jõua varsti välja suurtest hüpermastaapsetest andmeseadmetest.
Järeldusvõimsus (inference) on aga teistsugune probleem. Mudeleid kasutatakse pidevalt klientide, seadmete, agentide ja ettevõtlussüsteemide poolt. McKinsey ooteb, et järeldusvõimsus ületab AI andmeseadmetes treenimise 2030. aastaks, moodustades rohkem kui poole AI arvutusvõimsusest ja umbes 30–40 protsenti kogu andmeseadmete nõudlusest.
Järeldusvõimsus seab teistsuguseid küsimusi kui treenimine. Mitte see, kus suurim klaster ehitada saab, vaid pigem kus arvutusvõimsus peaks asuma, kui kiiresti see reageerida saab, kui usaldusväärselt töökoormad suunata saab ja milliste riikide seadused kohalduvad andmetele nende liikumise ajal. Neile küsimustele on geograafilised vastused, mida hüpermastaapsed koncentratsioonid ei suuda hästi lahendada, eriti miljardite inimeste jaoks, kes ei ela USA või Euroopa andmeseadmete kergesti saavutataval viivitusel.
Järeldusvõimsuse nõudlusele vajalik arvutusvõrgustik on laiem, kui üksi hüpermastaapsed pilveteenused pakkuda suudavad. Jaotatud GPU-võimsus, piirkondlikud järeldusklustrid, suveräänsete pilvede ja uute „neopilvede“ (neoclouds) tekkimine Mumbai, Nairobi, São Paulo ja Abuu Dhabis ei asenda hüpermastaapsi pilvi. Need ongi just see kiht, mida hüpermastaapsed pilveteenused üksi ei suuda teenida.
Mida see kaardile tähendab
Vanale AI infrastruktuuri kaardile joonistati kohtade järgi, kus pilveteenuste võimsus oli juba kogunenud. See kaart oli mõistlik, kui arvutusvõimsust käsitleti odavana ja üleliialisena.
Järgmine kaart näeb erinevalt välja. Seda joonistatakse kohtade järgi, kus on õppinud ehitama siis, kui arvutusvõimsus oli kallis ja strateegiline ning kus küsimus sellest, kes kontrollib tehnoloogilist paki, ei olnud kunagi teoreetiline. Ettevõtted ja valitsused, kes seda tööd teevad, ei ole Silikoonorgusse jõudmisel järel; nad jõudsid probleemi juurde esimesena, sest nad pidid seda tegema.
—-
Ilman Shazhaev on Dizzaracti, Abu Dhabis asuva AI infrastruktuuri ettevõtte, asutaja ja tegevjuht. Ta on ÜRO/ÜRO Narkootikute ja Kuritegevuse Vastase Büroo (UNODC) ekspertkomisjoni liige, kes annab nõu AI rakenduste kohta arengumaades, ja on autoriks 46 teaduslikule artiklile ning 10 registreeritud leiutuspatendile.
