В последние годы искусственный интеллект перешел из исследовательской сферы в центр промышленного производства данных, и вместе с этим резко вырос спрос на электроэнергию. Современные нейросети и суперкомпьютеры потребляют сотни мегаватт, что сопоставимо с мощностью целых городов. При этом темпы наращивания вычислительных ресурсов значительно опережают улучшение энергоэффективности. В результате развертывание и масштабирование ИИ-систем сталкивается с реальным ограничением в виде дефицита генерации и инфраструктуры.
Стремительный рост вычислительных мощностей ИИ ведет к колоссальному увеличению потребления энергии. Для тренировки одной большой языковой модели могут потребоваться десятки миллионов кВт·ч: например, обучение GPT-3 оценивалось в ≈10 ГВт·ч (годовое потребление более 1 тыс. домов). При миллионах ежедневных запросов нагрузка дата-центров и энергопотребление только растут. Современные суперкомпьютеры для ИИ впечатляют масштабами: система xAI Colossus на 100 тыс. GPU требует порядка 150 МВт.
Экспоненциальный рост вычислительных нужд ИИ приводит к критическому росту нагрузки на энергосистемы. По прогнозам RAND, к 2027 году мощности дата-центров ИИ только в США достигнут ≈68 ГВт (против 88 ГВт в 2022-м во всем мире). А к 2030 году — 327 ГВт в глобальном масштабе. МЭА прогнозирует, что к 2030 году годовой спрос ЦОД превысит 945 ТВт·ч — больше, чем сейчас потребляет вся Япония. Американские ЦОД будут поглощать почти половину прироста спроса на электроэнергию. При этом США лидируют по мощностям ЦОД, но уже испытывают проблемы с доступностью электроэнергии.
В то же время энергоэффективность оборудования не успевает за темпами роста вычислений. Раньше (по закону Мура) вычислительная мощность удваивалась примерно каждые 2 года при почти одинаковом энергопотреблении, но теперь удвоение мощности требует примерно трех лет. McKinsey указывает, что к 2030 году США потребуется дополнительно ~50 ГВт ЦОД (≈$500 млрд инвестиций). Goldman Sachs предупреждает о замедлении прироста энергоэффективности чипов, что усугубляет энергетический голод ИИ.
Разные страны по-разному справляются с ростом спроса. США и Китай первыми испытывают дефицит мощностей: Китай к 2030 году может выйти на потребление ~400–600 ТВт·ч ЦОД (несколько процентов от национального энергобаланса), вкладываясь в «зеленые» ЦОД и оптимизацию эффективности.
В ЕС бюрократические и регуляторные барьеры ограничивают рост ЦОД; по оценкам IFRI, к 2030 году доля ИИ в энергопотреблении Европы составит лишь ~4–5%. Индия и страны Персидского залива активно наращивают инфраструктуру: в Индии мощность ЦОД может вырасти с ≈0,96 ГВт до ≈9,2 ГВт к 2030-му (с 0,5 до 3% потребления), а Саудовская Аравия и ОАЭ планируют инвестировать порядка $140 млрд в развитие ИИ и дата-центров, хотя их текущие суммарные мощности составляют лишь сотни МВт.
Наряду с возобновляемыми технологиями большое внимание уделяется ядерной энергетике. МЭА отмечает: к 2025 году выработка АЭС достигнет рекордного уровня, в мире строится более 70 ГВт новых реакторов.
IT-компании заключают ядерные контракты: Microsoft договорилась о перезапуске АЭС Три-Майл-Айленд, а Google и Amazon инвестируют в малые модульные реакторы (SMR) для ЦОД. Однако Goldman Sachs полагает, что к 2030 году потребовалось бы дополнительно 85–90 ГВт АЭС, а фактически будет введено менее 10% этой мощности. Другими словами, наращивание атомного парка пока не поспевает за ростом ИИ-запросов.
В настоящее время энергетический дефицит становится серьезным ограничением глобального развития ИИ. Даже активное внедрение зеленых технологий и новые АЭС не успевают за экспоненциальным ростом вычислительных потребностей. По мнению экспертов, без масштабной модернизации электросетей и значительного наращивания генерирующих мощностей (атомной, гидро-, газовой, ветровой, солнечной) потенциал ИИ рискует оказаться «сдержанным» энергобалансом.
