Gaano Karaming Kuryente ang Talagang Kailangan ng Isang Data Center?
"Bigyan mo ako ng libreng isang araw na paglilibot sa mga hutong ng Beijing nang walang pag-aalinlangan."
"Alisin mo 'yang mga taong dumadaan sa litratong ito, panatilihin mo itong natural."
"Palitan ang nilagang pato sa video ng pagsagip ng fox sa niyebe ng inasnang pato."
Alin sa mga mungkahing ito ng AI ang mas makakakonsumo ng kuryente?
Ilang taon na ang nakalilipas, ang power load (kinakailangan sa kapasidad) ng isang data center ay kadalasang nasa sampu-sampung megawatts (MW) na hanay. Gayunpaman, dahil sa paglago ng demand sa power ng AI computing, patuloy na tumataas ang demand sa power ng mga data center. Ayon sa isang ulat ng International Energy Agency (IEA), ang pandaigdigang konsumo ng kuryente sa data center ay humigit-kumulang 415 terawatt-hours (TWh) noong 2024, at maaaring tumaas sa humigit-kumulang 945 terawatt-hours (TWh) pagsapit ng 2030 (ito ay maaaring magbago depende sa sitwasyon).
Bilang paghahambing, ang taunang paglikha ng kuryente ng Three Gorges Dam noong 2025 ay humigit-kumulang 95.715 bilyong kilowatt-oras (95.715 terawatt-oras). Samakatuwid, ang konsumo ng kuryente ng pandaigdigang data center ay katumbas ng humigit-kumulang apat na taunang paglikha ng kuryente ng Three Gorges Dam.
Balik tayo sa unang tanong: ang pagkonsumo ng enerhiya ng isang kahilingan sa AI ay walang takdang halaga at apektado ng maraming salik tulad ng laki ng modelo, haba ng output, inference chain, concurrency, hardware, at data center. Ang mga pangkalahatang trend ay:
Ang simpleng teksto, maiikling output, at mas kaunting mga hakbang sa paghihinuha ay karaniwang mas matipid sa enerhiya. Ang kumplikadong paghihinuha, mga diyalogong may maraming turno, at mahahabang output ay makabuluhang nagpapataas ng computational load.
Ang pagbuo ng kumplikadong imahe sa pangkalahatan ay mas masinsinang pagkalkula kaysa sa simpleng teksto.
Ang pagbuo ng video/mahahabang gawain sa pag-eedit ng video ay kadalasang nagpapakita ng pinakamalaking pagtaas sa konsumo ng enerhiya.
Ang pagpaplano ng kuryente ay kailangang iayon sa pagtatayo ng AI data center.
Ang tradisyunal na pagpaplano ng kuryente ay kadalasang tumatakbo sa loob ng ilang dekada; gayunpaman, ang siklo ng pag-unlad ng mga hyperscale data center ay mas maikli, na nangangailangan ng mahigpit na pagkakahanay sa pagitan ng suplay ng kuryente at mga market window. Kabilang sa mga karaniwang praktikal na limitasyon sa pagpapatupad ang:
Ang mga proyekto sa data center ay maaaring abutin ng maraming taon para lamang maitayo, hindi pa kasama ang oras na kinakailangan upang mag-komisyon ng mga bagong pinagmumulan ng kuryente.
Ang mga bagong planta ng kuryente na pinapagana ng gas ay kadalasang napapailalim sa mga paghihigpit tulad ng mga permit, gasolina, at mga kondisyon ng pipeline, na may mga siklo ng pagkomisyon na maaaring umabot ng 8-10 taon. Mahaba ang oras ng paghahatid para sa mga kritikal na kagamitan tulad ng malalaking transformer, circuit breaker, turbine, at mga prefabricated substation, na kadalasang nangangailangan ng pagpaplano nang maraming taon nang maaga.
Mula sa pananaw ng sektor ng kuryente, hindi maaaring malampasan ng kapital at ng pagkaapurahan ang mga proseso ng pisikal na konstruksyon at regulasyon. Samakatuwid, kailangang isaayos ng magkabilang panig ang kanilang mga estratehiya: dapat ipagbigay-alam nang mas maaga sa mga data center ang kanilang aktwal na pangangailangan, at dapat makialam nang mas maaga ang mga kompanya/utility ng kuryente sa mga solusyon sa supply ng kuryente at pagpili ng disenyo upang mabawasan ang mga hindi pagkakatugma at mga pag-ulit sa proseso ng "pagpaplano-pagpapatupad".
Ang matinding panahon ay nagpapalala sa pangangailangan sa kuryente.
Ang matinding panahon ay lalong nagiging madalas nitong mga nakaraang taon. Bago pa man maidagdag ang buong dami ng mga data center, patuloy na sinusubok na ng matinding panahon ang mga limitasyon ng power grid.
Tumataas ang mga residential cooling load, na pinipilit ang system scheduling na gumawa ng mahihirap na pagpili sa ilalim ng mataas na pressure. Dahil sa paglago ng mga hyperscale data center, kung walang maingat na integrasyon, ang malalaking load ay magpapahirap sa pagtiyak ng pagiging maaasahan. Isinasagawa rin ang mga talakayan sa regulasyon at lehislatura kung ipatutupad ang mga pagbawas ng load para sa malalaking industrial user tulad ng mga data center sa mga emergency na sitwasyon upang matiyak ang prayoridad para sa mga life-critical load. Nangangahulugan ito na kailangan ng mga kompanya ng kuryente ng mga institusyonal at teknolohikal na kaayusan na may "reductive capacity" habang binabalanse ang mga kontrata, relasyon sa customer, at pangmatagalang pakikipagsosyo.
Sa pagharap sa susunod na bugso ng paglago ng demand, ang mga power grid at data center ay nangangailangan ng "mas mabilis at mas matatag" na imprastraktura.
Habang patuloy na tumataas ang mga pangangailangan sa enerhiya mula sa mga data center at AI, ang mga utility company ay dapat bumuo ng mas maselang balanse sa pagitan ng pagpapalawak at pagiging maaasahan.
Sa prosesong ito,Belden HirschmannAng mga kakayahan sa pagkakakonekta at networking ng kumpanya ay kayang sumuporta sa mga kritikal na sitwasyon sa mga data center at sektor ng kuryente, kabilang ang maaasahang koneksyon sa mga kritikal na pinagmumulan at distribusyon ng kuryente, komunikasyon sa industriyal na network at pagkuha ng datos, at mga kakayahan sa visualization at pamamahala para sa mga operasyon at pagpapanatili, na tumutulong sa mga customer na mapabuti ang kakayahang i-deploy, mapanatili, at seguridad sa operasyon habang pinalawak.
Pinagmulan ng Balita: Belden Hessmann Opisyal na Account ng WeChat
Pinagmulan: Enerhiya at AI - Pagsusuri - IEA: https://www.iea.org/reports/energy-and-ai/
Buletin ng Proyekto ng Tatlong Gorges 2025: http://www.mwr.gov.cn/sj/tjgb/sxgcgb/202606/t20260629_2131904.html
Oras ng pag-post: Agosto-10-2026