Масштабное расширение инфраструктуры для обучения ИИ-моделей столкнулось с серьезным энергетическим барьером. Крупнейшие технологические компании скрывают реальные объемы энергопотребления своих дата-центров, что создает риски для стабильности электросетей и замедляет переход к «зеленой» энергетике. Аналитики отмечают, что текущие темпы роста мощностей требуют колоссальных инвестиций в генерацию, которые не всегда учитываются в отчетности корпораций.
Основная проблема заключается в непрозрачности данных о том, сколько именно электричества потребляют конкретные кластеры GPU. В то время как компании заявляют о стремлении к углеродной нейтральности, фактический спрос на электроэнергию растет экспоненциально из-за обучения моделей следующего поколения. Это вынуждает энергетические компании продлевать срок службы угольных и газовых электростанций, которые планировалось вывести из эксплуатации.
Ситуация осложняется тем, что строительство новых линий электропередач и подстанций занимает годы, в то время как развертывание вычислительных мощностей происходит за месяцы. Возникает разрыв между возможностями инфраструктуры и аппетитами разработчиков ИИ, что может привести к локальным дефицитам энергии и росту тарифов для конечных потребителей. Инвесторы начинают требовать более детального раскрытия информации о том, как именно технологические гиганты планируют обеспечивать свои объекты энергией в долгосрочной перспективе.
Ключевые факты
- Прогнозируется, что к 2030 году потребление электроэнергии дата-центрами в США вырастет в три раза по сравнению с текущими показателями.
- Технологические компании вынуждены заключать прямые сделки с энергетическими корпорациями, включая перезапуск законсервированных атомных реакторов.
- Отсутствие стандартизированной отчетности по энергопотреблению ИИ-инфраструктуры затрудняет оценку ESG-рисков для крупных инвесторов.
- Строительство энергетической инфраструктуры для новых дата-центров требует инвестиций, исчисляемых десятками миллиардов долларов, что ложится бременем на операторов сетей.