Каждый ответ, полученный от чат-бота на основе искусственного интеллекта, начинается с электричества. Слова появляются на вашем экране, но реальная работа происходит в отдаленном здании, заполненном компьютерными чипами. Эти чипы потребляют энергию, перемещают данные и выделяют достаточное количество тепла, чтобы требовать мощной системы охлаждения от центров обработки данных ИИ.
Когда вы умножаете этот процесс на миллионы запросов, изображений и бизнес-задач, становится понятно, почему быстрый ответ на вопрос, который кажется невесомым, превращается в физическую нагрузку на электростанции и провода.
От энергетических компаний требуют обеспечить эту нагрузку огромными, сконцентрированными блоками. Средний крупный кампус центра обработки данных может потреблять столько же электроэнергии, как небольшой город, и компании могут планировать и строить такие центры намного быстрее, чем энергетические компании способны их обслуживать.
Энергетическим компаниям также приходится готовиться к часам, когда клиенты потребляют больше всего электроэнергии, даже если часть этой мощности остается неиспользованной в обычные периоды. Короче говоря, центры обработки данных хотят получить энергию раньше, чем это может обеспечить сетевая сеть.
Одно из решений — строить новые электростанции. Но это очень дорогостоящее и длительное решение, которое может занять миллиарды долларов и годы, прежде чем начнет работать.
Однако другое решение — перенести часть вычислений на другое время.
Ответ чат-бота обычно должен появляться сразу, но внутренний эксперимент или очередь для обработки видео ночью могут подождать. Программное обеспечение, способное различать эти ситуации, могло бы замедлить работу, которая может ждать, когда электроэнергия ограничена, а затем позволить ей догнать себя, когда будет больше мощности.
Небольшой эксперимент в Техасе показывает, как может выглядеть такое решение.
Luxor Energy, компания с корнями в майнинге биткоина, объединилась с Bentaus, которая разрабатывает программное обеспечение, контролирующее потребление энергии компьютерными чипами. Вместе они контролировали один Nvidia B200 — высокопроизводительный чип, предназначенный для работы с ИИ.
Чип выполнял вывод, что просто означает использование обученной модели ИИ для получения ответа, когда программное обеспечение указало ему потреблять меньше электроэнергии.
Компании утверждают, что потребление чипом упало примерно до 25% от нормального уровня за полсекунды, и он обработал меньше запросов во время ограничения.
Итан Вера, главный операционный директор Luxor, сообщил CryptoSlate, что ни одна задача не была потеряна и никакая уже начатая работа не пропала. Чип вернулся к полной скорости, когда ограничение закончилось.
Luxor и Bentaus заявили, что их публичная демонстрация вызвала «никаких сбоев», но эта фраза требует перевода. С точки зрения оператора, работа сохранилась и возобновилась на полной скорости.
Однако клиенты все равно могли дольше ждать ответа, потому что чип выполнил меньше работы во время ограничения. Любой план по повышению гибкости ИИ будет зависеть от того, как часто возникает задержка, кто её испытывает и что этим клиентам было обещано.
Эксперимент был успешным, но в нем участвовал только один чип. Крупные центры обработки данных содержат десятки тысяч чипов, а также серверы, системы охлаждения, устройства хранения и сетевое оборудование.
Тест делает более очевидной широкую идею: центр обработки данных ИИ мог бы сортировать работу по степени срочности и время от времени просить сеть о меньшем потреблении.
В Техасе не хватает мощности, чтобы питать ожидающие компьютеры
Лучший пример того, что происходит, когда новые центры обработки данных появляются быстрее, чем новая энергетическая инфраструктура, — это Техас.
Электрический совет надежности Техаса (ERCOT) управляет сетью, которая обслуживает большую часть штата. 22 июля потребление электроэнергии достигло предварительного рекорда в 91 089 мегаватт, число, которое пока не является окончательным, пока данные не будут уточнены.
ERCOT говорит, что один мегаватт может обслуживать около 250 домашних клиентов в пиковый час. По этому приблизительному сравнению, рекорд соответствовал потребностям более 22 миллионов домашних клиентов одновременно.
Губернатор Грег Абботт заявил в августе, что ERCOT рассматривает заявки на подключение более 474 гигаватт нового потребления электроэнергии, причем около 90% приходится на центры обработки данных. Один гигаватт равен 1000 мегаватт, так что на бумаге очередь просит более чем в пять раз больше мощности, чем использовалось в рекордный час ERCOT.
Абботт поручил регуляторам провести аудит проектов, прежде чем разрешить их реализацию.
В предварительном обзоре от 28 июля ERCOT обнаружил, что примерно 205 гигаватт имеют достаточно подтверждающих исследований, чтобы попасть в первую партию исследований, что меньше половины от общего числа в 474 гигаватта. Аудит Абботта прервал этот обзор.
Регуляторы отвели ERCOT больше времени 20 августа, и агентство заявило, что направит решения о условной допуске к 31 августа. Разработчики могут подавать перекрывающиеся заявки, сохранять места для проектов, которые так и не получат финансирование, или просить несколько мест предоставить мощность для одного будущего кампуса.
Техас проводит аудит частично потому, что список стал слишком далек от реальной возможности, чтобы самостоятельно руководить планированием сети.
Но даже с таким оговоркой, 474 гигаватта демонстрируют спешку за землей с доступом к большим объемам электроэнергии. Предлагается гораздо больше машин, чем есть готовых проводов для их обслуживания.
Обновление Национальной лаборатории Лоуренса Беркли, опубликованное в этом году, оценивает, что центры обработки данных могут потреблять 11,8% электроэнергии США к 2030 году. Его минимальная оценка — 9,5%, а максимальная — 15,3%. Международное энергетическое агентство ожидает, что центры обработки данных будут составлять около половины роста потребления электроэнергии в США до конца десятилетия.
Но даже при такой нагрузке линии электропередач в развитых экономиках могут занимать от четырёх до восьми лет. Агентство сообщает, что сроки ожидания жизненно важного оборудования, включая трансформаторы и кабели, удвоились за последние три года.
Компании ИИ обычно говорят в терминах чипов, но электрические системы должны мыслить в терминах городов. Отдельный B200 может потреблять до 1000 ватт. Nvidia указывает максимальное энергопотребление около 14,3 киловатт для полного сервера DGX B200 с восемью GPU. Один мегаватт равен 1000 киловатт, а новые правила Техаса для очень больших потребителей электроэнергии начинаются с 75 мегаватт.
По сравнению с домашними клиентами ERCOT, это количество могло бы обслуживать примерно 18 750 клиентов в пиковый час. Это также могло бы питать 75 000 одно-киловаттных GPU, по крайней мере, до добавления процессоров, охлаждения, сетей, батарей и потерь электроэнергии.
Так что научиться контролировать и ограничивать потребление энергии одного из таких чипов — это первый из многих, многих шагов к пониманию управления энергопотреблением всего центра обработки данных.
Сложность этого мероприятия, как в программном, так и в аппаратном обеспечении, именно поэтому планировщики сетей относятся к центрам обработки данных как к «твердым нагрузкам», то есть электроэнергия должна быть доступна всегда, когда они ее просят.
Операторы центров обработки данных хотят, чтобы дорогие GPU работали постоянно, потому что каждая минута простоя задерживает работу, за которую клиенты платят. Тысячи чипов, работающих над одной большой задачей ИИ, тесно взаимозависимы.
В определённых моментах одна группа может вынуждена ждать, пока другая завершит работу, прежде чем продолжить. Если замедлить выбранную группу, задержка может распространиться на соседние машины.
Но не вся вычислительная работа в центре обработки данных должна происходить немедленно или работать на полной мощности. Некоторые задачи чувствительны ко времени, тогда как другие можно отложить или выполнить медленнее без особых последствий. Некоторые даже можно перенести в другой центр обработки данных, где электроэнергия доступнее.
Каждый выбор имеет свои компромиссы, но каждый из них может снизить потребление энергии центром обработки данных от местной сети в данный момент.
Майнеры биткоина научили компьютеры уступать
Прецедент исходит от майнинга биткоина на сети Техаса. Майнеры биткоина конкурируют за вознаграждение, запуская машины, которые непрерывно выполняют вычисления. Когда машина останавливается, майнер теряет возможность заработать деньги за этот период.
Но когда энергия возвращается, машина может возобновить работу почти мгновенно. Ни один клиент не ждет ответа, и никакая незавершенная вычислительная задача не должна сохраняться.
Техас понял, что основная идея называется реакцией на спрос: когда электроэнергия становится дефицитной и дорогой, крупные потребители получают стимул использовать меньше.
Майнеры биткоина были особенно хорошо подготовлены к этой сделке. Они могли остановиться, когда оптовые цены росли, получали плату за снижение потребления в чрезвычайных ситуациях и уменьшали расходы на передачу, пропуская несколько критических летних часов.
В обзоре ERCOT в апреле криптомайнеры были описаны как главные участники, чувствительные к ценам, в одной из его чрезвычайных программ. Для майнера расчет прост: когда мегаватт становится дороже, чем биткоин, который машины могут заработать на нем, нужно выключить машины.
Нагрузка майнинга биткоина остаётся почти на полной мощности, когда электроэнергия дешёвая, затем снижается, как только цены пересекают порог ограничения. Более высокая цена хэша сдвигает этот порог вверх. Источник: Субир Маджумдер, на основе данных ERCOT
Luxor поставляет майнерам биткоина программное обеспечение, энергетические услуги и финансовые продукты, поэтому она подошла к ИИ с инстинктом вычислений, которые можно прерывать. Эксперимент спрашивает, могут ли машины, обслуживающие клиентов, перенять часть послушания майнинга ценам на электроэнергию.
Этот вопрос становится всё более актуальным, поскольку майнеры превращают мощные сайты в кампусы ИИ. Если сеть меняет майнинг биткоина, который может останавливаться по команде, на центр обработки данных, работающий круглосуточно, она может отказаться от ценного аварийного тормоза.
Насколько гибким может быть центр обработки данных, сильно зависит от того, чем занимаются его машины.
Обучение — это долгий, вычислительно сложный процесс обучения модели, многократно корректируя её по мере работы с огромными массивами данных. Вывод — это то, что происходит потом, когда кто-либо просит готовую модель о ответе, изображении, переводе или прогнозе. Эти два этапа создают разные возможности для снижения потребления энергии.
Длинный тренировочный цикл иногда может приостановиться на сохранённой точке и возобновиться позже, хотя остановить тысячи машин синхронно — задача не из лёгких. Вывод может состоять из миллионов мелких запросов, некоторые от людей, ожидающих ответа немедленно, а другие от автоматизированных задач, которые могут ждать в очереди, пока электроэнергия станет легче или дешевле.
Google уже много лет сортирует свои вычисления таким образом. В 2023 году компания описала, как она может откладывать работу, например, обработку видео YouTube, когда местная сеть находится под давлением, или отправлять эту работу в другой регион с большей доступной мощностью. Поиск, карты и другие сервисы, которые люди ожидают работать немедленно, оставались онлайн.
Позже Google перенесла ту же идею на рабочие нагрузки машинного обучения. К марту 2026 года она сообщила, что заключила контракты на долгосрочную реакцию центров обработки данных на спрос на один гигаватт мощности в нескольких регионах США.
Некоторые из этих сделок также могут помочь новым центрам обработки данных быстрее подключиться к сети.
Исследователи сейчас показывают, что это может работать вне симуляций. В рецензируемой статье Nature Energy команда описала эксперимент на облачном объекте Oracle в Финиксе. Программное обеспечение снизило потребление энергии кластера из 256 GPU на 25% в течение трёх часов, не выводя приоритетные задачи за пределы обещанных уровней производительности.
Ключевым моментом было решение, где поглотить замедление. Программное обеспечение, определяющее, какие задачи выполняются и когда, называемое планировщиком, защищало срочные работы и забирало экономию энергии от задач с более мягкими сроками.
Нагрузка майнинга биткоина снижается, когда увеличивается вероятность интервала 4CP. Реакция ослабевает, когда доходы от майнинга выше. Источник: Субир Маджумдер, на основе данных ERCOT
Emerald AI, компания, возглавившая эту работу, объявила $150 млн финансирования 25 августа, оценив её стоимость более чем в 1 млрд долларов. Она также сообщила, что её программное обеспечение работает коммерчески в целых центрах обработки данных, потребляя несколько мегаватт.
Независимые данные о производительности каждого сайта недоступны, но даже так, это финансирование показывает, что гибкий ИИ вышел за рамки исследовательских статей и стал коммерческим бизнесом.
Другие исследователи пытались оценить, сколько электроэнергии центр обработки данных ИИ может надёжно обещать отдать в трудный час.
В рабочем документе Университета Чикаго использовались четыре года цен на электроэнергию и 49,4 миллиона реальных запросов вывода, чтобы смоделировать ответ. Автор оценил, что центр, ориентированный на вывод, может обязаться снизить 40% своей нагрузки. Центр, работающий одновременно на вывод и обучение, может обязаться на 24,6%.
Эти проценты лишь немного снизились, когда модель расширилась до парка мощностью 10 гигаватт. Основные ограничения возникли из-за договоров с клиентами, ограничений на перемещение работы и стремительного возврата машин к полной мощности.
Исследователи из Университета Альберты смоделировали, что происходит с сетью, когда задачи ИИ могут быть отложены или перемещены между центрами обработки данных. В наиболее напряжённом сценарии модели эта гибкость сократила необходимую мощность электростанций более чем на 21%. В другом сценарии, где местная сеть была перегружена, это снизило общую стоимость поставки электроэнергии на 3,5%, даже несмотря на то, что расходы на новое поколение увеличились на 7,1%.
Большая часть выгоды от откладывания задач проявилась в первые три часа, так что ждать дольше не принесло особой пользы. Хотя ничего из этого не устранило необходимости строить новые электростанции и линии электропередач, это показало, что сеть может удовлетворить большую нагрузку ИИ с меньшей инфраструктурой и при меньших общих затратах.
Четыре скрытых момента могут определить цену всего года
Деньги за эксперимент Luxor поступают от необычной особенности рынка электроэнергии Техаса. Крупные клиенты помогают оплачивать высоковольтную сеть передачи, и часть этой платы может зависеть от того, сколько энергии они используют всего за четыре 15-минутных окна в год.
Эти окна — самые высокие моменты спроса по всей системе в июне, июле, августе и сентябре, известные как Четыре совпадающих пика, или 4CP.
Загвоздка в том, что никто точно не знает, когда происходит 4CP, пока месяц не закончится. Поэтому крупные потребители нанимают прогнозистов, чтобы следить за сетью, погодой и спросом на электроэнергию и предсказывать, когда пик вероятен.
Если шансы кажутся достаточно высокими, они снижают потребление энергии на это 15-минутное окно. Достаточно часто правильно угадывать, и экономия на расходах на передачу может быть значительной. Это превратило 4CP в повторяющуюся игру предсказаний и сокращений энергии для заводов, майнеров биткоина, батарей и теперь, возможно, центров обработки данных ИИ.
Эта потенциальная выгода делает многие ложные тревоги приемлемыми. Последние цифры PUCT 2026 года оценивают расходы ERCOT на передачу в около 6 млрд долларов, распределённых на средний спрос 4CP в 80 859,8 мегаватт.
Это составляет примерно 74,89 доллара за киловатт в год. При такой ставке 100 мегаватт спроса в четыре пиковых окна представляют около 7,49 млн долларов в год на передачу.
Хотя фактический счёт будет варьироваться в зависимости от территории энергетической компании и контракта, финансовый стимул здесь довольно ясен. Большой центр обработки данных может иметь миллионы долларов, зависящих от одного часа потребления электроэнергии, растянутого на всё лето. Сокращение энергии на несколько дополнительных часов, чтобы захватить этот час, может оказаться очень выгодной сделкой.
Нагрузка майнинга биткоина снижается, когда увеличивается вероятность интервала 4CP. Реакция ослабевает, когда доходы от майнинга выше. Источник: Субир Маджумдер, на основе данных ERCOT
Luxor решила ограничить сам GPU, используя данные живой сети, чтобы решить, когда действовать. Вера сказал, что компания следила за признаками того, что может формироваться окно 4CP, затем отправила собственную команду чипу. ERCOT никогда не говорил GPU замедляться, и никакая чрезвычайная программа сети не была задействована.
Это был, по сути, частный пари, когда спрос на электроэнергию достигнет пика, направленный на снижение счета за передачу. ERCOT классифицирует такой самостоятельный отказ от 4CP отдельно от программ реакции на спрос, которыми он управляет.
Это также ставит полсекунды реакции в перспективу. Окно 4CP длится 15 минут, так что, достигнет ли GPU нижнего уровня мощности за полсекунды или несколько секунд, практически не влияет на экономию на передаче.
Чрезвычайная программа ERCOT обычно даёт участникам 10 или 30 минут, чтобы выполнить обещанное снижение мощности. Некоторые другие сетевые службы действуют быстрее, требуя от клиентов немедленно начать снижение мощности и достичь полного снижения за 10 минут.
Если аппаратное обеспечение ИИ в конечном итоге примет участие в этих рынках, контроль на уровне менее секунды может стать ещё более полезным. Для Luxor каждая дополнительная секунда, которую GPU проводит в режиме ограничения, — это секунда, которую он мог бы потратить на заработок, вычисляя.
Bentaus уже тестировал ту же базовую идею в большем масштабе. В феврале CPower, Bentaus и Supermicro описали калифорнийскую демонстрацию с использованием кластера серверов, оснащённых GPU B200.
Компании заявили, что кластер отреагировал на сигнал, связанный с оптовым рынком электроэнергии штата, менее чем за 20 миллисекунд и снизил потребление энергии до 75%, при этом сохраняя обещанные уровни производительности.
Эксперимент в Техасе меньше и гораздо более узкий: один GPU, реагирующий на конкретный стимул для оплаты передачи. Но он добавляет ещё один реальный тест к идее, которая уже перешла от отдельных чипов до серверных кластеров и программ энергетических компаний.
Важные пробелы остаются в том, что мы знаем об испытании в Техасе. Компании не раскрыли, какая модель ИИ работала и как долго GPU оставался на сниженной мощности. Они не сказали, сколько электроэнергии он потреблял ранее, насколько снизилась его вычислительная производительность или сколько времени потребовалось на завершение запросов.
Представитель Luxor на рынке электроэнергии Техаса подтвердил снижение мощности, но никакого независимого анализа испытания не опубликовано.
Испытание показало, что один B200, работающий на выводе, может значительно снизить мощность, не теряя уже начатую работу. Неясно, как это повлияло на время ожидания пользователей, будут ли другие задачи вывода или обучения реагировать так же, и сколько электроэнергии эта техника может сэкономить в целом по центру обработки данных.
GPU — это лишь часть счёт за электроэнергию здания. Системы охлаждения, сетевое оборудование, хранилища, насосы и преобразование энергии также потребляют электроэнергию. Так что снижение мощности чипа на 75% не означает, что центр обработки данных потребляет на 75% меньше энергии от сети.
Снижение, измеренное на счётчике здания, может быть значительно меньше.
Luxor уже готовит следующий тест, на этот раз с группой GPU Nvidia H100 в Техасе. Вера сказал, что масштабирование означает создание программного обеспечения, которое сможет определить, какие задачи безопасно замедлить, а затем координировать машины, работающие над ними. Оно также должно уважать обещанную клиентам производительность.
Каждый скачок масштаба, от одного GPU до сервера, стойки и в конце концов целого центра обработки данных, добавляет ещё один уровень сложности. Больше оборудования потребляет энергию, больше машин должны двигаться вместе, и больше клиентских задач могут или не могут переносить замедление.
Техас начинает требовать некоторой гибкости. Законопроект Сената 6, принятый в 2025 году, требует от некоторых крупных потребителей электроэнергии, подключающихся с 2026 года, снизить потребление во время серьёзных чрезвычайных ситуаций в сети. Он также предусматривает программу, которая будет платить сайтам, потребляющим минимум 75 мегаватт, за снижение спроса, когда ожидается проблема.
В то же время штат также переосмысливает 4CP. Его четыре летних пика могут пропустить вечерние и зимние часы, когда сеть испытывает наибольшую нагрузку. Регуляторы предложили заменить его на 12CP, который будет основывать расходы на передачу на одном 30-минутном пике каждый месяц.
ERCOT пришёл к аналогичному выводу в апрельском обзоре: в Техасе достаточно реакции на спрос, но она не всегда проявляется, когда сеть нуждается в ней больше всего. 4CP вызывает большинство этих сокращений мощности, но его летние пики могут пропустить часы, когда спрос высок, а производство ветра и солнца низкое.
ERCOT сказал, что это несоответствие — проблема. Новые электростанции и линии электропередач занимают годы, но гибкий спрос можно добавить за месяцы. Сейчас задача — убедиться, что гибкость проявляется в нужное время.
Самое сложное — доказать, что центр обработки данных может надёжно снижать мощность. Если сеть рассчитывает, что 50 мегаватт исчезнут, ей нужно знать, сколько сайт использовал бы в противном случае, а затем подтвердить снижение данными счётчиков.
Ей также нужно знать, как долго может продлиться снижение и что происходит, когда GPU снова набирают мощность. Вернуть тысячи одновременно — и центр обработки данных может создать новый всплеск мощности.
Это делает договоры с клиентами важной, но упущенной частью уравнения. Центр обработки данных может продолжать нормально работать интерактивные и безопасные задачи, переводя в гибкий уровень такие задачи, как внутренние эксперименты, индексация или ночная обработка.
Клиенты могут платить меньше за эту гибкость, а сеть платит центру обработки данных за предсказуемое, измеряемое снижение мощности, когда это необходимо.
Это сделало бы один факт об ИИ невозможным для игнорирования: не каждое вычисление одинаково срочное. Индустрия уже сортирует работу по цене, скорости и стоимости вычислений, так что электроэнергия могла бы стать ещё одной переменной в этом расчёте.
Когда сеть становится тугой, одно изображение может занять больше времени на рендеринг или тренировка может перенестись на завтра, в то время как другие сервисы продолжают работать. Вместо того чтобы считать каждый цикл GPU одинаково важным, центры обработки данных могли бы начать различать, что нужно сделать сейчас, а что может подождать.
Полсекундное снижение мощности Luxor было самым лёгким этапом. Сделать это через тысячи GPU, не нарушая обещаний клиентам и при этом предоставляя мегаватты, на которые реально может рассчитывать сеть, будет гораздо сложнее.
Но именно здесь идея становится интересной, потому что у ИИ есть проблема с мощностью, у сети — с гибкостью, а центры обработки данных оказываются прямо посередине. Они заполнены машинами, которые иногда могут двигаться на секунды, минуты или часы, не привлекая внимания.
Если операторы смогут превратить эту гибкость в надёжную экономию энергии, огромный аппетит ИИ к электроэнергии может стать тем, с чем действительно сможет работать сеть. Это может сделать следующий этап развития ИИ не только о поиске достаточного количества энергии, но и о правильном её использовании в нужное время.
Пост Центры обработки данных ИИ учатся тому, как майнеры биткоина первыми освоили трюк с мощностью впервые появился на CryptoSlate.