Cik daudz elektrības patiesībā ir nepieciešams datu centram?
"Dodiet man bezmaksas vienas dienas ekskursiju pa Pekinas hutongiem, neatkāpjoties no ierastā maršruta."
"Noņemiet no šī fotoattēla garāmgājējus, saglabājiet to dabisku."
"Aizstājiet sautēto pīli sniegotā kalnu lapsas glābšanas video ar sālītu pīli."
Kurš no šiem mākslīgā intelekta ieteikumiem patērētu vairāk elektroenerģijas?
Pirms dažiem gadiem viena datu centra jaudas slodze (nepieciešamā jauda) bieži vien bija desmitiem megavatu (MW) diapazonā. Tomēr, pieaugot mākslīgā intelekta skaitļošanas jaudas pieprasījumam, datu centru jaudas pieprasījums turpina pieaugt. Saskaņā ar Starptautiskās Enerģētikas aģentūras (IEA) ziņojumu, globālais datu centru elektroenerģijas patēriņš 2024. gadā bija aptuveni 415 teravatstundas (TWh) un līdz 2030. gadam varētu pieaugt līdz aptuveni 945 teravatstundām (TWh) (tas ir atkarīgs no nenoteiktības atkarībā no scenārija).
Salīdzinājumam, Triju Aizu Aizu dambja gada elektroenerģijas ražošana 2025. gadā bija aptuveni 95,715 miljardi kilovatstundu (95,715 teravatstundas). Tādēļ globālā datu centra elektroenerģijas patēriņš ir līdzvērtīgs aptuveni četru Triju Aizu Aizu dambju gada elektroenerģijas ražošanai.
Atgriežoties pie sākotnējā jautājuma: viena mākslīgā intelekta pieprasījuma enerģijas patēriņam nav fiksētas vērtības, un to ietekmē daudzi faktori, piemēram, modeļa lielums, izejas garums, secinājumu ķēde, vienlaicība, aparatūra un datu centrs. Vispārējās tendences ir šādas:
Vienkāršs teksts, īsas izvades un mazāk secinājumu soļu parasti ir energoefektīvāki. Sarežģīti secinājumi, vairāku pagriezienu dialogi un garas izvades ievērojami palielina skaitļošanas slodzi.
Sarežģītu attēlu ģenerēšana parasti ir skaitļošanas ziņā intensīvāka nekā vienkārša teksta ģenerēšana.
Video ģenerēšanas/garu video rediģēšanas uzdevumi bieži vien uzrāda vislielāko enerģijas patēriņa pieaugumu.
Enerģijas plānošanai jābūt saskaņotai ar mākslīgā intelekta datu centra būvniecību.
Tradicionālā enerģijas plānošana bieži vien darbojas gadu desmitiem ilgā laika posmā; tomēr hiperskalas datu centru attīstības cikls ir daudz īsāks, un tam ir nepieciešama stingra saskaņotība starp barošanas avotu un tirgus logiem. Bieži sastopami praktiski ieviešanas ierobežojumi ir šādi:
Datu centru projektu būvniecība vien var ilgt gadiem, neskaitot laiku, kas nepieciešams jaunu barošanas avotu nodošanai ekspluatācijā.
Jaunām ar gāzi darbināmām spēkstacijām bieži vien ir noteikti ierobežojumi, piemēram, atļaujas, degviela un cauruļvadu nosacījumi, un nodošanas ekspluatācijā cikli var sasniegt 8–10 gadus. Kritisku iekārtu, piemēram, lielu transformatoru, automātisko slēdžu, turbīnu un saliekamo apakšstaciju, piegādes laiks ir ilgs, un bieži vien ir nepieciešama plānošana vairākus gadus iepriekš.
No enerģētikas sektora viedokļa kapitāls un steidzamības sajūta nevar apiet fiziskās būvniecības un regulēšanas procesus. Tāpēc abām pusēm ir jāpielāgo savas stratēģijas: datu centriem vajadzētu agrāk signalizēt par savu faktisko pieprasījumu, un enerģētikas uzņēmumiem/komunālo pakalpojumu sniedzējiem vajadzētu agrāk iejaukties energoapgādes risinājumos un projektēšanas izvēlē, lai samazinātu neatbilstības un iterācijas "plānošanas-ieviešanas" procesā.
Ekstremāli laikapstākļi palielina pieprasījumu pēc elektroenerģijas.
Pēdējos gados ekstremāli laikapstākļi ir kļuvuši arvien biežāki. Pat pirms datu centru pilnas noslodzes pievienošanas ekstremāli laikapstākļi jau nepārtraukti pārbauda elektrotīkla iespējas.
Dzīvojamo māju dzesēšanas slodzes strauji pieaug, piespiežot sistēmu plānošanu veikt sarežģītas izvēles augsta spiediena apstākļos. Līdz ar hiperskalas datu centru izaugsmi, bez rūpīgas integrācijas lielas slodzes apgrūtinās uzticamības nodrošināšanu. Notiek arī regulatīvās un likumdošanas diskusijas par to, vai ārkārtas situācijās ieviest slodzes samazinājumus lieliem rūpnieciskiem lietotājiem, piemēram, datu centriem, lai nodrošinātu prioritāti dzīvībai kritiski svarīgām slodzēm. Tas nozīmē, ka elektroenerģijas uzņēmumiem ir nepieciešamas institucionālas un tehnoloģiskas vienošanās ar "samazināmu jaudu", vienlaikus līdzsvarojot līgumus, klientu attiecības un ilgtermiņa partnerības.
Saskaroties ar nākamo pieprasījuma pieauguma vilni, elektrotīkliem un datu centriem ir nepieciešama "ātrāka un stabilāka" infrastruktūra.
Tā kā datu centru un mākslīgā intelekta enerģijas pieprasījums turpina pieaugt, komunālo pakalpojumu uzņēmumiem ir jāatrod delikātāks līdzsvars starp paplašināšanos un uzticamību.
Šajā procesāBeldens Hiršmanssavienojamības un tīklošanas iespējas var atbalstīt kritiskus scenārijus datu centros un enerģētikas nozarē, tostarp uzticamus savienojumus ar kritiski svarīgiem enerģijas avotiem un sadales sistēmu, rūpnieciskā tīkla komunikāciju un datu iegūšanu, kā arī vizualizācijas un pārvaldības iespējas darbībai un apkopei, palīdzot klientiem uzlabot izvietojamību, apkopi un darbības drošību paplašināšanas laikā.
Ziņu avots: Belden Hessmann WeChat oficiālais konts
Citētais avots: Enerģija un mākslīgais intelekts — analīze — IEA: https://www.iea.org/reports/energy-and-ai/
2025. gada Triju Aizu projekta biļetens: http://www.mwr.gov.cn/sj/tjgb/sxgcgb/202606/t20260629_2131904.html
Publicēšanas laiks: 2026. gada 10. augusts