Szacuje się, że do 2026 roku centra danych będą zużywać około 1000 terawatogodzin energii elektrycznej – czyli mniej więcej tyle, ile wynosi łączny roczny popyt Japonii i Niemiec. Ten gwałtowny wzrost jest napędzany przez obciążenia związane ze sztuczną inteligencją (AI), a wynikająca z tego luka energetyczna zagraża zahamowaniu kolejnej fali przełomowych odkryć w dziedzinie uczenia maszynowego.

Apetyt AI na energię elektryczną nie jest abstrakcyjny. Pojedyncze zapytanie do ChatGPT zużywa dziesięciokrotnie więcej energii niż typowe wyszukiwanie w Google, a wytrenowanie modelu wielkości GPT-4 wymaga tyle energii, ile potrzeba do zasilania 4600 domów przez rok. W miarę jak firmy ścigają się, aby zwiększać skalę klastrów do wnioskowania (inference) i trenowania, zapotrzebowanie na stałą, ogromną moc rośnie szybciej niż zdolność niestabilnych odnawialnych źródeł energii do jej dostarczania.

Dlaczego obecny miks odnawialnych źródeł energii jest niewystarczający

Panele słoneczne i turbiny wiatrowe generują energię tylko wtedy, gdy świeci słońce lub wieje wiatr. Operatorzy centrów danych potrzebują stałych dostaw przez 24 godziny na dobę, tymczasem baterie magazynujące nadwyżki energii z OZE mogą pokryć zapotrzebowanie jedynie przez kilka godzin. Skutkuje to uzależnieniem od elektrowni szczytowych opartych na paliwach kopalnych – generatorów gazowych lub węglowych, które uruchamiane są, gdy produkcja z odnawialnych źródeł spada. Elektrownie te emitują dwutlenek węgla i zwiększają koszty operacyjne, podważając „zielone” deklaracje, którymi chwalą się wielu gigantów technologicznych w swoich raportach zrównoważonego rozwoju.

Powrót energetyki jądrowej

W obliczu luki w niezawodności dostaw, kilka firm z sektora Big Tech zwraca się ku energii jądrowej, która zapewnia stabilną energię podstawową (baseload) bez emisji dwutlenku węgla.

  • Microsoft przywraca do życia wycofany z eksploatacji reaktor na wyspie Three Mile Island, aby zapewnić stabilne dostawy energii dla swoich obciążeń AI.
  • Google podpisało partnerstwo ze startupem rozwijającym zaawansowane reaktory, celując w ich wdrożenie do 2030 roku.
  • Amazon inwestuje w małe reaktory modułowe (SMR) i lokalizuje nowe centra danych w pobliżu istniejących obiektów jądrowych.

Te działania sygnalizują szerszy „renesans jądrowy” w branży, w którym obietnica gęstej, całodobowej energii przeważa nad historycznym stygmatem przypisanym tej technologii.

Arbitraż lokalizacyjny i wydajność sprzętowa

Nie wszystkie firmy stawiają na nowe reaktory. Niektóre omijają problem, budując w regionach, gdzie energia z odnawialnych źródeł jest obfita i tania. Islandzkie pola geotermalne i norweskie sieci hydroelektryczne zapewniają zarówno moc, jak i naturalne chłodzenie, co obniża zużycie energii i koszty operacyjne.

Jednocześnie projektanci sprzętu starają się wycisnąć więcej pracy z każdego wata. Nowe chipy zoptymalizowane pod kątem AI oferują wyższą wydajność na jednostkę energii elektrycznej, a systemy chłodzenia cieczą mogą zredukować zapotrzebowanie na energię potrzebną do chłodzenia nawet o 50 procent. Te postępy kupują czas, ale nie eliminują samej krzywej popytu.

Stawka dla branży

Jeśli czysta, niezawodna i przystępna cenowo energia nie nadąży za wzrostem AI, mogą nastąpić następujące skutki:

  • Presja kosztowa:

Na co warto zwrócić uwagę w przyszłości

  • Rozwój regulacji: Należy śledzić postępy zapowiedzianych partnerstw jądrowych oraz skalę budowy centrów danych w lokalizacjach o niskiej emisji dwutlenku węgla.

Wyścig o zasilanie AI nie jest już kwestią budowy szybszych chipów; to walka o czystą, niezawodną energię elektryczną na wielką skalę. To, jak branża rozwiąże to napięcie, zdecyduje o tym, czy kolejna generacja modeli AI będzie mogła być trenowana i uruchamiana bez ograniczania ambicji.