AI dla energetyki i podwodne centrum danych w Chinach
24 megawaty to kluczowa liczba w nowym podwodnym obiekcie w Szanghaju, która wiele mówi o kierunku, w jakim zmierza AI dla energetyki. Projekt, zrealizowany przez HiCloud Technology oraz China Communications Construction, to nie tylko eksperyment inżynieryjny; to test na żywo, jak kraje mogą wspierać zapotrzebowanie na AI przy niższych kosztach chłodzenia, lepszej efektywności energetycznej i większym udziale odnawialnych źródeł energii. Według raportu przetłumaczonego przez WIRED en Español, obiekt łączy energię z morskich farm wiatrowych z chłodzeniem wodą morską w momencie, gdy wzrost mocy obliczeniowej wymusza zmiany w infrastrukturze.
Chiny otwierają pierwsze podwodne centrum danych zasilane energią wiatrową
Projekt znajduje się w specjalnej strefie Lin-gang w Szanghaju, wewnątrz Chińskiej Pilotażowej Strefy Wolnego Handlu, a moduły są zanurzone na głębokości około 10 metrów. Jego początkowa moc wynosi 24 MW, a model operacyjny został zaprojektowany tak, aby wykorzystywać wodę morską jako naturalny system chłodzenia, zamiast polegać głównie na konwencjonalnej klimatyzacji.
Ma to ogromne znaczenie, ponieważ chłodzenie pozostaje jednym z najmniej elastycznych kosztów w infrastrukturze AI. W standardowym obiekcie naziemnym systemy chłodzenia mogą odpowiadać za 40 do 50 procent całkowitego zapotrzebowania na energię elektryczną, jak zauważa źródło. Dla odmiany, chiński projekt ma na celu utrzymanie zużycia energii na chłodzenie poniżej 10 procent, co stanowi znaczną redukcję w porównaniu do standardowej eksploatacji.
Obiekt jest również godny uwagi ze względu na źródło energii. HiCloud uruchomiło już komercyjne podwodne centrum danych na Hajnan w 2023 roku, ale kompleks w Szanghaju jest pierwszym, który według doniesień działa dzięki morskiej energii wiatrowej. Dla liderów biznesu śledzących usługi wdrażania AI i ryzyko infrastrukturalne, jest to ważny sygnał: rozwój mocy obliczeniowej jest coraz bardziej powiązany z dostępem do czystej energii i wydajnego chłodzenia w jednym miejscu.
Dlaczego ten projekt ma znaczenie dla zapotrzebowania na infrastrukturę AI
Szerszy kontekst jest prosty: rozwój AI sprawia, że planowanie energetyczne staje się kwestią zarządczą. Niedawny raport UNCTAD cytowany w źródle wskazuje, że tylko 32 kraje posiadają centra danych specjalizujące się w AI, a około 90 procent tej infrastruktury jest skoncentrowane w Chinach i Stanach Zjednoczonych. Ta koncentracja oznacza, że wydajność to nie tylko kwestia oprogramowania. To także kwestia lokalizacji, sieci przesyłowych i zaopatrzenia.
Dla przedsiębiorstw z branży infrastruktury technologicznej, energetyki i produkcji zmienia to sposób oceny strategii AI. Kluczowym ograniczeniem może nie być wybór modelu, lecz dostęp do niezawodnej energii elektrycznej, akceptowalne koszty operacyjne i wystarczająca wydajność cieplna, aby utrzymać rentowność rozbudowy.
Innym praktycznym wnioskiem jest to, że projektowanie infrastruktury wpływa teraz na decyzje dotyczące automatyzacji biznesowej opartej na AI. Jeśli obciążenia wymagające dużej mocy obliczeniowej staną się droższe w regionach o wysokiej temperaturze i dużym obciążeniu sieci, firmy będą musiały bardziej selektywnie podchodzić do tego, gdzie wdrażane są procesy uczenia, wnioskowania, analityki i agenci automatyzacji AI.
Otrzymuj cotygodniową dawkę praktycznej wiedzy o programach AI. Zasubskrybuj newsletter Encorp.
Liczby stojące za deklarowaną efektywnością
Najważniejszym powodem, dla którego ta historia zasługuje na uwagę, jest konkretność mierzalnych danych. Zgodnie z oświadczeniem chińskiego rządu, podwodny obiekt został zaprojektowany tak, aby wykorzystywać ponad 90 procent energii z morskich farm wiatrowych, zmniejszyć całkowite zużycie energii o 30 do 40 procent oraz obniżyć zapotrzebowanie na energię do chłodzenia z 40-50 procent całkowitego zużycia do poniżej 10 procent w porównaniu z tradycyjnymi centrami danych na lądzie.
Drugim kluczowym wskaźnikiem jest PUE 1.15. Jak wyjaśnia Google w swoim przeglądzie efektywności centrów danych, wskaźnik efektywności wykorzystania energii (PUE) mierzy całkowitą moc obiektu podzieloną przez moc sprzętu IT, gdzie 1.0 stanowi teoretyczny ideał. Cel na poziomie 1.15 stawia projekt w Szanghaju w czołówce rozwiązań na papierze.
Trzy liczby wyróżniają się najbardziej:
- 24 MW początkowej mocy, co czyni to poważnym aktywem infrastrukturalnym, a nie tylko pilotażem laboratoryjnym.
- Poniżej 10 procent energii przeznaczanej na chłodzenie, w porównaniu do 40-50 procent często spotykanych w konwencjonalnych projektach.
- Ponad 90 procent energii z morskich farm wiatrowych, co bezpośrednio wiąże rozwój mocy obliczeniowej z pozyskiwaniem energii odnawialnej.
Te liczby wyjaśniają również, dlaczego jest to coś więcej niż tylko historia o ekologii. Wskazują one na ekonomię operacyjną. Niższe koszty chłodzenia poprawiają marże i mogą ustabilizować długoterminowe planowanie wydajności. Lepszy wskaźnik PUE ułatwia budżetowanie analityki danych AI i obciążeń o wysokiej dostępności. Integracja z OZE może zmniejszyć ekspozycję na wahania cen paliw kopalnych, choć wprowadza własne wyzwania związane z przerywanym charakterem dostaw i równoważeniem sieci.
Istnieją również ograniczenia. Konserwacja pod wodą jest bardziej złożona niż serwisowanie standardowej hali na lądzie. Wybór lokalizacji jest ograniczony. Ubezpieczenie, logistyka napraw i niezawodność komponentów podwodnych będą miały znacznie większe znaczenie niż w typowej inwestycji korporacyjnej. Innymi słowy, jest to ważny sygnał, a nie uniwersalny szablon.
Co zmiana polityki Chin mówi o wyścigu AI
Ten projekt nabiera sensu, gdy czyta się go w kontekście szerszej polityki energetycznej Chin. Artykuł źródłowy zauważa, że w zeszłym roku weszła w życie nowa ustawa energetyczna, która nadaje priorytet odnawialnym źródłom energii i wodorowi, podczas gdy reformy rynku energii z czerwca 2025 wymagają, aby energia słoneczna i wiatrowa była przedmiotem obrotu poprzez mechanizmy rynkowe lub aukcje, zamiast starszych struktur stałych taryf.
Ta zmiana polityki ma znaczenie, ponieważ infrastruktura AI wymaga planowania długoterminowego. Kontrakty energetyczne, rozwój lokalizacji i usługi integracyjne zależą od pewności, że moce wytwórcze będą istnieć tam, gdzie rośnie zapotrzebowanie na moc obliczeniową. Chiny wydają się traktować to jako kwestię strategii przemysłowej, a nie tylko zrównoważonego rozwoju.
Porównanie ze Stanami Zjednoczonymi nie polega na tym, że jedna strona buduje centra danych, a druga nie. Chodzi o to, że kładą nacisk na różne drogi do zapewnienia bezpieczeństwa dostaw. Chiny próbują zmniejszyć zależność od zewnętrznych paliw kopalnych, jednocześnie skalując opcje odnawialne i jądrowe. To nadaje projektom takim jak ten w Szanghaju większą rolę strategiczną: testują one, czy infrastruktura ery AI może być jednocześnie bardziej wydajna i bardziej kontrolowana na poziomie krajowym.
To również miejsce, w którym analiza Międzynarodowej Agencji Energetycznej dotycząca energii elektrycznej i centrów danych staje się użytecznym kontekstem. Zapotrzebowanie na AI zmusza zakłady użyteczności publicznej, operatorów i dużych nabywców do bardziej szczegółowego prognozowania szczytowego zapotrzebowania, potrzeb w zakresie odporności i ograniczeń przesyłowych. W praktyce usługi integracji AI zależą teraz w równym stopniu od realizmu energetycznego, co od architektury oprogramowania.
Jak wypada to na tle konwencjonalnego projektowania centrów danych
Użytecznym sposobem interpretacji tego rozwoju nie jest traktowanie go jako binarnego wyboru między projektami podwodnymi a naziemnymi, ale jako punkt odniesienia dla starych założeń. Tradycyjne obiekty konkurują lokalizacją, zachętami podatkowymi i dostępem do światłowodów. Nowsze obiekty zorientowane na AI muszą również konkurować metodą chłodzenia, zużyciem wody i sposobem pozyskiwania energii.
| Czynnik projektowy | Konwencjonalne centrum danych na lądzie | Podwodny model z Szanghaju |
|---|---|---|
| Metoda chłodzenia | Mechaniczna klimatyzacja | Chłodzenie wodą morską |
| Udział energii na chłodzenie | Często 40-50% wg artykułu źródłowego | Poniżej 10% wg projektu |
| Cel PUE | Różni się znacznie w zależności od wieku i miejsca | Cel 1.15 |
| Wykorzystanie terenu | Znaczny ślad kampusu | Ponad 90% mniejszy wg projektu |
| Miks źródeł energii | Zależny od sieci, często mieszany | Ponad 90% energii z morskich farm wiatrowych wg projektu |
To porównanie ma bezpośrednie konsekwencje dla zakupów korporacyjnych. Nabywcy powinni bardziej zwracać uwagę na to, gdzie działają obciążenia, jak wygląda miks energetyczny i czy dostawcy mogą konsekwentnie raportować wskaźniki wydajności. Jest to szczególnie prawdziwe w przypadku firm skalujących usługi wdrażania AI w wielu jednostkach biznesowych.
Dla operatorów myślących bardziej taktycznie, tutaj najlepiej pasuje usługa taka jak AI Smart Energy Management for Facilities: te same dyscypliny, które mają znaczenie w podwodnym centrum danych, takie jak przewidywanie obciążenia, wykrywanie anomalii i ciągłe monitorowanie wydajności, mają znaczenie również w zwykłych zasobach przedsiębiorstwa. Różnica nie polega na potrzebie widoczności operacyjnej, lecz na poziomie złożoności inżynieryjnej.
Co przedsiębiorstwa powinny obserwować w następnej kolejności
Trzy wskaźniki mają teraz większe znaczenie niż rok temu: cele PUE, udział energii odnawialnej i regionalne ograniczenia chłodzenia. Nie są to już poboczne metryki dla zespołów ds. zrównoważonego rozwoju. Stają się one częścią głównego nurtu strategii AI i należytej staranności dostawców.
Przedsiębiorstwa powinny również obserwować, czy projekty takie jak ten pozostaną odizolowanymi krajowymi wizytówkami, czy zaczną wpływać na komercyjne standardy projektowania w Azji, Europie i Ameryce Północnej. Jeśli więcej obiektów zacznie stosować alternatywne chłodzenie i ściślejszą integrację energetyczną, nabywcy mogą zacząć traktować efektywność infrastruktury jako podstawowe kryterium wyboru, a nie przypis w raporcie ESG.
Trend jest jasny, nawet jeśli ten konkretny projekt pozostanie niszowy. AI dla energetyki przechodzi od abstrakcyjnych rozmów o polityce do fizycznych wyborów infrastrukturalnych mierzonych w megawatach, PUE i warunkach zaopatrzenia. Firmy, które wcześnie zaplanują działania wokół tych ograniczeń, podejmą lepsze decyzje dotyczące tego, gdzie powinny znajdować się obciążenia AI i ile powinny kosztować.
Martin Kuvandzhiev
CEO and Founder of Encorp.io with expertise in AI and business transformation