Долгое время всё крутилось вокруг вычислительной мощности. Быстрее процессоры, больше транзисторов на кристалле, новые архитектуры ускорителей. Гонка за производительность казалась бесконечной, и именно она задавала темп развития искусственного интеллекта. Кто мощнее считает, тот и впереди. Но ситуация поменялась, причём довольно резко.
Сегодня узкое место ИИ-индустрии — уже не кремний. Это энергия. Банальное электричество, которого требуется всё больше и которое не появляется из ниоткуда. Дата-центры, обучающие языковые модели, потребляют столько, что их сравнивают с небольшими городами. И аппетиты только растут — каждое новое поколение моделей тяжелее предыдущего.
Производство чипов тоже, конечно, остаётся непростым делом. Литографические линии TSMC и Samsung стоят миллиарды, а сроки поставок тянутся на кварталы. Но технологически задача понятна: есть дорожные карты, есть инвестиции, есть прогресс. С энергией всё иначе. Построить новую электростанцию — это годы согласований, строительства, подключения к сетям. А ещё вопрос: какую именно станцию? Газовую? Атомную? Солнечную? Каждый вариант тащит за собой свой ворох проблем.
Крупные технологические компании это уже почувствовали. Microsoft заключает контракты на покупку ядерной энергии. Amazon скупает площадки рядом с электростанциями. Google исследует геотермальные источники. Всё это не про хайп и зелёную повестку — это прагматичный расчёт. Без гарантированного доступа к дешёвому электричеству расширять ИИ-инфраструктуру попросту невозможно.
Масштаб проблемы проще понять на конкретном примере. Обучение одной большой языковой модели может потребовать десятки мегаватт на протяжении недель. А ведь модель нужно не только обучить — её потом нужно запустить в работу, обслуживать миллионы запросов в секунду. Инференс (то есть использование уже обученной модели) в сумме потребляет даже больше, чем обучение.
И тут возникает парадокс. Чипы становятся энергоэффективнее — каждый новый техпроцесс даёт выигрыш в расчёте на операцию. Но суммарное потребление всё равно лезет вверх, потому что объём вычислений растёт быстрее, чем падает удельный расход. Закон Джевонса в чистом виде: чем дешевле ресурс на единицу, тем больше его используют в целом.
Электросети многих стран к такому не готовы. Инфраструктура проектировалась под другие нагрузки. В некоторых регионах США уже отказывают в подключении новых дата-центров — просто нет свободной мощности. Ирландия и Нидерланды вводили мораторий на строительство крупных серверных площадок. Это не алармизм — это текущая реальность.
Получается, что будущее ИИ зависит не столько от Nvidia и её очередного чипа, сколько от энергетиков. От тех, кто строит электростанции, прокладывает линии электропередач, проектирует системы охлаждения. Странная ирония: передовая цифровая отрасль упёрлась в самую что ни на есть аналоговую задачу — производство и доставку электронов по проводам.
Решений пока нет готовых. Атомная энергетика перспективна, но медленна в развёртывании и политически токсична во многих странах. Возобновляемые источники зависят от погоды и требуют аккумуляторов. Термоядерный синтез остаётся в статусе «через 20 лет, как всегда». Мир будет вынужден комбинировать подходы, и это точно займёт время.
Смена узкого места — вещь нерядовая. Она меняет, кто принимает решения, куда текут деньги и какие специалисты становятся востребованы. Вчера главными были инженеры полупроводников. Завтра — возможно, энергетики.
Изображение носит иллюстративный характер
Сегодня узкое место ИИ-индустрии — уже не кремний. Это энергия. Банальное электричество, которого требуется всё больше и которое не появляется из ниоткуда. Дата-центры, обучающие языковые модели, потребляют столько, что их сравнивают с небольшими городами. И аппетиты только растут — каждое новое поколение моделей тяжелее предыдущего.
Производство чипов тоже, конечно, остаётся непростым делом. Литографические линии TSMC и Samsung стоят миллиарды, а сроки поставок тянутся на кварталы. Но технологически задача понятна: есть дорожные карты, есть инвестиции, есть прогресс. С энергией всё иначе. Построить новую электростанцию — это годы согласований, строительства, подключения к сетям. А ещё вопрос: какую именно станцию? Газовую? Атомную? Солнечную? Каждый вариант тащит за собой свой ворох проблем.
Крупные технологические компании это уже почувствовали. Microsoft заключает контракты на покупку ядерной энергии. Amazon скупает площадки рядом с электростанциями. Google исследует геотермальные источники. Всё это не про хайп и зелёную повестку — это прагматичный расчёт. Без гарантированного доступа к дешёвому электричеству расширять ИИ-инфраструктуру попросту невозможно.
Масштаб проблемы проще понять на конкретном примере. Обучение одной большой языковой модели может потребовать десятки мегаватт на протяжении недель. А ведь модель нужно не только обучить — её потом нужно запустить в работу, обслуживать миллионы запросов в секунду. Инференс (то есть использование уже обученной модели) в сумме потребляет даже больше, чем обучение.
И тут возникает парадокс. Чипы становятся энергоэффективнее — каждый новый техпроцесс даёт выигрыш в расчёте на операцию. Но суммарное потребление всё равно лезет вверх, потому что объём вычислений растёт быстрее, чем падает удельный расход. Закон Джевонса в чистом виде: чем дешевле ресурс на единицу, тем больше его используют в целом.
Электросети многих стран к такому не готовы. Инфраструктура проектировалась под другие нагрузки. В некоторых регионах США уже отказывают в подключении новых дата-центров — просто нет свободной мощности. Ирландия и Нидерланды вводили мораторий на строительство крупных серверных площадок. Это не алармизм — это текущая реальность.
Получается, что будущее ИИ зависит не столько от Nvidia и её очередного чипа, сколько от энергетиков. От тех, кто строит электростанции, прокладывает линии электропередач, проектирует системы охлаждения. Странная ирония: передовая цифровая отрасль упёрлась в самую что ни на есть аналоговую задачу — производство и доставку электронов по проводам.
Решений пока нет готовых. Атомная энергетика перспективна, но медленна в развёртывании и политически токсична во многих странах. Возобновляемые источники зависят от погоды и требуют аккумуляторов. Термоядерный синтез остаётся в статусе «через 20 лет, как всегда». Мир будет вынужден комбинировать подходы, и это точно займёт время.
Смена узкого места — вещь нерядовая. Она меняет, кто принимает решения, куда текут деньги и какие специалисты становятся востребованы. Вчера главными были инженеры полупроводников. Завтра — возможно, энергетики.
