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

Классическое планирование сети опирается на предсказуемость. 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 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 сеть.

Источники: Virginia Mercury, Prince William Times, Data Center Frontier (2025–2026).

Резкий рост потребления в узкой географии перегружает подстанции, коридоры передачи и 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 быстроскачущие 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 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 растущее 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 резкое рампирование, 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.