Утверждения о том, что операторы дата-центров в США прибегают к использованию газовых турбин аэродеривативного типа — по сути, переработанных двигателей списанных коммерческих самолетов, установленных в мобильные модули, — для обеспечения энергией инфраструктуры искусственного интеллекта (ИИ) из-за задержек с подключением к электросетям, требуют тщательного анализа. Согласно статье в IEEE Spectrum от 2024 года, такие решения действительно применяются, в частности, в Техасе, где используются турбины General Electric CF6-80C2 и LM6000, ранее применявшиеся в самолетах Boeing 767 и Airbus A310.
Эти турбины, переоборудованные компаниями вроде ProEnergy и Mitsubishi Power, способны выдавать до 48 мегаватт на единицу, что, по утверждению производителей, достаточно для поддержки кластеров ИИ. Однако подобные заявления о мощности требуют проверки, учитывая, что реальная выходная мощность зависит от условий эксплуатации и качества топлива.
Эти так называемые «временные» энергетические решения, такие как FT8 MOBILEPAC от Mitsubishi Power, основанные на двигателях Pratt & Whitney, действительно могут запускаться за считанные минуты, что делает их привлекательными для быстрого развертывания. Однако их высокая скорость работы и мобильность сопровождаются значительными недостатками.
Во-первых, аэродеривативные турбины в простом цикле имеют тепловую эффективность порядка 30–35%, что значительно ниже, чем у современных комбинированных газовых электростанций, достигающих КПД до 60% (данные U.S. Energy Information Administration, 2023). Во-вторых, они чаще всего работают на дизельном топливе или природном газе, доставляемом грузовиками, что увеличивает логистические расходы и углеродный след. Для соответствия нормам выбросов NOx, установленным Агентством по охране окружающей среды США (EPA), требуется использование систем селективного каталитического восстановления, что дополнительно усложняет эксплуатацию.
Примером такого подхода служит проект Stargate, связанный с материнской компанией OpenAI, где, как сообщается, используются около 30 установок LM2500XPRESS недалеко от Абилина, штат Техас. Каждая такая установка выдает до 34 мегаватт и способна запускать серверы менее чем за 10 минут. Однако эти цифры вызывают вопросы: заявленная мощность в 34 мВт указана для номинальных условий, и реальная производительность может быть ниже из-за потерь на преобразование энергии или ограничений по топливу. Кроме того, отсутствие улавливания отработанного тепла делает эти системы менее устойчивыми с точки зрения энергопотребления.
Использование авиационных турбин для энергообеспечения не ново — они применялись в военных операциях и на морских буровых платформах еще с 1960-х годов (например, турбины GE LM2500 в морских приложениях). Однако их внедрение в дата-центры — явление относительно новое, что, вероятно, связано с энергетическим кризисом в США. По данным отчета Grid Strategies (2023), в некоторых регионах, включая Техас, сроки подключения к электросетям для новых дата-центров могут достигать 5–7 лет из-за перегруженности инфраструктуры. Это подтверждает необходимость временных решений, но их экологическая и экономическая эффективность остается под вопросом.
Скептически оценивая ситуацию, можно отметить, что, хотя такие турбины и решают проблему срочного энергоснабжения, их использование подчеркивает системные проблемы с инфраструктурой и планированием. Заявления о «быстром развертывании» и «поддержке ИИ» звучат впечатляюще, но без долгосрочных инвестиций в устойчивые источники энергии, такие как модульные ядерные реакторы или возобновляемые источники, подобные решения остаются дорогостоящей и экологически сомнительной мерой.
Например, выбросы CO2 от дизельных турбин могут достигать 600–700 г/кВт·ч (данные EPA, 2022), что значительно выше, чем у ветровых или солнечных установок (10–50 г/кВт·ч). Таким образом, в условиях роста энергопотребления ИИ — по оценкам, дата-центры в США к 2030 году могут потреблять до 20% электроэнергии страны (отчет EPRI, 2024) — такие временные меры лишь подчеркивают необходимость более продуманных решений.
Оригинал
Уникальность
