
Detta krävs för att bygga en AI-datahall
Elanslutningen är bara början. Den verkliga investeringen är en fabrik där processorer, kylning och kundavtal måste hålla samma takt.
En AI-datahall med 20 megawatts IT-effekt kan förbruka lika mycket el som en mindre svensk stad – och binda flera miljarder kronor i hårdvara som åldras betydligt snabbare än byggnaden. Här är tekniken, kalkylerna och riskerna bakom kapplöpningen om nästa generations beräkningskraft.
Uppläst av tidningens berättarröst
Det första man behöver för att bygga en AI-datahall är inte ett parti grafikprocessorer. Det är ett trovärdigt besked om när elektriciteten kan komma fram.
På situationsplanen kan allt se enkelt ut: en industrifastighet, en stationsbyggnad, några hallar, kylutrustning och stängsel. Men bakom den raka linjen till elnätet finns en kedja av transformatorer, ställverk, ledningskapacitet, tillstånd och investeringsbeslut. En färdig byggnad utan anslutning är ingen beräkningsfabrik. Den är en mycket dyr väntsal.
Microsofts svenska satsning ger en bild av skalan. I juni 2024 meddelade bolaget investeringar på 33,7 miljarder kronor i svensk moln- och AI-infrastruktur under två år. Planen omfattade bland annat att distribuera 20 000 avancerade grafikprocessorer vid anläggningar i Sandviken, Gävle och Staffanstorp. Det var ett investeringsbesked, inte en redovisning av färdigställd kapacitet, och beloppet kan inte översättas till ett rent byggpris per megawatt.
Bakom rubrikerna finns en mer krävande fråga: vad måste fungera för att investeringen ska ge avkastning? Svaret börjar med skillnaden mellan en fastighet och en teknikverksamhet.
1. Börja med megawatten – och skilj på IT och hela anläggningen
När ett projekt beskrivs som en datahall på 20 megawatt måste nästa fråga vara: 20 megawatt till vad? IT-effekt är elektriciteten som driver servrar, lagring och nätverk. Anläggningens totala effekt omfattar dessutom kylning och elektriska förluster samt övriga hjälpsystem.

Skillnaden beskrivs ofta med PUE, Power Usage Effectiveness: hela anläggningens energianvändning dividerad med IT-utrustningens. Ett PUE på 1,20 betyder att det går åt ytterligare 20 kilowattimmar för varje 100 kilowattimmar som IT-utrustningen använder. Det är ett energieffektivitetsmått, inte ett mått på hur mycket användbar AI som produceras.
Räkneexempel: En anläggning med 20 MW kontinuerlig IT-last och ett årsmedel-PUE på 1,20 använder ungefär 210 gigawattimmar per år: 20 × 1,20 × 8 760 timmar. Vid ett illustrativt sammanlagt rörligt elpris på 0,70 kronor per kilowattimme blir kostnaden cirka 147 miljoner kronor. Vid 1,20 kronor blir den cirka 252 miljoner. Nätets fasta avgifter och effektavgifter kan tillkomma beroende på hur prisantagandet definieras.
Detta är fullastscenarier, inte en prognos. Under inflyttning kan IT-lasten vara lägre och PUE sämre. Dimensionerande toppeffekt måste dessutom bedömas separat från årets energibalans.
Nätägaren behöver veta hur snabbt lasten ska växa, vilken driftsäkerhet som krävs och om förbrukningen kan begränsas vid vissa tillfällen. En stor anslutning kan kräva förstärkning i både lokal- och regionnät och ytterst påverkas av transmissionsnätet. En närbelägen kraftledning är därför inte ett bevis på att anslutningsbar kapacitet finns.
Väntetiden kan bli flerårig, men det finns ingen hederlig nationell standardsiffra. Ett projekt med tillgänglig kapacitet i en befintlig station har helt andra förutsättningar än ett som kräver ny ledning, markåtkomst och nätkoncession. Svenska kraftnäts anslutningsprocess visar varför utredning, avtal och genomförande måste behandlas som separata steg.
Reservkraft löser inte den normala nätanslutningen. Batteribaserad UPS håller systemen igång under korta avbrott och övergångar; generatorer kan ge längre uthållighet. Men generatorerna kräver bränslelogistik, provkörning och hantering av buller och utsläpp. Ett diesellager är ingen rimlig ersättning för en utebliven permanent elförsörjning.
Redundans kostar också. N+1 innebär förenklat en extra enhet utöver behovet; 2N innebär dubblerad kapacitet i det aktuella systemet. Två matningar är inte verkligt oberoende om de delar en kritisk station eller kabelsträcka.
2. Kylning, vatten och fiber avgör vad huset kan användas till
Nästan all elektricitet som servrarna tar in blir värme i anläggningen. Vid 20 MW IT-last måste därför ungefär 20 MW värme transporteras bort från utrustningen. Kylsystemet är inte ett tillbehör. Det är en del av datorn.

Luftkylning fungerar genom att kall luft förs genom servrarna och varm luft hålls åtskild, exempelvis med inneslutna kalla eller varma gångar. Men när effekten koncentreras till små ytor blir luftflödena, fläktenergin och temperaturfördelningen allt svårare att hantera.
Nvidias specifikation för DGX B200 illustrerar utvecklingen: systemet har åtta Blackwell-GPU:er, sammanlagt 1 440 GB GPU-minne och en maximal systemeffekt på omkring 14,3 kW. Fyra sådana system ger 57,2 kW före separat nätverksutrustning. Det är en räkneillustration, inte en rekommenderad rackkonfiguration; vikt, utrymme, elmatning och luftflöde måste också fungera.
Vid högre täthet blir direkt vätskekylning allt viktigare. Vätska passerar kylplattor på de hetaste komponenterna och lämnar värmen via värmeväxlare. Andra delar kan fortfarande luftkylas. Hela kretsen kräver pumpar, filtrering, vattenkvalitet, läckagedetektering och tydliga serviceprocedurer.
Vätskekylning betyder inte automatiskt stor vattenförbrukning. En sluten intern krets kan återanvända samma vätska. Förbrukningen avgörs i hög grad av hur värmen sedan avges utomhus: med torrkylare, kylmaskiner, evaporativa system eller en kombination. Evaporativ kylning kan spara el men förbrukar vatten. Torrkylning kan minska vattenbehovet men kräva större utrustning eller mer energi under varma perioder.
Nordiskt klimat hjälper genom fler timmar med gynnsam utetemperatur. Ändå ska anläggningen klara sommarens dimensionerande förhållanden, inte bara en kall novemberdag. Vattenuttag, reservvatten och eventuell påverkan på kommunal försörjning måste utredas lokalt.
Marken behöver tåla tunga installationer och ge plats för stationer, reservkraft och framtida expansion. Översvämningsrisk, geoteknik, bulleravstånd och transporter kan göra billig mark dyr. Inne i huset tillkommer bärighet, brandskydd, sektionering och skydd mot obehörigt tillträde.
Fiber ska helst komma från olika håll via verkligt separata stråk. Två operatörer kan annars visa sig använda samma kanalisation. För träning av stora modeller är nätverket mellan acceleratorerna särskilt kritiskt: processorer som väntar på varandra producerar ingen motsvarande nytta. Låg latens och hög bandbredd inne i klustret är därför en betydande investering.
För användarnära AI-tjänster spelar även avståndet till kunden roll. Ljuset färdas i fiber ungefär 200 kilometer per millisekund. En tusen kilometer lång fibersträcka ger därför minst omkring tio millisekunder tur och retur, innan omvägar och nätutrustning räknats in. Det kan vara obetydligt för en nattlig analys, men viktigt för interaktiva system.
3. Två investeringar: en långlivad anläggning och kortlivade datorer
Frågan ”vad kostar en megawatt?” är ofullständig. Ingår mark, nätanslutning, byggnad och kylning? Ingår dessutom servrar, lagring, switchar, programvara och finansiering under byggtiden? Är megawatten installerad IT-effekt eller hela anläggningens anslutning?

För att synliggöra ekonomin använder vi en modellkalkyl. Beloppen nedan är uttryckliga antaganden, inte observerade svenska genomsnitt eller leverantörsofferter.
Fast infrastruktur: Anta 120 miljoner kronor per MW IT-kapacitet för mark, byggnad och tekniska installationer inom en definierad projektgräns. För 20 MW blir det 2,4 miljarder kronor. Stora externa nätförstärkningar kan ligga utanför kalkylen och måste kontrolleras särskilt.
IT-utrustning: Anta ytterligare 300 miljoner kronor per MW för acceleratorservrar, nätverk och lagring. Då binds 6 miljarder kronor i IT. Den verkliga nivån är starkt beroende av GPU-generation, inköpsvillkor, minnesmängd och nätverksarkitektur.
Total startinvestering: I modellen blir summan 8,4 miljarder kronor före vissa finansieringskostnader, rörelsekapital och projektspecifika tillägg. Att hårdvaran dominerar är här en konsekvens av antagandena, inte en universell regel för datahallar.
Skillnaden i livslängd är avgörande. Om infrastrukturen förenklat skrivs av över 20 år blir avskrivningen 120 miljoner kronor per år. Om IT-utrustningen skrivs av över fyra år blir motsvarande belopp 1,5 miljarder. Lägg till modellens elräkning på 147 miljoner och man passerar 1,76 miljarder kronor årligen innan personal, underhåll, försäkring, programvara, ränta och avkastningskrav.
Avskrivning är inte en kontant utbetalning samma år. Men den synliggör behovet att tjäna tillbaka en investering innan utrustningen förlorar sitt ekonomiska värde.
Fyra år är inget naturgivet facit. Alphabet förlängde 2023 den uppskattade nyttjandeperioden för servrar och viss nätverksutrustning till sex år. Det säger något om bolagets redovisningsbedömning för stora tillgångsgrupper, inte att varje AI-accelerator förblir konkurrenskraftig i sex år. Ekonomisk livslängd beror på vilka arbetsuppgifter den kan säljas till.
En datahall kan ha trettio år kvar som byggnad och samtidigt behöva byta ut sin viktigaste produktionsutrustning.
Finansieringen måste därför delas upp. Lång fastighetsfinansiering och kortare hårdvarufinansiering har olika risker. Den som matchar ett tioårigt kundlöfte med en enda GPU-generation kan underskatta framtida återinvesteringar kraftigt.
4. Intäkterna: hyr man ut golv, megawatt eller intelligens?
En kolokaliseringsoperatör säljer vanligen plats, effekt, kylning och anslutningar. Kunden äger normalt datorerna. Ett GPU-moln köper däremot hårdvaran och säljer beräkningskapacitet. En leverantör av AI-tjänster går ytterligare ett steg och tar betalt för exempelvis API-anrop, tokens eller ett färdigt arbetsflöde.
Det är tre olika affärer. Kolokalisering liknar infrastrukturtjänster med hög kapitalkostnad och långa relationer. GPU-uthyrning utsätts för hårdvarans värdefall. AI-tjänster kan få högre intäkt per använd beräkning men kräver programvaruutveckling, kundsupport och kontroll över modellernas kvalitet.
GPU-kalkyl: Anta ett fullt utrustat kluster med 1 024 GPU:er, totalt investerat kapital på 500 miljoner kronor, fyra års ekonomisk livslängd och 30 miljoner i årliga kontanta driftskostnader. Utan restvärde blir avskrivning och drift tillsammans 155 miljoner kronor per år, före finansiering och vinst.
Vid 70 procents fakturerad beläggning säljs cirka 6,28 miljoner GPU-timmar per år. Då behövs omkring 24,70 kronor per GPU-timme bara för att täcka dessa poster. Vid 40 procents beläggning stiger motsvarande nivå till cirka 43,20 kronor. Detta är en känslighetsanalys, inte ett aktuellt marknadspris.
Beläggning måste definieras noggrant. Bokade timmar, fakturerade timmar och faktiskt effektivt GPU-arbete är olika saker. Ett långt avtal med reserverad kapacitet kan skydda leverantörens intäkt även när kunden inte utnyttjar allt. Det skyddar inte automatiskt mot kundens betalningsproblem.
Långa AI-avtal kan därför underlätta finansiering, men investeraren måste läsa detaljerna: minimiersättning, uppsägningsrätt, leveransförseningar, elprisindexering och krav på framtida processorbyten. Ett högt annonserat kontraktsvärde är inte detsamma som säker vinst.
Spillvärme ger en möjlig sidoinkomst. Stockholm Exergis Öppen Fjärrvärme visar att det finns en etablerad svensk modell för att köpa överskottsvärme, bland annat från datahallar. Men kalkylen kräver närhet till ett användbart nät, rätt temperaturer och ett ekonomiskt avtal.
Värmeexempel: Om 10 MW levereras under 4 000 ekvivalenta fullasttimmar blir mängden 40 GWh. En antagen nettoersättning på 0,10 kronor per kWh ger fyra miljoner kronor årligen. Det är inte en uppgift om Exergis pris, utan en illustration av storleksordningen. Värmepumpar, anslutning och säsongsvariation kan ändra utfallet. Värmeintäkten är värdefull, men räddar inte en svag GPU-affär.
5. Varför alla vill bygga – och vad Sverige faktiskt erbjuder
Den grundläggande efterfrågan är verklig. IEA uppskattade i rapporten Energy and AI att världens datahallar använde omkring 415 TWh el 2024, cirka 1,5 procent av global elanvändning. I rapportens basscenario stiger nivån till omkring 945 TWh 2030. AI är den viktigaste drivkraften bakom ökningen, men siffrorna omfattar alla datahallar, inte bara AI.
Prognosen är inte ett facit. Effektivare modeller och processorer kan minska energibehovet per uppgift, medan lägre kostnad kan göra att betydligt fler uppgifter utförs. Osäkerheten handlar både om användningen och om hur snabbt infrastrukturen kan byggas.
Hyperscalers har dessutom strategiska skäl att investera före säkra intäkter. Den som saknar kapacitet kan förlora molnkunder, utvecklare och marknadsposition. Att äga beräkningsinfrastruktur kan ge kontroll över produktutveckling och minska beroendet av andra leverantörer.
Stater ser samtidigt beräkningskapacitet som forskningsinfrastruktur, säkerhetspolitik och industripolitik. Offentliga satsningar kan ge forskare och mindre företag tillgång till system de aldrig skulle kunna köpa själva. Men samhällsnytta och kommersiell avkastning är olika mått. En subventionerad forskningsdator behöver inte validera kalkylen för ett privat GPU-moln.
Sverige och Norden erbjuder ett svalt klimat och elsystem med stora inslag av fossilfri produktion. Sverige har dessutom ett etablerat fjärrvärmesystem och industriell kompetens kring el och automation. Microsofts investering visar att dessa fördelar kan attrahera stora internationella aktörer.
Ändå är ”svensk el” ingen enhetlig produkt. Pris, tillgänglig effekt och nätbegränsningar skiljer sig mellan platser och elområden. Ett långt elavtal kan stabilisera inköpspriset men skapar inte fysisk nätkapacitet. Det tar inte heller nödvändigtvis bort skillnaden mellan kontraktets prisreferens och kostnaden där anläggningen faktiskt förbrukar el.
Kommunens kalkyl måste också skiljas från investerarens. Byggfasen kan ge betydande aktivitet, medan den permanenta driften kan vara mindre personalintensiv än traditionell industri. Den relevanta jämförelsen gäller arbetstillfällen, skattebas, flexibilitet och strategisk nytta per knapp megawatt – inte bara investeringens rubrikbelopp.
6. Går hallen att uppgradera när processorerna blir bättre?
Ja, men bara inom de fysiska gränser man har byggt för. Det är lättare att byta en server än att byta en underdimensionerad transformator eller få fram större rör genom en hall som är i drift.

En byggnad kan användas i flera årtionden, medan ställverk, kylmaskiner och reservkraft har egna underhålls- och förnyelsecykler. GPU:er konkurrerar däremot på prestanda per krona och watt. En fungerande accelerator kan bli olönsam för den mest krävande träningen men fortsätta vara användbar för inferens, mindre modeller eller batchjobb.
Minnet är en särskild begränsning. GPU:ernas högbandbreddsminne, HBM, är normalt integrerat i acceleratorpaketet och uppgraderas inte som vanliga minnesmoduler i en kontorsdator. Mer kapacitet kan kräva nya acceleratorer och ibland nya servrar, nätverkslösningar och kylsystem.
Täthetsproblemet: Om en hall kan leverera 20 MW totalt men dess rackplatser är byggda för 15 kW vardera kan den inte utan vidare fyllas med system som kräver 60 kW per rack. Den sammanlagda effekten räcker kanske på papperet, men lokal eldistribution och kylning gör det inte.
Framtidssäkring betyder därför reservutrymme i stationer, planerade rörvägar, tillräcklig golvbärighet och möjlighet att bygga avskilda kylzoner. Det betyder också att vissa komponenter måste kunna ersättas utan att resten av kundernas drift stoppas.
Att överdimensionera allt från början är dock inte gratis. Tom reservkapacitet binder kapital och kan ge sämre effektivitet vid låg belastning. Etappvis utbyggnad är ofta ett mer robust angreppssätt: säkra mark och expansionsmöjligheter tidigt, men installera delar av utrustningen när efterfrågan är bättre belagd.
7. Överetablering: när kapaciteten är verklig men vinsten försvinner
Fiberboomen kring millennieskiftet visar att en riktig teknisk revolution kan förenas med dåliga investeringar. Internettrafiken växte, men många finansiärer hade överskattat hur snabbt enskilda nät skulle fyllas och vilka priser kapaciteten kunde bära.

AI-infrastruktur har en liknande risk, med ett extra problem: acceleratorer åldras ekonomiskt snabbare än nedgrävd fiber. En felplacerad hall kan stå tom. En felinköpt GPU-flotta kan däremot tappa värde medan den fortfarande används.
”Datahallsinflation” kan därför betyda två saker samtidigt. Brist på transformatorer, entreprenörer och anslutningar kan pressa upp byggkostnaderna. Senare kan ett stort utbud av beräkningskraft pressa ned hyrpriserna. Kombinationen är farlig för den som köper dyrt och säljer på korta kontrakt.
Marknaden är dessutom lokal och tekniskt uppdelad. Det kan råda brist på högdensitetskapacitet med fungerande vätskekylning samtidigt som äldre luftkylda ytor står lediga. Låg hyra hjälper inte om kundens system inte går att installera där.
Varningssignalerna finns därför i detaljerna: projekt utan bindande nätlösning, intäktsprognoser som bygger på oförändrade GPU-priser, stort beroende av en enda kund och antaganden om nästan full beläggning från första dagen. Avsiktsförklaringar bör inte behandlas som finansieringsbara hyresavtal.
Konkurrensen om el förstärker risken. Datahallar delar nätutrymme med elektrifierad industri, transporter och bostäder. Flexibel AI-träning kan ibland flyttas i tid, men kundkrav, dyr hårdvara och stora lagrade datamängder begränsar flexibiliteten. Det är ingen gratis lösning på ett pressat elsystem.
Det centrala stresstestet är enkelt att formulera: överlever projektet lägre beläggning, billigare konkurrerande GPU-timmar, dyrare el och ett tidigare hårdvarubyte – samtidigt?
8. När en egen AI-dator är det bättre valet
Alla AI-uppgifter behöver inte en datahall. Mindre språkmodeller, bildanalys och dokumentbearbetning kan köras på en arbetsstation eller en liten lokal server. För ett företag med jämn belastning och känsliga data kan det vara både billigare och enklare att kontrollera.

Minnet sätter gränser. En modell med åtta miljarder parametrar kräver teoretiskt omkring fyra gigabyte för själva vikterna vid fyra bitar per parameter. I praktiken tillkommer bland annat kvantiseringsmetadata, arbetsminne och den växande kontextcachen. Siffran är därför en matematisk nedre storleksordning, inte ett löfte om att hela tjänsten ryms i fyra gigabyte.
Lokal kalkyl: Anta en arbetsstation för 60 000 kronor, tre års användning och 5 000 kronor per år för el, service och övrigt. Årskostnaden blir cirka 25 000 kronor före arbetstid. Om en funktionellt jämförbar molnresurs kostar 20 kronor per timme nås samma kostnad vid 1 250 timmar per år, ungefär 24 timmar per vecka.
Alla dessa priser är modellantaganden. Jämförelsen gäller bara om den lokala datorn klarar samma arbetsuppgift med acceptabel svarstid och kvalitet. En GPU-timme är ingen standardiserad produkt över olika processorer och modeller.
Molnet är starkare när behovet är tillfälligt, varierar kraftigt eller kräver många acceleratorer samtidigt. Den egna datorn är starkare när lasten är förutsägbar och man verkligen använder investeringen. Administration, säkerhetsuppdateringar, backup och avbrott måste räknas in – annars jämförs en komplett tjänst med enbart en inköpt maskin.
Lokal drift kan minska behovet att skicka känsliga data utanför organisationen. Den skapar däremot inte automatiskt god informationssäkerhet eller regelefterlevnad. Även den egna servern behöver åtkomstkontroll, loggning och en ansvarig förvaltning.
För många verksamheter blir den rimliga lösningen en blandning: små återkommande uppgifter lokalt, större toppar i molnet och reserverad kapacitet när användningen blivit stabil.
Samma princip gäller den stora investeraren. Bygg inte för att ordet AI står på kundens presentation. Bygg när nätanslutningen, kylningen, hårdvarans livslängd och betalningsviljan bildar en sammanhängande kalkyl. Det knappa är inte alltid beräkningskraft. Det är beräkningskraft på rätt plats, vid rätt tidpunkt, till en kostnad någon faktiskt vill betala.
Källor
- International Energy Agency, Energy and AI (2025)
- Microsoft, Microsoft announces largest investment to date in Sweden, including a skilling commitment to empower 250,000 people with AI skills (2024)
- NVIDIA, NVIDIA DGX B200 (2024–2025)
- Svenska kraftnät, Anslut till transmissionsnätet
- Stockholm Exergi, Öppen Fjärrvärme
- Alphabet Inc., Alphabet 2023 Annual Report (2024)
- Aaron Grattafiori med flera, The Llama 3 Herd of Models (2024)
Ställ frågor om "Detta krävs för att bygga en AI-datahall". Svaren bygger på tidningens egna artiklar.



