Kunstig intelligens' strømsving skaber kaos: Ødelægger udstyr og truer elnettet

Hvordan GPU-klynger skaber millisekundlange strømshock

Under AI-træning synkroniserer titusindvis af GPU'er deres arbejde. Når de alle afslutter en beregning, venter på kontrolpunkter (checkpointing) eller starter en ny omgang, kan strømforbruget svinge fra fuld last til næsten ingenting og tilbage på under et sekund . Disse sving er helt anderledes end noget, traditionelle datacentre producerer. Strømforbrug svarende til en hel by eller et industriområde kan opstå og forsvinde på få sekunder og skabe gentagne stød, som det tilsluttede udstyr har svært ved at absorbere .

Drew Baglino, en tidligere Tesla-direktør, der grundlagde Heron Power, har bemærket, at AI-forbrug nogle gange kan stige med op til 50% over den designede kapacitet: "Så et 1 gigawatt-anlæg kan i et splitsekund bruge 1,5 gigawatt" .

Udstyrsskader: Revnede turbiner og for tidligt nedslidte batterier

Gasturbiner og mekanisk resonans

Ved xAIs Colossus-anlæg i Memphis – bygget på 122 dage og oprindeligt drevet af midlertidige metangasturbiner – forårsagede de hurtige, gentagne strømsving fra GPU-klyngerne mekanisk resonans og fysiske revner i turbinerne . Ingeniører skrev angiveligt en specialbygget GPU-kernel, der tvang GPU'erne til at forbruge ekstra strøm, når efterspørgslen var lav, hvilket udjævnede belastningen, men øgede det samlede energiforbrug . Elon Musk foreslog senere at installere Tesla Megapack-batterier mellem turbiner og GPU'er for helt at absorbere fluktuationerne .

Backup-batterier, generatorer og kølesystemer

Backup-batterier og UPS-systemer (Uninterruptible Power Supply) bliver cyklet langt oftere end designet, hvilket fører til accelereret nedbrydning og for tidlig svigt . Flere anlæg rapporterer, at batterier, generatorer og kølesystemer fungerer dårligt eller slides op langt hurtigere end forventet . Køleinfrastrukturen kæmper for at følge med de pludselige belastningsændringer, hvilket yderligere forkorter udstyrets levetid .

En akademisk undersøgelse af AI-datacentres elforbrug bekræfter, at store GPU-klynger kan producere strømfluktuationer på hundredvis af megawatt inden for sekunder .

Den økonomiske regning: Driftstiden falder, omkostningerne stiger

Driftstid på 80%

Nogle AI-datacentre har allerede set den faktiske driftstid falde til omkring 80%, langt under den typiske 99,99%-standard, der forventes af virksomhedsdatacentre . Selv få minutters nedetid kan ramme omsætningen hårdt: I faciliteter, der er titusindvis af milliarder kroner værd, repræsenterer hvert minuts nedetid hundredtusindvis af dollars i tabt computer-omsætning .

Trillion-dollar-aktivitet under pres og skjulte omkostninger

Bloomberg og Fortune rapporterer, at de kumulative omkostninger ved accelereret udskiftning af udstyr, uplanlagte nedbrud og tabt computerkapacitet sætter den trillion-dollar-tunge AI-infrastrukturinvestering under pres . Ud over den direkte nedetid står operatører over for hyppigere vedligeholdelse, kortere udskiftningscyklusser for turbiner og batterier og behovet for specialudviklede software-løsninger til at udjævne strømbehovet – alt sammen uforudsete udgifter .

Netstabilitet: NERCs højeste advarselsniveau

1.800 MW belastningsfald på under et sekund

NERC har dokumenteret en ny form for pålidelighedstrussel: AI-træningsanlæg, der er så store, at når deres automatiske beskyttelsessystemer udløses, kan de trække over 1.800 megawatt ud af elnettet på under et sekund – hurtigere end nogen menneskelig operatør eller konventionel netkontrol kan reagere . Både Eastern Interconnection og Electric Reliability Council of Texas (ERCOT) har allerede observeret belastningsreduktionshændelser på cirka 1.500 MW forårsaget af datacentres følsomhed over for spændingsforstyrrelser .

I juli 2024 udløste en almindelig netfejl i det nordlige Virginia den pludselige afbrydelse af mere end 1.500 MW datacenterbelastning fordelt på 25-30 transformerstationer .

Kun den tredje Level 3-advarsel i NERCs historie

I midten af 2026 udstedte NERC sin højeste Level 3-advarsel – kun den tredje af slagsen i organisationens historie – med fokus på "betydelige risici" for bulkstrømsystemet fra hyperskala AI-datacentre . Advarslen pålægger transmissionsplanlæggere og -operatører at udvikle modelleringsdatakrav, indsamle data om minimums- og maksimumsforbrug og studere belastningens sammensætning . NERC har også nedsat en taskforce for at håndtere disse risici, hvilket potentielt kan føre til nye obligatoriske pålidelighedsstandarder .

Hurtigere end infrastrukturen kan bygges

NERCs 2025-rapport om pålidelighedstilstanden advarer om, at datacentre udvikles hurtigere end den nødvendige elproduktion og transmission, hvilket skaber et strukturelt pålidelighedsgab . Organisationen bemærker, at spændingsfølsomheden og det hurtigt skiftende, ofte uforudsigelige strømforbrug på disse faciliteter skaber nye driftsmæssige udfordringer, som "mere præcise modeller" må adressere .

Hvad gøres der?

Operatører undersøger batteribuffere – såsom Tesla Megapacks – placeret mellem de volatile GPU-belastninger og det følsomme produktionsudstyr for at absorbere fluktuationer . xAI er også begyndt at fjerne nogle af sine midlertidige gasturbiner, efterhånden som nye netstationer kommer online i Memphis .

Men den grundlæggende udfordring består: AI-arbejdsbelastninger skaber en belastningsprofil, som elnettet aldrig var designet til at håndtere. NERC har opfordret til nye modelleringsstandarder, operationel koordinering og regulatoriske rammer for at håndtere de unikke risici ved gigawatt-store, meget volatile AI-belastninger .