Бумът на изкуствения интелект (AI) оказа толкова силно влияние върху големите технологични компании, че потреблението на енергия, а с това и въглеродните им емисии, рязко нараснаха.

Грандиозният успех на големите езикови модели като ChatGPT спомогна за този ръст в търсенето на енергия. По данни на Electric Power Research Institute, изследователска компания с нестопанска цел, заявките с изкуствен интелект изискват около 10 пъти повече електроенергия от традиционните заявки в Google - 2,9 ватчаса на заявка в ChatGPT. Новите възможности на AI, като например генерирането на аудио и видео, вероятно ще увеличат това търсене на енергия.

Енергийните нужди на AI променят сметките на енергийните компании. Сега те проучват абсурдно доскоро варианти, като например рестартиране на ядрен реактор в американската електроцентрала Three Mile Island, която не работи от печално известна катастрофа през 1979 г.

Центровете за данни имат непрекъснат растеж от десетилетия, но мащабите му във все още започващата ера на големите езикови модели са изключителни. AI изисква много повече изчислителни ресурси, както и такива за съхранение на данни, отколкото можеше да осигури темпът на растеж на центровете за данни преди бума на технологията.

AI изпраща зелените амбиции на Google в задънена улица заради количествата енергия

AI и мрежата

Благодарение на AI електрическата мрежа - на много места вече достигнала близо до оптималния си капацитет или често сблъскваща се с предизвикателства, свързани със стабилността - изпитва много по-голям натиск от преди. Съществува и значително изоставане между растежа на изчислителната техника и този на мрежата. Изграждането на центровете за данни отнема една до две години, докато добавянето на нова мощност към мрежовата инфраструктура - повече от четири години.

В неотдавнашен доклад на Electric Power Research Institute се посочва, че в едва 15 щата се намират 80% от центровете за данни в страната. В някои щати - като Вирджиния, където се намира алеята на центровете за данни - над 25% от електроенергията се консумира от тях. Подобни тенденции на разрастване се наблюдават и в други части на света.

Наред с необходимостта от увеличаване на производството на електроенергия, за да се поддържа този растеж, почти всички държави имат цели за декарбонизация. Това означава, че те се стремят да интегрират повече възобновяеми енергийни източници в мрежата. Но възобновяемите енергийни източници, като вятър и слънце, са непостоянни: невинаги има вятър, а слънцето невинаги пече. Недостигът на евтино, екологично и мащабируемо съхранение на енергия означава, че мрежата е изправена пред още по-голям проблем, свързан с търсенето и предлагането.

Сред допълнителните предизвикателства пред растежа на центровете за данни е все по-широкото използване на водно охлаждане за постигане на ефективност, което натоварва ограничените източници на прясна вода. В резултат на това някои общности се противопоставят на новите инвестиции в сферата.

Газова или възобновяема енергия? Къде е ключът към бъдещето на AI и центровете за данни

По-добри технологии

Има няколко начина, по които индустрията се справя с тази енергийна криза. Първо, компютърният хардуер е станал значително по-енергийно ефективен през годините по отношение на операциите, изпълнявани за един консумиран ват. Енергийната ефективност на центровете за данни - показател, който показва съотношението между консумираната енергия за изчисления и тази за охлаждане и друга инфраструктура - е намалена средно до 1,5, а в усъвършенстваните съоръжения дори до впечатляващите 1,2. Новите центрове за данни разполагат с по-ефективно охлаждане, като използват вода и външен охлаждащ въздух, когато той е наличен.

За съжаление, ефективността сама по себе си няма да реши проблема с устойчивостта. “Парадоксът на Джевънс” дори описва как ефективността може да доведе до увеличаване на потреблението на енергия в дългосрочен план. Освен това повишаването на ефективността на хардуера се забави значително, тъй като индустрията достигна границите на мащабиране на технологията на чиповете.

За да продължат да подобряват ефективността, изследователите разработват специализиран хардуер, например ускорители, нови технологии за интеграция, например 3D чипове, и нови техники за охлаждане на полупроводниците.

По същия начин изследователите все повече проучват и разработват технологии за охлаждане на центрове за данни. Докладът на Electric Power Research Institute одобрява нови методи за охлаждане, като например течно охлаждане с въздушна помощ и потапяне. Докато течното охлаждане вече си е пробило път в центровете за данни, само няколко нови обекта са въвели все още разработваното потапящо охлаждане.

“Поставянето на компютърни сървъри в течност - вместо във въздух - може да бъде по-ефективен начин за охлаждането им”, категоричен е Крейг Фриц от Sandia National Laboratories, цитиран от Fast Company.

Свръхпотреблението на енергия за AI създава риск за бъдещето, предупреждават компании

Гъвкаво бъдеще

Нов начин за изграждане на центрове за данни с изкуствен интелект е гъвкавото изчисление, при което основната идея е да се изчислява повече, когато електроенергията е по-евтина, по-достъпна и по-екологична, и по-малко, когато е по-скъпа, оскъдна и замърсяваща.

Операторите на центрове за данни могат да преобразуват своите съоръжения, за да бъдат гъвкав товар на мрежата. Академичните среди и индустрията вече са предоставили ранни примери за реакция на търсенето, при които центровете за данни регулират мощността си в зависимост от нуждите на електропреносната мрежа. Например, те могат да планират определени изчислителни задачи за часове извън пиковия период.

Осъществяването на по-широка и мащабна гъвкавост в потреблението на енергия изисква иновации в хардуера, софтуера и координацията между мрежата и центъра за данни. Особено при изкуствения интелект има много възможности за разработване на нови стратегии за регулиране на изчислителните натоварвания и следователно на потреблението на енергия.

Но осъществяването на тази визия изисква по-добро моделиране и прогнозиране. Центровете за данни могат да се опитат да разберат и да прогнозират по-добре своите натоварвания и условия. Също така е важно да се прогнозира натоварването и нарастването на мрежата.

Инициативата за прогнозиране на натоварването на Electric Power Research Institute включва дейности, които помагат при планирането и експлоатацията на мрежата. Цялостното наблюдение и интелигентните анализи - евентуално разчитащи на изкуствен интелект - както за центровете за данни, така и за мрежата, са от съществено значение за точното прогнозиране.

Производителите на чипове в Тайван обвързват AI с възобновяемата енергия

На ръба

САЩ се намират в критичен момент заради експлозивното развитие на AI. Изключително трудно е да се интегрират стотици мегавати търсене на електроенергия във вече натоварените мрежи. Затова може би е време да се преосмисли и начинът, по който индустрията изгражда центрове за данни.

Една от възможностите е да се изграждат устойчиво повече крайни центрове за данни - по-малки, широко разпространени съоръжения - за да се предоставят изчислителни технологии на местните общности. Крайните центрове за данни могат също така надеждно да добавят изчислителна мощност в гъсто населени градски райони, без да натоварват допълнително мрежата. Макар че тези по-малки локации в момента съставляват 10% от центровете за данни в САЩ, анализаторите прогнозират, че този пазар ще нарасне с над 20% през следващите пет години.

Наред с превръщането на този тип инфраструктура в гъвкави и контролируеми товари, иновациите в областта на крайните центрове за данни могат да направят енергийните нужди на изкуствения интелект много по-устойчиви.