Meta, Amazon i Google przeznaczają miliardy na infrastrukturę dla sztucznej inteligencji, generując bezprecedensowe obciążenie dla sieci. Problem stał się tak palący, że korporacje technologiczne zaczynają radykalnie działać na własną rękę – budują prywatne elektrownie, próbując obejść niewydolny system. To trochę jak zakładanie prywatnej studni, gdy publiczny wodociąg przestaje wystarczać.
Energochłonność nowych centrów danych znacząco wyprzedza cykle modernizacyjne amerykańskiej energetyki. Pojedyncze zapotrzebowanie na przyłącze dla takiego obiektu może sięgać nawet 5 gigawatów – to moc wystarczająca dla ponad pięciu milionów gospodarstw domowych. Gartner przewiduje, że do 2027 roku ponad 40% amerykańskich centrów danych może borykać się z niedoborem mocy. Zbiorowe zapotrzebowanie na energię może wówczas osiągnąć 500 terawatogodzin, a do 2030 roku dodatkowe obciążenie sieci przez centra AI może odpowiadać zużyciu 75 milionów domów.
Konsekwencje tego wyścigu odczuwają zwykli ludzie. W regionach z wysokim zagęszczeniem centrów danych rachunki za prąd mogą wzrosnąć o 14-37 dolarów miesięcznie do 2040 roku. To bezpośredni efekt niedoinwestowanej infrastruktury – gdy popyt przewyższa podaż, ceny rosną, a koszty modernizacji rozkładają się na wszystkich odbiorców.
Firmy technologiczne, nie mogąc pozwolić sobie na zwolnienie tempa w wyścigu AI, sięgają po rozwiązania ostateczne. Meta konstruuje elektrownie gazowe dla swoich wielogigawatowych klastrów obliczeniowych. Microsoft poszedł jeszcze dalej, wskrzeszając nawet projekt elektrowni jądrowej Three Mile Island. To pokazuje skalę desperacji, choć warto zauważyć, że takie inwestycje wymagają lat realizacji, podczas gdy potrzeby centrów danych rosną w tempie ekspresowym.
Co ciekawe, analitycy Goldman Sachs wskazują na potencjalne rozwiązanie. W amerykańskiej sieci energetycznej tkwi uśpiony potencjał 76-126 GW niewykorzystanej mocy, którą można by uruchomić, gdyby firmy były gotowe czasowo ograniczać pobór w godzinach szczytu. Istnieje tu kluczowa różnica między tradycyjnymi centrami danych a obiektami AI – podczas gdy te pierwsze skupiały się na niemal absolutnej dostępności (sięgającej 99,995%), dla sztucznej inteligencji priorytetem jest skala i szybkość wdrożenia.
Obciążenia związane ze sztuczną inteligencją okazują się zaskakująco elastyczne. Szkolenie modeli można wstrzymywać i wznawiać dzięki punktom kontrolnym, a procesy wnioskowania (inferencji) są względnie tolerancyjne na opóźnienia sieciowe, co umożliwia geograficzne balansowanie obciążeniem. Badania Duke University’s Nicholas Institute sugerują, że programy zarządzania popytem mogłyby zwiększyć efektywną krajową moc o 10% bez konieczności budowy nowej infrastruktury. Typowe okresy ograniczeń trwają średnio 1,7-2,5 godziny, a obciążenie utrzymuje co najmniej 50% normalnej wydajności przez 88% czasu.
Obecne wąskie gardła w przyłączaniu nowych obiektów do sieci wydłużyły się do ponad dekady, a producenci kluczowych komponentów mają zaległości sięgające 2029 roku. Wykorzystanie wspomnianych 100 GW mocy poprzez inteligentne zarządzanie popytem odpowiadałoby wartości około 150 miliardów dolarów (około 546,5 mld zł) w nowej infrastrukturze. Tymczasem większość istniejącej sieci pracuje zaledwie na około 53% swojej przepustowości – co oznacza, że miliardy dolarów zamrożone w aktywach marnują swój potencjał. Paradoksalnie, sztuczna inteligencja mogłaby zatem przekształcić się z obciążenia sieci w jej stabilizator.
Czytaj też: Rynek AI zdominowany przez Nvidię. Blackwell generuje marże do 78%, podczas gdy AMD ponosi straty
W planach administracji pojawiają się próby modernizacji sieci energetycznej, zwłaszcza że inwestycje w infrastrukturę AI mają przekroczyć 300 miliardów dolarów (około 1093 mld zł) rocznie w 2025 roku. To tworzy bezprecedensową presję ekonomiczną na wdrożenie inteligentnych systemów zarządzania energią. Konieczna jest transformacja z jednokierunkowego modelu (gdzie podaż ślepo goni popyt) w system dwukierunkowy optymalizujący obie strony równania – szczególnie ważne, gdy przewidywalne źródła kopalne zastępowane są przez niestabilne odnawialne.
Stany Zjednoczone stoją przed strategicznym wyborem: albo błyskawicznie zmodernizują sieć i wdrożą inteligentne rozwiązania, albo ryzykują utratę pozycji lidera w rozwoju sztucznej inteligencji. Braki w infrastrukturze energetycznej mogą się okazać decydującą barierą dla technologicznej dominacji w nadchodzącej dekadzie.