ИИ-бум упирается не в чипы, а в розетку: 945 тераватт-часов и экономика инференса

ИИ-индустрия столкнулась с ограничением, о котором два года назад мало кто думал: не хватает не моделей и не чипов, а электроэнергии. По оценкам Международного энергетического агентства, к 2030 году дата-центры, ИИ и майнинг будут потреблять около 945 тераватт-часов в год. Для сравнения: это сопоставимо с годовым потреблением целой страны размером с Японию. Разбираю, где узкое место, как это меняет экономику внедрения ИИ и что считать бизнесу уже сейчас.

Каждый запрос к большой языковой модели проходит через тысячи вычислений: модель генерирует ответ по токенам, и каждый токен требует пересчёта всех параметров. Инференс - работа модели на готовой - дороже обучения в долгую, потому что обучение происходит один раз, а инференс - миллиарды раз.

На практике это значит: компания, которая внедряет ИИ-агентов или чат-ботов на большом объёме обращений, потребляет энергии заметно больше, чем при обычной разработке. Каждый шаг агента - это запрос к модели, а один сценарий может содержать десятки шагов. Расходы на электричество растут линейно от автономности системы.

МЭА считает совокупно три направления: классические дата-центры, генеративные ИИ-сервисы и майнинг криптовалют. К 2030 году суммарное потребление достигнет 945 ТВт·ч в год. Это примерно 3-4% мирового потребления электроэнергии - и продолжает расти.

Для сравнения, отдельные страны потребляют меньше. Например, годовой расход электроэнергии Франции - около 450 ТВт·ч, Японии - около 900 ТВт·ч. То есть один только «цифровой сектор» к концу десятилетия сравняется с целой промышленно развитой страной.

Российские операторы ЦОД уже фиксируют те же тренды: спрос на мощности растёт, а новые площадки требуют подведения энергетики заранее. Заявки на размещение оборудования в крупных дата-центрах расписаны на годы вперёд.

Три практических вывода для тех, кто внедряет ИИ:

Стоимость владения теперь включает энергию. При расчёте окупаемости ИИ-проекта закладывайте не только стоимость токенов, но и инфраструктуру: серверы, охлаждение, электричество. Для небольших проектов это 10-20% от бюджета, для масштабных - до половины.

Локальные модели становятся выгоднее. Open-source модели с открытыми весами можно разворачивать на собственных серверах. Первичный запуск дороже, но в долгую - дешевле и энергоэффективнее облачных запросов, особенно при большом объёме.

Энергоэффективность - новое конкурентное преимущество. Компании, которые оптимизируют инференс (батчинг, кэширование, малые модели под простые задачи), получают преимущество по цене перед теми, кто гоняет всё через гигантские API.

Крупные игроки переходят на собственные чипы и малые модели для рутинных задач: большая модель - только для сложных случаев, маленькая - для массовых. Это снижает и стоимость, и энергопотребление в разы.

Отдельный тренд - размещение вычислений рядом с источниками энергии: дата-центры строят у ГЭС и АЭС, чтобы сократить потери на передачу и получить дешёвый тариф. В России этот подход уже обсуждают для новых площадок в регионах с профицитом генерации.

Сколько энергии тратит один запрос к LLM? Зависит от размера модели: от долей ватт-часа у малых моделей до десятков ватт-часов у гигантских. В масштабе миллионов запросов это превращается в реальные мегаватты.

Облако или свои серверы - что дешевле? При малых объёмах - облако. При постоянном большом потоке запросов своя инфраструктура на open-source моделях окупается быстрее, чем кажется, особенно с учётом энергии.

Когда ждать дефицита мощностей? Уже сейчас в крупных регионах размещение в ЦОД бронируется на годы вперёд. К 2028-2030 годам дефицит энергии станет главным ограничением роста ИИ-сервисов.

Что делать бизнесу прямо сейчас? Считать энергопотребление в модели окупаемости ИИ-проекта, рассматривать малые модели для рутинных задач и кэширование ответов. Те, кто сделает это раньше конкурентов, получит преимущество по себестоимости.

ИИ-бум упёрся в розетку. Энергия становится таким же дефицитным ресурсом, как чипы и данные, а экономика инференса - главным фактором окупаемости ИИ-проектов. Компании, которые закладывают энергопотребление в расчёты уже сейчас, получат устойчивое преимущество; те, кто считает только стоимость токенов, - дорогую игрушку.

А вы учитываете энергопотребление при внедрении ИИ? Что изменилось в ваших расчётах за последний год - напишите в комментариях.