Колоссальный объем энергии уходит в никуда: работа нейросетей в Европе сталкивается со своим пределомНа уровне одной гигаваттной нагрузки, которую заявляет AI-дата-центр, до фактических вычислительных операций доходит не более 70% энергии, а в ряде конфигураций — всего 60%. Остальные 30-40% теряются не в самом процессе обучения моделей, а в инфраструктурных слоях: охлаждении, преобразовании и распределении питания, а также в последствиях сбоев и перезапусков. Nvidia, ссылаясь на данные вице-президента по суперкомпьютерным и AI-инфраструктурным решениям для EMEA Рода Эванса, выделяет 20% потерь на охлаждение и электропитание и ещё 10% на некорректно сконфигурированные стойки, инциденты и рестарты. Это означает, что система проектируется под пиковые нагрузки и сценарии отказов, но в штатном режиме значительная часть мощности остаётся невостребованной или уходит в обслуживание физического слоя.
Ограничение смещается с чипов на сетевую доступность
Дефицит GPU уступает место физическому ограничению подключения к энергосети. Paul Ryan, президент Vertiv по EMEA, описывает ситуацию, при которой разрешительная документация может быть получена быстрее, чем подведён электрический ввод, или, напротив, мощность имеется, но локация слишком удалена для логистики оборудования.
Это создаёт зависимость не от вычислительной архитектуры, а от операционной готовности инфраструктуры. Nvidia и Vertiv, сотрудничающие с начала 2026 года над со-дизайном дата-центров, ориентируются на снижение этих потерь через оптимизацию конфигураций и пересмотр подходов к охлаждению и питанию, вместо наращивания чистой мощности. Цель — не увеличение потребления, а извлечение максимальной полезной работы из каждого ватта, что подтверждается конкретным расчётом: из заявленных 100 МВт фактически доступно около 93 МВт, а в часы пик — и меньше.
Thu, 15 Oct 2026 00:59:00 +0300