Как MIT решает проблему углеродного следа генеративного ИИ
Исследователи MIT разрабатывают комплексные стратегии снижения энергопотребления дата-центров: от оптимизации GPU до долгосрочного хранения возобновляемой энергии и ИИ-инструментов для ускорения подключения зеленых источников к сети.
Энергетические потребности генеративного ИИ к 2030 году удвоятся и достигнут 945 тераватт-часов — это сопоставимо с энергопотреблением Японии. Международное энергетическое агентство прогнозирует, что около 60% этого роста будет покрыто ископаемым топливом, добавив 220 миллионов тонн углекислого газа в атмосферу. Исследователи MIT предлагают системный подход к решению этой проблемы через технологические инновации и умное управление операциями дата-центров.
Операционный и встроенный углерод
Виджай Гадепалли из MIT Lincoln Laboratory обращает внимание на недооцененный аспект: встроенный углерод от строительства дата-центров из стали, бетона и систем охлаждения. Крупнейший в мире дата-центр China Telecomm-Inner Mongolia занимает 10 миллионов квадратных футов с энергетической плотностью в 10-50 раз выше обычных офисов. Компании Meta и Google уже исследуют устойчивые строительные материалы для снижения углеродного следа инфраструктуры.
Гибкость рабочих нагрузок
Дипджоти Дека из MIT Energy Initiative разрабатывает модели гибких дата-центров, где ИИ-задачи нескольких компаний динамически перераспределяются для минимизации использования ископаемого топлива. Ключевая идея — разделять вычислительные операции во времени, выполняя их когда в сети доминирует возобновляемая энергия от солнца и ветра. Долгосрочные системы хранения энергии в дата-центрах могут стать переломным моментом, позволяя использовать накопленную зеленую энергию в пиковые периоды вместо дизельных генераторов.
ИИ для ускорения зеленой энергетики
Дженнифер Турлюк из Martin Trust Center отмечает парадокс: расширение возобновляемых источников не успевает за ростом ИИ. Процессы согласования новых энергопроектов занимают годы. Генеративный ИИ может ускорить исследования взаимосвязей новых проектов с энергосетью, оптимизировать прогнозы генерации солнечной и ветровой энергии, выполнять предиктивное обслуживание солнечных панелей и мониторить пропускную способность линий передач.
Каждый день на счету. Эффекты изменения климата не будут полностью известны, пока не станет слишком поздно что-то делать. Это шанс раз в жизни для инноваций и снижения углеродоемкости ИИ-систем.— Дженнифер Турлюк, MIT Martin Trust Center