Энергетический голод: зачем ИИ возвращает в строй АЭС
Современные языковые модели — от ChatGPT до Gemini — требуют колоссальных объемов электроэнергии. Обучение модели на 200 млрд параметров может потребовать до 12 ГВт·ч, что сопоставимо с годовым потреблением тысячи частных домов. По оценкам Международного энергетического агентства, к 2030 году глобальные дата-центры будут потреблять больше энергии, чем вся Япония, а ИИ станет основным фактором этого роста.
Растущий спрос уже меняет структуру энергетики. Крупнейшие ИТ-компании инвестируют в возобновляемые источники и перезапускают АЭС. Microsoft, например, заключила соглашение об использовании мощности атомной станции Three Mile Island, закрытой еще в 2019 году. На повестке — и развитие малых модульных реакторов, способных быстрее вводиться в эксплуатацию и масштабироваться под потребности ИИ-нагрузки.
Ни единого сбоя: как ИБП становятся опорой суперкомпьютерам
ИИ-системы, особенно те, что задействуют GPU-кластеры, предъявляют повышенные требования к электропитанию. Даже короткий сбой может обнулить часы вычислений. Поэтому критически важна стабильная работа ИБП, фильтрация скачков напряжения и теплоустойчивость компонентов. ЦОДы используют источники бесперебойного питания, резервные дизель-генераторы, двойное или тройное дублирование электропитания.
Не стоит забывать о том, что дорогое оборудование вроде ускорителей NVIDIA DGX H100 также требует стабильного напряжения без скачков и помех. Для этого используются системы фильтрации, стабилизаторы, изолированные цепи питания. Кроме того, для сохранения работоспособности ЦОД необходимы качественные системы охлаждения, которые также напрямую зависимы от энергоснабжения.
Учитывая значительный нагрев оборудования при работе с ИИ, предъявляются повышенные требования и к температурному диапазону используемых в инфраструктуре решений, в том числе ИБП. И здесь настоящей революцией становятся натриевые аккумуляторы, способные работать при температуре от -40°C до +50°C, сохраняя до 80% емкости. Они не подвержены тепловому пробою и быстрее восстанавливаются после разрядки — до 90% заряда менее чем за час. Это особенно важно в условиях нестабильного энергоснабжения и высокой вычислительной плотности.
ИИ на крыльях и колесах: батареи для роботов и дронов
ИИ все чаще работает не в центрах обработки данных, а в edge-устройствах — от промышленных контроллеров до автономных роботов. Такие сценарии требуют автономных источников энергии с высокой удельной емкостью при минимальном весе.
На этом фоне развиваются новые типы аккумуляторов. Например, в 2025 году компания Grepow представила полутвердотельную батарею для коммерческих дронов, а Amprius продвигает кремниевые аноды для повышения емкости литиевых ячеек. Эти технологии напрямую ориентированы на ИИ-нагрузку за пределами дата-центров.
Умная экономия: как ИИ снижает счета за электричество
ИИ не только потребляет, но и помогает экономить энергию. Уже в 2016 году Google с помощью DeepMind сократила затраты на охлаждение своих дата-центров на 40%. Сегодня подобные системы способны автоматически управлять режимами ИБП, учитывать динамику погодных условий и снижать потери при работе с альтернативными источниками. Например, не включать зря отопление или кондиционирование, экономя ресурсы.
ИИ используется и на стадии разработки батарей. Так, исследователи из Японии обучили модель машинного обучения на данных 11 лет экспериментов для оптимизации состава электродов в натрий-ионных АКБ. А южнокорейские ученые с помощью ИИ разработали катодные материалы без кобальта — это снизит себестоимость и сделает аккумуляторы более экологичными.
Предсказывать, а не чинить: ИИ делает энергосистемы предиктивными
Еще одну точку приложения ИИ стоит искать в возможности таких систем работать в режиме 24/7 и обрабатывать огромные массивы информации. ИИ в реальном времени анализирует данные с IoT-датчиков различного оборудования систем энергоснабжения, в том числе с ИБП (температура, напряжение, ток, износ батарей и другие). Это позволяет предсказывать возможные сбои до их возникновения, планировать замену компонентов до критической поломки и заказывать их заранее, что влияет на стоимость и актуально в условиях сложной логистики в России. Также снижается простой оборудования и увеличивается срок службы ИБП.
Аналогичные технологии применяются в солнечной энергетике. Например, стартап SOLAR SPY анализирует тепловизионные и RGB-снимки солнечных панелей, выявляя повреждения с точностью до 99%. Siemens реализует ИИ-системы проверки фотомодулей на базе роботизированных платформ. Принципы те же: надежность, автономность и работа 24/7 — все это становится нормой и для ИБП.
