Биткоин-фермы спасут ИИ и это - серьёзно

Раньше энергопотребление ИИ было дискретным. Обучение модели - это большой, но конечный цикл нагрузки. Натренировали вы свой условный Chat GPT, поставили галочку, нагрузка на сеть спала. Теперь иначе.

Модели работают постоянно. Чат-боты, поисковые агенты, генераторы изображений, автономные системы - всё это непрерывная нагрузка. Плюс появились reasoning-модели - те, что не выдают ответ мгновенно, а думают перед ответом. Да-да, GPT-5х, Claude Opus 4х, Gemini 3х Pro и их аналоги тратят энергию не на обучение, а на каждый единичный запрос.

Потребление размазывается равномерно по всему времени - 24 часа, 7 дней в неделю.

По прогнозам Международного энергетического агентства, к 2030 году потребление энергии дата-центрами удвоится и выйдет на уровни, сопоставимые с энергопотреблением крупных промышленных держав. В некоторых штатах США дата-центры уже потребляют столько же, сколько тяжёлая промышленность.

Здесь важный нюанс для понимания. Электроэнергии на планете достаточно. Проблема - в синхронизации. Как выразился Сампса Самила, научный руководитель инициативы по ИИ в бизнес-школе IESE:

Сети строились под другую скорость роста. Никто не закладывал в их проектирование сценарий, при котором нагрузка, сопоставимая с потреблением целого города, появляется практически в одночасье. ИИ-кампусы разворачиваются за месяцы - а модернизация сетей и получение государственных разрешений занимают годы.

Наглядный пример - Аллея дата-центров в Северной Вирджинии. Там сконцентрировано огромное число объектов, и все они тянут из одной и той же сети. По словам профессора Йенса Фёдерера из Университета Маннхайма, когда множество потребителей городского масштаба берут энергию из одной локальной сети, масштабировать снабжение становится несравнимо сложнее.

Особенно болезненно это проявляется в сельских районах. Компании выбирают их из-за дешёвой земли - но сети там исходно не рассчитаны на концентрированную нагрузку такого масштаба.

Единого решения нет. Есть несколько направлений - и каждое само по себе небыстрое.

Первое и очевидное - строить генерацию рядом с дата-центром, не ждать сети. Google в Техасе купил энергетическую компанию Intersect, которая возводит солнечные станции с накопителями под конкретный спрос дата-центров - без привязки к срокам модернизации сети. Microsoft подписал долгосрочный контракт с Constellation Energy на перезапуск ядерного реактора на площадке Три-Майл-Айленд в Пенсильвании. Да, того самого.

Второе. Выбирать локацию по доступности энергии, а не по близости к пользователям. Задержка в несколько миллисекунд на маршруте - приемлемая цена за стабильное электроснабжение.

Третье, и самое неожиданное - перепрофилирование майнинговых ферм. С точки зрения физики - разумно. Бывшие биткоин-фермы уже имеют мощные подключения к сети, системы охлаждения под круглосуточную нагрузку и опыт эксплуатации энергоёмкого оборудования. Всё, что нужно для ИИ-нагрузок - уже есть. Сочетание звучит странно. Но инфраструктурно - логично.

Нет, и эксперты в этом единодушны.

На ИТ-сектор уже приходится около 1,4% глобальных выбросов углерода. Рабочие нагрузки ИИ потребляют на порядок больше, чем обычные облачные вычисления. Инвестиции в зелёную генерацию не успевают за темпом роста потребления.

И главное - увеличение мощности само по себе не сделает модели умнее. Настоящие ограничения лежат в другом: в архитектурах моделей, в доступе к качественным данным, в принципиально новых подходах к рассуждению. Энергия необходима. Но её одной недостаточно.

Узкое место сместилось с кремния в физический мир - туда, где сети, разрешения и электростанции живут в совершенно других временных масштабах, чем написание кода. И ускорить этот мир промптом не получится.