Электросети и охлаждение стали главным ограничителем развития ИИ
Глобальное энергопотребление дата-центров к 2030 году вырастет почти вдвое, превратив электросети и системы охлаждения в главный ограничитель развития ИИ. Компании смещают фокус с скорости чипов на эффективность инфраструктуры, поскольку без стабильного питания и отвода тепла даже самые мощные процессоры будут простаивать.
Конкуренция в сфере искусственного интеллекта сместилась от гонки за скоростью процессоров к борьбе за эффективность инфраструктуры. По данным Международного энергетического агентства (IEA), потребление электроэнергии дата-центрами по всему миру может вырасти с 415 ТВт·ч в 2024 году до 945 ТВт·ч к 2030 году.
Основная проблема заключается не в отсутствии мощных чипов, а в том, что существующие сети и системы охлаждения не справляются с тепловыделением и нагрузкой от новых серверов. Стабильное энергоснабжение теперь является критическим фактором для масштабируемости ИИ-сервисов.
Рост энергопотребления в США и мире
Расширение вычислительных мощностей напрямую влияет на нагрузку на электросети. В США аналитики McKinsey прогнозируют, что дата-центры обеспечат около 75% прироста спроса на электроэнергию в ближайшие десятилетие.
- Скорость строительства: Если текущие темпы сохранятся, новые объекты будут потреблять мощность, эквивалентную почти 30 ГВт ежегодно.
- Структура нагрузки: В эту цифру входят не только сами серверы и накопители, но и системы охлаждения, распределения энергии, а также резервные мощности для покрытия пиковых нагрузок.
Отсутствие достаточных резервов в энергосетях означает, что даже самые быстрые процессоры будут простаивать или работать на пониженных оборотах из-за дефицита стабильного питания.
Тепло как новый ресурс: переход к жидкостному охлаждению
Увеличение плотности оборудования в стойках (rack) приводит к резкому росту температуры. Традиционное воздушное охлаждение становится неэффективным для высоконагруженных ИИ-систем.
- Плотность нагрузки: Согласно опросу Uptime Institute 2025 года, 82% респондентов указали, что максимальная плотность их стоек составляет менее 30 кВт. Однако в отдельных случаях показатели превышают 100 кВт, что требует применения жидкостного охлаждения и систем отвода тепла непосредственно от кристаллов процессоров.
- Эффективность: Недостаточное охлаждение заставляет процессоры снижать частоту работы (троттлинг), что ведет к потере производительности, сокращению срока службы оборудования и росту затрат на обслуживание.
Примером эффективного использования тепла служит проект в Хамине (Финляндия). Там отработанный теплоноситель от дата-центра Google используется для обогрева жилых домов и школ. Эта система покрывает около 80% потребностей местного района в тепле. Хотя такой подход зависит от климата и наличия городской инфраструктуры, он демонстрирует возможность превращения побочного продукта работы ИИ-центров в полезный энергоресурс.
Эффективность как ключевой показатель конкуренции
Поскольку расширение генерирующих мощностей требует времени и значительных инвестиций, фокус смещается на метрику «производительность на ватт». Компании стремятся получить максимальное количество вычислений при минимальном расходе энергии.
Это меняет подход к проектированию:
- Системная интеграция: Процессоры, память и сети должны работать слаженно, чтобы минимизировать потери энергии при передаче данных.
- Выбор локации: При инвестировании в дата-центры ключевыми факторами становятся не только доступ к земельным участкам, но и наличие мощных линий электропередач, ресурсов для охлаждения и низкие операционные расходы на энергию.
Роль поставщиков энергетического оборудования и систем охлаждения растет: их технологии становятся неотъемлемой частью архитектуры ИИ-инфраструктуры наравне с полупроводниками.
Подтверждение: news.skhynix.com
