AIの計画はかつてGPUの割り当てからインスタンス価格設定まででしたが、その手法は物理的制約と許認可で破綻しています。希少な資源は電力網に接続された電力、適合した土地、そしてラックあたり80～150kWの設計で液冷に対応可能なシェルです。インターコネクトの待ち行列は数年に及び、変電所は資本プロジェクトであり、地域の立地判断が遅延、回復力、資本コストを左右します。この環境では、計算資源は収益を生むプラントのように振る舞い、サイトを数十年にわたり資金調達し、その中で機器を何度も更新します。

計算資源を生産的資産として扱うことで、予算は運用費から資本費へ、短期リースから銀行が認めるインフラへと変わります。運営者は契約をLPS（土地、電力、シェル）と3～5年サイクルの更新可能なシステム層（GPU、CPU、ネットワーク）に分けることが増えています。この分離によりサイトの資金調達が可能となり、アップグレードの柔軟性が向上し、ハードウェア更新時に容量を新たなテナントやワークロードに再割り当てできるためリスクが軽減されます。経済的な焦点はスポットGPU数の追求から、サイト利用率と電力から知能への変換最大化へと移ります。

創業者や企業にとっては、ロードマップはアクセラレータの総数だけでなく、メガワット数やラック密度で表現する必要があります。電力購入契約（PPA）、電力網接続権、水冷用の水の利用可能性は戦略的資産となりました。ポートフォリオ戦略も重要で、バースト用にハイパースケールクラウド、安定稼働用にコロケーションや専用キャンパス、データの重力や主権のために地域サイトを組み合わせます。運用上の課題は、次世代システムをシェルを再構築せずに採用できる柔軟性を保ちつつ、計算開始までの時間を最小化する最適な組み合わせを見つけることです。