AI-erens strømsjokk sprekker turbiner, dreper batterier og truer det amerikanske strømnettet

Slik skaper GPU-klynger millisekundkorte strømsjokk

Under AI-trening synkroniserer titusenvis av GPU-er arbeidet sitt. Når de alle fullfører et beregningstrinn, venter på lagring av sjekkpunkter eller starter en ny runde, kan strømforbruket svinge fra full last til nesten tomgang og tilbake på under ett sekund . Disse svingningene er helt annerledes enn det tradisjonelle datasentre produserer. Strømøkninger tilsvarende forbruket til fabrikker, byer eller til og med mindre byer kan komme og gå i løpet av sekunder, noe som skaper gjentatte sjokk som tilkoblet utstyr sliter med å absorbere .

Drew Baglino, en tidligere Tesla-leder som startet Heron Power, påpeker at AI noen ganger har et strømforbruk som er opptil 50 % over designkapasiteten: «så et anlegg på 1 gigawatt kan bruke 1,5 gigawatt i et brøkdels sekund» .

Utstyrsskader: Sprukne turbiner og for tidlig batterisvikt

Gassturbiner og mekanisk resonans

Ved xAIs Colossus-anlegg i Memphis – bygget på 122 dager og drevet av flere titalls midlertidige metangassturbiner – førte de raske, gjentatte strømsvingningene fra GPU-klyngene til mekanisk resonans og fysiske sprekker i turbinene . Ingeniører skal ha skrevet en spesialtilpasset kjerne som tvang GPU-ene til å bruke ekstra strøm når etterspørselen var lav, noe som jevnet ut belastningen, men økte det totale strømforbruket . Elon Musk skal senere ha foreslått installasjon av Tesla Megapack-batterier mellom turbinene og GPU-ene for å absorbere svingningene fullstendig .

Reservebatterier, generatorer og kjølesystemer

Reservebatterier og UPS-systemer (avbruddsfri strømforsyning) sykler langt oftere enn de er konstruert for, noe som fører til akselerert nedbrytning og for tidlig svikt . Flere anlegg rapporterer at batterier, generatorer og kjølesystemer går i stykker eller slites ut mye raskere enn forventet . Kjøleinfrastrukturen sliter med å holde tritt med plutselige lastendringer, noe som ytterligere forkorter levetiden til utstyret .

En akademisk undersøkelse av strømbehovet til AI-datasentre bekrefter at storskala GPU-klynger produserer strømsvingninger på flere hundre megawatt i løpet av sekunder, noe som skaper betydelige utfordringer for tilkoblede systemer .

Den økonomiske smellen: Oppetiden faller, kostnadene stiger

Oppetid nede i 80 %

Noen AI-datasentre har allerede en faktisk oppetid på rundt 80 %, langt under den typiske 99,99 %-standarden man forventer av bedriftsdatasentre . Selv noen få minutters nedetid kan gi store inntektstap: ved anlegg verdt titalls milliarder dollar koster hvert minutt med nedetid hundretusener av dollar i tapte databehandlingsinntekter .

Trillioner i risiko og skjulte kostnader

Bloomberg og Fortune rapporterer at de akkumulerte kostnadene ved akselerert utstyrsskifte, uplanlagte driftsstanser og tapt datakapasitet legger press på den trilliontunge AI-infrastrukturinvesteringsbasen . I tillegg til direkte nedetid står operatørene overfor høyere vedlikeholdsfrekvens, kortere utskiftingssykluser for turbiner og batterier, og behovet for spesialtilpassede programvareløsninger for å jevne ut strømbehovet – alt sammen uplanlagte utgifter .

Nettstabilitet: NERCs høyeste varsel

Lastkutt på 1 800 MW på under ett sekund

NERC har dokumentert en ny type pålitelighetstrussel: AI-treningsanlegg så store at når deres automatiske beskyttelsessystemer løser ut, kan de trekke over 1 800 megawatt ut av strymnettet på under ett sekund – raskere enn noen menneskelig operatør eller konvensjonell nettstyring kan reagere . Både det østlige sammenkoblede nettet (Eastern Interconnection) og Texas' eget nett (ERCOT) har allerede observert lastsreduksjonshendelser på omtrent 1 500 MW forårsaket av datasentrenes følsomhet for spenningsforstyrrelser .

I juli 2024 utløste en vanlig nettfeil i Nord-Virginia plutselig frakobling av over 1 500 MW datasenterlast fordelt på 25–30 transformatorstasjoner .

Bare det tredje Level 3-varselet i NERCs historie

Midt i 2026 utstedte NERC sitt høyeste beredskapsvarsel, Level 3 – bare det tredje slike varselet i organisasjonens historie – og fremhevet «betydelige risikoer» for strymnettet fra hyperskala AI-datasentre . Varingslet pålegger transmisjonsplanleggere og -operatører å utvikle krav til modelleringsdata, samle inn data om minimums- og maksimumsforbruk, og studere lastens sammensetning . NERC har også satt ned en arbeidsgruppe for å håndtere disse risikoene, noe som potensielt kan føre til nye obligatoriske pålitelighetsstandarder .

Raskere enn infrastrukturen kan bygges

NERCs State of Reliability-rapport for 2025 advarer om at datasentre utvikles raskere enn den generasjons- og transmisjonsinfrastrukturen som trengs for å støtte dem, noe som skaper et strukturelt pålitelighetsgap . Byrået bemerker at spenningsfølsomheten og det raskt skiftende, ofte uforutsigbare, strømforbruket til disse anleggene skaper nye driftsutfordringer som «mer nøyaktige modeller» må håndtere .

Hva blir gjort

Operatører utforsker batteribuffere – som Tesla Megapacks – plassert mellom ustabile GPU-laster og følsomt generasjonsutstyr for å absorbere svingningene . xAI har også begynt å fjerne noen av sine midlertidige gassturbiner etter hvert som nye nettstasjoner kommer på nett i Memphis .

Men den grunnleggende utfordringen består: AI-arbeidsbelastninger skaper en lastprofil som nettet aldri ble designet for å håndtere. NERC har bedt om nye modelleringsstandarder, operasjonell koordinering og regulatoriske rammeverk for å håndtere de unike risikoene ved gigawatt-store, svært variable AI-laster .