Реальная бутылка AI: Электричество, охлаждение и физика масштаба

Искусственный интеллект продвинулся вперед с необычайной скоростью за последнее десятилетие. Более быстрые GPU, более крупные кластеры и революционные архитектуры открыли прорывы, которые когда-то казались невозможными. Однако, когда отрасль движется к моделям с триллионом параметров и гипермасштабным фабрикам AI, следующий барьер не имеет отношения к алгоритмам. Реальная бутылка сегодня физическая: электричество, охлаждение и инфраструктура, необходимая для поддержания вычислений в планетарном масштабе.

Вопрос теперь не в том, сколько чипов можно произвести, а в том, можно ли обеспечить гигаватты, воду и линии передачи, необходимые для их работы. Инфраструктура, а не кремний, является тем, что будет определять темп развития AI в ближайшие годы.

Гигаватты над гигафлопсами

Проект OpenAI “Stargate”, который строится с Oracle (ORCL ) и SoftBank, нацелен на почти 7 гигаватт мощности на кампусах США — что сопоставимо с несколькими ядерными реакторами. На таком масштабе основной проблемой не является производство GPU, а обеспечение электростанций и подстанций для их работы.

Спрос Microsoft (MSFT ) не менее впечатляющий. Его рабочие нагрузки AI, как ожидается, будут требовать столько же электричества, сколько весь регион Новой Англии к 2030 году. Это объясняет, почему компания инвестировала десятки миллиардов долларов в проекты по возобновляемой энергии и также преследует более экспериментальные варианты, такие как ядерный синтез и передовые ядерные реакторы.

Динамика распространяется на энергетическую политику. В PJM Interconnection, региональной организации, управляющей сетью для более чем 65 миллионов человек в 13 штатах и Вашингтоне, коммунальные предприятия изучают механизмы ограничения для центров обработки данных в периоды пикового спроса. Крупные технологические фирмы лоббируют против таких ограничений, но тот факт, что регулирующие органы даже рассматривают их, показывает, насколько важным стал AI для планирования сети.

Проблема охлаждения

Снабжение электричеством — это только половина проблемы. Как только электричество достигает стойки, следующей проблемой становится тепло. Каждый высокопроизводительный GPU потребляет около 700 ватт, и с стойками, в которых размещаются сотни GPU, плотность достигает 100-600 киловатт на стойку. Воздушное охлаждение, отраслевой стандарт на протяжении десятилетий, становится непригодным для использования после примерно 40 киловатт на стойку из-за неэффективности воздушного потока и рециркуляции.

Жидкостное охлаждение, поэтому, сместилось от нишевого к мейнстримному. Последние жидкостно охлаждаемые платформы Blackwell от NVIDIA (NVDA ) предназначены для гипермасштабных кластеров AI и обеспечивают на 25% лучшую энергоэффективность и на 300% лучшую водоэффективность, чем воздушно охлаждаемые стойки. Компания также сотрудничает с Vertiv над референс-архитектурой, которая может обрабатывать более 130 киловатт на стойку, что делает возможным развертывание плотных GPU.

Стартапы также инновируют. Corintis, швейцарская компания, встраивающая микроканалы непосредственно в подложки чипов, недавно привлекла 24 миллиона долларов инвестиций и уже имеет среди своих клиентов Microsoft. Исследовательская команда Microsoft продемонстрировала микрофлюидные каналы, выгравированные в упаковке чипов, снижающие пиковые температуры GPU на 65% и увеличивающие эффективность в 3 раза по сравнению с традиционными холодными пластинами. Эти технологии делают возможным поддержание GPU на полной мощности без перегрева центра обработки данных.

Вода как стратегическая переменная

Жидкостное охлаждение вводит еще одну переменную: потребление воды. Испарительные и охлаждаемые водой системы могут требовать огромных объемов при масштабировании до кампусов сотен мегаватт. В Фениксе кластеры центров обработки данных могут требовать сотен миллионов галлонов воды в день, что вызывает обеспокоенность в регионах, страдающих от засухи.

Это спровоцировало разработку систем охлаждения без воды и замкнутых контуров. IEEE Spectrum задокументировал стратегии, такие как герметичные диэлектрические иммерсионные ванны, сухие охладители и водяные охладители, которые снижают потребление питьевой воды почти до нуля. Тем временем некоторые операторы экспериментируют с повторным использованием отходящего тепла. Проекты, такие как Aquasar и iDataCool, показали, как горячие контуры охлаждения могут питать системы отопления зданий или абсорбционные охладители, перерабатывая большую часть энергии, которая в противном случае была бы потеряна.

Компромисс часто заключается между водой и электричеством: закрытые или сухие системы потребляют больше энергии, в то время как испарительные конструкции экономят энергию, но сильно зависят от воды. В регионах, испытывающих водный стресс, политика все чаще отдает предпочтение сохранению воды, даже если это означает более высокое потребление энергии.

Инфраструктура и сеть

Даже с решениями по энергии и охлаждению в месте, окончательной бутылкой является инфраструктура. Решения о размещении теперь определяют победителей и проигравших в гонке AI.

Кампус Fairwater от Microsoft, стоимостью 80 миллиардов долларов, в Висконсине, иллюстрирует, как стратегическое расположение стало важным. Объект занимает 315 акров, вмещает сотни тысяч GPU и был выбран за доступ к подстанциям, волоконно-оптическим линиям и грунтовым водам. Дизайн также подчеркивает закрытые контуры охлаждения, чтобы минимизировать водное воздействие.

Чтобы поддержать свою растущую нагрузку, Microsoft заключила знаковое соглашение с Brookfield, чтобы добавить 10,5 гигаватт возобновляемой мощности к 2030 году. В то же время она поддержала более экспериментальные проекты, такие как ядерный синтезный завод, строящийся компанией Helion Energy, который должен питать центры обработки данных к 2028 году, и 20-летнее соглашение о перезапуске ядерного реактора на острове Три-Майл в Пенсильвании.

Amazon (AMZN ) и Google (GOOGL ) предпринимают аналогичные шаги, обеспечивая места рядом с ядерными объектами и разрабатывая свои собственные чистые энергетические портфели. В Ирландии, где центры обработки данных уже потребляют больше электроэнергии, чем все домохозяйства вместе взятые, регулирующие органы заморозили новые разрешения до 2028 года, подчеркивая, как политика и разрешения могут сорвать даже самые хорошо финансируемые проекты.

Умная эксплуатация: AI, управляющая AI

Интересно, что сам AI используется для управления инфраструктурной нагрузкой. Рефлексивное обучение было развернуто в производственных центрах обработки данных для оптимизации систем охлаждения, что привело к экономии энергии на 14-21% без ущерба для безопасности. Цифровые двойники и прогностическое моделирование также используются для предсказания горячих точек, предварительного охлаждения оборудования и переноса рабочих нагрузок на более прохладные часы или периоды избыточной возобновляемой энергии.

Google уже продемонстрировала, как машинное обучение может снизить потребность в охлаждении центров обработки данных на 40%, и другие операторы принимают аналогичные системы. По мере роста затрат на энергию и охлаждение эти операционные экономии становятся важным конкурентным преимуществом.

Стратегический прогноз

Траектория ясна. Спрос на AI, как ожидается, удвоит потребление электроэнергии центрами обработки данных во всем мире к 2030 году, при этом рабочие нагрузки AI будут составлять долю всего мирового потребления энергии к 2050 году. Хотя NVIDIA и другие производители чипов продолжают толкать производительность кремния вперед, практический рубеж AI будет определяться тем, как быстро коммунальные предприятия смогут построить новую генерацию, передачу и охладительную инфраструктуру.

Для компаний, строящих продукты AI, это означает, что их дорожные карты все чаще связаны с тем, где существует емкость. Для инвесторов наиболее ценные игры могут быть коммунальными предприятиями, разработчиками передачи и стартапами по охлаждению, а не только поставщиками GPU. А для политиков дебаты об AI смещаются от вопросов этики и управления данными к вопросам мегаватт, воды и модернизации сети.

Будущее AI будет определяться не только в исследовательских лабораториях и фабриках по производству чипов, но и на подстанциях, контурах охлаждения и электростанциях. Физика масштаба — а не только математика алгоритмов — это то, что определит скорость и масштаб искусственного интеллекта в ближайшее десятилетие.