Potrošnja energije AI čipova dosegla je razinu kilovata: AI era također je era energije

Jun 27, 2026

Ostavite poruku

Rast umjetne inteligencije preoblikuje potražnju za električnom energijom

AI sustavi zahtijevaju puno više od softvera. Oni ovise o čipovima visokih performansi, poslužiteljima, memoriji, mrežnoj opremi, rashladnim sustavima i infrastrukturi podatkovnog centra koja radi 24 sata dnevno.

Za mnoge ljude "računalna snaga umjetne inteligencije" može zvučati apstraktno. Potreba za energijom postaje jasnija kada se pogleda potrošnja energije samih čipova.

Vrhunski akcelerator NVIDIA H100 može potrošiti do700Wu svojoj SXM konfiguraciji. NVIDIA-ina PCIe verzija obično je ocijenjena na oko350–400W. Novija generacija AI akceleratora visoke gustoće ide još dalje: NVIDIA je objavila maksimalne TGP brojke do1,200Wza svoje Blackwell Ultra-class proizvode.

AMD-ov Instinct MI300X, još jedan naširoko korišten AI akcelerator za obuku velikih modela i zaključivanje, ima tipičnu snagu ploče od do750W. Ušli su i noviji modeli AMD akceleratora1,000Wraspon snage.

Intelov Gaudi 3 OAM akcelerator ocijenjen je na do900W, ilustrirajući kako se brzo AI hardver visokih performansi kreće prema potrošnji energije na razini kilovata po akceleratoru.

Ove brojke odnose se samo na sam AI akcelerator. Pravi AI poslužitelj također uključuje procesore, memoriju, NVLink ili druge brze interkonekcije, pohranu, mrežne kartice, ventilatore za hlađenje i gubitke pretvorbe energije.

Na primjer, poslužitelj s 8 GPU-a koji koristi akceleratore klase 700 W može zahtijevati:

Oko5.6kWsamo za GPU-ove

Još1,5–3kWza procesore, memoriju, umrežavanje, pohranu i unutarnje hlađenje

Otprilike7–9 kWukupne snage poslužitelja pod velikim opterećenjem

Uz sljedeću generaciju akceleratora klase od 1000 W, jedan AI poslužitelj može se lako premjestiti u10–15 kWdomet. Na razini stalka, to stvara energetski izazov koji se vrlo razlikuje od tradicionalnog poslovnog IT-a.

Računalna snaga zahtijeva pouzdanu energiju

Radna opterećenja umjetne inteligencije često su kontinuirana, intenzivna i osjetljiva na prekide.

Obuka s velikim modelom može trajati danima ili čak tjednima. Usluge zaključivanja, pomoćnici umjetne inteligencije, sustavi industrijske vizije i inteligentne platforme za donošenje odluka zahtijevaju stabilan i trenutačni odgovor. Kratki prekid napajanja može utjecati na napredak obuke, obradu podataka, dostupnost usluge i poslovanje.

To znači da infrastrukturi umjetne inteligencije treba više od jednostavnog "dovoljno električne energije". Potrebna je energija koja je:

Pouzdan i stabilan

Skalabilan kako računalna potražnja raste

Učinkovito u isporuci energije i hlađenju

Dovoljno fleksibilan za upravljanje vršnom potražnjom

Dugoročno održivo

Tradicionalna opskrba mrežom i dalje je ključna, ali rastuća potražnja za električnom energijom stavlja veći pritisak na električne mreže, lokalne transformatore, sustave hlađenja i upravljanje vršnim opterećenjem.

Od pojedinačnih čipova do potražnje na razini podatkovnog centra

Utjecaj postaje mnogo značajniji kada se AI čipovi koriste u velikom broju.

Mali AI klaster sa 100 poslužitelja visokih performansi već može zahtijevati blizu1MW IT snage, ovisno o konfiguraciji čipa i radnom opterećenju. Veliki AI klaster za obuku s tisućama akceleratora može zahtijevati desetke megavata.

I to prije razmatranja hlađenja, distribucije energije, UPS sustava, rasvjete, pumpi i druge prateće infrastrukture.

Ukupna potražnja za objektom često se mjeri pomoću PUE ili učinkovitosti korištenja energije. Ako podatkovni centar AI ima 1 MW IT opterećenja:

U PUE od1.20, ukupna potražnja za električnom energijom objekta je oko1.20MW

U PUE od1.35, ukupna potražnja za električnom energijom objekta je oko1.35MW

U PUE od1.50, ukupna potražnja za električnom energijom postrojenja raste na oko1.50MW

Kako se gustoća regala povećava, tradicionalni sustavi hlađenja zrakom također postaju manje praktični. Zbog toga hlađenje tekućinom, distribucija visokog napona, pohrana energije i inteligentni sustavi upravljanja energijom postaju središnji dijelovi planiranja infrastrukture umjetne inteligencije.

AI i obnovljivi izvori energije razvijaju se zajedno

AI i obnovljivi izvori energije nisu odvojeni trendovi. Sve su povezaniji.

AI može poboljšati solarno predviđanje, identificirati kvarove opreme, optimizirati punjenje i pražnjenje baterije, upravljati cijenama električne energije i pomoći operaterima u donošenju boljih odluka u složenim energetskim sustavima.

U isto vrijeme, obnovljiva energija može pomoći u podršci sve većoj potražnji za energijom koju stvara umjetna inteligencija.

Solarna energija posebno je prikladna za ovaj prijelaz jer je modularna, skalabilna i široko dostupna. Krovni PV sustavi, zemaljski solarni projekti i distribuirana energetska rješenja mogu pomoći podatkovnim centrima, tvornicama, poslovnim zgradama i industrijskim parkovima da smanje svoju ovisnost o konvencionalnoj električnoj mreži.

Kada se solarna energija kombinira sa skladištenjem energije, vrijednost postaje još veća.

Tijekom dana solarni sustavi mogu opskrbljivati ​​dio opterećenja objekta ili puniti baterijske sustave. Tijekom razdoblja najveće potražnje, skladištenje može osloboditi električnu energiju kako bi se smanjio pritisak na mrežu i ograničile naknade za potražnju. Na nekim lokacijama sustavi solar-plus-storage također mogu poboljšati otpornost energije i pružiti pomoćnu podršku za kritična opterećenja.

Od potrošnje energije do energetske inteligencije

Sljedeća generacija AI infrastrukture ne bi trebala jednostavno trošiti više energije. Trebao bi inteligentnije koristiti energiju.

Pametniji energetski sustav može koordinirati PV proizvodnju, skladištenje baterija, opskrbu mrežom, opremu za hlađenje i AI radna opterećenja u stvarnom vremenu.

Na primjer, zadaci obuke AI koji nisu hitni mogu se rasporediti tijekom razdoblja jake solarne proizvodnje ili nižih cijena električne energije. Baterijski sustavi mogu podržati kratkotrajna vršna opterećenja. Inteligentne platforme za upravljanje energijom mogu uravnotežiti potražnju za energijom između računalne opreme, rashladnih sustava i mreže.

Ovo stvara učinkovitiji odnos između računalne snage i energetskih resursa.

Umjesto da električnu energiju tretira kao fiksni ulaz, infrastruktura iz ere umjetne inteligencije može dinamički upravljati energijom putem podataka, automatizacije i inteligentne kontrole.

Izgradnja zelenije AI budućnosti

Rast AI je neizbježan. Ključno pitanje je kako ga odgovorno napajati.

Kako se AI čipovi visokih performansi pomiču s nekoliko stotina vata prema razinama snage klase od 1000 W, opskrba energijom, hlađenje, kapacitet mreže i emisije ugljika postat će sve važniji dijelovi razvoja AI.

Budućnost umjetne inteligencije ne bi trebala biti definirana samo bržim čipovima i većim modelima. Također bi ga trebalo definirati čišćom električnom energijom, učinkovitijim energetskim sustavima i pametnijim upravljanjem energijom.

solarni PV,skladištenje energije, a inteligentno upravljanje energijom može pomoći u stvaranju temelja za zeleniju eru umjetne inteligencije.

Putem pouzdanih fotonaponskih kabela, konektora, sustava za pohranu energije i integriranih solarnih rješenja, industrija obnovljive energije može podržati sljedeću fazu digitalnog rasta - gdje napredno računalstvo i čista energija napreduju zajedno.

Era umjetne inteligencije treba energiju. Energetska era treba inteligenciju. Zajedno mogu stvoriti učinkovitiju, otporniju i održiviju budućnost.