Dirbtinis intelektas (AI) vis dažniau tampa pagrindine elektros vartojimo varomąja jėga Europoje. Nors skaičiavimo galia anksčiau buvo svarbiausias kliūčių veiksnys, spartėjant AI plitimui, dėmesys vis labiau perkeliamas į elektros tinklų pajėgumą atlaikyti dideles, pastovias ir erdviškai koncentruotas apkrovas. Šiame tinklaraštyje nagrinėjama, kaip atnaujinti ir modernizuoti tinklo planavimą, prijungimo prie tinklo taisykles ir energijos reguliavimą yra labai svarbūs AI ateičiai ES.
Ruben Maximiano ir Wouter Meester, EBPO Ekonomikos departamentas
Taip pat galima rasti anglų kalba: „Wired for Power“: energija už AI revoliucijos
Kiek energijos reikia AI?
Viešose diskusijose dažnai susidaro įspūdis, kad AI veikia nepriklausomai nuo fizinių sistemų. Tiesą sakant, dirbtinis intelektas reikalauja didžiulio elektros energijos kiekio. Jų ateitis priklauso ne tik nuo algoritmų ir skaičiavimo galios pažangos, bet ir nuo kilovatvalandžių – elektros sistemų gebėjimo patikimai ir masiškai tiekti elektros energiją.
Mokymas ir naujausių AI modelių naudojimas sukelia nuolatinį ir nuolat augantį elektros energijos poreikį. TEA duomenimis, šiuo metu tipiškas AI duomenų centras sunaudoja tiek elektros energijos, kiek 100 000 namų ūkių. Didžiausiems naujiems duomenų centrams gali prireikti net dvidešimt kartų daugiau elektros energijos, atitinkančios mažos šalies elektros suvartojimą (IEA, 2025).
Todėl vien elektros gamyba nebėra vienintelis veiksnys, ribojantis tolesnį AI plitimą. Elektros sistemų gebėjimas sugerti, transportuoti ir valdyti dideles, pastovias ir geografiškai sutelktas apkrovas nesukeliant konfliktų su kitomis naudojimo rūšimis dabar vaidina vis svarbesnį vaidmenį. Kaip ir dabartinis EBPO tyrimas Diagnostikos įrankis, skirtas sumažinti reguliavimo kliūtis saulės, vėjo ir hidroelektrinių saugykloms ES rodo, kad taip pat reikalingas geresnis reglamentavimas.
Pagrindinė energijos svarba diegiant dirbtinį intelektą matoma įmonių energijos pirkimo strategijose. Didelė dalis ilgalaikių įmonių elektros pirkimo sutarčių (įmonių elektros energijos pirkimo sutartys – įmonių EEPS) Europoje dabar priskiriama „Big Tech“ (žr. 1 pav.). Tačiau AI diegimo mastas ir greitis jau reikalauja daugiau galios, nei gali suteikti tradiciniai EEPS. Todėl hiperskaleriai vis dažniau tiesiogiai investuoja į elektros gamybą, pvz. B. naudojant fotovoltinę, vėjo ir branduolinę energiją, kad būtų užtikrintas ilgalaikis jų tiekimas.
Apskritai šie pokyčiai rodo, kad kitas didelis AI politikos iššūkis yra ne tik pakankamai elektros energijos gamyba, bet ir tinkamas tinklo planavimas bei stiprinimas. Tai labai priklauso nuo investicijų į tinklą reglamentavimo ir tinklo prijungimo taisyklių.
EBPO tyrime teigiama, kad šios kliūtys ES turėtų būti sistemingai mažinamos Diagnostikos įrankis, skirtas sumažinti reguliavimo kliūtis saulės, vėjo ir hidroelektrinių saugykloms ES reguliavimo kliūtis, kurios stabdo atsinaujinančios energijos plėtrą ES ir riboja tinklo prieinamumą, ir pabrėžia politikos formuotojų galimybes skatinti dirbtinio intelekto įgyvendinimą pritaikant energetikos reguliavimą. Kadangi šis tinklaraštis pagrįstas minėtu tyrimu, jame daugiausia kalbama apie ES taikomus metodus ir energijos rūšių derinį.
Pasaulinis AI susitinka su vietiniais elektros tinklais
Pasauliniu mastu, nors dirbtinio intelekto elektros poreikis išlieka nedidelis (numatoma, kad iki 2030 m. jis padidės iki 3 % visame pasaulyje ir 4,5 % ES) (IEA, 2025; Ember, 2025), su DI susijęs elektros energijos vartojimo poveikis yra labai koncentruotas. Duomenų centrai sutelkti vietose, kuriose yra stabilios šviesolaidinės jungtys, palankios vėsinimo sąlygos, žemos elektros kainos ir greita bei patikima prieiga prie tinklo. Šis klasterio formavimas padidina spaudimą vietiniams elektros tinklams ir išstumia esamas planavimo ir tinklų sujungimo struktūras iki jų ribų.
Šios rizikos paaiškėja Airijos pavyzdžiu. 2023 m. duomenų centrai sudarė apie 21 % Airijoje suvartojamos elektros energijos, palyginti su 5 % 2015 m. Tai ypač pasakytina apie Dublino sritį, kur duomenų centrai suvartoja maždaug pusę visos pagaminamos elektros energijos. Didžiulė įtampa elektros tinkle kelia susirūpinimą dėl tiekimo saugumo, todėl perdavimo sistemos operatorius nustojo priimti paraiškas dėl naujų duomenų centrų Dubline iki 2028 m. (Ember, 2025; CRU, 2025). Nacionalinė reguliavimo institucija į pokyčius sureagavo atlikdama daugybę reguliavimo pakeitimų. Pavyzdžiui, nauji duomenų centrai turi būti aprūpinti valdomomis generavimo ar saugojimo galimybėmis.
Šalys, turinčios daugiau ir pigesnės elektros energijos ir geresnius tinklus, turi santykinį pranašumą, kai reikia rasti duomenų centrus. Pavyzdžiui, Šiaurės šalys yra ypač populiarios dėl gausaus energijos tiekimo, stiprių tinklų ir CO2– prastas bazinės apkrovos pasiūla tapo patraukliomis AI tikslinėmis šalimis (Ember, 2025). Apskritai, remiantis TEA analizėmis, valstybėse, kuriose tinklo prisijungimo laikas yra žymiai greitesnis, iki 2030 m. duomenų centrai gali išaugti iki 20 % (IEA, 2025).
Kaip dirbtinis intelektas sukelia įtampą elektros sistemoms
Energijos sistemų įtampa pasireiškia trimis persidengiančiais laiko aspektais. Ilgainiui didelėms dirbtinio intelekto vietoms reikia pakankamai pajėgumų perdavimo ir paskirstymo tinklų, tačiau tinklo išplėtimas ir būtinos patvirtinimo procedūros dažnai užtrunka nuo penkerių iki dešimties metų. Todėl būtina iš anksto planuoti ir derinti duomenų centrų vietą su investicijomis į tinklą ir vietine elektros gamyba. Tinklo optimizavimas yra vienodai svarbus, t.y. h. sistemos efektyvumo gerinimas per skaitmeninimą ir dirbtiniu intelektu pagrįstą sistemų valdymą.
Vidutinės trukmės laikotarpiu neefektyvios prisijungimo prie tinklo taisyklės yra ribojantis veiksnys. Ilgos eilės, spekuliacinės paraiškos ir procedūros „pirmas atėjai, tas pirmas“ atitolina perspektyvius projektus ir iškraipo planavimą. Ir šiandien AI naudojimas jau sukelia sparčius elektros energijos sistemos svyravimus, kurie yra daug dramatiškesni nei naudojant tradicines pramonines apkrovas ir sukelia dažnio stabilumo bei įtampos valdymo problemų.
Norint valdyti šį spaudimą, būtinos norminės bazės, kurios skatintų ne tik fizinį elektros tinklų stiprinimą, bet ir elektros sistemos optimizavimą per skaitmeninimą, lankstumo pirkimus ir stabilumo paslaugas, o sistemos operatoriai kartu su tradiciniu ilgalaikiu turtu galėtų investuoti į programinę įrangą ir operacinius sprendimus.
Pagal diagnostikos įrankį, be kita ko: Šie esminiai reguliavimo sistemos elementai prisideda prie elektros sistemos naštos mažinimo:
- Į ateitį orientuotos investicijos į tinklą, paremtos aiškiomis nusidėvėjimo taisyklėmis
- Kriterijai pagrįstos tinklo prisijungimo eilės su prioritetais pagal projektų brandos lygį ir sistemos naudą
- Tinklo pajėgumų žemėlapiai, palengvinantys efektyvius vietos nustatymo sprendimus
- lanksčios prieigos taisyklės, pvz., B. lanksčios arba hibridinės tinklo jungtys
- Tarifų ir rinkos modeliai, atspindintys lankstumo ir stabilumo paslaugų vertę
Kaip šalys sprendžia šį iššūkį?
Šalys vis labiau pritaiko savo elektros sistemų reguliavimą, kad būtų atsižvelgta į AI skatinamos paklausos poveikį elektros tinklams. Vyriausybės daro įvairius pakeitimus. Pavyzdžiui, Europoje Italija tobulina vietos planavimą, sudarydama išsamius tinklo pajėgumų žemėlapius, o Portugalija perskirsto nepanaudotus pajėgumus ir supaprastina saugojimo pajėgumų licencijavimą. Jungtinė Karalystė reformuoja prisijungimo prie tinklo eiles taikydama prioritetą „pirmas pasiruošęs, pirmas prijungtas“, Nyderlandai įveda perkrovos valdymo zonas ir prioritetų nustatymo kriterijus, o Suomija integruoja duomenų centrus į šilumos atgavimo ir žaliosios energijos strategijas.
Nepaisant šių skirtingų požiūrių, atsiranda bendrų išvadų. Pavyzdžiui, tinklo prieigos užklausos nebegali būti traktuojamos kaip paprasta administracinė eilė; Atvirkščiai, projektai turi būti suskirstyti į prioritetus pagal jų brandos lygį. Vieta pagrįstas skaidrumas yra labai svarbus siekiant skatinti veiksmingas investicijas. Tradicinis tinklo stiprinimas turi būti papildytas lankstumo mechanizmais ir skaitmeniniu optimizavimu. Be to, tinklo planavimo ir patvirtinimo procesai turi būti suprojektuoti taip, kad būtų numatyti, o ne reaguojantys. Šalys, kurios laikosi šių principų, galės geriau patenkinti išaugusį dirbtinio intelekto energijos poreikį, kartu užtikrindamos elektros tiekimo patikimumą ir įperkamumą.
Energijos strategijos dirbtinio intelekto amžiuje
Dirbtinio intelekto įtaka elektros paklausai dabar yra pagrindinė ekonominės strategijos dalis. Užtikrinti patikimą, prieinamą ir CO2– prastas maitinimo šaltinis vis labiau tampa svarbia prielaida norint pritraukti ir išlaikyti skaitmenines investicijas ilguoju laikotarpiu. Dirbtinio intelekto amžiuje konkurencingumą, savarankiškumą ir atsparumą lemia ne tik duomenys ir algoritmai, bet vis labiau ir reguliavimas, kuriam taikoma skaičiavimo infrastruktūra ir energijos sistemos.
EBPO/ES diagnostikos priemonė suteikia vyriausybėms praktinį vadovą, kaip modernizuoti ir pritaikyti savo reguliavimo sistemą prie daug elektros energijos suvartojančios skaitmeninės ekonomikos poreikių.
Šaltiniai
CRU (2025), „Large Energy Users Connection Policy“, Sprendimo dokumentas, Komunalinių paslaugų reguliavimo komisija, Dublinas, https://cruie-live-96ca64acab2247eca8a850a7e54b-5b34f62.divio-media.com/documents/CRU2025236_Large_Energy_User_connection_policy_decision_paper.pdf.
Ember (2025), Tinklai duomenų centrams: ambicingas tinklo planavimas gali laimėti Europos AI lenktynesEmber, Londonas, https://ember-energy.org/app/uploads/2025/06/Grids-for-data-centres-in-Europe.pdf.
IEA (2025), Energija ir AIWorld Energy Outlook Special Report, TEA, Paryžius, https://www.iea.org/reports/energy-and-ai/.
EBPO (2025 m.), Diagnostikos įrankis, skirtas sumažinti reguliavimo kliūtis saulės, vėjo ir hidroelektrinių saugykloms Europos Sąjungoje: nacionalinės politikos formuotojų įgalinimas, Regioninis ir vietinis lygiaiOECD Publishing, Paryžius, https://doi.org/10.1787/15f4aed4-en.
Tolesnis skaitymas
Nuoroda į informacijos šaltinį