Содержание
Энергопотребление дата-центров ИИ выходит из тени бенчмарков: Gartner ждёт рост спроса на электричество на 26% в 2026 году. И это уже не спор про то, кто быстрее поставит GPU в стойку.
10 июня 2026 года Gartner опубликовала прогноз, где пересчитала нагрузку от ИИ-инфраструктуры. Новая оценка на 13% выше прежнего сценария, который ограничивал рост потребления отметкой 500 ТВт·ч.
Сейчас ИИ-кластеры забирают 31% всего электричества дата-центров. К 2027 году, по оценке Gartner, они обгонят обычные серверы по потреблению. То есть стойки под обучение и инференс начнут съедать больше энергии, чем классическая корпоративная инфраструктура.
Прогноз Gartner: 290 ГВт к 2030 году
Gartner оценивает текущий потолок мощности дата-центров в 132 ГВт. К 2030 году показатель может подняться до 290 ГВт, если компании продолжат строить ИИ-кластеры прежними темпами. Для отрасли это меняет главный вопрос: не сколько GPU можно купить, а где взять стабильное питание.
В отчёте Gartner есть ещё одна неприятная цифра. Текущие потребности дата-центров оценивают в 565 ТВт·ч. К 2030 году они могут вырасти более чем вдвое — до 1200 ТВт·ч.
- 26%: ожидаемый рост энергопотребления дата-центров в 2026 году.
- 31%: доля ИИ-дата-центров в текущем потреблении всей отрасли.
- 2027 год: момент, когда ИИ-серверы могут обойти обычные серверы по спросу на электричество.
- 290 ГВт: возможная мощность дата-центров к 2030 году.
- 1200 ТВт·ч: возможное годовое потребление к концу десятилетия.
Для сравнения, Schneider Electric ранее разбирала сценарии нагрузки ИИ на энергосистемы. Новый прогноз Gartner выглядит жёстче даже на фоне этих расчётов, потому что он быстрее переносит проблему из презентаций в инженерную плоскость.
Nvidia уже продвигает метрику tokens per watt
Когда электричество становится дефицитом, производительность без привязки к ваттам теряет часть смысла. Jensen Huang в интервью Bloomberg прямо сказал, что дата-центры и корпоративные клиенты будут смотреть на число tokens per watt, то есть на количество токенов на каждый потраченный ватт.
Для Nvidia это удобный язык. Компания может сравнивать ускорители не только по терафлопсам, памяти и скорости межсоединений. Она продаёт клиенту экономику стойки: сколько запросов ИИ он обработает при конкретном лимите мощности.
Мы уже видели похожий сдвиг в потребительском железе. Видеокарты давно оценивают не только по FPS, но и по ваттам, шуму и охлаждению. В дата-центрах цена ошибки выше: там речь идёт не о блоке питания на 1000 Вт, а о подстанциях, договорах на энергию и очередях на подключение.
Сети могут стать дороже самих стоек
Масштабировать электросети сложнее, чем заказать очередную партию ускорителей. Goldman Sachs оценивает возможные расходы на модернизацию сетей к концу десятилетия в $720 млрд — около 57 трлн рублей, если учитывать дополнительную нагрузку от ИИ-дата-центров.
Эта сумма хорошо объясняет, почему разговор смещается от чистой вычислительной мощности к энергоэффективности. Чипы можно обновлять каждый год. Новые линии, подстанции и контракты на генерацию так быстро не появляются.
Для владельцев облаков это удар по марже. Если мощность площадки ограничена, выиграет тот, кто обработает больше запросов на том же электрическом лимите. В такой модели быстрый GPU без хорошей эффективности может оказаться не лучшим выбором для крупного кластера.
Gartner формулирует проблему жёстко. «Растущий спрос на вычислительно тяжёлые ИИ-нагрузки ведёт к беспрецедентному росту энергопотребления дата-центров, а мощность ИИ теперь ограничивает доступность электроэнергии», — заявила Linglan Wang, Director Analyst в Gartner.
