Энергетический потолок и тупик в PUE
Спрос на электроэнергию для дата-центров растет экспоненциально. По прогнозу Международного энергетического агентства (IEA), к 2030 году потребление достигнет 945 ТВт·ч — это сопоставимо с текущим годовым потреблением электроэнергии всей Японии. Индустрия традиционно решала проблему наращиванием мощностей и поиском новых источников питания, но исследователи из ML.Energy (Университет Мичигана) указывают на упущенную возможность: оптимизацию программного обеспечения.
Согласно опросу Uptime Institute за 2025 год, средний показатель PUE (Power Usage Effectiveness) не меняется уже шесть лет подряд. Это означает, что эффективность систем охлаждения и питания достигла предела. При этом серверы потребляют около 60% энергии в современном ЦОД, а охлаждение — от 7% до 30%. Фокус на софте позволяет воздействовать на самую ресурсоемкую часть инфраструктуры.
Реальные цифры экономии: FP8, Perseus и Blackwell
Компьютерная система представляет собой стек: железо, системное ПО, алгоритмы и приложения. Железо менять дорого и долго, но три верхних уровня поддаются оптимизации. Исследования показывают конкретные результаты экономии:
| Технология / Метод | Разработчик / Источник | Экономия энергии | Влияние на производительность |
|---|---|---|---|
| Инференс в FP8 (вместо bfloat16) | ML.Energy (модель Qwen 3 235B A22B) | до 33% | Экономия на задачах решения проблем |
| Оптимизатор Perseus | Исследователи Университета Мичигана | до 30% | Без снижения пропускной способности (throughput) |
| Профили питания Blackwell | Nvidia | до 15% | Сохранение 97%+ производительности, рост пропускной способности на 13% |
«Самая громкая стойка» и скрытые потери
Четан Висролиа (SHI) отмечает, что самые большие потери часто связаны с устаревшим оборудованием и легаси-кодом, которые потребляют энергию впустую. Простые действия, такие как кэширование повторяющихся AI-запросов, использование малых моделей для рутинных задач и оптимизация батчинга, позволяют повысить утилизацию ускорителей. Кроме того, ограничение длины выходных токенов и сжатие промптов напрямую снижают вычислительную нагрузку.
Сдвиг во времени и пространстве: стратегия Google
Софистика также позволяет управлять временем и местом потребления. Исследовательница ETH Цюриха Софи Холл, изучавшая работу дата-центров Google, предлагает переносить несрочные пакетные задачи на периоды низкого спроса или в регионы с избытком зеленой энергии. Это требует сложного планирования (day-ahead planning) и учета сетевых сигналов в реальном времени.
Парадокс Джевонса: почему экономии недостаточно
Несмотря на успехи, программная оптимизация не является панацеей. Здесь вступает в силу парадокс Джевонса: повышение эффективности снижает стоимость вычислений, что стимулирует рост спроса на токены, полностью поглощая сэкономленную энергию. Как отмечает Джей-Вон Чунг, «энергия — это главный узкий горлышко». Софт должен работать в связке с новым железом и инфраструктурой, чтобы каждый ватт использовался максимально эффективно, а не просто запускал новые задачи.
Источник: Tom's Hardware ↗