Основная проблема инфраструктуры ИИ: риск невостребованных активов – те, кто сегодня полагается на устаревшие структуры, завтра заплатят за это

Энергопотребляющий ИИ: гениальная (и игнорируемая) альтернатива гигантским ядерным центрам обработки данных

Отсутствие прозрачности как ключевая политическая проблема инфраструктуры искусственного интеллекта

Потребности искусственного интеллекта в энергии растут в геометрической прогрессии, а вместе с ними и политическая паника. Для удовлетворения гигантских потребностей в электроэнергии планируемых центров обработки данных для ИИ в Европе и США внезапно появилось якобы новое решение: малые модульные ядерные реакторы (ММР). Но пока политики и лоббисты промышленности восхваляют это ядерное спасение как единственный вариант, на заднем плане маячит беспрецедентная экономическая ошибка.

Взрывной рост стоимости строительства, многолетние сроки реализации и огромный риск так называемых «заброшенных активов» превращают мечту о гигафабрике по производству ИИ на атомных электростанциях в рискованную авантюру. Особенно взрывоопасным является то, что систематически упускается из виду в дискуссии: децентрализованная инфраструктура ИИ. В этой статье рассматриваются скрытые аспекты стоимости малых модульных реакторов и показывается, почему мы рискуем повторить дорогостоящие структурные ошибки прошлого с технологиями завтрашнего дня.

Таким образом, настоящая причина этих дебатов заключается не в техническом вопросе о том, какая инфраструктура лучше. Настоящая причина – политическая: почему дискуссия о перспективной инфраструктуре для ИИ почти исключительно сосредоточена на технологии, горизонт реализации которой выходит за рамки планирования дорожных карт ИИ, история затрат которой характеризуется перерасходом в несколько сотен процентов, а субсидирование которой в значительной степени завуалировано?

В связи с этим:

• Гигафабрики ИИ: скрытые издержки – как расширение деятельности крупных технологических компаний в США и Китае истощает ресурсы

Отсутствие прозрачности как ключевая политическая проблема инфраструктуры ИИ: энергетический вопрос как стратегическая отвлекающая тактика

В дебатах вокруг строительства европейских гигафабрик по разработке ИИ один вопрос доминирует в общественном обсуждении: откуда будет поступать вся электроэнергия? Ответ, все чаще циркулирующий в политических кругах и на отраслевых форумах, звучит так: малые модульные ядерные реакторы, так называемые малые модульные реакторы (ММР). Этот ответ звучит технологически продвинуто, политически жизнеспособно и имеет преимущество в том, что завоевывает доверие существующих заинтересованных групп — атомной промышленности, государственных энергетических компаний и научно-исследовательских институтов в области ядерной энергетики. Однако в этой дискуссии практически полностью отсутствует честная экономическая оценка: действительно ли централизованные гигафабрики по разработке ИИ, работающие на ММР, являются наиболее экономически целесообразным решением растущего спроса на вычислительные мощности? Или этот вопрос отвлекает от гораздо более фундаментальной структурной альтернативы — децентрализованной инфраструктуры ИИ?

Международное энергетическое агентство (МЭА) прогнозирует, что к 2030 году глобальное потребление электроэнергии центрами обработки данных увеличится более чем вдвое, достигнув почти 1000 тераватт-часов в год. Даже сегодня один крупный центр обработки данных для ИИ потребляет столько же электроэнергии, сколько город с населением 50 000 человек, а действительно крупные объекты сейчас работают в диапазоне гигаватт. Только для США МЭА прогнозирует дополнительную потребность в мощности в 60 гигаватт к 2029 году только для центров обработки данных и приложений ИИ — что эквивалентно мощности примерно 60 атомных электростанций. Эти цифры впечатляют, но они приводят к ошибочной логике: они бездумно проецируют сегодняшнюю архитектуру централизованных центров обработки данных в будущее, вместо того чтобы серьезно рассмотреть альтернативные модели инфраструктуры.

Скрытая правда о стоимости, скрывающаяся за обещаниями SMR

Дискуссии вокруг малых модульных реакторов (ММР) характеризуются поразительной степенью оптимизма, который, при более внимательном рассмотрении, имеет мало эмпирического обоснования. Сторонники ММР обещают сокращение сроков строительства, снижение затрат за счет массового производства и более быструю масштабируемость по сравнению с традиционными крупномасштабными реакторами. Однако реальность рисует гораздо более отрезвляющую картину.

Глобальный рынок атомных электростанций стагнирует уже много лет. В 2024 году в мире было введено в эксплуатацию всего шесть новых атомных электростанций, а четыре были выведены из эксплуатации – чистый прирост составил две станции. Причины носят структурный характер: чрезвычайно высокие инвестиционные затраты, сроки строительства от 10 до 15 лет и финансовые риски, которые практически могут нести только государственные компании. Ярким примером этого взрывного роста затрат является АЭС «Фламанвиль-3» во Франции: первоначально оцененная в 3,2–3,3 миллиарда евро в 2006 году и запланированная на пятилетний период строительства, в конечном итоге обошлась в 23,7 миллиарда евро после 17 лет строительства.

Даже флагманский проект США, атомная электростанция Фогтл в Джорджии, первоначально оценивался в 14–15,5 миллиардов долларов, а в итоге обошелся в 34 миллиарда долларов — более чем вдвое превысив первоначальную оценку. Компания Westinghouse, один из ведущих мировых производителей ядерных технологий, вскоре после этого объявила о банкротстве. Стоимость британской АЭС Хинкли-Пойнт-С выросла до 32,7 миллиардов фунтов стерлингов (приблизительно 41,3 миллиарда долларов) — несмотря на первоначальный бюджет проекта в 2 миллиарда фунтов стерлингов. Сейчас опытные отраслевые эксперты используют эмпирическое правило: умножьте первоначальную оценку стоимости проекта на десять, чтобы получить реалистичную цифру.

Для малых модульных реакторов (ММР), которые на сегодняшний день не имеют ни одной коммерчески внедренной модульной системы в западном мире, ситуация с затратами еще более неопределенна. Анализ, проведенный Фондом Генриха Бёлля в начале 2024 года (примечание: год был логически исправлен на 2024 вместо будущего 2026 года), приходит к выводу, что большинство концепций ММР все еще находятся на ранних стадиях разработки, не имеют разрешений регулирующих органов ЕС и вряд ли смогут производить значительные объемы электроэнергии до 2050 года. Институт экономики энергетики и финансового анализа (IEEE) подтверждает эту критическую оценку: ММР остаются слишком дорогими, слишком медленными в строительстве и слишком рискованными, чтобы играть значительную роль в энергетическом переходе в течение следующих 10-15 лет. По данным IEEE, инвестиции в ММР отвлекут ресурсы от безуглеродных и более экономически эффективных возобновляемых источников энергии, которые уже доступны сегодня.

Часто упускаемый из виду аспект этой дискуссии — скрытые субсидии. Согласно расчетам Форума за экологическую и социально-рыночную экономику, проведенным по заказу Greenpeace, историческая поддержка атомной энергетики в Германии составила не менее 165 миллиардов евро государственных субсидий в период с 1950 по 2008 год, плюс еще 92,5 миллиарда евро прогнозируемых будущих расходов. Однако немецкое правительство указало в своих отчетах о субсидиях менее 200 миллионов евро — разница в несколько порядков, объясняемая крайне узким определением субсидий. Этот расчет не учитывает налоговые льготы, государственные гарантии, финансирование исследований, затраты на хранилища ядерных отходов и — что наиболее важно — фактическую неограниченную ответственность государства в случае катастрофы. Если бы операторы атомных электростанций были обязаны платить за стандартное рыночное страхование ответственности, атомная энергетика, согласно этим расчетам, стала бы на 2,70 евро за киловатт-час дороже, а значит, просто неконкурентоспособной.

Дефицит прозрачности: когда лоббистские интересы диктуют решения по вопросам инфраструктуры

Вопрос о том, почему дискуссия об энергоснабжении гигафабрик по производству ИИ почти исключительно сосредоточена на атомной энергетике, а не одновременно на децентрализованных альтернативах, — это не технический, а политический вопрос. Он указывает на структурную нехватку прозрачности в дискуссиях об общественной инфраструктуре.

Европейский союз объявил создание гигафабрик по разработке искусственного интеллекта стратегическим приоритетом и запустил программу InvestAI на сумму 20 миллиардов евро для строительства до пяти таких предприятий. Гигафабрика по разработке искусственного интеллекта, согласно определению ЕС, включает в себя 100 000 или более специализированных чипов, и, по оценкам ЕС, стоимость каждого предприятия, включая энергоснабжение, составляет от 3 до 5 миллиардов евро. Германия выделила 805 миллионов евро в качестве начального финансирования для одного такого предприятия и активно обсуждает, какие компании получат контракт – Deutsche Telekom, Schwarz Group, Ionos или баварский консорциум. Такая структура финансирования по своей сути создает огромные негативные стимулы: она благоприятствует централизованным крупномасштабным проектам, поскольку только они соответствуют критериям определения «гигафабрики» в ЕС. Более мелкие, децентрализованные подходы остаются вне этой схемы финансирования, хотя зачастую они могли бы быть более привлекательными с экономической точки зрения.

Отсутствие прозрачности также проявляется в избирательном представлении данных о затратах. Когда политики и представители промышленности говорят о малых модульных реакторах (ММР), они ссылаются на оптимистичные оценки производителей. Когда критики указывают на прошлые перерасходы средств, их отвергают как единичные случаи или проблемы, присущие предшествующей технологии. Однако нет ни одного достоверного эмпирического доказательства того, что ММР будут более экономичными в коммерческом плане, чем крупномасштабные реакторные проекты, которые служат негативными примерами – не в последнюю очередь потому, что ни один коммерчески значимый проект ММР еще не был введен в эксплуатацию в соответствии с западными стандартами.

В связи с этим:

• Исследование Стэнфорда: локальный ИИ внезапно стал экономически более выгодным? Конец облачной догмы и гигабитных дата-центров?

Упущенная из виду альтернатива: почему децентрализованная инфраструктура ИИ может быть экономически более выгодным решением

Удивительно редко задают вопрос в дискуссии о гигафабриках для ИИ и их энергоснабжении: зачем нам вообще нужны гигафабрики? И если они нам нужны – почему они обязательно должны быть централизованными?

В настоящее время локальная и децентрализованная инфраструктура искусственного интеллекта переживает тихую, но фундаментальную экономическую переоценку. Исследования Институтов Фраунгофера показывают, что системы на основе периферийных вычислений могут сэкономить до 35 процентов затрат на электроэнергию по сравнению с традиционными облачными вычислениями, поскольку они требуют меньшей пропускной способности и мощности охлаждения. Завод с 1000 датчиками IoT, отправляющими измерения каждую секунду, без периферийных вычислений ежедневно передавал бы в облако 86 миллионов точек данных; при локальной фильтрации данных (периферийной фильтрации) это число сокращается примерно до 8 миллионов — экономия 90 процентов на пропускной способности и затратах на облачное хранение. Эти цифры имеют важное экономическое значение, но редко упоминаются в дискуссиях об инфраструктуре.

Децентрализованные периферийные центры обработки данных также предлагают локальную рекуперацию тепла, которую можно использовать для отопления жилых районов, офисных зданий или промышленных объектов. Эта синергия значительно улучшает общий баланс затрат, когда отработанное тепло рассматривается как экономически целесообразный побочный продукт. Централизованные гигафабрики производят такое же отработанное тепло, но в месте, где спрос на его использование недостаточен.

Примечательно, что коалиционное соглашение федерального правительства Германии прямо направлено на поддержку децентрализованных инфраструктур, таких как периферийные вычисления в распределенных точках. В то же время, по меньшей мере одна европейская гигафабрика по разработке ИИ строится в Германии – подход, который структурно противоречит принципу децентрализации. Это несоответствие отражает, насколько сильно могут расходиться политический престиж и экономическая рациональность, когда речь идет о решениях в области инфраструктуры.

Модель инфраструктуры искусственного интеллекта, состоящая из нескольких огромных централизованных объектов, воспроизводит устаревшую парадигму централизованного энергоснабжения через крупные электростанции – и это в то время, когда сама энергетическая отрасль только начинает осознавать преимущества децентрализованных структур генерации. Повторение институциональных ошибок энергетической отрасли в области цифровизации инфраструктуры было бы исторической ошибкой.

В связи с этим:

• Что лучше: децентрализованная, федеративная, антихрупкая инфраструктура ИИ или гигафабрика ИИ или гипермасштабный центр обработки данных для ИИ?

Парадокс Джевонса и обманчивая логика эффективности

Распространенный контраргумент против актуальности дилеммы децентрализации малых модульных роботов заключается в том, что аппаратное обеспечение ИИ становится все более эффективным, и, следовательно, потребление энергии стабилизируется. Этот аргумент не совсем неверен, но и не совсем верен, и он игнорирует так называемый парадокс Джевонса.

Генеральный директор Microsoft Сатья Надела заявил в Берлине еще в 2024 году, что производительность систем искусственного интеллекта удваивается каждые шесть месяцев. Текущие данные свидетельствуют о том, что возможности систем ИИ удваиваются даже каждые семь месяцев — значительно быстрее, чем классический закон Мура, который предсказывает удвоение каждые два года. Китайский стартап DeepSeek впечатляюще продемонстрировал в конце 2024 и начале 2025 года, что сопоставимые результаты могут быть достигнуты с использованием гораздо меньшего количества ресурсов, чем требовалось ранее: DeepSeek V3 был обучен за два месяца, используя всего 2048 графических процессоров NVIDIA H800, для чего Meta потребовалось 30,8 миллионов часов работы графических процессоров для аналогичной модели.

Однако аргумент о том, что повышение эффективности технологий может снизить общий спрос на энергию, несостоятелен по структурной причине. По мере того, как системы искусственного интеллекта становятся дешевле и эффективнее, они также будут использоваться интенсивнее, а спрос растет быстрее, чем повышение эффективности. МЭА подтверждает, что, хотя потребление энергии, связанное с ИИ, растет медленнее, чем расширение мощностей, потребление электроэнергии центрами обработки данных к 2030 году увеличится более чем вдвое, достигнув 945 ТВт·ч в мировом масштабе. Только в Германии спрос на энергию центрами обработки данных вырос до 21,3 миллиарда киловатт-часов в 2025 году по сравнению с 20 миллиардами кВт·ч в 2024 году и 12 миллиардами кВт·ч в 2015 году. Повышение эффективности и рост спроса постоянно конкурируют, при этом исторически спрос всегда преобладал.

Кроме того, в примере с DeepSeek есть важный нюанс: несмотря на эффективное обучение, модель потребляет до 87 процентов больше энергии во время работы (вывода), чем сопоставимая метамодель с 70 миллиардами параметров. Сложность архитектур, обеспечивающих более эффективное обучение, может увеличить энергопотребление во время работы. Таким образом, эффективность в одной области системы не обязательно означает эффективность в системе в целом — это то, что планировщики централизованной инфраструктуры часто упускают из виду при планировании мощностей.

Основные отраслевые направления: B2B, цифровизация (от ИИ до XR), машиностроение, логистика, возобновляемые источники энергии и промышленность

Более подробная информация здесь:

• Экспертный бизнес-центр

Тематический центр, предлагающий аналитические материалы и экспертные знания:

• Информационная платформа, охватывающая глобальную и региональную экономику, инновации и отраслевые тенденции
• Сборник аналитических материалов, выводов и справочной информации по нашим ключевым направлениям деятельности
• Место, где можно найти экспертные знания и информацию о текущих событиях в бизнесе и технологиях
• Центр для компаний, стремящихся получить информацию о рынках, цифровизации и отраслевых инновациях

Системы хранения энергии как революционное решение? Революция натрий-ионных аккумуляторов и её последствия

Один из наиболее убедительных аргументов в пользу пересмотра централизованной стратегии малых модульных реакторов (SMR) заключается в быстром развитии технологий хранения энергии, в частности, натрий-ионных технологий, широко известных как солевые батареи. Это развитие не является предположением, а поддается эмпирической проверке и имеет прямые последствия для экономической целесообразности децентрализованных инфраструктур искусственного интеллекта.

Натрий-ионные батареи уже приближаются по стоимости к литий-ионным. По данным IDTechEx, средняя цена натрий-ионного элемента в настоящее время составляет около 87 долларов за кВт⋅ч. Ожидается, что себестоимость производства элементов снизится примерно до 40 долларов за кВт⋅ч — вероятный сценарий при дальнейшем масштабировании производства. Для стационарных накопителей энергии ценовые тенденции еще более впечатляющие: BloombergNEF зафиксировал снижение цен на стационарные накопители энергии до 70 долларов за кВт⋅ч в 2025 году — снижение на 45 процентов по сравнению с предыдущим годом, что делает это самым резким падением цен в любом сегменте батарей.

Долгосрочные прогнозы представляют особый интерес для стратегического планирования инфраструктуры. К 2050 году стоимость хранения энергии в натрий-ионных батареях может составить от 11 до 14 евро за мегаватт-час при условии быстрого обучения, что сделает их дешевле, чем литий-ионные технологии, стоимость которых, как ожидается, составит от 16 до 22 евро за МВт·ч. Эти цифры коренным образом меняют всю экономическую целесообразность децентрализованных центров обработки данных, работающих на солнечной энергии. Децентрализованный центр обработки данных, который накапливает возобновляемую солнечную энергию днем ​​и использует ее ночью или в периоды низкой выработки ветра и солнечной энергии, может работать экономически эффективно с такими затратами на хранение, что еще пять лет назад было совершенно нереалистично.

Натрий-ионные батареи также обладают структурными преимуществами, имеющими решающее значение для широкомасштабной инфраструктуры: натрий доступен в неограниченных количествах и является отечественным сырьем в Европе, что исключает стратегическую зависимость от импорта. Переработка значительно проще, чем у литиевых батарей, поскольку элементы не содержат меди или кобальта. Глубина разряда достигает 100 процентов без повреждения батареи. Кроме того, технологическая инфраструктура для натрий-ионных батарей уже создана в Германии, в частности, в Тюрингии и Саксонии.

Важно честно оценить ограничения: натрий-ионные батареи имеют более низкую плотность энергии, чем литий-ионные, что увеличивает их вес и объем. Их средняя эффективность, составляющая около 79 процентов, значительно ниже, чем у литий-ионных батарей (96 процентов). Однако для стационарных крупномасштабных систем хранения энергии, где вес и объем не являются основными ограничениями, более низкая плотность энергии не является решающим недостатком. Что касается крупномасштабных систем хранения энергии для распределенных центров обработки данных, то преимущество литий-ионных батарей в эффективности менее значимо, чем общий анализ соотношения затрат и выгод на протяжении всего срока их службы.

Наряду с натрий-ионными технологиями, твердотельные батареи также демонстрируют экспоненциальный рост. Глобальный рынок твердотельных батарей растет в среднем на 36,4 процента в год. Оптимистичные сценарии прогнозируют снижение стоимости твердотельных элементов до 80–120 долларов за кВт⋅ч к 2027 году, а в течение следующего десятилетия ожидается дальнейшее существенное снижение стоимости за счет масштабирования производства.

В связи с этим:

• Перераспределение электроэнергии 2.0 и крупномасштабные системы хранения энергии на основе аккумуляторов: проклятие или Segen для энергосистемы? Двойственная роль гигантских систем хранения энергии на основе аккумуляторов

Риск неликвидных активов: когда будущее наступает раньше, чем планировалось

Пожалуй, наиболее убедительным экономическим аргументом против необдуманного решения о строительстве гигафабрик с искусственным интеллектом на базе малых модульных реакторов является риск так называемых «заброшенных активов». Этот термин относится к инвестициям, которые теряют значительную часть своей стоимости из-за внешних факторов, таких как технологические изменения, изменение рыночных условий или нормативные требования, и поэтому больше не могут приносить прибыль.

История технологий изобилует примерами инфраструктурных решений, которые считались обоснованными на этапе планирования, но оказались дорогостоящими ошибками всего через несколько лет после ввода в эксплуатацию. В энергетическом секторе многочисленные угольные электростанции, построенные или расширенные в 2010-х годах, уже значительно потеряли в стоимости или были преждевременно закрыты, несмотря на прогнозируемый оставшийся срок эксплуатации в 30-40 лет. Международное агентство по возобновляемым источникам энергии (IRENA) оценивает риск неликвидных активов до 20 триллионов долларов при сохранении нынешнего сценария развития событий.

Этот риск особенно актуален для инфраструктуры искусственного интеллекта, поскольку темпы технологического развития исключительно высоки. Ввод в эксплуатацию малого магниторезонансного реактора (ММР), введенного в эксплуатацию сегодня, реально ожидается не ранее 2035-2040 годов – даже при оптимистичных предположениях относительно разрешений, сроков строительства и цепочек поставок. Согласно текущим данным, производительность систем искусственного интеллекта удваивается каждые шесть-семь месяцев. За 10-15 лет, необходимых для строительства ММР, возможности систем искусственного интеллекта улучшатся в 20 000-300 000 раз – масштаб, при котором надежные прогнозы конкретных потребностей в инфраструктуре просто перестанут быть возможными.

Проблема заключается не только в неопределенности аппаратного обеспечения. Вся архитектура систем искусственного интеллекта претерпевает трансформацию. Как впечатляюще продемонстрировала компания DeepSeek, грамотная оптимизация алгоритмов может в десять раз снизить требования к аппаратному обеспечению — без потери качества. Разрабатываются новые архитектуры чипов, выходящие за рамки архитектуры фон Неймана и преодолевающие так называемый «барьер памяти». Фотонные компьютеры, нейроморфные чипы и квантовые компьютеры — все эти технологии, достигнув коммерческой зрелости, потенциально могут значительно снизить энергопотребление на одно вычисление. Будущее этих технологий будет определено именно через 10-15 лет, которые потребуются для появления в сети малых модульных компьютеров (SMR).

Любой, кто сегодня инвестирует в гигафабрики по производству искусственного интеллекта на базе малых модульных реакторов, берет на себя обязательства по использованию одного источника энергии в течение 40-60 лет — типичного срока службы атомной электростанции. И делает он это в надежде, что индустрия ИИ будет поддерживать постоянный спрос именно на ту централизованную, энергоемкую инфраструктуру, которую эти реакторы призваны обеспечивать энергией в течение этого периода. С сегодняшней точки зрения, это крайне рискованная ставка.

Узкое место в плане ноу-хау: недооцененная структурная проблема атомной энергетики

Еще один ключевой аргумент против стратегии малых модульных реакторов, которому уделяется слишком мало внимания в публичных дебатах, — это острая нехватка квалифицированных кадров в атомной промышленности. За последние три десятилетия, характеризовавшиеся мораториями, решениями о поэтапном выводе из эксплуатации и отсутствием новых строительных проектов, атомная промышленность понесла значительные потери институциональных знаний.

Сегодня рынок атомных электростанций зависит от очень небольшого числа компаний — в основном государственных — которые вообще способны строить и экспортировать атомные электростанции. Глобальная сеть поставщиков, инженеров и сертифицированных специалистов для реализации ядерных проектов минимальна. Это означает, что даже при благоприятном политическом решении в пользу малых модульных реакторов (ММР) узким местом является не лицензирование или капитал, а доступная экспертиза. Если США, Канада, Великобритания, Франция и различные страны ЕС захотят одновременно запустить программы по созданию ММР, им всем придется конкурировать за один и тот же ограниченный пул специалистов в области атомной энергетики.

Это резко контрастирует с ситуацией в секторе возобновляемой энергии и технологий хранения энергии. За последнее десятилетие мировая солнечная индустрия пережила экспоненциальный рост, число квалифицированных специалистов в секторе возобновляемой энергии неуклонно растет, а цепочки поставок солнечных модулей, инверторов и технологий хранения энергии хорошо развиты и диверсифицированы на международном уровне. Децентрализованная инфраструктура искусственного интеллекта может использовать эту существующую базу знаний, цепочки поставок и опыт регулирования. Индустрия малых модульных реакторов, с другой стороны, все еще нуждается в создании такой основы – в условиях огромного давления со стороны сроков и затрат.

Национальные экономические счета: прямое сравнение

Систематическое сравнение различных факторов приводит к следующей экономической ситуации:

критерий	Гигафабрика ИИ с поддержкой SMR	Децентрализованная инфраструктура искусственного интеллекта с использованием солнечной энергии и систем хранения энергии
Первая поставка электроэнергии	2035–2040 (оптимистический прогноз)	Немедленно до 2027 года
Капиталоемкость (вход)	3-5 миллиардов евро за гигафабрику и модульный модульный реактор	Модульное масштабирование, меньшие индивидуальные объемы
Риск затрат	Чрезвычайно высокий уровень (исторические превышения 100–600%)	Низкий уровень; стоимость технологий постоянно снижается
риск выброшенной на свалку технологии	Очень высокий уровень (обязательства на 40–60 лет)	Низкий профиль; модульная расширяемость и адаптируемость
Наличие ноу-хау	Узкое место; мало глобальных поставщиков	Широкий и постоянно растущий кадровый резерв квалифицированных специалистов
Скрытые субсидии	Высокий (ответственность, утилизация, исследования)	Небольшое количество
Затраты на хранение энергии (2025 год)	Неактуально (базовая нагрузка)	70 USD/кВтч (стационарный, нисходящий тренд)
Стоимость систем хранения энергии (прогноз на 2050 год)	Неактуально	11–14 евро/МВтч
Потребление воды	Высокая (системы охлаждения)	Практически нет
Регуляторная неопределенность	Очень высокий	Середина
Гибкость в реагировании на изменения спроса	Нет	Высокий
Экологический риск	Высокий уровень (ядерная безопасность, долговременные отходы)	Низкий

Сравнение показывает, что гигафабрика по производству ИИ на основе малых модульных реакторов (ММР) начнет поставлять электроэнергию не раньше 2035–2040 годов (оптимистичный сценарий), в то время как децентрализованная инфраструктура ИИ с солнечной энергией и системами хранения энергии станет доступна уже к 2027 году. С точки зрения капиталоемкости, вариант с ММР требует очень высоких первоначальных инвестиций в размере около 3–5 миллиардов евро на каждую гигафабрику плюс ММР, в то время как децентрализованное решение позволяет масштабировать систему модульным способом и значительно снизить объемы отдельных инвестиций. Риск снижения затрат чрезвычайно высок для ММР (исторические перерасходы составляли 100–600%), в то время как для солнечной энергии + систем хранения энергии он низок, поскольку стоимость технологий постоянно снижается. Риск устаревания технологий очень высок для ММР из-за 40–60-летнего срока эксплуатации, в то время как децентрализованная инфраструктура имеет низкий риск устаревания, поскольку она модульно расширяема и адаптируема. Узким местом для ММР является недостаток ноу-хау, поскольку существует мало глобальных поставщиков, в то время как децентрализованное решение располагает широким и растущим пулом квалифицированных специалистов. Скрытые субсидии (ответственность, утилизация, исследования) высоки для малых модульных реакторов (ММР) и низки для солнечной энергетики с накопителями энергии. Затраты на хранение энергии не имеют значения для ММР, поскольку они предназначены для базовой нагрузки; для децентрализованных систем прогнозируемые затраты достигнут примерно 70 долларов США/кВт·ч (стабильное состояние, тенденция к снижению) в 2025 году и 11–14 евро/МВт·ч в 2050 году. Потребление воды велико для ММР из-за систем охлаждения, в то время как для солнечной энергетики с накопителями энергии оно низкое или отсутствует. Регуляторная неопределенность очень высока для ММР и умеренна для децентрализованного варианта. Гибкость в реагировании на изменения спроса практически полностью отсутствует в ММР, в то время как децентрализованное решение предлагает высокую гибкость. Наконец, экологические риски высоки для ММР (ядерная безопасность, долгосрочные отходы) и низки для солнечной энергетики с накопителями энергии. В целом, вариант с ММР показывает худшие результаты почти по всем критериям – за единственным исключением надежного, независимого от погодных условий базового электроснабжения. Однако этот аргумент становится менее важным, поскольку развитие технологий хранения энергии, таких как крупномасштабные натрий-ионные накопители с более длительными циклами заряда/разряда, позволяет хранить большие объемы энергии в течение дней и недель, что в значительной степени опровергает аргумент о базовой нагрузке.

Слепое пятно в логике планирования: почему лица, принимающие решения, систематически опаздывают

Существует структурная причина, по которой лица, принимающие решения в правительствах и крупных промышленных компаниях, неоднократно принимают решения в области инфраструктуры, которые задним числом кажутся неудачными инвестициями: институциональные циклы планирования принципиально несовместимы с темпами технологических изменений.

Правительственные программы, парламентские резолюции, программы финансирования и государственные тендеры действуют циклами от четырех до десяти лет. Решение по инфраструктурному проекту, такому как станция ретрансляции общественного транспорта (SMR), принимается в политической и технологической среде, которая претерпит фундаментальные изменения несколько раз до ввода в эксплуатацию. Институциональная инерция, создаваемая бюрократическими процедурами, лоббированием влиятельных отраслевых групп и психологической фиксацией на решениях, принятых в определенный момент времени, означает, что фактические потребности и варианты на момент строительства больше не соответствуют предположениям, сделанным на этапе планирования.

Технологический прогресс последних нескольких столетий наглядно демонстрирует это ускорение: для проявления основных экономических последствий промышленной революции потребовалось около 100 лет. На электрификацию — приблизительно 50 лет. Интернет преобразил мировую экономику примерно за 20 лет. Искусственный интеллект и связанные с ним разработки в области аппаратного обеспечения меняют фундаментальные условия в циклах менее десяти лет — и с постоянно возрастающей скоростью. Логика, которая была уместна для принятия решений в области инфраструктуры в XX веке, структурно непригодна для XXI века.

Это особенно важно для необратимых крупномасштабных инвестиций с длительными сроками амортизации. Солнечная электростанция может быть построена за несколько месяцев и относительно легко модифицирована или демонтирована в случае изменения потребностей. Центр обработки данных на основе модульной архитектуры может быть масштабирован и модернизирован. Атомная электростанция, после постройки, представляет собой в основном жесткую конструкцию на протяжении 40-60 лет, а затраты на ее вывод из эксплуатации исчисляются миллиардами. Стратегическая ценность гибкости и вариативности — способности реагировать на меняющиеся обстоятельства — систематически недооценивается в традиционных инвестиционных расчетах.

В итоге можно сделать более взвешенный вывод: это не вопрос выбора между двумя крайностями, а скорее вопрос расстановки приоритетов

Было бы чрезмерным упрощением утверждать, что малые модульные реакторы по сути бесполезны или что децентрализованная инфраструктура может удовлетворить все потребности. Реальность гораздо сложнее.

Существуют конкретные сценарии использования, для которых централизованные вычислительные мощности — по крайней мере, для обучения больших моделей ИИ — по-прежнему будут необходимы в краткосрочной перспективе. И есть веские аргументы в пользу атомной энергетики как части диверсифицированного низкоуглеродного энергетического баланса — особенно в странах, испытывающих недостаток возобновляемых ресурсов. Франция, которая поддерживает существующую инфраструктуру атомных электростанций, амортизированную за десятилетия, находится в принципиально ином положении, чем страна, которая хочет сегодня построить малые модульные реакторы с нуля.

Реальная проблема заключается не в самой идее малых реакторов. Проблема состоит в сочетании трех факторов: во-первых, несоответствие между моментами, когда малые модульные реакторы могут вырабатывать электроэнергию, и моментами, когда эта энергия необходима инфраструктуре искусственного интеллекта; во-вторых, отсутствие прозрачности в отношении истинных общих затрат, включая скрытые субсидии и риски простоя; и в-третьих, стратегическая слепота к тому факту, что технологические разработки — как в области аппаратного обеспечения для ИИ, так и в области хранения энергии — могут коренным образом изменить основные предположения, лежащие в основе этих инвестиционных решений, в сроки, более короткие, чем типичный период строительства.

Экономически обоснованный ответ на энергетический вопрос эпохи искусственного интеллекта заключается не в выборе между малыми модульными реакторами и возобновляемыми источниками энергии, между централизованным и децентрализованным энергоснабжением. Он состоит в проектировании инфраструктуры таким образом, чтобы максимизировать возможности выбора и минимизировать риск простоя. Это означает модульность, обратимость, технологическую нейтральность и прозрачность. И это означает не перекладывать издержки на налогоплательщиков будущих поколений, при этом приватизируя прибыль сегодня — модель, которая, к сожалению, слишком систематически характеризовала историю атомной энергетики в Европе.

Таким образом, настоящая провокация в этой дискуссии заключается не в техническом вопросе о том, какая инфраструктура лучше. Настоящая провокация — политическая: почему обсуждение перспективной инфраструктуры для ИИ почти исключительно сосредоточено на технологии, горизонт реализации которой выходит за рамки планирования дорожных карт ИИ, история затрат которой характеризуется перерасходом в несколько сотен процентов, а субсидирование которой в значительной степени завуалировано? Ответ на этот вопрос носит не технологический, а политико-экономический характер — и именно поэтому он так упорно остается без ответа в публичных дебатах.

☑️ Язык ведения нашего бизнеса — английский или немецкий

☑️ НОВИНКА: Переписка на вашем родном языке!

 

Я и моя команда будем рады быть вашими личными консультантами.

Вы можете связаться со мной, заполнив контактную форму здесь wolfenstein@xpert.digital:или просто позвонив по номеру +49 7348 4088 965. Мой адрес электронной почты

Я с нетерпением жду начала нашего совместного проекта.

 

 

☑️ Поддержка малых и средних предприятий в области стратегии, консалтинга, планирования и реализации проектов

☑️ Разработка или корректировка цифровой стратегии и цифровизации

☑️ Расширение и оптимизация международных процессов продаж

☑️ Глобальные и цифровые торговые платформы B2B

☑️ Развитие бизнеса / Маркетинг / PR / Выставки от компании Pioneer

Xpert.Digital — это ориентированный на данные B2B-индустрионный центр, возглавляемый Konrad Wolfenstein . Компания выступает в качестве внешнего, частично внутреннего решения для отраслевых партнеров, устраняя операционные пробелы в маркетинге, контенте и продажах — без необходимости привлечения дополнительных ресурсов со стороны клиента.

Более подробная информация здесь:

• Практически внутреннее решение: как Xpert.Digital устраняет операционные пробелы в B2B-маркетинге и продажах – Smart Content-Driven Business