Стремительный рост ИИ-инфраструктуры почти всегда описывают как проблему энергии. Дата-центры будут потреблять всё большую долю мирового электричества: по оценке Международного энергетического агентства (МЭА), в пределах этого десятилетия на них придётся 3–4% глобального потребления. Энергокомпании уже переписывают долгосрочные прогнозы под рост сверхкрупных дата-центров (гиперскейл) и плотных вычислительных кластеров.
Такой взгляд верно передаёт масштаб. И полностью упускает поведение.
Проблема не в том, сколько энергии потребляют большие вычислительные системы, а в том, как они это делают. Плотные и синхронизированные нагрузки начинают менять сами рабочие характеристики энергосети — через спрос, который резко и непредсказуемо скачет во времени и пространстве. И именно это создаёт для операторов сети новую головную боль.
Капризный аппетит ИИ
Промышленные, коммерческие и бытовые нагрузки идут по устоявшимся профилям, которые прогнозируются с разумной точностью. Даже заметный рост спроса исторически удавалось переваривать за счёт резервов, модернизации сетей и программ управления спросом.
Крупные вычислительные системы — совсем другой класс нагрузки. Обучение моделей предельно синхронизировано: тысячи GPU, TPU и других специализированных ускорителей ведут расчёты параллельно, плотно и по расписанию. Инференс — использование уже готовых моделей — наоборот, распределён и завязан на пользователей, поэтому менее предсказуем и по времени, и по географии. Оба режима принципиально не похожи на привычную промышленную нагрузку — каждый по-своему. И в отличие от большинства традиционных производств, они умеют резко набирать и сбрасывать мощность в зависимости от циклов обучения и стратегий планирования задач.
На уровне сети это не просто более высокий спрос. Это более резкий спрос. Плотная вычислительная нагрузка выдаёт ступенчатые изменения потребления на коротких интервалах — вплоть до колебаний в пределах миллисекунд. Операторы ЦОД уже ставят средства сглаживания: аккумуляторы, системы кондиционирования питания, суперконденсаторы. Но в сумме эти рывки всё равно давят на резервы генерации, на механизмы частотного регулирования, удерживающие стабильность сети, и на локальную инфраструктуру передачи.
От редактора: как это выглядит в цифрах.
Оригинал обходится без единого примера — восполняем. По данным IEEE Spectrum, новые ИИ-ЦОД могут менять потребление на 70% и более за миллисекунды. Технический директор ON.energy Рикардо де Азеведо оценивает возможные «качели» современных площадок в 1 ГВт по нескольку раз в минуту — сеть на такое попросту не рассчитана. А в лабораторных замерах обучения Llama-70B на восьми узлах видны характерные периодические скачки: фаза счёта потребляет заметно больше, чем фаза обмена данными между GPU, и весь кластер «дышит» синхронно.
Источники: IEEE Spectrum (апр. 2026), Berkeley Lab Data Center Energy Report (2024).
Важно не путать это с прерывистостью возобновляемой генерации. Колебания ветра и солнца рождаются на стороне предложения и зависят от погоды. Вычислительная волатильность возникает на стороне спроса — её гонят синхронизация нагрузок, поведение планировщиков задач и интенсивность расчётов. А когда динамичными становятся одновременно и спрос, и предложение, неопределённость в прогнозировании, управлении резервами и балансировке только множится.
На растущую сложность интеграции таких «дёрганых» ресурсов в работу современных сетей указывает, в частности, Национальная лаборатория возобновляемой энергетики США (NREL).
Локация решает всё
Проблема обостряется, когда вычисления концентрируются географически. Крупные ЦОД тянутся туда, где сходятся оптика, доступ к рынкам, налоговые льготы и исторически дешёвое электричество. Эталонный пример — Северная Вирджиния, она же Data Center Alley: крупнейшее в мире скопление дата-центров, через которое идёт значимая доля интернет-трафика планеты.
Местные энергокомпании давно назвали рост ЦОД главным драйвером будущего спроса. Вирджинская Dominion Energy, например, из года в год подчёркивает это в своих планах развития (integrated resource plan).
От редактора: масштаб «Аллеи».
Несколько цифр, чтобы почувствовать концентрацию. Пиковая нагрузка всей зоны Dominion — около 25 ГВт. При этом на конец 2024 года дата-центры законтрактовали у неё порядка 40 ГВт, а суммарная очередь на подключение перевалила за 70 ГВт — это как если бы к региону разом попросились несколько десятков энергоблоков АЭС. Результат предсказуем: срок ожидания полного подключения в Data Center Alley вырос с 4 лет в 2022-м до 7 лет к 2024-му. Отдельные площадки в Лаудоне уже ставят собственные газовые турбины и топливные элементы, лишь бы не ждать подключения.
Источники: Virginia Mercury, Prince William Times, Data Center Frontier (2025–2026).
Резкий рост потребления в узкой географии перегружает подстанции, коридоры передачи и осложняет локальную балансировку — даже если мощности сети в целом хватает с избытком. Такие локальные риски надёжности не видны в общесистемных метриках спроса.
Дополнительно всё усугубляет охлаждение. Системы теплоотвода в плотных ЦОД обязаны реагировать на нагрузку динамически: растёт интенсивность вычислений — растёт и потребность в охлаждении, причём часто нелинейно. Из-за этой связки «вычисления ↔ тепло» колебания рабочей нагрузки прокатываются сразу по нескольким слоям энергопотребления площадки.
Есть и вопрос качества электроэнергии. Большие массивы ускорителей, импульсные блоки питания и высокочастотное оборудование порождают гармоники и нелинейное поведение нагрузки — а это лишний стресс для распределительных сетей. Современные площадки ставят средства подавления, но при таком масштабе и плотности энергетикам, вероятно, придётся заново пересматривать подходы к локальному кондиционированию питания, управлению гармониками и устойчивости инфраструктуры. Сюда же — короткие переходные процессы (transients), бьющие по локальному оборудованию.
От редактора: это уже не теория.
Самое интересное, чего в оригинале нет вовсе. В 2025 году при незначительной аварии в Вирджинии несколько ЦОД одновременно отвалились от сети — мгновенный сброс 1,5 ГВт. Оператор в авральном режиме балансировал систему, чтобы не поймать каскадное отключение.
А ещё исследователи задокументировали у Dominion устойчивые колебания на частоте 14,7–14,8 Гц — результат взаимодействия силовых конвертеров ЦОД с сетью. Это уже настолько беспокоит регуляторов, что Минэнерго США и NASPI выпустили отдельный техотчёт о мониторинге таких осцилляций: на определённых частотах они способны мешать работе оборудования соседних электростанций.
Источники: IEEE Spectrum (апр. 2026), U.S. DOE / NASPI (2026), arXiv:2606.13853.
________________________________________
У этой истории есть и оборотная сторона для бизнеса: собственная стойка в «горячем» регионе сегодня означает не только счёт за электричество, но и годы ожидания подключения и риски локальной нестабильности сети. Для большинства задач — от корпоративных сервисов до инференса ML-моделей — разумнее арендовать мощности в готовой инфраструктуре, где вопросы питания, охлаждения и резервирования уже решены на стороне провайдера. Российский провайдер Cloud4U предоставляет виртуальные машины и облачную инфраструктуру с гарантированными ресурсами по модели pay-as-you-go — без капитальных вложений в железо и без очередей на техприсоединение.
Регуляторика не поспевает
Часть проблемы в том, что действующие нормы и операционные регламенты писались под стабильные промышленные профили. Большие быстро меняющиеся нагрузки исторически ограничивали: резкое циклирование усложняет балансировку, изнашивает оборудование сети и снижает предсказуемость. Плотные ИИ-кластеры в эти допущения не укладываются вовсе.
Отсюда двойное давление — на операционную адаптацию и на пересмотр регулирования.
Механизмы управления спросом позволяют часть вычислительных задач сдвигать или притормаживать часть вычислительных задач в моменты системного стресса. ЦОД экспериментируют с гибким расписанием, аккумуляторными накопителями и собственной генерацией «за счётчиком». Операторы сетей тем временем перекраивают подходы к планированию и техприсоединению для всё более крупных гибких нагрузок.
Техасский оператор ERCOT, например, публично признал, что крупные гибкие нагрузки — в том числе ЦОД — придётся всерьёз учитывать в долгосрочном планировании. Очереди на техприсоединение по США продолжают стремительно расти, отражая усиливающееся давление и на генерацию, и на передачу. Вот только сроки расширения сетей меряются годами, а не кварталами.
От редактора: техасский масштаб и «фантомные» гигаватты.
Насколько всё это серьёзно — по цифрам ERCOT. За год очередь крупных нагрузок в Техасе выросла с 63 ГВт (декабрь 2024) до 226+ ГВт (ноябрь 2025), около 73% — дата-центры, многие заявки на одну площадку превышают гигаватт. Для сравнения: исторический пик потребления всего Техаса — 85,5 ГВт, доступная генерация — около 105 ГВт. То есть запросили нагрузку в 2,6 раза больше рекордного пика штата.
Но есть нюанс, важный для честности: реально подключено и работает лишь около 1,8% этой очереди. Остальное — так называемые фантомные нагрузки (phantom loads): спекулятивные заявки, многие из которых никогда не материализуются. Так что «226 ГВт» — это не прогноз, а верхняя граница ажиотажа.
Источники: ERCOT (дек. 2025), Utility Dive, Latitude Media, CNBC (2025–2026).
Вот он, структурный разрыв. Вычислительная инфраструктура масштабируется стремительно. Электрическая — почти никогда.
Более широкий вывод: крупные вычислительные системы — не просто ещё одна категория промышленной нагрузки. Это сдвиг в самих временны́х и пространственных характеристиках спроса на электричество.
Описывать проблему только через совокупное потребление — значит проглядеть эти эффекты второго порядка. Одним наращиванием мощностей не закрыть ни резкие перепады нагрузки, ни синхронность, ни локальные заторы, ни переходную нестабильность, ни сжатие резервов, ни всё более жёсткие требования к слежению за нагрузкой.
Вопрос не в том, сколько электричества потребляют эти системы. Вопрос в том, как они меняют условия работы самой сети. Речь не о том, чтобы притормозить ИИ, — а о том, чтобы признать: гиперскейл-вычисления — это новый класс электрической нагрузки. По мере роста ИИ-инфраструктуры планировать придётся не только суммарное потребление, но и волатильность спроса, эффекты синхронизации и географическую концентрацию. Устойчивость сети всё сильнее будет зависеть от того, насколько мы понимаем, как эти площадки потребляют энергию, — а не только сколько.
