Meta setter AI-brikker i telt for å kjøpe tid

Meta bygger AI-datasentre i telt utenfor New Albany i Ohio. Det høres ut som en anekdote. Det er egentlig et kapasitetsvarsel.

TechCrunch skriver at Meta har satt opp seks værbeskyttede «rapid deployment structures» ved anlegget. Grunnlaget er satellittbilder, lokale tillatelser og gjennomgang fra Michael Thomas i Cleanview, som følger datasenterutbygginger. Ifølge artikkelen startet Meta byggingen av fem telt på rundt 125.000 kvadratfot hver mellom april og juni, og satellittbilder viser at strukturene allerede er reist.

Dette er ikke et lite forsøksprosjekt på siden av AI-satsingen. TechCrunch skriver at strukturene skal huse AI-brikker, trolig verdt milliarder av dollar. Anlegget skal også få kraft fra om lag 200 megawatt modulære gassturbiner i nærheten. Kombinasjonen er viktig: Meta forsøker å korte ned tiden fra investeringsbeslutning til faktisk trenings- og inferenskapasitet.

Hvorfor dette betyr noe

Datasenterkapasitet har blitt en styringsfaktor i AI. De store modellaktørene konkurrerer ikke bare på algoritmer, talenter og produkter. De konkurrerer på tilgang til strøm, kjøling, nett, tomter, tillatelser, GPU-er og leveringsevne fra en lang leverandørkjede.

Når et av verdens største teknologiselskaper flytter milliardutstyr inn i midlertidige konstruksjoner, sier det noe om presset. Tradisjonelle datasentre tar lang tid. De krever planlegging, infrastruktur, regulatoriske prosesser, leverandørkoordinering og ofte lokal politisk aksept. I AI-kappløpet er tid blitt en kostnad som kan være like synlig som strømregningen.

Meta har samtidig hatt produktpress. TechCrunch viser til en fersk Wall Street Journal-rapport om at Metas nye modell, Muse Spark, skal være ferdig, men at API-ene utviklere trenger for tilgang er forsinket. Det gjør datasenterhistorien mer relevant enn en ren byggesak. Hvis modeller, API-er og utviklerprodukter skal komme i tide, må kapasiteten være klar. Hvis kapasiteten forsinkes, blir produktløftet også forsinket.

For norske ledere er poenget ikke at virksomheten bør bygge telt på parkeringsplassen. Poenget er at AI-infrastruktur er i ferd med å bli mer urolig, mer fysisk og mer kapitaltung enn mange budsjetter tar høyde for.

Fra skyavtale til kapasitetsrisiko

Mange norske virksomheter behandler AI som en programvareanskaffelse. Det er for smalt. De store leverandørene flytter nå betydelige kostnader og risikoer inn i den fysiske infrastrukturen bak tjenestene. Når hyperscalere og modellhus må improvisere for å få nok kapasitet, kan det slå inn i pris, tilgjengelighet, geografisk plassering, responstid og prioritering av kunder.

Det gjelder særlig virksomheter som legger kritiske arbeidsprosesser på AI-agenter, kodeassistenter, kundeservice, dokumentanalyse eller beslutningsstøtte. Da er ikke spørsmålet bare om modellen er god nok. Spørsmålet er om leverandøren kan levere stabil kapasitet når mange kunder skal skalere samtidig.

Dette bør inn i leverandørstyringen. CIO og CISO bør vite hvor AI-tjenesten faktisk kjøres, hvilke regioner som brukes, hvilke alternativer som finnes ved kapasitetsmangel, og hvordan leverandøren håndterer kø, nedskalering og prisendringer. CFO bør se på AI-bruk som en variabel kost med kapasitetsrisiko, ikke som en flat lisenspost.

Kraft blir del av AI-strategien

Opplysningen om modulære gassturbiner er også verdt å merke seg. AI-utbyggingen presser ikke bare datasenterbransjen. Den presser energisystemet. Når selskaper tar i bruk lokal kraftproduksjon for å få kapasitet raskere, flyttes deler av risikoen fra IT til energi, klima, regulering og omdømme.

Det kan bli relevant også i Europa. Nye AI-tjenester vil møte strengere krav til bærekraft, rapportering, datasuverenitet og risikostyring. En leverandør som løser kapasitetsproblemet med midlertidige strukturer og fossil reservekraft, kan være kommersielt rasjonell på kort sikt. Men kunder med ESG-krav, offentlige anskaffelser eller regulert virksomhet må forstå hva de faktisk kjøper.

Norske styrer bør derfor be om mer enn en generell AI-roadmap fra leverandørene. De bør be om kapasitetssvar: hvor trenes og kjøres tjenesten, hvilken energiprofil ligger bak, hvilke regioner er planlagt, og hva skjer hvis kapasitet prioriteres til større kunder eller interne produkter.

Raskere bygging gir ikke automatisk lavere risiko

Telt kan korte byggetid. Det fjerner ikke driftsrisiko. Midlertidige strukturer må fortsatt håndtere varme, strøm, fysisk sikkerhet, vann, redundans og brannrisiko. Når utbyggingen skjer raskt, øker behovet for kontrollpunkter.

For Meta kan dette være en fornuftig måte å kjøpe tid på. Selskapet har skala, kapital og intern kompetanse. For kundene er saken et signal om at AI-leverandørenes modenhet ikke bare måles i modellkort og benchmark-resultater. Den måles også i hvor robust de bygger den fysiske motoren under tjenestene.

Den praktiske konsekvensen er enkel: AI-anskaffelser bør få samme alvor som annen kritisk infrastruktur. Det betyr exit-plan, kostnadstak, regionkrav, observability, beredskap og tydelige svar på hva som skjer når leverandøren får kapasitetsknapphet.

Meta-saken viser at AI-kappløpet nå har gått fra demoscene til anleggsplass. Det er mindre elegant. Det er også mer nyttig å forstå.

Kilder og medier

Kilde: TechCrunch, «Meta steals a tactic from Tesla and builds data centers in tents», publisert 4. juni 2026: https://techcrunch.com/2026/06/04/meta-steals-a-tactic-from-tesla-and-builds-data-centers-in-tents/

Kildegrunnlaget i TechCrunch-artikkelen inkluderer satellittbilder, lokale tillatelser og analyse fra Cleanview-gründer Michael Thomas. TechCrunch viser også til Wall Street Journals rapportering om forsinkelser i Metas utvikler-API-er for Muse Spark.

Thumbnail: OpenAI Image 2 / hogby.ai.