Serwery NVIDIA AI odnotowują stukrotny wzrost zużycia energii — czy globalne zasoby energii wystarczą na zaspokojenie rosnącego zapotrzebowania na sztuczną inteligencję?

Ostatnie osiągnięcia w dziedzinie technologii serwerowej AI firmy NVIDIA ujawniają gwałtowny wzrost zapotrzebowania na energię, co budzi poważne obawy o kwestie związane ze zrównoważonym rozwojem w obliczu szybkiego wzrostu.

Przejście firmy NVIDIA z Ampere na Kyber: prognoza wzrostu zużycia energii

W miarę jak sektor sztucznej inteligencji (AI) przyspiesza w kierunku zwiększania możliwości obliczeniowych, firmy chętnie wprowadzają innowacje sprzętowe lub budują rozległe klastry AI. To przedsięwzięcie, napędzane przez wiodące firmy, takie jak OpenAI i Meta, dążące do osiągnięcia takich kamieni milowych jak sztuczna inteligencja ogólna (AGI), skłoniło producentów, a w szczególności firmę NVIDIA, do agresywnego wzmocnienia swoich linii produktów. Najnowsze spostrzeżenia analityka Raya Wanga ilustrują niepokojący trend: każda kolejna generacja serwerów AI firmy NVIDIA wiąże się z drastycznym wzrostem zapotrzebowania na energię, na co wskazuje przewidywany 100-krotny wzrost zużycia energii od generacji Ampere do nowej architektury Kyber.

Rosnące zużycie energii w kolejnych generacjach serwerów $NVDA AI.pic.twitter.com/BM4KSUEIbk

— Ray Wang (@rwang07) 15 października 2025

Wzrost mocy obliczeniowej serwerów NVIDIA można przypisać wielu czynnikom. Najważniejszą z nich jest zwiększenie liczby procesorów graficznych w danej szafie rack, co z biegiem lat doprowadziło do wzrostu wartości TDP (Thermal Design Power).Na przykład, podczas gdy architektura Hopper osiągała moc około 10 kW na obudowę, konfiguracje Blackwell zbliżają tę wartość do 120 kW ze względu na wyższą gęstość procesorów graficznych. NVIDIA nie wahała się zwiększać mocy obliczeniowej, aby sprostać zapotrzebowaniu branży na moc obliczeniową, jednak ta tendencja wzrostu budzi poważne obawy dotyczące zużycia energii.

Wykres przedstawiający wzrost mocy serwera z Ampere 10 kW w 2020 r.do Rubin Ultra 1000 kW+ w 2028 r., oznaczony obrazami serwerów.

Ponadto innowacje, takie jak zaawansowane technologie NVLink/NVSwitch, wraz z najnowocześniejszymi generacjami szaf rack i zwiększonym wskaźnikiem wykorzystania, znacząco przyczyniły się do wzrostu zapotrzebowania na energię w hiperskalowych centrach danych. To rosnące zapotrzebowanie przekształciło konkurencję między dużymi firmami technologicznymi w wyścig o największe kampusy AI w skali rack, a wskaźniki zużycia energii są obecnie mierzone w gigawatach. Przewiduje się, że firmy takie jak OpenAI i Meta zwiększą swoje moce obliczeniowe o ponad 10 GW w najbliższej przyszłości.

Niemarkowe jednostki serwerowe z widocznymi kablami i złączami, umieszczone w czarnych szafach serwerowych połączonych rurami. — Źródła obrazów: NVIDIA

Aby zobrazować skalę tego zużycia energii, szacuje się, że 1 GW zapotrzebowania na energię generowanego przez hiperskalery AI mogłoby zasilić około miliona amerykańskich domów, nie uwzględniając dodatkowych kosztów energii związanych z chłodzeniem i dostawą prądu. To rosnące zużycie pokazuje, że niektóre centra danych mogą wkrótce potrzebować tyle samo energii, co kraje średniej wielkości lub duże stany USA, co budzi poważne obawy dotyczące zużycia energii na poziomie lokalnym i krajowym.

Badania Międzynarodowej Agencji Energetycznej (IEA) z 2025 roku przewidują, że do 2030 roku sztuczna inteligencja potencjalnie podwoi zużycie energii elektrycznej, zwiększając je prawie czterokrotnie w stosunku do obecnego tempa wzrostu sieci elektroenergetycznej. Co więcej, szybki rozwój centrów danych na całym świecie może prowadzić do wzrostu kosztów energii elektrycznej dla gospodarstw domowych, szczególnie w regionach położonych w pobliżu tych istotnych infrastruktur. W związku z tym Stany Zjednoczone, wraz z innymi krajami zaangażowanymi w wyścig sztucznej inteligencji, stoją przed palącym wyzwaniem energetycznym, które wymaga pilnej uwagi.

Źródło i obrazy