Wahania mocy AI niszczą turbiny, zabijają baterie i zagrażają sieci energetycznej USA

Jak klastry GPU tworzą milisekundowe skoki mocy

Podczas trenowania AI dziesiątki tysięcy GPU synchronizują swoją pracę. Gdy wszystkie zakończą krok obliczeniowy, czekają na punkt kontrolny lub rozpoczną nową partię, zapotrzebowanie na moc może w ciągu sekundy spaść z pełnego obciążenia do prawie zera i z powrotem . Te skoki różnią się od wszystkiego, co wytwarzają tradycyjne centra danych. Przyrosty mocy odpowiadające zużyciu fabryk, miasteczek, a nawet całych miast mogą pojawiać się i znikać w ciągu kilku sekund, powodując wielokrotne wstrząsy, które podłączony sprzęt ma trudności z absorbowaniem .

Drew Baglino, były dyrektor Tesli, który założył Heron Power, zauważył, że AI czasami powoduje skoki zużycia energii nawet o 50% powyżej projektowanej wydajności, „więc obiekt o mocy 1 gigawata może przez ułamek sekundy zużywać 1,5 gigawata” .

Uszkodzenia sprzętu: pęknięte turbiny i przedwczesne awarie baterii

Turbiny gazowe i rezonans mechaniczny

W fabryce Colossus xAI w Memphis – zbudowanej w 122 dni i zasilanej początkowo przez kilkadziesiąt tymczasowych turbin gazowych na metan – szybkie, powtarzające się skoki mocy z klastrów GPU spowodowały rezonans mechaniczny i fizyczne pękanie turbin . Inżynierowie podobno napisali niestandardowe jądro, które zmuszało GPU do pobierania dodatkowej mocy, gdy zapotrzebowanie było niskie, wygładzając obciążenie, ale zwiększając całkowite zużycie energii . Elon Musk zaproponował później zainstalowanie baterii Tesla Megapack między turbinami a GPU, aby całkowicie pochłaniać wahania .

Baterie zapasowe, generatory i systemy chłodzenia

Baterie zapasowe i systemy zasilania bezprzerwowego (UPS) są cyklowane znacznie częściej niż przewidziano, co prowadzi do przyspieszonej degradacji i przedwczesnych awarii . Wiele obiektów zgłasza, że baterie, generatory i systemy chłodzenia ulegają awariom lub zużywają się znacznie szybciej niż oczekiwano . Infrastruktura chłodzenia ma trudności z nadążaniem za nagłymi zmianami obciążenia, co dodatkowo skraca żywotność sprzętu .

Akademickie badanie zapotrzebowania na energię elektryczną w centrach danych AI potwierdza, że duże klastry GPU wytwarzają wahania mocy rzędu setek megawatów w ciągu kilku sekund, co stwarza poważne wyzwania dla podłączonych systemów .

Koszty finansowe: spadek dostępności, wzrost kosztów

Dostępność operacyjna spada do 80%

Niektóre centra danych AI odnotowały już spadek rzeczywistej dostępności operacyjnej do około 80%, znacznie poniżej typowego standardu 99,99% oczekiwanego w korporacyjnych centrach danych . Nawet kilka minut przestoju może poważnie uderzyć w przychody: w obiektach wartych dziesiątki miliardów dolarów każda minuta przestoju oznacza straty w wysokości setek tysięcy dolarów utraconych przychodów z mocy obliczeniowej .

Ryzyko dla bilionów dolarów i ukryte koszty

Raporty Bloomberga i Fortune opisują skumulowany koszt przyspieszonej wymiany sprzętu, nieplanowanych przestojów i utraconej mocy obliczeniowej jako wywierający presję na bilionową bazę inwestycji w infrastrukturę AI . Oprócz bezpośrednich przestojów operatorzy muszą zmagać się z wyższą częstotliwością konserwacji, krótszymi cyklami wymiany turbin i baterii oraz potrzebą niestandardowych poprawek programowych w celu wygładzenia zapotrzebowania na moc – wszystko to generuje nieplanowane wydatki .

Stabilność sieci: najwyższy alert NERC

Spadki obciążenia o mocy 1800 MW w ułamku sekundy

NERC udokumentował nową kategorię zagrożenia dla niezawodności: kampusy treningowe AI są tak duże, że gdy ich automatyczne systemy ochrony zadziałają, mogą w ułamku sekundy odłączyć od sieci ponad 1800 MW – szybciej, niż jakikolwiek operator ludzki lub konwencjonalne sterowanie siecią jest w stanie zareagować . Zarówno Eastern Interconnection, jak i Electric Reliability Council of Texas (ERCOT) zaobserwowały już zdarzenia redukcji obciążenia o około 1500 MW spowodowane wrażliwością centrów danych na zakłócenia napięcia .

W lipcu 2024 r. normalne zwarcie w sieci w północnej Wirginii wywołało nagłe odłączenie ponad 1500 MW obciążenia centrum danych w 25–30 stacjach elektroenergetycznych .

Dopiero trzeci alert Level 3 w historii NERC

W połowie 2026 r. NERC wydał ostrzeżenie Level 3 o najwyższym priorytecie – dopiero trzeci taki alert w swojej historii – podkreślając „znaczące ryzyko” dla systemu elektroenergetycznego ze strony hiperskalowych centrów danych AI . Alert nakazuje planistom i operatorom sieci przesyłowych opracowanie wymagań dotyczących danych modelowania, zebranie danych o minimalnym i maksymalnym zużyciu oraz zbadanie składu obciążenia . NERC powołał również grupę zadaniową ds. przeciwdziałania tym zagrożeniom, co może prowadzić do nowych obowiązkowych standardów niezawodności .

Szybciej niż można zbudować infrastrukturę

Raport NERC „State of Reliability” z 2025 r. ostrzega, że centra danych są rozwijane szybciej niż infrastruktura wytwórcza i przesyłowa potrzebna do ich obsługi, co stwarza strukturalną lukę w niezawodności . Agencja zauważa, że wrażliwość napięciowa i szybko zmieniające się, często nieprzewidywalne zużycie energii w tych obiektach stwarza nowe wyzwania operacyjne, którym muszą sprostać „dokładniejsze modele” .

Co się robi

Operatorzy badają bufory bateryjne – takie jak Tesla Megapack – umieszczane między niestabilnymi obciążeniami GPU a wrażliwym sprzętem wytwórczym, aby absorbować wahania . xAI rozpoczął również usuwanie części tymczasowych turbin gazowych, gdy w Memphis uruchamiane są nowe stacje elektroenergetyczne .

Jednak podstawowe wyzwanie pozostaje: obciążenia AI narzucają profil, do obsługi którego sieć nigdy nie została zaprojektowana. NERC wezwał do opracowania nowych standardów modelowania, koordynacji operacyjnej i ram regulacyjnych, aby sprostać wyjątkowym zagrożeniom związanym z gigawatowymi, silnie zmiennymi obciążeniami AI .