במהלך אימון בינה מלאכותית, עשרות אלפי יחידות עיבוד גרפי (GPU) מסנכרנות את פעולתן. כאשר כולן מסיימות שלב חישוב, ממתינות לבדיקת מצב (checkpoint) או מתחילות אצווה חדשה, צריכת החשמל יכולה לזנק מעומס מלא למצב סרק ובחזרה תוך פחות משנייה . תנודות אלו אינן דומות לשום דבר שמרכזי נתונים מסורתיים מייצרים. תוספות כוח שוות ערך לצריכה של מפעלים, ערים ואפילו ערים שלמות יכולות להופיע ולהיעלם תוך שניות, ויוצרות זעזועים חוזרים שהציוד המחובר מתקשה לספוג .
דרו באגלינו (Drew Baglino), בכיר לשעבר בטסלה שהקים את Heron Power, ציין שבינה מלאכותית לעיתים רואה עלייה של עד 50% בצריכת החשמל מעבר לקיבולת התכנון שלה, "כך שמתקן של 1 ג'יגה-וואט עלול להשתמש ב-1.5 ג'יגה-וואט לשבריר שנייה" .
במתקן קולוסוס של xAI בממפיס — שנבנה ב-122 ימים והופעל בתחילה על ידי עשרות טורבינות גז מתאן זמניות — תנודות הכוח המהירות והחוזרות מאשכולות ה-GPU גרמו לתהודה מכנית ולסדקים פיזיים בטורבינות . מהנדסים, על פי הדיווחים, כתבו ליבה מותאמת אישית שאילצה את ה-GPU לצרוך כוח נוסף כשהביקוש היה נמוך, תוך החלקת העומס אך הגדלת צריכת האנרגיה הכוללת . אילון מאסק הציע מאוחר יותר להתקין סוללות טסלה מגהפק (Megapack) בין הטורבינות ל-GPU כדי לספוג לחלוטין את התנודות .
סוללות גיבוי ומערכות אל-פסק (UPS) פועלות במחזורים תכופים הרבה יותר ממה שנועדו להן, מה שמוביל לבלאי מואץ ולכשל מוקדם . מתקנים מרובים מדווחים שסוללות, גנרטורים ומערכות קירור מתקלקלים או נשחקים הרבה יותר מוקדם מהצפוי . תשתיות הקירור מתקשות לעמוד בקצב של שינויי העומס הפתאומיים, מה שפוגע עוד יותר באורך חיי הציוד .
סקר אקדמי של דרישות החשמל של מרכזי נתונים לבינה מלאכותית מאשר שאשכולות GPU בקנה מידה גדול מייצרים תנודות הספק של מאות מגה-וואט תוך שניות, מה שיוצר אתגרים משמעותיים עבור המערכות המחוברות .
חלק ממרכזי הנתונים של בינה מלאכותית כבר חוו ירידה בזמינות המבצעית בפועל לכ-80%, הרבה מתחת לסטנדרט של 99.99% המקובל במרכזי נתונים ארגוניים . אפילו כמה דקות של אובדן זמינות עלולות לפגוע קשות בהכנסות: במתקנים בשווי עשרות מיליארדי דולרים, כל דקת השבתה מייצגת הפסד של מאות אלפי דולרים בהכנסות מחשוב .
דיווחים בבלומברג ובפורצ'ן מתארים את העלות המצטברת של החלפה מואצת של ציוד, השבתות לא מתוכננות ואובדן כושר חישוב כלחץ על תשתיות ההשקעה בבינה מלאכותית בהיקף טריליון דולר . מעבר להשבתות ישירות, המפעילים מתמודדים עם תדירות תחזוקה גבוהה יותר, מחזורי החלפה קצרים יותר לטורבינות וסוללות, והצורך בעקיפות תוכנה מותאמות אישית להחלקת צריכת החשמל — כל אלה מוסיפים הוצאות בלתי צפויות .
NERC תיעד איום חדש על אמינות הרשת: קמפוסי אימון בינה מלאכותית גדולים מספיק, שכאשר מערכות ההגנה האוטומטיות שלהם מנתקות אותם, הם יכולים להוריד 1,800+ מגה-וואט ממערכת החשמל תוך פחות משנייה — מהר יותר מכל מפעיל אנושי או בקרת רשת קונבנציונלית שיכולים להגיב . גם ב-Eastern Interconnection וגם ב-Electric Reliability Council of Texas (ERCOT) כבר נצפו אירועים של הפחתת עומס של כ-1,500 מגה-וואט שנגרמו על ידי רגישות של מרכזי נתונים להפרעות מתח .
ביולי 2024, תקלת רשת רגילה בצפון וירג'יניה גרמה לניתוק פתאומי של יותר מ-1,500 מגה-וואט מעומס מרכזי נתונים ב-25-30 תחנות משנה .
באמצע 2026, NERC פרסם את אזהרת דרגה 3 הגבוהה ביותר שלו — רק השלישית מסוגה בהיסטוריה — תוך הדגשת "סיכונים משמעותיים" למערכת החשמל ממרכזי נתונים בקנה מידה על . ההתרעה מורה למתכנני רשתות ולמפעילים לפתח דרישות נתוני מודלים, לאסוף נתונים על צריכה מינימלית ומקסימלית ולחקור את הרכב העומס . NERC גם הקים כוח משימה לטיפול בסיכונים אלה, שעלול להוביל לתקני אמינות מחייבים חדשים .
דוח מצב האמינות של NERC לשנת 2025 מזהיר כי מרכזי נתונים מפותחים מהר יותר מתשתיות ייצור והולכה הדרושות לתמיכה בהם, מה שיוצר פער אמינות מבני . הסוכנות מציינת שרגישות המתח וצריכת החשמל המשתנה במהירות, לעיתים בלתי צפויה, של מתקנים אלה יוצרת אתגרים תפעוליים חדשים ש"מודלים מדויקים יותר" חייבים לתת להם מענה .
מפעילים בוחנים מאגרי סוללות — כגון טסלה מגהפק — המוצבים בין עומסי GPU תנודתיים לבין ציוד ייצור רגיש כדי לספוג תנודות . xAI גם החלה להסיר חלק מטורבינות הגז הזמניות שלה ככל שתחנות משנה חדשות של הרשת נכנסות לפעולה בממפיס .
אבל האתגר הבסיסי נשאר: עומסי עבודה של בינה מלאכותית מייצרים פרופיל עומס שהרשת מעולם לא תוכננה להתמודד איתו. NERC קרא לסטנדרטים חדשים של מודלים, תיאום תפעולי ותקנים רגולטוריים כדי להתמודד עם הסיכונים הייחודיים של עומסי AI תנודתיים בקנה מידה של ג'יגה-וואט .