ИИ пожирает энергию: кто за это заплатит

Пока все спорят, заменит ли ИИ разработчиков, происходит кое-что важнее: модели потребляют столько электроэнергии, что это меняет глобальный энергобаланс. И солнечная энергетика оказалась единственной, кто успевает за этим спросом.

Цифры говорят сами за себя. В 2015 году солнечные панели выработали 256 ТВт*ч электроэнергии по всему миру. В 2025 году эта цифра перевалила за 2700 ТВт*ч. Рост в 10 раз за десятилетие. Это не прогноз из презентации McKinsey, это уже случилось.

За первую половину 2025 года возобновляемые источники закрыли 83% всего нового прироста потребления электричества в мире. Уголь впервые в истории уступил первое место как главный источник генерации. Это не зеленая повестка ради галочки, это банальная экономика: солнце строится быстрее и дешевле всего остального.

Причем здесь ИИ? Напрямую. Дата-центры под нагрузкой языковых моделей и GPU-кластеров стали одним из главных драйверов роста спроса на электроэнергию. По оценкам IEA, к 2026 году дата-центры будут потреблять столько же электричества, сколько весь жилой сектор Японии. Обучение одной большой модели вроде GPT-4 по расходу энергии сопоставимо с многолетней работой нескольких сотен домохозяйств.

Microsoft, Google и Amazon подписали контракты на покупку солнечной и ветровой энергии на сотни миллиардов долларов именно потому, что традиционная генерация не справляется с темпами роста. Газовые электростанции строятся годами, атомные реакторы десятилетиями. Солнечная ферма разворачивается за месяцы.

Есть и обратная связь: ИИ сам становится инструментом оптимизации энергосистем. Модели предсказывают выработку солнечных панелей с точностью до часа, балансируют нагрузку в сети, управляют зарядкой батарей. DeepMind снизил энергопотребление систем охлаждения дата-центров Google на 40% с помощью RL-агента. Это замкнутый цикл: ИИ жрет энергию, и ИИ же помогает её добывать и расходовать эффективнее.

Что это значит на практике для тех, кто работает в AI? Во-первых, энергоэффективность моделей становится конкурентным преимуществом, а не просто академической метрикой. Компании, умеющие делать inference быстрее и дешевле, выигрывают не только по марже, но и в гонке за мощности. Во-вторых, локация дата-центра теперь определяется доступностью дешевой зеленой энергии, а не близостью к офису клиента. Отсюда бум строительства в Скандинавии, Чили и штате Техас.

Солнце посылает на Землю за один час столько энергии, сколько человечество потребляет за весь год. Мы перехватываем ничтожную долю этого потока, и уже получили 10-кратный рост за десятилетие. Единственное узкое место, как точно заметил @XFreeze: не дефицит энергии, а дефицит срочности в принятии решений о строительстве инфраструктуры.

Для AI-специалистов это не абстрактный фон, а контекст, в котором будет развиваться отрасль следующие 10 лет. Доступность вычислений, цена inference, скорость масштабирования продуктов, всё это упирается в киловатты. Следить за энергетикой теперь так же обязательно, как следить за выходом новых архитектур.