![](https://atomvestnik.ru/wp-content/uploads/2024/05/ГЛАВНАЯ1-770x432.jpg)
Жажда электричества
Как цифровые технологии меняют мировой энергетический ландшафт
Глобальные цели по снижению выбросов СО2 вызывают стремление электрифицировать все — от автотранспорта до систем отопления, и это закономерно увеличивает спрос на электроэнергию. Но в последние годы бурно развиваются новые виды энергопотребления, которые ранее не учитывались в моделях декарбонизации, такие как криптомайнинг и машинное обучение. Согласно недавно опубликованному отчету Международного энергетического агентства, в 2022 году центры обработки данных (как традиционные, так и связанные с вычислительными процессами, обслуживающими криптовалюты и искусственный интеллект) потребили во всем мире около 460 ТВт·ч, что составляет почти 2% глобального спроса на электроэнергию. К 2026-му этот показатель может удвоиться. Разбираемся, какие цифровые технологии влияют на рост энергопотребления и что в этом не нравится политикам, энергетикам, бизнесменам и экологам.
Прожорливые монеты
Хитроумная цифровая технология под названием «блокчейн» нужна везде, где необходима надежность передачи и хранения данных. Сегодня блокчейны, которые могут быть публичными или частными, используются для хранения персональных данных, идентификации, подтверждения различных сделок. И, конечно, на блокчейне работают все криптовалюты, в том числе доминирующий на рынке биткойн (Bitcoin, BTC).
Блокчейн — это база данных (цифровой реестр) транзакций, состоящая из последовательно выстроенной цепочки криптографически защищенных цифровых блоков, в каждом из которых хранится информация о предыдущем и следующем блоках. Система дает возможность вести учет этих транзакций и обмениваться данными о них между распределенной сетью компьютеров. Прозрачность и безопасность — главные преимущества блокчейна: каждый участник сети может ознакомиться с информацией внутри блока, но ее невозможно изменить или уничтожить. Принципы функционирования и применения блокчейна были описаны еще в начале 1990-х, но технических возможностей для осуществления этой идеи тогда не было.
Коротко
Информация в блокчейне неизменна благодаря механизму хеширования — создания уникального набора буквенно-цифровых символов, при котором изменение одного символа влечет изменение во всей цепочке. Когда в сети совершаются транзакции, программа создает криптографический хэш (64-значное шестнадцатеричное число), который объединяет все транзакции вместе, что необходимо для создания блока. Блоки в сети добавляются с помощью майнинга — вычислительного процесса проверки подлинности транзакций. Каждый майнер криптовалют стремится первым вычислить хэш и добавить в реестр новый блок, получив вознаграждение в виде вновь выпущенных криптомонет-токенов и комиссии за обработанные транзакции. Чем мощнее вычислительное устройство, тем выше хэшрейт (количество хэшей, проверенных в единицу времени) и шансы майнера на получение вознаграждения.
Новые наборы транзакций добавляются в блокчейн биткойна примерно каждые 10 минут, а хешрейт сети Биткойн сейчас выражается в эксахэшах (1 квинтиллион хэшей) в секунду. Поэтому неудивительно, что майнинг биткойнов — чрезвычайно энергозатратный процесс. Когда сеть Биткойн только появилась, вознаграждение майнера составляло 50 монет за каждый добытый блок. Согласно правилам сети, после каждых 210 тыс. найденных блоков вознаграждение должно уменьшаться вдвое, это происходит примерно каждые 4 года (в конце апреля 2024 года вознаграждение снизилось до 3,125 BTC). Поэтому майнеры используют все более мощные машины, чтобы извлекать как можно больше прибыли. Все это за прошедшие годы привело к тому, что сейчас глобальная сеть Биткойн потребляет больше энергии, чем ряд стран, а энергосистемы некоторых регионов из-за майнинга испытывают серьезные перегрузки.
![](https://atomvestnik.ru/wp-content/uploads/2024/05/Untitled-1-770x433.jpg)
В начале 2020-х появились данные, что углеродный след сети Биткойн, вероятно, может превышать предполагаемое глобальное сокращение выбросов CO2, которого удается добиться благодаря электрификации транспорта, и политики поняли, что майнинг является серьезным препятствием на пути к декарбонизации. Согласно отчету Управления энергетической информации США (Energy Information Administration, EIA), выпущенному в апреле 2024 года, майнеры биткойнов в США потребляют такое же количество электроэнергии, сколько как минимум весь штат Юта — от 0,6 до 2,3% общей потребности страны в электроэнергии (годовой спрос 3–6 млн домохозяйств). Это обусловлено в том числе тем, что значительное количество компаний по добыче криптовалюты переместилось в США из Китая, где эта деятельность была запрещена в 2021 году.
EIA также приводит глобальные данные в соответствии с оценками Кембриджского индекса энергопотребления сети Биткойн (Cambridge Bitcoin Electricity Consumption Index, CBECI). Доля электроэнергии для поддержки майнинга биткойнов в 2023 году составила от 0,2 до 0,9% мирового спроса, то есть была примерно на уровне общего потребления электроэнергии в Греции или Австралии соответственно, указывается в отчете.
Если говорить о России, то, по данным РБК, по итогам 2023 года наша страна занимала второе место в мире после США по объемам мощностей, задействованных в майнинге (ориентировочно 1,5–1,7 ГВт). Одна из причин такого лидерства в том, что в ряде регионов, например в Иркутской области и Красноярском крае, майнинг является выгодным с точки зрения как цен на электроэнергию, так и климата, который позволяет меньше тратиться на охлаждение оборудования.
Однако законодательное регулирование этой деятельности в нашей стране по-прежнему отсутствует, и так называемый гаражный майнинг является серьезной проблемой в регионах с низкими тарифами. Нелегальная работа майнинговых ферм ведет к потерям энергии, экономическому ущербу и возникновению рисков перегрузки сетей и технологических нарушений. В то же время работа легальных майнинговых компаний, по заявлениям «Россетей», не влияет на надежность инфраструктуры, так как при их техприсоединении учитывается максимальная потребляемая мощность.
Хорошая новость для мировой энергосистемы и перспектив декарбонизации заключается в том, что, по мнению ряда аналитиков, проблема высокого энергопотребления заключается не в майнинге как таковом. Алекс де Врис, известный эксперт, изучающий новые виды энергопотребления, и основатель Digiconomist — исследовательской компании, занимающейся выявлением непредвиденных последствий новых цифровых тенденций, сообщает, что эфир (Ethereum), второй по величине криптоактив по рыночной капитализации, в 2022 году заменил алгоритм майнинга на альтернативный, что привело к снижению энергопотребления на 99%. Если сеть Биткойн перейдет на такой же алгоритм, то, по мнению Алекса де Вриса, это сможет решить проблему высокого энергопотребления при майнинге в мировом масштабе, однако пока этого не произошло. Призывы «озеленить» биткойн тоже пока не увенчались успехом, так как ВИЭ не гарантируют мощную и стабильную выработку, необходимую для работы майнинговых ферм и дата-центров в суточном и годовом режиме, особенно в местах с наиболее благоприятным прохладным климатом, а цена биткойна по-прежнему чрезвычайно волатильна.
Цена генерации котиков
Бурное развитие систем генеративного ИИ в последние годы также заставило обратить на себя самое пристальное внимание с точки зрения энергопотребления. Модели искусственного интеллекта теперь могут вполне умело распознавать текст и изображения, преобразовывать аудиозаписи в текст, обеспечивать работу чат-ботов и автоматизировать простые задачи, а некоторые алгоритмы ИИ даже способны к самопрограммированию. По данным Международного энергетического агентства (МЭА), вычислительные мощности, необходимые для разработки все более совершенных моделей машинного обучения, с 2010 года удваивались каждые пять-шесть месяцев.
То, что для машинного обучения требуется очень много энергии, считается общеизвестным фактом. В 2022 году Google сообщила, что на этот сегмент приходилось около 15% общего энергопотребления компании за предыдущие три года. Но данные о том, сколько электричества и других ресурсов нужно ИИ (и, соответственно, как это воздействует на окружающую среду), не собираются систематически, а существующие экспертные оценки дают об этом лишь частичное представление.
Также считается, что чрезвычайно энергоемким является именно первичное обучение модели. Например, для обучения большой языковой модели, такой как GPT-3, по данным популярного портала о цифровых технологиях The Verge, требуется чуть менее 1300 МВт·ч (примерно столько же ежегодно потребляют 130 домов в США). Для сравнения: час потоковой передачи Netflix требует около 0,8 кВт·ч (0,0008 МВт·ч), то есть гипотетический киноман может смотреть сериалы 1 625 000 часов, чтобы потратить такое же количество энергии, которое было нужно для тренировки GPT-3.
Трудно сказать, насколько эти данные можно экстраполировать на следующие поколения ИИ. С одной стороны, энергопотребление может быть больше, поскольку модели искусственного интеллекта постоянно растут, что требует больше энергии. С другой стороны, разработчики могут сделать эти системы более энергоэффективными. Проблема адекватности оценок заключается в том, что компании не хотят раскрывать такие данные, поскольку ИИ стал стремительно коммерциализироваться. Например, OpenAI публиковала данные о режимах обучения, которые использовались ранее, но по последним моделям, таким как ChatGPT и GPT-4, подобной информации в открытом доступе просто не существует. Однако по оценкам, приведенным The Wall Street Journal, для обучения GPT-5 может потребоваться в пять раз больше данных, чем было использовано для предыдущей модели.
Впрочем, автор нескольких научных статей, посвященных энергопотреблению ИИ, Саша Луччиони объясняет, что обучение модели — это только часть картины. После создания и обучения система распространяется среди потребителей, которые используют ее для генерации результатов (этот процесс называется выводом). В декабре прошлого года Луччиони и ее коллеги из компании Hugging Face и Университета Карнеги — Меллона опубликовали статью, в которой приведены первые оценки энергопотребления различными моделями ИИ в процессе вывода. Исследователи провели тестирование 88 различных моделей с разными вариантами использования: от ответов на вопросы до идентификации объектов и создания изображений. В каждом случае исследователи запускали задачу 1000 раз и оценивали затраты энергии. Выяснилось, что для выполнения большинства задач нужно не слишком много энергии, например 0,002 кВт·ч для классификации текстов и 0,047 кВт·ч для генерации текста. Если опять взять для сравнения час потоковой передачи Netflix, то классификация текстов и генерация текста (при выполнении каждой задачи 1000 раз) по затратам энергии эквивалентны просмотру видео в течение 9 секунд и 3,5 минут соответственно. Но эти цифры были заметно выше для моделей генерации изображений, которые использовали в среднем 2,907 кВт·ч на 1000 выводов (для сравнения: средний смартфон для зарядки использует 0,012 кВт·ч).
Исследователи тестировали различные модели, от небольших, создающих крошечные картинки размером 64 x 64 пикселя, до более крупных, генерирующих изображения 4K (профессиональный стандарт в цифровом кинематографе и компьютерной графике — изображение высокого разрешения 3840 х 2160 пикселей). Это привело к огромному разбросу значений, но ценность исследования не в абсолютных цифрах, а в получении полезных относительных данных. Так, авторы показали, что в любом случае модели ИИ требуют больше энергии для генерации выходных данных, чем при классификации входных, а все, что связано с изображениями, требует больше энергии, чем текст.
Эта статья подлила масла в огонь общественной дискуссии о том, какую экологическую цену человечество платит за революцию в области ИИ. Саша Луччиони предполагает, что секретность в отношении энергопотребления ИИ связана не только с конкуренцией между компаниями: отчасти это попытка исключить обвинения в расточительном использовании энергоресурсов (особенно в случаях «несерьезного» применения ИИ) и нелестные сравнения с критомайнингом и его углеродным следом. Если мы с помощью нейросетей создаем забавные картинки для собственного развлечения, то не сводит ли это на нет глобальные усилия по декарбонизации?
Дополнительный рост энергопотребления прогнозируется с того момента, когда ИИ все-таки доберется до поисковиков. По подсчетам МЭА, поисковые инструменты продемонстрируют десятикратное увеличение спроса на электроэнергию в случае полного внедрения в них ИИ: средняя потребность в энергии для типичного запроса в Google — 0,3 Вт·ч, в ChatGPT — 2,9 Вт·ч. С учетом 9 млрд поисковых запросов в день, это потребует почти 10 ТВт·ч дополнительной электроэнергии в год.
Потребности ИИ в электроэнергии также можно прогнозировать исходя из оценок продаж специализированных серверов и их номинальной мощности. На рынке серверов для ИИ сейчас безоговорочно доминирует компания NVIDIA (с долей около 95%). В прошлом году NVIDIA поставила 100 000 устройств, которые потребляют в среднем 7,3 ТВт·ч в год. МЭА ожидает, что к 2026 году индустрии ИИ понадобится как минимум в 10 раз больше электроэнергии, чем в 2023-м.
Реальность электросети на пути ИИ
Все это ставит вопрос, хватит ли в мире электроэнергии и пропускных возможностей электросетей для растущих аппетитов ИИ. В последнее время все чаще говорится о том, что именно электроснабжение становится узким местом, угрожающим дальнейшему прогрессу ИИ. Так, Илон Маск заявил недавно, что если в прошлом году развитие искусственного интеллекта было ограничено производством чипов, то теперь проблемой для передовых технологий становится подача электроэнергии. Этот комментарий последовал за предупреждением главы Amazon Энди Джесси о том, что сейчас для запуска новых генеративных сервисов искусственного интеллекта недостаточно энергии.
Спрос на электроэнергию в дата-центрах в основном обусловлен двумя процессами: по данным компании ABB, на работу серверов приходится в среднем 40% энергозатрат, потребности в охлаждении для достижения стабильной эффективности обработки данных составляют еще около 40%. Остальные 20% приходятся на сопутствующее оборудование (ИБП, осветительные приборы, датчики пожарной сигнализации и т.д.).
Коротко
Amazon, Microsoft и Alphabet, материнская компания Google, стремясь расширить свои возможности в области ИИ, инвестируют миллиарды долларов в вычислительную инфраструктуру, в том числе в центры обработки данных, на проектирование и строительство которых обычно уходит несколько лет. Но некоторые из самых популярных мест для строительства таких объектов уже сталкиваются с ограничениями в энергоснабжении и пропускной способности. Ряд аналитиков считает, что в мире сейчас недостаточно энергомощностей для запуска всех дата-центров, которые потребуются к 2030 году. «Одним из ограничений в новой экономике ИИ будет то, где мы строим центры обработки данных и как мы получаем электроэнергию, — сказал Дэниел Голдинг, технический директор Appleby Strategy Group. — В какой-то момент реальность электросети встанет на пути искусственного интеллекта».
Исследовательская группа Dgtl Infra подсчитала, что глобальные капитальные затраты на строительство дата-центров в 2024 году превысят $225 млрд. А генеральный директор NVIDIA Дженсен Хуанг заявил, что в ближайшие несколько лет для поддержки генеративного искусственного интеллекта необходимо построить центры обработки данных на $1 трлн.
Согласно опубликованному в январе этого года докладу МЭА, глобальное потребление электроэнергии в центрах обработки данных, в том числе связанное с майнингом криптовалют и искусственным интеллектом, будет варьироваться от 620 до 1050 ТВт·ч в 2026 году (базовый сценарий предполагает спрос на уровне чуть более 800 ТВт·ч по сравнению с 460 ТВт·ч в 2022 году). Это соответствует дополнительному спросу на электроэнергию от 160 до 590 ТВт·ч в 2026 году по сравнению с 2022 годом, что примерно эквивалентно добавлению как минимум одной Швеции или как максимум одной Германии. Сценарии зависят от темпов развертывания и увеличения эффективности дата-центров, а также общих тенденций в области развития цифровых технологий. Например, ожидается, что следующим фактором, потребующим дальнейшего увеличения мощностей дата-центров, станет быстрое расширение сетей 5G и Интернета вещей (IoT).
![](https://atomvestnik.ru/wp-content/uploads/2024/05/Untitled-2-770x433.jpg)
Сейчас в мире насчитывается более 8000 центров обработки данных, из которых около 33% расположены в США, 16% — в Европе и около 10% — в Китае. Ожидается, что в ближайшие годы потребление электроэнергии в дата-центрах в США будет расти быстрыми темпами, увеличившись примерно с 200 ТВт·ч в 2022 году до почти 260 ТВт·ч в 2026 году (с 4 до 6% общего спроса на электроэнергию в стране). В Европе в 2022 году работало около 1240 дата-центров, большинство из которых были сосредоточены в финансовых центрах Франкфурта, Лондона, Амстердама, Парижа и Дублина. По прогнозу, к 2026 году потребление электроэнергии дата-центрами в ЕС достигнет почти 150 ТВт·ч. Государственный исследовательский институт сетевой энергетики Китая ожидает, что спрос на электроэнергию в секторе центров обработки данных страны удвоится до 400 ТВт·ч к 2030 году по сравнению с 2020-м.
![](https://atomvestnik.ru/wp-content/uploads/2024/05/Untitled-3-770x433.jpg)
Электричество будет умнее
У медали есть и другая сторона: ИИ может не только пожирать электроэнергию, но и экономить ее. По мере роста спроса на электроэнергию и активизации усилий по декарбонизации энергосистемы становятся более сложными: теперь им все чаще приходится поддерживать разнонаправленные потоки электроэнергии между распределенными источниками генерации, сетью и потребителями. Растущее число потребителей, от зарядных станций для электромобилей до мощных дата-центров, делает эти потоки менее предсказуемыми, но благодаря цифровым технологиям количество данных о состоянии этих энергопотоков многократно увеличивается. Так, интеллектуальные счетчики отправляют коммунальным предприятиям в несколько тысяч раз больше данных, чем их аналоговые предшественники, а мировой парк ветростанций, по оценкам МЭА, производит более 400 млрд точек данных в год. Такие объемы данных являются главной причиной, почему энергетические компании ставят на ИИ как на все более важный ресурс для повышения эффективности.
32%
прогноз доли спроса на электроэнергию со стороны центров обработки данных в Ирландии в 2026 году (в 2022 году этот показатель составил 17%, или 5,3 ТВт·ч, что эквивалентно количеству электроэнергии, потребляемой домохозяйствами страны). Это объясняется в том числе тем, что в Ирландии одна из самых низких ставок корпоративного налога в ЕС (12,5% по сравнению со средней ставкой 21,5%).
$1 млрд
ежегодные налоговые поступления от центров обработки данных в Северной Вирджинии, крупнейшем рынке в этом сегменте в США. В 2021 году расширение сети дата-центров привлекло 62% всех новых инвестиций в штате.
Цифры
Распространенным применением ИИ в энергетике уже стало прогнозирование спроса и предложения. Четкое понимание того, когда возобновляемая энергия доступна и когда она необходима, очень важно, и именно здесь машинное обучение как нельзя кстати. Например, выработку энергии на ветростанциях традиционно прогнозируют с использованием погодных моделей и информации о местоположении турбин, но эти модели не всегда точны. Чтобы решить эту проблему, Google и ее дочерняя компания DeepMind разработали нейронную сеть для повышения точности прогнозов для ветропарка мощностью 700 МВт. На основе исторических данных была создана модель, которая позволяет прогнозировать будущую производительность на срок до 36 часов с гораздо большей точностью, чем ранее. Это дает возможность продавать электроэнергию заранее, а не в режиме реального времени. Компания заявила, что это, наряду с другими эффектами, достигнутыми с помощью ИИ, увеличило финансовую ценность ее ветроэнергетики на 20%.
Имея более точные прогнозы пиков производительности ВИЭ, компании (в первую очередь технологические гиганты) могут сдвигать время пиков своего потребления, например во время больших вычислительных нагрузок, так, чтобы пики производства и потребления совпадали. Компаниям это дает возможность не покупать дополнительную электроэнергию на рынке, но если такие решения будут внедряться максимально широко, это может оказать существенное влияние на перераспределение нагрузки и выравнивание баланса спроса и предложения.
Еще одним ключевым применением ИИ является прогнозное обслуживание, при котором производительность энергетических активов постоянно контролируется и анализируется для заблаговременного выявления потенциальных неисправностей. Например, немецкая коммунальная компания E.ON разработала алгоритм машинного обучения, позволяющий прогнозировать, когда необходима замена кабелей в сетях. Исследования E.ON показывают, что профилактическое обслуживание может сократить перебои в работе сети до 30% по сравнению с традиционным подходом.
Атом и дата
Аналитики считают, что проблема роста энергопотребления заключается прежде всего в том, что в ближайшее время необходимо найти достаточно возобновляемой энергии, вместо того чтобы увеличивать потребление ископаемого топлива, нагревающего планету.
По мнению Сэма Альтмана, руководителя OpenAI и создателя ChatGPT, у этой проблемы есть решение. Альтман вложил сотни миллионов долларов в исследования в области термоядерного синтеза и в недавних интервью предположил, что эта технология обеспечит огромное количество электроэнергии, необходимое для ИИ следующего поколения. В прошлом году Microsoft подписала соглашение с Helion — стартапом, который занимается разработками в области коммерческого термояда. Предполагается, что к 2028 году Microsoft начнет закупать энергию, произведенную с помощью термоядерных технологий. Стартап, поддерживаемый Альтманом, возместит Microsoft финансовые издержки, если эти планы не будут реализованы.
Однако уже упоминавшийся Алекс де Врис, исследователь из Амстердамского свободного университета и специалист по энергопотреблению, связанному с цифровыми технологиями, считает, что было бы разумнее сосредоточиться на тех источниках энергии, которые человечество уже имеет. Такого же мнения придерживается Аника Хан, научный сотрудник Манчестерского университета, которая говорит, что «в краткосрочной перспективе необходимо использовать существующие низкоуглеродные технологии, такие как атомная энергетика и возобновляемые источники».
Мировая атомная отрасль уже видит для себя новую возможность в удовлетворении растущих потребностей дата-центров. В январе 2024 года Microsoft (один из крупнейших в мире владельцев центров обработки данных наряду с Google и Amazon) нанял своего первого директора по ядерным технологиям, в задачи которого входит «разработка и реализация глобальной энергетической стратегии по малым модульным реакторам (ММР) и микрореакторам». В прошлом году было объявлено о планах строительства центра обработки данных с использованием технологии ММР в Швеции, дата ввода в эксплуатацию намечена на 2030 год. Кроме того, эксперты полагают, что центры обработки данных могут выступать в качестве испытательных полигонов для ММР, так как технологические гиганты входят в число немногих участников рынка, обладающих достаточным капиталом для инвестиций в такие проекты.
Пока технологии ММР не коммерциализированы, рассматриваются более доступные решения, в том числе использование существующих атомных электростанций для энергоснабжения центров обработки данных. Amazon Web Services (AWS), подразделение технологического гиганта, приобрело дата-центр недалеко от АЭС «Саскуэханна» в Пенсильвании. AWS будет покупать электроэнергию с АЭС в соответствии с 10-летним соглашением. Сделка стоимостью $650 млн рассматривается как серьезная поддержка для атомной отрасли США.
В нашей стране с 2018 года работает ЦОД «Калининский» — первый в России центр обработки данных, построенный вблизи атомной станции. ЦОД на 4800 стойко-мест получает бесперебойное питание до 80 МВт непосредственно от подстанций Калининской АЭС и, по данным сайта группы компании «Атомдата» (центра компетенций концерна «Росэнергоатом» по развитию сети ЦОД), имеет самую низкую стоимость электричества в Центральном регионе России.
Комментарии
![](https://atomvestnik.ru/wp-content/uploads/2024/05/Марданов.jpg)
Альберт Марданов
Первый заместитель генерального директора АО «Атомдата-Иннополис»
— В связи с необходимостью обеспечения технологического суверенитета и желанием заказчиков снизить риски от использования иностранных сервисов, происходит миграция на сервисы российских дата-центров. По данным BusinesStat, за последние пять лет российский рынок центров обработки данных рос минимум на 24,6% ежегодно. Опираясь на опыт переговоров с региональными заказчиками, мы можем подтвердить, что эти тренды справедливы. Мы полагаем, что реализация федеральных программ, рост потребности в цифровизации бизнеса, хранении и анализе больших данных, развитие технологий в области искусственного интеллекта будут способствовать устойчивому росту спроса не только на стойко-места в дата-центрах, но и на серверные и облачные ресурсы.
По итогам 2023 года в России успешно решена проблема нехватки стойко-мест в центрах обработки данных, наблюдавшаяся последние несколько лет, за счет прироста почти на 21% объема рынка, более того, по данным аналитиков, прогнозируется не менее активный ввод в эксплуатацию новых дата-центров и в 2024 году. В сети ЦОД госкорпорации «Росатом» в этом году запускается сразу два крупнейших дата-центра: на 1000 стойко-мест на территории Республики Татарстан и на 3640 стойко-мест в Москве.
Выбору площадки для строительства нового ЦОД в сети дата-центров Росатома на территории особой экономической зоны «Иннополис» в Татарстане способствовали несколько факторов. Прежде всего, ОЭЗ «Иннополис» — это ИТ-хаб Поволжья и центр притяжения высококвалифицированных ИТ-специалистов. Второй фактор — территориальный. ЦОД построен в непосредственной близости от города Казани, закрывая спрос на услуги дата-центра Поволжского региона и отвечая на потребности в геораспределении информационных систем федеральных заказчиков. Третий фактор — это поддержка проекта со стороны региональных властей, а также наличие привилегий для резидентов ОЭЗ в части налогообложения, выделения земельного участка.
Энергопотребление первой очереди ЦОД «Иннополис» на 1000 стойко-мест при максимальной нагрузке рассчитано на 8 МВт, при этом на работу ИТ-оборудования отведено 5 МВт мощности, а 3 МВт — на работу остального оборудования, предназначенного для функционирования всех обслуживающих систем дата-центра, в том числе системы охлаждения. Если взять для сравнения энергопотребление одного домохозяйства в размере 220 кВт в месяц, то ЦОД сопоставим с энергопотреблением жильцов около 26 187 квартир.
Для снижения энергопотребления и вредного воздействия на окружающую среду в ЦОД «Иннополис» применены зеленые технологии: на крыше дата-центра размещены солнечные панели для освещения офисных помещений, тепло машинных залов используется для отопления офисных помещений, применяется технология фрикулинга — охлаждения машинных залов за счет использования прохладного воздуха окружающей среды. Кроме того, клиенты дата-центра могут воспользоваться зарядными станциями для электромобилей, размещенными на парковке.
Российский рынок ЦОД продолжает развиваться, и в ближайшие годы ожидается рост числа дата-центров и расширение спектра предоставляемых ими услуг. По прогнозам iKS-Consulting, в 2024 году в эксплуатацию будут введены еще не менее 13 700 стоек. Кроме того, растет спрос именно на высоконагруженные стойки в связи с возрастающими требованиями к производительности систем. Эти факторы, безусловно, способствуют и росту доли энергопотребления центрами обработки данных.
![](https://atomvestnik.ru/wp-content/uploads/2024/05/Коровкин.jpg)
Владимир Коровкин
Доцент Школы управления «Сколково»
— Вычислительные технологии действительно становятся значимо энергозатратными. Важным фактором является переход от работы с данными на жестких дисках к in-memory-вычислениям. Жесткие диски, даже самые эффективные, — невероятно медленные устройства по меркам компьютерных скоростей, для решения сложных задач в режиме реального времени необходимо держать данные в оперативной памяти.
Объем используемой оперативной памяти напрямую влияет на энергопотребление самого компьютера, он также создает еще один важный элемент затрат — необходимость охлаждения. На бытовом уровне мы все знаем, что если оставить на смартфоне включенной какую-нибудь мощную игру, то через минут десять он заметно нагреется. В промышленных системах работы с данными этот эффект очень серьезен: если оставить без охлаждения крупный дата-центр, температура в нем довольно скоро превысит 100 °С (после чего он саморазрушится, данные исчезнут). Затраты энергии на охлаждение даже в умеренном балтийском климате могут составлять почти 20% от общего потребления, в странах с жарким климатом цифра может быть гораздо выше.
Теоретически проблему можно было бы решить, разместив все глобальные дата-центры в северном приполярье (Россия, Финляндия, Норвегия, Канада, Гренландия), однако эти регионы, как правило, не обеспечены электроэнергией. Кроме того, выражено стремление к созданию самодостаточных национальных дата-систем (причем не только в крупнейших странах, но и, скажем, в странах Персидского залива или Африки). Смещение центров экономического роста в сторону глобального Юга будет означать неизбежный рост энергопотребления.
С точки зрения энергозатрат разница между масштабным big data и ИИ скорее в терминологии, чем в технологиях вычислений, и там и там речь идет о «грубой силе» — вычислительном переборе большого количества комбинаций. Теоретически переход к квантовым вычислениям будет означать другую схему энергопотребления. Но поскольку пока такие системы находятся в экспериментальной стадии, оценить последствия перехода сейчас не получится.
![](https://atomvestnik.ru/wp-content/uploads/2024/05/Арлазаров-Владимир-Smart-Engines-1-Пресс-служба.jpg)
Владимир Арлазаров
Генеральный директор Smart Engines, доктор технических наук
— На вопрос, будет ли энергопотребление, связанное с увеличением вычислительных мощностей, в том числе для технологий ИИ, оказывать заметное воздействие на общий рост энергопотребления в мире и в нашей стране, отвечу так: уже оказывает. Современные дата-центры, которые построены для технологий ИИ, уже потребляют достаточно большие объемы электроэнергии, и, соответственно, эта проблема уже есть. Если прогресс в области ИИ пойдет в том же направлении, что и сейчас, то есть экстенсивно, то проблема будет еще больше усугубляться. Так, недавно ученые подсчитали, что к 2030 году мировые центры обработки данных будут потреблять больше электроэнергии, чем Индия. Но сейчас непонятно, как потребление таких объемов энергии будет преобразовываться в повышение эффективности труда и благосостояния людей.
В исследованиях, посвященных так называемому зеленому ИИ, приводятся данные о том, что объем вычислений, необходимых для исследований в области глубокого обучения, удваивается каждые несколько месяцев, в результате чего с 2012 по 2018 год этот показатель увеличился в 300 000 раз. Подозреваю, сейчас эти цифры стали еще больше. Соответственно, на такой объем вычислений требуются колоссальные энергозатраты — вспомним те же прогнозы про Индию.
Если говорить о том, какие источники энергии оптимальны для энергетических потребностей, связанных с ИИ и другими вычислительными процессами, то, с одной стороны, наиболее разумно использовать, конечно же, атомную энергию, так как она наиболее чистая и эффективная. С другой стороны, как нам кажется, необходимо не только наращивать энергетические возможности человечества, но и всерьез заняться оптимизацией вычислений для искусственного интеллекта. По нашему опыту мы точно знаем, что можно понизить энергопотребление искусственного интеллекта в разы, избежав при этом какого-либо падения точности. Так, алгоритмы Smart Engines с применением природосберегающей технологии на смартфоне позволяют распознать паспорт РФ за 0,2 секунды. При этом на каждое распознавание выделяется всего 0,00014 грамм СО2. Так что ИИ вполне можно сделать экологичным, было бы желание со стороны разработчиков сделать его таким.
Вычислительные процессы в будущем могут стать более энергоэффективными, такая возможность есть. Более того, мы сами этим занимаемся и можем подтвердить, что использование, например, глубокой квантизации вычислений (то есть переход от типа данных с большим числом битов к типу с меньшим числом) помогает сделать процессы, связанные с ИИ, более энергоэффективными. Что же касается заинтересованности ИИ-компаний в энергоэффективности, то такого интереса не наблюдается. Скорее, наоборот — компании занимаются закупкой акселераторов и едва ли планируют в ближайшее время сокращать объемы потребления энергии.
Сможет ли применение ИИ в будущем помогать оптимизации энергопотребления и использования других ресурсов? Не только сможет, ИИ уже используется для этих целей, причем крайне эффективно. Так что важное место применения искусственного интеллекта в ближайшие годы – не генерация текстов или картинок, а именно оптимизация использования энергии и других ресурсов различных промышленных компаний.