Около 415 тераватчаса електроенергия годишно. Толкова харчат световните дата центрове в момента, което се равнява на около 1,5% от глобалното потребление на ток. До 2030 г. тази стойност може да достигне 945 TWh, посочва Европейската комисия в материалите си по новата схема за оценка на енергийната ефективност на дата центровете. Основната причина за това е бумът на изкуствения интелект.
Зад всеки чат с AI асистент, всяко създадено от модел изображение и всеки машинен превод стои съвсем физическа инфраструктура. Това са огромни складове, пълни със сървъри, охлаждани с вода и захранвани от мрежата. Кой плаща за този ток, как се отразява на климата и защо въпреки това индустрията и регулаторите смятат, че разходът си струва, са въпроси, които вече не са само технологични, а и енергийни.
Колко всъщност харчат дата центровете
Глобалните числа са значителни, но локалната концентрация е дори по-впечатляваща. В Ирландия например дата центровете консумират над 20% от националното електричество. В САЩ има поне пет щата, в които секторът вече надминава 10% от потреблението. В ЕС и САЩ като цяло делът им е между 2% и 4%, но в районите около големите хиперскейл кампуси натискът върху подстанциите и електропроводите е много по-висок.
Само в Европейския съюз и Великобритания дата центровете са използвали около 100 TWh през 2022 г., а прогнозите за 2030 г. варират между 149 и 287 TWh. Това означава, че енергията за облачни услуги и AI може да удвои дела си в потреблението за по-малко от десетилетие.
Водата също влиза в сметките с все по-конкретни числа. Само в САЩ дата центровете са консумирали пряко около 64 милиарда литра през 2023 г., главно за охлаждане, по данни на Националната лаборатория Lawrence Berkeley, и още около 800 милиарда литра косвено, през електроцентралите, които ги захранват. Един от центровете на Google в Айова сам е изпарил около 3,8 милиарда литра през 2024 г., приблизително колкото потребяват домакинствата в целия щат за пет дни. По оценки на академично изследване, обучението на един голям езиков модел в дата центровете на Microsoft може да изпари около 700 000 литра вода.
Въглеродните емисии са по-малки като глобален дял, но растат бързо. IEA оценява, че дата центровете отделят около 320 милиона тона CO2 годишно, или около 0,5% от глобалните емисии. Дялът звучи скромно, но секторът е един от малкото, в които емисиите все още растат, докато повечето индустрии се декарбонизират. Според централния сценарий на IEA този дял може да достигне 1% от глобалните емисии до 2030 г., а в по-агресивни оценки (например на Morgan Stanley) общата въглеродна сметка на индустрията достига около 2,5 милиарда тона годишно при пълно отчитане на жизнения цикъл.
Цената вече се вижда и в сметките на потребителите. На американския електроенергиен пазар PJM, който покрива територията от Илинойс до Северна Каролина, дата центровете са довели до около 9,3 милиарда долара допълнителни разходи на капацитетния пазар за 2025-2026 г., а средната сметка на домакинство в части от Охайо и Мериленд се очаква да поскъпне с 16-18 долара месечно. Анализ на Carnegie Mellon University прогнозира около 8% средно поскъпване на тока в САЩ до 2030 г. заради дата центровете и крипто майнинга, като в най-натоварените региони като Северна Вирджиния скокът може да надмине 25%. За операторите токът е 20-30% от оперативните разходи, а Goldman Sachs изчислява, че до 2030 г. са нужни около 720 милиарда долара инвестиции в електропреносна мрежа, за да поеме новото търсене.
Към тези преки разходи се прибавят и косвени. Бързата смяна на хардуера произвежда електронни отпадъци, а строежът на нови кампуси изисква бетон, мед, стомана и нови подстанции.
Защо AI харчи повече от обикновените изчисления
AI се различава от стандартните изчисления по два начина. Първо, преди модел като ChatGPT, Claude или Gemini да започне да отговаря на заявки, той трябва да бъде обучен, което е еднократен, но огромен по мащаб процес. Второ, след обучението всеки разговор с асистент задейства серия от изчисления върху същите енергоемки чипове, тоест моделът не е „безплатен“ дори след като е готов. Инженерите делят тези два разхода на обучение (training) и използване (inference): първото е скъп пик за няколко месеца, а второто тече денонощно години наред.
По неофициални оценки обучението на GPT-4 е изисквало около 25 000 графични процесора NVIDIA A100, които са работили почти на пълна мощност 90 до 100 дни. Грубата сметка дава приблизително 50 до 60 гигаватчаса електроенергия и около 100 милиона долара само за изчислителен ресурс. За сравнение, предходният модел GPT-3 е консумирал около 1 300 мегаватчаса, или близо 40 пъти по-малко.
Използването изглежда дребен разход на ниво единична заявка, но именно то е скритият двигател на дългосрочното потребление. Според измервания на Epoch AI и публични оценки на изпълнителния директор на OpenAI Сам Олтман, една стандартна заявка към GPT-4o консумира около 0,3 ватчаса, приблизително колкото средна заявка към Google според последно оповестените данни на компанията от 2009 г. При стотици милиони заявки на ден общата консумация обаче бързо набъбва. Скорошен анализ оценява, че при големите модели използването вече формира до 80-90% от енергията, изхарчена за целия жизнен цикъл на модела.
Разликата между видовете AI задачи също е значителна. Изследване на Hugging Face и Carnegie Mellon University, цитирано от MIT Technology Review, показва, че текстовата генерация е сравнително евтина: 1 000 заявки консумират енергията на около 16% от едно пълно зареждане на смартфон. Генерирането на едно изображение обаче изисква приблизително толкова, колкото пълно зареждане на телефон, а само един 5-секунден видеоклип може да изиска ток колкото микровълнова печка за повече от час работа. Новата вълна „reasoning“ модели, които първо „обмислят“ проблема стъпка по стъпка, преди да отговорят, увеличават разхода на стандартна заявка три до четири пъти.
За сравнение, обикновената интернет търсачка се е настройвала за минимална консумация повече от две десетилетия. Това не значи, че AI ще остане завинаги енергиен хищник, защото операторите вече намаляват консумацията агресивно. Google твърди, че за последните 12 месеца енергията за заявка към модела Gemini е намаляла около 33 пъти благодарение на нови процесори и по-добра инфраструктура. Показателят PUE (Power Usage Effectiveness), който мери каква част от тока на дата центъра отива за самите изчисления, е спаднал от около 2,5 през 2007 г. до около 1,55 средно днес, а най-добрите хиперскейл оператори вече достигат около 1,09.
Европа, САЩ и Китай: три различни отговора
Трите големи икономики избират различни стратегии за това как да захранват AI бума. До 2030 г. инсталираният капацитет на дата центрове ще нарасне от около 24 до 55 гигавата в Европа, ще премине 60 гигавата в Китай и ще удвои сегашните си 42 гигавата в САЩ. Зад тези общи числа стоят три коренно различни модела на енергийна политика и инвестиции.
Европа: регулация и преместване към периферията
Европа разчита основно на мрежата и на корпоративни договори за възобновяема енергия. Към 2024 г. дата центровете на континента са консумирали около 96 TWh, а прогнозите за 2030 г. са за около 168 TWh. Историческите хъбове Франкфурт, Лондон, Амстердам, Париж и Дъблин (FLAP-D) събират над 10,9 гигавата мощност, или около 45% от европейския капацитет, но вече се сблъскват с лимит на мрежата и земята. В Дъблин дата центровете покриват около 80% от търсенето в района, а в Амстердам, Лондон и Франкфурт делът е между 33% и 42%; Ирландия на практика въведе мораториум за нови мрежови присъединявания.
Затова инвестициите все по-често текат към Северна и Южна Европа, където електричеството е по-евтино и мрежите са по-свободни. Норвегия, Дания, Швеция и Полша вече имат между 1,2 и 2 гигавата инсталиран капацитет всяка, а в Кайаани (Финландия) XTX Markets строи мегакампус за над 1 милиард евро, който ще достигне 250 мегавата. Очаква се потреблението в Скандинавия да се утрои до 2030 г. Eurelectric, асоциацията на големите европейски електрически компании, описва общата ситуация като „двупосочна революция“: AI повишава търсенето, но и помага на енергетиката да управлява новата сложност на мрежата.
САЩ: ядрен ренесанс на гигаватова сметка
САЩ залагат на по-смесена комбинация. Инсталираният капацитет надхвърля 42 гигавата (около 4-5% от националното електропотребление) и расте с около 16% годишно; само Северна Вирджиния събира около 4 гигавата на ограничената си територия. През 2025 г. Google, Meta и Amazon планират да похарчат около 364 милиарда долара за нова инфраструктура, а Big Tech направи около 43% от корпоративните покупки на чиста енергия в света през 2024 г.
Завръщането на ядрената енергия е най-видимата промяна заради ниските емисии и стабилното 24/7 производство, които пасват на натоварванията на AI кампусите според анализи на IAEA и JLL. Microsoft подписа 20-годишен договор с Constellation Energy за 835 мегавата от рестартираната единица на Three Mile Island, която трябва да влезе в експлоатация през 2027-2028 г. AWS взе 17-годишно споразумение за 1,92 гигавата от АЕЦ Susquehanna, Meta договори 1,1 гигавата от АЕЦ Clinton за 20 години, а Google и Oracle залагат на технологията на малките модулни реактори (SMR). Общо хиперскейл компаниите подписаха над 10 гигавата нов ядрен капацитет само за последната година, докато газовите централи остават важни като бърз резерв.
Китай: централизирано планиране и воден стрес
Китай прилага по-централизиран модел. Инсталираният капацитет ще нарасне от около 32 гигавата в края на 2025 г. до над 60 гигавата към 2030 г., почти двойно за пет години. По данни на Rystad Energy потреблението на ток от дата центрове ще достигне 289 TWh до 2030 г., или около 2,3% от националното електричество, при ръст от около 19% годишно. Държавната стратегия „Източни данни, западни изчисления“ (East Data West Computing), стартирала през 2022 г., премества AI инфраструктурата към 8 западни клъстъра, където има свободна земя и евтина чиста енергия.
Само клъстерът Уланкаб във Вътрешна Монголия събира около 10 гигавата проекти от компании като 21Vianet, Huawei и ByteDance. Според плана за 2025 г. всеки нов център в осемте национални хъба трябва да получава поне 80% от тока си от ВЕИ, а националната цел за PUE е 1,25 до края на годината, което е по-амбициозно от германските 1,5 за 2027 г. Това обаче поставя сериозен натиск върху водните ресурси: китайските дата центрове са консумирали около 15,7 милиарда кубически метра вода през 2022 г., или 2,7% от националното потребление. Тревожно за стратегията „Източни данни, западни изчисления“ е, че 72% от изчислителния капацитет е разположен в райони с тежък воден дефицит, особено в провинции като Гансу и Нинся.
Какво идва: регулация и нови мощности
През второто тримесечие на 2026 г. Европейската комисия завършва пакета си за енергийна ефективност на дата центровете. Публичната консултация приключи на 23 април, а финалното приемане се очаква около средата на годината. Пакетът въвежда обща рейтингова схема с електронен етикет за всеки голям дата център и поставя основата за бъдещи минимални стандарти за ефективност, използване на чиста енергия и оползотворяване на остатъчната топлина. На практика индустрията преминава от доброволни ESG обещания към задължително отчитане и сравнение.
В САЩ и Великобритания дискусията е по-малко регулаторна и повече инфраструктурна. Кой ще даде ток на следващия гигаватов кампус? Често отговорът минава през ядрена енергия и през по-бързо одобрение на нови подстанции и електропроводи. Анализатори на пазара отчитат, че част от планираните AI кампуси вече се ориентират към натоварвания над 1 гигават, което съответства на енергийната нужда на цял голям град.
В Китай държавата директно свързва AI планирането с енергийното планиране. Цели се по-нисък PUE (показател за енергийна ефективност на дата център, който измерва каква част от тока отива за самите изчисления спрямо охлаждане и други системи) и тясно обвързване с нови ВЕИ мощности.
Защо AI може да върне част от енергийния си дълг
Тук историята става по-сложна и по-обещаваща. Същите технологии, които покачват търсенето на ток, започват да помагат на енергийния сектор да се справи с него.
Електроенергийните компании вече използват AI за прогнозиране на търсенето и производството от ВЕИ, за по-добра търговия на пазарите и за предиктивна поддръжка на разпределителните мрежи. Това е особено ценно, защото енергийната система става все по-сложна: повече вятърни и слънчеви централи, повече батерии, повече електромобили и термопомпи. Без автоматизация и AI операторите трудно биха управлявали такава динамика в реално време.
AI помага и на самите дата центрове да бъдат по-ефективни. Алгоритмите управляват охлаждането и преместват изчислителни задачи там, където в момента има най-много чиста енергия. По този начин част от ръста в потреблението се компенсира с по-добро използване на наличните мощности.
Ние вече практически не можем без AI, ползваме го в ежедневието, в работата си и най-вече в науката. Без AI и големите изчисления част от научните пробиви, които вече са на хоризонта, биха се случвали много по-бавно. Молекулярният дизайн на нови лекарства, прогнозирането на сложни климатични процеси, новите материали за батерии. Всичко това разчита на изчисления, които доскоро бяха немислими.
Като илюстративен пример за това през 2024 г. Нобеловата награда за химия беше присъдена на разработчиците на AlphaFold, който за две години предсказа триизмерната структура на над 200 милиона протеина, на практика всички белтъци, известни днес на науката. Преди това определянето на структурата на един-единствен протеин с класически лабораторни методи отнемаше месеци или дори години работа. Днес базата на AlphaFold се ползва от над 2 милиона изследователи в 190 страни и вече ускорява откриването на нови антибиотици, на онкологични терапии и на по-добро разбиране на болести като алцхаймер и малария.
Подобни скокове се натрупват освен в науката и в индустрията. А AI модели за прогноза на времето като GraphCast на Google DeepMind, Pangu-Weather на Huawei и AIFS на Европейския център за средносрочни прогнози вече превъзхождат класическите физически модели в около 90% от стандартните показатели и работят стотици пъти по-бързо. ECMWF и NOAA ги ползват оперативно за по-точни ранни предупреждения за бури, наводнения и горещини. Същите подходи откриват нови материали за батерии и катализатори, помагат за управление на плазмата в експериментални термоядрени реактори и съкращават с години инженерната работа в индустрията. Точно тези приноси са причината повече и по-чиста AI инфраструктура да е научен и обществен приоритет, а не самоцел.
Пътят към 2027 г.
До края на 2026 г. в Европа ще се види първият пакет от задължителни мерки за ефективност на дата центровете и реална публична статистика за тяхното потребление. В САЩ ще се появят още дългосрочни ядрени сделки и проекти за директно свързване на AI кампуси с конкретни енергийни мощности. В Китай ще продължи обвързването на AI планирането с енергийната политика.
Към 2027 г. се очертават три устойчиви тенденции. Първо, повече проекти за директно сдвояване на дата центрове с нови енергийни мощности, особено ядрени и слънчеви, с дългосрочни 24/7 договори. Второ, по-строги показатели за ефективност и по-интелигентно управление на пиковите натоварвания. Трето, по-широко използване на AI вътре в самата енергетика, за да поеме AI бума отвън.
Същевременно разходът за енергия и вода на единица AI работа продължава да пада. Хардуерът става по-ефективен (новите процесори на NVIDIA, AMD и Google TPU дават повече изчисления на ват), алгоритмите се оптимизират за по-малко изчисления при същото качество, а охлаждането все по-често минава през затворени водни системи или директно течно охлаждане. Тенденцията, която вече се вижда при Gemini (33 пъти по-малко енергия на заявка за 12 месеца), вероятно ще се повтори в цялата индустрия. Напълно възможно е общото потребление да започне да расте по-бавно от търсенето на AI, а в определени сегменти дори да спадне в абсолютни стойности.
Дори ако тази ефективност не успее да настигне ръста, поддържането на AI инфраструктурата остава оправдано. AI вече е незаобиколим инструмент за научните открития, медицината, климатичните прогнози и индустриалната конкурентоспособност, и една икономика, която изостане в изграждането му, ще плати цената и далеч извън дигиталния сектор. Регулаторите, инвеститорите и операторите вече третират дата центровете точно както заслужават: като тежка индустрия с планиране, отчетност и собствена енергийна стратегия.
Истинският въпрос на следващите няколко години не е дали AI харчи ток, защото отговорът е очевиден. Въпросът е как да направим необходимото, за да го имаме чист и устойчив: повече ядрена и възобновяема енергия, по-силни мрежи, по-добро охлаждане и по-умен софтуер. Защото вече трудно можем да си позволим да не го имаме.
Източници и допълнителна литература:
- Европейска комисия, Energy Performance of Data Centres: energy.ec.europa.eu
- Eurelectric, Powering Europe’s AI Future: A Two-Way Revolution: eurelectric.org
- IAEA Bulletin, Data Centres, Artificial Intelligence and Cryptocurrencies Eye Advanced Nuclear: iaea.org
- JLL, Is nuclear a viable power solution for data centers?: jll.com
- Carbon Brief, Explainer: How China is managing the rising energy demand from data centres: carbonbrief.org
- Brookings, Global energy demands within the AI regulatory landscape: brookings.edu
- CNBC, Europe AI energy electricity costs data centers (май 2026): cnbc.com
- EMI България, Изкуственият интелект и енергетиката: emi-bg.com
- 3e-news, Какво може да означава бумът на дата центрове за енергийния сектор: 3e-news.net
- EUDCA, Energy Efficiency Directive: eudca.org
Автор: Радослав Тодоров
Изображения: canva.com
Тази статия е част от специалния брой на сп. БГ Наука „Изкуственият интелект под лупа, Част 1“, можете да го свалите безплатно в PDF от тук>>
