Энергия для ИИ: как «прокормить» искусственный интеллект
Почему ИИ сожрет всю энергию мира: честный разбор
К 2026 году искусственный интеллект будет потреблять столько же электричества, сколько вся Япония. Больше 1000 ТВт·ч в год. Это не страшилка — это расчеты Международного энергетического агентства. Но значит ли это, что нам пора выключать нейросети? Давайте разбираться.
Закон Куми и ловушка прогресса
Профессор Стэнфорда Джонатан Куми заметил: объем вычислений на киловатт энергии удваивается каждые полтора года. То есть железо становится эффективнее. Проблема в том, что спрос на услуги ИИ растет еще быстрее. С 2022 по 2024 год количество запросов к нейросетям увеличилось в 15 раз. Сравните: раньше вы гуглили — теперь общаетесь с GPT.
Китайский стартап DeepSeek заявил, что тренировал свою языковую модель в разы экономнее, чем OpenAI — ChatGPT. Американцы ответили обвинениями в краже данных. Суть не в скандале, а в тренде: гонка за эффективность идет полным ходом. Но пока аппетиты пользователей обгоняют технический прогресс.
Парадокс: каждый новый алгоритм в 2 раза экономичнее, но число запросов растет в 5 раз. Чистая математика — энергии нужно все больше.
Как «накормить» нейросеть дешевым электричеством
Инженеры ищут два пути: менять архитектуру чипов и размещать дата-центры в правильных местах.
Нейроморфные чипы — попытка скопировать биологический нейрон. Они потребляют в разы меньше энергии на стандартных задачах вроде распознавания образов. Современные смартфоны уже получают такие сопроцессоры. Но до полноценной замены GPU еще далеко.
География ЦОД — второй рычаг. Поставьте дата-центр рядом с ГЭС в Норвегии — и вы сэкономите на передаче энергии. Или опустите его под воду: эксперимент Microsoft показал снижение отказов оборудования в 8 раз за счет естественного охлаждения. Тепло серверов можно использовать для обогрева теплиц или подогрева нефтяных пластов — так уже делают в некоторых нефтегазовых компаниях.
Личное наблюдение автора: недавно я заметил, что обычный запрос к ChatGPT потребляет примерно в 10 раз больше энергии, чем поиск в Google. При этом мы используем нейросети для простейших вещей: «напиши письмо», «сделай картинку». Миллиарды таких запросов — вот настоящий драйвер энергопотребления.
Что делать? Пошаговый совет для компаний
- Посчитайте реальное энергопотребление ваших ИИ-решений. Часто оно скрыто в облачных тарифах.
- Используйте специализированные модели — не запускайте GPT-4 там, где хватит маленькой модели на 1 млрд параметров.
- Размещайте обучение рядом с дешевой энергией (солнце, ветер, ГЭС). Уже есть стартапы, которые арендуют мощности у дата-центров в Исландии.
ИИ спасает энергетику сильнее, чем тратит
Пока мы паникуем, нейросети уже помогают ТЭК работать эффективнее. Нефтяники оптимизируют режимы скважин на тысячах объектов — экономия топлива и снижение аварийности. Геологоразведка с ИИ находит залежи быстрее, сокращая бурение лишних скважин. Алгоритмы управляют ветряками и солнечными панелями, точно предсказывая погоду.
Сравним выгоды и затраты:
| Фактор | Без ИИ | С ИИ |
|---|---|---|
| Энергопотребление ЦОД | 100% (база) | +40% к 2026 |
| Потери в сетях ТЭК | 8–12% | 4–6% (оптимизация) |
| Эффективность бурения | 70% успешных скважин | 85% (прогноз ИИ) |
Цифры приблизительные, но тренд ясен: каждый киловатт, потраченный на ИИ, может сэкономить несколько киловатт в других отраслях.
Мое мнение: бояться энергопотребления ИИ не стоит. Это стимул для создания более эффективных чипов, возобновляемой энергетики и умных сетей. Если бы не ИИ, мы бы до сих пор жгли уголь для серверов, которые крутят рекламу.
Резюме от автора: ИИ будет жрать все больше энергии — это факт. Но параллельно он же заставляет нас строить более чистую и гибкую энергосистему. Вопрос не в том, хватит ли нам электричества, а в том, как быстро мы научимся производить его без вреда для планеты.
