Globalne centra danych zużywają coraz więcej energii
Rosnąca skala zastosowań sztucznej inteligencji – zwłaszcza modeli językowych i systemów uczenia maszynowego – przekłada się bezpośrednio na wzrost zapotrzebowania na energię elektryczną. Procesy trenowania i wdrażania tych rozwiązań wymagają ogromnych mocy obliczeniowych, a co za tym idzie – stałego zasilania. Zgodnie z raportem Goldman Sachs Research:
Najszybciej rozwijające się regiony
Z danych wynika, iż największe przyrosty infrastruktury centrów danych obserwuje się w regionach Azji i Pacyfiku oraz Ameryki Północnej. Szczególnie dynamicznie rozwijają się rynki w Singapurze, Indiach i Korei Południowej.
Jednocześnie dane z wykresu „Regional Data Center Markets by Share of Power Supply” pokazują, iż blisko 45% globalnej podaży mocy zasilającej centra danych przypadało w 2023 r. na USA, a kolejne duże udziały miały Chiny, Japonia i kraje UE.
Źródło: Goldman SachsWspółczynnik zajętości zbliża się do maksimum
Ważnym wskaźnikiem pokazującym napięcie w globalnej infrastrukturze IT jest miernik stopnia wykorzystania istniejącej mocy zasilania i przestrzeni operacyjnej. W regionach o dużym nasyceniu, takich, możliwość dalszej ekspansji bez inwestycji w sieci przesyłowe i źródła mocy jest ograniczona.
„Modelując przyszłe zapotrzebowanie dla wszystkich z typów obciążeń, nasi analitycy prognozują, iż do 2027 roku zapotrzebowanie na moc osiągnie 84 GW, przy czym AI będzie odpowiadać za 27% całego rynku, chmura spadnie do 50%, a tradycyjne obciążenia zmniejszą się do 23%. Ten scenariusz bazowy może jednak ulec zmianie w przypadku spowolnienia wykorzystania AI — na przykład, jeżeli przejście na pracę opartą na AI i jej monetyzację nie rozwinie się tak szybko, jak zakładano. W takich ostrożniejszych wariantach zapotrzebowanie może odbiegać od prognozy bazowej o 9–13 GW.”
Potrzebne nowe źródła i lepsze magazynowanie energii
Coraz większe obciążenie sieci przesyłowych przez sektor AI wymusza przyspieszenie inwestycji w energetykę. Jednak źródła odnawialne – mimo dynamicznego rozwoju – nie zapewniają ciągłości zasilania potrzebnej dla centrów danych.
Z tego powodu rośnie znaczenie gazu ziemnego oraz rozwiązań jądrowych (w tym SMR – małych reaktorów modułowych), które mogą dostarczyć niezawodną energię bazową. Jednocześnie rozwijają się technologie magazynowania energii, jednak ich koszt i skalowalność pozostają wyzwaniem.
Przykład z USA: infrastruktura pod presją
Dla zobrazowania skali wyzwania warto przytoczyć przykład Stanów Zjednoczonych. W regionach takich jak Wirginia i Teksas operatorzy energetyczni już teraz ostrzegają przed przeciążeniem sieci. W „Data Center Alley” – klastrze centrów danych w Północnej Wirginii – dostępna moc zbliża się do granicy możliwości.
Niektóre prognozy wskazują, iż do końca dekady zużycie energii przez centra danych w USA może przewyższyć zużycie całych krajów, jak Japonia czy Turcja.
Sztuczna inteligencja to nie tylko software – to także stal, beton i megawaty
Rozwój AI nie istnieje w próżni. Za cyfrowymi innowacjami stoją fizyczne struktury: serwerownie, linie przesyłowe, elektrownie. Każde kliknięcie w ChatGPT czy generowanie grafiki przez AI to realny koszt energetyczny.
Jeśli świat nie dostosuje sieci przesyłowych i nie zainwestuje w stabilne źródła mocy, rozwój AI może natrafić na barierę technologiczną – ograniczoną dostępność energii. A to oznacza, iż nie tylko sektor IT, ale i cały przemysł energetyczny musi przyspieszyć transformację.
Wnioski: potrzeba szybkich i skoordynowanych działań
Wzrost konsumpcji energii przez sektor AI zmienia priorytety planowania sieci energetycznych na całym świecie. Konieczne są nowe modele prognozowania popytu, szybsze procedury inwestycyjne i rozwój infrastruktury opartej na niezawodnych źródłach.
Kraje, które pierwsze dostosują swoje systemy energetyczne do nowej rzeczywistości, mogą stać się liderami cyfrowej transformacji. Z kolei regiony, które nie zdołają zwiększyć dostępności energii, mogą zostać pominięte w globalnym wyścigu technologicznym.
Źródła: Goldman Sachs, Robert Rapier dla Energy Central.
