NVIDIA Blackwell Ultra и Emerald AI сглаживают пик в 1 ГВт без новых ЛЭП

Компании Emerald AI и NVIDIA совместно с National Grid и EPRI продемонстрировали технологию, позволяющую заводам искусственного интеллекта автоматически снижать потребление энергии в моменты пиковых нагрузок на сеть. В ходе испытаний в Лондоне кластер из 96 ускорителей NVIDIA Blackwell Ultra за доли секунды уменьшил энергопотребление, компенсируя резкий скачок спроса, вызванный одновременным включением чайников миллионами зрителей во время футбольного матча. Это решение позволяет подключать крупные объекты к сетям быстрее, без необходимости многолетних и дорогостоящих инфраструктурных, одновременно сдерживая рост тарифов для конечных потребителей.

Важный нюанс: Технология превращает энергоемкие дата-центры из пассивных потребителей в активные элементы стабилизации сети, способные работать как «амортизаторы» для резких скачков нагрузки.

Механизм работы и результаты испытаний

Тестирование проводилось на заводе ИИ компании Nebius в Лондоне, построенном на инфраструктуре NVIDIA. В эксперименте использовалась платформа Emerald AI Conductor, которая управляет энергопотреблением оборудования в реальном времени. Система получала данные о нагрузке на сеть через интерфейс NVIDIA System Management Interface и мгновенно корректировала работу кластера.

Испытания включали симуляцию экстремальных сценариев: от ударов молнии до длительных периодов отсутствия ветра. Ключевым тестом стала имитация эффекта «TV pickup» — массового включения бытовой техники во время перерыва в трансляции Евро-2020. В этот момент завод ИИ снизил потребление, сгладив пик в 1 гигаватт, что сопоставимо с мощностью стандартной атомной электростанции.

Система продемонстрировала высокую точность управления:

• Достигнуто 100% совпадение с более чем 200 целевыми показателями мощности, заданными операторами сети.
• Приоритетные задачи ИИ выполнялись с максимальной пропускной способностью без сбоев.
• Менее важные процессы были временно замедлены, что позволило сохранить общую производительность системы.

Стоит учесть: Технология не просто отключает оборудование, а динамически перераспределяет нагрузку между критически важными и гибкими задачами, сохраняя непрерывность работы бизнеса.

Экономический эффект и масштабирование

Основной барьер для подключения крупных потребителей к энергосетям в Великобритании — ограничения инфраструктуры. Внедрение гибких заводов ИИ позволяет обойти эту проблему, используя существующие мощности более эффективно. Это сокращает потребность в строительстве новых линий электропередач и генерирующих мощностей, предназначенных только для покрытия кратковременных пиков.

Руководство National Grid отмечает, что такая модель позволяет Великобритании развивать отрасль ИИ, несмотря на меньшие масштабы по сравнению с США. Гибкость потребления открывает путь для подключения новых промышленных объектов без задержек в несколько лет, необходимых для традиционного расширения сетей.

После успешных тестов в Аризоне, Вирджинии и Иллинойсе, а также в Лондоне, компании готовятся к запуску первой полноценной «энергетически гибкой» фабрики ИИ Aurora AI Factory в Вирджинии в текущем году.

На фоне этого: Ускорение подключения дата-центров к сетям может стать ключевым фактором для развития ИИ-индустрии в регионах с дефицитом энергомощностей, снижая капитальные затраты на инфраструктуру.

Операционные последствия и скрытые нюансы

На основе представленных данных можно выделить несколько практических аспектов внедрения подобных решений:

• Скорость подключения: Компании могут рассчитывать на более быстрое получение разрешения на подключение к сетям, так как их объекты не требуют резервирования пиковых мощностей, которые сейчас являются узким местом для операторов.
• Зависимость от алгоритмов управления: Эффективность системы напрямую зависит от точности прогнозов нагрузки и скорости реакции программного обеспечения Emerald AI Conductor. Любая задержка в получении сигналов от сети может снизить эффективность сглаживания пиков.
• Влияние на приоритетность задач: Внедрение требует четкого разделения рабочих нагрузок на критические и гибкие. Бизнесу необходимо заранее определить, какие процессы можно замедлить без ущерба для конечного результата.
• Глобальный тренд: Опыт, полученный в Великобритании и США, может стать стандартом для других стран, где рост потребления энергии ИИ опережает развитие энергосетей. Это сигнал для рынка: энергетическая эффективность становится не просто вопросом экологии, а условием физического подключения к инфраструктуре.

Важно: Для российских предприятий, планирующих масштабные ИИ-проекты, этот опыт указывает на необходимость разработки собственных алгоритмов управления энергопотреблением, чтобы минимизировать риски отключения или задержек в подключении к сетям в условиях дефицита мощностей.