Vikhyat Chaudhry, CTO, COO und Mitgründer von Buzz Solutions: Ein Rückkehr-Gespräch

Vikhyat Chaudhry, CTO, COO und Mitgründer von Buzz Solutions, leitet die technologische Entwicklung und die Betriebsführung des Unternehmens, das künstliche Intelligenz, maschinelles Sehen und Predictive-Analytics für die Inspektion und Wartung kritischer Energieinfrastrukturen einsetzt. Er gründete Buzz Solutions 2017, nachdem er Erfahrungen in den Bereichen Data Science, Machine Learning, eingebettete Systeme, Computer-Vision und autonome Technologien gesammelt hatte. Bevor er sich vollzeitlich auf das Unternehmen konzentrierte, arbeitete Chaudhry als Data-Scientist bei Cisco, entwickelte Machine-Learning- und sensorbasierte Systeme bei Altitude Co. und führte Forschungen an der Stanford University durch, die autonome Drohnen, Wind-Geschwindigkeitsmessung und Computer-Vision für Windparks umfassten. Seine frühere Forschung am indischen Verteidigungs- und Forschungsinstitut beschäftigte sich mit der Vorhersage von Erdrutschen mithilfe von Simulationen und Fernerkennungssoftware, was ihm ein technisches Hintergrundwissen über Infrastruktur-Risiken, geospatialen Analysen und angewandte KI verlieh. Buzz Solutions bezeichnet ihn derzeit als Mitgründer, CTO und COO.

Buzz Solutions entwickelt visuelle Intelligenz-Software, die Energieunternehmen bei der Inspektion, Wartung und Sicherung von Übertragungs-, Verteilungs-, Umspann- und Erzeugungsinfrastrukturen unterstützen soll. Die PowerAI-Plattform analysiert Bilddaten, die durch Drohnen, Hubschrauber, Flugzeuge und Bodeninspektionen gesammelt werden, und wandelt visuelle Daten in Diagnosen um, die es den Versorgungsunternehmen ermöglichen, Defekte zu identifizieren, den Zustand von Anlagen zu bewerten, Reparaturen zu priorisieren und Ergebnisse in bestehende geografische Informationssysteme, Anlagen-Management- und Arbeitsauftrags-Workflows zu integrieren. Das Unternehmen positioniert seine Technologie als Mittel, um Infrastruktur-Risiken früher zu erkennen, die manuelle Arbeit zur Analyse von Inspektionsbildern zu reduzieren und die Wahrscheinlichkeit von Ausrüstungsversagen, das zu Ausfällen, Stillständen oder Waldbränden beiträgt, zu verringern. Buzz Solutions bietet auch Tools für die Überwachung und Sicherheit von Umspannstationen an, was seinem umfassenderen Ziel entspricht, Versorgungsunternehmen bei der Schaffung sichererer, widerstandsfähigerer und datengetriebenerer Netzbetriebe zu unterstützen.

Als wir Sie 2024 interviewten, konzentrierte sich unser Gespräch auf die Verwendung von KI, um Versorgungsunternehmen von manuellen Inspektionen hin zu prädiktiver Wartung zu bewegen. Was hat sich in den letzten zwei Jahren am meisten geändert, sowohl im Energie-Sektor als auch in Ihrem eigenen Denken, was Sie dazu veranlasst hat, “Powering Intelligence” zu schreiben und Elektrizität als potenzielle Einschränkung für die Zukunft von KI darzustellen?

Als wir uns das letzte Mal unterhielten, ging es hauptsächlich um das Backoffice des Netzes, um Versorgungsunternehmen von manuellen Inspektionen hin zu prädiktiver Wartung zu bewegen. Das ist immer noch die Arbeit. Aber etwas hat sich in den letzten zwei Jahren unter uns verschoben, und es hat sich schneller verschoben, als fast jeder in meiner Welt erwartet hatte. Damals war KI eine Nachfrage-Geschichte, über die wir im Allgemeinen sprachen. Jetzt zeigt sie sich als große Lastwachstumszahlen für Versorgungsunternehmen. Ich begann, von Menschen, die ich seit Jahren in dieser Branche kenne, dasselbe zu hören: Anschlussanfragen für Lasten, die vor ein paar Jahren undenkbar gewesen wären, einzelne Anlagen, die nach so viel Leistung fragen, wie eine kleine Stadt verbraucht, und das auf einem Zeitplan, der nichts mit der tatsächlichen Errichtung des Netzes zu tun hat. Das war der Moment, in dem es für mich klickte. Wir verbringen all unsere Energie damit, über die Fähigkeiten dieser Modelle zu diskutieren, und fast keine Zeit damit, über die langweilige physische Frage nachzudenken, ob wir sie füttern können. Ich schrieb “Powering Intelligence”, weil ich immer nach dem Buch suchte, das diese beiden Welten verband, und es nicht gab. Jeder schrieb über die KI-Modelle. Fast niemand schrieb über die Elektronen, die sie benötigen. Und ich saß in einer seltsamen Position, nah genug an der KI-Seite, um die Ambition zu verstehen, und nah genug an dem Netz, um zu wissen, wie lange es tatsächlich dauert, eine neue Übertragungsleitung und ein Kraftwerk zu errichten. Die Lücke zwischen diesen beiden Uhren ist die ganze Geschichte, und ich wollte sie an einem Ort zusammenfassen.

Sie argumentieren, dass die KI-Industrie in Monaten skaliert, während sich das Stromnetz über Jahrzehnte ändert. Wo liegt der größte Engpass heute: Stromerzeugung, Übertragungskapazität, Umspannstationen, Transformatoren, Anschlusswarteschlangen, Genehmigungen oder Verfügbarkeit von Fachkräften?

Ich denke, es gibt mehrere Engpässe hier, und die Antwort ist, dass sie alle miteinander verflochten sind. Aber wenn ich auf den engsten Knoten zeigen muss, ist es relativ weniger die Stromerzeugung und mehr die Lieferung: Übertragung und der Anschlussprozess, mit Transformatoren und anderen elektrischen Geräten als die physischen Teile, die alles verbinden. Hier ist das, was die Leute oft unterschätzen. Sie können ein Kraftwerk und ein Rechenzentrum in einer Pressemitteilung ankündigen. Sie können nicht einen großen Leistungstransformator in die Existenz pressen, von denen einige Lieferzeiten haben, die in Jahren gemessen werden, und viele davon werden nicht einmal im Inland hergestellt. Also, selbst wenn der Wille und das Kapital da sind, stoßen Sie auf eine Lieferkettenschranke bei Komponenten. Dann, darüber hinaus, ist die Anschlusswarteschlange, die in vielen Regionen eine mehrjährige Wartezeit ist, nur um studiert zu werden. Und darunter liegt das Problem der Fachkräfte für die Stromindustrie. Die Menschen, die tatsächlich wissen, wie man diese Geräte baut und wartet, gehen schneller in den Ruhestand, als wir sie ersetzen.

Es ist also nicht ein Engpass. Es ist, dass die langsamsten physischen Teile, die Transformatoren, die Übertragungskorridore, die ausgebildeten Linienarbeiter, genau die sind, die Sie nicht mit Software oder Geld allein beschleunigen können. Das ist, was es so schwierig macht.

Rechenzentren für KI können enorme, konzentrierte Lasten in Gebiete einführen, deren Netze nicht für ein solches Lastniveau ausgelegt sind. Wie unterscheiden sich diese Einrichtungen von den großen industriellen Lasten, die Versorgungsunternehmen historisch gesehen haben, und welche neuen Risiken schaffen sie für Zuverlässigkeits- und Kapazitätsplanung?

Versorgungsunternehmen haben große Lasten für ein Jahrhundert gehandhabt. Ein Stahlwerk, ein Aluminiumhüttenwerk, Automobile-Fabriken, diese sind enorme Lasten, und Netzbetreiber wissen, wie sie darüber nachdenken. Also ist der Instinkt, ein Rechenzentrum wie einen anderen großen Kunden zu behandeln. Ich denke, dieser Instinkt ist falsch, und die Unterschiede sind es, die das neue Risiko schaffen.

Drei Dinge fallen mir auf. Erstens ist es die Konzentration und die Geschwindigkeit. Eine traditionelle schwere industrielle Last wuchs normalerweise über Jahrzehnte hinweg zusammen mit dem Netz in dieser Region. Diese Einrichtungen wollen jedoch große Lasten landen, alles auf einmal, in Orten, deren lokales Netz nie um sie herum geplant wurde. Zweitens ist es das Lastprofil. Viele davon sind keine glatten Lasten, sie können hart und schnell ansteigen und die Ausrüstung auf andere Weise belasten als ein Werk, das einen stabilen Prozess durchführt. Drittens, und das ist es, was die Planer am meisten beunruhigt, ist die spekulative Anhäufung, was ich vermute, Ihre nächste Frage ist.

Das Risiko, das es schafft, ist, dass Versorgungsunternehmen aufgefordert werden, um eine Nachfrage zu planen, die sich von ihren historischen Modellen unterscheidet, und Kapital und Infrastruktur auf dem Zeitplan der KI-Industrie und nicht auf dem des Netzes zu verpflichten. Wenn Ihre Planungsannahmen auf einem Jahrhundert einer bestimmten Art von Last basieren und die neue Last diese Annahmen bricht, wird die Zuverlässigkeitsplanung wirklich schwieriger. Das ist kein Grund, Nein zu sagen. Es ist ein Grund, anders zu planen.

Versorgungsunternehmen erhalten ambitionierte Strom-Anfragen von Rechenzentrums-Entwicklern, aber nicht alle vorgeschlagenen Einrichtungen werden unbedingt abgeschlossen. Wie können Versorgungsunternehmen zwischen verbindlicher Nachfrage und spekulativen Anfragen unterscheiden und teure Infrastruktur vermeiden, die für Projekte gebaut wird, die zu spät oder nie realisiert werden?

Das ist eine der wichtigsten operativen Fragen in diesem Bereich, und ich bin froh, dass Sie sie direkt gestellt haben, weil sie nicht genug Aufmerksamkeit neben den auffälligeren Themen erhält.

Ein Entwickler kann Anschlussanfragen für dasselbe Projekt in mehreren Territorien gleichzeitig einreichen, um denjenigen zu finden, der den Strom am schnellsten liefern kann. Einige dieser Projekte sind real und finanziert. Einige sind Optionen, Platzhalter und eine Möglichkeit, einen Platz in der Warteschlange zu sichern. Einige dieser sogenannten “Phantom-Lasten” werden vielleicht nie realisiert. Wenn ein Versorgungsunternehmen jede Anfrage als real behandelt und beginnt, Generation und Übertragung für all dies zu bauen, riskiert es, enorme Kosten zu verursachen, Infrastruktur zu bauen, die für ein Rechenzentrum bestimmt ist, das Jahre zu spät oder nie erscheint. Und raten Sie, wer am Ende für die gestrandeten Vermögenswerte zahlt, die bestehenden Tarifzahler. Andererseits, wenn die Versorgungsunternehmen weniger bauen, riskieren sie, die Anforderungen der einströmenden Last nicht erfüllen zu können, was zu Zuverlässigkeitsproblemen im Netz führen kann.

Der Weg durch ist, Spekulation teuer und Verpflichtung günstig zu machen. Das bedeutet, echte finanzielle Beteiligung vor einer Kapitalverpflichtung des Versorgungsunternehmens, bedeutende Einzahlungen, schrittweise Verpflichtungen, die an Baumeilensteine gebunden sind, Vertragsbedingungen, die das Risiko auf die Partei verlagern, die die Anfrage stellt, und nicht auf die Tarifzahlerbasis. Einige Gerichtsbarkeiten beginnen, in diese Richtung zu gehen. Das Prinzip, zu dem ich immer zurückkehre, ist einfach: Die Entität, die den Strom anfordert, sollte das Risiko tragen, dass der Strom nicht benötigt wird. Derzeit landet dieses Risiko oft stillschweigend bei allen anderen.

Wer sollte letztendlich die Kosten für die Erzeugung, Übertragung und Umspannstationen tragen, die für Rechenzentren für KI erforderlich sind? Welche Tarife oder vertraglichen Sicherheiten könnten verhindern, dass Haushalte und bestehende Unternehmen Infrastruktur subventionieren, die hauptsächlich für Hyperscale-Technologie-Unternehmen gebaut wird?

Das ist die Frage, die die Politik des nächsten Jahrzehnts des Netzes definieren wird, und ich denke, sie hat keine rein technische Antwort. Ich denke, es geht um Fairness. Meine ehrliche Meinung ist, dass die Kosten so weit wie möglich bei der Last liegen sollten, die sie verursacht. Wenn ein Rechenzentrum eines Hyperscalers eine neue Umspannstation und eine Übertragungsverstärkung erfordert, sollte die Annahme sein, dass die Einrichtung das bezahlt, was sie auslöst, und nicht die Rentnerin auf der Straße, deren Rechnung stillschweigend steigt, um es zu decken. Das klingt offensichtlich, aber die Art und Weise, wie die Tarife historisch funktioniert haben, ist, dass große neue Infrastrukturen oft über die gesamte Kundenbasis sozialisiert werden, was Sinn ergab, als die neue Last eine Fabrik war, die die Stadt beschäftigte. Es ergibt viel weniger Sinn, wenn der Nutznießer eines der wertvollsten Unternehmen der Welt ist.

Die Instrumente existieren. Großlast-Tarife, die speziell für diese Klasse von Kunden entwickelt wurden. Mindestabnahmeverträge, damit ein Rechenzentrum nicht Infrastruktur bauen und dann gehen kann. Langfristige Verpflichtungen, die der Lebensdauer der gebauten Anlagen entsprechen. Was wichtig ist, ist, dass Regulierungsbehörden und Versorgungsunternehmen diese tatsächlich verwenden, und zwar bevor sie bauen, nicht danach. Denn sobald der Beton gegossen ist und die Kosten in die Tarifbasis eingehen, ist es sehr schwierig, sie zurückzuholen. Ich schreibe darüber in dem Buch, weil ich denke, dass es einer der Orte ist, an denen die falschen Anreize stillschweigend das Vertrauen in die Versorgungsunternehmen und die KI-Industrie untergraben könnten.

Können Rechenzentren für KI flexible Netzeinrichtungen werden, anstatt inflexible Nachfrager, durch Arbeitslastverschiebung, Nachfrageantwort, Batterien, thermische Speicherung oder Eigenstromerzeugung? Welche KI-Arbeitslasten können realistisch über verschiedene Stunden oder Orte verschoben werden, ohne die Leistung zu beeinträchtigen?

Ja, und ich denke, das ist eine der hoffnungsvollsten Ideen in diesem Thema, also möchte ich vorsichtig sein, um es nicht zu überspitzen, weil die Flexibilität real ist, aber nicht unbegrenzt. Beginnen Sie mit dem Unterschied, der wichtig ist: Nicht alle KI-Berechnungen sind gleich. Es gibt Inferenz, das ist die Berechnung nach dem Training dieser großen Modelle (die Live-Modelle), und Sie stellen dem Modell eine Frage und benötigen eine Antwort jetzt. Das ist latenzsensitiv und schwer zu bewegen. Und dann gibt es das Training, die massiven, batchartigen Arbeitslasten, die die Modelle aufbauen. Das Training ist viel flexibler. Es interessiert sich nicht unbedingt dafür, ob es um 14 Uhr oder um 2 Uhr morgens läuft, oder in diesem Staat oder in einem anderen, solange es erledigt ist. Diese Flexibilität ist die Öffnung. Wenn ein großer Teil der Last eines Rechenzentrums die Art von Last ist, die sich im Laufe der Zeit verschieben kann, kann es sich in die Stunden zurücklehnen, in denen das Netz überschüssige saubere Energie hat, und zurückfahren, wenn das System belastet ist.

Jetzt fügen Sie Batterien, thermische Speicherung und Eigenstromerzeugung hinzu, und eine Einrichtung, die wie ein starres Block von Nachfrage aussieht, kann beginnen, sich wie eine Ressource zu verhalten, die tatsächlich hilft, das Netz auszugleichen, überschüssige Solarleistung in der Mitte des Tages aufzunehmen, über Spitzen auf gespeicherter Energie zu reiten. Der ehrliche Vorbehalt ist, dass dies erfordert, dass der Betreiber tatsächlich kooperieren möchte, und es erfordert Tarife, die ihn dafür belohnen. Die Technologie ist der einfache Teil, aber die Anreizgestaltung ist der schwierige Teil. Aber eine Welt, in der Rechenzentren flexible Partner des Netzes sind und nicht seine Feinde, ist wirklich möglich, und es ist viel besser als die Alternative.

Welche Kombination von Energiequellen kann realistischerweise die Stromanforderungen von KI in den nächsten zehn Jahren decken? Wie sehen Sie erneuerbare Energien und Speicherung, Erdgas, konventionelle Kernenergie, kleine modulare Reaktoren und Geothermie in dieser Mischung?

Ich werde Ihnen die Antwort geben, die die Leute nicht mögen, nämlich, dass es alles ist, und jeder, der Ihnen eine einzige Quelle als Silberkugel anbietet, verkauft Ihnen etwas. Erneuerbare Energien und Speicherung sind das, was wir am schnellsten einsetzen können; Solaranlagen plus Batterien können auf Zeiträumen gebaut werden, die im Vergleich zu allem anderen fast vernünftig aussehen, und diese Geschwindigkeit ist enorm wichtig, wenn die Nachfrage so schnell ansteigt. Also ist das die Arbeit, die in naher Zukunft geleistet wird. Tatsächlich sind viele von Buzz’ Versorgungskunden (Dominion, Ameren, AEP, NYPA, Southern und andere) kontinuierlich dabei, ihre Solar-Fußabdrücke zu erhöhen, um die Anforderungen der Rechenzentrums-Lasten zu erfüllen. Aber erneuerbare Energien sind variabel, und diese Lasten laufen rund um die Uhr, was bedeutet, dass Speicherung viel von der Arbeit in diesem Satz leistet, und warum feste Leistung immer noch wichtig ist. Erdgas wird Teil der Brücke, ob die Leute es mögen oder nicht, einfach weil es dispatchbar ist und vorhanden ist. Kernenergie ist gerade jetzt faszinierend, wir beobachten Kraftwerke, die für den Ruhestand vorgesehen waren, aber ein zweites Leben bekommen, weil ein Rechenzentrum einen langfristigen Vertrag für ihre Ausgabe unterzeichnet, was fast niemand vorhergesehen hat. Kleine modulare Reaktoren und Geothermie sind die langfristigen spannenden Spiele, aber ich versuche, bei Zeiträumen diszipliniert zu sein; sie sind ein bedeutender Teil der Geschichte in der zweiten Hälfte des Jahrzehnts und danach, nicht das, was uns 2027 retten wird.

Die realistische Mischung ist also eine geschichtete: Erneuerbare Energien und Speicherung tragen das Wachstum, Gas überbrückt die Lücke der Festigkeit, bestehende Kernenergie wird verlängert und neu geschätzt, und die nächste Generation von Quellen wird online gehen, wenn sie ausgereift ist. Der Fehler ist ideologische Reinheit in beide Richtungen, da das Netz nicht auf unsere Vorlieben achtet. Es achtet auf gelieferte Kilowattstunden, die zuverlässig und pünktlich sind.

Eines der zentralen Argumente in Ihrem Buch ist, dass die gleiche KI-Industrie, die Druck auf das Netz ausübt, auch die Werkzeuge liefern kann, die zum Modernisieren erforderlich sind. Wo kann KI die größten kurzfristigen Gewinne erzielen: Lastvorhersage, prädiktive Wartung, Übertragungsoptimierung, Vegetationsmanagement, Ausfallwiederherstellung, digitale Zwillinge oder autonome Netzkontrollen?

Das ist das Herz des Buches, und ehrlich gesagt der Teil, den ich am hoffnungsvollsten finde, die gleiche Industrie, die das Netz belastet, liefert uns die besten Werkzeuge, die wir je hatten, um es zu reparieren. Wenn ich sie nach dem Payoff ordne, der heute real ist und nicht in einer Präsentation, würde ich es hier einordnen.

Prädiktive Wartung, kontinuierliche Überwachung und Inspektion zuerst, weil das der Bereich ist, in dem Buzz Jahre verbracht hat, und ich gesehen habe, wie es funktioniert. Mit Computer-Vision und visueller KI defekte Komponenten finden, bevor sie ausfallen, den fehlerhaften Isolator, den überhitzten Transformator, die rostigen Haken, das ist nicht spekulativ, das ist eingesetzt und spart wirklich Geld und verhindert wirklich Ausfälle. Gleich daneben würde ich Lastvorhersage und Nachfrageantwort einordnen, weil das gesamte Rechenzentrums-Problem, über das wir gesprochen haben, viel handhabbarer wird, wenn Sie die Nachfrage mit mehr Genauigkeit vorhersagen können, anstatt blind zu planen. Dann Übertragungsoptimierung, mehr Kapazität aus den Drähten herauszuholen, die wir bereits haben, was enorm wichtig ist, wenn man bedenkt, wie langsam es ist, neue zu bauen. Vegetationsmanagement und Ausfallwiederherstellung sind direkt dahinter, da KI etwas Langsames und Manuelles in etwas Schnelles und Effizientes verwandelt, aber gleichzeitig genug Erkenntnisse und situative Aufmerksamkeit liefert, um dem Netz Widerstandsfähigkeit zu verleihen, um Vorfälle wie Waldbrände, Sturmschäden und Stromausfälle zu verhindern.

Digitale Zwillinge und vollständig autonome Netzkontrollen sind der weitere Horizont, sie kommen, und sie sind leistungsfähig, aber sie werfen Vertrauens- und Sicherheitsfragen auf, die ich vermute, Ihre nächste Frage sind. Also kurzfristig führt meine ehrliche Rangliste mit den unglamourösen Dingen: Das Netz besser sehen, sein Verhalten besser vorhersagen und mehr aus dem herausbekommen, was bereits im Boden ist, indem man das Netzesystem auch bewusster macht. Das ist, wo KI sich selbst bezahlt macht.

Unser vorheriges Interview diskutierte Buzz Solutions’ Abhängigkeit von echten Versorgungs-Daten und menschlicher Überprüfung. Wenn Stromsysteme autonomer werden, welche Entscheidungen könnten sicher an KI übertragen werden, und wo muss menschliches Urteilsvermögen unbedingt erforderlich bleiben? Wie sollten Versorgungsunternehmen sich auf undurchsichtige Modellentscheidungen, Cyberangriffe oder Ausfälle vorbereiten, die sich über kritische Infrastruktur ausbreiten könnten?

Als wir uns das letzte Mal unterhielten, beschrieb ich unseren eigenen Ansatz als menschlich im Schleife, Fachleute, die den KI-Modellen Feedback gaben, bei allem, was unter einem Konfidenzschwellenwert oder schlechten Vorhersagen lag, und ich möchte damit beginnen, weil meine Meinung dazu nicht weicher geworden ist, sondern härter. KI ist außergewöhnlich bei den Aufgaben der Wahrnehmung und Empfehlungen, all diese Daten ansehen, die Anomalie finden, das Risiko flaggen, das ranken, was Aufmerksamkeit benötigt. Die Übertragung davon ist nicht nur sicher, sondern auch besser als das, was Menschen alleine auf dieser Skala tun können. Wo ich viel vorsichtiger werde, ist bei folgenreichen Aktionen auf kritischer Infrastruktur und mission-kritischen Projekten, die Entscheidungen, bei denen das Falschsein das Licht für ein Krankenhaus ausschaltet oder sich über eine Region ausbreitet. Diese benötigen einen Menschen (Fachmann) mit Verantwortung, nicht weil das Modell im Durchschnittsfall notwendigerweise schlechter ist, sondern weil kritische Infrastruktur genau der Ort ist, an dem der seltene katastrophale Fall das ganze Spiel ist.

Die Vorbereitung ist also dreifach. Erstens müssen Menschen sinnvoll in der Schleife bleiben, bei folgenreichen Entscheidungen, nicht als Gummi-Stempel, sondern mit echter Autorität, um vorzubeugen. Zweitens muss man auf Erklärbarkeit für alles bestehen, was kritische Betriebe berührt, wenn Sie nicht verstehen, warum das Modell das getan hat, was es getan hat, können Sie sich nicht dafür verantworten, und “Die KI hat entschieden” ist keine akzeptable Antwort, wenn das Licht ausgeht. Drittens, und das ist es, worauf ich denke, die Branche ist gefährlich hinterher, behandeln Sie diese autonomen Systeme als erweiterte Angriffsfläche von Tag eins an. Je mehr wir Software das Netz laufen lassen, desto mehr erbt das Netz Software-Schwachstellen. Ein Cyberangriff auf ein autonomes Steuersystem ist kein Datenleck, es ist ein physisches Ereignis. Wir müssen uns darauf vorbereiten, bevor wir vollautonom werden, nicht danach. Die positive Nachricht ist, dass Versorgungsunternehmen jetzt Daten-Sicherheit, Info-Sicherheit und KI-Governance sehr ernst nehmen und auch damit begonnen haben, KI- und Daten-Governance-Räte innerhalb ihrer Organisationen einzurichten. Wir bei Buzz haben Cyber-Sicherheits- und KI-Governance-Handbücher für die Branche veröffentlicht, um mehr über die erfolgreiche Bereitstellung von KI-Systemen sicher und im großen Maßstab zu erfahren.

Blicken Sie fünf Jahre voraus, was wird die Länder und Regionen unterscheiden, die in der Lage sind, das weitere Wachstum von KI zu unterstützen, von denen, die durch die Verfügbarkeit von Strom eingeschränkt sind? Wie würde eine erfolgreiche Strategie für die Ausrichtung von KI-Entwicklung mit Netzausbau bis 2031 aussehen?

Ich denke, in fünf Jahren werden wir zurückblicken und erkennen, dass die Einschränkung von KI nie die Chips oder das Talent waren. Diese können leicht über die ganze Welt verlagert werden. Die Sache, die sich nicht bewegen ließ, die Sache, die tatsächlich entschied, wer gewann, war Strom und Infrastruktur. Elektrizität wird zur strategischen Ressource der KI-Ära, genauso wie Öl im letzten Jahrhundert, und ich denke, das ist keine Übertreibung; ich denke, es wird einfach sichtbar.

Die Regionen, die vorankommen, werden diejenigen sein, die das Netzausbau als wettbewerbsfähigen Vermögenswert behandelt haben und frühzeitig begonnen haben zu bauen und zu reformieren, die Orte, die den Anschluss vereinfacht haben, die Genehmigungen modernisiert haben, ohne die Sicherheitsvorkehrungen aufzuheben, die wichtig sind, und die in die Übertragung investiert haben, bevor die Nachfrage vollständig eintrat, anstatt zu versuchen, nachzuholen. Diejenigen, die zurückbleiben, werden nicht an mangelndem Ehrgeiz oder Kapital leiden. Sie werden die Rechenzentrums-Ankündigungen und die Investitionen haben, und sie werden einfach nicht in der Lage sein, die Elektronen zu liefern, und die Projekte werden stillschweigend woanders hingegeben, wo sie es können.

Eine erfolgreiche Strategie bis 2031 sieht so aus, dass die beiden Uhren, von denen ich immer spreche, endlich zusammenarbeiten, anstatt gegeneinander. Es bedeutet, die Geschwindigkeit von KI-Ambitionen mit der Realität von Energie-Infrastruktur-Zeitplänen abzustimmen, KI selbst zu nutzen, um mehr aus dem bestehenden Netz herauszuholen, während wir das Netz aufbauen, das wir benötigen, die Kostenzuweisung richtig zu machen, damit die öffentliche Meinung zur Stromerschwingung nicht extrem negativ wird, und das Fachkräfte-Problem ernst genug zu nehmen, um tatsächlich die nächste Generation von Menschen auszubilden, die dieses System bauen und betreiben. Keines davon ist ein Technologie-Problem, wir haben die Technologie. Es ist ein Koordinations- und Wille-Problem. Meiner Meinung nach ist die gute Nachricht, dass das die Probleme sind, die wir wissen, wie man sie löst; es würde nur erfordern, dass die Technologie-Industrie, die Energie-Industrie und die politischen Entscheidungsträger und Regulierungsbehörden zusammenkommen und das relevante Gespräch führen.

Vielen Dank für das großartige Interview, Leser, die mehr erfahren möchten, sollten Buzz Solutions besuchen oder sein Buch lesen: Powering Intelligence: Warum die Zukunft von KI vom Stromnetz abhängt.