Слогер Создать блог
AI

Как ИИ находит энергию для дата-центров, не строя новые электростанции

Обучение модели стоит $5 и занимает 15 минут. А может сэкономить миллиарды и спасти сеть от перегрузки.

Обучение ИИ-модели, которая подскажет, где строить новые дата-центры, стоит около $5 и занимает примерно 15 минут. Не ошибка. Пока мир спорит о сотнях миллиардов инвестиций и новых электростанциях, самый важный элемент головоломки стоит как пачка жвачки.

Проблема известная: Bloomberg прогнозирует, что к 2035 году дата-центры будут потреблять до пятой части всей электроэнергии в США — до 200 гигаватт. При этом большая часть спроса придётся на регионы, где энергосистема уже перегружена. Ожидание новых мощностей может растянуться на пять лет, а инфраструктуре — по 50–70 лет.

Но вот чего не замечают: существующая сеть производит гораздо больше энергии, чем нужно, и многое простаивает. Системы рассчитывают на несколько пиковых часов в году — самые жаркие дни и холодные утра. В остальное время мощности уже построены и оплачены, но используются лишь наполовину.

Это задача планирования. А планирование — как раз то, что ИИ умеет лучше всего.

Суть подхода: capacity mining

Новые модели оценивают, где и когда в сети есть неиспользуемая мощность, а также стоимость и сроки строительства инфраструктуры для её перенаправления. Это не требует нового оборудования или научного прорыва. Нужно только задать правильные вопросы правильными, дешёвыми и эффективными моделями.

Правильная последовательность действий

  1. Сопоставить спрос дата-центров с уже существующим запасом мощности. Выбрать места, где есть свободная энергия и возможность гибко работать, а не заставлять коммунальные компании строить новые линии и генерацию вокруг площадки, выбранной по другим причинам.
  2. Оптимизировать расширение линий передачи и батарей. Если сопоставление само по себе не работает, ИИ помогает проложить маршруты для передачи энергии туда, где она нужна, или хранить её до востребования.
  3. Новые электростанции — крайняя мера. Они дороже, строятся дольше и часто загрязняют окружающую среду. В большинстве случаев их можно избежать.

Результат — развитие со скоростью программного кода, а не стали и разрешений.

Сравнение подходов

КритерийТрадиционный подходПодход с ИИ
Что ищемНовые электростанцииСвободная мощность в существующей сети
Сроки5+ летМесяцы или недели
СтоимостьМиллиарды долларовОколо $5 на модель
Влияние на тарифыРастут для всех потребителейМогут снижаться

Почему это выгодно коммунальным компаниям

Утилиты десятилетиями не росли. Если сделать дата-центры правильно, они получат самый большой рост выручки за поколение. Компаниям выгодно: крупные потребители, включая дата-центры, приносят около $1 миллиона на мегаватт в год, или $1 миллиард на гигаватт. Эти деньги компенсируют фиксированные расходы на сеть, которые сейчас несут все остальные клиенты.

Если же ошибиться — появятся невостребованные активы, вырастут тарифы, а гиперскейлеры начнут строить собственную генерацию за счёт потребителя. Упустив этот шанс, утилиты потеряют и выручку, и возможность модернизировать сеть.

Надёжность тоже усиливается: правильное строительство привлекает инвестиции в линии передачи, системы мониторинга и защиты. Эти улучшения обслуживают каждый дом, а не только дата-центр в конце линии.

У нас уже есть вся нужная энергия — осталось её разблокировать.

Выбор между победой в гонке ИИ и защитой людей от лишних расходов ложный. ИИ может решить проблему, которую сам создал, — инструменты для этого готовы уже сегодня.

По материалам: Fast Company. Текст переработан редакцией Слогера.

← На главную

Рекламное место — Конец поста
Реклама · Слогер

Комментарии (0)

Войдите, чтобы комментировать.

Пока нет комментариев. Будьте первым.