IEA anslår globalt datasenterforbruk til 415 TWh i 2024.

• Ikke en AI-only måling.

IEAs oppdatering anslår globalt datasenterforbruk til 485 TWh i 2025.

• Ikke en AI-only måling.

Det globale IEA-estimatet økte med 16,9 % fra 2024 til 2025.

• Kryssutgave-sammenligning av IEA-estimater, ikke måleravlesning.

IEAs oppdaterte sentralbane har om lag 950 TWh datasenterforbruk i 2030.

• Scenario, ikke observasjon.

IEAs oppdaterte sentralbane er 1,96 ganger 2025-nivået i 2030, tilsvarende omtrent 14,4 % årlig sammensatt vekst.

• Mekanisk beskrivelse av IEA-scenarioet, ikke en uavhengig prognose.

IEAs sentrale 2030-anslag flyttet seg fra omtrent 945 TWh i 2025-rapporten til omtrent 950 TWh i 2026-oppdateringen.

• Begge kildetall er avrundet, og utgavene kan ha metodeendringer.

IEA vurderer at omtrent en femtedel av planlagt global datasenterkapasitet kan forsinkes av nettrisiko mot 2030.

• Modellbasert risikovurdering; ikke prosjektregister.

Modulen har ennå ikke en kildekompatibel regional serie for nettkø, tilgjengelig effekt eller tilkoblingsstatus.

• Målegap betyr ikke at regionale data ikke finnes; de er ikke normalisert i modulen ennå.

RExBench v3 rapporterer at beste resultat, selv med menneskeskrevne hints, er under 44 % på realistiske forskningsutvidelser.

• Avhengig av oppsett og hint.

RExBench inneholder 12 forskningsimplementasjonsoppgaver med automatisk evaluering.

• Ikke full forskningslivssyklus.

MLR-Bench beskriver hyppige, eksempelvis 80 %, fabrikkerte eller invaliderte eksperimentresultater for det testede coding-agentoppsettet.

• Ikke en universell feilrate.

MLR-Bench dekker 201 oppgaver og en firestegs arbeidsflyt fra idé til paperskriving.

• Stadiene bruker ulike modeller og evalueringsmetoder.

I MLRC-Bench lukket beste testede agent 9,3 % av gapet mellom baseline og toppmenneskelig resultat.

• Spesifikk agent og syv konkurranseoppgaver.

MLRC-Bench bruker syv dynamiske ML-konkurranseoppgaver med objektive resultatmål.

• Smal ML-domene og liten suite.

De tre benchmarkene peker samlet mot implementasjon og eksperimentell validitet som en tydelig begrensning, men de kan ikke summeres til én automatiseringsandel.

• Kvalitativ triangulering, ikke en metaanalyse eller felles score.

Modulen publiserer ingen samlet FoU-automatiseringsprosent fordi benchmarkene ikke måler samme oppgave, agent eller suksesskriterium.

• Et målegap, ikke bevis for null automatisering.

METR TH1.1 rapporterer 320 minutter [170–729] for Claude Opus 4.5 ved modellert 50 % suksess.

• Spesifikk modell, suite og agentoppsett.

METRs vurdering for februar–mars 2026 setter offentlig frontier til omtrent 12 timer [5–61] ved 50 % suksess.

• Kohortestimat med bredt intervall og suite nær metning.

Samme METR-vurdering setter offentlig frontier til omtrent 1,5 timer [50 minutter–2 timer 40 minutter] ved 80 % suksess.

• Kohortestimat, ikke navngitt modellrangering.

Punktestimatet for offentlig frontier er åtte ganger lengre ved 50 % enn ved 80 % suksess, noe som viser sterk følsomhet for pålitelighetskravet.

• Forholdet bruker avrundede punktestimater; intervallene er brede.

TH1.1 har 228 oppgaver, hvorav 31 er estimert til å ta minst åtte timer og fem av disse har menneskelig baseline.

• Ikke representativ arbeidsmarkedsfordeling.

Bare 13,6 % av TH1.1-oppgavene er åtte timer eller lengre, og 2,2 % av hele suiten er slike oppgaver med menneskelig baseline.

• Oppgaveantall sier ikke noe om representativitet eller kvalitet.

METR markerer anslag over 16 timer som upålitelige med dagens task suite.

• Ikke et utsagn om faktisk maksimal autonomi.

SEMI prognostiserte 2,2 millioner 200 mm-ekvivalente wafere per måned for noder på 7 nm og under i 2025.

• Prognose, 200 mm-ekvivalent og ikke AI-only.

SEMI-prognosen øker avansert 300 mm-kapasitet fra 982 000 wafere per måned i 2025 til 1,4 millioner i 2028.

• Prognose for front-end-kapasitet; sier ikke yield, chipmix eller leveranser.

SEMI oppgir at kapasitet for 2 nm og under går fra under 200 000 wafere per måned i 2025 til over 500 000 i 2028.

• Kildeoppgitte grenser, ikke punktestimater; prognose, ikke leveranse.

TSMC oppgir at årlig kapasitet for administrerte fabrikker oversteg 17 millioner 12-tommers wafer-ekvivalenter i 2025.

• Ikke advanced-node-, AI- eller pakkekapasitet.

SIA/BCG anslår at USAs andel av global fab-kapasitet går fra 10 % til 14 % innen 2032.

• Scenario med politikk- og investeringsforutsetninger; ikke AI-output.

Ingen offentlig, metodekompatibel HBM- og advanced-packaging-kapasitetsserie er foreløpig akseptert i modulen.

• Målegap betyr ikke fravær av kapasitet eller at trinnet nødvendigvis er flaskehalsen.

Modulens 200 mm-ekvivalenter, 300 mm-wafere, 12-tommers årlig kapasitet og geografiske andeler holdes som separate mål.

• Ingen skjult areal-, yield- eller nodekonvertering er brukt.

Offentlige kilder viser sterk utbygging av avansert front-end og ledende noder, mens modulen ennå ikke kan rangere HBM eller avansert pakking på samme målegrunnlag.

• Dette er et evidenskart, ikke en komplett forsyningsmodell eller bottleneck-rangering.