Václav Skoblík: AI a energetika. Datacentra spotřebují do roku 2030 více elektřiny než Japonsko

Ilustrační snímek.

Licence | Některá práva vyhrazena

Foto | David Prasad / Flickr

Podle zprávy Energy and AI vzroste globální spotřeba elektřiny datovými centry z 415 TWh v roce 2024 (2% celkové spotřeby elektřiny) na 945 TWh v roce 2030. Jen pro kontext: Japonsko mělo v roce 2023 spotřebu přibližně 918 TWh, takže datacentra v roce 2030 překonají jednu z největších světových ekonomik. Hlavním tahounem růstu je rozmach umělé inteligence, především generativní AI. Poptávka po výpočetním výkonu vede k masivnímu nasazování grafických procesorů, které jsou extrémně energeticky náročné. Pro rozvoj AI, datových center a superpočítačů jsou však klíčové.

USA, Čína a Evropa: geografické rozložení spotřeby

IEA předpovídá, že Spojené státy a Čína budou odpovědné za téměř 80 % globálního nárůstu. Jen v USA poroste spotřeba o 240 TWh (+130 %), v Číně o 175 TWh (+170 %). V Evropě bychom měli zaznamenat růst o 45 TWh (+70 %).

Odkud elektřinu vezmeme?

Aby svět toto všechno pokryl, bude potřeba obrovských investic:

• Obnovitelné zdroje: podíl by měl stoupnout ze současných 27 % na 50 % v roce 2030.

• Zemní plyn: očekává se nárůst výroby o 175 TWh.

• Jaderná energie: stabilní zdroj, aktuálně cca 15 % spotřeby datových center.

U obnovitelných zdrojů ale budeme stále narážet na střety s realitou zejména ve dvou aspektech. Nikde (kromě Tromsø nebo Svalbard, ale jen polovinu roku) nesvítí slunce 24 hodin denně, zatímco datová centra elektřinu celý den potřebují. Větrné a solární elektrárny jsou v místech, kde datová centra nejsou a nebudou. Musíme proto vybudovat přenosovou infrastrukturu.

Bezpečnou cestou je proto zemní plyn. Můžeme využít jak plynové elektrárny, tak i elektrárny na bázi palivových článků. Jedná se o vyzkoušené a stabilní technická řešení. Jediným omezujícím prvkem je doba výstavby a kapacity dodavatelů jednotlivých částí elektráren. Zbývá jádro, které je nejperspektivnější, obzvláště malé modulární reaktory. Jejich výkony do 300 MW odpovídají výkonům hyperscale datových center. Pro SMR Zatím existují pouze dvě funkční instalace – jedna v Číně (elektrárna Shidao Bay 2x250 MW ) a druhá v Rusku (plovoucí elektrárna Akademik Lomonosov 70 MW). Další projekt je před dokončením opět v Číně ACP100 / Linglong One v Changjiang, který je ve výstavbě s cílem jej spustit v roce 2026. Každý projekt je postaven na jiném technologickém konceptu a celá řada dalších se vyvíjí, včetně řešení SMR Rolls-Royce, který uzavřel s ČEZ smlouvu o spolupráci. Tyto reaktory jsou jedinou bezemisní možností výroby elektřiny pro datová centra. Pokud budeme velkými optimisty, tak se tu bavíme o době někdy po roce 2035.

Hrozby: síťová infrastruktura a surovinová závislost

IEA upozorňuje, že bez rychlých investic do přenosových sítí může až 20 % plánovaných datových center v provozu později, než je v plánu. Rizikem jsou i dodavatelské řetězce, podívejme se na kov gallium, jeden z klíčových prvků pro trh s polovodiči. Čína se podílí přibližně 99 % na globální rafinaci gallia. Poptávka po tomto kovu ze strany provozovatelů datových center by přitom mohla do roku 2030 dosáhnout více než 10 % dnešní světové nabídky.

Potenciál AI zatím nevyužitý

Zpráva IEA také konstatuje, že k efektivitě celého energetického sektoru přispěje větší zapojení umělé inteligence (AI) – od výroby, přes přenos až po spotřebu. Pokud bude nasazena cíleně a v dostatečné míře, pomůže řídit poptávku, optimalizovat provoz elektráren nebo snižovat ztráty v distribučních sítích. „AI má potenciál optimalizovat řízení zásob, výroby a spotřeby energie napříč celým hodnotovým řetězcem. Ale sektor energetiky zatím tento potenciál nevyužívá kvůli nedostatku přístupu k datům, odborným kapacitám a obavám o bezpečnost,“ uvádí IEA ve své zprávě.

Vhodně nasazená AI může například:

• Predikovat zatížení sítě s vysokou přesností a tím předcházet výpadkům.

• Automaticky optimalizovat spotřebu v průmyslových provozech.

• Umožnit flexibilní řízení spotřeby (např. zapínání zařízení v době nižší zátěže).

• Zlepšit údržbu infrastruktury díky prediktivní analytice.

• Efektivněji využívat obnovitelné zdroje, jejichž výroba je proměnlivá a těžko předvídatelná a s tím i s pomocí strojového učení lépe plánovat akumulaci energie nebo obchodování s elektřinou.

Přes tento potenciál IEA upozorňuje, že energetický sektor v začlenění AI zaostává a důvod? Omezený přístup k relevantním datům, nedostatek odborníků na datovou analytiku a také oprávněné obavy o kybernetickou bezpečnost – především v kontextu kritické infrastruktury. „Navzdory potenciálu AI k redukci emisí a zvýšení efektivity, je její implementace ve světové energetice zatím spíše výjimkou než pravidlem,“ uvádí dokument IEA.

Z výše uvedeného vyplývá, že spotřeba poroste tempem, na které nejsou dnešní výrobní i přenosové a distribuční energetické infrastruktury připraveny. V tomto ohledu nebude rozhodující jen to, kolik elektřiny vyrobíme, ale jak spolehlivě a jak chytře s ní budeme nakládat.