🟡Сколько электроэнергии необходимо ИИ?
Международное энергетическое агентство (МЭА) исследовало темпы развития ИИ и потребности центров обработки данных (ЦОД) в электроэнергии для ИИ. МЭА в течение года оценивало влияние ИИ на производство, транспорт, потребление и спрос на электроэнергию по всему миру на горизонте ближайших 10 лет.
Результаты исследований приведены в опубликованном в апреле 2025 года отчете "Энергия и Искусственный интеллект" "Energy and AI".
Почему вопросу прогнозирования потребления энергии для нужд ИИ уделяется такое внимание. Согласно отчету, среди крупнейших мировых компаний, уровень внедрения ИИ повысился с 15% в 2014 году до 40% в 2024 году, а вычислительные мощности для обучение моделей ИИ увеличились за этот же период времени более чем в 350 000 раз. С ноября 2022 года, когда был запущен ChatGPT, до конца 2024 года 65% роста рыночной капитализации S&P 500 пришлось на компании, которые либо внедряют искусственный интеллект, либо интегрируют его в свою основную деятельность. Из 16 трлн долларов роста рыночной капитализации компаний, входящих в список S&P 500, на компании, связанные с искусственным интеллектом пришлось 12 трлн долларов.
Сам по себе ИИ – продукт сложной цепочки международной кооперации, включающий производство самого технологически сложного оборудования для производства чипов, в котором доминирует Европа, добыча редкоземельных металлов и производство непосредственно чипов, которое преимущественно сосредоточено в Азии, и, непосредственно, разработка моделей ИИ, лидерство в которой удерживают США, хотя существенных успехов в последнее время в разработке моделей ИИ добился и Китай.
Обучение моделей ИИ происходит в крупных ЦОД, инвестиции в строительство которых по всему миру удвоилось за прошедшие 2 года. Крупнейший в мире ЦОД потребляет энергии как небольшой город или более чем 2 млн. отдельно взятых домохозяйств. К примеру, обучение модели GPT-4 проводилось на 25 000 GPU суммарной мощностью около 10 МВт. А с учетом энергопотребления дополнительного ИТ-оборудования и оборудования для охлаждения общая номинальная мощность оборудования, используемого для обучения GPT-4, составляла около 22 МВт. При 14-недельном обучении GPT-4, потребность составила 42,4 ГВт*ч электроэнергии или 0,43 ГВт*ч на каждый день обучения модели.
Что касается энергопотребления после обучения, в период когда модель развернута для использования, основные энергозатраты производятся на вычисления по поступившим в модель запросам. Потребление в данный период может отличаться существенно в зависимости от многих факторов – размера запроса и длины ответа, размера модели, типа запроса (текст, изображение или видео), а также от аппаратного обеспечения ЦОД. По имеющимся данным, на выполнение одного запроса на генерацию текста модель ИИ потребляет 2 Вт*ч, а на выполнение короткого видео – в 25 раз больше.
Аппаратное обеспечение оказывает существенное значение на энергопотребление, при этом новые поколения GPU более эффективны по показателю FLOPS*Вт. Например, современная B200 GPU на 60% более эффективна, чем предыдущее поколение GPU Н100, которое, в свою очередь, на 80% эффективнее поколения А100.
Даже с учетом этого, МЭА прогнозирует, что если в 2024 году потребление электроэнергии ЦОД по всему миру составило 415 тераватт-часов (ТВт*ч) – 1,5% общемирового потребления, то уже к 2030 году оно увеличится более чем в два раза и составит около 945 ТВт*ч, а к 2035 году - до 1700 ТВт*ч. Основными источниками, покрывающими рост спроса на электроэнергию для ЦОД рассматриваются, прежде всего ВИЭ и природный газ. При этом, из возобновляемых источников энергии будут покрываться до 450 ТВт*ч роста потребления.
Международное энергетическое агентство (МЭА) исследовало темпы развития ИИ и потребности центров обработки данных (ЦОД) в электроэнергии для ИИ. МЭА в течение года оценивало влияние ИИ на производство, транспорт, потребление и спрос на электроэнергию по всему миру на горизонте ближайших 10 лет.
Результаты исследований приведены в опубликованном в апреле 2025 года отчете "Энергия и Искусственный интеллект" "Energy and AI".
Почему вопросу прогнозирования потребления энергии для нужд ИИ уделяется такое внимание. Согласно отчету, среди крупнейших мировых компаний, уровень внедрения ИИ повысился с 15% в 2014 году до 40% в 2024 году, а вычислительные мощности для обучение моделей ИИ увеличились за этот же период времени более чем в 350 000 раз. С ноября 2022 года, когда был запущен ChatGPT, до конца 2024 года 65% роста рыночной капитализации S&P 500 пришлось на компании, которые либо внедряют искусственный интеллект, либо интегрируют его в свою основную деятельность. Из 16 трлн долларов роста рыночной капитализации компаний, входящих в список S&P 500, на компании, связанные с искусственным интеллектом пришлось 12 трлн долларов.
Сам по себе ИИ – продукт сложной цепочки международной кооперации, включающий производство самого технологически сложного оборудования для производства чипов, в котором доминирует Европа, добыча редкоземельных металлов и производство непосредственно чипов, которое преимущественно сосредоточено в Азии, и, непосредственно, разработка моделей ИИ, лидерство в которой удерживают США, хотя существенных успехов в последнее время в разработке моделей ИИ добился и Китай.
Обучение моделей ИИ происходит в крупных ЦОД, инвестиции в строительство которых по всему миру удвоилось за прошедшие 2 года. Крупнейший в мире ЦОД потребляет энергии как небольшой город или более чем 2 млн. отдельно взятых домохозяйств. К примеру, обучение модели GPT-4 проводилось на 25 000 GPU суммарной мощностью около 10 МВт. А с учетом энергопотребления дополнительного ИТ-оборудования и оборудования для охлаждения общая номинальная мощность оборудования, используемого для обучения GPT-4, составляла около 22 МВт. При 14-недельном обучении GPT-4, потребность составила 42,4 ГВт*ч электроэнергии или 0,43 ГВт*ч на каждый день обучения модели.
Что касается энергопотребления после обучения, в период когда модель развернута для использования, основные энергозатраты производятся на вычисления по поступившим в модель запросам. Потребление в данный период может отличаться существенно в зависимости от многих факторов – размера запроса и длины ответа, размера модели, типа запроса (текст, изображение или видео), а также от аппаратного обеспечения ЦОД. По имеющимся данным, на выполнение одного запроса на генерацию текста модель ИИ потребляет 2 Вт*ч, а на выполнение короткого видео – в 25 раз больше.
Аппаратное обеспечение оказывает существенное значение на энергопотребление, при этом новые поколения GPU более эффективны по показателю FLOPS*Вт. Например, современная B200 GPU на 60% более эффективна, чем предыдущее поколение GPU Н100, которое, в свою очередь, на 80% эффективнее поколения А100.
Даже с учетом этого, МЭА прогнозирует, что если в 2024 году потребление электроэнергии ЦОД по всему миру составило 415 тераватт-часов (ТВт*ч) – 1,5% общемирового потребления, то уже к 2030 году оно увеличится более чем в два раза и составит около 945 ТВт*ч, а к 2035 году - до 1700 ТВт*ч. Основными источниками, покрывающими рост спроса на электроэнергию для ЦОД рассматриваются, прежде всего ВИЭ и природный газ. При этом, из возобновляемых источников энергии будут покрываться до 450 ТВт*ч роста потребления.