Крупные центры обработки данных, обслуживающие современный ИИ, потребляют колоссальное количество электроэнергии. До недавнего времени обсуждение этой темы сводилось к одному: как обеспечить достаточную мощность для работы всего этого. Однако на конференции CERAWeek – одном из ключевых мировых форумов в энергетической отрасли – прозвучала иная идея: что если сами ИИ-инфраструктуры могут помогать энергосети, а не только нагружать её?
От потребителя – к участнику сети
NVIDIA совместно с компанией Emerald AI представили подход, при котором так называемые «ИИ-заводы» – крупные вычислительные комплексы, специально предназначенные для задач искусственного интеллекта, – становятся гибкими элементами энергосистемы. Проще говоря, они не просто потребляют электричество по фиксированному графику, а умеют подстраиваться под текущее состояние сети: снижать нагрузку в пиковые моменты, поддерживать стабильность и в целом вести себя как «умный» участник энергетического рынка.
Это меняет логику проектирования инфраструктуры. Раньше под пиковое потребление нужно было строить с запасом – больше мощностей, больше резервов. Если же нагрузка становится управляемой и предсказуемой, необходимость в избыточном строительстве снижается. Это выгодно всем: и операторам инфраструктуры, и энергетическим компаниям, и в конечном счёте потребителям.
К сотрудничеству уже присоединились несколько крупных энергетических компаний: AES, Constellation, Invenergy, NextEra Energy, Nscale Energy & Power и Vistra. Все они планируют работать над созданием генерирующих мощностей, которые будут интегрированы с новой архитектурой ИИ-заводов – в том числе через проекты с локальной генерацией прямо на объекте.
Сколько «мыслей» умещается в один ватт
Есть одна метрика, которая в последнее время стала важнее многих других в мире ИИ-инфраструктуры: токены в секунду на ватт. Токен – это, грубо говоря, единица текста, которую модель генерирует в ответ на запрос. Чем больше таких токенов система выдаёт на единицу потреблённой энергии, тем эффективнее она.
Это не просто технический показатель – за ним стоят реальные деньги и реальная нагрузка на инфраструктуру. Компании, которые эксплуатируют ИИ-системы в промышленном масштабе, платят за электричество огромные суммы. Повышение энергоэффективности напрямую снижает себестоимость каждого запроса.
Дженсен Хуанг, основатель и генеральный директор NVIDIA, в одном из недавних интервью сказал об этом прямо:
"Энергопотребление – это проблема, но не единственная. Именно поэтому мы так активно работаем над совместным проектированием всех компонентов системы, чтобы каждый год улучшать показатель токенов на ватт на порядки величины."
И судя по истории NVIDIA, это не просто слова. Компания приводит такое сравнение: с 2012 года – с момента выхода архитектуры Kepler – по сегодняшний день количество токенов, которое можно получить при одном и том же энергобюджете, выросло более чем в миллион раз. Да, именно так: в миллион. Это результат последовательного совершенствования чипов, архитектур и программного обеспечения на протяжении многих лет.
Хуанг описывает современную ИИ-инфраструктуру как «пятислойный торт»: энергетика, чипы, инфраструктура, модели и приложения. Энергетика – в основании. Без неё остальное не работает.
Роботы на солнечных фермах и цифровые копии ядерных реакторов
На том же CERAWeek несколько компаний из экосистемы NVIDIA показали, как именно ИИ помогает строить энергетику будущего быстрее и надёжнее.
Maximo – компания в области солнечной робототехники, выросшая внутри AES, – сообщила о завершении монтажа солнечной установки мощностью 100 мегаватт на объекте Bellefield. Установку выполняли автономные роботы с ИИ-управлением. Это важно, потому что одним из главных препятствий для масштабирования солнечной энергетики остаётся скорость строительства: квалифицированных монтажников не хватает, а спрос на новые мощности растёт быстрее, чем их успевают создавать. Роботизированный монтаж позволяет сократить этот разрыв.
TerraPower совместно с SoftServe представила цифровой двойник для атомных электростанций нового поколения – конкретно для установок Natrium. Цифровой двойник – это, если коротко, виртуальная модель физического объекта, которая позволяет заранее проверять проектные решения без реального строительства. По данным компании, применение такого подхода сокращает цикл проектирования с лет до месяцев. Для ядерной энергетики, где каждый этап согласования занимает годы, это существенный сдвиг.
Adaptive Construction Solutions анонсировала национальную программу профессиональной подготовки – совместно с NVIDIA – для обучения специалистов, которые будут строить и обслуживать ИИ-заводы и энергетическую инфраструктуру. Дефицит кадров в строительстве и эксплуатации таких объектов – не менее реальная проблема, чем дефицит мощностей. Программа ориентирована на массовую подготовку по востребованным рабочим специальностям.
Цифровые копии инфраструктуры – новый стандарт проектирования
Параллельно на конференции несколько крупных производителей инфраструктурного оборудования рассказали о том, как они переосмысляют проектирование центров обработки данных.
GE Vernova представила подход, при котором подстанции, энергосети и нагрузки ИИ-завода симулируются вместе – до того, как начнётся реальное строительство. Это позволяет заранее выявлять узкие места и снижать риски при подключении к сети.
Schneider Electric объявила о новых валидированных проектных решениях, совместимых с архитектурой Vera Rubin. Компания симулирует электропитание, охлаждение и системы управления в единой среде – чтобы операторы могли оптимизировать параметры ещё до начала физического строительства.
Vertiv сфокусировалась на унификации физической инфраструктуры: повторяемые блоки питания и охлаждения, которые встраиваются в общую архитектуру и позволяют масштабировать ИИ-заводы быстрее и с меньшими рисками.
Общая идея всех этих анонсов – одна: сначала проверь всё в цифре, потом строй. Это снижает стоимость ошибок и ускоряет выход на мощность.
Почему это важно за пределами ИИ-индустрии
Разговор об энергоэффективности ИИ часто воспринимается как сугубо корпоративная проблема – мол, это головная боль для тех, кто платит за электричество дата-центров. Но на самом деле масштаб вопроса шире.
Рост ИИ-нагрузок оказывает реальное давление на энергосети – особенно в регионах, где строится много новых объектов. Если эти объекты потребляют энергию бесконтрольно, это влияет на надёжность сети для всех остальных потребителей. Подход, при котором ИИ-заводы становятся «умными» участниками сети – способными гибко реагировать на её состояние, – потенциально снижает этот риск.
Это не решение всех проблем разом. Строительство новых генерирующих мощностей всё равно необходимо, и оно идёт – хотя и медленнее, чем растёт спрос. Но то, что крупные игроки индустрии начали воспринимать энергосеть не как фон, а как полноправную часть системы, которую нужно проектировать вместе с вычислительной инфраструктурой, – это уже заметный сдвиг в логике.
