ИИ потребляет энергию рывками: почему энергосети не готовы к новой нагрузке
Стремительное развитие искусственного интеллекта принято связывать прежде всего с ростом энергопотребления. Международное энергетическое агентство прогнозирует, что к концу текущего десятилетия дата-центры будут обеспечивать около 3-4% мирового спроса на электричество. Энергетические компании уже пересматривают долгосрочные планы, закладывая в них строительство гиперскейл-центров и мощных кластеров ускорителей.
Однако сама величина потребления - лишь часть проблемы. Гораздо серьёзнее то, каким образом ИИ-инфраструктура расходует электричество. Для энергосистемы важен не только объём нагрузки, но и её динамика: насколько быстро она меняется, как часто возникают пики и где именно они появляются.
Новая нагрузка отличается от промышленной
Большинство привычных потребителей - заводы, торговые комплексы, жилые районы - работают по относительно понятным графикам. Их энергопотребление можно спрогнозировать, а кратковременные отклонения компенсировать резервными мощностями, модернизацией сетей и программами управления спросом.
ИИ-кластеры устроены иначе. Во время обучения модели тысячи GPU, TPU и других ускорителей выполняют операции синхронно. Вычислительные узлы одновременно начинают расчёты, затем переходят к обмену данными, ожидают завершения отдельных этапов и снова включаются в интенсивную работу. В результате потребление меняется не плавно, а ступенчато.
Инференс, то есть обработка пользовательских запросов уже обученной моделью, создаёт другой тип нестабильности. Запросы распределены между клиентами и регионами, поэтому их сложнее предсказывать. Нагрузка может быстро перемещаться между площадками и резко возрастать в ответ на массовый спрос, запуск нового сервиса или изменение алгоритма маршрутизации.
Таким образом, обучение моделей даёт синхронные и повторяющиеся пики, а инференс формирует более рассеянный и менее предсказуемый профиль. Оба режима существенно отличаются от традиционного энергопотребления.
Почему миллисекунды важны для энергосети
На уровне отдельного дата-центра резкие изменения частично сглаживаются аккумуляторными батареями, суперконденсаторами и системами стабилизации питания. Но полностью устранить эффект невозможно. Когда множество ускорителей одновременно переходит от обмена данными к интенсивным вычислениям, нагрузка на площадку может заметно измениться за очень короткое время.
По оценкам, современные ИИ-дата-центры способны менять потребление более чем на 70% за миллисекунды. Для отдельных крупных объектов амплитуда колебаний может достигать примерно 1 ГВт и повторяться несколько раз в минуту. Обычная энергосеть проектировалась под гораздо более плавные изменения.
Во время обучения крупных моделей наблюдается характерный ритм: вычислительные фазы требуют больше энергии, чем обмен данными между ускорителями. Если весь кластер синхронизирован, то сотни или тысячи устройств начинают "дышать" одновременно. Для электросети это означает постоянное воздействие на резервы генерации, частотное регулирование и локальные линии передачи.
Это не то же самое, что нестабильная генерация
Колебания потребления ИИ иногда сравнивают с переменной выработкой солнечных и ветровых электростанций, но природа этих явлений различается.
Возобновляемая генерация меняется на стороне предложения и зависит от погоды: облачности, скорости ветра, времени суток. ИИ-нагрузка возникает на стороне спроса. Её формируют расписание обучения, работа планировщиков, структура программного кода, количество запросов и режимы взаимодействия ускорителей.
Если одновременно становятся нестабильными и производство, и потребление, задача балансировки усложняется многократно. Операторам приходится учитывать не только прогноз погоды и доступность генерации, но и поведение вычислительных кластеров.
География усиливает риски
Проблема становится особенно заметной, когда дата-центры концентрируются в одном регионе. Компании выбирают площадки рядом с магистральными оптоволоконными сетями, крупными рынками, налоговыми льготами и недорогой электроэнергией. Это приводит к возникновению настоящих кластеров вычислительной инфраструктуры.
Один из наиболее известных примеров - Северная Вирджиния, которую называют Data Center Alley. Здесь сосредоточено огромное количество серверных площадок, обслуживающих значительную часть интернет-трафика. Региональная энергетическая компания Dominion Energy уже несколько лет называет дата-центры основным фактором будущего роста спроса.
Масштаб дисбаланса показателен. Пиковая нагрузка всей зоны обслуживания Dominion составляет примерно 25 ГВт. При этом к концу 2024 года дата-центры уже законтрактовали около 40 ГВт, а суммарная очередь заявок на подключение была ещё больше. Даже если все проекты не будут реализованы, подобные заявки показывают, насколько быстро меняются ожидания рынка.
Подключить дата-центр становится сложнее
Для оператора сети крупный ИИ-центр - это не просто новый потребитель, которому достаточно протянуть кабель. Необходимо заранее оценить, выдержат ли подстанции, линии электропередачи и распределительные узлы постоянные изменения нагрузки.
Может потребоваться строительство новых подстанций, усиление трансформаторных мощностей и прокладка дополнительных линий. Такие проекты занимают годы, тогда как разработчики ИИ хотят запускать новые площадки значительно быстрее. Возникает разрыв между скоростью развития вычислительного бизнеса и темпами энергетического строительства.
Отдельная проблема - неопределённость заявок. Компании могут резервировать десятки гигаватт, но часть проектов откладывается, меняет масштаб или переносится в другой регион. Энергокомпаниям трудно понять, какую инфраструктуру действительно необходимо строить, а какую нагрузку можно считать только потенциальной.
Почему одних батарей недостаточно
Накопители действительно помогают сглаживать кратковременные пики. Они способны быстро отдавать энергию, компенсируя резкие изменения внутри дата-центра. Однако батареи не решают проблему полностью.
Во-первых, их ёмкость ограничена. Во-вторых, длительное покрытие нагрузки требует значительного объёма накопителей и регулярной подзарядки. В-третьих, локальная батарея смягчает воздействие на конкретную площадку, но не отменяет необходимости обеспечить регион дополнительной генерацией и пропускной способностью сетей.
Более эффективным решением может стать сочетание накопителей, интеллектуальных систем управления и гибкого планирования вычислений. Например, обучение моделей можно переносить на часы низкой нагрузки или на площадки, где доступно больше свободной мощности.
ИИ может стать не только проблемой, но и инструментом
Парадокс заключается в том, что вычислительные кластеры способны участвовать в управлении собственным спросом. Обучение моделей часто можно остановить, замедлить или перенести без немедленного ущерба для пользователей. Это делает часть ИИ-нагрузки потенциально управляемой.
При наличии соответствующих тарифов и правил дата-центры смогут снижать потребление в периоды дефицита энергии, использовать накопители в часы пикового спроса и выполнять менее срочные задачи тогда, когда в сети есть свободная мощность. Такой подход превращает крупного потребителя из пассивной нагрузки в участника балансировки.
Но для этого нужны прозрачные требования к качеству электроснабжения, доступ к актуальным данным о состоянии сети и финансовые стимулы. Без экономической мотивации операторы дата-центров вряд ли будут добровольно менять расписание вычислений.
Регулирование пока отстаёт
Традиционные нормы подключения обычно оценивают максимальную мощность потребителя и его средний профиль нагрузки. Для ИИ-центров этого недостаточно. Нужно учитывать скорость изменения потребления, частоту скачков, синхронность оборудования и влияние на ближайшие узлы сети.
Регуляторам предстоит разработать новые требования к заявкам на подключение, резервированию мощности и компенсации затрат на модернизацию инфраструктуры. Возможно, крупные дата-центры будут обязаны устанавливать накопители, обеспечивать определённый уровень гибкости или участвовать в программах управления спросом.
Нужны и более точные стандарты раскрытия информации. Энергокомпаниям важно заранее знать не только заявленную мощность объекта, но и график запуска оборудования, характеристики ускорителей, режимы обучения и предполагаемую долю гибкой нагрузки.
Что ждёт рынок
В ближайшие годы дата-центры, вероятно, начнут строить там, где есть не только дешёвая электроэнергия, но и свободная пропускная способность сети. Конкуренция за подключение уже становится таким же важным фактором, как стоимость земли, доступ к интернет-магистралям и налоговые условия.
Часть вычислений будет распределяться между несколькими регионами. Это снизит концентрацию риска, но увеличит требования к каналам связи, синхронизации и программному управлению. Одновременно будут развиваться малые модульные дата-центры, размещённые ближе к источникам энергии и конечным пользователям.
Главный вывод состоит в том, что энергосистема сталкивается не просто с ростом потребления электричества. Она получает новый класс нагрузки - мощный, синхронный, быстро меняющийся и географически концентрированный. Если учитывать только суммарные гигаватты, можно недооценить реальные последствия. Для устойчивой работы ИИ-инфраструктуры потребуются модернизация сетей, накопители, гибкое управление вычислениями и обновление правил подключения.
