Ang pagtaas ng AI ay karaniwang sinusukat sa pamamagitan ng Nvidia GPUs at capex ng mga hyperscaler. Ngunit walang kwenta ang isang data center na puno ng mga advanced na chip kung hindi ito makakakuha ng sapat na kuryente upang paganaan sila.
Kaya ang kapangyarihan ay nagsisiging isa sa mga pinakamahalagang limitasyon sa infrastruktura ng AI.
Inaasahan ng IEA na tumataas ang konsumo ng kuryente ng mga data center sa buong mundo mula sa halos 485 TWh noong 2025 patungo sa halos 950 TWh hanggang 2030. Inaasahan na mas mabilis ang paglago ng mga facility na nakatuon sa AI.
Ang problema ay hindi lamang kung gaano karaming enerhiya ang ginagamit ng AI. Ito ay kung gaano kalakas ang pagtaas ng pangangailangan. Maaaring itayo ang mga data center sa ilang taon, habang ang mga linya ng pagpapadala, mga substation, at bagong paggawa ay kadalasang kailangan ng mas mahabang panahon.
Ang mga GPU ay isa lamang na layer ng AI stack
Kailangan ng AI clusters ang higit pa sa mga processor.
Mga libo-libo ng accelerators ay nangangailangan ng networking, pagkonba ng kapangyarihan, pagpapalamig at tiyak na access sa grid. Habang tumataas ang server density, mas hihigpit ang mga suportang imprastruktura.
Nagbuo ito ng mas malawak na supply chain ng AI:
GPU → networking → pagkonberto ng kapangyarihan → pagpapalamig → koneksyon sa grid → paggawa ng kuryente
Ang aming AI infrastructure guide ay nagpapakita kung paano na palawig ang kuwento ng pag-invest mula sa mga chip patungo sa enerhiya at thermal management.
Ang pangunahing pagkakaiba ay ang ilan sa mga bottleneck na ito ay hindi matutugunan sa pamamagitan ng pag-order lang ng karagdagang kagamitan.
Maaaring makabili ng higit pang GPUs ang isang hyperscaler. Hindi ito makakalikha ng isang bagong high-voltage connection nang agad.
Naging mas kaunti ang Grid Access
Ang Texas ay nagtataglay ng isa sa pinakamalinaw na mga halimbawa.
Lumipas na ang 700 GW ang mga nanghihingi na kapangyarihan para sa data center, mas mataas kaysa sa kasalukuyang paggamit ng data center sa US. Nagsimula na ang mga regulador na pagsikapan ang mga patakaran sa pagkonekta dahil maaaring mula sa mga proyekto na hindi kailanman itatayo ang ilang bahagi ng demand na ito. Ipinaliwanag ng Reuters ang problema bilang ghost demand.
Nagdudulot ito ng tunay na pang-ekonomiyang problema. Maaaring mag-invest ang mga utility sa infrastruktura para sa mga proyekto na hindi maiuulit, habang ang mga totoong AI campus ay naghihintay ng mga taon para sa kuryente.
| AI bottleneck | Bakit ito mahalaga |
|---|---|
| Grid connection | Maaaring maghintay ng taon ang mga bagong proyekto |
| Transformers | Mga matagal na panahon ng paggawa |
| Paggamot | Mas maraming init ang mga GPU na may mas mataas na density |
| Generation | Kailangan ng AI ang mapagkakatiwalaang kapangyarihan sa 24/7 |
| Pagpapadala | Ang kapangyarihan ay maaaring malayo sa mga sentro ng pangangailangan |
Ang mga kumpanya ng enerhiya ay nagsisiging maging mga AI na pagkakataon
Ang bottleneck na ito ay nagtatag ng bagong grupo ng mga benepisyaryo ng AI.
Ang Vertiv, halimbawa, ay nag-aalok ng mga sistema sa pagpapamahala ng kuryente at pagpapalamig para sa mga data center at kamakailan ay sumang-ayon na bumili ng Utility Innovation Group, isang espesyalista sa microgrid, para sa hanggang $2.6 bilyon. Ang Vertiv deal ay nagpapakita kung gaano kahalaga ang onsite generation at grid-independent infrastructure.
Mahalaga ang microgrids dahil maaari nilang bawasan ang pagkakasalalay sa mga natatahak na koneksyon ng utility sa pamamagitan ng pagpapagsama ng kuryente sa grid kasama ang lokal na paggawa at pag-iimbak.
Ang mga utility ay nagsisiging bahagi rin ng pagtinda ng AI. Ang NextEra Energy, Dominion Energy at iba pang mga tagapagbigay ng enerhiya ay lalong nakikinabang sa matagalang pangangailangan na nilikha ng mga hyperscaler at developer ng data center.
Inaasahan ng IEA energy outlook na magbigay ang mga renewable energy ng malaking bahagi ng karagdagang pangangailangan ng data center, ngunit ang natural gas, nuclear at storage ay magiging mahalaga rin dahil kailangan ng AI workloads ang tiyak na pagkakadiskarga sa loob ng 24 oras.
Nagbabago rin ito sa ekonomiks ng Bitcoin mining. Ang mga miner ay kontrolado na ang mga mahalagang koneksyon sa grid sa mga rehiyon na may mura na kuryente. Kung handa ang mga kumpanya ng AI na magbayad ng higit pa para sa parehong kuryente, maaaring ilipat ng ilang operator ang kanilang kapasidad patungo sa high-performance computing. Ipinapakita ng mining analysis ng Coinpaper na ang kuryente mismo ay nagsisiging magiging nakakakita.
Ang kuwento ng AI na pag-invest ay maaaring lumampas sa pagtatanong kung sino ang gumagawa ng pinakamabilis na chip.