Скрытая проблема ИИ — не в чипах. А в электричестве.

В то время как внимание мировой общественности приковано к гонке вооружений в области полупроводников и разработке новых архитектур нейросетей, всё более очевидной становится другая, менее заметная, но критическая угроза для индустрии искусственного интеллекта. Ведущие мировые аналитики и эксперты в области энергетики всё чаще сходятся во мнении, что дальнейшее масштабирование вычислительных мощностей упирается не в технологические ограничения производства чипов, а в банальную нехватку электроэнергии. По прогнозам ряда исследовательских групп, уже к концу текущего десятилетия потребности дата-центров могут превысить текущие мощности глобальной энергосистемы, что ставит под вопрос устойчивость всего ИИ-бума. В центре этой дискуссии оказались прогнозы известного экономиста, который предрекает возможный коллапс отрасли, если энергетический вопрос не будет решен кардинальным образом.

Энергетический аппетит больших языковых моделей

Современные вычислительные кластеры, используемые для обучения и инференса больших языковых моделей (LLM), потребляют колоссальные объемы энергии. Согласно данным Международного энергетического агентства (МЭА), в 2022 году на долю центров обработки данных (ЦОД) приходилось около 460 тераватт-часов электроэнергии, что составляет примерно 2% от мирового потребления. Однако эти цифры стремительно устаревают. С выходом моделей нового поколения, таких как GPT-5 или Gemini Ultra, энергопотребление на один запрос выросло в десятки раз по сравнению с предшественниками. Если в 2020 году средний запрос к нейросети требовал около 0,001 кВт·ч, то сегодня для сложных мультимодальных задач этот показатель достигает 0,05 кВт·ч и продолжает расти.

Ключевая проблема заключается в том, что экспоненциальный рост вычислительных мощностей, описываемый законом Мура, больше не сопровождается аналогичным ростом энергоэффективности. Производители чипов, такие как NVIDIA и AMD, улучшают показатели производительности на ватт, но абсолютное потребление энергии системами растет быстрее, чем внедряются энергосберегающие технологии. Например, кластеры, состоящие из десятков тысяч графических процессоров H100, могут потреблять до 80 мегаватт в час пиковой нагрузки. Для сравнения, небольшой европейский город с населением в 50 тысяч человек потребляет в среднем около 10 мегаватт. Таким образом, один суперкомпьютер для ИИ по энергопотреблению равен восьми таким городам.

Мнение эксперта: когда спрос превысит предложение

Экономист, чьи прогнозы цитируются в отраслевых отчетах, утверждает, что текущая модель развития ИИ является энергетически неустойчивой. По его расчетам, если темпы роста вычислительных мощностей сохранятся на уровне 30-40% в год, то к 2030 году совокупное потребление электроэнергии ЦОД достигнет 1500-2000 тераватт-часов. Это потребует строительства сотен новых электростанций, что невозможно ни с финансовой, ни с логистической точек зрения. Сроки строительства крупных энергоблоков (атомных, гидро- или ТЭС) составляют от 5 до 10 лет, тогда как ИИ-инфраструктура удваивается каждые 18-24 месяца. Этот временной разрыв создает структурный дефицит энергии, который не может быть быстро устранен рыночными механизмами.

Более того, эксперты указывают на региональную специфику проблемы. Наибольшая концентрация дата-центров наблюдается в США (штат Вирджиния), Ирландии и Сингапуре. В этих регионах местные энергосети уже работают на пределе возможностей. Например, в Ирландии, где расположены ЦОД крупнейших технологических гигантов, доля потребления электроэнергии дата-центрами достигла 18% от общего объема национального потребления, и власти страны были вынуждены ввести мораторий на строительство новых объектов. Подобные ограничения уже введены в Нидерландах и частично в Германии. Это означает, что даже при наличии капитала и технологий разместить новые мощности в развитых регионах становится крайне сложно.

Инфраструктурные ограничения и стоимость капитала

Финансовая составляющая энергетического кризиса ИИ не менее важна, чем техническая. Строительство сопутствующей энергетической инфраструктуры требует колоссальных инвестиций. Оценки варьируются, но для обеспечения энергией одного крупного кластера на 100 мегаватт необходимо вложить от 200 до 400 миллионов долларов только в создание подстанций, линий электропередач и систем охлаждения. Эти расходы не учитываются в бюджетах на разработку алгоритмов, но они напрямую влияют на юнит-экономику ИИ-сервисов. Рост стоимости электроэнергии в Европе (в среднем на 30-40% за последние два года) и волатильность цен на газ в Азии делают прогнозирование затрат крайне сложным.

В ответ на это технологические гиганты начинают пересматривать стратегии. Вместо строительства собственных электростанций (что требует десятилетий) они заключают долгосрочные соглашения о покупке энергии (PPA) с операторами ветряных и солнечных электростанций. Однако возобновляемые источники энергии обладают низким коэффициентом использования установленной мощности (обы

Таким образом, будущее индустрии искусственного интеллекта сегодня определяется не столько прорывами в алгоритмах или архитектуре чипов, сколько способностью человечества решить фундаментальную проблему энергоснабжения. Игроки рынка уже осознали, что дальнейшая гонка без параллельных инвестиций в генерацию, модернизацию сетей и инновационные методы охлаждения приведет к стагнации и росту издержек, что в конечном счете замедлит темпы внедрения ИИ в массовые продукты. Судьба отрасли теперь зависит от симбиоза технологий: без дешевой, чистой и доступной энергии даже самые совершенные модели останутся лишь дорогостоящей лабораторной разработкой.

В ближайшие годы мы станем свидетелями жесткой конкуренции за энергоресурсы, которая переформатирует географию дата-центров и, возможно, приведет к переносу вычислительных мощностей в регионы с избытком возобновляемой энергии, такие как Исландия