Globalne wydatki na centra danych mogą przekroczyć 2,1 bln dolarów w 2028 roku, czyli ponad dwukrotnie więcej niż prognozowany 1 bln dolarów w 2026 roku. Tak wynika z analizy BofA Global Research, której wyniki opublikował Reuters 23 października 2026 roku. Głównym motorem wzrostu ma być zapotrzebowanie na infrastrukturę sztucznej inteligencji. Na inwestycjach skorzystać mogą nie tylko producenci procesorów, ale również firmy dostarczające serwery, systemy chłodzenia i rozwiązania energetyczne.
Co dokładnie się zmieniło?
Bank of America przedstawił nowe prognozy dotyczące rozwoju globalnego rynku centrów danych.
Według analityków BofA Global Research wydatki na tę infrastrukturę mogą osiągnąć:
- 1 bln dolarów w 2026 roku,
- 2,1 bln dolarów w 2028 roku,
- 2,93 bln dolarów do 2030 roku.
Dla porównania wartość rynku w 2022 roku wynosiła około 275 mld dolarów.
Bank przewiduje, że w latach 2025–2030 średnioroczne tempo wzrostu rynku może osiągnąć 37%.
Najważniejszym czynnikiem napędzającym inwestycje jest rozwój sztucznej inteligencji, w szczególności rosnące zapotrzebowanie na moc obliczeniową potrzebną do trenowania i uruchamiania modeli AI.
Według analityków rozwój infrastruktury będzie generował coraz większe przychody nie tylko dla firm technologicznych, ale również dla tradycyjnych przedsiębiorstw przemysłowych.
Przedstawione kwoty są prognozami BofA, a nie potwierdzonymi przyszłymi wydatkami. Ich realizacja zależy między innymi od tempa wdrażania AI, dostępności infrastruktury i możliwości finansowania inwestycji.
Dlaczego firmy inwestują tak dużo w centra danych AI?
Rozwój generatywnej sztucznej inteligencji wymaga ogromnej mocy obliczeniowej.
Zaawansowane modele AI są trenowane na rozbudowanych klastrach procesorów graficznych, które wykonują dużą liczbę operacji matematycznych.
Po zakończeniu treningu modele nadal potrzebują infrastruktury do obsługi zapytań użytkowników, analizowania danych i wykonywania zadań.
Proces ten określa się jako inference, czyli wnioskowanie lub uruchamianie wytrenowanego modelu.
Wraz ze wzrostem liczby użytkowników ChatGPT, Gemini, Claude i innych rozwiązań AI rośnie zapotrzebowanie na zasoby potrzebne do obsługi ich działania.
Dodatkowym czynnikiem jest rozwój agentów AI.
W odróżnieniu od prostego chatbota, który odpowiada na pojedyncze pytanie, agent może wykonywać wieloetapowe procesy, wielokrotnie korzystać z modeli i uruchamiać dodatkowe narzędzia.
Takie zastosowania mogą zwiększać liczbę operacji obliczeniowych wykonywanych w ramach jednego zadania.
Dlatego rozwój AI wymaga inwestycji nie tylko w same modele, ale również w infrastrukturę umożliwiającą ich działanie na dużą skalę.
Ile kosztuje budowa centrum danych AI?
Jednym z najbardziej interesujących elementów analizy Bank of America są szacunki dotyczące kosztów infrastruktury.
Według BofA koszt centrum danych wynosi średnio około 49 mln dolarów w przeliczeniu na 1 MW mocy, przy czym wydatki związane z infrastrukturą IT odpowiadają za około 78% całkowitego kosztu.
Jeszcze droższe mają być wyspecjalizowane obiekty typu neocloud, których koszt analitycy szacują na około 57 mln dolarów na 1 MW.
Neocloud to określenie dostawców infrastruktury chmurowej skoncentrowanych przede wszystkim na udostępnianiu mocy obliczeniowej do zastosowań sztucznej inteligencji.
W przeciwieństwie do tradycyjnych centrów danych, takie obiekty mogą być projektowane specjalnie pod kątem intensywnej pracy procesorów wykorzystywanych do trenowania i uruchamiania modeli AI.
Na co przeznaczane są największe kwoty?
Według Bank of America największą część kosztów stanowią serwery i infrastruktura sieciowa.
Szacunkowe koszty w przeliczeniu na 1 MW wynoszą:
| Element infrastruktury | Koszt |
| Serwery | 31,4 mln USD |
| Infrastruktura sieciowa | 4,8 mln USD |
| Pozostałe elementy, m.in. zasilanie, generatory i chłodzenie | Od 100 tys. do 1,1 mln USD na kategorię |
Pozostałe wydatki obejmują między innymi rozdzielnice elektryczne, systemy dystrybucji energii, zasilanie awaryjne oraz urządzenia chłodzące.
Szacunki pokazują, że koszt uruchomienia infrastruktury AI wykracza daleko poza zakup procesorów graficznych.
Nie są to jednak uniwersalne ceny obowiązujące we wszystkich projektach. Rzeczywiste nakłady mogą zależeć od lokalizacji, typu sprzętu, skali inwestycji i sposobu zasilania.
Kto zarabia na boomie infrastrukturalnym AI?
Rozwój centrów danych jest często kojarzony przede wszystkim z producentami procesorów graficznych, takimi jak Nvidia.
Jednak według analityków Bank of America wzrost wydatków tworzy również możliwości biznesowe dla przedsiębiorstw działających w innych sektorach.
Najważniejsze obszary to:
Producenci procesorów i serwerów
Firmy dostarczające akceleratory AI, układy obliczeniowe i gotowe systemy serwerowe korzystają z rozbudowy infrastruktury potrzebnej do trenowania modeli oraz obsługi użytkowników.
Dostawcy infrastruktury sieciowej
Duże centra danych wymagają szybkiej wymiany informacji między tysiącami procesorów i serwerów. Rozwój klastrów obliczeniowych zwiększa więc znaczenie zaawansowanych rozwiązań sieciowych.
Producenci systemów chłodzenia
Praca dużej liczby procesorów generuje znaczne ilości ciepła. Utrzymywanie odpowiedniej temperatury staje się jednym z istotnych wyzwań technicznych.
Dostawcy infrastruktury energetycznej
Inwestycje obejmują również generatory, rozdzielnice, systemy zasilania awaryjnego i urządzenia służące do dystrybucji energii.
Firmy budowlane i inżynieryjne
Przygotowanie nowych obiektów wymaga prac budowlanych, instalacyjnych oraz rozbudowy infrastruktury technicznej.
Oznacza to, że rozwój AI może napędzać inwestycje także w sektorach, które nie zajmują się bezpośrednio tworzeniem modeli sztucznej inteligencji.
Energia i chłodzenie mogą ograniczać rozwój centrów danych
Wysokie prognozy inwestycyjne nie oznaczają, że wszystkie planowane centra danych zostaną uruchomione zgodnie z harmonogramem.
Jedną z największych przeszkód pozostaje dostęp do energii elektrycznej.
Obiekty obsługujące zaawansowane systemy AI potrzebują znacznych ilości energii do zasilania procesorów, pamięci, systemów sieciowych i chłodzenia.
W wielu regionach możliwości przyłączania kolejnych dużych odbiorców zależą od rozbudowy sieci elektroenergetycznych.
Dobrym przykładem są problemy projektu centrum danych Nscale w Loughton w Wielkiej Brytanii.
W październiku 2026 roku Microsoft wycofał się z umowy dotyczącej tej lokalizacji. Według doniesień Reutersa jednym z głównych problemów były opóźnienia w dostępie do odpowiedniej mocy energetycznej.
Przypadek ten pokazuje, że nawet duże inwestycje dysponujące finansowaniem i planowaną infrastrukturą obliczeniową mogą napotykać przeszkody niezwiązane bezpośrednio z technologią AI.
W kolejnych latach dostępność energii, możliwości chłodzenia i czas realizacji przyłączy mogą w coraz większym stopniu wpływać na lokalizację nowych centrów danych.
Czy inwestycje w AI przyniosą oczekiwany zwrot?
Prognoza Bank of America pokazuje skalę oczekiwań związanych z rozwojem sztucznej inteligencji.
Rosnące nakłady na infrastrukturę oznaczają jednak również zwiększającą się presję na ekonomiczną opłacalność całego sektora.
Budowa nowych centrów danych wymaga ogromnych wydatków, które firmy technologiczne muszą finansować z własnych środków, kredytów, inwestycji lub długoterminowych kontraktów.
W przyszłości infrastruktura ta powinna generować przychody wystarczające do pokrycia kosztów jej budowy, utrzymania i dalszej modernizacji.
Kluczowe stają się więc pytania:
- Czy zapotrzebowanie na usługi AI będzie rosło w tempie zakładanym przez analityków?
- Czy dostawcy modeli zdołają zwiększać przychody proporcjonalnie do kosztów infrastruktury?
- Jak szybko będzie poprawiać się efektywność obliczeniowa modeli?
- Czy rozwój nowych procesorów pozwoli ograniczać koszt realizacji pojedynczego zadania AI?
- Czy infrastruktura będzie wykorzystywana wystarczająco intensywnie, aby zapewniać oczekiwaną rentowność?
Są to pytania o przyszłą ekonomikę AI, a nie problemy rozstrzygnięte przez samą prognozę BofA.
Wysokie wydatki inwestycyjne nie muszą automatycznie oznaczać równie wysokich przyszłych zysków.
Co rosnące wydatki oznaczają dla użytkowników ChatGPT, Claude i Gemini?
Rozbudowa infrastruktury może w przyszłości zwiększać dostępność mocy obliczeniowej dla usług generatywnej sztucznej inteligencji.
Większa liczba centrów danych pozwala potencjalnie obsługiwać więcej użytkowników, rozwijać bardziej wymagające modele i uruchamiać nowe funkcje agentowe.
Nie oznacza to jednak, że ceny usług AI będą automatycznie spadać.
Na koszt korzystania z modeli wpływają zarówno wydatki na infrastrukturę, jak i efektywność obliczeniowa, konkurencja między dostawcami oraz przyjęty model biznesowy.
Przykładowo firma może obniżyć koszt wygenerowania odpowiedzi dzięki wydajniejszym procesorom, ale jednocześnie zwiększyć nakłady na trenowanie kolejnej generacji modelu.
Dla przedsiębiorstw wykorzystujących AI oznacza to potrzebę monitorowania cen usług i realnych kosztów automatyzacji.
Dlaczego firmy powinny mierzyć opłacalność wdrożeń AI?
Rosnące inwestycje w infrastrukturę nie są bezpośrednim miernikiem wartości AI dla konkretnego przedsiębiorstwa.
Dla firm korzystających z narzędzi sztucznej inteligencji znacznie ważniejsze pozostają rzeczywiste efekty biznesowe.
Przy ocenie wdrożenia warto analizować:
- koszt wykonania zadania przed automatyzacją i po niej,
- czas pracy zaoszczędzony dzięki AI,
- jakość wyników i liczbę niezbędnych poprawek,
- koszty korzystania z modeli, integracji i utrzymania rozwiązania,
- możliwość zwiększenia skali działalności bez proporcjonalnego wzrostu nakładów.
Takie podejście pozwala oddzielić rozwój technologii od realnej wartości, którą przynosi jej zastosowanie.
Co dalej?
Według prognoz Bank of America globalny rynek centrów danych może zbliżyć się do 3 bln dolarów w 2030 roku.
Realizacja tego scenariusza będzie zależała przede wszystkim od dalszego wzrostu zapotrzebowania na sztuczną inteligencję, dostępności finansowania i możliwości rozbudowy infrastruktury energetycznej.
W kolejnych latach warto obserwować nie tylko inwestycje największych dostawców technologii, ale również dane dotyczące wykorzystania mocy obliczeniowej, kosztów energii i rentowności usług AI.
Prognoza BofA pokazuje, że sztuczna inteligencja staje się jednym z najważniejszych czynników napędzających rozwój globalnej infrastruktury cyfrowej.
Jednocześnie skala wydatków sprawia, że coraz większego znaczenia nabiera pytanie nie tylko o to, jak szybko AI będzie się rozwijać, ale również czy ogromne inwestycje w jej zaplecze technologiczne przyniosą oczekiwane korzyści ekonomiczne.
Źródła do umieszczenia pod artykułem
- Reuters, 23.10.2026 – Data center spending to more than double to $2.1 trillion by 2028, BofA says. Główne źródło prognoz i danych kosztowych.
- MarketScreener / Reuters, 23.10.2026 – Data center spending to more than double. Przedruk depeszy z wyszczególnionymi kosztami infrastruktury.
