Основна проблема інфраструктури штучного інтелекту: ризик застарілих активів – ті, хто сьогодні покладається на застарілі структури, заплатять за це завтра

Штучний інтелект, що поглинає енергію: геніальна (та ігнорована) альтернатива гігантським ядерним центрам обробки даних

Відсутність прозорості як ключова політична проблема інфраструктури штучного інтелекту

Потреби штучного інтелекту в енергії зростають експоненціально, а разом з ними й політична паніка. Щоб задовольнити гігантські потреби в електроенергії запланованих центрів обробки даних зі штучним інтелектом, у Європі та США раптово з'явилося нібито нове рішення: малі модульні ядерні реактори (ММР). Але поки політики та галузеві лобісти прославляють цього ядерного рятівника як єдиний варіант, на задньому плані маячить безпрецедентний економічний прорахунок.

Стрімке зростання вартості будівництва, десятиліття термінів впровадження та величезний ризик так званих «застряглих активів» перетворюють мрію про гігафабрику штучного інтелекту на ядерній енергетиці на ризиковану авантюру. Особливо вибухонебезпечним є те, що систематично ігнорується в дебатах: децентралізована інфраструктура штучного інтелекту. У цій статті розглядаються приховані істини щодо вартості дебатів щодо SMR та показано, чому ми ризикуємо повторити дорогі структурні помилки минулого з технологіями завтрашнього дня.

Справжньою провокацією цих дебатів є не технічне питання про те, яка інфраструктура краща. Справжньою провокацією є політична: чому дискусія про перспективну інфраструктуру штучного інтелекту майже виключно зосереджена на технології, горизонт реалізації якої лежить за межами горизонту планування дорожніх карт ШІ, історія витрат якої характеризується перевищенням витрат на кілька сотень відсотків, а субсидування якої значною мірою приховується?

Пов'язано з цим:

• Гігафабрики штучного інтелекту: приховані витрати – як розширення гіперскейлерів у США та Китаї створює навантаження на ресурси

Відсутність прозорості як ключова політична проблема інфраструктури штучного інтелекту: енергетичне питання як стратегічна відволікаюча тактика

У дебатах щодо будівництва європейських гігафабрик штучного інтелекту одне питання домінує в публічному обговоренні: звідки візьметься вся електроенергія? Відповідь, яка все частіше лунає в політичних колах та галузевих форумах, звучить так: малі модульні ядерні реактори, так звані малі модульні реактори (ММР). Ця відповідь звучить технологічно просунуто, є політично життєздатною та має перевагу в тому, що завоює підтримку існуючих груп інтересів — ядерної промисловості, державних постачальників енергії та дослідницьких установ ядерної галузі. Однак, чого майже повністю бракує в цьому обговоренні, так це чесної економічної оцінки: чи є централізовані гігафабрики штучного інтелекту, що працюють на реакторах ММР, насправді найбільш економічно розумною відповіддю на зростаючий попит на обчислювальну потужність? Чи це питання відволікає від набагато фундаментальнішої структурної альтернативи — децентралізованої інфраструктури ШІ?

Міжнародне енергетичне агентство (МЕА) прогнозує, що світове споживання електроенергії центрами обробки даних зросте більш ніж удвічі до 2030 року, досягнувши майже 1000 терават-годин на рік. Навіть сьогодні один великий центр обробки даних зі штучним інтелектом споживає стільки ж електроенергії, скільки місто з 50 000 жителів, а справді великі об'єкти зараз працюють у гігаватному діапазоні. Тільки для США МЕА прогнозує додаткову потребу в потужності в 60 гігават до 2029 року лише для центрів обробки даних та застосувань штучного інтелекту, що еквівалентно виробництву близько 60 атомних електростанцій. Ці цифри вражають, але вони призводять до хибного способу мислення: вони бездумно проектують сьогоднішню архітектуру централізованих центрів обробки даних у майбутнє, замість того, щоб серйозно розглянути альтернативні моделі інфраструктури.

Прихована правда про витрати, що стоїть за обіцянкою SMR

Дискусія навколо малих модульних реакторів (ММР) характеризується значною мірою оптимізму, який, при детальнішому розгляді, має мало емпіричної основи. Прихильники ММР обіцяють коротші терміни будівництва, нижчі витрати завдяки масовому виробництву та швидшу масштабованість порівняно зі звичайними великомасштабними реакторами. Однак реальність малює значно більш відрезвляючу картину.

Світовий ринок атомних електростанцій стагнує вже багато років. У 2024 році у світі було введено в експлуатацію лише шість нових атомних електростанцій, тоді як чотири були виведені з експлуатації – чисте збільшення на дві станції. Причини структурні: надзвичайні інвестиційні витрати, терміни будівництва від 10 до 15 років та фінансові ризики, які практично можуть нести лише державні компанії. Яскравим прикладом такого вибуху витрат є Фламанвіль-3 у Франції: спочатку оцінювана у 3,2–3,3 мільярда євро у 2006 році та запланована на п’ятирічний період будівництва, електростанція зрештою коштувала 23,7 мільярда євро після 17 років будівництва.

Навіть флагманський проект США, атомна електростанція «Вогтл» у Джорджії, спочатку планувався вартістю від 14 до 15,5 мільярдів доларів, а зрештою коштував 34 мільярди доларів – що більш ніж удвічі перевищує початкову оцінку. Westinghouse, одна з провідних світових компаній у галузі ядерних технологій, невдовзі після цього оголосила про банкрутство. Вартість будівництва британської АЕС «Хінклі-Пойнт C» зросла до 32,7 мільярда фунтів стерлінгів (приблизно 41,3 мільярда доларів), незважаючи на початковий бюджет проекту в 2 мільярди фунтів стерлінгів. Емпіричне правило, яке зараз використовують досвідчені галузеві спостерігачі, таке: помножте початкову оцінку вартості ядерної промисловості на десять, щоб отримати реалістичну цифру.

Для установок SMR, які на сьогоднішній день не мають жодної комерційно розгорнутої модульної системи у західному світі, ситуація з витратами ще більш невизначена. Аналіз Фонду Генріха Белля від початку 2024 року (примітка: рік було логічно виправлено на 2024 замість майбутнього 2026 року) робить висновок, що більшість концепцій SMR все ще перебувають на ранніх стадіях розробки, не мають схвалення регуляторних органів у ЄС і навряд чи вироблятимуть значну кількість електроенергії до 2050 року. Інститут енергетичної економіки та фінансового аналізу (IEEFA) підтверджує цю критичну оцінку: SMR залишаються занадто дорогими, занадто повільними у будівництві та занадто ризикованими, щоб відігравати значну роль в енергетичному переході протягом наступних 10-15 років. За даними IEEE, інвестиції в SMR відволікатимуть ресурси від безвуглецевих та більш економічно ефективних відновлюваних джерел енергії, які вже доступні сьогодні.

Часто недооцінюваним аспектом цих дебатів є приховані субсидії. Згідно з розрахунками Форуму екологічної та соціальної ринкової економіки, проведеними на замовлення Greenpeace, історична підтримка ядерної енергетики в Німеччині становила щонайменше 165 мільярдів євро державних субсидій між 1950 і 2008 роками, плюс ще 92,5 мільярда євро витрат у найближчому майбутньому. Однак у своїх звітах про субсидії уряд Німеччини повідомив лише про менше ніж 200 мільйонів євро – різниця на кілька порядків величини, що пояснюється надзвичайно вузьким визначенням субсидій. Цей розрахунок не враховує податкові пільги, державні гарантії, фінансування досліджень, вартість сховищ ядерних відходів і, що найважливіше, фактично необмежену відповідальність уряду у разі катастрофи. Якби оператори атомних електростанцій були зобов'язані платити за стандартне страхування ринкової відповідальності, ядерна енергетика, згідно з цими розрахунками, була б до 2,70 євро за кіловат-годину дорожчою, а отже, просто неконкурентоспроможною.

Дефіцит прозорості: коли лобістські інтереси диктують рішення щодо інфраструктури

Питання, чому дискусія щодо енергопостачання для гігафабрик штучного інтелекту зосереджена майже виключно на ядерній енергетиці – і одночасно не на децентралізованих альтернативах – є не технічним, а політичним. Воно вказує на структурну відсутність прозорості в дебатах щодо державної інфраструктури.

Європейський Союз оголосив створення гігафабрик штучного інтелекту стратегічним пріоритетом і запустив фонд InvestAI вартістю 20 мільярдів євро для будівництва до п'яти таких об'єктів. Гігафабрика штучного інтелекту, згідно з визначенням ЄС, складається з 100 000 або більше спеціалізованих чіпів, і кожен об'єкт, включаючи енергопостачання, за оцінками ЄС, коштує від 3 до 5 мільярдів євро. Німеччина виділила 805 мільйонів євро початкового фінансування для одного такого об'єкта та активно обговорює, які компанії отримають контракт – Deutsche Telekom, Schwarz Group, Ionos або баварський консорціум. Така структура фінансування за своєю суттю створює величезні збочені стимули: вона сприяє централізованим великомасштабним проектам, оскільки лише вони відповідають порогам визначення ЄС «гігафабрики». Менші, децентралізовані підходи не проходять через цю схему фінансування, хоча вони часто можуть бути більш привабливими з економічної точки зору.

Відсутність прозорості також очевидна у вибірковому представленні даних про витрати. Коли політики та представники промисловості говорять про SMR, вони посилаються на оптимістичні оцінки виробників. Коли критики вказують на перевищення витрат у минулому, їх відкидають як поодинокі інциденти або проблеми, властиві попередній технології. Однак немає жодного достовірного емпіричного доказу того, що SMR будуть економічнішими в комерційному масштабі, ніж великомасштабні реакторні проекти, які слугують негативними прикладами – не в останню чергу тому, що жоден комерційно значущий проект SMR ще не був введений в експлуатацію за західними стандартами.

Пов'язано з цим:

• Дослідження Стенфорда: Чи став локальний ШІ раптово економічно вигідним? Кінець хмарної догми та гігабітних центрів обробки даних?

Недооцінена альтернатива: чому децентралізована інфраструктура штучного інтелекту може бути економічно вигіднішим рішенням

Питання, яке дивно рідко ставлять у всій дискусії про гігафабрики штучного інтелекту та їх енергопостачання, звучить так: навіщо нам взагалі потрібні гігафабрики? А якщо вони нам потрібні, то чому вони обов'язково мають бути централізованими?

Локальна та децентралізована інфраструктура штучного інтелекту зараз переживає тиху, але фундаментальну економічну переоцінку. Дослідження Інститутів Фраунгофера показують, що системи на периферії можуть заощадити до 35 відсотків витрат на електроенергію порівняно зі звичайною хмарною обробкою даних, оскільки вони потребують меншої пропускної здатності та потужності охолодження. Завод з 1000 датчиками Інтернету речей, які надсилають вимірювання щосекунди, щодня передавав би 86 мільйонів точок даних у хмару без периферійних обчислень; завдяки локальній фільтрації даних (периферійній фільтрації) це число зменшується приблизно до 8 мільйонів – економія 90 відсотків на пропускній здатності та витратах на хмарне сховище. Ці цифри є економічно значущими, але рідко обговорюються в обговореннях державної інфраструктури.

Децентралізовані центри обробки даних на периферії також пропонують локальну рекуперацію тепла, яку можна використовувати для опалення житлових приміщень, офісних будівель або промислових об'єктів. Ця синергія значно покращує загальний баланс витрат, коли відпрацьоване тепло вважається економічно вигідним побічним продуктом. Централізовані гігафабрики виробляють те саме відпрацьоване тепло, але в місці, де немає достатнього попиту на його використання.

Примітно, що коаліційна угода федерального уряду Німеччини чітко спрямована на підтримку децентралізованих інфраструктур, таких як периферійні обчислення в розподілених місцях. Водночас, принаймні одна європейська гігафабрика штучного інтелекту буде впроваджена в Німеччині – підхід, який структурно суперечить принципу децентралізації. Ця невідповідність відображає, наскільки разюче можуть розходитися політичний престиж та економічна раціональність, коли йдеться про рішення щодо інфраструктури.

Модель інфраструктури штучного інтелекту, що складається з кількох величезних централізованих об'єктів, відтворює застарілу парадигму централізованого енергопостачання через великі електростанції – і це в той час, коли сама енергетична галузь тільки починає усвідомлювати переваги децентралізованих структур генерації. Було б історичною помилкою повторювати інституційні помилки енергетичної галузі в сфері цифровізації інфраструктури.

Пов'язано з цим:

• Що краще: децентралізована, федеративна, антикрихка інфраструктура штучного інтелекту, гігафабрика штучного інтелекту чи гіпермасштабований центр обробки даних зі штучним інтелектом?

Парадокс Джевонса та оманлива логіка ефективності

Поширеним контраргументом проти актуальності дилеми децентралізації SMR є те, що апаратне забезпечення штучного інтелекту стає дедалі ефективнішим, а отже, споживання енергії стабілізується. Цей аргумент не зовсім неправильний, але й не зовсім правильний, і він ігнорує так званий парадокс Джевонса.

Генеральний директор Microsoft Сатья Наделла заявив у Берліні ще у 2024 році, що продуктивність систем штучного інтелекту подвоюється кожні шість місяців. Поточні дані свідчать про те, що можливості систем штучного інтелекту навіть подвоюються кожні сім місяців – значно швидше, ніж класичний закон Мура, який передбачає подвоєння кожні два роки. Китайський стартап у сфері штучного інтелекту DeepSeek вражаюче продемонстрував наприкінці 2024 та на початку 2025 років, що порівнянних результатів можна досягти, використовуючи лише частину ресурсів, які були потрібні раніше: DeepSeek V3 було навчено за два місяці, використовуючи лише 2048 графічних процесорів NVIDIA H800, що для порівнянної моделі Meta вимагало 30,8 мільйона годин роботи на графічному процесорі.

Однак аргумент про те, що підвищення технологічної ефективності може зменшити загальний попит на енергію, є недостатнім зі структурної причини. Оскільки системи штучного інтелекту стають дешевшими та ефективнішими, вони також використовуватимуться інтенсивніше, а попит зростає швидше, ніж підвищення ефективності. МЕА підтверджує, що хоча споживання енергії, пов'язане зі штучним інтелектом, зростає повільніше, ніж розширення потужностей, споживання електроенергії центрами обробки даних у світі до 2030 року зросте більш ніж удвічі до 945 ТВт·год. Тільки в Німеччині попит на енергію центрів обробки даних зріс до 21,3 мільярда кіловат-годин у 2025 році, порівняно з 20 мільярдами кВт·год у 2024 році та 12 мільярдами кВт·год у 2015 році. Підвищення ефективності та зростання попиту постійно конкурують, причому історично попит завжди переважає.

Крім того, у прикладі DeepSeek є важливий нюанс: незважаючи на ефективне навчання, модель споживає до 87 відсотків більше енергії під час роботи (логічний висновок), ніж порівнянна метамодель із 70 мільярдами параметрів. Складність архітектур, що забезпечують ефективніше навчання, може збільшити споживання енергії під час роботи. Таким чином, ефективність в одній області системи не обов'язково означає ефективність усієї системи – усвідомлення, яке планувальники централізованої інфраструктури регулярно не враховують під час планування потужності.

Галузеві напрямки діяльності: B2B, цифровізація (від штучного інтелекту до XR), машинобудування, логістика, відновлювані джерела енергії та промисловість

Більше інформації тут:

• Експертний бізнес-центр

Тематичний центр, що пропонує аналітичні матеріали та досвід:

• Платформа знань, що охоплює світову та регіональну економіку, інновації та галузеві тенденції
• Збірка аналітичних матеріалів, ідей та довідкової інформації з наших ключових напрямків діяльності
• Місце для експертів та інформації про поточні розробки в бізнесі та технологіях
• Центр для компаній, які шукають інформацію про ринки, цифровізацію та галузеві інновації

Акумуляторне зберігання як переломний момент? Натрій-іонна революція та її наслідки

Один із найпереконливіших аргументів на користь переоцінки централізованої стратегії SMR полягає у швидкому розвитку технологій накопичення енергії, зокрема натрій-іонної технології, широко відомої як сольові батареї. Цей розвиток не є спекулятивним, а емпірично перевіреним і має прямі наслідки для економічної життєздатності децентралізованих інфраструктур штучного інтелекту.

Натрій-іонні акумулятори вже наближаються до паритету вартості з літій-іонними. Згідно з даними IDTechEx, середня ціна натрій-іонного елемента наразі становить близько 87 доларів за кВт⋅год. Очікується, що виробничі витрати на рівні елементів впадуть приблизно до 40 доларів за кВт⋅год – ймовірний сценарій з подальшим масштабуванням. Щодо стаціонарних накопичувачів, цінові тенденції ще більш вражаючі: BloombergNEF зафіксував падіння цін на стаціонарні акумулятори до 70 доларів за кВт⋅год у 2025 році – на 45 відсотків менше, ніж минулого року, що робить це найбільшим падінням цін у всьому сегменті акумуляторів.

Довгострокові прогнози особливо цікаві для стратегічного планування інфраструктури. До 2050 року натрій-іонні акумулятори можуть досягти вартості зберігання енергії від 11 до 14 євро за мегават-годину, за умови швидкого навчання, що робить їх дешевшими, ніж літій-іонні технології, вартість яких, як очікується, становитиме від 16 до 22 євро за МВт-год. ​​Ці цифри докорінно змінюють весь розрахунок економічної доцільності децентралізованих центрів обробки даних, що працюють на сонячній енергії. Децентралізований центр обробки даних, який накопичує відновлювану сонячну енергію протягом дня та використовує її вночі або в періоди низької вітрової та сонячної енергії, може економічно працювати з цими витратами на зберігання таким чином, що п'ять років тому це було навіть віддалено нереалістично.

Натрій-іонні акумулятори також пропонують структурні переваги, які є вирішальними для масштабованої інфраструктури: натрій доступний у необмежених кількостях і є вітчизняною сировиною в Європі, що усуває стратегічну залежність від імпорту. Переробка значно простіша, ніж у випадку з літієвими акумуляторами, оскільки елементи не містять міді чи кобальту. Глибина розряду сягає 100 відсотків без пошкодження акумулятора. Крім того, технологічна інфраструктура для натрій-іонних акумуляторів вже існує в Німеччині, зокрема в Тюрінгії та Саксонії.

Важливо бути чесним щодо обмежень: натрій-іонні акумулятори мають нижчу щільність енергії, ніж літій-іонні, що збільшує їхню вагу та об'єм. Їхня середня ефективність, яка становить близько 79 відсотків, значно нижча, ніж у літій-іонних акумуляторів, що становить 96 відсотків. Однак для стаціонарних великомасштабних систем зберігання, де вага та об'єм не є основними обмеженнями, нижча щільність енергії не є вирішальним недоліком. Коли йдеться про мережеве зберігання даних для розподілених центрів обробки даних, перевага ефективності літій-іонних акумуляторів менш актуальна, ніж загальний аналіз витрат і вигод протягом їхнього життєвого циклу.

Поряд із натрій-іонною технологією, твердотільні акумулятори також демонструють експоненціальне зростання. Світовий ринок твердотільних акумуляторів зростає із середньорічним темпом до 36,4 відсотка. Оптимістичні сценарії прогнозують вартість твердотільних елементів від 80 до 120 доларів за кВт⋅год до 2027 року, а в наступному десятилітті очікується подальше суттєве зниження вартості за рахунок масштабування.

Пов'язано з цим:

• Redispatch 2.0 та великомасштабне акумуляторне зберігання: прокляття чи Segen для енергосистеми? Амбівалентна роль гігантських систем акумуляторного зберігання

Ризик бездіяльності активів: коли майбутнє настає раніше, ніж планувалося

Мабуть, найпереконливішим економічним аргументом проти необдуманого рішення будувати гігафабрики штучного інтелекту на базі SMR є ризик так званих «застряглих активів». Цей термін стосується інвестицій, які втрачають настільки цінність через зовнішні впливи, такі як технологічні зміни, змінені ринкові умови або регуляторні вимоги, що вони більше не можуть генерувати прибутку.

Історія технологій рясніє прикладами рішень щодо інфраструктури, які вважалися обґрунтованими на момент планування, але виявилися дороговартісними неправильними розподілами ресурсів лише через кілька років після введення в експлуатацію. В енергетичному секторі численні вугільні електростанції, побудовані або розширені в 2010-х роках, вже втратили значну вартість або були передчасно зупинені, незважаючи на прогнозований термін експлуатації, що залишився, від 30 до 40 років. Міжнародне агентство з відновлюваної енергетики (IRENA) оцінює, що ризик заблокованих активів може сягнути до 20 трильйонів доларів за умови збереження звичайної діяльності.

Цей ризик особливо виражений для інфраструктури штучного інтелекту, оскільки темпи технологічного розвитку надзвичайно швидкі. Малий магнітно-резонансний (ММР) реактор, введений в експлуатацію сьогодні, має реальну перспективу введення в експлуатацію не раніше 2035-2040 років – навіть за оптимістичних припущень щодо дозволів, термінів будівництва та ланцюгів поставок. Згідно з поточними даними, продуктивність систем ШІ подвоюється кожні шість-сім місяців. Протягом 10-15 років, необхідних для будівництва ММР, можливості систем ШІ покращаться у 20 000–300 000 разів – величина, за якої надійні прогнози конкретних вимог до інфраструктури просто неможливі.

Проблема полягає не лише в невизначеності обладнання. Уся архітектура систем штучного інтелекту зазнає трансформації. Як вражаюче продемонстрував DeepSeek, розумна оптимізація алгоритмів може зменшити вимоги до обладнання вдесятеро — без втрати якості. Нові архітектури мікросхем, які виходять за рамки архітектури фон Неймана та долають так звану «стіну пам'яті», знаходяться в розробці. Фотонні комп'ютери, нейроморфні чіпи та квантові комп'ютери — усі ці технології, як тільки вони досягнуть комерційної зрілості, мають потенціал для різкого зниження споживання енергії на обчислення. Майбутнє цих технологій буде визначено саме через 10-15 років, які знадобляться для того, щоб SMR став доступним онлайн.

Будь-хто, хто сьогодні інвестує у гігафабрики штучного інтелекту на базі SMR, зобов'язується використовувати єдине джерело енергії протягом 40-60 років – типового терміну експлуатації атомної електростанції. І вони роблять це в надії, що індустрія штучного інтелекту підтримуватиме постійний попит саме на ту централізовану, енергоємну інфраструктуру, яку ці реактори мають живити протягом цього періоду. З сьогоднішньої точки зору, це ставка видається надзвичайно ризикованою.

Вузьке місце ноу-хау: недооцінена структурна проблема ядерної енергетики

Ще одним ключовим аргументом проти стратегії SMR, якій приділяється занадто мало уваги в громадських дебатах, є гостра нестача кваліфікованих працівників у ядерній галузі. Протягом останніх трьох десятиліть, що характеризувалися мораторіями, рішеннями про поетапне виведення з експлуатації та відсутністю нових будівельних проектів, ядерна галузь зазнала значних втрат інституційних знань.

Сьогодні ринок атомних електростанцій залежить від дуже невеликої кількості компаній, здебільшого державних, які взагалі здатні будувати та експортувати атомні електростанції. Глобальна мережа постачальників, інженерів та сертифікованих спеціалістів для реалізації ядерних проектів є мінімальною. Це означає, що навіть за сприятливого політичного рішення на користь SMR, вузьким місцем є не ліцензування чи капітал, а наявний досвід. Якщо США, Канада, Велика Британія, Франція та різні країни ЄС захочуть одночасно запустити програми SMR, вони всі конкуруватимуть за той самий обмежений пул фахівців з ядерної інженерії.

Це різко контрастує із ситуацією в секторі відновлюваної енергетики та технологій зберігання енергії. Світова сонячна індустрія за останнє десятиліття зазнала експоненціального масштабування, кількість кваліфікованих фахівців у секторі відновлюваної енергетики постійно зростає, а ланцюги поставок сонячних модулів, інверторів та технологій зберігання енергії добре розвинені та диверсифіковані на міжнародному рівні. Децентралізована інфраструктура штучного інтелекту може використовувати цю існуючу базу ноу-хау, ланцюгів поставок та регуляторного досвіду. З іншого боку, індустрія SMR все ще потребує створення такої основи – під величезним тиском часу та витрат.

Національні економічні рахунки: пряме порівняння

Систематичне порівняння різних факторів дає таку економічну ситуацію:

критерій	Гігафабрика штучного інтелекту з підтримкою SMR	Децентралізована інфраструктура штучного інтелекту з сонячною енергією та накопичувачами
Перша поставка електроенергії	2035–2040 (оптимістичний)	Безпосередньо до 2027 року
Капіталоємність (вхід)	3-5 мільярдів євро на гігафабрику та SMR	Модульне масштабування, менші окремі суми
Ризик витрат	Надзвичайно високий (історичні перевищення 100–600%)	Низький; витрати на технології постійно падають
Ризик застою технологій	Дуже високий (зобов'язання 40–60 років)	Низький профіль; модульно розширюваний та адаптивний
Наявність ноу-хау	Вузьке місце; мало світових постачальників	Широка та зростаюча кваліфікована робоча сила
Приховані субсидії	Високий (відповідальність, утилізація, дослідження)	Невелика кількість
Витрати на зберігання енергії (2025)	Не актуально (базове навантаження)	70 дол. США/кВт·год (стаціонарний, тенденція до зниження)
Витрати на зберігання енергії (прогноз на 2050 рік)	Не актуально	11–14 євро/МВт·год
Споживання води	Висока (системи охолодження)	Майже нічого
Регуляторна невизначеність	Дуже високий	Середній
Гнучкість у відповідь на зміни попиту	Ні	Високий
Екологічний ризик	Високий (ядерна безпека, довгострокові відходи)	Низький

Порівняння показує, що гігафабрика зі штучним інтелектом на базі SMR не постачатиме електроенергію раніше 2035–2040 років (за оптимістичними прогнозами), тоді як децентралізована інфраструктура штучного інтелекту з сонячною енергією та накопиченням енергії буде доступна негайно до 2027 року. Що стосується капіталомісткості, варіант SMR вимагає дуже високих початкових інвестицій – близько 3–5 мільярдів євро на гігафабрику плюс SMR, тоді як децентралізоване рішення дозволяє модульне масштабування та значно зменшує індивідуальні інвестиційні суми. Ризик витрат надзвичайно високий для SMR (історичні перевищення на 100–600%), тоді як для сонячної енергії + накопичення енергії він низький, оскільки витрати на технології постійно знижуються. Ризик зависання технологій дуже високий для SMR через 40–60-річне зобов'язання, тоді як децентралізована інфраструктура має низький ризик зависання, оскільки вона модульно розширюється та адаптується. Ноу-хау є вузьким місцем для SMR з невеликою кількістю глобальних постачальників, тоді як децентралізоване рішення має широкий і зростаючий пул кваліфікованих фахівців. Приховані субсидії (відповідальність, утилізація, дослідження) є високими для SMR та низькими для сонячної енергії + накопичення енергії. Витрати на зберігання енергії не є релевантними для SMR, оскільки вони призначені для базового навантаження; для децентралізованих систем витрати, за прогнозами, досягнуть приблизно 70 доларів США/кВт·год (стаціонарний стан, тенденція до зниження) у 2025 році та 11–14 євро/МВт·год у 2050 році. Споживання води високе для SMR через системи охолодження, тоді як для сонячної енергії + зберігання воно низьке або взагалі відсутнє. Регуляторна невизначеність дуже висока для SMR та помірна для децентралізованого варіанту. Гнучкість у реагуванні на зміни попиту майже повністю відсутня в SMR, тоді як децентралізоване рішення пропонує високу гнучкість. Нарешті, екологічні ризики високі для SMR (ядерна безпека, довгострокові відходи) та низькі для сонячної енергії + зберігання. Загалом, варіант SMR показує гірші результати майже за всіма критеріями – за винятком надійного, незалежного від погоди базового енергопостачання. Однак цей аргумент стає менш важливим, оскільки розвиток технологій зберігання, таких як великомасштабне натрій-іонне зберігання з довшими циклами заряду/розряду, дозволяє зберігати великі обсяги енергії протягом днів і тижнів, що значною мірою спростовує аргумент базового навантаження.

Сліпа пляма логіки планування: чому особи, що приймають рішення, систематично запізнюються

Існує структурна причина, чому особи, що приймають рішення в урядах та великих промислових компаніях, неодноразово приймають рішення щодо інфраструктури, які, озираючись назад, видаються поганими інвестиціями: цикли інституційного планування принципово несумісні з темпами технологічних змін.

Урядові програми, парламентські резолюції, програми фінансування та державні тендери діють циклами від чотирьох до десяти років. Рішення щодо інфраструктурного проекту, такого як ретрансляційна станція громадського транспорту (SMR), приймається в політичному та технологічному середовищі, яке до введення в експлуатацію кілька разів фундаментально змінювалося. Інституційна інерція, створена бюрократичними процедурами, лобіюванням впливових галузевих груп та психологічною фіксацією на рішеннях, прийнятих у певний момент, означає, що фактичні потреби та варіанти на момент будівництва більше не відповідають припущенням, зробленим на момент планування.

Технологічний розвиток останніх кількох століть яскраво демонструє це прискорення: промислова революція мала близько 100 років, щоб розкрити свої основні економічні наслідки. Електрифікація зайняла приблизно 50 років. Інтернет трансформував світову економіку приблизно за 20 років. Штучний інтелект та пов'язані з ним розробки апаратного забезпечення змінюють фундаментальні рамкові умови циклами менше десяти років – і з постійно зростаючим прискоренням. Логіка, яка була доречною для рішень щодо інфраструктури у 20 столітті, структурно непридатна для 21 століття.

Це особливо важливо для незворотних великомасштабних інвестицій з тривалими термінами амортизації. Сонячне поле можна звести протягом кількох місяців і відносно легко модифікувати або демонтувати, якщо потреби зміняться. Центр обробки даних, що базується на модульній архітектурі, можна масштабувати та модернізувати. Атомна електростанція, після будівництва, є значною мірою жорсткою конструкцією протягом 40-60 років, витрати на виведення з експлуатації якої сягають мільярдів. Стратегічне значення гнучкості та опціональності — здатності реагувати на зміну обставин — систематично недооцінюється в традиційних інвестиційних розрахунках.

Нюансований висновок: це не ситуація «або/або», а радше питання пріоритетів

Було б надмірним спрощенням стверджувати, що SMR по суті нічого не варті або що децентралізована інфраструктура може задовольнити будь-які потреби. Реальність є більш нюансованою.

Існують конкретні випадки використання, для яких централізовані обчислювальні потужності — принаймні для навчання великих моделей штучного інтелекту — все ще будуть потрібні в короткостроковій перспективі. Існують також законні аргументи на користь використання ядерної енергетики як частини диверсифікованого низьковуглецевого енергетичного балансу, особливо в країнах, які не мають достатньої кількості відновлюваних ресурсів. Франція, яка підтримує існуючу інфраструктуру атомних електростанцій, що амортизується протягом десятиліть, знаходиться в принципово іншому становищі, ніж країна, яка хоче будувати малий молотковий реактор з нуля сьогодні.

Справжня проблема полягає не в самій ідеї малих реакторів. Проблема полягає в поєднанні трьох факторів: по-перше, розбіжність між тим, коли SMR можуть постачати потужність, і коли інфраструктура штучного інтелекту потребує цієї потужності; по-друге, відсутність прозорості щодо справжніх загальних витрат, включаючи приховані субсидії та ризики виведення з експлуатації; і по-третє, стратегічна сліпота до того факту, що технологічні розробки — як в апаратному забезпеченні штучного інтелекту, так і в накопиченні енергії — можуть фундаментально змінити основні припущення цих інвестиційних рішень у терміни, коротші за типовий період будівництва.

Економічно відповідальна відповідь на енергетичне питання ери штучного інтелекту — це не вибір між малим магнітним реактором (SMR) та відновлюваною енергією, між централізованим та децентралізованим. Вона полягає в розробці інфраструктурних рішень, які максимізують опціональність та мінімізують ризик застою. Це означає модульність, оборотність, технологічну нейтральність та прозорість. А також не перекладати витрати на платників податків майбутніх поколінь, одночасно приватизуючи прибутки сьогодні — схема, яка, на жаль, надто систематично характеризує історію ядерної енергетики в Європі.

Справжньою провокацією цих дебатів є не технічне питання про те, яка інфраструктура краща. Справжньою провокацією є політична: чому дискусія про перспективну інфраструктуру штучного інтелекту майже виключно зосереджена на технології, горизонт реалізації якої лежить за межами горизонту планування дорожніх карт ШІ, історія витрат якої характеризується перевищенням витрат на кілька сотень відсотків, а субсидування якої значною мірою приховане? Відповідь на це питання має не технологічний, а політико-економічний характер – і саме тому воно так вперто залишається замовчуваним у публічних дебатах.

☑️ Наша ділова мова – англійська або німецька

☑️ НОВИНКА: Листування вашою рідною мовою!

 

Я та моя команда раді бути вашим особистим консультантом.

Ви можете зв'язатися зі мною, заповнивши контактну форму тут wolfenstein@xpert.digital:, або просто зателефонувавши мені за номером +49 7348 4088 965. Моя адреса електронної пошти

Я з нетерпінням чекаю нашого спільного проєкту.

 

 

☑️ Підтримка МСП у стратегії, консалтингу, плануванні та впровадженні

☑️ Створення або переорієнтація цифрової стратегії та діджиталізації

☑️ Розширення та оптимізація процесів міжнародних продажів

☑️ Глобальні та цифрові торгові платформи B2B

☑️ Розвиток бізнесу Pioneer / Маркетинг / PR / Виставки

Xpert.Digital — це галузевий центр B2B, що базується на даних, який очолює Konrad Wolfenstein . Компанія виступає зовнішнім, квазі-внутрішнім рішенням для промислових партнерів, усуваючи операційні прогалини в маркетингу, контенті та продажах, не вимагаючи додаткових ресурсів з боку клієнта.

Більше інформації тут:

• Квазі-власне рішення: як Xpert.Digital усуває операційні прогалини в B2B-маркетингу та продажах – Розумний контент-орієнтований бізнес