This article has been translated from English to Tagalog.
Last year, nagawa ni Elon Musk ang isang bagay na di pa nagagawa sa Memphis, Tennessee.
Nagtayo siya ng isa sa pinaka-malalakas na AI supercomputers (100,000 cutting-edge GPUs) sa loob lamang ng ilang buwan.
Pero eto ang twist: hindi niya hinintay ang local utility na i-connect ito sa power grid. Sa halip, nag-park siya ng fleet ng mobile generators on-site at pinaandar agad ito.
Hindi ito backup plan. Ito ang planong talaga.
At nagiging normal na ito sa buong AI industry.
Bakit Mas Mahalaga Ang Bilis Kaysa Kahusayan
Nandito ang numero na nagpapaliwanag kung bakit willing si Musk, at ang iba pang tech giants, na gawin ang kahit ano para makakuha agad ng power: $12 million per megawatt, per year.
Iyan ang estimated annual revenue na kayang i-generate ng isang megawatt ng AI computing capacity.
Sa isang 100-megawatt data center campus, pinag-uusapan natin ang $1.2 billion sa potensyal na taunang kita.
Ngayon, isipin mo ito: ang average na oras ng paghihintay para makonekta ang bagong data center sa electrical grid sa Estados Unidos ay 8+ years.
Mag-math ka. Isang taong delay para sa 100 MW facility? Iyan ay halos $1 billion in lost revenue.
Limang taon na delay? Napanood mo na lang ang $5 billion na mawala habang naghihintay ka sa mga utility bureaucrats na magproseso ng paperwork.
Biglang, ang pagbabayad ng premium para sa mamahaling, fuel-hungry generators na pwedeng mag-operate sa loob ng ilang linggo sa halip na taon ay hindi mukhang baliw.
Ang “inefficiency penalty” pwedeng magastos ka ng $500,000 kada megawatt taun-taon sa dagdag na gastusin sa fuel, pero kumikita ka ng $12 million. Ang pagkakaiba ay di kapanipaniwala.
Kaya ang mga tradisyunal na metrics tulad ng “cost per kilowatt-hour” at “thermal efficiency” ay itinapon na sa bintana. Sa AI era, isa lang ang mahalagang metric: time to power.
Time to Power ay ang oras na kailangan para makuha ng bagong data center ang kinakailangang kuryente mula sa grid. Ang prosesong ito ay maaaring umabot ng buwan o kahit taon, na nagdudulot ng delays at dagdag na gastos para sa mga kumpanyang naghihintay na maging fully operational.
Bakit Hindi Makasabay ang Grid
Ang electrical grid ng U.S. ay dati nang nababanat. Ang demand ng AI lang ang nag-expose kung gaano talaga ito hindi handa.
Ang demand side ay sumasabog. Isang tradisyunal na server rack sa data center ay gumagamit ng mga 5-10 kilowatts ng kuryente. Isang AI rack na puno ng pinakabagong chips ng NVIDIA? Subukan ang 60-132 kilowatts o higit pa. Pinag-uusapan natin ang 10-20x ang power density sa parehong physical footprint!
Ang supply side ay bumabagsak. Ang mga lumang coal plants ay mas mabilis na nireretiro kaysa sa mga bagong generation na pumapasok online. Ang mga electrical transmission lines na nagkokonekta sa mga power plants sa mga lungsod ay maxed out na. At ang regulatory approval process para sa bagong infrastructure ay gumagalaw sa napakabagal na pace….na sinusukat sa TAON, hindi buwan.
Ang resulta? Isang malawak, multi-year bottleneck.
Ang mga utility companies ay may “interconnection queues” na may mga waiting lists na mapapahiya ang DMV. Ang mga proyektong nag-submit ng applications noong 2018 ay naghihintay pa rin ng approval sa 2026!
Para sa isang hyperscaler tulad ng Amazon, Google, o Microsoft na nakikibahagi sa isang existential na labanan para sa AI dominance, ang timeline na ito ay ganap na hindi katanggap-tanggap.
Ang paghihintay ng limang taon para sa power habang ang iyong kakumpitensya ay pinapaandar na ang kanilang AI infrastructure ngayon ay isang death sentence.
Ang Di-Pangkaraniwang Solusyon
Kaya ano ang gagawin mo kapag hindi mo makuha ang power mula sa grid? Simple: dadalhin mo ang power plant sa’yo.
Nagdulot ito ng isa sa pinaka-kagiliw-giliw na supply chain pivots sa modernong kasaysayan ng industriya. Ang mga tech companies ay nagso-source ng power generation equipment mula sa mga pinaka-hindi inaasahang lugar.
Narito ang isang halimbawa: jet engines.
Oo, ang parehong turbine technology na nagpapalipad ng Boeing 767 sa Atlantic ay ini-modify para makapag-generate ng kuryente para sa AI training clusters.
Ang mga aerospace-derived generators na ito ay maaring mai-install at operational sa fraction ng oras na kailangan para makuha ang grid connection approval.
Pero simula pa lang ito. Ang mga data centers ay gumagamit din ng equipment na orihinal na dinisenyo para sa oil fields, ocean vessels, at industrial facilities.
Tecnologies na hindi sinadya para sa layuning ito ngunit nagkataon na meron ang isang mahalagang katangian: bilis.
Hindi ito eleganteng solusyon. Hindi rin ito mura. Madalas itong gumamit ng mas maraming fuel at naglalabas ng mas maraming carbon kaysa sa tradisyunal na grid power. Pero mayroon itong isang labis na kalamangan: maaaring ma-deploy sa LOOB NG MGA BUWAN, hindi taon.
At sa isang industriya kung saan ang bawat buwan ng delay ay nagkakahalaga ng sampu o daan-daang milyong dolyar, ang bilis na iyon ay halos kahit anong presyo ay sulit.
Ang AI Trade na Naliligtaan Mo
Habang lahat ay nagi-invest sa NVIDIA, AMD, TSM, ASML, Sandisk, Micron, at iba pang semiconductor stocks, isang tahimik na industrial boom ang nangyayari sa likod ng mga eksena.
Ang mga kumpanyang gumagawa ng internal combustion engines at iba pang industrial equipment ay nakakaranas ng hindi pangkaraniwang demand.
Hindi natin pinag-uusapan ang mga trendy startups o speculative tech plays. Ito ay mga old-school industrial manufacturers.
Marami sa kanila ang may reasonable valuations dahil hindi pa ganap na napapahalagahan ng market ang structural shift na ito.
Narito ang dahilan kung bakit ang oportunidad na ito ay partikular na kaakit-akit:
Hindi ito panandaliang trend. Ang grid interconnection timelines ay hindi bumubuti, ito ay lalong lumalala. Tinataya na ang backlog ay magpapatuloy hanggang 2030 at higit pa. Ibig sabihin ang “temporary” solutions na ipinapatupad ngayon ay tatakbo ng mga taon, kumikita mula sa recurring revenue sa pamamagitan ng maintenance contracts, fuel supply agreements, at equipment upgrades.
Naka-lock in ang ekonomiya. Hangga’t ang AI computing ay nagge-generate ng $10-12 million per megawatt taun-taon, ang mga data centers ay magbabayad ng halos anumang presyo para sa agarang power. Ito ay nagbibigay sa mga equipment suppliers ng extraordinary pricing power.
Malawak ang addressable market. Ang AI workloads ay maaaring kumatawan sa kalahati ng lahat ng data center operations pagsapit ng 2030. Pinag-uusapan natin ang daan-daang bilyong dolyar sa infrastructure investment. At ang isang makabuluhang bahagi niyan ay mapupunta sa power generation equipment.
Ang mga Kompanyang Nangunguna sa On-Site Power Rush
Mayroong ilang publicly traded U.S. companies na may malaking exposure sa trend na ito.
Iba-iba sila mula sa malalaking industrial conglomerates na nagdi-diversify sa data center power hanggang sa pure-play specialists na naging “picks and shovels” para sa AI gold rush.
Ang common thread? Lahat sila ay may kakayahang mag-deliver ng power fast, at sinasamantala nila ang grid crisis sa iba’t ibang paraan.
Hindi ito speculative. Major contracts na nagkakahalaga ng bilyun-bilyong dolyar ay nakapirma na.
Halimbawa, pag-usapan natin ang GE Verona (GEV):
Ang GE Vernova ay nagbebenta ng mini power plants na maaring patakbuhin ng mga data centers on-site para makuha lahat ng kuryente nila nang hindi naghihintay sa local power grid.
Ang GEV ay nag-transition mula sa consolidation patungo sa renewed trend expansion.
Ang recent sharp move higher ay nagmumungkahi na institutional buyers ay pumapasok na. Ang presyo ay mas malakas nang gumalaw ngayon kaysa sa dati nitong sideways phase, na kadalasang senyales ng increased participation at conviction.
Hangga’t patuloy ang pagbuo ng mas mataas na lows sa itaas ng mga dating breakout levels, ang kahinaan ay isang oportunidad na bilhin ang dip. Maaari mong tingnan ang pagbili ng GEV sa isang pullback sa previous breakout level at posisyon para sa trend continuation.
Mag-subscribe sa Babypips Premium para makuha ang aming buong analysis, kabilang ang:
- Detailed profiles ng pitong stocks na posibleng makinabang.
- Breakdown ng exposure ng bawat company sa data center revenue.
- Technical comparison ng mga uri ng equipment at deployment timelines.
- Risk analysis at regulatory considerations.
Ang AI revolution ay hindi lamang tungkol sa software at chips. Ito ay tungkol sa hindi glamorosong, capital-intensive infrastructure na ginagawa itong lahat posible.
At sa ngayon, ang infrastructure na iyon ay itinatayo gamit ang kagamitan mula sa mga pinaka-hindi inaasahang industriya.
