Dirbtinis intelektas greitai tampa lemiamu elektros paklausos Europoje veiksniu. Greitėjant AI diegimui, pagrindinis apribojimas yra perėjimas nuo skaičiavimo galios prie elektros tinklų pajėgumo, kad būtų galima sugerti dideles, nuolatines ir vietines apkrovas. Šiame tinklaraštyje nagrinėjama, kaip tinklo planavimo, prisijungimo taisyklių ir energijos reguliavimo atnaujinimas ir modernizavimas tampa svarbiais AI ateities ES veiksniais.
Ruben Maximiano ir Wouter Meester, EBPO Ekonomikos departamentas.
AI energetinė realybė
AI dažnai aptariama taip, tarsi jis veiktų nepriklausomai nuo fizinių sistemų. Praktiškai AI priklauso nuo didžiulio elektros energijos kiekio. Jos ateitį lems ne tik algoritmų pažanga ir skaičiavimo galia, bet ir kilovatvalandės – elektros sistemų gebėjimas tiekti energiją patikimai ir dideliu mastu.
Treniruotės ir bėgimo pasienio modeliai reikalauja nuolatinės ir vis didesnės galios. Pasak TEA, tipiškas į dirbtinį intelektą orientuotas duomenų centras jau sunaudoja tiek elektros energijos, kiek 100 000 namų ūkių, o didžiausiems naujiems objektams gali prireikti 20 kartų daugiau, todėl jie prilygsta mažų šalių suvartojimui (IEA, 2025).
Todėl svarbus privalomas AI diegimo apribojimas nebėra vien generavimas. Tai vis labiau didina elektros sistemų pajėgumą sugerti, transportuoti ir valdyti dideles, nuolatines ir geografiškai koncentruotas apkrovas, neprieštaraujant kitoms naudojimo sritims. Kaip neseniai EBPO Diagnostikos įrankis, skirtas sumažinti reguliavimo kliūtis saulės, vėjo ir hidroelektrinių saugykloms ES Ataskaita rodo, kad jų sprendimas taip pat apima geresnius reglamentus.
Energijos svarba DI diegimui matoma įmonių energijos tiekimo strategijose. Didžiosios technologijų įmonės dabar sudaro daugumą įmonių elektros energijos pirkimo sutarčių (EEPS) Europoje (žr. 1 pav.). Tačiau AI diegimo mastas ir greitis jau viršija tai, ką gali garantuoti tradiciniai EEPS. Siekdami užtikrinti ilgalaikį tiekimą, „Hyperscalers“ kreipiasi į tiesiogines investicijas į gamybą, įskaitant saulės, vėjo ir branduolinę energiją.
Apibendrinant, šie pokyčiai leidžia daryti išvadą, kad kita AI politikos riba yra ne tik tai, kiek elektros energijos pagaminama, bet ir apie tai, kaip tinklai planuojami, stiprinami ir tai labai priklauso nuo to, kaip bus reguliuojamos investicijos į tinklą ir prijungimo prie tinklo taisyklės.
ES sistemingai šalinti tokias kliūtis, teigiama EBPO pranešime Diagnostikos įrankis, skirtas sumažinti reguliavimo kliūtis saulės, vėjo ir hidroelektrinių saugykloms ESnustato reguliavimo kliūtis, kurios lėtina atsinaujinančių energijos šaltinių naudojimą ES ir riboja tinklo prieinamumą, o politikos formuotojams, siekiantiems pritaikyti energetikos taisykles, kad būtų galima diegti dirbtinį intelektą, yra aiški paralelė. Kadangi šis tinklaraštis yra pagrįstas šiuo darbu, jis daugiausia susijęs su ES praktika ir energijos deriniu.
Pasaulinis AI ir vietiniai tinklai
Nors pasaulinis dirbtinio intelekto elektros poreikis tebėra nedidelis (numatoma, kad iki 2030 m. jis pasieks 3 % visame pasaulyje, o ES – 4,5 %) (IEA 2025 m., 2025 m. rugpjūtis), jos poveikis labai koncentruotas. Duomenų centrai telkiasi vietose, kuriose yra tvirtas šviesolaidinis ryšys, palankios vėsinimo sąlygos, žemos elektros kainos ir greita bei patikima prieiga prie tinklo. Ši koncentracija padidina spaudimą vietiniams tinklams ir atskleidžia esamų planavimo ir prijungimo sistemų ribas.
Airija iliustruoja šią riziką. 2023 m. duomenų centrai sunaudojo apie 21 % visos elektros energijos, palyginti su 5 % 2015 m. Dėl susidariusios įtampos tinkle kilo problemų dėl tiekimo saugumo, todėl perdavimo sistemos operatorius iki 2028 m. nustojo priimti paraiškas dėl naujų duomenų centrų Dubline (Ember, 2025, CRU, 2025). Reaguodama į tai, nacionalinė reguliavimo institucija įveda daugybę reguliavimo pakeitimų, įskaitant reikalavimus naujiems duomenų centrams vietoje įrengti dispečerines generavimo ar saugojimo patalpas.
Šalys, kuriose yra gausesnė ir įperkama elektros energija bei stipresni tinklai, turi santykinį pranašumą duomenų centrų išsidėstymui. Pavyzdžiui, Šiaurės šalys tapo patraukliomis dirbtinio intelekto vietomis dėl gausios energijos, stiprių tinklų ir mažai anglies dioksido į aplinką išskiriančių bazinių apkrovų (2025 m. mėn.). Žvelgiant plačiau, TEA analizė rodo, kad jurisdikcijos, siūlančios žymiai greitesnius prisijungimo prie tinklo terminus, iki 2030 m. galėtų užfiksuoti iki 20 % daugiau duomenų centrų (IEA, 2025).
Kaip AI pabrėžia elektros energijos sistemas
Šis spaudimas pasireiškia trimis tarpusavyje susijusiais laiko intervalais. Ilgainiui dideliems dirbtinio intelekto miesteliams reikia perdavimo ir paskirstymo tinklų, turinčių pakankamą prieglobos pajėgumą, tačiau tinklo išplėtimas ir leidimų išdavimas dažnai užtrunka 5–10 metų. Dėl to būtinas išankstinis planavimas ir duomenų centro vietos nustatymo, investicijų į tinklą ir vietinės gamybos koordinavimas. Ne mažiau svarbus yra tinklo optimizavimas: sistemos efektyvumo gerinimas per skaitmeninimą ir AI pagrįstą sistemų valdymą.
Vidutinės trukmės laikotarpiu neefektyvios ryšio taisyklės tapo privalomu apribojimu. Ilgos eilės, spekuliacinės paraiškos ir taisyklės „pirmas atėjai, tas pirmas“, atitolina perspektyvius projektus ir iškraipo planavimą. Realiuoju laiku dirbtinio intelekto darbo krūviai sukelia greitus galios svyravimus – daug greičiau nei tradicinės pramoninės apkrovos, o tai kelia iššūkį dažnio stabilumui ir įtampos valdymui.
Norint įveikti šį spaudimą, reikalingos reguliavimo sistemos, kurios leistų ne tik sustiprinti fizinį tinklą, bet ir optimizuoti skaitmeninimą, lankstumo viešųjų pirkimų ir stabilumo paslaugas, o sistemos operatoriams kartu su tradiciniu kapitalo turtu investuoti į programinę įrangą ir operacinius sprendimus.
Diagnostikos priemonė rodo, kad pagrindiniai reguliavimo sistemos elementai, padedantys sumažinti šį spaudimą, būtų:
- Numatytos investicijos į tinklą, paremtos aiškiomis sąnaudų susigrąžinimo taisyklėmis.
- Kriterijais pagrįstos prisijungimo eilės, skirtos paruoštiems ir sistemai naudingiems projektams teikti pirmenybę.
- Prieglobos talpos žemėlapiai, padedantys efektyviai nustatyti vietą.
- Lankstus prieigos susitarimas, įskaitant netvirtas ir hibridines jungtis.
- Tarifas ir rinkos dizainas, vertinantis lankstumo ir stabilumo paslaugas.
Kaip šalys reaguoja
Šalys vis labiau pritaiko elektros energijos reguliavimą, kad valdytų labai lokalizuotą AI skatinamos paklausos poveikį tinklui. Vyriausybės eksperimentuoja įvairiose elektros energijos sistemos dalyse. Europoje Italija tobulina vietos planavimą, naudodama išsamius prieglobos pajėgumų žemėlapius; Portugalija perskirsto nepanaudotus pajėgumus ir supaprastina saugyklų licencijavimą; JK reformuoja prisijungimo eiles, pirmenybę teikdama projektams, kurie yra „pirmas paruoštas, pirmas prijungtas“; Nyderlandai taiko spūsčių valdymo zonas ir prioritetų nustatymo kriterijus; ir Suomija integruoja duomenų centrus į šilumos atgavimo ir švarios energijos strategijas.
Nepaisant šios įvairovės, atrodo, kad atsiranda bendrų politikos pamokų. Prieiga prie tinklo nebegali būti traktuojama kaip paprasta administracinė eilė ir jai reikia nustatyti prioritetus pagal pasirengimą. Vietovės skaidrumas yra labai svarbus siekiant veiksmingai investuoti. Lankstumas ir skaitmeninis optimizavimas turi papildyti tradicinį tinklo stiprinimą. Galiausiai, tinklo planavimas ir leidimų išdavimas turi tapti numatomais, o ne reaguojančiais. Šiuos principus taikančios šalys yra geriau pasirengusios patenkinti AI masto paklausą, kartu išsaugodamos patikimumą ir įperkamumą.
Suteikia energijos intelekto amžiui
Dirbtinis intelektas pertvarko elektros poreikį tokiu mastu, kuris dabar yra ekonominės strategijos pagrindas. Patikimo, prieinamo ir mažai anglies dioksido į aplinką išskiriančio tiekimo užtikrinimas tampa būtina skaitmeninių investicijų pritraukimo ir išlaikymo sąlyga. Dirbtinio intelekto amžiuje konkurencingumą, savarankiškumą ir atsparumą vis labiau lems ne tik duomenys ir algoritmai, bet ir skaičiavimo infrastruktūrą bei jų elektros sistemas reglamentuojančios taisyklės.
EBPO ir ES diagnostikos priemonė vyriausybėms siūlo praktinį veiksmų planą, kaip modernizuoti reguliavimo sistemas ir suderinti jas su daug elektros energijos naudojančios skaitmeninės ekonomikos poreikiais.
* Šiandien, 29 d., pristatysime diagnostikos įrankįth sausio mėn. Galite užsiregistruoti čia.
Nuorodos
CRU, „Didelių energijos vartotojų ryšio politika“, 2025 m. gruodžio mėn., https://cruie-live-96ca64acab2247eca8a850a7e54b-5b34f62.divio-media.com/documents/CRU2025236_Large_Energy_User_connection_pacyper.decision_pacyper.
Ember, 2025 m., Tinklai duomenų centrams: ambicingas tinklo planavimas gali laimėti Europos AI lenktynes, https://ember-energy.org/app/uploads/2025/06/Grids-for-data-centres-in-Europe.pdf
IEA, 2025, Energija ir dirbtinis intelektas, Pasaulio energijos perspektyvos specialioji ataskaita
EBPO, 2025 m., EBPO ir ES diagnostikos priemonė, skirta mažinti reguliuojamas kliūtis saulės, vėjo ir hidroelektrinių saugykloms
Naujausi įrašai
Sužinokite daugiau iš ECOSCOPE
Prenumeruokite, kad gautumėte naujausius pranešimus į jūsų el.
Nuoroda į informacijos šaltinį