К 2030 году дата-центры для ИИ будут потреблять энергии больше, чем Япония
В последние годы генеративный искусственный интеллект, вроде GPT и его собратьев, стал настоящим двигателем технологической революции. Но вместе с этим растет и его аппетит к энергии. Увеличение числа центров обработки данных, где живет этот ИИ, неизбежно отражается на выбросах парниковых газов. Исследователи MIT и других лабораторий по всему миру бьют тревогу, ведь прогнозы говорят, что мировое потребление электроэнергии центрами ИИ к 2030 году может превысить 900 тераватт-часов — это чуть больше, чем вся Япония «сжигает» за год.
«Мы идем по пути, где последствия климатических изменений будут понятны лишь тогда, когда уже может быть слишком поздно», — делится Дженнифер Турлюк, соавтор исследования.
По ее словам, перед исследователями стоит шанс сделать системы ИИ «легче» для планеты, снизив их углеродный след.
Дата-центры и их угроза для планеты
Часто разговоры сосредоточены на так называемом «эксплуатационном углероде» — выбросах от работы мощных графических процессоров. Но есть еще и «воплощенный углерод» — он возникает при строительстве самих центров обработки данных, при производстве бетонных плит, стальных конструкций и всей инфраструктуры. Виджай Гадепалли из Линкольнской лаборатории MIT отмечает, что этот аспект часто остается в тени, хотя именно он создает ощутимый «углеродный шлейф».
Рост выбросов парниковых газов: ожидается, что взрывной рост центров обработки данных ИИ приведет к значительному увеличению выбросов CO₂ — примерно 220 млн тонн к 2030 году (для сравнения, 1 тонна — это эквивалент поездки на 8000 км на бензиновом автомобиле).
Проблемы с источниками энергии: около 60% этого спроса, согласно Goldman Sachs, будет покрываться за счет ископаемого топлива, что усиливает углеродный след.
К тому же, центры обработки данных — это настоящие архитектурные гиганты. Для их размещения нужно много места. Например, крупнейший в мире информационный парк China Telecomm в Внутренней Монголии растянулся почти на 930 000 квадратных метров, при этом плотность потребляемой энергии здесь в 10–50 раз выше, чем в обычных офисных зданиях.
Как сделать ИИ экологичнее
Сократить выбросы можно разными способами. Например, инженеры заметили, что уменьшение мощности графических процессоров до трети не сильно бьет по производительности моделей ИИ, но значительно снижает энергопотребление и облегчает охлаждение оборудования. Это все равно что выключить лампочку дома, даже если она энергосберегающая, — так будет тратиться меньше электричества.
Для ресурсоемких задач вроде обучения больших моделей, например GPT-5, обычно требуется сотни процессоров одновременно. Но часть этих вычислений можно «оптимизировать»: снизить точность, убрать лишние симуляции, или остановить обучение на раннем этапе — особенно когда последние проценты точности требуют непропорционально много энергии. Такие приемы позволяют экономить десятки процентов электричества без потери качества модели.
Нил Томпсон из MIT отмечает, что архитектурные улучшения и новые алгоритмы ускоряют решение сложных задач и при этом экономят энергию. Он ввел понятие «негафлоп» — вычислительная операция, которую не пришлось выполнять благодаря оптимизации алгоритма. Проще говоря, это «экономия на вычислениях», которая напрямую снижает углеродный след.
Кроме того, ученые используют гибкость нагрузки центров обработки данных. Генеративные задачи можно планировать на моменты, когда энергия поступает из возобновляемых источников — солнца и ветра. Дипджоти Дека и его команда разрабатывают методы, позволяющие центрам ИИ совместно использовать оборудование разных компаний, перераспределяя задачи для максимальной энергоэффективности.
Долгосрочные накопители энергии также входят в арсенал: избыточная энергия хранится и используется тогда, когда она действительно нужна, что позволяет снизить зависимость от дизельных генераторов и ископаемого топлива.
ИИ сам может помочь ускорить «зеленые» проекты. Турлюк приводит пример: генеративные модели способны быстро анализировать влияние новых солнечных и ветровых электростанций на энергосистему, этап, который традиционно занимает годы.
«Каждый день на счету. Сейчас уникальный и важный момент, чтобы внедрять инновации и сделать ИИ менее опасным для человечества в экологическом плане», — подчеркивает Турлюк
