Partnerstwa

NVIDIA, Google i Emerald AI tworzą AI Energy Management Alliance

mm
Dodaj Unite.AI do preferowanych źródeł w Google

Emerald AI, Google i NVIDIA 16 września 2026 r. ogłosiły uruchomienie AI Energy Management Alliance (AEMA), koalicji mającej na celu rozwój centrów danych, które mogą dynamicznie zarządzać zużyciem energii elektrycznej w odpowiedzi na warunki w sieci energetycznej.

Uruchomienie zostało ogłoszone w poście na blogu NVIDIA, który opisał AEMA jako pierwszą tego rodzaju koalicję. NVIDIA oświadczyła, że celem jest budowanie infrastruktury AI współpracującej z siecią, a nie jedynie do niej podłączonej, oraz że elastyczność energetyczna może pomóc w szybszym i większym podłączaniu infrastruktury AI, jednocześnie zmniejszając wpływ na środowisko na wat i wspierając przystępność cen energii.

Argumenty za elastycznymi centrami danych

NVIDIA stwierdziła, że energia stała się kluczowym ograniczeniem rozwoju amerykańskiej infrastruktury AI. Tradycyjne procesy przyłączeniowe, jak podkreśliła firma, były projektowane z myślą o obiektach o stałym, niezmiennym zapotrzebowaniu na energię, a nie o infrastrukturze obliczeniowej zdolnej do reagowania w sytuacji, gdy system energetyczny jest ograniczony.

Elastyczny centrum danych może regulować pobór energii z sieci na kilka sposobów, zgodnie z ogłoszeniem: przesuwając obciążenia obliczeniowe, rozładowując magazyny, wykorzystując skojarzoną generację lub reagując na sytuacje awaryjne systemu. Te możliwości pozwalają dużemu odbiorcy energii pełnić rolę kontrolowanego zasobu, a nie sztywnego obciążenia. Według NVIDIA, przy właściwym wykorzystaniu elastyczność może zapewnić bardziej efektywne wykorzystanie istniejącej pojemności sieci, zmniejszyć zapotrzebowanie w okresach stresu systemowego, unikać lub odłożyć modernizacje infrastruktury oraz dać dostawcom energii i operatorom sieci większą pewność przy podłączaniu obiektów AI w krótszych terminach.

Zasady neutralne technologicznie i oparte na wydajności

AEMA jest neutralna technologicznie i oparta na wydajności, koncentrując się na mierzalnej usłudze, jaką obiekt może świadczyć, w tym na szybkości reakcji, czasie trwania, przewidywalności i zachowaniu w sytuacji awaryjnej, a nie na konkretnym sprzęcie czy oprogramowaniu używanym w miejscu.

Zasady sojuszu zakładają określenie obowiązków dotyczących ride‑through, ograniczeń i reakcji na sytuacje awaryjne przed podłączeniem obiektu, co ogłoszenie opisuje jako jasne reguły utrzymania połączenia podczas krótkotrwałych zakłóceń sieci, zmniejszania zużycia energii w razie potrzeby oraz reagowania na sytuacje awaryjne. Zasady przewidują także standaryzację wymagań technicznych, wskaźników wydajności i udostępniania danych operacyjnych oraz tworzenie szybszych, ryzyko‑skorygowanych ścieżek dla klientów, które umożliwiają wiarygodne i weryfikowalne zobowiązania dotyczące elastyczności. Kolejna zasada dotyczy alokacji kosztów przyłączeniowych w sposób odzwierciedlający rzeczywisty wpływ i korzyści dla systemu, takie jak uniknięte modernizacje i poprawiona zdolność rampowania. Według ogłoszenia, te działania mogą zmniejszyć niepewność dla deweloperów, jednocześnie dostarczając operatorom systemu niezbędnych informacji i kontroli potrzebnej do utrzymania niezawodności.

Zakres i misja polityczna sojuszu

AEMA gromadzi pełny łańcuch wartości w obszarze obliczeń i energii: platformy AI, dostawców infrastruktury, operatorów centrów danych, firmy technologiczne, producentów energii, przedsiębiorstwa użyteczności publicznej oraz regionalnych operatorów sieci. Członkowie założyciele zostaną wsparci przez partnerów uruchomieniowych z całego ekosystemu, a sojusz opracuje podejścia techniczne i operacyjne, będzie współpracował z przedsiębiorstwami użyteczności publicznej nad rozwiązaniami przyłączeniowymi oraz będzie popierał polityki uznające popyt reagujący na sieć.

Na jej oficjalnej stronie internetowej, AEMA wymienia Emerald AI, Google i NVIDIA jako członków założycieli i opisuje się jako rzecznik elastycznych centrów danych, które dynamicznie dostosowują pobór energii, aby zapewnić ulgę, gdy system najbardziej tego potrzebuje. Sojusz twierdzi, że popiera polityki przyspieszające tempo do zasilania i stwierdza, że odblokowanie pojemności w istniejącej, często niewykorzystanej sieci chroni niezawodność i przystępność energetyczną dla amerykańskich gospodarstw domowych.

AEMA stwierdza, że połowa pojemności systemu energetycznego pozostaje niewykorzystana przez cały rok i że wprowadzenie umiarkowanej elastyczności w centrach danych mogłoby odblokować 100 GW z istniejącego systemu energetycznego, powołując się na publikację Duke University Nicholas Institute. Sojusz przytacza także raport Brattle, w którym wykazano, że każde 10 % poprawy wykorzystania sieci może obniżyć taryfy energetyczne o 3,4 %, podaje, że demonstracje zmniejszyły zużycie energii o jedną trzecią w mniej niż minutę w sytuacjach awaryjnych, oraz cytuje $733 million potencjalnych unikniętych kosztów systemu energetycznego na każdy gigawatt nowych centrów danych AI z elastycznością i zasobami pojemnościowymi. AEMA podaje, że podłączenie nowych centrów danych AI do sieci zajmuje od pięciu do siedmiu lat lub dłużej na kluczowych rynkach w USA.

Sojusz twierdzi, że utrzymuje długotrwałe relacje z Federalną Komisją Regulacji Energii, Departamentem Energii, agencjami federalnymi oraz regulatorami stanowymi. Według witryny, oferuje członkom koordynację polityk w zakresie przyłączeń, przesyłu i polityki dużych obciążeń, wczesny wgląd w rozwój polityk oraz jednolitą wiadomość do regulatorów stanowych i federalnych o korzyściach płynących z elastyczności i szybkiego wprowadzania na rynek.

Wcześniejsza współpraca NVIDIA i Emerald AI

Sojusz rozszerza już prowadzone prace między dwoma jego założycielami. W 23 marca 2026 komunikat prasowy wydanym podczas CERAWeek 2026, NVIDIA i Emerald AI oświadczyły, że współpracują z AES, Constellation, Invenergy, NextEra Energy, Nscale Energy & Power oraz Vistra nad opracowaniem fabryk AI, które szybciej łączą się z siecią i działają jako elastyczne zasoby energetyczne. Fabryki te będą wykorzystywać referencyjny projekt NVIDIA Vera Rubin DSX AI Factory, który zawiera bibliotekę oprogramowania DSX Flex do podłączania fabryk AI do usług sieci energetycznej, podczas gdy platforma Conductor firmy Emerald AI koordynuje elastyczność obliczeniową wraz z lokalną produkcją, bateriami i innymi zasobami za licznikami. „Fabryki AI są zbyt cenne, aby traktować je wyłącznie jako pasywne obciążenia lub stałe wysepki” – powiedział Varun Sivaram, założyciel i dyrektor generalny Emerald AI, w komunikacie.

Według marcowego komunikatu, obie firmy przeprowadziły demonstracje elastyczności energetycznej AI w pięciu komercyjnych centrach danych na całym świecie w ciągu poprzedniego roku. DSX Flex miał być wdrożony w skali komercyjnej pod koniec 2026 roku w NVIDIA AI Factory Research Center w Wirginii, planowanym jako jedna z pierwszych na świecie fabryk AI o elastyczności energetycznej działających na infrastrukturze Vera Rubin.

NVIDIA w swoim poście uruchomieniowym stwierdza, że AEMA rozszerzy wcześniejsze prace, łącząc społeczności technologiczne, energetyczne i polityczne wokół modeli, które mogą być wdrażane w całych Stanach Zjednoczonych.

Theo Nash jest specjalistą wygenerowanym przez AI w Unite.AI, zajmującym się infrastrukturą AI, obliczeniami i systemami sprzętowymi, które napędzają nowoczesną sztuczną inteligencję. Jego praca koncentruje się na technicznych podstawach dużych obciążeń AI, w tym centrach danych, przyspiesznikach, sieciach i stosach oprogramowania, które je łączą.
Z analitycznej i inżynierskiej perspektywy Theo analizuje, jak postępy w zakresie GPU, niestandardowego krzemowego, architektur pamięci i systemów rozproszonych umożliwiają nowe pokolenia modeli AI. Zwraca szczególną uwagę na wymiany pomiędzy wydajnością, efektywnością energetyczną, skalowalnością i praktycznymi ograniczeniami, które kształtują wdrożenie infrastruktury AI w świecie rzeczywistym.
Artykuły napisane przez Theo Nasha są generowane przez AI i sprawdzane przez zespół redakcyjny Unite.AI w celu zapewnienia technicznej dokładności, klarowności i odpowiedzialnego pokrycia szybko ewoluującego krajobrazu obliczeń AI.