Šie risinājumi ļauj mākslīgā intelekta projektiem virzīties uz priekšu bez kavēšanās, bet tie palielina izmaksas, emisijas un rada konfliktus ar regulatīvajām iestādēm.
Saturs
Straujā mākslīgā intelekta attīstība liek datu apstrādes centriem nonākt kritiskā situācijā: trūkst elektroenerģijas, lai uzturētu to izaugsmi. Problēma nav čipos, atmiņā vai investīcijās, bet gan piekļuvē milzīgam elektroenerģijas daudzumam īsā laikā.
Šajā situācijā datu centru operatori sāka izmantot turbīnas, kas darbojas uz aviācijas dzinēju bāzes, kā arī dīzeļdzinējus un gāzes ģeneratorus kā galveno enerģijas avotu — risinājums, kas līdz nesenai pagātnei tika uzskatīts par ekstrēmu un neiedomājamu.
Šī parādība ir īpaši izteikta Amerikas Savienotajās Valstīs, kur elektrotīkli nespēj apmierināt pieaugošo pieprasījumu no datu apstrādes centriem, kas orientēti uz mākslīgo intelektu.
Rindas uz pieslēgšanos augstsprieguma elektrotīkliem stiepjas piecus līdz septiņus gadus, kas nav savienojams ar daudzmiljardu vērtu projektu konkurēšanu par līderpozīcijām tirgū.
Aviācijas turbīnas kā improvizētas elektrostacijas
Viena no visplašāk izplatītajām alternatīvām ir aviācijas turbīnu izmantošana — elektrības ražošanas sistēmas, kas balstās uz komerciālo lidmašīnu dzinējiem . Šīs iekārtas var novietot blakus datu apstrādes centriem un ģenerēt desmitiem vai pat simtiem megavatu dažu mēnešu laikā, atšķirībā no gadiem, kas nepieciešami tradicionālā elektrotīkla paplašināšanai.
Tādi ražotāji kā GE Vernova piegādā šāda veida turbīnas projektiem, kas saistīti ar lieliem konsorcijiem mākslīgā intelekta jomā. Tajā pašā laikā uzņēmumi, kas specializējas pagaidu enerģētikas risinājumos, pārveido aviācijas dzinēju serdeņus nepārtrauktai elektroenerģijas ražošanai.
Dīzeļdzinēju un gāzes ģeneratori: no rezerves ģeneratoriem līdz ģeneratoriem elektroenerģijas piegādei no tīkla.
Tikmēr dīzeļdzinēju un gāzes ģeneratori vairs nespēlē otršķirīgu lomu . Tradicionāli šīs iekārtas tika izmantotas kā rezerves enerģijas avots elektroenerģijas padeves pārtraukumu laikā vai pieprasījuma maksimuma periodos. Tomēr enerģētikas problēmas ir mainījušas to funkciju: tagad tās darbojas kā galvenais enerģijas avots mēnešiem vai pat gadiem ilgi.
Tādi ražotāji kā Cummins pārdod desmitiem gigavatu jaudas, kas īpaši izstrādātas datu apstrādes centriem, kuri nevar gaidīt stabilu tīkla savienojumu. Izmaiņas ir ne tikai kvantitatīvas, bet arī kvalitatīvas: šīs iekārtas darbojas nepārtraukti, nodrošinot kritiski svarīgas mākslīgā intelekta infrastruktūras ar enerģiju 24 stundas diennaktī.
Augstas izmaksas un neskaidra rentabilitāte
Šīs stratēģijas cena ir augsta. Pašreizējā elektroenerģijas ražošana ar turbīnām un ģeneratoriem var divkāršot tradicionālās rūpnieciskās elektroenerģijas izmaksas, neatkarīgi no tā, vai tā tiek ražota no atomelektrostacijām, vēja, saules vai pat ogļu avotiem.
Pie tam pieskaitāmas palielinātās piesārņojošo vielu emisijas, pastāvīgs troksnis, intensīva fosilā kurināmā patēriņa un arvien saspīlētākās attiecības ar regulatīvajām iestādēm un vietējām kopienām.
Tomēr datu centru operatoriem aprēķins ir skaidrs: labāk uzņemties šīs papildu izmaksas, nekā atlikt AI projektus, kas var noteikt uzņēmuma konkurētspēju nākamajā desmitgadē. Daudzos gadījumos elektroenerģijas izmaksas, lai gan tās ir augstas, tomēr ir mazākas nekā ekonomiskās sekas, ko rada kavēšanās ienākt tirgū.
Tehniska “izmisuma mēģinājums”, nevis improvizācija.
Nozares eksperti ir vienisprātis, ka šie nav improvizēti risinājumi, bet gan apstākļu diktēti risinājumi. Neviens operators neizvēlas aviācijas turbīnas vai dīzeļģeneratorus tāpēc, ka tie ir efektīvi, ekoloģiski vai lēti. Tās izvēlas tāpēc, ka tās ir vienīgās risinājumi, kurus var ieviest mēnešu, nevis gadu laikā. Tas, kas sākās kā avārijas infrastruktūra, faktiski kļūst par gandrīz pastāvīgu risinājumu.
Šī situācija atklāj nepatīkamu realitāti: sacensība par mākslīgo intelektu virzās ātrāk nekā attīstīto valstu iespējas enerģētikas nozares plānošanā.
Kamēr sabiedrības debates risina jautājumus par atjaunojamo enerģiju, viedo enerģētikas tīkliem vai maziem kodolreaktoriem, mākslīgais intelekts jau darbojas, pateicoties dzinējiem, kas paredzēti lidojumiem, un ģeneratoriem, kas darbojas ar fosilā kurināmā palīdzību un nodrošina nepārtrauktu darbību.
Šādu modeli ir grūti uzturēt ilgtermiņā.
Šī situācija rada nopietnas šaubas par esošā modeļa ilgtspēju. Enerģijas deficīts draud kļūt par reālu šķērsli mākslīgā intelekta attīstībai, jo īpaši, ja izmaksas turpinās pieaugt un elektrotīkli netiks modernizēti nepieciešamajā tempā. Turklāt daudzu AI projektu rentabilitāte vēl nav materializējusies, kas pastiprina finansiālo spiedienu uz uzņēmumiem.
Šajā kontekstā atkarība no avārijas enerģētikas risinājumiem arī veicina diskusijas par potenciālo mākslīgā intelekta „burbuļu”. Daži investori sāk likt likmes uz korekciju, bet citi brīdina, ka investīciju atmaksāšanās termiņš jau pārsniedz 2030. gadu.
