[Rossi D]

Datová centra si budou muset vyrábět vlastní energii, účet ve finále zaplatí uživatelé



  Spotřeba elektřiny v datových centrech kvůli boomu AI roste tak rychle, že energetické sítě ji nedokážou dohnat. Podle Gartneru se nová datacentra staví rychleji, než dokážou energetické firmy přidávat zdroje, takže provozovatelé budou muset stále častěji část elektřiny vyrábět sami, například formou vlastních elektráren či dlouhodobých PPA kontraktů. Do roku 2028 má být plně závislých na klasické síti už jen asi 40 % nových datacenter, zbytek pojede v nějaké formě energetické soběstačnosti, a v horizontu kolem roku 2036 má asi 40 % nových center primárně spoléhat na lokálně vyráběnou „čistou“ energii z dnes ještě nekomerčních technologií. Náklady na tuto vlastní energetickou infrastrukturu se nakonec promítnou do cen cloudu a AI služeb, Gartner proto vyzývá zákazníky, aby se začali ptát poskytovatelů i na jejich energetickou strategii, ne jen na výkon a SLA. 
 
Kritika: Článek realisticky připomíná, že u cloudu a AI nejde jen o „magii v cloudu“, ale o brutálně konkrétní elektřinu, přesto celé pojetí zůstává v logice „víc datacenter, víc energie, víc technologií“. Chybí však základní otázka, jestli není problém i v samotné nezkrocené poptávce, zda opravdu potřebujeme tolik AI výpočtů, streamingu a digitálních služeb, zda je normální stavět u každého velkého DC vlastní elektrárnu. Představa, že desítky soukromých datových center budou mít své zdroje a kontrakty, zatímco běžný odběratel dostane na faktuře vyšší cenu, protože „AI žere“, není zrovna uklidňující. Místo další vrstvy technokratických prognóz by bylo poctivější mluvit i o střídmosti na straně poptávky, o priorizaci důležitých výpočtů a o tom, že energetická soběstačnost datacenter nesmí být jen eufemismus pro to, že účty za AI nakonec zaplatí běžní uživatelé a firmy na konci řetězce.
 

 

---

Toto je důvod, proč zdražují RAMky, grafiky, disky či mobily. Podívejte se na nejrychlejší AI systém Nvidia

 Nvidia začala nasazovat nový AI systém GB300 NVL72, který je aktuálně její nejvýkonnější sestavou pro umělou inteligenci. Jde o rackové řešení složené z více superčipů GB300: každý superčip kombinuje dva GPU čipy B300 (přes 20 tisíc CUDA jader a zhruba 208 miliard tranzistorů na kus) s procesorem Grace a má k dispozici 576 GB paměti HBM3e (288 GB na GPU) a 480 GB LPDDR5X v novém formátu LPCAMM. Celý NVL72 tak obsahuje desítky GPU a obrovské množství rychlé i systémové paměti, které při nasazení ve velkých clusterech doslova „vysávají“ výrobní kapacity DRAM a HBM čipů. To je klíčový důvod, proč v posledních měsících prudce rostou ceny RAM, SSD, grafických karet, mobilů a další elektroniky, výrobci pamětí dávají přednost vysoce maržovým AI serverům, zatímco běžný spotřebitelský trh se potýká s nedostatkem, a tedy i se zdražením.
 
Kritika: Příběh nejrychlejšího AI systému vypadá na fotkách impozantně, baterie GB300 v lesklém racku je ideálním symbolem „AI revoluce“. Je ale dobré nezapomenout na odvrácenou stranu, každé takové monstrum znamená stovky až tisíce gigabajtů špičkových pamětí, které pak chybí u běžných počítačů, telefonů a routerů. Výrobci pamětí logicky upřednostní datacentra s vysokými maržemi, takže koncový uživatel dostane dražší RAM, SSD i grafiku a výrobci se ani netají tím, že nechtějí výrobu znovu přestřelit jako v době covidu. Výsledek je, že náklady boomu AI nese v každodenním životě i ten, kdo žádné velké modely nepoužívá, za stejné PC či mobil zaplatí výrazně víc, protože někde v cizím datacentru běží další „nejrychlejší“ systém, který se musí nakrmit pamětí a elektřinou. Zdrženlivější přístup by se ptal nejen „kolik TFLOPS navíc získáme“, ale i kdo a čím tuhle honbu za výkonem reálně zaplatí na konci řetězce.