Центры обработки данных будут потреблять в четыре раза больше электроэнергии к 2035 году: что это значит для нас

К 2035 году центры обработки данных в США будут потреблять пятую часть всей вырабатываемой в стране электроэнергии. Это в четыре раза больше, чем сегодня. Таков главный вывод нового отчета BloombergNEF. Абсолютные цифры выглядят так: мощность дата-центров вырастет почти до 200 гигаватт. Чтобы представить этот объем, одного гигаватта хватит для электроснабжения примерно 750 тысяч домов. Почти половина всей этой энергии уйдет на обучение и работу моделей искусственного интеллекта.

Рост нагрузки уже создает напряжение в энергосистеме. Сеть PJM Interconnection, обслуживающая 65 миллионов человек от Нью-Джерси до Иллинойса, перегружена. За последний год цены на электроэнергию в ней подскочили на 76%. Компания American Electric Power даже пригрозила выходом из объединения. Это не сценарий далекого будущего, а реальность июля 2026 года.

Главные цифры: как изменится аппетит дата-центров

Отчет BloombergNEF фиксирует беспрецедентный скачок. Текущее потребление ЦОД в США вырастет в четыре раза и достигнет 20% от всей национальной генерации. В абсолютных величинах речь идет о почти 200 гигаваттах установленной мощности. Один гигаватт - это миллиард ватт. Такого объема достаточно, чтобы запитать примерно 750 тысяч домохозяйств. Умножьте на 200 - получите энергию для 150 миллионов домов. Это больше, чем весь жилой фонд Соединенных Штатов.

Почти половина этой мощности - около 90 гигаватт - будет зарезервирована за искусственным интеллектом. Остальное придется на традиционные облачные сервисы, стриминг, корпоративные системы и резервное копирование. Но именно ИИ становится главным драйвером роста. Для сравнения: еще пять лет назад дата-центры занимали скромные 2-3% в энергобалансе США. Теперь они обгоняют целые отрасли промышленности.

Большая часть новых мощностей останется в США. Причины просты: здесь сосредоточены крупнейшие технологические компании, венчурный капитал и разработчики передовых моделей. Северная Вирджиния уже получила неофициальный титул «мировой столицы дата-центров». На один только округ Лаудон приходится более 30 миллионов квадратных футов технических площадей. И строительство продолжается.

Почему ИИ стал главным драйвером энергопотребления

Обычный поисковый запрос в Google потребляет около 0,0003 киловатт-часа. Запрос к ChatGPT или другой большой языковой модели требует в 10-30 раз больше энергии. Причина в архитектуре: традиционный поиск ищет совпадения по индексу, а генеративный ИИ проводит миллиарды математических операций для создания каждого ответа. Масштабируйте это на сотни миллионов пользователей ежедневно - и получите взрывной рост нагрузки.

Современные модели ИИ состоят из сотен миллиардов параметров. Их обучение требует тысяч специализированных ускорителей, работающих неделями или месяцами. Один тренировочный цикл большой модели может потребить столько же электричества, сколько сотня домохозяйств за год. После обучения модель переходит в фазу инференса - непосредственного выполнения задач пользователей. И если обучение случается редко, то инференс работает постоянно, наращивая нагрузку с каждым новым пользователем.

Ситуацию усугубляет конкуренция. Компании тратят на ИИ-инфраструктуру быстрее, чем считают: по данным исследования VentureBeat за второй квартал 2026 года, 83% организаций загружают свои графические процессоры менее чем наполовину, а 44% вообще не ведут строгий учет затрат на вычисления. Возникает парадокс: энергия расходуется, оборудование простаивает, а счета растут.

Обучение vs выполнение задач: где тратится больше энергии

Обучение модели - разовая, но чрезвычайно энергоемкая задача. Представьте завод, который нужно построить: много ресурсов уходит на старте, но потом он выпускает продукцию годами. Инференс - это сам выпуск. Каждый раз, когда вы просите нейросеть написать письмо или сгенерировать изображение, запускается цепочка вычислений на сервере. С ростом числа пользователей затраты на инференс быстро обгоняют затраты на обучение.

Уже сейчас инференс составляет до 60% энергопотребления ИИ-систем. К 2035 году эта доля вырастет до 70-80%. Причина проста: моделей становится больше, они усложняются, а пользователи обращаются к ним все чаще. Каждый голосовой помощник, каждая рекомендательная система и каждый чат-бот работают в фоновом режиме, непрерывно потребляя электричество.

Электросети не справляются: пример PJM и рост цен

PJM Interconnection - крупнейший в США оператор энергосистемы, охватывающий территорию от Нью-Джерси до Иллинойса. В 2026 году эта сеть столкнулась с двойным ударом: старение инфраструктуры и лавинообразный рост заявок на подключение дата-центров. Очередь на техприсоединение растянулась на годы. Цены на электроэнергию в системе PJM за последний год выросли на 76%. Это рекордный скачок за всю историю наблюдений.

American Electric Power, один из крупнейших участников PJM, пригрозила выходом из объединения. Причина - невозможность обеспечить надежное энергоснабжение при текущих правилах распределения нагрузки. Ситуация напоминает перегруженное шоссе в час пик: машин становится больше, а полосы не расширяются. Только здесь «машины» - это запросы на электроэнергию, а «полосы» - линии электропередач, многие из которых проложены еще в середине прошлого века.

Проблема PJM - тревожный сигнал для всей страны. Аналогичные трудности испытывают энергосети Техаса, Калифорнии и Нью-Йорка. Инфраструктура не успевает за цифровой трансформацией. Строительство новой линии электропередач занимает 7-10 лет, а дата-центр вырастает за 18-24 месяца. Разрыв во времени между этими процессами создает узкое горлышко, которое будет только сужаться.

Глобальный взгляд: ЦОД как целая Индия

Прогноз BloombergNEF выходит за пределы США. Если текущие темпы внедрения ИИ сохранятся, к 2033 году новые центры обработки данных в мире создадут дополнительный спрос на электроэнергию, почти равный годовому потреблению Индии. Страны с населением более 1,4 миллиарда человек. Это не метафора, а прямое сравнение из отчета.

Последствия глобального роста очевидны. Во-первых, обостряется конкуренция за энергоресурсы между дата-центрами и другими отраслями. Во-вторых, под угрозой оказываются климатические цели многих стран. Австралия уже вводит жесткие экологические нормы для дата-центров: обязательное использование возобновляемых источников, полная оплата подключения к сетям и строгий контроль водопотребления. В-третьих, рост спроса неизбежно толкает цены на электричество вверх для всех потребителей.

Ситуация в мире неравномерна. США и Китай лидируют по строительству новых ЦОД. Европа отстает, но активно наращивает мощности. При этом Китай, столкнувшись с экспортными ограничениями на чипы, форсирует развитие собственной полупроводниковой индустрии. Энергоэффективность китайских ускорителей пока уступает западным аналогам, что создает дополнительную нагрузку на сети.

Что можно сделать: поиск решений

Технологические компании осознают проблему и вкладывают миллиарды долларов в ее решение. Microsoft, Google, Amazon и Meta уже стали крупнейшими корпоративными покупателями возобновляемой энергии в мире. Они заключают долгосрочные контракты на поставку электричества от солнечных и ветряных электростанций, строят дата-центры рядом с гидроэлектростанциями и инвестируют в ядерную энергетику нового поколения.

Развитие систем хранения энергии - еще один важный фронт. Промышленные аккумуляторы позволяют сглаживать пики потребления и накапливать излишки возобновляемой генерации. ЦОД может работать как гибкий потребитель: снижать нагрузку в часы пик и наращивать ее, когда энергия дешева и доступна. Такие алгоритмы уже тестируются в нескольких пилотных проектах в Европе и США.

Эффективность и инновации: от чипов до охлаждения

Главный резерв экономии - сами вычисления. Переход на процессоры ARM-архитектуры, которые потребляют меньше энергии при сопоставимой производительности, уже начался. Amazon развернул сотни тысяч своих чипов Graviton, а Microsoft экспериментирует с ARM-решениями в облаке Azure. Специализированные ускорители для ИИ, такие как Google TPU, показывают значительно лучшую энергоэффективность по сравнению с универсальными GPU.

Системы охлаждения - второй по величине потребитель энергии в дата-центре после вычислительного оборудования. Традиционное воздушное охлаждение уступает место жидкостному. Погружные системы, где серверы находятся в специальной непроводящей жидкости, снижают затраты на охлаждение на 40-60%. Это не экспериментальная технология, а коммерчески доступное решение, которое уже применяют Microsoft и другие крупные операторы.

Искусственный интеллект помогает оптимизировать собственное энергопотребление. Алгоритмы DeepMind, внедренные в дата-центрах Google, снизили расходы на охлаждение на 30% за счет точной настройки параметров в реальном времени. ИИ прогнозирует нагрузку, перераспределяет задачи между серверами и выбирает оптимальные режимы работы оборудования. Получается замкнутый цикл: ИИ потребляет энергию, но одновременно учится делать это эффективнее.

Что это значит для вас: практические выводы

Рост энергопотребления дата-центров коснется каждого, кто пользуется цифровыми сервисами. Стоимость облачных подписок, API-запросов и корпоративных ИИ-решений будет расти вслед за ценами на электричество. Компании, которые не оптимизируют свою ИИ-инфраструктуру, столкнутся с неприятным выбором: платить больше или отказываться от технологических преимуществ. Честный расчет ROI для ИИ-проектов становится критически важным навыком для руководителей.

Для обычного пользователя последствия проявятся в тарифах на электричество. Коммунальные компании перекладывают затраты на модернизацию сетей на всех потребителей. В регионах с высокой концентрацией дата-центров счета за свет растут опережающими темпами. Это уже заметно в Северной Вирджинии и отдельных районах Техаса.

Рекомендации здесь практичные. Во-первых, обращайте внимание на энергоэффективность своих устройств: современный ноутбук потребляет в разы меньше старого настольного компьютера. Во-вторых, при выборе цифровых сервисов учитывайте их «зеленую» политику - это становится конкурентным преимуществом. В-третьих, следите за развитием распределенной энергетики: солнечные панели и домашние аккумуляторы снижают зависимость от растущих сетевых тарифов.

Энергетический аппетит ИИ - не временное явление, а структурный сдвиг. Он меняет экономику целых отраслей и повседневные привычки миллионов людей. Понимание этих процессов помогает принимать взвешенные решения: от покупки техники до инвестиций в собственные навыки. Способность управлять вычислительными ресурсами и понимать их стоимость становится одним из ключевых навыков в эпоху ИИ.